从多式联动驾驶数据进行高级驾驶辅助系统 (ADAS) 激活的分类:现实世界的研究
Gihun Lee1, Kahyun Lee1, Jong-Uk Hou1
1Department of Computer Engineering, Hallym University, Chuncheon 24252, Republic of Korea.
Sensors (Basel, Switzerland)
|October 16, 2025
概括
这项研究表明,通过使用同步的车辆和智能手机数据,在现实驾驶中检测高级驾驶辅助系统 (ADAS) 状态. 研究结果显示,ADAS使用影响驾驶行为,为安全和未来研究提供了洞察力.
科学领域:
- 汽车工程 汽车工程
- 人与计算机的交互
- 运输安全运输安全
背景情况:
- 精确检测高级驾驶辅助系统 (ADAS) 状态对于安全,责任和事故重建至关重要.
- 现有的研究经常使用模拟或非同步数据,限制了现实世界的适用性.
研究的目的:
- 开发和评估使用现实数据区分ADAS启用和手动驾驶模式的方法.
- 分析与ADAS使用相关的行为差异.
主要方法:
- 从高速公路上的司机收集同步的控制器区域网络 (CAN) 公共汽车和智能手机惯性测量单元 (IMU) 数据.
- 开发了轻量级的统计和深度学习分类模型来检测ADAS状态.
- 分析驾驶行为,重点关注速度调节和方向盘稳定.
主要成果:
- 在手动和ADAS模式之间观察到速度控制和转向可变性的系统差异.
- 使用ADAS与减少方向盘变化和更稳定的速度控制有关.
- 开发的分类管道在确定ADAS运行状态方面表现出适度的准确性.
结论:
- 这项研究介绍了在自然驾驶条件下首次基于数据的ADAS状态检测之一.
- 这些发现证实ADAS影响驾驶员行为,为驾驶员监控和自适应系统提供了有价值的数据.
- 发布的数据集是推动汽车安全研究的资源.


