[論文レビュー] Detecting Intentions of Vulnerable Road Users Based on Collective Intelligence

Maarten Bieshaar, Günther Reitberger+4 more|arXiv (Cornell University)|Sep 11, 2018

Transportation Systems and Logistics被引用数 9

ひとこと要約

本論文は、歩行者や自転車利用者などの脆弱な道路利用者（VRU）の意図を検出および予測するために、集団知能を活用した協働的でマルチエージェント型のシステムを提案する。インテリジェントな車両、インfraストラクチャセンサー、ウェアラブルデバイスからのデータを確率的センサーおよび知識統合によって統合することで、知覚範囲を拡張し、隠蔽や不一致を解消し、ハイブリッド学習および解析的手法を用いた堅牢でリアルタイムの意図予測を実現する。これにより、混在交通環境における安全性と交通効率が顕著に向上する。

ABSTRACT

Vulnerable road users (VRUs, i.e. cyclists and pedestrians) will play an important role in future traffic. To avoid accidents and achieve a highly efficient traffic flow, it is important to detect VRUs and to predict their intentions. In this article a holistic approach for detecting intentions of VRUs by cooperative methods is presented. The intention detection consists of basic movement primitive prediction, e.g. standing, moving, turning, and a forecast of the future trajectory. Vehicles equipped with sensors, data processing systems and communication abilities, referred to as intelligent vehicles, acquire and maintain a local model of their surrounding traffic environment, e.g. crossing cyclists. Heterogeneous, open sets of agents (cooperating and interacting vehicles, infrastructure, e.g. cameras and laser scanners, and VRUs equipped with smart devices and body-worn sensors) exchange information forming a multi-modal sensor system with the goal to reliably and robustly detect VRUs and their intentions under consideration of real time requirements and uncertainties. The resulting model allows to extend the perceptual horizon of the individual agent beyond their own sensory capabilities, enabling a longer forecast horizon. Concealments, implausibilities and inconsistencies are resolved by the collective intelligence of cooperating agents. Novel techniques of signal processing and modelling in combination with analytical and learning based approaches of pattern and activity recognition are used for detection, as well as intention prediction of VRUs. Cooperation, by means of probabilistic sensor and knowledge fusion, takes place on the level of perception and intention recognition. Based on the requirements of the cooperative approach for the communication a new strategy for an ad hoc network is proposed.

研究の動機と目的

• 複雑な交通環境における歩行者や自転車利用者などの脆弱な道路利用者（VRU）の信頼性の高い検出および意図予測の課題に対処すること。
• 個々の車両のセンサー範囲を超えて、協働的情報共有を用いて知覚および予測範囲を拡張すること。
• 異種エージェントからの集団知能を活用して、VRU検出における不確実性、隠蔽、不一致を解消すること。
• 知覚および意図認識レベルでの確率的センサおよび知識統合を統合することで、動的交通シナリオにおけるリアルタイム要件を満たすこと。
• 知能交通システムにおける協働的VRU意図検出に特化した新しいアドホック通信戦略の開発

提案手法

• インテリジェントな車両、レーンサイドインフラ（カメラ、レーザースキャナ）、スマートデバイスおよびボディウォーニングセンサーを装備したVRUからのデータを、マルチモーダルセンサネットワークに統合する。
• 基本的な運動プリミティブ（例：立ち止まり、移動、旋回）は、解析的手法と学習ベースのアプローチを組み合わせたハイブリッド信号処理およびモデリング技術を用いて予測する。
• 意図予測は、マルチソースセンサデータと文脈的情報の確率的統合を用いた軌道予測によって達成される。
• 協働フレームワークにより、エージェント間で知覚および意図認識をリアルタイムで統合し、集団推論によって隠蔽や不審な事象を解消する。
• 動的交通状況下で、不確実性や部分的観測に対しても一貫性があり、頑健なVRU行動モデルを維持するため、確率的センサおよび知識統合を採用する。
• 不確実性や部分的観測の下でも、VRU行動の一貫性があり、頑健なモデルを維持するため、確率的センサおよび知識統合を採用する。

実験結果

リサーチクエスチョン

• RQ1 個々の車両のセンサー範囲を超えて、VRUの意図検出を向上させるために、知覚および予測範囲をどのように拡張できるか。
• RQ2 隠蔽、不確実性、センサノイズの条件下で、VRUの検出およびその意図を信頼性高く行うためのメカニズムは何か。
• RQ3 車両、インfraストラクチャ、VRUという異種エージェントが、不一致を解消し、全体のシステムの頑健性を向上させるために、どのように効果的に協働できるか。
• RQ4 分散エージェント間での協働的VRU意図予測に適した、リアルタイムかつ低遅延なデータ交換を支える通信戦略は何か。
• RQ5 集団知能は、個々のエージェントシステムと比較して、VRU意図予測の正確性および信頼性をどの程度向上させるか。

主な発見

• 集団知能フレームワークにより、個々のエージェントのセンサー範囲を超えて知覚範囲が拡張され、VRU軌道の予測範囲が延長された。
• 複数のエージェント間での情報共有と統合により、VRU検出における隠蔽や不一致が効果的に解消され、検出の頑健性が向上した。
• パターンおよび行動認識に学習ベースと解析的手法を統合することで、運動プリミティブおよび意図予測の精度が向上した。
• 提案されたアドホック通信戦略により、リアルタイムのデータ交換が可能となり、動的交通環境の厳しい遅延要件を満たした。
• 知覚および意図認識レベルでの確率的センサおよび知識統合により、不確実性や部分的観測下でもシステムの信頼性が顕著に向上した。
• 複雑な実世界の交通シナリオにおいて、VRU行動の検出および予測能力が向上し、より安全で効率的な交通フローに貢献した。