WO2021020304A1 - 基地局、路側機、交通通信システム、交通管理方法、及び教師データ生成方法 - Google Patents

基地局、路側機、交通通信システム、交通管理方法、及び教師データ生成方法 Download PDF

Info

Publication number
WO2021020304A1
WO2021020304A1 PCT/JP2020/028564 JP2020028564W WO2021020304A1 WO 2021020304 A1 WO2021020304 A1 WO 2021020304A1 JP 2020028564 W JP2020028564 W JP 2020028564W WO 2021020304 A1 WO2021020304 A1 WO 2021020304A1
Authority
WO
WIPO (PCT)
Prior art keywords
road
vehicle
control unit
traveling
unit
Prior art date
Application number
PCT/JP2020/028564
Other languages
English (en)
French (fr)
Inventor
優太 梅原
哲生 岡本
博司 酒井
博己 藤田
隆敏 吉川
忍 藤本
Original Assignee
京セラ株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from JP2019138999A external-priority patent/JP7401217B2/ja
Priority claimed from JP2019214078A external-priority patent/JP7296305B2/ja
Application filed by 京セラ株式会社 filed Critical 京セラ株式会社
Publication of WO2021020304A1 publication Critical patent/WO2021020304A1/ja
Priority to US17/571,686 priority Critical patent/US20220130237A1/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/164—Centralised systems, e.g. external to vehicles
    • 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
    • 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]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • 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]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/024—Guidance services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules

Definitions

  • This disclosure relates to base stations, roadside machines, traffic communication systems, traffic management methods, and teacher data generation methods.
  • ITS Intelligent Transport Systems
  • Non-Patent Document 1 includes a roadside machine which is a base station installed on the roadside and an on-board unit which is a mobile station mounted on a vehicle, and the roadside machine and the on-board unit. Describes a system that performs wireless communication.
  • the roadside machine determines the presence or absence of a moving object (vehicle or pedestrian) on the road based on the image data from the image sensor (so-called roadside camera) installed on the roadside. , It is considered that the judgment result can be transmitted to the surrounding vehicles to prevent accidents.
  • a moving object vehicle or pedestrian
  • roadside camera image sensor
  • Patent Document 1 in a situation where a plurality of vehicles are traveling on a road, a following vehicle acquires route history data from a preceding vehicle traveling in the same lane as the own vehicle, and based on the acquired route history data. A system that warns the driver when it is determined that there is a traffic obstacle in the lane is described.
  • ARIB STD-T109 1.3 version "700MHz band intelligent transportation system"
  • the base station is a base station used for a traffic communication system, and is a communication unit that receives information transmitted from a vehicle traveling on a road by wireless communication, and the information received by the communication unit.
  • the control unit for specifying the traveling behavior including the traveling route of the vehicle on the road is provided.
  • the control unit performs a first process of performing statistics or machine learning on the traveling behavior specified for each of a plurality of vehicles traveling on the road, and based on the result of the first process, the control unit is on the road.
  • the second process of determining the presence or absence of a traffic obstacle and the position of the traffic obstacle is executed.
  • the traffic communication system is a base station that receives information transmitted from a vehicle traveling on the road by wireless communication, and the vehicle on the road based on the information received by the communication unit. It is provided with a control unit that specifies a traveling behavior including a traveling route. The control unit performs a first process of performing statistics or machine learning on the traveling behavior specified for each of a plurality of vehicles traveling on the road, and the control unit on the road based on the result of the first process. The second process of determining the position of a traffic obstacle is executed.
  • the traffic management method is that the base station receives information transmitted from a vehicle traveling on the road by wireless communication, and based on the information received by the base station, the said on the road. Identifying the driving behavior including the traveling route of the vehicle, executing the first process of performing statistics or machine learning on the traveling behavior specified for each of the plurality of vehicles traveling on the road. It includes executing a second process of determining the position of a traffic obstacle on the road based on the result of the first process.
  • the traffic communication system is an image sensor that images a moving body on a road and outputs image data, and wirelessly communicates an uplink message including attribute data indicating the attributes of the moving body from the moving body. It includes a receiving unit for receiving and a generating unit for generating teacher data used for constructing a learning model by machine learning by associating the attribute data included in the uplink message with the image data output by the image sensor.
  • the learning model is a model that identifies the attributes of the moving body from the image data output by the image sensor.
  • the roadside unit is a roadside unit installed around the road, and is a receiving unit that receives a message including attribute data indicating the attributes of the moving body on the road from the moving body by wireless communication. And, by acquiring image data from the image sensor that images the moving object and associating the attribute data included in the message with the image data, a generation unit that generates teacher data used for constructing a learning model by machine learning. And.
  • the learning model is a model that identifies the attributes of the moving body from the image data output by the image sensor.
  • the teacher data generation method is a teacher data generation method executed in a traffic communication system, in which a message including attribute data indicating the attributes of a moving object on a road is received by wireless communication, and the above-mentioned. Acquiring image data from an image sensor that captures an image of a moving object, and by associating the attribute data included in the message with the image data, generating teacher data used for constructing a learning model by machine learning. Have.
  • the learning model is a model that identifies the attributes of the moving body from the image data output by the image sensor.
  • each vehicle determines the presence or absence of a traffic obstacle, and there is a problem that the processing load of each vehicle increases.
  • the purpose of the first embodiment is to eliminate the need for the determination process of the traffic obstacle of each vehicle and to make it possible to appropriately determine the presence or absence of the traffic obstacle and its position.
  • FIG. 1 is a diagram showing a configuration of a transportation communication system 1 according to the first embodiment.
  • the traffic communication system 1 has a vehicle 100 passing through the road R and a roadside machine 200 which is a base station installed on the road side of the road R.
  • vehicles 100A and 100B are illustrated as the vehicle 100
  • roadside machines 200A and 200B are illustrated as the roadside machine 200.
  • the vehicle 100 is an example of a vehicle such as an ordinary vehicle or a light vehicle, it may be a vehicle that passes through the road R, for example, a motorcycle (motorcycle) or the like.
  • Each vehicle 100 is equipped with an in-vehicle device 150, which is a mobile station that performs wireless communication.
  • the on-board unit 150 performs road-to-vehicle communication with the roadside unit 200.
  • FIG. 1 shows an example in which the on-board unit 150A and the roadside unit 200A perform road-to-vehicle communication, and the on-board unit 150B and the roadside unit 200B perform road-to-vehicle communication.
  • the roadside machine 200 is installed around the road R.
  • the roadside machine 200 may be installed at an intersection where two or more roads intersect.
  • the roadside unit 200 performs inter-road communication with another roadside unit 200.
  • FIG. 1 shows an example in which the roadside unit 200A and the roadside unit 200B perform inter-road communication by wireless communication, the inter-road communication may be wired communication.
  • the roadside unit 200A is installed on the traffic signal (traffic signal lamp) 300 or its support, and operates in cooperation with the traffic signal 300.
  • the roadside unit 200A transmits a radio signal including signal information regarding the traffic signal 300 to the vehicle 100 (vehicle-mounted unit 150).
  • wireless communication by broadcasting to an unspecified number of destinations may be used.
  • wireless communication by multicast with a specific majority as a destination may be used, or wireless communication by unicast with a specific singular as a destination may be used.
  • Each roadside unit 200 is connected to the server device 400 via a communication line.
  • This communication line may be a wired line or a wireless line.
  • a vehicle detector installed on the roadside may be connected to the server device 400 via a communication line.
  • the server device 400 receives information such as the position and vehicle speed of the vehicle 100 received from the on-board unit 150 by the roadside unit 200 from each roadside unit 200.
  • the server device 400 may further receive vehicle detection information from the roadside sensor installed on the road R.
  • the server device 400 collects and processes various traffic information based on the received information, and integrates and manages the road traffic.
  • FIG. 2 is a diagram showing the configuration of the roadside machine 200 according to the first embodiment.
  • the roadside machine 200 has a communication unit 21, a control unit 22, and an interface 23.
  • the communication unit 21 performs wireless communication (that is, road-to-vehicle communication) with the on-board unit 150 provided in the vehicle 100.
  • the communication unit 21 has an antenna 21a, a reception unit 21b, and a transmission unit 21c, and performs wireless communication via the antenna 21a.
  • the antenna 21a may be an omnidirectional antenna or a directional antenna having directivity.
  • the antenna 21a may be an adaptive array antenna whose directivity can be dynamically changed.
  • the communication unit 21 may perform inter-road communication with another roadside unit 200.
  • the communication unit 21 has a reception unit 21b that converts the radio signal received by the antenna 21a into received data and outputs the radio signal to the control unit 22. Further, the communication unit 21 has a transmission unit 21c that converts the transmission data output by the control unit 22 into a wireless signal and transmits it from the antenna 21a.
  • the wireless communication method of the communication unit 21 is a method compliant with the T109 standard of ARIB (Association of Radio Industries and Businesses) and a V2X (Vehicle-to-e) compliant system of 3GPP (Third Generation Partnership Project).
  • ARIB Association of Radio Industries and Businesses
  • V2X Vehicle-to-e
  • 3GPP Third Generation Partnership Project
  • a method conforming to a wireless LAN (Local Area Network) standard such as the IEEE (Institute of Electrical and Electronics Engineers) 802.11 series may be used.
  • the communication unit 21 may be configured to support all of these communication standards.
  • the control unit 22 controls various functions of the roadside machine 200.
  • the control unit 22 has at least one memory 22b and at least one processor 22a electrically connected to the memory 22b.
  • the memory 22b includes a volatile memory and a non-volatile memory, and stores information used for processing in the processor 22a and a program executed by the processor 22a.
  • the memory 22b corresponds to a storage unit.
  • the processor 22a performs various processes by executing the program stored in the memory 22b.
  • the interface 23 is connected to the roadside camera 500 via a wired line and / or a wireless line.
  • the roadside camera 500 is an example of a roadside sensor.
  • the roadside camera 500 outputs an captured image obtained by photographing the road R.
  • the interface 23 may be further connected to a roadside sensor other than the roadside camera 500, for example, an ultrasonic sensor or an infrared sensor.
  • the interface 23 is connected to the server device 400 via a wired line and / or a wireless line.
  • the interface 23 may be connected to the traffic signal 300 by wire or wirelessly.
  • the interface 23 may be connected to another roadside unit 200 by wire or wirelessly and used for road-to-road communication.
  • the communication unit 21 receives the information transmitted from the vehicle 100 traveling on the road R by wireless communication.
  • the communication unit 21 may periodically receive a road-to-vehicle communication message including various information from the vehicle 100.
  • the information received from the vehicle by the communication unit 21 includes, for example, at least one of position information, vehicle speed information, acceleration information, steering information, and accelerator / brake information.
  • the position information is information indicating the current position (latitude, longitude) of the vehicle 100.
  • the vehicle speed information is information indicating the vehicle speed of the vehicle 100.
  • the acceleration information is information indicating the acceleration of the vehicle 100.
  • the acceleration information may include not only information indicating the acceleration in the front-rear direction of the vehicle 100 but also information indicating the acceleration in the left-right direction of the vehicle 100.
  • the steering information is information indicating the content (direction and angle) of the steering operation of the vehicle 100.
  • the accelerator / brake information is information indicating the contents of the accelerator operation and the brake operation of the vehicle 100.
  • the control unit 22 specifies the traveling behavior including the traveling route of the vehicle 100 on the road R based on the information received by the communication unit 21.
  • the control unit 22 can specify, for example, a rough travel route of the vehicle 100 based on the position information of the vehicle 100 that is periodically acquired.
  • the position information is highly accurate position information such as QZSS (Quasi-Zenith Satellite System) position information
  • the control unit 22 can specify the detailed traveling route of the vehicle 100 based on the position information.
  • the control unit 22 may specify a detailed traveling route of the vehicle 100 based on the position information, the acceleration information (particularly, the information indicating the acceleration in the left-right direction of the vehicle 100) and / or the steering information. ..
  • the traveling behavior of the vehicle 100 may include a transition of a speed change and / or a transition of an acceleration change of the vehicle 100 in addition to the traveling route of the vehicle 100.
  • control unit 22 executes the first process of performing statistics or machine learning on the specified running behavior of each vehicle 100 traveling on the road R.
  • control unit 22 executes a second process of determining the presence or absence of the traffic obstacle E on the road R and the position of the traffic obstacle E based on the result of the first process.
  • control unit 22 determines the presence / absence of the traffic obstacle E on the road R and the traffic obstacle E based on the result of statistics or machine learning for the driving behavior specified for each vehicle 100 traveling on the road R. Judge about the position of.
  • FIG. 3A and 3B are diagrams for explaining the first process and the second process executed by the control unit 22.
  • FIG. 3A shows a travel route of one vehicle 100 when there is no traffic obstacle E on the road R
  • FIG. 3B shows a travel route of one vehicle 100 when there is a traffic obstacle E on the road R.
  • the traffic obstacle E means, for example, a falling object, a broken vehicle, a road damage (for example, a hole), or the like.
  • the first process is a process of specifying a traveling area in which each vehicle 100 travels on the road R according to statistics, and after specifying the traveling area, in the specified traveling area for a certain period of time. Includes a process of detecting a non-traveling region, which is a region in which none of the vehicles 100 travels.
  • the second process includes a process of determining that a traffic obstacle E exists when a non-traveling area is detected, and a process of determining the position of a traffic obstacle E based on the position of the detected non-traveling area. Including.
  • control unit 22 specifies a traveling area by totaling the traveling routes of each vehicle 100 on the road R.
  • control unit 22 may specify the traveling area by collecting time-series data of the position of the own vehicle from a plurality of vehicles 100 traveling on the road R and calculating the average of each data.
  • the control unit 22 monitors the traveling route of each vehicle 100 based on the information received from each vehicle 100, and none of the vehicles 100 travels in the specified traveling area for a certain period of time.
  • the traveling area is detected, and it is determined that the traffic obstacle E exists in the detected non-traveling area.
  • the first process includes a process of generating behavior information indicating abnormal driving behavior on the road R by machine learning.
  • the second process is a process of determining that a traffic obstacle E exists when an abnormal driving behavior is detected in the specified driving behavior of the vehicle 100 traveling on the road R based on the generated behavior information, and an abnormality. It includes a process of determining the position of the traffic obstacle E based on the traveling section in which the driving behavior is detected.
  • control unit 22 learns the running behavior of each vehicle 100 over a certain period of time when a traffic obstacle E exists on the road R or a test road simulating the road R. Specifically, machine learning is performed using the time-series data (running history) of time-series data (running history) of information from each vehicle 100 traveling on the road R over a certain period of time as teacher data, and learned to show abnormal running behavior. Generate a model as behavior information.
  • the control unit 22 After generating the behavior information, the control unit 22 describes the target vehicle 100 based on the time-series data of the information (driving behavior) from the target vehicle 100 traveling on the road R over a certain period of time and the generated behavior information. Detects abnormal driving behavior in the specified driving behavior. Then, the control unit 22 determines the position of the traffic obstacle E based on the traveling section in which the abnormal traveling behavior is detected.
  • control unit 22 may execute only one of the above-mentioned operation patterns 1 and 2. Alternatively, the control unit 22 may use the determination based on the operation pattern 1 and the determination based on the operation pattern 2 in combination, and determine that the traffic obstacle E exists when both determination results match.
  • FIG. 4 is a diagram showing the configuration of the vehicle 100 according to the first embodiment.
  • the vehicle 100 includes a communication unit 11, a GNSS receiver 12, a notification unit 13, a drive control unit 14, an in-vehicle camera 15, and a control unit 16.
  • the communication unit 11, the GNSS receiver 12, and the control unit 16 constitute an on-board unit 150.
  • the on-board unit 150 is an example of a mobile station.
  • the communication unit 11 performs wireless communication (that is, road-to-vehicle communication) with the roadside unit 200.
  • the communication unit 11 has an antenna 11a, a reception unit 11b, and a transmission unit 11c, and performs wireless communication via the antenna 11a.
  • the communication unit 11 has a reception unit 11b that converts the radio signal received by the antenna 11a into received data and outputs the radio signal to the control unit 16.
  • the communication unit 11 has a transmission unit 11c that converts the transmission data output by the control unit 16 into a wireless signal and transmits it from the antenna 11a.
  • the wireless communication method of the communication unit 11 may be a method compliant with the T109 standard of ARIB, a method compliant with the V2X standard of 3GPP, and / or a method compliant with a wireless LAN standard such as the IEEE802.11 series.
  • the communication unit 11 may be configured to be compatible with all of these communication standards.
  • the GNSS receiver 12 receives a GNSS signal from a GNSS (Global Navigation Satellite System) satellite and outputs position information indicating the current position.
  • the GNSS receiver 12 is, for example, GPS, GLONASS (Global Navigation Satellite System), IRNSS (Indian Regional Navigation Satellite System), COMPASS, Galileo, and QZSS (Quasi-Zenith) among QZSS (Quasi-Zenith) receivers. Consists of including.
  • the notification unit 13 notifies the driver of the vehicle 100 of the information under the control of the control unit 16.
  • the notification unit 13 has a display 13a for displaying information and a speaker 13b for outputting information by voice.
  • the drive control unit 14 controls an engine or motor as a power source, a power transmission mechanism, a brake, and the like.
  • the drive control unit 14 may perform driving control of the vehicle 100 in cooperation with the control unit 16.
  • the in-vehicle camera 15 outputs an captured image obtained by photographing the front of the vehicle 100 to the control unit 16.
  • the control unit 16 controls various functions in the vehicle 100 (vehicle-mounted device 150).
  • the control unit 16 has at least one memory 16b and at least one processor 16a electrically connected to the memory 16b.
  • the memory 16b includes a volatile memory and a non-volatile memory, and stores information used for processing in the processor 16a and a program executed by the processor 16a.
  • the processor 16a performs various processes by executing the program stored in the memory 16b.
  • the control unit 16 controls the communication unit 11 so as to transmit various information to the roadside unit 200 by wireless communication.
  • the control unit 16 may control the communication unit 11 so as to periodically transmit the road-to-vehicle communication message including various information to the roadside unit 200.
  • the information transmitted to the roadside machine 200 includes, for example, at least one of position information, vehicle speed information, acceleration information, steering information, and accelerator / brake information.
  • FIG. 5 is a diagram showing the operation of the roadside machine 200 according to the first embodiment.
  • step S1 the communication unit 21 receives the information transmitted from each vehicle 100 traveling on the road R by wireless communication.
  • the control unit 22 identifies the traveling behavior including the traveling route of each vehicle 100 on the road R based on the information received by the communication unit 21, and accumulates the information on the identified traveling behavior.
  • step S2 the control unit 22 executes the first process of performing statistics or machine learning on the running behavior specified for each vehicle 100 in step S1.
  • step S3 the control unit 22 executes the second process of determining the presence / absence of the traffic obstacle E on the road R and the position of the traffic obstacle E based on the result of the first process.
  • step S4 NO
  • step S5 when it is determined that the traffic obstacle E exists and the position of the traffic obstacle E is determined (step S4: YES), in step S5, the control unit 22 moves to the position of the traffic obstacle E determined in step S3.
  • the communication unit 21 is controlled so as to transmit information indicating the position of the traffic obstacle E to the vehicle 100 traveling toward the vehicle by road-to-vehicle communication.
  • the information indicating the position of the traffic obstacle E is, for example, the longitude and latitude of the traffic obstacle E, the identifier of the lane in which the traffic obstacle E exists on the road R, or the relative position of the traffic obstacle E on the road R ( For example, left side, right side).
  • step S5 the control unit 22 makes a captured image request for the vehicle 100 traveling toward the position of the traffic obstacle E determined in step S3 to provide the captured image of the in-vehicle camera 15 by road-to-vehicle communication.
  • the communication unit 21 may be controlled to transmit.
  • the control unit 22 may transmit one road-to-vehicle communication message including information indicating the position of the traffic obstacle E and a captured image request to the vehicle 100.
  • the control unit 22 may transmit the information indicating the position of the traffic obstacle E and the captured image request to the vehicle 100 by separate road-to-vehicle communication messages.
  • control unit 16 of the vehicle 100 receives information indicating the position of the traffic obstacle E from the roadside machine 200 and determines that the traffic obstacle E is ahead in the traveling direction of the own vehicle, that effect. And the position of the traffic obstacle E is notified to the driver by the notification unit 13.
  • the control unit 16 of the vehicle 100 may perform vehicle speed control and steering control of the vehicle 100 so as to avoid the position of the traffic obstacle E.
  • the vehicle-mounted camera 15 photographs the front of the vehicle for a certain period of time to acquire the captured image (moving image). ..
  • the control unit 16 of the vehicle 100 receives the captured image request from the roadside device 200
  • the control unit 16 is only once immediately before the traffic obstacle E based on the information indicating the position of the traffic obstacle E.
  • the vehicle-mounted camera 15 may be controlled so as to acquire an captured image (still image).
  • step S6 the control unit 22 controls the roadside sensor associated with the road R so as to perform sensing for the traffic obstacle E.
  • the control unit 22 controls at least one of pan, tilt, and zoom of the roadside camera 500 so as to take a picture of the traffic obstacle E based on the position of the traffic obstacle E determined in step S3.
  • the order of steps S5 and S6 may be reversed.
  • step S7 the control unit 22 acquires the captured image of the vehicle-mounted camera 15 from the vehicle 100 via the communication unit 21, acquires the captured image of the roadside camera 500 from the roadside camera 500 via the interface 23, and acquires the captured image.
  • the attribute of the traffic obstacle E is determined based on the image.
  • the attributes of the traffic obstacle E include the type of the traffic obstacle E (eg, falling object, broken vehicle, or road damage).
  • the attributes of the traffic obstacle E may include the size of the traffic obstacle E (eg, large, medium, small).
  • the control unit 22 determines the attribute of the traffic obstacle E by image recognition processing for the captured image. For image recognition, pattern matching technology and image recognition technology based on learning such as reinforcement learning (for example, knowledge base, statistics base, neural network base) can be applied.
  • step S8 the control unit 22 sends information indicating the position of the traffic obstacle E determined in step S3 to the server device 400 for managing the road R via the interface 23, and the traffic determined in step S7. Notify the information indicating the attribute of the obstacle E.
  • the server device 400 can take appropriate measures for removing the traffic obstacle E.
  • step S8 the control unit 22 determines the information indicating the position of the traffic obstacle E determined in step S3 and the determination in step S7 with respect to the other roadside unit 200 associated with the road R via the communication unit 21.
  • Information indicating the attributes of the traffic obstacle E that has been created is notified by road-to-road communication.
  • the other roadside machine 200 that has received such a notification transmits, for example, information indicating the position of the notified traffic obstacle E and information indicating the attribute of the traffic obstacle E by road-to-vehicle communication. As a result, information on the traffic obstacle E can be notified to many vehicles 100 on the road R.
  • FIG. 6 is a diagram showing an operation pattern 1 of the determination operation of the traffic obstacle E according to the first embodiment.
  • step S11 the control unit 22 specifies the traveling area by totaling the traveling routes of each vehicle 100 on the road R.
  • step S12 the control unit 22 monitors the travel route of each vehicle 100 based on the information received from each vehicle 100.
  • step S14 the control unit 22 determines that the traffic obstacle E exists and detects it.
  • the position of the traffic obstacle E is determined based on the position of the non-traveling area. For example, the control unit 22 may determine the central position of the non-traveling region as the position of the traffic obstacle E.
  • FIG. 7 is a diagram showing an operation pattern 2 of the determination operation of the traffic obstacle E according to the first embodiment.
  • step S21 the control unit 22 learns the traveling behavior of each vehicle 100 over a certain period of time in the presence of the traffic obstacle E by machine learning, and the abnormal traveling behavior on the road R. Generates behavior information indicating.
  • step S22 the control unit 22 specifies the traveling behavior of the vehicle 100 over a certain period of time based on the information received from the vehicle 100 traveling on the road R.
  • step S23 the control unit 22 determines whether or not the running behavior specified in step S22 includes abnormal running behavior based on the behavior information generated in step S21 and the running behavior specified in step S22.
  • step S24 the control unit 22 determines that the traffic obstacle E exists, and the abnormal traveling behavior is detected.
  • the position of the traffic obstacle E is determined based on the traveled section. For example, the control unit 22 may determine the central position of the traveling section in which the abnormal traveling behavior is detected as the position of the traffic obstacle E.
  • the second embodiment aims to make it possible to construct a learning model for image recognition of a moving object while reducing the work load.
  • the transportation communication system according to the second embodiment will be described with reference to the drawings.
  • the same or similar parts are designated by the same or similar reference numerals.
  • the second embodiment will mainly explain the differences from the first embodiment, and the description of similar or the same configuration will be omitted.
  • FIG. 8 is a diagram showing a configuration of the transportation communication system 1 according to the second embodiment.
  • the traffic communication system 1 has a vehicle 100 passing through the road R and a roadside machine 200 which is a base station installed on the road side of the road R.
  • the vehicle 100 is an example of a moving body.
  • the differences between the configuration of the transportation communication system according to the second embodiment and the first embodiment will be mainly described, and the description of similar or the same configuration will be omitted.
  • Each roadside unit 200 is connected to the server device 400 via a communication line.
  • This communication line may be a wired line or a wireless line.
  • Each roadside unit 200 may perform wireless communication with the terminal 750 of the pedestrian 700.
  • Pedestrian 700 and terminal 750 are other examples of mobile objects.
  • the terminal 750 may be a terminal capable of wireless communication with the roadside device 200, and is, for example, a smartphone, a tablet terminal, a notebook PC, a wearable terminal, or the like.
  • FIG. 9 is a diagram showing an installation environment of the roadside machine 200 according to the second embodiment.
  • the roadside machine 200 is installed around the intersection where the first road and the second road intersect.
  • the roadside machine 200 is provided with an image sensor 500 that captures a predetermined geographical range on the second road.
  • the image sensor 500 outputs the image data obtained by imaging to the roadside machine 200.
  • the roadside machine 200 performs image recognition processing on the image data output by the image sensor 500, and recognizes the presence / absence and attributes of a moving object on the second road.
  • the moving body is, for example, at least one of the vehicle 100 and the pedestrian 700.
  • the roadside unit 200 transmits a down message regarding the recognized moving object by road-to-vehicle communication.
  • the vehicle 100 moving on the first road receives the down message from the roadside machine 200 and performs processing based on the received down message. For example, the vehicle 100 gives a notification or warning to the driver based on a down message from the roadside machine 200, or controls the operation of the vehicle 100.
  • AI artificial intelligence
  • a learning model for recognizing and identifying a moving body is constructed by machine learning, and the moving body can be recognized and identified by inputting image data into the constructed trained model.
  • supervised learning is used as machine learning.
  • the roadside machine 200 uses the upstream message received by the roadside machine 200 in order to automate the labeling of the image data output by the image sensor 500. That is, the roadside unit 200 receives an uplink message including attribute data indicating the attributes of the mobile body from the mobile body by wireless communication. Then, the roadside machine 200 automatically generates teacher data used for constructing the learning model by associating the attribute data included in the upstream message with the image data output by the image sensor 500.
  • a learning model is a model that identifies the attributes of a moving body from the image data output by the image sensor 500.
  • the teacher data used for constructing the learning model can be automatically generated for each image sensor 500, so that it is possible to construct a learning model for image recognition of a moving object while reducing the work load.
  • the attributes of the mobile body can be identified based on the image data even if the mobile body does not have the wireless communication function.
  • FIG. 10 is a diagram showing the configuration of the roadside machine 200 according to the second embodiment.
  • the roadside machine 200 has a communication unit 21, a control unit 22, and an interface 23.
  • the communication unit 21 performs wireless communication (that is, road-to-vehicle communication) with the on-board unit 150 provided in the vehicle 100.
  • the communication unit 21 may perform wireless communication with the terminal 750 of the pedestrian 700.
  • the communication unit 21 has an antenna 21a, a reception unit 21b, and a transmission unit 21c, and performs wireless communication via the antenna 21a.
  • the antenna 21a may be an omnidirectional antenna or a directional antenna having directivity.
  • the antenna 21a may be an adaptive array antenna whose directivity can be dynamically changed.
  • the receiving unit 21b converts the radio signal received by the antenna 21a into received data and outputs it to the control unit 22.
  • the transmission unit 21c converts the transmission data output by the control unit 22 into a wireless signal and transmits it from the antenna 21a.
  • the wireless communication method of the communication unit 21 is a method compliant with the T109 standard of ARIB (Association of Radio Industries and Businesses) and a V2X (Vehicle-to-e) compliant system of 3GPP (Third Generation Partnership Project).
  • ARIB Association of Radio Industries and Businesses
  • V2X Vehicle-to-e
  • 3GPP Third Generation Partnership Project
  • a method conforming to a wireless LAN (Local Area Network) standard such as IEEE (Institute of Electrical and Electronics Engineers) 802.11 series may be used.
  • the communication unit 21 may be configured to support two or more of these communication standards.
  • the control unit 22 controls various functions of the roadside machine 200.
  • the control unit 22 has at least one memory 22b and at least one processor 22a electrically connected to the memory 22b.
  • the memory 22b includes a volatile memory and a non-volatile memory, and stores information used for processing in the processor 22a and a program executed by the processor 22a.
  • the memory 22b corresponds to a storage unit.
  • the processor 22a performs various processes by executing the program stored in the memory 22b.
  • the interface 23 is connected to at least one image sensor 500 via a wired line and / or a wireless line.
  • the image sensor 500 outputs a captured image obtained by photographing the road R.
  • the image sensor 500 may be a roadside camera.
  • the image sensor 500 may form a part of the roadside machine 200.
  • the interface 23 may be connected to at least one LiDAR (Light Detection and Ringing) sensor 600 via a wired line and / or a wireless line.
  • the LiDAR sensor 600 detects a moving object and outputs detection data (point cloud data).
  • the LiDAR sensor 600 may be integrated with the image sensor 500.
  • the image sensor 500 may form a part of the roadside machine 200.
  • the interface 23 is connected to the server device 400 via a wired line and / or a wireless line.
  • the control unit 22 communicates with the server device 400 via the interface 23.
  • the control unit 22 acquires image data from the image sensor 500 that captures an image of a moving body on the road R and outputs the image data.
  • the moving body is, for example, at least one of the vehicle 100 and the pedestrian 700.
  • the receiving unit 21b receives an uplink message including attribute data indicating the attributes of the mobile body from the mobile body by wireless communication.
  • the receiving unit 21b may receive an ascending message from the vehicle 100 (vehicle-mounted device 150) or may receive an ascending message from the pedestrian 700 (terminal 750).
  • the attribute data may include at least one of the size type of the vehicle 100 and the usage type of the vehicle 100 in addition to the data indicating that the moving body is the vehicle 100.
  • the size type of the vehicle 100 includes, for example, a large vehicle, a medium-sized vehicle, an ordinary vehicle (including a light vehicle), a motorcycle (including a motorized bicycle), a bicycle, a tram, and the like.
  • the use type of the vehicle 100 includes, for example, a private car, an emergency car, a passenger car, a freight car, a special car, and the like.
  • the attribute data includes data indicating that the moving body is a pedestrian 700, and at least one of the pedestrian age group and the pedestrian's moving state.
  • the age group of pedestrians includes children, adults, seniors (old people), and the like.
  • the moving state of a pedestrian includes stationary, walking, running, and the like.
  • the upstream message may include position data indicating the geographical position (latitude and longitude) of the moving object that is the source.
  • position data for example, GNSS (Global Navigation Satellite System) position data can be used.
  • the upstream message may include movement direction data indicating the movement direction (direction) of the moving body that is the transmission source.
  • the control unit 22 generates teacher data used for constructing a learning model by machine learning by associating the attribute data included in the uplink message received by the reception unit 21b with the image data output by the image sensor 500. .. That is, the control unit 22 has a function of a generation unit that generates teacher data.
  • the learning model constructed using such teacher data is a model that identifies the attributes of the moving body from the image data output by the image sensor 500.
  • the control unit 22 attaches the attribute data included in the uplink message received by the reception unit 21b to the image data as a label, and automatically generates the teacher data used for constructing the learning model.
  • labeling of image data can be automated by using wireless communication with a mobile body.
  • the control unit 22 is not limited to the case where the image data to which the attribute data is added is generated as the teacher data, and the control unit 22 generates the image data to which the attribute data is added to the combination of the detection data of the LiDAR sensor 600 as the teacher data. You may. By using the detection data of the LiDAR sensor 600 together, it becomes possible to recognize a moving object even at night, for example.
  • the control unit 22 may generate teacher data by associating the attribute data included in the uplink message with the image data output by the image sensor 500 and the detection data output by the LiDAR sensor 600.
  • the learning model constructed using such teacher data is a model that identifies the attributes of the moving body from the combination of the image data output by the image sensor 500 and the detection data output by the LiDAR sensor 600. In the following, an example in which attribute data is added as a label to image data and used as teacher data will be described.
  • the receiving unit 21b of the roadside unit 200 can also receive an ascending message from a moving body outside the imaging range (a predetermined geographical area on the road R) of the image sensor 500. In such a case, there is a concern that the above-mentioned labeling does not work well. Therefore, the control unit 22 includes the position data included in the ascending message in the ascending message according to indicating the position within the imaging range (predetermined geographical area on the road R) of the image sensor 500.
  • the teacher data may be generated by associating the attribute data with the image data output by the image sensor 500.
  • the control unit 22 determines the teacher data based on the upstream message. Does not generate. It is assumed that the information indicating the imaging range (a predetermined geographical area on the road R) of the image sensor 500 is stored in advance in the control unit 22.
  • the control unit 22 includes the ascending message.
  • the teacher data is generated by associating the attribute data with the image data output by the image sensor 500.
  • the control unit 22 does not generate teacher data based on the moving direction data when the moving direction data included in the upstream message from the moving body does not indicate a predetermined moving direction. It is assumed that the information indicating the predetermined movement direction is stored in advance in the control unit 22.
  • control unit 22 builds a learning model using the generated teacher data. That is, the control unit 22 has a function of a learning unit that constructs a learning model from the teacher data. In this case, the control unit 22 constructs a learning model by machine learning (specifically, supervised learning) from the generated teacher data, and stores the learned model which is the constructed learning model.
  • machine learning specifically, supervised learning
  • the server device 400 may have such a function of the learning unit.
  • the control unit 22 uploads the generated teacher data to the server device 400, downloads the learned model obtained by the server device 400 by performing machine learning, and stores the downloaded learned model.
  • control unit 22 uses the trained model to identify the attributes of the moving object from the image data output by the image sensor 500. That is, the control unit 22 has a function of an identification unit that identifies the attributes of the moving body.
  • control unit 22 uses the trained model to identify whether the moving body included as the subject in the image data is the vehicle 100 or the pedestrian 700.
  • the control unit 22 may identify the size type of the vehicle 100 or the application type of the vehicle 100.
  • the control unit 22 may identify the age group of the pedestrian 700 or the moving state of the pedestrian 700.
  • the control unit 22 may determine the degree of risk related to a traffic accident based on the identification result of the moving object using the learned model. For example, the control unit 22 may determine that the moving object having an attribute in which the frequency of traffic accidents occurs statistically high has a high risk, and if not, the risk is low.
  • the control unit 22 transmits a downlink message including information based on the identification result of the moving body using the learned model from the transmission unit 21c by wireless communication.
  • the downlink message is transmitted by broadcast, unicast, or multicast.
  • the control unit 22 includes information indicating the attributes of the mobile body identified using the trained model in the downlink message.
  • the control unit 22 may include information indicating the degree of danger determined based on the attributes of the moving body in the downlink message.
  • FIG. 11 is a diagram showing the configuration of the vehicle 100 according to the second embodiment.
  • the vehicle 100 has a communication unit 11, a GNSS receiver 12, a notification unit 13, a drive control unit 14, and a control unit 16.
  • the communication unit 11, the GNSS receiver 12, and the control unit 16 constitute an on-board unit 150.
  • the communication unit 11 performs wireless communication (that is, road-to-vehicle communication) with the roadside unit 200. Specifically, the communication unit 11 has an antenna 11a, a reception unit 11b, and a transmission unit 11c, and performs wireless communication via the antenna 11a.
  • the receiving unit 11b converts the radio signal received by the antenna 11a into received data and outputs the radio signal to the control unit 16.
  • the transmission unit 11c converts the transmission data output by the control unit 16 into a wireless signal and transmits it from the antenna 11a.
  • the wireless communication method of the communication unit 11 may be a method compliant with the T109 standard of ARIB, a method compliant with the V2X standard of 3GPP, and / or a method compliant with a wireless LAN standard such as the IEEE802.11 series.
  • the communication unit 11 may be configured to be compatible with two or more of these communication standards.
  • the GNSS receiver 12 receives the GNSS signal from the GNSS satellite and outputs the position data indicating the current position.
  • the GNSS receiver 12 is, for example, GPS, GLONASS (Global Navigation Satellite System), IRNSS (Indian Regional Navigation Satellite System), COMPASS, Galileo, and QZSS (Quasi-Zenith) among QZSS (Quasi-Zenith) receivers. Consists of including.
  • the movement direction data is generated based on the position data.
  • the notification unit 13 notifies the driver of the vehicle 100 of the information under the control of the control unit 16.
  • the notification unit 13 has a display 13a for displaying information and a speaker 13b for outputting information by voice.
  • the drive control unit 14 controls an engine or motor as a power source, a power transmission mechanism, a brake, and the like.
  • the drive control unit 14 may perform driving control of the vehicle 100 in cooperation with the control unit 16.
  • the control unit 16 controls various functions in the vehicle 100 (vehicle-mounted device 150).
  • the control unit 16 has at least one memory 16b and at least one processor 16a electrically connected to the memory 16b.
  • the memory 16b includes a volatile memory and a non-volatile memory, and stores information used for processing in the processor 16a and a program executed by the processor 16a.
  • the processor 16a performs various processes by executing the program stored in the memory 16b.
  • control unit 16 In the vehicle 100 configured in this way, the control unit 16 generates the upstream message as described above, and transmits the generated upstream message from the transmission unit 11c.
  • the control unit 16 may periodically generate and transmit an uplink message.
  • the receiving unit 11b receives the downlink message as described above from the roadside unit 200, and outputs the received downlink message to the control unit 16.
  • the control unit 16 controls the notification unit 13 so as to notify the driver of information according to the content of the downlink message. For example, the control unit 16 notifies information indicating the attribute of the moving body indicated by the downlink message, or notifies information indicating the degree of danger indicated by the downlink message.
  • the control unit 16 may control the drive control unit 14 so as to perform automatic operation control according to the content of the downlink message. For example, the control unit 16 may control the steering and brakes in order to prevent a traffic accident.
  • FIG. 12 is a diagram showing an operation example 1 for performing machine learning in the transportation communication system 1 according to the second embodiment.
  • step S101 the image sensor 500 images a moving body on the road and outputs image data.
  • the control unit 22 of the roadside machine 200 acquires image data from the image sensor 500.
  • step S102 the receiving unit 21b of the roadside machine 200 receives an upstream message from the moving body.
  • the upstream message contains the attribute data of this mobile.
  • the ascending message may include the position data and the moving direction data of the moving body.
  • step S103 the control unit 22 of the roadside machine 200 may determine whether or not to generate teacher data based on the uplink message received in step S102. For example, when the position data included in the ascending message indicates a position within the imaging range (a predetermined geographical area on the road R) of the image sensor 500, the control unit 22 generates teacher data based on the ascending message. You may judge. When the moving direction data included in the upstream message from the moving body indicates a predetermined moving direction, the control unit 22 may determine that the teacher data based on the upstream message is generated. Here, the description will proceed on the assumption that the control unit 22 determines that the teacher data will be generated.
  • step S104 the control unit 22 of the roadside machine 200 associates the attribute data included in the uplink message received by the reception unit 21b with the image data output by the image sensor 500, so that the teacher used to construct the learning model by machine learning. Generate data.
  • the control unit 22 is not limited to the case where the image data to which the attribute data is added is generated as the teacher data, and the control unit 22 generates the image data to which the attribute data is added to the combination of the detection data of the LiDAR sensor 600 as the teacher data. You may.
  • step S105 the control unit 22 of the roadside machine 200 uploads the teacher data (combination of attribute data and image data) generated in step S104 to the server device 400.
  • the control unit 22 may assign the ID of the corresponding image sensor 500 to the teacher data.
  • step S106 the server device 400 builds a learning model by supervised learning from the teacher data uploaded from the roadside machine 200.
  • the server device 400 may build a learning model for each image sensor 500 based on the ID of the image sensor 500.
  • the server device 400 continues to collect teacher data and build (update) a learning model until a certain condition is satisfied, and generates a learned model.
  • This condition may be a condition that a certain period of time has passed, or a condition that a certain number of teacher data have been collected.
  • step S107 the server device 400 delivers the trained model to the roadside machine 200.
  • the server device 400 may notify the roadside machine 200 of the ID of the corresponding image sensor 500 when the trained model is distributed.
  • step S108 the control unit 22 of the roadside machine 200 stores the learned model acquired from the server device 400.
  • the control unit 22 may store the learned model for each image sensor 500.
  • FIG. 13 is a diagram showing an operation example 2 for performing machine learning in the transportation communication system 1 according to the second embodiment.
  • steps S111 to S114 is the same as the operation of steps S101 to S104 described above.
  • step S115 the control unit 22 of the roadside machine 200 builds a learning model by supervised learning from the teacher data generated in step S114.
  • the control unit 22 may build a learning model for each image sensor 500.
  • the control unit 22 continues collecting teacher data and constructing (updating) a learning model until a certain condition is satisfied, and generates a trained model.
  • This condition may be a condition that a certain period of time has passed, or a condition that a certain number of teacher data have been collected.
  • step S116 the control unit 22 of the roadside machine 200 stores the generated learned model.
  • the control unit 22 may store the learned model for each image sensor 500.
  • the control unit 22 may continue to update the trained model.
  • FIG. 14 is a diagram showing an operation example after the trained model is generated in the transportation communication system 1 according to the second embodiment.
  • step S201 the image sensor 500 images a moving body on the road and outputs image data.
  • the control unit 22 of the roadside machine 200 acquires image data from the image sensor 500.
  • step S202 the control unit 22 of the roadside machine 200 identifies the attribute of the moving body from the image data output by the image sensor 500 by using the trained model.
  • control unit 22 of the roadside machine 200 may determine the degree of risk related to a traffic accident based on the identification result of the moving body using the learned model.
  • step S204 the control unit 22 of the roadside machine 200 transmits a downlink message including information based on the identification result of the moving body using the learned model from the transmission unit 21c by wireless communication.
  • the receiving unit 11b of the vehicle 100 receives the downlink message from the roadside machine 200.
  • step S205 the control unit 16 of the vehicle 100 controls the notification unit 13 so as to notify the driver of information according to the content of the received downlink message.
  • the control unit 16 may control the drive control unit 14 so as to perform automatic operation control according to the content of the downlink message.
  • the operation shown in FIGS. 5 to 7 in the first embodiment may be executed by the server device 400 instead of the roadside machine 200.
  • the roadside machine 200 is read as the server device 400.
  • the server device 400 may be an edge server arranged near the roadside machine 200.
  • the server device 400 is provided between the roadside unit 200 and the Internet, and has jurisdiction over the road R in an area limited to a predetermined range.
  • the server device 400 may be connected to the roadside unit 200 via a LAN (Local Area Network) without going through a WAN (Wide Area Network).
  • the roadside machine 200 and the image sensor 500 may be installed near the exit of the tunnel T as shown in FIG.
  • the image sensor 500 images the vicinity of the exit of the tunnel T and outputs image data.
  • the roadside unit 200 transmits the above-mentioned down message to the vehicle 100 (vehicle-mounted unit 150) in the tunnel T.
  • the roadside machine 200 and the image sensor 500 may be installed near the corner (curve) of the road R as shown in FIG.
  • the road R has a curve to the left when viewed from the vehicle 100. It is difficult for the driver of the vehicle 100 or the in-vehicle sensor to detect the situation ahead of such a curve. At such a curve destination, there may be a moving body that obstructs the passage of the vehicle 100.
  • the image sensor 500 captures the situation ahead of the curve and outputs image data.
  • the roadside unit 200 transmits the above-mentioned down message to the vehicle 100 (vehicle-mounted unit 150) on the road R.
  • the operation performed by the control unit 22 of the roadside machine 200 in the second embodiment described above may be performed by the server device 400 instead of the roadside machine 200. That is, the server device 400 may have at least one of a generation unit that generates teacher data, a learning unit that performs machine learning, and an identification unit that identifies a moving object using a learned model.
  • the server device 400 may be an edge server arranged near the roadside machine 200.
  • Such an edge server may be regarded as a part of the roadside machine 200.
  • the edge server is provided between the roadside unit 200 and the Internet, and controls the road R in an area limited to a predetermined range.
  • the edge server may be connected to the roadside unit 200 via a LAN (Local Area Network) without going through a WAN (Wide Area Network).
  • LAN Local Area Network
  • WAN Wide Area Network
  • first embodiment and second embodiment may be combined as appropriate.
  • machine learning in the first embodiment machine learning in the second embodiment may be performed.
  • a program for causing a computer to execute each process according to the first and second embodiments described above may be provided.
  • the program may be recorded on a computer-readable medium.
  • Computer-readable media can be used to install programs on a computer.
  • the computer-readable medium on which the program is recorded may be a non-transient recording medium.
  • the non-transient recording medium is not particularly limited, but may be, for example, a recording medium such as a CD-ROM or a DVD-ROM.
  • a circuit for executing each process performed by the on-board unit 150 or the roadside unit 200 may be integrated, and at least a part of the on-board unit 150 or the roadside unit 200 may be configured as a semiconductor integrated circuit (chipset, SoC).

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Toxicology (AREA)
  • Operations Research (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)

Abstract

交通通信システムに用いる基地局は、道路上を走行する車両から送信される情報を無線通信により受信する通信部と、前記通信部が受信する前記情報に基づいて、前記道路における前記車両の走行経路を含む走行挙動を特定する制御部とを備える。前記制御部は、前記道路上を走行する複数の車両のそれぞれについて特定された前記走行挙動に対して統計又は機械学習を行う第１処理と、前記第１処理の結果に基づいて、前記道路上の交通障害物の有無及び前記交通障害物の位置について判定する第２処理とを実行する。

Description

基地局、路側機、交通通信システム、交通管理方法、及び教師データ生成方法
　本開示は、基地局、路側機、交通通信システム、交通管理方法、及び教師データ生成方法に関する。
　近年、交通事故の危険を回避可能な技術として高度道路交通システム（ＩＴＳ：Ｉｎｔｅｌｌｉｇｅｎｔ　Ｔｒａｎｓｐｏｒｔ　Ｓｙｓｔｅｍ）が注目されている。
　そのようなシステムの１つとして、非特許文献１には、路側に設置される基地局である路側機と、車両に搭載される移動局である車載機とを有し、路側機及び車載機が無線通信を行うシステムが記載されている。
　路側機のユースケースの１つとして、路側に設置される画像センサ（いわゆる、路側カメラ）からの画像データに基づいて路側機が道路上の移動体（車両や歩行者）の有無等を判定し、判定結果を周辺の車両に送信することで事故防止に繋げることが考えられている。
　また、特許文献１には、道路を複数の車両が走行する状況下において、後続車両が、自車両と同一車線を走行する先行車両から経路履歴データを取得し、取得した経路履歴データに基づいて当該車線に交通障害物が存在していると判定すると、運転者に警告を行うシステムが記載されている。
　具体的には、特許文献１に記載のシステムにおいて、後続車両は、先行車両が減速した後に車線変更を行った場合、先行車両が交通障害物を回避したとみなし、交通障害物が存在していると判定する。すなわち、交通障害物を回避する挙動として予め定義された挙動を先行車両が行ったかのパターンマッチングにより、交通障害物の有無を判定するものである。
ＡＲＩＢ　ＳＴＤ－Ｔ１０９　１．３版　「７００ＭＨｚ帯高度道路交通システム」
特開２０１７－２２８２８６号公報
　第１の態様に係る基地局は、交通通信システムに用いる基地局であって、道路上を走行する車両から送信される情報を無線通信により受信する通信部と、前記通信部が受信する前記情報に基づいて、前記道路における前記車両の走行経路を含む走行挙動を特定する制御部とを備える。前記制御部は、前記道路上を走行する複数の車両のそれぞれについて特定された前記走行挙動に対して統計又は機械学習を行う第１処理と、前記第１処理の結果に基づいて、前記道路上の交通障害物の有無及び前記交通障害物の位置について判定する第２処理とを実行する。
　第２の態様に係る交通通信システムは、道路上を走行する車両から送信される情報を無線通信により受信する基地局と、前記通信部が受信する前記情報に基づいて、前記道路における前記車両の走行経路を含む走行挙動を特定する制御部とを備える。前記制御部は、前記道路上を走行する複数の車両のそれぞれについて特定された前記走行挙動に対して統計又は機械学習を行う第１処理と、前記第１処理の結果に基づいて前記道路上の交通障害物の位置について判定する第２処理とを実行する。
　第３の態様に係る交通管理方法は、道路上を走行する車両から送信される情報を無線通信により基地局が受信することと、前記基地局が受信する前記情報に基づいて、前記道路における前記車両の走行経路を含む走行挙動を特定することと、前記道路上を走行する複数の車両のそれぞれについて特定された前記走行挙動に対して統計又は機械学習を行う第１処理を実行することと、前記第１処理の結果に基づいて前記道路上の交通障害物の位置について判定する第２処理を実行することとを含む。
　第４の態様に係る交通通信システムは、道路上の移動体を撮像して画像データを出力する画像センサと、前記移動体の属性を示す属性データを含む上りメッセージを前記移動体から無線通信により受信する受信部と、前記上りメッセージに含まれる前記属性データを前記画像センサが出力する画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成する生成部とを備える。前記学習モデルは、前記画像センサが出力する画像データから前記移動体の属性を識別するモデルである。
　第５の態様に係る路側機は、道路の周辺に設置される路側機であって、前記道路上の移動体の属性を示す属性データを含むメッセージを前記移動体から無線通信により受信する受信部と、前記移動体を撮像する画像センサから画像データを取得し、前記メッセージに含まれる前記属性データを前記画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成する生成部とを備える。前記学習モデルは、前記画像センサが出力する画像データから前記移動体の属性を識別するモデルである。
　第６の態様に係る教師データ生成方法は、交通通信システムで実行する教師データ生成方法であって、道路上の移動体の属性を示す属性データを含むメッセージを無線通信により受信することと、前記移動体を撮像する画像センサから画像データを取得することと、前記メッセージに含まれる前記属性データを前記画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成することとを有する。前記学習モデルは、前記画像センサが出力する画像データから前記移動体の属性を識別するモデルである。
第１実施形態に係る交通通信システムの構成を示す図である。 第１実施形態に係る路側機の構成を示す図である。 道路Ｒに交通障害物Ｅが存在しない場合に、第１実施形態に係る路側機が実行する第１処理及び第２処理について説明するための図である。 道路Ｒに交通障害物Ｅが存在する場合に、第１実施形態に係る路側機が実行する第１処理及び第２処理について説明するための図である。 第１実施形態に係る車両の構成を示す図である。 第１実施形態に係る路側機の動作を示す図である。 第１実施形態に係る交通障害物の判定動作の動作パターン１を示す図である。 第１実施形態に係る交通障害物の判定動作の動作パターン２を示す図である。 第２実施形態に係る交通通信システムの構成を示す図である。 第２実施形態に係る路側機の設置環境を示す図である。 第２実施形態に係る路側機の構成を示す図である。 第２実施形態に係る車両の構成を示す図である。 第２実施形態に係る交通通信システムにおいて機械学習を行うための動作例１を示す図である。 第２実施形態に係る交通通信システムにおいて機械学習を行うための動作例２を示す図である。 第２実施形態に係る交通通信システムにおける学習済みモデル生成後の動作例を示す図である。 その他の実施形態に係る路側機の設置環境を示す図である。 その他の実施形態に係る路側機の設置環境を示す図である。
　［第１実施形態］
　特許文献１に記載のシステムでは、交通障害物を回避する挙動が予め定義されているが、道路環境によっては、交通障害物が存在しない場合でも車両がそのような挙動を行い得る。例えば、二車線から一車線への合流地点や交差点の手前等において車両が減速及び車線変更を行う場合がある。よって、特許文献１に記載のシステムでは、交通障害物の有無及びその位置について適切な判定を行うことができない懸念がある。
　また、特許文献１に記載のシステムでは、交通障害物の有無についての判定を各車両が行っており、各車両の処理負荷が増大するという問題もある。
　そこで、第１実施形態は、各車両の交通障害物の判定処理を不要とし、交通障害物の有無及びその位置について適切な判定を行うことを可能とすることを目的とする。
　第１実施形態に係る交通通信システムについて図面を参照しながら説明する。なお、以下の図面の記載において、同一又は類似の部分には、同一又は類似の符号を付している。
　（交通通信システムの構成）
　まず、第１実施形態に係る交通通信システムの構成について説明する。図１は、第１実施形態に係る交通通信システム１の構成を示す図である。
　図１に示すように、交通通信システム１は、道路Ｒを通る車両１００と、道路Ｒの路側に設置される基地局である路側機２００とを有する。図１において、車両１００として車両１００Ａ及び１００Ｂを例示し、路側機２００として路側機２００Ａ及び２００Ｂを例示している。なお、車両１００としては普通自動車や軽自動車等の自動車を例示しているが、道路Ｒを通る車両であればよく、例えば自動二輪車（オートバイ）等であってもよい。
　各車両１００には、無線通信を行う移動局である車載機１５０が搭載されている。車載機１５０は、路側機２００との路車間通信を行う。図１において、車載機１５０Ａ及び路側機２００Ａが路車間通信を行うとともに、車載機１５０Ｂ及び路側機２００Ｂが路車間通信を行う一例を示している。
　路側機２００は、道路Ｒ周辺に設置されている。路側機２００は、２以上の道路が交差する交差点に設置されてもよい。路側機２００は、他の路側機２００との路路間通信を行う。図１において、路側機２００Ａ及び路側機２００Ｂが無線通信により路路間通信を行う一例を示しているが、路路間通信が有線通信であってもよい。
　図１に示す例おいて、路側機２００Ａは、交通信号機（交通信号灯器）３００又はその支柱に設置されており、交通信号機３００と連携して動作する。例えば、路側機２００Ａは、交通信号機３００に関する信号情報を含む無線信号を車両１００（車載機１５０）に送信する。このような路車間通信には、不特定多数を宛先とするブロードキャストによる無線通信が用いられてもよい。或いは、路車間通信には、特定多数を宛先とするマルチキャストによる無線通信が用いられてもよいし、特定単数を宛先とするユニキャストによる無線通信が用いられてもよい。
　各路側機２００は、通信回線を介してサーバ装置４００に接続される。この通信回線は、有線回線であってもよいし、無線回線であってもよい。サーバ装置４００には、路側に設置される車両感知器が通信回線を介して接続されてもよい。サーバ装置４００は、各路側機２００から、当該路側機２００が車載機１５０から受信した車両１００の位置や車速等の情報を受信する。サーバ装置４００は、道路Ｒに設置された路側センサから車両感知情報をさらに受信してもよい。サーバ装置４００は、受信した情報に基づいて各種の交通情報を収集及び処理し、道路交通を統合して管理する。
　（路側機の構成）
　次に、第１実施形態に係る路側機２００の構成について説明する。図２は、第１実施形態に係る路側機２００の構成を示す図である。
　図２に示すように、路側機２００は、通信部２１と、制御部２２と、インターフェイス２３とを有する。
　通信部２１は、車両１００に設けられる車載機１５０との無線通信（すなわち、路車間通信）を行う。具体的には、通信部２１は、アンテナ２１ａと、受信部２１ｂと、送信部２１ｃとを有し、アンテナ２１ａを介して無線通信を行う。アンテナ２１ａは、無指向性アンテナであってもよいし、指向性を有する指向性アンテナであってもよい。アンテナ２１ａは、指向性を動的に変更可能なアダプティブアレイアンテナであってもよい。通信部２１は、他の路側機２００との路路間通信を行ってもよい。
　通信部２１は、アンテナ２１ａが受信する無線信号を受信データに変換して制御部２２に出力する受信部２１ｂを有する。また、通信部２１は、制御部２２が出力する送信データを無線信号に変換してアンテナ２１ａから送信する送信部２１ｃを有する。
　通信部２１の無線通信方式は、ＡＲＩＢ（Ａｓｓｏｃｉａｔｉｏｎ　ｏｆ　Ｒａｄｉｏ　Ｉｎｄｕｓｔｒｉｅｓ　ａｎｄ　Ｂｕｓｉｎｅｓｓｅｓ）のＴ１０９規格に準拠した方式、３ＧＰＰ（Ｔｈｉｒｄ　Ｇｅｎｅｒａｔｉｏｎ　Ｐａｒｔｎｅｒｓｈｉｐ　Ｐｒｏｊｅｃｔ）のＶ２Ｘ（Ｖｅｈｉｃｌｅ－ｔｏ－ｅｖｅｒｙｔｈｉｎｇ）規格に準拠した方式、及び／又はＩＥＥＥ（Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｅｌｅｃｔｒｉｃａｌ　ａｎｄ　Ｅｌｅｃｔｒｏｎｉｃｓ　Ｅｎｇｉｎｅｅｒｓ）８０２．１１シリーズ等の無線ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）規格に準拠した方式であってもよい。通信部２１は、これらの通信規格の全てに対応可能に構成されていてもよい。
　制御部２２は、路側機２００における各種の機能を制御する。制御部２２は、少なくとも１つのメモリ２２ｂと、メモリ２２ｂと電気的に接続された少なくとも１つのプロセッサ２２ａとを有する。メモリ２２ｂは、揮発性メモリ及び不揮発性メモリを含み、プロセッサ２２ａにおける処理に用いる情報と、プロセッサ２２ａにより実行されるプログラムとを記憶する。メモリ２２ｂは、記憶部に相当する。プロセッサ２２ａは、メモリ２２ｂに記憶されたプログラムを実行することにより各種の処理を行う。
　インターフェイス２３は、有線回線及び／又は無線回線を介して路側カメラ５００と接続される。路側カメラ５００は、路側センサの一例である。路側カメラ５００は、道路Ｒを撮影して得た撮像画像を出力する。インターフェイス２３は、路側カメラ５００以外の路側センサ、例えば、超音波センサ又は赤外線センサとさらに接続されてもよい。
　インターフェイス２３は、有線回線及び／又は無線回線を介してサーバ装置４００と接続される。インターフェイス２３は、有線又は無線で交通信号機３００と接続されていてもよい。インターフェイス２３は、有線又は無線で他の路側機２００と接続され、路路間通信に用いられてもよい。
　このように構成された路側機２００において、第１に、通信部２１は、道路Ｒ上を走行する車両１００から送信される情報を無線通信により受信する。通信部２１は、各種の情報を含む路車間通信メッセージを周期的に車両１００から受信してもよい。
　通信部２１が車両から受信する情報は、例えば、位置情報、車速情報、加速度情報、ステアリング情報、及びアクセル・ブレーキ情報のうち少なくとも１つを含む。位置情報は、車両１００の現在位置（緯度、経度）を示す情報である。車速情報は、車両１００の車速を示す情報である。加速度情報は、車両１００の加速度を示す情報である。加速度情報は、車両１００の前後方向の加速度を示す情報だけではなく、車両１００の左右方向の加速度を示す情報も含んでもよい。ステアリング情報は、車両１００のステアリング操作の内容（方向及び角度）を示す情報である。アクセル・ブレーキ情報は、車両１００のアクセル操作及びブレーキ操作の内容を示す情報である。
　第２に、制御部２２は、通信部２１が受信する情報に基づいて、道路Ｒにおける車両１００の走行経路を含む走行挙動を特定する。制御部２２は、例えば、周期的に取得する車両１００の位置情報に基づいて車両１００の大凡の走行経路を特定できる。位置情報がＱＺＳＳ（Ｑｕａｓｉ－Ｚｅｎｉｔｈ　Ｓａｔｅｌｌｉｔｅ　Ｓｙｓｔｅｍ）位置情報のように高精度な位置情報である場合、制御部２２は、位置情報に基づいて車両１００の詳細な走行経路を特定できる。或いは、制御部２２は、位置情報と、加速度情報（特に、車両１００の左右方向の加速度を示す情報）及び／又はステアリング情報とに基づいて、車両１００の詳細な走行経路を特定してもよい。車両１００の走行挙動は、車両１００の走行経路に加えて、車両１００の速度変化の推移及び／又は加速度変化の推移を含んでもよい。
　第３に、制御部２２は、道路Ｒ上を走行する各車両１００について特定された走行挙動に対して統計又は機械学習を行う第１処理を実行する。
　第４に、制御部２２は、第１処理の結果に基づいて、道路Ｒ上の交通障害物Ｅの有無及び交通障害物Ｅの位置について判定する第２処理を実行する。
　このように、制御部２２は、道路Ｒ上を走行する各車両１００について特定された走行挙動に対する統計又は機械学習の結果に基づいて、道路Ｒ上の交通障害物Ｅの有無及び交通障害物Ｅの位置について判定する。
　これにより、交通障害物を回避する挙動が予め定義されていなくても、交通障害物の有無及びその位置について適切な判定を行うことができる。また、交通障害物の有無についての判定を路側機２００側で行うことにより、各車両の処理負荷の増大を抑制できる。よって、第１実施形態に係る路側機２００によれば、各車両１００の処理負荷の増大を抑制しつつ、交通障害物Ｅの有無及びその位置について適切な判定を行うことができる。
　図３Ａ及び図３Ｂは、制御部２２が実行する第１処理及び第２処理について説明するための図である。図３Ａは道路Ｒに交通障害物Ｅが存在しない場合の１つの車両１００の走行経路を示し、図３Ｂは道路Ｒに交通障害物Ｅが存在する場合の１つの車両１００の走行経路を示す。なお、交通障害物Ｅとは、例えば、落下物、故障車、又は道路破損（例えば、穴）等をいう。
　路側機２００の動作パターン１において、第１処理は、統計により、道路Ｒ上で各車両１００が走行する走行領域を特定する処理と、走行領域を特定した後、特定した走行領域において一定期間にわたっていずれの車両１００も走行しない領域である無走行領域を検出する処理とを含む。第２処理は、無走行領域が検出された場合、交通障害物Ｅが存在すると判定する処理と、検出された無走行領域の位置に基づいて、交通障害物Ｅの位置を判定する処理とを含む。
　例えば、制御部２２は、道路Ｒ上の各車両１００の走行経路を集計することにより走行領域を特定する。ここで、制御部２２は、道路Ｒ上を走行する複数の車両１００から自車両の位置の時系列データを収集し、それぞれのデータの平均を求めることで走行領域を特定してもよい。
　そして、制御部２２は、走行領域を特定した後、各車両１００から受信する情報に基づいて各車両１００の走行経路を監視し、特定した走行領域において一定時間にわたっていずれの車両１００も走行しない無走行領域を検出し、検出した無走行領域に交通障害物Ｅが存在すると判定する。
　路側機２００の動作パターン２において、第１処理は、機械学習により、道路Ｒ上の異常な走行挙動を示す挙動情報を生成する処理を含む。第２処理は、生成した挙動情報に基づいて、道路Ｒ上を走行する車両１００について特定した走行挙動において異常な走行挙動が検出された場合、交通障害物Ｅが存在すると判定する処理と、異常な走行挙動が検出された走行区間に基づいて、交通障害物Ｅの位置を判定する処理とを含む。
　例えば、制御部２２は、道路Ｒ又は道路Ｒを模擬したテスト道路に交通障害物Ｅが存在する場合における各車両１００の一定期間にわたる走行挙動を学習する。具体的には、道路Ｒを走行する各車両１００からの一定期間にわたる情報の時系列データ（走行履歴）の時系列データを教師データとして用いて機械学習を行い、異常な走行挙動を示す学習済みモデルを挙動情報として生成する。
　挙動情報を生成した後、制御部２２は、道路Ｒを走行する対象車両１００からの一定期間にわたる情報（走行挙動）の時系列データと、生成した挙動情報とに基づいて、この対象車両１００について特定した走行挙動における異常な走行挙動を検出する。そして、制御部２２は、異常な走行挙動が検出された走行区間に基づいて交通障害物Ｅの位置を判定する。
　なお、制御部２２は、上述した動作パターン１及び２のいずれか一方のみを実行してもよい。或いは、制御部２２は、動作パターン１による判定及び動作パターン２による判定を併用し、両方の判定結果が一致する場合に交通障害物Ｅが存在すると判定してもよい。
　（車両の構成）
　次に、第１実施形態に係る車両１００の構成について説明する。図４は、第１実施形態に係る車両１００の構成を示す図である。
　図４に示すように、車両１００は、通信部１１と、ＧＮＳＳ受信機１２と、通知部１３と、駆動制御部１４と、車載カメラ１５と、制御部１６とを有する。通信部１１、ＧＮＳＳ受信機１２、及び制御部１６は、車載機１５０を構成する。車載機１５０は移動局の一例である。
　通信部１１は、路側機２００との無線通信（すなわち、路車間通信）を行う。具体的には、通信部１１は、アンテナ１１ａと、受信部１１ｂと、送信部１１ｃとを有し、アンテナ１１ａを介して無線通信を行う。通信部１１は、アンテナ１１ａが受信する無線信号を受信データに変換して制御部１６に出力する受信部１１ｂを有する。また、通信部１１は、制御部１６が出力する送信データを無線信号に変換してアンテナ１１ａから送信する送信部１１ｃを有する。
　通信部１１の無線通信方式は、ＡＲＩＢのＴ１０９規格に準拠した方式、３ＧＰＰのＶ２Ｘ規格に準拠した方式、及び／又はＩＥＥＥ８０２．１１シリーズ等の無線ＬＡＮ規格に準拠した方式であってもよい。通信部１１は、これらの通信規格の全てに対応可能に構成されていてもよい。
　ＧＮＳＳ受信機１２は、ＧＮＳＳ（Ｇｌｏｂａｌ　Ｎａｖｉｇａｔｉｏｎ　Ｓａｔｅｌｌｉｔｅ　Ｓｙｓｔｅｍ）衛星からＧＮＳＳ信号を受信し、現在位置を示す位置情報を出力する。ＧＮＳＳ受信機１２は、例えば、ＧＰＳ、ＧＬＯＮＡＳＳ（Ｇｌｏｂａｌ　Ｎａｖｉｇａｔｉｏｎ　Ｓａｔｅｌｌｉｔｅ　Ｓｙｓｔｅｍ）、ＩＲＮＳＳ（Ｉｎｄｉａｎ　Ｒｅｇｉｏｎａｌ　Ｎａｖｉｇａｔｉｏｎａｌ　Ｓａｔｅｌｌｉｔｅ　Ｓｙｓｔｅｍ）、ＣＯＭＰＡＳＳ、Ｇａｌｉｌｅｏ、及びＱＺＳＳ（Ｑｕａｓｉ－Ｚｅｎｉｔｈ　Ｓａｔｅｌｌｉｔｅ　Ｓｙｓｔｅｍ）のうち少なくとも１つのＧＮＳＳの受信機を含んで構成される。
　通知部１３は、制御部１６の制御下で、車両１００の運転者に対する情報の通知を行う。通知部１３は、情報を表示するディスプレイ１３ａと、情報を音声出力するスピーカ１３ｂとを有する。
　駆動制御部１４は、動力源としてのエンジン又はモータ、動力伝達機構、及びブレーキ等を制御する。車両１００が自動運転車両である場合、駆動制御部１４は、制御部１６と連携して車両１００の運転制御を行ってもよい。
　車載カメラ１５は、車両１００の前方を撮影して得た撮像画像を制御部１６に出力する。
　制御部１６は、車両１００（車載機１５０）における各種の機能を制御する。制御部１６は、少なくとも１つのメモリ１６ｂと、メモリ１６ｂと電気的に接続された少なくとも１つのプロセッサ１６ａとを有する。メモリ１６ｂは、揮発性メモリ及び不揮発性メモリを含み、プロセッサ１６ａにおける処理に用いる情報及びプロセッサ１６ａにより実行されるプログラムを記憶する。プロセッサ１６ａは、メモリ１６ｂに記憶されたプログラムを実行することにより各種の処理を行う。
　このように構成された車両１００において、制御部１６は、各種の情報を無線通信により路側機２００に送信するように通信部１１を制御する。制御部１６は、各種の情報を含む路車間通信メッセージを周期的に路側機２００に送信するように通信部１１を制御してもよい。路側機２００に送信する情報は、例えば、位置情報、車速情報、加速度情報、ステアリング情報、及びアクセル・ブレーキ情報のうち少なくとも１つを含む。
　（路側機の動作）
　次に、第１実施形態に係る路側機２００の動作について説明する。図５は、第１実施形態に係る路側機２００の動作を示す図である。
　図５に示すように、ステップＳ１において、通信部２１は、道路Ｒ上を走行する各車両１００から送信される情報を無線通信により受信する。制御部２２は、通信部２１が受信する情報に基づいて、道路Ｒにおける各車両１００の走行経路を含む走行挙動を特定し、特定した走行挙動の情報を蓄積する。
　ステップＳ２において、制御部２２は、ステップＳ１で各車両１００について特定された走行挙動に対して統計又は機械学習を行う第１処理を実行する。
　ステップＳ３において、制御部２２は、第１処理の結果に基づいて、道路Ｒ上の交通障害物Ｅの有無及び交通障害物Ｅの位置について判定する第２処理を実行する。
　交通障害物Ｅが存在しないと判定した場合（ステップＳ４：ＮＯ）、本フローが終了する。
　一方、交通障害物Ｅが存在すると判定し、交通障害物Ｅの位置を判定した場合（ステップＳ４：ＹＥＳ）、ステップＳ５において、制御部２２は、ステップＳ３で判定した交通障害物Ｅの位置へ向けて走行する車両１００に対して、交通障害物Ｅの位置を示す情報を路車間通信により送信するように通信部２１を制御する。交通障害物Ｅの位置を示す情報は、例えば、交通障害物Ｅの経度及び緯度、道路Ｒにおいて交通障害物Ｅが存在する車線の識別子、又は道路Ｒにおける交通障害物Ｅの相対的な位置（例えば、左側、右側）を示す情報である。
　ステップＳ５において、制御部２２は、ステップＳ３で判定した交通障害物Ｅの位置へ向けて走行する車両１００に対して、車載カメラ１５の撮像画像の提供を要求する撮像画像要求を路車間通信により送信するように通信部２１を制御してもよい。
　制御部２２は、交通障害物Ｅの位置を示す情報と撮像画像要求とを含む１つの路車間通信メッセージを車両１００に送信してもよい。或いは、制御部２２は、交通障害物Ｅの位置を示す情報と撮像画像要求とを別々の路車間通信メッセージにより車両１００に送信してもよい。
　車両１００（車載機１５０）の制御部１６は、交通障害物Ｅの位置を示す情報を路側機２００から受信し、自車両の進行方向前方に交通障害物Ｅがあると判定した場合、その旨及び交通障害物Ｅの位置を通知部１３により運転者に通知する。車両１００（車載機１５０）の制御部１６は、交通障害物Ｅの位置を避けるように車両１００の車速制御及びステアリング制御を行ってもよい。
　また、車両１００（車載機１５０）の制御部１６は、撮像画像要求を路側機２００から受信した場合、一定期間にわたって車載カメラ１５により車両前方を撮影させて、撮像画像（動画像）を取得する。或いは、車両１００（車載機１５０）の制御部１６は、撮像画像要求を路側機２００から受信した場合、交通障害物Ｅの位置を示す情報に基づいて、交通障害物Ｅの直前で１回だけ撮像画像（静止画像）を取得するように車載カメラ１５を制御してもよい。
　ステップＳ６において、制御部２２は、交通障害物Ｅに対するセンシングを行うように、道路Ｒと関連付けられた路側センサを制御する。例えば、制御部２２は、ステップＳ３で判定した交通障害物Ｅの位置に基づいて、交通障害物Ｅに対する撮影を行うように路側カメラ５００のパン、チルト、及びズームの少なくとも１つを制御する。なお、ステップＳ５及びステップＳ６は順序が逆であってもよい。
　ステップＳ７において、制御部２２は、通信部２１を介して車載カメラ１５の撮像画像を車両１００から取得し、インターフェイス２３を介して路側カメラ５００の撮像画像を路側カメラ５００から取得し、取得した撮像画像に基づいて交通障害物Ｅの属性を判定する。交通障害物Ｅの属性は、交通障害物Ｅの種別（例えば、落下物、故障車、又は道路破損）を含む。交通障害物Ｅの属性は、交通障害物Ｅのサイズ（例えば、大、中、小）を含んでもよい。例えば、制御部２２は、撮像画像に対する画像認識処理により交通障害物Ｅの属性を判定する。画像認識には、パターンマッチング技術や、強化学習等の学習（例えば、知識ベース、統計ベース、ニューラルネットベース）による画像認識技術を適用できる。
　ステップＳ８において、制御部２２は、道路Ｒを管理するためのサーバ装置４００に対し、インターフェイス２３を介して、ステップＳ３で判定した交通障害物Ｅの位置を示す情報と、ステップＳ７で判定した交通障害物Ｅの属性を示す情報とを通知する。これにより、サーバ装置４００は、交通障害物Ｅを除去するための適切な措置をとることができる。
　ステップＳ８において、制御部２２は、道路Ｒと関連付けられた他の路側機２００に対し、通信部２１を介して、ステップＳ３で判定した交通障害物Ｅの位置を示す情報と、ステップＳ７で判定した交通障害物Ｅの属性を示す情報とを路路間通信により通知する。このような通知を受けた他の路側機２００は、例えば、通知された交通障害物Ｅの位置を示す情報及び交通障害物Ｅの属性を示す情報を路車間通信により送信する。これにより、交通障害物Ｅに関する情報を道路Ｒ上の多くの車両１００に通知できる。
　次に、第１実施形態に係る交通障害物Ｅの判定動作の動作パターン１について説明する。図６は、第１実施形態に係る交通障害物Ｅの判定動作の動作パターン１を示す図である。
　図６に示すように、ステップＳ１１において、制御部２２は、道路Ｒ上の各車両１００の走行経路を集計することにより走行領域を特定する。
　ステップＳ１２において、制御部２２は、各車両１００から受信する情報に基づいて各車両１００の走行経路を監視する。
　監視により、走行領域において一定時間にわたっていずれの車両１００も走行しない無走行領域を検出した場合（ステップＳ１３：ＹＥＳ）、ステップＳ１４において、制御部２２は、交通障害物Ｅが存在すると判定し、検出された無走行領域の位置に基づいて交通障害物Ｅの位置を判定する。例えば、制御部２２は、無走行領域の中心位置を交通障害物Ｅの位置として判定してもよい。
　次に、第１実施形態に係る交通障害物Ｅの判定動作の動作パターン２について説明する。図７は、第１実施形態に係る交通障害物Ｅの判定動作の動作パターン２を示す図である。
　図７に示すように、ステップＳ２１において、制御部２２は、機械学習により、交通障害物Ｅが存在する場合における各車両１００の一定期間にわたる走行挙動を学習し、道路Ｒ上の異常な走行挙動を示す挙動情報を生成する。
　ステップＳ２２において、制御部２２は、道路Ｒ上を走行する車両１００から受信する情報に基づいてこの車両１００の一定期間にわたる走行挙動を特定する。
　ステップＳ２３において、制御部２２は、ステップＳ２１で生成した挙動情報とステップＳ２２で特定した走行挙動とに基づいて、ステップＳ２２で特定した走行挙動が異常な走行挙動を含むか否かを判定する。
　ステップＳ２２で特定した走行挙動が異常な走行挙動を含むと判定した場合（ステップＳ２３：ＹＥＳ）、ステップＳ２４において、制御部２２は、交通障害物Ｅが存在すると判定し、異常な走行挙動が検出された走行区間に基づいて交通障害物Ｅの位置を判定する。例えば、制御部２２は、異常な走行挙動が検出された走行区間の中心位置を交通障害物Ｅの位置として判定してもよい。
　［第２実施形態］
　近年、機械学習を用いた画像認識技術が発展しており、路側カメラからの画像データから学習済みモデルを用いて移動体を認識できると考えられる。
　しかしながら、機械学習を行うためには、画像データにラベルを人手で付与（ラベル付け）して教師データを生成することが一般的であり、教師データを生成するための作業負担が大きい。特に、路側カメラは、その設置状態（すなわち、撮影条件）がカメラごとに異なり得るため、教師データを路側カメラごとに生成する必要があり、ラベル付けの作業負担が増大するという問題がある。
　そこで、第２実施形態は、作業負担を軽減しつつ、移動体の画像認識のための学習モデルを構築可能とすることを目的とする。
　第２実施形態に係る交通通信システムについて図面を参照しながら説明する。なお、以下の図面の記載において、同一又は類似の部分には、同一又は類似の符号を付している。第２実施形態について、第１実施形態との相違点を主として説明し、類似又は同一の構成の説明を省略する。
　（交通通信システムの構成）
　まず、第２実施形態に係る交通通信システムの構成について説明する。図８は、第２実施形態に係る交通通信システム１の構成を示す図である。
　図８に示すように、交通通信システム１は、道路Ｒを通る車両１００と、道路Ｒの路側に設置される基地局である路側機２００とを有する。車両１００は、移動体の一例である。以下において、第２実施形態に係る交通通信システムの構成について第１実施形態との相違点を主として説明し、類似又は同一の構成の説明を省略する。
　各路側機２００は、通信回線を介してサーバ装置４００に接続される。この通信回線は、有線回線であってもよいし、無線回線であってもよい。
　各路側機２００は、歩行者７００の端末７５０との無線通信を行ってもよい。歩行者７００及び端末７５０は、移動体の他の例である。端末７５０は、路側機２００との無線通信が可能な端末であればよく、例えば、スマートフォン、タブレット端末、ノートＰＣ、又はウェアラブル端末等である。
　図９は、第２実施形態に係る路側機２００の設置環境を示す図である。
　図９に示すように、第１道路及び第２道路が交差する交差点の周辺に路側機２００が設置されている。路側機２００には、第２道路における所定の地理的範囲を撮像する画像センサ５００が併設されている。画像センサ５００は、撮像により得た画像データを路側機２００に出力する。
　路側機２００は、画像センサ５００が出力する画像データに対する画像認識処理を行い、第２道路上の移動体の有無や属性を認識する。移動体は、例えば車両１００及び歩行者７００のうち少なくとも一方である。路側機２００は、認識した移動体に関する下りメッセージを路車間通信により送信する。
　第１道路上を移動する車両１００は、路側機２００からの下りメッセージを受信し、受信した下りメッセージに基づく処理を行う。例えば、車両１００は、路側機２００からの下りメッセージに基づいて運転者への通知や警告を行ったり、車両１００の運転を制御したりする。
　このような路側機２００のユースケースにおいて、画像センサ５００が出力する画像データに対する画像認識処理を路側機２００が行うために、人工知能（ＡＩ）技術を利用する。具体的には、機械学習により、移動体を認識・識別するための学習モデルを構築し、構築した学習済みモデルに画像データを入力することで移動体を認識・識別可能とする。
第２実施形態において、機械学習として教師あり学習を用いる。
　このような機械学習を行うためには、画像データにラベルを人手で付与（ラベル付け）して教師データを生成することが従来行われており、教師データを生成するための作業負担が大きい。特に、路側に設置される画像センサ５００は、その設置状態（すなわち、撮影条件）が画像センサ５００ごとに異なり得るため、教師データを画像センサ５００ごとに生成する必要があり、ラベル付けの作業負担がさらに増大してしまう。
　第２実施形態において、路側機２００は、画像センサ５００が出力する画像データに対するラベル付けを自動化するために、路側機２００が受信する上りメッセージを利用する。すなわち、路側機２００は、移動体の属性を示す属性データを含む上りメッセージをこの移動体から無線通信により受信する。そして、路側機２００は、上りメッセージに含まれる属性データを画像センサ５００が出力する画像データと関連付けることで、学習モデルの構築に用いる教師データを自動で生成する。このような学習モデルは、画像センサ５００が出力する画像データから移動体の属性を識別するモデルである。
　これにより、学習モデルの構築に用いる教師データを画像センサ５００ごとに自動で生成可能になるため、作業負担を軽減しつつ、移動体の画像認識のための学習モデルを構築可能である。学習済みモデルが得られた後においては、移動体が無線通信機能を有していなくても、この移動体の属性を画像データに基づいて識別できるようになる。
　（路側機の構成）
　次に、第２実施形態に係る路側機２００の構成について説明する。図１０は、第２実施形態に係る路側機２００の構成を示す図である。
　図１０に示すように、路側機２００は、通信部２１と、制御部２２と、インターフェイス２３とを有する。
　通信部２１は、車両１００に設けられる車載機１５０との無線通信（すなわち、路車間通信）を行う。通信部２１は、歩行者７００の端末７５０との無線通信を行ってもよい。
　通信部２１は、アンテナ２１ａと、受信部２１ｂと、送信部２１ｃとを有し、アンテナ２１ａを介して無線通信を行う。アンテナ２１ａは、無指向性アンテナであってもよいし、指向性を有する指向性アンテナであってもよい。アンテナ２１ａは、指向性を動的に変更可能なアダプティブアレイアンテナであってもよい。受信部２１ｂは、アンテナ２１ａが受信する無線信号を受信データに変換して制御部２２に出力する。送信部２１ｃは、制御部２２が出力する送信データを無線信号に変換してアンテナ２１ａから送信する。
　通信部２１の無線通信方式は、ＡＲＩＢ（Ａｓｓｏｃｉａｔｉｏｎ　ｏｆ　Ｒａｄｉｏ　Ｉｎｄｕｓｔｒｉｅｓ　ａｎｄ　Ｂｕｓｉｎｅｓｓｅｓ）のＴ１０９規格に準拠した方式、３ＧＰＰ（Ｔｈｉｒｄ　Ｇｅｎｅｒａｔｉｏｎ　Ｐａｒｔｎｅｒｓｈｉｐ　Ｐｒｏｊｅｃｔ）のＶ２Ｘ（Ｖｅｈｉｃｌｅ－ｔｏ－ｅｖｅｒｙｔｈｉｎｇ）規格に準拠した方式、及び／又はＩＥＥＥ（Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｅｌｅｃｔｒｉｃａｌ　ａｎｄ　Ｅｌｅｃｔｒｏｎｉｃｓ　Ｅｎｇｉｎｅｅｒｓ）８０２．１１シリーズ等の無線ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）規格に準拠した方式であってもよい。通信部２１は、これらの通信規格のうち２以上の通信規格に対応可能に構成されていてもよい。
　制御部２２は、路側機２００における各種の機能を制御する。制御部２２は、少なくとも１つのメモリ２２ｂと、メモリ２２ｂと電気的に接続された少なくとも１つのプロセッサ２２ａとを有する。メモリ２２ｂは、揮発性メモリ及び不揮発性メモリを含み、プロセッサ２２ａにおける処理に用いる情報と、プロセッサ２２ａにより実行されるプログラムとを記憶する。メモリ２２ｂは、記憶部に相当する。プロセッサ２２ａは、メモリ２２ｂに記憶されたプログラムを実行することにより各種の処理を行う。
　インターフェイス２３は、有線回線及び／又は無線回線を介して、少なくとも１つの画像センサ５００と接続される。画像センサ５００は、道路Ｒを撮影して得た撮影画像を出力する。画像センサ５００は、路側カメラであってもよい。画像センサ５００は、路側機２００の一部を構成してもよい。
　インターフェイス２３は、有線回線及び／又は無線回線を介して、少なくとも１つのＬｉＤＡＲ（Ｌｉｇｈｔ　Ｄｅｔｅｃｔｉｏｎ　ａｎｄ　Ｒａｎｇｉｎｇ）センサ６００と接続されてもよい。ＬｉＤＡＲセンサ６００は、移動体を検出して検出データ（点群データ）を出力する。ＬｉＤＡＲセンサ６００は、画像センサ５００と一体化されていてもよい。ＬｉＤＡＲセンサ６００は、画像センサ５００は、路側機２００の一部を構成してもよい。
　また、インターフェイス２３は、有線回線及び／又は無線回線を介してサーバ装置４００と接続される。制御部２２は、インターフェイス２３を介してサーバ装置４００との通信を行う。
　このように構成された路側機２００において、第１に、制御部２２は、道路Ｒ上の移動体を撮像して画像データを出力する画像センサ５００から画像データを取得する。移動体は、例えば車両１００及び歩行者７００のうち少なくとも一方である。
　また、受信部２１ｂは、移動体の属性を示す属性データを含む上りメッセージを移動体から無線通信により受信する。受信部２１ｂは、車両１００（車載機１５０）から上りメッセージを受信してもよいし、歩行者７００（端末７５０）から上りメッセージを受信してもよい。
　ここで、属性データは、移動体が車両１００である場合、移動体が車両１００である旨のデータに加えて、車両１００のサイズ種別及び車両１００の用途種別のうち少なくとも一方のデータを含んでもよい。車両１００のサイズ種別には、例えば、大型自動車、中型自動車、普通自動車（軽自動車を含む）、自動二輪車（原動機付き自転車を含む）、自転車、路面電車等が含まれる。車両１００の用途種別には、例えば、自家用自動車、緊急自動車、旅客運送用自動車、貨物運送用自動車、特殊自動車等が含まれる。属性データは、移動体が歩行者７００である場合、移動体が歩行者７００である旨のデータに加えて、歩行者の年齢層及び歩行者の移動状態のうち少なくとも一方のデータを含む。歩行者の年齢層には、子供、大人、シニア（老人）等が含まれる。歩行者の移動状態には、静止、歩いている、走っている等が含まれる。
　上りメッセージは、送信元である移動体の地理的な位置（緯度及び経度）を示す位置データを含んでもよい。このような位置データとしては、例えばＧＮＳＳ（Ｇｌｏｂａｌ　Ｎａｖｉｇａｔｉｏｎ　Ｓａｔｅｌｌｉｔｅ　Ｓｙｓｔｅｍ）位置データを利用できる。さらに、上りメッセージは、送信元である移動体の移動方向（方角）を示す移動方向データを含んでもよい。
　第２に、制御部２２は、受信部２１ｂが受信した上りメッセージに含まれる属性データを画像センサ５００が出力する画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成する。すなわち、制御部２２は、教師データを生成する生成部の機能を有する。このような教師データを用いて構築される学習モデルは、画像センサ５００が出力する画像データから移動体の属性を識別するモデルである。このように、制御部２２は、受信部２１ｂが受信した上りメッセージに含まれる属性データをラベルとして画像データに付与し、学習モデルの構築に用いる教師データを自動で生成する。これにより、移動体との無線通信を利用し、画像データに対するラベル付けを自動化できる。
　制御部２２は、画像データに属性データを付与したものを教師データとして生成する場合に限らず、画像データとＬｉＤＡＲセンサ６００の検出データとの組み合わせに属性データを付与したものを教師データとして生成してもよい。ＬｉＤＡＲセンサ６００の検出データを併用することで例えば夜間でも移動体を認識可能になる。具体的には、制御部２２は、上りメッセージに含まれる属性データを、画像センサ５００が出力する画像データ及びＬｉＤＡＲセンサ６００が出力する検出データと関連付けて教師データを生成してもよい。このような教師データを用いて構築される学習モデルは、画像センサ５００が出力する画像データ及びＬｉＤＡＲセンサ６００が出力する検出データの組み合わせから移動体の属性を識別するモデルである。以下においては、画像データに属性データをラベルとして付与したものを教師データとして用いる一例について説明する。
　路側機２００の受信部２１ｂは、画像センサ５００の撮像範囲（道路Ｒ上の所定の地理的領域）外の移動体からも上りメッセージを受信し得る。このような場合、上述したようなラベル付けがうまく機能しない懸念がある。このため、制御部２２は、上りメッセージに含まれる位置データが、画像センサ５００の撮像範囲（道路Ｒ上の所定の地理的領域）内の位置を示すことに応じて、この上りメッセージに含まれる属性データを画像センサ５００が出力する画像データと関連付けて教師データを生成してもよい。言い換えると、制御部２２は、上りメッセージに含まれる位置データが、画像センサ５００の撮像範囲（道路Ｒ上の所定の地理的領域）外の位置を示す場合には、この上りメッセージに基づく教師データを生成しない。なお、画像センサ５００の撮像範囲（道路Ｒ上の所定の地理的領域）を示す情報は、制御部２２に予め記憶されているものとする。
　但し、移動体が画像センサ５００の撮像範囲内に位置するような場合であっても、この移動体が画像センサ５００から遠ざかる方向に移動するときには、この移動体の属性を識別する必要性が低い。例えば、図９に示すように、交差点の周辺に路側機２００及び画像センサ５００が設置される場合において、交差点から遠ざかる方向に向けて第２道路上を移動体が移動するときには、第１道路上を移動する車両１００に対して通知を行う必要性が低いため、この移動体の属性を識別する必要性が低い。このため、制御部２２は、移動体からの上りメッセージに含まれる移動方向データが所定の移動方向（図９の例では、交差点へ向かう方角である東方向）を示す場合、この上りメッセージに含まれる属性データを画像センサ５００が出力する画像データと関連付けて教師データを生成する。言い換えると、制御部２２は、移動体からの上りメッセージに含まれる移動方向データが所定の移動方向を示さない場合、この上りメッセージに基づく教師データを生成しない。なお、所定の移動方向を示す情報は、制御部２２に予め記憶されているものとする。
　第３に、制御部２２は、生成した教師データを用いて学習モデルを構築する。すなわち、制御部２２は、教師データから学習モデルを構築する学習部の機能を有する。この場合、制御部２２は、生成した教師データから機械学習（具体的には、教師あり学習）により学習モデルを構築し、構築された学習モデルである学習済みモデルを記憶する。
　或いは、このような学習部の機能をサーバ装置４００が有していてもよい。制御部２２は、生成した教師データをサーバ装置４００にアップロードし、サーバ装置４００が機械学習を行って得た学習済みモデルをダウンロードし、ダウンロードした学習済みモデルを記憶する。
　第４に、制御部２２は、学習済みモデルを用いて、画像センサ５００が出力する画像データから移動体の属性を識別する。すなわち、制御部２２は、移動体の属性を識別する識別部の機能を有する。
　例えば、制御部２２は、学習済みモデルを用いて、画像データに被写体として含まれる移動体が車両１００であるか又は歩行者７００であるかを識別する。制御部２２は、画像データに被写体として含まれる移動体が車両１００である場合、この車両１００のサイズ種別を識別したり、この車両１００の用途種別を識別したりしてもよい。制御部２２は、画像データに被写体として含まれる移動体が歩行者７００である場合、この歩行者７００の年齢層を識別したり、この歩行者７００の移動状態を識別したりしてもよい。
　制御部２２は、学習済みモデルを用いた移動体の識別結果に基づいて交通事故に関する危険度を判定してもよい。例えば、制御部２２は、交通事故発生の頻度が統計的に高い属性を有する移動体については危険度が高いと判定し、そうでない場合は危険度が低いと判定してもよい。
　第５に、制御部２２は、学習済みモデルを用いた移動体の識別結果に基づく情報を含む下りメッセージを無線通信により送信部２１ｃから送信する。下りメッセージの送信は、ブロードキャスト、ユニキャスト、又はマルチキャストで行われる。例えば、制御部２２は、学習済みモデルを用いて識別された移動体の属性を示す情報を下りメッセージに含める。制御部２２は、移動体の属性に基づいて判定された危険度を示す情報を下りメッセージに含めてもよい。
　（車両の構成）
　次に、第２実施形態に係る車両１００の構成について説明する。図１１は、第２実施形態に係る車両１００の構成を示す図である。
　図１１に示すように、車両１００は、通信部１１と、ＧＮＳＳ受信機１２と、通知部１３と、駆動制御部１４と、制御部１６とを有する。通信部１１、ＧＮＳＳ受信機１２、及び制御部１６は、車載機１５０を構成する。
　通信部１１は、路側機２００との無線通信（すなわち、路車間通信）を行う。具体的には、通信部１１は、アンテナ１１ａと、受信部１１ｂと、送信部１１ｃとを有し、アンテナ１１ａを介して無線通信を行う。受信部１１ｂは、アンテナ１１ａが受信する無線信号を受信データに変換して制御部１６に出力する。送信部１１ｃは、制御部１６が出力する送信データを無線信号に変換してアンテナ１１ａから送信する。
　通信部１１の無線通信方式は、ＡＲＩＢのＴ１０９規格に準拠した方式、３ＧＰＰのＶ２Ｘ規格に準拠した方式、及び／又はＩＥＥＥ８０２．１１シリーズ等の無線ＬＡＮ規格に準拠した方式であってもよい。通信部１１は、これらの通信規格のうち２以上の通信規格に対応可能に構成されていてもよい。
　ＧＮＳＳ受信機１２は、ＧＮＳＳ衛星からＧＮＳＳ信号を受信し、現在位置を示す位置データを出力する。ＧＮＳＳ受信機１２は、例えば、ＧＰＳ、ＧＬＯＮＡＳＳ（Ｇｌｏｂａｌ　Ｎａｖｉｇａｔｉｏｎ　Ｓａｔｅｌｌｉｔｅ　Ｓｙｓｔｅｍ）、ＩＲＮＳＳ（Ｉｎｄｉａｎ　Ｒｅｇｉｏｎａｌ　Ｎａｖｉｇａｔｉｏｎａｌ　Ｓａｔｅｌｌｉｔｅ　Ｓｙｓｔｅｍ）、ＣＯＭＰＡＳＳ、Ｇａｌｉｌｅｏ、及びＱＺＳＳ（Ｑｕａｓｉ－Ｚｅｎｉｔｈ　Ｓａｔｅｌｌｉｔｅ　Ｓｙｓｔｅｍ）のうち少なくとも１つのＧＮＳＳの受信機を含んで構成される。移動方向データは、位置データに基づいて生成される。
　通知部１３は、制御部１６の制御下で、車両１００の運転者に対する情報の通知を行う。通知部１３は、情報を表示するディスプレイ１３ａと、情報を音声出力するスピーカ１３ｂとを有する。
　駆動制御部１４は、動力源としてのエンジン又はモータ、動力伝達機構、及びブレーキ等を制御する。車両１００が自動運転車両である場合、駆動制御部１４は、制御部１６と連携して車両１００の運転制御を行ってもよい。
　制御部１６は、車両１００（車載機１５０）における各種の機能を制御する。制御部１６は、少なくとも１つのメモリ１６ｂと、メモリ１６ｂと電気的に接続された少なくとも１つのプロセッサ１６ａとを有する。メモリ１６ｂは、揮発性メモリ及び不揮発性メモリを含み、プロセッサ１６ａにおける処理に用いる情報及びプロセッサ１６ａにより実行されるプログラムを記憶する。プロセッサ１６ａは、メモリ１６ｂに記憶されたプログラムを実行することにより各種の処理を行う。
　このように構成された車両１００において、制御部１６は、上述したような上りメッセージを生成し、生成した上りメッセージを送信部１１ｃから送信する。制御部１６は、上りメッセージの生成及び送信を周期的に行ってもよい。
　受信部１１ｂは、上述したような下りメッセージを路側機２００から受信し、受信した下りメッセージを制御部１６に出力する。制御部１６は、この下りメッセージの内容に応じた情報を運転者に通知するように通知部１３を制御する。例えば、制御部１６は、下りメッセージが示す移動体の属性を示す情報を通知したり、下りメッセージが示す危険度を示す情報を通知したりする。制御部１６は、下りメッセージの内容に応じた自動運転制御を行うように駆動制御部１４を制御してもよい。例えば、制御部１６は、交通事故を防止するためにステアリング及びブレーキを制御してもよい。
　（交通通信システムの動作例）
　次に、第２実施形態に係る交通通信システム１の動作例について説明する。図１２は、第２実施形態に係る交通通信システム１において機械学習を行うための動作例１を示す図である。
　図１２に示すように、ステップＳ１０１において、画像センサ５００は、道路上の移動体を撮像して画像データを出力する。路側機２００の制御部２２は、画像センサ５００から画像データを取得する。
　ステップＳ１０２において、路側機２００の受信部２１ｂは、移動体から上りメッセージを受信する。上りメッセージは、この移動体の属性データを含む。上りメッセージは、この移動体の位置データ及び移動方向データを含んでもよい。
　ステップＳ１０３において、路側機２００の制御部２２は、ステップＳ１０２で受信した上りメッセージに基づく教師データを生成するか否かを判定してもよい。例えば、制御部２２は、上りメッセージに含まれる位置データが、画像センサ５００の撮像範囲（道路Ｒ上の所定の地理的領域）内の位置を示す場合、この上りメッセージに基づく教師データを生成すると判定してもよい。制御部２２は、移動体からの上りメッセージに含まれる移動方向データが所定の移動方向を示す場合、この上りメッセージに基づく教師データを生成すると判定してもよい。ここでは、教師データを生成すると制御部２２が判定したと仮定して説明を進める。
　ステップＳ１０４において、路側機２００の制御部２２は、受信部２１ｂが受信した上りメッセージに含まれる属性データを画像センサ５００が出力する画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成する。制御部２２は、画像データに属性データを付与したものを教師データとして生成する場合に限らず、画像データとＬｉＤＡＲセンサ６００の検出データとの組み合わせに属性データを付与したものを教師データとして生成してもよい。
　ステップＳ１０５において、路側機２００の制御部２２は、ステップＳ１０４で生成した教師データ（属性データ及び画像データの組み合わせ）をサーバ装置４００にアップロードする。なお、路側機２００に複数の画像センサ５００が接続されている場合、制御部２２は、対応する画像センサ５００のＩＤを教師データに付与してもよい。
　ステップＳ１０６において、サーバ装置４００は、路側機２００からアップロードされた教師データから教師あり学習により学習モデルを構築する。路側機２００に複数の画像センサ５００が接続されている場合、サーバ装置４００は、画像センサ５００のＩＤに基づいて画像センサ５００ごとに学習モデルを構築してもよい。
　サーバ装置４００は、ある条件が満たされるまで教師データの収集及び学習モデルの構築（更新）を継続し、学習済みモデルを生成する。この条件は、一定の期間が経過したという条件であってもよいし、一定数の教師データが収集されたという条件であってもよい。
　ステップＳ１０７において、サーバ装置４００は、学習済みモデルを路側機２００に配信する。サーバ装置４００は、学習済みモデルを配信する際に、対応する画像センサ５００のＩＤを路側機２００に通知してもよい。
　ステップＳ１０８において、路側機２００の制御部２２は、サーバ装置４００から取得した学習済みモデルを記憶する。制御部２２は、学習済みモデルを画像センサ５００ごとに記憶してもよい。
　図１３は、第２実施形態に係る交通通信システム１において機械学習を行うための動作例２を示す図である。
　図１３に示すように、ステップＳ１１１乃至Ｓ１１４の動作は、上述のステップＳ１０１乃至Ｓ１０４の動作と同様である。
　ステップＳ１１５において、路側機２００の制御部２２は、ステップＳ１１４で生成した教師データから教師あり学習により学習モデルを構築する。路側機２００に複数の画像センサ５００が接続されている場合、制御部２２は、画像センサ５００ごとに学習モデルを構築してもよい。制御部２２は、ある条件が満たされるまで教師データの収集及び学習モデルの構築（更新）を継続し、学習済みモデルを生成する。この条件は、一定の期間が経過したという条件であってもよいし、一定数の教師データが収集されたという条件であってもよい。
　ステップＳ１１６において、路側機２００の制御部２２は、生成した学習済みモデルを記憶する。制御部２２は、学習済みモデルを画像センサ５００ごとに記憶してもよい。制御部２２は、学習済みモデルの更新を継続してもよい。
　図１４は、第２実施形態に係る交通通信システム１における学習済みモデル生成後の動作例を示す図である。
　図１４に示すように、ステップＳ２０１において、画像センサ５００は、道路上の移動体を撮像して画像データを出力する。路側機２００の制御部２２は、画像センサ５００から画像データを取得する。
　ステップＳ２０２において、路側機２００の制御部２２は、学習済みモデルを用いて、画像センサ５００が出力する画像データから移動体の属性を識別する。
　ステップＳ２０３において、路側機２００の制御部２２は、学習済みモデルを用いた移動体の識別結果に基づいて交通事故に関する危険度を判定してもよい。
　ステップＳ２０４において、路側機２００の制御部２２は、学習済みモデルを用いた移動体の識別結果に基づく情報を含む下りメッセージを無線通信により送信部２１ｃから送信する。車両１００の受信部１１ｂは、路側機２００から下りメッセージを受信する。
　ステップＳ２０５において、車両１００の制御部１６は、受信した下りメッセージの内容に応じた情報を運転者に通知するように通知部１３を制御する。制御部１６は、下りメッセージの内容に応じた自動運転制御を行うように駆動制御部１４を制御してもよい。
　（その他の実施形態）
　第１実施形態において図５乃至図７に示す動作を、路側機２００に代えてサーバ装置４００が実行してもよい。この場合、図５乃至図７に示す動作の説明において、路側機２００をサーバ装置４００と読み替える。ここで、サーバ装置４００は、路側機２００の近くに配置されるエッジサーバであってもよい。具体的には、サーバ装置４００は、路側機２００とインターネットとの間に設けられ、所定範囲に限定されたエリア内の道路Ｒを管轄する。サーバ装置４００は、ＷＡＮ（Ｗｉｄｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）を介さずに、ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）を介して路側機２００と接続されてもよい。
　上述した第２実施形態において、路側機２００及び画像センサ５００が交差点の周辺に設置される一例について説明した。しかしながら、路側機２００及び画像センサ５００は、図１５に示すように、トンネルＴの出口付近に設置されてもよい。図１５に示す例において、画像センサ５００は、トンネルＴの出口付近を撮像して画像データを出力する。路側機２００は、上述したような下りメッセージをトンネルＴ内の車両１００（車載機１５０）に送信する。
　或いは、上述した第２実施形態において、路側機２００及び画像センサ５００は、図１６に示すように、道路Ｒの曲がり角（カーブ）付近に設置されてもよい。図１６に示す例において、道路Ｒは、車両１００から見て左へのカーブを有する。このようなカーブの先の状況を車両１００の運転者又は車載センサが検知することは困難である。このようなカーブ先には、車両１００の通行を妨げる移動体が存在し得る。図１６に示す例において、画像センサ５００は、カーブの先の状況を撮像して画像データを出力する。路側機２００は、上述したような下りメッセージを道路Ｒ上の車両１００（車載機１５０）に送信する。
　上述した第２実施形態において路側機２００の制御部２２が行っていた動作を、路側機２００に代えてサーバ装置４００が行ってもよい。すなわち、教師データを生成する生成部、機械学習を行う学習部、及び学習済みモデルを用いて移動体を識別する識別部のうち少なくとも１つをサーバ装置４００が有していてもよい。
　上述した第２実施形態において、サーバ装置４００は、路側機２００の近くに配置されるエッジサーバであってもよい。このようなエッジサーバを路側機２００の一部とみなしてもよい。エッジサーバは、路側機２００とインターネットとの間に設けられ、所定範囲に限定されたエリア内の道路Ｒを管轄する。エッジサーバは、ＷＡＮ（Ｗｉｄｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）を介さずに、ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）を介して路側機２００と接続されてもよい。
　上述した第１実施形態及び第２実施形態を適宜組み合わせてもよい。例えば、第１実施形態において機械学習を行う場合に、第２実施形態における機械学習を行ってもよい。
　上述した第１及び第２実施形態に係る各処理をコンピュータに実行させるプログラムが提供されてもよい。プログラムは、コンピュータ読取り可能媒体に記録されていてもよい。コンピュータ読取り可能媒体を用いれば、コンピュータにプログラムをインストールすることが可能である。ここで、プログラムが記録されたコンピュータ読取り可能媒体は、非一過性の記録媒体であってもよい。非一過性の記録媒体は、特に限定されるものではないが、例えば、ＣＤ－ＲＯＭやＤＶＤ－ＲＯＭ等の記録媒体であってもよい。
　また、車載機１５０又は路側機２００が行う各処理を実行する回路を集積化し、車載機１５０又は路側機２００の少なくとも一部を半導体集積回路（チップセット、ＳｏＣ）として構成してもよい。
　以上、図面を参照して第１及び第２実施形態について詳しく説明したが、具体的な構成は上述のものに限られることはなく、要旨を逸脱しない範囲内において様々な設計変更等をすることが可能である。
　本願は、日本国特許出願第２０１９－１３８９９９号（２０１９年７月２９日出願）及び日本国特許出願第２０１９－２１４０７８号（２０１９年１１月２７日出願）の優先権を主張し、その内容の全てが本願明細書に組み込まれている。

Claims (26)

  1. 　交通通信システムに用いる基地局であって、
    　道路上を走行する車両から送信される情報を無線通信により受信する通信部と、
    　前記通信部が受信する前記情報に基づいて、前記道路における前記車両の走行経路を含む走行挙動を特定する制御部と、を備え、
    　前記制御部は、
    　前記道路上を走行する複数の車両のそれぞれについて特定された前記走行挙動に対して統計又は機械学習を行う第１処理と、
    　前記第１処理の結果に基づいて、前記道路上の交通障害物の有無及び前記交通障害物の位置について判定する第２処理と、を実行する
    　基地局。
  2. 　前記第１処理は、
    　　前記統計により、前記道路上で各車両が走行する走行領域を特定する処理と、
    　　前記走行領域を特定した後、前記特定した走行領域において一定期間にわたっていずれの車両も走行しない無走行領域を検出する処理と、を含み、
    　前記第２処理は、
    　前記無走行領域が検出された場合、前記交通障害物が存在すると判定する処理と、
    　前記検出された無走行領域の位置に基づいて、前記交通障害物の位置を判定する処理と、を含む
    　請求項１に記載の基地局。
  3. 　前記第１処理は、前記機械学習により、前記道路上の異常な走行挙動を示す挙動情報を生成する処理を含み、
    　前記第２処理は、
    　前記挙動情報に基づいて、前記道路上を走行する車両について特定した前記走行挙動において前記異常な走行挙動が検出された場合、前記交通障害物が存在すると判定する処理と、
    　前記異常な走行挙動が検出された走行区間に基づいて、前記交通障害物の位置を判定する処理と、を含む
    　請求項１に記載の基地局。
  4. 　前記制御部は、前記第２処理により前記交通障害物の位置を判定した場合、前記判定した交通障害物の位置へ向けて走行する車両に対して前記交通障害物の位置を示す情報を送信するように前記通信部を制御する
    　請求項１乃至３のいずれか１項に記載の基地局。
  5. 　前記制御部は、前記判定した交通障害物の位置へ向けて走行する車両に対して、車載カメラの撮像画像の提供を要求する撮像画像要求をさらに送信するように前記通信部を制御する
    　請求項４に記載の基地局。
  6. 　前記制御部は、前記車載カメラの撮像画像を前記車両から取得し、取得した撮像画像に基づいて前記交通障害物の属性を判定する
    　請求項５に記載の基地局。
  7. 　前記制御部は、前記第２処理により前記交通障害物の位置を判定した場合、前記道路を管理するためのサーバ装置に対して、前記判定した交通障害物の位置を示す情報を通知する
    　請求項１乃至６のいずれか１項に記載の基地局。
  8. 　前記制御部は、前記第２処理により前記交通障害物の位置を判定した場合、前記道路と関連付けられた他の基地局に対して、前記判定した交通障害物の位置を示す情報を通知する
    　請求項１乃至７のいずれか１項に記載の基地局。
  9. 　前記制御部は、前記第２処理により前記交通障害物の位置を判定した場合、前記交通障害物に対するセンシングを行うように、前記道路と関連付けられた路側センサを制御する
    　請求項１乃至８のいずれか１項に記載の基地局。
  10. 　前記路側センサは、路側カメラであり、
    　前記制御部は、前記第２処理により前記交通障害物の位置を判定した場合、前記交通障害物を撮影するように、前記路側カメラのパン、チルト、及びズームの少なくとも１つを制御する
    　請求項９に記載の基地局。
  11. 　前記制御部は、前記路側センサによる前記センシングの結果に基づいて前記交通障害物の属性を判定する
    　請求項９又は１０に記載の基地局。
  12. 　交通通信システムであって、
    　道路上を走行する車両から送信される情報を無線通信により受信する基地局と、
    　前記通信部が受信する前記情報に基づいて、前記道路における前記車両の走行経路を含む走行挙動を特定する制御部と、を備え、
    　前記制御部は、
    　前記道路上を走行する複数の車両のそれぞれについて特定された前記走行挙動に対して統計又は機械学習を行う第１処理と、
    　前記第１処理の結果に基づいて前記道路上の交通障害物の位置について判定する第２処理と、を実行する
    　交通通信システム。
  13. 　前記基地局は、前記制御部を有する
    　請求項１２に記載の交通通信システム。
  14. 　前記道路を管理するためのサーバ装置をさらに備え、
    　前記サーバ装置は、前記制御部を有する
    　請求項１２に記載の交通通信システム。
  15. 　前記サーバ装置は、所定範囲に限定されたエリア内の道路を管轄するエッジサーバである
    　請求項１４に記載の交通通信システム。
  16. 　道路上を走行する車両から送信される情報を無線通信により基地局が受信することと、
    　前記基地局が受信する前記情報に基づいて、前記道路における前記車両の走行経路を含む走行挙動を特定することと、
    　前記道路上を走行する複数の車両のそれぞれについて特定された前記走行挙動に対して統計又は機械学習を行う第１処理を実行することと、
    　前記第１処理の結果に基づいて前記道路上の交通障害物の位置について判定する第２処理を実行することと、を含む
    　交通管理方法。
  17. 　道路上の移動体を撮像して画像データを出力する画像センサと、
    　前記移動体の属性を示す属性データを含む上りメッセージを前記移動体から無線通信により受信する受信部と、
    　前記上りメッセージに含まれる前記属性データを前記画像センサが出力する画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成する生成部と、を備え、
    　前記学習モデルは、前記画像センサが出力する画像データから前記移動体の属性を識別するモデルである
    　交通通信システム。
  18. 　前記道路の周辺に設置される路側機を備え、
    　前記路側機は、前記受信部と、前記生成部とを有し、
    　前記画像センサは、前記道路の周辺に設置される
    　請求項１７に記載の交通通信システム。
  19. 　前記路側機は、
    　前記教師データを用いて構築された前記学習モデルである学習済みモデルを用いて、前記画像センサが出力する画像データから前記移動体の属性を識別する識別部と、
    　前記識別部による識別結果に基づく情報を含む下りメッセージを無線通信により送信する送信部と、を有する
    　請求項１８に記載の交通通信システム。
  20. 　前記画像センサは、前記道路上の所定の地理的領域に対して撮像を行い、
    　前記上りメッセージは、前記移動体の地理的な位置を示す位置データをさらに含み、
    　前記生成部は、前記上りメッセージに含まれる前記位置データが、前記所定の地理的領域内の位置を示すことに応じて、前記上りメッセージに含まれる前記属性データを前記画像センサが出力する画像データと関連付けて前記教師データを生成する
    　請求項１７乃至１９のいずれか１項に記載の交通通信システム。
  21. 　前記上りメッセージは、前記移動体の移動方向を示す移動方向データをさらに含み、
    　前記生成部は、前記上りメッセージに含まれる前記移動方向データが所定の移動方向を示すことに応じて、前記上りメッセージに含まれる前記属性データを前記画像センサが出力する画像データと関連付けて前記教師データを生成する
    　請求項１７乃至２０のいずれか１項に記載の交通通信システム。
  22. 　前記移動体を検出するＬｉＤＡＲ（Ｌｉｇｈｔ　Ｄｅｔｅｃｔｉｏｎ　ａｎｄ　Ｒａｎｇｉｎｇ）センサを備え、
    　前記生成部は、前記上りメッセージに含まれる前記属性データを、前記画像センサが出力する画像データ及び前記ＬｉＤＡＲセンサが出力する検出データと関連付けて前記教師データを生成し、
    　前記学習モデルは、前記画像センサが出力する画像データ及び前記ＬｉＤＡＲセンサが出力する検出データの組み合わせから前記移動体の属性を識別するモデルである
    　請求項１７乃至２１のいずれか１項に記載の交通通信システム。
  23. 　前記属性データは、前記移動体が車両である場合、前記車両のサイズ種別及び前記車両の用途種別のうち少なくとも一方のデータを含む
    　請求項１７乃至２２のいずれか１項に記載の交通通信システム。
  24. 　前記属性データは、前記移動体が歩行者である場合、前記歩行者の年齢層及び前記歩行者の移動状態のうち少なくとも一方のデータを含む
    　請求項１７乃至２３のいずれか１項に記載の交通通信システム。
  25. 　道路の周辺に設置される路側機であって、
    　前記道路上の移動体の属性を示す属性データを含むメッセージを前記移動体から無線通信により受信する受信部と、
    　前記移動体を撮像する画像センサから画像データを取得し、前記メッセージに含まれる前記属性データを前記画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成する生成部と、を備え、
    　前記学習モデルは、前記画像センサが出力する画像データから前記移動体の属性を識別するモデルである
    　路側機。
  26. 　交通通信システムで実行する教師データ生成方法であって、
    　道路上の移動体の属性を示す属性データを含むメッセージを無線通信により受信することと、
    　前記移動体を撮像する画像センサから画像データを取得することと、
    　前記メッセージに含まれる前記属性データを前記画像データと関連付けることで、機械学習による学習モデルの構築に用いる教師データを生成することと、を有し、
    　前記学習モデルは、前記画像センサが出力する画像データから前記移動体の属性を識別するモデルである
    　教師データ生成方法。
PCT/JP2020/028564 2019-07-29 2020-07-22 基地局、路側機、交通通信システム、交通管理方法、及び教師データ生成方法 WO2021020304A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/571,686 US20220130237A1 (en) 2019-07-29 2022-01-10 Base station, roadside device, traffic communication system, traffic management method, and training data generation method

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2019-138999 2019-07-29
JP2019138999A JP7401217B2 (ja) 2019-07-29 2019-07-29 基地局、交通通信システム、及び交通管理方法
JP2019-214078 2019-11-27
JP2019214078A JP7296305B2 (ja) 2019-11-27 2019-11-27 交通通信システム、路側機、及び教師データ生成方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/571,686 Continuation US20220130237A1 (en) 2019-07-29 2022-01-10 Base station, roadside device, traffic communication system, traffic management method, and training data generation method

Publications (1)

Publication Number Publication Date
WO2021020304A1 true WO2021020304A1 (ja) 2021-02-04

Family

ID=74230360

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/028564 WO2021020304A1 (ja) 2019-07-29 2020-07-22 基地局、路側機、交通通信システム、交通管理方法、及び教師データ生成方法

Country Status (2)

Country Link
US (1) US20220130237A1 (ja)
WO (1) WO2021020304A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024024555A1 (ja) * 2022-07-25 2024-02-01 株式会社小糸製作所 障害物検出システム、障害物検出方法、障害物検出装置及び障害物検出プログラム

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2024000838A (ja) * 2022-06-21 2024-01-09 トヨタ自動車株式会社 通知システムおよび通知方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003157487A (ja) * 2001-11-22 2003-05-30 Mitsubishi Electric Corp 交通状況監視装置
JP2004118730A (ja) * 2002-09-27 2004-04-15 Denso Corp 障害物情報提供装置及び障害物衝突防止支援システム
JP2010039705A (ja) * 2008-08-04 2010-02-18 Sumitomo Electric Ind Ltd 移動体識別装置、コンピュータプログラム及び移動体識別装置の学習方法
WO2017047687A1 (ja) * 2015-09-17 2017-03-23 株式会社日立国際電気 監視システム
JP2018169880A (ja) * 2017-03-30 2018-11-01 トヨタ自動車株式会社 車両捜索システム、ナンバープレート情報蓄積装置、および方法
JP2018173291A (ja) * 2017-03-31 2018-11-08 日本電気株式会社 検出装置、検出方法及びプログラム
WO2018225347A1 (ja) * 2017-06-09 2018-12-13 ボッシュエンジニアリング株式会社 走行障害検出装置及び車両ナビゲーションシステム
JP2019109675A (ja) * 2017-12-18 2019-07-04 株式会社豊田中央研究所 運転行動データ生成装置、運転行動データベース
WO2019142458A1 (ja) * 2018-01-22 2019-07-25 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 車両監視装置、不正検知サーバ、および、制御方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11127042B2 (en) * 2014-05-19 2021-09-21 Allstate Insurance Company Content output systems using vehicle-based data

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003157487A (ja) * 2001-11-22 2003-05-30 Mitsubishi Electric Corp 交通状況監視装置
JP2004118730A (ja) * 2002-09-27 2004-04-15 Denso Corp 障害物情報提供装置及び障害物衝突防止支援システム
JP2010039705A (ja) * 2008-08-04 2010-02-18 Sumitomo Electric Ind Ltd 移動体識別装置、コンピュータプログラム及び移動体識別装置の学習方法
WO2017047687A1 (ja) * 2015-09-17 2017-03-23 株式会社日立国際電気 監視システム
JP2018169880A (ja) * 2017-03-30 2018-11-01 トヨタ自動車株式会社 車両捜索システム、ナンバープレート情報蓄積装置、および方法
JP2018173291A (ja) * 2017-03-31 2018-11-08 日本電気株式会社 検出装置、検出方法及びプログラム
WO2018225347A1 (ja) * 2017-06-09 2018-12-13 ボッシュエンジニアリング株式会社 走行障害検出装置及び車両ナビゲーションシステム
JP2019109675A (ja) * 2017-12-18 2019-07-04 株式会社豊田中央研究所 運転行動データ生成装置、運転行動データベース
WO2019142458A1 (ja) * 2018-01-22 2019-07-25 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 車両監視装置、不正検知サーバ、および、制御方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024024555A1 (ja) * 2022-07-25 2024-02-01 株式会社小糸製作所 障害物検出システム、障害物検出方法、障害物検出装置及び障害物検出プログラム

Also Published As

Publication number Publication date
US20220130237A1 (en) 2022-04-28

Similar Documents

Publication Publication Date Title
US11630998B2 (en) Systems and methods for automatically training neural networks
CN110349405B (zh) 利用联网汽车的实时交通监视
US20200211376A1 (en) Systems and Methods to Enable a Transportation Network with Artificial Intelligence for Connected and Autonomous Vehicles
US11039384B2 (en) Wireless communication system, information acquiring terminal, computer program, method for determining whether to adopt provided information
US8902080B2 (en) Vehicle-mounted narrow-band wireless communication apparatus and roadside-to-vehicle narrow-band wireless communication system
US20150307131A1 (en) Autonomous Driving in a Hazard Situation
US10255806B2 (en) Information-processing system, terminal device, portable terminal device, and non-transitory tangible computer-readable storage medium
JP6687169B2 (ja) 情報生成装置、情報生成方法、コンピュータプログラムおよび無線通信システム
CN113748316B (zh) 用于车辆遥测的系统和方法
JP6375772B2 (ja) 通報システム、情報処理システム、サーバ装置、端末装置、及びプログラム
US20220130237A1 (en) Base station, roadside device, traffic communication system, traffic management method, and training data generation method
CN112073936A (zh) 用于网络节点通信的系统和方法
EP3996063A1 (en) Safety performance evaluation device, safety performance evaluation method, information processing device, and information processing method
WO2019131075A1 (ja) 送信装置、点群データ収集システムおよびコンピュータプログラム
JP2022542641A (ja) 動的なイベントの特定および流布のための方法およびシステム
US10249192B2 (en) Notification regarding an estimated movement path of a vehicle
JP2009251968A (ja) 緊急通報システム、通信管理サーバー、及び車載情報通信装置
JP7401217B2 (ja) 基地局、交通通信システム、及び交通管理方法
WO2021039772A1 (ja) 基地局、交通通信システム、及び交通通信方法
WO2016024384A1 (ja) 情報処理システム、端末装置、プログラム、携帯端末装置、コンピュータ読み出し可能持続的有形記録媒体
WO2023228687A1 (ja) 交通通信システム、端末装置、及びプログラム
JP7484716B2 (ja) 情報提供装置、情報提供方法、情報提供システムおよびコンピュータプログラム
WO2017160562A1 (en) Methods and systems for monitoring intersections with stationary connected vehicles
JP7296305B2 (ja) 交通通信システム、路側機、及び教師データ生成方法
JP2017162472A (ja) 自動車のための情報システム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20846824

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20846824

Country of ref document: EP

Kind code of ref document: A1