驾驶汽车是一项复杂的活动,涉及感知和运动技能。新开发的算法可以根据较老驾驶员的驾驶习惯确定认知问题,而精度为88%
驾驶汽车是一项复杂的活动,涉及感知和运动技能。新开发的算法可以根据其精度为88%的驾驶习惯来识别老年驾驶员的认知问题。机器学习算法均包含驾驶行为和人口统计信息。
老年人的认知健康并不总是显而易见的。随着时间的流逝,认知障碍和痴呆症逐渐表现出来,一个人可能没有意识到自己的进步。在这个微妙的过渡期间,这样的人可能会像往常一样继续生活,在家里和方向盘后面开展业务。但这可能导致危险的车祸。
因此,哥伦比亚大学的研究人员宣布开发AI算法,这些算法可以根据他们的驾驶方式来检测老年人的轻度认知障碍和痴呆症。作者在《老年医学》杂志上报告说,其算法准确88%。
流行病学教授高级作者瓜乌阿·李(Guohua Li)说:“驾驶是一项复杂的任务,涉及动态认知过程,需要基本的认知功能和感知运动技能。” “我们的研究表明,自然主义的驾驶行为可以用作轻度认知障碍和痴呆症的全面和可靠标记。”
随机森林模型
研究人员开发的算法是基于一种常见的AI统计方法,该方法涉及形成“随机森林模型”的“决策树”。土木工程副教授首席作者沙龙·迪(Sharon Di)认为,最成功的算法是基于“自然主义驾驶数据和基本人口统计学特征(例如年龄,性别,性别,种族/种族和教育水平)的“变量”。
决策树经常在模因中使用,在模因中回答“是”或“否”的某些属性会导致您走上另一个问题的道路,这反过来又导致了最终的结论。
该算法是使用由AAA交通安全基金会赞助的关于衰老驱动因素(LOGGROOD)研究的纵向研究(LOGHROOD)研究的数据。它来自2015年8月至2019年3月的2977名参与者的驾驶行为的车载录制设备。项目开始时,驾驶者的年龄从65岁到79岁不等。根据原始数据,新研究的作者得出了29个行为变量,他们用来开发驱动程序的认知概况。
学分:Zoran Zeremski/Adobe股票
然后,研究人员开发了一系列机器学习模型,以预测认知问题,成功率不同。虽然仅基于驾驶变量的模型仅准确66%,而人口统计学模型则较少,因此,使用这两种模型共同产生了88%的准确率。
研究人员还探讨了单个因素作为认知问题的预测指标的有效性。根据最可靠的可靠顺序,它们是:(1)年龄; (2)在房屋15英里内旅行的旅行百分比; (3)种族/种族; (4)每次旅行; (5)硬制动事件数量。
李希望他的团队的工作能够帮助确保道路和老年驾驶员的安全。他说:“如果经过验证,这项研究中开发的算法可能会提供一种新颖的,不引人注目的筛查工具,用于早期发现和管理老年驱动因素的轻度认知障碍和痴呆症。”
原创文章,作者:小虾,如若转载,请注明出处:http://www.dsonekey.com/3674.html