A Survey on Data-Driven Modeling of Human Drivers' Lane-Changing Decisions
Created by
- Haebom
Category
Empty
저자
Linxuan Huang, Dong-Fan Xie, Li Li, Zhengbing He
개요
본 논문은 차선 변경(Lane-Changing, LC) 결정(Decision, CD) 모델링에 대한 데이터 기반 접근법을 종합적으로 검토한 논문입니다. 전통적인 분석적 LC 결정 모델의 한계(행동의 이질성 및 복잡한 상호작용의 과소평가)를 지적하며, 인공지능의 발전과 자율주행 자동차 및 연결된 차량을 위한 데이터 기반 모델의 수요 증가에 따라 데이터 기반 LC 결정 모델의 필요성을 강조합니다. 특히, 인간 운전자의 LC 결정 과정에 초점을 맞춰 데이터 소스 및 전처리, 모델 입력 및 출력, 목표, 구조, 검증 방법 등 모델링 프레임워크를 체계적으로 검토하고, 데이터 기반 LC 결정 모델이 직면한 기회와 과제(운전 안전, 불확실성, 기술 프레임워크의 통합 및 개선 등)를 논의합니다.
시사점, 한계점
•
시사점:
◦
데이터 기반 접근법을 통해 인간 운전자의 복잡한 차선 변경 결정 과정을 더욱 정확하게 모델링할 수 있는 가능성 제시.
◦
자율주행 및 커넥티드카 기술 발전에 필수적인 데이터 기반 차선 변경 모델링 연구에 대한 심층적인 이해 제공.
◦
차선 변경 결정 모델링에 대한 체계적인 프레임워크 및 검증 방법 제시.
◦
운전 안전 향상 및 교통 효율 증대에 기여할 수 있는 데이터 기반 모델 개발의 방향 제시.
•
한계점:
◦
논문에서 제시된 모델들의 실제 적용 가능성 및 일반화 성능에 대한 추가적인 연구 필요.
◦
데이터의 불균형 및 편향성 문제 해결에 대한 구체적인 전략 제시 부족.
◦
다양한 운전 환경 및 상황에 대한 모델의 적응력에 대한 추가적인 검증 필요.
◦
기술적 프레임워크의 통합 및 개선에 대한 구체적인 방안 제시 부족.
