🤖 machine learning

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

Este artigo propõe o HERMES, uma rede neural de grafo relacional de borda heterogênea com atenção multi-cabeça informada por SSM que modela veículos e pedestres como nós e suas interações como arestas específicas de relação para alcançar a previsão de conflito de tráfego transferível e de estado da arte em interseções semaforizadas, capturando efetivamente topologias de interação heterogêneas e dinâmicas temporais conscientes de segurança.

Autores originais: Md Monzurul Islam, Subasish Das

Publicado 2026-07-24

📖 8 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Md Monzurul Islam, Subasish Das

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está observando um cruzamento movimentado de uma janela alta. Carros passam em alta velocidade, viram e param, enquanto pedestres serpenteiam pelas faixas de pedestres. Para um computador, isso não é apenas uma bagunça caótica; é um enorme quebra-cabeça em movimento onde cada peça (um carro ou uma pessoa) está constantemente mudando de ideia e reagindo aos seus vizinhos. Por décadas, especialistas em segurança no trânsito tentaram prever quando essas peças poderiam colidir umas com as outras. Eles costumavam esperar que o acidente realmente acontecesse para depois estudar os destroços, mas isso é como esperar que uma casa pegue fogo para aprender sobre segurança contra incêndios. Em vez disso, começaram a procurar por "quase acidentes" — aqueles momentos de tirar o fôlego em que um carro pisa bruscamente no freio a poucos centímetros de um pedestre. Esses são chamados de "medidas de segurança substitutas". Pense neles como a versão do mundo do trânsito de um detector de "quase ocorrências".

No entanto, a maioria dos programas de computador de antigamente olhava para esses quase acidentes um par por vez, como verificar se o Carro A está muito próximo do Carro B, e depois verificar se o Carro C está muito próximo do Pedestre D, ignorando o fato de que a parada repentina do Carro A pode fazer o Carro B desviar, o que então assusta o Pedestre D. Era como tentar entender uma dança complexa observando apenas dois dançarinos por vez. Este artigo apresenta uma nova maneira mais inteligente de observar toda a pista de dança de uma só vez. Ele trata o cruzamento não como uma lista de pares separados, mas como uma teia viva e pulsante de conexões onde cada movimento reverbera pela multidão. O objetivo é simples, mas vital: construir um sistema que possa detectar uma situação perigosa antes que ela se transforme em uma tragédia, sem gritar "alarme falso" toda vez que alguém apenas reduz a velocidade para um sinal vermelho.

O Novo "Detetive de Tráfego": HERMES

Conheça o HERMES, um nome sofisticado para um novo tipo de cérebro de computador projetado para prever conflitos de tráfego em cruzamentos semaforizados. Os pesquisadores, Md Monzurul Islam e Subasish Das, da Texas State University, construíram este sistema para resolver o problema "plano" dos modelos antigos. Imagine tentar descrever uma sinfonia listando o volume de cada instrumento separadamente; você perderia a harmonia e o caos. Os modelos antigos faziam exatamente isso com o tráfego, achatando a cena em uma lista entediante de números. O HERMES, por outro lado, vê o cruzamento como um grafo heterogêneo.

Em termos simples, um "grafo" aqui é apenas um mapa de conexões. O HERMES desenha um mapa onde carros e pedestres são os pontos (nós) e suas interações são as linhas (arestas) que os conectam. Mas não é um mapa qualquer; é um mapa heterogêneo, o que significa que ele sabe a diferença entre um carro conversando com outro carro, um carro conversando com uma pessoa e uma pessoa conversando com outra pessoa. Ele trata esses relacionamentos de forma diferente, assim como você trataria uma conversa com seu melhor amigo de forma diferente de um bate-papo com um estranho.

O que torna o HERMES verdadeiramente especial é como ele utiliza as "medidas de segurança substitutas" (SSMs). Estas são pistas baseadas na física, como o Tempo para Colisão (quantos segundos faltam para um acidente se ninguém se mover) e o DRAC (o quão forte alguém tem que frear para evitar um acidente). Em vez de apenas anexar esses números ao final de uma lista, o HERMES os incorpora diretamente nas conexões entre os pontos. É como dar ao computador um superpoder: ele não apenas vê que dois carros estão próximos; ele vê que eles estão próximos e se movendo rapidamente um em direção ao outro, e sabe que essa combinação específica é perigosa.

Como Funciona: A Magia da Teia

O HERMES funciona em camadas, como descascar uma cebola ou empilhar blocos de construção.

A Camada de Grafo: Ele observa um instantâneo do cruzamento e constrói uma teia de conexões. Ele presta atenção extra às "arestas" (as linhas entre os pontos) que possuem altas demandas de frenagem (alto DRAC). Se um carro tiver que pisar fundo no freio, o HERMES destaca essa conexão imediatamente.
A Camada de Atenção: Esta é a parte "multi-cabeça". Imagine que o HERMES possui vários pares de óculos, cada um observando a cena através de uma lente diferente. Um par pode focar na velocidade, outro na direção e outro na proximidade de todos. Ele combina todas essas visões para decidir quais interações são as mais críticas.
A Camada de Tempo: O tráfego não acontece em uma única foto congelada; é um filme. O HERMES observa uma sequência desses grafos ao longo do tempo (especificamente, 8 quadros seguidos). Ele usa um sistema de memória (chamado LSTM) para lembrar como a situação evoluiu. Os carros ficaram mais próximos? O pedestre deu um passo à frente? Ao observar a história se desenrolar, ele pode prever o final antes que aconteça.

Os Resultados: Uma Pontuação Quase Perfeita

Os pesquisadores testaram o HERMES usando mais de 109.000 sequências de dados de tráfego de um cruzamento movimentado em San Marcos, Texas. Eles o compararam com toda uma equipe de outros "detetives", incluindo modelos estatísticos tradicionais (como o XGBoost) e modelos modernos de aprendizado profundo (como os Transformers).

Os resultados foram impressionantes. O HERMES não apenas venceu; ele dominou.

Precisão: Ele alcançou uma pontuação chamada AUC-ROC de 0,9898. No mundo dos modelos de previsão, uma pontuação de 1,0 é perfeita, e 0,5 é como adivinhar jogando uma moeda. O HERMÉS estava incrivelmente próximo da perfeição.
O Teste do "Alarme Falso": Esta é a parte mais importante para o uso no mundo real. Se um sistema de segurança gritar "ACIDENTE!" toda vez que um carro diminuir a velocidade, ninguém irá ouvi-lo. Os pesquisadores testaram o quão bem os modelos conseguiam detectar perigos reais mantendo os alarmes falsos muito baixos (especificamente, apenas 5% das situações seguras foram erroneamente sinalizadas).
- O melhor modelo anterior (um Transformer) detectou cerca de 81% dos conflitos reais nesta baixa taxa de alarme falso.
- O HERMES detectou 95,7% dos conflitos.
- Isso significa que o HERMES encontrou quase todas as situações perigosas, disparando quase nenhum alarme falso.

Eles também testaram se o HERMES conseguiria funcionar em uma cidade diferente. Eles pegaram o modelo treinado no Texas e o colocaram em um cruzamento em Coldwater, Michigan, sem treiná-lo novamente com os novos dados. Isso é chamado de "transferência zero-shot". Mesmo sem conhecer a nova cidade, o HERMES ainda teve um desempenho notável, detectando 91,45% dos conflitos com uma taxa de alarme falso de 5%. Quando lhe deram apenas um pouco de dados da nova cidade (apenas 20% dos segmentos de treinamento), seu desempenho saltou ainda mais, detectando quase 98,7% dos conflitos.

O Que Ele Não É (e O Que Ele Descarta)

É importante saber o que o HERMES não faz. O artigo argumenta explicitamente contra a ideia de que você pode simplesmente observar um par de usuários da via (como um carro e um pedestre) isoladamente para entender o risco. O estudo mostra que observar as interações individualmente ou achatar a cena em uma simples lista de números ignora a complexa teia de causa e efeito que leva aos acidentes.

O artigo também descarta a ideia de que você precisa de uma quantidade massiva de novos dados de cada localização individual para fazer o sistema funcionar. Embora adicionar um pouco de dados locais ajude, o sistema é robusto o suficiente para funcionar bem em um novo local apenas aprendendo com um local diferente e semelhante.

A Conclusão

Este artigo sugere que o futuro da segurança no trânsito não é apenas sobre melhores câmeras ou computadores mais rápidos; é sobre um melhor entendimento. Ao tratar o tráfego como uma teia conectada de relacionamentos, em vez de uma lista de eventos isolados, o HERMES consegue ver o perigo chegando muito mais cedo e com mais precisão do que nunca. É um passo poderoso em direção a um mundo onde os cruzamentos sejam mais seguros, não porque esperamos os acidentes acontecerem, mas porque podemos detectar os quase acidentes e corrigir o problema antes que alguém se machuque. Os autores concluem que esta abordagem fornece uma base sólida para construir monitores de segurança rodoviária que sejam inteligentes o suficiente para saber a diferença entre um momento assustador e um acidente real.

Resumo Técnico: HERMES para Predição de Conflitos de Tráfego

Declaração do Problema

A análise de segurança de tráfego em interseções semaforizadas baseia-se tradicionalmente em dados de acidentes reportados pela polícia, que são reativos e esparsos, o que limita a intervenção proativa. Embora as Medidas de Segurança Substitutas (SSMs), como o Tempo para Colisão (TTC) e a Taxa de Desaceleração para Evitar um Acidente (DRAC), ofereçam uma base mais frequente para a avaliação de risco, os métodos existentes sofrem de quatro limitações primárias:

Rigidez de Limiar: Limiares de SSM fixos frequentemente falham em capturar comportamentos evasivos complexos ou dinâmicas contextuais em tráfego heterogêneo.
Representações Aplanadas: A maioria dos modelos de aprendizado de máquina (ML) e aprendizado profundo (DL) comprime cenas multiagentes em vetores de características planos, perdendo a estrutura topológica das interações entre agentes e a identidade específica dos usuários da via que interagem.
Isolamento Diádico: Muitas abordagens avaliam pares veículo-veículo (VV) ou veículo-pedestre (VP) de forma independente, falhando em modelar os efeitos relacionais em cascata onde a decisão de um agente altera a exposição ao risco dos agentes circundantes.
Semântica de Grafo Estática: As abordagens de Redes Neurais de Grafo (GNN) existentes frequentemente utilizam grafos homogêneos ou estruturas de adjacência estáticas que não distinguem entre tipos de interação (VV, VP, pedestre-pedestre) ou incorporam descritores de segurança contínuos diretamente no mecanismo de passagem de mensagens.

Consequentemente, há a necessidade de um framework que modele conjuntamente as relações heterogêneas entre usuários da via, integre descritores de segurança contínuos informados pela física e capture a evolução temporal de curto prazo do risco ao nível da cena.

Metodologia: O Framework HERMES

O estudo propõe o HERMES (Heterogeneous Edge-Relational Multi-Head Embedded SSM Attention), um framework formulado como um problema de classificação de grafo de cena temporal.

1. Dados e Construção do Grafo

Entrada: Dados de trajetória de câmeras fixas à beira da estrada são processados para extrair trajetórias de veículos e pedestres.
Grafos Heterogêneos: Cada quadro é representado como um grafo $G_t = (X_t, A_t^{VV}, A_t^{VP}, A_t^{PP}, E_t)$ $G_{t} = (X_{t}, A_{t}^{V V}, A_{t}^{V P}, A_{t}^{P P}, E_{t})$ .
- Nós: Veículos e pedestres são tipos de nós distintos com características cinemáticas (posição, velocidade, aceleração, direção/heading).
- Arestas: As interações são modeladas como arestas específicas de relação (VV, VP, PP).
- Características das Arestas: As arestas são enriquecidas com descritores contínuos e informados pela física: distância, velocidade relativa, DRAC, diferença de direção e componentes de velocidade relativa ( $v_x, v_y$ ). Notavelmente, o TTC é excluído das características das arestas para evitar o vazamento de alvo (target leakage), uma vez que é utilizado para a rotulagem de conflitos.

2. Arquitetura do Modelo

O HERMES processa uma sequência de $T=8$ quadros usando uma arquitetura de dois estágios:

Propagação de Grafo Heterogêneo (Espacial):
- Atenção Multicabeça Embebida em SSM Específica de Relação: Para cada tipo de relação ( $r \in \{VV, VP, PP\}$ ), um mecanismo de atenção de múltiplas cabeças separado calcula os pesos de interação. Crucialmente, o escore de atenção incorpora um viés aprendido derivado dos descritores de SSM ao nível da aresta (ex: DRAC), permitindo que o modelo priorize interações baseadas em características físicas de segurança.
- Refinamento Dinâmico de Arestas: Diferente das GNNs estáticas, o HERMES atualiza as representações das arestas após cada camada de atualização de nó. Os estados de nó atualizados são concatenados com os estados de aresta anteriores para refinar as características das arestas, permitindo que a semântica relacional evolua conforme os estados dos agentes mudam.
- Agrupamento (Pooling) de Grafo Guiado por DRAC: Para agregar as representações dos nós em um embedding ao nível do quadro, é usado um mecanismo de pooling consciente do risco, onde a contribuição de cada nó é ponderada pelo valor máximo de DRAC de suas arestas de saída, garantindo que agentes envolvidos em interações de alta demanda de frenagem tenham uma influência maior na representação da cena.
Codificação Temporal:
- A sequência de embeddings ao nível do quadro é processada por um LSTM de duas camadas para capturar a evolução de curto prazo dos estados de conflito.
- O estado oculto final é passado através de uma camada totalmente conectada para produzir uma probabilidade de conflito ao nível da cena.

3. Treinamento e Avaliação

Dados: O modelo foi treinado em 109.028 sequências derivadas de trajetórias de uma interseção semaforizada em San Marcos, Texas (Site de Origem).
Baselines: O desempenho foi comparado contra um benchmark de três níveis:
- ML: Regressão Logística, Random Forest, XGBoost, LightGBM, SVM (usando estatísticas de sequência aplanadas).
- DL: BiLSTM, GRU, TCN, Transformer (usando características de quadro aplanadas).
- Grafo: Um "Baseline HERMES" com uma única camada de propagação, arestas estáticas e pooling médio.
Aprendizado por Transferência: O modelo foi avaliado em um conjunto de dados independente de Coldwater, Michigan (Site de Destino) sob cenários de treinamento zero-shot e de fonte mista.

Principais Contribuições

Grafo de Cena Heterogêneo Dinâmico: Um framework que modela conjuntamente interações mistas entre veículos e pedestres e atualiza tanto as representações de nós quanto de arestas conforme os estados relacionais evoluem, preservando a topologia da interação.
Atenção Embebida em SSM: A integração de descritores de segurança contínuos (como DRAC) diretamente no mecanismo de atenção, permitindo que informações cinemáticas e de segurança guiem a propagação das mensagens de interação.
Integração Temporal-Relacional: A combinação de aprendizado de grafo heterogêneo com modelagem de sequência temporal para representar tanto as estruturas multiagentes dentro de um quadro quanto a evolução do risco de curto prazo.
Benchmarking Abrangente: Uma comparação controlada entre modelos de ML, DL temporal e baseados em grafos usando divisões de dados e protocolos de avaliação idênticos, incluindo estudos de ablação e análise de transferência entre sites.

Resultados

O modelo "Enhanced HERMES" demonstrou desempenho superior em todas as métricas no conjunto de teste de San Marcos:

Discriminação: Alcançou um AUC-ROC de 0,9898 ± 0,0013 e um AUC-PR de 0,9412 ± 0,0067, superando o baseline Transformer mais forte (AUC-ROC 0,9743) e o XGBoost (AUC-ROC 0,9569).
Sensibilidade a Falsos Alarmes Baixos: Em uma taxa de falso alarme de 5%, o Enhanced HERMES detectou 95,7% das sequências de conflito. Isso superou significativamente o Transformer (81,0%) e o XGBoost (61,5%).
Robustez: O modelo mostrou desempenho estável através de cinco sementes aleatórias, com baixos desvios padrão em métricas chave.
Transferência entre Sites:
- Zero-Shot: Sem treinamento no site de destino, o modelo alcançou um AUC-ROC de 0,9752 e uma sensibilidade de 91,45% em uma taxa de falso alarme de 5% no conjunto de dados de Coldwater.
- Fonte Mista: O treinamento conjunto com dados de origem e segmentos limitados do site de destino (ex: 20% dos dados de treinamento de Coldwater) melhorou ainda mais o desempenho, atingindo uma sensibilidade de 0,9869 em uma taxa de falso alarme de 5%.

Significância e Alegações

O artigo afirma que o HERMES fornece uma base promissora para o monitoramento de conflitos à beira da estrada com baixo índice de falsos alarmes e aplicações proativas de segurança no tráfego. O estudo demonstra que:

A preservação das estruturas de interação heterogêneas e da evolução temporal de curto prazo suporta uma transferência eficaz para ambientes de interseções semaforizadas similares.
Ganhos operacionais substanciais podem ser alcançados com dados limitados do site de destino, tornando o framework viável para implantação em novos locais onde extensos dados rotulados podem ainda não estar disponíveis.
Embedding de descritores de segurança informados pela física diretamente nos mecanismos de atenção de grafo permite que o modelo priorize interações fisicamente críticas de forma mais eficaz do que modelos que dependem de vetores de características aplanados ou estruturas de grafos estáticas.

Os autores concluem que, embora o framework mostre forte potencial, trabalhos futuros devem examinar resultados de conflitos validados por especialistas, geometrias de via diversas e requisitos computacionais de tempo real para avaliar totalmente sua viabilidade como um componente transferível de sistemas de segurança proativa.