論文の概要: Reliability comparison of vessel trajectory prediction models via Probability of Detection

• arxiv url: http://arxiv.org/abs/2508.14198v1
• Date: Tue, 19 Aug 2025 18:43:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-21 16:52:41.246064
• Title: Reliability comparison of vessel trajectory prediction models via Probability of Detection
• Title（参考訳）: 検出確率を用いた船舶軌道予測モデルの信頼性比較
• Authors: Zahra Rastin, Kathrin Donandt, Dirk Söffker,
• Abstract要約: この寄与は、異なる深層学習に基づくアプローチの評価に焦点を当てた血管軌跡予測(VTP)に対処する。 目的は、多様な交通量におけるモデル性能を評価し、アプローチの信頼性を比較することである。
• 参考スコア（独自算出の注目度）: 2.287415292857564
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This contribution addresses vessel trajectory prediction (VTP), focusing on the evaluation of different deep learning-based approaches. The objective is to assess model performance in diverse traffic complexities and compare the reliability of the approaches. While previous VTP models overlook the specific traffic situation complexity and lack reliability assessments, this research uses a probability of detection analysis to quantify model reliability in varying traffic scenarios, thus going beyond common error distribution analyses. All models are evaluated on test samples categorized according to their traffic situation during the prediction horizon, with performance metrics and reliability estimates obtained for each category. The results of this comprehensive evaluation provide a deeper understanding of the strengths and weaknesses of the different prediction approaches, along with their reliability in terms of the prediction horizon lengths for which safe forecasts can be guaranteed. These findings can inform the development of more reliable vessel trajectory prediction approaches, enhancing safety and efficiency in future inland waterways navigation.
• Abstract（参考訳）: この寄与は、異なる深層学習に基づくアプローチの評価に焦点を当てた血管軌跡予測(VTP)に対処する。 目的は、多様な交通量におけるモデル性能を評価し、アプローチの信頼性を比較することである。 従来のVTPモデルは,交通状況の複雑さや信頼性評価の欠如を無視するが,本研究では,様々な交通シナリオにおけるモデルの信頼性を定量化するために,検出分析の確率を用いて,一般的な誤差分布解析を超越する。 全てのモデルは、予測地平線中の交通状況に応じて分類されたテストサンプルに基づいて評価され、各カテゴリのパフォーマンス指標と信頼性推定値が得られた。 この総合評価の結果は,予測手法の長所と短所をより深く理解し,また,安全な予測を保証できる予測水平長の信頼性ももたらした。 これらの知見は、より信頼性の高い船舶軌道予測手法の開発に寄与し、将来の内陸航路の安全性と効率を高めることができる。

関連論文リスト

• Confidence Aware Learning for Reliable Face Anti-spoofing [52.23271636362843]
  本稿では,その能力境界を意識した信頼認識顔アンチスプーフィングモデルを提案する。 各サンプルの予測中にその信頼性を推定する。 実験の結果,提案したCA-FASは予測精度の低いサンプルを効果的に認識できることがわかった。
  論文  参考訳（メタデータ） (2024-11-02T14:29:02Z)
• Towards Generalizable and Interpretable Motion Prediction: A Deep Variational Bayes Approach [54.429396802848224]
  本稿では,分布外ケースに対する頑健な一般化性を有する動き予測のための解釈可能な生成モデルを提案する。 このモデルでは, 長期目的地の空間分布を推定することにより, 目標駆動動作予測を実現する。 動き予測データセットの実験は、適合したモデルが解釈可能で一般化可能であることを検証した。
  論文  参考訳（メタデータ） (2024-03-10T04:16:04Z)
• Evaluating Pedestrian Trajectory Prediction Methods with Respect to Autonomous Driving [0.9217021281095907]
  本稿では,単一軌跡生成の文脈における歩行者軌跡予測における技術の現状を評価する。 評価は、平均変位誤差(ADE)と最終変位誤差(FDE)を報告した広く使われているETH/UCYデータセット上で行われる。
  論文  参考訳（メタデータ） (2023-08-09T19:21:50Z)
• Quantification of Predictive Uncertainty via Inference-Time Sampling [57.749601811982096]
  本稿では,データあいまいさの予測不確実性を推定するためのポストホックサンプリング手法を提案する。 この方法は与えられた入力に対して異なる可算出力を生成することができ、予測分布のパラメトリック形式を仮定しない。
  論文  参考訳（メタデータ） (2023-08-03T12:43:21Z)
• Measuring the Confidence of Traffic Forecasting Models: Techniques, Experimental Comparison and Guidelines towards Their Actionability [7.489793155793319]
  不確実性推定は、予測結果に対するモデルの信頼性に関する強化された情報を提供する。 機械学習モデルで測定できるさまざまなタイプの不確実性に関して、微妙なコンセンサスがあります。 この研究は、文献で利用可能なさまざまな技術と不確実性のメトリクスをレビューすることによって、この研究の欠如をカバーすることを目的としている。
  論文  参考訳（メタデータ） (2022-10-28T10:49:55Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2022-06-16T06:13:53Z)
• Probabilistic Symmetry for Multi-Agent Dynamics [18.94585103009698]
  本稿では,多エージェント軌道の確率論的予測のための新しい動的モデルである確率的同変連続共進化(PECCO)を提案する。 PECCOは、非同変ベースラインに比べて精度とキャリブレーションが大幅に向上した。
  論文  参考訳（メタデータ） (2022-05-04T07:51:08Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Evaluation of Machine Learning Techniques for Forecast Uncertainty Quantification [0.13999481573773068]
  アンサンブル予測は、これまでのところ、関連する予測を生成するための最も成功したアプローチであり、その不確実性を見積もっている。 アンサンブル予測の主な制限は、高い計算コストと異なる不確実性の源を捕捉し定量化することの難しさである。 本研究は,1つの決定論的予測のみを入力として,システムの修正状態と状態不確かさを予測するために訓練されたANNの性能を評価するための概念モデル実験である。
  論文  参考訳（メタデータ） (2021-11-29T16:52:17Z)

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。