| 书 名 | 应用人工智能分析技术探勘高风险路段(2/4)—车内异常事件影像辨识技术开发 |
| 出版单位 | 运输安全组 |
| 出版年份 | 112 |
| 出版月份 | 7 |
| 价格 | 420 |
| 摘要 | 过去由于鲜少蒐集驾驶过程的资料，在肇因判断上多以事故发生当下的近因为主，然近因并不一定为肇事主因，仅预防近因也未必能有效预防肇事。本计画之目标在将目前以事故资料为基础的道路交通安全管理程序，提升为以事故资料、异常事件及驾驶行为等为基础的道路交通安全管理程序。本计画为4年期计画之第2 年计画，以第1 期计画为基础，加入车内影像辨识技术，讨论现有车载设备与数码行车记录器限制时，同时考量车内外异常事件分析之需求，建立异常事件影像辨识技术训练，整合资料集合找出车内外异常事件型态与空间特性等关联，最后提供业者驾驶人管理及主管机关易肇事地点管理。 本期计画访谈五家国道客运业者，以车内设备装设现况、常见车内异常行为、驾驶安全管理、从驾驶安全管理角度对ADAS 警示系统之期望之四个面向探讨，观察出业者皆将使用手机视为分心事件，而业界尚无统一界定疲劳标准，透过文献回顾将分心行为分为三类：认知分心、眼部分心、手部分心，而车内异常行为定义为在分析手部分心行为与事件异常程度之关联后，判定与事件异常程度相关之行为，并将车内驾驶行为综整成三大项：头部方向、偏离程度；手是否在方向盘上、手部位置；动作项目。 本期计画接着发展车内影像辨识分析架构，透过OpenPose 辨识驾驶18 个关节点资料集，以进行深度学习影像辨识，推论驾驶手和方向盘、头部动作、手部动作，及其身体动作，结果受环境光影变化与成像效果影响，因此在光影辨化大的傍晚和夜间时段，以及在成像不佳的镜头画面在辨识率上表现较差。透过人工真值与影像辨识比较结果，显示虽各项手部分心动作在人工辨识及影像辨识两种模式的显着性不尽相同，但参数的符号大多一致，影像辨识技术确能有效辨识驾驶车内行为，并协助侦测异常事件， 建议业者在考量技术、规格、功能与成本等四层面下，能进行车内驾驶行为影像辨识之技术开发与建置，以达到车队管理与交通安全之成效。 本期计画沿用前期计画之2,558 事件，分别进行车内行为与行车动态、车内行为与异常事件之分析，再接续分析车内行为、车行动态及异常事件的整体关联性。研究发现驾驶员于开车中所有行为除操作车内设备外，皆与驾驶员分心有显着正相关。在事件动作序列分析中，不同行车动态的条件下，驾驶若出现特定动作或是动作组合，则容易发生异常事件。在前车变换车道的情境下，驾驶只要高速接近前车(FCWH)，就容易发生异常事件；在本车变换车道的情境下，本车离前车太近(SDW0.4)且驾驶有操作非拨杆的车内设备动作，容易发生异常事件；在本车车道偏移的情境下，当驾驶有身体前倾、双手离开方向盘、拿东西等无法即时适当控制车辆的动作，容易发生异常事件。异常事件的时空分析结果指出，分心行为不论从巨观至微观的角度，都对警示事件、异常事件造成显着正向之影响。意即，时空环境有部分条件使分心事件较为好发，而分心事件又会显着使警示与异常事件发生。 |
| 张贴日 | 2023/07/20 |
| 档案下载 | 应用人工智能分析技术探勘高风险路段(2-4)—车内异常事件影像辨识技术开发.pdf |
| Hashtags |
查看次数:
27