5分で分かる最新キーワード解説
無意識の動作で未来を予測する「ドライバー挙動解析渋滞予測」とは？（3/4 ページ）
シミュレーションで分かった走行相の判別法
シミュレーションは、自由走行相、メタ安定相、渋滞相が存在する高速道路のモデルを利用し、20人の被験者に模擬走行してもらい、ステアリング操舵角度、スロットル開度、速度の計測を行った。その結果の一例は図3のようになり、自由走行相とメタ安定相では明らかに違う特徴を見いだすことができた。
図3 走行データの分析例（出典：芝浦工業大学 運転支援システム研究室）
しかし、被験者によって運転の「クセ」が違い、特徴の表れ方に個人差があることも同時に分かった。図3の被験者の場合は速度変動と操舵量に特徴が表れるが、他の被験者の場合は操舵量よりもスロットル変化の方が特徴的な変化を示すといった具合だ。
このような個人差の影響が出ない特徴量を抽出するのが次の課題だ。伊東教授はそれぞれの走行相の各計測値の変化の振幅を周波数成分の分布の違いとして捉え、その分散値をとることにした。
分散の検討には、このような非線形性を示すデータのパターン分類や、多変量の処理を行うのに好適なニューラルネットワークシステムが利用された。その結果を、「ステアリング操舵角度」「スロットル開度」「速度」の周波数成分分散値を3次元にプロットしたのが図4だ。
図4 3つの計測値の周波数成分分散を3次元プロット（出典：芝浦工業大学 運転支援システム研究室）
図4に見る通り、3次元グラフには自由走行相とメタ安定相の特徴がくっきりと分離できた。個人差を超えて、ドライバーモデルとして利用できることが分かる。
Copyright © ITmedia, Inc. All Rights Reserved.
5分でわかる最新キーワード解説
この記事の著者
こんなメディアも見られています
キーマンズネットに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
SpecialPR
アクセスランキング
-
1
NTTドコモ、「正しく質問させる」をやめ、“聞き返すAI”で変える顧客対応
-
2
PostgreSQLより1.81倍高速？ 開発者がSQLの実行を小型AIに丸投げしてみた結果：898th Lap
-
3
「Copilot案件」が急増、1年半で13倍に フリーランスに求められるニーズの変化
-
4
資料作成が月32時間から4時間に トラコムが生成AIで「月28時間削減」した方法
-
5
小規模チームの勤怠管理をSlackで Assortがfreee連携、打刻や転記の手間を削減
-
6
自治体、企業で進む「Google回帰」 事例で分かる「Gemini Notebook」の活用アイデア
-
7
AIに仕事を任せるほど、セキュリティは困難に？ Akamaiが警鐘を鳴らす「AIのふるまい」
-
8
証券口座を狙う不正アクセス、光世証券が「パスキー」に切り替えた理由
-
9
AI同士が取引する時代、「相手は誰か」をどう確認する？ GMOが信頼基盤を実証
-
10
Microsoftが進めるCopilot再編 「Microsoft Copilot」への移行で、企業への影響は？
キーマンズネット SNS
@Keymansをフォロー
インフォメーション
注目情報をチェック
キーマンズネットをフォロー