[論文レビュー] Open Area Path Finding to Improve Wheelchair Navigation

Anahid Basiri|arXiv (Cornell University)|Nov 7, 2020

Gaze Tracking and Assistive Technology参考文献 50被引用数 5

ひとこと要約

本論文は、公園や芝生地など、従来のルート計画が効かないオープンな領域における車椅子利用者のための画期的なグラフベースの経路探索アルゴリズムを提案する。機械学習を用いて実際の車椅子利用者の経路データを分析することで、勾配、路面状態、幅などの要因をモデル化し、利用者中心の経路を生成する。実際の利用者経路と76.4％の類似度を達成し、アクセシビリティの向上とマルチモーダルルーティングの互換性が著しく向上した。

ABSTRACT

Navigation is one of the most widely used applications of the Location Based Services (LBS) which have become part of our digitally informed daily lives. Navigation services, however, have generally been designed for drivers rather than other users such as pedestrians or wheelchair users. For these users the directed networks of streets and roads do not limit their movements, but their movements may have other limitations, including lower speed of movement, and being more dependent on weather and the pavement surface conditions. This paper proposes and implements a novel path finding algorithm for open areas, i.e. areas with no network of pathways such as grasslands and parks where the conventional graph-based algorithms fail to calculate a practically traversable path. The new method provides multimodality, a higher level of performance, efficiency, and user satisfaction in comparison with currently available solutions. The proposed algorithm creates a new graph in the open area, which can consider the obstacles and barriers and calculate the path based on the factors that are important for wheelchair users. Factors, including slope, width, and surface condition of the routes, are recognised by mining the actual trajectories of wheelchairs users using trajectory mining and machine learning techniques. Unlike raster-based techniques, a graph-based open area path finding algorithm allows the routing to be fully compatible with current transportation routing services, and enables a full multimodal routing service. The implementations and tests show at least a 76.4% similarity between the proposed algorithm outputs and actual wheelchair users trajectories.

研究の動機と目的

• 公園や芝生地などのオープンな領域における車椅子利用者に対する有効なナビゲーション支援の欠如に対処すること。
• 事前に定義されたパスに依存する従来のグラフベースのルーティングシステムの限界を克服すること。
• 利用者固有の移動制約を組み込むことで、利用者の満足度とナビゲーション効率を向上させること。
• オープンな領域におけるグラフ表現を整備することで、既存のマルチモーダルルーティング統合を完全に可能とすること。
• 実利用者データを用いて、路面状態や勾配といった環境要因に動的に適応するシステムの開発

提案手法

• オープンな領域を走行する利用者のGPSおよびセンサデータを用いて、実世界の車椅子経路データを収集する。
• 経路マイニング技術を適用し、勾配、路面状態、幅などの重要な経路特徴を抽出・同定する。
• 機械学習モデルを訓練し、車椅子利用への影響度に応じて経路特徴を分類・重み付けする。
• 障害物、障壁、利用者にとって関連のある地形要因を符号化した、オープン領域内での新しいグラフ構造を構築する。
• 既存のルーティングサービスに新しいグラフを統合し、シームレスなマルチモーダルナビゲーションを可能にする。
• Dijkstraのアルゴリズムまたは類似の最短経路アルゴリズムを用いて、最適かつ車椅子にやさしい経路を計算する。

実験結果

リサーチクエスチョン

• RQ1 事前に定義されたパスのないオープンな領域において、どのように経路探索アルゴリズムが車椅子利用者を効果的に支援できるか。
• RQ2 非構造的環境における車椅子ナビゲーションに顕著に影響を与える環境的および移動要因は何か。
• RQ3 実利用者経路をどれだけ活用して、最適な車椅子経路をモデル化・予測できるか。
• RQ4 提案されたグラフベース手法は、従来のラスターベースまたはネットワークベースのルーティング手法と比較して、どの程度の精度を示すか。
• RQ5 利用者固有の経路特徴を統合することで、ルーティングのパフォーマンスと利用者の満足度が向上するか。

主な発見

• 提案されたアルゴリズムは、計算された経路と実際の車椅子利用者経路との間で、少なくとも76.4％の類似度を達成した。
• 本手法は、実際の経路データを用いて、勾配、路面状態、経路幅といった重要な車椅子ナビゲーション要因を効果的にモデル化した。
• グラフベースのアプローチにより、既存の交通ルーティングサービスとの完全な互換性が実現され、マルチモーダルナビゲーションを可能にした。
• パフォーマンス、効率性、利用者中心の経路選択の観点で、従来のラスターベース手法を上回る性能を示した。
• 経路マイニングと機械学習により、手動ラベル付けなしに、利用可能性に重要な経路特徴を自動特定できるようになった。
• 本手法は、実際の都市部およびレクリエーション用オープンスペースへの実用的導入の可能性を示した。