Resumen

En los últimos años, se ha sabido que el sistema de conducción automatizada es uno de los temas de investigación más populares de la inteligencia artificial (IA) y el sistema de transporte inteligente (STI). La experiencia de viaje en vehículos automatizados y el sistema de conducción automatizada inteligente podrían mejorarse mediante la comprensión individualizada de la conducción. Aunque estudios anteriores han propuesto métodos para la comprensión de los estilos de conducción, la clasificación de la individualización de la conducción no se ha abordado en profundidad. Por lo tanto, en este estudio se propone un método supervisado para comprender la estructura del comportamiento de conducción y los estilos de conducción latentes incorporando el conocimiento previo. En primer lugar, se establece un método novedoso para la codificación del comportamiento de conducción y la minería de datos de conducción sin procesar. A continuación, se propone la Asignación Latente de Dirichlet Etiquetada (LLDA) para comprender los estilos de conducción latentes a partir de la conducción individual con comportamientos de conducción. Por último, se utilizan los datos del Safety Pilot Model Deployment (SPMD) para validar el rendimiento del modelo propuesto. Los resultados experimentales muestran que el modelo propuesto descubre los estilos de conducción latentes de forma efectiva y muestra una buena concordancia con las situaciones reales, lo que proporciona una guía teórica sobre el reconocimiento del comportamiento de conducción para una mejor experiencia individual en vehículos de conducción automatizada.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:estilos de conducción latentes, despliegue de modelos piloto de seguridad, sistema inteligente de conducción automatizada, minería de datos de conducción en bruto, asignación latente de dirichlet, mejor experiencia individual, sistema de transporte inteligente, temas de investigación populares, individualización, modelo
• Keywords:latent driving styles, safety pilot model deployment, intelligent automated driving system, raw driving data mining, latent dirichlet allocation, better individual experience, intelligent transportation system, popular research topics, individualization, model