SAFE-D：面向帕金森氏病式驾驶员的时空异常检测框架
机器学习
2025-10-21 v1 人机交互
摘要
驾驶员的健康状态是影响驾驶行为调节的关键因素。微小的异常偏离可能导致操作性异常，增加公共交通安全风险。虽然已有研究开发了针对功能性暂时性异常（如嗜睡和分心）的检测机制，但针对由慢性医学条件引发的路径学性偏离的研究仍有限。为填补这一空白，我们研究了帕金森氏病患者的驾驶行为，提出了一种名为 SAFE-D 的新型框架，用于检测帕金森氏病相关的行为异常以提升驾驶安全。我们的方法首先分析帕金森氏病的症状，聚焦于主要运动功能障碍，建立其与驾驶表现下降之间的因果关系。为表征早期帕金森氏病的亚临床行为变异，该框架整合多个车辆控制组件的数据，构建行为轮廓。随后，我们设计了基于注意力机制的网络，自适应地优先排序时空特征，在生理变异性下实现稳健的异常检测。最后，我们在 Logitech G29 平台和 CARLA 模拟器上验证了 SAFE-D，使用三条道路地图模拟真实驾驶环境。结果表明，SAFE-D 在区分正常与帕金森氏病驾驶模式方面平均准确率达96.8%。
引用
@article{arxiv.2510.17517,
title = {SAFE-D: A Spatiotemporal Detection Framework for Abnormal Driving Among Parkinson's Disease-like Drivers},
author = {Hangcheng Cao and Baixiang Huang and Longzhi Yuan and Haonan An and Zihan Fang and Xianhao Chen and Yuguang Fang},
journal= {arXiv preprint arXiv:2510.17517},
year = {2025}
}