日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

歩行者行動arXiv:2602.05142

自動運転車との遭遇における歩行者行動のモデリング:自然走行データセットを用いて

Modelling Pedestrian Behaviour in Autonomous Vehicle Encounters Using Naturalistic Dataset

シェア:XThreadsFacebookLINEはてブBluesky

NuScenesデータセットを用い、自動運転車と歩行者のミッドブロック遭遇時の微視的行動をResLogitモデルで分析し、リスク知覚と移動効率の影響を評価した。

詳しい要約

1. どんなもの?

- 自動運転車(AV)との遭遇時における歩行者の微視的な挙動を分析する研究。 - NuScenesデータセットのmidblock encountersを対象。 - ハイブリッドな離散選択-機械学習フレームワーク(Residual Logit, ResLogit)を用いる。 - 時間的、空間的、運動学的、知覚的指標を組み込む。 - 相対速度、visual looming、残距離、方向別衝突リスク近接(CRP)を含む。

2. 先行研究と比べてどこがすごい?

- 従来の歩行者挙動モデルと比べ、ResLogitによるハイブリッドアプローチを採用。 - AVとの相互作用に特化し、知覚的指標(visual looming, CRP)を統合。 - 方向別のリスク知覚の非対称性を明示的に扱う点が新しい。 - ただし、先行研究との具体的な性能比較は要旨からは不明。

3. 技術・手法の肝は?

- Residual Logit (ResLogit)モデルを中核とし、離散選択と機械学習を組み合わせる。 - 説明変数として相対速度、visual looming、残距離、方向別CRPを採用。 - 限界効果と弾性値を算出し、リスク知覚の方向非対称性を評価。 - 残距離にはmid-crossing閾値の可能性を示唆。 - 相対速度の影響は比較的小さいと報告。

4. どうやって有効だと検証した?

- NuScenesデータセットのmidblock encountersを用いてモデルを推定。 - 予測性能は中程度(moderate)と評価。 - 限界効果と弾性値の分析により、変数の影響方向と大きさを検証。 - 前後CRPの逆方向の影響や残距離の閾値など、挙動パターンを確認。

5. 議論はある?

- リスク知覚と移動効率の両方に駆動される複数の行動傾向の可能性を議論。 - 方向別CRPの非対称性(前部と後部で逆影響)が示唆される。 - 残距離のmid-crossing閾値の存在可能性に言及。 - 相対速度の影響は相対的に小さい。 - 予測性能が中程度である点や因果関係の解釈には限界がある。

6. 次に読むべき論文は?

- ResLogitの原論文(Residual Logit model)を参照。 - NuScenesデータセットを用いた歩行者挙動研究。 - visual loomingやcollision risk proximity (CRP)に関する知覚モデル。 - 自動運転車と歩行者の相互作用を扱った自然観察データ研究。 - 離散選択モデルと機械学習のハイブリッド手法に関する文献。

※ 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: Rulla Al-Haideri, Bilal Farooq

分類: physics.soc-ph, cs.RO

原文アブストラクト

Understanding how pedestrians adjust their movement when interacting with autonomous vehicles (AVs) is essential for improving safety in mixed traffic. This study examines micro-level pedestrian behaviour during midblock encounters in the NuScenes dataset using a hybrid discrete choice-machine learning framework based on the Residual Logit (ResLogit) model. The model incorporates temporal, spatial, kinematic, and perceptual indicators. These include relative speed, visual looming, remaining distance, and directional collision risk proximity (CRP) measures. Results suggest that some of these variables may meaningfully influence movement adjustments, although predictive performance remains moderate. Marginal effects and elasticities indicate strong directional asymmetries in risk perception, with frontal and rear CRP showing opposite influences. The remaining distance exhibits a possible mid-crossing threshold. Relative speed cues appear to have a comparatively less effect. These patterns may reflect multiple behavioural tendencies driven by both risk perception and movement efficiency.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI