論文の概要: A Unified Probabilistic Approach to Traffic Conflict Detection

• arxiv url: http://arxiv.org/abs/2407.10959v4
• Date: Thu, 14 Nov 2024 11:23:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-15 15:21:58.227889
• Title: A Unified Probabilistic Approach to Traffic Conflict Detection
• Title（参考訳）: 交通衝突検出のための統一確率的アプローチ
• Authors: Yiru Jiao, Simeon C. Calvert, Sander van Cranenburgh, Hans van Lint,
• Abstract要約: 本研究では,交通競合検出に対する統一的確率論的アプローチを提案する。 提案手法は,道路ユーザインタラクションのコンテキスト依存的な極端なイベントとしてトラフィック競合を定式化する,トラフィック競合検出の統一的な枠組みを確立する。 この結果は、交通インフラや政策の安全性評価を強化し、自動運転車の衝突警告システムを改善し、安全クリティカルな相互作用における道路利用者の行動の理解を深める可能性を強調している。
• 参考スコア（独自算出の注目度）: 3.1457219084519004
• License:
• Abstract: 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.
• Abstract（参考訳）: 交通衝突の検出は、衝突が起こる前に潜在的な衝突を特定することによって、積極的に道路の安全を確保するために不可欠である。 既存の方法は、特定の相互作用(例えば、自動車追従、サイドスワイピング、パスクロス)に合わせて調整されたサロゲート安全対策に依存しており、異なる交通条件において様々なしきい値を必要とする。 この変動は、進化する交通環境における競合検出の不整合と限定的な適応性をもたらす。 その結果、相互作用コンテキスト間のトラフィックの衝突を一貫して検出する必要性が持続する。 このニーズに対処するために,本研究では統一確率論的アプローチを提案する。 提案手法は,道路ユーザインタラクションのコンテキスト依存的な極端なイベントとしてトラフィック競合を定式化する,トラフィック競合検出の統一的な枠組みを確立する。 対立の検出は、相互作用のコンテキストを表現し、近接分布を推定し、極端な衝突リスクを評価する、一連の統計的学習タスクに分解される。 統合された定式化は、交通紛争の多様な仮説に対応し、学習タスクは、道路利用者の運動状態、環境条件、参加者特性などの要因をデータ駆動で分析することを可能にする。 提案手法は,道路利用者の対話において発生する衝突リスクの総合的・一貫した評価を支援する。 実世界の軌道データを用いて実験したところ、この手法は効果的な衝突警告を提供し、異なるデータセットや交通環境にまたがって一般化し、幅広い紛争タイプをカバーし、紛争強度の長期分布を捉えていることがわかった。 この結果は、交通インフラや政策の安全性評価を強化し、自動運転車の衝突警告システムを改善し、安全クリティカルな相互作用における道路利用者の行動の理解を深める可能性を強調している。

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)
• Urban Traffic Accident Risk Prediction Revisited: Regionality, Proximity, Similarity and Sparsity [18.566139471849844]
  交通事故は人間の健康と財産の安全に重大な危険をもたらす。 交通事故を防ぐために、リスクを予測することで関心が高まっている。 望ましい予測ソリューションは、交通事故の複雑さに対するレジリエンスを示すべきである、と我々は主張する。
  論文  参考訳（メタデータ） (2024-07-29T03:10:15Z)
• MSCT: Addressing Time-Varying Confounding with Marginal Structural Causal Transformer for Counterfactual Post-Crash Traffic Prediction [24.3907895281179]
  本稿では,ポストクラッシュ交通予測のための新しい深層学習モデルを提案する。 提案モデルでは, 仮説的衝突介入戦略の下での交通速度の理解と予測に特化して, 処理を意識したモデルを提案する。 このモデルは、合成データと実世界のデータの両方を用いて検証され、MSCTがマルチステップ・アヘッド予測性能において最先端モデルより優れていることを示す。
  論文  参考訳（メタデータ） (2024-07-19T06:42:41Z)
• XTraffic: A Dataset Where Traffic Meets Incidents with Explainability and More [38.092415845567345]
  トラヒックとインシデントという2つの非常に相関の深いトラックで研究が行われている。 XTrafficデータセットには、トラフィック、すなわち、トラフィックフロー、車線占有率、平均車両速度の時系列インデックスが含まれている。 各ノードは、レーンの詳細な物理ポリシーレベルのメタ属性を含む。
  論文  参考訳（メタデータ） (2024-07-16T08:16:01Z)
• 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)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• AccidentGPT: Accident Analysis and Prevention from V2X Environmental Perception with Multi-modal Large Model [32.14950866838055]
  AccidentGPTは総合的な事故解析とマルチモーダル大模型の予防である。 自律走行車では、車両を制御し衝突を避けるための総合的な環境認識と理解を提供する。 人間の運転する車には、プロアクティブな長距離安全警告と盲点警告を提供します。 我々のフレームワークは、歩行者、車両、道路、環境を含む交通安全のインテリジェントでリアルタイムな分析を支援する。
  論文  参考訳（メタデータ） (2023-12-20T16:19:47Z)
• Uncertainty Quantification for Image-based Traffic Prediction across Cities [63.136794104678025]
  不確実量化(UQ)法は確率論的推論を誘導するためのアプローチを提供する。 複数の都市にまたがる大規模画像ベース交通データセットへの適用について検討する。 モスクワ市を事例として,交通行動に対する時間的・空間的影響を考察した。
  論文  参考訳（メタデータ） (2023-08-11T13:35:52Z)
• 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)
• 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)
• Congestion-aware Multi-agent Trajectory Prediction for Collision Avoidance [110.63037190641414]
  渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。 学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。 実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
  論文  参考訳（メタデータ） (2021-03-26T02:42:33Z)

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。