Mitigating Vulnerable Road Users Occlusion Risk Via Collective Perception: An Empirical Analysis

最近来自世界卫生组织的报告指出，易受伤路人（VRUs）在近年来的交通事故中占了一半以上的死亡人数，其中遮挡风险——即VRUs被像停放的车辆这样的障碍物遮挡而无法被驾驶员看到——是一个关键的贡献因素。为了解决这个问题，我们提出了一种新颖的算法，它基于车辆和VRUs的动态来量化遮挡风险。这个算法已经使用来自德国交叉口的真实数据进行了测试和评估。此外，我们引入了最大跟踪丢失（MTL）的概念，它衡量了VRU在给定情况下未被任何车辆跟踪的最长连续时间。我们的研究还扩展到了研究集体感知服务（CPS）在VRU安全中的作用。CPS通过使车辆共享传感器信息来增强安全性，从而潜在地降低遮挡风险。我们的分析表明，25%的市场渗透率装备CPS的车辆可以大大减少遮挡风险并显著缩短MTL。这些发现展示了各种情况对VRUs构成不同程度的风险，以及集体感知的部署如何显著提高他们的安全性。此外，它们强调了我们提出的度量衡量遮挡风险作为安全因素的功效。

解决问题的是如何通过算法减少Vulnerable Road Users（VRUs）的交通事故？

文章提出了一种基于车辆和VRUs动态的新算法来量化遮挡风险，并介绍了最大跟踪损失（MTL）的概念来衡量VRUs在给定场景中未被任何车辆跟踪的最长连续时间。文章进一步研究了集体感知服务（CPS）在VRU安全中的作用。

文章使用德国交叉口的真实数据集进行了测试和评估，发现CPS装备的车辆市场渗透率达到25%可以显著降低遮挡风险并显著减少MTL。文章提出的度量方法可以捕捉遮挡风险作为安全因素。

最近的相关研究包括：1.基于深度学习的交通标志识别；2.基于计算机视觉的车辆行为分析；3.基于车辆传感器的行人检测和跟踪。