Automating driver visual behavior measurement
Notice bibliographique
Résumé
This thesis is devoted to understanding and counteracting the primary contributing factor in traffic crashes: inattention. Foremost, it demonstrates the fundamental importance of proactive gaze in the road centre area for action guidance in driving. Inattention is explained with regard to two visual functions (vision-for-action and vision-for-identification), three forms of attentional selection (action-driven-, stimulus-driven-, and goal-directed attention), and two forms of prediction influences (extrapolation-based- and decision-based prediction influences). In Study I an automated eye-movement analysis method was developed for a purpose-built eye-tracking sensor, and was successfully validated. This analysis method was further developed, and several new measures of gaze concentration to the road centre area were created. Study II demonstrated that a sharp decrease in the amount of road centre viewing time is accompanied by a dramatic spatial concentration towards the road centre area in returning gaze during visual tasks. During cognitive tasks, a spatial gaze concentration to road centre is also evident; however contrary to visual tasks, road centre viewing time is increased because the eyes are not directed towards an object within the vehicle. Study III found that gaze concentration measures are highly sensitive to driving task demands as well as to visual and auditory in-vehicle tasks. Gaze concentration to the road centre area was found as driving task complexity increased, as shown in differences between rural curved- and straight sections, between rural and motorway road types, and between simulator and field motorways. Further, when task duration was held constant and the in-vehicle visual task became more difficult, drivers looked less at the road centre area ahead, and looked at the display more often, for longer periods, and for more varied durations. In closing, it is shown how this knowledge can be applied to create in-vehicle attention support functions that counteract the effects of inattention.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».