文献

J-GLOBAL ID：202102270713933103   整理番号：21A2173707

周辺環境の障害物を考慮した深層学習による歩行者の軌道予測

Pedestrian trajectory prediction by deep learning considering obstacles in the surrounding environment

著者 (3件)： 杉浦尚弥 (明治大 大学院理工学研究科) ,  松田匠未 (明治大 理工) ,  黒田洋司 (明治大 理工)
資料名： 日本機械学会論文集(Web)  (Bulletin of the JSME (Web))
巻： 87  号： 899  ページ： ROMBUNNO.21-00125(J-STAGE)  発行年： 2021年 
JST資料番号： U0182B  ISSN： 2187-9761  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本研究では,周囲の障害物が歩行者に及ぼす影響を考慮した軌道予測手法を提案する.従来の予測手法の多くは,歩行者の位置の時間的変化のみを用いて予測を行っているが,実際の環境は歩行者以外の障害物も多数存在し,これらの影響を受けて歩行者の動作は複雑に変化する.本研究では,アテンションメカニズムにより歩行者間の相互作用を学習するとともに,歩行者の過去の動きの遷移と,周囲の障害物の距離の変化から,障害物が歩行者の動作に与える影響を考慮した予測をすることを目指す.シミュレーション環境と,公開されている歩行者軌道のデータセットを用いて評価を行い,本研究の有用性を示す.(著者抄録)

シソーラス用語： *障害物 ,  *機械学習 ,  *歩行者 ,  *軌道推定 ,  *シミュレーション ,  LIDAR ,  予測モデル ,  ニューラルネットワーク ,  復号器 ,  符号器 ,  移動障害物 ,  *行動予測 ,  時系列データ ,  *深層学習 ,  モデル
準シソーラス用語： LSTM ,  エンコーダ ,  デコーダ ,  *周辺環境

分類 (2件)： 人工知能  (JE08000Z) ,  交通調査  (TB01031B)

引用文献 (15件)：

• Alahi, A., Goel, K., Ramanathan, V., Robicquet, A., Fei-Fei, L. and Savarese, S., Social lstm: human trajectory prediction in crowded spaces, Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR)(2016), pp.961-971.
• Clevert, D., Unterthiner, T. and Vandergheynst, P., Fast and accurate deep network learning by exponential linear units(elus), Proceedings of the International Conference on Learning Representations (ICLR)(2016).
• Gupta, A., Johnson, J., Fei-Fei, L., Savarese, S. and Alahi, A., Social gan: socially acceptable trajectories with generative adversarial networks, Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR)(2018).
• Helbing, D. and Molnar, P., Social force model for pedestrian dynamics, Physical review E, Vol. 51, No. 5 (1995), pp.4282-4286.
• Hochreiter, S. and Schmidhuber, J., Long short-term memory, Neural computation, Vol.9, No.8 (1997), pp.1735-1780.

タイトルに関連する用語 (5件)： 周辺環境 ,  障害物 ,  深層学習 ,  歩行 ,  軌道予測