本研究では，長期記憶と位相写像を扱う機械学習アルゴリズムを用いて，運転シーンのエ ピソード記憶化を試みた．ドライビングシミュレータを用いた予備実験では，視線と顔の向 きを計測し，運転者の顔から発せられる情報について比較した．また，ヒヤリハットと注意 散漫状態を擬似的に作成することにより，運転時の視線と顔向きに与える影響を定量化した．
実車による評価実験では，2 カメラ式のドライブレコーダを用いて取得した画像データセッ
図 22: 夕暮れ時の走行における分類結果の時系列での展開結果．
図 23: 雪道の走行における分類結果の時系列での展開結果．
26
トから，運転シーンのエピソード化を試みた．一般道や高速道路などの走行シーンに応じて，
カテゴリマップにより運転特性を可視化した．また，ヒヤリハット事象を含む独自のデータ セットを構築するとともに，カテゴリマップでのヒヤリハットの位置付けを表現した．カテ ゴリマップのみからヒヤリハットを含む特異的な事象をエピソードとして抽出するまでには 至らなかったものの，走行シーンや運転者に応じて，多様なカテゴリマップを形成する枠組 みを提供した．
今後は対象者数を増やして，運転者全体の集合知と個々の運転者の経験知の融合を図るこ とにより，未知の交通環境への対応を目指したい．また，高齢者の運転者への応用を目指し て，認知，判断，安全予測を支える情報提供技術として，手応えが感じられ受容度の高いイ ンターフェースの構築を進めたい．
参考文献
[1] A.W. Woolley,C.F. Chabris, A. Pentland, N. Hashmi, T.W. Malone, “Evidence for a Collective Intelligence Factor in the Performance of Human Groups,”
Science, vol.330, no.6004, pp.686-688, 2010.
[2] C.M. Atance, D.K. O'Neill, “Episodic future thinking,” Trends in Cognitive Sciences, vol.5 no.12, pp.533-539, 2001.
[3] E. Tulving, “Episodic Memory: From Mind to Brain,” Annual Reviews Psychological, vol.53, no.1-25, 2002.
[4] D.L. Schacter, R.G. Benoit, F.D. Brigard, K.K. Szpunar, “Episodic Future Thinking and Episodic Counterfactual Thinking: Intersections Between Memory and Decisions,” Neurobiology of Learning and Memory, vol.117 pp.14-21, 2015.
[5] 前野隆司, “ロボットの心の作り方-受動意識仮説に基づく基本概念の提案-,” 日 本ロボット学会誌, vol.23, no.1, pp.51-62, 2005.
[6] G.A. Carpenter and S. Grossberg, “ART 2: Stable Self-Organization of Pattern Recognition Codes for Analog Input Patterns,” Applied Optics, vol.26, pp.4919-4930, 1987.
[7] T. Kohonen, Self-Organizing Maps, Springer Series in Information Sciences, 1995.
[8] R.H. Nielsen, “Counterpropagation networks,” Applied Optics, vol.26, pp.4979-4983, 1987.
[9] The pathway to driverless cars: a detailed review of regulations for automated vehicle technologies, Department for Transport, UK, 2015.
[10] J.M. Anderson, N. Kalra, K.D. Stanley, P. Sorensen, C. Samaras, and O.A.
Oluwatola, “Autonomous Vehicle Technology: A Guide for Policymakers,” RAND Corporation, 2014.
[11] 大日方五郎, “自動車運転における居眠り検出（事故を防ぐ, ＜小特集＞眠りの科
学とその応用-よい眠りで豊かで明るい生活を-）,” 日本機械学會誌, vol.116, no.1140, pp.774-777, 2013.
27
[12] 内田奈穂子, 胡振程, 吉富仁, 董延超, “漫然運転防止のための深度カメラを用い
た顔特徴点の検出,” 映像情報メディア学会技術報告, vol.37, no.4, pp.9-12, 2013.
[13] 平山高嗣, 間瀬健二, 武田一哉, “注意散漫状態下の運転者の周辺車状況変化に対
する 2F1-R-10-4 注視反応タイミングの分析,” 人工知能学会全国大会論文集,
vol.26, pp.1-4, 2012.
[14] 寺田佳久, 森川幸治, “脳波によるドライバー注意散漫状態推定技術の開発,”
Panasonic Technical Journal, vol.57, no.3, Oct. 2011
[15] 服部公央亮, 保黒政大, 田口亮, “自己組織化マップを用いた表情認識：居眠り運
転防止などに役立つ顔表情変化自動認識アルゴリズム,” 自動認識, vol.28, no.1, pp.32-38, 2015.
[16] 松永純平, “ドライバの状態を把握する顔表情認識技術（特集 次世代のクルマの
HMI技術） -（クルマ領域以外の最新HMI）,” 自動車技術, vol.69, no.3, pp.94-97, 2015.
[17] Y. Dong, Z. Hu, K. Uchimura, and N. Murayama, “Driver Inattention Monitoring System for Intelligent Vehicles: A Review,” IEEE Trans. on Intelligent Transportation Systems, vol.12, no.2, pp.596-614, 2011.
[18] N. Apostoloff and A. Zelinsky, “Vision In and Out of Vehicles: Integrated Driver and Road Scene Monitoring,” The International Journal of Robotics Research, vol.23 no.4-5, pp.513-538, 2004.
[19] L. Fletcher and A. Zelinsky, “Driver Inattention Detection based on Eye Gaze-Road Event Correlation,” The International Journal of Robotics Research, vol.28, no.6, pp.774-801, 2009.
[20] L. Itti, C. Koch, and E. Niebur, “A Model of Saliency-Based Visual Attention for Rapid Scene Analysis,” IEEE Trans. Pattern Analysis and Machine Intelligence, vol.20, no.11, pp.1254-1259, 1998.
[21] 大津展之, “判別および最小2乗規準に基づく自動しきい値選定法,” 電子情報通
信学会論文誌D, vol.J63-D, no.4, pp.349-356, 1980
[22] X. Hou and L. Zhang, “Saliency Detection: A Spectral Residual Approach,”
Proc. IEEE International Conference Computer Vision and Pattern Recognition, pp.1-8, 2007.
[23] R. Rensink, “Seeing, Sensing, and Scrutinizing,” Vision Reserch, vol.40, pp.1469-1487, 2000.
[24] R.A. Rensink, J.K. O'Regan, and J. Clark, “To See or not to See: The Need for Attention to Perceive Changes in Scenes,” Psychological Review, vol.8, no.5, pp.368-373, 1997.
[25] R. Rensink and J. Enns, “Preemption Effects in Visual Search:Evidence for Low-Level Grouping,” Psychological Review, vol.102, no.1, pp.101-130, 1995.
[26] A. Treisman and G. Gelade, “A Feature-Integration Theory of Attention,”
Cognitive Psychology, vol.12, no.1, pp.97-136, 1980.
28
[27] J. Wolfe, “Guided Search 2.0: A Revised Model of Guided Search,” Psychonomic Bulletin and Review, vol.1, no.2, pp.202-238, 1994.
[28] A. Oliva and A. Torralba, “Modeling the Shape of the Scene: a Holistic Representation of the Spatial Envelope,” International Journal in Computer Vision, vol.42, no.145-175, 2001.
[29] D.G. Lowe, “Object Recognition from Local Scale-Invariant Features,” Proc.
IEEE International Conference Computer Vision, vol.2, pp.1150-1157, 1999.
[30] P.F. Alcantarilla, A. Bartoli and A.J. Davison, “KAZE Features,” Lecture Notes in Computer Science, vol.7577, pp.214-227, 2012.
[31] P.F. Alcantarilla, J. Nuevo, and A. Bartoli, “Fast Explicit Diffusion for Accelerated Features in Nonlinear Scale Spaces,” British Machine Vision Conference, 2013.
[32] H. Scharr, “Optimal Operators in Digital Image Processing,” Heidelberg University, 2000.
[33] J. Weickert and H. Scharr, “A Scheme for Coherence-Enhancing Diffusion Filtering with Optimized Rotation Invariance,” Journal of Visual Communication and Image Representation, vol.13, pp.103-118, 2002.
[34] X. Yang and K.T. Cheng, “LDB: An Ultra-Fast Feature for Scalable Augmented Reality,” Proc. IEEE and ACM International Symposium on Mixed and Augmented Reality, pp.49-57, 2012.
[35] P. Perona and J. Malik, “Scale-Space and Edge Detection Using Annisotropic Diffusion,” IEEE Trans. Pattern Analysis and Machine Intelligence, vol.12, no.7, pp.1651-1686, 1990.
[36] P. Viola and M. Jones, “Rapid Object Detection Using a Boosted Cascade of Simple Features,” Computer Vision and Pattern Recognition, vol.1, pp.511-518, 2001.
[37] H. Rowley, S. Baluja, and T. Kanade, “Neural Network-Based Face Detection,”
IEEE Trans. Pattern Analysis and Machine Intelligence}, vol.20, no.1, pp.22-38, 1998.
[38] A. Haar, “Zur Theorie der Orthogonalen Funktionensysteme,” Mathematische Annalen, vol.69, no.3, pp.331-371, 1910.
[39] C. Papageorgiou, M. Oren, and T. Poggio, “A General FrameWork for Object Detection,” Proc. International Conference on Computer Vision, 1998.
[40] R.E. Schapire and Y. Freund, “Boosting: Foundations and Algorithms,” The MIT Press, 2012.
[41] Y. Freund and R.E. Schapire, “A Decision-Theoretic Generalization of On-Line Learning and an Application to Boosting,” Journal of Computer and System Sciences, vol.55, no.1, pp.119-139, 1997.
[42] 甘利俊一，外山敬介, “脳科学大事典,” 朝倉書店, 2000.
[43] D.H. Hubel and T.N. Wiesel, “Functional Architecture of Macaque Monkey Visual