JP7044804B2 - 車両・歩行者間の衝突回避の方法およびシステム - Google Patents

車両・歩行者間の衝突回避の方法およびシステム Download PDF

Info

Publication number
JP7044804B2
JP7044804B2 JP2019559696A JP2019559696A JP7044804B2 JP 7044804 B2 JP7044804 B2 JP 7044804B2 JP 2019559696 A JP2019559696 A JP 2019559696A JP 2019559696 A JP2019559696 A JP 2019559696A JP 7044804 B2 JP7044804 B2 JP 7044804B2
Authority
JP
Japan
Prior art keywords
vehicle
pedestrian
terminal
algorithm
lte
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
Application number
JP2019559696A
Other languages
English (en)
Other versions
JP2021510857A (ja
Inventor
ボーシャン，バスティアン
Original Assignee
ボーシャン，バスティアン
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ボーシャン，バスティアン filed Critical ボーシャン，バスティアン
Publication of JP2021510857A publication Critical patent/JP2021510857A/ja
Application granted granted Critical
Publication of JP7044804B2 publication Critical patent/JP7044804B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/51—Relative positioning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0284—Relative positioning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0295—Proximity-based methods, e.g. position inferred from reception of particular signals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/08—Position of single direction-finder fixed by determining direction of a plurality of spaced sources of known location
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/10—Position of receiver fixed by co-ordinating a plurality of position lines defined by path-difference measurements, e.g. omega or decca systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/163—Decentralised systems, e.g. inter-vehicle communication involving continuous checking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9316—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles combined with communication equipment with other vehicles or with base stations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W76/00—Connection management
    • H04W76/50—Connection management for emergency connections

Description

本発明は、道路安全の分野に関する。より詳細には、本発明は、車両と歩行者間の衝突回避の方法およびシステムに関する。
例えば緊急通報測位のような、位置に基づくサービスは、無線通信ネットワークの位置測定技術の開発を引き起こす。全地球ナビゲーション衛星システム（ＧＮＳＳ）対応端末は、屋外の位置を数メートルの精度で決定することができて、多くのアプリケーションおよび端末のサービスは、この種の正確な測位を利用する。
電気通信において、ロングタームエボリューション（ＬＴＥ）は、ＧＳＭエボリューション型高速データレート（ＧＳＭ／ＥＤＧＥ）およびユニバーサル移動体通信システム（ＵＭＴＳ）／高速パケットアクセス（ＨＳＰＡ）技術に基づいた、モバイル機器およびデータ端末のための無線ブロードバンド通信用の標準である。４Ｇのセル式電話ネットワークのためのロングタームエボリューション（ＬＴＥ）の測位支援は、２００８年に導入された。それによって、電気通信事業者は、位置に基づくサービスのためにユーザの位置情報を検索して、規制上の緊急通報測位要件を満たすことができる。
ＬＴＥが使用可能なユーザ機器（ＵＥ）の時空間位置を決定するために用いることができるいくつかの様々な技術がある。測位のために最も広く使われている技術の一つは、周知の位置のサービングＬＴＥ基地局の配置にわたる相対的な測位に基づいている。また、全地球位置測定システム（ＧＰＳ）は、位置情報を５メートルの精度で提供するが、若干の都市カバレッジ障害、数秒レベルの測定待ち時間、および高い電池電気消費を呈し、それは、的確な車両・歩行者間の衝突回避に対するＧＰＳの適用性を制限することがありえる。
セルＩＤ技術において、ユーザ機器（ＵＥ）は、そのサービングセル座標を使用して位置を決めることができて、座標は、位置エリアコード（ＬＡＣ）内の基地局（ＢＳ）の基地局（ＢＳ）座標またはセクターでありえる。この方法の精度は、サービングセル半径に依存しており、それは、しかしながら、農村地帯では６０ｋｍぐらいであるので、ユーザ機器（ＵＥ）端末位置に応じて正確でない結果を提供することがありえる。
いくつかのＬＴＥベースの技術は、ＬＴＥが使用可能なユーザ機器（ＵＥ）の正確な時空間位置を決定するために用いることができる。受信信号レベル（ＲＳＳＩ）技術において、ユーザ機器（ＵＥ）は、サービングおよび隣接セルの受信信号強度を測定する。この情報は、ユーザ機器（ＵＥ）と周知の位置の隣接基地局（ＢＳ）の間の距離を算出するために用いることができる。少なくとも３つの基地局（ＢＳ）からの信号が、受信される場合、基地局（ＢＳ）の位置が、高レベルの精度で公知であるので、三角測量は、ＲＳＳＩ技術に適用されて、ユーザ機器（ＵＥ）の正確な位置を決定できる。本明細書に用いるように、「三角測量」という用語は、三角形基線の、各辺の相対的長さを測定することによって、または各角の相対的角度を測定することによって、基地局（ＢＳ）の配置を含む領域に広がる地点の距離および相対的位置を決定するために、一連の三角形の幾何学的な追跡および測定を指すことを目的とする。到達時間差（ＴＤＯＡ）技術において、受信信号の各組の間の時間差は受信機によって、推定することができて、２つの双曲線の交差からの位置は決定できる。一般に、到達時間差（ＴＤＯＡ）測定は、アンテナ配置における各信号の受信位相の差を測定することによってなされる。少なくとも３つの基地局（ＢＳ）からの信号が、受信される場合、三角測量は、ＴＤＯＡ技術に適用されて、ユーザ機器（ＵＥ）の正確な位置を決定できる。到来角度（ＡＯＡ）方法は、例えばアンテナ放射パターンを使用して基地局（ＢＳ）またはユーザ機器（ＵＥ）からの信号の到来角度を測定するステップを含む。到来角度（ＡＯＡ）方法において、アンテナ配置における各要素の到来の遅延は、直接測定されて、到来角度測定に変換される。さらにまた、この技術は、送信アンテナ配置に入射する無線周波の伝播の方向を決定する方法である。少なくとも３つの基地局（ＢＳ）からの信号が、受信される場合、三角測量は、到来角度（ＡＯＡ）技術に適用されて、ユーザ機器（ＵＥ）の正確な位置を決定できる。到達時間（ＴＯＡ）技術は、距離を算出して、実際のユーザ機器（ＵＥ）位置を決定するために、光の速度、電波伝播の速度、および信号到達の時間を使用する。少なくとも３つの基地局（ＢＳ）からの信号が、受信される場合、三角測量は、到達時間（ＴＯＡ）技術に適用されて、ユーザ機器（ＵＥ）の正確な位置を決定できる。
現在活用されているロングタームエボリューション（ＬＴＥ）ネットワークにおいて、
ユーザ機器（ＵＥ）位置は、通常、ユーザ機器（ＵＥ）からの強化されたセル識別（Ｅ－ＣＩＤ）、観測到達時間差（ＯＴＤＯＡ）、および支援型全地球ナビゲーション衛星システム（ＧＮＳＳ）（Ａ－ＧＮＳＳ）情報の組合せに基づいて決定される。測位精度のレベルは、何十メートルのオーダーである。
観測到達時間差（ＯＴＤＯＡ）は、ユーザ機器（ＵＥ）により支援された方法であり、そこにおいて、ユーザ機器（ＵＥ）は、セル式基地局（ＢＳ）により送信される特定の測位基準信号（ＰＲＳ）の到達時間（ＴＯＡ）を測定して、測定到達時間（ＴＯＡ）推定値を位置サーバーに報告する。位置サーバーは、少なくとも３つの基地局から受信する測位基準信号（ＰＲＳ）の到達時間（ＴＯＡ）測定値およびこれらの基地局の周知の位置に基づいて、マルチラテレーションを用いてユーザ機器（ＵＥ）の位置を決定する。
観測到達時間差（ＯＴＤＯＡ）方法の測位精度は、様々な要因、例えば、ネットワーク配備、信号伝播状態、同期エラー、および測位基準信号（ＰＲＳ）の特性に依存する。４Ｇのセル式（ＬＴＥ）屋内ユーザの場合は、測位精度は、約５０メートルでありえる。来るべき５Ｇのシステムの場合は、人間、装置、機械、車両などを含む屋内および屋外の両方のユーザにとって非常に厳しい、約１メートルの精度である。所与の配備および伝播シナリオの場合は、測位精度の著しい改善は、ニューラジオ（ＮＲ）と称する、５Ｇの無線アクセス技術のための測位基準信号を適切に再設計することによって達成可能である。
５ＧのＮＲ（ニューラジオ）は、５Ｇ（第五世代）のモバイルネットワークのための３ＧＰＰにより開発された新規な無線アクセス技術（ＲＡＴ）である。それは、５Ｇの電気通信ネットワークのエアインターフェースのための国際標準と定められている。第３世代パートナーシッププロジェクト（３ＧＰＰ）は、モバイル電話通信のためのプロトコルを開発する標準組織である。３ＧＰＰ仕様３８シリーズは、ＮＲの後の技術的な詳細、ＬＴＥを越えた無線アクセス技術（ＲＡＴ）を提供する。
正確で信頼性が高い位置測定は、例えば、自動運転車およびドローンのような自律的で無人の車両のための高い関心の主題である。実際、自動車産業は、自動運転および道路安全に基づく車両の使用事例を可能にするために、センチレベルの測位精度を必要とする。これらの重要なアプリケーションに使用する現在の位置測定技術は、絶対的測位のための全地球ナビゲーション衛星システム（ＧＮＳＳ）、および相対的な測位のためのレーダー、カメラ、および慣性センサーの組合せに基づく。それにもかかわらず、これらのオンボードセンサーの高い実施コストは、特定のアプリケーションにおけるそれらの採用を妨げることがありえる。かくして、車両とあらゆるものの間（Ｖ２Ｘ）の通信専用の無線ネットワークは、測位目的のためにも利用できる。これは、第五世代（５Ｇ）のセル式ネットワークのケースであり、その破壊的な技術は、高い精度の位置測定を可能にすると期待される。
車両とあらゆるものの間（Ｖ２Ｘ）の通信は、車両に影響を及ぼすことがありえる車両からあらゆる実体へ情報を渡すことであり、そして逆もまた同じである。それは、Ｖ２Ｉ（車両・インフラストラクチャー間）、Ｖ２Ｎ（車両・ネットワーク間）、Ｖ２Ｖ（車両・車両間）、Ｖ２Ｐ（車両・歩行者間）、Ｖ２Ｄ（車両・装置間）、およびＶ２Ｇ（車両・送電網間）のような他のより特定のタイプの通信を組み込む車両通信システムである。Ｖ２Ｘに対する主要な動機は、道路安全、交通効率、およびエネルギー節減である。用いられている基礎をなす技術に応じて２種類のＶ２Ｘ通信技術があり、すなわち、ＷＬＡＮベース、およびセル式ベースである。ＷＬＡＮベースの車両とあらゆるものの間（Ｖ２Ｘ）システムの標準化は、セル式ベースの車両とあらゆるものの間（Ｖ２Ｘ）システムのそれに取って代わる。ＩＥＥＥは、ＷＬＡＮベースのＶ２Ｘの仕様を２０１２年に最初に発表した（ＩＥＥＥ ８０２．１１ｐ）。それは、車両間（Ｖ２Ｖ）で、そして車両・インフラストラクチャー間（Ｖ２Ｉ）で直接通信を支援する。２０１６年に、３ＧＰＰは、基礎をなす技術としてロングタームエボリューション（ＬＴＥ）に基づいて車両とあらゆるものの間の通信（Ｖ２Ｘ）仕様を発表した。それは、それ自体を８０２．１１ｐベースのＶ２Ｘ技術と区別するために、「セル式Ｖ２Ｘ」（Ｃ－Ｖ２Ｘ）と一般に呼ばれる。直接通信（Ｖ２Ｖ、Ｖ２Ｉ）に加えて、Ｃ－Ｖ２Ｘは、セル式ネットワーク（Ｖ２Ｎ）を通じて広域通信も支援する。この付加モードの通信および５Ｇへのネイティブ移行パスは、８０２．１１ｐベースのＶ２Ｘシステムに勝る２つの主要な利点である。
全地球ナビゲーション衛星システム（ＧＮＳＳ）とセル式ネットワークの組合せは、いろいろなネットワーク世代に沿って特別な注意をひいた。セルラー方式は、都市環境における全地球ナビゲーション衛星システム（ＧＮＳＳ）可視性の不足を補足すると通常は考えられる。これらの複合型ＧＮＳＳ／ＬＴＥナビゲーション解決策の大部分は、時間とともに雑音が多いＧＮＳＳまたはＬＴＥセル式位置測定値をフィルターに通すことが必要である。さらにまた、セル式伝播チャネルは、見通し外（ＮＬｏＳ）状態および密集したマルチパスにより支配される。位置エラーは、現地測定値からの２０ＭＨｚのロングタームエボリューション（ＬＴＥ）信号によって５０ｍを越える。したがって、５Ｇのニューラジオ（ＮＲ）特徴、例えば、広帯域信号、広範囲に及ぶアンテナ配置、ミリメータ波（ミリ波）トランスミッション、超密集したネットワーク、および装置・装置間（Ｄ２Ｄ）通信は、全地球ナビゲーション衛星システム（ＧＮＳＳ）による複合測位性能を著しく強化すると予想される。これらのＮＲ特徴は、高い精度の測位を達成すると認識される、高いネットワーク密度によって高い精度の測距および角度測定値を導く。加えて、拡張した帯域幅を有する５Ｇのセンチメートル波（ケーブ）トランスミッションは、マクロセル配備においても重要である。この意味で、３ＧＰＰ標準は、５ＧのＮＲ測位に関する新規なスタディアイテムをちょうど承認したばかりであるが、全地球ナビゲーション衛星システム（ＧＮＳＳ）と５Ｇ技術の統合に関する文献は十分でない。
ロングタームエボリューション（ＬＴＥ）における支援された測位方法は、図１に示す高レベルのネットワークアーキテクチャに依存する。プロセスに関係する３つの主要素、位置サービスクライアント（ＬＣＳ）、ＬＣＳサーバー（ＬＳ）、およびＬＣＳターゲットがある。クライアント、すなわち、要求するサービスは、ＬＣＳターゲットにインストールされるかそこで利用できるケースの大多数である。クライアントは、要求をサーバーに送ることによって位置情報を得る。位置サーバーは、測定値および装置と基地局からの他の位置情報を収集して、装置を測定値およびその位置の推定によって支援する物理的または論理的実体である。サーバーは、クライアントからの要求を基本的に処理して、クライアントに要求された情報を、そして任意に速度情報を提供する。装置（クライアント）が位置サーバーと通信できる方法として２つの異なる可能性がある。標準データ接続を用いて、ユーザプレーン（Ｕプレーン）上で、または制御プレーン（Ｃプレーン）上でこれを行うオプションがある。制御プレーンにおいて、Ｅ－ＳＭＬＣ（進化したサービングモバイル位置センター）は、位置サーバーとして関連するが、ユーザプレーンの場合は、これは、ＳＵＰＬ位置プラットフォームにより処理される。
５Ｇ通信ネットワークは、既存の通信システムと比較すると、容量、接続される装置の数、エネルギー効率、および待ち時間において、大きな改善を提供すると予想される。これらの特徴は、とりわけ、高域帯域幅、高度なアンテナ技術、および柔軟な無線アクセス解決策の組合せによって可能になる。特に都市環境で、５Ｇネットワークは、高密度に分布されたアクセスノード（ＡＮ）から成るとも予想される。したがって、この種の密集したネットワークの単一のユーザ機器（ＵＥ）は、同時に複数の密接に位置するアクセスノード（ＡＮ）に至るカバレッジ範囲の中にある。この種の短いユーザ機器（ＵＥ）とアクセスノード（ＡＮ）の距離は、例えば、より少ない伝搬損失およびより短い伝播時間によって、通信に明らかな利点を提供するが、興味深いことに、非常に正確なユーザ機器（ＵＥ）測位を可能にすることもできる。要するに、５Ｇネットワークは、ＵＥ位置情報の獲得および利用に関して多くの機会を可能にする。
５Ｇネットワークの改善の一つは、測位精度に関する。５Ｇは、１メートル以下のオーダーで測位精度を提供しなければならないと言われている。それは、観測到達時間差（ＯＴＤＯＡ）技術によって、ロングタームエボリューション（ＬＴＥ）システムで提供される数十メートルの精度より著しく良い。５Ｇネットワークの必要とされる測位精度は、商用全地球ナビゲーション衛星システム（ＧＮＳＳ）も上回る。そこでは、精度が約５ｍであり、そして無線ローカル・エリア・ネットワーク（ＷＬＡＮ）フィンガープリンティングは、３ｍ～４ｍの精度に結果としてなる。５Ｇネットワークが提供できる別の改善は、測位のエネルギー効率に関する。これは、５ＧネットワークがＡＮでチャネル推定目的のためにしばしば送信されたアップリンク（ＵＬ）パイロット信号を利用するという一般的な仮定から生じる。これらの信号は、ＵＥ位置がＡＮにおいてそれぞれに、または集中化した融合センターにおいて周知のＡＮ位置を前提として推定されるネットワーク中心の方法で測位するためにも使うことができて、したがっていかなる算出もモバイルＵＥにおいて必要でない。これは、モバイルＵＥが重い計算負担の下にある、装置中心の測位、例えば、全地球ナビゲーション衛星システム（ＧＮＳＳ）に対する相当な差であることに留意されたい。したがって、ネットワーク中心の測位技術は、著しい電力消費改善を提供して、連続的にバックグラウンドで動作できるユビキタスな高精度測位を可能にする。この種の機能は、また、位置情報がネットワーク側で使われることになっているときに信号オーバヘッドを減少させるが、一方では、測位がＵＥ自体で実行されないのでプライバシーのために付加的なケアを必要とする。５Ｇベースの測位における第３の改善として、それがネットワークまたは装置中心であるかどうかにかかわらず、位置情報は、難しい屋内環境も含む、ネットワーク・カバー・エリアの下で至る所でＵＥの衛星接続から完全に独立して得ることができる。
測位情報は、自動運転車両、インテリジェント交通システム（ＩＴＳ）、ドローン、ならびに他の種類の自律的な車両およびロボットに対する中心的要素である。位置の認識は、単に通信以外のタイプのサービスを提供するための第三者によって、だけでなくＵＥにおいても利用できる。交通機関および車を例に挙げると、最新の位置情報および予測されたＵＥ軌道は、例えば、交通の流れ、安全性、およびエネルギー効率に関して、著しい改善を提供できる。広範囲に集められた自動車位置情報が、ＩＴＳと共有されるときに、交通監視および制御のような機能は強化できる。正確な位置情報は、例えば、特に自律的且つ自動運転の車を考慮すると、ナビゲーション・オブジェクトのために車自体においても必要である。位置の認識は、衝突回避のためにも必要とされる。通信範囲内で、車はそれらの位置を他の車に直接報告できるが、車間のリンクが妨害されるときに、位置通知はＩＴＳと協力して送信される。当然、自動運転車に関する要求および機能は、既存の通信システムおよび衛星ベースの測位によって、至る所で且ついつでも満たすことができない。したがって、５Ｇの高度な通信能力およびネットワークベースの測位は、自動運転自動車システムの開発において、重要な役割を果たしそうである。
常用のモバイルアプリケーションを開発するという絶えず増大する傾向は、自動車分野でついに始まった。モバイルアプリとの車両接続性には、周囲の車両およびインフラストラクチャーに関する情報を提供して、車とそのドライバーの間の相互作用を非常により単純にすることによって、より良好でより安全な運転経験を提供する大きな可能性がある。アプリが運転安全を大幅に向上させることができるという事実は、自動車ユーザの注意をひいて、自動車産業のために特に開発される新規なアプリの数の増大を引き起こした。この傾向は、現在製造業者が携帯電話とのそれらの相互作用に注意を向ける車を設計し始めているような大きな影響を有する。
車両・歩行者間の衝突回避の方法およびシステムは、例えば、有意なＶ２Ｐ衝突確率の差が存在する歩道を歩いている歩行者から通りを横断している歩行者を識別するために、１メートル以下のオーダーの正確な時空間測位精度を必要とする。現在展開されるロングタームエボリューション（ＬＴＥ）ネットワークにおいて、時空間測位精度のレベルは、数十メートルのオーダーであり、それは、十分な測位識別を提供することができなくて、したがって正確な車両・歩行者間の衝突回避のために現在展開されるロングタームエボリューション（ＬＴＥ）ネットワークの適用性を制限することがありえる。現在展開される全地球位置測定システム（ＧＰＳ）において、時空間測位精度のレベルは、５メートルのオーダーであるが、若干の都市カバレッジ障害、数秒レベルの測定待ち時間、および高い電池電気消費を呈し、それは、十分な時空間測位識別を提供することができず、したがって正確な車両・歩行者間の衝突回避のためにＧＰＳの適用性を制限できる。したがって、車両・歩行者間の衝突回避の方法およびシステムの必要が依然としてあり、そこでは、来るべき５ＧのＬＴＥ通信ネットワークおよびニューラジオ（ＮＲ）技術は、正確な車両・歩行者間の衝突回避を提供できる。
車両・歩行者間の衝突回避の方法およびシステムの必要が依然としてある。
より具体的には、本発明に従って、少なくとも一台の車両を少なくとも一つのロングタームエボリューション（ＬＴＥ）が使用可能なユーザ機器（ＵＥ）端末に物理的にリンクするステップと、少なくとも一人の歩行者を少なくとも一つのロングタームエボリューション（ＬＴＥ）が使用可能なユーザ機器（ＵＥ）端末に物理的にリンクするステップと、少なくとも３つのロングタームエボリューション（ＬＴＥ）セル式基地局（ＢＳ）および少なくとも一つの位置サービスクライアント（ＬＣＳ）サーバーにより伝達されるロングタームエボリューション（ＬＴＥ）セル式無線信号から決定される各端末の時空間測位を決定するステップとを含む車両・歩行者間の衝突回避の方法が提供されて、そこにおいて、少なくとも一つの位置サービスクライアント（ＬＣＳ）サーバーは、端末の時空間測位を分析して、強化学習（ＲＬ）分析に基づいてリワードメトリックを最大にするように、少なくとも一台の車両および少なくとも一人の歩行者のありそうな将来の軌跡を決定するために、リカレント・ニューラル・ネットワーク（ＲＮＮ）アルゴリズムから成る埋め込み人工知能アルゴリズムを含み、そして少なくとも一つの位置サービスクライアント（ＬＣＳ）サーバーは、少なくとも一台の車両および少なくとも一人の歩行者のありそうな将来の軌跡を少なくとも一人の歩行者に物理的にリンクされる少なくとも一つの端末に伝達し、少なくとも一人の歩行者に物理的にリンクされる少なくとも一つの端末は、少なくとも一人の歩行者のありそうな将来の軌跡が、車両・歩行者間の近接閾値限界以下であるかどうか決定するために、条件付確率場（ＣＲＦ）アルゴリズムから成る埋め込み人工知能アルゴリズムを含み、そして近接閾値限界に達する場合、少なくとも一人の歩行者に物理的にリンクされる端末は、衝突回避非常信号を近接閾値限界を満たす少なくとも一人の歩行者および少なくとも一台の車両に伝達する。
少なくとも一台の車両および少なくとも一人の歩行者に物理的にリンクされる一組の少なくとも２つのロングタームエボリューション（ＬＴＥ）が使用可能なユーザ機器（ＵＥ）端末から成る関係者を含む、車両・歩行者間の衝突回避システムが更に提供されて、そこにおいて、端末の時空間測位は、少なくとも３つのロングタームエボリューション（ＬＴＥ）セル式基地局（ＢＳ）および少なくとも一つの位置サービスクライアント（ＬＣＳ）サーバーにより伝達されるロングタームエボリューション（ＬＴＥ）セル式無線信号から決定され、少なくとも一つの位置サービスクライアント（ＬＣＳ）サーバーは、リカレント・ニューラル・ネットワーク（ＲＮＮ）アルゴリズムから成る埋め込み人工知能アルゴリズムを含み、端末の時空間測位を分析して、強化学習（ＲＬ）分析に基づいてリワードメトリックを最大にするように、関係者のありそうな将来の軌跡を決定して、関係者のありそうな将来の軌跡を少なくとも一人の歩行者に物理的にリンクされる端末に伝達し、少なくとも一人の歩行者に物理的にリンクされる端末は、少なくとも一人の歩行者のありそうな将来の軌跡が、車両と歩行者の近接閾値限界以下であるかどうか決定するために、条件付確率場（ＣＲＦ）アルゴリズムから成る埋め込み人工知能アルゴリズムを含み、そしてこの条件に達する場合、少なくとも一人の歩行者に物理的にリンクされる端末は、衝突回避非常信号を近接閾値限界を満たす少なくとも一人の歩行者および少なくとも一台の車両の少なくとも一つに伝達する。
本発明の他の目的、利点、および特徴は、添付の図面を参照して例証としてだけ与えられる、その特定の実施形態の以下の非限定的な説明を読むとより明らかになる。
周知のロングタームエボリューション（ＬＴＥ）ベースのジオロケーションを支援する高レベルのネットワークアーキテクチャの略図である。 本発明の態様の実施形態によるシステムの略図である。 本発明の態様の実施形態による識別された空間の危険確率のレベルに応じて歩行者および車両の時空間座標を分類するために用いることができる２次元マップの略図である。 本発明の態様の実施形態による、ロングタームエボリューション（ＬＴＥ）ベースまたは全地球ナビゲーション衛星システム（ＧＮＳＳ）ベースの技術あるいはそれらの組み合わせにより決定される以前の時空間測位に基づく関係者のありそうな将来の軌道または位置の予測を示す。 本発明の態様の実施形態による、基準挙動の外にある時空間座標を分離して、除く方法を示す。 正規の、および異常またはインコヒーレントな時空間座標の受理または排除の図式表示である。 本発明の態様の実施形態による、通常の通路（Ｎ）を表わす歩行者（Ｆ）にリンクされるＵＥ端末が、ロングタームエボリューション（ＬＴＥ）信号を減衰させる建物を通り過ぎるときに、インコヒーレントな、不在の、または基準外のロングタームエボリューション（ＬＴＥ）決定された時空間座標（Ｈ）を表わし始めるケースを示す。 本発明の態様の実施形態による、歩行者（Ｆ、Ｇ）にリンクされるＵＥ端末および時空間座標を表わす車両（Ｖ）にリンクされるＵＥ端末が、人工知能を使用して分類して、排除するか、受け入れるか、または正常化できるインコヒーレントな、不在の、または基準外の時空間座標（Ｈ：車両Ｖの欠陥のある装置によるインコヒーレントな座標、Ｉ：信号に影響を及ぼす悪気象状況によるインコヒーレントな座標、Ｊ：ビルの壁からの反射によるインコヒーレントな座標）を有し始めるケースを示す。 本発明の態様の実施形態による、埋め込み人工知能アルゴリズムが車両（Ｄ）を識別するために用いることができるケースを示す。車両の識別は、車椅子（Ａ）、通りを横断する歩行者（Ｂ）、または自転車（Ｃ）の時空間座標のパターンと区別される時空間座標のパターンを見つけることにより行うことができる。 本発明の態様の実施形態による、決定プロセスの冗長構成を示す。 所有者のバーコードを備えたロゴを示し、それは、例えば、本発明の態様の実施形態による、車両・歩行者間（Ｖ２Ｐ）の衝突回避のために埋め込み人工知能アルゴリズムによって使用可能にされるロングタームエボリューション（ＬＴＥ）が使用可能なユーザ機器（ＵＥ）端末を備える車両を識別するために用いることができる。 図１１の詳細である。 本発明の態様の実施形態による、他のタイプのセンサーからジオロケーション入力を受信できる車両に物理的にリンクされるユーザ機器（ＵＥ）端末の略図である。 本発明の態様の実施形態による、他のタイプのセンサーからジオロケーション入力を受信できる車両に物理的にリンクされるユーザ機器（ＵＥ）端末の略図である。 都市環境に配置された他のタイプのセンサーからジオロケーション入力を受信できる車両および／または歩行者に物理的にリンクされるユーザ機器（ＵＥ）端末の略図である。
高度道路交通技術および車両・歩行者間（Ｖ２Ｐ）の衝突回避を目指すユーザ機器（ＵＥ）端末に埋め込まれた人工知能（ＡＩ）アルゴリズムによるデータ解析の分野において、車両・歩行者間（Ｖ２Ｐ）の衝突回避の方法およびシステムは、以下の非限定的な実施例によって次に説明される。
本発明の態様の実施形態による、車両・歩行者間（Ｖ２Ｐ）の衝突回避の方法およびシステムが図２に示される。
車両・歩行者間（Ｖ２Ｐ）の衝突回避には、少なくとも一台の車両（Ｖ）および少なくとも一人の歩行者（Ｐ）が関係する。各歩行者は、少なくとも一つのロングタームエボリューション（ＬＴＥ）が使用可能なユーザ機器（ＵＥ）端末に物理的にリンクされる。各車両（Ｖ）は、少なくとも一つのロングタームエボリューション（ＬＴＥ）が使用可能なユーザ機器（ＵＥ）端末に物理的にリンクされる。本明細書で使用する場合、「物理的にリンクされる」という用語は、ＬＴＥが使用可能なユーザ機器と歩行者間の近位の組合せ、または関連、または取付け、または結合を指すことを目的とする。例えば、ロングタームエボリューション（ＬＴＥ）が使用可能なユーザ機器（ＵＥ）端末は、一人の歩行者、例えば、歩行者のポケットに嵌入された携帯電話に物理的にリンクされることができるか、または一台の車両、例えば、車両のダッシュボードに固定された携帯電話に物理的にリンクされることができる。
各ユーザ機器（ＵＥ）端末の時空間測位は、ロングタームエボリューション（ＬＴＥ）セル式基地局（ＢＳ）および位置サービスクライアント（ＬＣＳ）サーバーにより伝達されるロングタームエボリューション（ＬＴＥ）セル式無線信号から決定される。少なくとも３つのセル式基地局（ＢＳ）からの信号は、例えば、三角測量によって各ユーザ機器（ＵＥ）端末の正確な位置を測位するために各ユーザ機器（ＵＥ）端末の正確な位置を決定する三角測量方法を使用するために使うことができる。
位置サービスクライアント（ＬＣＳ）サーバーは、歩行者（Ｐ）の端末および車両（Ｖ）の端末の時空間測位を分析して、強化学習（ＲＬ）分析に基づいてリワードメトリックを最大にするように、歩行者（Ｐ）および車両（Ｖ）のありそうな将来の軌跡を決定するために、例えば、リカレント・ニューラル・ネットワーク（ＲＮＮ）アルゴリズムから成る、埋め込み人工知能（ＡＩ－１）アルゴリズムを含む。本明細書で使用する場合、「リワードメトリック」という用語は、人工知能アルゴリズムが車両・歩行者間の衝突回避確率を最大化するために最善のシナリオを決定するように車両・歩行者間の衝突確率を最小化する目標を指す。ＬＣＳサーバーは、関係者のありそうな将来の軌跡を歩行者（Ｐ）に物理的にリンクされる端末に伝達する。歩行者（Ｐ）に物理的にリンクされる端末は、歩行者（Ｐ）のありそうな将来の軌跡が車両・歩行者間（Ｖ２Ｐ）の近接閾値限界以下であるかどうか決定するために、条件付確率場（ＣＲＦ）アルゴリズムから成る埋め込み人工知能（ＡＩ－２）アルゴリズムを含み、そしてこの条件が満たされる場合、歩行者（Ｐ）に物理的に連結される端末は、衝突回避非常信号を近接閾値限界を満たす歩行者（Ｐ）および車両（Ｖ）に伝達する。
同様に、ＬＣＳサーバーは、関係者のありそうな将来の軌跡を車両（Ｖ）に物理的にリンクされる端末に伝達する。車両（Ｖ）に物理的にリンクされる端末は、車両（Ｖ）のありそうな将来の軌跡が車両・歩行者間（Ｖ２Ｐ）の近接閾値限界以下であるかどうか決定するために、条件付確率場（ＣＲＦ）アルゴリズムから成る埋め込み人工知能（ＡＩ－２）アルゴリズムを含み、そしてこの条件が満たされる場合、車両（Ｖ）に物理的にリンクされる端末は、衝突回避非常信号を近接閾値限界を満たす歩行者（Ｐ）および車両（Ｖ）に伝達する。
関係者間の車両・歩行者間（Ｖ２Ｐ）の近接閾値限界は、適当な衝突回避基準を決めるための寸法の安全マージンを決定するために関係者の位置、速度、方向、およびありそうな将来の軌跡を考慮して、多くても１０メートル、例えば多くても５メートル、例えば多くても１メートルである。
少なくとも３つの基地局（ＢＳ）からの信号が受信される場合、基地局（ＢＳ）の位置が、高レベルの精度で公知であるので、三角測量技術は、ユーザ機器（ＵＥ）端末の正確な位置を決定するために受信信号レベル（ＲＳＳＩ）技術に、到達時間差（ＴＤＯＡ）技術に、または到来角度（ＡＯＡ）技術に、またはそれらの組み合わせに適用できる。ユーザ機器（ＵＥ）端末位置は、強化されたセル識別（ＥーＣＩＤ）、ＵＥからの支援型全地球ナビゲーション衛星システム（ＧＮＳＳ）情報、受信信号レベル（ＲＳＳＩ）技術、到達時間差（ＴＤＯＡ）技術、または到来角度（ＡＯＡ）技術の組合せによって決定できる。
ロングタームエボリューション（ＬＴＥ）は、５Ｇ（第五世代）のモバイルネットワークのための３ＧＰＰにより開発された５ＧのＮＲ新規な無線アクセス技術（ＲＡＴ）を使用できる。
本願明細書に説明されるユーザ機器（ＵＥ）端末は、携帯電話、ウエアラブル装置、インターネット・オブ・シングス（ＩｏＴ）装置、または電気通信ネットワークに接続するその他のロングタームエボリューション（ＬＴＥ）が使用可能な装置、またはそれらのあらゆる組み合わせから成ることができる。ユーザ機器（ＵＥ）端末は、埋め込み人工知能（ＡＩ－２）アルゴリズムを格納して、作動させるために、アプリケーション、ソフトウェア、ファームウェア、ハードウェア、または装置から成ることができる。
ユーザ機器（ＵＥ）端末に埋め込まれる人工知能（ＡＩ－２）アルゴリズムは、リカレント・ニューラル・ネットワーク（ＲＮＮ）アルゴリズム、または強化学習（ＲＬ）アルゴリズム、または条件付確率場（ＣＲＦ）アルゴリズム、または機械学習（ＭＬ）アルゴリズム、または深い学習（ＤＬ）アルゴリズム、またはその他の人工知能アルゴリズム、またはそれらの組み合わせから成ることができる。リカレント・ニューラル・ネットワーク（ＲＮＮ）は、ノード間の接続が時間的シーケンスに沿って指定グラフを形成する人工ニューラルネットワークの種類である。これによって、ニューラルネットワークが、関係者の時空間座標がマトリックスＸ＝（ｘ，ｙ，ｚ，ｔ）により表示される時間的動的な挙動を呈することができる。強化学習（ＲＬ）は、累積リワードの概念を最大にするために関係者が環境においてどのように措置をとるべきかに関する機械学習の領域である。条件付確率場（ＣＲＦ）は、パターン認識および機械学習においてしばしば適用されて、構造化予測に用いられる統計モデリング方法の種類である。
ＬＣＳサーバーに埋め込まれる人工知能（ＡＩ－１）アルゴリズムは、リカレント・ニューラル・ネットワーク（ＲＮＮ）アルゴリズム、または強化学習（ＲＬ）アルゴリズム、または条件付確率場（ＣＲＦ）アルゴリズム、または機械学習（ＭＬ）アルゴリズム、または深い学習（ＤＬ）アルゴリズム、またはその他の人工知能アルゴリズム、またはそれらの組み合わせから成ることができる。
人工知能アルゴリズムは、小さい時空間データセットならびに大きい時空間データセットに基づいて関係者のありそうな軌跡を予測するために用いることができる。時空間軌跡モデルは、空間および時間のそのジオロケーション座標（関係者、時間、および位置の経時的なデータセット）により表される軌跡に沿って移動する関係者の一組の時空間位置Ｘ＝（ｘ，ｙ，ｚ，ｔ）として定義できる。データセットは、時空間位置として分類されない他のタイプのデータ、例えば、画像データまたは音声データまたは他のタイプのデータから成ることができる時空間ジオロケーションデータでもありえる。経時的なデータセットを処理するために、深い学習のニューラルネットワーク（リカレント・ニューラル・ネットワーク、またはＲＮＮ）アルゴリズムを使うことができる。ＲＮＮは、経時的または時系列課題、例えば、様々な長さのセンサー・ストリーム・データセットに対処するために主に開発された。また、ロング・ショート・ターム・メモリ（ＬＳＴＭ）アルゴリズムを用いることができて、それは、勾配消失問題によるＲＮＮの欠点に対処するためにメモリを模倣して、（所与の可変的な入力の）重みがその値を変えるのを防止する。ＲＮＮは、隠れ層ｈｔを備えた人工ニューラルネットワークであり、リカレント状態に関連して、時間を通してのネットワークの「メモリ」を表す。ＲＮＮアルゴリズムは、入力ｘｔのシーケンスを処理するためにその「メモリ」を使用できる。各時間ステップｔで、リカレント状態は、形：ｈｔ＝ｆ（ｘｔ、ｈｔ－１）で、入力変数ｘｔおよび前の時間ステップｈｔ－１のそのリカレント状態を使用してそれ自体を更新する。関数ｆ（ｘｔ、ｈｔ－１）は、ｇ（Ｗφ（ｘｔ）＋Ｕｈｔ－１＋ｂｈ）に等しく、ここで、φ（ｘｔ）は、離散的な変数を連続的表現に変換する機能であるのに対して、ＷおよびＵは、現在のデータに、そして以前のリカレント状態にどの程度の需要度が与えられているかをコード化するすべての時間ステップを通してモデルの共有パラメータ（マトリックス）である。変数ｂは、もしあれば、バイアスである。深い学習モデルのニューラルネットワークが、関係者の軌跡を学んで、予測するために大きいデータセットを必要とするのに対して、条件付確率場（ＲＦ）は、より小さいデータセットに対して同じ目的のために使うことができる。ＲＦは、小さいデータセットによりよく適することができて、ＲＮＮと組み合わせて使うことができる。軌跡予測が、最も近い時空間ジオロケーションデータだけを考慮するときに、小さいデータセットを有するモデルは、強化学習アルゴリズムを使用できる。
人工知能アルゴリズムは、拡張された時空間データセットおよび他のタイプのデータセットに基づいて関係者のありそうな軌跡を予測するために用いることができて、それは、位置の時空間変化（ｄｘ／ｄｔ、ｄｙ／ｄｔ、ｄｚ／ｄｔ、ｄ２ｘ／ｄｔ２、ｄ２ｙ／ｄｔ２、ｄ２ｚ／ｄｔ２）を決定する時空間速度および加速度データセット、時空間方向および方向の変化
Figure 0007044804000001
 を決定する時空間角度の、またはジャイロスコープの、データセット、または他の時空間データセットまたはそれらの組み合わせを含む、車両または歩行者の軌跡意図に関することができる。
時空間軌跡モデルは、一組の時空間位置Ｘ＝（ｘ、ｙ、ｚ、ｔ）、または３次元空間および時間のそのジオロケーション、速度、およびジャイロスコープの座標により表される軌跡に沿って移動する関係者の一組の拡張された時空間位置
Figure 0007044804000002
 を処理するためにその「メモリ」を使用できる。各時間ステップｔで、リカレント状態は、ｈｔ＝ｆ（ｘｔ、ｈｔ－１）の形で、入力変数ｘｔおよび前の時間ステップｈｔ－１のそのリカレント状態を使用してそれ自体を更新する。
ユーザ機器（ＵＥ）端末に埋め込まれる人工知能アルゴリズムは、車両（Ｖ）に物理的にリンクされる端末に、または歩行者（Ｐ）に物理的にリンクされる端末に、またはいかなる種類のＬＣＳサーバーにも特有でありえる。例えば、車両（Ｖ）または歩行者（Ｐ）に物理的にリンクされるユーザ機器（ＵＥ）端末は、人工知能アルゴリズムを処理するための計算ユニットを備えることができて、計算ユニットは、モバイルアプリケーション、ソフトウェア、ファームウェア、ハードウェア、物理装置、およびコンピュータ、またはそれらの組み合わせの一つである。人工知能アルゴリズムは、特定の結果を種々のユーザ機器（ＵＥ）端末に提供するか、または特定の結果を種々のエンドユーザに提供するために種々のアルゴリズムのコードを使用することができて、エンドユーザは、自動車分野に、または携帯電話分野に、または電気通信分野に、または輸送分野に、または他のいかなる分野にも関連がありえる。エンドユーザは、自動車ＯＥＭ、または携帯電話アプリケーションプロバイダ、または移動電話通信プロバイダ、またはその他のエンドユーザから成ることができる。
ユーザ機器（ＵＥ）端末は、自律的な車両、非自律的な車両、自動運転車両、オフロード車、トラック、製造車両、産業車両、安全および警備車両、電気自動車、低高度飛行機、ヘリコプター、ドローン（ＵＡＶ）、ボート、または、例えば、都市、企業体、空港、または海事の環境で遭遇する歩行者に対して若干の近接性を有するその他のタイプの自力推進の、空中の、または海事の車両を含む車両に物理的にリンクされることができる。車両に物理的にリンクされるユーザ機器（ＵＥ）端末は、人工知能アルゴリズムを処理するための計算ユニットを備えることができて、計算ユニットは、モバイルアプリケーション、ソフトウェア、ファームウェア、ハードウェア、物理装置、およびコンピューティングデバイス、またはそれらの組み合わせの一つであり、それは、車両のありそうな将来の軌跡が車両・歩行者間（Ｖ２Ｐ）の近接閾値限界以下であるかどうか決定して、この条件が満たされる場合、衝突回避非常信号を伝達するために、人工知能アルゴリズム（ＡＩ－２）に接続できる。信号は、車両の方向を変える（例えば、コース修正）、または車両の速度を変える（例えば、ブレーキをかける）、または歩行者に信号を送る（例えば、視覚または音声信号を送る）、または衝突回避のための車両の制御装置に関する直接作用によるその他の作動処置を含む、車両に関する直接作用という形をとることができる。例えば、衝突回避非常信号は、車両の方向を変えること、車両の速度を変えること、および少なくとも一人の歩行者に信号を送ることの少なくとも一つを可能にするための決定プロセスを含む。
車両に物理的にリンクされるユーザ機器（ＵＥ）端末は、例えば、全地球ナビゲーション衛星システム（ＧＮＳＳ）（またはＧＰＳ）、カメラ、ソナー、ライダー、レーダー、アクセルロメトリ、慣性、またはジャイロスコープのセンサー、あるいはその他のセンサーあるいはそれらの組み合わせのいずれか一つを含む他のタイプのセンサーからのジオロケーション入力を受信できる。人工知能アルゴリズム（ＡＩ－１）は、ロングタームエボリューション（ＬＴＥ）入力、またはＧＰＳ入力、またはカメラ入力、またはソナー入力、またはライダー入力、またはレーダー入力、またはアクセルロメトリ入力、またはジャイロスコープ入力を各入力の精度または信頼性に応じて重要性を付加をするかまたは優先させることができる。車両に物理的にリンクされるユーザ機器（ＵＥ）端末の位置は、全地球ナビゲーション衛星システム（ＧＮＳＳ）、カメラ、ソナー、ライダー、レーダー、アクセルロメトリ、またはジャイロスコープのセンサー、あるいはその他のセンサーあるいはそれらの組み合わせのいずれか一つを含む端末に埋め込まれる他のタイプのセンサーによって決定できる。
ユーザ機器（ＵＥ）端末は、歩道の歩行者、道路上の歩行者、交差点の歩行者、建設労働者、製造労働者、安全および警備労働者、空港労働者、海事労働者、車椅子ユーザ、自転車ドライバー、ペット、またはその他のタイプの歩行者を含む歩行者に物理的にリンクされることができる。歩行者に物理的にリンクされるユーザ機器（ＵＥ）端末は、アプリケーション、ソフトウェア、ファームウェア、ハードウェア、あるいは物理的またはコンピューティングデバイスを備えることができて、それは、歩行者のありそうな将来の軌跡が車両・歩行者間（Ｖ２Ｐ）の近接閾値限界以下であるかどうか決定して、この条件が満たされる場合、衝突回避非常信号を伝達するために、人工知能アルゴリズム（ＡＩ－２）に接続できる。信号は、車両の方向を変える（例えば、コース修正）、または車両の速度を変える（例えば、ブレーキをかける）、または歩行者に信号を送る（例えば、視覚または音声信号を送る）、または衝突回避のための車両の制御装置に関する直接作用によるその他の作動処置、またはそれらの組み合わせを含む、近接閾値限界を満たす車両に関する直接作用という形をとることができる。
歩行者に物理的にリンクされるユーザ機器（ＵＥ）端末は、例えば、ＧＰＳ、カメラ、ソナー、ライダー、レーダー、アクセルロメトリ、慣性またはジャイロスコープのセンサー、あるいはその他のセンサーあるいはそれらの組み合わせのいずれか一つを含む他のタイプのセンサーからのジオロケーション入力を受信できる。人工知能アルゴリズムは、ロングタームエボリューション（ＬＴＥ）入力、またはＧＰＳ入力、またはカメラ入力、またはソナー入力、またはライダー入力、またはレーダー入力、またはアクセルロメトリ入力、またはジャイロスコープ入力を各入力の精度または信頼性に応じて重要性を付加をするかまたは優先させることができる。歩行者に物理的にリンクされるユーザ機器（ＵＥ）端末の位置は、全地球ナビゲーション衛星システム（ＧＮＳＳ）、カメラ、ソナー、ライダー、レーダー、アクセルロメトリ、またはジャイロスコープのセンサー、あるいはその他のセンサーあるいはそれらの組み合わせのいずれか一つを含む端末に埋め込まれる他のタイプのセンサーによって決定できる。
図３は、識別された空間の危険確率のレベルに応じて歩行者（Ｐ）および車両（Ｖ）の時空間座標を分類するために用いることができる２次元マップのアプリケーションの略図である。例えば、歩道（Ａ）と一致する空間座標は、歩行者と車両間の低確率衝突ゾーンと分類できる。通り（Ｂ）と一致する空間座標は、歩行者と車両間の高確率衝突ゾーンと分類できる。屋内の位置（Ｃ）と一致する空間座標は、安全なゾーンとみなすことができる。図４は、ロングタームエボリューション（ＬＴＥ）ベースまたは全地球ナビゲーション衛星システム（ＧＮＳＳ）ベースの技術あるいはそれらの組み合わせ（３４）により決定される以前の時空間測位に基づく関係者（３２）のありそうな将来の軌道または位置（３０）の予測を示す。関係者（３２）のありそうな将来の軌跡または位置（３０）は、リカレント・ニューラル・ネットワーク（ＲＮＮ）アルゴリズム、または強化学習（ＲＬ）アルゴリズム、または条件付確率場（ＣＲＦ）アルゴリズム、または機械学習（ＭＬ）アルゴリズム、または深い学習（ＤＬ）アルゴリズム、またはその他の人工知能アルゴリズム、またはそれらの組み合わせから成る埋め込み人工知能（ＡＩ－２）アルゴリズムによって決定できる。関係者（３２）のありそうな将来の軌跡または位置（３０）は、関係者の以前の時空間座標、その瞬間位置、その速度の分析に、そして識別された空間の危険確率のレベルに基づくことができる。また、関係者（３２）のありそうな将来の軌跡または位置（３０）は、一組の時空間位置Ｘ＝（ｘ、ｙ、ｚ、ｔ）として、またはそのジオロケーション、速度により表される軌跡に沿って移動する関係者の一組の拡張時空間位置
Figure 0007044804000003
 として定義できる関係者の以前の時空間軌跡モデルの分析に基づくことができる。
図５は、基準挙動（Ｈ）の外にある歩行者（Ｆ）または車両（Ｅ）の時空間座標を分離して、除くために、リカレント・ニューラル・ネットワーク（ＲＮＮ）アルゴリズム、または強化学習（ＲＬ）アルゴリズム、または条件付確率場（ＣＲＦ）アルゴリズム、または機械学習（ＭＬ）アルゴリズム、または深い学習（ＤＬ）アルゴリズム、またはその他の人工知能アルゴリズム、またはそれらの組み合わせに基づいた埋め込み人工知能アルゴリズムの使用を示す。ここで、（Ｇ）は、過去およびコヒーレントな時空間座標を表す。基準座標（Ｈ）の外は、インコヒーレントな、不在の、または位置の予測とあまりに異なることがありえて、それらは、例えば、壁がロングタームエボリューション（ＬＴＥ）信号を減衰させる２つの建物の間の空間またはさもなければ欠陥のあるユーザ機器（ＥＵ）のようなロングタームエボリューション（ＬＴＥ）装置動作を推定する地理的ゾーンに起因する。
図６は、正常（Ｘ）および異常またはインコヒーレント（Ｈ）な時空間座標の基準（Ｎ）それぞれによる受理または排除、および特定の歩行者、装置、車両、地理的地域に、または全体として、システムによってセットされる精度（Ｐ）によるそれらの分類の図式表示である。精度（Ｐ）は、境界線を越える結果を正常な運動から不適格とするために選択される。基準（Ｎ）は、多くの可能性がある数学的分布に従って、特定のＵＥ、特定の歩行者、特定のロングタームエボリューション（ＬＴＥ）装置、特定の車両、または地理的地域によって選択できる。
図７は、正常な通路（Ｎ）を表わす歩行者（Ｆ）にリンクされるＵＥ端末が、例えば、ロングタームエボリューション（ＬＴＥ）信号を減衰させる建物を通り過ぎるときに、インコヒーレントな、不在の、または基準外のロングタームエボリューション（ＬＴＥ）決定された時空間座標（Ｈ）を表わし始めるケースを示す。これらの時空間座標（Ｈ）は、地理的地域、天気、位置信号、装置、車両、またはユーザに基づいて人工知能を使用して排除するか、受け入れるか、または正常化できる。例えば、急にランダムな時空間座標は、直ちに排除できるが、歩道または何か他の安全地帯と一致する時空間座標の線形進行は、受け入れることができる。例えば、天気または周囲の要素によって変えられると推測される座標の線形進行は、正常化される、すなわち再計算されて、それから信頼性が高い時空間座標とみなすことができる。
図８は、歩行者（Ｆ、Ｇ）にリンクされるＵＥ端末および時空間座標を表わす車両（Ｖ）にリンクされるＵＥ端末が、地理的地域、天気、位置信号、装置、車両Ｖ、またはユーザに基づいて人工知能を使用して分類して、排除するか、受け入れるか、または正常化できるインコヒーレントな、不在の、または基準外の時空間座標（Ｈ：車両Ｖの欠陥のある装置によるインコヒーレントな座標、Ｉ：信号に影響を及ぼす悪気象状況によるインコヒーレントな座標、Ｊ：ビルの壁からの反射によるインコヒーレントな座標）を有し始めるケースを示す。分類の決定に従って、警報を、歩行者、車内の人、または車両Ｖに送ることができる。
図９は、リカレント・ニューラル・ネットワーク（ＲＮＮ）アルゴリズム、または強化学習（ＲＬ）アルゴリズム、または条件付確率場（ＣＲＦ）アルゴリズム、または機械学習（ＭＬ）アルゴリズム、または深い学習（ＤＬ）アルゴリズム、またはその他の人工知能アルゴリズム、またはそれらの組み合わせに基づいた埋め込み人工知能アルゴリズムが、車両（Ｄ）を識別するために用いることができるケースを示す。車両の識別は、例えば、車椅子（Ａ）、通りを横断する歩行者（Ｂ）、または自転車（Ｃ）の時空間座標のパターンと区別される時空間座標のパターンを見つけることにより行うことができる。識別方法は、位置、速度、および方向データを考慮して、マッピングゾーン、すなわち、例えば、図３に関して先に述べた環境の領域内の時空間座標のパターンに基づく。
埋め込み人工知能アルゴリズムは、マッピングゾーン、すなわち、例えば、図３に関して先に述べた環境の領域に基づいて、ＵＥ端末の信号およびバッテリ寿命を管理して、位置サービスクライアント（ＬＣＳ）サーバーに過負荷をかけないために用いることもできる。歩道が、歩行者のための安全なゾーンを表すので、収集した時空間座標のリフレッシュレートは、標準、例えば、1秒あたり２つの時空間座標にセットすることができる。対照的に、例えば、歩行者にとって、ならびに自転車および車椅子にとって危険なゾーンを表す通りの場合、収集した時空間座標のリフレッシュレートは、高い、例えば、1秒あたり４つの時空間座標にセットすることができる。一方では、建物のような屋内環境が、歩行者にとって安全なゾーンとみなされるので、収集した時空間座標のリフレッシュレートは、低い、例えば、３０秒あたり１つの時空間座標にセットすることができる。
図９をさらに参照すると、埋め込み人工知能アルゴリズムは、関係者のありそうな将来の軌跡に、そしてマッピングゾーン（すなわち、例えば、図９に関して先に述べた環境の領域）に基づいて、車両・歩行者間（Ｖ２Ｐ）の近接閾値限界のサイズ、領域、および形状を決定するために用いることもできる。歩道が、歩行者にとって安全なゾーンを表すので、歩道の歩行者（ＰＴａ）にとっての車両・歩行者間（Ｖ２Ｐ）の近接閾値限界は、歩道自体のサイズ（通常３メートル未満）にセットすることができる。一方、通りが、歩行者ならびに自転車および車椅子にとって危険なゾーンを表すので、通りの側部を運行する車椅子（ＰＴｃ）にとっての車両・歩行者間（Ｖ２Ｐ）の近接閾値限界は、より大きいサイズ（３～５メートル）にセットすることができて、通りの中央を横断する歩行者（ＰＴｂ）のための車両・歩行者間（Ｖ２Ｐ）の近接閾値限界は、適当な衝突回避手段を確立するための次元の安全性の限界を決定するために、関係者の位置、速度、方向、およびありそうな将来の軌跡を考慮して、さらにより大きいサイズ（５メートルを超える）にセットすることができる。
ＵＥ端末は、関係者のありそうな将来の軌跡が車両・関係者間（Ｖ２Ｐ）の近接閾値限界以下であるかどうか決定するために用いる埋め込み人工知能アルゴリズム（リカレント・ニューラル・ネットワーク（ＲＮＮ）アルゴリズム、または強化学習（ＲＬ）アルゴリズム、または条件付確率場（ＣＲＦ）アルゴリズム、または機械学習（ＭＬ）アルゴリズム、または深い学習（ＤＬ）アルゴリズム、またはその他の人工知能アルゴリズム、またはそれらの組み合わせに基づく）を備えて、この条件が満たされる場合、歩行者（Ｐ）に物理的にリンクされる端末は、衝突回避非常信号を近接閾値限界を満たす歩行者（Ｐ）および車両（Ｖ）に伝達する。衝突回避非常信号は、歩行者の検知能力および歩行者のＵＥ端末の作動能力に適合した、音声信号、または視覚信号、または触覚信号、または無線信号、またはあらゆる信号、またはそれらの組み合わせという形をとることができる。衝突回避非常信号は、近接閾値限界を満たす車両にリンクされるＵＥ端末の作動能力に適合した無線信号を含むこともできる。他の衝突回避手段を考慮することもできる。
本発明の態様の実施形態によれば、ロングタームエボリューション（ＬＴＥ）が使用可能なユーザ機器（ＵＥ）端末に埋め込まれる人工知能アルゴリズムは、近接閾値限界に達するかどうかの決定プロセスのために使用できる。決定プロセスは、衝突回避手段のための冗長性、ならびに強化された信頼性および安全性を提供するために、複数のＵＥ端末を通じて、そしてネットワークを通じて配布できる。
図１０は、本発明の一実施形態による決定プロセスの冗長性を示す。車両に物理的にリンクされるＵＥ端末の決定プロセスは、他の関係者の位置、速度、方向、およびありそうな将来の軌跡を考慮して、車両を減速するための、または制動装置をかけるための、または方向を変えるための手段を含むことができる。歩行者に物理的にリンクされるＵＥ端末の決定プロセスは、他の関係者の位置、速度、方向、およびありそうな将来の軌跡を考慮して、減速するか、遠ざかるか、またはコースを変えるための手段を含むことができる。決定プロセスは、中心ネットワークおよびプラットフォーム（Ａ）の中で、および／または歩行者の装置（Ｃ）で、および／または車両の装置（Ｂ）で、および／または車両のニューラル・ネットワーク・モジュール（Ｆ）の中で、および／またはフォグコンピューティング（Ｄ）により行うことができる。他の決定プロセスを考慮することもできる。
図１１および１２は、所有者のバーコードを備えたロゴを示し、それは、例えば、車両・歩行者間（Ｖ２Ｐ）の衝突回避のために埋め込み人工知能アルゴリズム（リカレント・ニューラル・ネットワーク（ＲＮＮ）アルゴリズム、または強化学習（ＲＬ）アルゴリズム、または条件付確率場（ＣＲＦ）アルゴリズム、または機械学習（ＭＬ）アルゴリズム、または深い学習（ＤＬ）アルゴリズム、またはその他の人工知能アルゴリズム、またはそれらの組み合わせに基づく）によって使用可能にされるロングタームエボリューション（ＬＴＥ）が使用可能なユーザ機器（ＵＥ）端末を備える車両を識別するために用いることができる。ロゴの走査は、取り付けたＡＩ装置の完全を認証するために点検情報または車両のブランド、モデル、およびカラーに関連したその他の情報を提供できる。ロゴは、車両のカラーパターン、バンド、モデル、または他の特徴に従ってカスタマイズすることができて、取付けおよび点検の日付を保証するために他の認証技術を含むことができる。
図１１および１２をさらに参照すると、所有者のバーコードを備えたロゴは、車両・歩行者間（Ｖ２Ｐ）の衝突回避のために埋め込み人工知能アルゴリズム（リカレント・ニューラル・ネットワーク（ＲＮＮ）アルゴリズム、または強化学習（ＲＬ）アルゴリズム、または条件付確率場（ＣＲＦ）アルゴリズム、または機械学習（ＭＬ）アルゴリズム、または深い学習（ＤＬ）アルゴリズム、またはその他の人工知能アルゴリズム、またはそれらの組み合わせに基づく）によって使用可能にされるロングタームエボリューション（ＬＴＥ）が使用可能なユーザ機器（ＵＥ）端末をつけている歩行者を識別するために用いることもできる。ロゴは、歩行者のユーザ機器（ＵＥ）端末と、または歩行者の衣服と、または着用できる織物と、または織物衣類と一体化されるタグまたはラベルから成ることができる。ロゴの走査は、ＡＩ装置の完全を認証するために歩行者に関連した同一性情報を提供できる。ロゴは、端末に、または衣類のカラーパターン、バンド、モデル、または他の特徴に従ってカスタマイズすることができて、取付けおよび点検の日付を保証するために他の認証技術を含むことができる。
図１３および１４は、本発明の態様の実施形態による、他のタイプのセンサーからジオロケーション入力を受信できる車両に物理的にリンクされるユーザ機器（ＵＥ）端末を示す。図１５は、都市環境に配置された他のタイプのセンサーからジオロケーション入力を受信できる車両および／または歩行者に物理的にリンクされるユーザ機器（ＵＥ）端末を示す。
それで、データ分析、判定、および防止措置をとるためにユーザ機器（ＵＥ）端末に埋め込まれる人工知能（ＡＩ）アルゴリズムを使用して車両・歩行者間（Ｖ２Ｐ）の衝突回避の方法およびシステムが提供される。
例えば、図２との関連で先に述べたように、データ分析は、ユーザ機器（ＵＥ）端末に埋め込まれる人工知能（ＡＩ）アルゴリズムを使用して実行される。関係者は、少なくとも一台の車両（Ｖ）および少なくとも一人の歩行者（Ｐ）に物理的にリンクされる一組の少なくとも２つのロングタームエボリューション（ＬＴＥ）が使用可能なユーザ機器（ＵＥ）端末から成る。端末の時空間測位は、少なくとも３つのロングタームエボリューション（ＬＴＥ）セル式基地局（ＢＳ）および少なくとも一つの位置サービスクライアント（ＬＣＳ）サーバーにより伝達されるロングタームエボリューション（ＬＴＥ）セル式無線信号から決定されて、それは、端末の時空間測位を分析して、関係者のありそうな将来の軌跡を決定するために、埋め込み人工知能（ＡＩ－１）アルゴリズムを含む。ＬＣＳサーバーは、関係者のありそうな将来の軌跡を関係者に物理的にリンクされる端末に伝達する。少なくとも一人の歩行者（Ｐ）に物理的にリンクされる端末は、少なくとも一人の歩行者（Ｐ）のありそうな将来の軌跡が車両・歩行者間（Ｖ２Ｐ）の近接閾値限界以下であるかどうか決定するために、埋め込み人工知能（ＡＩ－２）アルゴリズムを含み、そして、この条件が満たされる場合、少なくとも一人の歩行者（Ｐ）に物理的にリンクされる端末は、衝突回避非常信号を近接閾値限界を満たす少なくとも一人の歩行者（Ｐ）および少なくとも一台の車両（Ｖ）に伝達する。
例えば、図２および１１との関連で先に述べたように、ＬＣＳサーバーは、関係者のありそうな将来の軌跡を少なくとも一台の車両（Ｖ）に物理的にリンクされる端末に伝達する。少なくとも一台の車両（１０）に物理的にリンクされる端末は、少なくとも一台の車両（１０）のありそうな将来の軌跡が車両・歩行者間（Ｖ２Ｐ）の近接閾値限界以下であるかどうか決定するために、埋め込み人工知能（ＡＩ－２）アルゴリズムを含み、そして、この条件が満たされる場合、少なくとも一台の車両（１０）に物理的にリンクされる端末は、衝突回避非常信号を近接閾値限界を満たす少なくとも一人の歩行者（Ｐ）に伝達する。
例えば、図１１、１３、および１４に示すように、車両に物理的にリンクされるユーザ機器（ＵＥ）端末は、ジオロケーション入力をロングタームエボリューション（ＬＴＥ）ジオロケーション入力から、そして、例えば、全地球ナビゲーション衛星システム（ＧＮＳＳ）（またはＧＰＳ）、カメラ、ソナー、ライダー、またはレーダーセンサー、またはその他のセンサー、またはそれらの組み合わせのいずれか一つを含む他のタイプのセンサーから受信できる。人工知能アルゴリズム（ＡＩ－２）は、ロングタームエボリューション（ＬＴＥ）入力、またはＧＰＳ入力、またはカメラ入力、またはソナー入力、またはライダー入力、またはレーダー入力を各入力の精度または信頼性に、関係者の時空間位置に、道路状態に、またはその他の関連するデータに応じて重要性を付加をするかまたは優先させることができる。
例えば、図１５に示すように、車両および／または歩行者に物理的にリンクされるユーザ機器（ＵＥ）端末は、ジオロケーション入力を、例えば、全地球ナビゲーション衛星システム（ＧＮＳＳ）（またはＧＰＳ）、カメラ、ソナー、ライダー、またはレーダーセンサー、あるい都市環境に配置されるその他のセンサーまたはそれらの組み合わせのいずれか一つを含む都市環境に配置される他のタイプのセンサーから受信できる。都市環境に配置されるセンサーは、ロングタームエボリューション（ＬＴＥ）マイクロ基地局、またはロングタームエボリューション（ＬＴＥ）フェムト基地局、または夜景に一体化したセンサー、または街灯に一体化したセンサー、交通監視装置に一体化したセンサー、またはその他のセンサー、またはそれらの組み合わせから成ることができる。都市環境に配置されるセンサーは、狭いかまたは広い検知範囲を呈することができて、検知範囲は、一つあるいはいくつかの通りをカバーすることができる。人工知能アルゴリズムは、ロングタームエボリューション（ＬＴＥ）入力、またはＧＰＳ入力、またはカメラ入力、またはソナー入力、またはライダー入力、またはレーダー入力を各センサー入力の精度または信頼性に、関係者の時空間位置に、道路状態に、気象状況に、またはその他の関連するデータに応じて重要性を付加をするかまたは優先させることができる。車両および／または歩行者に物理的にリンクされるユーザ機器端末の位置は、全地球ナビゲーション衛星システム（ＧＮＳＳ）、カメラ、ソナー、ライダー、またはレーダーセンサー、またはその他のセンサー、またはそれらの組み合わせのいずれか一つを含む端末に埋め込まれる他のタイプのセンサーによって、決定することができて、都市環境に配置される他のタイプのセンサーからのジオロケーション入力により支援されることができる。
請求項の範囲は、実施例に記載される実施形態により制限されてはならず、説明と整合した最も幅広い解釈を与えられなければならない。

Claims (22)

  1. 車両・歩行者間の衝突回避のための方法であって、
    少なくとも一台の車両を少なくとも一つのロングタームエボリューション（ＬＴＥ）が使用可能なユーザ機器（ＵＥ）端末に物理的にリンクするステップと、
    少なくとも一人の歩行者を少なくとも一つのロングタームエボリューション（ＬＴＥ）が使用可能なユーザ機器（ＵＥ）端末に物理的にリンクするステップと、
    少なくとも３つのロングタームエボリューション（ＬＴＥ）セル式基地局（ＢＳ）および少なくとも一つの位置サービスクライアント（ＬＣＳ）サーバーにより伝達されるロングタームエボリューション（ＬＴＥ）セル式無線信号から決定された各端末の時空間測位を決定するステップと、
    を含む方法であり、
    前記少なくとも一つの位置サービスクライアント（ＬＣＳ）サーバーは、前記端末の時空間測位を分析して、強化学習（ＲＬ）分析に基づいてリワードメトリックを最大にするように前記少なくとも一台の車両および前記少なくとも一人の歩行者のありそうな将来の軌跡を決定するために、リカレント・ニューラル・ネットワーク（ＲＮＮ）アルゴリズムから成る埋め込み人工知能アルゴリズムを含み、そして 前記少なくとも一つの位置サービスクライアント（ＬＣＳ）サーバーは、前記少なくとも一台の車両および前記少なくとも一人の歩行者のありそうな将来の軌跡を前記少なくとも一人の歩行者に物理的にリンクされる少なくとも一つの端末に伝達し、
    前記少なくとも一人の歩行者に物理的にリンクされる少なくとも一つの端末は、前記少なくとも一人の歩行者のありそうな将来の軌跡が車両・歩行者間の近接閾値限界以下であるかどうか決定するために、条件付確率場（ＣＲＦ）アルゴリズムから成る埋め込み人工知能アルゴリズムを含み、そして前記近接閾値限界に達する場合、前記少なくとも一人の歩行者に物理的にリンクされる端末は、衝突回避非常信号を前記近接閾値限界を満たす前記少なくとも一人の歩行者および前記少なくとも一台の車両に伝達する方法。
  2. 前記少なくとも一台の車両に物理的にリンクされる少なくとも一つの端末は、前記少なくとも一台の車両のありそうな将来の軌跡が前記車両・歩行者間（Ｖ２Ｐ）の近接閾値限界以下であるかどうか決定するために、条件付確率場（ＣＲＦ）アルゴリズムから成る埋め込み人工知能アルゴリズムを含み、そしてこの条件に達する場合、前記少なくとも一台の車両に物理的にリンクされる少なくとも一つの端末は、衝突回避非常信号を前記近接閾値限界を満たす前記少なくとも一人の歩行者に伝達する請求項１に記載の方法。
  3. 前記ユーザ機器（ＵＥ）端末位置は、強化セルアイデンティティ（Ｅ－ＣＩＤ）、前記ＵＥからの全地球ナビゲーション衛星システム（ＧＮＳＳ）情報、受信信号レベル（ＲＳＳＩ）技術、到達時間差（ＴＤＯＡ）技術、および到来角度（ＡＯＡ）方法の少なくとも一つにより決定される請求項１および２のいずれか一項に記載の方法。
  4. 前記端末の時空間測位は、前記端末に埋め込まれるセンサーにより決定されて、前記センサーは、全地球ナビゲーション衛星システム（ＧＮＳＳ）（またはＧＰＳ）、カメラ、ソナー、ライダー、レーダー、アクセルロメトリ、慣性、およびジャイロスコープのセンサーの少なくとも一つである請求項３に記載の方法。
  5. 前記ロングタームエボリューション（ＬＴＥ）は、５Ｇのモバイルネットワークのために３ＧＰＰにより開発された５ＧのＮＲ新規な無線アクセス技術（ＲＡＴ）を使用する請求項１乃至４のいずれか一項に記載の方法。
  6. 前記ユーザ機器（ＵＥ）端末は、人工知能アルゴリズムを処理する計算ユニットを備え、前記計算ユニットは、モバイルアプリケーション、ソフトウェア、ファームウェア、ハードウェア、物理装置、およびコンピュータの少なくとも一つである請求項１乃至５のいずれか一項に記載の方法。
  7. 前記衝突回避非常信号は、前記車両の方向を変えること、前記車両の速度を変えること、および信号を前記少なくとも一人の歩行者に送ることの少なくとも一つを可能にする決定プロセスを含む請求項１乃至６のいずれか一項に記載の方法。
  8. 前記衝突回避非常信号は、前記衝突回避手段のための冗長性ならびに強化された信頼性および安全性を提供するために、複数のユーザ機器（ＵＥ）を通じて、そして前記ネットワークを通じて配布される決定プロセスを含む請求項１乃至７のいずれか一項に記載の方法。
  9. 前記車両・歩行者間の近接閾値限界は、適当な衝突回避手段を確立するための次元の安全性の限界を決定するために、前記関係者の位置、速度、方向、およびありそうな将来の軌跡を考慮する請求項１乃至８のいずれか一項に記載の方法。
  10. 前記車両・歩行者間の近接閾値限界は、多くても１０メートルである請求項１乃至９のいずれか一項に記載の方法。
  11. 前記ユーザ機器（ＵＥ）端末は、携帯電話、ウエアラブル装置、インターネット・オブ・シングス（ＩｏＴ）装置、および前記電気通信ネットワークに接続するロングタームエボリューション（ＬＴＥ）が使用可能な装置の少なくとも一つを備える請求項１乃至１０のいずれか一項に記載の方法。
  12. 前記ユーザ機器（ＵＥ）端末は、リカレント・ニューラル・ネットワーク（ＲＮＮ）アルゴリズム、強化学習（ＲＬ）アルゴリズム、条件付確率場（ＣＲＦ）アルゴリズム、機械学習（ＭＬ）アルゴリズム、および深い学習（ＤＬ）アルゴリズムの一つから成る埋め込み人工知能アルゴリズムを含む請求項１乃至１１のいずれか一項に記載の方法。
  13. 前記少なくとも一台の車両は、自律的な車両、非自律的な車両、自動運転車両、オフロード車、トラック、製造車両、産業車両、安全および警備車両、電気自動車、低高度飛行機、ヘリコプター、ドローン（ＵＡＶ）、ボート、航空車両、および海事車両の一つである請求項１乃至１２のいずれか一項に記載の方法。
  14. 前記少なくとも一人の歩行者は、歩道の歩行者、道路上の歩行者、交差点の歩行者、建設労働者、製造労働者、安全および警備労働者、空港労働者、海事労働者、車椅子ユーザ、自転車ドライバー、およびペットの一つである請求項１乃至１３のいずれか一項に記載の方法。
  15. 少なくとも一台の車両および少なくとも一人の歩行者に物理的にリンクされる一組の少なくとも２つのロングタームエボリューション（ＬＴＥ）が使用可能なユーザ機器（ＵＥ）端末から成る関係者を含む、車両・歩行者間の衝突回避システムであって、
    前記端末の時空間測位は、少なくとも３つのロングタームエボリューション（ＬＴＥ）セル式基地局（ＢＳ）および少なくとも一つの位置サービスクライアント（ＬＣＳ）サーバーにより伝達されるロングタームエボリューション（ＬＴＥ）セル式無線信号から決定され、
    前記少なくとも一つの位置サービスクライアント（ＬＣＳ）サーバーは、リカレント・ニューラル・ネットワーク（ＲＮＮ）アルゴリズムから成る埋め込み人工知能アルゴリズ
    ムを含み、前記端末の時空間測位を分析して、強化学習（ＲＬ）分析に基づいてリワードメトリックを最大にするように、前記関係者のありそうな将来の軌跡を決定して、前記関係者のありそうな将来の軌跡を前記少なくとも一人の歩行者に物理的にリンクされる端末に伝達し、
    前記少なくとも一人の歩行者に物理的にリンクされる端末は、前記少なくとも一人の歩行者のありそうな将来の軌跡が車両・歩行者間の近接閾値限界以下であるかどうか決定するために、条件付確率場（ＣＲＦ）アルゴリズムから成る埋め込み人工知能アルゴリズムを含み、そしてこの条件に達する場合、前記少なくとも一人の歩行者に物理的にリンクされる端末は、衝突回避非常信号を前記近接閾値限界を満たす前記少なくとも一人の歩行者および前記少なくとも一台の車両の少なくとも一つに伝達するシステム。
  16. 前記少なくとも一台の車両に物理的にリンクされる端末は、前記少なくとも一台の車両のありそうな将来の軌跡が前記車両・歩行者間の近接閾値限界以下であるかどうか決定するために、条件付確率場（ＣＲＦ）アルゴリズムから成る埋め込み人工知能アルゴリズムを含み、そしてこの条件に達する場合、前記少なくとも一台の車両に物理的にリンクされる端末は、前記衝突回避非常信号を前記近接閾値限界を満たす前記少なくとも一人の歩行者に伝達する請求項１５に記載のシステム。
  17. 前記ロングタームエボリューション（ＬＴＥ）は、５Ｇ（第五世代）のモバイルネットワークのために３ＧＰＰにより開発された５ＧのＮＲ新規な無線アクセス技術（ＲＡＴ）を使用する請求項１５および１６のいずれか一項に記載のシステム。
  18. 前記端末の時空間測位は、前記端末に埋め込まれるセンサーにより決定されて、前記センサーは、全地球ナビゲーション衛星システム（ＧＮＳＳ、ＧＰＳ）、カメラ、ソナー、ライダー、レーダー、アクセルロメトリ、慣性、およびジャイロスコープのセンサーの少なくとも一つから成る請求項１５乃至１７のいずれか一項に記載のシステム。
  19. 前記端末の時空間測位は、都市環境に配置されるセンサーからジオロケーション入力を受信する請求項１８に記載のシステム。
  20. 前記ユーザ機器（ＵＥ）端末は、人工知能アルゴリズムを処理する計算ユニットを備え、前記計算ユニットは、モバイルアプリケーション、ソフトウェア、ファームウェア、ハードウェア、物理装置、およびコンピュータの少なくとも一つである請求項１５乃至１９のいずれか一項に記載の方法。
  21. 前記衝突回避非常信号は、前記車両の方向を変えること、前記車両の速度を変えること、および信号を前記少なくとも一人の歩行者に送ることの少なくとも一つを可能にする決定プロセスを含む請求項１５乃至２０のいずれか一項に記載のシステム。
  22. 前記関係者は、所有者のバーコードを備えたロゴを含む請求項１５乃至２１のいずれか一項に記載のシステム。
JP2019559696A 2018-05-10 2019-05-09 車両・歩行者間の衝突回避の方法およびシステム Active JP7044804B2 (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201862669437P 2018-05-10 2018-05-10
US62/669,437 2018-05-10
US201962792950P 2019-01-16 2019-01-16
US62/792,950 2019-01-16
PCT/CA2019/050613 WO2019213763A1 (en) 2018-05-10 2019-05-09 Method and system for vehicle-to-pedestrian collision avoidance

Publications (2)

Publication Number Publication Date
JP2021510857A JP2021510857A (ja) 2021-04-30
JP7044804B2 true JP7044804B2 (ja) 2022-03-30

Family

ID=68467169

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019559696A Active JP7044804B2 (ja) 2018-05-10 2019-05-09 車両・歩行者間の衝突回避の方法およびシステム

Country Status (8)

Country Link
US (2) US11062606B2 (ja)
EP (1) EP3791376B1 (ja)
JP (1) JP7044804B2 (ja)
KR (1) KR102189485B1 (ja)
CN (1) CN112106126B (ja)
DE (1) DE112019000057T5 (ja)
IL (1) IL276736B (ja)
WO (1) WO2019213763A1 (ja)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE542976C2 (en) * 2018-10-18 2020-09-22 Saab Ab Unmanned aerial vehicle compatible with a traffic management system
US11249184B2 (en) 2019-05-07 2022-02-15 The Charles Stark Draper Laboratory, Inc. Autonomous collision avoidance through physical layer tracking
EP4007977A4 (en) * 2019-08-01 2023-05-03 Telefonaktiebolaget Lm Ericsson (Publ) PROCEDURES FOR RISK MANAGEMENT FOR AUTONOMOUS DEVICES AND ASSOCIATED NODES
JP7261312B2 (ja) * 2019-09-26 2023-04-19 三菱電機株式会社 衝突回避支援装置、衝突回避支援方法、衝突回避支援プログラム、宇宙状況監視事業装置、デブリ除去事業装置、および、宇宙交通管理事業装置
US11354913B1 (en) * 2019-11-27 2022-06-07 Woven Planet North America, Inc. Systems and methods for improving vehicle predictions using point representations of scene
US11014555B1 (en) 2019-11-27 2021-05-25 B&H Licensing Inc. Method and system for pedestrian-to-vehicle collision avoidance based on emitted wavelength
WO2021108434A1 (en) * 2019-11-27 2021-06-03 B&H Licensing Inc. Method and system for pedestrian-to-vehicle collision avoidance based on amplified and reflected wavelength
US20220388505A1 (en) * 2019-12-12 2022-12-08 Intel Corporation Vulnerable road user safety technologies based on responsibility sensitive safety
US11263896B2 (en) 2020-04-06 2022-03-01 B&H Licensing Inc. Method and system for detecting jaywalking of vulnerable road users
US11582582B2 (en) * 2020-06-05 2023-02-14 Qualcomm Incorporated Position estimation of a pedestrian user equipment
US11594126B2 (en) 2020-08-28 2023-02-28 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for a traffic flow monitoring and graph completion system
CN112329974B (zh) * 2020-09-03 2024-02-27 中国人民公安大学 基于lstm-rnn的民航安保事件行为主体识别与预测方法及系统
US11518305B2 (en) * 2020-10-08 2022-12-06 Harman International Industries, Incorporated Techniques for generating vehicle-to-pedestrian (V2P) communications based on driver monitoring
US11405754B2 (en) * 2020-12-07 2022-08-02 T-Mobile Usa, Inc. Weapon manager
WO2022155301A1 (en) * 2021-01-15 2022-07-21 B&H Licensing Inc. Distributed method and system for collision avoidance between vulnerable road users and vehicles
CN113110162B (zh) * 2021-04-12 2022-02-15 吉林大学 一种无人纯电动集装箱运输卡车的驾驶系统
CN115413017A (zh) * 2021-05-26 2022-11-29 中兴通讯股份有限公司 信道信息处理方法、移动通信设备及存储介质
CN115988520A (zh) * 2021-10-15 2023-04-18 维沃软件技术有限公司 定位方法、终端及网络侧设备
US11945456B2 (en) 2022-01-31 2024-04-02 Ford Global Technologies, Llc Vehicle control for optimized operation
DE102022202206A1 (de) 2022-03-04 2023-09-07 Robert Bosch Gesellschaft mit beschränkter Haftung LiDAR-System und Verfahren zum Betreiben eines LiDAR-Systems
CN114460579B (zh) * 2022-04-12 2022-07-12 广东中科四创科技有限公司 一种侦控近海船只的方法、系统和存储介质
CN115346396A (zh) * 2022-06-27 2022-11-15 浙江大华技术股份有限公司 盲区预警方法、装置、系统、终端及计算机可读存储介质
WO2024005303A1 (ko) * 2022-06-29 2024-01-04 엘지전자 주식회사 타겟 객체 식별 장치 및 그 장치의 제어 방법

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005352577A (ja) 2004-06-08 2005-12-22 Denso Corp 車両用歩行者検知システム、移動通信端末、車載通信装置およびプログラム
JP2012048537A (ja) 2010-08-27 2012-03-08 Toyota Infotechnology Center Co Ltd 車両接近報知システム
JP2012513651A (ja) 2008-12-23 2012-06-14 コンテイネンタル・セイフテイ・エンジニヤリング・インターナシヨナル・ゲゼルシヤフト・ミツト・ベシユレンクテル・ハフツング 車両と生物との衝突確率を求める方法
JP2015207129A (ja) 2014-04-18 2015-11-19 アルパイン株式会社 歩行者通知システム
JP2016177722A (ja) 2015-03-23 2016-10-06 株式会社ゼンリンデータコム 安全運転支援装置及び自動運転車
JP2017027599A (ja) 2015-07-17 2017-02-02 本田技研工業株式会社 旋回予測
CN106882143A (zh) 2017-03-02 2017-06-23 重庆长安汽车股份有限公司 基于lte‑v通信的行人保护系统及方法
WO2017111139A1 (ja) 2015-12-23 2017-06-29 京セラ株式会社 サーバ装置、車両制御装置、および歩行補助装置
CN107731009A (zh) 2017-11-28 2018-02-23 吉林大学 一种适用于无信号灯交叉路口车辆避人、避撞系统及方法

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7839292B2 (en) 2007-04-11 2010-11-23 Nec Laboratories America, Inc. Real-time driving danger level prediction
US8125348B2 (en) * 2007-06-29 2012-02-28 Verizon Patent And Licensing Inc. Automobile beacon, system and associated method
US20110001635A1 (en) * 2007-11-09 2011-01-06 Motorola, Inc. Mobile traffic monitoring system
CN101472333A (zh) * 2007-12-28 2009-07-01 三星电子株式会社 基于蜂窝网络中用于位置服务的时间差估计方法
DE102008049824B4 (de) * 2008-10-01 2014-09-04 Universität Kassel Verfahren zur Kollisionsvermeidung
US20100100324A1 (en) * 2008-10-22 2010-04-22 Toyota Motor Engineering & Manufacturing North America, Inc. Communication based vehicle-pedestrian collision warning system
JP5518626B2 (ja) 2010-08-12 2014-06-11 信越ポリマー株式会社 押釦スイッチ用部材およびその製造方法
JP5189157B2 (ja) * 2010-11-30 2013-04-24 株式会社豊田中央研究所 可動物の目標状態決定装置及びプログラム
CN102739301B (zh) * 2011-01-11 2015-05-20 广东工业大学 一种内嵌在蜂窝网络中的全球导航卫星广域增强系统
EP2783236B1 (de) 2011-11-21 2019-10-09 Continental Teves AG & Co. OHG Verfahren und vorrichtung zur positionsbestimmung von objekten mittels kommunikationssignalen sowie verwendung der vorrichtung
US20140132404A1 (en) * 2012-11-14 2014-05-15 Denso Corporation Pedestrian collision detection system, pedestrian collision notification system, and vehicle collision detection system
JP6429368B2 (ja) 2013-08-02 2018-11-28 本田技研工業株式会社 歩車間通信システムおよび方法
US9925980B2 (en) * 2014-09-17 2018-03-27 Magna Electronics Inc. Vehicle collision avoidance system with enhanced pedestrian avoidance
JP2016082143A (ja) 2014-10-21 2016-05-16 イビデン株式会社 プリント配線板
WO2016111394A1 (ko) 2015-01-09 2016-07-14 엘지전자 주식회사 풀-듀플렉스(Full-Duplex) 무선 통신 시스템에서 단말 위치 측정 방법 및 이를 위한 장치
KR101676940B1 (ko) * 2015-01-13 2016-11-16 아주대학교산학협력단 클라우드 플랫폼에 기반한 교통안전 정보 제공 시스템 및 그것을 이용한 교통안전 정보 제공 방법
KR102338554B1 (ko) * 2015-03-16 2021-12-15 주식회사 만도모빌리티솔루션즈 자동 긴급 제동장치 및 그 제어방법
KR102117598B1 (ko) 2015-06-15 2020-06-01 엘지전자 주식회사 차량 운전 보조 장치 및 차량
CN105260795B (zh) * 2015-10-13 2019-05-03 广西师范学院 一种基于条件随机场的重点人员位置时空预测方法
US10383147B2 (en) 2015-12-28 2019-08-13 Samsung Electronics Co., Ltd. Methods and apparatus for resource collision avoidance in vehicle to vehicle communication
WO2017135998A1 (en) 2016-02-04 2017-08-10 Intel IP Corporation Sensing-based collision avoidance for v2v communication
US20180105107A1 (en) * 2016-10-19 2018-04-19 Novateur Research Solutions LLC Pedestrian collision warning system for vehicles
IL251531A0 (en) * 2017-04-03 2017-06-29 Sibony Haim A system and method for preventing accidents and collisions between vehicles and pedestrians
CN106997689B (zh) 2017-05-11 2019-08-27 重庆邮电大学 基于路口的v2p避免碰撞方法
US10007269B1 (en) 2017-06-23 2018-06-26 Uber Technologies, Inc. Collision-avoidance system for autonomous-capable vehicle
CN107798915A (zh) * 2017-09-21 2018-03-13 苏州大学 一种用于预测车辆行驶路线和防碰撞的智能评估系统
CN107798916B (zh) 2017-09-21 2020-07-28 长安大学 车-路-人协同的高速公路行车安全智能预警系统及方法
CN108010388A (zh) * 2018-01-04 2018-05-08 北京瑞腾中天科技有限公司 基于车联网络的碰撞检测预警方法及碰撞检测预警系统
US10623908B2 (en) * 2018-02-28 2020-04-14 Qualcomm Incorporated Pedestrian positioning via vehicle collaboration

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005352577A (ja) 2004-06-08 2005-12-22 Denso Corp 車両用歩行者検知システム、移動通信端末、車載通信装置およびプログラム
JP2012513651A (ja) 2008-12-23 2012-06-14 コンテイネンタル・セイフテイ・エンジニヤリング・インターナシヨナル・ゲゼルシヤフト・ミツト・ベシユレンクテル・ハフツング 車両と生物との衝突確率を求める方法
JP2012048537A (ja) 2010-08-27 2012-03-08 Toyota Infotechnology Center Co Ltd 車両接近報知システム
JP2015207129A (ja) 2014-04-18 2015-11-19 アルパイン株式会社 歩行者通知システム
JP2016177722A (ja) 2015-03-23 2016-10-06 株式会社ゼンリンデータコム 安全運転支援装置及び自動運転車
JP2017027599A (ja) 2015-07-17 2017-02-02 本田技研工業株式会社 旋回予測
WO2017111139A1 (ja) 2015-12-23 2017-06-29 京セラ株式会社 サーバ装置、車両制御装置、および歩行補助装置
CN106882143A (zh) 2017-03-02 2017-06-23 重庆长安汽车股份有限公司 基于lte‑v通信的行人保护系统及方法
CN107731009A (zh) 2017-11-28 2018-02-23 吉林大学 一种适用于无信号灯交叉路口车辆避人、避撞系统及方法

Also Published As

Publication number Publication date
US20210287547A1 (en) 2021-09-16
EP3791376C0 (en) 2023-11-08
EP3791376A1 (en) 2021-03-17
EP3791376B1 (en) 2023-11-08
JP2021510857A (ja) 2021-04-30
KR20200111261A (ko) 2020-09-28
US11443633B2 (en) 2022-09-13
CN112106126A (zh) 2020-12-18
US20210183249A1 (en) 2021-06-17
CN112106126B (zh) 2022-02-25
IL276736B (en) 2021-04-29
DE112019000057T5 (de) 2020-02-20
KR102189485B1 (ko) 2020-12-14
WO2019213763A1 (en) 2019-11-14
EP3791376A4 (en) 2022-03-02
US11062606B2 (en) 2021-07-13
IL276736A (en) 2020-09-30

Similar Documents

Publication Publication Date Title
JP7044804B2 (ja) 車両・歩行者間の衝突回避の方法およびシステム
US11670172B2 (en) Planning and control framework with communication messaging
US20210287529A1 (en) Method and system for pedestrian-to-vehicle collision avoidance based on amplified and reflected wavelength
Boukerche et al. Vehicular ad hoc networks: A new challenge for localization-based systems
Adegoke et al. Infrastructure Wi-Fi for connected autonomous vehicle positioning: A review of the state-of-the-art
JP2020528598A (ja) 車両測位方法、装置及び端末設備
US11014555B1 (en) Method and system for pedestrian-to-vehicle collision avoidance based on emitted wavelength
KR20190005950A (ko) 차량 위치 결정을 위한 기술
US20200326203A1 (en) Real-world traffic model
US11645913B2 (en) System and method for location data fusion and filtering
CN115428485B (zh) 用于车联网通信的方法
CN116491204A (zh) 用于与交通有关的物理测距信号的基于几何的“先听后说”（lbt）感测
Gikas et al. Collaborative positioning for urban intelligent transportation systems (ITS) and personal mobility (PM): Challenges and perspectives
WO2023249813A1 (en) Vehicle nudge via c-v2x
CN114598988A (zh) 运载工具的定位方法
Wang Vehicle positioning utilising radio frequency identification devices with geo-located roadside furniture upon urban-roads
US20220397630A1 (en) Device and method for positioning based on heterogeneous networks
US20240096212A1 (en) Virtual traffic light via c-v2x
US20240147242A1 (en) Method and apparatus for providing a shared mobility service
Yusuf et al. Vehicle-to-everything (V2X) in the autonomous vehicles domain–A technical review of communication, sensor, and AI technologies for road user safety
Krebss et al. VANET Object Localization Specifics

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200821

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20200821

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210204

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20210324

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210511

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20210806

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20211008

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211110

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: 20220215

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220317

R150 Certificate of patent or registration of utility model

Ref document number: 7044804

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150