レーン別渋滞検知技術の提案とフィールド実験への適用評価

DOI 情報処理学会

書誌事項

タイトル別名
  • Traffic Jam Detection in Each Lane and Its Evaluation in Field Trials

この論文をさがす

抄録

本論文では，コネクティッドカーから収集可能な映像データと車速や位置情報等の走行データ情報からレーン単位の渋滞車列を検知し，先頭/末尾車両を特定することで交通流最適化に貢献するレーン別渋滞検知技術の提案と，そのアプリケーション構築および性能評価について述べる．近年，自動運転やナビゲーション高度化を目的とした地図データの高精度化や交通規制・渋滞情報・信号情報といった様々な情報を重ねたダイナミックマップの構築が進められている．これらの実現にあたり我々は，商業施設の駐車場への入庫待ち・観光地付近の路駐車両群等，レーン単位の渋滞車列を検知し情報を提供することの必要性と実現上の課題を認識した．本論文で提案する技術はコネクティッドカーの映像データから周辺車両を追い抜いた台数やすれ違った台数やその密度を求め，車速を考慮して評価することでレーン単位の渋滞車列を検知する．さらにレーン単位の渋滞車列が続く区間を推定することで先頭/末尾車両を特定し，その位置関係から渋滞長を合わせて算出する．我々は本技術を用いた評価環境を構築し，東京都港区台場にて実施された走行実験の映像を用いた精度評価で89.7%の検知精度を達成した．本論文では評価結果を通じて提案技術の有用性を示す．

In this paper, we propose technology to detect traffic jams in each lane on a road and describe the construction of a prototype application and its performance evaluation. This technology detects traffic jams in each lane on a road from vehicle-status data and video data collected from connected cars. It detects traffic jams by determining the number and direction of passing vehicles in the vicinity from the video data in accordance with the speed of the car. It also identifies the positions of the first and last vehicles and calculates the length of the traffic jam. We built evaluation software using this technology and used video data captured in a driving experiment conducted in Tokyo to evaluate its accuracy. The evaluation results demonstrate the effectiveness of the proposed technology. We believe that this technology will make driving assistance more valuable and contribute to optimizing the flows of vehicles in smart cities.

収録刊行物

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ