自動運転車と人間運転車が混在する交通環境において、トランスフォーマーベースの強化学習手法を用いて、両者の協調的な意思決定を実現する。
自動運転車のプラトーニング制御により、交通流の安定性を大幅に向上させることができる。
自律走行車と人間運転者の共存には相互理解と調整が必要であり、安全性と信頼性の懸念から、実世界または単純なシミュレーションでは探索できない。そのため、本研究では、安全に人間-自律性の相互作用を探索できる没入型デジタルツインフレームワークを提案する。
自動運転車における異常検知のための人工知能アルゴリズムの使用、異常検知モデルの学習方法、および異常検知モデルの評価方法について包括的に分析した。
運転状況(天候、交通状況)によって、自動運転車の運転スタイルに対する乗客の好みが変化することが明らかになった。乗客は、より控えめな運転スタイルを好む傾向にある。
生産車両から収集された代表的なデータをモデル化し、道路交通における具体的な運転シナリオの発生確率を表現し、活用可能にすることが本研究の目的である。
専門家たちの自動運転車への矛盾した見解と懸念を明らかにする。