論文の概要: Assessing Markov Property in Driving Behaviors: Insights from Statistical Tests
- arxiv url: http://arxiv.org/abs/2501.10625v1
- Date: Sat, 18 Jan 2025 01:55:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-22 14:19:44.437350
- Title: Assessing Markov Property in Driving Behaviors: Insights from Statistical Tests
- Title（参考訳）: 運転行動におけるマルコフ特性の評価:統計的検討から
- Authors: Zheng Li, Haoming Meng, Chengyuan Ma, Ke Ma, Xiaopeng Li,
- Abstract要約: マルコフ特性は、自動車運転行動に関する既存のほとんどの研究において基礎的な仮定として機能する。
本研究は、無人車(AV)と人力車(HV)の両方における車両軌道のマルコフ特性について検証する。
- 参考スコア（独自算出の注目度）: 14.254903501943195
- License:
- Abstract: The Markov property serves as a foundational assumption in most existing work on vehicle driving behavior, positing that future states depend solely on the current state, not the series of preceding states. This study validates the Markov properties of vehicle trajectories for both Autonomous Vehicles (AVs) and Human-driven Vehicles (HVs). A statistical method used to test whether time series data exhibits Markov properties is applied to examine whether the trajectory data possesses Markov characteristics. t test and F test are additionally introduced to characterize the differences in Markov properties between AVs and HVs. Based on two public trajectory datasets, we investigate the presence and order of the Markov property of different types of vehicles through rigorous statistical tests. Our findings reveal that AV trajectories generally exhibit stronger Markov properties compared to HV trajectories, with a higher percentage conforming to the Markov property and lower Markov orders. In contrast, HV trajectories display greater variability and heterogeneity in decision-making processes, reflecting the complex perception and information processing involved in human driving. These results have significant implications for the development of driving behavior models, AV controllers, and traffic simulation systems. Our study also demonstrates the feasibility of using statistical methods to test the presence of Markov properties in driving trajectory data.
- Abstract（参考訳）: マルコフ特性は、自動車運転行動に関するほとんどの既存の研究において基礎的な仮定として機能し、将来の状態は以前の一連の状態ではなく、現在の状態のみに依存していることを示唆している。
本研究では,自律走行車(AV)と人力走行車(HV)の両方において,車両軌道のマルコフ特性を検証する。
時系列データがマルコフ特性を示すかどうかを統計的に検証し、軌道データがマルコフ特性を持つかどうかを調べる。
t テストと F テストは AV と HV のマルコフ特性の違いを特徴付けるために導入された。
2つの公共軌道データセットに基づいて、厳密な統計試験により、異なる種類の車両のマルコフ特性の存在と順序について検討する。
以上の結果から,AV軌道は一般にHV軌道よりも強いマルコフ特性を示し,マルコフ特性と低いマルコフ順序に適合する割合が高いことがわかった。
対照的に、HV軌道は、人間の運転に関わる複雑な知覚と情報処理を反映して、意思決定プロセスにおいてより多様性と不均一性を示す。
これらの結果は,運転行動モデル,AVコントローラ,交通シミュレーションシステムの開発に重要な意味を持つ。
また, 運転軌跡データにおけるマルコフ特性の検証に統計的手法を用いることの可能性についても検討した。
関連論文リスト
- Downstream-Pretext Domain Knowledge Traceback for Active Learning [138.02530777915362]
本稿では、下流知識と事前学習指導のデータ相互作用をトレースするダウンストリーム・プレテキスト・ドメイン知識トレース(DOKT)手法を提案する。
DOKTは、トレースバックの多様性指標とドメインベースの不確実性推定器から構成される。
10のデータセットで行った実験は、我々のモデルが他の最先端の手法よりも優れていることを示している。
論文 参考訳（メタデータ） (2024-07-20T01:34:13Z) - Probabilistic Prediction of Longitudinal Trajectory Considering Driving
Heterogeneity with Interpretability [12.929047288003213]
本研究では,混合密度ネットワーク(MDN)を組み合わせた軌道予測フレームワークを提案する。
提案するフレームワークは、広範囲の車両軌道データセットに基づいてテストされる。
論文 参考訳（メタデータ） (2023-12-19T12:56:56Z) - BAT: Behavior-Aware Human-Like Trajectory Prediction for Autonomous
Driving [24.123577277806135]
我々は行動認識軌道予測モデル(BAT)を考案した。
我々のモデルは行動認識、相互作用認識、優先度認識、位置認識モジュールから構成される。
次世代シミュレーション(NGSIM)、ハイウェイドローン(HighD)、ラウンドアバウンドドローン(RounD)、マカオコネクテッド自律運転(MoCAD)データセットにおけるBATの性能を評価する。
論文 参考訳（メタデータ） (2023-12-11T13:27:51Z) - Seeing the Unseen: Learning Basis Confounder Representations for Robust Traffic Prediction [41.59726314922999]
交通予測はインテリジェント交通システムと都市コンピューティングにとって不可欠である。
各種統計・深層学習手法を用いて, 過去の交通データXと将来の交通状況Yの関係を確立することを目的とする。
X -> Y の関係は、しばしば X と Y の両方に同時に影響を与える外部共同設立者の影響を受けている。
既存のディープラーニングトラフィック予測モデルでは、共同創業者の問題に対処するために、古典的なフロントドアとバックドアの調整が採用されている。
論文 参考訳（メタデータ） (2023-11-21T09:33:13Z) - Utilizing VQ-VAE for End-to-End Health Indicator Generation in
Predicting Rolling Bearing RUL [3.448070371030467]
本稿では,ベクトル量子化変分オートエンコーダ(VQ-VAE)のエンドツーエンドHI構築法を提案する。
平均絶対距離(MAD)と平均分散(MV)の2つの新しい統計指標が導入された。
PMH2012データセットでは、ラベル構築にVQ-VAEを用いる手法により、MADおよびMVの低い値が得られた。
論文 参考訳（メタデータ） (2023-11-17T13:45:31Z) - Testing for the Markov Property in Time Series via Deep Conditional
Generative Learning [6.7826352751791985]
本研究では,高次元時系列におけるマルコフ特性の非パラメトリックテストを提案する。
テストは型Iを誤って制御し、出力が近づいていることを示します。
非パラメトリック推定を用いるが、パラメトリック収束率を達成する2つの頑健なテスト統計を導出する。
論文 参考訳（メタデータ） (2023-05-30T17:32:00Z) - Unsupervised Self-Driving Attention Prediction via Uncertainty Mining
and Knowledge Embedding [51.8579160500354]
本研究では、不確実性モデリングと知識統合の駆動による自動運転の注意を予測できる教師なし手法を提案する。
結果は、完全に教師された最先端のアプローチと比較して、同等またはさらに印象的なパフォーマンスを示している。
論文 参考訳（メタデータ） (2023-03-17T00:28:33Z) - Comparing Test Sets with Item Response Theory [53.755064720563]
我々は,18の事前学習トランスフォーマーモデルから予測した29のデータセットを個別のテスト例で評価した。
Quoref、HellaSwag、MC-TACOは最先端のモデルを区別するのに最適である。
また、QAMRやSQuAD2.0のようなQAデータセットに使用されるスパン選択タスク形式は、強いモデルと弱いモデルとの差別化に有効である。
論文 参考訳（メタデータ） (2021-06-01T22:33:53Z) - 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) - Vehicle Class, Speed, and Roadway Geometry Based Driver Behavior
Identification and Classification [6.09170287691728]
本稿では,特に重車両を牽引する車両のクラスが,次の車両の挙動に与える影響について検討する。
これは、カリフォルニア州エメリービルの州間高速道路80号線(I80)のNGSIM(Next Generation Simulation)データセットから、様々な自動車追尾エピソードを抽出して分析した。
論文 参考訳（メタデータ） (2020-09-16T19:45:39Z) - Capturing Label Characteristics in VAEs [88.82933548838521]
本稿では,VAEにラベルを組み込むための原則的アプローチを提案する。
我々は,新たなVAEモデルであるCCVAEを開発し,ラベル特性を潜在空間で明示的にキャプチャする。
論文 参考訳（メタデータ） (2020-06-17T18:54:03Z)
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。