ケンブリッジ大学の研究者たちは、ジャガー・ランドローバー（JLR）と共同で、運転中にドライバーが車載システムを安全に操作したりメッセージを受信したりできるタイミングを予測することで、道路安全性を大幅に向上させる可能性のある適応型アルゴリズムを開発しました。この革新的なアプローチは、路上実験と機械学習技術を組み合わせることで、ドライバーの負荷を継続的に測定し、変化する状況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。.
道路の安全性を高める適応アルゴリズム
研究者らが開発したアルゴリズムは適応性が高く、運転者の作業負荷、道路状況、道路の種類、運転者特性の変化に対応できます。機械学習とベイズフィルタリング技術を組み合わせることで、運転者の作業負荷を継続的に評価します。例えば、見知らぬ地域や交通量の多い場所での運転では作業負荷が高くなる可能性があり、毎日の通勤では作業負荷が低くなる場合があります。.
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、道路の安全性を向上させることです。例えば、ドライバーは負荷が低い時間帯には緊急性のないメッセージや通知を受け取るため、より過酷な運転状況においても運転への集中力を維持できます。.
車内データの可用性が高まることは、ドライバーの注意tracにつながる可能性があり、道路安全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の導入が不可欠です。ドライバーの運転関与度と道路状況を把握することで、システムはドライバーへの情報や警告の提示タイミングを優先順位付けし、作業負荷が低い時間帯に提示することを可能にします。.
ドライバーの作業負荷の測定
視線 trac装置や生体認証データを用いて運転者の運転要求を測定するアルゴリズムは既に存在しますが、ケンブリッジ大学の研究者たちは、あらゆる車両から容易に入手可能なデータ、特にステアリング、加速、ブレーキといった運転性能信号を利用するアプローチの開発を目指しました。このアプローチにより、生体認証センサーからのデータも含め、様々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。.
運転者の作業負荷を測定するため、研究者らは周辺検知課題の改良版を用いて路上実験を行った。参加者は、ナビゲーションアプリを表示したスマートフォン上で赤色のLEDライトが一定間隔で点滅し、作業負荷が低い状況だと認識した際に、指に装着したボタンを押すように指示された。ビデオ分析とボタンデータにより、混雑した交差点を通過する際や異常な車両挙動に遭遇するといった作業負荷の高い状況をdentすることができた。.
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、ドライバーの平均作業負荷に基づいてドライバーのプロファイルを作成し、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。作業負荷のマクロ指標とミクロ指標を組み合わせることで、異なる道路の種類、状況、あるいは同じ車両を使用するドライバーへの適応を可能にします。.
ジャガー・ランドローバー（JLR）との共同研究には、実験設計とデータ収集が含まれていました。JLRのヒューマンマシンインターフェース担当シニアテクニカルスペシャリスト、リー・スクリプチャク博士は、ユーザーの視点からデザインの影響を理解する上で、この研究が重要であると強調しました。この研究は、JLRの車両における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、安全性と運転体験の向上に貢献すると期待されています。.
安全性の継続的な改善
この適応型アルゴリズムを用いることで、車両は適切なタイミングでドライバーに通知やインタラクションを提供し、高負荷運転時の注意tracのリスクを軽減します。この技術は、特に過酷な運転状況において、ドライバーが道路への集中力を維持できるようにすることで、道路安全性の向上に向けた大きな一歩となります。.
ケンブリッジ大学におけるこの研究は、サイモン・ゴッズィル教授の指導の下、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チームには、ネルミン・ケイバー博士とジアミン・リャン博士も参加し、プロジェクトの成功に貢献しました。.
車内のコネクティビティがますます高まる時代において、ドライバーの作業負荷をモニタリングし、それに合わせて適応することは、道路の安全にとって不可欠です。ケンブリッジ大学がジャガー・ランドローバーと共同で開発した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。安全性を最優先し、ドライバーと車両の相互作用を最適化することで、この技術は、道路上の注意tracを軽減しながら、全体的な運転体験を大幅に向上させる可能性を秘めています。.
