| 研究課題/領域番号 |
15K05854
|
|---|
| 研究機関 | 東京農工大学 |
|---|
研究代表者 |
ポンサトーン ラクシンチャラーン 東京農工大学, 工学(系)研究科(研究院), 准教授 (30397012)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2018-03-31
|
| キーワード | 運転支援 / 予防安全 / 自動運転 / 車両制御 / ドライバモデル |
|---|
| 研究実績の概要 |
平成２８年度では、個別適合ハプティックシェアードコントロールによる知能化運転支援システムの構築に向けて、代表者のポンサトーンと、協力者の大学院生2名の協力で遂行し、以下のことを行った。
(1)先読み運転シナリオの解析：熟練ドライバの運転知能モデル構築：熟練ドライバモデルの先読み運転を構築し、操舵行動にかかわるシーンについて経路計画アルゴリズムを検討した。具体的には、駐車車両追い越しシーンや歩行者・自転車追い越しシーンにおいて、適切な側方間隔を取るような経路計画アルゴリズムを構築した。実走行シーンと照らし合わせて、その実用性、妥当性を確認した。また、規範運転行動と走行環境データから、運転シーンを一般化し、前後・左右の２次元リスクポテンシャル場の定式化とアルゴリズムの中の制御パラメータ同定を行った。
(2)運転者の異常運転検知手法の開発 ：リアルタイムパラメータ同定手法:平成２７年度に引き続き、車両運動と操作行動データから、運転者の安全運転パフォーマンス低下を実時間で検知できるアルゴリズムを開発し、その有効性を検証した。具体的には規範運転の操舵とペダルデータと実ドライバのそのデータとを比較し、その差を分析し、異常運転検知の可能性を検討した。
(3) 個別適合型操作支援アルゴリズムの開発:個人の通常運転特性に適合した運転支援の基盤構築を行った。具体的には内蔵した個人のドライバモデルによって数秒先の運転行動を予測しながら、熟練ドライバの規範運転特性と運転者の行動特性との差に基づき、適切な支援の強さを決定し、人間・自動車複合系としてあたかも熟練ドライバのように走行しているように触覚的協調制御を行った。実験では連続的な運転場面と緊急回避追い越しシーンで実施した。走行実験は、ドライビングシミュレータで基盤技術の開発を行い、個別適合運転支援システムの設計要件とその方策をまとめた。
|
| 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
研究計画に対し、最終目標である個別適合型運転支援システムの構築のための各種の要素技術、システム開発が行われて、操舵および加減速制御システムを装備したドライビングシミュレータ構築ができた。また、次のステップのための運転者の異常運転検知ロジックの目途が立った。これらの理由から、総合的におおむね計画書の通りに研究が進んでいると判断した。
|
| 今後の研究の推進方策 |
平成２９年度では、引き続き個別適合ハプティックシェアードコントロールによる運転支援の設計を行い、以下の研究を行う。
（１）先読み運転シナリオの解析とモデル化：熟練ドライバの運転知能モデル構築では、引き続き、移動物体が存在する場面における熟練ドライバモデルの先読み運転を構築する。平成２９年度では歩行者移動予測を考慮し、衝突リスクと運転の滑らかさを最小化する運動計画手法を設計する。
（２）運転者の異常運転検知手法の開発 ：過剰な運転支援を行わないために、ドライバの運転行動モニタリングが必要である。リアルタイムパラメータ同定手法では、平成２８年度に引き続き、車両運動と操作行動データから、運転者の安全運転パフォーマンス低下を実時間で検知できるアルゴリズムを開発し、その有効性を検証する。
（３）個別適合型操作支援アルゴリズムの開発:人間と機械が協調しながら運転操作を行うが重要である。個人の通常運転特性に適合した運転支援の基盤構築を行う。具体的には内蔵した個人のドライバモデルによって数秒先の運転行動を予測しながら、熟練ドライバの規範運転特性と運転者の行動特性との差に基づき、適切な支援の強さを決定し、人間・自動車複合系としてあたかも熟練ドライバのように走行しているように触覚的協調制御(Haptic Shared Control)を行う。実験では、主に歩行者・自転車追い越しシーンで実施する。走行実験は、ドライビングシミュレータで基盤技術の開発を行い、個別適合運転支援システムの設計要件とその方策をまとめる予定である。
|
