Predicting and Analyzing Pedestrian Crossing Behavior at Unsignalized Crossings

要約

自動運転の強化と運転の安全性の向上には、歩行者の横断行動の理解と予測が不可欠です。
ギャップ選択動作と横断歩道の使用を予測することで、運転システムが事前に対応し、潜在的な衝突を防ぐことができます。
この作業は、優先権が曖昧なため、信号のない交差点では特に困難であり、歩行者は常に車両や他の歩行者と接触する必要があります。
この研究では、シミュレーターのデータを利用して複数の車両と歩行者が関与するシナリオを調査することで、これらの課題に取り組んでいます。
ゼブラ以外のシナリオでのギャップ選択とゼブラ シナリオでの横断歩道の使用を予測するための機械学習モデルを提案および評価します。
歩行者の待ち時間、歩行速度、未使用の隙間の数、最大の見逃した隙間、他の歩行者の影響など、さまざまな要因によって歩行者の行動がどのように影響されるかを調査し、議論します。
この研究は、歩行者の横断行動に関する予測モデルと貴重な洞察を提供することで、インテリジェント車両の進化に貢献します。

要約(オリジナル)

Understanding and predicting pedestrian crossing behavior is essential for enhancing automated driving and improving driving safety. Predicting gap selection behavior and the use of zebra crossing enables driving systems to proactively respond and prevent potential conflicts. This task is particularly challenging at unsignalized crossings due to the ambiguous right of way, requiring pedestrians to constantly interact with vehicles and other pedestrians. This study addresses these challenges by utilizing simulator data to investigate scenarios involving multiple vehicles and pedestrians. We propose and evaluate machine learning models to predict gap selection in non-zebra scenarios and zebra crossing usage in zebra scenarios. We investigate and discuss how pedestrians’ behaviors are influenced by various factors, including pedestrian waiting time, walking speed, the number of unused gaps, the largest missed gap, and the influence of other pedestrians. This research contributes to the evolution of intelligent vehicles by providing predictive models and valuable insights into pedestrian crossing behavior.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google