On using Machine Learning Algorithms for Motorcycle Collision Detection

要約

世界中で、オートバイは多種多様なユーザーを魅了しています。
しかし、二輪車事故の重傷率や死亡率は乗用車事故をはるかに上回っているため、受動安全システムの強化に向けた取り組みが進められています。
衝撃シミュレーションによると、オートバイにエアバッグやシートベルトなどの受動的安全対策が装備されていれば、オートバイと自動車が衝突した場合に重傷を負ったり死亡したりするリスクが大幅に軽減されることがわかります。
受動的安全システムが作動するには、さまざまな衝撃構成に対してミリ秒以内に衝突を検出する必要がありますが、いかなる状況でも誤って作動してはなりません。
差し迫った衝突を確実に検出するという課題に対して、この論文では機械学習アルゴリズムの適用可能性に関する調査を紹介します。
まず、機械学習分類モデルをトレーニングするためのデータを収集するために、事故と運転操作の一連のシミュレーションが導入されます。
今後、それらのパフォーマンスは、複数の代表的なアプリケーション指向の基準によって評価および比較されます。

要約(オリジナル)

Globally, motorcycles attract vast and varied users. However, since the rate of severe injury and fatality in motorcycle accidents far exceeds passenger car accidents, efforts have been directed toward increasing passive safety systems. Impact simulations show that the risk of severe injury or death in the event of a motorcycle-to-car impact can be greatly reduced if the motorcycle is equipped with passive safety measures such as airbags and seat belts. For the passive safety systems to be activated, a collision must be detected within milliseconds for a wide variety of impact configurations, but under no circumstances may it be falsely triggered. For the challenge of reliably detecting impending collisions, this paper presents an investigation towards the applicability of machine learning algorithms. First, a series of simulations of accidents and driving operation is introduced to collect data to train machine learning classification models. Their performance is henceforth assessed and compared via multiple representative and application-oriented criteria.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google