JP2001344689A - 車両対応付け装置及び方法 - Google Patents
車両対応付け装置及び方法Info
- Publication number
- JP2001344689A JP2001344689A JP2000165648A JP2000165648A JP2001344689A JP 2001344689 A JP2001344689 A JP 2001344689A JP 2000165648 A JP2000165648 A JP 2000165648A JP 2000165648 A JP2000165648 A JP 2000165648A JP 2001344689 A JP2001344689 A JP 2001344689A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- vehicles
- passing
- score
- associating
- 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.)
- Pending
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
- Traffic Control Systems (AREA)
Abstract
(57)【要約】
【課題】簡単な構成の車両検知器を複数地点に設置し
て、車両の特徴量を観測することにより、複数地点を通
過する車両の同定を行い、旅行時間の推定などが行える
車両対応付け装置を実現する。 【解決手段】２つの車両観測地点に、通過車両の車長、
車高を観測する車両感知器１，２を設置し、車両観測地
点同士での通過車両の車長、車高に基づいて通過車両間
の特徴量の差スコアを算出し、車両の対応付けを２次元
アライメント問題に帰着させて、それぞれの車両観測地
点を通過した車両同士を対応付ける。
て、車両の特徴量を観測することにより、複数地点を通
過する車両の同定を行い、旅行時間の推定などが行える
車両対応付け装置を実現する。 【解決手段】２つの車両観測地点に、通過車両の車長、
車高を観測する車両感知器１，２を設置し、車両観測地
点同士での通過車両の車長、車高に基づいて通過車両間
の特徴量の差スコアを算出し、車両の対応付けを２次元
アライメント問題に帰着させて、それぞれの車両観測地
点を通過した車両同士を対応付ける。
Description
【０００１】
【発明の属する技術分野】本発明は、複数地点で観測さ
れた車両を対応付ける車両対応付け装置に関するもので
ある。この車両対応付け装置を用いれば、地点間の車両
群の走行速度や走行時間（旅行時間）を推定することが
できる。
れた車両を対応付ける車両対応付け装置に関するもので
ある。この車両対応付け装置を用いれば、地点間の車両
群の走行速度や走行時間（旅行時間）を推定することが
できる。
【０００２】
【従来の技術】複数地点を通過する車両同士を対応付け
するために、従来では、複数の地点にテレビカメラを置
き、車両のナンバープレートを読み取って車両を同定す
ることが行われている。
するために、従来では、複数の地点にテレビカメラを置
き、車両のナンバープレートを読み取って車両を同定す
ることが行われている。
【０００３】
【発明が解決しようとする課題】ところが、テレビカメ
ラを設置し、ナンバープレートを読み取る構成では、ソ
フトウェアを含めたシステムコストが高くなるために数
多く設置することができない。このため、設置地点間の
距離が長くなり、車両を同定できる確率が低下するとい
う問題がある。また、同定できたとしても、上流側の地
点で、数十分経過している場合もあるため、情報のリア
ルタイム性が低下してしまうという欠点もある。
ラを設置し、ナンバープレートを読み取る構成では、ソ
フトウェアを含めたシステムコストが高くなるために数
多く設置することができない。このため、設置地点間の
距離が長くなり、車両を同定できる確率が低下するとい
う問題がある。また、同定できたとしても、上流側の地
点で、数十分経過している場合もあるため、情報のリア
ルタイム性が低下してしまうという欠点もある。
【０００４】そこで、本発明は、簡単な構成の車両検知
器を用いて、車両の特徴量を観測することにより、複数
地点を通過する車両の同定が行える車両対応付け装置を
実現することを目的とする。
器を用いて、車両の特徴量を観測することにより、複数
地点を通過する車両の同定が行える車両対応付け装置を
実現することを目的とする。
【０００５】
【課題を解決するための手段】本発明の車両対応付け装
置は、ｐ（ｐは２以上の整数）個の車両観測地点に設置
され、通過車両の特徴量を観測する車両特徴量観測手段
と、車両観測地点同士での通過車両の特徴量に基づいて
通過車両間のスコアを算出するスコア算出手段と、車両
の対応付けをｐ次元アライメント問題に帰着させて、そ
れぞれの車両観測地点を通過した車両同士を対応付ける
演算手段とを備えるものである。
置は、ｐ（ｐは２以上の整数）個の車両観測地点に設置
され、通過車両の特徴量を観測する車両特徴量観測手段
と、車両観測地点同士での通過車両の特徴量に基づいて
通過車両間のスコアを算出するスコア算出手段と、車両
の対応付けをｐ次元アライメント問題に帰着させて、そ
れぞれの車両観測地点を通過した車両同士を対応付ける
演算手段とを備えるものである。
【０００６】この構成により、車両１台１台ごとの対応
付けを行うことができる。車両特徴量観測手段が観測す
る特徴量の観測値は、正規分布に従うとみなすことがで
きる。「正規分布に従う」ということは、特徴量ａ0の
車両が特徴量ａとして観測される確率は、ａ＝ａ0をピ
ークとし、分散値σ2とする正規分布（ガウス分布）に
なるということである。前記スコアとして、特徴量の観
測確率密度としてのマッチコストを用いることができ
る。このマッチコストは、同じ車両が１地点である特徴
量ａで観測され、他の地点で他の特徴量ｂとして観測さ
れる確率密度のことである。ａ＝ｂの確率が最も高く、
ａとｂとが離れるに連れて確率は下がっていく。特徴量
の観測値が正規分布に従うならば、この確率密度分布も
正規分布となる。
付けを行うことができる。車両特徴量観測手段が観測す
る特徴量の観測値は、正規分布に従うとみなすことがで
きる。「正規分布に従う」ということは、特徴量ａ0の
車両が特徴量ａとして観測される確率は、ａ＝ａ0をピ
ークとし、分散値σ2とする正規分布（ガウス分布）に
なるということである。前記スコアとして、特徴量の観
測確率密度としてのマッチコストを用いることができ
る。このマッチコストは、同じ車両が１地点である特徴
量ａで観測され、他の地点で他の特徴量ｂとして観測さ
れる確率密度のことである。ａ＝ｂの確率が最も高く、
ａとｂとが離れるに連れて確率は下がっていく。特徴量
の観測値が正規分布に従うならば、この確率密度分布も
正規分布となる。
【０００７】特徴量の相違が一定範囲を超える場合は、
別の車両とみなし、車両間のスコアとして、インターナ
ルギャップコストを設定する。このインターナルギャッ
プコストは、車両特徴量観測手段の特性が一定とする
と、定数になる。また、複数の地点で同時に観測してい
るため、上流側の地点を通過した車両がまだ下流地点に
到達していないことがある。このときは、対応する車両
が存在しないので、車両間のスコアとして、イクスター
ナルギャップコストを設定する。
別の車両とみなし、車両間のスコアとして、インターナ
ルギャップコストを設定する。このインターナルギャッ
プコストは、車両特徴量観測手段の特性が一定とする
と、定数になる。また、複数の地点で同時に観測してい
るため、上流側の地点を通過した車両がまだ下流地点に
到達していないことがある。このときは、対応する車両
が存在しないので、車両間のスコアとして、イクスター
ナルギャップコストを設定する。
【０００８】なお、車両間のスコアが、時系列最新時点
側のイクスターナルギャップコストの値に大きく依存し
て、マッチング結果と真の値との一致率が低下すること
がある。そこで、当該イクスターナルギャップコストを
設定しないでスコアを算出することも可能である。観測
する車両の特徴量としては、例えば、車長、車高、車両
の画像をあげることができる。
側のイクスターナルギャップコストの値に大きく依存し
て、マッチング結果と真の値との一致率が低下すること
がある。そこで、当該イクスターナルギャップコストを
設定しないでスコアを算出することも可能である。観測
する車両の特徴量としては、例えば、車長、車高、車両
の画像をあげることができる。
【０００９】
【発明の実施の形態】以下、本発明の実施の形態を、添
付図面を参照しながら詳細に説明する。図１は、道路に
設置した車両感知器１，２、車両感知器１，２の出力に
基づいて車両の車高、車長を算出する一次処理装置３、
一次処理装置３の算出結果を使って上下流の車両感知器
を使って車両同士のマッチングを行うマッチング処理装
置４を示す概念図である。
付図面を参照しながら詳細に説明する。図１は、道路に
設置した車両感知器１，２、車両感知器１，２の出力に
基づいて車両の車高、車長を算出する一次処理装置３、
一次処理装置３の算出結果を使って上下流の車両感知器
を使って車両同士のマッチングを行うマッチング処理装
置４を示す概念図である。
【００１０】車両感知器１，２は、２種類あり、１つは
車両の上方から車高を測定する超音波感知器２であり、
他の１つは車長を検知するループ式磁気感知器１であ
る。上下流の車両感知器の設置間隔を、図１にＸで示
す。超音波感知器２、ループ式磁気感知器１ともに車線
ごとに設置されている。ループ式磁気感知器１は、２つ
の近接ループを有し、近接ループ間の距離をＹで示す。
車両の上方から車高を測定する超音波感知器２であり、
他の１つは車長を検知するループ式磁気感知器１であ
る。上下流の車両感知器の設置間隔を、図１にＸで示
す。超音波感知器２、ループ式磁気感知器１ともに車線
ごとに設置されている。ループ式磁気感知器１は、２つ
の近接ループを有し、近接ループ間の距離をＹで示す。
【００１１】一次処理装置３と、マッチング処理装置４
とは、コンピュータを使って演算するものであれば、い
かなるハードウェア構成でもよい。例えば、マイクロコ
ンピュータ、入出力装置、記憶装置などの組み合わせで
実現できる。以下、本発明では、１つの車線のみに着目
する。他の車線から当該車線に移動してきた車両や、当
該車線から他の車線に移動する車両は、交差点から当該
車線に進入した車両や、当該車線から交差点に退出した
車両と同様に扱う。
とは、コンピュータを使って演算するものであれば、い
かなるハードウェア構成でもよい。例えば、マイクロコ
ンピュータ、入出力装置、記憶装置などの組み合わせで
実現できる。以下、本発明では、１つの車線のみに着目
する。他の車線から当該車線に移動してきた車両や、当
該車線から他の車線に移動する車両は、交差点から当該
車線に進入した車両や、当該車線から交差点に退出した
車両と同様に扱う。
【００１２】一次処理装置３は、超音波感知器２の出力
に基づいて各車両の最大車高を算出するとともに、ルー
プ式磁気感知器１の２つのループの出力時間差に基づい
て車両の速度を測定し、これと１つのループを使った車
体の感知時間とに基づいて車長を算出する。車両が通過
するごとに車高、車長が算出されるので、１又は複数の
車高、車長のデータ列が得られる。マッチング処理装置
４の行うマッチング処理方法を、フローチャート（図
２）を用いて説明する。
に基づいて各車両の最大車高を算出するとともに、ルー
プ式磁気感知器１の２つのループの出力時間差に基づい
て車両の速度を測定し、これと１つのループを使った車
体の感知時間とに基づいて車長を算出する。車両が通過
するごとに車高、車長が算出されるので、１又は複数の
車高、車長のデータ列が得られる。マッチング処理装置
４の行うマッチング処理方法を、フローチャート（図
２）を用いて説明する。
【００１３】走行方向上流の車両感知器で感知した車
高、車長データ列を入力し(ステップＳ１)、走行方向下
流の車両感知器で感知した車高、車長データ列を入力す
る(ステップＳ２)。上流の車両感知器で感知した処理対
象車両数をｎとし、車高データ列をｈA1，ｈA2，ｈA3，
‥‥，ｈAnで表し（代表するときは「ｈA」で表
す。）、車長データ列をｌA1，ｌA2，ｌA3，‥‥，ｌAn
（代表するときは「ｌA」で表す。）で表す。下流の車
両感知器で感知した処理対象車両数をｍとし、車高デー
タ列をｈB1，ｈB2，ｈB3，‥‥，ｈBm（代表するときは
「ｈB」で表す。）で表し、車長データ列をｌB1，ｌB
2，ｌB3，‥‥，ｌBm（代表するときは「ｌB」で表
す。）で表す。
高、車長データ列を入力し(ステップＳ１)、走行方向下
流の車両感知器で感知した車高、車長データ列を入力す
る(ステップＳ２)。上流の車両感知器で感知した処理対
象車両数をｎとし、車高データ列をｈA1，ｈA2，ｈA3，
‥‥，ｈAnで表し（代表するときは「ｈA」で表
す。）、車長データ列をｌA1，ｌA2，ｌA3，‥‥，ｌAn
（代表するときは「ｌA」で表す。）で表す。下流の車
両感知器で感知した処理対象車両数をｍとし、車高デー
タ列をｈB1，ｈB2，ｈB3，‥‥，ｈBm（代表するときは
「ｈB」で表す。）で表し、車長データ列をｌB1，ｌB
2，ｌB3，‥‥，ｌBm（代表するときは「ｌB」で表
す。）で表す。
【００１４】上流の車両感知器で車高ｈAと検出された
車高ｈの車両が、下流の車両感知器で車高ｈBと観測さ
れる確率は、車両感知器の観測誤差がガウス分布に従う
と仮定すれば、下記(1)式で表される。
車高ｈの車両が、下流の車両感知器で車高ｈBと観測さ
れる確率は、車両感知器の観測誤差がガウス分布に従う
と仮定すれば、下記(1)式で表される。
【００１５】
【数１】
【００１６】ここでσ2h,Aは上流の車両感知器で観測さ
れる車高の分散、σ2h,Bは上流の車両感知器で観測され
る車高の分散である。同様に、上流の車両感知器で車長
ｌAと検出された車長ｌの車両が、下流の車両感知器で
車長ｌBと観測される確率は、下記(2)式で表される。
れる車高の分散、σ2h,Bは上流の車両感知器で観測され
る車高の分散である。同様に、上流の車両感知器で車長
ｌAと検出された車長ｌの車両が、下流の車両感知器で
車長ｌBと観測される確率は、下記(2)式で表される。
【００１７】
【数２】
【００１８】ここでσ2l,Aは上流の車両感知器で観測さ
れる車長の分散、σ2l,Bは上流の車両感知器で観測され
る車長の分散である。(a)コスト評価基準として車高又
は車長の差を用いる場合上流の車両感知器で車高ｈAと
検出された車両が、下流の車両感知器で車高ｈBと検出
される事後確率密度Ｐh(ｈa,ｈb)は、下記(3)式で表さ
れる。
れる車長の分散、σ2l,Bは上流の車両感知器で観測され
る車長の分散である。(a)コスト評価基準として車高又
は車長の差を用いる場合上流の車両感知器で車高ｈAと
検出された車両が、下流の車両感知器で車高ｈBと検出
される事後確率密度Ｐh(ｈa,ｈb)は、下記(3)式で表さ
れる。
【００１９】
【数３】
【００２０】同様に、上流の車両感知器で車長ｌAと検
出された車両が、下流の車両感知器で車長ｌBと検出さ
れる事後確率密度Ｐl(ｌa,ｌb)は、下記(4)式で表され
る。
出された車両が、下流の車両感知器で車長ｌBと検出さ
れる事後確率密度Ｐl(ｌa,ｌb)は、下記(4)式で表され
る。
【００２１】
【数４】
【００２２】σ2h,A＋σ2h,B＝σ2hと表し、σ2l,A＋σ
2l,B＝σ2lと書くと、前記(3)(4)式は、それぞれ、(5)
(6)式のように書き換えられる。
2l,B＝σ2lと書くと、前記(3)(4)式は、それぞれ、(5)
(6)式のように書き換えられる。
【００２３】
【数５】
【００２４】
【数６】
【００２５】(b) コスト評価基準として車高又は車長の
比を用いる場合前記(5)(6)式に代えて、次の(7)(8)式を
用いる。
比を用いる場合前記(5)(6)式に代えて、次の(7)(8)式を
用いる。
【００２６】
【数７】
【００２７】
【数８】
【００２８】以上に掲げた確率密度の自然対数を「マッ
チコスト」という。車高のみを用いる場合の、上流の車
両感知器で車高ｈAと検出された車両と、下流の車両感
知器で車高ｈBと検出された車両とのマッチコストｄ(ｈ
a,ｈb)は、 ｄ(ｈa,ｈb)＝ln［Ｐh(ｈa,ｈb)］ (9) となる。車長のみを用いる場合は、上流の車両感知器で
車長ｌAと検出された車両と、下流の車両感知器で車長
ｌBと検出された車両とのマッチコストｄ(ｌa,ｌb)は、 ｄ(ｌa,ｌb)＝ln［Ｐl(ｌa,ｌb)］ (10) となる。lnは自然対数を表す。
チコスト」という。車高のみを用いる場合の、上流の車
両感知器で車高ｈAと検出された車両と、下流の車両感
知器で車高ｈBと検出された車両とのマッチコストｄ(ｈ
a,ｈb)は、 ｄ(ｈa,ｈb)＝ln［Ｐh(ｈa,ｈb)］ (9) となる。車長のみを用いる場合は、上流の車両感知器で
車長ｌAと検出された車両と、下流の車両感知器で車長
ｌBと検出された車両とのマッチコストｄ(ｌa,ｌb)は、 ｄ(ｌa,ｌb)＝ln［Ｐl(ｌa,ｌb)］ (10) となる。lnは自然対数を表す。
【００２９】車高と車長を併用する場合は、上流の車両
感知器で車高ｈA、車長ｌAと検出された車両と、下流の
車両感知器で車高ｈB、車長ｌBと検出された車両とのマ
ッチコストｄ(ｈa,ｌa;ｈb,ｌb)は、 ｄ(ｈa,ｌa;ｈb,ｌb) ＝ln［Ｐh(ｈa,ｈb)］＋ln［Ｐl(ｌa,ｌb)］ (11) となる。
感知器で車高ｈA、車長ｌAと検出された車両と、下流の
車両感知器で車高ｈB、車長ｌBと検出された車両とのマ
ッチコストｄ(ｈa,ｌa;ｈb,ｌb)は、 ｄ(ｈa,ｌa;ｈb,ｌb) ＝ln［Ｐh(ｈa,ｈb)］＋ln［Ｐl(ｌa,ｌb)］ (11) となる。
【００３０】マッチング処理装置４は、前記(9)(10)(1
1)式のいずれかによって、上流の車両感知器で感知した
車両、下流の車両感知器で感知した車両の全組み合わせ
について、マッチコストを算出する(ステップＳ３)。次
に、マッチング処理装置４は、「ギャップコスト」を取
得する。このギャップコストは、車両感知器の特性に応
じた定数として記憶されているものである。マッチコス
トとギャップコストとを総称して「スコア」という。
1)式のいずれかによって、上流の車両感知器で感知した
車両、下流の車両感知器で感知した車両の全組み合わせ
について、マッチコストを算出する(ステップＳ３)。次
に、マッチング処理装置４は、「ギャップコスト」を取
得する。このギャップコストは、車両感知器の特性に応
じた定数として記憶されているものである。マッチコス
トとギャップコストとを総称して「スコア」という。
【００３１】ギャップコストには、インターナルギャッ
プコスト（ＩＧＣ）とイクスターナルギャップコスト
（ＥＸＧＣ）との２種類がある。ＩＧＣは、両地点の間
で追い越しが発生してその順序が入れ替わってしまい、
対応が付かないような場合に設定される。これは、車
高、車長のいずれかが３σ以上離れることはなく、３σ
以上離れるとそれは別の車両とみなすとの仮定に基づ
く。
プコスト（ＩＧＣ）とイクスターナルギャップコスト
（ＥＸＧＣ）との２種類がある。ＩＧＣは、両地点の間
で追い越しが発生してその順序が入れ替わってしまい、
対応が付かないような場合に設定される。これは、車
高、車長のいずれかが３σ以上離れることはなく、３σ
以上離れるとそれは別の車両とみなすとの仮定に基づ
く。
【００３２】車高のみを用いる場合、ＩＧＣの具体的な
値を示すと、(12)式のようになる。 ｄ(ｈa,−)＝ｄ(−,ｈb)＝（１／２）ln［Ｐh(０,３σh)］ ＝−（１／２）ln（（２π）1/2σh）−９／４ (12) 式中１／２を用いているのは、ギャップコストを用いる
場合は２本の枝を使うことになるので、枝１本分のコス
トにするためである（以下同じ）。車長のみを用いる場
合、ＩＧＣの具体的な値を示すと、(13)式のようにな
る。
値を示すと、(12)式のようになる。 ｄ(ｈa,−)＝ｄ(−,ｈb)＝（１／２）ln［Ｐh(０,３σh)］ ＝−（１／２）ln（（２π）1/2σh）−９／４ (12) 式中１／２を用いているのは、ギャップコストを用いる
場合は２本の枝を使うことになるので、枝１本分のコス
トにするためである（以下同じ）。車長のみを用いる場
合、ＩＧＣの具体的な値を示すと、(13)式のようにな
る。
【００３３】 ｄ(ｌa,−)＝ｄ(−,ｌb)＝（１／２）ln［Ｐl(０,３σl)］ ＝−（１／２）ln（（２π）1/2σl）−９／４ (13) 車高と車長を併用する場合は、ＩＧＣの具体的な値を示
すと、(14)式のようになる。 ｄ(ｈa,−;−,−)＝ｄ(−,ｌa;−,−) ＝ｄ(−, −; hb,−)＝ｄ(−, −;−,ｌb) ＝（１／２）｛ln［Ｐh(０,３σh)］＋ln［Ｐl(０,０)］｝ ＝（１／２）｛ln［Ｐh(０,０)］＋ln［Ｐl(０, ３σl)］｝ ＝−（１／２）ln（２πσhσl）−９／４ (14) ＥＸＧＣは、上流地点を通過した車両がまだ下流地点を
通過せず、車両の対応が付けられない場合に設定する。
このＥＸＧＣの値は、実際に、本装置設置後の初期設定
等の時点で、目視などで最適なマッチングが得られてい
ると確認された場合に、アライメントの最大スコアを算
出し、その最大スコアに基づいて決定されるものであ
る。決定方法については後述する。
すと、(14)式のようになる。 ｄ(ｈa,−;−,−)＝ｄ(−,ｌa;−,−) ＝ｄ(−, −; hb,−)＝ｄ(−, −;−,ｌb) ＝（１／２）｛ln［Ｐh(０,３σh)］＋ln［Ｐl(０,０)］｝ ＝（１／２）｛ln［Ｐh(０,０)］＋ln［Ｐl(０, ３σl)］｝ ＝−（１／２）ln（２πσhσl）−９／４ (14) ＥＸＧＣは、上流地点を通過した車両がまだ下流地点を
通過せず、車両の対応が付けられない場合に設定する。
このＥＸＧＣの値は、実際に、本装置設置後の初期設定
等の時点で、目視などで最適なマッチングが得られてい
ると確認された場合に、アライメントの最大スコアを算
出し、その最大スコアに基づいて決定されるものであ
る。決定方法については後述する。
【００３４】さらに、現実には対応し得ないと思われる
車両間の対応スコアは−∞にしておくことが好ましい
（例えば旅行時間が負になる、経験上推定される旅行時
間と比べると、あまりにも短いあるいは長い、など）。
以上の各コストが得られると、マッチコスト又はギャッ
プコストの和（トータルスコア）が最大となるように、
上流の車両感知器で感知したｎ台の車両と、下流の車両
感知器で感知したｍ台の車両との対応付けを行う。この
ため、２次元の文字列アライメント問題として定式化す
る。
車両間の対応スコアは−∞にしておくことが好ましい
（例えば旅行時間が負になる、経験上推定される旅行時
間と比べると、あまりにも短いあるいは長い、など）。
以上の各コストが得られると、マッチコスト又はギャッ
プコストの和（トータルスコア）が最大となるように、
上流の車両感知器で感知したｎ台の車両と、下流の車両
感知器で感知したｍ台の車両との対応付けを行う。この
ため、２次元の文字列アライメント問題として定式化す
る。
【００３５】上流地点を通過した車両をａ1，ａ2，ａ
3，‥‥，ａnで表し、下流地点を通過した車両をｂ1，
ｂ2，ｂ3，‥‥，ｂnで表す。行列（ａiｂj）(1≦i≦n,
1≦j≦m)をアライメントと呼ぶ。２次元の文字列アライ
メント問題は、２次元格子状有向グラフ上の最長路問題
に帰着できる（一般的な呼び方は「最短路問題」である
が、ここではコストの和の最長のパスを求めているの
で、「最長路問題」という）。
3，‥‥，ａnで表し、下流地点を通過した車両をｂ1，
ｂ2，ｂ3，‥‥，ｂnで表す。行列（ａiｂj）(1≦i≦n,
1≦j≦m)をアライメントと呼ぶ。２次元の文字列アライ
メント問題は、２次元格子状有向グラフ上の最長路問題
に帰着できる（一般的な呼び方は「最短路問題」である
が、ここではコストの和の最長のパスを求めているの
で、「最長路問題」という）。
【００３６】図３は、２次元格子状有向グラフを描いた
図である。図３では、車両ａiと車両ｂjとを対応させる
斜めの枝が実線で表されている。この枝長は、前述した
マッチコストｄ（(9)〜(11)式のいずれか）に相当す
る。縦横の破線枝は、車両ｂjに対して、車両ａiの対応
が付かない場合を表し、その枝長は、前述したＩＧＣに
相当する。右外枠の一点鎖線の枝は、対応する車両がな
い場合を表し、その枝長は、前述したＥＸＧＣに相当す
る。
図である。図３では、車両ａiと車両ｂjとを対応させる
斜めの枝が実線で表されている。この枝長は、前述した
マッチコストｄ（(9)〜(11)式のいずれか）に相当す
る。縦横の破線枝は、車両ｂjに対して、車両ａiの対応
が付かない場合を表し、その枝長は、前述したＩＧＣに
相当する。右外枠の一点鎖線の枝は、対応する車両がな
い場合を表し、その枝長は、前述したＥＸＧＣに相当す
る。
【００３７】図３の左上の点から、右下の点に至るコス
トの和の最長のパスが、車両のもっともらしい対応付け
を示す解となる。この最長路問題は、動的計画（ＤＰ;D
ynamic Programming）法で解くことができる(ステップ
Ｓ４)（下記［１］［２］参照）。 ［１］D. Gusfield. "Aigorithms on Strings, Trees,
and Sequences." Cambridge University Prass, 1997． ［２］S.B.Needleman and C.D.Wunsch."A general meth
od applicable to the search for similarities in th
e amino acid sequences of two proteins." Journal o
f Molecular Biology,48, pp.443-453, 1970． 例えば、ｎ＝３，ｍ＝４とし、最長路問題を解いた結
果、図４に示すような経路（太い実線）が得られたとす
る。この図４から、車両ａ1はｂ1に対応し、車両ａ2と
車両ｂ2は対応せず（インターナルギャップ）、車両ａ3
はｂ3に対応し、車両ｂ4に対応するものがない（イクス
ターナルギャップ）、ことが分かる。この原因は、車両
ａ2とａ3は上流地点を通過した後入れ替わった、と考え
られ、車両ｂ4は途中の交差点から進入してきた若しく
は車線間移動により入ってきた、と考えられる。
トの和の最長のパスが、車両のもっともらしい対応付け
を示す解となる。この最長路問題は、動的計画（ＤＰ;D
ynamic Programming）法で解くことができる(ステップ
Ｓ４)（下記［１］［２］参照）。 ［１］D. Gusfield. "Aigorithms on Strings, Trees,
and Sequences." Cambridge University Prass, 1997． ［２］S.B.Needleman and C.D.Wunsch."A general meth
od applicable to the search for similarities in th
e amino acid sequences of two proteins." Journal o
f Molecular Biology,48, pp.443-453, 1970． 例えば、ｎ＝３，ｍ＝４とし、最長路問題を解いた結
果、図４に示すような経路（太い実線）が得られたとす
る。この図４から、車両ａ1はｂ1に対応し、車両ａ2と
車両ｂ2は対応せず（インターナルギャップ）、車両ａ3
はｂ3に対応し、車両ｂ4に対応するものがない（イクス
ターナルギャップ）、ことが分かる。この原因は、車両
ａ2とａ3は上流地点を通過した後入れ替わった、と考え
られ、車両ｂ4は途中の交差点から進入してきた若しく
は車線間移動により入ってきた、と考えられる。
【００３８】以上の解析結果を出力する(ステップＳ
５)。そして、出力された結果に基づいて、一致する車
両同士に着目して、旅行時間を推定することができる。
ここで、ＥＸＧＣの値を決定する方法を説明する。ＥＸ
ＧＣの値をｇとおく。上流でｎ台車両が観測され、下流
でｍ台の車両が観測されたとする。ただしｎ＜ｍとす
る。目視などにより、上流地点で観測された車両ａ1〜
ａnは、下流地点において観測された車両ｂ1〜ｂnに対
応していることが分かっているものとする。しかし、上
流地点で比較的遅い時刻に観測された車両ａn+1〜ａｍ
は、下流地点の観測時点において、まだ下流に到達して
おらず、対応するものがない。
５)。そして、出力された結果に基づいて、一致する車
両同士に着目して、旅行時間を推定することができる。
ここで、ＥＸＧＣの値を決定する方法を説明する。ＥＸ
ＧＣの値をｇとおく。上流でｎ台車両が観測され、下流
でｍ台の車両が観測されたとする。ただしｎ＜ｍとす
る。目視などにより、上流地点で観測された車両ａ1〜
ａnは、下流地点において観測された車両ｂ1〜ｂnに対
応していることが分かっているものとする。しかし、上
流地点で比較的遅い時刻に観測された車両ａn+1〜ａｍ
は、下流地点の観測時点において、まだ下流に到達して
おらず、対応するものがない。
【００３９】このときのアライメントの、マッチング部
分のスコアをＳ′（Ａ）、非マッチング部分のスコアを
ｇ・ｘ（Ａ）と書く。Ｓ′（Ａ）は車両感知器の実測値
から算出される値である。ｇは求めたいＥＸＧＣの値で
あり、ｘ（Ａ）は非マッチング台数を示し、ｘ（Ａ）＝
ｎ−ｍである。ＥＸＧＣの値ｇを「最適なマッチングが
得られている場合の、マッチング部分のスコアＳ′
（Ａ）を、ｎ＋ｍ−ｘ（Ａ）」で割ったもの、と定義す
る。
分のスコアをＳ′（Ａ）、非マッチング部分のスコアを
ｇ・ｘ（Ａ）と書く。Ｓ′（Ａ）は車両感知器の実測値
から算出される値である。ｇは求めたいＥＸＧＣの値で
あり、ｘ（Ａ）は非マッチング台数を示し、ｘ（Ａ）＝
ｎ−ｍである。ＥＸＧＣの値ｇを「最適なマッチングが
得られている場合の、マッチング部分のスコアＳ′
（Ａ）を、ｎ＋ｍ−ｘ（Ａ）」で割ったもの、と定義す
る。
【００４０】 ｇ＝Ｓ′（Ａ）／［ｎ＋ｍ−ｘ（Ａ）］ (15) たとえば、ｎ＝４，ｍ＝３とした場合の２次元格子状有
向グラフを描くと図５のようになる。図５において、マ
ッチング部分のスコアＳ′（Ａ）、ＥＸＧＣの値ｇ・ｘ
（Ａ）を示している。ただし、ｘ（Ａ）＝ｎ−ｍ＝４−
３＝１となるので、図５でｇ・ｘ（Ａ）と示したもの
は、ｇそのものを示している。この図５の例では、ＥＸ
ＧＣの値ｇは、前記(15)に基づき、 ｇ＝Ｓ′（Ａ）／［４＋３−１］＝Ｓ′（Ａ）／６ (16) となる。
向グラフを描くと図５のようになる。図５において、マ
ッチング部分のスコアＳ′（Ａ）、ＥＸＧＣの値ｇ・ｘ
（Ａ）を示している。ただし、ｘ（Ａ）＝ｎ−ｍ＝４−
３＝１となるので、図５でｇ・ｘ（Ａ）と示したもの
は、ｇそのものを示している。この図５の例では、ＥＸ
ＧＣの値ｇは、前記(15)に基づき、 ｇ＝Ｓ′（Ａ）／［４＋３−１］＝Ｓ′（Ａ）／６ (16) となる。
【００４１】実際には、上下流でマッチングが確認され
ている車両群を観測してＥＸＧＣの値ｇを求める、とい
う処理を複数回行い、求められた複数のｇの平均をと
り、この平均値を最終的にＥＸＧＣの値ｇとして決定す
ればよい。前記のＩＧＣとＥＸＧＣとを使った実施形態
では、最新時点側（観測時刻の遅いほう）の車両対応付
け部分（ｍの最も大きいところのデータ）は、ＥＸＧＣ
の値に大きく依存してしまう。ＥＸＧＣの値は、前述し
たように統計的に求められる値なので、変動する。
ている車両群を観測してＥＸＧＣの値ｇを求める、とい
う処理を複数回行い、求められた複数のｇの平均をと
り、この平均値を最終的にＥＸＧＣの値ｇとして決定す
ればよい。前記のＩＧＣとＥＸＧＣとを使った実施形態
では、最新時点側（観測時刻の遅いほう）の車両対応付
け部分（ｍの最も大きいところのデータ）は、ＥＸＧＣ
の値に大きく依存してしまう。ＥＸＧＣの値は、前述し
たように統計的に求められる値なので、変動する。
【００４２】そこで、時系列最新時点側のＥＸＧＣを必
要としないようにアルゴリズムを拡張する方法を説明す
る。前述したとおり、ＥＸＧＣの値ｇは、 ｇ＝Ｓ′（Ａ）／［ｎ＋ｍ−ｘ（Ａ）］ (15) で表される。一方、トータルスコアＳ（Ａ，ｇ）は、 Ｓ（Ａ，ｇ）＝Ｓ′（Ａ）＋ｇ・ｘ（Ａ） (17) で表される。(15)式を(17)式に代入すると、 Ｓ（Ａ，ｇ） ＝Ｓ′（Ａ）＋Ｓ′（Ａ）ｘ（Ａ）／［ｎ＋ｍ−ｘ（Ａ）］ ＝（ｎ＋ｍ）Ｓ′（Ａ）／［ｎ＋ｍ−ｘ（Ａ）］ (18) となる。ｎ＋ｍは一定なので、Ｓ′（Ａ）／［ｎ＋ｍ−
ｘ（Ａ）］を最大にするようなパスが最適な解となる。
要としないようにアルゴリズムを拡張する方法を説明す
る。前述したとおり、ＥＸＧＣの値ｇは、 ｇ＝Ｓ′（Ａ）／［ｎ＋ｍ−ｘ（Ａ）］ (15) で表される。一方、トータルスコアＳ（Ａ，ｇ）は、 Ｓ（Ａ，ｇ）＝Ｓ′（Ａ）＋ｇ・ｘ（Ａ） (17) で表される。(15)式を(17)式に代入すると、 Ｓ（Ａ，ｇ） ＝Ｓ′（Ａ）＋Ｓ′（Ａ）ｘ（Ａ）／［ｎ＋ｍ−ｘ（Ａ）］ ＝（ｎ＋ｍ）Ｓ′（Ａ）／［ｎ＋ｍ−ｘ（Ａ）］ (18) となる。ｎ＋ｍは一定なので、Ｓ′（Ａ）／［ｎ＋ｍ−
ｘ（Ａ）］を最大にするようなパスが最適な解となる。
【００４３】上に述べたことを図解すると、次のように
なる。図６は、時系列最新時点側のイクスターナルギャ
ップを除いた２次元格子状有向グラフを描いた図であ
る。この図６のグラフにおいて、上流側通過車両ａ1，
‥‥，ａnの添え字をｉ（１≦ｉ≦ｎ）とし、最新時点
側の対応点をｖiとする。各点ｖiでのアライメントの最
大スコアを求め、そのスコアを（ｉ＋ｍ）−ｘ（Ａ）で
割った値が最大になる点を最新時点側の対応点ｖi0とす
る。
なる。図６は、時系列最新時点側のイクスターナルギャ
ップを除いた２次元格子状有向グラフを描いた図であ
る。この図６のグラフにおいて、上流側通過車両ａ1，
‥‥，ａnの添え字をｉ（１≦ｉ≦ｎ）とし、最新時点
側の対応点をｖiとする。各点ｖiでのアライメントの最
大スコアを求め、そのスコアを（ｉ＋ｍ）−ｘ（Ａ）で
割った値が最大になる点を最新時点側の対応点ｖi0とす
る。
【００４４】以上で、本発明の実施の形態を説明した
が、本発明の実施は、前記の形態に限定されるものでは
ない。例えば、本発明において、車長や車高のデータ以
外に、カメラで車両の画像データを取得してアライメン
トに利用することができる。この場合、画像間のスコア
を定める必要があるが、画像検索などの分野で考案され
ている「画像間の距離」、具体的には、マッチディスタ
ンス（下記［３］参照）、ＥＭＤ(Earth Mover's Dista
nce)（下記［４］参照）を利用することができる。 ［３］M.Werman, S.Peieg, and A.Rosenfeld."A distan
ce metric for multi-dimensional histgrams." Comput
er, Vision, Graphics, and Image Processing,32, pp.
328-336, 1985. ［４］Y.Rubner, C Tomasi, and L.J.Guibas."The Eart
h Mover's Distance asa Metric for Image Retrieval.
"Technical Report STAN-CS-TN-98-86, Department of
Computer Science, Stanford University, September
1998. マッチディスタンスは、画像内の画素の色情報を利用し
た距離で、２つの画像ヒストグラムの累積ヒストグラム
間のＬ1距離として与えられる。具体的には、各車両の
後方より撮影した画像から、輝度のヒストグラムと色相
のヒストグラムを作る。輝度のヒストグラムは、すべて
の画素を輝度より３２レベルに分け、度数は各レベルの
画素数とする。色相のヒストグラムは色相を３０段階に
分け、度数は、各段階に含まれる画素の彩度の総和とす
る。画像の距離は、輝度と色相のヒストグラムによる距
離の加重和とした。
が、本発明の実施は、前記の形態に限定されるものでは
ない。例えば、本発明において、車長や車高のデータ以
外に、カメラで車両の画像データを取得してアライメン
トに利用することができる。この場合、画像間のスコア
を定める必要があるが、画像検索などの分野で考案され
ている「画像間の距離」、具体的には、マッチディスタ
ンス（下記［３］参照）、ＥＭＤ(Earth Mover's Dista
nce)（下記［４］参照）を利用することができる。 ［３］M.Werman, S.Peieg, and A.Rosenfeld."A distan
ce metric for multi-dimensional histgrams." Comput
er, Vision, Graphics, and Image Processing,32, pp.
328-336, 1985. ［４］Y.Rubner, C Tomasi, and L.J.Guibas."The Eart
h Mover's Distance asa Metric for Image Retrieval.
"Technical Report STAN-CS-TN-98-86, Department of
Computer Science, Stanford University, September
1998. マッチディスタンスは、画像内の画素の色情報を利用し
た距離で、２つの画像ヒストグラムの累積ヒストグラム
間のＬ1距離として与えられる。具体的には、各車両の
後方より撮影した画像から、輝度のヒストグラムと色相
のヒストグラムを作る。輝度のヒストグラムは、すべて
の画素を輝度より３２レベルに分け、度数は各レベルの
画素数とする。色相のヒストグラムは色相を３０段階に
分け、度数は、各段階に含まれる画素の彩度の総和とす
る。画像の距離は、輝度と色相のヒストグラムによる距
離の加重和とした。
【００４５】ＥＭＤは、マッチディスタンスを一般化し
た距離で、画素の色情報の他に位置情報も用いる。各画
像の画素を色と位置の近さによってクラスタリングし
（下記［５］参照）、それらの間の最小費用流として与
えられる。今回は、各画像を１６クラスタにクラスタリ
ングした。 ［５］M.Inaba, H.Imai, and N.Katoh."Application of
weighted Voronoi diagrams and randomization to va
riance-based k-cla\ustering." In Proceedingsof the
10th ACM Symposium on Computational Geometry, pp.
332-339, 1994 車両ａiと車両ｂjとの画像間の距離をＤijとしたとき、
アライメントのスコアＤtotalとして、前記(9)(10)(11)
式のいずれかと、画像間の距離Ｄijとの線形和を採用す
る。
た距離で、画素の色情報の他に位置情報も用いる。各画
像の画素を色と位置の近さによってクラスタリングし
（下記［５］参照）、それらの間の最小費用流として与
えられる。今回は、各画像を１６クラスタにクラスタリ
ングした。 ［５］M.Inaba, H.Imai, and N.Katoh."Application of
weighted Voronoi diagrams and randomization to va
riance-based k-cla\ustering." In Proceedingsof the
10th ACM Symposium on Computational Geometry, pp.
332-339, 1994 車両ａiと車両ｂjとの画像間の距離をＤijとしたとき、
アライメントのスコアＤtotalとして、前記(9)(10)(11)
式のいずれかと、画像間の距離Ｄijとの線形和を採用す
る。
【００４６】 Ｄtotal＝ｄ(ｈa,ｌa;ｈb,ｌb) ＋λＤij (16) ここで定数λは重み付け係数である。また、車長・車高
のギャップコストをＧとし、実対応車両間の距離の最大
値をＭとしたとき、総ギャップコストＧtotalは、 Ｇtotal＝Ｇ−λＭ／２ (17) として与えられる。
のギャップコストをＧとし、実対応車両間の距離の最大
値をＭとしたとき、総ギャップコストＧtotalは、 Ｇtotal＝Ｇ−λＭ／２ (17) として与えられる。
【００４７】また、前記の実施の形態では、車両観測地
点は、２地点としていたが、これを任意の複数地点に拡
張することも可能である。車両観測地点がｐ（ｐは２以
上の整数）地点あれば、車両の対応付けをｐ次元アライ
メント問題に帰着させることが可能である。
点は、２地点としていたが、これを任意の複数地点に拡
張することも可能である。車両観測地点がｐ（ｐは２以
上の整数）地点あれば、車両の対応付けをｐ次元アライ
メント問題に帰着させることが可能である。
【００４８】
【実施例】図７に示すように、都内の高速道路、約３ｋ
ｍの区間を設定し、区間の両端にカメラを置いて２時間
にわたって通過車両を撮影した。そして、撮影した画像
をオペレータが見ながら、一台ずつ、車長、車高を測定
した（現状では、車長、車高を測定できる車両感知器が
入手できなかったので、このようにカメラを利用して車
長、車高を測定した）。なお、高速道路の区間は２車線
あるが、測定対象車線は左側１車線に限定した。
ｍの区間を設定し、区間の両端にカメラを置いて２時間
にわたって通過車両を撮影した。そして、撮影した画像
をオペレータが見ながら、一台ずつ、車長、車高を測定
した（現状では、車長、車高を測定できる車両感知器が
入手できなかったので、このようにカメラを利用して車
長、車高を測定した）。なお、高速道路の区間は２車線
あるが、測定対象車線は左側１車線に限定した。
【００４９】通過車両の台数は、上流端で１５１８台、
下流端で２０７７台であった。これらのデータを用いて
一度にマッチングさせた。マッチングの評価基準は、車
高差及び／又は車長差を用いた。なお、カメラで撮像し
た画像をオペレータが見て、真に対応付けできた車両
は、６３３台あった。アルゴリズムによるマッチングの
結果は、次のとおりである。
下流端で２０７７台であった。これらのデータを用いて
一度にマッチングさせた。マッチングの評価基準は、車
高差及び／又は車長差を用いた。なお、カメラで撮像し
た画像をオペレータが見て、真に対応付けできた車両
は、６３３台あった。アルゴリズムによるマッチングの
結果は、次のとおりである。
【００５０】(1)車高のみを使った場合 真にマッチングしている車両６３３台のうち、アルゴリ
ズムでもマッチングできた台数は４１３台、アルゴリズ
ムでミスマッチした台数は１５９台、マッチングできな
かった台数は６１台、である。したがって、アルゴリズ
ムがマッチしたと判断したものの中から、正解が得られ
たものの割合は７２．２％であり、真にマッチしている
車両の中から、正解が得られたものの割合は６５．２％
である。
ズムでもマッチングできた台数は４１３台、アルゴリズ
ムでミスマッチした台数は１５９台、マッチングできな
かった台数は６１台、である。したがって、アルゴリズ
ムがマッチしたと判断したものの中から、正解が得られ
たものの割合は７２．２％であり、真にマッチしている
車両の中から、正解が得られたものの割合は６５．２％
である。
【００５１】(2)車長のみを使った場合 真にマッチングしている車両６３３台のうち、アルゴリ
ズムでもマッチングできた台数は４７５台、アルゴリズ
ムでミスマッチした台数は１１１台、マッチングできな
かった台数は４７台、である。したがって、アルゴリズ
ムがマッチしたと判断したものの中から、正解が得られ
たものの割合は８１．１％であり、真にマッチしている
車両の中から、正解が得られたものの割合は７５．０％
である。
ズムでもマッチングできた台数は４７５台、アルゴリズ
ムでミスマッチした台数は１１１台、マッチングできな
かった台数は４７台、である。したがって、アルゴリズ
ムがマッチしたと判断したものの中から、正解が得られ
たものの割合は８１．１％であり、真にマッチしている
車両の中から、正解が得られたものの割合は７５．０％
である。
【００５２】(3)車高及び車長を使った場合 真にマッチングしている車両６３３台のうち、アルゴリ
ズムでもマッチングできた台数は５２３台、アルゴリズ
ムでミスマッチした台数は６３台、マッチングできなか
った台数は４７台、である。したがって、アルゴリズム
がマッチしたと判断したものの中から、正解が得られた
ものの割合は８９．３％であり、真にマッチしている車
両の中から、正解が得られたものの割合は８２．６％で
ある。
ズムでもマッチングできた台数は５２３台、アルゴリズ
ムでミスマッチした台数は６３台、マッチングできなか
った台数は４７台、である。したがって、アルゴリズム
がマッチしたと判断したものの中から、正解が得られた
ものの割合は８９．３％であり、真にマッチしている車
両の中から、正解が得られたものの割合は８２．６％で
ある。
【００５３】以上の結果をまとめて示すと、表１のよう
になる。
になる。
【００５４】
【表１】
【００５５】表１によれば、車高だけを用いても、７２
％もの車両がマッチングされている。車長のみの場合は
８１％、車高と車長とを併用した場合は、８９％の車両
がマッチングされている。撮影日は、渋滞しており、車
線変更や追い越しによる車両順序の入れ替わりが少なか
ったので、このように高い正解率を得ることができた。
いいかえれば、本発明の車両対応付け装置は、従来の車
両対応付け装置が苦手としていた渋滞時に、大きな効果
を発揮するといえる。また車高よりも車長のほうが正解
率が高いのは、車高は、車両間でばらつきが少ないの
で、車長のほうが車両の特徴をよくあらわしているか
ら、といえる。
％もの車両がマッチングされている。車長のみの場合は
８１％、車高と車長とを併用した場合は、８９％の車両
がマッチングされている。撮影日は、渋滞しており、車
線変更や追い越しによる車両順序の入れ替わりが少なか
ったので、このように高い正解率を得ることができた。
いいかえれば、本発明の車両対応付け装置は、従来の車
両対応付け装置が苦手としていた渋滞時に、大きな効果
を発揮するといえる。また車高よりも車長のほうが正解
率が高いのは、車高は、車両間でばらつきが少ないの
で、車長のほうが車両の特徴をよくあらわしているか
ら、といえる。
【００５６】
【発明の効果】以上のように本発明によれば、同一路線
の複数地点で収集した車高、車長等のデータ列から、車
両どうしの対応付けを行うのに、ｐ次元アライメント問
題に帰着することが有効であることが分かった。特に本
発明では、車両群どうしの対応付けでなく、車両１台ご
との対応付けを行うことができるので、車両群の構成車
両が多少変化しても、確実に対応付けを行うことがで
き、旅行時間の推定に有利である。
の複数地点で収集した車高、車長等のデータ列から、車
両どうしの対応付けを行うのに、ｐ次元アライメント問
題に帰着することが有効であることが分かった。特に本
発明では、車両群どうしの対応付けでなく、車両１台ご
との対応付けを行うことができるので、車両群の構成車
両が多少変化しても、確実に対応付けを行うことがで
き、旅行時間の推定に有利である。
【図１】道路に設置した車両感知器、車両感知器の出力
に基づいて車両の車高、車長を算出する一次処理装置、
一次処理装置の算出結果を使って車両同士のマッチング
を行うマッチング処理装置の構成を示す概念図である。
に基づいて車両の車高、車長を算出する一次処理装置、
一次処理装置の算出結果を使って車両同士のマッチング
を行うマッチング処理装置の構成を示す概念図である。
【図２】マッチング処理装置の行うマッチング処理方法
を説明するフローチャートである。
を説明するフローチャートである。
【図３】２次元格子状有向グラフを描いた図である。
【図４】ｎ＝３，ｍ＝４として最長路問題を解いた例を
示すための、２次元格子状有向グラフの図である。
示すための、２次元格子状有向グラフの図である。
【図５】ｎ＝４，ｍ＝３とし、車両ｂ4のみマッチング
されていない場合の２次元格子状有向グラフである。
されていない場合の２次元格子状有向グラフである。
【図６】時系列最新時点側のイクスターナルギャップを
必要としないアルゴリズムを説明するための、２次元格
子状有向グラフを描いた図である。
必要としないアルゴリズムを説明するための、２次元格
子状有向グラフを描いた図である。
【図７】本発明の手法を用いて、都内の高速道路に区間
を設定し、区間の両端にカメラを置いて通過車両を側面
から撮影した状態を示す高速道路の平面図である。
を設定し、区間の両端にカメラを置いて通過車両を側面
から撮影した状態を示す高速道路の平面図である。
１ ループ式磁気感知器 ２ 超音波感知器 ３ 一次処理装置 ４ マッチング処理装置
─────────────────────────────────────────────────────
【手続補正書】
【提出日】平成１３年３月２３日（２００１．３．２
３）
３）
【手続補正１】
【補正対象書類名】明細書
【補正対象項目名】発明の名称
【補正方法】変更
【補正内容】
【発明の名称】 車両対応付け装置及び方法
【手続補正２】
【補正対象書類名】明細書
【補正対象項目名】特許請求の範囲
【補正方法】変更
【補正内容】
【特許請求の範囲】
【手続補正３】
【補正対象書類名】明細書
【補正対象項目名】０００１
【補正方法】変更
【補正内容】
【０００１】
【発明の属する技術分野】本発明は、複数地点で観測さ
れた車両を対応付ける車両対応付け装置及び方法に関す
るものである。この車両対応付け装置及び方法を用いれ
ば、地点間の車両群の走行速度や走行時間（旅行時間）
を推定することができる。
れた車両を対応付ける車両対応付け装置及び方法に関す
るものである。この車両対応付け装置及び方法を用いれ
ば、地点間の車両群の走行速度や走行時間（旅行時間）
を推定することができる。
【手続補正４】
【補正対象書類名】明細書
【補正対象項目名】０００４
【補正方法】変更
【補正内容】
【０００４】そこで、本発明は、簡単な構成の車両検知
器を用いて、車両の特徴量を観測することにより、複数
地点を通過する車両の同定が行える車両対応付け装置及
び方法を実現することを目的とする。
器を用いて、車両の特徴量を観測することにより、複数
地点を通過する車両の同定が行える車両対応付け装置及
び方法を実現することを目的とする。
【手続補正５】
【補正対象書類名】明細書
【補正対象項目名】０００８
【補正方法】変更
【補正内容】
【０００８】なお、車両間のスコアが、時系列最新時点
側のイクスターナルギャップコストの値に大きく依存し
て、マッチング結果と真の値との一致率が低下すること
がある。そこで、当該イクスターナルギャップコストを
設定しないでスコアを算出することも可能である。観測
する車両の特徴量としては、例えば、車長、車高、車両
の画像をあげることができる。また、本発明の車両対応
付け方法は、前記車両対応付け装置と同一発明に係る方
法である。
側のイクスターナルギャップコストの値に大きく依存し
て、マッチング結果と真の値との一致率が低下すること
がある。そこで、当該イクスターナルギャップコストを
設定しないでスコアを算出することも可能である。観測
する車両の特徴量としては、例えば、車長、車高、車両
の画像をあげることができる。また、本発明の車両対応
付け方法は、前記車両対応付け装置と同一発明に係る方
法である。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 石関 隆幸 東京都文京区本郷七丁目３番１号 東京大 学内 (72)発明者 遠藤 雅也 東京都文京区本郷七丁目３番１号 東京大 学内 (72)発明者 今井 浩 東京都文京区本郷七丁目３番１号 東京大 学内 (72)発明者 西村 茂樹 大阪市此花区島屋一丁目１番３号 住友電 気工業株式会社大阪製作所内 (72)発明者 下浦 弘 大阪市此花区島屋一丁目１番３号 住友電 気工業株式会社大阪製作所内 (72)発明者 天目 健二 大阪市此花区島屋一丁目１番３号 住友電 気工業株式会社大阪製作所内 Ｆターム(参考） 5H180 AA01 CC04 CC11 CC18 DD02 EE02 EE07
Claims (11)
- 【請求項１】複数（ｐ個とする）の車両観測地点に設置
され、通過車両の特徴量を観測する車両特徴量観測手段
と、 車両観測地点同士での通過車両の特徴量に基づいて通過
車両間のスコアを算出するスコア算出手段と、 車両の対応付けをｐ次元アライメント問題に帰着させ
て、それぞれの車両観測地点を通過した車両同士を対応
付ける演算手段とを備えることを特徴とする車両対応付
け装置。 - 【請求項２】車両特徴量観測手段が観測する特徴量の観
測値は、正規分布に従うとみなすことを特徴とする請求
項１記載の車両対応付け装置。 - 【請求項３】通過車両間のスコアを、特徴量の観測確率
密度としてのマッチコストを用いて算出することを特徴
とする請求項１記載の車両対応付け装置。 - 【請求項４】特徴量の相違が一定範囲を超える場合は、
別の車両とみなし、車両間のスコアとして、インターナ
ルギャップコストを設定することを特徴とする請求項３
記載の車両対応付け装置。 - 【請求項５】対応する車両が存在しない場合には、車両
間のスコアとして、イクスターナルギャップコストを設
定することを特徴とする請求項４記載の車両対応付け装
置。 - 【請求項６】イクスターナルギャップコストの値を、最
適なマッチングが得られている場合のマッチング部分の
スコアを、ｎ＋ｍ−ｘ（Ａ）で割ったもの（ｎは上流通
過台数、ｍは下流通過台数、ｘ（Ａ）は非マッチング台
数）とする請求項５記載の車両対応付け装置。 - 【請求項７】時系列最新時点側のイクスターナルギャッ
プコストの値を設定しないことを特徴とする請求項３記
載の車両対応付け装置。 - 【請求項８】車両特徴量観測手段は、車長を観測するも
のである請求項１記載の車両対応付け装置。 - 【請求項９】車両特徴量観測手段は、車高を観測するも
のである請求項１記載の車両対応付け装置。 - 【請求項１０】車両特徴量観測手段は、車両の画像を撮
影するものである請求項１記載の車両対応付け装置。 - 【請求項１１】ｐ＝２である請求項１記載の車両対応付
け装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000165648A JP2001344689A (ja) | 2000-06-02 | 2000-06-02 | 車両対応付け装置及び方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000165648A JP2001344689A (ja) | 2000-06-02 | 2000-06-02 | 車両対応付け装置及び方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2001344689A true JP2001344689A (ja) | 2001-12-14 |
Family
ID=18669093
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000165648A Pending JP2001344689A (ja) | 2000-06-02 | 2000-06-02 | 車両対応付け装置及び方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2001344689A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014048711A (ja) * | 2012-08-29 | 2014-03-17 | Toshiba Corp | 地上移動体経路導出装置 |
| WO2018211638A1 (ja) * | 2017-05-17 | 2018-11-22 | 三菱電機株式会社 | 物体同定装置、路側装置および物体同定方法 |
| CN109426791A (zh) * | 2017-09-01 | 2019-03-05 | 深圳市金溢科技股份有限公司 | 一种多站点多元车辆匹配方法、服务器及系统 |
-
2000
- 2000-06-02 JP JP2000165648A patent/JP2001344689A/ja active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014048711A (ja) * | 2012-08-29 | 2014-03-17 | Toshiba Corp | 地上移動体経路導出装置 |
| WO2018211638A1 (ja) * | 2017-05-17 | 2018-11-22 | 三菱電機株式会社 | 物体同定装置、路側装置および物体同定方法 |
| EP3618027A4 (en) * | 2017-05-17 | 2020-05-06 | Mitsubishi Electric Corporation | OBJECT IDENTIFICATION DEVICE, ROAD SIDE DEVICE, AND OBJECT IDENTIFICATION METHOD |
| CN109426791A (zh) * | 2017-09-01 | 2019-03-05 | 深圳市金溢科技股份有限公司 | 一种多站点多元车辆匹配方法、服务器及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Agrawal et al. | Censure: Center surround extremas for realtime feature detection and matching | |
| US20240346666A1 (en) | Three dimensional (3d) object detection | |
| US7519197B2 (en) | Object identification between non-overlapping cameras without direct feature matching | |
| CN105975929A (zh) | 一种基于聚合通道特征的快速行人检测方法 | |
| CN104978738A (zh) | 检测数字图像中的兴趣点的方法 | |
| CN111798483A (zh) | 一种抗遮挡行人跟踪的方法、装置及存储介质 | |
| JP3308617B2 (ja) | 動きベクトル検出装置及びその方法 | |
| Bartl et al. | Automatic camera calibration by landmarks on rigid objects | |
| JP2002342872A (ja) | 交通流の異常検知装置及び方法 | |
| CN115578468A (zh) | 外参标定方法、装置、计算机设备、存储介质 | |
| CN112001357B (zh) | 目标识别检测方法及系统 | |
| JP2001344689A (ja) | 車両対応付け装置及び方法 | |
| JP4734568B2 (ja) | 画像上移動物体計測点決定方法及び装置 | |
| Furnari et al. | Generalized Sobel filters for gradient estimation of distorted images | |
| CN113989761A (zh) | 一种对象跟踪方法、装置、电子设备及存储介质 | |
| CN116977671A (zh) | 基于图像空间定位的目标跟踪方法、装置、设备及存储介质 | |
| JP7243372B2 (ja) | 物体追跡装置および物体追跡方法 | |
| CN114882491B (zh) | 一种非机动车目标的跟踪方法、装置和电子设备 | |
| US20200003574A1 (en) | Method and device for fast detection of repetitive structures in the image of a road scene | |
| CN113191451B (zh) | 图像数据集处理方法和目标检测模型训练方法 | |
| CN116434156A (zh) | 目标检测方法、存储介质、路侧设备及自动驾驶系统 | |
| JP2003022442A (ja) | 物体検出／位置測定方法およびその装置、ならびにこの方法の実行プログラムおよびその記録媒体 | |
| CN115542271A (zh) | 雷达坐标和视频坐标标定方法、设备及相关装置 | |
| Layek et al. | Remote distance measurement from a single image by automatic detection and perspective correction | |
| CN112241967B (zh) | 目标跟踪方法、装置、介质和设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20041001 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20041207 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050204 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20010406 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20050426 |