JP7294365B2 - ライドシェア車両のルート検索装置及びルート検索方法 - Google Patents

Description

本発明は、車両の現在地から目的地までのルートを検索する装置及び方法に関する。

特開２０１９－０２０１２７号公報は、車両の現在地から目的地までのルートを検索する装置を開示する。この従来の装置は、車両の外部状況を認識する複数のセンサと、現在地から目的地までのルートを検索するコントローラと、を備えている。コントローラは、センサの認識精度に基づいて、外部状況の監視が得意な又は苦手な領域があるか否かをセンサごとに判定する。外部状況の監視が苦手な領域があると判定された場合、コントローラは、その領域の監視を避けるルートを検索する。外部状況の監視が得意な領域があると判定された場合、コントローラは、その領域の監視を積極的に利用するルートを検索する。

上記公報は、外部状況の監視が苦手な領域が生じる場合の例として、車両の進行方向の先に太陽が位置する場合を挙げている。この例では、車両の前方を監視するカメラに太陽光が差し込むので、カメラによる車両の前方状況の監視が難しくなる。そこで、この例では、車両の前方に太陽が位置しないようなルートとして、左折、右折等の迂回動作を含むルートが検索される。

特開２０１９－０２０１２７号公報

現在地から目的地までのルートの途中において、複数のユーザをピックアップしながら輸送するライドシェアサービスを考える。このライドシェアサービスでは、目的地への到達が予定時刻を大幅に超過していないのであれば、ルートの変更が行われてもよいと考えられる。変更後のルートとしては、変更前のルートに比べて走行安全性が高いルートが例示される。変更後のルートの別の例としては、変更前のルートに比べてピックアップの確率が高いルートが挙げられる。以下、ライドシェアサービスを提供する車両を「ライドシェア車両」とも称す。

センサの認識精度は走行安全性に影響を及ぼすことから、認識精度と走行安全性の間には相関があると言える。そこで、上記公報の技術をライドシェア車両のルートの検索に適用することを考える。この場合は、走行安全性の高いルートとして上述した迂回動作を含むルートが検索される。しかしながら、この迂回動作を含むルートが採用される場合は、ピックアップの確率の高いルートが不採用となる可能性が高い。よって、ライドシェア車両の走行安全性を確保しながら、ライドシェアサービスの利用率を高めるための改良の余地がある。

本発明の１つの目的は、ライドシェア車両の走行安全性を確保しながら、ライドシェアサービスの利用率を高めることのできるルートの検索技術を提供することにある。

第１の発明は、ライドシェア車両のルート検索装置であり、次の特徴を有する。
前記ルート検索装置は、メモリと、プロセッサと、を備える。前記メモリには、前記ライドシェア車両の位置データと、前記ライドシェア車両の現在地及び目的地を含む検索エリア内に存在する道路データと、前記検索エリア内に存在する歩行者数の分布データと、前記ライドシェア車両の外界センサによる前記ライドシェア車両の外部状況の認識レベルのデータと、が格納される。前記プロセッサは、前記位置データ、前記道路データ、分布データ及び前記認識レベルのデータに基づいて、前記現在地から前記目的地までのルートの検索処理を行う。
前記プロセッサは、前記検索処理において、
前記位置データ及び前記道路データに基づいて、前記現在地から前記目的地までの所要時間が最も短い標準ルートを計算し、
前記位置データ、前記道路データ及び前記分布データに基づいて、前記現在地から前記目的地までの間に歩行者と遭遇する頻度が前記標準ルートのそれよりも高い高頻度ルートを計算し、
前記認識レベルと基準レベルを比較し、
前記認識レベルが前記基準レベル以下の場合は前記標準ルートを最終ルートとして選択し、前記認識レベルが前記基準レベルよりも高い場合は前記高頻度ルートを前記最終ルートとして選択する。

第２の発明は、第１の発明において更に次の特徴を有する。
前記メモリには、更に、前記ライドシェア車両の室内画像のデータが格納される。
前記プロセッサは、前記検索処理において、更に、
前記認識レベルが前記基準レベルよりも高い場合、前記室内画像のデータに基づいて、前記ライドシェア車両の乗客の安全性に関する所定条件が満たされるか否かを判定し、
前記所定条件が満たされると判定された場合は前記高頻度ルートを前記最終ルートとして選択し、前記所定条件が満たされないと判定された場合は前記標準ルートを前記最終ルートとして選択する。

第３の発明は、第１の発明において更に次の特徴を有する。
前記メモリには、更に、前記検索エリア内の天候状況のデータが格納される。
前記プロセッサは、前記検索処理において、更に、
前記認識レベルが前記基準レベルよりも高い場合、前記天候状況のデータに基づいて、前記ライドシェア車両の乗客の安全性に関する所定条件が満たされるか否かを判定し、
前記所定条件が満たされると判定された場合は前記高頻度ルートを前記最終ルートとして選択し、前記所定条件が満たされないと判定された場合は前記標準ルートを前記最終ルートとして選択する。

第４の発明は、ライドシェア車両のルート検索装置であり、次の特徴を有する。
前記ルート検索装置は、メモリと、プロセッサと、を備える。前記メモリには、前記ライドシェア車両の位置データと、前記ライドシェア車両の現在地及び目的地を含む検索エリア内に存在する道路データと、前記検索エリア内に存在する歩行者数の分布データと、前記ライドシェア車両の外界センサによる前記ライドシェア車両の外部状況の認識レベルのデータと、が格納される。前記プロセッサは、前記位置データ、前記道路データ、分布データ及び前記認識レベルのデータに基づいて、前記現在地から前記目的地までのルートの検索処理を行う。
前記プロセッサは、前記検索処理において、
前記位置データ及び前記道路データに基づいて、前記現在地から前記目的地までの所要時間が最も短い標準ルートを計算し、
前記位置データ、前記道路データ及び前記分布データに基づいて、前記現在地から前記目的地までの間に歩行者と遭遇する頻度が前記標準ルートのそれよりも高い高頻度ルートと、前記頻度が前記標準ルートのそれよりも低い低頻度ルートと、を計算し、
前記認識レベルと上限及び下限基準レベルを比較し、
前記認識レベルが上限基準レベルよりも高い場合は前記高頻度ルートを最終ルートとして選択し、前記認識レベルが下限基準レベルよりも低い場合は前記低頻度ルートを前記最終ルートとして選択し、前記認識レベルが前記上限及び下限基準レベルの間の場合は前記標準ルートを前記最終ルートとして選択する。

第５の発明は、第４の発明において更に次の特徴を有する。
前記メモリには、更に、前記ライドシェア車両の室内画像のデータが格納される。
前記プロセッサは、前記検索処理において、更に、
前記認識レベルが前記基準レベルよりも高い場合、前記室内画像のデータに基づいて、前記ライドシェア車両の乗客の安全性に関する所定条件が満たされるか否かを判定し、
前記所定条件が満たされると判定された場合は前記高頻度ルートを前記最終ルートとして選択し、前記所定条件が満たされないと判定された場合は前記標準ルートを前記最終ルートとして選択する。

第６の発明は、第４の発明において更に次の特徴を有する。
前記メモリには、更に、前記検索エリア内の天候状況のデータが格納される。
前記プロセッサは、前記検索処理において、更に、
前記認識レベルが前記基準レベルよりも高い場合、前記天候状況のデータに基づいて、前記ライドシェア車両の乗客の安全性に関する所定条件が満たされるか否かを判定し、
前記所定条件が満たされると判定された場合は前記高頻度ルートを前記最終ルートとして選択し、前記所定条件が満たされないと判定された場合は前記標準ルートを前記最終ルートとして選択する。

第７の発明は、データ処理装置を用いてライドシェア車両の現在地から目的地までのルートの検索を行うルート検索方法であり、次の特徴を有する。
前記データ処理装置は、メモリと、プロセッサと、を備える。前記メモリには、前記ライドシェア車両の位置データと、前記ライドシェア車両の現在地及び目的地を含む検索エリア内に存在する道路データと、前記検索エリア内に存在する歩行者数の分布データと、前記ライドシェア車両の外界センサによる前記ライドシェア車両の外部状況の認識レベルのデータと、が格納される。前記プロセッサは、前記位置データ、前記道路データ、分布データ及び前記認識レベルのデータに基づいて、前記現在地から前記目的地までのルートの検索処理を行う。
前記検索処理は、
前記位置データ及び前記道路データに基づいて、前記現在地から前記目的地までの所要時間が最も短い標準ルートを計算する処理と、
前記位置データ、前記道路データ及び前記分布データに基づいて、前記現在地から前記目的地までの間に歩行者と遭遇する頻度が前記標準ルートのそれよりも高い高頻度ルートを計算する処理と、
前記認識レベルと基準レベルを比較する処理と、
前記認識レベルが前記基準レベル以下の場合は前記標準ルートを最終ルートとして選択し、前記認識レベルが前記基準レベルよりも高い場合は前記高頻度ルートを前記最終ルートとして選択する処理と、
を含む。

第８の発明は、データ処理装置を用いてライドシェア車両の現在地から目的地までのルートの検索を行うルート検索方法であり、次の特徴を有する。
前記データ処理装置は、メモリと、プロセッサと、を備える。前記メモリには、前記ライドシェア車両の位置データと、前記ライドシェア車両の現在地及び目的地を含む検索エリア内に存在する道路データと、前記検索エリア内に存在する歩行者数の分布データと、前記ライドシェア車両の外界センサによる前記ライドシェア車両の外部状況の認識レベルのデータと、が格納される。前記プロセッサは、前記位置データ、前記道路データ、分布データ及び前記認識レベルのデータに基づいて、前記現在地から前記目的地までのルートの検索処理を行う。
前記検索処理は、
前記位置データ及び前記道路データに基づいて、前記現在地から前記目的地までの所要時間が最も短い標準ルートを計算する処理と、
前記位置データ、前記道路データ及び前記分布データに基づいて、前記現在地から前記目的地までの間に歩行者と遭遇する頻度が前記標準ルートのそれよりも高い高頻度ルートと、前記頻度が前記標準ルートのそれよりも低い低頻度ルートと、を計算する処理と、
前記認識レベルと上限及び下限基準レベルを比較する処理と、
前記認識レベルが上限基準レベルよりも高い場合は前記高頻度ルートを最終ルートとして選択し、前記認識レベルが下限基準レベルよりも低い場合は前記低頻度ルートを前記最終ルートとして選択し、前記認識レベルが前記上限及び下限基準レベルの間の場合は前記標準ルートを前記最終ルートとして選択する処理と、
を含む。

第１又は７の発明によれば、検索処理において、標準ルート及び高頻度ルートが計算される。そして、認識レベルが基準レベルよりも高い場合は、高頻度ルートが最終ルートとして選択される。高頻度ルートが最終ルートとして選択されれば、高頻度ルートの途中において多くのユーザをピックアップしながら輸送することが可能となる。また、認識レベルが基準レベルよりも高いため、走行安全性も確保される。従って、走行安全性を確保しながら、ライドシェアサービスの利用率を高めることが可能となる。

高頻度ルートが最終ルートとして選択される場合は、標準ルートが最終ルートとして選択される場合に比べて、最終ルートの走行中にライドシェア車両の前方に飛び出す歩行者に遭遇する確率が高まる。このような歩行者に遭遇した場合は、ライドシェア車両が急減速等の緊急回避動作を行う可能性がある。緊急回避動作が行われる状況は、乗客の安全性の観点から望ましくない。この点、第２又は５の発明によれば、ライドシェア車両の室内画像のデータに基づいて、ライドシェア車両の乗客の安全性に関する所定条件が満たされるか否かが判定される。そして、所定条件が満たされないと判定された場合は、標準ルートが最終ルートとして選択される。従って、ライドシェア車両ＶＨの乗客の安全性に配慮したライドシェアサービスを提供することが可能となる。

第３又は６の発明によれば、検索エリア内の天候状況のデータに基づいて、ライドシェア車両の乗客の安全性に関する所定条件が満たされるか否かが判定される。そして、所定条件が満たされないと判定された場合は、標準ルートが最終ルートとして選択される。従って、第２又は５の発明による効果と同じ効果を得ることが可能となる。

第４又は８の発明によれば、検索処理において、標準ルート、高頻度ルート及び低頻度ルートが計算される。そして、認識レベルが上限基準レベルよりも高い場合は、高頻度ルートが最終ルートとして選択される。従って、第１又は７の発明による効果と同じ効果を得ることが可能となる。加えて、第４又は８の発明によれば、認識レベルが下限基準レベルよりも低い場合は、低頻度ルートが最終ルートとして選択される。従って、最低限の走行安全性を確保しながら、低頻度ルートの途中においてユーザを極力ピックアップすることなく目的地に到達することも可能となる。

ライドシェアサービスを説明する図である。 ライドシェアサービスを説明する図である。 最終ルートの選択手法の第１の例を説明する図である。 最終ルートの選択手法の第１の例を説明する図である。 認識レベルに基づいた判定の一例を示す図である。 最終ルートの選択手法の第２の例を説明する図である。 最終ルートの選択手法の第２の例を説明する図である。 最終ルートの選択手法の第２の例を説明する図である。 第１実施形態に係るルート検索装置の構成例を示す図である。 第１実施形態において、データ処理装置のメモリに格納される各種データの一例を説明する図である。 データ処理装置（プロセッサ）が行う検索処理の第１の例を示すフローチャートである。 データ処理装置（プロセッサ）が行う検索処理の第２の例を示すフローチャートである。 第２実施形態おいて、データ処理装置のメモリに格納される各種データの一例を説明する図である。 データ処理装置（プロセッサ）が行う検索処理の第３の例を示すフローチャートである。 データ処理装置（プロセッサ）が行う検索処理の第４の例を示すフローチャートである。 第３実施形態において、データ処理装置のメモリに格納される各種データの一例を説明する図である。

以下、図面を参照しながら、本発明の実施形態に係るルート検索装置について説明する。なお、実施形態に係るルート検索方法は、実施形態に係るルート検索装置において行われるコンピュータ処理により実現される。また、各図において、同一又は相当する部分には同一符号を付してその説明を簡略化し又は省略する。

第１実施形態
先ず、図１～１２を参照しながら本発明の第１実施形態について説明する。

１．第１実施形態の概要
１－１．ライドシェアサービス
第１実施形態に係るルート検索装置は、ライドシェア車両のルートを検索するための装置である。ライドシェアサービスは、ライドシェア車両の現在地から目的地に向かうルートの途中において、複数のユーザをピックアップしながら輸送するサービスである。図１及び２は、ライドシェアサービスを説明する図である。図１及び２には、ライドシェア車両ＶＨが描かれている。ライドシェア車両ＶＨは、例えば、ドライバレス運転が可能な自動運転車両である。ライドシェア車両ＶＨは手動運転車両でもよい。

図１に示される例において、ライドシェア車両ＶＨは、現在地ＣＰから目的地ＤＳまでのルートＲ１を走行する。図２に示される例では、ライドシェア車両ＶＨがルートＲ２を走行する。現在地ＣＰ及び目的地ＤＳは、例えば、ライドシェア車両ＶＨの停留所である。これらの停留所の位置は、事前に設定されている。ライドシェア車両ＶＨには、ライドシェアサービスのユーザＵ１が乗車している。ユーザＵ１は、例えば、現在地ＣＰでライドシェア車両ＶＨに乗り込み、目的地ＤＳでライドシェア車両ＶＨから降りる。

ライドシェアサービスでは、停留所以外の位置でのライドシェア車両ＶＨへの乗降が可能である。この場合、現在地ＣＰは、例えば、ユーザＵ１がライドシェア車両ＶＨに乗り込んだ位置である。目的地ＤＳは、例えば、ユーザＵ１がライドシェア車両ＶＨから降りることを希望する位置である。尚、目的地ＤＳの情報は、ライドシェア車両ＶＨへの乗車の前後に、ユーザＵ１の携帯端末（例えば、スマートフォン）からライドシェア車両ＶＨに提供される。

ライドシェアサービスでは、１台のライドシェア車両ＶＨを複数のユーザが利用することが可能である。目的地ＤＳの情報は、例えば、ライドシェア車両ＶＨの車体に表示される。別の例では、この情報が、ライドシェア車両ＶＨが走行するルートの情報と共に、ユーザＵ２～Ｕ５の携帯端末に提供される。ライドシェア車両ＶＨの利用を希望するユーザは、ライドシェア車両ＶＨの近くで意思表示を行う（例えば、挙手をする）。この意思表示が認識された場合、ライドシェア車両ＶＨは、減速して一時停止する。

図１に示される例において、ライドシェア車両ＶＨが停止した場合、ユーザＵ２はライドシェア車両ＶＨに乗り込む。ユーザＵ２は、目的地ＤＳでライドシェア車両ＶＨから降りる。図２に示される例において、ライドシェア車両ＶＨが停止した場合、ユーザＵ３～Ｕ５はライドシェア車両ＶＨにそれぞれ乗り込む。ユーザＵ３～Ｕ５は、目的地ＤＳでライドシェア車両ＶＨから降りる。

このように、ライドシェアサービスでは、目的地ＤＳが共通する複数のユーザ（すなわち、図１に示される例ではユーザＵ１及びＵ２。図２に示す例ではユーザＵ１、Ｕ３～Ｕ５）が、１台のライドシェア車両ＶＨを同時に利用する。

このようなライドシェアサービスでは、ライドシェア車両ＶＨの効率的な運行が重要となる。ライドシェア車両ＶＨの効率的な運行のため、ライドシェアサービスでは、現在地ＣＰから目的地ＤＳまでのルートの候補（以下、「候補ルート」とも称す。）が少なくとも２つ検索される。図１に示したルートＲ１及び図２に示したルートＲ２は、これらの候補ルートの一例である。

ルートＲ１とルートＲ２を比較すると、ルートＲ２よりもルートＲ１の方が短い。そのため、ルートＲ１が最終ルート（ライドシェア車両ＶＨが実際に走行するルートをいう。以下同じ。）として選択された場合には、現在地ＣＰから目的地ＤＳまでの所要時間が少なく、ユーザＵ１及びＵ２を短時間で目的地ＤＳに輸送することができる。

ルートＲ１とルートＲ２を比較すると、ルートＲ１の走行中にはユーザＵ２と遭遇するのに対し、ルートＲ２の走行中にはユーザＵ３～Ｕ５と遭遇する。そのため、ルートＲ２が最終ルートとして選択された場合には、ユーザＵ１及びＵ３～Ｕ５を目的地ＤＳに輸送することができる。つまり、この場合には、より多くのユーザを目的地ＤＳに輸送することができる。

１－２．最終ルートの選択
最終ルートの選択は、ライドシェア車両ＶＨが現在地ＣＰを出発するタイミングよりも前に行われる。ここで問題となるのは、最終ルートが選択されるタイミングでは、ユーザＵ２～Ｕ５がライドシェアサービスの利用を希望するかどうかの情報を、ライドシェア車両ＶＨが判断できないことである。そこで、ライドシェアサービスでは、以下に説明する手法に従って、候補ルートのうちから最終ルートが選択される。

１－２－１．最終ルートの選択手法の第１の例
図３及び４は、最終ルートの選択手法の第１の例を説明する図である。この第１の例では、検索エリアＳＡが用いられる。検索エリアＳＡは、現在地ＣＰ及び目的地ＤＳまでのルートの検索の対象となるエリアである。検索エリアＳＡは、現在地ＣＰ及び目的地ＤＳの周辺の地図データに基づいて設定される。検索エリアＳＡは、例えば、現在地ＣＰ及び目的地ＤＳの位置データ（例えば、緯度Ｘ及び経度Ｙのデータ）を含んだ矩形状のエリアである。ただし、検索エリアＳＡの形状はこれに限定されない。

第１の例では、また、検索エリアＳＡにおける人出数ＣＲＷのデータが用いられる。人出数ＣＲＷのデータは、単位ゾーンＺＮ及び時間帯の組み合わせごとに設定されている。単位ゾーンＺＮは、例えば、ライドシェアサービスを提供する予定のエリアを所定面積刻み（例えば、５０～１００ｍ^２刻み）で分割することにより形成される。個々の単位ゾーンＺＮは、代表地点の位置データ（Ｘ，Ｙ）により特定される。時間帯は、例えば、所定時間刻み（例えば、１０～３０分刻み）で設定される。人出数ＣＲＷのデータを用いることで、検索エリアＳＡの設定時刻を含む時間帯において、個々の単位ゾーンＺＮを通過する歩行者数が予測される。

人出数ＣＲＷのデータは、例えば、ライドシェアサービスを提供するエリアにおける歩行者の過去の位置データ（Ｘ，Ｙ）に基づいて生成される。歩行者の位置データ（Ｘ，Ｙ）は、経度Ｘ及び緯度Ｙで特定される位置に当該歩行者が存在していたことを示すデータである。よって、複数の歩行者の過去の位置データ（Ｘ，Ｙ）を単位ゾーンＺＮ及び時間帯ごとに集計すると、人出数ＣＲＷのデータが得られる。人出数ＣＲＷのデータは、平日及び休日と組み合わせて集計されてもよい。この場合は、人出数ＣＲＷのデータを用いることで、検索エリアＳＡの設定日及び設定時刻に応じて、個々の単位ゾーンＺＮを通過する歩行者数を予測することが可能となる。

図３及び４に示す人型アイコンは人出数ＣＲＷを模式的に示したものである。単位ゾーンＺＮに描かれる人型アイコンの数が多いということは、この単位ゾーンＺＮを通過すると予測される歩行者数が多いことを意味している。単位ゾーンＺＮごとの人出数ＣＲＷのデータを検索エリアＳＡ全体として見た場合、この人出数ＣＲＷのデータは、検索エリアＳＡにおける歩行者数の分布データを構成する。

第１の例では、まず、標準ルートＲｓｔが計算される。標準ルートＲｓｔは、現在地ＣＰから目的地ＤＳまでの所要時間が最も短い候補ルートである。所要時間の計算は、例えば、検索エリアＳＡ内に存在する道路の位置データ（Ｘ，Ｙ）と、ライドシェア車両ＶＨの平均速度と、に基づいて行われる。所要時間の計算に、候補ルート上に設けられる信号機の数、候補ルート上で行われる右折及び左折の回数、候補ルートを構成する道路の道幅（最小道幅、最大道幅）などが考慮されてもよい。尚、図４に示される標準ルートＲｓｔは、図１に示したルートＲ１である。

第１の例では、続いて、高頻度ルートＲｈｆが計算される。高頻度ルートＲｈｆは、現在地ＣＰから目的地ＤＳまでの間に歩行者と遭遇する頻度（以下、「遭遇頻度」とも称す。）が標準ルートＲｓｔのそれよりも高い候補ルートである。遭遇頻度は、検索エリアＳＡにおける歩行者数の分布データに基づいて計算される。例えば、検索エリアＳＡにおいて、候補ルートが通過する単位ゾーンＺＮの人出数ＣＲＷを足し合わせる。そうすると、候補ルートごとに、人出数ＣＲＷの総数が計算される。総数が多いほど、遭遇頻度が高いと言える。尚、図４に示される高頻度ルートＲｈｆは、図２に示したルートＲ２である。

高頻度ルートＲｈｆは、２本以上の候補ルートを含んでいてもよい。ただし、高頻度ルートＲｈｆは、所要時間が許容時間以下の候補ルートに限定される。許容時間は、標準ルートＲｓｔの所要時間を基準として設定される。許容時間は、例えば、標準ルートＲｓｔの所要時間の１１０～１３０％である。目的地ＤＳへ到着する予定時刻が設定されている場合は、この予定時刻を更に考慮して許容時間が設定されてもよい。

第１の例では、外界センサの認識レベルＬＥＶに基づいた判定が行われる。外界センサは、ライドシェア車両ＶＨの外部状況を認識するためのセンサである。外界センサとしては、カメラ、ミリ波レーダ及びライダーが例示される。認識レベルＬＥＶは、外界センサの仕様を正規化した値に基づいて計算される。カメラの仕様としては、画角及び解像度が例示される。ミリ波レーダの仕様としては、距離、速度及び角度の分解能が例示される。ライダーの仕様としては、計測可能距離と、水平及び垂直方向の視野角と、水平及び垂直方向の分解能と、が例示される。

認識レベルＬＥＶは、例えば、カメラの仕様を正規化した値ＳＣＭと、ミリ波レーダの仕様を正規化した値ＳＲＤと、ライダーの仕様を正規化した値ＳＬＤと、に基づいて表される下記式（１）により計算される。
ＬＥＶ＝ΣＳＣＭ＋ΣＳＲＤ＋ΣＳＬＤ ・・・（１）
値ＳＣＭ、ＳＲＤ及びＳＬＤは、外界センサの性能が高くなるほど高い値を示すように設計される。

認識レベルＬＥＶに基づいた判定では、式（１）に基づいて計算された認識レベルＬＥＶと、基準レベルとの比較が行われる。図５は、認識レベルＬＥＶに基づいた判定の一例を示す図である。閾値ＴＨ１は、ライドシェア車両ＶＨの外部状況を認識するために外界センサが全体として満たす必要のある認識レベルを示している。認識レベルＬＥＶに基づいた判定は、認識レベルＬＥＶが閾値ＴＨ１よりも高い場合に行われる。基準レベルは、閾値ＴＨ２（＞ＴＨ１）に相当する。

認識レベルＬＥＶが閾値ＴＨ２以下の場合、認識レベルＬＥＶは通常レベルＲＬであると判定される。この場合、標準ルートＲｓｔが最終ルートとして選択される。一方、認識レベルＬＥＶが閾値ＴＨ２よりも高い場合、認識レベルＬＥＶは高レベルＨＬであると判定される。この場合、高頻度ルートＲｈｆが最終ルートとして選択される。

認識レベルＬＥＶはライドシェア車両ＶＨの走行安全性に影響を及ぼすことから、認識レベルＬＥＶと走行安全性の間には相関があると言える。この点、認識レベルＬＥＶが高レベルＨＬであるということは、認識レベルＬＥＶが通常レベルＲＬである場合に比べて、走行安全性を確保し易い仕様をライドシェア車両ＶＨが有していると言える。故に、認識レベルＬＥＶが高レベルＨＬであると判定された場合は、走行安全性を確保しながら、高頻度ルートＲｈｆの途中において多くのユーザをピックアップしながら輸送することが可能となる。

１－２－２．最終ルートの選択手法の第２の例
図６～８は、最終ルートの選択手法の第２の例を説明する図である。図６に示されるライドシェア車両ＶＨ、現在地ＣＰ、目的地ＤＳ及びユーザＵ１～Ｕ５については、図１及び２で説明したとおりである。

図６に示されるルートＲ３は、現在地ＣＰから目的地ＤＳまでの候補ルートである。ルートＲ３と、図１に示されたルートＲ１とを比較すると、ルートＲ１の走行中にはユーザＵ２と遭遇するのに対し、ルートＲ３の走行中にはどの歩行者にも遭遇しない。そのため、ルートＲ３が最終ルートとして選択された場合には、最終ルートの途中で歩行者に遭遇することなくユーザＵ１を目的地ＤＳに輸送することができる。

第１の例同様、第２の例でも、標準ルートＲｓｔ及び高頻度ルートＲｈｆが計算される。図７に示される標準ルートＲｓｔは、図１に示したルートＲ１と同じである。また、図７示される高頻度ルートＲｈｆは、図２に示したルートＲ２と同じである。

第２の例では、少なくとも標準ルートＲｓｔが計算された後、低頻度ルートＲｌｆが計算される。低頻度ルートＲｌｆは、その遭遇頻度が標準ルートＲｓｔにおける遭遇頻度よりも低い候補ルートである。低頻度ルートＲｌｆは、２本以上の候補ルートを含んでいてもよい。ただし、高頻度ルートＲｈｆ同様、低頻度ルートＲｌｆは、所要時間が許容時間以下の候補ルートに限定される。

第１の例同様、第２の例でも、外界センサの認識レベルＬＥＶに基づいた判定が行われる。図８は、認識レベルＬＥＶに基づいた判定の別の例を示す図である。図８に示される例では、式（１）に基づいて計算された認識レベルＬＥＶと、２種類の基準レベルとの比較が行われる。２種類の基準レベルは、具体的には、上限及び下限基準レベルである。上限基準レベルは、閾値ＴＨ２に相当する。下限基準レベルは、閾値ＴＨ３（ＴＨ１＜ＴＨ３＜ＴＨ２）である。

図８に示される例では、認識レベルＬＥＶが閾値ＴＨ２よりも高い場合、認識レベルＬＥＶは高レベルＨＬであると判定される。この場合、高頻度ルートＲｈｆが最終ルートとして選択される。ここまでは、図５に示した例と同じである。

図８に示される例では、認識レベルＬＥＶが閾値ＴＨ２～ＴＨ３の場合、認識レベルＬＥＶは通常レベルＲＬであると判定される。この場合、標準ルートＲｓｔが最終ルートとして選択される。一方、認識レベルＬＥＶが閾値ＴＨ３よりも低い場合、認識レベルＬＥＶは低レベルＬＬであると判定される。この場合、低頻度ルートＲｌｆが最終ルートとして選択される。

既述したように、レベルＬＥＶと走行安全性の間には相関がある。この点、認識レベルＬＥＶが低レベルＨＬであるということは、認識レベルＬＥＶが通常レベルＲＬである場合に比べて、走行安全性を確保し難い仕様をライドシェア車両ＶＨが有していると言える。故に、認識レベルＬＥＶが低レベルＨＬであると判定された場合は、最低限の走行安全性を確保しながら、低頻度ルートＲｌｆの途中においてユーザを極力ピックアップすることなく目的地ＤＳに到達することが可能となる。

２．ルート検索装置
２－１．装置全体の構成例
以下、第１実施形態に係るルート検索装置の構成について、図９を参照しながら説明する。図９は、第１実施形態に係るルート検索装置の構成例を示す図である。図９に示されるルート検索装置１は、例えば、ライドシェア車両ＶＨに搭載される。別の例では、ライドシェア車両ＶＨと通信が可能な遠隔施設に、ルート検索装置１が設けられる。尚、後者の場合、遠隔施設との間でデータを送受信するための装置が、ルート検索装置１に追加される。

図９に示されるように、ルート検索装置１は、ＧＮＳＳ（Global Navigation Satellite System）センサ１１と、外界センサ１２と、地図ＤＢ（データベース）１３と、歩行者ＤＢ１４と、データ処理装置１５と、を備えている。尚、外界センサ１２は、ルート検索装置１の必須構成ではない。また、地図ＤＢ１３及び歩行者ＤＢ１４は、ライドシェア車両ＶＨと通信が可能な遠隔施設に設けられていてもよい。この場合は、地図ＤＢ１３及び歩行者ＤＢ１４の代わりに、遠隔施設との間でデータを送受信するための装置が、ルート検索装置１に追加される。

ＧＮＳＳセンサ１１は、３個以上の人工衛星からの信号を受信する装置である。ＧＮＳＳセンサ１１は、ライドシェア車両ＶＨの位置及び姿勢データＰＯＳを取得する装置でもある。ＧＮＳＳセンサ１１は、人工衛星から受信した信号に基づいて、ライドシェア車両ＶＨの位置及び姿勢（方位）を算出する。ＧＮＳＳセンサ１１は、位置及び姿勢データＰＯＳをデータ処理装置１５に送信する。

外界センサ１２は、ライドシェア車両ＶＨの周辺の状況を検出する機器である。外界センサ１２としては、カメラ、ミリ波レーダ及びライダーが例示される。カメラは、ライドシェア車両ＶＨの外部の状況を撮像する。ミリ波レーダは、ミリ波を利用してライドシェア車両ＶＨの周辺の物標を検出する。ライダーは、光を利用してライドシェア車両ＶＨの周辺の物標を検出する。物標には、静的物標と動的物標が含まれる。静的物標としては、ガードレール、建物が例示される。動的物標としては、歩行者、自転車、オートバイ及びライドシェア車両ＶＨ以外の車両が含まれる。

地図ＤＢ１３は、地図データを記憶するデータベースである。地図データとしては、道路の位置データ、道路形状のデータ（例えば、カーブ、直線の種別）、交差点及び構造物の位置データが例示される。道路の位置データ及び道路形状のデータは「道路データＲＯＤ」と総称される。地図データには、交通規制データも含まれている。地図ＤＢ１３は、ライドシェア車両ＶＨに搭載された所定の記憶装置（例えば、ハードディスク、フラッシュメモリ）内に形成されている。地図ＤＢ１３は、遠隔施設のコンピュータ内に形成されていてもよい。

歩行者ＤＢ１４は、人出数ＣＲＷのデータを記憶するデータベースである。人出数ＣＲＷのデータは、単位ゾーンＺＮ及び時間帯の組み合わせごとに設定されている。既述したように、単位ゾーンＺＮは、例えば、ライドシェアサービスを提供する予定のエリアを所定面積刻みで分割することにより形成される。時間帯は、例えば、所定時間刻みで設定される。人出数ＣＲＷのデータは、平日及び休日と組み合わせて設定されていてもよい。

データ処理装置１５は、少なくとも１つのプロセッサ１６と、少なくとも１つのメモリ１７と、を有するマイクロコンピュータから構成される。プロセッサ１６は、ＣＰＵ（Central Processing Unit）を含んでいる。プロセッサ１６は、現在地ＣＰから目的地ＤＳまでのルートの検索処理を行う。検索処理の具体例については後述される。メモリ１７は、ＤＤＲメモリなどの揮発性のメモリである。メモリ１７は、プロセッサ１６が使用するプログラムの展開及び各種データの一時保存を行う。

２－２．各種データの構成例
図１０は、メモリ１７に格納される各種データの一例を説明する図である。図１０に示される例では、位置及び姿勢データＰＯＳと、目的地データＤＳＴと、道路データＲＯＤと、人出数ＣＲＷのデータと、認識レベルＬＥＶのデータと、がメモリ１７に格納されている。

位置及び姿勢データＰＯＳは、ＧＮＳＳセンサ１１から受信したデータである。目的地データＤＳＴは、目的地ＤＳのデータである。道路データＲＯＤは、地図ＤＢ１３から受信したデータである。道路データＲＯＤは、現在地ＣＰ及び目的地ＤＳの位置データに基づいて特定される検索エリアＳＡの道路のデータである。人出数ＣＲＷのデータは、検索エリアＳＡの設定時刻を含む時間帯の歩行者数のデータであり、検索エリアＳＡに含まれる個々の単位ゾーンＺＮにおける歩行者数のデータでもある。認識レベルＬＥＶのデータは、ライドシェア車両ＶＨに固有のデータである。認識レベルＬＥＶは、外界センサ１１の仕様に基づいて事前に計算されている。

２－３．データ処理装置（プロセッサ）による第１の処理例
図１１は、データ処理装置１５（プロセッサ１６）が行う検索処理の第１の例を示すフローチャートである。図１１に示されるルーチンは、所定のタイミングにおいて実行される。所定のタイミングとしては、ライドシェア車両ＶＨが出発地（例えば、車庫、停留所など）から出発するタイミングが例示される。所定のタイミングとしては、ライドシェア車両ＶＨにユーザが乗り込んだ後のタイミングも例示される。

図１１に示されるルーチンでは、まず、検索エリアＳＡの設定が行われる（ステップＳ１１）。検索エリアＳＡの設定は、例えば、次のように行われる。まず、メモリ１７から位置及び姿勢データＰＯＳが読み出され、現在地ＣＰの位置データが特定される。また、ライドシェア車両ＶＨの目的地ＤＳの位置データが取得される。続いて、現在地ＣＰ及び目的地ＤＳの位置データを用いた地図ＤＢの参照により、これらの位置データを含んだ一定のエリアが抽出される。これにより、検索エリアＳＡが設定される。

ステップＳ１１の処理に続いて、道路データＲＯＤ及び人出数ＣＲＷのデータの抽出が行われる（ステップＳ１２）。道路データの抽出は、ステップＳ１１で設定された検索エリアＳＡの位置データに基づいて行われる。抽出される道路データは、検索エリアＳＡ内に存在する道路のデータである。人出数ＣＲＷのデータの抽出は、ステップＳ１１で設定された検索エリアＳＡの位置データと、この検索エリアＳＡの設定時刻のデータと、に基づいて行われる。抽出される人出数ＣＲＷのデータは、設定時刻を含む時間帯において、検索エリアＳＡに含まれる個々の単位ゾーンＺＮのデータである。

ステップＳ１２の処理に続いて、標準ルートＲｓｔが計算される（ステップＳ１３）。既述したように、標準ルートＲｓｔは、現在地ＣＰから目的地ＤＳまでの所要時間が最も短い候補ルートである。ステップＳ１３の処理において、所要時間の計算は、ステップＳ１２において抽出された道路の位置データと、ライドシェア車両ＶＨの平均速度と、に基づいて行われる。平均速度は、例えば、ライドシェア車両ＶＨの走行速度の履歴に基づいて計算される。

ステップＳ１３の処理に続いて、高頻度ルートＲｈｆが計算される（ステップＳ１４）。既述したように、高頻度ルートＲｈｆは、その遭遇頻度が標準ルートＲｓｔにおける遭遇頻度よりも高い候補ルートである。ステップＳ１４の処理において、遭遇頻度の計算は、ステップＳ１２の処理において抽出された人出数ＣＲＷのうち、候補ルートが通過する単位ゾーンＺＮのものを足し合わせることにより行われる。遭遇頻度が計算されたら、標準ルートＲｓｔの遭遇頻度よりも高い遭遇頻度を有する候補ルートが抽出される。

ステップＳ１４の処理において、標準ルートＲｓｔの遭遇頻度よりも高い遭遇頻度を有する候補ルートが抽出されたら、当該候補ルートの所要時間が計算される。そして、この所要時間が許容時間を超える候補ルートが破棄され、所要時間が許容時間以下の候補ルートが抽出される。抽出された候補ルートのうち、遭遇頻度の最も高いものが高頻度ルートＴｈｆとして選出される。

ステップＳ１４の処理に続いて、認識レベルＬＥＶが基準レベルを上回るか否かが判定される（ステップＳ１５）。基準レベルは、図５で説明した閾値ＴＨ２である。ステップＳ１５の処理では、メモリ１７から認識レベルＬＥＶが読み出され、この認識レベルＬＥＶが閾値ＴＨ２を上回るか否かが判定される。

ステップＳ１５の判定結果が肯定的な場合、高頻度ルートＲｈｆが最終ルートに選択される（ステップＳ１６）。一方、ステップＳ１５の判定結果が否定的な場合、標準ルートＲｓｔが最終ルートに選択される（ステップＳ１７）。

２－４．データ処理装置（プロセッサ）による第２の処理例
図１２は、データ処理装置１５（プロセッサ１６）が行う検索処理の第２の例を示すフローチャートである。図１２に示されるルーチンは、図１１に示したステップＳ１４の処理に続いて実行される。

図１２に示されるルーチンでは、低頻度ルートＲｌｆが計算される（ステップＳ２１）。既述したように、低頻度ルートＲｌｆは、その遭遇頻度が標準ルートＲｓｔにおける遭遇頻度よりも低い候補ルートである。ステップＳ２１の処理において、低頻度ルートＲｌｆは、ステップＳ１４で説明した手法と同様の手法により選出される。

具体的には、まず、ステップＳ１２の処理において抽出された人出数ＣＲＷに基づいて、遭遇頻度の計算が行われる。遭遇頻度が計算されたら、標準ルートＲｓｔの遭遇頻度よりも低い遭遇頻度を有する候補ルートが抽出される。候補ルートが抽出されたら、当該候補ルートの所要時間が計算される。そして、この所要時間が許容時間を超える候補ルートが破棄され、所要時間が許容時間以下の候補ルートが抽出される。抽出された候補ルートのうち、遭遇頻度の最も低いものが低頻度ルートＴｌｆとして選出される。

ステップＳ２１の処理に続いて、認識レベルＬＥＶが上限基準レベルを上回るか否かが判定される（ステップＳ２２）。上限基準レベルは、図８で説明した閾値ＴＨ２である。ステップＳ２２の処理では、メモリ１７から認識レベルＬＥＶが読み出され、この認識レベルＬＥＶが閾値ＴＨ２を上回るか否かが判定される。

ステップＳ２２の判定結果が肯定的な場合、高頻度ルートＲｈｆが最終ルートに選択される（ステップＳ２３）。一方、ステップＳ２２の判定結果が否定的な場合、認識レベルＬＥＶが下限基準レベルを上回るか否かが判定される（ステップＳ２４）。下限基準レベルは、図８で説明した閾値ＴＨ３である。

ステップＳ２４の判定結果が肯定的な場合、標準ルートＲｓｔが最終ルートに選択される（ステップＳ２５）。一方、ステップＳ２４の判定結果が否定的な場合、低頻度ルートｌｆが最終ルートに選択される（ステップＳ２６）。

３．効果
第１実施形態によれば、候補ルートとして少なくとも標準ルートＲｓｔ及び高頻度ルートＲｈｆが計算される。そして、認識レベルＬＥＶが基準レベル又は上限基準レベルよりも高い場合は、高頻度ルートＲｈｆが最終ルートとして選択される。高頻度ルートＲｈｆが最終ルートとして選択されれば、高頻度ルートＲｈｆの途中において多くのユーザをピックアップしながら輸送することが可能となる。また、認識レベルＬＥＶが基準レベル又は上限基準レベルよりも高いため、走行安全性も確保される。以上のことから、走行安全性を確保しながら、ライドシェアサービスの利用率を高めることが可能となる。

標準ルートＲｓｔ、高頻度ルートＲｈｆ及び低頻度ルートＲｌｆが候補ルートとして計算された場合は、次の効果が期待される。すなわち、この場合は、認識レベルＬＥＶが下限基準レベルよりも低いときに、低頻度ルートＲｌｆが最終ルートとして選択される。そのため、最低限の走行安全性を確保しながら、低頻度ルートＲｌｆの途中においてユーザを極力ピックアップすることなく目的地ＤＳに到達することも可能となる。

第２実施形態
次に、図１３～１５を参照しながら本発明の第２実施形態について説明する。なお、第１実施形態の説明と重複する説明については適宜省略される。

１．ルート検索装置
１－１．装置全体の構成例
第２実施形態に係るルート検索装置の構成例は、図９で説明した構成例に、ライドシェア車両ＶＨの室内の状況を撮像する室内カメラが追加されたものである。

１－２．各種データの構成例
図１３は、メモリ１７に格納される各種データの一例を説明する図である。図１３に示される例では、位置及び姿勢データＰＯＳと、目的地データＤＳＴと、道路データＲＯＤと、人出数ＣＲＷのデータと、認識レベルＬＥＶのデータと、画像データＩＭＧと、がメモリ１７に格納されている。画像データＩＭＧ以外のデータについては、図１０で説明したとおりである。画像データＩＭＧは、ライドシェア車両ＶＨの室内の動画データである。画像データＩＭＧは、静止画像であってもよい。

１－３．データ処理装置（プロセッサ）による第３の処理例
図１４は、データ処理装置１５（プロセッサ１６）が行う検索処理の第３の例を示すフローチャートである。図１４に示されるルーチンは、図１１に示したステップＳ１４の処理に続いて実行される。

図１４に示されるルーチンでは、まず、認識レベルＬＥＶが基準レベルを上回るか否かが判定される（ステップＳ３１）。ステップＳ３１の処理の内容は、図１１に示したステップＳ１５の処理のそれと同じである。ステップＳ３１の判定結果が否定的な場合、標準ルートＲｓｔが最終ルートに選択される（ステップＳ３２）。ここまでは、図１１で説明した第１の例と同じである。

第３の例では、ステップＳ３１の判定結果が肯定的な場合、所定条件が満たされるか否かが判定される（ステップＳ３３）。所定条件は、ライドシェア車両ＶＨの乗客の安全性に関する下記の条件を含んでいる。
第１乗客条件：座席に座らず立っている乗客が室内に存在しない
第２乗客条件：お年寄り又は子供が室内に存在しない
所定条件が満たされるか否かの判定は、メモリ１７から読み出された画像データＩＭＧに基づいて行われる。画像データＩＭＧに基づいた乗客の着席状態又は乗客の年齢を推定する手法は、公知の手法が適用される。

第１及び第２乗客条件が満たされる場合、所定条件が満たされると判定される。ステップＳ３３の判定結果が肯定的な場合、高頻度ルートＲｈｆが最終ルートに選択される（ステップＳ３４）。一方、ステップＳ３３の判定結果が否定的な場合、標準ルートＲｓｔが最終ルートに選択される（ステップＳ３２）。

１－４．データ処理装置（プロセッサ）による第４の処理例
図１５は、データ処理装置１５（プロセッサ１６）が行う検索処理の第４の例を示すフローチャートである。図１５に示されるルーチンは、図１２に示したステップＳ２１の処理に続いて実行される。

図１５に示されるルーチンでは、まず、認識レベルＬＥＶが上限基準レベルを上回るか否かが判定される（ステップＳ４１）。ステップＳ４１の処理の内容は、図１２に示したステップＳ２２の処理のそれと同じである。ステップＳ４１の判定結果が否定的な場合、認識レベルＬＥＶが下限基準レベルを上回るか否かが判定される（ステップＳ４２）。そして、ステップＳ４２の判定結果が肯定的な場合、標準ルートＲｓｔが最終ルートに選択される（ステップＳ４３）。一方、ステップＳ４２の判定結果が否定的な場合、低頻度ルートＲｌｆが最終ルートに選択される（ステップＳ４４）。ここまでは、図１２で説明した第２の例と同じである。

第４の例では、ステップＳ４１の判定結果が肯定的な場合、所定条件が満たされるか否かが判定される（ステップＳ４５）。この所定条件は、上述した第１及び第２乗客条件を含んでいる。ステップＳ４５の判定結果が肯定的な場合、高頻度ルートＲｈｆが最終ルートに選択される（ステップＳ４６）。一方、ステップＳ４４の判定結果が否定的な場合、標準ルートＲｓｔが最終ルートに選択される（ステップＳ４３）。

２．効果
第２実施形態によれば、認識レベルＬＥＶが基準レベル又は上限基準レベルよりも高い場合に、所定条件が満たされるか否かが判定される。そして、所定条件が満たされないと判定された場合、標準ルートＲｓｔが最終ルートとして選択される。

既述したように、高頻度ルートＲｈｆは、その遭遇頻度が標準ルートＲｓｔにおける遭遇頻度よりも高い候補ルートである。そのため、高頻度ルートＲｈｆの走行中は、標準ルートＲｓｔの走行中に比べ、ライドシェア車両ＶＨの前方に飛び出す歩行者に遭遇する確率が高まる。このような歩行者に遭遇した場合、ライドシェア車両ＶＨが急減速等の緊急回避動作を行う可能性がある。このような緊急回避動作が行われる状況は、立ち乗りしている乗客の転倒や、お年寄り又は子供の座席からの転落に繋がるため望ましい状況ではない。

この点、第２実施形態によれば、高頻度ルートＲｈｆが最終ルートとして選択されることに伴うデメリットを考慮することが可能となる。従って、ライドシェア車両ＶＨの乗客の安全性に配慮したライドシェアサービスを提供することが可能となる。

第３実施形態
次に、図１６を参照しながら本発明の第３実施形態について説明する。なお、第１又は第２実施形態の説明と重複する説明については適宜省略される。

１．ルート検索装置
１－１．装置全体の構成例
第３実施形態に係るルート検索装置の構成例は、図９で説明した構成例に、ライドシェア車両ＶＨの周囲のインフラとの間でＶ２Ｉ通信（路車間通信）を行う通信装置が追加されたものである。

１－２．各種データの構成例
図１６は、メモリ１７に格納される各種データの一例を説明する図である。図１６に示される例では、位置及び姿勢データＰＯＳと、目的地データＤＳＴと、道路データＲＯＤと、人出数ＣＲＷのデータと、認識レベルＬＥＶのデータと、天候データＷＥＴと、がメモリ１７に格納されている。天候データＷＥＴ以外のデータについては、図１０で説明したとおりである。天候データＷＥＴは、検索エリアＳＡにおける天候状況（晴れ、曇、雨及び雪）のデータである。天候データＷＥＴは、人出数ＣＲＷのデータ同様、単位ゾーンＺＮ及び時間帯の組み合わせごとに設定されている。

１－３．データ処理装置（プロセッサ）による第５の処理例
データ処理装置１５（プロセッサ１６）が行う検索処理の第５の例について、図１４及び１５を参照しながら説明する。第５の例で行われる検索処理は、所定条件の内容において、図１４及び１５で説明した第３及び４の例と異なる。第５の例の所定条件は、ライドシェア車両ＶＨの乗客の安全性に関する下記の条件を含んでいる。
天候条件：候補ルートが通過する単位ゾーンＺＮの天候が雨又は雪である
所定条件が満たされるか否かの判定は、メモリ１７から読み出された天候データＷＥＴに基づいて行われる。

天候条件が満たされる場合、所定条件が満たされると判定される。第５の例では、天候条件の判定が、図１４のステップＳ３３の処理、又は図１５のステップＳ４５の処理において行われる。

２．効果
第３実施形態によれば、認識レベルＬＥＶが基準レベル又は上限基準レベルよりも高い場合、所定条件が満たされるか否かが判定される。この所定条件の判定は、認識レベルＬＥＶが下限基準レベルよりも低い場合にも行われる。そして、所定条件が満たされないと判定された場合、標準ルートＲｓｔが最終ルートとして選択される。

第２実施形態において説明したように、高頻度ルートＲｈｆの走行中は、標準ルートＲｓｔの走行中に比べ、ライドシェア車両ＶＨの前方に飛び出す歩行者に遭遇する確率が高まる。加えて、雨又は雪といった悪天候下では、外界センサ１２によるライドシェア車両ＶＨの周辺の状況の検出の精度が低下する。そのため、緊急回避動作が行われる確率が高まる。

この点、第３実施形態によれば、悪天候下で高頻度ルートＲｈｆが最終ルートとして選択されることに伴うデメリットを考慮することが可能となる。従って、第２実施形態による効果と同じ効果を得ることができる。

１ ルート検索装置
１１ ＧＮＳＳセンサ
１２ 外界センサ
１３ 地図データベース
１４ 歩行者データベース
１５ データ処理装置
１６ プロセッサ
１７ メモリ
ＣＰ 現在地
ＤＳ 目的地
ＶＨ ライドシェア車両
Ｒｓｔ 標準ルート
Ｒｈｆ 高頻度ルート
Ｒｌｆ 低頻度ルート
ＳＡ 検索エリア
Ｕ１～Ｕ５ ユーザ
ＺＮ 単位ゾーン
ＣＲＷ 人出数
ＩＭＧ 室内画像
ＬＥＶ 認識レベル
ＰＯＳ 位置及び姿勢データ
ＲＯＤ 道路データ
ＷＥＴ 天候状況

Claims (8)

1. ライドシェア車両のルート検索装置であって、
   前記ライドシェア車両の位置データと、前記ライドシェア車両の現在地及び目的地を含む検索エリア内に存在する道路データと、前記検索エリア内に存在する歩行者数の分布データと、前記ライドシェア車両の外界センサによる前記ライドシェア車両の外部状況の認識レベルのデータと、が格納されたメモリと、
   前記位置データ、前記道路データ、分布データ及び前記認識レベルのデータに基づいて、前記現在地から前記目的地までのルートの検索処理を行うプロセッサと、
   を備え、
   前記プロセッサは、前記検索処理において、
   前記位置データ及び前記道路データに基づいて、前記現在地から前記目的地までの所要時間が最も短い標準ルートを計算し、
   前記位置データ、前記道路データ及び前記分布データに基づいて、前記現在地から前記目的地までの間に歩行者と遭遇する頻度が前記標準ルートのそれよりも高い高頻度ルートを計算し、
   前記認識レベルと基準レベルを比較し、
   前記認識レベルが前記基準レベル以下の場合は前記標準ルートを最終ルートとして選択し、前記認識レベルが前記基準レベルよりも高い場合は前記高頻度ルートを前記最終ルートとして選択する
   ことを特徴とするライドシェア車両のルート検索装置。
2. 請求項１に記載のルート検索装置であって、
   前記メモリには、更に、前記ライドシェア車両の室内画像のデータが格納され、
   前記プロセッサは、前記検索処理において、更に、
   前記認識レベルが前記基準レベルよりも高い場合、前記室内画像のデータに基づいて、前記ライドシェア車両の乗客の安全性に関する所定条件が満たされるか否かを判定し、
   前記所定条件が満たされると判定された場合は前記高頻度ルートを前記最終ルートとして選択し、前記所定条件が満たされないと判定された場合は前記標準ルートを前記最終ルートとして選択する
   ことを特徴とするライドシェア車両のルート検索装置。
3. 請求項１に記載のルート検索装置であって、
   前記メモリには、更に、前記検索エリア内の天候状況のデータが格納され、
   前記プロセッサは、前記検索処理において、更に、
   前記認識レベルが前記基準レベルよりも高い場合、前記天候状況のデータに基づいて、前記ライドシェア車両の乗客の安全性に関する所定条件が満たされるか否かを判定し、
   前記所定条件が満たされると判定された場合は前記高頻度ルートを前記最終ルートとして選択し、前記所定条件が満たされないと判定された場合は前記標準ルートを前記最終ルートとして選択する
   ことを特徴とするライドシェア車両のルート検索装置。
4. ライドシェア車両のルート検索装置であって、
   前記ライドシェア車両の位置データと、前記ライドシェア車両の現在地及び目的地を含む検索エリア内に存在する道路データと、前記検索エリア内に存在する歩行者数の分布データと、前記ライドシェア車両の外界センサによる前記ライドシェア車両の外部状況の認識レベルのデータと、が格納されたメモリと、
   前記位置データ、前記道路データ、分布データ及び前記認識レベルのデータに基づいて、前記現在地から前記目的地までのルートの検索処理を行うプロセッサと、
   を備え、
   前記プロセッサは、前記検索処理において、
   前記位置データ及び前記道路データに基づいて、前記現在地から前記目的地までの所要時間が最も短い標準ルートを計算し、
   前記位置データ、前記道路データ及び前記分布データに基づいて、前記現在地から前記目的地までの間に歩行者と遭遇する頻度が前記標準ルートのそれよりも高い高頻度ルートと、前記頻度が前記標準ルートのそれよりも低い低頻度ルートと、を計算し、
   前記認識レベルと上限及び下限基準レベルを比較し、
   前記認識レベルが上限基準レベルよりも高い場合は前記高頻度ルートを最終ルートとして選択し、前記認識レベルが下限基準レベルよりも低い場合は前記低頻度ルートを前記最終ルートとして選択し、前記認識レベルが前記上限及び下限基準レベルの間の場合は前記標準ルートを前記最終ルートとして選択する
   ことを特徴とするライドシェア車両のルート検索装置。
5. 請求項４に記載のルート検索装置であって、
   前記メモリには、更に、前記ライドシェア車両の室内画像のデータが格納され、
   前記プロセッサは、前記検索処理において、更に、
   前記認識レベルが前記上限基準レベルよりも高い場合、前記室内画像のデータに基づいて、前記ライドシェア車両の乗客の安全性に関する所定条件が満たされるか否かを判定し、
   前記所定条件が満たされると判定された場合は前記高頻度ルートを前記最終ルートとして選択し、前記所定条件が満たされないと判定された場合は前記標準ルートを前記最終ルートとして選択する
   ことを特徴とするライドシェア車両のルート検索装置。
6. 請求項４に記載のルート検索装置であって、
   前記メモリには、更に、前記検索エリア内の天候状況のデータが格納され、
   前記プロセッサは、前記検索処理において、更に、
   前記認識レベルが前記上限基準レベルよりも高い場合、前記天候状況のデータに基づいて、前記ライドシェア車両の乗客の安全性に関する所定条件が満たされるか否かを判定し、
   前記所定条件が満たされると判定された場合は前記高頻度ルートを前記最終ルートとして選択し、前記所定条件が満たされないと判定された場合は前記標準ルートを前記最終ルートとして選択する
   ことを特徴とするライドシェア車両のルート検索装置。
7. データ処理装置を用いてライドシェア車両の現在地から目的地までのルートの検索を行うルート検索方法であって、
   前記データ処理装置が、
   前記ライドシェア車両の位置データと、前記ライドシェア車両の現在地及び目的地を含む検索エリア内に存在する道路データと、前記検索エリア内に存在する歩行者数の分布データと、前記ライドシェア車両の外界センサによる前記ライドシェア車両の外部状況の認識レベルのデータと、が格納されたメモリと、
   前記位置データ、前記道路データ、分布データ及び前記認識レベルのデータに基づいて、前記現在地から前記目的地までのルートの検索処理を行うプロセッサと、
   を備え、
   前記検索処理が、
   前記位置データ及び前記道路データに基づいて、前記現在地から前記目的地までの所要時間が最も短い標準ルートを計算する処理と、
   前記位置データ、前記道路データ及び前記分布データに基づいて、前記現在地から前記目的地までの間に歩行者と遭遇する頻度が前記標準ルートのそれよりも高い高頻度ルートを計算する処理と、
   前記認識レベルと基準レベルを比較する処理と、
   前記認識レベルが前記基準レベル以下の場合は前記標準ルートを最終ルートとして選択し、前記認識レベルが前記基準レベルよりも高い場合は前記高頻度ルートを前記最終ルートとして選択する処理と、
   を含むことを特徴とするライドシェア車両のルート検索方法。
8. データ処理装置を用いてライドシェア車両の現在地から目的地までのルートの検索を行うルート検索方法であって、
   前記データ処理装置が、
   前記ライドシェア車両の位置データと、前記ライドシェア車両の現在地及び目的地を含む検索エリア内に存在する道路データと、前記検索エリア内に存在する歩行者数の分布データと、前記ライドシェア車両の外界センサによる前記ライドシェア車両の外部状況の認識レベルのデータと、が格納されたメモリと、
   前記位置データ、前記道路データ、分布データ及び前記認識レベルのデータに基づいて、前記現在地から前記目的地までのルートの検索処理を行うプロセッサと、
   を備え、
   前記検索処理が、
   前記位置データ及び前記道路データに基づいて、前記現在地から前記目的地までの所要時間が最も短い標準ルートを計算する処理と、
   前記位置データ、前記道路データ及び前記分布データに基づいて、前記現在地から前記目的地までの間に歩行者と遭遇する頻度が前記標準ルートのそれよりも高い高頻度ルートと、前記頻度が前記標準ルートのそれよりも低い低頻度ルートと、を計算する処理と、
   前記認識レベルと上限及び下限基準レベルを比較する処理と、
   前記認識レベルが上限基準レベルよりも高い場合は前記高頻度ルートを最終ルートとして選択し、前記認識レベルが下限基準レベルよりも低い場合は前記低頻度ルートを前記最終ルートとして選択し、前記認識レベルが前記上限及び下限基準レベルの間の場合は前記標準ルートを前記最終ルートとして選択する処理と、
   を含むことを特徴とするライドシェア車両のルート検索方法。

Images