Resumen

Se presenta un algoritmo de predicción del estado de riesgo al conducir basado en la cadena de Markov. Los estados de riesgo al conducir se clasifican utilizando técnicas de agrupamiento basadas en variables de características que describen los niveles de riesgo instantáneos dentro de ventanas de tiempo, donde los niveles de riesgo instantáneos se determinan en el plano bidimensional de tiempo de colisión y distancia de seguridad. Se desarrollan modelos logísticos multinomiales con un método de estimación de variables de características recursivas para mejorar la estimación tradicional de la probabilidad de transición de estados, que también tiene en cuenta los efectos integrales del comportamiento al conducir, el tráfico y los factores del entorno vial en la evolución del estado de riesgo al conducir. Se emplean datos de conducción natural de 100 vehículos de Virginia Tech para el entrenamiento y validación del modelo de predicción. Los resultados muestran que, bajo una tasa de falsos positivos del 5%, el algoritmo de predicción podría tener una alta tasa de precisión en la predicción de

• Materias:Comportamiento asintótico Entropía del gráfico Seguridad dinámica Polinomios diferenciales Gráfico monocíclico
• Subjects:Asymptotic behavior Entropy of the graph Dynamic safety Differential polynomials Monocyclic graph
• Palabras claves:Riesgo al conducir; Algoritmo de predicción; Cadena de Markov; Técnicas de agrupamiento; Variables de características; Tiempo hasta colisión
• Keywords:Driving risk; Prediction algorithm; Markov chain; Clustering techniques; Feature variables; Time-to-collision