Summary
在这里, 我们提出了一个协议, 以评估驾驶行为, 而跟随车辆在模拟驾驶环境。该协议用于比较不同听觉背景对驾驶行为的影响。
Abstract
汽车驾驶是现代社会许多人的日常活动。司机们经常在开车时听音乐。本文提出的方法研究听音乐如何影响驾驶行为。选择驾驶模拟是因为它既提供了良好的控制环境, 也提供了良好的生态有效性水平。驾驶行为是通过汽车跟踪任务进行评估的。实际上, 参与者被指示跟随一辆领先的车辆, 就像他们在现实生活中所做的那样。引线车辆的速度随着时间的推移而变化, 需要参与者不断调整速度。车辆间时间被用来评估驾驶行为。为补充驾驶行为, 还收集了唤醒的主观情绪和生理水平。因此, 使用这种方法收集的结果提供了对人类内部状态 (即主观情绪和生理唤醒) 和汽车随后任务中的驾驶行为的见解。
Introduction
在过去的几十年里, 汽车驾驶活动迅速增加, 现在是现代社会许多人的日常活动。随着这一增长, 汽车驾驶活动已成为人为因素社区1 研究的热门话题。
通常界定人类的主要文化活动数量极为有限, 无论人口和历史时期如何, 2。音乐是这些活动之一, 以及工具的使用和符号推理支撑语言的能力 3。因此, 演奏和听音乐是一项至关重要的个人和社会活动。在详尽的文献综述的基础上, Schäfer 等人4发现, 与音乐听有约130种不同的非冗余函数和三个音乐听元函数被确定出来: (1) 唤醒和情绪调节, (2)自我意识成就, 和 (3) 社会关联表达。因此, 人们经常在各种情况和地点听音乐.在这些情况中, 开车时听音乐极为普遍, 司机报告说, 在大约四分之三的驾驶时间里听音乐.
众所周知, 音乐听力会影响听者的情绪状态,从而在各种情况和研究领域诱导情绪变化。根据情绪一致性理论, 一个人的行为与他的情绪9与从神经成像10和行为实验 11中获得的证据有关。按照这一理论, 音乐听力可以改变司机的情绪, 进而改变驾驶行为。
研究发现, 在某些条件下或其他条件下的损伤下, 驾驶时音乐引起的情绪变化会导致性能得到改善。一方面, 在复杂和苛刻的驾驶环境中, 平静的音乐被发现可以缓解情感状态: 它对负面情绪有软化作用, 降低了压力, 并改善了驾驶员的放松和平静12。据报道, 与逐渐音乐变化相比, 这种放松效果在使用突然的音乐变化时效率更高。另一方面, 与中性情绪表现14相比, 当以前通过音乐和引导图像诱发愤怒时, 人们在检测驾驶场景中的危险方面速度较慢。在驾驶过程中愉快的音乐听力也被发现不利于横向控制效率, 而悲伤的音乐对车辆的横向控制没有明显的影响。总之, 司机的情绪会根据音乐和相关的情绪归纳以及所考虑的驾驶情况, 以相反的方式影响驾驶表现。
本文报道的方法的目的是提供一个实验控制良好的驾驶情况, 以调查音乐听力对驾驶行为的影响。为了保证驾驶情况的重现性, 提出了一种基于驱动仿真的驱动仿真方法。乍一看, 驾驶模拟可能被认为是一个退化的版本的真正驾驶调查。然而, 实际情况更为复杂, 给定的实验设置不能被视为绝对的最佳实验解决方案。相反, 最好的实验设置是最准确地适合调查需要的方法.如果真正的汽车驾驶是最好地再现日常生活驾驶情况的实验设置, 它也会带来一些缺点: 在实验操作的情况下, 司机安全, 驾驶性能的潜在障碍,难以控制驾驶环境, 包括交通、天气状况、光线状况、环境噪音水平等。相反, 如果驾驶模拟器不如真实车辆真实, 则可以严格控制和复制 17.因此, 不同的参与者可以暴露在完全相同的实验条件下。此外, 由于只从事虚拟安全 (而不是真正的安全), 可能损害驾驶性能的实验操作成为可能。总之, 驾驶模拟在自然保护驾驶活动的需要 (即外部有效性) 和需要强大的实验控制 (即内部有效性) 之间提供了一个很好的妥协。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
这里描述的所有方法都得到了里昂大学2大学心理学系道德委员会的批准, 并获得了所有参与者的知情同意。
注: 参加者是通过在当地社区和大学张贴的通知征聘的。
1. 参加者
- 确保参与者有驾照和至少两年的驾驶经验。
- 确保参与者有正常或纠正正常的视力和试镜。
- 确保参与者不患有精神疾病 (如精神分裂症)。
- 招募人数类似的女性和男性。
- 为参与者配备与手表相连的心率带, 以监测心率。
- 要求参与者自由选择自己喜欢的音乐曲目 (参与者选择的例子: 上城 Funk 由马克·罗森以 Bruno Mars 或啦啦队为特点由 OMI)。让参与者在 USB 棒上提供音乐曲目。使用此曲目可以为实验创建不同的音乐背景 (请参阅第3节)。
2. 驾驶模拟
注: 以下步骤是基于一个新的驾驶模拟器, BB _ Sim 开发的大学, 其中包括一台计算机, 三个屏幕, 以及方向盘和加速和刹车踏板的驾驶控制。最初的研究是使用开源 OpenSD2S 软件18使用不同的驾驶模拟器进行的。
- 将驾驶模拟驾驶噪声 (即被驾驶车辆的发动机) 设置为±25Db。
- 将参与者坐在模拟器前, 距离屏幕约60厘米 (参与者前面的三个屏幕, 每个屏幕48厘米 x 30 厘米, 在水平轴上总共覆盖37.52 °的视角和28.65°的垂直视角 轴), 在修改后的汽车座椅。
- 让参与者调整座椅和踏板之间的距离, 将手柄放在座椅下方。
- 一旦参与者被舒适地定位, 提供有关使用模拟器功能的说明 (即如何与加速和刹车踏板以及方向盘进行交互)。
- 通知参与者有时可能发生的模拟病, 并让参与者知道如有必要, 模拟将随时停止。
- 使用一条每个方向有一条车道的农村道路, 有五个左弯道和五个右弯道, 没有任何车辆。
3. 音乐背景
- 使用软件来修改音乐的节奏, 而不进行任何音高修改。
- 为每个参与者创建四个听觉背景: (1) 无音乐, 不播放其他音乐;(2) 音乐, 每个参与者喜欢音乐曲目, 不做修改;(3) 音乐 + 10, 每个参与者更喜欢音乐曲目与增加的节奏。节奏增加了10% 的常规节奏;(4) 音乐 10, 每个参与者更喜欢节奏较短的音乐曲目。节奏减少了10% 的常规节奏。
- 控制音乐的强度。众所周知, 音乐强度会改变驾驶表演19。将所有听觉背景的强度设置为 75 dB, 但 "无音乐" 条件。
- 在每个驱动器的整个持续时间内, 使用软件播放四个音乐背景中的一个。在参与者右侧和左侧的两个侧向供电显示器扬声器上播放音乐。
4. 模拟的汽车跟踪任务
- 提供有关任务的说明: "像在现实生活中所做的那样开车。你的目标是跟随你面前的车辆在一个接近, 但安全的恒定距离, 仿佛跟随一个朋友在未知的路线。通知参与者路径上没有流量或障碍物。
- 从训练阶段开始模拟, 以便参与者熟悉驾驶模拟器、模拟环境、车辆控制和后续车辆任务。当参与者感到舒服时, 停止训练阶段。
- 继续进行实验驱动器。启动模拟汽车跟随任务和四个音乐背景之一。
- 开始记录每个模拟汽车跟随任务开始时的心率数据, 并在该驾驶任务结束时结束。
- 对于模拟汽车驾驶任务, 让司机先开车 5 0 米, 然后停在 "停车" 标志处。一旦参与者的车辆停了下来, 一辆领先的车辆就会出现在十字路口左侧的道路上。指示参与者跟随车辆。在领先车辆的速度保持不变并设置为20公里每小时后, 其速度在每个60秒内的每一个周期中变化45公里至70公里每小时, 总共3分钟。然后, 要求参与者停止开车。
- 对于后续的车辆任务, 请使用具有相反交通方向的双车道道路。为了提供一个现实的驾驶环境, 使用左弯道 (n = 5) 和右弯道 (n = 5) 的平衡数的路段, 曲率半径从45米到300米. 此外, 在路段边缘添加视觉元素, 如树木屏障、田野和地貌。
- 对四个音乐背景中的每一个重复汽车跟随任务。跟随的汽车任务大约需要 4分钟 (3分钟实际汽车跟随加上驾驶模拟的开始和结束)。
注: 如果需要, 可以延长后续汽车任务的持续时间。 - 在每个后续的任务之间休息 5分钟, 以减少结转效果。
- 使用拉丁文正方形设计在参与者之间平衡四个音乐背景的呈现顺序。
5. 数据收集
- 使用法语 21,22 验证的 "简约情绪反思量表" ( bmis) 20 收集参与者在各种情况下的主观情绪。本问卷提供了参与者在四个情绪维度的情绪数据: 愉悦/不愉快、平静、积极/疲惫和放松。
- 收集生理措施。利用心率监测仪记录的每秒样本数据, 计算每个实验条件下整个驱动器的平均心率和心率变异性。在实际应用中, 通过计算相同数据的标准偏差, 通过平均在每个实验条件下收集的所有数据和心率变异性来计算平均心率。
- 通过车辆间平均时间和车辆间时间变异性来衡量客观驾驶行为。以60赫兹的采样率记录行驶和领先车辆在每个时间步长上的位置和速度。
- 在每个步骤中, 计算车辆之间的时间, 如果领先车辆的位置被冻结, 被驾驶车辆的速度保持不变, 则被驾驶车辆到达领先车辆的位置所需的时间。
- 平均为驱动器收集的所有值, 以获得车辆间的平均时间, 并计算这些值的标准偏差, 以获得车辆之间的时间变异性。
注: 可以计算多个变量, 以限定在汽车跟踪任务期间的驱动行为。车辆之间的时间特别适合, 因为它提供了驾驶车辆与司机选择的主要车辆之间的安全边际。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
主要比较是基于以下实验条件。第一个实验条件是 "无音乐" 与 "音乐", 它是使用配对 t 测试的 "无音乐" 背景和个人首选音乐背景之间的比较。这些分析旨在评估听喜欢的音乐与没有音乐的控制条件相比的影响。第二个实验条件是四种不同的音乐背景, 与没有音乐、音乐、音乐 + 10 和音乐-10 相对应的音乐节奏操作进行比较, 与没有音乐的控制条件相比, 使用重复的措施方差分析。
与《无音乐》相比, 音乐在《简约情绪反思量表》 (图 1) 的四个维度中的三个维度上观察到的音乐对主观情绪有显著影响。在令人愉快的不愉快的情况下发现了显著的差异 (t (23) =-2.75;p < 0.01), 声音平静 (t(23) =-2.67;p < 0.01) 和正疲劳 (t (23) = 3.54;p < 0.001) 尺寸。负松弛维度无显著性差异 (t (23) = 1.05;p = 0.153)。
图 1: 在没有音乐和音乐背景条件的情况下, 由 BMIS 评估主观情绪。(a) 令人愉快的不愉快的水平从 16 (最不愉快的情况) 到 64 (最愉快的情况)。(b) 从 12个 (最小激活水平) 到 48 (最大唤醒水平) 的唤醒平静水平。(c) 正疲劳级别从 7 (最疲劳的级别) 到 28 (最积极的水平)。(d) 从 6个 (最负的水平) 到 24个 (最放松的水平) 的负放松水平。错误条表示标准错误。请点击这里查看此图的较大版本.
考虑到所有四个听觉背景, BMIS 的四个维度对主观情绪有显著影响 (图 2)。在令人愉快的情况下发现了显著的差异 (f (3, 69) = 2.75;p < 0.05), 平静 (f(3, 69) = 7.74;p < 0.001), 正疲劳 (f (3, 69) = 7.36;p < 0.001) 和负性放松 (f (3, 69) = 3.24;p < 0.03) 尺寸。
图 2: 在四种不同听觉背景条件下, 由 BMIS 评估主观情绪.(a) 令人愉快的不愉快的水平从 16 (最不愉快的情况) 到 64 (最愉快的情况)。(b) 从 12个 (最小激活水平) 到 48 (最大唤醒水平) 的 arousal 水平。(c)正疲劳级别从 7 (最疲劳的级别) 到 28 (最积极的水平)。(d)从 6个 (最负的水平) 到 24个 (最放松的水平) 的负放松水平。错误条表示标准错误。请点击这里查看此图的较大版本.
"无音乐" 背景的平均心率差异显著 (t (18) =-5.05;p < 0.001;图 3)。背景条件对心率变异性影响不大 (t (18) =-1.58;p = 0.07;图 3)。
图 3: 在没有音乐和音乐背景条件的情况下, 平均心率和心率变异性.(a) 平均心率。(b) 平均心率变异性。错误条表示标准错误。请点击这里查看此图的较大版本.
四种听觉背景条件下的平均心率差异显著 (f (3, 51) = 4.25;p < 0.01;图 4)。背景条件对心率变异性影响不显著 (f(3, 51) = 0.94;p = 0.43;图 4)。
图 4: 在四种不同的听觉背景条件下, 平均心率和心率变异性.(a) 平均心率。(b) 平均心率变异性。错误条表示标准错误。请点击这里查看此图的较大版本.
"无音乐" 和 "无音乐" 背景的平均车辆间时间差异显著 (t (23) = 2.53;p < 0.01; 图 5)。车辆间时间的标准偏差受背景条件影响不大 (t (23) =-0.11;p = 0.55;图 5)。
图 5: 在没有音乐和音乐背景条件的情况下, 平均车辆间时间和车辆间时间标准差。(a) 平均车辆间时间。 (b) 平均车辆间时间标准偏差。错误条表示标准错误。请点击这里查看此图的较大版本.
在四个听觉背景条件下, 平均车辆间时间无显著差异 (f (3, 69) = 1.88;p = 0.14;图 6)。同样, 车辆间时间的标准偏差也没有受到背景条件的显著影响 (f (3, 69) = 1.57;p = 0.20;图 6)。
图 6: 在四种不同听觉背景条件下的平均车辆间时间和车辆间时间标准差。(a) 平均车辆间时间。(b) 平均车辆间时间标准偏差。错误条表示标准错误。请点击这里查看此图的较大版本.
开车时听音乐或不听音乐 (没有音乐与音乐的条件) 被发现对主观情绪、兴奋的生理水平和驾驶表演有显著影响。更详细地说, 在车轮后面听最喜欢的音乐会对情绪产生积极影响, 从而带来更高水平的愉悦、兴奋和更积极的情绪 (图 1)。没有音乐和音乐背景的比较显示, 音乐听力对司机的平均心跳率有显著影响。音乐增加了平均心率。与主观数据一致, 这种增加可以解释为音乐听引起的兴奋增加 (图 3)。人们认为, 音乐听力产生的兴奋的增加转化为驾驶行为的改变。在后续的汽车任务中, 与没有音乐听音乐的控制条件相比, 驾驶员在听音乐时的车辆间时间较小 (图 5)。这可以解释为减少司机的安全边际, 从外部评估的角度来看, 车辆将遵循 (即绝对安全边际)。然而, 从司机的角度来看, 车辆之间的时间减少很可能是根据他们自己的感知能力来调整的。随着更高水平的唤醒, 更快的检测和响应, 以跟踪领先车辆的速度变化可以。不过, 从司机的角度来看, 需要缩短车辆之间的时间, 以保持同样的安全边际 (即相对安全边际)。总之, 这里报道的实验协议被发现足够敏感, 可以揭示情绪变化、生理变化和驾驶行为变化, 以便在没有音乐和音乐条件的比较中进行比较。对音乐节奏的操纵 (即四种不同听觉背景的比较) 并没有转化为相同的结果模式。如果主观情绪和生理评估唤醒的四个维度都受到听觉背景的显著影响, 则未发现音乐节奏的明显影响。事实上, 音乐、音乐 + 10 和音乐-10 条件对驾驶员的主观情绪和生理兴奋有显著不同的影响 (图 2和图 4)。此外, 这四个条件一起考虑并没有显著改变驾驶行为, 如车辆间时间所揭示的 (图 6)。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
该方法非常适合认知人机工程学研究, 因为它在实验控制和生态维度16之间提供了一个很好的妥协。如果需要强大的实验控制来确保收集到的结果与实验操作有关, 如果仅限于实验条件, 就不会有任何结果。事实上, 如果将科学成果转移到现实生活中, 科学成果是令人感兴趣的。这些断言并不意味着只有现实生活中的实验才是有价值的, 而是强调一种方法的生态有效性取决于研究的目标。所报道的方法应该得到对现实生活中 (即汽车驾驶) 中人类认知和行为感兴趣、需要良好实验控制的研究人员的青睐。当然, 所报道的方法并没有再现现实生活中的驾驶情况, 在这种情况下, 各种声音噪音会干扰音乐听会对驾驶行为的影响。在实际驾驶的情况下, 随着司机自身安全的参与, 这也可能对结果产生影响。然而, 使用此处建议的方法, 驾驶任务不会被分解, 驾驶员可以像通常在模拟环境中那样驾驶, 在模拟环境中, 事件 (即汽车跟随速度变化) 可以从一个条件准确地再现到另一个条件, 并从另一个条件中准确地再现。参与者到另一个。该方法也有局限性。驾驶是一项复杂的活动, 这里复制的后续汽车任务只是许多其他可能的驾驶任务中的一项驱动任务。在汽车跟踪任务中, 重点放在速度控制上, 但横向控制以及涉及不同认知控制和神经回路水平的战术和战略任务没有研究23。此外, 协议的短暂持续时间不足以调查疲劳、分心或思想流浪等问题。
幸运的是, 该方法可以根据实验需要进行调整。在这里, 并与以往关于驾驶与音乐的影响的研究 24,25, 只有著名的汽车跟随任务26已使用。在今后的研究中, 还可以考虑其他暗示不同视觉探索策略的驾驶情况, 2 7也可以在实验协议中添加。
无论对协议进行这些可能的调整, 都需要熟悉驾驶模拟器, 以确保参与者熟悉车辆动态并正确安装。同样, 音乐曲目的质量和强度以及扬声器质量对于确定该方法的重现性至关重要。
人类的情绪被经典地认为是两个正交维度 28,29,30,31: 价 (从消极的影响到积极的影响) 和唤醒 (从失活到激活)。例如, 悲伤与高度消极的价 (即不愉快) 有关, 但在激活31方面是中性的。未来的研究方向将是进一步研究这两个维度的情绪使用音乐聆听。此外, 音乐是一种复杂的刺激, 可以根据自己的特性 (例如, 强度、节奏、节奏、模式) 来描述。音乐也可以根据它对听众的影响来描述。因此, 给定的音乐曲目可以对每个单独的听众产生不同的影响。在这里, 我们调查了听最喜欢的音乐曲目的影响, 以及节奏操纵, 对驾驶表演的影响。在未来, 其他音乐维度可以调查, 以及不同的影响取决于听者。
今后这种方法的应用也可以超越音乐听力调查。因此, 研究主题如开车3 2 时发短信、开车33 时走神、驾驶自动化34、35、3 6、3 7等, 都可以从拟议的方法中受益.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
作者没有什么可透露的。
Acknowledgments
这项研究得到了里昂大学 LABEX CORTEX (ANR-11-ABBX-0042) 在法国国家研究机构 (anr) 实施的 "交流" (ANR-11-IDEX-0007) 方案的支持。
Materials
| Name | Company | Catalog Number | Comments |
| Audacity software | Audacity | Open source | https://www.audacityteam.org |
| Driving simulator | Université de Sherbrooke | BB sim | |
| Polar watch with heart rate monitor | Polar | RC3 | https://www.polar.com/fr |
| Speakers | Yamaha | MSP3 | |
| Steering wheel and pedals | Logitech | G27 |
References
- Lee, J. D. Fifty Years of Driving Safety Research. Human Factors. 50 (3), (Cover story) 521-528 (2008).
- Zatorre, R. J., Peretz, I. The Biological Foundations of Music: Annals of the New York Academy of Sciences. , New York. Available from: http://www.nyas.org/publications/Annals/Detail.aspx?cid=543a809f-1f08-4457-914c-76c78fcc3b48 (2001).
- Glacken, C. J. Traces on the Rhodian shore: Nature and culture in Western thought from ancient times to the end of the eighteenth century. , Univ of California Press. (1973).
- Schäfer, T., Sedlmeier, P., Städtler, C., Huron, D. The psychological functions of music listening. Frontiers in Psychology. 4, (AUG) (2013).
- Rentfrow, P. J., Gosling, S. D. The do re mi's of everyday life: the structure and personality correlates of music preferences. Journal of personality and social psychology. 84 (6), 1236 (2003).
- Dibben, N., Williamson, V. J. An exploratory survey of in-vehicle music listening. Psychology of Music. 35 (4), 571-589 (2007).
- Juslin, P. N., Laukka, P. Expression, Perception, and Induction of Musical Emotions: A Review and a Questionnaire Study of Everyday Listening. Journal of New Music Research. 33 (3), 217-238 (2004).
- Västfjäll, D. Emotion Induction through Music: A Review of the Musical Mood Induction Procedure. Musicae Scientiae. 5, 1 Suppl 173-211 (2002).
- Mayer, J. D., Gaschke, Y. N., Braverman, D. L., Evans, T. W. Mood-Congruent Judgment Is a General Effect. Journal of Personality and Social Psychology. 63 (1), 119-132 (1992).
- Lewis, P. A., Critchley, H. D., Smith, A. P., Dolan, R. J. Brain mechanisms for mood congruent memory facilitation. NeuroImage. 25 (4), 1214-1223 (2005).
- Blaney, P. H. Affect and memory: a review. Psychological bulletin. 99 (2), 229 (1986).
- Wiesenthal, D. L., Hennessy, D. A., Totten, B. The Influence of Music on Driver Stress1. Journal of applied social psychology. 30 (8), 1709-1719 (2000).
- van der Zwaag, M., Janssen, J. H., Nass, C., Westerink, J., Chowdhury, S., de Waard, D. Using music to change mood while driving. Ergonomics. 56 (10), 1504-1514 (2013).
- Jallais, C., Gabaude, C., Paire-Ficout, L. When emotions disturb the localization of road elements: Effects of anger and sadness. Transportation research part F: traffic psychology and behaviour. 23, 125-132 (2014).
- Pêcher, C., Lemercier, C., Cellier, J. Emotions drive attention: Effects on driver's behaviour. Safety Science. 47 (9), 1254-1259 (2009).
- Hoc, J. -M. Towards ecological validity of research in cognitive ergonomics. Theoretical Issues in Ergonomics Science. 2 (3), 278-288 (2001).
- Kaptein, N., Theeuwes, J., Van Der Horst, R. Driving simulator validity: Some considerations. Transportation Research Record: Journal of the Transportation Research Board. (1550), 30-36 (1996).
- Filliard, N., Icart, E., Martinez, J. -L., Gerin, S., Merienne, F., Kemeny, A. Software assembly and open standards for driving simulation. Proceedings of the Driving simulation conference Europe 2010. , 99-108 (2010).
- Dalton, B. H., Behm, D. G. Effects of noise and music on human and task performance: A systematic review. Occupational Ergonomics. 7, 143-152 (2007).
- Mayer, J. D., Gaschke, Y. N. Brief Mood Introspection Scale ( BMIS ). Psychology. 19 (3), 1995 (1995).
- Niedenthal, P. M., Dalle, N. Le mariage de mon meilleur ami: Emotional response categorization and naturally induced emotions. European Journal of Social Psychology. 31 (6), 737-742 (2001).
- Dalle, N., Niedenthal, P. M. La réorganisation de l'espace conceptuel au cours des états émotionnels. Annee Psychologique. 103 (4), 585-616 (2003).
- Navarro, J., Reynaud, E., Osiurak, F. Neuroergonomics of car driving: A critical meta-analysis of neuroimaging data on the human brain behind the wheel. Neuroscience & Biobehavioral Reviews. 95, 464-479 (2018).
- Ünal, A. B., de Waard, D., Epstude, K., Steg, L. Driving with music: Effects on arousal and performance. Transportation Research Part F: Traffic Psychology and Behaviour. 21, 52-65 (2013).
- Navarro, J., Osiurak, F., Reynaud, E. Does the Tempo of Music Impact Human Behavior Behind the Wheel. Human Factors. 60 (4), 556-574 (2018).
- Brackstone, M., Mcdonald, M. Car-following a historical review. Transportation Research Part F: Traffic Psychology and Behaviour. 2, 181-196 (2000).
- Chapman, P. R., Underwood, G. Visual search of driving situations: Danger and experience. Perception. 27 (8), 951-964 (1998).
- Russell, J. A. A Circumplex Model of Affect. Journal of Personality and Social Psychology. 39 (6), 1161-1178 (1980).
- Russell, J. A. Core affect and the psychological construction of emotion. Psychological review. 110 (1), 145-172 (2003).
- Posner, J., Russell, J. A., Peterson, B. S. The circumplex model of affect: an integrative approach to affective neuroscience, cognitive development, and psychopathology. Development and psychopathology. 17 (3), 715-734 (2005).
- Feldman Barrett, L., Russell, J. A. Independence and Bipolarity in the Structure of Current Affect. Journal of Personality and Social Psychology. 74 (4), 967-984 (1998).
- Caird, J. K., Johnston, K. A., Willness, C. R., Asbridge, M., Steel, P. A meta-analysis of the effects of texting on driving. Accident Analysis and Prevention. 71, 311-318 (2014).
- He, J., Becic, E. Mind Wandering Behind the Wheel: Performance and Oculomotor Correlates. Hum Factors. , (2009).
- Navarro, J., François, M., Mars, F. Obstacle avoidance under automated steering: Impact on driving and gaze behaviours. Transportation Research Part F: Traffic Psychology and Behaviour. 43, 315-324 (2016).
- Navarro, J., Yousfi, E., Deniel, J., Jallais, C., Bueno, M., Fort, A. The impact of false warnings on partial and full lane departure warnings effectiveness and acceptance in car driving. Ergonomics. 59 (12), 1553-1564 (2016).
- Navarro, J., Deniel, J., Yousfi, E., Jallais, C., Bueno, M., Fort, A. Influence of lane departure warnings onset and reliability on car drivers' behaviors. Applied Ergonomics. 59, 123-131 (2017).
- Navarro, J. Human-machine interaction theories and lane departure warnings. Theoretical Issues in Ergonomics Science. 18 (6), 519-547 (2017).
