Resumo Técnico: HIA-GAT para Predição de Risco de Conflito de Tráfego em Nível de Quadro em Rodovias

Formulação do Problema

Este artigo aborda o desafio da avaliação de risco de tráfego em tempo real e em nível de quadro (frame-level) em rodovias. A análise de segurança tradicional baseia-se em dados históricos de acidentes, o que é reativo e esparso. Embora as Medidas de Segurança Substitutas (SSMs), como o Tempo de Colisão (TTC) e o Tempo de Pré-Encroamento (PET), ofereçam alternativas proativas, os métodos existentes têm dificuldade em escalar de interações par a cena complexas com múltiplos agentes. Especificamente, converter trajetórias de múltiplos agentes ruidosas em indicadores de risco confiáveis em nível de quadro é difícil porque as SSMs são definidas em pares, mas as cenas do mundo real envolvem interações longitudinais (colisão traseira) e laterais (mudança de faixa) simultâneas que devem ser resumidas ao nível da cena.

Os autores formulam isso como um problema de classificação binária de nível de grafo. Cada quadro de vídeo é tratado como um grafo onde os veículos são nós e as interações são arestas. O objetivo é prever um rótulo binário ($y_t \in \{0, 1\}$) para cada quadro, indicando se qualquer par de veículos viola um limite especificado de TTC ou PET.

Metodologia

1. Representação de Dados e Construção de Grafo

Os autores constroem um grafo heterogêneo para cada quadro baseado nos dados de trajetória NGSIM (I-80 e US-101).

• Nós: Cada veículo é um nó com um vetor de características de 10 dimensões, incluindo posição, velocidade, aceleração, atribuição de faixa, distância de seguimento (headway) e um indicador de mudança de faixa.
• Arestas: As arestas são estabelecidas entre veículos dentro de um raio de 100 pés e classificadas em dois tipos:
  • Longitudinais ($E_{long}$): Pares na mesma faixa (dinâmica de acompanhamento de veículo).
  • Laterais ($E_{lat}$): Pares em faixas adjacentes (dinâmica de mudança de faixa).
• Características de Aresta Baseadas em Física: Características de aresta distintas foram projetadas para cada tipo para alinhar-se aos mecanismos de conflito:
  • Longitudinal: Taxa de fechamento, distância normalizada e diferencial de aceleração.
  • Lateral: Velocidade lateral, flag de mudança de faixa e sobreposição longitudinal.

2. Arquitetura Proposta: HIA-GAT

A contribuição central é o HIA-GAT (Rede de Atenção de Grafo com Consciência de Interação Heterogênea), uma arquitetura de fluxo duplo projetada para processar interações longitudinais e laterais separadamente antes de fundi-las.

• Processamento de Fluxo Duplo:

  • As características de entrada dos nós são projetadas em dois fluxos separados.
  • Fluxo Longitudinal: Uma camada de Rede de Atenção de Grafo (GAT) processa apenas as arestas $E_{long}$ usando características de aresta longitudinais.
  • Fluxo Lateral: Uma camada GAT paralela processa apenas as arestas $E_{lat}$ usando características de aresta laterais.
  • Esta separação permite que o modelo aprenda representações distintas para dinâmicas de acompanhamento de veículo e mudança de faixa sem interferência.

• Fusão de Portão Consciente do Tipo de Conflito (Conflict-Type-Aware Gated Fusion):

  • As saídas dos dois fluxos são fundidas via um mecanismo de portão (gate) aprendido. Para cada nó $i$, um valor de portão $g_i \in (0, 1)$ é computado com base nos embeddings concatenados dos fluxos.
  • O embedding final é uma soma ponderada: $h_i = g_i \odot h^{long}_i + (1 - g_i) \odot h^{lat}_i$.
  • Um valor próximo a 1,0 roteia a representação através do fluxo longitudinal; um valor próximo a 0,0 roteia através do fluxo lateral.

• Supervisão de Portão em Nível de Evento:

  • Para evitar que o portão colapse para uma solução trivial, os autores introduzem um sinal de supervisão derivado dos rótulos de SSM de verdade fundamental (ground-truth).
  • Se um veículo estiver envolvido em um conflito baseado em TTC, o alvo do portão é 1,0; para conflitos baseados em PET, é 0,0; para ambos, é 0,5.
  • Esta perda é aplicada apenas à pequena fração de nós envolvidos em conflitos (0,1–1,5% dos nós), forçando a camada de projeção compartilhada a aprender um mapeamento das representações de nós para a probabilidade do tipo de conflito.

• Readout: Um agrupamento global ponderado por atenção agrega os embeddings dos nós em uma única representação de grafo para a classificação binária final.

3. Baselines e Avaliação

O estudo compara o HIA-GAT contra um conjunto estruturado de modelos de base (baselines):

• Modelos Não-Grafo: Regressão Logística, Random Forest, XGBoost e MLP operando em estatísticas agregadas de nível de quadro.
• Baselines de GNN: GCN e GraphSAGE (apenas topologia, sem características de aresta).
• GNN de Fluxo Único: HomoGAT (atenção unificada em todas as arestas com características de aresta).
  A avaliação foi conduzida nos conjuntos de dados NGSIM I-80 e US-101 através de nove configurações de limiar (variando a severidade de TTC e PET). As métricas incluíram AUC (primária, para ranking de risco) e F1 otimizado por limiar.

Principais Resultados

• Desempenho Geral: O HIA-GAT alcançou o maior AUC médio em ambos os conjuntos de dados (0,835 no I-80 e 0,867 no US-101), superando todos os modelos não-grafo e baselines de grafo.
• Especificidade de Tipo de Conflito:
  • TTC (Traseira): Modelos não-grafo (especificamente Random Forest) tiveram desempenho competitivo ou superior (AUC ~0,90–0,94). Os autores observam que os riscos de traseira são bem capturados por estatísticas agregadas (taxa de fechamento média, headway), tornando as estruturas de grafo complexas menos críticas para este mecanismo específico.
  • PET (Mudança de Faixa): Surgiu uma lacuna de desempenho acentuada. Modelos não-grafo degradaram significativamente (AUC ~0,69–0,77), enquanto modelos GNN se destacaram (AUC ~0,80–0,87). Isso demonstra que a estrutura de grafo é essencial para detectar conflitos laterais, pois são eventos inerentemente relacionais que as estatísticas agregadas não conseguem capturar.
• Insights de Ablação:
  • A adição de características de aresta baseadas em física a um GAT de fluxo único (HomoGAT) melhorou significativamente o desempenho em relação aos modelos GNN de apenas topologia.
  • A arquitetura de fluxo duplo com fusão por portão (HIA-GAT) proporcionou ganhos adicionais, particularmente em cenários combinados de TTC/PET, confirmando o valor de separar os mecanismos de conflito.
• Interpretabilidade: O mecanismo de portão aprendeu com sucesso a diferenciar os tipos de conflito. Em configurações de tipo único, a precisão da direção do portão excedeu 99%. Os valores do portão forneceram atribuição por veículo, identificando corretamente se um veículo de risco estava envolvido em um conflito longitudinal ou lateral.

Significância e Alegações

O artigo afirma que o HIA-GAT fornece um framework principiado para a avaliação de risco de rodovia em nível de quadro que se alinha aos mecanismos físicos subjacentes dos conflitos de tráfego.

1. Necessidade Estrutural: O estudo conclui que as representações baseadas em grafos não são meramente uma conveniência de modelagem, mas uma escolha estrutural necessária para a detecção abrangente de conflitos. Enquanto estatísticas agregadas bastam para riscos longitudinais (traseira), elas falham em capturar as relações espaço-temporais pareadas necessárias para a predição de risco lateral (mudança de faixa).
2. Alinhamento de Mecanismo: Ao decompor as interações em fluxos dedicados e usar características baseadas em física, o modelo evita a limitação de "tamanho único" dos GNNs padrão, permitindo aprender dinâmicas distintas para diferentes tipos de conflito.
3. Interpretabilidade Acionável: Além da precisão de predição, o modelo oferece interpretabilidade em tempo real. Os valores de portão aprendidos indicam o tipo de conflito dominante para cada veículo, apoiando o monitoramento de segurança acionável sem a necessidade de custos adicionais de anotação.

Os autores mantêm uma postura modesta quanto às limitações, observando que a arquitetura de fluxo duplo pode enfrentar instabilidade de treinamento em cenários de amostras positivas extremamente esparsas (ex: limiares de TTC muito baixos com baixa prevalência), onde a divisão do sinal limitado entre dois fluxos reduz a supervisão efetiva por fluxo.