Characterizing Structured versus Unstructured Environments based on Pedestrians’ and Vehicles’ Motion Trajectories

要約

互いに近くで動作する歩行者と車両の軌道行動は、構造化された環境と比較して構造化されていない場合に異なる場合があります。
動きの動作のこれらの違いは、自律型車両の軌跡予測アルゴリズムで考慮することが価値があります。
ただし、軌道予測のベンチマークとして一般的に使用される歩行者および車両の軌跡で利用可能なデータセットは、環境の性質に基づいて分類されていません。
一方、構造化されていない構造化された環境に提供される定義は、かなり定性的であり、特定の環境のタイプを正当化するために使用するのが困難です。
この論文では、平均速度や軌跡の変動など、抽出された軌道機能のいくつかに基づいて、異なる既存のデータセットを比較しました。
K-meansクラスタリングと一般化された線形モデルを通じて、2つの異なるタイプの環境を区別するためのより定量的な測定を提案します。
我々の結果は、軌道の変動、歩行者の停止分数、密度などの機能が2つの環境タイプで異なり、既存のデータセットを分類するために使用できることを示しています。

要約(オリジナル)

Trajectory behaviours of pedestrians and vehicles operating close to each other can be different in unstructured compared to structured environments. These differences in the motion behaviour are valuable to be considered in the trajectory prediction algorithm of an autonomous vehicle. However, the available datasets on pedestrians’ and vehicles’ trajectories that are commonly used as benchmarks for trajectory prediction have not been classified based on the nature of their environment. On the other hand, the definitions provided for unstructured and structured environments are rather qualitative and hard to be used for justifying the type of a given environment. In this paper, we have compared different existing datasets based on a couple of extracted trajectory features, such as mean speed and trajectory variability. Through K-means clustering and generalized linear models, we propose more quantitative measures for distinguishing the two different types of environments. Our results show that features such as trajectory variability, stop fraction and density of pedestrians are different among the two environmental types and can be used to classify the existing datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google