論文の概要: Real-time Secondary Crash Likelihood Prediction Excluding Post Primary Crash Features

• arxiv url: http://arxiv.org/abs/2602.16739v1
• Date: Tue, 17 Feb 2026 22:49:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-20 15:21:28.258602
• Title: Real-time Secondary Crash Likelihood Prediction Excluding Post Primary Crash Features
• Title（参考訳）: 後一次衝突の特徴を除いたリアルタイム二次衝突予測
• Authors: Lei Han, Mohamed Abdel-Aty, Zubayer Islam, Chenzhu Wang,
• Abstract要約: 本稿では,ポストクラッシュ機能に依存しないハイブリッドクラッシュ予測フレームワークを提案する。 動的時間後ウィンドウは、一次衝突地点とその上流セグメントからリアルタイムの交通流と環境特徴を抽出するように設計されている。 フロリダ・フリーウェイの実験では、ハイブリッド・フレームワークの提案は、誤警報率0.20の低い二次衝突の91%を正しく識別することを示した。
• 参考スコア（独自算出の注目度）: 6.477496237661746
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Secondary crash likelihood prediction is a critical component of an active traffic management system to mitigate congestion and adverse impacts caused by secondary crashes. However, existing approaches mainly rely on post-crash features (e.g., crash type and severity) that are rarely available in real time, limiting their practical applicability. To address this limitation, we propose a hybrid secondary crash likelihood prediction framework that does not depend on post-crash features. A dynamic spatiotemporal window is designed to extract real-time traffic flow and environmental features from primary crash locations and their upstream segments. The framework includes three models: a primary crash model to estimate the likelihood of secondary crash occurrence, and two secondary crash models to evaluate traffic conditions at crash and upstream segments under different comparative scenarios. An ensemble learning strategy integrating six machine learning algorithms is developed to enhance predictive performance, and a voting-based mechanism combines the outputs of the three models. Experiments on Florida freeways demonstrate that the proposed hybrid framework correctly identifies 91% of secondary crashes with a low false alarm rate of 0.20. The Area Under the ROC Curve improves from 0.654, 0.744, and 0.902 for the individual models to 0.952 for the hybrid model, outperforming previous studies.
• Abstract（参考訳）: 二次衝突確率予測は、二次衝突による渋滞や悪影響を緩和するアクティブ交通管理システムの重要な構成要素である。 しかし、既存のアプローチは主に、リアルタイムに利用できないポストクラッシュ機能(例えば、クラッシュタイプ、重大さ)に依存しており、実用性に制限がある。 この制限に対処するために,ポストクラッシュ機能に依存しないハイブリッド二次衝突予測フレームワークを提案する。 動的時空間ウィンドウは、一次衝突地点とその上流セグメントからリアルタイムの交通流と環境特徴を抽出するように設計されている。 このフレームワークには3つのモデルが含まれている: 二次衝突の発生確率を推定する一次衝突モデルと、異なるシナリオ下でのクラッシュ時の交通状況と上流セグメントを評価する2つの二次衝突モデルである。 6つの機械学習アルゴリズムを統合したアンサンブル学習戦略が開発され、予測性能が向上し、投票に基づくメカニズムが3つのモデルの出力を組み合わせる。 フロリダ高速道路の実験では、提案されたハイブリッド・フレームワークは、誤警報率0.20の低い二次衝突の91%を正しく識別している。 ROC曲線下の領域は、個々のモデルで0.654、0.744、0.902から、ハイブリッドモデルで0.952に改善され、以前の研究より優れていた。

関連論文リスト

• 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)
• Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
  第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。 We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
  論文  参考訳（メタデータ） (2025-11-04T17:22:22Z)
• From Narratives to Probabilistic Reasoning: Predicting and Interpreting Drivers' Hazardous Actions in Crashes Using Large Language Model [3.3457493284891338]
  2車線の事故は、道路事故の約70%を占める。 Driver Hazardous Action (DHA)データは、一貫性のない、労働集約的な手動コーディングプラクティスによって制限される。 本稿では,微調整された大規模言語モデルを利用して,テキストによるクラッシュ物語からDHAを自動的に推測する,革新的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-14T21:35:47Z)
• Predicting and Explaining Traffic Crash Severity Through Crash Feature Selection [1.0941365324532635]
  この研究は、オハイオ州で6～2022年に起きた事故に300万人以上の人が関わったデータセットを紹介します。 主な貢献は、自動機械学習(AutoML)と説明可能な人工知能(AI)を組み合わせて、深刻なクラッシュに関連する主要なリスク要因を特定し、解釈する、透過的で再現可能な方法論である。 主な特徴は、人口統計、環境、車両、人的および運用上のカテゴリーで、位置タイプや投稿速度、居住年齢の最小化、クレーシュ前の行動などが含まれる。
  論文  参考訳（メタデータ） (2025-08-15T14:31:26Z)
• 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)
• Spatiotemporal Prediction of Secondary Crashes by Rebalancing Dynamic and Static Data with Generative Adversarial Networks [6.571659350175123]
  二次衝突は交通渋滞を著しく悪化させ、事故の深刻さを増す。 既存のメソッドは、トラフィッククラッシュデータの複雑さ、特に動的および静的な機能の共存に完全に対処できない。 本研究では,二次衝突データ生成の忠実度向上を目的としたハイブリッドモデルであるVarFusiGAN-Transformerを提案する。
  論文  参考訳（メタデータ） (2025-01-17T08:56:49Z)
• 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)
• Prediction-Based Reachability Analysis for Collision Risk Assessment on Highways [18.18842948832662]
  本稿では,高速道路における衝突危険度予測手法を提案する。 我々は,車両状態を伝搬する多モード確率加速度分布を提供する加速度予測モデルを開発した。 提案した衝突検出アプローチはアジャイルであり、カットインクラッシュイベントにおける衝突の特定に有効である。
  論文  参考訳（メタデータ） (2022-05-03T07:58:02Z)
• 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。