| 作成者 |
|
|
|
|
|
|
|
| 本文言語 |
|
| 出版者 |
|
|
|
| 発行日 |
|
| 収録物名 |
|
| 巻 |
|
| 開始ページ |
|
| 終了ページ |
|
| 出版タイプ |
|
| アクセス権 |
|
| 権利関係 |
|
|
|
| 関連DOI |
|
| 関連URI |
|
| 関連HDL |
|
| 概要 |
自動車の走行状況や道路状況などを知るため．スマートフォンセンサーをはじめ，GPS を利用したAutomatic Vehicle Location (AVL) など，様々な装置を利用し，プローブデータ（自動車の走行データ）の獲得が行われて，機械学習手法を利用した走行挙動の分析が行われてきている．本研究では，機械学習手法と特徴選択手法を組み合わせた，通常とは異なる走行挙動（異常走行挙動）の識別手法を提...案する．具体的には会津若松市オープンデータ活用実証事業により提供されている公用車・公共交通車両走行情報履歴データにSVM (Support Vector Machine) と特徴選出の手法を用いた異常走行挙動の識別手法を提案する．本手法を適用した際の，異常走行挙動の識別結果と識別精度，識別に寄与した特徴についても考察する．
Driving probe data are captured to analyze driving behavior of a car and the road conditions. Probe devices are realized by smartphone or AVL (Automatic Vehicle Location) with GPS (Global positioning system). Some researchers apply machine learning methods for analysis of driving probe data. In this research, we propose a method to distinguish unusual driving behavior (sudden braking) using machine learning method. We apply SVM (support vector machine) and feature selection method to the driving probe data provided by Aizuw-Wakamatsu City Open Data Utilization Verification Project. We report the effect of feature selection for unusual driving behavior detection, using F-measure and accuracy. We also show that selected features identify unusual driving condition (place and date).続きを見る
|
Mendeley出力
ipsj-its76-aizu