運転行動におけるプリミティブタスクの切り換え条件推定

摘要

本研究では，このような観点から，実際に観測した行動データに含まれる複数のサブタスクにおいて，ドライバがどのようにそれらサブタスクを切り換えているか，のタスク切り換えモデルの構築を目指す．具体的には，タスクを切り換える，切り換えないの2億の結果変数と，多数の説明変数との関係を記述するロジスティック回帰モデル（Logistic Regression model）を用いてモデル化する．しかし，このモデルを記述する説明変数は，多数の環境情報の中から，ドライバが状況認識のために用いている環境情報を推定し，モデルに用いる必要がある．そこで，本研究では，モデル選択の考え方を導入し，複数の状況ごとに必要となる環境情報の自動的抽出を試みる．本手法を用いることで，モデル設計者が事前知識をもとにモデルを設計することなく，データのみから，モデル構造の決定とモデルのパラメータ推定が可能となる．さらには，得られたモデル構造は，ドライバの認知，判断と密接に関連していると期待できることから，得られたモデル構造をもとに，運転行動の定性的な理解を試みる．