head_image_onsei
CONTROL

制御系

IoTデータを活用した行動パターン分類

自動車に搭載したスマートフォンから得られた各種センサーデータを用いて
運転パターンの分類を行い、ユーザのプロファイリングを実施します。

IoT分析 ・ 時系列分類

分析概要1

自動車に搭載したスマートフォンから得られた加速度計・位置情報などの各種センサーデータから、隠れマルコフモデルを用いてドライバの運転状況を分類します。

分析概要2

時系列データの距離(類似度)を階層クラスター分析を用いて、ドライバの運転パターンを分類していきます。

分析結果

パターン分類解釈の総合評価としてのプロファイリングは、ドライバや同乗者の認識と非常によく合致していました(慎重に運転するタイプ、車間近めのタイプ、など)。

IoTデータ活用による
危険運転予知モデリング

区間別運転操作診断モデル

一定量蓄積された走行データを元に、自動的な区間分割 → 運転行動判定を行います。

map

運転行動別の時間配分や、各運転行動別での運転の癖パターン判定を行います。

走行状況別 走行時間構成比

map

加速走行区間

減速走行区間

リアルタイム情報を元にした危険運転予知モデル

一定時間毎にリアルタイムに収集された走行情報に対して都度、
眠気・疲れ度合判定を行えるようにモデル設計を行います。

map

上記分析を元に、運転行動から眠気・疲れへの影響度を数値化し、
眠気・疲れ度合判定モデルを構築します。

走行ユーザータイプ

走行外部要因

運動行動

クラスター

矢じるし

眠気・疲れ度合を判定します。

眠気高

眠気中

眠気低

お問い合わせはこちら
タイトルとURLをコピーしました