移動車両からの走行音・振動データを用いた冬季寒冷地の路面凍結状況の認識

点击翻译按钮获取中文摘要

本研究では，車両走行時の空中音に着目し，その変化を認識することで冬季の路面状況を判別する手法を提案している.これらの技術が各車両に搭載され，各車両から地図情報サーバーに路面情報を蓄えられれば，生活道路なども 含めた詳細な道路情報を提供できる.これまでは，複数の路面状況の走行音をマイクで収集し，得られた音響データに対して深層学習を行ってネットワークを作成し，提案手法の有効性を検証している[1].2022年度は、提案手法において，路面の状況判別に有効となる周波数帯を検討した.実験の具体的方法は、次の通りである. 乗用車のサイドシル下部に小型マイクを設置し，冬季に宮城県仙南圏近辺を走行して空中音を収集した.得られた録音データから，圧雪，乾燥，シャーベット, 湿潤，の4種類の路面状況の音データを2秒ずつ多数切り出してサンプルとし，種類毎のクラスを作成した.なお，サンプルの数はそれぞれ200個 とした.これらのデータについて, 深層学習ソフトウェアとしてDeep Analyzerを使用し，カットオフ周波数fc=1000/2000/5000/10000Hzのローパスフィルタをかけたデータを学習用サンプルとし，4種類の路面状況をそれぞれ3つずつ選んだ計4通りのデータに対して，各周波数ごとに学習を行った.その後，前述のサンプルとは別に，4種 類の路面状況それぞれの50個のテストデータを用意し，テストデータに対して推論を行ってスコアを求めることで，提案する路面状況判別方法のうち有効となる周波数帯を検証した.圧雪/乾燥/シャーベットの判別では2000Hzをピークに、 周波数が高くなるにつれて正解率は低下した。その他の判別では，周波数が高くなるにつれて正解率も高くなった.乾燥(dry)とシャーベット(slushy)では、周波数の高い領域に類似性のある情報が多く含まれているためと考えられる。