基于AIoT的老年人持续、情境化、可解释驾驶评估
人工智能
2026-03-03 v1
摘要
随着老年人口比例快速增长，世界正经历显著的人口老化，这为驾驶安全带来了新挑战。在美国等依赖汽车的地区，驾驶仍是获得独立、获取服务和社会参与的关键。与此同时，衰老会引起视力、注意力、反应时间和驾驶控制的渐进性变化，从而潜在降低安全性。当今的评估方法主要依赖不频繁的诊疗机构访问或简单筛查工具，仅提供简短的快照，无法反映老年人在实际道路上的驾驶方式。我们的工作基于这样一个观察：日常驾驶为功能能力的持续记录，捕捉了驾驶员如何应对交通、导航复杂道路以及管理日常行为。利用这一洞见，我们提出了AURA—an Artificial Intelligence of Things(AIoT)框架，用于对老年人驾驶安全的持续、真实世界评估。AURA集成了更丰富的车内感知、多尺度行为建模和情境感知，从日常行程中提取详细的驾驶绩效指标。它将细粒度动作组织为更长的行为轨迹，并将年龄相关的绩效变化与交通、道路设计或天气等情境因素分离。通过在隐私保护的边缘架构中集成感知、建模和解释，AURA为帮助老年人安全驾驶提供了以积极、个体化支持的基础。本文概述了构建可靠的真实世界监控系统以促进驾驶安全衰老所需的设计原则、挑战和研究机会。
引用
@article{arxiv.2603.00691,
title = {AIoT-based Continuous, Contextualized, and Explainable Driving Assessment for Older Adults},
author = {Yimeng Liu and Fangwei Zhang and Maolin Gan and Jialuo Du and Jingkai Lin and Yawen Wang and Fei Sun and Honglei Chen and Linda Hill and Ruofeng Liu and Tianxing Li and Zhichao Cao},
journal= {arXiv preprint arXiv:2603.00691},
year = {2026}
}