[論文レビュー] Vehicle trajectory prediction in top-view image sequences based on deep learning method

Zahra Salahshoori Nejad, Hamed Heravi+3 more|arXiv (Cornell University)|Feb 2, 2021

Traffic Prediction and Management Techniques被引用数 6

ひとこと要約

本論文では、周囲の車両同士の相互作用を捉えるためにソーシャルテンソルを組み込んだエンコーダデコーダアーキテクチャを用いた、軽量なディープラーニングモデルを提案する。HighDに基づく独自のデータセットで訓練された本手法は、5秒間の予測でRMSEが1.91に達し、計算複雑度が低く抑えられながらも、先行手法を上回る精度を達成した。

ABSTRACT

Annually, a large number of injuries and deaths around the world are related to motor vehicle accidents. This value has recently been reduced to some extent, via the use of driver-assistance systems. Developing driver-assistance systems (i.e., automated driving systems) can play a crucial role in reducing this number. Estimating and predicting surrounding vehicles' movement is essential for an automated vehicle and advanced safety systems. Moreover, predicting the trajectory is influenced by numerous factors, such as drivers' behavior during accidents, history of the vehicle's movement and the surrounding vehicles, and their position on the traffic scene. The vehicle must move over a safe path in traffic and react to other drivers' unpredictable behaviors in the shortest time. Herein, to predict automated vehicles' path, a model with low computational complexity is proposed, which is trained by images taken from the road's aerial image. Our method is based on an encoder-decoder model that utilizes a social tensor to model the effect of the surrounding vehicles' movement on the target vehicle. The proposed model can predict the vehicle's future path in any freeway only by viewing the images related to the history of the target vehicle's movement and its neighbors. Deep learning was used as a tool for extracting the features of these images. Using the HighD database, an image dataset of the road's aerial image was created, and the model's performance was evaluated on this new database. We achieved the RMSE of 1.91 for the next 5 seconds and found that the proposed method had less error than the best path-prediction methods in previous studies.

研究の動機と目的

• トップビューの画像シーケンスを用いて自動運転車両の軌道予測精度を向上させること。
• ターゲット車両の運動に及ぼす周囲の車両の影響を、ソーシャルテンソル機構を用いてモデル化すること。
• 自律走行システムにおけるリアルタイム配備に適した計算効率の高いモデルを開発すること。
• トレーニングおよび評価に使用するため、HighDデータベースから派生した新しい空中画像データセットを構築・活用すること。
• 複雑な交通状況下でのエンドツーエンドの軌道予測において、既存手法よりも予測誤差を低減すること。

提案手法

• モデルは、交通シーンのトップビュー画像シーケンスを処理するためにエンコーダデコーダアーキテクチャを採用する。
• 畳み込みニューラルネットワーク（CNN）が、シーケンス内の各画像フレームから空間的特徴を抽出する。
• ソーシャルテンソルは、周囲の車両の相対的位置と運動を符号化することで、車両間の関係性を捉える。
• デコーダは、符号化された特徴量とソーシャルテンソル表現に注目することで、将来の軌道予測を生成する。
• モデルは、将来の軌道座標に対して平均二乗誤差（MSE）損失関数を用いてエンドツーエンドで訓練される。
• トレーニングおよび評価を支援するため、HighDデータセットから派生した独自の空中画像データセットが構築された。

実験結果

リサーチクエスチョン

• RQ1 トップビューの画像シーケンスでトレーニングされたディープラーニングモデルは、複雑な交通環境下でも車両の軌道を正確に予測できるか？
• RQ2 ソーシャルテンソル機構は、周囲の車両がターゲット車両の運動に与える影響をどの程度効果的にモデル化できるか？
• RQ3 提案手法は、軌道予測分野における最先端手法よりも低い予測誤差を達成できるか？
• RQ4 高い精度を維持しつつ、計算複雑度を低く保てるか？
• RQ5 視覚的入力（ターゲット車両および周囲の車両からのみ）を用いて、未観測の高速道路シナリオに一般化できるか？

主な発見

• 提案モデルは、5秒先の将来の軌道予測においてRMSEが1.91に達し、既存手法を上回る精度を達成した。
• ソーシャルテンソルの統合により、車両間の相互作用をモデル化することで、予測精度が顕著に向上した。
• 計算複雑度が低く抑えられており、自律走行システムにおけるリアルタイム配備に適している。
• HighDから派生した独自の空中画像データセットにより、画像ベースの軌道予測モデルの有効なトレーニングと評価が可能になった。
• 視覚的入力のみを用いても、未観測の高速道路シナリオに良好に一般化した。
• 明示的な運動モデルや軌道履歴に依存せず、多様な交通状況下で一貫した精度と頑健性を示した。