抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
車両ネットワークにおける状況認識は,信頼できる軌道予測法を利用して実質的に改善できる。さらに,より正確な状況認識は,例えば,協調適応制御(CACC)のような快適性応用と同様に,Forward Collision Warning(FCW)のような重要な安全性応用のより優れた性能をもたらす。したがって,車両軌道予測問題は,安全応用の制御装置によって必要とされる十分な精度を有する端部を端部に到達させるために深く調査される必要がある。この問題は異なる方法を用いて文献に取り組まれている。しかしながら,時系列予測のための顕著な可能性を有する有望で出現する分野である機械学習は,この目的のために十分に探求されていない。本論文では,最初の層において,速度,加速度およびヨー速度のような車両パラメータの将来値を予測する2層ニューラルネットワークベースシステムを開発し,次に,第1層の出力に基づいて2次元,すなわち縦方向および横方向,軌道点を予測した。提案したフレームワークの性能を,安全パイロットモデル(SPMD)データセットから現実的なカットインシナリオにおいて評価し,結果は自動車産業による支配的な採用モデルである運動学モデルと比較して予測精度の顕著な改善を示した。著者らのシステム評価のために,理想的および非理想的通信環境の両方を調査した。非理想的ケースに対して,パラメータ予測ブロックの前のフレームワークにおいて推定ステップを含めて,パケットドロップまたはセンサ故障の欠点を扱い,望ましい周波数における車両パラメータの時系列を再構成した。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】