LSTMを用いた高精度歩行者測位方法に関する検討

• Item type: SIG Technical Reports(1)
• 公開日: 2023-03-01
• タイトル: LSTMを用いた高精度歩行者測位方法に関する検討
• 言語: jpn
• 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: 電気通信大学
• 著者所属: 電気通信大学
• 著者所属(英): en
• 著者所属(英): The University of Electro-Communications
• 著者所属(英): en
• 著者所属(英): The University of Electro-Communications
• 著者名: 井上, 真樹; 湯, 素華
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 近年，交通事故の防止のため，安全運転支援システムや自動運転などの技術が提案されている．その中に，歩行者と車両の衝突事故を防止する手段として，歩行者が携帯端末で計測した自位置を周囲の車両へ発信する歩車間通信が挙げられる．この手法によって，車両に搭載されたカメラやセンサ等では不可能な，死角にいる歩行者の検知が可能となるが，その効果は歩行者の測位精度に大いに依存する．一般的に，歩行者の測位には GPS 衛星の信号に基づく方式が用いられるが，都市部など，周囲に建物が多い環境では，電波の遮蔽の影響で衛星から歩行者へ信号が届きにくくなることで測位精度が劣化する．この問題に対し，GPS による測位に加え，車両が車車間通信で自身の位置情報等を周辺車両へ配信するパケットを歩行者の携帯端末が傍受し，信号強度から歩車間の距離を推測することで，車両を測位の基準点として歩行者の測位精度を高める方式が既に提案されている．先行測距方式では事前に準備した CSI（チャネル状態情報）と歩車間距離真値のペアを用いた SVR（サポートベクター回帰）での学習によりモデルを作成していた．車両と歩行者の距離を如何に環境に応じて正確に計測するか，十分に検討されていなかった．そこで本論文では，車両と歩行者の距離が連続的に変化していくことを利用して，時系列データの推論に特化した LSTM (Long short-term memory) という深層学習モデルによる測距方式を提案した．歩車間距離を時系列毎のシーケンスデータとしてまとめ，それを深層学習モデルに学習することで歩行者と車両の連続的な距離関係の変化を学習させた．また，時系列データを扱う時に問題となる，パケットロスによる測距精度低下にも対応し，安定して高精度な測距性能を実現できるようにした．
• 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: AA11515904
• 書誌情報: 研究報告高度交通システムとスマートコミュニティ（ITS）; 巻 2023-ITS-92, 号 8, p. 1-7, 発行日 2023-03-01
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8965
• 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