《Driver Behavior Detection Techniques:A Survey》部分笔记

《Driver Behavior Detection Techniques:A Survey》

0.Abstract

驾驶员行为是安全驾驶的重要因素。
会影响到驾驶员行为的原因有：疲劳、分心、经验、车外环境状况、车辆状况等。

驾驶监控系统可以区分驾驶员行为为：①正常驾驶和②激进驾驶
进而对正在激进驾驶的驾驶员发出警告，降低事故发生的风险率。

1.Introduction

由于①交通事故；②油耗和气体排放这两个原因，促使汽车制造商监控驾驶行为。
驾驶行为分析系统需要：①自动收集驾驶数据（各种传感器，加速度、方向、速度、位置等）；②计算机算法和模型的应用，来生成描述驾驶员性能概况的分类法。主要模块是：使用智能系统识别驾驶行为，并为事件分类驾驶风格。驾驶行为和事件的实时捕获需要各种传感器。

监控系统基于不同的技术：
①　GPS
②　GNSS（全球导航卫星系统）
③　车载运动传感器（CAN-Bus、OBD）
④　外部专用开发的系统
⑤　智能手机（可用于驾驶员行为检测和车辆监控）

研究目标：低成本、高性能

提及用于驾驶员行为检测系统的不同技术，比如ADAS、模拟器、远程安装的摄像机等。

2.Driving Monitoring System Techniques

2.0 综述

驾驶员行为分类是多维问题,受驾驶员和交通状态的特殊性的影响。
交通状态:道路状况、车辆动力学、驾驶员行为；可以通过模糊规则来描述，准确完整的模型不太可能。
行车监控系统：是评估驾驶员和辅助驾驶员的系统的基础设施；分为①车载数据记录系统和②实时监控系统

2.1 车载数据记录系统

①车内：CAN-Bus or OBD
②车外：外部传感系统
③混合：结合车内车外两种方式

2.2 车辆中智能手机感应

手机配置各种内置传感器、GPS等
【引用17】可以使用智能手机运动传感器，为驾驶状态分类：正常驾驶和激进驾驶
【引用29】仅基于加速度计传感器，检测驾驶员行为
【引用30】识别驾驶员行为的系统

2.3 (驾驶员)行为检测技术

【40】用CAN收集数据，使用HMM和GMM模型来进行检测，基于速度，用matlab分析数据，比较不同事件（变道、超车、停车、稳定驾驶）中的速度。分心和自然驾驶两种情况。
发现：在危险事件中，分心会降低车速。
【41】从实际驾驶行为中收集数据，用统计方法检测不受控制下的行驶行为。
【42】用外部传感器（如GPS）获取