Alert rijden is een ongeluk
vermijden.
Het stimuleren van veilig rijgedrag door middel
van een dynamisch waarschuwingssysteem.
Menke Knol (10729976)
Tobias Kuijt (10739505)
Denzel Maria (10721630)
Frederik van der Veen (10789324)
Thema 3 Deel 2
Domein Cognitie
Begeleiders: Ger Post en Machiel Keestra
Aantal woorden: 6384
Alert rijden is een ongeluk vermijden.
Het stimuleren van veilig rijgedrag doormiddel van een dynamisch
waarschuwingssysteem.
Abstract
Afleiding in het verkeer is de oorzaak van een groot aantal verkeer-songelukken. Er zijn daarom systemen ontwikkeld om afleiding te meten, zoals het Eyes Off the Road systeem, waarbij de kijkrichting van de bestu-urder wordt gemeten en kan worden bepaald of de blik op de weg ligt. Dit systeem zal worden verbeterd door het toevoegen van een waarschuwingssig-naal met een dynamische tijd, afhankelijk van twee verkeerssituaties, namelijk het maken van een scherpe bocht en rijden op een rechte weg. Voor beide situaties is de cognitieve belasting onderzocht en aan de hand daarvan zijn natuurkundige modellen opgesteld voor de dynamische waarschuwingstij-den. Voor deze twee verkeerssituaties is dit gelukt, al zijn er veel aannames gedaan die uitgebreid besproken zijn in de discussie.
Inhoudsopgave
1 Inleiding 3
2 Methoden 4
3 Theoretisch Kader 5
3.1 De relatie tussen inspanning en afleiding . . . 5
3.2 Het Eyes Off the Road -detectiesysteem . . . 6
3.3 Voorliggende auto’s detecteren . . . 8
3.4 Beweging van de auto meten . . . 9
3.5 Natuurkundige formules . . . 9
4 Resultaten 12 4.1 Laterale versnelling . . . 12
4.2 Rijden op een rechte weg . . . 16
4.3 Het systeem coderen . . . 19
5 Discussie 21
6 Conclusie 23
1
Inleiding
Al decennia lang voert de overheid campagne om verkeersveiligheid te ver-groten, zoals met de grootschalige Daar kun je mee thuiskomen-advertenties. Een groeiend probleem is afleiding tijdens het rijden, waar technologie een groot aandeel in heeft. Zo spelen telefoongebruik en navigatiesystemen in auto’s een steeds grotere rol in de hoeveelheid verkeersongelukken. Afleiding komt in veel soorten en maten, maar telefoongebruik is wel de koploper als het gaat om aflei-ding in het verkeer (Jain & Busso, 2011). Browsen, berichten versturen of een gesprek inzetten zorgt gemiddeld voor de langste periode waarin het zicht van de bestuurder niet op de weg gericht is (Fitch et al, 2013).
Het is echter niet altijd makkelijk om een causaal verband aan te tonen tussen ongevallen en afleiding. Wel zijn er door de jaren heen heel wat pogingen gedaan. Zo hebben Dingus et al. (2016) laten zien dat in 68,3% van de ongevallen afleiding (mede-)verantwoordelijk was. Ander onderzoek toonde aan dat in maar liefst 80% van de verkeersongevallen de bestuurder binnen 3 seconden voor het ongeluk was afgeleid (Engelberg et al., 2015).
Veel wetenschappers zijn daarom bezig geweest om technologische systemen op te stellen om te bepalen of de aandacht gericht is op de weg. Een zeer interessant systeem is ontworpen door Vicente et al. (2015). Dit systeem de-termineert of het zicht van de bestuurder op de weg gericht is of niet, gebruik makend van nieuwe technologie¨en die later worden toegelicht. Dit systeem heeft grote potentie, maar er is ruimte voor uitbreiding en verbetering. In dit onder-zoek zal dit systeem gecombineerd worden met een waarschuwingssysteem, die afhangt van de verkeerssituatie. In het originele onderzoek is dit laatste namelijk nog niet het geval. De onderzoeksvraag luidt: Hoe kan het Eyes Off the Road -detectiesysteem verbeterd worden door de toevoeging van een waarschuwingstijd die afhangt van specifieke verkeerssituaties?
Aan de hand van de volgende deelvragen zal de onderzoeksvraag beantwoord worden. De eerste luidt: wat zijn de cognitieve belastingen voor deelname aan het verkeer als weggebruiker? De tweede deelvraag is hoe werken de benodigde meetsystemen, waaronder het systeem van Vicente et al.? De laatste vraag luidt: hoe kunnen verschillende basale verkeerssituaties gemodelleerd worden om gebruikt te worden voor een dynamische waarschuwingstijd?
Allereerst wordt de methode van ons onderzoek kort toegelicht, waarna het theoretisch kader van de verschillende disciplines wordt opgesteld. Hierna zullen de modellen in de resultaten worden beschreven om vervolgens uitgebreid hierop in te gaan in de discussie.
2
Methoden
Om tot antwoorden op de hoofd- en deelvragen te komen, is een interdisci-plinair literatuuronderzoek gedaan binnen de natuurkunde, kunstmatige intel-ligentie en cognitieve psychologie. De verwachte interactie tussen het model en het menselijk handelen zal worden onderzocht vanuit de cognitieve psychologie. Voor het begrijpen van het systeem van Vicente et al. is een onderzoek vanuit de kunstmatige intelligentie vereist. Daarnaast zullen de analyse en metingen van de verkeerssituatie gebeuren aan de hand van modellen vanuit de kunstmatige intelligentie. Voor het opstellen van de dynamische waarschuwingstijd is een natuurkundige aanpak vereist, waarbij theorie¨en en wetten uit de mechanica onderzocht zullen worden. Voor de toepassingen van deze wetten, zullen meth-oden uit de calculus gebruikt worden. Bij het opstellen van de natuurkundige modellen zullen aannames gemaakt worden die verantwoord kunnen worden va-nuit de cognitieve psychologie. Nadat de natuurkundige modellen opgesteld zijn, zullen deze verbonden worden via een programmeercode, om een effectieve waarschuwingstijd op te stellen voor realistische situaties.
3
Theoretisch Kader
3.1
De relatie tussen inspanning en afleiding
Allereerst zal het theoretische raamwerk voor de cognitie worden opgesteld. Bij het deelnemen aan het verkeer moet een automobilist inspanning leveren om de auto veilig te kunnen besturen. Deze cognitieve inspanning zal voor het opstellen van de dynamische waarschuwingstijd bestudeerd worden per rijsituatie. Ook zal de afleiding tijdens het rijden onder de loep worden genomen, aangezien dit een grote bedreiging is voor de verkeersveiligheid, zoals eerder is toegelicht.
De inspanning zal worden onderverdeeld in vier verschillende categorie¨en, namelijk: fysiek, visueel, auditief en cognitief (Young et al., 2007). De automo-bilist dient zich op alle vier de vlakken in te spannen om de auto veilig te kunnen besturen: fysieke inspanning voor het onder controle houden van de auto, vi-suele inspanning voor het waarnemen van de wegsituatie en de rijrichting en auditieve inspanning om te kunnen reageren op geluiden uit de omgeving, zoals de sirene van een ambulance. Ten slotte speelt cognitieve inspanning een grote rol, namelijk om alle inkomende prikkels om te zetten tot bewust handelen om zo veilig aan het verkeer deel te nemen.
Van deze vier vormen van inspanning is cognitieve inspanning de meest com-plexe vorm. Hersenen zijn tijdens het autorijden constant bezig om visuele prikkels te verwerken. Tijdens het autorijden is de hoeveelheid prikkels zo groot, dat hersenen niet alle prikkels verwerken. Het gevolg hiervan is dat automobilis-ten slechts een selectie van de informatie verwerken, de rest van de informatie gaat verloren. Dit komt omdat het brein werkt volgens ‘selectieve aandacht’ (Theeuwes, 1989). Het brein verwerkt alleen prikkels waar daadwerkelijk op gefocust wordt. Een fundamentele theorie die hieraan ten grondslag ligt is de filtertheorie. De basis van deze theorie is al in 1958 gelegd door Broadbent. De theorie beschrijft dat hersenen werken als een filter, waarbij continu prikkels gescheiden worden op basis van de aandacht die wordt gegeven aan prikkels. (Broadbent, 1958). Na decennia vervolgonderzoek naar deze theorie, leeft het ‘geen stimulus identificatie zonder aandacht’ (Lachter et al., 2004) paradigma tot op heden nog steeds voort. Deze filtertheorie van selectieve aandacht is ook van toepassing tijdens het autorijden. Van alle omgevingsprikkels worden hoofdzakelijk de prikkels waar aandacht naar uitgaat verwerkt.
Het is duidelijk dat autorijden op verschillende fronten inspanning vereist om veilig te kunnen rijden. Echter gebeurt het vaak dat automobilisten afgeleid raken tijdens het autorijden, waarbij de inspanning verschuift naar een se-cundaire taak, zoals het lezen van een berichtje op de telefoon. Automobilisten kunnen op alle vier de inspanningsvormen afgeleid raken. In het geval van de telefoon raakt de automobilist afgeleid op drie verschillende manieren, namelijk fysiek, het vasthouden van de telefoon, visueel, het kijken naar de telefoon, en cognitief, het nadenken over wat er staat. Deze secundaire taak belemmert het veilig autorijden, omdat de benodigde inspanning op dat moment niet meer geleverd wordt.
Cognitieve afleiding wordt veroorzaakt door een aandachtsverschuiving. Als een automobilist zich op een moment ergens anders op concentreert dan op het verkeer, dan is de bestuurder cognitief afgeleid. Dit kan zelfs gebeuren terwijl de automobilist naar de weg blijft kijken. Op dat moment ‘kijkt’ de automobilist naar de weg maar ‘ziet’ de automobilist niets. Dit soorten momenten waarbij de automobilist geen prikkels vanuit het verkeer verwerkt, heten inattention blindness. De hersenen zijn dan zoveel informatie aan het verwerken, dat de visuele prikkels van de verkeerssituatie genegeerd worden (Strayer, 2007). Een ander belangrijk begrip hierbij is de refractaire periode. Dit is de periode die de hersenen nodig hebben om van twee aandachtspunten te wisselen, zoals van het verkeer naar een secundaire taak of omgekeerd (Meyer & Kieras, 1997). Deze schakeling gaat ten koste van essenti¨ele informatie over de verkeerssituatie.
Zoals al eerder vermeld, verschilt de benodigde inspanning die een automo-bilist moet leveren per situatie op de weg. Er zijn oneindig veel voorbeelden te bedenken waarbij een automobilist veel inspanning moet leveren. In dit onder-zoek worden er twee basale voorbeelden uitgelicht. Dit zijn situaties waarbij de eerder besproken inspanningen cruciaal zijn.
Rijden met hoge snelheid is het eerste voorbeeld. Visuele inspanning speelt hierbij de grootste rol. Dit komt omdat het gezichtsveld van de automobilist constant verandert. Visuele afleiding zal resulteren in het maken van ‘blinde meters’. De automobilist loopt in deze meters belangrijke visuele informatie mis. Als de voorliggende auto plotseling begint met remmen, heeft de automobilist dit niet meteen door, wat leidt tot het gevaar op een botsing.
Het tweede voorbeeld betreft het maken van bochten: oftewel laterale ver-snelling.Hierbij zijn zowel visuele als fysieke inspanning nodig om de auto veilig te kunnen besturen. De automobilist moet de weg kunnen zien om de stuurricht-ing te bepalen. Daarbij is het veranderende gezichtsveld, net als bij hard rijden, een aanzienlijke factor. Het maken van een bocht gaat gepaard met nieuwe prikkels die door de automobilist verwerkt moeten worden. Tegelijkertijd is fysieke inspanning nodig om de auto in de juiste richting te sturen. Controle over het voertuig is belangrijk om te voorkomen dat de auto bijvoorbeeld uit de bocht vliegt.
Bovengenoemde informatie bevestigt dat afleiding in het verkeer gevaarlijk kan zijn. Hierbij neemt het gevaar toe naarmate de op dat moment benodigde inspanning groter wordt. Afgeleid raken door de telefoon terwijl de auto zich in een bocht begeeft is voor de automobilist zo belastend dat dit direct gevaarlijk wordt. Afleiding detectie kan mogelijkheid bieden om deze gevaarlijke situaties te minimaliseren. In dit onderzoek wordt afleiding gemeten met het Eyes Off the Road detectiesysteem.
3.2
Het Eyes Off the Road -detectiesysteem
Zoals in de inleiding genoemd vormt het systeem ontwikkeld door Vicente et al. (2015) een mooie basis waarmee eventuele afleiding gedetecteerd kan worden. Vicente et al. (2015) noemen hun systeem dan ook een Eyes Off the Road -systeem. Hier volgt beknopt de werking van dit -systeem.
Een webcam met verwijderde infrarood filters wordt op de stuurkolom geplaatst en er wordt een infraroodlamp op het gezicht van de bestuurder geschenen zodat deze ook waargenomen kan worden bij slechte belichting (Vicente et al., 2015). Met zogeheten Supervised Descent Methods kunnen de gezichtskenmerken herk-end worden; de herkherk-ende gezichtskenmerken worden vergeleken met een 3D model en aan de hand van de verschillen tussen de gemeten waarden en het 3D model kan er een schatting van de positie van het hoofd gemaakt worden (Vi-cente et al., 2015). Dit 3D model is verkregen aan de hand van een trainingset met meerdere gezichten (Vicente et al., 2015).
Er moet echter ook rekening gehouden worden met het feit dat sommige bestuurders langer of korter zijn en hun zitpositie verschilt, oftewel met de translatie van het hoofd ten opzichte van de camera. Dit gebeurt aan de hand van zowel de hellingshoek als de gierhoek (Vicente et al., 2015). De hellingshoek is de hoek ten opzichte van de hoogte, dus of de camera hoger of lager staat ten opzichte van het hoofd. De gierhoek is de hoek ten opzichte van de breedte van het hoofd, deze wordt be¨ınvloed door de positie van de camera links of rechts ten opzichte van het hoofd. Eerst wordt er een compensatiehoek voor zowel de hellingshoek en de gierhoek bepaald, en vervolgens wordt deze van de gemeten hoek afgetrokken om een schatting van de daadwerkelijke hoek van de hoofdpositie te krijgen (Vicente et al., 2015).
Aangezien men niet altijd kijkt in de richting van waar het hoofd wijst wordt de kijkrichting van het oog zelf ook ingeschat. Dit gebeurt door de positie van de pupil op een 3D model van het oog te bepalen aan de hand van contourpunten (Vicente et al., 2015). Vervolgens wordt er een rechte lijn door het middelpunt van het hele oog en de pupil getrokken om de vector van het blik te verkrijgen (Vicente et al., 2015). Overigens wordt de blikvector enkel aan de hand van de hoofdpositie geschat als de ogen, door bijvoorbeeld het dragen van een zonnebril, slecht in beeld zijn (Vicente et al., 2015). Tot slot wordt gekeken of deze vector het vlak dat gedefinieerd is als on the road kruist, als dit niet gebeurt heeft de bestuurder dus zijn of haar eyes off the road (Vicente et al., 2015, zie ook fig 1).
Figuur 1: Vgaze is de berekende blikvector, als deze vlak II kruist (Pinter in dit
geval) is de blik on the road (Vicente et al., 2015)
Dit systeem heeft een grote nauwkeurigheid. Het is getest door proefperso-nen naar verschillende plekken on the road en off the road te laten kijken, zowel overdag als ‘s nachts, met zonnebril en zonder zonnebril (Vicente et al., 2015). Over het algemeen gaf het systeem in meer dan 90% van de gevallen juist aan dat een bestuurder zijn ogen van de weg afhield; daarnaast was de hoeveelheid valse alarmen, als het systeem zei dat de bestuurder wegkeek terwijl hij wel degelijk op de weg lette, onder de 5% (Vicente et al., 2015). Ook was dit sys-teem robuust tegen overdreven gezichtsuitdrukkingen mits deze niet al te vaak en snel veranderden (Vicente et al., 2015). Het systeem werkt dus goed, maar zal in dit onderzoek verder worden uitgebreid.
3.3
Voorliggende auto’s detecteren
Rezaei en Klette (2014) breidde hun waarschuwingssysteem, enkel gebaseerd op de positie van het hoofd, uit aan de hand van een camera die de wegsituatie voor de auto in de gaten houd. Met behulp van zogenaamde global Haar-like features konden ze aan de hand van de camerabeelden een schatting maken van de afstand tot de voorliggende auto, en hieruit bepalen of de afstand veilig of gevaarlijk dichtbij was (Rezaei en Klette, 2014). Aan de hand van afgeleide van de deze positie, kan de relatieve snelheid berekend worden. De som van deze relatieve snelheid en de snelheid van de achterliggende auto, geeft dan de snelheid van de voorliggende auto. Ook kon de hoek tussen de auto en de voorliggende auto worden bepaald, met de aanname dat autos die op dezelfde rijbaan rijden (en waar mogelijk dus op gebotst kan worden) een maximale hoek hebben van min of meer 6 graden (Rezaei en Klette, 2014). Aan de hand van deze metingen konden gevaarlijke situaties, bijvoorbeeld een remmende auto voor je die steeds dichterbij komt op hetzelfde moment dat de bestuurder was afgeleid, worden herkend en toepasselijke waarschuwingen gegeven (Rezaei en
Klette, 2014).
Bovenstaande methode is een interessante methode om gedeeltelijk de con-text van de wegsituatie te bepalen. Het meet echter alleen wat er voor de auto plaatsvindt en niet de bewegingen van de auto zelf. Eerder genoemde rijsituaties waarbij aandacht cruciaal is, zijn het maken van bochten en het hard rijden. Om deze bewegingen te bepalen zullen respectievelijk de laterale versnelling van de auto en de snelheden van de auto en een voorliggende auto (verkregen aan de hand van het systeem van Rezaei en Klette (2014)), twee natuurkundige aspecten, gebruikt worden.
3.4
Beweging van de auto meten
Op basis van bovenstaande principes kan er dus bepaald worden op welke manier de auto zich voortbeweegt. Logischerwijs kan de voorwaartse snelheid gewoon verkregen worden vanuit de snelheidsmeter van de auto, bij moderne auto’s wordt deze snelheid zowel analoog als digitaal weergegeven, waarbij het laatste door het systeem gebruikt kan worden. De laterale versnelling kan gemeten worden met een versnellingsmeter, die vaak standaard in veel auto’s te vinden zijn en worden gebruikt voor bijvoorbeeld airbags (Rhee et al., 1993). Moderne versnellingsmeters zijn zeer accuraat, zo konden Lau en David (2010) aan de hand van de ingebouwde versnellingsmeter van een mobiele telefoon met een precisie van boven de 90% concluderen of de drager van de mobiele telefoon stond, liep of op een trap liep. Versnellingsmeters zullen dus zeker precies genoeg werken om de bewegingen van een auto in te schatten. Een ander aspect van versnellingsmeters is dat ze in chipvorm te verkrijgen zijn, deze worden MEMS (micro elektromagnetisch systeem) versnellingsmeters genoemd. Aan de hand van deze versnellingsmeters kan de data dan ook gelezen worden door het systeem.
3.5
Natuurkundige formules
Voor het opstellen van de natuurkundige modellen worden er een aantal formules en wetten gebruikt afkomstig uit de mechanica en calculus, waarvoor de boeken Physics for scientists and engineers van Douglas Giancoli uit 2008 en Calculus: a complete course van Robert Adams uit 2010. Allereerst zullen non-triviale formules afkomstig uit het kopje Laterale versnelling worden besproken.
Een belangrijke term is de hoeksnelheid ω en deze kan als volgt worden berekend aan de hand van de omlooptijd T , als er wordt uitgegaan van een constante hoeksnelheid.
ω = 360
◦
T (1)
Deze formule kan uiteraard zo worden omgeschreven om vanuit een bek-ende constante hoeksnelheid de omlooptijd te berekenen, zoals later gedaan zal worden. Een ander veelgebruikte en enigszins triviale regel is de cirkelomtrek.
omtrekcirkel = L = 2πr (2) Waarbij r de straal van de cirkel is. De formule wordt genoemd aangezien hij vaak wordt gebruikt, waaronder ook in omgeschreven vorm. De volgende functie is de beschrijving van een cirkel, waarbij a het middelpunt van de cirkel op de x-as is, b het middelpunt van de cirkel op de y-as en r de straal van de cirkel.
f (x, y) : (x − a)2+ (y − b)2= r2 (3) Voor het berekenen van de afstand tussen twee functies d wordt de volgende formule gebruikt, waarbij f 1 en f 2 de twee verschillende functies zijn met inge-vulde x- en y-waardes.
d = |f1(x1, y1) − f2(x2, y2)| (4)
Er zal ook gebruik worden gemaakt van lineaire vergelijkingen en het op-stellen hiervan. Deze functies zijn in de volgende vorm.
f (x) = ax + b (5) Waarbij a en b alle mogelijke re¨ele waardes kunnen aannemen. Het snijpunt met de y-as, dus als x = 0, dan heeft de functie de waarde b. De laatste gebruikte formule in dit is onderdeel is van de middelpuntzoekende kracht ampz, waarbij
v de snelheid is van het object en r de straal van de cirkel waarlangs het object beweegt.
ampz=
v2
r (6)
Nu zullen de non-triviale formules uit het kopje Rijden op een rechte weg be-sproken worden. Wanneer een auto met constante snelheid begint met remmen, wordt de positie gedurende de tijd gegeven door:
R(t) = R(0) + V (0) ∗ t + Z t
0
a(t) ∗ td (7) Hierbij geldt: v(0) = beginsnelheid, t = tijd, a(t) = versnelling/vertraging Als deze auto eenparig gaat vertragen, zal de tijd waarop de auto tot stilstand is gekomen gegeven worden door:
t = vB(0)
|a| (8)
Wanneer een achterliggende auto moet anticiperen op een voorliggende auto, zal de positie van de auto voordat deze begint met remmen gegeven worden door: R(t) = R(0) + v(0) ∗ t (9)
Nadat de auto is begonnen met remmen, zal de positie gegeven worden door:
R(t) = R(0) + v(0) ∗ t + Z t
tremmen
a(t)(t − tremmen)dt (10)
Als deze auto eenparig gaat vertragen, zal de tijd waarop de auto tot stilstand is gekomen gegeven worden door:
t = tremmen+
vA(0)
|a| (11)
tremmen is de tijd waarop de auto begint met remmen, als reactie op een
4
Resultaten
4.1
Laterale versnelling
Voor het meten van de laterale, ofwel zijwaartse versnelling wordt er een ver-snellingsmeter gebruikt. Net zoals bij de snelheid variabele in het dynamische waarschuwingsmodel, wordt voor deze variabele een natuurkundige aanpak ge-bruikt in combinatie met cognitieve onderzoeksresultaten. De situatie waarop het algoritme wordt geijkt is de rotonde, een veelvoorkomende verkeerssituatie waarbij er op een relatief hoge snelheid, langdurig een bocht wordt gemaakt. De rotonde leent zich er daarom uitermate goed voor om het waarschuwingssig-naal daarvoor te specialiseren. Uit de cijfers van de Stichting Wetenschappelijk Onderzoek Verkeersveiligheid blijkt dat de gemiddelde enkelstrooksrotonde een diameter heeft van 25 meter. Bij een rotonde wordt er uitgegaan van een nader-ingssnelheid van ongeveer 35 km/u en op de rotonde is deze snelheid ongeveer 30 km/u (SWOV, 2012). Met deze cijfers wordt nu de hoeksnelheid van de gemiddelde weggebruiker berekend. Gezien de gemiddelde enkelstrooksrotonde een diameter heeft van 25 meter en de snelheid op de rotonde gemiddeld 30 km/u blijkt is de tijd die men erover doet om een heel rondje te rijden als volgt:
v = 30km/u = 30km/u 3.6 = 8.3m/s (12) T =2πr v = 2π ∗ 12.5m 8.3m/s = 9.42s (13) Waarbij eerst de snelheid v wordt omgerekend naar meters per seconde alvorens de omlooptijd T te berekenen met deze gevonden v. Om de hoek-snelheid ω te berekenen wordt vervolgens gebruik gemaakt van formule 1.
ω = 360
◦
9.42s= 38.22
◦s−1 (14)
Zoals men verwacht, kan een bestuurder niet accuraat een bocht blijven maken als men is afgeleid, maar in welke mate precies laat het onderzoek van Liang en Lee uit 2010 zien. Zij hebben gevonden dat bij visuele afleiding, wat in dit onderzoek van belang is, de stuurbeweging gemiddeld met zo’n 1.4 graad afwijkt van de gewenste draaihoek. Uit de studie is gebleken dat bestuurders die visueel afgeleid waren, overcompensatie vertoonden bij het sturen en hier-door dus de binnenbocht naderden in plaats van naar buiten af te wijken (Liang & Lee, 2010). Met behulp van een lineaire benadering van de afstand van de zijkant van de auto tot de binnenkant van de rijbaan, wordt berekend in hoeveel seconden deze overcompensatie ervoor zou zorgen dat de auto van de weg raakt. Aangenomen dat de rotonde een perfecte cirkel is, beschrijft de binnenbocht van de rotonde een cirkelbaan met de volgende straal.
rbb= rrot−
1
Waarbij drijbaande gemiddelde breedte van een rijbaan op 80 km/u wegen is,
een type weg waar veel rotondes voorkomen (Schermers & Van Petegem, 2013). Om de auto deze cirkelbaan te laten volgen is in formule 14 de gewenste hoek-snelheid berekend bij de aangenomen hoek-snelheid van 30 km/u, maar in dit geval heeft de auto een grotere hoeksnelheid door de eerdergenoemde overcompensatie van 1.4 graad.
ω0 = ωideaal+ ωovercomp.= 38.22◦s−1+ 1.4◦s−1 = 39.62◦s−1 (16)
Met deze nieuwe hoeksnelheid ω0en de snelheid van de auto wordt de nieuwe cirkelbaan berekend die deze auto beschrijft.
T0= 360 ◦ ω0 = 360◦ 39.62◦ = 9.086s (17) L0= T0∗ v = 9.086s ∗ 8.3m/s = 75.42m (18) r0= L 0 2π = 75.42m 2π = 12.0m (19) Waarbij T0de nieuwe omlooptijd is, L0 de nieuwe afgelegde weg per omloop
en r0 de straal van de cirkelbaan die wordt doorlopen. De gevonden cirkelbaan
kan relatief aan de cirkelbaan van de binnenste ring op de rotonde worden beschreven aan de hand van een cirkelvergelijking, waarbij het middelpunt van de rotonde als oorsprong wordt genomen. Aangenomen wordt dat de auto vanaf het begin zich midden op de rijbaan bevindt.
fr(x, y) : x2+ y2= (11.125m)2 (20)
fa(x, y) : (x − 0.5)2+ y2= (12.0m)2 (21)
Waarbij frde cirkelbaan beschrijft van de binnenste ring van de rotonde en
fa de cirkelbaan van de auto met draai-overcompensatie. Deze banen zijn in
Figuur 2: De binnenbocht van de rotonde fris afgebeeld met de rode cirkel. De
weg van het middelpunt van de auto fa is afgebeeld met de blauwe cirkel. De
dmax is te vinden bij de snijpunten met de x-as aan de rechterkant en dmin bij
de snijpunten met de x-as aan de linkerkant (bron: www.desmos.com). )
Om te berekenen wanneer de zijkant van de auto de grens van de rijbaan passeert, wordt er gekeken naar de twee uiterste waarden van de afstand tussen het middelpunt van de auto en de rotonde. De dmaxvindt plaats als de auto op
het beginpunt van de cirkel staat en de dmin als de auto precies aan de andere
kant van de cirkel staat. Voor deze twee punten is de afstand berekend. dmax= |fr(11.125, 0) − fa(12.5, 0)| = 1.375m (22)
dmin = |fr(−11.125, 0) − fa(−11.5, 0)| = 0.375m (23)
Door middel van een lineaire benadering wordt nu berekend na hoeveel sec-onden de zijkant van de auto de binnenbocht raakt van de rotonde. Hierbij wordt het feit gebruikt dat de gemiddelde personenauto ongeveer 1.70 meter breed is (Schermers et al., 2014). In 180 graden rotatie neemt de afstand van de auto tot de rotonde af van 1.375 m tot 0.375 m. Ervan uitgaande dat deze afname lineair is, is de volgende formule opgesteld.
d(θ) = 1.375m − ( θ
180◦) (24)
Deze formule wordt gelijkgesteld aan de helft van de breedte van de auto, zodat het punt kan worden berekend wanneer de zijkant de grens van de weg
overtreedt. Vervolgens wordt het uitgewerkt om de hoek te vinden, waarbij dit gebeurt. d(θ) = 0.85m (25) 1.375m − ( θ 180◦)m = 0.85m (26) θ 180◦ = 0.525 (27) θ = 94.5◦ (28)
Met behulp van de hoeksnelheid van de auto is te berekenen hoelang de auto erover doet om dit punt te bereiken.
tc=
94.5◦
39.62◦s−1 = 2.385s (29)
Waarbij θ de afgelegde hoek is wanneer de afstand tussen de zijkant van de auto en de rotonde nul is en tc de tijd waarna dit gebeurt.
Voor het bepalen van de waarschuwingstijd moet echter ook rekening gehouden worden met de reactiesnelheid van de bestuurder. De reactietijd is nauw ver-bonden met de al eerder genoemde refractaire periode. In veel gevallen is de automobilist zowel visueel als cognitief afgeleid, wat betekent dat het brein van de automobilist de prikkels grotendeels negeert. De automobilist is op dit moment niet in staat adequaat te reageren op verkeerssituaties. Als het waarschuwingssignaal volgt, zal het brein van de automobilist eerst moeten schakelen van impulsverwerking, voordat de automobilist zich bewust is van de verkeerssituatie. De benodigde tijd voor deze schakeling zal meegenomen moeten worden in de bepaling van het signaal. Bij een onverwacht geluidssig-naal blijkt deze reactietijd tr 1.36 seconde te zijn, met uitschieters tot bijna 2
seconden (Suzuki & Jansson, 2003).
tw= tc− tr= 2.385s − 1.36s = 1.025s (30)
Waarbij twde gewenste waarschuwingstijd betreft voor de variabele zijwaartse
versnelling.
Dit is natuurlijk in de situatie dat iemand hard aan het sturen is, namelijk op een rotonde, maar dat is niet altijd het geval. Voor het opstellen van de formule wordt deze situatie beschouwd als de maximale zijwaartse versnelling en de bijbehorende waarschuwingstijd is dan ook de laagst mogelijke. Aangezien de hoeksnelheid van de auto wordt gemeten met een versnellingsmeter, moet deze rotonde-situatie worden uitgedrukt in zijwaartse versnelling, die met formule 6 kan worden berekend met de eerder gegeven v en r0.
ampz =
(8.33m/s)2
12.0m = 5.78ms
Als voor het gemak de tw voor deze versnelling wordt afgerond naar 1
sec-onde, dan kan er een lineaire vergelijking worden opgesteld, waar de tw steeds
kleiner wordt, naarmate de zijwaartse versnelling toeneemt. Voor de maximale waarde van de tw, namelijk als ampz gelijk is aan 0, wordt tw = 3 s genomen.
Zoals in de introductie al is besproken is er namelijk bij veel studies sprake van een verkeersongeluk door afleiding, als er afleiding heeft plaatsgevonden binnen de laatste 3 seconden van het ongeluk.
tw(ampz) = 3 − 2 ∗ ( ampz 5.78ms−2), 0ms −2< a mpz ≤ 5.78ms−2 (32) tw(ampz) = 1, ampz > 5.78ms−2 (33)
Formule 32 beschrijft de dynamische waarschuwingstijd voor een zijwaartse versnelling van nul tot de waarde op een rotonde. Formule 33 beschrijft de waarschuwingstijd voor versnellingen boven de laatstgenoemde waarde en blijft dus constant op 1 seconde.
In het volgende onderdeel wordt de waarschuwingstijd op basis van de snel-heid van een auto bepaald.
4.2
Rijden op een rechte weg
Wanneer auto A achter auto B rijdt op een rechte weg zou het kunnen voorkomen dat auto B plotseling moet remmen. In dat geval, is het de taak van de bestuur-der van auto A om niet op auto B te botsen. Aangezien er in dit geval gekeken wordt naar situaties op een rechte weg zonder laterale versnelling, hoeft er slechts naar 1 dimensie gekeken te worden.
Voor dit onderzoek is alleen de situatie waarin auto B begint met remmen interessant. Dit moment wordt aangeven met t = 0, aangezien de tijd slechts dan van belang wordt voor het model. Verder kan de tijd tussen het beginnen met remmen van auto B en het waarschuwingssignaal beschreven worden met tw. Deze tijd zal afhangen van de snelheid en is de onbekende variabele die
berekend moeten worden. Nadat de waarschuwing gegeven is, zal de bestuurder nog een bepaalde tijd nodig hebben om te reageren op de stimulus, wat in dit geval gegeven zal worden als geluid. Deze tijd wordt gegeven door de auditieve reactietijd, deze wordt aangegeven met treactie.
Aangezien het probleem zich op 1 dimensie afspeelt, hoeven enkel de posities van A en B op 1 as berekend te worden. Deze posities zullen aangeven worden met respectievelijk A(t) en B(t). Exact geldt dan volgens de formules in het theoretisch kader:
B(t) = B(0) + vB(0) ∗ t +
Z t
0
aB(t) ∗ tdt (34)
als t < treactie− twaarschuwing:
als t > treactie− twaarschuwing:
A(t) = A(0) + vA(0) ∗ t+
Z t
treactie+twaarschuwing
a(t)(t − treactie− twaarschuwing)dt (36)
De situatie waarin beide auto begonnen zijn met remmen wordt dan gegeven door het onderstaande figuur.
Figuur 3:
Om een botsing te voorkomen, zal ten alle tijden moeten gelden B(t)−A(t) > 0, want A mag B niet inhalen. Wanneer beide auto’s zullen moeten remmen, moet dan gelden:
B(0) + vB(0) ∗ t + Z t 0 aB(t) ∗ tdt − A(0) − vA(0)t− Z t treactie+twaarschuwing aA(t) ∗ (t − treactie− twaarschuwing)dt > 0 (37)
Om de waarschuwingstijd exact te berekenen, moet de integraal uitgevoerd worden. Hiervoor dient men echter, gedurende het hele traject, de tijdsafhanke-lijke remvertragingen van beide bestuurders te weten. Aangezien dit van te voren nog niet vast te stellen is, wordt het systeem versimpeld, door uit te gaan van een vaste constante remvertraging. Hard remmen wordt gedefinieerd als een achterwaartse vertraging van -0.45 g (Simons-Morton et al., 2011). Er wordt uitgegaan van een situatie waarin beide auto’s deze remvertraging zullen on-dervinden. Dit versimpelt de integralen, waardoor de formules voor de positie van de twee auto’s gegeven worden door:
B(t) = B(0) + vB(0) ∗ t + 1 2at 2 (38) A(t) = A(0) + vA(0) ∗ t + 1 2a(t − RT − twaarschuwing) 2 (39)
De eis, dat de relatieve positie ten alle tijden groter moet zijn dan 0, krijgt dan de volgende vorm:
B(0)+vB(0)∗t+ 1 2at 2−A(0)−v A(0)∗t− 1 2a(t−RT −twaarschuwing) 2> 0 (40)
waarbij geldt: a = −0.45g ≈ 4.4ms2, A(0) = 0
Nu is de formule om de relatieve positie op elk tijdstip te berekenen bekend. Het einde van het traject is bereikt wanneer beide auto’s tot stilstand zijn gekomen.
Voor auto B zal dit gebeuren op het volgende tijdstip:
tB(0)=
vB(0)
|a| = vB(0)
4.4ms2 (41)
Auto A zal pas beginnen met remmen als het waarschuwingssignaal is gegeven, en de bestuurder heeft kunnen reageren. Auto A zal dus tot stilstand gekomen zijn op het volgende tijdstip:
tA(0)= twaarschuwing+ RT +
vA(0)
|a| (42)
De relatieve positie aan het einde van het traject wordt dan gegeven door:
B(vB(0) |a| ) − A(
vA(0)
|a| + treactie+ twaarschuwing) (43) Het is de bedoeling om op het moment dat auto B begint met remmen al een voorspelling te kunnen maken. Hierdoor kan er op tijd een waarschuwing gegeven worden. Wanneer zelfs voor twaarschuwing = 0 geldt dat deze waarde
kleiner is dan 0, zal er direct een waarschuwingssignaal gegeven moeten worden, want dan is een botsing onvermijdelijk.
Wanneer voor twaarschuwing = 0 geldt dat deze waarde groter is dan 0, zal
de maximale waarschuwingstijd, om het traject zonder botsing af te ronden, gegeven worden door de tijd waarvoor de relatieve positie exact 0 is.
Deze maximale waarschuwingstijd wordt dan gegeven door:
twaarschuwing=
B(0) + vB(0) ∗vB|a|(0)+12a(vB|a|(0))2− vA(0) ∗vA|a|(0) −12a(vA|a|(0))2
vA(0)
−treactie
(44) Deze maximale waarschuwingstijd zou echter resulteren in een eindsituatie, waarbij de auto’s net niet botsen. In de realiteit zal deze tijd dus kleiner moeten zijn, zodat er wat speling is.
Om tot een waarschuwingstijd te komen, dient men eerst B(0) , vB(0) en
vA(0) te weten. Dit wordt gedaan aan de hand van het systeem, dat is
on-twikkeld door Rezaei en Klette in 2014.
Om de maximale waarschuwingstijd te geven, moet de reactietijd van de bestuurder bekend zijn. Dit moet bepaald worden vanuit de cognitieve psy-chologie.
4.3
Het systeem coderen
Bovenstaande bevindingen kunnen vervolgens in een codetaal omgezet worden zodat het systeem er gebruik van kan maken. Hieronder volgt een simpele pseu-docode van een mogelijke interpretatie. Voor deze pseupseu-docode is het volgende aangenomen:
• De waarde voor EOR (True/False) wordt door het EOR systeem gegeven • De laterale versnelling wordt door de snelheidsmeter gegeven
• De snelheid wordt door de snelheidsmeter gegeven
• De aanwezigheid van een andere auto en de afstand met deze auto wordt gegeven door het systeem van Rezaei en Klette (2014)
• De snelheid wordt gegeven door een programma dat, gebaseerd op de eigen snelheid en afstand, de snelheid van de andere auto kan berekenen Ook zijn voor a en treactie uit formule 44 de aannames gemaakt dat deze
respectievelijk waarde -4.4 en 1.36 zullen hebben.
WHILE EOR == True READ Latacc, Carinfront DECLARE Time
SET Latacc to absolute value //afhankelijk van richting kan //meting negatief zijn,
//neem daarom eerst de absolute //waarde van de versnelling IF Latacc <= 5.78 Time = 3 - 2*(Latacc/5.78) ELSE Time = 1 ENDIF IF Carinfront == True READ Va, Vb, Distance
CONVERT Va and Vb from kph/mph to mps IF Carinfront decelerates significantly
Time2 = ((Distance + Vb * (Vb/4.4) - (2.2*(Vb/4.4)**2) - Va * (Va/4.4) + (2.2*(Va/4.4)**2))/Va) - 1.36 IF Time2 < Time Time = Time2 ENDIF ENDIF ENDIF
DO sound warning after Time seconds ENDWHILE
Samengevat zorgt bovenstaande aanpak er dus voor dat er na een EOR meting wordt gekeken of de auto een bocht maakt, op basis daarvan wordt een tijd gegeven. Vervolgens wordt er gekeken of er een auto op dezelfde baan voor de auto rijdt die op het moment van afleiding ook significant dichterbij komt. Als dit gebeurt wordt er aan de hand van formule 44 een andere waarschuwingstijd berekend en de kleinste waarschuwingstijd wordt gebruikt. Overigens is de langst mogelijke waarschuwingstijd dus 3 seconden, als de laterale versnelling exact gelijk is aan 0 en er geen (remmende) auto voor de eigen auto rijd.
5
Discussie
Een belangrijk discussiepunt is het bepalen van de reactietijd van de bestuurder. Om het systeem preventief te laten werken moet de juiste reactietijd worden meegenomen, maar deze kan per bestuurder verschillen. Mogelijk kan er aan de hand van calibratie een specifieke reactietijd gemeten worden of het systeem kan aan de hand van machine learning proberen te achterhalen wat de gemiddelde reactietijd is van de eigenaar van de auto. Dan kom je echter in de problemen als de auto bijvoorbeeld uitgeleend wordt, of als het een gedeelde auto is tussen gezinsleden. Voorlopig lijkt de beste keus dus om de traagste reactietijd te nemen, zodat het voor elke bestuurder in ieder geval veilig is.
Daarnaast heeft het soort afleiding invloed op de cognitieve belasting en dus op de reactietijd van de automobilist. Het theoretisch kader beschrijft vier soorten afleiding, die los of gezamenlijk voor kunnen komen. In de praktijk is het echter alleen mogelijk om visuele afleiding te detecteren door middel van de kijkrichting. Met deze reden zijn de andere soorten afleiding moeilijk te kwantificeren. Ook heeft type visuele afleiding invloed op de reactietijd, omdat het lezen van een berichtje meer concentratie vereist dan het pakken van een sigaret. Echter wordt dit verschil niet opgemerkt door het detectiesysteem. Om visuele afleiding optimaal te kunnen verminderen is het meetbaar maken van het type afleiding belangrijk.
Een ander geval is de situatie waarin de bestuurder naar de spiegels moet kijken. In het systeem van Vicente et al. (2015) werden de spiegels niet als “on the road” gebied gedefinieerd. Een betere optie zou zijn om de spiegels als apart gebied te defini¨eren en een ruimere periode toestaan waarin er “eyes off the road” mag plaatsvinden mits men naar de spiegels kijkt, bijvoorbeeld tijdens het veranderen van rijbanen. Het systeem van Rezaei en Klette (2014) zou dan een waarschuwing kunnen geven als de auto voor de in de spiegel kijkende bestuurder te dichtbij dreigt te komen. Net zoals men een ruimere tijd zou kunnen toestaan om in de spiegel te kijken zou het systeem ook strenger kunnen zijn in het geval dat de bestuurder naar beneden kijkt. Dit omdat naar beneden kijken vaak gepaard gaat met een cognitief-intensiever taakje zoals met een mobiel bezig zijn. Idealiter zou er nog een manier zijn om specifiek te meten of de bestuurder legaal of illegaal bezig is tijdens het naar beneden kijken, waarbij bijvoorbeeld het gebruik van de smartphone verboden is. Vervolgonderzoek zal nodig zijn om hier specifiek op te kunnen controleren. Ook zal het systeem idealiter accuraat genoeg gemaakt moeten worden om korte bewegingen te herkennen. Als men bijvoorbeeld binnen een tijdsperiode te vaak naar beneden kijkt kan men ook concluderen dat men (cognitief) afgeleid is, hiervoor hoeft men niet aan een stuk door te kijken. Logischerwijs moet het systeem ook uitstaan als men achteruit rijdt omdat men in dat geval meestal niet naar de voorruit kijkt.
Bij het opstellen van het model voor de laterale versnelling zijn een aantal aannames gedaan. Allereerst dat de auto met een constante snelheid over de rotonde rijdt, waardoor de hoeksnelheid ook constant is. In de praktijk is dit niet haalbaar, maar zal het enigszins schommelen. Dit zal er ook voor zorgen dat de aanname niet opgaat dat de auto een perfecte cirkelbaan beschrijft,
maar hier iets van afwijkt. Verder is er voor het berekenen van de afstand van de auto tot de rotonde een lineaire benadering gemaakt, maar ook deze zal in de praktijk iets andere waardes kunnen opleveren door de eerder genoemde praktische begrenzingen.
Bij het opstellen van de waarschuwingstijd voor het rijden op een rechte weg, is tevens gebruik gemaakt van een aantal aannames. Het systeem moet een eventuele waarschuwingstijd opstellen, voordat een remproces daadwerke-lijk wordt ingezet. Bij het maken van deze voorspelling, is de remvertraging van beide auto’s echter nog niet bekend. Daarom is gebruik gemaakt van een constante remvertraging. Deze remvertraging is gesteld op -0.45g, wat uit on-derzoek naar voren is gekomen als hard remmen. De waarschuwingstijd die berekend wordt is bovendien de maximale waarschuwingstijd, waarbij een bots-ing net voorkomen wordt. Hoogstwaarschijnlijk zou de waarschuwbots-ingstijd in realiteit lager moet zijn, zodat er speling is voor de bestuurders. Deze menseli-jke interactie met het systeem zou onderzocht moeten worden aan de hand van cognitief vervolgonderzoek.
Om een waarschuwingssignaal met dynamische tijd werkbaar te maken, moeten alle mogelijke verkeerssituaties meegewogen worden in de bepaling van dit signaal. Dit is nodig om op elk willekeurig moment het juiste waarschuwingssig-naal te kunnen geven. In dit onderzoek zijn slechts twee verkeerssituaties behan-deld. In een model waarbij alle verkeerssituaties meegewogen worden, moet elke situatie een factor toegewezen krijgen. Deze factor is afhankelijk van de inspan-ning die nodig is in die situatie. De koppeling hiertussen blijkt lastig, omdat er in de literatuur weinig te vinden is over de belasting per verkeerssituatie.
6
Conclusie
Voor veilig autorijden moet de bestuurder inspanning leveren. Deze inspan-ning kan onderverdeeld worden in visueel, fysiek, auditief en cognitief. Als de automobilist afgeleid raakt gaat dit ten koste van de benodigde inspanning. Een bestaand systeem om visuele afleiding onder automobilisten te meten is het “Eyes off the road” detectiesysteem. Dit systeem volgt de kijkrichting van automobilisten en kan hieruit opmaken op de automobilist afgeleid is. In dit onderzoek is gepoogd deze informatie te koppelen aan verkeerssituaties om zo een waarschuwingssignaal met dynamische tijd te kunnen ontwikkelen.
Het is gebleken dat afleiding lastig kwantificeerbaar is. Visuele afleiding is meetbaar, echter gaat visuele afleiding vaak gepaard met cognitieve afleiding. Deze vorm van afleiding is moeilijker te definieren omdat het in verschillende mate voorkomt. Voor het uiteindelijke model is het belangrijk dat dit meege-wogen wordt.
Voor het opstellen van een model met als variabele de zijwaartse versnelling van een auto, die kan worden gemeten met een accelerometer, is de rotonde als situatie genomen. Aan de hand van verkeersgegevens en kwantitatieve cog-nitieve resultaten is berekend na hoe lang er een waarschuwing moet worden gegeven, wat na ongeveer ´e´en seconde blijkt te zijn. Deze tijd is echter langer dan het in de praktijk zal moeten zijn, door het grote aantal cognitieve belastin-gen die slecht kwantitatief te verwerken zijn.
Aan de hand van het systeem, ontwikkeld door Razaei en Klette in 2014, kan van een eventuele voorliggende auto, de positie en snelheid gemeten wor-den. Voor het rijden op een rechte weg is hiermee, aan de hand van de beweg-ingsvergelijkingen van een eenparige versnelling, een maximale waarschuwingstijd opgesteld, die bestuurders in staat zou moeten stellen een eventuele botsing te voorkomen. Deze tijd kan nog veel nauwkeuriger bepaald worden, wanneer on-derzocht wordt hoe de reactietijd voor elke specifieke situatie nauwkeurig vast-gesteld kan worden. De waarschuwingstijd is de maximale tijd, en zal in realiteit hoogstwaarschijnlijk lager genomen moeten worden.
7
Literatuurlijst
• Adams, R. A., Essex, C. (2010). Calculus: a complete course (Vol. 7). 7th ed. Toronto: Pearson Canada.
• Broadbent, D. E. (1958). Perception and communication. New York: Oxford University Press.
• Dingus, T.A., Guo, F., Lee, S., Antin, J.F., Perez, M., Buchanan-King, M., Hankey, J. (2016). Driver crash risk factors and prevalence evaluation using naturalistic driving data, PNAS, 113(10), 2636-2641
• Engelberg, J. K., Hill, L. L., Rybar, J., Styer, T. (2015). Distracted driving behaviors related to cell phone use among middle-aged adults. Journal of Transport & Health, 2(3), 434-440.
• Fitch, G.M., Soccolich, S.A., Guo, F., McClafferty, J., Fang, Y., Olson, R.L., Perez, M.A., Hanowski, R.J., Hankey, J.M, Dingus, T.A. (2013). The Impact of Hand-Held and Hands-Free Cell Phone Use on Driving Performance and Safety Critical Event Risk. (Report No. DOT HS 811 757). Washington, DC: National Highway Traffic Safety Administration • Giancoli, D. C. (2008). Physics for scientists and engineers. Pearson
Education International.
• Jain, J. J., Busso, C. (2011). Assessment of driver’s distraction using perceptual evaluations, self assessments and multimodal feature analysis. In 5th Biennial Workshop on DSP for In-Vehicle Systems, Kiel, Germany. • Lachter, J., Forster, K. I., Ruthruff, E. (2004). Forty-five years after Broadbent (1958): still no identification without attention. Psychological review, 111(4), 880.
• Lau, S.L., David, K. (2010). Movement Recognition using the Accelerom-eter in Smartphones. 2010 Future Network & Mobile Summit
• Lee, J.D., McGehee, D.V., Brown, T.L., Reyes, M.L. (2002). Driver Dis-traction, Warning Algorithm Parameters and Driver Response to Iminent Rear-end Collisions in a High-Fidelity Driving Simulator. (Report No. DOT HS 809 448). Washington, DC: National Highway Traffic Safety Administration
• Liang, Y., Lee, J. D. (2010). Combining cognitive and visual distraction: Less than the sum of its parts. Accident Analysis & Prevention, 42(3), 881-890.
• Meyer, D. E., Kieras, D. E. (1997). A computational theory of executive cognitive processes and multiple-task performance: Part 2. Accounts of psychological refractory-period phenomena. Psychological review, 104(4), 749.
• Rezaei, M., Klette, R. (2014). Look at the Driver, Look at the Road: No Distraction! No Accident! DOI: 10.1109/CVPR.2014.24
• Rhee, D.W., Boran, C.P., Bauch, D.J., Lynch, M.J. (1993). Airbag Trig-gering System. Google Patens US5194755 A
• Salvucci, D. D. (2013). Multitasking. In The Oxford handbook of cogni-tive engineering.
• Schermers, G., J. W. H. Van Petegem. Veiligheidseisen aan het dwar-sprofiel van gebiedsontsluitingswegen met limiet 80 km/uur. Leidschen-dam: SWOV, 2013.
• Schermers, G. S., A & Duivenvoorden, C. W. A. E. (2015). Maatgevende normen in de Nederlandse richtlijnen voor wegontwerp: actualisatie van de norm-mens en het ontwerpvoertuig.
• Strayer, D. L. (2007). Presentation at Cell Phones and Driver Distraction. Traffic Safety Coalition, Washington DC.
• Suzuki, K., Jansson, H. (2003). An analysis of driver’s steering behaviour during auditory or haptic warnings for the designing of lane departure warning system. JSAE review, 24(1), 65-70.
• Theeuwes, J. (1989). Effects of location and form cuing on the allocation of attention in the visual field. Acta psychologica, 72(2), 177-192. • Vicente, F., Huang, Z., Xiong, X., De la Torre, F., Zhang, W., Levi, D.
(2015) Driver Gaze Tracking and Eyes off the Road Detection System. IEEE Transactions on Intelligent Transportation Systems 16(4), 2014-2027.
• Young, K., Regan, M., Hammer, M. (2007). Driver distraction: A review of the literature. Distracted driving, 379-405.
