面向风险场景中个性化车载驾驶辅助的开放式基于案例推理框架
计算机与社会
2022-11-24 v1 人工智能
系统与控制
系统与控制
摘要
驾驶员反应在风险场景中至关重要。驾驶员可在适当的缓冲时间内采取正确的规避机动以避免潜在的交通事故，但这一反应过程高度依赖经验并需要不同水平的驾驶技能。为提高驾驶安全性并避免交通事故，有必要为所有道路驾驶员提供车载驾驶辅助。本研究探讨了基于案例推理（CBR）作为推断范式，用于选择个性化碰撞规避机动和缓冲时间的合理性，其利用了源源不断的交通案例中的丰富人类驾驶经验，而这在以往研究中鲜有探索。为此，本文提出一个用于生成个性化车载驾驶辅助的开放演化框架。特别地，我们提出具有高精度的 FFMTE 模型来对交通事件建模并构建案例库；随后提出一种定制的基于 CBR 的方法来检索、复用和修改现有案例以生成辅助。我们以 100-Car Naturalistic Driving Study 数据集为例构建并测试我们的框架；实验显示出合理的结果，为驾驶员提供有价值的规避信息以在不同场景中避免潜在碰撞。
引用
@article{arxiv.2211.12798,
title = {An Open Case-based Reasoning Framework for Personalized On-board Driving Assistance in Risk Scenarios},
author = {Wenbin Gan and Minh-Son Dao and Koji Zettsu},
journal= {arXiv preprint arXiv:2211.12798},
year = {2022}
}
备注
10 pahes, 8 figures, 4 tables, accepted by IEEE BigData 2022