AIアルゴリズムがドライバーの作業負荷を監視することで道路安全性を向上

ケンブリッジ大学の研究者がJaguar Land Rover（JLR）と協力して開発した適応型アルゴリズムは、ドライバーが運転中に車載システムと安全に相互作用したり、メッセージを受け取ったりできる時期を予測することで、道路安全性を大幅に向上させる可能性があります。この革新的なアプローチは、オンロード実験と機械学習技術を組み合わせ、ドライバーの作業負荷を継続的に測定し、変化する条件やドライバーの行動に応じてリアルタイムで調整することを可能にします。

強化された道路安全性のための適応型アルゴリズム

研究者によって開発されたアルゴリズムは非常に適応性が高く、ドライバーの作業負荷、道路条件、道路の種類、ドライバーの特性の変化に対応できます。これは、機械学習とベイズフィルタリング技術の組み合わせを利用して、ドライバーの作業負荷を継続的に評価します。例えば、見知らぬ地域での運転や渋滞は高い作業負荷を示す可能性があり、日常の通勤は低い作業負荷を示す可能性があります。

この技術の主な目的は、ドライバーと車両の相互作用をカスタマイズすることで道路安全性を向上させることです。例えば、ドライバーは低い作業負荷の期間中に非緊急のメッセージや通知に警告され、より困難な運転シナリオ中に道路への完全な集中を維持できるようになります。

車内でのデータの増加は、ドライバーの注意散漫を引き起こす可能性があり、道路安全性にとって大きなリスク要因となる可能性があります。この課題に対処するには、ドライバーの作業負荷を継続的に評価するシステムを整備することが重要です。ドライバーの関与のレベルと道路条件を理解することで、システムは情報をドライバーに提示するかアラートを出す時期を優先し、それが低い作業負荷の期間中に発生するようにします。

ドライバーの作業負荷の測定

アイガズトラッカーや生体データを使用してドライバーの要求を測定する既存のアルゴリズムがありますが、ケンブリッジの研究者たちは、ステアリング、加速、ブレーキデータなどの運転パフォーマンス信号など、どの車両からも入手可能なデータに依存するアプローチを開発することを目指しました。このアプローチにより、生体センサーからのデータ（利用可能な場合）を含む、さまざまな非同期データストリームの消費と融合が可能になります。

ドライバーの作業負荷を測定するため、研究者たちは周辺検出タスク（Peripheral Detection Task）の改良版を用いた公道実験を実施しました。参加者は、ナビアプリを表示するスマートフォンで赤色LEDが一定間隔で点滅する低負荷シナリオを検知した際、指に装着したボタンを押すよう求められました。ビデオ分析とボタンデータにより、混雑した交差点でのナビゲーションや不審な車両挙動の遭遇など、高負荷状況の特定が可能になりました。

適応型機械学習フレームワーク

実験中に収集されたデータは、教師あり機械学習フレームワークの開発と検証に使用されました。このフレームワークは、平均作業負荷に基づいてドライバーのプロファイリングを行い、ベイズフィルタリング技術を用いてドライバーの瞬間的な作業負荷をリアルタイムで推定します。マクロおよびミクロの負荷指標を組み合わせることで、同じ車両であっても異なる道路種別、条件、またはドライバーに適応することができます。

ジャガー・ランドローバー（JLR）との研究協力では、実験設計とデータ収集が行われました。ヒューマンマシンインターフェースのシニアテクニカルスペシャリストであるリー・スクリプチュック博士は、ユーザーの視点からデザインの影響を理解する上でこの研究の重要性を強調しました。JLRの車両内での通知やインタラクションのタイミングを最適化することで、安全性とドライビングエクスペリエンスの向上に寄与すると期待されています。

安全性の継続的な向上

この適応型アルゴリズムを使用することで、車両はドライバーに対して適切なタイミングで通知やインタラクションを提供でき、高負荷シナリオ中の注意散漫によるリスクを低減します。この技術は、特に過酷な運転状況においてドライバーが道路に集中し続けることを保証することで、道路安全性の向上に向けた重要な一歩を表しています。

ケンブリッジ大学での研究は、シモン・ゴッズィル教授の指導のもと、工学部信号処理・通信研究所（SigProC）の研究者チームによって実施されました。バシャール・アフマド博士が率いるこのチームには、プロジェクトの成功に貢献したネルミン・カベル博士とジャミーン・リャン博士が含まれていました。

車両内の接続性が高まる時代において、ドライバーの作業負荷を監視し適応させることは、道路安全性にとって不可欠です。ケンブリッジ大学とジャガー・ランドローバーの共同開発による革新的なアルゴリズムは、この課題に対する有望な解決策を提供します。安全性を優先し、ドライバーと車両のインタラクションを最適化することで、この技術は道路での注意散漫を減らしながら、全体的なドライビングエクスペリエンスを大幅に向上させる可能性があります。