論文の概要: Estimating Driver Personality Traits from On-Road Driving Data

• arxiv url: http://arxiv.org/abs/2302.10898v1
• Date: Thu, 9 Feb 2023 20:46:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-26 13:52:16.268862
• Title: Estimating Driver Personality Traits from On-Road Driving Data
• Title（参考訳）: 路上走行データによる運転者の性格特性の推定
• Authors: Ryusei Kimura and Takahiro Tanaka and Yuki Yoshihara and Kazuhiro Fujikake and Hitoshi Kanamori and Shogo Okada
• Abstract要約: 本研究の目的は,認知機能,心理的運転スタイル,作業負荷感などのドライバの心理的特徴を推定するモデルを開発することである。 提案手法は道路情報に着目し,運転行動から観測される時系列データの様々な期間をキャプチャする。 本モデルでは,Pearson相関係数を0.579ドル,0.557ドルとすることで,運転者の認知機能,すなわちTrace Making TestバージョンBとUseful Field of Viewテストスコアを予測する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Driving assistance systems that support drivers by adapting individual psychological characteristics can provide appropriate feedback and prevent traffic accidents. As a first step toward implementing such adaptive assistance systems, this research aims to develop a model to estimate drivers' psychological characteristics, such as cognitive function, psychological driving style, and workload sensitivity, from on-road driving behavioral data using machine learning and deep learning techniques. We also investigated the relationship between driving behavior and various cognitive functions including the Trail Making test and Useful Field of View test through regression modeling. The proposed method focuses on road type information and captures various durations of time-series data observed from driving behaviors. First, we segment the driving time-series data into two road types, namely, arterial roads and intersections, to consider driving situations. Second, we further segment data into many sequences of various durations. Third, statistics are calculated from each sequence. Finally, these statistics are used as input features of machine learning models to predict psychological characteristics. The experimental results show that our model can predict a driver's cognitive function, namely, the Trail Making Test version B and Useful Field of View test scores, with Pearson correlation coefficients $r$ of 0.579 and 0.557, respectively. Some characteristics, such as psychological driving style and workload sensitivity, are predicted with high accuracy, but whether various duration segmentation improves accuracy depends on the characteristics, and it is not effective for all characteristics. Additionally, we reveal important sensor and road types for the estimation of cognitive function.
• Abstract（参考訳）: 個々の心理的特徴に適応してドライバーを支援する運転支援システムは、適切なフィードバックを提供し、交通事故を防止することができる。 本研究は,このような適応支援システムを実現するための第一歩として,機械学習と深層学習手法を用いた運転行動データから,認知機能,心理的運転様式,作業負荷感受性などのドライバの心理的特性を推定するモデルを開発することを目的とする。 また,レグレッションモデルを用いて,運転行動と軌跡作成テストを含む各種認知機能との関係について検討した。 提案手法は道路情報に着目し,運転行動から観測される時系列データの様々な期間をキャプチャする。 まず,運転状況を考慮し,運転時系列データを幹線道路と交差点の2つの道路タイプに分割する。 第2に,様々な期間の複数のシーケンスにデータを分割する。 第3に、各シーケンスから統計を計算する。 最後に、これらの統計は、心理的特徴を予測する機械学習モデルの入力特徴として使用される。 実験結果から,Pearson相関係数が0.579,0.557,Pearson相関係数が0.579,Pearson相関係数が0.557,Trace Making TestバージョンB,Useful Field of Viewテストスコアが予測可能であることがわかった。 心理的な運転スタイルや作業負荷感度などの特徴は高い精度で予測されるが、様々な持続時間セグメンテーションが精度を向上させるかどうかは特性に依存するため、全ての特性に対して有効ではない。 さらに,認知機能評価のための重要なセンサと道路タイプを明らかにした。

関連論文リスト

• MetaFollower: Adaptable Personalized Autonomous Car Following [63.90050686330677]
  適応型パーソナライズされた自動車追従フレームワークであるMetaFollowerを提案する。 まず,モデルに依存しないメタラーニング(MAML)を用いて,様々なCFイベントから共通運転知識を抽出する。 さらに、Long Short-Term Memory (LSTM) と Intelligent Driver Model (IDM) を組み合わせて、時間的不均一性を高い解釈性で反映する。
  論文  参考訳（メタデータ） (2024-06-23T15:30:40Z)
• Guiding Attention in End-to-End Driving Models [49.762868784033785]
  模倣学習によって訓練された視覚ベースのエンドツーエンドの運転モデルは、自動運転のための安価なソリューションにつながる可能性がある。 トレーニング中に損失項を追加することにより、これらのモデルの注意を誘導し、運転品質を向上させる方法について検討する。 従来の研究とは対照的に,本手法では,テスト期間中にこれらの有意義なセマンティックマップを利用できない。
  論文  参考訳（メタデータ） (2024-04-30T23:18:51Z)
• Situation Awareness for Driver-Centric Driving Style Adaptation [3.568617847600189]
  本稿では,車両データに基づいて事前学習した視覚特徴エンコーダに基づく状況認識型運転スタイルモデルを提案する。 実験の結果,提案手法は静的な運転スタイルを著しく上回り,高い状況クラスタを形成していることがわかった。
  論文  参考訳（メタデータ） (2024-03-28T17:19:16Z)
• BAT: Behavior-Aware Human-Like Trajectory Prediction for Autonomous Driving [24.123577277806135]
  我々は行動認識軌道予測モデル(BAT)を考案した。 我々のモデルは行動認識、相互作用認識、優先度認識、位置認識モジュールから構成される。 次世代シミュレーション(NGSIM)、ハイウェイドローン(HighD)、ラウンドアバウンドドローン(RounD)、マカオコネクテッド自律運転(MoCAD)データセットにおけるBATの性能を評価する。
  論文  参考訳（メタデータ） (2023-12-11T13:27:51Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Dataset Bias in Human Activity Recognition [57.91018542715725]
  このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。 時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
  論文  参考訳（メタデータ） (2023-01-19T12:33:50Z)
• What's on your mind? A Mental and Perceptual Load Estimation Framework towards Adaptive In-vehicle Interaction while Driving [55.41644538483948]
  精神的な作業量と知覚的負荷が心理生理学的次元に及ぼす影響を分析する。 これらの測定値の融合により、心的および知覚的負荷レベルを分類する。 我々は、最大89%のメンタルワークロード分類精度を報告し、リアルタイムに最小限のソリューションを提供する。
  論文  参考訳（メタデータ） (2022-08-10T21:19:49Z)
• Beyond RMSE: Do machine-learned models of road user interaction produce human-like behavior? [12.378231329297137]
  自然主義高速道路運転データセットにおける3つの異なる行動現象の存在を示すために,定量的な指標を導入する。 同じ測定値を用いて3つの機械学習モデルの挙動を解析する。
  論文  参考訳（メタデータ） (2022-06-22T14:04:39Z)
• Improving Robustness of Learning-based Autonomous Steering Using Adversarial Images [58.287120077778205]
  自動運転用画像入力における学習アルゴリズムw.r.tの堅牢性を解析するためのフレームワークについて紹介する。 感度分析の結果を用いて, 「操縦への学習」 タスクの総合的性能を向上させるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:08:07Z)
• Driving Style Representation in Convolutional Recurrent Neural Network Model of Driver Identification [8.007800530105191]
  運転スタイルのための高忠実度表現を構築するために,D-CRNNと呼ばれるディープ・ニューラル・ネットワークアーキテクチャを提案する。 CNNを用いて、軌道からの運転行動の意味的パターンをキャプチャする。 次に、RNNを用いて駆動スタイルをエンコードするこれらのセマンティックパターン間の時間的依存関係を見つけ出す。
  論文  参考訳（メタデータ） (2021-02-11T04:33:43Z)
• Pedestrian Behavior Prediction for Automated Driving: Requirements, Metrics, and Relevant Features [1.1888947789336193]
  システムレベルアプローチによる自動走行の歩行者行動予測の要件を分析した。 人間の運転行動に基づいて、自動走行車の適切な反応パターンを導出する。 複数の文脈的手がかりを組み込んだ変分条件自動エンコーダに基づく歩行者予測モデルを提案する。
  論文  参考訳（メタデータ） (2020-12-15T16:52:49Z)

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。