基于认知驱动与数据驱动的驾驶机动预测方法
人工智能
2018-05-09 v1
摘要
高级驾驶辅助系统 (ADAS) 显著提升驾驶安全性。它们在危险机动出现时从不安全交通状况中警示驾驶员。预测驾驶机动的传统方法大多仅基于数据驱动模型。然而，由于缺乏人类认知与数据分析的交叉，理解驾驶员意图的方法仍是一项持续挑战。为克服此挑战，我们提出一种结合认知驱动模型与数据驱动模型的新方法。我们引入一个名为 Cognitive Fusion-RNN (CF-RNN) 的模型，该模型以认知方式融合车内与车外数据。CF-RNN 模型由受人类反应时间调节的两个长短期记忆 (LSTM) 分支组成。在 Brain4Cars 基准数据集上的实验表明，所提方法优于先前方法并达到最先进性能。
引用
@article{arxiv.1805.02895,
title = {Driving maneuvers prediction based on cognition-driven and data-driven method},
author = {Dong Zhou and Huimin Ma and Yuhan Dong},
journal= {arXiv preprint arXiv:1805.02895},
year = {2018}
}