論文の概要: Controlled Experiments on Lane Changing by Transitional Autonomous Vehicle: Dataset and Behavioral Insights

• arxiv url: http://arxiv.org/abs/2607.27085v2
• Date: Thu, 06 Aug 2026 04:01:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 17:43:06.604574
• Title: Controlled Experiments on Lane Changing by Transitional Autonomous Vehicle: Dataset and Behavioral Insights
• Title（参考訳）: 過渡自律走行車による車線変更に関する制御実験:データセットと行動指標
• Abstract要約: 本稿では,ノースカロライナ・トランジショナル・オートモービル・レーン・チャンキング(NC-tALC)データセットについて述べる。 トランジショナル・オートマチック・ビークル(TAV)の強制車線変更挙動を特徴付ける。 レーン交換過程を通して鉛-ラグギャップの進化を定量化し、操作中に衝突リスクが生じる可能性を調べる。
• 参考スコア（独自算出の注目度）: 2.249119609566989
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper presents the North Carolina Transitional Autonomous Vehicle Lane-Changing (NC-tALC) dataset and uses it to characterize mandatory lane-changing behavior of transitional automated vehicles (tAVs). It quantifies the evolution of lead--lag gaps throughout the lane-change process and examines how potential collision risk develops during the maneuver. A controlled field experiment comprising 78 mandatory lane-change trials was conducted on a public roadway in Apex, North Carolina. Four instrumented vehicles created repeatable traffic conditions while varying the lane changer's initial position within the candidate target gap. High-resolution RTK-GNSS/INS trajectories were processed to identify key timestamps, calculate lead, lag, and lane-change gaps, and estimate interactions using time-gap- and speed-based surrogate safety measures. Despite substantial differences in initial conditions, lead and lag gaps consistently converged toward a relatively narrow range near lane crossing. Potential collision risk increased as the maneuver progressed, peaked near physical lane entry, and was dominated by interactions with the target-lane leader. Lane-change completion did not necessarily coincide with the disappearance of collision risk. This study provides one of the first controlled empirical characterizations of the complete mandatory lane-change process of tAVs using repeatable public-road experiments. The NC-tALC dataset supports analysis of behavioral and safety evolution throughout the maneuver rather than only at the gap-acceptance instant. The dataset and findings provide empirical benchmarks for evaluating automated lane-changing behavior, calibrating behavioral models, and validating simulation and safety assessment methods for mandatory lane-change scenarios.
• Abstract（参考訳）: 本稿では,ノースカロライナ・トランジショナル・オートマチック・車線交換(NC-tALC)データセットについて述べるとともに,トランジショナル・オートマチック・オートマチック・カー(tAV)の強制車線変更挙動を特徴付ける。 レーン交換過程を通して鉛-ラグギャップの進化を定量化し、操作中に衝突リスクが生じる可能性を調べる。 ノースカロライナ州アペックスの公道で78車線変更試験を行った。 4台の計装車両が、車線チェンジャーの初期位置を候補目標ギャップ内で変更しながら、繰り返し可能な交通条件を作り出した。 高分解能RTK-GNSS/INSトラジェクトリを処理し、キータイムスタンプを特定し、リード、ラグ、レーン交換ギャップを計算し、時間ギャップと速度に基づくサロゲート安全対策を用いて相互作用を推定した。 初期条件にかなりの違いがあったにもかかわらず、鉛とラグのギャップは、車線交差に近い比較的狭い範囲に一貫して収束した。 機動が進行するにつれて衝突リスクが増加し、物理的車線入口付近でピークに達し、標的車線リーダーとの相互作用によって支配された。 レーン変更完了は衝突リスクの消失と必ずしも一致しなかった。 本研究は, tAVの完全強制車線変更過程を, 繰り返し公道実験を用いて制御した最初の経験的特性の1つである。 NC-tALCデータセットは、ギャップアクセプタンス瞬間だけでなく、操作全体を通しての行動と安全性の進化の分析をサポートする。 このデータセットと結果は、自動車線変更挙動の評価、行動モデルの校正、強制車線変更シナリオのシミュレーションと安全性評価方法の検証のための実証的なベンチマークを提供する。

関連論文リスト

• Pre-Lane-change Signal in Transitional Autonomous Vehicles: Results from Controlled Experiments [2.249119609566989]
  本稿では,生産移行型自動運転車(TAV)が車線変更決定を強制的に実施する方法について検討する。 NC-tALC実験による150の強制車線変化を用いて, 側方移動開始前に, 最終的な目標ギャップが観測可能であるかを検討した。 その結果,SigTから車線切換開始までの縦方向の経路は,in-positionおよびrepositioningのケースで異なることが判明した。
  論文  参考訳（メタデータ） (2026-09-02T13:20:54Z)
• Evaluation as Evolution: Transforming Adversarial Diffusion into Closed-Loop Curricula for Autonomous Vehicles [43.930171390617055]
  本研究では,敵対的生成を適応的な進化カリキュラムに変換するクローズドループフレームワークであるAccess as Evolution(E2$)を紹介する。 我々は、トポロジ駆動型サポート選択を利用して重要な相互作用エージェントを特定し、トポロジカルアンチョリングを導入し、プロセスの安定化を図る。 実験的に、$E2$はnuScenesデータセットで9.01%、nuPlanデータセットで最大21.43%の衝突故障発見を改善する。
  論文  参考訳（メタデータ） (2026-04-08T01:34:05Z)
• Heterogeneous Self-Play for Realistic Highway Traffic Simulation [42.67401323169807]
  PHASE, Policy for Heterogeneous Agent Self-play on Expresswayは、コンテキスト対応のセルフプレイフレームワークである。 例えば、旅客車やトレーラートラックなどの異なる車両のプロフィールを単一のポリシーでサポートしている。 96.3%の成功率でADE/FDEを6.57/12.07mから2.44/5.25mに下げる。
  論文  参考訳（メタデータ） (2026-03-31T19:39:29Z)
• Introducing the transitional autonomous vehicle lane-changing dataset: Empirical Experiments [2.457001597800844]
  過渡的な自動運転車(tAV)は、人力自動車(HDV)と道路をますます共有している 新しいパターンは、交通の安定性と安全性に影響を及ぼす可能性がある。 本研究はノースカロライナ・トランジショナル・オートマチック・ビークル・レーン・チャンキング・データセットを紹介する。
  論文  参考訳（メタデータ） (2026-03-05T22:15:48Z)
• Characterizing Lane-Changing Behavior in Mixed Traffic [3.7851234061033847]
  本研究は、車線変化挙動のパターンを解明し、これらの挙動が異なる浸透速度(MPR)の下でどのように進化するかを洞察する。 混合トラフィックにおける協調行動と欠陥行動を分析するゲーム理論フレームワークを提案する。 その結果,アクティブ車両と受動車両の車線変更イベントの約4%と11%に,社会的ジレンマが存在することが明らかとなった。
  論文  参考訳（メタデータ） (2025-12-08T06:59:00Z)
• Explainable Lane Change Prediction for Near-Crash Scenarios Using Knowledge Graph Embeddings and Retrieval Augmented Generation [0.0]
  車線変更操作、特に突然または危険な状況で実行されるものは、道路交通事故の重大な原因である。 本研究は,CRASHデータセットを用いて,リスクの高い車線変化を予測することに焦点を当てる。 我々は、KGとベイジアン推論を利用して、言語文脈情報を用いてこれらの操作を予測する。
  論文  参考訳（メタデータ） (2025-01-20T16:02:26Z)
• A Multi-Loss Strategy for Vehicle Trajectory Prediction: Combining Off-Road, Diversity, and Directional Consistency Losses [68.68514648185828]
  軌道予測は、自動運転車における計画の安全性と効率に不可欠である。 現在のモデルでは、複雑な交通規則と潜在的な車両の動きを完全に捉えることができないことが多い。 本研究は, オフロード損失, 方向整合誤差, ダイバーシティ損失の3つの新しい損失関数を紹介する。
  論文  参考訳（メタデータ） (2024-11-29T14:47:08Z)
• Traffic and Safety Rule Compliance of Humans in Diverse Driving Situations [48.924085579865334]
  安全な運転プラクティスを再現する自律システムを開発するためには、人間のデータを分析することが不可欠だ。 本稿では,複数の軌道予測データセットにおける交通・安全規則の適合性の比較評価を行う。
  論文  参考訳（メタデータ） (2024-11-04T09:21:00Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• DenseLight: Efficient Control for Large-scale Traffic Signals with Dense Feedback [109.84667902348498]
  交通信号制御(TSC)は、道路網における車両の平均走行時間を短縮することを目的としている。 従来のTSC手法は、深い強化学習を利用して制御ポリシーを探索する。 DenseLightは、不偏報酬関数を用いてポリシーの有効性をフィードバックする新しいRTLベースのTSC手法である。
  論文  参考訳（メタデータ） (2023-06-13T05:58:57Z)
• Decision Making for Autonomous Driving in Interactive Merge Scenarios via Learning-based Prediction [39.48631437946568]
  本稿では,他のドライバの動作から不確実性が生ずる移動トラフィックにマージする複雑なタスクに焦点を当てる。 我々はこの問題を部分的に観測可能なマルコフ決定プロセス(POMDP)とみなし、モンテカルロ木探索でオンラインに解決する。 POMDPの解決策は、接近する車に道を譲る、前方の車から安全な距離を維持する、あるいは交通に合流するといった、高いレベルの運転操作を行う政策である。
  論文  参考訳（メタデータ） (2023-03-29T16:12:45Z)
• Behavioral Intention Prediction in Driving Scenes: A Survey [70.53285924851767]
  行動意図予測(BIP)は、人間の思考過程をシミュレートし、特定の行動の早期予測を満たす。 この作業は、利用可能なデータセット、重要な要因と課題、歩行者中心および車両中心のBIPアプローチ、BIP対応アプリケーションからのBIPの包括的なレビューを提供する。
  論文  参考訳（メタデータ） (2022-11-01T11:07:37Z)
• Exploring the stimulative effect on following drivers in a consecutive lane-change using microscopic vehicle trajectory data [0.0]
  不適切な車線変動は、交通の流れの崩壊と様々な種類の衝突の発生をもたらす可能性がある。 本研究では,複数車両の車線変更挙動と連続車線変更シナリオにおける後続車線に対する刺激効果について検討した。
  論文  参考訳（メタデータ） (2022-05-18T20:56:42Z)
• A Lane-Changing Prediction Method Based on Temporal Convolution Network [36.84793673877468]
  車線変更は重要な運転行動であり、不合理な車線変更は潜在的に危険な交通衝突を引き起こす可能性がある。 本研究では, 経時的畳み込みネットワーク(TCN)を提案する。
  論文  参考訳（メタデータ） (2020-11-01T07:33:10Z)

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。