抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
交通事故における死亡事故の原因として漫然運転によるものが最も多いとされている。そのため,衝突リスク評価の検討や,緊急時ブレーキ支援システムの開発などの交通事故を未然に防ぐためのドライバ支援システム(ADAS)の開発が活発に行われている。通常時のドライバの運転と異常時のドライバの運転を判別できれば,異常運転時にはブレーキ警報によってドライバに危険を告知し,事故を未然に防ぐことが可能であるが,従来のブレーキ警報システムでは警報を出す基準があらかじめ定められているため,ドライバによってはブレーキ警報が過度に作動すると感じて警報装置を停止させる恐れがあった。そこで本研究では,車間距離に基づく衝突リスク指標を利用し,機械学習技術により警報しきい値を適応的に設定するシステムを構築した。本システムは,車間距離に基づく衝突リスク指標であるTTC2を用い,異常運転時にブレーキ警報によってドライバに危険を告知する。本システムは運転データを利用して警報しきい値を適応的に設定するため,その危険度をドライバの嗜好に合わせることが可能である.また,ブレーキ時系列のモデル化にはHMMを用い,異常検知には尤度を用いることにより,異常ブレーキ時のデータを学習データから除外するデータ選択法を採用している。これにより,学習データに含まれる異常データによる警報しきい値のばらつきを防ぐことができる。なお,本研究で利用しているブレーキ警報システムは,オフラインで学習したものであれば実際に搭載可能であることを実験車によって確認している。