交差点カウントの限界と学び：信号停止が引き起こす6倍過検出の正体

Urban1 データセットの特性

Urban1はスペイン・アルカラ大学が公開するGRAM-RTMデータセットの交差点シーケンスです。600×360解像度、約937秒（23,400フレーム）の映像に、研究者が全フレームを人手でアノテーションしたグランドトゥルース（GT）が付属しています。GT内訳はcar=230台、bus=4台、motorbike=9台の計243ユニークIDです。M-30・M-30-HDとは異なり、信号機のある市街地交差点という難易度の高い環境です。

ラインなし設定で1431台：信号停止が引き起こす6倍過検出

デフォルト設定（カウントラインなし）での結果はAI=1431台、GT比590%の過検出でした。原因はByteTrackの再認識ミスです。交差点では信号待ちで車両が停止し、赤→青の切り替え時に一斉発進します。この停止→発進のサイクルが繰り返されるたびに、ByteTrackは各車両に新しい追跡IDを付与します。243台のユニーク車両が平均5〜6サイクル検出されることで、1431という数値が生まれました。

この問題はM-30-HDの俯瞰映像でも見られましたが、交差点では信号サイクル（平均30〜90秒）が繰り返し発生するため影響が圧倒的に大きくなります。交差点映像にカウントラインを設定しないことは、技術的に誤った設定です。

横ライン y=65% の失敗：ROI分布を無視したライン配置

M-30-HDで効果を発揮した横ラインをUrban1に適用しました。y=65%（中央やや下）に設定したところ、検出台数は30台（GT比12.3%）と大幅に過少検出になりました。

GTのアノテーション座標を分析したところ、車両centroid y座標の分布が二峰性（bimodal）を示していることが判明しました。車両の多くはy=40〜50%（上部車道）とy=80〜90%（下部車道）に集中しており、y=65%付近はほぼ通行のない分離帯・路肩エリアに相当します。最大通行量のエリアを外したラインは機能しません。

縦ライン x=55% への転換：37.4%まで改善

GT車両の運動方向を分析すると、95%が横方向（左右）に移動していることが確認されました。横移動車両には横ラインではなく縦ラインが有効です。x=55%（中央やや右）に縦ラインを設定した結果、AI検出は91台となりました。

過検出から過少検出へと問題が逆転しましたが、GT比37.4%という数値は交差点カウントの構造的限界を示しています。縦ライン1本ではフレーム内の特定エリアを横断する車両しか検出できません。交差点内で方向転換する車両、ラインを横断せずに消える車両、信号停止中に検出漏れした車両などが合算して63%の未検出につながっています。

交差点カウントに単一ラインが向かない理由

幹線道路（M-30・M-30-HD）では車両が一方向に流れるため、単一ラインが高精度（86〜91%）で機能します。一方、交差点では以下の要因が精度を下げます：

• 多方向流入：東西南北の4方向から車両が流入・流出するため、単一ラインでは全方向を捕捉できない
• 方向転換：右折・左折車両は水平方向と垂直方向の両方に移動するため、縦ライン・横ラインのどちらかしか捕捉できない
• 信号サイクルによる検出漏れ：停止中の車両は信頼度スコアが低下し、ByteTrackの追跡が途切れる

交差点分析の正しいアプローチ

交差点での正確なカウントには、入口ごとにカウントラインを設定する「方向別カウント」が必要です。例えばx=10%（西側入口）とx=90%（東側入口）に縦ラインを2本、y=10%（北側入口）とy=90%（南側入口）に横ラインを2本設定することで、全方向の通過車両を個別に計測できます。現在のVisionCount AIは1本のカウントラインをサポートしており、複数ライン対応は今後の開発課題です。単一ラインでの交差点カウントは「特定方向の通過車両を把握したい」という限定的なユースケースに適しています。