文献

J-GLOBAL ID：201802233749711742   整理番号：18A1621514

データ低減と危険な車線変更検出のための信号シンボル化による運転行動とトラフィックコンテキストの統合【JST・京大機械翻訳】

Integrating Driving Behavior and Traffic Context Through Signal Symbolization for Data Reduction and Risky Lane Change Detection

著者 (7件)： Yurtsever Ekim (Nagoya University, Nagoya, Japan) ,  Yamazaki Suguru (Corporate R&D Div. 1, DENSO Coporation, Kariya, Japan) ,  Miyajima Chiyomi (Nagoya University, Nagoya, Japan) ,  Takeda Kazuya (Nagoya University, Nagoya, Japan) ,  Mori Masataka (Corporate R&D Div. 1, DENSO Coporation, Kariya, Japan) ,  Hitomi Kentarou (Corporate R&D Div. 1, DENSO Coporation, Kariya, Japan) ,  Egawa Masumi (Corporate R&D Div. 1, DENSO Coporation, Kariya, Japan)
資料名： IEEE Transactions on Intelligent Vehicles  (IEEE Transactions on Intelligent Vehicles)
巻： 3  号： 3  ページ： 242-253  発行年： 2018年 
JST資料番号： W2446A  ISSN： 2379-8858  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,信号記号化を通して運転行動と交通状況を統合するための新しい方法を提示した。この記号化フレームワークは,自然な運転研究のためのデータ削減法として提案されている。連続センサ信号を変換し,粘着性階層Dirichletプロセス隠れMarkovモデルと入れ子Pitman-Yor言語モデルを用いてシンボル(チャンク)のシーケンスに縮小した。次に,提案した統合法である共起発生チャンキング(C00C)を,運転者行動と交通文脈チャンクに適用した。統合の後,C00Cチャンクは,潜在的Dirichlet配置を用いることによって,プロトタイプ駆動シーンと関連した。最後に,チャンクの翻訳配列をグループにクラスタ化した。評価目的のための記号化データを用いて,危険車線変更検出実験を行った。988車線変更シーンから成るデータセットをこのプロセスに利用した。クラスタ化による同時発生チャンキングは,最良の危険車線変化検出を提供した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 同時発生 ,  言語モデル ,  隠れMarkovモデル ,  *クラスタ化 ,  プロトタイプ
準シソーラス用語： 変化検出 ,  運転者行動 ,  チャンキング ,  チャンク ,  粘着性 ,  交通状況 ,  *運転行動 ,  *車線変更 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 車線変更 ,  シンボル ,  行動 ,  統合