JP2016181061A - 走行環境評価システム - Google Patents

Abstract

【課題】将来の視界不良を演算予測し、その予測結果に基づいて車両の走りやすさを示す走行環境を評価することのできる走行環境評価システムを提供する。【解決手段】走行環境評価システムは、所定の地点を走行する先行車両１００が撮影した画像に基づき同地点における現在の視界不良レベルＤ３を数値評価する視界不良認識部１１１と、同地点における過去から現在までの所定時間における過去降水量Ｄ１と現在から将来の所定時間における予測降水量Ｄ２とを用いて現在から所定時間経過後の将来にかけての視界不良レベル変化量を推定演算する視界不良予測部２１２を備える。視界不良予測部２１２は、視界不良認識部１１１による現在の視界不良レベルＤ３に対し、上記推定演算した視界不良レベル変化量を加味した評価値となる視界不良予測レベルＤ４を、当該地点の走行環境の評価値として評価し、その評価値を通信部２１０を通じて後続車両４００へ情報提供する。【選択図】図１

Description

本発明は、視界不良の情報に基づいて車両の走りやすさを示す走行環境を評価する走行環境評価システムに関する。

従来、この種の走行環境評価システムとしては、例えば特許文献１に記載のシステムが知られている。このシステムでは、複数の車両からそれら車両の走行時に収集した画像データを解析することにより所定のエリアごとの道路環境、交通状況、及び気象状況を特定し、それら特定した道路環境、交通状況、及び気象状況のそれぞれに既定された項目に基づきそれら対応するエリアごとに車両の走りやすさを示す走行環境の評価値を算出している。そして、各エリアの評価値を踏まえた経路の選択、経路の走りやすさの案内を行うようにしている。

国際公開ＷＯ２０１４／１６７７０１号公報

ところで、こうした走行環境の評価に用いられる気象状況の予測としては一般に、降雨量や雨雲の移動推移に基づいて各々の地点における将来の状態を予測することが行われている。しかしながら、車両の走りやすさをより正確に評価するためには、単に降雨や降雪の有無だけでなく、これら降雨や降雪により影響を受ける将来的な視界不良の程度まで予測できることが望ましい。

本発明は、このような実情に鑑みてなされたものであり、その目的は、将来の視界不良を演算予測し、その予測結果に基づいて車両の走りやすさを示す走行環境を評価することのできる走行環境評価システムを提供することにある。

以下、上記課題を解決するための手段及びその作用効果について記載する。
上記課題を解決する走行環境評価システムは、所定の地点を走行する車両が撮影した画像に基づき同地点における現在の視界の程度を数値評価する視界評価部と、同地点における過去から現在までの所定時間における降水量と現在から将来の所定時間における降水量とを用いて現在から所定時間経過後の将来にかけての視界の程度の変化量を推定演算する視界変化量推定部と、前記視界評価部による現在の視界の程度の評価値に対して前記視界変化量推定部により推定演算される視界の程度の変化量を加味した評価値を、同地点における将来の車両の走りやすさを示す評価値として予測する視界評価予測部と、前記視界評価予測部が予測した評価値を当該地点の走行環境の評価値として他車両へ情報提供する情報提供部とを備える。

上記構成によれば、ある地点における現在の視界の程度の評価値に対し、同地点における過去から現在までの所定時間における降水量と現在から将来の所定時間における降水量とから求まる視界の程度の変化量の推定値が加味されることにより、同地点における将来の視界の程度が予測される。そして、こうして予測される将来の視界の程度を当該地点での走行環境の評価値として他車両に提供することにより、他車両が今後走行するであろう地点についての車両の走りやすさを示す情報を他車両に事前に知らせることが可能となる。

走行環境評価システムの一実施の形態の概略構成を示すブロック図。 視界不良レベルの算出過程を説明するための機能ブロック図。 教師画像と視界不良レベルとの関連付けを説明するための模式図。 視界不良予測レベルの算出過程を説明するための機能ブロック図。 視界不良予測レベル算出処理の処理内容を示すフローチャート。 同実施の形態の走行環境評価システムが視界不良予測レベルを後続車両に情報提供する際の情報の流れを示すシーケンスチャート。

以下、走行環境評価システムの一実施の形態について図面を参照して説明する。
本実施の形態の走行環境評価システムは、進行方向や位置的な関係によって先行車両や後続車両となる複数の車両と、それら複数の車両の走行情報を無線通信を通じて管理するセンターとにより構成されている。各車両は、その都度の走行位置における車両周囲の画像を撮影し、その撮影した画像に基づき当該地点における現在の視界不良レベルを認識する。そして、各車両は、その認識した各々の地点における現在の視界不良レベルをセンターに転送する。センターは、複数の車両から収集した各々の地点における現在の視界不良レベルを統合して管理している。また、センターは、各々の地点における過去の降水量及び今後の予測降水量を考慮して当該地点における将来の視界不良レベルの変化量を推定する。そして、センターは、その推定した変化量を現在の視界不良レベルに対して加味することにより視界不良予測レベルを予測する。こうして予測された視界不良予測レベルは、各対応する地点を今後走行するであろう後続車両に配信されて、後続車両における経路の選択や経路の走りやすさの案内等に用いられる。

具体的には、図１に示すように、仮に先行車両になっているとする車両１００は、車両周囲の画像を撮影する車載カメラ等の画像センサ１１０を備えている。また、車両１００は、画像センサ１１０から読み出した画素信号に対して画像認識処理を行うことにより車両周囲の視界不良を認識する視界不良認識部１１１を備えている。ここで、こうした認識手法の一例として、本実施の形態ではＳＶＭ（サポートベクトルマシン）が採用されている。このＳＶＭは、複数のクラスに予め分類された教師データに対する統計処理を通じてそれらクラスを識別する判断基準を定めておき、未知のデータが新たに入力されたときにその定めておいた判断基準を基にクラス分けを行う識別手法の一種である。

本実施の形態では、図２に示すように、視界不良の判断基準の元となる教師データとして、画像センサ１１０が車両１００の走行時に撮影したカメラ画像Ｇ２の過去の画像を教師画像Ｇ１として、その教師画像Ｇ１から画像特徴量を抽出している（特徴抽出部１Ａ）。この画像特徴量は、その時点で画像センサ１１０が教師画像Ｇ１から検知した被写体との距離と関連付けて、視界不良認識部１１１に内蔵されている書き込み可能なＲＯＭ等に蓄積されている。なお、画像特徴量としては、例えば教師画像Ｇ１の画像全体から求まる特徴量の一種であるＧＩＳＴ等が用いられる。また、こうした教師画像Ｇ１からの被写体の距離の検出には、例えば位相差検出方式、コントラスト検出方式、あるいはＴＯＦ（タイム・オブ・フライト）方式等の検出方式が用いられる。

図３に示す例では、教師画像用のカメラ画像には、一軒の家が被写体Ａとして写っている。そして、この画像に対してパターン認識処理等を行うことにより被写体Ａが認識された時点における被写体Ａと画像センサ１１０との距離が、その都度の車両周囲の視界の程度として検出される。そして、この検出された視界の程度がカメラ画像と関連付けられることにより教師画像Ｇ１が構成される。なお、視界の程度は、視界不良レベルとして「１」〜「５」の５段階に数値評価され、視界の程度が悪くなるに連れて視界不良レベルが高くなっている。

そして、図２に示すように、こうして視界不良レベルと関連付けられた教師画像Ｇ１の画像特徴量に基づき、視界不良の判断基準となる視界不良認識器が学習される（学習部１Ｂ）。その後、車両１００が画像センサ１１０を通じて新たなカメラ画像Ｇ２を取得したときには、同じくそのカメラ画像Ｇ２からＧＩＳＴ等の画像特徴量が抽出される（特徴抽出部１Ｃ）。そして、抽出された画像特徴量を入力として、先に教師画像Ｇ１に基づき学習しておいた視界不良認識器を用いて、「１」〜「５」の５段階の視界不良レベルに分類される（画像分類部１Ｄ）。その後、分類された視界不良レベルが、車両１００のその都度の走行位置における視界不良レベルとして算出される（算出部１Ｅ）。そして本実施の形態では、こうした視界不良レベルの算出主体となる視界不良認識部１１１が「視界評価部」に相当する。

また、図１に示すように、車両１００は、視界不良認識部１１１を通じて視界不良レベルを算出したときには、その時点における車両位置に関する情報に基づき地図データベース１１２を参照しつつ該当する道路リンクＩＤを割り出す。また、車両１００は、割り出した道路リンクＩＤと関連付けて視界不良レベルを通信部１１３を通じてセンター２００に転送する。

一方、センター２００は、上記車両１００及び仮に後続車両になっているとする車両４００を含む複数の車両との通信を行う通信部２１０を有している。通信部２１０は、気象情報を管理する気象データベース３００との通信も併せて行う。この気象情報には、各エリアにおける過去から現在までの所定時間における降水量である過去降水量Ｄ１、及び、現在から将来の所定時間における降水量である予測降水量Ｄ２が含まれる。

そして、図４に示すように、センター２００は、車両１００が撮影したカメラ画像Ｇ２に基づき先の視界不良認識部１１１により視界不良認識が行われた結果をもとに算出された視界不良レベルＤ３を格納する。また、センター２００は、こうして格納された視界不良レベルＤ３の他、気象データベース３００から受信する過去降水量Ｄ１及び予測降水量Ｄ２も併せて用いて視界不良予測部２１２を通じた視界不良予測を行い、将来の車両の走りやすさを示す評価値として視界不良予測レベルＤ４を算出する。すなわち本実施の形態において、視界不良予測部２１２は「視界評価予測部」として機能する。

具体的には、図５に示すように、視界不良予測部２１２はまず、気象データベース３００から受信した過去降水量Ｄ１と予測降水量Ｄ２との大小関係を比較する（ステップＳ３０）。そして、予測降水量Ｄ２が過去降水量Ｄ１以上であるときには（ステップＳ３０＝ＹＥＳ）、予測降水量Ｄ２と過去降水量Ｄ１との差分を二乗した値を変数「γ」として算出する（ステップＳ３１）。その一方で、予測降水量Ｄ２が過去降水量Ｄ１未満であるときには（ステップＳ３０＝ＮＯ）、予測降水量Ｄ２と過去降水量Ｄ１との差分を二乗した値を負の値に反転して変数「γ」として算出する（ステップＳ３２）。

そして次に、視界不良予測部２１２は、先のステップＳ３１又はステップＳ３２において算出した変数「γ」を関数「β＝（γ−μ）／σ」に代入して変数「β」に変換する（ステップＳ３３）。この関数では、変数「γ」から変換される変数「β」を、平均「２」、分散「２．５」の範囲に収めるようにして変換用パラメータ「μ」及び「σ」が事前に学習されている。

そして、視界不良予測部２１２は、この関数を用いて算出される変数「β」を、所定時間経過後における降水量以外の環境要因に基づく視界不良レベル変化量に対して加算することにより、変数「α」を算出する（ステップＳ３４）。また、視界不良予測部２１２は、その算出した変数「α」を四捨五入することにより、現在から所定時間経過後の将来にかけての視界の程度の変化量となる視界不良レベル変化量を推定演算する（ステップＳ３５）。すなわち本実施の形態において、視界不良予測部２１２は「視界変化量推定部」としても機能する。

また、視界不良予測部２１２は、その推定演算した視界不良レベル変化量を、車両１００が撮影したカメラ画像に基づき算出される現在の視界不良レベルＤ３に加算することにより、変数「Ｌｔ」を算出する（ステップＳ３６）。

その後、視界不良予測部２１２は、この算出した変数「Ｌｔ」が「１以下」であるか否かを判定する（ステップＳ３７）。そして、変数「Ｌｔ」が「１以下」であるときには（ステップＳ３７＝ＹＥＳ）、変数「Ｌｔ」として「１」を設定した上で（ステップＳ３８）、その処理をステップＳ３９に移行する。その一方で、視界不良予測部２１２は、先のステップＳ３６において算出した変数「Ｌｔ」が「１以下」ではないときには（ステップＳ３７＝ＮＯ）、ステップＳ３８の処理を経ることなくその処理をステップＳ３９に移行する。

そして次に、ステップＳ３９において、視界不良予測部２１２は、先のステップＳ３６において算出した変数「Ｌｔ」が「５以上」であるか否かを判定する。そして、変数「Ｌｔ」が「５以上」であるときには（ステップＳ３９＝ＹＥＳ）、変数「Ｌｔ」として「５」を設定した上で（ステップＳ４０）、その処理をステップＳ４１に移行する。その一方で、視界不良予測部２１２は、先のステップＳ３６において算出した変数「Ｌｔ」が「５以上」ではないときには（ステップＳ３９＝ＮＯ）、ステップＳ４０の処理を経ることなくその処理をステップＳ４１に移行する。

すなわち、視界不良予測部２１２は、上記ステップＳ３７〜ステップＳ４０において、先のステップＳ３６において算出した変数「Ｌｔ」を「１〜５」の数値範囲内に収めるように数値変換を行う。そして、視界不良予測部２１２は、「１〜５」の数値範囲内に収まるように数値変換された変数「Ｌｔ」を、視界不良予測レベルＤ４として算出する（ステップＳ４１）。

その後、図１に示すように、センター２００は、こうして算出された視界不良予測レベルＤ４を、当該地点の走行環境の評価値として対応するカメラ画像とともに通信部２１０を通じて後続車両となる車両４００に配信（情報提供）する。これにより車両４００は、センター２００から配信された視界不良予測レベルＤ４をカメラ画像とともに通信部４１０を通じて受信し、その受信した視界不良予測レベルＤ４をカメラ画像とともにデータ表示部４１１に可視表示する。

次に、本実施の形態の走行環境評価システムの動作として、当該走行環境評価システムが視界不良予測レベルを算出した上で、その算出した視界不良予測レベルをセンター２００から後続車両となる車両４００に提供する際の処理についてその具体的な処理手順を説明する。

図６に示すように、視界不良予測レベルの算出に先立ち、先行車両となる車両１００は、その走行時に車両周囲のカメラ画像を撮影するとともに（ステップＳ５０）、その撮影したカメラ画像に基づき車両１００のその都度の走行位置における現在の視界不良レベルを算出する（ステップＳ５１）。そして、車両１００は、こうして算出した視界不良レベルを各対応するカメラ画像とともにセンター２００に転送（アップロード）する。

センター２００は、走行計画の際の推奨ルート選択時における情報要求を後続車両となる車両４００から受信すると、その選択された推奨ルートの周辺に対応する道路リンクＩＤを割り出す。そして、センター２００は、その割り出した道路リンクＩＤに関連付けられた視界不良レベルＤ３を用いて視界不良予測レベルＤ４を算出する（ステップＳ５２）。この視界不良予測レベルＤ４の算出では、その時点で車両１００から転送されている視界不良レベルの他、同時点で気象データベース３００から受信している過去降水量Ｄ１及び予測降水量Ｄ２から求まる降水変化量も併せて用いられる。そして、センター２００は、先のステップＳ５２において算出した視界不良予測レベルＤ４を各対応するカメラ画像とともに車両４００に配信する。

その後、車両４００は、センター２００から配信された視界不良予測レベルＤ４を元に、例えば走行が困難となるほどに視界不良である地点を回避する等して、走行計画の立案を行う（ステップＳ５３）。このとき、センター２００から配信されるカメラ画像をデータ表示部４１１に表示させる等、こうしたカメラ画像を併せて用いつつ走行計画の立案が行われる。

以上説明したように、上記実施の形態によれば、以下に示す効果を得ることができる。
（１）ある地点における現在の視界不良レベルＤ３に対し、同地点における過去から現在までの所定時間における過去降水量Ｄ１と現在から将来の所定時間における予測降水量Ｄ２とから求まる視界不良レベル変化量が加味されることにより、同地点における視界不良予測レベルＤ４が予測される。そして、こうして予測される視界不良予測レベルＤ４を当該地点での走行環境の評価値として後続車両となる車両４００に提供することにより、車両４００が今後走行するであろう地点についての車両の走りやすさを示す情報を該後続車両となる車両４００に事前に知らせることが可能となる。

なお、上記実施の形態は、以下のような形態にて実施することもできる。
・上記実施の形態において、センター２００から後続車両となる車両４００に配信される情報として、先行車両となる車両１００が撮影したカメラ画像を含めることなく、センター２００側で算出される視界不良予測レベルＤ４のみを含めるようにしてもよい。

・上記実施の形態において、視界不良予測レベルの算出過程は、図５に示したような演算方式に限られない。例えば、降水変化量と視界不良レベル変化量とを対応付けたマップを予め用意しておき、気象データベース３００等から新たに取得された降水変化量を元に上記マップを用いつつ視界不良レベル変化量を演算するようにしてもよい。

１００…車両（先行車両）、１１０…画像センサ、１１１…視界不良認識部、１１２…地図データベース、１１３…通信部、２００…センター、２１０…通信部、２１２…視界不良予測部、３００…気象データベース、４００…車両（後続車両）、４１０…通信部、４１１…データ表示部、Ｄ１…過去降水量、Ｄ２…予測降水量、Ｄ３…視界不良レベル、Ｄ４…視界不良予測レベル。

Claims (1)

1. 所定の地点を走行する車両が撮影した画像に基づき同地点における現在の視界の程度を数値評価する視界評価部と、
   同地点における過去から現在までの所定時間における降水量と現在から将来の所定時間における降水量とを用いて現在から所定時間経過後の将来にかけての視界の程度の変化量を推定演算する視界変化量推定部と、
   前記視界評価部による現在の視界の程度の評価値に対して前記視界変化量推定部により推定演算される視界の程度の変化量を加味した評価値を、同地点における将来の車両の走りやすさを示す評価値として予測する視界評価予測部と、
   前記視界評価予測部が予測した評価値を当該地点の走行環境の評価値として他車両へ情報提供する情報提供部と
   を備える走行環境評価システム。

Images