JP6493154B2 - 情報提供装置および情報提供方法 - Google Patents
情報提供装置および情報提供方法 Download PDFInfo
- Publication number
- JP6493154B2 JP6493154B2 JP2015209776A JP2015209776A JP6493154B2 JP 6493154 B2 JP6493154 B2 JP 6493154B2 JP 2015209776 A JP2015209776 A JP 2015209776A JP 2015209776 A JP2015209776 A JP 2015209776A JP 6493154 B2 JP6493154 B2 JP 6493154B2
- Authority
- JP
- Japan
- Prior art keywords
- classifier
- information providing
- classification
- input data
- information
- 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)
- Traffic Control Systems (AREA)
Description
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
- 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015209776A JP6493154B2 (ja) | 2015-10-26 | 2015-10-26 | 情報提供装置および情報提供方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015209776A JP6493154B2 (ja) | 2015-10-26 | 2015-10-26 | 情報提供装置および情報提供方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2017083990A JP2017083990A (ja) | 2017-05-18 |
JP2017083990A5 JP2017083990A5 (ja) | 2018-02-08 |
JP6493154B2 true JP6493154B2 (ja) | 2019-04-03 |
Family
ID=58711257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015209776A Active JP6493154B2 (ja) | 2015-10-26 | 2015-10-26 | 情報提供装置および情報提供方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6493154B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7186539B2 (ja) * | 2018-08-03 | 2022-12-09 | Automagi株式会社 | 錆検出プログラム、錆検出システム及び錆検出方法 |
JP6952660B2 (ja) * | 2018-08-28 | 2021-10-20 | 株式会社東芝 | 更新支援装置、更新支援方法およびプログラム |
JP2020101960A (ja) | 2018-12-21 | 2020-07-02 | ソニー株式会社 | 情報処理装置、情報処理方法及びプログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06309492A (ja) * | 1993-04-21 | 1994-11-04 | Eastman Kodak Co | 複数分類器出力合成方法及び合成システム |
JP2006018706A (ja) * | 2004-07-05 | 2006-01-19 | Nippon Telegr & Teleph Corp <Ntt> | 被写体識別器設定装置、その設定方法とその設定プログラム、および被写体識別装置、その識別方法とその識別プログラム |
JP4925293B2 (ja) * | 2006-12-28 | 2012-04-25 | 独立行政法人情報通信研究機構 | 確信度付与装置及び方法及びプログラム |
JP5733229B2 (ja) * | 2012-02-06 | 2015-06-10 | 新日鐵住金株式会社 | 分類器作成装置、分類器作成方法、及びコンピュータプログラム |
JP6123265B2 (ja) * | 2012-12-12 | 2017-05-10 | 富士通株式会社 | 情報処理装置、車両識別方法、及び車両識別プログラム |
JP2014206382A (ja) * | 2013-04-10 | 2014-10-30 | 三菱電機株式会社 | 目標類識別装置 |
-
2015
- 2015-10-26 JP JP2015209776A patent/JP6493154B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017083990A (ja) | 2017-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110225852B (zh) | 用于自主车辆的反馈 | |
US11120353B2 (en) | Efficient driver action prediction system based on temporal fusion of sensor data using deep (bidirectional) recurrent neural network | |
US10489222B2 (en) | Distributed computing resource management | |
US10611379B2 (en) | Integrative cognition of driver behavior | |
JP6394735B2 (ja) | 階層型コンテキストアウェアによる手足の検出 | |
US20180053102A1 (en) | Individualized Adaptation of Driver Action Prediction Models | |
US11557208B2 (en) | Facial recognition technology for improving motor carrier regulatory compliance | |
US11436744B2 (en) | Method for estimating lane information, and electronic device | |
JP5278419B2 (ja) | 運転シーンの遷移予測装置及び車両用推奨運転操作提示装置 | |
US11157723B1 (en) | Facial recognition for drivers | |
JP6493154B2 (ja) | 情報提供装置および情報提供方法 | |
US11654828B2 (en) | Alert output apparatus | |
US9747801B2 (en) | Method and device for determining surroundings | |
JP2021026354A (ja) | 情報提供システム、情報提供装置、情報提供方法及びプログラム | |
JP7207227B2 (ja) | 運転行動評価装置、運転行動評価方法、及び運転行動評価プログラム | |
JP7133155B2 (ja) | 運転支援システム | |
US20180336879A1 (en) | Information providing device and information providing method | |
JP6776738B2 (ja) | 情報提供装置および情報提供方法 | |
EP4283553A1 (en) | Detecting use of driver assistance systems | |
US20240067187A1 (en) | Data driven customization of driver assistance system | |
US20240174216A1 (en) | Information processing system | |
WO2023194978A1 (en) | A safe and scalable model for culturally sensitive driving by automated vehicles using a probabilistic architecture | |
Srihari et al. | Evaluation of Internal Factors in Driver Distraction | |
WO2024044772A1 (en) | Data driven customization of driver assistance system | |
JP2021103436A (ja) | 報知制御装置、報知装置、報知制御方法、報知制御プログラム、および、車両情報送信装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171219 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171219 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181225 |
|
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: 20190205 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190218 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6493154 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |