메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
Jin Ho Yang (Hanyang University) Dae Jung Kim (Hanyang University) Chung Choo Chung (Hanyang University)
저널정보
제어로봇시스템학회 제어로봇시스템학회 국제학술대회 논문집 ICCAS 2021
발행연도
2021.10
수록면
1,580 - 1,585 (6page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
This paper presents a methodology to infer the intention to lane change of Surrounding Vehicle (SV) by designing a classifier using a Relevance Vector Machine (RVM). Estimating the intentions precisely of SV is one of the key technologies in autonomous driving. In particular, the lane change of SV is a situation that can be frequently observed while driving, and the behavior of the host vehicle may be affected by the SVs. Therefore, we propose a probabilistic learning-based intention classifier and conduct a performance validation. The training data was reshaped by processing the sensor data acquired from the actual driving and extracting the characteristic points of the maneuver. The verification data was collected on a road not included in the training data. We conducted a comparative experiment with the RAdio Detecting And Ranging (RADAR) signal for the front target and a deterministic classifier called a Support Vector Machine (SVM). Statistically, the proposed RVM-based method succeeded in predicting the lane change of the surrounding vehicle faster than both the RADAR sensor and the SVM. In addition, we observed that correct intention classification was performed through RVM even if SVM misclassified the class set of a lane change by some irregular lateral motion of SV.
#Autonomous vehicle #Machine learning #Sparse Bayesian learning #Relevance vector machine #Intention inference #Surrounding vehicle lane change

목차

Abstract
1. INTRODUCTION
2. BINARY RELEVANCE VECTOR MACHINE
3. DATASET OF SURROUNDING VEHICLE LANE CHANGE
4. EXPERIMENT AND RESULT
5. CONCLUSIONS
REFERENCES

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

A Study on Big Data Service for Public Cultural Heritage in Seoul using ChatGPT API
Kim DongHwan ,  Lee HoKyung ,  Choi DaeHo 외 1명 대한토목학회 학술대회 2023 .10
Comparison of quality and principal component analysis (PCA) for mineral compositions of the dried laver in Korea
Yeon Joo Bae ,  Hyeong Gu Han ,  Seung Ah Son 외 2명 한국수산과학회 양식분과 학술대회 2023 .06
Research on Data-Preprocessing using SVM for Compressor Simulator
하윤석 ,  안별 ,  이전국 외 1명 한국유체기계학회 학술대회 논문집 2022 .06
‘인공지능’, ‘기계학습’, ‘딥 러닝’ 분야의 국내 논문 동향 분석
박홍진 한국정보전자통신기술학회 논문지 2020 .08

최근 본 자료

전체보기

댓글(0)

0