从自然驾驶数据库中提取 V2V 相遇场景
机器学习
2018-05-24 v2 计算机视觉与模式识别
摘要
在网联车辆（CVs）算法发布与部署前，有必要全面评估其有效性与安全性。当前的评估方法主要依赖带有单车驾驶模型的仿真平台，其主要缺陷在于缺乏网络真实性。为克服该问题，我们从数据库中提取自然驾驶 V2V 相遇数据，并通过聚类划分出主要车辆相遇类别。提出了一种快速挖掘算法，可应用于并行查询以进一步加速处理。从美国密歇根州安娜堡 Safety Pilot Model Program 收集的 275 GB 数据库中挖掘出 4500 个相遇事件。聚类使用了 K-means 与动态时间规整（DTW）。结果表明，该方法可从大型数据库中快速挖掘并聚类主要驾驶场景。我们的结果划分出跟车、交叉口与超车，这些均为车辆相遇的主要类别。我们期望本文工作能成为一种通用方法，可有效从任何包含车辆 GPS 信息的现有数据库中提取车辆相遇事件。此外，不同车辆相遇的自然驾驶数据可应用于网联车辆评估。
引用
@article{arxiv.1802.09917,
title = {Extraction of V2V Encountering Scenarios from Naturalistic Driving Database},
author = {Zhaobin Mo and Sisi Li and Diange Yang and Ding Zhao},
journal= {arXiv preprint arXiv:1802.09917},
year = {2018}
}
备注
6 pages; 11 figures; Submitted to International Symposium on Advanced Vehicle Control, Beijing, China, July 2018