[論文レビュー] Big Data Generated by Connected and Automated Vehicles for Safety Monitoring, Assessment and Improvement, Final Report (Year 3)

Asad J. Khattak, Iman Mahdinia+3 more|arXiv (Cornell University)|Jan 1, 2021

Autonomous Vehicle Technology and Safety参考文献 117被引用数 3

ひとこと要約

本研究では、連結型・自動運転車両（CAVs）から得られるビッグデータを統合し、データマイニングおよびテキスト分析を活用して、衝突回避やリアルタイムデータストリーム処理といった重要な安全技術を明らかにした。また、サイバーセキュリティ、プライバシー、インフラ設計といった重要な課題を特定するとともに、CAVの安全技術革新を追跡し、今後の研究を導く概念的フレームワークを提案した。

ABSTRACT

This report focuses on safety aspects of connected and automated vehicles (CAVs). The fundamental question to be answered is how can CAVs improve road users' safety? Using advanced data mining and thematic text analytics tools, the goal is to systematically synthesize studies related to Big Data for safety monitoring and improvement. Within this domain, the report systematically compares Big Data initiatives related to transportation initiatives nationally and internationally and provides insights regarding the evolution of Big Data science applications related to CAVs and new challenges. The objectives addressed are: 1-Creating a database of Big Data efforts by acquiring reports, white papers, and journal publications; 2-Applying text analytics tools to extract key concepts, and spot patterns and trends in Big Data initiatives; 3-Understanding the evolution of CAV Big Data in the context of safety by quantifying granular taxonomies and modeling entity relations among contents in CAV Big Data research initiatives, and 4-Developing a foundation for exploring new approaches to tracking and analyzing CAV Big Data and related innovations. The study synthesizes and derives high-quality information from innovative research activities undertaken by various research entities through Big Data initiatives. The results can provide a conceptual foundation for developing new approaches for guiding and tracking the safety implications of Big Data and related innovations.

研究の動機と目的

• 連結型・自動運転車両（CAVs）に関連するビッグデータ研究を体系的に統合し、安全モニタリングおよび向上を目的とする。
• 国内および国際的なCAVイニシアチブから、安全を向上させるためのデータニーズと技術的トレンドを特定・分類する。
• テキスト分析およびデータマイニングを用いて、CAVのビッグデータとその安全への影響を体系的に追跡・分析する概念的基盤を構築する。
• CAVの展開に伴い生じる新たな課題、たとえばサイバーセキュリティ、プライバシー、ドライバーの操作離脱、インフラとの整合性について対処する。
• インフラジオメトリーやリアルタイムデータストリーム分析といった、未だ十分に検討されていない分野を特定することで、今後の研究および政策立案を支援する。

提案手法

• Google Scholar、ScienceDirect、Web of Science などの情報源から得た1,000件以上のレポート、ホワイトペーパー、学術論文、会議録を統合した包括的なデータベースを構築した。
• RおよびQDA Minerソフトウェアを用いてテキスト分析およびトピック分析を実施し、CAV研究文書から主要な概念、エンティティ、関係性を抽出した。
• 頻度分析およびコンテンツ分析を実施し、CAV安全研究における「衝突回避」や「ドライバー行動」などの主要テーマを同定した。
• リンク分析を実施し、CAVビッグデータの論理的アーキテクチャを構築することで、データフローとシステム統合をモデル化した。
• 統計的可視化技術を用いて、V2V/V2I通信やリアルタイムデータ処理への注目が高まっている傾向をマッピングした。
• 安全関連のCAVビッグデータイニシアチブの詳細な分類体系を構築し、技術および研究分野の分類を可能にした。

実験結果

リサーチクエスチョン

• RQ1 連結型・自動運転車両（CAVs）が生成するビッグデータは、どのように道路利用者の安全を向上させることができるか？
• RQ2 世界的および国内的なCAVビッグデータイニシアチブにおいて、支配的である技術的および研究的テーマは何か？
• RQ3 特にデータプライバシー、サイバーセキュリティ、インフラとの整合性に関する点で、CAV安全研究における主な課題とギャップは何か？
• RQ4 テキスト分析およびデータマイニングは、CAV安全研究の進化を体系的に追跡・評価するためにどのように活用できるか？
• RQ5 安全かつスケーラブルなCAV展開を実現するための、重要なデータニーズとインフラ要件は何か？

主な発見

• CAV文献で最も頻繁に取り上げられる安全関連のトピックには、「衝突回避・警告」、「ドライビングタスクへの参加／離脱」、「市場浸透に与える影響」が含まれる。
• 「自律走行レーン変更」、「通信システムおよびデータ」、「ドライブの変動性」などの技術が、現在のCAV安全研究の中心的テーマである。
• リアルタイムデータストリーム分析およびデータストリームにおける異常検出は、将来のCAV安全システムにとって重要な新興能力であると特定された。
• 特に道路のジオメトリ、橋梁設計、CAV運用に必要な舗装要件に関するインフラ設計分野に、顕著な研究ギャップが存在する。
• サイバーセキュリティ脅威、プライバシー侵害、および人間と車両の相互作用の不確実性（たとえば、歩行者や自転車利用者との間で）は、解決されていない主要な課題である。
• 自動化によって事故を減少させられる可能性がある一方で、ドライバーの不注意や技術的故障は、さらなる研究と緩和策を要する主要なリスク要因のままである。