Extracción de primitivas de comportamiento de conducción considerando la expectativa del conductor y la dinámica del...

Área de la Ciencia:

• Interacción Humano-Computadora
• Inteligencia Artificial
• Ingeniería de Transporte

Sus antecedentes:

• El análisis detallado del comportamiento de conducción es esencial para el desarrollo de sistemas avanzados de asistencia al conductor (ADAS) y vehículos autónomos (AV).
• Los métodos existentes a menudo luchan por capturar la naturaleza jerárquica y matizada de los patrones de conducción humanos.

Objetivo del estudio:

• Desarrollar un marco novedoso para extraer primitivas jerárquicas de comportamiento de conducción.
• Mejorar la precisión y la interpretabilidad de la segmentación y agrupación del comportamiento de conducción.

Principales métodos:

• Un marco de dos etapas que combina la segmentación de secuencias aglomerativas basada en modelos bayesianos (BMASS) para la segmentación del comportamiento y la asignación de Dirichlet latente basada en el acoplamiento de variables (VC-LDA) para la agrupación de primitivas.
• Construcción de un espacio de características multimodales que incorpora estados de movimiento del vehículo y expectativas del conductor.
• Desarrollo de un proceso de discretización consciente del acoplamiento de características dentro de VC-LDA para manejar el acoplamiento de características no lineal y la asincronía temporal.

Principales resultados:

• El modelo BMASS propuesto logró una segmentación precisa del comportamiento, con la duración y el posicionamiento de los segmentos como métricas clave de calidad.
• El método VC-LDA superó significativamente a GMM-LDA en la agrupación, demostrando una menor perplejidad y una mayor compacidad intraclase.
• El marco proporciona una interpretabilidad física mejorada de los estados de conducción.

Conclusiones:

• El novedoso marco ofrece un método automatizado y eficiente para comprender y modelar el comportamiento del conductor.
• Este enfoque proporciona información valiosa para el desarrollo de ADAS y AV más seguros y sofisticados.
• El método VC-LDA representa un avance significativo en la agrupación de estados de conducción.