論文の概要: Modelling Pedestrian Behaviour in Autonomous Vehicle Encounters Using Naturalistic Dataset

• arxiv url: http://arxiv.org/abs/2602.05142v2
• Date: Mon, 09 Feb 2026 22:14:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.186125
• Title: Modelling Pedestrian Behaviour in Autonomous Vehicle Encounters Using Naturalistic Dataset
• Title（参考訳）: 自然主義的データセットを用いた自動運転車の歩行者行動のモデル化
• Authors: Rulla Al-Haideri, Bilal Farooq,
• Abstract要約: 本研究では,NuScenesデータセットにおけるミッドブロック遭遇時のマイクロレベルの歩行者行動について検討した。 その結果, 予測性能は中等度でありながら, いくつかの変数が運動調整に有意な影響を及ぼす可能性が示唆された。 これらのパターンは、リスク知覚と運動効率の両方によって引き起こされる複数の行動傾向を反映する可能性がある。
• 参考スコア（独自算出の注目度）: 1.8262547855491453
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding how pedestrians adjust their movement when interacting with autonomous vehicles (AVs) is essential for improving safety in mixed traffic. This study examines micro-level pedestrian behaviour during midblock encounters in the NuScenes dataset using a hybrid discrete choice-machine learning framework based on the Residual Logit (ResLogit) model. The model incorporates temporal, spatial, kinematic, and perceptual indicators. These include relative speed, visual looming, remaining distance, and directional collision risk proximity (CRP) measures. Results suggest that some of these variables may meaningfully influence movement adjustments, although predictive performance remains moderate. Marginal effects and elasticities indicate strong directional asymmetries in risk perception, with frontal and rear CRP showing opposite influences. The remaining distance exhibits a possible mid-crossing threshold. Relative speed cues appear to have a comparatively less effect. These patterns may reflect multiple behavioural tendencies driven by both risk perception and movement efficiency.
• Abstract（参考訳）: 歩行者が自動運転車(AV)と対話する際の動きをどう調整するかを理解することは、混在交通の安全性を高めるために不可欠である。 本研究では,Residual Logit(ResLogit)モデルに基づくハイブリッドな選択機械学習フレームワークを用いて,NuScenesデータセットにおけるミッドブロッキング時のマイクロレベルの歩行者行動について検討した。 このモデルは時間的、空間的、運動的、知覚的な指標を含む。 これには相対速度、視覚的略奪、残留距離、方向衝突リスク近接(CRP)測定が含まれる。 結果から,これらの変数のいくつかは運動調整に有意な影響を及ぼす可能性があるが,予測性能は健常であることが示唆された。 マージナル・エフェクトと弾力性は、リスク知覚において強い方向非対称性を示し、前頭および後頭CRPは反対の影響を示す。 残りの距離は、中間交差しきい値を示す。 相対的なスピードキューは比較的少ない効果を持つ。 これらのパターンは、リスク知覚と運動効率の両方によって引き起こされる複数の行動傾向を反映する可能性がある。

関連論文リスト

• Optimization-Guided Diffusion for Interactive Scene Generation [52.23368750264419]
  本稿では,拡散型サンプリングにおける構造的一貫性と相互作用認識を実現するための,最適化誘導型トレーニングフリーフレームワークであるOMEGAを提案する。 OMEGAは生成リアリズム,一貫性,可制御性を向上し,身体的および行動学的に有効なシーンの比率を増大させることを示す。 当社のアプローチでは,3秒未満の時間対コリションで,より近いコリジョンフレームを5ドル(約5,500円)で生成することも可能だ。
  論文  参考訳（メタデータ） (2025-12-08T15:56:18Z)
• Can the Waymo Open Motion Dataset Support Realistic Behavioral Modeling? A Validation Study with Naturalistic Trajectories [4.250936281629339]
  本研究では,WOMDが実世界のAV操作で観測される力学と相互作用を正確に捉えているかどうかを検討する。 我々は,信号化交差点での放電,車追従,車線変更行動の3つの代表的な都市運転シナリオの比較分析を行った。 その結果, PHX の挙動は WOMD の行動エンベロープの外側にあることが明らかとなった。
  論文  参考訳（メタデータ） (2025-09-03T17:56:46Z)
• Where Do You Go? Pedestrian Trajectory Prediction using Scene Features [1.8874331450711404]
  本稿では,歩行者のインタラクションと環境コンテキストを統合した新しい軌道予測モデルを提案する。 本手法は,スパースグラフの枠組み内で歩行者間の空間的・時間的相互作用を捉える。 提案手法は既存の最先端手法を著しく上回っている。
  論文  参考訳（メタデータ） (2025-01-23T17:15:26Z)
• AMP: Autoregressive Motion Prediction Revisited with Next Token Prediction for Autonomous Driving [59.94343412438211]
  本稿では,GPT方式の次のトークン動作予測を動作予測に導入する。 同種単位-ワードからなる言語データとは異なり、運転シーンの要素は複雑な空間的・時間的・意味的な関係を持つ可能性がある。 そこで本稿では,情報集約と位置符号化スタイルの異なる3つの因子化アテンションモジュールを用いて,それらの関係を捉えることを提案する。
  論文  参考訳（メタデータ） (2024-03-20T06:22:37Z)
• Polar Collision Grids: Effective Interaction Modelling for Pedestrian Trajectory Prediction in Shared Space Using Collision Checks [3.809702129519642]
  軌道予測は、自動運転車の安全な航法にとって重要な能力である。 歩行者と歩行者の相互作用をモデル化することは、歩行者の軌道予測モデルの精度を高めることができる。
  論文  参考訳（メタデータ） (2023-08-13T00:20:22Z)
• Pedestrian Trajectory Prediction via Spatial Interaction Transformer Network [7.150832716115448]
  交通現場では、来るべき人々と出会うと、歩行者は突然回転したり、すぐに止まることがある。 このような予測不可能な軌道を予測するために、歩行者間の相互作用についての洞察を得ることができる。 本稿では,歩行者軌跡の相関関係を注意機構を用いて学習する空間的相互作用変換器(SIT)を提案する。
  論文  参考訳（メタデータ） (2021-12-13T13:08:04Z)
• 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)
• Pedestrian Motion State Estimation From 2D Pose [3.189006905282788]
  歩行者の交通違反やフレキシブルで変化しやすい性質は、歩行者の行動や意図を予測するのを難しくする。 歩行者運動状態やその他の影響要因と組み合わせることで、不要な事故を避けるために歩行者の意図を予測することができる。 本稿では,提案アルゴリズムをJAAD公開データセット上で検証し,既存の手法と比較して精度を11.6%向上させる。
  論文  参考訳（メタデータ） (2021-02-27T07:00:06Z)
• Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
  我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。 歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。 2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
  論文  参考訳（メタデータ） (2021-01-07T06:08:21Z)
• Implicit Latent Variable Model for Scene-Consistent Motion Forecasting [78.74510891099395]
  本稿では,センサデータから直接複雑な都市交通のシーン一貫性のある動き予測を学習することを目的とする。 我々は、シーンを相互作用グラフとしてモデル化し、強力なグラフニューラルネットワークを用いてシーンの分散潜在表現を学習する。
  論文  参考訳（メタデータ） (2020-07-23T14:31:25Z)

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。