| Project/Area Number |
24K01003
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 22050:Civil engineering plan and transportation engineering-related
|
|---|
| Research Institution | Institute of Science Tokyo |
|---|
Principal Investigator |
室町 泰徳 東京科学大学, 環境・社会理工学院, 教授 (40251350)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
吉井 稔雄 北海道大学, 工学研究院, 教授 (90262120)
瀬尾 亨 東京科学大学, 環境・社会理工学院, 准教授 (90774779)
|
|---|
| Project Period (FY) |
2024-04-01 – 2028-03-31
|
| Project Status |
Granted (Fiscal Year 2024)
|
| Budget Amount *help |
¥9,490,000 (Direct Cost: ¥7,300,000、Indirect Cost: ¥2,190,000)
Fiscal Year 2027: ¥2,210,000 (Direct Cost: ¥1,700,000、Indirect Cost: ¥510,000)
Fiscal Year 2026: ¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000)
Fiscal Year 2025: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2024: ¥3,120,000 (Direct Cost: ¥2,400,000、Indirect Cost: ¥720,000)
|
|---|
| Keywords | 交通事故 / 自動運転車 / 高速道路 / 自動運転 / リアルタイム |
|---|
| Outline of Research at the Start |
交通量や速度などの交通流状態をリアルタイムにモニタリングするディテクターやプローブ技術などを活用することにより、高速道路の安全性を飛躍的に高めるリアルタイム交通事故リスク低減システムを開発する。同システムにより、リアルタイムに交通事故リスクの高い交通流状態を検知し、即座に効果的な回避手段を選択、実施して、交通事故リスクの低い交通流状態へと変化させ、高速道路の安全性を回復する。これにより、交通事故の発生を未然に防止する。また、自動運転普及過渡期においても自動運転車とドライバーが運転する一般車の混在下で、高速道路の安全性向上に資することを目的としている。
|
| Outline of Annual Research Achievements |
2024年度は、まず、自動運転車と一般車の混在下のリアルタイム交通事故予測モデルの開発を実施した。モデル開発に先立って、Waymo OpenデータセットとLyft Level 5データセットの2つの高解像度自動運転車オープンデータセットを使用して、自動運転車と一般車の混在下での各車の挙動を分析した。いずれのデータセットの分析結果からも、ドライバーが自動運転車を追従しているときにより大きな車間距離を維持する傾向が観測され、ドライバーが自動運転車を追従する場合と一般車を追従する場合で異なる運転スタイルを示す傾向があることが示された。一方、自動運転車は一貫して大きな車間距離を維持する傾向があることが明らかとなった。これらの自動運転車と一般車の挙動を高速道路を対象としたリアルタイム交通事故予測モデルに組み込んで、自動運転車の普及率と一般車の交通事故リスクの変化を分析したところ、自動運転車の普及率に従って一般車の交通事故リスクがリニアに減少するわけではないことが明らかとなった。
また、交通流の特徴、特に自動運転車と一般車の混在下での交通流の特徴を把握する上で基本となる速度車頭距離関係を階層ベイズを用いて区間別車両別に推定する手法を検討し、良好な結果を得た。
さらに、一般車の交通事故回避手段、特に交通事故リスク指標に対するドライバーの反応に関する検討を実施した。具体的には、様々な交通事故リスク指標の提供が道路利用者の経路選択行動に与える影響を分析することにより、これらの異なる交通事故リスク指標が事故削減に及ぼす潜在的な影響を評価した。西日本地域の高速道路網を対象とした交通事故リスク情報を組み込んだ経路選択行動モデルの分析結果から、交通事故損失額などに関する交通事故リスク情報がドライバーの行動変容に有効である可能性が示された。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2024年度に予定していた自動運転車と一般車の混在下のリアルタイム交通事故予測モデルの開発は当初の計画以上に進んでおり、自動運転車の普及率と一般車の交通事故リスクの変化に関する初歩的な分析結果が示された。また、自動運転車と一般車が混在する場合の交通流状態推定の基本となる交通流の速度車頭距離関係推定法に関しても階層ベイズを用いた推定法の検討が進み、次年度以降、自動運転車の混在を想定した分析へと進めることが可能となった。さらに、一般車の交通事故回避手段に対するドライバーの反応に関しても、交通事故損失額などに関する交通事故リスク情報がドライバーの行動変容に有効であることが示され、次年度以降の自動運転車と一般車の交通事故回避手段への反応の相違の分析に関する準備が進んでいる。
2024～2025年度に予定していた道路区間・時間ごとの自動運転車の割合を考慮したリアルタイム交通事故予測モデルの検討は、他の研究が当初の計画以上に進展していることから、2025年度に集中して実施することとする。
|
| Strategy for Future Research Activity |
2025年度は、自動運転車と一般車が混在する場合の交通流状態推定手法を、自動運転車と一般車の混在下のリアルタイム交通事故回避モデルと予測モデルに組み込んで、高速道路における自動運転車の普及が一般車の交通事故リスクに与える影響をより精緻に分析する。また、2026年度以降の研究に先立ち、自動運転車と一般車の交通事故回避手段、例えば交通事故リスク情報提供への反応の相違の検討を進める。さらに、2025年度は、所属大学の事情により2024年度には招聘が困難であったMoinul Hossain教授を招聘し、道路区間・時間ごとの自動運転車の割合を考慮したリアルタイム交通事故予測モデルの検討、および自動運転車の割合を考慮したリアルタイム交通事故回避モデルの検討を実施する。
|
