Analiza zachowań i modelowanie uczestników ruchu drogowego

Oryginalny tytuł:

Behavior Analysis and Modeling of Traffic Participants

Zawartość książki:

Uczestnik ruchu drogowego to osoba, która bezpośrednio uczestniczy w ruchu drogowym, taka jak kierowcy pojazdów, pasażerowie, piesi lub rowerzyści, jednak wypadki drogowe powodują liczne straty materialne, obrażenia ciała, a nawet śmierć. Aby zmniejszyć liczbę ofiar śmiertelnych wypadków drogowych, rozwój inteligentnego pojazdu jest obecnie bardzo cenioną technologią. Podejmowanie decyzji i planowanie pojazdu ma ogromne znaczenie, jeśli można przewidzieć zamiary pieszych i przyszłe trajektorie, a także otaczające pojazdy, a wszystko to w celu zwiększenia bezpieczeństwa jazdy. W oparciu o sekwencję obrazów zebranych przez pokładowe kamery monokularowe, wykorzystujemy sieć opartą na długiej pamięci krótkotrwałej (LSTM) z ulepszonym mechanizmem uwagi, aby zrealizować przewidywanie zamiarów i trajektorii pieszych i otaczających pojazdów.

Jednakże, choć era w pełni zautomatyzowanej jazdy wciąż wydaje się odległa, ludzcy kierowcy nadal stanowią kluczową część systemu droga-kierowca-pojazd w obecnych okolicznościach, nawet w przypadku niskiego poziomu zautomatyzowania pojazdów. Biorąc pod uwagę, że ponad 90 procent śmiertelnych wypadków drogowych było spowodowanych błędami ludzkimi, ważne jest, aby rozpoznać dodatkowe zadanie podczas jazdy, a także rozpoznać styl jazdy, aby opracować bardziej spersonalizowany zaawansowany system wspomagania kierowcy (ADAS) lub inteligentny pojazd. Używamy grafowych sieci konwolucyjnych do wnioskowania o cechach przestrzennych oraz sieci LSTM z mechanizmem uwagi do czasowego uczenia się cech ruchu w sekwencji obrazów, aby zrealizować rozpoznawanie zadań drugorzędnych podczas jazdy.

Co więcej, agresywni kierowcy częściej uczestniczą w wypadkach drogowych, a na poziom ryzyka związanego z prowadzeniem pojazdu może wpływać wiele potencjalnych czynników, takich jak dane demograficzne i cechy osobowości. W związku z tym skupimy się na klasyfikacji stylu jazdy w scenariuszu podążania za samochodem. Ponadto, w oparciu o model równań strukturalnych (SEM) i naturalistyczną bazę danych Strategic Highway Research Program 2 (SHRP 2), w pełni omówiono związki między cechami demograficznymi kierowców, poszukiwaniem wrażeń, postrzeganiem ryzyka i ryzykownymi zachowaniami na drodze. Oczekuje się, że wyniki i wnioski z tej krótkiej książki dostarczą potencjalnych wskazówek i korzyści dla promowania rozwoju technologii inteligentnych pojazdów i bezpieczeństwa jazdy.