用于驾驶员行为预测的马尔可夫切换模型：基于智能手机的用例
机器学习
2021-08-31 v1 人工智能
摘要
若干智能交通系统致力于研究多样的驾驶员行为以服务于众多目标。这包括分析驾驶员动作、敏感性、分心程度和响应时间的能力。由于数据收集是学习与验证不同驾驶情境的主要关切之一，我们提出了一种驾驶员行为切换模型，并通过使用智能手机的低成本数据收集方案加以验证。所提模型利用真实数据集进行验证，以预测短时期间的驾驶员行为。文中给出了关于运动检测（特别是使用智能手机的驾驶行为检测）的文献综述。为实现与所收集驾驶员行为数据的精细拟合，我们实现了多种马尔可夫切换变量自回归（MSVAR）模型。这不仅对驾驶员行为，也对整体驾驶情境给出了更精确的预测。文中还给出了所呈现模型的性能以及合适的模型选择准则。所提出的驾驶员行为预测框架有望用于事故预测与驾驶员安全系统。
引用
@article{arxiv.2108.12801,
title = {Markov Switching Model for Driver Behavior Prediction: Use cases on Smartphones},
author = {Ahmed B. Zaky and Mohamed A. Khamis and Walid Gomaa},
journal= {arXiv preprint arXiv:2108.12801},
year = {2021}
}