CN110914888A - 地图信息处理装置、地图信息处理方法及地图信息处理程序 - Google Patents

Abstract

提供一种地图信息处理装置，能够较容易地进行道路形状变化的判定。地图信息处理装置包括：差分提取部，该差分提取部将基于多个移动体各自的轨迹信息的移动轨迹图像同基于矢量形式的数据的标量形式的与上述移动轨迹图像不同的图像进行比较来提取差分数据；以及道路形状变化判定部，该道路形状变化判定部通过机器学习来判定上述差分数据是否是道路形状变化。

Description

地图信息处理装置、地图信息处理方法及地图信息处理程序

技术领域

本发明涉及根据多个移动体的轨迹信息对地图信息的道路形状是否发生了变化进行判定的地图信息处理装置、地图信息处理方法及地图信息处理程序。

背景技术

当前，道路信息以国、县、市、区等行政区划单位来进行管理，道路形状的变化(以下，也称为“道路形状变化”)的信息并未统一化。为了掌握道路形状变化以生成道路地图，需要单独按每条道路来调查新的道路在哪里形成为何种形状。

因此，例如考虑如下方法：基于由国土地理院等发行的数字地图、与从车辆终端获取到的探测数据(Probe Data:轨迹信息)，来判定道路形状如何变化，并进行道路地图的更新。

作为生成这种地图信息的装置，已知有如下结构：基于车载终端所获取到的位置信息，正确地推定道路连接状况，并生成更新地图(例如，专利文献1)。

现有技术文献

专利文献

专利文献1：日本专利特开2017－97088号公报

发明内容

发明所要解决的技术问题

然而，在将道路形状从交叉路形状变更成旋转形状的情况下等，由于存在复杂且多样的图案，因此，有时也难以单纯地根据地图信息和位置信息来生成更新地图。

因此，仅专利文献1所记载的结构并不充分，寻求进一步的改良。

本发明是鉴于上述问题而完成的，其目的在于更容易地进行道路形状变化的判定。

解决技术问题所采用的技术方案

根据本发明的一个方式，本发明的地图信息处理装置包括差分提取部和道路形状变化判定部。上述差分提取部提取差分数据。上述差分数据表示基于多个移动体各自的移动轨迹的移动轨迹图像、和基于矢量形式的数据的标量形式的与上述移动轨迹图像不同的图像之间的差分。上述道路形状变化判定部通过机器学习来判定上述差分数据是否是道路形状变化。

技术效果

本发明能够更容易地进行道路形状变化的判定。

附图说明

图1是表示实施方式1的地图信息处理系统的一个示例的图。

图2是表示实施方式1的地图信息处理装置和车载终端之间的关系的一个示例的图。

图3是表示实施方式1的地图信息处理装置的功能的一个示例的功能框图。

图4A是表示通过移动图像绘制部绘制车辆的移动轨迹图像的方法的一个示例的图。

图4B是表示通过移动图像绘制部绘制车辆的移动轨迹图像的方法的一个示例的图。

图5A是表示通过差分提取部根据移动轨迹图像及地图图像提取差分数据的方法的一个示例的图。

图5B是表示通过差分提取部根据移动轨迹图像及地图图像提取差分数据的方法的一个示例的图。

图5C是表示通过差分提取部根据移动轨迹图像及地图图像提取差分数据的方法的一个示例的图。

图5D是表示通过差分提取部根据移动轨迹图像及地图图像提取差分数据的方法的一个示例的图。

图6是表示通过机器学习判定道路形状变化的方法的一个示例的图。

图7是表示实施方式1的道路形状变化判定处理程序所进行的道路形状变化判定处理的一个示例的流程图。

图8是表示实施方式1的道路形状变化判定处理的一个示例的图。

图9是表示道路形状变化判定处理程序所进行的地图信息更新处理的一个示例的流程图。

图10A是表示地图信息更新处理的一个示例的图。

图10B是表示地图信息更新处理的一个示例的图。

图10C是表示地图信息更新处理的一个示例的图。

图10D是表示地图信息更新处理的一个示例的图。

图10E是表示地图信息更新处理的一个示例的图。

图11是表示实施方式2的地图信息处理装置的功能的一个示例的功能框图。

图12A是表示通过实施方式2的差分提取部根据移动轨迹图像及过去的移动轨迹图像提取差分数据的方法的一个示例的图。

图12B是表示通过实施方式2的差分提取部根据移动轨迹图像及过去的移动轨迹图像提取差分数据的方法的一个示例的图。

图12C是表示通过实施方式2的差分提取部根据移动轨迹图像及过去的移动轨迹图像提取差分数据的方法的一个示例的图。

图12D是表示通过实施方式2的差分提取部根据移动轨迹图像及过去的移动轨迹图像提取差分数据的方法的一个示例的图。

图13是表示实施方式2的道路形状变化判定处理程序所进行的道路形状变化判定处理的一个示例的流程图。

图14是表示实施方式2的道路形状变化判定处理的一个示例的图。

具体实施方式

(实施方式1)

以下，基于图1对本发明实施方式1的地图信息处理系统1进行说明。实施方式1的地图信息处理系统1为了在生成地图时较容易地对道路形状变化进行判定而使用。如图1所示，地图信息处理系统1构成为包含地图信息处理装置2和多个车载终端3。以下，对本实施方式的地图信息处理系统1中的各结构进行详细地说明。

车载终端3搭载于在道路上行驶的车辆4。车载终端3例如由导航装置构成。地图信息处理装置2和车载终端3构成为彼此能够通过无线通信来连接。图1中，利用单向箭头举例示出在日本行驶的车辆4与地图信息处理装置2之间的无线通信。地图信息处理系统1中，将探测数据从车载终端3发送至地图信息处理装置2。

探测数据例如包含搭载有车载终端3的车辆4的本车位置(以下，也称为“轨迹信息”)以及时刻信息。探测数据除了本车位置以及时刻信息以外，例如，还包含行驶距离、行驶速度、加速度、角速度、本车方位、坡度角这样的车辆4的行驶履历(属性信息(attribute)的信息。探测数据的生成例如使用搭载于车辆4的车载终端3来进行。车载终端3能够从搭载于车辆4的GPS(Global Positioning System：全球定位系统)模块、陀螺传感器、加速度传感器中获取各种传感器信息。本车位置的信息例如根据从导航装置的GPS模块输出的GPS数据来计算。即，使用GPS等卫星测位系统的功能来获取本车位置的信息。本车位置的信息表示某个时刻下的车辆4的位置坐标。

如图2所示那样，车载终端3构成为能够经由通信终端5与地图信息处理装置2进行通信。车载终端3经由通信终端5将包含车辆4的轨迹信息的探测数据发送给地图信息处理装置2。车载终端3通过有线或无线与通信终端5连接即可。车载终端3可以构成为与通信终端5在物理上独立，也可以内置通信终端5来构成为一体。通信终端5例如是通信单元、移动电话或智能手机。在为智能手机的情况下，通信终端5例如连接为能以BLUETOOTH(蓝牙)(注册商标)或Wi-Fi的通信标准与车载终端3进行通信。在为智能手机的情况下，通信终端5例如连接为能经由通信网络与地图信息处理装置2进行通信。

地图信息处理装置2接收从各车载终端3发送来的探测数据，获取探测数据中所包含的轨迹信息。地图信息处理装置2基于轨迹信息，通过机器学习，来判定地图信息中所包含的道路形状是否产生变化。对该判定的详细情况将在后文中阐述。地图信息处理装置2能够在判定为道路形状产生变化的情况下更新地图信息。

上述实施方式中，车载终端3由导航装置构成，但并不限于此。车载终端3并不仅限于导航装置，可以是各种终端装置。作为终端装置，例如，可举出移动电话、智能手机、笔记本电脑或平板电脑。即，车载终端3可以仅是带入车辆4的智能手机单体。另外，本实施方式的车辆4以搭载有车载终端3的四轮汽车为示例来示出。车辆4并不仅限于四轮汽车，也可以是三轮汽车、摩托车或自行车。换言之，车辆4为移动体。

接着，使用图3对实施方式1的地图信息处理装置2进行说明。

本实施方式的地图信息处理装置2包含地图信息存储部21、轨迹信息获取部22、移动图像绘制部23、地图信息转换部24、差分提取部25、道路形状变化判定部26以及地图信息更新部27。地图信息存储部21存储地图信息。地图信息存储部21优选按多个比例尺的每一个来预先存储地图信息。

地图信息是构成地图的信息。地图信息利用矢量形式的数据来构成。地图信息进一步优选由三维的矢量形式的数据来构成。作为矢量形式的数据，包含表示道路位置和道路形状的信息。更具体而言，地图信息例如具有表示道路形状的地图图像信息、与地图图像信息关联的地图图像上的节点或链路的信息、表示一般道路或高速道路的属性信息。节点表示交叉点或道路网表现上的结节等。链路表示节点和节点之间的道路区间。另外，地图信息利用按一定的纬度/经度的间隔分离为矩形后得到的网格单位来构成。并且，各网格由按规定的单位分离后得到的比例尺不同的多个层构成。在日本的情况下，网格例如能够采用总务省所规定的标准区域网格的标准。标准区域网格按照初级网格、次级网格、三级网格的顺序以大约十分之一的面积比构成。并且，网格能够采用根据初级～三级网格细分化后得到的分割区域网格，以作为网格单位。在按照每个网格单位进行分割的情况下，地图信息分别具有网格编号、以及所对应的纬度和经度的信息。

轨迹信息获取部22包含车辆数据接收部28和数据存储部29。车辆数据接收部28接收从多个车辆4各自的车载终端3发送出的探测数据。数据存储部29存储车辆数据接收部28接收到的探测数据。轨迹信息获取部22通过从各车载终端3接收探测数据，从而能够获取探测数据中所包含的各车辆4的轨迹信息。轨迹信息是由每个时间的纬度/经度来表示的坐标的集合。

移动图像绘制部23基于轨迹信息获取部22所获取到的规定范围内的多个车辆4的轨迹信息将移动轨迹图像汇总地进行绘制。规定范围例如采用构成道路信息的任意比例尺的网格。

以下，对移动图像绘制部23绘制车辆4的移动轨迹图像的示例进行说明。移动图像绘制部23基于车辆数据接收部28接收到的多个探测数据中所包含的轨迹信息的坐标、时刻、行驶速度、加速度、角速度的信息，如图4A所示那样，获取连续的m个一组的探测数据。例如，移动图像绘制部23获取探测数据中按规定时间间隔具有连续的坐标的探测数据组，以作为一组探测数据组。移动图像绘制部23从数据存储部29获取一组探测数据中所包含的m个轨迹信息的坐标。移动图像绘制部23将获取到的坐标作为点P1、P2、P3～Pm来进行标绘。如图4B所示，移动图像绘制部23用线连接标绘出的点P1、P2、P3～Pm彼此，以绘制为1个移动轨迹图像L。由此，除了轨迹信息以外，移动图像绘制部23还能够根据包含了时刻、行驶距离、行驶速度、加速度、角速度的信息在内的矢量形式的探测数据来生成标量形式的移动轨迹图像。

此外，若车辆数据接收部28接收探测数据，则移动图像绘制部23可以重复进行移动轨迹图像的绘制。移动图像绘制部23在叠加绘制出多个移动轨迹图像的情况下，可以计算各移动轨迹图像的中央值或均方根值，并将连接了叠加绘制出的各移动轨迹图像的宽度方向的中心值(中心坐标)的线作为平均化后的移动轨迹图像来绘制。由此，移动图像绘制部23能抑制因多路径所导致的GPS数据的误差、通信障碍而引起的轨迹信息的坐标的波动。移动图像绘制部23能够通过抑制坐标的波动来提高绘制精度。

移动图像绘制部23可以参照探测数据中包含的行驶速度的信息，将行驶速度为规定速度以上的探测数据去除来绘制移动轨迹图像。在根据GPS数据计算行驶速度的情况下，车载终端3有时因多路径所导致的GPS数据的误差、或通信障碍，而将车速计算成例如通常无法达到的300km以上。移动图像绘制部23能抑制因多路径所导致的GPS数据的误差、或通信障碍而引起的行驶信息的误检测。移动图像绘制部23通过抑制行驶信息的误检测，从而提高绘制精度。

移动图像绘制部23可以参照探测数据中包含的行驶速度的信息，将行驶速度不连续的探测数据去除来绘制移动轨迹图像。由此，移动图像绘制部23例如能够去除从在停车场中途停车的车辆4的车载终端3获得的探测数据。移动图像绘制部23通过去除不需要的探测数据，从而能够提高移动轨迹图像的绘制精度。

移动图像绘制部23参照探测数据中所包含的轨迹信息、行驶速度的信息。而且，移动图像绘制部23还可以对能推定为正在高速道路上移动的探测数据、以及能推定为正在一般道路上移动的探测数据彼此进行识别并绘制移动轨迹图像。由此，地图信息处理装置2能够仅将任意选择出的道路种类作为道路形状变化的判定处理对象。地图信息处理装置2能力图实现处理速度的提高。

另外，移动图像绘制部23可以基于规定的单位期间内获取到的车辆4的轨迹信息来绘制移动轨迹图像。移动图像绘制部23例如基于在规定的单位期间内累积的轨迹信息来进行数据的标准化。移动图像绘制部23能够根据标准化后的数据，按每个网格单位生成每个单位期间的探测数据。规定的单位期间例如能以当前时刻为基准设定成相当过去30天的量。本实施方式中，移动图像绘制部23生成次级网格的探测数据，以作为每个单位期间的探测数据。由此，地图信息处理装置2基于在整个规定期间内累积的轨迹信息来生成探测数据，由此，移动轨迹图像的绘制精度得以提高。

另外，为了进行参照，移动图像绘制部23可以累积过去的探测数据。移动图像绘制部23在生成次级网格的探测数据之前，能基于在整个预先确定的期间内累积的轨迹信息来生成作为参照的过去的探测数据，上述次级网格的探测数据基于在规定的单位期间内获取到的轨迹信息来生成。优选过去的探测数据按每个网格单位来生成。作为预先确定的期间，移动图像绘制部23例如可以设定30天，以作为过去的探测数据。本实施方式中，移动图像绘制部23生成30天期间内所累积的次级网格的探测数据，以作为过去的探测数据。

作为第一步骤，移动图像绘制部23能将新生成的次级网格的探测数据、与过去生成的次级网格的探测数据进行比较来判定是否存在差分。然后，仅在存在差分的情况下，作为第2步骤，移动图像绘制部23进行新的探测数据与地图信息的比较。由此，地图信息处理装置2能够通过2阶段来检测道路形状变化。另外，地图信息处理装置2仅将与过去的探测数据存在差分的探测数据作为差分提取部25所进行的差分数据的提取处理的处理对象。由于仅将与过去的探测数据存在差分的探测数据作为差分数据的处理对象，因此，地图信息处理装置2能够减少差分提取部25中的处理对象。由于地图信息处理装置2能减少差分提取部25中的处理对象，因此能减轻处理负担，并能力图实现处理速度的提高。

另外，上述的实施方式中，规定的单位期间设定为1天、3天、7天、30天，但并不限于此。规定的单位期间不仅为天单位，还可以为时间单位、月单位、年单位，能设定成任意期间。另外，上述实施方式中，将确定的期间设定为30天，但并不限于此。确定的期间能够设定成任意期间。并且，上述实施方式中，移动图像绘制部23并不仅限定于生成次级网格的探测数据的结构。移动图像绘制部23可以生成与初级网格、三级网格、或其它单位网格相匹配的探测数据。

地图信息转换部24将矢量形式的地图信息转换成标量形式的地图信息。具体而言，地图信息转换部24将存储于地图信息存储部21的矢量形式的地图信息中与地图图像信息相关联的节点信息、链路信息、表示一般道路或高速道路的属性信息去除。换言之，地图信息转换部24仅取出表示道路的形状的地图图像信息。地图信息转换部24通过仅设为地图图像信息，从而将地图信息从三维矢量形式转换成二维标量形式。即，三维矢量形式的地图信息中，地图信息中所包含的节点信息、链路信息以及属性信息被去除，仅成为地图图像信息。三维矢量形式的地图信息仅成为地图图像信息，由此，数据结构被转换成简单的二维标量形式的地图信息。由此，地图信息处理装置2能够将从探测数据获得的移动轨迹图像和地图信息设为相同的简单维度的数据，能够较容易地提取后述的差分提取部25中的差分。另外，地图信息转换部24将转换成标量形式后的二维的地图信息设为按每个任意比例尺的网格单位分割后得到的标量形式。

上述实施方式中，并不仅限于地图信息转换部24将转换成标量形式后的二维的地图信息设为按每个任意比例尺的网格单位分割后得到的标量形式的情况。例如，在由道路形状变化判定部26根据差分数据判定为存在道路形状变化的概率在规定准确度以下的情况下，地图信息转换部24将存储于地图信息存储部21的地图信息中比例尺较大的地图信息从矢量形式转换成标量形式。

由此，地图信息处理装置2通过在初始阶段大致对整体进行判定，从而能提高道路形状是否存在变化的判定速度。换言之，在根据差分数据判定为存在道路形状存在变化的概率为规定的准确度或小于规定的准确度的情况下，地图信息处理装置2通过将处理对象设为比例尺更大的地图信息，从而能够限定处理对象并使处理速度提高。其结果是，地图信息处理装置2能够使判定精度进一步提高。

差分提取部25构成为能将由移动图像绘制部23绘制出的移动轨迹图像、同与由地图信息转换部24转换成标量形式后的地图信息中的移动轨迹图像不同的地图图像进行比较来提取差分数据。

本实施方式的地图信息处理装置2中，例如能由硬盘驱动器、或半导体存储器的存储器构成地图信息存储部21和数据存储部29。存储器中可以存储驱动CPU(CentralProcessing Unit：中央处理单元)的程序。CPU构成为能通过执行存储于存储器的程序，从而使移动图像绘制部23、地图信息转换部24、差分提取部25、道路形状变化判定部26以及地图信息更新部27起作用。车辆数据接收部28能利用适当的通信模块来构成。

以下，参照图5A～图5D，对通过差分提取部25提取差分数据的一个示例进行说明。

差分提取部25获取由移动图像绘制部23绘制出的移动轨迹图像、以及由地图信息转换部24转换成标量形式后的地图信息中的地图图像。图5A中举例示出了由移动图像绘制部23绘制出的移动轨迹图像。图5B中举例示出了转换成标量形式后的地图信息中的地图图像。接着，如图5C所示那样，差分提取部25生成将获取到的移动轨迹图像与地图图像合成后得到的合成数据的图像。差分提取部25生成合成数据的图像，其结果是，如图5D所示那样，将在图5A所示的移动轨迹图像与图5B所示的地图图像之间不重复的图像作为差分数据的图像来提取。由此，能使移动轨迹图像中移动轨迹的波动消失，并能够仅提取从地图图像超出的移动轨迹的图像。图5D中，举例示出由差分提取部25提取出的差分数据的图像。可以认为差分数据的图像表示生成地图信息的时刻下的道路与当前道路之间的差分。即，可以认为差分数据的图像表示道路形状变化。图5A～图5D所示的示例中，存在如下可能性：在由图5中的圆圈所包围的区域中形成了新的道路。接着，地图信息处理装置2将图5中的圆圈所包围的部位包含在内，对所提取出的差分数据是否是道路形状变化进行判定。

对于差分提取部25所提取出的差分数据是否是道路形状变化的判定，道路形状变化判定部26通过机器学习来进行判定。作为机器学习，使用了深度学习。具体而言，道路形状变化判定部26将过去提取出的差分数据作为教师数据来进行机器学习。道路形状变化判定部26基于机器学习的结果，对新提取出的差分数据是否是道路形状变化进行判定。另外，本申请中，机器学习并不仅限于计算机根据数据反复学习、发现规定图案并进行预测的情况，也可以广义地理解为包含发现到目前为止仍未知的数据的特征的数据挖掘。

接着，参照图6，对道路形状变化判定部26通过深度学习来判定道路形状变化的方法的一个示例进行说明。深度学习是基于多层神经网络60的机器学习的方法的一种。神经网络60具有输入数据和输出数据，内部的运算处理基于多个人工神经元来进行。机器学习中使用的神经网络60包含三层。三层设为输入层61、中间层62、输出层63来图示。中间层62也称为隐藏层，可以包含2层以上。若中间层62的层数过少则成为未学习。若中间层62的层数过多则成为过度学习。为了判定差分数据是否是道路形状变化，道路形状变化判定部26可以适当地设定层数。人工神经元输出将参数与前一层的输出相乘后得到的总和。人工神经元的输出数据由激活函数来控制，并附加非线性。用于本实施方式中所使用的机器学习的激活函数例如可以采用归一化指数(softmax)函数、S型(sigmoid)函数或高斯函数。

为了进行机器学习，神经网络60首先将教师数据作为输入数据提供给输入层61。教师数据例如是差分提取部25过去所提取出的差分数据。道路形状变化判定部26通过输入层61、中间层62、输出层63来处理教师数据。即，道路形状变化判定部26进行如下正向传播：动态地生成并学习最适于所输入的差分数据的特征量，并通过正向的信息传递进行运算处理。图6中，用极粗的单向箭头示出正向传播的方向。输出结果表示所输入的差分数据是道路形状变化的图像还是噪声的预测结果。

另外，在进行学习的情况下，道路形状变化判定部26进行如下反向传播：通过提供输出结果是道路形状变化的图像还是噪声的信息，从而通过反向的信息传递进行运算处理。图6中，用较粗的单向箭头表示反向传播的方向。另外，道路形状变化判定部26在机器学习中，对作为教师数据用于学习的输入数据与输出数据之间的输出误差进行评价。道路形状变化判定部26通过反向传播，优选根据输出误差依次优化机器学习中的各层和各节点的参数。

通过该学习，道路形状变化判定部26使各层的参数渐渐接近最佳值。然后，若由差分提取部25提取出的差分数据被输入至输入层61，则道路形状变化判定部26能使用基于机器学习的结果进行调整后的参数，来进行差分数据是否是道路形状变化的图像的判定。

例如，如图6所示，若道路形状变化判定部26使n个差分数据d1、d2至dn作为教师数据正向传播，则在输出层63中得到M个输出数据y1～yM的信息。本实施方式中，输出数据表示对所输入的差分数据是道路形状变化的图像还是除此以外的图像进行预测的预测值。

对道路形状变化判定部26提供M个正解数据t1～tM的信息，该信息表示所得到的输出数据y1～yM是道路形状变化的图像还是噪声。若提供了正解数据t1至tM的信息进行并进行反向传播，则道路形状变化判定部26依次进行将参数调整为最佳值的机器学习。换言之，道路形状变化判定部26通过反向传播对输出数据与正解数据之间的偏移进行评价，从而对参数进行最优化。另外，用于机器学习的软件例如能采用OpenCV、Numpy、Matplotlib或Chainer。

地图信息更新部27更新存储于地图信息存储部21的地图信息。具体而言，地图信息更新部27根据转换成标量形式的地图信息来生成矢量形式的地图信息，上述地图信息与由道路形状变化判定部26判定为是道路形状变化的差分数据相对应。然后，地图信息更新部27利用所生成的地图信息，对存储于地图信息存储部21的地图信息进行更新。关于更新地图信息的处理，将在后述的地图信息更新处理中进行说明。

然而，也考虑如下情况：在地图信息处理装置中，通过机器学习，简单地根据探测数据和数字地图来识别道路形状的变化。

然而，通常情况下，数字地图的数据以三维矢量形式构成，该三维矢量形式具有表示道路形状的地图图像信息、与地图图像信息相关联的地图图像上的节点或链路的信息、表示一般道路或高速道路的属性信息等。

因此，地图信息处理装置中，在使用机器学习来检测新生成的道路形状的变化的情况下，若简单地将三维矢量形式的数字地图作为机器学习的处理对象来进行信息处理，则有时处理对象的信息量过多，信息处理的负担过大。并且，由于作为机器学习的对象来比较的对象的信息量较多，因此有时地图信息处理装置也难以判断哪个信息是应该进行比较的对象的信息。

本实施方式的地图信息处理装置2通过机器学习来生成道路地图，因此，通过将处理对象尽量设得简单，从而较容易地进行道路形状变化的判定。

另外，地球的形状为扁圆，并非球形，因此，网格的纵横长度有时因场所而不同。在本实施方式的地图信息处理装置2进行机器学习的情况下，优选预先进行使各网格的纵横长度统一的标准化。在进行了机器学习之后，地图信息处理装置2通过将标准化后的网格复原并利用，从而能更准确地进行道路形状变化的判定。

接着，参照图7及图8，对本实施方式所涉及的地图信息处理装置2所涉及的道路形状变化判定处理进行说明。若接受开始道路形状变化处理的指示，则地图信息处理装置2开始图7的步骤11至步骤19的判定处理。以下，用S表示步骤。

在判定是否是道路形状变化之前，地图信息处理装置2预先基于教师数据执行参数的最优化。道路形状变化判定部26基于教师数据进行机器学习(S11)。

道路形状变化判定部26输入有预先准备的信息，以作为教师数据。预先准备的信息为了设定如下参数而使用：对过去提取出的差分数据是表示道路形状变化的图像还是除此以外的噪声等的图像彼此进行识别。然后，所设定的参数例如由道路形状变化判定部26进行保持，或存储于道路形状变化判定部26能接入的存储器。

接着，轨迹信息获取部22的车辆数据接收部28接收从各车载终端3发送出的探测数据。轨迹信息获取部22的数据存储部29存储接收到的探测数据。由此，轨迹信息获取部22获取接收到的探测数据中所包含的各车辆4的轨迹信息(S12)。

地图信息转换部24取出存储于地图信息存储部21的矢量形式的地图信息中所包含的信息中、表示道路的形状的地图图像信息。地图信息转换部24通过取出地图图像信息，从而将地图信息从三维的矢量形式转换成二维的标量形式(S13)。

换言之，地图信息转换部24将矢量形式的地图信息转换成光栅形式的地图图像。本实施方式中，地图信息转换部24将标量形式的二维地图信息转换为分割成次级网格单位的次级网格的标量形式的数据，以作为任意比例尺的网格单位。移动图像绘制部23通过使在规定的单位期间内对轨迹信息获取部22所获取到的探测数据进行累积而得到的数据标准化来生成次级网格的探测数据。

移动图像绘制部23基于标准化后的次级网格的探测数据，绘制次级网格的移动轨迹图像(S14)。

另外，移动图像绘制部23在基于规定单位期间内获取到的探测数据生成移动轨迹图像之前，在确定的期间内对由移动信息获取部22获取到的过去的探测数据进行累积并进行数据的标准化。移动图像绘制部23生成使数据标准化后的过去的次级网格的探测数据。然后，移动图像绘制部23基于标准化后的过去的次级网格的探测数据，绘制过去的次级网格的移动轨迹图像。过去的次级网格的移动轨迹图像作为参照用而被参照。

作为第1步骤，移动图像绘制部23将基于次级网格的探测数据而绘制出的次级网格的移动轨迹图像、同基于过去的次级网格的探测数据而绘制出的过去的次级网格的移动轨迹图像进行比较，来判定是否存在差分(S15)。

上述实施方式中，移动图像绘制部23绘制了次级网格的移动轨迹图像，但并不限于此。移动图像绘制部23能够绘制初级网格、三级网格等任意比例尺的网格的移动轨迹图像。另外，并不仅限于如下情况：移动图像绘制部23将次级网格的移动轨迹图像、同过去的次级网格的移动轨迹图像进行比较来判定是否存在差分。例如，移动图像绘制部23还能直接将次级网格的探测数据中所包含的纬度/经度的信息、同过去的次级网格的探测数据中所包含的纬度/经度的信息进行比较，来判定是否存在差分。

在移动轨迹图像与过去的移动轨迹图像之间没有差分的S15为否的情况下，地图信息处理装置2跳过图7所示的S16～S19，道路形状变化判定处理结束。即，地图信息处理装置2仅在S15中判定为存在差分的情况下，执行S16～S17。因此，地图信息处理装置2能削减S17的执行频度。另外，地图信息处理装置2能仅将与基于过去累积的探测数据而生成的移动轨迹图像存在差分的移动轨迹图像设为差分提取部25所进行的差分数据的提取处理的处理对象。因此，地图信息处理装置2能减少差分提取部25中的处理对象，能减轻处理负担，并能力图实现处理速度的提高。

与此相对，在移动轨迹图像与过去的移动轨迹图像之间存在差分的S15为是的情况下，差分提取部25提取差分数据，该差分数据表示在S14中绘制出的移动轨迹图像、与在S13中转换成标量形式的地图信息中的地图图像之间的差分(S16)。

道路形状变化判定部26基于在S11中学习到的机器学习的结果，对在S16中新提取出的差分数据是否是道路形状变化进行判定(S17)。

在所提取出的差分数据是道路形状变化的S18为是的情况下，道路形状变化判定部26将所提取出的差分数据作为道路形状变化来输出(S19)。

该情况下，差分数据表示道路形状变化，因此，预先进行保存，以在之后的地图信息生成处理中使用。

与此相对，在所提取出的差分数据不是道路形状变化的S18为否的情况下，跳过S19，道路形状变化判定处理结束。该情况下，差分数据不是表示道路形状变化的信息，是单纯噪声的可能性较高。由此，可以废弃所提取出的差分数据。

由此，地图信息处理装置2仅取出存储于地图信息存储部21的矢量形式的地图信息中表示道路形状的地图图像信息。由此，三维矢量形式的地图信息被转换成数据结构简单的二维标量形式的地图信息。由此，地图信息处理装置2中，能将根据探测数据获得的移动轨迹图像和地图信息设为相同的简单的二维数据。

其结果是，在使用机器学习来检测新生成的道路形状的变化的情况下，地图信息处理装置2能减少机器学习的处理对象，并力图实现处理负担的减轻。地图信息处理装置2能提高处理速度，并能进一步通过提高判定精度来较容易地进行道路形状变化的判定。

接着，参照图9、图10A和图10B对本实施方式所涉及的地图信息处理装置2的地图信息更新处理进行说明。

若接受开始地图信息更新处理的指示，则地图信息处理装置2开始以下地图信息更新处理。另外，上述实施方式中，若接受开始地图信息更新处理的指示，则开始地图信息更新处理，但并不限于此。例如，若在上述道路形状变化判定处理的S19中输出规定数量的道路形状变化，则也可以使地图信息更新处理自动开始。

首先，地图信息更新部27累积N个在道路形状变化判定处理的S19中输出的差分数据，并使探测数据的误差平均化(S31)。此处，N为任意自然数。图10A和图10B中例示出对误差进行平均化后的探测数据。图10B是放大了图10A的区域F1后的放大图。地图信息更新部27对于使误差平均化后的差分数据、即表示被判定为是道路形状变化的道路形状的数据进行平滑处理(S32)。进行平滑处理后的道路形状相当于新生成的道路形状。

地图信息更新部27获取存储于地图信息存储部21的矢量形式的地图信息中、包含在S32中进行了平滑处理的道路形状的纬度/经度在内的网格的地图信息。由于基于差分数据而判定出的道路形状基于探测数据来生成，因此具有纬度/经度的信息。因此，地图信息更新部27能通过参照道路形状的探测数据的纬度/经度，从地图信息存储部21获取对应的网格的地图信息。

如图10C和图10D所示，地图信息更新部27将在S32中进行了平滑处理的二维道路形状D2与所获取到的矢量形式的网格的地图信息中所包含的道路形状D3叠加(S33)。图10D是放大了图10C的区域F2的放大图。

如图10D所示，地图信息更新部27确定在S32中进行了平滑处理的二维道路形状D2与矢量形式的网格的地图信息中所包含的道路形状D3之间的连接点。此处，地图信息用矢量形式来表示，因此包含Z轴方向的信息。Z轴方向表示与地面垂直的方向。即，地图信息包含表示各道路的Z轴坐标的信息。Z轴坐标例如是标高。由此，根据差分数据生成的道路形状D2与地图信息中的道路的连接点由纬度、经度、标高来表示。然后，地图信息更新部27对所确定的各连接点附加节点(S34)。图10D和图10E中，例示出了节点N1和节点N2。另外，附加于根据差分数据而生成的道路形状D2的节点中包含表示各道路的Z轴方向的连接点的信息，因此道路形状D2被转换成矢量形式。

地图信息更新部27利用所确定的节点，生成矢量形式的道路形状D2的轴(S35)。

地图信息更新部27对根据差分数据得到的道路形状D2的道路宽度进行修正，以使得与地图信息中所包含的道路形状D3的道路宽度相一致。然后，利用节点将修正了道路宽度的矢量形式的道路形状D2、与地图信息中所包含的道路形状D3相连结(S36)。

地图信息更新部27删除地图信息中所包含的道路形状D3中所不需要的道路部位D4以及附加的节点(S37)。例如，地图信息更新部27将在附加于转换前的原本的二维道路形状D2的节点之间、探测数据所不存在的部位删除，以作为不需要的道路部位D4。

地图信息更新部27删除不需要的道路部位D4。地图信息更新部27基于连结了矢量形式的道路形状D2的道路形状D3，更新地图信息存储部21内的地图信息(S38)。若该处理结束，则地图信息更新处理将结束。

由此，能将作为道路形状变化而提取出的二维差分数据再次恢复成三维的矢量形式并更新地图信息。其结果是，能定期地自动格式化地图信息，并能够减轻更新地图信息的麻烦。

另外，实施方式1的地图信息处理装置2具有控制部、暂时存储部、存储部、无线通信部。控制部执行读入至存储部的程序。实施方式1的车辆数据接收部28、移动图像绘制部23、地图信息转换部24、差分提取部25、道路形状变化判定部26、地图信息更新部27包含于地图信息处理装置2的控制部。实施方式1的地图信息存储部21和数据存储部29包含于地图信息处理装置2的存储部。暂时存储部是将从存储部读入的程序、各种数据展开的工作区域。控制部、暂时存储部、存储部、无线通信部等各部位相互连接。

实施方式1的地图信息处理装置2例如能作为对车载导航系统、自动驾驶辅助系统中所使用的地图数据进行自动格式化的技术来使用。

另外，实施方式1中的地图信息处理方法获取多个移动体各自的轨迹信息。地图信息处理方法将包含表示道路的位置和形状的信息在内的地图信息从矢量形式转换成标量形式。另外，地图信息处理方法提取差分数据，该差分数据表示根据上述轨迹信息而绘制出的移动轨迹图像、与转换成标量形式后的上述地图信息中的地图图像之间的差分。地图信息处理方法中，计算机执行通过机器学习来判定上述差分数据是否是道路形状变化的处理。

并且，本实施方式中的地图信息处理程序获取多个移动体各自的轨迹信息。地图信息处理程序将包含表示道路的位置和形状的信息在内的地图信息从矢量形式转换成标量形式。地图信息处理程序提取差分数据，该差分数据表示根据上述轨迹信息而绘制出的移动轨迹图像、与转换成标量形式后的上述地图信息中的地图图像之间的差分。地图信息处理程序使计算机执行通过机器学习来判定上述差分数据是否是道路形状变化的处理。

(实施方式2)

以下，对本发明的其它实施方式进行说明。实施方式2的地图信息处理装置与实施方式1的地图信息处理装置2相比较，主要不同点在于，与过去的移动轨迹图像进行比较来提取差分数据。以下，为了将实施方式2的地图信息处理装置与实施方式1的地图信息处理装置2的结构区别开来，也将实施方式2的地图信息处理装置称为地图信息处理装置2B。使用图11，对实施方式2的地图信息处理装置2B进行说明。

实施方式2的地图信息处理装置2B中，对与实施方式1相同的结构适当省略说明。

如图11所示，实施方式2的地图信息处理装置2B除了地图信息存储部21、轨迹信息获取部22、差分提取部25、道路形状变化判定部26以外，还包含两个移动图像绘制部23、地图信息更新部27、移动数据生成部30、移动数据存储部31以及移动数据提取部32。以下，有时也将两个移动图像绘制部23中的一个称为第1移动图像绘制部231，并将另一个称为第2移动图像绘制部232。两个移动图像绘制部23由相同结构构成，所输入的数据有所不同。地图信息处理装置2不仅限于使用两个移动图像绘制部23的情况，也能通过依次改变所输入的数据，由一个移动图像绘制部23来构成。移动数据生成部30优选具备对时刻进行计时的计时部。移动数据提取部32优选具备对时刻进行计时的计时部。

以下，对移动图像绘制部23绘制车辆4的移动轨迹图像的示例进行说明。移动图像绘制部23中，第1移动图像绘制部231经由移动数据生成部30，从轨迹信息获取部22的数据存储部29中获取多个探测数据中所包含的轨迹信息。移动数据生成部30将移动轨迹图像的绘制中所不需要的信息从获取到的多个探测数据中去除。移动数据生成部30例如可以根据多个探测数据仅生成由每个时间的纬度/经度来表示的坐标的集合的数据。移动数据生成部30例如也可以根据多个探测数据仅生成使坐标的偏差标准化后的标准化坐标的集合的数据。另外，移动数据生成部30并不仅限于与移动图像绘制部23分开构成的情况，也可以构成为包含于移动图像绘制部23。另外，移动数据生成部30也可以构成为包含于轨迹信息获取部22。同样地，移动图像绘制部23还可以构成为包含于轨迹信息获取部22。具体而言，移动图像绘制部23基于轨迹信息的坐标的集合的信息，与实施方式1的图4A所示出的同样地，获取连续的m个一组的探测数据。移动图像绘制部23将获取到的坐标标绘为点P1、P2、P3～Pm。移动图像绘制部23与实施方式1的图4B所示出的同样地，利用线连接标绘出的点P1、P2、P3～Pm彼此，从而绘制为一个移动轨迹图像L。由此，实施方式2的移动图像绘制部23除了轨迹信息以外，还能够根据包含了时刻、行驶距离、行驶速度、加速度、角速度、本车方向、坡度角的信息在内的矢量形式的探测数据来生成标量形式的移动轨迹图像。另外，构成为仅移动数据生成部30所生成的纬度/经度所表示的坐标的集合的数据与时刻信息一起在移动数据存储部31中累积。

实施方式2的移动图像绘制部23为了进行参照而利用过去的探测数据。基于过去的探测数据的轨迹信息存储在移动数据存储部31中。首先，移动数据提取部32从移动数据存储部31中提取作为参照的过去的轨迹信息。移动数据提取部32从预先设定的确定的期间提取过去的规定的轨迹信息即可。移动图像绘制部23中，第2移动图像绘制部232中输入有来自移动数据存储部31的作为参照的过去的轨迹信息。移动图像绘制部23中，第1移动图像绘制部231根据轨迹信息来绘制移动轨迹图像，该轨迹信息根据基于在规定的单位期间内获取到的轨迹信息而生成的次级网格的探测数据来生成，第2移动图像绘制部232基于在整个预先确定的期间内所累积的更过去的轨迹信息，来绘制作为参照的更过去的移动轨迹图像。优选过去的轨迹信息按每个网格单位来生成。作为预先确定的期间，移动图像绘制部23例如可以利用30天的过去的探测数据。移动图像绘制部23可以利用整个探测数据作为确定的期间，以使得过去的所有的探测数据成为对象。本实施方式中，移动图像绘制部23生成累积了30天时间的次级网格的探测数据，以作为过去的探测数据。

接着，实施方式2的差分提取部25构成为能够将第1移动图像绘制部231新生成的次级网格的探测数据、同第2移动图像绘制部232过去生成的次级网格的探测数据进行比较来提取差分数据。差分提取部25与第1移动图像绘制部231和第2移动图像绘制部232分开构成，但可以构成为包含于移动图像绘制部23。

另外，第2的实施方式中，规定的单位期间设定为1天、3天、7天、30天，但并不限于此。规定的单位期间不仅为天单位，还可以为时间单位、月单位、年单位，能够设定成任意期间。另外，上述实施方式中，将确定的期间设定为30天，但并不限于此。确定的期间能够设定成任意期间。并且，上述实施方式中，移动图像绘制部23并不仅限定于生成次级网格的探测数据的结构。移动图像绘制部23可以生成与初级网格、三级网格、或其它单位网格相匹配的探测数据。

换言之，实施方式2的差分提取部25构成为能够提取如下移动轨迹图像之间的差分，即：基于规定的期间内所获取到的矢量形式的探测数据由第1移动图像绘制部231绘制出的标量形式的移动轨迹图像、以及基于预先确定的期间内所获取到的矢量形式的探测数据由第2移动图像绘制部232绘制出的比第1移动图像绘制部231更靠过去的标量形式的移动轨迹图像。规定的期间和预先确定的期间可以适当进行设定。

实施方式2的地图信息处理装置2中，例如能够由硬盘驱动器、或半导体存储器的存储器来构成地图信息存储部21、数据存储部29以及移动数据存储部31。存储器中可以存储驱动CPU的程序。CPU构成为通过执行存储于存储器的程序，从而使第1移动图像绘制部231、第2移动图像绘制部232、差分提取部25、道路形状变化判定部26、地图信息更新部27、移动数据生成部30以及移动数据提取部32起作用。车辆数据接收部28能够利用适当的通信模块来构成。

以下，参照图12A～图12D，对通过实施方式2的差分提取部25提取差分数据的一个示例进行说明。

实施方式2的差分提取部25获取由第1移动图像绘制部231绘制出的移动轨迹图像、以及由第2移动图像绘制部232绘制出的更过去的移动轨迹图像。图12A中，例示出由第1移动图像绘制部231绘制出的移动轨迹图像。图12B中，例示出由第2移动图像绘制部232绘制出的更过去的移动轨迹图像。接着，如图12C所示，差分提取部25生成将获取到的移动轨迹图像与获取到的过去的移动轨迹图像合成后得到的合成数据的图像。差分提取部25生成合成数据的图像，其结果是，如图12D所示，提取在图12A所示的移动轨迹图像与图12B所示的过去的移动轨迹图像之间不重复的图像，以作为差分数据的图像。图12D中，例示出由差分提取部25提取出的差分数据的图像。可以认为差分数据的图像表示生成地图信息的时刻下的道路与当前道路之间的差分。即，可以认为差分数据的图像表示道路形状变化。图12A～图12D所示的示例中，存在如下可能性：在由图12中的矩形所包围的区域中形成了新的道路。接着，地图信息处理装置2将由图12中的矩形所包围的部位包含在内，来判定所提取出的差分数据是否是道路形状变化。

地图信息更新部27更新存储于地图信息存储部21的地图信息。具体而言，地图信息更新部27通过道路形状变化判定部26，根据与判定为是道路形状变化的差分数据相对应的移动轨迹信息，来生成矢量形式的地图信息。然后，地图信息更新部27利用所生成的地图信息，来更新存储于地图信息存储部21的地图信息。

另外，在从探测数据中删除了在移动轨迹图像的生成中所不需要的数据之后，实施方式2的地图信息处理装置2可以通过机器学习来辨别轨迹信息。

接着，参照图13及图14，对本实施方式2所涉及的地图信息处理装置2所进行的道路形状变化判定处理进行说明。若接受开始道路形状变化处理的指示，则地图信息处理装置2开始图13的步骤71至步骤77的判定处理。实施方式2的图13的步骤71、72、75、76、77的处理与实施方式1的图7的步骤11、12、17、18、19的处理大致相同，因此省略说明。

移动数据生成部30通过使在规定的单位期间内对轨迹信息获取部22所获取到的探测数据进行累积而得到的数据标准化来生成次级网格的探测数据。移动数据生成部30将在移动图像的绘制中所不需要的数据从矢量形式的探测数据中删除。作为不需要的数据，例如，可举出行驶距离、行驶速度、加速度、角速度、本车方向、坡度角。

第1移动图像绘制部231利用标准化后的次级网格的轨迹信息，来绘制次级网格的移动轨迹图像(S73)。换言之，第1移动图像绘制部231利用在规定单位期间内获取到的探测数据，来生成移动轨迹图像。

然后，第2移动图像绘制部232利用由移动数据提取部32从移动数据存储部31中提取出的过去的次级网格的轨迹信息，来绘制过去的次级网格的移动轨迹图像。过去的次级网格的移动轨迹图像作为参照用而被参照。

移动图像绘制部23将基于次级网格的探测数据由第1移动图像绘制部231绘制出的次级网格的移动轨迹图像、同基于更过去的次级网格的探测数据由第2移动图像绘制部232绘制出的过去的次级网格的移动轨迹图像进行比较，来提取差分数据(S74)。

由此，实施方式2的地图信息处理装置2无需使用地图信息就能够检测道路形状变化。

其结果是，地图信息处理装置2能够提高处理速度，并进一步通过提高判定精度来较容易地进行道路形状变化的判定。

另外，实施方式2的地图信息处理装置2具有控制部、暂时存储部、存储部、无线通信部。控制部执行读入至存储部的程序。实施方式2的车辆数据接收部28、移动图像绘制部23、差分提取部25、道路形状变化判定部26、地图信息更新部27、移动数据生成部30、移动数据提取部32包含于地图信息处理装置2的控制部。实施方式2的地图信息存储部21、数据存储部29以及移动数据存储部31包含于地图信息处理装置2的存储部。暂时存储部是将从存储部读入的程序或各种数据展开的工作区域。控制部、暂时存储部、存储部、无线通信部等各部位相互连接。

另外，实施方式2中的地图信息处理方法获取多个移动体各自的探测数据。地图信息处理方法基于多个移动体各自在规定的期间内获取到的矢量形式的探测数据来生成标量形式的移动轨迹图像。地图信息处理方法基于多个移动体各自在预先确定的期间内获取到的矢量形式的探测数据来生成标量形式的更过去的移动轨迹图像。另外，地图信息处理方法提取表示上述移动轨迹图像、与上述过去的移动轨迹图像之间的差分的差分数据。地图信息处理方法中，计算机执行利用机器学习来判定上述差分数据是否是道路形状变化的处理。

并且，本实施方式中的地图信息处理程序获取多个移动体各自的探测数据。地图信息处理程序基于多个移动体各自在规定的期间内获取到的矢量形式的探测数据来生成标量形式的移动轨迹图像。地图信息处理程序基于多个移动体各自在预先确定的期间内获取到的矢量形式的探测数据来生成标量形式的更过去的移动轨迹图像。地图信息处理程序提取表示上述移动轨迹图像、与上述过去的移动轨迹图像之间的差分的差分数据。地图信息处理程序使计算机执行利用机器学习来判定上述差分数据是否是道路形状变化的处理。

另外，本发明并不局限于上述实施方式本身，在实施阶段中，能够在不脱离其主旨的范围内对结构要素进行变形以使其具体化。另外，通过将上述实施方式所公开的多个结构要素进行适当组合，从而能形成各种发明。例如，可以适当组合实施方式所表示的全部结构要素。并且，可以适当组合不同实施方式所涉及的结构要素。当然可以在这种不脱离本发明的要点的范围内进行各种变形、应用。

标号说明

1 地图信息处理系统

2 地图信息处理装置

2B 地图信息处理装置

3 车载终端

4 车辆

5 通信终端

21 地图信息存储部

22 轨迹信息获取部

23 移动图像绘制部

231 第1移动图像绘制部

232 第2移动图像绘制部

24 地图信息转换部

25 差分提取部

26 道路形状变化判定部

27 地图信息更新部

28 车辆数据接收部

29 数据存储部

30 移动数据生成部

31 移动数据存储部

32 移动数据提取部

Claims (14)

1.一种地图信息处理装置，其特征在于，包括：

差分提取部，该差分提取部将基于多个移动体各自的移动轨迹的移动轨迹图像同基于矢量形式的数据的标量形式的与所述移动轨迹图像不同的图像进行比较来提取差分数据；以及

道路形状变化判定部，该道路形状变化判定部通过机器学习来判定所述差分数据是否是道路形状变化。

2.如权利要求1所述的地图信息处理装置，其特征在于，

所述地图信息处理装置还包括：

轨迹信息获取部，该轨迹信息获取部获取多个移动体各自的轨迹信息；

地图信息存储部，该地图信息存储部存储地图信息，所述地图信息包含表示道路的位置和形状的信息，并以矢量形式来表示；以及

地图信息转换部，该地图信息转换部基于矢量形式的所述地图信息来转换成标量形式的地图信息，

所述差分提取部提取差分数据，该差分数据表示根据所述轨迹信息绘制出的移动轨迹图像、与转换成标量形式后的所述地图信息中的道路的地图图像之间的差分。

3.如权利要求2所述的地图信息处理装置，其特征在于，

还包括移动图像绘制部，该移动图像绘制部基于多个所述移动体各自的轨迹信息来绘制所述移动轨迹图像，

所述移动图像绘制部将位于规定范围内的所述移动轨迹图像汇总来进行绘制。

4.如权利要求3所述的地图信息处理装置，其特征在于，

所述移动图像绘制部在基于规定的期间内所获取到的轨迹信息来绘制所述移动轨迹图像之前，基于预先确定的期间内所获取到的轨迹信息来绘制过去的移动轨迹图像，并将绘制出的所述移动轨迹图像同所述过去的移动轨迹图像进行比较来判定是否存在差分，

所述差分提取部仅将判定为与所述过去的移动轨迹图像相比较存在差分的所述移动轨迹图像设为所述差分数据的提取处理的处理对象。

5.如权利要求2至4的任一项所述的地图信息处理装置，其特征在于，

所述地图信息转换部仅取出所述地图信息中表示道路形状的地图图像信息并将其从矢量形式转换成标量形式。

6.如权利要求2至5的任一项所述的地图信息处理装置，其特征在于，

所述道路形状变化判定部根据过去所提取出的所述差分数据进行机器学习，并基于该机器学习的结果，来判定新提取出的所述差分数据是否是道路形状变化。

7.如权利要求2至6的任一项所述的地图信息处理装置，其特征在于，

还包括地图信息更新部，该地图信息更新部对存储于所述地图信息存储部的地图信息进行更新，

所述地图信息更新部将由所述道路形状变化判定部判定为是道路形状变化的所述差分数据转换成矢量形式，

使用转换成矢量形式的差分数据来更新存储于所述地图信息存储部的地图信息。

8.如权利要求2至7的任一项所述的地图信息处理装置，其特征在于，

所述地图信息存储部按多个比例尺的每一个对包含表示多个道路的位置和形状的信息在内的地图信息进行存储，

在由所述道路形状变化判定部通过所述机器学习判定为所述差分数据是道路形状变化的概率在规定的准确度以下的情况下，所述地图信息转换部将存储于所述地图信息存储部的地图信息中、比例尺较大的地图信息从矢量形式转换成标量形式。

9.一种地图信息处理方法，其特征在于，由计算机执行如下处理：

获取多个移动体各自的轨迹信息，

将包含表示道路的位置和形状的信息在内的地图信息从矢量形式转换成标量形式，

提取表示根据所述轨迹信息绘制出的移动轨迹图像、与转换成所述标量形式后的地图信息中的地图图像之间的差分的差分数据，

通过机器学习判定所述差分数据是否是道路形状变化。

10.一种地图信息处理程序，其特征在于，使计算机执行如下处理：

获取多个移动体各自的轨迹信息，

将包含表示道路的位置和形状的信息在内的地图信息从矢量形式转换成标量形式，

提取表示根据所述轨迹信息绘制出的移动轨迹图像、与转换成所述标量形式后的地图信息中的地图图像之间的差分的差分数据，

通过机器学习判定所述差分数据是否是道路形状变化。

11.如权利要求1所述的地图信息处理装置，其特征在于，

所述地图信息处理装置还包括：

第1移动图像绘制部，该第1移动图像绘制部基于多个移动体各自在规定的期间内获取到的矢量形式的探测数据来生成标量形式的移动轨迹图像；以及

第2移动图像绘制部，该第2移动图像绘制部基于多个移动体各自在预先确定的期间内获取到的矢量形式的探测数据来生成标量形式的更过去的移动轨迹图像，

所述差分提取部将所述第1移动图像绘制部所生成的所述移动轨迹图像同所述第2移动图像绘制部所生成的所述过去的移动轨迹图像进行比较来提取差分数据。

12.如权利要求11所述的地图信息处理装置，其特征在于，

所述道路形状变化判定部根据过去所提取出的所述差分数据进行机器学习，并基于该机器学习的结果，来判定新提取出的所述差分数据是否是道路形状变化。

13.一种地图信息处理方法，其特征在于，由计算机执行如下处理：

获取多个移动体各自的探测数据，

基于多个移动体各自在规定的期间内获取到的矢量形式的探测数据来生成标量形式的移动轨迹图像，

基于多个移动体各自在预先确定的期间内获取到的矢量形式的探测数据来生成标量形式的更过去的移动轨迹图像，

提取表示所述移动轨迹图像与所述过去的移动轨迹图像之间的差分的差分数据，

通过机器学习判定所述差分数据是否是道路形状变化。

14.一种地图信息处理程序，其特征在于，使计算机执行如下处理：

获取多个移动体各自的探测数据，

基于多个移动体各自在规定的期间内获取到的矢量形式的探测数据来生成标量形式的移动轨迹图像，

基于多个移动体各自在预先确定的期间内获取到的矢量形式的探测数据来生成标量形式的更过去的移动轨迹图像，

提取表示所述移动轨迹图像与所述过去的移动轨迹图像之间的差分的差分数据，

通过机器学习判定所述差分数据是否是道路形状变化。

Images