|
本研究課題は、自動車交通事故を効果的に削減する目的で、自動車の運動力学という物理モデルと人間行動状態のリアルタイムセンシングと人工知能による交通文脈理解といった情報科学的モデルの融合的なアプローチで、事故予防メカニズムにつながるリスク予測知識基盤構築を学術的に見出すものである。2019年度まではリスクの定量化について検討してきた。2020年では、人間機械系における運転支援の制御介入の最適化について研究を行った。既に実用化されている操舵支援システムでは、操舵支援トルクを用いて触覚的に規範経路を教示するハプティック・シェアードコントロールによりドライバを規範運転に導いたことが報告されている。しかし、操舵支援の支援レベルは走行中常に一定であり、システムの判断とドライバの意志が異なる場合、操舵支援がドライバと干渉し、ドライバの運転行動を妨げてしまうという問題点が挙げられる。
本研究では、運転中のリスクにあわせて支援レベルを変化させ、低リスクの場面では支援レベルを下げることで、従来手法よりもドライバ主体の運転を実現するリスク適応型ハプティック・シェアードコントロールの開発を目的とする。そこで2020年度では、リスクポテンシャル場を用いた規範経路計画とリスク評価手法を提案し、リスクに応じて支援レベルを変化させるリスク適応型ハプティック・シェアードコントロールを構築した。また、カーブ中の駐車車両回避場面を対象としたシミュレーションにより，提案手法が支援レベル一律の従来の運転支援システムと比較してよりドライバ主体の運転を実現できる可能性を示唆した。今後は、人間の感覚に考慮した支援トルク制御器を構築し、実際に実験参加者に運転してもらうことで提案手法の有効性より詳細に検証する必要がある。
|
