基于注意力机制的深度学习预测交叉口处驾驶员意图
计算机视觉与模式识别
2020-06-11 v1 人工智能
人机交互
神经与进化计算
摘要
本文提出一种在道路交叉口附近预测驾驶员意图的方法。我们的方法使用基于混合状态系统（HSS）框架的带注意力机制（attention mechanism）的深度双向长短期记忆（LSTM）模型。由于交叉口被认为是道路交通事故的主要源头之一，预测交叉口处驾驶员意图十分关键。我们的方法采用带注意力机制的序列到序列建模，以有效利用包括速度与横摆角速度在内的时序车辆数据中的时间信息。该模型随后提前预测目标车辆/驾驶员将直行、停车，还是左转或右转。所提方法的性能在自然驾驶数据集上进行了评估，结果表明我们的方法达到了高准确率，并优于其他方法。该方案有望应用于高级驾驶辅助系统（ADAS）以及作为自动驾驶汽车主动安全系统的一部分。
引用
@article{arxiv.2006.05918,
title = {Deep Learning with Attention Mechanism for Predicting Driver Intention at Intersection},
author = {Abenezer Girma and Seifemichael Amsalu and Abrham Workineh and Mubbashar Khan and Abdollah Homaifar},
journal= {arXiv preprint arXiv:2006.05918},
year = {2020}
}
备注
IEEE Intelligent Vehicles Symposium 2020 (IEEE IV 2020)