JP2020140743A - 歩行状態学習方法、歩行状態推定方法、路面状況理解方法、装置、及びプログラム - Google Patents
歩行状態学習方法、歩行状態推定方法、路面状況理解方法、装置、及びプログラム Download PDFInfo
- Publication number
- JP2020140743A JP2020140743A JP2020103228A JP2020103228A JP2020140743A JP 2020140743 A JP2020140743 A JP 2020140743A JP 2020103228 A JP2020103228 A JP 2020103228A JP 2020103228 A JP2020103228 A JP 2020103228A JP 2020140743 A JP2020140743 A JP 2020140743A
- Authority
- JP
- Japan
- Prior art keywords
- unit
- data
- walking state
- walking
- road surface
- 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.)
- Granted
Links
Landscapes
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
参考文献2:Felix A. Gers, Nicol N. Schraudolph, and Jurgen Schmidhuber, "Learning precise timing with LSTM recurrent networks", Journal of Machine Learning Research, vol. 3, pp.115-143, 2002.
Win:LSTMのinput gateにおけるパラメタ
Wout:LSTMのoutput gateにおけるパラメタ
Wc:memory cellにおけるパラメタ
Wsoftmax:ソフトマックス関数を用いてRNNの状態ベクトルから、歩行状態の推定結果を算出するためのパラメタ
参考文献4:Tomasi, C., and Manduchi, R., "Bilateral filtering for gray and color images." In Proc. of ICCV, 1998
12,212 携帯デバイス
14,214 歩行データ収集部
16 アノテーション収集部
18,218 記憶領域
20 路面状況学習装置
22,222 歩行データ蓄積部
24 歩行アノテーション蓄積部
26,226 系列データ抽出部
28,228 単位データ抽出部
30 ラベル生成部
32 歩行データラベル蓄積部
34 学習部
36,236 パラメタ記憶部
100 路面状況理解システム
216 測位部
220 路面状況理解装置
223 測位データ蓄積部
237 単位データ種別推定部
238 平滑化処理部
239 位置別路面状況理解部
300 出力部
910 ベクトル表現
920 特徴ベクトル
930 状態ベクトル
940 状態ベクトル
950 推定結果
Claims (9)
- 系列データ抽出部が、ユーザが携帯する携帯デバイスに備え付けられているセンサの出力値をタイムスタンプとともに記録した歩行データから、前記出力値の系列を表す系列データを抽出するステップと、
単位データ抽出部が、前記系列データ抽出部によって抽出された前記系列データから、単位時間毎に、前記系列データが単位時間に区切られたデータである単位データを抽出するステップと、
ラベル生成部が、入力された、前記ユーザの歩行状態の種別及び段差の有無をタイムスタンプとともに時系列に記録したアノテーションデータに基づいて、前記単位データ毎に、前記ユーザの歩行状態の種別を表すラベルと段差の有無とを付与するステップと、
学習部が、前記単位データ抽出部によって抽出された前記単位データの各々と、前記ラベル生成部によって前記単位データ毎に付与された前記ラベルと段差の有無とに基づいて、前記単位データに対応する歩行状態の種別を表す確率と段差が有る確率とを出力するための学習モデルを学習するステップと、
を含む歩行状態学習方法。 - 前記学習モデルは、入力された現在のタイムステップにおける前記単位データの各々から特徴ベクトルを生成する層と、現在のタイムステップにおける前記単位データに対応する特徴ベクトルと1つ前のタイムステップにおける状態ベクトルとから現在のタイムステップにおける状態ベクトルを生成する層と、現在のタイムステップにおける状態ベクトルから現在のタイムステップにおける歩行状態の種別を表す確率と段差が有る確率とを出力する層と、を有するRNNモデルである、
請求項1に記載の歩行状態学習方法。 - 系列データ抽出部が、ユーザが携帯する携帯デバイスに備え付けられているセンサの出力値をタイムスタンプとともに記録した歩行データから、前記出力値の系列を表す系列データを抽出するステップと、
単位データ抽出部が、前記系列データ抽出部によって抽出された前記系列データから、単位時間毎に、前記系列データが単位時間に区切られたデータである単位データを抽出するステップと、
単位データ種別推定部が、前記単位データ抽出部によって抽出された前記単位データの各々について、前記単位データと、請求項1又は請求項2に記載の歩行状態学習方法によって得られた前記学習モデルとに基づいて、前記単位データに対応する歩行状態の種別である確率を推定するステップと、
平滑化処理部が、前記単位データ抽出部によって抽出された前記単位データの各々についての、前記単位データ種別推定部によって得られた前記歩行状態の種別である確率に対し、所定の時間区間での平滑化を行い、前記単位データの各々に対応する前記歩行状態の種別を推定するステップと、
を含む歩行状態推定方法。 - 請求項3に記載の歩行状態推定方法の各ステップと、
位置別路面状況理解部が、前記平滑化処理部によって得られた推定結果から得られる前記単位データの各々に対する路面状況と、前記携帯デバイスが存在する位置を計測した結果をタイムスタンプとともに記録した測位データとを集計して、各位置の路面状況を認識するステップと、
を含む路面状況理解方法。 - ユーザが携帯する携帯デバイスに備え付けられているセンサの出力値をタイムスタンプとともに記録した歩行データから、前記出力値の系列を表す系列データを抽出する系列データ抽出部と、
前記系列データ抽出部によって抽出された前記系列データから、単位時間毎に、前記系列データが単位時間に区切られたデータである単位データを抽出する単位データ抽出部と、
入力された、前記ユーザの歩行状態の種別及び段差の有無をタイムスタンプとともに時系列に記録したアノテーションデータに基づいて、前記単位データ毎に、前記ユーザの歩行状態の種別を表すラベルと段差の有無とを付与するラベル生成部と、
前記単位データ抽出部によって抽出された前記単位データの各々と、前記ラベル生成部によって前記単位データ毎に付与された前記ラベルと段差の有無とに基づいて、前記単位データに対応する歩行状態の種別を表す確率と段差が有る確率とを出力するための学習モデルを学習する学習部と、
を含む歩行状態学習装置。 - 前記学習モデルは、入力された現在のタイムステップにおける前記単位データの各々から特徴ベクトルを生成する層と、現在のタイムステップにおける前記単位データに対応する特徴ベクトルと1つ前のタイムステップにおける状態ベクトルとから現在のタイムステップにおける状態ベクトルを生成する層と、現在のタイムステップにおける状態ベクトルから現在のタイムステップにおける歩行状態の種別を表す確率と段差が有る確率とを出力する層と、を有するRNNモデルである、
請求項5に記載の歩行状態学習装置。 - ユーザが携帯する携帯デバイスに備え付けられているセンサの出力値をタイムスタンプとともに記録した歩行データから、前記出力値の系列を表す系列データを抽出する系列データ抽出部と、
前記系列データ抽出部によって抽出された前記系列データから、単位時間毎に、前記系列データが単位時間に区切られたデータである単位データを抽出する単位データ抽出部と、
前記単位データ抽出部によって抽出された前記単位データの各々について、前記単位データと、請求項5又は請求項6に記載の歩行状態学習装置によって得られた前記学習モデルとに基づいて、前記単位データに対応する歩行状態の種別である確率を推定する単位データ種別推定部と、
前記単位データ抽出部によって抽出された前記単位データの各々についての、前記単位データ種別推定部によって得られた前記歩行状態の種別である確率に対し、所定の時間区間での平滑化を行い、前記単位データの各々に対応する前記歩行状態の種別を推定する平滑化処理部と、
を含む歩行状態推定装置。 - 請求項7に記載の歩行状態推定装置と、
前記平滑化処理部によって得られた推定結果から得られる前記単位データの各々に対する路面状況と、前記携帯デバイスが存在する位置を計測した結果をタイムスタンプとともに記録した測位データとを集計して、各位置の路面状況を認識する位置別路面状況理解部と、
を含む路面状況理解装置。 - コンピュータに、請求項1若しくは請求項2に記載の歩行状態学習方法、請求項3に記載の歩行状態推定方法、又は請求項4に記載の路面状況理解方法の各ステップを実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020103228A JP7036154B2 (ja) | 2020-06-15 | 2020-06-15 | 歩行状態学習方法、歩行状態推定方法、路面状況理解方法、装置、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020103228A JP7036154B2 (ja) | 2020-06-15 | 2020-06-15 | 歩行状態学習方法、歩行状態推定方法、路面状況理解方法、装置、及びプログラム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016123751A Division JP2017228091A (ja) | 2016-06-22 | 2016-06-22 | 歩行状態学習方法、歩行状態推定方法、路面状況理解方法、装置、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020140743A true JP2020140743A (ja) | 2020-09-03 |
JP7036154B2 JP7036154B2 (ja) | 2022-03-15 |
Family
ID=72280520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020103228A Active JP7036154B2 (ja) | 2020-06-15 | 2020-06-15 | 歩行状態学習方法、歩行状態推定方法、路面状況理解方法、装置、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7036154B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011123832A (ja) * | 2009-12-14 | 2011-06-23 | Nippon Telegr & Teleph Corp <Ntt> | 行動・状態モニタリング方法およびプログラム |
JP2011163861A (ja) * | 2010-02-08 | 2011-08-25 | Kddi Corp | 地磁気センサ及び加速度センサを用いて歩行者の進行方向を決定する携帯端末、プログラム及び方法 |
JP2011206274A (ja) * | 2010-03-30 | 2011-10-20 | Nec Corp | 行動判定装置、行動判定システム、端末装置、行動判定方法、及びプログラム |
JP2012237719A (ja) * | 2011-05-13 | 2012-12-06 | Kddi Corp | 気圧センサを用いて昇降移動状態を推定する携帯装置、プログラム及び方法 |
-
2020
- 2020-06-15 JP JP2020103228A patent/JP7036154B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011123832A (ja) * | 2009-12-14 | 2011-06-23 | Nippon Telegr & Teleph Corp <Ntt> | 行動・状態モニタリング方法およびプログラム |
JP2011163861A (ja) * | 2010-02-08 | 2011-08-25 | Kddi Corp | 地磁気センサ及び加速度センサを用いて歩行者の進行方向を決定する携帯端末、プログラム及び方法 |
JP2011206274A (ja) * | 2010-03-30 | 2011-10-20 | Nec Corp | 行動判定装置、行動判定システム、端末装置、行動判定方法、及びプログラム |
JP2012237719A (ja) * | 2011-05-13 | 2012-12-06 | Kddi Corp | 気圧センサを用いて昇降移動状態を推定する携帯装置、プログラム及び方法 |
Non-Patent Citations (2)
Title |
---|
横山 晃 AKIRA YOKOYAMA, 一般社団法人 人工知能学会 第29回全国大会論文集CD−ROM [CD−ROM] 2015年度 人工, JPN6021021603, 2 June 2015 (2015-06-02), ISSN: 0004524649 * |
藤井 海斗: "歩行者クラウドセンシングによる路面状態の推定", 第8回データ工学と情報マネジメントに関するフォーラム (第14回日本データベース学会年次大会) [O, JPN6021021604, 2 March 2016 (2016-03-02), JP, ISSN: 0004524650 * |
Also Published As
Publication number | Publication date |
---|---|
JP7036154B2 (ja) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2017228091A (ja) | 歩行状態学習方法、歩行状態推定方法、路面状況理解方法、装置、及びプログラム | |
Zhou et al. | Making pervasive sensing possible: Effective travel mode sensing based on smartphones | |
Pourebrahim et al. | Trip distribution modeling with Twitter data | |
CN110378483A (zh) | 部署在模拟平台上的用于训练机器学习模型的系统和方法 | |
JP6397379B2 (ja) | 変化領域検出装置、方法、及びプログラム | |
CN104599002B (zh) | 预测订单价值的方法及设备 | |
Iwasawa et al. | Combining human action sensing of wheelchair users and machine learning for autonomous accessibility data collection | |
EP3798941A1 (en) | Vacant house determination device, vacant house determination method, and recording medium | |
Yang et al. | Pedestrian network generation based on crowdsourced tracking data | |
JP6810654B2 (ja) | 路面データ収集装置、方法、及びプログラム | |
Hato | Development of behavioral context addressable loggers in the shell for travel-activity analysis | |
Wei et al. | Calibrating recurrent neural networks on smartphone inertial sensors for location tracking | |
CN107133689B (zh) | 一种位置标记方法 | |
WO2016037346A1 (en) | Measuring and diagnosing noise in urban environment | |
CN107331149A (zh) | 预测车辆行驶时间的方法和装置 | |
JP7036154B2 (ja) | 歩行状態学習方法、歩行状態推定方法、路面状況理解方法、装置、及びプログラム | |
CN111782955A (zh) | 兴趣点表示和推送方法、装置、电子设备及存储介质 | |
CN112363617A (zh) | 一种人体动作数据的获取方法和装置 | |
Ortiz et al. | Improving Community Resiliency and Emergency Response With Artificial Intelligence | |
JP6457346B2 (ja) | 路面状況理解システム、路面状況理解方法、路面状況理解プログラム | |
Georgati et al. | Spatially explicit population projections: The case of Copenhagen, Denmark | |
CN113918802B (zh) | 导航方法、装置、设备、介质及产品 | |
CN112785083B (zh) | 到达时间的预估方法、装置、电子设备以及存储介质 | |
US11521023B2 (en) | Automatic building detection and classification using elevator/escalator stairs modeling—building classification | |
CN105451171B (zh) | 上传用户地理位置数据的方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200615 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210531 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210608 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210805 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210902 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220201 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220214 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7036154 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |