JP7135824B2 - 学習装置、推定装置、学習方法、推定方法、及びプログラム - Google Patents
学習装置、推定装置、学習方法、推定方法、及びプログラム Download PDFInfo
- Publication number
- JP7135824B2 JP7135824B2 JP2018235850A JP2018235850A JP7135824B2 JP 7135824 B2 JP7135824 B2 JP 7135824B2 JP 2018235850 A JP2018235850 A JP 2018235850A JP 2018235850 A JP2018235850 A JP 2018235850A JP 7135824 B2 JP7135824 B2 JP 7135824B2
- Authority
- JP
- Japan
- Prior art keywords
- route
- moving
- passing
- time
- probability
- 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
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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
Description
まず、本発明の実施の形態における学習装置10及び推定装置20の機能構成について、図1を参照しながら説明する。図1は、本発明の実施の形態における学習装置10及び推定装置20の機能構成の一例を示す図である。
図1に示すように、本発明の実施の形態における学習装置10は、学習処理部101と、記憶部102とを有する。
図1に示すように、本発明の実施の形態における推定装置20は、推定処理部201と、記憶部202とを有する。
次に、本発明の実施の形態における学習装置10及び推定装置20のハードウェア構成について、図2を参照しながら説明する。図2は、本発明の実施の形態における学習装置10及び推定装置20のハードウェア構成の一例を示す図である。なお、学習装置10及び推定装置20は同様のハードウェア構成で実現可能であるため、以降では、主に、学習装置10のハードウェア構成について説明する。
次に、本発明の実施の形態における学習処理について、図3を参照しながら説明する。図3は、本発明の実施の形態における学習処理の一例を示すフローチャートである。
次に、本発明の実施の形態における推定処理について、図4を参照しながら説明する。図4は、本発明の実施の形態における推定処理の一例を示すフローチャートである。
次に、本発明と従来技術との比較結果について説明する。本発明と従来技術との比較では、日本の道路情報及び歩行者シミュレータを用いて実験した。このとき、未観測の道路の割合を0.1、0.3、0.5、0.7と変化させて実験を行った。比較対象の従来技術としては、平均を用いる方法(Mean)、K近傍法(KNN)、ガウス過程(GP)、グラフ畳み込みニューラルネットワーク(GCN)、ネットワークトモグラフィックモデル(NTM)を用いた。このとき、道路毎の通過人数の推定誤差を以下の表1に示す。
20 推定装置
101 学習処理部
102 記憶部
111 入力部
112 初期化部
113 確率推定部
114 人数推定部
115 学習部
116 終了条件判定部
117 出力部
201 推定処理部
202 記憶部
211 入力部
212 確率推定部
213 人数推定部
214 出力部
Claims (7)
- 1以上の道で構成される経路の集合である経路情報と、前記1以上の道のうちの観測対象の道における時刻毎の移動体の通過数を示す通過移動体情報とを入力する入力手段と、
前記経路情報と、前記通過移動体情報とを用いて、前記移動体が移動する速さを考慮したモデルであって、前記経路情報と前記通過移動体情報とを入力として前記1以上の道における時刻毎の前記移動体の通過数と前記経路における時刻毎の前記移動体の数とを推定するモデルのパラメータを学習する学習手段と、
を有し、
前記移動体が移動する速さは、時刻毎の各道の混雑度によって決定される、ことを特徴とする学習装置。 - 前記パラメータには、経路毎の移動体数を示す経路別移動体数と、前記1以上の道路のそれぞれの混雑具合を示す混雑度とが含まれ、
前記学習手段は、
前記経路情報と前記混雑度とを用いて、前記経路内の或る道にいる移動体が同時刻内で別の或る道に遷移する確率を表す第1の確率と、前記経路内の或る道にいる移動体が同時刻内で別の或る道を通過する確率を表す第2の確率とを計算し、
前記経路別移動体数と前記第1の確率と前記第2の確率とを用いて、前記1以上の道における時刻毎の移動体の通過数と前記混雑度とを推定し、
推定した通過数と、前記通過移動体情報が示す通過数と、推定した混雑度と、前記第1の確率及び前記第2の確率の計算に用いられた混雑度とを用いて、前記パラメータを更新する、ことを特徴とする請求項1に記載の学習装置。 - 1以上の道で構成される経路の集合である経路情報と、前記1以上の道のうちの観測対象の道における時刻毎の移動体の通過数を示す通過移動体情報と、前記移動体が移動する速さを考慮したモデルであって、前記経路情報と前記通過移動体情報とを入力として前記1以上の道における時刻毎の前記移動体の通過数と前記経路における時刻毎の前記移動体の数とを推定するモデルの学習済みパラメータとを入力する入力手段と、
前記経路情報と、前記通過移動体情報と、前記モデルの学習済みパラメータとを用いて、前記モデルにより、前記1以上の道における時刻毎の前記移動体の通過数と前記経路における時刻毎の前記移動体の数とを推定する推定手段と、
を有し、
前記移動体が移動する速さは、時刻毎の各道の混雑度によって決定される、ことを特徴とする推定装置。 - 前記学習済みパラメータには、経路毎の移動体数を示す経路別移動体数と、前記1以上の道路のそれぞれの混雑具合を示す混雑度とが含まれ、
前記推定手段は、
前記経路情報と前記混雑度とを用いて、前記経路内の或る道にいる移動体が同時刻内で別の或る道に遷移する確率を表す第1の確率と、前記経路内の或る道にいる移動体が同時刻内で別の或る道を通過する確率を表す第2の確率とを計算し、
前記経路別移動体数と前記第1の確率と前記第2の確率とを用いて、前記1以上の道における時刻毎の移動体の通過数を推定する、ことを特徴とする請求項3に記載の推定装置。 - 1以上の道で構成される経路の集合である経路情報と、前記1以上の道のうちの観測対象の道における時刻毎の移動体の通過数を示す通過移動体情報とを入力する入力手順と、
前記経路情報と、前記通過移動体情報とを用いて、前記移動体が移動する速さを考慮したモデルであって、前記経路情報と前記通過移動体情報とを入力として前記1以上の道における時刻毎の前記移動体の通過数と前記経路における時刻毎の前記移動体の数とを推定するモデルのパラメータを学習する学習手順と、
をコンピュータが実行し、
前記移動体が移動する速さは、時刻毎の各道の混雑度によって決定される、ことを特徴とする学習方法。 - 1以上の道で構成される経路の集合である経路情報と、前記1以上の道のうちの観測対象の道における時刻毎の移動体の通過数を示す通過移動体情報と、前記移動体が移動する速さを考慮したモデルであって、前記経路情報と前記通過移動体情報とを入力として前記1以上の道における時刻毎の前記移動体の通過数と前記経路における時刻毎の前記移動体の数とを推定するモデルの学習済みパラメータとを入力する入力手順と、
前記経路情報と、前記通過移動体情報と、前記モデルの学習済みパラメータとを用いて、前記モデルにより、前記1以上の道における時刻毎の前記移動体の通過数と前記経路における時刻毎の前記移動体の数とを推定する推定手順と、
をコンピュータが実行し、
前記移動体が移動する速さは、時刻毎の各道の混雑度によって決定される、ことを特徴とする推定方法。 - コンピュータを、請求項1又は2に記載の学習装置における各手段、又は、請求項3又は4に記載の推定装置における各手段として機能させるためのプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018235850A JP7135824B2 (ja) | 2018-12-17 | 2018-12-17 | 学習装置、推定装置、学習方法、推定方法、及びプログラム |
US17/414,308 US20220051034A1 (en) | 2018-12-17 | 2019-12-03 | Learning apparatus, estimation apparatus, learning method, estimation method, and program |
PCT/JP2019/047235 WO2020129621A1 (ja) | 2018-12-17 | 2019-12-03 | 学習装置、推定装置、学習方法、推定方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018235850A JP7135824B2 (ja) | 2018-12-17 | 2018-12-17 | 学習装置、推定装置、学習方法、推定方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020098432A JP2020098432A (ja) | 2020-06-25 |
JP7135824B2 true JP7135824B2 (ja) | 2022-09-13 |
Family
ID=71102733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018235850A Active JP7135824B2 (ja) | 2018-12-17 | 2018-12-17 | 学習装置、推定装置、学習方法、推定方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220051034A1 (ja) |
JP (1) | JP7135824B2 (ja) |
WO (1) | WO2020129621A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220034664A1 (en) * | 2020-08-03 | 2022-02-03 | Capital One Services, Llc | Utilizing machine learning and a network of trust for crowd and traffic control and for mapping a geographical area |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004030450A (ja) | 2002-06-27 | 2004-01-29 | Kobe Steel Ltd | 交通情報案内装置、交通情報案内方法及びそのシステム |
JP2010250586A (ja) | 2009-04-16 | 2010-11-04 | Sumitomo Electric Ind Ltd | 交通情報提供装置及び方法 |
JP2018112824A (ja) | 2017-01-10 | 2018-07-19 | 沖電気工業株式会社 | 情報処理装置、情報処理システム、及びプログラム |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0540896A (ja) * | 1991-08-07 | 1993-02-19 | Hitachi Ltd | 交通渋滞度計測装置 |
JP6786264B2 (ja) * | 2016-05-27 | 2020-11-18 | 株式会社東芝 | 情報処理装置、情報処理方法、および車両 |
JP6656601B2 (ja) * | 2016-08-29 | 2020-03-04 | マツダ株式会社 | 車両制御装置 |
DE112017007252T5 (de) * | 2017-03-14 | 2019-12-19 | Omron Corporation | Fahrerüberwachungsvorrichtung, fahrerüberwachungsverfahren, lernvorrichtung und lernverfahren |
EP3566106B1 (en) * | 2017-03-20 | 2024-03-06 | Mobileye Vision Technologies Ltd. | Trajectory selection for an autonomous vehicle |
US10060751B1 (en) * | 2017-05-17 | 2018-08-28 | Here Global B.V. | Method and apparatus for providing a machine learning approach for a point-based map matcher |
EP3502279A1 (en) * | 2017-12-20 | 2019-06-26 | Koninklijke Philips N.V. | Assessment of mapk-ap 1 cellular signaling pathway activity using mathematical modelling of target gene expression |
US10754338B2 (en) * | 2018-08-14 | 2020-08-25 | GM Global Technology Operations LLC | Controlling an autonomous vehicle based upon labels assigned to objects represented in sensor data |
US20230195124A1 (en) * | 2021-12-20 | 2023-06-22 | Mitsubishi Heavy Industries, Ltd. | Management method for mobile object, control method for mobile object, mobile object, and recording medium storing computer program |
-
2018
- 2018-12-17 JP JP2018235850A patent/JP7135824B2/ja active Active
-
2019
- 2019-12-03 US US17/414,308 patent/US20220051034A1/en active Pending
- 2019-12-03 WO PCT/JP2019/047235 patent/WO2020129621A1/ja active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004030450A (ja) | 2002-06-27 | 2004-01-29 | Kobe Steel Ltd | 交通情報案内装置、交通情報案内方法及びそのシステム |
JP2010250586A (ja) | 2009-04-16 | 2010-11-04 | Sumitomo Electric Ind Ltd | 交通情報提供装置及び方法 |
JP2018112824A (ja) | 2017-01-10 | 2018-07-19 | 沖電気工業株式会社 | 情報処理装置、情報処理システム、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2020098432A (ja) | 2020-06-25 |
WO2020129621A1 (ja) | 2020-06-25 |
US20220051034A1 (en) | 2022-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10699194B2 (en) | System and method for mimicking a neural network without access to the original training dataset or the target model | |
CN109313720B (zh) | 具有稀疏访问的外部存储器的增强神经网络 | |
US11907854B2 (en) | System and method for mimicking a neural network without access to the original training dataset or the target model | |
CN106471525A (zh) | 增强神经网络以生成附加输出 | |
CN112784954A (zh) | 确定神经网络的方法和装置 | |
US11182665B2 (en) | Recurrent neural network processing pooling operation | |
KR20200046189A (ko) | 생성적 적대 신경망에 기반한 협업 필터링을 위한 방법 및 시스템 | |
JP7135824B2 (ja) | 学習装置、推定装置、学習方法、推定方法、及びプログラム | |
JP6853968B2 (ja) | パラメータ推定システム、パラメータ推定方法およびパラメータ推定プログラム | |
US20210248462A1 (en) | Interpreting convolutional sequence model by learning local and resolution-controllable prototypes | |
CN111783088B (zh) | 一种恶意代码家族聚类方法、装置和计算机设备 | |
US11586902B1 (en) | Training network to minimize worst case surprise | |
US20210081808A1 (en) | System and method to integrate a dynamic model for agents in a simulation environment using a deep koopman model | |
WO2021090413A1 (ja) | 制御装置、制御システム、制御方法及びプログラム | |
JP6950701B2 (ja) | モデル推定装置、モデル推定方法およびモデル推定プログラム | |
WO2021014495A1 (ja) | ラベル推定装置、ラベル推定方法、及びラベル推定プログラム | |
CN113887008A (zh) | 信息处理方法、电子设备和计算机存储介质 | |
JP7234691B2 (ja) | 学習装置、推定装置、学習方法、推定方法、及びプログラム | |
Vellasques et al. | A dual-purpose memory approach for dynamic particle swarm optimization of recurrent problems | |
JP7176371B2 (ja) | 推定装置、推定方法及びプログラム | |
WO2020115904A1 (ja) | 学習装置、学習方法、および学習プログラム | |
WO2021250752A1 (ja) | 学習方法、学習装置及びプログラム | |
JP2020135595A (ja) | グラフ構造推定装置、slam装置、グラフ構造推定方法、コンピュータプログラム、および記憶媒体 | |
JP6740193B2 (ja) | パラメータ推定装置、パラメータ推定方法及びパラメータ推定プログラム | |
Behnia et al. | Deep generative models for vehicle speed trajectories |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210315 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220215 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220407 |
|
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: 20220802 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220815 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7135824 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |