論文の概要: Identification of Driving Heterogeneity using Action-chains

• arxiv url: http://arxiv.org/abs/2307.16843v1
• Date: Mon, 31 Jul 2023 17:04:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-01 13:21:37.760731
• Title: Identification of Driving Heterogeneity using Action-chains
• Title（参考訳）: 動作鎖を用いた運転不均一性の同定
• Authors: Xue Yao, Simeon C. Calvert and Serge P. Hoogendoorn
• Abstract要約: 本研究では,アクションチェーンの観点から異種運転を識別するための包括的フレームワークを紹介する。 運転行動の物理的意味を考慮したルールベースセグメンテーション手法を提案する。 次に、セグメント化結果に基づいて、様々な駆動動作パターンの記述を含むアクションフェーズライブラリを作成する。
• 参考スコア（独自算出の注目度）: 3.596647660010906
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current approaches to identifying driving heterogeneity face challenges in capturing the diversity of driving characteristics and understanding the fundamental patterns from a driving behaviour mechanism standpoint. This study introduces a comprehensive framework for identifying driving heterogeneity from an Action-chain perspective. First, a rule-based segmentation technique that considers the physical meanings of driving behaviour is proposed. Next, an Action phase Library including descriptions of various driving behaviour patterns is created based on the segmentation findings. The Action-chain concept is then introduced by implementing Action phase transition probability, followed by a method for evaluating driving heterogeneity. Employing real-world datasets for evaluation, our approach effectively identifies driving heterogeneity for both individual drivers and traffic flow while providing clear interpretations. These insights can aid the development of accurate driving behaviour theory and traffic flow models, ultimately benefiting traffic performance, and potentially leading to aspects such as improved road capacity and safety.
• Abstract（参考訳）: 運転特性の多様性を把握し,運転行動メカニズムの観点からの基本パターンを理解する上で,運転不均一性を特定するための最近のアプローチ。 本研究では,アクションチェーンの観点から異種運転を識別するための包括的フレームワークを紹介する。 まず,運転行動の物理的意味を考慮したルールベースセグメンテーション手法を提案する。 次に、セグメント化結果に基づいて、様々な駆動動作パターンの記述を含むアクションフェーズライブラリを作成する。 次に、アクションフェーズ遷移確率を実装することでアクションチェーンの概念を導入し、続いて異種運転の評価方法を示す。 実世界のデータセットを評価に用いて,個々のドライバとトラフィックフローの相互不均一性を効果的に識別し,明確な解釈を提供する。 これらの洞察は正確な運転行動理論や交通流モデルの開発に役立ち、最終的には交通性能を向上し、道路の容量や安全性の向上といった側面につながる可能性がある。

関連論文リスト

• Transfer-LMR: Heavy-Tail Driving Behavior Recognition in Diverse Traffic Scenarios [11.431703211595563]
  既存のビデオ認識アプローチは、一般的な振る舞いに対してうまく機能する。 しかし、パフォーマンスは、通常、振舞いクラス分布の尾にある、過度に表現された/希少な振舞いのサブパーである。 本稿では,すべての運転行動クラスにおける認識性能向上のためのモジュール型トレーニングルーチンであるTransfer-LMRを提案する。
  論文  参考訳（メタデータ） (2024-05-08T18:33:08Z)
• DriveCoT: Integrating Chain-of-Thought Reasoning with End-to-End Driving [81.04174379726251]
  本稿では,DriveCoTというエンド・ツー・エンドの運転データセットを総合的に収集する。 センサーデータ、制御決定、および推論プロセスを示すチェーン・オブ・シークレット・ラベルが含まれている。 我々は,私たちのデータセットに基づいてトレーニングされたDriveCoT-Agentと呼ばれるベースラインモデルを提案し,連鎖予測と最終決定を生成する。
  論文  参考訳（メタデータ） (2024-03-25T17:59:01Z)
• Interaction-Aware Decision-Making for Autonomous Vehicles in Forced Merging Scenario Leveraging Social Psychology Factors [7.812717451846781]
  インタラクションドライバの社会的行動と個人的目的の両方を取り入れた行動モデルを考える。 我々は、他のドライバーの意図をオンラインで見積もる、後退する水平制御に基づく意思決定戦略を開発する。
  論文  参考訳（メタデータ） (2023-09-25T19:49:14Z)
• Studying the Impact of Semi-Cooperative Drivers on Overall Highway Flow [76.38515853201116]
  半協調行動は、人間ドライバーの本質的な性質であり、自律運転には考慮すべきである。 新たな自律型プランナーは、社会的に準拠した軌道を生成するために、人間のドライバーの社会的価値指向(SVO)を考慮することができる。 エージェントが反復的最適応答のゲーム理論バージョンをデプロイする暗黙的な半協調運転について検討する。
  論文  参考訳（メタデータ） (2023-04-23T16:01:36Z)
• Decision Making for Autonomous Driving in Interactive Merge Scenarios via Learning-based Prediction [39.48631437946568]
  本稿では,他のドライバの動作から不確実性が生ずる移動トラフィックにマージする複雑なタスクに焦点を当てる。 我々はこの問題を部分的に観測可能なマルコフ決定プロセス(POMDP)とみなし、モンテカルロ木探索でオンラインに解決する。 POMDPの解決策は、接近する車に道を譲る、前方の車から安全な距離を維持する、あるいは交通に合流するといった、高いレベルの運転操作を行う政策である。
  論文  参考訳（メタデータ） (2023-03-29T16:12:45Z)
• FBLNet: FeedBack Loop Network for Driver Attention Prediction [75.83518507463226]
  非客観的運転経験はモデル化が難しい。 本稿では,運転経験蓄積過程をモデル化するFeedBack Loop Network (FBLNet)を提案する。 インクリメンタルな知識の指導のもと、私たちのモデルは入力画像から抽出されたCNN特徴とトランスフォーマー特徴を融合し、ドライバーの注意を予測します。
  論文  参考訳（メタデータ） (2022-12-05T08:25:09Z)
• Transferable and Adaptable Driving Behavior Prediction [34.606012573285554]
  本研究では,運転行動に対して高品質で伝達可能で適応可能な予測を生成する階層型フレームワークであるHATNを提案する。 我々は,交差点における実交通データの軌跡予測と,インターActionデータセットからのラウンドアバウンドのタスクにおいて,我々のアルゴリズムを実証する。
  論文  参考訳（メタデータ） (2022-02-10T16:46:24Z)
• Inverse Reinforcement Learning Based Stochastic Driver Behavior Learning [3.4979173592795374]
  ドライバーは、交通の中で車両を操作する際に、ユニークでリッチな運転行動を持つ。 本稿では,現実的な運転シナリオにおける人間の運転行動の独特性と豊かさを捉えた,新しい運転行動学習手法を提案する。
  論文  参考訳（メタデータ） (2021-07-01T20:18:03Z)
• 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)
• Multi-Modal Fusion Transformer for End-to-End Autonomous Driving [59.60483620730437]
  画像表現とLiDAR表現を注目で統合する,新しいマルチモードフュージョントランスフォーマであるTransFuserを提案する。 本手法は, 衝突を76%低減しつつ, 最先端駆動性能を実現する。
  論文  参考訳（メタデータ） (2021-04-19T11:48:13Z)
• 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)

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。