协同自适应巡航控制系统中驾驶员换道预测的 novel 模型
机器人学
2023-05-03 v1 人工智能
机器学习
摘要
准确的换道预测可减少潜在事故并有助于提升道路安全。自适应巡航控制(ACC)、车道偏离避免(LDA)和车道保持辅助(LKA)是高级驾驶辅助系统(ADAS)中的一些常规模块。得益于车对车通信(V2V)，车辆可与周围车辆共享交通信息，从而实现协同自适应巡航控制(CACC)。虽然 ACC 依赖车辆传感器获取前车的位置和速度，CACC 还通过 V2V 通信获得多辆车的加速度。本文比较了用于驾驶员换道预测的信息类型（位置、速度、加速度）和周围车辆的数量。我们在 HighD 数据集上训练了一个 LSTM（长短期记忆）来预测换道意图。结果表明，随着周围车辆数量及其所接收信息的增加，准确率显著提升。具体而言，所提模型在 ACC 和 CACC 场景下预测本车换道的准确率分别为 59.15% 和 92.43%。
引用
@article{arxiv.2305.01096,
title = {A Novel Model for Driver Lane Change Prediction in Cooperative Adaptive Cruise Control Systems},
author = {Armin Nejadhossein Qasemabadi and Saeed Mozaffari and Mahdi Rezaei and Majid Ahmadi and Shahpour Alirezaee},
journal= {arXiv preprint arXiv:2305.01096},
year = {2023}
}