深層強化学習に基づく居眠り検知対応の適応型自律ブレーキシステムによる道路安全性の向上

Abstract

運転者の居眠りは、安全に停止できるブレーキ距離を正確に判断する能力を大きく損なうことがあり、欧州における道路事故の10%〜20%に寄与していると推定されている。従来の運転支援システムは、居眠りのようなリアルタイムの生理状態に対する適応性を欠いている。本論文では、車両ダイナミクスと運転者の生理データを統合した深層強化学習に基づく自律ブレーキシステムを提案する。居眠りは、反復型ニューラルネットワーク（RNN）を用いて心電図（ECG）信号から検出する。検出器の選定は、分割（セグメンテーション）や重なり（オーバーラップ）の構成が異なる2分間ウィンドウに対する大規模なベンチマーク分析によって行う。推定された居眠り状態は、Double-Dueling Deep Q-Network（DQN）エージェントの観測可能な状態空間に組み込まれ、運転者の障害は行動遅延としてモデル化される。システムは高忠実度なCARLAシミュレーション環境に実装し、評価した。実験結果では、提案エージェントが、居眠り時・非居眠り時の両方の条件で衝突回避において99.99%の成功率を達成した。これらの知見は、適応的で知的な運転安全システムを強化するための、生理状態を考慮した制御戦略の有効性を示している。