从公共事故报告学习具备物理依据的交通事故重构
机器学习
2026-05-04 v1 计算机视觉与模式识别
摘要
交通事故通常在文本报告中记录，但由于缺乏详细的场景测量数据和专家级事故重构，这类重构工作仍然困难，因为这些数据稀缺、昂贵且难以规模化。本文将从公共报告和场景测量中进行事故重构，构建参数化的多模态学习问题。我们构建了 CISS-REC 数据集，来自 NHTSA Crash Investigation Sampling 系统，包含 6,217 案例的真实事故数据，并开发了重构框架，使报告语义与道路拓扑结构和参与者属性相结合，重构车道一致的事故前运动，并通过局部几何推理和时间分配细化碰撞相关的相互作用。我们的方法在 CISS-REC 数据集上超过代表性基线，实现了最强的整体重构保真度，包括事故点精度和碰撞一致性的提升。这些结果表明，公共事故报告可作为可量化验证的可扩展事故重构计算基质，具有提升交通安全分析、仿真和自动驾驶研究价值的潜力。
引用
@article{arxiv.2605.00050,
title = {Learning physically grounded traffic accident reconstruction from public accident reports},
author = {Yanchen Guan and Haicheng Liao and Chengyue Wang and Zhenning Li},
journal= {arXiv preprint arXiv:2605.00050},
year = {2026}
}