JP5563305B2 - 道路のデジタルモデル構築方法 - Google Patents

Description

本発明は、道路デジタルモデル構築方法、適応型局所道路アルゴリズム（以下ALAと略）の確定方式、および実施装置に関する。

本発明はこれに限定されるわけでないが、ナビゲーション支援アプリケーションは、近年ますます好評を博してきており、道路アプリケーションに関し、大いなる必要性があることを明らかにした。

本発明は、マッピング最適化に関してであれ、道路状態監視支援、危険検知、たとえば差し迫る危険な状況（例：粘着限界オーバー、障害物、など）時の、警報発信を伴う車両ドライバーに対する運転支援を含む道路管理に関してであれ、このような必要性に対する一つの回答を提案する。

それは、道路を定義する使用可能な変数を、アプリケーションの制約、および、そのアプリケーションにリンクされるプロセスおよびスケジューリングの制約と突き合せ、そして集合させることを可能とする方法である。

この突合せは、既存のデータベースに基づいて、データキャプチャ記録車両からのデータに基づいて、道路管理センターからのデータに基づいて、オンボード道路マッピングセンターに基づいて、設けることが出来る。

突合せは、使用可能な変数全体に照らして、特定のアプリケーションのプロセスおよびスケジューリングの制約を尊重した上で特定の用途に応えるために、ある時点におけるある変数の、他の変数に集合される能力を検証することを可能にする。

変数の集合は、選択されたアプリケーションに照らして、適応型局所道路アルゴリズムを確定することを可能にする。これらアルゴリズムは、道路の一部分に局所化され、雨、水、車両速度など、いつも変化する要素に応じて、この道路の危険、リスク、および、あらゆる種類の情報と特徴を定義する。

本発明は、このようにして得られた道路アルゴリズムの値をリアルタイムでアップデートすることを可能にする。特定のアプリケーションの一環として、新たな計測、新たな変数、新たな経験的情報、あるいは、新たな処理が、含まれる変数集合、従って、得られるアルゴリズムおよびその使用から生じる結果における、影響、精度および信頼を変化させる。

また、本発明は、特定のアプリケーションにおいて、既存の変数を用いて得られる情報の信頼および品質を確定することを可能にし、かつ、その情報の品質あるいは精度を向上させるために、処理、あるいは、収集すべき補足情報を提案することを可能にする。また、本発明は、得られたアルゴリズムを用いて、情報の、ある時点の正確な値を、リアルタイムで計算することを可能にする。

また、本発明は、リモート接続されることができる、あるいは、データキャプチャ記録車両、道路監視管理計算センター、SIG（地理情報システム）、オンボード用道路マッピングセンターに設置されることができる装置にも係り、当該装置は、適応型局所道路アルゴリズムを生成する。当該アルゴリズムは、ある時点での、ある特徴またはあるリスクの正確な値および場所を知るために、道路管理者およびオンボードナビゲーションシステムにより使用される。

現在、既存のデータに基づいて、道路管理センターから送られる情報に基づいて、SIGに収められたデータに基づいて、あるいは、オンボードマッピング生成センターから送られるデータに基づいて、多様な適応型局所道路アルゴリズムを確定することができるいかなるシステムも存在しない。

CFT値(横方向摩擦係数)およびCFL値（縦方向摩擦係数）を提供する、設備部のトラックまたはサービス業者が使用する同様トラックによって実施される計測は知られている。地方自治体に伝えられる結果は、粘着（Adherence）に係るリスクを綿密に把握するには不十分である。と言うのも、この値はリアルタイムでの利用者車両速度や天候条件と関連付けられなければならないからである。各舗装は、一連のパラメータに対して独自な形で反応する。唯一つの静的情報では、必要な動的面についての情報を与えるには不十分である。

NAVTEQ、TELEATLAS（登録商標）のような会社により編集されるデジタルマッピング、および、唯一のDGPSとカメラを使ってのデータの取り込み方、そのデータの成形され方は知られている。生成される情報全ては静的であり、たとえば片勾配や舗装品質と言った、道路特性評価に貢献しない。

同ナビゲーション用マッピング会社による、自治体に対する質的道路情報収集の試みが失敗したことは知られている。情報の性質、動的さ、多様性、および不均質性が、現状では、マップへの書写しを不可能にしている。

ヨーロッパレベルでの、MAP and ADAS（マップおよび先進運転支援システム）マッピングの失敗は知られている。首謀者たちは、道路データの動的側面を考慮せずに、安全情報収集を規格化しようとしたのである。

地方自治体により使われるSIGが、使用状況において、適応型動的要素を組み入れることが出来ないことは知られている。

データベース管理システム、特に、リーダーのORACLE（登録商標）のそれが、データベース管理抽出マージ解決案を提供しているが、変数の把握を、その用途により調整することができず、道路データを比較、集合させることが出来ないことは知られている。

従って、あるプロセスのあるアプリケーションおよびその偶発性に鑑みて、変数の特性を他の変数と突き合せることを可能にし、当該変数を集合させて、道路ナビゲーションマッピングにADAS適応型局所デジタル情報を書き込むことを可能にし、道路管理者に対し、明確な道路一部分について、起こり得る日常変化に鑑みて、その道路の特徴的要素を把握させることが出来るようなアルゴリズムを提供することを可能にするような、改良された装置および方法を提案する必要が存在する。

従来の技術においては、SIGに保存される、または、道路データベースにある情報は、不変のものであり、変数の意義は、プロセスのその用途およびそれに伴うスケジューリング制約とは独立したものであると考える、揺るがない先入観が存在する。本発明は、確かに一定且つ固定の変数を使うかもしれないが、変数の使用目的、アプリケーション、および、プロセスおよびスケジューリング制約に応じて、その影響および性能の分析をも確保するようなシステムを奨励することで、このような先入観を克服している。

あるアプリケーションでは、本発明は、車両におけるADASアプリケーションと互換性がありかつ有用な情報で、ナビゲーション向け道路マッピングを充実させることを目的とする。

また別のアプリケーションでは、本発明は、管理者に対して、道路と道路利用のより良い管理を可能にしてくれる道路情報の生成を目的とする。
他の目的および利点が、本発明を限定することを目的とするものではない、以下に続く詳細な説明の中で登場することになる。

それに先立ち、本発明は、ディファレンシャルグローバルポジショニングシステム（DGPS）を使って道路ジオメトリーに関する1番目のデータセットを収集し、グローバルポジショニングシステム（GPS）とハイブリッドさせた慣性航法装置を使って道路ジオメトリーに関する２番目のデータセットを収集し、当該1番目および2番目のデータセットの値をその信頼レベルの確定によりインデックス化し、予め定められた信頼閾値に達しない当該1番目および2番目のデータセットの値を削除し、修正された1番目および2番目のデータセットを得、当該修正された1番目および2番目のデータセットのデータを集合させ、道路デジタルモデルを得ることにあるステップを含むことを特徴とする、道路デジタルモデル構築方法に関することを思い起こす必要がある。

限定するものでない好ましい変形では、本方法は、
・さらに、トポグラフィカル精度のディファレンシャルグローバルポジショニングシステム（TDGPS）を用いて得られるジオメトリ基準点を追加することにある、データ集合により得られるモデルリファインを含み、
・ 1番目および2番目のデータセット収集は計測車両の路上移動により行われ、
・ 2番目のデータセット収集と同時に、道路特性解析の追加データを収集し、
・ 追加データ収集はビデオキャプチャを含み、ビデオ信号を処理して、車道幅、建造物高さ、標識の中から選ばれる道路の多元的特性を抽出するようにし、
・ 道路管理センターのデータベースからのデータをデジタルモデルに組み入れる、と言うものである。

本発明は、マッピングあるいは道路管理アプリケーションのための、適応型局所道路ALAアルゴリズムの確定方式にも関する。
この方式は、
a- 本発明の構築方法実施により、道路のデジタルモデルを構築し、
b- アプリケーションに応じて一組の影響変数を選択し、
c- デジタルモデルのデータで変数をインデックス化し、そして集合させ、
d- デジタルモデルの値、変数およびデータの信頼レベルを確定し、
e- 変数の信頼レベルおよび稼働率が予め定められた閾値を上回っているなら、ALAアルゴリズムを構築する、と言うものである。

好ましくは、
・ b、c、dのステップは、複数のALAアルゴリズム生成プロセス実行により、並列で行われ、予め定められた精度制約ルール適用により、変数の信頼および稼働率の最善の妥協を与えるプロセス結果を選択し、
・ 信頼レベルが予め定められた閾値に劣る場合、同閾値に達するために不足している変数を確定し、当該変数を組み入れてb、c、dのステップを繰り返し、
・ a、b、c、d、eのステップにより得られる複数のALAアルゴリズムの組合せにより複合ALAアルゴリズムを生成し、
・ b、c、dのステップで実行されるALA生成プロセスは、知識問合せ、知識抽出、行動クローニング、制約下での最適化、プロセス識別、逆問題解決、兆候確定、因果関係探求、結果への影響要因探求、変数間相互作用分析、変数間相関分析、異常リジェクト、の中から選ばれ、
・ ALAアルゴリズムのアプリケーションは、次なる情報、すなわち、適応型局所横方向摩擦係数、適応型局所制動距離、適応型局所加速距離、適応型局所接近距離、車両ターゲット軌道の適応型ポジショニング、保護手段の適応型位置決定の適応型兆候、道路ジオメトリの危険に関する適応型局所情報、道路法規の危険に関する適応型局所情報、ZAAC区域設定の適応型兆候、冠水の適応型位置決定、視界の適応型位置決定、の1つまたは複数の確定であり、
・ ALAアルゴリズムの確定は、非常に並列的なデータ処理のためにインプレイスプログラマブルゲートネットワークタイプの回路を用いて行われ、
・ ALAアルゴリズムの確定はアーティフィシャルニューラルネットワークによって行われ、
・ ALAアルゴリズムの確定は遺伝子アルゴリズムによって行われる。

添付図は例として示されたもので、本発明を限定するものではない。それらは本発明実施モードを表したもので、本発明の理解を容易にするであろう。

図１は、データをまとめた幾つかの層とそれを構成するデータタイプ間の、限定するものではない対応表からの抜粋を示す。層によっては、データは処理結果のデータあるいは単なる材料データであり得る。 図２は、データソースとのリンクから見た、本方法の位置づけを説明するものである。 図３は、本方法または本装置を分散、遠隔化、あるいは分割することが可能であることを示すものである。 図４は、FPGAのマトリックス構造に照らしてマクロデータがどのような形で関連付けられるかを図式化したものである。 図５は、本方法およびアルゴリズム確定のさまざまなステップ間のリンクを示すものである。 図６は、現場計測キャプチャを用いずにCFLおよびCFTの確定を行いたい場合の、さまざまな帰属と使用可能な情報ソースを示すものである。 図７，８は、ここでは道路粘着評価用のALA確定の視野に立って、本発明の方式のステップを図式化したものである。 図７、８は、ここでは道路粘着評価用のALA確定の視野に立って、本発明の方式のステップを図式化したものである。本方法の確定機能が、全てのデータおよびデータシーケンスの各「値、スコープ、信頼」をリアルタイムで走査し、先に確定されたプロセスに対し、所定の用途において望まれる結果に対するそれらの共同影響を分析する。この予備段階の結果はインデックス化され、プロセスおよびスケジューリングに関するインデクセーションテーブルに保存される。 第9図は、既に確定された複数のALAに基づいて、ここでは、建前上、複合ALAと呼ばれるALAを生成することが可能であることを示すものである。この生成メカニズムによると、直接、複数のALAのアウトプットを、あるいは、他のALAで作り出されたインデックスを回収し、使用する。

本説明の続きを良く理解するために、以下に幾つかの用語定義を示す。

・ 変数のスコープ：変数の情報が含まれている形態である。
例：動的変数、静的変数、デジタル変数、ラベル変数、カテゴリー変数、オールオアナッシング変数、コンフィギュレーションを記述する変数、コンフィギュレーションをインデックス化する変数。

・ 信頼：値に対し付与される統計的尺度で、キャプチャパラメータ、変数のスコープ、同変数の他の変数との共同使用に照らして、値の精度を数量化する。百分率で表現される。

・ 用途：ALAが使用される特定の条件。
例：車両グループ、乾燥した、湿った、濡れた路、など。

・ ALAアプリケーション：ALAの最終機能性。
例：粘着ALA、ポジショニングALA、凍結ALA、など。

・ プロセス：ALA生成のメカニズム。
例：知識問合せ、知識抽出、最適化、など。

・ スケジューリング：データを見出せる場所。
例：セカンダリーチャイルドデータベース管理、インデックスペアレントデータベース管理、データベースバージョン管理、ジオコーディングおよびPR（道路管理者の標点）およびPK（キロメートル道標、距離標）の等価性、データの十全性、インフォーメーションオンデマンド、オブジェクトデータ。

発明の第1局面は、道路のデジタルモデルを生成することにある。道路なる用語は、いかなるものであれ、車両通行路のいかなる区間を意味する。
実行ステップの一例を以下に示す。

現時点、オンボードマッピングはシェイプポイント（Shape-Points）とポイントオブインタレスト（POI）から構成されているが、これはオンボード安全機能を展開するのに十分ではない。従い、道路のジオメトリーに関する情報を集合させて、それを既存のマッピングに重ね合わさせるようにしなければならない。
しかしながら、問題が生じる。すなわち、かようなADAS機能は、高効率のいかなるキャプチャサービスも、現在、提供することができない、要素の地理的位置決定における精度を必要とするのである。

ナビゲーションマッピングのためのADAS道路動的情報生成の第一ステップは、このような計測位置決定誤差を最小化することである。

これを行うために、本発明は、
・ 絶対的には正確（サブメトリック）だが、衛星信号喪失を免れ得ず（峡谷、森林地帯、市街地、など）、リフレッシュ頻度が低いDGPS装置と、
・ 絶対的にはDGPSよりも精度は劣るが、(連続する2点間の)相対的な高精度と、高いリフレッシュ頻度を備える、GPSとハイブリッドされた慣性航法装置を用いる。

まず、この2つの軌道追跡の値のインデクセーションから始めることによって、衛星位置、環境、加速計から出される値などに対して、各点に与えることが出来る信頼を確定することが出来る。
このインデクセーションにより、軌道追跡の異常な値を削除することが出来、従って、今や、1つは相対的に、もう1つは絶対的に正確な、２つのクリーンな軌道追跡が使える。

この2つの軌道追跡の集合により、リフレッシュ頻度の高い、高精度の1次元道路表現を得ることができる。

このデジタル化は、先の集合に基準点を追加することを可能にすることによってこの位置決定変数に対し認める信頼を強化する、トポグラフィカル精度のDGPSを使用することで、確かめられることが出来る。

補正時に測定点が蒙る各変化は、計測装置の色々なセンサーにより供給される値全体の地理的位置決定を修正できるように、記録される。

また、この部分は、再調整を必要とするかもしれない。と言うのも、センサーはキャプチャトラック内の至るところに配置されているが、最終的には唯一のGPS軌道追跡が使えるのであるからである。そのために、トラック内でのセンサー位置寸法、修正された軌道追跡、およびトラック針路に基づいて、測定それぞれの地理的位置決定を計算するために、1つのプロセスが配置された。

今や、値の地理的位置決定を持ち、これを前後ビデオから抽出される情報と集合させることが出来る。そのために、ビデオでディスプレイ表示される要素の自動地理的位置決定と、データベース内でのそれらの分類を行う、１つのプロセスが配置される。

このプロセスは、ここでは、車道幅、橋の高さ、標識などを探知するのに使われる。従って、このようにして先に計算された値を道路に対して再調整し、そのことにより、道路を3次元でデジタル化することが出来る。

そうするために、縦断図、横断図および片勾配、ローリング、ピッチングおよび針路、最小および平均曲率半径、タイトニングのデータが使え、これらを道路ジオメトリーの知識ベース、およびその車両への影響と突き合せ、信頼性の高い、同道路特有の情報を得るようにする。一度この作業が実行されれば、3次元のジオメトリープレートを生成し、それに安全属性を関連付けることが出来る。

このような変数インデクセーション、突合せ、および集合プロセスにより、展開される全てのALAアルゴリズムの支柱になることになる、3次元道路デジタルモデルを生成する。

本発明の1つの重要なアプリケーションは、道路舗装の状態に照らして、その舗装により誘発されるリスクの確定をすることにある。道路管理の責務がある県会あるいは市町村のようなフランス地方自治体は、管理する全道路に対して舗装状態を示す計測を揃え持っているわけではない。状態が危機的だと判断されるこれらの道路の幾つかは、設備部による平坦性、高、低、中周波数計測、および、ミクロ、マクロ、メガ組織計測の対象となる。この計測は、明確な規格に従って実施され、その実施を担当するCETEの部局が、関連コメントを添えて、キャプチャ規格に準拠した値を明記した調書（PV）を自治体に提出する。このような調書は、存在しても、利用し辛い。どのようにリスクレベルを確定するか。舗装をやり直すべきか否かをどのように決定するか。そもそも、ほとんどの場合、このような計測調書は存在しない。そこで自治体は、既存の舗装の磨耗あるいは実際の不適当性を真に考慮することなく、使える予算に応じてだが、たとえば、10年のローテーションで路面をやり直すことに決定する。

参考までに、ALA生成に至る時系列ステップを以下に示す。その後で、粘着に適用される実施例を説明する。

時系列順
変数解析
1. 使用可能な、あるいは、回収可能な変数と、そのスコープおよび信頼の網羅的リストアップ。
2. それらのスケジューリングのレファレンス設定。
特定のアプリケーション、用途およびプロセスに対するインデクセーション
3. 望まれる結果およびその用途、それにALA確定プロセスの確定。
4. 用途およびプロセスに応じて望まれる結果への影響変数の確定。
5. 結果のインデクセーション。
突合せ
6. インデックス化された変数を、用途、プロセスおよびスケジューリングによってもたらされる制約に突き合せる。
7. そうすることで、各プロセスおよび変数セットに対し、データの信頼と稼働率を確定することが出来る。

選択
8. そうすると、採用されたプロセスそれぞれに対し、ｎの、データの信頼および稼働率値を得る。選択アルゴリズムが、変数の信頼およびアクセス性、およびALAの複雑さ制約に照らして、最も適切な解決策を確定する。
9. もしいかなる解決策も制約を満足するに至らない場合、不足している変数が確定される。ひと度それがインデックス化されたら、全プロセスを繰り返す。

「粘着」ALAの生成
第7、8図は、本発明を限定するものではない「粘着」アプリケーションのためのALAアルゴリズム確定段階を詳細に示すものである。
この例では、以下のデータが使われる。

キャプチャトラック：
・ DGPS軌道追跡
・ 慣性航法装置とハイブリッドさせたGPS軌道追跡
・ 片勾配
・ 路面のスポット的変形
・ 左右轍の幅および深さ
・ 路肩の沈下
・ 道路横断図
・ 道路縦断図
・ マクロテクスチャ
・ ローリング
・ ピッチング
・ 針路
・ 3軸加速
・ 最小および平均曲率半径と、タイトニングタイプ（コーナー入口、コーナー出口、ゼロ）
・ 前後ビデオ
粘着：
・ ミクロテクスチャ
・ マクロテクスチャ
・ 提供される粘着
・ 排水性
・ エンピリシズム
道路管理者のデータ：
・ エンピリシズム
・ 舗装タイプ
土木局中央試験所：
・ エンピリシズム
・ モデル
その他：
・ 環境モデル

多数のデータ、変数、プロセス、アプリケーションその他が、本発明により使用可能である。そのさまざまな局面を以下に明記または改めて示す。

ALA生成のステップは、
・ データの性質を定義する、
・ データの形態および信頼を定義する、
・ データのスコープを定義する、
・ データを使おうとしているアプリケーションを定義する、
・ データの処理プロセスを定義する、
・ アプリケーションおよびプロセスに関連するデータのスケジューリングを定義する、
・ 適応型局所道路アルゴリズムを定義する、ことを含んでもよい。

好ましくは、この方法は、
・ データの性質はデータテーマ層、すなわち、ジオメトリー層、ポジショニング層、属性層、用途層、動的層、道路管理層、およびオンボード層（これらの層の幾つかは第1図に詳述されている）、の中から選ばれ、

・ データの形態および信頼は、計測、計算、知識調整、統計、エンピリシズム、特性への帰属、およびシミュレーション（これら形態のそれぞれは特定の信頼および安定性定義を持つ）、の中から選ばれ、

・ データのスコープは、動的変数、静的変数、デジタル変数、ラベル変数、カテゴリー変数、オールオアナッシング変数、コンフィギュレーションを記述する変数、コンフィギュレーションをインデックス化する変数、の中から選ばれ、

・ アプリケーションは、道路保全機能、道路建設機能、道路安全性向上機能、道路運営機能、特定路線に対する交通誘導、速度制限評価、地方管轄区画特有の技術的難点の処理、ZAAC（人身事故多発区域）および危機カードと場所の分析、経路整合性修復、利用者リスクに照らしての舗装評価、交通事故研究ファイルの処理、ナビゲーションマッピング用ADAS層の生成、の中から選ばれ、

・ プロセスは、知識問合せ、知識抽出、行動クローニング、制約下での最適化、プロセスの識別、逆問題解決、兆候の確定、因果関係の探求、結果に対する影響要因の探求、変数間相互作用の分析、変数間相関の分析、異常リジェクト、の中から選ばれ、

・ データのスケジューリングは、セカンダリーチャイルドデータベース管理、インデックスペアレントデータベース管理、データベースバージョン管理、ジオコーディングおよびPRおよびPKの等価性、データの十全性、インフォーメーションオンデマンド、オブジェクトデータ、目標データ情報ゲートウェイ、仮想監視、データホームデスティネーション、の中から選ばれ、

・ 適応型局所道路アルゴリズムは、適応型局所横方向摩擦係数、適応型局所縦方向摩擦係数、適応型局所制動距離、適応型局所加速距離、適応型局所接近速度、車両ターゲット軌道の適応型ポジショニング、交通飽和の適応型兆候、防止手段の適応型位置決定、保護手段の適応型位置決定、道路ジオメトリー危険に関する適応型局所情報、道路法規危険および優先に関する適応型局所情報、ZAAC区域設定の適応型兆候、冠水の適応型位置決定、視界の適応型位置決定、の中から選ばれ、

・ 適応型道路アルゴリズムの確定は、定められた制約に適合した、あらゆる数学的および物理的計算手段を用いて行われ、

・ 適応型道路アルゴリズムの確定は、大量の並行計算をリアルタイムで実行する、FPGA（フィールドプログラマブルゲートアレイ）を用いて行われ、

・ 適応型局所アルゴリズムの確定は、アーティフィシャルニューラルネットワークを用いて行われ、

・ 適応型局所アルゴリズムの確定は、遺伝子アルゴリズムを用いて行われ、

・ 適応型局所アルゴリズムの確定は、ファジーロジックアルゴリズムを用いて行われ、

・ データまたはデータシーケンスの値、スコープ、および信頼を、他のデータの別な値、スコープ、および信頼、そして、関連するアプリケーション、およびプロセスおよびスケジューリング制約と比較する事前ステップを含み、

・ プロセス確定機能は、各データまたはデータシーケンスの、各「値、スコープ、信頼」が、用途、プロセス、およびスケジューリングの要件、および各他のデータまたはデータシーケンスの別の値、スコープ、信頼と、相次いで比較されると言う、限定するものではないここに記述された技法に従って、定義ステップからのデータまたはデータシーケンス全てをリアルタイムで走査し、

・ 比較結果が、アプリケーション、プロセス、およびスケジューリングに関するデータインデクセーションテーブルにインデックス化され保存されると言う、2番目のインデクセーションステップを含み、

・ 他のデータが、この新たなインデクセーションの現実を考慮に入れ、用途、プロセス、スケジューリング要件とのそれら自身の比較を行い、今度はそれらがインデックス化され、そして、メカニズムは反復で、各道路区間および各可能用途に対して、徐々にバランスが取れてくると言う、3番目のステップを含み、

・ プロセス、スケジューリング、および用途の制約に照らしてデータ組合せを確定すると、それが最善の回答を与える変数と規定され、特定の条件、および車両タイプに対する応答レベルに関連するリスクの妥当性および受容度を評価する。オペレータは、システムに対してリスク削減の代替案を要求することができる。システムは、たとえば、これこれのグループのデータを強化するとか、補足局所計測を付け加えるとかの改善可能性を示すことになる。いずれの場合も、これら処理結果は、プロセスに固有の新たな処理後に、その値、スコープ、および信頼が、変わるかも知れないであろう新たな変数として組み入れられることになり、先行ステップの定義モードに従って定義されることになり、確定ステップにより処理されることになる。確定結果は、情報の組合せ、クロス総合情報、アルゴリズム、値組合せ、あるいは全体組合せとしてデリバリーされることが出来ると言う、4番目のステップを含み、

・ データの確定プロセスは、単独、複数のサブプロセスに分散、局所、または遠隔実行タイプであってもよい、と言うものである。

本イノベーションは、道路管理者の日常に幾つかの革新をもたらす。これは、まず、複合の概念、各テーマ体系に適用されるシステム工学の概念をよく理解させてくれる。また、この具体例では、提供される粘着（CFLおよびCFT）に関して使用可能な全データの目録生成を可能にしてくれる。どのデータ組合せが妥当な情報を生むことが出来るか、肝心なベースデータは何かを理解させてくれる。
たとえば、舗装を構成する骨材の特性は、当該舗装の研磨率に影響することになる。

局所的に使われる骨材のトポロジーしだいでは、年数、交通および露出タイプを知って結び付けることが重要になる。研磨しないか、ほとんどしない、より硬い幾つかの他骨材については、バインダーによる骨材固定の安定性を確定するために、バインダーの組成および製造モードが結び付けるべきものとなる。

かようなイノベーションは、理解面以外の基本的な恩恵として、道路管理者が解決すべき問題に照らして使用可能なデータを呼び出すためのツールを彼等に提供する。本発明は、彼等が持っている情報に照らして知識を最適化することを可能にし、また、正しい保全決定を取るために、非常に正確で的を絞った現場での計測実行において彼等を誘導することが出来る。

提供される粘着品質に固有のリスクの場合、アルゴリズムは、道路の各特定区間に対して局所的に、車両速度、交通タイプ、天候条件、および道路ジオメトリーに適応する、確定されたCFT CFL値を提供することになる。

道路管理者は、CFLおよびCFTの固有値を相対化することが出来ることになる。たとえば、悪いCFLは低速通過のコーナーで影響は無いであろうし、逆に、特定の舗装に対して、低速で優れたCFTは、幾つかの高速カーブで危険と認められるかもしれない。

データおよび組合せ変数の使用ケースの数が数なので、本方法は道路管理者のアクション最適化に不可欠である。

かような方法は、アプリケーションを先にステップ記述のところでリストアップした、多くの諸問題に適用できる。

道路ナビゲーションのマッピング者は、道路管理者よりさらにもっと基本的な問題を抱えている。と言うのも、彼等は、多くの、道路の基礎的データおよび特性を考慮することが出来ないからである。かような方法は、彼等に、部品メーカーおよび自動車メーカーにより作成されたADAS要件に照らして、彼らのキャプチャモードを再定義することを可能にする。次に、かような方法は、彼等に、このようにして得られたデータを集合させ、彼らのデジタルマッピング内に属性として保存する適応型局所アルゴリズムを生成することを可能にする。

Claims (6)

1. 道路のデジタルモデルの構築を、データのインデックス化を行う手段を備えたコンピュータに行わせるための方法であって、
   前記コンピュータに実行させる、
   ディファレンシャルグローバルポジショニングシステム（DGPS）を使って道路ジオメトリーに関する1番目のデータセットを収集するステップ、
   グローバルポジショニングシステム（GPS）とハイブリッドさせた慣性航法装置を使って道路ジオメトリーに関する２番目のデータセットを収集するステップ、
   当該1番目および2番目のデータセットの値をインデックス化して信頼レベルを確定するステップ、
   予め定められた信頼閾値に達しない当該1番目および2番目のデータセットの値を削除し、修正された1番目および2番目のデータセットを得るステップ、
   当該修正された1番目および2番目のデータセットのデータを集合させ、道路デジタルモデルを得るステップを含むことを特徴とする、道路デジタルモデル構築方法。
2. さらに、トポグラフィカル精度のディファレンシャルグローバルポジショニングシステム（TDGPS）を用いて得られるジオメトリ基準点を追加することにある、データ集合により得られるモデルリファインを含む、請求項1に記載の方法。
3. 1番目および2番目のデータセット収集は計測車両の路上移動により行われる、請求項1または２に記載の方法。
4. 2番目のデータセット収集と同時に、道路特性解析の追加データを収集する、請求項3に記載の方法。
5. 追加データ収集はビデオキャプチャを含み、
   ビデオ信号を処理して、車道幅、建造物高さ、標識の中から選ばれる道路の多元的特性を抽出するようにした、請求項４に記載の方法。
6. 道路管理センターのデータベースからのデータをデジタルモデルに組み入れる、請求項1〜5いずれか１項に記載の方法。

Images