CN105339992B - 道路状况掌握系统以及道路状况掌握装置 - Google Patents

道路状况掌握系统以及道路状况掌握装置 Download PDF

Info

Publication number
CN105339992B
CN105339992B CN201480036002.4A CN201480036002A CN105339992B CN 105339992 B CN105339992 B CN 105339992B CN 201480036002 A CN201480036002 A CN 201480036002A CN 105339992 B CN105339992 B CN 105339992B
Authority
CN
China
Prior art keywords
vehicle
road surface
condition
road
car
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201480036002.4A
Other languages
English (en)
Other versions
CN105339992A (zh
Inventor
横井谦太朗
佐藤俊雄
阿部达朗
铃木美彦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Original Assignee
Toshiba Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp filed Critical Toshiba Corp
Publication of CN105339992A publication Critical patent/CN105339992A/zh
Application granted granted Critical
Publication of CN105339992B publication Critical patent/CN105339992B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • G08G1/0133Traffic data processing for classifying traffic situation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及道路状况掌握系统以及道路状况掌握装置。实施方式的道路状况掌握系统是具备车载装置和处理从车载装置发送的信息的信息处理装置的系统。车载装置具备:位置检测部,检测车辆的位置;摄像部,对车辆的周围进行摄像;车间距离计算部,根据由摄像部摄像的图像计算与其它车辆的车间距离;车辆密度计算部,根据计算出的车间距离和检测到的车辆的位置计算在该位置行驶的车辆的密度;以及发送部,将包括检测到的车辆的位置和计算出的车辆的密度的道路信息向信息处理装置发送。信息处理装置具备道路状况计算部,该道路状况计算部根据发送的道路信息,对车辆所行驶的路径上的道路信息进行总计,计算表示路径的拥挤情况的道路状况。

Description

道路状况掌握系统以及道路状况掌握装置
本申请以日本专利申请2013-132950(申请日:2013年6月25日)为基础,从该申请享受优先的利益。本申请通过参照该申请,包含该申请的全部内容。
技术领域
本发明的实施方式涉及道路状况掌握系统以及道路状况掌握装置。
背景技术
以往,在高级交通系统(Intelligent Transport Systems:ITS,智能交通系统)中,进行拥塞、拥挤等道路状况的掌握。在该道路状况的掌握中,有使用设置于路侧的摄像机等路侧装置的检测结果的方法。另外,有一种如下方法:将GPS(Global PositioningSystem,全球定位系统)装置搭载到车辆,使用从GPS装置得到的位置信息和从车辆的速度计得到的速度信息。
但是,在上述以往技术中,只是能够掌握设置了路侧装置的地点的道路状况,用于掌握许多地点的道路状况的设置成本高。另外,仅通过在某行车道行驶的车辆的速度和位置,难以掌握是否为车辆过密的状态等、更准确的道路状况。
发明内容
本发明所要解决的课题是提供一种能够掌握是否为车辆过密的状态等、更准确的道路状况的道路状况掌握系统以及道路状况掌握装置。
实施方式的道路状况掌握系统是具备搭载于车辆的车载装置和处理从该车载装置发送的信息的信息处理装置的系统。车载装置具备:位置检测部、摄像部、车间距离计算部、车辆密度计算部以及发送部。位置检测部检测车辆的位置。摄像部对车辆的周围进行摄像。车间距离计算部根据由摄像部摄像的图像,计算与其它车辆的车间距离。车辆密度计算部根据计算出的车间距离和检测到的车辆的位置,计算在该位置行驶的车辆的密度。发送部将包括检测到的车辆的位置和计算出的车辆的密度的道路信息向所述信息处理装置发送。信息处理装置具备道路状况计算部,该道路状况计算部根据发送的道路信息,对车辆所行驶的路径上的道路信息进行总计,计算表示路径的拥挤情况的道路状况。
另外,实施方式的道路状况掌握装置具备:摄像部、位置检测部、车间距离计算部、车辆密度计算部以及道路状况计算部。摄像部对车辆的周围进行摄像。位置检测部检测车辆的位置。车间距离计算部根据由摄像部摄像的图像计算与其它车辆的车间距离。车辆密度计算部根据计算出的车间距离和检测到的车辆的位置,计算在该位置行驶的车辆的密度。道路状况计算部对基于检测到的车辆的位置的车辆所行驶的路径上的、计算出的车辆的密度进行总计,计算表示路径的拥挤情况的道路状况。
根据上述结构的道路状况掌握系统以及道路状况掌握装置,能够掌握是否为车辆过密的状态等、更准确的道路状况。
附图说明
图1是示出第1实施方式的道路状况掌握系统的概要的概念图。
图2是示出第1实施方式的道路状况掌握系统的硬件结构的一个例子的框图。
图3是示出第1实施方式的道路状况掌握系统的功能结构的一个例子的框图。
图4是说明第1实施方式的道路状况掌握系统的处理流程的概念图。
图5是例示第1实施方式的道路状况掌握系统中的、车间距离计算部的详细内容的框图。
图6是说明第1实施方式的道路状况掌握系统中的、车间距离计算部的处理流程的概念图。
图7是例示第1实施方式的道路状况掌握系统中的、以基于视差信息的距离为基础的与先行车辆的车间距离的计算的概念图。
图8是例示第1实施方式的道路状况掌握系统中的、以基于视差信息的距离为基础的与先行车辆的车间距离的计算的概念图。
图9是示出第1实施方式的变形例1的道路状况掌握系统的功能结构的一个例子的框图。
图10是示出第1实施方式的变形例2的道路状况掌握系统的功能结构的一个例子的框图。
图11是说明第1实施方式的变形例2的道路状况掌握系统的处理流程的概念图。
图12是例示第1实施方式的变形例2的道路状况掌握系统中的、每条行车道的车间距离的计算的概念图。
图13是示出第1实施方式的变形例3的道路状况掌握系统的功能结构的一个例子的框图。
图14是说明第1实施方式的变形例3的道路状况掌握系统的处理流程的概念图。
图15是示出第2实施方式的道路状况掌握系统的概要的概念图。
图16是示出第2实施方式的道路状况掌握系统的功能结构的一个例子的框图。
图17是说明第2实施方式的道路状况掌握系统的处理流程的概念图。
图18是例示第2实施方式的道路状况掌握系统中的、以从摄像图像检测到的车辆的位置为基础的车间距离的计算的概念图。
具体实施方式
以下,参照附图,详细地说明实施方式的道路状况掌握系统以及道路状况掌握装置。另外,在以下说明的实施方式以及其变形例中,对同样的结构要素附加共同的符号,并且省略重复的说明。
(第1实施方式)
图1是示出第1实施方式的道路状况掌握系统1的概要的概念图。如图1所示,道路状况掌握系统1是具备搭载于车辆V1的车载终端20和处理从车载终端20发送的道路信息的管理装置10的结构。
在车辆V1中,设置了具有立体摄像机21和GPS装置22的车载终端20。立体摄像机21是从不同的多个方向对车辆V1的周围进行摄像的多个数字摄像机,向车载终端20输出所摄像的图像数据。在本实施方式中,设为左右1对立体摄像机21设置在车辆V1的前方上部。因此,车载终端20能够得到通过立体摄像机21从左右对沿着车辆V1的行进方向的前方进行了摄像的图像(立体图像)。另外,关于立体摄像机21的设置位置、设置数量,并不限于本实施方式。例如,也可以将立体摄像机21的设置位置设为车辆V1的后方上部。在立体摄像机21的设置位置为车辆V1的后方上部的情况下,车载终端20能够得到沿着车辆V1的行进方向的后方的立体图像。
车载终端20根据由立体摄像机21摄像的立体图像计算处于车辆V1的周围并处于沿着车辆V1的行进方向的方向、即车辆V1所行驶的道路上的车辆V2与车辆V1的车间距离。然后,车载终端20根据计算出的车间距离,计算道路上的车辆(V1、V2、…)的密度,并将包括该车辆的密度和由GPS装置22检测的车辆V1的当前位置的道路信息发送到管理装置10。
另外,搭载车载终端20的车辆V1除了是定期地运行规定的路线的公交巴士之外,还可以是出租车、邮政车、一般的轿车等任意的车种。在本实施方式中,设为车载终端20搭载于公交巴士。在将车载终端20搭载到公交巴士的情况下,与出租车、一般的轿车等相比,公交巴士的车高高,因此能够将立体摄像机21设置在更高的位置,所以在车载终端20根据由立体摄像机21摄像的立体图像来掌握车辆V1的周围这样的方面上是有利的。另外,在该情况下,能够定期地收集沿着规定的路线的道路信息。另外,在该情况下,能够进行经由了与运行指令所等进行通信的业务用无线的道路信息的收集,无需重新准备连结车载终端20和管理装置10的通信基础设施。
管理装置10是PC(Personal Computer,个人计算机)等,对从车载终端20发送的道路信息进行总计,计算表示车辆V1所移动的路径的拥挤情况的道路状况。
此处说的道路状况是指道路上的车辆的拥挤情况,设为不包括路面状态(雨湿、积雪、冻结等)等道路的形态。另外,道路信息中所包含的车辆的密度与道路上的拥挤情况相当。即,如果车辆的密度高则表示拥挤,如果车辆的密度低则表示空。
在管理装置10中,通过根据车辆V1的位置信息,沿着车辆V1所行驶的路径,对与车辆V1的当前位置一起逐次送来的车辆的密度进行总计,从而计算该路径上的道路状况。另外,管理装置10所计算的道路状况既可以是对与车辆的密度对应的拥挤情况进行了数值化的道路状况,也可以是将车辆的密度所表示的拥挤情况用规定的阈值进行了划分的拥挤的等级(例如“拥塞”、“拥挤”、“普通”等)。
管理装置10将计算出的道路状况输出为表示拥塞的发生场所等的地图。具体而言,管理装置10将对描述了道路、建筑物的位置的地图信息M1重叠了沿着搭载了车载终端20的车辆V1所行驶的路径而计算出的道路状况G1、G2、G3的地图显示到显示器,通知给操作管理装置10的用户(操作者等)。在该地图上显示的道路状况G1、G2、G3也可以根据拥挤情况而改变显示形态(与道路重叠的线的线种、颜色、粗细度等),以使得操作者易于识别拥挤情况。例如,通过对拥塞的发生场所进行闪烁显示、红色等的强调色显示、粗线显示等,从而操作者能够准确地掌握拥塞的发生场所。
图2是示出第1实施方式的道路状况掌握系统1的硬件结构的一个例子的框图。如图2所示,管理装置10具备显示部11、输入部12、通信部13以及控制部14。
显示部11是LCD(Liquid Crystal Display,液晶显示器)等,在控制部14的控制下进行所计算出的道路状况G1、G2、G3等的显示。输入部12是键盘、指示设备等输入装置,受理操作者的操作输入而输出到控制部14。
通信部13是在控制部14的控制下经由通信网络N而与车载终端20进行通信的通信装置。通信网络N是用于与车载终端20进行通信的通信基础设施,可以是在公交巴士等中使用的业务用无线、移动体通信网等。
控制部14具备CPU(Central Processing Unit,中央处理单元)、ROM(Read OnlyMemory,只读存储器)、RAM(Random Access Memory,随机存取存储器)等(都未图示),控制管理装置10的动作。具体而言,通过由CPU将存储于ROM等的程序展开到RAM而依次执行,从而管理装置10中的各部的动作被控制。
车载终端20除了具备立体摄像机21、GPS装置22之外,还具备控制部23、通信部24、输入部25以及显示部26。控制部23具备CPU、ROM、RAM等(都未图示),控制车载终端20的动作。具体而言,通过由CPU将存储于ROM等的程序展开到RAM而依次执行,从而车载终端20中的各部的动作被控制。
通信部24是在控制部23的控制下,经由通信网络N而与管理装置10进行通信的通信装置。例如,通信部24在控制部23的控制下,将包括根据由立体摄像机21摄像的立体图像而计算出的车辆的密度和由GPS装置22检测的当前位置的道路信息发送到管理装置10。
输入部25是受理来自操作车载终端20的用户的操作输入的操作键等,将基于操作键的按压的操作信号输出到控制部23。显示部26是LED(Light Emitting Diode,发光二极管)的显示灯、LCD等,在控制部14的控制下进行各种显示。
接下来,说明通过管理装置10的控制部14、车载终端20的控制部23而实现的道路状况掌握系统1的功能结构和其处理。图3是示出第1实施方式的道路状况掌握系统1的功能结构的一个例子的框图。图4是说明第1实施方式的道路状况掌握系统1的处理流程的概念图。
如图3所示,道路状况掌握系统1作为与道路状况的计算有关的功能结构具备立体摄像部101、距离计算部102、车间距离计算部103、车辆密度计算部104、车辆位置信息获取部105、道路信息计算部106、道路信息累积部107。此处,立体摄像部101、距离计算部102、车间距离计算部103、车辆密度计算部104、车辆位置信息获取部105、道路信息计算部106是通过由管理装置10的控制部14执行程序而实现的功能结构。另外,道路信息累积部107是通过由车载终端20的控制部23执行程序而实现的功能结构。
立体摄像部101进行立体图像摄像处理,在该立体图像摄像处理中,用立体摄像机21中的左右的数字摄像机同时进行摄像,获取左右1对立体图像(图4:S101)。
距离计算部102进行距离计算处理,在该距离计算处理中,根据通过立体图像摄像处理摄像的立体图像,计算映入到该立体图像的物体与车辆V1的距离(图4:S102)。
在立体图像中,在用右边的数字摄像机摄像的图像和用左边的数字摄像机摄像的图像之间,产生与映入的物体的距离相应的视差。在距离计算部102中,进行立体处理(立体匹配处理),在该立体处理中,对上述左右的图像进行比较,计算类似点的位置偏差(视差)。通过该立体处理,能够得到从与车辆V1的距离近的跟前侧朝向距离远的里侧而视差量不同的视差信息I1。距离计算部102根据得到的视差信息I1,通过三角测量而计算映入到立体图像的物体的距离。
车间距离计算部103进行车间距离计算处理,在该车间距离计算处理中,根据表示通过上述距离计算处理得到的距离的距离信息,计算与处于沿着车辆V1的行进方向的前方的车辆V2的车间距离D1(图4:S103)。
此处,参照图5~图7,说明车间距离计算处理的详细内容。图5是例示车间距离计算部103的详细内容的框图。图6是说明车间距离计算部103的处理流程的概念图。图7、8是例示以基于视差信息I1的距离为基础的与先行车辆的车间距离的计算的概念图。
如图5所示,车间距离计算部103作为进行车间距离计算处理的功能结构具备对应路面位置计算部1031、对应路面位置总计部1032以及非路面判定部1033,根据表示通过上述距离计算处理而得到的距离的距离信息,输出表示与先行车辆的车间距离的车间距离信息。
对应路面位置计算部1031进行对应路面位置计算处理,在该对应路面位置计算处理中,计算在用立体摄像机21摄像的立体图像中与从跟前朝向里表示阶段性的距离的路面对应的位置(图6:S1031)。
具体而言,对应路面位置计算部1031在存储器等中预先保持了对应路面位置信息,该对应路面位置信息是在如图7所示的无先行车辆的摄像条件下由立体摄像机21对路面进行摄像而得到的距离信息(计算结果),表示映入到立体图像的路面和该路面与车辆V1间的距离的对应关系。该对应路面位置信息表示处于离车辆V1某个距离的位置的路面与立体图像上的哪个位置对应的对应关系。
然后,对应路面位置计算部1031在接收到通过距离计算处理而得到的距离信息时,根据上述对应路面位置信息而计算与距离信息对应的路面位置。具体而言,在如图7所示的有先行车辆的摄像条件的情况下,计算出距离4m的物体的区域R1与存在于该区域R1的下方那样的距离4m的位置P1对应。
对应路面位置总计部1032进行对应路面位置总计处理,在该对应路面位置总计处理中,对与上述路面位置对应的区域的合计数进行总计(图6:S1032)。此处,与路面位置对应的区域的合计数是指例如与位置P1对应的区域R1的像素数(图7中的“4”的计数数),与区域R1的面积对应。具体而言,在如图7所示的有先行车辆的摄像条件的情况下,对与距离4m的位置P1对应的区域R1的像素数进行总计,求出其面积。
非路面判定部1033进行非路面判定处理,在该非路面判定处理中,根据由对应路面位置总计部1032进行了总计的合计数而判定在路面的各位置处是否在其上方存在非路面的区域(图6:S1033)。
如图7所示,如果在距离4m的位置处存在先行车辆,则宽地存在成为距离4m的非路面的区域R1,与位置P1对应的区域R1的合计数(距离4m的总计)变多。另一方面,在不存在先行车辆的表示阶段性的距离的路面,只是对各阶段的距离单独地进行总计,所以没有与距离4m的位置P1对应的区域R1的合计数,在距离4m处总计不会集中。
因此,如果各距离的合计数比预先决定的阈值大,即如果与位置P1对应的非路面的区域R1的面积宽,则非路面判定部1033判定为在非路面的区域R1存在先行车辆。车间距离计算部103将对通过非路面判定部1033判定为存在先行车辆的区域R1进行了总计的位置P1的距离值(在图7的例子中“4”)输出为车间距离信息。
与上述车辆的判定有关的阈值可以使用对仅对不存在车辆的路面进行摄像而得到的距离信息(图7的无先行车辆的计算结果)进行了总计而得到的值,即对应路面位置信息的总计数。或者,考虑产生由噪声所致的误差总计的情况,也可以将上述总计数+ε(ε是与噪声相当的小值)作为阈值。距离越远,与车辆对应的区域越小,所以该情况下的ε也可以根据距离的远近而减小。
另外,如图8所示,在没有先行车辆的遮挡的情况下,车间距离计算部103将与基于车辆V2的非路面的区域R1对应的位置P1的距离值“6”输出为车间距离信息。相对于此,在先行车辆彼此有遮挡的情况下,有时不能得到被遮挡侧的距离远的先行车辆的距离信息。
在图8的先行车辆彼此有遮挡的情况下的例子中,关于在摄像区域R处映入到跟前的车辆V2a,根据区域R1的总计而判定为存在,能够得到将距离值设为“2”的车间距离信息。另一方面,关于在摄像区域R处以被车辆V2a遮挡一部分的形式映入的车辆V2b,仅通过区域R2的总计有时不会被判定为存在。因此,产生不能得到车辆V2b的车间距离信息的情况。
在对应路面位置总计部1032中,在距离不同的两个非路面的区域R1、R2邻接的情况下,推测为由于处于距离近的非路面的区域R1的物体而遮挡了处于非路面的区域R2的物体,所以将距离近的非路面的区域R1的一部分的区域R2a作为距离远的非路面的区域R2而置换距离值。
具体而言,在区域R2的距离值“6”的下方有与本来在是路面的情况下能够得到的距离值“8”不同的距离值“2”的区域R1的情况下,对应路面位置总计部1032针对与区域R2邻接的区域R1的一部分,设为将距离值“2”置换为距离值“6”的区域R2a。该区域R2a的大小可以是与距离值的大小相应的大小,例如在距离值大、即距离远的情况下,减小区域R2a的大小。另外,也可以根据得到了距离值“6”的区域R2,推测在是路面的情况、即不存在车辆V2a的情况下能够得到距离值“6”的区域,并将该推测出的区域作为区域R2a。然后,对应路面位置总计部1032对与位置P2对应的区域R2、R2a的合计数进行总计。
由此,车间距离计算部103设为在位置P2处有车辆V2b而能够输出距离值“6”的车间距离信息。能够提高车辆V2b的一部分被车辆V2a遮挡那样的情况下的车辆V2b的检测性。
返回到图3,车辆密度计算部104进行车辆密度计算处理,在该车辆密度计算处理中,根据通过车间距离计算部103的车间距离计算处理而计算出的车间距离,计算车辆V1的当前位置处的车辆的密度(图4:S104)。例如,在通过车间距离计算处理而得到了车间距离D1的情况下,车辆的密度(D)可以计算为D=1/(车间距离D1)。
另外,在得到了上述车辆V2a与车辆V1的车间距离(D2a)、以及车辆V2b与车辆V1的车间距离(D2b)的情况下,也可以在求出车辆间的平均的车间距离之后求出车辆的密度(D)。具体而言,可以计算为(平均的车间距离)=(D2a+(D2b-D2a))/2=D2b/2。
车辆位置信息获取部105进行车辆位置信息获取处理,在该车辆位置信息获取处理中,根据来自GPS装置22的输出,获取表示车辆V1的当前位置的车辆位置信息(图4:S105)。
道路信息计算部106进行道路信息制作处理,在该道路信息制作处理中,根据通过车辆位置信息获取处理而得到的车辆位置信息和通过车辆密度计算处理而得到的车辆的密度,制作被定义为有车辆V1的位置的当前时刻下的车辆密度的道路信息(图4:S106)。此时,道路信息计算部106也可以根据不同的时刻间的车辆V1的车辆位置信息的变化而计算车辆V1的行驶速度,并将该行驶速度包括到道路信息。通过该道路信息制作处理而得到的道路信息在控制部23的控制下通过通信部24而发送到管理装置10。
道路信息累积部107进行道路信息累积处理,在该道路信息累积处理中,根据由车载终端20发送的道路信息而对车辆V1所行驶的路径上的道路信息进行总计,并计算表示该路径的拥挤情况的道路状况(图4:S107)。在管理装置10中,通过道路信息累积处理而求出搭载了车载终端20的各车辆所行驶的路径上的道路状况G1、G2、G3,并作为表示拥塞的发生场所等的地图信息M1显示到显示器而通知给操作者,从而能够将该信息利用到交通管制、拥塞信息的提供、巴士的运行管理等各种服务。
如以上那样,在道路状况掌握系统1中,根据由车载终端20的立体摄像机21摄像的立体图像计算与沿着车辆V1的行进方向的车辆V2的车间距离,并根据该车间距离计算由GPS装置22检测到的车辆V1的位置处的车辆的密度。然后,车载终端20将包括车辆V1的位置和车辆的密度的道路信息发送到管理装置10,在管理装置10中,对车辆V1所行驶的路径上的道路信息进行总计,计算表示该路径的拥挤情况的道路状况。
因此,在道路状况掌握系统1中,能够抑制沿着车辆V1所行驶的路径而设置路侧装置等的成本。另外,在道路状况掌握系统1中,不是仅通过在行车道行驶的车辆的速度和位置来掌握道路状况,而根据基于立体图像的车间距离来求出车辆的密度,所以能够掌握是否为车辆过密的状态等、更准确的道路状况。
另外,道路状况掌握系统1的管理装置10、车载终端20所具备的功能结构是一个例子,并不限定于上述功能结构。例如,也可以是如下结构:车载终端20仅具备立体摄像部101、车辆位置信息获取部105,将由立体摄像部101摄像的立体图像和由车辆位置信息获取部105获取到的车辆V1的当前位置通知到管理装置10,管理装置10侧具备距离计算部102、车间距离计算部103、车辆密度计算部104、道路信息计算部106以及道路信息累积部107。
另外,车载终端20也可以具备立体摄像部101、距离计算部102、车间距离计算部103、车辆密度计算部104、车辆位置信息获取部105、道路信息计算部106以及道路信息累积部107这全部。在该情况下,将通过车载终端20得到的、关于车辆V1所行驶的路径的道路状况的历史蓄积到HDD(Hard Disk Drive,硬盘驱动器)记录器等存储装置(未图示)。然后,搭载于车辆V1的导航装置(未图示)通过在计算规定的地点间的路径时参照蓄积于存储装置的道路状况的历史,从而能够引导拥挤更少的路径。
(变形例1)
图9是示出变形例1的道路状况掌握系统1a的功能结构的一个例子的框图。如图9所示,在变形例1中,与上述第1实施方式不同的点在于,还具备车辆分配控制部108,该车辆分配控制部108是通过管理装置10的控制部14而实现的。
车辆分配控制部108进行车辆分配控制,在该车辆分配控制中,将由道路信息累积部107计算出的道路状况配送到在规定的地区行驶的巴士·出租车、邮政车、轿车等车辆。此处说的规定的地区是能够经由通信网络N而配送到车辆V1的地区即可,例如可以是运行指令所管辖的地区。
车辆分配控制部108根据由道路信息累积部107计算出的道路状况,将例如表示发生了拥塞的地区的信息经由通信网络N配送到车辆。因此,在巴士·出租车、邮政车、轿车等车辆侧,通过根据被配送的信息而在例如导航装置计算规定的地点间的路径时选择回避发生拥塞的地区的路径,从而能够实现有效率的行驶。
(变形例2)
图10是示出变形例2的道路状况掌握系统1b的功能结构的一个例子的框图。图11是说明变形例2的道路状况掌握系统1b的处理流程的概念图。图12是例示变形例2的道路状况掌握系统1b中的、每条行车道的车间距离的计算的概念图。
如图10所示,在变形例2中,与上述第1实施方式不同的点在于,还具备行车道判别部109,该行车道判别部109是通过车载终端20的控制部23而实现的。
行车道判别部109进行行车道判别处理,在该行车道判别处理中,根据由立体摄像机21摄像的图像而进行图像处理,判别行车道(图11:S109)。具体而言,行车道判别部109通过根据由立体摄像机21摄像的图像检测表示行车道的划分的白线L1、L2,从而判别行车道(行驶区)。在该行车道判别处理中,使用例如“"Video Based Lane Estimation andTracking for Driver Assistance:Survey,System,and Evaluation",Joel C.McCall etal.,IEEE Transactions on ITS,March 2006”那样的公知的手法即可。
车间距离计算部103进行车间距离计算处理,在该车间距离计算处理中,针对由行车道判别部109判别出的每条行车道,计算与处于沿着车辆V1的行进方向的前方的车辆V2的车间距离D1(图4:S103)。具体而言,在车辆V1在白线L1、L2之间的行车道行驶的情况下,计算在相同行车道行驶的车辆V2的车间距离D1(参照图11)。
另外,如图12所示,车辆V21和车辆V22在白线L1的左侧行车道行驶,车辆V23在白线L2的右侧行车道行驶的情况下,在白线L1的左侧行车道和白线L2的右侧行车道中,计算车间距离(以下的DL、DR)。此处,设为车辆V1与车辆V21、V22、V23的车间距离分别为D21、D22、D23。
如白线L1的左侧行车道那样,得到了多台车辆的车间距离的行车道的车间距离DL计算为DL=D22-D21。或者,在将车辆的长度设为C的情况下,也可以计算为DL=D22-D21-C。
另一方面,在如白线L2的右侧行车道那样只得到了1台车辆的车间距离的情况下,不能计算出行车道中的真正的车间距离,所以设为DR=D23。即,作为近似值,将与车辆V1的车间距离D23作为白线L2的右侧行车道的车间距离。
如以上那样,在变形例2中,能够得到每条行车道的车间距离,所以能够掌握精度更高的道路状况。
(变形例3)
图13是示出变形例3的道路状况掌握系统1c的功能结构的一个例子的框图。图14是说明变形例3的道路状况掌握系统1c的处理流程的概念图。
如图13所示,在变形例3中,与上述变形例2不同的点在于,还具备车辆速度计算部110,该车辆速度计算部110是通过车载终端20的控制部23而实现的。前面叙述了求出车辆V1的行驶速度而包括到道路信息的结构,但不能求出与车辆V1不同的行车道的行驶速度。因此,在变形例3中,具备用于计算与车辆V1所行驶的行车道不同的其它行车道的行驶速度的车辆速度计算部110。
车辆速度计算部110进行车辆速度计算处理,在该车辆速度计算处理中,根据由行车道判别部109判别出的行车道、由车间距离计算部103计算出的车间距离以及作为本车的车辆V1的行驶速度而计算在与车辆V1不同的行车道行驶的车辆的行驶速度(图14:S110)。由此,道路信息计算部106能够制作包括前述本车的行驶速度和由车辆速度计算部110计算出的在与本车不同的行车道行驶的车辆的行驶速度的道路信息。
具体而言,车辆速度计算部110如以下那样计算在与车辆V1不同的行车道行驶的车辆的行驶速度。此处,设为通过车间距离计算部103计算了在某个时刻T1下在其它行车道行驶的车辆(X)与车辆V1的车间距离D(X,T1)、时刻T2下的车辆(X)与车辆V1的车间距离D(X,T2)。另外,通过充分缩短时刻T1与时刻T2的时间间隔,从而设为车辆(X)能够追踪相同车辆。
车辆(X)相对车辆V1的相对速度V_X_relative能够计算为V_X_relative={D(X,T2)-D(X,T1)}/(T2-T1)。
此处,如果将前述车辆V1的行驶速度设为V,则车辆(X)的绝对速度V_X、即应求出的行驶速度能够计算为V_X=V+V_X_relative。
(第2实施方式)
图15是示出第2实施方式的道路状况掌握系统1d的概要的概念图。如图15所示,道路状况掌握系统1d与第1实施方式不同的点在于,将利用作为单眼的数字摄像机的摄像机21d对周围进行摄像的车载终端20d搭载到车辆V1。
图16是示出第2实施方式的道路状况掌握系统1d的功能结构的一个例子的框图。图17是说明第2实施方式的道路状况掌握系统1d的处理流程的概念图。图18是例示第2实施方式的道路状况掌握系统1d中的、以根据摄像图像检测到的车辆的位置为基础的车间距离的计算的概念图。
如图16所示,道路状况掌握系统1d代替前述立体摄像部101、距离计算部102、车间距离计算部103,而具备通过车载终端20d的控制部23而实现的摄像部111、车辆检测部112以及车间距离计算部113。
摄像部111进行获取用摄像机21d摄像的摄像图像的摄像处理(图17:S111)。车辆检测部112进行车辆检测处理,在该车辆检测处理中,根据通过摄像处理而得到的摄像图像G10,检测映入到该摄像图像G10的车辆(图17:S112)。在该车辆检测处理中,使用例如“"ATrainable System for Object Detection",Papageorgiou et al.,IJCV-2000”那样的公知的车辆检测技术即可。能够通过该车辆检测处理而得到与映入到摄像图像G10的车辆对应的区域R10。
车间距离计算部113进行车间距离计算处理,在该车间距离计算处理中,根据车辆检测处理的检测结果,基于摄像图像G10内的车辆的位置,计算与该车辆的车间距离(图17:S113)。具体而言,车间距离计算部113在ROM等存储器上保持如图18所示的检测位置·距离变换信息T1。检测位置·距离变换信息T1可以是将摄像机21d的摄像图像G10内的每个位置(像素)的车间距离以矩阵状进行表示的数据。车间距离计算部113通过参照检测位置·距离变换信息T1,从而能够根据映入到摄像图像G10的车辆的区域R10所接地的位置P1,得到与车辆的车间距离。
如上所述,即使是将用单眼的摄像机21d对周围进行摄像的车载终端20d搭载到车辆V1的结构,也能够求出车间距离,根据该车间距离来求出车辆的密度,所以能够掌握是否为车辆过密的状态等、更准确的道路状况。
以上,说明了本发明的若干实施方式,但这些实施方式是作为例子而提示的,并不意图限定发明的范围。这些新的实施方式能够以其它各种方式进行实施,能够在不脱离发明的要旨的范围内进行各种省略、置换、变更。这些实施方式、其变形包含于发明的范围、要旨,并且包含于权利要求书中所记载的发明和其均等的范围。

Claims (5)

1.一种道路状况掌握系统,具备搭载于车辆的车载装置和处理从该车载装置发送的信息的信息处理装置,所述道路状况掌握系统的特征在于,
所述车载装置具备:
位置检测部,检测所述车辆的位置;
摄像部,对所述车辆的周围进行摄像;
车间距离计算部,根据由所述摄像部摄像的图像,计算与其它车辆的车间距离;
车辆密度计算部,根据计算出的所述车间距离和检测到的所述车辆的位置,计算在该位置行驶的车辆的密度;以及
发送部,将包括检测到的所述车辆的位置和计算出的所述车辆的密度的道路信息向所述信息处理装置发送,
所述信息处理装置具备道路状况计算部,该道路状况计算部根据发送的所述道路信息,对所述车辆所行驶的路径上的道路信息进行总计,计算表示所述路径的拥挤情况的道路状况,
所述车载装置的所述车间距离计算部在摄像的所述图像中与表示阶段性的距离的路面不同的非路面的区域是规定的宽度且为规定的面积以上的情况下,将所述非路面的区域检测为所述其它车辆的区域,并根据该检测到的其它车辆的区域,计算所述车间距离,在距离不同的两个所述非路面的区域邻接的情况下,将距离近的非路面的区域的一部分作为距离远的非路面的区域而进行所述其它车辆的区域的检测。
2.根据权利要求1所述的道路状况掌握系统,其特征在于,
所述车载装置还具备行车道检测部,该行车道检测部根据摄像的所述图像检测所述车辆所行驶的行车道,
所述车间距离计算部计算检测到的每条所述行车道的所述车间距离。
3.根据权利要求1所述的道路状况掌握系统,其特征在于,
所述车载装置还具备车辆检测部,该车辆检测部检测摄像的所述图像中所包含的车辆,
所述车间距离计算部根据摄像的所述图像内的检测到的所述车辆的位置,计算所述车间距离。
4.根据权利要求1所述的道路状况掌握系统,其特征在于,
所述信息处理装置还具备配送部,该配送部将计算出的所述道路状况配送到在规定的地区行驶的车辆。
5.一种道路状况掌握装置,具备:
摄像部,对车辆的周围进行摄像;
位置检测部,检测所述车辆的位置;
车间距离计算部,根据由所述摄像部摄像的图像,计算与其它车辆的车间距离;
车辆密度计算部,根据计算出的所述车间距离和检测到的所述车辆的位置,计算在该位置行驶的车辆的密度;以及
道路状况计算部,对基于检测到的所述车辆的位置的所述车辆所行驶的路径上的、计算出的所述车辆的密度进行总计,计算表示所述路径的拥挤情况的道路状况,
所述车间距离计算部在摄像的所述图像中与表示阶段性的距离的路面不同的非路面的区域是规定的宽度且为规定的面积以上的情况下,将所述非路面的区域检测为所述其它车辆的区域,并根据该检测到的其它车辆的区域,计算所述车间距离,在距离不同的两个所述非路面的区域邻接的情况下,将距离近的非路面的区域的一部分作为距离远的非路面的区域而进行所述其它车辆的区域的检测。
CN201480036002.4A 2013-06-25 2014-06-16 道路状况掌握系统以及道路状况掌握装置 Active CN105339992B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2013132950A JP6173791B2 (ja) 2013-06-25 2013-06-25 道路状況把握システム、及び道路状況把握装置
JP2013-132950 2013-06-25
PCT/JP2014/065934 WO2014208388A1 (ja) 2013-06-25 2014-06-16 道路状況把握システム、及び道路状況把握装置

Publications (2)

Publication Number Publication Date
CN105339992A CN105339992A (zh) 2016-02-17
CN105339992B true CN105339992B (zh) 2017-06-23

Family

ID=52141730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480036002.4A Active CN105339992B (zh) 2013-06-25 2014-06-16 道路状况掌握系统以及道路状况掌握装置

Country Status (3)

Country Link
JP (1) JP6173791B2 (zh)
CN (1) CN105339992B (zh)
WO (1) WO2014208388A1 (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6523907B2 (ja) * 2015-09-30 2019-06-05 株式会社東芝 車間距離検出システム、車間距離検出方法、およびプログラム
CN105241468A (zh) * 2015-10-28 2016-01-13 东华大学 一种基于车辆自组织网络的车辆路径实时选择系统
CN105741545B (zh) * 2016-03-16 2018-07-20 山东大学 一种基于公交车gnss时空轨迹数据判别交通状态的装置及方法
JP6896374B2 (ja) * 2016-04-22 2021-06-30 株式会社東芝 プローブ情報処理サーバ、およびプローブ情報処理方法
CN107578632A (zh) * 2016-07-05 2018-01-12 奥迪股份公司 交通密度检测系统、交通工具及方法
JP6686760B2 (ja) * 2016-07-21 2020-04-22 いすゞ自動車株式会社 画像処理装置及び画像処理方法
JP6662284B2 (ja) * 2016-12-22 2020-03-11 株式会社オートネットワーク技術研究所 運転支援システム及び運転支援装置
JP6965735B2 (ja) * 2017-12-26 2021-11-10 トヨタ自動車株式会社 情報処理装置、車載装置および情報処理方法
CN108428356B (zh) * 2018-03-21 2020-06-02 东南大学 一种基于流体密度场的路况图展示及辅助驾驶应用方法
US11443619B2 (en) 2018-05-15 2022-09-13 Kabushiki Kaisha Toshiba Vehicle recognition apparatus and vehicle recognition method
CN108922242A (zh) * 2018-06-05 2018-11-30 宁波金洋化工物流有限公司 危化品运输车辆预防性跟踪及管控平台
JP7082538B2 (ja) * 2018-07-10 2022-06-08 本田技研工業株式会社 画像処理装置及びプログラム
CN109410582B (zh) * 2018-11-27 2021-11-16 易念科技(深圳)有限公司 交通状况分析方法及终端设备
JP2020094959A (ja) * 2018-12-14 2020-06-18 ヤフー株式会社 経路探索装置、経路探索方法、及び経路探索プログラム
CN109615874B (zh) * 2018-12-28 2021-02-02 浙江大学 一种基于格式塔心理学准则的路况分析方法
JP2021135692A (ja) * 2020-02-26 2021-09-13 トヨタ自動車株式会社 サーバ、配車方法、配車プログラム、及び、配車システム
CN112668428A (zh) * 2020-12-21 2021-04-16 北京百度网讯科技有限公司 车辆变道的检测方法、路侧设备、云控平台和程序产品

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006059188A (ja) * 2004-08-20 2006-03-02 Matsushita Electric Ind Co Ltd 交通情報システムおよび情報分析装置
JP2008015847A (ja) * 2006-07-07 2008-01-24 Hitachi Ltd 交通情報システム
CN101710448A (zh) * 2009-12-29 2010-05-19 浙江工业大学 基于全方位计算机视觉的道路交通状态检测装置
CN102081842A (zh) * 2010-11-03 2011-06-01 北京世纪高通科技有限公司 视频数据源评价方法及装置
JP2012118916A (ja) * 2010-12-03 2012-06-21 Fujitsu Ltd 車線変更診断装置、車線変更診断方法および車線変更診断プログラム
JP2013109457A (ja) * 2011-11-18 2013-06-06 Fuji Heavy Ind Ltd 車外環境認識装置および車外環境認識方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006059188A (ja) * 2004-08-20 2006-03-02 Matsushita Electric Ind Co Ltd 交通情報システムおよび情報分析装置
JP2008015847A (ja) * 2006-07-07 2008-01-24 Hitachi Ltd 交通情報システム
CN101710448A (zh) * 2009-12-29 2010-05-19 浙江工业大学 基于全方位计算机视觉的道路交通状态检测装置
CN102081842A (zh) * 2010-11-03 2011-06-01 北京世纪高通科技有限公司 视频数据源评价方法及装置
JP2012118916A (ja) * 2010-12-03 2012-06-21 Fujitsu Ltd 車線変更診断装置、車線変更診断方法および車線変更診断プログラム
JP2013109457A (ja) * 2011-11-18 2013-06-06 Fuji Heavy Ind Ltd 車外環境認識装置および車外環境認識方法

Also Published As

Publication number Publication date
JP2015007902A (ja) 2015-01-15
JP6173791B2 (ja) 2017-08-02
WO2014208388A1 (ja) 2014-12-31
CN105339992A (zh) 2016-02-17

Similar Documents

Publication Publication Date Title
CN105339992B (zh) 道路状况掌握系统以及道路状况掌握装置
US11640174B2 (en) Smart vehicle
US10816993B1 (en) Smart vehicle
US10928830B1 (en) Smart vehicle
US10992755B1 (en) Smart vehicle
KR102513185B1 (ko) 규칙 기반 항법
US20210108926A1 (en) Smart vehicle
JP6200421B2 (ja) 運転支援システム及び運転支援方法
CN105144261B (zh) 行驶环境评价系统、行驶环境评价方法、驾驶支援装置以及行驶环境的显示装置
CN111276005B (zh) 联网停车系统
CN109949590A (zh) 交通信号灯状态评估
CN108297880A (zh) 分心驾驶员通知系统
CN109477725A (zh) 用于产生应急区域的地图信息的方法和系统
JP7420816B2 (ja) 車両ナビゲーションのためのイベント情報のクラスタ化
CN109387210B (zh) 车辆导航方法及其装置
CN104376297A (zh) 道路上的线型指示标志的检测方法和装置
CN108460968A (zh) 一种基于车联网获取交通路况信息的方法及装置
US20210191424A1 (en) Camera-sensor fusion module for surface detection and fleet vehicle control systems and methods
CN111611842A (zh) 运输系统和方法
CN107545757A (zh) 基于车牌识别的城市道路流速测量装置和方法
CN113744533B (zh) 一种基于5g的车辆疏导方法及系统
CN115615445A (zh) 处理地图数据的方法、系统和存储介质
DE102020127425A1 (de) Autonome Fahrzeugstationen
CN112805762A (zh) 提高交通状况可视化的系统和方法
DE112020002546T5 (de) Steuervorrichtung für autonomes fahren, steuersystem für autonomes fahren und steuerverfahren für autonomes fahren

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant