2020 Fiscal Year Annual Research Report
A method to analyze vehicle behaviors considering time-series of driving actions for sharing traffic probe information
| 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提案することである．本研究では，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ることで，右折待ちの車列などの車群の挙動変化に関する情報を交通情報として収集・共有し，集合知として活用することを狙っている．
この目的実現のための要素技術として，車載スマートフォンから車両変化時の時系列センサデータを収集し，SAX (Symbolic Aggregate Approximation) を用いて文字列化を行い，車両挙動を分析する手法を開発した．SAXは，時系列データを表現する文字の種類を増やすことでデータの抽象度を変化させることができ，データ容量の削減やノイズ除去という効果がある．2018年度までの成果として，運転行動に対応する特徴的な部分文字列の出現頻度や出現パターンに着目した車両挙動分類手法を提案し，右左折，車線変更，停止などの典型的な車両挙動の分類において提案手法が有効であることを示している．
2019年度からは，ドライバーの運転特性を分析・抽出するための手法開発に取り組み，2020年度は，右左折や停止の車両挙動を対象として，部分文字列の変化の割合を特徴量とするドライバー分類手法を提案した．ブレーキ操作などの運転傾向が異なる被験者による走行実験を行い，収集したデータに対して提案手法を適用した結果，表現文字種類を増やしデータ抽象度を上げることで，ドライバーの分類に有効であることを示した．本研究の提案手法により，車両挙動分類を行った上で，ドライバーの運転特性や運転傾向を把握できれば，プローブ情報に対するラベル付けが可能となり，都市センシングデータ基盤としての有効活用が期待される．
|
