统一概率方法用于交通冲突检测

交通冲突检测对于通过在碰撞发生前识别潜在碰撞来实现主动道路安全至关重要。现有方法依赖针对特定相互作用（例如车跟、侧掩或路径交叉）量身定制的替代性安全措施，并需要不同交通条件下的各种阈值。这种变化导致冲突检测在不断变化的交通环境中缺乏一致性和适应性。因此，仍需在相互作用情境下实现一致的冲突检测。为此，本研究提出了统一的概率方法。该方法建立了统一的交通冲突检测框架，其中将交通冲突表述为道路用户相互作用的情境依赖极端事件。冲突检测随后分解为一系列统计学习任务：表示相互作用情境、推断接近分布、评估极端碰撞风险。该统一表述容纳了多种交通冲突假设，学习任务支持数据驱动分析诸如道路用户运动状态、环境条件及参与者特征等因素。总体而言，该方法支持对道路用户相互作用中所产生碰撞风险的一致性和全面性评估。我们的实验使用真实世界轨迹数据表明，该方法提供有效的碰撞警报，能够跨越不同数据集和交通环境，涵盖广泛的冲突类型，并捕捉冲突强度的长尾分布。这些发现凸显了其潜在的提升道路基础设施和政策安全评估、改进自动驾驶碰撞警报系统以及深化对安全关键相互作用中道路用户行为的理解之处。