文献

J-GLOBAL ID：201802257338303758   整理番号：18A0587992

ANN(人工ニューラルネットワーク)とSVM(サポートベクトルマシン)分類器を用いた車両軌跡と車線変更予測【Powered by NICT】

Vehicle trajectory and lane change prediction using ANN and SVM classifiers

著者 (5件)： Izquierdo R. (Computer Engineering Department, University of Alcala ́, Alcala ́ de Henares, Spain) ,  Parra I. (Computer Engineering Department, University of Alcala ́, Alcala ́ de Henares, Spain) ,  Munoz-Bulnes J. (Computer Engineering Department, University of Alcala ́, Alcala ́ de Henares, Spain) ,  Fernandez-Llorca D. (Computer Engineering Department, University of Alcala ́, Alcala ́ de Henares, Spain) ,  Sotelo M. A. (Computer Engineering Department, University of Alcala ́, Alcala ́ de Henares, Spain)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ITSC  ページ： 1-6  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： 交通事故の百万は,世界中の道路に毎年起こる。いくつかの先進支援システムは,過去数年における商用車の放出された,半自律車両への移行に寄与した。知られている最良のいくつかは適応走行制御,車線維持システムである。これらのシステムは,先行車両に関してまたは車線の中心に固定速度を持つ所望の距離を維持した。周囲車両軌跡はどうなるか,あるいは操作車線変更を行うかどうか知ることがこれらの系に非常に有用である。軌跡を予測するために二個の異なるデータセット上の二種類の人工ニューラルネットワークを評価した。サポートベクトルマシン分類器を行う予定である作用を分類した。提案した軌道予測システムは4秒の時間範囲における車両運動モデルより30%良いことを示し,車線変更行動を予測することができ,が起こる前に3秒。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： 軌道推定 ,  交通事故 ,  *サポートベクトルマシン ,  商用車 ,  *軌跡 ,  *予測 ,  *ニューラルネットワーク ,  道路
準シソーラス用語： 車両運動 ,  時間帯 ,  適応走行制御 ,  自律性 ,  支援システム ,  *車線変更 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 人工ニューラルネットワーク ,  SVM ,  サポートベクトルマシン ,  分類器 ,  軌跡 ,  車線変更 ,  予測