Un método personalizado de evaluación de riesgos de conducción y predicción de rodadura mediante la integración de...

Área de la Ciencia:

• Seguridad del tráfico y sistemas de transporte inteligentes
• La ingeniería biomédica y los factores humanos

Sus antecedentes:

• Los estilos de conducción varían significativamente, lo que requiere una evaluación de riesgos personalizada para la seguridad del tráfico proactiva.
• Los sistemas existentes carecen de una predicción personalizada en tiempo real del riesgo de accidente basada en datos fisiológicos y de vehículos integrados.
• Los sistemas inteligentes de asistencia al conductor requieren una predicción precisa de los riesgos para una intervención eficaz.

Objetivo del estudio:

• Proponer un método personalizado de evaluación del riesgo de conducción y de predicción de rodadura.
• Integrar la dinámica del vehículo y la variabilidad de la frecuencia cardíaca (HRV) para la predicción del riesgo de accidente en tiempo real.
• Desarrollar un modelo avanzado para la predicción de riesgos de conducción continua.

Principales métodos:

• En un experimento de conducción natural se recogieron datos de incidentes críticos (EIC) y de indicadores.
• Una red bayesiana mejorada identificó los indicadores personalizados clave que influyen en los EIC.
• Se desarrolló la unidad recurrente bidireccional con puerta (BiGRU) basada en optimización bayesiana (BO) integrada con CNN y EKF (modelo BCBGE) para la predicción.

Principales resultados:

• El riesgo de conducción se clasificó en cuatro niveles distintos.
• El análisis personalizado reveló 3-4 dinámicas clave del vehículo o indicadores de VRC por tipo de CIE.
• El modelo BCBGE logró una precisión de predicción del 92,03%, superando a otros modelos en un 3,37-15,88%.

Conclusiones:

• El método personalizado propuesto evalúa y predice eficazmente el riesgo de conducción en tiempo real.
• La integración de la dinámica del vehículo y el VRC proporciona una base sólida para la asistencia inteligente al conductor.
• El modelo BCBGE demuestra un rendimiento superior en la predicción del riesgo de conducción continua.