基于使用多源数据的编码器-解码器框架预测 jaywalker-车辆冲突

科学领域:

• 道路安全工程工程 道路安全工程
• 交通运输中的人工智能
• 交通冲突分析分析

背景情况:

• 在中国,在没有指定十字路口的中区地区, jaywalker-vehicle (J-V) 冲突频繁且危险.
• 道路行走的不可预测性需要预测模型,以便及时向道路使用者发出警告.

研究的目的:

• 引入一种新的编码-解码框架,用于使用多源数据预测J-V冲突严重程度.
• 通过通过准确的严重程度预测提供冲突前警告来提高道路安全.

主要方法:

• 开发了一个新的编码器解码器框架,包含三个编码器:J-V交互 (Bi-LSTM), jaywalker运动 (Bi-LSTM) 和背景信息 (MLP).
• 这些编码器的特征被连接并输入到冲突严重性解码器 (MLP) 中进行预测.
• 一个案例研究使用来自中国南京三个中区的视频数据进行.

主要成果:

• 拟议的编码器-解码器模型在预测指标方面表现优于经典模型.
• 整合背景信息显著改善了模型的性能,在四个评估指标中平均提高了24.291%.
• 可转移性分析显示,当包括40%-50%来自新位置的数据时,预测指标稳定在80%至95%之间.

结论:

• 开发的编码器解码器模型为预测J-V冲突严重程度提供了强大的解决方案.
• 背景信息是提高JV冲突预测模型准确性的关键因素.
• 该模型表现出良好的可转移性,这表明其在提高路过安全性方面具有广泛应用的潜力.