2015 Fiscal Year Research-status Report
ドライバの視行動のモデル化に基づく運転の危険状態推定
| Project/Area Number |
15K00231
|
|---|
| Research Institution | Nagoya University |
|---|
Principal Investigator |
宮島 千代美 名古屋大学, 大学院情報科学研究科, 助教 (90335092)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
武田 一哉 名古屋大学, 情報科学研究科, 教授 (20273295)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | ドライバ / 視行動 / 運転行動 / 運転データ / 危険状態推定 |
|---|
| Outline of Annual Research Achievements |
本研究では,ドライバの視行動の適切さを定量化するとともに，視行動と運転行動を同時モデル化することで，危険な運転状態を検出することを目的とする．ドライバの視線，操作行動，車両挙動，周辺環境に関わる信号を同時収録し，視線方向と注意対象物（周辺車など）の位置との相関，注視度と注意対象物の挙動危険度との関係から，視線配分の適切さを定量化するとともに，視行動と運転行動の順序・共起関係をモデル化することで，危険運転状態を検出する手法について検討する．
まず，ドライバの視線情報から，ドライバの注視領域およびその注視度を定量化する．次に，センサから取得した周辺車両の位置およびそれらの挙動から，周辺障害物の危険度を定量化する．例えば，TTC（Time to Collision, 現在の相対速度で走行し続けた場合の衝突までの時間）やTHW（Time Headway，現在の速度で走行し続けた場合に，現在の前方車の位置に自車が到達するまでの時間）を基に周辺車両の危険度を表現する方法や，リスクポテンシャル（ロボティクス分野で用いられる危険度マップ）を用いて表現する方法について検討する．これら定量化したドライバの注視度と周辺車両の危険度との相関からドライバの視行動の適切度を定量化する方法について検討する．
更に，ドライバの視行動と運転行動の共起関係をモデル化し，危険な運転状態を検出する実験を行い，検出結果を複数人による主観評価危険度と比較することでモデルの有効性を評価する．運転状況は様々であり，すべての運転状況を網羅したモデル化は難しいと考えられるが，特に視行動と運転行動の関係が重要となるような追い越しや車線変更等といった運転状況に着目し，提案手法の評価を行う．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
27年度の研究実施計画に従い，運転データに対して状況のタグ付けや，運転の危険度の主観評価を行うとともに，ドライバ視線方向を分類した．以上のことから，本研究はおおむね順調に進展していると判断する．
|
| Strategy for Future Research Activity |
次年度は，ドライバの視線配分の適切度を評価する手法について検討する．まず，ドライバの各方向に対する注視度を定量化する．例えば，自車を中心に，前方，左・右前方，左・右側方，後方，左・右後方の8領域に視線配分領域を分割し，ドライバの視線方向，単位時間当たりの領域停留時間等から，ドライバの各領域の注視度を算出する．次に，各領域に存在する周辺車の危険度を算出する．例えば，周辺車のTTCやTHW，リスクポテンシャル等の指標に基づいて周辺車の危険度を算出し，各領域に存在する周辺車の危険度から領域危険度を算出する．最後に，領域注視度と領域危険度の相関から視線配分適切度を算出する．
最終年度は，ドライバの視行動と運転行動を離散的なイベントの時系列のマルチストリームとして表現し，安全な運転と危険な運転をモデル化する方法について検討する．例えば，ドライバの視線方向に基づき，視行動を「右ミラーで右後方車を確認する」「スピードメータを見る」などの離散的な視行動イベントの時系列として表現でする．また，運転行動については，車両挙動・操作信号をクラスタリングすることで，「アクセルを弱く踏み込む」「右方向へ素早く移動する」等の離散イベントの時系列として表現する．例えば，隠れマルコフモデルでこれらの離散イベントの時系列をモデル化すれば，あるドライバの車線変更時の行動パターンを統計的に表現することが可能である．危険度のground-truthを基に，安全・危険な運転行動のモデルを構築し，学習後のパラメータを比較することでモデルの表現力を評価する．
次に，視行動適切度や，視行動・運転行動の統合モデルに基づき，危険な運転状態を検出する手法について検討する．危険な運転の学習データを大量に得ることが難しい場合には，理想的な運転行動のモデルを構築し，そのモデルからの乖離度によって危険状況を推定する手法についても検討する．
|
| Causes of Carryover |
研究用の運転データやその処理結果を保存するための大型HDDの購入を見込んでいたが，設置場所の関係で，今年度は一旦小型記憶装置に分割して保存することとし，購入を来年度以降に見送ることとしたため．
|
| Expenditure Plan for Carryover Budget |
記憶装置の設置場所を確保でき次第記憶装置を購入し，データを移動する予定である．
|
-
-
-
-
-
[Presentation] Driving signature extraction2015
Author(s)
Ekim Yurtsever, Chiyoi Miyajima, Selpi, and Kazuya Takeda
Organizer
3rd International Symposium on Future Active Safety Technology toward zero traffic accidents
Place of Presentation
Gothenburg, Sweden
Year and Date
2015-09-09 – 2015-09-11
Int'l Joint Research
-
-
[Presentation] Analyzing driver gaze behavior and consistency of decision making during automated driving2015
Author(s)
Chiyomi Miyajima, Suguru Yamazaki, Takashi Bando, Kentarou Hitomi, Hitoshi Terai , Hiroyuki Okuda, Takatsugu Hirayama, Masumi Egawa, Tatsuya Suzuki, and Kazuya Takeda
Organizer
2015 IEEE Intelligent Vehicles Symposium
Place of Presentation
Seoul, Korea
Year and Date
2015-06-28 – 2015-07-01
Int'l Joint Research
-
-
