Machine Learning-Based Vehicle Intention Trajectory Recognition and Prediction for Autonomous Driving

要約

近年、インターネット技術の普及や自動化の進展により、自動運転技術が大きな注目を集めています。
ボルボ、メルセデス・ベンツ、テスラなどの大手自動車メーカーは、運転支援車から半自動運転車に至るまでの製品を順次導入しています。
しかし、この時期には自動運転車に関連した交通安全事故もいくつか発生しました。
たとえば、2016 年 3 月には、Google の自動運転車がバスと軽い衝突事故を起こしました。
事故当時、自動運転車は右車線に合流しようとしていたが、車線変更中にリアルタイムの環境情報に動的に反応できなかった。
接近してくるバスがそれを避けるために減速すると誤って判断し、低速でバスと衝突した。
この事件は、自動運転技術が急速に進歩しているにもかかわらず、自動車線変更動作に関連する現在の技術的欠陥と安全上の懸念を浮き彫りにしました。
車線変更は高速道路の運転において最も一般的で危険な行為の 1 つであり、交通の安全性と交通の流れに大きな影響を与えます。
したがって、車線変更は交通安全にとって極めて重要であり、ドライバーの車線変更の意図を正確に予測することで、運転の安全性が大幅に向上します。
本稿では、安全な車線変更を促進し、それによって交通安全性を向上させることを目的とした、自動運転車線変更行動のディープラーニングベースの予測手法を紹介します。

要約(オリジナル)

In recent years, the expansion of internet technology and advancements in automation have brought significant attention to autonomous driving technology. Major automobile manufacturers, including Volvo, Mercedes-Benz, and Tesla, have progressively introduced products ranging from assisted-driving vehicles to semi-autonomous vehicles. However, this period has also witnessed several traffic safety incidents involving self-driving vehicles. For instance, in March 2016, a Google self-driving car was involved in a minor collision with a bus. At the time of the accident, the autonomous vehicle was attempting to merge into the right lane but failed to dynamically respond to the real-time environmental information during the lane change. It incorrectly assumed that the approaching bus would slow down to avoid it, leading to a low-speed collision with the bus. This incident highlights the current technological shortcomings and safety concerns associated with autonomous lane-changing behavior, despite the rapid advancements in autonomous driving technology. Lane-changing is among the most common and hazardous behaviors in highway driving, significantly impacting traffic safety and flow. Therefore, lane-changing is crucial for traffic safety, and accurately predicting drivers’ lane change intentions can markedly enhance driving safety. This paper introduces a deep learning-based prediction method for autonomous driving lane change behavior, aiming to facilitate safe lane changes and thereby improve road safety.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google