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
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。
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。
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。
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。
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。
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。
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。
・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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
記憶部4Aは、学習済モデルを格納している。
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。
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。
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。
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。
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。
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。
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400は、上記車両300aを含んでいてもよい。
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。
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。
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 |