从自然驾驶轨迹数据中提取与分析高速公路入口匝道合流场景
机器学习
2022-03-04 v2 人工智能
机器人学
摘要
网联自动驾驶汽车（CAVs）被设想将变革未来的工业与私人交通领域。然而，由于系统极其复杂，在该技术进入公共领域之前，安全方面的功能验证与确认至关重要。因此，近年来场景驱动的方法获得认可，强调对扎实场景数据基础的需求。下萨克森测试场（TFNDS）这一大型研究设施能够为高速公路场景数据库提供充足信息。但为此须从收集的自然驾驶轨迹数据（NTD）中识别并提取感兴趣的场景。本工作解决该问题，提出一种用于入口匝道场景提取的方法论，支持场景分类与评估。利用隐马尔可夫模型（HMM）与动态时间规整（DTW）进行提取，并利用带有安全替代度量（SMoS）侵入后时间（PET）的决策树进行分类与评估。该方法的有效性通过TFNDS上收集的NTD数据集得以展示。
引用
@article{arxiv.2104.05661,
title = {Extraction and Analysis of Highway On-Ramp Merging Scenarios from Naturalistic Trajectory Data},
author = {Lars Klitzke and Kay Gimm and Carsten Koch and Frank Köster},
journal= {arXiv preprint arXiv:2104.05661},
year = {2022}
}
备注
7 pages