CN114694375B - 交通监视系统、交通监视方法及存储介质 - Google Patents

交通监视系统、交通监视方法及存储介质 Download PDF

Info

Publication number
CN114694375B
CN114694375B CN202111584498.7A CN202111584498A CN114694375B CN 114694375 B CN114694375 B CN 114694375B CN 202111584498 A CN202111584498 A CN 202111584498A CN 114694375 B CN114694375 B CN 114694375B
Authority
CN
China
Prior art keywords
gap
moving body
traffic monitoring
density value
vehicle
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
CN202111584498.7A
Other languages
English (en)
Other versions
CN114694375A (zh
Inventor
越膳孝方
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.)
Honda Motor Co Ltd
Original Assignee
Honda Motor Co Ltd
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
Priority claimed from JP2021093620A external-priority patent/JP7539348B2/ja
Application filed by Honda Motor Co Ltd filed Critical Honda Motor Co Ltd
Publication of CN114694375A publication Critical patent/CN114694375A/zh
Application granted granted Critical
Publication of CN114694375B publication Critical patent/CN114694375B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0097—Predicting future conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • 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
    • 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
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/402—Type
    • B60W2554/4026—Cycles
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4045—Intention, e.g. lane change or imminent movement
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/406—Traffic density
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30236—Traffic on road, railway or crossing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

提供能够精度良好地预测对象移动体是否会进入移动体间的交通监视系统、交通监视方法及存储介质。交通监视系统具备：取得部，其基于来自用于检测移动体的位置的检测器件的信息，来取得所述移动体的位置；生成部，其生成关于多个所述移动体将具有与所述移动体的位置相应的分布的指标值进行叠加得到的密度分布的信息；以及预测部，其基于所述密度分布的信息所示的密度值的时间变化，来预测对象移动体是否会进入两个所述移动体的间隙。

Description

交通监视系统、交通监视方法及存储介质
技术领域
本发明涉及交通监视系统、交通监视方法及存储介质。
背景技术
公开了在四轮车、二轮车混合存在的交通场景中预测交通量的技术{例如，参照“一种用于无序系统中不均匀交通建模的渗流方法(A porous flow approach tomodeling heterogeneous traffic in disordered systems)”，拉胡尔·奈尔(RahulNair)，哈尼S.马赫马萨尼(Hani S.Mahmassani)，爱丽丝米勒-胡克斯(Elise Miller-Hooks)，社会与行为科学期刊17(2011)611-627(Procedia Social and BehavioralSciences 17(2011)611-627)}。
发明内容
在以往的技术中，存在不能精度良好地预测二轮车等对象移动体是否会进入移动体间的情况。
本发明是考虑这样的情况而完成的，其目的之一在于提供能够精度良好地预测对象移动体是否会进入移动体间的交通监视系统、交通监视方法及程序。
本发明的交通监视系统、交通监视方法及存储介质采用了以下的结构。
(1)：本发明的一方案的交通监视系统具备：取得部，其基于来自用于检测移动体的位置的检测器件的信息，来取得所述移动体的位置；生成部，其生成关于多个所述移动体将具有与所述移动体的位置相应的分布的指标值进行叠加得到的密度分布的信息；以及预测部，其基于所述密度分布的信息所示的密度值的时间变化，来预测对象移动体是否会进入两个所述移动体的间隙。
(2)：在上述(1)的方案的基础上，所述对象移动体为二轮车。
(3)：在上述(1)或(2)的方案的基础上，所述生成部在从上空观察时的假想平面上生成所述密度分布的信息。
(4)：在上述(1)至(3)中任一方案的基础上，所述预测部在两个所述移动体的间隙的密度值为第一基准值以上、且所述密度值存在降低倾向的情况下，预测为存在所述对象移动体进入所述间隙的可能性。
(5)：在上述(1)至(4)中任一方案的基础上，所述预测部在两个所述移动体的间隙的密度值为第一基准值以上、且所述密度值不存在降低倾向、并且两个所述移动体相对于所述对象移动体的相对速度增加的情况下，预测为存在所述对象移动体进入所述间隙的可能性。
(6)：在上述(1)至(5)中任一方案的基础上，所述预测部在两个所述移动体的间隙的长度小于阈值的情况下，预测为所述对象移动体不会进入所述间隙。
(7)：在上述(1)至(6)中任一方案的基础上，所述预测部基于密度值的梯度，来推定所述对象移动体通过所述间隙时的轨道及加速度。
(8)：在上述(1)至(7)中任一方案的基础上，所述预测部在处于所述对象移动体的行进方向侧的搜索范围中存在多个间隙的候补的情况下，导出间隙的候补各自的中点，提取从所述对象移动体观察时的中点的方位角距所述对象移动体的行进方向最近的间隙的候补，来作为预测对象的间隙。
(9)：在上述(1)至(8)中任一方案的基础上，所述预测部在处于所述对象移动体的行进方向侧的搜索范围中存在多个间隙的候补的情况下，从基于所述密度值得到的得分良好的间隙的候补起依次预测所述对象移动体是否会进入间隙。
(10)：在上述(1)至(9)中任一方案的基础上，所述预测部在处于所述对象移动体的行进方向侧的搜索范围中存在多个间隙的候补的情况下，从基于所述间隙的长度得到的得分良好的间隙的候补起依次预测所述对象移动体是否会进入间隙。
(11)：本发明的另一方案的交通监视方法使一个以上的计算机进行如下处理：基于来自用于检测移动体的位置的检测器件的信息，来取得所述移动体的位置；生成关于多个所述移动体将具有与所述移动体的位置相应的分布的指标值进行叠加得到的密度分布的信息；以及基于所述密度分布的信息所示的密度值的时间变化，来预测对象移动体是否会进入两个所述移动体的间隙。
(12)：本发明的另一方案的存储介质存储有程序，其中，所述程序使一个以上的计算机进行如下处理：基于来自用于检测移动体的位置的检测器件的信息，来取得所述移动体的位置；生成关于多个所述移动体将具有与所述移动体的位置相应的分布的指标值进行叠加得到的密度分布的信息；以及基于所述密度分布的信息所示的密度值的时间变化，来预测对象移动体是否会进入两个所述移动体的间隙。
(13)：本发明的另一方案的交通监视系统具备：取得部，其基于来自用于检测移动体的位置的检测器件的信息，来取得所述移动体的位置；生成部，其生成关于多个所述移动体将具有与所述移动体的位置相应的分布的指标值进行叠加得到的密度分布的信息；以及预测部，其基于所述密度分布的信息所示的密度值的时间变化，来预测对象移动体是否会朝向两个所述移动体的间隙加速。
(14)：在上述(13)的方案的基础上，所述对象移动体为二轮车。
(15)：在上述(13)或(14)的方案的基础上，所述生成部在从上空观察时的假想平面上生成所述密度分布的信息。
(16)：在上述(13)至(15)中任一方案的基础上，所述预测部在两个所述移动体的间隙的密度值为第一基准值以上且所述密度值存在降低倾向的情况下，预测为存在所述对象移动体朝向两个所述移动体的间隙加速的可能性。
(17)：在上述(13)至(16)中任一方案的基础上，所述预测部在两个所述移动体的间隙的密度值为第一基准值以上、且所述密度值不存在降低倾向、并且两个所述移动体相对于所述对象移动体的相对速度增加的情况下，预测为存在所述对象移动体朝向两个所述移动体的间隙加速的可能性。
(18)：在上述(13)至(17)中任一方案的基础上，所述预测部在两个所述移动体的间隙的长度小于阈值的情况下，预测为所述对象移动体不会朝向两个所述移动体的间隙加速。
(19)：在上述(13)至(18)中任一方案的基础上，所述预测部基于密度值的梯度，来推定所述对象移动体朝向所述间隙加速时的轨道及加速度。
(20)：在上述(13)至(19)中任一方案的基础上，所述预测部在处于所述对象移动体的行进方向侧的搜索范围中存在多个间隙的候补的情况下，导出间隙的候补各自的中点，并提取从所述对象移动体观察时的中点的方位角距所述对象移动体的行进方向最近的间隙的候补，来作为预测对象的间隙。
(21)：在上述(13)至(20)中任一方案的基础上，所述预测部在处于所述对象移动体的行进方向侧的搜索范围中存在多个间隙的候补的情况下，从基于所述密度值得到的得分良好的间隙的候补起依次预测所述对象移动体是否会朝向间隙加速。
(22)：在上述(13)至(21)中任一方案的基础上，所述预测部在处于所述对象移动体的行进方向侧的搜索范围中存在多个间隙的候补的情况下，从基于所述间隙的长度得到的得分良好的间隙的候补起依次预测所述对象移动体是否会朝向间隙加速。
根据上述(1)～(11)的方案，能够精度良好地预测对象移动体是否会进入移动体间。
根据上述(6)的方案，能够更准确地预测对象移动体的行为。
附图说明
图1是表示第一实施方式的交通监视系统的适用例的图。
图2是用于说明车辆位置取得部的处理的图。
图3是示意性地表示密度分布的图。
图4是表示图3中的4-4线处的密度值的高度的图。
图5是表示由预测部执行的处理的流程的一例的流程图。
图6是用于说明提取对象车辆的前方的车辆的间隙的处理的图。
图7是用于说明推定对象车辆的轨道及加速度的处理的图。
图8是表示第二实施方式的交通监视系统的适用例的图。
图9是表示第三实施方式的交通监视系统的适用例的图。
图10是表示第四实施方式的由预测部执行的处理的流程的一例的流程图。
图11是表示第五实施方式的由预测部执行的处理的流程的一例的流程图。
具体实施方式
以下，参照附图来说明本发明的交通监视系统、交通监视方法及存储介质的实施方式。交通监视系统由一个以上的处理器实现。交通监视系统可以由一个装置实现，也可以是多个装置或程序的集合。在后者的情况下，交通监视系统例如包括车载机或云服务器、以及安装于利用者的终端装置的应用程序。以下，以此为代表例来进行说明。以下的说明中，作为移动体的代表例而举出车辆，但移动体不限于车辆，也可以广泛地包括机器人、其他交通参加者。关于对象移动体也是同样的。
<第一实施方式>
图1是表示第一实施方式的交通监视系统Sys1的适用例的图。交通监视系统Sys1例如包括安装于终端装置100的应用程序152、以及车载装置200。
终端装置100例如是智能手机等可移动型终端装置。终端装置100例如被安放于保持架而使用，该保持架设置于车辆的前风窗玻璃的车室侧、或者后风窗玻璃的车室侧等。以下，将安放终端装置100且搭载有车载装置200的车辆称作本车辆。技术方案中的车辆例如不包括本车辆。终端装置100例如具备相机110、车辆位置取得部120、密度分布信息生成部130、通信部140及存储部150。
相机110是终端装置100的内置相机，根据来自应用程序152的指示而拍摄外界的风景。通过终端装置100如上述那样安放于保持架，从而相机110隔着前风窗玻璃或后风窗玻璃而拍摄本车辆的外界的风景。在本车辆的外界存在车辆，因此相机110是用于检测车辆的位置的检测器件的一例。作为检测器件，除了使用相机110以外，也可以使用雷达装置、LIDAR(Light Detection and Ranging)装置、或通信装置等。在检测器件为通信装置的情况下，通信装置通过通信来接收在车辆中测定出的该车辆的位置。
车辆位置取得部120和密度分布信息生成部130分别通过由CPU(CentralProcessing Unit)等处理器执行应用程序152来发挥功能。车辆位置取得部120基于来自相机110的信息，来取得车辆的位置。车辆包括四轮车辆和二轮车辆。
图2是用于说明车辆位置取得部120的处理的图。车辆位置取得部120在相机110所拍摄到的图像(拍摄图像IM)中映有多个车辆的情况下，针对多个车辆中的每个车辆而进行以下说明的处理。图2示出了相机110对本车辆的后方进行拍摄的情况。
车辆位置取得部120首先确定拍摄图像IM中的车辆所占的区域。车辆位置取得部120例如使用以当输入图像时输出确定上述的区域的信息的方式学习了的学习完毕模型，来确定车辆所占的区域。图2中的A1～A4示出了确定出的由车辆M1～M4分别所占的区域。图中，M1～M3为四轮车，M4为二轮车。
车辆位置取得部120将确定出的区域的例如下端部中央附近的位置确定为拍摄图像的图像平面上的车辆的位置。图2中的P1～P4示出了车辆M1～M4各自的位置。
而且，车辆位置取得部120将图像平面上的车辆的位置变换为假想平面S上的车辆的位置。假想平面S是从上空观察时的假想的平面，与道路平面大致一致。车辆位置取得部120例如基于从图像平面上的坐标向假想平面上的坐标进行变换的变换规则，来确定假想平面S中的车辆的代表点的位置，并移交给密度分布信息生成部130。图2中的P#1～P#4表示车辆M1～M4在假想平面S上的位置。
密度分布信息生成部130将从车辆位置取得部120取得的多个车辆的位置分别作为基准，将具有与车辆的位置相应的分布的指标值I设定在假想平面S上。指标值I例如设定为等高线成为以车辆的位置为中心的圆的形状。在将指标值I设为高度的情况下，假想平面S上的指标的分布具有车辆的位置成为顶棚的拱顶状的形状。密度分布信息生成部130可以根据车辆的车型来改变密度的扩展程度，也可以不根据车辆的车型来改变密度的扩展程度。
并且，密度分布信息生成部130通过关于多个车辆将求出的指标值I进行叠加(针对假想平面S上的每个坐标而进行加法运算)，从而生成密度分布的信息。以下，关于多个车辆的将指标值相加得到的值称作密度值D。指标值I及密度值D也可以将规定值(例如1)作为上限来设定。在该情况下，密度分布信息生成部130在关于多个车辆将求出的指标值I相加的结果超过规定值的情况下，将该地点处的规定值设为密度值D。图3是示意性地表示密度分布的图。图4是表示图3中的4-4线处的密度值D的高度的图。
通信部140例如是利用了Bluetooth(注册商标)、Wi-Fi等方式的无线通信装置。通信部140与车载装置200的通信部210通信，将密度分布的信息向通信部210发送。通信部140可以是还能够利用蜂窝网来进行通信。通信部140利用Wi-Fi、蜂窝网来访问互联网，下载应用程序152。存储部150例如是闪存器。存储部150除了保存应用程序152以外，还作为各功能部的工作存储器发挥功能。
车载装置200例如具备通信部210、预测部220、输出控制部230、输出部240及存储部250。
也可以是，通信部210除了与终端装置100的通信部140通信以外，还能够利用Wi-Fi、蜂窝网来访问互联网。通信部210将从终端装置100的通信部140接收到的密度分布的信息移交给预测部220。
预测部220和输出控制部230分别例如通过由CPU等处理器执行保存于存储部250的程序252来发挥功能。这些构成要素中的一部分或全部可以由LSI(Large ScaleIntegration)、ASIC(Application Specific Integrated Circuit)、FPGA(Field-Programmable Gate Array)、GPU(Graphics Processing Unit)等硬件(包括电路部：circuitry)实现，也可以通过软件与硬件的协同配合来实现。存储部250例如是HDD(HardDisk Drive)、闪存器、RAM(Random Access Memory)等。
预测部220基于密度分布的信息所示的密度值D的时间变化，来预测对象车辆是否会进入两个车辆之间。对象车辆是二轮车等有可能在车辆间穿插驶过的小型的车辆、机器人等。预测部220也可以还基于与多个基准值之间的比较，来预测对象车辆是否会进入两个车辆之间。另外，预测部220也可以还基于两个车辆之间的距离，来预测对象车辆是否会进入两个车辆之间。
图5是表示由预测部220执行的处理的流程的一例的流程图。首先，预测部220选择对象车辆(步骤S100)，提取对象车辆的前方的车辆的间隙(步骤S102)。
图6是用于说明提取对象车辆的前方的车辆的间隙的处理的图。对象车辆为车辆M4，其位置由P#4表示。预测部220例如将以对象车辆M4的行进方向D4为中心向左右各30度的程度的范围设为搜索范围DA，首先提取处于搜索范围DA内的车辆间(从对象车辆M4观察时左右方向上相邻的车辆间)的间隙，来作为间隙的候补。在图6的例子中，车辆M1与车辆M2的间隙、以及车辆M1与车辆M3的间隙被提取为间隙的候补。而且，预测部220例如导出间隙的候补各自的中点，并提取从对象车辆M4观察时的中点的方位角距行进方向D4最近的间隙的候补，来作为预测对象的间隙。在图6的例子中，提取车辆M1与车辆M2的间隙。
接着，预测部220求出提取的间隙中的密度值的代表值。密度值的代表值可以是间隙的中点的密度值，也可以是间隙的密度值的平均值等统计值。以下，将该代表值称作密度值。预测部220判定密度值是否小于第一基准值Ref1(步骤S104)。第一基准值Ref1是包括零在内的低密度值的范围的上限值。在密度值小于第一基准值Ref1的情况下，预测部220预测为存在对象车辆会进入间隙的可能性(步骤S112)。
在判定为密度值为第一基准值Ref1以上的情况下，预测部220判定密度值是否为第二基准值Ref2以上(步骤S106)。第二基准值Ref2是指包括前述的规定值(上限值)在内的高密度值的范围的下限值。第一基准值Ref1比第二基准值Ref2小。在判定为密度值为第二基准值Ref2以上的情况下，预测部220预测为对象车辆不会进入间隙(步骤S114)。
在判定为密度值小于第二基准值Ref2的情况下，预测部220判定密度值是否存在降低倾向(步骤S108)。预测部220在将本次的控制循环中的密度值与上次的控制循环中的密度值进行比较而降低了阈值以上的情况下，判定为密度值存在降低倾向。预测部220也可以在将本次的控制循环中的密度值与上次以前的控制循环中的密度值的平均值进行比较而降低了阈值以上的情况下，判定为密度值存在降低倾向，还可以在将本次的控制循环中的密度值与规定循环数前的控制循环中的密度值进行比较而降低了阈值以上的情况下，判定为密度值存在降低倾向。在判定为密度值不存在降低倾向的情况下，预测部220预测为对象车辆不会进入间隙(步骤S114)。
在判定为密度值存在降低倾向的情况下，预测部220判定间隙的长度(距离)是否为阈值以上(步骤S110)。在判定为间隙的长度(距离)为阈值以上的情况下，预测部220预测为存在对象车辆进入间隙的可能性(步骤S112)。另一方面，在判定为间隙的长度(距离)小于阈值的情况下，预测部220预测为对象车辆不会进入间隙(步骤S114)。该阈值被设定为二轮车能够带有富余地通过的程度的长度。预测部220可以使用作为固定值的阈值来进行预测，也可以基于间隙的两侧的车辆的车型来变更阈值。例如，在间隙的两侧的车辆中的某车辆为大型车的情况下，也可以将阈值变更为更大。
而且，预测部220也可以基于密度值的梯度来推定对象车辆通过间隙时的轨道及加速度。图7是用于说明推定对象车辆的轨道及加速度的处理的图。如图所示，预测部220推定出对象车辆M4沿着将密度值D小的地点(密度分布的低谷)相连的轨道Tj行驶。若处于沿着轨道Tj的地点间密度值D上升的区间(图中为到地点P#4-1为止的区间)，则预测部220将对象车辆M4的加速度预测为较小(包括负的加速度即减速)，若处于地点间密度值D降低的区间(图中为地点P#4-1以后的区间)，则预测部220将对象车辆M4的加速度预测为较大，并基于它们来生成对象车辆M4的将来的速度概况。此时，预测部220也可以在密度值D于地点间的上升速度大(正方向的梯度大)的情况下，与上升速度小的情况相比将加速度预测为较小，在密度值D于地点间的降低速度大(负方向的梯度大)的情况下，与降低速度小的情况相比将加速度预测为较大。由于设想到在对象车辆的视野突然打开的场景下对象车辆会大幅加速，预测部220能够在相关场景中更准确地预测对象车辆的行为。
输出控制部230基于预测部220的预测结果来控制输出部240。输出部240例如是扬声器、显示器装置等输出器件。输出控制部230在由预测部220预测到存在对象车辆会进入间隙的可能性的情况下，使输出部240通过声音、图像来输出唤起注意该意旨的信息。也可以在预测部220预测出对象车辆的轨道、加速度的情况下，在对象车辆向本车辆的接近程度满足基准(例如TTC：Time To Collision小于阈值)时，使输出部240输出信息。输出部240可以是与自动驾驶控制装置、紧急停止控制装置等车辆控制装置通信的通信接口，在该情况下，输出控制部230使用输出部240向车辆控制装置发送表示存在对象车辆进入间隙的可能性这一情况的信息。
根据以上说明的第一实施方式，具备：取得部120，其基于来自用于检测车辆的位置的检测器件110的信息，来取得车辆的位置；生成部130，其生成关于多个车辆将具有与车辆的位置相应的分布的指标值I进行叠加得到的密度分布的信息；以及预测部220，其基于密度分布的信息所示的密度值D的时间变化，来预测对象车辆是否会进入两个车辆之间隙，由此能够精度良好地预测对象车辆是否会进入车辆间。
<第二实施方式>
以下，说明第二实施方式。第二实施方式是交通监视系统的构成要素专门搭载于车载装置的形态。图8是表示第二实施方式的交通监视系统Sys2的适用例的图。交通监视系统Sys2例如包括车载装置300。
车载装置300例如具备车辆位置取得部310、密度分布信息生成部320、预测部330、输出控制部340、输出部350及存储部360。车辆位置取得部310、密度分布信息生成部320、预测部330及输出控制部340分别例如通过由CPU等处理器执行保存于存储部360的程序362来发挥功能。这些构成要素中的一部分或全部可以由LSI、ASIC、FPGA、GPU等硬件实现，也可以通过软件与硬件的协同配合来实现。存储部360例如是HDD、闪存器、RAM等。
车载相机380是在搭载有车载装置300的车辆(本车辆)上安装的相机。车载相机380根据来自车载装置300的要求来拍摄车外的风景。车载相机380安装于能够对本车辆的前方或后方进行拍摄的任意的位置，隔着前风窗玻璃、后风窗玻璃而对车外的风景进行拍摄，或者以镜头露出到车外的方式设置，直接对车外的风景进行拍摄。
车辆位置取得部310基于来自相机110的信息，来取得车辆的位置。此后的处理与第一实施方式中的车辆位置取得部120同样。密度分布信息生成部320、预测部330、输出控制部340及输出部350各自的功能与第一实施方式中的密度分布信息生成部130、预测部220、输出控制部230及输出部240的功能同样。通过这样的结构，也能够起到与第一实施方式同样的效果。
根据以上说明的第二实施方式，具备：取得部310，其基于来自用于检测车辆的位置的检测器件380的信息，来取得车辆的位置；生成部320，其生成关于多个车辆将具有与车辆的位置相应的分布的指标值I进行叠加得到的密度分布的信息；以及预测部330，其基于密度分布的信息所示的密度值D的时间变化，来预测对象车辆是否会进入两个车辆的间隙，由此能够精度良好地预测对象车辆是否会进入车辆间。
<第三实施方式>
以下，说明第三实施方式。第三实施方式是交通监视系统的构成要素分散地设置于终端装置的应用程序和云服务器中的形态。图9是表示第三实施方式的交通监视系统Sys3的适用例的图。交通监视系统Sys3例如具备安装于终端装置100的应用程序152、以及云服务器400。在第三实施方式中，作为终端装置100的结构而仅通信部140的通信对象与第一实施方式不同，因此关于终端装置100标注与第一实施方式相同的附图标记，并省略再次的说明。
通信部140例如利用蜂窝网、Wi-Fi网来访问网络NW，与云服务器400的通信部410通信。网络NW包括互联网、公用线路、供应商装置等。
云服务器400例如具备通信部410、预测部420、输出控制部430及存储部450。预测部420及输出控制部430分别例如通过由CPU等处理器执行保存于存储部450的程序452来发挥功能。这些构成要素中的一部分或全部可以由LSI、ASIC、FPGA、GPU等硬件实现，也可以通过软件与硬件的协同配合来实现。存储部360例如是HDD、闪存器、RAM等。
通信部410例如是用于与网络NW连接的网卡等通信接口。通信部410将从终端装置100的通信部140接收到的密度分布的信息移交给预测部420。
预测部420的功能与第一实施方式中的预测部220同样。输出控制部430使用通信部410将基于预测部420的预测结果得到的信息向终端装置100发送。终端装置100具有与第一实施方式的输出部240相当的功能，在预测到存在对象车辆进入间隙的可能性的情况下，进行通过声音、图像来输出唤起注意该意旨的信息等处理。
根据以上说明的第三实施方式，具备：取得部120，其基于来自用于检测车辆的位置的检测器件110的信息，来取得车辆的位置；生成部130，其生成关于多个车辆将具有与车辆的位置相应的分布的指标值I进行叠加得到的密度分布的信息；以及预测部420，其基于密度分布的信息所示的密度值D的时间变化，来预测对象车辆是否会进入两个车辆的间隙，由此能够精度良好地预测对象车辆是否会进入车辆间。
<第四实施方式>
以下，说明第四实施方式。第四实施方式中，预测部220还基于两个车辆相对于对象车辆的相对速度，来预测该对象车辆是否会进入两个车辆之间。更具体而言，预测部220在两个车辆相对于对象车辆的相对速度增加着的情况下，即便在密度值不存在降低倾向的情况下，也预测为存在该对象车辆进入两个车辆之间的可能性。这是因为，例如，在对象车辆追随着两个车辆的情况下，存在以使所增加的相对速度(即前后车间距离的扩大)减少的方式行驶的倾向。预测部220例如能够基于从相机110取得的各车辆的位置信息，来求出两个车辆相对于对象车辆的相对速度。关于预测部220的其他功能及交通监视系统的其他构成要素，与上述的各实施方式的构成要素同样。
图10是表示第四实施方式的由预测部220执行的处理的流程的一例的流程图。到步骤S106为止的处理与图4所示的流程图的处理同样，因此省略说明。在步骤S108中判定为密度值不存在降低倾向的情况下，预测部220判定两个车辆相对于对象车辆的相对速度是否增加着(步骤S109)。在判定为两个车辆相对于对象车辆的相对速度增加着的情况下，预测部220判定间隙的长度(距离)是否为阈值以上(步骤S110)。在判定为间隙的长度(距离)为阈值以上的情况下，预测部220预测为存在对象车辆进入间隙的可能性(步骤S112)。另一方面，在判定为两个车辆相对于对象车辆的相对速度未增加的情况下，预测部220预测为对象车辆不会进入间隙(步骤S114)。由此，本流程图的处理结束。
在上述的流程图中，在判定为两个车辆相对于对象车辆的相对速度增加着的情况下，预测部220接着判定间隙的长度(距离)是否为阈值以上。然而，本发明不限定于这样的结构，预测部220也可以在判定为两个车辆相对于对象车辆的相对速度增加着的情况下，预测为存在对象车辆进入间隙的可能性。
根据以上说明的第四实施方式，预测部220还基于两个车辆相对于对象车辆的相对速度，来预测该对象车辆是否会进入两个车辆之间，由此能够提高预测的精度。
<第五实施方式>
以下，说明第五实施方式。第五实施方式中，预测部220基于密度分布的信息所示的密度值D的时间变化，来预测对象车辆是否会朝向两个车辆之间进行加速。此时，预测部220与第四实施方式同样地，还基于两个车辆相对于对象车辆的相对速度，来预测该对象车辆是否会朝向两个车辆之间进行加速。关于预测部220的其他功能及交通监视系统的其他构成要素，与上述的各实施方式的构成要素同样。
图11是表示第五实施方式的由预测部220执行的处理的流程的一例的流程图。到步骤S110为止的处理与图10所示的流程图的处理同样，因此省略说明。在步骤S110中判定为间隙的长度(距离)为阈值以上的情况下，预测部220预测为存在对象车辆会朝向间隙加速的可能性(步骤S112)。另一方面，在步骤S109中判定为两个车辆相对于对象车辆的相对速度未增加的情况，或者在步骤S110中判定为间隙的长度(距离)不是阈值以上的情况下，预测部220预测为对象车辆不会朝向间隙加速(步骤S114)。
在上述的流程图中，在判定为两个车辆相对于对象车辆的相对速度增加着的情况下，预测部220接着判定间隙的长度(距离)是否为阈值以上。然而，本发明不限定于这样的结构，预测部220也可以在判定为两个车辆相对于对象车辆的相对速度增加着的情况下，预测为存在对象车辆朝向间隙加速的可能性。
根据以上说明的第五实施方式，能够预测对象车辆是否会朝向间隙加速。
在上述说明的各实施方式中，检测器件设置于终端装置或车辆，但检测器件也可以是设置于路侧的相机、雷达装置、LIDAR装置等。在该情况下，由检测器件获得的信息可以通过通信而向终端装置、车载装置、云服务器中的任一方发送。
上述说明的各实施方式中，可以如以下这样变更处理的流程。
(A-1)首先，在图5所示的步骤S102的处理中，预测部220将处于搜索范围DA内的车辆间(从对象车辆M4观察时左右方向上相邻的车辆间)的间隙全部提取，设为间隙的候补。
(B-1)接着，预测部220按照从对象车辆M4观察时的中点的方位角距行进方向D4从近到远的顺序来决定间隙的候补的排序(未图示)。
(C-1)接着，预测部220从排序高(中点的方位角距行进方向D4近)的间隙的候补起依次进行步骤S104～S114的处理，在关于排序最高的间隙的候补而处理进入到步骤S112的情况下，判定为对象车辆M4会进入该间隙的候补，在处理未进入到步骤S112的情况下，且关于排序第二高的间隙的候补而处理进入到步骤S112的情况下，判定为对象车辆M4会进入该间隙的候补，如此这般地依次进行处理。然后，在关于全部的间隙的候补而处理进入到步骤S114的情况下，预测为对象车辆M4不会进入任何间隙的候补。
只要是相关处理和结果不变，就也可以任意调换处理的顺序。
在上述说明的各实施方式中，可以如以下这样变更处理的流程。
(A-2)首先，在图5所示的步骤S102的处理中，预测部220将处于搜索范围DA内的车辆间(从对象车辆M4观察时左右方向上相邻的车辆间)的间隙全部提取，并设为间隙的候补。
(B-2)接着，预测部220关于全部的间隙的候补而求出密度值和间隙的长度，并按照基于密度值和间隙中的一方或双方得到的得分从良好到次之的顺序，决定间隙的候补的排序(未图示)。关于该得分，密度值越低、间隙的长度越长，则该得分显示越高(良好)的值。得分可以通过对密度值求倒数得到，也可以是与间隙的长度成比例的值。在得分低则表示良好的值的情况下，得分可以是密度值或对密度值乘以系数而得到的值，也可以是通过求间隙的大小的倒数等而得到的值。
(C-2)当决定排序后，预测部220从排序高(得分高)的间隙的候补起依次进行步骤S104～S114的处理，在关于排序最高的间隙的候补而处理进入到步骤S112的情况下，判定为对象车辆M4会进入该间隙的候补，在处理未进入到步骤S112的情况下，且关于排序第二高的间隙的候补而处理进入到步骤S112的情况下，判定为对象车辆M4会进入该间隙的候补，如此这般地依次进行处理。然后，在关于全部的间隙的候补而处理进入到步骤S114的情况下，预测为对象车辆M4不会进入任何间隙的候补。只要相关处理和结果不变，就也可以任意调换处理的顺序。
上述说明的实施方式能够如以下这样表现。
交通监视系统，其构成为具备：
存储有程序的一个以上的存储装置；以及
一个以上的硬件处理器，
通过所述一个以上的硬件处理器执行存储于所述存储装置的程序而进行如下处理：
基于来自用于检测移动体的位置的检测器件的信息，来取得所述移动体的位置；
生成关于多个所述移动体将具有与所述移动体的位置相应的分布的指标值进行叠加得到的密度分布的信息；以及
基于所述密度分布的信息所示的密度值的时间变化，来预测对象移动体是否会进入两个所述移动体的间隙。
以上使用实施方式说明了本发明的具体实施方式，但本发明丝毫不被这样的实施方式限定，在不脱离本发明的主旨的范围内能够施加各种变形及替换。

Claims (12)

1.一种交通监视系统，其中，
所述交通监视系统具备：
取得部，其基于来自用于检测移动体的位置的检测器件的信息，来取得所述移动体的位置；
生成部，其生成关于多个所述移动体将具有等高线被设定为以所述移动体的位置为中心的圆的形状的分布的指标值进行叠加得到的密度分布的信息；以及
预测部，其基于使用了所述密度分布内的多个所述移动体的指标值的密度值的时间变化，来预测对象移动体是否会进入两个所述移动体的间隙，
所述预测部在两个所述移动体的间隙的密度值为第一基准值以上、且所述密度值不存在降低倾向、并且两个所述移动体相对于所述对象移动体的相对速度增加的情况下，预测为存在所述对象移动体进入所述间隙的可能性。
2.根据权利要求1所述的交通监视系统，其中，
所述对象移动体为二轮车。
3.根据权利要求1或2所述的交通监视系统，其中，
所述生成部在从上空观察时的假想平面上生成所述密度分布的信息。
4.根据权利要求1或2所述的交通监视系统，其中，
所述预测部在两个所述移动体的间隙的密度值为第一基准值以上、且所述密度值存在降低倾向的情况下，预测为存在所述对象移动体进入所述间隙的可能性。
5.根据权利要求1或2所述的交通监视系统，其中，
所述预测部在两个所述移动体的间隙的长度小于阈值的情况下，预测为所述对象移动体不会进入所述间隙。
6.根据权利要求1或2所述的交通监视系统，其中，
所述预测部基于密度值的梯度，来推定所述对象移动体通过所述间隙时的轨道及加速度。
7.根据权利要求1或2所述的交通监视系统，其中，
所述预测部在处于所述对象移动体的行进方向侧的搜索范围中存在多个间隙的候补的情况下，导出间隙的候补各自的中点，提取从所述对象移动体观察时的中点的方位角距所述对象移动体的行进方向最近的间隙的候补，来作为预测对象的间隙。
8.根据权利要求1或2所述的交通监视系统，其中，
所述预测部在处于所述对象移动体的行进方向侧的搜索范围中存在多个间隙的候补的情况下，从基于所述密度值得到的得分良好的间隙的候补起依次预测所述对象移动体是否会进入间隙。
9.根据权利要求1或2所述的交通监视系统，其中，
所述预测部在处于所述对象移动体的行进方向侧的搜索范围中存在多个间隙的候补的情况下，从基于所述间隙的长度得到的得分良好的间隙的候补起依次预测所述对象移动体是否会进入间隙。
10.一种交通监视方法，其中，
所述交通监视方法使一个以上的计算机进行如下处理：
基于来自用于检测移动体的位置的检测器件的信息，来取得所述移动体的位置；
生成关于多个所述移动体将具有等高线被设定为以所述移动体的位置为中心的圆的形状的分布的指标值进行叠加得到的密度分布的信息；以及
基于使用了所述密度分布内的多个所述移动体的指标值的密度值的时间变化，来预测对象移动体是否会进入两个所述移动体的间隙，
在两个所述移动体的间隙的密度值为第一基准值以上、且所述密度值不存在降低倾向、并且两个所述移动体相对于所述对象移动体的相对速度增加的情况下，预测为存在所述对象移动体进入所述间隙的可能性。
11.一种存储介质，其存储有程序，其中，
所述程序使一个以上的计算机进行如下处理：
基于来自用于检测移动体的位置的检测器件的信息，来取得所述移动体的位置；
生成关于多个所述移动体将具有等高线被设定为以所述移动体的位置为中心的圆的形状的分布的指标值进行叠加得到的密度分布的信息；以及
基于使用了所述密度分布内的多个所述移动体的指标值的密度值的时间变化，来预测对象移动体是否会进入两个所述移动体的间隙，
在两个所述移动体的间隙的密度值为第一基准值以上、且所述密度值不存在降低倾向、并且两个所述移动体相对于所述对象移动体的相对速度增加的情况下，预测为存在所述对象移动体进入所述间隙的可能性。
12.一种交通监视系统，其中，
所述交通监视系统具备：
取得部，其基于来自用于检测移动体的位置的检测器件的信息，来取得所述移动体的位置；
生成部，其生成关于多个所述移动体将具有等高线被设定为以所述移动体的位置为中心的圆的形状的分布的指标值进行叠加得到的密度分布的信息；以及
预测部，其基于使用了所述密度分布内的多个所述移动体的指标值的密度值的时间变化，来预测对象移动体是否会朝向两个所述移动体的间隙加速，
所述预测部在两个所述移动体的间隙的密度值为第一基准值以上、且所述密度值不存在降低倾向、并且两个所述移动体相对于所述对象移动体的相对速度增加的情况下，预测为存在所述对象移动体朝向两个所述移动体的间隙加速的可能性。
CN202111584498.7A 2020-12-28 2021-12-22 交通监视系统、交通监视方法及存储介质 Active CN114694375B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2020219495 2020-12-28
JP2020-219495 2020-12-28
JP2021093620A JP7539348B2 (ja) 2020-12-28 2021-06-03 交通監視システム、交通監視方法、およびプログラム
JP2021-093620 2021-06-03

Publications (2)

Publication Number Publication Date
CN114694375A CN114694375A (zh) 2022-07-01
CN114694375B true CN114694375B (zh) 2024-02-27

Family

ID=82119427

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111584498.7A Active CN114694375B (zh) 2020-12-28 2021-12-22 交通监视系统、交通监视方法及存储介质

Country Status (2)

Country Link
US (1) US12094216B2 (zh)
CN (1) CN114694375B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015230676A (ja) * 2014-06-06 2015-12-21 日産自動車株式会社 車両の走行余裕度算出装置
JP2015230678A (ja) * 2014-06-06 2015-12-21 日産自動車株式会社 車両の走行余裕度算出装置
CN107945536A (zh) * 2017-11-03 2018-04-20 浙江工业大学 一种基于屏信号系统的brt专用道的车辆借还道实现方法
CN108534792A (zh) * 2017-03-01 2018-09-14 本田技研工业株式会社 车道变更推定装置、车道变更推定方法及存储介质
CN108885835A (zh) * 2016-03-29 2018-11-23 松下知识产权经营株式会社 车辆状况判定装置和车辆状况判定方法
WO2019155880A1 (ja) * 2018-02-07 2019-08-15 日立オートモティブシステムズ株式会社 車両制御装置
WO2019239402A1 (en) * 2018-06-13 2019-12-19 Ride Vision Ltd. A rider assistance system and method
CN111791885A (zh) * 2019-04-09 2020-10-20 现代自动车株式会社 用于预测碰撞的车辆和方法
JP2020180870A (ja) * 2019-04-25 2020-11-05 山内　和博 自動車及び自動車運転支援システム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015118555A (ja) 2013-12-18 2015-06-25 株式会社デンソー 対向車情報生成装置
US9511767B1 (en) * 2015-07-01 2016-12-06 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous vehicle action planning using behavior prediction
EP3487161B1 (en) * 2017-11-15 2019-10-30 Axis AB Splitting of a wide angle view
US10926777B2 (en) 2018-10-18 2021-02-23 Toyota Research Institute, Inc. Vehicles and methods of controlling a vehicle to accommodate vehicle cut-in
WO2020194015A1 (ja) * 2019-03-27 2020-10-01 日産自動車株式会社 運転支援方法及び運転支援装置
DE102020202986A1 (de) * 2020-03-10 2021-09-16 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Betreiben eines Motorrads

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015230676A (ja) * 2014-06-06 2015-12-21 日産自動車株式会社 車両の走行余裕度算出装置
JP2015230678A (ja) * 2014-06-06 2015-12-21 日産自動車株式会社 車両の走行余裕度算出装置
CN108885835A (zh) * 2016-03-29 2018-11-23 松下知识产权经营株式会社 车辆状况判定装置和车辆状况判定方法
CN108534792A (zh) * 2017-03-01 2018-09-14 本田技研工业株式会社 车道变更推定装置、车道变更推定方法及存储介质
CN107945536A (zh) * 2017-11-03 2018-04-20 浙江工业大学 一种基于屏信号系统的brt专用道的车辆借还道实现方法
WO2019155880A1 (ja) * 2018-02-07 2019-08-15 日立オートモティブシステムズ株式会社 車両制御装置
WO2019239402A1 (en) * 2018-06-13 2019-12-19 Ride Vision Ltd. A rider assistance system and method
CN111791885A (zh) * 2019-04-09 2020-10-20 现代自动车株式会社 用于预测碰撞的车辆和方法
JP2020180870A (ja) * 2019-04-25 2020-11-05 山内　和博 自動車及び自動車運転支援システム

Also Published As

Publication number Publication date
CN114694375A (zh) 2022-07-01
US12094216B2 (en) 2024-09-17
US20220207880A1 (en) 2022-06-30

Similar Documents

Publication Publication Date Title
KR102463720B1 (ko) 차량의 경로 생성 시스템 및 방법
CN109829351B (zh) 车道信息的检测方法、装置及计算机可读存储介质
CN108062095B (zh) 在概率框架内使用传感器融合的物体追踪
CN112997227B (zh) 交通辅助系统、服务器及方法、车载装置及其动作方法、记录介质、计算机及半导体集成电路
CN110226186B (zh) 表示地图元素的方法和装置以及定位的方法和装置
CN113044059A (zh) 用于车辆的安全系统
US11506502B2 (en) Robust localization
Wei et al. Survey of connected automated vehicle perception mode: from autonomy to interaction
US11893766B2 (en) Neural network system and operating method thereof
US20230236038A1 (en) Position estimation method, position estimation device, and position estimation program
CN112926461B (zh) 神经网络训练、行驶控制方法及装置
TW201539378A (zh) 物件偵測系統
WO2023273467A1 (zh) 真值数据确定、神经网络训练、行驶控制方法及装置
CN110598980B (zh) 交通场景的风险评估方法及装置
CN112508839A (zh) 对象检测系统及其对象检测方法
CN114694375B (zh) 交通监视系统、交通监视方法及存储介质
CN113705272A (zh) 可行驶区域检测方法、装置、设备及存储介质
JP7539348B2 (ja) 交通監視システム、交通監視方法、およびプログラム
WO2021164514A1 (zh) 目标识别方法及装置
CN115457282A (zh) 一种点云数据处理方法及装置
CN114495056A (zh) 停车场柱子检测方法、检测装置、车辆及存储介质
CN117962930B (zh) 无人车的控制方法及装置、无人车和计算机可读存储介质
CN111339898A (zh) 行为检测方法和装置、计算机可读存储介质、计算机设备
KR102683721B1 (ko) 포인트 클라우드 데이터의 이상치 제거 장치 및 방법
US12100226B2 (en) Electronic device for controlling driving vehicle and operation method of the electronic device

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