From GEV to ResLogit: Spatially Correlated Discrete Choice Models for Pedestrian Movement Prediction

Este estudo demonstra que, para prever movimentos de pedestres em interações com veículos autônomos, modelos baseados em redes neurais com correções residuais (ResLogit) superam as especificações tradicionais de valor extremo generalizado espacial (GEV) ao capturar correlações entre alternativas de movimento de forma mais eficaz, mantendo a interpretabilidade do modelo.

O essencial

Imagine que você está atravessando uma rua movimentada e um carro autônomo (um carro que se dirige sozinho) se aproxima de você. O carro precisa prever o que você vai fazer nos próximos segundos: vai acelerar? Vai frear? Vai virar para a esquerda ou direita?

Este artigo é como um "manual de instruções" para ensinar esses carros a entenderem a mente dos pedestres, mas com um foco especial em como as decisões de movimento estão conectadas entre si.

Aqui está a explicação do estudo, usando analogias simples:

1. O Problema: A "Grade de Decisões"

Os pesquisadores imaginaram que, a cada segundo, um pedestre não escolhe apenas "andar" ou "parar". Eles escolhem entre 9 opções possíveis, organizadas como um tabuleiro de jogo 3x3 (como um jogo da velha).

• Linhas: Acelerar, Manter a velocidade, Frear.
• Colunas: Virar à esquerda, Manter a direção, Virar à direita.

O desafio é que essas opções são muito parecidas. Se você vai virar um pouquinho para a esquerda, é muito parecido com virar um pouquinho para a direita. No mundo da matemática, isso cria uma "correlação": se o carro errar e achar que você vai virar para a esquerda, mas você virou para a direita, o erro é pequeno e seguro. Mas se o carro achar que você vai frear quando você vai acelerar, isso é um erro grave e perigoso.

2. As Duas Abordagens de Previsão

Os autores testaram duas formas de ensinar o carro a prever essas escolhas:

A. O "Arquiteto Rigoroso" (Modelos GEV Espaciais)

Imagine que você tenta ensinar um aluno a jogar xadrez desenhando um mapa no quadro. Você diz: "Se a peça está aqui, ela tem uma chance maior de ir para lá porque são vizinhos".

• Como funciona: Os pesquisadores criaram regras matemáticas complexas (chamadas de modelos GEV) que forçam o computador a assumir que as opções vizinhas no tabuleiro 3x3 estão conectadas. Eles definem manualmente como a "vizinhança" funciona.
• O resultado: Foi como tentar adivinhar o tempo usando apenas um termômetro antigo. Funcionou um pouco melhor do que não ter nada, mas não foi uma grande surpresa. O computador ficou preso nas regras que os humanos definiram e não conseguiu capturar a complexidade real do movimento.

B. O "Estudante Observador" (ResLogit)

Agora, imagine um aluno que primeiro aprende as regras básicas do jogo (o modelo linear simples) e depois recebe um "caderno de anotações" especial.

• Como funciona: Este modelo (ResLogit) começa com uma base simples e lógica (o pedestre quer chegar ao destino). Depois, ele usa uma "Rede Neural" (uma inteligência artificial que aprende com exemplos) para corrigir os erros. Ele olha para os dados reais e aprende: "Ei, quando o pedestre está perto do carro, ele tende a fazer uma pequena correção aqui que as regras básicas não explicavam".
• O resultado: Foi como ter um aluno que não só sabe as regras, mas também entende a "vibe" do jogo. Ele conseguiu prever muito melhor o que o pedestre faria.

3. A Grande Descoberta: Onde o erro importa?

A parte mais interessante é como eles mediram o sucesso.

• Se o modelo "Arquiteto Rigoroso" errava, ele às vezes adivinhava uma opção totalmente diferente (como achar que o pedestre ia correr para o outro lado da rua).
• O modelo "Estudante Observador" (ResLogit) cometia erros, mas erros inteligentes. Se ele errava, geralmente adivinhava uma opção vizinha no tabuleiro (ex: achou que você virou 10 graus para a esquerda, mas você virou 15).

A analogia final:
Pense em atirar dardos num alvo.

• O modelo antigo tentava acertar o centro, mas quando errava, o dardo caía longe.
• O novo modelo (ResLogit) também não acerta o centro perfeito o tempo todo, mas quando erra, o dardo cai bem ao lado do centro. Para um carro autônomo, isso é muito mais seguro! É melhor achar que o pedestre vai virar um pouquinho para a esquerda do que achar que ele vai atravessar a rua correndo.

4. Conclusão Simples

O estudo conclui que, para prever movimentos rápidos e complexos de pedestres perto de carros autônomos:

1. Regras fixas definidas por humanos (como os modelos GEV) são limitadas. Elas não conseguem capturar a nuance de como as pessoas realmente se movem em espaços apertados.
2. Aprendizado de máquina híbrido (ResLogit) é o vencedor. Ele mantém a lógica humana (saber que as pessoas querem chegar ao destino e evitar perigos) mas usa a inteligência artificial para aprender os "detalhes sutis" e as conexões entre as decisões vizinhas.

Em resumo: Para fazer carros autônomos mais seguros, não basta apenas definir regras rígidas sobre como as pessoas se movem; é preciso usar inteligência artificial que aprenda a "sentir" a proximidade e a imprecisão natural do movimento humano, mantendo sempre a capacidade de explicar por que o carro tomou aquela decisão.

Resumo técnico

Título: De GEV a ResLogit: Modelos de Escolha Discreta Espacialmente Correlacionados para Previsão de Movimento de Pedestres

1. Problema e Motivação

A previsão de movimento de pedestres em alta frequência, especialmente durante interações com Veículos Autônomos (VAs), é crucial para o planejamento de trajetória e decisões de cedência de passagem. O desafio central reside em modelar a correlação espacial entre alternativas de movimento semelhantes.

• Contexto: Em um conjunto de escolhas discretas e densas (como uma grade de movimentos), alternativas vizinhas (ex: desacelerar ligeiramente vs. manter velocidade) compartilham atributos não observados, violando a suposição de independência das alternativas irrelevantes (IIA) do modelo Logit Multinomial (MNL) padrão.
• Limitações Atuais:
  • Modelos de previsão de trajetória baseados em aprendizado profundo (redes neurais) geralmente focam em precisão preditiva contínua, mas carecem de regras de decisão comportamentais interpretáveis (elasticidades, padrões de substituição).
  • Modelos de escolha discreta tradicionais que tentam capturar correlação espacial (família GEV - Valor Extremo Generalizado) exigem que o analista especifique manualmente estruturas de "aninhamento" (nests) ou matrizes de contiguidade. Em grades densas e simétricas de micro-ações, essas especificações pré-definidas podem ser fracas, pouco identificáveis ou restritivas.

2. Metodologia

O estudo formula a escolha do próximo passo de um pedestre como um problema de escolha discreta espacial sobre uma grade $3 \times 3$, definida por ajustes de velocidade (desacelerar, manter, acelerar) e mudança de direção (esquerda, manter, direita).

• Dados: Utilização de dados naturais de interações pedestre-VA dos conjuntos de dados nuScenes e Argoverse 2, com um intervalo de decisão de 1 segundo.

• Modelos Comparados:

  1. MNL (Baseline): Logit Multinomial padrão, assumindo independência.
  2. Modelos GEV Espaciais: Quatro especificações que introduzem correlação através de estruturas de aninhamento:
     • SCL (Spatially Correlated Logit): Usa uma matriz de contiguidade binária.
     • GSCL (Generalized SCL): Usa uma regra de alocação baseada em distância (decaimento).
     • SCNL (Spatially Correlated Nested Logit): Permite múltiplos coeficientes de aninhamento em categorias pré-definidas.
     • GSCNL (Generalized SCNL): Estima os padrões de alocação a partir dos dados, reduzindo suposições pré-definidas.
  3. ResLogit (Residual Neural Network Logit): Um modelo híbrido que combina um componente de utilidade linear interpretável (MNL) com camadas residuais de rede neural. O modelo aprende correções não lineares e efeitos cruzados diretamente dos dados, mantendo a estrutura de utilidade linear para interpretabilidade.

• Variáveis Explicativas: Incluem indicadores de desaceleração/aceleração/giro, distância ao VA, risco de colisão frontal e traseira (baseado em CTTC e intensidade direcional), e métricas de atração ao destino (distância e ângulo).

3. Contribuições Principais

• Avaliação Comparativa: Primeira comparação sistemática entre estruturas clássicas de correlação espacial (GEV) e abordagens híbridas baseadas em aprendizado (ResLogit) especificamente para grades de movimento de pedestres de alta frequência.
• Interpretabilidade vs. Desempenho: Demonstra que é possível melhorar significativamente o ajuste do modelo e a coerência comportamental dos erros sem sacrificar a interpretabilidade das regras de decisão, algo que modelos de "caixa preta" puramente baseados em redes neurais não oferecem.
• Análise de Coerência Local: Introduz a métrica de que erros de previsão devem ser concentrados em células vizinhas da grade (movimentos similares) para serem considerados comportamentalmente coerentes, em vez de saltos qualitativos grandes.

4. Resultados

• Desempenho de Ajuste (Fit):
  • Os modelos GEV espaciais (SCL, GSCL, SCNL, GSCNL) apresentaram melhorias marginais em relação ao MNL (ex: aumento log-verossimilhança média de -2.147 para -2.137). Isso sugere que, em grades densas e simétricas, as estruturas de aninhamento pré-definidas pelo analista não capturam eficazmente a correlação intrínseca.
  • O modelo ResLogit alcançou um ajuste substancialmente superior (log-verossimilhança média de -1.716 e AIC significativamente menor), indicando que as correções residuais aprendidas capturam melhor a dependência entre alternativas.
• Padrões de Erro e Confusão:
  • As matrizes de confusão dos modelos GEV mostraram que as previsões permaneciam concentradas em poucas classes dominantes, sem alterar significativamente os padrões de substituição.
  • O ResLogit produziu previsões mais distribuídas, com erros concentrados predominantemente entre células vizinhas da grade. Isso confirma que o modelo aprendeu a correlação induzida pela proximidade de forma mais coerente com a realidade comportamental.
• Interpretação dos Coeficientes:
  • Os coeficientes da utilidade linear no ResLogit foram consistentes e interpretáveis: pedestres priorizam a direção do destino (menor distância e desvio angular).
  • O risco de colisão frontal aumenta a utilidade de desacelerar, enquanto o risco traseiro reduz a utilidade de acelerar (refletindo menor urgência quando o veículo já passou).
• Validação Sintética: Testes com dados sintéticos (com maior variabilidade) mostraram que o ResLogit pode recuperar padrões de decisão fortes (acurácia Top-1 > 80%), sugerindo que o desempenho moderado nos dados naturais deve-se à baixa heterogeneidade comportamental entre alternativas vizinhas, e não a falhas do modelo.

5. Significado e Conclusão

O estudo conclui que, para conjuntos de escolha espacialmente densos e de alta frequência (como micro-ações de pedestres), estruturas de correlação baseadas em aprendizado (ResLogit) superam as estruturas GEV especificadas pelo analista.

• Implicações para VAs: O ResLogit oferece o melhor dos dois mundos: a precisão preditiva e a capacidade de capturar correlações complexas de redes neurais, mantendo a transparência e a interpretabilidade dos modelos de escolha discreta. Isso é vital para sistemas de planejamento de VAs que precisam entender por que um pedestre pode escolher uma ação em vez de outra (elasticidades e trade-offs).
• Futuro: O trabalho serve como uma base para extensões futuras que incluam dependência temporal (passos múltiplos), contexto de cena mais rico e modelagem de interação bidirecional entre pedestres e veículos.

Em resumo, o artigo demonstra que, em cenários de movimento denso, "aprender" a estrutura de correlação a partir dos dados é mais eficaz do que tentar impor essa estrutura através de regras geométricas pré-definidas, sem perder a capacidade de explicar o comportamento humano.