使用孪生交互LSTM检测交叉口易发生碰撞的车辆行为
计算机视觉与模式识别
2019-12-11 v1
摘要
由于很大比例的道路交通事故发生在交叉口，监测交叉口的交通安全十分重要。现有方法旨在研究基于车道的交通中的事故。然而，此类方法不适用于无车道混合交通环境，其中车辆经常彼此非常接近地行驶。因此，我们提出了一种称为孪生交互长短期记忆网络（SILSTM）的方法来检测易发生碰撞的车辆行为。SILSTM网络学习车辆的交互轨迹，该轨迹描述了车辆与其在交叉口的邻居之间的交互。对于每辆车的数百次交互中，可能只有部分交互是不安全的，因此，在SILSTM网络中使用了时间注意力层。此外，交互轨迹的比较需要将轨迹标记为不安全或安全，但此种区分具有高度主观性，尤其是在无车道交通中。因此，在本文中，我们使用碰撞能量模型计算事故中涉及的交互轨迹的特征。与事故特征相匹配的交互轨迹被标记为不安全，其余被视为安全。最后，目前没有现有数据集允许我们长时间监测特定交叉口。因此，我们引入了SkyEye数据集，其中包含来自印度艾哈迈达巴德市所选4个交叉口各自的1小时连续航拍 footage。在SkyEye数据集上对SILSTM的详细评估表明，在不同交叉口可以有效检测出不安全（易发生碰撞）的交互轨迹。
引用
@article{arxiv.1912.04801,
title = {Detection of Collision-Prone Vehicle Behavior at Intersections using Siamese Interaction LSTM},
author = {Debaditya Roy and Tetsuhiro Ishizaka and Krishna Mohan C. and Atsushi Fukuda},
journal= {arXiv preprint arXiv:1912.04801},
year = {2019}
}
备注
10 pages, 4 figures, submitted to IEEE Transactions on Intelligent Transportation Systems