JP2023542356A - 降水感知センサを有する装置のための降水率のスケーリングおよび統計的調整 - Google Patents

Abstract

降水感知センサを有する装置のための降水率のスケーリングおよび統計的調整のためのシステム（１００）。システム（１００）は、領域の区域について降水率を提供するよう構成される気象情報ステーション（１２０）と、気象情報ステーション（１２０）と通信するプロセッサ（１３０）とを備える。プロセッサ（１３０）は、領域の区域の降水率を取得し、降水率の少なくとも２つの気候学的メトリクス間の気候学的メトリクス関係を判断し、降水率の少なくとも２つの運用メトリクス間の運用メトリクス関係を判断し、気候学的メトリクス関係を運用メトリクス関係と比較するよう構成される。プロセッサ（１３０）はまた、所定の超過率閾値に関連付けられる確率および所定の確率に関連付けられる超過率閾値のうちの少なくとも１つを判断するよう構成される。

Description

以下で説明する実施形態は、気象情報に関し、より詳細には、降水感知センサを有する装置のための降水率のスケーリングおよび統計的調整に関する。

背景
降水の量または率を測定および／または予測するための多くの異なる方法がある。各使用事例は、どの測定方法または予測方法が最も関連性があるかを判断する。しばしば、特定の方法は、空間または時間のいずれかにおいて積分することを伴う。例えば、気象レーダは、典型的には、１平方ｋｍなどの面積にわたって積分される、所与の空間位置で数分ごとに取得される秒スケールのサンプルを提供する。対照的に、雨量計は、１平方メートルより小さい面積にわたって測定するが、典型的には、測定値を提示する前に５～６０分にわたって積分する。これらのスケールおよび測定時間は、消費者に対する従来的な気象報告などのいくつかの使用事例に適し得る。

しかしながら、いくつかの使用事例は、局所的な（例えば、１００ｍ以内の）瞬間（例えば、約１０～６０秒以内である）降水率の信頼性のある推定値によって最良に対応される。局所的な瞬間降水率は、人の視点から見ると、「現在私に対してどれだけ激しく雨が降っているか」と等価である。歴史的には、瞬間的な降水率の気候学的推定値は、マイクロ波リンク上の停電百分率を計画する際に使用するために電気通信産業によって準備された。降水率の気候学的推定値は、典型的には、国際電気通信連合（ＩＴＵ）などの組織を通して、および学術文献において、入手可能である。電気通信規格は、１分間にわたり平均化された局所的な降水率である。

しかしながら、広い領域にわたる多数の場所に対して包括的な方法でリアルタイムで微細スケールの降水率およびそれらの変動を推定するための手段は、利用可能ではない。そのような降水率を測定するために利用可能な計器は非常に少なく、気象モデルは、かなり低減された空間的（複数ｋｍ）および時間的（概して１時間単位）スケールで動作する。加えて、そのような計器は、信頼性の問題に悩まされる場合があり、自動化された運転などの目的に適した充分な空間有効範囲を欠く場合がある。したがって、自動化された運転などの目的のために、広く利用可能な観測から導出される、降水率のスケーリングおよび統計的調整が必要とされている。

概要
降水感知センサを有する装置のための降水率のスケーリングおよび統計的調整のためのシステム。実施形態によれば、本システムは、領域の区域の降水率を提供するよう構成される気象情報ステーションと、気象情報ステーションと通信するプロセッサとを備える。プロセッサは、領域の区域の降水率を取得し、降水率の少なくとも２つの気候学的メトリクス間の気候学的メトリクス関係を判断し、降水率の少なくとも２つの運用メトリクス間の運用メトリクス関係を判断し、気候学的メトリクス関係を運用メトリクス関係と比較するよう構成される。プロセッサはまた、所定の超過率閾値に関連付けられる確率および所定の確率に関連付けられる超過率閾値のうちの少なくとも１つを判断するようにも構成される。

降水感知センサを有する装置のための降水率のスケーリングおよび統計的調整のための方法が提供される。一実施形態によれば、本方法は、領域の区域の降水率を取得することと、降水率の少なくとも２つの気候学的メトリクス間の気候学的メトリクス関係を判断することと、降水率の少なくとも２つの運用メトリクス間の運用メトリクス関係を判断することと、気候学的メトリクス関係を運用メトリクス関係と比較することとを含む。本方法は、所定の超過率閾値に関連付けられる確率および所定の確率に関連付けられる超過率閾値のうちの少なくとも１つを判断することをさらに含む。

局面
一局面によれば、降水感知センサを有する装置のための降水率のスケーリングおよび統計的調整のためのシステム（１００）は、領域の区域の降水率を提供するよう構成される気象情報ステーション（１２０）と、気象情報ステーション（１２０）と通信するプロセッサ（１３０）とを備える。プロセッサ（１３０）は、領域の区域の降水率を取得し、降水率の少なくとも２つの気候学的メトリクス間の気候学的メトリクス関係を判断し、降水率の少なくとも２つの運用メトリクス間の運用メトリクス関係を判断し、気候学的メトリクス関係を運用メトリクス関係と比較するよう構成される。プロセッサ（１３０）はまた、所定の超過率閾値に関連付けられる確率および所定の確率に関連付けられる超過率閾値のうちの少なくとも１つを判断するよう構成される。

好ましくは、少なくとも２つの気候学的メトリクスは、領域の区域の降水率の気候学的サンプルの最大値および平均値を含み、少なくとも２つの運用メトリクスは、領域の区域の降水率の運用サンプルの最大値および平均値を含む。

好ましくは、気候学的メトリクス関係は、領域の区域の降水率の気候学的サンプルの最大値と平均値との間の関係を含み、運用メトリクス関係は、領域の区域の降水率の運用サンプルの最大値と平均値との間の関係を含む。

好ましくは、所定の超過率閾値に関連付けられる確率および所定の確率は、領域の１つ以上の区域の最大降水率が所定の超過率閾値よりも大きい確率である。

好ましくは、プロセッサ（１３０）は、さらに、運用領域の空間スケールに対する領域の区域の降水率の空間スケール調整を実行するよう構成される。

好ましくは、プロセッサ（１３０）は、さらに、運用期間の時間スケールに対する領域の区域の降水率の時間スケール調整を実行するよう構成される。

好ましくは、超過率閾値は、車両内のセンサの最大降水率に基づく。
一局面によれば、降水感知センサを有する装置のための降水率のスケーリングおよび統計的調整のための方法であって、領域の区域の降水率を取得することと、降水率の少なくとも２つの気候学的メトリクス間の気候学的メトリクス関係を判断することと、降水率の少なくとも２つの運用メトリクス間の運用メトリクス関係を判断することと、気候学的メトリクス関係を運用メトリクス関係と比較することとを含む。本方法はまた、所定の超過率閾値に関連付けられる確率および所定の確率に関連付けられる超過率閾値のうちの少なくとも１つを判断することを含む。

好ましくは、少なくとも２つの気候学的メトリクスは、領域の区域の降水率の気候学的サンプルの最大値および平均値を含み、少なくとも２つの運用メトリクスは、領域の区域の降水率の運用サンプルの最大値および平均値を含む。

好ましくは、気候学的メトリクス関係は、領域の区域の降水率の気候学的サンプルの最大値と平均値との間の関係を含み、運用メトリクス関係は、領域の区域の降水率の運用サンプルの最大値と平均値との間の関係を含む。

好ましくは、所定の超過率および所定の確率に関連付けられる確率は、領域の１つ以上の区域の最大降水率が所定の超過率閾値よりも大きい確率である。

好ましくは、本方法は、さらに、運用領域の空間スケールに対する領域の区域の降水率の空間スケール調整を実行することを含む。

好ましくは、本方法は、さらに、運用期間の時間スケールに対する領域の区域の降水率の時間スケール調整を実行することを含む。

好ましくは、超過率閾値は、車両内のセンサの最大降水率に基づく。
図面の簡単な説明
すべての図面において、同じ参照番号は同じ要素を表す。図面は必ずしも縮尺通りではないことを理解されたい。

降水感知センサを有する車両のための降水率のスケーリングおよび統計的調整のためのシステム１００を示す。 センサの最大降水率を超過する確率の判断に部分的に基づいて制御システムを管理するよう構成される車両電子機器２００を示す。 メトリクスがどのように計算されてもよいかを示す図３００を示す。 センサの最大降水率を超過する確率を判断するためのフローチャート４００を示す。 観測される降水率値の空間スケール調整を示すチャート５００を示す。 相対的に長い測定積分時間から１０秒のセンサ測定積分時間までの時間スケール調整を示すチャート６００を示す。 最大降水率と平均降水率との間の気候学的メトリクス関係の確率分布を示すチャート７００を示す。 自動化された運転のための降水率のスケーリングおよび統計的調整のための方法８００を示す。

詳細な説明
図１～図８および以下の説明は、当業者に、降水感知センサを有する装置のための降水率のスケーリングおよび統計的調整の最良の形態の実施形態をどのように作成および使用するかを教示するための具体的な実施例を描写する。本発明の原理を教示する目的で、いくつかの従来の局面は簡略化または省略されている。当業者は、本記載の範囲内にあるこれらの実施例からの変形を理解するであろう。当業者は、以下に説明される特徴が、種々の方法で組み合わせられて、降水感知センサを有する装置のための降水率のスケーリングおよび統計的調整の複数の変形例を形成することができることを理解するであろう。その結果、以下に説明する実施形態は、後述する具体例に限定されるものではなく、特許請求の範囲およびその均等物によってのみ限定される。

図１は、降水感知センサを有する車両のための降水率のスケーリングおよび統計的調整のためのシステム１００を示す。図１に示されるように、システムは、気象ステーション１１０と、入力気象予測モデル１１５と、気象情報ステーション１２０とを含む。図１に示すように、気象ステーション１１０と気象情報ステーション１２０とは通信可能に結合されている。気象情報ステーション１２０は、気象ステーション１１０によって提供される定点観測データを受信するよう構成されてもよい。加えて、または代替的に、気象情報ステーション１２０は、１つ以上の他の気象ステーションによって提供される定点観測データおよび１つ以上の他の入力気象予測モデルからのモデルデータを受信するよう構成されてもよい。

図１に示すように、システム１００はまた、気象情報ステーション１２０と通信可能に結合されるプロセッサ１３０を含む。図１に示すように、プロセッサ１３０は気象情報ステーション１２０とは別個であるが、プロセッサ１３０は気象情報ステーション１２０の一部であってもよい。システム１００は、気象ステーション１１０を含むものとして示されているが、システム１００は、気象情報ステーション１２０およびプロセッサ１３０から構成されてもよい。プロセッサ１３０は、１つ以上の気象予測モデルに対して後処理を実行するよう構成されてもよい。より具体的に、プロセッサ１３０は、以下でより詳細に説明されるように、センサの降水率閾値を超過する確率を判断するよう構成されてもよい。

システム１００はまた、プロセッサ１３０と通信可能に結合される車両１４０を含んでもよい。図示されていないが、車両１４０は、代替的または追加的に、データを受信または送信するために気象情報ステーション１２０に通信可能に結合されてもよい。例えば、プロセッサ１３０が気象情報ステーション１２０の一部である場合、車両１４０は気象情報ステーション１２０と通信可能に結合されてもよい。車両１４０によって提供されるデータは、モバイル観測データであってもよい。車両１４０はまた、モバイル観測データを提供することが可能な任意の装置を表してもよい。

気象ステーション１１０は、気象ステーション１１０またはその近傍の気象条件を判断するよう構成されてもよい。例えば、気象ステーション１１０は、気象センサ、例えば気圧計、雨量計センサ、無線検出および測距（ＲＡＤＡＲ）、風速計、湿度センサなどを含んでもよい。したがって、気象ステーション１１０は、定点観測データを提供するよう構成されてもよい。定点観測データは、気象情報ステーションが利用可能な複数の定点観測値を含んでもよい。

入力気象予測モデル１１５は、気象情報ステーション１２０に通信可能に結合されているものとして示されている。入力気象モデル１１５は、システムの一部など、システム１００を含む区域の気象予測モデルを含んでもよい。複数の入力気象予測モデル１１５が、気象情報ステーション１２０にデータを提供してもよい。

気象情報ステーション１２０は、気象ステーション１１０および／またはプロセッサ１３０から気象情報を受信、集約、分析、処理などしてもよい。例えば、気象情報ステーション１２０は、領域内の区域の降水率などの気象関連情報を気象ステーション１１０から受信してもよい。降水率は、例えば、関連付けられる空間スケールおよび時間スケールを有してもよい。例えば、気象ステーション１１０によって提供される降水率は、一般的に雨量計を用いて得られるものなどである相対的に大きい積分または蓄積時間（例えば、１時間）での相対的に小さい面積（例えば、１平方メートル）に対してでもよく、および／または例えば一般的に気象レーダを使用することによって得られるものなどである相対的に短い積分時間（例えば、５秒）での相対的に大きい面積（例えば、１６平方キロメートル）に対してでもよい。

気象情報ステーション１２０はまた、気象関連情報を気象ステーション１１０および／またはプロセッサ１３０に提供してもよい。例えば、気象情報ステーション１２０は、気象ステーション１１０が悪天候により適した調整を実行し得るように、悪天候に関する情報を気象ステーション１１０に提供してもよい。気象情報ステーション１２０は、プロセッサ１３０を含んでも含まなくてもよい。

プロセッサ１３０は、車両１４０とデータを交換するよう構成されてもよい。例えば、プロセッサ１３０は、車両１４０内のセンサに関連するデータを受信するよう構成されてもよい。図２を参照して以下でより詳細に説明するように、車両１４０は、気象情報ステーション１２０を介してプロセッサ１３０に車両内の１つ以上のセンサの最大降水率を提供してもよい。最大降水率は、車両１４０内のプロセッサが、他のセンサにもっと依存すること、車両１４０の速度および／または方向を調整すること、車両１４０の制御の少なくとも一部分を車両のオペレータに譲り渡すこと等の調整を実行する必要があるようにセンサが劣化する降水率であってもよい。

図２は、最大降水率を超過する確率の判断に部分的に基づいて制御システムを管理するよう構成される車両電子機器２００を示す。図２に示すように、車両電子機器２００は、車両制御システム２２０と通信可能に結合されるセンサシステム２１０を含む。車両制御システム２２０は、車両処理システム２３０に通信可能に結合される。車両処理システム２３０は、アンテナ２３０ａに通信可能に結合される車両処理システム送受信機２３０ｔを含むものとして示されている。車両制御システム２２０はまた、複数の車両制御装置２４０にも通信可能に結合される。

センサシステム２１０は、センサプロセッサ２１４に通信可能に結合される複数のセンサ２１２から構成されるものとして図２に示される。図２に示すように、複数のセンサ２１２は、カメラ２１２ｃと、光検出および測距センサ（ＬＩＤＡＲ）２１２ｌと、レーダ検出および測距センサ（ＲＡＤＡＲ）２１２ｒと、全地球測位システムセンサ（ＧＰＳ）２１２ｇと、車両センサ２１２ｖとから構成される。より多いまたはより少ないセンサが用いられてもよい。例えば、代替的なセンサシステム２１０は、ＬＩＤＡＲ２１２ｌおよび／またはＲＡＤＡＲ２１２ｒを用いなくてもよい。加えて、または代替として、図２に示されない他の装置が採用されてもよい。

カメラ２１２ｃ、ＬＩＤＡＲ２１２ｌ、およびＲＡＤＡＲ２１２ｒは、図１に関して説明した車両１４０などの車両の周囲の物体に関連するセンサ信号を検出および提供するよう構成されてもよい。すなわち、カメラ２１２ｃ、ＬＩＤＡＲ２１２ｌ、およびＲＡＤＡＲ２１２ｒは、交通センサ、障害物センサなどと呼ばれてもよい。例えば、カメラは、車両の周囲の歩行者、他の車両、自転車などの潜在的な障害物を検出するよう構成されてもよい。カメラはまた、信号機、停止標識、車線標示、道路建設障壁等の交通制御物体を検出するよう構成されてもよい。ＬＩＤＡＲおよび／またはＲＡＤＡＲも、同様に、物体および／または交通制御物体を検出するよう構成されてもよい。車両の環境に関するまたは車両の環境に関連する他の物体、信号なども検出されてもよい。

車両センサ２１２ｖは、スロットル位置センサ、加速度計、制動力センサなど、車両の状態に関連するセンサ信号を検出および提供するよう構成されるセンサであってもよい。車両の状態は、車両の位置、速度、および／または加速度に関連する状態を含み得る。車両の状態はまた、車両の制御装置の位置を含んでもよい。したがって、車両センサ２１２ｖは、たとえば、物体に衝突することを回避するために制動力がいつ適用されてもよいか、所望の時間枠内である速度に達するために必要とされる加速度の量などを判断するために、車両の状態に関するセンサ情報を提供してもよい。

センサプロセッサ２１４は、複数のセンサ２１２によって提供されるセンサ信号を受信および処理するよう構成されてもよい。例えば、センサプロセッサ２１４は、例えば車両センサ２１２ｖからのセンサ信号をフィルタリングおよびバッファリングするよう構成されてもよい。一例では、センサプロセッサ２１４は、加速度計によって提供されるセンサ信号を処理して、ノイズを除去し、ドリフトおよびバイアスなどのデータ不規則性を平滑化し、過渡加速度事象を検出および特徴付け、複数の加速度センサ信号に対して平均化またはバイアス分析を実行するなどしてもよい。例えば、車両は、静止している間、ゼロ側方加速度を有する傾向があり、これは、加速度計間の相対加速度バイアスを判断するために使用され得る。

センサプロセッサ２１４はまた、カメラ２１２ｃ、ＬＩＤＡＲ２１２ｌ、および／またはＲＡＤＡＲ２１２ｒによって取得された画像に対して処理を実行してもよい。たとえば、センサプロセッサ２１４は、交通信号機などの物体を検出するために、カメラ２１２ｃによって提供されるセンサ信号に対して物体認識アルゴリズムを実行するよう構成されてもよい。センサプロセッサ２１４はまた、カメラ２１２ｃ、ＬＩＤＡＲ２１２ｌ、および／またはＲＡＤＡＲ２１２ｒによって提供されるセンサ信号を相関させてもよい。例えば、ＬＩＤＡＲ２１２ｌは、交通信号を検出し、信号機に関する情報を含むセンサ信号を提供するよう構成されてもよい。センサプロセッサ２１４は、カメラ２１２ｃによって提供されるセンサ信号内の検出された物体が信号機であることを確認するために、カメラ２１２ｃおよびＬＩＤＡＲ２１２ｌによって提供されるセンサ信号を比較し、それらに対して冗長物体認識アルゴリズムなどを実行するよう構成されてもよい。センサプロセッサ２１４はまた、例えば、検出された物体のＬＩＤＡＲ２１２ｌに対する位置を判断するためにＬＩＤＡＲ２１２ｌを使用し得る空間判断アルゴリズムを実行し得る。

センサプロセッサ２１４はまた、センサ２１２を制御する１つ以上の制御信号を提供するよう構成されてもよい。例えば、センサプロセッサ２１４は、カメラ２１２ｃに信号を提供して、カメラ２１２ｃのＩＳＯ設定を増加または減少させて、カメラ２１２ｃの光に対する感度を増加または減少させてもよい。加えて、または代替として、センサプロセッサ２１４は、物体を感知するＬＩＤＡＲ２１２ｌの能力を改善または最適化するように、例えば、ＬＩＤＡＲ２１２ｌ内のレーザの電力レベルを増加または減少させるように構成されてもよい。カメラ２１２ｃ、ＬＩＤＡＲ２１２ｌ、およびＲＡＤＡＲ２１２ｒが物体を検出する能力の改善または最適化をもたらす他の構成が、センサプロセッサ２１４によって制御されてもよい。

物体を感知するカメラ２１２ｃ、ＬＩＤＡＲ２１２ｌ、および／またはＲＡＤＡＲ２１２ｒの能力は、カメラ２１２ｃ、ＬＩＤＡＲ２１２ｌ、および／またはＲＡＤＡＲ２１２ｒの好適な構成によって改善または最適化されてもよい。好適な構成は、例えば、センサ信号内のノイズを低減し、ダイナミックレンジを増加させ、ならびに／またはカメラ２１２ｃ、ＬＩＤＡＲ２１２ｌ、および／もしくはＲＡＤＡＲ２１２ｒのコントラストを最適化してもよい。例示的な状況では、周囲照明が低減され、降水がＬＩＤＡＲ２１２ｌから放出されるレーザビームを散乱させ得る悪天候条件中に、センサプロセッサ２１４によって提供される制御信号は、カメラ２１２ｃのＩＳＯ設定を増加させ、ＬＩＤＡＲ２１２ｌから放出されるレーザビームの出力を最適化してもよい。

センサプロセッサ２１４は、センサ２１２によって提供されるセンサ信号を処理して、センサ情報を提供してもよい。例えば、センサプロセッサ２１４は、カメラ２１２ｃおよびＬＩＤＡＲ２１２ｌによって提供されたセンサ信号を処理して、車両に対する信号機の位置に関するセンサ情報を判断してもよい。加えて、または代替として、センサプロセッサ２１４は、センサプロセッサ２１４によってセンサ２１２のうちの１つに送信されるコマンド信号に基づくセンサ情報を提供するよう構成されてもよい。センサプロセッサ２１４はまた、センサ２１２のうちの１つ以上の状態を反映するセンサ情報を受信および提供してもよい。たとえば、センサプロセッサ２１４は、カメラ２１２ｃのＩＳＯ設定を提供するよう構成されてもよい。したがって、センサプロセッサ２１４は、車両制御システム２２０にセンサ情報を提供するよう構成されてもよい。

車両制御システム２２０は、センサシステム２１０からのセンサ情報を受信および処理して、車両の位置、速度、および／または加速度を制御するよう構成されてもよい。車両制御システム２２０は、車両のための自律的、半自律的、または部分的に自動化された制御システムであってもよい。例えば、車両制御システム２２０は、自動車技術者協会（ＳＡＥ）によって定義される車両自律性のレベル１～５のうちの１つ、いくつか、またはすべてに必要な処理を実行するよう構成されてもよい。レベル１では、車両は、例えば、操舵、制動、加速（経済速度走行制御）等のための支援を提供する、最小自動化を有してもよい。レベル５では、車両制御システム２２０は、運転者からの入力なしで車両を完全に制御してもよい。車両制御システム２２０は、センサシステム２１０からのセンサ情報を処理して、車両の運転の一部またはすべてを自動化してもよい。

したがって、車両制御システム２２０は、センサ情報を処理して車両制御装置２４０への入力を判断するよう構成されてもよい。例えば、車両制御システム２２０は、車両センサ２１２ｖによって提供される車両の速度、制動、加速度などを処理して、例えば、速さ（すなわち、速度の大きさ）を増加または減少させる必要があり得る、と判断してもよい。加えて、または代替として、車両制御システム２２０はまた、ハンドル軸の角度位置が、例えば、物体との衝突を回避する位置にあるべきである、と判断してもよい。車両の加速度、速度、操舵などに関連する変数の他の値も処理されてもよい。

車両制御システム２２０はまた、以下でより詳細に説明するように、車両処理システム２３０から気象関連情報を受信するよう構成されてもよい。車両制御システム２２０は、気象関連情報に基づいてセンサ情報に対する処理を実行し得る。例えば、車両制御システム２２０は、道路状態が滑り易そうであると判断してもよく、複数の車両制御装置２４０に対する加速および／または減速の制約を調整してもよい。

図２に示すように、複数の車両制御装置２４０は、操舵２４０ｓ、スロットル２４０ｔ、制動２４０ｂ、ワイパー２４０ｗ、および灯火２４０ｌの制御装置からなるが、より多くのまたはより少ない制御装置を用いてもよい。図から分かるように、車両制御システム２２０は、複数の車両制御装置２４０の各々と通信可能に結合される。操舵２４０ｓ装置は、車両のハンドル軸の一部である角度位置制御装置、車両の車軸および車輪に機械的に結合されるアクチュエータなどの、ハンドル軸の一部ではないアクチュエータであってもよいが、車両の方向を制御し得る任意の適切な制御装置を使用してもよい。スロットル２４０ｔ装置は、車両のエンジン出力を制御するよう構成されてもよい。エンジンは、電気もしくは内燃ベースのエンジン、これら２つのハイブリッドエンジン、または車両の速度を増加および／または減少させる動力を提供し得る任意の他の適切なエンジンであってもよい。制動２４０ｂ装置は、流体作動式ブレーキキャリパなどの、車両の車輪に機械的に結合されるアクチュエータであってもよいが、エネルギー回収装置、電気作動式キャリパなどの、車両の速度を低下させ得る任意の好適な制御装置を使用し得る。ワイパー２４０ｗ装置は、車両のフロントガラスなどの車両上の降水の除去を制御する任意の適切な装置であってもよい。灯火２４０１装置は、車両の外部ライトなどの光の輝度、幅、および／または方向を制御することができる任意の適切な装置であってもよい。

車両処理システム２３０は、アンテナ２３０ａから車両処理システム送受信機２３０ｔを介して気象関連情報を受信するよう構成されてもよい。アンテナ２３０ａは、例えば気象情報ステーション１２０から気象関連情報を受信するよう構成されてもよい。気象情報ステーション１２０は、現在の気象条件および予測される気象条件を含む任意の適切な気象関連情報を提供してもよい。気象情報は、気象条件の実際の気象条件測定値、気象条件の推定値、気象ステーション１１０によって提供される気象条件測定値の補正などであってもよい。気象関連情報は、プロセッサ１３０によって判断、生成、計算等され、プロセッサ１３０によって気象情報ステーション１２０に提供されてもよい。気象関連情報は、気象情報ステーション１２０によって、アンテナ２３０ａおよび車両処理システム送受信機２３０ｔを介して、車両処理システム２３０に提供されてもよい。

車両処理システム２３０に提供される気象関連情報は、図１を参照して説明した車両１４０などの車両またはその近傍における降水率が１つ以上の値よりも大きくなり得る確率を含んでもよい。降水率を超過し得る確率は、センサの最大降水率を超過する確率を判断するために使用され得る。したがって、プロセッサ１３０および／または車両処理システム２３０は、センサの最大降水率を超過する確率を判断してもよい。センサは、上述のセンサシステム２１０のセンサ２１２のうちの１つ以上であってもよいが、任意の好適なセンサの最大降水率が使用されてもよい。

以下でより詳細に説明するように、メトリクスは、降水感知センサを有する装置のために降水率の空間スケーリング調整または時間スケーリング調整などのスケーリング調整および統計的調整を実行するために計算されてもよい。例えば、気候特性メトリクスは、降水率の気候特性サンプルから計算されてもよく、これらの気候特性メトリクスは、自動車両、表面走査機器、測量機器等の、降水感知センサを有する装置のために降水率を統計的に調整するために使用されてもよい。

図３は、メトリクスがどのように計算されてもよいかを示す図３００を示す。図３に示すように、図３００は、領域３１０を含み、領域３１０は、領域３１０を分割する区域３１０ａを含む。各区域３１０ａは、対応する平均降水率を有し、それは、観測によって判断されるか、または予想される観測に対応するように計算されてもよい。各区域３１０ａの平均降水率は、測定積分時間と呼ばれてもよい、ある期間にわたって、降水値を累積することによって、判断されてもよい。

区域３１０ａおよび時間的に後続の区域３１０ａ’は、約１平方キロメートルの物理的寸法を有してもよいが、任意の好適な寸法および／または単位が採用されてもよい。したがって、領域３１０および時間的に後続の領域３１０’は、４キロメートル×４キロメートル（ｋｍ）または１６平方キロメートル（ｓｑ－ｋｍ）の面積を有してもよい。領域３１０および時間的に後続の領域３１０’の降水率の値は、たとえ１時間とは異なる平均化（累積または積分）期間について測定または計算されたとしても、ミリメートル毎時（ｍｍ／時）の単位であるが、任意の適切な単位が使用されてもよい。

また、領域３１０と同じ空間寸法を有するが、領域３１０とは異なる平均降水率を有する、時間的に後続の区域３１０ａ’を有する時間的に後続の領域３１０’も示されている。時間的に後続の領域３１０’の平均降水率を計算するために使用される測定積分時間は、領域３１０の平均降水率を計算するために使用される測定積分時間とは異なる。すなわち、２つの測定積分時間は、同じスパンを有してもよいが、異なる時間における時間である。図３００はまた、領域３１０内の関心領域３２０に近接する４つの区域３１０ａから構成される領域３１０のサブ領域３１２と、時間的に後続の領域３１０’内の関心領域３２０に近接する４つの時間的に後続の区域３１０ａ’から構成される時間的に後続のサブ領域３１２’とを含む。

上述のように、区域３１０ａおよび時間的に後続の区域３１０ａ’は、それぞれ、領域３１０および時間的に後続の領域３１０’を分割する。その結果、区域３１０ａと時間的に後続の区域３１０ａ’とは、それぞれ互いに隣接し、連続している。領域３１０および時間的に後続の領域３１０’は、均一な４×４の立方区域３１０ａおよび時間的に後続の区域３１０ａ’の構成を有するものとして示されているが、不均一な区域などの任意の好適な構成が採用されてもよいが、他の代替的な区域も互いに隣接し、連続してもよい。

したがって、領域３１０および時間的に後続の領域３１０’は、それぞれ、天候に対してほぼエルゴード的であってもよい。すなわち、例えば、区域３１０ａの１つにおける降水率の時系列は、一定期間にわたる周囲の区域３１０ａの集合と同じ統計を有してもよい。例えば、ある固定された場所に立っている人は、領域３１０内の異なる区域３１０ａにわたって広がる人々のグループが１時間の間の一瞬において測定するであろうのとほぼ同じ範囲の降水率をその１時間にわたって測定することになる。これは、気象セルが領域３１０を通って移動し、空間および時間の両方に変動性を引き起こすことに起因し得るが、概して、領域３１０内の異なる区域３１０ａにおいて降水率の同じ分布特徴付けをもたらす。

図から分かるように、領域３１０と時間的に後続の領域３１０’とは時間的に５分離れている。区域３１０ａおよび時間的に後続の区域３１０ａ’に示される平均降水率は、５分離れた異なる時間にとられた測定積分時間にわたって判断されてもよい。例えば、区域３１０ａの平均降水率は、示されるように、１分の期間にわたって平均化されてもよいが、任意の好適な測定積分時間が採用されてもよい。

理解され得るように、領域３１０の区域３１０ａおよび時間的に後続の領域３１０’の時間的に後続の区域３１０ａ’の平均降水率にはいくつかの制限があり得る。例えば、不完全なサンプリングがあり得る。観測は、しばしば非常に可変である降水率の小さな時空サンプルを提供する。観測区域内のピークレートを推定するために、数百個または数千個のサンプルを有することが好ましいであろう。これは、降水率の分布関数を特徴付け、観測値のいずれよりもさらに大きくなり得る潜在的なピークレートを正確に評価することを可能にする。この場合、我々は１６の観測値しか有さず、分布関数、およびその最大尤度値が何であるかを推定するのに、最善を尽くさなければならない。空間スケーリングに関連する制限もあり得る。平均降水率は１ｓｑ－ｋｍにわたるが、我々は、約１００平方メートル（ｓｑ－ｍ）程度の小さい空間スケールにわたって生じるかもしれない降水率を探求する。時間スケーリングに関連する制限もあり得る。領域３１０および時間的に後続の領域３１０’の平均降水率は、１０分にわたる平均を表すが、我々は、約１０～６０秒スケールで変動し得る降水率を探求する。

この問題に対処するために、我々は、はるかにより大きいサンプルサイズを有する気候学的サンプルを使用して、降水率に関連付けられる確率を計算し得る。例えば、観測値は、上述の気象情報ステーション１２０などの気象情報ステーションによって受信されると、アーカイブに記憶されてもよい。したがって、アーカイブは、レーダデータを含む履歴データを含んでもよい。この履歴データは、領域３１０の気候学的サンプルの基礎であってもよい。この気候学的サンプルから、様々な統計的メトリクスが、予め定義されたサンプル基準に対して計算されてもよい。そのサンプル基準は、例えばレーダデータが利用可能な領域３１０であってもよい。計算は、領域３１０（または他の領域）のすべてに対して、またはサブ領域３１２などの、領域３１０のより小さいグループに対して、行われ得る。例えば、関心領域３２０によって表される関心都市に対応してもよいサブ領域３１２。統計的メトリクスは、例えば、図３に示す領域３１０などの領域ごとの平均値、最大値、および／または分散、ならびに運用時間枠よりもむしろなんらかの気候学的時間枠にわたって計算される差分または比率などの変数の関係を含み得る。メトリクスは、潜在的に、季節または他の気候学的要因によって別々に計算されてもよい。

以下により詳細に説明されるように、気候特性サンプルは、局所的かつ瞬時の降水率を計算するために使用されなくてもよく、むしろ所与の降水率に関連付けられる確率を判断するために使用されてもよい。例えば、降水率が、５分の測定積分時間中に１００ｓｑ－ｍの面積にわたって１００ｍｍ／時の、超過率閾値と呼ばれる選択された降水率を超過する確率を計算してもよい。この確率は、超過率確率と呼ばれてもよい。この超過率確率は、例えば、上述のセンサ２１２などの車両のセンサが５分の測定積分時間中に適切に動作する確率を知ることに基づくかもしれない判断などの、様々な判断のために使用されてもよい。

したがって、気候特性サンプルから得られた気候特性メトリクス（平均値、最大値、および／または分散など）を、領域３１０の平均降水率などの観測値と組み合わせて使用して、超過率の確率を推定してもよい。すなわち、気候特性サンプルから得られた気候特性メトリクスは、降水率が超過率閾値を超過する確率、または領域３１０についての観測された値を所与として、確率が領域３１０内で超過率確率を上回る率を計算するために使用されてもよい。この推定は、リアルタイムで運用するよう行われてもよい。気候特性サンプルから得られた気候特性メトリクスと観測値との組合せは、以下で、およびその後図４～図７を参照して、より詳細に論じられるように、達成されてもよい。

サンプリング再構成が実行されてもよい。上述の領域３１０の区域３１０ａなどの、領域内の区域の観測された平均降水率について、その領域内の最大平均降水率は、定義上、平均降水率の平均値以上である。平均降水率の平均値を計算してもよい。領域３１０の区域３１０ａの平均降水率はまた、領域３１０の平均値降水率に関連付けられる平均降水率の変動性を判断するために１６個のサンプルを提供してもよい。平均降水率の最大値と平均値との間の差および／または比などの関係を計算することは、統計的に有意なサンプルサイズを有し得る気候特性からのメトリクスが使用される場合に実際の最大値が何であろうかの推定を提供してもよい。すなわち、平均降水率の平均値と最大値との間の関係は、気候学的データを用いた特徴付けに従う統計的分布を有してもよい。気候学的分布が特徴付けられると、その情報を使用して、領域の平均降水率を所与として実際の最大率の確率を推定し得る。これは、その面積内のより多くの位置で測定し得る場合に観測するであろう実際の最大値の確率を推定できることを意味する。

領域内における観測された分散は、例えば、それが、気候特性を使用して判断された分散と比較して大きいか小さいかに基づいて、この推定をさらに精緻化するために、使用され得る。例えば、領域の平均降水率の分散が低い場合と高い場合について、別々の気候特性メトリクスが計算されるかもしれない。この方法論の適用は、以下のような運用予測を可能にする。すなわち、領域の平均降水率の観測された平均値が２ｍｍ／時であり、分散が高い場合、領域内のどこかで５ｍｍ／時より大きい最大追加率（合計７ｍｍ／時）は、時間の５０％未満と予想されるかもしれず、１０ｍｍ／時より大きい最大追加率は、時間の５％未満と予想されるかもしれない。

空間スケール調整も実行されてもよい。気候特性から計算される空間的ダウンスケーリング関係を使用して、領域の、推定された最大率を、より小さい区域の率に関連付けることができる。この気候学的関係は、領域３１０およびサブ領域３１２によって示されるように、サブ領域または異なるサイズ（例えば、１ｓｑ－ｋｍ、４ｓｑ－ｋｍ、１６ｓｑ－ｋｍである）の領域にわたって平均率を比較し、より小さいスケールに外挿することによって、計算され得る。次いで、「外挿係数」（典型的にはわずかなパーセンテージ増加）が、サンプリング再構成ステップにおいて判断された推定される最大降水率に適用されてもよい。

時間スケーリング調整も実行されてもよい。気候特性から計算される時間的ダウンスケーリング関係は、任意の時間的積分の推定される最大率を、より短い測定積分時間に関係付けるために使用される。時間的ダウンスケーリング気候学的関係は、様々な測定積分時間にわたる平均降水率の平均値を比較し、より小さいスケールに外挿することによって計算され得る。次いで、「外挿係数」（典型的にはわずかなパーセンテージ増加）が、以前のステップで判断された推定される最大降水率に適用される。レーダ観測の特定のケースでは、サンプリングがすでに秒スケールで生じるので、このステップは必要とされないことがある。

この方法論またはシステムを使用して、現在の局所的な瞬間的な降水率の推定値が現在の観測値から得られ得る。将来の時間に対する局所的な瞬間的な降水率の推定値を判断するための予測のために、それらの観測値は、それらの予測される推定値によって置き換えられ、同じ方法論が辿られる。情報の忠実度を高めるために、この方法を使用して得られる降水率推定値は、国際電気通信連合（ＩＴＵ）規格または同様の方法論の下で開発されたものなどの気候特性予測に対して較正され得る。例示的な方法論を以下に記載する。

図４は、センサの最大降水率を超過する確率を判断するためのフローチャート４００を示す。図４に示すように、フローチャート４００は、降水データ４１０を取得することによって開始する。降水データ４１０は、例えば、気象ステーション１１０によって取得されてもよいが、任意の好適なステーションが採用されてもよい。フローチャート４００は、降水データに対して品質制御４２０を実行し、これは、降水データ内の既知の不良データを破棄すること、降水データ内のバイアスを補正することなどを含んでもよい。フローチャート４００は、品質管理４２０が降水データに対して実行された後に、オフラインプロセス４３０が降水データに対して実行されてもよいことを示す。図４に示されるように、オフラインプロセス４３０は、サンプリング不確実性について気候特性統計を計算すること４３０ａと、時間積分依存性について気候特性メトリクスを計算すること４３０ｂと、空間スケール依存性について気候特性メトリクスを計算すること４３０ｃとを含む。オフラインプロセスは、気候学的時間枠にわたって実行することができ、したがって、相対的に大きいサンプルサイズに起因して統計的に有意なメトリクスをもたらすことができる。降水データはまた、超過率閾値４８０を超過する確率４７０を提供するために、空間スケール調整４４０、時間スケール調整４５０、およびサンプリング調整４６０に提供されてもよい。

降水データ４１０は、図１を参照して上述した気象ステーション１１０などの１つ以上の気象ステーションによって取得されてもよい。降水データは、不正確であるデータを含む場合がある。例えば、実際の降水率は８０ｍｍ／時であるが、５０ｍｍ／時と誤って測定される場合がある。したがって、品質管理４２０は、不正確な降水データを検出および除去してもよい。品質管理４２０は、データを移動平均と比較すること、および移動データから閾値外にあるデータを削除することなど、不正確なデータを検出および除去するための任意の適切な方法を使用し得る。

上記で論じたように、降水データ４１０は、様々な空間スケールおよび時間スケールにわたって計算される降水率を含んでもよい。例えば、１０ｍｍ／時の降水率のＲＡＤＡＲ測定が、例えば５秒にわたって積分されてもよい。すなわち、５秒の測定積分時間の間、測定された降水率は１０ｍｍ／時であった。同様に、ＲＡＤＡＲは、例えば１ｓｑ－ｋｍの降水率に関連付けられる空間分解能を有してもよく、これは、領域内の区域の空間スケールよりもはるかに小さくてもよい。理解され得るように、降水データ４１０は、センサの最大降水率に関係があるように時間的および空間的にスケーリングされる必要がある場合がある。

この問題に対処するために、品質管理４２０によって提供される降水データ４１０は、オフラインプロセス４３０、ならびに空間スケール調整４４０、時間スケール調整４５０、およびサンプリング調整４６０に提供されるものとして示される。オフラインプロセス４３０は、複数年の期間にわたるような気候学的スケールで、および季節または月ごとのような気候学的ベースで、降水データの平均、最大、および分散のようなメトリクスを計算してもよい。例えば、オフラインプロセスは、数年にわたるデータを使用して、８月（気候学的ベース）の、上述の領域３１０のような領域の区域の降水率平均、最大値、および分散を計算してもよい。依拠される降水データのサンプルサイズのため、オフラインプロセス４３０によって計算されるメトリクスは統計的に有意であってもよい。

次いで、オフラインプロセス４３０によって計算されたメトリクスを空間スケール調整４４０、時間スケール調整４５０、およびサンプリング調整４６０に提供して、出力が統計的に有意でありかつ「運用可」であるかまたは車両に関する現在の状態に関連することを保証してもよい。

図４に示すように、空間スケール調整４４０は、空間スケール依存性に関して、計算された気候学的メトリクス４３０ｃを受信し、例えば、図３を参照して説明した関心領域３２０などの関心領域の空間スケールを調整し得る。関心領域の空間スケールは、約１２５ｓｑ－ｍであってもよい。関心領域の空間スケールは、例えば、図２を参照して説明されるＬＩＤＡＲ２１２ｌによって物体が検出可能である面積であってもよい。上述のように、ＬＩＤＡＲ２１２ｌは、関心領域に対して最大降水率を有し得る。すなわち、関心領域に対する実際の降水率がＬＩＤＡＲ２１２ｌの最大降水率よりも大きい場合、ＬＩＤＡＲ２１２ｌの性能は低下し得る。関心領域の空間スケール調整４４０は、図５を参照して以下でより詳細に説明される。

時間スケール調整４５０は、時間積分依存性に関して、計算された気候学的メトリクス４３０ｂを受信し、例えば、図３を参照して説明される関心領域３２０等の関心領域の時間スケールを調整し得る。関心領域の時間スケールは１０秒としてもよいが、任意の適切な時間スケールを使用してもよい。関心領域の時間スケールは、ＬＩＤＡＲ２１２ｌの最大降水率が指定される測定積分時間であってもよい。例えば、ＬＩＤＡＲ２１２ｌは、１０秒の積分間隔に対して指定される１０ｍｍ／時の最大降水率を有してもよい。言い換えれば、ＬＩＤＡＲ２１２ｌの性能は、１０秒間隔にわたって積分することによって判断される実際の降水率がＬＩＤＡＲ２１２ｌの最大降水率未満である場合に、充分であってもよい。時間スケール調整４５０は、図６を参照して以下でより詳細に説明される。

引き続き図４を参照すると、サンプリング調整４６０は、サンプリング不確実性について気候特性統計を計算すること４３０ａの、オフラインプロセス４３０の結果を使用してもよい。より具体的には、サンプリング調整４６０は、ある測定面積および間隔の、推定される最大降水率値を使用して、降水率が超過率閾値を超え得る確率を判断し得る。

図５は、観測される降水率値の空間スケール調整を示すチャート５００を示す。図５に示されるように、チャート５００は、観測される降水率軸５１０および予想される降水率軸５２０を含み、これらはｍｍ／時の単位であるが、任意の適切な単位が使用されてもよい。チャート５００はまた、測定面積関係５３０を含む。測定面積関係５３０は、観測される降水率測定面積について算出された観測される降水率値を、最大降水率測定面積について算出された予想される最大降水率と関係付ける。測定面積関係５３０は、１６ｓｑ－ｋｍの測定面積のプロット５３０ａ、１ｓｑ－ｋｍの測定面積のプロット５３０ｂ、および１２５ｓｑ－ｍの測定面積のプロット５３０ｃから構成される。

１６ｓｑ－ｋｍの測定面積のプロット５３０ａおよび１ｓｑ－ｋｍの測定面積のプロット５３０ｂは、１２５ｓｑ－ｍの測定面積のプロット５３０ｃに対してスケーリングされる。すなわち、１２５ｓｑ－ｍの測定面積のプロット５３０ｃは、観測される降水率値と予想される最大降水率値との間の基準関係である。１２５ｓｑ－ｍの測定面積のプロット５３０ｃは、観測される降水率値が瞬間降水率値であると仮定する。したがって、観測される降水率値と予想される降水率値との間には１対１の関係がある。したがって、１２５ｓｑ－ｍの測定面積のプロット５３０ｃは、最高空間分解能測定面積と見なしてもよく、したがって、１２５ｓｑ－ｍの測定面積内には最大降水率はあり得ない。

上述のように、１６ｓｑ－ｋｍの測定面積のプロット５３０ａは、１２５ｓｑ－ｍの測定面積のプロット５３０ｃに対してスケーリングされる。したがって、１２５ｓｑ－ｍの測定面積のプロット５３０ｃとは対照的に、１６ｓｑ－ｋｍの測定面積のプロット５３０ａは、１６ｓｑ－ｋｍの測定面積にわたって平均化したときに最大降水率が起こったらしいことを示す。１６ｓｑ－ｋｍの測定面積のプロット５３０ａによれば、予想される最大降水率値は、１６ｓｑ－ｋｍの測定面積について判断された観測される降水率値よりも大きい。例えば、１６ｓｑ－ｋｍの測定面積にわたって平均された観測される降水率が２０ｍｍ／時である場合、１６ｓｑ－ｋｍの測定面積のプロット５３０ａは、１６ｓｑ－ｋｍ測定内の１２５ｓｑ－ｍの測定面積が３６ｍｍ／時の最大降水率を有することを示す。以下で説明するように、時間スケーリングも実行され得る。

図６は、相対的に長い測定積分時間から１０秒のセンサ測定積分時間までの時間スケール調整を示すチャート６００を示す。図６に示されるように、チャート６００は、観測される降水率軸６１０および予想される降水率軸６２０を含み、これらはｍｍ／時の単位であるが、任意の適切な単位が用いられ得る。チャート６００はまた、測定積分時間関係６３０も含む。測定積分時間関係６３０は、観測される降水率測定積分時間において計算された観測される降水率値を、予想される降水率間隔で計算された予想される降水率と関係付ける。測定積分時間関係６３０は、１時間の測定積分時間のプロット６３０ａと、１０分の測定積分時間のプロット６３０ｂと、１０秒の測定積分時間のプロット６３０ｃとからなる。

１時間の測定積分時間のプロット６３０ａおよび１０分の測定積分時間のプロット６３０ｂは、１０秒の測定積分時間のプロット６３０ｃに対してスケーリングされる。すなわち、１０秒測定積算時間のプロット６３０ｃは、観測される降水率値と予想される降水率値との基準関係である。１０秒の測定積分時間のプロット６３０ｃは、観測される降水率値が瞬間降水率値であると仮定する。したがって、観測される降水率値と予想される降水率値との間には１対１の関係がある。したがって、１０秒の測定積分時間のプロット６３０ｃは、最も高い時間分解能測定積分時間と見なしてもよく、したがって、１０秒の測定積分時間内には最大降水率はあり得ない。

上述のように、１０分の測定積分時間のプロット６３０ｂは、１０秒の測定積分時間のプロット６３０ｃに対してスケーリングされる。したがって、１０秒の測定積分時間のプロット６３０ｃとは対照的に、１０分の測定積分時間のプロット６３０ｂは、１０分の測定積分時間の間に最大瞬間降水率が起こったらしいことを示す。１０分の測定積分時間のプロット６３０ｂによれば、予想される最大瞬間降水率値は、１０分の測定積分時間を使用して判断された観測される降水率値よりも大きい。

例えば、雨量計が１０分にわたって平均（累積）することによって降水率を測定しており、雨量計は３０ｍｍ／時の降水率を報告しているとする。実際の瞬間降水率は、１０分の測定積分時間中に変動し得、したがって、最大瞬間降水率は、１０分の測定積分時間中に生じ得る。測定積分時間関係６３０は、１０分の測定積分時間に基づく観測される降水率値を、１０分の測定積分時間中の予想される最大瞬間降水率値にスケーリングするために使用され得る。より具体的には、１０分の測定積分時間のプロット６３０ｂを用いて、１０秒の測定積分時間に基づく約３６ｍｍ／時の最大降水率が、３０ｍｍ／時の観測された積分降水率値の１０分の測定積分時間内に起こったらしいことを判断し得る。

図７は、最大降水率と平均降水率との間の気候学的メトリクス関係の確率分布を示すチャート７００を示す。図７に示されるように、チャート７００は、０から気候学的最大値Ｃｍａｘまでの範囲のビンを含むビン軸７１０を示すが、任意の好適な範囲が採用されてもよい。チャート７００はまた、相対発生の気候特性軸７２０を含み、これは発生の総数の百分率である。０～１００パーセントの範囲の累積百分率軸７３０も示されており、これは０～１００パーセントの確率分布７４０の累積を表す。チャート７００はまた、複数のビンを含む確率分布７４０と累積確率分布７５０とを含む。

確率分布７４０は、上述の関心領域３２０などの区域または領域を表してもよい。すなわち、確率分布７４０は、図４～図６を参照して上述したように、関心領域３２０に時間的および／または空間的にスケーリングされた領域３１０の区域３１０ａの気候学的降水率であってもよい。代替的に、確率分布７４０は、超過率閾値の時間的および／または空間的スケールが領域３１０の区域３１０ａの時間的および／または空間的スケールにスケーリングされる、上述の領域３１０を表してもよい。すなわち、この後者の例では、空間スケール調整４４０、時間スケール調整４５０、およびサンプリング調整４６０の順序は逆転されてもよく、確率分布７４０は、時間スケーリング調整４５０および／または空間スケーリング調整４４０の前のサンプリング調整４６０に使用される。

確率分布７４０における所与のビンの幅は、領域の平均降水率の最大値および平均値の対数の範囲である。例えば、領域の平均降水率の最大値および平均値が互いに等しい場合、比は１であり、これは確率分布７４０の第１のビンのゼロの対数値を有する。ビン軸７１０は無単位である。したがって、チャート７００は、log (max/mean)値が所与のビンの幅内で発生する発生の数をカウントするカウント軸７２０を含む。カウント軸７２０は無単位である。確率分布７４０の累積確率分布７５０も示されている。

図７は、例えば、ある測定面積におけるデータの年から判断されるような、log (max/mean)の気候学的メトリクス関係を使用して、上述の降水データ４１０などの気候学的サンプルの気候学的メトリクスを特徴付ける。運用上、log (max/mean)の平均値は、上記で論じた領域３１０などの領域内の１６個の測定区域の平均値であってもよい。log (max/mean)の最大値は、測定区域の最大降水率であってもよい。

降水率が超過率閾値より大きくなり得る確率は、超過率閾値と区域または領域の平均値との間の比の対数を判断することによって計算されてもよい。例えば、超過率閾値は、センサの最大降水率であってもよい。最大降水率は、領域の降水率の平均値で除算されてもよい。例えば、対数は、センサの最大降水率と、上述の関心領域３２０などの区域または領域に対する降水率の平均値との比によって計算されてもよい。この計算の結果を累積確率分布７５０と比較して、降水率が区域または領域内のセンサの最大降水率を超え得る確率を判断し得る。

図５～図７を使用する例示的な計算において、降水率は、上述の領域３１０の区域３１０ａなどの領域について測定されてもよい。図３に示すように、領域３１０は、１６ｓｑ－ｋｍの面積を有してもよい。降水率は、例えば、１０分の積分または蓄積測定期間にわたって測定されてもよい。区域３１０ａの平均値は、上述のように計算してもよい。

上述されたＬＩＤＡＲ２１２ｌなどのセンサの最大降水率であってもよい超過率閾値も判断されてもよい。上述の車両１４０などの車両は、超過率閾値を判断し、提供してもよい。ＬＩＤＡＲ２１２ｌの最大降水率は、ＬＩＤＡＲ２１２ｌが正しく動作しない率であってもよい。センサの最大降水率は、相対的に小さい面積について、６０ｍｍ／時などの瞬間率と見なされてもよい。面積は、例えば、１００ｓｑ－ｍであってもよい。

超過率閾値は、１０分間隔にわたってとられる予想される最大降水率を反映するように時間スケール調整されてもよい。例えば、チャート６００は、１０秒の測定積分時間の６０ｍｍ／時を１０分の測定積分時間の５０ｍｍ／時に調整するために使用されてもよい。超過率閾値はまた、１６ｓｑ－ｋｍの測定面積の予想される最大降水率を反映するよう、空間的に調整されてもよい。例えば、チャート５００は、１２５ｓｑ－ｍの区域の５０ｍｍ／時の時間的に調整された予想される降水率を、１６ｓｑ－ｋｍの領域の２７ｍｍ／時の予想される最大降水率に空間的に調整するために使用されてもよい。

チャート７００は、関心領域３２０における実際の降水率が６０ｍｍ／時の超過率閾値を超え得る確率を判断するために、２７ｍｍ／時の時間的および空間的に調整された超過率閾値に対してサンプリング調整を実行するために使用されてもよい。例えば、領域３１０の区域３１０ａの平均された降水率の平均値で除された２７ｍｍ／時の時間的および空間的にスケーリングされた超過率閾値の対数を計算し、チャート７００、特にビン軸７１０と比較してもよい。関心領域３２０のその降水率の確率は、累積確率分布７５０から計算されてもよい。

図５～図７を参照して上述したように、空間スケーリングおよび時間スケーリングは、サンプリング調整が実行される前に実行されてもよい。例えば、図４とは対照的に、サンプリング調整は、例えば、超過率閾値の空間的および時間的スケールに調整される気候学的降水率を使用してチャート７００を提供することによって、空間的および時間的調整の前に実行されてもよい。また、理解されるように、超過率閾値ではなく、確率が提供されてもよい。例えば、車両は、確率のリスト等の１つ以上の確率を提供してもよい。１つ以上の確率は、車両の異なるセンサの所望の動作アップ時間に対応してもよい。１つ以上の確率を提供および使用して、時間的および／または空間的スケーリングの前に計算されてもよい対応する超過率閾値を計算してもよい。

これらおよび他の計算は、上述の気象情報ステーション１２０および／またはプロセッサ１３０などのステーション、プロセッサなどによって実行される任意の適切な方法によって実行されてもよい。例示的な方法８００を以下に説明する。

図８は、自動化された運転のための降水率のスケーリングおよび統計的調整のための方法８００を示す。方法８００は、上述の気象情報ステーション１２０および／またはプロセッサ１３０によって実行してもよいが、任意の適切な気象情報ステーションおよび／またはプロセッサを使用してもよい。したがって、プロセッサ１３０は、以下のステップを実行するよう構成されてもよい。図８に示すように、方法８００は、ステップ８１０において、領域の各区域に対する降水率を取得する。ステップ８２０において、方法８００は、降水率の少なくとも２つの気候学的メトリクス間の気候学的メトリクス関係を判断する。ステップ８３０において、方法８００は、降水率の少なくとも２つの運用メトリクス間の運用メトリクス関係を判断する。方法８００は、ステップ８４０において、気候学的メトリクス関係を運用メトリクス関係と比較する。比較は、ステップ８５０において、所定の超過率閾値に関連付けられる確率および／または所定の確率に関連付けられる超過率閾値を判断してもよい。

気候学的メトリクスは、領域の区域の降水率の気候学的サンプルの最大値および平均値であってもよい。運用メトリクスは、領域の区域の降水率の運用サンプルの最大値および平均値であってもよい。気候学的サンプルは、複数の年および／または季節にわたって作成されてもよく、したがって、統計的に大きいサンプルサイズを有してもよい。すなわち、気候学的サンプルは、統計的に有意な気候学的統計的メトリクスをもたらしてもよい。運用サンプルは、車両、都市等に時間的および／または空間的に近い降水率であってもよい。例えば、運用サンプルは、車両が経験している可能性のあるおよび／または経験すると予想される領域の瞬間的な降水率からなってもよい。例えば、車両は、降水率が６０～１００ｍｍ／時である気象システムを現在経験している領域を横断していてもよい。したがって、運用サンプルは、気象システムの降水率を含んでもよいが、過去の気象システムの降水率を含まなくてもよい。

気候学的メトリクス関係は、領域の区域の降水率の気候学的サンプルの最大値と平均値との間の関係を含んでもよい。運用メトリクス関係は、領域の区域の降水率の運用サンプルの最大値と平均値との間の関係を含んでもよい。気候学的メトリクス関係および運用メトリクス関係は、比率、差分など、および／または比率、差分などから導出される値であってもよい。例えば、図７を参照すると、気候学的メトリクス関係および運用メトリクス関係は、ある領域のある区域の降水率の最大値および平均値の対数であってもよい。

所定の超過率に関連付けられる確率は、領域の１つ以上の区域の最大降水率が超過率閾値よりも大きい確率であってもよい。たとえば、方法８００は、たとえば、気象情報ステーション１２０および／またはプロセッサ１３０によって実行されてもよいフローチャート４００を使用して、降水率が１００ｍｍ／時を超過し得る確率を判断してもよい。一例では、方法８００は、区域の最大降水率と平均降水率との比の対数を使用して、図７に示される累積確率分布７５０を参照することによって、確率を判断してもよい。

方法８００は、運用領域の空間スケールに対する領域の区域の降水率の空間スケール調整を実行することをさらに含んでもよい。例えば、図５を参照して上述したように、１６ｓｑ－ｋｍなどの広い面積にわたってとられる降水率は、１００ｓｑ－ｍにスケーリングされてもよい。１００ｓｑ－ｍは、運用スケールであってもよく、したがって、自動化された運転に有用であってもよい。すなわち、例えば上述の車両１４０内のセンサは、瞬間的な降水率と考えられる最大降水率を有し得、したがって、センサの最大降水率よりも大きい１００ｓｑ－ｍ内のどのような降水率も、センサの性能の低下をもたらすであろう。

方法８００は、さらに、運用期間の時間スケールに対する領域の区域の降水率の時間スケール調整を実行することを含んでもよい。例えば、図６を参照して上述したように、１０分の測定積分時間でとられた降水率を、１０秒の測定積分時間にスケーリングしてもよい。１０秒の測定積分時間は、運用スケールであってもよく、したがって、自動化された運転に対して、より有用であってもよい。すなわち、例えば上述の車両１４０内のセンサは、瞬間的な降水率と見なされる最大降水率を有し得、したがって、センサの最大降水率よりも大きい１０分の測定積分時間中のどのような降水率も、センサの性能の低下をもたらすであろう。

超過率閾値は、センサの最大降水率に基づいてもよい。例えば、超過率閾値は、センサの最大降水率であってもよい。上述したように、センサの最大降水率は、センサの性能が低下する降水率であってもよい。センサは、上述のセンサ２１２であってもよいが、任意の好適なセンサが採用されてもよい。

自動化された運転のための降水率のスケーリングおよび統計的調整のためのシステム１００および方法８００は、車両の周囲の領域などの関心領域の降水率がセンサの最大降水率を超過する確率を提供し得る。例えば、車両は、センサの最大降水率を提供し、降水率が超過率閾値を超過する確率を受信し得る。確率は、最大降水率を受信する気象情報システムによって車両に提供されてもよい。加えて、または代替として、システム１００および方法８００は、確率が提供されると、超過率閾値を提供し得る。例えば、車両は、降水率がセンサの最大降水率をある量だけ超過する確率に基づいて調整するアルゴリズムのため、確率を提供してもよい。

したがって、車両は、より高い最大降水率を有するセンサによって提供されるデータに、もっと、またはそれのみに依拠するようにアルゴリズムへの入力を調整すること、車両を減速させること、車両の制御を車両のオペレータに戻すこと等の調整を行ってもよい。そのような調整は、たとえ降水率測定値の時間スケールおよび／または空間スケールがセンサの時間スケールおよび／または空間スケールに類似していない場合があるとしても、なされてもよい。したがって、従来の降水率測定を、降水率測定インフラストラクチャにおける著しい投資なしに、自動化された運転のために利用し得る。

上記の実施形態の詳細な説明は、本説明の範囲内であると発明者が考える全ての実施形態の網羅的な説明ではない。実際、上記の実施形態の特定の要素をさまざまに組み合わせたり除去したりしてさらなる実施形態を作成してもよく、このようなさらなる実施形態は本説明の範囲および教示の範囲内に含まれる、ということを当業者は認識するであろう。また、上記の実施形態の全部または一部を組み合わせて、本説明の範囲および教示の範囲内でさらなる実施形態を作成してもよい、ということは当業者に明らかであろう。

したがって、具体的な実施形態が例示の目的で本明細書に記載されているが、当業者が認識するように、本説明の範囲内でさまざまな等価の変形例が可能である。本明細書において提供される教示は、上で説明し、添付の図面に示されている実施形態だけでなく、気象情報を向上させるために気象データを使用する他のシステムおよび方法にも適用することができる。したがって、上記の実施形態の範囲は、以下の特許請求の範囲から決定されるべきである。

Claims (14)

1. 降水感知センサを有する装置のための降水率のスケーリングおよび統計的調整のためのシステム（１００）であって、
   領域の区域の降水率を提供するよう構成される気象情報ステーション（１２０）と、
   前記気象情報ステーション（１２０）と通信するプロセッサ（１３０）とを備え、前記プロセッサ（１３０）は、
   前記領域の前記区域の前記降水率を取得し、
   前記降水率の少なくとも２つの気候学的メトリクス間の気候学的メトリクス関係を判断し、
   前記降水率の少なくとも２つの運用メトリクス間の運用メトリクス関係を判断し、
   前記気候学的メトリクス関係を前記運用メトリクス関係と比較し、
   所定の超過率閾値に関連付けられる確率と
   所定の確率に関連付けられる超過率閾値との少なくとも１つを判断するよう構成される、システム（１００）。
2. 前記少なくとも２つの気候学的メトリクスは、前記領域の前記区域の前記降水率の気候学的サンプルの最大値および平均値を含み、
   前記少なくとも２つの運用メトリクスは、前記領域の前記区域の前記降水率の運用サンプルの最大値および平均値を含む、請求項１に記載のシステム（１００）。
3. 前記気候学的メトリクス関係は、前記領域の前記区域の前記降水率の前記気候学的サンプルの前記最大値と前記平均値との間の関係を含み、
   前記運用メトリクス関係は、前記領域の前記区域の前記降水率の前記運用サンプルの前記最大値と前記平均値との間の関係を含む、請求項２に記載のシステム（１００）。
4. 前記所定の超過率閾値に関連付けられる前記確率および前記所定の確率は、前記領域の１つ以上の区域の最大降水率が前記所定の超過率閾値よりも大きい確率である、請求項１に記載のシステム（１００）。
5. 前記プロセッサ（１３０）は、さらに、運用領域の空間スケールに対する前記領域の前記区域の前記降水率の空間スケール調整を実行するよう構成される、請求項１に記載のシステム（１００）。
6. 前記プロセッサ（１３０）は、さらに、運用期間の時間スケールに対する前記領域の前記区域の前記降水率の時間スケール調整を実行するよう構成される、請求項１に記載のシステム（１００）。
7. 前記超過率閾値は、車両内のセンサの最大降水率に基づく、請求項１に記載のシステム（１００）。
8. 降水感知センサを有する装置のための降水率のスケーリングおよび統計的調整のための方法であって、
   領域の区域の降水率を取得することと、
   前記降水率の少なくとも２つの気候学的メトリクス間の気候学的メトリクス関係を判断することと、
   前記降水率の少なくとも２つの運用メトリクス間の運用メトリクス関係を判断することと、
   前記気候学的メトリクス関係を前記運用メトリクス関係と比較することと、
   所定の超過率閾値に関連付けられる確率と
   所定の確率に関連付けられる超過率閾値との少なくとも１つを判断することとを含む、方法。
9. 前記少なくとも２つの気候学的メトリクスは、前記領域の前記区域の前記降水率の気候学的サンプルの最大値および平均値を含み、
   前記少なくとも２つの運用メトリクスは、前記領域の前記区域の前記降水率の運用サンプルの最大値および平均値を含む、請求項８に記載の方法。
10. 前記気候学的メトリクス関係は、前記領域の前記区域の前記降水率の前記気候学的サンプルの前記最大値と前記平均値との間の関係を含み、
    前記運用メトリクス関係は、前記領域の前記区域の前記降水率の前記運用サンプルの前記最大値と前記平均値との間の関係を含む、請求項９に記載の方法。
11. 所定の超過率閾値および前記所定の確率に関連付けられる前記確率は、前記領域の１つ以上の区域の最大降水率が前記所定の超過率閾値よりも大きい確率である、請求項８に記載の方法。
12. 運用領域の空間スケールに対する前記領域の前記区域の前記降水率の空間スケール調整を実行することをさらに含む、請求項８に記載の方法。
13. 運用期間の時間スケールに対する前記領域の前記区域の前記降水率の時間スケール調整を実行することをさらに含む、請求項８に記載の方法。
14. 前記超過率閾値は、車両内のセンサの最大降水率に基づく、請求項８に記載の方法。

Images