التنبؤ بوقت تغيير المسار باستخدام التعلم العميق

تم دراسة سلوك السائق بشكل عام، ومشكلة التنبؤ بتغيير المسار الوشيك بشكل خاص في المجتمع من زوايا وإعدادات مختلفة. غالبًا ما يتم تناول المشكلة باعتبارها مشكلة تصنيف، حيث تمثل كل فئة إجراءً ممكنًا في الثواني القليلة القادمة. في هذا العمل، نعيد تعريف المهمة كمشكلة انحدار، حيث يتم التنبؤ بالوقت حتى يلمس المركبة الذاتية المسار الآخر. على وجه الخصوص، نستخدم الشبكات العصبية ذات الذاكرة الطويلة والقصيرة (LSTM) لتعلم التنبؤ بوقت تغيير المسار. على الرغم من أن صياغة المشكلة المعتمدة على الانحدار تلتقط معلومات أكثر وبالتالي ينبغي أن تكون أكثر صعوبة في التعلم، يمكننا أن نظهر أنها توفر نتائج أفضل قليلاً من النهج المعتمد على التصنيف المقارن. علاوة على ذلك، يمكن استخدام الدقة الإضافية التي نحصل عليها بشأن الوقت المحدد لتغيير المسار الوشيك لزيادة قبول المستخدمين لأنظمة مساعدة السائق المتطورة. كما نظهر أنه من الممكن تخصيص الشبكة عن طريق ضبطها وفقًا لسلوك سائق معين. تؤدي عملية الضبط إلى تحسين F1-Score بينما نراقب حوالي 20 دقيقة من بيانات القيادة من ذلك السائق.