عنوان ترجمه شده مقاله: ایجـاد مسیـرهـای تعـویض باند راننـدگان فـردی

This paper describes a method to generate vehicle trajectories of lane change paths for individual drivers. Although each driver has a consistent preferance in the lane change behavior, lane-changing time and vehicle trajectory are uncertain due to the presence of surrounding vehicles. To model this uncertainty, we propose a statistical driver model. We assume that a driver plans various vehicle trajectories depending on the surrounding vehicles and then selects a safe and comfortable trajectory. Lane change patterns of each driver are modeled with a hidden Markov model (HMM), which is trained using longitudinal vehicle velocity, lateral vehicle position, and their dynamic features. Vehicle trajectories are generated from the HMM in a maximum likelihood criterion at random lane-changing time and state duration. Experimental results show that vehicle trajectories generated from the HMM included a similar trajectory to that of a target driver

چکیده

این مقاله روشی جهت ایجاد مسیرهای خودرویی جاده های تعویض باند برای رانندگان فردی ارائه می دهد. هر چند که هر راننده ای اولویت منطبقی در رفتار تعویض باند دارد، اما زمان تعویض باند و مسیر خودرو به علت حضور خودروهای اطراف، نامشخص است. به منظور مدل کردن این عدم قطعیت، یک مدل آماری راننده پیشنهاد نمودیم. ما فرض را بر این می گذاریم که یک راننده، مسیرهای خودرویی مختلفی را بسته به خودروهای پیرامون طرح ریزی نموده و سپس یک مسیر ایمن و راحت را انتخاب می کند. الگوهای تعویض باند هر راننده با مدل مخفی مارکوف (HMM) که با استفاده از سرعت طولی خودرو، موقعیت عرضی خودرو، و ویژگی های دینامیکی آنها آموزش می بیند، مدل می شود. مسیرهای خودرویی با معیار حداکثر احتمال در زمان تصادفی تعویض باند و دوره حالت تصادفی از HMM حاصل می شوند. نتایج تجربی نشان می دهد که مسیرهای خودرویی ایجاد شده از HMM شامل مسیرهای مشابه با آنهایی هستند که راننده هدف انتخاب می کند.

1-مقـدمـه

تعداد دارندگان گواهینامه رانندگی و شمار خودروها هر ساله افزایش می یابد، و خودروها به جزئی اجتناب ناپذیر در زندگی روزانه ما تبدیل شده اند. جهت ارتقای ایمنی و کارایی ترافیک جاده ای، فناوری های سیستم هوشمند حمل و نقل (ITS)، شامل کنترل تطبیقی کروز (ACC)، سیستم های کمک به حفظ باند (LKAS)، و سیستم هشدار راننده طی چند سال اخیر گسترش داده شده اند [1-5]. بسیاری از این روش ها مستقیماً شتاب یا زاویه دریچه گاز را تخمین زده و صحت برآورد موفق را در پی دارند. اکثر پژوهش های متداول مرتبط با رفتار تعویض باند بر استنتاج هدف تعویض باند تمرکز دارند [6-8]. با اینحال، به ندرت پژوهشی پیرامون پیش بینی مسیرهای خوردویی مورد بررسی قرار گرفته است...