| 研究課題/領域番号 |
21K04222
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分22010:土木材料、施工および建設マネジメント関連
|
|---|
| 研究機関 | 苫小牧工業高等専門学校 (2023)
長岡技術科学大学 (2021-2022) |
|---|
研究代表者 |
大橋 智志 苫小牧工業高等専門学校, 創造工学科, 准教授 (40509923)
|
|---|
| 研究分担者 |
塩野谷 明 長岡技術科学大学, 工学研究科, 教授 (50187332)
原田 恵雨 苫小牧工業高等専門学校, 創造工学科, 准教授 (70634905)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2024年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2023年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2022年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2021年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | 車いす / 歩道 / 舗装 / 路面 / 振動 / 自動判別 / 深層学習 / CNN / 歩道舗装 / 路面評価 / 身体負担 |
|---|
| 研究開始時の研究の概要 |
人口減少社会に突入している日本では、都市のコンパクトシティ化により生活圏を一定範囲内に集中させ、徒歩での移動を想定した道路整備が進められている。しかし、車いす利用者にとっては、景観重視による舗装材料の使用、沿道の整備状況を考慮した縦断・横断勾配の路面等により、走行が難しい歩道も数多く点在している。そのため、歩道の効果的かつ効率的な調査、客観的データに基づく合理的な歩道の路面評価までは至っていない課題を有している。本研究では、車いす走行時の観点から歩道路面の整備を実現するため、舗装種類別による車いすからの振動情報と搭乗者の身体負担情報を組み合わせた路面評価方法を確立することに取り組む。
|
| 研究実績の概要 |
本格的な人口減少社会に突入した日本では、都市のコンパクト化（都市構造の集約化）により生活圏を一定範囲内に集中させ、徒歩での移動を想定した道路整備が進められている。しかし、車いす利用者にとっては、景観重視のための舗装材料の使用や、沿道の車道整備状況を考慮した縦断・横断勾配の歩道路面などにより、車いすでの走行が困難な歩道が数多く存在している。また、歩道の状態を定期的に調査し、客観的なデータに基づく合理的な路面評価を行い、必要に応じて改善を行う体制を整備することが必要となるが、多大な時間とコストを要する問題がある。
本研究の目的は、車いす走行時の観点から歩道路面の整備を実現するために、舗装種類別における車いすからの振動情報と搭乗者の身体負担情報を組み合わせた路面評価方法を確立することにある。本研究では、車いす、搭乗者、歩道路面から得られる各種センサデータに対し、深層学習を用いて舗装種類の高精度な自動判別と搭乗者の身体負担を評価する。歩道路面には、アスファルト系混合物、透水性アスファルト系混合物、コンクリート系、ブロック系などの主な舗装種類を想定している。
昨年度に作成した歩道と仮定する舗装路面を車いすで走行した際に計測した振動データのスペクトログラム画像に基づき、CNNによる舗装種類の判別精度は平均76%であった。今年度は、複数の画像分類アーキテクチャを使用し、その判別精度を算出した。また、車いす搭乗者の身体負担情報の収集：車いすを自走する際、搭乗者の筋活動が走行する舗装路面の種類によってどの程度影響があるかを検証するため、筋電計測システムを用いてハンドリム操作時の筋活動を計測する予備実験を実施した。
年度内には、判別精度の評価まで取り組めなかったことから、次年度での実施を計画している。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
今年度は、所属先研究機関の異動に伴い、当初計画していた追実験および舗装路面を高精度に判別するための学習モデル構築とその精度検証に取り組むことができなかった。
|
| 今後の研究の推進方策 |
今後の研究では、次の2点に取り組む予定である。
（１）各舗装路面の判別精度の向上
舗装路面の自動判別精度を向上させるために、学習用データの再構築を行う。続いて、最適な画像分類アーキテクチャを選定し、再構築した学習データを用いた学習モデルを構築する。またニューラルネットワークの各レイヤーのパラメータパターンを探索し、判別精度を向上させる目的から、学習率、バッチサイズ、ドロップアウト率等のハイパーパラメータの最適化にも取り組む。
（２）車いす搭乗者の身体負担情報の収集
車いすを自走する際、搭乗者の筋活動が走行する舗装路面の種類によってどの程度影響があるかを検証するため、筋電計測システムによって測定された筋活動量と舗装路面の種類 （アスファルト系混合物、透水性アスファルト系混合物、コンクリート系、ブロック系など）との関係を分析し、相関関係を明らかにする
|
