交差点での交通事故を未然に防ぐため、安全性を事前に評価する研究が進んでいます。本研究は、信号機のある都市交差点における交通紛争（衝突の危険性）を予測するための新しいAIモデル「HERMES」を提案しました。 従来の交通安全評価手法の多くは、車両同士や車両と歩行者の相互作用をペアごとに独立して評価するか、複雑な交通シーンを単純な特徴ベクトルに圧縮していました。これらのアプローチでは、異なるタイプの交通参加者間の相互作用の複雑な構造や、シーン全体のリスクの変化を十分に表現できていません。HERMESは、この課題に対して、異種グラフニューラルネットワークとSSM（代替安全尺度）に基づくマルチヘッド注意機構を組み合わせた革新的なアプローチを採用しています。 モデルの構造では、車両と歩行者を異種ノードとして表現し、車両間、車両と歩行者間、歩行者間の相互作用を関係性固有のエッジとしてエンコードしています。各エッジには、運動学的情報と安全性指標が含まれています。関係性固有の注意機構、動的なノード・エッジの更新、安全性を考慮したグラフプーリング、時系列学習を統合することで、シーン全体の紛争発生確率を推定します。 HERMESは、実際の信号機付き交差点から収集した109,028個の軌跡導出シーケンスで学習され、独立して収集された比較可能な別の交差点データセットでテストされました。その結果、AUC-ROCで0.9898±0.0013、AUC-PRで0.9412±0.0067、F1スコアで0.8449±0.0103という高い性能を達成しています。偽陽性率5%の条件下では95.7%の紛争シーケンスを検出し、TransformerベースラインとXGBoostを上回りました。異なる交差点への転移学習でもAUC-ROCで0.9752を達成するなど、実用的な道路脇安全監視システムとしての汎用性が示されています。