論文の概要: Learning physically grounded traffic accident reconstruction from public accident reports
- arxiv url: http://arxiv.org/abs/2605.00050v1
- Date: Wed, 29 Apr 2026 14:33:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-04 17:43:28.6512
- Title: Learning physically grounded traffic accident reconstruction from public accident reports
- Title（参考訳）: 公共交通機関の事故報告による交通事故復興の学習
- Authors: Yanchen Guan, Haicheng Liao, Chengyue Wang, Zhenning Li,
- Abstract要約: 我々は,パラメータ化されたマルチモーダル学習問題として,公開可能なレポートとシーン計測から事故復旧を定式化する。
CISS-RECは,NHTSAのクラッシュ調査サンプリングシステムから収集した6,217件の現実世界の事故事例のデータセットである。
提案手法は,CISS-RECにおける代表的ベースラインよりも優れており,全体の再構築精度が最も高い。
- 参考スコア（独自算出の注目度）: 12.882161839040883
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Traffic accidents are routinely documented in textual reports, yet physically grounded accident reconstruction remains difficult because detailed scene measurements and expert reconstructions are scarce, costly and hard to scale. Here we formulate accident reconstruction from publicly accessible reports and scene measurements as a parameterized multimodal learning problem. We construct CISS-REC, a dataset of 6,217 real-world accident cases curated from the NHTSA Crash Investigation Sampling System, and develop a reconstruction framework that grounds report semantics to road topology and participant attributes, reconstructs lane consistent pre-impact motion, and refines collision relevant interactions through localized geometric reasoning and temporal allocation. Our method outperforms representative baselines on CISS-REC, achieving the strongest overall reconstruction fidelity, including improved accident point accuracy and collision consistency. These results show that public accident reports can serve as scalable computational substrates for quantitatively verifiable accident reconstruction, with potential value for traffic safety analysis, simulation and autonomous driving research.
- Abstract（参考訳）: 交通事故は日常的に報告書に記録されているが、詳細な現場の計測や専門家の復元は少なく、費用がかかり、スケールが難しいため、物理的に根拠づけられた事故の再建は難しいままである。
ここでは、パラメータ化されたマルチモーダル学習問題として、一般にアクセス可能なレポートとシーン計測から事故復旧を定式化する。
CISS-RECは,NHTSAのクラッシュ調査サンプリングシステムから算出した6,217件の現実世界の事故事例のデータセットであり,道路トポロジと属性のセマンティクスを基盤として,車線一貫したプレインパクト動作を再構築し,局所的な幾何学的推論と時間的アロケーションを通じて衝突関連相互作用を洗練する再構成フレームワークを構築している。
提案手法は,CISS-RECにおける代表的ベースラインよりも優れており,事故点精度の向上や衝突の整合性の向上など,最強の総合的な再構築忠実性を実現している。
これらの結果から, 交通安全解析, シミュレーション, 自律運転研究において, 定量的に検証可能な事故復旧のためのスケーラブルな計算基板として, 公共事故報告が有効であることが示唆された。
関連論文リスト
- TRACE: Topology-aware Reconstruction of Accidents in CARLA for AV Evaluation [0.0]
我々は,NHTSA事故報告を高忠実度CARLAシミュレーションに再構築するパイプラインであるTRACEを紹介する。
このパイプラインを用いて、さまざまな衝突タイプ、道路トポロジ、事前クラッシュ操作を含む52の多様な事故シナリオのベンチマークをキュレートした。
論文 参考訳（メタデータ） (2026-04-23T20:48:30Z) - Advanced Tool for Traffic Crash Analysis: An AI-Driven Multi-Agent Approach to Pre-Crash Reconstruction [2.0456612910829306]
本研究では,事故前のシナリオを再構築し,断片化された衝突データから車両の挙動を推定するマルチエージェントAIフレームワークを開発する。
フェーズIはマルチモーダル入力から自然言語によるクラッシュ再構成を生成する。
フェーズIIは、これらの再構成と時間的イベントデータレコーダ(EDR)を組み合わせることで、詳細なクラッシュ推論を行う。
論文 参考訳（メタデータ） (2025-11-13T23:32:25Z) - 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) - Benchmarking the Spatial Robustness of DNNs via Natural and Adversarial Localized Corruptions [49.546479320670464]
本稿では,セグメンテーションモデルの空間的ロバスト性を評価するための特別な指標を紹介する。
本稿では,モデルロバスト性をより深く理解する手法として,地域対応型マルチアタック・アタック・アタック・アタック・アタック・アタック・アタック・アタック・アタック・アタック・アタック・アタック・アタック・アタック分析を提案する。
その結果、モデルがこれらの2種類の脅威に異なる反応を示すことが明らかとなった。
論文 参考訳（メタデータ） (2025-04-02T11:37:39Z) - AVD2: Accident Video Diffusion for Accident Video Description [11.221276595088215]
AVD2(Accident Video Diffusion for Accident Video Description)は,事故現場の理解を高める新しいフレームワークである。
このフレームワークは、自然言語の詳細な記述や推論と一致した事故ビデオを生成し、その結果、EMM-AUデータセットが生成される。
EMM-AUデータセットの統合は、自動メトリクスと人的評価の両方で最先端のパフォーマンスを確立する。
論文 参考訳（メタデータ） (2025-02-20T18:22:44Z) - SoVAR: Building Generalizable Scenarios from Accident Reports for Autonomous Driving Testing [35.33278666285077]
事故報告は自律運転システム(ADS)テストに貴重な資源を提供する。
既存の事故報告からのシナリオ再構築手法では,情報抽出の精度が限られていることが多い。
本稿では,事故報告から道路一般化シナリオを自動的に生成するツールであるSovarの設計と実装を行う。
論文 参考訳（メタデータ） (2024-09-12T14:35:55Z) - Learning Traffic Crashes as Language: Datasets, Benchmarks, and What-if Causal Analyses [76.59021017301127]
我々は,CrashEventという大規模トラフィッククラッシュ言語データセットを提案し,実世界のクラッシュレポート19,340を要約した。
さらに,クラッシュイベントの特徴学習を,新たなテキスト推論問題として定式化し,さらに様々な大規模言語モデル(LLM)を微調整して,詳細な事故結果を予測する。
実験の結果, LLMに基づくアプローチは事故の重大度を予測できるだけでなく, 事故の種類を分類し, 損害を予測できることがわかった。
論文 参考訳（メタデータ） (2024-06-16T03:10:16Z) - Residual-Conditioned Optimal Transport: Towards Structure-Preserving Unpaired and Paired Image Restoration [42.01716967725075]
画像復元のためのResidual-Conditioned Optimal Transport (RCOT) アプローチを提案する。
二重性により、RCOT問題は最小限の最適化問題に変換され、ニューラルネットワークを敵対的に訓練することで解決される。
論文 参考訳（メタデータ） (2024-05-05T08:19:04Z) - 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) - 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) - RescueNet: Joint Building Segmentation and Damage Assessment from
Satellite Imagery [83.49145695899388]
RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。
RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
論文 参考訳（メタデータ） (2020-04-15T19:52:09Z)
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。