スマートフォンを用いた電気自動車の検知に対する機械学習によるアプローチ

• Item type: Journal(1)
• 公開日: 2017-10-15
• タイトル: スマートフォンを用いた電気自動車の検知に対する機械学習によるアプローチ
• タイトル / 言語: en
• タイトル: A Machine Learning Approach for Electric Vehicle Detection on Smartphones
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [特集：ユビキタスコンピューティングシステム（Ⅵ）(特選論文)] 電気自動車，ハイブリッド車，スマートフォン，センシング，車両検知，事故予防
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 東京大学大学院情報理工学系研究科
• 著者所属: 東京大学大学院情報理工学系研究科
• 著者所属: 東京大学大学院情報理工学系研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science and Technology, The University of Tokyo
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science and Technology, The University of Tokyo
• 著者所属(英): en
• 著者所属(英): Graduate School of Information Science and Technology, The University of Tokyo
• 著者名: 高木, 雅; 川原, 圭博; 浅見, 徹
• 著者名(英): Masaru, Takagi; Yoshihiro, Kawahara; Tohru, Asami
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 電気自動車やハイブリッド車の普及が進むにつれて，その高い静音性ゆえに歩行者が交通事故に遭うリスクが高まりつつある．本稿では，多くの歩行者が持ち歩いているスマートフォンの余剰演算能力を活用し，機械学習により電気自動車やハイブリッド車の接近を高精度に判定する手法を提案する．我々の手法では，電気自動車やハイブリッド車を駆動するためのモータユニットが発する特徴的な高周波音を手がかりとして，歩行者側で車両検知を行うため，車両側にはいっさい特別な設備を必要としない点が特徴である．また，機械学習を用いることで，環境雑音や車種，車速の違いに対する高いロバスト性を実現している．本手法では，スマートフォンの内蔵マイクで録音した環境音を，高速フーリエ変換を用いて周波数領域のエネルギー分布に変換して特徴量とし，4車種，4車速，4環境での実際の走行音データを用いて事前に学習したJ48分類器を用いて，接近車両の有無，車速，車種を推定する．我々の評価実験では，本手法を用いることで，接近車両の有無を92.8%の精度で判定でき．見落とし率は5.2%であった．また，歩行者に近づいてくる車両と遠ざかっていく車両を明確に区別できる点も特筆すべきである．最も早い場合では，最接近の16.5秒前には車両の存在を検知でき，また，複数の車両が同時に存在する場合でも，接近車両の存在を正しく判定できる．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: As electric vehicles (EVs) and hybrid vehicles (HVs) are becoming more and more popular, pedestrians are more at risk of traffic accidents with such quiet vehicles. In this paper, we propose a machine learning approach for EV/HV detection on smartphones carried by pedestrians. Our approach exploits the high-frequency signature sound generated by the motor units in the vehicles and does not require any special equipment on the vehicle side. Our machine learning approach is robust over the ambient noise, vehicle type and vehicle speed. In our approach, we capture the high-frequency sound with a microphone on smartphones and extract the energy distribution in the frequency domain. Then, we determine whether an EV or HV is approaching, the vehicle speed and the vehicle model with a J48 classifier prebuilt with the learning dataset, which includes the actual sounds collected with four EV models driving at four speeds, in four environments. In our evaluation experiments, we can detect EVs in 92.8% accuracy and the false-negative rate was 5.2%. The earliest detection was 16.5 seconds before the vehicle approached the nearest point to the observer. Moreover, even when plural vehicles are approaching to the observer at the same time, our system can detect them correctly.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 58, 号 10, p. 1617-1627, 発行日 2017-10-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764