亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Integrating visual large language model and reasoning chain for driver behavior analysis and risk assessment

可解释性 计算机科学 分散注意力 背景(考古学) 人工智能 分心驾驶 驾驶模拟器 毒物控制 机器学习 人机交互 认知心理学 心理学 古生物学 生物 医学 环境卫生
作者
Kunpeng Zhang,Shipu Wang,Ning Jia,Liang Zhao,Chunyang Han,Li Li
出处
期刊:Accident Analysis & Prevention [Elsevier]
卷期号:198: 107497-107497 被引量:7
标识
DOI:10.1016/j.aap.2024.107497
摘要

Driver behavior is a critical factor in driving safety, making the development of sophisticated distraction classification methods essential. Our study presents a Distracted Driving Classification (DDC) approach utilizing a visual Large Language Model (LLM), named the Distracted Driving Language Model (DDLM). The DDLM introduces whole-body human pose estimation to isolate and analyze key postural features—head, right hand, and left hand—for precise behavior classification and better interpretability. Recognizing the inherent limitations of LLMs, particularly their lack of logical reasoning abilities, we have integrated a reasoning chain framework within the DDLM, allowing it to generate clear, reasoned explanations for its assessments. Tailored specifically with relevant data, the DDLM demonstrates enhanced performance, providing detailed, context-aware evaluations of driver behaviors and corresponding risk levels. Notably outperforming standard models in both zero-shot and few-shot learning scenarios, as evidenced by tests on the 100-Driver dataset, the DDLM stands out as an advanced tool that promises significant contributions to driving safety by accurately detecting and analyzing driving distractions.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
思源应助动听的不乐采纳,获得10
2秒前
糊涂涂发布了新的文献求助10
7秒前
糊涂涂完成签到,获得积分10
18秒前
隐形曼青应助新橙采纳,获得10
40秒前
GONGLI完成签到 ,获得积分10
50秒前
51秒前
58秒前
58秒前
六六发布了新的文献求助10
1分钟前
新橙发布了新的文献求助10
1分钟前
图图完成签到 ,获得积分10
1分钟前
JamesPei应助科研通管家采纳,获得10
1分钟前
1分钟前
1分钟前
1分钟前
风叶完成签到 ,获得积分10
1分钟前
彭于晏应助嗨好采纳,获得30
1分钟前
CodeCraft应助等待泥猴桃采纳,获得10
1分钟前
2分钟前
嗨好发布了新的文献求助30
2分钟前
朝朝完成签到,获得积分10
2分钟前
3分钟前
青出于蓝蔡完成签到,获得积分10
3分钟前
科研通AI2S应助科研通管家采纳,获得10
3分钟前
充电宝应助冷静新烟采纳,获得30
3分钟前
3分钟前
烟花应助lrz采纳,获得10
4分钟前
4分钟前
4分钟前
5分钟前
wish完成签到 ,获得积分10
5分钟前
科研通AI2S应助科研通管家采纳,获得10
5分钟前
dududu完成签到,获得积分10
5分钟前
5分钟前
lrz发布了新的文献求助10
5分钟前
6分钟前
英姑应助lrz采纳,获得10
6分钟前
6分钟前
onion完成签到,获得积分10
6分钟前
高分求助中
Licensing Deals in Pharmaceuticals 2019-2024 3000
Cognitive Paradigms in Knowledge Organisation 2000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger Heßler, Claudia, Rud 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 1000
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
How Maoism Was Made: Reconstructing China, 1949-1965 800
热门求助领域 (近24小时)
化学 医学 材料科学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 量子力学 冶金 电极
热门帖子
关注 科研通微信公众号,转发送积分 3319397
求助须知:如何正确求助?哪些是违规求助? 2950533
关于积分的说明 8552225
捐赠科研通 2627728
什么是DOI,文献DOI怎么找? 1437841
科研通“疑难数据库(出版商)”最低求助积分说明 666440
邀请新用户注册赠送积分活动 652427