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

Toward Self-Driving Safety: Chassis Dynamics Domain Control for Automated Vehicles

迈向自动驾驶安全：自动驾驶车辆的底盘动力学域控制

基本信息

批准号：
21F21362
负责人：
中野公彦
金额：
$ 0.64万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2021
资助国家：
日本
起止时间：
2021-11-18 至 2023-03-31
项目状态：
已结题

项目摘要

申請者は、人間が本来持っている運転メカニズムに着想を得て、動的な交通流を多くの情報が含まれる画像によって表現し、畳み込みニューラルネットワーク（CNN）に基づいて収集した運転データセットから、運転戦略を学習する包括的な深層学習方式を開発することを試みている。自車両を取り巻く交通流の包括的かつ動的な特徴を効果的に捉え、全ての近隣車両の時空間情報を処理することで、動的な運動を画像によって表現する。次に、時系列の時空間画像と、ラベル付けされた運転行動を、提案するCNNモデルに供給する。このネットワークは、基盤となる運動パターンを抽出し、横方向の操作と縦方向の速度の両方を含む、適切な運転行動を学習することができる。交通データセットを収集し、提案手法を検討するために、Simulation of Urban Mobility (SUMO)に基づくシミュレーション・プラットフォームを構築した。また、提案手法の性能をさらに評価するために、次世代シミュレーション（NGSIM）の実交通のデータセットも調査した。その結果、提案手法の有効性が典型的な高速道路シナリオで実証された。提案手法は自動運転車両の実装に貢献することが示唆された。これらの成果は1件の雑誌論文と1件の査読付き国際会議にて発表された。自動制御車両のシャシダイナミクスを研究することを計画していたが、自動運転車両のアーキテクチャ全体の観点から、意思決定モジュール、人間の主観的経験、シャーシ制御モジュールについて研究を行い、想定以上の成果を上げることができた。

The applicant and the person were supposed to use the information of traffic flow, including the representation of the picture, the collection of the information system (CNN), and the method of in-depth learning, which is included in the general learning program. The auto-tracking traffic flow includes the capture of the special results of the traffic flow, the full-time and space-time monitoring of the traffic flow, and the display of the action portrait. A series of time and time series of time and space portraits, payment for action pictures, and proposals for CNN pictures to be provided to the audience. It is necessary to operate in the horizontal direction, in the direction of the speed, in the direction of the speed, and in the direction of the operation. Traffic