|
高速道路での自動運転の実用化とともに、種々の運転操作の自動化も進んできている。この自動運転では、複雑に変化する交通環境を高精度かつ瞬時に把握することが求められる。しかし、歩行者・自転車の突然の飛び出し、前方車両の急な車線変更等、予期せぬ緊急事態に対し、円滑な運転操作が実現できない可能性もある。特に、緊急時に自動から手動運転に切り替わる準自動運転では、運転者の眠気やよそ見等（注意力の欠如）が重大事故に繋がる。
本研究では、準自動運転中の緊急時（急な飛び出しや障害物の出現）における運転者の脳活動（注意力）や自律神経活動（ストレス・緊張度）を評価した。また、実験により得られた生体計測データに人工知能・機械学習を適用することで、準自動運転での交通事故を低減し、安全な交通環境を構築できる手法を提案した。さらに、脳波信号から突発的な発作（異常状態）を予測・検知できる解析手法（時間周波数解析）の高精度化も検討した。以上の成果をブレイン・コンピュータインタフェースとして実現できれば、準自動運転のみならず、通常運転での警告システムとして応用できる。
高速道路のサグ部（道路勾配の変化点）・インターチェンジの出入口・合流地点等では、過度な減速により車両の流れが悪化し、追突・接触事故の可能性も増える。また、災害・道路工事による交通規制も事故や渋滞の要因となる。自動運転では、この様な複雑な交通環境の変化を瞬時に把握し、安全かつ効率の良い走行経路を素早く決定する必要がある。特に、種々の環境に柔軟に適応できる深層強化学習は、複数台の車両の移動を想定し、交通状況が刻々と変化する場面でも有効となった。また、自動運転と一般車が混在した状況下での運転者の心理特性（眠気や焦燥感等）も、交通シミュレーションに加味した。カーナビや交通ニュース、交通管制センターからの指示等を用いれば、適切な対処法をフィードバックできる。
|
