自動運転/予測意思決定2026/10/21arXiv:2610.30528

車線変更予測に基づく自動運転車の意思決定と乗り心地評価

Decision Making and Ride Comfort Evaluation Based on Lane-Change Prediction for Autonomous Vehicles

知識グラフ埋め込みとベイズ推論で周囲車両の車線変更を3〜4秒前に予測し、反応型・縦方向予測型・横方向予測型の3戦略をCARLAで比較。予測型は衝突回避と減速度低減、乗り心地向上を示した。

詳しい要約

1. どんなもの？

- 自動運転車の意思決定に、周辺車両の lane-change prediction を統合する研究 - 予測手法は knowledge graph embeddings と Bayesian inference に基づく - CARLA 上で risky merging scenarios を対象に3つの運転戦略を比較 - reactive driving - prediction-based longitudinal action - prediction-based lateral action - 安全性に加え ISO 2631-1 ベースの horizontal vibration estimate で乗り心地も評価

2. 先行研究と比べてどこがすごい？

- 従来の reactive maneuvers のみに頼る運転に対し、予測に基づく proactive な対応を可能にする点 - 周辺車両の lane change を発生の約3-4秒前に予測できる点 - 予測を縦方向・横方向の行動選択に分けて意思決定へ組み込む枠組み - 衝突回避だけでなく ISO 2631-1 に基づく乗り心地評価も併せて行う点 - 具体的な先行研究との定量比較は要旨からは不明

3. 技術・手法の肝は？

- knowledge graph embeddings と Bayesian inference による lane-change prediction model - 予測結果を自動運転車の意思決定に統合 - CARLA の risky merging scenarios で3戦略を評価 - reactive driving - prediction-based longitudinal action（早期ブレーキで安全な車間を確保） - prediction-based lateral action（安全な隣接 lane があれば lane change） - 評価指標は collision、衝突前の peak deceleration、ISO 2631-1 ベースの horizontal vibration estimate

4. どうやって有効だと検証した？

- CARLA の risky merging scenarios のシミュレーションで検証 - 代表的な記録では reactive driving は aggressive deceleration を伴う collision が発生 - prediction-based longitudinal action は早期 braking で安全な gap を確保し衝突回避 - prediction-based lateral action は安全な adjacent lane がある場合に lane change し衝突回避 - 衝突前の peak deceleration は reactive driving 比で longitudinal action が31.5%減、lateral action が91.0%減 - ISO 2631-1 ベースの horizontal vibration estimate で乗り心地を評価

5. 議論はある？

- 予測に基づく proactive decision-making が safer かつ smoother な運転に寄与する可能性を示唆 - 縦方向と横方向の予測ベース行動の双方が評価対象の記録で衝突を回避 - 乗り心地については vibration-based estimates による追加の知見を提示 - 評価は限られた代表的な simulation records に基づくもので、一般化可能性や実車での妥当性は要旨からは不明 - 予測誤りや不確実性への対処、他シナリオへの拡張は要旨からは不明

6. 次に読むべき論文は？

- 要旨で参照/比較されている reactive driving との比較研究 - knowledge graph embeddings を用いた意図予測の関連研究 - Bayesian inference による運転行動予測の関連研究 - CARLA を用いた自動運転意思決定の研究 - ISO 2631-1 に基づく乗り心地評価の関連研究 - lane-change prediction 全般の定番研究（具体的な論文名は要旨からは不明）

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Mohamed Manzour, Aditya Kumar, Rubén Izquierdo, Miguel Ángel Sotelo

分類: cs.RO, cs.AI, cs.LG

原文アブストラクト

Predicting surrounding vehicles' lane-change intentions enables autonomous vehicles to anticipate potential hazards and respond proactively rather than relying solely on reactive maneuvers. This study investigates the benefits of integrating lane-change prediction, based on knowledge graph embeddings and Bayesian inference, into autonomous vehicle decision-making. Three driving strategies are evaluated in risky merging scenarios simulated in CARLA: reactive driving, prediction-based longitudinal action, and prediction-based lateral action. The proposed prediction model anticipates the surrounding vehicle's lane change approximately 3-4 seconds before its occurrence, allowing the ego vehicle to adjust its behavior accordingly. In the representative simulation records, reactive driving results in a collision accompanied by aggressive deceleration. In contrast, prediction-based longitudinal action initiates early braking to establish a safe gap, while prediction-based lateral action performs a lane change when a safe adjacent lane is available. Both predictive strategies avoid collisions in the evaluated records. Compared with reactive driving, peak deceleration before impact is reduced by 31.5% with longitudinal action and 91.0% with lateral action. Additionally, an ISO 2631-1-based horizontal vibration estimate is used to provide a ride comfort assessment. Overall, the results highlight the potential of lane-change prediction to support safer and smoother driving through proactive decision-making, with additional insights into ride comfort provided by vibration-based estimates.

arXivで原文を読む →arXiv概要ページ

← 論文一覧