基于 NGSIM 数据集的运动学单车轨迹预测基线及应用
机器人学
2020-10-29 v4 计算机视觉与模式识别
机器学习
摘要
在近期车辆轨迹预测文献中，最常见的基线仅被简要介绍，缺乏必要复现信息。本文利用简单模型给出可复现的车辆预测结果。为此，过程明确且代码公开。这些基线模型为常速度模型与单车预测模型。它们仅使用相对位置应用于 NGSIM US-101 与 I-80 数据集。因此，该过程可使用任何含车辆位置跟踪的数据库复现。评估报告了均方根误差（RMSE）、最终位移误差（FDE）、负对数似然（NLL）与漏检率（MR）。NLL 估计需谨慎定义，因为其他工作中使用了若干偏离数学定义的表达式。本文旨在与发布代码配合使用，为后续工作建立基线。提出一种扩展，以使用循环神经网络的学习模型替代常速度假设。这在精度与不确定性估计上带来良好改进，并为复杂且可解释模型开辟了可能。
引用
@article{arxiv.1908.11472,
title = {Kinematic Single Vehicle Trajectory Prediction Baselines and Applications with the NGSIM Dataset},
author = {Jean Mercat and Nicole El Zoghby and Guillaume Sandou and Dominique Beauvois and Guillermo Pita Gil},
journal= {arXiv preprint arXiv:1908.11472},
year = {2020}
}