論文の概要: A Real-time Evaluation Framework for Pedestrian's Potential Risk at Non-Signalized Intersections Based on Predicted Post-Encroachment Time
- arxiv url: http://arxiv.org/abs/2404.15635v1
- Date: Wed, 24 Apr 2024 04:10:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-26 20:09:25.225015
- Title: A Real-time Evaluation Framework for Pedestrian's Potential Risk at Non-Signalized Intersections Based on Predicted Post-Encroachment Time
- Title（参考訳）: 予測エンクロメント時間に基づく非信号区間における歩行者の潜在的リスクのリアルタイム評価フレームワーク
- Authors: Tengfeng Lin, Zhixiong Jin, Seongjin Choi, Hwasoo Yeo,
- Abstract要約: 本研究では,歩行者の潜在的なリスクをリアルタイムに評価するために,コンピュータビジョン技術と予測モデルを用いたフレームワークを開発した。
P-PET(Predicted Post-Encroachment Time)は、交差点で歩行者や車両が到着する時刻を予測できるディープラーニングモデルから派生した、予測後時間(Predicted Post-Encroachment Time)である。
- 参考スコア（独自算出の注目度）: 1.0124625066746595
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Addressing pedestrian safety at intersections is one of the paramount concerns in the field of transportation research, driven by the urgency of reducing traffic-related injuries and fatalities. With advances in computer vision technologies and predictive models, the pursuit of developing real-time proactive protection systems is increasingly recognized as vital to improving pedestrian safety at intersections. The core of these protection systems lies in the prediction-based evaluation of pedestrian's potential risks, which plays a significant role in preventing the occurrence of accidents. The major challenges in the current prediction-based potential risk evaluation research can be summarized into three aspects: the inadequate progress in creating a real-time framework for the evaluation of pedestrian's potential risks, the absence of accurate and explainable safety indicators that can represent the potential risk, and the lack of tailor-made evaluation criteria specifically for each category of pedestrians. To address these research challenges, in this study, a framework with computer vision technologies and predictive models is developed to evaluate the potential risk of pedestrians in real time. Integral to this framework is a novel surrogate safety measure, the Predicted Post-Encroachment Time (P-PET), derived from deep learning models capable to predict the arrival time of pedestrians and vehicles at intersections. To further improve the effectiveness and reliability of pedestrian risk evaluation, we classify pedestrians into distinct categories and apply specific evaluation criteria for each group. The results demonstrate the framework's ability to effectively identify potential risks through the use of P-PET, indicating its feasibility for real-time applications and its improved performance in risk evaluation across different categories of pedestrians.
- Abstract（参考訳）: 交差点での歩行者の安全対策は、交通関連の負傷者や死亡者を減らす緊急性によって引き起こされる交通研究の分野における最重要課題の1つである。
コンピュータビジョン技術や予測モデルの発展に伴い、リアルタイムのプロアクティブな保護システムの開発が交差点における歩行者の安全向上に欠かせないものとなっている。
これらの保護システムの中核は、歩行者の潜在的なリスクの予測に基づく評価であり、事故の発生を防ぐ重要な役割を担っている。
現在の予測に基づく潜在的なリスク評価研究における大きな課題は、歩行者の潜在的なリスクを評価するためのリアルタイムフレームワークを作成するための不十分な進歩、潜在的なリスクを表現するための正確で説明可能な安全指標の欠如、歩行者の各カテゴリーに特有な調整済みの評価基準の欠如、の3つの側面にまとめることができる。
これらの課題に対処するために,コンピュータビジョン技術と予測モデルを用いたフレームワークを開発し,歩行者の潜在的なリスクをリアルタイムで評価する。
この枠組みと一体化しているのは、歩行者や車両の交差点到着時刻を予測できるディープラーニングモデルから派生した、新しいサロゲート安全対策であるPredicted Post-Encroachment Time (P-PET)である。
歩行者のリスク評価の有効性と信頼性をさらに向上するため,歩行者を異なるカテゴリーに分類し,グループ毎に具体的な評価基準を適用した。
本研究は,P-PETを用いて潜在的リスクを効果的に識別する能力を示し,リアルタイムアプリケーションの実現可能性と,歩行者の異なるカテゴリーにおけるリスク評価性能の向上を示すものである。
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) - ROADFIRST: A Comprehensive Enhancement of the Systemic Approach to Safety for Improved Risk Factor Identification and Evaluation [2.710150409047222]
我々はROADFIRSTと呼ばれる拡張プロセスを開発し、ユーザは潜在的なクラッシュタイプを識別し、任意の場所で要因をコントリビュートすることができる。
ノースカロライナの事故および道路在庫データによると、アルコール欠乏運転、注意をそらした運転、スピードリングの3つの要因が原因となる可能性を特定し、ランク付けする。
論文 参考訳（メタデータ） (2024-10-28T20:27:45Z) - 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) - Safety Margins for Reinforcement Learning [53.10194953873209]
安全マージンを生成するためにプロキシ臨界度メトリクスをどのように活用するかを示す。
Atari 環境での APE-X と A3C からの学習方針に対するアプローチを評価する。
論文 参考訳（メタデータ） (2023-07-25T16:49:54Z) - 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) - A Probabilistic Framework for Estimating the Risk of Pedestrian-Vehicle
Conflicts at Intersections [5.8366275205801985]
本研究では,交差点における歩行者と車両の衝突リスクを推定するための確率的枠組みを提案する。
提案フレームワークは,ガウスプロセス回帰を用いた軌道予測により,一定速度の制約を緩和する。
交差点で収集した実世界のLiDARデータを用いて,提案フレームワークの性能評価を行った。
論文 参考訳（メタデータ） (2022-07-28T15:08:41Z) - The Impact of Algorithmic Risk Assessments on Human Predictions and its
Analysis via Crowdsourcing Studies [79.66833203975729]
我々は,在職者が将来の再起を予測することを任務とするヴィグネット研究を行う。
参加者は、再逮捕の確率が50%よりかなり低いと判断しても、犯罪者が再逮捕されることをしばしば予測します。
裁判官の判断は、参加者の予測とは異なり、部分的には再逮捕の可能性がある要因に依存する。
論文 参考訳（メタデータ） (2021-09-03T11:09:10Z) - 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 novel method of predictive collision risk area estimation for
proactive pedestrian accident prevention system in urban surveillance
infrastructure [6.777019450570473]
道路交通事故は、人間の生活に深刻な脅威をもたらし、早期死亡の主な原因となっています。
歩行者の衝突を予防するためのブレークスルーは、CCTVなどの視覚センサに基づいて歩行者の潜在的なリスクを認識することです。
本研究では,無信号横断歩道における衝突リスク領域推定システムを提案する。
論文 参考訳（メタデータ） (2021-05-06T10:29:44Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳（メタデータ） (2020-09-20T12:24:45Z) - Can Autonomous Vehicles Identify, Recover From, and Adapt to
Distribution Shifts? [104.04999499189402]
トレーニング外の配布(OOD)シナリオは、デプロイ時にエージェントを学ぶ上で一般的な課題である。
インプロバスト模倣計画(RIP)と呼ばれる不確実性を考慮した計画手法を提案する。
提案手法は,OODシーンにおける過信および破滅的な外挿を低減し,分布変化を検知し,回復することができる。
分散シフトを伴うタスク群に対する駆動エージェントのロバスト性を評価するために,自動走行車ノベルシーンベンチマークであるtexttCARNOVEL を導入する。
論文 参考訳（メタデータ） (2020-06-26T11:07:32Z)
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。