| 研究課題/領域番号 |
20K04760
|
|---|
| 研究機関 | 仙台高等専門学校 |
|---|
研究代表者 |
本郷 哲 仙台高等専門学校, 総合工学科, 教授 (80271881)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| キーワード | 路面状況判別 / 圧雪路面 / 深層学習 / 周波数解析 / 乾燥路面 |
|---|
| 研究実績の概要 |
本研究では，車両走行時の空中音に着目し，その変化を認識することで冬季の路面状況を判別する手法を提案している.これらの技術が各車両に搭載され，各車両から地図情報サーバーに路面情報を蓄えられれば，生活道路なども 含めた詳細な道路情報を提供できる.これまでは，複数の路面状況の走行音をマイクで収集し，得られた音響データに対して深層学習を行ってネットワークを作成し，提案手法の有効性を検証している[1].2022年度は、提案手法において，路面の状況判別に有効となる周波数帯を検討した.
実験の具体的方法は、次の通りである. 乗用車のサイドシル下部に小型マイクを設置し，冬季に宮城県仙南圏近辺を走行して空中音を収集した.得られた録音データから，圧雪，乾燥，シャーベット, 湿潤，の4種類の路面状況の音データを2秒ずつ多数切り出してサンプルとし，種類毎のクラスを作成した.なお，サンプルの数はそれぞれ200個 とした.これらのデータについて, 深層学習ソフトウェアとしてDeep Analyzerを使用し，カットオフ周波数fc=1000/2000/5000/10000Hzのローパスフィルタをかけたデータを学習用サンプルとし，4種類の路面状況をそれぞれ3つずつ選んだ計4通りのデータに対して，各周波数ごとに学習を行った.その後，前述のサンプルとは別に，4種 類の路面状況それぞれの50個のテストデータを用意し，テストデータに対して推論を行ってスコアを求めることで，提案する路面状況判別方法のうち有効となる周波数帯を検証した.
圧雪/乾燥/シャーベットの判別では2000Hzをピークに、 周波数が高くなるにつれて正解率は低下した。その他の判別では，周波数が高くなるにつれて正解率も高くなった.
乾燥(dry)とシャーベット(slushy)では、周波数の高い領域に類似性のある情報が多く含まれているためと考えられる。
|
| 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
Covid-19 による感染対策のため、当初予定していたアイスバーンのデータ取得ができず、
現状で得ているデータを利用して、できる範囲での研究を行なった。2023年度は出張や外国渡航が可能になったため、必要とするデータを確保することが可能となると予想される．
|
| 今後の研究の推進方策 |
アイスバーンが発生している寒冷地における実験を実施し、データのアノテーション処理、学習・推論処理を実施する予定である。一方で、データが確保される前の段階で、様々な条件に対応できる実験処理プログラムを完成させておく予定である.
|
| 次年度使用額が生じた理由 |
Covid-19のため、冬季路面走行音収録のための出張や海外渡航ができず、実験データの確保ができず、遅れた。このため、発表論文等をまとめることもできなかった。現データの処理をするため、アルバイトへの謝金のみが使用したものとなった。
|
