文献

J-GLOBAL ID：202202257754308350   整理番号：22A0893569

深層学習を用いた運転データに基づく個人運転モデルからの実時間注意散漫検出【JST・京大機械翻訳】

Real-Time Distraction Detection from Driving Data Based Personal Driving Model Using Deep Learning

著者 (2件)： Nakano Kotaro (Research and Regional Coperative Division, Iwate Prefectural University, Takizawa, Iwate, Japan) ,  Chakraborty Basabi (Faculty of Software and Information Science, Iwate Prefectural University, Takizawa, Iwate, Japan)
資料名： International Journal of Intelligent Transportation Systems Research  (International Journal of Intelligent Transportation Systems Research)
巻： 20  号： 1  ページ： 238-251  発行年： 2022年 
JST資料番号： W4475A  ISSN： 1348-8503  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 混乱運転は交通事故の主因の1つである。自動車メーカーは,現在,輸送の主要な手段として人々の重要な活動であるので,安全な運転を確実にするための様々な運転支援システムを開発している。本研究では,様々な道路条件および認知負荷で運転しながら,運転シミュレータに取り付けた異なるセンサから収集された運転データから,混乱した運転を検出する方法を調べた。本研究では,認知的混乱を模擬するために認知負荷を課すことにより,正常状態で運転中の運転者のデータを収集するための運転シミュレータを用いた。収集したデータに基づいて,著者らは,認知負荷の増加によるいくつかのシナリオにおける運転挙動のドライバー特異的モデルを開発し,運転者に警報を送るために,個々の運転モデルからリアルタイムで運転を混乱させることを試みた。著者らは,運転データからリアルタイム認知的混乱検出方法の提案開発のために,深いニューラルネットワークを含む機械学習アルゴリズムを探究した。異なる運転者は,異なる運転挙動を持ち,そして,個人運転モデルの使用は,リアルタイムでの混乱運転の検出に重要であることが分かった。また,畳み込みニューラルネットワーク(CNN)は,実時間で運転者を警告するための混乱した運転を検出することができる,個人化された運転支援システムの開発のための有望なツールであることも分かった。Copyright The Author(s), under exclusive licence to Intelligent Transportation Systems Japan 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 安全性 ,  警報 ,  自動車 ,  運転者 ,  道路 ,  ニューラルネットワーク ,  検出法 ,  生産者 ,  交通事故 ,  カオス ,  *注意 ,  運転支援システム ,  学習アルゴリズム
準シソーラス用語： ドライビングシミュレータ ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 注意散漫検出 ,  認知的注意散漫 ,  個人運転モデル ,  深層ニューラルネットワーク ,  リアルタイム警報

分類 (2件)： 運転者  (TB01040V) ,  自動車事故,交通安全  (TB01050G)

タイトルに関連する用語 (5件)： 深層学習 ,  個人 ,  モデル ,  実時間 ,  注意