論文の概要: Predicting and Analyzing Pedestrian Crossing Behavior at Unsignalized Crossings

• arxiv url: http://arxiv.org/abs/2404.09574v1
• Date: Mon, 15 Apr 2024 08:36:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-16 13:00:01.994052
• Title: Predicting and Analyzing Pedestrian Crossing Behavior at Unsignalized Crossings
• Title（参考訳）: 無署名交差点における歩行者の交差挙動の予測と解析
• Authors: Chi Zhang, Janis Sprenger, Zhongjun Ni, Christian Berger,
• Abstract要約: 非ゼブラシナリオにおけるギャップ選択と、ゼブラシナリオにおけるゼブラ交差使用量を予測する機械学習モデルの提案と評価を行った。 歩行者の行動が、歩行者待ち時間、歩行速度、未使用ギャップの数、最大の欠落ギャップ、その他の歩行者の影響など、様々な要因にどのように影響するかを論じる。
• 参考スコア（独自算出の注目度）: 3.373568134827475
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Understanding and predicting pedestrian crossing behavior is essential for enhancing automated driving and improving driving safety. Predicting gap selection behavior and the use of zebra crossing enables driving systems to proactively respond and prevent potential conflicts. This task is particularly challenging at unsignalized crossings due to the ambiguous right of way, requiring pedestrians to constantly interact with vehicles and other pedestrians. This study addresses these challenges by utilizing simulator data to investigate scenarios involving multiple vehicles and pedestrians. We propose and evaluate machine learning models to predict gap selection in non-zebra scenarios and zebra crossing usage in zebra scenarios. We investigate and discuss how pedestrians' behaviors are influenced by various factors, including pedestrian waiting time, walking speed, the number of unused gaps, the largest missed gap, and the influence of other pedestrians. This research contributes to the evolution of intelligent vehicles by providing predictive models and valuable insights into pedestrian crossing behavior.
• Abstract（参考訳）: 自動走行の促進と運転安全性向上には,歩行者横断行動の理解と予測が不可欠である。 ギャップ選択の予測とゼブラクロスの使用により、運転システムは積極的に反応し、潜在的な衝突を防ぐことができる。 この作業は、歩行者が車や他の歩行者と常に対話する必要があるという、不明瞭な道のりが原因で、信号のない交差点で特に困難である。 本研究は,複数の車両や歩行者が関与するシナリオを調査するためにシミュレータデータを活用することで,これらの課題に対処する。 非ゼブラシナリオにおけるギャップ選択と、ゼブラシナリオにおけるゼブラ交差使用量を予測する機械学習モデルの提案と評価を行った。 本研究では,歩行者の行動が歩行者待ち時間,歩行速度,未使用ギャップの数,最大の欠落区間,その他の歩行者の影響など,様々な要因によってどのような影響を受けているかを調査し,考察する。 この研究は、歩行者横断行動に関する予測モデルと貴重な洞察を提供することにより、インテリジェントな車両の進化に寄与する。

関連論文リスト

• GPT-4V Takes the Wheel: Promises and Challenges for Pedestrian Behavior Prediction [12.613528624623514]
  本研究は,自律運転における歩行者行動予測の文脈において,視覚言語モデル(VLM)の定量的および定性的な評価を行った最初のものである。 JAAD と WiDEVIEW を用いて GPT-4V の評価を行った。 このモデルは、ゼロショット方式で57%の精度で達成されているが、それでもなお、歩行者の横断行動を予測する最先端のドメイン固有モデル(70%)の背後にある。
  論文  参考訳（メタデータ） (2023-11-24T18:02:49Z)
• Cross or Wait? Predicting Pedestrian Interaction Outcomes at Unsignalized Crossings [12.800489342833275]
  我々は機械学習を用いて歩行者横断決定、横断開始時間(CIT)、横断時間(CD)などの歩行者横断行動を予測する。 ロジスティック回帰ベースラインモデルと比較して,提案したニューラルネットワークモデルでは予測精度が4.46%,F1スコアが3.23%向上した。 また、線形回帰モデルと比較して、CITとCDの根平均二乗誤差(RMSE)を21.56%、30.14%削減する。
  論文  参考訳（メタデータ） (2023-04-17T13:20:04Z)
• 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)
• 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)
• PSI: A Pedestrian Behavior Dataset for Socially Intelligent Autonomous Car [47.01116716025731]
  本稿では、IUPUI-CSRC Pedestrian Situated Intent(PSI)データと呼ばれる別のベンチマークデータセットを提案し、共有する。 最初の新しいラベルは、24人のドライバーによって達成されたエゴ車両の前を歩行者が横断する動的な意図の変化である。 2つ目は、歩行者の意図を推定し、その行動を予測するときに、運転者の推論プロセスに関するテキストベースの説明である。
  論文  参考訳（メタデータ） (2021-12-05T15:54:57Z)
• 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)
• Coupling Intent and Action for Pedestrian Crossing Behavior Prediction [25.54455403877285]
  本研究では, 歩行者の横断行動について, 未観測の内的意志と多種多様な行動の組み合わせとして定義するために, 神経科学と心理学の文献に従う。 将来の歩行者行動を予測し、予測された将来の行動を事前に利用し、歩行者の現在の意図と行動を検出する新しいマルチタスクネットワークを提示する。
  論文  参考訳（メタデータ） (2021-05-10T06:26:25Z)
• 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)
• Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
  本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。 本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。 競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
  論文  参考訳（メタデータ） (2020-12-04T15:10:12Z)
• Pedestrian Intention Prediction: A Multi-task Perspective [83.7135926821794]
  グローバルに展開するためには、自動運転車は歩行者の安全を保証する必要がある。 本研究は歩行者の意図と視覚状態を共同で予測することでこの問題を解決しようとするものである。 この方法はマルチタスク学習アプローチにおけるリカレントニューラルネットワークである。
  論文  参考訳（メタデータ） (2020-10-20T13:42:31Z)
• Decoding pedestrian and automated vehicle interactions using immersive virtual reality and interpretable deep learning [6.982614422666432]
  本研究では,自動走行車の存在による影響が期待される都市動態の重要な要素として,歩行者の横断行動について検討する。 歩行者の待ち時間はデータ駆動のCox Proportional Hazards(CPH)モデルを用いて分析される。 その結果,道路上の自動走行車の存在,広い車線幅,道路上の高密度化,観光距離の制限,歩行習慣の欠如が待ち時間の主な要因であることが示唆された。
  論文  参考訳（メタデータ） (2020-02-18T01:30:29Z)

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。