Zespół badaczy opracował zaawansowany system do przewidywania zachowania kierowców podczas przejazdu przez światła na skrzyżowaniach, łącząc fizykę z głębokim uczeniem maszynowym. Model oparty na transformerze decyzyjnym analizuje decyzje stop-go i trajektorie podłużne pojazdu w momencie zmiany sygnału świetlnego.
Badacze zebrani rzeczywiste dane z 449 przejazdów przy różnych prędkościach i dystansach, wykorzystując RTK-korekcyjny GNSS o dokładności centymetrowej. Jednocześnie monitorowali tętno kierowcy i jego oceny komfortu hamowania. Analiza statystyczna wykazała, że wymagane opóźnienie jest dominującym predyktorem decyzji, a rozkład peak deceleration ujawnił pięć empirycznych zakresy komfortu. Framework dwuetapowy najpierw przewiduje decyzję manewru, potem generuje trajektorię przyspieszenia z ograniczeniami jerk i fizycznymi więzami.
Model uzyskał dokładność 0.49 m/s² dla przyspieszenia i 0.62 m dla dystansu, przewyższając metody bazowe. Rzeczywisty potencjał tkwi w bezpieczeństwie ruchu - violacje przepisów przejazdu na czerwonym świetle i ostre hamowanie to główne przyczyny wypadków na skrzyżowaniach. System potrafi ocenić przyszły poziom komfortu kierowcy z pojedynczej klatki rozpoczęcia żółtego światła, co otwiera drogę do systemów wspierających lub ostrzegających dla bardziej bezpiecznych manewrów.