自動運転車の安全性を向上するネットワークプロトコルの研究開発
| Project/Area Number |
22K12000
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60060:Information network-related
|
|---|
| Research Institution | Chuo University |
|---|
Principal Investigator |
吉田 雅裕 中央大学, 国際情報学部, 准教授 (60785913)
|
|---|
| Project Period (FY) |
2022-04-01 – 2027-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥3,900,000 (Direct Cost: ¥3,000,000、Indirect Cost: ¥900,000)
Fiscal Year 2026: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2025: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2024: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2023: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2022: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
|
|---|
| Keywords | CANデータ収集基盤 / 自動運転車 |
|---|
| Outline of Research at the Start |
本研究では、高速道路を80km/h以上で走行する自動運転車を対象に、高速移動するコネクテッドカーのシームレスな携帯電話基地局のエリア切り替えを実現する通信プロトコルの確立を目的とする。また、自動運転の精度を向上するためのサイバーフィジカルシステムの構築を行う。現実の交通網からCANデータや画像などの情報を収集し、サイバー空間に都市交通網を仮想化することで、従来の自動運転技術を飛躍的に向上する技術を開発する。自動運転車の高速移動に対応した通信プロトコルと、CANデータや画像を効率的に圧縮できるアルゴリズムを用いて、自動運転車のためのサイバーフィジカルを実現する。
|
| Outline of Annual Research Achievements |
自動運転車のCANデータをサイバーフィジカルシステム（CPS）に蓄積することで，より安全な自動運転制御を実現することが期待されている．自動運転車のCANデータは，データのサイズが小さく，毎秒数千個の頻度で生成されるという特徴を持つため，大量のショートパケットを効率よくCPSに収集するためのCANデータ収集基盤が必要となる．本研究では，MEC（Multi-access Edge Computing）を活用して，自動運転車からMECサーバまでの区間はRE（Redundancy Elimination）によるCANデータのキャッシュを行い，MECサーバ上で複数のCANデータのバッファリングを行い，MECサーバからクラウドまでの区間はgzipによる圧縮符号化を行うという階層的可逆圧縮方式を提案する．2022年度は，MECを活用したCANデータ収集基盤を対象に，実際の都市交通網におけるシミュレーション評価を行い提案方式の有効性を評価した．そして，提案方式は，実際の都市交通網におけるCANデータの通信トラヒックを，モバイル網区間は63.2%，インターネット区間は86.9%削減できることを示した．また，提案方式はハンドオーバーが多発するとキャッシュヒット率が低下する．今後は，ミリ波や6Gなどの普及により，さらなるスモールセル化が進むと考えられるため，無線アクセス網においてハンドオーバーが頻発する場合の対策が必要となる．さらに，LPWAや衛星などの異なる種類の通信インフラや，他のIoTのユースケースに対して提案方式の適用を進める必要がある．
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
CANデータ収集基盤の大規模シミュレーションを行い、提案方式の有効性と今後の機械学習モデルに必要なデータを生成することができた。
|
| Strategy for Future Research Activity |
今後は，無線ネットワークのハンドオーバーを予測する機械学習モデルを作成し，提案方式の性能向上を行う予定である．
|
Report
(1 results)
Research Products
(2 results)
