Plateau effect on driver’s hazard perception response mode: Graph construction approach
Notice bibliographique
Résumé
It is crucial for drivers to conduct rapid and effective risk perception and response processes when faced with hazardous driving situations. The low pressure and oxygen environment in the plateau results in a greater workload of drivers, contributing to a significant decline in perception and response ability. This study proposes a graph construction approach to model drivers’ hazard response modes (HRMs) in plateau areas. A total of 31 drivers (23 males) aged 21 to 55 years (M [age] = 28.0 years, M [driving experience] = 6.5 years) were recruited to participate in four hazard perception experiments using a UC-WIN/ROAD driving simulator. The experiments were successively conducted in five cities with different altitudes, including Nanjing (50 m), Nyingchi (2,995 m), Lhasa (3,650 m), Nagqu (4,460 m), and Yanghu Scenic Spot (4,998 m). Then, according to the graph construction approach, four HRMs for drivers were extracted. In addition, two series of generalized linear models were proposed to analyze the relationships between the perception reaction time (PRT), HRM, altitude, age, acclimation period, gender, and driving experience. The effects of significant variables, including scenario types, altitude, acclimation period, driving experience, and gender, were used in the construction of HRM and risk perception ability of plateau drivers. These results showed that constructing HRMs to model the driving styles of plateau drivers is feasible and effective, enabling future driving assistance systems to be better customized for drivers in such a particular condition.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».