論文の概要: How vehicles change lanes after encountering crashes: Empirical analysis and modeling

• arxiv url: http://arxiv.org/abs/2601.08125v1
• Date: Tue, 13 Jan 2026 01:37:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-14 18:27:19.005896
• Title: How vehicles change lanes after encountering crashes: Empirical analysis and modeling
• Title（参考訳）: 衝突事故後の車線変更方法:実証分析とモデリング
• Authors: Kequan Chen, Yuxuan Wang, Pan Liu, Victor L. Knoop, David Z. W. Wang, Yu Han,
• Abstract要約: 本研究では,ポストクラッシュLCの挙動特性と動作パターンについて検討した。 実験により, 義務LCと比較して, ポストクラッシュLCは長寿命, 挿入速度の低下, クラッシュリスクの増大が認められた。 我々は,ポストクラッシュLCのための新しい軌道予測フレームワークを開発した。
• 参考スコア（独自算出の注目度）: 21.185352574424165
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When a traffic crash occurs, following vehicles need to change lanes to bypass the obstruction. We define these maneuvers as post crash lane changes. In such scenarios, vehicles in the target lane may refuse to yield even after the lane change has already begun, increasing the complexity and crash risk of post crash LCs. However, the behavioral characteristics and motion patterns of post crash LCs remain unknown. To address this gap, we construct a post crash LC dataset by extracting vehicle trajectories from drone videos captured after crashes. Our empirical analysis reveals that, compared to mandatory LCs (MLCs) and discretionary LCs (DLCs), post crash LCs exhibit longer durations, lower insertion speeds, and higher crash risks. Notably, 79.4% of post crash LCs involve at least one instance of non yielding behavior from the new follower, compared to 21.7% for DLCs and 28.6% for MLCs. Building on these findings, we develop a novel trajectory prediction framework for post crash LCs. At its core is a graph based attention module that explicitly models yielding behavior as an auxiliary interaction aware task. This module is designed to guide both a conditional variational autoencoder and a Transformer based decoder to predict the lane changer's trajectory. By incorporating the interaction aware module, our model outperforms existing baselines in trajectory prediction performance by more than 10% in both average displacement error and final displacement error across different prediction horizons. Moreover, our model provides more reliable crash risk analysis by reducing false crash rates and improving conflict prediction accuracy. Finally, we validate the model's transferability using additional post crash LC datasets collected from different sites.
• Abstract（参考訳）: 交通事故が発生した場合、後続の車両は障害物をバイパスするために車線を変更する必要がある。 これらの操作を,事故後の車線変更と定義する。 このようなシナリオでは、車線変更が既に始まっても、目標車線内の車両は利得を拒む可能性があるため、ポストクラッシュLCの複雑さとクラッシュリスクが増大する。 しかし, ポストクラッシュLCの挙動特性と動作パターンは未だ不明である。 このギャップに対処するため,事故後に撮影したドローン映像から車両軌跡を抽出し,ポストクラッシュLCデータセットを構築した。 実験により, 強制型LC (MLCs) と離散型LC (DLCs) と比較して, ポスト型LCは長寿命, 挿入速度の低下, 衝突リスクの増大が認められた。 特に、ポストクラッシュ後LCの79.4%は、新しいフォロワーからの非利得行動の少なくとも1例を含むが、DLCは21.7%、LCは28.6%である。 これらの知見に基づいて,ポストクラッシュLCの新しい軌道予測フレームワークを開発した。 中心となるのはグラフベースのアテンションモジュールで、補助的な相互作用認識タスクとして振舞いを明示的にモデル化する。 このモジュールは条件付き変分オートエンコーダとトランスフォーマーベースのデコーダの両方をガイドしてレーンチェンジャの軌道を予測するように設計されている。 相互作用認識モジュールを組み込むことで, 軌道予測性能の既存のベースラインを, 平均変位誤差と最終変位誤差の両方で10%以上向上させる。 さらに,事故発生率の低減と競合予測精度の向上により,より信頼性の高い事故リスク解析を行う。 最後に、異なるサイトから収集した追加のポストクラッシュLCデータセットを用いて、モデルの転送可能性を検証する。

関連論文リスト

• A Dimensionality-Reduced XAI Framework for Roundabout Crash Severity Insights [1.089614199781423]
  この研究は、2段階の説明可能なワークフローを使用して、2017-2021年のオハイオのラウンドアバウト事故を分析した。 その後、木に基づく重度モデルをSHAPで解釈し、パターン内およびパターン間の障害の要因を定量化する。 その結果、暗黒、濡れた表面、ポストされた速度は固定物体や角度のイベントと一致し、クリアで低速な設定では深刻度が低下した。
  論文  参考訳（メタデータ） (2025-09-15T23:59:07Z)
• Simulating the Unseen: Crash Prediction Must Learn from What Did Not Happen [41.21764593956842]
  交通安全科学は長年、基本的なデータパラドックスによって妨げられてきた。 既存のクラッシュ頻度モデルとサロゲート安全指標は、スパース、ノイズ、報告されていない記録に大きく依存している。 ビジョンゼロを達成するためには、従来のクラッシュのみの学習から、新しい形の対実的安全学習へのパラダイムシフトが必要である、と我々は主張する。
  論文  参考訳（メタデータ） (2025-05-27T20:33:07Z)
• NsBM-GAT: A Non-stationary Block Maximum and Graph Attention Framework for General Traffic Crash Risk Prediction [11.444259609536164]
  既存の衝突リスク予測モデルは、研究者が危険とみなす仮説上のシナリオに依存している。 ダッシュカムビデオは、個々の車のクレーシュ前動作を撮影するが、周囲の車両の動きに関する重要な情報を欠いていることが多い。 本研究では,車両とその周辺車両間の対話的挙動を捉えるために,新しい非定常極値理論(EVT)を提案する。
  論文  参考訳（メタデータ） (2025-03-06T02:12:40Z)
• Explainable Lane Change Prediction for Near-Crash Scenarios Using Knowledge Graph Embeddings and Retrieval Augmented Generation [0.0]
  車線変更操作、特に突然または危険な状況で実行されるものは、道路交通事故の重大な原因である。 本研究は,CRASHデータセットを用いて,リスクの高い車線変化を予測することに焦点を当てる。 我々は、KGとベイジアン推論を利用して、言語文脈情報を用いてこれらの操作を予測する。
  論文  参考訳（メタデータ） (2025-01-20T16:02:26Z)
• A Multi-Loss Strategy for Vehicle Trajectory Prediction: Combining Off-Road, Diversity, and Directional Consistency Losses [68.68514648185828]
  軌道予測は、自動運転車における計画の安全性と効率に不可欠である。 現在のモデルでは、複雑な交通規則と潜在的な車両の動きを完全に捉えることができないことが多い。 本研究は, オフロード損失, 方向整合誤差, ダイバーシティ損失の3つの新しい損失関数を紹介する。
  論文  参考訳（メタデータ） (2024-11-29T14:47:08Z)
• Robustness Benchmark of Road User Trajectory Prediction Models for Automated Driving [0.0]
  車両内のモデル展開中に観測される機能不全をシミュレートする摂動に対して、機械学習モデルをベンチマークする。 同様の摂動を持つモデルのトレーニングは、パフォーマンスの劣化を効果的に低減し、エラーは+87.5%まで増加する。 効果的な緩和戦略であるにもかかわらず、トレーニング中の摂動によるデータ拡張は、予期せぬ摂動に対する堅牢性を保証するものではない、と我々は主張する。
  論文  参考訳（メタデータ） (2023-04-04T15:47:42Z)
• DeepAccident: A Motion and Accident Prediction Benchmark for V2X Autonomous Driving [76.29141888408265]
  本研究では,現実の運転において頻繁に発生する多様な事故シナリオを含む大規模データセットを提案する。 提案したDeepAccidentデータセットには57Kの注釈付きフレームと285Kの注釈付きサンプルが含まれており、これは大規模なnuScenesデータセットの約7倍である。
  論文  参考訳（メタデータ） (2023-04-03T17:37:00Z)
• 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)

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。