Modeling Generation Process of Lane-Change Trajectories for Individual Drivers

摘要

本稿では，車線変更時の車両軌跡の確率的な生成手法を提案する．車線変更時において運転者は首尾一貫とした好みを示すこともある一方で，依然として車線変更に要する時間や車両軌跡は周囲の車両の存在や運転者の気分によって不確定である．この不確定性をモデル化するために，統計的なドライバモデルを提案する．運転者は，まず起こりうる様々な車両軌跡を通る戦略を立て，次にその運転者にとって安全で快適な車両軌跡を選択し，実際に車線変更行動に移ると仮定する・この仮定に基づき，車両軌跡は運転者毎に隠れマルコフモデル（HMM；Hidden Markov Model）を用いてモデル化され，ランダムな車線変更時間と状態継続長に基づきモンテかレロ法を用いて生成される．次に車両軌跡の選択基準を用いることによって運転者らしい車両軌跡を選択する．ランダムに車両軌跡を生成することによって不確定性を表現し，車両軌跡の選択によってその不確定性を減少させる．車両軌跡生成実験から，提案手法は選択された車両軌跡は車線変更時間の不確定性を減少させ，運転者らしい車両軌跡が生成可能であることを確認した．%This paper describes a stochastic method to generate vehicle trajectories of lane change paths. Lane-changing time and vehicle trajectory are uncertain due to the presence of surrounding vehicles. To model this uncertainty, we propose the statistical driver model which is a hidden Markov model (HMM). We assume that a driver plans various vehicle trajectories and then selects a safe and comfortable trajectory. Vehicle trajectories are generated from the HMM using a Monte Carlo method. Experimental results show that vehicle trajectories generated from the HMM included a similar trajectory to that of a target driver.