Drivers’ Eye Movement Characteristics in a Combined Bridge-Tunnel Scenario on a Mountainous Urban Expressway: A Realistic Study
Notice bibliographique
Résumé
Combined bridge-tunnel scenarios of driving on mountainous city expressways occur when bridges and tunnels frequently alternate during driving. The complex nature of these driving scenarios imposes crucial requirements on the drivers’ eye movement characteristics. This paper attempts to clarify these characteristics using descriptive statistics and the box graph method, registering the pupil diameter, blink duration, fixation, saccades, and fixation loci at different tunnel locations, bridges, and ramps. Realistic driving experiments were performed on the road segment spanning from the Nanchang tunnel to the Liujiatai tunnel freeway in Chongqing, China. Eye movement data were collected for 21 drivers. The experimental results showed that, while driving in the tunnel, the maximal pupil diameter of the participating drivers was approximately 4.0 mm as the driving mileage and the number of tunnels increased, and the maximal visual load on the drivers in the tunnel tended to be stable. At the second tunnel exit, the ramp, the middle section of the first bridge, and the third tunnel exit, the driving load was the highest, while the fixation duration was shorter for nighttime driving. The fixation duration was the longest for the diversion road of bridge B1 to the ramp during the day, and the fixation times were the longest at the beginning and end of the test road. The drivers more often paid attention to the speed dashboard while entering tunnels during daytime driving (compared with nighttime driving).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».