🤖 machine learning

HERMES: Heterogeneous Edge-Relational Multi-Head Embedded SSM Attention for Traffic Conflict Prediction at Signalized Intersections

Questo articolo propone HERMES, una rete neurale a grafo eterogenea con relazioni di bordo dotata di attenzione multi-testa informata da SSM che modella veicoli e pedoni come nodi e le loro interazioni come archi specifici per relazione al fine di ottenere una previsione dei conflitti stradali trasferibile e allo stato dell'arte presso incroci semaforici, catturando efficacemente topologie di interazione eterogenee e dinamiche temporali orientate alla sicurezza.

Autori originali: Md Monzurul Islam, Subasish Das

Pubblicato 2026-07-24

📖 7 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Md Monzurul Islam, Subasish Das

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di guardare un incrocio cittadino trafficato da una finestra in alto. Le auto sfrecciano, curvano e si fermano, mentre i pedoni si snodano attraverso gli attraversamenti pedonali. Per un computer, questo non è solo un caos disordinato; è un gigantesco puzzle in movimento dove ogni pezzo (un'auto o una persona) cambia costantemente idea e reagisce ai propri vicini. Per decenni, gli esperti di sicurezza stradale hanno cercato di prevedere quando questi pezzi potrebbero scontrarsi tra loro. Un tempo aspettavano che l'incidente accadesse davvero per poi studiare il relitto, ma questo è come aspettare che una casa bruci per imparare la sicurezza antincendio. Invece, hanno iniziato a cercare i "near-misses" (quasi incidenti): quei momenti mozzafiato in cui un'auto frena bruscamente a pochi centimetppi da un pedone. Questi sono chiamati "misure di sicurezza surrogate". Pensateli come la versione del mondo del traffico di un rilevatore di "quasi incidenti".

Tuttavia, la maggior parte dei programmi informatici della vecchia scuola guardava a questi quasi incidenti un paio alla volta, come se controllasse se l'Auto A è troppo vicina all'Auto B, e poi controllasse se l'Auto C è troppo vicina al Pedone D, ignorando il fatto che la frenata improvvisa dell'Auto A potrebbe far sterzare l'Auto B, il che a sua volta spaventa il Pedone D. Era come cercare di capire una danza complessa guardando solo due ballerini alla volta. Questo articolo introduce un modo nuovo e più intelligente di osservare l'intera pista da ballo contemporaneamente. Tratta l'incrocio non come un elenco di coppie separate, ma come una rete vivente e pulsante di connessioni dove ogni movimento si propaga attraverso la folla. L'obiettivo è semplice ma vitale: costruire un sistema in grado di individuare una situazione pericolosa prima che si trasformi in una tragedia, senza urlare "falso allarme" ogni volta che qualcuno rallenta semplicemente per un semaforo rosso.

Il nuovo "Detective del Traffico": HERMES

Entra in scena HERMES, un nome altisonante per un nuovo tipo di cervello informatico progettato per prevedere i conflitti stradali agli incroci semaforici. I ricercatori, Md Monzurul Islam e Subasish Das della Texas State University, hanno costruito questo sistema per risolvere il problema della "piattezza" dei modelli precedenti. Immaginate di cercare di descrivere una sinfonia elencando separatamente il volume di ogni strumento; perdereste l'armonia e il caos. I vecchi modelli facevano esattamente questo con il traffico, appiattendo la scena in una noiosa lista di numeri. HERMES, invece, vede l'incrocio come un grafo eterogeneo.

In parole povere, un "grafo" qui è solo una mappa di connessioni. HERMES disegna una mappa dove le auto e i pedoni sono i punti (nodi) e le loro interazioni sono le linee (archi) che li collegano. Ma non è una mappa qualsiasi; è una mappa eterogenea, il che significa che riconosce la differenza tra un'auto che interagisce con un'altra auto, un'auto che interagisce con una persona e una persona che interagisce con un'altra persona. Tratta queste relazioni in modo diverso, proprio come trattereste una conversazione con il vostro migliore amico diversamente da una chiacchierata con uno sconosciuto.

Ciò che rende HERMES davvero speciale è il modo in cui utilizza le "misure di sicurezza surrogate" (SSM). Queste sono indizi basati sulla fisica come il Tempo di Collisione (quanti secondi mancano a uno scontro se nessuno si muove) e il DRAC (quanto forte debba frenare qualcuno per evitare un incidente). Invece di limitarsi ad aggiungere questi numeri alla fine di un elenco, HERMES li integra direttamente nelle connessioni tra i punti. È come dare al computer un superpotere: non vede solo che due auto sono vicine; vede che sono vicine e si stanno muovendo velocemente l'una verso l'altra, e sa che questa specifica combinazione è pericolosa.

Come funziona: La magia della rete

HERMES lavora a strati, come sbucciare una cipolla o impilare blocchi di costruzione.

Lo strato del Grafo: Osserva un'istantanea dell'incrocio e costruisce una rete di connessioni. Presta particolare attenzione agli "archi" (le linee tra i punti) che presentano un'elevata richiesta di frenata (alto DRAC). Se un'auto deve frenare bruscamente, HERMES evidenzia immediatamente quella connessione.
Lo strato dell'Attenzione: Questa è la parte "multi-head" (multi-testa). Immaginate che HERMES abbia diversi paia di occhiali, ognuno dei quali guarda la scena attraverso una lente diversa. Un paio potrebbe concentrarsi sulla velocità, un altro sulla direzione e un altro ancora su quanto siano vicini tutti quanti. Combina queste visioni per decidere quali interazioni siano le più critiche.
Lo strato del Tempo: Il traffico non avviene in una singola foto congelata; è un film. HERMES osserva una sequenza di questi grafi nel tempo (specificamente, 8 fotogrammi consecutivi). Utilizza un sistema di memoria (chiamato LSTM) per ricordare come la situazione si è evoluta. Le auto si sono avvicinate? Il pedone è uscito? Osservando lo sviluppo della storia, può prevedere il finale prima che accada.

I Risultati: Un punteggio quasi perfetto

I ricercatori hanno testato HERMES utilizzando oltre 109.000 sequenze di dati sul traffico da un incrocio trafficato a San Marcos, Texas. Hanno confrontato HERMES con un intero team di altri "detective", inclusi i modelli statistici della vecchia scuola (come XGBoost) e i moderni modelli di deep learning (come i Transformer).

I risultati sono stati impressionanti. HERMES non si è limitato a vincere; ha dominato.

Accuratezza: Ha raggiunto un punteggio chiamato AUC-ROC di 0,9898. Nel mondo dei modelli predittivi, un punteggio di 1,0 è perfetto, e 0,5 è come indovinare con una moneta. HERMES era incredibilmente vicino alla perfezione.
Il test del "Falso Allarme": Questa è la parte più importante per l'uso nel mondo reale. Se un sistema di sicurezza urla "SCONTRO!" ogni volta che un'auto rallenta, nessuno ascolterà. I ricercatori hanno testato quanto bene i modelli potessero individuare i pericoli reali mantenendo i falsi allarmi molto bassi (specificamente, solo il 5% delle situazioni sicure è stato erroneamente segnalato).
- Il miglior modello precedente (un Transformer) ha catturato circa l'81% dei conflitti reali a questo basso tasso di falsi allarmi.
- HERMES ha catturato il 95,7% dei conflitti.
- Ciò significa che HERMES ha trovato quasi ogni situazione pericolosa, emettendo pochissimi falsi allarmi.

Hanno anche testato se HERMES potesse funzionare in una città diversa. Hanno preso il modello addestrato in Texas e lo hanno inserito in un incrocio a Coldwater, Michigan, senza riaddestrarlo sui nuovi dati. Questo è chiamato "zero-shot transfer". Anche senza aver visto la nuova città, HERMES ha comunque performato in modo straordinario, catturando il 91,45% dei conflitti con un tasso di falsi allarmi del 5%. Quando gli hanno fornito solo una piccola quantità di dati dalla nuova città (solo il 20% dei segmenti di addestramento), le sue prestazioni sono aumentate ulteriormente, catturando quasi il 98,7% dei conflitti.

Cosa non è (e cosa esclude)

È importante sapere cosa HERMES non fa. L'articolo argomenta esplicitamente contro l'idea che sia possibile comprendere il rischio guardando semplicemente una coppia di utenti della strada (come un'auto e un pedone) in isolamento. Lo studio dimostra che osservare le interazioni individualmente o appiattire la scena in una semplice lista di numeri fa perdere la complessa rete di causa ed effetto che porta agli incidenti.

L'articolo esclude anche l'idea che sia necessario una quantità massiccia di nuovi dati da ogni singola nuova località per far funzionare il sistema. Sebbene l'aggiunta di un po' di dati locali aiuti, il sistema è abbastanza robusto da funzionare bene su un nuovo sito semplicemente imparando da un altro sito simile.

In sintesi

Questo articolo suggerisce che il futuro della sicurezza stradale non riguarda solo migliori telecamere o computer più veloci; riguarda una migliore comprensione. Trattando il traffico come una rete connessa di relazioni piuttosto che come un elenco di eventi isolati, HERMES può vedere il pericolo arrivare molto prima e con maggiore accuratezza rispetto al passato. È un passo potente verso un mondo in cui gli incroci sono più sicuri, non perché aspettiamo che gli incidenti accadano, ma perché possiamo individuare i quasi incidenti e risolvere il problema prima che qualcuno si faccia male. Gli autori concludono che questo approccio fornisce una solida base per costruire monitor di sicurezza stradale abbastanza intelligenti da sapere la differenza tra un momento di tensione e un vero incidente.

Riepilogo Tecnico: HERMES per la Predizione dei Conflitti nel Traffico

Definizione del Problema

L'analisi della sicurezza stradale alle intersezioni semaforiche si basa tradizionalmente su dati di incidenti segnalati dalla polizia, che sono reattivi e scarsi, limitando l'intervento proattivo. Sebbene le Misure di Sicurezza Surrogate (SSM), come il Tempo alla Collisione (TTC) e il Tasso di Decelerazione per Evitare un Impatto (DRAC), offrano una base più frequente per la valutazione del rischio, i metodi esistenti soffrono di quattro limitazioni primarie:

Rigidità delle Soglie: Le soglie fisse delle SSM spesso non riescono a catturare comportamenti evasivi complessi o dinamiche contestuali in traffico eterogeneo.
Rappresentazioni Appiattite: La maggior parte dei modelli di machine learning (ML) e deep learning (DL) comprime le scene multi-agente in vettori di caratteristiche piatti, perdendo la struttura topologica delle interazioni tra agenti e l'identità specifica degli utenti della strada che interagiscono.
Isolamento Diadico: Molti approcci valutano le coppie veicolo-veicolo (VV) o veicolo-pedone (VP) indipendentemente, fallendo nel modellare gli effetti relazionali a cascata in cui la decisione di un agente altera l'esposizione al rischio degli agenti circostanti.
Semantica di Grafo Statica: Gli approcci esistenti basati su Reti Neurali a Grafo (GNN) utilizzano spesso grafi omogenei o strutture di adiacenza statiche che non distinguono tra tipi di interazione (VV, VP, pedone-pedone) o che non integrano direttamente descrittori di sicurezza continui nel meccanismo di passaggio di messaggi (message-passing).

Di conseguenza, è necessario un framework che modelli congiuntamente le relazioni tra utenti della strada eterogenei, integri descrittori di sicurezza continui informati dalla fisica e catturi l'evoluzione temporale a breve termine del rischio a livello di scena.

Metodologia: Il Framework HERMES

Lo studio propone HERMES (Heterogeneous Edge-Relational Multi-Head Embedded SSM Attention), un framework formulato come un problema di classificazione di scene temporali su grafo.

1. Costruzione dei Dati e del Grafo

Input: I dati delle traiettorie provenienti da telecamere fisse stradali vengono elaborati per estrarre i percorsi di veicoli e pedoni.
Grafi Eterogenei: Ogni fotogramma è rappresentato come un grafo $G_t = (X_t, A_t^{VV}, A_t^{VP}, A_t^{PP}, E_t)$ $G_{t} = (X_{t}, A_{t}^{V V}, A_{t}^{V P}, A_{t}^{P P}, E_{t})$ .
- Nodi: Veicoli e pedoni sono tipi di nodi distinti con caratteristiche cinematiche (posizione, velocità, accelerazione, direzione/heading).
- Archi (Edges): Le interazioni sono modellate come archi specifici per relazione (VV, VP, PP).
- Caratteristiche degli Archi: Gli archi sono arricchiti con descrittori fisici continui: distanza, velocità relativa, DRAC, differenza di direzione e componenti della velocità relativa ( $v_x, v_y$ ). In particolare, il TTC è escluso dalle caratteristiche degli archi per evitare il "target leakage", poiché viene utilizzato per la etichettatura del conflitto.

2. Architettura del Modello

HERMES elabora una sequenza di $T=8$ fotogrammi utilizzando un'architettura a due stadi:

Propagazione del Grafo Eterogeneo (Spaziale):
- Attenzione Multi-Head SSM-Embedded specifica per Relazione: Per ogni tipo di relazione ( $r \in \{VV, VP, PP\}$ ), un meccanismo di attenzione multi-head separato calcola i pesi di interazione. Fondamentalmente, il punteggio di attenzione incorpora un bias appreso derivato dai descrittori SSM a livello di arco (ad esempio, DRAC), consentendo al modello di dare priorità alle interazioni basandosi sulle caratteristiche fisiche di sicurezza.
- Raffinamento Dinamico degli Archi: A differenza delle GNN statiche, HERMES aggiorna le rappresentazioni degli archi dopo ogni livello di aggiornamento dei nodi. Gli stati aggiornati dei nodi sono concatenati con gli stati precedenti degli archi per raffinare le caratteristiche degli archi, permettendo alle semantiche relazionali di evolversi al variare degli stati degli agenti.
- Pooling del Grafo Guidato dal DRAC: Per aggregare le rappresentazioni dei nodi in un embedding a livello di fotogramma, viene utilizzato un meccanismo di pooling consapevole del rischio. Il contributo di ogni nodo è pesato dal valore massimo di DRAC dei suoi archi in uscita, garantendo che gli agenti coinvolti in interazioni ad alta richiesta di frenata abbiano un'influenza maggiore sulla rappresentazione della scena.
Codifica Temporale:
- La sequenza di embedding a livello di fotogramma è elaborata da una LSTM a due strati per catturare l'evoluzione a breve termine degli stati di conflitto.
- Lo stato nascosto finale passa attraverso uno strato completamente connesso per produrre una probabilità di conflitto a livello di scena.

3. Addestramento e Valutazione

Dati: Il modello è stato addestrato su 109.028 sequenze derivate da traiettorie da un incrocio semaforizzato a San Marcos, Texas (Sito Sorgente).
Baseline: Le prestazioni sono state confrontate con un benchmark a tre livelli:
- ML: Regressione Logistica, Random Forest, XGBoost, LightGBB, SVM (utilizzando statistiche di sequenza appiattite).
- DL: BiLSTM, GRU, TCN, Transformer (utilizzando caratteristiche di fotogramma appiattite).
- Grafo: Un "Baseline HERMES" con un singolo strato di propagazione, archi statici e mean pooling.
Transfer Learning: Il modello è stato valutato su un dataset indipendente da Coldwater, Michigan (Sito Target) in scenari di addestramento zero-shot e mixed-source.

Contributi Chiave

Grafo di Scena Eterogeneo Dinamico: Un framework che modella congiuntamente le interazioni miste veicolo-pedone e aggiorna sia le rappresentazioni dei nodi che quelle degli archi man mano che gli stati relazionali evolvono, preservando la topologia dell'interazione.
Attenzione SSM-Embedded: L'integrazione di descrittori di sicurezza continui (come il DRAC) direttamente nel meccanismo di attenzione, permettendo alle informazioni cinematiche e di sicurezza di guidare la propagazione dei messaggi di interazione.
Integrazione Temporale-Relazionale: La combinazione di apprendimento su grafi eterogenei con la modellazione di sequenze temporali per rappresentare sia le strutture multi-agente all'interno del fotogramma, sia l'evoluzione del rischio a breve termine.
Benchmarking Completo: Un confronto controllato tra modelli ML, DL temporali e modelli basati su grafi utilizzando divisioni dei dati e protocolli di valutazione identici, inclusi studi di ablazione e analisi di trasferimento cross-site.

Risultati

Il modello "Enhanced HERMES" ha dimostrato prestazioni superiori in tutte le metriche sul set di test di San Marcos:

Discriminazione: Ha raggiunto un AUC-ROC di 0,9898 ± 0,0013 e un AUC-PR di 0,9412 ± 0,0067, superando la più forte baseline Transformer (AUC-ROC 0,9743) e XGBoost (AUC-ROC 0,9569).
Sensibilità ai Falsi Allarmi Bassi: A un tasso di falsi allarmi del 5%, Enhanced HERMES ha rilevato il 95,7% delle sequenze di conflitto. Questo ha superato significativamente il Transformer (81,0%) e XGBoost (61,5%).
Robustezza: Il modello ha mostrato prestazioni stabili attraverso cinque seed casuali, con deviazioni standard basse nelle metriche chiave.
Trasferimento Cross-Site:
- Zero-Shot: Senza addestramento sul sito target, il modello ha ottenuto un AUC-ROC di 0,9752 e una sensibilità del 91,45% a un tasso di falsi allarmi del 5% sul dataset di Coldwater.
- Mixed-Source: L'addestramento congiunto con i dati sorgente e segmenti limitati del sito target (ad esempio, il 20% dei dati di addestramento di Coldwater) ha ulteriormente migliorato le prestazioni, raggiungendo una sensibilità di 0,9869 a un tasso di falsi allarmi del 5%.

Significato e Rivendicazioni

Il documento afferma che HERMES fornisce una base promettente per il monitoraggio dei conflitti stradali a bassi falsi allarmi e per applicazioni proattive della sicurezza stradale. Lo studio dimostra che:

La preservazione delle strutture di interazione eterogenee e dell'evoluzione temporale a breve termine supporta un efficace trasferimento verso ambienti simili di incroci semaforici.
È possibile ottenere guadagni operativi sostanziali con limitati dati del sito target, rendendo il framework utilizzabile in nuovi luoghi dove potrebbero non essere ancora disponibili ampi dati etichettati.
L'integrazione di descrittori di sicurezza informati dalla fisica direttamente nei meccanismi di attenzione del grafo permette al modello di dare priorità alle interazioni fisicamente critiche in modo più efficace rispetto ai modelli che si affidano a vettori di caratteristiche appiattite o strutture di grafo statiche.

Gli autori concludono che, sebbene il framework mostri un forte potenziale, il lavoro futuro dovrebbe esaminare gli esiti dei conflitti validati dagli esperti, le diverse geometrie stradali e i requisiti computazionali in tempo reale per valutare pienamente la sua fattibilità come componente trasferibile di sistemi di sicurezza proattivi.