2달 전

TrafficPredict: 이종 교통 요소의 궤도 예측

Yuexin Ma; Xinge Zhu; Sibo Zhang; Ruigang Yang; Wenping Wang; Dinesh Manocha
TrafficPredict: 이종 교통 요소의 궤도 예측
초록

복잡한 도시 교통에서 안전하고 효율적으로 이동하기 위해서는 자율 주행 차량이 주변 교통 요소(차량, 자전거, 보행자 등)와 관련하여 책임감 있는 예측을 수행해야 합니다. 특히 다양한 교통 요소의 움직임 패턴을 탐색하고 그들의 미래 궤적을 정확히 예측하는 것은 어려우면서도 중요한 과제입니다. 이러한 문제를 해결하기 위해, 우리는 장단기 기억(LSTM) 기반 실시간 교통 예측 알고리즘인 TrafficPredict를 제안합니다. 우리의 접근 방식은 인스턴스 레이어를 사용하여 인스턴스들의 움직임과 상호작용을 학습하며, 카테고리 레이어를 통해 동일 유형에 속하는 인스턴스들의 유사성을 학습하여 예측을 개선합니다. 성능 평가를 위해, 다양한 조건과 교통 밀도를 포함하는 대도시에서 궤적 데이터셋을 수집했습니다. 이 데이터셋은 차량, 자전거, 보행자가 서로 사이에서 움직이는 많은 도전적인 시나리오를 포함하고 있습니다. 우리는 새로운 데이터셋에서 TrafficPredict의 성능을 평가하고, 이전 예측 방법들과 비교하여 궤적 예측의 정확성이 더 높음을 강조합니다.