JP2017106834A - 方向推定装置 - Google Patents

Abstract

【課題】より低コストで実現可能な方向推定装置を提供する。【解決手段】方向推定部１３は、自車両において異なる位置に設けられている４つのアンテナ１１Ａ〜Ｄでの受信強度ＲＡ，ＲＢ，ＲＣ，ＲＤに基づいて、７種類の特徴量を抽出する。また、各特徴量を、各特徴量に対応する重み係数及びバイアス係数を用いて重み付け線形結合させることで、１つの値である方向指標値に帰結させる。そして、方向指標値と、予め機械学習によって決定しておいた閾値とを比較することで、搭載自転車が自車両にとって見通し外右側に存在するのか、見通し外左側に存在するのかを推定する。【選択図】図１

Description

本発明は、所定の通信装置から送信された信号を受信することによって当該通信装置が存在する方向を推定する方向推定装置に関する。

従来、所定の通信装置から送信された信号を受信することによって、当該通信装置が存在する方向を推定する方向推定装置が種々提案されている。例えば特許文献１に開示の位置推定装置は、通信装置から送信された信号をアレイアンテナで受信し、アレイアンテナで受信した信号の受信態様（位相や振幅）を解析することによって、探索信号の到来方向を推定する。なお、電波の到来方向を推定する方法としては、例えばＭＵＳＩＣ（Multiple Signal Classification）法等、周知の到来方向推定法を採用することができる。

特許第４７１２４１０号公報

ＭＵＳＩＣ法等といった、周知の到来方向推定法においては、行列演算が必要となってしまう。そのため、方向推定装置を実現するためのマイコンは、行列の要素数に応じた行列演算を遂行できる性能を有している必要がある。また、行列演算を速やかに実行するためには、相対的に高性能なマイコンを使用する必要がある。つまり、従来方法においてはマイコンに要求される性能が、方向推定装置の製造コストを低減する上でボトルネックとなりうる。

本発明は、この事情に基づいて成されたものであり、その目的とするところは、より低コストで実現可能な方向推定装置を提供することにある。

その目的を達成するための本発明は、移動体で用いられ、所定の周波数帯の電波を受信するための少なくとも１つのアンテナ（１１Ａ〜Ｄ）と、少なくとも１つのアンテナを介して、少なくとも３種類の受信パターンの受信信号強度を取得する受信強度取得部（１２Ａ〜Ｄ）と、受信強度取得部が取得した３種類の受信パターンの受信信号強度を用いて、電波の送信元としての送信元端末が、移動体から見て見通し外の左側に存在するか右側に存在するかを推定するための複数種類の特徴量を抽出する特徴量抽出部（Ｆ１）と、移動体から見て送信元端末が見通し外の左側に存在するか右側に存在するかを、複数種類の特徴量に基づいて推定するための推定用パラメータを記憶するパラメータ記憶部（１３１）と、パラメータ記憶部が記憶している推定用パラメータと、複数種類の特徴量を用いて、移動体から見て送信元端末が見通し外の左側に存在するか右側に存在するかを推定する方向推定部（Ｆ５）と、を備え、複数種類の受信パターンは、移動体におけるアンテナの設置位置とアンテナの受信方向の２つの要素のうちの少なくとも何れか一方がそれぞれ異なるものであり、複数種類の特徴量はいずれもスカラー量であり、推定用パラメータは、訓練データとして収集された複数種類の特徴量を示すデータを元に所定の機械学習アルゴリズムによって算出されたものであって、複数種類の特徴量のそれぞれに対応する複数の重み係数と、複数種類の特徴量のそれぞれに、その特徴量に対応する重み係数を乗算した値の総和から減算することによって、当該総和を送信元端末が移動体から見て見通し外の左側に存在するか右側に存在するかを示す方向指標値に変換するバイアス係数と、方向指標値との比較結果が、送信元端末が移動体から見て見通し外の左側に存在するか右側に存在するかを示す方向推定用閾値と、を備え、方向推定部は、特徴量抽出部が抽出した複数種類の特徴量のそれぞれに、その特徴量に対応する重み係数を乗算した値の総和からバイアス係数を減算することで方向指標値を算出し、方向指標値と方向推定用閾値とを比較することで移動体から見て送信元端末が見通し外の左側に存在するか右側に存在するかを推定することを特徴とする。

以上の構成では、複数の受信パターンにおける受信信号強度に基づいて、複数種類の特徴量を抽出する。また、方向推定部は、各特徴量に、各特徴量に対応する重み係数を乗算するとともにバイアス係数を減算することで、複数種類の特徴量を１つの方向指標値に帰結させる。そして、方向指標値と、予め機械学習によって決定しておいた方向推定用閾値とを比較することで、送信元端末が自車両にとって見通し外右側に存在するのか、見通し外左側に存在するのかを推定する。

以上の構成において、方向の推定に用いられる方向指標値は、スカラー量の乗算と加減算によって求めることができる。つまり、以上の構成においては送信元端末の方向を推定する上で、例えばMUSIC法のように、アレイアンテナで受信した信号の振幅及び位相を要素とした行列計算による解析を必要としない。したがって、上述の構成によれば、計算能力の低い安価なマイコンを用いて実現することが出来る。

なお、特許請求の範囲に記載した括弧内の符号は、一つの態様として後述する実施形態に記載の具体的手段との対応関係を示すものであって、本発明の技術的範囲を限定するものではない。

方向推定システム１００の概略的な構成を示すブロック図である。 各アンテナ１１Ａ〜Ｄの搭載位置の一例を示すブロック図である。 パラメータ学習処理の流れを説明するための図である。 搭載自転車が見通し外右側に存在する状況を表した概念図である。 機械学習によって定まるパラメータの一例を示す図である。 方向推定部１３の概略的な構成の一例を示すブロック図である。 試験結果の一例を示す図である。 試験結果の一例を示す図である。 変形例における方向推定部１３の概略的な構成を示すブロック図である。 試験結果の一例を示す図である。 試験結果の一例を示す図である。 変形例における方向推定システム１００の概略的な構成を示す図である。 変形例における報知処理部１４の構成を説明するためのブロック図である。 変形例における報知処理部１４の作動を説明するための図である。 変形例における報知処理部１４の構成を説明するためのブロック図である。 変形例における報知処理部１４の作動を説明するための図である。 アンテナ配置の変形例を示す図である。 アンテナ配置の変形例を図である。

［実施形態］
以下、本発明の実施形態について図を用いて説明する。図１は、本実施形態に係る方向推定システム１００の概略的な構成の一例を示す図である。方向推定システム１００は、図１に示すように、車両側ユニット１と自転車側ユニット２を備える。車両側ユニット１は、車両で用いられるデバイスであり、自転車側ユニット２は自転車に取り付けられて用いられるデバイスである。便宜上以降では、車両側ユニット１が用いられている車両を自車両と記載するとともに、自転車側ユニット２が取り付けられている自転車のことを搭載自転車とも記載する。

車両側ユニット１が請求項に記載の方向推定装置に相当し、自転車側ユニット２が請求項に記載の送信元端末に相当する。なお、ここでは自車両が四輪自動車である場合を想定して方向推定システム１００の作動を説明するが、これに限らない。車両側ユニット１は、二輪自動車や三輪自動車等で用いられてもよい。車両側ユニット１は、道路上を移動しうる存在（つまり移動体）で用いられればよい。

＜自転車側ユニット２について＞
まずは、自転車側ユニット２の構成について述べる。自転車側ユニット２は、図１に示すように、アンテナ２１、送信部２２、及び通信制御部２３を備える。

アンテナ２１は、車両側ユニット１が受信可能な周波数帯の信号を送信するためのアンテナである。ここでは一例として、自転車側ユニット２は、３００ＭＨｚ帯の電波を送信するものとする。アンテナ２１は、送信部２２から入力された信号を前述の周波数帯の電波に変換して空間へ放射する。

送信部２２は、通信制御部２３からの指示に基づき、所定の搬送波信号を生成し、アンテナ２１に出力する。通信制御部２３は、送信部２２の動作を制御する。例えば、通信制御部２３は、電力が供給されている場合に所定の送信周期で送信部２２に対して搬送波信号の送信を指示する。これにより、自転車側ユニット２は、所定の送信周期で無線信号を送信する。送信周期は適宜設計されればよく、例えば１００ミリ秒などとすれば良い。なお、自転車側ユニット２の電力源は、図示しないバッテリーとしてもよいし、搭載自転車のハブの回転によって発電を行うハブダイナモ等を用いて実現してもよい。

上述した自転車側ユニット２は、少なくとも自転車の前方に無線信号が送信されるような姿勢で取り付けられる。換言すれば、自転車側ユニット２の自転車における取り付け位置は適宜、アンテナ２１の指向性等を鑑みて設計されればよい。例えば自転車側ユニット２は、トップチューブ等のフレーム部分に、無線信号を自転車の前方に放射する姿勢で取り付けられれば良い。なお、ここでの自転車前方とは斜め前方を含む。もちろん、自転車側ユニット２は自転車の全方位に無線信号を送信する構成となっていてもよい。

＜車両側ユニット１について＞
次に、車両側ユニット１の構成について述べる。便宜上、車両側ユニット１が搭載されている車両を自車両とも記載する。車両側ユニット１は、図１に示すように、複数のアンテナ１１Ａ〜Ｄと、複数のアンテナ１１Ａ〜Ｄのそれぞれに対応する複数の受信部１２Ａ〜Ｄと、方向推定部１３と、報知処理部１４と、報知装置１５と、を備える。なお、以降においてアンテナ１１Ａ〜Ｄのそれぞれを区別しない場合には、それらの総称としてアンテナ１１と記載する。受信部１２Ａ〜Ｄについても同様に受信部１２とも記載する。

アンテナ１１Ａ〜Ｄは、自転車側ユニット２から送信される信号を受信するためのアンテナである。アンテナ１１Ａは、図２に示すように、自車両において右側前方に設けられており、アンテナ１１Ｂは、右側後方に設けられている。アンテナ１１Ｃは、自車両において左側前方に設けられており、アンテナ１１Ｂは、左側後方に設けられている。

より具体的には、アンテナ１１Ａは運転席のドアハンドル付近に設けられており、アンテナ１１Ｂは右側後部座席用のドアハンドル付近に設けられている。アンテナ１１Ｃは、助手席のドアハンドル付近に設けられており、アンテナ１１Ｄは左側後部座席用のドアハンドル付近に設けられている。

なお、各アンテナ１１の設置位置は適宜設計されれば良い。また、本実施形態においてアンテナ１１は、本実施形態では無指向性アンテナとするが、これに限らない。アンテナ１１は、指向性アンテナであってもよい。ただし、その場合、アンテナ１１は、指向性の中心が、車両側方か、又は、車両側方よりも車両前方側を向くように構成されているものとする。ここでの車両側方とは、車幅方向において、車両内側から外側に向かう方向である。

受信部１２Ａは、アンテナ１１Ａと接続されてあって、アンテナ１１Ａが受信した信号の受信強度Ｒ_１を検出する。そして、受信強度Ｒ_Ａを方向推定部１３に出力する。受信部１２Ｂ〜Ｄについても、接続しているアンテナが異なる点を除いて、受信部１２Ａと同様に構成されている。

つまり、受信部１２Ｂはアンテナ１１Ｂで受信した信号の受信強度Ｒ_Ｂを方向推定部１３に出力し、受信部１２Ｃはアンテナ１１Ｃで受信した信号の受信強度Ｒ_Ｃを方向推定部１３に出力する。受信部１２Ｄはアンテナ１１Ｄで受信した信号の受信強度Ｒ_Ｄを方向推定部１３に出力する。なお、ここでの受信強度は周知の受信信号強度に相当するものであって、受信強度の検出は、周知のＲＳＳＩ回路を用いて実現すれば良い。受信部１２Ａ〜Ｄが請求項に記載の受信強度取得部に相当する。

方向推定部１３は、受信部１２Ａ〜Ｄのそれぞれから入力される受信強度に基づいて、自転車側ユニット２が存在する方向を推定する。この方向推定部１３については別途後述する。

この方向推定部１３は、ＲＯＭやフラッシュメモリ等の不揮発性の記憶媒体を用いて実現されるパラメータ記憶部１３１を備える。なお、パラメータ記憶部１３１は、フラッシュメモリのような、不揮発性であって且つ書き換え可能な記憶媒体を用いて実現されていることが好ましい。

パラメータ記憶部１３１には、受信部１２Ａ〜Ｄのそれぞれから入力される受信強度に基づいて自転車側ユニット２が存在する方向するためのパラメータ（以降、推定用パラメータ）が格納されている。推定用パラメータは、後述するパラメータ学習処理によって決定される。

報知処理部１４は、報知装置１５と協働して、方向推定部１３の推定結果を自車両の乗員（例えばドライバ）に報知する処理（以降、報知処理）を実施する。報知装置１５は、方向推定部１３の推定結果を自車両の乗員に提示するためのデバイスであって、例えば、スピーカやディスプレイを用いることができる。

例えば報知処理部１４は、方向推定部１３によって自転車側ユニット２が右側前方の見通し外に存在すると推定された場合、搭載自転車が右側前方の見通し外に存在することを知らせる音声メッセージや警告音を報知装置１５としてのスピーカから出力させる。また、報知装置１５がディスプレイである場合には、自転車側ユニット２が存在する方向をユーザに知らせるための画像やテキストを表示させてもよい。

なお、報知装置として利用可能な装置は、スピーカやディスプレイに限らない。ＬＥＤなどから成るインジケータを点灯させたり、点滅させたりすることで、推定された方向に自転車側ユニット２が存在する旨を通知してもよい。また、振動装置（いわゆるバイブレータ）を振動させることで、自転車側ユニット２が存在する旨を警告してもよい。

＜パラメータ学習処理＞
ここではパラメータ学習処理について述べる。このパラメータ学習処理は、例えば、方向推定システム１００の設計者や管理者等によって実施される。また、製品の設計や製造段階だけでなく、工場出荷後においてディーラーショップ等で実施されても良い。以下、パラメータ学習処理の具体的な手順について述べる。

パラメータ学習処理は、図３に示すように、複数のステップＳ１〜Ｓ４を備える。ステップＳ１は、訓練用の受信強度データを収集するステップである。訓練用の受信強度データは、後述する訓練用の特徴ベクトルを生成するための元データとして利用される。個々の訓練用受信強度データは、アンテナ１１Ａ〜Ｄのそれぞれにおける受信強度Ｒ_Ａ，Ｒ_Ｂ，Ｒ_Ｃ，Ｒ_Ｄを一つのデータセットとして備える。

訓練用受信強度データを収集するための試行は、自車両から見て右側前方の見通し外に自転車側ユニット２が存在する場合と、自車両から見て左側前方の見通し外に自転車側ユニット２が存在する場合を想定して複数回実施される。つまり、訓練用受信強度データには、大きくは、自車両から見て右側前方の見通し外に自転車側ユニット２が存在する場合を示すデータと、自車両から見て左側前方の見通し外に自転車側ユニット２が存在する場合を示すデータの２種類のデータに分類される。

便宜上、自車両から見て右側前方の見通し外に自転車側ユニット２が存在する場合を想定した試行によって得られるデータを右側想定受信強度データ、自車両から見て左側前方の見通し外に自転車側ユニット２が存在する場合を想定した試行によって得られるデータを左側想定受信強度データと記載する。

なお、ここでの見通し外とは、搭載自転車から送信された信号が直接的に自車両Ｖまで到達しないような領域を指す。搭載自転車が見通し外に存在する場合とは、図４に示すように車両側ユニット１から見て、搭載自転車Ｂｋが、電波の電波を阻害する障害物の陰に隠れている状態を表す。

なお、図４は自車両Ｖから見て自転車側ユニット２が右側前方の見通し外に存在する場合を表している。また、図４は一例として、自転車Ｂｋと自車両Ｖとは、それぞれ異なる方向からＴ字路に接近している状況を表している。

ステップＳ１において収集された訓練用受信強度データは、右側想定受信強度データと左側想定受信強度データとで区別されて、訓練用受信強度記憶部Ｍ１に格納される。

ステップＳ２では、訓練用受信強度記憶部Ｍ１に保存されている訓練用受信強度データのそれぞれにおける特徴量を抽出する。ここでの特徴量とは、自車両から見て右側前方の見通し外に自転車側ユニット２に存在するのか、左側前方の見通し外に存在するのかを識別するための特徴量である。

本実施形態では、一例として４つの受信強度Ｒ_Ａ，Ｒ_Ｂ，Ｒ_Ｃ，Ｒ_Ｄから７種類の特徴量を抽出する。７種類の特徴量は、それぞれを１つの要素とする特徴ベクトルとして表されればよい。便宜上、特徴ベクトルが備える要素を順に、Ｘ_１，Ｘ_２，Ｘ_３，Ｘ_４，Ｘ_５，Ｘ_６，Ｘ_７とする。

また、特徴量としての各要素Ｘ_１，Ｘ_２，Ｘ_３，Ｘ_４，Ｘ_５，Ｘ_６，Ｘ_７を、ここでは一例として次のように定義する。
・Ｘ_１＝（Ｒ_Ａ＋Ｒ_Ｂ）＞（Ｒ_Ｃ＋Ｒ_Ｄ）
・Ｘ_２＝Ｒ_Ａ＞（Ｒ_Ｂ＋Ｒ_Ｄ）
・Ｘ_３＝（Ｒ_Ｂ＋Ｒ_Ｄ）＞Ｒ_Ｃ
・Ｘ_４＝Ｒ_Ａ＞Ｒ_Ｃ
・Ｘ_５＝Ｒ_Ｂ＞Ｒ_Ｄ
・Ｘ_６＝Ｒ_Ａ＞Ｒ_Ｄ
・Ｘ_７＝Ｒ_Ｂ＞Ｒ_Ｃ
各要素の値は、右辺の比較の結果が真であれば１に、偽であれば０に設定する。ここでは一例として何れの要素も、自車両から見て右側前方の見通し外に自転車側ユニット２に存在する場合に、比較結果が真となって１が設定されるように定義している。なお、Ｒ_Ａ＋Ｒ_Ｂや、Ｒ_Ｃ＋Ｒ_Ｄ、Ｒ_Ｂ＋Ｒ_Ｄ等が請求項に記載の合成受信強度に相当する。

なお、以上の構成によれば、各要素は１と０に２値化されているため、各要素を１つのビットで表すことができる。つまり、本実施形態における７つの要素からなる特徴ベクトルは、７ビットのビット列で取り扱うことが出来る。便宜上、以降では特徴ベクトルを表すビット列を、特徴量データと記載する。特に、訓練用受信強度データから生成した特徴量データを、訓練用特徴量データと記載する。

つまり、ステップＳ２では、上述した定義に基づいて各訓練用受信強度データに対応する訓練用特徴量データを生成して、訓練用特徴量記憶部Ｍ２に格納する。もちろん、訓練用特徴量記憶部Ｍ２において、右側想定受信強度データを元に生成された訓練用特徴量データと、左側想定受信強度データを元に生成された訓練用特徴量データは、互いに区別されて保存される。以降では、右側想定受信強度データを元に生成された訓練用特徴量データを右側訓練用特徴量データ、左側想定受信強度データを元に生成された訓練用特徴量データを左側訓練用特徴量データと称する。

ステップＳ３では、訓練用特徴量記憶部Ｍ２に保存されている右側訓練用特徴量データと左側訓練用特徴量データを訓練データ（換言すれば教師データ）として、周知の機械学習アルゴリズムによって、自車両から見て右側前方の見通し外に自転車側ユニット２に存在する場合を表すクラスと、左側に存在する場合を表すクラスとを区切る境界面を決定する。

当該境界面は、特徴量としての各要素Ｘ_１〜Ｘ_７に付与する重み係数Ｗ_１〜Ｗ_７と、閾値Ｙｔｈと、バイアス係数Ｂとを用いて表現される。各要素に乗算する重み係数Ｗ_１〜Ｗ_７と、閾値Ｙｔｈと、バイアス係数Ｂが、推定用パラメータに相当する。

各要素に乗算する重み係数Ｗ_１〜Ｗ_７は、次の式１によって定まるＹが、自転車側ユニット２が右側前方の見通し外に存在する場合に取りうる値の範囲と、左側前方の見通し外に存在する場合に取りうる値の範囲とを分離させるためのパラメータである。Ｗ_ｉは要素Ｘ_ｉに対応する重み係数である。なお、添字のｉは、各要素のインデックス（換言すれば番号）に相当し、１〜７までの値をとる。

また、閾値Ｙｔｈは、前述の２つのクラスの境界として機能する値である。閾値Ｙｔｈは、次の式２によって表される。式中のパラメータＫは、重み係数Ｗ_１〜Ｗ_７から閾値Ｙｔｈを決定するためのパラメータである。例えばＫ＝０．５である。閾値Ｙｔｈが請求項に記載の方向推定用閾値に相当する。

バイアス係数Ｂは、次の式３によって定まる。式中のパラメータρは、重み係数Ｗ１〜Ｗ_７からバイアス係数Ｂを決定するためのパラメータである。ρの具体的な値は、サポートベクタマシン法によって定まる。

なお、ここでは用いる機械学習アルゴリズムは、周知となっている種々のアルゴリズムを用いることができる。本実施形態では一例としてサポートベクタマシン法を用いることとする。もちろん他の態様として、例えば、ニューラルネットワーク法やベイズ推定法などを用いてもよい。図５は、サポートベクタマシン法によって定まる重み係数Ｗ１〜Ｗ_７とρ値の一例を表している。

また、本実施形態では、線形性の式を用いて各要素Ｘ_ｉを１つの値（つまりＹ）に帰結させる態様を採用しているが、これに限らない。他の態様として非線形性の式を用いてもよい。各要素Ｘ_ｉが１つの値に帰結しさえすればよい。

ステップＳ４では、ステップＳ３で取得した重み係数Ｗ１〜Ｗ_７、閾値Ｙｔｈ、及びバイアス係数Ｂを、推定用パラメータとして採用して、パラメータ学習処理を終了する。以上によって決定される種々のパラメータが、パラメータ記憶部１３１に格納される。

＜方向推定部１３について＞
次に、方向推定部１３の構成及び作動について図６を用いて説明する。図６に示すように方向推定部１３は、特徴量抽出部Ｆ１、重み付け部Ｆ２、方向指標値算出部Ｆ３、閾値判定部Ｆ４、方向特定部Ｆ５を備える。

これら方向推定部１３が備える種々の機能ブロックのそれぞれは、ＣＰＵが所定のプログラムを実行することによってソフトウェア的に実現されても良いし、１つ又は複数のＩＣを用いてハードウェア的に実現されてもよい。また、ソフトウェアとハードウェアを組み合わせて実現されても良い。ファームウェアとして実現されても良い。

特徴量抽出部Ｆ１は、受信部１２Ａ〜１２Ｄのそれぞれから受信強度Ｒ_Ａ，Ｒ_Ｂ，Ｒ_Ｃ，ＲＤを取得する。そして、パラメータ学習処理時と同様の定義を用いて、各アンテナでの受信強度Ｒ_Ａ，Ｒ_Ｂ，Ｒ_Ｃ，Ｒ_Ｄから、特徴量データを取得する。ここでの特徴量データとは、７種類の特徴量をビット列として表したものである。すなわち、特徴量抽出部Ｆ１は、受信部１２Ａ〜１２Ｄのそれぞれから入力された受信強度Ｒ_Ａ，Ｒ_Ｂ，Ｒ_Ｃ，Ｒ_Ｄに対応する要素Ｘ_１，Ｘ_２，…，Ｘ_７を取得する。そして、要素Ｘ_１，Ｘ_２，…，Ｘ_７を示す特徴量データを重み付け部Ｆ２に提供する。

重み付け部Ｆ２は、各要素Ｘ_ｉに対応する重み係数乗算部Ｆ２１〜Ｆ２７を備え、特徴量抽出部Ｆ１から提供される特徴量データに示される各要素Ｘ_ｉに対して、各要素Ｘ_ｉに対応する重み係数Ｗ_ｉを乗算する。

例えば、重み係数乗算部Ｆ２１は、要素Ｘ_１に対して重み係数Ｗ_１を乗算する。そして、重み係数乗算部Ｆ２１は、その乗算結果として得られる値Ｚ_１を方向指標値算出部Ｆ３に出力する。他の重み係数乗算部Ｆ２２〜２７も同様に、自分自身が対応する要素Ｘ_ｉに、重み係数Ｗ_ｉを乗算した値Ｚ_ｉを方向指標値算出部Ｆ３に出力する。なお、重み係数Ｗ_ｉは、パラメータ記憶部１３１に格納されている値を用いれば良い。

方向指標値算出部Ｆ３は、重み付け部Ｆ２から入力される値Ｚ_ｉを全て加算する。そして、その合計値（つまりＺ_ｉの総和）から、バイアス係数Ｂを減算した値を方向指標値として採用する。方向指標値は、前述のＹに相当する。つまり、重み付け部Ｆ２と方向指標値算出部Ｆ３は、式１の演算処理を分担して実施している。なお、バイアス係数Ｂは、パラメータ記憶部１３１に格納されている値を用いれば良い。

閾値判定部Ｆ４は、方向指標値算出部Ｆ３によって算出された方向指標値Ｙと、閾値Ｙｔｈとを比較する。閾値Ｙｔｈは、前述のとおり、方向指標値Ｙから搭載自転車が右側前方の見通し外に存在するか左側に存在するかを判定するための閾値である。方向指標値Ｙが閾値Ｙｔｈよりも大きい場合には真を示す値（例えば１）を方向特定部Ｆ５に出力し、方向指標値Ｙが閾値Ｙｔｈ以下である場合には偽を示す値（例えば０）を方向特定部Ｆ５に出力する。

方向特定部Ｆ５は、閾値判定部Ｆ４の判定結果に基づいて、自転車が存在する方向を特定する。つまり、閾値判定部Ｆ４から真を表す値が入力された場合には搭載自転車は右側前方の見通し外に存在すると判定し、閾値判定部Ｆ４から偽を表す値が入力された場合には搭載自転車は左側前方の見通し外に存在すると判定する。方向指標値Ｙが閾値Ｙｔｈよりも大きいということは、搭載自転車は右側前方の見通し外に存在することを示唆しており、方向指標値Ｙが閾値Ｙｔｈ以下ということは搭載自転車が左側前方の見通し外に存在することを示唆しているためである。

＜実施形態のまとめ＞
以上の構成では、それぞれ自車両において異なる位置に設けられている４つのアンテナ１１Ａ〜Ｄでの受信強度Ｒ_Ａ，Ｒ_Ｂ，Ｒ_Ｃ，Ｒ_Ｄに基づいて、７種類の特徴量（つまり、要素Ｘ_１〜Ｘ_７）を抽出する。また、各要素Ｘ_１〜Ｘ_７を、各要素に対応する重み係数Ｗ_１〜Ｗ_７及びバイアス係数Ｂを用いて重み付け線形結合させることで、１つの値である方向指標値Ｙに帰結させる。そして、方向指標値Ｙと、予め機械学習によって決定しておいた閾値Ｙｔｈとを比較することで、搭載自転車が自車両にとって見通し外右側に存在するのか、見通し外左側に存在するのかを推定する。

以上で提示したアルゴリズムでは、例えばMUSIC法のような、アレイアンテナで受信した信号の振幅及び位相を要素とした行列計算による解析を必要としない。本実施形態の車両側ユニット１は、スカラー量である受信強度Ｒを用いて10回以下の乗算と加減算のみで方向を推定することができる。

つまり、本実施形態にて提示したアルゴリズムは、計算能力の低い安価なマイコンに実装できる簡便なアルゴリズムとなっている。そして、このアルゴリズムによれば、行列計算を必要とする周知の電波到来方向推定法に比べて、方向推定部１３において必要となる演算量を低減させることができる。

また、パラメータ学習処理に用いる訓練データとしての訓練用特徴量データの数が増えるほど、見通し外電波伝搬環境において、自転車側ユニット２が存在する方向を誤った方向に推定する恐れを低減できる。つまり、以上の構成によれば、アルゴリズムの簡略化と、方向推定精度向上を両立することができる。

また、信号の送信元としての通信装置が見通し外に存在する場合、その通信装置から送信された電波は様々な経路で方向推定装置に到来する。ＭＵＳＩＣ法等といった、周知の到来方向推定法（以降、従来方法）では、そのような場合、信号の到来方向の候補が複数検出される。したがって、従来方法では、見通し外に存在する通信装置が存在する方向を推定することが困難となる。

そのような課題に対し、本実施形態の構成では、そもそも見通し外に信号の送信元（つまり搭載自転車）が存在する場合を想定した種々の推定用パラメータを用いて、搭載自転車が存在する方向を推定している。したがって、見通し外に搭載自転車が存在する場合であっても、当該搭載自転車が存在する方向を推定することができる。

さらに、以上の構成によれば、方向推定に受信信号の位相差を用いない。そのため、自転車側ユニット２と車両側ユニット１とが位相同期している必要はない。したがって、自転車側ユニット２と車両側ユニット１とが位相同期できない態様であっても、方向推定を可能となる。

ところで、上述したアルゴリズムは、位置指紋法を応用した技術と見なすこともできる。位置指紋法を用いて方向を推定する技術としては、特開２０１１−１７９９４６号公報に開示の方向推定装置（以降、比較構成）がある。しかし、比較構成においては、方向推定に５０個度の要素が必要となる。

これに対し、本実施形態において方向推定に用いる変数としての要素は、各アンテナ１１Ａ〜Ｄでの受信強度Ｒ_Ａ，Ｒ_Ｂ，Ｒ_Ｃ，Ｒ_Ｄから定まる要素Ｘ_１〜Ｘ_７だけである。つまり、本実施形態において方向推定に必要となる要素数は７つだけである。したがって、本実施形態の構成によれば、従来構成と比べて５分の１以下の要素数で無線信号の送信元が存在する方向を推定できる。

当然、演算に用いる要素数が少ないほど、演算負荷を低減でき、より低価なマイコンを用いて方向推定部１３を実現することができる。また、演算に用いる要素数の低減は演算時間の短縮といった効果も奏する。つまり、本実施形態の構成によれば、比較構成に対して、部品コストの低減や、演算速度の向上といった効果を奏する。

なお、受信している電波の送信元が見通し外に存在するか否かは、種々の方法で判定すればよい。例えば、自車両前方を撮影する車載カメラが撮影した画像データに対して画像認識処理を施すことで判定すればよい。つまり、画像認識処理の結果、自転車を認識していないにも関わらず、電波を受信した場合には、見通し外に搭載自転車が存在すると判定すれば良い。もちろん、見通し内における自転車の存在を検出するデバイスは、車載カメラに限らず、レーザレーダなどであっても良い。

また、パラメータ学習処理によって、見通し内に自転車側ユニット２が存在するパターンを学習させることによって、推定用パラメータを見通し内に自転車側ユニット２が存在する場合を除外できる値に設定してもよい。

以上、本発明の実施形態を説明したが、本発明は上述の実施形態に限定されるものではなく、以降で述べる種々の変形例も本発明の技術的範囲に含まれ、さらに、下記以外にも要旨を逸脱しない範囲内で種々変更して実施することができる。

なお、前述の実施形態で述べた部材と同一の機能を有する部材については、同一の符号を付し、その説明を省略する。また、構成の一部のみに言及している場合、他の部分については先に説明した実施形態の構成を適用することができる。

［変形例１］
車両側ユニット１が備えるアンテナ１１Ａ〜Ｄと、自転車側ユニット２のアンテナ２１は、アンテナ偏波が互いに直交するような構成となっていても良い。例えば、車両側ユニット１が備えるアンテナ１１Ａ〜Ｄの偏波面を垂直偏波とし、自転車側ユニット２のアンテナ２１が信号送信に用いる偏波面を水平偏波としてもよい。もちろん、車両側ユニット１が備えるアンテナ１１Ａ〜Ｄの偏波面を水平偏波とし、自転車側ユニット２のアンテナ２１の偏波面を垂直偏波としてもよい。そのように、車両側ユニット１と自転車側ユニット２とが送受信の対象とする偏波面を互いに直交させることで、図７、図８に示すように推定精度を向上させることができる。

なお、図７、図８は、車両側ユニット１が受信対象とする偏波面を垂直偏波として、自転車側ユニット２のアンテナ２１の偏波面を、車両側ユニット１における偏波面と同一の偏波面（つまり垂直偏波）とした場合と直交する偏波面（つまり垂直偏波）とした場合の試験結果を表している。図７は、自転車側ユニット２が自車両から見て見通し外左側に存在する場合の試験結果を、図８は、自転車側ユニット２が自車両から見て見通し外左側に存在する場合の試験結果を、それぞれ表している。

図７、図８における丸型のプロットは互いの偏波面を直交させた場合の推定結果を、四角形のプロットは互いの偏波面を同一偏波面とした場合の推定結果を、それぞれ表している。図７、図８を参照すれば確認できるように、自転車側ユニット２のアンテナ２１の偏波面を、車両側ユニット１における偏波面と直交する偏波面（つまり垂直偏波）とした場合のほうが、正しい方向を推定できている。

［変形例２］
上述した実施形態では、方向特定部Ｆ５は、閾値判定部Ｆ４による１回の比較結果に基づいて、自転車側ユニット２が存在する方向を推定する態様を例示したが、これに限らない。

閾値判定部Ｆ４による直近の判定結果を、少なくともＮ回分（つまり所定回数分）保持しておき、当該Ｎ回分の判定結果から多数決の原理に則って、自転車側ユニット２が存在する方向を推定してもよい。ここで用いるＮは、奇数個であればよい。また、Ｎは、誤推定が抑制されるような十分に大きい数に設定されていることが好ましい。例えば、Ｎは７以上の奇数とすればよい。

そのような多数決による方向推定は、方向特定部Ｆ５が備える多数決判定部Ｆ５１（図９参照）によって実施されれば良い。なお、多数決判定部Ｆ５１は、Ｎ回分の閾値判定部Ｆ４による判定結果を保持するためのメモリを備えるものとする。

このような態様によれば、図１０、図１１に示すように、自転車側ユニット２が存在する方向を誤った方向に推定してしまう恐れを、より一層低減することができる。なお、図９、１０は、車両側ユニット１の偏波面を垂直偏波とし、自転車側ユニット２の偏波面を水平偏波とした場合の試験結果を表している。図１０は、自転車側ユニット２が自車両から見て見通し外左側に存在する場合の試験結果を、図１１は、自転車側ユニット２が自車両から見て見通し外左側に存在する場合の試験結果を、それぞれ表している。

図１０、図１１における丸型のプロットは、多数決判定を実施しなかった場合の推定結果を、四角形のプロットは多数決判定部Ｆ５１による多数判定を実施した場合の推定結果を、それぞれ表している。

図１０に示す四角形のプロットと図７に示す丸型のプロットの分布、及び、図１１に示す四角形のプロットと図８に示す丸型のプロットの分布を比較すれば分かるように、多数決判定部Ｆ５１による多数決判定を導入することにより、推定精度が向上する。

［変形例３］
図１２に示すように、方向推定システム１００は、種々のパラメータを管理するセンタ３を備え、車両側ユニット１での推定結果及びその推定に用いた特徴量データ等をセンタ３にフィードバックすることで、より適切なパラメータを学習させる態様としてもよい。そのような態様を変形例３とし、以下、この変形例３の具体的な構成の一例について述べる。

本変形例３における車両側ユニット１は、図１２に示すように、上述した実施形態の車両側ユニット１が備える各部材に加えて、加速度センサ１６、ＧＮＳＳ受信機１７、広域通信部１８、及び、車両側制御部１９を備える。

加速度センサ１６は、車両側ユニット１に作用する加速度を検出し、その検出結果を車両側制御部１９に逐次提供する。加速度センサ１６が検出する加速度は、自車両のドライバが急なブレーキを実施したか否かを車両側制御部１９が判断するための指標として利用される。なお、前述の指標として、加速度センサ１６が検出する加速度に代わって、例えば車速センサなど、その他のセンサの検出結果を利用してもよい。加速度センサ１６が請求項に記載の物理状態量取得部に相当し、加速度が物理状態量に相当する。

ＧＮＳＳ受信機１７は、ＧＮＳＳ（Global Navigation Satellite System）で用いられる衛星（ＧＮＳＳ衛星とする）から送信される電波を受信することで、ＧＮＳＳ受信機１７の現在位置を示す情報を取得する。ＧＮＳＳ受信機１７が取得した現在位置は、例えば、緯度、経度で表されれば良い。ＧＮＳＳ受信機１７が取得した位置情報は逐次（例えば１００ミリ秒毎に）車両側制御部１９に提供される。

広域通信部１８は、広域通信網に接続し、センタ３と通信を実施するための通信モジュールである。広域通信部１８は、車両側制御部１９から入力されたデータを変調して、センタ３に送信する。また、センタ３から送信されたデータを受信する。なお、ここでの広域通信網とは、携帯電話網やインターネット等といった、電気通信事業者等によって提供される公衆無線通信網を指す。広域通信部１８が請求項に記載の無線通信部に相当する。

車両側制御部１９は、通常のコンピュータとして構成されており、ＣＰＵ、ＲＡＭ、ＲＯＭ、Ｉ／Ｏ、及びこれらの構成を接続するバスラインなどを備えている。ＲＯＭには、通常のコンピュータを車両側制御部１９として機能させるためのプログラム（以降、制御プログラム）や種々の設定データが格納されている。

この車両側制御部１９は、加速度センサ１６からの入力に基づき、自車両のドライバが急なブレーキ操作を実施したか否かを判定する。例えば、加速度の単位時間あたりの変量が所定の閾値以上となった場合に、急ブレーキを実行したと判定する。急ブレーキを実行したと判定するということは、急ブレーキを検出することに相当する。なお、車両側ユニット１が自車両の車速情報を取得できる構成となっている場合には、車速の時間変化に基づいて急ブレーキを検出してもよい。車両側制御部１９が請求項に記載の判断部に相当する。

また、車両側制御部１９は、方向特定部Ｆ５によって見通し外に搭載自転車が存在していると判定している状態において急ブレーキを検出した場合にはフィードバックデータを生成して広域通信部１８に出力する。フィードバックデータには、今回の方向推定に用いた推定用パラメータ、特徴量データ、及び推定結果（以降、特徴量データ等）を含むデータである。

見通し外に搭載自転車が存在していると判定している状態においてドライバが急ブレーキを実施したということは、推定が誤っていた可能性がある。そのため、フィードバックデータは、誤推定を実施した状況を示すデータとして機能する。

また、フィードバックデータは、ＧＮＳＳ受信機１７が検出している自車両の現在位置を含むことが好ましい。そのような構成によれば、センタ３は、フィードバックデータに含まれる特徴量データ等と誤推定が生じた地点とを対応付けて蓄積することができる。その結果、誤推定が起きやすい地点や、自転車が飛び出してくる可能性が高い地点をセンタ３が特定することができる。

センタ３は、車両の外部において、車両側ユニット１と広域通信網を介して相互通信可能に構成されている。センタ３は、図１２に示すようにセンタ側広域通信部３１、センタ側制御部３２、特徴量データベース３３、及び、配信パラメータ記憶部３４を備える。センタ側広域通信部３１は、広域通信網を介して車両側ユニット１と無線通信を実施するための通信モジュールである。センタ側広域通信部３１は、車両側ユニット１から送信されてきたデータを受信して、センタ側制御部３２に提供する。また、センタ側制御部３２から入力されたデータを変調して車両側ユニット１に送信する。

センタ側制御部３２は、センタ３の動作を制御する。センタ側制御部３２は、１つのサーバ装置によって実現されていてもよいし、クラウドコンピューティング技術によって複数のサーバ装置を用いて実現されていてもよい。

このセンタ側制御部３２は、主として、前述のパラメータ学習処理と同様の処理を実施し、推定用パラメータの更新等を実施する。具体的には、センタ側制御部３２は、次のような機能を提供する。まず、センタ側制御部３２は、車両側ユニット１から送信され、センタ側広域通信部３１が受信したフィードバックデータに含まれている特徴量データ等と、そのフィードバックデータに含まれている位置情報とを対応付けて、特徴量データベース３３に保存する。

フィードバックデータには、前述の通り、特徴量データと、その特徴量データを用いた推定の結果とが含まれている。そのため、車両側ユニット１からフィードバックされてきた特徴量データは訓練用データとして利用することができる。ただし、推定の結果は、誤推定の結果を表している。したがって、例えば、推定結果が見通し外右方向となっている特徴量データは、左側訓練用特徴量データとして利用し、推定結果が見通し外左方向となっている特徴量データは、右側訓練用特徴量データとして利用する。

そして、センタ側制御部３２は、特徴量データベース３３に格納されているフィードバックデータに基づいて機械学習処理を実施し、新たな推定用パラメータを算出する。なお、センタ側制御部３２は、地点情報毎、換言すれば、交差点毎のフィードバックデータを訓練用データとして用いることで、交差点毎の推定用パラメータを算出してもよい。そのような態様によれば、交差点毎の特性（例えば形状等）に応じた推定用パラメータを算出することができる。どのフォードバック情報が、何れの交差点に属する情報であるかは、フィードバック情報に対応付けられている位置情報と、別途用意されている道路地図データとから特定されれば良い。ここでの道路地図データとは、道路の接続関係を示す地図データであって、交差点の位置等を示すデータである。

そして、推定用パラメータを算出した場合には、その新たな推定用パラメータを配信パラメータ記憶部３４に格納する。もちろん、推定用パラメータを交差点毎に算出した場合には、算出した推定用パラメータは、交差点の位置を示す位置情報と対応付けて保存されれば良い。

また、センタ側制御部３２は、センタ側広域通信部３１と協働し、新たに算出した推定用パラメータを随時車両側ユニット１に配信する。推定用パラメータを配信する条件は適宜設計されれば良い。例えば、車両側ユニット１からの要求に基づいて配信する態様とすればよい。もちろん、一定の時間間隔（例えば１週間おきに）配信する態様としてもよい。

特徴量データベース３３は、車両側ユニット１から送信されてきたフィードバックデータに含まれている特徴量データ等と、そのフィードバックデータに含まれている位置情報とを対応付けて記憶する。位置情報毎の特徴量データは、前述の訓練用特徴量データとして、センタ側制御部３２によって利用される。つまり、特徴量データベース３３は、前述の訓練用特徴量記憶部Ｍ２として機能する。

配信パラメータ記憶部３４は、センタ側制御部３２によって算出された推定用パラメータを記憶する。特徴量データベース３３及び配信パラメータ記憶部３４は不揮発性であって、かつ、書き換え可能な記憶媒体を用いて実現されれば良い。

以上の構成によれば、車両側ユニット１が用いる推定用パラメータを、より適切な推定結果を提供できるパラメータへと随時更新することができる。また、センタ３が交差点ごとの推定用パラメータを車両側ユニット１に配信する態様とした場合には、車両側ユニット１は、交差点の形状等に応じた推定用パラメータを用いて方向推定を実施できるようになる。それにより、見通し外電波伝播環境における推定精度を向上させることができる。

［変形例４］
上述したセンタ３による推定パラメータの更新機能は、車両側ユニット１自身が備えていても良い。つまり、報知処理部１４が報知処理を実施している状態において、車両側制御部１９がドライバによる急なブレーキ操作を検出した場合には、その報知処理の元となった推定結果は誤推定であったと見なして、メモリ等に保存する。そして、その保存した特徴量データを訓練データとした機械学習処理を実行することで、当該特徴量データに基づいた推定結果が正しい推定結果となる推定用パラメータを算出し、パラメータ記憶部１３１に格納する。つまり、パラメータ記憶部１３１が記憶する推定用パラメータを更新する。なお、この変形例４における車両側ユニットは、機械学習処理を実行するための機能を備えているものとする。

［変形例５］
報知処理部１４は、各アンテナ１１での受信強度Ｒ_Ａ，Ｒ_Ｂ，Ｒ_Ｃ，Ｒ_Ｄに基づいて報知処理の要否を判定してもよい。自転車側ユニット２との距離（以降、端末間距離）が小さいほど受信強度は大きくなる傾向がある。つまり、受信強度がある程度小さいということは、自転車側ユニット２は相対的に遠方に存在することを意味する。

したがって、受信強度が所定の閾値以下となっている場合には報知処理を実施せず、受信強度が所定の閾値以上となっている場合に報知処理を実施する態様としてもよい。そのような態様によれば過度な報知を抑制することができる。

この変形例４における報知処理部１４は、例えば、図１３に示すように、受信強度評価部Ｇ１と報知要否判定部Ｇ２を備えることで実現されれば良い。受信強度評価部Ｇ１は、各受信部１２Ａ〜Ｄから提供される受信強度Ｒ_Ａ，Ｒ_Ｂ，Ｒ_Ｃ，Ｒ_Ｄに基づいて、アンテナ１１Ａ〜Ｄのそれぞれにおける受信強度の代表値Ｒ_ｒｅｐを決定する。

ここでは一例としてアンテナ１１毎の受信強度の平均値を、代表値Ｒ_ｒｅｐとして採用する構成とするがこれに限らない。複数の受信部１２Ａ〜Ｄから出力される受信強度のうち、最も大きい値を代表値Ｒ_ｒｅｐとして採用してもよい。

また、各アンテナ１１における受信強度は、そのアンテナ１１に対応する受信部から提供される複数時点における受信強度を母集団として定まる移動平均値であっても良い。移動平均値は、たとえは、直近Ｎ回分の検出結果の平均値として算出されれば良い。Ｎは、１０や５０など、適宜設計されれば良い。受信強度評価部Ｇ１が請求項に記載の代表値特定部に相当する。

受信強度評価部Ｇ１が決定した代表値Ｒ_ｒｅｐは、報知要否判定部Ｇ２に提供される。報知要否判定部Ｇ２は、代表値Ｒ_ｒｅｐと、予め設定されている閾値とを比較して、報知処理が必要か否かを判定する。ここで用いる閾値は、報知処理が必要か否か、換言すれば、報知が必要なほど端末間距離が小さくなっているか否かを判定するための閾値である。

ここでは、一例として、上記閾値として、注意喚起閾値Ｔｈ１と警告閾値Ｔｈ２の、警告レベルが異なる２つの閾値が設定されているものとする。注意喚起閾値Ｔｈ１は、警告閾値Ｔｈ２よりも小さい値であればよい。ただし、自車両が向かっている交差点に接近中の自転車の存在を、ドライバ等の乗員に通知する必要があると見なされる距離に応じた値とすることが好ましい。警告閾値Ｔｈ２は、例えば見通し外に存在する自転車との距離が１０メートル程度となっている状況に対応する受信強度とすればよい。注意喚起閾値Ｔｈ１と警告閾値Ｔｈ２の具体的な値は試験等に基づき、適宜設計されれば良い。

そして、報知要否判定部Ｇ２は、方向推定部１３によって見通し外に搭載自転車が存在すると判定している場合において、代表値Ｒ_ｒｅｐが注意喚起閾値Ｔｈ１以上となった場合には、予め設定されている態様での報知処理（以降、注意喚起処理）を実行する。また、報知要否判定部Ｇ２は、方向推定部１３によって見通し外に搭載自転車が存在すると判定している場合において、代表値Ｒ_ｒｅｐが警告閾値Ｔｈ２以上となった場合には、予め設定されている態様での報知処理（以降、警告処理）を実行する。

注意喚起処理や警告処理の態様は適宜設計されれば良い。例えば、注意喚起処理ではディスプレイやインジケータといった視覚的な要素によって搭載自転車の存在を報知する一方、警告処理では、視覚的な報知に加えて、スピーカから警告音を出力する態様とすれば良い。なお、注意喚起処理の際には、搭載自転車が見通し外左側から来るのか、右側から来るのかといった、搭載自転車が存在する方向については言及しない一方、警告処理の際には、搭載自転車が見通し外左側から来るのか、右側から来るのかを表す情報を出力する態様としてもよい。

そのような態様によれば、図１４に示すように、自車両が交差点に接近するに連れて段階的に情報を提供することが出来る。また、受信強度が注意喚起閾値Ｔｈ１未満となっている場合には、報知処理を実施しない。

端末間距離が離れている場合には、図７や図８、図１０、図１１に示すように、推定結果が誤ってしまう場合がある。したがって、受信強度が注意喚起閾値Ｔｈ１未満となっている場合には報知処理を実施しない構成とすることで、誤った推定結果に基づく報知を実施してしまう可能性を抑制することが出来る。

［変形例６］
また、先に述べた変形例４において、報知処理部１４は、図１５に示すように外乱判定部Ｇ３を備えていても良い。外乱判定部Ｇ３は、外乱の有無を判定する機能ブロックである。外乱判定部Ｇ３は、受信強度評価部Ｇ１から提供される代表値Ｒ_ｒｅｐを、一定時間分、時系列順に保持する。各時点における代表値Ｒ_ｒｅｐは、その代表値Ｒ_ｒｅｐを特定した時点における位置情報と対応付けて保存される。

また、外乱判定部Ｇ３は、現在から一定時間内に取得した代表値Ｒ_ｒｅｐの変化量と、当該一定時間内に自車両が移動した量に基づいて、単位メートル当り（換言すれば一定距離当り）の代表値の変化量（以降、受信強度変化率）を算出する。そして、当該受信強度変化率に基づいて、これからの移動距離に応じた代表値Ｒ_ｒｅｐを予測する。図１６に示す直線Ｌは、或る地点において予測した受信強度変化率から定まる代表値の予測値（以降、予測代表値）を概念的に表している。

そして、外乱判定部Ｇ３は、予測代表値と実際の代表値Ｒ_ｒｅｐとの間に所定の閾値以上のギャップが生じた場合に、外乱が有ると判定する。なお、予測代表値と実際の代表値Ｒ_ｒｅｐとのギャップが所定の閾値未満となっている場合には、外乱は無いと判定すれば良い。外乱判定部Ｇ３の判定結果は逐次、報知要否判定部Ｇ２に提供される。

報知要否判定部Ｇ２は、報知処理が必要だと判定している場合には、外乱判定部Ｇ３の判定結果に基づいた態様で報知処理を実施する。例えば、報知要否判定部Ｇ２は、警報処理が必要だと判定している場合であって、かつ、外乱判定部Ｇ３によって外乱が無いと判定されている場合には、搭載自転車が見通し外左側から来るのか、右側から来るのかを表す情報を出力する。

一方、警報処理が必要だと判定している場合であっても、外乱が有ると判定されている場合には、注意喚起処理と同様の報知態様で報知を実施する。或いは、搭載自転車が存在する方向については言及せずに、単に搭載自転車が存在することを音声出力する態様としてもよい。

外乱が有ると判定されている場合に、警報処理において乗員に提供する情報を抽象化する理由は、次の通りである。外乱判定部Ｇ３によって外乱が有ると判定される場合、つまり、代表値Ｒ_ｒｅｐが予測代表値から大きく離れた値となるということは、別の移動体によるシャドウイング等といった、方向推定の精度を低下させる外乱が存在している可能性を示唆している。当然、外乱が存在すれば、方向推定の精度が低下し、搭載自転車が存在する方向を誤ってしまう可能性が高まる。そのため、外乱が有ると判定されている場合の警報処理において提供する情報を、搭載自転車が存在することを示す程度に留めることで、誤った情報を乗員に提供してしまう恐れを低減することができる。

なお、以上では、代表予測値と実際の代表値Ｒ_ｒｅｐとの比較に基づいて、外乱の有無を判定したが、外乱の有無の判定方法はこれに限らない。例えば、外乱判定部Ｇ３は、前回の代表値Ｒ_ｒｅｐと今回の代表値Ｒ_ｒｅｐとに基づいて、単位メートル当りの変化量を示す瞬間変化率を逐次算出する構成とし、瞬間変化率が、受信強度変化率から大きく逸脱している場合に、外乱が存在すると判定しても良い。瞬間変化率は、今回の代表値Ｒ_ｒｅｐから前回の代表値Ｒ_ｒｅｐを減算した値を、その間の移動距離で除算した値とすれば良い。

［変形例７］
なお、各アンテナ１１での受信強度から定まる情報として、どのような情報を特徴量として採用するかは、前述の実施形態で例示した態様に限らない。また、特徴ベクトルが備える要素の数は、７つに限らない。例えば、受信強度そのものを特徴ベクトルの要素として採用してもよい。また、現在から一定時間以内にサンプリングした受信強度を母集団として定まる分散を、特徴ベクトルの要素として用いても良い。

［変形例８］
車両側ユニット１が備えるアンテナ１１の配置は図２に示す構成に限らない。また、車両側ユニット１が備えるアンテナ１１の数も４つに限らない。車両側ユニット１は、自車両における受信位置及び受信方向の少なくとも何れか一方が異なる、少なくとも３種類の受信強度を取得できる構成となっていればよい。自車両における受信位置及び受信方向の組み合わせが請求項に記載の受信パターンに相当する。

なお、ここでの受信方向とは、車両に対する指向性の向きである。仮にアンテナ１１を無指向性アンテナとする場合には、車両側方よりも車両進行方向側となる方向を受信方向に含む構成となっている。

例えば、車両側ユニット１は３つの無指向性アンテナ１１Ｌ〜Ｎを備え、それら３つの無指向性アンテナ１１Ｌ〜Ｎは、車両において図１７に示すようにそれぞれ異なる位置に配置されている態様としてもよい。この場合、受信位置がそれぞれ異なる３種類の受信強度を取得することになる。

また、図１８に示すように車両側ユニット１は、１つの指向性アンテナ１１Ｘを備え、当該指向性アンテナ１１Ｘの指向性を、互いに異なる３つの受信方向に変更して運用する態様としてもよい。この場合、受信位置は共通である一方、受信方向がそれぞれ異なる３種類の受信強度を取得することになる。

［変形例９］
以上では、車両側ユニット１が、自車両の前方の見通し外のうち、搭載自転車が存在する方向（つまり左側か右側）を推定する態様を例示したが、これに限らない。例えば、車両側ユニット１は、自車両の後方の見通し外のうち、搭載自転車が存在する方向（つまり左側か右側）を推定しても良い。その場合には、自車両後方の見通し外に搭載自転車が存在する状況を想定した訓練データに基づいて、推定用パラメータを予め決定すれば良い。

［変形例１０］
以上では、信号の送信元となる移動体が自転車である態様を例示したが、これに限らない。信号の送信元となる移動体は、歩行者であっても良いし、他車両であってもよい。

１００ 方向推定システム、１ 車両側ユニット、１１Ａ〜１１Ｄ アンテナ、１２Ａ〜１２Ｄ 受信部（受信強度取得部）、１３ 方向推定部、１４ 報知処理部、１５ 報知装置、１６ 加速度センサ（物理状態量取得部）、１７ ＧＮＳＳ受信機、１８ 広域通信部、１９ 車両側制御部（判断部）、１３１ パラメータ記憶部、Ｆ１ 特徴量抽出部、Ｆ２ 重み付け部、Ｆ３ 方向指標値算出部、Ｆ４ 閾値判定部、Ｆ５ 方向特定部（方向推定部）、Ｆ５１ 多数決判定部、Ｇ１ 受信強度評価部（代表値特定部）、Ｇ２ 報知要否判定部、Ｇ３ 外乱判定部、２ 自転車側ユニット、２１ アンテナ、２２ 送信部、２３ 通信制御部、３ センタ、３１ センタ側広域通信部、３２ センタ側制御部、３３ 特徴量データベース、３４ 配信パラメータ記憶部

Claims (11)

1. 移動体で用いられ、
   所定の周波数帯の電波を受信するための少なくとも１つのアンテナ（１１Ａ〜Ｄ）と、
   少なくとも１つの前記アンテナを介して、少なくとも３種類の受信パターンの受信信号強度を取得する受信強度取得部（１２Ａ〜Ｄ）と、
   前記受信強度取得部が取得した３種類の前記受信パターンの受信信号強度を用いて、前記電波の送信元としての送信元端末が、前記移動体から見て見通し外の左側に存在するか右側に存在するかを推定するための複数種類の特徴量を抽出する特徴量抽出部（Ｆ１）と、
   前記移動体から見て前記送信元端末が見通し外の左側に存在するか右側に存在するかを、複数種類の前記特徴量に基づいて推定するための推定用パラメータを記憶するパラメータ記憶部（１３１）と、
   前記パラメータ記憶部が記憶している前記推定用パラメータと、複数種類の前記特徴量を用いて、前記移動体から見て前記送信元端末が見通し外の左側に存在するか右側に存在するかを推定する方向推定部（Ｆ５）と、を備え、
   複数種類の前記受信パターンは、前記移動体における前記アンテナの設置位置と前記アンテナの受信方向の２つの要素のうちの少なくとも何れか一方がそれぞれ異なるものであり、
   複数種類の前記特徴量はいずれもスカラー量であり、
   前記推定用パラメータは、
   訓練データとして収集された複数種類の前記特徴量を示すデータを元に所定の機械学習アルゴリズムによって算出されたものであって、
   複数種類の前記特徴量のそれぞれに対応する複数の重み係数と、
   複数種類の前記特徴量のそれぞれに、その特徴量に対応する前記重み係数を乗算した値の総和から減算することによって、当該総和を前記送信元端末が前記移動体から見て見通し外の左側に存在するか右側に存在するかを示す方向指標値に変換するバイアス係数と、
   前記方向指標値との比較結果が、前記送信元端末が前記移動体から見て見通し外の左側に存在するか右側に存在するかを示す方向推定用閾値と、を備え、
   前記方向推定部は、
   前記特徴量抽出部が抽出した複数種類の前記特徴量のそれぞれに、その特徴量に対応する前記重み係数を乗算した値の総和から前記バイアス係数を減算することで前記方向指標値を算出し、
   前記方向指標値と前記方向推定用閾値とを比較することで前記移動体から見て前記送信元端末が見通し外の左側に存在するか右側に存在するかを推定することを特徴とする方向推定装置。
2. 請求項１において、
   前記方向推定部は、
   所定回数分の推定結果を保持し、
   前記所定回数分の推定結果のうち、相対的に多数となっている方向に前記送信元端末が存在すると推定することを特徴とする方向推定装置。
3. 請求項１又は２において、
   前記アンテナは、所定の通信装置から特定の偏波面で送信される信号を受信するためのものであって、
   前記アンテナが受信対象とする偏波面は、前記通信装置が信号送信に用いる偏波面と直交するように構成されていることを特徴とする方向推定装置。
4. 請求項１から３の何れか１項において、
   前記特徴量は、複数種類の前記受信信号強度、及び、それらの一部を加算することで求まる合成受信強度を、所定の組み合わせで比較した結果を２値化したものであることを特徴とする方向推定装置。
5. 請求項１から４の何れか１項において、
   前記移動体は車両であって、
   前記方向推定部の推定結果を前記車両の乗員に報知する報知処理を実施する報知処理部（１４）を備えることを特徴とする方向推定装置。
6. 請求項５において、
   前記車両のドライバが急なブレーキ操作を実施したか否かを判断するために用いられる物理状態量を取得する物理状態量取得部（１６）と、
   前記物理状態量取得部が取得している前記物理状態量に基づいて、前記ドライバが急なブレーキ操作を実施したか否かを判断する判断部（１９）と、を備え、
   前記報知処理部が報知処理を実施している状態において、前記ドライバが急なブレーキ操作を実施したと判定した場合には、その報知処理の元となった推定結果は誤推定であったと見なして、当該推定に用いた前記特徴量に基づいた推定結果が正しい推定結果となるように前記推定用パラメータを更新することを特徴とする方向推定装置。
7. 請求項５において、
   前記車両の外部に設けられており、前記機械学習アルゴリズムに則った演算処理を実施することで前記訓練データから前記推定用パラメータを算出する機能を有するセンタと通信を実施するための無線通信部（１８）と、
   前記車両のドライバが急なブレーキ操作を実施したか否かを判断するために用いられる物理状態量を取得する物理状態量取得部（１６）と、
   前記物理状態量取得部が取得している前記物理状態量に基づいて、前記ドライバが急なブレーキ操作を実施したか否かを判断する判断部（１９）と、を備え、
   前記無線通信部は、前記報知処理部が報知処理を実施している状態において、前記判断部によって前記ドライバが急なブレーキ操作を実施したと判定された場合には、前記報知処理の元となった推定に用いた複数種類の前記特徴量とその推定結果を、フィードバックデータとして前記センタに送信し、
   前記センタは前記方向推定装置から送信されてくる前記フィードバックデータを用いて、前記推定用パラメータを算出し、その算出した前記推定用パラメータを前記方向推定装置に送信するものであって、
   前記無線通信部は、前記センタが新たに算出した前記推定用パラメータを受信した場合には、その受信した前記推定用パラメータを前記パラメータ記憶部に保存することを特徴とする方向推定装置。
8. 請求項５から７の何れか１項において、
   前記報知処理部は、警告レベルが異なる複数種類の報知態様で報知処理を実行するものであって、
   前記受信強度取得部が取得した３種類の前記受信パターンの受信信号強度の代表値を特定する代表値特定部（Ｇ１）を備え、
   前記報知処理部は、前記代表値特定部が特定している前記代表値の大きさに基づいて、前記報知処理の態様を決定することを特徴とする方向推定装置。
9. 請求項８において、
   前記代表値特定部が特定している前記代表値の時間変化に基づいて、前記方向推定部による推定の精度を低下させる外乱が存在するか否かを判定する外乱判定部（Ｇ３）と、
   前記代表値特定部が特定している前記代表値の大きさに基づいて前記報知処理を実施する必要があるか否かを判定する報知要否判定部（Ｇ２）と、を備え、
   前記報知処理部は、前記外乱判定部によって前記外乱が存在すると判定されている場合であって、且つ、前記報知要否判定部によって前記報知処理を実施する必要があると判定されている場合には、前記外乱が存在すると判定されていない場合に採用する報知態様よりも前記警告レベルが低い報知態様で前記推定結果を報知することを特徴とする方向推定装置。
10. 請求項９において、
    前記外乱判定部は、
    複数時点における前記代表値を時系列に並べたデータに基づいて前記代表値の一定距離当りの変化率を示す受信強度変化率を算出し、
    前記受信強度変化率と現在の前記代表値から次回以降の前記代表値の予測値である予測代表値を算出し、
    或る時点において前記代表値特定部が特定した前記代表値と、その時点に対応する前記予測代表値との差が所定の閾値以上となった場合に前記外乱が存在すると判定することを特徴とする方向推定装置。
11. 請求項９において、
    前記外乱判定部は、
    ３以上の複数時点における前記代表値を時系列に並べたデータに基づいて前記代表値の一定距離当りの変化率を示す受信強度変化率を算出し、
    前記代表値特定部が前回特定した前記代表値と、前記代表値特定部が今回新たに特定した前記代表値との差に基づいて瞬間変化率を算出し、
    前記受信強度変化率と前記瞬間変化率との差が所定の閾値以上となった場合に前記外乱が存在すると判定することを特徴とする方向推定装置。

Images