SIREN-Bench：行为驱动的紧急车辆交互生成和评估

当民用车辆刹车、变道或形成救援走廊时，应急车辆 (EMV) 可以重组周围交通。评估这些安全关键型交互需要对 EMV 权限和平民响应进行行为级别的控制，以及一致的传感和 真值。现有的数据集和模拟基准不直接提供这种组合。我们提出了 \textbf{SIREN}，一个行为驱动的 SUMO-CARLA 联合仿真平台，用于生成 EMV-平民交互。 SIREN 将 SUMO 的网络级流量演进和行为逻辑与 CARLA 的连续车辆控制和同步车载传感相结合；根据主动行为，交互由 SUMO、CARLA 或联合控制。我们将该平台实例化为 \textbf{SIREN-Bench-v1}，包括七个跨紧急级别 L1-L3 和三个行为系列的参数化交互模板，具有同步的传感器观测和模拟器本机注释。我们通过三个代表性任务来演示该基准：3D 对象检测、轨迹预测和视觉语言风险理解。对九个轨迹预测器、四个基于激光雷达的探测器和五个视觉语言模型的评估揭示了行为相关的故障模式。交通间隙交互最难检测，特权交叉路口遍历最难预测，并且平均而言，没有学习的预测器优于恒速参考。视觉语言模型在正常交通中的表现比在未遂事故和碰撞事件中表现要好得多。这些结果证明了以行为为中心的基准测试的价值，并将 SIREN 确立为自动驾驶和运输安全研究的可扩展数据生成和评估平台。