文献

J-GLOBAL ID：201802263034459980   整理番号：18A0588121

TrafficNet:オープン自然主義的運転シナリオライブラリ【Powered by NICT】

TrafficNet: An open naturalistic driving scenario library

著者 (3件)： Zhao Ding (Department of Mechanical Engineering, Robotics Institute, University of Michigan, Ann Arbor, USA) ,  Guo Yaohui (Robotics Institute, University of Michigan, Ann Arbor, USA) ,  Jia Yunhan Jack (Department of Electrical Engineering and Computer Science, University of Michigan, Ann Arbor, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ITSC  ページ： 1-8  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： 近年の自然論的運転データを収集することに多大な努力は一般に入手可能なトラヒックデータセットの拡大,自己駆動車の開発を支援する可能性を持つことをもたらした。しかし,著者らはこれらのデータセットを利用する試みの多くはこれらの収集されたデータを持つ組織からのユーザビリティ問題の欠如のために実際的には失敗していることを見出した。例えば,年代順に組織化された実際の運転データからのある臨界条件に関連した抽出データはビッグデータ分析経験を持たない車両技術者のための便利ではないかもしれない。公式に入手できるこれら交通データセットの一般的なユーザビリティの課題に対処するために,著者らはTrafficNet,自然論的運転シナリオの大規模で拡張可能なライブラリー,車両技術者・研究者のための研究データセットと実際に使用可能な情報の間のギャップを埋めるを提案した。提案したウェブベース駆動シナリオデータベースは六種類の臨界駆動シナリオと実際の運転データを標識するためにセット分類アルゴリズムを適用することにより組織化されたシナリオベースデータセットに年代順に採取した塊状生交通データを前処理する。TrafficNetはシナリオライブラリーだけでなく公衆へのこれらの分類法のソースコードが,インテリジェント交通研究を進歩させるためのより洗練された正確なシナリオベース分類アルゴリズムを助長するであろう,を開くものである。ソースコードとシナリオデータベースはhttps://github.com/TrafficNetで合成することができた。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： 臨界 ,  前処理 ,  技術者 ,  *運転
準シソーラス用語： ソースコード ,  分類法 ,  交通データ ,  分類アルゴリズム ,  ビッグデータ ,  臨界条件 ,  運転データ , 【Automatic Indexing@JST】

分類 (1件)： 分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (2件)： シナリオ ,  ライブラリ