대리 안전 지표(SSM, surrogate safety measures)는 사전적 교통 안전 평가를 가능하게 하지만, 기존 방법의 다수는 쌍방(pairwise) 상호작용을 독립적으로 평가하거나 다중 에이전트 장면을 고정된 특징 벡터로 평탄화하여, 이질적 상호작용 구조와 변화하는 장면 수준 위험을 표현하는 능력을 제한한다. 본 연구는 교통 충돌 평가를 시간적 이질적 장면 그래프(scene-graph) 분류로 공식화하고, SSM 기반 다중 헤드 어텐션을 갖춘 이질적 엣지-관계 그래프 신경망인 HERMES를 제안한다. 차량과 보행자는 이질적 노드로 표현되고, 차량-차량, 차량-보행자, 보행자-보행자 상호작용은 연속적인 운동학적 및 대리 안전 특징(descriptors)을 갖는 관계별 엣지로 인코딩된다. 관계별 어텐션, 동적 노드-엣지 업데이트, 안전 인식 그래프 풀링, 시간적 시퀀스 학습을 함께 사용하여 장면 수준 충돌 확률을 추정한다. HERMES는 신호가 있는 도시 교차로에서 궤적 기반으로 수집한 109,028개 시퀀스로 평가되었고, 독립적으로 수집한 유사 교차로 데이터셋에서 검증되었다. 강화된 HERMES는 AUC-ROC 0.9898 +/- 0.0013, AUC-PR 0.9412 +/- 0.0067, F1 점수 0.8449 +/- 0.0103을 달성했다. 5% 오경보율에서 충돌 시퀀스의 95.7%를 탐지하여, 가장 강력한 트랜스포머 기준선과 XGBoost를 능가했다. 제로샷(zero-shot) 외부 평가에서 HERMES는 AUC-ROC 0.9752, AUC-PR 0.7829를 달성했다. 공동 소스-타깃 학습은 제한된 타깃 현장 데이터에서도 타깃 현장 성능을 추가로 개선했다. 이러한 결과는 이질적 상호작용 위상, 안전 정보를 반영한 엣지 의미론, 단기 시간적 진화를 보존하는 것이 장면 수준 충돌 분류를 향상시키고 신호 교차로에서 전이 가능한 도로변 안전 모니터링을 지원함을 보여준다.
본 논문은 프레임 단위 고속도로 위험 평가를 다중 에이전트(multi-agent) 장면 그래프(scene graph) 수준의 이진 분류 문제로 공식화하며, TTC(time to collision) 또는 PET(post encroachment time) 기반 충돌이 지정된 심각도 임계값을 위반하는 경우 각 비디오 또는 궤적(trajectory) 프레임을 위험으로 라벨링한다. 각 프레임마다 차량을 노드로, 동일 차선(종방향) 및 인접 차선(횡방향)의 두 가지 상호작용 유형을 간선으로 하는 관계 인식 그래프를 구성하고, 후행 충돌(rear-end) 및 차선 변경(lane-change) 충돌 메커니즘에 맞춘 물리 정보 기반 간선 특징으로 이를 보강한다. 비그래프 모델과 그래프 베이스라인으로 구성된 체계적인 벤치마크(benchmark) 스위트를 바탕으로, 종방향 및 횡방향 상호작용을 전용 어텐션 경로로 처리하고 SSM 충돌 기여도(conflict attribution)에서 도출한 이벤트 수준 게이트 감독을 갖춘 충돌 유형 인식 게이팅(gating) 메커니즘으로 이를 융합하는 이중 스트림 이종 그래프 어텐션 네트워크인 HIA-GAT를 제안한다. NGSIM I-80 및 US-101 고속도로 데이터셋(dataset)에서 아홉 가지 TTC 및 PET 임계값 구성에 걸친 실험 결과, HIA-GAT는 최고의 평균 위험 순위 성능(AUC I-80에서 0.835, US-101에서 0.867)을 달성했으며, 관계 구조가 필수적인 PET 전용(차선 변경) 설정에서 가장 큰 향상을 보였다. 정확도를 넘어, 학습된 게이트는 지배적인 충돌 유형에 대한 해석 가능한 차량별 기여도를 제공하여 실행 가능한 실시간 고속도로 안전 모니터링을 지원한다. 횡방향 충돌 위험 모델링에는 그래프 구조가 중요한 반면, 종방향 위험은 종종 비관계적 집계로 포착할 수 있음을 보인다.
취약 도로 이용자(VRU)는 전 세계 도시 교통 사망자의 약 절반을 차지하며, 교차로는 이러한 사상자의 불균형적으로 높은 비율이 집중되는 장소이다. VRU 보호를 위한 감지 기술에 관한 최근 리뷰들은 수십 종의 단일 센서 및 이중 센서 배치 사례를 정리하였으나, 조사된 시스템 중 다중 모달 감지를 에지 측 아차사고(near-miss) 분석 및 양방향 차량-사물 통신(V2X)·보행자-사물 통신(P2X) 메시징과 단일 교차로 제어함 내에서 결합한 사례는 없었다. 본 논문은 신호 교차로에서의 VRU 보호를 위한 통합 프레임워크를 제시한다. 이 프레임워크는 인식 층에서 LiDAR, 레이더, RGB 카메라, 열화상 카메라를 결합하고, 연산 층에서 에지 기반 예측 및 대리 안전 분석을 수행하며, 통신 층에서 V2X 및 P2X 메시징을, 작동 층에서 적응형 신호 제어를 활용한다. 이 프레임워크는 최초로 공개된 노변 LiDAR-Visual-Thermal 데이터셋인 R-LiViT를 활용한 실증 사례 연구에 기반하며, 동 데이터셋은 독일의 세 교차로에서 수집된 200개의 다중 모달 시퀀스와 2,400개의 주석이 달린 RGB-T 프레임을 제공한다. 53,319개의 탐지 주석 분석 결과, VRU는 전체 도로 이용자 관측의 약 49%를 차지하고, 주간 대비 야간 밀도는 보행자의 경우 38%, 차량의 경우 45% 감소하는 반면 야간 분포는 근접 비율이 더 높게 나타나며, 세 교차로의 여덟 개 개별 지점에서 프레임당 근접 이벤트 횟수는 약 10배의 편차를 보이고, 보행자 바운딩 박스의 83%는 이미지 공간상 소형으로 분류되어 VRU가 단일 센서로부터 일반적으로 멀리 위치함을 나타낸다. 이러한 발견들은 균일한 단일 센서 솔루션보다 다중 모달 감지, 에지 측 분석, 그리고 적응형 맥락 인식 배치의 필요성을 뒷받침한다.