Evaluating Automatic Braking Mechanisms for Reducing Driver Fatigue in Low‐Speed Traffic Conditions: A Systematic Review
Notice bibliographique
Résumé
Traffic delays are a common challenge for drivers in large cities worldwide. During these delays, drivers must maintain a safe distance from nearby vehicles while avoiding collisions with pedestrians and motorcyclists. This needs frequently alternate pressing and releasing the brake and accelerator pedals, preserving low speeds. Research indicates that this repetitive action can contribute to driver’s fatigue, which is worse for manual vehicles. Other factors, such as inadequate sleep, prolonged driving, monotonous driving conditions, and heavy workloads, may also induce fatigue, further leading to ignorance of the correct seating posture, which can exacerbate the issue. Studies on driver fatigue and its prevention have been widely conducted by scholars and automotive‐based industries, focusing on two subject matters: (i) driver fatigue detection systems using various technologies and (ii) fatigue prevention techniques incorporating autonomous braking systems for high‐speed and long‐distance driving. This paper focuses on extensively reviewing both subject matters, leading to the best proposed solution that can prevent fatigue from happening during road traffic delays at low‐speed driving, as limited studies were found that can suit the traffic and social environment in developing countries, i.e., Kuala Lumpur, Malaysia. Clearly, the latter subject area focused on incorporating autonomous braking systems in the electronic control unit (ECU) of vehicles, applicable only for high‐end vehicles, thus limiting accessibility. This technology can either reduce the physical effort of pedal pressing or take over the task altogether. The review will examine various causes of fatigue and the existing detection methods, compare the automatic braking solutions’ features, and propose a suitable mechanism that could benefit drivers of all types of vehicles, especially from low‐ to middle‐end vehicles, which addresses the real needs among the affected populations with regard to road traffic delay. The outcome of this review comes in the form of a proposal for mitigating the fatigue issue from happening using a unique technique based on the research gap that is adapted to the targeted environment.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».