|
2019年度は交通流の可聴化と背景音が交通行動に及ぼす影響の分析の2点に取り組んだ．
前者に関しては，高速道路に設置された車両感知器から収集される個別車両データを用い，交通状況を的確に表現するための可聴化手法の構築，および官能実験による交通状態の判別性能評価を行った．可聴化は時空間ダイナミクスの可聴化と車線利用ダイナミクスの2つの方法を提案し，それぞれの評価を行った．その結果，前者の方がより正確にブレイクダウン直前の交通状況を判別できることが明らかとなった．また，これはグラフにより視覚的に交通状況を表現した場合との比較でも判別精度が高いことが示された．加えて，今後の機会学習による渋滞発生予兆検知のアルゴリズム構築に向け，MAXを用いたデータの音変換システムを構築し，それをpythonにより制御することで音データ生成の自動化システムを構築した．
後者に関しては，隘路補講実験による背景音と歩行者群集流動特性の関係分析，および駐輪場による自転車群集流動と背景音の関係について実証分析を行った．まず，特徴の異なる複数の楽曲を選定し，SD法により楽曲の特徴因子を抽出した．その結果に基づき，実験に用いる楽曲を決定した．その上で，隘路補講実験では75名の被験者に協力を依頼し，模擬的に設定した隘路空間を歩いてもらい，その状況をビデオ撮影し，個人の移動軌跡をデータ化した．このデータから交通密度と平均速度，および交通密度と交通流量の関係性を導出し，楽曲間の比較を行った結果，楽曲の活発さと臨界時の交通流量の間に正の相関があることが確認された．一方，駐輪場における実証実験では，同じ楽曲を駐輪場入口にて再生し，自転車挙動をビデオ撮影することで移動軌跡データを抽出，歩行者実験時と同様に交通流指標の関係性を分析した．その結果，混雑状況によって楽曲が交通流特性に及ぼす影響が異なることが明らかとなった．
|
