Seeing the truck, but missing the cyclist: effects of blur on duration thresholds for road hazard detection
Notice bibliographique
Résumé
Drivers must respond promptly to a wide range of possible road hazards, from trucks veering into their lane to pedestrians stepping onto the road. While drivers' vision is tested at the point of licensure, visual function can degrade, and drivers may not notice how these changes impact their ability to notice and respond to events in the world in a timely fashion. To safely examine the potential consequences of visual degradation on hazard detection, we performed two experiments examining the impact of simulated optical blur on participants' viewing duration thresholds in a hazard detection task, as a proxy for eyes-on-road duration behind the wheel. Examining this question with older and younger participants, across two experiments, we found an overall increase in viewing duration thresholds under blurred conditions, such that younger and older adults were similarly impacted by blur. Critically, in both groups, we found that the increment in thresholds produced by blur was larger for non-vehicular road hazards (pedestrians, cyclists and animals) compared to vehicular road hazards (cars, trucks and buses). This work suggests that blur poses a particular problem for drivers detecting non-vehicular road users, a population considerably more vulnerable in a collision than vehicular road users. These results also highlight the importance of taking into account the type of hazard when considering the impacts of blur on road hazard detection.
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 | 0,001 | 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 | 0,001 | 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 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 ».