Influence of mobile phone use on pedestrians at road crossings: insight from gait experiments
Notice bibliographique
Résumé
Walking is fundamental to human beings, essential for survival, and a defining characteristic that sets us apart from other animals. This study investigates the impact of mobile phone distractions on pedestrian gait by conducting gait experiments. The main focus of this paper is to analyze three typical mobile phone usage modes: voice calls, texting, and listening to music (LtM). For the first two usage modes, two levels of secondary task difficulty (simple and complex) are further distinguished. For LtM, two types of music rhythm and style (slow-paced light music and fast-paced rock music) are considered. Differential analysis methods are used to analyze the experimental results. The results show that the impact of mobile phone distractions on pedestrian gait depends on the specific phone usage mode. Texting has the most significant impact, followed by voice calls and LtM. During walking with a voice call, pedestrians’ gait performance significantly decreases, and the difficulty level of the secondary task significantly affects gait characteristics and dual-task cost. Texting affects gait, direction, and distance perception, but task difficulty has little effect. Light music leads to slight reductions in walking speed and stride length. Also, only cognitive load is significantly influenced by the interaction of phone usage mode and task difficulty. This study provides insights into the influence of mobile phone distractions on pedestrian gait characteristics, highlighting the varying effects of different phone usage modes and secondary task difficulty levels.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».