論文の概要: Beyond object identification: How train drivers evaluate the risk of collision
- arxiv url: http://arxiv.org/abs/2411.10475v1
- Date: Fri, 08 Nov 2024 15:38:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-24 05:05:00.311420
- Title: Beyond object identification: How train drivers evaluate the risk of collision
- Title（参考訳）: 物体の識別を超える: 列車の運転手が衝突の危険を評価する方法
- Authors: Romy Müller, Judith Schmidt,
- Abstract要約: 我々は、列車の運転手が潜在的な障害を識別するだけでなく、状況がどう広がるかを予測するために、彼らが見ていることを解釈していると仮定した。
この目的のために、33人の列車運転手によるイメージベースの専門家インタビューが行われた。
参加者は潜在的な障害物のある画像を見て、衝突のリスクを評価し、評価を説明した。
我々は潜在的な障害、状況、結果に関する概念を抽出し、これらの概念を様々なカテゴリに割り当てた。
その結果、特に人間にとって、列車の運転手は行動や精神状態について理屈を定め、概念間の関係を引いてさらなる推論を行うことが判明した。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: When trains collide with obstacles, the consequences are often severe. To assess how artificial intelligence might contribute to avoiding collisions, we need to understand how train drivers do it. What aspects of a situation do they consider when evaluating the risk of collision? In the present study, we assumed that train drivers do not only identify potential obstacles but interpret what they see in order to anticipate how the situation might unfold. However, to date it is unclear how exactly this is accomplished. Therefore, we assessed which cues train drivers use and what inferences they make. To this end, image-based expert interviews were conducted with 33 train drivers. Participants saw images with potential obstacles, rated the risk of collision, and explained their evaluation. Moreover, they were asked how the situation would need to change to decrease or increase collision risk. From their verbal reports, we extracted concepts about the potential obstacles, contexts, or consequences, and assigned these concepts to various categories (e.g., people's identity, location, movement, action, physical features, and mental states). The results revealed that especially for people, train drivers reason about their actions and mental states, and draw relations between concepts to make further inferences. These inferences systematically differ between situations. Our findings emphasise the need to understand train drivers' risk evaluation processes when aiming to enhance the safety of both human and automatic train operation.
- Abstract（参考訳）: 列車が障害物と衝突すると、結果はしばしば深刻になる。
人工知能が衝突を避けるためにどのように貢献するかを評価するためには、列車の運転手がそれをどのように行うかを理解する必要がある。
衝突のリスクを評価する際に、どのような状況を考慮するか?
本研究は,列車の運転者が潜在的な障害を識別するだけでなく,状況がどう広がるかを予測するために,視線を解釈するものであると仮定した。
しかし、このことがどの程度達成されたのかは、現時点では不明である。
そこで,電車の運転手がどの手を使うか,どの推論を行うかを評価した。
この目的のために、33人の列車運転手によるイメージベースの専門家インタビューが行われた。
参加者は潜在的な障害物のある画像を見て、衝突のリスクを評価し、評価を説明した。
さらに、衝突のリスクを減らしたり、増大させるためには、どのような状況を変える必要があるかを尋ねられた。
その結果, 潜在的な障害, 状況, 結果に関する概念を抽出し, これらの概念を様々なカテゴリー(例えば, 人々のアイデンティティ, 場所, 行動, 行動, 身体的特徴, 精神状態)に割り当てた。
その結果、特に人間にとって、列車の運転手は行動や精神状態について理屈を定め、概念間の関係を引いてさらなる推論を行うことが判明した。
これらの推測は状況によって体系的に異なる。
本研究は,人間運転と自動運転の両方の安全性を高めるために,運転者のリスク評価プロセスを理解する必要性を強調した。
関連論文リスト
- Context-Aware Quantitative Risk Assessment Machine Learning Model for
Drivers Distraction [0.0]
MDDRA(Multi-class Driver Distraction Risk Assessment)モデルは、旅行中の車両、運転者、環境データを考慮したモデルである。
MDDRAは、危険行列上のドライバーを安全、不注意、危険と分類する。
我々は、重度レベルに応じて運転者の気晴らしを分類し、予測するために機械学習技術を適用した。
論文 参考訳（メタデータ） (2024-02-20T23:20:36Z) - Considering Human Factors in Risk Maps for Robust and Foresighted Driver
Warning [1.4699455652461728]
本稿では,ドライバーエラーの形で人間の状態を利用する警告システムを提案する。
このシステムは、周囲の運転状況の予測を直接変更する行動プランナーのリスクマップで構成されている。
動的車線変化と交差点シナリオの異なるシミュレーションでは、運転者の行動計画がいかに危険になるかを示す。
論文 参考訳（メタデータ） (2023-06-06T16:39:58Z) - Behavioral Intention Prediction in Driving Scenes: A Survey [70.53285924851767]
行動意図予測(BIP)は、人間の思考過程をシミュレートし、特定の行動の早期予測を満たす。
この作業は、利用可能なデータセット、重要な要因と課題、歩行者中心および車両中心のBIPアプローチ、BIP対応アプリケーションからのBIPの包括的なレビューを提供する。
論文 参考訳（メタデータ） (2022-11-01T11:07:37Z) - 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) - 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) - An active approach towards monitoring and enhancing drivers'
capabilities -- the ADAM cogtec solution [1.0312968200748118]
特定の瞬間における運転者の認知能力は、運転者の安全性を評価する上で最も明白な変数である。
視覚刺激に対するドライバーの眼反応が記録された閉ループ法を開発した。
機械学習アルゴリズムは、警戒状態の眼反応に基づいて訓練され、疲労や物質乱用による能力低下を検出することができた。
論文 参考訳（メタデータ） (2022-04-05T07:46:07Z) - Contingencies from Observations: Tractable Contingency Planning with
Learned Behavior Models [82.34305824719101]
人間は未来の出来事を正確に推論することで決定を下す素晴らしい能力を持っている。
本研究では,高次元のシーン観察からエンドツーエンドに学習する汎用コンテンシビリティプランナを開発する。
このモデルが行動観察から忍耐強くコンティンジェンシーを学習できることを示す。
論文 参考訳（メタデータ） (2021-04-21T14:30:20Z) - Behavioral Research and Practical Models of Drivers' Attention [21.70169149901781]
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。
論文 参考訳（メタデータ） (2021-04-12T17:42:04Z) - 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) - The PREVENTION Challenge: How Good Are Humans Predicting Lane Changes? [0.0]
本稿では,高速道路のシナリオにおける車線変化を予測する能力について分析する。
ユーザーは車線変更操作が行われていると考えた瞬間を示す必要がありました。
得られた結果は慎重に分析され、地上の真理ラベルと比較された。
論文 参考訳（メタデータ） (2020-09-11T10:47:07Z) - 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。