基于智能手机数据提取统计特征的神经网络驾驶员识别
人机交互
2020-02-06 v2 信号处理
摘要
交通的未来由人工智能驱动，以改善生活和出行。本文提出了一种基于神经网络的驾驶员识别系统，使用智能手机采集的数据。该系统自动、可靠且实时地识别驾驶员，无需人脸识别，也不侵犯隐私。系统架构包括数据采集、预处理和识别三个模块。在数据采集模块中，使用智能手机采集加速度计和陀螺仪传感器的数据。预处理模块包括去噪、数据清洗和分割。该模块中，将恢复丢失值并删除车辆静止时的数据。最后，从数据窗口中提取有效的统计属性。在识别模块中，使用机器学习算法识别驾驶员模式。根据实验，用于驾驶员识别的最佳算法是 MLP，最高准确率达 96%。该方案可用于未来交通中开发基于驾驶员的保险系统，以及用于实施奖惩的系统开发。
引用
@article{arxiv.2002.00764,
title = {Driver Identification by Neural Network on Extracted Statistical Features from Smartphone Data},
author = {Ruhallah Ahmadian and Mehdi Ghatee},
journal= {arXiv preprint arXiv:2002.00764},
year = {2020}
}
备注
13 pages, 2 Figures, 5 Tables, The 18th International Conference on Traffic and Transportation Engineering, 2020, Tehran, Iran