摘要
历史中的碰撞前场景包含一系列车辆间交互，其中关键的碰撞前交互是最终最直接导致碰撞的那次交互。识别此类关键交互对于揭示自动驾驶系统（ADS）中潜在的安全风险至关重要。然而，这一任务仍面临挑战，因为关键交互往往嵌套在众多先序交互之中，需要结合碰撞前场景随时间的演变过程加以区分。为应对这一挑战，我们提出了MICA——一种基于模型的多智能体方法，用于从文本事故报告中识别关键碰撞前交互。与直接从事故报告中识别关键交互的现有基于大语言模型（LLM）的方法不同，MICA通过多智能体协作显式建模碰撞前交互的演变过程。专门化的基于LLM的智能体负责提取和验证相关信息，构建碰撞前演变模型，然后将建模得到的交互与预定义的碰撞前模式进行匹配，从而识别出关键交互。我们在美国国家公路交通安全管理局（NHTSA）和加利福尼亚州机动车管理局（DMV CA）发布的200份事故报告上对MICA进行了评估。结果表明，MICA在不同事故报告数据来源、场景复杂度和底层大语言模型下均能有效识别关键碰撞前交互。
