文献

J-GLOBAL ID：201702271073575783   整理番号：17A0023303

オートバイ操縦プリミティブへの確率的セグメンテーションによるライダ技術同定【Powered by NICT】

Rider skill identification by probabilistic segmentation into motorcycle maneuver primitives

著者 (4件)： Magiera N. (Technische Universitaet Darmstadt, Germany) ,  Janssen H. (Honda Research Institute Europe GmbH, Offenbach, Germany) ,  Heckmann M. (Honda Research Institute Europe GmbH, Offenbach, Germany) ,  Winner H. (Institute of Automotive Engineering at Technische Universitaet Darmstadt, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ITSC  ページ： 379-386  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 動力二輪車の静的および動的不安定性の結果として,ライダーが高度に要求される制御タスクを実行する。乗客の安全性は,ライダーの個々の能力と技能に強く依存した。運転者のスキルレベルを向上し,乗誤差を低減するために,安全性訓練は十分に確立されている。さらに,安全システムと最近,先進的ライダー支援システムは事故を回避又は軽減に役立つ。従来ライダー訓練は,制御された環境における訓練シナリオの少数に限られているが,安全システムは,典型的には,特定の状況(衝突警報)または賦形剤の物理的限界(A BS)に限定されている。コーナリングシナリオのための統計的ライダーモデルに基づく乗誤差を同定し,個人ライダースキルスコアを推定する方法を提案した。その意図は,組織化された事象を超えて個人自己訓練に対するライダー技能訓練を拡張することである。コーナリング技能レベルの自動スコアリングは速度と局所曲率の高い変動性と同様に乗車中に遭遇する可能性があることを異なる交通状況の多様性を考慮する必要がある。例えば曲がりくねった道に沿って乗り複雑な運転タスクを分割し,例えばロールに隅角部,安定した希薄,とロールのコーナー小さい制御タスクに,別々に最初,配列と転移を解析するために示唆した。は複雑な作業を分割小さいセグメントに,最良のセグメンテーションモデルに基づくライダー技術の指標を示すことを隠れMarkovモデルに基づく様々なアプローチを評価した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 安全性 ,  隠れMarkovモデル ,  賦形剤 ,  セキュリティシステム ,  曲率 ,  *オートバイ ,  乗客 ,  警報 ,  *セグメンテーション ,  *LIDAR
準シソーラス用語： *レーザレーダ ,  交通状況 ,  スコア化 ,  コーナリング ,  支援システム , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (6件)： オートバイ ,  操縦 ,  確率 ,  セグメンテーション ,  ライダ ,  同定