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。
ITS(Intelligent Transportation System)において,二輪車向けの安全運転支援システムは,二輪車特有の車体運動の複雑さから開発されていないのが現状である。そのため我々は,二輪車のITSサービスの創出のために,二輪車の車体挙動に関するデータを収集し二輪車運動を解明するためのコーパスを作成している。このコーパスでは,後に機械学習で挙動を解析するために,データに挙動の種類などをラベル付けする必要がある。大規模なコーパスを作成することを目標にするため,取得したデータに自動的に正解のラベルが付けられることが望まれる。モーションデータへの自動ラベル付けは,対象が人間の行動の場合は複雑で困難だが,二輪車は道に沿って走行する,可動部が少ないなどの制約が多いためラベル付けが自動化できると考える。GPSによる位置情報を使用し,移動の曲率があるしきい値より大きかった地点を抜き出すことで,右左旋回の正解ラベルをつけることが可能となる。また,この位置情報によって作成されたラベル付きデータを使用し,SVM(Support Vector Machine)を用いることでより詳細なラベル付けを行う。本稿では,コーパスを作成するために,機械学習とGPSによる位置情報を用いて正解ラベルを取り付けるための分類方法を提案する。二輪車にセンシングデバイスを取り付け収集したデータを,SVMの解析によって分類する実験を行った。SVMでの解析では特徴量の次元数の削減が問題となったが,200次元の特徴量を6次元に削減し良好な結果を得た。6次元の特徴量で学習させたSVMで,90%を超える正確度で分類ができることを示し,詳細な動作のラベル付けが可能であることを示した。(著者抄録)