論文の概要: An Integrated Causal Inference Framework for Traffic Safety Modeling with Semantic Street-View Visual Features

• arxiv url: http://arxiv.org/abs/2602.13339v1
• Date: Thu, 12 Feb 2026 13:47:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 14:17:27.926804
• Title: An Integrated Causal Inference Framework for Traffic Safety Modeling with Semantic Street-View Visual Features
• Title（参考訳）: セマンティックストリートビュー視覚特徴を用いた交通安全モデリングのための統合因果推論フレームワーク
• Authors: Lishan Sun, Yujia Cheng, Pengfei Cui, Lei Han, Mohamed Abdel-Aty, Yunhan Zheng, Xingchen Zhang,
• Abstract要約: Googleストリートビュー画像にセマンティックセグメンテーションを適用し,視覚環境の特徴を抽出した。 モデルにおける共起変数の非線形影響機構を特徴付けるためにSHAP値を用い,条件付き平均処理効果を推定するために因果林を適用した。 本研究は,緑化が安全介入の可能性を示唆する因果的証拠を提供し,危険視環境を優先し,脆弱な道路利用者(VRU)を保護するための設計最適化の必要性を強調した。
• 参考スコア（独自算出の注目度）: 9.356306102405549
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Macroscopic traffic safety modeling aims to identify critical risk factors for regional crashes, thereby informing targeted policy interventions for safety improvement. However, current approaches rely heavily on static sociodemographic and infrastructure metrics, frequently overlooking the impacts from drivers' visual perception of driving environment. Although visual environment features have been found to impact driving and traffic crashes, existing evidence remains largely observational, failing to establish the robust causality for traffic policy evaluation under complex spatial environment. To fill these gaps, we applied semantic segmentation on Google Street View imageries to extract visual environmental features and proposed a Double Machine Learning framework to quantify their causal effects on regional crashes. Meanwhile, we utilized SHAP values to characterize the nonlinear influence mechanisms of confounding variables in the models and applied causal forests to estimate conditional average treatment effects. Leveraging crash records from the Miami metropolitan area, Florida, and 220,000 street view images, evidence shows that greenery proportion exerts a significant and robust negative causal effect on traffic crashes (Average Treatment Effect = -6.38, p = 0.005). This protective effect exhibits spatial heterogeneity, being most pronounced in densely populated and socially vulnerable urban cores. While greenery significantly mitigates angle and rear-end crashes, its protective benefit for vulnerable road users (VRUs) remains limited. Our findings provide causal evidence for greening as a potential safety intervention, prioritizing hazardous visual environments while highlighting the need for distinct design optimizations to protect VRUs.
• Abstract（参考訳）: マクロな交通安全モデリングは、地域事故の重大なリスク要因を特定し、安全改善のための政策介入を通知することを目的としている。 しかし、現在のアプローチは静的な社会デマトグラフィーとインフラのメトリクスに大きく依存しており、運転環境に対するドライバーの視覚的認識からの影響を見落としていることが多い。 視覚環境の特徴は運転や交通事故に影響を及ぼすが、既存の証拠はほとんど観察的であり、複雑な空間環境下での交通政策評価の堅牢な因果関係の確立には至っていない。 これらのギャップを埋めるために、Googleストリートビューの画像にセマンティックセグメンテーションを適用して視覚環境の特徴を抽出し、その原因が地域衝突に与える影響を定量化するためのダブル機械学習フレームワークを提案した。 一方, SHAP値を用いて, モデル内の共起変数の非線形影響機構を解析し, 条件平均処理効果を推定した。 フロリダ州マイアミ大都市圏の事故記録と220,000枚のストリートビュー画像を利用して、緑化の割合が交通事故に有意かつ堅牢な負の因果効果をもたらす証拠が示されている(平均処理効果 = -6.38, p = 0.005)。 この保護効果は空間的不均一性を示し、人口密度が高く社会的に脆弱な都市コアで最も顕著である。 緑化は角度と後方の衝突を著しく軽減するが、脆弱な道路利用者(VRU)に対する保護的利益は依然として限られている。 本研究は,VRUを保護するための設計最適化の必要性を強調しつつ,有害な視覚環境を優先し,緑化を潜在的に安全介入とする因果的証拠を提供する。

関連論文リスト

• On the Assessment of Sensitivity of Autonomous Vehicle Perception [0.13858851827255522]
  自動走行の実現性は知覚システムの性能に大きく依存する。 モデルアンサンブルに基づく予測感度定量化を用いて知覚性能を評価する。 異なる路面上の停止標識におけるAVの停止距離に基づいて知覚評価基準を開発する。
  論文  参考訳（メタデータ） (2026-01-30T21:06:05Z)
• Optimization-Guided Diffusion for Interactive Scene Generation [52.23368750264419]
  本稿では,拡散型サンプリングにおける構造的一貫性と相互作用認識を実現するための,最適化誘導型トレーニングフリーフレームワークであるOMEGAを提案する。 OMEGAは生成リアリズム,一貫性,可制御性を向上し,身体的および行動学的に有効なシーンの比率を増大させることを示す。 当社のアプローチでは,3秒未満の時間対コリションで,より近いコリジョンフレームを5ドル(約5,500円)で生成することも可能だ。
  論文  参考訳（メタデータ） (2025-12-08T15:56:18Z)
• Semantic4Safety: Causal Insights from Zero-shot Street View Imagery Segmentation for Urban Road Safety [14.300819977717708]
  ストリートビュー画像にゼロショットセマンティックセグメンテーションを適用して,11の解釈可能なストリートスケープインジケータを導出するフレームワークを提案する。 オースチンで発生した約3万件の事故記録を分析し,事故タイプ固有の因果パターンを明らかにする。 因果推論による予測モデリングをブリッジすることで、セマンティック4セーフティは標的とした介入とハイリスク回廊診断をサポートする。
  論文  参考訳（メタデータ） (2025-10-17T08:45:28Z)
• Towards Reliable and Interpretable Traffic Crash Pattern Prediction and Safety Interventions Using Customized Large Language Models [14.53510262691888]
  TrafficSafeは、テキストレベルの推論として、再フレームのクラッシュ予測と機能属性に適応するフレームワークである。 飲酒運転が深刻な事故の要因となっている。 TrafficSafeは、戦略的クラッシュデータ収集の改善を導くモデルトレーニングにおいて、重要な機能を強調している。
  論文  参考訳（メタデータ） (2025-05-18T21:02:30Z)
• The Impact of Building-Induced Visibility Restrictions on Intersection Accidents [32.698248334786854]
  交差点における事故リスクを推定する新しい手法を開発した。 建物によってブロックされたビューを考慮に入れながら、ドライバーに見える領域のメソッドファクター。 道路可視率と事故頻度との間には顕著な相関関係がみられた。
  論文  参考訳（メタデータ） (2025-02-13T17:45:51Z)
• Potential Field as Scene Affordance for Behavior Change-Based Visual Risk Object Identification [4.896236083290351]
  行動変化に基づく視覚的リスクオブジェクト識別(Visual-ROI)について検討する。 既存の手法はしばしば空間的精度と時間的一貫性に重大な制限を呈する。 本稿では,これらの課題を克服するために,バードアイビュー表現を用いた新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-24T08:17:50Z)
• LanEvil: Benchmarking the Robustness of Lane Detection to Environmental Illusions [61.87108000328186]
  レーン検出(LD)は自律走行システムにおいて不可欠な要素であり、適応型クルーズ制御や自動車線センターなどの基本的な機能を提供している。 既存のLDベンチマークは主に、環境錯覚に対するLDモデルの堅牢性を無視し、一般的なケースを評価することに焦点を当てている。 本稿では、LDに対する環境錯覚による潜在的な脅威について検討し、LanEvilの最初の総合ベンチマークを確立する。
  論文  参考訳（メタデータ） (2024-06-03T02:12:27Z)
• 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)

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。