逆強化学習を用いた生活道路における危険予知運転モデリング近年，予防安全技術の研究が活発であり，交通事故の低減に貢献していますが，生活道路では事故の減少率が低いのが現状です．生活道路では歩行者の飛び出しやドライバーの安全不確認による事故が多いのが特徴であり，従来の人検知後の衝突回避だけでは，自動車が制動距離を要するため不十分な場合があります．この問題に対処するためには，潜在的な危険を予知した事前の運転計画，つまり危険予知運転が必要であり，本研究ではこの運転行動のモデル化に取り組みました．生活道路の危険予知運転のモデル化の難しさとしては，交通ルールの遵守だけでは不十分で安全に対する明確な基準がないことと，歩車が混在するため環境が多様であることが挙げられます．本研究では，逆強化学習を用いてドライバーの運転行動に基づきモデルを最適化することで，この問題に対処しました(Shimosaka et al., ITSC 2014)．応用例として，規範ドライバー
TensorFlowで逆強化学習
https://kaigi.org/jsai/webprogram/2017/pdf/769.pdf
