| 研究課題/領域番号 |
22K12000
|
|---|
| 研究機関 | 中央大学 |
|---|
研究代表者 |
吉田 雅裕 中央大学, 国際情報学部, 准教授 (60785913)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2027-03-31
|
| キーワード | CANデータ収集基盤 |
|---|
| 研究実績の概要 |
自動運転車のCANデータをサイバーフィジカルシステム（CPS）に蓄積することで，より安全な自動運転制御を実現することが期待されている．自動運転車のCANデータは，データのサイズが小さく，毎秒数千個の頻度で生成されるという特徴を持つため，大量のショートパケットを効率よくCPSに収集するためのCANデータ収集基盤が必要となる．本研究では，MEC（Multi-access Edge Computing）を活用して，自動運転車からMECサーバまでの区間はRE（Redundancy Elimination）によるCANデータのキャッシュを行い，MECサーバ上で複数のCANデータのバッファリングを行い，MECサーバからクラウドまでの区間はgzipによる圧縮符号化を行うという階層的可逆圧縮方式を提案する．2022年度は，MECを活用したCANデータ収集基盤を対象に，実際の都市交通網におけるシミュレーション評価を行い提案方式の有効性を評価した．そして，提案方式は，実際の都市交通網におけるCANデータの通信トラヒックを，モバイル網区間は63.2%，インターネット区間は86.9%削減できることを示した．また，提案方式はハンドオーバーが多発するとキャッシュヒット率が低下する．今後は，ミリ波や6Gなどの普及により，さらなるスモールセル化が進むと考えられるため，無線アクセス網においてハンドオーバーが頻発する場合の対策が必要となる．さらに，LPWAや衛星などの異なる種類の通信インフラや，他のIoTのユースケースに対して提案方式の適用を進める必要がある．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
CANデータ収集基盤の大規模シミュレーションを行い、提案方式の有効性と今後の機械学習モデルに必要なデータを生成することができた。
|
| 今後の研究の推進方策 |
今後は，無線ネットワークのハンドオーバーを予測する機械学習モデルを作成し，提案方式の性能向上を行う予定である．
|
| 次年度使用額が生じた理由 |
2022年度の消耗品の購入用途として2744円を残していたが、年度末までに使い切れなかったため、当該助成金2744円を2023年度の消耗品購入費に割り当てる予定である。
|
