| 講演抄録／キーワード |
| 講演名 |
2025-02-18 13:50
Semantic Segmentationを用いた交差点部におけるリスク推定手法の開発
○中川和人・西村和真・角谷 仁・杉山 治・多田昌裕（近畿大） |
| 抄録 |
（和） |
令和5年中の交通事故発生件数は30.5万件で，そのうち57.3%は交差点で発生している．現状，事故数が多い交差点に対し，優先的に事故対策が進められている一方で，昨年のわが国における事故多発交差点ワースト10箇所の事故件数は，全交差点事故の0.08%にとどまっており，実世界における様々な交差点において事故リスクが高まっていることが示唆される．近年，実交通環境下における交通状況を把握する手法として，ドライブレコーダなどを用いて日常生活中の運転データを計測するNaturalistic Driving Study （NDS）が注目されている．NDSデータは一般に膨大であるため，交差点部を事故リスクが高まる箇所とみなし，道路ネットワークデータなどを用いて交差点部のデータを抽出・解析する試みが進められてきた．しかしながら，交差点の危険度は視距によって変化し，遮蔽物などによって視距が制限される交差点において事故リスクが高い．道路ネットワークデータなどは，こうした交差点近傍の遮蔽物の有無や視距に関する情報が含まれていないため，本研究では単一画像から画像特徴量と，Segmentation特徴量を組み合わせて交差点の危険を推定する機械学習モデルを開発した．評価の結果，Segmentation特徴量を加えたモデルのF1スコアは97%となり，画像特徴量のみを用いたモデルの92%を上回った．このことから，提案手法が交差点における危険度の推定に有効であることが示唆された． |
| （英） |
In 2023, 57.3% of traffic accidents in Japan occurred at intersections. Although high-accident-frequency intersections are prioritized for countermeasures, accidents at the ten most hazardous intersections represented only 0.08% of all intersection-related accidents, indicating that risk persists across a broad range of intersections. Recently, the Naturalistic Driving Study （NDS）, which collects everyday driving data using dashcams, has gained attention as a way to measure real-world traffic conditions. Because NDS datasets are typically large, past studies have extracted intersection-related data using road network data regarding intersections as high-risk locations. However, intersection risk is not uniform and is often elevated where the driver’s field of view is restricted by obstacles. Road network data generally lack information about such obstacles which lead to visibility constraints. To address this gap, this study proposes a machine learning model that estimates intersection risk by combining single-image features with segmentation features. Evaluation results show that including segmentation features increased the F1 score to 97%, compared with 92% for a model using image features alone. These findings suggest that the proposed method effectively estimates intersection risk. |
| キーワード |
（和） |
視距 / Naturalistic Driving Study / Semantic Segmentation / 機械学習 / / / / |
| （英） |
Sight Distance / Naturalistic Driving Study / Semantic Segmentation / Machine Learning / / / / |
| 文献情報 |
映情学技報, vol. 49, no. 4, ME2025-11, pp. 57-61, 2025年2月. |
| 資料番号 |
ME2025-11 |
| 発行日 |
2025-02-11 (MMS, ME, AIT, SIP) |
| ISSN |
Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|
| 研究会情報 |
| 研究会 |
ME AIT MMS IEICE-IE IEICE-ITS SIP |
| 開催期間 |
2025-02-18 - 2025-02-19 |
| 開催地（和） |
北海道大学 |
| 開催地（英） |
Hokkaido Univ. |
| テーマ（和） |
画像処理，一般 |
| テーマ（英） |
Image Processing, etc. |
| 講演論文情報の詳細 |
| 申込み研究会 |
ME |
| 会議コード |
2025-02-ME-AIT-MMS-IE-ITS-SIP |
| 本文の言語 |
日本語 |
| タイトル（和） |
Semantic Segmentationを用いた交差点部におけるリスク推定手法の開発 |
| サブタイトル（和） |
|
| タイトル（英） |
Developing an Intersection Risk Estimation Using Semantic Segmentation |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
視距 / Sight Distance |
| キーワード(2)（和/英） |
Naturalistic Driving Study / Naturalistic Driving Study |
| キーワード(3)（和/英） |
Semantic Segmentation / Semantic Segmentation |
| キーワード(4)（和/英） |
機械学習 / Machine Learning |
| キーワード(5)（和/英） |
/ |
| キーワード(6)（和/英） |
/ |
| キーワード(7)（和/英） |
/ |
| キーワード(8)（和/英） |
/ |
| 第1著者 氏名（和/英/ヨミ） |
中川 和人 / Kazuto Nakagawa / ナカガワ カズト |
| 第1著者 所属（和/英） |
近畿大学大学院 (略称： 近畿大)
Kindai University (略称： Kindai Univ.) |
| 第2著者 氏名（和/英/ヨミ） |
西村 和真 / Kazuma Nishimura / ニシムラ カズマ |
| 第2著者 所属（和/英） |
近畿大学大学院 (略称： 近畿大)
Kindai University (略称： Kindai Univ.) |
| 第3著者 氏名（和/英/ヨミ） |
角谷 仁 / Jin Kadotani / カドタニ ジン |
| 第3著者 所属（和/英） |
近畿大学 (略称： 近畿大)
Kindai University (略称： Kindai Univ.) |
| 第4著者 氏名（和/英/ヨミ） |
杉山 治 / Osamu Sugiyama / スギヤマ オサム |
| 第4著者 所属（和/英） |
近畿大学 (略称： 近畿大)
Kindai University (略称： Kindai Univ.) |
| 第5著者 氏名（和/英/ヨミ） |
多田 昌裕 / Masahiro Tada / タダ マサヒロ |
| 第5著者 所属（和/英） |
近畿大学 (略称： 近畿大)
Kindai University (略称： Kindai Univ.) |
| 第6著者 氏名（和/英/ヨミ） |
/ / |
| 第6著者 所属（和/英） |
(略称： )
(略称： ) |
| 第7著者 氏名（和/英/ヨミ） |
/ / |
| 第7著者 所属（和/英） |
(略称： )
(略称： ) |
| 第8著者 氏名（和/英/ヨミ） |
/ / |
| 第8著者 所属（和/英） |
(略称： )
(略称： ) |
| 第9著者 氏名（和/英/ヨミ） |
/ / |
| 第9著者 所属（和/英） |
(略称： )
(略称： ) |
| 第10著者 氏名（和/英/ヨミ） |
/ / |
| 第10著者 所属（和/英） |
(略称： )
(略称： ) |
| 第11著者 氏名（和/英/ヨミ） |
/ / |
| 第11著者 所属（和/英） |
(略称： )
(略称： ) |
| 第12著者 氏名（和/英/ヨミ） |
/ / |
| 第12著者 所属（和/英） |
(略称： )
(略称： ) |
| 第13著者 氏名（和/英/ヨミ） |
/ / |
| 第13著者 所属（和/英） |
(略称： )
(略称： ) |
| 第14著者 氏名（和/英/ヨミ） |
/ / |
| 第14著者 所属（和/英） |
(略称： )
(略称： ) |
| 第15著者 氏名（和/英/ヨミ） |
/ / |
| 第15著者 所属（和/英） |
(略称： )
(略称： ) |
| 第16著者 氏名（和/英/ヨミ） |
/ / |
| 第16著者 所属（和/英） |
(略称： )
(略称： ) |
| 第17著者 氏名（和/英/ヨミ） |
/ / |
| 第17著者 所属（和/英） |
(略称： )
(略称： ) |
| 第18著者 氏名（和/英/ヨミ） |
/ / |
| 第18著者 所属（和/英） |
(略称： )
(略称： ) |
| 第19著者 氏名（和/英/ヨミ） |
/ / |
| 第19著者 所属（和/英） |
(略称： )
(略称： ) |
| 第20著者 氏名（和/英/ヨミ） |
/ / |
| 第20著者 所属（和/英） |
(略称： )
(略称： ) |
| 第21著者 氏名（和/英/ヨミ） |
/ / |
| 第21著者 所属（和/英） |
(略称： )
(略称： ) |
| 第22著者 氏名（和/英/ヨミ） |
/ / |
| 第22著者 所属（和/英） |
(略称： )
(略称： ) |
| 第23著者 氏名（和/英/ヨミ） |
/ / |
| 第23著者 所属（和/英） |
(略称： )
(略称： ) |
| 第24著者 氏名（和/英/ヨミ） |
/ / |
| 第24著者 所属（和/英） |
(略称： )
(略称： ) |
| 第25著者 氏名（和/英/ヨミ） |
/ / |
| 第25著者 所属（和/英） |
(略称： )
(略称： ) |
| 第26著者 氏名（和/英/ヨミ） |
/ / |
| 第26著者 所属（和/英） |
(略称： )
(略称： ) |
| 第27著者 氏名（和/英/ヨミ） |
/ / |
| 第27著者 所属（和/英） |
(略称： )
(略称： ) |
| 第28著者 氏名（和/英/ヨミ） |
/ / |
| 第28著者 所属（和/英） |
(略称： )
(略称： ) |
| 第29著者 氏名（和/英/ヨミ） |
/ / |
| 第29著者 所属（和/英） |
(略称： )
(略称： ) |
| 第30著者 氏名（和/英/ヨミ） |
/ / |
| 第30著者 所属（和/英） |
(略称： )
(略称： ) |
| 第31著者 氏名（和/英/ヨミ） |
/ / |
| 第31著者 所属（和/英） |
(略称： )
(略称： ) |
| 第32著者 氏名（和/英/ヨミ） |
/ / |
| 第32著者 所属（和/英） |
(略称： )
(略称： ) |
| 第33著者 氏名（和/英/ヨミ） |
/ / |
| 第33著者 所属（和/英） |
(略称： )
(略称： ) |
| 第34著者 氏名（和/英/ヨミ） |
/ / |
| 第34著者 所属（和/英） |
(略称： )
(略称： ) |
| 第35著者 氏名（和/英/ヨミ） |
/ / |
| 第35著者 所属（和/英） |
(略称： )
(略称： ) |
| 第36著者 氏名（和/英/ヨミ） |
/ / |
| 第36著者 所属（和/英） |
(略称： )
(略称： ) |
| 講演者 |
第1著者 |
| 発表日時 |
2025-02-18 13:50:00 |
| 発表時間 |
15分 |
| 申込先研究会 |
ME |
| 資料番号 |
MMS2025-11, ME2025-11, AIT2025-11, SIP2025-11 |
| 巻番号（vol） |
vol.49 |
| 号番号（no） |
no.4 |
| ページ範囲 |
pp.57-61 |
| ページ数 |
5 |
| 発行日 |
2025-02-11 (MMS, ME, AIT, SIP) |
|