In this paper, we propose a driver behavior profiling method considering the several road shapes. Existing driver behavior profiling methods did not consider the road environment or only considered a specific driving environment. However, in order to profile driver behavior regardless of the situations that the driver is driving on, it needs to consider the general road environment such as road shape. To this end, we classify the several road types by applying the k-means clustering with dynamic time warping distance metric to the road curvature of the driving trajectory. Then, we profile driver behavior for each road type based on the driving data in each road type. For the evaluation, the proposed model is trained on one track and tested on the other track to verify whether it works well even in the novel road. The experimental results show that our model achieves 15% of improvement on average in driver identification over the existing method.
이 논문에서는 주행 데이터 기반 운전자 행동 프로파일링 기법을 다룬다. 기존의 운전자 행동 프로파일링 기법에서는 도로의 환경을 고려하지 않거나 특정 도로 환경만 고려하기에, 이들의 한계점을 개선하고자 본 논문에서는 도로를 세분화시켜 도로 형태를 기반으로 여러 도로 유형들을 파악해주고, 각 도로 유형 별로 운전자의 행동을 프로파일링하는 방법을 제안하였다. 세부적으로는 도로의 곡률을 통해 도로의 형태를 파악해주고, 동적 시간 워핑 거리 계산을 기반으로 한 k-평균 클러스터링 알고리즘을 활용하여 도로에서 나타날 수 있는 여러 도로 유형들을 파악해준다. 다음으로, 나뉘어진 각 도로 유형 별 차량 주행 데이터를 기반으로 각 도로 유형에서의 운전자 행동을 프로파일링하였다. 마지막으로 실제 주행 데이터에 제안된 프로파일링 기법을 적용하여 운전자 식별을 해본 결과, 기존의 방법보다 평균 15%의 정확도 향상을 보여주었다.
