Edge-Assisted ML-Aided Uncertainty-Aware Vehicle Collision Avoidance at Urban Intersections

路口交叉口是道路基础设施中最危险的部分之一，而联网车辆（Connected Vehicles，CVs）可以成为解决问题的革命性解决方案。在这项工作中，我们提出了一个新颖的框架，利用5G网络的多接入边缘计算（Multi-access Edge Computing，MEC）平台，预测城市十字路口的碰撞事故。在MEC上，一个路口管理器（Intersection Manager，IM）从车辆和道路基础设施中收集信息，创建感兴趣区域的整体视图。基于收集的历史数据，IM利用编码器-解码器循环神经网络的能力，高精度地预测未来车辆的轨迹。然而，精度不足以衡量我们对模型的信任程度，因此，轨迹预测还与一定的不确定性相结合，以确保可靠的碰撞预测和避免。因此，与现有技术的任何其他方法相反，开发了一个不确定性感知的碰撞预测框架，该框架显示可以提前（并且可靠地）检测到两辆车是否会相撞。随后，碰撞检测会触发一系列警报，提示碰撞的车辆刹车。在真实世界的环境下，由于所提出的方法具有预测能力，所有模拟的即将发生的危险都被避免了。

本论文旨在利用5G网络的MEC平台，提出一种新的解决城市十字路口预测碰撞的方法，以解决十字路口交通事故的危险性。

论文的关键思路是使用历史数据和RNN神经网络预测车辆的轨迹，并结合不确定性来预测碰撞，从而实现预测碰撞的目的。

论文提出了一种新的解决城市十字路口预测碰撞的方法，并且使用了5G网络的MEC平台进行实现。该方法使用历史数据和RNN神经网络预测车辆的轨迹，并结合不确定性来预测碰撞。实验结果表明，该方法能够有效地预测碰撞并避免交通事故的发生。

在这个领域中，还有一些相关的研究，如《A Survey of Connected Vehicle Technology》、《Connected vehicle research: A review of current state-of-the-art and future directions》等。