論文の概要: Counterfactual Closing-Acceleration Risk: An Anticipatory Surrogate Safety Measure for the Blind Region of Car-Following

• arxiv url: http://arxiv.org/abs/2609.00370v1
• Date: Wed, 01 Jul 2026 06:47:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.424373
• Title: Counterfactual Closing-Acceleration Risk: An Anticipatory Surrogate Safety Measure for the Blind Region of Car-Following
• Title（参考訳）: クローズ・アクセラレーションリスク:自動車追従の盲点に対する予測的サロゲート安全対策
• Abstract要約: 本稿では,後端紛争に対するフォロワーの露出度を測る予測的サロゲート尺度であるCCARについて紹介する。 CCAR は SQM-W-1 軌道データセットから 745,540 個の自動車追尾フレームで評価される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Surrogate safety measures allow road-safety assessment from trajectory data in which crashes are absent, yet the dominant proximity measures - time-to-collision (TTC) and its variants - assume invariant motion and are undefined whenever the following vehicle is not yet faster than its leader, so a large fraction of car-following carries no risk reading at all. This paper introduces Counterfactual Closing-Acceleration Risk (CCAR), an anticipatory surrogate measure that scores how exposed a follower is to a rear-end conflict if its leader were to brake, conditioned on the follower's current gap-closing acceleration. CCAR is evaluated on 745,540 expressway car-following frames from the SQM-W-1 trajectory dataset. Conventional measures leave 51% of frames unscored because the follower is not yet faster; across this blind region CCAR returns a graded, non-trivial risk in 98.8% of frames. CCAR is not redundant with existing measures (Spearman correlation 0.54 with modified TTC; top-decile risk-set overlap 0.19), and at fixed gap and speed its risk rises monotonically with closing acceleration. A controlled simulation with a reactive Intelligent Driver Model follower and a scripted leader brake confirms that, holding gap and brake fixed, the actual collision rate rises with closing acceleration, supporting the proposed precursor mechanism. Parameter sensitivity, limitations, and implications for forward-collision-warning systems are discussed.
• Abstract（参考訳）: サロゲート安全対策は、衝突が欠落している軌跡データから道路安全評価を可能にするが、主要な近接手段であるTTC(Time-to-collision)とその変種は不変運動を仮定し、後続の車両がまだリーダーより高速でない場合は未定義であるため、車両追従のかなりの割合はリスクを全く受けない。 本稿では, リーダがブレーキを踏む場合, 後端衝突に対して, フォロワーがどの程度露出しているかを, フォロワーの現在のギャップ閉鎖加速度を条件とした予測的サロゲート尺度である, CCAR(Counterfactual Closing-Acceleration Risk)を紹介する。 CCARは、SQM-W-1軌道データセットから、745,540の高速道路車両追尾フレームで評価される。 従来の措置では、フォロワーがまだ高速ではないため、フレームの51%は無スコアのままであり、この盲点領域のCCARは98.8%のフレームで、格付けされた非自明なリスクを返す。 CCARは既存の測度(スピアマン相関0.54と改良TTC、最上位のリスクセット重なり0.19)に冗長ではなく、固定ギャップと速度でそのリスクは閉加速とともに単調に上昇する。 反応型インテリジェントドライバモデル追従器とスクリプト型リーダブレーキによる制御シミュレーションにより、ギャップとブレーキが固定された状態で、実際の衝突速度が閉加速とともに上昇し、提案した前駆機構が支持されることを確認した。 フォワード・コリエーション・ウォーニングシステムにおけるパラメータ感度,制限,および意味について論じる。

関連論文リスト

• Parsimonious disturbance-aware minimum-time planning with parametric uncertainty [0.0]
  本研究は、モータースポーツ応用のための最小ラップタイム計画フレームワークを提示し、検証する。 この手法は、車両のダイナミクスを短い地平線上で伝播させる、事前の障害対応フレームワークの上に構築されている。 我々は、キーカーパラメータの不確実性を考慮した定式化を拡張した。
  論文  参考訳（メタデータ） (2026-07-14T22:32:35Z)
• Action-Conditioned Risk Gating for Safety-Critical Control under Partial Observability [79.08785366532287]
  部分観測可能性下でのリスク感応制御のための軽量なリスクゲート強化学習近似を提案する。 安全クリティカルな部分観測可能な2つの領域 – 自動グルコース調節と安全制約ナビゲーション – でアプローチを評価した。
  論文  参考訳（メタデータ） (2026-05-14T01:23:09Z)
• Driving risk emerges from the required two-dimensional joint evasive acceleration [38.96143594997874]
  回避加速(EA)はリスク定量化のための2次元パラダイムである。 EAはすべてのしきい値に対して最も統計学的に重要な警告を提供する。 EAは衝突リスクの構造をよりよく捉え、次世代の自動運転システムの基礎を提供する。
  論文  参考訳（メタデータ） (2026-04-20T05:51:18Z)
• Autonomous Vehicle Collision Avoidance With Racing Parameterized Deep Reinforcement Learning [73.88859384645264]
  道路交通事故は世界中の交通事故の主な原因である。 米国では、人間のエラーが94%のクラッシュを引き起こし、7000人以上の歩行者が死亡し、年間500億ドルのコストがかかる。 本稿では,Dreep Reinforcement Learning (DRL) 衝突回避政策のアウト・オブ・ディストリビューションをパラメータ化する。 2つのポリシーが評価され、デフォルトのユニディレクションと、他の車と反対方向にナビゲートする逆方向のバリエーションが評価される。
  論文  参考訳（メタデータ） (2026-04-17T21:11:39Z)
• Real-Time Driver Safety Scoring Through Inverse Crash Probability Modeling [0.0]
  本研究は,バイナリクラッシュ分類器を0-100連続安全性スコアに変換するフレームワークであるSafeDriver-IQを紹介する。 15の相補的な分析結果から,高リスク運転条件と低リスク運転条件を確実に区別できることが示唆された。 発見によると、衝突の87%は複数の共起リスク要因を伴い、非線形の複合効果によりリスクは4.5倍に増加する。
  論文  参考訳（メタデータ） (2026-03-16T05:37:12Z)
• Unsupervised Anomaly Detection in Multi-Agent Trajectory Prediction via Transformer-Based Models [45.08545174556591]
  マルチエージェントトランスを用いた教師なし異常検出フレームワークを提案する。 検出安定性と物理的アライメントの両方を評価するための二重評価手法が提案されている。 本フレームワークでは,時間対衝突および統計ベースラインに欠落した388個の特異な異常を同定する。
  論文  参考訳（メタデータ） (2026-01-28T08:33:10Z)
• Accident Anticipation via Temporal Occurrence Prediction [15.813749445439292]
  事故予測は、潜在的な衝突をオンラインで予測することを目的としており、タイムリーな警報によって道路の安全性を高めることができる。 既存の手法では、リスクの指標としてフレームレベルのリスクスコアを予測するのが一般的である。 本稿では,予測対象を現在のフレームリスクスコアから,将来の複数段階における事故スコアを直接推定するパラダイムを提案する。
  論文  参考訳（メタデータ） (2025-10-25T11:57:22Z)
• Uncertainty-aware Unsupervised Multi-Object Tracking [33.53331700312752]
  教師なしマルチオブジェクトトラッカーは、信頼できる機能埋め込みの学習に劣る。 最近の自己監督技術は採用されているが、時間的関係を捉えられなかった。 本稿では、不確実性問題は避けられないが、不確実性自体を活用して学習された一貫性を向上させることができると論じる。
  論文  参考訳（メタデータ） (2023-07-28T09:03:06Z)
• Forecasting Particle Accelerator Interruptions Using Logistic LASSO Regression [62.997667081978825]
  インターロックと呼ばれる予期せぬ粒子加速器の割り込みは、必要な安全対策にもかかわらず、突然の運用変更を引き起こす。 このような中断を予測することを目的とした,単純かつ強力なバイナリ分類モデルを提案する。 このモデルは、少なくとも絶対収縮と選択演算子によって罰せられるロジスティック回帰として定式化される。
  論文  参考訳（メタデータ） (2023-03-15T23:11:30Z)
• An NCAP-like Safety Indicator for Self-Driving Cars [2.741266294612776]
  本稿では,自動運転車の安全性を評価するメカニズムを提案する。 車両が敵と衝突することを避けるシナリオにおいて、車両の安全性を評価する。 セーフカミカゼ距離(Safe-Kamikaze Distance)と呼ばれる安全対策は、安全な敵の軌道と安全な軌道に近いカミカゼ軌道との平均的な類似性を計算する。
  論文  参考訳（メタデータ） (2021-04-02T02:39:53Z)

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。