换道场景中车对车时空交互模式识别与风险分析
信号处理
2021-05-25 v1 机器学习
摘要
在复杂换道(LC)场景中，对动态交互模式的语义解释与安全分析对于自动驾驶车辆做出恰当决策十分必要。本研究提出一种结合基于基元的交互模式识别方法与风险分析方法的无监督学习框架。采用高斯混合模型隐马尔可夫模型(GMM-HMM)方法将换道场景分解为基元。然后应用基于动态时间规整(DTW)距离的K-means聚类将基元聚为13类交互模式。最后，本研究考虑换道过程中涉及的两类碰撞时间(TTC)作为指标，分析交互模式的风险并提取高风险换道交互模式。基于高速公路无人机数据集(highD)的结果表明，所识别的换道交互模式包含可解释的语义信息。本研究探究了换道交互模式的时空演化规律与风险形成机制，所得发现有助于全面理解潜在交互模式，提升自动驾驶车辆决策的合理性安全性。
引用
@article{arxiv.2105.10688,
title = {V2V Spatiotemporal Interactive Pattern Recognition and Risk Analysis in Lane Changes},
author = {Yue Zhang and Yajie Zou and Lingtao Wu},
journal= {arXiv preprint arXiv:2105.10688},
year = {2021}
}
备注
23 pages, 16 figures