도시 교차로는 도로 네트워크에서 가장 위험한 장소 중 하나로, 차량과 보행자 및 자전거 이용자와 같은 교통 약자(VRUs)에게 상당한 위험을 초래합니다. 다중 에이전트(multi-agent) 상호작용의 복잡성으로 인해, 충돌로 이어지기 전에 갈등을 예측할 수 있는 지속적인 실시간 모니터링 시스템이 요구됩니다. 본 논문에서는 장기적인 교통 관찰과 엣지(edge)에서의 실시간 위험 탐지를 위해 개인정보를 보호하고 저조도에 강한 노변 센서를 활용하는 모듈형 인프라 LiDAR 프레임워크인 PRISA를 제시합니다. 이 프레임워크는 센싱 및 인지(perception) 계층과 플러그 앤 플레이(plug-and-play) 방식의 위험 평가 모듈이라는 두 가지 핵심 구성 요소로 이루어져 있습니다. 후자는 수집된 인지 출력물로부터 현장 특화된 학습 데이터를 자동으로 큐레이션하여, 수동 주석(manual annotation) 없이 궤적 예측(trajectory prediction) 모델을 학습시킵니다. 그 후 학습된 모델을 배치하여 지속적인 움직임 예측(motion forecasting)과 이중 대리 안전 평가(dual surrogate safety evaluation)를 수행하며, 종방향 충돌에는 충돌 시간(TTC)을, 교차 및 VRU 관련 상호작용에는 예측 후 침범 시간(PPET)을 사용합니다. PRISA는 공개된 R-LiViT 데이터셋을 통해 평가되었으며, 테네시주 채터누가의 실제 신호 교차로에 설치된 NVIDIA Jetson AGX Thor에 배포되었습니다. PPET 기반 평가는 2.4초의 예측 지평(predictive horizon) 동안 194ms의 엔드 투 엔드(end-to-end) 지연 시간으로 작동하며, TTC 기반 탐지 및 인지는 실시간 제약 조건 내에서 유지되어 선제적인 다중 에이전트 교차로 안전 모니터링에 대한 실질적인 타당성을 입증했습니다.