结合多种已知的评估驾驶健康状况的测试,并提出一种方法,将这些测试整合到一个名为“驾驶员安全指数”的指数下。
115名18至86岁之间的许可驾驶员分为两组:64名年轻参与者(平均29岁),51名年龄较大的参与者(平均年龄77岁)。在三个不同的实验阶段评估每个参与者。 1。视觉测试:视敏度测试(V1),立体视觉测试(V2)和双眼视野测试(V3)。 2。基于3个难度的方案的模拟器驾驶测试:高速公路(低),农村(中)和城市(高)。 3。 NeuroTracker 作为视觉认知测试。分析了模拟器测试的广泛驱动性能指标,以了解与视觉测试,年龄和 NeuroTracker 分数的相关性。
驾驶性能与视觉测试之间的相关性有限。高 NeuroTracker 得分与高驾驶性能紧密相关,得分低,驾驶性能低,以及碰撞风险的牢固关系。 NeuroTracker 得分也比年龄更好地预测了驾驶性能。驾驶能力与 NeuroTracker 分数密切相关。这些发现凸显了视觉认知能力在评估驾驶能力中的重要性。这项研究为驾驶行为的一个共同指标铺平了道路。研究作者建议 NeuroTracker 成为获得或更新驾驶执照的一系列测试中的组成部分。
NeuroTracker 是一种可行的工具,用于训练MS患者的认知功能,并具有潜在转移以改善现实生活的功能。
评估 NeuroTracker 在具有MS的患者中的可用性及其对认知训练效果的反应性。标准化的神经理评估和驾驶准备测试(有用的视野)。
16例MS和9年龄匹配的对照患者完成了四个30分钟的 NeuroTracker 训练课程。
MS患者的得分低于对照,但是他们的得分以相同的速度提高,表明对训练的健康反应。前神经心理学评估显示,训练效应的变化并不重要,中等效应大小。对于MS组,驾驶准备测试显示训练后有显着增加。研究人员得出的结论是, NeuroTracker 可用于培训MS患者的认知技能,并且可能会改善现实生活的功能,例如驾驶安全性。
NeuroTracker 训练转移以显着改善有用的视野,这是与驾驶技能密切相关的能力。
要检查 NeuroTracker 训练是否会转移到有用的视野(UFOV)性能,这是与驾驶性能密切相关的措施。
使用数学游戏(2048)(2048),招募了23至 NeuroTracker 岁的20岁年轻人23至33岁的年轻人。两组在5周内完成了5个小时的培训。两组均完成了对UFOV的前标准化评估。
NeuroTracker 训练组表现出明显提高的UFOV性能,而主动对照组仅显示出统计学上的小小的不显着改善。研究人员认为, NeuroTracker 和UFOV的表现可能取决于重叠的认知能力,并且可以在年轻人中对这些能力进行培训和衡量,从而可以提高驾驶安全性。
单个6分钟的 NeuroTracker 基线与健康老年人的模拟驾驶风险和车道偏差高度相关。
通过评估 NeuroTracker 是否测量与模拟场景中的较旧的驾驶性能相关的方法,即驾驶性能与多个对象的动态处理密切相关的理论。
30个经验丰富的驾驶员在一场 NeuroTracker (3D-MOT)上测试了65-85岁年龄的驾驶员,并在Stisim 3.0驾驶模拟器上完成了多达3个驾驶场景。场景中包括5个意外事件以测试崩溃风险。然后计算 NeuroTracker 速度阈值与模拟器测量(碰撞速率,车道偏差)之间的相关性。
在高速公路驾驶场景中, NeuroTracker 阈值与碰撞率和车道偏差之间发现了极大的相关性。在高速公路合并期间,较低的 NeuroTracker NeuroTracker 分数与车道偏差密切相关,并且与参与者在不同情况下崩溃的可能性较小,并且具有更好的整体车道维护技能有关。这项研究增加了这样的想法,即 NeuroTracker 等多个对象跟踪测试可能是将老年驾驶员评估电池纳入评估电池的候选人。
30次 NeuroTracker 训练会议促进了年轻和老年人的高级驾驶模拟器的更安全驾驶技能。
为了调查 NeuroTracker 训练是否可以通过最先进的驾驶模拟器来衡量的提高驾驶技能。
将20名年轻人和14名老年人分为活跃和主动控制组。活跃的小组完成了30次 NeuroTracker 训练。在培训之前和之后,使用高保真驾驶模拟器对所有参与者进行了评估,该模拟器测量了驱动性能的许多方面。
该研究的结果表明,在 NeuroTracker 训练后,年轻人和老年人均表现出模拟驾驶性能的显着改善。具体而言,这包括更好的车道保持能力,对危害的更快反应时间以及提高整体情境意识。老年人群体在驾驶性能方面表现出更大的总体增长。研究人员得出的结论是,这项研究提供了初步证据,表明 NeuroTracker 训练可以提高驾驶安全性,尤其是通过更快地发现或对危险事件的反应来提高驾驶安全性。
NeuroTracker 基准有效地预测了年轻和老年人的驾驶安全性,以及经验丰富且经验不足的驾驶员。
为了研究 NeuroTracker 基准可以预测在3个模拟场景中驾驶性能,以查看这些措施是否可以预测驾驶风险。
115个司机分为三个年龄和经验组:年轻经验(18-21岁),成人经验(25-55岁)和老年人(70-86岁)。使用高度复杂的驾驶模拟器,在三种不同的驾驶场景中对参与者进行了2个小时的测试(低,中,高)。总共评估了18种不同的驾驶行为指标,并将其与 NeuroTracker 基线得分进行了比较。
NeuroTracker 结果和驱动性能度量标准的统计分析产生了显着的相关性,包括预测驾驶速度,破坏速度和对危险事件的反应。较低的 NeuroTracker 得分有效地预测了坠机风险的升高。较低的 NeuroTracker 得分也与老年人的平均驾驶速度较慢显着相关,这提供了以下理论,即驾驶更慢的与衰老的认知效应有关。