確率的多状態自動車追従モデリングによる運転者同定【JST・京大機械翻訳】

Xu Donghao; Ding Zhezhang; Tu Chenfeng; Zhao Huijing; Moze Mathieu; Aioun Francois; Guillemard Franck

プレプリント

J-GLOBAL ID：202202214380319815 整理番号：22P0150341

確率的多状態自動車追従モデリングによる運転者同定【JST・京大機械翻訳】

Driver Identification through Stochastic Multi-State Car-Following Modeling

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2020年05月22日プレプリントサーバーでの情報更新日： 2020年05月22日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

運転者内および運転者間不均一性は,多くの研究によって人間運転行動に存在することが確認されている。本研究では,自動車追従挙動における2種類の不均一性の関節モデルを,運転者プロファイリングと同定のアプローチとして提案した。すべての運転者が運転者状態のプールを共有すると仮定する。各状態の下で,自動車追従データシーケンスは特徴空間における特定の確率分布に従う。各ドライバは,運転者プロファイルと呼ばれる状態にわたって,彼/彼女自身の確率分布を持ち,一方,異なる運転者の運転者プロファイル間の差異は,運転者間不均一性を描写する。したがって,運転者プロファイルを用いて,運転者を他者と区別できる。仮定に基づいて,確率的自動車追従モデルを提案し,運転者内および運転者間不均一性の両方を考慮し,行動特徴抽出器,運転者状態および運転者プロファイルにおけるパラメータを共同学習する方法を提案した。実験は,自然の自動車追従データに関するドライバ同定における提案方法の性能を実証し,オンライン推論のために15秒の10の自動車追従シーケンスを用いた8ドライバー実験で82.3%の精度を達成した。新しいドライバの高速登録の可能性を実証し,議論した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

運転者

, , ,

前のページに戻る