JP6837606B1 - 混雑度推定装置、混雑度推定方法及び混雑度推定プログラム - Google Patents
混雑度推定装置、混雑度推定方法及び混雑度推定プログラム Download PDFInfo
- Publication number
- JP6837606B1 JP6837606B1 JP2020527123A JP2020527123A JP6837606B1 JP 6837606 B1 JP6837606 B1 JP 6837606B1 JP 2020527123 A JP2020527123 A JP 2020527123A JP 2020527123 A JP2020527123 A JP 2020527123A JP 6837606 B1 JP6837606 B1 JP 6837606B1
- Authority
- JP
- Japan
- Prior art keywords
- congestion
- degree
- edge
- node
- target
- 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
- 238000000034 method Methods 0.000 title claims description 118
- 230000008569 process Effects 0.000 claims description 85
- 238000012545 processing Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 description 17
- 230000004048 modification Effects 0.000 description 12
- 238000012986 modification Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
過度な混雑は、快適性及び経済性を損なうとともに、群集事故の発生要因にもなる。そのため、適切な誘導案内及び群集警備といった対応をとることによる混雑の解消又は混雑発生の抑制が重要である。上述した対応をとるために混雑度を計測する必要がある。
大規模な施設又は街区といった空間で混雑度の計測を行う場合には、計測結果をユーザに提示する手段も重要である。ユーザとは、監視員、警備担当者、又は当該空間に来域している一般人等である。混雑は空間内に粗密をもって分布する。そのため、混雑度の分布は、対象空間の地図上にヒートマップ形式で重畳させて表示するというように、直感的に把握しやすい形態で提示されることが望ましい。
上述の通り、混雑度は対象空間の地図上にヒートマップ形式で重畳させて表示するといった形態で提示されることが望ましい。しかし、センサの検知範囲のみを計測しただけでは、地図上のセンサ設置位置についてしか混雑度を表示できない。つまり、混雑度の分布を直感的に把握しやすい形態で提示することができない。
この発明は、対象空間における混雑度を適切に推定可能することを目的とする。
対象空間における第1位置に割り当てられたセンサから取得したセンサデータに基づき、前記第1位置についての混雑度である第1混雑度を推定する第1推定部と、
前記第1推定部によって推定された前記第1混雑度に基づき、前記対象空間における移動体の移動経路上の位置であって、前記第1位置とは異なる位置である第2位置についての混雑度である第2混雑度を推定する第2推定部と、
前記第1混雑度と、前記第2推定部によって推定された前記第2混雑度とに基づき、前記対象空間における前記第1位置及び前記第2位置以外の第3位置についての混雑度である第3混雑度を推定する第3推定部と
を備える。
***構成の説明***
図1を参照して、実施の形態1に係る混雑度推定装置10の構成を説明する。
混雑度推定装置10は、コンピュータである。
混雑度推定装置10は、プロセッサ11と、メモリ12と、ストレージ13と、通信インタフェース14とのハードウェアを備える。プロセッサ11は、信号線を介して他のハードウェアと接続され、これら他のハードウェアを制御する。
ストレージ13には、混雑度推定装置10の各機能構成要素の機能を実現するプログラムが格納されている。このプログラムは、プロセッサ11によりメモリ12に読み込まれ、プロセッサ11によって実行される。これにより、混雑度推定装置10の各機能構成要素の機能が実現される。
なお、図1では、IPハブ41は、混雑度推定装置10の外部に設けられているが、混雑度推定装置10がIPハブ41を備えていてもよい。また、各センサ42が公衆回線を用いてインターネットに接続され、インターネットにセンサデータを出力している場合もある。この場合には、インターネットをIPハブ41とみなして、混雑度推定装置10がインターネット経由でセンサデータを受信してもよい。また、センサ42によるデータ出力の方法がIP以外のプロトコルである場合には、IPハブ41は当該プロトコルに対応した集約装置となる。
各センサ42は、混雑度の計測に活用可能なセンサデータを取得でき、かつ、センサデータを有線又は無線でネットワーク出力できる機能を有していれば、どのようなセンサであってもよい。具体例としては、各センサ42は、監視カメラ、赤外線センサ、レーザセンサ、超音波センサ、又は、集音マイクである。また、センサ42は、特定の信号を発信するビーコンと、ビーコンに接近した携帯端末の個数を計数可能な装置と、携帯端末を含む計数システムであってもよい。
図2から図10を参照して、実施の形態1に係る混雑度推定装置10の動作を説明する。
実施の形態1に係る混雑度推定装置10の動作手順は、実施の形態1に係る混雑度推定方法に相当する。また、実施の形態1に係る混雑度推定装置10の動作を実現するプログラムは、実施の形態1に係る混雑度推定プログラムに相当する。
対象空間50は、移動体が移動可能な範囲が限られている空間である。具体的には、対象空間50は、壁等によって区切られた通路及び広場によって構成された空間である。対象空間50は、広場だけで構成され、移動体が自由に移動できる空間であってもよい。移動体は、具体例としては、人と車両と等である。実施の形態1では、移動体は人であるとする。
対象空間50には、計測地点51(図2の黒点)が離散的かつ非格子状に配置されている。計測地点51についてのみ、センサ42から混雑度に関するセンサデータを取得可能である。
混雑度推定装置10は、起動すると、混雑度推定処理を実行する条件を満たすまで待機する(ステップS01)。混雑度推定処理を実施する条件とは、起動または前回の混雑度推定処理実施から一定時間が経過する、所定の時刻を迎える、装置外部から混雑度推定処理の実行を指示する信号を受信する、などであってもよい。また、混雑度推定処理を実施する条件とは、これらを複数組み合わせた条件であってもよいし、またはそれ以外の条件であってもよい。
混雑度推定装置10は、混雑度推定処理を実行する条件を満たすと、次に混雑度推定処理を実行する(ステップS02)。混雑度推定処理は、センサ42から受信したセンサデータに基づき、混雑度を推定して出力する処理である。混雑度推定処理の詳細は後述する。
混雑度推定装置10は、混雑度推定処理が終了すると、終了条件を満たすかどうか判定する(ステップS03)。終了条件を満たす場合は混雑度推定装置10は動作を停止し、満たさない場合は再度混雑度推定処理の実行待機状態となる。終了条件は、装置外部から終了を指示する信号を受信する、所定の時刻を迎える、などであってもよい。また、終了条件は、これらを複数組み合わせた条件であってもよいし、またはそれ以外の条件であってもよい。
(図4のステップS11:構造情報取得処理)
構造情報取得部21は、空間構造情報31をストレージ13から読み出す。構造情報取得部21は、読み出された空間構造情報31を分布推定部24に出力する。
実施の形態1では、空間構造情報31は、事前に作成されており、ストレージ13に記憶されているものとする。しかし、空間構造情報31は、ステップS11が実行された際に、外部から入力されてもよい。また、空間構造情報31は、ステップS11が実行された際に、構造情報取得部21によって元となる情報から生成されてもよい。
図5及び図6は、図2に示す対象空間50に対応する空間構造情報31を示している。
空間構造情報31は、対象空間50の形状と、計測地点51の位置と、対象空間50を構成する領域間の接続関係とを示す情報である。実施の形態1では、空間構造情報31は、マスク画像32と、グラフ33とを備える。対象空間50の形状は、マスク画像32によって表される。計測地点51の位置は、グラフ33によって表される。対象空間50を構成する領域間の接続関係は、マスク画像32及びグラフ33によって表される。
第1位置を表すノード34をデータノード36(図6で黒点で示すノード34)と呼び、第2位置を表すノード34を補間ノード37(図6で白点で示すノード34)と呼ぶ。データノード36には、そのデータノード36が表す第1位置に対応付けられたセンサ42の識別子であるセンサID(IDentifer)が割り当てられている。
ノード34は、空間構造情報31と同一座標系で、対象空間50における座標が定義されている。そのため、グラフ33をマスク画像32に重ねた場合には、ノード34は、必ず図5の白で表された領域に存在する。また、ノード34間を結ぶエッジ35の長さは、ノード34間の対象空間50における距離に相当する。例えば、通路の中心部分に沿ってエッジ35が設定されるように第2位置が設定される。そのため、通路の両端のノード34間のエッジ35の長さは、通路に沿った距離を表している。
例えば、図2において、領域Xは1階のフロアであり、領域Yは2階のフロアである。つまり、領域Xと領域Yとは隣接した領域ではない。そのため、図5に示すマスク画像32では、領域Xと領域Yとは接続されていないように見える。しかし、図6に示すグラフ33では、エレベータといった手段により領域Xと領域Yとの間を移動可能である。そのため、領域Xのノード34と領域Yのノード34とがエッジ35によって接続されている。これにより、領域Xと領域Yとが空間的に接続していることが表されている。
例えば、図2におけるエリアZの付近は、複数の通路状の領域が存在し、通路状の領域の間に対象空間50ではない領域が存在する。このような場所では、細かくノード34が設定されない場合がある。そして、図6に示すように、グラフ33は、対象空間50ではない領域を跨いでエッジ35が設定される場合がある。その結果、グラフ33では、対象空間50ではない領域が存在しないように見える。しかし、図5に示すマスク画像32では、通路状の領域の間に対象空間50ではない領域が存在することが表されている。
グラフ33は、XML(eXtensible Markup Language)と、JSON(JavaScript Object Notation)と、CSV(Comma−Separated Values)といった形式の構造化テキストファイルで与えられる。
センサデータ取得部22は、各センサ42から出力されたセンサデータを、IPハブ41を介して取得する。
具体的には、センサデータ取得部22は、IPハブ41からセンサデータが送信されると、センサデータを取得する。センサデータ取得部22は、取得されたセンサデータを、センサデータの出力元のセンサ42のセンサIDとともに第1推定部23に出力する。
(方法1)
センサデータ取得部22は、予めセンサ42のネットワークにおけるアドレスと、センサIDとを対応付けたテーブルを保持しておく。センサデータ取得部22は、センサデータとともにセンサデータの出力元のアドレスを取得する。センサデータ取得部22は、テーブルを参照して、取得されたアドレスに対応するセンサIDを特定する。
(方法2)
センサ42は、センサデータとともにセンサIDを特定可能な付加情報を出力する。センサデータ取得部22は、センサデータとともにセンサIDを特定可能な付加情報を取得する。センサデータ取得部22は、付加情報からセンサIDを特定する。
付加情報は、具体例としては、センサ42の位置を示すGNSS(Global Navigation Satellite System)情報である。センサデータ取得部22は、付加情報としてGNSS情報を取得した場合には、空間構造情報31における各計測地点51の位置と、GNSS情報が示す位置とを比較することにより、GNSS情報に対応するデータノード36を特定する。そして、センサデータ取得部22は、特定されたデータノード36に対応するセンサ42のセンサIDを特定する。
第1推定部23は、ステップ12で取得されたセンサデータに基づき、第1位置についての混雑度である第1混雑度を推定する。
具体的には、第1推定部23は、ステップ12で取得されたセンサIDに対応する計測地点51である第1位置を特定する。第1推定部23は、センサデータに基づき、特定された第1位置についての第1混雑度を推定する。第1推定部23は、特定された第1混雑度をセンサIDとともに分布推定部24に出力する。
例えば、センサ42が監視カメラであるとする。この場合には、第1推定部23は、予め登録された背景画像データと、センサデータである画像データとを比較して、前景部分を抽出する。そして、第1推定部23は、前景部分の面積から人数を推定することにより、第1混雑度を推定する。あるいは、第1推定部23は、機械学習を用いてセンサデータである画像データから人を検出する。そして、第1推定部23は、検出された人の数をカウントすることにより、第1混雑度を推定する。
また、例えば、センサ42がレーザセンサといった測距センサであるとする。この場合には、第1推定部23は、センサデータである測距データを時空間的に統合して得られたセンシング範囲の物体の形状から、人を検出する。そして、第1推定部23は、検出された人の数をカウントすることにより、第1混雑度を推定する。
なお、第1混雑度を推定する際に、センサデータに加えて事前調整済のパラメータが必要な場合がある。事前調整済のパラメータは、具体例としては、上述した背景画像データである。この場合には、第1推定部23は、事前調整済のパラメータをセンサIDと対応付けてストレージ13に記憶しておき、ステップS12で取得されたセンサIDから対応する事前調整済のパラメータを特定すればよい。
第1推定部23は、ステップS12で対象空間50に設置された全てのセンサ42からセンサデータを取得した場合、又は、基準時間が経過した場合には、処理をステップS15に進める。一方、第1推定部23は、いずれでもない場合には、処理をステップS12に戻す。
分布推定部24の第2推定部26は、ステップS13で推定された各第1位置についての第1混雑度に基づき、対象空間50における移動体の移動経路上の位置であって、第1位置とは異なる位置である第2位置についての混雑度である第2混雑度として推定する。第2推定部26は、各第1位置についての第1混雑度と、各第2位置の第2混雑度とを第3推定部27に出力する。
具体的には、第2推定部26は、各補間ノード37を対象として、グラフ33における補間ノード37から各データノード36までの距離を計算する。そして、第2推定部26は、各補間ノード37を対象として、対象の補間ノード37から各データノード36までの距離と、各データノード36が表す第1位置についての第1混雑度とから、対象の補間ノード37が表す第2位置についての第2混雑度を推定する。
分布推定部24の第3推定部27は、ステップS13で推定された各第1位置についての第1混雑度と、ステップS15で推定された各第2位置についての第2混雑度とに基づき、対象空間50における第1位置及び第2位置以外の第3位置についての混雑度である第3混雑度を推定する。第3推定部27は、各第1位置についての第1混雑度と、各第2位置についての第2混雑度と、各第3位置についての第3混雑度とを出力部25に出力する。
具体的には、まず、第3推定部27は、グラフ33の各エッジ35を対象として、対象のエッジ35上にある第3位置であるエッジ上位置について、対象のエッジの両端のノード34それぞれからエッジ上位置までの距離を計算する。そして、第3推定部27は、両端のノード34それぞれからエッジ上位置までの距離と、両端のノード34が表す位置についての混雑度とから、エッジ上位置についての第3混雑度を推定する。
次に、第3推定部27は、グラフ33のエッジ35上にない第3位置であるエッジ外位置について、第1混雑度と、第2混雑度と、エッジ上位置についての第3混雑度とのうちの少なくともいずれかから、エッジ外位置についての第3混雑度を推定する。
出力部25は、ステップS13で推定された第1混雑度と、ステップS15で推定された他の位置の混雑度とから、対象空間50における混雑度の分布を示すデータを生成する。出力部25は、混雑度の分布を示すデータを出力する。
具体的には、出力部25は、混雑度の分布を示すデータとして、表示用のデータと加工用の数値データとの少なくともいずれかを生成する。
表示用のデータを生成する場合には、出力部25は、対象空間50の各位置について、その位置の混雑度の値に応じて色付けした画像データを生成する。出力部25は、生成された画像データを、対象空間50の上面図に重畳させてヒートマップ画像を生成する。出力部25は、ヒートマップ画像を出力信号として表示装置に出力する、あるいは、画像ファイルとして外部の装置に出力する。なお、出力部25は、画像ファイルをストレージ13に出力してもよい。
数値データを生成する場合には、出力部25は、対象空間50の各位置についての混雑度を表す数値を基準となるフォーマットで記述する。出力部25は、混雑度を表す数値を記述した数値ファイルを、外部の装置に出力する。なお、出力部25は、数値ファイルをストレージ13に出力してもよい。
(図7のステップS21:距離計算処理)
第2推定部26は、まだ処理対象となっていない補間ノード37を対象として、対象の補間ノード37と、各データノード36との間の距離を計算する。
具体的には、第2推定部26は、グラフ33において、対象の補間ノード37から他のデータノード36を経由することなく到達可能な全てのデータノード36を特定する。第2推定部26は、特定された各データノード36を対象として、対象の補間ノード補間ノード37から対象のデータノード36までのグラフ33上の最短距離を計算する。
対象の補間ノード37がNI1であるとする。この場合には、図8に示すように、データノード36のうち、ND1及びND2については、NI1から他のデータノード36を経由することなく到達可能である。しかし、ND3については、NI1からND2を経由しないと到達することはできない。したがって、図8では、NI1については、ND1及びND2が他のデータノード36を経由することなく到達可能なデータノード36として特定される。そして、NI1からND1及びND2それぞれまでの最短距離が計算される。すると、図9に示すように、NI1からND1までの最短距離は3と計算され、NI1からND2までの最短距離は2.7と計算される。
これは、他のデータノード36を経由しなければ到達できないデータノード36が表す第1位置についての第1混雑度を考慮しなくても、他のデータノード36が表す第1位置についての第1混雑度を考慮すれば十分であるためである。例えば、図8では、ND3は、NI1から見てND2を超えた先にある。そのため、ND3からNI1に流入する移動体は、ND2が表す第1位置についての混雑度に反映されていると考えられる。したがって、ND3が表す第1位置についての混雑度は考慮しなくても、ND2が表す第1位置についての混雑度を考慮すれば十分であると考えられる。
第2推定部26は、ステップS21の処理の対象とされていない補間ノード37が存在するか否かを判定する。
第2推定部26は、対象とされていない補間ノード37が存在する場合には、処理をステップS21に戻す。一方、第2推定部26は、対象とされていない補間ノード37が存在しない場合には、処理をステップS23に進める。
第2推定部26は、第1混雑度を更新可能なデータノード36が存在するか否かを判定する。言い換えると、第2推定部26は、第1推定処理(図4のステップS13)で出力された第1混雑度をまだ設定していない第1位置を表すデータノード36が存在するか否かを判定する。
第2推定部26は、第1混雑度を更新可能なデータノード36が存在する場合には、処理をステップS24に進める。一方、第2推定部26は、第1混雑度を更新可能なデータノード36が存在しない場合には、処理をステップS25に進める。
第2推定部26は、第1混雑度を更新可能なデータノード36が表す第1位置の第1混雑度を、第1推定処理(図4のステップS13)で出力された第1混雑度により更新する。
このように、一部のデータノード36が表す第1位置について第1混雑度が第1推定処理(図4のステップS13)で出力されていない場合には、第2推定部26は、第1混雑度が出力された第1位置についてのみ第1混雑度の更新をする。第2推定部26は、残りの第1位置については、過去の第1混雑度をそのまま用いる、あるいは、過去の第1混雑度を何らかの方法により補正した第1混雑度を用いる。
また、第2推定部26は、残りの第1位置を表すデータノード36については、一時的に補間ノード37として扱ってもよい。この場合には、第2推定部26は、残りの第1位置を表すデータノード36を補間ノード37に変更した上で、処理をステップS21に戻してやり直す。
第2推定部26は、まだ処理対象となっていない補間ノード37を対象として、対象の補間ノード37が表す第2位置の第2混雑度を推定する。
具体的には、第2推定部26は、対象の補間ノード37から他のデータノード36を経由することなく到達可能な全てのデータノード36を対象のデータノード36に設定する。第2推定部26は、ステップS21で計算された対象の補間ノード37から対象のデータノード36までのグラフ33上の最短距離と、対象のデータノード36が表す第1位置についての第1混雑度とから、対象の補間ノード37が表す第2位置についての第2混雑度を推定する。
この際、第2推定部26は、対象の補間ノード37から対象のデータノード36までの最短距離から第1重みを計算する。対象の補間ノード37に近いデータノード36ほど対象の補間ノード37に似た混雑度になると考えられる。そのため、第1重みは、最短距離が近いほど大きな重みになるように計算される。第2推定部26は、対象のデータノード36が表す第1位置についての第1混雑度に第1重みを乗じて得られた値から、対象の補間ノード37が表す第2位置についての第2混雑度を推定する。例えば、第2推定部26は、対象のデータノード36について得られた値の合計値を第2混雑度とする。つまり、第2推定部26は、対象の補間ノード37から対象のデータノード36までの最短距離を用いた逆距離加重法と呼ばれる計算法により、第2混雑度を計算する。
その際に、どれだけの過去の第1混雑度を用いるかは、任意に決定することができる。具体例としては、固定的な時間だけ過去の第1混雑度を用いてもよい。また、対象の補間ノード37であるNI1と、対象のデータノード36であるNDkとの間の最短距離であるd(k)に比例する値だけ過去の第1混雑度を用いてもよい。また、データノードに対応するセンサ42のセンサデータを用いて、何らかの方法により、センサ範囲の群集の移動方向や移動速度が推定できる場合、それらの情報を用いて、使用する過去の第1混雑度を適応的に決定してもよい。
第2推定部26は、ステップS25の処理の対象とされていない補間ノード37が存在するか否かを判定する。
第2推定部26は、対象とされていない補間ノード37が存在する場合には、処理をステップS25に戻す。一方、第2推定部26は、対象とされていない補間ノード37が存在しない場合には、処理をステップS27に進める。
(ステップS31:エッジ上推定処理)
第3推定部27は、まだ処理対象となっていないエッジ35を対象として、対象のエッジ35上にある第3位置であるエッジ上位置について第3混雑度を推定する。
具体的には、第3推定部27は、対象のエッジ35上の各位置を順に対象のエッジ上位置に設定する。第3推定部27は、対象のエッジ35の両端のノード34が表す位置についての混雑度から、線形補間といった補間方式により、対象のエッジ上位置についての第3混雑度を推定する。ここで、両端のノード34は、データノード36である場合もあるし、補間ノード37である場合もある。
第3推定部27は、ステップS31の処理の対象とされていないエッジ35が存在するか否かを判定する。
第3推定部27は、対象とされていないエッジ35が存在する場合には、処理をステップS31に戻す。一方、第3推定部27は、対象とされていないエッジ35が存在しない場合には、処理をステップS33に進める。
第3推定部27は、まだ処理対象となっていないエッジ外位置を対象として、グラフ33においてエッジ35で囲まれた閉領域の内部に対象のエッジ外位置があるか否かを判定する。
第3推定部27は、閉領域の内部に対象のエッジ外位置がある場合には、処理をステップS34に進める。一方、第3推定部27は、閉領域の内部に対象のエッジ外位置がない場合には、処理をステップS35に進める。
閉領域の内部にエッジ外位置がない場合には、エッジ外位置は、移動方向がエッジに沿った方向に限定される通路のような場所、又は、グラフ33で定義される空間構造の外部に存在することを意味する。グラフ33で定義される空間構造の外部とは、広場のような場所の外縁である。そのため、第3推定部27は、最近傍の位置についての混雑度を用いた補間方式を用いて第3混雑度を推定する。
この場合には、第3推定部27は、閉領域の内部にエッジ外位置があるか否かに加え、エッジ外位置が内部にある閉領域の内部に対象空間50外の領域が含まれているか否かを判定する必要がある。閉領域の内部に対象空間50外の領域が含まれているかを判定することは、グラフ33をマスク画像32に重ねた場合に、閉領域の内部にマスク画像32の黒で表された領域が含まれているか否かを判定することを意味する。
第3推定部27は、閉領域の内部にエッジ外位置があり、かつ、閉領域の内部に対象空間50外の領域が含まれていない場合には、処理をステップS34に進める。一方、第3推定部27は、閉領域の内部にエッジ外位置がない場合と、閉領域の内部に対象空間50外の領域が含まれている場合との少なくともいずれかの場合には、処理をステップS35に進める。
第3推定部27は、対象のエッジ外位置を囲む閉領域を構成するノード34が表す位置の混雑度から、対象のエッジ外位置についての第3混雑度を推定する。閉領域を構成するノード34は、データノード36である場合もあるし、補間ノード37である場合もある。ノード34が表す位置は、第1位置である場合もあるし、第2位置である場合もある。そして、ノード34が表す位置の混雑度は、第1混雑度である場合もあるし、第2混雑度である場合もある。
具体例としては、第3推定部27は、閉領域を構成するノード34が表す位置の混雑度を用いて、三角形補間法と呼ばれる三角形要素内の補間を行う場合の方式と、ユークリッド距離を用いた逆距離加重法と呼ばれる方式といった補間方式により第3混雑度を推定する。
三角形要素内の補間を行う場合の方式は、閉領域が三角形である場合にはそのまま適用可能である。しかし、閉領域が三角形でない場合には、閉領域を複数の三角形の領域に分割する。そして、エッジ外位置が含まれる三角形の領域を構成するノード34が表す位置の混雑度を用いて、三角形要素内の補間を行う場合の方式を適用すればよい。
第3推定部27は、対象のエッジ外位置と同じ領域にあり、かつ、対象のエッジ外位置に最も近いノード34が表す位置又はエッジ上位置の混雑度から、対象のエッジ外位置についての第3混雑度を推定する。ここでの領域は、マスク画像32における白で表された領域を意味する。例えば、図2における領域Xと領域Yとは異なる領域である。
具体例としては、第3推定部27は、対象のエッジ外位置と同じ領域にあり、かつ、対象のエッジ外位置に最も近いノード34又はエッジ上位置の混雑度をそのまま第3混雑度と推定する。あるいは、補間ノード37は、最も近いノード34又はエッジ上位置の混雑度に対して、エッジ外位置からの距離に反比例した重みを乗じて、第3混雑度を推定してもよい。
ここで、対象のエッジ外位置に最も近いエッジ上位置は次のように特定される。まず、対象のエッジ外位置から周囲のエッジ35に対して垂線が引かれる。エッジ外位置から垂線とエッジ35との交点までの垂線の長さが最も短い垂線が特定される。特定された垂線に最も近いエッジ35におけるエッジ上位置が、エッジ外位置に最も近いエッジ上位置として特定される。
第3推定部27は、ステップS33の処理の対象とされていないエッジ外位置が存在するか否かを判定する。
第3推定部27は、対象とされていないエッジ外位置が存在する場合には、処理をステップS33に戻す。一方、第3推定部27は、対象とされていないエッジ外位置が存在しない場合には、処理を終了する。
以上のように、実施の形態1に係る混雑度推定装置10は、センサデータに基づき推定された第1混雑度から、移動体の移動経路上の第2位置についての第2混雑度を推定する。そして、混雑度推定装置10は、第1混雑度及び第2混雑度から、その他の位置についての第3混雑度を推定する。
これにより、対象空間における移動体の移動を想定した適切な混雑度の推定が可能である。
<変形例1>
実施の形態1における混雑度推定装置10において、第2混雑度は、図4に示す一連の処理の中でセンサデータ取得部22がセンサ42から取得したセンサデータに基づいて推定された第1混雑度から推定された。しかしながら、図4に示す一連の処理を、一定時間周期で繰り返し実施するような構成を取る場合、過去の処理実行において取得したセンサデータに基づく第1混雑度を用いて推定する構成を取ってもよい。
実施の形態1では、各機能構成要素がソフトウェアで実現された。しかし、変形例2として、各機能構成要素はハードウェアで実現されてもよい。この変形例2について、実施の形態1と異なる点を説明する。
各機能構成要素がハードウェアで実現される場合には、混雑度推定装置10は、プロセッサ11とメモリ12とストレージ13とに代えて、電子回路15を備える。電子回路15は、各機能構成要素と、メモリ12と、ストレージ13との機能とを実現する専用の回路である。
各機能構成要素を1つの電子回路15で実現してもよいし、各機能構成要素を複数の電子回路15に分散させて実現してもよい。
変形例3として、一部の各機能構成要素がハードウェアで実現され、他の各機能構成要素がソフトウェアで実現されてもよい。
Claims (8)
- 対象空間における第1位置に割り当てられたセンサから取得したセンサデータに基づき、前記第1位置についての混雑度である第1混雑度を推定する第1推定部と、
前記第1推定部によって推定された前記第1混雑度に基づき、前記対象空間における移動体の移動経路上の位置であって、前記第1位置とは異なる位置である第2位置についての混雑度である第2混雑度を推定する第2推定部と、
前記第1混雑度と、前記第2推定部によって推定された前記第2混雑度とに基づき、前記対象空間における前記第1位置及び前記第2位置以外の第3位置についての混雑度である第3混雑度を推定する第3推定部と、
前記第1位置及び前記第2位置をノードとし、前記移動体が移動可能な前記ノードの間をエッジにより接続したグラフであって、前記第1位置を表すノードをデータノードとし、前記第2位置を表すノードを補間ノードとしたグラフを取得する構造情報取得部と
を備え、
前記第2推定部は、前記グラフにおいて前記補間ノードから他のデータノードを経由することなく到達可能な各データノードを対象として、前記補間ノードから対象のデータノードまでの距離と、前記対象のデータノードが表す前記第1位置についての前記第1混雑度とから、前記補間ノードが表す前記第2位置についての前記第2混雑度を推定し、
前記第3推定部は、前記グラフの各エッジを対象として、対象のエッジ上にある前記第3位置であるエッジ上位置について、前記対象のエッジの両端のノードそれぞれから前記エッジ上位置までの距離と、前記両端のノードが表す位置についての混雑度とから、前記エッジ上位置についての前記第3混雑度を推定する混雑度推定装置。 - 前記第2推定部は、前記補間ノードから対象のデータノードまでの距離から第1重みを計算し、前記対象のデータノードが表す前記第1位置についての前記第1混雑度に前記第1重みを乗じて得られた値から、前記補間ノードが表す前記第2位置についての前記第2混雑度を推定する
請求項1に記載の混雑度推定装置。 - 前記第3推定部は、前記両端のノードそれぞれを対象として、対象のノードから前記エッジ上位置までの距離を第2重みとして、前記対象のノードが表す位置についての混雑度に前記第2重みを乗じて得られた値から、前記エッジ上位置についての前記第3混雑度を推定する
請求項1又は2に記載の混雑度推定装置。 - 前記第3推定部は、前記グラフのエッジ上にない前記第3位置であるエッジ外位置について、前記第1混雑度と、前記第2混雑度と、前記エッジ上位置についての前記第3混雑度とのうちの少なくともいずれかから、前記エッジ外位置についての前記第3混雑度を推定する
請求項1から3までのいずれか1項に記載の混雑度推定装置。 - 前記第3推定部は、前記グラフにおいて前記エッジで囲まれた閉領域の内部に前記エッジ外位置がある場合には、前記エッジ外位置を囲む前記閉領域を構成するノードが表す位置の混雑度から、前記エッジ外位置についての前記第3混雑度を推定する
請求項4に記載の混雑度推定装置。 - 前記第3推定部は、前記グラフにおいて前記エッジで囲まれた閉領域の外部に前記エッジ外位置がある場合には、前記エッジ外位置から最も近いノード又はエッジが表す位置についての混雑度から、前記エッジ外位置についての前記第3混雑度を推定する
請求項4又は5に記載の混雑度推定装置。 - 第1推定部が、対象空間における第1位置に割り当てられたセンサから取得したセンサデータに基づき、前記第1位置についての混雑度である第1混雑度を推定し、
第2推定部が、前記第1混雑度に基づき、前記対象空間における移動体の移動経路上の位置であって、前記第1位置とは異なる位置である第2位置についての混雑度である第2混雑度を推定し、
第3推定部が、前記第1混雑度と前記第2混雑度とに基づき、前記対象空間における前記第1位置及び前記第2位置以外の第3位置についての混雑度である第3混雑度を推定し、
構造情報取得部が、前記第1位置及び前記第2位置をノードとし、前記移動体が移動可能な前記ノードの間をエッジにより接続したグラフであって、前記第1位置を表すノードをデータノードとし、前記第2位置を表すノードを補間ノードとしたグラフを取得し、
前記第2推定部が、前記グラフにおいて前記補間ノードから他のデータノードを経由することなく到達可能な各データノードを対象として、前記補間ノードから対象のデータノードまでの距離と、前記対象のデータノードが表す前記第1位置についての前記第1混雑度とから、前記補間ノードが表す前記第2位置についての前記第2混雑度を推定し、
前記第3推定部が、前記グラフの各エッジを対象として、対象のエッジ上にある前記第3位置であるエッジ上位置について、前記対象のエッジの両端のノードそれぞれから前記エッジ上位置までの距離と、前記両端のノードが表す位置についての混雑度とから、前記エッジ上位置についての前記第3混雑度を推定する混雑度推定方法。 - 対象空間における第1位置に割り当てられたセンサから取得したセンサデータに基づき、前記第1位置についての混雑度である第1混雑度を推定する第1推定処理と、
前記第1推定処理によって推定された前記第1混雑度に基づき、前記対象空間における移動体の移動経路上の位置であって、前記第1位置とは異なる位置である第2位置についての混雑度である第2混雑度を推定する第2推定処理と、
前記第1混雑度と、前記第2推定処理によって推定された前記第2混雑度とに基づき、前記対象空間における前記第1位置及び前記第2位置以外の第3位置についての混雑度である第3混雑度を推定する第3推定処理と、
前記第1位置及び前記第2位置をノードとし、前記移動体が移動可能な前記ノードの間をエッジにより接続したグラフであって、前記第1位置を表すノードをデータノードとし、前記第2位置を表すノードを補間ノードとしたグラフを取得する構造情報取得処理と
を行い、
前記第2推定処理では、前記グラフにおいて前記補間ノードから他のデータノードを経由することなく到達可能な各データノードを対象として、前記補間ノードから対象のデータノードまでの距離と、前記対象のデータノードが表す前記第1位置についての前記第1混雑度とから、前記補間ノードが表す前記第2位置についての前記第2混雑度を推定し、
前記第3推定処理では、前記グラフの各エッジを対象として、対象のエッジ上にある前記第3位置であるエッジ上位置について、前記対象のエッジの両端のノードそれぞれから前記エッジ上位置までの距離と、前記両端のノードが表す位置についての混雑度とから、前記エッジ上位置についての前記第3混雑度を推定する混雑度推定装置としてコンピュータを機能させる混雑度推定プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/048664 WO2021117185A1 (ja) | 2019-12-12 | 2019-12-12 | 混雑度推定装置、混雑度推定方法及び混雑度推定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6837606B1 true JP6837606B1 (ja) | 2021-03-03 |
JPWO2021117185A1 JPWO2021117185A1 (ja) | 2021-12-09 |
Family
ID=74673593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020527123A Active JP6837606B1 (ja) | 2019-12-12 | 2019-12-12 | 混雑度推定装置、混雑度推定方法及び混雑度推定プログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220245947A1 (ja) |
JP (1) | JP6837606B1 (ja) |
CN (1) | CN114746890A (ja) |
TW (1) | TW202123030A (ja) |
WO (1) | WO2021117185A1 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015172850A (ja) * | 2014-03-12 | 2015-10-01 | 株式会社日立製作所 | 駅混雑予測装置及び駅混雑情報提供システム |
JP2016200973A (ja) * | 2015-04-10 | 2016-12-01 | 東日本旅客鉄道株式会社 | 歩行者のod通行量の推計方法 |
JP2018025903A (ja) * | 2016-08-09 | 2018-02-15 | 日本電信電話株式会社 | 混雑情報推定装置及び混雑情報推定方法 |
WO2018155397A1 (ja) * | 2017-02-24 | 2018-08-30 | 株式会社日立製作所 | 混雑予測システムおよび歩行者シミュレーション装置 |
-
2019
- 2019-12-12 JP JP2020527123A patent/JP6837606B1/ja active Active
- 2019-12-12 CN CN201980102648.0A patent/CN114746890A/zh active Pending
- 2019-12-12 WO PCT/JP2019/048664 patent/WO2021117185A1/ja active Application Filing
-
2020
- 2020-03-26 TW TW109110214A patent/TW202123030A/zh unknown
-
2022
- 2022-04-20 US US17/725,001 patent/US20220245947A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015172850A (ja) * | 2014-03-12 | 2015-10-01 | 株式会社日立製作所 | 駅混雑予測装置及び駅混雑情報提供システム |
JP2016200973A (ja) * | 2015-04-10 | 2016-12-01 | 東日本旅客鉄道株式会社 | 歩行者のod通行量の推計方法 |
JP2018025903A (ja) * | 2016-08-09 | 2018-02-15 | 日本電信電話株式会社 | 混雑情報推定装置及び混雑情報推定方法 |
WO2018155397A1 (ja) * | 2017-02-24 | 2018-08-30 | 株式会社日立製作所 | 混雑予測システムおよび歩行者シミュレーション装置 |
Also Published As
Publication number | Publication date |
---|---|
US20220245947A1 (en) | 2022-08-04 |
JPWO2021117185A1 (ja) | 2021-12-09 |
TW202123030A (zh) | 2021-06-16 |
WO2021117185A1 (ja) | 2021-06-17 |
CN114746890A (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11632536B2 (en) | Method and apparatus for generating three-dimensional (3D) road model | |
US11932274B2 (en) | Electronic device and control method therefor | |
JP2021185548A (ja) | 物体検出装置、物体検出方法およびプログラム | |
JP2019008460A (ja) | 物体検出装置、物体検出方法およびプログラム | |
US11204610B2 (en) | Information processing apparatus, vehicle, and information processing method using correlation between attributes | |
US10514696B2 (en) | Navigation driving metric | |
WO2017104835A1 (ja) | 侵入検出装置、設定支援装置、侵入検出方法、設定支援方法及びプログラム記録媒体 | |
JP7027054B2 (ja) | 情報処理装置、車両、情報処理方法およびプログラム | |
CN112798811B (zh) | 速度测量方法、装置和设备 | |
JP6571904B1 (ja) | 車載装置、情報処理方法及び情報処理プログラム | |
JP2017138660A (ja) | 物体検出方法、物体検出装置、およびプログラム | |
CN113261010A (zh) | 基于对象轨迹的用于跨域对应的多模态传感器融合方法 | |
KR20200095338A (ko) | 스마트폰을 사용하는 보행자를 보호하기 위한 첨단 보행자 보조 시스템을 제공하는 방법 및 장치 | |
JPWO2020261567A5 (ja) | ||
JP6837606B1 (ja) | 混雑度推定装置、混雑度推定方法及び混雑度推定プログラム | |
JP6806396B1 (ja) | 災害予測システム、および災害予測方法 | |
JP2019087969A (ja) | 走行現調支援装置 | |
WO2021084731A1 (ja) | 情報処理装置、情報処理システム、情報処理方法、及び情報処理プログラム | |
CN114913500B (zh) | 位姿确定方法、装置、计算机设备和存储介质 | |
US10832444B2 (en) | System and method for estimating device pose in a space | |
JP2021060943A (ja) | 占有マップの作成方法、及び、占有マップの作成装置 | |
CN110807397A (zh) | 一种预测目标物运动状态的方法及装置 | |
JP2019139462A (ja) | 混雑状況推定方法、混雑状況推定プログラム、および混雑状況推定システム | |
KR20190070235A (ko) | 비전 기반 위치 추정 기법을 이용한 6-자유도 상대 변위 추정 방법 및 그 장치 | |
JP7109528B2 (ja) | 車載画像情報処理装置、車載画像情報送信装置および画像情報処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200515 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200515 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200515 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200901 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200908 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201027 |
|
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: 20210112 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210209 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6837606 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |