ホーム > セミナー > ドライバ状態モニタリング/センシング技術と統計処理・機械学習の活用

ドライバ状態モニタリング/センシング技術と統計処理・機械学習の活用

セミナー概要

略称
ドライバ状態
セミナーNo.
tr190403  
開催日時
2019年04月22日(月)11:00~16:30
主催
(株)トリケップス
問い合わせ
Tel:03-5857-4811 E-mail:info@rdsc.co.jp 問い合わせフォーム
開催場所
オームビル 
講師
愛知工科大学 工学部 機械システム工学科 教授 博士(学術)
高度交通システム(ITS)研究所 所長 荒川 俊也 氏 
  
<略歴>   2001年 早稲田大学 理工学部 機械工学科 卒業
 2003年 東京大学大学院 総合文化研究科 広域科学専攻 博士前期課程 修了
 2003年4月-2013年2月 富士重工業株式会社 スバル技術研究所 勤務
 2008年-2012年 総合研究大学院大学 複合科学研究科 統計科学専攻 
         博士後期課程修了,博士(学術)
 2012年10月-2013年3月 情報・システム研究機構 統計数理研究所 外来研究員
 2013年3月 政策研究大学院大学 契約職員
 2013年4月 愛知工科大学 工学部 機械システム工学科 准教授 
       兼 情報・システム研究機構 融合プロジェクト「超大容量ゲノム・
        多元軸表現型データの統計情報解析による遺伝機能システム学」共同研究員
 2016年4月 愛知工科大学 工学部 機械システム工学科 教授
       (大学院 工学研究科 システム工学専攻 教授 併任)
 2017年5月 政策研究大学院大学 政策研究センター 客員研究員
 2018年4月 愛知工科大学 高度交通システム(ITS)研究所 所長
   現在に至る
<学会、委員> 自動車技術会,計測自動制御学会,日本オペレーションズ・リサーチ学会,
 日本知能情報ファジィ学会,産業応用工学会,日本情報教育学会,応用科学学会 会員
 2003年-2006年, 2012年-2013年 自動車技術会 ドライバ評価手法検討部門委員会 委員
 2013年- 自動車技術会 ヒューマンファクター部門委員会 委員
 2014年- 愛知県ITS推進協議会 特別会員(学識)
 2016年- 自動車技術会 エレクトロニクス部門委員会 委員
 2019年- 日本知能情報ファジィ学会 東海支部 運営委員
<受賞歴>   2014年 産業応用工学会 全国大会2014 優秀論文発表賞
 2015年 産業応用工学会 2014年度論文賞
 2016年 産業応用工学会 全国大会2016 優秀論文発表賞
 2016年 計測自動制御学会 システム・情報部門学術講演会2016 研究奨励賞
価格
非会員: 49,680円(本体価格:46,000円)
会員: 49,680円(本体価格:46,000円)
学生: 49,680円(本体価格:46,000円)
価格関連備考
お1人様受講の場合 46,000円[税別]/1名
1口でお申込の場合 57,000円[税別]/1口(3名まで受講可能)

講座の内容

趣旨
 現在注目を集めている予防安全技術の効果を一層高めるためには,運転しているドライバ自身の状態を検出し,推定することで,運転に適切な状態にさせる技術が必要となると考えられます.また,今後普及が期待されている自動運転技術についても,例えば,マニュアル運転と自動運転のシームレスな遷移をもたらすために,ドライバ状態検出・推定技術が役立つでしょう.
 本セミナーでは,予防安全技術の歴史やロードマップを基にして,ドライバ状態検出技術の最新研究開発動向および将来の展望について詳細に解説すると共に,ドライバ状態を検出するに当たって活用が期待される統計科学的手法,機械学習の手法について説明します.
プログラム

1 なぜ予防安全技術が注目されているか?
 1.1 統計データと連邦自動車安全基準から探る
 1.2 予防安全の分類
 1.3 2次安全から1次安全へ
 1.4 そして0次安全へ
 1.5 周辺環境認識技術の現状
 1.6 新しい0次安全に向けて

2 ドライバを知る技術
 2.1 「外向き」から「内向き」へ
 2.2 ドライバを計測する
 2.3 ドライバ状態検出技術について(概論)
 2.4 ドライバ状態検出手法の長所と短所

3 ドライバ状態検出技術
 3.1 視線挙動に基づくドライバ状態検出手法の研究紹介
 3.2 心拍に基づくドライバ状態検出手法の研究紹介
 3.3 その他のドライバ状態検出手法の研究紹介~脳波, 血圧,筋電位,呼気,発汗~

4 予防安全機能の実現に向けた統計科学・機械学習の概論(ビッグデータの扱い方)
 4.1 機械学習の概論
 4.2 教師なし学習〜クラスタリング,混合ガウスモデル,隠れマルコフモデル〜
 4.3 教師あり学習〜一般化線形モデル,サポートベクタマシン,ニューラルネットワーク,深層学習など〜
 4.4 統計科学・機械学習をどう用いるか?

5 まとめ

関連するセミナー

関連する書籍・DVD

関連するタグ