JP4627256B2 - Movement prediction apparatus, movement prediction method, and program - Google Patents
Movement prediction apparatus, movement prediction method, and program Download PDFInfo
- Publication number
- JP4627256B2 JP4627256B2 JP2005355076A JP2005355076A JP4627256B2 JP 4627256 B2 JP4627256 B2 JP 4627256B2 JP 2005355076 A JP2005355076 A JP 2005355076A JP 2005355076 A JP2005355076 A JP 2005355076A JP 4627256 B2 JP4627256 B2 JP 4627256B2
- Authority
- JP
- Japan
- Prior art keywords
- moving object
- moving
- state
- data
- movement prediction
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 30
- 239000013598 vector Substances 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000005295 random walk Methods 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 description 23
- 238000013523 data management Methods 0.000 description 19
- 238000013500 data storage Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000012554 master batch record Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 241000984945 Simona Species 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、移動予測技術に関し、特に移動する人間、車輌、および物体(オブジェクト)の位置を予測する移動予測技術に関する。 The present invention relates to a movement prediction technique, and more particularly, to a movement prediction technique for predicting the positions of moving humans, vehicles, and objects (objects).
近年、位置を測定するデバイスの普及により、現実世界内を移動する、人、車両、物体などのさまざまな移動オブジェクトを追跡できるようになった。こうした移動オブジェクトのデータを蓄積するMODB(Moving Object DataBase:移動オブジェクトデータベース)の開発が進んでいる(例えば、非特許文献1など参照)。 In recent years, with the spread of devices that measure positions, it has become possible to track various moving objects such as people, vehicles, and objects that move in the real world. Development of MODB (Moving Object DataBase) that accumulates data of such moving objects is in progress (see, for example, Non-Patent Document 1).
このような位置情報データベースの研究課題の1つに、インデクスをいかに効率よく作るかという課題がある(例えば、非特許文献2−4など参照)。
移動オブジェクトのデータは、(t,x,y)のような時刻tと座標値x,yの組み合わせを時系列に並べたものである。以下、このデータを軌跡データと呼ぶ。軌跡データは空間データの一種であるので、MBR(Minimum Bounding Rectangle:最小被覆図形)を使ったR−Treeなどの空間インデクス手法を適用することが可能である(例えば、非特許文献5など参照)。しかし、軌跡データは時間経過に従ってデータが継続的に追加されるため、通常のR−TreeではMBRを再計算する頻度が高くなるという問題がある。
One of the research subjects of such position information database is how to efficiently create an index (see, for example, Non-Patent Documents 2-4).
The moving object data is a time series of combinations of time t and coordinate values x, y such as (t, x, y). Hereinafter, this data is referred to as trajectory data. Since the trajectory data is a kind of spatial data, it is possible to apply a spatial index method such as R-Tree using MBR (Minimum Bounding Rectangle) (for example, see Non-patent Document 5). . However, since the trajectory data is continuously added as time passes, there is a problem that the frequency of recalculating MBR becomes high in the normal R-Tree.
従来、この問題を解決する方法として、オブジェクトの移動先を予測して、未来の位置も含むようにMBRを作る方法として、STP−Tree(例えば、非特許文献6など参照)、TPR−Tree(例えば、非特許文献7など参照)、TPR*−Tree(例えば、非特許文献1など参照)などの方法が提案されている。未来に追加されるであろうデータを含むようにMBRを作れば、時間が経過して新しいデータが追加されてもインデクスを再構築する必要がなくなる。つまり、この方法でインデクスの再構築頻度を減らすためには、未来のオブジェクトの位置を正確に予測することが重要なポイントになる。 Conventionally, as a method for solving this problem, STP-Tree (see, for example, Non-Patent Document 6), TPR-Tree (for example, refer to Non-Patent Document 6) as a method for creating an MBR so as to include a future position by predicting a destination of an object. For example, methods such as Non-Patent Document 7) and TPR * -Tree (for example, refer to Non-Patent Document 1) have been proposed. If an MBR is created so as to include data that will be added in the future, it is not necessary to rebuild the index even if new data is added over time. That is, in order to reduce the index reconstruction frequency by this method, it is important to accurately predict the position of a future object.
次に、図7を参照して、TRP−Treeによる位置予測方法について説明する。図7は、TRP−Treeによる位置予測方法を示す説明図である。
TPR−TreeおよびTPR*−Treeでは、各オブジェクトについてある時刻tから過去t−mまでの間の最大速度および最小速度をx軸、y軸ごとに求めておく。これをVx+,Vy+,Vx−,Vy−とする。TPR−Treeでは、Vx+,Vy+,Vx−,Vy−の四つ組のことをVBV(Velocity Bounding Vector)と呼んでいる。
Next, with reference to FIG. 7, the position prediction method by TRP-Tree is demonstrated. FIG. 7 is an explanatory diagram showing a position prediction method based on TRP-Tree.
In TPR-Tree and TPR * -Tree, the maximum speed and the minimum speed from a certain time t to the past t-m are obtained for each object for each x-axis and y-axis. These are assumed to be V x + , V y + , V x− , V y− . In TPR-Tree, the quadruple of V x + , V y + , V x− and V y− is called VBV (Velocity Bounding Vector).
この際、最大速度しか予測に用いないため、オブジェクト単体の位置を予測する精度は低くなるため、実際のインデクス作成に使用するときは、MBRが含む複数のオブジェクトについて、x軸、y軸の正方向、負方向それぞれについて最大速度を求めておく。同様にVx−,Vy+,Vy−も得られる。 At this time, since only the maximum speed is used for prediction, the accuracy of predicting the position of the single object is low. Therefore, when used for actual index creation, the positive and negative of the x-axis and y-axis are used for a plurality of objects included in the MBR. Find the maximum speed for each direction and negative direction. Similarly, V x− , V y + and V y− are also obtained.
オブジェクトがx軸の負方向に進まなかった場合、Vx−は正方向へ進んだ場合の最小速度になり、y軸についても同様である。このため、図7の例では、Vy+はマイナスの値になっている。
これらの値を用いて、時刻t+i(ただしt,iは正整数)におけるMBRの四隅の点のx、y座標Px+(t+i),Py+(t+i),Px−(t+i),Py−(t+i)は、次のようにして求められる。なお、Px(t),Py(t)は時刻tにおけるオブジェクトの座標を示す。
Px+(t+i)=Vx+×i+Px(t)
Py+(t+i)=Vy+×i+Py(t)
Px−(t+i)=Vx−×i+Px(t)
Py−(t+i)=Vy−×i+Py(t)
If the object does not advance in the negative direction of the x axis, V x− is the minimum velocity when the object advances in the positive direction, and the same applies to the y axis. For this reason, in the example of FIG. 7, V y + is a negative value.
Using these values, x and y coordinates P x + (t + i), P y + (t + i), P x− (t + i), P y of the four corner points of the MBR at time t + i (where t and i are positive integers) - (T + i) is obtained as follows. P x (t) and P y (t) indicate the coordinates of the object at time t.
P x + (t + i) = V x + × i + P x (t)
P y + (t + i) = V y + × i + P y (t)
P x− (t + i) = V x− × i + P x (t)
P y− (t + i) = V y− × i + P y (t)
次に、STP−Treeによる位置予測方法について説明する。
STR−Treeでは各オブジェクトについてある時刻tから過去t−m(ただしmは正整数)までの位置をそれぞれx(t−m),y(t−m),x(t−m+1),y(t−m+1),...,x(t),y(t)のように取り出す。時刻t−mからtまで取り出したベクトルをk(t)mと表記し、時刻t−m−1からt−1まで取り出したベクトルはk(t−1)mと表記する。この要素数は、常に2m個になる。k(t)mを最上行とし、以下、k(t−1)mからk(t−n)m(n<m)(ただしnは正整数)の行を順に並べて作った2m×n行列をk(t)m,nとする。また、これとは別に時刻tからt−nまでのx座標の値を並べたベクトルをx(t)n={x(t−n),....,x(t)}とする。y(t)nも同様である。
Next, a position prediction method using STP-Tree will be described.
In STR-Tree, the position from a certain time t to the past t−m (where m is a positive integer) is set to x (t−m), y (t−m), x (t−m + 1), and y ( t−m + 1),..., x (t), y (t). A vector extracted from time t-m to t is denoted as k (t) m, and a vector extracted from time t−m−1 to t−1 is denoted as k (t−1) m . The number of elements is always 2m. A 2m × n matrix with k (t) m as the top row and the rows from k (t-1) m to k (tn) m (n <m) (where n is a positive integer) arranged in order. Is k (t) m, n . Separately from this, let x (t) n = {x (t−n),..., X (t)} be a vector in which the values of x coordinates from time t to t−n are arranged. The same applies to y (t) n .
このとき、次の連立方程式を満たすような近似解のベクトルwx={wx1,wx2,...., wx2m},wy={wy1,wy2,....,wy2m}を求める。
x(t)T=K(t−1)m,n・wx T
y(t)T=K(t−1)m,n・wy T
At this time, an approximate solution vector w x = {wx 1 , wx 2 ,..., Wx 2m } satisfying the following simultaneous equations, w y = {wy 1 , wy 2 ,. 2m }.
x (t) T = K (t-1) m, n · w x T
y (t) T = K (t-1) m, n · w y T
ここで得られた行列wx,wyとベクトルkm(t)={x(t−m),y(t−m),x(t−m+1),y(t−m+1),....,x(t),y(t)}を用いると時刻t+1のオブジェクトの位置p(t+1)={x(t+1)、y(t+1)}は次の式で得られる。
x(t+1)=wx・k(t)m T
y(t+1)=wy・k(t)m T
時刻t+2以降の位置p(t+2),....についても、再帰的にこの式を適用することで求めることができる。
The obtained matrix w x, w y and a vector k m (t) = {x (t-m), y (t-m), x (t-m + 1), y (t-m + 1), .. .., x (t), y (t)}, the position p (t + 1) = {x (t + 1), y (t + 1)} of the object at time t + 1 is obtained by the following equation.
x (t + 1) = w x · k (t) m T
y (t + 1) = w y · k (t) m T
The position p (t + 2),... After the time t + 2 can also be obtained by applying this expression recursively.
しかしながら、このような従来技術では、移動しているオブジェクトの移動予測について良好な正解率が得られないという問題点があった。
例えば、TPR−Treeは、オブジェクトが直進している場合や完全に停止している状態では、比較的よい予測正解率を示す。ランダムウォークのような移動方向が不定である状態についても、結果的に予測範囲が大きく取られるために予測の正解率はさほど下がらない。一方で、位置の揺らぎ(測定誤差)の影響が考慮されていないため、停滞状態であっても位置の揺らぎが大きい場合は予測の正解率が低下したり、面積が過大なMBRを作成してしまうことが多いという問題があった。
However, such a conventional technique has a problem that a good accuracy rate cannot be obtained for the movement prediction of a moving object.
For example, TPR-Tree shows a relatively good predicted accuracy rate when the object is moving straight ahead or completely stopped. Even in the case where the moving direction is indefinite, such as a random walk, the prediction accuracy rate does not drop so much because the prediction range is large as a result. On the other hand, because the influence of position fluctuation (measurement error) is not taken into account, even if it is in a stagnation state, if the position fluctuation is large, the prediction accuracy rate decreases or an MBR with an excessive area is created. There was a problem that it often ends up.
また、SPR−Treeでは、予測されるオブジェクトの位置がafin変換で与えられる。このため、停止や直進以外にも、円運動やサインカーブのような運動をするオブジェクトに対しても、高い予測正解率を示す。その反面、反転や転進などがあると近似解が適切な値とならず、予測正解率が大きく落ちることがある。また、TPR−Treeと同様に位置の揺らぎの影響が考慮されていないため、揺らぎを含む停滞があると予測の正解率が低下する。また、この手法では解のベクトルを求める(連立方程式を解く)ために、特異値分解を行う必要があるが、そのアルゴリズムは一般に複雑であり、計算量が多いという問題があった。 In SPR-Tree, the predicted object position is given by afin transformation. For this reason, in addition to stopping and going straight, a high predicted accuracy rate is shown for an object that moves like a circular motion or a sine curve. On the other hand, if there is an inversion or a turn, the approximate solution may not be an appropriate value, and the predicted correct answer rate may drop significantly. In addition, since the influence of the position fluctuation is not taken into consideration as in the case of TPR-Tree, if there is a stagnation including fluctuation, the prediction accuracy rate decreases. Further, in this method, it is necessary to perform singular value decomposition in order to obtain a solution vector (solve simultaneous equations). However, the algorithm is generally complicated and has a problem of a large amount of calculation.
本発明はこのような課題を解決するためのものであり、位置揺らぎ(測定誤差)を含むデータを用いてオブジェクトの移動先を予測する場合でも、比較的少ない計算量で、高い予測精度が得られる移動予測装置、移動予測方法、およびプログラムを提供することを目的としている。 The present invention is for solving such a problem. Even when the movement destination of an object is predicted using data including position fluctuation (measurement error), high prediction accuracy can be obtained with a relatively small amount of calculation. It is an object to provide a movement prediction apparatus, a movement prediction method, and a program.
このような目的を達成するために、本発明にかかる移動予測装置は、入力データに対して任意の演算処理を行う演算処理部と、演算処理部で用いるデータを記憶する記憶部とを有し、演算処理部により、移動オブジェクトの各時刻における位置情報を含む軌跡データに基づき当該移動オブジェクトの移動予測範囲を算出する移動予測装置であって、演算処理部に、外部から移動オブジェクトの軌跡データを取得して記憶部へ保存するデータ取得手段と、記憶部の軌跡データに含まれる、時刻t−m(ただしt,mは正整数)から時刻tにおける移動オブジェクトの位置ベクトルp(t−m)からp(t)に基づいて各時刻i(ただしt−m≦i≦t:iは正整数)における移動速度ベクトルv(i)=p(i)−p(i−1)を算出して記憶部へ保存する移動速度算出手段と、記憶部の軌跡データが移動オブジェクトの停滞、直進、および乱歩の各移動状態を示す条件のいずれを満たすか判定することにより移動オブジェクトの移動状態を特定する移動状態特定手段と、特定された移動オブジェクトの移動状態に応じて当該移動オブジェクトの移動予測範囲を算出する移動予測範囲算出手段とを備えている。 In order to achieve such an object, a movement prediction apparatus according to the present invention includes an arithmetic processing unit that performs arbitrary arithmetic processing on input data, and a storage unit that stores data used in the arithmetic processing unit. A movement prediction device that calculates a movement prediction range of the moving object based on the locus data including the position information of the moving object at each time by the arithmetic processing unit , and the trajectory data of the moving object is externally input to the arithmetic processing unit. Data acquisition means for acquiring and storing in the storage unit, and the position vector p (t−m) of the moving object from time t−m (where t and m are positive integers) included in the trajectory data of the storage unit from time t To the moving velocity vector v (i) = p (i) −p (i−1) at each time i (where t−m ≦ i ≦ t: i is a positive integer) based on p (t) Memory A moving speed calculating means for storing the stagnation locus data of the moving object in the serial憶部, straight, and moves to identify the moving state of the moving object by determining it meets any of the conditions indicating each moving state of Ranpo a state specifying means, in accordance with the moving state of a specific has been moving object and a moving prediction range calculation means for calculating a movement prediction range of the moving object.
これに加えて、移動状態特定手段で、軌跡データに含まれる、時刻t−m(ただしt,mは正整数)から時刻tにおける移動オブジェクトの位置ベクトルp(t−m)からp(t)と、軌跡データを測定したセンサの測定誤差または移動オブジェクトの直径のうちいずれか大きい値からなる移動オブジェクトの位置揺らぎの幅θpとが、|p(i)−p(t)|<θp(ただしt−m≦i≦t:iは正整数)の条件を満たす場合、当該移動オブジェクトは停滞状態にあると判定し、移動予測範囲算出手段で、移動オブジェクトが停滞状態にある場合、時刻j(ただしt<j≦t+n:j,nは正整数)における当該移動オブジェクトの移動予測範囲は、少なくともp(t)を中心とする半径θpの円内の領域とするようにしたものである。 In addition, the moving state specifying means includes a moving object position vector p (t−m) to p (t) from time t−m (where t and m are positive integers) included in the trajectory data. And the position fluctuation width θ p of the moving object having a larger value of the measurement error of the sensor that measured the trajectory data or the diameter of the moving object, | p (i) −p (t) | <θ p If the condition of t−m ≦ i ≦ t: i is a positive integer is satisfied, it is determined that the moving object is in a stagnation state. j (provided that t <j ≦ t + n: j, n is a positive integer) predicted moving range of the moving object in is obtained by such a region within a circle of radius theta p centered at least p (t) of There is .
これに加えて、移動状態特定手段で、記憶部の移動速度ベクトルv(t−m)からv(t)と移動オブジェクトの位置揺らぎの幅θpとが、|v(i)−v(t)|<θp(ただしt−m≦i≦t:iは正整数)の条件を満たす場合、当該移動オブジェクトは直進状態にあると判定し、移動予測範囲算出手段で、移動オブジェクトが直進状態にある場合、時刻j(ただしt<j≦t+n:j,nは正整数)における当該移動オブジェクトの移動予測範囲は、少なくともp(t)+(j−t)v(t)を中心とする半径θpの円内の領域とするようにしたものである。 In addition to this, the moving state specifying means determines that the moving speed vector v (t−m) to v (t) and the position fluctuation width θ p of the moving object are | v (i) −v (t ) | <Θ p (where t−m ≦ i ≦ t: i is a positive integer), the moving object is determined to be in a straight traveling state, and the moving predicted range calculation means determines that the moving object is in a straight traveling state. , The movement prediction range of the moving object at time j (where t <j ≦ t + n: j and n are positive integers) is centered on at least p (t) + (j−t) v (t). it is obtained as the area within a circle of radius theta p.
これに加えて、移動状態特定手段で、記憶部の移動速度ベクトルv(t−m)からv(t)、これら移動速度ベクトルの最大移動速度vmax、および移動オブジェクトの位置揺らぎの幅θpが、|v(i)|<vmax+θp(ただしt−m≦i≦t:iは正整数)の条件を満たす場合、当該移動オブジェクトは乱歩状態にあると判定し、移動予測範囲算出手段で、移動オブジェクトが乱歩状態にある場合、時刻j(ただしt<j≦t+n:j,nは正整数)における当該移動オブジェクトの移動予測範囲は、少なくともp(t)を中心とする半径(j−t)vmax+θpの円内の領域とするようにしたものである。 In addition to this, the moving state specifying means uses the moving speed vectors v (t−m) to v (t) of the storage unit, the maximum moving speed v max of these moving speed vectors, and the position fluctuation width θ p of the moving object. However, if the condition | v (i) | <v max + θ p (where t−m ≦ i ≦ t: i is a positive integer) is satisfied, it is determined that the moving object is in a random walking state, and the movement prediction range is calculated. When the moving object is in a random walking state, the movement predicted range of the moving object at time j (where t <j ≦ t + n: j, n is a positive integer) is at least a radius centered on p (t) ( it is obtained as a j-t) v max + θ p region within a circle.
この際、移動予測範囲算出手段で、時刻jにp(t)から半径rの位置に存在する確率は、(r/(j−t)vmax)(j−t)とするようにしてもよい。 At this time, the movement prediction range calculation means may set the probability of existing at the position of radius r from p (t) at time j to (r / (j−t) v max ) (j−t). Good.
また、本発明にかかる移動予測方法は、入力データに対して任意の演算処理を行う演算処理部と、演算処理部で用いるデータを記憶する記憶部とを有する移動予測装置により、移動オブジェクトの各時刻における位置情報を含む軌跡データに基づき当該移動オブジェクトの移動予測範囲を算出する移動予測方法であって、演算処理部が、外部から移動オブジェクトの軌跡データを取得して記憶部へ保存するデータ取得ステップと、演算処理部が、記憶部の軌跡データに含まれる、時刻t−m(ただしt,mは正整数)から時刻tにおける移動オブジェクトの位置ベクトルp(t−m)からp(t)に基づいて各時刻i(ただしt−m≦i≦t:iは正整数)における移動速度ベクトルv(i)=p(i)−p(i−1)を算出して記憶部へ保存する移動速度算出ステップと、演算処理部が、記憶部の軌跡データが移動オブジェクトの停滞、直進、および乱歩の各移動状態を示す条件のいずれを満たすか判定することにより移動オブジェクトの移動状態を特定する移動状態特定ステップと、演算処理部が、特定された移動オブジェクトの移動状態に応じて当該移動オブジェクトの移動予測範囲を算出する移動予測範囲算出ステップとを備え、移動状態特定ステップで、軌跡データに含まれる、時刻t−m(ただしt,mは正整数)から時刻tにおける移動オブジェクトの位置ベクトルp(t−m)からp(t)と、軌跡データを測定したセンサの測定誤差または移動オブジェクトの直径のうちいずれか大きい値からなる移動オブジェクトの位置揺らぎの幅θ p とが、|p(i)−p(t)|<θ p (ただしt−m≦i≦t:iは正整数)の条件を満たす場合、当該移動オブジェクトは停滞状態にあると判定し、記憶部の移動速度ベクトルv(t−m)からv(t)と移動オブジェクトの位置揺らぎの幅θ p とが、|v(i)−v(t)|<θ p (ただしt−m≦i≦t:iは正整数)の条件を満たす場合、当該移動オブジェクトは直進状態にあると判定し、記憶部の移動速度ベクトルv(t−m)からv(t)、これら移動速度ベクトルの最大移動速度v max 、および移動オブジェクトの位置揺らぎの幅θ p が、|v(i)|<v max +θ p (ただしt−m≦i≦t:iは正整数)の条件を満たす場合、当該移動オブジェクトは乱歩状態にあると判定し、移動予測範囲算出ステップで、移動状態特定ステップが移動オブジェクトが停滞状態にあると判定した場合、時刻j(ただしt<j≦t+n:j,nは正整数)における当該移動オブジェクトの移動予測範囲は、少なくともp(t)を中心とする半径θ p の円内の領域とし、移動状態特定ステップが移動オブジェクトが直進状態にあると判定した場合、時刻j(ただしt<j≦t+n:j,nは正整数)における当該移動オブジェクトの移動予測範囲は、少なくともp(t)+(j−t)v(t)を中心とする半径θ p の円内の領域とし、移動状態特定ステップが移動オブジェクトが乱歩状態にあると判定した場合、時刻j(ただしt<j≦t+n:j,nは正整数)における当該移動オブジェクトの移動予測範囲は、少なくともp(t)を中心とする半径(j−t)v max +θ p の円内の領域とするようにしたものである。 In addition, the movement prediction method according to the present invention includes a calculation unit that performs arbitrary calculation processing on input data, and a movement prediction device that includes a storage unit that stores data used in the calculation processing unit. a movement prediction method for calculating the predicted moving range of the moving object based on the locus data including the position information at the time, the data acquisition processing unit, which obtains and stores locus data of the moving object from the outside to the storage unit The step and the calculation processing unit include the position vector p (tm) to p (t) of the moving object from time t-m (where t and m are positive integers) included in the trajectory data of the storage unit. Based on the above, a moving velocity vector v (i) = p (i) −p (i−1) at each time i (where t−m ≦ i ≦ t: i is a positive integer) is calculated and stored in the storage unit. Particular the moving speed calculating step, the arithmetic processing unit, stagnation of the locus data in the storage unit is the moving object, straight, and the moving state of the moving object by determining it meets any of the conditions indicating each moving state of the random walk that a movement status determining step of the arithmetic processing unit, in accordance with the moving state of the identified moving object and a moving prediction range calculation step of calculating a movement prediction range of the moving object, in a movement status determining step, locus data , And the measurement error or movement of the sensor that measured the trajectory data from the time t-m (where t and m are positive integers) to the position vector p (t-m) to p (t) of the moving object from time t the width theta p position fluctuation of the moving object consisting of any larger value of the diameter of the object, | p (i) -p ( t | <Θ p (except t-m ≦ i ≦ t: i is a positive integer) If the condition is satisfied, the said moving object is determined to be in the stagnant state, the moving velocity vector v of the storage unit (t-m) v (t) and the position fluctuation width θ p of the moving object satisfy the condition of | v (i) −v (t) | <θ p (where t−m ≦ i ≦ t: i is a positive integer). In this case, it is determined that the moving object is in a straight traveling state, the moving speed vectors v (t−m) to v (t) of the storage unit, the maximum moving speed v max of these moving speed vectors , and the position fluctuation of the moving object When the width θ p satisfies the condition of | v (i) | <v max + θ p (where t−m ≦ i ≦ t: i is a positive integer), the moving object is determined to be in a random walking state, and moved. In the predicted range calculation step, the moving state identification step stops the moving object. If it is determined that the state, the time j (except t <j ≦ t + n: j, n is a positive integer) predicted moving range of the moving object in the inside circle of radius theta p centered at least p (t) of When the moving state specifying step determines that the moving object is in the straight traveling state, the movement prediction range of the moving object at time j (where t <j ≦ t + n: j and n are positive integers) is at least p. (t) + (j-t ) v (t) is an area within a circle having a radius theta p centered, if the movement status determining step determines that the moving object is in the random walk state, the time j (except t < The movement prediction range of the moving object when j ≦ t + n: j and n are positive integers) is set to be an area within a circle having a radius (j−t) v max + θ p centered at least on p (t) . Is.
また、本発明にかかるプログラムは、前述したいずれかの移動予測装置構成する各部として機能させるためのプログラムである。 Moreover, the program concerning this invention is a program for functioning as each part which comprises one of the movement prediction apparatuses mentioned above.
本発明によれば、移動予測装置により、軌跡データが移動オブジェクトの停滞、直進、および乱歩の各移動状態を示す条件のいずれを満たすか判定することにより移動オブジェクトの移動状態が特定され、この移動状態に応じて当該移動オブジェクトの移動予測範囲を算出されるため、移動オブジェクトの移動状態に応じて適切に位置揺らぎを考慮して移動予測範囲を算出でき、位置揺らぎ(測定誤差)を含むデータを用いてオブジェクトの移動先を予測する場合でも、比較的少ない計算量で、高い予測精度が得られる。 According to the present invention, the movement prediction device identifies the moving state of the moving object by determining which of the conditions indicating the moving state of the moving object is stagnation, straight ahead, and random walking by the movement prediction device. Since the movement prediction range of the moving object is calculated according to the state, the movement prediction range can be calculated considering the position fluctuation appropriately according to the movement state of the moving object, and data including position fluctuation (measurement error) is obtained. Even when the movement destination of an object is predicted by using it, high prediction accuracy can be obtained with a relatively small amount of calculation.
次に、本発明の実施の形態について図面を参照して説明する。
[第1の実施の形態]
まず、図1を参照して、本発明の第1の実施の形態にかかる移動予測装置が用いられる移動オブジェクトデータベースシステムについて説明する。図1は、本発明の第1の実施の形態にかかる移動予測装置が用いられる移動オブジェクトデータベースシステムの構成を示すブロック図である。
Next, embodiments of the present invention will be described with reference to the drawings.
[First Embodiment]
First, with reference to FIG. 1, a moving object database system in which the movement prediction apparatus according to the first embodiment of the present invention is used will be described. FIG. 1 is a block diagram showing a configuration of a moving object database system in which the movement prediction apparatus according to the first embodiment of the present invention is used.
移動オブジェクトデータベースシステム(以下、移動オブジェクトDBシステムという)は、入力された任意の移動オブジェクトに関する軌跡データを蓄積し、外部からの検索要求に応じて類似する軌跡を持つ移動オブジェクトを検索し、その検索結果を出力するシステムである。
この移動オブジェクトDBシステムは、軌跡データ入力装置1、オブジェクトデータ管理装置2、移動予測装置3、およびデータ検索装置4から構成されている。
A moving object database system (hereinafter referred to as a moving object DB system) accumulates trajectory data related to an input arbitrary moving object, searches for a moving object having a similar trajectory in response to a search request from the outside, and performs the search. It is a system that outputs results.
This moving object DB system includes a trajectory
軌跡データ入力装置1は、主な機能部としてデータ取得部11を備えている。
データ取得部11は、センサで測定された移動オブジェクトの軌跡データ5を受け取る機能と、各時刻における各オブジェクトの位置を示す位置データ1Aをまとめてオブジェクトデータ管理装置2へ出力する機能とを有している。軌跡データ5については、通信ネットワークを介して受け取る方法や、電子ファイルとして外部装置や記録媒体から取得する方法がある。
The trajectory
The
オブジェクトデータ管理装置2は、主な機能部としてデータ生成部21、データ検索部22、およびデータ蓄積部23を備えている。
データ生成部21は、軌跡データ入力装置1から受け取った位置データ1Aに対するインデクスを作成する機能と、位置データ1Aとそのインデクスを含むオブジェクトデータをオブジェクトデータ蓄積部23へ保存する機能と、インデクス作成時に任意のオブジェクトの移動予測が必要になった場合は、予測に必要な過去の位置データを含む予測要求2Aを移動予測装置3へ出力し、得られた予測結果2Bに含まれる予測領域リストに基づきインデクスを作成する機能とを有している。
The object
The
データ検索部22は、データ検索装置4からの検索要求4Aに応じて、オブジェクトデータ蓄積部23から各オブジェクトのインデクスを参照して所望のオブジェクトデータを検索する機能と、得られたオブジェクトデータを含む検索結果4Bをデータ検索装置4へ返送する機能とを有している。
データ蓄積部23は、ハードディスクなどの記憶装置を用いて、データ生成部21で生成されたオブジェクトデータをそのインデクスで検索可能に蓄積する機能と、データ検索部22からの要求に応じて任意のオブジェクトデータを読み出して出力する機能とを有している。
The
The
移動予測装置3は、主な機能部として移動予測部31を備えている。
移動予測部31は、オブジェクトデータ管理装置2からの予測要求2Aに基づき任意のオブジェクトの移動状態を特定する機能と、この移動状態に応じた予測関数を用いて当該オブジェクトの移動先を示す予測領域を算出する機能と、得られた予測領域からなる予測領域リストを予測結果2Bとしてオブジェクトデータ管理装置2へ返送する機能とを有している。
The
The
データ検索装置4は、主な機能部として検索制御部41を備えている。
検索制御部41は、検索要求6Bで指示された時刻、位置または範囲、オブジェクト名に該当するオブジェクトデータの検索を指示する検索要求4Aをオブジェクトデータ管理装置2へ出力する機能と、オブジェクトデータ管理装置2から受け取った検索結果を画面表示し、または電子データとして外部装置や記録媒体へ出力し、あるいは通信ネットワークへ送信する機能を有している。
The
The
本実施の形態にかかる移動オブジェクトDBシステムを構成する軌跡データ入力装置1、オブジェクトデータ管理装置2、移動予測装置3、およびデータ検索装置4は、コンピュータなどの情報処理装置により実現され、これら装置の各機能部は、CPUなどのマイクロプロセッサとその周辺回路を有する演算処理部が、当該装置の記憶部に格納されているプログラムを読み込んで実行することにより、上記ハードウェアとプログラムとが協働して実現される。なお、本実施の形態では、これら装置を別個の装置で実現した場合を例として説明したが、これに限定されるものではなく、複数の装置を1つの装置で実現してもよい。
The trajectory
[第1の実施の形態の動作]
次に、図1を参照して、本発明の第1の実施の形態にかかる移動オブジェクトDBシステムの動作について説明する。
移動オブジェクトDBシステムの主な動作としては、各移動オブジェクトに関するオブジェクトデータを格納するオブジェクトデータ格納動作と、任意のオブジェクトデータを検索するオブジェクトデータ検索動作がある。
[Operation of First Embodiment]
Next, the operation of the moving object DB system according to the first embodiment of the present invention will be described with reference to FIG.
The main operation of the moving object DB system includes an object data storing operation for storing object data related to each moving object and an object data searching operation for searching arbitrary object data.
[オブジェクトデータ格納動作]
まず、移動オブジェクトDBシステムに対して各移動オブジェクトに関するオブジェクトデータを格納するオブジェクトデータ格納動について説明する。
軌跡データ入力装置1は、データ取得部11により、センサで測定された各移動オブジェクトの軌跡データ5を順次受け取り、各時刻における各オブジェクトの位置を示す位置データ1Aをまとめてオブジェクトデータ管理装置2へ出力する。
[Object data storage operation]
First, an object data storing operation for storing object data related to each moving object in the moving object DB system will be described.
The trajectory
オブジェクトデータ管理装置2は、データ生成部21により、軌跡データ入力装置1から受け取った位置データ1Aに対するインデクスを作成し、位置データ1Aとそのインデクスを含むオブジェクトデータをオブジェクトデータ蓄積部23へ保存する。
この際、データ生成部21は、インデクス作成時に任意のオブジェクトの移動予測が必要になった場合、予測に必要な過去の位置データを含む予測要求2Aを移動予測装置3へ出力し、得られた予測結果2Bに含まれる予測領域リストに基づきインデクスを作成する。
The object
At this time, the
移動予測装置3は、オブジェクトデータ管理装置2からの予測要求2Aに応じて、移動予測部31により、後述する図2の移動予測処理を実行して、任意のオブジェクトの移動状態を特定し、この移動状態に応じた予測関数を用いて当該オブジェクトの移動先を示す予測領域を算出する。そして、得られた予測領域からなる予測領域リストを予測結果2Bとしてオブジェクトデータ管理装置2へ返送する。
これにより、時刻ごとに入力された軌跡データに基づき、各移動オブジェクトの位置とインデクスとが生成され、データ蓄積部23の格納されている各移動オブジェクトのオブジェクトデータがそれぞれ更新される。
In response to the
Thus, the position and index of each moving object are generated based on the trajectory data input at each time, and the object data of each moving object stored in the
[オブジェクトデータ検索動作]
次に、移動オブジェクトDBシステムから任意のオブジェクトデータを検索するオブジェクトデータ検索動作について説明する。
データ検索装置4は、オペレータ操作や外部装置から入力された検索要求6Aに応じて、検索制御部41により、検索要求6Bで指示された時刻、位置または範囲、オブジェクト名に該当するオブジェクトデータの検索を指示する検索要求4Aをオブジェクトデータ管理装置2へ出力する。
[Object data search operation]
Next, an object data search operation for searching arbitrary object data from the moving object DB system will be described.
The
オブジェクトデータ管理装置2は、データ検索装置4からの検索要求4Aに応じて、データ検索部22により、データ検索装置4からの検索要求4Aに応じて、オブジェクトデータ蓄積部23から各オブジェクトのインデクスを参照して所望のオブジェクトデータを検索する。そして、得られたオブジェクトデータを含む検索結果4Bをデータ検索装置4へ返送する。
In response to the search request 4A from the
データ検索装置4の検索制御部41は、オブジェクトデータ管理装置2から受け取った検索結果を画面表示し、または電子データとして外部装置や記録媒体へ出力し、あるいは通信ネットワークへ送信する。
これにより、所望のオブジェクトデータが移動オブジェクトDBシステムから提供される。
The
Thus, desired object data is provided from the moving object DB system.
[移動予測動作]
次に、図2を参照して、本発明の第1の実施の形態にかかる移動予測装置における移動予測動作について説明する。図2は、本発明の第1の実施の形態にかかる移動予測装置における移動予測処理を示すフローチャートである。
[Move prediction operation]
Next, with reference to FIG. 2, the movement prediction operation in the movement prediction apparatus according to the first embodiment of the present invention will be described. FIG. 2 is a flowchart showing a movement prediction process in the movement prediction apparatus according to the first embodiment of the present invention.
[移動の状態]
まず、移動状態移動の予測に用いることが可能な特徴的な移動の状態について説明する。ここで言う状態とは「オブジェクトがある特定の動きをした場合、その後も同様の動きをする」という事象のことである。この状態を利用すれば、オブジェクトの動きを分析して状態を特定することで、その後のオブジェクトの移動先を予測できる。
[Movement status]
First, a characteristic movement state that can be used for prediction of movement state movement will be described. The state referred to here is an event “when an object makes a certain movement, the same movement is performed thereafter”. If this state is used, the movement destination of the subsequent object can be predicted by analyzing the movement of the object and specifying the state.
状態としては、オブジェクトがほとんど移動しない状態(停滞)と、一定方向に等速で進む状態(直進)の2つの状態がある。以下、これらについて説明する。
停滞:ほぼ移動しない状態のことである。ただし、後述する位置の揺らぎの影響があるため、完全に停止することは稀である。
直進:ほぼ等速度で一定方向へ移動している状態のことである。
There are two states: a state where the object hardly moves (stagnation) and a state where the object advances at a constant speed (straight forward). Hereinafter, these will be described.
Stagnation: A state of almost no movement. However, since there is an influence of position fluctuation described later, it is rare to stop completely.
Straight running: A state where the vehicle is moving in a constant direction at almost the same speed.
これら「停滞」や「直進」のいずれの状態にもあたらない状態を、本発明では「乱歩」状態と呼ぶ。
乱歩:速度、移動方向ともに不定な、いわゆるランダムウォークのことである。ただし、実際のデータを観測すると、完全なランダムウォークではなく、速度がある一定の範囲に収まった状態で、移動方向のみが変わるケースが多く見られる。
A state that does not correspond to any of these “stagnation” and “straight forward” states is referred to as a “random walk” state in the present invention.
Random walk: A so-called random walk in which both speed and direction of movement are indefinite. However, when observing actual data, there are many cases where only the direction of movement changes while the speed is within a certain range, not a complete random walk.
[位置揺らぎ]
次に、位置揺らぎについて説明する。測定したいずれの軌跡データにも、オブジェクトが停止中や移動中に移動方向とは無関係な方向にわずかに位置がずれる現象が見られた。本発明では、これを「位置揺らぎ」と呼ぶ。測定するセンサによる誤差と、オブジェクト自体に大きさがあること(センサによって測定される中心位置が変動すること)の両方が原因になり発生していると考えられる。どちらの原因によるものかは、データ上では区別することがほとんど不可能である。
[Position fluctuation]
Next, position fluctuation will be described. In any measured trajectory data, there was a phenomenon that the position of the object slightly shifted in a direction unrelated to the moving direction while the object was stopped or moved. In the present invention, this is called “positional fluctuation”. This is considered to be caused by both the error due to the sensor to be measured and the fact that the object itself has a size (the center position measured by the sensor fluctuates). Which is the cause is almost impossible to distinguish on the data.
データの揺らぎ幅はその性質上、センサの測定誤差とオブジェクトの大きさ(直径)のうち、より大きい値とほぼ等しくなる。例えばセンサの測定誤差が1εでオブジェクトの大きさが2εなら、揺らぎ幅は2εである。位置の予測を行う上では、この揺らぎの影響も考慮する必要がある。揺らぎはθpで表す。この値は、実測で求める。 The fluctuation width of the data is substantially equal to a larger value among the measurement error of the sensor and the size (diameter) of the object. For example, if the sensor measurement error is 1ε and the object size is 2ε, the fluctuation width is 2ε. In predicting the position, it is necessary to consider the influence of this fluctuation. The fluctuation is represented by θ p . This value is obtained by actual measurement.
[状態の定式化]
次に、状態の定式化について説明する。まず、「移動の状態」という用語を形式的に定義する。「軌跡データλt,−mが移動の状態Cにある」とは、時刻t−m(ただしt,mは正整数)からtまでの軌跡データλt,−mが条件Cを満たしている状態にあることをいう。つまり、条件Cによって、それぞれの状態は特定される。前述した「停滞」、「直進」、および「乱歩」の3つの移動の状態を、それぞれ対応する条件Cst、Csw、Crwで定義する。
[Formulation of state]
Next, state formulation will be described. First, the term “movement state” is formally defined. “The trajectory data λ t, −m is in the movement state C” means that the trajectory data λ t, −m from time t−m (where t and m are positive integers) to t satisfy the condition C. It means being in a state. That is, each state is specified by the condition C. The three movement states of “stagnation”, “straight forward”, and “random walk” described above are defined by corresponding conditions C st , C sw , and C rw , respectively.
停滞状態(st)の条件Cstは、軌跡データλt,−mにおける時刻i(ただしt−m≦i≦t:iは正整数)の位置ベクトルをp(i)とした場合、|p(i)−p(t)|=0と定義できる。つまりλt,−mの最大速度が0であるような、完全に停止している状態である。
ただし、前述したように実際のデータには揺らぎがあるため、完全に速度が0として測定されることは稀である。そのため、揺らぎθpの影響を加味し、停滞状態を次のように定義する。
Cst:|p(i)−p(t)|<θp
p(i)∈λt,−m
つまり、停滞状態にあるオブジェクトは、時刻t−mからtの間にp(t)から距離θp以上離れなていないという条件を満たす。これにより、位置揺らぎを考慮して移動オブジェクトが停滞状態にあることを的確に判定できる。
The stagnant state (st) condition C st is defined as | p when the position vector at time i (where t−m ≦ i ≦ t: i is a positive integer) in the trajectory data λ t, −m is p (i). (I) It can be defined as -p (t) | = 0. That is , it is in a state of complete stop where the maximum speed of λ t, −m is zero.
However, since the actual data has fluctuations as described above, it is rare that the speed is completely measured as zero. Therefore, in consideration of the influence of fluctuation theta p, defining a stagnant state as follows.
C st : | p (i) −p (t) | <θ p
p (i) ελ t, −m
That is, the object in the stagnant state, the condition that during the time t-m of t p (t) is not Na apart distance theta p or more from. Thereby, it is possible to accurately determine that the moving object is in a stagnation state in consideration of the position fluctuation.
直進状態(sw)の条件Cswは、軌跡データλt,−mの時刻i(0≦i≦m)における移動速度(ベクトル値)をv(i)=p(i)−p(i−1)とすれば、v(i)−v(t)と定義できる。つまりλt,−mのどの移動ベクトルも、時刻tの速度ベクトルv(t)=p(t)−p(t−1)との差が0であるような状態である。
ただし、停滞状態と同様に揺らぎの影響がある。このため、揺らぎを含めた直進状態を次のように定義する。
Csw:|v(i)−v(t)|<θp
v(i)=p(i)−p(i−1)
これにより、位置揺らぎを考慮して移動オブジェクトが直進状態にあることを的確に判定できる。
The straight-running state (sw) condition C sw is the moving speed (vector value) of the trajectory data λ t, −m at time i (0 ≦ i ≦ m) v (i) = p (i) −p (i− 1), it can be defined as v (i) -v (t). That is , any movement vector of λ t, −m is in a state where the difference from the velocity vector v (t) = p (t) −p (t−1) at time t is zero.
However, there is a fluctuation effect as in the stagnation state. For this reason, the straight traveling state including fluctuation is defined as follows.
C sw : | v (i) −v (t) | <θ p
v (i) = p (i) -p (i-1)
Thereby, it is possible to accurately determine that the moving object is in the straight traveling state in consideration of the position fluctuation.
乱歩状態(rw)は、停滞、直進のいずれにも分類されなかった場合は、乱歩状態と判定できる。このため、乱歩状態を特定する条件は不要とも考えられる。しかし、状態の条件が設定されていないと、予測関数を一意に決められなくなる。そこで、いかなる動きをするオブジェクトでも満足するように条件を、乱歩状態の条件として定義しておく。 If the random walk state (rw) is not classified as either stagnant or straight, it can be determined as a random walk state. For this reason, it may be considered that the condition for specifying the random walking state is unnecessary. However, if the condition of the state is not set, the prediction function cannot be determined uniquely. Therefore, a condition is defined as a condition of a random walking state so that any moving object is satisfied.
p(t)を終点とし、最高速度がvmaxであるようなオブジェクトの軌跡データλt,−mの各点は、必ずp(t)を中心とする半径ivmaxの円に含まれる。乱歩状態の条件Crwは、λt,−mの最高速度(スカラー値)をvmaxとするとき、Crw:|v(i)|≦ivmax(t−m≦i≦t)と定義でき、揺らぎを含めた乱歩状態を次のように定義する。
Crw:|v(i)|≦vmax+θp
これにより、位置揺らぎを考慮して移動オブジェクトが乱歩状態にあることを的確に判定できる。
Each point of the trajectory data λ t, -m of the object whose end point is p (t) and the maximum speed is v max is always included in a circle with a radius iv max centered on p (t). Random walk condition C rw is defined as C rw : | v (i) | ≦ iv max (t−m ≦ i ≦ t), where v max is the maximum speed (scalar value) of λ t, −m. A random walk state including fluctuation is defined as follows.
C rw : | v (i) | ≦ v max + θ p
Thereby, it is possible to accurately determine that the moving object is in a random walking state in consideration of the position fluctuation.
[予測関数]
時刻tから未来の時刻j=t+n(ただしt<j≦t+n:j,nは正整数)までの軌跡データλt,+nで示される移動オブジェクトの移動予想範囲をR(j)とする。λt,−mがある状態Cにあるとき、Cに含まれる条件式を利用して、λt,−mからR(j)を求めることができる。範囲R(j)は面積を持つ閉じた図形であり、例えば矩形や円、またはこれらの集合で表される。R(j)はf(λt,−m,j)=R(j)のように、λt,−mと時刻jを引数とする関数で表せる。このfを予測関数と呼ぶ。
[Prediction function]
Let R (j) be the expected movement range of the moving object indicated by the trajectory data λ t, + n from time t to future time j = t + n (where t <j ≦ t + n: j, n is a positive integer). When λ t, −m is in a certain state C, R (j) can be obtained from λ t, −m using a conditional expression included in C. The range R (j) is a closed figure having an area, and is represented by, for example, a rectangle, a circle, or a set of these. R (j) can be expressed by a function having λ t, −m and time j as arguments , such as f (λ t, −m , j) = R (j). This f is called a prediction function.
なお、従来手法では、fは点座標を返す関数として定義されているものもある。しかし、未来のオブジェクトの移動する位置を、点座標という極めて高い精度の位置情報として予測することは現実的でない。このため、本発明ではfは範囲を返す関数として定義する。 In the conventional technique, f is defined as a function that returns point coordinates. However, it is not realistic to predict the position where a future object moves as position information with extremely high accuracy, that is, point coordinates. Therefore, in the present invention, f is defined as a function that returns a range.
停滞状態の場合、条件Cst:|p(i)−p(t)|<θpであるから、未来にオブジェクトが移動する範囲Rst(j)=fst(λt,−m,j)もp(t)を中心とする半径θpの円とする。ただし、MBR(Minimum Bounding Rectangle:最小被覆図形)を作成する場合には予測範囲が矩形であるほうが都合がよいため、実際にはこの円を含む最小の矩形を予測範囲とする。
これにより、位置揺らぎを考慮して移動オブジェクトが停滞状態にある場合の移動予測範囲を精度よく算出できる。
In the stagnation state, since the condition C st : | p (i) −p (t) | <θ p , the range in which the object moves in the future R st (j) = f st (λ t, −m , j ) Is also a circle with a radius θ p centered on p (t). However, when creating an MBR (Minimum Bounding Rectangle), it is more convenient that the prediction range is a rectangle, so the minimum rectangle including this circle is actually set as the prediction range.
Thereby, it is possible to accurately calculate the movement prediction range when the moving object is in a stagnation state in consideration of the position fluctuation.
直進状態の場合、条件Csw:|v(i)−v(t)|<θpから、Rsw(j)=fsw(λt,−m,j)は、図3に示すように、p(t)+(j−t)v(t)を中心とした半径θpの円形の領域とする。図3は、直進状態での移動予測範囲を示す説明図である。予測される領域は円形になるが、停滞の場合と同じようにMBRの作成に供するため、この円を含む最小の矩形を実際の予測範囲とする。
これにより、位置揺らぎを考慮して移動オブジェクトが直進状態にある場合の移動予測範囲を精度よく算出できる。
In the case of the straight traveling state, from the condition C sw : | v (i) −v (t) | <θ p , R sw (j) = f sw (λ t, −m , j) is as shown in FIG. , and p (t) + (j- t) v (t) centered with radius theta p circular area of the. FIG. 3 is an explanatory diagram showing a movement prediction range in a straight traveling state. The predicted area is circular, but in order to prepare an MBR as in the case of stagnation, the smallest rectangle including this circle is set as the actual prediction range.
Thereby, it is possible to accurately calculate the movement prediction range when the moving object is in the straight traveling state in consideration of the position fluctuation.
乱歩状態の場合、条件Crw:|v(i)|≦vmax+θpから、Rrw(j)=frw(t+n)は、図4に示すようにp(t)を中心とする半径nvmax+θpの円になる。図4は、乱歩状態での移動予測範囲を示す説明図である。しかし、この予測関数をそのまま用いると、予測関数で得られる予測範囲が非常に広くなり、冗長性が高くなる。そこで、移動オブジェクトがランダムウォークすると仮定し、移動オブジェクトが到達しにくい、円の外周付近の領域を予測範囲から削る方法を導入する。 In the case of a random walking state, from the condition C rw : | v (i) | ≦ v max + θ p , R rw (j) = f rw (t + n) is a radius centered on p (t) as shown in FIG. It becomes a circle of nv max + θ p . FIG. 4 is an explanatory diagram showing a movement prediction range in a random walk state. However, if this prediction function is used as it is, the prediction range obtained by the prediction function becomes very wide and the redundancy becomes high. Therefore, assuming that the moving object is a random walk, a method is introduced in which a region near the outer circumference of the circle, which is difficult for the moving object to reach, is removed from the predicted range.
ランダムウォークの場合、オブジェクトが移動速度vmax以下でj−t回移動するとき、出発点p(t)から半径r(0≦r≦nvmax)の円内に存在する確率ρは、次の式で与えられる。
ρ=(r/(j−t)vmax)(j−t)
In the case of a random walk, when an object moves jt times at a moving speed v max or less, the probability ρ existing in a circle with a radius r (0 ≦ r ≦ nv max ) from the starting point p (t) is It is given by the formula.
ρ = (r / (j−t) v max ) (j−t)
つまり、時刻t+nにおける移動オブジェクトの位置を確率ρ以内で予測するには、予測円の半径をθp+nvmax×n√pとすればよい。例えばρ=0.7、π=5であれば、円の半径は0.93×5vmaxとなる。ただし、実際の軌跡データではvmaxは過大な値をとりやすく、ρ=0.6〜0.8程度に設定しても予測率はほとんど低下しない。このρは装置の管理者が、適正な値に予め設定する。
これにより、位置揺らぎを考慮して移動オブジェクトが乱歩状態にある場合の移動予測範囲を精度よく算出できる。
That is, in order to predict the position of the moving object at time t + n within the probability ρ, the radius of the predicted circle may be θ p + nv max × n√p. For example, if ρ = 0.7 and π = 5, the radius of the circle is 0.93 × 5 v max . However, in actual trajectory data, v max tends to take an excessive value, and the prediction rate hardly decreases even if it is set to about ρ = 0.6 to 0.8. This ρ is preset to an appropriate value by the manager of the apparatus.
Accordingly, it is possible to accurately calculate the movement prediction range when the moving object is in a random walking state in consideration of the position fluctuation.
[移動予測処理]
時刻t+nにおける移動先を示す移動予測範囲は、移動オブジェクトの軌跡データλt,−mについて、前述した、停滞、直進、乱歩の各状態の条件Cst,Csw,Crwを満たすかどうかを調べ、条件を満たす状態に対応する予測関数を、軌跡データに適用することで行う。前述の通り、いかなる移動オブジェクトも少なくとも条件Crwは満たす。このため、移動オブジェクトは必ずどれかの状態として特定される。オブジェクトが停滞および直進の両方の条件を満たしている場合は、停滞状態にあるものとして予測を行う。これはRst(j)のほうがRsw(j)より小さい予測範囲になるためである。
[Move prediction process]
Whether the movement prediction range indicating the movement destination at time t + n satisfies the conditions C st , C sw , and C rw of the stagnation, straight travel, and random walk states described above with respect to the trajectory data λ t, −m of the moving object. This is performed by applying a prediction function corresponding to a state satisfying the condition to the trajectory data. As described above, any moving object satisfies at least the condition C rw . For this reason, the moving object is always specified as any state. If the object satisfies both the stagnation and straight travel conditions, it is predicted that the object is in a stagnation state. This is because R st (j) has a smaller prediction range than R sw (j).
図2を参照して、移動予測処理の具体例について説明する。移動予測装置3の移動予測部31は、オブジェクトデータ管理装置2からの予測要求2Aに応じて、図2の移動予測処理を実行する。
まず、移動予測部31は、予測要求2Aから軌跡データλt,−m={p(t−m),....,p(t)}を取得し(ステップ100:データ取得手段)、この軌跡データから各移動速度ベクトルv(i)=p(i)−p(i−1)を算出する(ステップ101:移動速度算出手段)。
A specific example of the movement prediction process will be described with reference to FIG. The
First, the
次に、軌跡データが停滞条件Cst:|p(i)−p(t)|<θpを満足するか検査し(ステップ102:移動状態特定手段)、Cstを満足する場合は(ステップ102:YES)、時刻jにおける当該移動オブジェクトの移動予測範囲はp(t)を中心とする半径θpの円内の領域とする(ステップ103:移動予測範囲算出手段)。 Next, stagnation trajectory data condition C st: | p (i) -p (t) | Inspect satisfies <theta p (step 102: the movement status determining means), is satisfied C st (step 102: YES), the movement prediction range of the moving object at time j is the area within the circle of radius theta p centered at p (t) (step 103: moving the expected range calculation means).
一方、Cstを満足しない場合(ステップ102:NO)、軌跡データが直進条件Csw:|v(i)−v(t)|<θpを満足するか検査し(ステップ104:移動状態特定手段)、Cswを満足する場合は(ステップ104:YES)、時刻jにおける当該移動オブジェクトの移動予測範囲はp(t)+(j−t)v(t)を中心とする半径θpの円内の領域とする(ステップ105:移動予測範囲算出手段)。 On the other hand, if C st is not satisfied (step 102: NO), it is checked whether the trajectory data satisfies the straight traveling condition C sw : | v (i) −v (t) | <θ p (step 104: movement state specification) Means), if C sw is satisfied (step 104: YES), the movement prediction range of the moving object at time j is a radius θ p centered at p (t) + (j−t) v (t). The region is within a circle (step 105: movement prediction range calculation means).
また、Crwを満足しない場合(ステップ104:NO)、軌跡データが乱歩条件Crw:|v(i)|≦vmax+θpを満足するか検査し(ステップ106:移動状態特定手段)、Crwを満足する場合は(ステップ106:YES)、時刻jにおける当該移動オブジェクトの移動予測範囲はp(t)を中心とする半径(j−t)vmax+θpの円内の領域とする(ステップ107:移動予測範囲算出手段)。 If C rw is not satisfied (step 104: NO), it is checked whether the trajectory data satisfies the random walking condition C rw : | v (i) | ≦ v max + θ p (step 106: moving state specifying means) When C rw is satisfied (step 106: YES), the movement prediction range of the moving object at time j is an area within a circle having a radius (j−t) v max + θ p centered at p (t). (Step 107: Movement prediction range calculation means).
このように、本実施の形態は、移動予測装置により、軌跡データが移動オブジェクトの停滞、直進、および乱歩の各移動状態を示す条件のいずれを満たすか判定することにより移動オブジェクトの移動状態を特定し、この特定された移動オブジェクトの移動状態に応じて当該移動オブジェクトの移動予測範囲を算出するようにしたので、移動オブジェクトの移動状態に応じて適切に位置揺らぎを考慮して移動予測範囲を算出でき、位置揺らぎ(測定誤差)を含むデータを用いてオブジェクトの移動先を予測する場合でも、比較的少ない計算量で、高い予測精度が得られる。 As described above, according to the present embodiment, the movement prediction device determines the moving state of the moving object by determining which of the conditions indicating the moving state of the moving object is stagnation, straight ahead, and random walking. In addition, since the movement prediction range of the moving object is calculated according to the movement state of the identified moving object, the movement prediction range is calculated considering the position fluctuation appropriately according to the movement state of the moving object. Even when the movement destination of an object is predicted using data including position fluctuation (measurement error), high prediction accuracy can be obtained with a relatively small amount of calculation.
[第2の実施の形態]
次に、移動オブジェクトDBシステムのオブジェクトデータ管理装置2におけるインデクス作成動作について説明する。
各移動オブジェクトに対するインデクス構造としては、TPR−TreeやSTP−Treeなどと同様に、d次元空間に時間軸を加えたd+1次元上の、R−Treeをベースとした木構造を用いる。移動オブジェクトDBシステムでは、センサで追跡されている移動オブジェクトの位置データを時刻ごとに一斉に集め、それらをまとめてデータベースに追加する形態が多い。
[Second Embodiment]
Next, an index creation operation in the object
As an index structure for each moving object, a tree structure based on R-Tree on the d + 1 dimension obtained by adding a time axis to a d-dimensional space is used, as in TPR-Tree and STP-Tree. In the moving object DB system, there are many forms in which the position data of moving objects tracked by sensors are collected all at once and added together to a database.
このため、本実施の形態では、一般のR−Treeとは異なり、オブジェクトデータは常に現在時刻の位置データのみが一斉に追加されるものとする。すなわち、過去の時刻のデータが追加されるケースは扱わない。このように仮定すると、移動オブジェクト間の距離や速度差などを予め算出してからMBRを作成できるため、一般のR−Treeよりも効率のよいインデクスを作ることができる。 For this reason, in this embodiment, unlike general R-Tree, only the position data of the current time is always added to the object data all at once. That is, the case where data of past time is added is not handled. Assuming this, since the MBR can be created after previously calculating the distance, speed difference, etc. between moving objects, an index more efficient than a general R-Tree can be created.
具体的なMBR(Minimum Bounding Rectangle:最小被覆図形)の作成方法について説明する。まず、MBRを作成する時刻tの各移動オブジェクトの位置ベクトルp(t)を調べ、各移動オブジェクト間の距離を調べておく。次に、クラスタリング手法の1つである群平均法を用いて、予め決められた数のクラスに分ける。このクラスタリングにより、比較的近くにある移動オブジェクト同士が同じクラスに属することになる。なお、1つのクラスに属する移動オブジェクトの数は予め定めておく。作成されたクラスに含まれるそれぞれの移動オブジェクトの位置を調べ、これを葉ノードのMBRとする。中間ノードのMBRは、葉ノードのMBRを作成した後に作成する。その後、各オブジェクトについて移動先の予測を行い、時刻t+1からt+nまでの予測MBRを作成する。 A specific MBR (Minimum Bounding Rectangle) creation method will be described. First, the position vector p (t) of each moving object at time t at which the MBR is created is checked, and the distance between the moving objects is checked. Next, it is divided into a predetermined number of classes using a group average method which is one of clustering methods. By this clustering, moving objects that are relatively close to each other belong to the same class. Note that the number of moving objects belonging to one class is determined in advance. The position of each moving object included in the created class is checked, and this is set as the MBR of the leaf node. The MBR of the intermediate node is created after the MBR of the leaf node is created. Thereafter, the movement destination is predicted for each object, and a prediction MBR from time t + 1 to t + n is created.
予測されたMBRから、実際の移動オブジェクトが逸脱してしまった場合は、次のようにする。もし移動オブジェクトの逸脱が、MBRが生成されてから予め決められた時間間隔u以内に発生したら、該当する時刻の該当するMBRのサイズを、移動オブジェクトを含むサイズに変更することのみで対処する。もし時間間隔uを越えてこの逸脱が生じた場合は、すべての移動オブジェクトに対してMBRを生成しなおす。uは予め装置の管理者によって決められた時間間隔である。 When the actual moving object deviates from the predicted MBR, the following is performed. If the deviation of the moving object occurs within a predetermined time interval u after the MBR is generated, it is dealt with only by changing the size of the corresponding MBR at the corresponding time to a size including the moving object. If this deviation occurs beyond the time interval u, the MBR is regenerated for all moving objects. u is a time interval determined in advance by the administrator of the apparatus.
このようにしてMBRを作成すると、移動オブジェクトを1つずつ追加しながらR−Treeを作成していく場合に比べ、はるかに面積の小さなMBRが作成される。なお、時刻tの時点に存在しなかった移動オブジェクトがそれ以降に追加されたときは、通常のR−Tree等と同じようにして、根側のMBRから葉側へ追加を行う。 When an MBR is created in this way, an MBR with a much smaller area is created than when an R-Tree is created while adding moving objects one by one. When a moving object that did not exist at the time t is added thereafter, the addition is performed from the MBR on the root side to the leaf side in the same manner as in normal R-Tree or the like.
[第3の実施の形態]
次に、図5および図6を参照して、移動オブジェクトDBシステムのオブジェクトデータ管理装置2におけるデータ検索動作について説明する。図5は、インデクス(MBR)の階層構成を示す上面図である。図6は、インデクス(MBR)の階層構成を示すツリー構造図である。
オブジェクトデータの検索は、R−Tree(既存技術)と同様の方法にて行う。具体的な方法について、最も基本的な方法を説明する。
[Third Embodiment]
Next, a data search operation in the object
The search for object data is performed in the same manner as R-Tree (existing technology). As a specific method, the most basic method will be described.
まず、作成されたインデクス(MBR)を、時刻ごとに図6に示すように階層化しておく。上位の層のMBRは、図5に示すように、下位の層のMBRを完全に包含するように作成する。そして、MBRが含む下位のMBR群の位置とサイズを記録しておく。この操作を上位層に向かって繰り返す。このように操作を行うと、最も上位の層のMBRは、すべての下位の層のMBRを含む形状になる。 First, the created index (MBR) is hierarchized as shown in FIG. 6 for each time. As shown in FIG. 5, the upper layer MBR is created so as to completely include the lower layer MBR. Then, the position and size of the lower MBR group included in the MBR are recorded. This operation is repeated toward the upper layer. When the operation is performed in this manner, the MBR of the uppermost layer becomes a shape including the MBRs of all the lower layers.
データの検索の操作は、指定された範囲にあるオブジェクトを全て求める操作である。まず、作成した階層構造の最上層にあるMBRに、指定された範囲が含まれるかどうかを判定する。ここで、指定された範囲がMBRの形状内に含まれない場合は、求めるべき移動オブジェクトが存在しないことを意味する。すなわち、「該当オブジェクトなし」という答えを返す。 The data search operation is an operation for obtaining all objects in a specified range. First, it is determined whether or not the designated range is included in the MBR at the top layer of the created hierarchical structure. Here, when the designated range is not included in the shape of the MBR, it means that there is no moving object to be obtained. That is, the answer “no corresponding object” is returned.
MBR内に指定された範囲が含まれる場合は、MBRが含んでいる下位のMBRの形状と、指定された範囲とに重複する部分があるかどうかを調べる。もし重複する範囲があれば、重複部位を持つMBRについて、さらにそのMBRが含む下位層のMBR群について、同様の範囲重複チェックを行う。このようにして、最も下位の層にあるMBRのうち、指定された範囲と重複する部位を持つMBRのリストを取り出す。最後に、この取り出されたMB:Rに含まれるオブジェクトのうち、指定された範囲に含まれているオブジェクトに関するオブジェクトデータをデータ蓄積部23から取り出す。この取り出されたオブジェクトデータを検索結果4Bとして返す。
When the specified range is included in the MBR, it is checked whether there is an overlapping portion between the shape of the lower MBR included in the MBR and the specified range. If there is an overlapping range, the same range overlapping check is performed for the MBR having the overlapping portion and the lower layer MBR group included in the MBR. In this way, a list of MBRs having portions overlapping with the designated range is extracted from among the MBRs in the lowest layer. Finally, object data relating to objects included in the specified range among the objects included in the extracted MB: R is extracted from the
1…軌跡データ入力装置、11…データ取得部、1A…軌跡データ、2…オブジェクトデータ管理装置、21…データ生成部、22…データ検索部、23…データ蓄積部、2A…予測要求、2B…予測結果、3…移動予測装置、31…移動予測部、4…データ検索装置、41…データ検索部、4A…検索要求、4B…検索結果、5…軌跡データ、6A…検索要求、6B…検索結果。
DESCRIPTION OF
Claims (4)
前記演算処理部に、
外部から移動オブジェクトの軌跡データを取得して前記記憶部へ保存するデータ取得手段と、
前記記憶部の軌跡データに含まれる、時刻t−m(ただしt,mは正整数)から時刻tにおける前記移動オブジェクトの位置ベクトルp(t−m)からp(t)に基づいて各時刻i(ただしt−m≦i≦t:iは正整数)における移動速度ベクトルv(i)=p(i)−p(i−1)を算出して前記記憶部へ保存する移動速度算出手段と、
前記記憶部の軌跡データが前記移動オブジェクトの停滞、直進、および乱歩の各移動状態を示す条件のいずれを満たすか判定することにより前記移動オブジェクトの移動状態を特定する移動状態特定手段と、
特定された前記移動オブジェクトの移動状態に応じて当該移動オブジェクトの移動予測範囲を算出する移動予測範囲算出手段と
を備え、
前記移動状態特定手段は、
前記軌跡データに含まれる、時刻t−m(ただしt,mは正整数)から時刻tにおける前記移動オブジェクトの位置ベクトルp(t−m)からp(t)と、前記軌跡データを測定したセンサの測定誤差または前記移動オブジェクトの直径のうちいずれか大きい値からなる前記移動オブジェクトの位置揺らぎの幅θ p とが、|p(i)−p(t)|<θ p (ただしt−m≦i≦t:iは正整数)の条件を満たす場合、当該移動オブジェクトは停滞状態にあると判定し、
前記記憶部の移動速度ベクトルv(t−m)からv(t)と前記移動オブジェクトの前記位置揺らぎの幅θ p とが、|v(i)−v(t)|<θ p (ただしt−m≦i≦t:iは正整数)の条件を満たす場合、当該移動オブジェクトは直進状態にあると判定し、
前記記憶部の移動速度ベクトルv(t−m)からv(t)、これら移動速度ベクトルの最大移動速度v max 、および前記移動オブジェクトの前記位置揺らぎの幅θ p が、|v(i)|<v max +θ p (ただしt−m≦i≦t:iは正整数)の条件を満たす場合、当該移動オブジェクトは乱歩状態にあると判定し、
前記移動予測範囲算出手段は、
前記移動状態特定手段が前記移動オブジェクトが前記停滞状態にあると判定した場合、時刻j(ただしt<j≦t+n:j,nは正整数)における当該移動オブジェクトの移動予測範囲は、少なくともp(t)を中心とする半径θ p の円内の領域とし、
前記移動状態特定手段が前記移動オブジェクトが前記直進状態にあると判定した場合、時刻j(ただしt<j≦t+n:j,nは正整数)における当該移動オブジェクトの移動予測範囲は、少なくともp(t)+(j−t)v(t)を中心とする半径θ p の円内の領域とし、
前記移動状態特定手段が前記移動オブジェクトが前記乱歩状態にあると判定した場合、時刻j(ただしt<j≦t+n:j,nは正整数)における当該移動オブジェクトの移動予測範囲は、少なくともp(t)を中心とする半径(j−t)v max +θ p の円内の領域とする
ことを特徴とする移動予測装置。 A trajectory that includes an arithmetic processing unit that performs arbitrary arithmetic processing on input data, and a storage unit that stores data used by the arithmetic processing unit, and includes position information of moving objects at each time by the arithmetic processing unit. A movement prediction device that calculates a movement prediction range of the moving object based on data,
In the arithmetic processing unit,
Data acquisition means for acquiring trajectory data of a moving object from the outside and storing it in the storage unit;
Each time i based on the position vector p (t−m) to p (t) of the moving object from time t−m (where t and m are positive integers) included in the trajectory data of the storage unit. A moving speed calculating means for calculating a moving speed vector v (i) = p (i) −p (i−1) in t−m ≦ i ≦ t (i is a positive integer) and storing it in the storage unit; ,
Stagnation of locus data before term memory unit said moving object, a moving condition specifying means for specifying a moving state of the moving object by determining whether meet one of the conditions shown straight, and each moving state of the random walk,
And a moving prediction range calculation means for calculating a movement prediction range of the moving object according to the moving state of the specific to said mobile object,
The movement state specifying means includes
Sensors that measure the trajectory data, including the trajectory data from the time t-m (where t and m are positive integers) to the position vector p (t-m) to p (t) of the moving object from the time t. Width of the position fluctuation θ p of the moving object, which is the larger of the measurement error or the diameter of the moving object, is | p (i) −p (t) | <θ p (where t−m ≦ i ≦ t: i is a positive integer), the moving object is determined to be in a stagnation state,
The moving speed vector v (t−m) to v (t) of the storage unit and the position fluctuation width θ p of the moving object are | v (i) −v (t) | <θ p (where t -M ≦ i ≦ t: i is a positive integer), the moving object is determined to be in a straight traveling state,
The moving speed vectors v (t−m) to v (t) of the storage unit, the maximum moving speed v max of these moving speed vectors , and the position fluctuation width θ p of the moving object are represented by | v (i) | If the condition of <v max + θ p (where t−m ≦ i ≦ t: i is a positive integer) is satisfied, the moving object is determined to be in a random walking state,
The movement prediction range calculation means includes
When the moving state specifying unit determines that the moving object is in the stagnation state, the movement prediction range of the moving object at time j (where t <j ≦ t + n: j, n is a positive integer) is at least p ( t) as a region in a circle with a radius θ p centered at t) ,
When the moving state specifying unit determines that the moving object is in the straight traveling state, the movement prediction range of the moving object at time j (where t <j ≦ t + n: j, n is a positive integer) is at least p ( t) + (j−t) v (t) as a region within a circle with a radius θ p
When the moving state specifying unit determines that the moving object is in the random walking state, the movement prediction range of the moving object at time j (where t <j ≦ t + n: j, n is a positive integer) is at least p ( A movement prediction apparatus, characterized in that a region within a circle having a radius (j−t) v max + θ p centered at t) is used.
前記移動予測範囲算出手段は、時刻jにp(t)から半径rの位置に存在する確率は、(r/(j−t)vmax)(j−t)とすることを特徴とする移動予測装置。 The movement prediction apparatus according to claim 1,
The movement prediction range calculation means sets the probability of being at a position of radius r from p (t) at time j to (r / (j−t) v max ) (j−t) Prediction device.
前記演算処理部が、外部から移動オブジェクトの軌跡データを取得して前記記憶部へ保存するデータ取得ステップと、
前記演算処理部が、前記記憶部の軌跡データに含まれる、時刻t−m(ただしt,mは正整数)から時刻tにおける前記移動オブジェクトの位置ベクトルp(t−m)からp(t)に基づいて各時刻i(ただしt−m≦i≦t:iは正整数)における移動速度ベクトルv(i)=p(i)−p(i−1)を算出して前記記憶部へ保存する移動速度算出ステップと、
前記演算処理部が、前記記憶部の軌跡データが前記移動オブジェクトの停滞、直進、および乱歩の各移動状態を示す条件のいずれを満たすか判定することにより前記移動オブジェクトの移動状態を特定する移動状態特定ステップと、
前記演算処理部が、特定された前記移動オブジェクトの移動状態に応じて当該移動オブジェクトの移動予測範囲を算出する移動予測範囲算出ステップと
を備え、
前記移動状態特定ステップは、
前記軌跡データに含まれる、時刻t−m(ただしt,mは正整数)から時刻tにおける前記移動オブジェクトの位置ベクトルp(t−m)からp(t)と、前記軌跡データを測定したセンサの測定誤差または前記移動オブジェクトの直径のうちいずれか大きい値からなる前記移動オブジェクトの位置揺らぎの幅θ p とが、|p(i)−p(t)|<θ p (ただしt−m≦i≦t:iは正整数)の条件を満たす場合、当該移動オブジェクトは停滞状態にあると判定し、
前記記憶部の移動速度ベクトルv(t−m)からv(t)と前記移動オブジェクトの前記位置揺らぎの幅θ p とが、|v(i)−v(t)|<θ p (ただしt−m≦i≦t:iは正整数)の条件を満たす場合、当該移動オブジェクトは直進状態にあると判定し、
前記記憶部の移動速度ベクトルv(t−m)からv(t)、これら移動速度ベクトルの最大移動速度v max 、および前記移動オブジェクトの前記位置揺らぎの幅θ p が、|v(i)|<v max +θ p (ただしt−m≦i≦t:iは正整数)の条件を満たす場合、当該移動オブジェクトは乱歩状態にあると判定し、
前記移動予測範囲算出ステップは、
前記移動状態特定ステップが前記移動オブジェクトが前記停滞状態にあると判定した場合、時刻j(ただしt<j≦t+n:j,nは正整数)における当該移動オブジェクトの移動予測範囲は、少なくともp(t)を中心とする半径θ p の円内の領域とし、
前記移動状態特定ステップが前記移動オブジェクトが前記直進状態にあると判定した場合、時刻j(ただしt<j≦t+n:j,nは正整数)における当該移動オブジェクトの移動予測範囲は、少なくともp(t)+(j−t)v(t)を中心とする半径θ p の円内の領域とし、
前記移動状態特定ステップが前記移動オブジェクトが前記乱歩状態にあると判定した場合、時刻j(ただしt<j≦t+n:j,nは正整数)における当該移動オブジェクトの移動予測範囲は、少なくともp(t)を中心とする半径(j−t)v max +θ p の円内の領域とする
ことを特徴とする移動予測方法。 Based on trajectory data including position information of a moving object at each time by a movement prediction device having an arithmetic processing unit that performs arbitrary arithmetic processing on input data and a storage unit that stores data used in the arithmetic processing unit. A movement prediction method for calculating a movement prediction range of the moving object,
The arithmetic processing unit, a data acquisition step of storing into said storage unit to obtain the locus data of the moving object from the outside,
The arithmetic processing unit includes the moving object position vector p (tm) to p (t) from time t-m (where t and m are positive integers) included in the trajectory data of the storage unit. Based on the above, a moving speed vector v (i) = p (i) −p (i−1) at each time i (where t−m ≦ i ≦ t: i is a positive integer) is calculated and stored in the storage unit. A moving speed calculating step,
Moving state the processing unit, the trajectory data of the storage unit to identify the moving state of the moving object by determining whether meet one of the conditions shown stagnation, straight, and each moving state of the random walk of the moving object Specific steps,
The arithmetic processing unit, and a moving prediction range calculation step of calculating a movement prediction range of the moving object according to the moving state of the identified said moving object,
The moving state specifying step includes:
Sensors that measure the trajectory data, including the trajectory data from the time t-m (where t and m are positive integers) to the position vector p (t-m) to p (t) of the moving object from the time t. Width of the position fluctuation θ p of the moving object, which is the larger of the measurement error or the diameter of the moving object, is | p (i) −p (t) | <θ p (where t−m ≦ i ≦ t: i is a positive integer), the moving object is determined to be in a stagnation state,
The moving speed vector v (t−m) to v (t) of the storage unit and the position fluctuation width θ p of the moving object are | v (i) −v (t) | <θ p (where t -M ≦ i ≦ t: i is a positive integer), the moving object is determined to be in a straight traveling state,
The moving speed vectors v (t−m) to v (t) of the storage unit, the maximum moving speed v max of these moving speed vectors , and the position fluctuation width θ p of the moving object are represented by | v (i) | If the condition of <v max + θ p (where t−m ≦ i ≦ t: i is a positive integer) is satisfied, the moving object is determined to be in a random walking state,
The movement prediction range calculation step includes:
When the moving state specifying step determines that the moving object is in the stagnation state, the movement prediction range of the moving object at time j (where t <j ≦ t + n: j, n is a positive integer) is at least p ( t) as a region in a circle with a radius θ p centered at t) ,
When the moving state specifying step determines that the moving object is in the straight traveling state, the movement prediction range of the moving object at time j (where t <j ≦ t + n: j, n is a positive integer) is at least p ( t) + (j−t) v (t) as a region within a circle with a radius θ p
When the moving state specifying step determines that the moving object is in the random walking state, the movement prediction range of the moving object at time j (where t <j ≦ t + n: j, n is a positive integer) is at least p ( A movement prediction method, wherein a region within a circle having a radius (j−t) v max + θ p centered at t) is used.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005355076A JP4627256B2 (en) | 2005-12-08 | 2005-12-08 | Movement prediction apparatus, movement prediction method, and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005355076A JP4627256B2 (en) | 2005-12-08 | 2005-12-08 | Movement prediction apparatus, movement prediction method, and program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007157069A JP2007157069A (en) | 2007-06-21 |
JP4627256B2 true JP4627256B2 (en) | 2011-02-09 |
Family
ID=38241319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005355076A Expired - Fee Related JP4627256B2 (en) | 2005-12-08 | 2005-12-08 | Movement prediction apparatus, movement prediction method, and program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4627256B2 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6293652B2 (en) * | 2014-12-26 | 2018-03-14 | 本田技研工業株式会社 | State prediction system |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07151856A (en) * | 1993-12-01 | 1995-06-16 | Oki Electric Ind Co Ltd | Tracking equipment of moving target |
JPH1186004A (en) * | 1997-09-11 | 1999-03-30 | Fujitsu Ltd | Moving body tracking device |
JP2001060406A (en) * | 1999-08-20 | 2001-03-06 | Matsushita Electric Works Ltd | Automatically tracking lighting system |
-
2005
- 2005-12-08 JP JP2005355076A patent/JP4627256B2/en not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07151856A (en) * | 1993-12-01 | 1995-06-16 | Oki Electric Ind Co Ltd | Tracking equipment of moving target |
JPH1186004A (en) * | 1997-09-11 | 1999-03-30 | Fujitsu Ltd | Moving body tracking device |
JP2001060406A (en) * | 1999-08-20 | 2001-03-06 | Matsushita Electric Works Ltd | Automatically tracking lighting system |
Also Published As
Publication number | Publication date |
---|---|
JP2007157069A (en) | 2007-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pelanis et al. | Indexing the past, present, and anticipated future positions of moving objects | |
Ortiz et al. | An empirical analysis of deep learning for cardinality estimation | |
Alamdari et al. | Persistent monitoring in discrete environments: Minimizing the maximum weighted latency between observations | |
US11860902B2 (en) | Indexing of large scale patient set | |
Ta et al. | Signature-based trajectory similarity join | |
Izakian et al. | Automated clustering of trajectory data using a particle swarm optimization | |
Hahsler et al. | Introduction to stream: An extensible framework for data stream clustering research with R | |
US20130287250A1 (en) | Method and apparatus for tracking object in image data, and storage medium storing the same | |
US20070050566A1 (en) | Methods and apparatus for incremental approximate nearest neighbor searching | |
US10515102B2 (en) | Pre-processing of geo-spatial sensor data | |
Stiffler et al. | Complete and optimal visibility-based pursuit-evasion | |
US20150149508A1 (en) | Summarizing statistical data for database systems and/or environments | |
Guizilini et al. | Towards real-time 3D continuous occupancy mapping using Hilbert maps | |
JP2004118290A (en) | Device and method for generating index for moving locus data retrieval, device and method for retrieving moving locus data, index generating program for moving locus data retrieval, recording medium recording the same, moving locus data retrieval program and recording medium recording the same | |
Yin et al. | A cost-efficient framework for finding prospective customers based on reverse skyline queries | |
JP4627256B2 (en) | Movement prediction apparatus, movement prediction method, and program | |
Ding et al. | Efficient maintenance of continuous queries for trajectories | |
Xu et al. | Continuous k nearest neighbor queries over large multi-attribute trajectories: a systematic approach | |
Anderson et al. | Efficient MaxCount and threshold operators of moving objects | |
JP2006244389A (en) | Similar time series data calculating device, and its method and program | |
JP7404705B2 (en) | Crystal material analysis equipment, crystal material analysis method, and crystal material analysis program | |
Xu et al. | Understanding human mobility: A multi-modal and intelligent moving objects database | |
US10965315B2 (en) | Data compression method | |
Grebhahn et al. | Challenges in Finding an Appropriate Multi-Dimensional Index Structure with Respect to Specific Use Cases. | |
KR101068937B1 (en) | Personalized Studying Path Generating Method in Serious Game |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080128 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100824 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20101005 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20101102 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20101104 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131119 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131119 Year of fee payment: 3 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
LAPS | Cancellation because of no payment of annual fees |