🤖 machine learning

hia-gat: A Heterogeneous Interaction-Aware Graph Attention Network For Frame-Level Traffic Conflict Risk Prediction On Freeways

यह शोध पत्र HIA-GAT का प्रस्ताव करता है, जो एक हेटेरोजेनियस ग्राफ अटेंशन नेटवर्क है जो ड्यूल-स्ट्रीम अटेंशन पाथवे और एक कॉन्फ्लिक्ट-टाइप-अवेयर गेटिंग मैकेनिज्म के माध्यम से विशिष्ट अनुदैर्ध्य (लोंगिट्यूडिनल) और पार्श्व (लैटरल) वाहन अंतःक्रियाओं को मॉडल करके फ्रेम-स्तरीय फ्रीवे ट्रैफिक संघर्ष जोखिमों की प्रभावी ढंग से भविष्यवाणी करता है, जिससे NGSIM डेटासेट पर उत्कृष्ट प्रदर्शन और व्याख्यात्मकता प्राप्त होती है।

मूल लेखक: Mahshid Malazizi, Seyedmehdi Khaleghian, Mina Sartipi, Toru Hirano, Yunfei Xu, Hoang H. Nguyen

प्रकाशित 2026-06-29

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Mahshid Malazizi, Seyedmehdi Khaleghian, Mina Sartipi, Toru Hirano, Yunfei Xu, Hoang H. Nguyen

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक व्यस्त हाईवे की कल्पना करें जो एक विशाल, चलता-फिरता डांस फ्लोर है। हर कार एक डांसर है, और इस शोध का लक्ष्य यह पता लगाना है कि क्या यह डांस एक अनाड़ी टक्कर में बदलने वाला है या एक बाल-बाल बची हुई स्थिति (near-miss) में।

शोधकर्ता, महशिद मलाजीज़ी और उनकी टीम के नेतृत्व में, एक स्मार्ट कंप्यूटर सिस्टम बनाया जिसे HIA-GAT कहा जाता है, जो एक अत्यंत चौकस डांस इंस्ट्रक्टर की तरह काम करता है। यह कैसे काम करता है, यहाँ सरल भाषा में समझाया गया है:

1. समस्या: बहुत सारे डांसर, बहुत सारे मूव्स

पारंपरिक रूप से, यातायात सुरक्षा विशेषज्ञ दुर्घटना होने का इंतज़ार करते हैं ताकि वे उससे सीख सकें। लेकिन यह ऐसा है जैसे किसी के फिसलने का इंतज़ार करना इससे पहले कि आप समझें कि फर्श फिसलन भरा है। इसके बजाय, यह टीम "सरोगेट सेफ्टी मेजर्स" (SSMs) का उपयोग करती है, जो गिरने से पहले ही फिसलने की भविष्यवाणी करने जैसा है।

TTC (Time-to-Collision): यह "रियर-एंड" (पीछे से टक्कर) का जोखिम है। यह तब होता है जब पीछे वाली कार सामने वाली कार के बहुत करीब आ रही होती है।
PET (Post-Encroachment Time): यह "लेन-चेंज" का जोखिम है। यह तब होता है जब एक कार उसी स्थान से गुजरने वाली दूसरी कार के ठीक सामने लेन में आती है।

चुनौती यह है कि एक हाईवे सीन में एक साथ सैकड़ों कारें चलती हैं। एक साधारण कंप्यूटर प्रोग्राम जो सभी कारों की "औसत" गति को देखता है, वह दो विशेष कारों के बीच के विशिष्ट, खतरनाक इंटरैक्शन को मिस कर देता है।

2. समाधान: एक विशेष "टू-स्ट्रीम" मस्तिष्क

शोधकर्ताओं ने HIA-GAT बनाया, जो एक ऐसे मस्तिष्क की तरह है जिसमें दो विशेष आँखें हैं जो मिलकर काम करती हैं।

लॉन्गीट्यूडिनल आई (The "Follow" Stream): यह आँख केवल एक ही लेन में चलने वाली कारों को देखती है। यह एक कार और उसके ठीक सामने वाली कार के बीच के अंतर पर नज़र रखती है। यह पूछती है, "क्या पीछे वाली कार बहुत तेज़ी से करीब आ रही है?"
लैटरल आई (The "Swerve" Stream): यह आँख अगल-बगल की लेन में चलने वाली कारों को देखती है। यह कारों के मुड़ने या लेन बदलने पर नज़र रखती है। यह पूछती है, "क्या यह कार उस स्थान में तिरछी हो रही है जो पहले से ही भरा हुआ है?"

मैजिक गेटिंग मैकेनिज्म (The Magic Gating Mechanism):
अधिकांश AI सिस्टम एक ही मस्तिष्क से दोनों काम करने की कोशिश करते हैं, जिससे भ्रम हो सकता है। HIA-GAT हर एक कार के लिए एक "गेट" (ट्रैफिक लाइट की तरह) का उपयोग करता है।

यदि कोई कार रियर-एंड खतरे के क्षेत्र में है, तो गेट नीला (Blue) हो जाता है, जो उस कार के डेटा को "फॉलो" स्ट्रीम की ओर भेजता है।
यदि कोई कार लेन-चेंज खतरे के क्षेत्र में है, तो गेट लाल (Red) हो जाता है, जो उस डेटा को "स्वर्व" स्ट्रीम की ओर भेजता है।
यदि कार सुरक्षित है, तो गेट ग्रे (Gray) (न्यूट्रल) रहता है।

यह सिस्टम को यह समझने की अनुमति देता है कि एक विशिष्ट कार वास्तव में किस तरह के खतरे का सामना कर रही है, न कि केवल पूरे सड़क के लिए एक सामान्य "खतरा" चेतावनी देता है।

3. ट्रेनिंग: "नियर-मिसेस" से सीखना

इस सिस्टम को दो प्रसिद्ध हाईवे: एमरीविले में I-80 और लॉस एंजेलिस में US-101 के वास्तविक दुनिया के वीडियो डेटा पर प्रशिक्षित किया गया था। शोधकर्ताओं ने केवल AI से अनुमान लगाने के लिए नहीं कहा; उन्होंने इसे भौतिकी (physics) पर आधारित "उत्तर कुंजियाँ" (answer keys) दी थीं।

उन्होंने AI को बताया: "यदि कार A और कार B इतनी करीब हैं, तो वह एक 'रियर-एंड' संघर्ष है।"
उन्होंने AI को बताया: "यदि कार C और कार D इस गति से एक-दूसरे के रास्ते में आईं, तो वह एक 'लेन-चेंज' संघर्ष है।"

AI ने इन भौतिकी-आधारित नियमों की नकल करना सीखा। दिलचस्प बात यह है कि सिस्टम को बाकी सभी कारों के लिए खतरे को पहचानने के लिए केवल बहुत कम हिस्से (2% से भी कम) पर स्पष्ट रूप से सुधार की आवश्यकता थी।

4. परिणाम: "टू-आई" दृष्टिकोण क्यों जीतता है

शोधकर्ताओं ने अपने सिस्टम का अन्य तरीकों के खिलाफ परीक्षण किया, जिसमें सरल सांख्यिकीय मॉडल (जैसे भीड़ की औसत गति देखना) और अन्य AI मॉडल शामिल थे।

रियर-एंड क्रैश (TTC) के लिए: सरल मॉडल वास्तव में काफी अच्छा प्रदर्शन करते हैं। यदि आप केवल औसत गति और गैप को देखते हैं, तो आप अक्सर रियर-एंड जोखिम को पहचान सकते हैं।
लेन-चेज क्रैश (PET) के लिए: यहीं पर असली जादू हुआ। सरल मॉडल यहाँ बुरी तरह विफल रहे। क्यों? क्योंकि लेन-चेंज का जोखिम दो कारों के बीच का एक विशिष्ट संबंध है। यदि आप डेटा का औसत निकालते हैं, तो आप उस विशिष्ट संबंध को खो देते हैं।
- उपमा (Analogy): कल्पना करें कि आप भीड़ के "औसत वॉल्यूम" को सुनकर स्टेडियम में शोर मचाती भीड़ में दो लोगों के बीच हो रही एक विशिष्ट बातचीत को खोजने की कोशिश कर रहे हैं। आप कभी भी उस बातचीत को नहीं सुन पाएंगे। आपको उस विशिष्ट जोड़ी पर ध्यान केंद्रित करने की आवश्यकता है।
- HIA-GAT, अपने विशेष "लैटरल आई" के साथ, एकमात्र मॉडल था जो इन लेन-चेंज जोखिमों को विश्वसनीय रूप से पहचान सका।

5. निष्कर्ष

पेपर यह निष्कर्ष निकालता है कि हाईवे सुरक्षा को वास्तव में समझने के लिए, आप भीड़ को एक समूह के रूप में नहीं देख सकते। आपको एक ऐसे सिस्टम की आवश्यकता है जो व्यक्तिगत कारों के बीच के विशिष्ट संबंधों को समझ सके।

HIA-GAT सबसे सटीक सिस्टम है जिसका परीक्षण किया गया, जो अन्य किसी भी पद्धति की तुलना में जोखिमों को बेहतर ढंग से रैंक करता है।
यह व्याख्यात्मकता (interpretability) प्रदान करता है: यह केवल "खतरा!" नहीं कहता; यह आपको बताता है कि कौन सी कार खतरे में है और क्यों (क्या उसे पीछे से दबाया जा रहा है, या वह किसी को कट मार रही है?)।

संक्षेप में, HIA-GAT एक स्मार्ट, दोहरी-केंद्रित सुरक्षा निगरानी प्रणाली है जो यह जानती है कि पीछे से बहुत करीब आने वाली कार और लाइन काटने वाली कार के बीच क्या अंतर है, जो इसे वास्तविक समय में हाईवे को सुरक्षित रखने के लिए एक शक्तिशाली उपकरण बनाता है।

तकनीकी सारांश: फ्रेम-लेवल फ्रीवे ट्रैफिक कॉन्फ्लिक्ट रिस्क प्रेडिक्शन के लिए HIA-GAT

समस्या का निरूपण (Problem Formulation)

यह शोध पत्र फ्रीवे पर वास्तविक समय (real-time), फ्रेम-लेवल ट्रैफिक जोखिम मूल्यांकन की चुनौती को संबोधित करता है। पारंपरिक सुरक्षा विश्लेषण ऐतिहासिक दुर्घटना डेटा पर निर्भर करता है, जो कि प्रतिक्रियात्मक (reactive) और विरल (sparse) होता है। जबकि सरोगेट सेफ्टी मेजर्स (SSMs) जैसे कि टाइम-टू-कोलिजन (TTC) और पोस्ट-एनक्रोचमेंट टाइम (PET) प्रोएक्टिव विकल्प प्रदान करते हैं, मौजूदा पद्धतियां पेयरवाइज इंटरैक्शन से जटिल, मल्टी-एजेंट दृश्यों तक स्केल करने में संघर्ष करती हैं। विशेष रूप से, शोर वाले मल्टी-एजेंट ट्रैजेक्टरीज को विश्वसनीय फ्रेम-लेवल रिस्क इंडिकेटर्स में बदलना कठिन है क्योंकि SSMs जोड़ों (pairs) पर परिभाषित होते हैं, फिर भी वास्तविक दुनिया के दृश्यों में एक साथ होने वाले अनुदैर्ध्य (longitudinal/rear-end) और पार्श्व (lateral/lane-change) इंटरैक्शन शामिल होते हैं जिन्हें दृश्य स्तर पर संक्षेपित किया जाना चाहिए।

लेखक इसे एक ग्राफ-लेवल बाइनरी क्लासिफिकेशन समस्या के रूप में निरूपित करते हैं। प्रत्येक वीडियो फ्रेम को एक ग्राफ के रूप में माना जाता है जहाँ वाहन नोड्स (nodes) हैं और इंटरैक्शन एडजेस (edges) हैं। लक्ष्य प्रत्येक फ्रेम के लिए एक बाइनरी लेबल ( $y_t \in \{0, 1\}$ ) की भविष्यवाणी करना है, जो यह दर्शाता है कि क्या किसी वाहन जोड़े ने निर्दिष्ट TTC या PET थ्रेशोल्ड का उल्लंघन किया है।

कार्यप्रणाली (Methodology)

1. डेटा प्रतिनिधित्व और ग्राफ निर्माण

लेखक NGSIM ट्रैजेक्टरी डेटा (I-80 और US-101) के आधार पर प्रत्येक फ्रेम के लिए एक हेट्रोजेनियस ग्राफ का निर्माण करते हैं।

नोड्स (Nodes): प्रत्येक वाहन एक 10-आयामी फीचर वेक्टर वाला एक नोड है जिसमें स्थिति, वेग, त्वरण, लेन असाइनमेंट, हेडवे और लेन-चेंज इंडिकेटर शामिल हैं।
एडजेस (Edges): 100 फीट के दायरे में वाहनों के बीच एडजेस स्थापित किए जाते हैं और उन्हें दो प्रकारों में वर्गीकृत किया जाता है:
- अनुदैर्ध्य (Longitudinal - $E_{long}$ ): एक ही लेन वाले जोड़े (कार-फॉलोइंग डायनेमिक्स)।
- पार्श्व (Lateral - $E_{lat}$ ): आसन्न लेन वाले जोड़े (लेन-चेंज डायनेमिक्स)।
फिजिक्स-इन्फॉर्म्ड एज फीचर्स: प्रत्येक प्रकार के लिए विशिष्ट एज फीचर्स इंजीनियर किए गए हैं ताकि वे संघर्ष तंत्र (conflict mechanisms) के साथ संरेखित हो सकें:
- अनुदैर्ध्य: क्लोजिंग रेट, नॉर्मलाइज्ड डिस्टेंस, और एक्सीलरेशन डिफरेंशियल।
- पार्श्व: लेटरल वेलोसिटी, लेन-चेंज फ्लैग, और लॉन्गिट्यूडिनल ओवरलैप।

2. प्रस्तावित आर्किटेक्चर: HIA-GAT

मुख्य योगदान HIA-GAT (हेट्रोजेनियस इंटरैक्शन-अवेयर ग्राफ अटेंशन नेटवर्क) है, जो एक ड्यूल-स्ट्रीम आर्किटेक्चर है जिसे अनुदैर्ध्य और पार्श्व इंटरैक्शन को अलग-अलग प्रोसेस करने के बाद उन्हें फ्यूज करने के लिए डिज़ाइन किया गया है।

ड्यूल-स्ट्रीम प्रोसेसिंग:
- इनपुट नोड फीचर्स को दो अलग-अलग स्ट्रीम में प्रोजेक्ट किया जाता है।
- अनुदैर्ध्य स्ट्रीम (Longitudinal Stream): एक ग्राफ अटेंशन नेटवर्क (GAT) लेयर केवल $E_{long}$ एडजेस को अनुदैर्ध्य एज फीचर्स का उपयोग करके प्रोसेस करती है।
- पार्श्व स्ट्रीम (Lateral Stream): एक समानांतर GAT लेयर केवल $E_{lat}$ एडजेस को पार्श्व एज फीचर्स का उपयोग करके प्रोसेस करती है।
- यह पृथक्करण मॉडल को हस्तक्षेप के बिना कार-फॉलोइंग और लेन-चेंजिंग डायनेमिक्स के लिए विशिष्ट प्रतिनिधित्व सीखने की अनुमति देता है।
कॉन्फ्लिक्ट-टाइप-अवेयर गेटेड फ्यूजन:
- दोनों स्ट्रीम के आउटपुट को एक सीखे गए गेटिंग मैकेनिज्म के माध्यम से फ्यूज किया जाता है। प्रत्येक नोड $i$ के लिए, एक गेट वैल्यू $g_i \in (0, 1)$ को कंकैटिनेटेड स्ट्रीम एम्बेडिंग्स के आधार पर कंप्यूट किया जाता है।
- अंतिम एम्बेडिंग एक वेटेड सम है: $h_i = g_i \odot h^{long}_i + (1 - g_i) \odot h^{lat}_i$ ।
- 1.0 के करीब का मान प्रतिनिधित्व को अनुदैर्ध्य स्ट्रीम के माध्यम से रूट करता है; 0.0 के करीब का मान इसे पार्श्व स्ट्रीम के माध्यम से रूट करता है।
इवेंट-लेवल गेट सुपरविजन:
- गेट को ट्रिवियल सॉल्यूशन की ओर ढहने (collapse) से रोकने के लिए, लेखक एक सुपरविजन सिग्नल पेश करते हैं जो ग्राउंड-ट्रुथ SSM लेबल्स से प्राप्त होता है।
- यदि कोई वाहन TTC-आधारित संघर्ष में शामिल है, तो टारगेट गेट 1.0 है; PET-आधारित संघर्षों के लिए, यह 0.0 है; दोनों के लिए, यह 0.5 है।
- यह लॉस केवल संघर्षों में शामिल नोड्स के छोटे अंश (0.1–1.5% नोड्स) पर लागू किया जाता है, जो साझा प्रोजेक्शन लेयर को नोड रिप्रेजेंटेशन से कॉन्फ्लिक्ट-टाइlık (conflict-type likelihood) के मैपिंग को सीखने के लिए मजबूर करता है।
रीडआउट (Readout): एक अटेंशन-वेटेड ग्लोबल पूलिंग नोड एम्बेडिंग्स को एक एकल ग्राफ प्रतिनिधित्व में एकत्रित करती है, जो अंतिम बाइनरी क्लासिफिकेशन के लिए होता है।

3. बेसलाइन्स और मूल्यांकन

यह अध्ययन HIA-GAT की तुलना एक संरचित सूट ऑफ बेसलाइन्स से करता है:

नॉन-ग्राफ मॉडल: फ्रेम-लेवल एग्रीगेट स्टैटिस्टिक्स पर संचालित लॉजिस्टिक रिग्रेशन, रैंडम फॉरेस्ट, XGBoost और MLP।
GNN बेसलाइन्स: GCN और GraphSAGE (केवल टोपोलॉजी, कोई एज फीचर्स नहीं)।
सिंगल-स्ट्रीम GNN: HomoGAT (एज फीचर्स के साथ सभी एडजेस पर यूनिफाइड अटेंशन)।

मूल्यांकन NGSIM I-80 और US-101 डेटासेट्स पर नौ थ्रेशोल्ड कॉन्फ़िगरेशन (TTC और PET की गंभीरता को बदलते हुए) के माध्यम से किया गया था। मेट्रिक्स में AUC (प्राथमिक, रिस्क रैंकिंग के लिए) और थ्रेशोल्ड-ऑप्टिमाइज्ड F1 शामिल थे।

मुख्य परिणाम

समग्र प्रदर्शन: HIA-GAT ने दोनों डेटासेट्स पर उच्चतम औसत AUC प्राप्त किया (I-80 पर 0.835 और US-101 पर 0.867), जो सभी नॉन-ग्राफ और ग्राफ बेसलाइन्स को पीछे छोड़ देता है।
कॉन्फ्लिक्ट-टाइप विशिष्टता:
- TTC (रियर-एंड): नॉन-ग्राफ मॉडल (विशेष रूप से रैंडम फॉरेस्ट) प्रतिस्पर्धी या बेहतर प्रदर्शन करते हैं (AUC ~0.90–0.94)। लेखक नोट करते हैं कि रियर-एंड रिस्क को एग्रीगेट स्टैटिस्टिक्स (मीन क्लोजिंग रेट, हेडवे) द्वारा अच्छी तरह से कैप्चर किया जाता है, जिससे जटिल ग्राफ संरचनाएं इस विशिष्ट तंत्र के लिए कम महत्वपूर्ण हो जाती हैं।
- PET (लेन-चेंज): एक बड़ा प्रदर्शन अंतर देखा गया। नॉन-ग्राफ मॉडल काफी गिर गए (AUC ~0.69–0.77), जबकि GNN मॉडल उत्कृष्ट रहे (AUC ~0.80–0.87)। यह प्रदर्शित करता है कि ग्राफ संरचना पार्श्व संघर्षों का पता लगाने के लिए आवश्यक है, क्योंकि वे स्वाभाविक रूप से रिलेशनल इवेंट्स हैं जिन्हें एग्रीगेट स्टैटिस्टिक्स कैप्चर करने में विफल रहते हैं।
एब्लेशन अंतर्दृष्टि (Ablation Insights):
- सिंगल-स्ट्रीम GAT (HomoGAT) में फिजिक्स-इन्फॉर्म्ड एज फीचर्स जोड़ने से टोपोलॉजी-ओनली GNNs की तुलना में प्रदर्शन में काफी सुधार हुआ।
- गेटेड फ्यूजन के साथ ड्यूल-स्ट्रीम आर्किटेक्चर (HIA-GAT) ने और अधिक लाभ प्रदान किया, विशेष रूप से संयुक्त TTC/PET परिदृश्यों में, जो अलग-अलग संघर्ष तंत्रों को अलग करने के मूल्य की पुष्टि करता है।
व्याख्यात्मकता (Interpretability): गेट मैकेनिज्म ने कॉन्फ्लिक्ट प्रकारों को सफलतापूर्वक अलग करना सीखा। सिंगल-टाइप कॉन्फ़िगरेशन पर, गेट डायरेक्शन सटीकता 99% से अधिक थी। प्रति-वाहन गेट वैल्यूज ने सही ढंग से पहचान की कि जोखिम भरा वाहन अनुदैर्ध्य या पार्श्व संघर्ष में शामिल था।

महत्व और दावे

यह पेपर दावा करता है कि HIA-GAT एक सिद्धांतपूर्ण ढांचा प्रदान करता है जो ट्रैफिक संघर्षों के अंतर्निहित भौतिक तंत्र के साथ संरेखित है।

संरचनात्मक आवश्यकता: अध्ययन निष्कर्ष निकालता है कि ग्राफ-आधारित प्रतिनिधित्व केवल एक मॉडलिंग सुविधा नहीं है बल्कि व्यापक संघर्ष का पता लगाने के लिए एक आवश्यक संरचनात्मक विकल्प है। जबकि अनुदैर्ध्य (रियर-एंड) जोखिमों के लिए एग्रीगेट स्टैटिस्टिक्स पर्याप्त हैं, वे पार्श्व (लेन-चेंज) रिस्क प्रेडिक्शन के लिए आवश्यक पेयरवाइज स्पैटियल-टेम्पोरल संबंधों को कैप्चर करने में विफल रहते हैं।
तंत्र संरेखण (Mechanism Alignment): समर्पित स्ट्रीम और फिजिक्स-इन्फॉर्म्ड फीचर्स में इंटरैक्शन को डिकंपोज करके, मॉडल मानक GNNs की "वन-साइज-फिट्स-ऑल" सीमा से बचता है, जिससे विभिन्न संघर्ष प्रकारों के लिए अलग-अलग डायनेमिक्स सीखने की अनुमति मिलती है।
कार्यवाही योग्य व्याख्यात्मकता (Actionable Interpretability): भविष्यवाणी सटीकता के अलावा, मॉडल वास्तविक समय की व्याख्यात्मकता प्रदान करता है। सीखा गया गेट वैल्यू प्रत्येक वाहन के लिए प्रमुख संघर्ष प्रकार को इंगित करता है, जो अतिरिक्त एनोटेशन लागत की आवश्यकता के बिना एक्शन योग्य सुरक्षा निगरानी का समर्थन करता है।

लेखक अपनी सीमाओं के संबंध में एक मध्यम रुख बनाए रखते हैं, यह नोट करते हुए कि ड्यूल-स्ट्रीम आर्किटेक्चर अत्यंत विरल पॉजिटिव-सैंपल परिदृश्यों (जैसे, बहुत कम TTC थ्रेशोल्ड वाले कम प्रसार वाले मामले) में प्रशिक्षण अस्थिरता का सामना कर सकता है, जहाँ सीमित सिग्नल को दो स्ट्रीम में विभाजित करने से प्रति स्ट्रीम प्रभावी सुपरविजन कम हो जाता है।