JP2018129585A - 監視システムおよび監視方法 - Google Patents

Abstract

【課題】移動体に搭載されたセンサを利用して任意のエリアを監視する。【解決手段】情報を収集する複数の移動体と、前記複数の移動体のうち、監視対象領域に位置する移動体から情報を取得し、取得した複数の情報に基づいて、正常モデルから逸脱した事象が前記監視対象領域において発生していることを検知する監視装置と、からなる監視システム。【選択図】図１

Description

本発明は、監視システムおよび監視方法に関する。

近年、自動車に様々なセンサが搭載され、速度、前後加速度、操舵角、ヨーレート、左右加速度など、車両の走行に関する様々な情報を取得することができるようになってきている。また、これらの情報をビッグデータとして収集し、様々な分野の研究に役立てることが期待されている。

ところで、自動車に搭載されたセンサを利用して監視を行う技術が知られている。例えば、特許文献１には、カメラなどによって監視対象物を直接監視するとともに、自動車に搭載されたセンサを利用して監視対象物の周辺を監視するシステムが記載されている。

特許第５６７８９３４号公報 国際公開第２０１４／０９９４８９号

特許文献１に記載の発明では、予め監視対象物（例えば家屋）を設定し、当該監視対象物の近傍に自動車がある場合に、自動車から収集したセンサ情報を利用して監視を行っている。すなわち、監視対象物や監視対象となる事象を動的に変更することができない。一方で、自動車は路上を自由に走行できるため、様々な対象を監視するために自動車をセンサノードとして活用するシステムが望まれていた。

本発明は上記の課題を考慮してなされたものであり、移動体に搭載されたセンサを利用して任意のエリアを監視できるシステムを提供することを目的とする。

本発明の第一の形態に係るシステムは、情報を収集する複数の移動体と、前記複数の移動体のうち、監視対象領域に位置する移動体から情報を取得し、取得した複数の情報に基づいて、正常モデルから逸脱した事象が前記監視対象領域において発生していることを検知する監視装置と、からなる監視システムである。

また、本発明の第二の形態に係るシステムは、複数の移動体と、監視装置と、からなる監視システムであって、前記移動体は、情報を収集する情報収集手段を有し、前記監視装置は、監視対象領域を特定する領域特定手段と、前記監視対象領域内に位置する前記移動体によって収集された複数の前記情報を取得する取得手段と、検知対象の事象が発生していない状況に対応する正常モデルを記憶する記憶手段と、前記取得した複数の情報と前記正常モデルとを比較することで、検知対象の事象が前記監視対象領域において発生していることを検知する検知手段と、を有する監視システムである。

情報を収集する複数の移動体は、例えば、センサを搭載した自動車であるが、これに限られない。例えば、個人が所持する携帯端末であってもよい。また、取得する情報として、例えば、センサによって取得された値、カメラによって撮像された画像、マイクによって収集された音声などが挙げられるが、これらに限られない。また、これらの情報に基づ
いて間接的に生成された情報（例えば、画像解析の結果得られた情報）であってもよい。
また、監視装置は、監視対象の事象が発生していない状態に対応するモデル（正常モデル）と、取得した複数の情報に基づいて、当該正常モデルからの乖離を検知する。
かかる構成によると、移動体が移動可能な任意の領域からセンシングのための情報を収集し、当該領域に対して監視を行うことができる。

また、本発明に係る監視システムは、前記比較の結果得られた、前記正常モデルからの乖離の度合いに応じて、異なる方法で通知を発する通知手段をさらに有することを特徴としてもよい。

異なる方法による通知とは、必ずしも異なる手段を用いたものでなくてもよい。
例えば、通知手段は、正常モデルからの逸脱（乖離）の度合いに基づいて、異なる手段（例えば表示と音声など）で通知を発してもよいし、異なるレベル（例えば異なる音量、異なる文字サイズなど）で通知を発してもよい。かかる構成によると、発生している事象の規模の大きさを直感的に伝達することができる。

また、前記検知対象の事象は複数であり、前記記憶手段は、前記複数の事象にそれぞれ対応する複数の正常モデルを記憶し、前記検知手段は、前記複数の正常モデルを用いて前記複数の事象を検知することを特徴としてもよい。

検知対象である事象ごとに複数の正常モデルを定義することで、複数の事象を正確に検知することが可能になる。

また、前記情報収集手段は、前記移動体自身の挙動に関する情報である第一の情報と、前記移動体の周辺に関する情報である第二の情報と、を収集することを特徴としてもよい。

例えば、移動体が自動車である場合、第一の情報とは、当該自動車の速度や加減速度、ヨーレートなど、自動車自身の挙動に関する情報である。また、第二の情報は、移動体に搭載されたカメラやマイク、外部に向けて取り付けられたセンサなどによって取得された、移動体の周辺に関する情報である。このように、移動体の挙動と、当該移動体の周辺環境に関する情報を別々に取得することで、より正確な判定が行えるようになる。

また、前記記憶手段は、所定の期間内に前記複数の移動体から取得した情報に基づいて前記正常モデルを構築することを特徴としてもよい。

検知対象の事象が発生していないことが既知である状況において、複数の移動体から取得した情報を用いて、正常モデルを構築することができる。

また、前記記憶手段は、所定の期間内に前記複数の移動体から取得した情報に基づいて前記正常モデルを周期的に更新することを特徴としてもよい。

正常モデルを、状況に応じて更新するようにしてもよい。かかる構成によると、正常モデルが時間の経過とともに変化しうる状況においても、追従することが可能になる。

なお、本発明は、上記手段の少なくとも一部を含む監視システムとして特定することができる。また、前記監視システムが行う監視方法として特定することもできる。上記処理や手段は、技術的な矛盾が生じない限りにおいて、自由に組み合わせて実施することができる。

本発明によれば、移動体に搭載されたセンサを利用して任意のエリアを監視することができる。

監視対象エリアを説明する図である。 第一の実施形態に係る監視システムのシステム構成図である。 監視エリアの登録方法を説明する図である。 車載端末１００が行うデータ収集処理のフローチャート図である。 車載端末１００が行うデータ収集処理の第二のフローチャート図である。 監視装置２００に送信される監視情報を説明する図である。 監視装置２００が行う判定処理のフローチャート図である。 正常モデルをテーブル形式で記述した例である。 正常モデルを生成する処理を表すフローチャート図である。

（第一の実施形態）
<システム概要>
以下、本発明の好ましい実施形態について図面を参照しながら説明する。
第一の実施形態に係る監視システムは、車両に搭載されたセンサを用いて収集した情報に基づいて、監視対象エリアにおいて対象となる事象が発生しているか否かを監視するシステムである。

本発明において監視対象となる事象は、車両が有するセンサによって収集された情報（以下、監視情報）に基づいて判定できるものであれば、どのようなものであってもよい。例えば、以下のような事象が例として挙げられる。
（１）歩行者が密集し、道路交通の妨げになっている状態（例えば、車速や車載カメラが取得した画像に基づいて判定が可能）
（２）道路上への障害物や落下物の出現（例えば、急ブレーキや回避行動の有無に基づいて判定が可能）
（３）不審な行動をする人物の出現（例えば、車載カメラが取得した画像に基づいて判定が可能）
実施形態の説明では、このうち、（１）を例として説明を行う。もちろん、監視対象はこれ以外であってもよい。

本実施形態では、監視を行う対象エリア（以下、監視対象エリア）を事前に設定し、当該監視対象エリア内に存在する車両から監視情報を収集して分析することで、事象の発生有無を監視する。図１は、監視対象エリアを説明する図である。図中、白丸は監視情報を収集していない車両を表し、黒丸は監視情報を収集している車両を表す。また、三角は歩行者を表す。

点線で囲った領域は、歩行者が密集している領域を表している。このような領域が存在することは、車両を介して収集した監視情報に基づいて判定することができる。例えば、車載カメラによって取得された画像と、当該画像を取得した車両の車速を収集し、映っている人物の数を判定したうえで、人数と車速とを用いて、前述した事象（１）が発生していることを検知することができる。また、複数の車両から監視情報を収集することで、検知精度を上げることができる。

<システム構成>
次に、前述した機能を実現するためのシステムの構成について説明する。
図２は、本実施形態に係る監視システムのシステム構成図である。本実施形態に係る監視システムは、車両に搭載された車載端末１００と、ネットワークを介して車載端末と通信する監視装置２００からなる。なお、図２では車載端末１００は一つであるが、本実施形態に係る監視システムは、複数の車載端末１００を含んで構成することができる。

車載端末１００は、車両に搭載されたコンピュータである。車載端末１００は、センサ１０１、通信部１０２、測位部１０３、制御部１０４からなる。

センサ１０１は、複数のセンサを含む情報取得手段である。センサ１０１は、例えば、車載された単一または複数のカメラ（例えばフロントカメラ、バックカメラ、サイドカメラなど）、距離画像センサ、音声を取得するマイク、距離センサ、降水センサといった、車両周辺をセンシングするものであってもよい。また、速度センサ、加速度センサ、ヨーレートセンサといった、車両自身の挙動をセンシングするものであってもよい。また、複数のセンサの組み合わせであってもよい。なお、センサとは、必ずしも物理量を取得するものでなくてもよい。例えば、画像や音声といった生のデータを取得するものであってもよい。また、ＥＣＵなどの車両コンポーネントから値を取得することで間接的にセンシングを行うものであってもよい。

通信部１０２は、通信回線（例えば無線ＬＡＮや携帯電話網）を介してネットワークにアクセスすることで、監視装置２００との通信を行う手段である。
測位部１０３は、装置に備えられたＧＰＳモジュール（不図示）から、車載端末１００の現在位置（緯度および経度）を取得する手段である。

制御部１０４は、車載端末１００全体の制御を司る手段である。具体的には、後述する監視装置２００から受けた指示に基づいて、センサ１０１を介して監視情報の取得を行う処理と、取得した監視情報を送信する処理を実行する。具体的な処理内容については後述する。なお、制御部１０４は、センサ１０１が取得した監視情報を、送信タイミングが到来するまで一時的に蓄積してもよい。

監視装置２００は、単一のサーバ装置であり、通信部２０１、制御部２０２、記憶部２０３、入出力部２０４からなる。

通信部２０１は、通信部１０２と同様に、通信回線を介してネットワークにアクセスすることで、車載端末１００との通信を行う手段である。
制御部２０２は、監視装置２００全体の制御を司る手段である。具体的には、（１）監視対象エリアの指定を受け付ける処理と、（２）監視対象エリアに関する情報を車載端末１００に送信する処理と、（３）車載端末１００から送信された監視情報を収集する処理と、（４）収集された情報に基づいて、監視対象の事象が発生したか否かを判定し通知する処理と、を実行する。具体的な処理内容については後述する。

記憶部２０３は、装置が用いるデータを一時的または恒久的に記憶する手段である。記憶部２０３には、高速に読み書きでき、かつ、大容量な記憶媒体を用いることが好ましい。例えば、フラッシュメモリなどを好適に用いることができる。記憶部２０３には、正常モデルを表すデータ、監視情報を表すデータなどが記憶される。データの具体的な内容については後述する。

車載端末１００および監視装置２００は、ＣＰＵ、主記憶装置、補助記憶装置を有する情報処理装置として構成することができる。補助記憶装置に記憶されたプログラムが主記憶装置にロードされ、ＣＰＵによって実行されることで、以降に説明する機能が実現される。なお、図示した機能の全部または一部は、専用に設計された回路（半導体集積回路な
ど）を用いて実行されてもよい。

<監視エリアの登録>
まず、監視エリアを登録する方法について、図３を参照しながら説明する。
監視エリアを登録する場合、まず、システムの利用者が、監視装置２００の入出力部２０４を介して、監視エリアを指定する作業を行う（ステップＳ１１）。監視エリアの指定は、例えば、予め定められた複数の領域（メッシュ）の中から、特定の領域を選択させることで行ってもよい。また、任意の領域を選択させることで行ってもよい。また、監視エリアは、必ずしも領域によって指定しなくてもよい。例えば、道路リンクなどによって指定してもよい。
本実施形態では、特定の領域をハッシュ値によって表現するジオハッシュと呼ばれる手法によって監視エリアを定義する。

利用者が監視エリアを指定すると、当該監視エリアに関する情報（以下、監視エリア情報）が、監視装置２００から各車載端末１００へとネットワークを経由して送信される。ここで送信される情報は、ハッシュ値であってもよいし、特定領域の位置を表す幾何的な情報であってもよい。
送信された監視エリア情報は、車載端末１００（制御部１０４）によって記憶される（ステップＳ１２）。

次に、車載端末１００（制御部１０４）が、監視エリア情報を登録した旨の応答を生成し（ステップＳ１３）、監視装置２００に通知する。これにより、監視装置２００は、どの車載端末に指示が浸透したかを把握することができる。

なお、監視エリアの登録は、全てのエリアを配信することで行ってもよいし、差分（追加対象エリアや削除対象エリアのみ）を配信することで行ってもよい。
また、所定の期間内に応答が返らない場合、監視装置２００がリトライを行うようにしてもよい。監視エリア情報の配信には、例えば、一般的に知られている２フェーズコミットなどを用いてもよい。

<車載端末によるデータの収集>
次に、車載端末１００による監視情報の収集方法について説明する。
図４は、車載端末１００が行うデータ収集処理のフローチャート図である。図４に示した処理は、車載端末１００が搭載された車両の走行中に、制御部１０４によって周期的（たとえば１秒おき）に実行される。

まず、ステップＳ２１で、測位部１０３を介して位置情報を取得する。
次に、ステップＳ２２で、記憶している監視エリア情報と、取得した自装置の位置情報を比較して、自装置が監視エリア内に存在するか否かを判定する。本実施形態では、ハッシュ値によって表された緯度および経度と、メッシュの大きさ（レベル）によって判定を行うことができる。

ステップＳ２２で肯定判定がなされた場合、制御部１０４が監視モードをＯＮにする（ステップＳ２４）。一方、ステップＳ２２で否定判定がなされた場合、制御部１０４が監視モードをＯＦＦにする（ステップＳ２３）。

図５は、車載端末１００が行うデータ収集処理の第二のフローチャート図である。図５に示した処理は、車載端末１００が搭載された車両の走行中に、図４に示した処理とは独立して、制御部１０４によって周期的に実行される。

まず、ステップＳ３１にて、監視モードがＯＮであるか否かを判定する。ここで、監視モードがＯＦＦであった場合、処理は終了し、次の周期まで待機する。監視モードがＯＮであった場合、ステップＳ３２に遷移し、センサ１０１を介してセンサ情報を取得し、測位部１０３を介して位置情報を取得する。
本実施形態では、センサ情報として、車載カメラから取得した画像と、車速情報の二種類の情報を取得する。

次に、ステップＳ３３にて、監視装置２００に送信する監視情報を生成する。
ここで、監視情報について説明する。図６は、車載端末１００によって取得され、監視装置２００に送信される監視情報を説明する図である。図示したように、監視情報には、監視エリアを表すエリアＩＤ、情報を取得した日時、取得された画像データ、取得された車速が含まれる。なお、ここでは、監視情報の取得間隔は１秒おきとする。車速は、瞬間速度であってもよいし、１秒間の平均速度であってもよい。

なお、監視情報を生成する際に、データ量ないし処理量を縮小するための処理を行ってもよい。例えば、車載カメラによって取得されたＲＧＢ画像をグレースケール画像に変換してもよいし、解像度を変更してもよい。なお、本実施形態では、画像を送信する例を挙げたが、送信される情報が音声である場合、サンプリングレートの変更や圧縮などを行ってもよい。

<監視装置による判定>
次に、監視装置２００（制御部２０２）が行う処理について、図７を参照しながら説明する。図７の処理は、車載端末１００から監視装置２００へ監視情報が送信されたタイミングで開始される。
まず、ステップＳ４１で、車載端末１００から送信された監視情報を取得する。取得した監視情報は、図６と同様のテーブル形式で記憶部２０３に記憶される。
次に、ステップＳ４２で、記憶部２０３に正常モデルが記憶されているか否かを判定する。

ここで、正常モデルについて説明する。
正常モデルとは、検知対象の事象が起きていない状況に対応するモデルである。すなわち、本実施形態では、歩行者が密集し、道路交通の妨げになっている状態が発生していない状況を表したモデルである。
図８に、正常モデルをテーブル形式で記述した例を示す。正常モデルは、エリアＩＤおよび時間帯ごとに定義される。本例では、図８に示したように、エリアＩＤと時間帯ごとに、平均歩行者数と平均車速が関連付けられている。ここで、平均歩行者数は、当該エリアに位置する車両の車載カメラが捉えた歩行者数の平均値であり、平均車速は、当該エリアに位置する車両の平均的な車速である。
正常モデルは、事前に作成され、記憶部２０３に記憶される。

対応する正常モデル（すなわち、エリアおよび時間帯が一致する正常モデル）が記憶されていた場合、処理はステップＳ４３に遷移し、判断を行うための十分な情報が記憶部２０３に記憶されているか否かを判定する。
図６を参照して前述したように、監視情報は、１秒ごとに取得した情報であるため、極端に短い期間の情報のみを用いて判定を行うと、誤った判定が行われる可能性がある。そこで、本実施形態では、所定の期間（例えば過去５分間）において収集された情報が蓄積されているか否かを判定し、蓄積されている場合に限り、判定処理を進める。

ステップＳ４３で肯定判定となった場合、ステップＳ４４にて、正常モデルからの乖離度を判定する。具体的には、収集した監視情報を用いて、過去５分間における平均歩行者
数と車速をそれぞれ算出し、正常モデルに定義されている値からの乖離度を比によって算出する。

なお、画像に含まれる歩行者の数（すなわち人の数）は、例えば、ＨＯＧ特徴量とＳＶＭを用いて計算することができる。まず、既知の手法によって、画像をＨＯＧ特徴量ベクトルに変換し、人を検出するように学習されたＳＶＭに入力することで、人が存在するか否かを判定することができる。また、当該手法を用いて、画像に含まれる人の総数をカウントすることができる。
もちろん、これ以外の検出手法を用いても構わない。例えば、Ｈａａｒ−ｌｉｋｅ特徴量とＢｏｏｓｔｉｎｇを用いる手法などがよく知られている。

ステップＳ４３に戻って説明を続ける。
例えば、正常モデル（対応するエリアおよび時間帯）に、「平均歩行者数：３人」「平均車速１５．０ｋｍ／ｈ」という値が定義されており、監視情報から算出した平均値がそれぞれ「３０人」「１．０ｋｍ／ｈ」であったとする。この場合、歩行者数の比が「１０」、車速の比が「０．０６７」となる。
また、歩行者数の比が５以上、かつ、車速の比が０．１以下であった場合に、対象の事象が発生したと判定するものとする。

本例の場合、歩行者数と車速がいずれも条件を満たすため、ステップＳ４５にて、乖離度が所定値以上であると判定され、ステップＳ４６にてアラームが生成される。
なお、アラームは、入出力部２０４を介して、図形、音声、文字などによって出力してもよい。また、該当するエリアに存在する車載端末１００にアラームを送信し、運転者に注意を促してもよい。この他にも、不図示の通信手段を介して、他の装置（例えば、利用者が所持する携帯端末等）に送信してもよい。

また、乖離度の大きさに応じて、アラームの強さや通知方法を変更してもよい。例えば、歩行者数と車速のいずれかが条件を満たした場合と、両方が条件を満たした場合とで、それぞれ異なる方法で通知を行ってもよい。また、乖離度のレベルを数段階定義し、レベルに応じて異なる方法で通知を行ってもよい。
異なる通知方法とは、例えば、「メールで通知を行う」「警報音を発生させる」のように、異なる手段によるものであってもよいし、例えば、「音量５０％」「音量１００％」のように、異なるレベルによるものであってもよい。

なお、本例では、正常モデルに定義されている値と、監視情報に含まれる値の比を求めたが、絶対的な尺度（例えば、平均歩行者数が３０人以上である等）を用いて事象の発生有無を判定してもよい。

以上説明したように、第一の実施形態では、指定されたエリアを走行している車両から情報を収集し、正常モデルからの乖離度に基づいて、検出対象の事象が発生しているか否かを判定する。かかる構成によると、所望のエリアを監視することが容易になる。

なお、本実施形態では、監視エリアを予め車載端末１００に登録し、車載端末１００が能動的に監視情報を送信する構成を例示したが、これ以外の方法を用いてもよい。例えば、ステップＳ４１において、監視装置２００が、監視エリアについての情報を全ての車載端末に送信し、対応するエリアにある車載端末のみが応答して監視情報を送信する構成としてもよい。また、全ての車載端末が、監視情報の送信リクエストを監視装置に送信し、対応するエリアにある車載端末１００のみに対して当該送信リクエストを受諾するようにしてもよい。

（第二の実施形態）
第一の実施形態では、監視装置２００が記憶する正常モデルとして、事前に作成されたモデルを使用した。これに対し、第二の実施形態は、車載端末１００から収集した情報に基づいて自動的に正常モデルを生成する実施形態である。

第二の実施形態では、監視装置２００（制御部２０２）が、車載端末１００から監視情報を収集し、監視エリアごとに正常モデルを生成する。図９は、正常モデルを生成する処理を表すフローチャート図である。図９に示した処理は、図７に示した処理とは独立して、制御部２０２によって周期的に実行される。

まず、ステップＳ５１で、未処理の（すなわち正常モデルが生成されていない）監視エリアを特定する。ここで、未処理の監視エリアが存在する場合、当該監視エリアを選択したうえで処理を続行する。もし、未処理の監視エリアが存在しない場合、処理を終了してもよいし、最後に正常モデルを生成してからの時間に応じて、再度正常モデルを生成（ないし更新）するようにしてもよい。なお、正常モデルが存在するが、生成から所定の時間が経過している監視エリアがある場合、当該監視エリアを未処理の監視エリアであるとみなしてもよい。

次に、ステップＳ５２で、処理対象の監視エリアに存在する車載端末１００に対して、監視情報の送信要求を発行し、監視情報を取得する。取得する監視情報の数は、所定の期間（例えば１分間）において取得可能な数としてもよいし、それ以上であってもよい。また、対象のエリアに複数の車載端末１００が存在する場合、当該複数の車載端末１００から監視情報を取得してもよい。
本実施形態では、所定の数の監視情報が蓄積されているか否かを判定し、蓄積されている場合に限り、正常モデルを生成する。ステップＳ５３では、当該所定の数の監視情報が得られたか否かを判定し、十分な数の情報が得られていない場合、ステップＳ５１へ戻り、監視情報を取得する処理を継続する。

ステップＳ５４では、取得した複数の監視情報に基づいて、対応するエリアの正常モデルを生成する。本実施形態では、取得した監視情報に基づいて、平均歩行者数と平均車速を演算することで正常モデルを生成する。
なお、本ステップでは、正常モデルを新規に生成してもよいし、既存の正常モデルを更新してもよい。例えば、最新の監視情報（例えば、過去ｎ分間に収集した監視情報）のみを用いて正常モデルを再生成し、上書きするようにしてもよい。また、前回正常モデルを生成した時点からの差分データを取得し、正常モデルを更新するようにしてもよい。

ステップＳ５５では、未処理のエリア（すなわち、正常モデルが生成されていないエリア）があるか否かを判定し、ある場合、ステップＳ５１へ遷移する。なお、正常モデルが存在するが、生成から所定の時間が経過している監視エリアがある場合、当該監視エリアを未処理の監視エリアであるとみなしてもよい。

第二の実施形態によると、車載端末１００から収集した情報に基づいて自動的に正常モデルを生成することができる。また、最新の情報を用いて正常モデルを更新できるため、状況の変化に追従させることができる。例えば、平日に対応する正常モデルを生成し、その後、休日に対応する正常モデルに更新するといったことが可能になる。

なお、第二の実施形態では、時間帯についての説明を省略したが、前述した処理は、時間帯別に行ってもよい。

（第三の実施形態）
第一および第二の実施形態では、単一の事象を検出する例を挙げたが、検出対象の事象は複数であってもよい。第三の実施形態は、監視装置２００が複数の正常モデルを有しており、各正常モデルにそれぞれ対応する複数の事象を検出する実施形態である。

第三の実施形態では、記憶部２０３が、検出対象の事象に応じて複数の正常モデルを記憶しており、ステップＳ４２〜Ｓ４６の処理において、検出対象の事象ごとに処理を実行する。なお、車載端末１００から送信される監視情報は、検出対象の事象と１対１で結びついていなくてもよい。例えば、ステップＳ４４において、監視装置２００が、監視情報に含まれる各情報を分類し、正常モデルとの対比をそれぞれ行うようにしてもよい。例えば、送信された単一の画像情報に基づいて、「歩行者の密集有無」と「不審者の有無」という二つの検出処理を行ってもよい。

第三の実施形態によると、異なる複数の事象を並行して検出することができる。

（変形例）
上記の実施形態はあくまでも一例であって、本発明はその要旨を逸脱しない範囲内で適宜変更して実施しうる。

例えば、実施形態の説明では、画像に基づいて事象の発生を検出したが、マイクで収集した音声に基づいて事象の発生を検出するようにしてもよい。例えば、衝撃音の発生を検知するようにしてもよい。

また、車載端末１００が、データサイズ削減のための処理を行ってもよい。例えば、実施形態の説明では、画像そのものを監視装置に送信したが、画像から特徴量（数値）に変換したうえで送信するようにしてもよい。
また、車載端末１００が、処理量削減のための処理を行ってもよい。例えば、画像から特定の対象物を検出する処理を車載端末側で行うようにしてもよい。この他にも、明らかに異常ではない事象を車載端末側で判定できる場合、監視情報の送信を省略してもよい。このようにすることで、通信回線や監視装置２００の負荷を軽減することができる。

また、実施形態の説明では、それぞれの車載端末が監視情報を生成したが、複数の車両が取得したセンサ情報を組み合わせることで監視情報を生成してもよい。例えば、車々間通信を利用して車両同士が情報を交換し、得られた情報を統合することで監視情報を生成してもよい。

また、実施形態の説明では、監視エリアの登録と解除を手動で行ったが、監視エリアを自動的に登録するようにしてもよい。例えば、第二の実施形態において正常モデルを更新する際に、指標値が以前より大きく変化していた場合（乖離度が閾値以下である場合を含む）、当該エリアを監視エリアとして自動的に登録するようにしてもよい。また、車載端末１００が、事象の発生が明らかであること（あるいは、将来において発生が予測されること）を検出した場合に、その旨を監視装置２００に通知し、これに応じて監視装置２００が監視エリアを自動的に追加するようにしてもよい。

また、実施形態の説明では、指標ごとに乖離の度合いを算出したが、検知対象の事象が発生しているか否かは、複数の指標を組み合わせて総合的に判断してもよい。また、正常モデルはテーブル形式に限られない。例えば、数式などによって定義されていてもよい。

１００ 車載端末
１０１ センサ
１０２，２０１ 通信部
１０３ 測位部
１０４，２０２ 制御部
２００ 監視装置
２０３ 記憶部
２０４ 入出力部

Claims (9)

1. 情報を収集する複数の移動体と、
   前記複数の移動体のうち、監視対象領域に位置する移動体から情報を取得し、取得した複数の情報に基づいて、正常モデルから逸脱した事象が前記監視対象領域において発生していることを検知する監視装置と、
   からなる監視システム。
2. 複数の移動体と、監視装置と、からなる監視システムであって、
   前記移動体は、情報を収集する情報収集手段を有し、
   前記監視装置は、
   監視対象領域を特定する領域特定手段と、
   前記監視対象領域内に位置する前記移動体によって収集された複数の前記情報を取得する取得手段と、
   検知対象の事象が発生していない状況に対応する正常モデルを記憶する記憶手段と、
   前記取得した複数の情報と前記正常モデルとを比較することで、検知対象の事象が前記監視対象領域において発生していることを検知する検知手段と、
   を有する、監視システム。
3. 前記比較の結果得られた、前記正常モデルからの乖離の度合いに応じて、異なる方法で通知を発する通知手段をさらに有する、
   請求項２に記載の監視システム。
4. 前記検知対象の事象は複数であり、
   前記記憶手段は、前記複数の事象にそれぞれ対応する複数の正常モデルを記憶し、
   前記検知手段は、前記複数の正常モデルを用いて前記複数の事象を検知する、
   請求項２または３に記載の監視システム。
5. 前記情報収集手段は、
   前記移動体自身の挙動に関する情報である第一の情報と、
   前記移動体の周辺に関する情報である第二の情報と、を収集する、
   請求項２から４のいずれかに記載の監視システム。
6. 前記記憶手段は、所定の期間内に前記複数の移動体から取得した情報に基づいて前記正常モデルを構築する、
   請求項２から５のいずれかに記載の監視システム。
7. 前記記憶手段は、所定の期間内に前記複数の移動体から取得した情報に基づいて前記正常モデルを周期的に更新する、
   請求項６に記載の監視システム。
8. 複数の移動体と、監視装置と、が行う監視方法であって、
   前記移動体が、情報を収集する情報収集ステップを実行し、
   前記監視装置が、
   監視対象領域を特定する領域特定ステップと、
   前記監視対象領域内に位置する前記移動体によって収集された複数の前記情報を取得する取得ステップと、
   検知対象の事象が発生していない状況に対応する正常モデルと、前記取得した複数の情報と、を比較することで、検知対象の事象が前記監視対象領域において発生していることを検知する検知ステップと、
   を実行する、監視方法。
9. 請求項８に記載の監視方法をコンピュータに実行させるプログラム。

Images