Revelación del comportamiento natural del conductor: un enfoque de minería de datos GUHA
Autores: Turunen, Esko; Dolos, Klara
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Revelación del comportamiento natural del conductor: un enfoque de minería de datos GUHA
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Minería de datos
Método GUHA
LISp-Miner
Caracterización de conductores
Datos digitales de vehículos
Atributos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 32
Citaciones: Sin citaciones
Investigamos la aplicabilidad y utilidad del método de minería de datos GUHA y su implementación informática LISp-Miner para la caracterización de conductores basada en datos digitales del vehículo sobre la posición del acelerador, la velocidad del vehículo y otros. Tres preguntas analíticas son evaluadas: (1) ¿Qué características medidas, también llamadas atributos, distinguen a cada conductor de todos los demás conductores? (2) Comparando un conductor por separado en pares con cada uno de los otros conductores, ¿cuáles son los atributos más distintivos? (3) Comparando un conductor por separado en pares con cada uno de los otros conductores, ¿qué valores de atributos muestran diferencias significativas entre los conductores? Los datos analizados consisten en 94,380 mediciones y contienen patrones claros y comprensibles que pueden ser encontrados por LISp-Miner. En conclusión, encontramos que el método GUHA es muy adecuado para tales tareas.
Descripción
Investigamos la aplicabilidad y utilidad del método de minería de datos GUHA y su implementación informática LISp-Miner para la caracterización de conductores basada en datos digitales del vehículo sobre la posición del acelerador, la velocidad del vehículo y otros. Tres preguntas analíticas son evaluadas: (1) ¿Qué características medidas, también llamadas atributos, distinguen a cada conductor de todos los demás conductores? (2) Comparando un conductor por separado en pares con cada uno de los otros conductores, ¿cuáles son los atributos más distintivos? (3) Comparando un conductor por separado en pares con cada uno de los otros conductores, ¿qué valores de atributos muestran diferencias significativas entre los conductores? Los datos analizados consisten en 94,380 mediciones y contienen patrones claros y comprensibles que pueden ser encontrados por LISp-Miner. En conclusión, encontramos que el método GUHA es muy adecuado para tales tareas.