ivdon3@bk.ru
В данной статье представлен сравнительный анализ моделей машинного обучения, применяемых для классификации водителей на основе данных датчиков микроэлектромеханических систем (МЭМС). Исследование основано на открытом наборе данных “UAH-DriveSet”, содержащем свыше 500 минут записей вождения с разметкой событий агрессивного поведения, таких как резкое торможение, резкий поворот и резкое ускорение. Рассмотрены алгоритмы градиентного бустинга, рекуррентной нейронной сети и сверточной нейронной сети. Особое внимание уделено анализу влияния на эффективность классификации параметров разделения данных методом скользящего окна, таких как размер окон и степень их перекрытия. Проведенное исследование вносит вклад в развитие систем машинного обучения для анализа поведения водителей и создание интеллектуальных решений на основе датчиков МЭМС.
Ключевые слова: анализ поведения водителей, датчики микроэлектромеханических систем, машинное обучение, агрессивное вождение, градиентный бустинг, рекуррентные нейронные сети, сверточные нейронные сети, скользящее окно, классификация водителей
Обнаружение агрессивного и аномального поведения водителей, которое зависит от множества внешних и внутренних факторов, является критически важным направлением для повышения безопасности дорожного движения. В данной статье представлен обзор методов машинного обучения, применяемых в задаче классификации поведения водителей. Проведен анализ сильных и слабых сторон существующих методов машинного обучения, представлены различные подходы к постановке и решению задачи классификации, рассмотрены используемые источники данных и соответствующие технические средства. Отдельное внимание уделено анализу роли датчиков микроэлектромеханических систем и их вклада в точность и эффективность классификации поведения водителей. Данный обзор представляет собой анализ текущего состояния исследований в данной области и способствует выявлению потенциальных направлений для будущих работ.
Ключевые слова: машинное обучение, классификация водителей, поведение водителей, источник данных, микроэлектромеханическая система, мониторинг водителей, стиль вождения, анализ поведения