あなたは、高い窓から賑やかな都市の交差点を見下ろしていると想像してください。車が猛スピードで走り、曲がり、止まり、歩行者が横断歩道を縫うように歩いています。コンピュータにとって、これは単なる混沌とした混乱ではありません。それは、あらゆるピース（車や人）が常に考えを変え、隣人に反応している、巨大で動的なパズルなのです。何十年もの間、交通安全の専門家たちは、これらのピースがいつ衝突するかを予測しようとしてきました。かつて彼らは、実際の衝突が発生するのを待ち、その残骸を調査していました。しかし、それは火災安全について学ぶために、家が燃え落ちるのを待つのと同じことです。代わりに、彼らは「ニアミス」に着目し始めました。車が歩行者のすぐそばで急ブレーキをかけるような、あの心臓が跳り上がる瞬間です。これらは「代替安全指標（Surrogate Safety Measures: SSM）」と呼ばれます。これらは、交通界における「ヒヤリハット」検出器のようなものです。

しかし、従来の古いコンピュータプログラムの多くは、これらのニアミスを一度に一組のペアとして見ていました。例えば、「車Aが車Bに近づきすぎているか」を確認し、次に「車Cが歩行者Dに近づきすぎているか」を確認するという具合です。車Aの急停止によって車Bが回避行動を取り、それが結果として歩行者Dを驚かせる、といった連鎖的な影響を無視していたのです。それは、複雑なダンスを理解しようとする際に、二人のダンサーだけを個別に観察しているようなものでした。この論文は、交差点全体を一度に観察する、よりスマートな新しい方法を紹介しています。それは、交差点を個別のペアのリストとしてではなく、あらゆる動きが群衆の中に波及していく、生きている接続のウェブ（網）として扱うものです。目標はシンプルかつ極めて重要です。単に赤信号で減速しただけで「誤報」を鳴らすことなく、悲劇に変わる前に危険な状況を察知できるシステムを構築することです。

新しい「交通探偵」：HERMES

信号制御された交差点における交通衝突を予測するために設計された、新しい種類のコンピュータ・ブレイン、HERMESが登場しました。テキサス州立大学のMd Monzurul Islam氏とSubasish Das氏は、古いモデルが抱えていた「フラット化」の問題を解決するためにこのシステムを構築しました。交響曲を、各楽器の音量を個別に列挙することで説明しようとする場面を想像してみてください。それではハーモニーも混沌も理解できません。古いモデルは、交通現象に対してまさにこれを行っていました。シーンを退屈な数字のリストへと平坦化してしまったのです。一方、HERMESは交差点を**不均質グラフ（Heterogeneous Graph）**として捉えます。

分かりやすく言えば、ここでの「グラフ」とは、接続のマップのことです。HERMESは、車や歩行者を「点（ノード）」、それらの相互作用をそれらを結ぶ「線（エッジ）」として描くマップを作成します。しかし、それは単なるマップではありません。それは**不均質（Heterogeneous）**なマップです。つまり、車と車の会話、車と人の会話、そして人と人の会話の違いを理解しているのです。まるで、親友との会話と、知らない人とのチャットを別物として扱うように、これらの関係を異なるものとして扱います。

HERMESを真に特別なものにしているのは、「代替安全指標（SSM）」の使い方です。これらは、衝突時間（Time-to-Collision）（誰も動かなかった場合に衝突するまでの秒数）や、DRAC（衝突を回避するためにどれほど強くブレーキをかける必要があるか）といった、物理学に基づいた手がかりです。HERMESは、これらの数値を単にリストの末尾に付け加えるのではなく、ドット間の接続の中に直接組み込んでいます。これは、コンピュータにスーパーパワーを与えるようなものです。単に二台の車が近いことを見るのではなく、それらが近く、かつ互いに向かって高速で移動していることを見抜き、その特定の組み合わせが危険であることを理解するのです。

仕組み：魔法のウェブ

HERMESは、玉ねぎの皮を剥いたり、積み木を積み上げたりするように、層（レイヤー）を成して機能します。

1. グラフ・レイヤー： 交差点の瞬間のスナップショットを見て、接続のウェブを構築します。ここでは、制動要求（高いDRAC）が高い「エッジ（ドット間の線）」に細心の注意を払います。もし車が急ブレーキを踏まなければならない場合、HERMESは即座にその接続を強調表示します。
2. アテンション・レイヤー： これは「マルチヘッド」の部分です。イメージとしては、HERMESが異なるレンズを通してシーンを見る、複数の眼鏡を持っているようなものです。ある眼鏡は速度に焦点を当て、別の眼鏡は方向、また別の眼鏡は全員の距離感に焦点を当てます。これらすべての視点を組み合わせることで、どの相互作用が最も重要であるかを判断します。
3. タイム・レイヤー： 交通は静止した写真の連続ではありません。それは映画です。HERMESは、これらのグラフのシーケンス（具体的には8フレーム連続）を観察します。メモリシステム（LSTMと呼ばれます）を使用して、状況がどのように進展したかを記憶します。車が近づいたのか？ 歩行者が踏み出したのか？ 物語が展開する様子を見守ることで、起こる前に結末を予測できるのです。

結果：完璧に近いスコア

研究者たちは、テキサス州サンマルコスにある賑やかな交差点から得られた109,000以上の交通データ・シーケンスを用いてHERMESをテストしました。彼らは、XGBoostのような従来の統計モデルや、Transformerのような現代的なディープラーニング・モデルを含む、多くの「探偵チーム」と比較を行いました。

結果は驚異的でした。HERMESは単に勝利しただけでなく、圧倒しました。

• 精度： AUC-ROC 0.9898というスコアを達成しました。予測モデルの世界では、1.0が完璧であり、0.5はコイン投げで決めているようなものです。HERMESは驚くほど完璧に近かったのです。
• 「誤報」テスト： これは実用において最も重要な部分です。もし安全システムが、車が減速するたびに「衝突！」と叫ぶようなら、誰も耳を貸さないでしょう。研究者たちは、誤報を非常に低く抑えつつ（具体的には、安全な状況が誤ってフラグ立てされる割合を5%に抑えた状態で）、いかに実在の衝突を見つけられるかをテストしました。
  • 最良の従来モデル（Transformer）は、この低い誤報率において、実際の衝突の約**81%**を捉えることができました。
  • HERMESは、衝突の**95.7%**を捉えました。
  • つまり、HERMESは誤報をほとんど出すことなく、ほぼすべての危険な状況を見つけ出したのです。

彼らはさらに、HERMESが別の都市でも機能するかどうかをテストしました。テキサスで学習させたモデルを、再学習させることなく、ミシガン州コールドウォーターの交差点に投入しました。これは「ゼロショット転移（Zero-shot transfer）」と呼ばれます。新しい都市のデータを見ていないにもかかわらず、HERMESは依然として極めて優れた性能を発揮し、5%の誤報率で衝突の**91.45%を捉えました。さらに、新しい都市のデータをほんの少し（訓練セグメントのわずか20%）与えたところ、その性能はさらに跳ね上がり、衝突のほぼ98.7%**を捉えました。

HERMESが「しない」こと（および否定したもの）

HERMESが「しない」ことを知っておくことも重要です。この論文は、道路利用者のペア（例えば車と歩行者）を孤立して見るだけでリスクを理解できるという考えに対し、明確に反論しています。研究は、相互作用を個別に、あるいはシーンを単純な数字のリストとして平坦化して見ることは、事故につながる複雑な因果関係のウェブを見逃してしまうことを示しています。

また、この論文は、新しい場所ごとに膨大な量の新しいデータを必要とするという考えも否定しています。少量のローカルデータを追加することは助けになりますが、システムは、別の類似した場所から学習するだけで十分に機能するほど堅牢です。

結論

この論文は、交通安全の未来が、単に優れたカメラや高速なコンピュータにあるのではなく、より優れた「理解」にあることを示唆しています。交通を孤立したイベントのリストとしてではなく、相互に関連する関係のウェブとして扱うことで、HERMESは従来よりもはるかに早く、正確に危険を察知することができます。これは、衝突が起こるのを待つのではなく、ニアミスを察知して誰かが傷つく前に問題を解決するという、より安全な交差点を実現するための強力な一歩です。著者たちは、このアプローチが、単なる「怖い瞬間」と「本当の衝突」の違いを識別できるほどスマートな、路側安全監視システムの強固な基礎を提供すると結論付けています。