JP7478181B2 - 演算装置、演算方法及びプログラム - Google Patents
演算装置、演算方法及びプログラム Download PDFInfo
- Publication number
- JP7478181B2 JP7478181B2 JP2022061000A JP2022061000A JP7478181B2 JP 7478181 B2 JP7478181 B2 JP 7478181B2 JP 2022061000 A JP2022061000 A JP 2022061000A JP 2022061000 A JP2022061000 A JP 2022061000A JP 7478181 B2 JP7478181 B2 JP 7478181B2
- Authority
- JP
- Japan
- Prior art keywords
- section
- road surface
- iri
- information
- road
- 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
- 238000004364 calculation method Methods 0.000 title claims description 147
- 230000006399 behavior Effects 0.000 claims description 125
- 238000012549 training Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 15
- 238000005259 measurement Methods 0.000 description 14
- 238000001514 detection method Methods 0.000 description 12
- 230000001133 acceleration Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 239000000725 suspension Substances 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004971 IR microspectroscopy Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012060 immune response imaging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
- E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Traffic Control Systems (AREA)
- Road Repair (AREA)
Description
(検出システム)
図1は、本実施形態に係る検出システムの模式的なブロック図である。図1に示すように、本実施形態に係る検出システム1は、車両10と、測定データ取得装置12と、演算装置14とを含む。検出システム1は、演算装置14によって、挙動情報に基づいて道路の路面状態を算出する。路面状態は、本実施形態では路面の凹凸度合いを示す指標である。より詳しくは、本実施形態においては、路面状態とは、IRI(International Roughness Index;国際ラフネス指数)に基づく指標である。
図2は、車両の模式図である。図2に示すように、車両10は、位置センサ10Aと、挙動センサ10Bと、測定装置10Cとを備える。位置センサ10Aは、自身の位置情報を取得するセンサである。位置センサ10Aの位置情報とは、位置センサ10Aの地球座標を示す情報である。本実施形態では、位置センサ10Aが検出した位置センサ10Aの位置情報を、車両10の位置情報(地球座標)として扱う。位置センサ10Aは、本実施形態ではGNSS(Global Navivation Satelite System)用のモジュールである。なお、図2におけるZ方向は、鉛直方向の上方を指し、図2は鉛直方向上方から車両10を見た場合の模式図といえる。
図3は、演算装置の模式的なブロック図である。図3に示すように、演算装置14は、例えばコンピュータであり、通信部20と、記憶部22と、制御部24とを含む。通信部20は、外部の装置と通信を行う通信モジュールであり、例えばアンテナなどである。記憶部22は、制御部24の演算内容やプログラムを記憶するメモリであり、例えば、RAMと、ROMのような主記憶装置と、フラッシュメモリやHDDなどの不揮発性の記憶装置のうち、少なくとも1つを含む。なお、記憶部22が保存する制御部24用のプログラムは、演算装置14が読み取り可能な記録媒体に記憶されていてもよい。
本実施形態においては、演算装置14は、路面上の各位置におけるZ方向での位置(高さ)が既知の道路を走行した車両10の挙動情報と、その道路の路面状態とを教師データとして、挙動情報と路面状態との対応関係を学習モデルに機械学習させる。そして、演算装置14は、機械学習済みの学習モデルに、Z方向での位置や路面状態が未知の道路を走行した車両10の挙動情報を入力することで、その道路の路面状態を算出する。ここで、教師データに用いる路面状態としては、IRIを用いることが考えられる。しかしながら、IRIは、20m以上の単位距離における路面状態の平均値として算出されるものである。このように、IRIにおいては単位距離が長いため、サンプリングレートが長くなってしまい、IRIを教師データとすると、学習モデルの精度が低下するおそれがある。それに対して、本実施形態においては、後述するように非重複区間S3における路面状態を算出して、教師データ用の路面状態とすることで、学習モデルの精度の低下を抑制する。
図4は、道路上の各位置の例を示す模式図である。路面情報取得部30は、道路の路面のZ方向における位置(高さ)を示す路面高さ情報を取得する。路面情報取得部30は、路面高さ情報を、その道路上の位置毎に取得する。路面情報取得部30は、道路の延在方向における位置毎に路面高さ情報を取得し、また、道路の延在方向に交差する方向における位置毎に路面高さ情報を取得することが好ましい。図4は、道路R上の各位置Pを示しており、路面情報取得部30は、それぞれの位置Pにおける、路面のZ方向における位置を、路面高さ情報として取得する。図4においては、位置Pとして、道路の延在方向に並ぶ位置PA1~位置PA8と、道路の延在方向に並ぶ位置PB1~位置PB8と、道路の延在方向に並ぶ位置PC1~位置PC8とが示されている。位置PA1~位置PA8と、位置PB1~位置PB8と、位置PC1~位置PC8とは、道路の延在方向に交差する方向に並んでいる。なお、隣り合う位置P同士の距離は、すなわち路面高さ情報が取得される位置同士の距離は、任意の長さであってよいが、IRIの単位距離である20mより短く、例えば0.1mであってよい。
図5は、IRIの算出を説明するための模式図である。IRI算出部32は、位置P毎の路面高さ情報に基づいて、道路R上の第1区間におけるIRIと、第2区間におけるIRIとを算出する。
路面状態算出部34は、第1区間S1のIRIと第2区間のIRIとに基づいて、前記第2区間S2において第1区間S1と重ならない非重複区間S3における路面状態を算出する。本実施形態では、路面状態算出部34は、第2区間のIRIと第1区間S1のIRIとの差分に基づいて、非重複区間S3の路面状態を算出する。さらに言えば、路面状態算出部34は、次の式(2)により、非重複区間S3の路面状態IRIS3を算出することが好ましい。
次に、非重複区間S3の路面状態を教師データとして学習モデルを学習させる処理について説明する。
学習モデルを学習させる場合においては、車両10に、非重複区間S3の路面状態が算出された道路R(高さが既知の道路R)を走行させつつ、挙動情報と車両10の位置情報とを検出させる。演算装置14の位置情報取得部36は、道路Rを走行中に位置センサ10Aが検出した車両10の位置情報を取得する。また、演算装置14の挙動情報取得部38は、道路Rを走行中に挙動センサ10Bが検出した車両10の挙動情報を取得する。
学習部40は、道路Rを移動した車両10の挙動情報と、非重複区間S3における路面状態とを教師データとして、学習モデルに機械学習させる。具体的には、学習部40は、道路Rを移動した車両10の挙動情報に対応付けられた車両10の位置情報に基づいて、車両10の挙動情報と非重複区間S3における路面状態とを対応付ける。すなわち例えば、学習部40は、車両10の位置情報から所定距離内(好ましくは車両10の位置と重なる位置)にある非重複区間S3を抽出する。そして、学習部40は、その車両10の位置情報に対応付けられた挙動情報と、抽出した非重複区間S3の路面状態とを、対応付ける。学習部40は、挙動情報を入力値とし、その挙動情報に対応付けられた非重複区間S3の路面状態を出力値としたデータセットを、教師データとして設定して、その教師データを学習モデルに入力する。この場合、学習部40は、車両10の挙動情報毎に、すなわち位置毎に、挙動情報と非重複区間S3の路面状態とからなるデータセットを複数準備して、複数のデータセットのそれぞれを学習モデルに入力することが好ましい。これにより、学習モデルは、挙動情報とその挙動情報が検出された位置における路面状態との対応関係を機械学習して、挙動情報が入力されたら、その挙動情報が検出された位置における路面状態を算出可能なモデル(プログラム)となる。
(演算部)
演算装置14の演算部42は、学習済みの学習モデルを用いて、路面状態や高さが未知の道路の路面状態を算出する。具体的には、位置情報取得部36及び挙動情報取得部38は、路面状態が未知の道路を移動中の車両10により検出された、車両10の位置情報及び挙動情報を取得する。演算部42は、取得した挙動情報を、学習済みの学習モデルに入力する。学習モデルにおいては、挙動情報が入力データとして入力されて、演算が実行される。その結果、学習モデルからは、その挙動情報が検出された位置における路面状態が、出力データとして出力される。演算部42は、出力データとして出力された路面状態を、その道路の路面状態として算出するといえる。演算部42は、車両10の位置情報が示す位置毎の挙動情報を学習モデルに入力して、道路の位置毎の路面状態を算出する。
以上説明したように、本実施形態に係る演算装置14は、道路Rの路面の鉛直方向における高さ位置を示す路面高さ情報を、道路R上の路面位置毎に取得する路面情報取得部30と、路面位置毎の路面高さ情報に基づいて、前記道路上の単位距離(第1単位距離)の第1区間S1におけるIRIと、第1区間と重複し、かつ単位距離(第1単位距離)を超えて単位距離(第1単位距離)の2倍未満の長さの第2区間S2におけるIRIとを算出するIRI算出部32と、第1区間S1におけるIRIと第2区間S2におけるIRIとに基づいて、第2区間S2において第1区間S1と重ならない非重複区間S3における路面状態(IRI)を算出する路面状態算出部34と、を含む。本実施形態によると、第1区間S1のIRIと第2区間S2のIRIとから、所定距離Wとなる非重複区間S3の路面状態を算出する。また、第2区間S2が第1区間S1より長いことで、非重複区間S3を第1区間S1より短くでき、第2区間S2が第1区間の2倍未満であることで、非重複区間S3を第1区間S1より短くして、位置毎の路面状態を細かく把握できるといえる。例えば、第1区間S1(第1単位距離)が20mである場合には、第2区間S2は20mより長く40m未満となるため、非重複区間S3は0mより長く(例えば0.1mなど)20m未満(例えば19mなど)となり、位置毎の路面状態を第1区間S1より細かく把握できる。従って、本実施形態によると、位置毎の路面状態を細かく把握できる。
次に、第2実施形態について説明する。第1実施形態においては、位置センサ10Aが検出した位置センサ10Aの位置情報を、車両10の位置情報として扱った。それに対して、第2実施形態においては、位置センサ10Aの位置情報と、位置センサ10Aと車輪TRとの相対位置を示す関係情報とに基づいて、車輪TRの位置情報を算出し、車輪TRの位置情報を車両10の位置情報として扱う。第2実施形態において、第1実施形態と構成が共通する箇所は、説明を省略する。
10 車両
10A 位置センサ
10B 挙動センサ
14 演算装置
30 路面情報取得部
32 IRI算出部
34 路面状態算出部
36 位置情報取得部
38 挙動情報取得部
40 学習部
42 演算部
44 関係情報取得部
46 車輪位置算出部
S1 第1区間
S2 第2区間
S3 非重複区間
TR 車輪
Claims (5)
- 道路の路面の鉛直方向における高さ位置を示す路面高さ情報を、前記道路上の路面位置毎に取得する路面情報取得部と、
前記路面位置毎の前記路面高さ情報に基づいて、前記道路上の単位距離の第1区間におけるIRI(International Roughness Index)と、単位距離を超えて単位距離の2倍未満の長さの第2区間におけるIRIとを算出するIRI算出部と、
前記第1区間におけるIRIと前記第2区間におけるIRIとに基づいて、前記第2区間において前記第1区間と重ならない非重複区間におけるIRIを算出する路面状態算出部と、
を含む、
演算装置。 - 前記IRI算出部は、前記第1区間及び前記第2区間の始点位置を異ならせて、前記第1区間におけるIRIと前記第2区間におけるIRIとを、位置毎に算出し、
前記路面状態算出部は、前記非重複区間におけるIRIを、前記非重複区間の位置毎に算出する、請求項1に記載の演算装置。 - 前記非重複区間を移動した車両の挙動を示す挙動情報と、前記非重複区間における路面状態とを教師データとして、学習モデルに、前記挙動情報と前記路面状態との対応関係を機械学習させる学習部を更に含む、請求項1又は請求項2に記載の演算装置。
- 道路の路面の鉛直方向における高さ位置を示す路面高さ情報を、前記道路上の路面位置毎に取得するステップと、
前記路面位置毎の前記路面高さ情報に基づいて、前記道路上の単位距離の第1区間におけるIRI(International Roughness Index)と、単位距離を超えて単位距離の2倍未満の長さの第2区間におけるIRIとを算出するステップと、
前記第1区間におけるIRIと前記第2区間におけるIRIとに基づいて、前記第2区間において前記第1区間と重ならない非重複区間におけるIRIを算出するステップと、
を含む、
演算方法。 - 道路の路面の鉛直方向における高さ位置を示す路面高さ情報を、前記道路上の路面位置毎に取得するステップと、
前記路面位置毎の前記路面高さ情報に基づいて、前記道路上の単位距離の第1区間におけるIRI(International Roughness Index)と、単位距離を超えて単位距離の2倍未満の長さの第2区間におけるIRIとを算出するステップと、
前記第1区間におけるIRIと前記第2区間におけるIRIとに基づいて、前記第2区間において前記第1区間と重ならない非重複区間におけるIRIを算出するステップと、
をコンピュータに実行させる、
プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022061000A JP7478181B2 (ja) | 2022-03-31 | 2022-03-31 | 演算装置、演算方法及びプログラム |
PCT/JP2023/011322 WO2023189971A1 (ja) | 2022-03-31 | 2023-03-22 | 演算装置、演算方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022061000A JP7478181B2 (ja) | 2022-03-31 | 2022-03-31 | 演算装置、演算方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023151409A JP2023151409A (ja) | 2023-10-16 |
JP7478181B2 true JP7478181B2 (ja) | 2024-05-02 |
Family
ID=88201967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022061000A Active JP7478181B2 (ja) | 2022-03-31 | 2022-03-31 | 演算装置、演算方法及びプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7478181B2 (ja) |
WO (1) | WO2023189971A1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016057861A (ja) | 2014-09-10 | 2016-04-21 | 雄章 石川 | 路面状態管理装置及び路面状態管理プログラム |
WO2019088024A1 (ja) | 2017-10-30 | 2019-05-09 | 株式会社デンソー | 路面状態判別装置およびそれを備えたタイヤシステム |
JP2019163624A (ja) | 2018-03-19 | 2019-09-26 | 株式会社リコー | 情報処理装置、情報処理方法および表示装置 |
WO2020100784A1 (ja) | 2018-11-13 | 2020-05-22 | 国立大学法人東京大学 | 路面プロファイル推定装置、路面プロファイル推定システム、路面プロファイル推定方法及び路面プロファイル推定プログラム |
JP2021169705A (ja) | 2020-04-14 | 2021-10-28 | Kyb株式会社 | 学習済みモデル生成方法および路面性状判定装置 |
-
2022
- 2022-03-31 JP JP2022061000A patent/JP7478181B2/ja active Active
-
2023
- 2023-03-22 WO PCT/JP2023/011322 patent/WO2023189971A1/ja unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016057861A (ja) | 2014-09-10 | 2016-04-21 | 雄章 石川 | 路面状態管理装置及び路面状態管理プログラム |
WO2019088024A1 (ja) | 2017-10-30 | 2019-05-09 | 株式会社デンソー | 路面状態判別装置およびそれを備えたタイヤシステム |
JP2019163624A (ja) | 2018-03-19 | 2019-09-26 | 株式会社リコー | 情報処理装置、情報処理方法および表示装置 |
WO2020100784A1 (ja) | 2018-11-13 | 2020-05-22 | 国立大学法人東京大学 | 路面プロファイル推定装置、路面プロファイル推定システム、路面プロファイル推定方法及び路面プロファイル推定プログラム |
JP2021169705A (ja) | 2020-04-14 | 2021-10-28 | Kyb株式会社 | 学習済みモデル生成方法および路面性状判定装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2023189971A1 (ja) | 2023-10-05 |
JP2023151409A (ja) | 2023-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3640599B1 (en) | Vehicle localization method and apparatus | |
CN101568798B (zh) | 用于确定车轮旋转轴线与旋转中心的方法 | |
Gehrig et al. | Dead reckoning and cartography using stereo vision for an autonomous car | |
CN104932505B (zh) | 基于摄像头检测的自动导航系统、控制方法及直立平衡车 | |
CN102915532A (zh) | 确定车辆视觉系统外部参数的方法以及车辆视觉系统 | |
CN107063305B (zh) | 用惯导、压力传感器修正下坡悬空后轮里程计误差的方法 | |
CN112950972B (zh) | 一种停车场地图构建方法、装置、设备和介质 | |
JP2019109293A (ja) | 道路地図生成システム及び道路地図生成方法 | |
CN110119138A (zh) | 用于自动驾驶车辆的自定位方法、系统和机器可读介质 | |
TW201420399A (zh) | 利用車身訊號偵測車道曲率之方法及其系統 | |
CN104005324B (zh) | 一种路面构造信息的检测系统 | |
CN115060257A (zh) | 一种基于民用级惯性测量单元的车辆变道检测方法 | |
CN108528453A (zh) | 一种面向车车协同信息不确定度的跟驰车辆控制方法 | |
CN111623786A (zh) | 预判车辆行驶轨迹的方法 | |
JP7478181B2 (ja) | 演算装置、演算方法及びプログラム | |
CN107292983A (zh) | 一种驾驶培训的学时记录方法及记录系统 | |
WO2023189972A1 (ja) | 演算装置、演算方法及びプログラム | |
CN205049153U (zh) | 光电式gps盲区环境下车辆可持续导航数据采集装置 | |
JP6939759B2 (ja) | 車両状態推定装置 | |
JPH0566713A (ja) | ナビゲーシヨン装置 | |
CN107092253A (zh) | 用于控制无人车的方法、装置及服务器 | |
CN103688138A (zh) | 确定运输工具的实际运输工具特定的定向数据的方法和装置 | |
Cario et al. | Predictive time-to-lane-crossing estimation for lane departure warning systems | |
WO2023176955A1 (ja) | 演算装置、演算方法及びプログラム | |
WO2022113909A1 (ja) | 演算装置及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240209 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20240209 |
|
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: 20240409 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240419 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7478181 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |