JP7296305B2 - 交通通信システム、路側機、及び教師データ生成方法 - Google Patents

Description

本発明は、交通通信システム、路側機、及び教師データ生成方法に関する。

近年、交通事故の危険を回避可能な技術として高度道路交通システム（ＩＴＳ：Ｉｎｔｅｌｌｉｇｅｎｔ Ｔｒａｎｓｐｏｒｔ Ｓｙｓｔｅｍ）が注目されている。

そのようなシステムの１つとして、非特許文献１には、路側に設置される基地局である路側機と、車両に搭載される移動局である車載機とを有し、路側機及び車載機が無線通信を行うシステムが記載されている。

路側機のユースケースの１つとして、路側に設置される画像センサ（いわゆる、路側カメラ）からの画像データに基づいて路側機が道路上の移動体（車両や歩行者）の有無等を判定し、判定結果を周辺の車両に送信することで事故防止に繋げることが考えられている。

ＡＲＩＢ ＳＴＤ－Ｔ１０９ １．３版 「７００ＭＨｚ帯高度道路交通システム」

近年、機械学習を用いた画像認識技術が発展しており、上述のような画像データから学習済みモデルを用いて移動体を認識できると考えられる。

しかしながら、機械学習を行うためには、画像データにラベルを人手で付与（ラベル付け）して教師データを生成することが一般的であり、教師データを生成するための作業負担が大きい。特に、路側カメラは、その設置状態（すなわち、撮影条件）がカメラごとに異なり得るため、教師データを路側カメラごとに生成する必要があり、ラベル付けの作業負担が増大するという問題がある。

そこで、本発明は、作業負担を軽減しつつ、移動体の画像認識のための学習モデルを構築可能とする交通通信システム、路側機、及び教師データ生成方法を提供することを目的とする。

第１の態様に係る交通通信システムは、道路上の移動体を撮像して画像データを出力する画像センサと、前記移動体の属性を示す属性データを含む上りメッセージを前記移動体から無線通信により受信する受信部と、前記上りメッセージに含まれる前記属性データを前記画像センサが出力する画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成する生成部とを備える。前記学習モデルは、前記画像センサが出力する画像データから前記移動体の属性を識別するモデルである。

第２の態様に係る路側機は、道路の周辺に設置される路側機であって、前記道路上の移動体の属性を示す属性データを含むメッセージを前記移動体から無線通信により受信する受信部と、前記移動体を撮像する画像センサから画像データを取得し、前記メッセージに含まれる前記属性データを前記画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成する生成部とを備える。前記学習モデルは、前記画像センサが出力する画像データから前記移動体の属性を識別するモデルである。

第３の態様に係る教師データ生成方法は、交通通信システムで実行する教師データ生成方法であって、道路上の移動体の属性を示す属性データを含むメッセージを無線通信により受信することと、前記移動体を撮像する画像センサから画像データを取得することと、前記メッセージに含まれる前記属性データを前記画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成することとを有する。前記学習モデルは、前記画像センサが出力する画像データから前記移動体の属性を識別するモデルである。

本発明の一態様によれば、作業負担を軽減しつつ、移動体の画像認識のための学習モデルを構築可能とする交通通信システム、路側機、及び教師データ生成方法を提供できる。

一実施形態に係る交通通信システムの構成を示す図である。 一実施形態に係る路側機の設置環境を示す図である。 一実施形態に係る路側機の構成を示す図である。 一実施形態に係る車両の構成を示す図である。 一実施形態に係る交通通信システムにおいて機械学習を行うための動作例１を示す図である。 一実施形態に係る交通通信システムにおいて機械学習を行うための動作例２を示す図である。 一実施形態に係る交通通信システムにおける学習済みモデル生成後の動作例を示す図である。 他の実施形態に係る路側機の設置環境を示す図である。 他の実施形態に係る路側機の設置環境を示す図である。

一実施形態に係る交通通信システムについて図面を参照しながら説明する。なお、以下の図面の記載において、同一又は類似の部分には、同一又は類似の符号を付している。

（交通通信システムの構成）
まず、一実施形態に係る交通通信システムの構成について説明する。図１は、一実施形態に係る交通通信システム１の構成を示す図である。

図１に示すように、交通通信システム１は、道路Ｒを通る車両１００と、道路Ｒの路側に設置される基地局である路側機２００とを有する。車両１００は、移動体の一例である。

図１において、車両１００として車両１００Ａ及び１００Ｂを例示し、路側機２００として路側機２００Ａ及び２００Ｂを例示している。車両１００としては、普通自動車や軽自動車等の自動車を例示しているが、道路Ｒを通る車両であればよく、例えば自動二輪車（オートバイ）等であってもよい。

各車両１００には、無線通信を行う移動局である車載機１５０が搭載されている。車載機１５０は、路側機２００との路車間通信を行う。図１において、車載機１５０Ａ及び路側機２００Ａが路車間通信を行うとともに、車載機１５０Ｂ及び路側機２００Ｂが路車間通信を行う一例を示している。

各路側機２００は、道路Ｒの周辺に設置されている。各路側機２００は、２以上の道路が交差する交差点に設置されてもよい。各路側機２００は、車両１００との路車間通信を行う。さらに、各路側機２００は、他の路側機２００との路路間通信を行ってもよい。

図１に示す例おいて、路側機２００Ａは、交通信号機（交通信号灯器）３００又はその支柱に設置されており、交通信号機３００と連携して動作する。例えば、路側機２００Ａは、交通信号機３００に関する信号情報を含む無線信号を車両１００（車載機１５０）に送信する。このような路車間通信には、不特定多数を宛先とするブロードキャストによる無線通信が用いられてもよい。或いは、路車間通信には、特定多数を宛先とするマルチキャストによる無線通信が用いられてもよいし、特定単数を宛先とするユニキャストによる無線通信が用いられてもよい。

各路側機２００は、通信回線を介してサーバ４００に接続される。この通信回線は、有線回線であってもよいし、無線回線であってもよい。

各路側機２００は、歩行者７００の端末７５０との無線通信を行ってもよい。歩行者７００及び端末７５０は、移動体の他の例である。端末７５０は、路側機２００との無線通信が可能な端末であればよく、例えば、スマートフォン、タブレット端末、ノートＰＣ、又はウェアラブル端末等である。

図２は、一実施形態に係る路側機２００の設置環境を示す図である。

図２に示すように、第１道路及び第２道路が交差する交差点の周辺に路側機２００が設置されている。路側機２００には、第２道路における所定の地理的範囲を撮像する画像センサ５００が併設されている。画像センサ５００は、撮像により得た画像データを路側機２００に出力する。

路側機２００は、画像センサ５００が出力する画像データに対する画像認識処理を行い、第２道路上の移動体の有無や属性を認識する。移動体は、例えば車両１００及び歩行者７００のうち少なくとも一方である。路側機２００は、認識した移動体に関する下りメッセージを路車間通信により送信する。

第１道路上を移動する車両１００は、路側機２００からの下りメッセージを受信し、受信した下りメッセージに基づく処理を行う。例えば、車両１００は、路側機２００からの下りメッセージに基づいて運転者への通知や警告を行ったり、車両１００の運転を制御したりする。

このような路側機２００のユースケースにおいて、画像センサ５００が出力する画像データに対する画像認識処理を路側機２００が行うために、人工知能（ＡＩ）技術を利用する。具体的には、機械学習により、移動体を認識・識別するための学習モデルを構築し、構築した学習済みモデルに画像データを入力することで移動体を認識・識別可能とする。一実施形態において、機械学習として教師あり学習を用いる。

このような機械学習を行うためには、画像データにラベルを人手で付与（ラベル付け）して教師データを生成することが従来行われており、教師データを生成するための作業負担が大きい。特に、路側に設置される画像センサ５００は、その設置状態（すなわち、撮影条件）が画像センサ５００ごとに異なり得るため、教師データを画像センサ５００ごとに生成する必要があり、ラベル付けの作業負担がさらに増大してしまう。

一実施形態において、路側機２００は、画像センサ５００が出力する画像データに対するラベル付けを自動化するために、路側機２００が受信する上りメッセージを利用する。すなわち、路側機２００は、移動体の属性を示す属性データを含む上りメッセージをこの移動体から無線通信により受信する。そして、路側機２００は、上りメッセージに含まれる属性データを画像センサ５００が出力する画像データと関連付けることで、学習モデルの構築に用いる教師データを自動で生成する。このような学習モデルは、画像センサ５００が出力する画像データから移動体の属性を識別するモデルである。

これにより、学習モデルの構築に用いる教師データを画像センサ５００ごとに自動で生成可能になるため、作業負担を軽減しつつ、移動体の画像認識のための学習モデルを構築可能である。学習済みモデルが得られた後においては、移動体が無線通信機能を有していなくても、この移動体の属性を画像データに基づいて識別できるようになる。

（路側機の構成）
次に、一実施形態に係る路側機２００の構成について説明する。図３は、一実施形態に係る路側機２００の構成を示す図である。

図３に示すように、路側機２００は、通信部２１と、制御部２２と、インターフェイス２３とを有する。

通信部２１は、車両１００に設けられる車載機１５０との無線通信（すなわち、路車間通信）を行う。通信部２１は、歩行者７００の端末７５０との無線通信を行ってもよい。

通信部２１は、アンテナ２１ａと、受信部２１ｂと、送信部２１ｃとを有し、アンテナ２１ａを介して無線通信を行う。アンテナ２１ａは、無指向性アンテナであってもよいし、指向性を有する指向性アンテナであってもよい。アンテナ２１ａは、指向性を動的に変更可能なアダプティブアレイアンテナであってもよい。受信部２１ｂは、アンテナ２１ａが受信する無線信号を受信データに変換して制御部２２に出力する。送信部２１ｃは、制御部２２が出力する送信データを無線信号に変換してアンテナ２１ａから送信する。

通信部２１の無線通信方式は、ＡＲＩＢ（Ａｓｓｏｃｉａｔｉｏｎ ｏｆ Ｒａｄｉｏ Ｉｎｄｕｓｔｒｉｅｓ ａｎｄ Ｂｕｓｉｎｅｓｓｅｓ）のＴ１０９規格に準拠した方式であってもよいし、３ＧＰＰ（Ｔｈｉｒｄ Ｇｅｎｅｒａｔｉｏｎ Ｐａｒｔｎｅｒｓｈｉｐ Ｐｒｏｊｅｃｔ）のＶ２Ｘ（Ｖｅｈｉｃｌｅ－ｔｏ－ｅｖｅｒｙｔｈｉｎｇ）規格に準拠した方式であってもよいし、ＩＥＥＥ（Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｅｌｅｃｔｒｉｃａｌ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃｓ Ｅｎｇｉｎｅｅｒｓ）８０２．１１シリーズ等の無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）規格に準拠した方式であってもよい。通信部２１は、これらの通信規格のうち２以上の通信規格に対応可能に構成されていてもよい。

制御部２２は、路側機２００における各種の機能を制御する。制御部２２は、少なくとも１つのメモリ２２ｂと、メモリ２２ｂと電気的に接続された少なくとも１つのプロセッサ２２ａとを有する。メモリ２２ｂは、揮発性メモリ及び不揮発性メモリを含み、プロセッサ２２ａにおける処理に用いる情報と、プロセッサ２２ａにより実行されるプログラムとを記憶する。メモリ２２ｂは、記憶部に相当する。プロセッサ２２ａは、メモリ２２ｂに記憶されたプログラムを実行することにより各種の処理を行う。

インターフェイス２３は、有線回線及び／又は無線回線を介して、少なくとも１つの画像センサ５００と接続される。画像センサ５００は、道路Ｒを撮影して得た撮影画像を出力する。画像センサ５００は、路側カメラであってもよい。画像センサ５００は、路側機２００の一部を構成してもよい。

インターフェイス２３は、有線回線及び／又は無線回線を介して、少なくとも１つのＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）センサ６００と接続されてもよい。ＬｉＤＡＲセンサ６００は、移動体を検出して検出データ（点群データ）を出力する。ＬｉＤＡＲセンサ６００は、画像センサ５００と一体化されていてもよい。ＬｉＤＡＲセンサ６００は、画像センサ５００は、路側機２００の一部を構成してもよい。

また、インターフェイス２３は、有線回線及び／又は無線回線を介してサーバ４００と接続される。制御部２２は、インターフェイス２３を介してサーバ４００との通信を行う。

このように構成された路側機２００において、第１に、制御部２２は、道路Ｒ上の移動体を撮像して画像データを出力する画像センサ５００から画像データを取得する。移動体は、例えば車両１００及び歩行者７００のうち少なくとも一方である。

また、受信部２１ｂは、移動体の属性を示す属性データを含む上りメッセージを移動体から無線通信により受信する。受信部２１ｂは、車両１００（車載機１５０）から上りメッセージを受信してもよいし、歩行者７００（端末７５０）から上りメッセージを受信してもよい。

ここで、属性データは、移動体が車両１００である場合、移動体が車両１００である旨のデータに加えて、車両１００のサイズ種別及び車両１００の用途種別のうち少なくとも一方のデータを含んでもよい。車両１００のサイズ種別には、例えば、大型自動車、中型自動車、普通自動車（軽自動車を含む）、自動二輪車（原動機付き自転車を含む）、自転車、路面電車等が含まれる。車両１００の用途種別には、例えば、自家用自動車、緊急自動車、旅客運送用自動車、貨物運送用自動車、特殊自動車等が含まれる。属性データは、移動体が歩行者７００である場合、移動体が歩行者７００である旨のデータに加えて、歩行者の年齢層及び歩行者の移動状態のうち少なくとも一方のデータを含む。歩行者の年齢層には、子供、大人、シニア（老人）等が含まれる。歩行者の移動状態には、静止、歩いている、走っている等が含まれる。

上りメッセージは、送信元である移動体の地理的な位置（緯度及び経度）を示す位置データを含んでもよい。このような位置データとしては、例えばＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）位置データを利用できる。さらに、上りメッセージは、送信元である移動体の移動方向（方角）を示す移動方向データを含んでもよい。

第２に、制御部２２は、受信部２１ｂが受信した上りメッセージに含まれる属性データを画像センサ５００が出力する画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成する。すなわち、制御部２２は、教師データを生成する生成部の機能を有する。このような教師データを用いて構築される学習モデルは、画像センサ５００が出力する画像データから移動体の属性を識別するモデルである。このように、制御部２２は、受信部２１ｂが受信した上りメッセージに含まれる属性データをラベルとして画像データに付与し、学習モデルの構築に用いる教師データを自動で生成する。これにより、移動体との無線通信を利用し、画像データに対するラベル付けを自動化できる。

制御部２２は、画像データに属性データを付与したものを教師データとして生成する場合に限らず、画像データとＬｉＤＡＲセンサ６００の検出データとの組み合わせに属性データを付与したものを教師データとして生成してもよい。ＬｉＤＡＲセンサ６００の検出データを併用することで例えば夜間でも移動体を認識可能になる。具体的には、制御部２２は、上りメッセージに含まれる属性データを、画像センサ５００が出力する画像データ及びＬｉＤＡＲセンサ６００が出力する検出データと関連付けて教師データを生成してもよい。このような教師データを用いて構築される学習モデルは、画像センサ５００が出力する画像データ及びＬｉＤＡＲセンサ６００が出力する検出データの組み合わせから移動体の属性を識別するモデルである。以下においては、画像データに属性データをラベルとして付与したものを教師データとして用いる一例について説明する。

路側機２００の受信部２１ｂは、画像センサ５００の撮像範囲（道路Ｒ上の所定の地理的領域）外の移動体からも上りメッセージを受信し得る。このような場合、上述したようなラベル付けがうまく機能しない懸念がある。このため、制御部２２は、上りメッセージに含まれる位置データが、画像センサ５００の撮像範囲（道路Ｒ上の所定の地理的領域）内の位置を示すことに応じて、この上りメッセージに含まれる属性データを画像センサ５００が出力する画像データと関連付けて教師データを生成してもよい。言い換えると、制御部２２は、上りメッセージに含まれる位置データが、画像センサ５００の撮像範囲（道路Ｒ上の所定の地理的領域）外の位置を示す場合には、この上りメッセージに基づく教師データを生成しない。なお、画像センサ５００の撮像範囲（道路Ｒ上の所定の地理的領域）を示す情報は、制御部２２に予め記憶されているものとする。

但し、移動体が画像センサ５００の撮像範囲内に位置するような場合であっても、この移動体が画像センサ５００から遠ざかる方向に移動するときには、この移動体の属性を識別する必要性が低い。例えば、図２に示すように、交差点の周辺に路側機２００及び画像センサ５００が設置される場合において、交差点から遠ざかる方向に向けて第２道路上を移動体が移動するときには、第１道路上を移動する車両１００に対して通知を行う必要性が低いため、この移動体の属性を識別する必要性が低い。このため、制御部２２は、移動体からの上りメッセージに含まれる移動方向データが所定の移動方向（図２の例では、交差点へ向かう方角である東方向）を示す場合、この上りメッセージに含まれる属性データを画像センサ５００が出力する画像データと関連付けて教師データを生成する。言い換えると、制御部２２は、移動体からの上りメッセージに含まれる移動方向データが所定の移動方向を示さない場合、この上りメッセージに基づく教師データを生成しない。なお、所定の移動方向を示す情報は、制御部２２に予め記憶されているものとする。

第３に、制御部２２は、生成した教師データを用いて学習モデルを構築する。すなわち、制御部２２は、教師データから学習モデルを構築する学習部の機能を有する。この場合、制御部２２は、生成した教師データから機械学習（具体的には、教師あり学習）により学習モデルを構築し、構築された学習モデルである学習済みモデルを記憶する。

或いは、このような学習部の機能をサーバ４００が有していてもよい。制御部２２は、生成した教師データをサーバ４００にアップロードし、サーバ４００が機械学習を行って得た学習済みモデルをダウンロードし、ダウンロードした学習済みモデルを記憶する。

第４に、制御部２２は、学習済みモデルを用いて、画像センサ５００が出力する画像データから移動体の属性を識別する。すなわち、制御部２２は、移動体の属性を識別する識別部の機能を有する。

例えば、制御部２２は、学習済みモデルを用いて、画像データに被写体として含まれる移動体が車両１００であるか又は歩行者７００であるかを識別する。制御部２２は、画像データに被写体として含まれる移動体が車両１００である場合、この車両１００のサイズ種別を識別したり、この車両１００の用途種別を識別したりしてもよい。制御部２２は、画像データに被写体として含まれる移動体が歩行者７００である場合、この歩行者７００の年齢層を識別したり、この歩行者７００の移動状態を識別したりしてもよい。

制御部２２は、学習済みモデルを用いた移動体の識別結果に基づいて交通事故に関する危険度を判定してもよい。例えば、制御部２２は、交通事故発生の頻度が統計的に高い属性を有する移動体については危険度が高いと判定し、そうでない場合は危険度が低いと判定してもよい。

第５に、制御部２２は、学習済みモデルを用いた移動体の識別結果に基づく情報を含む下りメッセージを無線通信により送信部２１ｃから送信する。下りメッセージの送信は、ブロードキャスト、ユニキャスト、又はマルチキャストで行われる。例えば、制御部２２は、学習済みモデルを用いて識別された移動体の属性を示す情報を下りメッセージに含める。制御部２２は、移動体の属性に基づいて判定された危険度を示す情報を下りメッセージに含めてもよい。

（車両の構成）
次に、一実施形態に係る車両１００の構成について説明する。図４は、一実施形態に係る車両１００の構成を示す図である。

図４に示すように、車両１００は、通信部１１と、ＧＮＳＳ受信機１２と、通知部１３と、駆動制御部１４と、制御部１５とを有する。通信部１１、ＧＮＳＳ受信機１２、及び制御部１５は、車載機１５０を構成する。

通信部１１は、路側機２００との無線通信（すなわち、路車間通信）を行う。具体的には、通信部１１は、アンテナ１１ａと、受信部１１ｂと、送信部１１ｃとを有し、アンテナ１１ａを介して無線通信を行う。受信部１１ｂは、アンテナ１１ａが受信する無線信号を受信データに変換して制御部１５に出力する。送信部１１ｃは、制御部１５が出力する送信データを無線信号に変換してアンテナ１１ａから送信する。

通信部１１の無線通信方式は、ＡＲＩＢのＴ１０９規格に準拠した方式であってもよいし、３ＧＰＰのＶ２Ｘ規格に準拠した方式であってもよいし、ＩＥＥＥ８０２．１１シリーズ等の無線ＬＡＮ規格に準拠した方式であってもよい。通信部１１は、これらの通信規格のうち２以上の通信規格に対応可能に構成されていてもよい。

ＧＮＳＳ受信機１２は、ＧＮＳＳ衛星からＧＮＳＳ信号を受信し、現在位置を示す位置データを出力する。ＧＮＳＳ受信機１２は、例えば、ＧＰＳ、ＧＬＯＮＡＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）、ＩＲＮＳＳ（Ｉｎｄｉａｎ Ｒｅｇｉｏｎａｌ Ｎａｖｉｇａｔｉｏｎａｌ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）、ＣＯＭＰＡＳＳ、Ｇａｌｉｌｅｏ、及びＱＺＳＳ（Ｑｕａｓｉ－Ｚｅｎｉｔｈ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）のうち少なくとも１つのＧＮＳＳの受信機を含んで構成される。移動方向データは、位置データに基づいて生成される。

通知部１３は、制御部１５の制御下で、車両１００の運転者に対する情報の通知を行う。通知部１３は、情報を表示するディスプレイ１３ａと、情報を音声出力するスピーカ１３ｂとを有する。

駆動制御部１４は、動力源としてのエンジン又はモータ、動力伝達機構、及びブレーキ等を制御する。車両１００が自動運転車両である場合、駆動制御部１４は、制御部１５と連携して車両１００の運転制御を行ってもよい。

制御部１５は、車両１００（車載機１５０）における各種の機能を制御する。制御部１５は、少なくとも１つのメモリ１５ｂと、メモリ１５ｂと電気的に接続された少なくとも１つのプロセッサ１５ａとを有する。メモリ１５ｂは、揮発性メモリ及び不揮発性メモリを含み、プロセッサ１５ａにおける処理に用いる情報及びプロセッサ１５ａにより実行されるプログラムを記憶する。プロセッサ１５ａは、メモリ１５ｂに記憶されたプログラムを実行することにより各種の処理を行う。

このように構成された車両１００において、制御部１５は、上述したような上りメッセージを生成し、生成した上りメッセージを送信部１１ｃから送信する。制御部１５は、上りメッセージの生成及び送信を周期的に行ってもよい。

受信部１１ｂは、上述したような下りメッセージを路側機２００から受信し、受信した下りメッセージを制御部１５に出力する。制御部１５は、この下りメッセージの内容に応じた情報を運転者に通知するように通知部１３を制御する。例えば、制御部１５は、下りメッセージが示す移動体の属性を示す情報を通知したり、下りメッセージが示す危険度を示す情報を通知したりする。制御部１５は、下りメッセージの内容に応じた自動運転制御を行うように駆動制御部１４を制御してもよい。例えば、制御部１５は、交通事故を防止するためにステアリング及びブレーキを制御してもよい。

（交通通信システムの動作例）
次に、一実施形態に係る交通通信システム１の動作例について説明する。図５は、一実施形態に係る交通通信システム１において機械学習を行うための動作例１を示す図である。

図５に示すように、ステップＳ１０１において、画像センサ５００は、道路上の移動体を撮像して画像データを出力する。路側機２００の制御部２２は、画像センサ５００から画像データを取得する。

ステップＳ１０２において、路側機２００の受信部２１ｂは、移動体から上りメッセージを受信する。上りメッセージは、この移動体の属性データを含む。上りメッセージは、この移動体の位置データ及び移動方向データを含んでもよい。

ステップＳ１０３において、路側機２００の制御部２２は、ステップＳ１０２で受信した上りメッセージに基づく教師データを生成するか否かを判定してもよい。例えば、制御部２２は、上りメッセージに含まれる位置データが、画像センサ５００の撮像範囲（道路Ｒ上の所定の地理的領域）内の位置を示す場合、この上りメッセージに基づく教師データを生成すると判定してもよい。制御部２２は、移動体からの上りメッセージに含まれる移動方向データが所定の移動方向を示す場合、この上りメッセージに基づく教師データを生成すると判定してもよい。ここでは、教師データを生成すると制御部２２が判定したと仮定して説明を進める。

ステップＳ１０４において、路側機２００の制御部２２は、受信部２１ｂが受信した上りメッセージに含まれる属性データを画像センサ５００が出力する画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成する。制御部２２は、画像データに属性データを付与したものを教師データとして生成する場合に限らず、画像データとＬｉＤＡＲセンサ６００の検出データとの組み合わせに属性データを付与したものを教師データとして生成してもよい。

ステップＳ１０５において、路側機２００の制御部２２は、ステップＳ１０４で生成した教師データ（属性データ及び画像データの組み合わせ）をサーバ４００にアップロードする。なお、路側機２００に複数の画像センサ５００が接続されている場合、制御部２２は、対応する画像センサ５００のＩＤを教師データに付与してもよい。

ステップＳ１０６において、サーバ４００は、路側機２００からアップロードされた教師データから教師あり学習により学習モデルを構築する。路側機２００に複数の画像センサ５００が接続されている場合、サーバ４００は、画像センサ５００のＩＤに基づいて画像センサ５００ごとに学習モデルを構築してもよい。

サーバ４００は、ある条件が満たされるまで教師データの収集及び学習モデルの構築（更新）を継続し、学習済みモデルを生成する。この条件は、一定の期間が経過したという条件であってもよいし、一定数の教師データが収集されたという条件であってもよい。

ステップＳ１０７において、サーバ４００は、学習済みモデルを路側機２００に配信する。サーバ４００は、学習済みモデルを配信する際に、対応する画像センサ５００のＩＤを路側機２００に通知してもよい。

ステップＳ１０８において、路側機２００の制御部２２は、サーバ４００から取得した学習済みモデルを記憶する。制御部２２は、学習済みモデルを画像センサ５００ごとに記憶してもよい。

図６は、一実施形態に係る交通通信システム１において機械学習を行うための動作例２を示す図である。

図６に示すように、ステップＳ１１１乃至Ｓ１１４の動作は、上述のステップＳ１０１乃至Ｓ１０４の動作と同様である。

ステップＳ１１５において、路側機２００の制御部２２は、ステップＳ１１４で生成した教師データから教師あり学習により学習モデルを構築する。路側機２００に複数の画像センサ５００が接続されている場合、制御部２２は、画像センサ５００ごとに学習モデルを構築してもよい。制御部２２は、ある条件が満たされるまで教師データの収集及び学習モデルの構築（更新）を継続し、学習済みモデルを生成する。この条件は、一定の期間が経過したという条件であってもよいし、一定数の教師データが収集されたという条件であってもよい。

ステップＳ１１６において、路側機２００の制御部２２は、生成した学習済みモデルを記憶する。制御部２２は、学習済みモデルを画像センサ５００ごとに記憶してもよい。制御部２２は、学習済みモデルの更新を継続してもよい。

図７は、一実施形態に係る交通通信システム１における学習済みモデル生成後の動作例を示す図である。

図７に示すように、ステップＳ２０１において、画像センサ５００は、道路上の移動体を撮像して画像データを出力する。路側機２００の制御部２２は、画像センサ５００から画像データを取得する。

ステップＳ２０２において、路側機２００の制御部２２は、学習済みモデルを用いて、画像センサ５００が出力する画像データから移動体の属性を識別する。

ステップＳ２０３において、路側機２００の制御部２２は、学習済みモデルを用いた移動体の識別結果に基づいて交通事故に関する危険度を判定してもよい。

ステップＳ２０４において、路側機２００の制御部２２は、学習済みモデルを用いた移動体の識別結果に基づく情報を含む下りメッセージを無線通信により送信部２１ｃから送信する。車両１００の受信部１１ｂは、路側機２００から下りメッセージを受信する。

ステップＳ２０５において、車両１００の制御部１５は、受信した下りメッセージの内容に応じた情報を運転者に通知するように通知部１３を制御する。制御部１５は、下りメッセージの内容に応じた自動運転制御を行うように駆動制御部１４を制御してもよい。

（その他の実施形態）
上述した実施形態において、路側機２００及び画像センサ５００が交差点の周辺に設置される一例について説明した。しかしながら、路側機２００及び画像センサ５００は、図８に示すように、トンネルＴの出口付近に設置されてもよい。図８に示す例において、画像センサ５００は、トンネルＴの出口付近を撮像して画像データを出力する。路側機２００は、上述したような下りメッセージをトンネルＴ内の車両１００（車載機１５０）に送信する。

或いは、路側機２００及び画像センサ５００は、図９に示すように、道路Ｒの曲がり角（カーブ）付近に設置されてもよい。図９に示す例において、道路Ｒは、車両１００から見て左へのカーブを有する。このようなカーブの先の状況を車両１００の運転者又は車載センサが検知することは困難である。このようなカーブ先には、車両１００の通行を妨げる移動体が存在し得る。図９に示す例において、画像センサ５００は、カーブの先の状況を撮像して画像データを出力する。路側機２００は、上述したような下りメッセージを道路Ｒ上の車両１００（車載機１５０）に送信する。

上述した実施形態において路側機２００の制御部２２が行っていた動作を、路側機２００に代えてサーバ４００が行ってもよい。すなわち、教師データを生成する生成部、機械学習を行う学習部、及び学習済みモデルを用いて移動体を識別する識別部のうち少なくとも１つをサーバ４００が有していてもよい。

サーバ４００は、路側機２００の近くに配置されるエッジサーバであってもよい。このようなエッジサーバを路側機２００の一部とみなしてもよい。エッジサーバは、路側機２００とインターネットとの間に設けられ、所定範囲に限定されたエリア内の道路Ｒを管轄する。エッジサーバは、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）を介さずに、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）を介して路側機２００と接続されてもよい。

上述した実施形態に係る各処理をコンピュータに実行させるプログラムが提供されてもよい。プログラムは、コンピュータ読取り可能媒体に記録されていてもよい。コンピュータ読取り可能媒体を用いれば、コンピュータにプログラムをインストールすることが可能である。ここで、プログラムが記録されたコンピュータ読取り可能媒体は、非一過性の記録媒体であってもよい。非一過性の記録媒体は、特に限定されるものではないが、例えば、ＣＤ－ＲＯＭやＤＶＤ－ＲＯＭ等の記録媒体であってもよい。

以上、図面を参照して実施形態について詳しく説明したが、具体的な構成は上述のものに限られることはなく、要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。

１ ：交通通信システム
１１ ：通信部
１１ａ ：アンテナ
１１ｂ ：受信部
１１ｃ ：送信部
１２ ：ＧＮＳＳ受信機
１３ ：通知部
１３ａ ：ディスプレイ
１３ｂ ：スピーカ
１４ ：駆動制御部
１５ ：制御部
１５ａ ：プロセッサ
１５ｂ ：メモリ
２１ ：通信部
２１ａ ：アンテナ
２１ｂ ：受信部
２１ｃ ：送信部
２２ ：制御部
２２ａ ：プロセッサ
２２ｂ ：メモリ
２３ ：インターフェイス
１００ ：車両
１５０ ：車載機
２００ ：路側機
３００ ：交通信号機
４００ ：サーバ
５００ ：画像センサ
６００ ：ＬｉＤＡＲセンサ
７００ ：歩行者
７５０ ：端末

Claims (11)

1. 道路上の移動体を撮像して画像データを出力する画像センサと、
   前記移動体の属性を示す属性データを含む上りメッセージを前記移動体から無線通信により受信する受信部と、
   前記上りメッセージに含まれる前記属性データを前記画像センサが出力する画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成する生成部と、を備え、
   前記学習モデルは、前記画像センサが出力する画像データから前記移動体の属性を識別するモデルであり、
   前記上りメッセージは、前記移動体の移動方向を示す移動方向データをさらに含み、
   前記生成部は、前記上りメッセージに含まれる前記移動方向データが所定の移動方向を示すことに応じて、前記上りメッセージに含まれる前記属性データを前記画像センサが出力する画像データと関連付けて前記教師データを生成する
   交通通信システム。
2. 道路上の移動体を撮像して画像データを出力する画像センサと、
   前記移動体の属性を示す属性データを含む上りメッセージを前記移動体から無線通信により受信する受信部と、
   前記上りメッセージに含まれる前記属性データを前記画像センサが出力する画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成する生成部と、を備え、
   前記学習モデルは、前記画像センサが出力する画像データから前記移動体の属性を識別するモデルであり、
   前記属性データは、前記移動体が歩行者である場合、前記歩行者の年齢層及び前記歩行者の移動状態のうち少なくとも一方のデータを含む
   交通通信システム。
3. 前記道路の周辺に設置される路側機を備え、
   前記路側機は、前記受信部と、前記生成部とを有し、
   前記画像センサは、前記道路の周辺に設置される
   請求項１又は２に記載の交通通信システム。
4. 前記路側機は、
   前記教師データを用いて構築された前記学習モデルである学習済みモデルを用いて、前記画像センサが出力する画像データから前記移動体の属性を識別する識別部と、
   前記識別部による識別結果に基づく情報を含む下りメッセージを無線通信により送信する送信部と、を有する
   請求項３に記載の交通通信システム。
5. 前記画像センサは、前記道路上の所定の地理的領域に対して撮像を行い、
   前記上りメッセージは、前記移動体の地理的な位置を示す位置データをさらに含み、
   前記生成部は、前記上りメッセージに含まれる前記位置データが、前記所定の地理的領域内の位置を示すことに応じて、前記上りメッセージに含まれる前記属性データを前記画像センサが出力する画像データと関連付けて前記教師データを生成する
   請求項１乃至４のいずれか１項に記載の交通通信システム。
6. 前記移動体を検出するＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）センサを備え、
   前記生成部は、前記上りメッセージに含まれる前記属性データを、前記画像センサが出力する画像データ及び前記ＬｉＤＡＲセンサが出力する検出データと関連付けて前記教師データを生成し、
   前記学習モデルは、前記画像センサが出力する画像データ及び前記ＬｉＤＡＲセンサが出力する検出データの組み合わせから前記移動体の属性を識別するモデルである
   請求項１乃至５のいずれか１項に記載の交通通信システム。
7. 前記属性データは、前記移動体が車両である場合、前記車両のサイズ種別及び前記車両の用途種別のうち少なくとも一方のデータを含む
   請求項１乃至６のいずれか１項に記載の交通通信システム。
8. 道路の周辺に設置される路側機であって、
   前記道路上の移動体の属性を示す属性データを含むメッセージを前記移動体から無線通信により受信する受信部と、
   前記移動体を撮像する画像センサから画像データを取得し、前記メッセージに含まれる前記属性データを前記画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成する生成部と、を備え、
   前記学習モデルは、前記画像センサが出力する画像データから前記移動体の属性を識別するモデルであり、
   前記メッセージは、前記移動体の移動方向を示す移動方向データをさらに含み、
   前記生成部は、前記メッセージに含まれる前記移動方向データが所定の移動方向を示すことに応じて、前記メッセージに含まれる前記属性データを前記画像センサが出力する画像データと関連付けて前記教師データを生成する、
   路側機。
9. 交通通信システムで実行する教師データ生成方法であって、
   道路上の移動体の属性を示す属性データを含むメッセージを無線通信により受信することと、
   前記移動体を撮像する画像センサから画像データを取得することと、
   前記メッセージに含まれる前記属性データを前記画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成することと、を有し、
   前記学習モデルは、前記画像センサが出力する画像データから前記移動体の属性を識別するモデルであり、
   前記メッセージは、前記移動体の移動方向を示す移動方向データをさらに含み、
   前記メッセージに含まれる前記移動方向データが所定の移動方向を示すことに応じて、前記メッセージに含まれる前記属性データを前記画像センサが出力する画像データと関連付けて前記教師データを生成すること、をさらに有する、
   教師データ生成方法。
10. 道路の周辺に設置される路側機であって、
    前記道路上の移動体の属性を示す属性データを含むメッセージを前記移動体から無線通信により受信する受信部と、
    前記移動体を撮像する画像センサから画像データを取得し、前記メッセージに含まれる前記属性データを前記画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成する生成部と、を備え、
    前記学習モデルは、前記画像センサが出力する画像データから前記移動体の属性を識別するモデルであり、
    前記属性データは、前記移動体が歩行者である場合、前記歩行者の年齢層及び前記歩行者の移動状態のうち少なくとも一方のデータを含む
    路側機。
11. 交通通信システムで実行する教師データ生成方法であって、
    道路上の移動体の属性を示す属性データを含むメッセージを無線通信により受信することと、
    前記移動体を撮像する画像センサから画像データを取得することと、
    前記メッセージに含まれる前記属性データを前記画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成することと、を有し、
    前記学習モデルは、前記画像センサが出力する画像データから前記移動体の属性を識別するモデルであり、
    前記属性データは、前記移動体が歩行者である場合、前記歩行者の年齢層及び前記歩行者の移動状態のうち少なくとも一方のデータを含む
    教師データ生成方法。

Images