ok-DRIVERS BEHAVIOR WHEN DRIVING VEHICLES WITH OR WITHOUT ADVANCED DRIVER ASSISTANCE SYSTEMS en pt

Prévia do material em texto

Perspectivas Interdisciplinares de Pesquisa em Transporte 13 (2022) 100545
Listas de conteúdos disponíveis emScienceDirect
Perspectivas Interdisciplinares da Pesquisa em Transportes
Página inicial do jornal:www.sciencedirect.com/journal/transportation-
pesquisa-interdisciplinares-perspectivas
Comportamento dos motoristas ao dirigir veículos com ou sem sistemas avançados de assistência 
ao motorista: Um estudo baseado em simulador de motorista
Raghuveer Gouribhatlauma, Srinivas S. Pulugurthab,*
umaInfraestrutura e Sistemas Ambientais (INES) Ph.D. Programa, The University of North Carolina at Charlotte, 9201 University City Boulevard, Charlotte, NC 28223-0001, EUA
bCentro de Infraestrutura, Design, Meio Ambiente e Sustentabilidade (IDEAS), Departamento de Engenharia Civil e Ambiental, Universidade da Carolina do Norte em 
Charlotte, 9201 University City Boulevard, Charlotte, NC 28223-0001, EUA
INFORMAÇÕES DO ARTIGO ABSTRATO
Palavras-chave:
Dirigindo
Simulador
Sistemas avançados de assistência ao 
motorista ADAS
As empresas automotivas vêm desenvolvendo veículos com recursos avançados que auxiliam em diversas tarefas de condução. Esses 
recursos visam aumentar a segurança, alertando os motoristas sobre um perigo potencial ou captando certas manobras de direção, 
como manter a pista ou um avanço constante. Eles fazem parte de veículos com tecnologia de assistência ao motorista e são vitais para a 
implantação bem-sucedida de veículos conectados e automatizados no futuro. No entanto, a resposta comportamental dos motoristas ao 
dirigir veículos com esses sistemas avançados de assistência ao motorista (ADAS) em comparação com veículos sem ADAS pode variar e é 
pouco explorada. Esta pesquisa avalia a resposta comportamental dos motoristas a cenários ao dirigir veículos com ADAS como aviso de 
saída de faixa (LDW), aviso de ponto cego (BSW) e aviso de excesso de velocidade (OSW) em comparação com veículos sem ADAS. Rural, 
cenários de condução urbana e em autoestrada foram desenvolvidos num simulador de condutor e testados em 43 participantes com 
idades compreendidas entre os dezasseis e os sessenta e cinco anos. Os resultados mostram que os ADAS influenciam o comportamento 
de condução tornando os condutores menos agressivos e harmonizando o ambiente de condução. A influência do ADAS no 
comportamento do motorista foi diferente nos cenários de condução rural, urbano e em rodovias. A resposta comportamental dos 
motoristas aos cenários variou com a iluminação e as condições climáticas, bem como com a idade, sexo e etnia do participante. 
Enquanto o ADAS ajuda a reduzir as saídas de pista ou o excesso de velocidade e aumenta a segurança, também foi observada uma 
influência indireta na frenagem, conversão e acompanhamento de carros. As descobertas ajudam a avaliar o comportamento do 
motorista ao dirigir veículos com recursos avançados e construir sistemas melhores.
1. Introdução Estados Unidos (NSC, 2020). A natureza dos erros do motorista varia amplamente 
e foram amplamente classificados em quatro tipos, a saber, erros de 
reconhecimento, erros de decisão, erros de desempenho e erros de não 
desempenho.Bellis e Page, 2008). Os erros de reconhecimento são erros comuns 
como estimar erroneamente a distância ou a velocidade do veículo, e respondem 
por cerca de 41% dos acidentes. Os erros de decisão como excesso de velocidade, 
seguir muito de perto ou fazer ações ilegais são responsáveis por 34% dos 
acidentes (Bellis e Page, 2008). Os erros de desempenho como perder o controle 
do veículo são responsáveis por 10% das colisões (Bellis e Page, 2008), enquanto 
os problemas de não desempenho, como saúde, são responsáveis por cerca de 
7% das falhas (Bellis e Page, 2008).
As empresas automotivas estão se esforçando para aprimorar seus veículos para 
eliminar ou minimizar erros de motorista relacionados ao reconhecimento, decisão e 
desempenho e reduzir o número de colisões. Vários sistemas avançados de assistência 
ao motorista (ADAS) e recursos automatizados são projetados para ajudar
De acordo com a Association for Safe International Road Travel (ASIRT), mais de 
38.000 mortes relacionadas a acidentes de trânsito são relatadas todos os anos nos 
Estados Unidos (ASIRT, 2019). Eles são a principal causa de morte entre pessoas de até 54 
anos de idade (ASIRT, 2019). Além disso, estima-se que US$ 380 milhões foram perdidos 
em contas médicas diretas, enquanto os impactos econômicos dos acidentes, diretos ou 
indiretos, representaram cerca de US$ 871 milhões.ASIRT, 2019). Os problemas de 
segurança no trânsito são ainda mais influenciados por veículos mais novos que são 
adicionados às estradas todos os anos, com mais de 17,6 milhões de carros de passeio e 
caminhões vendidos somente em 2016 (Garcia, 2017). De acordo com o Alternative Fuels 
Data Center (AFDC), estima-se que 3,21 trilhões de milhas de veículos foram percorridas 
em 2018 nos Estados Unidos (AFDC, 2019).
De acordo com o Conselho Nacional de Segurança (NSC), os erros de motorista são a 
principal causa de acidentes de trânsito, contribuindo para cerca de 94% dos acidentes no
* Autor correspondente.
Endereço de e-mail:rgouribh@uncc.edu (R. Gouribhatla),sspulugurtha@uncc.edu (SS Pulugurtha).
https://doi.org/10.1016/j.trip.2022.100545
Recebido em 23 de setembro de 2021; Recebido em formulário revisado em 27 de novembro de 2021; Aceito em 8 de janeiro de 2022 
Disponível online em 18 de janeiro de 2022
2590-1982/© 2022 O(s) Autor(es). Publicado pela Elsevier Ltd. Este é um artigo de acesso aberto sob a licença CC BY (http://creativecommons.org/licenses/by/4.0/).
Traduzido do Inglês para o Português - www.onlinedoctranslator.com
mailto:rgouribh@uncc.edu
mailto:sspulugurtha@uncc.edu
www.sciencedirect.com/science/journal/25901982
https://www.sciencedirect.com/journal/transportation-research-interdisciplinary-perspectives
https://www.sciencedirect.com/journal/transportation-research-interdisciplinary-perspectives
https://doi.org/10.1016/j.trip.2022.100545
https://doi.org/10.1016/j.trip.2022.100545
https://doi.org/10.1016/j.trip.2022.100545
http://crossmark.crossref.org/dialog/?doi=10.1016/j.trip.2022.100545&domain=pdf
http://creativecommons.org/licenses/by/4.0/
https://www.onlinedoctranslator.com/pt/?utm_source=onlinedoctranslator&utm_medium=pdf&utm_campaign=attribution
R. Gouribhatla e SS Pulugurtha Perspectivas Interdisciplinares de Pesquisa em Transporte 13 (2022) 100545
ou, em alguns casos, assumir certas manobras de condução. Eles 
incluem aviso de saída de faixa (LDW), aviso de ponto cego (BSW), aviso 
de excesso de velocidade (OSW), aviso de colisão frontal (FCW), 
assistência de manutenção de faixa (LKA), controle de cruzeiro 
adaptativo (ACC) e frenagem de emergência automatizada (AEB). ). 
Cada um desses recursos avançados está focado em abordar uma 
tarefa específica de direção, reduzindo assim os erros do motorista e 
aumentando a segurança. Eles fazem parte de veículos com tecnologia 
de assistência ao motorista e são vitais para a implantação bem-
sucedida de veículos conectados e automatizados no futuro. Enquanto 
os recursos avançados avisam ou assumem certas tarefas de direção 
tornando o trabalho do motorista mais fácil até certo ponto, o 
motorista precisa ser cauteloso o tempo todo para assumir a direção 
assim que algum desses sistemas não reagir ou desengatar ou não for 
adequado para condução automatizada.USDOT, 2016; Olia et al., 2018).
A compreensão dos motoristas sobre a aplicação, as limitações da tecnologia, 
a confiança e a resposta comportamental ao dirigir veículos com ADAS ou 
recursos automatizados podem ser diferentes de quando comparados a dirigir 
veículos sem ADAS. Estudos realizados no passado indicam que nem todos os 
motoristas entendem a aplicação ou as limitações de recursos avançados nos 
veículos.McDonald et ai. (2018)relataram que 21% dos proprietários de veículos 
não entendiam as limitações do BSW, enquanto 33% dos proprietários de veículos 
não sabiam que os sensores queacionam o sistema de frenagem de emergência 
(EBS) poderiam ser bloqueados. Da mesma forma, 40% dos proprietários de 
veículos não entenderam a aplicação de FCW e AEB, acreditando que o sistema 
FCW aplicaria automaticamente os freios (Gerente de Frota, 2019). Além disso, é 
possível que recursos avançados tornem os motoristas mais relutantes, distraídos 
ou reduzam seu tempo de reação ao dirigir (Relatórios do Consumidor, 2019).
McDonald et ai. (2018)relataram que 29% dos entrevistados de uma pesquisa se 
sentiram à vontade para se envolver em outras atividades quando receberam o 
ACC, 30% não fizeram verificações de ombro quando receberam BSW e 25% não 
olharam para trás quando receberam alerta de tráfego cruzado traseiro. Da 
mesma forma, 65% dos entrevistados em uma pesquisa confiaram no LKA para 
trabalhar todas as vezes, enquanto apenas 72% dos entrevistados confiaram no 
ACC (Relatórios do Consumidor, 2019). Assim, a falta de compreensão da 
aplicação, confiança e limitações da tecnologia traz o argumento se o ADAS leva a 
outras influências imprevistas no comportamento do motorista.
A maioria dos testes no ADAS foi realizada em condições mais seguras e com 
motoristas mais bem treinados do que os motoristas normais encontram 
diariamente (Relatórios do Consumidor, 2019). Alguns proprietários de veículos 
também reclamaram de alguns recursos avançados que não funcionam 
corretamente à noite e durante a chuva (Relatórios do Consumidor, 2019). Em 
geral, o comportamento dos motoristas ao dirigir veículos com ADAS em 
comparação com veículos sem ADAS foi pouco explorado. É importante pesquisar 
e avaliar como o comportamento dos motoristas por idade, gênero e etnia varia 
ao dirigir em estradas rurais, estradas urbanas e rodovias em diferentes condições 
de iluminação e clima. Portanto, o foco desta pesquisa é avaliar a resposta 
comportamental dos motoristas por idade, sexo e etnia ao dirigir veículos com 
ADAS como LDW, BSW e OSW em comparação com veículos sem ADAS em 
diferentes tipos de estradas, condições de iluminação e clima condições.
Alguns estudos foram realizados fornecendo aos motoristas um veículo de teste para 
capturar e avaliar o comportamento de direção (Dunn et al., 2019) ou realizando 
pesquisas (Kim e outros, 2019). Embora esses estudos forneçam informações sobre a 
compreensão do driver de recursos avançados, eles não são abrangentes, limitados a 
cenários selecionados e podem envolver um processo longo e complicado. A privacidade 
também pode estar em um trade-off. Por outro lado, um simulador de motorista permite 
que os pesquisadores capturem uma ampla gama de comportamentos do motorista em 
resposta a cenários de direção personalizados e em um período mais curto de tempo. 
Assim, um simulador de condução foi utilizado para
desenvolver cenários de condução rural, urbana e em autoestradas com diferentes 
condições de iluminação e meteorológicas e testados em condutores masculinos e 
femininos (participantes) em várias faixas etárias. Alguns motoristas receberam um 
veículo com ADAS, enquanto outros motoristas receberam um veículo sem ADAS.
2. Revisão da literatura
Existem muitos estudos documentados na literatura sobre o comportamento dos 
motoristas ao dirigir em estradas utilizando simuladores de motoristas de baixa ou alta 
fidelidade ou por meio de observações de campo. Exemplos incluem o efeito de falar e 
enviar mensagens de texto enquanto dirige no comportamento dos motoristas (Strayer e 
Johnston, 2001; Strayer et al., 2003; Strayer e Drew, 2004; Strayer et al., 2006; Drews et al., 
2009; Choudhary e Velaga, 2017; Choudhary e Velaga, 2019), resposta comportamental 
dos motoristas a mensagens de aviso, assistente de congestionamento e limite de 
velocidade variável (van Driel et al., 2007; Lee e Abdel-Aty, 2008), efeito no 
comportamento de mesclagem de motoristas com base na condição de tráfego (Calvi e 
De Blasiis, 2011), efeito do sistema de reconhecimento de voz na distração do motorista 
levando em consideração a idade e as condições ambientais (Filho e outros, 2011), e 
visibilidade de veículos de duas rodas encontrados por motoristas que fazem conversão 
à esquerda em cruzamentos urbanos em condições noturnas em comparação com 
outros perigos (Spivey e Pulugurtha, 2016). A maioria desses estudos avaliou os efeitos 
no tempo de reação, atenção visual ou risco de acidente por faixa etária ou sexo.Kaptein 
et ai. (1996) revelou que os resultados do estudo baseado em simulador de motorista são 
válidos, e a validade aumenta com a resolução da simulação e a presença de uma base 
móvel. Da mesma forma,Espié et al. (2005)discutiu a influência do comportamento do 
motorista e o fornecimento de certificação baseada em treinamento usando simuladores 
de motorista. Contrariamente, a transferibilidade de habilidades do simulador de 
motorista para o mundo real foi questionada porde Winter et ai. (2012).
Há também estudos documentados na literatura sobre o comportamento dos 
motoristas ao dirigir veículos com recursos avançados.Hoogendoorn e 
Minderhoud (2002)observou melhoria na capacidade, mas redução na 
confiabilidade em gargalos quando o controle de cruzeiro foi implantado, 
enquanto nenhuma melhoria na capacidade ou confiabilidade foi observada 
quando a adaptação inteligente de velocidade foi implantada.
Lundgren e Tapani (2006), Martin e Elefteriadou (2010), Maag et al. (2012), 
Rommerskirchen et al. (2014), eWitt et ai. (2018) mudanças observadas no 
comportamento do motorista que podem influenciar a segurança quando veículos 
equipados com ADAS ou recursos automatizados são usados em um simulador 
de motorista. Melhor manutenção da faixa e tempos de reação podem ser 
alcançados com recursos como LDW e LKA, apesar do comportamento variado do 
motorista (Mas et al., 2011; Saleh et al., 2013). É importante que o ambiente de 
condução possa ser limitado a cenários de condução cautelosos e evitar situações 
de risco, independentemente de quaisquer tarefas secundárias realizadas pelos 
condutores (Aziz et al., 2013). Recursos como FCW e LDW com sons de bipe podem 
distrair os motoristas e atrapalhar a trajetória do veículo, pois os motoristas 
podem se desviar da pista, em contraste com sua funcionalidade original 
antecipada (Biondi et al., 2014; Gaspar et al., 2016).
Os estudos realizados no passado se concentraram principalmente na 
eficácia do ADAS ou em sua influência direta no desempenho operacional ou 
na segurança. Por exemplo, a eficácia de um sistema ACC foi medida em 
termos de manutenção do progresso (Pauwelussen e Feenstra, 2010). Da 
mesma forma, o LDW foi avaliado para medir o comportamento de saída de 
pista (Gaspar et al., 2016). Poucos pesquisadores também investigaram a 
adaptabilidade do usuário do ADAS, os efeitos da interação homem-
máquina e sondaram para sugerir melhorias na interface ou interação.
Hoogendoorn e Minderhoud, 2002; Rommerskirchen et al., 2014). A 
influência de FCW, LDW, LKA e ACC (Pauwelussen e Feenstra, 2010; Aziz et 
al., 2013; Saleh et al., 2013; Gaspar et al., 2016) foram avaliados, mas apenas 
como uma influência direta. No entanto, há uma influência imprevista no 
comportamento geral de condução quando fornecido com qualquer tipo de 
ADAS que raramente foi arriscado. O comportamento pode variar de acordo 
com o cenário de direção e as características do motorista, além do ADAS. 
Este manuscrito explora algumas dessas lacunas pesquisando a resposta 
comportamental dos motoristas ao dirigir veículos com ou sem ADAS em 
cenários rurais, urbanos e de autoestrada em diferentes iluminação e
2
R. Gouribhatla e SS Pulugurtha Perspectivas Interdisciplinares de Pesquisa em Transporte 13 (2022) 100545
condições do tempo. para emular a condução do mundo real.
Fig. 4mostra instantâneos de cenários de condução rurais, urbanos e em rodovias 
construídos no simulador de motorista.
O cenário de condução rural foi configurado começando com estradas não divididas 
de duas pistas (uma pista em cada sentido) e estendendo-separa estradas não divididas 
de quatro pistas (duas pistas em cada sentido) principalmente para avaliar a influência do 
BSW no comportamento do motorista. O cenário consiste em apenas um semáforo e 
uma interseção controlada por parada total. O restante percurso representa 
maioritariamente estradas do concelho. Os veículos que interagem no cenário consistem 
em carros de passeio, picapes e caminhões de grande porte. Os limites de velocidade são 
fixados em 55 mph. A simulação também consiste em uma estrada de cascalho para uma 
pequena porção, que se destina a capturar o comportamento do motorista (mudança de 
velocidade ou frenagem). Este cenário de condução é desenvolvido para durar de 7 a 8 
minutos.
O cenário de condução urbana foi configurado de forma que os motoristas interajam 
com todos os elementos que normalmente são encontrados durante a condução em 
condições urbanas. Elementos como semáforos, carros de passeio, caminhões leves e 
grandes, ônibus escolares e motocicletas estão incluídos neste cenário junto com os 
pedestres. Os limites de velocidade são definidos em 45 mph ou 50 mph. Este cenário de 
condução é desenvolvido para durar de 7 a 8 minutos e consiste em estradas indivisas de 
quatro pistas (duas pistas em cada sentido).
O cenário de condução em autoestrada é desenvolvido para durar de 6 a 7 minutos e 
consiste em dois trevos que permitem aos motoristas fazer a transição de uma rodovia 
para outra. As rodovias são projetadas para serem estradas divididas em quatro pistas 
(duas pistas em cada sentido). Os limites de velocidade são fixados em 65 mph para a 
primeira autoestrada e 70 mph para a segunda autoestrada. Os veículos que interagem 
neste cenário são, em sua maioria, caminhões de grande porte e carros de passeio. A 
simulação é configurada para forçar uma interação entre os motoristas e caminhões 
grandes enquanto se fundem em outra rodovia.
Os cenários de condução desenvolvidos simulam condições climáticas claras e 
condições diurnas até serem especificamente projetados para exibir outras condições 
meteorológicas (chuva) ou condições de luz (noite).
Como o foco é pesquisar a influência do ADAS no comportamento do 
motorista, as simulações são geradas com LDW, BSW e OSW em veículos como 
sistemas de alerta. Eles são usados individualmente ou em combinações durante 
as simulações e comparados com aqueles sem qualquer ADAS. O simulador 
permite que os usuários atribuam recursos avançados a cenários em vez de 
veículos, que podem ser ativados usando “expressões” que podem ser adicionadas 
aos cenários antes de iniciar uma simulação.
O LDW foi configurado para que o acionador de “expressão” solicite ao 
simulador do motorista que exiba um texto na tela alertando o motorista 
sobre uma possível saída de pista durante a simulação. O motorista 
corrigiria seu caminho com base no aviso. O número de saídas de pista das 
simulações foi extraído para avaliar a eficácia do LDW. Os dados de saída de 
pista foram combinados com os dados de provisão do ADAS.
O BSW foi configurado para mostrar uma luz de aviso no espelho quando 
outro veículo estiver no ponto cego. Este sistema foi simulado configurando uma 
sessão car-following e ativando o BSW ao mesmo tempo para
3. Metodologia
As ferramentas disponíveis no miniSim do National Advanced Driving Simulator 
(NADS)™ (Universidade de Iowa, 2016) foram usados para desenvolver cenários de 
direção, capturar o comportamento do motorista e avaliar a influência do ADAS no 
comportamento do motorista.Figura 1resume a metodologia adotada nesta pesquisa. É 
categorizado em quatro etapas. A primeira etapa envolveu o desenvolvimento de 
cenários de condução apropriados. A fim de melhorar a aplicabilidade dos resultados, 
foram simulados cenários de condução rural, urbana e em rodovias, pois essas são as 
configurações típicas encontradas por um motorista.
A segunda etapa envolveu a seleção cuidadosa dos motoristas participantes, 
de modo que a população amostral fosse uma representação precisa da 
população geral. Os participantes com dezesseis anos ou mais foram selecionados 
para a pesquisa. Cada participante dirigiu um cenário de teste (por ~ 4 min) para 
se acostumar com o simulador de motorista e seus recursos. Eles foram então 
fornecidos com todos os três cenários de condução na mesma sequência, 
enquanto um veículo com ou sem ADAS foi fornecido a eles aleatoriamente.
A terceira etapa envolveu o processamento e análise dos dados para obter 
resultados significativos. A quarta etapa envolveu a identificação de mudanças no 
comportamento do motorista e sua aplicação para identificar as diferenças 
comportamentais entre veículos com ou sem ADAS.
Figura 2resume o fluxograma funcional do processo envolvido no 
desenvolvimento do cenário de condução simulado. A primeira etapa envolveu o 
desenvolvimento da rede rodoviária que é tratada na ferramenta Tile Mosaic Tool 
(TMT). A rede viária inicial juntamente com as condições do terreno são 
construídas no TMT. Após o desenvolvimento da rede rodoviária, ela foi importada 
para o Interactive Scenario Authoring Tool (ISAT). Esta ferramenta permite que os 
usuários definam várias condições de condução como a condição do tempo (claro, 
chuva, neve ou neblina), condição de iluminação (dia ou noite), semáforo ou para 
um tipo específico de veículo com tráfego desejado. O arquivo de saída do ISAT foi 
então importado para o miniSim™onde o cenário que foi montado é simulado e 
testado para a condução. Os arquivos de saída são gerados no formato de 
aquisição de dados (daq) e importados para o MS Excel.
Deve-se notar que os módulos em cada ferramenta individual foram usados 
para desenvolver cenários de direção personalizados. Por exemplo, já são 
fornecidos os ladrilhos rodoviários que foram combinados para formar a rede 
viária. A capacidade de adicionar veículos, simular diferentes condições de 
iluminação e clima e gerar certas condições de direção para testar o ADAS estão 
inerentemente disponíveis nos módulos, mas foram reunidas de acordo com os 
objetivos da pesquisa.
Fig. 3mostra a configuração do simulador de driver. A configuração do 
simulador de motorista consiste em quatro telas, assentos e um painel com 
volante, freio e acelerador. As telas são configuradas de forma que o cone 
de visão periférica do motorista seja capturado. A roda e o assento vibram 
durante a simulação e o simulador gera som do veículo
Figura 1.Metodologia.
3
R. Gouribhatla e SS Pulugurtha Perspectivas Interdisciplinares de Pesquisa em Transporte 13 (2022) 100545
Figura 2.Fluxograma funcional de desenvolvimento de simulação de condução.
Os formulários de consentimento foram fornecidos aos pais/responsáveis, caso o 
participante fosse menor de 18 anos para obter seu consentimento para permitir a 
participação.
Quarenta e três participantes foram convidados e os dados foram 
coletados de novembro de 2020 a abril de 2021. Cerca de 46,5% dos 
participantes estão na faixa etária de 16 a 25 anos, cerca de 35% dos 
participantes estão na faixa etária de 25 a 45 anos , cerca de 11,5% dos 
participantes estão na faixa etária de 46 a 55 anos e cerca de 7% dos 
participantes estão na faixa etária de 56 a 65 anos. A idade máxima dos 
participantes foi de 65 anos. A distribuição de gênero é de 62,7% masculino 
e 37,3% feminino para o grupo participante. Da mesma forma, cerca de 
46,5% dos participantes são caucasianos, 23,3% dos participantes são afro-
americanos, 7% dos participantes são hispânicos e 23,3% dos participantes 
são asiáticos.
O nível de escolaridade dos participantes é predominantemente 
bacharelado e mestrado com 32,6% dos participantes com bacharelado 
e 30,2% dos participantes com mestrado. Além disso, um quarto dos 
participantes possui ensino médio, enquanto o grau de associado é 
detido por cerca de 10% dos participantes. O número de participantes 
com doutorado é de ~2,3%. Cerca de 30% dos participantes relataram 
uma renda familiar anual de $ 150.000 ou mais, enquanto pouco maisde um quinto dos participantes relataram uma renda familiar anual de 
menos de $ 25.000. Cerca de 14% dos participantes relataram uma 
renda familiar anual de US$ 25.000 a US$ 49.000, enquanto 16,7% dos 
participantes relataram uma renda familiar anual de US$ 100.000 a US$ 
150.000. Cerca de 11% dos participantes relataram uma renda familiar 
anual de $ 75.000 a $ 99.000. No geral,
O tipo de veículo com ou sem ADAS fornecido a um participante variou 
entre os três cenários. LDW foi fornecido individualmente a 20 participantes, 
BSW foi fornecido individualmente a 21 participantes e OSW foi fornecido 
individualmente a 18 participantes. LDW e BSW foram fornecidos em 
combinação para 9 participantes, enquanto LDW e OSW foram fornecidos 
em combinação para 19 participantes. Da mesma forma, BSW e OSW foram 
fornecidos em combinação para 13 participantes. Dez participantes 
receberam uma combinação de todos os três ADAS e 19 participantes não 
receberam nenhum tipo de recurso avançado.
No total, o LDW foi fornecido a 17 participantes no cenário de condução rural, 20 
participantes no cenário de condução urbana e 21 participantesnt s na condução da auto-
estradaeu ng cenário. Da mesma forma, o BSW foi fornecido a 16 participantes no 
cenário de condução rural, 16 participantes no cenário de condução urbanag cenário, e 
21 participantes no cenário de condução em auto-estrada. Da mesma forma, o OSW foi 
fornecido a 21 participantes no cenário de condução rural, 21 participantes no cenário de 
condução urbana e 18 participantes no cenário de condução em autoestrada. No geral, 
os veículos com ou sem ADASParceria claros foram atribuídos com base no tipo de 
veículo utilizado
Fig. 3.Configuração do simulador de driver.
capturar a reação do motorista. O BSW também pode influenciar a força do pedal 
do freio.
O OSW foi configurado para que o gatilho de “expressão” exiba um texto alertando o 
motorista sobre excesso de velocidade. Ele foi definido para disparar em dois níveis, um 
gatilho de “expressão” a +5 mph e um segundo gatilho de “expressão” a +10 mph que o 
limite de velocidade estabelecido. A velocidade máxima é considerada uma medida direta 
da influência do OSW.
4. Seleção de participantes, ADAS e parâmetros de comportamento do motorista
Foi obtida a permissão do Institution Review Board (IRB) para realizar a 
pesquisa. A população-alvo participante foi determinada como motoristas 
de dezesseis anos ou mais de idade com carteira de motorista válida. 
Embora a seleção não possa ser pré-controlada, é necessário identificar 
lacunas nos dados (demográficos e socioeconômicos) em todas as etapas do 
processo de coleta de dados e selecionar os participantes para acomodar os 
pontos de dados ausentes. Portanto, os critérios de seleção de participantes 
individuais incluíram fatores como as características demográficas e 
socioeconômicas dos participantes.
Uma vez que um participante foi selecionado para o estudo, ele/ela recebeu 
uma pequena folha de pesquisa que capturava ad emo informações gráficas do 
participante. Nenhuma informação pessoal do participante foi coletada na 
pesquisa para manter o anonimato. Ao mesmo tempo, o participante foi
também informou que sua participação é totalmente voluntária, podendo optar 
por desistir do estudo a qualquer momentot. Da mesma forma, o participante 
poderia optar por não responder a uma pergunta na enquetey se ele/ela não se 
sentia à vontade para responder.
4
R. Gouribhatla e SS Pulugurtha Perspectivas Interdisciplinares de Pesquisa em Transporte 13 (2022) 100545
Fig. 4.Capturas de tela de cenários de direção rural, urbana e em rodovias.
pelo participante na vida real e distribuído de forma justa para garantir que os 
resultados e resultados sejam imparciais.
Como afirmado anteriormente, cada participante dirigiu um veículo com ou sem 
ADAS aleatoriamente cobrindo todos os três cenários de direção (rural, urbano e 
autoestrada) com condições de direção do mundo real replicadas na mesma sequência. 
Vários parâmetros que indicam o comportamento de direção foram capturados para 
cada participante, separadamente para cada cenário de direção. Eles são frenagem forte, 
curvas fechadas, saídas de pista, velocidade média (mph), headway médio (pés), 
velocidade máxima (mph) e força de frenagem (lbs).
A frenagem brusca representa o número total de vezes que um 
participante freou bruscamente durante uma simulação. Da mesma forma, 
curvas fechadas é o número total de vezes que um participante fez curvas 
repentinas na simulação. O número de vezes que o participante desviou de 
sua faixa na simulação é representado pelas saídas de faixa. Esses 
parâmetros indicam um comportamento de direção agressivo ou inseguro.
A velocidade média é a velocidade mantida por um participante ao longo 
de uma simulação e é medida em milhas por hora. Da mesma forma, a 
velocidade máxima é a velocidade máxima alcançada durante uma 
simulação por um participante em milhas por hora. O headway médio é 
medido em pés e é a distância mantida por um participante do veículo líder. 
A força de frenagem é a força média aplicada no freio por um participante 
durante uma simulação e é medida em libras.
5. Análise descritiva
Estatísticas descritivas como mínimo, médio, máximo e desvio padrão de 
comportamentos de motoristas selecionados foram calculados usando dados 
coletados para 129 cenários de 43 participantes. Eles são resumidos e mostrados 
nas Tabelas A1–A6 no Apêndice A, para vários comportamentos de direção em 
cenários de direção rural, urbana e em rodovias; com ou sem ADAS, por 
iluminação e condições climáticas, e por idade, sexo e etnia.
Os valores médios de curvas fechadas e saídas de faixa são maiores 
para o grupo de participantes que dirigiu um veículo sem o LDW em 
cenários de condução rural e em rodovias. O valor médio de frenagem 
brusca é maior enquanto o valor médio de headway médio é menor 
para o grupo de participantes que dirigiu um veículo sem o LDW no 
cenário de condução rural. Contrariamente, os valores médios de 
curvas fechadas e saídas de faixa são menores, enquanto o valor médio 
de headway médio é maior para o grupo de participantes que dirigiu 
um veículo sem LDW em comparação com aqueles que dirigiram um 
veículo com LDW no cenário de condução urbana. A velocidade média, 
a velocidade máxima e a força de frenagem são semelhantes para os 
dois grupos de participantes nos cenários de condução rural e urbano. 
No geral,
O grupo de participantes que dirigiu um veículo com a BSW parece
5
R. Gouribhatla e SS Pulugurtha Perspectivas Interdisciplinares de Pesquisa em Transporte 13 (2022) 100545
manter headways mais baixos em cenários de condução rural e urbana, mas 
headways mais elevados no cenário de condução em autoestrada. Os valores 
médios de frenagem brusca e velocidade média são menores para o grupo de 
participantes que dirigiu um veículo com BSW no cenário de condução rural, mas 
menores para o grupo de participantes que dirigiu um veículo sem o BSW no 
cenário de condução urbana. No geral, o BSW parece influenciar o 
comportamento de seguir o carro do grupo de participantes que dirigiu um 
veículo com o BSW apenas em cenários de condução rural e urbano.
O grupo de participantes que dirigia um veículo sem OSW exibiu comportamentos 
agressivos de velocidade e frenagem, enquanto o grupo de participantes que dirigia um 
veículo com OSW parece exibir um acompanhamento de carro, acompanhamento de 
pista e força de frenagem mais agressivos em cenários de condução rurais e urbanos. No 
entanto, apenas um comportamento de velocidade marginalmente agressivo foi 
observado no cenário de condução em autoestrada.
Um comportamento de direção mais agressivo foi observado durante a condição 
diurna, enquanto comportamentos de risco do motorista, como curvas fechadas e saídas 
de pista, são maiores durante a condição noturna no cenário de direção rural. Da mesma 
forma, um comportamento de direção mais agressivo foi observado na condição 
noturna, emboraos participantes tentassem manter maiores intervalos em cenários de 
condução urbana e em rodovias.
Da mesma forma, comportamento de direção mais agressivo foi observado na 
condição de tempo claro, enquanto a condição de tempo chuvoso tendeu a tornar 
os participantes mais cuidadosos no cenário de direção rural. No entanto, os 
participantes exibiram um comportamento de direção mais agressivo na condição 
de tempo claro, mas uma força de frenagem maior durante a condição de chuva 
no cenário de condução urbana. O valor médio do headway médio é maior para o 
grupo de participantes que dirigiu na condição de tempo chuvoso.
Os valores médios de frenagem brusca são maiores para o grupo participante
> 25 anos de idade em relação ao grupo participante≤25 anos de idade em 
cenários de condução rural e urbano. Enquanto os valores médios de velocidade 
média e velocidade máxima são maiores para o grupo participante>25 anos de 
idade em relação ao grupo participante≤25 anos de idade no cenário de condução 
rural, o grupo participante>25 anos de idade foi observado para manter os 
headways mais longos e velocidade mais do que o grupo participante≤25 anos de 
idade no cenário de condução em autoestrada.
Os valores médios do headway médio são maiores para participantes do sexo feminino em 
comparação com participantes do sexo masculino em cenários de condução rural e em rodovias, 
enquanto os participantes do sexo masculino parecem aplicar freios rígidos e mais pressão ao 
frear no cenário de condução urbana. Eles também dirigiram em velocidades mais altas em 
comparação com participantes do sexo feminino no cenário de direção urbana. Os valores 
médios de saída de faixa e força de frenagem também são maiores para os participantes do sexo 
masculino, indicando comportamento de direção mais agressivo no cenário de condução em 
rodovia.
Os valores médios de eventos de curvas fortes e força de frenagem são 
maiores para participantes afro-americanos em comparação com outros 
participantes no cenário de condução rural, enquanto os valores médios de 
frenagem forte são maiores para participantes hispânicos em comparação com 
outros participantes no cenário de condução urbana. Os valores médios de saídas 
de faixa são maiores para participantes hispânicos no cenário de direção rural, 
mas maiores para participantes afro-americanos no cenário de direção urbana. 
Além disso, o valor médio do headway médio é maior para os participantes 
hispânicos em comparação com outros participantes em cenários rurais e de 
condução em rodovias. Os valores médios de velocidade média e velocidade 
máxima são maiores para os participantes asiáticos em comparação com outros 
participantes em cenários de condução rural e urbano.
no conjunto de dados, pois os conjuntos de amostra eram desiguais. A 
desigualdade nas amostras de dados se deve à atribuição aleatória do ADAS aos 
participantes.
As hipóteses nula e alternativa são definidas para cada 
comportamento do motorista. Como exemplo, a hipótese nula afirma 
que não há diferença significativa entre os valores médios de saída de 
faixa entre o grupo de participantes que dirigia veículo com LDW e o 
grupo de participantes que dirigia veículo sem LDW no cenário de 
condução rural. A hipótese alternativa afirma que há diferença 
significativa nos valores médios de saída de faixa entre o grupo de 
participantes que dirigia um veículo com LDW e o grupo de 
participantes que dirigia um veículo sem o LDW no cenário de 
condução rural.
O Eta-quadrado foi calculado para avaliar a porcentagem de variância no 
parâmetro de comportamento do motorista. A hipótese nula foi rejeitada ou não 
rejeitada a um nível de confiança de 95% com base no valor de F e p. Um valor<
0,05 foi usado para indicar uma diferença estatisticamente significativa entre os 
valores médios dos grupos participantes para o parâmetro comportamento do 
motorista.
Apenas os resultados ANOVA dos parâmetros de comportamento do motorista que 
foram significativos são discutidos neste manuscrito. O F é maior que 4,0, o valor de p é 
menor ou igual a 0,05 e o F é maior que o F-crítico para os comportamentos do driver 
relatados. Os valores de Eta-quadrado são geralmente menores entre os grupos (menor 
tamanho do efeito) quando comparados com dentro dos grupos.
tabela 1resume os resultados do teste ANOVA para cada parâmetro de 
comportamento do motorista que foi significativo no cenário de direção rural. 
Pode-se inferir que o LDW reduz as saídas de pista. Da mesma forma, as 
velocidades máximas percorridas são menores para o grupo de participantes que 
dirigiu um veículo com OSW em comparação com o grupo de participantes que 
dirigiu um veículo sem o OSW. No entanto, os valores médios de velocidade média 
entre os dois grupos participantes são os mesmos. Os resultados também indicam 
que o BSW influencia a força do pedal do freio. Os resultados também foram 
avaliados quando o grupo de participantes recebeu dois ADAS em comparação 
com o grupo de participantes que recebeu um ou nenhum ADAS. O fornecimento 
de dois ADAS teve uma influência significativa no comportamento de frenagem. 
No entanto, não teve qualquer influência significativa sobre outros 
comportamentos de condução.
tabela 1também resume os resultados do teste ANOVA para cada parâmetro 
de comportamento do motorista que foi significativo no cenário de condução 
urbana. Assim como no caso do cenário de condução rural, pode-se inferir que o 
LDW reduz as saídas de pista. No entanto, a presença do LDW em um veículo pode 
aumentar o número de curvas fechadas em vias urbanas. Uma diminuição 
significativa na velocidade máxima foi observada com o fornecimento do OSW. No 
entanto, o OSW não demonstrou ter uma influência significativa em nenhum 
outro parâmetro de comportamento do motorista. Nenhum parâmetro de 
comportamento do motorista foi significativamente influenciado pelo BSW no 
cenário de condução urbana.
tabela 1também resume os resultados do teste ANOVA para cada parâmetro 
de comportamento do motorista que foi significativo no cenário de condução em 
autoestrada. Mesmo neste cenário de condução, pode-se inferir que o LDW reduz 
as saídas de pista. Nenhum parâmetro de comportamento de condução foi 
influenciado pelo BSW no cenário de condução em autoestrada. Além disso, a 
influência do OSW não foi significativa na velocidade máxima ou na velocidade 
média no cenário de condução em autoestrada. Além disso, o OSW não 
influenciou significativamente nenhum dos outros parâmetros de comportamento 
do motorista, bem como no cenário de condução em autoestrada.
mesa 2resume os resultados do teste ANOVA para cada parâmetro de 
comportamento do motorista que foi significativo pela condição de 
iluminação e pelo cenário de direção. Pode-se inferir que o tempo de 
condução influencia o headway médio e as saídas de pista no cenário de 
condução rural. Um maior headway foi mantido pelo grupo participante que 
dirigiu na condição noturna no cenário de condução urbana. As saídas de 
pista, bem como a força do pedal de freio aplicada pelos participantes, é 
maior na condição noturna no cenário de condução urbana. Os resultados 
também indicam que a condição de iluminação influencia a média
6. Análise estatística
A análise descritiva foi seguida com o teste de análise de variância (ANOVA) 
para avaliar diferenças significativas nos valores médios de comportamentos do 
motorista como frenagem forte, curvas fechadas, saída de pista, velocidade 
média, avanço médio, velocidade máxima e força do pedal do freio. A intenção é 
determinar se um ADAS pode ter uma influência significativa no comportamento 
do motorista.
Foi realizado um teste ANOVA de uma via, usandoIBM®SPSS® (2021),
6
R. Gouribhatla e SS Pulugurtha Perspectivas Interdisciplinares de Pesquisa em Transporte 13 (2022) 100545
tabela 1
Resultados ANOVA – ADAS e Cenários de Condução.
Fonte de Variação Parâmetro de comportamento de condução e ADAS SS η2 df em F Valor P F-crítico
Cenário de condução ruralEntre grupos
Dentro de grupos
Total
Entre grupos
Dentro de grupos
Total
Entre grupos
Dentro de grupos
Total
Entre grupos
Dentro de grupos
Total
Saídas de Pista – LDW 205,23
1.840,54
2.045,77
615,2
5.678,58
6.293,78
692,88
2888,48
3.581,37
3.423,67
8.003,22
11.426,89
0,10
0,90
1
41
42
1
41
42
1
41
42
1
41
42
205,23
44,89
4,57 0,04 4.08
Força do Pedal de Freio - BSW 0,10
0,90
615,20
138,50
4,44 0,04 4.08
Velocidade Máxima - OSW 0,19
0,81
692,88
70,45
9,83 <0,01 4.08
Velocidade Média - OSW 0,30
0,70
3.423,67
195,20
17,54 <0,01 4.08
Cenário de condução urbana
Entre grupos
Dentro de grupos
Total
Entre grupos
Dentro de grupos
Total
Entre grupos
Dentro de grupos
Total
Saídas de Pista – LDW 134,32
1.053,96
1.188,28
15.07
51,63
66,70
4.876.652,00
2.733.042,00
7.609.694,00
0,11
0,89
1
41
42
1
41
42
1
42
43
134,32
25,71
5,23 0,03 4.08
Curvas Difíceis – LDW 0,23
0,77
15.07
1,26
11,97 <0,01 4.08
Velocidade Máxima - OSW 0,64
0,36
4.876.652,00
65.072,42
74,94 <0,01 4.07
Cenário de condução em 
autoestrada Entre grupos
Dentro de grupos
Total
Saídas de Pista – LDW 1.218,98
2.199,44
3.418,42
0,36
0,64
1
41
42
1.218,98
53,65
22,72 <0,01 4.08
Nota: SS, η2, df, MS e F são soma de quadrados, Eta-quadrado, graus de liberdade, quadrados médios e razão F.
mesa 2
Resultados ANOVA – Condição de Iluminação e Cenários de Condução.
Fonte de Variação Parâmetro de comportamento de condução SS η2 df em F Valor P F-crítico
Cenário de condução rural
Entre grupos
Dentro de grupos
Total
Avanço Médio 180.865,00
1.226.487,00
1.407.352,00
0,13
0,87
1
36
37
180.865,00
340.691,00
5,31 0,03 4.09
Cenário de condução urbana
Entre grupos
Dentro de grupos
Total
Entre grupos
Dentro de grupos
Total
Avanço Médio 909.143,00
4.330.524,00
5.239.667,00
1.016,15
6.569,83
7.585,97
0,17
0,83
1
36
909.143,00
120.292,00
7,56 <0,01 4.09
37
1
32
33
Força do pedal de freio 0,13
0,87
1.016,15
205,31
4,95 0,03 4.09
Cenário de condução em 
autoestrada Entre grupos
Dentro de grupos
Total
Entre grupos
Dentro de grupos
Total
Velocidade média 121,54
835,09
956,63
515.155,00
1.226.503,00
1.741.658,00
0,13
0,87
1
37
38
1
37
38
121,54
22,57
5,39 0,02 4.09
Avanço Médio 0,30
0,70
515.155,00
33.148,70
15h50 <0,01 4.09
Nota: SS, η2, df, MS e F são soma de quadrados, Eta-quadrado, graus de liberdade, quadrados médios e razão F.
desvios de faixa e de faixa durante a condução em uma rodovia.
Tabela 3resume os resultados do teste ANOVA para cada parâmetro de 
comportamento do motorista que foi significativo pelas condições climáticas e 
pelo cenário de direção. Os resultados indicam que a condição climática influencia 
o headway médio mantido pelo grupo participante no cenário de condução rural. 
Os headways mais altos foram mantidos enquanto o aumento da força de 
frenagem foi aplicado pelo grupo de participantes que dirigiu na condição de 
tempo chuvoso no cenário de condução urbana. Da mesma forma, a condição 
climática influenciou significativamente a velocidade média e o headway médio 
mantido pelo grupo participante durante a condução em autoestrada.
Não foram observadas diferenças estatisticamente significativas nos parâmetros de 
comportamento do motorista quando avaliados com base na idade, sexo ou etnia.
7. Conclusões
Três diferentes recursos do ADAS foram explorados para avaliar sua influência 
no comportamento do motorista. Esses sistemas de alerta influenciam os 
comportamentos de direção para os quais foram especificamente destinados. Por 
exemplo, o LDW foi eficaz em influenciar as saídas de pista dos participantes em 
todos os três cenários de condução (rural, urbano e auto-estrada). Além disso, o 
OSW foi eficaz em influenciar a velocidade máxima e a velocidade média em 
alguns casos. O BSW não teve influência significativa em nenhum dos 
comportamentos dos motoristas.
As curvas fechadas, saída de pista e headway médio tiveram valores médios distintos 
para o grupo de participantes que dirigia um veículo com o LDW em comparação com o 
grupo de participantes que dirigia um veículo sem o LDW. Os valores médios dos 
diferentes comportamentos dos motoristas variaram de acordo com
7
R. Gouribhatla e SS Pulugurtha Perspectivas Interdisciplinares de Pesquisa em Transporte 13 (2022) 100545
Tabela 3
Resultados da ANOVA – Condições Meteorológicas e Cenários de Condução.
Fonte de Variação Parâmetro de comportamento de condução SS η2 df em F Valor P F-crítico
Cenário de condução rural
Entre grupos
Dentro de grupos
Total
Avanço Médio 180.865,00
1.226.487,00
1.407.352,00
0,13
0,87
1
36
37
180.865,00
340.691,00
5,31 0,03 4.09
Cenário de condução urbana
Entre grupos
Dentro de grupos
Total
Entre grupos
Dentro de grupos
Total
Avanço Médio 909.143,00
4.330.524,00
5.239.667,00
1.016,15
6.569,83
7.585,97
0,17
0,83
1
36
37
1
32
33
909.143,00 7,56 <0,01 4.09
120292,00
Força do pedal de freio 0,13
0,87
1.016,15
205,31
4,95 0,03 4.09
Cenário de condução em 
autoestrada Entre grupos
Dentro de grupos
Total
Entre grupos
Dentro de grupos
Total
Velocidade média 121,54
835,09
956,63
515.155,00
1.226.503,00
1.741.658,00
0,13
0,87
1
37
38
1
37
38
121,54
22,57
5,39 0,02 4.09
Avanço Médio 0,30
0,70
515.155,00
33.148,70
15h50 <0,01 4.09
Nota: SS, η2, df, MS e F são soma de quadrados, Eta-quadrado, graus de liberdade, quadrados médios e razão F.
o recurso ADAS e o tipo de cenário de direção. Por exemplo, no caso do LDW, 
enquanto os valores médios de saída de faixa variaram no cenário de condução 
urbana, os valores médios de força no pedal do freio variaram no cenário de 
condução em rodovia.
Pode-se concluir que o tipo de influência que os recursos do ADAS tiveram sobre os 
motoristas participantes variou com o cenário. Isso é semelhante aos achados deAziz et 
ai. (2013). O LDW teve uma influência significativa nas saídas de pista, 
independentemente do cenário de condução, semelhante aos achados deGaspar et ai. 
(2016). No entanto, o OSW teve uma influência significativa sobre o comportamento de 
excesso de velocidade apenas em ambientes rurais e urbanos. Como os participantes 
tendem a dirigir em velocidades relativamente mais altas nas rodovias, há uma chance 
menor de observar diferenças quando os dois grupos de participantes são comparados.
Enquanto o BSW não influenciou significativamente nenhum dos parâmetros 
de comportamento do motorista nos três cenários de direção, houve uma 
influência significativa na força do pedal de freio no cenário de direção rural. A 
ativação do BSW quando um veículo está na faixa adjacente pode desencadear 
uma reação do participante para adotar manobras seguras, possivelmente 
levando à alteração observada na força do pedal do freio.
Diferenças significativas no headway médio e nas saídas de pista foram 
observadas independentemente do cenário de condução (rural, urbano e freeway) 
entre os grupos de participantes que dirigiram em diferentes condições de 
iluminação. Da mesma forma, diferenças significativas no headway médio foram 
observadas independentemente do cenário de condução (rural, urbano e 
autoestrada) entre os grupos de participantes que dirigiram em diferentes 
condições climáticas. Diferenças significativas na força do pedal do freio também 
foram observadas no cenário de condução urbana entre os grupos de 
participantes que dirigiram em diferentes condições de iluminação e clima. No 
entanto, a velocidade média foi significativamente menor apenas nas rodovias 
para o grupo de participantes que dirigiram na condição de tempo chuvoso.
No geral, os resultados da pesquisa fornecem informações sobre a influência 
potencial do ADAS no comportamento do motorista por cenário de direção, condições de 
iluminação e condições climáticas. Os dados foram coletados para 129 cenários de 43 
participantes, apesar da situação de pandemia. A coleta de dados adicionais e a avaliação 
da eficácia de recursos automatizados como LKA, ACC e AEB merecem uma investigação 
mais aprofundada.
Os resultados de uma pesquisa baseadaem simulador de motorista dependem da fidelidade 
e características do simulador de motorista. Além disso, os participantes de um estudo de 
simulador de motorista sabem que há pouco risco ou consequência (por exemplo, colisões) para 
erros de direção ou comportamentos de direção arriscados. Há uma necessidade de estudar 
como o comportamento de dirigir em um simulador de motorista se transfere para o 
comportamento de dirigir na vida real. As descobertas também podem ser validadas por meio de 
avaliações baseadas em videotrajetória, pois pode ser um desafio considerar todos os cenários e 
condições de direção ao comparar com dados de campo.
Declaração de contribuição de autoria CRediT
Raghuveer Gouribhatla:Metodologia, Análise formal, Investigação, 
Curadoria de dados, Redação – versão original.Srinivas S. Pulugurtha: 
Supervisão, Administração do projeto, Captação de recursos, Conceituação, 
Metodologia, Investigação, Redação – revisão e edição.
Declaração de Interesse Concorrente
Os autores declaram que não têm interesses financeiros 
concorrentes ou relações pessoais que possam ter influenciado o 
trabalho relatado neste artigo.
Agradecimentos
Este manuscrito foi preparado com base em informações coletadas para um 
projeto de pesquisa financiado pelo Departamento de Transportes dos Estados 
Unidos - Gabinete do Secretário Adjunto de Pesquisa e Tecnologia (USDOT/OST-R) 
Programa de Centros de Transporte Universitário (Grant # 69A3551747127). Os 
autores agradecem sinceramente à equipe da Universidade de Iowa por seu apoio 
com o simulador de driver NADS. Eles também agradecem aos participantes do 
estudo.
Isenção de responsabilidade
Este manuscrito é divulgado no interesse da troca de informações. As 
visões, opiniões, descobertas e conclusões refletidas neste manuscrito são 
de responsabilidade apenas dos autores e não representam a política ou 
posição oficial do USDOT/OST-R, ou de qualquer outro estado, ou da 
Universidade da Carolina do Norte em Charlotte ou outra entidade. Os 
autores são responsáveis pelos fatos e pela veracidade dos dados aqui 
apresentados. Este manuscrito não constitui um padrão, especificação ou 
regulamento.
Apêndice A. Dados Suplementares
Dados complementares a este artigo podem ser encontrados on-line emhttps://doi. 
org/10.1016/j.trip.2022.100545.
Referências
Centro de dados de combustíveis alternativos (AFDC), Departamento de Energia dos Estados Unidos, 2019. Mapas
e Dados - Milhas de Veículos Anuais Percorridas nos Estados Unidos. 2019, https://afdc. 
energy.gov/data/10315, acessado em 02/03/2020.
8
https://doi.org/10.1016/j.trip.2022.100545
https://doi.org/10.1016/j.trip.2022.100545
R. Gouribhatla e SS Pulugurtha Perspectivas Interdisciplinares de Pesquisa em Transporte 13 (2022) 100545
Association for Safe International Road Travel (ASIRT). (2019). Fatos de Segurança Rodoviária. 2019,
https://www.asirt.org/safe-travel/road-safety-facts/, Acessado em 02/03/2020. Aziz, 
T., Horiguchi, Y., Sawaragi, T., 2013. Uma investigação empírica da
desenvolvimento do modelo mental do motorista de um sistema de alerta de saída de faixa 
durante a condução. Volumes de Anais da IFAC 46 (15), 461–468.
Bellis, E., Página, J, 2008. National Motor Vehicle Crash Causation Survey (NMVCCS) SAS
Manual do usuário analítico. 2008. Relatório nº HS-811 053, Buffalo, Nova York, 2008. Biondi, 
F., Rossi, R., Gastaldi, M., Mulatti, C., 2014. Beeping ADAS: efeito reflexivo sobre
comportamento dos motoristas. Transp. Res. Parte F: Psicologia do Trânsito. Comportamento 25, 27-33. Calvi, A., 
De Blasiis, MR, 2011. Comportamento do condutor em pistas de aceleração: simulador de condução
estude. Transp. Res. Gravando. 2248 (1), 96-103.
Choudhary, P., Velaga, NR, 2017. Uso de celular durante a condução: efeitos na velocidade
e Eficácia do Comportamento Compensatório do Motorista. Análise e Prevenção 
de Acidentes 106, 370–378.
Choudhary, P., Velaga, NR, 2019. Efeitos do uso do telefone no desempenho da direção: a
análise comparativa de condutores jovens e profissionais. Ciência de Segurança 111, 179-187. 
Relatórios do Consumidor, 2019. Guia para Aviso de Saída de Faixa e Assistência à Manutenção de Faixa.
2019, https://www.consumerreports.org/car-safety/lane-departure-warning-lanekeeping-
assist-guide/, Acessado em 05/11/2021.
de Winter, JCF, PM van Leeuwen e R. Happee. Vantagens e Desvantagens de
Simuladores de direção: uma discussão. In Proceedings of Measuring Behavior, Utrecht, 
Holanda, 28 a 31 de agosto de 2012, https://measuringbehavior.org/mb2012/files/2012/
ProceedingsPDF(website)/Special%20Sessions/Measuring%20Driver% 
20and%20Pilot%20Behavior /de_Winter_et_al_MB2012.pdf, Acessado em 23/11/2021. 
Drews, FA, Yazdani, H., Godfrey, CN, Cooper, JM, Strayer, DL, 2009. Texto
mensagens durante a condução simulada. Zumbir. Facto. 51 (5), 762-770.
Dunn, N., T. Dingus e S. Soccolich. Entendendo o Impacto da Tecnologia: Faça
Assistência Avançada ao Condutor e Sistemas de Veículos Semi-Automatizados Levam a 
Comportamentos de Condução Impróprios? Virginia Tech Transportation Institute, American 
Automobile Association, 2019, Washington, DC.
Espié, S., P. Guariat e M. Duraz. Validação de simuladores de condução: a questão da
Transferibilidade dos Resultados Adquiridos no Simulador. Na Driving Simulation Conference, North 
America 2005, (DSC-NA 2005), Orlando, FL, 30 de novembro a 2 de dezembro de 2005.
Gerente de Frotas. (2019). A importância de educar os motoristas sobre os limites do ADAS.
Wex Inc., Portland, OR, 2019, https://www.wexinc.com/insights/blog/fleet/theimportance-of-
educating-drivers-about-the-limits-of-adas/, acessado em 03/07/ 2020. Garcia A. (2017). CNN 
Business, vendas de carros estabelecem outro recorde nos EUA. 2017, https://money.
cnn.com/2017/01/04/news/companies/car-sales-2016/index.html, acessado em 
02/03/2020.
Gaspar, JG, Brown, TL, Schwarz, C., Chrysler, S., Gunaratne, P., 2016–01-1455, 2016..
Comportamento do motorista em cenários de colisão frontal e saída de faixa. Documento 
Técnico SAE, No.https://doi.org/10.4271/2016-01-1455.
Hoogendoorn, SP, Minderhoud, MM, 2002. Impactos na qualidade do fluxo de rodovias de
sistemas avançados de assistência ao motorista. Transp. Res. Gravando. 1800 (1), 69-77.
IBM®SPSS®.IBM SPSS Statistics 28 Guia Resumido. 2021, https://www.ibm.com/docs/en/
SSLVMB_28.0.0/pdf/IBM_SPSS_Statistics_Brief_Guide.pdf, Acessado em 23/11/2021. 
Kaptein, NA, Theeuwes, J., van der Horst, R., 1996. Validade do simulador de condução: alguns
considerações. Transp. Res. Gravando. 1550 (1), 30-36.
Kim, W., T. Kelley-Baker, IN Sener, J. Zmud, M. Graham e S. Kolek. Comercial'
Compreensão de veículos automatizados e percepção para melhorar a segurança no trânsito – 
resultados de uma pesquisa nacional. AAA Foundation for Traffic Safety, 2019, Washington, DC.
Lee, C., Abdel-Aty, M., 2008. Testando efeitos de mensagens de aviso e velocidade variável
limites no comportamento do motorista usando simulador de direção. Transp. Res. Gravando. 2069 (1), 55-64. 
Lundgren, J., Tapani, A., 2006. Avaliação dos efeitos de segurança dos sistemas de assistência ao motorista
através de simulação de tráfego. Transp. Res. Gravando. 1953 (1), 81-88.
Maag, C., Muhlbacher, D., Mark, C., Kruger, H.-P., 2012. Estudando os Efeitos do Avançado
Sistemas de assistência ao motorista (ADAS) em nível individual e de grupo usando simulação de 
vários motoristas. Revista IEEE Intelligent Transportation Systems 4 (3), 45–54. Martin, BB e L. 
Elefteriadou. Comportamento do motorista e assistência avançada ao motorista
Systems: Um Estudo Exploratório de Simulador de Condução. Avanços em Estudos de Transporte, 
Especial de dezembro de 2010, 79-88.
Mas, A., F. Merienne e A. Kemeny. Assistência de Controle Lateral e Comportamento do Motorista em
Situações de emergência. 3ª Conferência Internacional sobre Segurança Rodoviária e Simulação, 
Indianápolis, Estados Unidos, 2011, 1 a 12 de setembro.
McDonald A., C. Carney e DV McGehee. Associação AutomobilísticaAmericana: Veículo
experiências e reações do proprietário aos sistemas avançados de assistência ao motorista. 
2018, Washington, DC, https://publicaffairsresources.aaa.biz/wp-content/uploads/
dlm_uploads/2018/09/18-0621_AAAFTS-ADAS-Fact-Sheet_v1-BTjc.pdf, acessado em 
03/07/2020.
Conselho Nacional de Segurança (NSC), Sistemas Avançados de Assistência ao Condutor. (2020). Ferida
Fatos. 2020, https://injuryfacts.nsc.org/motor-vehicle/occupant-protection/ 
advanced-driver-assistance-systems/, Acessado em 03/07/2020.
Olia, A., Razavi, S., Abdulhai, B., Abdelgawad, H., 2018. Implicações da capacidade de tráfego de
veículos automatizados misturados com veículos regulares. J. Intel. Transp. Sistema 22 (3), 244–
262.
Pauwelussen, J., Feenstra, PJ, 2010. Análise do comportamento do condutor durante a ativação do ACC
e desativação em um ambiente de tráfego real. Trans. IEEE Intel. Transp. Sistema 11 (2), 
329-338.
Rommerskirchen, CP, Helmbrecht, M., Bengler, KJ, 2014. O impacto de um
sistema de assistência antecipada ao condutor ecológico em diferentes situações de condução complexas 
sobre o comportamento do condutor. IEEE Intell. Transp. Sistema Mag. 6 (2), 45-56.
Saleh, L., Chevrel, P., Claveau, F., Lafay, J.-F., Mars, F., 2013. Controle de direção compartilhado
entre um motorista e uma automação: estabilidade na presença de incerteza de comportamento 
do motorista. Trans. IEEE Intel. Transp. Sistema 14 (2), 974-983.
Son, J., Lee, Y., Kim, M.-H., 2011. Impacto do ambiente de tráfego e carga de trabalho cognitiva
sobre o comportamento dos condutores mais velhos na condução simulada. Int. J. Eng. de Precisão Manuf. 12 
(1), 135-141.
Spivey, H., Pulugurtha, SS, 2016. Visibilidade de veículos de duas rodas se aproximando para virar à esquerda
veículos em comparação com outros perigos em condições noturnas em 
cruzamentos urbanos semafóricos. Transp. Res. Gravando. 2587 (1), 133-140.
Strayer, DL, Drew, FA, 2004. Perfis na distração do motorista: efeitos do celular
conversas sobre motoristas mais jovens e mais velhos. Zumbir. Facto. 46 (4), 640-649. Strayer, DL, 
Johnston, WA, 2001. Conduzido à distração: estudos de dupla tarefa de simulação
dirigindo e conversando em um telefone celular. Psicol. Sci. 12 (6), 462-466. Strayer, 
DL, Drews, FA, Crouch, DJ, 2006. Uma comparação do driver do celular e
o motorista bêbado. Zumbir. Facto. 48 (2), 381–391.
Strayer, DL, Drews, FA, Johnston, WA, 2003. Falhas visuais induzidas por telefone celular
atenção durante a condução simulada. J. Exp. Psicol.: Appl. 9 (1), 23-32. Departamento 
de Transportes dos Estados Unidos (USDOT). Veículos Automatizados Federais
Política: Acelerando a Próxima Revolução na Segurança Rodoviária. National Highway 
Traffic Safety Administration (NHTSA), setembro de 2016, https://www. transport.gov/
sites/dot.gov/files/docs/AV%20policy%20guidance%20PDF. pdfhttps://
www.transportation.gov/sites/dot.gov/files/docs/AV%20policy% 20guidance%20PDF.pdf, 
acessado em 12/02/2021.
The University of Iowa, 2016. The National Advanced Driver Simulator (NADS)
minisimMT. Iowa City, IA, https://www.nads-sc.uiowa.edu/minisim/, acessado em 
18/05/2021.
van Driel, CJG, Hoedemaeker, M., van Arem, B., 2007. Impactos de um congestionamento
Assistente no comportamento de condução e aceitação usando um simulador de condução. Transp. Res. Parte F: 
Psicologia do Trânsito. Comportamento 10 (2), 139-152.
Witt, M., Wang, L., Fahrenkrog, F., Kompaß,K., Prokop, G., 2018. Motorista Cognitivo
Modelagem de Comportamento: Influência da Personalidade e Características do Motorista no 
Comportamento do Motorista. Springer, Cham.
9
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0015
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0015
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0015
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0025
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0025
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0030
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0030
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0035
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0035
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0035
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0040
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0040
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0055
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0055
https://doi.org/10.4271/2016-01-1455
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0085
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0085
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0095
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0095
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0105
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0105
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0110
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0110
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0115
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0115
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0115
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0140
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0140
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0140
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0145
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0145
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0145
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0150
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0150
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0150
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0155
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0155
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0155
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0160
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0160
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0160
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0165
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0165
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0165
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0170
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0170
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0175
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0175
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0180
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0180
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0185
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0185
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0200
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0200
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0200
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0205
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0205
http://refhub.elsevier.com/S2590-1982(22)00009-4/h0205
	Drivers’ behavior when driving vehicles with or without advanced driver assistance systems: A driver simulator-based study
	1 Introduction
	2 Literature review
	3 Methodology
	4 Participant selection, ADAS, and driver behavior parameters
	5 Descriptive analysis
	6 Statistical analysis
	7 Conclusions
	CRediT authorship contribution statement
	Declaration of Competing Interest
	Acknowledgments
	Disclaimer
	Appendix A Supplementary data
	References