文献

J-GLOBAL ID：201802249403233370   整理番号：18A0588147

積層LSTMネットワークを用いた運動軌跡からの脆弱な道路利用者の意図予測【Powered by NICT】

Intent prediction of vulnerable road users from motion trajectories using stacked LSTM network

著者 (3件)： Saleh Khaled (Institute for Intelligent Systems Research and Innovation (IISRI), Deakin University, Australia) ,  Hossny Mohammed (Institute for Intelligent Systems Research and Innovation (IISRI), Deakin University, Australia) ,  Nahavandi Saeid (Institute for Intelligent Systems Research and Innovation (IISRI), Deakin University, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ITSC  ページ： 327-332  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 脆弱道路利用者(VRU)の意図予測が最近研究コミュニティから注目を得ている,高度運転支援システム(ADAS)と高度に自動化された車両開発の進歩におけるその重要な役割によるものであった。意図予測問題を解決するための提案した技術のほとんどは二つの方法,すなわち動的運動モデル化と運動計画を中心に焦点を当ててきた。これらの技術はどの位効力にもかかわらず,が,両手であるシーン特異的な特徴のセットでVRUを含む未知のシーンへの一般化に影響を及ぼす作成に依存している。本論文では,新しいエンドツーエンドデータ駆動型アプローチは,それらの運動軌跡のみに基づく都市交通環境における歩行者のようなVRUの長期意図予測のために提案した。意図予測問題は時系列予測問題として定式化したが,歩行者の運動軌跡の短窓長配列を観察するだけで,今後の横方向位置に関する予測は最大4秒先行することができた。提案したアプローチでは,リカレントニューラルネットワーク,買い-売り記憶ネットワーク(LSTM)アーキテクチャの広く採用されているアーキテクチャを利用した深い積層LSTMネットワークを形成した。提案した積層LSTMモデルは,都市環境における歩行者を含む四のユニークな交通シナリオの中での歩行者の意図と経路予測のための一般的なデータセットの一つで評価した。著者らの提案した方法は,試験データセットの四のシナリオでそれぞれ0.39m,0.48m,0.46mと0.51mの小さい横方向位置誤差で長期予測の観点からベースラインアプローチと比較して有能な結果を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *ネットワーク ,  都市交通 ,  運転支援システム ,  モデル ,  計算機アーキテクチャ ,  都市環境 ,  歩行者 ,  モデリング ,  自動化 ,  定式化 ,  *予測 ,  長期予測
準シソーラス用語： *道路利用者 ,  *脆弱性 ,  *運動軌道 , 【Automatic Indexing@JST】

分類 (2件)： 自動車事故,交通安全  (TB01050G) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： LSTMネットワーク ,  運動軌跡 ,  道路利用者 ,  意図 ,  予測