Vulnerable Road User Detection and Safety Enhancement: A Comprehensive Survey

交通事故中涉及弱势道路使用者（VRUs）的比例在全球范围内占据了相当大的比重。交通通信生态系统的进步，加上先进的信号处理和机器学习技术，已经方便了从各种传感器中利用数据。尽管有这些进展和广泛的数据集可用，但仍需要大量的进展来减少交通伤亡。本文全面调查了增强VRU安全的最新技术和方法。本研究深入探讨了车辆与VRU之间的通信网络，强调了先进传感器的整合和相关数据集的可用性。它探讨了预处理技术和数据融合方法来提高传感器数据的质量。此外，我们的研究评估了开发和测试VRU安全系统所必需的关键模拟环境。我们的研究还强调了VRU检测和分类算法的最新进展，解决了环境条件不确定等挑战。此外，我们还涵盖了预测VRU意图和行为的尖端研究，这对于主动避免碰撞策略至关重要。通过这项调查，我们旨在提供对VRU安全技术现状的全面了解，确定需要进一步研究和发展的领域和取得进展的领域。

本论文旨在综述当前关于提高弱势道路使用者（VRUs）安全性的技术和方法，探讨如何利用先进的传感器、数据预处理和数据融合技术，以及预测VRU意图和行为的算法来减少交通事故。

本论文的关键思路是通过整合先进的传感器和相关数据集，利用数据预处理和数据融合技术，以及利用机器学习算法来提高VRU安全性。

本论文重点介绍了车辆和VRU之间的通信网络，探讨了预处理技术和数据融合方法来提高传感器数据质量，评估了关键的仿真环境，介绍了VRU检测和分类算法，以及预测VRU意图和行为的算法。此外，本文还介绍了一些开源数据集和代码，以及未来的研究方向。

最近在这个领域中，还有一些相关研究，例如：“A survey of autonomous driving: Common practices and emerging technologies”和“Pedestrian detection and tracking using deep learning and LIDAR for autonomous driving”.