基于观测智能手机数据的驾驶行为聚类
人工智能
2018-01-15 v3 计算机与社会
摘要
理解驾驶行为对于提升我们交通系统的安全性与通行能力至关重要。数据通常通过基于模拟器的研究或自然驾驶研究来收集。这些技术允许理解人口统计特征、道路条件与安全性之间的关系。另一方面，它们非常昂贵且耗时。得益于智能手机的普及，我们有机会利用从手机传感器（如 GPS、加速度计、陀螺仪和摄像头）提取的数据来大幅补充更传统的数据收集技术。我们开发了统计模型，基于数以万计的驾驶员日志，提供了对旧金山大都会区驾驶员行为的洞察。我们使用了新颖的数据源来支持我们的工作。我们利用从旧金山五百名驾驶员收集的手机传感器数据，来了解全城市的交通速度以及驾驶员在不同区域的驾驶操作。具体而言，我们基于驾驶行为对驾驶员进行聚类。我们按街道考察了驾驶员规范，并标记了偏离规范的驾驶行为。
引用
@article{arxiv.1710.04502,
title = {Clusters of Driving Behavior from Observational Smartphone Data},
author = {Josh Warren and Jeff Lipkowitz and Vadim Sokolov},
journal= {arXiv preprint arXiv:1710.04502},
year = {2018}
}