운전 상황, 고속 운전 및 피로에 대한 충분한 훈련 부족은 법 룰렛 프로그램의 자동차 사고의 주요 요인입니다. |Texas A & M Engineering
자동차 사고는 의무 라인에서 법 룰렛 프로그램의 사망 원인 중 하나이며, 치명적인 근로 부상의 거의 40%를 차지합니다..
이 통계가 전국 평균보다 높은 주된 이유는 이러한 충돌이 종종 운전하는 동안 차량 내 기술의 사용을 포함하기 때문입니다..
41713_42056
Texas A & M University의 연구원들은 법 룰렛 프로그램의 운전 워크로드를 모니터링하여 법 집행 운영에서 충돌의 위험을 줄이기 위해 임원의 워크로드에 적응할 차량 내 기술 및 교육 솔루션을 개발하고 있습니다.
dr. WM Michael Barnes '64 산업 및 시스템 공학과 조교수 인 Maryam Zahabi는 2021 년 국립 과학 재단 (NSF) 교수 초기 경력 개발 (경력) 상,“적응 형 운전자 지원 시스템 및 법 룰렛 프로그램을위한 개인화 된 교육”상을 수상했습니다.
이 프로젝트는 인간의 성능 모델링 접근법, 기계 학습 알고리즘 및 하이브리드 알고리즘에서 행동 및 생리 학적 측정을 조합하여 실시간으로 적응을 제공합니다.
Career Award는 각 기관에서 룰렛 프로그램 및 교육에서 역할 모델이 될 수있는 잠재력을 가진 초기 관리자 교수진을 지원하는 NSF의 가장 유명한 상입니다.
Zahabi의 연구 목표는 법 룰렛 프로그램에게 실시간 차량 내 기술과 운전자 훈련 적응을 제공하여 운전 훈련 과정을 개선하고 들어오는 법 룰렛 프로그램을 훈련시키기위한 강력한 교육 프로그램 모델을 수립하는 것입니다.
이 룰렛 프로그램 또한 인간 컴퓨터 상호 작용 연구에서 차세대 학생들과 학자들을위한 길을 열어줍니다.
프로젝트는 3 단계로 진행됩니다. 첫 번째 단계에서 팀은 법 룰렛 프로그램과 함께 Ride-along 관찰을 관리하여 수집 된 데이터를 기반으로 인간-성능 모델을 구축 할 것입니다..
2 단계는 이러한 모델과 알고리즘을 사용하여 운전자의인지 상태를 기반으로 차량 내 기술의 실시간 적응을 제공하며, 이는 운전 시뮬레이션 실험을 사용하여 평가할 것입니다..
3 단계에서, 팀은 법 룰렛 프로그램이 차량 내 기술과의 운전 속도와 상호 작용을 마스터 할 수있는 속도를 향상시킬 수있는 유연한 운전 시뮬레이션 기반 교육을 만들 것입니다. 그런 다음 팀은이 교육의 효과를 현재 법 집행 기관에서 사용하는 기존의 비 적응 형 교육 접근법과 비교할 것입니다.
우리는이 프로젝트의 첫 번째 단계에 있으며 R 소프트웨어를 사용하는 초보자 법 룰렛 프로그램을위한 인적 성능 모델을 개발하고 있으며, 이는 무료, 오픈 소스 및 플랫폼 독립적 인 소프트웨어 패키지입니다. "우리는 Ride-Alongs에서 수집 할 데이터로 이러한 모델의 성능을 평가할 계획입니다."
이 룰렛 프로그램 특히 세 가지 간격을 메우는 것을 목표로합니다. 개인의인지 상태에 대한 전체적인 인간-성능 모델을 만들고 운전자의인지 상태를 모니터링하고 적응 형 운전 시뮬레이션 기반 교육 시스템을 개발하는 데 사용되는 장치를 확장합니다..
인간의 성능 모델은 인간인지 상태에 대한 포괄적 인 평가를 제공하지 않았으며, 이러한 모델의 응용은 여전히 정상적인 운전 조건으로 제한되어 있으며 많은 법 룰렛 프로그램이 일상 업무에서 직면하는 시간에 민감한 상황을 모델링 할 수 없습니다.
룰렛 프로그램팀은인지 모델, 기계 학습 알고리즘 및 실시간 생리 학적 및 행동 데이터의 조합을 사용하여보다 포괄적 인 적응 시스템을 제공합니다.
“적응 훈련에 대한 이전의 시험은 일반적으로 실제 훈련 환경에서 구현되지 않은 개념 증명이며, 이는 상용 훈련 미디어의 한계로 인한 것일 수 있습니다. 우리는 적응 형 운전 시뮬레이션 기반 교육 시스템을 개발 함으로써이 격차를 메울 것입니다.”라고 Zahabi는 말했습니다. "이 경력 연구는 운전 중인지, 지각 및 운동 요구를 정확하게 표현할 수있는 초보자 법 룰렛 프로그램의 성과 모델을 설정함으로써 이러한 지식 격차를 메우고 자합니다.".
이 통계가 전국 평균보다 높은 주된 이유는 이러한 충돌이 종종 운전하는 동안 차량 내 기술의 사용을 포함하기 때문입니다..
41713_42056
Texas A & M University의 연구원들은 법 룰렛 프로그램의 운전 워크로드를 모니터링하여 법 집행 운영에서 충돌의 위험을 줄이기 위해 임원의 워크로드에 적응할 차량 내 기술 및 교육 솔루션을 개발하고 있습니다.
dr. WM Michael Barnes '64 산업 및 시스템 공학과 조교수 인 Maryam Zahabi는 2021 년 국립 과학 재단 (NSF) 교수 초기 경력 개발 (경력) 상,“적응 형 운전자 지원 시스템 및 법 룰렛 프로그램을위한 개인화 된 교육”상을 수상했습니다.
이 프로젝트는 인간의 성능 모델링 접근법, 기계 학습 알고리즘 및 하이브리드 알고리즘에서 행동 및 생리 학적 측정을 조합하여 실시간으로 적응을 제공합니다.
Career Award는 각 기관에서 룰렛 프로그램 및 교육에서 역할 모델이 될 수있는 잠재력을 가진 초기 관리자 교수진을 지원하는 NSF의 가장 유명한 상입니다.
Zahabi의 연구 목표는 법 룰렛 프로그램에게 실시간 차량 내 기술과 운전자 훈련 적응을 제공하여 운전 훈련 과정을 개선하고 들어오는 법 룰렛 프로그램을 훈련시키기위한 강력한 교육 프로그램 모델을 수립하는 것입니다.
이 룰렛 프로그램 또한 인간 컴퓨터 상호 작용 연구에서 차세대 학생들과 학자들을위한 길을 열어줍니다.
프로젝트는 3 단계로 진행됩니다. 첫 번째 단계에서 팀은 법 룰렛 프로그램과 함께 Ride-along 관찰을 관리하여 수집 된 데이터를 기반으로 인간-성능 모델을 구축 할 것입니다..
2 단계는 이러한 모델과 알고리즘을 사용하여 운전자의인지 상태를 기반으로 차량 내 기술의 실시간 적응을 제공하며, 이는 운전 시뮬레이션 실험을 사용하여 평가할 것입니다..
3 단계에서, 팀은 법 룰렛 프로그램이 차량 내 기술과의 운전 속도와 상호 작용을 마스터 할 수있는 속도를 향상시킬 수있는 유연한 운전 시뮬레이션 기반 교육을 만들 것입니다. 그런 다음 팀은이 교육의 효과를 현재 법 집행 기관에서 사용하는 기존의 비 적응 형 교육 접근법과 비교할 것입니다.
우리는이 프로젝트의 첫 번째 단계에 있으며 R 소프트웨어를 사용하는 초보자 법 룰렛 프로그램을위한 인적 성능 모델을 개발하고 있으며, 이는 무료, 오픈 소스 및 플랫폼 독립적 인 소프트웨어 패키지입니다. "우리는 Ride-Alongs에서 수집 할 데이터로 이러한 모델의 성능을 평가할 계획입니다."
이 룰렛 프로그램 특히 세 가지 간격을 메우는 것을 목표로합니다. 개인의인지 상태에 대한 전체적인 인간-성능 모델을 만들고 운전자의인지 상태를 모니터링하고 적응 형 운전 시뮬레이션 기반 교육 시스템을 개발하는 데 사용되는 장치를 확장합니다..
인간의 성능 모델은 인간인지 상태에 대한 포괄적 인 평가를 제공하지 않았으며, 이러한 모델의 응용은 여전히 정상적인 운전 조건으로 제한되어 있으며 많은 법 룰렛 프로그램이 일상 업무에서 직면하는 시간에 민감한 상황을 모델링 할 수 없습니다.
룰렛 프로그램팀은인지 모델, 기계 학습 알고리즘 및 실시간 생리 학적 및 행동 데이터의 조합을 사용하여보다 포괄적 인 적응 시스템을 제공합니다.
“적응 훈련에 대한 이전의 시험은 일반적으로 실제 훈련 환경에서 구현되지 않은 개념 증명이며, 이는 상용 훈련 미디어의 한계로 인한 것일 수 있습니다. 우리는 적응 형 운전 시뮬레이션 기반 교육 시스템을 개발 함으로써이 격차를 메울 것입니다.”라고 Zahabi는 말했습니다. "이 경력 연구는 운전 중인지, 지각 및 운동 요구를 정확하게 표현할 수있는 초보자 법 룰렛 프로그램의 성과 모델을 설정함으로써 이러한 지식 격차를 메우고 자합니다.".