Evaluating Generative Vehicle Trajectory Models for Traffic Intersection Dynamics

要約

都市部の道路ネットワークは、人と商品の動きを規制するため、都市の道路ネットワークには交通の交差点が不可欠です。
しかし、それらは矛盾する軌跡の領域であり、事故を起こしやすいです。
信号化された交差点でのトラフィックダイナミクスの深い生成モデルは、交通当局が効率と安全性の側面をよりよく理解するのに大いに役立ちます。
現在、モデルは主に軌道再構成エラーを見る計算メトリックで評価されています。
それらは、「ライブ」マイクロシミュレーションシナリオでオンラインで評価されていません。
さらに、これらのメトリックは、レッドライト違反、許可されていない停止などのトラフィックエンジニアリング固有の懸念を適切に考慮していません。この作業では、交通工学の観点からモデルパフォーマンスに関するより良い洞察を提供するメトリックを訓練、実行、評価する包括的な分析ツールを提供します。
現実世界の都市交差点のキャリブレーションされたシナリオを実行することによって収集された大きなデータセットで、最先端のマルチビークル軌道予測モデルを訓練します。
次に、目に見えない交通条件の下で、マイクロシミュレータでオンラインで予測モデルのパフォーマンスを評価します。
理想的に避難した軌跡を入力として使用し、低い軌跡の再構成エラーを達成したにもかかわらず、生成された軌道はトラフィックルールを破る動作を示すことを示します。
このような望ましくない行動を評価し、結果を提示するための新しいメトリックを紹介します。

要約(オリジナル)

Traffic Intersections are vital to urban road networks as they regulate the movement of people and goods. However, they are regions of conflicting trajectories and are prone to accidents. Deep Generative models of traffic dynamics at signalized intersections can greatly help traffic authorities better understand the efficiency and safety aspects. At present, models are evaluated on computational metrics that primarily look at trajectory reconstruction errors. They are not evaluated online in a `live’ microsimulation scenario. Further, these metrics do not adequately consider traffic engineering-specific concerns such as red-light violations, unallowed stoppage, etc. In this work, we provide a comprehensive analytics tool to train, run, and evaluate models with metrics that give better insights into model performance from a traffic engineering point of view. We train a state-of-the-art multi-vehicle trajectory forecasting model on a large dataset collected by running a calibrated scenario of a real-world urban intersection. We then evaluate the performance of the prediction models, online in a microsimulator, under unseen traffic conditions. We show that despite using ideally-behaved trajectories as input, and achieving low trajectory reconstruction errors, the generated trajectories show behaviors that break traffic rules. We introduce new metrics to evaluate such undesired behaviors and present our results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google