车载信息系统(in-vehicle information system,IVIS)通过多功能整合提升驾驶便利性,但多模态信息过载可能加剧认知负荷超额并威胁行车安全。为探究信息过载对危险驾驶行为的动态影响机制,基于刺激-有机体-反应(Stimulus-Organism-Respon...车载信息系统(in-vehicle information system,IVIS)通过多功能整合提升驾驶便利性,但多模态信息过载可能加剧认知负荷超额并威胁行车安全。为探究信息过载对危险驾驶行为的动态影响机制,基于刺激-有机体-反应(Stimulus-Organism-Response,SOR)模型引入驾驶信息需求作为调节变量,在此基础上构建视觉/听觉信息过载、认知负荷、驾驶意图与行为的理论框架。基于438名中国电动汽车用户的横断面调查数据并结合结构方程建模的数据分析表明,视觉与听觉信息过载显著正向影响认知负荷,且直接驱动不安全驾驶意图。同时,中介分析表明,信息过载可以通过认知负荷和驾驶意图间接影响驾驶行为。驾驶信息需求负向调节不安全驾驶意图向行为的转化,驾驶信息需求越高的驾驶员,越易主动抑制危险驾驶行为的外化。本研究将驾驶信息需求纳入SOR框架,揭示了多模态信息过载的差异化机制,弥补了个体差异研究的不足,也为IVIS开发方与整车制造商提供了可行的优化路径,包括抬头显示屏(head-up display,HUD)信息筛选优先级策略、认知负荷监测。展开更多
应用含注意力机制的网络模型进行模式识别已成为相位敏感光时域反射计(Phase-senstive Optical Time Domain Reflectometer,Φ-OTDR)周界安防领域的研究热点.针对周界安防信号时序图像,本文提出一种基于可解释性全特征注意力机制的卷积...应用含注意力机制的网络模型进行模式识别已成为相位敏感光时域反射计(Phase-senstive Optical Time Domain Reflectometer,Φ-OTDR)周界安防领域的研究热点.针对周界安防信号时序图像,本文提出一种基于可解释性全特征注意力机制的卷积网络模型.以VGG模型架构为基础,引入深度可分离卷积模块和Leaky ReLU激活函数构成全新的卷积模块,提高模型实时性.为增强卷积模型的全局信息提取能力和可解释性(即特征重要性评价能力),采用元卷积核代替空间注意力机制的池化层,从而设计了可解释性全特征注意力机制,并将其添加到卷积模块和全连接层之间.采用实验获得Φ-OTDR周界安防信号,对本文所提网络和典型的ANN、CNN、VGG、CNN-CBAMBiLSTM、CNN-LSTM进行对比实验.结果表明:本文模型特征提取过程可解释性强,对测试样本的识别准确率达99.06%,在95%置信水平下对周界安防信号的平均置信区间为[0.9606,0.9992],F1-score达到0.9922,性能优于对比模型.展开更多
文摘车载信息系统(in-vehicle information system,IVIS)通过多功能整合提升驾驶便利性,但多模态信息过载可能加剧认知负荷超额并威胁行车安全。为探究信息过载对危险驾驶行为的动态影响机制,基于刺激-有机体-反应(Stimulus-Organism-Response,SOR)模型引入驾驶信息需求作为调节变量,在此基础上构建视觉/听觉信息过载、认知负荷、驾驶意图与行为的理论框架。基于438名中国电动汽车用户的横断面调查数据并结合结构方程建模的数据分析表明,视觉与听觉信息过载显著正向影响认知负荷,且直接驱动不安全驾驶意图。同时,中介分析表明,信息过载可以通过认知负荷和驾驶意图间接影响驾驶行为。驾驶信息需求负向调节不安全驾驶意图向行为的转化,驾驶信息需求越高的驾驶员,越易主动抑制危险驾驶行为的外化。本研究将驾驶信息需求纳入SOR框架,揭示了多模态信息过载的差异化机制,弥补了个体差异研究的不足,也为IVIS开发方与整车制造商提供了可行的优化路径,包括抬头显示屏(head-up display,HUD)信息筛选优先级策略、认知负荷监测。
