気晴らしと仕事の関与:運転パフォーマンスと主観的および生理的反応にどのように興味深い情報,退屈な情報が影響するか

Distraction and task engagement: How interesting and boring information impact driving performance and subjective and physiological responses
William J.Horrey, Mary F.Lesch, Angela Garabet, LucindaSimmons, Rammohan Maikala
Applied ergonomics, Volume.58, pp.342–348, 2017

より多くのデバイスとサービスが車両に統合されるにつれ,ドライバーは運転中に追加のタスクを実行する新たな機会に直面する.多くの研究が運転実績に対するさまざまなタスク要求の有害な影響を調査してきたが,個人の関心や投資の面で様々なタスクに注力することはほとんどなかった.この研究の目的は,運転のパフォーマンス,パフォーマンスと作業負荷の主観的な評価,および様々な生理学的測定に,タスクエンゲージメントの影響を探ることとした.この研究では,31人の参加者(平均37歳)が運転シミュレータで退屈な音を聞く,興味深い音を聞く,聴覚的な材料なしで運転することの3つの運転条件を提示した.運転者は,近赤外分光法,心拍モニタリングおよび眼球追跡システムを用いて同時計測された.運転者は,両方の聴覚状態のためのレーンキープおよびヘッドウェイメンテナンスの変動が少ない.しかし,重要なブレーキングイベントに対する応答時間は,興味深い音を聞く状態ではより長くなった.また,ドライバーは興味深い音が客観的に難易度にマッチしていたにもかかわらず,それほど複雑ではないと感じました.興味深い音を聞いた時,ベースラインおよび退屈な条件と比較して,ドライバーは脳の酸素化ヘモグロビンの濃度低下を示したが,この物質に対する優れた反応を示した.安全性の観点からの実際的な影響について議論する.

異常操縦時のための低価格なIMU-Odometer-GPS による位置情報特定

Low cost IMU-Odometer-GPS ego localization for unusual maneuvers
A.Ndjeng Ndjeng, D.Gruyer, S.Glaser, A.Lambert Information Fusion, vol.12, pp. 264-274,2011

“本論文では,IMM(Interacting Multiple Model)とEKF(Extended Kalman Filter)アプローチを用いて異常な操縦を行う際の屋外車両のローカリゼーションの問題を提示する.従来の方法に反して,IMM は車両進化空間の離散化に基づいた単純な操作となる.各操縦は,一定速度または一定旋削モデルのような単純な動的モデルによって表される.これにより,非常に動的な車両に対してこの方法を最適化することが可能である.我々の取り組みでは,非常に強い加,高速旋回,または停止段階での後進走行など,特殊な運転状況での異常な車両操縦に焦点を当てている.提示した結果は,異なるシナリオから収集された実際の測定値に基づいている.EKF 対IMMの比較に基づいて,これらの結果は,異常な操縦を考慮に入れるためにIMM 法を使用することに対する真の関心を示している。”

確固とした「コンテキスト・ドライバーアウェア」アクティブ車両安全システムのための情報融合

Information fusion for robust‘ context and driver aware ’active vehicle safety systems
Amardeep Sathyanarayana, Pinar Boyraz, John H L Hansen
Information Fusion, vol.12, pp. 293-303, 2011

“アクティブ・ビークル・セーフティ(AVS)システムは現在重要なものとして開発が行われているが,事故の数,怪我の重大度や死者は減少していない.実際に人的ミス,低性能,眠気および注意散漫は事故原因の大部分を占めている.アクティブ安全システムは道路状況とドライバの状態を把握していないため,これらのシステムではこういった数値を改善することはできない.そこで本研究では,確固とした人間中心のインテリジェントなアクティブセーフティシステムを実現するための第一歩として,「コンテクキト・ドライバーアウェア」(CDA)AVSシステム構造を提案する.このシステムは,ガウス混合モデル(GMM)/ユニバーサルバックグラウンドモデル(UBM)と尤度最大化学習スキーム(バイオメトリックドライバ同定,操作認識,および注意散漫検出)を採用した3 つのサブモジュールを開発,評価,および結合する.結果として得られる複合システムは,3 つの領域に寄与する.(1)強固な識別:堅牢な操作を必要とする運転者の車載状態を識別するための音声モダリティで話者認識システムが開発される.(2)融合のための利用可能な情報空間を狭める:運転者認識システムは,モデルの選択を
刈り取り,新規な伸延検出システムにおける探索スペースをさらに制限するために推定された運転者識別を使用する.(3)応答時間とパフォーマンス:システムは,事故防止/回避のために運転者の注意散漫な行動の予測を迅速に生成する. 統合されたシステムの全体的なシステム性能は,UTDrive Corpus で評価され,狭い時間窓で緊急の緊急事態のケースに対する提案されたシステムの適合性を確認する.”