Till sidans topp

Sidansvarig: Webbredaktion
Sidan uppdaterades: 2012-09-11 15:12

Tipsa en vän
Utskriftsversion

Accident Scenario Generat… - Göteborgs universitet Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

Accident Scenario Generation with Recurrent Neural Networks

Paper i proceeding
Författare Ian Rhys Jenkins
Ludvig Oliver Gee
Alessia Knauss
Hang Yin
Jan Schröder
Publicerad i IEEE Conference on Intelligent Transportation Systems, Proceedings, ITSC
Publiceringsår 2018
Publicerad vid Institutionen för data- och informationsteknik (GU)
Språk en
Länkar https://ieeexplore.ieee.org/abstrac...
Ämneskategorier

Sammanfattning

© 2018 IEEE. There is a lack of approaches to derive accident scenarios automatically for the testing of Autonomous Drive systems. Current approaches that generate test scenarios do not scale due to the manual work required. Machine learning provides the possibility to automate such tasks. In this paper, an automated approach based on Recurrent Neural Networks to generate accident scenarios is presented. Based on a prototype, our approach is evaluated on temporal data from simulated in-vehicle and V2X data to automatically generate new accident scenarios. The results confirm that generated scenarios resemble the accidents that took place in an exclusive test set.

Sidansvarig: Webbredaktion|Sidan uppdaterades: 2012-09-11
Dela:

På Göteborgs universitet använder vi kakor (cookies) för att webbplatsen ska fungera på ett bra sätt för dig. Genom att surfa vidare godkänner du att vi använder kakor.  Vad är kakor?