Search results for "ajokyky"
showing 8 items of 8 documents
Suomalaiset ADHD-diagnoosin saaneet miehet autoilijoina
2008
Capacity, workload and mental contents : exploring the foundations of driver distraction
2010
Muistihäiriöpotilaat ajokyvyn arvioijina : itsearvioinnin luotettavuus ajokykytutkimuksessa
2007
Yksilölliset erot kuljettajien katsepreferensseissä ja katseiden kestoihin vaikuttavat tekijät
2017
Kuljettajien tarkkaamattomuus on maailmanlaajuinen ilmiö. Tarkkaamattomuuden vaikutuksia liikenneturvallisuuteen on tutkittu ilmiön yleisyyden takia viime aikoina paljon. Useiden tutkimuksien mukaan kuljettajan tarkkaamattomuus on merkittävä tekijä auto-onnettomuuksissa. Usein kuljettajan tarkkaamattomuus johtuu toissijaisesta tehtävästä – esimerkiksi viestin kirjoittamisesta tai osoitteen etsimisestä – ajon aikana. Aiemmissa tutkimuksissa on havaittu, että kuljettajilla saattaa olla yksilöllisiä laitteeseen suuntautuvien katseiden kestojen preferenssejä toissijaisia tehtäviä tehdessä. Nykyiset usein käytetyt elektronisten laitteiden aiheuttamaa tarkkaamattomuutta mittaavat testausmenetelmä…
Ajokyvyn arviointi MoCA-menetelmällä Alzheimerin taudin varhaisvaiheessa
2019
Vertaisarvioitu Lähtökohdat Tutkimme Montreal Cognitive Assessment (MoCA) -menetelmän soveltuvuutta varhaista Alzheimerin tautia sairastavien potilaiden ajokyvyn arviointiin. Selvitimme myös menetelmän herkkyyttä tunnistaa kognitiomuutoksia. Menetelmät Tutkimus sisälsi haastattelun, kognitiivisen arvioinnin (MoCA), ajon simulaattorilla ja oman ajamisen arvioinnin. Siihen osallistui 7 potilasta ja 17 tervettä ikätoveria. Tulokset Potilaat suoriutuivat verrokkeja heikommin MoCA-testissä ja simulaattoriajossa. Arvio omasta suoriutumisesta ajossa oli heillä merkitsevästi parempi kuin verrokeilla. Potilaat saivat testipisteitä keskimäärin 18,6 ja verrokit 27,4. Simulaattoriajossa potilaat tekivä…
Driver Distraction Detection Using Bidirectional Long Short-Term Network Based on Multiscale Entropy of EEG
2022
Driver distraction diverting drivers' attention to unrelated tasks and decreasing the ability to control vehicles, has aroused widespread concern about driving safety. Previous studies have found that driving performance decreases after distraction and have used vehicle behavioral features to detect distraction. But how brain activity changes while distraction remains unknown. Electroencephalography (EEG), a reliable indicator of brain activities has been widely employed in many fields. However, challenges still exist in mining the distraction information of EEG in realistic driving scenarios with uncertain information. In this paper, we propose a novel framework based on Multi-scale entrop…