文献

J-GLOBAL ID：202002286111065677   整理番号：20A2764811

LSTMを用いた実時間運転者操作予測【JST・京大機械翻訳】

Real-Time Driver Maneuver Prediction Using LSTM

著者 (4件)： Khairdoost Nima (Department of Computer Science, Western University, London, ON, Canada) ,  Shirpour Mohsen (Department of Computer Science, Western University, London, ON, Canada) ,  Bauer Michael A. (Department of Computer Science, Western University, London, ON, Canada) ,  Beauchemin Steven S. (Department of Computer Science, Western University, London, ON, Canada)
資料名： IEEE Transactions on Intelligent Vehicles  (IEEE Transactions on Intelligent Vehicles)
巻： 5  号： 4  ページ： 714-724  発行年： 2020年 
JST資料番号： W2446A  ISSN： 2379-8858  資料種別： 逐次刊行物 (A)
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： 運転者操縦予測は,最新の先進運転者支援システム(ADAS)の設計において非常に重要である。このような予測は,運転者を安全または危険な交通状況の危険にさらすことによって,運転安全性を改善できる。本研究では,左/右車線変化,左/右回転および運転直線前方3.6秒を実時間で発生する前に,運転者の操縦を予測するモデルを開発した。このために,ドライバの凝視と頭部位置ならびに車両動特性データを利用する,Long Short-Termメモリ(LSTM)に基づく深層学習法を提案した。このアプローチを,計装車両における都市環境における駆動中に収集した実際のデータに適用した。左/右回転および駆動直線を含む3つの操作を予測する以前のIOHMM技術と比較して,著者らの予測モデルは,2つのより多くの操作を予想することができた。さらに,著者らの実験結果は,同一のデータセットを用いた著者らのモデルがF1スコアを4%改善し,84%まで増加することを示した。Copyright 2020 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】

シソーラス用語： *記憶装置 ,  都市環境 ,  予測モデル
準シソーラス用語： 交通状況 ,  深層学習 ,  長短期記憶 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： LSTM ,  実時間 ,  予測