JP7462687B2 - データ生成装置、データ生成プログラム、モデル構築装置、モデル構築プログラム、学習済モデル、車両およびサーバ - Google Patents
データ生成装置、データ生成プログラム、モデル構築装置、モデル構築プログラム、学習済モデル、車両およびサーバ Download PDFInfo
- Publication number
- JP7462687B2 JP7462687B2 JP2022002380A JP2022002380A JP7462687B2 JP 7462687 B2 JP7462687 B2 JP 7462687B2 JP 2022002380 A JP2022002380 A JP 2022002380A JP 2022002380 A JP2022002380 A JP 2022002380A JP 7462687 B2 JP7462687 B2 JP 7462687B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- vehicle
- unit
- acquisition unit
- input data
- 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
- 238000010276 construction Methods 0.000 title claims description 53
- 238000001514 detection method Methods 0.000 claims description 57
- 238000004891 communication Methods 0.000 claims description 41
- 230000006870 function Effects 0.000 claims description 24
- 238000010801 machine learning Methods 0.000 claims description 23
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000000034 method Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 17
- 230000005540 biological transmission Effects 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 240000004050 Pentaglottis sempervirens Species 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Description
本発明は、データ生成方法、データ生成装置、データ生成プログラム、モデル構築方法、モデル構築装置、モデル構築プログラム、学習済モデル、車両およびサーバに関する。
機械学習により構築された学習済モデルを用いて車両の制御を支援する技術が従来知られている。例えば特許文献１には、機械学習に用いるパラメータを供給する供給側車両の状態に関するセンサ情報を取得するデータ取得部と、取得したセンサ情報であって学習済モデルの入力パラメータおよび出力パラメータを含むデータである入出力検知データセットを用いて機械学習を行うことにより学習済モデルを生成する学習部と、生成した学習済モデルおよび制御を支援する車両のセンサ情報を入力パラメータとして生成した学習済モデルに入力して算出された出力パラメータの少なくとも一方を送信する送信部と、を備える制御支援装置について記載されている。
上述のような従来技術によれば、サーバまたは一部の車両のみに機械学習または予測をさせることにより、複数の車両およびサーバで構成されるシステム全体の計算量を削減することは可能である。しかしながら、上述のような従来技術においては、機械学習または予測を担う個々の装置（車両またはサーバ）の計算量を削減することは考慮されていない。
本発明の一態様に係るデータ生成方法は、
交通に関する情報を出力する学習済モデルを構築するための機械学習に用いられる入力データを生成するデータ生成方法であって、
車両が備える複数のセンサからそれぞれ検知データを取得するステップと、
取得した複数の検知データの少なくとも二つに基づく画像が重畳された地図を、前記入力データとして生成するステップと、を有する。
交通に関する情報を出力する学習済モデルを構築するための機械学習に用いられる入力データを生成するデータ生成方法であって、
車両が備える複数のセンサからそれぞれ検知データを取得するステップと、
取得した複数の検知データの少なくとも二つに基づく画像が重畳された地図を、前記入力データとして生成するステップと、を有する。
本発明の他の態様に係るデータ生成装置は、
交通に関する情報を出力する学習済モデルを構築するための機械学習に用いられる入力データを生成するデータ生成装置であって、
車両が備える複数のセンサからそれぞれ検知データを取得する取得部と、
取得した複数の検知データの少なくとも二つに基づく画像が重畳された地図を、前記入力データとして生成する生成部と、を有する。
交通に関する情報を出力する学習済モデルを構築するための機械学習に用いられる入力データを生成するデータ生成装置であって、
車両が備える複数のセンサからそれぞれ検知データを取得する取得部と、
取得した複数の検知データの少なくとも二つに基づく画像が重畳された地図を、前記入力データとして生成する生成部と、を有する。
本発明の他の態様に係るモデル構築方法は、
車両が備える複数のセンサからそれぞれ取得した複数の検知データの少なくとも二つに基づく画像が重畳された地図を、入力データとして取得するステップと、
交通に関する情報を取得するステップと、
生成した前記入力データと取得した前記交通に関する情報との組を教師データとして、交通に関する情報を出力する学習済モデルを機械学習により構築するステップと、を有する。
車両が備える複数のセンサからそれぞれ取得した複数の検知データの少なくとも二つに基づく画像が重畳された地図を、入力データとして取得するステップと、
交通に関する情報を取得するステップと、
生成した前記入力データと取得した前記交通に関する情報との組を教師データとして、交通に関する情報を出力する学習済モデルを機械学習により構築するステップと、を有する。
本発明の他の態様に係るモデル構築装置は、
車両が備える複数のセンサからそれぞれ取得した複数の検知データの少なくとも二つに基づく画像が重畳された地図を、入力データとして取得する第一取得部と、
交通に関する情報を取得する第二取得部と、
取得した前記入力データと前記交通に関する情報との組を教師データとして、交通に関する情報を出力する学習済モデルを機械学習により構築する構築部と、を有する。
車両が備える複数のセンサからそれぞれ取得した複数の検知データの少なくとも二つに基づく画像が重畳された地図を、入力データとして取得する第一取得部と、
交通に関する情報を取得する第二取得部と、
取得した前記入力データと前記交通に関する情報との組を教師データとして、交通に関する情報を出力する学習済モデルを機械学習により構築する構築部と、を有する。
本発明の他の態様に係る学習済モデルは、
車両が備える複数のセンサからそれぞれ取得した複数の検知データの少なくとも二つに基づく画像が重畳された地図と、交通に関する情報と、の組を教師データとする機械学習により、交通に関する情報を出力するよう構築されている。
車両が備える複数のセンサからそれぞれ取得した複数の検知データの少なくとも二つに基づく画像が重畳された地図と、交通に関する情報と、の組を教師データとする機械学習により、交通に関する情報を出力するよう構築されている。
本発明の他の態様に係る車両は、
複数のセンサと、
前記複数のセンサからそれぞれ検知データを取得する取得部と、
取得した複数の検知データの少なくとも二つに基づく画像が重畳された地図を、入力データとして生成する生成部と、
生成した前記入力データが入力されると、交通に関する情報を出力する学習済モデルを用いて、前記交通に関する情報を取得する情報取得部と、を備える。
複数のセンサと、
前記複数のセンサからそれぞれ検知データを取得する取得部と、
取得した複数の検知データの少なくとも二つに基づく画像が重畳された地図を、入力データとして生成する生成部と、
生成した前記入力データが入力されると、交通に関する情報を出力する学習済モデルを用いて、前記交通に関する情報を取得する情報取得部と、を備える。
本発明の他の態様に係るサーバは、
車両が備える複数のセンサからそれぞれ検知データを受信する通信部と、
受信した複数の検知データの少なくとも二つに基づく画像が重畳された地図を、入力データとして生成する生成部と、
生成した前記入力データが入力されると、交通に関する情報を出力とする学習済モデルを用いて、前記交通に関する情報を取得する情報取得部と、を備え、
前記通信部は、取得した交通に関する情報を前記車両へ送信する。
車両が備える複数のセンサからそれぞれ検知データを受信する通信部と、
受信した複数の検知データの少なくとも二つに基づく画像が重畳された地図を、入力データとして生成する生成部と、
生成した前記入力データが入力されると、交通に関する情報を出力とする学習済モデルを用いて、前記交通に関する情報を取得する情報取得部と、を備え、
前記通信部は、取得した交通に関する情報を前記車両へ送信する。
本発明の各態様に係るデータ生成装置およびモデル構築装置は、コンピュータによって実現してもよく、この場合には、コンピュータを前記データ生成装置および前記モデル構築装置が備える各部（ソフトウェア要素）として動作させることにより前記データ生成装置および前記モデル構築装置をコンピュータにて実現させるデータ生成装置およびモデル構築装置のデータ生成プログラムおよびモデル構築プログラム、およびそれらを記録したコンピュータ読み取り可能な記録媒体も、本発明の範疇に入る。
＜発明１実施形態＞
まず、本発明の一態様（以下、発明１）であるデータ生成に関する発明（データ生成装置１００、データ生成方法）の一実施形態について、詳細に説明する。
まず、本発明の一態様（以下、発明１）であるデータ生成に関する発明（データ生成装置１００、データ生成方法）の一実施形態について、詳細に説明する。
〔データ生成装置１００〕
初めに、発明１の実施形態に係るデータ生成装置１００について説明する。図１はデータ生成装置１００の機能的構成を示すブロック図である。図２は車両および当該車両が備えるセンサを示す斜視図である。図３はデータ生成装置１００による入力データＤ2の生成の仕方を示す概念図である。図４はデータ生成装置１００による入力データＤ2の生成の仕方の変形例を示す概念図である。図５はデータ生成装置１００が生成する入力データＤ2の変形例を示す画像図である。
初めに、発明１の実施形態に係るデータ生成装置１００について説明する。図１はデータ生成装置１００の機能的構成を示すブロック図である。図２は車両および当該車両が備えるセンサを示す斜視図である。図３はデータ生成装置１００による入力データＤ2の生成の仕方を示す概念図である。図４はデータ生成装置１００による入力データＤ2の生成の仕方の変形例を示す概念図である。図５はデータ生成装置１００が生成する入力データＤ2の変形例を示す画像図である。
データ生成装置１００は、交通に関する情報（以下、交通情報）を出力する学習済モデルを構築するための機械学習に用いられる入力データＤ2を生成する装置である。交通情報は、事故に関する情報、渋滞に関する情報、逆走に関する情報等を含む。データ生成装置１００は、図１に示したように、取得部１１と、生成部１２と、を有する。本実施形態に係るデータ生成装置１００は、出力部１３と、通信部２と、を更に有する。本実施形態に係る取得部１１、生成部１２および出力部１３は、制御部１に含まれる。
（通信部２）
通信部２は、他の装置（例えば、複数のセンサを備える車両Ｖ、検知データＤ1を格納する記憶装置、後述するモデル構築装置２００、車両３００ａ、サーバ４００ａ等）との間で、各種データ、各種信号等を、有線または無線で送受信する。本実施形態に係る通信部２は、通信モジュールで構成されている。
通信部２は、他の装置（例えば、複数のセンサを備える車両Ｖ、検知データＤ1を格納する記憶装置、後述するモデル構築装置２００、車両３００ａ、サーバ４００ａ等）との間で、各種データ、各種信号等を、有線または無線で送受信する。本実施形態に係る通信部２は、通信モジュールで構成されている。
（取得部１１および検知データＤ1）
取得部１１は、車両Ｖが備える複数のセンサからそれぞれ検知データＤ1を取得する。本実施形態に係る取得部１１は、各種検知データＤ1を、通信部２を介して車両Ｖから受信する。
取得部１１は、車両Ｖが備える複数のセンサからそれぞれ検知データＤ1を取得する。本実施形態に係る取得部１１は、各種検知データＤ1を、通信部２を介して車両Ｖから受信する。
車両が備えるセンサＳは、例えば図２に示したような、位置（距離／角度）センサＳ1、速度センサＳ2、加速度センサＳ3、圧力センサＳ4、温度センサＳ5、力（トルク）センサＳ6、流量計Ｓ7、およびガスセンサＳ8の少なくともいずれかを含む。
位置（距離／角度）センサＳ1は、前方に存在する物体からの距離を検知するセンサＳ11、後方に存在する物体からの距離を検知するセンサＳ12、ハンドルの回転角度を検知するセンサＳ13、スロットルバルブの傾斜角を検知するセンサＳ14、アクセルペダルの傾斜角を検知するセンサＳ15、およびブレーキペダルの傾斜角を検知するセンサＳ16の少なくともいずれかを含む。
速度センサＳ2は、ホイールの回転速度を検知するセンサＳ21、クランクシャフトの速度を検知するセンサＳ22、カムシャフトの速度を検知するセンサＳ23、およびディーゼルエンジンにおける噴射ポンプの噴射速度を検知するセンサＳ24の少なくともいずれかを含む。
加速度センサＳ3は、車体に作用する加速度（衝撃）を検知する。
圧力センサＳ4は、タイヤ空気圧を検知するセンサＳ41、ブレーキ圧を検知するセンサＳ42、パワーステアリングにおける油圧リザーバー圧力を検知するセンサＳ43、吸引圧力を検知するセンサＳ44、充填圧力を検知するセンサＳ45、燃圧を検知するセンサＳ46、空調における冷媒圧力を検知するセンサＳ47、およびオートマチックトランスミッションにおける変調圧力を検知するセンサＳ48の少なくともいずれかを含む。
温度センサＳ5は、タイヤ温度を検知するセンサＳ51、給気温度を検知するセンサＳ52、周囲温度を検知するセンサＳ53、内部温度を検知するセンサＳ54、空調におけるエバポレータ温度を検知するセンサＳ55、クーラント温度を検知するセンサＳ56、エンジンオイル温度を検知するセンサＳ57、の少なくともいずれかを含む。
力（トルク）センサＳ6は、ペダルを踏む力を検知するセンサＳ61、乗員の体重を検知するセンサＳ62、およびドライブシャフトに作用するトルクを検知するセンサＳ63、およびハンドルに作用するトルクを検知するセンサＳ64の少なくともいずれかを含む。
流量計Ｓ7は、燃料要件を検知するセンサＳ71、およびエンジンが吸引する空気量を検知するセンサＳ72の少なくとも一方を含む。
ガスセンサＳ8は、排気ガスの組成を検知するセンサＳ81、および供給される空気に含まれる有害物質を検出するセンサＳ82の少なくとも一方を含む。
なお、上記各種センサＳは、例えば下記Ｗｅｂページにおいて開示されているように、公知のものである。
・Vehicle sensors functions and types
https://innovationdiscoveries.space/vehicle-sensors-functions-and-types/
・Automotive sensors: the design engineer’s guide
https://www.avnet.com/wps/portal/abacus/solutions/markets/automotive-and-transportation/automotive/communications-and-connectivity/automotive-sensors/
い。
・Vehicle sensors functions and types
https://innovationdiscoveries.space/vehicle-sensors-functions-and-types/
・Automotive sensors: the design engineer’s guide
https://www.avnet.com/wps/portal/abacus/solutions/markets/automotive-and-transportation/automotive/communications-and-connectivity/automotive-sensors/
い。
なお、取得部１１は、複数の車両Ｖから検知データＤ1をそれぞれ取得するようになっていてもよい。また、取得部１１は、車両Ｖから図示しない記憶装置を介して（いったん記憶装置に格納された）検知データＤ1を取得するようになっていてもよい。また、取得部１１は、通信部２ではなく、記録媒体等を介して検知データＤ1を取得するようになっていてもよい。また、取得部１１は、車両Ｖ以外の交通参加者（自転車、携帯端末を所持する歩行者、ドローン等）から検知データＤ1を取得するようになっていてもよい。また、取得部１１は、車両や携帯端末のナビゲーションシステムに設定された経路情報を検知データとして取得するようになっていてもよい。また、取得部１１は、車両が備えるドライブレコーダやリアカメラが撮影した画像を検知データＤ1として取得するようになっていてもよい。また、取得部１１は、検知データＤ1に基づいて車両Ｖが判断した情報（ドライバの眠気等）を検知データＤ1として取得するようになっていてもよい。また、取得部１１は、路上に設置されたカメラ、センサ等から検知データＤ1を取得してもよい。
（生成部１２）
生成部１２は、図３に示したように、取得した複数の検知データＤ1の少なくとも二つに基づく画像Ｉが重畳された地図を、入力データＤ2として生成する。「重畳」は、地図に画像Ｉが埋め込まれている（同一レイヤとされている、画像Ｉが独立して数値データを持っていない）状態を指す。本実施形態に係る生成部１２は、三種類以上の検知データＤ1に基づく画像Ｉが重畳された地図を生成する。三種類以上の検知データＤ1に基づく画像Ｉは、例えば、進行方向データＤ11、速度データＤ12及び加速度データＤ13に基づく矢印Ｉ1を含む。この場合、矢印Ｉ1の向きが進行方向、矢印Ｉ1の色が速度および加速度を示す。こうすることで、三種類（三次元）以上の検知データＤ1が、二次元の形に集約される。その結果、入力データＤ2に基づく演算を行う際の計算量が低減される。なお、矢印Ｉ1の太さや長さで速度、加速度等を示すようになっていてもよい。
生成部１２は、図３に示したように、取得した複数の検知データＤ1の少なくとも二つに基づく画像Ｉが重畳された地図を、入力データＤ2として生成する。「重畳」は、地図に画像Ｉが埋め込まれている（同一レイヤとされている、画像Ｉが独立して数値データを持っていない）状態を指す。本実施形態に係る生成部１２は、三種類以上の検知データＤ1に基づく画像Ｉが重畳された地図を生成する。三種類以上の検知データＤ1に基づく画像Ｉは、例えば、進行方向データＤ11、速度データＤ12及び加速度データＤ13に基づく矢印Ｉ1を含む。この場合、矢印Ｉ1の向きが進行方向、矢印Ｉ1の色が速度および加速度を示す。こうすることで、三種類（三次元）以上の検知データＤ1が、二次元の形に集約される。その結果、入力データＤ2に基づく演算を行う際の計算量が低減される。なお、矢印Ｉ1の太さや長さで速度、加速度等を示すようになっていてもよい。
また、本実施形態に係る生成部１２は、一種類の検知データＤ1に基づく画像Ｉも生成する。一種類の検知データＤ1に基づく画像Ｉは、例えば、位置データＤ14に基づく丸印Ｉ2、異常データＤ15に基づく感嘆符Ｉ3（警報）等を含む。
なお、速度データＤ12に基づく矢印Ｉ1が重畳された入力データＤ2を生成する場合、生成部１２は、速度が大きくなるに従って地図の縮尺を大きくしていくようになっていてもよい。
（出力部１３）
出力部１３は、図１に示したように、生成した入力データＤ2（画像Ｉが重畳された地図）を他の装置（例えば、後述するモデル構築装置２００、サーバ４００ａ等）へ出力する。本実施形態に係る出力部１３は、入力データＤ2を、通信部２を介して他の装置へ送信する。なお、出力部１３は、通信部２ではなく、記録媒体等を介して入力データＤ2を出力するようになっていてもよい。
出力部１３は、図１に示したように、生成した入力データＤ2（画像Ｉが重畳された地図）を他の装置（例えば、後述するモデル構築装置２００、サーバ４００ａ等）へ出力する。本実施形態に係る出力部１３は、入力データＤ2を、通信部２を介して他の装置へ送信する。なお、出力部１３は、通信部２ではなく、記録媒体等を介して入力データＤ2を出力するようになっていてもよい。
（データ生成装置その他）
上記取得部１１が複数の車両Ｖ，３００ａから検知データＤ1をそれぞれ取得するようになっている場合、データ生成装置１００は、結合部１４を備えていてもよい。結合部１４は、図４に示したように、それぞれ同一種類の画像Ｉが重畳された複数の入力データＤ2を結合し、一の俯瞰入力データＤ3を生成する。画像Ｉの種類（チャネル）ごとに複数の入力データＤ2がある場合には、画像Ｉの種類ごとに俯瞰入力データＤ3を生成する。この場合、俯瞰入力データＤ3は、入力データＤ2に含まれる。このようにすれば、結合後も次元数は維持されるものの、俯瞰入力データＤ3のデータ量は、各センサからの複数の検知データＤ1の合計よりも低減される。その結果、入力データＤ2に基づく演算を行う際の計算量が低減される。
上記取得部１１が複数の車両Ｖ，３００ａから検知データＤ1をそれぞれ取得するようになっている場合、データ生成装置１００は、結合部１４を備えていてもよい。結合部１４は、図４に示したように、それぞれ同一種類の画像Ｉが重畳された複数の入力データＤ2を結合し、一の俯瞰入力データＤ3を生成する。画像Ｉの種類（チャネル）ごとに複数の入力データＤ2がある場合には、画像Ｉの種類ごとに俯瞰入力データＤ3を生成する。この場合、俯瞰入力データＤ3は、入力データＤ2に含まれる。このようにすれば、結合後も次元数は維持されるものの、俯瞰入力データＤ3のデータ量は、各センサからの複数の検知データＤ1の合計よりも低減される。その結果、入力データＤ2に基づく演算を行う際の計算量が低減される。
また、生成部１２は、複数種類の画像Ｉが重畳された入力データＤ2を生成するようになっていてもよい。その場合、結合部は、図５に示したような、複数種類の画像Ｉが重畳された俯瞰入力データＤ3を生成するようになっていてもよい。
また、データ生成装置１００は、検知データＤ1の取得、および入力データＤ2の生成を繰り返すようになっていてもよい。このようにすれば、車両Ｖの状態をリアルタイムで入力データＤ2とすることができる。
〔データ生成方法〕
次に、発明１の実施形態に係るデータ生成方法について説明する。図６はデータ生成方法の流れを示すフローチャートである。
次に、発明１の実施形態に係るデータ生成方法について説明する。図６はデータ生成方法の流れを示すフローチャートである。
データ生成方法は、交通情報を出力する学習済モデルを構築するための機械学習に用いられる入力データＤ2を生成する方法である。データ生成方法は、図６に示したように、取得ステップＡ１と、生成ステップＡ２と、を有する。本実施形態に係るデータ生成方法は、出力ステップＡ３を更に有する。また、本実施形態に係るデータ生成方法では、上記データ生成装置１００を用いる。
（取得ステップＡ１）
初めの取得ステップＡ１では、車両が備える複数のセンサからそれぞれ検知データＤ1を取得する。本実施形態に係る取得ステップＡ１では、データ生成装置１００の取得部１１が、通信部２を介して受信する。また、本実施形態に係る取得ステップＡ１では、例えば、車両の進行方向データＤ11および車両の速度データＤ12を取得する。また、本実施形態に係る取得ステップでは、車両の位置データＤ14および車両の速度データＤ12の他、車両の加速度データＤ13、車両に関する異常データＤ15の少なくともいずれかを取得する。
初めの取得ステップＡ１では、車両が備える複数のセンサからそれぞれ検知データＤ1を取得する。本実施形態に係る取得ステップＡ１では、データ生成装置１００の取得部１１が、通信部２を介して受信する。また、本実施形態に係る取得ステップＡ１では、例えば、車両の進行方向データＤ11および車両の速度データＤ12を取得する。また、本実施形態に係る取得ステップでは、車両の位置データＤ14および車両の速度データＤ12の他、車両の加速度データＤ13、車両に関する異常データＤ15の少なくともいずれかを取得する。
（生成ステップＡ２）
各種検知データＤ1を取得した後は、生成ステップＡ２に移る。生成ステップＡ２では、取得した複数の検知データＤ1の少なくとも二つに基づく画像Ｉが重畳された地図を、入力データＤ2として生成する。本実施形態に係る生成ステップＡ２では、生成部１２が入力データＤ2を生成する。また、本実施形態に係る生成ステップＡ２では、車両の進行方向が矢印、車両の速度が矢印の色で表された画像Ｉを生成する。
各種検知データＤ1を取得した後は、生成ステップＡ２に移る。生成ステップＡ２では、取得した複数の検知データＤ1の少なくとも二つに基づく画像Ｉが重畳された地図を、入力データＤ2として生成する。本実施形態に係る生成ステップＡ２では、生成部１２が入力データＤ2を生成する。また、本実施形態に係る生成ステップＡ２では、車両の進行方向が矢印、車両の速度が矢印の色で表された画像Ｉを生成する。
（出力ステップＡ３）
入力データＤ2を生成した後は、出力ステップＡ３へ移る。出力ステップＡ３では、生成した入力データＤ2（地図）を他の装置へ出力する。本実施形態に係る出力ステップＡ３では、出力部１３が、通信部２を介して送信する。なお、入力データＤ2を他の装置へ出力する必要がない場合（たとえば、データ生成装置１００が、入力データＤ2を教師データとして学習済モデルを構築する機能を有していて、生成した入力データＤ2をそのまま学習済モデルへ入力する場合等）には、出力ステップＡ３は不要である。
入力データＤ2を生成した後は、出力ステップＡ３へ移る。出力ステップＡ３では、生成した入力データＤ2（地図）を他の装置へ出力する。本実施形態に係る出力ステップＡ３では、出力部１３が、通信部２を介して送信する。なお、入力データＤ2を他の装置へ出力する必要がない場合（たとえば、データ生成装置１００が、入力データＤ2を教師データとして学習済モデルを構築する機能を有していて、生成した入力データＤ2をそのまま学習済モデルへ入力する場合等）には、出力ステップＡ３は不要である。
〔発明１実施形態の作用効果〕
以上説明してきた本実施形態に係るデータ生成装置１００またはデータ生成方法によれば、複数のセンサから得られる検知データＤ1が一つの地図に纏められるため、入力データＤ2の次元数を削減することができる。その結果、入力データＤ2が入力されるニューラルネットワークのノード数が少なくて済むようになり、この入力データＤ2を用いて学習済モデルを構築する際の計算量を削減することができる。
以上説明してきた本実施形態に係るデータ生成装置１００またはデータ生成方法によれば、複数のセンサから得られる検知データＤ1が一つの地図に纏められるため、入力データＤ2の次元数を削減することができる。その結果、入力データＤ2が入力されるニューラルネットワークのノード数が少なくて済むようになり、この入力データＤ2を用いて学習済モデルを構築する際の計算量を削減することができる。
＜発明２実施形態＞
次に、本発明の他の態様（以下、発明２）であるモデル構築に関する発明（モデル構築装置、モデル構築方法）の一実施形態について、詳細に説明する。なお、説明の便宜上、上記発明１の実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
次に、本発明の他の態様（以下、発明２）であるモデル構築に関する発明（モデル構築装置、モデル構築方法）の一実施形態について、詳細に説明する。なお、説明の便宜上、上記発明１の実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
〔モデル構築装置２００および学習済モデル〕
初めに、発明２の実施形態に係るモデル構築装置２００について説明する。図７はモデル構築装置２００の機能的構成を示すブロック図である。
初めに、発明２の実施形態に係るモデル構築装置２００について説明する。図７はモデル構築装置２００の機能的構成を示すブロック図である。
モデル構築装置２００は、図７に示したように、第一取得部３１と、第二取得部３２と、構築部３３と、を有する。本実施形態に係るモデル構築装置２００は、出力部３４と、通信部２と、記憶部４と、を更に有する。本実施形態に係る第一取得部３１、第二取得部３２、構築部３３および出力部３４は、制御部３に含まれる。
（記憶部４）
記憶部４は、学習前の予測モデルのパラメータを格納している。また、記憶部４は、後述する学習済モデルを格納することが可能となっている。本実施形態に係る記憶部４は、例えばハードディスク（ＨＤＤ）、不揮発性メモリ等で構成されている。
記憶部４は、学習前の予測モデルのパラメータを格納している。また、記憶部４は、後述する学習済モデルを格納することが可能となっている。本実施形態に係る記憶部４は、例えばハードディスク（ＨＤＤ）、不揮発性メモリ等で構成されている。
（第一取得部３１）
第一取得部３１は、入力データＤ2（画像Ｉが重畳された地図）を取得する。本実施形態に係る第一取得部３１は、入力データＤ2を、通信部２を介して、例えば、上記データ生成装置１００、後述する車両３００ａ、サーバ４００ａ等から受信する。
第一取得部３１は、入力データＤ2（画像Ｉが重畳された地図）を取得する。本実施形態に係る第一取得部３１は、入力データＤ2を、通信部２を介して、例えば、上記データ生成装置１００、後述する車両３００ａ、サーバ４００ａ等から受信する。
（第二取得部３２）
第二取得部３２は、交通情報を取得する。本実施形態に係る第二取得部３２は、第一取得部３１が取得した入力データＤ2に対応する交通情報を、通信部２を介して他の装置Ｍ（外部のデータベース等）から受信する。交通情報は、上述したように、事故に関する情報、渋滞に関する情報、逆走に関する情報等を含む。第二取得部３２が取得する交通情報は、第一取得部が取得した入力データＤ2に対応する典型的なイベント（事故、渋滞、逆走等）を示す人工的に作成した情報である。なお、第二取得部３２は、図示しない入力ＩＦを介してユーザが入力した文字情報、音声等を、交通情報として取得するようになっていてもよい。
第二取得部３２は、交通情報を取得する。本実施形態に係る第二取得部３２は、第一取得部３１が取得した入力データＤ2に対応する交通情報を、通信部２を介して他の装置Ｍ（外部のデータベース等）から受信する。交通情報は、上述したように、事故に関する情報、渋滞に関する情報、逆走に関する情報等を含む。第二取得部３２が取得する交通情報は、第一取得部が取得した入力データＤ2に対応する典型的なイベント（事故、渋滞、逆走等）を示す人工的に作成した情報である。なお、第二取得部３２は、図示しない入力ＩＦを介してユーザが入力した文字情報、音声等を、交通情報として取得するようになっていてもよい。
（構築部３３）
構築部３３は、交通情報を出力する学習済モデルを機械学習により構築する。構築部３３は、入力データＤ2と交通情報との組を教師データとする機械学習により、学習済モデルを構築する。教師データは、例えば、複数の車両の位置、速度、加速度、進行方向等をそれぞれ示す入力データＤ2と、車両が入力データＤ2のような状態となっている場合に対応する交通情報との組を含む。具体的には、２台の車両が接したまま停止していることを示す入力データＤ2と事故が起こっている旨の交通情報との組、複数の車両が制限速度を下回る速度で同一車線上を走行していることを示す入力データＤ2と渋滞が起こっている旨の交通情報との組、車両が道路の進行方向右寄りを走行していることを示す入力データＤ2と逆走が起こっている旨の交通情報との組、高速道路の走行車線上で停止していることを示す入力データＤ2と故障が起こっている旨の交通情報の組、等を含む。
構築部３３は、交通情報を出力する学習済モデルを機械学習により構築する。構築部３３は、入力データＤ2と交通情報との組を教師データとする機械学習により、学習済モデルを構築する。教師データは、例えば、複数の車両の位置、速度、加速度、進行方向等をそれぞれ示す入力データＤ2と、車両が入力データＤ2のような状態となっている場合に対応する交通情報との組を含む。具体的には、２台の車両が接したまま停止していることを示す入力データＤ2と事故が起こっている旨の交通情報との組、複数の車両が制限速度を下回る速度で同一車線上を走行していることを示す入力データＤ2と渋滞が起こっている旨の交通情報との組、車両が道路の進行方向右寄りを走行していることを示す入力データＤ2と逆走が起こっている旨の交通情報との組、高速道路の走行車線上で停止していることを示す入力データＤ2と故障が起こっている旨の交通情報の組、等を含む。
本実施形態に係る構築部３３は、画像Ｉの特徴を二次元で捉えるディープニューラルネットワークを用いた深層学習のアルゴリズム（例えば、Region-based CNN（Ｒ－ＣＮＮ）、Single Shot Multibox Detector（ＳＳＤ）等）を用いて学習済モデルを構築する。具体的には、学習前のモデルが出力する交通情報と、教師データとして準備した交通情報と、の差に基づく損失関数を定義し、当該損失関数が最小となるようなパラメータを算出する。このように、二次元のデータを学習に用いるため、ディープニューラルネットワークのノード数を削減することができる。その結果、構築部３３の計算量を削減することができる。
（学習済モデル）
モデル構築装置２００によって構築された学習済モデルは、上記機械学習により、新たな入力データＤ2が入力されると、交通情報を出力するようになっている。
モデル構築装置２００によって構築された学習済モデルは、上記機械学習により、新たな入力データＤ2が入力されると、交通情報を出力するようになっている。
（出力部３４）
出力部３４は、構築した学習済モデルを出力する。本実施形態に係る出力部３４は、学習済モデルを、記憶部４へ格納する、または通信部２を介して他の装置（例えば、後述する車両３００ａ、サーバ４００ａ等）へ送信する。
出力部３４は、構築した学習済モデルを出力する。本実施形態に係る出力部３４は、学習済モデルを、記憶部４へ格納する、または通信部２を介して他の装置（例えば、後述する車両３００ａ、サーバ４００ａ等）へ送信する。
〔モデル構築方法〕
次に、発明２の実施形態に係るモデル構築方法について説明する。図８はモデル構築方法の流れを示すフローチャートである。
次に、発明２の実施形態に係るモデル構築方法について説明する。図８はモデル構築方法の流れを示すフローチャートである。
モデル構築方法は、図８に示したように、第一取得ステップＢ１と、第二取得ステップＢ２と、構築ステップＢ３と、を有する。本実施形態に係るモデル構築方法は、出力ステップＢ４を更に有する。また、本実施形態に係るモデル構築方法は、上記モデル構築装置２００を用いる。
（第一取得ステップＢ１）
初めの第一取得ステップＢ１では、入力データＤ2を取得する。本実施形態に係る第一取得ステップＢ１では、第一取得部３１が、通信部２を介して他の装置（例えば、データ生成装置１００）から受信する。
初めの第一取得ステップＢ１では、入力データＤ2を取得する。本実施形態に係る第一取得ステップＢ１では、第一取得部３１が、通信部２を介して他の装置（例えば、データ生成装置１００）から受信する。
（第二取得ステップＢ２）
また、第二取得ステップＢ２では、第一取得部３１が取得した入力データＤ2に対応する交通情報を取得する。本実施形態に係る第二取得ステップＢ２では、第二取得部３２が、通信部２を介して他の装置Ｍから受信する。なお、第二取得ステップＢ２は、第一取得ステップＢ１の前であってもよいし、第一取得ステップＢ１と同時であってもよい。
また、第二取得ステップＢ２では、第一取得部３１が取得した入力データＤ2に対応する交通情報を取得する。本実施形態に係る第二取得ステップＢ２では、第二取得部３２が、通信部２を介して他の装置Ｍから受信する。なお、第二取得ステップＢ２は、第一取得ステップＢ１の前であってもよいし、第一取得ステップＢ１と同時であってもよい。
（構築ステップＢ３）
入力データＤ2および交通情報を取得した後は、構築ステップＢ３に移る。構築ステップＢ３では、学習済モデルを機械学習により構築する。本実施形態に係る構築ステップＢ３では、構築部３３が構築する。
入力データＤ2および交通情報を取得した後は、構築ステップＢ３に移る。構築ステップＢ３では、学習済モデルを機械学習により構築する。本実施形態に係る構築ステップＢ３では、構築部３３が構築する。
（出力ステップＢ４）
学習済モデルを構築した後は、出力ステップＢ４に移る。出力ステップＢ４では、学習済モデルを出力する。本実施形態に係る第一取得ステップＢ１では、出力部３４が、記憶部４へ格納する、または通信部２を介して他の装置へ送信する。
学習済モデルを構築した後は、出力ステップＢ４に移る。出力ステップＢ４では、学習済モデルを出力する。本実施形態に係る第一取得ステップＢ１では、出力部３４が、記憶部４へ格納する、または通信部２を介して他の装置へ送信する。
〔発明２実施形態の作用効果〕
以上説明してきた本実施形態に係るモデル構築装置またはモデル構築方法によれば、入力データＤ2として、複数のセンサから得られる検知データＤ1が一つの地図に纏められ、次元数が削減されたものが用いられる。このため、この入力データＤ2を用いて学習済モデルを構築する際の計算量を削減することができ、学習済モデルを容易に構築することができる。
以上説明してきた本実施形態に係るモデル構築装置またはモデル構築方法によれば、入力データＤ2として、複数のセンサから得られる検知データＤ1が一つの地図に纏められ、次元数が削減されたものが用いられる。このため、この入力データＤ2を用いて学習済モデルを構築する際の計算量を削減することができ、学習済モデルを容易に構築することができる。
また、上述したように、本実施形態に係る取得ステップＡ１では、車両の位置データＤ14および車両の速度データＤ12の他、車両の加速度データＤ13、車両に関する異常データＤ15の少なくともいずれかを取得し、それらを機械学習に用いる。このため、本実施形態に係るモデル構築装置またはモデル構築方法によれば、車両の位置および速度のみを学習させた学習済モデルよりも、より高度な交通情報を出力することのできる学習済モデルを構築することができる。
また、上述したように、本実施形態に係る生成ステップＡ２では、車両の進行方向が矢印、車両の速度が矢印の色で表された画像Ｉを生成する。すなわち、車両の進行方向および速度が、見やすい（学習しやすい）形で表される。このため、本実施形態に係るモデル構築装置またはモデル構築方法によれば、矢印の長さや太さ等で表す場合に比べて、検知データＤ1を正確に学習させることができる。
＜発明３実施形態＞
次に、本発明の他の態様（発明３）である車両の一実施形態について、詳細に説明する。図９は車両３００ａの機能的構成を示すブロック図である。図１０はデジタルツインシステム３００を示すブロック図である。図１１はサーバ３００ｂの機能的構成を示すブロック図である。なお、説明の便宜上、上記発明１，２の実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
次に、本発明の他の態様（発明３）である車両の一実施形態について、詳細に説明する。図９は車両３００ａの機能的構成を示すブロック図である。図１０はデジタルツインシステム３００を示すブロック図である。図１１はサーバ３００ｂの機能的構成を示すブロック図である。なお、説明の便宜上、上記発明１，２の実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
〔車両〕
車両３００ａは、図９に示したように、複数のセンサＳと、取得部１１と、生成部１２と、情報取得部５１と、を備える。本実施形態に係る車両３００ａは、通信部２と、記憶部４Ａと、表示部６と、送信制御部５２と、受信制御部５３と、表示制御部５４と、を更に備える。本実施形態に係る取得部１１、生成部１２、情報取得部５１、送信制御部５２、受信制御部５３および表示制御部５４は、制御部５に含まれる。
車両３００ａは、図９に示したように、複数のセンサＳと、取得部１１と、生成部１２と、情報取得部５１と、を備える。本実施形態に係る車両３００ａは、通信部２と、記憶部４Ａと、表示部６と、送信制御部５２と、受信制御部５３と、表示制御部５４と、を更に備える。本実施形態に係る取得部１１、生成部１２、情報取得部５１、送信制御部５２、受信制御部５３および表示制御部５４は、制御部５に含まれる。
また、本実施形態に係る複数の車両３００ａは、図１０に示したように、他の車両３００と共にサーバ３００ｂと通信ネットワークＮを介して接続されることにより、デジタルツインを生成するデジタルツインシステム３００を構成している。
（記憶部４Ａ）
記憶部４Ａは、学習済モデルを格納している。
記憶部４Ａは、学習済モデルを格納している。
（取得部１１）
本実施形態に係る取得部１１は、複数のセンサＳからそれぞれ検知データＤ1を取得する。また、本実施形態に係る取得部１１は、各センサＳが接続された図示しない入力ＩＦを介して検知データＤ1を取得する。また、本実施形態に係る取得部１１は、各種検知データＤ1を、所定時間が経過する度に繰り返し取得する。
本実施形態に係る取得部１１は、複数のセンサＳからそれぞれ検知データＤ1を取得する。また、本実施形態に係る取得部１１は、各センサＳが接続された図示しない入力ＩＦを介して検知データＤ1を取得する。また、本実施形態に係る取得部１１は、各種検知データＤ1を、所定時間が経過する度に繰り返し取得する。
（生成部１２）
本実施形態に係る生成部１２は、取得部１１が検知データＤ1を取得する度に、入力データＤ2を繰り返し生成する。このため、車両３００ａが移動した場合、入力データＤ2が生成される度に画像Ｉの位置が変化していく。このため、本実施形態に係る生成部１２は、画像Ｉの移動に合わせて、入力データＤ2として切り取る地図の範囲も、画像Ｉがはみ出さないように移動させる。
本実施形態に係る生成部１２は、取得部１１が検知データＤ1を取得する度に、入力データＤ2を繰り返し生成する。このため、車両３００ａが移動した場合、入力データＤ2が生成される度に画像Ｉの位置が変化していく。このため、本実施形態に係る生成部１２は、画像Ｉの移動に合わせて、入力データＤ2として切り取る地図の範囲も、画像Ｉがはみ出さないように移動させる。
（送信制御部５２）
送信制御部５２は、生成部１２が入力データＤ2を生成すると、入力データＤ2を送信するよう通信部２を制御する。これにより、通信部２は、生成した入力データＤ2をサーバ３００ｂへ無線で送信する。上述したように、本実施形態に係る生成部１２は入力データＤ2を繰り返し生成する。このため、本実施形態に係る送信制御部５２は、入力データＤ2を繰り返し送信する。サーバ３００ｂは、複数の車両３００ａからそれぞれ入力データＤ2を取得し、それらを結合した俯瞰入力データＤ3を繰り返し生成する。
送信制御部５２は、生成部１２が入力データＤ2を生成すると、入力データＤ2を送信するよう通信部２を制御する。これにより、通信部２は、生成した入力データＤ2をサーバ３００ｂへ無線で送信する。上述したように、本実施形態に係る生成部１２は入力データＤ2を繰り返し生成する。このため、本実施形態に係る送信制御部５２は、入力データＤ2を繰り返し送信する。サーバ３００ｂは、複数の車両３００ａからそれぞれ入力データＤ2を取得し、それらを結合した俯瞰入力データＤ3を繰り返し生成する。
（受信制御部５３）
受信制御部５３は、俯瞰入力データＤ3を受信するよう通信部２を制御する。これにより、通信部２は、サーバ３００ｂから俯瞰入力データＤ3を無線で受信する。上述したように、本実施形態に係るサーバ３００ｂは俯瞰入力データＤ2を繰り返し生成する。このため、本実施形態に係る受信制御部５３は、俯瞰入力データＤ2を繰り返し受信する。
受信制御部５３は、俯瞰入力データＤ3を受信するよう通信部２を制御する。これにより、通信部２は、サーバ３００ｂから俯瞰入力データＤ3を無線で受信する。上述したように、本実施形態に係るサーバ３００ｂは俯瞰入力データＤ2を繰り返し生成する。このため、本実施形態に係る受信制御部５３は、俯瞰入力データＤ2を繰り返し受信する。
（情報取得部５１）
情報取得部５１は、学習済モデルを用いて、交通情報を取得する。具体的には、情報取得部５１は、サーバ３００ｂから受信した俯瞰入力データＤ3を学習済モデルに入力し、それにより当該学習済モデルが出力した交通情報を取得する。上述したように、本実施形態に係る受信制御部５３は俯瞰入力データＤ2を繰り返し受信する。このため、本実施形態に係る情報取得部５１は、交通情報を繰り返し取得する。
情報取得部５１は、学習済モデルを用いて、交通情報を取得する。具体的には、情報取得部５１は、サーバ３００ｂから受信した俯瞰入力データＤ3を学習済モデルに入力し、それにより当該学習済モデルが出力した交通情報を取得する。上述したように、本実施形態に係る受信制御部５３は俯瞰入力データＤ2を繰り返し受信する。このため、本実施形態に係る情報取得部５１は、交通情報を繰り返し取得する。
（表示部６）
表示部６は、運転者が視認可能な位置に設けられている。また、表示部６は、表示制御部５４からの信号に基づく画面を表示する。
表示部６は、運転者が視認可能な位置に設けられている。また、表示部６は、表示制御部５４からの信号に基づく画面を表示する。
（表示制御部５４）
表示制御部５４は、情報取得部５１が取得した交通情報を表示部６に表示させる。こうすることで、交通情報がより早く運転者に提供される。このため、運転者はより安全性の高い運転ができる。また、このような構成によれば、都市と人間の居住地が安全になる。これにより、持続可能な開発目標（ＳＤＧｓ）の目標１１「住み続けられるまちづくりを」の達成に貢献できる。
表示制御部５４は、情報取得部５１が取得した交通情報を表示部６に表示させる。こうすることで、交通情報がより早く運転者に提供される。このため、運転者はより安全性の高い運転ができる。また、このような構成によれば、都市と人間の居住地が安全になる。これにより、持続可能な開発目標（ＳＤＧｓ）の目標１１「住み続けられるまちづくりを」の達成に貢献できる。
なお、車両３００ａは、表示部６および表示制御部５４の代わりに、または表示部６および表示制御部５４に加えて、図９に示したように、運転制御部５５を備えていてもよい。運転制御部５５は、学習済モデルが出力した交通情報に基づいて車両３００ａの少なくとも一部の動作を自動で制御する。このようにすれば、交通情報がより早く運転制御部５５に提供される。このため、運転制御部５５はより安全性の高い運転ができる。
（サーバ３００ｂ）
サーバ３００ｂは、図１１に示したように、受信制御部７１と、結合部７２と、送信制御部７３と、を備えている。本実施形態に係るサーバ３００ｂは、通信部２を更に備えている。また、本実施形態に係る取得部７１、結合部７２および配信部７３は、制御部７に含まれる。
サーバ３００ｂは、図１１に示したように、受信制御部７１と、結合部７２と、送信制御部７３と、を備えている。本実施形態に係るサーバ３００ｂは、通信部２を更に備えている。また、本実施形態に係る取得部７１、結合部７２および配信部７３は、制御部７に含まれる。
受信制御部７１は、入力データＤ2を受信するよう通信部２を制御する。これにより、通信部２は、車両３００ａから入力データＤ2を無線で受信する。
結合部７２は、各車両３００ａから取得した複数の入力データＤ2を結合し、一の俯瞰入力データＤ3を生成する。
配信部７３は、俯瞰入力データＤ3を送信するよう通信部２を制御する。これにより、通信部２は、俯瞰入力データＤ3を各車両へ無線で配信する。
（車両その他）
車両３００ａは、他の車両３００ａから入力データＤ2を取得し、自ら俯瞰入力データＤ3を生成する（サーバの主機能を有する）ようになっていてもよい。その場合、車両３００ａは、サーバと通信する機能を有していなくてもよい。
車両３００ａは、他の車両３００ａから入力データＤ2を取得し、自ら俯瞰入力データＤ3を生成する（サーバの主機能を有する）ようになっていてもよい。その場合、車両３００ａは、サーバと通信する機能を有していなくてもよい。
（デジタルツインシステムその他）
デジタルツインシステム３００は、入力データＤ2を出力する機能を有しているが俯瞰入力データＤ3を取得する機能を有していない車両Ｖ、および入力データＤ2を出力する機能を有していないが俯瞰入力データＤ3を取得する機能を有している車両の少なくとも一方を含んでいてもよい。
デジタルツインシステム３００は、入力データＤ2を出力する機能を有しているが俯瞰入力データＤ3を取得する機能を有していない車両Ｖ、および入力データＤ2を出力する機能を有していないが俯瞰入力データＤ3を取得する機能を有している車両の少なくとも一方を含んでいてもよい。
〔発明３実施形態の作用効果〕
以上説明してきた本実施形態に係る車両３００ａによれば、入力データＤ2として、複数のセンサから得られる検知データＤ1が一つの地図に纏められ、次元数が削減されたものが用いられる。このため、学習済モデルを用いて交通情報を出力する際の計算量が削減される。その結果、交通情報をより早く出力することができる。また、サーバ３００ｂによって、俯瞰入力データＤ3を広く流通させることができる。
以上説明してきた本実施形態に係る車両３００ａによれば、入力データＤ2として、複数のセンサから得られる検知データＤ1が一つの地図に纏められ、次元数が削減されたものが用いられる。このため、学習済モデルを用いて交通情報を出力する際の計算量が削減される。その結果、交通情報をより早く出力することができる。また、サーバ３００ｂによって、俯瞰入力データＤ3を広く流通させることができる。
＜発明４実施形態＞
次に、本発明の他の態様（以下、発明４）であるサーバの一実施形態について、以下に説明する。図１２はサーバ４００ａの機能的構成を示すブロック図である。なお、説明の便宜上、上記発明１～３の実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
次に、本発明の他の態様（以下、発明４）であるサーバの一実施形態について、以下に説明する。図１２はサーバ４００ａの機能的構成を示すブロック図である。なお、説明の便宜上、上記発明１～３の実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
サーバ４００ａは、図１２に示したように、第二受信制御部８１と、生成部１２と、情報取得部５１と、第二送信制御部８２と、通信部２と、を備えている。本実施形態に係る受信制御部８１、生成部１２、情報取得部５１および送信制御部８２は、制御部８に含まれる。
本実施形態に係るサーバ４００ａは、デジタルツインを生成するデジタルツインサーバとなっている。また、本実施形態に係るサーバ４００ａは、図１０に示したように、複数の車両Ｖと通信ネットワークＮを介して接続されることにより、デジタルツインシステム４００を構成している。
（第二受信制御部８１）
第二受信制御部８１は、車両Ｖが備える複数のセンサからそれぞれ検知データＤ1を受信するよう通信部２を制御する。これにより、通信部２は、車両Ｖが備える複数のセンサからそれぞれ検知データＤ1を受信する。
第二受信制御部８１は、車両Ｖが備える複数のセンサからそれぞれ検知データＤ1を受信するよう通信部２を制御する。これにより、通信部２は、車両Ｖが備える複数のセンサからそれぞれ検知データＤ1を受信する。
（第二送信制御部８２）
第二送信制御部８２は、交通情報を送信するよう通信部２を制御する。これにより、通信部２は、取得した交通情報を車両Ｖへ送信する。
第二送信制御部８２は、交通情報を送信するよう通信部２を制御する。これにより、通信部２は、取得した交通情報を車両Ｖへ送信する。
（デジタルツインシステムその他）
デジタルツインシステム４００は、上記車両３００ａを含んでいてもよい。
デジタルツインシステム４００は、上記車両３００ａを含んでいてもよい。
〔発明４実施形態の作用効果〕
以上説明してきた本実施形態に係るサーバ４００ａによれば、入力データＤ2として、複数のセンサから得られる検知データＤ1が一つの地図に纏められ、次元数が削減されたものが用いられる。このため、学習済モデルを用いて交通情報を出力する際の計算量が削減される。その結果、交通情報をより早く車両Ｖへ送信することができる。
以上説明してきた本実施形態に係るサーバ４００ａによれば、入力データＤ2として、複数のセンサから得られる検知データＤ1が一つの地図に纏められ、次元数が削減されたものが用いられる。このため、学習済モデルを用いて交通情報を出力する際の計算量が削減される。その結果、交通情報をより早く車両Ｖへ送信することができる。
＜発明１～４その他＞
上記各制御ブロックの機能の一部または全部は、論理回路により実現することも可能である。例えば、上記各制御ブロックとして機能する論理回路が形成された集積回路も本発明の範疇に含まれる。この他にも、例えば量子コンピュータにより上記各制御ブロックの機能を実現することも可能である。
上記各制御ブロックの機能の一部または全部は、論理回路により実現することも可能である。例えば、上記各制御ブロックとして機能する論理回路が形成された集積回路も本発明の範疇に含まれる。この他にも、例えば量子コンピュータにより上記各制御ブロックの機能を実現することも可能である。
〔ソフトウェアによる実現例〕
上記データ生成装置１００およびモデル構築装置２００（以下、「装置」と呼ぶ）の機能は、当該装置としてコンピュータを機能させるためのデータ生成プログラムおよびモデル構築プログラム（以下、プログラム）であって、当該装置の各制御ブロック（特に制御部１，３に含まれる各部）としてコンピュータを機能させるためのプログラムにより実現することができる。この場合、上記装置は、上記プログラムを実行するためのハードウェアとして、少なくとも１つの制御装置（例えばプロセッサ）と少なくとも１つの記憶装置（例えばメモリ）を有するコンピュータを備えている。この制御装置と記憶装置により上記プログラムを実行することにより、上記各実施形態で説明した各機能が実現される。上記プログラムは、一時的ではなく、コンピュータ読み取り可能な、１または複数の記録媒体に記録されていてもよい。この記録媒体は、上記装置が備えていてもよいし、備えていなくてもよい。後者の場合、上記プログラムは、有線または無線の任意の伝送媒体を介して上記装置に供給されてもよい。
上記データ生成装置１００およびモデル構築装置２００（以下、「装置」と呼ぶ）の機能は、当該装置としてコンピュータを機能させるためのデータ生成プログラムおよびモデル構築プログラム（以下、プログラム）であって、当該装置の各制御ブロック（特に制御部１，３に含まれる各部）としてコンピュータを機能させるためのプログラムにより実現することができる。この場合、上記装置は、上記プログラムを実行するためのハードウェアとして、少なくとも１つの制御装置（例えばプロセッサ）と少なくとも１つの記憶装置（例えばメモリ）を有するコンピュータを備えている。この制御装置と記憶装置により上記プログラムを実行することにより、上記各実施形態で説明した各機能が実現される。上記プログラムは、一時的ではなく、コンピュータ読み取り可能な、１または複数の記録媒体に記録されていてもよい。この記録媒体は、上記装置が備えていてもよいし、備えていなくてもよい。後者の場合、上記プログラムは、有線または無線の任意の伝送媒体を介して上記装置に供給されてもよい。
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
１００ データ生成装置
１ 制御部
１１ 取得部
１２ 生成部
１３ 出力部
２ 通信部
２００ モデル構築装置
３ 制御部
３１ 第一取得部
３２ 第二取得部
３３ 構築部
３４ 出力部
４ 記憶部
３００ デジタルツインシステム
３００ａ，Ｖ 車両
Ｓ センサ
５ 制御部
５１ 情報取得部
５２ 送信制御部
５３ 受信制御部
５４ 表示制御部
５５ 運転制御部
４Ａ 記憶部
６ 表示部
３００ｂ サーバ
７ 制御部
７１ 取得部
７２ 結合部
７３ 配信部
４００ デジタルツインシステム
４００ａ サーバ
８ 制御部
Ｄ1 検知データ
Ｄ2 入力データ
Ｄ3 俯瞰入力データ
Ｉ 画像
Ｓ センサ
１ 制御部
１１ 取得部
１２ 生成部
１３ 出力部
２ 通信部
２００ モデル構築装置
３ 制御部
３１ 第一取得部
３２ 第二取得部
３３ 構築部
３４ 出力部
４ 記憶部
３００ デジタルツインシステム
３００ａ，Ｖ 車両
Ｓ センサ
５ 制御部
５１ 情報取得部
５２ 送信制御部
５３ 受信制御部
５４ 表示制御部
５５ 運転制御部
４Ａ 記憶部
６ 表示部
３００ｂ サーバ
７ 制御部
７１ 取得部
７２ 結合部
７３ 配信部
４００ デジタルツインシステム
４００ａ サーバ
８ 制御部
Ｄ1 検知データ
Ｄ2 入力データ
Ｄ3 俯瞰入力データ
Ｉ 画像
Ｓ センサ
Claims (12)
- 入力データが入力されると当該入力データに対応した交通に関する情報を出力する学習済モデルを構築するための機械学習に用いられる入力データを生成するデータ生成装置であって、
車両が備える複数のセンサからそれぞれ検知データを取得する取得部と、
取得した前記複数の検知データのうち第１検知データ及び第２検知データに基づく画像が埋め込まれた地図であって、前記第１検知データに基づく画像と前記第２検知データに基づく画像とがそれぞれ独立している画像として重ねられた地図よりも次元数が削減されている地図を、前記入力データとして生成する生成部と、
を有するデータ生成装置。 - 入力データが入力されると当該入力データに対応した交通に関する情報を出力する学習済モデルを構築するための機械学習に用いられる入力データを生成するデータ生成装置であって、
車両が備える複数のセンサからそれぞれ検知データを取得する取得部と、
取得した複数の検知データの少なくとも二つに基づく画像が重畳された地図を、前記入力データとして生成する生成部と、を有し、
前記取得部が取得する検知データの少なくとも１つは速度データであり、
前記生成部は、前記速度データが示す前記車両の速度が大きいほど、縮尺の大きい地図を用いて前記入力データを生成する、
データ生成装置。 - 前記取得部が取得する検知データには、前記車両の進行方向データが更に含まれ、
前記生成部は、前記車両の進行方向が矢印、前記車両の速度が前記矢印の色で表された前記画像を生成する、請求項２に記載のデータ生成装置。 - 前記取得部は、前記車両の位置データ、前記車両の加速度データ、または前記車両に関する異常データを取得する、請求項３に記載のデータ生成装置。
- 請求項１から４のいずれか一項に記載のデータ生成装置としてコンピュータを機能させるためのデータ生成プログラムであって、上記取得部、および上記生成部としてコンピュータを機能させるためのデータ生成プログラム。
- 車両が備える複数のセンサからそれぞれ取得した複数の検知データの少なくとも二つに基づく画像が重畳された地図を、入力データとして取得する第一取得部と、
交通に関する情報を取得する第二取得部と、
前記第一取得部が取得した過去の前記入力データと前記第二取得部が取得した過去の前記交通に関する情報との組を教師データとする機械学習により、前記第一取得部が取得した新たな前記入力データが入力されると交通に関する情報を出力する学習済モデルを構築する構築部と、
を有するモデル構築装置。 - 請求項６に記載のモデル構築装置としてコンピュータを機能させるためのモデル構築プログラムであって、上記第一取得部、上記第二取得部および上記構築部としてコンピュータを機能させるためのモデル構築プログラム。
- 車両が備える複数のセンサからそれぞれ取得した複数の過去の検知データの少なくとも二つに基づく画像が重畳された過去の地図と、過去の交通に関する情報と、の組を教師データとする機械学習により構築され、
車両が備える複数のセンサからそれぞれ取得した複数の検知データの少なくとも二つに基づく画像が重畳された新たな地図が入力データとして入力されると、交通に関する情報を出力する学習済モデル。 - 複数のセンサと、
前記複数のセンサからそれぞれ検知データを取得する取得部と、
取得した前記複数の検知データのうち第１検知データ及び第２検知データに基づく画像が埋め込まれた地図であって、前記第１検知データに基づく画像と前記第２検知データに基づく画像とがそれぞれ独立している画像として重ねられた地図よりも次元数が削減されている地図を、入力データとして生成する生成部と、
車両が備える複数のセンサからそれぞれ取得した複数の過去の検知データの少なくとも二つに基づく画像が重畳された過去の地図と、過去の交通に関する情報と、の組を教師データとする機械学習により構築され、前記生成部が生成した新たな前記入力データが入力されると、交通に関する情報を出力する学習済モデルを用いて、前記交通に関する情報を取得する情報取得部と、を備える車両。 - 乗員が視認可能な位置に設けられた表示部と、
前記情報取得部が取得した交通に関する情報を前記表示部に表示させる表示制御部と、
を備える請求項９に記載の車両。 - 前記情報取得部が取得した交通に関する情報に基づいて車両の少なくとも一部の動作を自動で制御する運転制御部を備える、請求項９に記載の車両。
- 車両が備える複数のセンサからそれぞれ検知データを受信する通信部と、
受信した前記複数の検知データのうち第１検知データ及び第２検知データに基づく画像が埋め込まれた地図であって、前記第１検知データに基づく画像と前記第２検知データに基づく画像とがそれぞれ独立している画像として重ねられた地図よりも次元数が削減されている地図を、入力データとして生成する生成部と、
車両が備える複数のセンサからそれぞれ取得した複数の過去の検知データの少なくとも二つに基づく画像が重畳された過去の地図と、過去の交通に関する情報と、の組を教師データとする機械学習により構築され、前記生成部が生成した新たな前記入力データが入力されると、交通に関する情報を出力とする学習済モデルを用いて、前記交通に関する情報を取得する情報取得部と、を備え、
前記通信部は、取得した交通に関する情報を前記車両へ送信する、サーバ。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022002380A JP7462687B2 (ja) | 2022-01-11 | 2022-01-11 | データ生成装置、データ生成プログラム、モデル構築装置、モデル構築プログラム、学習済モデル、車両およびサーバ |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022002380A JP7462687B2 (ja) | 2022-01-11 | 2022-01-11 | データ生成装置、データ生成プログラム、モデル構築装置、モデル構築プログラム、学習済モデル、車両およびサーバ |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2023102049A JP2023102049A (ja) | 2023-07-24 |
| JP7462687B2 true JP7462687B2 (ja) | 2024-04-05 |
Family
ID=87425279
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022002380A Active JP7462687B2 (ja) | 2022-01-11 | 2022-01-11 | データ生成装置、データ生成プログラム、モデル構築装置、モデル構築プログラム、学習済モデル、車両およびサーバ |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7462687B2 (ja) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004077281A (ja) | 2002-08-19 | 2004-03-11 | Alpine Electronics Inc | ナビゲーション装置の地図表示方法 |
| WO2005020186A1 (ja) | 2003-08-22 | 2005-03-03 | Hitachi, Ltd. | 地図表示方法 |
| JP2005202397A (ja) | 2005-01-11 | 2005-07-28 | Hitachi Ltd | 端末装置 |
| JP2007257370A (ja) | 2006-03-23 | 2007-10-04 | Pioneer Electronic Corp | 情報提示装置、情報処理装置、情報提示方法、情報処理方法、情報提示プログラム、情報処理プログラムおよび記録媒体 |
| JP2011215058A (ja) | 2010-03-31 | 2011-10-27 | Aisin Aw Co Ltd | 渋滞度表示装置、渋滞度表示方法、及び渋滞度表示システム |
| JP2012150667A (ja) | 2011-01-19 | 2012-08-09 | Zenrin Co Ltd | 規制情報解析システム |
| JP2017227477A (ja) | 2016-06-21 | 2017-12-28 | 三菱電機株式会社 | 表示制御装置及び表示制御方法 |
| WO2019167457A1 (ja) | 2018-02-28 | 2019-09-06 | ソニー株式会社 | 情報処理装置、情報処理方法、プログラム、及び移動体 |
| JP2020107080A (ja) | 2018-12-27 | 2020-07-09 | トヨタ自動車株式会社 | 交通情報処理装置 |
| JP2020123071A (ja) | 2019-01-29 | 2020-08-13 | 株式会社デンソーテン | 車載装置および表示方法 |
-
2022
- 2022-01-11 JP JP2022002380A patent/JP7462687B2/ja active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004077281A (ja) | 2002-08-19 | 2004-03-11 | Alpine Electronics Inc | ナビゲーション装置の地図表示方法 |
| WO2005020186A1 (ja) | 2003-08-22 | 2005-03-03 | Hitachi, Ltd. | 地図表示方法 |
| JP2005202397A (ja) | 2005-01-11 | 2005-07-28 | Hitachi Ltd | 端末装置 |
| JP2007257370A (ja) | 2006-03-23 | 2007-10-04 | Pioneer Electronic Corp | 情報提示装置、情報処理装置、情報提示方法、情報処理方法、情報提示プログラム、情報処理プログラムおよび記録媒体 |
| JP2011215058A (ja) | 2010-03-31 | 2011-10-27 | Aisin Aw Co Ltd | 渋滞度表示装置、渋滞度表示方法、及び渋滞度表示システム |
| JP2012150667A (ja) | 2011-01-19 | 2012-08-09 | Zenrin Co Ltd | 規制情報解析システム |
| JP2017227477A (ja) | 2016-06-21 | 2017-12-28 | 三菱電機株式会社 | 表示制御装置及び表示制御方法 |
| WO2019167457A1 (ja) | 2018-02-28 | 2019-09-06 | ソニー株式会社 | 情報処理装置、情報処理方法、プログラム、及び移動体 |
| JP2020107080A (ja) | 2018-12-27 | 2020-07-09 | トヨタ自動車株式会社 | 交通情報処理装置 |
| JP2020123071A (ja) | 2019-01-29 | 2020-08-13 | 株式会社デンソーテン | 車載装置および表示方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023102049A (ja) | 2023-07-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6179191B2 (ja) | 運転診断装置，運転診断方法及びプログラム | |
| CN106611497B (zh) | 交通量预测系统及预测方法、车辆用显示装置以及车辆 | |
| US9702716B2 (en) | Traffic score determination | |
| CN107430819A (zh) | 车辆信息处理装置及车辆信息处理程序 | |
| US11657318B2 (en) | Assessing ride quality for autonomous vehicles | |
| JP6703465B2 (ja) | 運転支援装置、センタ装置 | |
| EP2715281A1 (en) | Combined radar and gps localization system | |
| JP6540465B2 (ja) | 運転支援装置 | |
| CN112567439B (zh) | 一种交通流信息的确定方法、装置、电子设备和存储介质 | |
| CN107430813A (zh) | 驾驶辅助信息生成装置、驾驶辅助信息生成方法、驾驶辅助装置、及驾驶辅助方法 | |
| JP5465090B2 (ja) | 省燃費運転支援システムおよび方法 | |
| CN104870289A (zh) | 用于为机动车提供运行策略的方法 | |
| CN103596830A (zh) | 车辆用信息处理装置和车辆用信息处理方法 | |
| US11932278B2 (en) | Method and apparatus for computing an estimated time of arrival via a route based on a degraded state of a vehicle after an accident and/or malfunction | |
| US20210390225A1 (en) | Realism in log-based simulations | |
| US20240083458A1 (en) | Using simulations to identify differences between behaviors of manually-driven and autonomous vehicles | |
| TW202125392A (zh) | 潛在危險道路鑑別及資訊共享的方法、雲端伺服器、電腦可讀取的記錄媒體及特殊應用積體電路晶片 | |
| CN116466697A (zh) | 用于运载工具的方法、系统以及存储介质 | |
| JP7462687B2 (ja) | データ生成装置、データ生成プログラム、モデル構築装置、モデル構築プログラム、学習済モデル、車両およびサーバ | |
| JP6991053B2 (ja) | 車載装置、情報提示方法 | |
| JP2020077308A (ja) | 運転支援装置、運転支援システム、運転支援方法およびプログラム | |
| JP2010237969A (ja) | 車両操作診断装置、車両操作診断方法及びコンピュータプログラム | |
| JP6811429B2 (ja) | イベント予測システム、イベント予測方法、プログラム、及び移動体 | |
| US20220170752A1 (en) | Method and apparatus for requesting a map update based on an accident and/or damaged/malfunctioning sensors to allow a vehicle to continue driving | |
| Tsu-Tian | Research on intelligent transportation systems in Taiwan |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220318 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230606 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230728 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231114 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231227 |
|
| 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: 20240319 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240326 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7462687 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |