HERMES：信号交差点における交通コンフリクト予測のための異種エッジリレーショナルマルチヘッド埋め込みSSM注意機構

最近、arXivに投稿された研究（arXiv:2607.20505）で、信号交差点における交通コンフリクト予測のための新しいモデルHERMESが提案されました。このモデルは、マルチエージェント相互作用の異種性と動的リスク評価の課題に対処するために開発されました。メリーランド大学ボルチモア校の研究者らによるもので、交通コンフリクト評価を時系列異種グラフ分類問題として定式化しています。

HERMESの核心的な革新は、異種エッジリレーショナルグラフニューラルネットワークを構築し、状態空間モデル（SSM）に基づくマルチヘッド注意機構を統合した点にあります。このフレームワークでは、車両と歩行者は異種ノードとして表現され、車両-車両、車両-歩行者、歩行者-歩行者の相互作用は、関係固有のエッジを通じて符号化され、各エッジには連続的なキネマティクスと代理安全記述子が含まれます。モデルは、関係固有注意、動的ノード-エッジ更新、安全認識グラフプーリング、および時系列学習を組み合わせて、シーンレベルのコンフリクト確率を推定します。この設計により、異種相互作用のトポロジーと安全に関連するエッジセマンティクスを保持し、短期間の時間的進化を捉えることができます。

研究チームは、都市の信号交差点から収集された109,028の軌跡派生シーケンスを用いてHERMESを評価し、独立して収集された類似の交差点データセットでテストしました。改良されたHERMESモデルは、AUC-ROCが0.9898±0.0013、AUC-PRが0.9412±0.0067、F1スコアが0.8449±0.0103に達しました。5%の誤警報率では、95.7%のコンフリクトシーケンスを検出し、最も強力なTransformerベースラインとXGBoostを上回りました。これらの結果は、HERMESが精度とロバスト性において顕著な優位性を持つことを示しています。

ゼロショット外部評価では、AUC-ROC 0.9752、AUC-PR 0.7829を達成し、強力な一般化能力を証明しました。ソースドメインとターゲットドメインのデータを組み合わせた共同訓練により、ターゲットサイトのデータが限られている場合でも、モデルのパフォーマンスが大幅に向上しました。この特性により、HERMESは異なる交差点の交通パターンに適応し、転移可能な道路安全監視をサポートします。

全体として、HERMESは異種相互作用トポロジー、安全認識エッジセマンティクス、および短期的な時間的進化を保持することで、シーンレベルのコンフリクト分類精度を向上させ、信号交差点におけるプロアクティブな交通安全評価のための強力なツールを提供します。この研究は、交通安全におけるグラフニューラルネットワークの応用を推進するだけでなく、将来のインテリジェント交通システムに新たな洞察をもたらします。