| 研究課題/領域番号 |
22K19801
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分61:人間情報学およびその関連分野
|
|---|
| 研究機関 | 東京都市大学 |
|---|
研究代表者 |
野中 謙一郎 東京都市大学, 理工学部, 教授 (30298012)
|
|---|
| 研究分担者 |
高柳 英明 東京都市大学, 都市生活学部, 教授 (70344968)
|
|---|
| 研究期間 (年度) |
2022-06-30 – 2025-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
6,500千円 (直接経費: 5,000千円、間接経費: 1,500千円)
2024年度: 2,340千円 (直接経費: 1,800千円、間接経費: 540千円)
2023年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
2022年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | 電動車いす / 自動運転 / 群集流動 / モデル予測制御 / 確率分布 |
|---|
| 研究開始時の研究の概要 |
高齢化が進む日本では電動車いすの普及が進みつつありますが，歩行者密度が高い都市の雑踏のスムーズな移動は容易ではありません．本研究では，人間行動学の歩行モデルと制御工学の最適制御理論を融合した実時間最尤推定とモデル予測制御により，都市部の群集流動に適合した電動車いすの自動運転の実現に挑みます．本研究は，都市部の高密度空間における電動車いすの移動の現実解を目指すもので，人と電動車いすのITSの実現に寄与すると考えています．
|
| 研究実績の概要 |
歩行者密度が高い都市の雑踏において，電動車いすのスムーズな移動を実現するために，人流のセンサによる計測，人流を考慮した制御則，それを実装する電動車いすシステムが必要になります．2022年度は，これらの構築に取り組み，下記の実績を挙げることができました．
まず，群集流動中で電動車いすの安全な障害物回避を実現するために，電動車いすが任意の経路で歩行者を回避するためのモデル予測制御則と，それを実証する実験システムを構築してその性能を評価しました(Makino et al. SICE2022)．これは，過去に研究代表者らが提案した時間軸状態制御形に基づく厳密な線形化を，任意の曲線経路へと拡張し，さらに歩行者の不確定性を考慮した確率制約に基づくモデル予測制御によって，実用的な計算速度を保ちながら衝突回避を一定確率で担保できる手法です．さらに人混みでの接触は不可避であることから，周囲の歩行者との相対速度を考慮した移動を実現する制御則を構築した結果を報告しました(Makino et al. MSCS2023)．これにより人混みで接触した場合にも安全な移動を確保することが可能になり，確率的な歩行者の回避のための基礎的な制御則を構築できたことになります．さらに群集流動では，走行可能経路が複雑かつ不連続に変化するので，それに適応するための制御則として，モンテカルロ最適化に基づく障害物回避制御則を構築し，簡単な屋内走行を実施して歩行者の障害物回避実験で検証した結果を発表しました(Kawaguchi et al. SICE2022)．加えて，屋外環境の未知環境においても自立走行可能な電動車いすシステムを構築し，経路を自動選択しながらモデル予測制御で走行を行えることを確認しました．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
近接する歩行者を含めた交通参加者が存在する場合において，交通参加者への衝突確率と相対速度を考慮したモデル予測制御による電動車いすの基本的な制御則を構築しました．任意の軌道において道幅を考慮しつつ，加減速を行いながら移動障害物を回避するようなシナリオにおいて，確率的な制約を満たしつつ移動できることを，基礎的なシミュレーションおよび実験で確認しました．この際に使用した実験システムでは，LiDARで計測した点群情報で障害物の検知と位置計測による追跡を行い，電動車いすの自己位置推定に関しては，制御則の性能検証を確認するためにモーションキャプチャを用いていました．計算時間は実時間制御が可能なものであることも確認しました．また，実験機が自立化できるようにLiDARで得られた点群からNDTマッチングに基づいて自己位置推定するプログラムも開発し，屋内及び屋外の環境において検証を行うことができました．さらに，モンテカルロ最適化に基づいたサンプルベースのモデル予測制御の制御則も構築し，基礎的な実機実験で性能の検証も行うことができました．
歩行者の追跡については，電動車いすに搭載しているLiDARで周囲を計測し，群集を含めた環境の点群情報から確率的なクラスタリングによって個々の歩行者を抽出して，複数の手法を組み合わせたデータ結合とベイズ推定により，歩行者を追跡できるプログラムを作成しました．その性能は，歩行者同士が近接するある程度の混雑密度でも検証し，基礎的な性能が得られていることを確認しました．その成果は2023年度に発表を予定しています．購入予定のセンサがメーカの都合で在庫が無かったことと，コロナ禍のため混雑環境のデータ取得が難しかったこともあり，データ計測と解析は継続する必要はありますが，おおよその目標は達成できたと考えています．
|
| 今後の研究の推進方策 |
2022年度に開発した相対速度期待値に基づくモデル予測制御則については，複雑な群衆流動での障害物回避に対応できるように，2次元への拡張と，モンテカルロ最適化計算を導入し，多峰性に対応したサンプルベースの制御手法へと改良します．さらに電動車いすの実験システムでは，車載のLiDARによる自己位置推定プログラムと接続し，屋内および屋外の任意の環境での制御の実現に取り組みます．一方で群衆流動の中では遮蔽により自己位置推定精度が劣化する可能性が予想されるため，比較的少ない環境地図情報を用いても頑強に自己位置推定できるアルゴリズムの開発を進めます．また，計測した歩行者の定常流動データの解析を進め，粒子フィルタに基づいた非パラメトリック確率分布モデルの構築を進めます．
|
