[論文レビュー] Drive Safe: Cognitive-Behavioral Mining for Intelligent Transportation Cyber-Physical System

Md. Shirajum Munir, Sarder Fakhrul Abedin+4 more|arXiv (Cornell University)|Aug 24, 2020

Emotion and Mood Recognition参考文献 55被引用数 5

ひとこと要約

本論文では、ドライバーの注意散漫や感情状態をAIモデルを用いて検出する認知行動型マイニングプラットフォーム「Drive Safe」を提案する。その後、感情修復用の音声コンテンツを自律的に推薦する。プロトタイプはキャプセルネットワーク、ベイジアンネットワーク、エッジコンピューティングを統合し、有用性および安全性の有効性評価において統計的有意性（p = 0.0041）と95%信頼区間0.93を達成した。

ABSTRACT

This paper presents a cognitive behavioral-based driver mood repairment platform in intelligent transportation cyber-physical systems (IT-CPS) for road safety. In particular, we propose a driving safety platform for distracted drivers, namely \emph{drive safe}, in IT-CPS. The proposed platform recognizes the distracting activities of the drivers as well as their emotions for mood repair. Further, we develop a prototype of the proposed drive safe platform to establish proof-of-concept (PoC) for the road safety in IT-CPS. In the developed driving safety platform, we employ five AI and statistical-based models to infer a vehicle driver's cognitive-behavioral mining to ensure safe driving during the drive. Especially, capsule network (CN), maximum likelihood (ML), convolutional neural network (CNN), Apriori algorithm, and Bayesian network (BN) are deployed for driver activity recognition, environmental feature extraction, mood recognition, sequential pattern mining, and content recommendation for affective mood repairment of the driver, respectively. Besides, we develop a communication module to interact with the systems in IT-CPS asynchronously. Thus, the developed drive safe PoC can guide the vehicle drivers when they are distracted from driving due to the cognitive-behavioral factors. Finally, we have performed a qualitative evaluation to measure the usability and effectiveness of the developed drive safe platform. We observe that the P-value is 0.0041 (i.e., < 0.05) in the ANOVA test. Moreover, the confidence interval analysis also shows significant gains in prevalence value which is around 0.93 for a 95% confidence level. The aforementioned statistical results indicate high reliability in terms of driver's safety and mental state.

研究の動機と目的

• ドライバーの注意散漫や悪性の心理状態が原因で増加する交通事故を是正すること。
• 次世代のサイバーフィジカルシステムにおけるドライバーの認知行動マイニングを統合し、リアルタイムの安全対策を実現すること。
• ドライバーの気分を認識し、手動入力なしで感情的なコンテンツを推薦する自律的で車載型プラットフォームの開発。
• 実世界のIT-CPSプロトタイプにおける定性的および統計的評価を通じて、プラットフォームの有用性と有効性を検証すること。

提案手法

• ドライバー行動および環境特徴の認識に、キャプセルネットワーク（CN）、畳み込みニューラルネットワーク（CNN）、最尤推定（ML）モデルを採用した。
• ドライバーのライフログにベイジアンネットワーク（BN）を適用し、個別化された感情状態を推定し、自律的意思決定を可能にした。
• 順序パターンマイニングのためのAprioriアルゴリズムを用い、気分状態に関連する行動傾向を同定した。
• マルチアクセスエッジコンピューティング（MEC）を統合し、生体および環境データをリアルタイムで処理することで遅延を低減した。
• 車載デバイスとエッジサーバー間で非同期的にデータを交換するための無線通信モジュールを導入した。
• 生理的信号からのアーザルとバレンスレベルの抽出のため、DEAPデータセットを用いて気分認識を検証した。

実験結果

リサーチクエスチョン

• RQ1 認知行動マイニングプラットフォームは、リアルタイムでドライバーの注意散漫や感情状態を効果的に検出できるか？
• RQ2 AIおよび統計モデルをどのように統合することで、インテリジェントトランスポーテーションシステムにおける自律的気分修復が可能になるか？
• RQ3 提案されたプラットフォームは、サイバーフィジカルシステムの文脈において、ドライバーの安全性と有用性をどの程度向上させるか？
• RQ4 エッジコンピューティングおよびデバイス内処理は、低遅延で個別化された安全対策を保証できるか？

主な発見

• 分散分析（ANOVA）の結果、p値が0.0041であったため、Drive Safeプラットフォームの有用性および有効性評価において統計的に有意な結果が得られた。
• 有効性の指標である有病率の95%信頼区間が0.93であった。これは、ドライバーの安全性および精神状態の結果を測定する上で高い信頼性を示している。
• DEAPデータセットを用いた生理的データからの分析により、システムはドライバーの気分を正確に認識でき、アーザルとバレンスの推定が正確に行えた。
• 車載アプリケーションは、ドライバーのインタラクションなしに、認知行動マイニングに基づき音声コンテンツの推薦を自律的に行った。
• プラットフォームは300msごとに気分の変動と安全メッセージを可視化し、状況認識および精神的安全性を向上させた。
• ユーザーのフィードバックは高い満足度を示しており、参加者の90%がシステムを役立つと評価し、他の人々に勧める意向を示した。