Fast maneuver recovery from aerial observation: trajectory clustering and outliers rejection

要約

多人数参加型シミュレーションにおいて、信頼できる行動を現実的に再現する道路利用者モデルの実装は、まだ未解決の問題である。データ駆動型のアプローチは、大規模な観測データからさまざまなタイプの軌跡を得るために、実際の状況に存在する可能性のある行動を推論することにある。このデータとその分類は、そのような挙動を推定できるモデルを訓練するために使用することができる。提案する軌跡クラスタリング手法では、自動車と、歩行者と自転車という2つの異なるタイプの交通弱者（VRU）を考慮する。ここで報告される結果は、地図情報を使用することなく、生データから明確に定義された軌跡クラスを抽出する方法を評価するものであり、また、”偏心した”軌跡や不完全な軌跡を、完全でどのようなシナリオでも代表的な軌跡から分離するものである。開発した手法のテストとして、3つの異なる交差点と1つのラウンドアバウトの2つの環境を使用する。その結果得られた軌跡のクラスタは、予測や学習タスクに使用したり、異常値で構成されている場合は破棄したりすることができる。

要約(オリジナル)

The implementation of road user models that realistically reproduce a credible behavior in a multi-agentsimulation is still an open problem. A data-driven approach consists on to deduce behaviors that may exist in real situation to obtain different types of trajectories from a large set of observations. The data, and its classification, could then be used to train models capable to extrapolate such behavior. Cars and two different types of Vulnerable Road Users (VRU) will be considered by the trajectory clustering methods proposed: pedestrians and cyclists. The results reported here evaluate methods to extract well-defined trajectory classes from raw data without the use of map information while also separating ”eccentric” or incomplete trajectories from the ones that are complete and representative in any scenario. Two environments will serve as test for the methods develop, three different intersections and one roundabout. The resulting clusters of trajectories can then be used for prediction or learning tasks or discarded if it is composed by outliers.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL