基于循环图注意力网络检测高速公路社会异常驾驶行为
人工智能
2023-04-25 v1
摘要
随着物联网技术的快速发展，下一代交通监控基础设施通过网络互联，以辅助交通数据收集与智能交通管理。交通中最重要的任务之一是异常检测，因为异常驾驶者会降低交通效率并引发安全问题。本工作聚焦于从高速公路视频监控系统产生的轨迹中检测异常驾驶行为。当前大多数异常驾驶行为检测方法关注有限类别的、仅涉及单车且不考虑车辆交互的异常行为。本工作中，我们考虑检测多种社会异常驾驶行为的问题，即不符合附近其他驾驶者行为的行为。该任务因车辆交互的多样性以及高速公路交通的时空变化特性而复杂化。为解决此问题，我们提出了一种带循环图注意力网络（Recurrent Graph Attention Network）的自编码器，可捕获以周围车辆为上下文的高速公路驾驶行为，并检测偏离所学模式的异常。我们的模型可扩展至具有数千辆车的大型高速公路。基于交通仿真软件生成数据的实验表明，在最优异常检测模型中，我们的模型是唯一能精准定位实施社会异常行为车辆的模型。我们进一步展示了在真实世界HighD交通数据集上的性能，其中我们的模型检测出了违反局部驾驶规范的车辆。
引用
@article{arxiv.2304.11513,
title = {Detecting Socially Abnormal Highway Driving Behaviors via Recurrent Graph Attention Networks},
author = {Yue Hu and Yuhang Zhang and Yanbing Wang and Daniel Work},
journal= {arXiv preprint arXiv:2304.11513},
year = {2023}
}