计算机科学 > 计算机与社会
[提交于 2019年3月10日
]
标题: 动态信息标志对驾驶员行为影响的综合分析:随机森林方法
标题: Comprehensive Analysis of Dynamic Message Sign Impact on Driver Behavior: A Random Forest Approach
摘要: 本研究使用全尺寸高保真驾驶模拟器,调查了不同动态信息板(DMSs)对驾驶员行为的潜在影响。不同的DMSs根据其内容、结构和信息类型进行分类。使用随机森林算法进行三项独立的行为分析;路线绕行分析、路线选择分析和遵守分析;以确定不同DMSs对这些驾驶员行为方面的潜在和相对影响。总共进行了390次模拟运行,样本包括65名来自不同社会经济背景的参与者。获得的结果表明,显示车道关闭和延误信息以及建议信息的DMSs在绕行方面最具影响力,而颜色编码的DMSs和提供避免路线建议的DMSs是影响路线选择决策和DMS遵守的主要因素。在这项开创性的研究中,基于模拟前后的问卷调查响应以及驾驶模拟会话数据的分析结果,作者发现对色盲友好的颜色编码DMSs比字母数字DMSs更有效——尤其是在需要驾驶员高度遵守的情况下。这种更高的有效性可能归因于理解时间的减少以及更多的道路使用者更容易理解此类DMSs。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.