抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
人工知能アルゴリズムは,特に運転挙動解析と予測のために,知的輸送の分野で広く適用されてきた。本研究では,ファジィ軌跡データ,教師なし学習および教師つき学習法の統合による新しいフレームワークを提案し,マルチ駆動スタイルを考慮した車線変更行動を予測した。車線変更予測モデルのための正確な軌跡データセットとファジィ軌跡データセットを含む2種類のデータセットを構築するために,ハイウェイDone Dataset(HighD)からの微視的軌跡データを採用した。ファジィ軌道データを,K平均アルゴリズムによってクラスタ化する種々の駆動スタイルに基づいて開発した。ランダムフォレストと畳み込みニューラルネットワークと組み合わせた長期記憶を含む2つの典型的な教師つき学習法を,車線変更挙動予測のためにさらに適用した。結果は,(1)提案した統合アプローチが従来の車線変更予測よりも性能が良いことを示した。(2)相対速度関連特徴は,運転スタイルに基づくファジィルールによって処理した後に,車線変更予測に対してより大きな貢献を有した。(3)運転スタイルの違いは,車線変更期間よりもむしろ横方向移動の状態から反映される。【JST・京大機械翻訳】