2段階機械学習を用いた危険予測システムアーキテクチャの提案

• Item type: SIG Technical Reports(1)
• 公開日: 2022-03-04
• タイトル: 2段階機械学習を用いた危険予測システムアーキテクチャの提案
• タイトル / 言語: en
• タイトル: A Hazard Anticipation Systems Architecture Using Two-Staged Machine Learning
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 機械学習工学(SE4ML)
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 南山大学
• 著者所属: 南山大学
• 著者所属: 南山大学
• 著者所属: 南山大学
• 著者所属: 南山大学
• 著者所属(英): en
• 著者所属(英): Nanzan University
• 著者所属(英): en
• 著者所属(英): Nanzan University
• 著者所属(英): en
• 著者所属(英): Nanzan University
• 著者所属(英): en
• 著者所属(英): Nanzan University
• 著者所属(英): en
• 著者所属(英): Nanzan University
• 著者名: 加地, 智也; 飯盛, 天翔; 青山, 幹雄; 野呂, 昌満; 沢田, 篤史
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 自動運転や運転支援のソフトウェアとして様々なシステムが提案されている．特に危険予測などでは，交差点など多様な交通状況を想定する必要があり，その状況が持つ複雑性から因果関係を定式化することが稀なので機械学習技術が用いられる．これらの機械学習技術においては，技術の発展に伴い新たな手法が次々と提案されてくる．一方で，危険予測では，実行効率と予測精度のトレードオフが存在する．本研究では，関連技術の進化に追随しながら，実行効率と予測精度を適切に考慮して危険予測システムを開発するための基盤として，2 段階の機械学習を用いたソフトウェアアーキテクチャを提案する．危険予測では周辺の状況を検知する 1 段階目と，検知されたデータから予測を行う 2 つの機能が必要となり，それぞれに特化した手法があるのでそれらを組み合わせる．提案方法を実際のデータやシミュレーション環境に適用し，予測の精度を確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: A variety of software intensive systems have been proposed for automatic driving and driving support. In particular, hazard prediction functions often employ machine learning based method since these functions are required to adapt various traffic situations. New methods are proposed as technology develops in the relevant area. Moreover, there are trade-off relationships among the required properties of hazard prediction system. For example, prediction accuracy conflicts efficiency. These conflicting requirements often make the system implementation very difficult. Considering the possibility of change, we propose a software architecture that uses two-stage machine learning. Machine learning modules in the first stage of our architecture work to detect traffic circumstances around the car. Modules in the second stage work to estimate the degree of danger from circumstantial properties acquired in the first stage. We have applied the proposed method to actual data and simulation environment, and confirmed the accuracy of the prediction.
• 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: AN10112981
• 書誌情報: 研究報告ソフトウェア工学（SE）; 巻 2022-SE-210, 号 16, p. 1-8, 発行日 2022-03-04
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8825
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会