[論文レビュー] Machine Learning-Based Vehicle Intention Trajectory Recognition and Prediction for Autonomous Driving

Hanyi Yu, Shuning Huo+3 more|arXiv (Cornell University)|Feb 25, 2024

Autonomous Vehicle Technology and Safety被引用数 13

ひとこと要約

本論文は、車両の意図軌跡を認識し、車線変更の挙動を予測する深層学習アプローチを提案し、自動運転の安全性を向上させる。

ABSTRACT

In recent years, the expansion of internet technology and advancements in automation have brought significant attention to autonomous driving technology. Major automobile manufacturers, including Volvo, Mercedes-Benz, and Tesla, have progressively introduced products ranging from assisted-driving vehicles to semi-autonomous vehicles. However, this period has also witnessed several traffic safety incidents involving self-driving vehicles. For instance, in March 2016, a Google self-driving car was involved in a minor collision with a bus. At the time of the accident, the autonomous vehicle was attempting to merge into the right lane but failed to dynamically respond to the real-time environmental information during the lane change. It incorrectly assumed that the approaching bus would slow down to avoid it, leading to a low-speed collision with the bus. This incident highlights the current technological shortcomings and safety concerns associated with autonomous lane-changing behavior, despite the rapid advancements in autonomous driving technology. Lane-changing is among the most common and hazardous behaviors in highway driving, significantly impacting traffic safety and flow. Therefore, lane-changing is crucial for traffic safety, and accurately predicting drivers' lane change intentions can markedly enhance driving safety. This paper introduces a deep learning-based prediction method for autonomous driving lane change behavior, aiming to facilitate safe lane changes and thereby improve road safety.

研究の動機と目的

• 運転者の車線変更の意図を正確に予測することで、より安全な自動運転を動機づける。
• 自動運転車における車線変更関連の安全事故に対処する。
• 運転データから意図軌跡を認識する深層学習フレームワークを開発する。

提案手法

• 自動運転車の車線変更挙動を予測する深層学習ベースの手法を提案する。
• 車両の意図軌跡を認識し、将来の車線変更アクションを予測することに焦点を当てる。
• 軌跡データと学習ベースのモデルを利用して、車線変更のタイミングと方向を予測する。
• 積極的で安全な車線変更判断を可能にすることで、安全性を向上させることを目指す。

実験結果

リサーチクエスチョン

• RQ1 深層学習モデルはリアルタイムで車線変更の意図軌跡を正確に認識・予測できるか？
• RQ2 予測された車線変更の意図は自動運転システムの安全性と意思決定をどのように改善するか？
• RQ3 車線変更予測に影響を与える軌跡データの主要な要因は何か？

主な発見

• 車線変更意図認識と軌跡予測のための深層学習フレームワークを導入する。
• 積極的な車線変更判断を通じて安全性と交通フローの潜在的な改善を示す。