|
危険なシナリオにおいても，安全に走行できるよう自動運転車の実現を目指して，課題に取り組んだ．
交通シミュレータ―SUMOベースのプラットフォームと実交通データセットNGSIMを採用して，畳み込みニューラルネットワークを用いて，車線変更の意思決定モデルを作成した．高速道路シナリオで性能検討を行い，SUMOベースの試験における横方向の判断の精度は、トレーニングデータセットで99.82%，テストデータセットで99.48%であった。また、対応する縦方向の誤差はそれぞれ0.0178と0.0318であった。複雑な交通流の中で適切な運転動作が行われたことが示された。
車両ダイナミクスの定量評価方法を提案し、ロードコース、ダブルレーンチェンジ、急加速などの典型的なシナリオを用いて性能を検討した．それぞれのシナリオについて、車両の力学的応答と評価指標の有効性を検討した。車速や路面摩擦係数の違いが指標値に与える影響を分析し，車両の力学状態を定量的に評価できることを示した。ドライビングシミュレータ実験を行い、異なるドライビングスタイルの典型的な指標を分析し、提案する性能評価手法の有効性を検討した。本手法により、車両の力学的安定性や乗り心地を定量評価することが可能であることが示された。将来は，自動運転車の走行性能を正確かつ客観的に試験することが可能になると期待される。
曲線やダブルレーンチェンジを含む様々な典型的なシナリオにおいて，提案するゲーム理論的シャシ領域制御アプローチの性能を検討した。従来の前輪操舵を用いた線形二次レギュレータやフィードフォワードフィードバック（FFFB）制御器と比較した．提案手法は、従来手法と比較して，安定性を保ちながら，設定された軌道と速度に対して，より正確に追従させることができることが示された．
|
