利用驾驶模拟器时间序列数据识别可预测ADHD的路面场景
计算机视觉与模式识别
2021-11-15 v1 人机交互
机器学习
摘要
本文提出一种称为迭代区段约简（Iterative Section Reduction, ISR）的新算法，用于自动识别对目标分类任务具有预测性的时空时间序列子区间。具体而言，利用驾驶模拟器研究收集的数据，我们识别出模拟路线中哪些空间区域（称为“区段”）往往表现出可预测注意缺陷多动障碍（Attention Deficit Hyperactivity Disorder, ADHD）存在的驾驶行为。识别这些区段主要有两个重要原因：（1）通过滤除无预测性的时间序列子区间来提高训练模型的预测精度；（2）深入了解哪些路面场景（称为事件）会引发接受ADHD治疗的患者与未接受者之间明显不同的驾驶行为。实验结果表明，相较于先前工作性能有所提升（准确率提高10%），且所识别的预测性区段与模拟器中预设的路面事件（转弯和弯道处理）之间具有良好的一致性。
引用
@article{arxiv.2111.06774,
title = {Identifying On-road Scenarios Predictive of ADHD usingDriving Simulator Time Series Data},
author = {David Grethlein and Aleksanteri Sladek and Santiago Ontañón},
journal= {arXiv preprint arXiv:2111.06774},
year = {2021}
}