Microscopic Behavioral and Psychological Analysis of Road User Interactions in Shared Spaces
Notice bibliographique
Résumé
The concept of shared space is proposed to improve the safety and health of vulnerable road users (VRUs) by promoting walking and cycling. However, despite the documented benefits of shared spaces, concerns were raised about the frequency and severity of road user interactions in shared spaces. Thus, the objective of this study is to investigate the microscopic behaviors and psychological characteristics of vulnerable road user interactions (i.e., pedestrian–e-bike interactions and pedestrian–cyclist interactions) in non-motorized shared spaces and their interplay mechanisms. We identify a total of 334 interactions in the same- and opposite-direction using the Dutch Objective Conflict Technique for Operation and Research (DOCTOR) method at four locations in Shenzhen city, China. Trajectories of road users involved in these interactions were extracted to identify key points in trajectories and interaction phases, considering both microscopic behaviors and psychological factors synthetically. The study also compared lateral and longitudinal decision distances, maneuvering distances, maneuvering time, and safety zones across different characteristics, including severity levels, road user types, genders, and whether road users carry large items or not. The results show that the main characteristic of the interaction’s starting and ending points changes in the lateral direction. Road users have a stronger sense of security in swerve-back phases. The average lateral psychological safety distance in shared spaces is about 1.125 m. Moreover, the average safety zone area for road users in opposite and same-direction interactions are 4.83 m2 and 9.36 m2, respectively. Road users carrying large items perceived a higher risk in shared spaces and required longer lateral psychological safety distances and larger safety zones. The findings of this study can be used to better design shared space facilities, considering the perceived risk of road users and their interactions and psychological behavior.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».