A Unified Probabilistic Approach to Traffic Conflict Detection

要約

交通衝突検出は、潜在的な衝突を発生前に特定することで、予防的な交通安全を実現するために不可欠です。
既存の方法は、特定のインタラクション（車の追従、横スワイプ、道路横断など）に合わせた代替安全対策に依存しており、さまざまな交通状況で異なるしきい値を必要とします。
この変動により、進化する交通環境における競合検出の不整合と適応性の制限が生じます。
したがって、インタラクションコンテキスト全体でトラフィックの競合を一貫して検出する必要性が依然として存在します。
このニーズに対処するために、この研究では統一された確率的アプローチを提案します。
提案されたアプローチは、交通衝突検出の統一フレームワークを確立し、交通衝突は、道路利用者の相互作用のコンテキスト依存の極端なイベントとして定式化されます。
次に、競合の検出は、インタラクションコンテキストの表現、近接分布の推論、極度の衝突リスクの評価といった一連の統計学習タスクに分解されます。
統一された定式化は、交通衝突のさまざまな仮説に対応し、学習タスクにより、道路利用者の運動状態、環境条件、参加者の特性などの要素のデータ駆動型分析が可能になります。
共同して、このアプローチは、道路利用者とのやり取りで生じる衝突リスクの一貫した包括的な評価をサポートします。
実世界の軌道データを使用した私たちの実験では、このアプローチが効果的な衝突警告を提供し、異なるデータセットと交通環境全体で一般化され、広範囲の紛争タイプをカバーし、紛争強度のロングテール分布を捕捉できることが示されました。
この調査結果は、交通インフラと政策の安全性評価を強化し、自動運転のための衝突警告システムを改善し、安全が重要な相互作用における道路利用者の行動についての理解を深める可能性があることを強調しています。

要約(オリジナル)

Traffic conflict detection is essential for proactive road safety by identifying potential collisions before they occur. Existing methods rely on surrogate safety measures tailored to specific interactions (e.g., car-following, side-swiping, or path-crossing) and require varying thresholds in different traffic conditions. This variation leads to inconsistencies and limited adaptability of conflict detection in evolving traffic environments. Consequently, a need persists for consistent detection of traffic conflicts across interaction contexts. To address this need, this study proposes a unified probabilistic approach. The proposed approach establishes a unified framework of traffic conflict detection, where traffic conflicts are formulated as context-dependent extreme events of road user interactions. The detection of conflicts is then decomposed into a series of statistical learning tasks: representing interaction contexts, inferring proximity distributions, and assessing extreme collision risk. The unified formulation accommodates diverse hypotheses of traffic conflicts and the learning tasks enable data-driven analysis of factors such as motion states of road users, environment conditions, and participant characteristics. Jointly, this approach supports consistent and comprehensive evaluation of the collision risk emerging in road user interactions. Our experiments using real-world trajectory data show that the approach provides effective collision warnings, generalises across distinct datasets and traffic environments, covers a broad range of conflict types, and captures a long-tailed distribution of conflict intensity. The findings highlight its potential to enhance the safety assessment of traffic infrastructures and policies, improve collision warning systems for autonomous driving, and deepen the understanding of road user behaviour in safety-critical interactions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google