文献

J-GLOBAL ID：201702274735870000   整理番号：17A1346661

深層学習を用いた隠された特徴抽出に基づく運転行動の可視化【Powered by NICT】

Visualization of Driving Behavior Based on Hidden Feature Extraction by Using Deep Learning

著者 (5件)： Liu HaiLong (Graduate School of Information Science and Engineering, Ritsumeikan University, Kusatsu, Japan) ,  Taniguchi Tadahiro (College of Information Science and Engineering, Ritsumeikan University, Kusatsu, Japan) ,  Tanaka Yusuke (Sensing System Research and Development Department, Corporate Research and Development Division1, DENSO Corporation, Aichi, Japan) ,  Takenaka Kazuhito (Sensing System Research and Development Department, Corporate Research and Development Division1, DENSO Corporation, Aichi, Japan) ,  Bando Takashi (DENSO International America, Inc., San Jose, CA, USA)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 18  号： 9  ページ： 2477-2489  発行年： 2017年 
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： 本論文では,著者らは,人々が連続運転行動データに特徴的な運転行動パターンを認識するのに役立つことを運転行動の可視化法を提案した。運転行動は対照地域ネットワークに接続されたセンサの様々なタイプを用いて測定できる。測定した多次元時系列データは運転行動データと呼ばれている。多くの場合,時系列データの各次元は統計的な意味で互いに独立ではない。例えば,加速器開口速度と縦加速は相互に依存している。運転行動に必須であることを隠れた特徴の少数は,多変量運転行動データを発生していると仮定した。,測定冗長運転行動データから得た隠れた特徴を抽出する運転行動に対する効果的な可視化手法を開発するために解決すべき問題である。本論文では,運転行動の可視化のための隠れた特徴を抽出するために深いスパースオートエンコーダ(DSAE)を用いることを提案した。DSAEに基づいて,赤,緑,青(RGB)色空間に抽出した三次元隠れた特徴をマッピングすることによって駆動カラーマップと呼ばれる可視化法を提案した。地図上の対応する位置の色を置くことにより生成される駆動カラーマップ。主観的実験を行いDSAEに基づく特徴抽出法である可視化に有効であることを示した。添加では,その性能は,パターン認識法を用いて数値的に評価した。実際問題における駆動カラーマップを用いた応用の例を提供する。要約すると,DSAEに基づく運転カラーマップは,運転挙動のより良い可視化を容易にすることを示した。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： 三次元 ,  センサ ,  開口 ,  *可視化 ,  高次元 ,  パターン認識 ,  *特徴抽出 ,  色空間 ,  ローカル回線 ,  *運転 ,  加速器
準シソーラス用語： カラーパレット ,  時系列データ ,  *運転行動 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 運転者  (TB01040V)

タイトルに関連する用語 (4件)： 深層学習 ,  特徴抽出 ,  行動 ,  可視化