KIT | KIT-Bibliothek | Impressum | Datenschutz

Conditional Behavior Prediction of Interacting Agents on Map Graphs with Neural Networks

Wirth, Florian Josef ORCID iD icon 1
1 Institut für Mess- und Regelungstechnik (MRT), Karlsruher Institut für Technologie (KIT)

Abstract:

Solange Verkehrsteilnehmer ihre Manöverabsicht und ihre geplante Trajektorie automatischen Fahrzeugen nicht mitteilen können, ist eine Verhaltensvorhersage für alle beteiligten Verkehrsteilnehmer erforderlich. Mit einer solchen Vorhersage kann das Verhalten eines automatischen Fahrzeugs vorausschauend generiert und damit komfortabler und energieeffizienter gemacht werden, was den Verkehrsfluss verbessert.

Es wird ein künstliches neuronales Netz für Graphen (GNN) vorgestellt, das verschiedene probabilistische Positionsvorhersagen für interagierende Agenten zur Analyse bereitstellt. ... mehr

Abstract (englisch):

As long as traffic participants (TPs) cannot share information about their maneuver intention or their planned trajectory with automated vehicles (AVs), behavior prediction for these TPs is required. Such a prediction enables the proactive generation of AV behavior making driving more comfortable and energy-efficient, besides improving traffic flow.

An artificial graph neural network (GNN) is presented which provides probabilistic position predictions for interacting agents as basis for further analysis. The present use case is analysis of traffic situation for automated driving. ... mehr


Volltext (Version 2) §
DOI: 10.5445/IR/1000161378/v2
Veröffentlicht am 12.10.2023
Volltext (Version 1) §
DOI: 10.5445/IR/1000161378
Veröffentlicht am 17.08.2023
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Mess- und Regelungstechnik (MRT)
Publikationstyp Hochschulschrift
Publikationsdatum 17.08.2023
Sprache Englisch
Identifikator KITopen-ID: 1000161378
Verlag Karlsruher Institut für Technologie (KIT)
Umfang XXII, 151 S.
Art der Arbeit Dissertation
Fakultät Fakultät für Maschinenbau (MACH)
Institut Institut für Mess- und Regelungstechnik (MRT)
Prüfungsdatum 31.07.2023
Schlagwörter prediction, automated driving, autonomous driving, deep learning, graph neural network, traffic prediction
Referent/Betreuer Stiller, Christoph
Peters, Steven
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page