El objetivo de este estudio era cuantificar la probabilidad de cometer una infracción de velocidad por parte de los jóvenes conductores e investigar hasta qué punto escuchar música podía afectar a las emociones de los jóvenes conductores, así como a sus prestaciones al volante. Para lograr este objetivo, empleando redes bayesianas, el estudio analizó diferentes estilos musicales, en función de los cuales los conductores de la muestra cometían infracciones de velocidad. El género y la experiencia de los conductores al volante fueron los otros factores que se tuvieron en cuenta a la hora de interpretar los resultados del estudio. Las variables que se tuvieron en cuenta en este estudio fueron el tipo de música durante la conducción, el sexo de los conductores y las experiencias al volante de los conductores. Estas variables se incorporaron además al estudio de otras variables telemétricas como la aceleración, el número de revoluciones por minuto (RPM) del motor, el freno, el tráfico y otros tipos de infracciones distintas de la velocidad, que se consideraron variables dependientes. Se utilizó un simulador de conducción y se realizaron diferentes estudios de simulación de conducción con jóvenes de entre 20 y 28 años. Cada participante realizó tres simulaciones escuchando diferente tipo de música en cada trayecto. El estudio definió un modelo conceptual en el que los datos se analizaron y evaluaron matemáticamente mediante redes bayesianas. Se realizó un análisis de sensibilidad para evaluar la influencia de la música en la velocidad de conducción. A partir de las distintas variables, el estudio analizó además la probabilidad de infracciones de velocidad cometidas por los conductores y su velocidad adecuada. El rango de probabilidades de frecuencia osciló entre el 96,32% (que corresponde a conductores varones experimentados que no escuchan música) y el 79,38% (que corresponde a conductoras menos experimentadas que escuchan música), lo que se tradujo en su alegría o agresividad.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Predicción del comportamiento del conductor al cambiar de carril basada en Deep Learning
Artículo:
Predicción basada en modelos CPT de las distribuciones temporales y espaciales del flujo de pasajeros para el transporte ferroviario urbano en condiciones de emergencia
Artículo:
Un marco de recuento de multitudes que combina la localización de multitudes
Artículo:
Previsión de la velocidad de desplazamiento en los días de lluvia para desarrollar una estrategia adecuada de control de los límites de velocidad variables para reducir el riesgo de conducción
Artículo:
Consideraciones operativas sobre la movilidad aérea a la demanda: Revisión bibliográfica y retos de la investigación