Information Volume Threshold for Graphical Variable Message Signs Based on Drivers’ Visual Cognition Behavior
Notice bibliographique
Résumé
Variable message signs (VMS) are widely employed to offer drivers dynamic traffic information. However, it is still lacking practical guidance about the information volume displayed on a graphical VMS. Building on the result of the subjective questionnaire survey, a static cognitive experiment was conducted to analyze the influence of volume information (i.e., elements and displaying the number of roads) of graphical VMS on drivers’ visual cognition characteristics and then determine the threshold number of roads displayed on VMS. Forty-five drivers participated in the static cognitive experiment. Five indicators, including visual cognition time, cognition accuracy, comprehension accuracy, general assessment, and information acceptance, were used to estimate the influences of graphical VMS. Study results by descriptive statistics and statistical hypothesis testing indicated that drivers also preferred auxiliary elements (i.e., distance or time information) besides basic design elements (i.e., driving direction, current position, and road name) displayed on graphical VMS. With the increase in information volume, driver visual cognition time increased while other companion indexes (i.e., visual cognition accuracy and comprehension accuracy) generally worsened. Combining the data of drivers’ objective behavior and subjective scoring, the Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) method revealed that the number of roads shown on the graphical VMS should be no greater than five. The study results were verified by dynamic simulation experiments. This finding provides a supplement for the design standards and usage specifications for VMS.
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 | 0,001 |
| 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 ».