JP7271327B2

JP7271327B2 - 生成装置、生成システム、生成方法および教材データを生成する方法

Info

Publication number: JP7271327B2
Application number: JP2019109720A
Authority: JP
Inventors: 斗吾興梠; 春樹白石; 範昭國兼
Original assignee: Denso Ten Ltd
Current assignee: Denso Ten Ltd
Priority date: 2019-06-12
Filing date: 2019-06-12
Publication date: 2023-05-11
Anticipated expiration: 2039-06-12
Also published as: JP2020201434A

Description

開示の実施形態は、生成装置、生成システムおよび生成方法に関する。

従来、視覚的訓練装置のモニターに交通場面を表示し、該当の交通場面で注意を向けるべきターゲットにターゲットマークを付加表示して、車両の運行に関する危険予知訓練（ＫＹＴ：Kiken Yochi Training）を支援する技術が知られている（たとえば、特許文献１参照）。

また、近年では、車両に搭載されたドライブレコーダ等の車載装置から収集した映像から選択した任意の映像に、手動で問題文や選択肢等を入力することによって、危険予知訓練の教材データを生成することができる技術も提案されている。

特開平６－１８０５４７号公報

しかしながら、上述した従来技術には、危険予知訓練の教材データを手間をかけず容易に生成可能にするうえで、更なる改善の余地がある。

たとえば、上述した従来技術を用いた場合、問題文や選択肢の入力が手動であるため、手順が煩わしく、手間がかかるという問題があった。

実施形態の一態様は、上記に鑑みてなされたものであって、危険予知訓練の教材データを容易に生成可能とすることができる生成装置、生成システムおよび生成方法を提供することを目的とする。

実施形態の一態様に係る生成装置は、車両の運行に関する危険予知の教材データを生成する生成装置であって、制御部を備える。前記制御部は、各車両周辺の映像を収集して解析し、解析した解析結果に基づいて前記映像のそれぞれに対し、前記映像の状況に応じたタグを付与し、ユーザから任意にタグ付きで入力される前記危険予知に関する問題文または選択肢の登録を受け付け、ユーザから前記教材データに利用したい前記映像の選択を受け付け、選択された前記映像に付与されたタグと、前記問題文および前記選択肢のそれぞれに付与されたタグとの合致率に基づいて、選択された前記映像に対応する前記問題文および前記選択肢の組み合わせを生成する。

実施形態の一態様によれば、危険予知訓練の教材データを手間をかけず容易に生成可能にすることができる。

図１は、実施形態に係る生成方法の概要説明図である。図２は、実施形態に係る生成システムのブロック図である。図３は、実施形態に係る生成部が実行する生成処理の処理説明図（その１）である。図４は、実施形態に係る生成部が実行する生成処理の処理説明図（その２）である。図５は、実施形態に係る生成部が実行する生成処理の処理説明図（その３）である。図６は、実施形態に係る生成部が実行する生成処理の処理説明図（その４）である。図７は、実施形態に係る手動入力支援の具体例を示す図である。図８は、実施形態に係る生成装置が実行する処理手順を示すフローチャートである。

以下、添付図面を参照して、本願の開示する生成装置、生成システムおよび生成方法の実施形態を詳細に説明する。なお、以下に示す実施形態によりこの発明が限定されるものではない。

また、以下では、実施形態に係る生成方法の概要について図１を用いて説明した後に、実施形態に係る生成方法を適用した生成システム１について、図２～図８を用いて説明することとする。

また、以下では、「危険予知訓練」を「ＫＹＴ」と言う場合がある。また、以下では、「危険予知訓練の教材データ」を「ＫＹＴデータ」と言う場合がある。

また、以下では、後述する問題文・選択肢ＤＢ１２ｂに登録された問題文または選択肢をまとめて、「教材素材」と総称する場合がある。また、以下では、かかる教材素材に基づいて生成される問題文および選択肢の組み合わせを、「教材候補」と言う場合がある。

まず、実施形態に係る生成方法の概要について図１を用いて説明する。図１は、実施形態に係る生成方法の概要説明図である。

図１に示すように、実施形態に係る生成方法では、まず車両Ｖに搭載されたドライブレコーダ等の車載装置１００が撮影した映像を収集する（ステップＳ１）。そして、収集した各映像を解析し（ステップＳ２）、その解析結果に基づいて自動的にタグ付けを行う（ステップＳ３）。

ここで、タグは、映像の状況の特徴を端的に表す目印であり、たとえば「動作」や「場所」といったカテゴリごとにクラス分けされた文言で表される。たとえば「動作」カテゴリでは、「右折時」や「左折時」といった文言がタグとなる。また、「場所」カテゴリであれば、「交差点」や「坂道」といった文言がタグとなる。

また、ステップＳ２の解析およびステップＳ３の自動的なタグ付けは、たとえばディープラーニング等の機械学習のアルゴリズムを用いて生成された、映像の特徴量抽出のための学習モデル等を利用することで実現可能である。また、ステップＳ３でタグ付けされた各映像は、映像データベース（以下、「ＤＢ」と記載する）１２ａへ格納される。

また、実施形態に係る生成方法では、一方で、ＫＹＴデータの問題文および選択肢を問題文・選択肢ＤＢ１２ｂへ登録する。かかる登録は、たとえば事業者装置２００から行われる。

事業者装置２００は、たとえばＫＹＴデータの提供サービスを受ける事業者が運用・管理する装置である。事業者装置２００には、たとえば映像ＤＢ１２ａや問題文・選択肢ＤＢ１２ｂへアクセスするためのＧＵＩ（Graphical User Interface）画面といったユーザインタフェースが提供される。

そして、実施形態に係る生成方法では、たとえば適正なアクセス権を有する事業者装置２００の利用者Ｕ（たとえば管理者）が、かかるＧＵＩ画面を介した操作を行う。たとえば事業者装置２００－１の利用者Ｕが、ＧＵＩ画面を介しつつ任意に問題文を登録する（ステップＳ４）。このとき、問題文は、たとえば手動で入力されるタグ付きで登録される。

また、同様に、たとえば事業者装置２００－２の利用者Ｕが、任意に選択肢を登録する（ステップＳ５）。このとき、選択肢は、問題文と同じく、たとえば手動で入力されるタグ付きで登録される。

そして、実施形態に係る生成方法では、たとえば事業者装置２００の利用者Ｕが、映像ＤＢからＫＹＴデータとして利用したい映像を、前述のＧＵＩ画面を介して任意に選択する（ステップＳ６）。同図に示すように、選択された映像には、「右折時」、「交差点」、「一般道」…のようにタグが付与されていることとなる。

そして、実施形態に係る生成方法では、かかる選択映像のタグと、問題文・選択肢ＤＢ１２ｂに格納された問題文および選択肢それぞれに付与されたタグとの合致率を算出し、かかる選択映像とのタグの合致率に基づいて、問題文および選択肢の組み合わせを生成する（ステップＳ７）。実施形態に係る生成方法では、たとえば、選択映像とのタグの合致率が最も高い選択肢が、ＫＹＴデータにおける正解肢として抽出される。

なお、生成される問題文および選択肢の組み合わせの具体例については、図３および図４を用いた説明で後述する。

そして、ステップＳ７で生成された教材候補は、ステップＳ６で映像を選択した利用者Ｕへ向けて前述のＧＵＩ画面等を介し出力される。そして、利用者Ｕが、出力された教材候補をＫＹＴデータとして利用する旨の応答を返せば、かかる教材候補はＫＹＴデータとして、たとえば問題文・選択肢ＤＢ１２ｂへ登録される（ステップＳ８）。登録されたＫＹＴデータは、たとえば受講者へｅラーニングのコンテンツとして提供され（ステップＳ９）、受講者の危険予知訓練に利用されることとなる。

なお、ステップＳ３やステップＳ７では、自動的に処理が行われるため、たとえばタグや、教材素材、教材候補の内容が不自然な場合も起こりうる。その場合は、たとえば事業者装置２００の利用者Ｕによって、適宜編集や変更が可能である。

また、ステップＳ４やステップＳ５は手動で行われるが、煩わしさを軽減するために、たとえば問題文のテンプレートを用意しておき、これに基づいて問題文を自動生成することもできる。かかる例については、図７を用いた説明で後述する。

また、ステップＳ７においてタグの合致率を算出するにあたり、タグに重みをつけることもできる。かかる例については、図５および図６を用いた説明で後述する。

このように、実施形態に係る生成方法では、映像の状況に応じて映像にタグを付与し、映像に付与されたタグと、危険予知訓練の教材素材に付与されたタグとの合致率に基づいて危険予知訓練の教材候補を生成し、生成した教材候補を出力する。

したがって、実施形態に係る生成方法によれば、危険予知訓練の教材データを手間をかけず容易に生成可能にすることができる。以下、実施形態に係る生成方法を適用した生成システム１の構成例について、図２以降を用いてより具体的に説明する。

図２は、実施形態に係る生成システム１のブロック図である。なお、図２では、本実施形態の特徴を説明するために必要な構成要素のみを機能ブロックで表しており、一般的な構成要素についての記載を省略している。

換言すれば、図２に図示される各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。例えば、各機能ブロックの分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することが可能である。

また、図２を用いた説明では、既に説明済みの構成要素については、説明を簡略化するか、省略する場合がある。

図２に示すように、実施形態に係る生成システム１は、生成装置１０と、車載装置１００と、事業者装置２００とを含む。

生成装置１０は、通信部１１と、記憶部１２と、制御部１３とを備える。通信部１１は、たとえば、ＮＩＣ（Network Interface Card）等によって実現される。通信部１１は、ネットワークＮと有線または無線で接続され、ネットワークＮを介して、車載装置１００や、事業者装置２００との間で情報の送受信を行う。なお、生成装置１０は、たとえば車載装置１００のメーカによって管理・運用される。

記憶部１２は、たとえば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現され、図２の例では、映像ＤＢ１２ａと、問題文・選択肢ＤＢ１２ｂとを記憶する。

制御部１３は、コントローラ（controller）であり、たとえば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、生成装置１０内部の記憶デバイスに記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３は、たとえば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現することができる。

制御部１３は、収集部１３ａと、解析部１３ｂと、タグ付与部１３ｃと、登録部１３ｄと、編集部１３ｅと、生成部１３ｆと、出力部１３ｇとを有し、以下に説明する情報処理の機能や作用を実現または実行する。

収集部１３ａは、車載装置１００からアップロードされる各映像を、通信部１１を介して収集し、映像ＤＢ１２ａへ蓄積する。

解析部１３ｂは、収集部１３ａによって収集された各映像を解析する。タグ付与部１３ｃは、解析部１３ｂの解析結果に基づいて、各映像にタグを付与する。

登録部１３ｄは、事業者装置２００の利用者Ｕから、教材素材、すなわちタグ付けされた問題文または選択肢を受け付け、問題文・選択肢ＤＢ１２ｂへ登録する。また、登録部１３ｄは、後述する生成部１３ｆによって生成され、出力部１３ｇによって出力される教材候補を、利用者ＵがＫＹＴデータとして利用する旨の応答を返せば、ＫＹＴデータとして問題文・選択肢ＤＢ１２ｂへ登録する。

編集部１３ｅは、映像ＤＢ１２ａに格納された各映像のタグ、および、問題文・選択肢ＤＢ１２ｂへ登録された教材素材のタグの編集要求を受け付けた場合に、たとえば事業者装置２００の利用者Ｕからの入力に基づいて、該当のタグを編集させる。

また、編集部１３ｅは、問題文・選択肢ＤＢ１２ｂへ登録された教材素材そのものの編集要求を受け付けた場合に、たとえば事業者装置２００からの利用者Ｕの入力に基づいて、該当の問題文または選択肢を編集させる。

また、編集部１３ｅは、出力部１３ｇによって出力された教材候補の変更または新規作成の要求を受け付けた場合に、たとえば事業者装置２００からの利用者Ｕの入力に基づいて、該当の教材候補を変更または新規作成させる。

生成部１３ｆは、映像に付与されたタグと、危険予知訓練の教材素材に付与されたタグとの合致率に基づいて危険予知訓練の教材候補を生成する。ここで、図３～図６を用いて、生成部１３ｆが実行する教材候補の生成処理について、より具体的に説明する。

図３～図６は、実施形態に係る生成部１３ｆが実行する生成処理の処理説明図（その１）～（その４）である。なお、図３および図４では、問題文１つに対し、選択肢が４つ組み合わされる場合を例に挙げる。

図３に示すように、生成部１３ｆは、映像に付与されたタグと、教材素材、すなわち問題文・選択肢ＤＢ１２ｂへ登録された問題文または選択肢に付与されたタグとの合致率に基づき、問題文のうち、合致率が高い（たとえば所定の閾値以上）問題文（ここでは、問題文＃１）を抽出する。

また、生成部１３ｆは、同じく合致率に基づき、選択肢のうち少なくとも、合致率が最も高い選択肢（ここでは、選択肢＃３）を正解肢として抽出する。

また、生成部１３ｆは、その他の３つの選択肢については、合致率に関わりなくランダムに選択肢（ここでは、選択肢＃５，＃６，＃８）を抽出する。

そして、生成部１３ｆは、これらの組み合わせを教材候補として生成する。かかる教材候補は、複数生成され、出力されてもよい。かかる場合、事業者装置２００の利用者Ｕが、その複数の教材候補のうちから複数をＫＹＴデータとして選択可能となるようにしてもよい。

なお、ランダム抽出される３つは毎回異なってもよいので、同図に点線で示しているように、生成部１３ｆは、教材候補としては問題文＃１および選択肢＃３のみの組み合わせで生成し、これを出力するようにしてもよい。

また、変形例として、図４に示すように、生成部１３ｆは、ランダム抽出される選択肢を含まずに、たとえば合致率順位に基づいて、合致率順位の上位から順に選択肢（ここでは、選択肢＃３，＃４，＃７，＃９）を抽出するようにしてもよい。

図３および図４に示すように、合致率の高い選択肢を少なくしたり多くしたりすることによって、たとえば生成される教材候補の難易度を変化させることが可能となる。

また、合致率についてであるが、図５に示すように、生成部１３ｆは、映像および問題文（あるいは選択肢）にそれぞれ付与されたタグのうち、文言の合致のみに基づき、合致率を算出するようにしてもよい。同図の例では、たとえば５分の３となる。

一方で、図６に示すように、生成部１３ｆは、タグごとの重み付け値を加味しつつ、合致率を算出するようにしてもよい。かかる重み付けは、たとえば企画される危険予知訓練ごとのテーマに応じて、「右折時」の危険予知がメインテーマであれば「右折時」や「交差点」の重みを大きくしたり、「悪天候時」の危険予知がメインテーマであれば「晴れ」の重みを小さくしたりしてもよい。

かかるタグの重み付けの変更は、たとえば生成装置１０のオペレータや、事業者装置２００の利用者Ｕが行えるようにしてもよい。

図２の説明に戻る。生成部１３ｆは、生成した教材候補を出力部１３ｇへ通知する。出力部１３ｇは、生成部１３ｆから通知された教材候補を利用者Ｕへ向けて出力する。出力先はたとえば前述のＧＵＩ画面である。

ところで、図１を用いた説明で、同図のステップＳ４やステップＳ５、すなわち問題文・選択肢ＤＢ１２ｂへの問題文登録や選択肢登録は手動で行われるとしたが、煩わしさを軽減するために、たとえば問題文登録であれば問題文のテンプレートを用意しておき、これに基づいて問題文を自動生成するようにしてもよい。

図７は、実施形態に係る手動入力支援の具体例を示す図である。たとえば問題文には、同図に示すようにテンプレートがあり、テンプレートには、たとえば所定の文節ごとに、タグのカテゴリが設定されている。問題文にタグを付与すれば、該当のカテゴリ枠にタグが挿入されて問題文が自動生成される。

同図の例では。「｛晴れ｝の｛夕方｝の｛交差点｝を｛左折｝しようとしています。このとき何に注意しますか？」との問題文が自動生成された場合を示している。利用者Ｕは、かかる自動生成文をそのまま利用することもできるし、タグ部分、タグ分以外の部分を問わず任意に編集することができる。これにより、手動入力による煩わしさを軽減することが可能となる。

次に、実施形態に係る生成装置１０が実行する処理手順について、図８を用いて説明する。図８は、実施形態に係る生成装置１０が実行する処理手順を示すフローチャートである。

なお、同図に示すように、ステップＳ１０１～ステップＳ１０４の処理、および、ステップＳ１０５～ステップＳ１０６の処理は、非同期にパラレルに実行することが可能である。ステップＳ１０１から順に説明する。

まず、収集部１３ａが、車載装置１００によって撮影された映像を収集する（ステップＳ１０１）。そして、解析部１３ｂが、各映像を解析し（ステップＳ１０２）、タグ付与部１３ｃが、解析部１３ｂの解析結果に基づいて各映像に自動的にタグを付与する（ステップＳ１０３）。そして、登録部１３ｄは、各映像を映像ＤＢ１２ａへ登録する。

また、登録部１３ｄは、タグ付けされた問題文または選択肢を受け付け（ステップＳ１０５）、受け付けた問題文または選択肢を問題文・選択肢ＤＢ１２ｂへ登録する。

また、たとえば利用者Ｕにより映像が選択されたか否かが、随時判定される（ステップＳ１０７）。ここで、映像が選択されていない場合（ステップＳ１０７，Ｎｏ）、ステップＳ１０１およびステップＳ１０５からの処理を繰り返す。

また、映像が選択されている場合（ステップＳ１０７，Ｙｅｓ）、タグの編集があるか否かが判定される（ステップＳ１０８）。ここで、タグの編集がある場合（ステップＳ１０８，Ｙｅｓ）、編集部１３ｅが、たとえば利用者Ｕにタグを編集させる（ステップＳ１０９）。

また、タグの編集がない場合（ステップＳ１０８，Ｎｏ）、生成部１３ｆが、選択映像のタグと、教材素材である問題文および選択肢それぞれに付与されたタグとの合致率を算出し、かかるタグの合致率に基づいて、問題文および選択肢の組み合わせ、すなわち教材候補を生成する（ステップＳ１１０）。

そして、出力部１３ｇが、生成部１３ｆによって生成された教材候補を利用者Ｕへ向けて出力する（ステップＳ１１１）。そして、出力した教材候補がＫＹＴデータとして利用されない場合（ステップＳ１１２，Ｎｏ）、編集部１３ｅが、変更あるいは手動による新規作成を受け付ける（ステップＳ１１３）。

そして、登録部１３ｄが、問題文・選択肢ＤＢ１２ｂへの登録を行って（ステップＳ１１４）、ステップＳ１０１およびステップＳ１０５からの処理を繰り返すこととなる。

上述してきたように、実施形態に係る生成装置１０は、タグ付与部１３ｃと、生成部１３ｆとを備える。タグ付与部１３ｃは、入力された映像に対し、かかる映像の状況に応じて１以上のタグを付与する。生成部１３ｆは、上記映像に付与されたタグ、および、危険予知訓練の教材素材に付与されたタグの合致率に基づいて、上記危険予知訓練の教材候補を生成する。

したがって、実施形態に係る生成装置１０によれば、危険予知訓練の教材データを手間をかけず容易に生成可能にすることができる。

また、生成部１３ｆは、複数の上記教材候補を生成する。したがって、実施形態に係る生成装置１０によれば、利用者Ｕは、複数の教材候補の中からＫＹＴデータを選択することが可能となる。

また、上記教材素材は、問題文、および、かかる問題文の回答の選択肢の少なくともいずれかを含む。したがって、実施形態に係る生成装置１０によれば、登録済みの問題文または回答の選択肢に基づいて容易に上記教材候補を生成することが可能となる。

また、生成部１３ｆは、上記選択肢のうち、上記合致率の最も高い１つを正解肢とする上記教材候補を生成する。したがって、実施形態に係る生成装置１０によれば、正解肢を容易に生成することが可能となる。

また、タグはそれぞれ重み付けが可能であって、生成部１３ｆは、かかる重み付けを加味しつつ上記合致率を算出する。したがって、実施形態に係る生成装置１０によれば、危険予知訓練のテーマなどに応じた適正な合致率を算出することが可能となる。

また、タグ付与部１３ｃおよび生成部１３ｆは、上記映像のタグ、上記教材素材および上記教材候補が編集された場合に、編集結果に基づいて演算を補正する自己学習機能を有する。したがって、実施形態に係る生成装置１０によれば、編集結果に応じた適正な補正を行うことが可能となり、タグの合致精度も向上させることができる。なお、自己学習機能については、たとえば機械学習のアルゴリズム等を利用することにより実現可能である。

なお、上述した実施形態では、タグ付与部１３ｃは、機械学習などによりタグを付与するとしたがこの限りではない。ＧＰＳ（Global Positioning System）や加速度センサなどを用いて取得した車両状態の変化に基づいてタグを付与してもよい。これにより、映像上で判別が難しい情報をタグとして使用することができ、教材候補の質を向上させることができる。たとえばＧＰＳの位置情報を用いることで、事故頻発地点などの地理的特性をタグとして用いることができる。

また、上述した実施形態では、車両Ｖの車載装置１００が撮影した映像に基づく場合を例に挙げたが、無論、映像の撮影状況を限定するものではない。すなわち、映像は、危険予知訓練の教材データになりうるものであればよく、カメラは何処に搭載されてもよい。

また、映像は撮影されたものでなくともよい。たとえばコンピュータが生成し、出力する合成映像であってもよい。

さらなる効果や変形例は、当業者によって容易に導き出すことができる。このため、本発明のより広範な態様は、以上のように表しかつ記述した特定の詳細および代表的な実施形態に限定されるものではない。したがって、添付の特許請求の範囲およびその均等物によって定義される総括的な発明の概念の精神または範囲から逸脱することなく、様々な変更が可能である。

１生成システム
１０生成装置
１３ｃタグ付与部
１３ｆ生成部
１００車載装置
２００事業者装置
Ｖ車両

Claims

車両の運行に関する危険予知の教材データを生成する生成装置であって、制御部を備え、
前記制御部は、
各車両周辺の映像を収集して解析し、
解析した解析結果に基づいて前記映像のそれぞれに対し、前記映像の状況に応じたタグを付与し、
ユーザから任意にタグ付きで入力される前記危険予知に関する問題文または選択肢の登録を受け付け、
ユーザから前記教材データに利用したい前記映像の選択を受け付け、
選択された前記映像に付与されたタグと、前記問題文および前記選択肢のそれぞれに付与されたタグとの合致率に基づいて、選択された前記映像に対応する前記問題文および前記選択肢の組み合わせを生成する、
生成装置。
前記制御部は、
前記映像のタグ、前記問題文、前記選択肢および前記組み合わせに対するユーザからの任意の編集を受け付け可能であり、前記編集の結果に基づいて演算を補正する自己学習機能を有する、
請求項１に記載の生成装置。
各車両に搭載される車載装置と、車両の運行に関する危険予知の教材データを生成する生成装置と、を備え、
前記車載装置は、
車両周辺の映像を撮影して前記生成装置へ送信し、
前記生成装置は、
前記車載装置から送信された前記映像を収集して解析し、
解析した解析結果に基づいて前記映像のそれぞれに対し、前記映像の状況に応じたタグを付与し、
ユーザから任意にタグ付きで入力される前記危険予知に関する問題文または選択肢の登録を受け付け、
ユーザから前記教材データに利用したい前記映像の選択を受け付け、
選択された前記映像に付与されたタグと、前記問題文および前記選択肢のそれぞれに付与されたタグとの合致率に基づいて、選択された前記映像に対応する前記問題文および前記選択肢の組み合わせを生成する、
生成システム。
車両の運行に関する危険予知の教材データを生成する生成装置が実行する生成方法であって、
各車両周辺の映像を収集して解析することと、
解析した解析結果に基づいて前記映像のそれぞれに対し、前記映像の状況に応じたタグを付与することと、
ユーザから任意にタグ付きで入力される前記危険予知に関する問題文または選択肢の登録を受け付けることと、
ユーザから前記教材データに利用したい前記映像の選択を受け付けることと、
選択された前記映像に付与されたタグと、前記問題文および前記選択肢のそれぞれに付与されたタグとの合致率に基づいて、選択された前記映像に対応する前記問題文および前記選択肢の組み合わせを生成することと、
を含む、生成方法。
車両の運行に関する危険予知の教材データを生成する生成装置であって、制御部を備え、
前記制御部は、
各車両周辺の映像を収集して解析し、
解析した解析結果に基づいて前記映像のそれぞれに対し、前記映像の状況に応じたタグを付与し、
ユーザから任意にタグ付きで入力される前記危険予知に関する問題文または選択肢の登録を受け付け、
ユーザから前記教材データに利用したい前記映像の選択を受け付け、
選択された前記映像に付与されたタグと、前記問題文および前記選択肢のそれぞれに付与されたタグとの合致率に基づいて、選択された前記映像に対応する前記問題文および前記選択肢の組み合わせを生成し、
前記制御部はさらに、
所定の文節ごとにタグのカテゴリが予め設定された前記問題文のテンプレートに対し、各カテゴリ枠へタグが付与されることによって前記問題文を自動生成する、
生成装置。
車両の運行に関する危険予知の教材データを生成する生成装置が実行する生成方法であって、
各車両周辺の映像を収集して解析することと、
解析した解析結果に基づいて前記映像のそれぞれに対し、前記映像の状況に応じたタグを付与することと、
ユーザから任意にタグ付きで入力される前記危険予知に関する問題文または選択肢の登録を受け付けることと、
ユーザから前記教材データに利用したい前記映像の選択を受け付けることと、
選択された前記映像に付与されたタグと、前記問題文および前記選択肢のそれぞれに付与されたタグとの合致率に基づいて、選択された前記映像に対応する前記問題文および前記選択肢の組み合わせを生成することと、
所定の文節ごとにタグのカテゴリが予め設定された前記問題文のテンプレートに対し、各カテゴリ枠へタグが付与されることによって前記問題文を自動生成することと、
を含む、生成方法。
コンピュータにより、車両運転危険予知のための、車両周辺画像データ、問題文データおよび選択肢データからなる教材データを生成する方法であって、
収集した車両周辺の画像における車両動作、対象および場面の解析に基づきタグを生成し、前記タグ付きの車両周辺画像データを生成して蓄積し、
入力されたタグ付きの問題文データを蓄積し、
入力されたタグ付きの選択肢データを蓄積し、
前記車両周辺画像データの選択情報に基づき、選択された前記車両周辺画像データに付与されたタグと、蓄積された前記問題文データおよび前記選択肢データに付与されたタグとの合致率を求め、前記合致率に基づいて、前記問題文データおよび前記選択肢データを選択し、前記選択された前記車両周辺画像データと組み合わせて前記教材データを生成する方法。
コンピュータにより、車両運転危険予知のための、車両周辺画像データ、問題文データおよび選択肢データからなる教材データを生成する生成方法であって、
収集した車両周辺の画像における車両動作、対象および場面の解析に基づきタグを生成し、前記タグ付きの車両周辺画像データを生成して蓄積し、
入力された問題文に基づき、タグ付きの問題文データを生成して蓄積し、
入力された選択肢に基づき、タグ付きの選択肢データを生成して蓄積し、
前記車両周辺画像データの選択情報に基づき、選択された前記車両周辺画像データに付与されたタグと、蓄積された前記問題文データおよび前記選択肢データに付与されたタグとの合致率を求め、前記合致率に基づいて、前記問題文データおよび前記選択肢データを選択し、前記選択された前記車両周辺画像データと組み合わせて前記教材データを生成する方法。