Основні поняття
機械学習を使用して、歩行者が車両と交差する際の行動を予測するモデルを開発しました。
Анотація
この記事では、標識のない横断歩道で車両と交差する際の歩行者の行動を予測するために、分散シミュレーターデータを使用して機械学習モデルが開発されました。主な貢献は以下の通りです:
分散シミュレーターデータを使用して、基準となるロジスティック回帰および線形回帰モデルに比べて、提案されたニューラルネットワークモデルが予測精度とF1スコアをそれぞれ4.46%と3.23%向上させました。
提案された交差判断モデルは、CIT(交差開始時間)およびCD(交差期間)の平均絶対誤差(MAE)および平方根平均二乗誤差(RMSE)をそれぞれ30.84%および30.14%削減しました。
重要な入力要因や特徴量について分析し、異なるシナリオでのモデル選択に関する情報を提供しました。
概要
はじめに
歩行者保護需要から自動運転技術が注目されている。
研究背景
歩行者-車両相互作用要因や個人特性が影響を与える。
方法論
分散シミュレーターデータ収集方法や入出力変数について詳細説明。
結果と考察
ニューラルネットワークが他の手法よりも優れた性能を示したことが強調されています。
Статистика
提案されたニューラルネットワークモデルは、ロジスティック回帰基準モデルと比較して、予測精度とF1スコアがそれぞれ4.46%および3.23%向上しました。
ニューロン数16および4の2つの隠れ層を持つMLP(多層パーセプトロン)が使用されました。
Цитати
"自動運転技術に追加情報提供"
"非線形性処理能力"