Voorspellen van rijgedrag bij verkeerslichten met autoregressieve transformers
Wetenschappers hebben een model ontworpen om keuzes en trajecten van autobestuurders bij kruispunten te voorspellen. Het systeem houdt rekening met fysieke randvoorwaarden en data over snelheid, afstand en bestuurdersreacties.
Onveilige situaties bij verkeerslichten, zoals hard remmen of door rood rijden, vormen een risico voor de verkeersveiligheid. Onderzoekers hebben daarom gekeken naar het gedrag van menselijke bestuurders tijdens overgangsfases van verkeerslichten. Hiervoor is een dataset gebruikt met praktijkmetingen, waaronder nauwkeurige voertuigbewegingen, hartslaggegevens en comfortmetingen van de bestuurder.
Op basis hiervan is een op physics-gebaseerd, beslissingsgedreven autoregressief transformermodel ontwikkeld. Dit model analyseert en voorspelt hoe chauffeurs reageren en anticiperen op veranderende verkeerslichten. Het doel is om meer inzicht te krijgen in menselijke rijbeslissingen in complexe verkeersomgevingen.
Het toepassen van geavanceerde modelleringstechnieken op mobiliteitsdata is een groeiend onderzoeksgebied binnen de transport-AI. Door fysieke wetmatigheden te combineren met machine learning, proberen onderzoekers systemen te bouwen die realistischer en betrouwbaarder reageren op de dynamiek van het dagelijkse verkeer.
Deze samenvatting is gebaseerd op een origineel artikel van arXiv (cs.LG). Lees het volledige, originele bericht bij de bron.
Lees het originele artikel