2018 Fiscal Year Annual Research Report
Construction of recognition, decision and motion models and application for personalized automated driving
| Project/Area Number |
16K21090
|
|---|
| Research Institution | Nagoya University |
|---|
Principal Investigator |
奥田 裕之 名古屋大学, 工学研究科, 助教 (90456690)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 運転行動モデル / 行動解析 / システム同定 |
|---|
| Outline of Annual Research Achievements |
行動モデルのデータベースの構築を目指し，今年度は，より複雑な運転状況における運転データの計測を，ドライビングシミュレータを中心に用いることで実施した．
まず，従来のマルチプレーヤ型のドライビングシミュレータを拡張し，モーションキャプチャ機能を有したVirtual Reality装置を用い，歩行者の仮想空間への参加を可能とした．この新型のドライビングシミュレータを用い，交差点における３者（歩行者，右折車，直進車）の通過行動を観測した．３者は，互いの位置や相対速度を観測しながら通過する，しないの判断をしていることが明確に観測され，その判断のモデルの構築に成功した．ただし，多人数を対象とした運転行動観測を実施するには至らなかった．
次に，本研究での主眼である運転行動データのデータベースから行動モデルのデータベースを構築する際に，運転行動データにおけるどのような変数に着目してモデル化するべきか，という変数選択問題を自動化できないことが大きな課題となっていた．すなわち，一連の運転行動をセグメンテーションし，モデル化対象となる運転タスクを抽出する際に，タスクが決まらないとモデル(説明変数とモデル構造)を決定できず，モデルを決定できないとモデルで記述可能な運転シーンの範囲を検討できないという問題である．本問題の解決策への第一歩として，１．一次的な指標によって簡易的に運転状況を分節化し，２．変数選択法を用いて類似したタスクとみなせる（類似のモデルで表現可能な）範囲を抽出する，という手法を検討した．具体的には，停止～中速度の市街地での前方車追従走行において，車間距離を一次的分節化変数として分節化したのち，AICを用いたモデル選択手法を適用してまとめ上げることで，着目すべき変数が異なる近距離追従，中距離追従のタスクの切り替えを自動的に抽出した．
|
