Behavior Forests: Real-Time Discovery of Dynamic Behavior for Data Selection

要約

自動運転システム (ADS) の開発は、現実世界の車両データの活用に依存しています。
最新の車両によって生成されるデータの量には、送信、ストレージ、および計算上の課題があります。
動的動作 (DB) に焦点を当てることは、ADS 機能に関連する情報と無関係な情報を区別し、それによってデータを削減するための有望なアプローチを提供します。
時系列パターン認識は、車両の運転動作の時間的コンテキストを分析できるため、このタスクに有益です。
しかし、既存の最先端の方法には、可変長パターンを識別したり、発見されたパターンの分析的記述を提供したりするための適応性が欠けていることがよくあります。
この寄稿では、車両の動作中に挙動グラフを構築することで、事前トレーニングなしで分析的な記述を容易にする、リアルタイムのデータ選択のための挙動フォレスト フレームワークを提案しています。
この方法は、合成的に生成された心電図データセットを使用してそのパフォーマンスを実証します。
自動車の時系列データ セットは、データ削減機能を評価するために使用されます。この方法では、関連する DB は含まれたままで、受信データ ストリームの 96.01% が破棄されました。

要約(オリジナル)

Automated Driving Systems (ADS) development relies on utilizing real-world vehicle data. The volume of data generated by modern vehicles presents transmission, storage, and computational challenges. Focusing on Dynamic Behavior (DB) offers a promising approach to distinguish relevant from irrelevant information for ADS functionalities, thereby reducing data. Time series pattern recognition is beneficial for this task as it can analyze the temporal context of vehicle driving behavior. However, existing state-of-the-art methods often lack the adaptability to identify variable-length patterns or provide analytical descriptions of discovered patterns. This contribution proposes a Behavior Forest framework for real-time data selection by constructing a Behavior Graph during vehicle operation, facilitating analytical descriptions without pre-training. The method demonstrates its performance using a synthetically generated and electrocardiogram data set. An automotive time series data set is used to evaluate the data reduction capabilities, in which this method discarded 96.01% of the incoming data stream, while relevant DB remain included.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google