JP7440298B2 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents
情報処理装置、情報処理方法及び情報処理プログラム Download PDFInfo
- Publication number
- JP7440298B2 JP7440298B2 JP2020035201A JP2020035201A JP7440298B2 JP 7440298 B2 JP7440298 B2 JP 7440298B2 JP 2020035201 A JP2020035201 A JP 2020035201A JP 2020035201 A JP2020035201 A JP 2020035201A JP 7440298 B2 JP7440298 B2 JP 7440298B2
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- driving
- information
- specific area
- learning model
- 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
- 230000010365 information processing Effects 0.000 title claims description 72
- 238000003672 processing method Methods 0.000 title claims description 11
- 230000006870 function Effects 0.000 claims description 18
- 238000010586 diagram Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 8
- 238000000034 method Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Description
一態様の情報処理方法及び情報処理プログラムは、上述した一態様の情報処理装置と同様の効果を奏することができる。
本明細書では、「情報」の文言を使用しているが、「情報」の文言は「データ」と言い換えることができ、「データ」の文言は「情報」と言い換えることができる。
図1は、危険度の高い特定領域の一例について説明するための図である。
図2は、一実施形態に係る情報処理システム1について説明するための図である。
図3は、一実施形態に係る情報処理装置30について説明するためのブロック図である。
特定領域は、一例として、交差点であってもよく、交差点への進入路と退出路とを含む交差点を含む領域であってもよい。進入路及び退出路は、交差点(例えば、ノード)から所定の距離内(例えば、10m、20m、30m、50m、100m又は200m等)の道路であってもよい。特定領域は、上述した交差点に限定されることはなく、交差点を除く道路等の他の領域であってもよい。
なお、取得部32は、外部サーバ20から車両走行情報を取得するばかりでなく、車両10から送信される車両走行情報を取得することとしてもよい。
通常時の車両10の走行状態とは、ドライバが車両10を走行させる際の走行状態であり、例えば、道路に沿った走行、並びに、信号の点灯状態及び交通標識に従った走行等、ドライバが通常の注意をもって車両10を走行させる状態である。
非通常時の走行状態とは、ドライバが通常の注意をもってしても車両10を走行させることが困難な状態であり、例えば、相対的に多数の交通標識が同一位置に有るためにドライバが全ての交通標識を理解するのに時間がかかる場合、及び、交通標識が不明確な場合等の車両10の走行が不安定(一例として、交差点内での停止、道路での一般的な走行速度よりも遅い走行若しくは停止、急停止、又は、他車と接触する可能性)になる走行状態である。すなわち、非通常時の走行状態とは、ドライバにとって危険な走行状態と言うことができる。
また、学習モデルは、例えば、情報処理装置30の外部にある外部装置(例えば、外部サーバ20等)によって生成され、その外部装置又は他の外部装置に記憶されていてもよい。又は、外部装置で生成された学習モデルは、通信部36を介して情報処理装置30(制御部31)によって取得され、記憶部35に記憶されてもよい。
推定部33は、取得部32によって車両走行情報を取得した場合、その車両走行情報と、教師データに基づいた学習モデルとに基づいて、特定領域の危険度を推定することとしてもよい。
上述した「多重度」とは、交通標識111の多重度であり、図4に例示するように、同一の位置に相対的に多数の交通標識111がある場合である。交通標識111は、例えば、警戒標識、規制標識、指示標識及び補助標識等である。このように、同一の位置に交通規制が多重にある場合(例えば、閾値以上の数の交通標識111がある場合)、ドライバは、全ての交通規制をすぐに(短時間)で把握するのは困難であり、そのような交通規制が配される位置(特定領域)の危険度が高いと考えられる。
多重度、近接度、関連度及び希少度は、上述した状況(一例)に限定されることはなく、他の状況であってもよい。
推定部33は、道路地図に記録される交通標識に関する情報と、車両走行情報と、学習モデルとに基づいて、特定領域の車両の走行に関する危険度を推定する。また、推定部33は、車載カメラ(図示せず)によって撮像された画像に関する情報が車両走行情報に記録される場合には、車両走行情報(画像に記録される交通標識、及び、画像を除く車両の走行に関する他の情報)と、学習モデルとに基づいて、特定領域の車両の走行に関する危険度を推定する。
車両10が走行する時間帯によっては相対的に多数の車両10が走行するために、車両10が通常の走行を行うことができない(非通常時の車両10の走行状態)可能性があり、又は、車両10が通常通りに走行することができる(通常時の車両10の走行状態)可能性がある。
また、車両10が走行する際の天候(例えば、降雨、降雪及び強風の時)には、車両10が通常の走行を行うことができない(非通常時の車両10の走行状態)可能性があり、又は、車両10が走行する際の天候(例えば、晴天の時)には、車両10が通常通りに走行することができる(通常時の車両10の走行状態)可能性がある。
制御部31は、上述した時間情報及び天候情報のうちの少なくとも1つと、そのような交通規制が行われる際の車両10の走行状態(例えば、通常の走行状態か非通常時の走行状態か)とを学習して、学習モデルを生成する。上述した学習モデルは、制御部31の代わりに、外部装置(例えば、外部サーバ20等)が生成してもよい。
推定部33は、例えば、車両走行情報(例えば、ワイパがオンになっていることを示す情報又は前照灯がオンになっていることを示す情報と、これらの情報を除く車両の走行に関する他の情報)と、学習モデルとに基づいて、特定領域の車両の走行に関する危険度を推定することとしてもよい。
図5に例示するように、高架121の奥に信号122が有り、その高架121の手前に予告信号123がある。予告信号123は、信号122に連動し、その信号122よりも手前のドライバから視認しやすい位置に配される。また、高架121の手前にはT字路124が有る。図5に例示する場合、ドライバは、予告信号123がT字路124の信号であると誤認識をする可能性がある。例えば、予告信号123が赤信号であると、ドライバは、T字路124の手前で一旦停止し、予告信号123であると理解した後に前進する可能性がある。また、例えば、予告信号123が黄信号であると、直進道路126を直進する車両は減速した後、ドライバは停止線がない事に気づいて再加速する可能性がある。この場合には、直進道路126を進行する車両は、T字路124の左側(図5の左側から直進道路126)からしてきた他の車両と接触する恐れがあり、また、後続車両が追突する恐れもある。すなわち、図5に例示するような交差点(信号)は、危険度が高いと考えられる。この場合には、車両10がスムーズに走行できず、及び、不自然な運転操作が行われる可能性が高い。
図6に例示するように、直進道路131には2つの車線があり、図6に示す左側の車線131aは直進及び左折の交通規制が行われている。また、直進道路131に沿って側道132があり、側道132は直進道路131の先にある交差点133に接続している。この場合、直進道路131から交差点133を左折する車両は、側道を進行してきた他の車両と接触する恐れがある。このような、図6に例示する交差点は、危険度が高いと考えられる。この場合には、車両10がスムーズに走行できず、及び、不自然な運転操作が行われる可能性が高い。
図7に例示するように、直進道路141には3つの車線がある。図7の左側の車線141aでは、交差点142よりも遠い位置では左折のみの路面標示143が付されているが、その交差点142の手前では左折及び直進の路面標示144が付されている。この場合、中央の車線141bを走行する車両10では、その車両10のドライバが交差点142から遠い位置の左折の路面標示143を認識し、交差点142を通過した後に左車線に車線変更をする際、左車線141aは左折専用車線と理解しているので、直進車両が存在するとは想定できない可能性がある。しかし、左車線141aの交差点142の手前では直進が可能な路面標示144が付されているため、左車線141aを直進する他の車両も存在する。そのような場合、交差点142を通過後に、中央車線141bから左車線141aに車線変更する車両と、左車線141aを直進する他の車両とが接触する恐れがある。このような、図7に例示する交差点142は、危険度が高いと考えられる。この場合には、車両10がスムーズに走行できず、及び、不自然な運転操作が行われる可能性が高い。
道路151(図8では上下方向に延びる道路)の入口付近151aは、道路151への進入車両と、対向車とがすれ違うことが可能な道路幅が有るが、その道路151を進むに従って道路幅が狭くなり、さらに、道路151に電柱152が配される場合がある。このような場合、電柱152が邪魔で、進入車両と対向車とがすれ違うことができない恐れがある。このような、図8に例示する道路151は、危険度が高いと考えられる。この場合には、車両10がスムーズに走行できず、及び、不自然な運転操作が行われる可能性が高い。
推定部33は、特定領域(一例として、交差点の進入路から退出路までの区間)を走行する車両の車両走行情報に基づいて、学習モデルを利用してスムーズでない車両の走行及び不自然な運転操作を抽出し、そのような抽出がされた場合に特定領域は走行に関する危険度が高いと推定する。
また、制御部31は、関連付け部34によって関連付けられた後の地図情報(新たな地図情報)を、通信部36によって外部サーバ20に送信してもよく、外部サーバ20を介して又は直接的に車両10に送信してもよい。
これにより、車両10に搭載されるナビゲーション装置(図示せず)は、新たな地図情報に基づいて経路検索を行うことができ、自車が特定領域を走行する場合にはドライバに対して走行に関する危険が有る旨を通知することができる。また、ナビゲーション装置は、危険と推定された特定領域を回避するような経路検索を行うこととしてもよい。
図9は、一実施形態に係る情報処理方法について説明するためのフローチャートである。
情報処理装置30は、特定領域を走行した車両10で生成される車両走行情報を取得する取得部32と、車両10の走行に関する走行状態として、少なくとも通常時の車両10の走行状態とは異なる非通常時の走行状態を学習した学習モデルと、取得部32によって取得された車両走行情報とに基づいて、特定領域の危険度を推定する推定部33と、を備える。
これにより、情報処理装置30は、推定部33による推定の結果に基づいて、車両10の走行に関して危険な特定領域をドライバに通知することができる。
これにより、情報処理装置30は、走行が危険と推定されることとなる非通常時の走行状態を学習するので、学習モデルに従って特定領域の危険度を推定することができる。
交通規制の内容によって、車両10の走行が危険になる可能性がある。このような場合でも、情報処理装置30は、危険度を推定することができる。
これにより、情報処理装置30は、危険度を推定することができる。
車両10が走行する時間帯及び車両10が走行する際の天候によっても、車両10の走行が危険な状態になる可能性がある。この場合にも、情報処理装置30は、車両10の走行に関する危険な状態を推定することができる。
これにより、情報処理装置30は、地図情報上の、危険と推定された特定領域に対して、車両10の走行に関して危険が有る旨の情報を関連付けるので、車両10の走行に関して危険な特定領域をドライバに提供することができる。
これにより、情報処理方法は、推定ステップによる推定の結果に基づいて、車両10の走行に関して危険な特定領域をドライバに通知することができる。
これにより、情報処理プログラムは、推定機能による推定の結果に基づいて、車両10の走行に関して危険な特定領域をドライバに通知することができる。
情報処理プログラムは、上述した各機能をコンピュータに実現させることができる。情報処理プログラムは、外部メモリ又は光ディスク等の、コンピュータで読み取り可能な非一時的な記録媒体に記録されていてもよい。
また、上述したように、情報処理装置30の各部は、コンピュータの演算処理装置等で実現されてもよい。その演算処理装置等は、例えば、集積回路等によって構成される。このため、情報処理装置30の各部は、演算処理装置等を構成する回路として実現されてもよい。すなわち、情報処理装置30の取得部32、推定部33及び関連付け部34は、コンピュータの演算処理装置等を構成する取得回路、推定回路及び関連付け回路として実現されてもよい。
また、情報処理装置30の通信部36及び記憶部35は、例えば、演算処理装置等の機能を含む通信機能及び記憶機能として実現されもよい。また、情報処理装置30の通信部36及び記憶部35は、例えば、集積回路等によって構成されることにより通信回路及び記憶回路として実現されてもよい。また、情報処理装置30の通信部36及び記憶部35は、例えば、複数のデバイスによって構成されることにより通信装置及び記憶装置として構成されてもよい。
10 車両
20 外部サーバ
30 情報処理装置
32 取得部
33 推定部
34 関連付け部
35 記憶部
36 通信部
Claims (8)
- 特定領域を走行した車両で生成される車両走行情報を取得する取得部と、
車両の走行に関する走行状態として、少なくとも通常時の車両の走行状態とは異なる非通常時の走行状態と、特定領域における車両の走行を規制する交通規制情報として交通規制の把握のし難さとを学習した学習モデルと、前記取得部によって取得された車両走行情報とに基づいて、特定領域の危険度を推定する推定部と、
を備える情報処理装置。 - 前記推定部は、前記学習モデルとして、教師データとなる、通常時のラベル付けが行われた車両の走行状態と、非通常時のラベル付けが行われた車両の走行状態と、特定領域における車両の走行を規制する前記交通規制情報とを学習した学習モデルを取得し、当該学習モデルと、前記取得部によって取得された車両走行情報とに基づいて、非通常時の走行状態に応じてドライバが危険を感じる可能性としての、特定領域の危険度を推定する
請求項1に記載の情報処理装置。 - 前記推定部は、前記学習モデルとして、車両の走行に関する走行状態として、少なくとも通常時の車両の走行状態とは異なる非通常時の走行状態と、特定領域における車両の走行を規制する前記交通規制情報との関係を学習した学習モデルを取得し、当該学習モデルと、前記取得部によって取得された車両走行情報とに基づいて、交通規制の把握のし難さに応じて車両の走行が危険になる可能性としての、特定領域の危険度を推定する
請求項1に記載の情報処理装置。 - 前記推定部は、前記学習モデルとして、車両の走行に関する走行状態として、少なくとも通常時の車両の走行状態とは異なる非通常時の走行状態と、前記交通規制情報の交通規制の把握のし難さとして、同一の位置において複数の規制を行う際の多重度、所定の区間内に複数の規制が行われる際の近接度、関連する複数の規制が行われる際の関連度、及び、規制の珍しさを示す希少度のうち少なくとも1つとを学習した学習モデルを取得し、当該学習モデルと、前記取得部によって取得された車両走行情報とに基づいて、交通規制の把握のし難さに応じて車両の走行が危険になる可能性としての、特定領域の危険度を推定する
請求項3に記載の情報処理装置。 - 前記推定部は、前記学習モデルとして、車両の走行に関する走行状態として、少なくとも通常時の車両の走行状態とは異なる非通常時の走行状態と、車両が走行する際の時間帯に関する時間情報、及び、車両が走行する際の天候に関する天候情報のうち少なとも一方とを学習した学習モデルを取得し、当該学習モデルと、前記取得部によって取得された車両走行情報とに基づいて、時間帯又は天候に応じて車両の走行が危険になる可能性としての、特定領域の危険度を推定する
請求項1に記載の情報処理装置。 - 道路地図に関する地図情報を記憶する記憶部と、
前記推定部によって推定された特定領域の危険度を、地図情報に記録される当該特定領域に関連付ける関連付け部と、
を備える請求項1~5のいずれか1項に記載の情報処理装置。 - コンピュータが、
特定領域を走行した車両で生成される車両走行情報を取得する取得ステップと、
車両の走行に関する走行状態として、少なくとも通常時の車両の走行状態とは異なる非通常時の走行状態と、特定領域における車両の走行を規制する交通規制情報として交通規制の把握のし難さとを学習した学習モデルと、前記取得ステップによって取得された車両走行情報とに基づいて、特定領域の危険度を推定する推定ステップと、
を実行する情報処理方法。 - コンピュータに、
特定領域を走行した車両で生成される車両走行情報を取得する取得機能と、
車両の走行に関する走行状態として、少なくとも通常時の車両の走行状態とは異なる非通常時の走行状態と、特定領域における車両の走行を規制する交通規制情報として交通規制の把握のし難さとを学習した学習モデルと、前記取得機能によって取得された車両走行情報とに基づいて、特定領域の危険度を推定する推定機能と、
を実現させる情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020035201A JP7440298B2 (ja) | 2020-03-02 | 2020-03-02 | 情報処理装置、情報処理方法及び情報処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020035201A JP7440298B2 (ja) | 2020-03-02 | 2020-03-02 | 情報処理装置、情報処理方法及び情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021140263A JP2021140263A (ja) | 2021-09-16 |
JP7440298B2 true JP7440298B2 (ja) | 2024-02-28 |
Family
ID=77668714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020035201A Active JP7440298B2 (ja) | 2020-03-02 | 2020-03-02 | 情報処理装置、情報処理方法及び情報処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7440298B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008140118A (ja) | 2006-12-01 | 2008-06-19 | Advanced Telecommunication Research Institute International | 危険動作検出装置および危険動作検出方法 |
JP2009217692A (ja) | 2008-03-12 | 2009-09-24 | Toyota Central R&D Labs Inc | 運転支援装置 |
JP2019095939A (ja) | 2017-11-20 | 2019-06-20 | トヨタ自動車株式会社 | サーバ装置 |
JP2019200603A (ja) | 2018-05-16 | 2019-11-21 | 株式会社堀場製作所 | 車両状況解析方法、車両状況解析システム、車両状況解析装置及びドライブレコーダ |
-
2020
- 2020-03-02 JP JP2020035201A patent/JP7440298B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008140118A (ja) | 2006-12-01 | 2008-06-19 | Advanced Telecommunication Research Institute International | 危険動作検出装置および危険動作検出方法 |
JP2009217692A (ja) | 2008-03-12 | 2009-09-24 | Toyota Central R&D Labs Inc | 運転支援装置 |
JP2019095939A (ja) | 2017-11-20 | 2019-06-20 | トヨタ自動車株式会社 | サーバ装置 |
JP2019200603A (ja) | 2018-05-16 | 2019-11-21 | 株式会社堀場製作所 | 車両状況解析方法、車両状況解析システム、車両状況解析装置及びドライブレコーダ |
Also Published As
Publication number | Publication date |
---|---|
JP2021140263A (ja) | 2021-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110506303B (zh) | 用于求取交通场景的数据的方法 | |
CN111497864B (zh) | 利用v2x应用程序向人传递当前驾驶意图信号的方法及装置 | |
CN109334566B (zh) | 用于提供车外反馈的方法、装置、设备和存储介质 | |
JP6250180B2 (ja) | 車両用照射制御システムおよび画像照射の制御方法 | |
JP5198835B2 (ja) | ビデオ画像を提示する方法およびシステム | |
CN105599610A (zh) | 标识信息显示系统及标识信息显示方法 | |
KR20180086632A (ko) | 자율주행 차량의 행동 결정 장치 및 방법 | |
CN112885145B (zh) | 路口风险预警的方法和装置 | |
CN101652802A (zh) | 安全驾驶支持装置 | |
KR102483716B1 (ko) | 사전 정보를 이용하여 차량의 주행을 제어하는 방법 및 장치 | |
CN113692360A (zh) | 用于运行自我车辆中的驾驶员信息系统的方法和驾驶员信息系统 | |
US11192545B1 (en) | Risk mitigation in speed planning | |
CN107958605B (zh) | 路况信息获取方法 | |
EP3995379B1 (en) | Behavior prediction for railway agents for autonomous driving system | |
US20190286125A1 (en) | Transportation equipment and traveling control method therefor | |
US11644324B2 (en) | Dangerous place identification device, map data, dangerous place identification method, and program | |
JP6982422B2 (ja) | 車両の走行支援装置 | |
JP7500210B2 (ja) | 車両の走行支援方法及び走行支援装置 | |
CN110341708B (zh) | 一种盲区自动驾驶控制方法及系统 | |
CN115298073A (zh) | 车辆的行驶辅助方法及行驶辅助装置 | |
JP7475951B2 (ja) | 車両の走行支援方法及び走行支援装置 | |
CN111127954B (zh) | 一种无信号灯路口车辆安全通行方法 | |
CN113401056A (zh) | 显示控制装置、显示控制方法以及计算机可读取存储介质 | |
JP7440298B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP2004171153A (ja) | 車両用情報提供装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230116 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231004 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231225 |
|
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: 20240206 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240215 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7440298 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |