Optimizing Intersection Design: Insights From Older Drivers’ Physiological Responses and Gap Acceptance Behavior at Signalized Left Turns
Notice bibliographique
Résumé
Aging populations pose significant challenges for transportation safety at complex intersections. This study investigated gap acceptance behavior of older drivers at left-turn signalized permissive intersections using a driving simulator with 40 participants (20 older, mean age$77.95~\pm ~5.79$years; 20 younger, mean age$25.95~\pm ~1.66$years). Participants experienced varying traffic volume levels, queue length, and pedestrian presence. Physiological responses, such as electrodermal activity (EDA) and heart rate variability (HRV), provided insights into drivers’ internal states during decision-making. The results showed that older drivers required longer gap acceptance times compared to younger drivers. Experimental factors like higher traffic volumes, longer queues, and pedestrian presence significantly impacted gap acceptance and led to more conservative decisions. Additionally, higher EDA levels correlated with longer gaps, indicating stress during decision-making. HRV showed a modest yet significant correlation with gap acceptance in older drivers. This suggests that changes in HRV affected their decision-making process, though the influence was weaker than EDA. Significant interactions between traffic volume and queue length and a three-way interaction with pedestrian presence emphasized the complexity of these decisions. Motion sickness susceptibility was also significantly correlated with gap acceptance. These findings contribute to improving road design and driver assistance systems, promoting safer intersections for older drivers.
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 | 0,002 |
| 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 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 ».