論文の概要: Vehicle-group-based Crash Risk Formation and Propagation Analysis for
Expressways
- arxiv url: http://arxiv.org/abs/2402.12415v1
- Date: Mon, 19 Feb 2024 07:47:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-21 18:52:05.548795
- Title: Vehicle-group-based Crash Risk Formation and Propagation Analysis for
Expressways
- Title(参考訳): 自動車群による高速道路の衝突リスク形成と伝播解析
- Authors: Tianheng Zhu, Ling Wang, Yiheng Feng, Wanjing Ma and Mohamed Abdel-Aty
- Abstract要約: 本研究は,車両群を分析対象とし,リスク形成・伝播機構について検討する。
事故リスクに寄与する要因として, 過去の高リスク車両群, 複雑な車両挙動, 大型車両の割合, 車両群内での車線変更頻度, 特定の道路ジオメトリーなどが挙げられる。
その結果,高リスク状態の長期化,車両群の大きさの増大,車線変化の頻繁化が有害なリスク伝播パターンと関連していることが示唆された。
- 参考スコア(独自算出の注目度): 9.337163968120915
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Previous studies in predicting crash risk primarily associated the number or
likelihood of crashes on a road segment with traffic parameters or geometric
characteristics of the segment, usually neglecting the impact of vehicles'
continuous movement and interactions with nearby vehicles. Advancements in
communication technologies have empowered driving information collected from
surrounding vehicles, enabling the study of group-based crash risks. Based on
high-resolution vehicle trajectory data, this research focused on vehicle
groups as the subject of analysis and explored risk formation and propagation
mechanisms considering features of vehicle groups and road segments. Several
key factors contributing to crash risks were identified, including past
high-risk vehicle-group states, complex vehicle behaviors, high percentage of
large vehicles, frequent lane changes within a vehicle group, and specific road
geometries. A multinomial logistic regression model was developed to analyze
the spatial risk propagation patterns, which were classified based on the trend
of high-risk occurrences within vehicle groups. The results indicated that
extended periods of high-risk states, increase in vehicle-group size, and
frequent lane changes are associated with adverse risk propagation patterns.
Conversely, smoother traffic flow and high initial crash risk values are linked
to risk dissipation. Furthermore, the study conducted sensitivity analysis on
different types of classifiers, prediction time intervalsss and adaptive TTC
thresholds. The highest AUC value for vehicle-group risk prediction surpassed
0.93. The findings provide valuable insights to researchers and practitioners
in understanding and prediction of vehicle-group safety, ultimately improving
active traffic safety management and operations of Connected and Autonomous
Vehicles.
- Abstract(参考訳): 衝突リスクの予測に関する以前の研究は、主に交通パラメータやセグメントの幾何学的特徴を持つ道路区間の衝突数や可能性に関係しており、通常、車両の連続移動や周辺車両との相互作用の影響を無視している。
通信技術の進歩は、周囲の車両から収集された運転情報を強化し、グループベースの事故リスクの研究を可能にした。
本研究は,高分解能車両軌道データに基づいて,車両群を分析対象とし,車両群と道路セグメントの特徴を考慮したリスク形成と伝播機構を考察した。
衝突リスクに寄与するいくつかの重要な要因は、過去のリスクの高い車両群状態、複雑な車両の挙動、大型車両の割合、車両群内の頻繁な車線変更、特定の道路ジオメトリなどであった。
車両群内の高リスク発生傾向に基づいて分類した空間的リスク伝播パターンを解析するために, 多項ロジスティック回帰モデルを開発した。
その結果,高リスク状態の長期化,車両群サイズの増加,頻繁な車線変更はリスク伝播パターンと関係していることが示唆された。
逆に、よりスムーズなトラフィックフローと高い初期衝突リスク値は、リスク散逸と関連している。
さらに, 分類器の種類, 予測時間間隔, 適応ttcしきい値の感度解析を行った。
車両群リスク予測の最高 auc 値は 0.93 を上回った。
この発見は、研究者や実践者に、車両群安全性の理解と予測に関する貴重な洞察を与え、最終的にコネクテッド・アンド・オートマチック・ビークルズのアクティブな交通安全管理と運用を改善した。
関連論文リスト
- Traffic and Safety Rule Compliance of Humans in Diverse Driving Situations [48.924085579865334]
安全な運転プラクティスを再現する自律システムを開発するためには、人間のデータを分析することが不可欠だ。
本稿では,複数の軌道予測データセットにおける交通・安全規則の適合性の比較評価を行う。
論文 参考訳(メタデータ) (2024-11-04T09:21:00Z) - Learning Traffic Crashes as Language: Datasets, Benchmarks, and What-if Causal Analyses [76.59021017301127]
我々は,CrashEventという大規模トラフィッククラッシュ言語データセットを提案し,実世界のクラッシュレポート19,340を要約した。
さらに,クラッシュイベントの特徴学習を,新たなテキスト推論問題として定式化し,さらに様々な大規模言語モデル(LLM)を微調整して,詳細な事故結果を予測する。
実験の結果, LLMに基づくアプローチは事故の重大度を予測できるだけでなく, 事故の種類を分類し, 損害を予測できることがわかった。
論文 参考訳(メタデータ) (2024-06-16T03:10:16Z) - Context-Aware Quantitative Risk Assessment Machine Learning Model for
Drivers Distraction [0.0]
MDDRA(Multi-class Driver Distraction Risk Assessment)モデルは、旅行中の車両、運転者、環境データを考慮したモデルである。
MDDRAは、危険行列上のドライバーを安全、不注意、危険と分類する。
我々は、重度レベルに応じて運転者の気晴らしを分類し、予測するために機械学習技術を適用した。
論文 参考訳(メタデータ) (2024-02-20T23:20:36Z) - Risk-anticipatory autonomous driving strategies considering vehicles' weights, based on hierarchical deep reinforcement learning [12.014977175887767]
本研究では,周囲の車両の重量を考慮し,リスク予測に基づく自律運転戦略を開発する。
リスクフィールド理論に基づいて、周囲の車両重量を統合するリスクインジケータを提案し、自律運転決定に組み込んだ。
衝突時の潜在的な衝突エネルギーを示す指標を新たに提案し, AV駆動方式の性能評価を行った。
論文 参考訳(メタデータ) (2023-12-27T06:03:34Z) - RACER: Rational Artificial Intelligence Car-following-model Enhanced by
Reality [51.244807332133696]
本稿では,アダプティブ・クルーズ・コントロール(ACC)運転行動を予測する,最先端の深層学習車追従モデルであるRACERを紹介する。
従来のモデルとは異なり、RACERは実走行の重要な要素であるRDC(Rational Driving Constraints)を効果的に統合している。
RACERはアクセラレーション、ベロシティ、スペーシングといった主要なメトリクスを網羅し、ゼロ違反を登録する。
論文 参考訳(メタデータ) (2023-12-12T06:21:30Z) - A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。
本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文 参考訳(メタデータ) (2023-08-02T09:48:08Z) - RCP-RF: A Comprehensive Road-car-pedestrian Risk Management Framework
based on Driving Risk Potential Field [1.625213292350038]
本研究では,コネクテッド・アンド・オートマチック・ビークル(CAV)環境下での電位場理論に基づく総合運転リスク管理フレームワークRCP-RFを提案する。
既存のアルゴリズムと異なり,エゴ車と障害物車と歩行者係数の移動傾向は,提案手法において正当に考慮されている。
実世界のデータセットNGSIMおよび実AVプラットフォーム上での最先端手法に対する提案手法の優位性を検証する実証的研究を行った。
論文 参考訳(メタデータ) (2023-05-04T01:54:37Z) - Probabilistic Uncertainty-Aware Risk Spot Detector for Naturalistic
Driving [1.8047694351309207]
リスクアセスメントは自動運転車の開発と検証の中心的な要素である。
Time Headway (TH) と Time-To-Contact (TTC) は一般的にリスクメトリクスとして使われ、発生確率と質的な関係を持つ。
本稿では,生存分析に基づく確率論的状況リスクモデルを提案し,それを自然に知覚・時間的・行動的不確実性に組み込むよう拡張する。
論文 参考訳(メタデータ) (2023-03-13T15:22:51Z) - Analyzing vehicle pedestrian interactions combining data cube structure
and predictive collision risk estimation model [5.73658856166614]
本研究では,フィールドと集中型プロセスを組み合わせた歩行者安全システムについて紹介する。
本システムは,現場における今後のリスクを直ちに警告し,実際の衝突のない道路の安全レベルを評価することにより,危険頻繁なエリアの安全性を向上させることができる。
論文 参考訳(メタデータ) (2021-07-26T23:00:56Z) - A model for traffic incident prediction using emergency braking data [77.34726150561087]
道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。
メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
論文 参考訳(メタデータ) (2021-02-12T18:17:12Z) - Cautious Adaptation For Reinforcement Learning in Safety-Critical
Settings [129.80279257258098]
都市運転のような現実の安全クリティカルな目標設定における強化学習(RL)は危険である。
非安全クリティカルな「ソース」環境でエージェントが最初に訓練する「安全クリティカル適応」タスクセットを提案する。
多様な環境における事前経験がリスクを見積もるためにエージェントに装備するという直感に基づくソリューションアプローチであるCARLを提案する。
論文 参考訳(メタデータ) (2020-08-15T01:40:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。