Conditionally Automated Vehicle Driving Performance Across Different Cognitive Groups
Notice bibliographique
Résumé
BACKGROUND: Driving cessation due to cognitive decline impacts independence and quality of life. Conditionally Automated Vehicles (CAVs) may extend safe mobility for older adults with cognitive impairments by handling most driving tasks while requiring driver control in emergencies. However, the extent to which critical safety measures such as reaction time and the ability to takeover control of the vehicle during emergencies, differ across persons with different levels of cognitive impairment remains underexplored. This study addresses this gap by comparing the driving performance of older adults with normal cognition, subjective cognitive decline (SCD), and cognitive impairment (mild cognitive impairment and very mild dementia). METHOD: Participants included those with normal cognition (n = 10, age: 74.4 ± 5.36), SCD (n = 10, age: 75.8 ± 5.37), and cognitive impairment (Clinical Dementia Rating = 0.5, n = 7, age: 75.4 ± 6.45). In a high-fidelity driving simulator, they completed four takeover requests (TORs) during a ten-minute CAV drive, assuming control when operational limits were reached on straight and curved roads at urban and highway speeds. Takeover performance (reaction time, steering angle changes, and lane deviation) was analyzed using repeated-measures ANOVA to assess cognitive group, road geometry, and speed effects. RESULT: No significant main effect of cognitive group or interactions with cognitive group on takeover performance were observed, though low statistical power may have limited detection. Road geometry influenced all groups, with faster reaction times, larger steering angle changes, and greater lane deviations on curved than straight roads. Road speed affected reaction time, with slower reactions in urban than highway sections. Although road speed did not significantly impact steering angle changes or lane deviations, its interaction with road geometry showed that curved roads at highway speeds resulted in greater steering angle changes and lane deviations than urban speeds. These findings highlight the impact of road geometry and speed on takeover performance, with high-speed curved roads posing greater challenges for all cognitive groups. CONCLUSION: While takeover performance did not differ across cognitive groups, suggesting CAVs may support older adults with cognitive impairments, the small sample limits confidence. Further research with larger datasets is needed to ensure safe and effective CAV use for this population.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».