マルチモーダル生体センサーが、ドライバーの作業負荷を解析して事故を未然に防ぐ仕組みをご紹介します。HCI Internationalカンファレンスでの実証分析によると、都市部の交通や歩行者の回避といった「高負荷」の状況では、高速道路での運転と比較して、心拍数、筋電図（EMG）、および皮膚電気活動（EDA）が著しく上昇することが明らかになっています。

自動車が人々をさまざまな目的地へと安全かつスムーズに結びつけ、職場と活気あふれる都市の間の隔たりを埋め、安全性、効率性、そして使いやすさを比類のない形で融合させる世界を想像してみてください。

運転状況、認知的負荷、運転技能といった重要な要素を考慮しつつ、そのシナリオに向けた取り組みが継続的に進められている。

複雑な運転状況と運転中の認知的負荷との関連性は、望ましい運転体験を左右する重要な要因であると同時に、交通事故の主要な引き金の一つでもある。認知的負荷とは、課題の客観的な難易度と、その難易度に対する利用者の主観的な認識の両方を包含する概念であり、運転の分野において特に重要な意味を持つ。

客観的な困難度は、交通量や悪天候といった外的要因に左右され、それらが運転の複雑さを増大させます。同時に、この負荷に対するドライバーの主観的な体験は、多くの場合、その状況への慣れや快適さの度合いに左右され、ストレスレベルの差異として現れます。こうした文脈におけるストレスの生理学的メカニズムを理解することは、極めて複雑なドライバーの行動を解明する上で極めて重要な役割を果たし、最終的には交通事故の発生頻度を低減することを目的としています。

人間の行動に関する研究は、こうした課題の解決に役立ち、より安全で快適な運転体験を実現するのに貢献できる。人間とコンピュータの相互作用（HCI）の分野は、人間を中心に据え、実践的な成果につながる堅牢な設計や枠組みの開発を日常的に目指しているため、この課題に取り組むのに最適な立場にある。

この種の研究の一例が、先ごろ開催されたHCI国際会議で発表されました。この会議は、ユーザーエクスペリエンス、ユーザーインターフェース設計、ユーザビリティ、インタラクション技術、認知人間工学、アクセシビリティ、ヒューマンファクターなどの分野における研究者や企業が集まる、著名な国際フォーラムです。今年、第25回HCI国際会議において、iMotionsはパドヴァ大学（イタリア）およびVI-Gradeと共同で実施したマルチモーダル研究の予備結果を発表しました。本研究では、負荷が低い、中程度、高いという3つの異なる運転タスクにおいて、視覚的注意、表情分析に加え、心電図（ECG）、呼吸（RSP）、筋電図（EMG）、および皮膚電気活動（EDA）を同時に評価しています（図1）。

本研究は、作業負荷のレベルの違いが運転者のパフォーマンスにどのような影響を与えるかを評価することを目的としており、その結果が、より安全な運転を行うための指針となることが期待されています。以下に、運転者の行動に関する本格的なマルチモーダル実験である本研究の概要を紹介します。

図1：本研究の構成図。被験者は、低負荷（ベースライン）、中負荷、高負荷の3つの運転課題を遂行した。

3つの運転課題は以下の通りです：

低負荷（基準状態）：交通量の少ない空いている高速道路を走行し、2車線変更、操縦操作、加速、減速を行う。

中程度の難易度：交通コーンの間をスラローム走行し、可能な限り速く2車線変更を行ってください。

高い負荷：交通状況がランダムで、信号機があり、多数の車両が走行し、歩行者が横断している街中を走行する。

作業負荷の高いタスクは、視覚的負荷（注視時間の割合で示される）、心拍数、呼吸数、ならびに筋活動および皮膚電気活動をより高めるという仮説が立てられた。

図2：3台のSmart Eye Proアイトラッカーを統合したマルチスクリーン・シミュレーターと、FEA、ECG、RSP、EMG、EDAからの生体センサー応答を組み合わせた、iMotionsソフトウェアスイートにおける高負荷タスクの再生動画。

本研究の予備的な結果によると、複雑な運転シナリオでは、筋電図（EMG）活動が高くなり、覚醒度（心拍数およびGSRのピーク数／分）に変動が見られ、知覚負荷（注視時間％）が高くなることが示された（図3）。

図3：低負荷、中負荷、高負荷の各タスクにおける皮膚電気活動（EDA）および筋電図（EMG）の活動状況、ならびに滞在時間の割合。

その結果、EDA、EMG、およびアイトラッキングデータから得られた注視時間の各指標において、有意な差が認められた。これは、これらの指標が運転時の認知的負荷を理解するのに適していることを示唆している。また、これらの指標は事故発生の可能性とも関連しているため、自動車メーカーは、必要に応じて車両から早期警告や支援サービスを提供できるよう、こうした指標を車両設計に組み込む方法を模索することが有益であると考えられる。

これにより、最終的には衝突の可能性を低減するための自動化された仕組みが実現する可能性があります。このようなシステムは、心理生理学的データのみによって作動するため、ドライバーの操作を必要としません。これは、その時点で認知的負荷が明らかに高すぎる場合に極めて重要です。Smart Eye社は最近、こうした検知を行うために車両に組み込むことができるシステムを発表しました。

この研究の詳細については、こちらで方法と結果をご覧ください。

これらの生理学的指標を、車両の性能データ（スロットル、ブレーキ、ギア）や環境条件などの他のデータソースと統合することで、ドライバーの行動を包括的に把握することが可能になります。この包括的なアプローチは、先進運転支援システム（ADAS）の開発に寄与し、道路上の安全性と性能の向上につながります。

こうした生理的信号のモニタリングは、ドライバーの訓練や教育プログラムにも活用できます。ドライバーのストレスレベル、注意力、集中力について個別のフィードバックを提供することで、ドライバーは自らの運転技術の向上に積極的に取り組むことができ、その結果、道路の安全性が向上し、事故率の低下につながります。

参考文献

Healey, J.A., Picard, R.W.: 生理学的センサーを用いた実走行時のストレス検出。IEEE Transactions on Intelligent Transportation Systems 6(2), 156-166 (2005). doi: 10.1109/TITS.2005.848368.
Zontone, P., Affanni, A., Bernardini, R., Piras, A., Rinaldo, R., Formaggia, F., Minen, D., Minen, M., Savorgnan, C.: 「皮膚電気活動および心電図測定による自動車運転者の交感神経反応の検出」。IEEE Transactions on Biomedical Engineering, vol. 49(12), 3413-3424 (2020). doi: 10.1109/TBME.2020.2987168
Lemonnier, S., Bremond, R., Baccino, T.: 交差点に接近する際の視線行動：注視時間の分布と定量的予測との比較。Transportation Research Part F: Traffic Psychology and Behaviour 35, 60-74 (2015). doi: 10.1016/j.trf.2015.10.015
Jabon, M., Bailenson, J., Pontikakis, E., Takayama, L., Nass, C.: 危険な運転行動を予測するための表情分析. IEEE Pervasive Comput 10(4), 84-95 (2011). doi: 10.1109/MPRV.2010.46
ストレイヤー, D.L., ドリュース, F.A., J
Mehler B., Reimer, B., Coughlin, J.F., Dusek, J.A.: 若年成人ドライバーにおける認知的負荷の漸増が生理的覚醒およびパフォーマンスに及ぼす影響。Transp Res Rec 2138(1), 6-12 (2009). doi: 10.3141/2138-02
Collet, C., Clarion, A., Morel, M., Chapon, A., Petit, C.: 運転中の二次的タスクの処理に伴う生理的および行動的変化。App Ergon 40(6), 1041-1046 (2009). doi: 10.1016/j.apergo.2009.01.007
Wierwille, W.W., Eggemeier, F.T.: 試験・評価環境における精神的負荷測定に関する提言。Hum Factors 35(2), 263-281 (1992). doi: 10.1177/001872089303500205

iMotionsで複雑なマルチスクリーン自動車シミュレーションを作成する方法

Table of Contents

参考文献