摘要 - 与结构化环境相比,在非结构化环境中,行人和车辆的轨迹行为可能是不同的。在自动驾驶汽车的轨迹预测算法中,这些运动行为上的这些差异很有价值。但是,通常用作轨迹前词的基准的行人和车辆轨迹的可用数据集尚未根据其环境的性质进行分类。另一方面,为非结构化和结构化环境提供的定义相当合理,很难用来证明给定环境的类型。在本文中,我们根据几个提取的轨迹特征(例如平均速度和轨迹可变性)比较了不同的现有数据集。通过k-表示聚类和广义线性模型,我们提出了更定量的措施来区分两种不同类型的环境。我们的结果表明,轨迹可变性,停止分数和行人密度等特征在两种环境类型之间有所不同,可用于对现有数据集进行分类。
主要关键词
![arxiv:2502.16847v1 [cs.ro] 2025年2月24日PDF文件第1页](/bimg/3/355587c4d7cb54f5ea6c8ff19e78f37f1b43b978.webp)
![arxiv:2502.16847v1 [cs.ro] 2025年2月24日PDF文件第2页](/bimg/3/39079f8f89f33374c0f7098a2ae0b35b71499eea.webp)
![arxiv:2502.16847v1 [cs.ro] 2025年2月24日PDF文件第3页](/bimg/d/d6e39040abf494b7ade6f835757edbc510ac07ab.webp)
![arxiv:2502.16847v1 [cs.ro] 2025年2月24日PDF文件第4页](/bimg/2/27e21312bef730af14fa4bed50e09d4659fb8988.webp)
![arxiv:2502.16847v1 [cs.ro] 2025年2月24日PDF文件第5页](/bimg/c/cb32c9b81282843b45bd2ce8cc7fc65173f5203a.webp)
