A Review on Car-Following Model

要約

車追従 (CF) モデルは、交通シミュレーションの中核コンポーネントであり、先進運転支援システム (ADAS) を備えた多くの量産車両に組み込まれています。
CF の挙動を研究することで、ペアごとのビヒクル相互作用の基本プロセスによって引き起こされるさまざまなマクロ現象の原因を特定することができます。
CF の動作および制御モデルは、交通工学、物理学、認知科学、機械学習、強化学習などのさまざまな分野を網羅しています。
このペーパーでは、基礎となるロジックと原則に従って、さまざまな CF モデル間の相違点、補完性、重複点を強調する包括的な調査を提供します。
理論ベースの運動学モデル、刺激応答モデル、クルーズ コントロール モデルから、データ駆動型の行動クローニング (BC) や模倣学習 (IL) に至るまで、代表的なアルゴリズムをレビューし、その長所と限界について概説しました。
このレビューでは、さまざまな原理で概念化された CF モデルを分類し、包括的なフレームワークで膨大な文献を要約します。

要約(オリジナル)

The car-following (CF) model is the core component for traffic simulations and has been built-in in many production vehicles with Advanced Driving Assistance Systems (ADAS). Research of CF behavior allows us to identify the sources of different macro phenomena induced by the basic process of pairwise vehicle interaction. The CF behavior and control model encompasses various fields, such as traffic engineering, physics, cognitive science, machine learning, and reinforcement learning. This paper provides a comprehensive survey highlighting differences, complementarities, and overlaps among various CF models according to their underlying logic and principles. We reviewed representative algorithms, ranging from the theory-based kinematic models, stimulus-response models, and cruise control models to data-driven Behavior Cloning (BC) and Imitation Learning (IL) and outlined their strengths and limitations. This review categorizes CF models that are conceptualized in varying principles and summarize the vast literature with a holistic framework.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google