• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on HCI in Mobility, Transport, and Automotive Systems;International Conference on Human-Computer Interaction >Demystifying Interactions Between Driving Behaviors and Styles Through Self-clustering Algorithms
【24h】

Demystifying Interactions Between Driving Behaviors and Styles Through Self-clustering Algorithms

机译：通过自集聚类算法揭示驾驶行为与风格之间的相互作用

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We argue that driving styles demand adaptive classifications, and such mechanisms are essential for adaptive and personalized Human-Vehicle Interaction systems. To this end, we conduct an in-depth study to demystify complicated interactions between driving behaviors and styles. The key idea behind this study is to enable different numbers of clusters on the fly, when classifying driving behaviors. We achieve so by applying Self-Clustering algorithms (i.e. DBSCAN) over a state-of-the-art open-sourced dataset of Human-Vehicle Interactions. Our results derive 8 key findings, which showcases the complicated interactions between driving behaviors and driving styles. Hence, we conjecture that future Human-Vehicle Interactions systems demand similar approaches for the characterizations of drivers, to enable more adaptive and personalized Human-Vehicle Interaction systems. We believe our findings can stimulate and benefit more future research as well.
机译：我们争辩说，驾驶风格需求自适应分类，这些机制对于自适应和个性化的人车交互系统至关重要。 为此，我们开展深入的研究，以揭开驾驶行为和风格之间的复杂相互作用。 这项研究背后的关键的想法是在分类驾驶行为时，可以启用不同数量的群集。 我们通过将自集算法（即DBSCAN）应用于人车辆交互的最先进的开源数据集来实现。 我们的结果推出了8个关键发现，展示了驾驶行为与驾驶风格之间复杂的相互作用。 因此，我们猜想未来的人工车辆交互系统需要类似的司机特征方法，以实现更自适应和个性化的人车交互系统。 我们相信我们的研究结果也可以刺激和利益更具未来的研究。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号