|
平成25年度には、未来の交通手段や災害に対する人々の反応などの、実社会では収集不可能な有益な人間行動データを収集するクラウドソーシングの為の新しい手法を提案する為、対象者の動作が簡単すぎたり難しすぎたりして、ユーザが退屈や挫折する状況を避ける為のリアルタイム難易度調整を適用した。そのために2つの手法を準備する必要があった。一つは、対象者のオフライン学習であり、もう一つは、ユーザのスキルレベルに応じた難易度のオンライン調整である。オフライン調整においては、学習環境モデルを必要としない為、エコドライブ難易度生成の最適なポリシーを、学習させる為に充分な手法として採用した。エコドライブシナリオの為に、信号と車の二つの対象の学習を行い、運転パラメータを環境配慮モードに設定したコンピュータ制御の車両を用いてシミュレーションを行った。オンライン調整では、現実に近い多様な運転行動を備えた対象車を配置する為に、最も重要な状況a.追走行動b.車線変更c.交差点での行動の為のIntelligent Driver Models(IDMs)を実装し。対象車が目立たないようにユーザの課題状況を作り出すことができた。平成26年度は、分散制約最適化（DCOP）問題としてのリアルタイム難易度調整を用いたエコドライブシナリオのコーディング、ならびにSNS上のエコドライブ行動データのクラウドソーシングに関する実証研究を行った。平成27年度は、延長期間としてYahooクラウドソーシングによる実証実験を実施した。
|
