From GEV to ResLogit: Spatially Correlated Discrete Choice Models for Pedestrian Movement Prediction

El estudio demuestra que, para predecir el movimiento peatonal en interacciones con vehículos autónomos, el modelo ResLogit supera a las especificaciones GEV espaciales tradicionales al capturar de manera más efectiva las correlaciones inducidas por la proximidad mediante correcciones residuales aprendidas, manteniendo al mismo tiempo la interpretabilidad del modelo.

Lo esencial

¡Hola! Imagina que estás cruzando una calle muy concurrida y, de repente, aparece un coche autónomo (un coche que se conduce solo). En ese instante, tu cerebro toma una decisión rapidísima: ¿debo acelerar, frenar o girar un poco a la izquierda o a la derecha?

Este artículo de investigación trata sobre cómo predecir exactamente qué hará un peatón en ese momento crítico, pero con un giro muy interesante: comparan dos formas muy diferentes de "pensar" para hacer esa predicción.

Aquí te lo explico con una analogía sencilla:

El Escenario: La Cuadrícula de Movimiento

Imagina que el movimiento de un peatón no es un camino infinito, sino que está dividido en una cuadrícula de 3x3 (como un tablero de juego de Tic-Tac-Toe).

• Fila superior: Girar a la izquierda (lento, medio, rápido).
• Fila central: Mantenerse recto (lento, medio, rápido).
• Fila inferior: Girar a la derecha (lento, medio, rápido).

El objetivo es adivinar en qué casilla del tablero caerá el peatón en el siguiente segundo.

Los Dos Competidores

Los investigadores pusieron a competir a dos "entrenadores" para ver quién predice mejor el movimiento:

1. Los "Arquitectos de Reglas" (Los Modelos GEV)

Imagina a un grupo de arquitectos muy estrictos que dicen: "Sabemos que si alguien quiere ir a la casilla de la izquierda, es muy probable que también considere la casilla de al lado, porque están cerca".

• Su estrategia: Crean reglas matemáticas complejas y predefinidas (llamadas "anidamientos") para agrupar las casillas cercanas. Es como si dijeran: "Si el peatón está en la casilla 1, asumimos que la casilla 2 es su prima hermana y tiene una relación especial".
• El problema: En un tablero tan pequeño y lleno de opciones similares (como este de 3x3), estas reglas predefinidas a veces se vuelven rígidas. Es como intentar explicar el comportamiento humano con un mapa de carreteras antiguo; no capta los matices pequeños y rápidos de la realidad.
• Resultado: Funcionaron un poco mejor que el modelo básico, pero no fueron un gran salto.

2. El "Estudiante Genio con Instinto" (ResLogit)

Ahora imagina a un estudiante brillante que tiene una base sólida de lógica (sabe que la gente quiere llegar a su destino), pero que además tiene una red neuronal (un cerebro artificial) que aprende de los errores.

• Su estrategia: Primero calcula la decisión lógica (como los arquitectos), pero luego añade una capa de "instinto". Esta capa aprende de miles de ejemplos reales: "Oye, cuando el coche viene de frente, la gente tiende a frenar un poco más de lo que la lógica pura dice, y a veces se desvía un poco a la izquierda sin querer".
• La magia: En lugar de seguir reglas fijas sobre qué casillas están relacionadas, el modelo aprende por sí mismo qué casillas suelen confundirse.
• Resultado: ¡Ganó por goleada! Predijo mucho mejor.

¿Por qué ganó el "Estudiante Genio"?

Aquí viene la parte más divertida con una analogía:

Imagina que estás jugando a un videojuego donde debes predecir hacia dónde saltará un personaje.

• Los Arquitectos (GEV) dicen: "Si el personaje salta al cuadro 1, el 2 es el más probable porque están pegados". Pero a veces, el personaje salta al 4 por una razón que no ven.
• El Estudiante (ResLogit) dice: "He visto miles de veces que cuando el coche se acerca rápido, el personaje tiende a frenar y desviarse un poco. Aunque mi lógica dice que debería ir recto, mi experiencia me dice que hay un 'error' sistemático que debo corregir".

El estudio descubrió que en un tablero tan pequeño y denso (donde todas las opciones son muy similares), las reglas predefinidas no son suficientes. El cerebro humano (y el de los peatones) tiene matices que solo se pueden capturar aprendiendo de los datos, no solo siguiendo un manual de instrucciones.

El Hallazgo Más Importante: El "Error Amable"

Lo más genial del modelo ganador (ResLogit) es la naturaleza de sus errores.

• Si el modelo se equivoca, casi siempre se equivoca en una casilla vecina.
  • Ejemplo: Predice que el peatón va a girar un poco a la izquierda, pero en realidad giró un poco más a la izquierda.
• ¿Por qué es bueno esto? Porque para un coche autónomo, predecir que alguien va a girar a la izquierda cuando en realidad va a girar un poco más a la izquierda es un error seguro y manejable.
• Lo que sería peligroso es predecir que el peatón se queda quieto cuando en realidad va a cruzar corriendo (un error "salto" a una casilla lejana). El modelo ganador evita esos errores catastróficos.

En Resumen

Este paper nos dice que, para predecir cómo se mueven las personas en situaciones rápidas y complejas (como cruzar la calle con coches autónomos):

1. Las reglas fijas y predefinidas (como las que usan los modelos tradicionales) tienen un límite.
2. Los modelos que aprenden y se corrigen a sí mismos (como ResLogit) son mucho mejores.
3. Lo más importante es que estos modelos inteligentes cometen errores "sensatos" (cercanos a la realidad), lo que hace que los coches autónomos sean más seguros y capaces de reaccionar con más naturalidad.

Es como pasar de usar un mapa de papel estático a tener un GPS en tiempo real que aprende de cada conductor que pasa por la calle. ¡Y eso es un gran paso para la seguridad en nuestras ciudades!

Resumen técnico

Aquí presento un resumen técnico detallado del artículo "From GEV to ResLogit: Spatially Correlated Discrete Choice Models for Pedestrian Movement Prediction", estructurado según los puntos solicitados.

1. Planteamiento del Problema

La predicción del movimiento peatonal en entornos de alta frecuencia, especialmente durante interacciones con Vehículos Autónomos (AV), es crítica para la planificación segura y las decisiones de ceder el paso. El problema central abordado es la correlación espacial entre las alternativas de movimiento.

• Naturaleza del problema: Las decisiones de movimiento peatonal (siguiente paso) se toman dentro de un conjunto de opciones estructurado y denso (una cuadrícula de 3x3 basada en ajustes de velocidad y cambios de dirección). Las alternativas adyacentes en esta cuadrícula son sustitutos cercanos y comparten atributos no observados, lo que viola la suposición de Independencia de Alternativas Irrelevantes (IIA) del modelo Logit Multinomial (MNL) estándar.
• Limitaciones actuales:
  • Los modelos de aprendizaje profundo para predicción de trayectorias (basados en coordenadas continuas) suelen carecer de interpretabilidad conductual y no cuantifican explícitamente las probabilidades de sustitución entre acciones discretas.
  • Los modelos de elección discreta tradicionales que intentan corregir la correlación mediante estructuras GEV (Generalized Extreme Value) espaciales (como SCL, GSCL, SCNL) dependen de reglas de anidamiento definidas por el analista (matrices de contigüidad o decaimiento de distancia). En conjuntos de opciones densos y simétricos, estas estructuras predefinidas pueden ser difíciles de identificar y ofrecer mejoras marginales.
• Objetivo: Determinar si las estructuras espaciales GEV clásicas son suficientes para capturar la correlación inducida por la proximidad en cuadrículas de movimiento densas, o si los modelos híbridos basados en aprendizaje (ResLogit) ofrecen una representación más coherente y precisa.

2. Metodología

El estudio formula la elección del siguiente paso peatonal como un problema de elección discreta espacial sobre una cuadrícula de 3x3.

• Datos: Se utilizaron datos naturales de interacciones peatón-AV de dos conjuntos de datos públicos: nuScenes y Argoverse 2.
  • Se filtraron pasos de decisión válidos (excluyendo el último paso de la trayectoria y aquellos fuera de los límites de la cuadrícula).
  • El conjunto de opciones final consta de 9 alternativas definidas por la combinación de: Ajuste de velocidad (desacelerar, mantener, acelerar) y Cambio de dirección (izquierda, mantener, derecha).
• Modelos Comparados:
  1. MNL (Baseline): Logit Multinomial estándar sin correlación.
  2. Modelos GEV Espaciales:
     • SCL (Spatially Correlated Logit): Utiliza una matriz de contigüidad para asignar alternativas a nidos superpuestos.
     • GSCL (Generalized SCL): Reemplaza la contigüidad binaria con una regla de asignación basada en la distancia.
     • SCNL (Spatially Correlated Nested Logit): Permite múltiples coeficientes de anidamiento en categorías predefinidas.
     • GSCNL (Generalized SCNL): Estima los patrones de asignación directamente de los datos mediante una forma pseudo-logit, reduciendo la dependencia de reglas predefinidas.
  3. ResLogit (Residual Neural Network Logit): Un modelo híbrido que combina una utilidad sistemática lineal interpretable (MNL) con capas residuales de red neuronal. Estas capas aprenden efectos cruzados no lineales y estructuras conductuales no observadas para corregir la utilidad vectorial, manteniendo la interpretabilidad de los parámetros lineales.
• Variables de Utilidad: La utilidad sistemática ($V_{it}$) incluye indicadores de desaceleración/aceleración/giro, distancia inversa al AV, riesgo de colisión frontal/trasera (FCRP/RCRP) y métricas de atracción hacia el destino (distancia y dirección).

3. Contribuciones Clave

• Evaluación Comparativa: Es uno de los primeros estudios que compara sistemáticamente modelos GEV espaciales tradicionales frente a un modelo híbrido de aprendizaje (ResLogit) en el contexto específico de la predicción de micro-movimientos peatonales en alta frecuencia.
• Enfoque Híbrido Interpretativo: Propone el uso de ResLogit para capturar la correlación inducida por la proximidad sin sacrificar la interpretabilidad conductual. El modelo permite extraer elasticidades y patrones de sustitución a través de su componente lineal, mientras que las capas residuales corrigen los errores de predicción.
• Análisis de Coherencia Conductual: Demuestra que en cuadrículas de movimiento densas, los errores de predicción deben ser "localmente coherentes" (confundir celdas adyacentes es menos grave que confundir acciones cualitativamente diferentes). El estudio evalúa los modelos basándose en esta coherencia espacial de los errores.

4. Resultados

• Rendimiento de Ajuste (Fit):
  • Los modelos GEV espaciales (SCL, GSCL, SCNL, GSCNL) mostraron mejoras marginales sobre el MNL. La log-verosimilitud media mejoró ligeramente (de -2.147 a -2.137), lo que sugiere que las estructuras de correlación definidas por el analista no capturan eficazmente la sustitución local en este conjunto de datos denso.
  • ResLogit logró un ajuste significativamente superior, con una log-verosimilitud media de -1.716 y un AIC mucho menor. Esto indica que las correcciones residuales aprendidas capturan la correlación de manera más efectiva que las estructuras GEV fijas.
• Análisis de Errores (Matrices de Confusión):
  • Los modelos GEV tendieron a concentrar las predicciones en un subconjunto pequeño de alternativas dominantes, sin cambiar sustancialmente los patrones de sustitución respecto al MNL.
  • ResLogit distribuyó las predicciones de manera más uniforme y, crucialmente, concentró los errores en celdas adyacentes de la cuadrícula. Esto confirma que el modelo aprendió a corregir las probabilidades basándose en la similitud local, lo cual es conductualmente más coherente.
• Métricas Predictivas:
  • La precisión Top-1 fue moderada (~0.32 en prueba), lo cual es esperado dada la variabilidad natural y la similitud entre opciones adyacentes.
  • Sin embargo, la precisión Top-3 fue alta (~0.67), indicando que el modelo asigna correctamente alta probabilidad a un pequeño conjunto de movimientos vecinos plausibles, lo cual es valioso para la planificación de AVs.
• Interpretación de Parámetros: Los coeficientes lineales en ResLogit mostraron comportamientos conductuales esperados: los peatones prefieren movimientos que reduzcan la distancia y la desviación angular hacia el destino. El riesgo de colisión frontal aumenta la utilidad de desacelerar, mientras que el riesgo trasero reduce la utilidad de acelerar.

5. Significado e Implicaciones

• Superioridad del Aprendizaje en Espacios Densos: El estudio concluye que en conjuntos de opciones espaciales densos y de alta frecuencia, las estructuras de correlación definidas por el analista (GEV) pueden ser restrictivas o insuficientes. Los métodos basados en aprendizaje (como ResLogit) pueden inferir patrones de correlación y sustitución directamente de los datos, ofreciendo una mayor flexibilidad y precisión.
• Interpretabilidad vs. Precisión: ResLogit demuestra que es posible lograr un alto rendimiento predictivo y capturar correlaciones complejas sin abandonar el marco de la elección discreta interpretable. Esto es vital para aplicaciones de AV donde se necesitan reglas de decisión explicables (elasticidades, trade-offs).
• Aplicación en Planificación de AV: La capacidad de predecir no solo la celda exacta, sino una distribución de probabilidad coherente localmente, permite a los sistemas de planificación de AVs evaluar riesgos de manera más robusta, entendiendo que un error en una celda adyacente es menos crítico que un error en una acción cualitativamente distinta.
• Limitaciones y Futuro: El estudio reconoce que los datos naturales pueden tener poca heterogeneidad (limitando la identificación de clases minoritarias) y que el modelo actual es miope (un solo paso). Futuras líneas de trabajo deben extender este marco a predicción multi-paso con dependencia temporal y modelado de interacciones bidireccionales entre peatones y vehículos.