論文の概要: A Bayesian Programming Approach to Car-following Model Calibration and
Validation using Limited Data
- arxiv url: http://arxiv.org/abs/2307.10437v1
- Date: Wed, 19 Jul 2023 20:01:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-21 15:39:07.088443
- Title: A Bayesian Programming Approach to Car-following Model Calibration and
Validation using Limited Data
- Title（参考訳）: 限定データを用いたカーフォローモデル校正と検証に対するベイズ計画法
- Authors: Franklin Abodo
- Abstract要約: ワークゾーン(WZ)は、これまでのモデルが現実的な運転行動を再現していないシナリオのひとつです。
これにより、WZを設計する際の安全性やその他のメトリクスの最適化が困難になる。
データ分析とパラメータ推定にベイジアン法を使用し、可能であればこれらの問題に対処します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Traffic simulation software is used by transportation researchers and
engineers to design and evaluate changes to roadways. These simulators are
driven by models of microscopic driver behavior from which macroscopic measures
like flow and congestion can be derived. Many models are designed for a subset
of possible traffic scenarios and roadway configurations, while others have no
explicit constraints on their application. Work zones (WZs) are one scenario
for which no model to date has reproduced realistic driving behavior. This
makes it difficult to optimize for safety and other metrics when designing a
WZ. The Federal Highway Administration commissioned the USDOT Volpe Center to
develop a car-following (CF) model for use in microscopic simulators that can
capture and reproduce driver behavior accurately within and outside of WZs.
Volpe also performed a naturalistic driving study to collect telematics data
from vehicles driven on roads with WZs for use in model calibration. During
model development, Volpe researchers observed difficulties in calibrating their
model, leaving them to question whether there existed flaws in their model, in
the data, or in the procedure used to calibrate the model using the data. In
this thesis, I use Bayesian methods for data analysis and parameter estimation
to explore and, where possible, address these questions. First, I use Bayesian
inference to measure the sufficiency of the size of the data set. Second, I
compare the procedure and results of the genetic algorithm based calibration
performed by the Volpe researchers with those of Bayesian calibration. Third, I
explore the benefits of modeling CF hierarchically. Finally, I apply what was
learned in the first three phases using an established CF model, Wiedemann 99,
to the probabilistic modeling of the Volpe model. Validation is performed using
information criteria as an estimate of predictive accuracy.
- Abstract（参考訳）: 交通シミュレーションソフトウェアは、道路変更の設計と評価に交通研究者や技術者が使用している。
これらのシミュレータは、流れや渋滞といったマクロな測定を導出できる、微視的な運転行動のモデルによって駆動される。
多くのモデルは、考えられる交通シナリオと道路構成のサブセット用に設計されているが、他のモデルはアプリケーションに対して明示的な制約を持たない。
ワークゾーン(WZ)は、これまでのモデルが現実的な運転行動を再現していないシナリオのひとつです。
これにより、WZを設計する際の安全性やその他のメトリクスの最適化が困難になる。
連邦高速道路管理局はusdot volpe centerに、wzs内外の運転行動を正確に捉えて再現できる微視的なシミュレーターで使用できるカーフォロー(cf)モデルの開発を依頼した。
ボルペはまた、モデルキャリブレーションに使用するwzsで走行する車両からテレマティクスデータを収集する自然主義的な運転研究も行った。
モデル開発中、Volpeの研究者たちはモデルの校正の難しさを観察し、モデルに欠陥があるか、データを使ってモデルを校正する手順があるのかを疑問視した。
本論文では,データ解析とパラメータ推定にベイズ法を用いて,可能であればこれらの疑問を探索し,対処する。
まず、私はベイジアン推論を使ってデータセットのサイズの十分さを測定します。
第2に,ボルペ研究者が行った遺伝的アルゴリズムに基づく校正とベイズ校正の手順と結果を比較した。
第3に,cf の階層的モデリングのメリットについて検討する。
最後に、確立されたCFモデルであるWiedemann 99を用いて、最初の3つのフェーズで学んだことを、Volpeモデルの確率論的モデリングに適用する。
予測精度の見積として情報基準を用いて検証を行う。
関連論文リスト
- Guiding Attention in End-to-End Driving Models [49.762868784033785]
模倣学習によって訓練された視覚ベースのエンドツーエンドの運転モデルは、自動運転のための安価なソリューションにつながる可能性がある。
トレーニング中に損失項を追加することにより、これらのモデルの注意を誘導し、運転品質を向上させる方法について検討する。
従来の研究とは対照的に,本手法では,テスト期間中にこれらの有意義なセマンティックマップを利用できない。
論文 参考訳（メタデータ） (2024-04-30T23:18:51Z) - Trajeglish: Traffic Modeling as Next-Token Prediction [67.28197954427638]
自動運転開発における長年の課題は、記録された運転ログからシードされた動的運転シナリオをシミュレートすることだ。
車両、歩行者、サイクリストが運転シナリオでどのように相互作用するかをモデル化するために、離散シーケンスモデリングのツールを適用します。
我々のモデルはSim Agents Benchmarkを上回り、リアリズムメタメトリックの先行作業の3.3%、インタラクションメトリックの9.9%を上回ります。
論文 参考訳（メタデータ） (2023-12-07T18:53:27Z) - Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous
Driving Research [76.93956925360638]
Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。
TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。
我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
論文 参考訳（メタデータ） (2023-10-12T20:49:15Z) - The Languini Kitchen: Enabling Language Modelling Research at Different
Scales of Compute [66.84421705029624]
本稿では,アクセル時間で測定された等価計算に基づくモデル比較を可能にする実験的プロトコルを提案する。
私たちは、既存の学術的ベンチマークを上回り、品質、多様性、文書の長さで上回る、大規模で多様で高品質な書籍データセットを前処理します。
この研究は、GPT-2アーキテクチャから派生したフィードフォワードモデルと、10倍のスループットを持つ新しいLSTMの形式でのリカレントモデルという2つのベースラインモデルも提供する。
論文 参考訳（メタデータ） (2023-09-20T10:31:17Z) - FollowNet: A Comprehensive Benchmark for Car-Following Behavior Modeling [20.784555362703294]
自動車追従行動モデリングのための公開ベンチマークデータセットを構築した。
ベンチマークは、5つの公共運転データセットから抽出された80K以上のカーフォローイベントで構成されている。
以上の結果から, DDPGに基づくモデルでは, 間隔の低いMSEと競合する結果が得られた。
論文 参考訳（メタデータ） (2023-05-25T08:59:26Z) - 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) - Fast emulation of density functional theory simulations using
approximate Gaussian processes [0.6445605125467573]
シミュレーション出力を予測する第2の統計モデルは、モデルフィッティング中の完全なシミュレーションの代わりに使用できる。
我々は,観測データを用いた密度汎関数理論(DFT)モデルパラメータのキャリブレーションにエミュレータを用いた。
これらのDFTモデルの有用性は、観測されたデータに基づいて、実験的に観測されていない核種の性質に関する予測を行うことである。
論文 参考訳（メタデータ） (2022-08-24T05:09:36Z) - Bayesian Calibration for Activity Based Models [1.7403133838762443]
ABMは、大都市圏の旅行パターンを予測するために、旅行者の行動の統計モデルに依存している。
本研究では,ガウスプロセスエミュレータを用いて,大都市移植システムの活動ベースモデルを校正する手法を開発した。
論文 参考訳（メタデータ） (2022-03-08T21:38:07Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - Inverting brain grey matter models with likelihood-free inference: a
tool for trustable cytoarchitecture measurements [62.997667081978825]
脳の灰白質細胞構造の特徴は、体密度と体積に定量的に敏感であり、dMRIでは未解決の課題である。
我々は新しいフォワードモデル、特に新しい方程式系を提案し、比較的スパースなb殻を必要とする。
次に,提案手法を逆転させるため,確率自由推論 (LFI) として知られるベイズ解析から最新のツールを適用した。
論文 参考訳（メタデータ） (2021-11-15T09:08:27Z) - Modeling Stochastic Microscopic Traffic Behaviors: a Physics Regularized
Gaussian Process Approach [1.6242924916178285]
本研究では,実世界のランダム性を捉え,誤差を計測できる微視的交通モデルを提案する。
提案フレームワークの特長の一つは,自動車追従行動と車線変更行動の両方を1つのモデルで捉える能力である。
論文 参考訳（メタデータ） (2020-07-17T06:03:32Z)
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。