自监督交通顾问：面向智慧城市的分布式多视角交通预测
机器人学
2022-08-02 v2
摘要
联网自动驾驶车辆（CAV）的部署日益广泛，但如何最佳地部署智能基础设施以最大化其能力尚不明确。一个关键挑战是确保 CAV 能够可靠地感知其他智能体，尤其是被遮挡的智能体。另一个挑战是希望智能基础设施能够像现代交通信号灯一样自主运行并易于扩展到广域部署。本文提出了自监督交通顾问（SSTA），这是一个基础设施边缘设备概念，它利用自监督视频预测，结合通信和协同训练框架，实现对整个智慧城市交通的自主预测。SSTA 是一种固定安装的摄像头，俯瞰交叉路口或复杂交通流区域，它将交通流预测为未来视频帧，并学习与邻近的 SSTA 通信，从而能够在交通出现在视场（FOV）之前进行预测。所提出的框架旨在实现三个目标：（1）设备间通信以实现高质量预测，（2）可扩展到任意数量的设备，以及（3）终身在线学习以确保对不断变化环境的适应性。最后，SSTA 可以直接将其预测的未来视频帧作为信息广播，供 CAV 运行自己的后处理以实现控制目的。
引用
@article{arxiv.2204.06171,
title = {Self-Supervised Traffic Advisors: Distributed, Multi-view Traffic Prediction for Smart Cities},
author = {Jiankai Sun and Shreyas Kousik and David Fridovich-Keil and Mac Schwager},
journal= {arXiv preprint arXiv:2204.06171},
year = {2022}
}
备注
2022 IEEE 25th International Conference on Intelligent Transportation Systems (ITSC)