Resumen

El choque por alcance es uno de los accidentes más comunes en carretera. El reconocimiento preciso del estilo de conducción teniendo en cuenta el riesgo de colisión trasera es crucial para diseñar sistemas útiles de asistencia al conductor y sistemas de control de vehículos. El objetivo de este estudio es desarrollar un método de reconocimiento del estilo de conducción basado en los datos de la trayectoria del vehículo extraídos del vídeo de vigilancia. En primer lugar, se seleccionan tres sustitutos de colisión trasera, Inversed Time to Collision (ITTC), Time-Headway (THW) y Modified Margin to Collision (MMTC), para evaluar el nivel de riesgo de colisión de la trayectoria del vehículo de cada conductor. El estilo de conducción de cada conductor en los datos de entrenamiento se etiqueta en función de su nivel de riesgo de colisión mediante el algoritmo K-mean. A continuación, las entradas del modelo de reconocimiento del estilo de conducción se extraen de las características de la trayectoria del vehículo, incluidas la aceleración, la velocidad relativa y la distancia relativa, utilizando la transformada discreta de Fourier (DFT), la transformada wavelet discreta (DWT) y un método estadístico para facilitar el reconocimiento del estilo de conducción. Por último, se aplica la máquina de vectores de apoyo (SVM) para reconocer el estilo de conducción basándose en los datos etiquetados. También se compara el rendimiento de Random Forest (RF), K-Nearest Neighbor (KNN) y Multi-Layer Perceptron (MLP) con SVM. Los resultados muestran que SVM supera a los demás con un 91,7 con el método de extracción de características DWT.

• Materias:Infraestructura de transportes Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Transport infrastructure Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:nivel de riesgo de colisión, svm, reconocimiento preciso del estilo de conducción, método de extracción de características dwt, sistemas útiles de asistencia al conductor, transformada discreta de fourier, transformada discreta de wavelet, colisión final, riesgo de colisión final, sustitutos de colisión final
• Keywords:collision risk level, svm, accurate driving style recognition, dwt feature extraction method, useful driver assistance systems, discrete fourier transform, discrete wavelet transform, end collision crash, end collision risk, end collision surrogates