| 研究課題/領域番号 |
20K11793
|
|---|
| 研究機関 | 公立はこだて未来大学 |
|---|
研究代表者 |
白石 陽 公立はこだて未来大学, システム情報科学部, 教授 (90396797)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 高度道路交通システム（ITS） / 公共交通 / ナビゲーション / 路面状況推定 / 運転特性センシング |
|---|
| 研究実績の概要 |
本研究の目的は，MaaS（Mobility as a Service）における快適性向上のための要素技術として，モバイルセンシングデバイスを用いた道路状況および運転特性のセンシング技術を開発することである．これらの要素技術を開発することで，利用者が安心して快適に利用できるモビリティプラットフォームの実現が期待できる．
MaaSによるトータルナビゲーションを実現する上で，出発地から目的地までの移動経路の快適性は重要な要素である．バスなどの公共交通を利用する場合，乗車地点まで徒歩で移動せざるを得ない状況は多い．特に，寒冷地の冬季環境では，積雪や凍結などの歩道の路面状態が移動の快適性に大きく影響する．また，バスやタクシー，デマンド交通などの公共交通を利用する際に，ドライバーの運転特性は乗客の快適性に影響する可能性がある．
これらの背景を踏まえて，2020年度は，基礎的検討として，まず，モバイルセンシングデバイスを用いた歩道の路面状況推定手法の検討を行った．この研究では，歩行時に足裏にかかる圧力の分布（足圧）に着目し，インソール型のモバイルデバイスを用いて足圧データを収集し，足圧に基づく路面状況推定手法を検討した．砂利道，凹凸路面，平坦な路面だけでなく，積雪路面や凍結路面などの冬季特有の路面の状態推定の実現を目指す．評価実験を行った結果，両足の足圧データを用いることで，冬季環境における典型的な路面状態を高精度に分類できることを示した．
次に，車両挙動データを用いた運転特性の抽出手法の検討を進めた．車載スマートフォンのセンサを用いて車両挙動に関する時系列のセンサデータを収集し，分析を行った．右左折と停止を含む車両挙動データを収集し，評価実験の結果，一定の精度でドライバー分類ができることを示している．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
2020年度は，MaaSにおける快適性向上のためのモバイルセンシング技術を開発するにあたって基礎的な検討を進めた．まず，モバイルセンシングデバイスを用いた道路状況センシングについては，歩道を対象として足圧に基づく路面状況推定手法の検討を行った．研究の初期段階では，片足のみのデータを用いて推定を行っていたが，両足のデータを用いることで推定精度が向上し，また，冬季特有の凍結路面，積雪路面，圧雪路面，および，平坦な路面の4種類の路面の分類実験の結果，9割以上の推定精度が得られている．
次に，ドライバーの運転特性のセンシング技術については，ドライバーの運転特性が運転操作結果である車両挙動に現れるという着想から，加速度センサや角速度センサを搭載したスマートフォンを車載し，車両挙動に関わる時系列センサデータを収集し，分析を行った．収集データの抽象度に着目した分析を行った結果，データ抽象度が低い方がドライバー分類の精度が高くなる傾向が見られた．
さらに，MaaSを構成する交通手段として，近年フルデマンド交通が注目されており，利用者の快適性は重要な観点である．例えば，道路の凸凹などの路面状況が推定できれば，振動の少ない道路を選択し走行することで，利用者の快適性を向上させられる可能性がある．将来的に，路面状況推定の結果やドライバーの運転特性の抽出結果を反映することも視野に入れて，フルデマンド交通における利用者の快適性を考慮した配車手法の検討も行った．
以上より，研究は，おおむね順調に進展していると考える．
|
| 今後の研究の推進方策 |
2021年度は，まず歩道の路面状況推定手法については，有効な特徴量の検討を進める．現状では，インソールの5箇所に圧力センサを装着し，圧力センサ値の基本統計量や共分散などを特徴量として用いて分類を行っている．しかしながら，歩行時の足圧データは時間的に変化する時系列データであるため，今後は，時系列的な特徴を捉えられるような特徴量を検討する予定である．また，提案手法の汎用性を評価するためには，被験者数が少ないため，より多人数の被験者での実験を行う必要があるが，センサデバイスが有線で接続されているため，被験者に使いやすい状態とは言えない．そこで，インソール型デバイスの無線化も検討している．
次に，運転特性のセンシング手法については，抽象化データと非抽象化データそれぞれによる比較実験を行い，どちらの手法が有効であるか検討を進める予定である．具体的には，抽象化データについては，文字の種類によってデータ抽象度を調節できるSAX (Symbolic Aggregate Approximation) に基づく手法を適用し，非抽象化データについては，Dynamic Time Warping などの時系列分析の方法を適用することを検討している．また，現状では，理想環境（周辺車両のない平坦な路面）で収集したデータを利用して，データ分析を進めているが，実環境を想定した場合，ドライバーの運転特性は，天候や気象条件，道路形状など周辺環境の影響を受けると考えられる．したがって，多様な条件でデータ収集を行う必要があるが，実環境では条件の再現が難しい場合も考えられるため，VRシミュレータの利用も検討している．
|
| 次年度使用額が生じた理由 |
2020年度は，新型コロナウイルス感染拡大の影響を受け，研究成果の発表の場がすべてオンライン学会として開催された．したがって，学会発表のための旅費支出が不要となり，次年度使用額が生じた．2021年度の研究予算の主な使途は，追加実験や評価のための実験機材の購入，実験協力者への謝金，研究成果の対外発表のための参加費・旅費などである．学会発表での対面での議論は貴重な機会であるため，安全に参加できる状況になれば，そのための出張旅費としての利用も想定する．
|
