JARI Research Journal 20161204 【研究活動紹介】交通事故低減詳細効果見積もりのためのシミュレーション技術の開発概要 Development of Simulation Technology for Estimation of Traffic Accident Reduction Detailed Effects 安達章人*1 Akito ADACHI 1. はじめに大田浩之*1 Hiroyuki OTA した場合のマクロ的な事故低減効果の算出を目的自動車の普及に伴う交通事故や交通渋滞は，甚とするため，前者の「交通環境再現型」を開発す大な社会的損失をもたらしており，2015年の全国る．の交通事故死者数は，4,117人で，15年ぶりに増また，現実の交通現象をシミュレーションで再加となった．政府は「2018年を目処に交通事故死現させるためには，ドライバや歩行者などの交通者数を2,500人以下とし，2020年までには，世界参加者が，それぞれ知覚・認知・判断・操作の一で最も安全な道路交通社会を実現する」ことを掲連の行動を自律的に実施する主体（エージェント）げているが，既存の取組だけでは抜本的な解決がとなり，相互の行動に影響し合うマルチエージェ難しく，新たな取組である自動走行システムへのント型シミュレーションモデルを開発する必要が期待が大きい．この自動走行システムの早期の実ある．用化・普及促進に向けては，自動走行システム導全体開発計画（全 4 年間）を図 1 に示す．入による交通事故低減効果の訴求が必要であり、平成 27 年度は，事故シナリオとして単路でのそのためにはコンピュータ・シミュレーションに追従・追突シーンを対象に，運転支援システムとよる定量的評価が有効と考えられる．して衝突警報/ブレーキシステムを実装した車両一般財団法人日本自動車研究所（JARI）は，戦のシミュレーションモデルの開発を行う．まずは，略的イノベーション創造プログラム（自動走行シ個々の事故シナリオ毎に妥当性を検証するために，ステム）の「交通事故低減詳細効果見積もりのた「事故場面特化型」での開発からスタートさせるめのシミュレーション技術の開発及び実証」研究が，年度毎に，事故シナリオ，運転支援システム事業1)を受託し，中立，公平な立場を生かして，の拡充を図り，最終的には，ある広域化されたエ産官学連携の中核として本事業を推進している．リアにて，自動走行システムを導入した場合の事本稿では，平成27年度成果2)の概要を紹介する．故低減効果を算出できる「交通環境再現型」の開発につなげていく． 2. 研究開発方針交通事故を再現するシミュレーションには，以下の 2 つの分類がある 3)．1 つ目は，実交通流を広域に再現し，そこで発生するさまざまな事故を抽出するマクロ的な「交通環境再現型」，2 つ目は，実事故発生場面のデータをもとに，各当事車両間の位置関係や速度を再現するミクロ的な「事故場面特化型」がある．本開発においては，さまざまな事故場面を再現させ，自動運転システムを導入＊1 一般財団法人日本自動車研究所図 1 全体開発計画 ITS研究部－ 1 － JARI Research Journal (2016.12) 3. シミュレーションの開発そして，ログ出力モジュールは，シミュレーショ 3. 1 全体構成ン実行結果を分類して出力処理する．本事業で開発するシミュレーションモデルの全体構成を図2に示す．このシミュレーションでは， 3. 3 ドライバエージェントモデルの開発車両や歩行者などの交通参加者がそれぞれエージ事故要因の大半はドライバのミスによるところェントとして行動し，相互に作用しあい、多様なが大きく，精度の良い事故低減効果を算出するた交通事象を再現する（マルチエージェント型シミめには，多様な実ドライバの行動を，忠実に表すュレーションモデル）．また，特定の事故形態や支ことができるドライバエージェントモデルの開発援形態に限定した交通事故低減詳細効果を評価すが必要である．追従・追突シーンのドライバエーる機能だけではなく，さまざまな道路形状や道路ジェントモデルの概念（知覚・認知→判断→操作）線形などが存在する実際の道路交通環境においてを図3に示す．も全体的に評価する機能を兼ね備えるものである．平成27年度は交通事故低減詳細効果の評価を主眼において開発を行うが，将来的には，交通事故低減に伴う交通渋滞の減少などに関する効果評価にも応用できる拡張性を備えるものとする．図3 ドライバエージェントモデルの概念知覚においては，中心視野で知覚対象物の位置や速度を認知し，周辺視野で知覚対象物の存在のみを認知する．首振り，ミラー確認，脇見については，その時間・タイミングなど，実ドライバに合うように分布によって確率的に設定できるようにした．例えば，脇見については、図4の通り，図2 シミュレーションモデルの構成脇見の継続時間と脇見の間隔を，分布に基づき確 3. 2 シミュレーション基盤の開発率的に決められるようにモデル化を行った．本事業にて再現する追突，歩行者横断，車線逸脱の 3 つの事故場面の再現，及び交通環境再現に共通で使用される機能に関して，シミュレーション管理モジュール，道路環境管理モジュール，ログ出力モジュール，及び,車両と歩行者のエージェントモデルを開発した. シミュレーション管理モジュールは，シミュレーションに対する処理実行条件や入力情報（シナリオファイルなど）を読み込んで全体制御を行い，道路環境管理モジュールはシミュレーションで使用される道路情報を読み込み（平成27年度は擬似図4 脇見のモデル化的に生成），道路上の各インスタンス管理を行い，－ 2 － JARI Research Journal (2016.12) 認知において，知覚で取得した対象に対して， 3. 4 運転支援システムモデルの開発対象物の種類，位置，距離，速度などをラベル付けすることにより表現した．平成27年度の開発においては，追従，追突時に動作する運転支援システムとして以下に示す3つ判断においては，先行車との相対速度，車間距のシステムを実装した．離に基づいて加減速を行うヴィーダーマンモデル（追従モデルの一種）4)を実装した（図5）． ① 衝突警報システムセンサの検知範囲内に先行車両，歩行者が入り，指定された作動条件を満たした場合に警報を出力車間距離 upper 4  W VR W VR upper 7  0.003 する．表 1 に作動条件となる項目一覧を示す．表 0.003 希望速度まで加速／等速中の検知幅，作動最低相対速度，作動最低速度，希望速度まで加速／等速空走 upper2＝GapTimemax×自車速度＝3.6×自車 upper 3 min Dist 追従作動最大速度，作動 TTC（Time To Collision：衝追従希望速度まで加速／等速先行車Brake ONの場合は追従 upper8=VR2 /(2*|aMin|) + minDist 減速（対先行車）空走減速（緊急回避）突予測時間），検知必要時間をすべて満たした場合に，作動遅れ時間後に警報を ON とする． upper1＝GapTimecr×自車速度＝1.0×β×自車速度減速（緊急回避） VL < VS VL > VS 自車の方が速い先行車の方が速い minDist 相対速度 ② 緊急ブレーキアシストシステム VR(=VL-VS) センサの検知範囲内に先行車両，歩行者が入り，図5 追従，追突時のヴィーダーマンモデル指定された作動条件を満たした場合に，ドライバ操作については，アクセル操作とブレーキ操作のブレーキ出力値を増強して出力する．作動条件は衝突警報システムと同様（表 1）であるが，更に加え，それらの踏み替え時間も考慮した．ドライバのエラーに関しては，「知覚・認知」においては「脇見」，「判断」においては「必要な減にドライバがブレーキペダルを踏んだ場合にのみ作動する．速度の誤りなどの判断ミス」，「操作」においては「ブレーキ操作誤りなどの操作ミス」などを実装 ③ 被害軽減ブレーキシステムした．センサの検知範囲内に先行車両，歩行者が入り，また，ドライバの運転行動には多様性が見られ，指定された作動条件を満たした場合に，減速度の内的要因が大きく影響するため，内的要因（個人値を出力する．作動条件は衝突警報システムと同差，個人内差）を表現するために，図6に示す4つ様（表 1）である．のドライバ属性を設定した．シミュレーション上に車両が出現する毎に，そのドライバーに，4つ表 1 衝突警報／被害軽減ブレーキの作動条件項目の属性のレベルがある分布5)に基づいて引き当て作動条件項目単位られ，それらのレベルに応じて，ドライバの知覚・検知幅 [m] 作動最低相対速度 [km/h] 作動最低速度 [km/h] 遵守傾向が低く，また，運転スキルが高いドライ作動最大速度 [km/h] バーほど，制限速度を超過する傾向になる．作動 TTC（対先行車） [s] 作動 TTC（対静止車） [s] 作動遅れ時間 [s] 検知必要時間 [s] 認知，判断，操作行動が決定される．例えば，法 ①ドライバ固有の特徴・個性 ⇒ 個人差に影響周辺環境ドライバ属性知覚・認知判断操作多様な運転行動の表現 1) 心理的側面（性格・運転態度・安全意識など） ⇒【法遵守傾向（A）】という属性で表現 2) 生理的側面（視聴覚・運動感覚・筋力など） ⇒【情報処理能力（C）】という属性で表現 3) 行動的側面（操舵・加減速の特徴など） ⇒【運転スキル（B）】という属性で表現 ②ドライバ状態 ⇒ 個人内差に影響 4) ドライバ状態（焦り、居眠りなど） ⇒【覚醒水準（D）】という属性を設定図6 ドライバ属性ここで，検知幅は，検知対象が車線中央から左右それぞれある幅以内に入っている場合に作動条件の 1 つを満たすものとする．また，作動 TTC に関しては，対先行車と対静止車で別々の値を指定できるように，マップを構－ 3 － JARI Research Journal (2016.12) 成した（表 2）．ここでは，設定を 4 段階としたが，可変とすることができる．表 2 作動 TTC のマップ入力マップ ID 1 2 設定項目 1 2 3 4 作動最低相対速度[km/h] 0 15 20 60 作動 TTC 対先行車[s] 0 2 2 3 作動最低相対速度[km/h] 0 15 20 40 作動 TTC 対先行車[s] 0 1.5 1.5 2 図7 システム設定 4. 2 ドライバ属性・エラーの設定 3.3 で提示したドライバ属性の法遵守向（3 段検知必要時間は、センサでの先行車両検知の延べ時間がある値以上となった場合に，作動条件の 1 つを満たすものとした．階），運転スキル（3 段階），情報処理能力（3 段階），覚醒水準（5 段階）によって設定可能な 135 パターンのうち，平成 27 年度はドライバ属性の動作を確認するため，法順守傾向・運転スキル・情報処理能力については，平均的なドライバ，高 4. 開発したシミュレーション技術の評価平成 27 年度は映像記録型ドライブレコーダが記録した追突事故・ニアミス時の先行車の速度の推移，初期車間距離，後続車の初期速度に基づいい優良ドライバ，低い劣悪ドライバを設定した（表 3）．また，覚醒水準については，平均的なドライバにおいて標準，低い，高い状態を設定した．て危険場面を定義づけ，その場面における運転支表 3 確認に用いたドライバ属性のパターン援システム（衝突警報・被害軽減ブレーキ）の効果を評価した．本稿で活用したドライブレコーダは，衝突時や急減速時に発生する急激な加速度変化を検知した瞬間をトリガに，その前 10 秒，後 5 秒の計 15 秒間の前方映像とデータ(速度・加速度・ブレーキ信号など)を記録するものである．200 台のタクシーに搭載したドライブレコーダデータから追突事ドライバエラーは，（1）エラーなし，（2）認知故・ニアミスデータを目視によって抽出した．追ミス（脇見を模擬）が発生，（3）操作ミス（ブレ従中に先行車が減速を開始した後に自車が減速しーキの操作の誤りを模擬）が発生，（4）認知ミスたパターンの事故 12 件と，ニアミス 45 件を検討と操作ミスの双方が発生の 4 パターンとした．対象として選定した． 4. 3 追従・追突シミュレーションの試行結果図 8 にシミュレーションを実施した結果を示す． 4. 1 運転支援システムの設定前方の障害物を検知するために搭載されるセンシステムなしの事故（n=349），衝突警報ありの事サの特性は，検知距離と検知角度のパラメータに故（ n=324 ），被害軽減ブレーキありの事故よって設定した．システムとしては，衝突警報（音（n=270）の衝突時相対速度を 10 [km/h]区分のを用いた警報），ブレーキアシスト，被害軽減ブレ事故件数の分布と累積頻度を比較した結果である．ーキを想定した．システムの作動内容は，作動衝突警報から被害軽減ブレーキと運転支援シス TTC，作動相対速度，作動対象ラップ率，減速度テムが高機能になることにより，衝突時相対速度勾配，最大減速度によって設定した．設定値につの累積頻度が，低速側にシフトしており，定量的 7）．な事故低減効果を算出できる目途があることを確いては，本間ら論文 6) を参考にした（図認した．－ 4 － JARI Research Journal (2016.12) （2009） 6) 本間ら，“前方車両衝突防止支援システムの効果予測－危険の予期が低いドライバの衝突予知警報に対する反応特性－”，自動車技術会論文集，Vol． 43， No． 3， (2012)， pp．769-775．図8 追従・追突シミュレーションの被害低減効果 5. まとめ平成27年度は，全体開発計画を策定し，事故シナリオとして，単路での追従・追突シーンにおいて，被害軽減ブレーキなどの運転支援システムによる定量的な事故低減効果を算出できる目途があることを確認した． 6. 今後の課題シミュレーション結果の妥当性を検証すると共に，実用化（自動車メーカ活用）に向け，各社の目的を整理し，必要な機能を織り込み，また，各社のモデルを容易に組み込むことができるようにインターフェースの標準化を推進していく．参考文献 1) 内閣府，“戦略的イノベーション創造プログラム（SIP) 自動走行システム研究開発計画”，(2015) 2) 経済産業省，平成27年度「戦略的イノベーション創造プログラム（自動走行システム）：交通事故低減詳細効果見積もりのためのシミュレーション技術の開発及び実証」報告書 3) 内閣府, 平成 26 年度「交通事故死傷者低減の国家目標達成に向けた調査・検討における詳細効果見積もりのためのシミュレーション技術に係る調査検討」報告書 4) Saifuzzaman，M．，et al．“Incorporating human-factors in car-following models: A review of recent developments and research needs”， Transportation Research Part C Emerging Technologies， Vol． 48， (2014)， pp． 379-40 5) 石橋基範：自動車運転者の個人特性評価に基づく反応理解手法に関する研究，香川大学博士論文, p88-109 － 5 － JARI Research Journal (2016.12)