基于调优基础方法与卷积长短期记忆模型组合的智能碰撞检测

《Smart Cities》：Intelligence Collision Detection Using a Combination of Tuning Base Methods and Convolutional Long Short Term Memory Models Mohammed Hilfi and Lubna Alazzawi

　　

利用人工智能（Artificial Intelligence，AI）实现有效交通管控，对于保障所有道路使用者安全通行至关重要。基于AI的碰撞检测系统可提供先进机制，以预防事故并提升道路安全性。本研究考察了两类不同的碰撞场景：车辆—行人交互与车辆—摩托车骑行者交互。本文提出的方法采用双向长短期记忆网络（bidirectional Long Short Term Memory，Bi-LSTM）、卷积神经网络与长短期记忆网络组合模型（Convolutional Neural Network with Long Short Term Memory，CNN–LSTM）以及Transformer模型，并进一步通过随机搜索（random search）或网格搜索（grid search）进行调优。在行人—车辆场景中，CNN–LSTM模型取得了99.76%的准确率、99.77%的精确率和99.76%的召回率，表明其具有较强的分类性能。在车辆—摩托车骑行者场景中，双向LSTM取得了99.73%的准确率，精确率和召回率均为99.15%，显示出其在检测即将发生碰撞方面的有效性。经随机搜索优化的CNN-LSTM重点降低了假阳性率并提高了阳性检出率，与既有研究相比取得了更优结果。这些结果表明，该系统可作为边缘设备上的早期碰撞预警解决方案得到有效部署。

该文发表于《Smart Cities》，聚焦智能交通与自动驾驶环境中的碰撞检测问题，核心目标是面向弱势道路使用者（Vulnerable Road Users，VRUs）构建一种兼顾高精度、低误报与轻量化部署能力的深度学习（Deep Learning，DL）碰撞预警模型。研究背景在于，自动驾驶与车联网（Vehicle-to-Everything，V2X）系统持续发展后，道路参与者之间的实时交互愈发复杂，尤其是行人、摩托车骑行者等VRUs在城市交通中的暴露风险显著增加。文中指出，全球道路交通事故仍是重大公共卫生问题，而现有研究虽已广泛采用长短期记忆网络（Long Short-Term Memory，LSTM）、卷积神经网络（Convolutional Neural Network，CNN）及其组合模型开展碰撞识别，但仍普遍存在若干不足：其一，多数研究仅在单一场景中验证模型，难以证明方法对不同交通冲突模式的稳健性；其二，数据集高度类别失衡，而不少工作未充分处理正常样本与碰撞样本比例严重失衡问题，导致高准确率掩盖了对碰撞事件识别能力不足的缺陷；其三，既有研究对超参数优化与模型结构调优关注不够，限制了检测性能与工程部署价值。基于这些问题，研究人员开展本项研究，旨在通过多场景数据、采样策略与深度模型调优相结合，提高碰撞检测与短时超前预警的综合性能。

在研究设计上，研究人员构建并评估了三类时序分类模型，即双向LSTM、CNN–LSTM和Transformer，并将其用于两类交通冲突场景：场景A为车辆与闯红灯/非指定区域横穿道路行人之间的潜在碰撞；场景B为车辆与摩托车在交叉口的潜在碰撞，其中又细分为B1与B2两种路径冲突模式。研究表明，CNN–LSTM在场景A和场景B1中表现最佳，而双向LSTM在场景B2中最优。总体上，所提框架通过超参数调优与采样方法联合优化，在准确率、精确率、召回率以及降低假阳性（false positive，FP）方面优于对比模型及既有研究。文章进一步指出，该方法具有轻量化特征和较快响应速度，具备面向边缘计算（edge computing）设备部署的现实潜力，可支持智能城市交通系统中的早期碰撞预警与辅助决策。

主要技术方法可概括如下：研究人员采用Simulation of Urban Mobility（SUMO）、OMNeT++与Vehicles in Network Simulation（VEINS）联动仿真生成场景A数据，并使用文献既有车辆—摩托车数据构成场景B；输入特征主要包括地理位置、速度、加速度、角度、车道、车辆尺寸及对象类型等基础安全消息（Basic Safety Message，BSM）变量。预处理中，对类别特征实施标签编码，对时序特征进行最小—最大归一化，并采用时序过采样思想的SMOTE类方法缓解类别失衡。建模阶段比较双向LSTM、CNN–LSTM与Transformer三类网络，利用随机搜索和网格搜索进行超参数寻优，并以准确率、精确率、召回率、F1值及混淆矩阵指标评估性能；此外还引入NGSIM真实轨迹数据及噪声、遮挡、帧移条件开展消融与稳健性分析。

以下结合正文各部分结果进行解读。

Scenario A (Jaywalking)
该部分围绕“闯行/非指定区域横穿”场景展开。研究人员借助SUMO、OMNeT++与VEINS构建了高保真交通仿真平台，模拟一条单车道路段中，两辆停靠车辆之间突然出现行人的情形，同时道路上存在正常行驶车辆，从而形成典型的受遮挡视距条件下车—人冲突。研究中通过TraCI接口提取行为特征，并使用IEEE 802.11p通信设置模拟V2X消息广播。结果分析显示，碰撞多发生在负加速度或近零速度区域，提示减速与临界运动状态对冲突识别具有重要意义。在该场景中，CNN–LSTM取得99.76%准确率、99.77%精确率和99.76%召回率，整体优于双向LSTM与Transformer。研究人员据此认为，卷积层能够更有效提取局部时间依赖特征，而LSTM层进一步建模短期与长期动态关系，因此在行人横穿这一复杂时间序列冲突任务中表现最佳。

Scenario B (Vehicle to Motorcyclist)
该部分分析车辆与摩托车在路口交汇时的潜在碰撞。研究采用与场景A相似的通信特征体系，并将场景划分为B1和B2两种冲突模式。图示结果显示，碰撞主要集中在道路中部、即交叉口区域，同时低速度和负加速度依旧与事故发生密切相关。实验结果表明，在B1中，CNN–LSTM表现最好；在B2中，双向LSTM最优。结论说明不同轨迹耦合模式下，模型对时序结构的适应性有所差异：对于某些冲突模式，卷积特征抽取与记忆单元结合更有优势；而在另一些模式中，双向时间上下文对判别更关键。研究还通过混淆矩阵证明，模型优化重点在于同步提升真阳性（true positive，TP）并降低FP，以避免自动驾驶系统中频繁误报警。

Transformer Model Analysis
研究人员进一步解释了Transformer表现较弱的原因。通过注意力头特征图可视化发现，不同注意力头存在较明显的注意分布弥散现象，未能持续聚焦于关键时空特征。文章指出，在仅有11个输入特征的条件下，128维嵌入空间可能过大，导致特征表达冗余、平滑过强，进而影响模型对速度、加速度等局部动态变化的敏感性。相比之下，CNN–LSTM与双向LSTM更善于保留局部时序变化并从过去—未来双向上下文中提取与碰撞相关的动态信息。因此，在该研究所用数据规模与任务设定下，Transformer不及前两类模型。

Comparison
在与既有研究比较时，研究人员重点对比了Ribeiro et al.与Parada et al.等工作。相较于采用单纯LSTM的既有方法，本文在车辆—摩托车冲突场景中的准确率更高，且FP数量显著下降，例如B1场景FP由既有工作的39降至7，B2场景由33降至6。对于车—人场景，研究结果相较相关工作同样显示明显提升。文章认为，这种优势来自两个方面：一是采用了SMOTE类时序采样策略扩充少数类碰撞样本，提高了模型对碰撞事件的学习能力；二是将CNN与双向LSTM相结合后，增强了对局部和长期依赖特征的联合建模能力。

Performance under Imbalance Handling Strategies
在不平衡学习策略比较中，研究人员还测试了焦点损失（focal loss）和加权采样（weighted sampling）。结果显示，由于原始数据中正常样本占绝对主导，单纯依赖这些损失或采样权重策略难以显著改善模型对碰撞事件的识别，尽管准确率仍然较高，但精确率和召回率表现不足。该结果强调，碰撞检测任务中不能只看总体准确率，而应综合考察TP、TN、FP和FN，尤其要避免因类别失衡而产生的“表面高精度”。

Ablation Study
在消融研究中，研究人员引入真实世界的NGSIM轨迹数据，并施加高斯噪声、帧偏移与遮挡等更接近实际运行环境的干扰因素，用于检验模型稳健性。结果表明，在加入噪声和实时性扰动后，各模型性能均有所下降，尤其召回率下降且FP增加，但CNN–LSTM对这些扰动表现出更强鲁棒性。研究还将所提方法与图神经网络（Graph Neural Network，GNN）及时间融合Transformer（Temporal Fusion Transformer，TFT）进行对比，结果显示GNN优于TFT，但两者整体仍弱于经调优的CNN–LSTM。该发现说明，在此类中短时交通冲突时序任务中，轻量而针对性强的卷积—循环混合架构较复杂注意力模型更具实用优势。

Early Warning System
研究不仅关注当前时刻碰撞检测，还评估了未来5个时间步与10个时间步的超前预测能力，用于构建早期预警系统。结果表明，随着预测时域延长，所有模型准确率均逐渐下降，说明远期预测难度显著上升。在这一任务中，CNN–LSTM与Transformer在未来预测方面优于双向LSTM，而双向LSTM在长时预测中的记忆优势相对不足。尽管如此，整体性能下降趋势提示，实时碰撞预警系统在扩展预测窗口时需在提前量与可靠性之间进行权衡。

Real-World Application
论文进一步提出了面向实际部署的系统架构。研究人员认为，所提模型可集成至边缘—雾—云（edge–fog–cloud）协同框架中，在本地设备上接收BSM特征并实时判别碰撞风险，同时将实例上传云端以实现模型持续更新。文中给出了模型参数量与响应时间，表明其具备较好的轻量化与实时性特征，可应用于高级驾驶辅助系统、车队管理及智能城市交通基础设施。研究还指出，该系统可支持动态路径重规划、自适应信号控制和主动碰撞预警，与智能城市提升交通效率和公共安全的目标一致。

Discussion
讨论部分强调，本研究的主要贡献在于构建了一个结合采样策略、深度模型比较与超参数自动调优的碰撞检测框架，在多个VRU相关场景中获得了高性能结果，并较好控制了误报数量。研究还指出，虽然准确率在若干场景中超过99%，但真正重要的是在高度失衡数据下对碰撞少数类的稳定检出能力。因此，本文将降低FP和FN作为核心优化目标之一，这对于自动驾驶系统尤为关键，因为误报警会削弱系统可信度，而漏检则直接带来安全风险。

Conclusion
结论部分可译为：深度学习技术能够显著提升道路安全与交通效率。研究通过综述既有文献识别了关键问题与研究空白，评估了双向长短期记忆网络（Bi-LSTM）、CNN-LSTM和Transformer三类模型，并考察了涉及行人、车辆与摩托车骑行者的三种潜在碰撞场景。研究采用随机搜索与网格搜索确定最优超参数。实验结果表明，在行人—车辆碰撞场景中，CNN-LSTM取得99.76%的准确率、99.77%的精确率和99.76%的召回率；在车辆—摩托车碰撞场景中，Bi-LSTM在B1场景达到99.73%的准确率、99.15%的精确率和99.15%的召回率，在B2场景达到99.73%的准确率、97.15%的精确率和97.15%的召回率。该研究的主要贡献包括：构建融合采样技术与深度学习调优的碰撞规避框架；实现强调轻量化与快速响应的自动化模型开发；在涉及车辆、横穿行人和摩托车骑行者的碰撞规避中提升准确率以及真阳性和真阴性预测水平；提供适用于实时碰撞规避与早期预警的轻量模型。总体而言，比较分析表明，CNN-LSTM在场景A和场景B1中表现最佳，而双向LSTM在场景B2中更优。未来研究将尝试通过中等复杂度结构设计及遗传算法优化器进一步改进模型，并与随机搜索和网格搜索策略进行比较。

综合来看，该文的学术价值主要体现在三个层面：一是围绕VRUs碰撞检测建立了多场景、可比较的评估框架；二是证明了在强类别失衡和中小特征维度条件下，经过调优的CNN–LSTM与双向LSTM较Transformer、TFT及GNN更适用于实时碰撞检测；三是提出了面向智能城市与边缘部署的实际应用路径。整体上，论文以较系统的方法验证了轻量时序深度模型在道路碰撞检测与早期预警中的可行性，为智慧交通安全系统的工程实现提供了可参考的模型设计与评估依据。