权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Automatic Identification of Sidewalk Pavement Using Vibration During Wheelchair Driving and Evaluation of Physical Burden on Passengers

利用轮椅行驶过程中的振动自动识别人行道路面并评估乘客的身体负担

基本信息

批准号：
21K04222
负责人：
大橋智志
金额：
$ 2.58万
依托单位：
Nagaoka University of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

本格的な人口減少社会に突入した日本では、都市のコンパクト化（都市構造の集約化）により生活圏を一定範囲内に集中させ、徒歩での移動を想定した道路整備が進められている。しかし、車いす利用者にとっては、景観重視のための舗装材料の使用や沿道の車道整備状況を考慮した縦断・横断勾配の歩道路面などにより、車いすでの走行が困難な歩道が数多く存在している。また、歩道の効果的かつ効率的な調査や客観的なデータに基づく合理的な路面評価までが十分に行われていない問題もある。本研究の目的は、車いす走行時の観点から歩道路面の整備を実現するために、舗装種類別における車いすからの振動情報と搭乗者の身体負担情報を組み合わせた路面評価方法を確立することにある。本研究では、車いす、搭乗者、歩道路面から得られる各種センサデータに対し、深層学習を用いて舗装種類の高精度な自動判別と搭乗者の身体負担を評価する。歩道路面には、アスファルト系混合物、透水性アスファルト系混合物、コンクリート系、ブロック系などの主な舗装種類を想定している。今年度の実施内容は、歩道と仮定する舗装路面を車いすで走行した際に計測した振動データに基づき、スペクトログラム画像を作成した。次に、このスペクトログラム画像を入力として畳み込みニューラルネットワーク（Convolutional Neural Network）を用いた舗装種類の自動判別に取り組んだ。対象となる舗装路面は、アスファルト舗装2種類、インターロッキングブロック舗装2種類、木目調樹脂製路面、アスファルト舗装の6種類とした。各舗装路面の判別精度が76%以上であったことから、本手法による舗装路面の判別が有用であることを確認した。引き続き、学習用データの増加、アルゴリズムおよびパラメータパターンの修正等を行い、判別精度の向上にも取り組む予定である。

In Japan, the population of the city is insufficient, and the urban structure is intensive. The living circle is concentrated within a certain range, and the movement is planned. The road preparation is progressing. For those who use vehicles, the use of loading materials and the lane preparation conditions along the road should be taken into account, such as the importance of the scenery, the intersection and the matching of the walking paths, and the difficulty of walking for vehicles. There are many walking paths. The investigation of the efficiency of the road, the investigation of the efficiency of the road and the investigation of the efficiency of the road. The purpose of this study is to establish a method for evaluating road conditions by combining vehicle vibration information and rider burden information. This study aims to evaluate the physical burden of vehicle, rider, and road users with high accuracy, automatic identification of vehicle types, and deep learning. Road surface, water permeability, water permeability, water permeability This year's implementation of the content of the road, road, road Next, the selection of the image into the force of the middle class (Convolutional Neural Network) to use the automatic identification of the type of the middle class 2 types of road surface, 2 types of road surface, 6 types of road surface, 6 types of road surface The accuracy of the identification of each installed road surface is more than 76%, and the identification of the installed road surface is useful. Introduction, increase of data for learning, correction of data for learning, upward selection of discrimination accuracy, predetermined selection, etc.