GraphRQI：基于图频谱的驾驶行为分类
机器人学
2020-02-18 v3
摘要
我们提出了一种新颖的算法（GraphRQI），用于从道路智能体轨迹中识别驾驶行为。我们的方法假设道路智能体表现出一系列驾驶特征，例如攻击性或保守性驾驶。此外，这些特征会影响附近道路智能体的轨迹以及道路智能体之间的交互。我们使用无权重无向交通图来表示这些智能体间的交互。我们的算法通过将有监督学习算法的计算化简为交通图的谱分析，从而对驾驶行为进行分类。此外，我们提出了一种新颖的特征值算法来高效计算频谱。我们为特征值算法的运行时间复杂度提供了理论保证，并表明其比先前方法快 2 倍。我们在对应于城市交通的交通视频和自动驾驶数据集上评估了我们方法的分类准确率。在实践中，GraphRQI 相比先前的驾驶行为分类算法实现了高达 25% 的准确率提升。我们还使用我们的分类算法来预测道路智能体的未来轨迹。
引用
@article{arxiv.1910.00049,
title = {GraphRQI: Classifying Driver Behaviors Using Graph Spectrums},
author = {Rohan Chandra and Uttaran Bhattacharya and Trisha Mittal and Xiaoyu Li and Aniket Bera and Dinesh Manocha},
journal= {arXiv preprint arXiv:1910.00049},
year = {2020}
}
备注
Final Pre-print. Accepted at ICRA 2020