通过交通基元理解车对车驾驶场景
机器学习
2018-07-30 v1 机器学习
摘要
从语义上理解复杂的驾驶员相遇行为（其中两辆或多辆车在空间上彼此接近）确实有助于自动驾驶汽车的决策设计。本文提出一种通过分析框架，利用非参数贝叶斯学习（NPBL）方法将驾驶相遇数据分解为称为驾驶基元的小构建块，从而分析各种相遇行为，该方法无需任何先验知识即可灵活洞察复杂驾驶相遇。我们提出的基于基元框架的有效性基于 976 个自然驾驶相遇数据得到验证，从中使用 NPBL——一种将隐马尔可夫模型（HMM）与层次狄利克雷过程（HDP）相结合的粘性 HDP-HMM——学习到超过 4000 个驾驶基元。此后，开发了一种集成 k-means 聚类的动态时间规整方法来将所有提取的驾驶基元分组。实验结果发现存在 20 种驾驶基元能够表示数据库中驾驶相遇的基本组成部分。这种基于基元的分析方法潜在地揭示了面向自动驾驶应用的车对车相遇的底层信息。
引用
@article{arxiv.1807.10422,
title = {Understanding V2V Driving Scenarios through Traffic Primitives},
author = {Wenshuo Wang and Weiyang Zhang and Ding Zhao},
journal= {arXiv preprint arXiv:1807.10422},
year = {2018}
}