.png){kind=icon}
返回
Driver Identification System Based on a Machine Learning Operations Platform Using Controller Area Network Data
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14061138.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
确保车辆安全并防止未经授权的驾驶在现代交通运输中至关重要。传统的驾驶员识别方法，如生物特征认证，需要额外的硬件，并且可能难以适应变化的驾驶行为。本研究提出了一种基于机器学习操作（MLOps）平台的实时驾驶员识别系统，该平台持续使用车辆控制器局域网（CAN）数据重新训练深度学习模型。该系统收集CAN数据，将其转换为马尔可夫转换场（MTF）图像，并使用部署在谷歌云平台（GCP）上的ResNet-18模型对驾驶员进行分类。一个利用Pub/Sub、GCP Composer和Vertex AI的自动化流水线确保基于新上传的驾驶数据持续更新模型。我们的实验结果表明，仅使用近期数据训练的模型显著优于包含历史数据的模型，突显了频繁重新训练的必要性。入侵者检测系统能有效识别未注册的驾驶员，进一步增强了车辆安全。通过自动化模型重新训练和部署，该系统提供了一种适应性解决方案，能够适应不断变化的驾驶行为，减少对静态模型的依赖。这些发现强调了实时数据适配在驾驶员认证系统中的重要性，有助于提升车辆安全性和安全性。
Keyword:
driver identification
CAN data
MLOps
Google Cloud Platform
期刊
IF:
2.6
论文数:
1.1W
被引数:
4.7W
机构
暂无机构信息
引用论文
Fundamentals of Recurrent Neural Network (RNN) and Long Short-Term Memory (LSTM) network递归神经网络 (RNN) 和长短期记忆 (LSTM) 网络的基本原理
OAAI
OAAI分享收藏Wider or Deeper: Revisiting the ResNet Model for Visual Recognition更广泛或更深入: 重新审视视觉识别的ResNet模型.png)
PATTERN RECOGNITIONOAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏Advancing Missing Data Imputation in Time-Series: A Review and Proposed Prototype时间序列中缺失数据插补的进展：一项综述与提出的原型
PREAI
分享收藏Driving Behaviour Analysis Using Machine and Deep Learning Methods for Continuous Streams of Vehicular DataSENSORSOAAI
SENSORSIF3.5
OAAI分享收藏Machine Learning Operations (MLOps): Overview, Definition, and Architecture机器学习操作 (mlop): 概述、定义和架构IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Enhancing Cybersecurity and Privacy Protection for Cloud Computing-Assisted Vehicular Network of Autonomous Electric Vehicles: Applications of Machine Learning增强云计算辅助自动驾驶电动汽车车联网的网络安全与隐私保护：机器学习应用OAAI
OAAI分享收藏
查看更多内容