深層断面／自動運転、映像ＤＢ重要性増す−ＡＩ高度化・新サービス創出（動画あり）

[ トピックス ]

(2017/1/13 05:00)

▲東京農工大学ヒヤリハットデータベースより　ヒヤリハット映像（農工大提供）

自動運転車の実現に向けて、市街地で集めた走行映像データの重要性が増している。走行データは運転を司る人工知能（ＡＩ）の学習と、その判断の評価のために必須で、ＡＩの性能を担保する基準になる可能性がある。日本では産学官でデータベース（ＤＢ）の整備が進む。自動運転のキーテクノロジーがセンサーからＡＩ、データへと激しく入れ替わるなか、データ戦略が高度化している。（小寺貴之）

東京農工大のヒヤリハットＤＢの操作画面、左が車載カメラの映像、右が加速度や車速（東京農工大提供）

《市街地運用へ整備進む》

【無償で提供】

「大学研究者が構築したら数億円では済まない。そのＤＢの無償提供が始まった。どんな狙いがあるのか」と理化学研究所革新知能統合研究センターの杉山将センター長は首をかしげる。独ダイムラーと独マックスプランク研究所などのチームが研究者向けに無償提供を始めた走行映像ＤＢについてだ。市街地などでの走行映像に、歩行者や標識、走行車両などの精緻な学習用ラベルを付けた画像が５０００枚、粗いラベル付き画像が２万枚ある。ＡＩの開発を促し、完成車メーカーにとって健全な競争環境をつくる効果がある。

データ量は小さいがデータを持たないＡＩ研究者が自動運転分野に参入しやすい環境が整う。

杉山センター長は「現在の公開分はダイムラーの保有するデータのごく一部。現データで好成績を収めれば全データにアクセスできるのだろうか」と思案する。

自動運転ＡＩは静止画群から被写体を識別する画像処理から、動画から状況や行動を推定する研究にシフトしている。時間軸が加わり研究の難度は跳ね上がり、データ量は増えた。現在は毎秒１０コマの撮像レートが中心だが、高速カメラやレーザーセンサーなどとの統合処理を模索している。

【共通ＤＢ構築】

そこで内閣府の戦略的イノベーション創造プログラム（ＳＩＰ）では走行映像ＤＢの構築を進める。海外の先行事例では、イスラエルのモービルアイが車載機器を提供してデータを集め、ＡＩをブラックボックス化する戦略を進める。こうした動きに対抗するため、日本自動車研究所（ＪＡＲＩ）が、データを整備して完成車やサプライヤー各社で共有する仕組みを構築する。ＪＡＲＩの谷川浩ＩＴＳ研究部長は「完成車メーカーにとっては１社独占ではなく、サプライヤー間で健全な競争原理が働いてほしい。共通ＤＢで開発環境が整う」と狙いを話す。

【膨大なデータ】

ＤＢの走行時間は１４８２時間で走行距離は約３万キロメートル。実際に市街地や観光地、幹線道路などを走って撮影した。車両にはハイビジョンカメラ５台を搭載。４台で全周囲、１台は前方を撮影し、データサイズは４・２ペタバイト（ペタは１０００兆）に上る。４万の走行シーン、４００万人の歩行者を収録した。

独カールスルーエ工科大学と豊田工業大学シカゴ校などが公開するＤＢに比べてＪＡＲＩのＤＢは映像だけで情報量が約１００倍に増えた。レーザーセンサーで周囲との距離を測っているため、カメラとレーザーセンサーの統合処理も可能だ。ＪＡＲＩの野本和則主任研究員は「映像から周囲環境の３Ｄデータ復元や、ながら歩きの歩行者や高齢者の行動モデリングなど、自動運転以外の研究にも有用」と説明する。

《５０万件の走行シーン収録／危険回避プランの妥当性評価》

【ヒヤリハット】

東京農工大学にも世界から引き合いが集まるＤＢがある。飛び出しに気付いて急ブレーキを踏むなど交通事故に至る前の“ヒヤリハット”のＤＢだ。毛利宏教授は「完成車メーカーを抱えるほぼすべての国から連携の打診を頂いている」と説明する。

このＤＢはヒヤリハットが約１２万件、危険を伴わない急ブレーキなども含めると約５０万件の走行シーンが収録されている。タクシー会社にドライブレコーダーを提供し、前方映像と車内のドライバー映像を集めた。毛利教授は「プロドライバーがヒヤリハットの場面に出会うのは数十日に１回。狙って収集できるデータではない」という。１０年以上データを蓄積してきた。

もともとはドライバーの不注意の発生メカニズムなど、ヒューマンファクターの研究用ＤＢだったが、自動運転でＡＩの学習データとして注目された。ＤＢにはカメラ映像に加えて、車の加速度や推定車間距離、ブレーキを踏んだタイミングなどが収録されている。ヒヤリハットＤＢの事故形態は交通事故統計の分布とよく似ていて、画像識別やシミュレーション技術とヒヤリハットＤＢと組み合わせると、危険なシーンをモデル化して網羅できる。ＡＩの危険度判定の精度や、ＡＩの危険回避プランの妥当性評価に応用できる。

【発作の事例も】

運転中のてんかんや脳卒中の発作など、極めてデータを集めにくい事例の収集も始まった。産業技術総合研究所自動車ヒューマンファクター研究センターと筑波大学付属病院は完成車メーカーなど１３社・機関でコンソーシアムを設立。患者にドライブシミュレーターやテストコースで運転してもらい、運転中の認知・生理データを収集する。運転支援型の自動運転でＡＩがドライバーの急変を検知するための基礎データになる。

てんかんの軽度発作は患者本人も自覚できないことが多い。自動車ＨＦ研究センターの北崎智之センター長は「想定患者数は疾患当たり数十人でＤＢと呼べるほど大規模にはならない。だが運転中発作のデータはなく、一人ひとりのデータが貴重」という。

課題はＤＢ維持費の捻出とＤＢ拡張の自動化だ。ＪＡＲＩの走行映像ＤＢは４・２ペタバイトと大きいため、多くの研究者が使えるようにクラウドに上げるとストレージ代だけでも維持費がかさむ。現在は磁気テープで保管している。建造物の３Ｄデータ化でインフラ保守、街の混雑推定は小売り、高齢者の行動推定は福祉機器の開発評価など、他の研究分野と連携して予算を捻出したい考えだ。