Behavior Analysis and Modeling of Traffic Participants
Ein Verkehrsteilnehmer ist eine Person, die direkt am Straßenverkehr teilnimmt, wie z. B. Fahrzeugführer, Fahrgäste, Fußgänger oder Radfahrer, denen jedoch bei Verkehrsunfällen zahlreiche Sachschäden, Körperverletzungen und sogar Todesfälle zugefügt werden. Um die Zahl der Verkehrstoten zu senken, ist die Entwicklung des intelligenten Fahrzeugs heute eine vielbeachtete Technologie. Es ist von großer Bedeutung für die Entscheidungsfindung und Planung eines Fahrzeugs, wenn die Absichten der Fußgänger und die zukünftigen Trajektorien sowie die der umliegenden Fahrzeuge vorhergesagt werden können, um so die Fahrsicherheit zu erhöhen. Basierend auf der Bildsequenz, die von Onboard-Monokular-Kameras gesammelt wurde, verwenden wir ein auf dem Long Short-Term Memory (LSTM) basierendes Netzwerk mit einem erweiterten Aufmerksamkeitsmechanismus, um die Absichten und Trajektorien von Fußgängern und umliegenden Fahrzeugen vorherzusagen.
Obwohl das Zeitalter des vollautomatischen Fahrens noch in weiter Ferne zu liegen scheint, ist der menschliche Fahrer unter den gegenwärtigen Umständen immer noch ein entscheidender Bestandteil des Systems Straße-Fahrer-Fahrzeug, selbst bei einem geringen Anteil an automatisch fahrenden Fahrzeugen. In Anbetracht der Tatsache, dass mehr als 90 Prozent der tödlichen Verkehrsunfälle durch menschliche Fehler verursacht werden, ist es sinnvoll, die sekundären Aufgaben während des Fahrens sowie die Fahrstilerkennung zu erkennen, um ein personalisiertes Fahrerassistenzsystem (ADAS) oder ein intelligentes Fahrzeug zu entwickeln. Wir verwenden die Graph-Faltungsnetzwerke für räumliche Merkmale und die LSTM-Netzwerke mit dem Aufmerksamkeitsmechanismus für zeitliche Bewegungsmerkmale innerhalb der Bildsequenz, um die Erkennung von Nebenaufgaben beim Fahren zu realisieren.
Darüber hinaus sind aggressive Fahrer eher in Verkehrsunfälle verwickelt, und das Risikoniveau der Fahrer könnte von vielen potenziellen Faktoren wie demografischen Merkmalen und Persönlichkeitsmerkmalen beeinflusst werden. Daher konzentrieren wir uns auf die Klassifizierung des Fahrstils für das Längsschnitt-Szenario "Autofahren". Außerdem werden auf der Grundlage des Strukturgleichungsmodells (SEM) und der naturalistischen Fahrdatenbank des Strategic Highway Research Program 2 (SHRP 2) die Beziehungen zwischen den demografischen Merkmalen der Fahrer, der Sensationslust, der Risikowahrnehmung und dem riskanten Fahrverhalten ausführlich erörtert. Es wird erwartet, dass die Ergebnisse und Schlussfolgerungen dieses kurzen Buches potenzielle Anhaltspunkte und Vorteile für die Förderung der Entwicklung intelligenter Fahrzeugtechnologie und Fahrsicherheit bieten.
| ISBN: | 9781636392622 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
| Erscheinungsjahr: | 2021 |
| Seitenzahl: | 171 |
Derzeit verfügbar, auf Lager.
