Odhadování úmyslů účastníků silničního provozu pomocí Bayesovských sítí

Abstract

Tato bakalářská práce se zaobírá predikcí chování účastníků dopravního provozu za použití Bayesovských sítí a je motivována evropským projektem H2020 UP-Drive Automated Urban Parking and Driving. Je důležité pochopit a předpovídat úmysly účastníků dopravního provozu v okolí autonomního auta. Správné porozumění situace spolu s predikcí chování jednotlivých účastníků je zásadní s ohledem na bezpečnost. Mnoho prací se již zaobíralo tématem porozumění a predikce chování aut v dopravním provozu, ale předpovídání úmyslů chodců je stále velmi neprozkoumané. To je také důvod, proč se v této práci mimo jiné zabýváme právě předpovědí chování chodců v blízkosti přechodů. V úvodu se práce soustředí na teoretický základ potřebný pro pochopení problematiky Bayesovských sítí. Dále je popsáno pravděpodobnostní programování, které poskytuje prostředky pro vytváření pravděpodobnostních modelů. V této bakalářské práci je použit pravděpodobnostní programovací jazyk s názvem Figaro. Následuje popsání simulátoru dopravních situací, který byl vytvořen v programovacím jazyce Java za účelem testování Bayesovských sítí. V poslední části je popsáno vytvoření dvou Bayesovských sítí zaměřených na predikci chování účastníků dopravního provozu. První síť je více obecná a je použita s daty získanými ze simulátoru. Druhá síť se zaměřuje na chování chodců v blízkosti přechodů a pracuje s reálnými daty poskytnutými z projektu UP-Drive.This bachelor thesis deals with prediction of behavior of traffic participants using Bayesian networks and is motivated by the European project H2020 UP-Drive Automated Urban Parking and Driving. It is important to understand and predict the intentions of traffic participants around an autonomous car. Proper understanding of the situation, together with the intention estimation of individual participants, is important for safety. Many works have already dealt with the topic of understanding and prediction of car behavior in traffic. The prediction of pedestrian intentions is still largely unexplored. This is why we also deal with predictions of pedestrian behavior in the zebra crossing vicinity.\newline In the introduction, the thesis focuses on the knowledge needed to understand the Bayesian networks. Probabilistic programming is also described. It provides the basis for creating probabilistic models. In this bachelor thesis probabilistic programming language called Figaro is used. Next, is a description of a traffic simulator that was created in the Java programming language to test Bayesian network. The last part describes the creation of two Bayesian networks predicting the behavior of traffic participants. The first network is more general and is used with data obtained from the simulator. The second Bayesian network focuses on pedestrian behavior near the zebra crossing and works with real data provided by the UP-Drive project.