动态信息标志对驾驶员行为影响的综合分析：一种随机森林方法
计算机与社会
2019-03-29 v1 机器学习
机器学习
摘要
本研究使用全尺寸高保真驾驶模拟器调查了不同动态信息标志（DMS）对驾驶员行为的潜在影响。根据内容、结构和消息类型对不同的DMS进行了分类。使用随机森林算法进行了三项独立的行为分析：路线转移分析、路线选择分析和遵从度分析；以识别不同DMS对驾驶员行为这些方面的潜在和相对影响。从具有不同社会经济背景的65名参与者样本中进行了总共390次模拟运行。获得的结果表明，显示车道封闭和延误信息并带有建议信息的DMS在转移方面最具影响力，而颜色编码的DMS和带有避开路线建议的DMS是影响路线选择决策和DMS遵从度的最大因素。在这项首创性研究中，基于模拟前后的调查反馈以及从驾驶模拟会话数据分析中获得的结果，作者发现色盲友好的颜色编码DMS比字母数字DMS更有效——尤其是在需要驾驶员高度遵从的场景中。有效性的提高可能归因于理解时间的减少以及更大比例的道路使用者能够轻松理解此类DMS。
引用
@article{arxiv.1903.12070,
title = {Comprehensive Analysis of Dynamic Message Sign Impact on Driver Behavior: A Random Forest Approach},
author = {Snehanshu Banerjee and Mansoureh Jeihani and Danny D. Brown and Samira Ahangari},
journal= {arXiv preprint arXiv:1903.12070},
year = {2019}
}
备注
12 pages, 12 figures