IntTrajSim: Trajectory Prediction for Simulating Multi-Vehicle driving at Signalized Intersections

要約

トラフィックシミュレーターは、道路インフラストラクチャの運用効率を研究するために広く使用されていますが、それらのルールベースのアプローチは、実際の運転行動を模倣する能力を制限します。
交通の交差点は、安全リスク（致命的なクラッシュのほぼ28％と交差点で発生する致命的なクラッシュの58％）と道路回廊の運用効率の両方で、道路インフラストラクチャの重要なコンポーネントです。
これは重要な疑問を提起します。トラフィック交差点での運転行動のマクロおよびマイクロ統計を模倣できるデータ駆動型シミュレーターを作成できますか？
深い生成モデリングベースの軌道予測モデルは、交差点で車両の複雑なダイナミクスをモデル化するための優れた出発点を提供します。
しかし、それらは「ライブ」マイクロシミュレーションシナリオでテストされておらず、トラフィックエンジニアリング関連のメトリックで評価されていません。
この研究では、トラフィックエンジニアリング関連のメトリックを提案して、生成軌道予測モデルを評価し、それを行うためのループ内のパイプラインシミュレーションを提供します。
また、評価メトリックの以前のモデルを上回る信号情報を組み込んだ多目的自己触媒ベースの軌跡予測モデルも提供します。

要約(オリジナル)

Traffic simulators are widely used to study the operational efficiency of road infrastructure, but their rule-based approach limits their ability to mimic real-world driving behavior. Traffic intersections are critical components of the road infrastructure, both in terms of safety risk (nearly 28% of fatal crashes and 58% of nonfatal crashes happen at intersections) as well as the operational efficiency of a road corridor. This raises an important question: can we create a data-driven simulator that can mimic the macro- and micro-statistics of the driving behavior at a traffic intersection? Deep Generative Modeling-based trajectory prediction models provide a good starting point to model the complex dynamics of vehicles at an intersection. But they are not tested in a ‘live’ micro-simulation scenario and are not evaluated on traffic engineering-related metrics. In this study, we propose traffic engineering-related metrics to evaluate generative trajectory prediction models and provide a simulation-in-the-loop pipeline to do so. We also provide a multi-headed self-attention-based trajectory prediction model that incorporates the signal information, which outperforms our previous models on the evaluation metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google