基于自然驾驶和行程目的地建模的轻度认知功能减退预测
机器学习
2025-06-24 v2
摘要
了解轻度认知功能减退(MCI)与驾驶行为之间的关系对于提高道路安全尤其是针对老年驾驶员至关重要。本研究提出了一种新方法，通过纳入特定行程目的地(如家中、工作地点、医疗预约、社交活动和杂货购物等)使用 geohash 技术分析老年驾驶员的驾驶习惯。我们采用两种方法论结合数据可视化与先进的机器学习模型(包括C5.0、随机森林和支持向量机)，来评估这些基于位置的变量在预测认知功能减退方面的有效性。值得注意的是，C5.0模型表现出稳健且一致的性能，实现中位数召回率为0.68，这表明我们的 метод 能够准确识别68%的认知功能减退驾驶员。这强调了该模型减少假阴性的能力，尤其重要的是，因为未能识别受损驾驶员将产生深远后果。我们的发现强调了在理解和预测认知衰退中运用生活空间变量的创新方法，为早期干预和受影响个体量身定制的支持提供了途径。
引用
@article{arxiv.2504.09027,
title = {Predicting Mild Cognitive Impairment Using Naturalistic Driving and Trip Destination Modeling},
author = {Souradeep Chattopadhyay and Guillermo Basulto-Elias and Jun Ha Chang and Matthew Rizzo and Shauna Hallmark and Anuj Sharma and Soumik Sarkar},
journal= {arXiv preprint arXiv:2504.09027},
year = {2025}
}