論文の概要: Modeling Interactions of Multimodal Road Users in Shared Spaces

• arxiv url: http://arxiv.org/abs/2107.02083v1
• Date: Mon, 5 Jul 2021 15:25:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-06 17:08:39.720192
• Title: Modeling Interactions of Multimodal Road Users in Shared Spaces
• Title（参考訳）: 共有空間におけるマルチモーダル道路利用者の相互作用のモデル化
• Authors: Fatema T. Johora and J\"org P. M\"uller
• Abstract要約: 共有空間環境における歩行者と自動車の相互作用のレベルを考慮し、組み合わせる。 提案手法は,道路利用者の軌跡を計画する層,自由流運動を再現する力に基づくモデリング層,シンプルな相互作用の3層からなる。 歩行者と自動車の様々な相互作用と車間相互作用を含むシナリオをシミュレートし,本モデルの有効性を検証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In shared spaces, motorized and non-motorized road users share the same space with equal priority. Their movements are not regulated by traffic rules, hence they interact more frequently to negotiate priority over the shared space. To estimate the safeness and efficiency of shared spaces, reproducing the traffic behavior in such traffic places is important. In this paper, we consider and combine different levels of interaction between pedestrians and cars in shared space environments. Our proposed model consists of three layers: a layer to plan trajectories of road users; a force-based modeling layer to reproduce free flow movement and simple interactions; and a game-theoretic decision layer to handle complex situations where road users need to make a decision over different alternatives. We validate our model by simulating scenarios involving various interactions between pedestrians and cars and also car-to-car interaction. The results indicate that simulated behaviors match observed behaviors well.
• Abstract（参考訳）: 共有スペースでは、電動および非電動の道路利用者が同じスペースを同じ優先度で共有する。 彼らの動きは交通規則によって規制されないので、共有空間上で優先順位を交渉するためにより頻繁に相互作用する。 共有空間の安全性と効率を推定するためには、そのような交通場所での交通行動の再現が重要である。 本稿では,共有空間環境における歩行者と車両の相互作用の異なるレベルを検討する。 提案するモデルは,道路利用者の軌跡を計画する層,自由流れの移動と簡単な相互作用を再現する力に基づくモデリング層,道路利用者が異なる選択肢に対して意思決定を行う必要のある複雑な状況を扱うゲーム理論決定層という3つの層からなる。 歩行者と車とのさまざまなインタラクションや車間インタラクションをシミュレートすることで,モデルを検証する。 その結果,シミュレーション行動は観察行動とよく一致していた。

関連論文リスト

• Polar Collision Grids: Effective Interaction Modelling for Pedestrian Trajectory Prediction in Shared Space Using Collision Checks [3.809702129519642]
  軌道予測は、自動運転車の安全な航法にとって重要な能力である。 歩行者と歩行者の相互作用をモデル化することは、歩行者の軌道予測モデルの精度を高めることができる。
  論文  参考訳（メタデータ） (2023-08-13T00:20:22Z)
• SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian Trajectory Prediction [59.064925464991056]
  ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。 SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。 公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
  論文  参考訳（メタデータ） (2021-12-05T01:49:18Z)
• A Utility Maximization Model of Pedestrian and Driver Interactions [5.02231401459109]
  本研究では,道路利用者間の対話行動の詳細を考慮し,実用性,運動プリミティブ,断続的行動決定の原則を適用したモデリングフレームワークを開発する。 これらの現象は、モデルがパラメータを進化させることによって、モデリングフレームワークから自然に現れることを示す。
  論文  参考訳（メタデータ） (2021-10-21T09:42:02Z)
• Unlimited Neighborhood Interaction for Heterogeneous Trajectory Prediction [97.40338982628094]
  マルチプライカテゴリにおける異種エージェントの軌跡を予測できる,シンプルで効果的な非境界相互作用ネットワーク (UNIN) を提案する。 具体的には、提案した無制限近傍相互作用モジュールは、相互作用に関与するすべてのエージェントの融合特徴を同時に生成する。 階層型グラフアテンションモジュールを提案し,カテゴリ間相互作用とエージェント間相互作用を求める。
  論文  参考訳（メタデータ） (2021-07-31T13:36:04Z)
• Learning Interaction-aware Guidance Policies for Motion Planning in Dense Traffic Scenarios [8.484564880157148]
  本稿では,高密度交通シナリオにおける対話型モーションプランニングのための新しい枠組みを提案する。 我々は,他車両の協調性に関する国際的ガイダンスを提供するインタラクション対応政策であるDeep Reinforcement Learning (RL) を通じて学習することを提案する。 学習されたポリシーは、ローカル最適化ベースのプランナーを推論し、対話的な振る舞いで誘導し、他の車両が収まらない場合に安全を維持しながら、密集したトラフィックに積極的にマージする。
  論文  参考訳（メタデータ） (2021-07-09T16:43:12Z)
• End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
  交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。 本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。 本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
  論文  参考訳（メタデータ） (2021-04-28T07:54:40Z)
• On the Generalizability of Motion Models for Road Users in Heterogeneous Shared Traffic Spaces [0.0]
  本稿では,運動モデルの一般化,すなわち異なる環境環境下での現実的な行動を生み出す能力について述べる。 ゲーム理論社会力モデル(GSFM)は、さまざまな共有空間から歩行者や車両の多種多様の運動行動を生成するための汎用モデルへと拡張します。
  論文  参考訳（メタデータ） (2021-01-18T10:28:29Z)
• TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
  リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。 特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。 TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
  論文  参考訳（メタデータ） (2021-01-17T00:29:30Z)
• Studying Person-Specific Pointing and Gaze Behavior for Multimodal Referencing of Outside Objects from a Moving Vehicle [58.720142291102135]
  物体選択と参照のための自動車応用において、手指しと目視が広く研究されている。 既存の車外参照手法は静的な状況に重点を置いているが、移動車両の状況は極めて動的であり、安全性に制約がある。 本研究では,外部オブジェクトを参照するタスクにおいて,各モダリティの具体的特徴とそれら間の相互作用について検討する。
  論文  参考訳（メタデータ） (2020-09-23T14:56:19Z)
• Implicit Latent Variable Model for Scene-Consistent Motion Forecasting [78.74510891099395]
  本稿では,センサデータから直接複雑な都市交通のシーン一貫性のある動き予測を学習することを目的とする。 我々は、シーンを相互作用グラフとしてモデル化し、強力なグラフニューラルネットワークを用いてシーンの分散潜在表現を学習する。
  論文  参考訳（メタデータ） (2020-07-23T14:31:25Z)
• Collaborative Motion Prediction via Neural Motion Message Passing [37.72454920355321]
  我々は,アクター間の対話を明示的にモデル化し,アクター間の対話の表現を学習するために,ニューラルモーションメッセージパッシング(NMMP)を提案する。 提案したNMMPに基づいて,歩行者設定と共同歩行者設定と車両設定の2つの設定に対して,動作予測システムを設計する。 どちらのシステムも、既存のベンチマークで過去の最先端の手法より優れている。
  論文  参考訳（メタデータ） (2020-03-14T10:12:54Z)

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。