TraPHic: 밀집되고 이질적인 교통 환경에서 가중 상호작용을 이용한 궤도 예측

우리는 혼잡한 교통 영상에서 도로 주행자의 단기 궤적을 예측하기 위한 새로운 알고리즘을 제시합니다. 본 접근법은 버스, 자동차, 스쿠터, 자전거 또는 보행자 등 다양한 종류의 도로 주행자를 포함하는 이종 교통 환경을 대상으로 설계되었습니다. 우리는 궤적 예측을 위해 새로운 LSTM-CNN 하이브리드 네트워크를 사용하여 서로 다른 도로 주행자 간의 상호작용을 모델링합니다. 특히, 서로 다른 도로 주행자의 크기, 역학 및 행동에 따른 변화를 암시적으로 고려하는 이종 상호작용을 고려합니다. 또한, 각 도로 주행자의 운전 행동을 암시적으로 모델링하기 위해 시야 기반 상호작용도 모델링합니다. 우리는 표준 데이터셋에서 우리의 예측 알고리즘인 TraPHic(트라픽)의 성능을 평가하고, 아시아 도시 영상과 주행자 궤적에 해당하는 새로운 밀집된 이종 교통 데이터셋도 소개합니다. 우리는 밀집된 교통 데이터셋에서 최신 방법론보다 30% 우수한 성능을 보여주었습니다.