自動運転ではカメラ画像など高次元センサ情報を制御層へ直接反映する仕組みが不可欠だが、精度と解釈性を両立する追従モデルは未確立である。本研究は、画像を CVAE で潜在空間に圧縮し、得られた特徴量を深層学習ベースの追従モデルに統合する画像駆動型追従モデルを提案する。東名・新東名高速道路で収集した多量のデータを用いて検証した結果、平均二乗誤差は他モデルに対し最大約 8 % 改善した。さらに潜在空間を線形補間し直線路から急カーブへ連続変化させた数値実験により、道路線形の悪化がストリング不安定性を増幅することを示し、走行環境が追従挙動へ与える影響を定量化できる基盤モデルを構築した。本成果は、マップレス自動運転システムへの実装や走行環境を忠実に再現する交通シミュレーションの高度化に寄与する。
