| 研究課題/領域番号 |
18K04052
|
|---|
| 研究機関 | 香川大学 |
|---|
研究代表者 |
佛圓 哲朗 香川大学, 創造工学部, 教授 (00803967)
|
|---|
| 研究分担者 |
荒川 雅生 香川大学, 創造工学部, 教授 (20257207)
鈴木 桂輔 香川大学, 創造工学部, 教授 (80373067)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | 自動運転技術 / RBFネットワーク最適化 / 多目的最適化 / 遺伝的アルゴリズム / B-spline曲線 / PSO / ドライビングシミュレータ |
|---|
| 研究実績の概要 |
研究は、3つのステップ、①運転未経験者を模擬したコンピュータAIエージェントモデルを用いた「運転学習モデルの構築」（1年目）、②ドライバミスの原因分析と定量化（2年目）、③運転学習モデルの熟成（3年目）で進めている。初年度において「運転学習モデルの構築」では、仮想の仮免教習コースを3D_CGデータとして作成し、教習車を模擬した自動車モデルをコンピュータ内に構築し、走行訓練環境を構築した。従来は、既存の自動運転アルゴリズムを使用する予定であったが、ここで、ニューラルネットワーク(Neural Network : NN)と遺伝的アルゴリズム(Genetic Algorithm : GA)を用い、走行評価ができる仕組みをきちんと作らないと、第2ステップの「ドライバミスの原因分析と定量化」に移行することがり難しく、オリジナルの運転AIエージェントを作るため、2年目と3年目を逆転させて、③運転学習モデルの熟成をおこなった。
この研究は、「機械学習を用いた走行ルートにおけるマップの走破・学習時間短縮手法の研究」と題して、運転者が楽しく走行するための支援システムの開発のため、研究のオリジナリティとしてゲーミフィケーション要素の導入を行い、機械学習における評価ポイントを効率よく設計することで理想の走行を実現する。そして、最適な走行経路を求めるため、設計変数の縮約を提示し、有効性を検証することができた。なお、この機械学習過程は全く運転を知らない段階から徐々に運転技量を上げていき最適経路で走行してゴールするまでシミュレーションするものである。したがって、この運転エージェントは成長過程においては、ミスや事故を起こしながら成長していくモデルである。
シミュレータにこの運転エージェントを組み込んで、検証実験を行った。この内容は、本年度に学内での報告が終了し、学外に発表できる段階まで進めることができた。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
4: 遅れている
理由
これまでの進捗は、上記の実績のとおりであり、従来は、既存の自動運転アルゴリズムを使用する予定であったが、ニューラルネットワーク(Neural Network : NN)と遺伝的アルゴリズム(Genetic Algorithm : GA)を用い、走行評価ができる仕組みをきちんと作らないと、第2ステップの「ドライバミスの原因分析と定量化」に移行することがり難しく、オリジナルの運転AIエージェントを作るため、2年目と3年目を逆転させて、③運転学習モデルの熟成をおこなった。新たな問題解決のためのタスクが発生したが、2年目と3年目を入れ替えることにより、研究自体は遅れをやや解消できた。しかし、論文発表のめどはついたものの大幅に遅れていると認識している。
|
| 今後の研究の推進方策 |
2年目に行う予定であった②ドライバミスの原因分析と定量化と3年目の③運転学習モデルの熟成を入れ替えることにより、遅れをやや解消できたが、3月からの新型コロナウイルスの影響により、学生の実験が大幅に遅延する。このため②ドライバミスの原因分析と定量化で行う予定である運転未経験者のデータ取りについては、実際の学生データ採取は断念して、シミュレーションのみで検討することにする。ただし、ゲーミフィケーションを取り入れた自動車運転育成システムについては、提案できるレベルに仕上げていきたい。
また、学内では修士論文として研究内容を発表できたので、今年度はこれを基に学外論文としてまとめていく。
|
| 次年度使用額が生じた理由 |
2年目に行う予定であった②ドライバミスの原因分析と定量化と3年目の③運転学習モデルの熟成を入れ替えることで次年度使用額が発生した。
|
