A forgalomban résztvevők viselkedésének elemzése és modellezése

Eredeti címe:

Behavior Analysis and Modeling of Traffic Participants

Könyv tartalma:

A közúti közlekedésben részt vevő személy olyan személy, aki közvetlenül részt vesz a közúti közlekedésben, például járművezető, utas, gyalogos vagy kerékpáros, azonban a közlekedési balesetek számos vagyoni kárt, testi sérülést, sőt halálesetet okoznak számukra. A halálos közlekedési balesetek arányának csökkentése érdekében az intelligens járművek fejlesztése manapság nagyra értékelt technológia. A jármű döntéshozatala és tervezése szempontjából nagy jelentőséggel bír, ha a gyalogosok szándékai és jövőbeli útvonala, valamint a környező járművek útvonala megjósolható lenne, mindezt a vezetés biztonságának növelése érdekében. A fedélzeti monokuláris kamerák által gyűjtött képsorozat alapján a gyalogosok és a környező járművek szándékának és röppályájának előrejelzésére a hosszú rövidtávú memórián (LSTM) alapuló hálózatot használjuk egy továbbfejlesztett figyelemmechanizmussal.

Bár a teljesen automatikus vezetés korszaka még mindig távolinak tűnik, az emberi járművezető a jelenlegi körülmények között még mindig kulcsfontosságú része a közúti járművezető-jármű rendszernek, még akkor is, ha alacsony szintű automatikus vezetésű járművekről van szó. Tekintettel arra, hogy a halálos közlekedési balesetek több mint 90 százalékát emberi hibák okozták, így a vezetés közbeni másodlagos feladat, valamint a vezetési stílus felismerése jelentőséggel bír egy személyre szabottabb fejlett vezetőtámogató rendszer (ADAS) vagy intelligens jármű kifejlesztése érdekében. A vezetési másodlagos feladat felismerésének megvalósításához a grafikus konvolúciós hálózatokat használjuk a térbeli jellemzők következtetéséhez és az LSTM-hálózatokat a figyelemmechanizmussal az időbeli mozgásjellemzők tanulására a képsorozaton belül.

Az agresszív járművezetők ráadásul nagyobb valószínűséggel vesznek részt közlekedési balesetekben, és a járművezetők vezetési kockázati szintjét számos lehetséges tényező, például demográfiai és személyiségjegyek befolyásolhatják. Ezért a vezetési stílus osztályozására fogunk összpontosítani a hosszanti autókövetési forgatókönyv esetében. Továbbá a strukturális egyenletmodell (SEM) és a Stratégiai Autópálya Kutatási Program 2 (SHRP 2) naturalisztikus vezetési adatbázis alapján teljes körűen megvitatjuk a járművezetők demográfiai jellemzői, az érzéskeresés, a kockázatérzékelés és a kockázatos vezetési magatartás közötti kapcsolatokat. E rövid könyv eredményei és következtetései várhatóan potenciális útmutatást és előnyöket nyújtanak az intelligens járműtechnológia és a vezetésbiztonság fejlesztésének előmozdításához.