AI-Based Framework for Understanding Car Following Behaviors of Drivers in A Naturalistic Driving Environment

要約

路上で最も一般的な事故は、追突事故です。
これらのクラッシュは、トラフィック フローに重大な悪影響を及ぼし、多くの場合致命的です。
これらのシナリオをより実践的に理解するには、追突事故につながる自動車の追従動作を正確にモデル化する必要があります。
ドライバーの車の追従行動をモデル化するために、数多くの研究が行われてきました。
ただし、これらの研究の大部分はシミュレートされたデータに依存しており、実際のインシデントを正確に表していない可能性があります。
さらに、ほとんどの研究は自車両の加速度のモデル化に限定されており、自車両の挙動を説明するには不十分です。
その結果、現在の研究では、自然主義的な環境でのドライバーの行動を理解することに関連する機能を抽出するための人工知能フレームワークを開発することにより、これらの問題に対処しようとしています。
さらに、この研究では、NDS ビデオから抽出した情報を使用して、自車両と先行車両の両方の加速度をモデル化しました。
この調査結果によると、若者は高齢者よりも攻撃的なドライバーになる傾向があります。
さらに、自車の加速度をモデル化すると、自車と先行車の相対速度が 2 台の車両間の距離よりも重要であることがわかりました。

要約(オリジナル)

The most common type of accident on the road is a rear-end crash. These crashes have a significant negative impact on traffic flow and are frequently fatal. To gain a more practical understanding of these scenarios, it is necessary to accurately model car following behaviors that result in rear-end crashes. Numerous studies have been carried out to model drivers’ car-following behaviors; however, the majority of these studies have relied on simulated data, which may not accurately represent real-world incidents. Furthermore, most studies are restricted to modeling the ego vehicle’s acceleration, which is insufficient to explain the behavior of the ego vehicle. As a result, the current study attempts to address these issues by developing an artificial intelligence framework for extracting features relevant to understanding driver behavior in a naturalistic environment. Furthermore, the study modeled the acceleration of both the ego vehicle and the leading vehicle using extracted information from NDS videos. According to the study’s findings, young people are more likely to be aggressive drivers than elderly people. In addition, when modeling the ego vehicle’s acceleration, it was discovered that the relative velocity between the ego vehicle and the leading vehicle was more important than the distance between the two vehicles.

arxiv情報

著者 Armstrong Aboah,Abdul Rashid Mussah,Yaw Adu-Gyamfi
発行日 2023-01-23 08:24:33+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV パーマリンク