Analisi del comportamento e modellazione dei partecipanti al traffico

Titolo originale:

Behavior Analysis and Modeling of Traffic Participants

Contenuto del libro:

I partecipanti al traffico stradale sono persone che partecipano direttamente al traffico stradale, come i conducenti di veicoli, i passeggeri, i pedoni o i ciclisti, per i quali gli incidenti stradali causano numerose perdite di proprietà, lesioni fisiche e persino la morte. Per ridurre il tasso di incidenti stradali mortali, lo sviluppo di veicoli intelligenti è oggi una tecnologia molto apprezzata. È di grande importanza per il processo decisionale e la pianificazione di un veicolo se le intenzioni dei pedoni e le traiettorie future, così come quelle dei veicoli circostanti, possono essere previste, nel tentativo di aumentare la sicurezza di guida. Sulla base della sequenza di immagini raccolte dalle telecamere monoculari di bordo, utilizziamo una rete basata sulla memoria a breve termine (LSTM) con un meccanismo di attenzione potenziato per realizzare la previsione delle intenzioni e delle traiettorie dei pedoni e dei veicoli circostanti.

Tuttavia, sebbene l'era della guida completamente automatica sembri ancora lontana, nelle circostanze attuali i conducenti umani sono ancora una parte cruciale del sistema strada-conducente-veicolo, anche con bassi livelli di veicoli a guida automatica. Considerando che più del 90% degli incidenti stradali mortali sono stati causati da errori umani, è importante riconoscere i compiti secondari durante la guida e lo stile di guida, per sviluppare un sistema di assistenza alla guida avanzato (ADAS) o un veicolo intelligente più personalizzato. Utilizziamo le reti convoluzionali a grafo per il ragionamento delle caratteristiche spaziali e le reti LSTM con il meccanismo di attenzione per l'apprendimento delle caratteristiche temporali del movimento all'interno della sequenza di immagini per realizzare il riconoscimento del compito secondario della guida.

Inoltre, i conducenti aggressivi hanno maggiori probabilità di essere coinvolti in incidenti stradali e il livello di rischio alla guida dei conducenti potrebbe essere influenzato da molti fattori potenziali, come i dati demografici e i tratti della personalità. Pertanto, ci concentreremo sulla classificazione dello stile di guida per lo scenario longitudinale di auto-seguimento. Inoltre, sulla base del modello di equazione strutturale (SEM) e del database di guida naturalistica dello Strategic Highway Research Program 2 (SHRP 2), vengono discusse a fondo le relazioni tra le caratteristiche demografiche dei conducenti, la ricerca di sensazioni, la percezione del rischio e i comportamenti di guida a rischio. I risultati e le conclusioni di questo breve libro dovrebbero offrire potenziali indicazioni e benefici per la promozione dello sviluppo della tecnologia dei veicoli intelligenti e della sicurezza di guida.