基于车群的高速公路碰撞风险预测与解释
机器学习
2025-07-03 v3 计算机与社会
摘要
先前的研究主要将碰撞风险预测与交通参数或几何特征相关联，通常忽视了车辆持续运动及其与附近车辆相互作用的影响。近期技术进步，如连接式和自动驾驶车辆（CAVs）和无人机（UAVs），能够收集高分辨率轨迹数据，这使得基于轨迹的风险分析成为可能。本研究探索一种新的基于车辆群（VG）的风险分析方法，并考察VG特征的风险演化机制。提出一种基于影响的车辆分组方法，通过评估车辆对附近车辆异常行为的响应来将车辆聚类到VG中。基于每个VG中每个车辆对的风险（由逆时碰撞时间（iTTC）衡量），聚合VG的风险。随后采用Logistic回归和图神经网络（GNN）使用聚合和非聚合VG信息预测VG风险。两种方法的AUC值均超过0.93。对于GNN模型，应用GNNExplainer进行特征扰动，以识别关键单个车辆特征及其对VG风险的方向性影响。总体而言，这项研究提供了一种新的视角来识别、预测和解释交通风险。
引用
@article{arxiv.2402.12415,
title = {Vehicle-group-based Crash Risk Prediction and Interpretation on Highways},
author = {Tianheng Zhu and Ling Wang and Yiheng Feng and Wanjing Ma and Mohamed Abdel-Aty},
journal= {arXiv preprint arXiv:2402.12415},
year = {2025}
}
备注
Accepted and published in IEEE Transactions on Intelligent Transportation Systems, vol. 26, no. 6, pp. 7807-7818, June 2025. DOI: 10.1109/TITS.2025.3556543