Core Concepts
信号機情報と多車両の相互作用を統合することで、信号機制御された交差点における車両軌跡を正確に予測することができる。
Abstract
本研究では、知識情報付きGenerative Adversarial Network (KI-GAN)を提案している。KI-GANは、信号機情報と多車両の相互作用を統合することで、信号機制御された交差点における車両軌跡を正確に予測することができる。
具体的には以下の3つの特徴がある:
軌跡エンコーダ、物理属性エンコーダ、運動エンコーダ、信号機エンコーダの4つのエンコーダを統合することで、車両の位置、速度、加速度、車両タイプ、信号機情報などの多様な情報を活用している。
車両の向きと近接性を考慮した注意機構付きプーリング手法(VAP-Net)を提案し、交差点特有の複雑な車両相互作用をモデル化している。
SinDデータセットを用いた実験の結果、提案手法は既存手法と比較して高い予測精度を示した。12フレームの観測と12フレームの予測では平均変位誤差(ADE)が0.05、最終変位誤差(FDE)が0.12となり、12フレームの観測と18フレームの予測では ADEが0.11、FDEが0.26となった。
以上のように、KI-GANは信号機制御された交差点における複雑な車両挙動を効果的にモデル化し、高精度な軌跡予測を実現している。
Stats
車両の速度は時間とともに変化する。
車両の加速度は時間とともに変化する。
信号機の状態は時間とともに変化する。
Quotes
"信号機情報は運転者の行動に大きな影響を及ぼす。"
"車両の向きと近接性は交差点における車両相互作用を理解する上で重要である。"
"提案手法は既存手法と比較して高い予測精度を示した。"