# 高橋さんミーティング

## カーシム関連でできることないか
○マクロデータを補う上でカーシムのシミュレーション
シミュレーションを使って出てきたデータで機械学習はあり
→検証対象としてミクロデータはどうなの
:::spoiler Click to show details

### 目的
さまざまな地域における交通事故をシミュレーションすることでデータを補う
主にΔV

### 問題点
そもそも事故データが存在しない地域では検証できなくないか？
シミュレーションの結果がどこまで信頼できるものなのか

### 解決策
地域ごとに事故データを分類するのではなく、道路形状などによって交通事故をシナリオ分けすることによって事故データのない地域でもシナリオを適応できる。
JAMAのシナリオは使えそうかな

### 具体的に
まずは高速道路で分類かな...
日本の高速道路の形状などを調べてJAMAシナリオ分類できるか？

:::

## 転移学習
○高橋さんの引継ぎ
現在Deep Forest for Transfer learningの論文読んでる。
==次回ゼミに向けて今取り組んでいる==

## ΔV予測
○ベイジアンネットで確率的に（0or1でない）
→実際に観測することが難しい為予測
→平均値と分散（時系列でいつになったらある程度角度の高いΔVになるか）
→やる意義は？
:::spoiler Click to show details

### 目的
ベイジアンネットでΔVを確率的に予測することにより、衝突前のΔVの予測精度が時間によってどのように変化するかを調べる。
これにより衝突前のどのタイミングで重症度を正確に予測できるかを知ることができる。

### 疑問
==そもそも時間によって変化する変数はなんだ？==

:::

## リアルタイム自己（傷害）予測（時系列）
（自動運転の開発者が何を求めているか）
→いろんな車の衝突確率は見れていない
　→目の前のやつとの障害リスクしか考えられていない
→今できていない問題はハード説
:::spoiler Click to show details
### 目的
自動運転車の人身に対する傷害の未然防止・被害低減

### 具体的に
自車の傷害リスクをリアルタイムで推計し、事故被害提言挙動の提案をするシステム構築
* ハード面の意改善（これは俺らの対象外）
* より正確かつ多くの環境・車両情報を取得できるようにする
* ソフト面の改善
* リアルタイムのより交通参加者の大部分をカバーする衝突予測
* 衝突予測に対する事故被害挙動の提案
:::

## 自動運転技術の評価の指標作り
評価することには強引さが必要
→判断材料は多い方がいいからあり？
:::spoiler Click to show details
### 目的
・自動運転技術を「避けられない事故の人身被害の緩和」を評価する指標作り

### 具体的に
* 自動運転技術の避けられない事故に対して注意深いドライバーと比較し、傷害リスクを下げられているかグラフ表示
* こんなイメージ
* 

* それを数値化し評価できる形へ
* （できたら）いくつかの自動運転技術を評価したい

:::

## 変数（説明変数含む）離散化の閾値の検討
:::spoiler Click to show details
### 目的
・閾値適正化による今の傷害予測モデルの精度向上

### 具体的に
* あまりイメージ沸いてないです
* 手でいろいろ試してみる？
* グラフ化してグラフィック的に適切と思われるところで試してみる？

:::

手を実際に動かしてもいいかも
→実験してみる
→論文みてみる