Baixe o app para aproveitar ainda mais
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
Compartilhar