研究表明，GPS數據中隱藏的見解可以監視車道的變化並提高AV安全性。

對駕駛員如何以及何時更改車道的理解是改善車輛交通流量，安全性和自主生產率的關鍵，以及密歇根大學開發的一種新方法，僅使用GPS數據超過了當前的方法。

直到這一刻，使用側面或高分辨率卡在車道水平上進行的腔室進行了對車道的變化的評估，該載體提供了幾何形狀，標記了車道和條帶的連接。兩種方法都是昂貴的，並不總是可靠的。當帶狀線褪色或偶然時，相機失敗，並且卡片很難大規模更新。

“過去十年中幾乎所有售出的汽車都收集GPS數據，但是您仍然無法使用這些數據來了解駕駛員的行為，例如侵略性或人們對運動狀況的反應。” 學習 在發表的工作中 IEEE智力運輸系統交易場地

“使用此信息流，我們開發了一種方法，可以可靠地檢測出脫衣舞的變化，從而提供一種簡單，經濟上有效的方法來研究駕駛行為並提高交通和自主性能的安全性。”

解鎖“黑暗” GPS軌跡上的數據

研究人員在部署UMTRI試點模型的項目中使用了130名參與者的車輛的真正軌跡。根據Kusari的說法，為了利用GPS軌跡上的大量可用數據，他們提出了一種新的非參數方法，該方法完全偏離了當前方法。該方法將每輛車的GP軌跡概念化為兩個元素：與曲率道路和小規模變化相對應的大尺度變化，主要代表車道中的變化。

為了將小變化與大規模分配，使用數學函數來轉換每個軌跡，該數學函數分析路由 – 喬克-100和500米的各個部分，以計算每個點如何偏離預期路徑。根據基本坐標系或BAC調用的轉換數據有助於剝離的變化，以與高速公路上普通運動模型的明顯偏差出現。

Kusari說：“這項創新不僅會釋放大量以前不合適的數據的潛力，這些數據在“黑暗”軌跡上為諸如駕駛員的擴展或駕駛系統的自動標記的應用程序提供，而且還提供了一種計算中的簡單且非常可靠的解決方案，而先前的方法失敗​​了。”

BAC方法非常普遍，可用於幾乎所有類型的GP軌跡，而無需任何限制地理位置。

為了檢查新方法，研究人員將BAC從GPS軌跡從GPS軌跡中選擇的條帶的變化與基於地圖和相機的基於地面的真相進行了比較。在採取更改條帶的事件時，BAC的效率高，具有基於相機的控制指示器的較少的錯誤負面因素，並且使用卡在同一級別上執行。

雖然BAC方法不使用跨度 – 圍繞車輛垂直軸的旋轉，這在曲線上尤其明顯 – 它可能大約非常大。這是數學模型正確建模物理空間的另一種確認。

BAC有更多的虛假作品，尤其是在三葉草葉的關節中，這是由意外的道路彎曲引起的，例如尖銳的扭結，系統將其作為車道的變化所採用。為了減少未來版本中的虛假作品，研究人員計劃分析相同道路細分市場上的幾個車輛軌跡，這些車輛應有助於區分欺騙系統的脫衣舞和幾何形狀的真正變化。

GPS數據如何提高安全性

通常，這種具有成本效益的方法可以幫助標記自然主義在高速公路上駕駛數據集中的條帶的變化，例如umtri收集的驅動數據。因此，隨後的分析可以在確定危險行為時更深入地了解駕駛員運動模型。然後，政客可以使用這些信息來改善交通和道路安全。 AV開發人員可以利用它來改善車輛如何預測附近汽車車道的變化，並對他們共享車輪的人類行為有更深入的了解。

例如，這種方法可以提供一種廉價的替代方案來監視AVS中的駕駛員狀態，該方法通常依賴於駕駛室中的相機來評估駕駛員的眼睛是否在路上。根據Kusari的說法，根據脫衣舞和政變的變化頻率，車輛可以提供真實的時間通知。

它還可以用來分析疲勞日期的時間以及照明條件如何影響小組級別的領導風格（保護個人隱私）。了解匿名駕駛數據可以為期望有風險的人類駕駛行為並調整車輛的答案的規則，安全活動和算法提供信息。

Kusari說：“我們最近開發的非參數方法無人看管以可靠評估車道的變化，這主要改變了我們分析駕駛行為並在智力運輸系統中使用數據的方式。”