基于网联车辆轨迹的驾驶遭遇场景聚类
机器人学
2020-06-16 v2
摘要
多车交互行为分类与分析为自动驾驶车辆的高效决策提供深入认知。本文旨在仅基于多车GPS轨迹对广泛的驾驶遭遇场景进行聚类。为此，我们提出一个包含两层的通用无监督学习框架：特征表示层与聚类层。在特征表示层中，我们将深度自编码器与基于距离的度量相结合，将驾驶遭遇的序列观测映射到一个计算易处理的空间，从而能够量化两车的时空交互特征。随后将聚类算法应用于提取的表示，将同质的驾驶遭遇归为各组。我们使用2568个自然驾驶遭遇场景对所提通用框架进行评估。实验结果表明，我们提出的结合无监督学习的通用框架能够将多轨迹数据聚类为不同组别。这些聚类结果有益于自动驾驶车辆的决策策略分析与设计。
引用
@article{arxiv.1807.08415,
title = {Clustering of Driving Encounter Scenarios Using Connected Vehicle Trajectories},
author = {Wenshuo Wang and Aditya Ramesh and Ding Zhao},
journal= {arXiv preprint arXiv:1807.08415},
year = {2020}
}
备注
12 pages, 11 figures