| 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 | 長岡技術科学大学 |
|---|
研究代表者 |
大橋 智志 長岡技術科学大学, 工学研究科, 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, 助教 (70634905)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2022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、歩道の効果的かつ効率的な調査や客観的なデータに基づく合理的な路面評価までが十分に行われていない問題もある。
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。
今年度の実施内容は、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に基づき、スペクトログラム画像を作成した。次に、このスペクトログラム画像を入力として畳み込みニューラルネットワーク（Convolutional Neural Network）を用いた舗装種類の自動判別に取り組んだ。対象となる舗装路面は、アスファルト舗装2種類、インターロッキングブロック舗装2種類、木目調樹脂製路面、アスファルト舗装の6種類とした。各舗装路面の判別精度が76%以上であったことから、本手法による舗装路面の判別が有用であることを確認した。引き続き、学習用データの増加、アルゴリズムおよびパラメータパターンの修正等を行い、判別精度の向上にも取り組む予定である。
|
| 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
本研究課題では、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。振動センサーから収集した振動データについては、車いす前輪に配置される2つのキャスターからの振動を用いたスペクトログラム画像を学習用データとして用いる場合に判別精度の向上が期待できることが確認できた。しかしながら、舗装路面の自動判別では、歩道走行中の振動には非定常的なデータが生じる可能性が高いため、舗装種類を高精度に判別するために必要な定常性パターンを検出するには、より精度の高い推定に取り組む必要がある。
|
| 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のための学習用データについては、車いす走行時の振動データから生成したスペクトログラム画像を増加させ、より多くの学習用画像から精度比較する。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選定などの組み合わせも併せてテストし、判別精度の向上に取り組む。
（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、筋電位センサーを使用して筋活動を計測し、計測データを分析する。
|
