論文の概要: Analysis and Prediction of Pedestrian Crosswalk Behavior during Automated Vehicle Interactions

• arxiv url: http://arxiv.org/abs/2003.09996v1
• Date: Sun, 22 Mar 2020 21:28:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-28 11:34:59.681926
• Title: Analysis and Prediction of Pedestrian Crosswalk Behavior during Automated Vehicle Interactions
• Title（参考訳）: 自動走行車間相互作用における歩行者横断行動の解析と予測
• Authors: Suresh Kumaar Jayaraman, Dawn M. Tilbury, X. Jessie Yang, Anuj K. Pradhan, Lionel P. Robert Jr
• Abstract要約: 短距離地平線(1-2秒)でしか予測できない横断歩道周辺のAV運動計画への最近の動向 本研究では,歩行者間隙受入行動と定速度ダイナミクスを長期的歩行者軌道予測に用いるハイブリッドシステムモデルを開発した。 その結果,横断歩道における歩行者軌道予測モデルの適用性を示した。
• 参考スコア（独自算出の注目度）: 11.333580296938859
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For safe navigation around pedestrians, automated vehicles (AVs) need to plan their motion by accurately predicting pedestrians trajectories over long time horizons. Current approaches to AV motion planning around crosswalks predict only for short time horizons (1-2 s) and are based on data from pedestrian interactions with human-driven vehicles (HDVs). In this paper, we develop a hybrid systems model that uses pedestrians gap acceptance behavior and constant velocity dynamics for long-term pedestrian trajectory prediction when interacting with AVs. Results demonstrate the applicability of the model for long-term (> 5 s) pedestrian trajectory prediction at crosswalks. Further we compared measures of pedestrian crossing behaviors in the immersive virtual environment (when interacting with AVs) to that in the real world (results of published studies of pedestrians interacting with HDVs), and found similarities between the two. These similarities demonstrate the applicability of the hybrid model of AV interactions developed from an immersive virtual environment (IVE) for real-world scenarios for both AVs and HDVs.
• Abstract（参考訳）: 歩行者の周囲を安全に航行するためには、自動走行車(AV)が長時間の地平線上で歩行者の軌道を正確に予測することで、その動きを計画する必要がある。 横断歩道周辺のAV運動計画への現在のアプローチは、短距離地平線(1-2秒)のみを予測し、人力車(HDV)との歩行者相互作用のデータに基づいている。 本稿では,AVと対話する場合の歩行者軌道予測のために,歩行者間隙受容挙動と定速度ダイナミクスを用いたハイブリッドシステムモデルを開発する。 その結果,横断歩道における長期(>5 s)歩行者追跡予測モデルの適用性が示された。 さらに、没入型仮想環境(AVと相互作用する場合)における歩行者の横断行動の計測値と実環境(HDVと相互作用する歩行者の研究結果)を比較し、両者の類似性を検討した。 これらの類似性は、没入型仮想環境(IVE)から開発されたAVとHDVの両方の現実シナリオに適用可能であることを示す。

関連論文リスト

• GPT-4V Takes the Wheel: Promises and Challenges for Pedestrian Behavior Prediction [12.613528624623514]
  本研究は,自律運転における歩行者行動予測の文脈において,視覚言語モデル(VLM)の定量的および定性的な評価を行った最初のものである。 JAAD と WiDEVIEW を用いて GPT-4V の評価を行った。 このモデルは、ゼロショット方式で57%の精度で達成されているが、それでもなお、歩行者の横断行動を予測する最先端のドメイン固有モデル(70%)の背後にある。
  論文  参考訳（メタデータ） (2023-11-24T18:02:49Z)
• Pedestrian Trajectory Prediction in Pedestrian-Vehicle Mixed Environments: A Systematic Review [3.809702129519642]
  歩行者と共有する空間で自動運転車の経路を計画するには、歩行者の将来の軌跡を推論する必要がある。 本稿では,歩行者軌跡予測をモデル化するための文献的手法を体系的に検討する。
  論文  参考訳（メタデータ） (2023-08-11T23:58:51Z)
• Local and Global Contextual Features Fusion for Pedestrian Intention Prediction [2.203209457340481]
  我々は歩行者と交通状況の両方の視覚的特徴を分析し分析する。 グローバルな文脈を理解するために、位置、動き、環境情報を利用する。 これらのマルチモダリティ機能は、効果的な意図学習のためにインテリジェントに融合されている。
  論文  参考訳（メタデータ） (2023-05-01T22:37:31Z)
• Pedestrian Stop and Go Forecasting with Hybrid Feature Fusion [87.77727495366702]
  歩行者の立ち止まりと予測の新たな課題を紹介します。 都市交通における歩行者の立ち寄り行動を明示的に研究するためのベンチマークであるTransをリリースする。 歩行者の歩行動作に注釈を付けたいくつかの既存のデータセットから構築し、さまざまなシナリオや行動を実現する。
  論文  参考訳（メタデータ） (2022-03-04T18:39:31Z)
• Pedestrian Trajectory Prediction via Spatial Interaction Transformer Network [7.150832716115448]
  交通現場では、来るべき人々と出会うと、歩行者は突然回転したり、すぐに止まることがある。 このような予測不可能な軌道を予測するために、歩行者間の相互作用についての洞察を得ることができる。 本稿では,歩行者軌跡の相関関係を注意機構を用いて学習する空間的相互作用変換器(SIT)を提案する。
  論文  参考訳（メタデータ） (2021-12-13T13:08:04Z)
• Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
  歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。 本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。 我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
  論文  参考訳（メタデータ） (2021-06-22T15:40:21Z)
• SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction [64.16212996247943]
  歩行者軌道予測のためのスパースグラフ畳み込みネットワーク(SGCN)を提案する。 具体的には、SGCNはスパース指向の相互作用をスパース指向の空間グラフと明確にモデル化し、適応的な相互作用歩行者を捉える。 可視化は,歩行者の適応的相互作用とその運動特性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:17:42Z)
• Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
  我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。 歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。 2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
  論文  参考訳（メタデータ） (2021-01-07T06:08:21Z)
• What-If Motion Prediction for Autonomous Driving [58.338520347197765]
  生存可能なソリューションは、道路レーンのような静的な幾何学的文脈と、複数のアクターから生じる動的な社会的相互作用の両方を考慮しなければならない。 本稿では,解釈可能な幾何学的(アクター・レーン)と社会的(アクター・アクター)の関係を持つグラフに基づく注意的アプローチを提案する。 提案モデルでは,道路レーンやマルチアクターの相互作用を仮定的に,あるいは「何」かで予測できる。
  論文  参考訳（メタデータ） (2020-08-24T17:49:30Z)
• Efficient Behavior-aware Control of Automated Vehicles at Crosswalks using Minimal Information Pedestrian Prediction Model [5.6640402503031515]
  自動走行車(AV)が横断歩道を確実に走行するには、歩行者の横断行動を理解する必要がある。 歩行者横断行動の長期予測を組み込んだAV用行動認識モデル予測制御器(B-MPC)を提案する。 その結果、交差シナリオにおける安全かつ効率的なナビゲーションのためのコントローラの適用性を示した。
  論文  参考訳（メタデータ） (2020-03-22T21:34:38Z)
• Spatiotemporal Relationship Reasoning for Pedestrian Intent Prediction [57.56466850377598]
  視覚データに対する推論は、ロボティクスとビジョンベースのアプリケーションにとって望ましい能力である。 本稿では,歩行者の意図を推論するため,現場の異なる物体間の関係を明らかにするためのグラフ上でのフレームワークを提案する。 歩行者の意図は、通りを横切る、あるいは横断しない将来の行動として定義され、自動運転車にとって非常に重要な情報である。
  論文  参考訳（メタデータ） (2020-02-20T18:50:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。