A Novel Temporal Multi-Gate Mixture-of-Experts Approach for Vehicle Trajectory and Driving Intention Prediction

要約

自動運転車や先進運転支援システムにとって、正確な車両軌道予測は非常に重要です。
車両軌道予測は、縦方向位置予測と横方向位置予測という 2 つの重要なタスクで構成されます。
運転意図と車両の動きの間には重大な相関関係があります。
従来の作業では、前後位置、横位置、運転意図の関係が考慮されず、これら3つの作業が別々に行われることが多かった。
本稿では、車両の軌道と運転意図を同時に予測するための新しい時間的マルチゲート専門家混合（TMMOE）モデルを提案します。
提案されたモデルは、共有層、エキスパート層、完全接続層の 3 つの層で構成されます。
このモデルでは、共有層は時間畳み込みネットワーク (TCN) を利用して時間特徴を抽出します。
次に、エキスパート層が構築され、3 つのタスクに従ってさまざまな情報を識別します。
さらに、完全接続レイヤーは、予測結果の統合とエクスポートに使用されます。
より良いパフォーマンスを達成するために、不確実性アルゴリズムを使用してマルチタスク損失関数を構築します。
最後に、公開されている CitySim データセットは TMMOE モデルを検証し、LSTM モデルと比較して優れたパフォーマンスを実証し、最高の分類と回帰結果を達成しました。
キーワード: 車両軌跡予測、運転意図分類、マルチタスク

要約(オリジナル)

Accurate Vehicle Trajectory Prediction is critical for automated vehicles and advanced driver assistance systems. Vehicle trajectory prediction consists of two essential tasks, i.e., longitudinal position prediction and lateral position prediction. There is a significant correlation between driving intentions and vehicle motion. In existing work, the three tasks are often conducted separately without considering the relationships between the longitudinal position, lateral position, and driving intention. In this paper, we propose a novel Temporal Multi-Gate Mixture-of-Experts (TMMOE) model for simultaneously predicting the vehicle trajectory and driving intention. The proposed model consists of three layers: a shared layer, an expert layer, and a fully connected layer. In the model, the shared layer utilizes Temporal Convolutional Networks (TCN) to extract temporal features. Then the expert layer is built to identify different information according to the three tasks. Moreover, the fully connected layer is used to integrate and export prediction results. To achieve better performance, uncertainty algorithm is used to construct the multi-task loss function. Finally, the publicly available CitySim dataset validates the TMMOE model, demonstrating superior performance compared to the LSTM model, achieving the highest classification and regression results. Keywords: Vehicle trajectory prediction, driving intentions Classification, Multi-task

arxiv情報

提供元, 利用サービス

arxiv.jp, Google