《Applied Sciences》:An Explainable Multimodal Framework for Cyclist Safety Perception in Mixed Traffic Environments
编辑推荐:
尽管主动出行政策日益增多,近年来弱势道路使用者死亡率仍居高不下,自动驾驶车辆的涌现进一步增加了混合交通环境的复杂性。骑行者与机动车之间的交互是致死事故的主要诱因,凸显了有效骑行者保护策略的迫切需求。作为最广泛采用的主动出行方式之一,骑行安全不能仅通过事故统计评
尽管主动出行政策日益增多,近年来弱势道路使用者死亡率仍居高不下,自动驾驶车辆的涌现进一步增加了混合交通环境的复杂性。骑行者与机动车之间的交互是致死事故的主要诱因,凸显了有效骑行者保护策略的迫切需求。作为最广泛采用的主动出行方式之一,骑行安全不能仅通过事故统计评估;理解骑行者的感知安全(Perceived Safety)同样关键,因为它反映了基础设施设计和动态交通状况如何影响骑行行为。研究人员提出一种结合视觉–语言模型(Vision–Language Model, VLM)与可解释机器学习(Interpretable Machine Learning)的骑行者安全感感知框架,用于分析混合交通场景中骑行者的感知安全。采用视觉–语言模型生成交通场景的语义描述,同时利用可解释增强机(Explainable Boosting Machine, EBM)量化交通相关特征的单独贡献及交互贡献。通过融合视觉信息与从OpenStreetMap(OSM)提取的道路属性,所提框架在1–9分安全感量表中实现了71%的二分类安全判别准确率及1.01的平均绝对误差(Mean Absolute Error, MAE)。结果表明结合多模态感知与可解释模型可支持以骑行者为中心的安全评估,并为可持续智能交通系统设计提供依据。具体而言,结果显示受保护的骑行基础设施是提升感知安全最显著的因素,而道路施工则产生相反效果。
论文解读:《An Explainable Multimodal Framework for Cyclist Safety Perception in Mixed Traffic Environments》发表于《Applied Sciences》
研究背景与意义
尽管自行车出行有助于环境可持续性、缓解拥堵及促进健康,城市骑行仍面临严峻安全挑战——历史道路系统优先服务机动车,使骑行者暴露于高车流量、车速差大及物理防护不足的环境中。传统骑行安全评估依赖碰撞记录或问卷式感知调查,前者无法反映未发生事故的危险路段与骑行者主观感受,后者耗时且难以捕捉动态交通条件下的空间差异。既有基于计算机视觉(Computer Vision, CV)的方法多依赖专用检测器、需大量标注且缺乏可解释性,亦少有研究将骑行者众包感知安全感作为预测目标并结合零样本(zero-shot)特征提取与全可解释建模。为此,研究人员开展此项研究,旨在构建融合视觉–语言模型(VLM)与可解释增强机(EBM)的多模态框架,预测混合交通环境中骑行者的感知安全分数,并透明量化道路及交通特征对感知安全的单独与交互影响,为交通规划提供循证依据。
主要关键技术方法
研究人员于伦敦两条典型骑行路线(Group A:含专用自行车道与施工现场;Group B:高密度混行无自行车设施)以自行车把手固定GoPro Hero 11采集骑行视角的街景视频,按5秒间隔抽帧得1419张可用图像。通过众包平台招募具东伦敦骑行经验的匿名标注者对各图像对应路段给出1(极危险)至9(极安全)的感知安全评分,取各图像多位标注者平均分作为真值标签。采用商业VLM(Grok-2-Vision)经结构化提示词(prompt)从街景图像零样本提取14项交通安全相关语义属性(如自行车道存在、隔离设施、施工现场、即时碰撞风险、交通密度等),并以人工标注子集验证VLM特征质量。同时通过地图匹配(Map-Matching)将GPS坐标关联至OpenStreetMap(OSM)路网,提取道路等级、自行车设施等静态属性,并结合GoPro记录的骑行三维速度(speed3d)与加速度(accl3d)构成最终特征向量。选用可解释增强机(Explainable Boosting Machine, EBM)——一种基于广义加性模型(Generalized Additive Model, GAM)与梯度提升、可纳入选中两两交互项的白盒模型——分别建立回归(预测1–9安全分)与二分类(以阈值5划分安全/不安全)任务,并与Logistic Regression、Decision Tree、Random Forest及XGBoost对比性能。通过向前特征选择、敏感性噪声分析、Bootstrap置信区间及Gower距离层次聚类进行特征筛选、可靠性检验与误判案例分析,并利用EBM内置形状函数(global feature importance及individual/interaction term)解释各因素对感知安全的贡献方向与强度。
研究结果
3.1. VLM选择与特征验证
研究人员对比Grok-2-Vision、GPT-4o及Claude Sonnet 4.5对六类关键安全特征(自行车道、隔离设施、交叉口、施工现场、即时碰撞风险、高交通密度)的人工校验准确率、成本与耗时。Grok-2-Vision综合平均准确率最高且成本耗时最低,故选作最终VLM;其中自行车道与隔离识别较可靠,施工现场因定义宽泛准确率中等,交叉口与主观风险特征存在标注模糊性。
3.2. 模型性能
经探索性数据分析(Exploratory Data Analysis, EDA)与向前选择,最终入模特征为:speed3d+accl3d基线、is_cycling_lane_separation_present(有无隔离设施)、is_cycling_lane_present(有无自行车道)、is_construction_site_present(有无施工现场)、immediate_crash_risk_from_traffic(即时交通碰撞风险)、highway(道路等级OSM属性)、is_high_traffic_density经敏感性分析证实无稳定信号予以剔除。回归任务MAE=1.01、RMSE=1.30、R2=0.28,±1分容差内准确率88%;二分类整体准确率72%、加权F1=0.72,不安全类召回0.81高于安全类召回0.64,呈略保守倾向。EBM在保持近比肩Random Forest预测力的同时具备完全内置可解释性,XGBoost表现偏弱。按路线分组测试Group A与总体相当,Group B因样本少且环境异质F1偏低,指明跨环境泛化需进一步验证。阈值τ=5(分数<5为不安全)被证实为自然且类别均衡的切分点,且骑行设施相关特征在不同阈值下均稳居重要性前三位。
4.1. 视觉–语言模型标注特征敏感性分析
逐特征注入1%–80%随机标签翻转噪声训练仅含该特征+运动基线的EBM。is_cycling_lane_separation_present与is_cycling_lane_present在低噪声时明显优于基线且随噪声退化,证实含真实信号;is_construction_site_present与immediate_crash_risk_from_traffic具弱正贡献;is_high_traffic_density在噪声增大时F1微升,判定其原标注不可靠予排除。Bootstrap 95%置信区间进一步确认基础设施特征下界>0且最窄,immediate_crash_risk_from_traffic分类任务下界>0保留入模。
4.2. 模型误判样本的聚类层析
采用Gower距离对测试集交通特征做凝聚层次聚类,轮廓系数确定k=3。绝大多数误判集中于Cluster 2(无/少隔离设施、无自行车道或仅有画线无隔离、少施工现场、含一定即时碰撞风险、道路类型混杂)与Cluster 0(主要为arterial道路且缺运动学数据、全判为安全类)。表明模型在弱视觉安全/危险线索的混行路段易出错,且运动学特征对二分类判断尤为重要;误判非源于标注者高分歧而是环境本身线索模糊。
4.3. 安全评分不确定性分析
各图像标注人数中位数为5,评分方差中位1.25,Krippendorff's α=0.476指示中度一致,符合主观感知标注预期。误判样本方差分布与全数据集无显著差异(KS检验p=0.466),排除标注不一致主导致错可能。失败案例评分更多分布于4(稍不安全)与6(稍安全)且两分值常共存,说明模糊场景下标注者做方向性分歧而非选中性值5,均值虽近中点但分类困难。以曾骑行经验者评分加权略微改善指标但降低安全类召回,样本按评分数与方差加权均不优于未加权模型,故维持算术平均标签。
4.4. 特征效应与交互作用解读
EBM全局重要性排序:is_cycling_lane_separation_present > is_cycling_lane_present > is_construction_site_present(负向)> immediate_crash_risk_from_traffic(负向)> highway > 基线运动学。FAST算法未保留显著两两交互项,感知安全主要由各特征主效应叠加解释——有物理隔离自行车道最大幅度提升感知安全,仅画线无隔离次之,施工现场不论基础设施类型均显著降低感知安全,隔离设施在高限速道路增益最大。此加性结构便于规划部门独立评估单项设施改进的预期效果。
4.5. 超越碰撞记录:感知安全作为盲区指标
比对1999–2025年CycleStreets碰撞记录与2024年感知安全空间分布,二者不完全重合——已改建保护车道的旧事故高发段现被评为安全;Farringdon Road & Clerkenwell Road路口二十五年间三起致死碰撞却无保护区,附近感知安全分持续>5,说明碰撞统计遗漏骑行者日常规避的危险节点,感知安全分可补盲指引优先改善段。
讨论与结论翻译
讨论指出EBM相较基准黑盒模型兼顾预测力(F1较仅运动学基线+12%)与透明性。敏感性分析佐证VLM基础设施特征可靠;误判主因为环境线索弱致标注方向性分歧而非标注噪声;特征效应以加性为主,隔离设施与自行车道正向,施工现场负向且最强,支持独立实施改善措施。感知安全评分可揭示碰撞记录未体现的风险盲区。
结论:本研究提出融合街景图像VLM语义提取与OSM道路属性的可解释多模态框架,采用EBM建模混合交通环境中骑行者感知安全。结果表明感知安全可用加性结构有效捕捉,各交通与基础设施特征单独贡献明确可量化;预测失误主要源于弱线索模糊环境引致标注方向性分歧而非标注者不一致。框架可为交通规划者识别影响骑行感知安全的环境因子并提供循证改善依据。未来工作宜扩展跨城市数据、丰富交叉口与动态交通特征描述、细化标注协议纳入动态交通条件与标注理由、增补骑行流量以归一化碰撞率,并可探索集成方法提升弱/冲突线索环境鲁棒性。