JP2021157833A - 道路状況予測方法、道路状況予測モデルを確立する方法及びその対応装置、電子機器、記録媒体並びにコンピュータプログラム製品 - Google Patents
道路状況予測方法、道路状況予測モデルを確立する方法及びその対応装置、電子機器、記録媒体並びにコンピュータプログラム製品 Download PDFInfo
- Publication number
- JP2021157833A JP2021157833A JP2021104711A JP2021104711A JP2021157833A JP 2021157833 A JP2021157833 A JP 2021157833A JP 2021104711 A JP2021104711 A JP 2021104711A JP 2021104711 A JP2021104711 A JP 2021104711A JP 2021157833 A JP2021157833 A JP 2021157833A
- Authority
- JP
- Japan
- Prior art keywords
- road
- image
- feature
- sequence
- area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000004590 computer program Methods 0.000 title claims abstract description 12
- 238000012549 training Methods 0.000 claims description 66
- 238000013145 classification model Methods 0.000 claims description 34
- 238000000605 extraction Methods 0.000 claims description 24
- 230000015654 memory Effects 0.000 claims description 19
- 239000006185 dispersion Substances 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 6
- 230000006870 function Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/26—Techniques for post-processing, e.g. correcting the recognition result
- G06V30/262—Techniques for post-processing, e.g. correcting the recognition result using context analysis, e.g. lexical, syntactic or semantic context
- G06V30/274—Syntactic or semantic context, e.g. balancing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Human Resources & Organizations (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
Abstract
Description
道路における第1の時点よりも前の所定の第1の時間区間内のユーザ軌跡シーケンス及び道路画像シーケンスを取得することと、
前記ユーザ軌跡シーケンスから前記道路の軌跡関連特徴を抽出し、及び前記道路画像シーケンスから前記道路の画像関連特徴を抽出することと、
前記道路の軌跡関連特徴及び画像関連特徴を、予めトレーニングして得られた道路状況予測モデルに入力し、前記道路状況予測モデルの推定結果を利用して前記道路における前記第1の時点よりも後の所定の第2の時間区間内の道路状況情報を得ることと、を含む道路状況予測方法を提供している。
トレーニングデータを取得し、前記トレーニングデータにはサンプル道路における第2の時点よりも前の所定の第1の時間区間内のユーザ軌跡シーケンス及び道路画像シーケンス、および前記サンプル道路に付与された前記第2の時点よりも後の所定の第2の時間区間内の道路状況ラベルが含まれることと、
前記ユーザ軌跡シーケンスから前記サンプル道路の軌跡関連特徴を抽出し、及び前記道路画像シーケンスから前記サンプル道路の画像関連特徴を抽出することと、
前記サンプル道路の軌跡相関特徴及び画像関連特徴を分類モデルの入力とし、前記サンプル道路に付与された道路状況ラベルを前記分類モデルの目標出力とするように、前記分類モデルをトレーニングして前記道路状況予測モデルを得ることと、を含む道路状況予測モデルを確立する方法を提供している。
道路における第1の時点よりも前の所定の第1の時間区間内のユーザ軌跡シーケンス及び道路画像シーケンスを取得するためのシーケンス取得手段と、
前記ユーザ軌跡シーケンスから前記道路の軌跡関連特徴を抽出し、及び前記道路画像シーケンスから前記道路の画像関連特徴を抽出するための特徴抽出手段と、
前記道路の軌跡関連特徴及び画像関連特徴を、予めトレーニングして得られた道路状況予測モデルに入力し、前記道路状況予測モデルの推定結果を利用して前記道路における前記第1の時点よりも後の所定の第2の時間区間内の道路状況情報を得るための道路状況推定手段と、を含む道路状況予測装置を提供している。
トレーニングデータを取得するためのサンプル取得手段であって、前記トレーニングデータには、サンプル道路における第2の時点よりも前の所定の第1の時間区間内のユーザ軌跡シーケンス及び道路画像シーケンス、および前記サンプル道路に付与された前記第2の時点よりも後の所定の第2の時間区間内の道路状況ラベルが含まれるサンプル取得手段と、
前記ユーザ軌跡シーケンスから前記サンプル道路の軌跡関連特徴を抽出し、及び前記道路画像シーケンスから前記サンプル道路の画像関連特徴を抽出するための特徴抽出手段と、
前記サンプル道路の軌跡相関特徴及び画像関連特徴を分類モデルの入力とし、前記サンプル道路に付与された道路状況ラベルを前記分類モデルの目標出力とするように、前記分類モデルをトレーニングして前記道路状況予測モデルを得るためのモデルトレーニング手段と、を含む道路状況予測モデルを確立する装置を提供している。
前記メモリに、前記少なくとも1つのプロセッサによって実行され得るコマンドが記憶されており、
前記コマンドが前記少なくとも1つのプロセッサによって実行されることで、前記少なくとも1つのプロセッサが上述した方法を実行することができる電子機器を提供している。
本願の実施例によって提供される方法及び装置を用いて道路の道路状況予測を行った後、例えば異なる色を用いて地図上で各道路の渋滞状況を区別させるように、各道路の道路状況情報を地図類アプリケーションで表示する。
本願の実施例によって提供される方法及び装置を用いて道路の道路状況予測を行った後、ユーザが経路計画を行うように要求する場合、渋滞状態にある道路をできるだけ回避する。
本願の実施例によって提供される方法及び装置を用いて道路の道路状況予測を行った後、渋滞状態にある道路情報を無線局に通報して再生し、或いは地図類アプリケーションのクライアントに送信して音声放送を行うか又はインタフェースに文字の形式で表示する。
本願の実施例によって提供される方法及び装置を用いて道路の道路状況予測を行った後、各道路の道路状況情報をデータベースに記憶する。端末装置のある道路の道路状況に対する検索要求に応答し、この道路の道路状況情報をこの端末装置に送信する。
Claims (31)
- 道路状況予測方法であって、
道路における第1の時点よりも前の所定の第1の時間区間内のユーザ軌跡シーケンス及び道路画像シーケンスを取得することと、
前記ユーザ軌跡シーケンスから前記道路の軌跡関連特徴を抽出し、及び前記道路画像シーケンスから前記道路の画像関連特徴を抽出することと、
前記道路の軌跡関連特徴及び画像関連特徴を、予めトレーニングして得られた道路状況予測モデルに入力し、前記道路状況予測モデルの推定結果を利用して前記道路における前記第1の時点よりも後の所定の第2の時間区間内の道路状況情報を得ることと、を含む
道路状況予測方法。 - 前記道路は、予め設定された目標道路、道路状況電子フェンス内の道路、および、軌跡点が予め設定された道路状況予測トリガ条件を満たす道路のうちの少なくとも一つを含む
請求項1に記載の方法。 - 前記道路の情報を収集端末に送信し、前記収集端末によって収集されたユーザ軌跡シーケンス及び道路画像シーケンスを取得すること、または、
前記道路上にある収集端末に収集指令を送信し、前記収集端末によって収集されたユーザ軌跡シーケンス及び道路画像シーケンスを取得すること、をさらに含む
請求項1又は2に記載の方法。 - 前記軌跡関連特徴は、速度特徴を含み、
前記画像関連特徴は、道路開放度特徴、車流特徴及び建築特徴のうちの少なくとも一種を含む
請求項1に記載の方法。 - 前記道路画像シーケンスから前記道路の画像関連特徴を抽出することは、
予めトレーニングして得られた画像意味分割モデルを利用し、前記道路画像シーケンスにおける各道路画像から主走行領域を識別することと、
各道路画像から前記主走行領域の道路開放度及び/又は車流情報を抽出することと、
各道路画像における主走行領域の道路開放度及び/又は車流情報を利用して、前記道路開放度特徴及び/又は車流特徴を得ることと、を含む
請求項4に記載の方法。 - 前記予めトレーニングして得られた画像意味分割モデルを利用し、前記道路画像シーケンスにおける各道路画像から主走行領域を識別することは、
予めトレーニングして得られた画像意味分割モデルを利用し、各道路画像に対して各画素に対応する領域種別をそれぞれ識別することにより、道路画像における走行領域及び少なくとも一種の道路環境領域を判定することと、
前記少なくとも一種の道路環境領域を利用し、前記走行領域から主走行領域を判定することと、を含む
請求項5に記載の方法。 - 前記道路画像シーケンスから前記道路の画像関連特徴を抽出することは、
予めトレーニングして得られた画像意味分割モデルを利用し、前記道路画像シーケンスにおける各道路画像から建物領域を識別することと、
前記道路画像シーケンスにおける隣接する道路画像の建物領域の類似度平均値及び/又は分散を前記道路の建築特徴とすることと、を含む
請求項4に記載の方法。 - 前記道路状況予測モデルに入力される特徴は、さらに、
前記第1の時点よりも前の所定の第1の時間区間に対応する時間特徴、及び/又は前記道路の属性特徴を含む
請求項1に記載の方法。 - サンプル道路における第2の時点よりも前の所定の第1の時間区間内のユーザ軌跡シーケンス及び道路画像シーケンス、および前記サンプル道路に付与された前記第2の時点よりも後の所定の第2の時間区間内の道路状況ラベルを含むトレーニングデータを取得することと、
前記ユーザ軌跡シーケンスから前記サンプル道路の軌跡関連特徴を抽出し、及び前記道路画像シーケンスから前記サンプル道路の画像関連特徴を抽出することと、
前記サンプル道路の軌跡相関特徴及び画像関連特徴を分類モデルの入力とし、前記サンプル道路に付与された道路状況ラベルを前記分類モデルの目標出力とするように、前記分類モデルをトレーニングして前記道路状況予測モデルを得ることと、を含む
道路状況予測モデルを確立する方法。 - 前記軌跡関連特徴は、速度特徴を含み、
前記画像関連特徴は、道路開放度特徴、車流特徴及び建築特徴のうちの少なくとも一種を含む
請求項9に記載の方法。 - 前記道路画像シーケンスから前記サンプル道路の画像関連特徴を抽出することは、
予めトレーニングして得られた画像意味分割モデルを利用し、前記道路画像シーケンスにおける各道路画像から主走行領域を識別することと、
各道路画像から前記主走行領域の道路開放度及び/又は車流情報を抽出することと、
各道路画像における主走行領域の道路開放度及び/又は車流情報を利用して、前記道路開放度特徴及び/又は車流特徴を得ることと、を含む
請求項10に記載の方法。 - 前記予めトレーニングして得られた画像意味分割モデルを利用し、前記道路画像シーケンスにおける各道路画像から主走行領域を識別することは、
予めトレーニングして得られた画像意味分割モデルを利用し、各道路画像に対して各画素に対応する領域種別をそれぞれ識別することにより、道路画像における走行領域及び少なくとも一種の道路環境領域を判定することと、
前記少なくとも一種の道路環境領域を利用し、前記走行領域から主走行領域を判定することと、を含む
請求項11に記載の方法。 - 前記道路画像シーケンスから前記サンプル道路の画像関連特徴を抽出することは、
予めトレーニングして得られた画像意味分割モデルを利用し、前記道路画像シーケンスにおける各道路画像から建物領域を識別することと、
前記道路画像シーケンスにおける隣接する道路画像の建物領域の類似度平均値及び/又は分散を前記サンプル道路の建築特徴とすることと、を含む
請求項10に記載の方法。 - 前記分類モデルの入力は、さらに、
前記第2の時点よりも前の所定の第1の時間区間に対応する時間特徴、及び/又は前記サンプル道路の属性特徴を含む
請求項9に記載の方法。 - 道路における第1の時点よりも前の所定の第1の時間区間内のユーザ軌跡シーケンス及び道路画像シーケンスを取得するためのシーケンス取得手段と、
前記ユーザ軌跡シーケンスから前記道路の軌跡関連特徴を抽出し、及び前記道路画像シーケンスから前記道路の画像関連特徴を抽出するための特徴抽出手段と、
前記道路の軌跡関連特徴及び画像関連特徴を、予めトレーニングして得られた道路状況予測モデルに入力し、前記道路状況予測モデルの推定結果を利用して前記道路における前記第1の時点よりも後の所定の第2の時間区間内の道路状況情報を得るための道路状況推定手段と、を含む
道路状況予測装置。 - 前記道路は、予め設定された目標道路、道路状況電子フェンス内の道路、および、軌跡点が予め設定された道路状況予測トリガ条件を満たす道路のうちの少なくとも一つを含む
請求項15に記載の装置。 - 前記道路の情報を収集端末に送信し、前記収集端末によって収集されたユーザ軌跡シーケンス及び道路画像シーケンスを取得するか、または、前記道路上にある収集端末に収集指令を送信し、前記収集端末によって収集されたユーザ軌跡シーケンス及び道路画像シーケンスを取得するための情報交換手段をさらに含む
請求項15又は16に記載の装置。 - 前記軌跡関連特徴は、速度特徴を含み、
前記画像関連特徴は、道路開放度特徴、車流特徴及び建築特徴のうちの少なくとも一種を含む
請求項15に記載の装置。 - 前記特徴抽出手段は、前記道路画像シーケンスから前記道路の画像関連特徴を抽出する場合、具体的に、
予めトレーニングして得られた画像意味分割モデルを利用し、前記道路画像シーケンスにおける各道路画像から主走行領域を識別することと、
各道路画像から前記主走行領域の道路開放度及び/又は車流情報を抽出することと、
各道路画像における主走行領域の道路開放度及び/又は車流情報を利用して、前記道路開放度特徴及び/又は車流特徴を得ること、を実行する
請求項18に記載の装置。 - 前記特徴抽出手段は、予めトレーニングして得られた画像意味分割モデルを用いて、前記道路画像シーケンスにおける各道路画像から主走行領域を識別するときに、具体的に、
予めトレーニングして得られた画像意味分割モデルを利用し、各道路画像に対して各画素に対応する領域種別をそれぞれ識別することにより、道路画像における走行領域及び少なくとも一種の道路環境領域を判定することと、
前記少なくとも一種の道路環境領域を利用し、前記走行領域から主走行領域を判定すること、を実行する
請求項19に記載の装置。 - 前記特徴抽出手段は、前記道路画像シーケンスから前記道路の画像関連特徴を抽出するときに、具体的に、
予めトレーニングして得られた画像意味分割モデルを利用し、前記道路画像シーケンスにおける各道路画像から建物領域を識別することと、
前記道路画像シーケンスにおける隣接する道路画像の建物領域の類似度平均値及び/又は分散を前記道路の建築特徴とすること、を実行する
請求項18に記載の装置。 - 前記道路状況推定手段は、前記第1の時点よりも前の所定の第1の時間区間に対応する時間特徴、及び/又は前記道路の属性特徴を、前記予めトレーニングして得られた道路状況予測モデルにさらに入力するためにも用いられる
請求項15に記載の装置。 - サンプル道路における第2の時点よりも前の所定の第1の時間区間内のユーザ軌跡シーケンス及び道路画像シーケンス、および前記サンプル道路に付与された前記第2の時点よりも後の所定の第2の時間区間内の道路状況ラベルを含むトレーニングデータを取得するためのサンプル取得手段と、
前記ユーザ軌跡シーケンスから前記サンプル道路の軌跡関連特徴を抽出し、及び前記道路画像シーケンスから前記サンプル道路の画像関連特徴を抽出するための特徴抽出手段と、
前記サンプル道路の軌跡相関特徴及び画像関連特徴を分類モデルの入力とし、前記サンプル道路に付与された道路状況ラベルを前記分類モデルの目標出力とするように、前記分類モデルをトレーニングして前記道路状況予測モデルを得るためのモデルトレーニング手段と、を含む
道路状況予測モデルを確立する装置。 - 前記軌跡関連特徴は、速度特徴を含み、
前記画像関連特徴は、道路開放度特徴、車流特徴及び建築特徴のうちの少なくとも一種を含む
請求項23に記載の装置。 - 前記特徴抽出手段は、前記道路画像シーケンスから前記サンプル道路の画像関連特徴を抽出するときに、具体的に、
予めトレーニングして得られた画像意味分割モデルを利用し、前記道路画像シーケンスにおける各道路画像から主走行領域を識別することと、
各道路画像から前記主走行領域の道路開放度及び/又は車流情報を抽出することと、
各道路画像における主走行領域の道路開放度及び/又は車流情報を利用して、前記道路開放度特徴及び/又は車流特徴を得ること、を実行する
請求項24に記載の装置。 - 前記特徴抽出手段は、予めトレーニングして得られた画像意味分割モデルを用いて、前記道路画像シーケンスにおける各道路画像から主走行領域を識別するときに、具体的に、
予めトレーニングして得られた画像意味分割モデルを利用し、各道路画像に対して各画素に対応する領域種別をそれぞれ識別することにより、道路画像における走行領域及び少なくとも一種の道路環境領域を判定することと、
前記少なくとも一種の道路環境領域を利用し、前記走行領域から主走行領域を判定すること、を実行する
請求項25に記載の装置。 - 前記特徴抽出手段は、前記道路画像シーケンスから前記サンプル道路の画像関連特徴を抽出するときに、具体的に、
予めトレーニングして得られた画像意味分割モデルを利用し、前記道路画像シーケンスにおける各道路画像から建物領域を識別することと、
前記道路画像シーケンスにおける隣接する道路画像の建物領域の類似度平均値及び/又は分散を前記サンプル道路の建築特徴とすること、を実行する
請求項24に記載の装置。 - 前記モデルトレーニング手段は、前記第2の時点よりも前の所定の第1の時間区間に対応する時間特徴、及び/又は前記サンプル道路の属性特徴をさらに前記分類モデルの入力とするためにも用いられる
請求項23に記載の装置。 - 少なくとも1つのプロセッサと、前記少なくとも1つのプロセッサと通信接続するメモリとを含む電子機器であって、
前記メモリに、前記少なくとも1つのプロセッサによって実行され得るコマンドが記憶されており、
前記コマンドが前記少なくとも1つのプロセッサによって実行されることで、前記少なくとも1つのプロセッサが請求項1〜14のいずれか一項に記載の方法を実行することができる
電子機器。 - コンピュータに請求項1〜14のいずれか一項に記載の方法を実行させるためのコンピュータコマンドを記憶している非一時的コンピュータ読取可能な記憶媒体。
- プロセッサによって実行される時に請求項1〜14のいずれか一項に記載の方法を実現するコンピュータプログラムを含む、コンピュータプログラム製品。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011410518.4A CN112560609B (zh) | 2020-12-03 | 2020-12-03 | 路况预估方法、建立路况预估模型的方法及对应装置 |
CN202011410518.4 | 2020-12-03 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021157833A true JP2021157833A (ja) | 2021-10-07 |
Family
ID=75048612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021104711A Pending JP2021157833A (ja) | 2020-12-03 | 2021-06-24 | 道路状況予測方法、道路状況予測モデルを確立する方法及びその対応装置、電子機器、記録媒体並びにコンピュータプログラム製品 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11887376B2 (ja) |
EP (1) | EP3926534A3 (ja) |
JP (1) | JP2021157833A (ja) |
KR (1) | KR102618445B1 (ja) |
CN (1) | CN112560609B (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113569759B (zh) * | 2021-07-29 | 2022-06-10 | 沭阳新辰公路仪器有限公司 | 一种基于人工智能的道路掉落物识别方法及系统 |
KR102608343B1 (ko) * | 2021-09-09 | 2023-11-30 | 네이버 주식회사 | 패턴 매칭을 이용하여 도로 정체 전파를 예측하는 방법, 컴퓨터 장치, 및 컴퓨터 프로그램 |
CN114413832B (zh) * | 2021-12-02 | 2023-12-15 | 中国通信建设第三工程局有限公司 | 一种基于光纤传感的道路监测系统及方法 |
CN114332699B (zh) * | 2021-12-24 | 2023-12-12 | 中国电信股份有限公司 | 路况预测方法、装置、设备及存储介质 |
CN114418093B (zh) * | 2022-01-19 | 2023-08-25 | 北京百度网讯科技有限公司 | 训练路径表征模型、输出信息的方法和装置 |
CN114332104B (zh) * | 2022-03-09 | 2022-07-29 | 南方电网数字电网研究院有限公司 | 电网输电场景rgb点云语义分割多阶段模型联合优化方法 |
CN114742280B (zh) * | 2022-03-18 | 2023-01-13 | 北京百度网讯科技有限公司 | 路况预测方法及相应的模型训练方法、装置、设备及介质 |
KR102422235B1 (ko) * | 2022-05-26 | 2022-07-15 | (주)에스엔테크 | 터널 내 지능형 차량 정체 알림 시스템 |
CN114998744B (zh) * | 2022-07-18 | 2022-10-25 | 中国农业大学 | 基于运动与视觉双特征融合的农机轨迹田路分割方法及装置 |
CN117218858A (zh) * | 2023-10-25 | 2023-12-12 | 河北高速公路集团有限公司承德分公司 | 用于高速公路的交通安全预警系统及方法 |
CN117115382B (zh) * | 2023-10-25 | 2024-02-09 | 腾讯科技(深圳)有限公司 | 地图道路绘制方法、装置、计算机设备和存储介质 |
CN117493820B (zh) * | 2024-01-03 | 2024-04-02 | 中国电子工程设计院股份有限公司 | 一种数据要素处理方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH064795A (ja) * | 1992-06-17 | 1994-01-14 | Hitachi Ltd | 交通状況監視方法と装置および交通流監視制御システム |
JP2020101908A (ja) * | 2018-12-20 | 2020-07-02 | 株式会社東芝 | 交通状況予測装置、および交通状況予測方法 |
CN111477012A (zh) * | 2020-06-24 | 2020-07-31 | 平安国际智慧城市科技股份有限公司 | 基于路况状态预测模型的溯源方法、装置和计算机设备 |
CN111915878A (zh) * | 2019-05-09 | 2020-11-10 | 奥迪股份公司 | 道路交通状态的预测方法及装置、计算机设备和存储介质 |
CN111950537A (zh) * | 2020-09-24 | 2020-11-17 | 北京百度网讯科技有限公司 | 斑马线信息获取方法、地图更新方法、装置及系统 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100438981B1 (ko) * | 2001-06-02 | 2004-07-03 | 엘지산전 주식회사 | 영상정보를 이용한 교통정보 추출 방법 및 장치 |
US8670592B2 (en) | 2008-04-24 | 2014-03-11 | GM Global Technology Operations LLC | Clear path detection using segmentation-based method |
CN102722982B (zh) | 2012-03-30 | 2016-01-06 | 上海市金山区青少年活动中心 | 基于背景与帧间差分算法的车流及其运动状态检测方法 |
KR20140128063A (ko) * | 2013-04-26 | 2014-11-05 | 한국교통연구원 | 교통 상황 예측 시스템 |
CN105761500B (zh) | 2016-05-10 | 2019-02-22 | 腾讯科技(深圳)有限公司 | 交通事故处理方法及交通事故处理装置 |
JP6672077B2 (ja) * | 2016-05-27 | 2020-03-25 | 株式会社東芝 | 交通情報推定装置および交通情報推定方法 |
CN106781592B (zh) | 2017-01-04 | 2019-07-23 | 成都四方伟业软件股份有限公司 | 一种基于大数据的交通导航系统及方法 |
CN110657820A (zh) * | 2017-01-12 | 2020-01-07 | 御眼视觉技术有限公司 | 基于车辆活动的导航 |
JP6343071B2 (ja) | 2017-07-06 | 2018-06-13 | 株式会社日立製作所 | システム解析装置、設計不良解析装置、故障モード解析装置、故障ツリー解析装置、自律動作装置及び自律動作制御システム |
CN109754594B (zh) * | 2017-11-01 | 2021-07-27 | 腾讯科技(深圳)有限公司 | 一种路况信息获取方法及其设备、存储介质、终端 |
CN109615862A (zh) | 2018-12-29 | 2019-04-12 | 南京市城市与交通规划设计研究院股份有限公司 | 道路车辆交通运动状态参数动态获取方法及装置 |
CN111488770A (zh) * | 2019-01-28 | 2020-08-04 | 初速度(苏州)科技有限公司 | 交通标志识别方法、神经网络模型的训练方法和装置 |
CN110364008B (zh) * | 2019-08-16 | 2021-12-07 | 腾讯科技(深圳)有限公司 | 路况确定方法、装置、计算机设备和存储介质 |
CN111353009B (zh) * | 2020-02-03 | 2021-10-26 | 百度在线网络技术(北京)有限公司 | 建立路线耗时预估模型、预估路线耗时的方法及对应装置 |
CN111292549B (zh) * | 2020-02-03 | 2022-03-22 | 百度在线网络技术(北京)有限公司 | 建立路线耗时预估模型的方法、预估路线耗时的方法及对应装置 |
KR102144706B1 (ko) * | 2020-03-11 | 2020-08-14 | 아주대학교산학협력단 | 합성곱 신경망 기반의 도로 검출 장치 및 방법 |
CN111489555A (zh) | 2020-05-14 | 2020-08-04 | 武汉理工大学 | 一种交通运行状态预测方法、装置和系统 |
CN111611955B (zh) | 2020-05-28 | 2023-09-26 | 百度在线网络技术(北京)有限公司 | 可通行施工道路的识别方法、装置、设备及存储介质 |
CN111783037A (zh) * | 2020-06-29 | 2020-10-16 | 北京百度网讯科技有限公司 | 一种车辆里程预估模型优化方法、装置、设备及存储介质 |
-
2020
- 2020-12-03 CN CN202011410518.4A patent/CN112560609B/zh active Active
-
2021
- 2021-06-21 KR KR1020210080407A patent/KR102618445B1/ko active IP Right Grant
- 2021-06-24 JP JP2021104711A patent/JP2021157833A/ja active Pending
- 2021-10-29 EP EP21205616.2A patent/EP3926534A3/en active Pending
- 2021-11-03 US US17/517,702 patent/US11887376B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH064795A (ja) * | 1992-06-17 | 1994-01-14 | Hitachi Ltd | 交通状況監視方法と装置および交通流監視制御システム |
JP2020101908A (ja) * | 2018-12-20 | 2020-07-02 | 株式会社東芝 | 交通状況予測装置、および交通状況予測方法 |
CN111915878A (zh) * | 2019-05-09 | 2020-11-10 | 奥迪股份公司 | 道路交通状态的预测方法及装置、计算机设备和存储介质 |
CN111477012A (zh) * | 2020-06-24 | 2020-07-31 | 平安国际智慧城市科技股份有限公司 | 基于路况状态预测模型的溯源方法、装置和计算机设备 |
CN111950537A (zh) * | 2020-09-24 | 2020-11-17 | 北京百度网讯科技有限公司 | 斑马线信息获取方法、地图更新方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
KR20210087005A (ko) | 2021-07-09 |
KR102618445B1 (ko) | 2023-12-28 |
CN112560609A (zh) | 2021-03-26 |
US20220058403A1 (en) | 2022-02-24 |
US11887376B2 (en) | 2024-01-30 |
CN112560609B (zh) | 2022-11-15 |
EP3926534A3 (en) | 2022-05-04 |
EP3926534A2 (en) | 2021-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021157833A (ja) | 道路状況予測方法、道路状況予測モデルを確立する方法及びその対応装置、電子機器、記録媒体並びにコンピュータプログラム製品 | |
JP7351487B2 (ja) | トポロジーマップに基づくインテリジェントナビゲーションの方法及びシステム | |
US11520346B2 (en) | Navigating autonomous vehicles based on modulation of a world model representing traffic entities | |
WO2021249071A1 (zh) | 一种车道线的检测方法及相关设备 | |
CN111859291B (zh) | 交通事故识别方法、装置、设备和计算机存储介质 | |
EP3822852B1 (en) | Method, apparatus, computer storage medium and program for training a trajectory planning model | |
US20210024094A1 (en) | Filtering user responses for generating training data for machine learning based models for navigation of autonomous vehicles | |
US11615266B2 (en) | Adaptive sampling of stimuli for training of machine learning based models for predicting hidden context of traffic entities for navigating autonomous vehicles | |
CN112614373B (zh) | 一种基于BiLSTM周车换道意图预测方法 | |
JP2023526329A (ja) | 自律車両のための機械学習ベースモデルの検証およびトレーニングのためのシナリオ識別 | |
CN114360239A (zh) | 一种多层时空交通知识图谱重建的交通预测方法及系统 | |
CN115662166A (zh) | 一种自动驾驶数据处理方法及自动驾驶交通系统 | |
Kim et al. | Toward explainable and advisable model for self‐driving cars | |
CN113159403A (zh) | 路口行人轨迹预测的方法及装置 | |
Wang et al. | Accidentgpt: Accident analysis and prevention from v2x environmental perception with multi-modal large model | |
Selvaraj et al. | Edge learning of vehicular trajectories at regulated intersections | |
CN114742280B (zh) | 路况预测方法及相应的模型训练方法、装置、设备及介质 | |
Zheng et al. | A method of detect traffic police in complex scenes | |
US11993291B2 (en) | Neural networks for navigation of autonomous vehicles based upon predicted human intents | |
US20210114627A1 (en) | Neural networks for navigation of autonomous vehicles based upon predicted human intents | |
Das et al. | Early Detection of Driving Maneuvers for Proactive Congestion Prevention | |
Hongsheng | Far-field sensing in partial VANET environment | |
Krishna et al. | A Computational Data Science Based Detection of Road Traffic Anomalies | |
Kothuri et al. | Enhancing Pedestrian Safety in Autonomous Vehicles through Machine Learning | |
Zhao et al. | How Far are Autonomous Vehicles from Driving in Real Traffic? The Adaptability Analysis of Autonomous Vehicles to Cut-in Scenarios in China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210624 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220804 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221031 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230207 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230606 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230615 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20230804 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240315 |