Effects of a Feedback/Reward System on Speed Compliance Rates and the Degree of Speeding during Noncompliance
Notice bibliographique
Résumé
Speeding is known to contribute to crash risks and severities. One approach to inhibit speeding is to use technology to monitor driver speed and provide drivers with feedback. This paper investigates the effects of a feedback/reward system on speed limit compliance rates as well as the degree of speeding during noncompliance. Data utilized in this research were collected from 37 participants (20 to 70 years old) through a field trial commissioned by Transport Canada. In this field trial, a feedback/reward system was investigated, which provided feedback and rewards to the drivers based on speed limit compliance and safe headway maintenance. The trial consisted of three phases: baseline (two weeks), feedback (twelve weeks), and post feedback (two weeks). Real-time feedback was provided on an in-vehicle display. During the feedback phase, participants also accumulated reward points and could view related information on a special website. Results suggest that feedback increased speed limit compliance, and this positive effect, although dampened, was still apparent even after feedback removal. Moreover, when considering cases with no lead vehicle ahead, the positive effects persisted for high speed limit zones (70, 80, 90 and 100 km/h). In general, when the drivers were noncompliant, the degree of speeding was reduced by the presence of feedback.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».