Resumen

La identificación del conductor es un área de interés emergente en la telemática de vehículos, el control de automóviles y los seguros. Algunos trabajos recientes indican que puede ser posible identificar de forma única a un conductor utilizando varios sensores específicos. En este artículo presentamos un método de identificación de conductores basado únicamente en datos GPS de teléfonos inteligentes. Para nuestros experimentos, recogimos datos de 38 conductores durante dos meses. Cuantificamos el estilo natural del conductor extrayendo un conjunto de 137 características estadísticas de los datos generados para cada viaje completado. El análisis muestra que, para el problema de "identificación del conductor", se alcanza una precisión media del 82,3% para grupos de 4-5 conductores. Esto es comparable al estado de la técnica, en el que se ha adoptado sobre todo un enfoque multisensor. Además, se demuestra que ciertos atributos de comportamiento, como una gran habilidad al volante, influyen en la precisión de la identificación. Observamos que el clasificador Random Forest ofrece los mejores resultados. Estos resultados tienen grandes implicaciones para diversas partes interesadas, ya que el método propuesto puede identificar a un conductor basándose en su estilo de conducción naturalista, cuantificado en términos de parámetros estadísticos extraídos únicamente de datos GPS.

• 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:conductor, identificación de conductores, alta destreza al volante impacto precisión de identificación, clasificador de bosque aleatorio, ciertos atributos de comportamiento, múltiples sensores dedicados, estilo de conducción naturalista, datos gps de smartphone, datos, conductores
• Keywords:driver, driver identification, high driving skill impact identification accuracy, random forest classifier, certain behavioral attributes, multiple dedicated sensors, naturalistic driving style, smartphone gps data, data, drivers