論文の概要: Characterizing Structured versus Unstructured Environments based on Pedestrians' and Vehicles' Motion Trajectories

• arxiv url: http://arxiv.org/abs/2502.16847v1
• Date: Mon, 24 Feb 2025 05:09:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-25 15:59:07.790483
• Title: Characterizing Structured versus Unstructured Environments based on Pedestrians' and Vehicles' Motion Trajectories
• Title（参考訳）: 歩行者と車両の運動軌跡に基づく構造的・非構造的環境の特性評価
• Authors: Mahsa Golchoubian, Moojan Ghafurian, Nasser Lashgarian Azad, Kerstin Dautenhahn,
• Abstract要約: 歩行者と車両が互いに近接して走行する軌道行動は、構造的環境と比較して非構造的に異なる可能性がある。 本稿では,抽出された2つの軌道特徴に基づいて,既存のデータセットを比較した。 その結果,2つの環境タイプによって,軌道変動,停止率,歩行者の密度などの特徴が異なることがわかった。
• 参考スコア（独自算出の注目度）: 3.487370856323828
• License:
• Abstract: Trajectory behaviours of pedestrians and vehicles operating close to each other can be different in unstructured compared to structured environments. These differences in the motion behaviour are valuable to be considered in the trajectory prediction algorithm of an autonomous vehicle. However, the available datasets on pedestrians' and vehicles' trajectories that are commonly used as benchmarks for trajectory prediction have not been classified based on the nature of their environment. On the other hand, the definitions provided for unstructured and structured environments are rather qualitative and hard to be used for justifying the type of a given environment. In this paper, we have compared different existing datasets based on a couple of extracted trajectory features, such as mean speed and trajectory variability. Through K-means clustering and generalized linear models, we propose more quantitative measures for distinguishing the two different types of environments. Our results show that features such as trajectory variability, stop fraction and density of pedestrians are different among the two environmental types and can be used to classify the existing datasets.
• Abstract（参考訳）: 歩行者と車両が互いに近接して走行する軌道行動は、構造的環境と比較して非構造的に異なる可能性がある。 これらの動きの差異は、自動運転車の軌道予測アルゴリズムにおいて考慮すべきものである。 しかし、軌道予測のベンチマークとして一般的に使用される歩行者や車両の軌道に関するデータセットは、その環境の性質に基づいて分類されていない。 一方、構造化されていない環境に対して提供される定義は質的であり、与えられた環境のタイプを正当化するために使われることは困難である。 本稿では, 平均速度や軌道変動率など, 抽出されたトラジェクトリ特徴に基づいて, 既存のデータセットを比較した。 K-平均クラスタリングと一般化線形モデルを通じて、2種類の異なる環境を識別するためのより定量的な尺度を提案する。 その結果,2つの環境タイプによって,軌道変動,停止率,歩行者密度などの特徴が異なり,既存のデータセットの分類に利用できることがわかった。

関連論文リスト

• Driving pattern interpretation based on action phases clustering [3.7974127678115126]
  本研究では,非教師的手法で行動フェーズを分類することで,運転パターンをさらに解釈する新しい枠組みを提案する。 現実世界のデータセットを使用したフレームワークの適用により、"'Catch Up''、'Keep away'、''Maintain distance'とラベル付けされたI80データセットの6つの駆動パターンが明らかになった。
  論文  参考訳（メタデータ） (2024-07-17T10:40:23Z)
• Fast maneuver recovery from aerial observation: trajectory clustering and outliers rejection [43.06493292670652]
  2種類のVulnerable Road Users (VRU) が提案される軌道クラスタリング手法によって検討される。 2つの環境がメソッド開発のテストとして機能し、3つの異なる交差点と1つのラウンドアバウトとなる。
  論文  参考訳（メタデータ） (2024-07-03T07:22:21Z)
• 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)
• CRITERIA: a New Benchmarking Paradigm for Evaluating Trajectory Prediction Models for Autonomous Driving [6.868387710209245]
  我々は,新しいbenChmarking paRadIgmをTrijEctoRy予測手法(CRITERIA)として提案する。 提案したベンチマークにより,より正確なモデルランキングを作成でき,それらの振る舞いを特徴づける手段として機能することを示す。
  論文  参考訳（メタデータ） (2023-10-11T18:28:15Z)
• Pedestrian Trajectory Prediction in Pedestrian-Vehicle Mixed Environments: A Systematic Review [3.809702129519642]
  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。
  論文  参考訳（メタデータ） (2023-08-11T23:58:51Z)
• Predicting Out-of-Domain Generalization with Neighborhood Invariance [59.05399533508682]
  局所変換近傍における分類器の出力不変性の尺度を提案する。 私たちの測度は計算が簡単で、テストポイントの真のラベルに依存しません。 画像分類,感情分析,自然言語推論のベンチマーク実験において,我々の測定値と実際のOOD一般化との間に強い相関関係を示す。
  論文  参考訳（メタデータ） (2022-07-05T14:55:16Z)
• Control-Aware Prediction Objectives for Autonomous Driving [78.19515972466063]
  本研究では,制御に対する予測の下流効果を評価するための制御認識予測目標(CAPOs)を提案する。 本稿では,エージェント間の注意モデルを用いた重み付けと,予測軌跡を接地真実軌跡に交換する際の制御変動に基づく重み付けの2つの方法を提案する。
  論文  参考訳（メタデータ） (2022-04-28T07:37:21Z)
• 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)
• Learning Conditional Invariance through Cycle Consistency [60.85059977904014]
  本稿では,データセットの変動の有意義な要因と独立な要因を識別する新しい手法を提案する。 提案手法は,対象プロパティと残りの入力情報に対する2つの別個の潜在部分空間を含む。 我々は,より意味のある因子を同定し,よりスペーサーや解釈可能なモデルに導く合成および分子データについて実証する。
  論文  参考訳（メタデータ） (2021-11-25T17:33:12Z)
• Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
  本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。 提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。 分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
  論文  参考訳（メタデータ） (2020-11-13T10:53:27Z)
• Studying Person-Specific Pointing and Gaze Behavior for Multimodal Referencing of Outside Objects from a Moving Vehicle [58.720142291102135]
  物体選択と参照のための自動車応用において、手指しと目視が広く研究されている。 既存の車外参照手法は静的な状況に重点を置いているが、移動車両の状況は極めて動的であり、安全性に制約がある。 本研究では,外部オブジェクトを参照するタスクにおいて,各モダリティの具体的特徴とそれら間の相互作用について検討する。
  論文  参考訳（メタデータ） (2020-09-23T14:56:19Z)

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。