JP6493154B2 - 情報提供装置および情報提供方法 - Google Patents

Description

本発明は、情報提供装置および情報提供方法に関する。

与えられたデータに対してクラス分類を行い、分類結果を出力する分類器が産業上多く利用されている。例えば、自動車の分野においては、車両に搭載された複数のセンサから情報を取得し、運転者が注意すべき状況にあるか否かを判定したうえで、運転者に対して安全運転のための情報を提供するために分類器を用いることができる。

分類器は、様々な入力データと、入力データに対応する正解データを与えることで学習によって生成することができる。これを教師あり学習と呼ぶ。
教師あり学習によって分類器を生成する場合、精度のよい分類結果を得るために、パラメータチューニングが行われる。例えば、予測したクラスが正解であるクラスと一致する割合が高くなるようにパラメータを設定し、学習させることができる。

ところで、分類器に関連して、適合率と再現率という指標がある。
適合率とは、入力データがあるクラスに属すると判定された場合において、当該入力データが実際に当該クラスに属している確率である。例えば、画像を入力データとし、入力された画像に人の顔が含まれるか否か（顔画像であるか否か）を判定する分類器を考える。適合率は、入力された画像が顔画像であると判定された場合において、当該画像が実際に顔画像である確率である。

また、再現率とは、実際にあるクラスに属する入力データがある場合に、当該入力データが当該クラスに属すると判定される確率である。例えば、実際に画像に人の顔が含まれている場合に、当該画像が顔画像であると判定される確率である。

入力データに基づいてクラス分類を行い、結果をユーザに提示する装置においては、分類の精度を上げることが重要となる。しかし、精度を上げるため、適合率が高くなるような学習を行うと、判定条件が厳しくなるため、データの取りこぼしが発生してしまう。すなわち、再現率が下がってしまう。このように、一般的に、分類器の学習においては、再現率を高くすると適合率が低くなり、逆に、適合率を高くすると再現率が低くなってしまう。
そこで、再現率と適合率のバランスを取って学習を行わせるという方法が提案されている。例えば、特許文献１に記載の分類器作成装置では、再現率と適合率の調和平均を取った値（Ｆ値と称する）に基づいて学習を行うことで、分類器を生成している。

特開２０１３−１６１２９８号公報 特開２００８−１６５４８０号公報

入力データに基づいてクラス分類を行い、結果をユーザに提示する情報提供装置において、分類結果がどの程度正しいかという予測値（確信度）を同時に提示したい場合がある。
例えば、センサデータに基づいて危険を推定し、自動車の運転者に警告するようなケー
スでは、結果を一律に提示すると、推定結果が正しくなかった場合に不信感を抱かせることになってしまう。このような場合、確信度に基づいて警告に緩急をつけることが好ましい。

しかし、特許文献１に記載の装置で生成された分類器は、Ｆ値を用いることで分類精度を上げるということに特化しているものの、どの程度の確信度をもって分類が行われているかを知ることはできない。

本発明は上記の課題を考慮してなされたものであり、入力データに基づいてクラス分類を行い、結果を提示する情報提供装置において、クラス分類の確信度を提供することを目的とする。

本発明に係る情報提供装置は、
入力データを取得するデータ取得手段と、第一の分類器を用いて前記入力データを分類し、分類結果を出力する第一の分類手段と、第二の分類器を用いて前記入力データを分類し、分類結果を出力する第二の分類手段と、複数の前記分類結果に基づいて、確信度を表す情報を生成し、分類結果とともに出力する情報提供手段と、を有し、前記第二の分類器は、前記第一の分類器よりも適合率が低くなるよう学習された分類器であることを特徴とする。

前述したように、適合率が高くなるように分類器を学習させると、分類結果が正確な分類器を得ることができるが、反対に取りこぼしが発生するおそれがある。すなわち、あるクラスに属する入力データであるにもかかわらず、否定判定がされてしまうおそれがある。そこで、本発明に係る情報提供装置は、第一の分類器と、第一の分類器よりも適合率が低くなるように学習された分類器である第二の分類器を併用する。かかる構成によると、データの取りこぼしを抑えることができると同時に、各分類器がどのように分類を行ったかに基づいて、分類結果の確信度を得ることができる。
なお、確信度は、各分類器が行った分類結果のみに基づいて決定してもよいし、分類器が関連する情報を出力する場合、当該情報を参酌して決定してもよい。
また、確信度は、必ずしも数値といったような独立した値で出力する必要はない。どの程度の確信度をもってクラス分類が行われたかをユーザが知ることができれば、どのような形式であってもよい。

また、前記複数の分類器は、前記入力データに基づいて、特定の事象の有無を出力する二クラス分類器であり、前記情報提供手段は、前記特定の事象に対して肯定判定を行った分類器が、より高い適合率を有する分類器であるほど、より高い確信度を出力することを特徴としてもよい。

本発明は、特定の事象の有無を判定する装置に好適に適用することができる。なお、肯定判定とは、分類器が「特定の事象が存在する」という分類結果を出力することを指す。
適合率が高い分類器が肯定判定を行ったということは、当該判定が正解である確率が高い。よって、肯定判定を行った分類器の適合率が高いほど、確信度を高くすることができる。なお、適合率が異なる複数の分類器が肯定判定を行った場合、最も高い適合率に基づいて確信度を決定することが好ましい。

また、前記第一の分類器は、適合率が最大となるよう学習された分類器であり、前記第二の分類器は、再現率が最大となるよう学習された分類器であることを特徴としてもよい。

適合率と再現率は背反するため、このような学習を行うことで、適合率が異なる複数の分類器を得ることができる。

また、前記情報提供手段は、前記第一の分類器が肯定判定を行った場合に、断定的な表現で分類結果を出力してもよく、前記情報提供手段は、前記第一の分類器が否定判定を行い、前記第二の分類器が肯定判定を行った場合に、断定的ではない表現で、前記第二の分類手段が出力した分類結果を出力してもよい。

適合率が高い第一の分類器が肯定判定をしたということは、分類結果が正解である確率が高い。そこで、このような場合は、例えば、「歩行者が居ます。徐行してください」といったような断定的な表現で結果を出力する。一方、第一の分類器が否定判定をし、かつ、第二の分類手段が肯定判定をした場合、正解である確率は、第一の分類手段が肯定判定をした場合ほど高くない。そこで、例えば、「歩行者が居る可能性があります。徐行をお勧めします」といったように、断定的ではない表現で結果を出力する。

また、前記分類手段は、適合率が、前記第一の分類器と前記第二の分類器の中間となるよう学習された第三の分類器をさらに有することを特徴としてもよい。

適合率が中間となる第三の分類器を配置することで、より細かく確信度を出力することができる。なお、第三の分類器は、必ずしも一つである必要はなく、複数の分類器からなってもよい。この場合、適合率が線形に変化するような形態が好ましい。

また、本発明に係る情報提供装置は、前記第一の分類器および第二の分類器を学習させる学習手段をさらに有し、前記学習手段は、適合率が最大となるように前記第一の分類器を学習させ、再現率が最大となるように前記第二の分類器を学習させることを特徴としてもよい。

このように、第一および第二の分類器は、適合率および再現率がそれぞれ最大となるように学習されたものであることが好ましい。

また、本発明の第二の形態に係る情報提供装置は、
入力データを取得するデータ取得手段と、前記入力データに基づいて、特定の事象の有無を出力する二クラス分類器であって、適合率および再現率がそれぞれ異なる複数の分類器と、前記複数の分類器を用いて前記入力データを分類し、複数の分類結果を取得する分類手段と、前記特定の事象に対して肯定判定を行った分類器の適合率に基づいて、確信度を表す情報を生成し、分類結果とともに出力する情報提供手段と、を有することを特徴とする。

なお、本発明は、上記手段の少なくとも一部を含む情報提供装置として特定することができる。また、前記情報提供装置が行う情報提供方法として特定することもできる。上記処理や手段は、技術的な矛盾が生じない限りにおいて、自由に組み合わせて実施することができる。

本発明によれば、入力データに基づいてクラス分類を行い、結果を提示する情報提供装置において、クラス分類の確信度を提供することができる。

第一の実施形態に係る情報提供システムのシステム構成図である。 学習フェーズにおける処理フローチャート図である。 第一の実施形態におけるデータの流れを説明する図である。 情報提供フェーズにおける処理フローチャート図である。 第二の実施形態に係る情報提供装置のシステム構成図である。 実施形態の変形例を説明する図である。

（第一の実施形態）
第一の実施形態に係る情報提供システムについて、システム構成図である図１を参照しながら説明する。第一の実施形態に係る情報提供システムは、車両に備えられた複数のセンサから収集した情報（以下、センサデータ）に基づいて、ある特定の事象の有無を推定し、推定結果に基づいて、運転操作上の助言を行うシステムである。
なお、特定の事象とは、例えば、走行車線前方における歩行者の有無、車線変更の要否、停止車両の有無などであるが、センサデータに基づいて推定できる事象であれば、これらに限られない。

第一の実施形態に係る情報提供システムは、車両に搭載されたセンサ１０、車両に搭載された情報提供装置２０、サーバ装置３０から構成される。なお、センサ１０および情報提供装置２０は、それぞれ複数台で構成することができる。

本実施形態に係る情報提供システムは、（１）車両から収集したセンサデータをサーバ装置に送信し、サーバ装置が有する分類器を学習させるフェーズ（以下、学習フェーズ）と、（２）車両から収集したセンサデータをサーバ装置に送信し、学習済みの分類器を用いてクラス分類を行い、分類結果に基づいて運転者に情報提供を行うフェーズ（以下、情報提供フェーズ）を実行する。

情報提供装置２０およびサーバ装置３０は、いずれもＣＰＵ、主記憶装置、補助記憶装置を有する情報処理装置として構成することができる。補助記憶装置に記憶されたプログラムが主記憶装置にロードされ、ＣＰＵによって実行されることで、図１に図示した各手段が機能する。なお、図示した機能の全部または一部は、専用に設計された回路を用いて実行されてもよい。

センサ１０は、車両に搭載された複数のセンサ群であり、センサデータを出力する手段である。センサ１０は、例えば、速度センサ、加速度センサ、ヨーレートセンサ、操舵角センサ、レーダー、カメラ等を含んでいてもよい。また、センサデータは、車両の状態や挙動に関する情報、または、車両周辺の状態に関する情報を表すものであれば、どのようなものであってもよい。例えば、速度、加速度、角度や、自車両の現在位置、障害物の位置に関する情報であってもよいし、カメラによって得られた画像自体であってもよい。また、センサデータは、必ずしも物理量を表すものでなくてもよい。例えば、現在の日付、時刻、時間帯、曜日、設定された目的地までの経路、経由地などを表す情報であってもよい。

次に、情報提供装置２０について説明する。
情報提供装置２０は、センサ１０からセンサデータを収集し、また、サーバ装置３０と通信を行って運転者に提供する情報を取得し、出力する装置である。情報提供装置２０は、車両に搭載された、独立した装置であってもよいし、カーナビゲーション装置などに内蔵されたソフトウェアによって実現されてもよい。また、車内で用いられるスマートフォン、携帯電話、タブレット端末、個人情報端末、ウェアラブルコンピュータ（スマートウォッチ等）といった小型のコンピュータ上で動作するソフトウェアによって実現されてもよい。

センサデータ取得部２１は、センサ１０が出力したセンサデータを取得する手段である。
制御部２２は、情報提供装置全体の制御を司る手段である。制御部２２は、学習フェーズにおいては、取得したセンサデータをサーバ装置に送信する処理を実行し、また、情報提供フェーズにおいては、取得したセンサデータをサーバ装置に送信したうえで、サーバ装置から送信された分類結果を受信し、当該結果に基づいて運転者に対する情報提供を行う処理を実行する。詳細な処理については後述する。

通信部２３は、通信回線（例えば携帯電話網）を介してネットワークにアクセスすることで、サーバ装置３０との通信を行う手段である。
入出力部２４は、利用者が行った入力操作を受け付け、利用者に対して情報を提示する手段である。本実施形態では一つのタッチパネルディスプレイからなる。すなわち、液晶ディスプレイとその制御手段、タッチパネルとその制御手段から構成される。

次に、サーバ装置３０について説明する。
通信部３１は、通信回線を介してネットワークにアクセスすることで、情報提供装置２０との通信を行う手段である。使用するプロトコルおよび通信方式は、通信部２３と同じものを用いればよい。

分類部３２は、二クラス分類器を有しており、車両から取得したセンサデータに基づいてクラス分類を行う手段である。分類部３２は、学習フェーズにおいては、取得したセンサデータに基づいて学習を行い、クラス分類を行うためのモデル（分類器）を生成する処理を実行する。また、情報提供フェーズにおいては、取得したセンサデータを用いてクラス分類を行い、分類結果を情報提供装置２０に送信する処理を実行する。分類器を生成する処理、および、当該分類器を用いてクラス分類を行う詳細な処理については後述する。

センサデータ記憶部３３は、車両から収集したセンサデータを一時的に記憶する手段である。センサデータ記憶部３３には、高速に読み書きでき、かつ、大容量な記憶媒体を用いることが好ましい。例えば、フラッシュメモリなどを好適に用いることができる。

<学習フェーズにおける処理>
次に、学習フェーズにおける処理を表したフローチャートである図２と、分類部３２におけるデータの流れを表した図である図３を参照しながら、学習フェーズの詳細について説明する。学習フェーズは、車両から収集したセンサデータに基づいて、サーバ装置３０（分類部３２）が学習を行い、分類器を生成する処理である。

まず、ステップＳ１１で、車両から送信されたセンサデータを収集する。本実施形態では、情報提供装置２０が周期的にセンサデータを収集し、所定のタイミングでサーバ装置に送信する。送信されたセンサデータは、センサデータ記憶部３３に一時的に蓄積される。なお、収集されるセンサデータは、複数のデータの集合である。例えば、車両の挙動を表す情報（速度、前後加速度、左右加速度等）、車両の位置情報、カメラによって取得された画像（あるいは画像から得られた特徴量）のセットであってもよい。また、センサデータは、所定の期間に対応する時系列形式の情報であってもよい。

ステップＳ１２およびＳ１３は、蓄積されたセンサデータを学習データとして用い、分類器を生成するステップである。具体的には、図３（Ａ）に示したように、センサデータを入力（学習データ）としてモデルを生成し、第一の分類器および第二の分類器とする。分類先となるクラスは、例えば、「歩行者の有無」「車線変更の要否」「渋滞の有無」などであるが、センサデータに基づいて二値のクラス（ある事象の有無）を推定できるものであれば、どのようなものであってもよい。

例えば、ステアリング角度と、ウインカーの有無と、位置情報とを表す時系列データを用いて、「車線変更が頻繁に発生する箇所が近くにあるか」を推定するモデルを生成することができる。なお、教師データは、外部から与えてもよいし、センサデータから推定したものを利用してもよい。前述した例の場合、ステアリング角度とウインカーの有無から、車線変更の有無を判定し、教師データとすることができる。この場合、位置情報を入力すると、車線変更の要否を出力する二クラス分類器を得ることができる。

学習を行うステップでは、第一の分類器に、適合率を最大化するように調整されたパラメータを与え、第二の分類器に、再現率を最大化するように調整されたパラメータを与える。これにより、適合率が最大化された第一の分類器と、再現率が最大化された第二の分類器が生成される。
なお、学習フェーズは、一回のみ行ってもよいし、複数回行ってもよい。また、複数回行う場合、分類器を再生成してもよいし、アップデートしてもよい。

<情報提供フェーズにおける処理>
次に、情報提供フェーズにおける処理を表したフローチャートである図４を参照しながら、情報提供フェーズの詳細について説明する。情報提供フェーズは、車両から送信されたセンサデータに基づいて、サーバ装置３０（分類部３２）がクラス分類を行い、その結果に基づいて、情報提供装置２０が運転者に情報（運転操作における助言）を提供する。

まず、ステップＳ２１で、車両から送信されたセンサデータを受信する。本実施形態では、情報提供装置２０が周期的にセンサデータを収集し、所定のタイミングでサーバ装置に送信する。送信されたセンサデータは、センサデータ記憶部３３に一時的に蓄積される。
なお、収集されるセンサデータは、学習フェーズと同様に、複数のデータの集合であるが、学習フェーズにて用いた項目と一致している必要は無い。例えば、学習フェーズでは、車両の位置情報、ステアリング角度、ウインカーの有無を用い、情報提供フェーズでは、車両の位置情報のみを用いてもよい。また、センサデータは、所定の期間に対応する時系列形式の情報であってもよい。収集されたセンサデータは、サーバ装置３０へ送信される。

次に、ステップＳ２２で、サーバ装置の分類部３２が、受信したセンサデータを第一および第二の分類器に入力する。これにより、図３（Ｂ）に示したように、各分類器からクラス分類の結果が得られる。ここでは、第一の分類器が出力した結果を第一の分類結果と称し、第二の分類器が出力した結果を第二の分類結果と称する。
次に、ステップＳ２３で、第一の分類器が肯定判定を行ったか否かを判定する。肯定判定とは、分類器が対象とする予測事象にヒットしたことを意味する。例えば、ある分類器が対象とする予測事象が、「歩行者あり」「歩行者なし」の二種類であるとする。この場合、当該分類器が「歩行者あり」というクラスを出力した場合、肯定判定となる。

ステップＳ２３で肯定判定がなされた場合、処理はステップＳ２４へ遷移し、第一の分類器が肯定判定を行った旨が情報提供装置２０に送信され、情報提供装置２０が有する入出力部２４が、断定的な表現で結果を出力する。例えば、「前方に歩行者がいます。徐行してください」といった音声案内を運転者に提供する。

一方、ステップＳ２３で否定判定がなされた場合、処理はステップＳ２５へ遷移する。
ステップＳ２５では、第二の分類器が肯定判定を行ったか否かを判定する。ここで、肯定判定がなされていた場合、処理はステップＳ２６へ遷移し、第二の分類器が肯定判定を行った旨が情報提供装置２０に送信され、情報提供装置２０が有する入出力部２４が、曖
昧的な表現で結果を出力する。例えば、「前方に歩行者がいる可能性があります。徐行をお勧めします」といった音声案内を運転者に提供する。

情報提供が完了した後や、どちらの分類器も否定判定を行った場合、処理はステップＳ２１へ戻る。

以上説明したように、第一の実施形態によると、適合率によって最適化された第一の分類器と、再現率によって最適化された第二の分類器の双方を用いて事象の判定を行う。第一の分類器によって肯定判定がなされた場合、高い確率で分類結果が正しいことが推定されるため、断定的な表現で情報の提供を行う。一方で、第一の分類器は、適合率は高いが、再現率によって最適化されていないため、誤判定（肯定判定をすべきところ、否定判定をしてしまう）を起こす可能性がある。そこで、第一の分類器が否定判定をした場合、第二の分類器による分類結果を参照し、肯定判定をしているか否かを確認する。ここで肯定判定がされていた場合、第一の分類器よりも確率は落ちるものの、予測事象を捉えられている可能性があるため、曖昧な表現で情報提供を行う。このようにすることで、クラス分類の確信度をユーザに提供することができる。

なお、本実施形態では、「断定的」「曖昧的」といったように、表現の方法を変えることで確信度を出力したが、確信度はこれ以外の方法によって出力してもよい。例えば、数値などの値を出力するようにしてもよい。

（第二の実施形態）
第一の実施形態では、センサデータに基づいてクラス分類を行う手段をサーバ装置３０に持たせたが、クラス分類を情報提供装置２０が行うようにしてもよい。
例えば、図５のように、センサデータ記憶部２５および分類部２６を情報提供装置２０に持たせ、情報提供装置単体で前述した処理を行うようにしてもよい。データの流れおよび処理方法については、第一の実施形態と同様であるため、詳細な説明は省略する。
このように、本発明を構成する各要素は、単独の装置に配置されていてもよいし、複数の装置またはサーバに分散して配置されていてもよい。

（変形例）
上記の実施形態はあくまでも一例であって、本発明はその要旨を逸脱しない範囲内で適宜変更して実施しうる。
例えば、実施形態の説明では、二つの分類器を用いたが、三つ以上の分類器を用いるようにしてもよい。例えば、適合率が最大となるように最適化された分類器と、再現率が最大となるように最適化された分類器と、その中間に位置する分類器を用いてもよい。また、当該中間に位置する分類器は必ずしも一個でなくてもよい。
例えば、図６のように、適合率および再現率がそれぞれ異なるように学習された複数の分類器を用いてもよい。この場合、適合率が高い分類器から順に分類結果を取得し、肯定判定をした分類器と否定判定をした分類器の境界がどこにあるかに基づいて、確信度を生成して出力するようにしてもよい。

１０・・・センサ
２０・・・情報提供装置
２１・・・センサデータ取得部
２２・・・制御部
２３，３１・・・通信部
２４・・・入出力部
３２・・・分類部
３３・・・センサデータ記憶部

Claims (10)

1. 入力データを取得するデータ取得手段と、
   第一の分類器を用いて前記入力データを分類し、分類結果を出力する第一の分類手段と、
   第二の分類器を用いて前記入力データを分類し、分類結果を出力する第二の分類手段と、
   複数の前記分類結果に基づいて、確信度を表す情報を生成し、分類結果とともに出力する情報提供手段と、
   を有し、
   前記第二の分類器は、前記第一の分類器よりも適合率が低くなるよう学習された分類器である、
   情報提供装置。
2. 前記複数の分類器は、前記入力データに基づいて、特定の事象の有無を出力する二クラス分類器であり、
   前記情報提供手段は、前記特定の事象に対して肯定判定を行った分類器が、より高い適合率を有する分類器であるほど、より高い確信度を出力する、
   請求項１に記載の情報提供装置。
3. 前記第一の分類器は、適合率が最大となるよう学習された分類器であり、
   前記第二の分類器は、再現率が最大となるよう学習された分類器である、
   請求項２に記載の情報提供装置。
4. 前記情報提供手段は、前記第一の分類器が肯定判定を行った場合に、断定的な表現で分類結果を出力する、
   請求項２または３に記載の情報提供装置。
5. 前記情報提供手段は、前記第一の分類器が否定判定を行い、前記第二の分類器が肯定判定を行った場合に、断定的ではない表現で、前記第二の分類手段が出力した分類結果を出力する、
   請求項２から４のいずれかに記載の情報提供装置。
6. 適合率が、前記第一の分類器と前記第二の分類器の中間となるよう学習された第三の分類器を用いて前記入力データを分類し、分類結果を出力する第三の分類手段をさらに有する、
   請求項２から５のいずれかに記載の情報提供装置。
7. 前記第一の分類器および第二の分類器を学習させる学習手段をさらに有し、
   前記学習手段は、
   適合率が最大となるように前記第一の分類器を学習させ、
   再現率が最大となるように前記第二の分類器を学習させる、
   請求項２から６のいずれかに記載の情報提供装置。
8. 第一の分類器および第二の分類器を有するコンピュータが行う情報提供方法であって、
   入力データを取得するステップと、
   第一の分類器を用いて前記入力データを分類し、分類結果を取得するステップと、
   第二の分類器を用いて前記入力データを分類し、分類結果を取得するステップと、
   複数の前記分類結果に基づいて、確信度を表す情報を生成し、分類結果とともに出力するステップと、
   を含み、
   前記第二の分類器は、前記第一の分類器よりも適合率が低くなるよう学習された分類器である、
   情報提供方法。
9. 請求項８に記載の情報提供方法の各ステップをコンピュータに実行させるプログラム。
10. 入力データを取得するデータ取得手段と、
    前記入力データに基づいて、特定の事象の有無を出力する二クラス分類器であって、適合率および再現率がそれぞれ異なる複数の分類器と、
    前記複数の分類器を用いて前記入力データを分類し、複数の分類結果を取得する分類手段と、
    前記特定の事象に対して肯定判定を行った分類器の適合率に基づいて、確信度を表す情報を生成し、分類結果とともに出力する情報提供手段と、
    を有する、情報提供装置。

Images