利用CAN数据预测卡车超车
机器学习
2024-04-09 v1
摘要
卡车安全超车对于防止事故、减少拥堵和确保高效交通流至关重要，这使得早期预测对于及时和明智的驾驶决策至关重要。因此，我们研究了从CAN数据检测卡车超车。使用了三种分类器：人工神经网络（ANN）、随机森林和支持向量机（SVM）。我们的分析覆盖超车事件前最多10秒，使用1秒的重叠滑动窗口提取CAN特征。我们观察到，超车类别的预测分数随着接近超车触发点而增加，而非超车类别则保持稳定或根据分类器振荡。因此，在接近触发点时达到最佳准确率，这使得早期超车预测具有挑战性。分类器在分类超车方面表现出良好的准确率（召回率/TPR > 93%），但在分类非超车方面准确率次优（TNR通常为80-90%，一种SVM变体低于60%）。我们进一步通过平均输出分数来融合两个分类器（随机森林和线性SVM）。观察到融合改善了非超车分类（TNR > 92%），但以降低超车准确率（TPR）为代价。然而，后者在超车触发点附近保持在91%以上。因此，融合平衡了TPR和TNR，提供了比单个分类器更一致的性能。
引用
@article{arxiv.2404.05723,
title = {Predicting Overtakes in Trucks Using CAN Data},
author = {Talha Hanif Butt and Prayag Tiwari and Fernando Alonso-Fernandez},
journal= {arXiv preprint arXiv:2404.05723},
year = {2024}
}