論文の概要: Pre-Lane-change Signal in Transitional Autonomous Vehicles: Results from Controlled Experiments

• arxiv url: http://arxiv.org/abs/2609.02575v1
• Date: Wed, 02 Sep 2026 13:20:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.379815
• Title: Pre-Lane-change Signal in Transitional Autonomous Vehicles: Results from Controlled Experiments
• Title（参考訳）: 遷移自動車における車線前信号:制御実験の結果
• Authors: Zeyu Mu, Danjue Chen, Abhinav Sharma, George F. List,
• Abstract要約: 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。
• 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 investigates how a production transitional autonomous vehicle (tAV) develops and executes mandatory lane-change decisions. Using 150 controlled mandatory lane changes from the NC-tALC experiments, the study examines whether the eventual target gap is observable before lateral movement begins and how the tAV progresses longitudinally from that pre-lane-change state to lane-change start. Signal time (SigT) is defined as an operational pre-lane-change-start reference point. A Firth logistic regression predicts whether the tAV eventually merges in front of or behind its nearest target-lane vehicle using relative position and relative speed at SigT. Longitudinal progression from SigT to lane-change start is then examined separately for in-position and repositioning cases. The traffic state at SigT contains substantial information about eventual target-gap choice and provides meaningful lead time before lateral movement begins. The proposed formulation predicts whether the tAV remains with its current gap or repositions to a neighboring gap by moving forward or dropping back, including cases with longitudinal overlap and ambiguous current-gap geometry. The model achieves an average five-fold cross-validated accuracy of 0.89. Results also provide preliminary evidence that in-position and repositioning cases follow different longitudinal pathways from SigT to lane-change start. These findings support a two-stage conjecture of the observable lane-change process: longitudinal preparation from SigT to lane-change start, followed by lateral maneuver execution. The formulation applies to in-position, repositioning, and longitudinally overlapping cases, and can support lane-change models that distinguish target-gap choice from lateral-onset timing while representing longitudinal preparation before lateral movement begins.
• Abstract（参考訳）: 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個の強制車線変化を用いて, 側方移動開始前の最終的な目標ギャップが観測可能であるか, および, その前車線変化状態から車線変化開始までのtAVの経時的進行について検討した。 信号時間(SigT)は、運用前変更開始基準点として定義される。 ファース・ロジスティック・レグレッション(英語版)は、TAVがSigTの相対位置と相対速度を用いて、最終的に最も近い目標車線の前方または後方にマージするかどうかを予測する。 SigTから車線変更開始までの経時的経過を,In-position法とRepositioning法で別々に検討した。 SigTの交通状態は、最終的な目標ゲップ選択に関する実質的な情報を含み、横移動が始まる前に有意義なリードタイムを提供する。 提案した定式化は, 縦重な重なりとあいまいな電流ギャップ形状を含む, tAVが現在のギャップに留まっているか, あるいは隣接するギャップに再配置されているかを予測する。 このモデルの平均5倍のクロスバリデーション精度は0.89である。 また,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のケースが異なることを示す予備的証拠も提示した。 これらの結果は,SigTから車線変更開始までの経時的準備と,横方向の操作実行という,観測可能な車線変更過程の2段階の予想を裏付けるものである。 この定式化は、配置、再配置、縦重なりのケースに適用され、横移動開始前の長手準備を表現しながら、目標ギャップ選択と横-オンセットタイミングを区別するレーン変更モデルをサポートすることができる。

関連論文リスト

• Controlled Experiments on Lane Changing by Transitional Autonomous Vehicle: Dataset and Behavioral Insights [2.249119609566989]
  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。
  論文  参考訳（メタデータ） (2026-07-29T16:07:44Z)
• TaPD: Temporal-adaptive Progressive Distillation for Observation-Adaptive Trajectory Forecasting in Autonomous Driving [10.160418242076284]
  軌道予測は自律走行に必須であり、車両は周囲のエージェントの動きを予測できる。 可変履歴長下での観測適応軌道予測のための統一的なプラグアンドプレイフレームワークであるTaPDを提案する。 Argoverse 1 と Argoverse 2 の実験は、TaPD が全ての観測範囲で強い基底線を一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2026-03-06T12:51:32Z)
• Bayesian Deep Learning Approach for Real-time Lane-based Arrival Curve Reconstruction at Intersection using License Plate Recognition Data [9.477641196256913]
  既存のLPRデータベース手法は、主に歴史的到着曲線の再構築のために設計されている。 複数車線の都市道路をリアルタイムに再建するためには,リアルタイムリンクによる到着のレーン選択を決定することが重要である。 実時間レーンを用いた到着曲線再構成のためのベイズ深層学習手法を提案する。
  論文  参考訳（メタデータ） (2024-11-12T03:24:20Z)
• 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)
• Dissecting Transformer Length Extrapolation via the Lens of Receptive Field Analysis [72.71398034617607]
  我々は、相対的な位置埋め込み設計であるALiBiを受容場解析のレンズで識別する。 バニラ正弦波位置埋め込みを修正してbftextを作成する。これはパラメータフリーな相対的位置埋め込み設計であり、真の長さ情報はトレーニングシーケンスよりも長くなる。
  論文  参考訳（メタデータ） (2022-12-20T15:40:17Z)
• RCLane: Relay Chain Prediction for Lane Detection [76.62424079494285]
  本稿では,リレーチェーン予測に基づく車線検出手法を提案する。 当社の戦略では,TuSimple,CULane,CurveLanes,LLAMASの4つの主要なベンチマーク上で,最先端の新たなベンチマークを確立することが可能です。
  論文  参考訳（メタデータ） (2022-07-19T16:48:39Z)
• 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)
• A Graph Convolutional Network with Signal Phasing Information for Arterial Traffic Prediction [63.470149585093665]
  動脈交通予測は 現代のインテリジェント交通システムの発展に 重要な役割を担っています 動脈交通予測に関する既存の研究の多くは、ループセンサからの流量と占有率の時間的測定のみを考慮し、上流と下流の検出器間のリッチな空間的関係を無視している。 我々は,信号タイミング計画から発生する空間情報を用いて,深層学習アプローチである拡散畳み込みリカレントニューラルネットワークを強化することで,このギャップを埋める。
  論文  参考訳（メタデータ） (2020-12-25T01:40:29Z)

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。