交差点の危険を先読みするHERMES、車と歩行者の関係を分けて学習
3行解説
- Md Monzurul Islam氏らが、HERMESという予測手法を発表しました。
- 車両と歩行者を分け、交差点内の関係を別々に学習します。
- 外部データでも高い精度を示し、交差点の安全監視に使える形です。
ニュースの概要
2026年7月2日、Md Monzurul Islam氏らは、信号交差点での交通 конфликт予測手法「HERMES」をarXivで公開しました。HERMESは、交通の危険度を事前に見つけるための研究です。
この手法では、車両と歩行者を別々のノード（点）として扱い、車両同士、車両と歩行者、歩行者同士の関係を、種類ごとのエッジ（つながり）として表します。さらに、連続した動きの情報や安全指標を組み合わせ、時間の流れも含めて学習します。
評価には、信号付き都市交差点から得た109,028本の軌跡系列を使いました。加えて、別に集めた似た交差点のデータでも試しています。改良版HERMESは、AUC-ROC 0.9898±0.0013、AUC-PR 0.9412±0.0067、F1スコア 0.8449±0.0103を記録しました。誤警報率5%の条件では、危険な系列の95.7%を検出しています。
外部データだけで試すゼロショット評価でも、AUC-ROC 0.9752、AUC-PR 0.7829を示しました。さらに、元の交差点データと対象先データを一緒に学習すると、対象先の性能は少ないデータでも向上しました。
車と歩行者を分けて見るHERMESが現場にもたらすもの
HERMESの面白さは、交差点を「1枚の画像」ではなく、車と歩行者がどう関わるかの集まりとして見ている点です。人の流れが多い駅前や、右左折が重なる交差点では、単純な危険検知よりも、誰と誰の関係が変わったかを追うほうが役立ちます。
特に、信号付き交差点のように動きが短時間で変わる場所では、過去の数秒の変化を見て先回りする考え方が大切です。HERMESのような手法は、道路側の見守り装置や周辺認識の土台として使いやすく、現場では「危険が起きてから止める」のではなく「起きそうな場面を先に拾う」方向へ近づけます。とはいえ、交差点ごとの癖は大きいので、まずは限られた場所での検証が欠かせません。
なぜHERMESは外部交差点でも強かったのか
この論文で注目したいのは、109,028本の軌跡系列だけでなく、別の交差点データでも高い成績を出した点です。交差点の安全監視は、学習した場所だけで強くても実運用では足りません。場所が変わると、車線の数や歩行者の動き方が変わるからです。
HERMESは、車両・歩行者・その関係を分けて扱うため、場面の違いを丸め込みにくい作りです。だからこそ、道路インフラ側の監視や、将来の自動運転車の周辺認識でも、単なる高精度モデルとしてではなく、場所をまたいで使えるかを見極める研究として読む価値があります。
交差点の危険を先に見つける考え方は、現場の安全確認にも通じます。こうした認識技術の進化は、ロボットや周辺システムの見守り方を広げていきます。
ロボット導入・自動化をご検討の方へ
「自社にはどんなロボットが合うのか」お悩みではありませんか。貴社の現場課題に合わせた最適な活用方法をご提案します。まずはご相談・資料請求からお気軽にどうぞ。
