《Who is behind the wheel? Driver identification and fingerprinting》
0. Abstract
研究问题：使用车内传感器的数据描述驾驶风格；
良好的驾驶特征的作用有：防盗、车险、自动驾驶、else
本文：
1） 用车内传感器测量组成的真实数据集解决驾驶员识别问题
2） 调查识别性能的最小学习和分类时间
3） 特征选择
4） 除了驾驶员模式相关特征，还有与驾驶员本身相关的特征，比如心率，进一步提高识别性能
1. Introduction
1）联网汽车增加，车辆生成的数据爆炸式增加
2）每个人有独特的驾驶方式
3）从CAN收集的原始数据进行分类，可以获得较高的精确度
4）利用3个数据集，开发时间优化的驾驶员识别框架
5）优化特征数量，数据集大小和识别时间的同时，提高精度
2. Background and related work
2.1 驾驶员指纹
流程：数据集预处理，选取最相关特征 --> 用机器学习算法开发分类模型
2.2 数据集描述
现有模块可以访问车内网络并且读取数据，包括驾驶员指纹。
2.3 Security dataset
2.4 UAH-DriveSet
1）公开数据集
2）仅使用手机传感器收集不同环境中的驾驶数据
3）6位年龄和车辆（包括一辆全电动车）不同的司机；2条路线（25km高速，16km二级公路-只有电动汽车模拟正常和困倦行为）；3种行为（正常，激进，困倦）
2.5 HciLab dataset
1）生理状态：皮肤传导、温度传感器、心电图
2）环境数据：安卓智能机（谷歌NexusS）
3）驾驶场景：两个摄像机
2.6 The proposed driver identification model
2.7 data preprocessing
1）数据清洗
2）特征选择
3）特征转化
2.8 Feature modeling and analysis
特征分布：“brake pedal” & “max engine torque”
这两个值，会随着驾驶环境和驾驶模式而变化。
将特征根据分类能力排序，使用“extra tree”分类器