|
国内で収集された運転行動データおよび海外で公開されている車両の走行データを用いて、危険な運転行動の特徴を抽出する手法を構築し、成果発表を実施した。本研究ではまず、車両の物理運動モデルにより加減速および操舵を少数のパラメータで表現し、様々な運転行動をパラメータ空間上の分布としてデータ化する手法を提案した。その際、常時計測型の運転行動データを用いると、そのデータから得られるパラメータ分布は安全な運転行動がほとんどを占めるので、そのまま標本抽出を行うのみでは危険な運転行動のモデル化はできないという課題があった。そこで、少数の危険な運転行動パラメータの特徴を抽出するために、衝突余裕時間等の広く用いられている走行の危険度指標を制約条件とした、マルコフ連鎖モンテカルロ法に基づく標本抽出法を構築した。本手法は、走行データから危険な行動を抽出するばかりではなく、危険な運転行動のパラメータ空間上での分布を予測する方法であり、入力データの環境で発生しうる危険な運転行動の予測を行うことができる。これにより、自動運転システム等の安全性評価試験を実施する際に、実際の交通流の中で発生しうる、危険な運転行動を自動生成することができ、実効性の高い試験を実施することができる。また、市街地環境において、本手法で予測される危険な運転行動を避けるように設計された自動運転車を走行させ、周辺の交通参加者が感じる心理的危険度を調査した。その結果、5％の被験者が危険な運転行動だと感じた事例があり、物理的な安全マージンと心理的な安全マージンの間に差異があることが明らかになった。より安心感のある自動運転車等を構築するうえでは、危険度指標に対する心理的な側面も考慮する必要があり、今後の研究の課題となった。
|
