Resumen Técnico: HIA-GAT para la Predicción de Riesgo de Conflicto de Tráfico en Autopistas a Nivel de Fotograma

Formulación del Problema

Este artículo aborda el desafío de la evaluación de riesgos de tráfico en tiempo real y a nivel de fotograma en autopistas. El análisis de seguridad tradicional se basa en datos históricos de accidentes, lo cual es reactivo y disperso. Aunque las Medidas de Seguridad Sustitutas (SSM, por sus siglas en inglés), como el Tiempo de Colisión (TTC) y el Tiempo de Pre-Encroachment (PET), ofrecen alternativas proactivas, los métodos existentes tienen dificultades para escalar de interacciones de pares a escenas complejas de múltiples agentes. Específicamente, convertir trayectorias de múltiples agentes con ruido en indicadores de riesgo fiables a nivel de fotograma es difícil porque las SSM se definen sobre pares, pero las escenas del mundo real involucran interacciones longitudinales (alcance) y laterales (cambio de carril) simultáneas que deben resumirse a nivel de escena.

Los autores formulan esto como un problema de clasificación binaria a nivel de grafo. Cada fotograma de video se trata como un grafo donde los vehículos son nodos y las interacciones son aristas. El objetivo es predecir una etiqueta binaria ($y_t \in \{0, 1\}$) para cada fotograma, indicando si algún par de vehículos viola un umbral especificado de TTC o PET.

Metodología

1. Representación de Datos y Construcción del Grafo

Los autores construyen un grafo heterogéneo para cada fotograma basado en los datos de trayectoria NGSIM (I-80 y US-101).

• Nodos: Cada vehículo es un nodo con un vector de características de 10 dimensiones que incluye posición, velocidad, aceleración, asignación de carril, distancia de seguimiento (headway) e indicador de cambio de carril.
• Aristas: Se establecen aristas entre vehículos dentro de un radio de 100 pies y se clasifican en dos tipos:
  • Longitudinales ($E_{long}$): Pares en el mismo carril (dinámicas de seguimiento de vehículos).
  • Laterales ($E_{lat}$): Pares en carriles adyacentes (dinámicas de cambio de carril).
• Características de Arista Informadas por la Física: Se diseñaron características de arista distintas para cada tipo con el fin de alinearse con los mecanismos de conflicto:
  • Longitudinal: Tasa de cierre, distancia normalizada y diferencial de aceleración.
  • Lateral: Velocidad lateral, bandera de cambio de carril y solapamiento longitudinal.

2. Arquitectura Propuesta: HIA-GAT

La contribución central es HIA-GAT (Red de Atención de Grafos de Interacción Heterogénea Consciente de la Interacción), una arquitectura de doble flujo diseñada para procesar las interacciones longitudinales y laterales por separado antes de fusionarlas.

• Procesamiento de Doble Flujo:

  • Las características de nodo de entrada se proyectan en dos flujos separados.
  • Flujo Longitudinal: Una capa de Red de Atención de Grafos (GAT) procesa únicamente las aristas $E_{long}$ utilizando las características de arista longitudinales.
  • Flujo Lateral: Una capa GAT paralela procesa únicamente las aristas $E_{lat}$ utilizando las características de arista laterales.
  • Esta separación permite al modelo aprender representaciones distintas para las dinámicas de seguimiento de vehículos y de cambio de carril sin interferencias.

• Fusión de Puerta Consciente del Tipo de Conflicto:

  • Las salidas de los dos flujos se fusionan mediante un mecanismo de puerta aprendido. Para cada nodo $i$, se calcula un valor de puerta $g_i \in (0, 1)$ basado en la concatenación de las incrustaciones (embeddings) de los flujos.
  • La incrustación final es una suma ponderada: $h_i = g_i \odot h^{long}_i + (1 - g_i) \odot h^{lat}_i$.
  • Un valor cercano a 1.0 enruta la representación a través del flujo longitudinal; un valor cercano a 0.0 la enruta a través del flujo lateral.

• Supervisión de la Puerta a Nivel de Evento:

  • Para evitar que la puerta colapse hacia una solución trivial, los autores introducen una señal de supervisión derivada de las etiquetas de las SSM de la verdad de campo (ground-truth).
  • Si un vehículo está involucrado en un conflicto basado en TTC, la puerta objetivo es 1.0; para conflictos basados en PET, es 0.0; para ambos, es 0.5.
  • Esta pérdida se aplica solo a la pequeña fracción de nodos involucrados en conflictos (0.1–1.5% de los nodos), obligando a la capa de proyección compartida a aprender un mapeo desde las representaciones de los nodos hacia la probabilidad del tipo de conflicto.

• Lectura (Readout): Una agregación de nodos ponderada por atención consolida las incrustaciones de los nodos en una única representación de grafo para la clasificación binaria final.

3. Baselines y Evaluación

El estudio compara HIA-GAT contra un conjunto estructurado de modelos base:

• Modelos No Basados en Grafos: Regresión Logística, Bosque Aleatorio (Random Forest), XGBoost y MLP operando sobre estadísticas agregadas a nivel de fotograma.
• Baselines de GNN: GCN y GraphSAGE (solo topología, sin características de arista).
• GNN de Flujo Único: HomoGAT (atención unificada en todas las aristas con características de arista).
  La evaluación se realizó en los conjuntos de datos NGSIM I-80 y US-101 a través de nueve configuraciones de umbral (variando la severidad de TTC y PET). Las métricas incluyeron AUC (primaria, para el ranking de riesgo) y F1 optimizado por umbral.

Resultados Clave

• Rendimiento General: HIA-GAT logró el AUC promedio más alto en ambos conjuntos de datos (0.835 en I-80 y 0.867 en US-101), superando a todos los modelos no gráficos y a los baselines de grafos.
• Especificidad del Tipo de Conflicto:
  • TTC (Alcance): Los modelos no gráficos (específicamente Random Forest) fueron competitivos o superiores (AUC ~0.90–0.94). Los autores señalan que los riesgos de alcance están bien capturados por estadísticas agregadas (tasa de cierre media, distancia de seguimiento), lo que hace que las estructuras de grafos complejas sean menos críticas para este mecanismo específico.
  • PET (Cambio de Carril): Surgió una brecha de rendimiento notable. Los modelos no gráficos se degradaron significativamente (AUC ~0.69–0.77), mientras que los modelos GNN destacaron (AUC ~0.80–0.87). Esto demuestra que la estructura de grafo es esencial para detectar conflictos laterales, ya que son eventos relacionales inherentes que las estadísticas agregadas no logran capturar.
• Perspectivas de Ablación:
  • La adición de características de arista informadas por la física a un GAT de flujo único (HomoGAT) mejoró significativamente el rendimiento respecto a los GNN de solo topología.
  • La arquitectura de doble flujo con fusión de puerta (HIA-GAT) proporcionó ganancias adicionales, particularmente en escenarios combinados de TTC/PET, confirmando el valor de separar los mecanismos de conflicto.
• Interpretabilidad: El mecanismo de puerta aprendió con éxito a diferenciar los tipos de conflicto. En configuraciones de un solo tipo, la precisión de la dirección de la puerta superó el 99%. Los valores de la puerta proporcionaron atribución por vehículo, identificando correctamente si un vehículo riesgoso estaba involucrado en un conflicto longitudinal o lateral.

Significación y Reivindicaciones

El artículo afirma que HIA-GAT proporciona un marco con principios sólidos para la evaluación de riesgos en autopistas a nivel de fotograma que se alinea con los mecanismos físicos subyacentes de los conflictos de tráfico.

1. Necesidad Estructural: El estudio concluye que las representaciones basadas en grafos no son meramente una conveniencia de modelado, sino una elección estructural necesaria para la detección integral de conflictos. Mientras que las estadísticas agregadas bastan para los riesgos longitudinales (alcance), fallan al capturar las relaciones espacio-temporales de pares requeridas para la predicción de riesgos laterales (cambio de carril).
2. Alineación con el Mecanismo: Al descomponer las interacciones en flujos dedicados y utilizar características informadas por la física, el modelo evita la limitación de "talla única" de las GNN estándar, permitiendo aprender dinámicas distintas para diferentes tipos de conflicto.
3. Interpretabilidad Accionable: Más allá de la precisión de la predicción, el modelo ofrece interpretabilidad en tiempo real. Los valores de la puerta aprendidos indican el tipo de conflicto dominante para cada vehículo, apoyando el monitoreo de seguridad accionable sin requerir costos de anotación adicionales.

Los autores mantienen una postura modesta respecto a las limitaciones, señalando que la arquitectura de doble flujo puede enfrentar inestabilidad en el entrenamiento en escenarios de muestras positivas extremadamente dispersas (por ejemplo, umbrales de TTC muy bajos con baja prevalencia), donde la división de la señal limitada entre dos flujos reduce la supervisión efectiva por cada uno.