基于预测越权到达时间评估非信号化路口行人潜在风险的实时评估框架
计算机视觉与模式识别
2024-04-25 v1 机器学习
摘要
评估非信号化路口处行人潜在风险是交通研究中的核心议题，源于降低交通相关伤害与死亡的紧迫需求。随着计算机视觉技术与预测模型的进步，开发实时主动防护系统以提升行人安全正逐渐受到重视。此类防护系统的核心在于基于预测的风险评估，此过程对预防事故具有重要意义。当前研究中，预测性潜在风险评估面临三大挑战：缺乏实时风险评估框架，缺乏能代表潜在风险的准确且可解释的安全指标，以及缺乏针对不同行人类别的量身定制的评估标准。为此，本文构建基于计算机视觉技术与预测模型的框架，实现对非信号化路口行人潜在风险的实时评估。框架核心引入新型代理安全措施——预测越权到达时间 (P-PET)，该指标由深度学习模型预测生成，后者能预测行人与车辆在路口的到达时间。为提升风险评估的有效性与可靠性，我们对行人进行类别划分，并为每一组施加特定评估标准。实验结果表明，该框架通过 P-PET 有效识别潜在风险，具备实时应用可行性，并在不同行人类别的风险评估中表现出改进性能。
引用
@article{arxiv.2404.15635,
title = {A Real-time Evaluation Framework for Pedestrian's Potential Risk at Non-Signalized Intersections Based on Predicted Post-Encroachment Time},
author = {Tengfeng Lin and Zhixiong Jin and Seongjin Choi and Hwasoo Yeo},
journal= {arXiv preprint arXiv:2404.15635},
year = {2024}
}