Accelerated Failure Time Model to Explore the Perception Response Times of Drivers in Simulated Car-Following Scenarios
Notice bibliographique
Résumé
In the development of effective rear-end collision alarm systems, understanding the factors that influence the perception response times (PRT) of drivers is important for the design of a reasonable lead time for the warning (or intervention) of likely collisions. Previous studies have proposed different approaches for examining the impact of situational or individual factors on the PRT of drivers. However, unobserved heterogeneity has not been considered and neither has a duration-modeling approach been used, resulting in a lack of accurate estimation. The purpose of the present study was to explore the effect of the driving situation and individual differences on the PRT of drivers while also considering unobserved heterogeneity. A total of 101 participants were exposed to different levels of secondarily cognitive load and situational urgency in simulated d scenarios. Several accelerated failure time (AFT) duration models, both with and without heterogeneity, were developed to model the PRT of drivers, while factors related to driving situation and individual differences were incorporated. The results indicate that influential factors include age, working memory capacity (WMC), cognitive load, and initial time headway exerted significant effects on the PRT of drivers. The hazard rate changed by 14.4%, 22.6%, and 7.5% when age, cognitive load, and initial time headway changed by one unit, respectively. Furthermore, the hazard rate decreases by more than 20% for individuals with higher WMC compared with baseline individuals. These results suggest that the AFT model that considers unobserved heterogeneity can provide a more accurate estimation of the PRT compared to other duration models. These findings can be expected to provide a further understanding of drivers’ braking behaviors, which will contribute to the development of advanced driving assistant systems as well as safety assessments of in-vehicle information and communication technologies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».