自動運転車両における他車両の行動推定に基づく
急制動を回避するための経路生成
一般社団法人 電子情報通信学会
1931109 西村 完一
背景
近年, 新しい交通システムの開発が進められている.
新しい交通システムの一つに自動運転車が存在しており, 自動運転車を安全に目的地
まで操作するための研究がなされている.


現在は車両に搭載されているセンサで周囲の情報を取得する提案がされているが,自
車のセンサのみを使用するため見通しの悪い交差点などでは障害物の発見が遅れる
ことによる急減速などの緊急処理が行われる恐れがある.
研究について
提案手法では, 車両の行動を監視し, 回避行動が検出された場合, 機械学習を用いて
行動推定し, その結果から後続車に対して予めの障害物回避行動を指示しておくこと
により, 後続車の急制動を回避する手法を提案した.
自動運転車の制御システム
認知
判断 操作
スタンドアロン型自動運転
・数センチの精度での自己位置特定のための周
囲の認識
・ 次に進むべき経路の生成するための経路設計
・設計された経路をたどるように操作するため
の車両制御
コネクテッドカーとエッジコンピューティング
コネクテッドカー(V2V, V2I)
参考として
近年第五世代移動通信システムである5G
アクセスネットワークの無線部分の遅延時間は
1ms未満を目標に設計が進められている
経路生成の提案
ネットワークコンピューティング
機械学習 (SVM)
推定と経路生成
実験
条件
・車両 : Toyota Estima Hybird
・障害物車両    : XinxiangHezonXinhuiVehicle Co., Ltd 社製 EV 車両
・速度 : 15km / h
・場所 : 慶応大学キャンパス内
実験結果
予測精度
まとめ
今までは自車のセンサのみを使用するため見通しの悪い交差点などでは停車車両な
どの障害物の発見が遅れることによる急減速や急停車などの緊急処理が行われる恐
れがある。
提案手法では, 機械学習を用いて行動推定し,その結果から急制動など緊急行動を回
避する手法を提案した. 結果, 80%以上の精度で障害物を予測し, 障害物が車両であっ
た場合, 急制動を抑えた経路の生成が可能であることを確認した.

Network computing 特論 プレゼン