×

道路机动车紧急制动分类分类器的比较分析。 (英语) Zbl 1461.62211号

小结:我们研究了从油门踏板的运动模式对道路车辆紧急制动情况进行分类(推断)的可行性。我们训练并比较了几种分类器,并使用遗传算法来调整它们相关的超参数。以加速器踏板动力学的离线时间序列数据作为测试集,实验结果表明,进化分类器检测紧急制动情况的准确率至少为93%。性能最佳的分类器可以集成到代理中,该代理实时感知加速器踏板的动态,如果检测到紧急制动,则在驾驶员能够踩下制动器之前,通过踩下全刹车来发挥作用。

MSC公司:

第60页 统计学在工程和工业中的应用;控制图
68吨10 模式识别、语音识别
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Laukkonen,J。;13高级驾驶员辅助系统。
[2] 科林,E。;艾德哈尔,A。;本茨森,M。;带全自动制动和行人检测的碰撞报警——自动紧急制动的一个实例;第13届国际IEEE智能交通系统会议论文集:,155-160.
[3] 科林,E。;雅各布森。;Lind,H。;Lindman,M。;汽车刹车碰撞预警——现实生活安全视角;第20届国际车辆安全增强技术会议记录:。
[4] 科威特贵霜。;加布勒,H.C。;前向碰撞警告、制动辅助和自动制动系统在追尾碰撞中的安全效益;IEEE传输。智力。运输。系统:2012年;第13卷,1546-1555。
[5] Fancher,P。;Bareket,Z。;Ervin,R。;以人为中心的加速制动和前冲报警系统设计;国际法学杂志。机械。美孚。:2010年;第36卷,203-223。
[6] 王尔德,G.J.S。;风险稳态理论:对安全和健康的影响;风险分析:1982; 第2卷,209-225。
[7] Haufe,S。;Treder,M.S。;Gugler,M.F。;Sagebaum,M。;Curio,G。;布兰克茨,B。;脑电图电位预测模拟驾驶期间即将发生的紧急制动;神经工程学杂志:2011;第8卷,1-11。
[8] Haufe,S。;Kim,J。;Kim,I.H。;Treder,M.S。;Sonnleitner,A。;Schrauf,M。;Curio,G。;布兰克茨,B。;基于电生理的真实驾驶中紧急制动意图检测;神经工程学杂志:2014年;第11卷,056011。
[9] Kim,I.H。;Kim,J.W。;Haufe,S。;Lee,S.W。;基于脑电特征组合的模拟驾驶过程中不同情况下的制动意图检测;神经工程学杂志:2015;第12卷,016001。
[10] Mccall,J.C。;特里维迪,M.M。;基于人类行为的预测制动辅助;2006年IEEE智能车辆研讨会论文集:,8-12.
[11] Kassaagi,M。;布里沙特,G。;波皮埃尔,J.-C。;空旷道路上驾驶员制动行为研究;第18届国际车辆安全增强技术会议记录:。
[12] Kiesewetter,W。;W.克林克纳。;莱切特,W。;斯坦纳,M。;梅赛德斯-奔驰的新制动辅助系统;汽车工业。Z.:1997年;第99卷,第330页。
[13] 马耳他。;Miyajima,C。;武田,K。;车辆交通潜在威胁下驾驶员行为研究;IEEE传输。智力。运输。系统:2009年;第10卷,201-210。
[14] Podusenko,A。;尼库林,V。;塔内夫,I。;Shimohara,K。;紧急制动过程中油门和制动踏板动力学的因果关系;2017年FAST-0会议记录:·Zbl 1461.62211号
[15] Forum-8驾驶模拟器。
[16] Podusenko,A。;尼库林,V。;塔内夫,I。;Shimohara,K;基于加速器踏板提升运动模式的紧急制动预测:日本大阪,2017·兹比尔1461.62211
[17] Powers,D.M.W。;评价:从精确性、召回率、F-Measure到ROC;信息标记更正。J.马赫。学习。技术:2011; 第2卷,37-63。
[18] Kohavi,F。;精度估计和模型选择的交叉验证和Bootstrap方法研究;第十四届国际人工智能联合会议记录:·Zbl 0169.01502号
[19] Refaeilzadeh,P。;唐,L。;刘,H。;交叉验证;数据库系统百科全书:纽约,纽约,美国2009,532-538.
[20] Dasarathy公司;最近邻(NN)规范:NN模式分类技术:华盛顿特区,美国1991。
[21] 苏肯斯,J。;范德维尔,J。;最小二乘支持向量机分类器;神经过程。信函:1999; 第9293卷·Zbl 0958.93042号
[22] Chen,T。;Guestrin,C。;Xgboost:一个可扩展的树助推系统;arXiv:2016。
[23] Adam-Bourdarios,C。;Cowan,G。;Germain-Renaud,C。;盖恩,I。;Kégl,B。;卢梭,D。;希格斯机器学习挑战;《物理学杂志》。Conf.序列号:2015; .
[24] Phoboo,A.E。;机器学习赢得希格斯挑战;ATLAS新闻:2014。
[25] 刘易斯,R.J。;分类与回归树(CART)分析简介;学术急救医学学会年会论文集:。
[26] Goldberg,E。;Holland,J.H。;遗传算法与机器学习;马赫。学习。:1988; 第3卷,95-99。
[27] Holland,J.H;自然和人工系统中的适应:剑桥,马萨诸塞州,美国1992年。
[28] Holland,J.H;隐藏的秩序:适应如何构建复杂性:纽约,纽约,美国1996年。
[29] 佩德雷戈萨,F。;瓦罗佐,G。;Gramfort,A。;米歇尔,V。;蒂里昂,B。;O.格栅。;布隆德尔,M。;普雷滕霍弗,P。;韦斯,R。;杜堡,V。;Scikit-Learn:Python中的机器学习;JMLR:2011年;第12卷,2825-2830·Zbl 1280.68189号
[30] 别丁克,L。;Louppe,G。;布隆德尔,M。;佩德雷戈萨,F。;穆勒,A。;O.格栅。;Niculae,V。;普雷滕霍弗,P。;Gramfort,A。;Grobler,J。;机器学习软件的API设计:Scikit-Learn项目的经验;arXiv:2013。
[31] XGBoost包。
[32] Podusenko,A。;分类器紧急制动分类器在Python中的实现;2017; .
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。