一种用于估计交叉口行人-车辆冲突风险的概率框架
机器学习
2023-08-01 v1
摘要
由于涉及行人的碰撞事故数量增加，行人安全已成为各类研究中重要的课题。为前瞻性评估行人安全，替代安全测度（SSM）因无需以历史事故为输入，已广泛应用于基于交通冲突的研究。然而，现有多数 SSM 基于道路使用者保持恒定速度与方向的假设而构建。基于该假设的风险估计较不稳定、更易被夸大，且无法捕捉驾驶员的规避机动。考虑到现有 SSM 的局限，本研究提出一种用于估计交叉口行人-车辆冲突风险的概率框架。所提框架通过高斯过程回归预测轨迹，放宽了恒速限制，并利用随机森林模型考虑不同的可能驾驶员机动。使用交叉口采集的真实世界 LiDAR 数据评估该框架性能。新开发的框架能识别所有行人-车辆冲突。与碰撞时间相比，所提框架提供更稳定的风险估计并捕捉车辆的规避机动。此外，该框架无需昂贵计算资源，使其成为交叉口实时前瞻性行人安全解决方案的理想选择。
引用
@article{arxiv.2207.14145,
title = {A Probabilistic Framework for Estimating the Risk of Pedestrian-Vehicle Conflicts at Intersections},
author = {Pei Li and Huizhong Guo and Shan Bao and Arpan Kusari},
journal= {arXiv preprint arXiv:2207.14145},
year = {2023}
}