穿越还是等待？无信号交叉口行人交互结果预测
机器学习
2024-03-20 v2 人工智能
摘要
预测行人与车辆交互时的行为是自动驾驶领域最关键的挑战之一。行人穿越行为受多种交互因素影响，包括到达时间、行人等待时间、斑马线存在与否，以及行人与驾驶员的属性和人格特征。然而，这些因素在预测交互结果中的应用尚未被充分探索。本文使用机器学习预测无信号交叉口行人与车辆交互时的穿越行为，包括行人穿越决策、穿越起始时间（CIT）与穿越时长（CD）。利用分布式模拟器数据预测并分析交互因素。相较于逻辑回归基线模型，我们所提神经网络模型的预测准确率与 F1 分数分别提升 4.46% 与 3.23%。与线性回归模型相比，我们的模型将 CIT 与 CD 的均方根误差（RMSE）分别降低 21.56% 与 30.14%。此外，我们分析了交互因素的重要性，并给出了使用较少因素的模型结果。这为在输入特征受限的不同场景下的模型选择提供了信息。
引用
@article{arxiv.2304.08260,
title = {Cross or Wait? Predicting Pedestrian Interaction Outcomes at Unsignalized Crossings},
author = {Chi Zhang and Amir Hossein Kalantari and Yue Yang and Zhongjun Ni and Gustav Markkula and Natasha Merat and Christian Berger},
journal= {arXiv preprint arXiv:2304.08260},
year = {2024}
}
备注
8 pages, 7 figures, 9 tables. Accepted in 2023 IEEE Intelligent Vehicles Symposium (IV). DOI: 10.1109/IV55152.2023.10186616