実環境において横断歩行者が接近車両に対して抱く信頼度の推定

• Item type: SIG Technical Reports(1)
• 公開日: 2024-03-19
• タイトル: 実環境において横断歩行者が接近車両に対して抱く信頼度の推定
• タイトル / 言語: en
• タイトル: Estimation of Pedestrian Trust in Approaching Vehicles in Real-World Environments
• 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: 福岡大学
• 著者所属: 福岡大学
• 著者所属: 日本自動車研究所
• 著者所属: 福岡大学
• 著者所属(英): en
• 著者所属(英): Fukuoka University
• 著者所属(英): en
• 著者所属(英): Fukuoka University
• 著者所属(英): en
• 著者所属(英): Japan Automobile Research Institute
• 著者所属(英): en
• 著者所属(英): Fukuoka University
• 著者名: 浜本, 拓也; 栗, 達; 平岡, 敏洋; 小野, 晋太郎
• 著者名(英): Takuya, Hamamoto; Da, Li; Toshihiro, Hiraoka; Shintaro, Ono
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 自動運転車において運転手が不在となる場合，車両側と歩行者側の意思疎通が不足することにより，過信・不信が生じ，安全・円滑な交通が阻害されることが懸念される．そこで，歩行者の挙動を観測して車両に対する信頼度を推定し，それに車両制御や情報提示に反映させることで信頼度を調整することを考える．先行研究で行った VR 空間での信頼度の推定実験に引き続き，本研究では実空間で信頼度を推定する．単路部・無信号の横断歩道を想定したコースに車両が減速しながら接近し，歩行者は横断前/横断中に自身の車両に対する信頼度を各 3 段階で時々刻々に記録する．歩行者および車両の挙動は地上および車載カメラにより撮影し，YOLOv5 により抽出した両者の距離，OpenPose により抽出した歩行者の骨格座標などから深層学習 (LSTM) により信頼度を推定した．結果，横断前/横断中の全体的な正解率はそれぞれ 77%，64% となり，正解と不正解のそれぞれで歩行者挙動の傾向が明らかとなった．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In cases where drivers are absent in autonomous vehicles, concerns arise regarding insufficient communication between the vehicle and pedestrians, leading to overtrust or distrust and hindering safe and smooth traffic flow. To address this, we propose estimating the trust level of pedestrians towards vehicles by observing pedestrian behavior and adjusting this trust level through vehicle control and information presentation. Following experiments conducted in VR environments to estimate trust levels, this study aims to estimate trust levels in real-world settings. In a scenario simulating a single-lane, unsignalized pedestrian crossing, vehicles approach while decelerating, and pedestrians record their trust levels towards the approaching vehicles in three levels at various intervals, both before and during the crossing. Pedestrian and vehicle behaviors are captured using ground and onboard cameras. Deep learning (LSTM) is employed to estimate trust levels using features such as distances between pedestrians and vehicles extracted by YOLOv5 and pedestrian skeletal coordinates extracted by OpenPose. Results show overall accuracies of 77% and 64% for pre-crossing and crossing phases, respectively, revealing discernible trends in pedestrian behavior for both correct and incorrect estimations.
• 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: AA11135936
• 書誌情報: 研究報告知能システム（ICS）; 巻 2024-ICS-214, 号 7, p. 1-8, 発行日 2024-03-19
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-885X
• 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