driver distraction

Introduction Vehicular driving pattern analysis is important for improving road safety, driving efficiency, and intelligent transportation systems. The aim of this study is to analyze recent research on the major driver-behavior analysis tasks, which are driving pattern recognition, distraction detection, abnormal driving-behavior detection, driver profiling and identification, fuel-efficiency analysis, and driving-risk assessment. Methods The literature selection process was structured and included identification, screening, and eligibility. One hundred seventeen studies were used in this study, and 12 studies were selected for a detailed examination for comparative analysis. Results The studies analyzed have shown that driver-behavior analysis is becoming more popular with the use of machine learning, deep learning, sensor fusion, edge computing, and other new technologies. Existing approaches, however, are still scattered across behavioral tasks and encounter issues such as real-time processing, privacy preservation, scalability, model generalization, and integration of heterogeneous data. Discussion This study highlights the need for integrated and task-oriented approaches to address these challenges and support multiple behavioral assessments. The findings provide research directions on the development of scalable privacy-aware real-time driver-behavior analysis systems for connected and intelligent transportation environments.

As cities expand and road networks grow, highway construction and maintenance increase, making work zone safety critical due to high driver and worker fatalities. Driving through work zones is challenging due to speed limit reduction, lane closure, confusing temporary signs, and inattention. To reduce collisions at work zones, warning signs can encourage drivers to reduce speed and drive more cautiously. This study examined how the number of warning signs, the spacing between distance information signs, and the type of signs influence driver behaviour and safety at work zones. A total of 47 drivers’ behaviour was observed on a 2.64 km-long highway using a driving simulator. The driving scenarios were created for various warning sign configurations in terms of 3 variables: 1) different numbers of signs (4, 6, or 9), 2) different spacings between the distance information signs (500 or 250 m), and 3) different types of signs (pictorial or text). The driving performance variables including speed and lateral position of vehicle in the lane were collected from the driving simulator. The drivers’ responses on their perceived helpfulness, safety, and distraction in different sign configurations were also collected using the survey. The effects of sign configurations, drivers’ characteristics and their perception of signs on driver behaviour and safety were evaluated using linear mixed effects models and Cox proportional hazards models. The results of the models show that the warning sign configurations had mixed effects on the mean speed, the lateral distance from the cones within the work zone, and the start time of drivers’ speed reduction. The results also show that the drivers are more likely to be aware of the presence of warning signs than the content of signs, and the signs have more direct impacts on the drivers’ speed adjustment before the work area than their lateral position adjustment in the work area. Moreover, the results of drivers’ survey in relation to their observed behaviours show that driver characteristics and drivers’ perception of signs are closely related to their lane change and speed reduction behaviours at the work zone. Findings of this study provide insight into better understanding of the impacts of different warning sign configurations on driver behaviour under each variable and the development of evidence-based variable-specific warning sign design guidelines to mitigate negative effects of the warning sign configurations on safety.

با گسترش شهرها و توسعه شبکه‌های جاده‌ای، ساخت و نگهداری بزرگراه‌ها افزایش یافته و ایمنی مناطق کاری به دلیل نرخ بالای تلفات رانندگان و کارگران اهمیت حیاتی یافته است. رانندگی در مناطق کاری به دلیل کاهش محدودیت سرعت، بستن خطوط، علائم موقت گیج‌کننده و بی‌توجهی، چالش‌برانگیز است. برای کاهش تصادفات در مناطق کاری، علائم هشداردهنده می‌توانند رانندگان را به کاهش سرعت و رانندگی محتاطانه‌تر ترغیب کنند. این مطالعه به بررسی تأثیر تعداد علائم هشداردهنده، فاصله بین علائم اطلاع‌رسانی فاصله و نوع علائم بر رفتار رانندگان و ایمنی در مناطق کاری پرداخته است. رفتار ۴۷ راننده در یک بزرگراه به طول ۲٫۶۴ کیلومتر با استفاده از شبیه‌ساز رانندگی مورد مشاهده قرار گرفت. سناریوهای رانندگی برای پیکربندی‌های مختلف علائم هشداردهنده بر اساس سه متغیر ایجاد شد: ۱) تعداد مختلف علائم (۴، ۶ یا ۹)، ۲) فاصله‌های مختلف بین علائم اطلاع‌رسانی فاصله (۵۰۰ یا ۲۵۰ متر)، و ۳) انواع مختلف علائم (تصویری یا متنی). متغیرهای عملکرد رانندگی شامل سرعت و موقعیت جانبی وسیله نقلیه در خط از شبیه‌ساز رانندگی جمع‌آوری شد. همچنین پاسخ‌های رانندگان درباره میزان مفید بودن، ایمنی و حواس‌پرتی ناشی از پیکربندی‌های مختلف علائم از طریق پرسشنامه گردآوری شد. اثرات پیکربندی علائم، ویژگی‌های رانندگان و ادراک آن‌ها از علائم بر رفتار رانندگی و ایمنی با استفاده از مدل‌های خطی اثرات مختلط و مدل‌های خطر متناسب کاکس ارزیابی شد. نتایج مدل‌ها نشان داد که پیکربندی علائم هشداردهنده اثرات متفاوتی بر میانگین سرعت، فاصله جانبی از مخروط‌ها در منطقه کاری و زمان شروع کاهش سرعت رانندگان دارد. همچنین نتایج نشان داد که رانندگان بیشتر از محتوای علائم، از وجود علائم هشداردهنده آگاه هستند و علائم تأثیر مستقیم‌تری بر تنظیم سرعت رانندگان پیش از منطقه کاری نسبت به تنظیم موقعیت جانبی آن‌ها در منطقه کاری دارند. افزون بر این، نتایج پرسشنامه رانندگان در ارتباط با رفتار مشاهده‌شده آن‌ها نشان داد که ویژگی‌های راننده و ادراک آن‌ها از علائم با رفتار تغییر خط و کاهش سرعت آن‌ها در منطقه کاری ارتباط نزدیکی دارد. یافته‌های این مطالعه بینش بهتری در خصوص درک تأثیرات پیکربندی‌های مختلف علائم هشداردهنده بر رفتار رانندگان تحت هر متغیر و توسعه دستورالعمل‌های مبتنی بر شواهد برای طراحی علائم هشداردهنده متغیرمحور به منظور کاهش اثرات منفی پیکربندی علائم هشداردهنده بر ایمنی ارائه می‌دهد.