교통 사고의 조기 예측을 위한 동적 공간-시간 주의 네트워크

센서 기술과 인공지능의 급속한 발전은 교통 안전 향상에 새로운 기회를 창출하고 있습니다. 대시보드 카메라(대시캠)는 인간 운전 차량과 자동화된 운전 차량 모두에서 널리 사용되고 있습니다. 대시캠 비디오에서 사고를 정확하고 신속하게 예측할 수 있는 계산 지능 모델은 사고 예방을 위한 준비태세를 강화할 것입니다. 교통 주체들의 시공간 상호작용은 복잡합니다. 미래 사고를 예측하기 위한 시각적 단서는 대시캠 비디오 데이터에 깊이 내재되어 있습니다. 따라서, 교통 사고의 조기 예측은 여전히 도전적인 과제입니다.본 논문에서는 인간이 시각적으로 사고 위험을 인식하는 주의 행동에서 영감을 받아, 대시캠 비디오로부터 조기 사고 예측을 수행하기 위한 동적 시공간 주의(DSTA) 네트워크를 제안합니다. DSTA-네트워크는 동적 시간 주의(DTA) 모듈을 통해 비디오 시퀀스의 차별적인 시간 구간을 선택하도록 학습됩니다. 또한, 동적 공간 주의(DSA) 모듈을 통해 프레임의 정보가 많은 공간 영역에 집중하도록 학습됩니다. 게이티드 순환 유닛(GRU)은 주의 모듈들과 함께 공동으로 훈련되어 미래 사고 발생 확률을 예측합니다.DSTA-네트워크는 두 개의 벤치마크 데이터셋에서 평가되었으며, 최신 기술보다 뛰어난 성능을 보였습니다. 구성 요소 단위로 DSTA-네트워크를 평가하는 철저한 아블레이션 연구는 네트워크가 이러한 성능을 어떻게 달성하는지를 밝혀냈습니다. 또한, 본 논문에서는 두 개의 보완적인 모델에서 예측 점수를 융합하는 방법을 제안하고, 이 방법이 조기 사고 예측 성능을 더욱 향상시키는 효과성을 검증하였습니다.