实时识别未报告道路事故：早期交通异常检测
机器学习
2025-04-25 v2 人工智能
摘要
本研究旨在尽可能早期识别交通异常现象。交通异常指道路上发生的通用性事故，会影响交通流量，需立即采取交通管理措施。"识别"交通异常的发生有两个层面：一种是指在该异常被报告到任何地方之前检测到该异常；另一种是指在该异常实际发生在道路上之前预测该异常（例如，非持续性交通崩溃）。无论如何，目标都是尽可能早地向交通运营人员报告未被报告的事故。关键在于提前一步。时间就是关键。传统的自动事故检测（AID）方法常常在早期检测方面受限，由于其对空间效应和早期阶段特征的考虑不足。因此，我们提出了一种利用先验领域知识和模型设计策略的深度学习框架。这使模型能够检测更广泛的异常，不仅包括显著影响交通流量的事故，也包括沿路早期特征以及历史上未被报告的异常。我们特别设计模型以针对事故的早期阶段进行检测/预测。此外，与大多数传统AID研究不同，我们的方法高度可扩展且通用，完全自动化，不需要手动选择历史报告，仅依赖于广泛可用的数据，无需额外的探测器。多个不同地图上的诸多路段实验结果表明，我们的模型实现了更有效、更早期的异常检测。
引用
@article{arxiv.2412.10892,
title = {Know Unreported Roadway Incidents in Real-time: Early Traffic Anomaly Detection},
author = {Haocheng Duan and Hao Wu and Sean Qian},
journal= {arXiv preprint arXiv:2412.10892},
year = {2025}
}