Naturalistic Experiment for Surface Transportation: A Study of Snowplow Lighting under Winter Conditions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Inclement winter weather poses a safety risk to all road users, primarily due to roads covered with snow or ice and substantially reduced visibility. The winter road maintenance vehicles used are often larger and slower moving than the surrounding traffic and often become a hazard themselves. To enhance visibility and safety, agencies equip their fleets with lighting to make them more visible to the surrounding motorists. In Alberta, Canada, the use of amber-only lights is currently permitted for maintenance vehicles. To evaluate whether the addition of light colors could measurably improve road safety for snowplow trucks and motorists, we conducted a human reaction field study (n=384 trials) and a general public survey (n=454 participants), testing several combinations of light colors. The field experiment revealed that amber-only lights resulted in slower reaction times, whereas amber-blue and amber-white performed better. Survey results demonstrated a preference for amber-white lighting, which was deemed the most effective setup. The survey also indicated that lighting perception varies across age, gender, and specific types of driver’s license among demographics. Although this research identifies optimal lighting configurations and underscores targeted policy-making and operational strategies, its direct impact on road safety remains to be determined. It is possible that shorter perception/reaction times given the lighting changes could reduce the number of collisions. Incorporating these results into existing practices could potentially enhance road safety standards, making winter roads safer across jurisdictions in North America.
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.
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) | 0,000 | 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 découle