論文の概要: Pedestrian Trajectory Prediction in Pedestrian-Vehicle Mixed
Environments: A Systematic Review
- arxiv url: http://arxiv.org/abs/2308.06419v1
- Date: Fri, 11 Aug 2023 23:58:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-15 17:34:27.562051
- Title: Pedestrian Trajectory Prediction in Pedestrian-Vehicle Mixed
Environments: A Systematic Review
- Title（参考訳）: 歩行者・車両混在環境における歩行者軌道予測 : システムレビュー
- Authors: Mahsa Golchoubian, Moojan Ghafurian, Kerstin Dautenhahn, Nasser
Lashgarian Azad
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 3.809702129519642
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Planning an autonomous vehicle's (AV) path in a space shared with pedestrians
requires reasoning about pedestrians' future trajectories. A practical
pedestrian trajectory prediction algorithm for the use of AVs needs to consider
the effect of the vehicle's interactions with the pedestrians on pedestrians'
future motion behaviours. In this regard, this paper systematically reviews
different methods proposed in the literature for modelling pedestrian
trajectory prediction in presence of vehicles that can be applied for
unstructured environments. This paper also investigates specific considerations
for pedestrian-vehicle interaction (compared with pedestrian-pedestrian
interaction) and reviews how different variables such as prediction
uncertainties and behavioural differences are accounted for in the previously
proposed prediction models. PRISMA guidelines were followed. Articles that did
not consider vehicle and pedestrian interactions or actual trajectories, and
articles that only focused on road crossing were excluded. A total of 1260
unique peer-reviewed articles from ACM Digital Library, IEEE Xplore, and Scopus
databases were identified in the search. 64 articles were included in the final
review as they met the inclusion and exclusion criteria. An overview of
datasets containing trajectory data of both pedestrians and vehicles used by
the reviewed papers has been provided. Research gaps and directions for future
work, such as having more effective definition of interacting agents in deep
learning methods and the need for gathering more datasets of mixed traffic in
unstructured environments are discussed.
- Abstract（参考訳）: 歩行者と共有する空間における自律走行車(av)の経路計画には、歩行者の将来の軌道についての推論が必要である。
avs使用のための実用的な歩行者軌跡予測アルゴリズムは、歩行者と車両の相互作用が歩行者の将来の行動に与える影響を考慮する必要がある。
本稿では,非構造環境に適用可能な車両の存在下での歩行者軌道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。
本研究は, 歩行者と車両の相互作用(歩行者と歩行者の相互作用)に関する具体的な考察や, 予測の不確実性, 行動的差異などの変数の違いが, 従来提案されていた予測モデルにおいてどのように説明されているかを考察する。
PRISMAガイドラインが守られた。
車両と歩行者の相互作用や実際の軌道を考慮しない記事や道路横断にのみ焦点を絞った記事は除外された。
ACM Digital Library、IEEE Xplore、Scopusデータベースからの1260のユニークなピアレビュー記事が検索で特定された。
64の論文が最終レビューに含まれ、包含と排他の基準を満たした。
本論文では,歩行者と車両の軌跡データを含むデータセットの概要について概説した。
深層学習における対話エージェントの効果的な定義や,非構造化環境における混在トラフィックのデータセット収集の必要性など,今後の研究のギャップと方向性について論じる。
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) - Learning Pedestrian Actions to Ensure Safe Autonomous Driving [12.440017892152417]
自動運転車は、歩行者の短期的かつ即時的な行動をリアルタイムで予測する能力を持つことが重要である。
本研究では,歩行者行動と軌跡予測のために,トランスフォーマーエンコーダデコーダ (TF-ed) アーキテクチャを用いた新しいマルチタスクシーケンスを提案する。
提案手法は,既存のLSTMエンコーダデコーダ (LSTM-ed) アーキテクチャを用いて動作と軌道予測を行う。
論文 参考訳（メタデータ） (2023-05-22T14:03:38Z) - Multi-Vehicle Trajectory Prediction at Intersections using State and
Intention Information [50.40632021583213]
道路員の将来の軌跡予測への伝統的なアプローチは、過去の軌跡を知ることに依存している。
この研究は、交差点で複数の車両の予測を行うために、現在の状態と意図された方向を知ることに依存する。
この情報を車両間で送るメッセージは、それぞれがより総合的な環境概要を提供する。
論文 参考訳（メタデータ） (2023-01-06T15:13:23Z) - Behavioral Intention Prediction in Driving Scenes: A Survey [70.53285924851767]
行動意図予測(BIP)は、人間の思考過程をシミュレートし、特定の行動の早期予測を満たす。
この作業は、利用可能なデータセット、重要な要因と課題、歩行者中心および車両中心のBIPアプローチ、BIP対応アプリケーションからのBIPの包括的なレビューを提供する。
論文 参考訳（メタデータ） (2022-11-01T11:07:37Z) - PedFormer: Pedestrian Behavior Prediction via Cross-Modal Attention
Modulation and Gated Multitask Learning [10.812772606528172]
本研究では,エゴ中心の視点から,歩行者の将来の軌跡や横断行動を予測するために,異なるデータモダリティに依存する新しい枠組みを提案する。
本モデルでは, トラジェクトリとアクション予測の精度を, それぞれ22%, 13%向上した。
論文 参考訳（メタデータ） (2022-10-14T15:12:00Z) - 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) - 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) - Pedestrian Behavior Prediction for Automated Driving: Requirements,
Metrics, and Relevant Features [1.1888947789336193]
システムレベルアプローチによる自動走行の歩行者行動予測の要件を分析した。
人間の運転行動に基づいて、自動走行車の適切な反応パターンを導出する。
複数の文脈的手がかりを組み込んだ変分条件自動エンコーダに基づく歩行者予測モデルを提案する。
論文 参考訳（メタデータ） (2020-12-15T16:52:49Z) - Multi-Modal Hybrid Architecture for Pedestrian Action Prediction [14.032334569498968]
本研究では,歩行者の横断行動を予測するために,環境から取得したさまざまな情報ソースを組み込んだ新しいマルチモーダル予測アルゴリズムを提案する。
既存の2次元歩行者行動ベンチマークと新たに注釈付けされた3次元運転データセットを用いて,提案モデルが歩行者横断予測における最先端性能を達成することを示す。
論文 参考訳（メタデータ） (2020-11-16T15:17:58Z) - PiP: Planning-informed Trajectory Prediction for Autonomous Driving [69.41885900996589]
マルチエージェント設定における予測問題に対処するために,計画インフォームド・トラジェクトリ予測(PiP)を提案する。
本手法は,エゴカーの計画により予測過程を通知することにより,高速道路のデータセット上でのマルチエージェント予測の最先端性能を実現する。
論文 参考訳（メタデータ） (2020-03-25T16:09:54Z) - 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。