運転行動予測に向けた運転操作時系列データへのノンパラメトリックベイズ法の適用

摘要

Prediction of driving behaviors is important problem in developing a next-generation driving support system. In order to take account of diverse driving situations, it is necessary to deal with multiple time series data considering commonalities and differences among them. In this study we utilize the beta process autoregressive hidden Markov model (BP-AR-HMM) that can model multiple time series considering common and different features among them using the beta process as a prior distribution. We apply the BP-AR-HMM to actual driving operation data to estimate vector autoregressive process parameters that represent the segmental driving behaviors, and with the estimated parameters we investigate whether we can predict the driving behaviors of unknown test data. Prediction accuracy of test data using BP-AR-HMM is compared with that of using classical HMM. The results suggest that it is possible to identify the dynamics behaviors of driving operations using BP-AR-HMM, and with BP-AR-HMM we can predict driving behaviors precisely in actual environment than with HMM.%次世代運転支援システムの開発において，運転挙動の予測は重要な問題である.多様な運転状況に対処するため，複数時系列の間の共通点•相違点を考慮しつつ複数時系列をモデル化する必要がある.本論文では，ベータ過程を事前分布として用いて複数時系列間の共通•相違なる特徴を考慮しながらモデル化することのできるベータ過程自己回帰隠れマルコフモデル(BP-AR-HMM)を利用する.我々は実際に計測した運転操作データにBP-AR-HMMを適用することで運転挙動を表現するべクトル自己回帰過程のパラメータを推定し，推定したパラメータにより未知のテストデータの運転挙動を予測可能か検証する.またBP-AR-HMMの予測性能を，HMMを用いたときの予測性能と比較する.結果として，BP-AR-HMMを用いた運転操作の時間的変遷の予測が可能であり，実環境における運転挙動の予測が可能であることが示唆された.