論文の概要: Behavioral Research and Practical Models of Drivers' Attention

• arxiv url: http://arxiv.org/abs/2104.05677v1
• Date: Mon, 12 Apr 2021 17:42:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-13 13:53:00.591008
• Title: Behavioral Research and Practical Models of Drivers' Attention
• Title（参考訳）: 運転者の注意に関する行動研究と実践モデル
• Authors: Iuliia Kotseruba and John K. Tsotsos
• Abstract要約: このレポートは、ドライバーの内部および外部の要因によるドライバーの視覚的注意の変化に関する文献をカバーしています。 ドライバーの注意に関する学際的な理論的および行動的研究と実用的な解決策を結びつけます。 このレポートは、175以上の行動研究、100近い実用的な論文、20のデータセット、2010年以来の70以上の調査に基づいています。
• 参考スコア（独自算出の注目度）: 21.70169149901781
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Driving is a routine activity for many, but it is far from simple. Drivers deal with multiple concurrent tasks, such as keeping the vehicle in the lane, observing and anticipating the actions of other road users, reacting to hazards, and dealing with distractions inside and outside the vehicle. Failure to notice and respond to the surrounding objects and events can cause accidents. The ongoing improvements of the road infrastructure and vehicle mechanical design have made driving safer overall. Nevertheless, the problem of driver inattention has remained one of the primary causes of accidents. Therefore, understanding where the drivers look and why they do so can help eliminate sources of distractions and identify unsafe attention patterns. Research on driver attention has implications for many practical applications such as policy-making, improving driver education, enhancing road infrastructure and in-vehicle infotainment systems, as well as designing systems for driver monitoring, driver assistance, and automated driving. This report covers the literature on changes in drivers' visual attention distribution due to factors, internal and external to the driver. Aspects of attention during driving have been explored across multiple disciplines, including psychology, human factors, human-computer interaction, intelligent transportation, and computer vision, each offering different perspectives, goals, and explanations for the observed phenomena. We link cross-disciplinary theoretical and behavioral research on driver's attention to practical solutions. Furthermore, limitations and directions for future research are discussed. This report is based on over 175 behavioral studies, nearly 100 practical papers, 20 datasets, and over 70 surveys published since 2010. A curated list of papers used for this report is available at https://github.com/ykotseruba/attention_and_driving.
• Abstract（参考訳）: 運転は多くの人にとって日常的な活動だが、単純ではない。 ドライバーは車線に車両を配置したり、他の道路利用者の行動を観察したり予測したり、危険に反応したり、車内外の邪魔をしたりといった複数の同時作業に対処する。 周囲の物体や事象に気付いて対応できないと、事故が発生することがある。 道路インフラの継続的な改良と車両の機械設計により、運転は全体的に安全になった。 それにもかかわらず、ドライバーの不注意の問題は事故の主な原因の1つのままである。 したがって、ドライバーがどこに見え、なぜそうするかを理解することは、邪魔の原因を排除し、安全でない注意パターンを特定するのに役立ちます。 ドライバーの注意調査は、政策立案、ドライバー教育の改善、道路インフラと車載インフォテインメントシステムの改善、ドライバーの監視、運転支援、自動運転のためのシステムの設計など、多くの実用的な応用に影響を与えている。 本報告では,ドライバの視覚注意分布の変化に関する文献について報告する。 運転中の注意の側面は、心理学、人的要因、人間とコンピュータの相互作用、インテリジェントな輸送、コンピュータビジョンなど、様々な分野にまたがっており、それぞれ異なる視点、目標、観察された現象の説明を提供している。 ドライバーの注意と実践的解決策に関する学際的理論と行動研究をリンクする。 さらに,今後の研究の限界と方向性についても論じる。 このレポートは、2010年以来の175以上の行動調査、100近い実践論文、20のデータセット、70以上の調査に基づいている。 このレポートで使用されるドキュメントのキュレーションリストはhttps://github.com/ykotseruba/attention_and_driving.comで公開されている。

関連論文リスト

• Using Visual and Vehicular Sensors for Driver Behavior Analysis: A Survey [0.0]
  危険ドライバーは米国での死亡事故の70%を占めている。 本稿では,視覚・車体データを用いた運転者の行動分析手法について検討する。
  論文  参考訳（メタデータ） (2023-08-25T14:33:59Z)
• Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
  本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。 両センサと融合に関する概念と特徴を提示する。 本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
  論文  参考訳（メタデータ） (2023-03-08T00:48:32Z)
• Cognitive Accident Prediction in Driving Scenes: A Multimodality Benchmark [77.54411007883962]
  本研究では,視覚的観察と運転者の注意に対する人為的な文章記述の認識を効果的に活用し,モデルトレーニングを容易にする認知事故予測手法を提案する。 CAPは、注意テキスト〜ビジョンシフト融合モジュール、注意シーンコンテキスト転送モジュール、運転注意誘導事故予測モジュールによって構成される。 我々は,1,727件の事故ビデオと219万フレーム以上の大規模ベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-12-19T11:43:02Z)
• FBLNet: FeedBack Loop Network for Driver Attention Prediction [75.83518507463226]
  非客観的運転経験はモデル化が難しい。 本稿では,運転経験蓄積過程をモデル化するFeedBack Loop Network (FBLNet)を提案する。 インクリメンタルな知識の指導のもと、私たちのモデルは入力画像から抽出されたCNN特徴とトランスフォーマー特徴を融合し、ドライバーの注意を予測します。
  論文  参考訳（メタデータ） (2022-12-05T08:25:09Z)
• Modelling and Detection of Driver's Fatigue using Ontology [60.090278944561184]
  道路事故は世界8大死因である。 様々な要因がドライバーの疲労の原因となっている。 ドライバの疲労検出に関するオントロジー知識とルールをインテリジェントシステムに統合する必要がある。
  論文  参考訳（メタデータ） (2022-08-31T08:42:28Z)
• Detection of Distracted Driver using Convolution Neural Network [7.37092447804202]
  インドは道路事故で死者の11%を占めている。 事故の78%はドライバーが担当している。 私たちは、異なるドライバーの気晴らしを分類するために、非常に効率的なMLモデルを構築することに重点を置きます。
  論文  参考訳（メタデータ） (2022-04-07T11:41:19Z)
• Drivers' attention detection: a systematic literature review [62.997667081978825]
  多くの要因が運転中の注意散らしに寄与しうるが、それは物体や事象が生理的状態、つまり眠気や疲労に結びつくためであり、運転者が注意をそらすことができないからである。 技術進歩により、現実の状況における注意を検知する多くのソリューションの開発と応用が可能となった。 本研究は,車輪の運転者の注意を検知するための方法と基準について,システマティック文献レビュー(Systematic Literature Review)を提示する。
  論文  参考訳（メタデータ） (2022-04-06T11:36:40Z)
• Studying Person-Specific Pointing and Gaze Behavior for Multimodal Referencing of Outside Objects from a Moving Vehicle [58.720142291102135]
  物体選択と参照のための自動車応用において、手指しと目視が広く研究されている。 既存の車外参照手法は静的な状況に重点を置いているが、移動車両の状況は極めて動的であり、安全性に制約がある。 本研究では,外部オブジェクトを参照するタスクにおいて,各モダリティの具体的特徴とそれら間の相互作用について検討する。
  論文  参考訳（メタデータ） (2020-09-23T14:56:19Z)
• To Explain or Not to Explain: A Study on the Necessity of Explanations for Autonomous Vehicles [26.095533634997786]
  1103ビデオクリップの必要性を1対1で説明する自動運転説明データセットを提案する。 我々の研究は、ドライバーのタイプと運転シナリオが説明が必要かどうかを判断することを示した。 特に、ニアクラッシュなイベントの必要性には同意する傾向にあるが、通常の運転状況や異常運転状況については異なる意見を持っている。
  論文  参考訳（メタデータ） (2020-06-21T00:38:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。