観測から予測へ：高速道路のオン/オフランプにおける車線変更予測のためのLSTM
From Observation to Prediction: LSTM for Vehicle Lane Change Forecasting on Highway On/Off-Ramps
高速道路のオン/オフランプ領域に注目し、ExiDドローン車両軌跡データセットを用いて多層LSTMモデルを訓練し、車線変更を予測する手法を提案。最大4秒先までの予測で、オン/オフランプ領域では約76%、一般高速道路区間では94%の精度を達成した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Mohamed Abouras, Catherine M. Elias
分類: cs.LG, cs.AI, cs.NE, cs.RO
原文アブストラクト
On and off-ramps are understudied road sections even though they introduce a higher level of variation in highway interactions. Predicting vehicles' behavior in these areas can decrease the impact of uncertainty and increase road safety. In this paper, the difference between this Area of Interest (AoI) and a straight highway section is studied. Multi-layered LSTM architecture to train the AoI model with ExiD drone dataset is utilized. In the process, different prediction horizons and different models' workflow are tested. The results show great promise on horizons up to 4 seconds with prediction accuracy starting from about 76% for the AoI and 94% for the general highway scenarios on the maximum horizon.
