JP2023130886A - 情報処理装置、情報収集装置および情報処理システム - Google Patents

Abstract

【課題】学習データの抽出条件を車両毎に設定することが可能な情報処理装置を提供する。【解決手段】学習サーバ（情報処理装置）は、車両の走行環境に係る情報を取得する車両情報取得部と、車両情報取得部が取得した情報に基づいて、車両に収集させる当該車両の周辺情報を設定する収集データ設定部（設定部）と、収集データ設定部が設定した内容を、車両に対して出力するデータ収集指示部（収集指示部）と、車両から、当該車両で収集された周辺情報を取得する収集データ取得部と、を備える。【選択図】図５

Description

本開示は、情報処理装置、情報収集装置および情報処理システムに関する。

近年、一般車においてＡＤＡＳ（Ａｄｖａｎｃｅｄ Ｄｒｉｖｅｒ－Ａｓｓｉｓｔａｎｃｅ Ｓｙｓｔｅｍｓ：先進運転支援システム）の導入が急速に拡大しており、特定のＡＤＡＳ機能の実装を義務付ける法令も発行されている。今後はこの流れが加速し、さらにＡＤＡＳ機能の高性能化も求められる事が予想される。ＡＤＡＳでは、例えば車載カメラの画像認識技術による物体検知・認識を利用した衝突軽減ブレーキや、誤発進抑制、車線維持（ＬＤＷ）、オートライトシステムなどの運転支援が行われる。画像認識技術は、ＡＩを中心とした学習機能（Ｄｅｅｐ Ｌｅａｒｎｉｎｇなど）が主流であり、より高度で且つ高い安全性を担保するＡＤＡＳ機能の実現には、車両側に高い処理能力を有する高性能ＡＩやＧＰＵ（Ｇｒａｐｈｉｃ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、大容量ストレージの導入が必要となる。そのため、一部の高級車を除いては、限定的なＡＤＡＳ機能しか実装されていない状況にある。また、学習に必要なデータは、一般車両から収集されるが、通信費や処理負荷の問題で、収集機能は一部の高級車のみしか実装されていない状況にある。

このような状況にあって、例えば、特許文献１には、特定の抽出条件に合致する場合のみ、取得した情報を学習データとしてサーバに送信する機能が開示されている。また、特許文献２には、車両側で複数の学習器を持ち、信頼度を演算して、信頼度が低い情報のみをサーバに送る機能が開示されている。

特許第６５２４１４４号公報 特許第６９４６８１２号公報

特許文献１，２に開示された内容によると、通信費の削減には効果的だが、機能実装車に対して、抽出条件を一律に適用するのは、データ収集効率が悪く、データ収集に莫大な時間がかかる可能性がある。また抽出条件を広くする、もしくは信頼度が低いとみなす閾値設定を緩くすると、データのアップロード量が増加するため、本来の通信費削減効果が損なわれるおそれがある。また、特許文献１では、予め設定したイベントが発生しないとデータ収集が行われないため、十分な量のデータ量を収集できないおそれがある。

本開示は、学習データの抽出条件を車両毎に設定することが可能な情報処理装置、情報収集装置および情報処理システムを提供することを目的とする。

本開示に係る情報処理装置は、車両の走行環境に係る情報を取得する車両情報取得部と、前記車両情報取得部が取得した情報に基づいて、前記車両に収集させる当該車両の周辺情報の内容を設定する設定部と、前記設定部が設定した周辺情報の内容を、前記車両に対して出力する収集指示部と、前記車両から、当該車両で収集された、前記設定部の設定内容に合致する周辺情報を取得する収集データ取得部と、を備える。

また、本開示に係る情報収集装置は、情報処理装置に対して、車両の走行環境に係る情報を出力する車両情報出力部と、前記情報処理装置から、車両の周辺情報の収集指示と、収集する周辺情報の内容とを取得する設定内容取得部と、前記設定内容取得部が取得した周辺情報の内容に合致する前記車両の周辺情報を取得するデータ収集部と、前記データ収集部が収集した前記車両の周辺情報を、前記情報処理装置に出力する出力部と、を備える。

本開示に係る情報処理装置によれば、当該情報処理装置が有する学習モデルを強化するために必要な車両の周辺情報の収集条件を、車両毎に設定することができる。

また、本開示に係る情報収集装置によれば、指示された条件を満足する車両の周辺情報（学習データ）を確実に収集することができる。

図１は、実施形態に係る走行環境情報収集システムのシステム構成の一例を示すブロック図である。 図２は、実施形態に係る学習サーバのハードウエア構成の一例を示すハードウエアブロック図である。 図３は、実施形態に係る情報収集装置のハードウエア構成の一例を示すハードウエアブロック図である。 図４Ａは、実施形態に係る学習サーバおよび情報収集装置が備える学習モデルの認識対象属性の一例を示す図である。 図４Ｂは、実施形態に係る学習サーバおよび情報収集装置が備える学習モデルの道路環境属性の一例を示す図である。 図５は、学習サーバの機能構成の一例を示す機能ブロック図である。 図６は、情報収集装置の機能構成の一例を示す機能ブロック図である。 図７は、実施形態に係る走行環境情報収集システムが行う情報収集処理の流れの一例を示すフローチャートである。 図８は、実施形態に係る走行環境情報収集システムが行う学習モデル更新処理の流れの一例を示すフローチャートである。

（実施形態）
以下、図面を参照しながら、本開示に係る走行環境情報収集システム１０の実施形態について説明する。

（走行環境情報収集システムの概略構成）
図１を用いて、走行環境情報収集システム１０の概略構成を説明する。図１は、本開示の実施形態に係る走行環境情報収集システムのシステム構成の一例を示すブロック図である。

走行環境情報収集システム１０は、学習サーバ２０と情報収集装置４０とを備える。走行環境情報収集システム１０は、車両６０の周辺情報（例えば画像データ）を収集して、車両６０の走行環境を認識するための学習モデルを生成する。なお、学習サーバ２０と情報収集装置４０とは、携帯電話網等の公知の通信回線を介して、双方向無線通信を行う。

学習サーバ２０は、車両６０の周辺情報を学習することによって、車両６０の走行環境を認識するための学習モデルを生成する。また、学習サーバ２０は、情報収集装置４０から、車両６０の新たな周辺情報を収集して、既に生成されている学習モデルを更に強化する。なお、学習サーバ２０は、本開示における情報処理装置の一例である。なお、学習モデルは、例えばＤｅｅｐ Ｌｅａｒｎｉｎｇに代表される機械学習によって生成される。

情報収集装置４０は、車両６０に搭載されて、学習サーバ２０から指示された、車両６０の周辺情報（後述する画像データ２４）を収集する。また、情報収集装置４０は、自身が備える学習モデルを、学習サーバ２０によって強化された学習モデルに更新する。なお、情報収集装置４０は、自身が備える学習モデルを用いて、車両６０の走行環境を認識することにより、車両６０が備える、衝突軽減ブレーキや誤発進抑制装置、斜線維持装置（ＬＤＷ）、オートライトシステム等の各種ＡＤＡＳシステムの制御を行ってもよい。

（学習サーバのハードウエア構成）
図２を用いて、学習サーバ２０のハードウエア構成を説明する。図２は、本開示の実施形態に係る学習サーバのハードウエア構成の一例を示すハードウエアブロック図である。

学習サーバ２０は、当該学習サーバ２０の全体の動作を制御するＥＣＵ２１と、周辺機器である、記憶デバイス２２と、操作デバイス２５と、表示デバイス２６と、通信インタフェース２７とを備える。学習サーバ２０を構成するこれらの要素は、内部バス２８を介して、互いに接続されている。

記憶デバイス２２は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やフラッシュメモリ等の記憶媒体を有し、電源を遮断しても記憶内容を維持する。記憶デバイス２２は、車両６０の走行環境を認識するための学習モデル２３と、画像データ２４とを記憶する。

記憶デバイス２２が記憶する学習モデル２３は、与えられた車両６０の周辺の画像データ２４を入力として、当該画像データ２４に写っている、車両６０の走行環境を認識するモデルである。車両６０の走行環境について、詳しくは後述する（図４Ａ，図４Ｂ参照）。なお、学習モデル２３の形態は問わないが、例えば、多層ニューラルネットワークで表現された認識モデルが用いられる。また、記憶デバイス２２は、学習モデル２３の付帯情報として、学習モデル２３を生成するために使用した画像データ２４の属性（どのような走行環境で収集した画像データ２４であるかを示す情報（図４Ａ，図４Ｂ参照）を記憶する。また、記憶デバイス２２は、学習モデル２３の付帯情報として、学習モデル２３が生成された年月日と、学習モデル２３を一意に特定する識別番号とを記憶する。なお、画像データ２４は、本開示における、車両６０の周辺情報の一例である。また、画像データ２４は、学習モデル２３の学習に用いられる学習データの一例である。

記憶デバイス２２が記憶する画像データ２４は、情報収集装置４０が、車両６０の周辺情報として収集した情報である。

操作デバイス２５は、例えば、キーボードやタッチパネルである。操作デバイス２５は、学習サーバ２０の操作者が、必要に応じて操作することによって、学習サーバ２０に対する各種操作指示を行う。例えば、学習モデル２３の強化を行う際に、学習サーバ２０が取得した画像データ２４（学習データ）に対して正しい認識結果を教示する必要がある場合、学習サーバ２０の操作者は、操作デバイス２５を用いて、取得した画像データ２４に対する正しい認識結果を教示する。

表示デバイス２６は、例えば液晶モニタや有機ＥＬモニタ等の表示装置である。表示デバイス２６は、学習サーバ２０の操作者に対して、収集した画像データ２４の内容や学習サーバ２０の動作状態等を表示する。

通信インタフェース２７は、情報収集装置４０との間で無線通信を行う。

（情報収集装置のハードウエア構成）
図３を用いて、情報収集装置４０のハードウエア構成を説明する。図３は、本開示の実施形態に係る情報収集装置のハードウエア構成の一例を示すハードウエアブロック図である。

情報収集装置４０は、当該情報収集装置４０の全体の動作を制御するＥＣＵ４１と、周辺機器である、情報取得デバイス４２と、記憶デバイス４６と、通信インタフェース４９とを備える。情報収集装置４０を構成するこれらの要素は、内部バス５０を介して、互いに接続されている。

情報取得デバイス４２は、車両６０の走行環境に係る情報、および周辺情報を取得する。情報取得デバイス４２は、例えば、車速センサ４３と、ＧＰＳレシーバ４４と、カメラ４５を備える。なお、本実施形態において、車両６０の走行環境に係る情報とは、車両６０の走行状態や走行場所を推定するために必要な情報である。また、車両６０の周辺情報とは、車両６０の走行環境を認識するための学習モデルを生成するために必要な、例えば車両６０の周辺の画像データ２４である。

車速センサ４３は、車両６０の車速を計測する。車速は、車両６０の走行環境に係る情報の一例である。車両６０の車速は、同じ時刻にカメラ４５で撮像された画像データ２４と関連付けられる。

ＧＰＳレシーバ４４は、ＧＰＳ信号を検出する。より具体的には、情報取得デバイス４２は、ＧＰＳレシーバ４４が受信したＧＰＳ信号から、車両６０の走行環境に係る情報の一例である現在時刻を特定する。また、ＧＰＳレシーバ４４が受信したＧＰＳ信号と後述する地図データ４７とに基づいて、車両６０の走行環境に係る情報の一例である、車両６０の現在位置と進行方向とを特定する。特定された車両６０の現在位置と進行方向は、同じ時刻にカメラ４５で撮像された画像データ２４と関連付けられる。なお、現在時刻は、ＥＣＵ４１が内蔵しているタイマーから取得してもよい。

カメラ４５は、車両６０の周辺情報の一例である画像データ２４を取得する。なお、カメラ４５は車両６０の異なる位置に複数設置されて、異なる方向の画像データ２４を取得してもよい。撮像された画像データ２４は、当該画像データ２４が撮像された時刻と、上述した車両６０の車速と、現在位置と、進行方向と関連付けられる。また、このとき、情報収集装置４０が記憶する学習モデル４８が、撮像された画像データ２４をどのように認識したかを示す情報も画像データ２４と関連付けておくのが望ましい。

情報取得デバイス４２は、これら以外のデバイス、例えば、測距センサ、加速度センサ等を備えてもよい。これらの情報取得デバイス４２が取得した、車両６０の走行環境に係る情報の一例である、測距データや加速度データ等は、同時刻にカメラ４５で撮像された画像データ２４と関連付けられる。

なお、図３には図示しないが、このようにして収集された画像データ２４（車両６０の周辺情報）と、当該画像データ２４に関連付けられたデータ（車両６０の走行環境に係る情報）とは、一時的に記憶デバイス４６に記憶されてもよい。

記憶デバイス４６は、ＨＤＤやフラッシュメモリ等の記憶媒体を有し、電源を遮断しても記憶内容を維持する。記憶デバイス４６は、地図データ４７と学習モデル４８とを記憶する。

地図データ４７は、ＧＰＳレシーバ４４が受信したＧＰＳ信号とともに、車両６０の現在位置を特定するために使用される。なお、地図データ４７は、車両６０が備えるカーナビゲーションシステムが使用する地図データと共有されてもよい。

学習モデル４８は、カメラ４５が撮像した画像データ２４に基づいて、車両６０の走行環境を認識するモデルである。なお、学習サーバ２０が記憶している学習モデル２３は、複数の車両６０から収集した画像データ２４（学習データ）を用いて、随時、学習が強化されたモデルである。これに対して、情報収集装置４０が記憶している学習モデル４８は、学習サーバ２０が強化させた学習モデル２３を任意のタイミングで情報収集装置４０に送信して、そのときに情報収集装置４０が記憶している学習モデル４８を更新したものである。なお、記憶デバイス４６は、学習モデル４８とともに、当該学習モデル４８の付帯情報も記憶する。

通信インタフェース４９は、学習サーバ２０との間で無線通信を行う。

（情報収集装置が収集する情報）
図４Ａ，図４Ｂを用いて、情報収集装置４０が収集する情報の内容について説明する。図４Ａは、実施形態に係る学習サーバおよび情報収集装置が備える学習モデルの認識対象属性の一例を示す図である。図４Ｂは、実施形態に係る学習サーバおよび情報収集装置が備える学習モデルの道路環境属性の一例を示す図である。

情報収集装置４０は、学習サーバ２０が有する学習モデル２３を強化するために、車両６０の周辺の画像データ２４を収集する。学習モデル２３は、ＡＤＡＳシステムを動作させるために必要な、車両６０の走行環境（例えは、道路脇を歩いている歩行者や、車両６０の前方を走行している先行車両等）を認識する。図４Ａの横軸には、学習モデル２３の認識対象の一例を示す。

ここで、道路脇を歩いている歩行者には、様々なバリエーションがある。例えば、一概に歩行者と言っても、手ぶらで歩いている歩行者もいれば、荷物を持って歩いている歩行者もいる。また、車両６０の前方を走行している先行車両にも、様々なバリエーションがある。例えば、一概に車両と言っても、自動車もあれば、トラックもオートバイもある。図４Ａの縦軸には、認識対象毎のバリエーション（以下、属性と呼ぶ）の一例を示す。

このように、図４Ａに示す認識対象マップＴａは、ＡＤＡＳシステムの認識対象を一望した示すマップである。

ここで、車両６０の前方を歩いている同一の歩行者であっても、そのときの時刻や天候等によって、歩行者の見え方が異なる可能性がある。また、通学路を歩いている歩行者と商店街を歩いている歩行者とでは、同一の歩行者であっても挙動が異なる可能性がある。このように、同じ認識対象であっても、その認識対象が存在する道路環境によって、見え方や挙動が異なる可能性があるため、様々なバリエーションの画像データ２４を収集して、学習モデルを強化するのが望ましい。図４Ｂは、このような道路環境に係る属性を一望した道路環境マップＴｂの一例である。なお、図４Ｂに示した属性は、ほんの一例であり、ここに記載されない属性も数多く存在する。

本実施形態に係る情報収集装置４０は、学習サーバ２０から指示された認識対象を含む画像データ２４を、道路環境の属性と関連付けて収集する。そして、学習サーバ２０は、自身が有する学習モデル２３を、情報収集装置４０が収集した画像データ２４によって更に強化する。

（学習サーバの機能構成）
図５を用いて、学習サーバ２０の機能構成を説明する。図５は、学習サーバの機能構成の一例を示す機能ブロック図である。

学習サーバ２０のＥＣＵ２１は、学習サーバ２０を制御する制御プログラムを実行することによって、図５に示す車両情報取得部３１と、収集データ設定部３２と、データ収集指示部３３と、収集データ取得部３４と、学習強化部３５と、学習モデル更新指示部３６とを機能部として実現する。なお、これらの機能部は、専用ハードウエアによって実現しても構わない。

車両情報取得部３１は、車両６０から、当該車両６０の走行状態や走行場所を推定するための走行環境に係る情報を取得する。

収集データ設定部３２は、車両情報取得部３１が取得した車両６０の走行環境に係る情報に基づいて、車両６０に収集させる当該車両６０の周辺情報の内容を設定する。なお、収集データ設定部３２は、本開示における設定部の一例である。具体的には、収集データ設定部３２は、車両情報取得部３１が取得した車両６０の走行環境に係る情報と、学習サーバ２０が記憶している学習モデル２３に係る情報（上述した画像データ２４の付帯情報）とを比較することによって、車両６０の走行環境に係る情報が、学習モデル２３を強化するために必要であるかを判定する。例えば、収集データ設定部３２は、車両６０の走行環境に係る情報が、学習サーバ２０が記憶している学習モデル２３を生成するために使用された画像データ２４の属性の不足分を補うものであるかを判定する。雪が降っている状態で学習させた画像データ２４の数が少ない場合に、雪が降っている状態で走行している車両６０がいることがわかった場合には、収集データ設定部３２は、当該車両６０から画像データ２４を取得する設定を行う。また、収集データ設定部３２は、画像データ２４の内容、例えば歩行者を含む画像データ２４を取得するような設定を行ってもよい。

データ収集指示部３３は、収集データ設定部３２が設定した内容を、選択された車両６０に対して出力する。なお、データ収集指示部３３は、本開示における収集指示部の一例である。

収集データ取得部３４は、データ収集指示部３３が指示を与えた車両６０が備える情報収集装置４０から、車両６０で収集された画像データ２４および当該画像データ２４に関連する情報を取得する。

学習強化部３５は、収集データ取得部３４が取得した画像データ２４を学習モデル２３に学習させることによって、学習モデル２３を強化する。

学習モデル更新指示部３６は、情報収集装置４０から、当該情報収集装置４０が有する学習モデル４８の付帯情報を取得して、学習サーバ２０が有する学習モデル２３が、学習モデル４８よりも強化されたものであるかを判定する。なお、学習モデル４８の付帯情報とは、例えば、学習モデル４８が作成された年月日や学習モデル４８を一意に特定できる識別番号等である。また、学習モデル更新指示部３６は、学習サーバ２０が有する学習モデル２３が、学習モデル４８よりも強化されたものである場合に、情報収集装置４０に対して学習モデル２３を送信して、情報収集装置４０が持っている学習モデル４８を更新させる。

（情報収集装置の機能構成）
図６を用いて、情報収集装置４０の機能構成を説明する。図６は、情報収集装置の機能構成の一例を示す機能ブロック図である。

情報収集装置４０のＥＣＵ４１は、情報収集装置４０を制御する制御プログラムを実行することによって、図６に示す車両情報収集部６１と、車両情報出力部６２と、収集データ設定内容取得部６３と、データ収集部６４と、収集データ出力部６５と、学習モデル取得部６６と、学習モデル更新部６７とを機能部として実現する。なお、これらの機能部は、専用ハードウエアによって実現しても構わない。

車両情報収集部６１は、車両６０の走行環境に係る情報を収集する。また、車両情報収集部６１は、情報収集装置４０の動作開始、動作終了を判定するために、車両６０が運転可能な状態にあるかを判定する。

車両情報出力部６２は、学習サーバ２０に対して、車両情報収集部６１が収集した、車両６０の走行環境に係る情報を出力する。

収集データ設定内容取得部６３は、学習サーバ２０から、車両６０の周辺情報の収集指示と、収集する周辺情報の設定内容とを取得する。なお、収集データ設定内容取得部６３は、本開示における設定内容取得部の一例である。

データ収集部６４は、収集データ設定内容取得部６３が取得した設定内容に合致する車両６０の周辺情報（画像データ２４）を取得する。

収集データ出力部６５は、データ収集部６４が収集した車両６０の周辺情報（画像データ２４）を、学習サーバ２０に出力する。なお、収集データ出力部６５は、本開示における出力部の一例である。

学習モデル取得部６６は、学習サーバ２０からの指示を受けて、学習サーバ２０に対して、学習モデル４８の付帯情報を出力する。また、学習モデル取得部６６は、学習サーバ２０が有する学習モデル２３が、学習モデル４８に対して強化されたものである場合に、学習サーバ２０から当該学習モデル２３を取得する。

学習モデル更新部６７は、車両６０が有する学習モデル４８を、学習モデル取得部６６が取得した学習モデル２３に更新する。

（情報収集処理の流れ）
図７を用いて、走行環境情報収集システムが行う情報収集処理の流れを説明する。図７は、実施形態に係る走行環境情報収集システムが行う情報収集処理の流れの一例を示すフローチャートである。以下、学習サーバ２０が行う処理の流れと、情報収集装置４０が行う処理の流れとを順に説明する。

（学習サーバが行う処理の流れ）
車両情報取得部３１は、情報収集装置４０から、車両６０の走行環境に係る情報を取得する（ステップＳ１１）。

収集データ設定部３２は、学習モデル２３を強化するために、車両６０から画像データ２４を取得する必要があるかを判定する（ステップＳ１２）。車両６０から画像データ２４を取得する必要があると判定される（ステップＳ１２：Ｙｅｓ）とステップＳ１３に進む。一方、車両６０から画像データ２４を取得する必要があると判定されない（ステップＳ１２：Ｎｏ）とステップＳ１１に戻る。

ステップＳ１２において、車両６０から画像データ２４を取得する必要があると判定されると、収集データ設定部３２は、車両６０から収集する画像データ２４の内容を設定する（ステップＳ１３）。

データ収集指示部３３は、情報収集装置４０に対して、ステップＳ１３で設定した画像データ２４の内容を出力するとともに、画像データ２４の収集を指示する（ステップＳ１４）。

収集データ取得部３４は、情報収集装置４０が収集した画像データ２４を取得する（ステップＳ１５）。

収集データ取得部３４は、収集した画像データ２４を記憶デバイス２２に記憶する（ステップＳ１６）。

データ収集指示部３３は、画像データ２４の収集を終了するかを判定する（ステップＳ１６）。画像データ２４の収集を終了すると判定される（ステップＳ１６：Ｙｅｓ）とステップＳ１７に進む。一方、画像データ２４の収集を終了すると判定されない（ステップＳ１６：Ｎｏ）とステップＳ１５に戻る。

ステップＳ１６において、画像データ２４の収集を終了すると判定されると、データ収集指示部３３は、情報収集装置４０に対して、画像データ２４の収集の終了を指示する（ステップＳ１７）。

学習強化部３５は、ステップＳ１５で収集した画像データ２４を用いて、学習モデル２３を強化する（ステップＳ１８）。なお、学習モデル２３の強化を行うタイミングは問わない。即ち、画像データ２４がある程度集まってから学習モデル２３の強化を行ってもよいし、画像データ２４を収集する都度、学習モデル２３の強化を行ってもよい。その後、学習サーバ２０は、図７の処理を終了する。

（情報収集装置が行う処理の流れ）
車両情報出力部６２は、学習サーバ２０に対して、車両情報収集部６１が収集した車両６０の走行環境に係る情報を出力する（ステップＳ２１）。

収集データ設定内容取得部６３は、学習サーバ２０から、画像データ２４の収集が指示されたかを判定する（ステップＳ２２）。画像データ２４の収集が指示されたと判定される（ステップＳ２２：Ｙｅｓ）とステップＳ２３に進む。一方、画像データ２４の収集が指示されたと判定されない（ステップＳ２２：Ｎｏ）とステップＳ２１に戻る。

ステップＳ２２において、画像データ２４の収集が指示されたと判定されると、データ収集部６４は、収集データ設定内容取得部６３が取得した設定内容に沿う画像データ２４を収集する（ステップＳ２３）。

収集データ出力部６５は、ステップＳ２３で収集した画像データ２４を、学習サーバ２０に出力する（ステップＳ２４）。

データ収集部６４は、学習サーバ２０から、画像データ２４の収集の終了が指示されたかを判定する（ステップＳ２５）。画像データ２４の収集の終了が指示されたと判定される（ステップＳ２５：Ｙｅｓ）とステップＳ２６に進む。一方、画像データ２４の収集の終了が指示されたと判定されない（ステップＳ２５：Ｎｏ）とステップＳ２３に戻る。

ステップＳ２５において、画像データ２４の収集の終了が指示されたと判定されると、データ収集部６４は、画像データ２４の収集を終了する（ステップＳ２６）。なお、ここで収集を終了するのは、学習サーバ２０に出力するための画像データ２４の収集である。車両６０が搭載するＡＤＡＳに係る装置が動作しており、当該ＡＤＡＳが画像データ２４を利用している場合は、画像データ２４の収集は継続される。

車両情報収集部６１は、車両６０の運転が終了したかを判定する（ステップＳ２７）。車両６０の運転が終了したと判定される（ステップＳ２７：Ｙｅｓ）と、情報収集装置４０は、図７の処理を終了する。一方、車両６０の運転が終了したと判定されない（ステップＳ２７：Ｎｏ）とステップＳ２１に戻る。

（学習モデル更新処理の流れ）
図８を用いて、走行環境情報収集システムが行う学習モデル更新処理の流れを説明する。図８は、実施形態に係る走行環境情報収集システムが行う学習モデル更新処理の流れの一例を示すフローチャートである。以下、学習サーバ２０が行う処理の流れと、情報収集装置４０が行う処理の流れとを順に説明する。

（学習サーバが行う処理の流れ）
学習モデル更新指示部３６は、情報収集装置４０に対して、当該情報収集装置４０が有する学習モデル４８の付帯情報の出力を指示する（ステップＳ３１）。

学習モデル更新指示部３６は、情報収集装置４０から、当該情報収集装置４０が有する学習モデル４８の付帯情報を取得する（ステップＳ３２）。

学習モデル更新指示部３６は、学習サーバ２０が有する学習モデル２３の中に、ステップＳ３２で取得した学習モデル４８よりも強化された学習モデルがあるかを判定する（ステップＳ３３）。学習モデル４８よりも強化された学習モデルがあると判定される（ステップＳ３３：Ｙｅｓ）とステップＳ３４に進む。一方、学習モデル４８よりも強化された学習モデルがあると判定されない（ステップＳ３３：Ｎｏ）と、学習サーバ２０は、図８の処理を終了する。なお、学習サーバ２０が有する学習モデル２３が、情報収集装置４０が有する学習モデル４８よりも強化されていることは、例えば、学習モデル４８の付帯情報と学習モデル２３の付帯情報とを比較して、学習モデル２３の方が新しく生成されたものであることを確認することによって判定される。

ステップＳ３３において、学習モデル４８よりも強化された学習モデルがあると判定されると、学習モデル更新指示部３６は、情報収集装置４０に対して、学習モデル４８よりも強化された学習モデルを出力する（ステップＳ３４）。なお、ステップＳ３４において、学習モデル更新指示部３６は、出力した学習モデルが作成された年月日や当該学習モデルを一意に特定できる識別番号等、即ち学習モデルに係る情報を一緒に出力する。その後、学習サーバ２０は、図８の処理を終了する。

（情報収集装置が行う処理の流れ）
学習モデル取得部６６は、学習サーバ２０から、情報収集装置４０が有する学習モデル４８の付帯情報の出力指示がなされたかを判定する（ステップＳ４１）。学習モデル４８の付帯情報の出力指示がなされたと判定される（ステップＳ４１：Ｙｅｓ）とステップＳ４２に進む。一方、学習モデル４８の付帯情報の出力指示がなされたと判定されない（ステップＳ４１：Ｎｏ）とステップＳ４１を繰り返す。

ステップＳ４１において、学習モデル４８の付帯情報の出力指示がなされたと判定されると、学習モデル取得部６６は、学習サーバ２０に対して、学習モデル４８の付帯情報を出力する（ステップＳ４２）。

学習モデル取得部６６は、学習サーバ２０から学習モデル４８に比べて強化された学習モデルを取得したかを判定する（ステップＳ４３）。学習モデル４８に比べて強化された学習モデルを取得したと判定される（ステップＳ４３：Ｙｅｓ）とステップＳ４４に進む。一方、学習モデル４８に比べて強化された学習モデルを取得したと判定されない（ステップＳ４３：Ｎｏ）と、情報収集装置４０は、図８の処理を終了する。

ステップＳ４３において、学習モデル４８に比べて強化された学習モデルを取得したと判定されると、学習モデル更新部６７は、学習モデル４８を、学習サーバ２０から取得した学習モデルに更新する（ステップＳ４４）。その後、情報収集装置４０は、図８の処理を終了する。

（実施の形態の作用効果）
以上説明したように、本実施形態に係る学習サーバ２０（情報処理装置）は、車両６０の走行環境に係る情報を取得する車両情報取得部３１と、車両情報取得部３１が取得した情報に基づいて、車両６０に収集させる当該車両６０の周辺情報の内容を設定する収集データ設定部３２（設定部）と、収集データ設定部３２が設定した周辺情報の内容を、車両６０に対して出力するデータ収集指示部３３（収集指示部）と、車両６０から、当該車両６０で収集された、収集データ設定部３２の設定内容に合致する周辺情報を取得する収集データ取得部３４と、を備える。したがって、学習サーバ２０が有する学習モデル２３を強化するために必要な車両６０の周辺情報（画像データ２４）の収集条件を、車両６０毎に設定することができる。

また、本実施形態に係る学習サーバ２０（情報処理装置）は、収集データ取得部３４が取得した車両６０の周辺情報に基づいて、交通環境の認識に係る学習モデル２３を強化する学習強化部３５と、学習強化部３５が強化した学習モデル２３を、車両６０に対して更新可能に出力する学習モデル更新指示部３６と、を更に備える。したがって、複数の車両６０から収集した周辺情報（画像データ２４）を用いて、学習モデル２３を強化することができるとともに、強化した学習モデル２３を車両６０に反映させることができる。そのため、例えば、車両６０に対して、当該車両６０の所有者の自宅周辺の画像データ２４を収集させることによって、個々の車両６０に適した学習モデル２３（学習モデル４８）を生成することができる。また、病院周辺や通学路のような特殊な道路環境に特化した画像データ２４を収集させることによって、学習モデル２３（学習モデル４８）を、特殊な道路環境に対して強化することができる。

また、本実施形態に係る情報収集装置４０は、車両６０に設置されて、学習サーバ２０（情報処理装置）に対して、車両６０の走行環境に係る情報を出力する車両情報出力部６２と、学習サーバ２０から、車両６０の周辺情報の収集指示と、収集する周辺情報の内容とを取得する収集データ設定内容取得部６３（設定内容取得部）と、収集データ設定内容取得部６３が取得した周辺情報の内容に合致する車両６０の周辺情報を取得するデータ収集部６４と、データ収集部６４が収集した車両６０の周辺情報を、学習サーバ２０に出力する収集データ出力部６５（出力部）と、を備える。したがって、学習サーバ２０が指示した条件を満足する車両６０の周辺情報（画像データ２４）を確実に収集することができる。また、情報収集装置４０は特殊なハードウエアを必要としないため、車両６０によらずに情報収集装置４０を搭載することができる。

また、本実施形態に係る情報収集装置４０は、学習サーバ２０（情報処理装置）が、複数の車両６０から収集した周辺情報に基づいて強化した、交通環境の認識に係る学習モデル２３を取得する学習モデル取得部６６と、車両６０が有する学習モデル４８を、学習モデル取得部６６が取得した学習モデル２３に更新する学習モデル更新部６７と、を更に備える。したがって、情報収集装置４０は、任意のタイミングで、強化された学習モデル２３を反映することができる。

また、本実施形態に係る走行環境情報収集システム１０（情報収集システム）は、学習サーバ２０（情報処理装置）と、情報収集装置４０と、を備える。したがって、特別なハードウエアを用いることなく、学習サーバ２０が有する学習モデル２３を時間とともに強化することができ、尚且つ、強化した学習モデル２３を情報収集装置４０に反映することができる。

以上、本発明の実施の形態について説明したが、上述した実施の形態は、例として提示したものであり、本発明の範囲を限定することは意図していない。この新規な実施の形態は、その他の様々な形態で実施されることが可能である。また、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。また、この実施の形態は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１０ 走行環境情報収集システム（情報収集システム）
２０ 学習サーバ（情報処理装置）
２４ 画像データ
３１ 車両情報取得部
３２ 収集データ設定部（設定部）
３３ データ収集指示部（収集指示部）
３４ 収集データ取得部
３５ 学習強化部
３６ 学習モデル更新指示部
４０ 情報収集装置
６０ 車両
６１ 車両情報収集部
６２ 車両情報出力部
６３ 収集データ設定内容取得部（設定内容取得部）
６４ データ収集部
６５ 収集データ出力部（出力部）
６６ 学習モデル取得部
６７ 学習モデル更新部
Ｔａ 認識対象マップ
Ｔｂ 道路環境マップ

Claims (5)

1. 車両の走行環境に係る情報を取得する車両情報取得部と、
   前記車両情報取得部が取得した情報に基づいて、前記車両に収集させる当該車両の周辺情報の内容を設定する設定部と、
   前記設定部が設定した周辺情報の内容を、前記車両に対して出力する収集指示部と、
   前記車両から、当該車両で収集された、前記設定部の設定内容に合致する周辺情報を取得する収集データ取得部と、
   を備える情報処理装置。
2. 前記収集データ取得部が取得した前記周辺情報に基づいて、交通環境の認識に係る学習モデルを強化する学習強化部と、
   前記学習強化部が強化した学習モデルを、前記車両に対して更新可能に出力する学習モデル更新指示部と、を更に備える、
   請求項１に記載の情報処理装置。
3. 車両に設置されて、
   情報処理装置に対して、車両の走行環境に係る情報を出力する車両情報出力部と、
   前記情報処理装置から、車両の周辺情報の収集指示と、収集する周辺情報の内容とを取得する設定内容取得部と、
   前記設定内容取得部が取得した周辺情報の内容に合致する前記車両の周辺情報を取得するデータ収集部と、
   前記データ収集部が収集した前記車両の周辺情報を、前記情報処理装置に出力する出力部と、
   を備える情報収集装置。
4. 前記情報処理装置が、複数の車両から収集した周辺情報に基づいて強化した、交通環境の認識に係る学習モデルを取得する学習モデル取得部と、
   前記車両が有する学習モデルを、前記学習モデル取得部が取得した学習モデルに更新する学習モデル更新部と、を更に備える、
   請求項３に記載の情報収集装置。
5. 請求項１または請求項２に記載の情報処理装置と、
   請求項３または請求項４に記載の情報収集装置と、を備える、
   情報処理システム。

Images