続いては，社会貢献を強く意識した研究です．高齢化社会に不可欠な研究プロジェクトとして，国から予算を頂いてます．

• 文科省のページ https://kaken.nii.ac.jp/ja/grant/KAKENHI-PROJECT-18H01391/

※以下，「自転車（じてんしゃ）」と「自動車（じどうしゃ）」の字面が紛らわしいので，ご注意ください．

自動運転自動車と高齢自転車のふらつき

下図のように，自動車が，自転車を追い越す状況を考えます．

• まず，老若男女を問わず，走行中の自転車は，左右に揺れています．

• その揺れ方は不規則です．なおかつ，持続的な小さな揺れのなかに，大きな揺れが突発する特徴をもっています．

• 大きな揺れの頻度と振幅は，高齢者ほど大きくなります．（道端で観察してみてください）

この研究プロジェクトでは，この大きな揺れの発生を，自動運転自動車に予測させて，接触事故を減少させる方法を開発します．

例えていうなら，台風の予測円 てあるじゃないですか，あれの自転車版を作ろうとしています．

走行実験

基礎的なデータを得るために，次のような走行実験を実施しました．いきなり高齢者に走行して頂くのは危ないので，まずは研究室の学生に走行してもらいました．

1. 「３本ローラ」と呼ばれる競技用のサイクルトレーナーを用いました．自転車を固定しないので，実走行と同様のふらつきが得られます．

2. 初年度の試みとして，自転車のロール角（左右の倒れ角）のデータを取得しました．下図のθがロール角です．

測定データの一例を，下図に示します．横軸が時間で，上段が角度の時間変化，下段が角速度の時間変化です．これらは，ドローンに使われるジャイロセンサで測定しました．

小刻みな振動のなかに，大きなスパイクが断続的に生じています．これは，走行中の自転車が，断続的にグラッと傾いては戻り，またグラッときては戻る様子を表しています．

数理モデル化の成果

本研究のような予測技術には，数理モデル（運動方程式）が不可欠です．そこで，自動車のしゃくり振動 のときと同様の AI 技術を用いて，自転車の不規則な揺れをモデル化してみました．

その結果がこちらです．

• 出典 https://doi.org/10.3390/app9102154　※学生と書いた論文です（著名な論文誌に掲載されました）

• 灰色が実験データ，赤が数理モデルの結果です．ほとんど一致してますよね！

• これらの関数は，確率密度関数といいます．左の横軸は角度，右の横軸は角速度です．縦軸は，それぞれの発生頻度を表しています．

  • ヒストグラムって分かりますか？　ヒストグラムの縦軸の目盛を変えたものを，確率密度関数といいます．

以上，我々が開発した数理モデルは，実験の確率密度関数を，そっくり真似することができました．

では，そのときの振動波形は，どの程度似ているのか？ これを検証したのが次の結果です．上段が実験，下段が我々の数理モデルです．

不規則現象なので，波形は一致しないのですが（一致したら不規則ではない），波形の傾向は良く似ていると思います．（論文では，統計的仮説検定という手法を使って「似ていること」を裏付けています）

今後は，測定データに，操舵角と，前輪接地点変位も追加して，それ用にモデルを作り直し，自転車の経路を予測していく計画です．

《次の内容へ》