对于轻度认知障碍的老年驾驶员,车载传感和数据分析
Sonia Moshfeghi1, Muhammad Tanveer Jan1, Joshua Conniff2
1College of Engg and Computer Science, Florida Atlantic University, Boca Raton, USA.
2023 IEEE 20th International Conference on Smart Communities: Improving Quality of Life using AI, Robotics and IoT (HONET)
|April 2, 2024
概括
轻度认知障碍 (MCI) 的老年人更安全地驾驶,避免不规则的行为. 这项研究使用车载传感器和机器学习来通过驾驶模式检测早期的认知变化.
科学领域:
- 神经科学是一个神经科学.
- 老年学是一门学科.
- 运输安全运输安全
背景情况:
- 驾驶是一项复杂的认知任务,对与年龄相关的变化敏感.
- 早期发现认知能力下降,例如轻度认知障碍 (MCI),对于保持独立和安全至关重要.
- 对日常驾驶的不显眼的监控可以揭示微妙的认知转变.
研究的目的:
- 设计低成本的车载传感硬件,用于高精度定位和远程数据.
- 识别日常驾驶中早期认知变化的关键指标.
- 应用机器学习来检测在正常驾驶过程中认知障碍的早期预警信号.
主要方法:
- 开发可负担得起的车载传感器,用于数据收集.
- 带有MCI和没有MCI的司机之间的驾驶模式的统计比较.
- 实施机器学习模型 (随机森林) 来识别影响因素.
主要成果:
- 与没有认知障碍的人相比,患有MCI的司机表现出更顺和更安全的驾驶模式.
- 这表明司机意识到他们的认知状态,可以采取补偿策略.
- 随机森林模型强调了夜间旅行的数量,旅行总数和教育水平作为重要的预测指标.
结论:
- 每日驾驶行为分析,使用不引人注目的传感和机器学习,可以帮助早期检测认知障碍.
- 患有MCI的个人可能会有意识地修改驾驶,以减轻风险.
- 驾驶数据,行程频率和教育背景是评估认知变化的重要因素.
更多相关视频
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
7.5K
04:13Using a Real-Time Locating System to Measure Walking Activity Associated with Wandering Behaviors Among Institutionalized Older Adults
Published on: February 8, 2019
6.8K
