Nuovo framework di deep learning rileva la guida aggressiva dai segnali del veicolo
I ricercatori propongono CBANet, una rete CNN-BiLSTM compatta basata su attenzione per rilevare eventi di guida aggressiva da segnali multivariati della dinamica del veicolo. Il framework affronta lo squilibrio dei dati e la variabilità del conducente costruendo caratteristiche dinamiche ingegnerizzate per sterzo, accelerazione e frenata, combinate con oversampling SMOTE e loss ponderata per classe. Lo studio mira a migliorare la sicurezza stradale attraverso un rilevamento più accurato dei comportamenti rischiosi.
Fatti principali
- CBANet utilizza CNN-BiLSTM con meccanismo di attenzione
- Le caratteristiche ingegnerizzate catturano sterzo, accelerazione e frenata
- Oversampling SMOTE e loss ponderata per classe affrontano lo squilibrio dei dati
- Obiettivo: rilevare la guida aggressiva dai dati dei sensori del veicolo
- Pubblicato su arXiv con ID 2605.23471
- La guida aggressiva è una delle principali cause di incidenti stradali
- I metodi di deep learning sono spesso limitati dallo squilibrio dei dati e dalla variabilità del conducente
- Il framework proposto migliora le prestazioni in condizioni reali
Entità
Istituzioni
- arXiv