1. 美国自动驾驶数据集
-
NGSIM: http://ngsim-community.org/
US 101 - http://gateway.path.berkeley.edu/ngsimdocs/US-101
早上45分钟的数据,每15分钟记录, vehicle trajectory data provide precise location of each vehicle 10HZ
I-80 -http://gateway.path.berkeley.edu/ngsimdocs/I-80
下午45分钟的数据,每15分钟记录, vehicle trajectory data provide precise location of each vehicle 10HZ
数据特征:
-
VANETs
2. 论文
几篇论文主要是来自CMU的John M. Dolan团队。
2.1
论文1:Lane-Change Social Behavior Generator for Autonomous Driving Car
by Non-parametric Regression in Reproducing Kernel Hilbert Space, by Chiyu Dong, Yihuan Zhangy and John M. Dolanz
问题描述
换道场景:
输入:本车轨迹,周围车(本车道前后车,目标车道并行车及其前后车)的轨迹
输出:换道行为(换道起点和终点) 连续的值。 起点和终点定义如下:
问题扩展
为了理解换道论文,首先来了解RKHS空间是如何定义的
RKHS: reproducing Kernel Hilbert Space 再生核空间 (SVM中常提到)
论文2:Functional Gradient Motion Planning in Reproducing Kernel Hilbert Spaces
https://arxiv.org/abs/1601.03648 同样来自CMU 2016年
The motivation of kernel method arises in mapping a vector in Rn space as another vector in a feature space( high-dimension feature space).
核函数:
通过某非线性变换 φ( x) ,将输入空间映射到高维特征空间。特征空间的维数可能非常高。如果支持向量机的求解只用到内积运算,而在低维输入空间又存在某个函数 K(x, x′) ,它恰好等于在高维空间中这个内积,即K( x, x′) =<φ( x) ⋅φ( x′) > 。那么支持向量机就不用计算复杂的非线性变换,而由这个函数 K(x, x′) 直接得到非线性变换的内积,使大大简化了计算。这样的函数 K(x, x′) 称为核函数。
核函数性质:对称性和正定性
对称性.
正定性
特征值 lambda和 特征函数正定性
{ψi}: 1->∞ construct a set of orthogonal basis for a function space.
RKHS:
距离:度量空间,非负性,对称性,三角不等性
范数是x到点0的距离,范数是距离,但距离不一定是范数
范数:赋范空间 (没有角度维度) 非负性, ||ax||=|a| ||x||,三角不等性
内积:内积空间 n维内积空间常指欧几里得空间 非负性,对第一变元的线性性,正定性
①对H中的任何两个向量x,y,有(x,y)=(y,x);
②对H中的任何三个向量x、y、z及实数α、β,有(αx+βy,z)=α(x,z)+β(y,z);
③对H中的一切向量x,均有(x,x)≥0,且(x,x)=0的充分必要条件是x=0。则(x,y)称为是H上的一个内积,而H称为内积空间。
有了内积的操作,才有了正交等新的属性。
赋范空间+完备性 = 巴拿赫空间
内积空间+完备性+无穷维空间 = Hilbert空间
有了范数,有了内积,的完备内积空间
希尔伯特空间是一个函数空间,即空间中每个元素都是一个函数。
- RHKS这一部分参考文献3中的介绍,相当于前面英文版的翻译。
- 一个函数f(x)可以看作是采样状态下的一个向量,可写成积分形式(f(x0), f(x1),…,f(xn)),是为了理解无穷维的概念。
- 一个函数空间(RHKS)的内积,可以理解为
- 核函数的作用是利用低维空间中的一个kernel函数代替对应高维空间中的内积运算,可以避免计算非线性变换,核函数K(x,y)的特性是:
核函数的特征函数是正交的,特征函数相当于线性空间中 Ax= λ \lambda λx 中的特征向量或者基底 x x x
利用函数无穷维的向量定义,原来的核函数也可以分解成为核函数之间相乘的结果
(1)
可再生性
可再生性讲的是 把RKHS上的内积操作转换为一个核函数操作
RKHS是由核函数构成的空间,存在一组无穷维基底 { λ i ϕ i } i = 0 ∞ \{
{ \sqrt{\lambda_i} \phi_i} \}_{i=0}^{\infty} {
λiϕi}i=0∞
空间中任意函数f(x)和g(y)可表示成为 f = ∑ i = 1 ∞ f i λ i ϕ i f=\sum_{i=1}^{\infty}f_i \sqrt{\lambda_i} \phi_i f=∑i=1