文献

J-GLOBAL ID：201802274877687298   整理番号：18A0588046

深い学習を用いた時間への車線変更予測【Powered by NICT】

Time-to-lane-change prediction with deep learning

著者 (4件)： Dang Hien Q. (Knowledge Engineering Group, Darmstadt University of Technology, Darmstadt, Germany) ,  Furnkranz Johannes (Knowledge Engineering Group, Darmstadt University of Technology, Darmstadt, Germany) ,  Biedermann Alexander (Interior Systems & Technology Advanced Development, Continental Automotive GmbH, Babenhausen, Germany) ,  Hoepfl Maximilian (Interior Systems & Technology Advanced Development, Continental Automotive GmbH, Babenhausen, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ITSC  ページ： 1-7  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： 一般的に運転者の挙動の予測と,特に切迫した車線変更を予測する問題はいろいろな視点および装置における研究した。ほとんど問題を,各クラスは次の数秒で可能な作用を示す分類問題として検討した。本研究では,回帰問題における自車他車線を接触までの時間は予測されたように,タスクを再定義。特に,長い短期記憶(LSTM)ネットワークを用いる車線変更までの時間を予測するために学習した。問題の回帰ベース定式化はより多くの情報を捕捉し,このようにして学習する硬いべきであるにもかかわらず,同等の分類に基づくアプローチよりわずかに良い結果を提供することを示した。さらに,切迫した車線変更の正確な時間約得るという付加的な精度は先進的運転者支援システムのユーザの受容性を更に増加するために使用することができた。はまた,特定の運転者の挙動を微調整することによりネットワークを個別化できることを示した。微調整はF1スコアの改善をもたらす運転者から約20分運転データを観察した。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 ,  定式化 ,  *予測 ,  忍容性
準シソーラス用語： 運転データ ,  スコア ,  許容性 ,  運転者支援システム ,  短期記憶 ,  *車線変更 , 【Automatic Indexing@JST】

分類 (2件)： 走行性能  (QG02020S) ,  自動車事故,交通安全  (TB01050G)

タイトルに関連する用語 (3件)： 学習 ,  車線変更 ,  予測