2021 Fiscal Year Annual Research Report

多重追突事故防止型自動運転技術の開発：先行車の減速意図予測に基づく車群安全の実現

Research Project

Project/Area Number	19K04926
Research Institution	Nippon Institute of Technology
Principal Investigator	鈴木宏典日本工業大学, 先進工学部, 教授 (20426258)
Project Period (FY)	2019-04-01 – 2022-03-31
Keywords	デュアルパーティクルフィルタ / アンセンティッドカルマンフィルタ / ドライバ状態推定 / オンラインパラメータ推定 / 車群安全性 / 減速意図予測
Outline of Annual Research Achievements	本研究の目的は，自車の前方を走行する先行車の減速意図をその制動灯の点灯前に予測する技術を高精度化し，これを自動運転技術の枠組みで設計したのち，その被害が顕著な多重追突事故防止への効果を検証することである。多重事故防止を目的とする自動運転技術の開発を念頭に置き，2020年度までに，アンセンティッドカルマンフィルタを用いた先行車の減速意図予測が高い精度で行えることを確認した。次に必要となるタスクは，車群シミュレーションを行うためのドライバモデルとそのパラメータ推定である。モデルパラメータが高い精度で表現できない限り，正確な車群シミュレーションと車群安全性の検証は十分行えない。そこで，2021年度（最終年度）は，これまでオフライン推定値として定数とされていたドライバモデルパラメータ3種類と反応時間1種類，合計4種類のパラメータをデュアルパーティクルフィルタを用いてオンライン推定するシステムを開発した。オフライン推定が，事前に得られた限りあるデータのみでパラメータを決定するものに対し，オンライン推定は，走行する毎に新しいデータを得て，それを使って動的にパラメータを推定するもので，オンライン推定の方が有用性も精度も圧倒的に高い。このパラメータの精度が，車群全体の安全性評価の精度を大きく左右することから，2021年度はさらに，ヒヤリハットなどの追突リスクの高い状況での「ドライビングシミュレータデータ」及び，実際の事故場面を扱う「ドライブレコーダデータ」を取得し，このデータを用いて，推定パラメータの精度を検証することとした。この結果，ドライビングシミュレータデータの一部については，そのパラメータの精度が高いことが示されると同時に，ドライバモデルの精度が飛躍的に向上することがわかり，今後，さらなる車群全体の安全性評価に顕著に貢献する可能性を示唆する結果が得られた。