logo móvil
Contáctanos

AutoCoach: un agente inteligente de retroalimentación de comportamiento del conductor con modelos de conductor basados en la personalidad

Autores: Marafie, Zahraa; Lin, Kwei-Jay; Wang, Daben; Lyu, Haoyu; Liu, Yanan; Meng, Yu; Ma, Jiaao

Idioma: Inglés

Editor: MDPI

Año: 2021

Descargar PDF

Acceso abierto

Artículo científico
2021

AutoCoach: un agente inteligente de retroalimentación de comportamiento del conductor con modelos de conductor basados en la personalidad


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Aplicaciones
IA
Retroalimentación personalizada
AutoCoach
Conducción
Estudio piloto

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 32

Citaciones: Sin citaciones


Descripción
En la actualidad, la inteligencia artificial tiene muchas aplicaciones en las actividades humanas cotidianas como el ejercicio, la alimentación, el sueño y la conducción automovilística. Las empresas tecnológicas pueden aplicar la IA para identificar comportamientos individuales (por ejemplo, caminar, comer, conducir), analizarlos y ofrecer retroalimentación personalizada para ayudar a las personas a realizar mejoras correspondientes. Aunque ofrecer retroalimentación personalizada es más beneficioso para los conductores, la mayoría de los sistemas inteligentes para conductores en el mercado actual no lo utilizan. Este documento presenta AutoCoach, un agente IA inteligente que clasifica a los conductores en diferentes grupos de personalidad al conducir para ofrecer retroalimentación personalizada. Hemos desarrollado una aplicación para Android basada en la nube para recopilar, analizar y aprender de los datos de conducción pasados de un conductor para proporcionar retroalimentación personalizada y constructiva en consecuencia. Nuestra interfaz de usuario proporciona retroalimentación en tiempo real tanto en forma de advertencias como de recompensas para el conductor. Hemos realizado un estudio piloto en carretera. Llevamos a cabo un estudio piloto en el que se pidió a los conductores que utilizaran diferentes versiones del agente para comparar la retroalimentación basada en la personalidad versus la no basada en la personalidad. El resultado del estudio demuestra la viabilidad y efectividad de nuestro diseño para mejorar la experiencia del usuario al utilizar un agente de conducción basado en la personalidad, con un 61% de aceptación general de que es más preciso que el no basado en la personalidad.

Otros recursos que podrían interesarte

Temas Virtualpro