دانلود رایگان مقاله انگلیسی یک روش پیش بینی مانور بر اساس شبکه بیزی دینامیکی در سناریوهای بزرگراه - IEEE 2018

قیمت خرید این محصول

رایگان

دانلود مقاله انگلیسی سفارش ترجمه این مقاله

عنوان فارسی

یک روش پیش بینی مانور بر اساس شبکه بیزی دینامیکی در سناریوهای بزرگراه

عنوان انگلیسی

A maneuver-prediction method based on dynamic bayesian network in highway scenarios

صفحات مقاله فارسی

صفحات مقاله انگلیسی

سال انتشار

2018

نشریه

آی تریپل ای - IEEE

فرمت مقاله انگلیسی

PDF

نوع مقاله

ISI

پایگاه

اسکوپوس

کد محصول

E8934

رشته های مرتبط با این مقاله

مهندسی کامپیوتر، فناوری اطلاعات

گرایش های مرتبط با این مقاله

هوش مصنوعی، شبکه های کامپیوتری

مجله

کنفرانس کنترل و تصمیم گیری در چین - Chinese Control And Decision Conference

دانشگاه

College of Mechatronic Engineering and Automation - National University of Defense Technology - Changsha - P.R.China

کلمات کلیدی

رانندگی خودکار، پیش بینی مانور، استخراج ویژگی، شبکه بیزی دینامیکی

doi یا شناسه دیجیتال

https://doi.org/10.1109/CCDC.2018.8407710

برای سفارش ترجمه این مقاله با کیفیت عالی و در کوتاه ترین زمان ممکن توسط مترجمین مجرب سایت ایران عرضه؛ روی دکمه سبز رنگ کلیک نمایید.

چکیده

Abstract:

The accurate maneuver prediction for dynamic vehicles can enhance driving safety in complex environments. This paper presents a maneuver prediction method for dynamic vehicles in highway scenarios. The method effectively combines multi-frame vehicle states, road structures and interactions among vehicles. With a novel extraction algorithm of environment feature, the method infers the probability of each driving maneuver by using a Dynamic Bayesian Network. The experimental results demonstrate that our method can predict lane-change maneuvers at least 2 seconds before they occur in real environments with an accuracy of 84.9%.

نتیجه گیری

5 CONCLUSIONS

We have presented a maneuver predictor DBMP for highway driving scenarios. The algorithm is based on the Dynamic Bayesian Network, which combines structural prediction and dynamic features. The method has been validated using open dataset I-80. The results demonstrate that the proposed DBMP can effectively predict lane keeping and lane change over a long-term horizon. Moreover, the prediction criteria will greatly increase using proposed DBMP than naive BN. For the future work, we will investigate the motion prediction in other complex environments (e.g., urban intersections). The problem of unstable predictions will be solved in future studies.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی فناوری اطلاعات IT، دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات isi