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

Detecting risky driving scenes and analyzing risk factors based on a driver risk feeling estimation model

基于驾驶员风险感受估计模型检测危险驾驶场景并分析风险因素

基本信息

批准号：
20K05014
负责人：
宮島千代美
金额：
$ 2.75万
依托单位：
Daido University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

今年度は，運転者や同乗者が走行中に感じる危険感の要因を，車載カメラ映像から推定する手法について検討した．車載カメラから得られる映像に対して，領域分割や物体検出を適用し，危険感の要因に関係すると考えられる周辺障害物の特徴量を抽出し，その特徴量を用いて危険要因を推定する枠組みで深層学習を行った．映像から特徴を抽出可能な周辺障害物は，前方車・対向車などの周辺車両，自転車や歩行者，走行の妨害となり得る電柱や建物，道路の幅員等であり，映像から抽出した周辺障害物の情報を深層学習の入力とし，走行中に運転者や同乗者が感じる危険感の要因の種類をネットワークの出力として推定するモデルを構築した．ここで，画像領域分割や物体検出によって得られる障害物の種類の中には，性質が類似したものがあるため，同じカテゴリの障害物として統合して扱うこととした．また，推定する危険要因についても，どの要因を併合して推定すべきかについて，実験を実施しながら検討した．今回実験に用いた走行映像に存在する危険要因の種類は全部で26種類であったが，その危険要因が動的な要因か静的な要因か，自車の挙動に関連する要因か，という3種類に分類した場合や，似た性質の危険要因を統合して10種類にグループ化した場合等について検討した．10種類の危険要因をフレームベースにマルチラベル推定する実験を行った結果，AUCで0.69の精度を得た．次年度は，今年度得た実験結果を基に，危険感の有無と要因を同時に推定する実験を行い，同時推定によって相乗効果を得ることができないかについて検討する．また，何秒前から危険感や要因を予測可能かといった実験も進める予定である．

This year, both drivers and co-drivers feel the danger of driving in the middle of the road, and the main causes of the danger are discussed in the method of estimation. The characteristics of the peripheral obstacle are extracted from the main cause of the hazard. The characteristics of the image can be extracted from the information of the peripheral obstacle, the vehicle in front, the opposite vehicle, the peripheral vehicle, the bicycle, the pedestrian, the obstacle, the electric pillar, the building, the road, etc. The information of the peripheral obstacle can be extracted from the image, and the information of the peripheral obstacle can be deeply learned. This is the first time that the image field has been divided into two parts: one part is the object, the other part is the kind of object, the other part is the nature of the object. The main reason for the presumption is that it is not possible to combine the main reasons and the main reasons. There are all kinds of dangerous factors in the running image of the vehicle. There are all kinds of dangerous factors. There are all kinds of dangerous factors. There are three kinds of dangerous factors. The critical factors of similar properties are integrated into 10 categories, and the accuracy of AUC is 0.69. The next year, this year's results are based on the presence or absence of a sense of danger and the main cause of the presumption. What is the second before the danger? The reason for the prediction is that the prediction is possible.

项目成果

期刊论文数量（7）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

車線変更時のウィンカ操作行動の安全性の分析

变道时方向灯操作行为的安全性分析

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
松本祐輝;池田芳樹;宮島千代美，南波庸介
通讯作者：
宮島千代美，南波庸介

Detection of potentially risky driving scenes and identification of associated risk factors

检测潜在风险驾驶场景并识别相关风险因素

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
Masahiro Ichiki;Chiyomi Miyajima;Alexander Carballo;Kazuya Takeda
通讯作者：
Kazuya Takeda

Personalized Subjective Driving Risk: Analysis and Prediction

个性化主观驾驶风险：分析与预测

DOI：
10.20965/jrm.2020.p0503
发表时间：
2020
期刊：
Journal of Robotics and Mechatronics
影响因子：
1.1
作者：
Naren Bao;Alexander Carballo;Chiyomi Miyajima;Eijiro Takeuchi;Kazuya Takeda
通讯作者：
Kazuya Takeda

Data-Driven Risk-Sensitive Control for Personalized Lane Change Maneuvers

DOI：
10.1109/access.2022.3163267
发表时间：
2022
期刊：
IEEE Access
影响因子：
3.9
作者：
Naren Bao;L. Capito;Dong-Hyuk Yang;Alexander Carballo;C. Miyajima;K. Takeda
通讯作者：
Naren Bao;L. Capito;Dong-Hyuk Yang;Alexander Carballo;C. Miyajima;K. Takeda

ドライバの操舵行動の安全性評価手法の検

驾驶员转向行为安全评价方法探讨