Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2024 - zeszyt 4

Utilizing LSTM Networks for the Prediction of Driver Behavior

Wykorzystanie sieci LSTM do przewidywania zachowań kierowców

10.15199/48.2024.04.34

nr katalogowy: 148134
10.15199/48.2024.04.34

Streszczenie

The driving behaviour prediction system was extensively utilised for minimising traffic accidents especially in detection of abnormal driving behaviours such as rapid acceleration, emergency braking, and sudden lane changes. This paper proposes deep learning model based on LSTM to classify driving behavior using OBD-II data. Results suggest that the proposed model exhibits a natural capability to retain and utilize temporal information in the input data, surpassing conventional machine learning methods.

Abstract

System przewidywania zachowania kierowcy był szeroko wykorzystywany do minimalizowania liczby wypadków drogowych, zwłaszcza do wykrywania nietypowych zachowań podczas jazdy, takich jak gwałtowne przyspieszanie, hamowanie awaryjne i nagła zmiana pasa ruchu. W artykule zaproponowano model głębokiego uczenia oparty na LSTM do klasyfikacji zachowań kierowców przy użyciu danych OBD-II. Wyniki sugerują, że proponowany model wykazuje naturalną zdolność do zatrzymywania i wykorzystywania informacji czasowych w danych wejściowych, przewyższając konwencjonalne metody uczenia maszynowego

Słowa kluczowe

Keywords

Bibliografia

[1] World health statistics 2020: monitoring health for the SDGs, sustainable development goals. https://apps.who.int/iris/handle/10665/332070
[2] Bolovinou, A., Amditis, A., Bellotti, F., & Tarkiainen, M. Driving style recognition for co-operative driving: a survey. In ADAPTIVE 2014: The Sixth International Conference on Adaptive and Self-Adaptive Systems and Applications (2014), pp. 73-78. International Academy, Research, and Industry Association IARIA.
[3] N. P. Chandrasiri, K. Nawa, and A. Ishii. Driving skill classification in curve driving scenes using machine learning. Journal of Modern Transportation, 24 (2016), no. 3, pp. 196– 206. doi: 10.1007/s40534-016-0098-2.
[4] W. Wang, J. Xi, and H. Chen. Modeling and Recognizing Driver Behavior Based on Driving Data: A Survey. Math Probl Eng, (2014) pp. 1–20. doi: 10.1155/2014/245641.
[5] J. Chmielińska and J. Jakubowski. Application of convolutional neural network to the problem of detecting selected symptoms of driver fatigue. Przegląd Elektrotechniczny, vol. 93, no. 10, pp. 6-10, 2017
[6] F. Lindow, C. Kaiser, A. Kashevnik, and A. Stocker. AI-Based Driving Data Analysis for Behavior Recognition in Vehicle Cabin. in 2020 27th Conference of Open Innovations Association (FRUCT), IEEE, (2020) pp. 116–125.
[7] Waisi, Najwan & Abdullah, Nawal & Ghazal, Mohammed. The Automatic Detection of Underage Troopers from Live- Videos Based on Deep Learning. Przegląd Elektrotechniczny. (2021). 85-88.
[8] A. Girma, X. Yan, and A. Homaifar. Driver Identification Based on Vehicle Telematics Data using LSTM-Recurrent Neural Network. IEEE 31st International Conference on Tools with Artificial Intelligence (ICTAI).(2019) pp. 894–902.
[9] C. Zhang, R. Li, W. Kim, D. Yoon and P. Patras, "Driver Behavior Recognition via Interwoven Deep Convolutional Neural Nets With Multi-Stream Inputs," in IEEE Access, (2020) vol. 8, pp. 191138-191151.
[10] S. Bouhsissin, N. Sael and F. Benabbou, "Driver Behavior Classification: A Systematic Literature Review," in IEEE Access, (2023) vol. 11, pp. 14128-14153. doi: 10.1109/ACCESS.2023.3243865.
[11] W. Huang, X. Liu, M. Luo, P. Zhang, W. Wang and J. Wang, "Video-Based Abnormal Driving Behavior Detection via Deep Learning Fusions," in IEEE Access, (2019) vol. 7, pp. 64571- 64582. doi: 10.1109/ACCESS.2019.2917213.
[12] E. Khosravi, A. M. A. Hemmatyar, M. J. Siavoshani and B. Moshiri, "Safe Deep Driving Behavior Detection (S3D)," in IEEE Access, (2022) vol. 10, pp. 113827-113838. doi: 10.1109/ACCESS.2022.3217644.
[13] J. Xu, S. Pan, P. Z. H. Sun, S. Hyeong Park and K. Guo, "Human-Factors-in-Driving-Loop: Driver Identification and Verification via a Deep Learning Approach using Psychological Behavioral Data," in IEEE Transactions on Intelligent Transportation Systems, (2023) vol. 24, no. 3, pp. 3383-3394, March 2023, doi: 10.1109/TITS.2022.3225782.
[14] M. H. Alkinani, W. Z. Khan and Q. Arshad, "Detecting Human Driver Inattentive and Aggressive Driving Behavior Using Deep Learning: Recent Advances, Requirements and Open Challenges," in IEEE Access,(2020) vol. 8, pp. 105008-105030, 2020, doi: 10.1109/ACCESS.2020.2999829.
[15] N. Peppes, T. Alexakis, E. Adamopoulou, and K. Demestichas, “Driving Behaviour Analysis Using Machine and Deep Learning Methods for Continuous Streams of Vehicular Data,” Sensors,(2021) vol. 21, no. 14, p. 4704, Jul. 2021, doi: 10.3390/s21144704.
[16] M. Z. Alom et al., “A state-of-the-art survey on deep learning theory and architectures,” Electronics (Switzerland), (2019) vol. 8, no. 3. MDPI AG. doi: 10.3390/electronics8030292.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD ELEKTROTECHNICZNY- e-publikacja (pdf) z zeszytu 2024-4 , nr katalogowy 148134 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2024-4 licencja: Osobista Produkt cyfrowy Nowość	85.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2024-4

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma