論文の概要: Evaluation of Infrastructure-based Warning System on Driving Behaviors-A Roundabout Study

• arxiv url: http://arxiv.org/abs/2312.03891v1
• Date: Wed, 6 Dec 2023 20:31:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-08 16:52:21.409827
• Title: Evaluation of Infrastructure-based Warning System on Driving Behaviors-A Roundabout Study
• Title（参考訳）: 運転行動に対するインフラ型警報システムの評価 : 概観
• Authors: Cong Zhang, Chi Tian, Tianfang Han, Hang Li, Yiheng Feng, Yunfeng Chen, Robert W. Proctor, Jiansong Zhang
• Abstract要約: 本稿では,インフラベースの警告が運転行動にどのように影響し,ラウンドアバウト安全性を向上するかを検討した。 ミシガンのアン・アーバー(Ann Arbor)にある現実世界のラウンドアラウンドアラウンドは、共同シミュレーションプラットフォームで研究エリアとして建設された。 警告を表示する際にドライバの停止判断を予測するために,個別の意図予測モデルを開発した。
• 参考スコア（独自算出の注目度）: 7.992695585266211
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Smart intersections have the potential to improve road safety with sensing, communication, and edge computing technologies. Perception sensors installed at a smart intersection can monitor the traffic environment in real time and send infrastructure-based warnings to nearby travelers through V2X communication. This paper investigated how infrastructure-based warnings can influence driving behaviors and improve roundabout safety through a driving-simulator study - a challenging driving scenario for human drivers. A co-simulation platform integrating Simulation of Urban Mobility (SUMO) and Webots was developed to serve as the driving simulator. A real-world roundabout in Ann Arbor, Michigan was built in the co-simulation platform as the study area, and the merging scenarios were investigated. 36 participants were recruited and asked to navigate the roundabout under three danger levels (e.g., low, medium, high) and three collision warning designs (e.g., no warning, warning issued 1 second in advance, warning issued 2 seconds in advance). Results indicated that advanced warnings can significantly enhance safety by minimizing potential risks compared to scenarios without warnings. Earlier warnings enabled smoother driver responses and reduced abrupt decelerations. In addition, a personalized intention prediction model was developed to predict drivers' stop-or-go decisions when the warning is displayed. Among all tested machine learning models, the XGBoost model achieved the highest prediction accuracy with a precision rate of 95.56% and a recall rate of 97.73%.
• Abstract（参考訳）: スマート交差点は、センサー、通信、エッジコンピューティング技術による道路安全を改善する可能性がある。 スマート交差点に設置された知覚センサは、交通環境をリアルタイムで監視し、v2x通信を介して周辺旅行者にインフラベースの警告を送ることができる。 本稿では,運転者の運転行動にインフラに基づく警告が与える影響とラウンドアラウンドアラウンドセーフティの改善について,運転シミュレーション研究を通じて検討した。 運転シミュレータとして,都市移動シミュレーション(sumo)とwebotsを統合したシミュレーションプラットフォームを開発した。 ミシガン州アンアーバーにある実世界のラウンドアバウションが研究エリアとして共同シミュレーションプラットフォームに構築され、マージシナリオが検討された。 36人の参加者が募集され、3つの危険レベル(例えば、低、中、高)と3つの衝突警告設計(例えば、警告なし、前もって1秒の警告、前もって2秒の警告)の下を移動するよう求められた。 その結果,警告のないシナリオと比較して潜在的なリスクを最小限に抑えることにより,高度な警告は安全性を著しく向上させることができることがわかった。 以前の警告により、よりスムーズなドライバ応答と突然の減速が実現された。 さらに,警告表示時の運転者の停止判断を予測するために,個別の意図予測モデルを開発した。 全ての試験された機械学習モデルの中で、XGBoostモデルは95.56%の精度と97.73%のリコール率で最高の予測精度を達成した。

関連論文リスト

• Optimal Driver Warning Generation in Dynamic Driving Environment [8.680694504513696]
  既存の運転警告技術は、人間のエラーによる衝突のリスクを低減することができる。 警告生成問題は部分的に観察されたマルコフ決定過程(POMDP)として定式化される 提案するPOMDPの解決策として,最適な警告生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-09T23:04:19Z)
• Investigating Personalized Driving Behaviors in Dilemma Zones: Analysis and Prediction of Stop-or-Go Decisions [15.786599260846057]
  我々は、個々のドライバーの停止決定を予測できるパーソナライズされたトランスフォーマーを開発した。 その結果、パーソナライズされたトランスフォーマーは、ジレンマゾーンにおけるドライバーの意思決定を3.7%から12.6%の精度で予測できることがわかった。
  論文  参考訳（メタデータ） (2024-05-06T21:39:25Z)
• Enhancing Road Safety through Accurate Detection of Hazardous Driving Behaviors with Graph Convolutional Recurrent Networks [0.2578242050187029]
  グラフ畳み込み長短期記憶ネットワーク(GConvLSTM)に基づく信頼性駆動行動検出(DBD)システムを提案する。 提案モデルでは,公共センサの精度97.5%,非公共センサの平均精度98.1%を達成し,両者の整合性と精度を示した。 提案システムは,道路の安全向上と運転ミスによる事故件数削減に有効である可能性が示唆された。
  論文  参考訳（メタデータ） (2023-05-08T21:05:36Z)
• Infrastructure-based End-to-End Learning and Prevention of Driver Failure [68.0478623315416]
  フェールネットは、規模が拡大したミニ都市において、名目上と無謀なドライバーの両方の軌道上で、エンドツーエンドでトレーニングされた、繰り返しニューラルネットワークである。 制御障害、上流での認識エラー、ドライバーのスピードを正確に識別し、名目運転と区別することができる。 速度や周波数ベースの予測器と比較すると、FailureNetのリカレントニューラルネットワーク構造は予測能力を向上し、ハードウェアにデプロイすると84%以上の精度が得られる。
  論文  参考訳（メタデータ） (2023-03-21T22:55:51Z)
• 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)
• Reinforcement Learning based Cyberattack Model for Adaptive Traffic Signal Controller in Connected Transportation Systems [61.39400591328625]
  接続輸送システムにおいて、適応交通信号制御装置(ATSC)は、車両から受信したリアルタイム車両軌跡データを利用して、グリーンタイムを規制する。 この無線接続されたATSCはサイバー攻撃面を増やし、その脆弱性を様々なサイバー攻撃モードに拡大する。 そのようなモードの1つは、攻撃者がネットワーク内で偽の車両を作成する「シビル」攻撃である。 RLエージェントは、シビル車噴射の最適速度を学習し、アプローチの混雑を生じさせるように訓練される
  論文  参考訳（メタデータ） (2022-10-31T20:12:17Z)
• Smartphone-based Hard-braking Event Detection at Scale for Road Safety Services [6.451490979743455]
  道路事故は世界第6位の障害調整生命年(DALY)の原因となっている。 本稿では,スマートフォンセンサから収集したキネマティクスデータを用いて,ハードブレーキイベントを検出するスケーラブルなアプローチを提案する。 われわれはTransformerをベースとした機械学習モデルをトレーニングし、Google Mapsでナビゲートしながらスマートフォンや車両のセンサーから、スマートフォンと車両のセンサーを同時に読み取ることで、ハードブレーキイベントの検出を可能にした。
  論文  参考訳（メタデータ） (2022-02-04T01:30:32Z)
• Sample-Efficient Safety Assurances using Conformal Prediction [57.92013073974406]
  早期警戒システムは、安全でない状況が差し迫ったときに警告を提供することができる。 安全性を確実に向上させるためには、これらの警告システムは証明可能な偽陰性率を持つべきである。 本稿では,共形予測と呼ばれる統計的推論手法とロボット・環境力学シミュレータを組み合わせたフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-28T23:00:30Z)
• Safety-aware Motion Prediction with Unseen Vehicles for Autonomous Driving [104.32241082170044]
  本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。 既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。 私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
  論文  参考訳（メタデータ） (2021-09-03T13:33:33Z)
• Driver Intention Anticipation Based on In-Cabin and Driving Scene Monitoring [52.557003792696484]
  本稿では,車内映像と交通シーン映像の両方に基づいて運転者の意図を検出する枠組みを提案する。 本フレームワークは,83.98%,F1スコア84.3%の精度で予測を行う。
  論文  参考訳（メタデータ） (2020-06-20T11:56:32Z)

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。