論文の概要: AIoT-based Continuous, Contextualized, and Explainable Driving Assessment for Older Adults

• arxiv url: http://arxiv.org/abs/2603.00691v1
• Date: Sat, 28 Feb 2026 15:03:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.324041
• Title: AIoT-based Continuous, Contextualized, and Explainable Driving Assessment for Older Adults
• Title（参考訳）: AIoTによる高齢者の連続的・文脈的・説明可能な運転評価
• Authors: Yimeng Liu, Fangwei Zhang, Maolin Gan, Jialuo Du, Jingkai Lin, Yawen Wang, Fei Sun, Honglei Chen, Linda Hill, Ruofeng Liu, Tianxing Li, Zhichao Cao,
• Abstract要約: 我々は,高齢者の運転安全性の連続的,実世界評価のための人工知能フレームワークであるAURAを提案する。 AURAは、よりリッチな車内センシング、マルチスケールの行動モデリング、コンテキスト認識分析を統合し、定期旅行から運転性能の詳細な指標を抽出する。
• 参考スコア（独自算出の注目度）: 15.37925274015241
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The world is undergoing a major demographic shift as older adults become a rapidly growing share of the population, creating new challenges for driving safety. In car-dependent regions such as the United States, driving remains essential for independence, access to services, and social participation. At the same time, aging can introduce gradual changes in vision, attention, reaction time, and driving control that quietly reduce safety. Today's assessment methods rely largely on infrequent clinic visits or simple screening tools, offering only a brief snapshot and failing to reflect how an older adult actually drives on the road. Our work starts from the observation that everyday driving provides a continuous record of functional ability and captures how a driver responds to traffic, navigates complex roads, and manages routine behavior. Leveraging this insight, we propose AURA, an Artificial Intelligence of Things (AIoT) framework for continuous, real-world assessment of driving safety among older adults. AURA integrates richer in-vehicle sensing, multi-scale behavioral modeling, and context-aware analysis to extract detailed indicators of driving performance from routine trips. It organizes fine-grained actions into longer behavioral trajectories and separates age-related performance changes from situational factors such as traffic, road design, or weather. By integrating sensing, modeling, and interpretation within a privacy-preserving edge architecture, AURA provides a foundation for proactive, individualized support that helps older adults drive safely. This paper outlines the design principles, challenges, and research opportunities needed to build reliable, real-world monitoring systems that promote safer aging behind the wheel.
• Abstract（参考訳）: 高齢者の人口が急速に増加し、安全を追求する新たな課題が生まれる中、世界は大きな人口移動を遂げている。 アメリカ合衆国などの自動車依存地域では、運転は独立、サービスへのアクセス、社会参加に不可欠である。 同時に、老化によって視力、注意力、反応時間、運転制御が徐々に変化し、安全性が静かに低下する。 今日のアセスメント手法は、稀な診療所訪問や簡単なスクリーニングツールに大きく依存しており、短いスナップショットしか提供せず、高齢者が実際に道路を走る様子を反映していない。 私たちの研究は、日々の運転が機能的能力の連続的な記録を提供し、運転者が交通にどう反応するかを捉え、複雑な道路をナビゲートし、日常的な行動を管理するという観察から始まります。 この知見を生かして,高齢者の運転安全性を連続的かつ現実的に評価するためのAI(Artificial Intelligence of Things)フレームワークであるAURAを提案する。 AURAは、よりリッチな車内センシング、マルチスケールの行動モデリング、コンテキスト認識分析を統合し、定期旅行から運転性能の詳細な指標を抽出する。 細かな行動をより長い行動軌跡に整理し、交通、道路設計、天候といった状況要因から年齢に関連したパフォーマンス変化を分離する。 AURAは、センシング、モデリング、解釈をプライバシー保護エッジアーキテクチャに統合することにより、高齢者が安全に運転するのに役立つ、積極的に個別化されたサポートの基盤を提供する。 本稿では,車輪の裏側におけるより安全な老朽化を促進する,信頼性の高い実世界のモニタリングシステムを構築するために必要な設計原則,課題,研究の機会について概説する。

関連論文リスト

• Driving as a Diagnostic Tool: Scenario-based Cognitive Assessment in Older Drivers from Driving Video [10.074800349499162]
  本研究の目的は,認知症の機能低下と臨床的特徴と相関する「デジタル指紋」を抽出することである。 本研究では,大規模視覚モデルとナチュラル・ドライビング・ビデオを用いてドライバの動作を分析し,認知状態を特定し,疾患の進行を予測するフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-07T20:30:00Z)
• ReCogDrive: A Reinforced Cognitive Framework for End-to-End Autonomous Driving [49.07731497951963]
  ReCogDriveは、エンドツーエンドの自動運転のための新しい強化認知フレームワークである。 我々は、人間のドライバーのシーケンシャルな認知過程を模倣する階層的なデータパイプラインを導入する。 次に、VLMの学習した運転先を拡散プランナーに注入することで、言語行動ミスマッチに対処する。
  論文  参考訳（メタデータ） (2025-06-09T03:14:04Z)
• Natural Reflection Backdoor Attack on Vision Language Model for Autonomous Driving [55.96227460521096]
  視覚言語モデル(VLM)は推論能力を高めるために自律運転システムに統合されている。 本稿では,自律運転シナリオにおけるVLMシステムを対象とした自然反射型バックドアアタックを提案する。 我々の発見は、自動運転の厳しいリアルタイム要求を生かした、新たなタイプの攻撃を発見しました。
  論文  参考訳（メタデータ） (2025-05-09T20:28:17Z)
• Driver Age and Its Effect on Key Driving Metrics: Insights from Dynamic Vehicle Data [2.3072218701168166]
  2030年までに65歳以上の高齢者は50%以上増加し、道路上の高齢者の数が大幅に増加すると予想されている。 70人以上のドライバーは、40代や50代よりも死亡率が高い。
  論文  参考訳（メタデータ） (2025-01-12T20:01:07Z)
• RACER: Epistemic Risk-Sensitive RL Enables Fast Driving with Fewer Crashes [57.319845580050924]
  本稿では,リスク感応制御と適応行動空間のカリキュラムを組み合わせた強化学習フレームワークを提案する。 提案アルゴリズムは,現実世界のオフロード運転タスクに対して,高速なポリシーを学習可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-07T23:32:36Z)
• Analyze Drivers' Intervention Behavior During Autonomous Driving -- A VR-incorporated Approach [2.7532019227694344]
  この研究は、自動運転車の運転に関わる人間のドライバーの介入行動を理解することに光を当てている。 仮想リアリティ(VR)と交通マイクロシミュレーションを統合する実験環境が実装された。 介入の確率、事故率などのパフォーマンス指標が定義され、リスクレベルを定量化し比較するために使用される。
  論文  参考訳（メタデータ） (2023-12-04T06:36:57Z)
• In-vehicle Sensing and Data Analysis for Older Drivers with Mild Cognitive Impairment [0.8426358786287627]
  本研究の目的は、高精度の位置決めとテレマティクスデータを得ることができる低コストの車内センシングハードウェアを設計することである。 軽度認知障害(MCI)と軽度認知障害(MCI)を比較した統計的分析の結果,MCIはよりスムーズで安全な運転パターンを示すことが明らかとなった。 我々のランダムフォレストモデルでは、夜間旅行の数、旅行数、教育がデータ評価に最も影響を及ぼす要因として特定されました。
  論文  参考訳（メタデータ） (2023-11-15T15:47:24Z)
• 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)
• FBLNet: FeedBack Loop Network for Driver Attention Prediction [50.936478241688114]
  非客観的運転経験のモデル化は困難であり,既存手法では運転経験蓄積手順を模擬する機構が欠如している。 本稿では,運転経験蓄積手順をモデル化するFeedBack Loop Network (FBLNet)を提案する。 提案モデルでは,既存の手法に対して強い優位性を示し,2つのドライバー注意ベンチマークデータセットの性能向上を実現している。
  論文  参考訳（メタデータ） (2022-12-05T08:25:09Z)
• Audiovisual Affect Assessment and Autonomous Automobiles: Applications [0.0]
  このコントリビューションは、課題を予測し、ロードコンテキスト上のマルチモーダルな"オーディオプラスx"におけるモデリングに影響を与える潜在的な方法を提供することを目的としています。 技術的には、乗用車内の個人を全面的にモデル化し、信頼性の高いダイアリゼーションを行う。 結論として、自動感情分析は、最初に選択されたユースケースにおける自動運転車の適用可能性の点まで成熟した。
  論文  参考訳（メタデータ） (2022-03-14T20:39:02Z)
• 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)

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。