Canvis

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "[{\"author\": \"Felix Fr\u00f6hling\", \"author_email\": 
2
  "author": "[{\"author\": \"Felix Fr\u00f6hling\", \"author_email\": 
            
3
\"Felix.Froehling@carissma.eu\"}]",
3
\"Felix.Froehling@carissma.eu\"}]",
            
4
  "author_email": null,
4
  "author_email": null,
            
5
  "creator_user_id": "fd88527d-4fb2-4f5a-8ca5-de730b63d31c",
5
  "creator_user_id": "fd88527d-4fb2-4f5a-8ca5-de730b63d31c",
            
6
  "end_collection_date": "",
6
  "end_collection_date": "",
            
7
  "groups": [
7
  "groups": [
            
8
    {
8
    {
            
9
      "description": "",
9
      "description": "",
            
10
      "display_name": "Datensatz und Dokumente",
10
      "display_name": "Datensatz und Dokumente",
            
11
      "id": "a6939c14-5825-45af-b335-82712b5db05f",
11
      "id": "a6939c14-5825-45af-b335-82712b5db05f",
            
12
      "image_display_url": 
12
      "image_display_url": 
            
13
"https://catalog.savenow.de/base/images/group_icons/dataset.jpg",
13
"https://catalog.savenow.de/base/images/group_icons/dataset.jpg",
            
14
      "name": "dataset",
14
      "name": "dataset",
            
15
      "title": "Datensatz und Dokumente"
15
      "title": "Datensatz und Dokumente"
            
16
    },
16
    },
            
17
    {
17
    {
            
18
      "description": "",
18
      "description": "",
            
19
      "display_name": "Mobilit\u00e4t",
19
      "display_name": "Mobilit\u00e4t",
            
20
      "id": "fb9ec11d-93e2-4708-88a1-25019bb954b5",
20
      "id": "fb9ec11d-93e2-4708-88a1-25019bb954b5",
            
21
      "image_display_url": 
21
      "image_display_url": 
            
22
"https://catalog.savenow.de/base/images/group_icons/mobility.svg",
22
"https://catalog.savenow.de/base/images/group_icons/mobility.svg",
            
23
      "name": "mobility",
23
      "name": "mobility",
            
24
      "title": "Mobilit\u00e4t"
24
      "title": "Mobilit\u00e4t"
            
25
    }
25
    }
            
26
  ],
26
  ],
            
27
  "id": "593659dc-b1f7-48a3-a563-06104f8c9c0c",
27
  "id": "593659dc-b1f7-48a3-a563-06104f8c9c0c",
            
28
  "isopen": true,
28
  "isopen": true,
            
29
  "language": "en",
29
  "language": "en",
            
30
  "licence_agreement": [
30
  "licence_agreement": [
            
31
    "licence_agreement_check"
31
    "licence_agreement_check"
            
32
  ],
32
  ],
            
33
  "license_id": "CC0-1.0",
33
  "license_id": "CC0-1.0",
            
34
  "license_title": "Creative Commons Zero (CC0 1.0)",
34
  "license_title": "Creative Commons Zero (CC0 1.0)",
            
35
  "license_url": "https://creativecommons.org/publicdomain/zero/1.0/",
35
  "license_url": "https://creativecommons.org/publicdomain/zero/1.0/",
            
36
  "maintainer": "[{\"Maintainer Email\": 
36
  "maintainer": "[{\"Maintainer Email\": 
            
37
\"eduardo.sanchezmorales@thi.de\", \"maintainer\": \"Alberto Flores 
37
\"eduardo.sanchezmorales@thi.de\", \"maintainer\": \"Alberto Flores 
            
38
Fern\u00e1ndez\", \"phone\": \"\", \"role\": \"\"}]",
38
Fern\u00e1ndez\", \"phone\": \"\", \"role\": \"\"}]",
            
39
  "maintainer_email": null,
39
  "maintainer_email": null,
            
40
  "metadata_created": "2023-11-24T13:34:20.152557",
40
  "metadata_created": "2023-11-24T13:34:20.152557",
            
n
41
  "metadata_modified": "2023-11-24T13:36:42.851482",
n
41
  "metadata_modified": "2023-11-24T13:36:43.354525",
            
42
  "name": 
42
  "name": 
            
43
tic-traffic-motion-labeling-for-multi-modal-vehicle-route-prediction",
43
tic-traffic-motion-labeling-for-multi-modal-vehicle-route-prediction",
            
44
  "notes": "Abstract: The prediction of the motion of traffic 
44
  "notes": "Abstract: The prediction of the motion of traffic 
            
45
participants is a crucial aspect for the research and\r\ndevelopment 
45
participants is a crucial aspect for the research and\r\ndevelopment 
            
46
of Automated Driving Systems (ADSs). Recent approaches are based on 
46
of Automated Driving Systems (ADSs). Recent approaches are based on 
            
47
multi-modal\r\nmotion prediction, which requires the assignment of a 
47
multi-modal\r\nmotion prediction, which requires the assignment of a 
            
48
probability score to each of the multiple\r\npredicted motion 
48
probability score to each of the multiple\r\npredicted motion 
            
49
hypotheses. However, there is a lack of ground truth for this 
49
hypotheses. However, there is a lack of ground truth for this 
            
50
probability score in\r\nthe existing datasets. This implies that 
50
probability score in\r\nthe existing datasets. This implies that 
            
51
current Machine Learning (ML) models evaluate the 
51
current Machine Learning (ML) models evaluate the 
            
52
multiple\r\npredictions by comparing them with the single real 
52
multiple\r\npredictions by comparing them with the single real 
            
53
trajectory labeled in the dataset. In this work, a\r\nnovel data-based 
53
trajectory labeled in the dataset. In this work, a\r\nnovel data-based 
            
54
method named Probabilistic Traffic Motion Labeling (PROMOTING) is 
54
method named Probabilistic Traffic Motion Labeling (PROMOTING) is 
            
55
introduced\r\nin order to (a) generate probable future routes and (b) 
55
introduced\r\nin order to (a) generate probable future routes and (b) 
            
56
estimate their probabilities. PROMOTING is\r\npresented with the focus 
56
estimate their probabilities. PROMOTING is\r\npresented with the focus 
            
57
on urban intersections. The generation of probable future routes is 
57
on urban intersections. The generation of probable future routes is 
            
58
(a) based\r\non a real traffic dataset and consists of two steps: 
58
(a) based\r\non a real traffic dataset and consists of two steps: 
            
59
first, a clustering of intersections with similar road\r\ntopology, 
59
first, a clustering of intersections with similar road\r\ntopology, 
            
60
and second, a clustering of similar routes that are driven in each 
60
and second, a clustering of similar routes that are driven in each 
            
61
cluster from the first step.\r\nThe estimation of the route 
61
cluster from the first step.\r\nThe estimation of the route 
            
62
probabilities is (b) based on a frequentist approach that considers 
62
probabilities is (b) based on a frequentist approach that considers 
            
63
how\r\ntraffic participants will move in the future given their motion 
63
how\r\ntraffic participants will move in the future given their motion 
            
64
history. PROMOTING is evaluated with\r\nthe publicly available Lyft 
64
history. PROMOTING is evaluated with\r\nthe publicly available Lyft 
            
65
database. The results show that PROMOTING is an appropriate 
65
database. The results show that PROMOTING is an appropriate 
            
66
approach\r\nto estimate the probabilities of the future motion of 
66
approach\r\nto estimate the probabilities of the future motion of 
            
67
traffic participants in urban intersections. In this\r\nregard, 
67
traffic participants in urban intersections. In this\r\nregard, 
            
68
PROMOTING can be used as a labeling approach for the generation of a 
68
PROMOTING can be used as a labeling approach for the generation of a 
            
69
labeled dataset that\r\nprovides a probability score for probable 
69
labeled dataset that\r\nprovides a probability score for probable 
            
70
future routes. Such a labeled dataset currently does not exist\r\nand 
70
future routes. Such a labeled dataset currently does not exist\r\nand 
            
71
would be highly valuable for ML approaches with the task of 
71
would be highly valuable for ML approaches with the task of 
            
72
multi-modal motion prediction.\r\nThe code is made open source.",
72
multi-modal motion prediction.\r\nThe code is made open source.",
            
73
  "num_resources": 1,
73
  "num_resources": 1,
            
74
  "num_tags": 1,
74
  "num_tags": 1,
            
75
  "organization": {
75
  "organization": {
            
76
    "approval_status": "approved",
76
    "approval_status": "approved",
            
77
    "created": "2023-06-27T14:06:24.055358",
77
    "created": "2023-06-27T14:06:24.055358",
            
78
    "description": "",
78
    "description": "",
            
79
    "id": "518ef23a-8d7b-4829-9b42-7a182a73cc0f",
79
    "id": "518ef23a-8d7b-4829-9b42-7a182a73cc0f",
            
80
    "image_url": "2023-06-27-150145.628103THI.jpg",
80
    "image_url": "2023-06-27-150145.628103THI.jpg",
            
81
    "is_organization": true,
81
    "is_organization": true,
            
82
    "name": "technische-hochschule-ingolstadt-thi",
82
    "name": "technische-hochschule-ingolstadt-thi",
            
83
    "state": "active",
83
    "state": "active",
            
84
    "title": "Technische Hochschule Ingolstadt (THI)",
84
    "title": "Technische Hochschule Ingolstadt (THI)",
            
85
    "type": "organization"
85
    "type": "organization"
            
86
  },
86
  },
            
87
  "owner_org": "518ef23a-8d7b-4829-9b42-7a182a73cc0f",
87
  "owner_org": "518ef23a-8d7b-4829-9b42-7a182a73cc0f",
            
88
  "private": false,
88
  "private": false,
            
89
  "relationships_as_object": [],
89
  "relationships_as_object": [],
            
90
  "relationships_as_subject": [],
90
  "relationships_as_subject": [],
            
91
  "resources": [
91
  "resources": [
            
92
    {
92
    {
            
93
      "allowed_users": "",
93
      "allowed_users": "",
            
94
      "cache_last_updated": null,
94
      "cache_last_updated": null,
            
95
      "cache_url": null,
95
      "cache_url": null,
            
96
      "created": "2023-11-24T13:36:42.882447",
96
      "created": "2023-11-24T13:36:42.882447",
            
97
      "datastore_active": false,
97
      "datastore_active": false,
            
98
      "description": "Probabilistic Traffic Motion Labeling for 
98
      "description": "Probabilistic Traffic Motion Labeling for 
            
99
Multi-Modal Vehicle Route Prediction",
99
Multi-Modal Vehicle Route Prediction",
            
100
      "format": "pdf",
100
      "format": "pdf",
            
101
      "hash": "",
101
      "hash": "",
            
102
      "id": "f5782258-4422-4e3f-af74-9b65379cd20c",
102
      "id": "f5782258-4422-4e3f-af74-9b65379cd20c",
            
103
      "last_modified": "2023-11-24T13:36:42.820871",
103
      "last_modified": "2023-11-24T13:36:42.820871",
            
n
104
      "metadata_modified": "2023-11-24T13:36:42.865051",
n
104
      "metadata_modified": "2023-11-24T13:36:43.371614",
            
105
      "mimetype": "application/pdf",
105
      "mimetype": "application/pdf",
            
106
      "mimetype_inner": null,
106
      "mimetype_inner": null,
            
107
      "name": "Article",
107
      "name": "Article",
            
108
      "package_id": "593659dc-b1f7-48a3-a563-06104f8c9c0c",
108
      "package_id": "593659dc-b1f7-48a3-a563-06104f8c9c0c",
            
109
      "position": 0,
109
      "position": 0,
            
110
      "resource_type": null,
110
      "resource_type": null,
            
111
      "restricted": "{\"level\": \"public\"}",
111
      "restricted": "{\"level\": \"public\"}",
            
112
      "size": 1336988,
112
      "size": 1336988,
            
113
      "state": "active",
113
      "state": "active",
            
114
      "url": 
114
      "url": 
            
115
d20c/download/probabilistic_traffic_motion_labeling_for_multi-mo.pdf",
115
d20c/download/probabilistic_traffic_motion_labeling_for_multi-mo.pdf",
            
116
      "url_type": "upload"
116
      "url_type": "upload"
            
117
    }
117
    }
            
118
  ],
118
  ],
            
119
  "spatial": "",
119
  "spatial": "",
            
t
120
  "state": "draft",
t
120
  "state": "active",
            
121
  "tags": [
121
  "tags": [
            
122
    {
122
    {
            
123
      "display_name": "Article",
123
      "display_name": "Article",
            
124
      "id": "e80a4ad9-1e6b-48d4-93f9-34e9d89bc67b",
124
      "id": "e80a4ad9-1e6b-48d4-93f9-34e9d89bc67b",
            
125
      "name": "Article",
125
      "name": "Article",
            
126
      "state": "active",
126
      "state": "active",
            
127
      "vocabulary_id": null
127
      "vocabulary_id": null
            
128
    }
128
    }
            
129
  ],
129
  ],
            
130
  "title": "Probabilistic Traffic Motion Labeling for Multi-Modal 
130
  "title": "Probabilistic Traffic Motion Labeling for Multi-Modal 
            
131
Vehicle Route Prediction",
131
Vehicle Route Prediction",
            
132
  "type": "dataset",
132
  "type": "dataset",
            
133
  "url": null,
133
  "url": null,
            
134
  "version": ""
134
  "version": ""
            
135
}
135
}