Utilizing LSTM networks for the prediction of driver behavior

The driving behaviour prediction system was extensively utilised for minimising traffic accidents especially in detection of abnormal driving behaviours such as rapid acceleration, emergency braking, and sudden lane changes. This paper proposes deep learning model based on LSTM to classify driving behavior using OBD-II data. Results suggest that the proposed model exhibits a natural capability to retain and utilize temporal information in the input data, surpassing conventional machine learning methods.

---

System przewidywania zachowania kierowcy był szeroko wykorzystywany do minimalizowania liczby wypadków drogowych, zwłaszcza do wykrywania nietypowych zachowań podczas jazdy, takich jak gwałtowne przyspieszanie, hamowanie awaryjne i nagła zmiana pasa ruchu. W artykule zaproponowano model głębokiego uczenia oparty na LSTM do klasyfikacji zachowań kierowców przy użyciu danych OBD-II. Wyniki sugerują, że proponowany model wykazuje naturalną zdolność do zatrzymywania i wykorzystywania informacji czasowych w danych wejściowych, przewyższając konwencjonalne metody uczenia maszynowego.

---

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).