Predikce trajektorií vozidel na dálnici

Abstract

Tématem této práce je predikce trajektorií vozidel na dálnici. Cílem práce je navrhnout algoritmus, který by na základě současného stavu a krátké historie pohybu předpověděl 5 vteřin budoucí trajektorie cílového vozidla. Tento problém je v práci nejdříve formálně popsán, spolu s představením dat, na kterých se navržené metody budou vyhodnocovat. Následně je zde uveden přehled v současnosti používaných metod k řešení tohoto problému. Poté jsou již prezentovány tři navržené přístupy. První z nich používá Gradient Boosted Trees pro přímou predikci budoucích pozic cílového vozidla. Druhá metoda se zaměřuje na zlepšení výsledků stávajícího modulu generujícího trajektorie vozidel zlepšením přesnosti klasifikace manévrů. Třetí přístup je inspirován rozpoznáváním tváří, trajektorie je zde popsána pomocí Point Distribution Modelu a predikovány jsou koeficienty vlastních vektorů získaných pomocí Analýzy hlavních komponent. V závěru práce je uvedeno vyhodnocení těchto přístupů.

The topic of this thesis is trajectory prediction of the vehicles on a highway. The task is to predict a 5s future position of a target vehicle, given its current state and history. First, this problem is formally defined, and data on which the proposed models shall be evaluated are described. Subsequently, an overview of currently used techniques is presented, followed by three proposed approaches. The first approach is based on a direct prediction of the future position using Gradient Boosted Trees. The second is focused on improving an existing trajectory generating module in the Frenet frame of reference. The third one is taking inspiration from face recognition, describing the trajectory by Point Distribution Model, and inferring the coefficients of Eigenvectors obtained by a Principal Component Analysis. In the final chapter evaluation and comparison of the proposed methods concludes this thesis.