自动生成的行人与自行车碰撞替代指标可靠性评估
机器学习
2023-07-26 v1 计算机与社会
摘要
行人、骑行者等弱势道路使用者（VRUs）与机动车发生碰撞的风险更高，且涉及 VRUs 的碰撞更可能导致严重伤害或死亡。信号交叉口因其复杂和动态特性成为 VRUs 的主要安全隐患，凸显了理解这些道路使用者与机动车交互方式并部署基于证据的对策以改善安全表现的必要性。涉及 VRUs 的碰撞相对少见，难以理解其潜在致因。一种替代方案是识别并使用 VRUs 与机动车之间的冲突作为安全表现的替代指标。利用基于视频的系统自动检测这些冲突是开发智能基础设施以提升 VRU 安全的关键步骤。宾夕法尼亚州交通部开展了一项研究，使用基于视频的事件监控系统评估宾夕法尼亚州十五个信号交叉口处 VRU 与机动车的交互以改善 VRU 安全表现。本研究基于该工作，评估使用先进数据驱动模型预测已确认冲突时自动生成替代指标的可靠性。用于分析的替代数据包括可自动收集的变量（如车辆与 VRU 速度、运动、侵入后时间）以及人工收集的变量（如信号状态、光照和天气条件）。研究结果凸显了特定替代指标在预测真实冲突时重要性的差异，部分指标信息量高于其他指标。这些发现可协助交通机构收集正确类型的数据，以帮助优先安排基础设施投资（如自行车道和人行横道）并评估其有效性。
引用
@article{arxiv.2307.13178,
title = {Evaluating the reliability of automatically generated pedestrian and bicycle crash surrogates},
author = {Agnimitra Sengupta and S. Ilgin Guler and Vikash V. Gayah and Shannon Warchol},
journal= {arXiv preprint arXiv:2307.13178},
year = {2023}
}