JP7467756B2 - 異常検知システム、車載器、異常検知方法、及びプログラム - Google Patents
異常検知システム、車載器、異常検知方法、及びプログラム Download PDFInfo
- Publication number
- JP7467756B2 JP7467756B2 JP2023500209A JP2023500209A JP7467756B2 JP 7467756 B2 JP7467756 B2 JP 7467756B2 JP 2023500209 A JP2023500209 A JP 2023500209A JP 2023500209 A JP2023500209 A JP 2023500209A JP 7467756 B2 JP7467756 B2 JP 7467756B2
- Authority
- JP
- Japan
- Prior art keywords
- positioning data
- gnss positioning
- gnss
- vehicle
- information
- 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
- 238000001514 detection method Methods 0.000 title claims description 123
- 230000005856 abnormality Effects 0.000 claims description 43
- 230000002159 abnormal effect Effects 0.000 claims description 28
- 238000009434 installation Methods 0.000 claims description 27
- 238000003860 storage Methods 0.000 description 32
- 238000000034 method Methods 0.000 description 27
- 230000008569 process Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 16
- 238000011156 evaluation Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/40—Transportation
Description
以下、本開示の第1の実施形態に係る異常検知システム1について、図1~図4を参照しながら説明する。
図1は、本開示の第1の実施形態に係る異常検知システムの全体構成を示す図である。
図1に示すように、異常検知システム1は、複数の車載器10と、センタサーバ20とを備えている。
図2は、本開示の第1の実施形態に係る異常検知システムの機能構成を示す図である。
図2に示すように、車載器10は、GNSSレシーバ100と、センサ情報取得部101と、状態観測部102と、出力部103と、記憶媒体104とを備えている。
本開示の第1の実施形態に係る学習部の機能構成、及び学習処理の一例を示す図である。
本実施形態に係る学習部200は、敵対的生成ネットワーク(Generative adversarial networks)の技術を用いて、疑似GNSS測位データを生成するための生成モデルを学習する。図3に示すように、学習部200は、ジェネレータ2001と、ディスクリミネータ2002とを有している。
図4は、本開示の第1の実施形態に係る異常検知処理の一例を示す図である。
以下、図4を参照しながら、異常検知システム1におけるGNSS測位データの異常検知処理の流れについて説明する。なお、この異常検知処理は、前述した学習処理(図3)が完了した後に行われる。
以上のように、本実施形態に係る異常検知システム1は、状態観測部102が取得したGNSS測位データxと、生成部201により学習済みの生成モデルを用いて作成された疑似GNSS測位データx´との対比に基づいて、取得したGNSS測位データxが異常であるか否かを判定する。
このようにすることで、異常検知システム1は、GNSSレシーバ100により実測されたGNSS測位データxが疑似GNSS測位データx´と乖離している場合、GNSS測位データxが異常であることを検知することができる。
このようにすることで、異常検知システム1は、GNSSレシーバ100の状態が正常である場合に取得されると推定されるデータを模擬した疑似GNSS測位データを生成可能な生成モデルを学習することができる。よって、異常検知システム1は、このように学習された生成モデルを用いることにより、正常時のデータを模擬した疑似GNSS測位データx´から、実測されたGNSS測位データxが乖離している場合は、GNSS測位データxが異常であると精度よく判定することができる。
実測されるGNSS測位データには、測位誤差が含まれている場合がある。このため、本実施形態に係る異常検知システム1は、測位誤差も含めて生成モデルの学習を行うようにしている。これにより、異常検知システム1は、実際の車載器10(GNSSレシーバ100)に生じる測位誤差についても模擬することができるので、このような測位誤差を含む疑似GNSS測位データを生成することが可能となる。そうすると、異常検知システム1は、より本物に近い疑似GNSS測位データを生成することができるので、異常検知の精度を向上させることができる。
GNSSレシーバ100の型式に応じて、レシーバの特性(アンテナ感度、指向性、周波数特性等)が異なる場合がある。つまり、異なるGNSSレシーバ100を用いると、同じ時刻の同じ場所であっても、測位結果(GNSS測位データの内容)が異なる可能性がある。このため、本実施形態に係る異常検知システム1は、GNSSレシーバ100のレシーバ情報(型式)も含めて生成モデルの学習を行うようにしている。これにより、異常検知システム1は、GNSSレシーバ100の特性に応じた、より本物に近い疑似GNSS測位データを生成することができる。この結果、GNSSレシーバ100毎の特性の違いを考慮した異常検知が可能となり、異常検知の精度を向上させることができる。
これにより、異常検知システム1は、GNSSレシーバ100の経年劣化による特性の変化をさらに学習させることができる。この結果、GNSSレシーバ100毎の経年劣化を考慮した異常検知が可能となり、異常検知の精度を向上させることができる。
たとえば、車両A内におけるGNSSレシーバ100の搭載車両や、取付位置等が変わると、GNSSレシーバ100が受信する衛星信号の信号強度等に影響が出る場合がある。そうすると、同じ型式のGNSSレシーバ100であっても、測位結果が異なる可能性がある。このため、本実施形態に係る異常検知システム1は、GNSSレシーバ100の取付環境情報も含めて生成モデルの学習を行うようにしている。これにより、異常検知システム1は、GNSSレシーバ100の取付環境に応じた、より本物に近い疑似GNSS測位データを生成することができる。この結果、GNSSレシーバ100の取付環境を考慮した異常検知が可能となり、異常検知の精度を向上させることができる。
車両Aの周辺に衛星信号を遮蔽するような建造物がある場合、GNSSレシーバ100が受信する衛星信号の信号強度等に影響が出る場合がある。そうすると、車載器10(GNSSレシーバ100)の状態が正常であっても、車両Aの走行位置によって測位誤差等が大きく変動する可能性がある。このため、本実施形態に係る異常検知システム1は、車両Aの周辺環境情報も含めて生成モデルの学習を行うようにしている。これにより、異常検知システム1は、車両Aの周辺の遮蔽物の有無に応じた、より本物に近い疑似GNSS測位データを生成することができる。この結果、車両A周辺の遮蔽状況を考慮した異常検知が可能となり、異常検知の精度を向上させることができる。
次に、本開示の第2の実施形態に係る異常検知システム1について、図5~図6を参照しながら説明する。
第1の実施形態と共通の構成要素には同一の符号を付して詳細説明を省略する。
図5は、本開示の第2の実施形態に係る学習部の機能構成、及び学習処理の一例を示す図である。
図5に示すように、本実施形態に係る学習部200は、エンコーダ2003をさらに有している。
図6は、本開示の第2の実施形態に係る異常検知処理の一例を示す図である。
以下、図6を参照しながら、異常検知システム1におけるGNSS測位データの異常検知処理の流れについて説明する。なお、この異常検知処理は、前述した学習処理(図5)が完了した後に行われる。
以上のように、本実施形態に係る異常検知システム1において、学習部200は、GNSS測位データを用いて潜在変数モデルをさらに学習する。また、生成部201は、潜在変数モデルから出力された潜在変数z´を生成モデルに入力して、疑似GNSS測位データx´を生成する。
本実施形態に係る異常検知システム1は、学習済みの潜在変数モデルを用いてGNSS測位データから潜在変数z´を特定することができるので、第1の実施形態のように、複数の潜在変数それぞれに基づく複数の疑似GNSS測位データを生成し、全ての疑似GNSS測位データとGNSS測位データとを対比させる必要がない。このため、異常検知システム1は、生成部201及び異常判定部202における処理負荷を大幅に低減させることができる。
次に、本開示の第3の実施形態に係る異常検知システム1について、図7を参照しながら説明する。
第1及び第2の実施形態と共通の構成要素には同一の符号を付して詳細説明を省略する。
図7は、本開示の第3の実施形態に係る異常検知システムの機能構成を示す図である。
図7に示すように、本実施形態に係る車載器10は、生成部111及び異常判定部112をさらに備えている。
以上のように、本実施形態に係る車載器10は、GNSS測位データを収集する状態観測部102と、学習済みの生成モデルを用いて疑似GNSS測位データを生成する生成部111と、新たに取得されたGNSS測位データxと疑似GNSS測位データx´との対比に基づいて、当該GNSS測位データxが異常であるか否かを判定する異常判定部112とを備える。
このようにすることで、各車両Aに搭載された車載器10が、自身が収集したGNSS測位データの異常を検知することが可能となる。これにより、異常検知システム1は、車載器10とセンタサーバ20との間で頻繁に評価データ(GNSS測位データ)を送受信する必要がなくなるので、通信量を大幅に低減させることができる。また、センタサーバ20が複数の車載器10の異常検出処理を行う態様と比較して、各車載器10に異常検出処理の負荷を分散させることができるので、センタサーバ20の処理負荷を大幅に低減させることができる。
図8は、本開示の一実施形態に係る車載器及びセンタサーバのハードウェア構成の一例を示す図である。
図8に示すように、コンピュータ900は、CPU901、主記憶装置902、補助記憶装置903、インタフェース904を備える。
さらに、当該プログラムは、前述した機能を補助記憶装置903に既に記憶されている他のプログラムとの組み合わせで実現するもの、いわゆる差分ファイル(差分プログラム)であってもよい。
上述の実施形態に記載の異常検知システム、車載器、異常検知方法、及びプログラムは、たとえば以下のように把握される。
10 車載器
100 GNSSレシーバ
101 センサ情報取得部
102 状態観測部
103 出力部
104 記憶媒体
111 生成部
112 異常判定部
20 センタサーバ
200 学習部
2001 ジェネレータ
2002 ディスクリミネータ
2003 エンコーダ
201 生成部
202 異常判定部
203 記憶媒体
30 車載センサ
40 GNSS衛星
900 コンピュータ
901 CPU
902 主記憶装置
903 補助記憶装置
904 インタフェース
910 外部記憶装置
Claims (9)
- 車両に搭載されたGNSSレシーバを介して、GNSS衛星から受信した衛星信号に関する情報、及び当該衛星信号から推定される前記車両の位置に関する情報を含むGNSS測位データを収集する状態観測部と、
前記GNSS測位データを用いて学習された生成モデルにより、疑似GNSS測位データを生成する生成部と、
新たなGNSS測位データが取得された場合に、生成された前記疑似GNSS測位データとの対比に基づいて、新たに取得された当該GNSS測位データが異常であるか否かを判定する異常判定部と、
前記状態観測部が収集した正常な前記GNSS測位データを用いて前記生成モデルを学習する学習部と、
を備え、
前記状態観測部は、前記車両の周辺環境に関する周辺環境情報をさらに収集し、
前記学習部は、前記周辺環境情報をさらに用いて前記生成モデルを学習し、
前記周辺環境情報は、車載カメラ又はLiDAR(Light Detection and Ranging)を通じて取得された情報であって、衛星信号を遮蔽する遮蔽物の有無を示す情報である、
異常検知システム。
- 前記状態観測部は、前記GNSS測位データの測位誤差をさらに収集し、
前記学習部は、前記測位誤差をさらに用いて前記生成モデルを学習する、
請求項1に記載の異常検知システム。 - 前記状態観測部は、前記GNSSレシーバの特性を検出可能なレシーバ情報をさらに収集し、
前記学習部は、前記レシーバ情報をさらに用いて前記生成モデルを学習する、
請求項1又は2に記載の異常検知システム。 - 前記状態観測部は、前記GNSSレシーバの取付環境を示す取付環境情報をさらに収集し、
前記学習部は、前記取付環境情報をさらに用いて前記生成モデルを学習する、
請求項1から3のいずれか一項に記載の異常検知システム。 - 前記学習部は、前記GNSS測位データを用いて、前記疑似GNSS測位データを生成するための潜在変数を出力する潜在変数モデルをさらに学習し、
前記生成部は、前記潜在変数モデルから出力された前記潜在変数を前記生成モデルに入力して、前記疑似GNSS測位データを生成する、
請求項1から4のいずれか一項に記載の異常検知システム。 - 車両に搭載されたGNSSレシーバを介して、GNSS衛星から受信した衛星信号に関する情報、及び当該衛星信号から推定される前記車両の位置に関する情報を含むGNSS測位データを収集する状態観測部と、
前記GNSS測位データを用いて学習された生成モデルにより、疑似GNSS測位データを生成する生成部と、
新たなGNSS測位データが取得された場合に、生成された前記疑似GNSS測位データとの対比に基づいて、当該GNSS測位データが異常であるか否かを判定する異常判定部と、
前記状態観測部が収集した正常な前記GNSS測位データを用いて前記生成モデルを学習する学習部と、
を備え、
前記状態観測部は、前記車両の周辺環境に関する周辺環境情報をさらに収集し、
前記学習部は、前記周辺環境情報をさらに用いて前記生成モデルを学習し、
前記周辺環境情報は、車載カメラ又はLiDAR(Light Detection and Ranging)を通じて取得された情報であって、衛星信号を遮蔽する遮蔽物の有無を示す情報である、
車載器。 - 車両に搭載されたGNSSレシーバを介して、GNSS衛星から受信した衛星信号に関する情報、及び当該衛星信号から推定される前記車両の位置に関する情報を含むGNSS測位データを収集するステップと、
前記GNSS測位データを用いて学習された生成モデルにより、疑似GNSS測位データを生成するステップと、
新たなGNSS測位データが取得された場合に、生成された前記疑似GNSS測位データとの対比に基づいて、当該GNSS測位データが異常であるか否かを判定するステップと、
前記収集するステップで収集した正常な前記GNSS測位データを用いて前記生成モデルを学習するステップと、
を有し、
前記収集するステップでは、前記車両の周辺環境に関する周辺環境情報をさらに収集し、
前記学習するステップでは、前記周辺環境情報をさらに用いて前記生成モデルを学習し、
前記周辺環境情報は、車載カメラ又はLiDAR(Light Detection and Ranging)を通じて取得された情報であって、衛星信号を遮蔽する遮蔽物の有無を示す情報である、
異常検知方法。 - 車両に搭載されたGNSSレシーバを介して、GNSS衛星から受信した衛星信号に関する情報、及び当該衛星信号から推定される前記車両の位置に関する情報を含むGNSS測位データを収集するステップと、
前記GNSS測位データを用いて学習された生成モデルにより、疑似GNSS測位データを生成するステップと、
新たなGNSS測位データが取得された場合に、生成された前記疑似GNSS測位データとの対比に基づいて、当該GNSS測位データが異常であるか否かを判定するステップと、
前記収集するステップで収集した正常な前記GNSS測位データを用いて前記生成モデルを学習するステップと、
を車載器のコンピュータに実行させるプログラムであって、
前記収集するステップでは、前記車両の周辺環境に関する周辺環境情報をさらに収集し、
前記学習するステップでは、前記周辺環境情報をさらに用いて前記生成モデルを学習し、
前記周辺環境情報は、車載カメラ又はLiDAR(Light Detection and Ranging)を通じて取得された情報であって、衛星信号を遮蔽する遮蔽物の有無を示す情報である、
プログラム。 - 車両に搭載されたGNSSレシーバを介して、GNSS衛星から受信した衛星信号に関する情報、及び当該衛星信号から推定される前記車両の位置に関する情報を含むGNSS測位データを収集する状態観測部と、
前記GNSS測位データを用いて学習された生成モデルにより、疑似GNSS測位データを生成する生成部と、
新たなGNSS測位データが取得された場合に、生成された前記疑似GNSS測位データとの対比に基づいて、新たに取得された当該GNSS測位データが異常であるか否かを判定する異常判定部と、
前記状態観測部が収集した正常な前記GNSS測位データを用いて前記生成モデルを学習する学習部と、
を備え、
前記学習部は、前記GNSS測位データを用いて、前記疑似GNSS測位データを生成するための潜在変数を出力する潜在変数モデルをさらに学習し、
前記生成部は、前記潜在変数モデルから出力された前記潜在変数を前記生成モデルに入力して、前記疑似GNSS測位データを生成する、
異常検知システム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/006068 WO2022176093A1 (ja) | 2021-02-18 | 2021-02-18 | 異常検知システム、車載器、異常検知方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2022176093A1 JPWO2022176093A1 (ja) | 2022-08-25 |
JP7467756B2 true JP7467756B2 (ja) | 2024-04-15 |
Family
ID=82930370
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023500209A Active JP7467756B2 (ja) | 2021-02-18 | 2021-02-18 | 異常検知システム、車載器、異常検知方法、及びプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7467756B2 (ja) |
WO (1) | WO2022176093A1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003215228A (ja) | 2002-01-23 | 2003-07-30 | Hitachi Ltd | 位置表示機能付き移動端末装置及び位置表示方法 |
US20120253656A1 (en) | 2011-03-31 | 2012-10-04 | Google Inc. | Mobile state determination of location aware devices |
-
2021
- 2021-02-18 WO PCT/JP2021/006068 patent/WO2022176093A1/ja active Application Filing
- 2021-02-18 JP JP2023500209A patent/JP7467756B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003215228A (ja) | 2002-01-23 | 2003-07-30 | Hitachi Ltd | 位置表示機能付き移動端末装置及び位置表示方法 |
US20120253656A1 (en) | 2011-03-31 | 2012-10-04 | Google Inc. | Mobile state determination of location aware devices |
Also Published As
Publication number | Publication date |
---|---|
WO2022176093A1 (ja) | 2022-08-25 |
JPWO2022176093A1 (ja) | 2022-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9799219B2 (en) | Vehicle data system and method | |
US9478128B2 (en) | Obtaining vehicle traffic information using mobile bluetooth detectors | |
US11435482B2 (en) | Method for verifying the plausibility of GNSS position signals | |
US11170639B2 (en) | Transportation threat detection system | |
WO2020080047A1 (ja) | 侵入地点特定装置、および、侵入地点特定方法 | |
CN112669594B (zh) | 交通路况预测的方法、装置、设备及存储介质 | |
Stipancic et al. | Impact of congestion and traffic flow on crash frequency and severity: application of smartphone-collected GPS travel data | |
US11587366B1 (en) | Systems and methods for selecting locations to validate automated vehicle data transmission | |
CN114945802A (zh) | 用于识别和更新自动驾驶车辆的设计适用域的系统、设备和方法 | |
CN114274972A (zh) | 自主驾驶环境中的场景识别 | |
CN114194209A (zh) | 自动驾驶环境中的风险评估 | |
Gawad et al. | Dynamic mapping of road conditions using smartphone sensors and machine learning techniques | |
CN111739293A (zh) | 一种数据融合方法及装置 | |
KR101544854B1 (ko) | 차량 주변의 도로 교통 정보 제공 방법 및 이를 이용한 도로 교통 정보 시스템 | |
JP7091620B2 (ja) | コンピュータプログラム、走行道路判定方法、走行道路判定装置および車載装置 | |
JP7467756B2 (ja) | 異常検知システム、車載器、異常検知方法、及びプログラム | |
CA2792902A1 (en) | Method and system for detecting fraudulent position data of a mobile device | |
JP7381719B2 (ja) | データ生成装置、データ生成方法、及びプログラム | |
CN115269371A (zh) | 用于自动驾驶系统的路径规划系统开发的平台 | |
Villar et al. | Taximeter verification using imprecise data from GPS | |
Robinson et al. | Automatic Identification of Vehicles with Faulty Automatic Vehicle Location and Control Units in London Buses' iBus System | |
WO2019038987A1 (ja) | コンピュータプログラム、走行車線特定装置および走行車線特定システム | |
Villar et al. | Taximeter verification with GPS and soft computing techniques | |
El-Wakeel | Robust Multisensor-Based Framework for Efficient Road Information Services | |
Raiyn | A Performance Analysis of GNSS Positioning Data Used for ISA |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230501 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231219 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240207 |
|
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: 20240403 |