핵심 개념
신호등 정보와 다중 차량 상호작용을 통합하여 신호등이 있는 교차로에서의 차량 궤적을 정확하게 예측하는 지식 기반 생성적 적대 신경망(KI-GAN) 모델을 제안한다.
초록
이 연구는 신호등이 있는 교차로에서의 차량 궤적 예측을 위한 지식 기반 생성적 적대 신경망(KI-GAN) 모델을 제안한다.
신호등 정보와 다중 차량 상호작용을 통합하여 복잡한 교차로 환경에서의 차량 궤적을 정확하게 예측할 수 있다.
다중 인코더 프레임워크를 사용하여 다양한 데이터 유형을 효과적으로 처리하고 해석할 수 있다.
차량 방향과 근접성을 고려하는 새로운 주의 집중 풀링 방법인 차량 주의 집중 풀링 네트워크(VAP-Net)를 도입하여 교차로 시나리오에서의 차량 상호작용을 효과적으로 포착한다.
SinD 데이터셋을 사용한 실험 결과, KI-GAN 모델이 기존 모델들에 비해 향상된 예측 정확도를 보여준다.
통계
12프레임 관찰 및 12프레임 예측 시나리오에서 KI-GAN의 평균 변위 오차(ADE)는 0.05, 최종 변위 오차(FDE)는 0.12이다.
12프레임 관찰 및 18프레임 예측 시나리오에서 KI-GAN의 ADE는 0.11, FDE는 0.26이다.
인용구
"신호등 정보와 다중 차량 상호작용을 통합하여 복잡한 교차로 환경에서의 차량 궤적을 정확하게 예측할 수 있다."
"차량 방향과 근접성을 고려하는 새로운 주의 집중 풀링 방법인 차량 주의 집중 풀링 네트워크(VAP-Net)를 도입하여 교차로 시나리오에서의 차량 상호작용을 효과적으로 포착한다."