메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제9권 제5호
발행연도
2014.1
수록면
617 - 628 (12page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
This paper proposes a stochastic model for human driving behavior using a double layer Hidden Markov Model (HMM) with continuous observations. In the proposed model, gas pedal’s position, steering wheel’s angle, velocity and angular velocity of the vehicle is used and recorded in every 100 msec for recognizing driving task. Data acquisition is done during a simulated driving task, after that data is segmented and clustered into 9 different cases. The lower-layer with one-dimensional continuous HMM is used for recognizing translational acceleration of a vehicle. The upper-layer with one dimensional continuous HMM is used for recognizing angular velocity of a vehicle. For recognizing a user’s behavior, we used sliding windows with size of 10 samples and length of sequence with size of 30 samples. We apply a Kalman filter to reduce noise. After the filtering, the data was processed by sorting into three groups for a pedal, a steering wheel, and speed. We used two main features, which are angular velocity and the translational acceleration, in order to present driving behavior. We constructed a driving simulator based on Logitech G27 Racing platform to evaluate the proposed method. Using the developed driving simulator, some experiments were conducted for comparing the accuracy rate of the proposed method with that of the conventional method. Futhermore, we compared the average learning time of the proposed method with that of the conventional method because Learning time becomes also an important factor for investigating the performance of stochastic models. The experimental results confirm the accuracy of the proposed approach by revealing recognition accuracy around 96%-97%. Furthermore, the proposed method decreases learning time around 40%.
#Hidden Markov Models #Driving Patterns #Driving behaviors #Driving models

목차

등록된 정보가 없습니다.

참고문헌 (16)

참고문헌 신청
Amardeep Sathyanarayana / 2008 / Driver behavior analysis and route recognition by hidden markov models / Proceedings of the 2008 IEEE International Conference on Vehicular Electro google schola Anthony Danalis / 2012 / Efficient quality threshold clustering for parallel architectures / 2012 IEEE 26th International Parallel and Distributed Processing Symposium : 1068 ~ 10 google schola Chiyomi Miyajima / 2007 / Driver modeling based on driving behavior and its evaluation in driver identification / Proceedings of the IEEE 95 (2) : 427 ~ 437 google schola Christian Laugier / 2011 / Probabilistic analysis of dynamic scenes and collision risks assessment to improve driving safety / IEEE Intelligent Transportation Systems Magazi google schola Dejan Mitrovi´c / 2005 / Reliable method for driving events recognition / IEEE Transactions on Intelligent Transportation Systems 6 (2) : 198 ~ 205 google schola

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0