Key points are not available for this paper at this time.
Die Fahranalyse ist ein jüngstes Interessensgebiet aufgrund der wachsenden Sicherheitsbedenken in Fahrzeugen. Der Mangel an öffentlich verfügbaren Fahrdaten schränkt jedoch derzeit den Fortschritt in diesem Bereich ein. Machine-Learning-Techniken könnten die Forschung erheblich verbessern, basieren jedoch auf großen Datenmengen, die schwer zu erhalten und sehr kostspielig sind, wenn sie durch Naturalistic Driving Studies (NDSs) gewonnen werden, was zu einer begrenzten Zugänglichkeit für die allgemeine Forschungscommunity führt. Darüber hinaus hat die Verbreitung von Smartphones eine kostengünstige und einfach bereitzustellende Plattform für die Erfassung des Fahrverhaltens geboten, jedoch bieten bestehende Anwendungen keinen offenen Zugriff auf ihre Daten. Aus diesen Gründen stellt dieses Papier das UAH-DriveSet vor, ein öffentliches Datenset, das eine tiefgreifende Fahranalyse ermöglicht, indem eine große Menge an Daten bereitgestellt wird, die von unserer Fahrüberwachungs-App DriveSafe erfasst wurden. Die Anwendung wird von 6 verschiedenen Fahrern und Fahrzeugen betrieben und führt 3 verschiedene Verhaltensweisen (normal, schläfrig und aggressiv) auf zwei Straßenarten (Autobahn und Landstraße) aus, was zu mehr als 500 Minuten naturgemäßen Fahrens mit den zugehörigen Rohdaten und verarbeiteten semantischen Informationen sowie den Videoaufzeichnungen der Fahrten führt. Diese Arbeit führt auch ein Tool ein, das hilft, die Daten zu plotten und die Reisevideos gleichzeitig anzuzeigen, um die Datenanalyse zu erleichtern. Das UAH-DriveSet ist verfügbar unter: http:// www.robesafe.com/personal/eduardo.romera/uah-driveset.
Romera et al. (Tue,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: