Correcting the Cognitive Bias for Commuting Time to Relieve the Driving Stress Level in Snow Weather Condition: A Naturalistic Driving Study in Harbin, China
Notice bibliographique
Résumé
As a negative emotion, professional drivers’ stress levels significantly affected driving behavior and thus were related to driving safety issues. Nevertheless, current evidence fell considerably short of explaining whether and why private drivers’ stress levels might be influenced while commuting driving in a specific scenario and how to relieve their stress levels. This study aimed to identify and analyze the contributing factors of the drivers’ stress levels while commuting driving in various scenarios (clear or snow weather conditions). On weekdays between 1st October 2020 and 31st January 2022, the questionnaire data from a sample of 985 private drivers were collected from six different locations of business districts in Harbin, China. Based on the naturalistic driving study (NDS) database, a 7‐item questionnaire was designed for participants to self‐report their driving stress levels in various scenarios, which was generated from the shortened and adapted version of the Perceived Stress Scale (PSS). The results showed that participants’ stress levels had significantly increased in snow weather conditions, especially nervous and stressed feeling, and unable to control the arrival time, which indicated that participants’ highly increased cognitive bias for commuting time could be the critical reason. The results of hierarchical linear regression models indicated that overall stress scores could be predicted through participants’ sociodemographic characteristics, driving experience, commuting driving, and cognitive bias for commuting time. Such an association was significantly strongest with commuting time gaps, especially in snow weather conditions. In addition, a recommendation was derived from these results that correcting the cognitive bias for commuting time could relieve participants’ stress levels. The implication of the reminder message supported this recommendation. The participants’ stress levels were reduced significantly after providing a reminder message every 10 mins while commuting driving in clear weather conditions and every 5 mins in snow weather conditions.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 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 ».