JP6038857B2 - 移動手段推定モデル生成装置、移動手段推定モデル生成方法、移動手段推定モデル生成プログラム - Google Patents
移動手段推定モデル生成装置、移動手段推定モデル生成方法、移動手段推定モデル生成プログラム Download PDFInfo
- Publication number
- JP6038857B2 JP6038857B2 JP2014211510A JP2014211510A JP6038857B2 JP 6038857 B2 JP6038857 B2 JP 6038857B2 JP 2014211510 A JP2014211510 A JP 2014211510A JP 2014211510 A JP2014211510 A JP 2014211510A JP 6038857 B2 JP6038857 B2 JP 6038857B2
- Authority
- JP
- Japan
- Prior art keywords
- database
- trajectory
- latitude
- moving means
- longitude
- 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.)
- Active
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
図1に基づき前記移動手段推定モデル生成装置の全体構成を説明する。この移動手段推定モデル生成装置1は、コンピュータにより構成され、CPU,主記憶装置(RAM,ROM等),補助記憶装置(ハードディスクドライブ装置,ソリッドステートドライブ装置等)などのハードウェアリースを備える。
図2に基づき前記DB10のデータ構造を説明する。この前記DB10には、同一の移動手段である区間(セグメント)毎にGPS測位によって取得された測位点の羅列情報が格納されている。この測位点の羅列情報は、図2中ではGPS軌跡セグメントと示されている。
図3に基づき前記DB20のデータ構造を説明する。この前記DB20には、GPS軌跡セグメントおよびセグメントIDに加えて、各GPSセグメントに対する移動手段のラベル情報が格納されている。
図4に基づき前記DB40のデータ構造を説明する。この前記DB40には、軌跡画像抽出部30から受け取った軌跡画像と、前記DB10のGPS軌跡セグメントに対応するセグメントIDの各情報とが格納されている。ここでは軌跡画像は行列で表され、各画素と対応する行列の各要素には実数値が入る。
図5に基づき前記DB50のデータ構造を説明する。この前記DB50には、軌跡画像抽出部30から受け取った軌跡画像と、前記DB20のGPS軌跡セグメントに対応するセグメントIDおよびラベル情報とが格納されている。ここでも軌跡画像は行列で表され、各画素と対応する行列の各要素には実数値が入る。
軌跡画像抽出部30は、前記各DB10,20からデータを読み出し、それぞれのデータから軌跡画像を抽出する。ここで抽出した軌跡画像を前記DB40,50に格納させる。
DNN学習部60は、前記DB40,50から軌跡画像とラベル情報とを読み出して入力とし、多層ニューラルネットワーク(Deep Neural Network:DNN)の学習を行う。
DNN特徴量抽出部80は、前記DB70の格納データを読み出して入力とし、DNN特徴量の抽出を実行する。図10に基づき説明すれば、処理が開始されるとDNN特徴量抽出部80は、まず前記DB50からラベル情報と軌跡画像とを受け取り(S410)、続いて前記DB70から各中間層における重み行列Wおよびバイアス項bを受け取る(S420)。
基本特徴量抽出部100は、図1に示すように、前記DB20のデータを読み出し、読み出したデータから特徴量(基本特徴量)を抽出する。この基本特徴量の抽出方法としては、例えば非特許文献1,2に記載された公知の技術(feature engineeringなど)を用いることができる。
特徴量連結部120は、前記各DB90,110のデータを読み出し、それぞれのデータ間における同じセグメントIDに係る基本特徴量とDNN特徴量とを連結させる。ここで連結された特徴量を連結特徴量と呼ぶ。
推定モデル生成部140は、前記DB130からデータを読み出し、読み出したデータ中の連結特徴量と該連結特徴量に応じたラベル情報とを用いて移動手段推定モデルを生成する。推定モデルの生成には、例えばロジステック回帰やSVM,決定木などの公知技術を用いることができる(非特許文献1,2参照)。ここで生成された移動手段推定モデルは、前記DB150に格納される。
本発明は、上記実施形態に限定されるものではなく、各請求項に記載された範囲内で変形・応用して実施することができる。例えば本発明は、移動手段推定モデル生成装置1の各部10〜150の一部もしくは全部として、コンピュータを機能させる移動手段推定モデル生成プログラムとして構成することもできる。このプログラムによれば、S110〜S150,S201〜S212,S310〜S350,S410〜S440,S510〜S540の一部あるいは全部をコンピュータに実行させることが可能となる。
10…ラベルなしGPS軌跡セグメントDB
20…ラベルありGPS軌跡セグメントDB
30…軌跡画像抽出部
40…ラベルなし軌跡画像DB
50…ラベルあり軌跡画像DB
60…DNN学習部
70…DNNDB
80…DNN特徴量抽出部
90…DNN特徴量DB
100…基本特徴量抽出部
110…基本特徴量DB
120…特徴量連結部
130…連結特徴量DB
140…推定モデル生成部
150…推定モデルDB
Claims (7)
- GPS軌跡に基づき移動手段を推定するための移動手段推定モデルを生成する装置であって、
同一の移動手段である区間毎にGPS測位によって取得された測位点の羅列情報をGPS軌跡セグメントとして格納する第1データベースと、
前記GPS軌跡セグメントにラベルを付したラベルありGPS軌跡セグメントを格納する第2データベースと、
前記両データベースに格納された各GPS軌跡セグメントの測位点の羅列情報から軌跡画像を抽出する際、該測位点の羅列情報の重心を画像の中心として画像化する軌跡画像抽出部と、
第1データベースのGPS軌跡セグメントから抽出した軌跡画像を格納する第3データベースと、
第2データベースのラベルありGPS軌跡セグメントから抽出した軌跡画像を前記ラベルと対応させて格納する第4データベースと、
第3データベースおよび第4データベースの格納データに基づく多層ニューラルネットワークの学習結果からDNN特徴量を抽出し、抽出されたDNN特徴量を前記ラベルと対応させて第5データベースに格納するDNN特徴量抽出部と、
第2データベースのラベルありGPS軌跡セグメントから基本特徴量を抽出し、抽出された基本特徴量を前記ラベルと対応させて第6データベースに格納する基本特徴量抽出部と、
第5データベースおよび第6データベースのそれぞれ対応するDNN特徴量と基本特徴量とを連結させて連結特徴量とする特徴量連結部と、
該連結特徴量を前記ラベルと対応させて格納する第7データベースに基づき前記推定モデルを生成する推定モデル生成部と、
を備えることを特徴とする移動手段推定モデル生成装置。 - 第1データベースおよび第2データベースのGPS軌跡セグメントは、測位点の羅列情報として緯度・経度・測位時刻の情報を保有する一方、
軌跡画像抽出部は、緯度経度座標系において前記羅列情報における重心座標の経度成分と緯度成分とを計算する手段と、
前記羅列情報における最も南西にある座標の経度座標および緯度座標を計算する手段と、
緯度経度座標系において前記重心座標の経度座標を画像座標系の中心座標の水平成分と一致させる補正値と、緯度経度座標系において前記重心座標の緯度座標を、前記中心座標の垂直成分と一致させる補正値と、を計算する手段と、
前記測位点の経度を緯度経度座標系の経度成分から画像座標系の水平成分に変換する手段と、
前記測位点の緯度を緯度経度座標系の緯度成分から画像座標系の垂直成分に変換する手段と、
を備えることを特徴とする請求項1記載の移動手段推定モデル生成装置。 - 軌跡画像抽出部は、前記水平成分に変換した座標または前記垂直成分に変換した座標が予め決められた画像サイズ内であれば、
前記測位点の存在する画素に定数を加算する手段をさらに備えることを特徴とする請求項2記載の移動手段推定モデル生成装置。 - 同一の移動手段である区間毎にGPS測位によって取得された測位点の羅列情報をGPS軌跡セグメントとして格納する第1データベースと、
前記GPS軌跡セグメントにラベルを付したラベルありGPS軌跡セグメントを格納する第2データベースと、
に基づきコンピュータが、移動手段を推定するための移動手段推定モデルを生成する方法であって、
前記両データベースに格納された各GPS軌跡セグメントの測位点の羅列情報から軌跡画像を抽出する際、該測位点の羅列情報の重心を画像の中心として画像化する軌跡画像抽出ステップと、
第1データベースのGPS軌跡セグメントから抽出した軌跡画像を第3データベースに格納する軌跡画像格納ステップと、
第2データベースのラベルありGPS軌跡セグメントから抽出した軌跡画像を前記ラベルと対応させて第4データベースに格納するラベルあり軌跡画像格納ステップと、
第3データベースおよび第4データベースの格納データに基づく多層ニューラルネットワークの学習結果からDNN特徴量を抽出し、抽出されたDNN特徴量を前記ラベルと対応させて第5データベースに格納するDNN特徴量抽出ステップと、
第2データベースのラベルありGPS軌跡セグメントから基本特徴量を抽出し、抽出された基本特徴量を前記ラベルと対応させて第6データベースに格納する基本特徴量抽出ステップと、
第5データベースおよび第6データベースのそれぞれ対応するDNN特徴量と基本特徴量とを連結させて連結特徴量とする特徴量連結ステップと、
該連結特徴量を前記ラベルと対応させて格納する第7データベースに基づき前記推定モデルを生成する推定モデル生成ステップと、
を有することを特徴とする移動手段推定モデル生成方法。 - 第1データベースおよび第2データベースのGPS軌跡セグメントは、測位点の羅列情報として緯度・経度・測位時刻の情報を保有する一方、
軌跡画像抽出ステップは、緯度経度座標系において前記羅列情報における重心座標の経度成分と緯度成分とを計算するステップと、
前記羅列情報における最も南西にある座標の経度座標および緯度座標を計算するステップと、
緯度経度座標系において前記重心座標の経度座標を画像座標系の中心座標の水平成分と一致させる補正値と、緯度経度座標系において前記重心座標の緯度座標を前記中心座標の垂直成分と一致させる補正値と、を計算するステップと、
前記測位点の経度を緯度経度座標系の経度成分から画像座標系の水平成分に変換するステップと、
前記測位点の緯度を緯度経度座標系の緯度成分から画像座標系の垂直成分に変換するステップと、
を有することを特徴とする請求項4記載の移動手段推定モデル生成方法。 - 軌跡画像抽出ステップは、前記水平成分に変換した座標または前記垂直成分に変換した座標が予め決められた画像サイズ内であれば、
前記測位点の存在する画素に定数を加算するステップをさらに有することを特徴とする請求項5記載の移動手段推定モデル生成方法。 - 請求項1〜3のいずれか1項に記載の移動手段推定モデル生成装置としてコンピュータを機能させることを特徴とする移動手段推定モデル生成プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014211510A JP6038857B2 (ja) | 2014-10-16 | 2014-10-16 | 移動手段推定モデル生成装置、移動手段推定モデル生成方法、移動手段推定モデル生成プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014211510A JP6038857B2 (ja) | 2014-10-16 | 2014-10-16 | 移動手段推定モデル生成装置、移動手段推定モデル生成方法、移動手段推定モデル生成プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016081272A JP2016081272A (ja) | 2016-05-16 |
JP6038857B2 true JP6038857B2 (ja) | 2016-12-07 |
Family
ID=55958724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014211510A Active JP6038857B2 (ja) | 2014-10-16 | 2014-10-16 | 移動手段推定モデル生成装置、移動手段推定モデル生成方法、移動手段推定モデル生成プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6038857B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6149024B2 (ja) * | 2014-11-18 | 2017-06-14 | 日本電信電話株式会社 | 移動手段推定モデル生成装置、移動手段推定モデル生成方法、移動手段推定モデル生成プログラム |
JP6927161B2 (ja) * | 2018-06-04 | 2021-08-25 | 日本電信電話株式会社 | 学習装置、予測装置、方法、及びプログラム |
CN112329832B (zh) * | 2020-10-27 | 2023-01-31 | 中国人民解放军战略支援部队信息工程大学 | 一种基于深度卷积生成对抗网络的无源定位目标轨迹数据增强方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4932798B2 (ja) * | 2008-07-14 | 2012-05-16 | 日本電信電話株式会社 | 移動手段判定装置及び方法 |
JP2012003494A (ja) * | 2010-06-16 | 2012-01-05 | Sony Corp | 情報処理装置、情報処理方法及びプログラム |
-
2014
- 2014-10-16 JP JP2014211510A patent/JP6038857B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016081272A (ja) | 2016-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Exploring categorical regularization for domain adaptive object detection | |
US20210117396A1 (en) | Feature-Based Deduplication of Metadata for Places | |
KR102469261B1 (ko) | 적응적 인공 신경 네트워크 선택 기법들 | |
US10592786B2 (en) | Generating labeled data for deep object tracking | |
JP6350251B2 (ja) | 経路情報処理装置、方法、及びプログラム | |
US20180239986A1 (en) | Image Clustering Method, Image Clustering System, And Image Clustering Server | |
JP6038857B2 (ja) | 移動手段推定モデル生成装置、移動手段推定モデル生成方法、移動手段推定モデル生成プログラム | |
CN116438544B (zh) | 用于特定领域神经网络修剪的系统和方法 | |
JP6927410B2 (ja) | 画像分類システム、画像分類方法および画像分類プログラム | |
CN107291845A (zh) | 一种基于预告片的电影推荐方法及系统 | |
JPWO2019225597A1 (ja) | 空き家判定装置、空き家判定方法およびプログラム | |
CN110942090A (zh) | 模型训练、图像处理方法、装置、电子设备及存储介质 | |
JP6110281B2 (ja) | 移動手段予測モデル生成装置、移動手段予測モデル生成方法及び移動手段予測モデル生成プログラム | |
JP6360000B2 (ja) | 移動手段推定モデル生成装置、移動手段推定モデル生成方法、移動手段推定モデル生成プログラム | |
US20220180744A1 (en) | System and method for task control based on bayesian meta-reinforcement learning | |
JP6174527B2 (ja) | 移動手段推定装置、その動作方法およびプログラム | |
JP6149024B2 (ja) | 移動手段推定モデル生成装置、移動手段推定モデル生成方法、移動手段推定モデル生成プログラム | |
WO2023140044A1 (ja) | モデル生成方法、モデル生成装置、推論プログラム、及び推論装置 | |
WO2016086731A1 (zh) | 多级并行关键帧云提取方法及系统 | |
Wang et al. | A novel trace clustering technique based on constrained trace alignment | |
JP6433876B2 (ja) | パラメータ推定装置、予測装置、方法、及びプログラム | |
CN109901189A (zh) | 利用递归神经网络的三维点云跟踪装置及方法 | |
JP6927161B2 (ja) | 学習装置、予測装置、方法、及びプログラム | |
US9922262B2 (en) | Method and apparatus for tracking target object | |
Zhang et al. | A novel framework for semantic segmentation with generative adversarial network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160725 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160802 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160921 |
|
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: 20161025 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161102 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6038857 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |