公開された交通事故報告書から物理的に根拠づけられた交通事故再構成を学習する

要旨: 交通事故はテキストの報告書として日常的に記録されているものの、詳細な現場計測や専門家による再構成が乏しく、費用もかかり、かつ大規模化が難しいため、物理的に根拠づけられた事故再構成は依然として困難です。ここでは、公にアクセス可能な報告書と現場計測から事故再構成を行うことを、パラメータ化されたマルチモーダル学習問題として定式化します。私たちは、NHTSA Crash Investigation Sampling System から収集した実在の事故ケース 6,217 件からなるデータセット CISS-REC を構築し、報告書の意味論を道路のトポロジーと当事者の属性に結び付ける再構成フレームワークを開発します。さらに、衝突前の運動をレーン整合的に再構成し、局所的な幾何学的推論と時間割当てによって、衝突に関わる相互作用を精緻化します。提案手法は CISS-REC における代表的なベースラインを上回り、事故地点の精度向上や衝突の一貫性の改善を含む、全体として最も強い再構成の忠実性を達成します。これらの結果は、公的な事故報告書が、定量的に検証可能な事故再構成のためのスケーラブルな計算基盤として機能しうることを示しており、交通安全分析、シミュレーション、自動運転研究における潜在的価値があります。