論文の概要: Predicting Pedestrian Crossing Behavior in Germany and Japan: Insights into Model Transferability

• arxiv url: http://arxiv.org/abs/2412.03689v1
• Date: Wed, 04 Dec 2024 19:55:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-06 14:42:10.036258
• Title: Predicting Pedestrian Crossing Behavior in Germany and Japan: Insights into Model Transferability
• Title（参考訳）: ドイツと日本における歩行者の交差行動予測 : モデル伝達可能性に着目して
• Authors: Chi Zhang, Janis Sprenger, Zhongjun Ni, Christian Berger,
• Abstract要約: 4種類の機械学習モデルを用いて,ギャップ選択行動,ゼブラ交差利用,それらの軌道の予測を行う。 各国の差異を比較すると、日本の歩行者はドイツよりも大きなギャップを選択するため、より慎重である。 教師なしクラスタリング手法を用いて、ギャップ選択と軌道予測の予測精度を向上させるトランスファー可能なモデルを開発した。
• 参考スコア（独自算出の注目度）: 3.373568134827475
• License:
• Abstract: Predicting pedestrian crossing behavior is important for intelligent traffic systems to avoid pedestrian-vehicle collisions. Most existing pedestrian crossing behavior models are trained and evaluated on datasets collected from a single country, overlooking differences between countries. To address this gap, we compared pedestrian road-crossing behavior at unsignalized crossings in Germany and Japan. We presented four types of machine learning models to predict gap selection behavior, zebra crossing usage, and their trajectories using simulator data collected from both countries. When comparing the differences between countries, pedestrians from the study conducted in Japan are more cautious, selecting larger gaps compared to those in Germany. We evaluate and analyze model transferability. Our results show that neural networks outperform other machine learning models in predicting gap selection and zebra crossing usage, while random forest models perform best on trajectory prediction tasks, demonstrating strong performance and transferability. We develop a transferable model using an unsupervised clustering method, which improves prediction accuracy for gap selection and trajectory prediction. These findings provide a deeper understanding of pedestrian crossing behaviors in different countries and offer valuable insights into model transferability.
• Abstract（参考訳）: 歩行者と車両の衝突を避けるため,歩行者の横断行動予測はインテリジェント交通システムにとって重要である。 既存の歩行者横断行動モデルのほとんどは、1つの国から収集されたデータセットに基づいて訓練され、評価され、国間の違いを見越す。 このギャップに対処するため,ドイツと日本の未指定交差点における歩行者の道路横断行動を比較した。 両国から収集したシミュレータデータを用いて,ギャップ選択行動,ゼブラ横断利用,およびそれらの軌跡を予測するための4種類の機械学習モデルを提示した。 各国の差異を比較すると、日本の歩行者はドイツよりも大きなギャップを選択するため、より慎重である。 モデル転送可能性の評価と解析を行う。 その結果、ニューラルネットワークは他の機械学習モデルよりも、ギャップ選択やゼブラクロスの使用率を予測するのに優れており、一方、ランダム森林モデルは軌道予測タスクにおいて最高の性能を示し、高い性能と転送性を示している。 教師なしクラスタリング手法を用いて、ギャップ選択と軌道予測の予測精度を向上させるトランスファー可能なモデルを開発した。 これらの知見は、異なる国の歩行者横断行動をより深く理解し、モデル伝達可能性に関する貴重な洞察を与える。

関連論文リスト

• Context-aware Multi-task Learning for Pedestrian Intent and Trajectory Prediction [3.522062800701924]
  我々は,過去の軌跡観測,局所的文脈特徴,グローバルな特徴を組み合わせることで,軌跡と意図の予測を学習するPTINetを紹介する。 提案手法の有効性は, JAAD と PIE を用いて評価した。 PTINetは、都市環境で歩行者とシームレスに対話できる自動システムの開発の道を開く。
  論文  参考訳（メタデータ） (2024-07-24T11:06:47Z)
• Predicting and Analyzing Pedestrian Crossing Behavior at Unsignalized Crossings [3.373568134827475]
  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。
  論文  参考訳（メタデータ） (2024-04-15T08:36:40Z)
• Humanoid Locomotion as Next Token Prediction [84.21335675130021]
  我々のモデルは感覚運動軌道の自己回帰予測によって訓練された因果変換器である。 われわれのモデルでは、フルサイズのヒューマノイドがサンフランシスコでゼロショットで歩けることが示されている。 われわれのモデルは、わずか27時間の歩行データで訓練された場合でも現実世界に移行でき、後方歩行のような訓練中に見えないコマンドを一般化することができる。
  論文  参考訳（メタデータ） (2024-02-29T18:57:37Z)
• Knowledge-aware Graph Transformer for Pedestrian Trajectory Prediction [15.454206825258169]
  歩行者運動軌跡の予測は、自動運転車の経路計画と移動制御に不可欠である。 近年の深層学習に基づく予測手法は、主に軌跡履歴や歩行者間の相互作用などの情報を利用する。 本稿では,予測性能を向上させるためのグラフトランス構造を提案する。
  論文  参考訳（メタデータ） (2024-01-10T01:50:29Z)
• 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)
• 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)
• Stochastic Trajectory Prediction via Motion Indeterminacy Diffusion [88.45326906116165]
  運動不確定性拡散(MID)の逆過程として軌道予測タスクを定式化する新しい枠組みを提案する。 我々は,履歴行動情報と社会的相互作用を状態埋め込みとしてエンコードし,トランジトリの時間的依存性を捉えるためにトランスフォーマーに基づく拡散モデルを考案する。 スタンフォード・ドローンやETH/UCYデータセットなど,人間の軌道予測ベンチマーク実験により,本手法の優位性を実証した。
  論文  参考訳（メタデータ） (2022-03-25T16:59:08Z)
• 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)
• Exploring Unsupervised Pretraining Objectives for Machine Translation [99.5441395624651]
  教師なし言語間事前訓練は、ニューラルマシン翻訳(NMT)の強力な結果を得た ほとんどのアプローチは、入力の一部をマスキングしてデコーダで再構成することで、シーケンス・ツー・シーケンスアーキテクチャにマスク付き言語モデリング(MLM)を適用する。 マスキングと、実際の(完全な)文に似た入力を生成する代替目的を、文脈に基づいて単語を並べ替えて置き換えることにより比較する。
  論文  参考訳（メタデータ） (2021-06-10T10:18:23Z)
• SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction [64.16212996247943]
  歩行者軌道予測のためのスパースグラフ畳み込みネットワーク(SGCN)を提案する。 具体的には、SGCNはスパース指向の相互作用をスパース指向の空間グラフと明確にモデル化し、適応的な相互作用歩行者を捉える。 可視化は,歩行者の適応的相互作用とその運動特性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:17:42Z)
• 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。