[论文解读] Deep Representation Learning and Clustering of Traffic Scenarios
本文提出了两种深度自编码模型——时空自编码器（Spatio-Temporal Autoencoder）与序列深度集合预测网络（Sequential Deep Set Prediction Network），从原始轨迹数据中学习交通场景的解耦潜在表征。通过利用三维卷积神经网络（3D CNNs）和排列不变的循环神经网络（RNNs），模型捕捉了时空动态特性，并实现了无监督聚类与相似性检索，在包含三个语义场景类别的真实高速公路数据集上取得了0.77 ± 0.17的V-measure。
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.
研究动机与目标
- 开发数据驱动的无监督方法，以学习超越专家定义目录的有意义的交通场景潜在表征。
- 解决多智能体交通场景中集合大小可变、排列不变性以及时序序列建模的挑战。
- 通过学习到的潜在嵌入实现场景聚类与相似性检索，而无需自定义相似性函数。
- 使用自动生成的场景标签评估学习表征的语义一致性。
提出的方法
- 使用以时间为额外维度的三维堆叠速度栅格表示法，编码时空交通场景。
- 应用基于3D CNN的自编码器（时空自编码器，Spatio-Temporal AE）重建栅格表示，学习紧凑的潜在空间。
- 开发一种具有排列不变RNN的序列深度集合预测网络（SeqDSPN），以建模无序轨迹集合。
- 在SeqDSPN中引入可学习的掩码头，以预测集合大小，提升对可变大小输入的重建性能。
- 使用主成分分析（PCA）进行可视化，并采用层次聚类评估学习到的潜在空间质量。
- 在潜在空间中使用欧氏距离进行相似性检索，避免使用人工设计的距离度量。
实验结果
研究问题
- RQ1深度自编码器能否从原始轨迹数据中学习到复杂交通场景的有意义且解耦的表征？
- RQ2学习到的潜在空间在支持语义上不同的交通场景无监督聚类方面表现如何？
- RQ3潜在空间能否在不依赖领域特定距离函数的情况下实现有效的相似性检索？
- RQ4表征对类别不平衡和不同场景复杂度的鲁棒性如何？
- RQ5这些模型在真实高速公路数据上对多样化交通场景的泛化能力如何？
主要发现
- 时空自编码器学习到一个解耦的潜在空间，语义上将场景划分为对应于超车、被超车、密集交通和几乎空旷场景的聚类。
- SeqDSPN在使用自动生成标签的三类场景聚类任务中取得了0.77 ± 0.17的V-measure。
- 潜在空间表现出强平滑性，潜在空间中最近邻的场景在语义上也高度相似。
- 潜在空间中的欧氏距离可实现有效的相似性检索，而无需自定义相似性函数。
- 尽管架构不同，两种模型表现相当，表明对表征选择具有鲁棒性。
- 结果中较高的方差归因于类别不平衡，特别是少数类（如“自身被超车”类占比9%）
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。