2017 Fiscal Year Research-status Report
交通プローブ情報の共有のための運転行動の時系列性を考慮した車両挙動分析手法
| Project/Area Number |
17K00128
|
|---|
| Research Institution | Future University-Hakodate |
|---|
Principal Investigator |
白石 陽 公立はこだて未来大学, システム情報科学部, 教授 (90396797)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 高度道路交通システム（ITS） / プローブ情報システム / 参加型センシング / 時系列データ / 車両挙動分析 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は，交通プローブ情報の共有のための運転行動の時系列性を考慮した車両挙動分析手法を提案することである．具体的には，右左折や車線変更などの車両挙動を複数の運転行動（例えば，加減速，右寄せ，右折待ち）から構成される系列と捉えて，車載スマートフォンや車載センサを利用して車両挙動時のセンサデータを収集する．収集した時系列のセンサデータを文字列化し，複数の文字列化された時系列データ間の関係を調べることで，車両挙動分析を行う．
平成29年度は，この目的の実現に向けて基礎的な検討を進めた．まず車載スマートフォンを用いて，車両挙動時の加速度や角速度のセンサデータを収集した．次にSAX（Symbolic Aggregate Approximation）を用いて，取得した時系列センサデータを分析する手法を提案した．提案手法では，取得したセンサデータ時系列をSAXにより文字列に変換した後，自然言語処理技術である N-gram により部分文字列を抽出し，その発生頻度に基づいて特徴的な部分文字列の抽出を図る．実験では，代表的な車両挙動として「右折」，「左折」，「右車線変更（右，左）」，「直進」，を取り上げ，同一ドライバーによる車両走行時のデータを収集し，分析を行った．実験結果では，SAXのパラメータである文字の種類が多いほど，特徴的な部分文字列を抽出しやすく， また，N-gramにより抽出する部分文字列の長さ（部分文字列長）が短い場合にセンサデータの局所的な変動を捉えやすい傾向が見られた．
結果として平成29年度は，提案手法の基本的な流れや構成要素，特徴的な部分文字列を抽出する上で重要なパラメータ（SAXにおける文字の種類やN-gramにおける文字列長）を明確にすることができ，今後の研究を推進する上での基礎を築くことができたと考える．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
平成29年度は，運転行動の時系列性を考慮した車両挙動の分析手法を提案するにあたって，基礎的な検討を進めた．車両挙動時のセンサデータを収集するセンサデバイスとしては，将来的に多数の車両からセンサデータを収集することを想定し，普及率が高く，各種センサを搭載しているスマートフォンを用いた．時系列センサデータを分析する手法としては，代表的な時系列データ抽象化の方法であるSAXを選択し，SAXを用いて文字列に変換された時系列データに対してN-gramやBoW（Bag of Words）などの自然言語処理技術を適用した．実験では，3軸加速度センサ，3軸角速度センサ，GPSを搭載したスマートフォン端末を車両に固定して，代表的な車両挙動として「右折」，「左折」，「車線変更（右，左）」，「直進」を取り上げ，各車両挙動時のセンサデータを取得し，分析を行った．その結果，特徴的な部分文字列を抽出する上で重要なパラメータ（SAXにおける文字の種類やN-gramにおける文字列長）を明確にすることができ，今後の研究推進に向けた土台を築くことができたと考える．また，分析の過程で，今後の検討課題も明確にすることができた．例えば，現状の手法では，同じ種類の文字が連続する場合，一つの文字に集約され，各運転行動の時間長の情報が失われてしまうため，この解決が次年度の検討課題の一つである．さらに，実験データ収集における知見も得られつつあり，今後の実環境におけるデータ収集を円滑に進めることが期待できる．
以上より，研究は，おおむね順調に進展していると考える．
|
| Strategy for Future Research Activity |
平成30年度は，交通プローブ情報の共有のための車両挙動分析という目的の実現に向けて，以下の項目に分けて多角的な観点で研究を進める．
(1) 車両挙動を分類するための特徴的な部分文字列の抽出に向けて，提案手法を改良する．現状の提案手法では，部分文字列の出現頻度のみに注目しており，同じ文字が連続する場合に一つの文字に集約してしまうため，例えば，急激な車線変更と緩やかな車線変更を区別することができない．そこで，部分文字列の出現頻度に加えて，部分文字列の時間長（すなわち連続する文字の数）を考慮できるように手法検討を進める．
(2) 複数種類の時系列センサデータにSAXを適用し，これらの文字列化された時系列データ間の比較・分析を行う．例えば，同じタイミングで出現する特徴的な部分文字列を抽出できれば，車両挙動の分類に有効であると考えられる．
(3)車両挙動は，道路の凸凹や破損，路面標示の劣化など路面状況の影響も受けると考えられることから，路面の画像データも同時に収集し，車両挙動や運転行動との対応付けを試みる．平成29年度は，その事前準備として路面標示画像データを収集し，路面標示の認識・識別方法の検討を行っている．
(4)本研究では，主に自動車の車両挙動に注目しているが，実環境では，車道に自動車と自転車が混在しており，例えば，路上駐車や渋滞時の車道走行など双方の挙動が影響し合う場合もあり得るため，自転車の車両挙動にも着目する．自転車走行時のセンサデータの取得を行い，提案手法の分析対象とすることで，提案手法の応用可能性についても検討を進める．
|
| Causes of Carryover |
平成29年度は，提案手法の基礎的な検討を進めるため，代表的な車両挙動5種類（右左折，右・左車線変更，直進）に絞って分析を行った．また，提案手法の特性を明確にするために，同一ドライバーの走行時のセンサデータを分析対象とした．研究計画時には，複数の被験者の協力を得て多数の車両からセンサデータを収集する予定であったが，基礎的な検討に時間を要した．そのため複数の被験者による走行実験は，次年度に実施するものとして，必要な実験機材は次年度に購入するものとした．しかしながら，提案手法に関して十分な検討を行った結果として，提案手法の特性や検討課題を明確にすることができたため，今後の研究を進めていく上で有用な知見が得られたと考える．
提案手法の改良を行うためには，大量の走行データを収集する必要があり，また，異なるドライバーの走行データを取得し，分析する必要がある．平成30年度は，この実験に必要な車載端末，ドライブレコーダー，モバイルPCなどの機材を購入し，また，対外的な成果発表を行い，その旅費に使用する予定である．
|
