運転行動プリミティブの抽出：ドライバーの期待と車両ダイナミクスを考慮

科学分野:

• ヒューマンコンピュータインタラクション
• 人工知能
• 交通工学

背景:

• 運転行動の詳細な分析は、高度な運転支援システム（ADAS）および自動運転車（AV）の開発に不可欠です。
• 既存の方法では、人間の運転パターンの階層的および微妙な性質を捉えることがしばしば困難です。

研究 の 目的:

• 階層的な運転行動プリミティブを抽出するための新しいフレームワークを開発すること。
• 運転行動のセグメンテーションとクラスタリングの精度と解釈性を向上させること。

主な方法:

• 行動セグメンテーションのためのベイズモデルベースの凝集シーケンスセグメンテーション（BMASS）とプリミティブクラスタリングのための変数結合ベースの潜在ディリクレ割り当て（VC-LDA）を組み合わせた2段階フレームワーク。
• 車両運動状態とドライバーの期待を含むマルチタイプの特徴空間の構築。
• 非線形特徴結合と時間的非同期性を処理するために、VC-LDA内に特徴結合を認識する離散化プロセスの開発。

主要な成果:

• 提案されたBMASSモデルは、セグメントの期間と位置を主要な品質指標として、正確な行動セグメンテーションを達成しました。
• VC-LDA法は、GMM-LDAよりも大幅に優れたクラスタリング性能を示し、低いパープレキシティと高いクラス内凝集性を実証しました。
• このフレームワークは、運転状態の物理的な解釈性を向上させます。

結論:

• この新しいフレームワークは、ドライバーの行動を理解しモデル化するための自動化された効率的な方法を提供します。
• このアプローチは、より安全で高度なADASおよびAVの開発に貴重な洞察を提供します。
• VC-LDA法は、運転状態のクラスタリングにおける重要な進歩を表します。