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

• arxiv url: http://arxiv.org/abs/2407.10959v5
• Date: Sat, 21 Dec 2024 09:19:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-24 15:51:52.122829
• 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)
• 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)
• Interpretable Traffic Event Analysis with Bayesian Networks [24.029078330299722]
  本稿では,ベイジアンネットワークに基づく交通事故予測のための解釈可能なフレームワークを提案する。 我々は、重要なトラフィックデータ情報を保持しながら、トラフィックデータをフレームワークに供給するデータセット構築パイプラインを設計する。 具体的なケーススタディにより、我々のフレームワークは、アメリカ各地の気象と交通事象の因果関係に基づくデータセットからベイズネットワークを導出することができる。
  論文  参考訳（メタデータ） (2023-10-10T15:38:30Z)
• STRIDE: Street View-based Environmental Feature Detection and Pedestrian Collision Prediction [1.002773173311891]
  本研究では,大規模なパノラマ画像に構築された環境検知タスクと,歩行者衝突頻度予測タスクを導入する。 本実験は,建築環境要素の物体検出と歩行者衝突頻度予測との間に有意な相関関係を示す。
  論文  参考訳（メタデータ） (2023-08-25T05:25:01Z)
• Cooperative Saliency-based Obstacle Detection and AR Rendering for Increased Situational Awareness [3.010893618491329]
  本稿では,サリエンシに基づく分散的協調的障害物検出・レンダリング手法を提案する。 提案手法は,近年の他の手法と比較して,良好な結果と特徴を提供する。
  論文  参考訳（メタデータ） (2023-02-02T07:32:13Z)
• A Utility Maximization Model of Pedestrian and Driver Interactions [5.02231401459109]
  本研究では,道路利用者間の対話行動の詳細を考慮し,実用性,運動プリミティブ,断続的行動決定の原則を適用したモデリングフレームワークを開発する。 これらの現象は、モデルがパラメータを進化させることによって、モデリングフレームワークから自然に現れることを示す。
  論文  参考訳（メタデータ） (2021-10-21T09:42:02Z)
• 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)
• Studying Person-Specific Pointing and Gaze Behavior for Multimodal Referencing of Outside Objects from a Moving Vehicle [58.720142291102135]
  物体選択と参照のための自動車応用において、手指しと目視が広く研究されている。 既存の車外参照手法は静的な状況に重点を置いているが、移動車両の状況は極めて動的であり、安全性に制約がある。 本研究では,外部オブジェクトを参照するタスクにおいて,各モダリティの具体的特徴とそれら間の相互作用について検討する。
  論文  参考訳（メタデータ） (2020-09-23T14:56:19Z)
• Risk-Sensitive Sequential Action Control with Multi-Modal Human Trajectory Forecasting for Safe Crowd-Robot Interaction [55.569050872780224]
  本稿では,リスクに敏感な最適制御に基づく安全な群集ロボットインタラクションのためのオンラインフレームワークを提案し,そのリスクをエントロピーリスク尺度でモデル化する。 私たちのモジュラーアプローチは、クラウドとロボットの相互作用を学習ベースの予測とモデルベースの制御に分離します。 シミュレーション研究と実世界の実験により、このフレームワークは、現場にいる50人以上の人間との衝突を避けながら、安全で効率的なナビゲーションを実現することができることが示された。
  論文  参考訳（メタデータ） (2020-09-12T02:02:52Z)
• Implicit Latent Variable Model for Scene-Consistent Motion Forecasting [78.74510891099395]
  本稿では,センサデータから直接複雑な都市交通のシーン一貫性のある動き予測を学習することを目的とする。 我々は、シーンを相互作用グラフとしてモデル化し、強力なグラフニューラルネットワークを用いてシーンの分散潜在表現を学習する。
  論文  参考訳（メタデータ） (2020-07-23T14:31:25Z)

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。