Pilot tests of a seat belt gearshift delay on the belt use of commercial fleet drivers : traffic tech.
Notice bibliographique
Résumé
Wearing a seat belt has been shown effective in avoiding\nor reducing serious injury due to traffic crashes. While\nbelt use rates in the United States increased from under\n60% in 1994 to 83% in 2008, a substantial number of drivers\nstill drive unbelted. Current efforts to increase seat belt\nuse focus primarily on high-visibility enforcement campaigns,\npublic education, and seat belt reminder systems.\nNHTSA investigated a novel engineering approach using\na gearshift delay to increase belt use among commercial\ndrivers in the United States and Canada.\nA car with automatic transmission cannot shift into gear\nif the vehicle senses that the brake lights are not lit, meaning\nthat the driver must have a foot on the brake pedal.\nThis safety feature was designed to prevent vehicles from\naccelerating unintentionally after being placed into drive\nor reverse. For this study, a relatively simple change to the\nsoftware code allowed the system to make an additional\ncheck before the vehicle can be placed into drive. Specifically,\nat the same time as the brake light check occurs,\nthe vehicle’s computers checked to see if the driver was\nbelted. If the driver was not belted, a gearshift-seat belt\ndelay system prevented the driver from shifting out of\npark for several seconds.\nThe timing of the reminder system was designed to prompt\ndrivers before they started driving to avoid the possibility\nof stimulus overload as they negotiated their way into traffic,\na trip segment associated with high cognitive demand.\nThis timing should allow most drivers sufficient time to\nbuckle up, thereby avoiding the prompt. It also had the\nsafety benefit of prompting unbuckled drivers before they\nplaced their vehicles in motion.\n
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».