論文の概要: A Review on Longitudinal Car-Following Model
- arxiv url: http://arxiv.org/abs/2304.07143v1
- Date: Fri, 14 Apr 2023 14:06:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-17 13:28:45.484488
- Title: A Review on Longitudinal Car-Following Model
- Title(参考訳): 縦続車追従モデルの検討
- Authors: Tianya Zhang, Peter J. Jin, Sean T. McQuade, Benedetto Piccoli
- Abstract要約: 自動車追従(CF)モデルは交通シミュレーションのコアコンポーネントであり、高度運転支援システム(ADAS)を搭載した多くの生産車両に組み込まれている。
このレビューでは、様々な原則で概念化されたCFモデルを分類し、膨大な文献を全体論的な枠組みで要約する。
- 参考スコア(独自算出の注目度): 0.8602553195689513
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The car-following (CF) model is the core component for traffic simulations
and has been built-in in many production vehicles with Advanced Driving
Assistance Systems (ADAS). Research of CF behavior allows us to identify the
sources of different macro phenomena induced by the basic process of pairwise
vehicle interaction. The CF behavior and control model encompasses various
fields, such as traffic engineering, physics, cognitive science, machine
learning, and reinforcement learning. This paper provides a comprehensive
survey highlighting differences, complementarities, and overlaps among various
CF models according to their underlying logic and principles. We reviewed
representative algorithms, ranging from the theory-based kinematic models,
stimulus-response models, and cruise control models to data-driven Behavior
Cloning (BC) and Imitation Learning (IL) and outlined their strengths and
limitations. This review categorizes CF models that are conceptualized in
varying principles and summarize the vast literature with a holistic framework.
- Abstract(参考訳): 車追従(cf)モデルは交通シミュレーションのコアコンポーネントであり、先進運転支援システム(adas)を備えた多くの量産車に搭載されている。
cf挙動の研究により, 車両間相互作用の基礎過程によって引き起こされる異なるマクロ現象の発生源を同定できる。
cf行動制御モデルは交通工学、物理学、認知科学、機械学習、強化学習など様々な分野を包含している。
本稿では,各CFモデル間の相違点,相補点,重複点を,その基礎となる論理と原理に従って概説する。
我々は,理論に基づくキネマティックモデル,刺激応答モデル,クルーズ制御モデルから,データ駆動型行動クローニング(BC)やImitation Learning(IL)に至るまで,代表的なアルゴリズムを概説し,その強みと限界を概説した。
このレビューでは、様々な原則で概念化されたcfモデルを分類し、膨大な文献を総合的な枠組みで要約する。
関連論文リスト
- Probing Multimodal LLMs as World Models for Driving [72.18727651074563]
本研究は,自律運転分野におけるMLLM(Multimodal Large Language Models)の適用に焦点を当てた。
我々は、固定車載カメラの観点から、様々なMLLMの運転能力を世界モデルとして評価する。
以上の結果から,最先端MLLMの現在の能力に重要なギャップがあることが示唆された。
論文 参考訳(メタデータ) (2024-05-09T17:52:42Z) - Delving into Multi-modal Multi-task Foundation Models for Road Scene
Understanding: From Learning Paradigm Perspectives [57.3734614555802]
本稿では,道路シーンに特化して設計されたMM-VUFMの系統解析について述べる。
本研究の目的は,タスク特化モデル,統合マルチモーダルモデル,統合マルチタスクモデル,基礎モデル推進技術など,共通プラクティスの包括的概要を提供することである。
我々は、クローズドループ駆動システム、解釈可能性、エンボディドドライブエージェント、世界モデルなど、重要な課題と今後のトレンドに関する洞察を提供する。
論文 参考訳(メタデータ) (2024-02-05T12:47:09Z) - An active inference model of car following: Advantages and applications [6.905724739762358]
ドライバープロセスモデルは、自動および自律走行車技術のテスト、検証、開発において中心的な役割を果たす。
データ駆動機械学習モデルは、ルールベースのモデルよりも能力が高いが、大規模なトレーニングデータセットの必要性と、解釈可能性の欠如によって制限されている。
本稿では,解釈可能性を維持しつつ,データ駆動モデルに匹敵する振る舞いの柔軟性を有するアクティブ推論を用いたモデリング手法を提案する。
論文 参考訳(メタデータ) (2023-03-27T13:39:26Z) - IDM-Follower: A Model-Informed Deep Learning Method for Long-Sequence
Car-Following Trajectory Prediction [24.94160059351764]
ほとんどの自動車追従モデルは生成的であり、最後のステップの速度、位置、加速度の入力のみを考慮する。
2つの独立したエンコーダと、次の軌道を逐次予測できる自己アテンションデコーダを備えた新しい構造を実装した。
シミュレーションとNGSIMデータセットの複数の設定による数値実験により、IMM-Followerは予測性能を向上させることができることが示された。
論文 参考訳(メタデータ) (2022-10-20T02:24:27Z) - Constructing Neural Network-Based Models for Simulating Dynamical
Systems [59.0861954179401]
データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。
本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。
基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
論文 参考訳(メタデータ) (2021-11-02T10:51:42Z) - Bidirectional Interaction between Visual and Motor Generative Models
using Predictive Coding and Active Inference [68.8204255655161]
本稿では,感覚予測のための生成モデルと,運動軌跡の生成モデルからなるニューラルアーキテクチャを提案する。
我々は,知覚予測のシーケンスが学習,制御,オンライン適応を導くレールとしてどのように機能するかを強調する。
論文 参考訳(メタデータ) (2021-04-19T09:41:31Z) - A Physics-Informed Deep Learning Paradigm for Car-Following Models [3.093890460224435]
物理モデルによるニューラルネットワークに基づくカーフォローモデルの開発を行っています。
2種類のPIDL-CFM問題について検討し,その1つは加速のみを予測し,もう1つは加速のみを予測し,モデルパラメータを発見する。
その結果,無力者よりも物理によって学習されるニューラルネットの性能が向上した。
論文 参考訳(メタデータ) (2020-12-24T18:04:08Z) - A Taxonomy and Review of Algorithms for Modeling and Predicting Human
Driver Behavior [36.80532606715206]
運転行動モデルに関する文献から200モデルのレビューと分類について述べる。
まず,対話型マルチエージェントトラフィックのダイナミクスを記述する数学的枠組みを導入する。
我々の分類学は、状態推定、意図推定、特性推定、動き予測のコアモデリングタスクを中心に構築されている。
論文 参考訳(メタデータ) (2020-06-15T23:53:45Z) - Survey of Deep Reinforcement Learning for Motion Planning of Autonomous
Vehicles [0.0]
深層強化学習(DRL)
論文では、車両モデル、シミュレーション可能性、計算要求について記述する。
自律運転のさまざまなタスクとレベルによって体系化された最先端のソリューションを調査します。
論文 参考訳(メタデータ) (2020-01-30T09:47:22Z) - Information Theoretic Model Predictive Q-Learning [64.74041985237105]
本稿では,情報理論的MPCとエントロピー正規化RLとの新たな理論的関連性を示す。
バイアスモデルを利用したQ-ラーニングアルゴリズムを開発した。
論文 参考訳(メタデータ) (2019-12-31T00:29:22Z)
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。