[論文レビュー] Deep Representation Learning and Clustering of Traffic Scenarios

Nick Harmening, Marin Biloš+1 more|arXiv (Cornell University)|Jul 15, 2020

Human Pose and Action Recognition参考文献 8被引用数 15

ひとこと要約

本稿では、原始的な軌跡データから交通状況の分離可能で潜在的な表現を学ぶ2つの深層自己符号化モデル—空間時間自己符号化器と順序付き深層集合予測ネットワーク—を提案する。3次元畳み込みニューラルネットワーク（3D CNN）と置換不変のRNNを活用することで、空間時間的ダイナミクスを捉え、教師なしクラスタリングおよび類似度検索を可能にし、3つの意味的状況クラスを有する実世界の高速道路データセットでV-measure 0.77 ± 0.17を達成した。

ABSTRACT

Determining the traffic scenario space is a major challenge for the homologation and coverage assessment of automated driving functions. In contrast to current approaches that are mainly scenario-based and rely on expert knowledge, we introduce two data driven autoencoding models that learn a latent representation of traffic scenes. First is a CNN based spatio-temporal model that autoencodes a grid of traffic participants' positions. Secondly, we develop a pure temporal RNN based model that auto-encodes a sequence of sets. To handle the unordered set data, we had to incorporate the permutation invariance property. Finally, we show how the latent scenario embeddings can be used for clustering traffic scenarios and similarity retrieval.

研究の動機と目的

• 専門家が定義したカタログを超えた、意味的で有意義な潜在的交通状況表現を学ぶデータ駆動型の教師なし手法の開発。
• 複数エージェントの交通シーンにおける、可変な集合サイズ、置換不変性、時間的順序モデリングの課題への対処。
• カスタム類似度関数を用いずに、学習された潜在的埋め込みを用いた状況クラスタリングおよび類似度検索の実現。
• 自動的に生成された状況ラベルを用いて、学習された表現の意味的整合性の評価。

提案手法

• 時間を追加次元とする3次元スタックド速度グリッド表現を用いて、空間時間的交通状況を符号化する。
• 3次元畳み込みニューラルネットワーク（3D CNN）に基づく自己符号化器（空間時間自己符号化器）を適用し、グリッド表現の再構成を通じてコンactな潜在空間を学習する。
• 順序のない軌跡集合をモデル化するため、置換不変のRNNを備えた順序付き深層集合予測ネットワーク（SeqDSPN）を構築する。
• 可変サイズの入力をよりよく再構成するために、SeqDSPNに学習可能なマスクヘッドを統合する。
• 潜在空間の品質評価のため、主成分分析（PCA）を用いた可視化と階層的クラスタリングを実施する。
• カスタム設計された距離関数を避けるために、潜在空間におけるユークリッド距離を類似度検索に用いる。

実験結果

リサーチクエスチョン

• RQ1 深層自己符号化器は、原始的な軌跡データから複雑な交通状況の意味的で分離可能な表現を学習できるか？
• RQ2 学習された潜在空間は、意味的に異なる交通状況の教師なしクラスタリングをどの程度効果的にサポートするか？
• RQ3 潜在空間は、ドメイン特化の距離関数に依存せずに、効果的な類似度検索を可能にするか？
• RQ4 代表的なクラスの不均衡や状況の複雑さの変動に対して、表現はどの程度頑健か？
• RQ5 実世界の高速道路データにおける多様な交通状況に、モデルはどの程度一般化するか？

主な発見

• 空間時間自己符号化器は、Overtaking（追い越し）、Being Overtaken（追い越される）、Dense Traffic（混雑状態）、Almost Empty（ほとんど空の状態）に対応するクラスタに意味的に分離された潜在空間を学習した。
• SeqDSPNは、自動的に生成されたラベルを用いた3クラスの状況クラスタリングタスクでV-measure 0.77 ± 0.17を達成した。
• 潜在空間には強い滑らかさが見られ、潜在空間における最近傍は意味的に類似した状況であった。
• 潜在空間におけるユークリッド距離は、カスタム類似度関数を用いずに効果的な類似度検索を可能にした。
• アーキテクチャの違いにもかかわらず、両モデルは同等の性能を示し、表現選択に対する頑健性を示した。
• 結果の高い分散は、とりわけ少数クラス（例：「エゴが追い越されている」は9%）のクラス不均衡に起因するとされた。