新興国に見られる二次元混合交通の認知ネットワークに基づく特徴抽出

本研究は、新興国の渋滞緩和を目指し、二次元混合交通の特徴的な車列順を抽出することを目的とした。具体的には以下の項目に取り組んだ。【1, 新興国交通のビデオデータ解析】車列順の特徴を抽出するにあたり、実交通中の車両の位置情報をビデオデータから抽出する作業を行った。具体的には、インドで撮影したビデオデータから、車両を選択し半自動で走行位置を追尾するソフトウェアを作成した上で、計およそ5000台（4時間）の走行軌跡データを取得した。視覚的重なりにより使用できないデータも存在するものの、様々な車種（自転車・バイク・オートリクシャー・乗用車・トラック・バス）を含む走行軌跡データの取得に成功し、所望の解析が可能となった。【2, 二次元交通においてドライバーが認知する車両関連性の測定】一方車列順を定めるためには、ドライバーが他の車両をどのように認知しているかを定量化する必要がある。例えば、正面で同じような速度で走行する前走車は追従対象となり得、斜め前方を遅い速度で走行する前走車は追い抜きの対象となるだろう。本研究では、その認知の違いを各前走車の減速に対する挙動の違いであるとし、様々な位置に配置された前走車の減速に対する挙動を、ドライビングシミュレータを用いて測定した。結果、前走車の位置によって減速に対する反応の遅れと強度が様々に変化する事が明らかになり、現在そのモデル化を進めている。【3, 一次元混合交通における各車種の運転特徴の解析】さらに、実験コースにおけるバイク・乗用車・トラックを用いた追従走行実験データを用いて、各車種の特徴的な運転挙動を抽出した。時系列データに対する決定木学習を用いることで、stop-and-goにおいて各車が任意のフェーズで見せる特徴の抽出が可能となった。2の結果と合わせることで、二次元混合交通で各車種を運転するドライバーの認知の違いを表現できる可能性がある。

本研究は、新興国の渋滞緩和を目指し、二次元混合交通の特徴的な車列順を抽出することを目的とした。具体的には以下の項目に取り組んだ。【1, 新興国交通のビデオデータ解析】車列順の特徴を抽出するにあたり、実交通中の車両の位置情報をビデオデータから抽出する作業を行った。具体的には、インドで撮影したビデオデータから、車両を選択し半自動で走行位置を追尾するソフトウェアを作成した上で、計およそ5000台（4時間）の走行軌跡データを取得した。視覚的重なりにより使用できないデータも存在するものの、様々な車種（自転車・バイク・オートリクシャー・乗用車・トラック・バス）を含む走行軌跡データの取得に成功し、所望の解析が可能となった。【2, 二次元交通においてドライバーが認知する車両関連性の測定】一方車列順を定めるためには、ドライバーが他の車両をどのように認知しているかを定量化する必要がある。例えば、正面で同じような速度で走行する前走車は追従対象となり得、斜め前方を遅い速度で走行する前走車は追い抜きの対象となるだろう。本研究では、その認知の違いを各前走車の減速に対する挙動の違いであるとし、様々な位置に配置された前走車の減速に対する挙動を、ドライビングシミュレータを用いて測定した。結果、前走車の位置によって減速に対する反応の遅れと強度が様々に変化する事が明らかになり、現在そのモデル化を進めている。【3, 一次元混合交通における各車種の運転特徴の解析】さらに、実験コースにおけるバイク・乗用車・トラックを用いた追従走行実験データを用いて、各車種の特徴的な運転挙動を抽出した。時系列データに対する決定木学習を用いることで、stop-and-goにおいて各車が任意のフェーズで見せる特徴の抽出が可能となった。2の結果と合わせることで、二次元混合交通で各車種を運転するドライバーの認知の違いを表現できる可能性がある。