Urban Deceleration Behavior Modes Under Scene Context: An Early-Kinematic Classifier from Argoverse 2 Multi-Agent Trajectories

技術要約：シーン・コンテキスト下における都市部減速挙動モード

問題提起
都市部における減速は、車間追従研究において経験的に最も多く研究されているものの、分類学的な整理が不十分な挙動の一つである。既存の文献では、減速プロファイル（時間的展開）とメカニズム（コースティング対制動）に関する概念的枠組みは確立されているが、大規模な知覚機能を備えた自動運転車両（AV）のデータセットが地上実測値としてのマルチエージェント軌跡を提供している現在においても、これらの分析ブロックを都市環境に向けて統一されたパイプラインとして組み立てることはできていない。本研究は、安定した一連の運動学的モードを通じて都市部の減速を特徴付け、シーン・コンテキストがいかにこれらのモードを変調させるかを定量化し、ペダルセンサーや視線データに頼ることなく、イベント発生初期の観測ウィンドウからモード所属を予測できるかどうかを明らかにすることで、この空白を埋めるものである。

手法
本研究では、Argoverse 2 センサーデータセットを用い、234件の都市部走行ログから1,219件の持続的な減速イベントを抽出した。手法は以下の8段階のパイプラインに従う：

1. データ処理： 立方体アノテーション（10 Hz）からサビツキー・ゴーレイ法を用いて軌跡を再構成する。先行車・後続車ペアを50 mの縦方向の回廊内で特定し、$a_{long} \le -0{.}5$ m/s²の閾値に基づいて持続的な減速イベントを検出する。
2. 特徴量エンジニアリング： 各イベントを19次元の運動学的特徴ベクトル（ファミリーAおよびB）と、別のシーン・コンテキスト変数（ファミリーC）にエンコードする。
   • ファミリーA（強度/タイミング）： ピーク/平均減速度、ジャーク、イベント持続時間、初期ギャップ/タイムヘッドウェイ、視覚的ルーミング（$\lambda = \dot{g}/g$）、DRAC、MTTCを含む。
   • ファミリーB（プロファイル/メカニズム）： 減速プロファイルの関数的主成分、およびペダルセンサーなしでコースティングと制動を区別するためのメカニズム・プロキシ（$m = |j_{peak}|/|a_{peak}|$）を含む。
   • ファミリーC（コンテキスト）： ペアの年齢（先行車・後続車形成からの経過時間）、VRU（交通弱者）への近接性、車両密度、およびシーンの幾何構造を含む。
3. モード発見： K-means、HDBSCAN、およびガウス混合モデルを用いた教師なしクラスタリングを行う。安定性は、50回の再サンプリングによるブートストラップ調整ランド指数（ARI）によって評価される。純粋に運動学的な分類であることを保証するため、クラスタリング中にファミリーCの変数は除外される。
4. コンテキスト変調： カテゴリ変数についてはカイ二乗検定、連続変数についてはクラスカル・ウォリス検定を用いて、クラスター所属とシーン・コンテキストの関連性をテストする。効果量はCramer's Vおよびepsilon-squared（$\varepsilon^2$）によって測定される。
5. レジーム層別化： 初期速度（低速：<5 m/s、中速：5–15 m/s、高速：$\ge$15 m/s）によってイベントを層別化し、レジーム不変性をテストする。
6. 早期イベント分類： 0.5秒、1.0秒、1.5秒の観測ウィンドウを用いて、HistGradientBoosting分類器によりモード所属を予測する。3つのモデルバリアント（運動学のみのM1、運動学＋コンテキストのM2、コンテキストのみのM3）を比較する。

主な結果

• 安定したモード： $K=4$ としたK-meansが最も安定した解（ブートストラップARI = 0.897）を与えた。HDBSCANは密度分離可能なクラスターを特定できず、連続的な勾配構造を示唆した。4つのモードは以下の通りである：
  1. 予兆的ソフト（Anticipatory Soft）(62.8%)： 緩やかな減速、低いギャップ閉鎖率、低いDRAC。
  2. 反応的接近（Reactive Closing）(30.6%)： 強いギャップ閉鎖ダイナミクス、高いルーミング、高いDRAC。
  3. ブレーキ様ジャーク（Brake-like Jerk）(4.8%)： 極端なジャーク量と、鋭い制動適用を示すメカニズム・プロキシ。
  4. アウトライヤー（Outlier）(1.8%)： 複数の変数における極端な統計値。
• コンテキスト変調： 11個のシーン・コンテキスト変数のうち、ペアの年齢のみが中程度の効果（$\varepsilon^2 = 0.085$）を示した。クラスター0（反応的接近）は最も若いペア（中央値1.0秒）に対応しており、「カットイン」の解釈を支持している。一方、クラスター3（ブレーキ様ジャーク）は最も古いペア（中央値4.7秒）に対応している。シーンの幾何構造、VRUへの近接性、交差点距離などは、無視できる影響しか示さなかった。
• レジーム依存性： モードは中速走行（MSR, ARI = 0.817）ではレジーム不変であるが、低速走行（LSR, ARI = 0.166）ではレジーム依存であり、データセット全体の分類学が低速特有のパターンと一致しない。
• 分類性能： 1.0秒の観測ホライゾンにおいて、結合モデル（M2）は0.758のmacro-F1を達成した（運動学のみのM1は0.699）。シーン・コンテキストを追加することによる利得は限定的（+0.059 F1）であった。早期ウィンドウのジャーク（RMSおよびピーク）が支配的な予測特徴量であり、コンテキスト変数よりもパーミュテーション重要度において遥かに高い値を示した。

意義と主張
本論文は、確立された概念的ツール（ルーミング、コースティング対制動、カットイン対連続追従、小規模カーディナリティのクラスタリング、および属性ベースの解釈可能性）を、初めて単一の整合したパイプラインとして、都市部の知覚AVデータに適用したものであると主張している。

本研究は、都市部の減速は少数の安定した運動学的モードによって構造化されていると結論付けている。具体的には以下の通りである：

1. 軌跡のみからのメカニズム推論が可能である： ジャークに基づくメカニズム・プロキシを用いることで、計装されたペダルデータなしにコースティングと制動の区別を復元できる。
2. ペアの年齢が主要なコンテキスト変調因子である： シーンの幾何構造やVRUへの近接性とは異なり、先行車・後続車の関係の持続時間が減速挙動を構造化している。
3. 早期予測は可能である： モード所属はイベントの最初の1.0秒から予測可能であり、早期ウィンドウのジャークが主要な信号となる。
4. レジームの特定性が重要である： 混合速度で訓練された単一のモデルは、低速の都市シナリオにおいて失敗する可能性があり、レジーム層別化されたアプローチが必要となる。

著者らは、本研究を、減速モードの発見を従来のNGSIMベースの高速道路レジームから都市部の知覚AVレジームへと拡張する転用可能な手法として位置づけ、ADASの評価および行動模倣モデリングの基礎を提供するものであるとしている。