JP2022104499A - 交通監視システム、交通監視方法、およびプログラム - Google Patents

Abstract

【課題】対象移動体が移動体間に進入するか否かを精度よく予測することが可能な交通監視システム、交通監視方法、およびプログラムを提供すること。
【解決手段】移動体の位置を検知するための検知デバイスからの情報に基づいて、前記移動体の位置を取得する取得部と、前記移動体の位置に応じた分布を有する指標値を、複数の前記移動体について重ね合わせた密度分布の情報を生成する生成部と、前記密度分布の情報が示す密度値の時間的変化に基づいて、対象移動体が二つの前記移動体の隙間に進入するか否かを予測する予測部と、を備える交通監視システム。
【選択図】図１

Description

本発明は、交通監視システム、交通監視方法、およびプログラムに関する。

四輪車や二輪車が混在した交通場面において交通量を予測する技術が開示されている（非特許文献１）。

"A porous flow approach to modeling heterogeneous traffic in disordered systems", Rahul Nair, Hani S. Mahmassani, Elise Miller-Hooks, Procedia Social and Behavioral Sciences 17 (2011) 611-627

従来の技術では、二輪車などの対象移動体が移動体間に進入するか否かを精度よく予測することができない場合があった。

本発明は、このような事情を考慮してなされたものであり、対象移動体が移動体間に進入するか否かを精度よく予測することが可能な交通監視システム、交通監視方法、およびプログラムを提供することを目的の一つとする。

この発明に係る交通監視システム、交通監視方法、およびプログラムは、以下の構成を採用した。
（１）：この発明の一態様に係る交通監視システムは、移動体の位置を検知するための検知デバイスからの情報に基づいて、前記移動体の位置を取得する取得部と、前記移動体の位置に応じた分布を有する指標値を、複数の前記移動体について重ね合わせた密度分布の情報を生成する生成部と、前記密度分布の情報が示す密度値の時間的変化に基づいて、対象移動体が二つの前記移動体の隙間に進入するか否かを予測する予測部と、を備えるものである。

（２）：上記（１）の態様において、前記対象移動体は、二輪車であるものである。

（３）：上記（１）または（２）の態様において、前記生成部は、上空から見た仮想平面上で、前記密度分布の情報を生成するものである。

（４）：上記（１）から（３）のいずれかの態様において、前記予測部は、二つの前記移動体の隙間の密度値が第１基準値以上であり且つ前記密度値が低下傾向にある場合に、前記対象移動体が前記隙間に進入する可能性があると予測するものである。

（５）：上記（１）から（４）のいずれかの態様において、前記予測部は、二つの前記移動体の隙間の密度値が第１基準値以上であり、且つ前記密度値が低下傾向になく、且つ前記対象移動体に対する二つの前記移動体の相対速度が増加する場合に、前記対象移動体が前記隙間に進入する可能性があると予測するものである。

（６）：上記（１）から（５）のいずれかの態様において、前記予測部は、二つの前記移動体の隙間の長さが閾値未満である場合、前記対象移動体が前記隙間に進入しないと予測するものである。

（７）：上記（１）から（６）のいずれかの態様において、前記予測部は、密度値の勾配に基づいて、前記隙間を前記対象移動体が通過する際の軌道および加速度を推定するものである。

（８）：上記（１）から（７）のいずれかの態様において、前記予測部は、前記対象移動体の進行方向側にある探索範囲に複数の隙間の候補が存在する場合、隙間の候補のそれぞれの中点を導出し、前記対象移動体から見た中点の方位角が前記対象移動体の進行方向に最も近い隙間の候補を予測対象の隙間として抽出するものである。

（９）：上記（１）から（８）のいずれかの態様において、前記予測部は、前記対象移動体の進行方向側にある探索範囲に複数の隙間の候補が存在する場合、前記密度値に基づくスコアが良好な隙間の候補から順に、前記対象移動体が隙間に進入するか否かを予測するものである。

（１０）：上記（１）から（９）のいずれかの態様において、前記予測部は、前記対象移動体の進行方向側にある探索範囲に複数の隙間の候補が存在する場合、前記隙間の長さに基づくスコアが良好な隙間の候補から順に、前記対象移動体が隙間に進入するか否かを予測するものである。

（１１）：本発明の他の態様に係る交通監視方法は、一以上のコンピュータが、移動体の位置を検知するための検知デバイスからの情報に基づいて、前記移動体の位置を取得し、前記移動体の位置に応じた分布を有する指標値を、複数の前記移動体について重ね合わせた密度分布の情報を生成し、前記密度分布の情報が示す密度値の時間的変化に基づいて、対象移動体が二つの前記移動体の隙間に進入するか否かを予測するものである。

（１２）：本発明の他の態様に係るプログラムは、一以上のコンピュータに、移動体の位置を検知するための検知デバイスからの情報に基づいて、前記移動体の位置を取得させ、前記移動体の位置に応じた分布を有する指標値を、複数の前記移動体について重ね合わせた密度分布の情報を生成させ、前記密度分布の情報が示す密度値の時間的変化に基づいて、対象移動体が二つの前記移動体の隙間に進入するか否かを予測させるものである。

（１３）：この発明の他の態様に係る交通監視システムは、移動体の位置を検知するための検知デバイスからの情報に基づいて、前記移動体の位置を取得する取得部と、前記移動体の位置に応じた分布を有する指標値を、複数の前記移動体について重ね合わせた密度分布の情報を生成する生成部と、前記密度分布の情報が示す密度値の時間的変化に基づいて、対象移動体が二つの前記移動体の隙間に向けて加速するか否かを予測する予測部と、を備えるものである。

（１４）：上記（１３）の態様において、前記対象移動体は、二輪車であるものである。

（１５）：上記（１３）または（１４）の態様において、前記生成部は、上空から見た仮想平面上で、前記密度分布の情報を生成するものである。

（１６）：上記（１３）から（１５）のいずれかの態様において、前記予測部は、二つの前記移動体の隙間の密度値が第１基準値以上であり且つ前記密度値が低下傾向にある場合に、前記対象移動体が二つの前記移動体の隙間に向けて加速する可能性があると予測するものである。

（１７）：上記（１３）から（１６）のいずれかの態様において、前記予測部は、二つの前記移動体の隙間の密度値が第１基準値以上であり、且つ前記密度値が低下傾向になく、且つ前記対象移動体に対する二つの前記移動体の相対速度が増加する場合に、前記対象移動体が二つの前記移動体の隙間に向けて加速する可能性があると予測するものである。

（１８）：上記（１３）から（１７）のいずれかの態様において、前記予測部は、二つの前記移動体の隙間の長さが閾値未満である場合、前記対象移動体が二つの前記移動体の隙間に向けて加速しないと予測するものである。

（１９）：上記（１３）から（１８）のいずれかの態様において、前記予測部は、密度値の勾配に基づいて、前記隙間に向けて前記対象移動体が加速する際の軌道および加速度を推定するものである。

（２０）：上記（１３）から（１９）のいずれかの態様において、前記予測部は、前記対象移動体の進行方向側にある探索範囲に複数の隙間の候補が存在する場合、隙間の候補のそれぞれの中点を導出し、前記対象移動体から見た中点の方位角が前記対象移動体の進行方向に最も近い隙間の候補を予測対象の隙間として抽出するものである。

（２１）：上記（１３）から（２０）のいずれかの態様において、前記予測部は、前記対象移動体の進行方向側にある探索範囲に複数の隙間の候補が存在する場合、前記密度値に基づくスコアが良好な隙間の候補から順に、前記対象移動体が隙間に向けて加速するか否かを予測するものである。

（２２）：上記（１３）から（２１）のいずれかの態様において、前記予測部は、前記対象移動体の進行方向側にある探索範囲に複数の隙間の候補が存在する場合、前記隙間の長さに基づくスコアが良好な隙間の候補から順に、前記対象移動体が隙間に向けて加速するか否かを予測するものである。

上記（１）～（１１）の態様によれば、対象移動体が移動体間に進入するか否かを精度よく予測することができる。
上記（６）の態様によれば、対象移動体の挙動をより正確に予測することができる。

第１実施形態に係る交通監視システムＳｙｓ１の適用例を示す図である。 車両位置取得部１２０の処理について説明するための図である。 密度分布を模式的に示す図である。 図３における４－４線における密度値Ｄの高さを示す図である。 予測部２２０により実行される処理の流れの一例を示すフローチャートである。 対象車両の前方の車両の隙間を抽出する処理について説明するための図である。 対象車両の軌道および加速度を推定する処理について説明するための図である。 第２実施形態に係る交通監視システムＳｙｓ２の適用例を示す図である。 第３実施形態に係る交通監視システムＳｙｓ３の適用例を示す図である。 第４実施形態に係る予測部２２０により実行される処理の流れの一例を示すフローチャートである。 第５実施形態に係る予測部２２０により実行される処理の流れの一例を示すフローチャートである。

以下、図面を参照し、本発明の交通監視システム、交通監視方法、およびプログラムの実施形態について説明する。交通監視システムは、一以上のプロセッサにより実現される。交通監視システムは、一つの装置によって実現されてもよいし、複数の装置あるいはプログラムの集合であってもよい。後者の場合、交通監視システムは、例えば、車載機あるいはクラウドサーバと、利用者の端末装置にインストールされたアプリケーションプログラムとを含む。以下、これを代表例として説明する。以下の説明において、移動体の代表例として車両を挙げるが、移動体は車両に限らず、ロボットその他の交通参加者を広く含んでもよい。対象移動体についても同様である。

＜第１実施形態＞
図１は、第１実施形態に係る交通監視システムＳｙｓ１の適用例を示す図である。交通監視システムＳｙｓ１は、例えば、端末装置１００にインストールされたアプリケーションプログラム１５２と、車載装置２００とを含む。

端末装置１００は、例えば、スマートフォンなどの可搬型端末装置である。端末装置１００は、例えば、車両のフロントウインドシールドの車室側、或いはリアウインドシールドの車室側などに設けられたホルダにセットされて使用される。以下、端末装置１００がセットされ車載装置２００が搭載されている車両を自車両と称する。特許請求の範囲における車両は、例えば、自車両を含まない。端末装置１００は、例えば、カメラ１１０と、車両位置取得部１２０と、密度分布情報生成部１３０と、通信部１４０と、記憶部１５０とを備える。

カメラ１１０は、端末装置１００の内蔵カメラであり、アプリケーションプログラム１５２からの指示によって外界の風景を撮像する。端末装置１００が上記のようにホルダにセットされることで、カメラ１１０は、フロントウインドシールドまたはリアウインドシールドを介して自車両の外界の風景を撮像する。自車両の外界には車両が存在するため、カメラ１１０は車両の位置を検知するための検知デバイスの一例である。検知デバイスとしてはカメラ１１０の他、レーダー装置やＬＩＤＡＲ（Light Detection and Ranging）装置、或いは通信装置などが用いられてもよい。検知デバイスが通信装置である場合、通信装置は、車両において測位された当該車両の位置を、通信によって受信する。

車両位置取得部１２０と密度分布情報生成部１３０のそれぞれは、アプリケーションプログラム１５２がＣＰＵ（Central Processing Unit）などのプロセッサによって実行されることで機能する。車両位置取得部１２０は、カメラ１１０からの情報に基づいて、車両の位置を取得する。車両には、四輪車両と二輪車両とが含まれる。

図２は、車両位置取得部１２０の処理について説明するための図である。車両位置取得部１２０は、以下に説明する処理を、カメラ１１０が撮像した画像（撮像画像ＩＭ）に複数の車両が映っている場合は複数の車両ごとに行う。図２は、カメラ１１０が自車両の後方を撮像する場合を示している。

車両位置取得部１２０は、まず、撮像画像ＩＭにおける車両の占める領域を特定する。車両位置取得部１２０は、例えば、画像が入力されると上記の領域を特定する情報を出力するように学習された学習済モデルを用いて、車両の占める領域を特定する。図２におけるＡ１～Ａ４は、特定された、車両Ｍ１～Ｍ４のそれぞれが占める領域を示している。図中、Ｍ１～Ｍ３は四輪車であり、Ｍ４は二輪車である。

車両位置取得部１２０は、特定した領域の例えば下端部中央付近の位置を、撮像画像の画像平面上の車両の位置として特定する。図２におけるＰ１～Ｐ４は、車両Ｍ１～Ｍ４のそれぞれの位置を示している。

更に、車両位置取得部１２０は、画像平面上の車両の位置を、仮想平面Ｓ上の車両の位置に変換する。仮想平面Ｓとは、上空から見た仮想的な平面であり、道路平面とほぼ一致するものである。車両位置取得部１２０は、例えば、画像平面上の座標から仮想平面上の座標に変換する変換規則に基づいて、仮想平面Ｓにおける車両の代表点の位置を特定し、密度分布情報生成部１３０に渡す。図２におけるＰ＃１～Ｐ＃４は、車両Ｍ１～Ｍ４の仮想平面Ｓ上の位置を示している。

密度分布情報生成部１３０は、車両位置取得部１２０から取得した複数の車両の位置のそれぞれを基準として、車両の位置に応じた分布を有する指標値Ｉを、仮想平面Ｓ上に設定する。指標値Ｉは、例えば、等高線が車両の位置を中心とした円の形状となるように設定される。指標値Ｉを高さとした場合、仮想平面Ｓ上での指標の分布は、車両の位置が天井となるドーム状の形状を有する。密度分布情報生成部１３０は、車両の車種によって密度の広がり度合いを変えてもよいし、変えなくてもよい。

そして、密度分布情報生成部１３０は、複数の車両について求めた指標値Ｉを重ね合わせる（仮想平面Ｓ上の座標ごとに加算する）ことで、密度分布の情報を生成する。以下、複数の車両についての指標値を加算した値のことを密度値Ｄと称する。指標値Ｉおよび密度値Ｄは、規定値（例えば１）を上限として設定されてもよい。その場合、密度分布情報生成部１３０は、複数の車両について求めた指標値Ｉを加算した結果が規定値を超える場合、その地点における規定値を密度値Ｄとする。図３は、密度分布を模式的に示す図である。図４は、図３における４－４線における密度値Ｄの高さを示す図である。

通信部１４０は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）やＷｉ－Ｆｉなどの方式を利用した無線通信装置である。通信部１４０は、車載装置２００の通信部２１０と通信し、密度分布の情報を通信部２１０に送信する。通信部１４０は、更に、セルラー網を利用して通信可能なものであってよい。通信部１４０は、Ｗｉ‐Ｆｉやセルラー網を利用してインターネットにアクセスし、アプリケーションプログラム１５２をダウンロードする。記憶部１５０は、例えば、フラッシュメモリである。記憶部１５０は、アプリケーションプログラム１５２を格納する他、各機能部のワーキングメモリとして機能する。

車載装置２００は、例えば、通信部２１０と、予測部２２０と、出力制御部２３０と、出力部２４０と、記憶部２５０とを備える。

通信部２１０は、端末装置１００の通信部１４０と通信する他、Ｗｉ‐Ｆｉやセルラー網を利用してインターネットにアクセス可能であってもよい。通信部２１０は、端末装置１００の通信部１４０から受信した密度分布の情報を予測部２２０に渡す。

予測部２２０と出力制御部２３０のそれぞれは、例えば、記憶部２５０に格納されたプログラム２５２がＣＰＵなどのプロセッサによって実行されることで機能する。これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。記憶部２５０は、例えば、ＨＤＤ（Hard Disk Drive）やフラッシュメモリ、ＲＡＭ（Random Access Memory）などである。

予測部２２０は、密度分布の情報が示す密度値Ｄの時間的変化に基づいて、対象車両が二つの車両の間に進入するか否かを予測する。対象車両とは、二輪車などの、車両間をすり抜ける可能性がある小型の車両、ロボット等である。予測部２２０は、複数の基準値との比較に更に基づいて、対象車両が二つの車両の間に進入するか否かを予測してもよい。また、予測部２２０は、二つの車両の間の距離に更に基づいて、対象車両が二つの車両の間に進入するか否かを予測してもよい。

図５は、予測部２２０により実行される処理の流れの一例を示すフローチャートである。まず、予測部２２０は、対象車両を選択し（ステップＳ１００）、対象車両の前方の車両の隙間を抽出する（ステップＳ１０２）。

図６は、対象車両の前方の車両の隙間を抽出する処理について説明するための図である。対象車両は車両Ｍ４であり、その位置がＰ＃４で表されている。予測部２２０は、例えば、対象車両Ｍ４の進行方向Ｄ４を中心として左右３０度ずつ程度の範囲を探索範囲ＤＡとし、まず探索範囲ＤＡ内にある車両間（対象車両Ｍ４から見て左右方向に隣接する車両間）の隙間を隙間の候補として抽出する。図６の例では、車両Ｍ１と車両Ｍ２の隙間、および車両Ｍ１と車両Ｍ３の隙間が隙間の候補として抽出される。更に、予測部２２０は、例えば、隙間の候補のそれぞれの中点を導出し、対象車両Ｍ４から見た中点の方位角が進行方向Ｄ４に最も近い隙間の候補を予測対象の隙間として抽出する。図６の例では、車両Ｍ１と車両Ｍ２との隙間が抽出されることになる。

次に、予測部２２０は、抽出した隙間における密度値の代表値を求める。密度値の代表値とは、隙間の中点の密度値であってもよいし、隙間の密度値の平均値などの統計値であってもよい。以下、この代表値を密度値と称する。予測部２２０は、密度値が第１基準値Ｒｅｆ１未満であるか否かを判定する（ステップＳ１０４）。第１基準値Ｒｅｆ１とは、ゼロを含む低密度値の範囲の上限値である。密度値が第１基準値Ｒｅｆ１未満である場合、予測部２２０は、対象車両が隙間に進入する可能性があると予測する（ステップＳ１１２）。

密度値が第１基準値Ｒｅｆ１以上であると判定した場合、予測部２２０は、密度値が第２基準値Ｒｅｆ２以上であるか否かを判定する（ステップＳ１０６）。第２基準値Ｒｅｆ２とは、前述した規定値（上限値）を含む高密度値の範囲の下限値である。第１基準値Ｒｅｆ１は、第２基準値Ｒｅｆ２よりも小さい。密度値が第２基準値Ｒｅｆ２以上であると判定した場合、予測部２２０は、対象車両が隙間に進入しないと予測する（ステップＳ１１４）。

密度値が第２基準値Ｒｅｆ２未満であると判定した場合、予測部２２０は、密度値は低下傾向にあるか否かを判定する（ステップＳ１０８）。予測部２２０は、今回の制御サイクルにおける密度値と前回の制御サイクルにおける密度値を比較して閾値以上に低下している場合に密度値は低下傾向にあると判定する。また、予測部２２０は、今回の制御サイクルにおける密度値と前回以前の制御サイクルにおける密度値の平均値と比較して閾値以上に低下している場合に密度値は低下傾向にあると判定してもよいし、今回の制御サイクルにおける密度値と所定サイクル数前の制御サイクルにおける密度値とを比較して閾値以上に低下している場合に密度値は低下傾向にあると判定してもよい。密度値が低下傾向にないと判定した場合、予測部２２０は、対象車両が隙間に進入しないと予測する（ステップＳ１１４）。

密度値が低下傾向にあると判定した場合、予測部２２０は、隙間の長さ（距離）が閾値以上であるか否かを判定する（ステップＳ１１０）。隙間の長さ（距離）が閾値以上であると判定した場合、予測部２２０は、対象車両が隙間に進入する可能性があると予測する（ステップＳ１１２）。一方、隙間の長さ（距離）が閾値未満であると判定した場合、予測部２２０は、対象車両が隙間に進入しないと予測する（ステップＳ１１４）。この閾値は、二輪車が余裕をもって通過できる程度の長さに設定される。予測部２２０は、固定値である閾値を用いて予測を行ってもよいし、隙間の両側の車両の車種に基づいて閾値を変更してもよい。例えば、隙間の両側の車両のうちいずれかが大型車である場合、閾値をより大きく変更してもよい。

更に、予測部２２０は、密度値の勾配に基づいて、対象車両が隙間を通過する際の軌道および加速度を推定してもよい。図７は、対象車両の軌道および加速度を推定する処理について説明するための図である。図示するように、予測部２２０は、対象車両Ｍ４が、密度値Ｄの小さい地点（密度分布の谷）を連ねた軌道Ｔｊに沿って走行することを推定する。また、予測部２２０は、軌道Ｔｊに沿った地点間で密度値Ｄが上昇する区間（図中、地点Ｐ＃４－１までの区間）では対象車両Ｍ４の加速度を小さく（マイナスの加速度すなわち減速度を含む）、地点間で密度値Ｄが低下する区間（図中、地点Ｐ＃４－１以降の区間）では対象車両Ｍ４の加速度を大きく予測し、それらに基づいて対象車両Ｍ４の将来の速度プロファイルを生成する。この際に、予測部２２０は、密度値Ｄの地点間での上昇速度が大きい（プラス方向の勾配が大きい）場合に、上昇速度が小さい場合に比して加速度を小さく予測し、密度値Ｄの地点間での低下速度が大きい（マイナス方向の勾配が大きい）場合に、低下速度が小さい場合に比して加速度を大きく予測してもよい。対象車両の視界が急に開ける場面では対象車両が大きく加速することが想定されるため、予測部２２０は、係る場面において対象車両の挙動をより正確に予測することができる。

出力制御部２３０は、予測部２２０の予測結果に基づいて出力部２４０を制御する。出力部２４０は、例えば、スピーカやディスプレイ装置などの出力デバイスである。出力制御部２３０は、予測部２２０によって対象車両が隙間に進入する可能性があることが予測された場合、その旨を注意喚起する情報を出力部２４０に音声や画像で出力させる。予測部２２０が対象車両の軌道や加速度を予測する場合、対象車両の自車両への接近度合いが基準を満たす（例えばＴＴＣ；Time To Collisionが閾値未満である）場合に出力部２４０に情報を出力させてもよい。また、出力部２４０は、自動運転制御装置や緊急停止制御装置などの車両制御装置と通信する通信インターフェースであってもよく、その場合、出力制御部２３０は、対象車両が隙間に進入する可能性があることを示す情報を、出力部２４０を用いて車両制御装置に送信する。

以上説明した第１実施形態によれば、車両の位置を検知するための検知デバイス（１１０）からの情報に基づいて、車両の位置を取得する取得部（１２０）と、車両の位置に応じた分布を有する指標値（Ｉ）を、複数の車両について重ね合わせた密度分布の情報を生成する生成部（１３０）と、密度分布の情報が示す密度値（Ｄ）の時間的変化に基づいて、対象車両が二つの車両の隙間に進入するか否かを予測する予測部（２２０）と、を備えることにより、対象車両が車両間に進入するか否かを精度よく予測することができる。

＜第２実施形態＞
以下、第２実施形態について説明する。第２実施形態は、交通監視システムの構成要素が専ら車載装置に搭載された形態である。図８は、第２実施形態に係る交通監視システムＳｙｓ２の適用例を示す図である。交通監視システムＳｙｓ２は、例えば、車載装置３００を含む。

車載装置３００は、例えば、車両位置取得部３１０と、密度分布情報生成部３２０と、予測部３３０と、出力制御部３４０と、出力部３５０と、記憶部３６０とを備える。車両位置取得部３１０、密度分布情報生成部３２０、予測部３３０、および出力制御部３４０のそれぞれは、例えば、記憶部３６０に格納されたプログラム３６２がＣＰＵなどのプロセッサによって実行されることで機能する。これらの構成要素のうち一部または全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵなどのハードウェアによって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。記憶部３６０は、例えば、ＨＤＤやフラッシュメモリ、ＲＡＭなどである。

車載カメラ３８０は、車載装置３００が搭載された車両（自車両）に取り付けられたカメラである。車載カメラ３８０は、車載装置３００からの要求に応じて車外の風景を撮像する。車載カメラ３８０は、自車両の前方または後方を撮像可能な任意の位置に取り付けられ、フロントウインドシールドやリアウインドシールドを介して車外の風景を撮像し、或いは車外にレンズが露出するように設けられ、直接的に車外の風景を撮像する。

車両位置取得部３１０は、カメラ１１０からの情報に基づいて、車両の位置を取得する。それ以降の処理は、第１実施形態における車両位置取得部１２０と同様である。また、密度分布情報生成部３２０、予測部３３０、出力制御部３４０、および出力部３５０のそれぞれの機能は、第１実施形態における密度分布情報生成部１３０、予測部２２０、出力制御部２３０、および出力部２４０の機能と同様である。係る構成によっても、第１実施形態と同様の効果を奏することができる。

以上説明した第２実施形態によれば、車両の位置を検知するための検知デバイス（３８０）からの情報に基づいて、車両の位置を取得する取得部（３１０）と、車両の位置に応じた分布を有する指標値（Ｉ）を、複数の車両について重ね合わせた密度分布の情報を生成する生成部（３２０）と、密度分布の情報が示す密度値（Ｄ）の時間的変化に基づいて、対象車両が二つの車両の隙間に進入するか否かを予測する予測部（３３０）と、を備えることにより、対象車両が車両間に進入するか否かを精度よく予測することができる。

＜第３実施形態＞
以下、第３実施形態について説明する。第３実施形態は、交通監視システムの構成要素が端末装置のアプリケーションプログラムと、クラウドサーバに分散して設けられた形態である。図９は、第３実施形態に係る交通監視システムＳｙｓ３の適用例を示す図である。交通監視システムＳｙｓ３は、例えば、端末装置１００にインストールされたアプリケーションプログラム１５２と、クラウドサーバ４００とを含む。第３実施形態において、端末装置１００の構成としては通信部１４０の通信相手が第１実施形態と異なるのみであるので、端末装置１００に関しては第１実施形態と同じ符号を付して再度の説明を省略する。

通信部１４０は、例えば、セルラー網やＷｉ－Ｆｉ網を利用してネットワークＮＷにアクセスし、クラウドサーバ４００の通信部４１０と通信する。ネットワークＮＷは、インターネットや公衆回線、プロバイダ装置などを含む。

クラウドサーバ４００は、例えば、通信部４１０と、予測部４２０と、出力制御部４３０と、記憶部４５０とを備える。予測部４２０、および出力制御部４３０のそれぞれは、例えば、記憶部４５０に格納されたプログラム４５２がＣＰＵなどのプロセッサによって実行されることで機能する。これらの構成要素のうち一部または全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵなどのハードウェアによって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。記憶部３６０は、例えば、ＨＤＤやフラッシュメモリ、ＲＡＭなどである。

通信部４１０は、例えば、ネットワークＮＷに接続するためのネットワークカードなどの通信インターフェースである。通信部４１０は、端末装置１００の通信部１４０から受信した密度分布の情報を予測部４２０に渡す。

予測部４２０の機能は、第１実施形態における予測部２２０と同様である。出力制御部４３０は、予測部４２０の予測結果に基づく情報を、通信部４１０を用いて端末装置１００に送信する。端末装置１００は、第１実施形態の出力部２４０に相当する機能を有しており、対象車両が隙間に進入する可能性があることが予測された場合、その旨を注意喚起する情報を音声や画像で出力するなどの処理を行う。

以上説明した第３実施形態によれば、車両の位置を検知するための検知デバイス（１１０）からの情報に基づいて、車両の位置を取得する取得部（１２０）と、車両の位置に応じた分布を有する指標値（Ｉ）を、複数の車両について重ね合わせた密度分布の情報を生成する生成部（１３０）と、密度分布の情報が示す密度値（Ｄ）の時間的変化に基づいて、対象車両が二つの車両の隙間に進入するか否かを予測する予測部（４２０）と、を備えることにより、対象車両が車両間に進入するか否かを精度よく予測することができる。

＜第４実施形態＞
以下、第４実施形態について説明する。第４実施形態は、予測部２２０が、対象車両に対する二つの車両の相対速度に更に基づいて、当該対象車両が二つの車両の間に進入するか否かを予測するものである。より具体的には、予測部２２０は、対象車両に対する二つの車両の相対速度が増加している場合、密度値が低下傾向であった場合でも、当該対象車両が二つの車両の間に進入する可能性ありと予測する。これは、例えば、対象車両が、二つの車両に追従している場合、増加した相対速度（すなわち、前後車間距離の拡大）を減少させるように走行する傾向があるからである。予測部２２０は、例えば、カメラ１１０から取得された各車両の位置情報に基づいて、対象車両に対する二つの車両の相対速度を求めることができる。なお、予測部２２０のその他の機能及び交通監視システムの他の構成要素については、上述した各実施形態の構成要素と同様である。

図１０は、第４実施形態に係る予測部２２０により実行される処理の流れの一例を示すフローチャートである。ステップＳ１０６までの処理は、図４に示したフローチャートの処理と同様であるため、説明を省略する。ステップＳ１０８において、密度値が低下傾向にないと判定した場合、予測部２２０は、対象車両に対する二つの車両の相対速度が増加しているか否かを判定する（ステップＳ１０９）。対象車両に対する二つの車両の相対速度が増加していると判定した場合、予測部２２０は、隙間の長さ（距離）が閾値以上であるか否かを判定する（ステップＳ１１０）。隙間の長さ（距離）が閾値以上であると判定した場合、予測部２２０は、対象車両が隙間に進入する可能性があると予測する（ステップＳ１１２）。一方、対象車両に対する二つの車両の相対速度が増加していないと判定した場合、予測部２２０は、対象車両が隙間に進入しないと予測する（ステップＳ１１４）。これにより、本フローチャートの処理が終了する。

なお、上記のフローチャートにおいては、対象車両に対する二つの車両の相対速度が増加していると判定した場合、予測部２２０は、次に、隙間の長さ（距離）が閾値以上であるか否かを判定している。しかし、本発明はこのような構成に限定されず、予測部２２０は、対象車両に対する二つの車両の相対速度が増加していると判定した場合、対象車両が隙間に進入する可能性があると予測してもよい。

以上説明した第４実施形態によれば、予測部２２０が、対象車両に対する二つの車両の相対速度に更に基づいて、当該対象車両が二つの車両の間に進入するか否かを予測することにより、予測の精度を向上させることができる。

＜第５実施形態＞
以下、第５実施形態について説明する。第５実施形態は、予測部２２０が、密度分布の情報が示す密度値Ｄの時間的変化に基づいて、対象車両が二つの車両の間に向けて加速するか否かを予測するものである。このとき、予測部２２０は、第４実施形態と同様に、対象車両に対する二つの車両の相対速度に更に基づいて、当該対象車両が二つの車両の間に向けて加速するか否かを予測する。なお、予測部２２０のその他の機能及び交通監視システムの他の構成要素については、上述した各実施形態の構成要素と同様である。

図１１は、第５実施形態に係る予測部２２０により実行される処理の流れの一例を示すフローチャートである。ステップＳ１１０までの処理は、図１０に示したフローチャートの処理と同様であるため、説明を省略する。ステップＳ１１０において、隙間の長さ（距離）が閾値以上であると判定した場合、予測部２２０は、対象車両が隙間に向けて加速する可能性があると予測する（ステップＳ１１２）。一方、ステップＳ１０９において、対象車両に対する二つの車両の相対速度が増加していないと判定した場合、又は、ステップＳ１１０において、隙間の長さ（距離）が閾値以上ではないと判定した場合、予測部２２０は、対象車両が隙間に向けて加速しないと予測する（ステップＳ１１４）。

なお、上記のフローチャートにおいては、対象車両に対する二つの車両の相対速度が増加していると判定した場合、予測部２２０は、次に、隙間の長さ（距離）が閾値以上であるか否かを判定している。しかし、本発明はこのような構成に限定されず、予測部２２０は、対象車両に対する二つの車両の相対速度が増加していると判定した場合、対象車両が隙間に向けて加速する可能性があると予測してもよい。

以上説明した第５実施形態によれば、対象車両が隙間に向けて加速するか否かを予測することができる。

上記説明した各実施形態において、検知デバイスは端末装置または車両に設けられるものとしたが、検知デバイスは、路側に設けられたカメラ、レーダー装置、ＬＩＤＡＲ装置などであってもよい。この場合、検知デバイスによって得られた情報は、通信によって端末装置、車載装置、クラウドサーバのいずれかに送信されてよい。

上記説明した各実施形態において、処理の流れを以下のように変更してよい。
（Ａ－１）まず図５に示すステップＳ１０２の処理において、予測部２２０が、探索範囲ＤＡ内にある車両間（対象車両Ｍ４から見て左右方向に隣接する車両間）の隙間を全て抽出し、隙間の候補とする。
（Ｂ－１）次に、予測部２２０は、対象車両Ｍ４から見た中点の方位角が進行方向Ｄ４に近い順に隙間の候補の順位を決定する（不図示）。
（Ｃ－１）次に、予測部２２０は、順位の高い（中点の方位角が進行方向Ｄ４に近い）隙間の候補から順に、ステップＳ１０４～Ｓ１１４の処理を行い、最も順位の高い隙間の候補についてステップＳ１１２に処理が進められた場合は、その隙間の候補に対象車両Ｍ４が進入すると判定し、そうでない場合は、２番目に順位の高い隙間の候補についてステップＳ１１２に処理が進められた場合は、その隙間の候補に対象車両Ｍ４が進入すると判定し、というように順次処理を行う。そして、全ての隙間の候補についてステップＳ１１４に処理が進められた場合は、対象車両Ｍ４はいずれの隙間の候補にも進入しないと予測する。
なお、係る処理と結果が変わらない限り、処理の順序を任意に入れ替えてもよい。

上記説明した各実施形態において、処理の流れを以下のように変更してよい。
（Ａ－２）まず図５に示すステップＳ１０２の処理において、予測部２２０が、探索範囲ＤＡ内にある車両間（対象車両Ｍ４から見て左右方向に隣接する車両間）の隙間を全て抽出し、隙間の候補とする。
（Ｂ－２）次に、予測部２２０は、全ての隙間の候補について、密度値と隙間の長さとを求め、それらのうち一方または双方に基づくスコアが良好である順に、隙間の候補の順位を決定する（不図示）。このスコアは、密度値が低いほど、隙間の長さが長いほど、高い（良好な）値を示すものである。スコアは密度値の逆数を求めたものでもよいし、隙間の長さに比例した値であってもよい。スコアが低いことが良好な値を示すものである場合、スコアは密度値あるいはそれに係数を乗じたものでもよいし、隙間の大きさの逆数等を求めたものでもよい。
（Ｃ－２）順位を決定すると、予測部２２０は、順位の高い（スコアが高い）隙間の候補から順に、ステップＳ１０４～Ｓ１１４の処理を行い、最も順位の高い隙間の候補についてステップＳ１１２に処理が進められた場合は、その隙間の候補に対象車両Ｍ４が進入すると判定し、そうでない場合は、２番目に順位の高い隙間の候補についてステップＳ１１２に処理が進められた場合は、その隙間の候補に対象車両Ｍ４が進入すると判定し、というように順次処理を行う。そして、全ての隙間の候補についてステップＳ１１４に処理が進められた場合は、対象車両Ｍ４はいずれの隙間の候補にも進入しないと予測する。 なお、係る処理と結果が変わらない限り、処理の順序を任意に入れ替えてもよい。

上記説明した実施形態は、以下のように表現することができる。
プログラムを記憶した一以上の記憶装置と、
一以上のハードウェアプロセッサと、を備え、
前記一以上のハードウェアプロセッサが前記記憶装置に記憶されたプログラムを実行することにより、
移動体の位置を検知するための検知デバイスからの情報に基づいて、前記移動体の位置を取得し、
前記移動体の位置に応じた分布を有する指標値を、複数の前記移動体について重ね合わせた密度分布の情報を生成し、
前記密度分布の情報が示す密度値の時間的変化に基づいて、対象移動体が二つの前記移動体の隙間に進入するか否かを予測する、
ように構成されている、交通監視システム。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

Ｓｙｓ１、Ｓｙｓ２、Ｓｙｓ３ 交通監視システム
１００ 端末装置
１１０ カメラ
１２０、３１０ 車両位置取得部
１３０、３２０ 密度分布情報生成部
１４０ 通信部
１５０、２５０、３６０、４５０ 記憶部
１５２ アプリケーションプログラム
２００ 車載装置
２１０、４１０ 通信部
２２０、３３０、４２０ 予測部
２３０、３４０、４３０ 出力制御部
２４０、３５０ 出力部
２５２、３６２、４５２ プログラム
３８０ 車載カメラ
ＮＷ ネットワーク

Claims (13)

1. 移動体の位置を検知するための検知デバイスからの情報に基づいて、前記移動体の位置を取得する取得部と、
   前記移動体の位置に応じた分布を有する指標値を、複数の前記移動体について重ね合わせた密度分布の情報を生成する生成部と、
   前記密度分布の情報が示す密度値の時間的変化に基づいて、対象移動体が二つの前記移動体の隙間に進入するか否かを予測する予測部と、
   を備える交通監視システム。
2. 前記対象移動体は、二輪車である、
   請求項１記載の交通監視システム。
3. 前記生成部は、上空から見た仮想平面上で、前記密度分布の情報を生成する、
   請求項１または２記載の交通監視システム。
4. 前記予測部は、二つの前記移動体の隙間の密度値が第１基準値以上であり且つ前記密度値が低下傾向にある場合に、前記対象移動体が前記隙間に進入する可能性があると予測する、
   請求項１から３のうちいずれか１項記載の交通監視システム。
5. 前記予測部は、二つの前記移動体の隙間の密度値が第１基準値以上であり、且つ前記密度値が低下傾向になく、且つ前記対象移動体に対する二つの前記移動体の相対速度が増加する場合に、前記対象移動体が前記隙間に進入する可能性があると予測する、
   請求項１から４のうちいずれか１項記載の交通監視システム。
6. 前記予測部は、二つの前記移動体の隙間の長さが閾値未満である場合、前記対象移動体が前記隙間に進入しないと予測する、
   請求項１から５のうちいずれか１項記載の交通監視システム。
7. 前記予測部は、密度値の勾配に基づいて、前記隙間を前記対象移動体が通過する際の軌道および加速度を推定する、
   請求項１から６のうちいずれか１項記載の交通監視システム。
8. 前記予測部は、前記対象移動体の進行方向側にある探索範囲に複数の隙間の候補が存在する場合、隙間の候補のそれぞれの中点を導出し、前記対象移動体から見た中点の方位角が前記対象移動体の進行方向に最も近い隙間の候補を予測対象の隙間として抽出する、
   請求項１から７のうちいずれか１項記載の交通監視システム。
9. 前記予測部は、前記対象移動体の進行方向側にある探索範囲に複数の隙間の候補が存在する場合、前記密度値に基づくスコアが良好な隙間の候補から順に、前記対象移動体が隙間に進入するか否かを予測する、
   請求項１から８のうちいずれか１項記載の交通監視システム。
10. 前記予測部は、前記対象移動体の進行方向側にある探索範囲に複数の隙間の候補が存在する場合、前記隙間の長さに基づくスコアが良好な隙間の候補から順に、前記対象移動体が隙間に進入するか否かを予測する、
    請求項１から９のうちいずれか１項記載の交通監視システム。
11. 一以上のコンピュータが、
    移動体の位置を検知するための検知デバイスからの情報に基づいて、前記移動体の位置を取得し、
    前記移動体の位置に応じた分布を有する指標値を、複数の前記移動体について重ね合わせた密度分布の情報を生成し、
    前記密度分布の情報が示す密度値の時間的変化に基づいて、対象移動体が二つの前記移動体の隙間に進入するか否かを予測する、
    交通監視方法。
12. 一以上のコンピュータに、
    移動体の位置を検知するための検知デバイスからの情報に基づいて、前記移動体の位置を取得させ、
    前記移動体の位置に応じた分布を有する指標値を、複数の前記移動体について重ね合わせた密度分布の情報を生成させ、
    前記密度分布の情報が示す密度値の時間的変化に基づいて、対象移動体が二つの前記移動体の隙間に進入するか否かを予測させる、
    プログラム。
13. 移動体の位置を検知するための検知デバイスからの情報に基づいて、前記移動体の位置を取得する取得部と、
    前記移動体の位置に応じた分布を有する指標値を、複数の前記移動体について重ね合わせた密度分布の情報を生成する生成部と、
    前記密度分布の情報が示す密度値の時間的変化に基づいて、対象移動体が二つの前記移動体の隙間に向けて加速するか否かを予測する予測部と、
    を備える交通監視システム。

Images