Resumen

La identificación del conductor y del tipo de trayectoria se están convirtiendo en temas muy críticos dado el creciente interés de la industria del automóvil por mejorar la experiencia y la seguridad del conductor y dada la necesidad de reducir los problemas medioambientales globales. Dado que en los últimos años se ha producido un gran número de sensores y sistemas de monitorización de automóviles cada vez más sofisticados y precisos, varios enfoques propuestos se basan en el análisis de una enorme cantidad de datos en tiempo real que describen la experiencia de conducción. En este trabajo, se propone un conjunto de características de comportamiento extraídas por un sistema de monitorización de automóviles para realizar la identificación del conductor y del tipo de trayectoria, así como para evaluar la familiaridad del conductor con un vehículo determinado. El modelo de características propuesto se explota mediante un enfoque de clasificación de series temporales basado en una red perceptrón multicapa (MLP) para evaluar su eficacia para los objetivos mencionados. El experimento se realiza con un conjunto de datos reales compuesto por 292 observaciones (cada observación consiste en una persona que conduce un coche determinado por un camino predefinido) y muestra que las características propuestas tienen una capacidad muy buena de identificación y perfilado del conductor y del camino.

• Materias:Planificación de la producción Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Production planning Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:identificación del tipo de trayectoria, sensores precisos para automóviles, problemas medioambientales globales, enfoque de clasificación en serie, automóvil, identificación del conductor, industria del automóvil, características de comportamiento, temas críticos, experiencia del conductor
• Keywords:path kind identification, accurate car sensors, global environmental problems, series classification approach, car, driver identification, automobile industry, behavioral features, critical topics, driver experience