論文の概要: Urban Deceleration Behavior Modes Under Scene Context: An Early-Kinematic Classifier from Argoverse 2 Multi-Agent Trajectories
- arxiv url: http://arxiv.org/abs/2607.00027v1
- Date: Sun, 21 Jun 2026 22:25:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-05 17:01:29.63179
- Title: Urban Deceleration Behavior Modes Under Scene Context: An Early-Kinematic Classifier from Argoverse 2 Multi-Agent Trajectories
- Title（参考訳）: シーン環境下での都市減速挙動--Argoverse 2マルチエージェント軌道からの早期運動分類法-
- Abstract要約: 都市減速は、自動車追従研究において最も実証的に研究されているが、少なくとも分類学的に組織化された行動の1つである。
最近の知覚に装備された自律車載データセットは、軌跡アンコールモードの発見を可能にする。
我々はArgoverse 2 Sensorデータセットの234の都市走行ログから1,219の持続的減速イベントを抽出した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Urban deceleration is one of the most empirically studied yet least taxonomically organized behaviors in car-following research. Recent perception-equipped autonomous-vehicle datasets enable trajectory-anchored mode discovery. We extract 1,219 sustained deceleration events from 234 urban driving logs of the Argoverse 2 Sensor dataset, encode each event in a 19-dimensional kinematic feature vector, discover behavioral modes via K-means clustering with bootstrap stability analysis, and quantify modulation by eleven scene-context variables. A HistGradientBoosting classifier predicts mode membership from the first 1.0 s of each event. Four stable modes emerge with a bootstrap Adjusted Rand Index of 0.897 across 50 resamples: anticipatory soft (62.8%), reactive closing (30.6%), brake-like jerk (4.8%), and an outlier category (1.8%). Only pair age shows a medium effect (epsilon^2 = 0.085); scene geometry and vulnerable-road-user proximity show negligible effects. The early-event classifier achieves macro-F1 = 0.758 at 1.0 s, with scene context contributing +0.059 F1 over kinematics alone. Modes are regime-invariant in medium-speed driving (ARI = 0.817) but regime-dependent at low speed (ARI = 0.166). A small set of stable kinematic modes structures urban deceleration; early-window jerk dominates predictive signal; and pair age is the primary contextual modulator.
- Abstract（参考訳）: 都市減速は、自動車追従研究において最も実証的に研究されているが、少なくとも分類学的に組織化された行動の1つである。
最近の知覚に装備された自律車載データセットは、軌跡アンコールモードの発見を可能にする。
我々はArgoverse 2 Sensorデータセットの234の都市運転ログから1,219の持続的減速イベントを抽出し、各イベントを19次元の運動特徴ベクトルにエンコードし、ブートストラップ安定性解析によるK平均クラスタリングによる行動モードを発見し、11のシーンコンテキスト変数による変調を定量化する。
HistGradientBoosting分類器は、各イベントの最初の1.0秒からモードメンバシップを予測する。
ブートストラップでは、予測ソフト(62.8%)、反応クロージング(30.6%)、ブレーキのようなジャク(4.8%)、外れ値カテゴリー(1.8%)の4つの安定モードが出現する。
ペア年齢のみが媒体効果を示す(epsilon^2 = 0.085)。
初期値分類器は1.0 sでマクロ-F1 = 0.758 となり、シーンコンテキストはキネマティクスのみに+0.059 F1 が寄与する。
モードは中速運転ではレギュラー不変(ARI = 0.817)であるが、低速ではレギュラー依存(ARI = 0.166)である。
安定したキネマティックモードの小さなセットは、都市部を減速させ、早期風下ジャークは予測信号を支配し、ペア年齢は、主要な文脈変調器である。
関連論文リスト
- Driver Behavior Estimation at Signalized Intersections Using a Physics-Constrained Decision-Conditioned Autoregressive Transformer [0.0]
赤信号違反や信号交差点での厳しいブレーキは、交通事故の主要な原因となっている。
本稿では,交通信号の遷移に伴う運転者の意思決定と縦方向の軌跡の挙動を解析し,予測する。
論文 参考訳（メタデータ） (2026-09-13T08:39:44Z) - Event-Based Motion Estimation via Oriented Distance Fields [55.23416502666468]
イベントベースの動き推定は、高時間分解能と高速動作に対する堅牢性を必要とするタスクの中心である。
本稿では,この最適化を,事前計算された事象距離ベクトルの場上の1つの平均ステップに置き換える,オブジェクト指向距離場運動推定(ODF Motion Estimation)を提案する。
公開および自己収集されたデータセットでは,ODFの動作推定は,比較手法の中で最低レイテンシでサブピクセル精度に達する。
論文 参考訳（メタデータ） (2026-08-25T08:27:42Z) - Kinematic Discriminants of Deceleration Behavior Modes in Car-Following: Evidence from NGSIM Trajectory Data [0.0]
ギャップ閉鎖率と視覚的略奪は、減速強度に応じて差別的支配を切り替える。
発見は、ADAS警告システムの設計と自動運転車の制御に直接的な意味を持つ。
論文 参考訳（メタデータ） (2026-05-06T15:47:23Z) - Benchmarking IoT Time-Series AD with Event-Level Augmentations [34.864214444544565]
実世界の問題をシミュレートする統合されたイベントレベル拡張による評価プロトコルを提案する。
5つの公開異常データセット上で14の代表的なモデルを評価する。
論文 参考訳（メタデータ） (2026-02-17T09:45:44Z) - Modelling Pedestrian Behaviour in Autonomous Vehicle Encounters Using Naturalistic Dataset [1.8262547855491453]
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。
論文 参考訳（メタデータ） (2026-02-04T23:58:38Z) - 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) - Modeling Chaotic Pedestrian Behavior Using Chaos Indicators and Supervised Learning [0.0]
本研究では,経験的に観察された軌跡データと教師あり学習を用いて,カオス的歩行者運動をモデル化するためのデータ駆動型フレームワークを提案する。
映像は昼間と夜間の両方で撮影され、周囲や交通状況の異なる歩行者動態を捉えた。
Approximate EntropyとLyapunov Exponentの4つのカオスメトリクスを使用して、行動カオスを定量化した。
論文 参考訳（メタデータ） (2025-11-28T05:27:04Z) - DeepAccident: A Motion and Accident Prediction Benchmark for V2X
Autonomous Driving [76.29141888408265]
本研究では,現実の運転において頻繁に発生する多様な事故シナリオを含む大規模データセットを提案する。
提案したDeepAccidentデータセットには57Kの注釈付きフレームと285Kの注釈付きサンプルが含まれており、これは大規模なnuScenesデータセットの約7倍である。
論文 参考訳（メタデータ） (2023-04-03T17:37:00Z) - Motion Planning and Control for Multi Vehicle Autonomous Racing at High
Speeds [100.61456258283245]
本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。
提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
論文 参考訳（メタデータ） (2022-07-22T15:16:54Z) - Real-time Object Detection for Streaming Perception [84.2559631820007]
ストリーミング知覚は,ビデオオンライン知覚の1つの指標として,レイテンシと精度を共同評価するために提案される。
ストリーミング知覚のためのシンプルで効果的なフレームワークを構築します。
提案手法はArgoverse-HDデータセット上での競合性能を実現し,強力なベースラインに比べてAPを4.9%向上させる。
論文 参考訳（メタデータ） (2022-03-23T11:33:27Z) - Fast Motion Understanding with Spatiotemporal Neural Networks and
Dynamic Vision Sensors [99.94079901071163]
本稿では,高速な動きを推論するための動的視覚センサ(DVS)システムを提案する。
ロボットが15m/s以上の速度で接近する小さな物体に反応するケースを考察する。
我々は,23.4m/sで24.73degの誤差を$theta$,18.4mmの平均離散半径予測誤差,衝突予測誤差に対する25.03%の中央値で移動した玩具ダートについて,本システムの結果を強調した。
論文 参考訳（メタデータ） (2020-11-18T17:55:07Z)
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。