基于车辆轨迹数据的机器学习方法用于换道意图识别的比较分析
机器学习
2023-07-31 v1 机器学习
摘要
准确检测并预测换道（LC）过程可帮助自动驾驶车辆更好地理解周边环境、识别潜在安全隐患并提升交通安全。本文聚焦 LC 过程，比较不同机器学习方法从高维时间序列数据中识别 LC 意图的性能。为验证所提模型性能，从 CitySim 数据集中提取了共计 1023 条车辆轨迹。针对 LC 意图识别问题，结果表明集成方法以百分之九十八的分类准确率降低了 II 类与 III 类分类误差的影响。在不牺牲识别精度的前提下，LightGBM 相比 XGBoost 算法在模型训练效率上实现了六倍提升。
引用
@article{arxiv.2307.15625,
title = {A Comparative Analysis of Machine Learning Methods for Lane Change Intention Recognition Using Vehicle Trajectory Data},
author = {Renteng Yuan},
journal= {arXiv preprint arXiv:2307.15625},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2304.13732