The usage of a smartphone while driving has been declared a global portent and has been admitted as a leading cause of crashes and accidents. Numerous solutions, such as Android Auto and CarPlay, are used to facilitate for the drivers by minimizing driver distractions. However, these solutions restrict smartphone usage, which is impractical in real driving scenarios. This research paper presents a comprehensive analysis of the available solutions to identify issues in smartphone activities. We have used empirical evaluation and dataset-based evaluation to investigate the issues in the existing smartphone user interfaces. The results show that using smartphones while driving can disrupt normal driving and may lead to change the steering wheel abruptly, focus off the road, and increases cognitive load, which could collectively result in a devastating situation. To justify the arguments, we have conducted an empirical study by collecting data using maxed mode survey, i.e., questionnaires and interviews from 98 drivers. The results show that existing smartphone-based solutions are least suitable due to numerous issues (e.g., complex and rich interfaces, redundant and time-consuming activities, requiring much visual and mental attention, and contextual constraints), making their effectiveness less viable for the drivers. Based on findings obtained from Ordinal Logistic Regression (OLR) models, it is recommended that the interactions between the drivers and smartphone could be minimized by developing context-aware adaptive user interfaces to overcome the chances of accidents.

中文翻译：

---

分析驾驶员因使用智能手机而分心：来自 AutoLog 数据集的证据

驾驶时使用智能手机已被宣布为全球性的征兆，并已被认为是导致撞车和事故的主要原因。许多解决方案，例如 Android Auto 和 CarPlay，都用于通过最大限度地减少驾驶员分心来为驾驶员提供便利。然而，这些解决方案限制了智能手机的使用，这在实际驾驶场景中是不切实际的。本研究论文对可用的解决方案进行了全面分析，以识别智能手机活动中的问题。我们使用经验评估和基于数据集的评估来调查现有智能手机用户界面中的问题。结果表明，开车时使用智能手机会扰乱正常驾驶，并可能导致突然换方向盘、注意力不集中、增加认知负荷，这可能共同导致毁灭性的局面。为了证明这些论点，我们通过使用最大模式调查收集数据进行了实证研究，即来自 98 名司机的问卷和访谈。结果表明，现有的基于智能手机的解决方案由于众多问题（例如，复杂而丰富的界面、冗余和耗时的活动、需要大量的视觉和心理注意力以及上下文限制）而最不适合，使得它们的有效性对于司机。根据从序数逻辑回归 (OLR) 模型中获得的结果，建议通过开发上下文感知自适应用户界面来减少发生事故的可能性，从而最大限度地减少驾驶员和智能手机之间的交互。我们通过使用最大模式调查收集数据进行了实证研究，即对 98 名司机进行问卷调查和访谈。结果表明，现有的基于智能手机的解决方案由于众多问题（例如，复杂而丰富的界面、冗余和耗时的活动、需要大量的视觉和心理注意力以及上下文限制）而最不适合，使得它们的有效性对于司机。根据从序数逻辑回归 (OLR) 模型中获得的结果，建议通过开发上下文感知自适应用户界面来减少发生事故的可能性，从而最大限度地减少驾驶员和智能手机之间的交互。我们通过使用最大模式调查收集数据进行了实证研究，即对 98 名司机进行问卷调查和访谈。结果表明，现有的基于智能手机的解决方案由于众多问题（例如，复杂而丰富的界面、冗余和耗时的活动、需要大量的视觉和心理注意力以及上下文限制）而最不适合，使得它们的有效性对于司机。根据从序数逻辑回归 (OLR) 模型中获得的结果，建议通过开发上下文感知自适应用户界面来减少发生事故的可能性，从而最大限度地减少驾驶员和智能手机之间的交互。结果表明，现有的基于智能手机的解决方案由于众多问题（例如，复杂而丰富的界面、冗余和耗时的活动、需要大量的视觉和心理注意力以及上下文限制）而最不适合，使得它们的有效性对于司机。根据从序数逻辑回归 (OLR) 模型中获得的结果，建议通过开发上下文感知自适应用户界面来减少发生事故的可能性，从而最大限度地减少驾驶员和智能手机之间的交互。结果表明，现有的基于智能手机的解决方案由于众多问题（例如，复杂而丰富的界面、冗余和耗时的活动、需要大量的视觉和心理注意力以及上下文限制）而最不适合，使得它们的有效性对于司机。根据从序数逻辑回归 (OLR) 模型中获得的结果，建议通过开发上下文感知自适应用户界面来减少发生事故的可能性，从而最大限度地减少驾驶员和智能手机之间的交互。