JP2022546320A - 高度車載機器 - Google Patents
高度車載機器 Download PDFInfo
- Publication number
- JP2022546320A JP2022546320A JP2022511346A JP2022511346A JP2022546320A JP 2022546320 A JP2022546320 A JP 2022546320A JP 2022511346 A JP2022511346 A JP 2022511346A JP 2022511346 A JP2022511346 A JP 2022511346A JP 2022546320 A JP2022546320 A JP 2022546320A
- Authority
- JP
- Japan
- Prior art keywords
- ground transportation
- entity
- transportation entity
- safety message
- vehicle
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
- B60Q9/008—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling for anti-collision purposes
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/03—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers
- G01S19/07—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers providing data for correcting measured positioning data, e.g. DGPS [differential GPS] or ionosphere corrections
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/03—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers
- G01S19/07—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers providing data for correcting measured positioning data, e.g. DGPS [differential GPS] or ionosphere corrections
- G01S19/071—DGPS corrections
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/005—Traffic control systems for road vehicles including pedestrian guidance indicator
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- 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
- G08G1/042—Detecting movement of traffic to be counted or controlled using inductive or magnetic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/091—Traffic information broadcasting
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
- G08G1/096758—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where no selection takes place on the transmitted or the received information
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
- G08G1/162—Decentralised systems, e.g. inter-vehicle communication event-triggered
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/161—Decentralised systems, e.g. inter-vehicle communication
- G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/164—Centralised systems, e.g. external to vehicles
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
Abstract
他にもあり得るが、第1の地上交通エンティティに搭載された状態での使用のための機器は、(a)第1の地上交通エンティティの周辺環境のセンサーにより生成された情報のための受信器と、(b)プロセッサと、(c)センサーにより生成された情報に基づく第2の地上交通エンティティに対する安全メッセージ情報を生成するための、および送信するためのプロセッサにより実行可能な命令を記憶するメモリとを含む。【選択図】図1
Description
本出願は、2019年8月29日に出願された米国仮特許出願62/893,616の出願日の利益を享受する権利があり、同文献の全内容が参照により本明細書に組み込まれる。
米国特許第10,235,882号が参照により本明細書に組み込まれる。
本説明は、高度車載機器に関する。
衝突回避システムが増えてきている。Kingら(米国特許出願公開第2007/0276600(A1)号、2007)は、例えば、進行方向および速度に基づいて2つの車両が交差点において衝突しようとしているか否かを予測するために、交差点の前にセンサーを配置すること、および、物理学ベースの判断ルールを適用することを説明した。
Aoudeら(米国特許第9,129,519(B2)号、2015、同文献の全内容が参照により本明細書に組み込まれる)では、交差点における交通状況における違反の予測および防止を可能にするために、運転者の挙動が監視され、およびモデル化される。
衝突回避は、地上交通における損傷および死亡および財産の損失に対する主な防御策である。危険な状況の早期警告を提供することは、衝突回避を補助する。
概して、一態様において、第1の地上交通エンティティに搭載された状態での使用のための機器は、第1の地上交通エンティティの周辺環境のセンサーにより生成された情報のための受信器(a)と、プロセッサ(b)と、センサーにより生成された情報に基づく第2の地上交通エンティティに対する安全メッセージ情報を生成するための、および送信するためのプロセッサにより実行可能な命令を記憶するメモリ(c)とを含む。
実施態様は、以下の特徴のうちの1つ、または2つ以上の組み合わせを含み得る。命令は、安全メッセージ情報を生成することにおける使用のための予測を生成するためにプロセッサにより実行可能である。予測は、予測モデルにより生成される。予測モデルは、第1の地上交通エンティティ、第2の地上交通エンティティ、または別の地上交通エンティティの関与する危険な状況を予測するように構成される。危険な状況は、第2の地上交通エンティティによる道路の車線の横断を伴う。第2の地上交通エンティティは車両を包含し、危険な状況は車両による車線をまたいだ横滑りを包含する。第2の地上交通エンティティは、道路を横断する歩行者または他の被害を受け得る道路ユーザーを包含する。被害を受け得る道路ユーザーは、交差点において道路を横断する。被害を受け得る道路ユーザーは、交差点以外の道路を横断する。予測された危険な状況は、第3の地上交通エンティティと第2の地上交通エンティティとの間の予測された衝突を包含する。第1の地上交通エンティティは、車両を包含し、第2の地上交通エンティティは、歩行者または他の被害を受け得る道路ユーザーを包含する。第3の地上交通エンティティは、第1の地上交通エンティティの後に続き、第1の地上交通エンティティにより第3の地上交通エンティティの視野が遮られている。第3の地上交通エンティティが、第1の地上交通エンティティが移動している車線に近接した車線にある。命令が、第3の地上交通エンティティの動作パラメータを特定するためにプロセッサにより実行可能である。第2の地上交通エンティティは、遮られた状態でしか第3の地上交通が視野に入らない。第2の地上交通エンティティは、歩行者または他の被害を受け得る道路ユーザーを包含する。プロセッサにより送信される安全メッセージ情報は、基本的な安全メッセージを包含する。プロセッサにより送信される安全メッセージ情報は、仮想的な基本的な安全メッセージを包含する。プロセッサにより送信される安全メッセージ情報は、個人用安全メッセージを包含する。プロセッサにより送信される安全メッセージ情報は、仮想的な個人用安全メッセージを包含する。プロセッサにより送信される安全メッセージ情報は、第3の地上交通エンティティの代わりに送信される仮想的な基本的な安全メッセージを包含する。第3の地上交通エンティティは、接続されていない地上交通エンティティを包含する。プロセッサにより送信される安全メッセージ情報は、第3の地上交通エンティティの代わりに送信される仮想的な個人用安全メッセージを包含する。機器は、第1の地上交通エンティティの外部にある源から無線により送信された情報のための受信器(d)を含む。第1の地上交通エンティティを含む請求項の装置。安全メッセージ情報は、仮想交差点衝突回避メッセージ(VICA:virtual intersection collision avoidance)を包含する。安全メッセージ情報は、交差点衝突回避メッセージ(ICA:intersection collision avoidance)を包含する。安全メッセージ情報は、仮想的な組み合わされた安全メッセージ(VCSM:virtual combined safety message)を包含する。安全メッセージ情報は、組み合わされた安全メッセージ(CSM:combined safety message)を包含する。
概して、一態様において、第1の地上交通エンティティに搭載された状態での使用のための機器は、第1の地上交通エンティティの外部にある源から送信された第1の位置修正情報のための受信器(a)と、第1の地上交通エンティティの位置パラメータまたは動作パラメータを表す情報のための受信器(b)と、プロセッサ(c)と、第1の位置修正情報と動作パラメータを表す情報とに基づいて更新された位置修正情報を生成するための、および、更新された位置修正情報に基づいて別の地上交通エンティティに位置修正メッセージを送信するためのプロセッサにより実行可能な命令を記憶するメモリ(d)とを含む。
実施態様は、以下の特徴のうちの1つ、または2つ以上の組み合わせを含み得る。第1の地上交通エンティティの外部にある源から送信される位置修正情報は、位置修正メッセージを包含する。第1の地上交通エンティティの外部にある源から送信される位置修正情報は、海事用無線技術委員会(RTCM:radio technical commission for Maritime)修正メッセージを包含する。位置修正情報は、GNSS位置修正を包含する。位置パラメータまたは動作パラメータは、第1の地上交通エンティティの現在位置を含む。第1の地上交通エンティティの外部にある源は、インターネットを介してRTCM修正メッセージを送信するように構成されたRSEまたは外部サービスを包含する。命令は、更新された位置修正情報における信頼性レベルを確認するためにプロセッサにより実行可能である。
概して、一態様において、第1の地上交通エンティティの周辺環境に関する、第1の地上交通エンティティに搭載されたセンサーにより生成された情報が受信される。安全メッセージ情報は、センサーにより生成された情報に基づいて生成され、および第2の地上交通エンティティに送信される。
実施態様は、以下の特徴のうちの1つ、または2つ以上の組み合わせを含み得る。予測は、安全メッセージ情報を生成することにおける使用のために生成される。予測は、予測モデルにより生成される。予測モデルは、第1の地上交通エンティティ、第2の地上交通エンティティ、または別の地上交通エンティティの関与する危険な状況を予測するように構成される。危険な状況は、第2の地上交通エンティティによる道路の車線の横断を伴う。第2の地上交通エンティティは、車両を包含し、危険な状況は、車両による車線をまたいだ横滑りを包含する。第2の地上交通エンティティは、道路を横断する歩行者または他の被害を受け得る道路ユーザーを包含する。被害を受け得る道路ユーザーは、交差点において道路を横断する。被害を受け得る道路ユーザーは、交差点以外の道路を横断する。危険な状況は、第3の地上交通エンティティと第2の地上交通エンティティとの間の衝突を包含する。第1の地上交通エンティティは、車両を包含し、第2の地上交通エンティティは、歩行者または他の被害を受け得る道路ユーザーを包含する。第3の地上交通エンティティは、第1の地上交通エンティティの後に続き、第1の地上交通エンティティにより第3の地上交通エンティティの視野が遮られている。第3の地上交通エンティティが、第1の地上交通エンティティが移動している車線に近接した車線にある。第3の地上交通エンティティの動作パラメータが特定される。第2の地上交通エンティティは、遮られた状態でしか第3の地上交通が視野に入らない。第2の地上交通エンティティが、歩行者または他の被害を受け得る道路ユーザーを包含する。安全メッセージ情報が、基本的な安全メッセージを包含する。安全メッセージ情報が、仮想的な基本的な安全メッセージを包含する。安全メッセージ情報が、個人用安全メッセージを包含する。安全メッセージ情報が、仮想的な個人用安全メッセージを包含する。安全メッセージ情報が、第3の地上交通エンティティの代わりに送信される仮想的な基本的な安全メッセージを包含する。プロセッサにより送信される安全メッセージ情報は、第3の地上交通の代わりに送信される仮想的な個人用安全メッセージを包含する。第3の地上交通エンティティは、接続されていない地上交通エンティティを包含する。第1の地上交通エンティティの外部にある源から無線により送信された情報が受信される。安全メッセージ情報は、仮想交差点衝突回避メッセージ(VICA)を包含する。安全メッセージ情報は、仮想交差点衝突回避メッセージ(ICA)を包含する。安全メッセージ情報は、仮想的な組み合わされた安全メッセージ(VCSM)を包含する。安全メッセージ情報は、組み合わされた安全メッセージ(CSM)を包含する。
概して、一態様において、第1の地上交通エンティティの外部にある源から送信された第1の位置修正情報が受信される。第1の地上交通エンティティの動作パラメータを表す情報が受信される。更新された位置修正情報は、第1の位置修正情報と動作パラメータを表す情報とに基づいて生成される。位置修正メッセージが送信され、および、更新された位置修正情報に基づいて別の地上交通エンティティに位置修正メッセージを送信する。
実施態様は、以下の特徴のうちの1つ、または2つ以上の組み合わせを含み得る。第1の地上交通エンティティの外部にある源から送信された位置修正情報は、位置修正メッセージを含む。第1の地上交通エンティティの外部にある源から送信された位置修正情報は、海事用無線技術委員会(RTCM)修正メッセージを含む。位置修正情報は、GNSS位置修正を含む。動作パラメータは、第1の地上交通エンティティの現在位置を含む。第1の地上交通エンティティの外部にある源は、インターネットを介して位置修正メッセージを送信するように構成されたRSEまたは外部サービスを含む。更新された位置修正情報(それ)における信頼性レベルが確認される。
これらの態様および他の態様、特徴、および実施態様は、方法、装置、システム、コンポーネント、プログラムプロダクト、ビジネスを行う方法、機能を実施するための手段またはステップ、および他の手法として表され得る。
これらの態様および他の態様、特徴、および実施態様は、請求項を含む以下の説明から明らかとなる。
センサー技術およびコンピュータの進歩に伴って、危険な状況を予測すること(および、危険な状況の早期警告を提供すること)、および、その手法により、地上交通の実施において地上交通エンティティの衝突およびニアミスを防ぐこと(すなわち、衝突回避を可能にすること)が実現可能になった。
本明細書において、例えば、歩行すること、または走ること(または他の歩行行動を行うこと)、非モーター駆動式車両、モーター駆動式車両(自律、半自律、および非自律)、および鉄道車両といった、例えば地球の表面上における陸上または水への接触を伴って場所を変えて動く任意のモードまたは媒体を包含するように「地上交通」という用語を広く使用する。
本明細書では、例えば、地上交通のモードに関わっている人または個々のモーター駆動式または非モーター駆動式車両、例えば、特に、歩行者、自転車ライダー、ボート、自動車、トラック、トラム、路面電車、または列車を包含するように広く「地上交通エンティティ」(または、場合によっては単に「エンティティ」)という用語を使用する。場合によっては、本明細書では、地上交通エンティティに対する簡潔な参照として「車両」または「道路ユーザー」という用語を使用する。
本明細書において、例えば、切迫した財産の損傷または人体損傷または死をもたらし得る、または低減可能であり得る、または回避可能であり得る、任意の事象、発生、シーケンス、コンテキスト、または他の状況を包含するように「危険な状況」という用語を広く使用する。本明細書では場合によっては、「危険な状況」と置換可能に「危険」という用語を使用する。本明細書では場合によっては、危険な状況をもたらす、危険な状況につながり得る、または危険な状況につながるであろうエンティティの挙動に対して「違反」または「違反する」という語句を使用する。
本明細書において議論されている技術の幾つかの実施態様において、地上交通網は、交通コネクティビティをもたない、または、交通コネクティビティを使用しない地上交通エンティティと、交通コネクティビティを確かにもつ、および交通コネクティビティを使用する地上交通エンティティとの混在物により使用される。
本明細書では、例えば、(a)その周辺環境、その近傍における他の地上交通エンティティ、およびそれに関連した交通状況の知識情報を認識するための、およびそれらに作用するための、(b)その状態に関するデータをブロードキャストする、または別様に送信するための、または、(c)(a)と(b)との両方のための地上交通エンティティの任意の能力を包含するように、「コネクティビティ」という用語を広く使用する。送信されるデータは、その位置、進行方向、速度、または交通状況に関連したそのコンポーネントの内部状態を包含し得る。幾つかの例において、地上交通エンティティの認識は、地上交通エンティティの動作に関連した他の地上交通エンティティまたは交通状況に関する無線により受信されたデータに基づく。受信されたデータは、他の地上交通エンティティ、またはインフラストラクチャーデバイス、またはその両方に由来し得る。典型的には、コネクティビティは、リアルタイムで、または実質的にリアルタイムで、または、地上交通エンティティのうちの1つまたは複数が交通状況におけるデータに基づいて行動する時に、データを送信すること、または受信することを伴う。
本明細書では、2つ以上の地上交通エンティティが互いの近傍において動作する、および、エンティティの各々の動作またはステータスが他のものの動作またはステータスに影響を与え、または関連し得る任意の状況を包含するように「交通状況」という用語を広く使用する。
本明細書では、場合によっては、コネクティビティまたはコネクティビティの態様をもたない、またはコネクティビティまたはコネクティビティの態様を使用しない地上交通エンティティを、「接続されていない地上交通エンティティ」または単に「接続されていないエンティティ」と呼ぶ。本明細書では、場合によっては、コネクティビティまたはコネクティビティの態様を含む、およびコネクティビティまたはコネクティビティの態様を使用する地上交通エンティティを、「接続された地上交通エンティティ」または単に「接続されたエンティティ」と呼ぶ。
本明細書では場合によっては、例えば、位置、進行方向、速度、または車載安全システム(例えば、ブレーキ、ライト、およびワイパー)の状態を包含するデータを地上交通エンティティの周辺環境にブロードキャストする地上交通エンティティを表すために、「連携したエンティティ」という用語を使用する。
本明細書では場合によっては、例えばその位置、速度、進行方向、または状態といった1つまたは複数の種類のデータをその周辺環境にブロードキャストしない地上交通エンティティを表すために、「連携していないエンティティ」という用語を使用する。
本明細書では場合によっては、例えば、エンティティによるブロードキャストが他の地上交通エンティティまたはインフラストラクチャーデバイスにより受信され得るエリアを包含するように、地上交通エンティティの「近傍」という用語を広く使用する。幾つかの例において、近傍は、エンティティの位置、およびエンティティの周囲における障害物の数および特性に伴って変わる。砂漠における開けた道路を移動するエンティティは、エンティティからのブロードキャスト信号が長距離に到達することを妨げるような障害物が存在しないので、非常に広い近傍をもつ。逆に、都市の谷間における近傍は、エンティティの周囲における建物により小さくされる。更に、ブロードキャスト信号の品質を低下させ、ひいては受信距離(近傍)を小さくする電磁ノイズ源が存在し得る。
図14に示されているように、道路7005に沿って移動するエンティティ7001の近傍は、近傍の最も外側の範囲を表す最も外側の円7002を含む同心円により表され得る。円7002内に位置している任意の他のエンティティは、エンティティ7001の近傍にある。円7002の外部に位置している任意の他のエンティティは、エンティティ7001の近傍の外部にあり、エンティティ7001によるブロードキャストを受信することができない。エンティティ7001は、その近傍の外部の全てのエンティティおよびインフラストラクチャーデバイスにとって視認(認識)不能である。
典型的には、連携したエンティティは、それらの状態データを連続的にブロードキャストする。ブロードキャストしているエンティティの近傍における接続されたエンティティは、これらのブロードキャストを受信することができ、受信されたデータを処理し得、および受信されたデータに基づいて行動し得る。例えば、被害を受け得る道路ユーザーが、例えば接近しているトラックといったエンティティからブロードキャストを受信し得る装着型デバイスを伴う場合、装着型デバイスは、受信されたデータを処理し、および、道路をいつ横断すれば安全であるかを被害を受け得るユーザーに知らせ得る。この動作は、ユーザーのデバイスがブロードキャストを受信し得る限り、すなわち、連携したエンティティの近傍内にある限り、「スマート」交差点に対する連携したエンティティまたは被害を受け得るユーザーの位置を考慮せずに行われる。
本明細書において、例えばモーター駆動式車両を使用していない車道の、または道路網の他の特徴の任意のユーザーを包含するように「被害を受け得る道路ユーザー」または「被害を受け得る道路ユーザー」という用語が広く使用される。被害を受け得る道路ユーザーは概して、それらがモーター駆動式車両に衝突した場合に損傷または死または財産の損傷に対して保護されない。幾つかの例において、被害を受け得る道路ユーザーは、衝突の場合に車両または他の地上交通エンティティによる直接的な物理的な接触のリスクにその者をさらすような、歩いている、走っている、自転車に乗っている、または任意の種類の行動を実施している人であり得る。
幾つかの実施態様において、(本明細書では場合によっては単に「システム」と呼ばれる)本明細書において説明されている衝突回避技術およびシステムは、地上交通エンティティおよび運転者およびそれらのオペレーターの動作(例えば、速度、進行方向、および位置)、挙動(例えば高速)、および意図(例えば、一時停止の標識に違反する)を監視する、追跡する、検出する、および予測するために、インフラストラクチャー設備に搭載されたセンサーを使用する。センサーにより提供される情報(「センサーデータ」)は、システムが衝突回避の機会を増やすために危険な状況を予測すること、およびエンティティに早期警告を提供することを可能にする。
本明細書では、例えば、危険な状況によりもたらされ得る2つ以上の地上交通エンティティ間の、または地上交通エンティティと周辺環境における別の物体との間の衝突またはニアミスが防止される、または、このような相互作用の機会が減らされる任意の状況を包含するように「衝突回避」という用語を広く使用する。
本明細書では、例えば、識別する、提案する、または何らかの手法により危険な状況を示す、および、衝突回避のために有用な、任意の通知、警報、命令、コマンド、ブロードキャスト、送信、または情報の他の送信または受信を包含するように「早期警告」という用語を広く使用する。
道路の交差点は、危険な状況が発生し得る主な位置である。本明細書において説明されている技術は、危険な状況の同時監視、検出、および予測を可能にするためのセンサー、コンピューティングハードウェア、およびインテリジェンスを含むインフラストラクチャーデバイスを交差点に装備させ得る。これらのセンサーからのデータは、1つの基準座標系に正規化された後、処理される。交差点への異なる進入路に沿った交通の流れの人工知能モデルが構成される。これらのモデルは、例えば、交通規則に違反する可能性が高いエンティティを補助する。モデルは、実際の違反の前に危険な状況を検出するように構成され、したがって予測と考えられ得る。危険な状況の予測に基づいて、警報が、交差点におけるインフラストラクチャーデバイスから、交差点の近傍における全ての接続されたエンティティに送信される。警報を受信する各エンティティが、警報におけるデータを処理し、警報フィルタリングを実施する。警報フィルタリングは、エンティティに有益ではない警報を破棄する、または無視する工程である。例えば差し迫った衝突の警報といった、警報が有益と考えられる(すなわち、フィルタリングの結果として無視されない)場合、エンティティは(例えばブレーキを適用することにより)警報に自動的に反応し、または、通知が運転者に提示され、またはその両方が行われる。
システムは、車道、水路、および鉄道に使用され得るが、これらに限定されない。本明細書では場合によっては、これらの、および他の同様の交通コンテキストを「地上交通網」と呼ぶ。
本明細書では多くの場合、交差点に関する文脈におけるシステムについて議論するが、それは他のコンテキストにも適用され得る。
本明細書では、例えば、地上交通網の経路に沿って移動する2つ以上の地上交通エンティティがある時点および位置において同じ位置を占有して衝突を起こし得る道路、レール、水体、または他の移動経路の任意の現実の配置を包含するように「交差点」という用語が広く使用される。
地上交通網を使用する地上交通エンティティは様々な速度で動き、異なる速度および時刻で所与の交差点に到達し得る。交差点からのエンティティの速度および距離が知られている場合、距離を速度で除算すること(両方が同じ単位系により記述される)が、交差点への到達時間を与える。しかし、意図する速度は、例えば、交通状態、ルートにおける速度制限、交通信号、および他の因子に起因して変化するので、交差点への想定される到達時間は連続的に変わる。想定される到達時間のこの動的な変化は、100%の信頼性をもって実際の到達時間を予測することを不可能にする。
エンティティの動作に影響を与える因子を考慮することは、エンティティの速度および様々な影響因子の間の多数の関連性を適用することを必要とする。エンティティの動作の状態の絶対値は、エンティティから、または外部の位置からそのエンティティを追跡するセンサーにより観測され得る。これらのセンサーにより捕捉されたデータは、エンティティの動作、挙動、および意図のパターンをモデル化するために使用され得る。機械学習は、膨大な量のデータから複雑なモデルを生成するために使用され得る。エンティティの運動学を使用して直接モデル化されることができないパターンは、機械学習を使用して捕捉され得る。訓練されたモデルは、エンティティを追跡するセンサーからそのエンティティの追跡データを使用することにより、特定の点においてエンティティが動こうとしているか、または停止しようとしているかを予測し得る。
言い換えると、センサーデータから直接的に地上交通エンティティに関する情報を検出することに加えて、システムは、例えば、地上交通網の交差点における、このような交差点への進入路における、および地上交通網の横断歩道における地上交通エンティティの動作、挙動、および意図のパターンを学習するために、膨大な量のセンサーデータを処理するために、人工知能および機械学習を使用する。現在のセンサーデータの直接的な使用と、現在のセンサーデータに人工知能および機械学習を適用した結果とに基づいて、システムは、例えば危険な状況の警報といった早期警告を生成し、ひいては、衝突回避を補助する。命令またはコマンドの形態をとる早期警告に関連して、コマンドまたは命令は、直接的に車両を制御するために、特定の自律した、または人により運転されるエンティティを対象にし得る。例えば、命令またはコマンドは、人を傷付けようとすることを目的として赤信号で走ろうとしていると判定された悪意のある人により運転されているエンティティを減速させること、または停止させることができる。
システムは、その特定の交差点に対する予測をするように、および、警報をブロードキャストしているデバイスの近傍におけるエンティティに警報を送信するように調整され得る。この目的のために、システムは、危険なエンティティに関するデータを導出するために、および、訓練されたモデルにセンサーからの現在の読み取り値を通すためにセンサーを使用する。したがって、モデルの出力は、危険な状況を予測し、対応する警報をブロードキャストし得る。近傍における接続されたエンティティにより受信された警報は、危険なエンティティに関する情報を含み、したがって、受信側エンティティは、危険なエンティティによりそれにもたらされる脅威を評価するためにその情報を分析し得る。脅威が存在する場合、受信側エンティティは、それ自体で行動を取る(例えば減速する)か、または、視覚、音声、触覚、または任意の種類の感覚刺激に基づく人間機械インターフェースを使用して受信側エンティティの運転者に通知し得る。自律したエンティティは、危険な状況を回避するために、それ自体により行動を取り得る。
警報は、更に、警報を受信するように具備された、および歩行者により所有された携帯電話または他のデバイスにセルラーネットワークまたは他のネットワークを通して直接的に送信され得る。システムは、交差点における潜在的な危険なエンティティを識別し、通信ユニットを含む歩行者の個人用デバイスに警報をブロードキャストする(または直接的に送信する)。警報は、例えば、歩行者が横断歩道に入ることを防ぎ、ひいては潜在的な事故を回避し得る。
他のエンティティが危険な状況を回避するための行動を取り得るように、システムが歩行者を更に追跡し、他のエンティティにそれらの状態(位置、速度、および他のパラメータ)に関連した情報をブロードキャストし得る。
図1に示されているように、システムは少なくとも以下の種類のコンポーネントを含む。
1.地上交通エンティティ14の動作(例えば、速度、進行方向、および位置)、挙動(例えば高速)、および意図(例えば、一時停止の標識に違反する)を監視する、追跡する、検出する、および予測するためのセンサー12を含むか、または使用する道路沿いの機器(RSE:Roadside Equipment)10。RSEは、データ処理ユニット11およびデータストレージ18を更に含み、または使用し得る。地上交通エンティティは、地上交通網のインフラストラクチャー、ならびに、エンティティ自体の状態、運転者の状態、および他の地上交通エンティティの状態に応じた、広範囲の挙動を示す。エンティティの挙動を捕捉するために、RSEは、センサー、他のRSE、OBE、OPE、局所サーバーまたは中央サーバー、および他のデータ処理ユニットから情報を収集する。RSEは、それにより受信されたデータを更に保存し、パイプラインにおけるステップの一部またはすべてにおいて、処理されたデータを保存し得る。
RSEは、ローカルストレージデバイスまたはリモートストレージにデータを保存し得る。収集されたデータは、既定のロジック、または動的に収集されたデータに基づくロジックを使用してリアルタイムで処理され、このことは、RSEがそれ自体のロジックを自動的に更新し得ることを意味する。データは、より高速に結果を取得するために、1つの処理ユニットまたは処理ユニットのクラスターにおいて処理され得る。データは、ローカルまたはリモート処理ユニット、または処理ユニットのローカルまたはリモートクラスターにおいて処理され得る。RSEは、単純なロジック、または収集されたデータ上で訓練された高度なモデルを使用し得る。モデルは、ローカル的に、またはリモート的に訓練され得る。
RSEは、外れ値をフィルタリングするために、訓練されたモデルを使用する前にデータを前処理し得る。外れ値はセンサーにおけるノイズ、反射に起因して、または何らかの他のアーティファクトに起因して現れ得る。結果として得られる外れ値は、RSE全体のパフォーマンスに影響を与え得る誤警報をもたらし得る。フィルタリング方法は、RSE、OBE、OPE、またはオンラインリソースにより収集されたデータに基づき得る。RSEは、データ処理パイプラインにおける使用のために情報を抽出するために、例えば交差点または他の位置における交通信号灯制御装置といった他の制御装置とインターフェース接続し得る。
RSEは更に、他のRSE、および、OBE、OPE、局所サーバーまたは中央サーバー、および他のデータ処理ユニットと有線または無線により通信するために通信機器20を含むか、または使用し得る。RSEは、他の機器との通信のために任意の利用可能な規格を使用し得る。RSEは、他の機器との間でデータをダウンロードおよびアップロードするための有線または無線インターネット接続、他のセルラーデバイスからメッセージを送信する、および受信するためのセルラーネットワーク、および、交差点または他の位置におけるインフラストラクチャーデバイスおよび他のRSEと通信するための特別な無線デバイスを使用し得る。
RSEは、異なる種類の交差点に近接して設置され得る。例えば、信号機付き交差点(例えば、交通が信号灯により制御される交差点)において、RSE10は、同じエンクロージャ内に、または近くのエンクロージャ内において、交通信号灯制御装置26付近に設置される。データ(例えば、交通信号灯のフェーズおよびタイミング)は、交通信号灯制御装置とRSEとの間のフロー28を意味する。信号機の無い交差点において、RSE10は、通常、交差点の近傍における地上交通網の道路または他の特徴を監視するために使用されるセンサー12にそれを接続することを簡単にするために位置している。交差点に対するRSEの近さは、警報に応答するために受信側地上ユニットに最大の時間を提供することに重要な低レイテンシシステムを維持することに役立つ。
2.エンティティに関する安全関連データに加えてエンティティの位置および運動学(動作データ)を特定するセンサー38を含む、地上交通エンティティ14に搭載された、地上交通エンティティ14により支持された、または、地上交通エンティティ14内の車載機器(OBE:Onboard Equipment)36。OBEは、データ処理ユニット40と、データストレージ42と、他のOBE、OPE、RSE、および場合によってはサーバーおよびコンピューティングユニットと無線により通信し得る通信機器44とを更に含む。
人または動物により身に着けられる、人または動物により保持される、人または動物に装着される、または人または動物と別様に接続されることが可能な、限定されないが、携帯電話、装着型デバイス、または任意の他のデバイスであり得る人上機器(OPE:On Person Equipment)46。OPEは、必要な場合、データ処理ユニット48、データストレージ50、および通信機器52を含み、または、データ処理ユニット48、データストレージ50、および通信機器52に結合され得る。幾つかの実施態様では、OPEは、車両ではない被害を受け得る道路ユーザーのための特別な通信ユニットとして機能する。幾つかの例では、OPEは、他の目的にも使用され得る。OPEは、被害を受け得る道路ユーザーに視覚、音声、または触覚アラートを提供するコンポーネントを含み得る。
被害を受け得る道路ユーザーは、歩行者、サイクリスト、道路作業者、車椅子に乗った人、スクーター、自動平衡デバイス、電池駆動式個人用移動装置、動物により駆動されるキャリッジ、案内用のまたは警察用の動物、家畜、動物の群れ、およびペットを包含し得る。
典型的には、OPEは、被害を受け得る道路ユーザーに所持され、メッセージを送信および受信することが可能である。OPEは、携帯電話、タブレット、個人用移動装置、自転車、装着型デバイス(例えば、腕時計、ブレスレット、アンクレット)に装着され、または統合され、または、ペットの首輪に装着され得る。
OPEにより送信されたメッセージは、限定されないが時刻、3D位置、進行方向、速度、および加速度を包含する、被害を受け得る道路ユーザーに関連した運動学的情報を含み得る。送信されたメッセージは、例えば、被害を受け得る道路ユーザーが横断歩道を現在横断していること、音楽を聞いていること、または横断歩道を横断しようとしていることといった、被害を受け得る道路ユーザーの警報レベル、現在の挙動、および将来の意図を表すデータを更に伝達し得る。とりわけ、メッセージは、被害を受け得る道路ユーザーのブロブサイズまたはデータサイズ、被害を受け得る道路ユーザーを伴う外部デバイス(例えば、ベビーカー、カート、または他のデバイス)が存在するか否か、被害を受け得る道路ユーザーが身体障害を伴っているか否か、または、任意の個人用補助を使用しているか否かを伝達し得る。メッセージは、被害を受け得る道路ユーザーが作業者である場合、作業者のカテゴリを伝達し得、作業者により行われている行動の種類を更に説明し得る。同様の被害を受け得る道路ユーザーのクラスター(例えば、歩行者の群)が同様の特性をもつ場合、複数のメッセージブロードキャストを避けるために、1つのメッセージが送信され得る。
典型的には、OPEにより受信されたメッセージは、道路沿いの機器からの、またはエンティティからの警報メッセージである。OPEは、被害を受け得る道路ユーザーに警報を出すことにより、受信されたメッセージに基づいて動作し得る。警報メッセージは、被害を受け得る道路ユーザーのためのカスタム式の警報を提供することに有用なデータを伝達する。例えば、被害を受け得る道路ユーザーに対する警報は、危険な状況の種類を提示し、取り得るアクションを提案し得る。OPEは、全ての受信されたメッセージに警報フィルタリングを適用し、関連するメッセージのみを被害を受け得る道路ユーザーに提示し得る。
警報フィルタリングは、OPEに関連した履歴データに学習アルゴリズムを適用した結果に基づき、これは、被害を受け得る道路ユーザーの各々に対して警報フィルタリングをカスタム式に調整することを可能にする。OPE学習アルゴリズムは、受信された警報に対する被害を受け得る道路ユーザーの応答を追跡し、被害を受け得る道路ユーザーから最良の応答時間および最良の注意を引き出すために将来の警報を調整する。学習アルゴリズムは、送信されたメッセージにおいて伝達されるデータにも適用され得る。
4.限定されないが、クラウドストレージ、ローカルストレージ、またはデータの記憶および入手を可能にする任意の他のストレージ設備であり得るデータストレージサーバー54。データストレージサーバーは、例えば早期警告および衝突回避に関連したデータを記憶することを目的として、RSE、コンピューティングユニットにより、および、場合によってはOBE、OPE、およびデータサーバーによりアクセス可能である。データストレージサーバーは、記憶されたデータをフェッチすることを目的として、RSEから、および場合によってはOBE、OPE、およびデータサーバーからアクセス可能である。データは、生のセンサーデータ、処理ユニットによる処理されたデータ、またはRSE、OBE、およびOPEにより生成された任意の他の情報であり得る。
連続的に地上交通エンティティを監視する交差点におけるセンサーは、毎日、多量のデータを生成し得る。このデータのボリュームは、センサーの数および種類に依存する。データは、例えば交差点においてローカルに、リアルタイムに処理されるとともに、データストレージユニット(例えば、ハードディスクドライブ、ソリッドステートドライブ、および他の大容量ストレージデバイス)を必要とする将来の分析のために保存される。ローカルストレージデバイスは、それらの記憶容量、生成されたデータのボリューム、およびそれが生成される速度に応じて、ある期間後にいっぱいになる。将来の使用のためにデータを保存するために、データは、より大きい容量をもつリモートサーバーにアップロードされる。リモートサーバーは、必要に応じてオンデマンドで記憶容量をアップグレードし得る。リモートサーバーは、ネットワーク接続を通してアクセス可能な、ローカルストレージと同様のデータストレージデバイス(例えば、ハードディスクドライブ、ソリッドステートドライブ、または他の大容量ストレージデバイス)を使用してもよい。
将来の分析のためにローカルに、およびサーバーに記憶されたデータは、将来の分析のために保存された、地上交通エンティティによりブロードキャストされた、およびRSEにより受信されたデータを含み得る。記憶されたデータは、RSEにおける処理のために、サーバーまたは他のリモート源からダウンロードされ得る。例えば、RSEが位置する交差点の機械学習モデルは、ローカル源からRSEにおいて受信された現在のデータを分析するために使用するために、サーバーに、または他のリモートストレージに記憶されてもよく、およびRSEによりダウンロードされてもよい。
5.クラウドに、またはローカルに(例えばRSEの一部として)位置する、またはそれらの組み合わせである強力なコンピューティングマシンであるコンピューティングユニット56。他の機能の中でも、コンピューティングユニットは、交通網を使用する車両、歩行者、または他の地上交通エンティティの動作、挙動、および意図の予測、機械学習ベースのモデルを生成するために利用可能なデータを処理する。コンピューティングユニットの各々は、対応する種類のデータを処理するための特別なハードウェア(例えば、画像を処理するためのグラフィックス処理ユニット)を含み得る。重い処理負荷の場合、RSEにおけるコンピューティングユニットは過負荷状態になり得る。例えば、更なるデータ生成ユニット(例えばセンサー)がシステムに追加されて演算的な過負荷を引き起こすとき、これが起こり得る。コンピューティングユニットにおいて動作しているロジックが、より演算的に負荷のかかるロジックと置換された場合にも、過負荷が発生し得る。過負荷は、追跡されている地上交通エンティティの数の増加により発生し得る。ローカルな演算の過負荷が発生した場合、RSEは、タスクのうちの幾つかを別のコンピューティングユニットに負荷委譲し得る。他のコンピューティングユニットは、RSEの近くに、またはリモートにあり(例えばサーバーであり)得る。演算タスクは優先順位付けされ得、時間的に重要でないタスクは、他のコンピューティングユニットにおいて遂行され得、結果がローカルコンピューティングユニットにより入手される。例えば、RSEにおけるコンピューティングユニットは、保存されたデータを分析するための、およびデータを使用してモデルを訓練するためのジョブを実行するように別のコンピューティングユニットに要求し得る。訓練されたモデルは、次に、そこで記憶するために、および使用するために、RSEにおけるコンピューティングユニットによりダウンロードされる。
RSEにおけるコンピューティングユニットは、演算的に負荷のかかるジョブをより効率的に実施して時間を削減するために、他の小さいコンピューティングユニットを使用し得る。利用可能なコンピューティングユニットは、例えばRSEコンピューティングユニットと他の利用可能なコンピューティングユニットとの間においてタスクを分割することにより、最短時間でほとんどのタスクを実施するために賢明に使用される。コンピューティングユニットは、更に、RSEにおけるコンピューティングユニットにより多くの演算能力を追加するために、RSEに外部デバイスとして装着され得る。外部から装着されたコンピューティングユニットは、RSEにおけるコンピューティングユニットと比べて同じまたは異なるアーキテクチャを含み得る。外部から装着されたコンピューティングユニットは、任意の利用可能な通信ポートを使用して既存のコンピューティングユニットと通信し得る。RSEコンピューティングユニットは、必要に応じて外部コンピューティングユニットからのより多くの演算能力を要求し得る。
この文献の残りの部分では、とりわけ、システムにおける上述のコンポーネントの役割および機能を詳細に説明する。
道路沿いの機器(RSE)
図2に示されているように、RSEは、限定されないが以下のコンポーネントを含み得る。
1.近くの車両または他の地上交通エンティティ、インフラストラクチャー、およびリモートサーバー、およびデータストレージシステム130からの、および、これらへの、地上交通エンティティに関連した運動データおよび他のデータ、および交通安全データの受信もしくは送信またはその両方を可能にする1つまたは複数の通信ユニット103、104。幾つかの例において、この種類の通信は、インフラストラクチャー・対・車両(I2V:infrastructure-to-vehicles)、インフラストラクチャー・対・歩行者(I2P:infrastructure-to-pedestrians)、インフラストラクチャー・対・インフラストラクチャー(I2I:infrastructure-to-infrastructure)、およびインフラストラクチャー・対・デバイス(I2D:infrastructure-to-devices)、およびそれらの組み合わせを包含するがこれらに限定されない、インフラストラクチャー・対・エブリシング(I2X:infrastructure-to-everything)として知られる。通信は、無線または有線であってもよく、および、幅広い様々な通信プロトコルに準拠してもよい。
2.通信ユニット103は、地上交通エンティティとの通信のために使用され、ユニット104は、リモートサーバーおよびデータストレージシステム130とのインターネットを通した通信のために使用される。
3.プログラム、交差点モデル、および、挙動および交通モデルを記憶するためのローカルストレージ106。ローカルストレージ106は、センサー101から収集されたデータの一時的な記憶のために使用されてもよい。
4.例えば典型的にはRSE付近の地上交通エンティティといった動く対象物の監視(例えば、それらに関するデータの生成)を可能にするセンサー101およびセンサー制御装置107。センサーは、とりわけ地上交通エンティティまでの距離、または、地上交通エンティティの速度、進行方向、または位置、またはそれらの組み合わせを検出し、または検出されたデータから推測し得るカメラ、レーダー、ライダー、超音波ディテクターまたは任意の他のハードウェアを包含してもよいがこれらに限定されない。センサーフュージョンは、2つ以上のセンサー101からのデータの集合体または組み合わせを使用して実施される。
5.位置特定データ(例えばRSEの位置の座標)を提供する、および、地上交通エンティティの位置特定における位置特定の誤りを修正することに役立つ位置受信器(102)(例えばGPS受信器)。
6.センサーから生成されたデータおよび通信ユニット103、104からの入来データを獲得する、および使用する処理ユニット105。処理ユニットは、ローカルにデータを処理し、および記憶し、幾つかの実施態様において、リモートでの記憶および更なる処理のためにデータを送信する。処理ユニットは、近くの歩行者、モーター車両、または他の地上交通エンティティに、および幾つかの例において、標識または他のインフラストラクチャー提示デバイスに、無線通信設備を通してブロードキャストされる、または別様に送信されるメッセージおよび警報を更に生成する。処理ユニットは更に、監視のためにリモートサーバーに全てのRSEシステムの調子およびステータスを周期的に報告する。
7.RSEと、他のハードウェアまたは他のコンポーネント、例えば、温度および湿度センサー、交通信号灯制御装置、上述の他のコンピューティングユニット、および将来的に利用可能となり得る他の電子部品との間の制御および通信を可能にする拡張コネクタ108。
車載機器(OBE)
車載機器は典型的には、地上交通エンティティのためのオリジナル機器であり、またはサードパーティーサプライヤーによりエンティティに追加され得る。図3に示されているように、OBEは、以下のコンポーネントを包含してもよいがこれらに限定されない。
1.近くの車両、歩行者、サイクリスト、または他の地上交通エンティティ、およびインフラストラクチャー、およびそれらの組み合わせへの、および、近くの車両、歩行者、サイクリスト、または他の地上交通エンティティ、およびインフラストラクチャー、およびそれらの組み合わせからのデータの送信および受信、またはその両方を可能にする通信ユニット203。通信ユニットは、機械学習を目的として、およびサーバーによる地上交通エンティティのリモート監視のために、車両または他の地上交通エンティティとローカルまたはリモートサーバー212との間のデータの送信または受信(またはその両方)を更に可能にする。幾つかの例において、この種類の通信は、車両・対・車両(V2V)、車両・対・歩行者(V2P)、車両・対・インフラストラクチャー(V2I)、車両・対・デバイス(V2D)、およびそれらの組み合わせを包含するがこれらに限定されない車両・対・エブリシング(V2X)として知られる。通信は、無線または有線であってもよく、および、幅広い様々な通信プロトコルに準拠してもよい。
通信ユニット204は、プログラム更新、データ記憶、およびデータ処理のために、OBEがインターネットを通してリモートサーバーと通信することを可能にする。
2.プログラム、交差点モデル、および交通モデルを記憶するためのローカルストレージ206。ローカルストレージ206は、センサー201から収集されたデータの一時的な記憶のために使用されてもよい。
3.近くの物体または人または他の地上交通エンティティを検出するために使用され得る外部カメラ、ライダー、レーダー、超音波センサー、または任意のデバイスを包含してもよいがこれらに限定されないセンサー201およびセンサー制御装置207。センサー201は、追加的な運動学的センサー、全地球測位受信器、および、内部およびローカルマイクロホンおよびカメラを更に包含してもよい。
4.位置特定データ(例えば地上交通エンティティの位置の座標)を提供する位置受信器202(例えばGPS受信器)。
5.通信ユニットからのデータを消費すること、および、通信ユニットにデータを送信すること、ならびに、地上交通エンティティ内の、または地上交通エンティティ上のセンサーからのデータを消費することを含む、データを獲得する、使用する、生成する、および送信する処理ユニット205。
6.OBEと他のハードウェアとの間の制御および通信を可能にする拡張コネクタ208。
7.例えば、視覚、可聴、または触覚フィードバックを使用して、1つまたは複数の手法によりヘッドユニット、ハンドル、または運転者モバイルデバイスに追加導入され、または統合され得るインターフェースユニット。
スマートOBE(SOBE:Smart OBE)
全ての車両および他の地上交通エンティティが接続されたエンティティである世界では、各車両または他の地上交通エンティティは、他と連携したエンティティであり得、その現在位置、安全ステータス、意図、および他の情報を他のものに報告し得る。現時点では、ほぼ全ての車両は接続されたエンティティではなく、他の地上交通エンティティにこのような情報を報告することができず、および異なるレベルの技量、幸せさ、ストレス、および挙動を伴う人により操作される。このようなコネクティビティおよび通信が無ければ、車両の、または地上交通エンティティの次の動きを予測することが困難になり、更に、衝突回避を実装するための、および早期警告を提供するための、より低い能力をもたらす。
スマートOBEは、周辺環境、および、地上交通エンティティのユーザーまたは乗っている人を監視する。それは、エンティティの異なるシステムおよびサブシステムの調子およびステータスを更に監視する。SOBEは、例えば、緊急放送からのラジオ波送信、近くのRSEからの交通および安全メッセージ、および、他の接続された車両または他の地上交通エンティティからの安全、位置、および他の動作情報に関するメッセージをリスニングすることにより外部世界を監視する。SOBEは、更に、このような監視を可能にするカメラ、距離センサー、振動センサー、マイクロホン、または任意の他のセンサーなどの道路および運転状態を見得る車載センサーとインターフェース接続する。SOBEは、更に、すぐそばの周辺環境を監視し、全ての静止した物体および動く物体のマップを生成する。
SOBEは、車両または他の地上交通エンティティのユーザーまたは乗っている人の挙動を更に監視し得る。SOBEは、マイクロホンを使用して会話の質を監視する。それは、他のセンサー、例えば、座席センサー、カメラ、炭化水素センサー、および揮発性有機化合物および他の有毒物質のセンサーを更に使用し得る。それは、運転者の反応および挙動を測定し、そこから運転の質を推測するために運動学的センサーを更に使用し得る。
SOBEは、他の地上交通エンティティからの車両・対・車両メッセージ(例えば基本的な安全メッセージ(BSM:basic safety message))、および、被害を受け得る道路ユーザーからの車両・対・歩行者メッセージ(例えば個人用安全メッセージ(PSM:personal safety message))を更に受信する。
SOBEは、次に、センサー、源、およびメッセージのこのアレイからのデータを融合する。SOBEは、次に、車両または他の地上交通エンティティの運転者またはユーザーまたは被害を受け得る道路ユーザーの次の行動または反応を予測することができるだけでなく、更に、他の車両、地上交通エンティティ、および近くの被害を受け得る道路ユーザーに起因した、意図および将来の軌道および関連するニアミスまたは衝突リスクを予測することができる人工知能モデルに融合されたデータを適用する。例えば、SOBEは、それ自体のホスト車両に対するリスクを生じるような、近くの車両が車線変更の操縦に入ろうとしていることを予測するために、近くの車両から受信されたBSMを使用し得、切迫したリスクについて運転者に警報を出し得る。リスクは、近くの車両の様々な将来の予測された軌道(例えば、直進すること、右に車線を変更すること、左に車線を変更すること)の確率、および、それらの軌道の各々に対するホスト車両との関連する衝突リスクに基づいてSOBEにより演算される。衝突リスクが特定の閾値より高い場合、警告がホスト車両の運転者に表示される。
機械学習は、典型的には、外部因子(例えば変化する周辺環境および気象状態)によっても影響を受ける人間の運転者の挙動のモデル化の複雑さに起因して、意図および将来の軌道を予測することが要求される。
SOBEは、そのうちの幾つかが1秒当たり数メガバイトのデータを提供する多数のデータフィードを処理することができる強力な演算能力をもつことにより特徴付けられる。利用可能なデータの量は、更に、各センサーから要求される詳細さのレベルに比例する。
SOBEは、高い(信号)ノイズレベルおよび低い信号対ノイズ比をもつことが知られた周辺環境から有用な情報を引き出すことができる強力な信号処理機器を更に含む。SOBEは、更に、スマート警報フィルタリングを提供することにより、車両が受信する膨大な数の警報から運転者を保護する。警報フィルタリングは、現在位置、周辺環境条件、運転者の挙動、車両の調子およびステータス、および運動学においてどの警報が重要かを区別することができる機械学習モデルの結果である。
スマートOBEは、衝突回避および早期警告のために、および、SOBEを含む車両の乗っている人またはユーザーのためにだけでなく、全てのユーザーのためにより安全な交通網をもたらすために重要である。SOBEは、道路上の異なるエンティティの動きを検出し、および予測し、したがって衝突回避を補助し得る。
人上機器(OPE)
上述のように、人上機器(OPE)は、地上交通エンティティである、または別様に地上交通網上に存在する、または地上交通網を使用している歩行者、ジョギングしている人、または他の人により保持された、これらに装着された、またはこれらと直接的に別様に接続し得る任意のデバイスを含む。このような人は、例えば車両に衝突されるおそれがある、被害を受け得る道路ユーザーであり得る。OPEは、モバイルデバイス(例えば、スマートフォン、タブレット、デジタルアシスタント)、装着型装置(例えば、アイウェア、腕時計、ブレスレット、アンクレット)、およびインプラントを包含してもよいがこれらに限定されない。OPEの既存のコンポーネントおよび特徴は、位置、速度、および進行方向を追跡する、および報告するために使用され得る。OPEは、データを受信するために、および処理するために、および様々なモード(例えば視覚、音、触覚)によりユーザーに警報を表示するために使用されてもよい。
Hondaは、OPEを使用した車両と歩行者との間の直接的な通信に注目したV2P用途のための通信システムおよび方法を開発した。ある例において、車両は、周辺環境の歩行者のOPEにメッセージをブロードキャストするためのOBEを備える。メッセージは、例えば車両パラメータ、速度、および進行方向を包含する車両の現在のステータスを伝達する。例えば、メッセージは、基本的な安全メッセージ(BSM)であり得る。必要な場合、OPEは、衝突を避けるために、予測された危険な状況に関する、歩行者の注意散漫レベルに合わせて調整された歩行者に対する警報を提示する。別の例では、歩行者のOPEは、歩行者が車両の意図される経路を横断し得る周辺環境の車両のOBEに、メッセージ(例えば個人用安全メッセージ(PSM))をブロードキャストする。必要な場合、車両のOBEは、衝突を避けるために、予測された危険に関して、車両ユーザーに警報を表示する。Strickland、Richard Deanらの「Vehicle to pedestrian communication system and method.」(米国特許第9,421,909号)を参照されたい。
本明細書において説明されているシステムは、歩行者および他の被害を受け得る道路ユーザーに関するデータを追跡するために、および収集するために、車両および歩行者の外部における(主にインフラストラクチャーにおける)センサーを使用するI2PまたはI2Vアプローチを使用する。例えば、センサーは、街路を横断する歩行者、および横断場所において、または横断場所付近において動作している車両を追跡し得る。収集されたデータは、続いて、ルールベースの方法および機械学習方法を使用して、道路における歩行者および車両の運転者の意図および挙動の予測モデルを構築するために使用される。これらのモデルは、収集されたデータを分析すること、および歩行者および車両の経路および意図の予測をすることに役立つ。危険が予測された場合、メッセージは、RSEからOBEもしくはOPEまたはその両方にブロードキャストされて、他方の意図される経路の各エンティティに警報を出し、それらの各々が衝突を回避するための十分な時間を伴って先手を打つような行動をすることを可能にする。
リモートコンピューティング(クラウドコンピューティングおよびストレージ)
RSE、OBE、およびOPEに接続された、または組み込まれたセンサーから収集されたデータは、効果的な数学的機械学習モデルが生成され得るように処理されることを必要とする。この処理は、各モデルを生成するために必要な時間を短くするための多くのデータ処理能力を必要とする。必要な処理能力は、RSEにおいて典型的にローカルに利用可能なものよりはるかに多い。これを解決するために、データは、必要な能力を提供するリモートコンピューティング設備に送信され得、オンデマンドで拡縮し得る。本明細書では、リモートコンピューティング設備を、演算に関する文献において使用される用語にならって「リモートサーバー」と呼ぶ。幾つかの例において、それらにハイパワーの演算能力を具備させることにより、RCEにおいて処理の一部またはすべてを実施することが可能であり得る。
ルールベースの処理
人工知能および機械学習技術と異なり、ルールベースの処理は、データ収集、訓練、およびモデル構築を必要とせずに、任意の時点で適用され得る。ルールベースの処理は、システムの動作の初めから配備され得、更に、典型的には、機械学習モデルを生成するために十分な訓練データが獲得されるまで行われる。新しいインストールの後に、入来センサーデータを処理するために、ルールが設定される。これは、道路の安全性を改善するために有用なだけでなく、システムの全てのコンポーネントが想定されるように動作することを確実なものとするための適切なテストケースである。機械学習が正確な予測をすることができないものであり得るレアケースを捕捉するために、ルールベースの処理が更なる層として後で更に追加され、および使用され得る。ルールベースのアプローチは、収集されたデータパラメータ(例えば速度、範囲など)間の単純な関連性に基づいている。ルールベースのアプローチは、機械学習アルゴリズムのパフォーマンスの評価のためのベースラインを更に提供し得る。
ルールベースの処理では、地上交通網の一部を横断する車両または他の地上交通エンティティがセンサーにより監視される。その現在の速度および加速度が、道路上の停止バー(線)の前でそれが停止することを妨げる閾値より高くなった場合、例えば警報が生成される。可変な領域が、車両または他の地上交通エンティティの各々に割り当てられる。その領域は車両がまだ違反車両としてラベル付けされていないジレンマゾーンとしてラベル付けされる。車両の速度もしくは加速度、またはその両方が既定の閾値より高くなったという理由から、車両がジレンマゾーンを越えて危険ゾーン内に入った場合、車両は違反エンティティとしてラベル付けされ、警報が生成される。速度および加速度に対する閾値は物理学および運動学に基づいており、例えば交差点に近づく各地上交通エンティティに応じて変わる。
2つの従来のルールベースのアプローチは、1)静的TTI(タイム・トゥ・インターセクション:Time-To-Intersection)、および、2)静的RDP(要求減速度パラメータ:Required Deceleration Parameter)である。Aoude、Georges S.らの「Driver behavior classification at intersections and validation on large naturalistic data set.」、IEEE Transactions on Intelligent Transportation Systems 13.2(2012):724-736を参照されたい。
静的TTI(タイム・トゥ・インターセクション)は、分類基準として交差点に到達するまでの推定された時間を使用する。その最も単純な形態において、TTIは
のように演算され、ここで、rは交差点における交線までの距離であり、vは車両または他の地上交通エンティティの現在の速度である。TTI<TTIreqである場合、車両は危険と分類され、ここで、TTIreqは、ブレーキ制動が始動された後に車両が安全に停止するために必要な時間である。TTIreqパラメータは、ルールベースのアルゴリズムの保守性レベルを反映する。TTIは、車両の減速度が減速度閾値(例えば-0.075g)をまたいだときとして識別されるブレーキ制動の開始時に演算される。車両がこの閾値をまたがない場合、交差点に到達するまでの推定された残り時間の典型的には1秒から2秒の範囲である指定された最終時点において分類が実施される。
静的RDP(要求減速度パラメータ)は、車両の現在の速度および道路上の位置を与えられて、安全に停止するために車両に対して要求される減速度を計算する。RDPは、
のように演算され、ここで、rは交差点における交線までの距離であり、およびvは車両または他の地上交通エンティティの現在の速度である。gは重力加速度定数である。その要求される減速度が、選択されたRDP閾値RDPwarnより大きい場合、車両は危険(すなわち、車両が危険な状況にある、または発生させる)と分類される。実際には、任意の時点で、r<ralertである場合、車両は危険と分類され、ここで、
である。
静的TTIアルゴリズムと同様に、RDPalertパラメータはルールベースのアルゴリズムの保守性レベルを反映する。
本明細書では、本開示の機械学習アルゴリズムのパフォーマンスの評価のためのベースラインとしてルールベースのアプローチを使用し、幾つかの例において、本明細書では、レアケースを捕捉するために、すなわち、そのレアケースでは機械学習が予測することができないものであり得るそのレアケースを捕捉するために、機械学習アルゴリズムと並列にそれらを動作させる。
機械学習
運転者の挙動をモデル化することは、ヒトの挙動の複雑さを考慮すると、複雑なタスクであることが示されている。H.M.Mandalia、およびD.D.Dalvucci、「Using Support Vector Machines for Lane-Change Detection」、Human Factors and Ergonomics Society Annual Meeting Proceedings、vol.49、pp.1965{1969、2005を参照されたい。機械学習技術は、ヒトの挙動をモデル化することによく適しているが、適切に動作するために、訓練データを使用して「学習」することを必要とする。優れた検出および予測結果を提供するために、本明細書では、配備フェーズ中に警報処理が現在の交通に適用される前に、訓練期間中に交差点において検出された交通または地上交通網の他の特徴をモデル化するために機械学習を使用する。機械学習は、車載機器(OBE)からの車両内データを使用して運転者の応答をモデル化するために更に使用され得、車両内センサーおよび運転記録の履歴および好みに更に基づき得る。本明細書では、更に、被害を受け得る道路ユーザー(例えば歩行者)の軌道、挙動、および意図を検出するために、および予測するために、機械学習モデルを使用する。機械学習は、人上機器(OPE)からの被害を受け得る道路ユーザーの応答をモデル化するために更に使用され得る。これらのモデルは、エンティティ、被害を受け得る道路ユーザーの間の、および、1つまたは複数のエンティティと1または複数の被害を受け得る道路ユーザーとの間の相互作用を含み得る。
機械学習技術は、非自律地上交通エンティティの挙動をモデル化するために更に使用され得る。非自律地上交通エンティティを観察すること、または非自律地上交通エンティティと通信すること、またはその両方をすることにより、ニアミスまたは事故または他の危険な状況が予測されたときに、その意図を予測するために、およびそれと通信するために、および他の関与するエンティティと通信するために、機械学習が使用され得る。
機械学習メカニズムは、2つのフェーズ、すなわち、1)訓練および2)配備において動作する。
訓練フェーズ
設置後に、RSEは、それがアクセスすることができるセンサーからデータを収集し始める。AIモデル訓練は強力な演算能力を必要とするので、それは、通常、訓練フェーズを高速化するために、複数の並列処理モジュールを含む強力なサーバーにおいて実施される。この理由により、地上交通網におけるRSEの位置において獲得されたデータはパッケージ化され、獲得のすぐ後にリモートの強力なサーバーに送信され得る。これはインターネット接続を使用して行われる。次に、データは自動的に、またはデータサイエンティストの助けを受けて準備される。次に、その交差点または地上交通網の他の態様に対する車両および他の地上交通エンティティの交通の流れの重要な特性を捕捉するために、AIモデルが構築される。捕捉されたデータ特徴は、車両または他の地上交通エンティティの位置、方向、および動きを包含してもよく、これらは次に意図および挙動に変換され得る。意図を知ることにより、高精度に、AIモデルを使用して、交通位置に接近する車両または他の地上交通エンティティの行動および将来の挙動を予測し得る。訓練されたAIモデルは、訓練フェーズに含まれていなかったデータの部分集合上で試験される。AIモデルのパフォーマンスが期待に沿っている場合、訓練が完了したとみなされる。このフェーズは、モデルの満足のいくパフォーマンスが達成されるまで、異なるモデルパラメータを使用して繰り返し反復される。
配備フェーズ
幾つかの実施態様において、完了した試験されたAIモデルは、次に、地上交通網における交通位置におけるRSEにインターネットを通して伝達される。RSEは、次に、新しいセンサーデータを処理するための、および、例えば交通信号灯違反といった危険な状況の予測および検出を実施するための準備が整う。危険な状況が予測された場合、RSEは、適切な警報メッセージを生成する。危険な状況が予測され得、警報メッセージが生成され、予測された危険な状況が発生する前に、警報メッセージが、RSEの近傍における車両および他の地上交通エンティティにブロードキャストされ、RSEの近傍における車両および他の地上交通エンティティにより受信される。これは、車両または他の地上交通エンティティのオペレーターに、反応するための、および衝突回避を行うための十分な期間を与える。対応するRSEが位置している様々な交差点からのAIモデルの出力は、直感的な、およびユーザーフレンドリーな手法により生成された、および表示された全てのデータを組み込んだダッシュボードにおいてオンラインで、記録され、および利用可能にされ得る。このようなダッシュボードは、システムの顧客(例えば都市交通エンジニアまたは計画者)とのインターフェースとして使用され得る。ダッシュボードの一例は、監視される交差点の位置を示すマーカー、発生した違反事象、AI予測および実際の結果に基づく統計データおよび分析結果を含むマップである。
スマートRSE(SRSE:Smart RSE)および接続されたエンティティ/接続されていないエンティティの橋渡し
既に示唆されているように、接続されたエンティティおよび接続されていないエンティティの能力および行動の間にギャップが存在する。例えば、接続されたエンティティは、典型的には、それらの位置、および安全システムステータス、例えば速度、進行方向、ブレーキステータス、およびヘッドライトステータスを世界に連続的にアドバタイズする連携したエンティティである。接続されていないエンティティは、これらの手法により連携すること、および通信することができない。したがって、接続されたエンティティでも、接続されたエンティティの近傍に無い、または干渉、距離、または見晴らしの良い地点のないことに起因して検出範囲外にある接続されていないエンティティを認識しない。
適切な機器および構成を含むので、RSEは、接続されていないエンティティを含むそれらの近傍における地上交通網を使用する全てのエンティティを検出することを可能にされ得る。特殊なセンサーが、異なる種類のエンティティを検出するために使用され得る。例えば、レーダーは、例えば自動車、バス、およびトラックといった動く金属物体を検出することに適している。このような道路エンティティは、交差点に向かって1つの方向に動く可能性が最も高い。カメラは、横断するための安全なタイミングを見計らいながら交差点付近を歩き回り得る被害を受け得る道路ユーザーを検出することに適している。
地上交通網のコンポーネントにセンサーを配置することは、少なくとも以下の利点をもつ。
- 見晴らしの良い地点:インフラストラクチャーのポール、梁、およびサポートケーブルは、通常、高い見晴らしの良い地点を含んでいる。高い見晴らしの良い地点は、交差点のより全体的な眺望を可能にする。これは、管制官が地上の重要な、および被害を受け得るユーザーのうちの大部分の全景を見渡すことができる空港における管制塔に似ている。地上交通エンティティに対しては、対照的に、センサー(カメラ、ライダー、レーダー、など…、または他のもの)の見晴らしの良い地点からの眺望は、近接した車線におけるトラック、直射日光、または他の干渉により妨害され、または邪魔され得る。交差点におけるセンサーは、このような干渉に耐性があり、またはこのような干渉を受けにくいように選択され得る。レーダーは、例えば、日光による影響を受けず、夕方の通勤通学中に効果的であり続ける。温度カメラは、光学カメラの眺望が妨げられる明るい光の状況において歩行者を検出する可能性がより高い。
- 定位置:交差点に位置するセンサーは、重要なターゲットを検出するために最適であり得る特定の方向において検出するように調節され、および固定され得る。これは、処理ソフトウェアがより適切に物体を検出することに役立つ。一例として、カメラが固定の眺望を伴う場合、固定の眺望における背景の(動かない物体および構造物の)情報は簡単に検出され、比較的重要な動くエンティティの識別および分類を改善するために使用され得る。
固定のセンサー位置は、交差点の統一的なグローバルな眺望における各エンティティのより簡単な配置を更に可能にする。センサーの眺望が固定されているので、センサーからの測定結果は、交差点の統合的グローバル位置マップへと簡単にマッピングされ得る。ある交通の流れの別のものへの相互作用および依存性を調査するために、全ての方向からの交通の動きのグローバル分析を実施するとき、このような統合的マップが有用である。一例は、ニアミス(危険な状況)をそれが発生する前に検出する場合である。2つのエンティティが交差する経路に沿って移動しているとき、交差点のグローバルな、および統合的な眺望が、それぞれの経路の交差点への各エンティティの到達時間の計算を可能にする。時間が特定の限度または許容範囲内である場合、ニアミスは、それが発生する前に、フラグを立てられ得る(例えば警報メッセージの対象にされる)。
インフラストラクチャーのコンポーネントに設置されたセンサーの助けを受けて、スマートRSE(SRSE)は、このギャップを橋渡しし、接続されたエンティティが「ダークな」または接続されていないエンティティを認識することを可能にし得る。
図8は、接続されたエンティティが接続されていないエンティティの速度および位置を識別することに、戦略的に配置されたセンサーがどのように役立ち得るかを説明するシナリオを示す。
接続されたエンティティ1001が、経路1007に沿って移動する。エンティティ1001は、青信号1010を提示されている。接続されていないエンティティ1002は、経路1006に沿って移動する。エンティティ1002は、赤信号1009を提示されているが、経路1006に沿って赤信号で右折しようとしている。これは、エンティティ1002をエンティティ1001の経路に直接的に配置する。エンティティ1001がエンティティ1002を認識していないので、危険な状況が切迫している。エンティティ1002が接続されていないエンティティであるので、交差点をシェアしている他のエンティティに、その位置および進行方向をブロードキャストする(例えばアドバタイズする)ことができない。更に、エンティティ1001は、それが接続されている場合でも、建物1008により見えなくされているエンティティ1002を「見る」ことができない。エンティティ1001が交差点を通って直進してエンティティ1002に衝突するリスクが存在する。
交差点がスマート交差点として構成されている場合、交差点における道路の上方の梁1005に搭載されたレーダー1004が、エンティティ1002およびその速度および距離を検出する。この情報は、接続されていないエンティティ1002と接続されたエンティティ1001との間の橋渡しとして機能するSRSE1011を通して接続されたエンティティ1001に中継され得る。
人工知能および機械学習
スマートRSEは、更に、危険な状況をより適切に予測するために、および防止するために、および衝突を回避するために、交通パターンおよびエンティティの挙動を学習することに依存する。図8に示されているように、レーダー1004は進入路1012に沿って動く各エンティティに対するデータを常に検出し、および提供する。このデータは、例えば、分析のために、および、進入路1012に沿った交通を適確に表すモデルを構築するために、および訓練するために、直接的に、またはRSEを通して収集され、クラウドに伝達される。モデルが完成したとき、それがSRSE1011にダウンロードされる。このモデルは、次に、進入路1012に沿って動く各エンティティに適用され得る。エンティティが交通規則に違反している(または、しようとしている)ものとしてモデルにより分類された場合、警告(警報)が、近傍における全ての接続されたエンティティに、SRSEによりブロードキャストされ得る。この警告は、交差点衝突回避警告として知られ、接続されたエンティティにより受信され、危険な状況を考慮するための、および衝突を回避するための基礎とされ得る。適切な交通モデルを使用することにより、違反エンティティが予め検出され得、危険な状況に反応するための、および危険な状況を回避するための十分な時間を交差点を使用している接続されたエンティティに与える。
複数のセンサー(幾つかは、地上交通網のインフラストラクチャーのコンポーネントの高い所に搭載されている)、人工知能モデル、および正確な交通モデルの助けを受けて、SRSEは、地上交通網の仮想的な概観を獲得し、視野内において接続されたエンティティにとって「視認可能」ではない視野内における接続されていないエンティティを含んだ、その視野内における各エンティティを認識し得る。SRSEは、AIモデルに供給するためにこのデータを使用し、および接続されていないエンティティの代わりに接続されたエンティティに警報を提供し得る。接続されたエンティティは、そうでない場合には、道路をシェアしている接続されていないエンティティが存在することを知らないことになる。
SRSEは、同じハウジング内においてSRSEの位置において、または、近くのユニットへの、またはインターネットを通したサーバーへの接続により利用可能なハイパワーコンピューティングを備える。SRSEは、センサーから直接受信されたデータ、または、近くのSRSEからのブロードキャストにより受信されたデータ、緊急および気象情報、および他のデータを処理し得る。SRSEは、データを記憶すること、および処理することに役立つように大容量ストレージを更に備える。高帯域幅コネクティビティは、SRSEと更により強力なリモートサーバーとの間において生データおよびAIモデルを伝達することを補助するために更に必要である。SRSEは、高い精度を達成するために、および、反応するための、および衝突を回避するための更なる時間を提供するために、AIを使用して他の交通危険検出技術を拡張する。
SRSEは、現在の、および新しい標準化された通信プロトコルに依然として適合し得、したがって、それらは、現場に既に配備された機器にシームレスにインターフェース接続され得る。
SRSEは、必要なときにのみメッセージを送信することにより、ネットワーク輻輳を更に低減し得る。
グローバルな、および統合的な交差点トポロジー
交差点の効果的な交通監視および制御は、障害物、照明、または任意の他の干渉により妨げられない交差点の鳥瞰的眺望により利益を受ける。
上述のように、異なる種類のセンサーは、異なる種類のエンティティを検出するために使用され得る。これらのセンサーからの情報は異なり得、例えば、そのデータが表す位置または動作パラメータ、またはデータのネイティブなフォーマット、またはその両方と一致しない。例えば、レーダーデータは典型的には、速度、距離を含み、おそらくは、更なる情報、例えば、レーダーの視野内にある動く、および静止したエンティティの数を含む。カメラデータは、対照的に、任意の時点における視野の画像を表し得る。ライダーデータは、特定の時間および進行方向においてライダーから出射されたレーザービームの反射点に対応した3D空間における点の位置を提供し得る。概して、各センサーは、それらが測定する物理量を適確に表すネイティブなフォーマットによりデータを提供する。
交差点の統合的な眺望(表現)を取得するために、異なる種類のセンサーからのデータの融合が有用である。融合を目的として、様々なセンサーからのデータが、使用されるセンサーに依存しない共通(統合的)フォーマットに変換される。センサーのうちのすべてからの統合的フォーマットにより含まれるデータは、交差点を使用している各エンティティのグローバルな位置、速度、および進行方向を、それがどのように検出されたかとは無関係に含む。
この統合的グローバルデータを使用することにより、スマートRSEは、エンティティの動きを検出し、および予測し得るだけでなく、互いに対する異なるエンティティの相対位置および進行方向を特定し得る。したがって、SRSEは、危険な状況の改善された検出および予測を達成し得る。
例えば、図9に示されるシナリオでは、モーター駆動式エンティティ2001と被害を受け得る道路ユーザー2002とが同じ横断歩道をシェアしている。エンティティ2001は、道路2007に沿って移動し、レーダー2003により検出される。歩道2006に沿って歩行している被害を受け得る道路ユーザー2002は、カメラ2004により検出される。被害を受け得る道路ユーザー2002は、横断歩道2005を使用して道路2007を横断することを決断し得る。そうすることが、道路ユーザー2002をエンティティ2001の経路に配置し、潜在的な危険な状況を生み出す。センサーの各々からのデータ2003および2004が独立して考慮され、および他の情報が考慮されなかったと仮定すると、センサーの各々がそのそれぞれの視野においてエンティティを検出するのみであり得るので、危険な状況が特定されない。更に、センサーの各々は、それらが検出するように設計されていない物体を検出することが不可能であり得る。しかし、統合的な眺望がSRSEにより考慮される場合、エンティティ2001の、および被害を受け得る道路ユーザー2002の位置およびダイナミクスは、同じ基準座標系、すなわち、地理的座標系、例えば、地図投影法、または、他の座標系に配置され得る。共通基準系内において検討される場合、センサーからの融合されたデータは、2つのエンティティ2001と2002との間において発生し得る危険な状況を検出するために、および予測するために使用され得る。以下の段落では、センサー空間と統合空間との間の変換を説明する。
レーダーデータから統合的基準への変換
図10に示されているように、レーダー3001は、それぞれセンターライン3006および3007を含む2つの車線3005および3008を含む道路に沿って移動する道路エンティティを監視するために使用される。停止バー3003は車線3005および3008の端部を示す。T3006は、マーカー3003および3004の集合により規定され得る。図10は2つのマーカーのみを示しているが、概して、中心線は区分的線形関数である。マーカー3003および3004(および図示されていない他のマーカー)のグローバルな位置は、車道の設計により既定され、システムに知られている。レーダー3001の正確なグローバルな位置が、更に特定され得る。したがって、レーダー3001からのマーカー3003および3004の距離3009および3010が計算され得る。レーダー3001からのエンティティ3002の距離3011は、レーダー3001により測定され得る。単純な幾何学を使用することで、システムは、測定された距離3011を使用してエンティティ3002の位置を特定し得る。それはマーカー3003、3004およびレーダー3001のグローバルな位置から導出されるので、結果はグローバルな位置である。各車道は一般化された区分的線形関数により近似され得るので、上記の方法は、レーダーにより監視され得る任意の車道に適用され得る。
図11は、湾曲した道路における同様のシナリオを示す。レーダー4001は、道路4008に沿って動くエンティティを監視する。マーカー4003および4004は、中心線4007の(区分的線形関数の)線形セグメント4009を表す。距離4005および4006は、それぞれ、レーダー4001の平面4010とマーカー4003および4004との間の法線距離を表す。距離4007は、レーダー平面4010からのエンティティ4002の測定された距離である。ここまでの説明に続いて、レーダー4001およびマーカー4003および4004のグローバルな位置が与えられて、エンティティ4002のグローバルな位置が、単純な比の算術を使用して計算され得る。
カメラデータから統合的基準への変換
カメラの高さ、グローバルな位置、方向、チルト、および視野を知ることにより、カメラ画像における各ピクセルのグローバルな位置を計算することが、既存の3Dの幾何学的な法則および変換を使用して単純になる。結果として、物体が画像において識別されたとき、そのグローバルな位置は、それが占有しているピクセルを知ることにより容易に推定され得る。例えばセンサーサイズ、焦点距離、または視野、またはそれらの組み合わせといったその仕様が知られている場合、カメラの種類は無関係であることに留意することが有益である。
図12は、エンティティ5002を見るカメラ5001の側面図を示す。カメラ5001の高さ5008およびチルト角度5006は、設置時に決定され得る。視野5007は、カメラ5001の仕様から取得され得る。カメラ5001のグローバルな位置は、設置時に更に決定され得る。知られた情報から、システムは、点5003および5004のグローバルな位置を特定し得る。点5003と点5004との間の距離は、更に、カメラ5001により生成された画像においてピクセルに分割される。このピクセル数は、カメラ5001の仕様から知られる。エンティティ5002により占有されたピクセルが特定され得る。したがって、距離5005が計算され得る。エンティティ5002のグローバルな位置が更に計算され得る。
任意の交差点のグローバルな統合的な眺望は、様々なセンサーからの情報を融合することにより一緒にまとめ上げられ得る。図13は、4方向交差点の平面図を示す。交差点の各脚は、中央分離帯6003により区切られている。図中の交差点は、2つの異なる種類のセンサー、レーダー、およびカメラにより監視され、本明細書において説明されている原理は、他の種類のセンサーに一般化され得る。この例において、レーダー監視領域6001はカメラ監視領域6002に重なる。統一的なグローバルな眺望を伴うことにより、領域間を移動する各エンティティが、統一的なグローバルな眺望内において追跡され続ける。これは、例えば異なるエンティティの動作間の関連性のSRSEによる特定を、簡単に可能にする。このような情報は、交差点および車道の真に普遍的な鳥瞰的眺望を可能にする。センサーからの統合的データは、次に、以下の段落で説明されるように人工知能プログラムに供給され得る。
上述の図2は、RSEのコンポーネントを示していた。加えて、SRSEにおいて、処理ユニットは、データを並列に処理し得る1つまたは複数の特殊な処理ユニットを更に含み得る。このようなユニットの例は、グラフィック処理ユニットまたはGPUである。GPUまたは同様のハードウェアの補助により、機械学習アルゴリズムは、SRSEにおいてはるかに効率的に動作し得、リアルタイムで結果を提供することができる。このような処理アーキテクチャは、危険な状況のリアルタイムの予測を可能にし、したがって、反応して衝突を回避するための十分な時間をエンティティに提供するために、早期に警告を送信することを可能にする。加えて、SRSEは異なるセンサーおよび異なる種類のセンサーからのデータを使用し得る処理を実行し得るので、SRSEは、交通の流れの分析、および危険な状況の検出および予測に役立つ交差点の統合的な眺望を構築し得る。
使用例
幅広い様々な例が、システム、および衝突回避のためにそれが提供し得る早期警告による利益をもたらし得る。例が、ここで提供される。
例1:被害を受け得る地上交通エンティティ
図4に示されているように、典型的な交差点409を横断する車道は、歩行者および他の被害を受け得る道路ユーザー(被害を受け得る道路ユーザー)が車道を歩いて横断するために使用し得る特定の横断エリア401、402、403、404を含む横断歩道を含み得る。このような横断または他の被害を受け得るユーザーを検出することに適したセンサーが、横断歩道および横断歩道の周辺環境の監視を可能にする1つまたは複数の見晴らしの良い地点に位置している。訓練フェーズ中に、収集されたデータが交差点における被害を受け得る道路ユーザーの挙動について学習するために、人工知能モデルを訓練するために使用され得る。配備フェーズ中に、AIモデルは次に、例えば被害を受け得る道路ユーザーが車道を横断しようとしていることを予測するために、および被害を受け得る道路ユーザーが横断し始める前にその予測を行うために、被害を受け得る道路ユーザーに関する現在のデータを使用し得る。歩行者および他の被害を受け得る道路ユーザー、運転者、車両、および他の人、および地上交通エンティティの挙動および意図が、前もって予測され得る場合、早期警告(例えば警報)が、それらのうちのいずれかまたはすべてに送信され得る。早期警告は、車両が停止すること、減速すること、経路を変えること、またはそれらの組み合わせを可能にし得、危険な状況が切迫していると予測された場合、被害を受け得る道路ユーザーが道路を横断することを自制することを可能にし得る。
概して、センサーは、交差点の近傍における被害を受け得る道路ユーザーおよび車両の起こり得る動きの全てのエリアを監視するために使用される。使用されるセンサーの種類は、監視される、および追跡される対象物の種類に依存する。幾つかのセンサーは、人および自転車または他の非モーター駆動式車両を追跡することがより得意である。幾つかのセンサーは、モーター駆動式車両を監視すること、および追跡することがより得意である。センサーが、監視される、および追跡される対象物の種類に依存し得る十分なデータレートで適切なデータを提供する場合、センサーの種類は関連しないので、本明細書において説明されている解決策はセンサーおよびハードウェアを問わない。例えば、ドップラーレーダーは、車両の速度および距離を監視するための、および追跡するための適切なセンサーである。データレートまたはサンプリングレートは、レーダーが連続した新しいデータ値を提供することができるレートである。データレートは、監視される、および追跡される対象物の動作のダイナミクスを捕捉する程度に十分速くなければならない。サンプリングレートが高いほど、より詳細なものが捕捉され、データによる動作の表現がより高ロバストになり、およびより正確になる。サンプリングレートが過度に低く、車両が2つのサンプルインスタンス間に大幅な距離を移動する場合、データが生成されないインターバル中の見逃された詳細事項のせいで、挙動をモデル化することが困難になる。
横断歩道に対して、センサーが、交差点および交差点の近傍におけるエリアにおいて横断する歩行者および他の被害を受け得る道路ユーザー(例えばサイクリスト)を監視する。これらのセンサーからのデータは、検出および位置特定に役立つように、それぞれの異なる仮想ゾーンを伴う状態を表すものとしてセグメント分けされ得る。ゾーンは、例えば、歩道、歩道の入口、および交差点への道路の入来進入路405、406、407、408といった、危険な状況が想定され得るそれぞれのクリティカルエリアに対応するように選択され得る。各ゾーンにおける活動および他の状態が記録される。記録は、運動学(例えば、位置、進行方向、速度、および、加速度)、および、顔の、および体の特徴(例えば、眼、姿勢)を包含し得るが、これらに限定されない。
センサーの数、ゾーンの数、およびゾーンの形状は、各交差点に、および交差点への各進入路に特有である。
図5は、歩行者または他の被害を受け得る道路ユーザー、およびモーター駆動式および非モーター駆動式車両および他の地上交通エンティティの動きおよび挙動を監視するために、および追跡するために使用される異なるゾーンを示す典型的な例示的な場面の平面図を示す。
センサーは、道路にまたがる横断歩道を監視するように構成されている。仮想ゾーン(301、302)は、歩道に、および横断歩道に沿って位置し得る。他のセンサーは、横断歩道に続く道を進行する車両および他の地上交通エンティティを監視するように配置されており、仮想ゾーン(303、304)は、例えば、入来する車両および他の地上交通エンティティ、横断歩道からのそれらの距離、およびそれらの速度を検出することに役立つように戦略的に配置されている。
システム(例えば、センサーに関連したRSEまたはSRSE)は、全てのセンサーからデータのストリームを収集する。システムが最初に動作状態にされたとき、機器の校正および機能に役立つように、初期のルールベースのモデルが配備され得る。その間に、センサーデータ(例えば、レーダーユニットからの速度および距離、カメラからの画像およびビデオ)が収集され、準備のために、および、幾つかの実施態様において、この収集されたデータを使用して交差点の異なるエンティティの挙動のAIモデルを構築するために十分に強力なリモートコンピュータに伝達されるために、RSEにローカルに記憶される。幾つかの例において、RSEはAIモデル自体を生成することが可能なSRSEである。
次に、データが準備され、交差点を通る各地上交通エンティティのために軌道が構築される。例えば、軌道は、同じエンティティに属する異なる距離の点を一緒に連結することにより、レーダーデータから導き出され得る。歩行者の軌道および挙動は、例えば、カメラおよびビデオ記録から導き出され得る。ビデオおよび画像処理技術を実施することにより、歩行者の動きが、画像およびビデオにおいて検出され得、それらのそれぞれの軌道が推定され得る。
ヒトの挙動に対して、インテリジェント機械学習ベースのモデルは、典型的には、単純な物理学に基づく単純なルールより優れている。これは、人間の意図は捉えることが困難であり、パターンを検出することができるために大きいデータ集合が必要であるからである。
機械学習(AI)モデルがサーバーにおいて完成されたとき、それが、例えばインターネットを通してRSEにダウンロードされる。次に、RSEは、センサーから捕捉された現在のデータをAIモデルに適用して、それに意図および挙動を予測させ、危険な状況が切迫している時を特定し、被害を受け得る道路ユーザーおよび運転者が衝突回避ステップを実行することを可能にするために間に合うように早期警告として車両および他の地上交通エンティティに、および被害を受け得る道路ユーザーおよび運転者に拡散される(例えばブロードキャストされる)対応する警報をトリガーする。
この例示的な設定は、例えば信号機付き交差点または平面交差点における交通といった任意の他の使用例と組み合わされ得る。
例2:信号機付き交差点
信号機付き交差点(例えば、交通信号灯により制御されるもの)の場合、システムの全体的な設定は例1の場合のように行われる。1つの違いは、車両の速度、進行方向、距離、および位置を監視するために、または追跡するために使用されるセンサーの種類であり得る。例1の横断歩道に対する設定は、より全般的な解決策のために信号機付き交差点の設定とも組み合わされ得る。
信号機付き交差点の使用例に対する動作の概念は、ユーザーに関するデータまたはユーザー自体により通信されたデータを収集する外部センサーを使用して交差点の周囲における道路ユーザーを追跡すること、それらの挙動を予測すること、および、概して、例えば赤信号に違反することといった交差点の交通規則の違反に起因した近づきつつある危険な状況に関して異なる通信手段を通して警報をブロードキャストすることである。
道路ユーザーに関するデータは、(a)例えばBSMまたはPSMを通した、その現在の状態に関して各エンティティ自体によりブロードキャストされたエンティティデータ、および、(b)例えば、ドップラーレーダー、超音波センサー、視覚カメラまたは温度カメラ、ライダーなどの、インフラストラクチャーに、または車両に外部から設置されたセンサーを使用して収集され得る。上述のように、選択されたセンサーの種類、および交差点におけるその位置および配向は、交差点、またはその調査中の部分の最も広範囲のカバレッジを提供しなければならず、更に交差点に接近するエンティティに関する収集されたデータは最も正確である。したがって、収集されたデータは、道路ユーザーの現在の状態の再構成、および、正確な、時宜にかなった、有用なVBSM(仮想的な基本的な安全メッセージ:virtual basic safety message)またはVPSM(仮想的な個人用安全メッセージ:virtual personal safety message)の生成を可能にする。データが収集されなければならない頻度は、各種類の道路ユーザーの潜在的な危険および潜在的な違反のクリティカリティに依存する。例えば、交差点において高速で移動するモーター駆動式車両は、通常、リアルタイムの衝突回避を達成するために1秒当たり10回のデータ更新を必要とし、はるかに低い速度で交差点を横断する歩行者は、1秒当たり1回という少ないデータ更新を必要とし得る。
上述のように、図4は、検出仮想ゾーンを含む信号機付き交差点の平面図の例を示す。これらのゾーンは、交差点への各進入路を別々の車線410、411、412、413、405、406、407、408にセグメント分けし得、停止バーからの一般的な距離範囲に対応したエリアに各車線を更に区切り得る。これらのゾーンの選択は、概して特定の進入路および交差点の特性に適合するように経験的に実施され得る。交差点をセグメント分けすることは、各道路ユーザーに対する相対的な進行方向、速度、加速度、および位置のより正確な特定を可能にし、ひいては、道路ユーザーが他の地上交通エンティティにもたらす潜在的な危険のより適切な評価を可能にする。
観測された交通状況が危険な状況であるか否かを判定するために、システムは、予測された状況の結果を交通信号灯の状態と比較すること、および、ローカル交通規則(例えば、左折用車線、赤信号での右折など)を考慮することを更に必要とする。したがって、交差点の信号フェーズおよびタイミング(SPaT:signal phase and timing)情報を収集すること、および使用することが必要とされる。SPaTデータは、概してデータを読み取る有線接続を通して、交差点における交通信号灯制御装置と直接的にインターフェース接続することにより、または、例えばAPIを通して、要求されたデータを受信するために交通管理システムとインターフェース接続することにより収集され得る。道路ユーザーの状態が交通信号の状態と常に同期することを確実なものとするために、道路ユーザーデータが収集されるレートにできる限り近いレートでSPaTデータを収集することが重要である。SPaT情報を知るという要求に対する更なる複雑さは、交差点付近における交通の流れを調節するために使用される現代の交通制御技法が、固定のタイミングに基づいておらず、リアルタイムの交通状態に動的に適応し得るアルゴリズムを使用することである。したがって、違反予測における最高の正確さを保証するためにSPaTデータ予測アルゴリズムを組み込むことが重要である。これらのSPaTデータ予測アルゴリズムは、ルールベースの方法または機械学習方法を使用して構築され得る。
交差点への各進入路に対して、データがRSE(またはSRSE)により収集され、収集されたデータに対応した車両の挙動を説明するために機械学習(AI)モデルが構成される。次に、交差点への進入路のうちの1つにおいて移動している車両または他の地上交通エンティティが例えば交通信号灯に違反しようとしているか否かの早期予測を生成するために、交差点において収集された現在のデータがAIモデルに適用される。違反が切迫している場合、メッセージがRSEから近傍における地上交通エンティティに中継される(例えばブロードキャストされる)。(違反車両を含む)車両および歩行者または他の被害を受け得る道路ユーザーがメッセージを受信し、衝突を回避するために適切な先手を打つような手段を取るための時間を得る。メッセージは、特に次のような手法、すなわち、点滅するライト、サイン、または無線信号といった手法のうちの1つまたは複数により地上交通エンティティに送達され得る。
交差点に接近している車両または他のエンティティがOBEまたはOPEを備えている場合、それは、潜在的な危険が交差点において予測されたことについて、RSEからブロードキャストされたメッセージを受信することができる。これは、ユーザーが警告されること、および、衝突を回避するために適切な先手を打つような手段を取ることを可能にする。交差点における違反道路ユーザーがOBEまたはOPEを更に備えている場合、ユーザーはブロードキャストされた警報を更に受信する。OBEまたはOPEにおけるアルゴリズムが、次に、ユーザーの違反挙動を含むメッセージを調整し、適切にユーザーに警告し得る。
警報を送信する判断は、交差点におけるセンサーにより収集されたデータにより表された車両の挙動に依存するだけではない。センサーは判断において大きい役割を果たすが、他の入力も考慮される。これらの入力は、近くの交差点からの情報(車両が近くの交差点において信号を無視して走った場合、車両がこの交差点において同じことを行う確率がより高い)、他の連携した車両からの情報、または更には、例えば車両が異常を抱えていることを車両が報告する場合の車両自体からの情報を包含してもよいがこれらに限定されない。
例3:信号機の無い交差点
信号機の無い制御される交差点、例えば一時停止の標識または譲れの標識により制御される交差点も同様に監視され得る。センサーが交通標識により制御される進入路を監視するために使用され、信号機付き交差点への進入路における入来する車両に関する予測と同様に、入来する車両に関する予測が行われ得る。信号機の無い制御される交差点における道路の規則は、典型的には明確に定義される。一時停止の標識により制御される進入路における地上交通エンティティは、完全に停止しなければならない。多方向停止式の交差点では、優先的な通行権は、地上交通エンティティが交差点に到達する順序により決定される。特別な場合は、1方向停止を使用して考慮され得る。センサーの集合は、同様に、一時停止の標識の無い進入路を監視し得る。このような設定は、一時停止の標識のギャップネゴシエーションを支援し得る。譲れの標識により制御される交差点に対して、譲れの標識により制御される進入路における地上交通エンティティは、交差点における他の地上交通エンティティに優先的な通行権を与えるために、その速度を落とさなければならない。
主な課題は、内部要因(例えば運転者の注意散漫)または外部要因(例えば視認性の欠如)に起因して、地上交通エンティティが道路の規則に違反し、他の地上交通エンティティをリスクにさらすことである。
一時停止の標識により制御される交差点の概括的な例(すなわち、各進入路が一時停止の標識により制御される)では、システムの全体的な設定は例1の場合のように行われる。1つの違いは、車両の速度、進行方向、距離、および位置を監視するために、または追跡するために使用されるセンサーの種類であり得る。別の違いは、交通信号灯制御装置を含まず、道路の規則が道路標識により示されることである。例1の横断歩道に対する設定は、より全般的な解決策のために、信号機の無い制御される交差点の設定と更に組み合わされ得る。
図4は、検出仮想ゾーンを含む4方向停止式の交差点の平面図の例を示すことが更に理解され得る。これらのゾーンは、交差点への各進入路を別々の車線410、411、412、413、405、406、407、408にセグメント分けし得、停止バーからの一般的な距離範囲に対応したエリアに各車線を更に区切り得る。これらのゾーンの選択は、概して、特定の進入路および交差点の特性に適合するように経験的に行われ得る。
図4に対してここまでに説明されているものと同様の手法により、交差点において収集された現在のデータは、交差点への進入路のうちの1つにおいて移動している車両または他の地上交通エンティティが一時停止の標識に違反しようとしているか否かの早期予測を生成するために、AIモデルに適用される。違反が切迫している場合、メッセージは、交通信号灯違反を伴う前述の例と同様に取り扱われ得る。
更にここまでの説明と同様に、警報を送信する判断は、前述の因子に基づき、および、車両がこの交差点において同じことを行う確率がより高いことを示唆する、例えば車両が近くの交差点において一時停止の標識を無視して走ったか否かといった他の情報に基づき得る。
図18は、制御される信号機の無い交差点に対する使用例を示す。図18は、戦略的に配置されたセンサーを含むSRSEが、接続されていないエンティティから発生する差し迫った危険な状況を接続されたエンティティにどのように警告し得るかを説明している。
接続されたエンティティ9106は、経路9109に沿って移動している。エンティティ9106は優先的な通行権をもつ。接続されていないエンティティ9107が、経路9110に沿って移動している。エンティティ9107は、譲れの標識9104を提示されており、エンティティ9106に優先的な通行権を与えずに経路9109に合流し、エンティティ9107をエンティティ9106の経路に直接的に配置する。エンティティ9106がエンティティ9107を認識しないので、危険な状況が切迫している。エンティティ9107が接続されていないエンティティであるので、交差点をシェアしている他のエンティティに、その位置および進行方向をアドバタイズ(ブロードキャスト)することができない。更に、エンティティ9106は、その直接的な視野内に無いエンティティ9107を「見る」ことが不可能であり得る。エンティティ9106がその経路に沿って進行している場合、エンティティ9106はエンティティ9107と最終的に衝突し得る。
交差点はスマート交差点であるので、道路の上方の梁9102に搭載されたレーダー9111が、エンティティ9107を検出する。レーダー9111は、更にエンティティ9107の速度および距離を検出する。この情報は、SRSE9101を通して接続されたエンティティ9106に警報として中継され得る。SRSE9101は、進入路9110に沿って動くエンティティに対する機械学習モデルを含む。エンティティ9107は、交通規則の潜在的な違反者としてモデルにより分類され、警告(警報)が、接続されたエンティティ9106にブロードキャストされる。この警告は、危険な状況に反応するための、および、危険な状況を防止するための十分な時間をエンティティ9106に与えるように、前もって送信される。
例4:平面交差点
平面交差点はモーター駆動式車両、歩行者、および鉄道車両を通行させ得るので、平面交差点は危険である。多くの場合、平面交差点に続く道は、列車または他の鉄道車両の運転者(例えば車掌)の死角に入る。鉄道車両の運転者は主に見通し線の情報に基づいて運転するので、これは、道路ユーザーが鉄道車両の優先的な通行権に違反し、および、道路ユーザーが横断することを許可されていないときに平面交差点を横断する場合、事故の可能性を高める。
平面交差点が多くの場合交通規則および信号により調節された道路と鉄道交通との間の衝突点であるという意味で、平面交差点の使用例の動作は信号機付き交差点の使用例と同様である。したがって、この使用例は、平面交差点付近の安全性を高めるために、衝突回避警告を更に必要とする。鉄道交通は、例えば高速鉄道といった計画的に分離された鉄道用地をもち、または、例えば軽量都市鉄道または路面電車といった分離された鉄道用地をもたないものであり得る。軽量鉄道および路面電車を伴う場合、これらの鉄道車両は活動のある道路においても動作し、道路ユーザーと同じ交通規則に従う必要があるので、この使用例は更に重要になる。
図6は、道路および横断歩道が鉄道を横断する平面交差点の一般的な使用例を示す。横断歩道の使用例と同様に、センサーが歩行者の動きおよび意図に関するデータを収集するために配置される。交差点に接近しようとしている道路車両の動きを監視するために、および予測するために他のセンサーが使用される。道路ユーザーに関するデータは、道路ユーザーブロードキャスト(例えばBSMまたはPSM)からも収集され得る。近くの交差点、車両、およびリモート指揮および制御センターからのデータは、警報をトリガーするための判断に使用され得る。
違反の可能性を適切に評価するために、道路および鉄道の進入路に対するSPaTに関するデータが更に収集されることが必要である。
信号機付き交差点の使用例と同様に、収集されたデータは、ルールベースのアルゴリズムおよび機械学習アルゴリズムを使用した予測モデルの生成を可能にする。
この使用例において、鉄道車両は、衝突回避警告を受信するためにOBEまたはOPEを備える。鉄道車両の優先的な通行権の違反が予測された場合、RSEが警報メッセージをブロードキャストし、道路ユーザーがその意図される経路に存在することを鉄道車両の運転者に警告し、鉄道車両の運転者が衝突を回避するための十分な時間を伴って先手を打つような行動を取ることを可能にする。
違反道路ユーザーがOBEまたはOPEを更に備えている場合、RSEによりブロードキャストされたメッセージは、更に違反道路ユーザーにより受信される。OBEまたはOPEにおけるアルゴリズムが、次にユーザーの違反挙動を含む受信されたメッセージを調整し、適切にユーザーに警告し得る。
(ギャップを橋渡しする)仮想的な接続された地上交通環境
上述のように、システムの有用な用途は、接続されていない地上交通エンティティの代わりに、仮想的な接続された周辺環境を生成することである。接続された技術の採用に対する障害は、インフラストラクチャー設置物の欠如だけでなく、接続された車両、接続された被害を受け得る道路ユーザー、および接続された他の地上交通エンティティがほぼ存在しないことである。
接続された車両に関連して、幾つかの規制体制では、このような車両は基本的な安全メッセージ(BSM)と呼ばれるものを常に送信する。BSMは、他の情報もあり得るが、車両の位置、進行方向、速度、および将来の経路を含む。他の接続された車両は、これらのメッセージに注意を払い、それらの周辺環境に存在する車両のマップを生成するためにそれらを使用し得る。周辺環境の車両がどこにあるか知ることにより、車両は、それが自律的であるか否かによらず、高レベルの安全性を維持するための有用な情報を含む。例えば、自律的な車両は、その経路に接続された車両が存在する場合、操縦を行うことを回避し得る。同様に、運転者は、その者がたどろうと計画している経路に何らかの他の車両が存在する場合、例えば突然の車線変更があった場合、警報を受け得る。
全ての地上交通エンティティが交通安全メッセージおよび情報を送信すること、および受信することを具備するまで、幾つかの道路エンティティは、道路エンティティのうちの残りのものに対して「ダーク」であり、または視認不能である。ダークな道路エンティティは、危険な状況のリスクをもたらす。
ダークな道路エンティティは、それらの位置をアドバタイズ(例えばブロードキャスト)せず、したがって、それらは全ての道路エンティティがそれらの情報をブロードキャストすること(すなわち、接続されたエンティティであること)を想定し得る接続されたエンティティにとって視認不能である。車載センサーは障害物および他の道路エンティティを検出し得るが、これらのセンサーの範囲は、短過ぎて危険な状況および衝突を防ぐことにおいて効果的でない傾向がある。したがって、接続された車両のコネクティビティと接続されていない車両のコネクティビティの欠如との間にギャップが存在する。以下で説明されている技術は、地上交通網の交差点または他のコンポーネントにおける全ての車両を検出し、および接続されていない車両の代わりにメッセージを送信し得るインフラストラクチャーに関するインテリジェンスを使用することによりこのギャップを橋渡しすることを目的としたものである。
システムは、ほとんどの車両(および他の地上交通エンティティ)が接続されたエンティティとなることが想定される将来と、ほとんどの車両および他の地上交通エンティティがコネクティビティをもたない現時点との間のギャップを橋渡しし得る、例えば交差点における、仮想的な接続された地上交通環境を確立し得る。仮想的な接続された地上交通環境では、スマート交通信号灯および他のインフラストラクチャー設置物は、全ての車両および他の地上交通エンティティ(接続された、接続されていない、半自律、自律、非自律)を追跡するためにセンサーを使用し得、および、(車両の場合)それらの代わりに仮想BSMメッセージ(VBSM:virtual BSM message)を生成し得る。
VBSMメッセージは、BSMの部分集合と考えられ得る。それは、BSMを生成するために必要とされる全てのフィールドを含むわけではないものであり得るが、位置、進行方向、速度、および軌道を包含する全ての位置特定情報を含み得る。V2X通信は標準化され、および匿名にされているので、VBSMおよびBSMは簡単に区別されることができず、同じメッセージ構造に従う。2つのメッセージ間の主な相違点は、これらのメッセージに含まれる情報の源の可用性である。VBSMは、例えばハンドルの角度、ブレーキステータス、タイヤ圧、またはワイパーの有効化といった、外部センサーにより簡単に生成されないデータおよび情報を含まないものであり得る。
適切なセンサーが設置されることにより、スマートRSEを含む交差点は、交差点を通って移動する全ての道路エンティティを検出し得る。SRSEは、更に、複数のセンサーからの全てのデータをグローバル統合座標系に変換し得る。このグローバル統合系は、各道路エンティティの地理的位置、速度、および進行方向により表される。各道路エンティティは、それが接続されているか否かによらず、交差点機器により検出され、グローバル統合位置がそれの代わりに生成される。標準的な安全メッセージは、したがって、道路エンティティの代わりにブロードキャストされ得る。しかし、RSEが、RSEが検出した全てのエンティティのために安全メッセージをブロードキャストする場合、RSEが、接続された道路エンティティの代わりにメッセージを送信し得る。衝突を解決するために、RSEは、そのダークエンティティのリストから接続された道路エンティティをフィルタリングし得る。RSEが接続された車両から安全メッセージを連続的に受信し、RSEセンサーが交差点を通る道路エンティティを連続的に検出するので、これが実現され得る。ある位置であって、その位置から安全メッセージがRSE受信器により受信された、その位置に、検出された道路エンティティの位置が一致する場合、道路エンティティが接続されていると推測され、それの代わりにRSEにより安全メッセージがブロードキャストされない。これは図15に示されている。
接続された車両と接続されていない車両との間の橋渡しを行うことにより、(自律的な車両を含む)接続されたエンティティは、近くの全ての道路エンティティの完全な認識を伴って、交差点を通って安全に操縦し得る。
本技術のこの態様は図17に示されている。交差点9001は、所与の時点において複数の道路エンティティを伴う。これらのエンティティのうちの幾つか9004、9006は接続されておらず、他のもの9005、9007は接続されている。被害を受け得る道路ユーザー9004、9007はカメラ9002により検出される。モーター駆動式道路エンティティ9005、9006は、レーダー9003により検出される。各道路エンティティの位置が計算される。接続された道路エンティティからのブロードキャストが、RSE9008により更に受信される。エンティティの位置であって、その位置からメッセージが受信された、その位置が、ある位置であって、そのある位置においてエンティティが検出された、そのある位置と比較される。2つのエンティティが所定の公差内で一致している場合、その位置におけるエンティティは接続されているとみなされ、それの代わりに安全メッセージが送信されることはない。一致する受信位置のない道路エンティティのうちの残りのものは、ダークとみなされる。それらの代わりに安全メッセージがブロードキャストされる。
V2Xプロトコルの統合部分である衝突警告および交差点違反警告のために、システムが効果的であるために各エンティティが接続される必要がある。その要求は、V2Xデバイスおよびシステムの配備における障害である。スマートRSEを備える交差点は、接続された車両と接続されていない車両との間の仮想的な橋渡しを提供することによりその懸念を解決する。
米国DOT(運輸省:Department of Transportation)およびNHTSA(米国高速道路交通安全局:National Highway Traffic Safety Administration)は、BSMを使用する、および、機能異常によらない衝突および死亡者を実質的に減らすことに役立つ多くの接続された車両用途を特定している。これらの用途は、前方衝突警告(FCW:Forward Collision Warning)、交差点移動支援(IMA:Intersection Movement Assist)、左折支援(LTA:Left Turn Assist)、追い越し禁止警告(DNPW:Do Not Pass Warning)、および死角/車線変更警告(BS/LCW:Blind Spot/Lane Change Warning)を包含するがこれらに限定されない。米国DOTおよびNHTSAはこれらの用途を以下のように規定している。
FCWは追突事故を解決し、前方における停止した、減速している、またはより遅い車両について運転者に警告する。IMAは、交差点横断衝突を回避するように設計されており、交差点において横方向から接近する車両について運転者に警告し、2つの主なシナリオ、すなわち、同じ方向または逆方向への進路変更経路と、直線的な交差点経路とをカバーする。LTAはある関与する車両が交差点を左折し、他の車両が逆方向から直線的に移動するときの衝突を解決し、左折をしようとするときに近づいてくる反対方向の交通の存在を運転者に警告する。DNPWは追い越し運転によりもたらされる反対方向の衝突を回避するために運転者を支援し、分割されていない2車線車道においてより遅い車両を追い越そうと試みるとき、近づいてくる反対方向の車両の運転者に警告する。BS/LCWは、車両が衝突前に車線変更/合流運転を行ったときの衝突を解決し、接近している、または近接した車線においてそれらの死角にいる車両の存在について運転者に警報を出す。
V2Xプロトコルは、これらの用途が車両・対・車両(V2V)通信を使用して達成されなければならないと規定しており、ここで、1つの接続された離れた車両が、接続されたホスト車両に基本的な安全メッセージをブロードキャストする。ホスト車両のOBEは、続いて、速度、進行方向、および軌道などのそれ自体の車両パラメータとこれらのBSMを調整しようと試み、ここまでに本明細書において説明されているような、離れた車両により引き起こされる潜在的な危険性または脅威が存在するか否かを判定する。更に、自律的な車両はこのような用途から特に恩恵を受け、その理由は、それが、周辺環境の車両が、その車載センサーから収集されたデータに含まれない情報の重要な部分である意図を通信することを可能にするからである。
しかし、現在の車両は接続されておらず、上述のように、BSMが上述のように適切に機能するように、接続された車両の割合が高くなるまで非常に長い期間を要する。したがって、接続された車両の割合が小さい環境では、接続された車両は、上述の用途を可能にする程度、およびV2X通信により十分に恩恵を受ける程度に接続された車両の割合が十分に高い環境であったならばそれらが受信する可能性のあるような、多数のBSMを受信すること、および分析することは必要とされない。
VBSMは、大半が接続されていないエンティティを含む現在の環境と大半が接続されたエンティティを含む将来の環境との間のギャップを橋渡しすること、および、合間の期間に上述の用途を可能にすることに役立ち得る。本明細書において説明されている技術では、VBSMを受信する接続された車両は、用途における正規のBSMとしてそれを処理する。VBSMとBSMとは同じメッセージ構造に従い、VBSMは、例えば、速度、加速度、進行方向、過去の軌道および予測された軌道といったBSMと実質的に同じ基本情報を含むので、所与の用途にメッセージを適用することの結果は実質的に同じである。
例えば、保護されていない左折を伴う交差点について検討すると、ここで、接続されていない離れた車両が優先的な通行権を伴って反対方向から直線的に移動しているときに、接続されたホスト車両が左折を試みようとしている。これは、操縦の遂行が、状況に関するホスト車両の運転者の判断に依存する状況である。状況の不適切な評価は、コンフリクトおよび潜在的な衝突しそうな接近または衝突をもたらし得る。周辺環境のインフラストラクチャーに設置された外部センサーは、離れた車両または更には両方の車両を検出し、および追跡し、速度、加速度、進行方向、および過去の軌道などの基本情報を収集し、および、それらをRSEに送信し得、これが、続いて、ルールベースのアルゴリズムまたは機械学習アルゴリズムまたはその両方を使用して、離れた車両に対して予測された軌道を構築し、VBSMのために必要とされるフィールドを埋め、および、接続されていない離れた車両の代わりにそれをブロードキャストし得る。ホスト車両のOBEは、離れた車両に関する情報を含むVBSMを受信し、運転者の操縦が潜在的な危険性をもたらすか否か、および、衝突を回避するために先読みした、または修正する行動を取るためにOBEがホスト車両の運転者に警告を表示しなければならないか否かを判定するために、そのLTAアプリケーションにおいてそれを処理する。離れた車両が接続されており、対向車両が衝突が予測される左折をしようとすることについて、RSEおよびセンサーからデータを受信した場合、同様の結果が更に実現され得る。
VBSMは、更に、車線変更の操縦において使用され得る。車線を変更している車両が、操縦の安全性を確認するための、例えばバックミラーおよびサイドミラーおよび死角を確認するための必要なステップを実施しない場合、このような操縦は危険であり得る。車両が危険な車線変更を実施することを防ぐために役立つように、例えば車載超音波センサーを使用した死角警告などの新しい高度な運転者支援システムが発展してきた。しかし、センサーが汚れている場合、または視野を塞がれている場合、これらのシステムは短所をもち得る。更に、既存のシステムは、車線変更をしようとしている別の車両について、危険にさらされた車両に警告することを試みない。V2X通信は、BSMを使用した例えばBS/LCWといった用途を通してこの問題を解決することに役立つが、車線変更をしようとしている車両は、接続されていない車両であり得、ひいては、その意図を通信することができないものであり得る。VBSMは、その目標を達成するために役立ち得る。LTAの使用例と同様に、周辺環境のインフラストラクチャーに設置された外部センサーが、車線変更の操縦をしようとしている接続されていない車両を検出し、および追跡し、速度、加速度、進行方向、および過去の軌道などの基本情報を収集し、それらをRSEに送信し得る。RSEは、続いて、ルールベースのアルゴリズムおよび機械学習アルゴリズムを使用して、車線を変更している車両に対して予測された軌道を構築し、VBSMのために必要とされるフィールドを埋め、接続されていない離れた車両の代わりにそれをブロードキャストする。危険にさらされた車両のOBEは、次に、同じ車線に合流しようとしている車両に関する情報を含むVBSMを受信し、それを処理して、操縦が潜在的な危険性をもたらすか否か、および、それが車両の運転者に車線変更警告を表示しなければならないか否かを判定する。車線を変更している車両が接続された車両である場合、そのOBEは、その死角にいる車両に関してRSEからVBSMを同様に受信し、車線変更の操縦が周辺環境の交通に潜在的な危険性をもたらすか否か、および、それが車両の運転者に死角警告を表示しなければならないか否かを判定し得る。両方の車両が接続されている場合、両方の車両は、互いにBSMをブロードキャストすることができ、BS/LCW用途を可能にする。しかし、これらの用途は、依然として、車線を変更している車両の意図を早期に予測するために、BSMデータに上述と同じルールベースのアルゴリズムまたは機械学習アルゴリズム(またはその両方)を適用することにより利益を受け、OBEが警告を表示するか否かを判断する。
自律的な車両
接続されていない道路エンティティに欠けているコネクティビティは、自律的な車両に影響を与える。自律的な車両におけるセンサーは短距離であるか、または狭い視野をもつ。それらは、例えば街路の角における建物付近に来る車両を検出することができない。それらは、配達用トラックの後方に隠され得る車両を検出することもできない。これらの隠された車両は、それらが接続されていないエンティティである場合、自律的な車両にとって視認不能である。これらの状況は、技術の大規模な採用に必要な安全性のレベルを達成するための自律的な車両の技術の能力に影響を与える。スマート交差点は、このギャップを軽減すること、および公衆による自律的な車両の受け入れを補助することに役立ち得る。自律的な車両は、それがもつセンサーと同様な良さをもつに過ぎない。スマートRSEを備える交差点は、見通しの悪い角の周囲において、または大きいトラックを越えて、車載センサーの対応範囲を広げ得る。このような拡張は、自律的なエンティティおよび他の接続されたエンティティが従来の接続されていない車両と共存することを可能にする。このような共存は、自律的な車両の採用、およびそれらがもたらす利点を加速し得る。
仮想的な接続された地上交通環境は、他の手法では実装することが困難であった車両・対・車両(V2V)、車両・対・歩行者(V2P)、および車両・対・デバイス(V2D)用途の実装を可能にするVBSMメッセージを含む。
システムは、様々な安全メッセージに必要なデータのフィールドを迅速に、および正確に生成するために、および、それらをVBSMメッセージ構造体にパックするために、および、例えば、これらに限定されないが、DSRC、Wi-Fi、セルラー、または従来の道路標識といった様々な媒体を使用して近傍における地上交通エンティティにメッセージを送信するために機械学習を使用し得る。
仮想的な個人用安全メッセージ(VPMS:Virtual personal safety message)
地上交通環境は、接続されていない車両だけでなく、接続されていない人および他の被害を受け得る道路ユーザーも包含し得る。
幾つかの規制体制では、接続された被害を受け得る地上交通エンティティは、個人用安全メッセージ(PSM)を連続的に送信する。PSMは、他の情報もあり得るが、被害を受け得る地上交通エンティティの位置、進行方向、速度、および将来の経路を含む。接続された車両およびインフラストラクチャーは、これらのメッセージを受信し、被害を受け得るエンティティを含む、および地上交通網における安全性のレベルを高めるマップを生成するためにそれらを使用し得る。
したがって、仮想的な接続された地上交通環境は、ほとんどの被害を受け得る地上交通エンティティが接続されると想定される将来と、ほとんどの被害を受け得る地上交通エンティティがコネクティビティをもたない現時点の間のギャップを橋渡しし得る。仮想的な接続された地上交通環境では、スマート交通信号灯および他のインフラストラクチャー設置物は、全ての被害を受け得る地上交通エンティティを追跡するためにセンサー(接続された、接続されていない)を使用し、それらの代わりにVPSMを生成し得る。
VPSMメッセージは、PSMの部分集合と考えられ得る。VPSMはPSMを生成するために必要とされる全てのフィールドを含むことを必要としないが、安全性評価および危険な状況の防止に必要なデータを含み得、位置、進行方向、速度、および軌道を包含する位置特定情報を含み得る。幾つかの例において、例えば、運転者の意図、姿勢、または見ている方向といった標準的ではないPSMフィールドがVPSMに更に含まれ得る。
システムは、これらのフィールドを迅速に、および正確に生成するために、それらをVPSMメッセージ構造体にパックするために、および、例えば、これらに限定されないが、DSRC、Wi-Fi、セルラー、または従来の道路標識といった様々な媒体を使用して近傍における地上交通エンティティにそれを送信するために、機械学習を使用し得る。
VPSMメッセージは、他の手法では実装することが困難であった、歩行者・対・車両(P2V)、歩行者・対・インフラストラクチャー(P2I)、歩行者・対・デバイス(P2D)、車両・対・歩行者(V2P)、インフラストラクチャー・対・歩行者(I2P)、および、デバイス・対・歩行者(D2P)用途の実装を可能にする。
図16は、横断歩道8103を横断する歩行者8102を示す。横断歩道8103は、交差点にあり、または、交差点間の一続きの道路をまたぐブロックの途中の横断歩道にあり得る。カメラ8101は、歩道8104を監視するために使用される。カメラ8101の視野8105の境界のグローバルな位置は、設置時に決定され得る。視野8105は、カメラ8101の仕様により反映される所定の数のピクセルによりカバーされる。道路エンティティ8102はカメラの視野内において検出され得、そのグローバルな位置が計算され得る。道路エンティティ8102の速度および進行方向が更に、s個の時点でのその移動から特定され得る。道路エンティティ8102の経路は、エンティティ8102が横断した位置の列であるブレッドクラム8106により表され得る。このデータは、仮想PSMメッセージを構築するために使用され得る。次に、PSMメッセージは、交差点付近の全てのエンティティにブロードキャストされ得る。
信号機の無い交差点における交通執行および挙動執行
システムの別の有用な用途は、信号機の無い交差点における交通執行(例えば、一時停止の標識、譲れの標識)、および、地上交通網の任意の場所における良い運転挙動の執行である。
VBSMおよびVPSMを生成することの副産物として、システムは、交通法規を順守しない、および危険な状況および衝突の確率を高める道路ユーザーを追跡し、および検出し得る。危険な状況の予測は、執行を含むように拡張され得る。危険な状況は、衝突を起こすことを必要としない。ニアミスは一般的であり、運転者のストレスレベルを高め、後の事故につながり得る。ニアミスの頻度は、執行の欠如に正に相関する。
更に、VBSMを使用して、システムは、例えば急激な車線変更および他の形態の無謀な運転といった不適切な運転挙動を検出し得る。センサーにより収集されたデータは、訓練するために、および、機械学習モデルが危険な運転挙動を行っている地上交通エンティティにフラグを立てることを可能にするために使用され得る。
取締当局は通常、被害を受け得る道路ユーザーを包含する地上交通エンティティに対して道路の規則を執行するが、当局は、違反を監視する、検出する、および報告するために交差点の近傍に存在することを必要とする。VBSMおよびVPSMを使用して被害を受け得る道路ユーザーを包含する接続されていない地上交通エンティティを追跡することにより、スマートRSEは、取締当局の役割を果たし、交差点における道路の規則を執行し得る。例えば、スマートRSEにより追跡される接続されていない車両は、一時停止の標識または譲れの標識に違反することが検出され得、識別され得、および、当局に報告され得る。同様に、スマートRSEにより追跡される交差点付近の被害を受け得る道路ユーザーは、交差点を違法に横断することを検出され得、識別され得、および、当局に報告され得る。
執行および他の目的のために、地上交通エンティティは、プレートナンバー認識を包含するがこれらに限定されない固有の識別情報を使用して識別され得る。被害を受け得る道路ユーザーは、顔識別、網膜識別、および声波形識別を包含するがこれらに限定されないバイオメトリック認識を使用して識別され得る。民事事件の調査または犯罪捜査を包含する特別な場合において、ソーシャルメディアネットワーク(例えばFacebook、Instagram、Twitter)が、違反している地上交通エンティティまたは被害を受け得る道路ユーザーの識別をサポートするために更に使用され得る。活用されるソーシャルネットワークの例は、違反者の捕捉された写真をソーシャルネットワークにアップロードすること、および、違反者に見覚えのあるソーシャルネットワークのユーザーに、違反者を識別することに役立つ諜報を取締当局に提供するように要求することである。
高度SOBE
スマートRSEは、危険な状況を予測するためにセンサーおよび予測モデルを使用し、次に、被害を受け得るものを含む接続されていない道路ユーザーの代わりに仮想安全メッセージ(例えばICA、VBSM、VPSM、VICA、およびVCSM(仮想的な組み合わされた安全メッセージ))を送信し得る。スマートOBEは、入来する仮想安全メッセージまたは標準的な安全メッセージ(例えばBSM、PSM、VBSM、VPSM、VICA、およびVCSM)、車両センサー、および、危険な状況を予測するための予測モデルを使用し、および、ホスト車両の運転者に警報を出し得る。高度SOBEはそのすべてを行い、および、(a)(スマートRSEとして機能して)接続されていないものであっても他の道路ユーザー、および特に被害を受け得る者の代わりに、適用可能な場合はいつでも、仮想BSM、仮想PSM、仮想ICA、およびVCSM、および標準メッセージを送信し、(b)それ自体の挙動の意図予測に基づく情報を含むそれ自体の地上交通エンティティに対する高度なBSMを送信し、および、(c)RSEとして機能する、例えばGPS修正などのメッセージを送信し得る。
本明細書では、BSM、PSM、ICA、VBSM、VPSM、およびVICAを参照している。https://www.sae.org/standards/content/j2945/8/において報告されている開発中の連携した知覚メッセージ(CPM)を含む他の種類の安全メッセージが存在し、または開発され得る。BSM、PSM、ICA、VBSM、VPSM、およびVICAに対する参照は、CPMを含む既存の、および将来の他の安全メッセージを更に参照することを意図したものである。提案されるように、例えば、CPMは、例えばVBSM、VPSM、およびVICAといった複数のオブジェクト(および、その意味で、これらのオブジェクトに対するコンテナ)に関するデータを含み得る。本明細書では場合によっては、VBSM、VPSM、VICA、および他の種類の仮想安全メッセージ、例えばVCSMのためのコンテナであり得るメッセージを参照する。ESOBEは、そのホスト車両のセンサーを使用した地上交通エンティティおよび他の物体のその検出に基づいてVCSMを生成し得る。VCSMは、接続されていない、または塞がれた地上交通エンティティまたは他の物体を他の地上交通エンティティに認識させるために、ESOBEにより定期的にブロードキャストされ得る。
本例において、幾つかの点で、既に説明されているOBEおよびSOBEに勝る高度な、および更なる性能をもち得る車載機器(OBE)が説明される。本明細書において説明されている幾つかの実施態様では、このような高度SOBE(ESOBE:enhanced SOBE)は、例えば、予測モデルとともにESOBEが存在する車両(「ホスト車両」)に既に存在するセンサーを高度化することによりスマートRSEとして実際に機能することに勝る能力をもつ。幾つかの例において、ESOBEは、(1)1つまたは複数の他の車両の代わりに仮想安全メッセージを、および、(2)それ自体の挙動の意図予測を使用してホスト地上交通エンティティのための高度な標準的な安全メッセージを、(3)車載RSE(例えばGPS修正)としてのそれらの役割において動作するそれらが送信する仮想安全メッセージとともに、例えば他の車両または被害を受け得る道路ユーザーに送信し得る。本明細書では場合によっては、車載RSEを高度なRSE(「ERSE」:enhanced RSE)と呼ぶ。
以下では、以下のものを含む高度SOBE(「ESOBE」)技術に対するシナリオおよび用途を説明する。
1.ESOBEは、例えば、横滑りしている、および接続されていない別の車両の代わりに仮想BSMを生成し、およびブロードキャストする。次に、視野が妨げられていることからその位置からは横滑りしている車両を視認不能である第3の接続された車両が仮想BSMを受信し、例えば第3の車両の運転者に危険な状況の早期の警報を生成するためにそれを使用し得る。
2.ESOBEは、例えば、例えば交差点におけるマーキングされた、または指定された横断歩道において横断する歩行者または他の被害を受け得る道路ユーザーの代わりに仮想PSMを生成する、およびブロードキャストする。次に、視野が妨げられていることからその位置からは横断する被害を受け得る道路ユーザーが視認不能である(例えば公共輸送車両などの動いている、または静止した車両を含む)第3の接続された車両が、仮想PSMを受信し、例えば第3の車両の運転者に対する危険な状況の早期の警報を生成するためにそれを使用し得る。
3.ESOBEは、交差点ではなくブロックの途中の横断歩道において横断する歩行者または他の被害を受け得る道路ユーザーの代わりに仮想PSMを生成する、およびブロードキャストする。次に、視野が妨げられていることからその位置からは横断する被害を受け得る道路ユーザーが視認不能である第3の接続された車両が、仮想PSMを受信し、例えば第3の車両の運転者に対する危険な状況の早期の警報を生成するためにそれを使用し得る。
4.ESOBEは、例えば、ホスト車両の車載カメラまたはセンサーまたはその両方からESOBEにより受信された情報に基づいて特定された前方の衝突の予測をBSMに含むことにより、高度化された規格BSMをそのホスト車両から生成する、およびブロードキャストする。ホスト車両の後に続く車両は、ホスト車両が例えば1秒~2秒内にブレーキを強くかけ得るという、後続の車両の運転者に対する早期の警報を生成するために、高度なBSMを使用し得る。
5.ESOBEは、他の地上交通エンティティにGPS修正を生成する、およびブロードキャストする。このモードでは、ESOBEは、OBE自体のGPSを強化することによりRSE修正のカバレッジを広げることに役立つ実質的にRSEとして動作する。OBEは、それが近づいたそれが最も近いRSEから受信した直近のGPS修正を更に保存し、および入手し得る。
上述の、および後述のこれらのシナリオの全てにおいて、および他のシナリオにおいて、ESOBEによりブロードキャストされるメッセージは、VCSMにバンドルされた仮想メッセージを包含し得る。
遮られた横滑りしている車両および角度の付いた衝突
図19は、車線1914内を移動しているとともに多車線道路1912をまたいで近接した車線1916内に横滑りしている(例えばOBEを備えていない、または別様に接続されていない)車両または別の地上交通エンティティ1907を示す。車両の横滑りは、例えば、強いブレーキ制動、滑りやすい路面、または別の理由に起因して発生し得る。このシナリオにおいて、車両1906は車線1916内を移動しており、ESOBE1908とセンサー1918とを搭載している。センサー1918は、カメラ、レーダー、ライダー、超音波距離センサーなど、およびそれらの組み合わせであり得るがこれらに限定されない。ESOBE1908は、センサーからのデータフィードをリアルタイムに処理し、車両1906のための周期的な基本的な安全メッセージ(BSM)を生成する。
第3の車両1902は、車線1920内を移動している。横滑りしている車両1907、または車両1906の前にある任意のもの、または部分的に車両1906の横にある任意のものが、車両1902から視認されないように遮られているか、または部分的に遮られている。
車両1906のセンサー1918を使用して横滑りしている車両1907を検出したとき、車両1906のESOBE1908が、(このシナリオではOBEを備えていないと仮定される)車両1907の測定されたパラメータを特定する。測定されたパラメータは、速度、進行方向、経路履歴、経路予測、ブレーキステータス、または他のもの、またはそれらの組み合わせのうちの1つまたは複数を含み得る。これらの測定されたパラメータに基づいて、ESOBEは備えていない車両1907の代わりに仮想BSMを生成し、およびブロードキャストする。
車両1906のESOBEにより特定された測定されたパラメータ、および、車両1906のESOBEによりブロードキャストされた結果として得られる仮想BSMに基づいて、車両1907が車両106により遮られているので車両1902の運転者も車両1902における車載センサーも車両1907を視認できない場合であっても、車両1902が、横滑りしている車両1907を認識することとなった。速度、進行方向などを含むそれ自体の運動のその測定されたパラメータとともに、車両1902のSOBEにより利用可能なこの情報を使用して、車両1902のSOBEは、起こり得る車両1907との衝突の脅威を予測し得、相応にその運転者に警報を出す。
周辺環境の車両(例えばこのシナリオでは車両1902)が視認されない接続されていない車両を認識するようになることをより簡単にすることに加えて、車両1906のESOBEが車両1907に対する横滑り経路を予測することにより、車線1920内における車両1907と車両1902との間の角度の付いた衝突の可能性を検出した場合、車両1906のESOBEは、交差点衝突回避メッセージ(ICA)を生成し、および送信し得る。車両1902がICAメッセージを受信すること、および取り扱うことが可能な場合、車両1902は、それらを受信し、それらを処理し、およびその運転者に角度の付いた(交差点)衝突が起こり得ることの警報を出し得る。
典型的なDSRC(特別な短距離通信:dedicated short range communication)では、対照的に、ICAが生成され、(例えば、ある車両が別の車両の経路を横断すると予測される場合)角度の付いた衝突に関して運転者に警報を出すために道路の交差点においてのみ送信される。本明細書において説明されている技術では、ESOBEが予測アルゴリズムを備えるので、ICAは、道路の交差点以外の位置であっても動く車両のESOBEからトリガーされ、生成され、および送信され得る。このようなICAは、運転者に警報を出すために、および、上述のように直線道路セグメントにおいて発生し得る角度の付いた衝突であっても運転者が回避することを可能にするために使用され得る。
遮られた歩行者:横断歩道の横断
このシナリオによる実施態様では、ESOBEは、例えば歩行者または他の被害を受け得る道路ユーザーの代わりに仮想PSMのブロードキャスターとして機能し得る。
図20に示されているように、このシナリオでは、歩行者2000が横断歩道2010において2車線道路2012を横断している。車線2014内を移動する車両2006が、車線2016内を移動している車両2002から歩行者2000を遮る(歩行者2000の視野を妨げる)。ゾーン2004は、運転者および車両2002のセンサーの認識範囲(視認可能)を示す。車両2006がゾーン2004を制限しており、(車両2002に対して)車両2006の後方にあるものが、車両2002から視認されないように遮られている。歩行者2000の位置、速度、および進行方向を認識せずに車両2002が動き続ける場合、重大な事故が発生し得る。
バス2006はESOBE2008とセンサー2018とを備える。センサー2018は、カメラ、レーダー、ライダー、超音波距離センサーなど、およびそれらの組み合わせであり得るがこれらに限定されない。ESOBE2008は、センサー2018の同時のデータフィードをリアルタイムに処理する。ESOBE2008がセンサーデータを使用して歩行者2000を検出したとき、ESOBE2008は歩行者2000の代わりに自動的に仮想PSMメッセージをブロードキャストし始め、仮想PSMメッセージは車両2002により受信され得る。結果として、運転者も車両2002の車載センサーも車両2006の他方側における歩行者2000を目視(認識)することができない場合であっても、車両2002は車線2014を横断する歩行者2000を認識するようになる。
遮られた歩行者:ブロックの途中の横断歩道
本例では歩行者が、横断歩道または他の正式な道路の交差点から離れた、ブロックの途中の道路を横断することを除いて、このシナリオは以前のシナリオと同様である。
図21に示されているように、歩行者2100が、車両2106の前において道路2112を横断している。歩行者2100は、運転者と車両2102のセンサーとの視野から遮られている。車両2102の認識ゾーンは、点線領域2104により示されている。
車両2106は、例えばPSMおよびBSMといったV2Xメッセージを送信すること、および受信することができるESOBE2108を備える。ESOBE2108は更に、センサー2118からの同時のデータフィードを処理することが可能である。
ESOBE2108により検出された後に、歩行者2100のグローバルな位置、速度、および進行方向を包含するがこれらに限定されない情報が、仮想PSMメッセージに符号化され、仮想PSMメッセージがブロードキャストされる。車両2102は、仮想PSMメッセージを受信し、したがって、歩行者2100を認識する。アルゴリズム車載車両2102は、差し迫った危険な状況が存在するか否かを予測し、運転者に警報を出すこと、または車両を自動的に減速させること、または停止させることを包含するがこれらに限定されない適切なアクションを取ることができる。
遮られた歩行者:前方の衝突
図22は、横断歩道24102において車線道路2412を横断している歩行者2400を示している。より大きい車両(例えばトラック)2406が車線2414内を移動しており、ESOBE2408とセンサー2418とを搭載している。センサー2418は、カメラ、レーダー、ライダー、超音波距離センサーなど、およびそれらの組み合わせであり得るがこれらに限定されない。ESOBE2408は、センサーからのデータフィードをリアルタイムに処理する。
別の車両2402が同じ車線2414内において、より大きい車両2406の後方を移動している。歩行者2400または車両2406の前における他のものが、車両2402からの視野から遮られている。
(車両2402が認識していない)歩行者2400の存在を理由として車両2406が突然ブレーキをかけなければならない場合、車両2402は、車両2406の後端部に衝突し得る。
センサー2418を使用して歩行者2400を検出したとき、車両2406のESOBE2408は、それがそれ自体のために送信する通常の基本的な安全メッセージ(BSM)に加えて、歩行者2400の代わりに仮想PSMをブロードキャストすることをすぐに開始する。結果として、(BSMからの)車両2406の存在の知識情報とともに、車両2402は、車両2402の運転者と車載センサーとが車両2406を越えて視認することも検出することもできない場合であっても、(仮想PSMから)車線2414を横断する歩行者2400を更に認識する。
車両2406におけるESOBEは、様々な状況におけるそのドライバの挙動から学習する人工知能処理を実行する。例えば、歩行者2400を検出したとき、ESOBE2408は、車両の運転者2406がブレーキを適用しようとしているか否かを予測するために、および、それが起こり得る未来の時点を予測するためにAIアルゴリズムを適用する。これらの予測に基づいて、ESOBEは、典型的なシステムであったと仮定した場合に発生するよりも早く、他の車両にそれがブロードキャストするBSMメッセージにブレーキ制動情報を加えることを決断し得る。ブレーキ制動メッセージのこのより早期の送達は、例えば、例えば車両2402といった他の車両に、前もって衝突を予測するためのより長い時間を与え得る。言い換えると、他の車両は、第1の車両のESOBEにおけるAI能力による恩恵を受け得る。
ESOBE-位置修正サービス
高精度GPS位置データの可用性は、DSRCベースのV2X安全用途に対して、または、典型的なGPS精度より高いことを想定した、または必要とする他の用途に対して重要である。ESOBEは、近くの地上交通エンティティに対するGPS位置データの精度を高めるためのGPS修正情報を提供し得る。図23に示されているように、道路の異なる車線に所与の方向に移動している4つの車両(2502、2503、2504、および2505)が、例えば以下で説明されるシナリオなどにおいてGPS修正データを使用することが可能であり得る。
このシナリオでは、車両(例えばトラックまたはバス)2506は、1つの車線2516内を移動しており、V2Xメッセージを送信すること、および受信することが可能なESOBE2508を搭載している。車両2506は大きい車両として示されているが、車両2506は任意のサイズの任意の地上交通エンティティであり得る。
(a)このエリアの近傍に存在するRSEが存在しないこと、(b)DSRCを介した(例えばRTK、DGPS、またはWide Area RTKといった技術を使用した)ディファレンシャルGNSS(全地球的衛星航法システム:global navigation satellite system)ブロードキャスト能力をもつRSEが存在していたエリアを、(そのESOBEを含む)車両2506が最近通ったこと、(c)車両2506がもはやRSEの近傍にいないこと、および、(d)特定のRSEが存在していた、および特定のRSEが周期的なRTCM(海事用無線技術委員会)修正メッセージを送信していたエリアを車両2506(およびそのESOBE)が通ったことを仮定する。
これらのRTCM修正メッセージを受信したとき、車両2506におけるESOBE2508が、その自己位置を修正し、および更に後の使用のためにRTCM修正データを記憶した。特定のRSEが範囲内に存在していた間に、ESOBEが、受信された修正メッセージを使用してその位置を修正し、および、後の使用のためにこれらのメッセージを更新し続けた。
ESOBEが特定のRSEのカバレッジエリアから外に出た後、ESOBEは記憶された修正データを使用して、その現在位置に基づいてより新しい修正メッセージを構築し、RSEが範囲内にあると仮定した場合にRSEにより提供される修正サービスと同様に、他の車両(図23における2502、2503、2504、2505)に(より新しい修正メッセージに基づいて)修正サービスを提供する。特定のRSEであって修正データがその特定のRSEから収集された特定のRSEからのESOBEの距離、および、ESOBEの現在の位置情報は、修正サービスの一部としてそれらを再ブロードキャストする前に(例えば、より新しい修正メッセージを生成する)修正メッセージを更新するために使用され得る。この手法により、ESOBEは、RSEが範囲内に存在しないエリアにおける他の道路ユーザーに対する正確なRTCM修正データを提供するベースステーションとして効果的に動作する。したがって、ESOBEは、RSEまたは他の外部源からの修正データを転送するだけでなく、ホスト車両の現在位置および本例において言及されている他の因子に基づいて修正データを更新する。
加えて、ESOBEは、再構築された修正データの正確さを把握するためのアルゴリズムを、再構築された修正データをブロードキャストする前に実行する。アルゴリズムが再生された修正データにおける非常に高い信頼度レベルを確認した場合にのみ、修正データがブロードキャストされる。
幾つかの実施態様において、修正データの再送信のためのアルゴリズムは、他にもあり得るが以下の情報、すなわち、
ESOBEがRSEから修正データを受信してから経過した期間、RSEから移動した距離、修正が現在の車両位置において依然として適用されるか否かを判定するための移動方向(進行方向)、および、RSEから受信された元の修正データの信頼性レベル、およびそれらの組み合わせ
を考慮する。
ESOBEがRSEから修正データを受信してから経過した期間、RSEから移動した距離、修正が現在の車両位置において依然として適用されるか否かを判定するための移動方向(進行方向)、および、RSEから受信された元の修正データの信頼性レベル、およびそれらの組み合わせ
を考慮する。
幾つかの例において、ESOBEの別の特徴は、ESOBEがインターネットを介してRTCM修正フィードを送信する外部サービスに直接アクセスすることができる場合、ESOBEが、このフィードを使用して単独でDSRC RTCM修正メッセージを生成し得ることである。ESOBEは、RSEが存在しないシナリオにおいて、または、RSEから受信されたデータの信頼性レベルが適切ではない場合、このモードにスイッチングすることを決定し得る。本例において、ESOBEは、修正情報のより良い源を選択するためのインテリジェンスをもつ。
ESOBEの利点の中でも、RSEから受信されるものをそれ自体で構築すること、または再構築すること、および、修正メッセージを送信することができることは、低性能な安価なGPSデバイスを含む地上交通エンティティがそれらの位置を修正することを補助し、地上交通エンティティが安全アルゴリズムをより信頼性高く実行することに役立ち、RSEの有効なカバレッジエリアを広げ、および、V2X標準修正メッセージを使用してDSRCネットワークまたは他の短距離車両ネットワークを介してRTCM修正をブロードキャストする。
他の実施態様も後述の請求項の範囲に入る。
Claims (71)
- 第1の地上交通エンティティに搭載された状態での使用のための機器を備える装置であって、前記機器が、
(a)前記第1の地上交通エンティティの周辺環境のセンサーにより生成された情報のための受信器と、
(b)プロセッサと、
(c)1つまたは複数の前記センサーにより生成された前記情報に基づく第2の地上交通エンティティに対する安全メッセージ情報を生成することと送信することとを前記プロセッサにより実行可能な命令を記憶するメモリと、
を含む、
装置。 - 前記命令が、前記安全メッセージ情報を生成することにおける使用のための予測を生成するために前記プロセッサにより実行可能な、
請求項1に記載の装置。 - 前記予測が、予測モデルにより生成される、
請求項2に記載の装置。 - 前記予測モデルが、前記第1の地上交通エンティティのうちの1つまたは複数、前記第2の地上交通エンティティのうちの1つまたは複数、または1つまたは複数の他の地上交通エンティティが関与する危険な状況を予測するように構成された、
請求項3に記載の装置。 - 前記危険な状況が、前記第2の地上交通エンティティのうちの1つまたは複数による道路の車線の横断を伴う、
請求項4に記載の装置。 - 前記第2の地上交通エンティティのうちの前記1つまたは複数が、1つまたは複数の車両を含み、前記危険な状況が、前記1つまたは複数の車両による前記車線をまたいだ横滑りを含む、
請求項5に記載の装置。 - 前記1つまたは複数の前記第2の地上交通エンティティが、道路を横断する1人または複数の歩行者または1人または複数の他の被害を受け得る道路ユーザーを含む、
請求項5に記載の装置。 - 1人または複数の被害を受け得る道路ユーザーが、交差点において前記道路を横断するものである、
請求項7に記載の装置。 - 前記被害を受け得る道路ユーザーが、交差点以外の前記道路を横断するものである、
請求項7に記載の装置。 - 予測された前記危険な状況が、第3の地上交通エンティティと前記第2の地上交通エンティティとの間の予測された衝突を含む、
請求項4に記載の装置。 - 前記第1の地上交通エンティティが、車両を含み、前記第2の地上交通エンティティが、歩行者または他の被害を受け得る道路ユーザーを含む、
請求項3に記載の装置。 - 前記第3の地上交通エンティティが、前記第1の地上交通エンティティの後に続き、前記第3の地上交通エンティティの視野が、前記第1の地上交通エンティティにより遮られている、
請求項10に記載の装置。 - 前記第3の地上交通エンティティが、前記第1の地上交通エンティティが移動している車線に近接した車線にあるものである、
請求項10に記載の装置。 - 前記命令が、第3の地上交通エンティティの動作パラメータを特定するために前記プロセッサにより実行可能である、
請求項1に記載の装置。 - 前記第2の地上交通エンティティは、遮られた状態でしか第3の地上交通エンティティが視野に入らない、
請求項3に記載の装置。 - 前記第2の地上交通エンティティが、歩行者または他の被害を受け得る道路ユーザーを含む、
請求項3に記載の装置。 - 前記プロセッサにより送信される前記安全メッセージ情報が、基本的な安全メッセージを含む、
請求項1に記載の装置。 - 前記プロセッサにより送信される前記安全メッセージ情報が、仮想的な基本的な安全メッセージを含む、
請求項1に記載の装置。 - 前記プロセッサにより送信される前記安全メッセージ情報は、個人用安全メッセージを含む、
請求項1に記載の装置。 - 前記プロセッサにより送信される前記安全メッセージ情報が、仮想的な個人用安全メッセージを含む、
請求項1に記載の装置。 - 前記プロセッサにより送信される前記安全メッセージ情報が、第3の地上交通エンティティの代わりに送信された仮想的な基本的な安全メッセージを含む、
請求項1に記載の装置。 - 前記第3の地上交通エンティティが、接続されていない地上交通エンティティを含む、
請求項21に記載の装置。 - 前記プロセッサにより送信される前記安全メッセージ情報が、第3の地上交通エンティティの代わりに送信された仮想的な個人用安全メッセージを含む、
請求項1に記載の装置。 - 前記機器が、前記第1の地上交通エンティティの外部にある源から無線により送信された情報のための前記受信器を含む、
請求項1に記載の装置。 - 前記第1の地上交通エンティティを含む、
請求項1に記載の装置。 - 前記安全メッセージ情報が、仮想交差点衝突回避メッセージ(VICA)を含む、
請求項1に記載の装置。 - 前記安全メッセージ情報が、交差点衝突回避メッセージ(ICA)を含む、
請求項1に記載の装置。 - 前記安全メッセージ情報が、仮想的な組み合わされた安全メッセージ(VCSM)を含む、
請求項1に記載の装置。 - 前記安全メッセージ情報が、組み合わされた安全メッセージ(CSM)を含む、
請求項1に記載の装置。 - 第1の地上交通エンティティに搭載された状態での使用のための機器を備える装置であって、前記機器が、
(a)前記第1の地上交通エンティティの外部にある源から送信された第1の位置修正情報のための受信器と、
(b)前記第1の地上交通エンティティの位置パラメータまたは動作パラメータを表す情報のための前記受信器と、
(c)プロセッサと、
(d)前記第1の位置修正情報と前記動作パラメータを表す前記情報とに基づいて、更新された位置修正情報を生成することと、前記更新された位置修正情報に基づいて別の地上交通エンティティに位置修正メッセージを送信することとを前記プロセッサにより実行可能な命令を記憶するメモリと、
を含む、
装置。 - 前記第1の地上交通エンティティの外部にある前記源から送信された前記位置修正情報が、前記位置修正メッセージを含む、
請求項30に記載の装置。 - 前記第1の地上交通エンティティの外部にある前記源から送信された前記位置修正情報が、海事用無線技術委員会(RTCM)修正メッセージを含む、
請求項30に記載の装置。 - 前記位置修正情報が、GNSS位置修正を含む、
請求項30に記載の装置。 - 前記位置パラメータまたは前記動作パラメータが、前記第1の地上交通エンティティの現在位置を含む、
請求項30に記載の装置。 - 前記第1の地上交通エンティティの外部にある前記源が、インターネットを介して前記位置修正メッセージを送信するように構成された、RSEまたは外部サービスを含む、
請求項30に記載の装置。 - 前記前記命令が、前記更新された位置修正情報における信頼性レベルを確認することを前記プロセッサにより実行可能である、
請求項30に記載の装置。 - 第1の地上交通エンティティの周辺環境に関する、前記第1の地上交通エンティティに搭載されたセンサーにより生成された情報を受信することと、
前記センサーにより生成された前記情報に基づく第2の地上交通エンティティに対する安全メッセージ情報を生成すること、および送信することと、
を含む方法。 - 前記安全メッセージ情報を生成することにおける使用のための予測を生成することを含む、
請求項37に記載の方法。 - 前記予測が、予測モデルにより生成される、
請求項38に記載の方法。 - 前記予測モデルが、前記第1の地上交通エンティティ、前記第2の地上交通エンティティ、または別の地上交通エンティティの関与する危険な状況を予測するように構成された、
請求項39に記載の方法。 - 前記危険な状況が、前記第2の地上交通エンティティによる道路の車線の横断を伴う、
請求項40に記載の方法。 - 前記第2の地上交通エンティティが、車両を含み、前記危険な状況が、前記車両による車線をまたいだ横滑りを含む、
請求項41に記載の方法。 - 前記第2の地上交通エンティティが、道路を横断する歩行者または他の被害を受け得る道路ユーザーを含む、
請求項41に記載の方法。 - 前記被害を受け得る道路ユーザーが、交差点において前記道路を横断する、
請求項43に記載の方法。 - 前記被害を受け得る道路ユーザーが、交差点以外の前記道路を横断する、
請求項43に記載の方法。 - 予測された前記危険な状況が、第3の地上交通エンティティと前記第2の地上交通エンティティとの間の予測された衝突を含む、
請求項40に記載の方法。 - 前記第1の地上交通エンティティが、車両を含み、前記第2の地上交通エンティティが、歩行者または他の被害を受け得る道路ユーザーを含む、
請求項40に記載の方法。 - 前記第3の地上交通エンティティが、前記第1の地上交通エンティティの後に続くものであり、前記第1の地上交通エンティティにより前記第3の地上交通エンティティの視野が遮られている、
請求項46に記載の方法。 - 前記第3の地上交通エンティティが、前記第1の地上交通エンティティが移動している車線に近接した車線にある、
請求項46に記載の方法。 - 第3の地上交通エンティティの動作パラメータを特定することを含む、
請求項37に記載の方法。 - 前記第2の地上交通エンティティは、遮られた状態でしか前記第3の地上交通エンティティが視野に入らない、
請求項46に記載の方法。 - 前記第2の地上交通エンティティが、歩行者または他の被害を受け得る道路ユーザーを含む、
請求項37に記載の方法。 - 前記安全メッセージ情報が、基本的な安全メッセージを含む、
請求項37に記載の方法。 - 前記安全メッセージ情報が、仮想的な基本的な安全メッセージを含む、
請求項37に記載の方法。 - 前記安全メッセージ情報が、個人用安全メッセージを含む、
請求項37に記載の方法。 - 前記安全メッセージ情報が、仮想的な個人用安全メッセージを含む、
請求項37に記載の方法。 - 前記安全メッセージ情報が、第3の地上交通エンティティの代わりに送信された仮想的な基本的な安全メッセージを含む、
請求項37に記載の方法。 - 第3の地上交通エンティティが、接続されていない地上交通エンティティを含む、
請求項53に記載の方法。 - プロセッサにより送信される前記安全メッセージ情報が、第3の地上交通エンティティの代わりに送信された仮想的な個人用安全メッセージを含む、
請求項53に記載の方法。 - 前記第1の地上交通エンティティの外部にある源から無線により送信された情報を受信することを含む、
請求項37に記載の方法。 - 前記安全メッセージ情報が、仮想交差点衝突回避メッセージ(VICA)を含む、
請求項37に記載の方法。 - 前記安全メッセージ情報が、交差点衝突回避メッセージ(ICA)を含む、
請求項37に記載の方法。 - 前記安全メッセージ情報が、仮想的な組み合わされた安全メッセージ(VCSM)を含む、
請求項37に記載の装置。 - 前記安全メッセージ情報が、組み合わされた安全メッセージ(CSM)を含む、
請求項37に記載の装置。 - 第1の地上交通エンティティの外部にある源から送信された第1の位置修正情報を受信することと、
前記第1の地上交通エンティティの動作パラメータを表す情報を受信することと、
前記第1の位置修正情報と前記動作パラメータを表す前記情報とに基づいて、更新された位置修正情報を生成することと、
前記更新された位置修正情報に基づいて別の地上交通エンティティに位置修正メッセージを送信することと、
を含む、方法。 - 前記第1の地上交通エンティティの外部にある前記源から送信された前記位置修正情報が、前記位置修正メッセージを含む、
請求項65に記載の方法。 - 前記第1の地上交通エンティティの外部にある前記源から送信された前記位置修正情報が、海事用無線技術委員会(RTCM)修正メッセージを含む、
請求項65に記載の方法。 - 前記位置修正情報が、GNSS位置修正を含む、
請求項65に記載の方法。 - 前記動作パラメータが、前記第1の地上交通エンティティの現在位置を含む、
請求項65に記載の方法。 - 前記第1の地上交通エンティティの外部にある前記源が、インターネットを介して位置修正メッセージを送信するように構成されたRSEまたは外部サービスを含む、
請求項65に記載の方法。 - 前記更新された位置修正情報における信頼性レベルを確認することを含む、
請求項65に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962893616P | 2019-08-29 | 2019-08-29 | |
US62/893,616 | 2019-08-29 | ||
PCT/IB2020/000718 WO2021038299A2 (en) | 2019-08-29 | 2020-08-12 | Enhanced onboard equipment |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022546320A true JP2022546320A (ja) | 2022-11-04 |
Family
ID=72088077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022511346A Pending JP2022546320A (ja) | 2019-08-29 | 2020-08-12 | 高度車載機器 |
Country Status (6)
Country | Link |
---|---|
US (3) | US11443631B2 (ja) |
EP (1) | EP4022591A4 (ja) |
JP (1) | JP2022546320A (ja) |
CN (1) | CN114586082A (ja) |
CA (1) | CA3148680A1 (ja) |
WO (2) | WO2021038299A2 (ja) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10235882B1 (en) | 2018-03-19 | 2019-03-19 | Derq Inc. | Early warning and collision avoidance |
CN113228126A (zh) * | 2018-10-13 | 2021-08-06 | 桑迪普·古玛·钦塔拉 | 道路信息交换系统 |
EP3770881B1 (en) * | 2019-07-26 | 2023-11-15 | Volkswagen AG | Methods, computer programs, apparatuses, a vehicle, and a traffic entity for updating an environmental model of a vehicle |
US11625624B2 (en) * | 2019-09-24 | 2023-04-11 | Ford Global Technologies, Llc | Vehicle-to-everything (V2X)-based real-time vehicular incident risk prediction |
US11432118B2 (en) * | 2019-10-22 | 2022-08-30 | Autotalks Ltd. | Method and apparatus for context-based reliable V2X operation |
JP2021140367A (ja) * | 2020-03-03 | 2021-09-16 | 本田技研工業株式会社 | 通信装置、車両、プログラム、及び通信方法 |
US11475774B2 (en) * | 2020-04-03 | 2022-10-18 | Verizon Patent And Licensing Inc. | Systems and methods for machine learning based collision avoidance |
US11524627B2 (en) * | 2020-07-23 | 2022-12-13 | GM Global Technology Operations LLC | Adaptive interaction system with other road users |
US20220068120A1 (en) * | 2020-08-27 | 2022-03-03 | Blackberry Limited | Method and apparatus for providing road user alerts |
CN114488201A (zh) * | 2020-10-23 | 2022-05-13 | 神讯电脑(昆山)有限公司 | 信息撷取装置与其运作方法、定位单元的控制方法 |
US11866051B2 (en) * | 2020-10-26 | 2024-01-09 | Volvo Car Corporation | Systems and methods for fusing road friction to enhance vehicle maneuvering |
US11841704B2 (en) * | 2020-11-04 | 2023-12-12 | Waymo Llc | Behavior prediction for railway agents for autonomous driving system |
US20220348216A1 (en) * | 2021-04-29 | 2022-11-03 | Denso Corporation | Proxy basic safety message for unequipped vehicles |
US11546734B2 (en) * | 2021-05-17 | 2023-01-03 | Ford Global Technologies, Llc | Providing security via vehicle-based surveillance of neighboring vehicles |
US20220379902A1 (en) * | 2021-05-26 | 2022-12-01 | Robert Bosch Gmbh | Automated traffic violation warning and prevention system for vehicles |
US11904906B2 (en) * | 2021-08-05 | 2024-02-20 | Argo AI, LLC | Systems and methods for prediction of a jaywalker trajectory through an intersection |
WO2023049818A1 (en) * | 2021-09-22 | 2023-03-30 | Robotic Research Opco, Llc | Systems and methods for coordinating autonomous vehicles in an intersection |
US11955001B2 (en) * | 2021-09-27 | 2024-04-09 | GridMatrix, Inc. | Traffic near miss collision detection |
US11651692B2 (en) | 2021-10-07 | 2023-05-16 | Qualcomm Incorporated | Presenting relevant warnings to a vehicle operator |
IT202100030740A1 (it) * | 2021-12-06 | 2023-06-06 | Moreno Folino | Sistema avanzato di dispositivi intelligenti per l’assistenza alla guida di veicoli interconnessi |
US20230316908A1 (en) * | 2022-03-29 | 2023-10-05 | Nissan North America, Inc. | Long-Term Shared World Model of Roadway |
Family Cites Families (109)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7629899B2 (en) | 1997-10-22 | 2009-12-08 | Intelligent Technologies International, Inc. | Vehicular communication arrangement and method |
US5699986A (en) | 1996-07-15 | 1997-12-23 | Alternative Safety Technologies | Railway crossing collision avoidance system |
WO2002013162A1 (en) | 2000-08-04 | 2002-02-14 | Schrage Martin H | Audible communication system |
US7584033B2 (en) * | 2000-08-31 | 2009-09-01 | Strategic Design Federation W. Inc. | Automobile monitoring for operation analysis |
US6472978B1 (en) | 2000-11-24 | 2002-10-29 | Yokogawa Electric Corporation | Traffic system to prevent from accidents |
US20050171863A1 (en) * | 2000-12-15 | 2005-08-04 | Hagen Philip A. | System and computerized method for classified ads |
US6882287B2 (en) | 2001-07-31 | 2005-04-19 | Donnelly Corporation | Automotive lane change aid |
US6721659B2 (en) | 2002-02-01 | 2004-04-13 | Ford Global Technologies, Llc | Collision warning and safety countermeasure system |
US7421334B2 (en) * | 2003-04-07 | 2008-09-02 | Zoom Information Systems | Centralized facility and intelligent on-board vehicle platform for collecting, analyzing and distributing information relating to transportation infrastructure and conditions |
US7095336B2 (en) | 2003-09-23 | 2006-08-22 | Optimus Corporation | System and method for providing pedestrian alerts |
US7580794B2 (en) * | 2003-12-23 | 2009-08-25 | Trimble Navigation Limited | Remote subscription unit for GNSS information |
US20050156757A1 (en) | 2004-01-20 | 2005-07-21 | Garner Michael L. | Red light violation prevention and collision avoidance system |
US7191097B1 (en) * | 2004-03-31 | 2007-03-13 | United States Of America | Method, apparatus, and system for assessing conditions |
JP2005301581A (ja) | 2004-04-09 | 2005-10-27 | Denso Corp | 車車間通信システム、車車間通信装置及び制御装置 |
US7348895B2 (en) | 2004-11-03 | 2008-03-25 | Lagassey Paul J | Advanced automobile accident detection, data recordation and reporting system |
US7317406B2 (en) | 2005-02-03 | 2008-01-08 | Toyota Technical Center Usa, Inc. | Infrastructure-based collision warning using artificial intelligence |
US7573400B2 (en) | 2005-10-31 | 2009-08-11 | Wavetronix, Llc | Systems and methods for configuring intersection detection zones |
US7486199B2 (en) | 2005-11-17 | 2009-02-03 | Nissan Technical Center North America, Inc. | Forward vehicle brake warning system |
US20070135989A1 (en) * | 2005-12-08 | 2007-06-14 | Honeywell International Inc. | System and method for controlling vehicular traffic flow |
US20110298603A1 (en) | 2006-03-06 | 2011-12-08 | King Timothy I | Intersection Collision Warning System |
US20070276600A1 (en) | 2006-03-06 | 2007-11-29 | King Timothy I | Intersection collision warning system |
GB2436916B (en) | 2006-03-29 | 2008-09-24 | John Turnbull | Warning System |
US7570158B2 (en) | 2006-08-17 | 2009-08-04 | At&T Intellectual Property I, L.P. | Collaborative incident media recording system and related methods |
US20080068146A1 (en) | 2006-09-16 | 2008-03-20 | Cauldwell Jack D | Red light accident warning |
US7579942B2 (en) | 2006-10-09 | 2009-08-25 | Toyota Motor Engineering & Manufacturing North America, Inc. | Extra-vehicular threat predictor |
US20080114530A1 (en) | 2006-10-27 | 2008-05-15 | Petrisor Gregory C | Thin client intelligent transportation system and method for use therein |
US8694328B1 (en) | 2006-12-14 | 2014-04-08 | Joseph Gormley | Vehicle customization and personalization activities |
US7796056B2 (en) | 2007-03-28 | 2010-09-14 | Fein Gene S | Digital windshield information system employing a recommendation engine keyed to a map database system |
US7831391B2 (en) | 2007-06-12 | 2010-11-09 | Palo Alto Research Center Incorporated | Using segmented cones for fast, conservative assessment of collision risk |
US8352173B2 (en) | 2007-06-12 | 2013-01-08 | Palo Alto Research Center Incorporated | Two-level grouping of principals for a collision warning system |
US7948400B2 (en) | 2007-06-29 | 2011-05-24 | Microsoft Corporation | Predictive models of road reliability for traffic sensor configuration and routing |
US7812740B2 (en) | 2007-09-27 | 2010-10-12 | Verizon Patent And Licensing Inc. | Systems, devices, and methods for providing alert tones |
US20100211310A1 (en) | 2007-10-12 | 2010-08-19 | Kabushiki Kaisha Kenwood | Mounted-on-a-car instrument and utterance priority method |
DE102007054509A1 (de) * | 2007-11-15 | 2009-05-20 | Robert Bosch Gmbh | Verfahren zum Bestimmen einer Position eines Fahrzeugs |
US20100039291A1 (en) | 2008-08-15 | 2010-02-18 | Harrison Michael A | Vehicle/Crosswalk Communication System |
US20100100324A1 (en) | 2008-10-22 | 2010-04-22 | Toyota Motor Engineering & Manufacturing North America, Inc. | Communication based vehicle-pedestrian collision warning system |
US8577550B2 (en) | 2009-10-05 | 2013-11-05 | Ford Global Technologies, Llc | System for vehicle control to mitigate intersection collisions and method of using the same |
CN102959599B (zh) | 2009-12-22 | 2015-07-15 | 莱达科技股份有限公司 | 用于交通检测的主动3d监控系统 |
AU2011238414A1 (en) | 2010-04-05 | 2012-11-22 | Cohda Wireless Pty Ltd | Crossing safety system |
DE102010034853A1 (de) | 2010-08-18 | 2012-02-23 | Gm Global Technology Operations Llc (N.D.Ges.D. Staates Delaware) | Kraftfahrzeug mit Digitalprojektoren |
US9472097B2 (en) | 2010-11-15 | 2016-10-18 | Image Sensing Systems, Inc. | Roadway sensing systems |
EP2700032B1 (en) | 2011-04-22 | 2016-03-16 | F3M3 Companies, Inc. | A comprehensive and intelligent system for managing traffic and emergency services |
JP5901165B2 (ja) * | 2011-07-14 | 2016-04-06 | 三菱重工業株式会社 | 位置通知装置及び車両位置通知方法、並びに車載器、車両位置算出方法及びプログラム、並びに車両位置算出システム |
KR101326889B1 (ko) * | 2011-11-07 | 2013-11-11 | 현대자동차주식회사 | 이동 기준국을 이용한 차량간 상대 위치 제어 방법 및 그 시스템 |
US9368028B2 (en) | 2011-12-01 | 2016-06-14 | Microsoft Technology Licensing, Llc | Determining threats based on information from road-based devices in a transportation-related context |
CN104115197A (zh) | 2011-12-05 | 2014-10-22 | 布莱特瓦维森有限公司 | 智能交通标志系统与方法 |
WO2013105869A1 (en) * | 2012-01-13 | 2013-07-18 | Pulse Function F6 Limited | Telematics system with 3d inertial sensors |
US9381916B1 (en) | 2012-02-06 | 2016-07-05 | Google Inc. | System and method for predicting behaviors of detected objects through environment representation |
CN102700570A (zh) | 2012-05-22 | 2012-10-03 | 西南交通大学 | 轨道车辆防撞预警系统 |
CN102700571A (zh) | 2012-05-25 | 2012-10-03 | 兰州交通大学 | 基于车车通信的ctcs安全叠加列车碰撞防护系统及方法 |
US9129519B2 (en) | 2012-07-30 | 2015-09-08 | Massachussetts Institute Of Technology | System and method for providing driver behavior classification at intersections and validation on large naturalistic data sets |
CN102756747B (zh) | 2012-07-31 | 2015-06-10 | 中国科学院上海高等研究院 | 基于声波和电磁波的列车防撞系统及其防撞方法 |
US9048960B2 (en) | 2012-08-17 | 2015-06-02 | Qualcomm Incorporated | Methods and apparatus for communicating safety message information |
US9286793B2 (en) * | 2012-10-23 | 2016-03-15 | University Of Southern California | Traffic prediction using real-world transportation data |
JP2014106685A (ja) | 2012-11-27 | 2014-06-09 | Osaka Univ | 車両周辺監視装置 |
US20140203149A1 (en) | 2013-01-23 | 2014-07-24 | Aaron Raiser | Mobile Computing Based Railway Crossing Collision Avoidance System |
US20140307087A1 (en) | 2013-04-10 | 2014-10-16 | Xerox Corporation | Methods and systems for preventing traffic accidents |
US9505412B2 (en) | 2013-08-02 | 2016-11-29 | Honda Motor Co., Ltd. | System and method for detection and utilization of driver distraction level |
US9786178B1 (en) | 2013-08-02 | 2017-10-10 | Honda Motor Co., Ltd. | Vehicle pedestrian safety system and methods of use and manufacture thereof |
JP6429368B2 (ja) | 2013-08-02 | 2018-11-28 | 本田技研工業株式会社 | 歩車間通信システムおよび方法 |
WO2015048856A1 (en) | 2013-10-03 | 2015-04-09 | Milne Alexander Paul | Traffic hazard warning system and device |
CN103646534B (zh) | 2013-11-22 | 2015-12-02 | 江苏大学 | 一种道路实时交通事故风险控制方法 |
US9460625B2 (en) | 2014-04-08 | 2016-10-04 | Denso International America, Inc. | Proxy DSRC basic safety message for unequipped vehicles |
CA2955961A1 (en) | 2014-07-28 | 2016-02-04 | Econolite Group, Inc. | Self-configuring traffic signal controller |
US9947215B2 (en) | 2014-09-26 | 2018-04-17 | Harman International Industries, Incorporated | Pedestrian information system |
EP3002740B1 (en) | 2014-10-03 | 2019-03-06 | Volvo Car Corporation | Method and system for avoiding an in-alert driver of a vehicle |
US9482751B2 (en) | 2014-10-13 | 2016-11-01 | Applied Concepts, Inc. | Collision detection system and method of operation |
US20160105539A1 (en) | 2014-10-14 | 2016-04-14 | The Regents Of The University Of Michigan | Vehicle interface docking system for dsrc-equipped user devices in a vehicle |
US9558666B2 (en) | 2014-12-02 | 2017-01-31 | Robert Bosch Gmbh | Collision avoidance in traffic crossings using radar sensors |
US10328855B2 (en) | 2015-03-18 | 2019-06-25 | Uber Technologies, Inc. | Methods and systems for providing alerts to a connected vehicle driver and/or a passenger via condition detection and wireless communications |
JP6133345B2 (ja) | 2015-03-23 | 2017-05-24 | 本田技研工業株式会社 | 車両用衝突回避支援装置 |
CA2886694A1 (en) | 2015-03-30 | 2016-09-30 | Rod J. Newlove | Rcas railroad collision avoidance system |
JP6544973B2 (ja) | 2015-04-09 | 2019-07-17 | キヤノン株式会社 | 画像形成装置 |
US9786177B2 (en) | 2015-04-10 | 2017-10-10 | Honda Motor Co., Ltd. | Pedestrian path predictions |
CA2887802A1 (en) | 2015-04-15 | 2016-10-15 | Terry Blundell | Electronic system for preventing collisions between trains and vehicles at railroad crossing |
SE539221C2 (en) | 2015-06-04 | 2017-05-23 | Scania Cv Ab | Method and control unit for avoiding an accident at a crosswalk |
DE102015213481A1 (de) | 2015-07-17 | 2017-01-19 | Robert Bosch Gmbh | Verfahren und System zum Warnen vor einem in falscher Fahrtrichtung fahrenden Fahrzeug |
KR101730321B1 (ko) | 2015-08-03 | 2017-04-27 | 엘지전자 주식회사 | 운전자 보조 장치 및 그 제어방법 |
SE539846C2 (en) | 2015-08-20 | 2017-12-19 | Scania Cv Ab | Method, control unit and a system in a vehicle for detection of a vulnerable road user |
DE102015215929A1 (de) | 2015-08-20 | 2017-02-23 | Volkswagen Aktiengesellschaft | Vorrichtungen, Verfahren und Computerprogramm zum Bereitstellen von Information über eine voraussichtliche Fahrintention |
SE539097C2 (en) | 2015-08-20 | 2017-04-11 | Scania Cv Ab | Method, control unit and system for avoiding collision with vulnerable road users |
US11107365B1 (en) | 2015-08-28 | 2021-08-31 | State Farm Mutual Automobile Insurance Company | Vehicular driver evaluation |
JP6361618B2 (ja) | 2015-09-15 | 2018-07-25 | トヨタ自動車株式会社 | 運転支援装置 |
US9868393B2 (en) | 2015-12-10 | 2018-01-16 | International Business Machines Corporation | Vehicle accident avoidance system |
CN105575114B (zh) | 2015-12-15 | 2018-04-03 | 国电南瑞科技股份有限公司 | 一种有轨电车交叉路口闯红灯报警系统及报警实现方法 |
US20170190336A1 (en) | 2016-01-04 | 2017-07-06 | Delphi Technologies, Inc. | Automated Vehicle Operation Based On Gesture To Pedestrian |
EP3200428B1 (de) | 2016-01-26 | 2020-03-25 | dSPACE digital signal processing and control engineering GmbH | Computerimplementiertes verfahren zur implementierung einer v2x-anwendung |
US9903733B2 (en) * | 2016-03-17 | 2018-02-27 | Honda Motor Co., Ltd. | Vehicular communications network and methods of use and manufacture thereof |
US11197134B2 (en) | 2016-04-02 | 2021-12-07 | Lg Electronics Inc. | Method and device for enhancing V2P communication in wireless communication system |
WO2017189035A1 (en) | 2016-04-29 | 2017-11-02 | Intel IP Corporation | Interoperability between v2x (v2v (vehicle to vehicle), v2i (vehicle to infrastructure), and/or v2p (vehicle to pedestrian)) radio access technologies (rats) |
CN205621297U (zh) | 2016-05-03 | 2016-10-05 | 上海市城市建设设计研究总院 | 有轨电车安全防护装置 |
US20170344855A1 (en) | 2016-05-24 | 2017-11-30 | Agt International Gmbh | Method of predicting traffic collisions and system thereof |
US9911334B2 (en) * | 2016-07-12 | 2018-03-06 | Siemens Industry, Inc. | Connected vehicle traffic safety system and a method of warning drivers of a wrong-way travel |
US20180053102A1 (en) | 2016-08-16 | 2018-02-22 | Toyota Jidosha Kabushiki Kaisha | Individualized Adaptation of Driver Action Prediction Models |
CN106373430B (zh) | 2016-08-26 | 2023-03-31 | 华南理工大学 | 一种基于计算机视觉的交叉路口通行预警方法 |
US10127812B2 (en) | 2016-08-29 | 2018-11-13 | Allstate Insurance Company | Electrical data processing system for monitoring or affecting movement of a vehicle using a traffic device |
US20180096595A1 (en) | 2016-10-04 | 2018-04-05 | Street Simplified, LLC | Traffic Control Systems and Methods |
US10399564B2 (en) | 2016-10-25 | 2019-09-03 | Ford Global Technologies, Llc | Vehicle roundabout management |
EP3339898A1 (en) * | 2016-12-20 | 2018-06-27 | Nxp B.V. | Sensor data network |
DE102017201924A1 (de) | 2017-02-08 | 2018-08-09 | Audi Ag | Verfahren zum Informieren zumindest eines Empfängerfahrzeugs über ein Falschfahrerfahrzeug sowie Servervorrichtung und Kraftfahrzeuge |
US10627812B2 (en) | 2017-02-14 | 2020-04-21 | Honda Research Institute Europe Gmbh | Risk based driver assistance for approaching intersections of limited visibility |
CN107067817A (zh) | 2017-04-17 | 2017-08-18 | 北京理工大学 | 一种针对有轨电车在交叉路口防止冲突的方法及系统 |
CN106997689B (zh) | 2017-05-11 | 2019-08-27 | 重庆邮电大学 | 基于路口的v2p避免碰撞方法 |
US10007269B1 (en) | 2017-06-23 | 2018-06-26 | Uber Technologies, Inc. | Collision-avoidance system for autonomous-capable vehicle |
US10252721B1 (en) | 2017-11-27 | 2019-04-09 | Honda Motor Co., Ltd. | System and method for providing a vehicle convoy status indication |
US10332395B1 (en) * | 2017-12-21 | 2019-06-25 | Denso International America, Inc. | System and method for translating roadside device position data according to differential position data |
US10235882B1 (en) * | 2018-03-19 | 2019-03-19 | Derq Inc. | Early warning and collision avoidance |
US10867510B2 (en) | 2018-04-05 | 2020-12-15 | Toyota Jidosha Kabushiki Kaisha | Real-time traffic monitoring with connected cars |
CN110017849B (zh) * | 2019-04-18 | 2020-12-22 | 菲曼(北京)科技有限公司 | 一种基于gnss接收机和imu传感器的测绘一体机的倾斜测量方法 |
-
2020
- 2020-08-12 JP JP2022511346A patent/JP2022546320A/ja active Pending
- 2020-08-12 CN CN202080074484.8A patent/CN114586082A/zh active Pending
- 2020-08-12 EP EP20858952.3A patent/EP4022591A4/en active Pending
- 2020-08-12 WO PCT/IB2020/000718 patent/WO2021038299A2/en active Application Filing
- 2020-08-12 CA CA3148680A patent/CA3148680A1/en active Pending
- 2020-08-14 US US16/993,606 patent/US11443631B2/en active Active
- 2020-09-04 WO PCT/IB2020/058249 patent/WO2021038542A1/en active Application Filing
-
2022
- 2022-09-12 US US17/942,484 patent/US11688282B2/en active Active
-
2023
- 2023-05-10 US US18/315,095 patent/US20230401960A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4022591A2 (en) | 2022-07-06 |
US11688282B2 (en) | 2023-06-27 |
US20210065551A1 (en) | 2021-03-04 |
EP4022591A4 (en) | 2022-10-19 |
US20230401960A1 (en) | 2023-12-14 |
CN114586082A (zh) | 2022-06-03 |
WO2021038299A2 (en) | 2021-03-04 |
WO2021038299A3 (en) | 2021-06-03 |
US11443631B2 (en) | 2022-09-13 |
CA3148680A1 (en) | 2021-03-04 |
WO2021038542A1 (en) | 2021-03-04 |
US20230112079A1 (en) | 2023-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7362721B2 (ja) | 早期警告および衝突回避 | |
US11688282B2 (en) | Enhanced onboard equipment | |
US8903640B2 (en) | Communication based vehicle-pedestrian collision warning system | |
IL278230B2 (en) | System and method for using V2X and information from sensors | |
KR102631726B1 (ko) | 환경 제한 및 센서 이상 시스템 및 방법 | |
TW202246093A (zh) | 偵測車輛的駕駛行為 | |
CA3049019A1 (en) | Connected automated vehicle highway systems and methods | |
JP2024020559A (ja) | 処理装置、処理方法、処理プログラム、処理システム | |
WO2023187718A1 (en) | Adaptive advanced driver-assistance system (adas) | |
Bujari et al. | Intersection collision: Causes and avoidance techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230811 |