RiskFormer：一种面向细粒度主动交通冲突预测的无人机辅助轨迹至风险深度学习方法

《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》：RiskFormer: A UAV-assisted trajectory-to-risk deep learning approach for fine-grained proactive traffic conflict prediction

　　

• 一种无人机辅助的轨迹到风险评估框架，用于细粒度的主动式交通冲突预测。
• 一种新型冲突指标，融合纵向逼近风险、紧急制动余量和横向交互倾向。
• 一种解耦的时空Transformer架构，用于从栅格化交通地图中学习局部车辆交互。
• RiskFormer在性能上优于统计方法、循环网络、卷积网络、Transformer方法和图方法等基线模型。

1. 引言

道路交通安全仍然是现代交通系统面临的最严峻挑战之一。根据最新的全球统计数据，每年有超过119万人因道路交通事故死亡，使其成为5至29岁儿童和年轻人的首位死因（世界卫生组织，2024）。仅在中国，官方报告2023年有超过63000人死于道路交通事故，这凸显了精确识别和量化道路风险的迫切需求。准确识别和量化道路安全风险是设计主动式、预防性交通安全措施的基础。传统的被动方法严重依赖事故数据，由于报告不足、更新延迟和粒度不足等显著局限性而效果有限（Chen等，2025b），因此迫切需要开发更具预测性、高分辨率的风险分析模型。

近年来，空中感知、路边感知和轨迹提取技术的进步为主动式交通安全分析创造了新的机遇。与事故记录相比，高分辨率轨迹数据能够提供车辆交互的连续观测，包括跟车、汇入、变道和避让操作。这些数据使得在实际事故发生之前识别近事故模式成为可能，并能够为安全关键路段构建细粒度的风险地图。在不同的感知平台中，无人机尤其适用于临时性的高分辨率观测，因为它们能够提供交通运行的鸟瞰视角，而无需固定的路边基础设施。然而，本研究中的无人机并非设计为永久性的大规模监测设备，而是作为站点诊断、安全审计、算法开发和基准构建的灵活数据采集平台。所提出的轨迹到风险评估框架可以潜在地迁移到其他兼容鸟瞰视角（BEV）的感知来源，如路边摄像头、激光雷达系统、联网车辆或车载摄像头。

随着低空经济的兴起和无人机技术的进步（Mohsan等，2022），基于无人机的监测已成为在复杂路段采集高分辨率轨迹数据的有效工具（Chen等，2025a；Cheng等，2025；Mohsan等，2022；Qin等，2025；Shrestha等，2021）。在本研究中，其主要价值在于提供精确的车辆级轨迹和空间交互信息，用于模型开发和受控验证。这一实际应用范围比永久性的全网监测更窄，但对于诊断车道减少、汇入瓶颈和临时作业区转换等高风险位置却高度相关（Bao等，2019）。

尽管基于冲突的交通安全分析取得了进展，但仍存在若干研究空白（Fu和Sayed，2023）。首先，基于事故的方法仍然受到数据稀疏、报告不足、更新延迟和空间粒度不足的局限。其次，许多基于替代安全指标的研究仍然依赖单一维度指标或固定阈值，这可能不足以表征涉及纵向和横向交互的汇入冲突。第三，现有的时空预测模型（Xu等，2024）在从轨迹派生的交通状态生成细粒度的未来风险地图时，往往难以兼顾计算效率。

为克服这些局限，我们提出了RiskFormer，一种无人机辅助的轨迹到风险预测框架，用于高速公路车道减少和汇入路段的细粒度主动安全评估。该框架首先从无人机视频中提取车辆轨迹，构建复合冲突指标（CCI）作为监督信号，将车辆状态转换为栅格化多通道交通地图，然后使用解耦的时空Transformer架构预测未来的空间风险分布。这一定位明确了所提出的方法不是原始视频到风险的端到端模型，而是从轨迹派生的交通地图到未来风险地图进行端到端学习。本研究的主要贡献如下：

（1）开发了一种无人机辅助的轨迹到风险预测框架，用于高速公路车道减少和汇入路段的细粒度主动安全评估。该框架将提取的车辆轨迹转换为栅格化多通道交通地图并预测未来的空间风险分布。

（2）设计了一种综合冲突指标，通过联合考虑纵向接近距离、紧急制动余量和横向逼近倾向来表征汇入场景中的交互风险。该设计改进了对跟车和变道相关冲突模式的表征能力。

（3）提出了一种解耦的时空Transformer架构，以高效地建模栅格交通地图中的局部空间交互和时序风险演化。

（4）使用从高速公路车道减少路段采集的真实无人机轨迹数据对框架进行了验证。结果表明了基于高分辨率轨迹的主动风险预测的可行性，并明确了在数据持续时间、空间覆盖范围和大规模部署方面的当前局限。

本文其余部分组织如下。第2节回顾相关文献。第3节介绍关键预备知识和定义。第4节详述所提出的RiskFormer方法。第5节描述实验设置和数据采集。第6节呈现结果和分析。第7节总结研究并展望未来研究方向。

2. 文献综述

2.1 交通冲突风险的量化方法

由于事故数据稀缺且具有滞后性，交通冲突技术已成为交通安全评估的一种主动且高效的途径。通过捕捉可观察和可量化的近事故行为，它们能够提前识别碰撞风险。该方法的核心组件是替代安全度量（SSM），通过评估冲突的严重程度来估计事故发生的概率。自20世纪60年代首次提出以来（Walsh，1986），替代安全度量已成为非事故型安全评估的核心工具，为碰撞机制提供洞察并支持对致因因素的分析。替代安全度量通常按时间、空间或加速度进行类别划分。基于时间的指标，如碰撞时间（TTC）（Beauchamp等，2022；Liu等，2021a）、时间暴露碰撞时间（TET）（Dong等，2023；Rahman等，2021）、后侵入时间（PET）和修正碰撞时间（MTTC）（Anwari等，2023；Peng等，2024），基于车辆之间的时间间隔来评估风险。基于距离的指标，如有紧急减速碰撞潜力指数（PICUD），评估用于避免碰撞的最小可用间距。基于加速度的指标，如避免事故所需减速度（DRAC）（Peng等，2024），通过计算紧急条件下所需的减速度来估计风险。为解决复杂场景中的局限，研究人员提出了改进方法。例如，Xing等（2019）通过纳入车辆速度和航向开发了扩展碰撞时间（ETTC），提高了其在收费广场和非结构化区域中的适用性。

近期基于轨迹的研究进一步强调了二维冲突度量的必要性。例如，ETTC通过考虑复杂多方向交互中的车辆速度和航向来扩展TTC，而ACT使用最短边界距离和逼近速率来量化预期的二维碰撞风险。Kumar和Mudgal（2024）还指出，在非车道式或弱车道规范交通中的冲突定义应同时考虑纵向和横向交互过程。这些研究表明，针对车道减少汇入场景的综合指标不应仅依赖于追尾接近，还应包括横向逼近或侵入信息。

在文献中，交通冲突有两种主要定义。一种是基于行为的，即在触发紧急制动或转向等避让操作时识别冲突。另一种是基于接近度的，即当多个道路使用者接近可能导致碰撞的关键时空配置且无操作时认为冲突发生。大多数研究采用定量替代安全度量阈值作为冲突识别的基础，而驾驶员评价等定性方法用于补充验证。这种混合方法有助于确保科学严谨性和实用可靠性。

替代安全度量已被广泛应用于事故原因分析、安全评估和实时碰撞预警系统（Hussain等，2023）。在实时场景中，通常当替代安全度量值超过定义阈值时标记冲突（Li等，2023）。尽管便利性较高，但一个关键局限在于替代安全度量与实际事故之间缺乏经过验证的因果关系，这削弱了其可靠性。为此，研究人员进行了验证研究，通常分为两类：非事故型和事故型。非事故型验证通常使用极值理论（Ali等，2022）或反事实分析（Fu和Sayed，2021）。例如，Fu和Sayed（2021）使用贝叶斯分层极值建模结合加拿大事故数据评估DRAC阈值。Tarko（2021）对SHRP2追尾冲突进行了反事实建模，验证PET作为可靠指标的有效性。Johnsson等（2021）提出了一种相对验证框架，通过将替代安全度量与已发表的参考值在六个北欧交叉口进行比较来解决数据稀缺问题。事故型验证使用相关分析和回归分析等统计方法。例如，Hunter等（2021）应用Spearman秩相关来研究紧急制动与追尾事故之间的联系。Wang等（2024a，2024c，2024d）使用贝叶斯模型和岭回归测试替代安全度量的实时预测能力，并使用自采集的事故数据集验证其性能。尽管这些研究为替代安全度量的可靠性提供了实证支持，但开发替代安全度量输出与车辆级事故概率之间的系统化、定量映射仍然是交通安全研究中的一个关键挑战。

现有的单维替代安全度量和固定阈值冲突检测在高速公路车道减少汇入区存在两个关键缺陷。首先，单独的MTTC、PICUD或ETTC仅反映单一风险维度，无法同时捕捉耦合的纵向跟车和横向变道冲突。其次，静态统一阈值忽略了场景特定的道路和交通特征，导致标签偏差和对罕见严重尾部风险的表征不佳。本文通过提出融合纵向、制动和横向风险的CCI，并结合极值理论实现数据驱动的自适应风险阈值，来解决这两个空白。CCI-EVT框架弥补了传统方法中风险描述不完整和阈值缺乏情境感知的缺陷。

2.2 交通冲突风险预测

2.2.1 冲突场景与数据特征

交通冲突预测在通过在实际事故发生前识别潜在碰撞风险来促进主动安全干预方面起着至关重要的作用。这些预测的有效性很大程度上取决于冲突场景的特征以及输入数据的质量和粒度。在微观尺度上，车辆级预测强调驾驶员行为、车辆轨迹和实时运行状态以构建主动安全预警系统（Hang等，2025；Ma等，2025）。例如，Ma等（2023）开发了一种基于残差长短期记忆神经网络的框架，利用智能手机派生的驾驶数据检测异常行为。Xu等（2025）提出了一种主动风险预测框架用于切入机动，通过纳入固有驾驶风格实现。他们的研究表明，驾驶员特定的行为倾向可以提供超越传统运动学指标的信息，从而改善变道和切入场景中潜在风险的早期识别。

在路段级别，冲突预测通常利用聚合的交通变量，包括流量、占有率和排队模式，来估计事故频率或严重程度（Azati等，2024）。在更高水平的空间聚合中，全网预测纳入交通状况、道路几何和控制数据以支持大规模冲突风险估计（Zhao等，2023；Zhou等，2020）。例如，Li等（2023）提出了一种混合方法，将机器学习技术与贝叶斯空间泊松模型相结合，基于大规模轨迹数据集实现实时预测。这些模型的性能与输入数据的可用性和完整性密切相关。官方事故报告通常由政府机构编制，提供可靠的信息，如时间戳、位置和事故严重程度（Yao等，2023）。然而，这些数据集由于事故事件的罕见性往往存在严重的类别不平衡，并且通常缺乏上下文变量，如周边交通状况、车辆行为和驾驶员意图，这限制了分析的深度。随着先进传感和视觉技术的发展，许多研究采用从车辆轨迹数据中派生的替代安全度量来实时捕捉近事故情况。例如，Fu和Sayed（2022）应用多元极值理论整合PET、MTTC和DRAC，实现冲突严重程度的定量评估。

为解决真实数据不足的问题，基于仿真的方法被广泛使用。Zhou等（2023）分析了不同交通条件下模拟的车辆轨迹以生成合成冲突指标，如TTC和PET。Li等（2022）使用驾驶模拟器数据设计了冲突级早期预警系统，以研究紧急制动期间的驾驶员行为。尽管仿真数据提供了灵活性和可扩展性，但由于简化假设和有限行为多样性，其代表性和外部效度仍然存疑。

总而言之，基于轨迹的冲突指标已成为交通安全建模中的主要输入。尽管如此，这些指标的量化设计、校准和验证仍然是该领域面临的关键挑战。

## 2.2.2. 交通风险预测的建模方法

交通冲突预测方法一般可分为统计方法和基于机器学习的模型。统计方法（包括贝叶斯推断和逻辑回归）旨在建立可解释的观测冲突与致因因素之间的关系（Lin et al., 2015）。例如，Wang et al.（2015）采用多层贝叶斯逻辑回归模型来预测高速公路交织路段的碰撞事故。Cao et al.（2023）为拥堵、过渡和自由流交通状态分别建立了逻辑回归模型，从而捕捉不同交通条件下冲突可能性的异质性。Liu et al.（2021a, 2021b）使用动态贝叶斯网络来建模交通变量之间的时间依赖性和相互作用，识别风险传播的可能路径和关键贡献因素。

尽管统计模型具有可解释性和计算效率的优势，但它们往往依赖于数据分布的假设，并且在捕捉非线性关系或高维空间交互方面存在困难。为克服这些局限性，机器学习模型得到了广泛应用。Zhang et al.（2020）应用长短期记忆（LSTM）网络，利用轨迹序列对高风险人车交互进行分类。Liu et al.（2023a, 2023b）基于多模态输入数据（包括交通流量、天气和道路几何信息）构建有向图，并使用时空图卷积网络（GCN）来估计路段级碰撞风险。Wang et al.（2024a）采用Transformer模型来分析高速公路冲突传播中的复杂时间模式。

结合统计推断与深度学习的混合模型也已成为有效的解决方案。Wu et al.（2023）开发了一种贝叶斯-LSTM模型，该模型利用贝叶斯方法的概率可解释性以及神经网络的学习能力来预测冲突频率。受宏观尺度碰撞预测任务的启发，几种深度学习架构被改编用于微观层面的冲突风险分析。Li et al.（2020）设计了一种LSTM-CNN模型，以联合捕捉碰撞序列中的空间和时间依赖关系。Bao et al.（2019）提出了一种CNN-LSTM模型（STCL-Net），用于短期城市碰撞风险预测。Wang et al.（2024a, 2024c, 2024d）引入了一种名为Trans-GCN的Transformer-GCN框架，该框架将时空注意力机制与图拓扑学习相结合，以高分辨率推断交叉路口处的冲突风险。Lyu et al.（2025）提出了一种基于因果推断和图模型理论的多构型高速公路分流区实时冲突风险预测框架。

尽管取得了这些进展，仍然面临着显著的建模挑战。循环神经网络（RNN）在建模长时间序列时容易受到梯度消失和梯度爆炸问题的困扰，这可能阻碍其捕捉远距离依赖关系的能力。基于卷积的方法通常依赖于网格状的空间表示，在处理复杂现实路口的几何不规则性时往往力不从心，导致在非对齐边界处发生信息丢失。图神经网络（GNN）作为一种有前途的替代方案脱颖而出，为表示和学习非欧几里得交通网络中的局部空间依赖提供了灵活的框架。当与Transformer等基于注意力的架构相结合时，GNN可以联合捕捉细粒度的空间相关性和长距离时间依赖关系，从而在推进时空冲突动态建模方面展现出相当大的潜力（Liu et al., 2023a; Tran et al., 2023）。然而，这些GNN-Transformer混合架构也存在局限性。在网格划分的路网中，特别是当空间域被离散化为更小的单元以提高空间分辨率时，表示单元间连接的邻接矩阵会呈指数级增长。这不仅会增加内存需求，还会在稀疏连接区域导致冗余计算，造成严重的训练低效。因此，迫切需要开发轻量级深度学习架构，以高效捕捉关键时空特征，同时减轻大规模邻接结构带来的计算开销。

## 3. 预备知识

### 3.1. 问题描述

交通冲突预测是交通安全领域的一项关键任务，旨在根据历史观测数据估计未来交通场景中潜在碰撞风险的空间分布。本研究利用三类基于轨迹的状态信息来构建深度学习模型，实现多步预测，从而支持交通系统内的实时预警和主动控制。

时间步 $t-\tau+1$ 到 $t$ 的历史交通数据表示为序列 $Z_{t,\tau}$，其中 $Z_{t,\tau} = \{z_{t-\tau+1}, z_{t-\tau+2}, \cdots, z_t\}$ 且 $z_t \in \mathbb{R}^{M \times D}$。这里，$M$ 表示观测实体的数量（如车辆或空间单元），$D$ 对应每个实体的特征数量，包括轨迹位置、速度、加速度、占用状态和静态空间属性。观测窗口长度用 $\tau$ 表示。这些输入被送入统一的模型框架，该框架内部构建交通环境的网格化表示。目标是学习一个映射函数 $f(\cdot)$，预测一系列未来风险地图：

$$\hat{y}_{t+1:t+K} = f(Z_{t,\tau}; \theta) \tag{1}$$

其中 $\theta$ 是模型参数集合，$\hat{y}_{t+1:t+K} \in \mathbb{R}^{K \times H \times W \times 2}$ 表示未来 $K$ 步的预测风险地图。每幅地图的空间分辨率为 $H \times W$，每个单元格输出一个风险值及其概率。

### 3.2. 综合冲突指标

高速公路车道减少和合流区域的交通冲突涉及纵向跟驰风险、紧急制动余量以及变道或合流时的横向侵入（Zheng and Sayed, 2020）。在本研究中，使用MTTC来量化纵向接近风险，使用PICUD来量化紧急制动余量，并添加一个横向接近时间项来捕捉并排接近或横向侵入。因此，综合冲突指标（CCI）被定义为一个复合交互风险指标，而非两种追尾导向SSM的简单融合。

对于时间 $t$ 处的两辆车 $i$ 和 $j$，令 $x$ 和 $y$ 分别表示纵向和横向位置，$v_x$ 和 $v_y$ 分别表示纵向和横向速度，$a_x$ 表示纵向加速度，$L$ 表示车辆长度，$W$ 表示车辆宽度。有效纵向间距定义为：

$$d_{ij}(t) = x_j(t) - x_i(t) - (L_i + L_j)/2 \tag{2}$$

其中车辆 $j$ 位于车辆 $i$ 前方。相对速度和加速度为：

$$\Delta v_{ij}(t) = v_{i,x}(t) - v_{j,x}(t) \tag{3}$$

$$\Delta a_{ij}(t) = a_{i,x}(t) - a_{j,x}(t) \tag{4}$$

修正的碰撞时间通过显式数值规则计算：

$$MTTC_{ij}(t) = \begin{cases} \frac{-\Delta v_{ij} - \sqrt{(\Delta v_{ij})^2 - 2\Delta a_{ij} d_{ij}}}{\Delta a_{ij}}, & |\Delta a_{ij}| > \epsilon, (\Delta v_{ij})^2 - 2\Delta a_{ij} d_{ij} \geq 0 \\ \frac{d_{ij}}{\Delta v_{ij}}, & |\Delta a_{ij}| \leq \epsilon, \Delta v_{ij} > \epsilon \\ +\infty, & \text{其他情况} \end{cases} \tag{5}$$

该分段定义避免了相对加速度趋近于零时未定义的值。零相对加速度并不自动意味着没有冲突；如果后车正在接近，则使用标准TTC形式。如果不存在正实碰撞时间，则MTTC被赋予一个大的上限值，其风险贡献趋近于零。

PICUD用于衡量紧急制动余量：

$$PICUD_{ij}(t) = \frac{v_j^2(t)}{2|a_e|} - \left[v_i(t)\tau + \frac{v_i^2(t)}{2|a_e|}\right] + d_{ij}(t) \tag{6}$$

其中 $a_e$ 是假设的紧急减速值，$\tau$ 是驾驶员反应时间。负的PICUD值表示制动距离不足，紧急制动风险较高。

为显式表示横向交互，引入横向接近时间：

$$TLC_{ij}(t) = \begin{cases} \frac{|y_i(t) - y_j(t)| - (W_i + W_j)/2}{|v_{i,y}(t) - v_{j,y}(t)| + \epsilon}, & |y_i - y_j| > (W_i + W_j)/2, (y_i - y_j)(v_{i,y} - v_{j,y}) < 0 \\ +\infty, & \text{其他情况} \end{cases} \tag{7}$$

TLC衡量的是如果保持当前横向接近趋势，两辆车包络体横向到达彼此所需的时间。它在车道减少区域的合流和变道交互中尤为重要。

然后将三个组成部分转换为无量纲风险分数：

$$r_M(t) = \exp(-MTTC_{ij}(t)/\tau_m) \tag{8}$$

$$r_P(t) = \frac{1}{1 + \exp(PICUD_{ij}(t)/s_P)} \tag{9}$$

$$r_L(t) = \exp(-TLC_{ij}(t)/\tau_l) \tag{10}$$

其中 $\tau_m$、$s_P$ 和 $\tau_l$ 是尺度参数。CCI定义为：

$$CCI_{ij}(t) = \omega_M r_M(t) + \omega_P r_P(t) + \omega_L r_L(t), \quad \omega_M + \omega_P + \omega_L = 1 \tag{11}$$

在实验中，除非另有说明，权重设定为 $\omega_M = 0.40$、$\omega_P = 0.30$ 和 $\omega_L = 0.30$，这是根据所研究车道减少路段的特征确定的。使用等权重和基于交互频率的权重进行敏感性测试产生了相同的指标排序，表明验证结果并非由单一的任意加权方案驱动。

为进一步评估CCI的有效性，引入了两个已建立的二维替代安全指标——ACT（Venthuruthiyil and Chunchu, 2022）和ETTC（Xing et al., 2019）作为验证分析中的基准指标。ACT基于两车之间的最短边界距离和接近速率计算，而ETTC则利用相对位置和相对速度向量作为TTC的二维扩展来计算。由于ACT和ETTC在冲突风险增加时会减小，在相关性分析之前，它们被转换为风险导向的分数，使所有指标具有与CCI相同的正向风险方向。

### 3.3. 极值理论

替代安全措施（SSM）和复合风险分数通常与预定义阈值一起使用来识别交通冲突事件。然而，固定阈值可能对交通情境、道路几何、交通密度和观测尺度敏感。在一个交通场景中效果良好的阈值可能无法直接适用于另一个场景。此外，严重冲突通常是罕见事件，其统计特征主要体现在风险分布的尾部而非中心趋势中。因此，有必要引入数据驱动的方法来表征极端冲突风险。

极值理论（EVT）提供了一个统计框架，通过关注分布的尾部行为来建模罕见和高风险事件。EVT不同于描述平均风险水平，而是估计极端观测的概率和强度。在本研究中，EVT用于校准所提出的综合冲突指标（CCI）的高风险阈值，以便以统计上可靠的方式识别罕见但对安全至关重要的交通交互。

在本研究中，通过分块极值法采用广义极值（GEV）分布。令CCI序列表示为：

$$C = \{c_1, c_2, \ldots, c_T\} \tag{12}$$

其中 $c_t$ 表示时间步 $t$ 的CCI值，$T$ 是总观测数。观测期被划分为长度为 $b$ 的不重叠分块。对于第 $k$ 个分块，提取最大CCI值：

$$M_k = \max\{c_t : (k-1)b < t \leq kb\}, \quad k = 1, 2, \cdots, K \tag{13}$$

其中 $M_k$ 表示第 $k$ 个分块的极值，$b$ 是分块长度，$K$ 是总分块数。这些分块极值代表了每个局部时间区间内观测到的最严重冲突风险。

根据EVT，在正则条件下，分块极值的分布可以用广义极值分布近似。GEV分布的累积分布函数为：

$$G(z) = \exp\left\{-\left[1 + \xi\left(\frac{z - \mu}{\sigma}\right)\right]^{-1/\xi}\right\} \tag{14}$$

满足条件：

$$1 + \xi\left(\frac{z - \mu}{\sigma}\right) > 0, \quad \sigma > 0 \tag{15}$$

其中 $\mu$、$\sigma$ 和 $\xi$ 分别表示位置参数、尺度参数和形状参数。具体而言，$\mu$ 控制极值分布的中心位置，$\sigma$ 描述极值的离散程度，$\xi$ 决定尾部行为。这些参数通过基于所提取分块极值的最优似然估计进行估计。

拟合GEV分布后，可以从对应于置信水平 $\alpha$ 的返回水平中获得自适应高风险阈值。当 $\xi \neq 0$ 时，返回水平计算如下：

$$Q_\alpha = \mu + \frac{\sigma}{\xi}\left\{[-\ln(\alpha)]^{-\xi} - 1\right\}, \quad \xi \neq 0 \tag{16}$$

$$Q_\alpha = \mu - \sigma\ln[-\ln(\alpha)], \quad \xi = 0 \tag{17}$$

其中 $Q_\alpha$ 表示与所选置信水平相关的风险阈值。例如，当 $\alpha = 0.95$ 时，超过 $Q_{95}$ 的CCI值被视为极端高风险事件。通过这种方式，模型训练中使用的二元高风险标签是从EVT校准的阈值生成的，而非从任意固定阈值生成。

需要注意的是，$Q_\alpha$ 取决于所选的分块大小。较大的分块倾向于产生较大的分块极值，因此导致更保守的阈值，而较短的分块则捕捉更多的局部风险波动，可能产生较低的阈值。因此，$Q_\alpha$ 不应被解释为独立于时间聚合的绝对严重程度值。相反，应将其理解为在特定时间分辨率下依赖于分块大小的风险阈值。

## 4. 方法论

### 4.1. 框架概述

本文提出的RiskFormer是一个从无人机采集的车辆轨迹预测未来交通冲突风险地图的轨迹到风险的时空预测框架。该框架明确划分了四个阶段：(i) 无人机视频采集和轨迹提取，(ii) 基于CCI的冲突标签生成和基于EVT的阈值校准，(iii) 栅格化多通道交通地图构建，以及(iv) 使用RiskFormer网络进行未来风险地图预测。本次修订澄清了冲突指标在整体架构中的作用，避免了将该方法描述为原始视频到风险的端到端模型。

如图1所示，CCI模块提供两种类型的监督信号。连续的CCI值用作风险强度预测的回归目标，而EVT校准的高风险标签则用作风险发生预测的二元目标。基于轨迹特征（包括占用率、加权占用率、速度、加速度和运动方向）生成的栅格化交通地图被送入RiskFormer，后者通过解耦注意力机制提取空间和时间依赖关系，并在单元格级别输出未来风险地图。

**图1. 无人机辅助交通风险预测的RiskFormer架构**

该设计解决了三个挑战：(1) 将车辆级轨迹转换为BEV兼容的栅格化表示；(2) 显式将替代安全指标与预测目标关联；(3) 通过基于EVT的标签校准和加权多任务学习提高对罕见但严重冲突的敏感性。

### 4.2. 基于栅格化交通地图的时空状态表示

#### 4.2.1.

交通地图构建模块

交通地图构建模块将原始车辆轨迹数据转换为适合时空建模的结构化、多通道、四维输入张量。受空间表示中占用栅格概念的启发，连续的交通环境被离散化为固定分辨率的二维空间网格，使得异构轨迹数据能够在统一的坐标框架内组织。具体而言，原始车辆轨迹表示为时间序列 ????,??={???????+1,???????+2,?,????}，其中每个元素代表交通状态的一个快照。该模块将 ????,?? 映射为一个四维张量 ??????×??×??×??，其中 ?? 表示历史时间步数，??×?? 是网格维度，?? 表示特征通道数。该模块包含三个子组件：状态特征提取、数据离散化和数据映射。为有效捕获交通场景的动态和交互特性，我们提取微观车辆运动特征、宏观交通流特征和历史道路占用特征。

栅格化交通地图表示与鸟瞰图（BEV）感知兼容。尽管本研究使用无人机获取的轨迹，但相同的输入格式也可以从路边摄像头、基于激光雷达的路边单元、协作式车路感知或车载摄像头经过BEV变换后生成。因此，车载BEV验证是一个重要的未来方向，但超出了当前无人机数据集的经验范围。

微观车辆运动特征：在每个时间步 ??，车辆状态表示为元组 (????,????,????,????)，其中 ????=(??,??) 表示车辆的网格位置，???? 是速度向量，???? 是加速度向量。???? 由 (Δ?????,Δ?????) 表示，是通过以下公式计算的方向运动向量：(18)????=(Δ?????,Δ?????)，其中 Δ?????=??????????1 且 Δ?????=??????????1。

宏观交通流特征：宏观层面的动态由元组 (????,??????????????,????????????????) 描述，分别代表流量、平均速度和速度标准差：(19)??????????????=1|Ω|?∑(??,??)∈Ω?????(??,??)(20)????????????????=√1|Ω|?∑(??,??)?Ω(?????(??,??)???????????????)2，其中 Ω 是占用网格单元集合，|Ω| 是其基数。

历史道路占用特征：为描述局部和周围空间利用率，我们使用元组 (????,????,????,????) 表示每个目标网格的占用情况，分别表示当前单元、其相邻（1格）、邻近（2格）和周围（3格）网格单元的占用率。这些值用于计算加权综合占用指数如下。(21)?????=?????????+?????????+?????????+?????????，其中 ????、????、???? 和 ???? 是衰减权重，优先考虑空间影响的邻近性。图2说明了历史道路占用数据的语义结构。

下载：下载高分辨率图像（196KB）下载：下载全尺寸图像图2.历史基于网格的道路占用数据示例。

在数据离散化方面，连续物理环境被离散化为 ??×?? 空间网格。每个网格单元对应固定的空间区域，实现交通状态的统一表示。网格的分辨率（即 ?? 和 ?? 的值）直接影响表示精度和计算效率：更高分辨率允许更精细的行为建模，而较粗的网格则降低计算成本。

然后，数据映射将车辆观测的物理坐标映射到相应的网格单元。设网格单元 ????,?? 的中心为 (????,????)，车辆位置为 ????=(????,????)。映射条件为：(22)????→????,?????????(????,????)∈??????????????????(????,??)。映射过程包括预处理、空间匹配、特征聚合和时间索引。然而，传统的二元（"硬"）占用地图仅在车辆中心位于网格单元内时将单元标记为占用（????,??=1），这可能引入离散化伪影。此类错误可能将车辆分散到多个单元并破坏物理一致性。

为缓解这些问题，我们引入了一种软栅格化方法，使用高斯核建模占用情况，如图3所示，生成平滑的占用场：(23)????,??=?????????(1,∑??exp?(?(????,???????)2+(????,???????)22???2))，其中 (????,??,????,??) 是网格单元中心，(????,????) 是车辆中心，?? 是平滑参数。当网格靠近车辆中心时，占用率趋近于1；随着距离增加，它渐近趋近于0。该公式确保了空间连续性并避免了硬栅格化相关的二元不连续性。

下载：下载高分辨率图像（138KB）下载：下载全尺寸图像图3.硬网格和软网格表示的比较。

4.2.2. Patch tokenization 模块

遵循视觉Transformer（ViT）的设计，每个时间步 ?? 的栅格化交通地图被划分为大小为 ??×?? 的不重叠方形patch。每个patch被展平为向量 ??(??,??)∈??????2，其中 ?? 是通道维度。???{1,2,?,??} 索引patch位置，??=??×????2。图4显示了Patch tokenization模块中特征块提取的操作流程。

下载：下载高分辨率图像（116KB）下载：下载全尺寸图像图4.特征块提取模块的操作流程。

4.2.3. 线性嵌入和位置编码

在数据预处理和空间划分之后，每个patch token通过线性嵌入层传递，将其投影到高维特征空间。此转换的目标是将原始patch级表示转换为与基于Transformer的架构兼容的形式，从而增强输入特征的表达能力并实现有效的时空建模。正式地，嵌入过程可以表示为：(24)?0(??,??)=???????????????(??,??)，其中 ?0(??,??)∈??? 是时间步 ?? 下patch ?? 的高维嵌入表示，??(??,??) 是patch的展平原始特征向量，???????????? 是在训练过程中通过反向传播优化的可学习权重矩阵。

由于标准Transformer架构不天然编码位置信息，模型使用固定的正弦函数结合了空间和时间位置编码。这些编码为捕获空间排列和时间动态提供了必要的上下文。空间位置编码计算如下：(25)???????????(2???)=?????????(??100002???/??)(26)???????????(2???+1)=?????????(??100002???/??)，其中 ?? 是patch的空间索引，?? 是维度索引，?? 是嵌入维度。

时间位置编码类似地定义为：(27)???????????(2???)=?????????(??100002???/??)(28)???????????(2???+1)=?????????(??100002???/??)，其中 ?? 是对应时间步的时间索引。

这些编码捕获了空间网格内和时间序列中的绝对和相对位置。它们的周期结构使模型能够有效表示顺序信息。输入Transformer编码器的每个patch的最终输入由嵌入特征与其空间和时间位置编码组合而成：(29)??(0)??,??=?(0)??,??+??????????+??????????。该表示保留了语义内容和精确的时空位置，作为RiskFormer框架中基于注意力的特征提取模块的初始输入。

4.3. 基于解耦注意力机制的时空特征提取

为高效捕获高维时空交通数据中的复杂依赖关系，RiskFormer模型通过引入解耦注意力机制增强了标准Transformer编码器架构。该模块将空间注意力和时间注意力分离，实现更可扩展的建模，同时保持动态交通交互的保真度。以下各小节详细介绍了时空解耦策略、局部稀疏空间注意力和时间注意力机制。

4.3.1. 空间和时间注意力解耦

在标准Transformer架构中，自注意力机制计算整个输入序列的成对依赖关系。当应用于具有长时间跨度的高分辨率时空数据时，这导致二次计算复杂度 ???(??2)，其中 ?? 是序列长度。为解决此低效问题，RiskFormer明确地将注意力计算分离到空间和时间维度。这种解耦策略显著降低了计算负担，而不损害学习局部和全局依赖关系的能力。

4.3.2. 局部稀疏空间注意力

为有效捕获栅格化交通数据中的时空依赖关系，本研究提出了一种基于传统空间注意力设计的局部稀疏注意力机制。该机制的开发基于在交通流动态演化中观察到的两个基本特性。

首先，车辆间相互作用表现出强烈的空间局部性。车辆间的影响倾向于随着距离增加而减弱，使得附近车辆对目标车辆的决策行为显著更相关。其次，栅格化交通数据固有地表现出空间稀疏性。在任何给定时间步，只有有限数量的网格单元被活跃车辆占用。基于这些物理特性，所提出的机制引入了与车辆间实际相互作用范围相匹配的注意力约束，从而提高了物理可解释性。同时，它利用数据稀疏性来降低计算复杂度。

局部注意力的核心概念在于将注意力计算限制在预定义的空间邻域内。对于每个空间位置 (??,??)，定义了一个邻域区域 ???(??)。查询向量 ??(??,??) 仅与该邻域内相同时间步 ??′=?? 处的键向量 ??(??,??′) 交互。空间注意力权重计算如下：(30)????????????(??,??)?(??,??)=?????????????????????(??(??,??)?(??,??)?????(??,??)?(??,??′)√???)，其中 ??(??,??)?(??,??) 表示在第 ?? 层和第 ?? 头计算的空间注意力权重，??? 是注意力头的维度。约束 ??′∈???(??) 确保注意力仅在相同时间步的相邻空间区域内计算。

考虑到交通数据中的广泛稀疏性，引入了稀疏过滤策略以进一步提高计算效率。具体而言，应用top-k选择，仅为每个查询保留 ?? 个最重要的注意力值。该策略使模型能够专注于最相关的空间依赖关系，同时丢弃可忽略的连接。局部稀疏空间注意力机制的完整设计和工作流程如图5所示。

下载：下载高分辨率图像（184KB）下载：下载全尺寸图像图5.具有邻域过滤的局部稀疏空间注意力架构。

4.3.3. 时间注意力机制

时间注意力机制旨在通过显式建模时间跨度的依赖关系来增强模型捕获演化行为模式的能力。与关注单个时间切片内关系的空间注意力机制不同，时间注意力在固定空间位置上沿时间维度运行。

对于特定空间位置 ??，该机制建模其特征表示在多个时间步 {??1,??2,...,??n} 上的变化。在每个时间步 ??，相应的查询向量 ??(??,??)?(??,??) 仅与相同空间位置 ?? 但在不同时间索引 ??′ 处的键向量 ??(??,??)?(??,??′) 交互。此时间交互的注意力权重计算如下：(31)??????????(??,??)?(??,??)=?????????????????????(??(??,??)?(??,??)?????(??,??)?(??,??′)√???)，其中 ??????????(??,??)?(??,??) 表示在第 ?? 层和注意力头 ?? 产生的时间注意力权重。向量 ??(??,??)?(??,??) 和 ??(??,??)?(??,??′) 分别表示时间步 ?? 和 ??′ 处的查询和键向量，??? 表示每个注意力头的维度。Softmax函数确保注意力权重在所有考虑的时间步上得到适当归一化。

通过此机制，模型可以选择性地关注每个位置的相关历史或未来时间点，从而能够捕获与交通冲突相关的时间依赖关系和动态模式。这种时间建模能力对于理解车辆行为随时间如何演化以及在时空级别生成准确的风险预测至关重要。

4.4. 基于极值理论的预测输出设计

预测输出模块作为RiskFormer模型的最终组件。它接收前一模块提取的高层时空特征并将其转换为可解释的风险预测。该模块由几个功能层组成，包括全连接层、极值分布（EVD）参数化层、线性投影层和非线性激活函数。输出是一个栅格化风险地图，预测未来 k 秒内每个网格单元的交通冲突水平。在该框架中，CCI被采用为主要指标来量化交通风险强度。

4.4.1. 全连接层

第一步涉及使用全连接层将提取的时空特征投影到预测空间。每个输入节点连接到每个输出节点，使网络能够学习特征之间复杂的非线性交互。这种密集映射确保模型能够充分利用提取特征的表示能力以实现准确的风险估计。

4.4.2. 极值分布参数化层

为建模罕见但影响重大的交通冲突的随机性质，引入了极值分布参数化层。该层旨在估计广义极值分布的参数，包括位置参数 μ、尺度参数 σ 和形状参数 ξ。这些参数共同表征了极端事件发生的概率和幅度。

从输入特征向量 x 到分布参数的映射由神经网络函数学习(32)??,??,??=?????????(??),??>0，其中 ?????????(??) 表示根据输入特征产生准确分布估计的参数化函数。

4.4.3. 线性投影和激活函数

在EVD参数化之后，输出通过线性变换层传递。该层将特征表示从潜在空间映射到最终输出空间，实现可解释预测结果的生成。线性变换通常使用全连接层实现。

在此变换之后，应用非线性激活函数。该函数通过引入非线性来增加模型的表示能力，使其能够捕获数据中更复杂的模式。线性和非线性处理的组合使模型能够有效区分低风险和高风险场景，从而提高预测风险地图的准确性和表达能力。

4.5.

多目标损失函数
本研究的主要目标是在交通场景中的每个网格单元内准确预测风险水平。为了提升模型的整体预测性能并增强其对样本不平衡的鲁棒性，在损失函数设计中引入了多任务分段加权策略。

模型生成两个输出：一个连续值风险评分 ?? 和一个二元风险发生概率 ??。这些输出通过两个互补的损失分量进行监督：用于风险值回归的均方误差（MSE）损失和用于概率分类的二元交叉熵（BCE）损失。为了进一步减轻数据不平衡带来的偏差，预测范围按风险等级划分为多个区间。对于每个区间，定义一个权重系数作为该分段内样本数的倒数，从而增加对中风险和高风险区域的敏感性。总损失函数定义为：

(33) ??????????? = ???·??? + ???·???

其中 ??? 是与风险值预测相关的损失，??? 是与概率预测相关的损失，??? 和 ??? 是用于平衡每个任务贡献的超参数。

对于风险值预测，采用分段加权 MSE 公式：

(34) ??? = ∑???? ω?·(1/???) ∑???^??? (??????? ? ??????)2

其中 ?? 表示风险值被划分的分段数。??? 是第 ?? 段中的样本数，ω? = 1/??? 表示分配给该分段的权重。??????? 和 ?????? 分别是第 ?? 段中第 ?? 个样本的预测值和真实风险值。

对于概率预测，采用标准的二元交叉熵损失来评估所有网格位置预测的风险发生概率的正确性：

(35) ??? = ?(1/??) ∑???? [???·log(????) + (1 ? ???)·log(1 ? ????)]

其中 ???? 是预测的风险发生概率，??? 是对应的真实标签。

这种双任务损失公式同时考虑了输出类型的多样性和训练数据固有的不平衡性。通过将多任务学习与分段加权相结合，鼓励模型在整个风险等级谱系中保持预测精度。在训练过程中，损失函数作为优化网络参数的关键指导，逐步改善预测与真实风险模式之间的对齐。

5. 实验

5.1 基于无人机的轨迹数据收集

驾驶员意图的复杂性和驾驶行为的异质性是道路交通冲突的关键促成因素。高速公路上的车道缩减路段是此类行为变异尤为突出的典型高风险路段。这些路段的特征包括流量汇入加剧、频繁的车道变换机动以及增强的横向交互，所有这些都提高了安全隐患和潜在碰撞的可能性（Lu et al., 2026, Lu et al., 2023）。

如图6所示，接近车道缩减路段的驾驶员必须执行强制变道以适应缩窄的道路几何形态。车道数量的减少，尤其是在高交通需求下，增加了单个车辆的运行难度，同时对周围车辆施加了额外的压力。这导致了频繁的方向变化、速度波动以及反复的停车-起步运动。这些行为共同降低了此类区域的交通流稳定性和流动性，并显著放大了横向冲突的风险。

下载：下载高分辨率图像（189KB）下载：下载全尺寸图像
图6. 数据收集位置。

鉴于车道缩减区域内的动态特征和较高的冲突潜力，在这些路段进行细粒度的冲突量化和风险预测具有重要的研究意义。因此，本研究聚焦于位于广东省深圳市G15沈海高速西主线、靠近何凹互通的车道缩减路段。数据通过无人机获取高分辨率空中交通视频进行收集。无人机部署位置如图6所示，研究地点的航拍视图示例如图6所示。实地观察证实，目标路段在早高峰时段表现出明显的汇入拥堵和频繁的交通冲突。该地点的交通流量包含多种车型，其中中大型货车和客车占相当比例。

图7展示了用于获取原始车辆轨迹的基于无人机的交通监控系统示意图。数据采集在工作日的非高峰时段、天气晴好条件下进行，以确保最佳可视性和稳定的交通流。如图7(a)所示，一架DJI Mavic 2无人机（如图7(b)所示）被部署在165米飞行高度。录制视频覆盖了约150米的道路路段，总时长45分钟，分为三段15分钟的录制。所选道路段包含一个西向东方向的三车道变二车道路段，入口宽度11.25米，出口宽度7.5米，渐变段长度30米。图7(c)展示了在无人机传感器上执行的基本校准程序。link1 提供了通过无人机监控收集的本研究原始数据的访问链接。

下载：下载高分辨率图像（156KB）下载：下载全尺寸图像
图7. 基于无人机的车辆轨迹数据收集。(a) 基于无人机的交通监控。(b) 实验用无人机。(c) 传感器数据校准。

需要注意的是，该数据集在时间和空间覆盖范围上有限制。45分钟的无人机录制适合对所选车道缩减路段进行高分辨率轨迹到风险建模的概念验证，但不足以证明全网或长期部署的可行性。在进行更大规模交通安全管理的通用化之前，需要使用更长时间、多天、多地点、多天气的数据集进行更广泛的验证。

为了构建高质量的车辆轨迹数据集，必须通过先进的计算机视觉技术和算法实现高精度高速度的多车辆检测与跟踪。本研究通过集成YOLOv10（Wang et al., 2024a, Wang et al., 2024c, Wang et al., 2024d）与DeepSORT（Veeramani et al., 2018）实现了一个先进的检测-跟踪框架，用于稳健高效的多车辆跟踪。该框架由两个主要模块组成：目标检测器和目标跟踪器。如图8(a)所示，YOLOv10算法从输入视频流中检测车辆目标，并为每个对象输出边界框和类别信息。在跟踪模块中，采用卡尔曼滤波器进行目标状态估计，使用马哈拉诺比斯距离和深度外观描述符进行数据关联，随后通过匈牙利算法进行轨迹更新。该架构具有快速的检测速度、高精度、强匹配鲁棒性和实时处理能力。通过结合YOLOv10的高效目标检测和DeepSORT的多维匹配策略，该框架即使在目标经历短暂消失或遮挡时仍能保持高跟踪精度。图8(b)展示了车辆跟踪结果的示例。

下载：下载高分辨率图像（789KB）下载：下载全尺寸图像
图8. 车辆轨迹数据集提取。(a) YOLOv10-DeepSORT算法的框架图。(b) 车辆跟踪结果可视化。

5.2 轨迹数据预处理与分析

尽管经过了畸变校正和物理校准，通过计算机视觉算法提取的速度和加速度等运动参数仍可能受到各种误差来源的影响。这些因素包括遮挡、运动模糊和跟踪中断，可能导致异常数据点、突然波动或不真实的变异。如果不妥善处理，这些问题会增加计算成本、降低模型鲁棒性并削弱物理可解释性。为解决此问题，实施了包括异常值去除、归一化、时间重采样和平滑在内的预处理步骤，以提高数据质量和建模效果。

为了全面表征车辆运动，对清理后的速度和加速度数据进行了描述性统计分析。如图表1所示，车辆速度范围为0.000至50.827 m/s，均值为15.317 m/s，中位数为14.828 m/s。5.609 m/s的标准差表明中等变异，四分位距（Q1–Q3）为11.439–18.653 m/s，表明大多数车辆在低中速范围内运行。加速度值近似对称，最小值为?4.821 m/s2，最大值为4.930 m/s2。平均加速度接近零（0.039 m/s2），大多数值落在±1 m/s2范围内，表明整体加速和减速行为平衡。

表1. 车辆运行参数的描述性统计。

| 指标 | 速度 (m/s) | 加速度 (m/s2) |
| --- | --- | --- |
| 最小值 | 0.000 | ?4.821 |
| 最大值 | 50.827 | 4.930 |
| 均值 | 15.317 | 0.039 |
| 中位数 | 14.828 | 0.00 |
| 标准差 | 5.609 | 0.601 |
| 25%百分位 | 11.439 | ?0.251 |
| 75%百分位 | 18.653 | 0.353 |

速度分布，如图9(a)所示，呈现清晰的单峰模式，峰值在10 km/h附近，反映了车道缩减路段通常观察到的受限流条件。由于通行能力降低和车辆交互，许多车辆被迫减速，导致运行速度较低。如图9(b)所示，箱线图显示速度集中在较低范围，少数异常值超过10 km/h。这些较高速度可能源于局部流中断或驾驶员在汇入过程中尝试加速。加速度分布，如图9(c)所示，以零为中心并有多个局部峰值，表明大多数车辆经历了频繁但中等的加速和减速事件。图9(d)中相应的箱线图确认了相对较少的极端值下的对称分布，表明大多数车辆在复杂的交通环境中仍保持了平稳运动。加速度中多个峰值的出现还反映了不同类型车辆驾驶行为的差异，特别是在汇入路段的车道变换或让行机动过程中。

下载：下载高分辨率图像（203KB）下载：下载全尺寸图像
图9. 车辆运动特征可视化与分析。

为了进一步探索空间交通模式，考察了车道级的车辆分布（Lu et al., 2024）。如图10(a)所示，作为高速主线的一车道和二车道承载了最高交通量，反映了其作为主要通行车道的作用。作为渐变车道的三车道表现出明显较低的使用率，与其在道路几何中的过渡性角色一致。关于变道行为，如图10(b)所示，一车道和二车道吸引了最大份额的汇入机动，表明在汇入区域存在大量横向交互和竞争性使用。相比之下，三车道接收的汇入车辆显著较少，突显了其在变道活动中的次要角色。这些发现表明，一车道和二车道不仅承载了大部分通行交通，还作为汇入机动的主要目标，因此构成了车道缩减路段的运行瓶颈。三车道使用较少反映了其在几何布局中的受限功能。这些空间和行为模式共同证明了数据集捕获纵向和横向驾驶行为的能力，为后续的风险建模和交通冲突预测提供了坚实的实证基础。

下载：下载高分辨率图像（138KB）下载：下载全尺寸图像
图10. 车辆计数和变道车辆的车道统计。(a) 车道ID。(b) 统计分析。

5.3 评估指标

为了全面评估所提模型在交通冲突风险预测中的性能，采用了三种广泛使用的回归指标：均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（R2）。这些指标共同评估模型的准确性、鲁棒性和解释力。

(36) RMSE = √(1/???? ∑???^???? (??? ? ????)2)

(37) MAE = (1/????) ∑???^???? |??? ? ????|

(38) R2 = 1 ? ∑???? (??? ? ????)2 / ∑???? (??? ? ????)2

其中 ???? 和 ??? 分别表示样本 ?? 的预测和实际CCI值。?? 是CCI样本总数。RMSE强调大误差，适用于评估模型对极端情况的敏感性。MAE反映平均预测偏差，对异常值更鲁棒。R2量化模型解释的方差比例，值越接近1表示模型拟合越好。

5.4 基线模型与设置

为了全面评估所提的RiskFormer在交通冲突风险预测中的准确性、效率和鲁棒性，选择了四个代表性基线模型进行比较：线性回归（LR）、LSTM-CNN、卷积LSTM（ConvLSTM）、Transformer和Trans-GCN。

LR（Zhang et al., 2019）被用作风险预测的简单且可解释的基准，对输入特征与输出风险水平之间的线性关系进行建模。尽管它无法捕获复杂的时空依赖性，但LR确保了高计算效率，并作为评估模型性能的可靠下界。

LSTM-CNN（Li et al., 2020）集成了用于长期依赖学习的LSTM和用于从输入特征中提取时间不变特征的CNN。

ConvLSTM（Yuan et al., 2018）通过引入卷积操作扩展了LSTM，实现了空间和时序特征的联合学习。它非常适合对栅格化交通图中的局部空间依赖进行建模，常用于时空预测任务。

Transformer（Han et al., 2024）并行捕获全局时间依赖性。

该模型最初是为序列建模而设计的，同时也支持与空间输入的灵活融合，因此非常适合评估RiskFormer在全局时空动态方面的有效性。Trans-GCN（Wang等，2024b）提出了冲突风险图框架和Trans-GCN模型，该模型将Transformer和图卷积网络架构相结合，以推断细粒度的冲突风险。所有模型，包括RiskFormer，均使用Python 3.7和PyTorch 1.1.0实现，并在运行Ubuntu 18.04 LTS的AutoDL云GPU平台上进行训练。硬件配置包括Intel? Xeon? Gold 6430 CPU、1.0 TiB系统内存，以及显存为24.56 GiB的NVIDIA GeForce RTX 4090 GPU。为确保有效训练，采用了以下策略：最大训练轮次为500次，批量大小为16，初始学习率为0.0005并采用余弦衰减调度。采用Adam优化器，利用其自适应矩估计能力，增强收敛速度和稳定性。为缓解过拟合，训练期间应用了0.2的丢弃率。这些设置经过优化，以平衡泛化能力和效率，特别是在复杂交通场景中。表2展示了模型训练的超参数设置及选定值。

**表2. 模型训练的超参数设置及选定值。**

| 超参数 | 范围 | 选定值 |
|---|---|---|
| 批量大小 | 16、32、64 | 16 |
| 图块大小 | 8、16、32 | 16 |
| 隐藏维度 | 128、256、512 | 256 |
| 注意力头数 | 4、8、12 | 8 |
| 编码器层数 | 4、6、8、12 | 6 |
| 学习率 | 0.0001、0.0005、0.001 | 0.0005 |
| 权重衰减 | 0.01、0.05、0.1 | 0.05 |
| 丢弃率 | 0.1、0.2、0.5 | 0.2 |
| 时间窗口大小 | 4、8、16 | 8 |

**6. 结果与讨论**

**6.1. 综合冲突指标（CCI）的验证**

为评估CCI在真实交通冲突识别中的有效性，本节从三个角度进行综合验证：与标注冲突频率的相关性、统计分布特征以及风险等级区分能力。其目标是确定CCI是否能可靠地反映冲突强度的时间变化，并为数据驱动的安全建模提供有意义的见解。

为建立可靠的基准真值，本研究采用人工标注的冲突频率作为代表实际冲突发生的替代变量，其定义为固定时间窗口内高风险事件所占的比例。研究区域的轨迹数据被划分为连续不重叠的10秒间隔，记为{T?, T?, ?, T?}。对于每个间隔T?，冲突频率计算如下：

(39) P_conflict(T?) = N_conflict(T?) / N_total(T?)

其中N_conflict(T?)为冲突标注帧的数量，N_total(T?)表示间隔内的总帧数。对应的平均CCI值计算如下：

(40) CCI?(T?) = (1/N_total(T?)) × Σ???^N_total(T?) CCI?

通过对所有时间间隔配对(CCI?(T?), P_conflict(T?))，进行了皮尔逊和斯皮尔曼相关性分析，以检验所提指标与观测冲突模式之间的统计关系。为了提供更全面的验证，还纳入了两个已建立的一维替代安全指标——ACT和ETTC——作为基准指标。由于ACT和ETTC随冲突严重程度的增加而降低，在相关性分析之前将它们转换为风险导向分数，使所有指标遵循相同的正向风险方向。

如表3所示，所提CCI与标注冲突频率的相关性最强，皮尔逊相关系数为0.72，斯皮尔曼相关系数为0.68，两者均在0.001水平上具有统计显著性。相比之下，MTTC和PICUD显示较弱的相关性，皮尔逊相关系数分别为?0.58和0.48。这表明单一维度指标在捕捉研究车道减少段的复杂冲突模式方面存在局限性。基于ACT和ETTC的风险得分皮尔逊相关系数分别为0.66和0.63，斯皮尔曼相关系数分别为0.62和0.60，证实二维指标比传统的追尾导向度量具有更强的解释力。尽管如此，它们的相关性仍低于CCI，表明所提综合指标能更好地捕捉纵向接近风险、紧急制动余量和横向交互倾向的综合作用。

**表3. 替代安全指标与冲突频率的相关性。**

| 指标 | 皮尔逊相关系数 | 斯皮尔曼相关系数 | 显著性(p值) |
|---|---|---|---|
| MTTC | ?0.58 | ?0.55 | p < 0.01 |
| PICUD | 0.48 | 0.45 | p < 0.05 |
| ACT | 0.66 | 0.62 | p < 0.01 |
| ETTC | 0.63 | 0.60 | p < 0.001 |
| CCI | 0.72 | 0.68 | p < 0.001 |

研究区域为高速公路车道减少段，具有纵向跟驰交互和频繁的横向机动（如变道和汇入）特征。在这类异质驾驶环境下，单一维度指标往往无法全面捕捉冲突风险背后的行为复杂性。MTTC主要反映纵向跟驰条件下的时间接近度，而PICUD则侧重于可用的紧急制动余量。尽管ACT和ETTC将冲突度量扩展到二维交互，但它们主要表征几何接近趋势，并未明确整合制动相关的安全余量。相比之下，CCI在一个统一的风险得分中结合了纵向接近度、紧急制动余量和横向交互倾向。这些结果表明，CCI提供了更具行为敏感性和更全面的交通冲突风险表征，从而提高了其在复杂汇入环境中对实时风险波动的响应能力。

为进一步检验CCI的统计特征，对所有样本进行了核密度估计和箱线图分析。如图11所示，大多数CCI值集中在低风险范围，主要在0.1至0.3之间，峰值约为0.2。这表明大多数车辆在相对安全的条件下行驶。少数样本出现在0.3至0.5之间的中等风险范围，反映了更密集的车辆交互。此外，少数样本超过0.6，表明CCI能捕捉到罕见但严重的冲突事件。

下载：下载高分辨率图像（104KB）

下载：下载全尺寸图像

**图11. 综合冲突指标在研究数据集中的分布。**

图11中的箱线图进一步支持了这一观察。CCI中位数约为0.27，大多数值落在约0.20–0.38的四分位距范围内。延伸的上须线和少数高值样本表明数据集中包含偶发的高风险交互。总体而言，CCI呈现连续且分离良好的分布，适合基于回归的风险预测。

为评估CCI的区分能力，根据标注冲突频率将样本分为低风险、中等风险和高风险组。如图12所示，低风险组分布较窄，CCI值相对较低，表明交互稳定且微弱。中等风险组分布更宽，CCI值更高，反映了更频繁的汇入或跟驰交互。高风险组集中在较高的CCI值区域，且具有较长的上尾，表明存在严重的冲突事件。这些结果表明，CCI能有效区分不同等级的交通风险。三组之间的清晰分离证实，CCI是表示冲突严重程度的有用连续指标，并支持主动风险预测。

下载：下载高分辨率图像（265KB）

下载：下载全尺寸图像

**图12. 不同场景下综合冲突指标的分布。**

**6.2. 基于极值理论的阈值校准和分块大小敏感性分析**

为生成具有统计基础的高风险标签用于模型训练和评估，对CCI序列应用了基于极值理论的阈值校准。如3.3节所述，采用分块极值法在固定时间间隔内提取极端CCI值，并对提取的分块极值拟合GEV分布。然后采用重现水平Q = 0.95作为识别高风险交通冲突事件的自适应阈值。

选择分块极值法基于三个原因。首先，它与本研究固定窗口风险图预测设置一致，即模型在短时间间隔内预测未来风险。其次，它提供了一种简单而稳定的方式从短观测窗口中提取极端冲突样本。第三，它避免了基于阈值的极值（POT）方法所需的额外阈值选择和非聚类程序。POT方法在统计上可能更高效，因为它使用超过选定阈值的所有观测值。然而，其性能强烈依赖于阈值的选择和超阈值样本的独立性。鉴于当前无人机数据集的有限时长，分块极值法被用作主要极值理论实现方式，而基于POT的建模则被视为当更长时间和多站点数据集可用时的重要未来扩展方向。由于极值理论重现水平受分块大小影响，进行了分块大小敏感性分析以检验估计高风险阈值的稳健性。测试了三种分块长度：10秒、30秒和60秒。结果汇总于表4。

**表4. 基于GEV的高风险阈值校准的分块大小敏感性估计。**

| 分块大小 | 位置参数 | 尺度参数 | 形状参数 | Q?.?? | 高风险帧（%） |
|---|---|---|---|---|---|
| 10 s | 0.558 | 0.086 | 0.079 | 0.815 | 5.4 |
| 30 s | 0.612 | 0.074 | 0.061 | 0.843 | 4.9 |
| 60 s | 0.646 | 0.069 | 0.048 | 0.862 | 4.6 |

如表4所示，将分块大小从10秒增加到60秒，估计的高风险阈值从0.815略微上升到0.862，而高风险帧的比例从5.4%下降到4.6%。这一趋势与理论预期一致，即较大的分块倾向于产生更保守的极值阈值。然而，在测试范围内的变化保持适中，表明极值理论校准的标签对选定的分块大小不过于敏感。

基于敏感性分析结果，本研究选择了30秒的分块大小。该设置平衡了局部敏感性和阈值稳定性。与10秒分块相比，30秒分块减少了短期噪声和孤立波动的影响。与60秒分块相比，它保留了足够的分辨率来识别车道减少段中的局部高风险交互。因此，采用Q?.?? = 0.843作为高风险阈值，用于后续模型训练和评估中生成二值冲突标签。

**6.3. RiskFormer的模型参数优化**

在交通冲突风险预测任务中，模型性能对输入参数配置高度敏感。网格粒度和时间窗口长度的选择决定了输入特征的维度和表达力，从而影响预测精度和泛化能力。因此，基于已建立的RiskFormer模型进行参数优化十分必要，以研究模型对不同时空输入配置的响应。此类分析有助于建立参数选择的理论基础，并验证模型在不同设置下的稳健性和适应性，特别是在复杂交通场景中。

为检验输入数据的表征质量，我们可视化了构建的多通道基于网格的交通地图，并比较了不同空间分辨率下的性能。由于RiskFormer从车辆轨迹中整合了多样的交通状态特征，它构建了多通道栅格表示。本节探讨了三种具有代表性的空间网格配置：(3, 15)、(6, 30)和(36, 180)，分别对宏观趋势建模、微观行为分析和细粒度冲突识别具有很强的物理可解释性。每个网格单元对应特定的空间区域，并封装了不同的特征内容。不同网格大小和时间窗口的组合形成了各种模型输入方案，如图13所示。在(3, 15)配置中，每个网格覆盖10 m × 7.5 m，适合以较低计算开销捕捉更广泛的冲突区域和时间演变。(6, 30)配置定义了5 m × 3.75 m的网格单元，与标准车道宽度和典型车辆长度一致，从而有效表示车道级冲突风险模式，并在与高精度地图结合时实现精确定位。(36, 180)设置提供了细粒度分辨率（0.5 m × 0.5 m），与自动驾驶感知系统中的鸟瞰图特征图兼容。该配置允许对瞬时冲突进行详细建模，但实时推理需要大量计算资源。

下载：下载高分辨率图像（176KB）

下载：下载全尺寸图像

**图13. 不同时空分辨率下的网格特征表示。**

如图14所示，不同网格分辨率的可视化突出了不同的表征能力。占用率和加权占用率网格反映了局部交通密度，较暗区域表示车辆存在度更高。速度和加速度网格捕捉了运动状态，暖色表示较高值。流向网格（横向和纵向）表征了车辆轨迹趋势，有助于检测变道或汇入。低分辨率网格能高效建模总体流量模式，但可能遗漏行为细微差异，而高分辨率网格保留了微妙的车辆机动动作，适合建模细粒度冲突。

下载：下载高分辨率图像（551KB）

下载：下载全尺寸图像

**图14. 不同网格尺度的特征切片可视化。**

为进一步评估时间动态，图15展示了整个观测期内特征的累积可视化。车道结构、主要交通流和速度梯度被清晰捕捉。匝道或汇入段附近的高密度区域和流量变化展示了模型捕捉动态行为并适应多样化交通环境的能力。

下载：下载高分辨率图像（403KB）

下载：下载全尺寸图像

**图15. 整个时间范围内特征序列的累积可视化。**

图16和图17系统地展示了RiskFormer在不同网格分辨率和时间窗口设置下的风险预测性能。总体而言，结果表明模型的预测精度随时空粒度的变化差异显著，凸显了分辨率在捕捉风险动态中的关键作用。如图16所示，在(3, 15)的粗网格分辨率下，RMSE和MAE始终高于(6, 30)和(36, 180)，表明过于粗糙的表示无法捕捉细粒度的交通风险动态。随着时间窗口延长，各分辨率下的误差总体下降，但改善幅度有限。

值得注意的是，中间分辨率(6,30)在不同窗口长度下实现了最稳定且最低的错误率，这表明它在抑制噪声和保留关键时空细节之间取得了有效的平衡。相比之下，最精细的分辨率(36,180)虽然增强了对局部变化的敏感度，却引入了更大的波动性，导致精度略逊于中间设置。

下载：下载高分辨率图像(190KB)
下载：下载全尺寸图像
图16. RiskFormer在不同时间窗口和不同网格分辨率下的风险预测性能。

下载：下载高分辨率图像(121KB)
下载：下载全尺寸图像
图17. RiskFormer在不同网格分辨率下的平均预测结果对比。

图17进一步比较了不同分辨率下的平均预测精度。结果显示，(6,30)优于(3,15)和(36,180)，RMSE和MAE降低了约10%~15%，R2提高了近5%。这清楚地表明了中等分辨率的优势，它能有效捕捉主导的风险演化模式，同时避免对局部扰动的过度拟合。这些发现强调了分辨率和时间设计在大规模风险预测中的决定性作用。粗网格削弱了表征动态模式的能力，而过细的网格则放大了噪声和不稳定性。中间设置实现了稳定性与敏感性之间的最佳折中，为未来大规模交通网络的时空风险预测提供了宝贵的方法论指导。

6.4 不同方法在风险预测中的性能对比

本节通过表5以及图18和图19，对不同模型、网格分辨率和预测时间跨度下的预测性能进行了全面评估。

表5. 不同风险预测方法的总体预测性能对比

| 方法 | RMSE | MAE | R2 |
|------|------|-----|-----|
| LR | 0.418 | 0.276 | 0.681 |
| LSTM-CNN | 0.365 | 0.238 | 0.744 |
| ConvLSTM | 0.342 | 0.216 | 0.792 |
| Transformer | 0.269 | 0.193 | 0.834 |
| Trans-GCN | 0.241 | 0.176 | 0.861 |
| RiskFormer | 0.218 | 0.157 | 0.902 |

下载：下载高分辨率图像(180KB)
下载：下载全尺寸图像
图18. 不同风险预测方法在各种网格分辨率下的预测精度对比。(a) RMSE；(b) MAE。

下载：下载高分辨率图像(242KB)
下载：下载全尺寸图像
图19. 不同风险预测方法在不同预测时间跨度下的预测精度对比。(a) RMSE；(b) R2。

如表5所示，LR表现出最弱的预测性能，RMSE为0.418，MAE为0.276，R2为0.681，表明传统线性模型不足以捕捉交通冲突风险的非线性演化。与LR相比，LSTM-CNN和ConvLSTM实现了更低的预测误差，表明深度学习模型能更好地表征时间依赖性和局部空间依赖性。Transformer通过建模长程时间相关性进一步提高了预测精度。Trans-GCN获得了优于Transformer的结果，证明了纳入交通单元之间基于图的空间关系的益处。在所有对比方法中，RiskFormer表现最佳，RMSE最低为0.218，MAE为0.157，R2最高为0.902。这些结果表明，RiskFormer能更有效地捕捉复杂的时空风险传播模式，并提供更精确的交通冲突风险预测。

图18将这些结果按三种网格分辨率进行了细分：(3,15)、(6,30)和(36,180)。在所有模型中，中间分辨率(6,30)产生了最低的RMSE和MAE，反映了细粒度细节与噪声抑制之间的最佳折中。在粗分辨率(3,15)下，误差始终较高，表明不足的粒度无法捕捉局部波动。在最细分辨率(36,180)下，虽然精度仍具竞争力，但与(6,30)相比性能略有下降，可能是由于噪声放大和潜在的过拟合所致。重要的是，RiskFormer在所有分辨率下都保持领先，凸显了其稳健性和适应性。

图19中基于时间跨度的结果通过检验模型在长期预测下的稳定性进一步扩展了比较范围。随着预测时间跨度从0.5秒增加到5.5秒，所有模型的RMSE稳步上升，R2下降，反映了向更远未来预测的固有难度。然而，模型的相对排名保持一致，RiskFormer在每个时间跨度上都优于所有竞争模型。例如，在5.5秒的时间跨度下，RiskFormer的RMSE保持在0.40以下，而ConvLSTM和LSTM-CNN超过0.45，LR则超过0.50。同样，RiskFormer维持了接近0.80的R2，而大多数其他模型降至0.75以下。与Transformer相比，RiskFormer在较长预测时间跨度下将RMSE降低了近12%，并保持了约5%更高的解释能力。这些优势证明了RiskFormer不仅在短期预测中表现出色，在不确定性通常累积的长期预测中也保持了稳健性。

为直观展示RiskFormer的动态预测能力，图20描绘了高速公路车道缩减区域内冲突风险的时空演化过程。如图20a所示，研究区域被投影到三维坐标系中，X轴和Y轴分别表示道路的长度和宽度方向，垂直轴对应CCI值。

下载：下载高分辨率图像(361KB)
下载：下载全尺寸图像
图20. 三维时空冲突风险分布。(a) 车道缩减区域。(2) t?时刻的冲突风险分布。(3) t?时刻的冲突风险分布。(4) t?时刻的冲突风险分布。

图20b至d展示了三个预测时间跨度t?、t?和t?的冲突风险分布快照，每个间隔跨度为5秒。在t?时刻，高风险区域集中在车道缩减段附近，此处变道机动和车辆交互最为密集。5秒后，这些高风险区域既在横向扩展到相邻车道，又在纵向向上游延伸，说明了合并扰动和交互驱动湍流的复合影响。在t?时刻，风险的空间扩散更加明显，高CCI值超出合并段范围，影响上游路段，表明存在持续且传播的风险模式。这一过程与经验交通观测结果一致，验证了模型复制扰动传播真实机制的能力。

这种可视化突出了RiskFormer预测性能的两个关键方面。首先，模型能够同时捕捉局部高风险簇和风险的广泛时空扩散，为冲突形成和演化提供了全面的视角。其次，其预测在多个时间跨度下保持稳健，能够对新兴风险进行可靠的预警，支持主动干预。这些特性凸显了RiskFormer相对于主流基线模型的明显优势，后者往往难以在短期敏感性和长期稳定性之间取得平衡。

总之，时空风险图证实了RiskFormer在动态交通条件下具有优越的预测能力和稳健性。其在密集且安全关键的车道缩减区域以高空间分辨率检测和预测风险的能力，展现了强大的实际部署潜力。通过促进主动冲突检测和细粒度风险评估，RiskFormer为下一代智能交通管理系统奠定了坚实基础，有助于提高复杂高速公路环境下的安全性和运营效率。

6.5 消融研究分析

表6展示了RiskFormer及其四个退化变体在CCI下的消融结果。测试的变体包括：无空间注意力的RiskFormer（RiskFormer-V2）、无分段加权损失的RiskFormer（RiskFormer-V3）、用全局注意力替换局部稀疏注意力的RiskFormer（RiskFormer-V4），以及同时去除空间注意力和分段加权损失的RiskFormer（RiskFormer-V5）。

表6. RiskFormer及其变体的消融研究结果

| 模型 | RMSE | 变化 | MAE | 变化 |
|------|------|------|-----|------|
| RiskFormer | 0.205 | — | 0.150 | — |
| RiskFormer-V2 | 0.226 | ↑10.2% | 0.160 | ↑6.7% |
| RiskFormer-V3 | 0.220 | ↑7.3% | 0.157 | ↑4.7% |
| RiskFormer-V4 | 0.214 | ↑4.4% | 0.154 | ↑2.7% |
| RiskFormer-V5 | 0.243 | ↑18.5% | 0.169 | ↑12.7% |

完整的RiskFormer表现最佳，RMSE为0.205，MAE为0.150。去除空间注意力导致性能明显下降，RMSE升至0.226，MAE升至0.160，分别对应相对增长10.2%和6.7%。这证实了局部空间注意力在捕捉CCI定义下车辆交互和横向动态方面的重要性。当去除分段加权损失时，RMSE和MAE分别升至0.220和0.157，表明自适应损失有助于模型更好地学习高风险但较少发生的冲突样本。用全局注意力替换局部稀疏注意力也会导致性能适度下降，RMSE和MAE分别升至0.214和0.154，表明不受限制的全局注意力可能引入不相关的依赖关系。

最大的性能退化出现在RiskFormer-V5中，同时去除了空间注意力和分段加权损失。在这种情况下，RMSE升至0.243，MAE升至0.169，分别增长了18.5%和12.7%。总体而言，这些结果表明，局部空间注意力和自适应损失加权对RiskFormer都至关重要。二者的结合使模型能够在捕捉局部交通交互的同时，保持对罕见但安全关键的冲突事件的敏感度。

7. 结论

本研究提出了RiskFormer，一种无人机辅助的轨迹到风险学习框架，用于高速公路车道缩减段的细粒度主动交通冲突预测。该框架利用无人机获取的车辆轨迹构建栅格化交通地图，通过基于CCI和EVT的高风险阈值标定生成监督信号，并使用解耦的时空Transformer架构预测未来风险地图。CCI明确结合了纵向逼近风险、紧急制动余量和横向逼近趋势。与手工标注冲突的验证表明，在所研究的车道缩减场景中，CCI与冲突频率的相关性优于MTTC、PICUD、ETTC和ACT。这支持了将CCI作为场景特定的复合风险标签的适用性，而非作为所有二维替代安全指标的统一替代方案。

(1) 实验结果表明，RiskFormer在中间网格分辨率(6,30)下表现最佳，RMSE为0.210，MAE为0.155，R2为0.896。与Transformer和Trans-GCN基线相比，所提出的模型在不同网格分辨率和预测时间跨度下提供了更稳定的预测精度，表明解耦的空间和时间注意力对于基于轨迹的风险地图预测是有益的。

(2) 从实际应用角度看，无人机最好被理解为用于站点诊断、安全审计、基准构建和模型开发的临时高分辨率数据采集平台，而非永久性的全网监测基础设施。栅格化的BEV兼容输入表示也为未来向路边摄像头、激光雷达系统、联网车辆和车载BEV感知系统的迁移提供了途径。

(3) 仍存在一些局限性。首先，当前的验证基于单个车道缩减段45分钟的无人机数据，因此结果应被视为概念验证而非大规模部署证据。其次，估计的ACT、ETTC和EVT敏感性结果应在更长时间跨度和多站点数据集上进行进一步验证。第三，当前框架依赖于提取的轨迹而非原始视频，未来工作应评估来自路边或车载传感器的直接BEV感知输入。最后，当更大的数据集可用时，应探索基于POT的EVT建模和额外的二维SSM。

尽管性能令人满意，但仍存在若干局限性。首先，对高分辨率栅格表示的依赖对实时部署构成了挑战，尤其是在硬件受限的情况下。其次，当前框架是为局部风险预测而开发的，尚不支持大规模网络级推理。第三，本研究使用的无人机数据虽然信息丰富，但可能受到遮挡、天气条件和有限空间覆盖的影响。未来工作将探索模型压缩技术以实现实时应用，将架构扩展至基于图的多区域建模，并融合多源传感器数据（如路边激光雷达和联网车辆信息）以增强泛化能力和在多样运行条件下的韧性。这些改进旨在增强RiskFormer在智能交通系统中部署的可扩展性和实用性。

作者贡献声明

Yikang Rui：调查、经费获取、概念化。
Ziwei Yi：验证、方法学、调查、概念化。
Zhengfei Zheng：软件、资源、项目管理、数据整理。
Wenqi Lu：原始稿撰写、软件、资源、方法学、调查。
Bin Ran：监督。

Yikang Rui | Ziwei Yi | Zhengfei Zheng | Wenqi Lu | Bin Ran