論文の概要: Urban Traffic Accident Risk Prediction Revisited: Regionality, Proximity, Similarity and Sparsity

• arxiv url: http://arxiv.org/abs/2407.19668v1
• Date: Mon, 29 Jul 2024 03:10:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-30 15:16:04.585252
• Title: Urban Traffic Accident Risk Prediction Revisited: Regionality, Proximity, Similarity and Sparsity
• Title（参考訳）: 都市交通事故リスク予測の再検討 : 地域性, 近縁性, 類似性, 空間性
• Authors: Minxiao Chen, Haitao Yuan, Nan Jiang, Zhifeng Bao, Shangguang Wang,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 18.566139471849844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traffic accidents pose a significant risk to human health and property safety. Therefore, to prevent traffic accidents, predicting their risks has garnered growing interest. We argue that a desired prediction solution should demonstrate resilience to the complexity of traffic accidents. In particular, it should adequately consider the regional background, accurately capture both spatial proximity and semantic similarity, and effectively address the sparsity of traffic accidents. However, these factors are often overlooked or difficult to incorporate. In this paper, we propose a novel multi-granularity hierarchical spatio-temporal network. Initially, we innovate by incorporating remote sensing data, facilitating the creation of hierarchical multi-granularity structure and the comprehension of regional background. We construct multiple high-level risk prediction tasks to enhance model's ability to cope with sparsity. Subsequently, to capture both spatial proximity and semantic similarity, region feature and multi-view graph undergo encoding processes to distill effective representations. Additionally, we propose message passing and adaptive temporal attention module that bridges different granularities and dynamically captures time correlations inherent in traffic accident patterns. At last, a multivariate hierarchical loss function is devised considering the complexity of the prediction purpose. Extensive experiments on two real datasets verify the superiority of our model against the state-of-the-art methods.
• Abstract（参考訳）: 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。 そのため、交通事故を防止するため、リスクを予測することが関心を高めている。 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。 特に、地域背景を適切に考慮し、空間的近接性と意味的類似性の両方を正確に把握し、交通事故の空間性に効果的に対処すべきである。 しかし、これらの要因はしばしば見過ごされるか、組み込むのが困難である。 本稿では,新しい階層型階層型時空間ネットワークを提案する。 当初、リモートセンシングデータを導入し、階層的多粒度構造の構築と地域背景の理解を促進する。 我々は,複数の高レベルリスク予測タスクを構築し,空間性に対処するモデルの能力を高める。 その後、空間的近接性と意味的類似性の両方を捉えるため、領域特徴と多視点グラフは、効率的な表現を抽出するエンコーディングプロセスを実行する。 さらに、異なる粒度をブリッジし、交通事故パターン固有の時間相関を動的にキャプチャするメッセージパッシングおよび適応時間アテンションモジュールを提案する。 最後に,予測目的の複雑さを考慮した多変量階層的損失関数を考案した。 2つの実際のデータセットに対する大規模な実験は、最先端の手法に対する我々のモデルの優位性を検証する。

関連論文リスト

• 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)
• 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)
• 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)
• Implicit Occupancy Flow Fields for Perception and Prediction in Self-Driving [68.95178518732965]
  自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。 既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。 これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
  論文  参考訳（メタデータ） (2023-08-02T23:39:24Z)
• Traffic Accident Risk Forecasting using Contextual Vision Transformers [4.8986598953553555]
  私たちは、エンド・ツー・エンドのアプローチでトレーニングできる新しいフレームワーク、すなわちコンテキスト・ビジョン・トランスフォーマーを提案しています。 文献からのベースラインアプローチに対する提案手法の性能評価と比較を行った。 その結果,従来の論文(SoTA)と比較すると,約2%のRMSEスコアで有意な改善が見られた。
  論文  参考訳（メタデータ） (2022-09-20T23:38:06Z)
• HintNet: Hierarchical Knowledge Transfer Networks for Traffic Accident Forecasting on Heterogeneous Spatio-Temporal Data [17.345649325770957]
  交通事故予測は交通管理と公共安全にとって重要な問題である。 交通事故の発生は、空間的・時間的特徴間の複雑な依存関係に影響される。 近年の交通事故予測手法では, 深層学習モデルによる精度向上が試みられている。
  論文  参考訳（メタデータ） (2022-03-07T02:11:04Z)
• Spatial-Temporal Conv-sequence Learning with Accident Encoding for Traffic Flow Prediction [17.94199362114272]
  インテリジェント交通システムにおいて、交通予測の重要な問題は、周期的時間的依存関係と複雑な空間的相関を抽出する方法である。 本研究では、集中時間ブロックが一方向の畳み込みを用いて、短時間の時間的依存を効果的に捉えた時空間連続学習(STCL)を提案する。 本研究では,大規模実世界のタスクについて広範な実験を行い,提案手法の有効性を検証した。
  論文  参考訳（メタデータ） (2021-05-21T17:43:07Z)
• 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)
• Multi-intersection Traffic Optimisation: A Benchmark Dataset and a Strong Baseline [85.9210953301628]
  交通信号の制御は、都市部の交通渋滞の緩和に必要不可欠である。 問題モデリングの複雑さが高いため、現在の作業の実験的な設定はしばしば矛盾する。 エンコーダ・デコーダ構造を用いた深層強化学習に基づく新規で強力なベースラインモデルを提案する。
  論文  参考訳（メタデータ） (2021-01-24T03:55:39Z)
• A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction [74.00750936752418]
  空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。 まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。 第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
  論文  参考訳（メタデータ） (2020-03-13T04:35:50Z)
• RiskOracle: A Minute-level Citywide Traffic Accident Forecasting Framework [12.279252772816216]
  交通事故のリアルタイム予測は、公共の安全と都市管理にとってますます重要になっている。 事故予測に関するこれまでの研究はしばしば時間レベルで行われ、既存のニューラルネットワークと静的な地域関係を考慮に入れている。 本稿では,予測の粒度を細部まで改善する新しいフレームワークであるR RiskOracleを提案する。
  論文  参考訳（メタデータ） (2020-02-19T07:18:46Z)

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。