| 講演名 | 2019-03-05 深層学習に基づく自動車の半径・内角が異なるカーブ走行時における統一的な運転スキル分析 香川 琢也(工学院大), ナイワラ P. チャンドラシリ(工学院大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 自動車技術の進歩と消費者の自動車購入意欲の結果から，将来の自動車社会では自動運転車両と手動運転車両が共存することが考えられる．しかし，手動で車両を運転すると，運転者の運転スキルが眠気や疲労により変動し，事故につながる可能性がある．このような状況では，車両が運転者の運転状況を監視し，自動運転オプションを提供することが重要である．従来の研究では，道路上のカーブの形状ごとに運転者の運転スキルの分類をしていた．本研究では，深層学習手法（積層自己符号化器）に基づいて，道路上のカーブの形状にかかわらず，統一的な仕組みで個々の運転者の運転スキルを高精度に分類する手法を提案する．実験では，ドライビング・シミュレータ上の半径・内角が異なった6つのカーブ箇所から得られた運転データを利用した．運転データに含まれるセンサ信号に信号処理を加え，積層自己符号化器を用いて運転者の運転スキルを分類した．その結果，最大で92.5%の運転スキルの認識率が記録された． |
| 抄録(英) | With the advancement of automobile technology and consumer motivation to buy automobiles, it is expected that self driving vehicles and manual driving vehicles will coexist in future automobile society. There are a number of people who are interested in driving and, they may think that the self driving vehicles are unnecessary. However, if the vehicle is operated manually, there is a possibility for driving skills of a driver to fluctuate due to drowsiness and fatigue and that may lead to accidents. In such a situation, it is important for a vehicle to monitor the driver's driving conditions and provide with a driving support system or automatic driving options. In previous research, driver's driving skills were analyzed at single curve at a time. In this research, we propose a method to classify driving skills of an individual driver with high precision using unified mechanism, regardless of shape of the curve on the road, based on deep learning (stacked autoencoders). In the experiment, the driving data obtained from the six curve points with different radii and interior angles on the driving simulator was used. Signal processing was added to the sensor signal data, and driving skills of the driver were classified using the stacked autoencoders. As a result, a maximum driving skill recognition rate of 92.5% was achieved. |
| キーワード(和) | ニューラルネットワーク / 深層学習 / 積層自己符号化器 / 運転行動 / 運転スキル |
| キーワード(英) | Neural network / Deep learning / Stacked autoencoders / Driving behavior / Driving skill |
| 資料番号 | IN2018-151 |
| 発行日 | 2019-02-25 (IN) |
| 研究会情報 | |
| 研究会 | IN / NS |
|---|---|
| 開催期間 | 2019/3/4(から2日開催) |
| 開催地（和） | 沖縄コンベンションセンター |
| 開催地（英） | Okinawa Convention Center |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 委員長氏名（和） | 岸田 卓治(NTT-AT) / 岡崎 義勝(NTT) |
| 委員長氏名（英） | Takuji Kishida(NTT-AT) / Yoshikatsu Okazaki(NTT) |
| 副委員長氏名（和） | 石田 賢治(広島市大) / 中尾 彰宏(東大) |
| 副委員長氏名（英） | Kenji Ishida(Hiroshima City Univ.) / Akihiro Nakao(Univ. of Tokyo) |
| 幹事氏名（和） | 松本 延孝(KDDI総合研究所) / 植田 一暁(KDDI総合研究所) / 加島 伸悟(NTT) / 持田 誠一郎(NTT) / 松井 健一(NTT) / 谷川 陽祐(阪府大) |
| 幹事氏名（英） | Nobutaka Matsumoto(KDDI Research) / Kazuaki Ueda(KDDI Research) / Shingo Kashima(NTT) / Seiichiro Mochida(NTT) / Kenichi Matsui(NTT) / Yosuke tanigawa(Osaka Pref Univ.) |
| 幹事補佐氏名（和） | / 橿渕 健一(NTT) |
| 幹事補佐氏名（英） | / Kenichi Kashibuchi(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Information Networks / Technical Committee on Network Systems |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 深層学習に基づく自動車の半径・内角が異なるカーブ走行時における統一的な運転スキル分析 |
| サブタイトル（和） | |
| タイトル（英） | Unified Driving Skill Analysis of Curves with Different Radii and Interior Angles of Automobiles based on Deep Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ニューラルネットワーク / Neural network |
| キーワード(2)（和/英） | 深層学習 / Deep learning |
| キーワード(3)（和/英） | 積層自己符号化器 / Stacked autoencoders |
| キーワード(4)（和/英） | 運転行動 / Driving behavior |
| キーワード(5)（和/英） | 運転スキル / Driving skill |
| 第 1 著者 氏名（和/英） | 香川 琢也 / Takuya Kagawa |
| 第 1 著者 所属（和/英） | 工学院大学(略称：工学院大) Kogakuin University(略称：Kogakuin Univ) |
| 第 2 著者 氏名（和/英） | ナイワラ P. チャンドラシリ / Naiwala P. Chandrasiri |
| 第 2 著者 所属（和/英） | 工学院大学(略称：工学院大) Kogakuin University(略称：Kogakuin Univ) |
| 発表年月日 | 2019-03-05 |
| 資料番号 | IN2018-151 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | IN-466 |
| ページ範囲 | pp.403-408(IN), |
| ページ数 | 6 |
| 発行日 | 2019-02-25 (IN) |