Una metodología sistemática para evaluar los modelos de predicción para la clasificación del estilo de conducción

Resumen

La identificación de estilos de conducción mediante modelos de clasificación con datos en el vehículo puede proporcionar información automatizada a los conductores sobre su comportamiento de conducción, especialmente si conducen de forma segura. Si bien en la bibliografía se han desarrollado varios modelos de clasificación para este propósito, no hay consenso sobre qué clasificador se desempeña mejor en la identificación de estilos de conducción. Por lo tanto, se necesita más investigación para evaluar los modelos de clasificación comparando métricas de desempeño. Este estudio tiene como objetivo el desarrollo de una serie de modelos para caracterizar la seguridad de la conducción de conductores humanos cuyo rendimiento ha sido sistemáticamente analizado siguiendo metodologías bien establecidas para el aprendizaje automático y utilizando métricas de clasificación derivadas de la matriz de confusión y pruebas de significación estadística. Los modelos seleccionados han sido desarrollados utilizando las siguientes técnicas de inteligencia computacional: lógica difusa, ANN, SVM, RF y kNN. Para entrenar y probar los cinco modelos de clasificación, se recopilo eventos agresivos e infracciones de tránsito, a través de OBD2 y dispositivos GPS en un entorno real. Los resultados experimentales muestran que SVM superó a los otros cuatro modelos con una exactitud de 0.96 y cuatro de los cinco modelos predijeron los estilos de conducción de forma similar.