CN113544030B - 路线生成系统、路线生成方法和计算机能读取的存储介质 - Google Patents
路线生成系统、路线生成方法和计算机能读取的存储介质 Download PDFInfo
- Publication number
- CN113544030B CN113544030B CN201980093685.XA CN201980093685A CN113544030B CN 113544030 B CN113544030 B CN 113544030B CN 201980093685 A CN201980093685 A CN 201980093685A CN 113544030 B CN113544030 B CN 113544030B
- Authority
- CN
- China
- Prior art keywords
- avoidance
- effective
- traffic accident
- route
- accident scene
- 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
Links
- 238000000034 method Methods 0.000 title claims description 41
- 238000011156 evaluation Methods 0.000 claims abstract description 98
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 76
- 238000000605 extraction Methods 0.000 claims abstract description 33
- 238000010276 construction Methods 0.000 claims abstract description 21
- 239000000284 extract Substances 0.000 claims abstract description 14
- 238000013210 evaluation model Methods 0.000 claims description 48
- 230000008569 process Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 12
- 238000013500 data storage Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 230000004048 modification Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 238000009411 base construction Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/10—Path keeping
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
- G08G1/096827—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed onboard
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
Abstract
行驶状况提取部(120)从蓄积有表示交通事故场景的状况的交通事故场景信息的交通事故数据库中,提取与所述交通事故场景对应的车辆的行驶状况。回避路线生成部(130)根据行驶状况,生成回避交通事故场景的多个回避路线。有效性决定部(140)针对多个回避路线分别决定表示有效性的值作为有效评价值。有效路线选择部(150)根据多个回避路线各自的有效评价值,从多个回避路线中选择最有效的回避路线作为有效路线。有效信息构建部(160)将把交通事故场景与有效路线对应起来的有效路线信息(172)存储于存储部(170)。
Description
技术领域
本发明涉及路线生成系统、路线生成方法和计算机能读取的存储介质。尤其涉及根据交通事故数据库生成回避路线的路线生成系统、路线生成方法和计算机能读取的存储介质。
背景技术
在现有文献中公开有如下的技术:由熟练经验者预测危险并事先准备对策,由此避免危险。
在专利文献1中公开有如下的技术:根据本船运动信息、其他船运动信息和各种障碍物信息判定危险度;然后,根据熟练知识库,以使本船的未来航行位置成为符合法规知识库的最佳未来航行位置的方式生成回避航路计划。在专利文献1中,作为专家系统的熟练知识库,存储基于熟练驾船者经验上具有的任意的增减速和转向的未来航行位置。此外,作为法规知识库,存储法规和规则这样的遵守事项。
现有技术文献
专利文献
专利文献1:日本特开平9-066894号公报
发明内容
发明要解决的课题
在专利文献1中存在如下的课题:作为个人的熟练操作者的知识存在限制,只能应对有限的场景。此外,存在如下的课题:难以构建用于广泛应对全部紧急时的知识库。此外,存在如下的课题:在采用基于个人知识的知识库的情况下,由于存在个人差异,因此,有时也无法进行紧急时的最佳应对。
本发明的目的在于,通过根据实际上发生的交通状况生成适当的回避路线,寻求避免事故和降低碰撞时的伤害,实现安全放心的自动驾驶和驾驶辅助。
用于解决课题的手段
本发明的路线生成装置具有:
行驶状况提取部,其从蓄积有表示交通事故场景的状况的交通事故场景信息的交通事故数据库中,提取与所述交通事故场景对应的车辆的行驶状况;
回避路线生成部,其根据所述行驶状况,生成回避所述交通事故场景的多个回避路线;
有效性决定部,其针对所述多个回避路线分别决定表示有效性的值作为有效评价值;
有效路线选择部,其根据所述多个回避路线各自的有效评价值,从所述多个回避路线中选择最有效的回避路线作为有效路线;以及
有效信息构建部,其将把所述交通事故场景与所述有效路线对应起来的有效路线信息存储于存储部。
发明效果
根据本发明的路线生成装置,通过根据实际上发生的交通状况生成适当的回避路线作为有效路线,能够寻求避免事故和降低碰撞时的伤害,实现安全放心的自动驾驶和驾驶辅助。
附图说明
图1是实施方式1的路线生成系统的结构例。
图2是实施方式1的多个回避路线的生成例。
图3是实施方式1的有效性评价模型的一例。
图4是进行实施方式1的模型生成处理的模型生成装置的结构例。
图5是用于生成实施方式1的有效性评价模型的学习用数据集的例子。
图6是从实施方式1的各回避路线中提取出特征量向量的例子。
图7是说明实施方式1的模型生成处理的流程图。
图8是用于说明实施方式1的交通事故场景的例子的图。
图9是说明实施方式1的路线生成处理的流程图。
图10是实施方式1的多个回避路线的生成例。
图11是实施方式1的回避路线1的特征量向量V的例子。
图12是示出实施方式1的针对各回避路线的各有效评价值的最终得分S的图。
图13是实施方式1的最终得分S的计算式。
图14是实施方式1的变形例的路线生成装置的结构例。
具体实施方式
以下,使用附图说明本发明的实施方式。另外,在各图中,对相同或对应的部分标注相同的标号。在实施方式的说明中,对相同或对应的部分适当省略或者简化说明。
实施方式1
***结构的说明***
图1是本实施方式的路线生成系统500的结构例。
路线生成系统500具有路线生成装置100和模型生成装置200。在此,将路线生成装置100和模型生成装置200表示成不同的装置,但是,路线生成装置100和模型生成装置200也可以是一个装置。模型生成装置200也可以搭载于路线生成装置100。
路线生成装置100是计算机。路线生成装置100具有处理器910,并且具有存储器921、辅助存储装置922、输入接口930、输出接口940和通信装置950这样的其他硬件。处理器910经由信号线而与其他硬件连接,对这些其他硬件进行控制。
作为功能要素,路线生成装置100具有事故数据取得部110、行驶状况提取部120、回避路线生成部130、有效性决定部140、有效路线选择部150、有效信息构建部160和存储部170。在存储部170存储有有效性评价模型171和有效路线信息172。
事故数据取得部110、行驶状况提取部120、回避路线生成部130、有效性决定部140、有效路线选择部150和有效信息构建部160的功能通过软件来实现。存储部170设置于存储器921或辅助存储装置922。
处理器910是执行路线生成程序的装置。路线生成程序是实现事故数据取得部110、行驶状况提取部120、回避路线生成部130、有效性决定部140、有效路线选择部150和有效信息构建部160的功能的程序。
处理器910是进行运算处理的IC(Integrated Circuit:集成电路)。处理器910的具体例是CPU(Central Processing Unit:中央处理单元)、DSP(Digital SignalProcessor:数字信号处理器)和GPU(Graphics Processing Unit:图形处理单元)。
存储器921是临时存储数据的存储装置。存储器921的具体例是SRAM(StaticRandom Access Memory:静态随机存取存储器)或DRAM(Dynamic Random Access Memory:动态随机存取存储器)。
辅助存储装置922是保管数据的存储装置。辅助存储装置922的具体例是HDD。此外,辅助存储装置922也可以是SD(注册商标)存储卡、CF、NAND闪存、软盘、光盘、高密度盘、Floppy(注册商标)盘、DVD这样的可移动存储介质。另外,HDD是Hard Disk Drive(硬盘驱动器)的缩写。SD(注册商标)是Secure Digital(安全数字)的缩写。CF是CompactFlash(致密闪存(注册商标))的缩写。DVD是Digital Versatile Disk(数字多功能盘)的缩写。
输入接口930是与鼠标、键盘或触摸面板这样的输入装置连接的端口。具体而言,输入接口930是USB(Universal Serial Bus:通用串行总线)端子。另外,输入接口930也可以是与LAN(Local Area Network:局域网)连接的端口。
输出接口940是与显示器这样的输出设备的缆线连接的端口。具体而言,输出接口940是USB端子或HDMI(注册商标)(High Definition Multimedia Interface:高清晰度多媒体接口)端子。具体而言,显示器是LCD(Liquid Crystal Display:液晶显示器)。
通信装置950具有接收器和发送器。通信装置950以无线的方式与LAN、互联网或电话线路这样的通信网络连接。具体而言,通信装置950是通信芯片或NIC(NetworkInterface Card:网络接口卡)。
路线生成程序被读入到处理器910,由处理器910执行。在存储器921不仅存储有路线生成程序,还存储有OS(Operating System:操作系统)。处理器910一边执行OS一边执行路线生成程序。路线生成程序和OS也可以存储于辅助存储装置922。辅助存储装置922中存储的路线生成程序和OS被加载到存储器921,由处理器910执行。另外,也可以将路线生成程序的一部分或全部组装到OS。
路线生成装置100也可以具有替代处理器910的多个处理器。这些多个处理器分担执行路线生成程序。与处理器910相同,各个处理器是执行路线生成程序的装置。
由路线生成程序利用、处理或输出的数据、信息、信号值和变量值存储于存储器921、辅助存储装置922或处理器910内的寄存器或者闪存。
也可以将事故数据取得部110、行驶状况提取部120、回避路线生成部130、有效性决定部140、有效路线选择部150和有效信息构建部160的各部的“部”改写成“处理”、“过程”或者“工序”。此外,也可以将事故数据取得处理、行驶状况提取处理、回避路线生成处理、有效性决定处理、有效路线选择处理和有效信息构建处理的“处理”改写成“程序”、“程序产品”或“记录有程序的计算机能读取的存储介质”。
路线生成程序使计算机执行将上述各部的“部”改写成“处理”、“过程”或者“工序”而成的各处理、各过程或者各工序。此外,路线生成方法是通过路线生成装置100执行路线生成程序来进行的方法。
路线生成程序也可以存储于计算机能读取的记录介质来提供。此外,路线生成程序也可以作为程序产品来提供。
***功能的概要说明***
事故数据取得部110从现有的庞大的交通事故数据库中取得交通事故场景信息。在交通事故数据库蓄积有表示交通事故场景的状况的交通事故场景信息。
行驶状况提取部120提取与交通事故场景对应的车辆的行驶状况。车辆的行驶状况包含车辆的速度和方向。具体而言,行驶状况提取部120从由事故数据取得部110取得的交通事故场景信息中提取车辆的位置、速度、路面状况、道路形状、行驶方向、对向车的位置、速度和行驶方向这样的行驶状况。另外,这里的车辆是指本车辆。
回避路线生成部130根据行驶状况,生成回避交通事故场景的多个回避路线40。回避路线是指被认为回避物损事故、人身事故、追尾事故或二次灾害这样的某种事故的路线。回避路线生成部130根据由行驶状况提取部120提取出的行驶状况的要素生成多个回避路线40。
具体而言,根据车辆的速度和方向,首先确定紧急制动的距离。例如,假设车辆以40km/h的速度正在行驶的情况,在路面状况为干燥的情况下(摩擦系数=0.8),制动距离为7.9m。
图2是示出本实施方式的多个回避路线40的生成例的图。
如图2所示,当设左方向为负、右方向为正并施加方向变换时,表示使方向变换在-40度到+40度的范围内每次变换2度而生成的多个路径。在此,为了简化说明,省略车辆急转弯时的打滑这样的动态特性。此外,为了简化说明,将路线生成时的角度的变换量假设为恒定。但是,在实际制动过程中也可以变换角度。
有效性决定部140针对多个回避路线40分别决定表示有效性的值作为有效评价值。有效性决定部140针对由回避路线生成部130生成的多个回避路线40分别评价有效性,针对多个回避路线40分别决定有效评价值。有效性决定部140也称作有效路线评价部。
在本实施方式中,作为有效路线评价的方式,例如,可以利用最大熵法。在评价回避路线时,利用统计方法,根据预先生成的回避路线进行主观评价。根据回避路线与主观评价值的对,判断与该回避路线的评价用特征量对应的评价值相似到何种程度。这里的数据对通过事先的手动作业来整理。此外,为了简化说明,以1~5的5个阶段的评价对主观评价进行说明。例如,由专家构成的多个评价者对多个回避路线分别进行1到5的计分。如果分数高,则意味着该路线的适当性高。
有效性决定部140使用有效性评价模型171来决定多个回避路线各自的有效评价值,该有效性评价模型171表示有效评价值P与特征量T的对应,该特征量T表示回避路线的特征。
图3是示出本实施方式的有效性评价模型171的一例的图。
在存储部170存储有在有效性决定部140中使用的有效性评价模型171。有效性评价模型171由后述的模型生成装置200预先生成,并存储到存储部170。如图3所示,有效性评价模型171将回避路线的各特征量T与有效评价值P的关系的强度记述成特征量得分Si。在此,如下所述,评价用的特征量为7个(i=7)。
(1)是否与车碰撞
(2)是否与道路形状碰撞
(3)是否与人碰撞
(4)是否是来自正面的碰撞
(5)是否是来自侧面的碰撞
(6)是否进入了对向车道
(7)是否逆向行驶
有效路线选择部150根据多个回避路线40各自的有效评价值,从多个回避路线40中选择最有效的回避路线作为有效路线。有效路线选择部150选择由有效性决定部140决定的有效评价值最高的回避路线作为有效路线,并输出到有效信息构建部160。
有效信息构建部160将把交通事故场景与有效路线对应起来的有效路线信息172存储于存储部170。有效路线信息172也称作知识库。有效信息构建部160也称作知识库构建部。
***动作的说明***
对本实施方式的路线生成系统500的动作进行说明。
首先,对生成有效性评价模型171的模型生成处理进行说明。路线生成系统500具有生成有效性评价模型171的模型生成装置200。
图4是进行本实施方式的模型生成处理的模型生成装置200的结构例。
作为功能要素,模型生成装置200具有学习用数据存储部210、特征量提取部220和评价模型生成部230。模型生成装置200是计算机,硬件结构与路线生成装置100相同。模型生成装置200生成有效性评价模型171。生成的有效性评价模型171存储于路线生成装置100的存储部170。
学习用数据存储部210存储将多个回避路线40分别与预先设定的主观评价值对应起来的学习用数据集211。主观评价值是预先由专家设定的表示回避路线的有效性的值。学习用数据存储部210存储回避路线与表示该回避路线的有效性的主观评价值的对作为学习用数据集211。
图5是示出本实施方式的用于生成有效性评价模型的学习用数据集211的例子的图。
在模型生成装置200中,学习用数据存储部210对图2的多个回避路线40分配路线编号,将各回避路线与对应的有效评价值(主观评价值)的对作为学习用数据集211存储于存储设备。该有效评价值(主观评价值)是由专家预先通过5个阶段的主观评价赋予的。
特征量提取部220根据学习用数据集211,提取表示用于对多个回避路线40各自的有效性进行评价的特征量的特征量向量V。具体而言,特征量提取部220从图2的多个回避路线40分别提取特征量向量V。使用提取出的特征量向量V来生成表示特征量与有效评价值的对应关系的有效性评价模型171。例如,特征量的提取使用one-hot模型。作为具体例,在即使使用回避路线也与车碰撞的情况下,该回避路线中的与车碰撞的特征量为1。在此,通过这样的方法,根据各回避路线生成特征量向量V。
图6是示出从本实施方式的各回避路线中提取出特征量向量V的例子的图。将特征量向量V和有效评价值(主观评价值)的对与各回避路线对应起来。
图7是说明本实施方式的模型生成处理的流程图。
在步骤S1中,特征量提取部220从学习用数据集211中,提取表示用于对回避路线的有效性进行评价的特征量的特征量向量V。具体而言,特征量提取部220从多个回避路线40分别提取特征量向量V。特征量提取部220将特征量向量V输出到评价模型生成部230。
在步骤S2中,评价模型生成部230使用学习用数据集211和多个回避路线40各自的特征量向量V来生成有效性评价模型171。具体而言,评价模型生成部230使用从特征量提取部220得到的特征量向量V与有效评价值(主观评价值)的对来生成有效性评价模型171。例如,若与行人碰撞,则不能说是好的回避路线,因此成为低评价值。因此,是否与行人碰撞的权重增大。评价模型生成部230对学习用数据集211中包含的全部数据进行与上述相同的处理,优化针对各特征量项目的权重。然后,评价模型生成部230以使针对各特征量项目的权重优化的方式计算各有效评价值,最终生成如图3所示的有效性评价模型171。
接着,对路线生成装置100的路线生成处理进行说明。
图8是说明本实施方式的交通事故场景的例子的图。
在图8中,示出如下的交通事故场景:在本车辆301从左向右以40km/h的速度通过无信号灯的交叉路口时,从死角突然出现左转的其他车辆302,无法回避而发生碰撞。
图9是说明本实施方式的路线生成处理的流程图。
如图8所示的交通事故场景那样,本车辆301从左向右正在行驶。
在步骤S11中,事故数据取得部110从交通事故数据库取得交通事故场景。然后,行驶状况提取部120从交通事故场景中提取行驶状况。
图10是示出本实施方式的多个回避路线的生成例的图。
在步骤S12中,回避路线生成部130生成从本车辆301的位置起临时踩下紧急制动时的多个回避路线40。具体而言,由回避路线生成部130如图10所示生成多个回避路线40。
在步骤S13中,有效性决定部140取得多个回避路线40,对各回避路线的有效性进行评价。具体而言,有效性决定部140针对多个回避路线40分别决定有效评价值。
有效性决定部140使用有效性评价模型171和多个回避路线40各自的特征量向量V,按照多个回避路线的每个回避路线,针对多个有效评价值分别计算表示取得有效评价值的概率的高低的最终得分S。然后,有效性决定部140将多个有效评价值中的最终得分S最高的有效评价值决定为该回避路线的有效评价值P。此时,有效性决定部140按照多个有效评价值的每个有效评价值,计算特征量的特征量得分Si,计算特征量得分Si之和作为最终得分S。
图11是示出本实施方式的回避路线1的特征量向量V的例子的图。
有效性决定部140对各回避路线进行特征量向量V的提取。例如,如图11所示,在回避路线1的例子的情况下,由于与车碰撞,因此,与车碰撞的特征量为1。此外,与道路形状或行人的碰撞的特征量为0。此外,由于从正面碰撞,因此,从正面碰撞的特征量为1。通过这样的模型化的方法对回避路线1的特征量进行向量化。
接着,有效性决定部140使用存储部170中存储的有效性评价模型171,针对各回避路线,按照每个有效评价值取得表示特征量的得分的特征量得分Si。然后,有效性决定部140针对各回避路线,按照每个有效评价值计算特征量得分Si之和作为最终得分S。
图12是示出本实施方式的针对各回避路线的各有效评价值的最终得分S的图。此外,图13是本实施方式的最终得分S的计算式。
如图12所示,有效性决定部140使用回避路线1的特征量向量V和有效性评价模型171来决定回避路线1的每个有效评价值的特征量得分Si。然后,有效性决定部140使用图13的计算式来计算回避路线1的每个有效评价值的最终得分S。最终得分S表示对应的有效评价值的似然性,即能够取得对应的有效评价值的概率的高低。
Si是作为最终得分S的计算对象的回避路线的第i个特征量的得分。最终得分S是作为计算对象的回避路线的特征量得分Si之和。其中,i是自然数,i为特征量的数量。
有效性决定部140将最终得分S最高的有效评价值决定为回避路线的有效评价值。有效性决定部140将决定的回避路线的有效评价值输出到有效路线选择部150。
在图12的例子中,有效性决定部140决定最终得分S最高(0.6)的有效评价值5作为回避路线1的有效评价值。
有效路线选择部150根据多个回避路线40各自的有效评价值,从多个回避路线40中选择最有效的回避路线作为有效路线Rb。
具体而言,由有效性决定部140对图10的多个回避路线1~回避路线9分别决定有效评价值。有效路线选择部150从回避路线1~回避路线9各自的有效评价值中选择与最高值的有效评价值对应的回避路线作为有效路线Rb,并输出到有效信息构建部160。有效路线Rb也可以存在多个。
有效信息构建部160将把交通事故场景与有效路线Rb对应起来的有效路线信息172存储于存储部170。此时,有效信息构建部160将有效路线信息172以知识库的形式存储于存储部170。
具体而言,有效信息构建部160将交通事故场景与有效路线Rb的对作为知识来变换形式,存储该知识。例如,在“向右打满方向盘并全力踩踏制动器”的回避路线为有效路线Rb的情况下,作为知识,设定“TurnRight:full,brake:full”这样的抽象记述。
***其他结构***
<变形例1>
本实施方式中说明的路线生成装置100的功能的一部分也可以通过其他装置来执行。例如,也可以由设置于外部的服务器这样的装置执行路线生成装置100的一部分功能。
<变形例2>
在本实施方式中,通过软件来实现事故数据取得部110、行驶状况提取部120、回避路线生成部130、有效性决定部140、有效路线选择部150和有效信息构建部160的功能。作为变形例,也可以通过硬件来实现事故数据取得部110、行驶状况提取部120、回避路线生成部130、有效性决定部140、有效路线选择部150和有效信息构建部160的功能。
图14是示出本实施方式的变形例的路线生成装置100的结构的图。
路线生成装置100具有电子电路909、存储器921、辅助存储装置922、输入接口930和输出接口940。
电子电路909是实现事故数据取得部110、行驶状况提取部120、回避路线生成部130、有效性决定部140、有效路线选择部150和有效信息构建部160的功能的专用电子电路。
具体而言,电子电路909是单一电路、复合电路、程序化的处理器、并列程序化的处理器、逻辑IC、GA、ASIC或FPGA。GA是Gate Array(门阵列)的缩写。ASIC是ApplicationSpecific Integrated Circuit(专用集成电路)的缩写。FPGA是Field-Programmable GateArray(现场可编程门阵列)的缩写。
事故数据取得部110、行驶状况提取部120、回避路线生成部130、有效性决定部140、有效路线选择部150和有效信息构建部160的功能可以通过1个电子电路来实现,也可以分散到多个电子电路中实现。
作为另一变形例,也可以通过电子电路来实现事故数据取得部110、行驶状况提取部120、回避路线生成部130、有效性决定部140、有效路线选择部150和有效信息构建部160的一部分功能,通过软件来实现剩余的功能。此外,作为另一变形例,也可以通过固件来实现事故数据取得部110、行驶状况提取部120、回避路线生成部130、有效性决定部140、有效路线选择部150和有效信息构建部160的一部分或全部功能。
处理器和电子电路分别也称作处理线路。即,在路线生成装置100中,事故数据取得部110、行驶状况提取部120、回避路线生成部130、有效性决定部140、有效路线选择部150和有效信息构建部160的功能通过处理线路来实现。
***本实施方式的效果的说明***
在本实施方式的路线生成系统中,事先从现有的庞大的交通事故数据库中提取必要的交通事故发生时的行驶状况。行驶状况包含碰撞速度、碰撞对象和路面状况这样的信息。路线生成系统根据提取出的信息,设计紧急时的回避用行驶路线(紧急回避路线)。此外,以上述交通事故时的行驶状况和设计出的紧急回避路线为对构建知识库。然后,在实际上发生危险交通场景时,从传感器装置输入本车状况、障碍物状况或周边交通状况,能够在事先构建出的知识库中检索最佳的紧急回避路线。在知识库上,输出与当前的危险交通场景最相似的交通事故的紧急回避路线,能够进行紧急回避。
因此,根据本实施方式的路线生成系统,能够根据实际上发生的交通状况生成适当的紧急回避路线。因此,能够寻求避免事故或者降低碰撞时的伤害,实现安全放心的自动驾驶和驾驶辅助。
在本实施方式的路线生成系统中,生成有效性评价模型,该有效性评价模型记录从各回避路线给出评价值的权重。然后,使用有效性评价模型来决定最适于回避路线的有效评价值。
因此,根据本实施方式的路线生成系统,能够选择根据实际的交通事故场景求出的最适当的紧急回避路线,能够实现更安全放心的自动驾驶和驾驶辅助。
在本实施方式的路线生成系统中,具有:有效路线选择部,其根据决定的有效评价值选择效果最高的回避路线;以及知识库构建部,其将交通事故场景与紧急回避路线关联起来构建知识库。
因此,根据本实施方式的路线生成系统,能够选择最适当的紧急回避路线,能够实现更安全放心的自动驾驶和驾驶辅助。
在本实施方式的路线生成系统中,具有学习用数据存储部,该学习用数据存储部存储以回避路线和有效评价值为对而准备的学习用数据集。此时,首先,通过主观评价准备学习数据集。此外,在路线生成系统中具有特征量提取部,该特征量提取部从学习用数据中提取用于对有效性进行评价的特征量。此外,在路线生成系统中具有评价模型生成部,该评价模型生成部根据学习用数据生成有效性评价模型。评价模型生成部通过统计方法,事先学习多个回避路线的评价模型。然后,在路线生成系统中,根据本车的方向和速度这样的信息生成多个回避路线,在执行时输出有效评价值最高的回避路线。
因此,根据本实施方式的路线生成系统,能够生成基于实际的交通事故场景的更有效的有效性评价模型,针对实际上发生的交通事故场景也能够输出最适当的回避路线。
在以上的实施方式1中,设路线生成系统的各装置的各部为独立的功能块进行了说明。但是,路线生成系统的各装置的结构也可以不是上述实施方式的结构。路线生成系统的各装置的功能块只要能够实现在上述实施方式中说明的功能即可,可以是任意的结构。此外,路线生成系统的各装置也可以是由多个装置而不是1个装置构成的系统。
此外,也可以组合实施实施方式1中的多个部分。或者,也可以实施该实施方式中的一部分。此外,也可以作为整体或部分地任意组合实施本实施方式。
即,在实施方式1中,能够实现各实施方式的自由组合、或各实施方式的任意结构要素的变形或各实施方式中的任意结构要素的省略。
另外,上述实施方式本质上只是优选的例示,并不意图限制本发明的范围、本发明的应用物的范围和本发明的用途的范围。上述实施方式能够根据需要进行各种变更。
标号说明
40:多个回避路线;100:路线生成装置;110:事故数据取得部;120:行驶状况提取部;130:回避路线生成部;140:有效性决定部;150:有效路线选择部;160:有效信息构建部;170:存储部;171:有效性评价模型;172:有效路线信息;200:模型生成装置;210:学习用数据存储部;211:学习用数据集;220:特征量提取部;230:评价模型生成部;301:本车辆;302:其他车辆;500:路线生成系统;909:电子电路;910:处理器;921:存储器;922:辅助存储装置;930:输入接口;940:输出接口;950:通信装置;P:有效评价值;T:特征量;Si:特征量得分;V:特征量向量;S:最终得分。
Claims (10)
1.一种路线生成系统,该路线生成系统具有:
行驶状况提取部,其从蓄积有表示交通事故场景的状况的交通事故场景信息的交通事故数据库中,提取与所述交通事故场景对应的车辆的行驶状况;
回避路线生成部,其根据所述行驶状况,生成回避所述交通事故场景的多个回避路线;
有效性决定部,其使用表示有效评价值与特征量的对应的有效性评价模型来决定所述多个回避路线各自的有效评价值,所述有效评价值表示回避路线的有效性,所述特征量表示回避路线的特征;
有效路线选择部,其根据所述多个回避路线各自的有效评价值,从所述多个回避路线中选择最有效的回避路线作为有效路线;
有效信息构建部,其将把所述交通事故场景与所述有效路线对应起来的有效路线信息存储于存储部;以及
模型生成装置,其生成所述有效性评价模型,
所述模型生成装置具有:
学习用数据存储部,其存储将所述多个回避路线分别与预先设定的作为表示有效性的值的主观评价值对应起来的学习用数据集;
特征量提取部,其根据所述学习用数据集,提取表示用于对所述多个回避路线各自的有效性进行评价的特征量的特征量向量;以及
评价模型生成部,其使用所述多个回避路线各自的特征量向量来生成所述有效性评价模型。
2.根据权利要求1所述的路线生成系统,其中,
所述有效性决定部使用所述有效性评价模型和所述多个回避路线各自的特征量向量,按照所述多个回避路线的每个回避路线,针对多个有效评价值分别计算表示取得有效评价值的概率的高低的最终得分,将所述多个有效评价值中的所述最终得分最高的有效评价值决定为该回避路线的有效评价值。
3.一种路线生成系统,该路线生成系统具有:
行驶状况提取部,其从蓄积有表示交通事故场景的状况的交通事故场景信息的交通事故数据库中,提取与所述交通事故场景对应的车辆的行驶状况;
回避路线生成部,其根据所述行驶状况,生成回避所述交通事故场景的多个回避路线;
有效性决定部,其针对所述多个回避路线分别决定表示有效性的值作为有效评价值;
有效路线选择部,其根据所述多个回避路线各自的有效评价值,从所述多个回避路线中选择最有效的回避路线作为有效路线;以及
有效信息构建部,其将把所述交通事故场景与所述有效路线对应起来的有效路线信息存储于存储部,
所述有效性决定部使用有效性评价模型和所述多个回避路线各自的特征量向量,按照所述多个回避路线的每个回避路线,针对多个有效评价值分别计算表示取得有效评价值的概率的高低的最终得分,将所述多个有效评价值中的所述最终得分最高的有效评价值决定为该回避路线的有效评价值,所述有效性评价模型表示所述有效评价值与特征量的对应,所述特征量表示回避路线的特征。
4.根据权利要求2或3所述的路线生成系统,其中,
所述有效性决定部按照所述多个有效评价值的每个有效评价值,计算所述特征量的特征量得分,计算所述特征量得分之和作为所述最终得分。
5.根据权利要求1~4中的任意一项所述的路线生成系统,其中,
所述回避路线生成部使用与所述交通事故场景对应的包含车辆的速度和方向的所述行驶状况来生成所述多个回避路线。
6.根据权利要求1~5中的任意一项所述的路线生成系统,其中,
所述有效信息构建部将所述有效路线信息以知识库的形式存储于所述存储部。
7.一种路线生成方法,其中,
从蓄积有表示交通事故场景的状况的交通事故场景信息的交通事故数据库中,提取与所述交通事故场景对应的车辆的行驶状况,
根据所述行驶状况,生成回避所述交通事故场景的多个回避路线,
使用表示有效评价值与特征量的对应的有效性评价模型来决定所述多个回避路线各自的有效评价值,所述有效评价值表示回避路线的有效性,所述特征量表示回避路线的特征,
根据所述多个回避路线各自的有效评价值,从所述多个回避路线中选择最有效的回避路线作为有效路线,
将把所述交通事故场景与所述有效路线对应起来的有效路线信息存储于存储部,其中,
存储将所述多个回避路线分别与预先设定的作为表示有效性的值的主观评价值对应起来的学习用数据集,
根据所述学习用数据集,提取表示用于对所述多个回避路线各自的有效性进行评价的特征量的特征量向量,
使用所述多个回避路线各自的特征量向量来生成所述有效性评价模型。
8.一种路线生成方法,其中,
从蓄积有表示交通事故场景的状况的交通事故场景信息的交通事故数据库中,提取与所述交通事故场景对应的车辆的行驶状况,
根据所述行驶状况,生成回避所述交通事故场景的多个回避路线,
使用有效性评价模型和所述多个回避路线各自的特征量向量,按照所述多个回避路线的每个回避路线,针对多个有效评价值分别计算表示取得有效评价值的概率的高低的最终得分,将所述多个有效评价值中的所述最终得分最高的有效评价值决定为该回避路线的有效评价值,所述有效性评价模型表示有效评价值与特征量的对应,所述有效评价值表示回避路线的有效性,所述特征量表示回避路线的特征,
根据所述多个回避路线各自的有效评价值,从所述多个回避路线中选择最有效的回避路线作为有效路线,
将把所述交通事故场景与所述有效路线对应起来的有效路线信息存储于存储部。
9.一种存储有路线生成程序的计算机能读取的存储介质,该路线生成程序使计算机执行以下处理:
行驶状况提取处理,从蓄积有表示交通事故场景的状况的交通事故场景信息的交通事故数据库中,提取与所述交通事故场景对应的车辆的行驶状况;
回避路线生成处理,根据所述行驶状况,生成回避所述交通事故场景的多个回避路线;
有效性决定处理,使用表示有效评价值与特征量的对应的有效性评价模型来决定所述多个回避路线各自的有效评价值,所述有效评价值表示回避路线的有效性,所述特征量表示回避路线的特征;
有效路线选择处理,根据所述多个回避路线各自的有效评价值,从所述多个回避路线中选择最有效的回避路线作为有效路线;以及
有效信息构建处理,将把所述交通事故场景与所述有效路线对应起来的有效路线信息存储于存储部,
其中,该路线生成程序使计算机执行以下处理:
学习用数据存储处理,存储将所述多个回避路线分别与预先设定的作为表示有效性的值的主观评价值对应起来的学习用数据集;
特征量提取处理,根据所述学习用数据集,提取表示用于对所述多个回避路线各自的有效性进行评价的特征量的特征量向量;以及
评价模型生成处理,使用所述多个回避路线各自的特征量向量来生成所述有效性评价模型。
10.一种存储有路线生成程序的计算机能读取的存储介质,该路线生成程序使计算机执行以下处理:
行驶状况提取处理,从蓄积有表示交通事故场景的状况的交通事故场景信息的交通事故数据库中,提取与所述交通事故场景对应的车辆的行驶状况;
回避路线生成处理,根据所述行驶状况,生成回避所述交通事故场景的多个回避路线;
有效性决定处理,针对所述多个回避路线分别决定表示有效性的值作为有效评价值;
有效路线选择处理,根据所述多个回避路线各自的有效评价值,从所述多个回避路线中选择最有效的回避路线作为有效路线;以及
有效信息构建处理,将把所述交通事故场景与所述有效路线对应起来的有效路线信息存储于存储部,
其中,在所述有效性决定处理中,
使用有效性评价模型和所述多个回避路线各自的特征量向量,按照所述多个回避路线的每个回避路线,针对多个有效评价值分别计算表示取得有效评价值的概率的高低的最终得分,将所述多个有效评价值中的所述最终得分最高的有效评价值决定为该回避路线的有效评价值,所述有效性评价模型表示所述有效评价值与特征量的对应,所述特征量表示回避路线的特征。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/011271 WO2020188717A1 (ja) | 2019-03-18 | 2019-03-18 | ルート生成システム、ルート生成方法、およびルート生成プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113544030A CN113544030A (zh) | 2021-10-22 |
CN113544030B true CN113544030B (zh) | 2023-11-17 |
Family
ID=72519718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980093685.XA Active CN113544030B (zh) | 2019-03-18 | 2019-03-18 | 路线生成系统、路线生成方法和计算机能读取的存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210356283A1 (zh) |
JP (1) | JP6991390B2 (zh) |
CN (1) | CN113544030B (zh) |
DE (1) | DE112019006871B4 (zh) |
WO (1) | WO2020188717A1 (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101405174A (zh) * | 2006-03-22 | 2009-04-08 | 日产自动车株式会社 | 回避操作计算装置、回避控制装置、具备各装置的车辆、回避操作计算方法及回避控制方法 |
CN103842228A (zh) * | 2011-10-03 | 2014-06-04 | 丰田自动车株式会社 | 车辆的驾驶辅助系统 |
WO2017056454A1 (ja) * | 2015-09-28 | 2017-04-06 | ソニー株式会社 | 被害低減装置、被害低減方法及びプログラム |
CN106846901A (zh) * | 2015-12-03 | 2017-06-13 | 财团法人资讯工业策进会 | 回避异常车辆的系统与方法 |
JP2018190026A (ja) * | 2017-04-28 | 2018-11-29 | 株式会社デンソー | 自動運転車両の制御システムおよび制御方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0966894A (ja) | 1995-08-31 | 1997-03-11 | Mitsubishi Heavy Ind Ltd | 高速船等の高速航行体用緊急回避支援方法および装置 |
DE10036276A1 (de) * | 2000-07-26 | 2002-02-07 | Daimler Chrysler Ag | Automatisches Brems- und Lenksystem für ein Fahrzeug |
US7680749B1 (en) * | 2006-11-02 | 2010-03-16 | Google Inc. | Generating attribute models for use in adaptive navigation systems |
JP2008165604A (ja) | 2006-12-28 | 2008-07-17 | Nomura Research Institute Ltd | 自動車事故予防のための警告システム |
US8606512B1 (en) * | 2007-05-10 | 2013-12-10 | Allstate Insurance Company | Route risk mitigation |
JP2010066827A (ja) * | 2008-09-08 | 2010-03-25 | Fujitsu Ten Ltd | 運転支援システム、運転支援装置及び運転支援方法 |
DE102010033776A1 (de) | 2009-09-14 | 2011-05-26 | Daimler Ag | Verfahren zur Erfassung und Vorhersage von Aktionen zumindest zwei bewegter Objekte |
JP6451211B2 (ja) * | 2014-10-30 | 2019-01-16 | 日産自動車株式会社 | 走行制御装置 |
WO2017002258A1 (ja) * | 2015-07-02 | 2017-01-05 | 三菱電機株式会社 | 経路予測装置 |
US9704403B2 (en) * | 2015-12-03 | 2017-07-11 | Institute For Information Industry | System and method for collision avoidance for vehicle |
US11155260B1 (en) * | 2016-12-09 | 2021-10-26 | United Services Automobile Association (Usaa) | Autonomous vehicle entity vector-based situational awareness scoring matrix |
-
2019
- 2019-03-18 DE DE112019006871.7T patent/DE112019006871B4/de active Active
- 2019-03-18 JP JP2021506865A patent/JP6991390B2/ja active Active
- 2019-03-18 WO PCT/JP2019/011271 patent/WO2020188717A1/ja active Application Filing
- 2019-03-18 CN CN201980093685.XA patent/CN113544030B/zh active Active
-
2021
- 2021-07-27 US US17/386,200 patent/US20210356283A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101405174A (zh) * | 2006-03-22 | 2009-04-08 | 日产自动车株式会社 | 回避操作计算装置、回避控制装置、具备各装置的车辆、回避操作计算方法及回避控制方法 |
CN103842228A (zh) * | 2011-10-03 | 2014-06-04 | 丰田自动车株式会社 | 车辆的驾驶辅助系统 |
WO2017056454A1 (ja) * | 2015-09-28 | 2017-04-06 | ソニー株式会社 | 被害低減装置、被害低減方法及びプログラム |
CN106846901A (zh) * | 2015-12-03 | 2017-06-13 | 财团法人资讯工业策进会 | 回避异常车辆的系统与方法 |
JP2018190026A (ja) * | 2017-04-28 | 2018-11-29 | 株式会社デンソー | 自動運転車両の制御システムおよび制御方法 |
Also Published As
Publication number | Publication date |
---|---|
DE112019006871B4 (de) | 2022-06-30 |
DE112019006871T5 (de) | 2021-11-11 |
WO2020188717A1 (ja) | 2020-09-24 |
CN113544030A (zh) | 2021-10-22 |
JP6991390B2 (ja) | 2022-01-12 |
US20210356283A1 (en) | 2021-11-18 |
JPWO2020188717A1 (ja) | 2021-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111506980B (zh) | 对虚拟驾驶环境生成交通场景的方法及装置 | |
JP6629040B2 (ja) | 交通情報提供装置及びシステム及び方法 | |
CN109720348B (zh) | 车载装置、信息处理系统和信息处理方法 | |
KR102195317B1 (ko) | 비디오 게임을 활용한 차량 사고 예측 방법 | |
US20220019713A1 (en) | Estimation of probability of collision with increasing severity level for autonomous vehicles | |
US20210244326A1 (en) | System, information processing apparatus, and information processing method | |
CN113095125B (zh) | 基于场景连续性来诊断感知系统 | |
EP4083959A1 (en) | Traffic flow machine-learning modeling system and method applied to vehicles | |
Alpar et al. | Intelligent collision warning using license plate segmentation | |
CN113544030B (zh) | 路线生成系统、路线生成方法和计算机能读取的存储介质 | |
KR102337034B1 (ko) | 자율 주행 상황 인지 프로그램 성능 테스트 방법 및 동일 방법을 수행하기 위한 자율 주행 상황 인지 프로그램 성능 테스트 장치 | |
WO2021038619A1 (ja) | 危険検知装置、危険検知方法、および、危険検知プログラム | |
JP7382304B2 (ja) | リスク管理装置、リスク管理方法及びリスク管理システム | |
CN115855531A (zh) | 自动驾驶汽车的测试场景构建方法、设备和介质 | |
CN110239533B (zh) | 确定车辆的驾驶风险的方法、设备、装置和可读存储介质 | |
CN108944945B (zh) | 用于辅助驾驶的状态预测方法、装置、电子设备和车辆 | |
CN113997940A (zh) | 一种驾驶行为监测方法及装置 | |
US10854082B2 (en) | Determination device and determination method | |
Yeo | Autonomous Driving Technology through Image Classfication and Object Recognition Based on CNN | |
CN114572233B (zh) | 基于模型集合的预测方法、电子设备及自动驾驶车辆 | |
WO2023085226A1 (ja) | 逆走判定装置、逆走判定方法、および逆走判定プログラム | |
WO2023016268A1 (zh) | 一种车辆控制方法及装置 | |
KR102405472B1 (ko) | 난잡한 환경에서 시맨틱 차선을 결정하기 위한 방법 및 장치 | |
US20240124002A1 (en) | Method and apparatus for changing route when error occurs in autonomous driving artificial intelligence | |
US20230192132A1 (en) | Autonomous driving control apparatus and method thereof |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |