JP6626549B1 - 判定装置および判定方法 - Google Patents
判定装置および判定方法 Download PDFInfo
- Publication number
- JP6626549B1 JP6626549B1 JP2018176219A JP2018176219A JP6626549B1 JP 6626549 B1 JP6626549 B1 JP 6626549B1 JP 2018176219 A JP2018176219 A JP 2018176219A JP 2018176219 A JP2018176219 A JP 2018176219A JP 6626549 B1 JP6626549 B1 JP 6626549B1
- Authority
- JP
- Japan
- Prior art keywords
- work vehicle
- accident
- forklift
- determination
- sound
- 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
- Traffic Control Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Forklifts And Lifting Vehicles (AREA)
Abstract
Description
(判定の概要)
本実施形態の判定装置による判定の概要を図2に基づいて説明する。図2は、判定装置1が行う判定の概要を示す図である。判定装置1は、対象作業用車両の周囲の音声から、上記対象作業用車両が、事故の発生の可能性が相対的に高い状況にあるか否かを判定する装置である。なお、本明細書で使用する「音声」には、人が発する声と、車両などの物体が発生させる音の少なくとも何れかが含まれる。
判定装置1の要部構成について図1に基づいて説明する。図1は、判定装置1の要部構成の一例を示すブロック図である。なお、図1では、図2に示した集音装置Cのブロックと、フォークリフトAのブロックについても併せて示している。図示のように、判定装置1は、判定装置1の各部を統括して制御する制御部10と、判定装置1が使用する各種データを記憶する記憶部20と、判定装置1が情報を出力するための出力部30とを備えている。また、制御部10には、操作検出部101、集音制御部102、入力データ生成部103、判定部104、および報知部105が含まれている。
判定部104が使用する学習済みモデルは、フォークリフトAが事故の発生の可能性が相対的に高い状況にあるか否かの判定を行うことができるように、教師データを用いた機械学習、つまり教師あり機械学習により生成された学習済みモデルである。上記教師データとしては、例えば、複数の作業用車両が走行する施設において集音された音声であって、事故発生直前の状況または事故の発生の可能性が相対的に高い状況に特有の音声から生成されたデータを用いることができる。
入力データ生成部103は、上述の学習済みモデルに入力する入力データを生成する。具体的には、入力データ生成部103は、フォークリフトAの周囲の音声から上記入力データを生成する。
判定装置1が実行する処理の流れを図3に基づいて説明する。図3は、判定装置1が実行する処理(判定方法)の一例を示すフローチャートである。
以上のように、本実施形態の判定装置1は、学習済みモデルを用いて、フォークリフトAの周囲の音声から、フォークリフトAが事故の発生の可能性が相対的に高い状況にあるか否かを判定する判定部104を備えている。そして、上記学習済みモデルは、複数のフォークリフトが走行する施設において集音された音声であって、事故発生直前の状況または事故の発生の可能性が相対的に高い状況に特有の音声から生成された教師データを用いた機械学習により生成されたものである。
本実施形態では、学習済みモデルを用いた処理に加えて、音声解析を行う例を説明する。なお、説明の便宜上、上記実施形態1にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。実施形態3以降も同様である。
本実施形態では、フォークリフトAの周囲で集音された音声から、フォークリフトAの周囲に位置する他の作業用車両が発する音声を検出するための学習済みモデルを使用する例を説明する。このような学習済みモデルは、各種作業用車両が発する様々な音声(実施形態1で説明した後退音の他、ブレーキ音、エンジン音、急旋回時のタイヤ音、フォーク等を駆動する際の作動音など)を教師データとした機械学習により生成可能である。フォークリフトAの周囲に他の作業用車両が位置している場合、周囲に他の作業用車両が位置していない場合と比べて事故の発生の可能性が高い。このため、本実施形態の学習済みモデルも、事故の発生の可能性が相対的に高い状況に特有の音声から生成された教師データを用いた機械学習により構築された学習済みモデルといえる。
接近判定部122は、フォークリフトAの周囲に位置する他の作業用車両が発する音声の音量から、フォークリフトAに他の作業用車両が近付いているか否かを判定する。なお、以下では、上記他の作業用車両がフォークリフトBであるとして説明を行う。
運転者状態判定部123は、フォークリフトAの周囲の音声のうち、運転者aが発した音声を解析して、運転者aが事故を起こす可能性の高い状態であるか否かを判定する。具体的には、運転者状態判定部123は、運転者aが事故を起こす可能性の高い状態で発することの多い音声を検出したときに、運転者aが事故を起こす可能性の高い状態であると判定する。例えば、運転者状態判定部123は、運転者が疲労しているときに発することの多い「疲れた」やこれに類する発話の音声、ため息などの音声、あるいは運転者が集中力を欠いているときに発することの多いあくびなどの音声を検出対象としてもよい。また、運転者状態判定部123は、運転者aが事故を起こす可能性の高い状態を、疲労状態や、集中力が欠如した状態等の種類別に判定してもよい。さらに、運転者状態判定部123は、運転者aの発話における声のトーンなどについても加味して、運転者aが事故を起こす可能性の高い状態であるか否かを判定してもよい。
種類判定部124は、フォークリフトAの周囲の音声を解析し、フォークリフトAの周囲に位置する他の作業用車両(図2の例ではフォークリフトB)の種類を判定する。具体的には、種類判定部124は、学習済みモデルにより検出された、フォークリフトBが発する音声から、フォークリフトBが大型車であるか否かを判定する。上述のように、本実施形態の判定部104は、フォークリフトAの周囲で集音された音声のうちフォークリフトBが発する音声を検出する。そこで、種類判定部124は、この検出結果に基づいて、フォークリフトAの周囲で集音された音声に含まれる各音声成分の中からフォークリフトBが発する音声成分を特定し、該音声成分を解析して、フォークリフトBが大型車であるか否かを判定する。
速度判定部125は、フォークリフトAの周囲の音声を解析し、フォークリフトAの周囲に位置する他の作業用車両(図2の例ではフォークリフトB)の移動速度を判定する。上述のように、本実施形態の判定部104は、フォークリフトAの周囲で集音された音声のうちフォークリフトBが発する音声を検出する。そこで、速度判定部125は、この検出結果に基づいて、フォークリフトAの周囲で集音された音声に含まれる各音声成分の中からフォークリフトBが発する音声成分を特定し、その音声成分の大きさの時系列変化からフォークリフトBの移動速度を算出する。そして、速度判定部125は、算出した移動速度と所定の閾値とを比較することにより、フォークリフトBの移動速度が速いか否かを判定する。
本実施形態では、フォークリフトAに接近しつつあるフォークリフトBが走行している地点と、フォークリフトAが存在する地点との間に通路が存在するか否かに応じて、事故の発生の可能性が相対的に高い状況であるか否かを判定する例を説明する。
上記各実施形態で説明した判定装置1の実行する処理の一部は、判定装置1と通信接続された1または複数の装置に実行させてもよい。例えば、学習済みモデルを用いた演算処理を、判定装置1と通信接続されたAIサーバに実行させてもよい。この場合、判定装置1は、入力データを生成してAIサーバに送信し、該AIサーバから出力データを受信して事故発生の可能性が高い否かの判定を行う。
判定装置1の制御ブロック(特に制御部10に含まれる各部)は、集積回路(ICチップ)等に形成された論理回路(ハードウェア)によって実現してもよいし、ソフトウェアによって実現してもよい。
104 判定部
122 接近判定部
124 種類判定部
125 速度判定部
131 接近方向特定部
132 通路有無判定部
Claims (8)
- 複数の作業用車両が走行する施設において集音された音声であって、事故発生直前の状況または事故の発生の可能性が相対的に高い状況に特有の音声から生成された教師データを用いた機械学習により生成された学習済みモデルを用いて、対象作業用車両の周囲の音声から、上記対象作業用車両が、事故の発生の可能性が相対的に高い状況にあるか否かを判定する判定部を備え、
上記特有の音声は、後退する作業用車両が発する後退音と、該作業用車両の周囲で後退する他の作業用車両が発する後進音とを含む音声であることを特徴とする判定装置。 - 上記学習済みモデルは、集音された上記音声から、上記作業用車両の周囲に位置する他の作業用車両が発する音声を検出するためのモデルであり、
上記学習済みモデルにより検出された、上記他の作業用車両が発する音声の音量から、上記対象作業用車両に上記他の作業用車両が近付いているか否かを判定する接近判定部を備え、
上記判定部は、上記接近判定部が上記対象作業用車両に上記他の作業用車両が近付いていると判定した場合に、上記対象作業用車両が事故の発生の可能性が相対的に高い状況にあると判定することを特徴とする請求項1に記載の判定装置。 - 上記判定部は、上記対象作業用車両の運転者が発した音声の解析結果と、上記学習済みモデルの出力とに基づいて、上記対象作業用車両が、事故の発生の可能性が相対的に高い状況にあるか否かを判定することを特徴とする請求項1または2に記載の判定装置。
- 上記学習済みモデルは、集音された上記音声から、上記作業用車両の周囲に位置する他の作業用車両が発する音声を検出するためのモデルであり、
上記学習済みモデルにより検出された、上記他の作業用車両が発する音声から当該他の作業用車両の種類を判定する種類判定部を備え、
上記判定部は、上記種類判定部の判定結果に基づいて、上記対象作業用車両が事故の発生の可能性が相対的に高い状況にあるか否かを判定することを特徴とする請求項1から3の何れか1項に記載の判定装置。 - 上記学習済みモデルは、集音された上記音声から、上記作業用車両の周囲に位置する他の作業用車両が発する音声を検出するためのモデルであり、
上記学習済みモデルにより検出された、上記他の作業用車両が発する音声から、当該他の作業用車両の移動速度を判定する速度判定部を備え、
上記判定部は、上記速度判定部の判定結果に基づいて、上記対象作業用車両が、事故の発生の可能性が相対的に高い状況にあるか否かを判定することを特徴とする請求項1から4の何れか1項に記載の判定装置。 - 複数の作業用車両が走行する施設において集音された音声であって、事故発生直前の状況または事故の発生の可能性が相対的に高い状況に特有の音声から生成された教師データを用いた機械学習により生成された学習済みモデルを用いて、対象作業用車両の周囲の音声から、上記対象作業用車両が、事故の発生の可能性が相対的に高い状況にあるか否かを判定する判定部と、
上記対象作業用車両の周囲の音声から、上記対象作業用車両の周囲に位置する他の作業用車両が、何れの方向から上記作業用車両に接近しているかを特定する接近方向特定部と、
上記接近方向特定部が特定した方向に、上記他の作業用車両が通行可能な通路が存在するか否かを判定する通路有無判定部と、を備え、
上記判定部は、上記通路有無判定部の判定結果と、上記学習済みモデルの出力とに基づいて、上記対象作業用車両が、事故の発生の可能性が相対的に高い状況にあるか否かを判定することを特徴とする判定装置。 - 判定装置による判定方法であって、
複数の作業用車両が走行する施設において集音された音声であって、事故発生直前の状況または事故の発生の可能性が相対的に高い状況に特有の音声から生成された教師データを用いた機械学習により生成された学習済みモデルを用いて、対象作業用車両の周囲の音声から、上記対象作業用車両が、事故の発生の可能性が相対的に高い状況にあるか否かを判定する判定ステップを含み、
上記特有の音声は、後退する作業用車両が発する後退音と、該作業用車両の周囲で後退する他の作業用車両が発する後進音とを含む音声であることを特徴とする判定方法。 - 判定装置による判定方法であって、
複数の作業用車両が走行する施設において集音された音声であって、事故発生直前の状況または事故の発生の可能性が相対的に高い状況に特有の音声から生成された教師データを用いた機械学習により生成された学習済みモデルを用いて、対象作業用車両の周囲の音声から、上記対象作業用車両が、事故の発生の可能性が相対的に高い状況にあるか否かを判定する判定ステップを含むと共に、
上記対象作業用車両の周囲の音声から、上記対象作業用車両の周囲に位置する他の作業用車両が、何れの方向から上記作業用車両に接近しているかを特定するステップと、
上記ステップにて特定した方向に、上記他の作業用車両が通行可能な通路が存在するか否かを判定するステップと、を含み、
上記判定ステップでは、上記他の作業用車両が通行可能な通路が存在するか否かの判定結果と、上記学習済みモデルの出力とに基づいて、上記対象作業用車両が、事故の発生の可能性が相対的に高い状況にあるか否かを判定することを特徴とする判定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018176219A JP6626549B1 (ja) | 2018-09-20 | 2018-09-20 | 判定装置および判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018176219A JP6626549B1 (ja) | 2018-09-20 | 2018-09-20 | 判定装置および判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6626549B1 true JP6626549B1 (ja) | 2019-12-25 |
JP2020047071A JP2020047071A (ja) | 2020-03-26 |
Family
ID=69101039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018176219A Active JP6626549B1 (ja) | 2018-09-20 | 2018-09-20 | 判定装置および判定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6626549B1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021108966A (ja) * | 2020-01-10 | 2021-08-02 | 公立大学法人公立はこだて未来大学 | 手術工程同定システム、手術工程同定方法および手術工程同定プログラム |
JP7523919B2 (ja) | 2020-02-06 | 2024-07-29 | キヤノン株式会社 | 電子機器、学習装置、電子機器の制御方法、学習方法、学習済みモデルおよびプログラム |
JP7545135B2 (ja) | 2020-01-10 | 2024-09-04 | 公立大学法人公立はこだて未来大学 | 手術工程同定システム、手術工程同定方法および手術工程同定プログラム |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102393865B1 (ko) * | 2020-09-04 | 2022-05-11 | 주식회사 모듈링크 | 사고 전조와 사고의 발생 감지 및 사고 피해 분석 시스템 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06344839A (ja) * | 1993-06-11 | 1994-12-20 | Mitsubishi Motors Corp | 車両用警報案内装置 |
BR0307760A (pt) * | 2002-02-19 | 2006-04-04 | Volvo Technology Corp | sistema e método para a monitoração e o gerenciamento de gargas de atenção do motorista |
-
2018
- 2018-09-20 JP JP2018176219A patent/JP6626549B1/ja active Active
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021108966A (ja) * | 2020-01-10 | 2021-08-02 | 公立大学法人公立はこだて未来大学 | 手術工程同定システム、手術工程同定方法および手術工程同定プログラム |
JP7545135B2 (ja) | 2020-01-10 | 2024-09-04 | 公立大学法人公立はこだて未来大学 | 手術工程同定システム、手術工程同定方法および手術工程同定プログラム |
JP7523919B2 (ja) | 2020-02-06 | 2024-07-29 | キヤノン株式会社 | 電子機器、学習装置、電子機器の制御方法、学習方法、学習済みモデルおよびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2020047071A (ja) | 2020-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200211401A1 (en) | Vehicle operation assistance | |
US10817751B2 (en) | Learning data creation method, learning method, risk prediction method, learning data creation device, learning device, risk prediction device, and recording medium | |
CN109455180B (zh) | 用于控制无人车的方法和装置 | |
EP3564086B1 (en) | Managing drive modes of a vehicle | |
JP4935589B2 (ja) | 状態判定装置およびプログラム | |
US10861336B2 (en) | Monitoring drivers and external environment for vehicles | |
US11609565B2 (en) | Methods and systems to facilitate monitoring center for ride share and safe testing method based for selfdriving cars to reduce the false call by deuddaction systems based on deep learning machine | |
JP2016179810A (ja) | 自動走行制御装置及び自動走行制御システム | |
SE536947C2 (sv) | Körfältsvaktsystem och en metod för ett körfältsvaktsystem | |
US11270689B2 (en) | Detection of anomalies in the interior of an autonomous vehicle | |
US10741076B2 (en) | Cognitively filtered and recipient-actualized vehicle horn activation | |
JP6626549B1 (ja) | 判定装置および判定方法 | |
US20150183369A1 (en) | Method, apparatus, computer program and system for controlling a vehicle's alert output | |
US11610408B2 (en) | Blind spot information acquisition device, blind spot information acquisition method, vehicle, and non-transitory storage medium | |
KR20180112336A (ko) | 복수의 센서를 이용하여 객체를 인식하는 전자 기기 및 방법 | |
US20230137063A1 (en) | Driver assistance device | |
US10745029B2 (en) | Providing relevant alerts to a driver of a vehicle | |
US20230322212A1 (en) | Processing data for driving automation system | |
JP2002298299A (ja) | 車両の運転支援装置 | |
US20200198652A1 (en) | Noise adaptive warning displays and audio alert for vehicle | |
JP2007269310A (ja) | 走行制御装置および方法、プログラム、並びに記録媒体 | |
US20230294720A1 (en) | Drive assist apparatus and drive assist method | |
JP4356473B2 (ja) | ドライバ状態推定装置及び警報制御装置 | |
KR20150076797A (ko) | 졸음운전 감지 시스템 및 그 방법 | |
US10696307B2 (en) | Anomaly detector for vehicle control signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180920 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190820 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190917 |
|
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: 20191126 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191129 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6626549 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |