JP2023168967A - 判定装置、管理システムおよび判定方法 - Google Patents

Abstract

【課題】対象者によるタクシーの乗車意志を精度よく判定すること。【解決手段】実施形態に係る判定装置は、撮影された画像情報を取得し、画像情報から対象ジェスチャーを行う対象者を検出し、前記対象ジェスチャーを行う前記対象者の周辺状況を認識し、認識した前記周辺状況に基づき、対象者による対象ジェスチャーがタクシーへの乗車を求めるジェスチャーである確度を判定する制御部を備える。【選択図】図２

Description

本発明は、判定装置、管理システムおよび判定方法に関する。

従来、タクシーの周囲を撮影した画像情報からタクシーを拾うための特定のジェスチャーを行う人物を検出する技術がある。たとえば、かかる技術では、自車両に乗客がいる場合には、空車である他のタクシーに対して配車要求を行うことが開示されている（たとえば、特許文献１参照）。

特開２０１８－１８０９８７号公報

しかしながら、従来技術では、周辺状況については考慮されておらず、対象者によるタクシーの乗車意志を精度よく判定するうえで改善の余地があった。たとえば、従来技術では、実際には歩行者が横断歩道を渡るために行った挙手動作を特定のジェスチャーとして検出するなど、誤検出してしまう恐れがあった。

本発明は、上記に鑑みてなされたものであって、対象者によるタクシーの乗車意志を精度よく判定することができる判定装置、管理システムおよび判定方法を提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明に係る判定装置は、撮影された画像情報を取得し、前記画像情報から対象ジェスチャーを行う対象者を検出し、前記対象ジェスチャーを行う前記対象者の周辺状況を認識し、認識した前記周辺状況に基づき、前記対象者による前記対象ジェスチャーがタクシーへの乗車を求めるジェスチャーである確度を判定する制御部を備える。

本発明によれば、対象者によるタクシーの乗車意志を精度よく判定することができる。

図１は、管理システムの概要を示す図である。 図２は、判定方法の概要を示す図である。 図３は、判定装置のブロック図である。 図４は、判定基準記憶部の一例を示す図である。 図５は、管理装置のブロック図である。 図６は、乗客情報データベースの一例を示す図である。 図７は、集計情報データベースの一例を示す図である。 図８は、判定装置が実行する処理手順を示すフローチャートである。 図９は、管理装置が実行する処理手順を示すフローチャートである。 図１０は、管理装置が実行する処理手順を示すフローチャートである。

以下、添付図面を参照して、本願の開示する判定装置、管理システムおよび判定方法の実施形態を詳細に説明する。なお、以下に示す実施形態により本発明が限定されるものではない。

まず、図１および図２を用いて、実施形態に係る判定装置、管理システムおよび判定方法の概要について説明する。図１は、管理システムの概要を示す図である。図２は、判定方法の概要を示す図である。

図１に示すように、実施形態に係る管理システムＳは、タクシーの配車システムである。図１に示すように、管理システムＳは、複数の判定装置５０と、管理装置１００とを有する。

判定装置５０は、たとえば、通信機能を有するドライブレコーダであり、一般車両Ｃ１～Ｃｎ（以下、一般車両Ｃとも記載）や、タクシー車両Ｔ１～Ｔｎ（以下、タクシー車両Ｔとも記載）に搭載される。なお、判定装置５０は、ドライブレコーダあるいは車両の周囲を撮影するカメラシステムと連携し、ドライブレコーダやカメラシステムによって撮影された画像情報に基づいて後述する判定処理を行うようにしてもよい。また、判定装置５０は、一般車両Ｃやタクシー車両Ｔなどの車両に搭載される場合に限定されず、たとえば、管理装置１００等の外部装置が機能の一部またはすべてを担うことにしてもよい。この場合、外部装置となる判定装置５０は、たとえば、各車両から取得した画像情報に基づき、後述する判定処理を行うことになる。また、画像情報は、車両で撮影されたものに限定されるものではなく、たとえば、スマートフォン、防犯カメラなどによって撮影されたものであってもよい。

判定装置５０は、自車両の周囲を撮影した画像情報から、タクシーを探している人物（以下、見込み客とも記載する）を検出する装置である。後述するように、判定装置５０は、画像情報に基づき、見込み客に特徴的な対象ジェスチャーを検出することで、見込み客を検出する。

管理装置１００は、たとえば、各タクシー車両Ｔの稼働状況や位置情報を管理する管理装置である。たとえば、管理装置１００は、各判定装置５０から通知される情報に基づき、タクシー車両Ｔに対して配車指示を行う。

図１に示すように、一般車両Ｃおよびタクシー車両Ｔに搭載される判定装置５０が見込み客を検出した場合、管理装置１００は、当該見込み客の位置情報等に関する乗客情報を受信する（ステップＳ１）。また、管理装置１００は、タクシー車両Ｔに搭載される判定装置５０からは各乗客情報に加え、各タクシー車両Ｔの稼働情報を受信する（ステップＳ２）。

そして、管理装置１００は、各判定装置５０から受信した乗客情報および稼働情報に基づき、配車指示を出すタクシー車両Ｔを選択する選択処理を行い（ステップＳ３）、選択したタクシー車両Ｔに対して配車指示を行う（ステップＳ４）。

たとえば、一般車両Ｃで見込み客を検出した場合、あるいは、乗客を既に乗せている（すなわち、賃走中）タクシー車両Ｔで見込み客を検出した場合、管理装置１００は、当該見込み客に対して空車のタクシー車両Ｔを手配することになる。

これにより、実施形態に係る管理システムＳでは、タクシーの需要に対して素早くタクシーを供給することができる。

ところで、上述したように、判定装置５０では、タクシーへの乗車を求める対象ジェスチャーを行う対象者を検出する。しかしながら、対象者による対象ジェスチャーが、タクシーへの乗車を求めるために行ったか否かについては、周辺状況を考慮する必要がある。

具体的な例を挙げると、たとえば、横断歩道を歩行するために行った挙手動作を対象ジェスチャーとして検出することも想定される。このように、単にジェスチャーに基づき、見込み客を検出すると、タクシーへの乗車意志を適切に判断することが困難である。

そこで、実施形態に係る判定装置５０では、対象ジェスチャーを行う対象者の周辺状況を考慮して、対象者によるタクシーの乗車意志を判定することとした。

具体的には、図２に示すように、実施形態に係る判定装置５０は、まず、画像情報Ｉに対する画像解析によって、対象ジェスチャーを行う対象者Ｇを検出する（ステップＳ１１）。たとえば、対象ジェスチャーは、タクシーへの乗車を求める際に行われる特徴的なジェスチャーである。

たとえば、判定装置５０は、画像情報Ｉから歩道、路側帯、路肩などといった歩行者が存在する対象領域を検出し、当該対象領域に存在する人物およびその体の向きを検出する。

つづいて、判定装置５０は、対象領域に存在する人物のうち、車道側を向いている人物を対象ジェスチャーの検出対象者として選択する。そして、判定装置５０は、検出対象者による対象ジェスチャーを検出した場合に、当該検出対象者について対象ジェスチャーを行う対象者Ｇとして検出する。

このように、判定装置５０では、対象領域や人物の体の向きによって対象ジェスチャーの検出対象者を絞りこむことで、対象者Ｇを精度よく検出することができる。仮に、画像情報Ｉに含まれるすべての人物を対象ジェスチャーの検出対象者とする場合、たとえば、タクシーに何ら関与しない人物の動作を対象ジェスチャーとして誤検出する恐れがある。

また、判定装置５０は、対象領域や人物の体の向きによって対象ジェスチャーの検出対象者を絞りこむことで、画像情報Ｉに含まれるすべての人物を対象ジェスチャーの検出対象者とする場合に比べて、対象ジェスチャーの検出処理に関する処理負荷を削減することも可能である。

その後、判定装置５０は、ステップＳ１１の処理において対象者Ｇを検出すると、対象者Ｇの周辺状況を認識する（ステップＳ１２）。たとえば、判定装置５０は、画像情報Ｉや地図情報に基づき、対象者Ｇの周辺に存在するタクシーの有無、あるいは、横断歩道の有無を周辺状況として認識する。

そして、判定装置５０は、ステップＳ１２において認識した周辺状況に基づき、ステップＳ１１にて検出した対象者Ｇの対象ジェスチャーがタクシーへの乗車を求めるジェスチャーである確度を判定する（ステップＳ１３）。

たとえば、判定装置５０は、対象者Ｇの周辺にタクシーが存在する場合、あるいは、自車両がタクシー車両Ｔである場合、対象者Ｇによる対象ジェスチャーは当該タクシーへの乗車を求めるジェスチャーである確度が高いと判定する。

また、判定装置５０は、対象者Ｇの周辺に横断歩道が存在する場合、対象者Ｇによる対象ジェスチャーが横断歩道を渡るためのジェスチャーであるとし、タクシーを拾うためのジェスチャーである確度が低いと判定する。

このように、判定装置５０は、周辺状況を認識したうえで、当該周辺状況を考慮して対象ジェスチャーがタクシーへの乗車を求めるジェスチャーである確度を判定する。そして、判定装置５０では、判定した確度が所定値を超える場合に、対象者Ｇがタクシーへ乗車する乗車意思があると判定し、判定した確度が所定値以下であれば、対象者Ｇがタクシーへ乗車する乗車意思がないと判定する。

つまり、判定装置５０は、周辺状況に応じて、対象者Ｇによる対象ジェスチャーがタクシーへの乗車を求めるジェスチャーである確度を判定することによって、対象者Ｇによるタクシーへの乗車意志を精度よく判定することができる。

また、実施形態に係る判定装置５０は、たとえば、ドライブレコーダであるため、図１に示したようにタクシー車両Ｔのみならず、一般車両Ｃにも搭載される。つまり、判定装置５０を一般車両Ｃへ搭載することによって、見込み客をより効率的に探索することができる。

次に、図３を用いて、実施形態に係る判定装置５０の構成例について説明する。図３は、判定装置５０のブロック図である。図３に示すように、判定装置５０は、通信部５１と、撮像部５２と、制御部５３と、記憶部５４とを備える。

通信部５１は、たとえば、例えばＮＩＣ（Network Interface Card）等によって実現される。通信部５１は、所定の通信ネットワークに双方向通信可能に接続され、管理装置１００との間で情報の送受信を行う。

撮像部５２は、各種撮像素子を備え、たとえば、自車両の前方を撮像する。なお、撮像部５２は、自車両の周囲を撮像する構成であってもよい。

記憶部５４は、たとえば、不揮発性メモリやデータフラッシュ、ハードディスクドライブといった記憶デバイスで構成される記憶部である。図３に示すように、記憶部５４は、画像情報記憶部５４ａ、モデル情報記憶部５４ｂ、地図情報記憶部５４ｃ、周辺状況記憶部５４ｄ、判定基準記憶部５４ｅおよび自車両情報記憶部５４ｆを有する。

画像情報記憶部５４ａは、撮像部５２によって撮像された画像情報を記憶する。モデル情報記憶部５４ｂは、モデル情報を記憶する。ここで、モデル情報は、画像情報から歩道、路側帯、路肩など人物を検出するための対象領域を検出するための対象領域検出モデル、人物の体の向きを検出するための体向き検出モデル、画像情報からタクシーを停車させるための対象ジェスチャーを検出するためのジェスチャー検出モデルに関する情報等が含まれる。

ここで、対象ジェスチャーは、タクシーへの乗車を求める（タクシーを停車させるための）特徴的なジェスチャーであり、一例として、片手を上げる、あるいは、上げた手を振るなどといったジェスチャーがある。ジェスチャー検出モデルは、これらの対象ジェスチャーに関する画像（あるいは映像）を基に機械学習によって生成される。なお、たとえば、対象ジェスチャーは、地域などによって異なる場合もあるので、ジェスチャー検出モデルについては、地域別に生成し、画像情報が撮影された位置に応じて適宜使い分けることが好ましい。

また、モデル情報記憶部５４ｂには、周辺状況を認識するためのモデル情報が記憶される。ここでの周辺状況を認識するためのモデル情報として、たとえば、画像情報からタクシーを検知するためのモデルに関する情報が挙げられる。

その他、モデル情報記憶部５４ｂには、対象者Ｇ（図２参照）の属性を識別するためのモデルに関する情報を記憶しておくことにしてもよい。ここで、属性には、たとえば、対象者Ｇの性別、年齢、服装が含まれる。また、モデル情報記憶部５４ｂには、たとえば、対象者Ｇの持ち物の有無や、持ち物の種別を識別するモデルを格納しておくことにしてもよい。

地図情報記憶部５４ｃは、地図情報を記憶する。ここでの地図情報は、たとえば、道路地図に関する情報である。たとえば、地図情報には、横断歩道の位置に関する情報、周辺施設に関する情報などが含まれる。なお、判定装置５０は、地図情報については、クラウドシステムなどから適宜取得するようにしてもよい。

周辺状況記憶部５４ｄは、対象者Ｇの周辺状況を記憶する記憶部である。判定基準記憶部５４ｅは、判定基準を記憶する。ここで、判定基準とは、対象者Ｇによる対象ジェスチャーがタクシーへの乗車を求めるジェスチャーである確度を判定する際の基準である。

図４は、確度に関する判定基準の一例を示す図である。図４に示すように、たとえば、判定基準は、周辺状況因子と、属性因子とに大別される。そして、判定基準記憶部５４ｅには、基準ＩＤ、判定情報、係数などといった項目を互いに対応付けて記憶する。

基準ＩＤは、各判定基準を識別するための識別子であり、判定情報は、対応する基準ＩＤによって識別される判定基準の判定内容に関する情報である。また、係数は、対応する基準ＩＤによって識別される判定基準に係る係数である。

図４の例では、周辺状況因子として、「（対象者Ｇの）周辺（たとえば、周囲５ｍ以内）に横断歩道あり」や「（対象者Ｇの）周辺（たとえば、周囲２０ｍ以内）にタクシーあり」などといった判定情報が含まれる場合を示す。たとえば、対象者Ｇの周辺に横断歩道がある場合、対象者Ｇによる対象ジェスチャーが横断歩道を渡るために取ったジェスチャーであることを考慮して、たとえば、係数α１１＜１となる。すなわち、係数α１１は、確度が低くなるような値が設定される。

一方、たとえば、対象者Ｇの周辺にタクシーが走行している場合には、対象者Ｇによる対象ジェスチャーは当該タクシーを拾うためのジェスチャーである可能性が高く、たとえば、係数α１２＞１となる。すなわち、係数α１２は、確度が高くなるような値が設定される。

なお、その他の周辺状況因子として、たとえば、特定の施設の有無が挙げられる。ここで、特定の施設とは、たとえば、送迎が行われる施設である。より具体的な例を挙げると、塾、スイミングスクールなどの習い事の送迎を自家用車で行う場合、対応する施設周辺においては、自家用車に気付いてもらうために歩行者が対象ジェスチャーを行うケースがある。

このようなケースにおいては、対象ジェスチャーは、自家用車を停車させるために行われるジェスチャーであり、タクシー車両Ｔを拾うためのジェスチャーである可能性は低くなる。そのため、たとえば、特定の施設が周辺に存在する場合には、係数を低く設定するようにしてもよい。

また、図４の例では、属性因子として、「（対象者Ｇの）荷物あり」や「（対象者Ｇが）子供でない」などいった判定情報が含まれる場合を示す。たとえば、対象者Ｇがキャリーバックなどといった荷物を持っている場合には、荷物を持っていない場合に比べ、タクシーの利用確率が高いことが想定され、係数β１１＞１となる。

また、たとえば、対象者Ｇが子供である場合（特に周囲に大人がいない場合）には、対象者Ｇがタクシーを一人で利用することは稀であるので、係数β１２＜１となる。

なお、その他、たとえば、天候や対象者Ｇの位置情報に応じた確度に関する係数を設定するようにしてもよく、周辺の交通量に応じた確度に関する係数を設定するようにしてもよい。

たとえば、天候が雨、雪などといった気象条件を満たす場合や、気温が所定値（たとえば、１０度）以下あるいは所定値（たとえば、３０度）以上などといった気象条件を満たす場合には、歩行による移動が困難となるので、通常に比べて、高い係数を設定するようにしてもよい。

また、たとえば、位置情報に応じて係数を設定する場合には、たとえば、過去のタクシーの履歴を用いて、タクシーが頻繁に拾われている位置においては、タクシーの利用頻度が少ない位置に比べて、高い係数を設定するようにしてもよい。より具体的な例を挙げると、たとえば、オフィス街や駅周辺など、タクシーの利用客が一定数見込まれるエリアについては、相対的に高い係数を設定するようにしてもよい。なお、この場合には、たとえば、時間帯によって動的に係数を設定するようにしてもよい。たとえば、タクシーの利用頻度が高い時間帯においては、利用頻度が低い時間帯に比べて高い係数を設定するようにしてもよい。

また、たとえば、交通量が所定値を超えるエリアあるいは通りにおいては、高い係数を設定するようにしてもよい。これは、たとえば、交通量が多いエリアでは、タクシーが直ぐ見つかることを前提として、タクシーが周囲にいない状況であっても、対象者Ｇが対象ジェスチャーを予め取っていることを想定したものである。

図３の説明に戻り、自車両情報記憶部５４ｆについて説明する。自車両情報記憶部５４ｆは、自車両情報を記憶する。ここで、自車両情報は、たとえば、判定装置５０が搭載される車両に関する情報である。

たとえば、自車両情報は、自車両が一般車両Ｃまたはタクシー車両Ｔ（図１参照）のどちらであるかに関する自車両の属性に関する情報である。また、自車両がタクシー車両Ｔである場合、自車両情報には、タクシー車両Ｔの稼働状況に関する稼働情報が含まれる。なお、稼働情報は、賃走中、予約中、空車中などいったタクシー車両Ｔの稼働に関する情報である。たとえば、判定装置５０は、稼働情報に関し、図示しないタクシーメータから取得するようにしてもよい。

制御部５３は、たとえば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ハードディスクドライブ、入出力ポートなどを有するコンピュータや各種の回路を含む。コンピュータのＣＰＵは、たとえば、ＲＯＭに記憶されたプログラムを読み出して実行することによって機能する。

制御部５３は、取得部５３ａ、検出部５３ｂ、認識部５３ｃ、判定部５３ｄおよび送信部５３ｅを備える。取得部５３ａは、撮像部５２から画像情報を取得し、画像情報記憶部５４ａに格納する。また、取得部５３ａは、図示しない位置検出部（ＧＰＳモジュール）から自車両の位置情報を取得する。

また、取得部５３ａは、図示しないＧセンサから自車両に生じる加速度に関する加速度情報を取得する。たとえば、制御部５３は、取得部５３ａが取得した加速度情報が示す加速度が所定値を超える場合、画像情報記憶部５４ａに記憶された画像情報を保護する。

検出部５３ｂは、画像情報からタクシーを停車させる対象ジェスチャーを行う対象者Ｇ（図２参照）を検出する。検出部５３ｂは、画像情報記憶部５４ａから画像情報を取得し、モデル情報記憶部５４ｂに記憶されたモデル情報を用いて、対象者Ｇを検出する。

まず、検出部５３ｂは、対象領域検出モデルを用いて、画像情報から対象領域を検出する。つづいて、検出部５３ｂは、体向き検出モデルを用いて、対象領域から車道を向いている人物を対象ジェスチャーの検出対象者として検出する。

つづいて、検出部５３ｂは、ジェスチャー検出モデルを用いて、検出対象者を対象として、対象ジェスチャーを検出する。そして、検出部５３ｂは、これら一連の処理によって、対象ジェスチャーを検出した場合に、当該対象ジェスチャーを行った人物を対象者Ｇとして検出する。

検出部５３ｂは、対象者Ｇを検出すると、たとえば、対象者Ｇの位置情報を算出し、算出した位置情報を含む対象者情報を認識部５３ｃへ渡す。

認識部５３ｃは、検出部５３ｂによって検出された対象者Ｇの周辺状況を認識する。たとえば、認識部５３ｃは、周辺状況として、タクシーの有無や、横断歩道の有無を認識する。

たとえば、認識部５３ｃは、撮像部５２から受け取った画像情報に対する機械学習を用いた画像処理によって、タクシーの有無を認識し、地図情報記憶部５４ｃに記憶された地図情報を参照し、対象者Ｇ周辺の横断歩道の有無を認識する。

また、この際、自車両情報記憶部５４ｆに記憶された自車両情報に基づき、自車両がタクシー車両Ｔである場合、認識部５３ｃは、自車両を対象者Ｇの周囲に存在するタクシーとして認識するようにしてもよい。

また、認識部５３ｃは、たとえば、画像情報に対する各種画像処理によって、対象者Ｇの属性因子（図４参照）を認識する。たとえば、認識部５３ｃは、対象者Ｇの荷物の有無や、対象者Ｇが成人（あるいは子供）か否かなどといった属性因子を認識する。

そして、認識部５３ｃは、これらの認識処理を終えると、認識結果に関する情報を判定部５３ｄへ渡す。

判定部５３ｄは、認識部５３ｃによって認識された周辺状況に基づき、検出部５３ｂによって検出された対象者Ｇが行った対象ジェスチャーがタクシーへの乗車を求めるジェスチャーである確度を判定する。

たとえば、判定部５３ｄは、判定基準記憶部５４ｅに記憶された判定基準を参照し、認識部５３ｃから受け取った認識結果に関する情報に基づいて、対象者Ｇが行った対象ジェスチャーがタクシーへの乗車を求めるジェスチャーである確度を判定する。たとえば、判定部５３ｄは、認識結果に関する情報と判定基準とを照合し、判定情報に応じた係数を乗算することで、確度を判定する。

そして、判定部５３ｄは、判定した確度が所定値を超える場合に、対象者Ｇがタクシーに乗る乗車意志を有していると判定し、当該確度が所定値以下である場合、対象者Ｇがタクシーに乗る乗車意志を有していないと判定する。

その後、判定部５３ｄは、乗車意志を有していると判定した対象者Ｇ、すなわち、見込み客に関する情報を送信部５３ｅに渡す。なお、判定部５３ｄは、確度について２値で判定するようにしてもよい。たとえば、判定部５３ｄは、対象者Ｇの周辺に横断歩道がある場合、対象者Ｇが取った対象ジェスチャーは横断歩道を渡るためのジェスチャーであるとし、確度を「０」として判定し、周辺にタクシーが走行している場合、対象者Ｇが取った対象ジェスチャーは当該タクシーへの乗車を求めるジェスチャーとして、確度を「１」と判定するようにしてもよい。

送信部５３ｅは、判定部５３ｄから受け取った見込み客に関する情報を乗員情報として管理装置１００へ送信する。たとえば、送信部５３ｅが送信する乗員情報には、見込み客である対象者Ｇの位置情報や、対象者Ｇに関する画像情報および対象者Ｇの周辺情報等が含まれる。

次に、図５を用いて、実施形態に係る管理装置１００の構成例について説明する。図５は、管理装置１００のブロック図である。管理装置１００は、通信部１１０と、制御部１２０と、記憶部１３０とを備える。

通信部１１０は、たとえば、例えばＮＩＣ（Network Interface Card）等によって実現される。通信部１１０は、所定の通信ネットワークに双方向通信可能に接続され、判定装置５０との間で情報の送受信を行う。

記憶部１３０は、たとえば、不揮発性メモリやデータフラッシュ、ハードディスクドライブといった記憶デバイスで構成される記憶部である。図５に示すように、記憶部１３０は、乗客情報データベース１３０ａ、稼働情報データベース１３０ｂおよび集計情報データベース１３０ｃを有する。

乗客情報データベース１３０ａは、各判定装置５０から送信される乗客情報を格納するデータベースである。図６は、乗客情報データベース１３０ａの一例を示す図である。図６に示すように、乗客情報データベース１３０ａは、たとえば、日時、車両ＩＤおよびエリア情報といった項目の情報を互いに対応付けて記憶する。

日時は、判定装置５０が見込み客を検出した日時を示す。車両ＩＤは、判定装置５０が搭載される各車両を識別するための識別子である。エリア情報は、判定装置５０がタクシーを探している対象者Ｇを検出したエリア（位置）に関する情報である。

図６の例では、日時「Ｔ１１」において、車両ＩＤ「Ｃ０１」で識別される車両に搭載された判定装置５０によって、エリア情報「ＡＲ１」で示されるエリアで、見込み客である対象者Ｇが検出されたことを示す。

図５の説明に戻り、稼働情報データベース１３０ｂについて説明する。稼働情報データベース１３０ｂは、各タクシー車両Ｔ（図１参照）の稼働情報を格納するデータベースである。たとえば、稼働情報データベース１３０ｂには、各タクシー車両Ｔの位置情報および賃走中、予約中、空車中などいった情報を格納する。

集計情報データベース１３０ｃは、乗客情報を集計した集計情報を格納するデータベースである。図７は、集計情報データベース１３０ｃの一例を示す図である。図７に示すように、たとえば、集計情報データベース１３０ｃは、エリア、日時、需要数などといった項目を互いに対応付けて記憶する。

エリアおよび日時は、それぞれ集計対象となるエリアおよび日時を示し、需要数は、対応するエリアおよび日時におけるタクシーの需要数を示す。すなわち、図７の例では、「ＡＲ１１」にて識別されるエリアにおいて、日時「Ｔ１１」におけるタクシーの需要数が「ＰＡ１１」であったことを示す。

図５の説明に戻り、制御部１２０について説明する。制御部１２０は、たとえば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ハードディスクドライブ、入出力ポートなどを有するコンピュータや各種の回路を含む。コンピュータのＣＰＵは、たとえば、ＲＯＭに記憶されたプログラムを読み出して実行することによって機能する。

図５に示すように、制御部１２０は、取得部１２０ａ、選択部１２０ｂ、集計部１２０ｄおよび生成部１２０ｅを備える。取得部１２０ａは、各車両に搭載された判定装置５０から送信される乗客情報を取得し、さらに、タクシー車両Ｔに搭載された判定装置５０から稼働情報を取得する。

また、取得部１２０ａは、乗客情報の取得毎に、取得した乗客情報を乗客情報データベース１３０ａに格納し、稼働情報の取得毎に、取得した稼働情報を稼働情報データベース１３０ｂに格納する。

選択部１２０ｂは、取得部１２０ａによって取得された乗客情報および稼働情報に基づいて、配車指示を出すタクシー車両Ｔを選択する。たとえば、選択部１２０ｂは、見込み客の位置情報およびタクシー車両Ｔの位置情報に基づき、配車指示を出すタクシー車両Ｔの絞り込みを行う。

つづいて、選択部１２０ｂは、絞り込み後のタクシー車両Ｔの稼働情報を参照し、稼働状況が見込み客に最も早く到達可能な空車中のタクシー車両Ｔを選択する。この際、選択部１２０ｂは、たとえば、乗客情報を送信した判定装置５０が搭載される車両がタクシー車両Ｔであり、かつ、空車である場合には、当該タクシー車両Ｔを選択するようにしてもよい。そして、選択部１２０ｂは、選択したタクシー車両Ｔに対して配車指示を行う。

集計部１２０ｃは、乗客情報を集計し、集計結果を集計情報データベース１３０ｃに格納する。たとえば、集計部１２０ｃは、所定の周期、あるいは、管理者による指示などに任意にタイミングで、乗客情報データベース１３０ａに格納された乗客情報を集計する。

たとえば、集計部１２０ｃは、たとえば、図７に示したように、エリア／日時単位で各エリアにおける各日時のタクシーの需要数を集計する。そして、集計部１２０ｃは、集計の結果、たとえば、エリアにおける現在の需要数が所定値を超えるか否かを判定し、需要数が所定値を超えるエリアがあれば、当該エリアに関する情報を選択部１２０ｂに対して渡す。

この場合、選択部１２０ｂは、集計部１２０ｃからエリアに関する情報を受け取ると、対応するエリアに対して配車指示を出すタクシー車両Ｔを選択し、配車指示を出す。これにより、効率的に配車指示を出すことができる。

生成部１２０ｄは、集計部１２０ｃによる集計結果に基づいて、予測情報を生成する。ここで、予測情報とは、エリア／日時単位で予測されるタクシーの需要に関する情報であり、たとえば、エリア／日時単位のタクシーに対する需要発生確率が含まれる。

たとえば、生成部１２０ｄは、集計部１２０ｃによる集計結果に対して、平均移動法などといった各種統計処理を行うことで、予測情報を生成する。生成部１２０ｄによって生成された予測情報は、たとえば、タクシー車両Ｔのドライバーや、各タクシー車両Ｔの配車計画を生成する配車計画システム（不図示）へ通知される。

これにより、たとえば、各タクシー車両Ｔのドライバーは、予測情報に基づき、効率よく営業を行うことができる。

次に、図８を用いて、実施形態に係る判定装置５０が実行する処理手順について説明する。図８は、判定装置５０が実行する処理手順を示すフローチャートである。

図８に示すように、判定装置５０は、画像情報の取得を開始すると（ステップＳ１０１）、対象領域である歩道領域の人物および体の向きを検出する（ステップＳ１０２）。つづいて、判定装置５０は、ステップＳ１０２の処理結果、条件を満たす該当者（検出対象者）が存在するか否かを判定する（ステップＳ１０３）。

判定装置５０は、該当者が存在すると判定した場合（ステップＳ１０３，Ｙｅｓ）、該当者による対象ジェスチャーを検出する（ステップＳ１０４）。つづいて、判定装置５０は、検出対象者のうち、対象ジェスチャーを行っている該当者が存在するか否かを判定する（ステップＳ１０５）。

判定装置５０は、ステップＳ１０５の判定において、該当者ありと判定した場合（ステップＳ１０５，Ｙｅｓ）、該当者の周辺状況を認識し（ステップＳ１０６）、認識結果に基づいて対象者Ｇによる対象ジェスチャーがタクシーへの乗車を求めるジェスチャーである確度を判定する（ステップＳ１０７）。

そして、判定装置５０は、処理を終了する。また、判定装置５０は、ステップＳ１０３およびステップＳ１０５の判定において、それぞれ該当者がいないと判定した場合には（ステップＳ１０３／ステップＳ１０５，Ｎｏ）、処理を終了する。

次に、図９および図１０を用いて、管理装置１００が実行する処理手順について説明する。図９および図１０は、管理装置１００が実行する処理手順を示すフローチャートである。

まず、図９を用いて、配車指示に関する処理手順について説明する。図９に示すように、管理装置１００は、各車両（一般車両Ｃおよびタクシー車両Ｔ）に搭載された判定装置５０から通知情報（乗員情報および／または稼働情報）を受信する（ステップＳ２０１）。

つづいて、管理装置１００は、通知情報の送信元がタクシーであるか否かを判定し（ステップＳ２０２）、送信元がタクシーであると判定した場合（ステップＳ２０２，Ｙｅｓ）、当該タクシーに乗客が乗車中か否かを判定する（ステップＳ２０３）。

また、管理装置１００は、ステップＳ２０２の判定において、送信元が一般車両Ｃであると判定した場合（ステップＳ２０２，Ｎｏ）、ステップＳ２０４の処理へ進む。管理装置１００は、ステップＳ２０３の判定において、タクシーに乗客が乗車中であると判定した場合（ステップＳ２０３，Ｙｅｓ）、周辺の空車タクシーを選択する（ステップＳ２０４）。

その後、管理装置１００は、ステップＳ２０４にて選択した空車タクシーに対して配車指示を出す（ステップＳ２０５）。そして、管理装置１００は、処理を終了する。また、管理装置１００は、ステップＳ２０３の判定において、送信元のタクシーが空車タクシーである場合には（ステップＳ２０３，Ｎｏ）、当該タクシーに対して見込み客を乗車させるようにピックアップ指示を出す（ステップＳ２０６）。

次に、図１０を用いて、管理装置１００による集計処理について説明する。図１０に示すように、管理装置１００は、エリア毎に日時毎の乗員情報を集計する（ステップＳ２１１）。

つづいて、管理装置１００は、直近にタクシーの需要が増加している需要増加エリアが存在するか否かを判定する（ステップＳ２１２）。管理装置１００は、直近に需要増加エリアがあると判定した場合（ステップＳ２１２，Ｙｅｓ）、当該エリアに向かうようにタクシーに対して配車指示を行う（ステップＳ２１３）。

また、管理装置１００は、ステップＳ２１２の判定において、直近に需要増加エリアがないと判定した場合には（ステップＳ２１２，Ｎｏ）、ステップＳ２１４の処理へ進み、エリア毎に日時毎の需要発生確率を算出する（ステップＳ２１４）。

その後、管理装置１００は、需要発生確率を含む予測情報を配車計画システムへ出力し（ステップＳ２１５）、処理を終了する。

上述したように、実施形態に係る判定装置５０は、撮影された画像情報を取得し、画像情報から対象ジェスチャーを行う対象者を検出し、対象ジェスチャーを行う前記対象者の周辺状況を認識し、認識した周辺状況に基づき、対象者による対象ジェスチャーがタクシーへの乗車を求めるジェスチャーである確度を判定する制御部を備える。したがって、実施形態に係る判定装置５０によれば、対象者Ｇによるタクシーの乗車意志を精度よく判定することができる。

さらなる効果や変形例は、当業者によって容易に導き出すことができる。このため、本発明のより広範な態様は、以上のように表しかつ記述した特定の詳細および代表的な実施形態に限定されるものではない。したがって、添付の特許請求の範囲およびその均等物によって定義される総括的な発明の概念の精神または範囲から逸脱することなく、様々な変更が可能である。

５０ 判定装置
５１ 通信部
５２ 撮像部
５３ 制御部
５３ａ 取得部
５３ｂ 検出部
５３ｃ 認識部
５３ｄ 判定部
５３ｅ 送信部
５４ａ 画像情報記憶部
５４ｂ モデル情報記憶部
５４ｃ 地図情報記憶部
５４ｄ 周辺状況記憶部
５４ｅ 判定基準記憶部
５４ｆ 自車両情報記憶部
１００ 管理装置
１２０ａ 取得部
１２０ｂ 選択部
１２０ｃ 集計部
１２０ｄ 生成部
１２０ｅ 生成部
１３０ａ 乗客情報データベース
１３０ｂ 稼働情報データベース
１３０ｃ 集計情報データベース

Claims (10)

1. 撮影された画像情報を取得し、
   前記画像情報から対象ジェスチャーを行う対象者を検出し、
   前記対象ジェスチャーを行う前記対象者の周辺状況を認識し、
   認識した前記周辺状況に基づき、前記対象者による前記対象ジェスチャーがタクシーへの乗車を求めるジェスチャーである確度を判定する制御部を備える、
   判定装置。
2. 前記制御部は、
   前記周辺状況として、前記対象者の周辺に存在するタクシーを認識し、
   前記タクシーの有無に応じて、前記確度を判定する、
   請求項１に記載の判定装置。
3. 前記制御部は、
   前記周辺状況として、前記対象者の周辺に存在する横断歩道を認識し、
   前記横断歩道の有無に応じて、前記確度を判定する、
   請求項１に記載の判定装置。
4. 前記制御部は、
   前記周辺状況として、前記対象者の周辺に存在する特定の施設を認識し、
   前記特定の施設の有無に応じて、前記確度を判定する、
   請求項１に記載の判定装置。
5. 前記制御部は、
   前記画像情報から前記対象者の属性を認識し、
   前記属性に応じて、前記確度を判定する、
   請求項１に記載の判定装置。
6. 前記制御部は、
   前記画像情報から前記対象者の持ち物を認識し、
   前記持ち物に応じて、前記確度を判定する、
   請求項１に記載の判定装置。
7. 前記制御部は、
   判定した前記確度が所定値を超える場合に、前記対象者の存在をタクシーの配車システムへ通知する、
   請求項１に記載の判定装置。
8. 前記制御部は、
   車両で撮影された前記画像情報を取得し、当該車両がタクシーか否かに応じて、前記確度を判定する、
   請求項１に記載の判定装置。
9. 請求項１に記載の判定装置と、
   前記判定装置によって判定された前記確度が所定値を超える前記対象者に関する情報を集約して管理する管理装置と
   を備える、管理システム。
10. コンピュータが実行する判定方法であって、
    撮影された画像情報を取得し、
    前記画像情報から対象ジェスチャーを行う対象者を検出し、
    前記対象ジェスチャーを行う前記対象者の周辺状況を認識し、
    認識した前記周辺状況に基づき、前記対象者による前記対象ジェスチャーがタクシーへの乗車を求めるジェスチャーである確度を判定する、
    判定方法。

Images