使用機器學習辨識駕駛情境

Recognizing Driving Scenario with Machine Learning Techniques

駕駛情境辨識的技術對很多車輛應用系統，如車輛省油系統、駕駛輔助系統、及未來的自動車駕駛等，皆為一重要之子系統。它可以利用分析收集的車輛資訊，幫助這些應用系統做出更好的決策。本研究致力於使用機器學習的方式建立一個行車情境辨識模型，我們定義的行車情境指的是一個較長時間範圍的情境，而不是細微的、如加速、減速等行為。例如從交流道上高速公路前的一段路程必須要加速到某個速度，以匯入車流中，這樣的一個情境我們會定義為加速。我們所建立的辨識模型，可以根據由手機上的感測器及目前車輛均配備的車載自動診斷系統（OBD-II）所收集的資料，辨識共六種情境。我們收集來自不同車輛的資料來建立及測試模型，並利用行車紀錄器記錄影像作為判斷行車情境的基準。為了確保即時的車輛情境辨識在行動裝置上是可行的，我們對29種收集的特徵進行特徵值選取以降低資料維度。驗證結果顯示當我們減少特徵值的數量之後，仍可維持很高的辨識正確率。