Improving Takeover Requests in Automated Vehicles: The Role of Dynamic Alerts and Cognitive State
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
Effective driver re-engagement is essential for the safe operation of automated driving systems (ADS), especially during takeover requests. This study examines the effects of alert intensity and driver engagement in non-driving related tasks on takeover performance in automated vehicles. Forty-one participants navigated simulated driving scenarios with various hazards and alert conditions, allowing analysis of response times, physiological responses, and subjective perceptions. The findings showed that higher-intensity alerts significantly reduced reaction times, leading to quicker driver takeovers. Interestingly, engagement in certain secondary tasks sometimes improved driver responsiveness, suggesting that moderate cognitive engagement may enhance alertness. Response times varied across different driving scenarios, indicating the influence of situational context on driver behavior. Physiological measures, including eye-tracking and heart rate monitoring, showed increased cognitive and physiological arousal during takeover events, particularly in response to stronger alerts. Participants reported higher confidence and satisfaction with high-intensity alerts, without reporting increased annoyance, indicating a preference for more assertive alert mechanisms. These outcomes highlight the critical role of adaptive alert mechanisms in ADS design, promoting for context-aware signaling and real-time driver state monitoring to improve takeover performance and ensure vehicular safety. The study suggests that future ADS should integrate dynamic alert systems capable of adjusting intensity based on situational urgency and driver engagement, thereby enhancing overall system reliability and user acceptance.
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