DeepWait：基于深度生存分析的混合交通条件下行人等待时间估计
人机交互
2019-08-12 v3 计算机视觉与模式识别
摘要
行人的道路横穿行为是将受自动驾驶车辆引入影响的城市动态重要方面之一。在本研究中，我们提出 DeepSurvival，一种用于估计混合交通条件下无信号中段人行横道处行人等待时间的新框架。我们利用深度学习在捕捉数据非线性方面的优势，并构建了一个以深度神经网络作为对数风险函数的 Cox 比例风险模型。我们还开发了用于降低数据维度和增强网络可解释性的嵌入式特征选择算法。我们在一个通过沉浸式虚拟现实环境收集的包含160名参与者的数据集上测试了我们的框架。验证结果表明，我们提出的框架 C-index 为 0.64，优于标准 Cox 比例风险模型（C-index 为 0.58）。
引用
@article{arxiv.1904.11008,
title = {DeepWait: Pedestrian Wait Time Estimation in Mixed Traffic Conditions Using Deep Survival Analysis},
author = {Arash Kalatian and Bilal Farooq},
journal= {arXiv preprint arXiv:1904.11008},
year = {2019}
}
备注
Accepted for publication in the proceedings of IEEE Intelligent Transportation Systems Conference - ITSC 2019