Utilizarea rețelelor neuronale profunde în predicția deplasării participanților la traficul rutier

Abstract

În ultimele decenii, producătorii de automobile au lucrat în mod constant la îmbunătățirea experienței de conducere și a face vehiculele rutiere mai sigure prin dezvoltarea tehnologiilor de asistență pentru șofer. Pentru a evalua amploarea progreselor în tehnologia de asistență a șoferului, au fost definite șase niveluri de autonomie de către „Society of Automotive Engineers” (SAE). Vehiculele autonome (VA) au potențialul de a transforma lumea așa cum o cunoaștem, revoluționând transportul, făcându-l mai rapid, mai sigur și mai puțin intensiv în lucru. Este important ca sistemele AV să perceapă cu acuratețe și să reacționeze în siguranță la diverse scenarii de conducere din lumea reală. Acest lucru necesită ca sistemele de percepție AV să înțeleagă comportamentul participanților la trafic din jur (de exemplu, vehicule, pietoni și bicicliști) și să prezică cu exactitate traiectoriile și comportamentele lor viitoare [1]. Conform ultimului raport pentru accidentele rutiere publicat de către „European Road Safety Observatory” [2], aproape 24 000 de oameni au murit în accidentele rutiere din UE în anul 2019, dintre care 4668 sunt pietoni. Din acest total, 729 de pietoni care au murit în accidentele rutiere sunt din Romania. În ceea ce privește statisticile la nivel mondial, datele sunt mai îngrijorătoare. Raportul Global privind Siguranța Rutieră [3] publicat de Organizația Mondială a Sănătății (OMS), indică faptul că peste 1,3 milioane de oameni au murit în accidente rutiere în întreaga lume în anul 2017. Aproximativ 23% dintre aceste decese este reprezentat de către pietoni. Această teză are ca și obiectiv predicția traiectoriei pietonilor în diferite scenarii folosind rețele neuronale profunde. Acest domeniu fiind de mare succes dar și foarte studiat de către cercetători datorită dezvoltării senzorilor optici (exemplu camera RGB, Radar, LiDAR etc.) dar și apariția de noi arhitecturi de învățare profundă.