Comparison of Experienced and Novice Drivers’ Visual and Driving Behaviors during Warned or Unwarned Near–Forward Collisions
Notice bibliographique
Résumé
Forward collision warning systems (FCWSs) monitor the road ahead and warn drivers when the time to collision reaches a certain threshold. Using a driving simulator, this study compared the effects of FCWSs between novice drivers (unlicensed drivers) and experienced drivers (holding a driving license for at least four years) on near-collision events, as well as visual and driving behaviors. The experimental drives lasted about six hours spread over six consecutive weeks. Visual behaviors (e.g., mean number of fixations) and driving behaviors (e.g., braking reaction times) were collected during unprovoked near-collision events occurring during a car-following task, with (FCWS group) or without FCWS (No Automation group). FCWS presence reduced the number of near-collision events drastically and enhanced visual behaviors during those events. Unexpectedly, brake reaction times were observed to be significantly longer with FCWS, suggesting a cognitive cost associated with the warning process. Still, the FCWS showed a slight safety benefit for novice drivers attributed to the assistance provided for the situation analysis. Outside the warning events, FCWS presence also impacted car-following behaviors. Drivers took an extra safety margin, possibly to prevent incidental triggering of warnings. The data enlighten the nature of the cognitive processes associated with FCWSs. Altogether, the findings support the general efficiency of FCWSs observed through a massive reduction in the number of near-collision events and point toward the need for further investigations.
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 ».