• セッションNo.97 社会システムII -交通流・インフラ-
  • 10月15日 北九州国際会議場 国際会議室 12:10-14:50
  • 座長:未定
後日配信がない講演は,「配信」の欄に「✕」を表示していますのでご確認ください。
No. 配信 タイトル・著者(所属)
1

BEV熱動力評価用シミュレータの他車挙動モデル構築

野島 雅悠・森田 真樹・堀本 卓嗣(トヨタ自動車)

BEV開発における新規課題として熱起因による動力性能があり,その指標化に実車評価を行っていたが工数等問題があった.そこでドライビングシミュレータの需要が出てきたが,交通流の他車両挙動が再現できておらず,官能評価に活用不可であった.
今回ビッグデータを用い自車との相互関係を考慮したシナリオ分類,他車データ抽出アルゴリズムを作成,交通流を実世界と同等の挙動に再現する手法を提案する.

2

BEV充放電サービス基盤による開発効率化とシステムの省コスト化に関する検討

杉山 緑・坂柳 佳宏・江原 雅人・平野 貴洋・乙幡 翼(トヨタ自動車)

2050年CN達成に向け,街とモビリティを連携したエネルギーマネジメントシステム構築を目指す.本研究では,通信プロトコルやAPIの標準化とサーバーレス構成により,開発効率化,リードタイム短縮,運用コスト削減を実現するプラットフォームを開発した.さらに実証実験から得られた効果と知見をまとめる.

3

商用車需要の将来変化を見通すための物流需要推計プロセスと補完手法の構築

新徳 顕大(株式会社構造計画研究所)・大橋 伸匡・新田 淳一郎(いすゞ中央研究所)・前田 涼子(株式会社構造計画研究所)

将来の商用車需要の将来像を定量的に評価するため,物流センサス等の統計データを活用し,物流需要の将来推計プロセスを構築した.地域別・モード別・輸送品目別に対応する補完手法を組み込むことで,既存統計の限界を補った分析を可能とし,モーダルシフトの進展を想定したシナリオ分析を通じて,需要構造の変化を捉える枠組みを提示した.

4

交通需要に応じた仮想信号機(VTL)の制御アルゴリズム設計と適用効果の評価

坂井 渓太(東洋大学大学院)・鈴木 宏典(東洋大学)

車車間通信技術を活用した仮想信号機(VTL)を用いることで,交差点交通流は物理信号機を超えた効率で制御が可能である.本研究では,需要の変動に柔軟に対応可能な新たなVTLの制御アルゴリズムを設計し,交通流シミュレータ上において再現し,複数のシナリオを対象に,VTLによる交通流改善効果の評価を行った.

5

Trajectory Prediction of Traffic Participants in Interaction Scenes at Signalized Intersections

Quy Hung Nguyen Van・Heishiro Toyoda (Toyota Motor)・Cui Xiongyi・Rosman Guy (Toyota Research Institute)・Kimimasa Tamura (Woven by Toyota)

In this paper, we present our approach to predicting the trajectories of traffic participants at signalized intersections in urban areas in Japan. Based on measurement data from sensors (cameras, lidar) installed at intersections, we focus on interactions between traffic participants (particularly, crossing pedestrians, bicycles, and vehicles turning right and left), and investigate the feasibility of learning and predicting trajectories in situations where real interactions between traffic participants occur by utilizing advanced deep learning models.

6

視覚言語モデルを活用した環境変化に頑健なナンバープレート認識システム

新庄 康太・吉澤 真太郎・森 優人(トヨタ自動車)

ナンバープレート認識システムは,駐車場管理や交通監視などに活用されているが,その活用範囲を工場の敷地内やスマートシティなど,より広いフィールドに拡大することが望まれている.そのため,多様な画像に柔軟に対応できる視覚言語モデルを活用することで,より高度なナンバー認識を精度良く実現する技術を開発した.

Back to Top