文献

J-GLOBAL ID：201702268239766561   整理番号：17A0942878

意図しない車線離脱を予測するためのニューラルネットワーク【Powered by NICT】

A neural network for predicting unintentional lane departures

著者 (4件)： Ambarak Jamaa M. (Dept. of Electrical and Computer Engineering, Wayne State University, Detroit, Michigan, USA) ,  Ying Hao (Dept. of Electrical and Computer Engineering, Wayne State University, Detroit, Michigan, USA) ,  Syed Fazal (Hybrid Electric Vehicle Control System, Ford Motor Company, Dearborn, Michigan, USA) ,  Filev Dimitar (Research and Advanced Engineering, Ford Motor Company, Dearborn, Michigan, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIT  ページ： 492-497  発行年： 2017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： 意図しない車線逸脱事故は,運転者の不注意,機能喪失,眠気に起因した。車線逸脱警報システムは,運転状況を予測する/検出と交通事故を回避・低減するために警報運転者による交通安全性を増強するために開発した。本論文では,意図しない車線逸脱,我々の知る限りでは,文献に報告されていない予測における三層パーセプトロンニューラルネットワークの有効性を検討した。VIRTTEXにより生成された運転者の実験データ,Ford Motor社での油圧駆動6自由度移動ベース運転シミュレータを用いた。実験データはシミュレートした2000ボルボS80(運転者当たり三時間),全3,508車線逸脱発生から成るを16人の居眠り運転者を示した。車線逸脱の二三は,ランダムネットワーク(秒予測範囲の82,040例とセカンド層で171,112)のための訓練事例を生成するために選択した。隠れニューロンの入力のみならず,車両変数の数は訓練プロセスを通して実験的に最適化した。すべての訓練データは時系列から除去された後に最適化されたネットワークは,一一十六運転者の全駆動時系列を処理することにより車線逸脱を予測した。ネットワークは時系列の各サンプリングモーメントでの予測を行い,6.3以上百万予測した。次層の最適化されたネットワークの全体的再現率と精度は,それぞれ99.74%と99.66%であった,これは99.23%と85.49%に分解され,それぞれ,層準は0.5sに増加したとき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： 最適化 ,  *予測 ,  交通事故 ,  警報 ,  *ニューラルネットワーク ,  *ネットワーク ,  警報システム ,  ニューロン ,  交通安全 ,  運転
準シソーラス用語： 居眠り運転 ,  ドライビングシミュレータ ,  眠気 ,  不注意 ,  車線逸脱 , 【Automatic Indexing@JST】

分類 (2件)： 電装品  (QG03070C) ,  自動車事故,交通安全  (TB01050G)

タイトルに関連する用語 (5件)： 意図 ,  車線 ,  離脱 ,  予測 ,  ニューラルネットワーク