自動運転・運転支援システム・情報提示の最適化に向けたHMI設計・ドライバーモニタリング技術

第1部 次世代のクルマに求められるコックピット

(2018年3月16日 10:30〜11:40)

　今後の自動車に求められるHMIと次世代コックピットの姿、これを実現する技術について述べる。

1. 今後の自動車に求められるHMI
   1. 自動運転時にクルマを信頼できるHMI
   2. (運転ハンドオーバー時) 意識のスイッチを切り替えるHMI
   3. ドライバーの特性に合わせた運転支援HMI
2. 次世代コックピットの姿と実現技術
   1. ドライバー状態推定
   2. ドライバー行動推定
   3. ドライバーに適したアクチュエート選択
   4. ドライバーへのアクチュエート
• 質疑応答

第2部 無意識下でのドライバモデルとそれに基づいた情報提示制御システム構築の取り組み

(2018年3月16日 12:30〜13:40)

運転行動はほとんどが無意識下で行われるという仮説に立ってドライバモデルを検討し、情報提供制御システム (警報への応用、渋滞予測への応用、運転負荷の影響解析) 構築の取組について講演いたします。

1. 無意識下でのドライバモデル
2. 警報システムへの応用
3. 渋滞予測への応用
4. 運転負荷の影響解析
• 質疑応答

第3部 操作情報・画像を統合した知的運転支援システム構築の取り組み

(2018年3月16日 13:50〜15:00)

　これまでに、運転時の周辺環境やドライバ行動の多くは、カメラやセンサとそれら情報を処理する計測システムによって定量化が可能となってきている。一方で、交通事故の要因となる「眠気」や「ぼんやり」、あるいは運転時の「あせり」「いらいら」などの心理状況の分析、ドライバの行動意図の理解も重要となっている。例えば、近年実用化の進む先進安全装置 (ブレーキ支援、巡航支援、車線維持など) は、行動や環境情報の分析によって動作の開始を判断し、支援を行うが、この判断は必ずしもドライバの意図を反映するものとは限らない。場合によっては、ドライバの判断や操作に対して競合・相異となることで、支援システムに対する不信感を招い、支援システムとドライバとの不整合が生じる恐れがある。 　本講演では、眠気や漫然度を定量化する手法、および、ドライバの運転行動からその意図や心理を推定する手法の各開発状況について紹介する。

第4部 自動運転時代へ向けたドライバー状態のセンシング技術

(2018年3月16日 15:10〜16:20)

　運転中のドライバーの顔をセンシングすることにより、手動運転/自動運転含むさまざまなシーンで車の安全性・快適性向上に貢献する機能が実現できる。 　本講座では、画像によるドライバモニタリングの基礎となる、顔画像センシング技術についての全般的な知識を得られるほか、ドライバーのさまざまな動作・状態を高精度にとらえるための時系列ディープラーニングを活用した高精度なドライバー状態推定技術、さらにより深い内面状態推定について、主として弊社の技術を例にとりながら最新の動向を説明する。

1. 自動運転社会に求められるドライバー理解
2. 顔画像センシングの概要
   1. 顔検出
   2. 顔向き、視線、眼開閉状態検出
   3. その他の顔画像センシング技術
3. 時系列ディープラーニングを活用したドライバー状態モニタリング
   1. 運転集中度センシングの概要
   2. CNN
   3. RNN
4. ドライバー内面状態推定への進化
   1. 眼球運動からの眠気推定
   2. 今後の展開
• 質疑応答