2019 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

Research Project

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 – 2021-03-31
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考案することである．これまでに，SAX (Symbolic Aggregate Approximation) に基づく車両挙動分析手法を提案しており，提案手法が典型的な車両挙動の分類において有効であることを示している．提案手法では，計測された時系列センサデータに対してSAXを適用し文字列に変換し，変換されたセンサデータ文字列から部分文字列を抽出することで車両挙動の分析を行う． 2019年度は，ドライバーの運転特性を表現するためのセンサデータ文字列の特徴分析を行った．ドライバーの運転特性によって車両挙動に関するセンサデータの変動は異なる可能性があるため，ドライバーの運転特性を考慮した車両挙動分析を実現できれば，交通プローブ情報を共有する上でも有効である．例えば，停止の車両挙動を考えると，ポンピングブレーキ操作を行うドライバーも存在すれば，急激なブレーキ操作を行うドライバーも存在し，同一の車両挙動であってもセンサデータの変動傾向は異なり，センサデータ文字列から抽出できる特徴も異なると考えられる．具体的な手順としては，車載スマートフォンにより計測されたセンサデータに対してSAXを適用し文字列に変換し，ランレングス符号化を行った後，部分文字列に分割する．停止の車両挙動を対象として，ブレーキ操作の特性が異なる複数の被験者から走行データを収集し，分析を行った結果，運転特性の違いによりセンサデータ文字列の長さや部分文字列数に異なる傾向が見られた．今後さらに，有効な特徴量の検討を進める必要があるが，将来的に，ドライバーの運転特性を定量化できれば，運転特性を考慮した車両挙動分析が可能になると考えられる．
Current Status of Research Progress	Current Status of Research Progress 3: Progress in research has been slightly delayed. Reason これまでにSAXに基づく車両挙動分析手法を提案しており，典型的な車両挙動（直進，右折，左折，右車線変更，左車線変更）の分類における提案手法の有効性を示している．一方で，交通プローブ情報の共有化のためには，ドライバーの個人差（運転特性の違い）を考慮した車両挙動分析手法を実現できることが望ましい．この点は，これまでの研究プロセスの中で，その認識が強まったものである．そこで2019年度は，新たな課題としてドライバーの運転特性の抽出・定量化を設定し，車両挙動に関するセンサデータにドライバーの運転特性の特徴が現れると考え，車両挙動分析手法の検討を進めた．手順としては，車載スマートフォンを用いて車両挙動に関するセンサデータを収集し，SAXを用いて文字列に変換した後，ランレングス符号化を行う．その後，変換された文字列を部分文字列に分割し，文字成分と数値成分に着目した分析を行う．具体的に，停止の車両挙動を対象として，ブレーキ操作の特性の異なる複数の被験者の走行時の加速度センサデータを収集し，分析を行った．運転特性の特徴となり得る特徴量の検討を行った結果，センサデータ文字列の長さや部分文字列数に違いが見られた．例えば，ポンピングブレーキのようなセンサデータの変動が多い場合は，各文字に対応するセンサデータ境界をまたぐ回数が多いため，センサデータ文字列が長くなる傾向がある．以上より，一定の研究の進捗は見られるものの，対象とする車両挙動が限定的であるため，提案する分析手法の有効性を示すには不十分であると考え，次年度も継続して，この課題に取り組む予定である．
Strategy for Future Research Activity	2020年度は，2019年度に新たな課題として設定したドライバーの運転特性の抽出・定量化を中心的な課題として取り組む．まず，2019年度と同様に「停車」の車両挙動に関するセンサデータを収集し，文字列化されたセンサデータを対象に分析を行い，ドライバーの運転特性を表現できる特徴量の検討を進める．この際，運転特性の異なる複数のドライバーの走行データを収集し，ドライバーの個人分類を目的とした実験を行うことで，ドライバーの運転特性として有効な特徴量の検討を行う．また，SAXのパラメータである文字種類を変更することで，運転特性の違いを捉えることができるかどうかについても調査する．さらに，「停車」以外の右左折などの車両挙動に関するセンサデータも収集し，センサデータ文字列の分析を行い，ドライバーの運転特性として有効な特徴量の調査・検討を進める．2019年度の分析では，車両挙動ごとに運転特性の抽出を試みているが，複数の車両挙動を対象とすることで，運転特性を考慮した車両挙動の分類に関する実験も可能になると考える．
Causes of Carryover	本研究課題では，交通プローブ情報の共有化に向けた車両挙動分析手法の検討を進めているが，研究課題実現のためには，ドライバーの個人差（運転特性の違い）を考慮することが重要であるとの認識を強め，2019年度は，ドライバーの運転特性を抽出し，定量化することを新たな課題として設定した．これにより若干の研究計画の見直しが生じたが，基本的な車両挙動を対象とした分析を通して，一定の知見は得られたと考える．しかし目的を達成するためには，さらなる追加検討が必要であり，その研究遂行のための次年度予算が必要となった．2020年度の研究予算の主な使途は，追加実験や評価のための実験機材の購入，実験協力者への謝金，研究成果の対外発表のための参加費・旅費などである．