JP6586146B2 - 地図情報処理装置、地図情報処理方法および地図情報処理プログラム - Google Patents

Description

本発明は、複数の移動体の軌跡情報から地図情報の道路形状が変化したか否かの判定を行う地図情報処理装置、地図情報処理方法および地図情報処理プログラムに関する。

現状、道路の情報は、国、県、市、区などの行政区画単位で管理されており、道路形状の変化（以下、「道路形状変化」とも称する）の情報は一元化されていない。道路地図を作成するために道路形状変化を把握するためには、新たな道路がどこでどのような形状で形成されたのかを、個別の道路ごとに調べなければならない。

そのため、例えば国土地理院などから発行されているデジタル地図と、車両端末から取得したプローブデータ（Probe Data：軌跡情報）と、に基づいて、道路形状がどのように変化したかを判定し、道路地図の更新を行う方法が考えられる。

この種の地図情報を生成する装置として、車載端末が取得した位置情報に基づいて、道路接続状況を正しく推定して、更新地図を生成する構成が知られている（例えば、特許文献１）。

特開２０１７−９７０８８号公報

しかしながら、道路形状は、十字路形状からロータリー形状に変更される場合など、複雑で様々なパターンがあるため、地図情報と位置情報から単純に更新地図を生成することが難しい場合もある。

したがって、特許文献１に記載されている構成だけでは十分ではなく、更なる改良が求められている。
本発明はこのような課題に鑑みてなされたものであり、道路形状変化の判定を、より容易に行うことを目的とする。

本発明の一態様によれば、本発明の地図情報処理装置は、軌跡情報取得部と、地図情報記憶部と、地図情報変換部と、差分抽出部と、道路形状変化判定部と、を備える。上記軌跡情報取得部は、複数の移動体それぞれの軌跡情報を取得する。上記地図情報記憶部は、ベクトルデータで表された地図情報を記憶する。上記ベクトルデータで表された地図情報は、道路の位置および形状を示す情報を含んでいる。上記地図情報変換部は、上記地図情報をベクトルデータからスカラーデータに変換する。上記差分抽出部は、差分データを抽出する。上記差分データは、上記軌跡情報から描画された移動軌跡画像と、上記スカラーデータに変換された地図情報中の道路の地図画像との差分を表す。上記道路形状変化判定部は、機械学習により上記差分データが道路形状変化であるか否かを判定する。

本発明は、道路形状変化の判定を、より容易に行うことができる。

図１は、本実施形態の地図情報処理システムの一例を示す図である。 図２は、本実施形態の地図情報処理装置と車載端末との関係の一例を示す図である。 図３は、本実施形態の地図情報処理装置の機能の一例を示す機能ブロック図である。 図４Ａは、移動画像描画部により車両の移動軌跡画像を描画する方法の一例を示す図である。 図４Ｂは、移動画像描画部により車両の移動軌跡画像を描画する方法の一例を示す図である。 図５Ａは、差分抽出部により、移動軌跡画像および地図画像から差分データを抽出する方法の一例を示す図である。 図５Ｂは、差分抽出部により、移動軌跡画像および地図画像から差分データを抽出する方法の一例を示す図である。 図５Ｃは、差分抽出部により、移動軌跡画像および地図画像から差分データを抽出する方法の一例を示す図である。 図５Ｄは、差分抽出部により、移動軌跡画像および地図画像から差分データを抽出する方法の一例を示す図である。 図６は、機械学習により道路形状変化を判定する方法の一例を示す図である。 図７は、道路形状変化判定処理プログラムによる道路形状変化判定処理の一例を示すフローチャートである。 図８は、道路形状変化判定処理の一例を示す図である。 図９は、道路形状変化判定処理プログラムによる地図情報更新処理の一例を示すフローチャートである。 図１０Ａは、地図情報更新処理の一例を示す図である。 図１０Ｂは、地図情報更新処理の一例を示す図である。 図１０Ｃは、地図情報更新処理の一例を示す図である。 図１０Ｄは、地図情報更新処理の一例を示す図である。 図１０Ｅは、地図情報更新処理の一例を示す図である。

実施形態の地図情報処理システム１を図１に基づいて説明する。本実施形態の地図情報処理システム１は、地図を作成する上で道路形状変化の判定を容易に行うために使用される。地図情報処理システム１は、図１に示すように、地図情報処理装置２と、複数の車載端末３と、を含んで構成されている。以下、本実施形態の地図情報処理システム１における各構成について詳細に説明する。

車載端末３は、道路を走行する車両４に搭載される。車載端末３は、例えば、カーナビゲーション装置より構成される。地図情報処理装置２と車載端末３とは、互いに無線通信により接続することができるように構成されている。図１では、日本を走行する車両４と地図情報処理装置２との無線通信を片矢印で例示している。地図情報処理システム１では、車載端末３からプローブデータが地図情報処理装置２へ送信される。

プローブデータは、例えば、車載端末３が搭載される車両４の自車位置（以下、「軌跡情報」ともいう）および時刻の情報を含んでいる。プローブデータは、自車位置および時刻の情報に加え、例えば、走行距離、走行速度、加速度、角速度といった車両４の走行履歴（属性情報（attribute））の情報を含んでいる。プローブデータの作成は、例えば、車両４に搭載された車載端末３を用いて行われる。車載端末３は、車両４に搭載されたＧＰＳ(Global Positioning System)モジュール、ジャイロセンサ、加速度センサから各種のセンサ情報を入手することができる。自車位置の情報は、例えば、カーナビゲーション装置のＧＰＳモジュールから出力されるＧＰＳデータにより算出される。すなわち、自車位置の情報は、ＧＰＳなどの衛星測位システムの機能を用いて取得される。
自車位置の情報は、ある時刻における車両４の位置座標を表す。

車載端末３は、図２に示すように、通信端末５を介して、地図情報処理装置２と通信することができるように構成されている。車載端末３は、通信端末５を介して、車両４の軌跡情報を含むプローブデータを地図情報処理装置２へ送信する。車載端末３は、有線、若しくは無線により通信端末５と接続されていればよい。車載端末３は、通信端末５と物理的に別体に構成されていてもよいし、通信端末５が内蔵されて一体的に構成されていてもよい。通信端末５は、例えば、通信ユニット、携帯電話、若しくはスマートフォンである。通信端末５は、スマートフォンの場合、例えば、BLUETOOTH（登録商標）若しくはWi-Fiの通信規格で車載端末３と通信できるように接続される。通信端末５は、スマートフォンの場合、例えば、通信ネットワークを介して地図情報処理装置２と通信できるように接続される。

地図情報処理装置２は、各車載端末３から送信されたプローブデータを受信して、プローブデータに含まれる軌跡情報を取得する。地図情報処理装置２は、軌跡情報に基づいて、機械学習により、地図情報に含まれる道路形状が変化しているか否かを判定する。この判定の詳細については後述する。地図情報処理装置２は、道路形状が変化していると判定した場合には、地図情報を更新する。そして、地図情報処理装置２は、更新した地図情報を車載端末３へ送信する。

上述の実施形態においては、車載端末３は、カーナビゲーション装置により構成しているがこの限りではない。車載端末３は、カーナビゲーション装置だけに限られず、各種の端末装置であってもよい。端末装置としては、例えば、携帯電話、スマートフォン、ノートパソコン、若しくはタブレットパソコンが挙げられる。即ち、車載端末３は、車両４に持ち込まれたスマートフォン単体だけであってもよい。また、本実施形態の車両４は、車載端末３が搭載される４輪自動車で例示している。車両４は４輪自動車だけに限られず、３輪自動車、自動二輪車、若しくは自転車でもよい。言い換えれば、車両４は、移動体である。

次に、本実施形態の地図情報処理装置２について、図３を用いて説明する。
本実施形態の地図情報処理装置２は、地図情報記憶部２１と、軌跡情報取得部２２と、移動画像描画部２３と、地図情報変換部２４と、差分抽出部２５と、道路形状変化判定部２６と、地図情報更新部２７とを含む。地図情報記憶部２１は、地図情報を記憶する。地図情報記憶部２１は、複数の縮尺毎に地図情報を記憶しておくことが好ましい。

地図情報とは、地図を構成する情報である。地図情報は、ベクトルデータで構成されている。地図情報は、３次元のベクトルデータにより構成されていることがより好ましい。ベクトルデータとしては、道路の位置および道路の形状を示す情報を含んでいる。より具体的には、地図情報は、例えば、道路の形状を示す地図画像情報、地図画像情報に紐付いた地図画像上のノードやリンクの情報、一般道路か高速道路かを示す属性情報を有している。ノードは、交差点その他道路網表現上の結節などを示す。リンクは、ノードとノードの間の道路区間を示す。また、地図情報は、一定の緯度・経度の間隔で矩形に分離されたメッシュ単位で構成されている。さらに各メッシュは、所定の単位で分離された縮尺の異なる複数の階層から構成されている。メッシュは、日本の場合、例えば、総務省により定められた標準地域メッシュの規格を採用することができる。標準地域メッシュは、１次メッシュ、２次メッシュ、３次メッシュの順に約１０分の１の面積比で構成される。さらに、メッシュは、１次〜３次メッシュより細分化した分割地域メッシュを、メッシュ単位として採用することができる。地図情報は、メッシュ単位毎に分割される場合、それぞれメッシュ番号と、対応する緯度および経度の情報とを有する。

軌跡情報取得部２２は、車両データ受信部２８と、データ記憶部２９と、を含む。車両データ受信部２８は、複数の車両４それぞれの車載端末３から送信されたプローブデータを受信する。データ記憶部２９は、車両データ受信部２８が受信したプローブデータを記憶する。軌跡情報取得部２２は、各車載端末３からプローブデータを受信することにより、プローブデータに含まれる各車両４の軌跡情報を取得することができる。軌跡情報は、緯度・経度により表された座標である。

移動画像描画部２３は、軌跡情報取得部２２によって取得された所定の範囲にある複数の車両４の軌跡情報に基づいて移動軌跡画像をまとめて描画する。所定の範囲は、例えば、道路情報を構成する任意の縮尺のメッシュを採用する。

以下、移動画像描画部２３が車両４の移動軌跡画像を描画する例について説明する。移動画像描画部２３は、車両データ受信部２８が受信した複数のプローブデータに含まれる軌跡情報の座標、時刻、走行速度、加速度、角速度の情報に基づいて、図４Ａに示すように、連続するｍ個の一群のプローブデータを取得する。例えば、移動画像描画部２３は、プローブデータのうち、所定の時間間隔で、連続する座標を有するプローブデータ群を一群のプローブデータとして取得する。移動画像描画部２３は、一群のプローブデータに含まれるｍ個の軌跡情報の座標をデータ記憶部２９から取得する。移動画像描画部２３は、取得した座標を点Ｐ１、Ｐ２、Ｐ３〜Ｐｍとしてプロットする。移動画像描画部２３は、図４Ｂに示すように、プロットした点Ｐ１、Ｐ２、Ｐ３〜Ｐｍ同士を線で繋いで１つの移動軌跡画像Ｌとして描画する。これにより、移動画像描画部２３は、軌跡情報の他に、時刻、走行距離、走行速度、加速度、角速度の情報を含んだベクトル形式のプローブデータからスカラー形式の移動軌跡画像を生成することができる。

また、移動画像描画部２３は、車両データ受信部２８がプローブデータを受信すると、移動軌跡画像の描画を繰り返し行う。移動画像描画部２３は、複数の移動軌跡画像を重畳して描画した場合、各移動軌跡画像の中央値または自乗平均値を算出して、重畳して描画された各移動軌跡画像の幅方向の中心値（中心座標）を繋いだ線を、平均化された移動軌跡画像として描画することができる。これにより、移動画像描画部２３は、マルチパスによるＧＰＳデータの誤差、通信障害を起因とする軌跡情報の座標の揺らぎが抑制される。移動画像描画部２３は、座標の揺らぎが抑制されることで描画精度を向上できる。

移動画像描画部２３は、プローブデータに含まれる走行速度の情報を参照して、走行速度が所定の速度以上のプローブデータを省いて移動軌跡画像を描画してもよい。車載端末３は、ＧＰＳデータから走行速度を算出する場合、マルチパスによるＧＰＳデータの誤差、若しくは通信障害を起因として、例えば、車速が通常ありえない３００ｋｍ以上に算出される場合もある。移動画像描画部２３は、マルチパスによるＧＰＳデータの誤差、若しくは通信障害を起因とする走行情報の誤検出が抑制できる。移動画像描画部２３は、走行情報の誤検出が抑制されることで、描画精度が向上する。

移動画像描画部２３は、プローブデータに含まれる走行速度の情報を参照して、走行速度が連続しないプローブデータを省いて移動軌跡画像を描画してもよい。これにより、移動画像描画部２３は、例えば、駐車場において途中で駐車した車両４の車載端末３から得られるプローブデータを省くことができる。移動画像描画部２３は、不要なプローブデータを省くことで、移動軌跡画像の描画精度を向上させることができる。

移動画像描画部２３は、プローブデータに含まれる軌跡情報、走行速度の情報を参照して、高速道路上を移動していると推定できるプローブデータと、一般道路上を移動していると推定できるプローブデータと、を互いに識別して移動軌跡画像を描画することもできる。これにより、地図情報処理装置２は、任意に選択した道路種別だけを道路形状変化の判定処理対象にすることができる。地図情報処理装置２は、処理速度の向上を図ることができる。

また、移動画像描画部２３は、所定の単位期間に取得された車両４の軌跡情報に基づいて移動軌跡画像を描画してもよい。移動画像描画部２３は、例えば、所定の単位期間の間を蓄積した軌跡情報に基づいてデータの正規化を行う。移動画像描画部２３は、正規化されたデータから、メッシュ単位毎に、単位期間ごとのプローブデータを作成することができる。所定の単位期間は、例えば、現在時点を基準として、過去３０日間分に設定することができる。本実施形態においては、移動画像描画部２３は、単位期間ごとのプローブデータとして、２次メッシュのプローブデータを作成する。このように、地図情報処理装置２は、所定の期間にわたって蓄積した軌跡情報に基づいてプローブデータを作成することで、移動軌跡画像の描画精度が向上する。

なお、移動画像描画部２３は、過去のプローブデータをリファレンスのために蓄積してもよい。移動画像描画部２３は、リファレンスとなる過去のプローブデータを、所定の単位期間に取得した軌跡情報に基づいて作成された２次メッシュのプローブデータが作成される以前に、予め特定の期間にわたって蓄積した軌跡情報に基づいて作成することができる。過去のプローブデータは、メッシュ単位毎に作成されていることが好ましい。移動画像描画部２３は、予め特定の期間として、例えば、３０日を過去のプローブデータとして設定されていればよい。本実施形態においては、移動画像描画部２３は、過去のプローブデータとして、３０日間蓄積された２次メッシュのプローブデータを作成する。

移動画像描画部２３は、第１ステップとして、新たに作成した２次メッシュのプローブデータと、過去に作成した２次メッシュのプローブデータと、を比較して差分があるか否かを判定することができる。そして、移動画像描画部２３は、差分があった場合のみ、第２ステップとして、新たなプローブデータと地図情報との比較が行われる。これにより、地図情報処理装置２は、２段階で道路形状変化を検出することができる。また、地図情報処理装置２は、過去のプローブデータと差分があったプローブデータのみを差分抽出部２５による差分データの抽出処理の処理対象にしている。地図情報処理装置２は、過去のプローブデータと差分があったプローブデータのみを差分データの処理対象にしているので、差分抽出部２５における処理対象を減らすことができる。地図情報処理装置２は、差分抽出部２５における処理対象を減らすことができるので、処理負担を軽減し、処理速度の向上を図ることができる。

なお、上述の実施形態では、所定の単位期間を１日間、３日間、７日間、３０日間に設定としたがこれに限られるものではない。所定の単位期間は、日単位だけでなく、時間単位、月単位、年単位でもよく、任意の期間に設定することができる。また、上述の実施形態では、特定の期間を３０日としたがこれに限られるものではない。特定の期間は、任意の期間に設定することができる。さらに、上述の実施形態では、移動画像描画部２３は、２次メッシュのプローブデータを作成する構成だけに限られない。移動画像描画部２３は、１次メッシュ、３次メッシュ、若しくは他の単位メッシュに合わせたプローブデータを作成してもよい。

地図情報変換部２４は、ベクトル形式の地図情報をスカラー形式の地図情報に変換する。具体的には、地図情報変換部２４は、地図情報記憶部２１に記憶されているベクトルデータの地図情報のうち、地図画像情報に紐付いたノードの情報、リンクの情報、一般道路か高速道路かを示す属性情報を省く。言い換えれば、地図情報変換部２４は、道路の形状を示す地図画像情報だけを取り出す。地図情報変換部２４は、地図画像情報だけにすることで、地図情報を３次元のベクトルデータから２次元のスカラーデータに変換する。すなわち、３次元のベクトルデータの地図情報は、地図情報に含まれるノードの情報、リンクの情報および属性情報が取り除かれて、地図画像情報だけとなる。３次元のベクトルデータの地図情報は、地図画像情報だけとなることで、データ構成がシンプルな２次元のスカラーデータの地図情報に変換される。これにより、地図情報処理装置２は、プローブデータにより得られた移動軌跡画像と、地図情報と、を同じシンプルな次元のデータにすることができ、後述の差分抽出部２５における差分の抽出を容易にすることができる。また、地図情報変換部２４は、スカラーデータに変換した２次元の地図情報を、任意の縮尺のメッシュ単位毎に分割したスカラーデータにする。

上述の実施形態においては、地図情報変換部２４は、スカラーデータに変換した２次元の地図情報を、任意の縮尺のメッシュ単位毎に分割したスカラーデータにする場合だけに限られない。例えば、道路形状変化判定部２６により、差分データから道路形状変化があるとする確率が所定の確度以下であると判定された場合、地図情報変換部２４は、地図情報記憶部２１に記憶されている地図情報のうち、縮尺が大きい地図情報をベクトルデータからスカラーデータに変換する。

これにより、地図情報処理装置２は、初期段階では大まかに全体を判定することで、道路形状変化があるか否かの判定速度を向上することができる。言い換えれば、地図情報処理装置２は、差分データから道路形状変化があるとする確率が所定の確度若しくは所定の確度未満と判定された場合、処理対象をより縮尺が大きい地図情報にすることで、処理対象を限定して処理速度を向上させることができる。その結果、地図情報処理装置２は、判定精度をより向上させることができる。

差分抽出部２５は、移動画像描画部２３により描画された移動軌跡画像と、地図情報変換部２４によりスカラーデータに変換された地図情報の地図画像と、の差分データを抽出することができるように構成されている。

本実施形態の地図情報処理装置２は、地図情報記憶部２１およびデータ記憶部２９を、例えば、ハードディスクドライブ、若しくは半導体メモリのメモリで構成することができる。メモリには、ＣＰＵ(Central Processing Unit)を駆動させるプログラムが記憶されていてもよい。ＣＰＵは、メモリに記憶されたプログラムが実行されることで、移動画像描画部２３、地図情報変換部２４、差分抽出部２５、道路形状変化判定部２６および地図情報更新部２７を機能させることができるように構成されている。車両データ受信部２８は、適宜の通信モジュールで構成することができる。

以下、図５Ａ〜図５Ｄを参照して、差分抽出部２５により差分データを抽出する一例について説明する。
差分抽出部２５は、移動画像描画部２３により描画された移動軌跡画像と、地図情報変換部２４によりスカラーデータに変換された地図情報の地図画像と、を取得する。図５Ａには、移動画像描画部２３により描画された移動軌跡画像を例示している。図５Ｂには、スカラーデータに変換された地図情報の地図画像を例示している。次に、差分抽出部２５は、図５Ｃに示すように、取得した移動軌跡画像と、地図画像と、を合成した合成データの画像を作成する。差分抽出部２５は、合成データの画像を作成した結果、図５Ｄに示すように、図５Ａに示す移動軌跡画像と図５Ｂに示す地図画像との間で重複しない画像を、差分データの画像として抽出する。これにより、移動軌跡画像のうち、移動軌跡の揺らぎを消して、地図画像からはみ出た移動軌跡の画像のみを抽出することができる。図５Ｄには、差分抽出部２５で抽出された差分データの画像を例示している。差分データの画像は、地図情報が生成された時点での道路と、現在の道路との差分を表すと考えられる。すなわち、差分データの画像は、道路形状変化を表すと考えられる。図５Ａ〜図５Ｄに示す例では、図５中の丸で囲んだ領域において新たな道路が形成された可能性がある。次に、地図情報処理装置２は、図５中の丸で囲われた箇所を含めて、抽出した差分データが道路形状変化であるか否かを判定する。

道路形状変化判定部２６は、差分抽出部２５が抽出した差分データが道路形状変化であるか否かの判定を機械学習により判定する。機械学習としては、ディープラーニングが用いられている。具体的には、道路形状変化判定部２６は、過去に抽出した差分データを教師データとして機械学習を行う。道路形状変化判定部２６は、機械学習の結果に基づき、新たに抽出した差分データが道路形状変化であるか否かを判定する。

次に、図６を参照して、道路形状変化判定部２６がディープラーニングにより道路形状変化を判定する方法の一例について説明する。ディープラーニングは、多層のニューラルネットワーク６０による機械学習の手法の一種である。ニューラルネットワーク６０は、入力データと出力データとを持ち、内部の演算処理は複数の人工ニューロンに基づいて行われる。機械学習において使用するニューラルネットワーク６０は、３つの層を含んでいる。３つの層は、入力層６１と、中間層６２と、出力層６３として図示している。中間層６２は、隠れ層とも呼ばれ、２以上の層を含んでいてもよい。中間層６２は、層の数が少なすぎれば、未学習となる。中間層６２は、層の数が多すぎれば、過剰適合となる。道路形状変化判定部２６は、差分データが道路形状変化であるか否かを判定するために、適宜に層の数が設定されればよい。人工ニューロンは、前の層の出力に対してパラメータを掛けたものの総和を出力する。人工ニューロンの出力データは、活性化関数により制御され、非線形性が付加される。本実施形態において使用される機械学習のための活性化関数は、例えば、ソフトマックス関数、シグモイド関数、若しくはガウス関数を採用することができる。

ニューラルネットワーク６０は、機械学習を行うため、初めに入力データとして、教師データが入力層６１に与えられる。教師データは、例えば、差分抽出部２５により過去に抽出された差分データである。道路形状変化判定部２６は、教師データを入力層６１、中間層６２、出力層６３により処理する。すなわち、道路形状変化判定部２６は、入力した差分データに最適な特徴量を動的に生成して学習し、順方向の情報伝搬により演算処理する順伝播を行う。図６では、順伝播の方向を極太の片矢印で示している。出力結果は、入力された差分データが道路形状変化の画像であるか、ノイズであるかの予測結果を表す。

また、学習を行う場合には、道路形状変化判定部２６は、出力結果が道路形状変化の画像であるか、ノイズであるかの情報を与えることで、逆方向の情報伝搬により演算処理する逆伝播を行う。図６では、逆伝播の方向を太い片矢印で示している。なお、道路形状変化判定部２６では、機械学習において、教師データとして学習に使用する入力データと、出力データとの出力誤差を評価する。道路形状変化判定部２６は、逆伝播により、出力誤差から逐次的に機械学習における各層と各ノードのパラメータを最適化することが好ましい。

この学習により、道路形状変化判定部２６は、各層のパラメータを徐々に最適値に近づけていける。そして、道路形状変化判定部２６は、差分抽出部２５により抽出された差分データを入力層６１に入力すると、機械学習の結果に基づいて調整されたパラメータを用いて、差分データが道路形状変化の画像であるか否かの判定を行うことができる。

道路形状変化判定部２６は、例えば、図６に示すように、ｎ個の差分データｄ１、ｄ２からｄｎを教師データとして順伝播させると、出力層６３にＭ個の出力データｙ１〜ｙＭの情報が得られる。本実施形態において、出力データは、入力された差分データが道路形状変化の画像であるか、それ以外の画像であるかを予測する予測値を表す。

道路形状変化判定部２６は、得られた出力データｙ１〜ｙＭに対して、道路形状変化の画像であるか、ノイズであるかを示すＭ個の正解データｔ１〜ｔＭの情報が与えられる。道路形状変化判定部２６は、正解データｔ１からｔＭの情報が与えられて逆伝播を行うと、逐次パラメータを最適な値に調整する機械学習を行う。言い換えれば、道路形状変化判定部２６は、逆伝播により出力データと正解データとのずれを評価し、パラメータを最適化している。なお、機械学習のために使用するソフトウェアは、例えば、OpenCV、Numpy、Matplotlib、若しくはChainerを採用することができる。

地図情報更新部２７は、地図情報記憶部２１に記憶される地図情報を更新する。具体的には、地図情報更新部２７は、道路形状変化判定部２６により、道路形状変化であると判定された差分データに対応するスカラーデータに変換された地図情報から、ベクトルデータの地図情報を生成する。そして、地図情報更新部２７は、生成した地図情報で、地図情報記憶部２１に記憶される地図情報を更新する。地図情報を更新する処理については、後述の地図情報更新処理において説明する。

ところで、地図情報処理装置では、機械学習により、単純にプローブデータとデジタル地図とから道路形状の変化を識別させることも考えられる。
しかしながら、一般にデジタル地図のデータは、道路の形状を示す地図画像情報、地図画像情報に紐付いた地図画像上のノードやリンクの情報、一般道路か高速道路かを示す属性情報などを有する３次元のベクトルデータで構成されている。

そのため、地図情報処理装置は、機械学習を用いて新規に作成された道路形状の変化を検出させる場合、単純にデジタル地図の３次元のベクトルデータを機械学習の処理対象として情報処理を行うと、処理対象の情報量が多すぎて情報処理の負担が大きくなり過ぎる場合がある。さらに、地図情報処理装置は、機械学習のオブジェクトとして比較する対象の情報量が多いため、どの情報が比較すべき対象の情報であるのか判断しづらい場合もある。

本実施形態の地図情報処理装置２は、機械学習により道路地図を作成するため、処理対象をできるだけシンプルにすることで、道路形状変化の判定を容易に行っている。
また、地球の形状は、真球ではなく偏球であるため、メッシュの縦横の長さが場所によって異なる場合がある。本実施形態の地図情報処理装置２は、機械学習を行う場合、予め各メッシュの縦横の長さを統一した正規化を行っていることが好ましい。地図情報処理装置２は、機械学習を行った後、正規化されたメッシュを元に戻して利用することで、道路形状変化の判定をより正確に行うことができる。

次に、本実施形態に係る地図情報処理装置２による道路形状変化判定処理について、図７および図８を参照して説明する。地図情報処理装置２は、道路形状変化処理の開始の指示を受け付けると、図７のステップ１１からステップ１９の判定処理を開始する。以下では、ステップをＳで示す。

地図情報処理装置２は、道路形状変化であるか否かを判定する前に予め教師データに基づいてパラメータの最適化を実行する。道路形状変化判定部２６は、教師データに基づいて機械学習を行う（Ｓ１１）。

道路形状変化判定部２６は、教師データとして予め準備された情報が入力される。予め準備された情報は、過去に抽出された差分データが道路形状変化を示す画像か、それ以外のノイズなどの画像か、を互いに識別するパラメータの設定のために用いられる。そして、設定されたパラメータは、例えば、道路形状変化判定部２６で保持されるか、あるいは、道路形状変化判定部２６がアクセス可能なメモリに格納される。

次に、軌跡情報取得部２２は、各車載端末３から送信されたプローブデータを車両データ受信部２８が受信する。軌跡情報取得部２２は、受信したプローブデータをデータ記憶部２９が記憶する。これにより、軌跡情報取得部２２は、受信したプローブデータに含まれる各車両４の軌跡情報を取得する（Ｓ１２）。

地図情報変換部２４は、地図情報記憶部２１に記憶されているベクトルデータの地図情報に含まれる情報のうち、道路の形状を示す地図画像情報を取り出す。地図情報変換部２４は、地図画像情報を取り出すことで、地図情報を３次元のベクトルデータから２次元のスカラーデータに変換する（Ｓ１３）。

言い換えれば、地図情報変換部２４は、ベクタ形式の地図画像を、ラスタ形式の地図画像に変換する。本実施形態においては、地図情報変換部２４は、スカラーデータに変換した２次元の地図情報を、任意の縮尺のメッシュ単位として、２次メッシュ単位に分割した２次メッシュのスカラーデータに変換する。移動画像描画部２３は、軌跡情報取得部２２により取得したプローブデータを所定の単位期間の間、蓄積したデータの正規化により２次メッシュのプローブデータを作成する。

移動画像描画部２３は、正規化した２次メッシュのプローブデータに基づいて、２次メッシュの移動軌跡画像を描画する（Ｓ１４）。
なお、移動画像描画部２３は、所定の単位期間に取得されたプローブデータに基づき移動軌跡画像を作成する前に、軌跡情報取得部２２により取得した過去のプローブデータを特定の期間の間、蓄積してデータの正規化を行う。移動画像描画部２３は、データの正規化された過去の２次メッシュのプローブデータを作成する。そして、移動画像描画部２３は、正規化した過去の２次メッシュのプローブデータに基づいて、過去の２次メッシュの移動軌跡画像を描画する。過去の２次メッシュの移動軌跡画像は、リファレンス用として参照される。

移動画像描画部２３は、第１ステップとして、２次メッシュのプローブデータに基づいて描画した２次メッシュの移動軌跡画像と、過去の２次メッシュのプローブデータに基づいて描画した過去の２次メッシュの移動軌跡画像と、を比較して差分があるか否かを判定する（Ｓ１５）。

上述の実施形態では、移動画像描画部２３は、２次メッシュの移動軌跡画像を描画しているがこれに限られるものではない。移動画像描画部２３は、１次メッシュ、３次メッシュなどの任意の縮尺のメッシュの移動軌跡画像を描画することができる。また、移動画像描画部２３は、２次メッシュの移動軌跡画像と、過去の２次メッシュの移動軌跡画像と、を比較して差分があるか否かを判定する場合だけに限らない。例えば、移動画像描画部２３は、２次メッシュのプローブデータに含まれる緯度・経度の情報と、過去の２次メッシュのプローブデータに含まれる緯度・経度の情報と、を直接比較して差分があるか否かを判定することもできる。

地図情報処理装置２は、移動軌跡画像と過去の移動軌跡画像との間に差分がないＳ１５のＮＯの場合、図７に示すＳ１６〜Ｓ１９はスキップされ、道路形状変化判定処理は終了となる。すなわち、地図情報処理装置２は、Ｓ１５の判定において差分があった場合のみ、Ｓ１６〜Ｓ１７が実行される。したがって、地図情報処理装置２は、Ｓ１７の実行頻度が削減できる。また、地図情報処理装置２は、過去に蓄積したプローブデータに基づいて作成した移動軌跡画像と差分があった移動軌跡画像のみを差分抽出部２５による差分データの抽出処理の処理対象にすることができる。そのため、地図情報処理装置２は、差分抽出部２５における処理対象を減らすことで、処理負担を軽減し、処理速度の向上を図ることができる。

これに対し、移動軌跡画像と過去の移動軌跡画像との間に差分があるＳ１５のＹＥＳの場合、差分抽出部２５は、Ｓ１４において描画された移動軌跡画像と、Ｓ１３においてスカラーデータに変換された地図情報の地図画像との差分を表す差分データを抽出する（Ｓ１６）。

道路形状変化判定部２６は、Ｓ１１において学習した機械学習の結果に基づき、Ｓ１６において新たに抽出した差分データが道路形状変化であるか否かを判定する（Ｓ１７）。
抽出した差分データが道路形状変化であるＳ１８のＹＥＳの場合、道路形状変化判定部２６は、抽出した差分データを道路形状変化として出力する（Ｓ１９）。

この場合、差分データは、道路形状変化を示すので、後の地図情報作成処理において使用するために保存しておく。
これに対し、抽出した差分データが道路形状変化でないＳ１８のＮＯの場合、Ｓ１９はスキップされ、道路形状変化判定処理は終了となる。この場合、差分データは、道路形状変化を示す情報ではなく、単なるノイズである可能性が高い。よって、抽出された差分データは廃棄されてもよい。

このように、地図情報処理装置２は、地図情報記憶部２１に記憶されているベクトルデータの地図情報のうち、道路の形状を示す地図画像情報だけを取り出すことで、３次元のベクトルデータの地図情報が、データ構成のシンプルな２次元のスカラーデータの地図情報に変換される。これにより、地図情報処理装置２では、プローブデータにより得られた移動軌跡画像と、地図情報と、を同じシンプルな２次元のデータにすることができる。

その結果、地図情報処理装置２は、機械学習を用いて新規に作成された道路形状の変化を検出させる場合、機械学習の処理対象を減らして処理負担の軽減を図ることができる。地図情報処理装置２は、処理速度を向上させ、さらに判定精度を向上させることで道路形状変化の判定を容易に行うことができる。

次に、本実施形態に係る地図情報処理装置２による地図情報更新処理について、図９および図１０Ａ、図１０Ｂを参照して説明する。
地図情報処理装置２は、地図情報更新処理の開始の指示を受け付けると、以下の地図情報更新処理が開始される。なお、上述の実施形態では、地図情報更新処理の開始の指示を受け付けると、地図情報更新処理を開始しているがこれに限られない。例えば、上述の道路形状変化判定処理のＳ１９において所定数の道路形状変化を出力すると、地図情報更新処理を自動的に開始させてもよい。

はじめに、地図情報更新部２７は、道路形状変化判定処理のＳ１９において出力した差分データをＮ個蓄積し、プローブデータの誤差を平均化する（Ｓ３１）。ここで、Ｎは、任意の自然数である。誤差を平均化したプローブデータを図１０Ａおよび図１０Ｂに示す。図１０Ｂは、図１０Ａの領域Ｆ１を拡大した拡大図である。地図情報更新部２７は、誤差を平均化した差分データ、すなわち、道路形状変化であると判定された道路形状を表すデータに対しスムース処理を行う（Ｓ３２）。スムース処理が行われた道路形状は、新たに作られた道路の形状に相当する。

地図情報更新部２７は、地図情報記憶部２１に記憶されているベクトルデータの地図情報のうち、Ｓ３２においてスムース処理を行った道路形状の緯度・経度が含まれるメッシュの地図情報を取得する。差分データに基づいて判定された道路形状は、プローブデータに基づいて作成されているため、緯度・経度の情報を有する。よって、地図情報更新部２７は、道路形状のプローブデータの緯度・経度を参照することで、対応するメッシュの地図情報を地図情報記憶部２１から取得することができる。

図１０Ｃおよび図１０Ｄに示すように、地図情報更新部２７は、Ｓ３２においてスムース処理を行った２次元の道路形状Ｄ２を、取得したベクトルデータのメッシュの地図情報に含まれる道路形状Ｄ３に重ねる（Ｓ３３）。図１０Ｄは、図１０Ｃの領域Ｆ２を拡大した拡大図である。

地図情報更新部２７は、図１０Ｄに示すように、Ｓ３２においてスムース処理を行った２次元の道路形状Ｄ２と、ベクトルデータのメッシュの地図情報に含まれる道路形状Ｄ３との接点を特定する。ここで、地図情報は、ベクトルデータで表されているので、Ｚ軸方向の情報を含む。Ｚ軸方向は、地面に対して垂直な方向を示している。すなわち、地図情報は、各道路のＺ軸座標を表す情報を含む。Ｚ軸座標は、例えば、標高である。よって、差分データから生成される道路形状Ｄ２と地図情報中の道路との接点は、緯度、経度、標高により表される。そして、地図情報更新部２７は、特定した各接点にノードを付加する（Ｓ３４）。図１０Ｄおよび図１０Ｅでは、ノードＮ１およびノードＮ２として例示している。なお、差分データから生成される道路形状Ｄ２に付加されるノードには、各道路のＺ軸方向を表す接点の情報が含まれるため、道路形状Ｄ２は、ベクトルデータに変換される。

地図情報更新部２７は、特定したノードを利用して、ベクトルデータの道路形状Ｄ２の軸を生成する（Ｓ３５）。
地図情報更新部２７は、差分データから得られた道路形状Ｄ２の道路幅を、地図情報に含まれる道路形状Ｄ３の道路幅と一致するように修正する。そして、道路幅を修正したベクトルデータの道路形状Ｄ２を地図情報に含まれる道路形状Ｄ３とノードで連結する（Ｓ３６）。

地図情報更新部２７は、地図情報に含まれる道路形状Ｄ３のうち、不要となった道路箇所Ｄ４および付加したノードを削除する（Ｓ３７）。例えば、地図情報更新部２７は、変換前の元の２次元の道路形状Ｄ２に付加したノード間において、プローブデータが存在しない箇所を不要となった道路箇所Ｄ４として削除する。

地図情報更新部２７は、不要となった道路箇所Ｄ４を削除する。地図情報更新部２７は、ベクトルデータの道路形状Ｄ２が連結された道路形状Ｄ３に基づき、地図情報記憶部２１内の地図情報を更新する（Ｓ３８）。この処理が終了すると、地図情報更新処理は終了となる。

これにより、道路形状変化として抽出された２次元の差分データを再び３次元のベクトルデータに戻して地図情報を更新することができる。その結果、地図情報を定期的に自動フォーマット化することができ、地図情報の更新にかかる手間を軽減することができる。

なお、本実施形態の地図情報処理装置２は、制御部、一時記憶部、記憶部、無線通信部を有する。制御部は、記憶部に読込んだプログラムを実行する。本実施形態の車両データ受信部２８、移動画像描画部２３、地図情報変換部２４、差分抽出部２５、道路形状変化判定部２６、地図情報更新部２７は、地図情報処理装置２の制御部に含まれる。本実施形態の地図情報記憶部２１およびデータ記憶部２９は、地図情報処理装置２の記憶部に含まれる。一時記憶部は、記憶部から読込まれたプログラムや各種データを展開するワーキングエリアである。制御部、一時記憶部、記憶部、無線通信部などの各部位は相互に接続される。

本実施形態の地図情報処理装置２は、例えば、カーナビゲーションシステムや、自動運転支援システムで使用される地図データを自動でフォーマットする技術として使用することができる。

尚、本発明は上述した実施形態そのままに限定されるものではなく、実施段階でのその要旨を逸脱しない範囲で構成要素を変形して具体化することができる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成することができる。例えば、実施形態に示される全構成要素を適宜組み合わせても良い。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。このような、発明の趣旨を逸脱しない範囲内において種々の変形や応用が可能であることはもちろんである。

１ 地図情報処理システム
２ 地図情報処理装置
３ 車載端末
４ 車両
５ 通信端末
２１ 地図情報記憶部
２２ 軌跡情報取得部
２３ 移動画像描画部
２４ 地図情報変換部
２５ 差分抽出部
２６ 道路形状変化判定部
２７ 地図情報更新部
２８ 車両データ受信部
２９ データ記憶部

Claims (9)

1. 複数の移動体それぞれの移動軌跡に基づく移動軌跡画像とベクトル形式のデータに基づくスカラー形式の前記移動軌跡画像とは異なる画像とを比較して差分データを抽出する差分抽出部と、
   機械学習により前記差分データが道路形状変化であるか否かを判定する道路形状変化判定部と、
   を備え、
   前記異なる画像は、道路の位置および形状を示す情報を含むベクトル形式で表された地図情報がスカラー形式に変換された地図画像であり、
   前記差分データは、前記移動軌跡画像と、前記地図画像との差分を示し、
   前記道路形状変化判定部は、過去に抽出した前記差分データにより機械学習を行い、当該機械学習の結果に基づき、新たに抽出した前記差分データが道路形状変化であるか否かを判定することを特徴とする地図情報処理装置。
2. 前記地図情報処理装置は、さらに、
   前記複数の移動体それぞれの軌跡情報を取得する軌跡情報取得部と、
   道路の位置および形状を示す情報を含むベクトル形式で表された地図情報を記憶する地図情報記憶部と、
   ベクトル形式の地図情報に基づいてスカラー形式の地図情報に変換する地図情報変換部と、を備え、
   前記差分抽出部は、前記移動軌跡画像と、スカラー形式に変換された地図情報中の道路の前記地図画像との差分を表す前記差分データを抽出する
   ことを特徴とする請求項１に記載の地図情報処理装置。
3. 前記複数の移動体それぞれの軌跡情報に基づいて前記移動軌跡画像を描画する移動画像描画部をさらに備え、
   前記移動画像描画部は、所定の範囲にある前記移動軌跡画像をまとめて描画する
   ことを特徴とする請求項２に記載の地図情報処理装置。
4. 前記移動画像描画部は、所定の期間に取得した軌跡情報に基づいて前記移動軌跡画像を描画する前に、予め特定の期間に取得した軌跡情報に基づいて過去の移動軌跡画像を描画し、描画した前記移動軌跡画像と、前記過去の移動軌跡画像と、を比較して差分があるか否かを判定し、
   前記差分抽出部は、前記過去の移動軌跡画像と比較して差分があったと判定された前記移動軌跡画像のみを、前記差分データの抽出処理の処理対象にする
   ことを特徴とする請求項３に記載の地図情報処理装置。
5. 前記地図情報変換部は、地図情報のうち、道路の形状を示す地図画像情報だけを取り出してベクトル形式からスカラー形式に変換する
   ことを特徴とする請求項２〜４のいずれか１つに記載の地図情報処理装置。
6. 前記地図情報記憶部に記憶される地図情報を更新する地図情報更新部をさらに備え、
   前記地図情報更新部は、
   前記道路形状変化判定部により道路形状変化であると判定された前記差分データをベクトル形式に変換し、
   ベクトル形式に変換した前記差分データを用いて前記地図情報記憶部に記憶される地図情報を更新する
   ことを特徴とする請求項２〜５のいずれか１つに記載の地図情報処理装置。
7. 前記地図情報記憶部は、複数の道路の位置および形状を示す情報を含んだ地図情報を複数の縮尺毎に記憶し、
   前記地図情報変換部は、前記機械学習により前記差分データが道路形状変化である確率が所定の確度以下であると前記道路形状変化判定部により判定された場合には、前記地図情報記憶部に記憶されている地図情報のうち、縮尺が大きい地図情報をベクトル形式からスカラー形式に変換する
   ことを特徴とする請求項２〜６のいずれか１つに記載の地図情報処理装置。
8. 複数の移動体それぞれの軌跡情報を取得し、
   道路の位置および形状を示す情報を含む地図情報をベクトル形式からスカラー形式に変換し、
   前記軌跡情報から描画された移動軌跡画像と、スカラー形式に変換された地図情報中の地図画像との差分を表す差分データを抽出し、
   過去に抽出した前記差分データにより機械学習を行い、当該機械学習の結果に基づき、新たに抽出した前記差分データが道路形状変化であるか否かを判定する処理をコンピュータが実行する地図情報処理方法。
9. 複数の移動体それぞれの軌跡情報を取得し、
   道路の位置および形状を示す情報を含む地図情報をベクトル形式からスカラー形式に変換し、
   前記軌跡情報から描画された移動軌跡画像と、スカラー形式に変換された地図情報中の地図画像との差分を表す差分データを抽出し、
   過去に抽出した前記差分データにより機械学習を行い、当該機械学習の結果に基づき、新たに抽出した前記差分データが道路形状変化であるか否かを判定する処理をコンピュータに実行させることを特徴とする地図情報処理プログラム。