詳細表示

No 220905
標題(和) 運転行動予測に向けた運転操作時系列データへのノンパラメトリックベイズ法の適用
標題(英) Towards driving behavior prediction: Applying nonparametric Bayesian approach to driving operation time series data
研究会名(和) 信号処理, 回路とシステム, 通信方式
研究会名(英) Signal Processing, Circuits and Systems, Communication Systems
開催年月日 2013-03-14
終了年月日 2013-03-15
会議種別コード 5
共催団体名(和)
資料番号 CAS2012-142, SIP2012-173, CS2012-148
抄録(和) 次世代運転支援システムの開発において,運転挙動の予測は重要な問題である.多様な運転状況に対処するため,複数時系列の間の共通点・相違点を考慮しつつ複数時系列をモデル化する必要がある.本論文では,ベータ過程を事前分布として用いて複数時系列間の共通・相違なる特徴を考慮しながらモデル化することのできるベータ過程自己回帰隠れマルコフモデル(BP-AR-HMM)を利用する.我々は実際に計測した運転操作データにBP-AR-HMMを適用することで運転挙動を表現するベクトル自己回帰過程のパラメータを推定し,推定したパラメータにより未知のテストデータの運転挙動を予測可能か検証する.またBP-AR-HMMの予測性能を,HMMを用いたときの予測性能と比較する.結果として,BP-AR-HMMを用いた運転操作の時間的変遷の予測が可能であり,実環境における運転挙動の予測が可能であることが示唆された.
抄録(英) Prediction of driving behaviors is important problem in developing a next-generation driving support system. In order to take account of diverse driving situations, it is necessary to deal with multiple time series data considering commonalities and differences among them. In this study we utilize the beta process autoregressive hidden Markov model (BP-AR-HMM) that can model multiple time series considering common and different features among them using the beta process as a prior distribution. We apply the BP-AR-HMM to actual driving operation data to estimate vector autoregressive process parameters that represent the segmental driving behaviors, and with the estimated parameters we investigate whether we can predict the driving behaviors of unknown test data. Prediction accuracy of test data using BP-AR-HMM is compared with that of using classical HMM. The results suggest that it is possible to identify the dynamics behaviors of driving operations using BP-AR-HMM, and with BP-AR-HMM we can predict driving behaviors precisely in actual environment than with HMM.
収録資料名(和) 電子情報通信学会技術研究報告
収録資料の巻号 Vol.112, No.484,485,486
ページ開始 265
ページ終了 270
キーワード(和) 時系列解析,運転行動予測,ノンパラメトリックベイズ法,,ベータ過程自己回帰隠れマルコフモデル,,ベー タ過程
キーワード(英) time series analysis,driving operation prediction,Bayesian nonparametric approach,beta process autoregressive hidden Markov model,beta process
本文の言語 JPN
著者(和) 濱田龍之介
著者(ヨミ) ハマダ リュウノスケ
著者(英) Ryunosuke Hamada
所属機関(和) 奈良先端科学技術大学院大学
所属機関(英) Nara Institute of Science and Technology
著者(和) 久保孝富
著者(ヨミ) クボ タカトミ
著者(英) Takatomi Kubo
所属機関(和) 奈良先端科学技術大学院大学
所属機関(英) Nara Institute of Science and Technology
著者(和) 池田和司
著者(ヨミ) イケダ カズシ
著者(英) Kazushi Ikeda
所属機関(和) 奈良先端科学技術大学院大学
所属機関(英) Nara Institute of Science and Technology
著者(和) 張祖杰
著者(ヨミ)
著者(英) Zujie Zhang
所属機関(和) 奈良先端科学技術大学院大学
所属機関(英) Nara Institute of Science and Technology
著者(和) 柴田智広
著者(ヨミ) シバタ トモヒロ
著者(英) Tomohiro Shibata
所属機関(和) 奈良先端科学技術大学院大学
所属機関(英) Nara Institute of Science and Technology
著者(和) 坂東誉司
著者(ヨミ) バンドウ タカシ
著者(英) Takashi Bando
所属機関(和) 株式会社デンソー
所属機関(英) DENSO CORPORATION
著者(和) 江川万寿三
著者(ヨミ) エガワ マスミ
著者(英) Masumi Egawa
所属機関(和) 株式会社デンソー
所属機関(英) DENSO CORPORATION

WWW サーバ管理者
E-mail: webmaster@ieice.org