A Driving Simulation to Analysis and Quantitative Comparison of Driving Behavior of Guide Signs at Intersections
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Guide signs are an important source for drivers to obtain road information. However, the evaluation methods for the effectiveness of guide signs are not unified. The quantitative model for evaluating guide signs needs to be constructed to unify the current system of guide signs. This study aims to take the commonly used guide signs in China as the research object to explore the evaluation method of guide signs at intersections. Eight kinds of guide signs were designed and made based on the common layout (layout 1 and layout 2) and the amount of information on signs (3–6). Thirty-four drivers were recruited to organize a driving simulation based on the visual cognitive tasks. Drivers’ legibility time and driver behavior were obtained by using the driving simulator and E-Prime program. A comprehensive quantitative evaluation model of guide signs was established based on the factor analysis method and grey correlation analysis method from the perspective of safe driving. The results show that there is no significant difference in the SD of speed and the SD of acceleration under the influence of various guide signs. The average vehicle speed and acceleration decrease, and the lateral offset distance of the vehicle increases with the amount of information on guide signs increasing. The quantitative evaluation results of guide signs show that the visual security decreases with the increase of the amount of information on guide signs. And layout 2 has better performance than layout 1 when the amount of information on guide signs is the same. This study not only explores the change rule of driving behavior under the influence of guide signs, but also provides a reference for the selection of guide signs.
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.
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 | 0,001 |
| 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) | 0,000 | 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 découle