| 研究課題/領域番号 |
20K20258
|
|---|
| 研究機関 | 公立諏訪東京理科大学 |
|---|
研究代表者 |
橋本 幸二郎 公立諏訪東京理科大学, 工学部, 講師 (00756588)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 認知機能評価指標の選定 / 運転場面検出手法の提案 / 実機実験環境構築 |
|---|
| 研究実績の概要 |
実運転行動データからドライバの認知機能検査を可能とするシステム構築を目的としている。2020年度では、①認知機能の評価指標、運転場面、そして当該の運転場面で観測すべき対象の定義、②当該の運転場面と観測対象を検出する手法を検討、③実機実験環境の構築を計画している。
課題①に対して、既存の認知機能評価実験の文献を参考に定義した。運転場面において、認知機能評価の可不可は交差点や右折道路等の固定場面ではなく、その場面にドライバが認知すべき対象が存在し、かつその対象の存在が運転操作に影響を与える場面と考えられる。それ故、運転操作に影響を与える対象の個数を基準に運転場面を3クラスに分類した。そして、認知対象に対してTTC(Time to Collision)を用いて認知機能評価を行う。
課題②に対して、走行映像と運転操作データを収集し、この収集した運転データから所望する運転場面を検出できる識別器生成手法を検討する。現在は教師あり学習と教師なし学習の両アプローチで検討している。教師あり学習では、収集したデータから認知評価可能場面を目視でラベリングし、深層学習に基づき識別器を学習させる。ここではConvolutional Variational AutoEncoderとLong Short Term Memory Networkを組み合わせたモデル構造を提案し、現在その有効性を検証している。教師なし学習では、操作変更が伴う区間には何らかの認知対象が存在すると仮定し、収集した一連の運転データから当該区間を自動分節化する手法を提案している。具体的にはCoupled GP-HSMMとVariational AutoEncoderを組み合わせた手法を提案し、現在その有効性を検証している。
課題③に対してCANデータと走行映像を収集可能な電気自動車コムスをレンタルすることで実機実験環境を整えた。
|
| 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
コロナ感染に伴う学内対応に伴い、研究エフォートが減少したのが主な理由である。ドライビングシミュレータによる運転場面の構築とデータ収集が進んでおらず、運転場面の検出手法の有効性検証にまで至っていない。
|
| 今後の研究の推進方策 |
実験車両のデータ収集を既に開始していることから、運転場面の検出手法の有効性は実際の運転行動データで評価を行うことで遅れは解決できる。また、ドライビングシミュレータの運転場面構築とデータ収集は引き続き行い、2021年度の計画であるシミュレータ環境モデルを実環境へ転移する手法を提案、有効性を検証する。
|
