論文の概要: How Do Drivers Behave at Roundabouts in a Mixed Traffic? A Case Study
Using Machine Learning
- arxiv url: http://arxiv.org/abs/2309.13442v1
- Date: Sat, 23 Sep 2023 18:02:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-26 19:55:02.897171
- Title: How Do Drivers Behave at Roundabouts in a Mixed Traffic? A Case Study
Using Machine Learning
- Title（参考訳）: 混合交通でドライバーはラウンドアバウンドでどのように振る舞うのか?
機械学習を用いた事例研究
- Authors: Farah Abu Hamad, Rama Hasiba, Deema Shahwan, and Huthaifa I. Ashqar
- Abstract要約: 本研究では,データ駆動型教師なし機械学習を用いた混在交通環境におけるラウンドアバウンド時の運転行動について検討する。
その結果、ラウンドアバウンドを進むドライバーのほとんどは、主に保守的な運転スタイルと正常な運転スタイルの2つに分類できることがわかった。
ドライバはラウンドアバウンドでVRUと対話するときに異常に振る舞う傾向にあり、交差点がマルチモーダルである場合のクラッシュのリスクが増大する。
- 参考スコア（独自算出の注目度）: 1.1137087573421256
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Driving behavior is considered a unique driving habit of each driver and has
a significant impact on road safety. Classifying driving behavior and
introducing policies based on the results can reduce the severity of crashes on
the road. Roundabouts are particularly interesting because of the
interconnected interaction between different road users at the area of
roundabouts, which different driving behavior is hypothesized. This study
investigates driving behavior at roundabouts in a mixed traffic environment
using a data-driven unsupervised machine learning to classify driving behavior
at three roundabouts in Germany. We used a dataset of vehicle kinematics to a
group of different vehicles and vulnerable road users (VRUs) at roundabouts and
classified them into three categories (i.e., conservative, normal, and
aggressive). Results showed that most of the drivers proceeding through a
roundabout can be mostly classified into two driving styles: conservative and
normal because traffic speeds in roundabouts are relatively lower than in other
signalized and unsignalized intersections. Results also showed that about 77%
of drivers who interacted with pedestrians or cyclists were classified as
conservative drivers compared to about 42% of conservative drivers that did not
interact or about 51% from all drivers. It seems that drivers tend to behave
abnormally as they interact with VRUs at roundabouts, which increases the risk
of crashes when an intersection is multimodal. Results of this study could be
helpful in improving the safety of roads by allowing policymakers to determine
the effective and suitable safety countermeasures. Results will also be
beneficial for the Advanced Driver Assistance System (ADAS) as the technology
is being deployed in a mixed traffic environment.
- Abstract（参考訳）: 運転行動は各運転者の独特の運転習慣と考えられており、道路安全に大きな影響を及ぼす。
運転行動の分類と結果に基づくポリシーの導入は、道路上の事故の深刻度を低減することができる。
ラウンドアバウンドは、ラウンドアバウンド領域における異なる道路利用者間の相互の相互作用により、異なる運転行動が仮定されるため、特に興味深い。
本研究では、データ駆動型教師なし機械学習を用いて、混合交通環境におけるラウンドアバウンド時の運転行動を調査し、ドイツの3つのラウンドアバウンドにおける運転行動の分類を行った。
車両キネマティクスのデータセットを、ラウンドアバウンドで異なる車両と脆弱な道路利用者(VRU)のグループに使用し、それらを3つのカテゴリ(保守的、正常、攻撃的)に分類した。
その結果, ラウンドアバウンドを走行する運転者は, ほぼ2つの運転形態に分類できることがわかった。
また、歩行者やサイクリストと交流したドライバーの約77%が保守ドライバーに分類され、非接触の保守ドライバーの約42%、全ドライバーから約51%であった。
ドライバはラウンドアバウンドでVRUと対話するときに異常に振る舞う傾向にあり、交差点がマルチモーダルである場合のクラッシュのリスクが増大する。
本研究は, 政策立案者が効果的かつ適切な安全対策を決定することによって, 道路の安全性向上に有効であると考えられる。
また、技術が混在した交通環境に展開されているため、Advanced Driver Assistance System(ADAS)にもメリットがある。
関連論文リスト
- Identifying built environment factors influencing driver yielding behavior at unsignalized intersections: A naturalistic open-source dataset collected in Minnesota [1.7810134788247751]
多くの要因が、交通量、車両速度、道路特性など、ドライバーと歩行者の相互作用の結果に影響を与える。
ミネソタ州を横断する18の無署名の交差点で、ビデオデータから収集された大規模なオープンソースデータセットを紹介した。
3000以上のインタラクションをドキュメント化したこのデータセットは、ドライバと歩行者のインタラクションと、50以上の異なるコンテキスト変数の詳細なビューを提供する。
論文 参考訳（メタデータ） (2023-12-22T23:18:27Z) - Effect of roundabout design on the behavior of road users: A case study
of roundabouts with application of Unsupervised Machine Learning [1.2166468091046596]
本研究の目的は、ローターの性能を評価し、ローターと相互作用する人間のドライバーの挙動を研究することである。
ラウンドアバウンドは交差点のねじれ速度、進入速度、およびその結果の速度への影響を道路利用者のレーティングに依存する。
論文 参考訳（メタデータ） (2023-09-25T21:28:52Z) - DenseLight: Efficient Control for Large-scale Traffic Signals with Dense
Feedback [109.84667902348498]
交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。
従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。
DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
論文 参考訳（メタデータ） (2023-06-13T05:58:57Z) - 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) - ROCO: A Roundabout Traffic Conflict Dataset [65.55451440776098]
実世界のトラフィック競合データセットであるROCOを導入し分析する。
データはミシガン州アンアーバーのセント・セントとW・エルズワースの交差点にある2車線のラウンドアラウンドで収集される。
2021年8月から2021年10月までの合計557回の交通事故と17回の交通事故が収集された。
論文 参考訳（メタデータ） (2023-03-01T15:09:45Z) - Modelling and Detection of Driver's Fatigue using Ontology [60.090278944561184]
道路事故は世界8大死因である。
様々な要因がドライバーの疲労の原因となっている。
ドライバの疲労検出に関するオントロジー知識とルールをインテリジェントシステムに統合する必要がある。
論文 参考訳（メタデータ） (2022-08-31T08:42:28Z) - Exploring the stimulative effect on following drivers in a consecutive
lane-change using microscopic vehicle trajectory data [0.0]
不適切な車線変動は、交通の流れの崩壊と様々な種類の衝突の発生をもたらす可能性がある。
本研究では,複数車両の車線変更挙動と連続車線変更シナリオにおける後続車線に対する刺激効果について検討した。
論文 参考訳（メタデータ） (2022-05-18T20:56:42Z) - Deep Learning Approach for Aggressive Driving Behaviour Detection [1.933681537640272]
この研究は、異なる状況(ラッシュ、精神的衝突、報復)のドライバーが攻撃的に運転し始めるときのタイムステップを特定する。
積極的運転の機会を発見するためには、運転行動を調べるために観察者(現実または仮想)が必要である。
スマートフォンのGPSセンサーを使って位置を検出し,運転者の運転行動を3分毎に分類することで,この問題を克服する。
論文 参考訳（メタデータ） (2021-11-08T20:06:16Z) - 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) - Emergent Road Rules In Multi-Agent Driving Environments [84.82583370858391]
運転環境の要素が道路ルールの出現の原因となるかを分析する。
2つの重要な要因が雑音知覚とエージェントの空間密度であることがわかった。
我々の結果は、世界中の国々が安全で効率的な運転で合意した社会道路規則を実証的に支持する。
論文 参考訳（メタデータ） (2020-11-21T09:43:50Z) - Where are the Dangerous Intersections for Pedestrians and Cyclists: A
Colocation-Based Approach [3.8355893560092893]
歩行者やサイクリストは、他の道路利用者よりも事故で死亡するリスクが高い。
問題のある街路環境を最小化する方法を見つけることが重要である。
論文 参考訳（メタデータ） (2020-05-30T13:54:43Z)
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。