《Vehicles》：A Multi-Modal AI System for Detecting Pedestrians Lying on the Road: Simulation-Based Safety and Injury Risk Analysis
编辑推荐：
引言：卧姿于道路上的行人——因突发医疗急症、醉酒或既往碰撞而被移位至路面者——在道路交通安全隐患中属于致死率畸高且长期被忽视的类别。基于日本国家警察厅记录的法庭科学数据库分析表明，涉及卧姿行人的碰撞事故致死率高达33.0%，是直立行人碰撞的两倍以上。标准高级驾
引言：卧姿于道路上的行人——因突发医疗急症、醉酒或既往碰撞而被移位至路面者——在道路交通安全隐患中属于致死率畸高且长期被忽视的类别。基于日本国家警察厅记录的法庭科学数据库分析表明，涉及卧姿行人的碰撞事故致死率高达33.0%，是直立行人碰撞的两倍以上。标准高级驾驶辅助系统（ADAS）在夜间条件下对卧姿行人的真阳性率（TPR）仅为21.4%，分类差距达73.3个百分点。研究方法：在仿真实验中，研究人员评估了高级坠落物检测系统（AFODS——其中"坠落物"指路面低轮廓人形，以此将卧姿行人与传统ADAS针对的直立姿势区分）在包含3200例标注跌倒事件和12000例负样本的复合数据集（训练/验证）上的表现，采用320组独立控制仿真实验进行性能评估，涵盖真实世界、法庭科学重建及经总人体安全模型（THUMS）验证的合成场景。尚无物理样机接受评估；所有性能数据均源自仿真，且37.5%的正样本为合成生成。这些仿真条件代表待真实世界硬件验证的初步可行性演示。本文提出三项既往研究未涉及的原创贡献：三阶段定量损伤风险模型、基于ISO 26262的正式危险分析与风险评估（HARA），以及医学法律框架下的改编自
该研究针对道路交通中一类致死率极高却长期被忽视的安全隐患——卧姿于路面上的行人检测问题展开系统性研究。全球每年有超过119万人死于道路交通事故，其中行人占比达23%且呈上升态势。在行人死亡案例中，卧姿行人（因突发疾病、醉酒或既往碰撞而倒卧路面者）尤为特殊：日本国家警察厅法庭科学数据库显示，此类碰撞致死率高达33.0%，系直立行人碰撞的两倍以上。其损伤生物力学特征亦截然不同——首次接触为轮胎-颅骨或底盘-胸腔的直接撞击，而非标准行人碰撞测试所模拟的风挡玻璃-头部包绕轨迹，导致双侧胸腔挤压、创伤性脑损伤、腹部创伤及下肢脱套伤等严重损伤。然而，现有高级驾驶辅助系统（ADAS）及碰撞测试标准系统性排除了非直立姿势，形成重大工程与监管缺口。
研究人员开展了四项核心工作。第一，基于ISO 26262功能安全框架开展正式危险分析与风险评估（HARA），将行人碾压危险评定至汽车安全完整性等级D（ASIL D，即最高安全等级）。第二，构建并评估多模态AFODS架构，该架构整合长波红外热成像（LWIR）、近红外轮廓几何（NIR）、声学验证及基于沙普利可加性解释（SHAP）的可解释性模块四层处理架构，在仿真条件下日间真阳性率达98.2%、夜间干燥路面95.6%、夜间降雨89.4%，较单目RGB基线（21.4%）提升76.8个百分点，平均端到端延迟46.5毫秒，曲线下面积（AUC）达0.981。第三，建立三阶段定量损伤风险模型，将检测延迟转化为头部损伤准则（HIC）及致死性损伤概率（简明损伤定级AIS ≥ 5），投影显示由无检测时的66.2%（蒙特卡罗均值，50 km/h全速撞击）降至AFODS最劣夜间/降雨条件下的0.7%，乃至清晰日间条件下的≈0%。第四，提出医学法律SHAP可解释性框架，为事后法庭科学重建提供带时间戳的传感器通道贡献审计追踪。
该研究的技术方法核心包括：多模态传感器融合架构（LWIR热成像+NIR立体视觉+超声波/声学，通过特征级融合实现冗余与可解释性以满足ASIL C/D要求）；基于YOLOv7-Tiny的空间检测层（经卧姿标注再训练，mAP@0.5达91.3%，26帧/秒运行于NVIDIA Jetson AGX Orin嵌入式平台）；递归神经网络（RNN）结合卡尔曼滤波的状态估计用于轨迹异常预测（提前0.3–0.8秒预警）；梅尔频率倒谱系数（MFCC）声学分类区分人体跌落冲击特征（80–250 Hz）与环境噪声；以及针对卧姿撞击生物力学特性的THUMS有限元仿真校准（姿势依赖系数k = 4.8）。仿真数据来源以日本和欧洲为主，包含3200例标注跌倒事件及12000例负样本，其中37.5%正样本为THUMS合成生成，320组独立控制仿真实验用于性能评估，遵循TRIPOD声明原则报告。
研究结果部分，系统检测性能方面，AFODS在不同环境条件下表现稳健：清晰日间TPR 98.2%（95%置信区间：97.4–98.8%），夜间干燥95.6%，夜间降雨89.4%，雾况84.7%，各消融实验证实热成像贡献最大（较RGB-only提升26.6个百分点）。对于已卧姿行人临床主导场景，检测依赖LWIR热特征与NIR轮廓几何，声学层贡献可忽略，有效TPR对应消融实验中LWIR+NIR组合的91.6%。损伤风险模型输出方面，检测延迟从单目基线的1.6秒降至AFODS最劣0.8秒时，致死性头部损伤概率由41.4%降至0.7%；最优日间条件下因可用制动时间充足（1.96秒 > 1.74秒停车所需），撞击速度归零，HIC与致死概率均趋近于零。蒙特卡罗不确定性分析（N=100,000）显示AFODS工况对参数扰动具有鲁棒性，夜间/降雨条件下P(AIS ≥ 5)均值0.7%（95%可信区间：0.0–3.7%）。SHAP特征归因揭示：热特征贡献42.3%（利用核心体温与路表温度10–30°C温差），姿势几何31.1%，声学14.8%（含主动跌落场景），轨迹异常11.8%；主要失效模式为暴雨积水（38%假阴性）、停放车辆部分遮挡（27%假阴性）及温热路表杂物混淆（44%假阳性）。龙卷风分析确认检测延迟是P(AIS ± 5)的主导参数，单因素摆动达46.6个百分点。
讨论部分，研究人员从三个专业社群角度展开分析。法庭病理学与医学法律专业人士方面，强调将HIC和BrIC标准系统应用于特定碾压接触几何的量化方法学研究，以国家法庭科学数据库为基础，为二次行人撞击案件的医学法律程序提供可预见性损害评估的量化依据——但前提是完成真实条件下生物力学参数验证，SHAP审计追踪作为潜在证据工具的地位有待专门法律分析。交通安全政策制定者与监管者方面，指出世界卫生组织"行动十年"2030年道路交通死亡减半目标面临的最大挑战——即致死率最高的行人类别始终处于现有评估框架之外，建议将卧姿成人假人（ATD）纳入标准AEB测试矩阵作为可实现之协议修订。ADAS与汽车工程界方面，揭示非直立姿势系统性排除于Caltech Pedestrian、CityPersons、MOTChallenge等基准数据集之外的策展选择，已使该局限性随训练代际而加剧，呼吁纳入非直立姿势标注以支持更具泛化能力的检测架构。
研究结论指出：73.3个百分点的分类差距使卧姿行人处于当前ADAS有效检测包络之外，非直立姿势从监管测试协议和基准数据集中的系统性排除加剧了该问题；AFODS支持仿真条件下的概念可行性证明，三项转化步骤不可或缺——使用 instrumented ATD 进行真实世界硬件原型验证、基于HIC和BrIC的卧姿生物力学损伤建模、以及行人AEB测试标准向非直立场景的监管延伸。本研究系首批将人工智能检测性能、ISO 26262功能安全分析及非直立行人场景生物力学损伤风险建模进行定量整合的研究之一，为汽车制造商改善所有弱势道路使用者保护提供了技术与监管基础。该研究发表于《Vehicles》。
