![朝日電装株式会社 | ヒューマン・マシン・インターフェースの専門メーカ [Open the way]](/uploads/op-asahidenso/ja-logo.png){kind=logo}
ライダーの安全性を高め、走行習慣を改善するために、
センサーとAIを活用して走行データを分析し、
事故防止や状況把握を支援します
走行を支える多様なセンサー
バイクには走行を支えるため多種多様なセンサーが取り付けられています。
以下はそれらの一例です。
- アクセルポジションセンサー(APS)
- スピードセンサー
- 加速度センサー
- ハンドルアングルセンサー
- ……
加えて本システム向けにカメラを装備することで、物体の検知, 走行視点の記録が可能となります。
物体の検知では例えば以下のものを認識できます。
- 交通標識
- 信号
- 歩行者
- 車両密度
- 天候
- 速度制限
- ……
センサーデータの蓄積
車両上のセンサーより得られたデータをスマートフォンを経由してクラウド上へ保存、機械学習モデルがライダーの挙動や周囲環境を分析します。
ライディングの分析
センサーデータを機械学習モデルにより分析し、ライダーの行動を検知します。
以下はそれらの一例です。
- 急ブレーキ
- 危険運転
- エンジントラブル
- スピード超過
- ……
ライディングの評価
センサーデータの分析結果からライディングの安全度, 環境への負荷, 熟練度などを評価します。
安全度, 環境への負荷については保険会社とデータを共有し、優良なドライバーは保険料の割引を受けられるといった活用例が考えられます。
熟練度についてはレースチーム, デリバリー業者内などでデータを共有し、熟練者と比較した際の改善点を見つけ出すといった活用例が考えられます。
メンテナンス推奨時期の予測
センサーデータの分析結果からメンテナンスの推奨時期を予測します。
予測はセンサーから得られた車両状態, 前回のメンテナンス時期といった要素からなされ、次回のメンテナンス推奨時期をライダーへお知らせします。
外的要因, 車両状態, ライダーの状態分析
本システムでは以下のような要因を推測することができ、アクシデントが発生した際に原因を究明する助けになります。
画像認識による事故状況の立証
バイクに搭載されたカメラを用いてクラウド上で画像認識を行うことで、事故当時の状況を立証できると考えています。
画像認識により得られたデータを交通警察官と共有すれば、事故当時の状況についての証言がより信憑性のあるものになるでしょう。
