RACER: Rational Artificial Intelligence Car-following-model Enhanced by Reality

要約

この論文では、理論的に実現可能でありながらアダプティブ クルーズ コントロール (ACC) の運転挙動を予測するように設計された、偏微分制約を満たす最先端の深層学習車両追従モデルである、Rational Artificial Intelligence 車追従モデル Enhanced by Reality である RACER を紹介します。
従来のモデルとは異なり、RACER は実際の運転の重要な原則である合理的運転制約 (RDC) を効果的に統合し、驚くほど正確で現実的な予測を実現します。
最適速度相対速度 (OVRV)、車追従ニューラル ネットワーク (NN)、車追従物理情報ニューラル ネットワーク (PINN) などの確立されたモデルに対して、RACER は、加速度、速度、速度などの主要な指標全体で優れています。
間隔。
注目すべき点は、他のモデルとはまったく対照的に、RDC への完全な準拠を示し、違反はゼロです。
この研究は、特に輸送における安全対策を強化するために、AI モデルに物理的制約を組み込むことの計り知れない価値を強調しています。
また、人間の運転データに対してこれらのモデルをテストする将来の研究への道も開かれ、より安全で合理的​​な運転行動を導く可能性があります。
追加の派生制約やより広範なアーキテクチャへの応用を組み込む可能性を含む、提案されたモデルの多用途性は、その魅力を高め、科学コミュニティ内での影響を広げます。

要約(オリジナル)

This paper introduces RACER, the Rational Artificial Intelligence Car-following model Enhanced by Reality, a cutting-edge deep learning car-following model, that satisfies partial derivative constraints, designed to predict Adaptive Cruise Control (ACC) driving behavior while staying theoretically feasible. Unlike conventional models, RACER effectively integrates Rational Driving Constraints (RDCs), crucial tenets of actual driving, resulting in strikingly accurate and realistic predictions. Against established models like the Optimal Velocity Relative Velocity (OVRV), a car-following Neural Network (NN), and a car-following Physics-Informed Neural Network (PINN), RACER excels across key metrics, such as acceleration, velocity, and spacing. Notably, it displays a perfect adherence to the RDCs, registering zero violations, in stark contrast to other models. This study highlights the immense value of incorporating physical constraints within AI models, especially for augmenting safety measures in transportation. It also paves the way for future research to test these models against human driving data, with the potential to guide safer and more rational driving behavior. The versatility of the proposed model, including its potential to incorporate additional derivative constraints and broader architectural applications, enhances its appeal and broadens its impact within the scientific community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google