利用单次转弯的汽车传感器数据进行驾驶员识别
人机交互
2017-08-17 v1 社会与信息网络
机器学习
摘要
随着汽车电子技术的不断进步，汽车在日常驾驶操作中越来越依赖传感器。这些传感器无处不在，帮助汽车导航、减少事故并提供舒适的驾乘体验。然而，它们也可以用于了解驾驶员本身。在本文中，我们提出一种方法，根据单次转弯时收集的传感器数据，从给定的一组个体中预测驾驶员的身份。我们将该问题转化为时间序列分类问题，其中我们的数据集包含同一次转弯处的传感器读数，由多名驾驶员重复多次。我们构建了一个分类器来寻找每位驾驶员驾驶风格中的独特模式，这些模式即使在如此短的路段上也能在数据中显现。为了测试我们的方法，我们分析了由 AUDI AG 和 Audi Electronics Venture 收集的新数据集，其中一支测试车队配备了汽车数据记录器，用于存储真实道路上的所有传感器读数。我们表明，转弯特别适合检测驾驶员之间的差异，尤其是与直道相比。随后，我们重点关注数据集中最频繁发生的 12 次转弯，包括乡村、城市、高速公路匝道等，获得了准确的识别结果，并学到了关于各种场景下驾驶员行为的有用见解。
引用
@article{arxiv.1708.04636,
title = {Driver Identification Using Automobile Sensor Data from a Single Turn},
author = {David Hallac and Abhijit Sharang and Rainer Stahlmann and Andreas Lamprecht and Markus Huber and Martin Roehder and Rok Sosic and Jure Leskovec},
journal= {arXiv preprint arXiv:1708.04636},
year = {2017}
}