文献

J-GLOBAL ID：201102225250138760   整理番号：11A0131318

運転技能のキャラクタリゼーションに対するパターン認識のアプローチ

A Pattern-Recognition Approach for Driving Skill Characterization

著者 (3件)： ZHANG Yilu (General Motors, MI, USA) ,  LIN William C. (General Motors, MI, USA) ,  CHIN Yuen-Kwok Steve (General Motors, MI, USA)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 11  号： 4  ページ： 905-916  発行年： 2010年12月 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  資料種別： 逐次刊行物 (A)
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： 自動車運転は,運転者の様々な運転行動,車両の応答,及び運転環境の三者の多重構造の相互作用として捉えることができる。運転者の運転技能を知ることは,車両制御パラメータを適応させ良好な走行や安全性を実現する上で重要である。本論文では,運転者の運転技能のキャラクタリゼーション法として,従来のモデルに基づく方法ではなく,パターン認識に基づく新しい方法を提案する。これは,運転技能水準を反映するパターンを運転行動と車両の応答から抽出する方法である。例えば,ハンドル操作に関する運転技能水準を同定する判別特徴として,操舵角の離散Fourier変換の係数を用いる。また,運転技能を推論する認識器を求めるため機械学習法を用いる。学習アルゴリズムとして,多層パーセプトロン-人工ニューラルネットワーク,決定木,及びサポートベクトルマシンを取り上げ,決定融合法を検討する。運転シミュレータでの実験により提案方法の有効性を示す。

シソーラス用語： *運転者 ,  *作業能力 ,  *パターン認識 ,  キャラクタリゼーション ,  運転 ,  自動車 ,  人間行動 ,  応答特性 ,  規範モデル ,  特徴抽出 ,  Fourier変換 ,  機械学習 ,  学習アルゴリズム ,  多層パーセプトロン ,  ニューラルネットワーク ,  ディシジョンツリー ,  サポートベクトルマシン ,  訓練用シミュレータ
準シソーラス用語： 運転シミュレータ ,  運転行動 ,  運転者モデル ,  自動車運転

分類 (3件)： 運転者  (TB01040V) ,  パターン認識  (JE07000S) ,  人間機械系  (IB03000G)

タイトルに関連する用語 (3件)： 技能 ,  キャラクタリゼーション ,  パターン認識