使用张量方法从视频中提取和分析铁路交叉口行为特征

铁路交叉口存在复杂的安全挑战，驾驶行为因位置、时间和条件而异。传统方法逐个分析交叉口，限制了识别跨位置共享行为模式的能力。我们提出了一个多视图张量分解框架，捕获三个时间相位（Approach：警报激活到闸门降低、Waiting：闸门降低到火车通过、Clearance：火车通过到闸门抬升）之间的行为相似性。我们使用 TimeSformer 嵌入表示每个相位。通过构建相位特定相似矩阵并应用非负对称 CP 分解，我们发现具有不同时间特征的潜在行为组件。我们的张量分析表明，交叉口位置似乎是行为模式比时间更强的决定因素，方法相位行为提供特别具辨识力的特征。对所学习组件空间的可视化确认了基于位置的聚类，某些交叉口形成 distinct 行为聚类。该自动框架实现了跨多个交叉口的可扩展模式发现，为按行为相似性对位置进行分组以制定针对性安全干预提供了基础。