CoDEA：自然運転データからの協調的車線変更シナリオの抽出と拡張のためのフレームワーク

科学分野:

• インテリジェント交通システム
• 自動運転技術
• モビリティのためのデータサイエンス

背景:

• 現代の交通は、交通量の増加、インフラの制約、安全性の懸念といった課題に直面しています。
• 協調運転は、安全性、混雑、移動性のためのソリューションを提供しますが、検証のためのリアルワールドデータが不足しています。
• 既存のデータセットは、複雑な協調的運転アルゴリズムのトレーニングと評価には不十分です。

研究 の 目的:

• 協調運転システムのリアルワールドデータの不足に対処すること。
• リアルな協調運転データセットを生成するための新しいパイプライン、CoDEA（協調的運転抽出と拡張）を導入すること。
• 協調的運転アルゴリズムの開発と検証を容易にすること。

主な方法:

• 大規模な自然運転データ（NDD）からの協調的車線変更動作の抽出。
• リアルなシナリオ生成のための相互作用認識コンテキストエンコーディング（IA-CE）モジュールによるDiffTrajフレームワークの拡張。
• 計算メトリクス（RMSE、MAE）および特徴分布比較を使用した生成軌道の評価。

主要な成果:

• CoDEAは、実際の運転データから主要な運動学的および協調的特徴を正常に抽出します。
• IA-CEモジュールは、多様でリアルな協調的車線変更軌道を生成することを可能にします。
• 生成されたデータは、実際のパターンとの強い類似性を示しながら、貴重な多様性を導入します。

結論:

• CoDEAパイプラインは、高品質の協調運転データセットを生成するための堅牢なソリューションを提供します。
• このアプローチは、現実世界の複雑さとアルゴリズムテストの要件との間のギャップを埋めます。
• CoDEAは、データ可用性の向上を通じて、協調的車線変更制御アルゴリズムの進歩の基盤を築きます。