文献

J-GLOBAL ID：201902247849341035   整理番号：19A2878732

多状態車両追従モデリングによるドライバ同定【JST・京大機械翻訳】

Driver Identification through Multi-state Car Following Modeling

著者 (6件)： Ding Zhezhang (Peking University,Key Lab of Machine Perception (MOE),Beijing,China) ,  Xu Donghao (Peking University,Key Lab of Machine Perception (MOE),Beijing,China) ,  Zhao Huijing (Peking University,Key Lab of Machine Perception (MOE),Beijing,China) ,  Moze Mathieu (Groupe PSA,Velizy,France) ,  Aioun Francois (Groupe PSA,Velizy,France) ,  Guillemard Franck (Groupe PSA,Velizy,France)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ITSC  ページ： 1580-1587  発行年： 2019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： 運転者プロファイリングと特性化は,運転者識別,異常運転状態認識,個人化運転支援などの多くの応用の基礎を形成する,不均一性の相互および/または内部河川の挙動をモデル化する重要な問題の1つである。本研究では,GMM(Gauss混合モデル)を用いて,各登録ドライバによって操作される自動車の内部確率をモデル化するために,GMMモデリング,ドライバプロファイリングおよびID予測のための最良の識別性を持つ特徴ベクトルを記述するために,モデル化によるドライバ同定法を提案した。実験は,北京の高速道路で収集された自然の運転データを用いて行われ,そこでは,8人の運転者の自動車追跡データのデータセットが生成される。有望な結果を示し,異なる側面における運転者識別の性能を調べた。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 自動車 ,  キャラクタリゼーション ,  河川 ,  高速道路 ,  *モデリング ,  不均一性
準シソーラス用語： 運転データ ,  北京市 ,  特徴ベクトル ,  Gauss混合モデル ,  運転状態 ,  プロファイリング ,  *車両追従 , 【Automatic Indexing@JST】

分類 (2件)： 運転者  (TB01040V) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 車両追従 ,  モデリング ,  ドライバ ,  同定