Anomalous Behavior Detection in Trajectory Data of Older Drivers

要約

道路網と一連の軌跡データが与えられた場合、異常行動検出 (ABD) の問題は、走行中に重大な方向逸脱、急ブレーキ、加速を示したドライバーを特定することです。
ABD 問題は、軽度認知障害 (MCI) の検出や高齢ドライバーに対する安全なルートの推奨など、多くの社会応用において重要です。
ABD 問題は、時間的に詳細な軌跡データセットのサイズが大きいため、計算的に困難です。
この論文では、時間的に詳細な軌跡データセットの重要な特性を表現し、異常な運転行動を識別できるエッジ属性行列を提案します。
現実世界のデータセットを使用した実験により、私たちのアプローチが異常な運転行動を特定することが実証されました。

要約(オリジナル)

Given a road network and a set of trajectory data, the anomalous behavior detection (ABD) problem is to identify drivers that show significant directional deviations, hardbrakings, and accelerations in their trips. The ABD problem is important in many societal applications, including Mild Cognitive Impairment (MCI) detection and safe route recommendations for older drivers. The ABD problem is computationally challenging due to the large size of temporally-detailed trajectories dataset. In this paper, we propose an Edge-Attributed Matrix that can represent the key properties of temporally-detailed trajectory datasets and identify abnormal driving behaviors. Experiments using real-world datasets demonstrated that our approach identifies abnormal driving behaviors.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google