WO2022014357A1 - 路面評価装置および路面評価方法 - Google Patents

路面評価装置および路面評価方法 Download PDF

Info

Publication number
WO2022014357A1
WO2022014357A1 PCT/JP2021/025067 JP2021025067W WO2022014357A1 WO 2022014357 A1 WO2022014357 A1 WO 2022014357A1 JP 2021025067 W JP2021025067 W JP 2021025067W WO 2022014357 A1 WO2022014357 A1 WO 2022014357A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
road surface
vehicle
roughness
road
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2021/025067
Other languages
English (en)
French (fr)
Inventor
寛之 鬼丸
篤樹 柿沼
明 飯星
武雄 徳永
康夫 大石
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honda Motor Co Ltd
Original Assignee
Honda Motor Co Ltd
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
Application filed by Honda Motor Co Ltd filed Critical Honda Motor Co Ltd
Priority to US18/015,327 priority Critical patent/US12196577B2/en
Priority to CN202180048703.XA priority patent/CN115803794B/zh
Priority to JP2022536250A priority patent/JP7368628B2/ja
Publication of WO2022014357A1 publication Critical patent/WO2022014357A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C7/00—Tracing profiles
    • G01C7/02—Tracing profiles of land surfaces
    • G01C7/04—Tracing profiles of land surfaces involving a vehicle which moves along the profile to be traced
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles

Definitions

  • the present invention relates to a road surface evaluation device and a road surface evaluation method for evaluating a road surface profile representing an uneven shape of a road surface.
  • a road surface profile representing the uneven shape of the road surface of the road on which the vehicle travels is detected based on the lateral (lateral direction with respect to the traveling direction) acceleration measured by an acceleration sensor provided in the vehicle.
  • a device is known (see, for example, Patent Document 1).
  • the road surface profile detected based on the acceleration measured by the acceleration sensor varies depending on various factors such as the position of the tire on the running road surface and the weather. Therefore, it is not possible to sufficiently evaluate the road surface profile by simply detecting the road surface profile based on the acceleration measured by the acceleration sensor as in the device described in Patent Document 1.
  • the road surface evaluation device is a vehicle information acquisition unit that acquires vehicle information including information indicating the movement of a moving vehicle and vehicle position information, and a map including information on the road on which the vehicle travels.
  • the map information acquisition unit that acquires information, and the roughness information derivation unit that derives the roughness information indicating the roughness of the road surface and the reliability of the roughness information based on the vehicle information acquired by the vehicle information acquisition unit. It also has an output unit that outputs the roughness information and the reliability derived by the roughness information derivation unit in association with the road information acquired by the map information acquisition unit.
  • a step of acquiring vehicle information including information indicating the motion of a moving vehicle and vehicle position information, and map information including information on the road on which the vehicle travels are obtained.
  • the step to be acquired, the step to derive the roughness information indicating the roughness of the road surface and the reliability of the roughness information based on the acquired vehicle information, and the derived roughness information and the reliability are acquired. It includes executing a step of outputting in association with the information of the road that has been made by a computer.
  • the road surface profile can be sufficiently evaluated.
  • FIG. 5 is a diagram showing an example of vehicle information acquired by a road surface evaluation device from an in-vehicle device of a vehicle traveling on the road of FIG. 5A.
  • the flowchart which shows an example of the process executed by the arithmetic unit of FIG.
  • the figure which shows an example of the information output by the road surface profile output part of FIG.
  • the road surface evaluation device is a device for evaluating the road surface profile of the road on which the vehicle travels.
  • FIG. 1 is a diagram showing an example of a configuration of a road surface evaluation system including a road surface evaluation device according to the present embodiment.
  • the road surface evaluation system 1 includes a road surface evaluation device 10 and an in-vehicle device 30.
  • the road surface evaluation device 10 is configured as a server device.
  • the in-vehicle device 30 is configured to be able to communicate with the road surface evaluation device 10 via the communication network 2.
  • the communication network 2 includes not only public wireless communication networks represented by Internet networks and mobile phone networks, but also closed communication networks provided for each predetermined management area, such as wireless LAN and Wi-Fi (registered trademark). ), Bluetooth®, etc. are also included.
  • the in-vehicle device 30 is mounted on various vehicles 20.
  • the vehicle 20 includes various vehicles 20-1, 20-2, ..., 20-n having different vehicle widths.
  • vehicle 20-1 is a sedan
  • vehicle 20-2 is a one-box car with a wider vehicle width than vehicle 20-1
  • vehicle 20-n is wider than vehicle 20-1. It is a minivan whose width is narrower than that of vehicle 20-2.
  • the vehicle 20 may be a manually driven vehicle or an automatically driven vehicle.
  • FIG. 2 is a block diagram showing a configuration of a main part of the in-vehicle device 30 according to the present embodiment.
  • the in-vehicle device 30 includes an electronic control unit (ECU) 31, a positioning sensor 32, an acceleration sensor 33, a steering angle sensor 34, a vehicle speed sensor 35, and a TCU (Telematic Control Unit) 36.
  • ECU electronice control unit
  • TCU Telematic Control Unit
  • the positioning sensor 32 is, for example, a GPS sensor, which receives a positioning signal transmitted from a GPS satellite and detects the absolute position (latitude, longitude, etc.) of the vehicle 20.
  • the positioning sensor 32 includes not only a GPS sensor but also a sensor for positioning using radio waves transmitted from satellites of various countries called GNSS satellites such as a quasi-zenith orbit satellite. Further, the vehicle position may be obtained by a hybrid method with inertial navigation.
  • the acceleration sensor 33 detects the left-right acceleration of the vehicle 20, that is, the lateral acceleration.
  • the acceleration sensor 33 may be configured to detect the lateral acceleration of the vehicle 20 as well as the acceleration in the front-rear direction and the acceleration in the vertical direction.
  • the steering angle sensor 34 detects the steering angle of the steering wheel (not shown) of the vehicle 20.
  • the vehicle speed sensor 35 detects the vehicle speed of the vehicle 20.
  • the ECU 31 includes a computer having a calculation unit 310 such as a CPU, a storage unit 320 such as a ROM and RAM, and other peripheral circuits (not shown) such as an I / O interface. ..
  • the calculation unit 310 functions as a sensor value acquisition unit 311 and a communication control unit 312 by executing a program stored in the storage unit 320 in advance.
  • the sensor value acquisition unit 311 acquires information (value) detected by each sensor 32 to 35, that is, vehicle information.
  • the sensor value acquisition unit 311 acquires vehicle information including the acceleration of the vehicle 20 detected by the acceleration sensor 33 and the absolute position of the vehicle 20 detected by the positioning sensor 32 at a predetermined cycle, for example, every 10 ms.
  • the vehicle information includes at least the lateral acceleration of the vehicle 20 detected by the acceleration sensor 33.
  • the communication control unit 312 transmits the vehicle information acquired by the sensor value acquisition unit 311 to the road surface evaluation device 10 via the TCU 36 at a predetermined cycle. More specifically, the communication control unit 312 thins out the vehicle information acquired by the sensor value acquisition unit 311 so as not to increase the processing load and unnecessarily press the band of the communication network 2. For example, it is transmitted every 1s.
  • the road surface evaluation device 10 detects the uneven shape of the road surface, that is, the road surface profile, based on the detection value of the acceleration sensor 33 of the vehicle 20.
  • This detected road surface profile is output to, for example, a terminal owned by a road management company or the like, and is used as reference data when the road management company or the like examines the necessity of repair or the like. That is, the detection value of the accelerometer is used to evaluate the road surface profile.
  • the road surface evaluation device is configured as follows so that the road surface profile can be sufficiently evaluated.
  • FIG. 3 is a block diagram showing a main configuration of the road surface evaluation device 10 according to the present embodiment.
  • the road surface evaluation device 10 includes a computer having a calculation unit 110 such as a CPU, a storage unit 120 such as a ROM and a RAM, and other peripheral circuits (not shown) such as an I / O interface.
  • the storage unit 120 stores map information including a road map and various information processed by the calculation unit 110.
  • the calculation unit 110 functions as an information acquisition unit 111, a road surface profile derivation unit 112, a road surface profile output unit 113, and a communication control unit 114 by executing a program stored in the storage unit 120.
  • the information acquisition unit 111 acquires vehicle information including the motion of the vehicle 20 including the acceleration in each direction of the vehicle 20 and the position information of the vehicle 20.
  • the information acquisition unit 111 receives vehicle information from the vehicle-mounted device 30 of the vehicle 20 traveling on the road via the communication control unit 114.
  • the information acquisition unit 111 stores the acquired vehicle information in the storage unit 120 in chronological order.
  • the information indicating the motion of the vehicle 20 is information in which information indicating the roll motion of the vehicle, information indicating the motion due to centrifugal force, and information indicating the motion due to the unevenness of the road surface are mixed.
  • the information acquisition unit 111 acquires map information including information on the road on which the vehicle 20 travels from the storage unit 120.
  • the road surface profile derivation unit 112 derives the amount of unevenness (depth or height) of the road surface, that is, the roughness information indicating the road surface roughness, based on the vehicle information acquired by the information acquisition unit 111. More specifically, the road surface profile derivation unit 112 derives the road surface roughness information by machine learning based on the vehicle information acquired by the information acquisition unit 111.
  • the roughness information is a road surface roughness value indicating the degree of road surface roughness, and is, for example, a value represented by IRI (International Roughness Index), which is an international index.
  • IRI International Roughness Index
  • the road surface profile deriving unit 112 uses this correlation to derive the road surface roughness value corresponding to the vehicle position on the road from the lateral acceleration. Specifically, the road surface profile derivation unit 112 first performs machine learning using the pre-measured road surface roughness value and the lateral acceleration as teacher data, and derives the correlation between the road surface roughness value and the lateral acceleration.
  • FIGS. 4A and 4B are diagrams for explaining the teacher data of the road surface roughness value and the lateral acceleration, respectively.
  • the vehicle V1 shown in FIG. 4A is a dedicated vehicle equipped with a measuring device MA for measuring road surface roughness.
  • the measuring device MA measures the road surface roughness value of the road RD when the vehicle V1 is traveling on a predetermined road (measurement course or the like) RD.
  • the characteristic P1 of FIG. 4A shows the road surface roughness value measured at this time.
  • FIG. 4B shows how the vehicle 20 of FIG. 1 travels on the same road RD as that of FIG. 4A.
  • the characteristic P2 of FIG. 4B shows the lateral acceleration detected every 10 ms by the acceleration sensor 33 provided in the vehicle 20 while the vehicle 20 is traveling on a predetermined road RD.
  • the characteristic P1 of FIG. 4A and the characteristic P2 shown in FIG. 4B are used as teacher data when the road surface profile deriving unit 112 derives the correlation between the road surface roughness value and the lateral acceleration, respectively.
  • the data of the characteristics P1 and the characteristics P2, that is, the teacher data of the road surface roughness value and the lateral acceleration may be stored in the storage unit 120 of the road surface evaluation device 10 or may be stored in an external storage device.
  • the road surface profile deriving unit 112 reads out each teacher data from the storage unit 120 or an external storage device when deriving the correlation between the road surface roughness value and the lateral acceleration.
  • the road surface profile derivation unit 112 derives the correlation between the road surface roughness value and the lateral acceleration from the teacher data of the road surface roughness value and the lateral acceleration in advance, and stores the derived correlation information in the storage unit 120 or the like. You may leave it.
  • the road surface profile derivation unit 112 may perform machine learning by adding a traveling speed, a longitudinal acceleration, and a steering angle (steering angle) as training data.
  • the road surface profile derivation unit 112 uses the correlation between the road surface roughness value and the lateral acceleration, and based on the vehicle information of the vehicle 20 stored in the storage unit 120 in time series, the road surface roughness of the road on which the vehicle 20 travels. Derive the value.
  • the vehicle information stored in the storage unit 120 in time series is referred to as time-series vehicle information.
  • FIG. 5A is a diagram showing an example of a map of the road on which the vehicle 20 travels.
  • FIG. 5A shows a predetermined range (a section of latitudes Y to Z of national highway X) to be derived from the road surface roughness value.
  • the upward direction corresponds to the north direction and the right direction corresponds to the east direction.
  • the range to be derived from the road surface roughness value can be specified by the user as described later.
  • the user specifies the lane to be derived from the road surface roughness value.
  • 5B is a diagram showing an example of time-series vehicle information acquired by the road surface evaluation device 10 from the in-vehicle device 30 of the vehicle 20 traveling in the predetermined range of FIG. 5A (the section of latitude Y to Z of the national highway X). be.
  • the horizontal axis in the figure is the position (latitude) in the traveling direction along the traveling lane of the vehicle 20, and the vertical axis is the lateral acceleration of the vehicle 20.
  • Vehicle information is transmitted from the communication control unit 312 of the in-vehicle device 30 every predetermined time (1 second in this embodiment). Therefore, as shown in FIG. 5B, the time-series vehicle information of the vehicle 20 becomes discrete information, and a section having a small amount of information is generated. For example, when the traveling speed of the vehicle 20 becomes faster, the distance from the point where the vehicle information was transmitted last time to the point where the vehicle information is transmitted next becomes longer as shown in the section a in the figure, and the amount of information becomes smaller. .. Further, when the road has a plurality of lanes on one side, a section (section b in the figure) in which vehicle information is not transmitted is generated even if the lane is changed.
  • the section b is a section in which the vehicle 20 travels in a lane other than the lane designated as the derivation target of the road surface roughness value.
  • the road surface profile derivation unit 112 uses the vehicle information acquired in the past from the in-vehicle device 30 of the same vehicle 20 in the section where the amount of information of the vehicle information is small or the section in which the vehicle information is not transmitted, and the road surface is used. Estimate the roughness value. Further, the road surface profile derivation unit 112 estimates the road surface roughness value of the section by using the vehicle information acquired from the vehicle-mounted device 30 of the other vehicle 20 in the section. Further, the road surface profile derivation unit 112 estimates the road surface roughness value of the section in which vehicle information is not acquired from any of the vehicles 20 based on the vehicle information acquired before and after the section.
  • the vehicle information is based on the position of the tires and the weather when the vehicle is running. Variation occurs. For example, since the vehicles 20-1, 20-2, and 20-n in FIG. 1 have different vehicle widths, the positions of the tires on which the road surface roughness value is detected are different. Therefore, even when the vehicles 20-1, 20-2, and 20-n travel on the same road, the vehicle information acquired from the in-vehicle device 30 of each vehicle varies. When such a variation occurs, the estimation accuracy of the road surface roughness value fluctuates, and the larger the variation, the lower the estimation accuracy.
  • the road surface profile derivation unit 112 is configured to estimate the road surface roughness value by machine learning. More specifically, the road surface profile derivation unit 112 estimates the road surface roughness value by using a complementary algorithm using a Gaussian process, which is a learning method of the Bayesian system.
  • the reason for using the Gaussian process is that in the Gaussian process, the estimation accuracy (reliability) of the estimated value can be obtained together with the estimated value.
  • the road surface profile output unit 113 outputs the road surface roughness value derived by the road surface profile derivation unit 112 and its reliability in association with the road information acquired by the information acquisition unit 111.
  • the communication control unit 114 controls a communication unit (not shown) to transmit / receive data to / from an external device or the like. More specifically, the communication control unit 114 transmits / receives data to / from a terminal such as an in-vehicle device 30 of the vehicle 20 or a road management company via the communication network 2. Further, the communication control unit 114 receives an output instruction of the road surface profile described later from a terminal of a road management company or the like via the communication network 2. Further, the communication control unit 114 acquires map information and the like from various servers connected to the communication network 2 periodically or at an arbitrary timing. The communication control unit 114 stores the information acquired from various servers in the storage unit 120.
  • FIG. 6 is a flowchart showing an example of processing executed by the calculation unit 110 (CPU) of the road surface evaluation device 10 according to a predetermined program. The process shown in this flowchart is repeated at a predetermined cycle while the road surface evaluation device 10 is activated.
  • step S11 it is determined whether or not the vehicle information is received from the vehicle-mounted device 30 of the vehicle 20. If denied in step S11, the process proceeds to step S13. If affirmed in step S11, the vehicle information received in step S11 is stored in the storage unit 120 in step S12.
  • step S13 it is determined whether or not the output instruction of the road surface profile has been input (received).
  • the output instruction of the road surface profile is transmitted from a terminal of a user (road management company, etc.) to the road surface evaluation device 10 via the communication network 2, for example.
  • the output instruction of the road surface profile may be input to the road surface evaluation device 10 via an operation unit (not shown) included in the road surface evaluation device 10.
  • the output instruction of the road surface profile includes section information that can specify the section of the road to be output.
  • the section information is information indicating the name and section of the road to be output, such as "road: national highway X, section: latitude Y to Z". If the road has multiple lanes on each side, such as two lanes on each side, the section information includes information on the lane to be output, such as "road: national highway X, lane: right end, section: latitude Y to Z". May be included.
  • information other than latitude may be used to specify the section to be output. For example, longitude may be used instead of latitude, or longitude may be used in addition to latitude. Further, the distance from the starting point coordinates may be used.
  • step S13 If denied in step S13, the process ends. If affirmed in step S13, the map information is read from the storage unit 120 in step S14, and the road information included in the map information is acquired. In step S15, time-series vehicle information of the vehicle 20 is acquired from the storage unit 120. More specifically, based on the section information included in the output instruction of the road surface profile and the road information acquired in step S14, the time-series vehicle information of the section targeted for output stored in the storage unit 120 is stored. Obtained from unit 120.
  • step S17 the road surface roughness value estimated (derived) in step S16 and its reliability are output in association with the road information acquired in step S14. More specifically, based on the road information acquired in step S14, the road surface roughness value estimated in step S16 and the reliability thereof are output in association with each position of the section targeted for output.
  • the information output at this time is referred to as road surface profile information.
  • the road surface profile information is output via the communication network 2 to the terminal of the transmission source of the output instruction of the road surface profile or the terminal of the predetermined output destination so as to be able to be displayed in the manner shown in FIG.
  • the road surface profile information can be displayed on a display device such as a display, and it becomes easy for the user to confirm and evaluate the road surface profile information. Even if it is denied in step S13, if a predetermined amount of time-series vehicle information that has not been output out of the time-series vehicle information of the vehicle 20 stored in the storage unit 120 is accumulated, the process proceeds to step S14. You may try to do it. Even if the affirmation is made in step S13, if the time-series vehicle information of the vehicle 20 stored in the storage unit 120 that is not output is less than a predetermined amount, the process is terminated. May be good. At that time, information (text information, voice information, image information) for notifying that the time-series vehicle information that has not been output is less than a predetermined amount is output to the terminal or the like of the transmission source of the road surface profile output instruction. You may.
  • FIG. 7 is a diagram showing an example of road surface profile information output by the road surface profile output unit 113.
  • the vertical axis is the road surface roughness value
  • the horizontal axis is the position of the vehicle 20.
  • the broken line indicates the road surface roughness value (referred to as an estimated roughness value) estimated by the road surface profile deriving unit 112.
  • the solid line indicates the actual road surface roughness value (referred to as the actual roughness value). Although the actual roughness value is not included in the road surface profile information, it is displayed in the figure for explanation.
  • the region sandwiched between the line L1 and the line L2 indicates the reliability of the estimated roughness value at each position.
  • the width CR in the vertical axis direction at the P point indicates the reliability of the estimated roughness value at the P point. show.
  • the width CR is a confidence interval of 2 ⁇ when the estimated roughness value follows the Gaussian distribution, and the estimated roughness value at the P point falls within the range with a probability of about 95%. Represents that. That is, the width CR indicates that the narrower the width, the higher the accuracy of the estimated roughness value at that point.
  • FIG. 8 is a diagram for explaining data processing in the road surface evaluation device 10 according to the present embodiment.
  • the correlation between the road surface roughness value and the lateral acceleration is derived in advance by machine learning ((a), (b)). ..
  • each vehicle ran based on the correlation between the road surface roughness value and the lateral acceleration and the time-series vehicle information VD1 to VDn of the vehicles 20-1 to 20-n.
  • the road surface roughness value and its reliability are estimated ((c)).
  • the estimated road surface roughness value and its reliability are associated with the road information included in the map information read from the storage unit 120, and output as information OD ((d)).
  • the road surface evaluation device 10 acquires vehicle information including information indicating the movement of the moving vehicle 20 and position information of the vehicle 20, and information for acquiring map information including information on the road on which the vehicle 20 travels. Based on the vehicle information of the vehicle 20 acquired by the acquisition unit 111 and the information acquisition unit 111, the roughness information indicating the roughness of the road surface on which the vehicle 20 travels and the reliability of the roughness information are derived. Roughness road surface profile derivation unit 112, road surface profile output unit 113 that outputs the roughness information and reliability derived by the road surface profile derivation unit 112 in association with the road information acquired by the information acquisition unit 111. , (Fig. 3).
  • the road surface profile of the road can be sufficiently evaluated.
  • the evaluation result can be presented to users such as road management companies, the user can guess the road that needs repair without going to the site, and can reduce the cost required for road management. It will be possible.
  • the roughness information is a roughness value indicating the degree of roughness of the road surface
  • the reliability of the roughness information is a road surface profile based on the vehicle information acquired by the information acquisition unit 111. It is represented by a range of roughness values derived by the derivation unit 112. As a result, the accuracy of the roughness information (roughness value) derived by the road surface profile deriving unit 112 can be recognized, and the road surface profile can be evaluated more sufficiently.
  • the road surface profile output unit 113 can display information in which the roughness information derived by the road surface profile derivation unit 112 and the reliability and the road information acquired by the information acquisition unit 111 are associated with each other. As a result, the user can visually recognize the road surface profile of the road, and it becomes easier to guess the road that needs repair.
  • the road surface profile derivation unit 112 derives roughness information at each position of the road on which the vehicle travels and the reliability of the roughness information by machine learning using a Gaussian process. As a result, even if the vehicle information acquired by the information acquisition unit 111 is discrete information, the roughness information and the reliability of the roughness information are derived for each position of the road on which the vehicle 20 travels. Is possible.
  • the road surface profile derivation unit 112 has the vehicle information corresponding to the first point and the second point. Using the vehicle information corresponding to the point, the roughness information of the third point and the reliability of the roughness information are interpolated and derived. As a result, it is possible to derive the roughness information and the reliability of the roughness information even for the section of the road on which the vehicle has traveled, for which the vehicle information has not been acquired by the information acquisition unit 111.
  • the road surface evaluation device 10 of the present embodiment can also be used as a road surface evaluation method.
  • a step (step S15) of acquiring vehicle information including information indicating the motion of the moving vehicle 20 and position information of the vehicle 20 and map information including information of the road on which the vehicle travels are acquired.
  • Step (step S14) a step (step S16) for deriving the roughness information indicating the roughness of the road surface and the reliability of the roughness information based on the acquired vehicle information, and the derived roughness.
  • the step (step S17) of outputting the information and the reliability in association with the acquired road information is included to be executed by a computer (FIG. 6). With this configuration, the road surface profile of the road can be sufficiently evaluated.
  • the information acquisition unit 111 acquires the lateral acceleration of the vehicle 20 detected by the acceleration sensor 33 as the vehicle information acquisition unit as information indicating the motion of the vehicle 20, but shows the motion of the vehicle 20.
  • the information is not limited to the lateral acceleration of the vehicle 20 detected by the acceleration sensor. That is, as long as the information indicating the motion of the vehicle 20 is acquired, the configuration of the information acquisition unit 111 may be anything such as detecting the longitudinal acceleration of the vehicle 20 by the acceleration sensor.
  • the information acquisition unit 111 acquires map information including information on the road on which the vehicle 20 travels as a map information acquisition unit from the storage unit 120, but the map information can be obtained from an external server or the like. It may be stored in an external storage device. That is, any configuration of the information acquisition unit 111 may be used as long as it acquires map information including information on the road on which the vehicle 20 travels.
  • the road surface profile derivation unit 112 may correct the derived road surface roughness value based on the vehicle speed detected by the vehicle speed sensor 35 and the steering angle detected by the steering angle sensor 34.
  • the acceleration sensor 33 detects not only the lateral acceleration generated by the unevenness of the road surface but also the lateral acceleration due to the centrifugal force generated according to the traveling speed and the steering angle of the vehicle 20. do. Therefore, in such a case, the road surface profile deriving unit 112 removes the component based on the lateral acceleration due to the centrifugal force from the road surface roughness value derived based on the lateral acceleration detected by the acceleration sensor 33.
  • the road surface roughness value may be corrected.
  • the road surface profile derivation unit 112 may correct the road surface roughness value by performing the above machine learning by adding a traveling speed, a longitudinal acceleration, and a steering angle (steering angle) as training data.
  • the road surface profile derivation unit 112 performs machine learning using the road surface roughness value and the lateral acceleration measured in advance as the roughness information derivation unit as teacher data, and obtains the road surface roughness value and the lateral acceleration.
  • the correlation was derived.
  • the roughness information derivation unit generates an expression or table showing the correlation between the roughness value and the lateral acceleration based on the previously measured roughness value and the lateral acceleration without using machine learning. May be good.
  • the roughness information derivation unit may derive the road surface roughness value and its reliability by using the formula or the table. That is, any configuration of the roughness information derivation unit may be used as long as the road surface roughness value and its reliability are derived.
  • the road surface profile output unit 113 outputs the road surface profile information as an output unit so that it can be displayed in the mode shown in FIG. 7, but the road surface profile information is obtained in another mode, for example, rough.
  • the value and reliability may be output so that they can be displayed in such a manner that they are mapped to the road on the map. More specifically, the road surface profile information may be output in such a manner that the road on the map is displayed in a color or width according to the roughness value and the reliability. That is, any configuration of the output unit may be used as long as the road surface profile information is output in such a manner that the road surface roughness value and the reliability can be recognized by the user.
  • the road surface roughness value is represented by IRI
  • the road surface roughness value may be represented by another index.
  • the road surface profile deriving unit 112 may derive the road surface roughness value represented by the index. ..
  • the road surface profile output unit 113 requires the vehicle 20 to travel on the road.
  • the request information may be transmitted via the communication control unit 114.
  • the road surface profile output unit 113 travels not to all the vehicles 20 but to the vehicle 20 within a predetermined distance (for example, within 1 km) from the road whose reliability of the road surface roughness value is lower than the predetermined value.
  • the request information may be transmitted.
  • an incentive may be given to the user of the vehicle 20 traveling on the road specified by the travel request information.
  • the reliability of the roughness value derived by the road surface profile deriving unit 112 can be increased in the section where the reliability is low.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)
  • Road Repair (AREA)

Abstract

路面評価装置（１０）は、走行中の車両の運動を示す情報と車両の位置情報とを含む車両情報を取得し、車両が走行する道路の情報を含む地図情報を取得する情報取得部（１１１）と、情報取得部（１１１）により取得された車両情報に基づいて、路面の粗さを示す粗さ情報と該粗さ情報の信頼度とを導出する路面プロファイル導出部（１１２）と、粗さ情報導出部（１１２）により導出された粗さ情報および信頼度を、地図情報取得部（１１１）により取得された道路の情報に対応付けて出力する路面プロファイル出力部（１１３）と、を有する。

Description

路面評価装置および路面評価方法
　本発明は、路面の凹凸形状を表す路面プロファイルを評価する路面評価装置および路面評価方法に関する。
　この種の装置として、従来、車両に設けられた加速度センサにより測定された横方向（走行方向に対する横方向）の加速度に基づいて、車両が走行した道路の路面の凹凸形状を表す路面プロファイルを検出するようにした装置が知られている（例えば特許文献１参照）。
特開２００２－１２１３８号公報
　しかしながら、加速度センサにより測定された加速度に基づいて検出される路面プロファイルには、走行中の路面上のタイヤの位置や天候など種々の要因によってばらつきが生じる。したがって、上記特許文献１記載の装置のように、単に加速度センサにより測定された加速度に基づいて路面プロファイルを検出するのでは、路面プロファイルを十分に評価することができない。
　本発明の一態様である路面評価装置は、走行中の車両の運動を示す情報と車両の位置情報とを含む車両情報を取得する車両情報取得部と、車両が走行する道路の情報を含む地図情報を取得する地図情報取得部と、車両情報取得部により取得された車両情報に基づいて、路面の粗さを示す粗さ情報と該粗さ情報の信頼度とを導出する粗さ情報導出部と、粗さ情報導出部により導出された粗さ情報および信頼度を、地図情報取得部により取得された道路の情報に対応付けて出力する出力部と、を有する。
　本発明の他の態様である路面評価方法は、走行中の車両の運動を示す情報と車両の位置情報とを含む車両情報を取得するステップと、車両が走行する道路の情報を含む地図情報を取得するステップと、取得された車両情報に基づいて、路面の粗さを示す粗さ情報と該粗さ情報の信頼度とを導出するステップと、導出された粗さ情報および信頼度を、取得された道路の情報に対応付けて出力するステップとを、コンピュータにより実行することを含む。
　本発明によれば、路面プロファイルを十分に評価することができる。
本発明の実施形態に係る路面評価装置を備える路面評価システムの構成の一例を示す図。 車載装置の要部構成を示すブロック図。 本発明の実施形態に係る路面評価装置の要部構成を示すブロック図。 路面粗さ値の教師データを説明するための図。 横加速度の教師データを説明するための図。 車両が走行する道路の地図の一例を示す図。 図５Ａの道路を走行した車両の車載装置から路面評価装置が取得した、車両情報の一例を示す図。 図３の演算部で実行される処理の一例を示すフローチャート。 図３の路面プロファイル出力部が出力する情報の一例を示す図。 本発明の実施形態に係る路面評価装置におけるデータの処理を説明するための図。
　以下、図１～図８を参照して本発明の実施形態について説明する。本発明の実施形態に係る路面評価装置は、車両が走行する道路の路面プロファイルを評価するための装置である。図１は、本実施形態に係る路面評価装置を備える路面評価システムの構成の一例を示す図である。図１に示すように、路面評価システム１は、路面評価装置１０と、車載装置３０とを備える。路面評価装置１０はサーバ装置として構成される。車載装置３０は、通信網２を介して路面評価装置１０と通信可能に構成される。
　通信網２には、インターネット網や携帯電話網等に代表される公衆無線通信網だけでなく、所定の管理地域ごとに設けられた閉鎖的な通信網、例えば無線ＬＡＮ、Ｗｉ－Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等も含まれる。
　車載装置３０は、種々の車両２０に搭載される。車両２０には、車幅が異なる種々の車両２０－１，２０－２，・・・，２０－ｎが含まれる。例えば、車両２０－１は、セダンであり、車両２０－２は、車両２０－１よりも車幅が広いワンボックスカーであり、車両２０－ｎは、車両２０－１よりも車幅が広く車両２０－２よりも車幅が狭いミニバンである。車両２０は、手動運転車両であってもよいし、自動運転車両であってもよい。
　図２は、本実施形態に係る車載装置３０の要部構成を示すブロック図である。車載装置３０は、電子制御ユニット（ＥＣＵ）３１と、測位センサ３２と、加速度センサ３３と、舵角センサ３４と、車速センサ３５と、ＴＣＵ（Telematic Control Unit）３６とを有する。
　測位センサ３２は、例えばＧＰＳセンサであり、ＧＰＳ衛星から送信された測位信号を受信し、車両２０の絶対位置（緯度、経度など）を検出する。なお、測位センサ３２には、ＧＰＳセンサだけでなく準天頂軌道衛星をはじめとしたＧＮＳＳ衛星と言われる各国の衛星から送信される電波を利用して測位するセンサも含まれる。また、慣性航法とのハイブリッド手法によって車両位置を求めるようにしてもよい。
　加速度センサ３３は、車両２０の左右方向の加速度、すなわち横加速度を検出する。なお、加速度センサ３３は、車両２０の横加速度とともに前後方向の加速度や上下方向の加速度を検出するように構成されてもよい。舵角センサ３４は、車両２０のステアリングホイール（不図示）の操舵角を検出する。車速センサ３５は、車両２０の車速を検出する。
　図２に示すように、ＥＣＵ３１は、ＣＰＵ等の演算部３１０と、ＲＯＭ、ＲＡＭ等の記憶部３２０と、Ｉ／Ｏインターフェース等の図示しないその他の周辺回路とを有するコンピュータを含んで構成される。演算部３１０は、予め記憶部３２０に記憶されたプログラムを実行することで、センサ値取得部３１１および通信制御部３１２として機能する。
　センサ値取得部３１１は、各センサ３２～３５により検出される情報（値）、すなわち車両情報を取得する。センサ値取得部３１１は、加速度センサ３３により検出された車両２０の加速度と測位センサ３２により検出された車両２０の絶対位置とを含む車両情報を所定周期で、例えば１０ｍｓごとに取得する。車両情報には、少なくとも加速度センサ３３により検出された車両２０の横加速度が少なくとも含まれる。通信制御部３１２は、センサ値取得部３１１により取得された車両情報を、ＴＣＵ３６を介して所定周期で路面評価装置１０に送信する。より具体的には、通信制御部３１２は、処理負荷を増大させないように、且つ、通信網２の帯域を不要に圧迫しないように、センサ値取得部３１１により取得された車両情報を間引いて、例えば１ｓごとに送信する。
　路面評価装置１０は、車両２０が有する加速度センサ３３による検出値に基づいて路面の凹凸形状、すなわち路面プロファイルを検出する。この検出された路面プロファイルは、例えば道路管理会社等が有する端末に出力され、道路管理会社等により補修の要否等を検討する際の参照データとして用いられる。すなわち、加速度センサの検出値が、路面プロファイルを評価するために用いられる。
　しかしながら、上述したように、車両の加速度センサにより測定された加速度に基づいて検出される路面プロファイルにはばらつきが生じる。そのため、車両２０が有する加速度センサに基づいて検出された路面プロファイルでは、路面プロファイルの十分な評価を行うことが難しい。そこで、本実施形態では、路面プロファイルを十分に評価可能なように、以下のように路面評価装置を構成する。
　図３は、本実施形態に係る路面評価装置１０の要部構成を示すブロック図である。路面評価装置１０は、ＣＰＵ等の演算部１１０と、ＲＯＭ、ＲＡＭ等の記憶部１２０と、Ｉ／Ｏインターフェース等の図示しないその他の周辺回路とを有するコンピュータを含んで構成される。記憶部１２０は、道路の地図を含む地図情報や演算部１１０により処理される各種情報を記憶する。
　演算部１１０は、記憶部１２０に記憶されたプログラムを実行することで、情報取得部１１１、路面プロファイル導出部１１２、路面プロファイル出力部１１３、および通信制御部１１４として機能する。
　情報取得部１１１は、車両２０の各方向の加速度が含まれる、車両２０の運動を示す情報と、車両２０の位置情報とを含む車両情報を取得する。情報取得部１１１は、通信制御部１１４を介して、道路を走行中の車両２０の車載装置３０から車両情報を受信する。情報取得部１１１は、取得した車両情報を記憶部１２０に時系列に記憶する。車両２０の運動を示す情報とは、車両のロール運動を示す情報と遠心力による運動を示す情報と路面の凹凸による運動を示す情報とが混合された情報である。
　情報取得部１１１は、車両２０が走行する道路の情報を含む地図情報を記憶部１２０から取得する。
　路面プロファイル導出部１１２は、情報取得部１１１により取得された車両情報に基づいて、路面の凹凸の量（深さまたは高さ）、つまり路面粗さを示す粗さ情報を導出する。より詳しくは、路面プロファイル導出部１１２は、情報取得部１１１により取得された車両情報に基づいて、機械学習により路面の粗さ情報を導出する。粗さ情報は、路面の粗さの程度を示す路面粗さ値であり、例えば、国際的な指標であるＩＲＩ（国際ラフネス指標）で表される値である。以下、路面粗さ値を単に粗さ値と表現する場合がある。
　一般に、路面の凹凸の量が大きいほど車両２０の横加速度は大きく、路面粗さ値と横加速度とは所定の相関関係を有する。路面プロファイル導出部１１２は、この相関関係を用いて、横加速度から道路上の車両位置に対応する路面粗さ値を導出する。具体的には、路面プロファイル導出部１１２は、まず、予め測定された路面粗さ値と横加速度とを教師データとして機械学習を行い、路面粗さ値と横加速度との相関関係を導出する。
　図４Ａおよび図４Ｂはそれぞれ、路面粗さ値および横加速度の教師データを説明するための図である。図４Ａに示す車両Ｖ１は、路面粗さを測定する測定機器ＭＡを搭載する専用車両である。測定機器ＭＡは、所定の道路（測定用コース等）ＲＤを車両Ｖ１が走行しているときに、道路ＲＤの路面粗さ値を測定する。図４Ａの特性Ｐ１は、このとき測定される路面粗さ値を示す。
　図４Ｂには、図１の車両２０が図４Ａと同一の道路ＲＤを走行する様子が示される。図４Ｂの特性Ｐ２は、車両２０が所定の道路ＲＤを走行中に、車両２０に設けられた加速度センサ３３により１０ｍｓごとに検出された横加速度を示す。図４Ａの特性Ｐ１および図４Ｂに示す特性Ｐ２はそれぞれ、路面プロファイル導出部１１２が路面粗さ値と横加速度との相関関係を導出する際に教師データとして用いられる。
　特性Ｐ１および特性Ｐ２のデータ、すなわち路面粗さ値および横加速度の教師データは、路面評価装置１０の記憶部１２０に記憶させてもよいし、外部の記憶装置に記憶させてもよい。路面プロファイル導出部１１２は、路面粗さ値と横加速度との相関関係を導出する際に、記憶部１２０又は外部の記憶装置から各教師データを読み出す。なお、路面プロファイル導出部１１２は、予め路面粗さ値および横加速度の教師データから路面粗さ値と横加速度との相関関係を導出し、導出した相関関係の情報を記憶部１２０等に記憶させておいてもよい。また、路面プロファイル導出部１１２は、教師データとして、走行速度、前後方向加速度、ステアリング角度（操舵角）を加えて機械学習を行うようにしてもよい。
　路面プロファイル導出部１１２は、路面粗さ値と横加速度との相関関係を用いて、記憶部１２０に時系列に記憶された車両２０の車両情報に基づいて、車両２０が走行した道路の路面粗さ値を導出する。以下、記憶部１２０に時系列に記憶された車両情報を、時系列車両情報と呼ぶ。
　図５Ａは、車両２０が走行する道路の地図の一例を示す図である。図５Ａには、路面粗さ値の導出対象となる所定範囲（国道Ｘ号の緯度Ｙ～Ｚの区間）が示される。図５Ａにおいて上方向が北方向に対応し、右方向が東方向に対応する。路面粗さ値の導出対象となる範囲は、後述するようにユーザにより指定可能である。路面粗さ値の導出対象となる道路が片側複数車線である場合には、路面粗さ値の導出対象とする車線がユーザにより指定される。図５Ｂには、図５Ａの所定範囲（国道Ｘ号の緯度Ｙ～Ｚの区間）を走行した車両２０の車載装置３０から路面評価装置１０が取得した、時系列車両情報の一例を示す図である。図中の横軸は、車両２０の走行車線に沿った進行方向の位置（緯度）であり、縦軸は、車両２０の横加速度である。
　車載装置３０の通信制御部３１２からは所定時間（本実施形態では１秒）毎に車両情報が送信される。そのため、図５Ｂに示すように、車両２０の時系列車両情報は、離散的な情報となり、情報量が少ない区間が発生する。例えば、車両２０の走行スピードが速くなると、図中の区間ａのように、前回車両情報が送信された地点から次に車両情報が送信される地点までの距離が長くなり、情報量が少なくなる。また、道路が片側複数車線である場合には、車線変更などによっても、車両情報が送信されない区間（図中の区間ｂ）が発生する。区間ｂは、路面粗さ値の導出対象として指定された車線以外の車線を車両２０が走行した区間である。
　路面プロファイル導出部１１２は、車両情報の情報量が少ない区間や車両情報が送信されない区間に対して、その区間において同一の車両２０の車載装置３０から過去に取得された車両情報を用いて、路面粗さ値を推定する。また、路面プロファイル導出部１１２は、その区間において他の車両２０の車載装置３０から取得された車両情報を用いて、その区間の路面粗さ値を推定する。さらに、路面プロファイル導出部１１２は、いずれの車両２０からも車両情報が取得されない区間の路面粗さ値を、その区間の前後において取得された車両情報に基づいて推定する。
　しかし、同一の車両から過去に取得された車両情報や他の車両から取得された車両情報を用いて路面粗さ値を推定する場合、車両の走行時におけるタイヤの位置や天候等によって車両情報にばらつきが発生する。例えば、図１の車両２０－１，２０－２，２０－ｎはそれぞれ車幅が異なるので、路面粗さ値が検出されるタイヤの位置が異なる。そのため、車両２０－１，２０－２，２０－ｎが同一の道路を走行した場合でも、各車両の車載装置３０から取得される車両情報にばらつきが発生する。このようなばらつきが発生すると、路面粗さ値の推定精度が変動するとともに、そのばらつきが大きいほど推定精度は低下する。
　この点を考慮して、路面プロファイル導出部１１２は、機械学習により路面粗さ値を推定するように構成される。より詳しくは、路面プロファイル導出部１１２は、ベイズ系の学習方法であるガウス過程を利用した補完アルゴリズムを用いて路面粗さ値を推定する。ガウス過程を利用する理由は、ガウス過程では、推定された値とともにその値の推定精度（信頼度）が得られるからである。
　路面プロファイル出力部１１３は、路面プロファイル導出部１１２により導出された路面粗さ値とその信頼度とを、情報取得部１１１により取得された道路の情報に対応付けて出力する。
　通信制御部１１４は、不図示の通信部を制御して、外部の装置等とデータの送受信を行う。より詳しくは、通信制御部１１４は、通信網２を介して、車両２０の車載装置３０や道路管理会社等の端末と、データの送受信を行う。また、通信制御部１１４は、通信網２を介して、道路管理会社等の端末から後述する路面プロファイルの出力指示を受信する。また、通信制御部１１４は、通信網２に接続された各種サーバから、地図情報などを定期的に、あるいは任意のタイミングで取得する。通信制御部１１４は、各種サーバから取得した情報を記憶部１２０に記憶する。
　図６は、予め定められたプログラムに従い路面評価装置１０の演算部１１０（ＣＰＵ）で実行される処理の一例を示すフローチャートである。このフローチャートに示す処理は、路面評価装置１０が起動している間、所定周期で繰り返される。まず、ステップＳ１１で、車両２０の車載装置３０から車両情報を受信したか否かを判定する。ステップＳ１１で否定されると、ステップＳ１３に進む。ステップＳ１１で肯定されると、ステップＳ１２で、ステップＳ１１で受信した車両情報を記憶部１２０に記憶する。
　ステップＳ１３で、路面プロファイルの出力指示を入力（受信）したか否かを判定する。路面プロファイルの出力指示は、例えばユーザ（道路管理会社等）の端末から通信網２を介して路面評価装置１０に対して送信される。なお、路面プロファイルの出力指示は、路面評価装置１０が有する操作部（不図示）を介して路面評価装置１０に入力可能であってもよい。
　路面プロファイルの出力指示には、出力対象とする道路の区間を特定可能な区間情報が含まれる。区間情報は、例えば、「道路：国道Ｘ号線、区間：緯度Ｙ～Ｚ」といったように、出力対象とする道路の名称と区間とを示す情報である。なお、道路が片側２車線など片側複数車線である場合には、「道路：国道Ｘ号線、車線：右端、区間：緯度Ｙ～Ｚ」といったように、区間情報に出力対象とする車線の情報が含まれてもよい。また、出力対象とする区間の指定には、緯度以外の情報が用いられてもよい。例えば、緯度の代わりに経度が用いられてもよいし、緯度に加えて経度が用いられてもよい。また、始点座標からの距離が用いられてもよい。
　ステップＳ１３で否定されると、処理を終了する。ステップＳ１３で肯定されると、ステップＳ１４で、記憶部１２０から地図情報を読み出し、地図情報に含まれる道路の情報を取得する。ステップＳ１５で、記憶部１２０から車両２０の時系列車両情報を取得する。より詳しくは、路面プロファイルの出力指示に含まれる区間情報とステップＳ１４で取得された道路の情報とに基づいて、記憶部１２０に記憶された、出力対象とされた区間の時系列車両情報を記憶部１２０から取得する。
　ステップＳ１６で、予め導出した路面粗さ値と横加速度との相関関係と、ステップＳ１５で取得した車両２０の時系列車両情報とに基づいて、ガウス過程を利用した補完アルゴリズムを用いて、出力対象とされた区間の路面粗さ値を推定する。このとき、推定された路面粗さ値とともに、その値の信頼度が得られる。
　最後に、ステップＳ１７で、ステップＳ１６で推定（導出）した路面粗さ値とその信頼度とを、ステップＳ１４で取得した道路の情報に対応付けて出力する。より詳しくは、ステップＳ１４で取得した道路の情報に基づいて、出力対象とされた区間の各位置に、ステップＳ１６で推定した路面粗さ値とその信頼度とを対応付けて出力する。以下、このとき出力される情報を路面プロファイル情報と呼ぶ。路面プロファイル情報は、通信網２を介して路面プロファイルの出力指示の送信元の端末や予め定められた出力先の端末に、図７に示す態様で表示可能なように出力される。これにより、ディスプレイ等の表示装置に路面プロファイル情報を表示させることができ、ユーザ側において路面プロファイル情報の確認および評価がし易くなる。なお、ステップＳ１３で否定された場合でも、記憶部１２０に記憶された車両２０の時系列車両情報のうち出力されていない時系列車両情報が所定量蓄積されている場合には、ステップＳ１４に進むようにしてもよい。また、ステップＳ１３で肯定された場合でも、記憶部１２０に記憶された車両２０の時系列車両情報のうち出力されていない時系列車両情報が所定量未満である場合には、処理を終了してもよい。その際、出力されていない時系列車両情報が所定量未満であることを通知するための情報（テキスト情報や、音声情報、画像情報）を、路面プロファイルの出力指示の送信元の端末等に出力してもよい。
　図７は、路面プロファイル出力部１１３が出力する路面プロファイル情報の一例を示す図である。図７において、縦軸は路面粗さ値であり、横軸は車両２０の位置である。破線は、路面プロファイル導出部１１２により推定された路面粗さ値（推定粗さ値と呼ぶ。）を示す。実線は、実際の道路の路面粗さ値（実粗さ値と呼ぶ。）を示す。なお、実粗さ値は、路面プロファイル情報には含まれないが、説明のため図中に表示させている。
　線Ｌ１と線Ｌ２とで挟まれた領域は、各位置における推定粗さ値の信頼度を示し、例えば、Ｐ地点における縦軸方向の幅ＣＲは、Ｐ地点における推定粗さ値の信頼度を表す。なお、図７に示す例では、幅ＣＲは、推定粗さ値がガウス分布に従うとしたときの２σの信頼区間であり、Ｐ地点における推定粗さ値が約９５％の確率でその範囲に収まることを表す。すなわち、幅ＣＲは、その幅が狭いほど、その地点における推定粗さ値の精度が高いことを表す。
　本実施形態に係る路面評価装置１０におけるデータの処理をまとめると以下のようになる。図８は、本実施形態に係る路面評価装置１０におけるデータの処理を説明するための図である。まず、路面粗さ値の教師データＴＤ１と横加速度の教師データＴＤ２とに基づいて、機械学習により路面粗さ値と横加速度との相関関係が予め導出される（（ａ）、（ｂ））。
　路面プロファイルの出力指示が入力されると、路面粗さ値と横加速度との相関関係と、車両２０－１～２０－ｎの時系列車両情報ＶＤ１～ＶＤｎとに基づいて、各車両が走行した道路の路面粗さ値とその信頼度とが推定される（（ｃ））。最後に、推定された路面粗さ値とその信頼度が、記憶部１２０から読み出された地図情報に含まれる道路の情報に対応付けられて、情報ＯＤとして出力される（（ｄ））。
　本発明の実施形態によれば以下のような作用効果を奏することができる。
（１）路面評価装置１０は、走行中の車両２０の運動を示す情報と車両２０の位置情報とを含む車両情報を取得し、車両２０が走行する道路の情報を含む地図情報を取得する情報取得部１１１と、情報取得部１１１により取得された車両２０の車両情報に基づいて、車両２０が走行した道路の路面の粗さを示す粗さ情報と該粗さ情報の信頼度とを導出する粗さ路面プロファイル導出部１１２と、路面プロファイル導出部１１２により導出された粗さ情報と信頼度とを、情報取得部１１１により取得された道路の情報に対応付けて出力する路面プロファイル出力部１１３と、を有する（図３）。この構成により、道路の路面プロファイルを十分に評価することができる。また、その評価結果を道路管理会社等のユーザに提示可能であるので、ユーザは、補修が必要な道路を、現地に行くことなく推測することができ、道路管理に要する費用を削減することが可能となる。
（２）粗さ情報は、路面の粗さの程度を示す粗さ値であり、粗さ情報（粗さ値）の信頼度は、情報取得部１１１により取得された車両情報に基づいて路面プロファイル導出部１１２により導出される粗さ値の範囲で表される。これにより、路面プロファイル導出部１１２により導出される粗さ情報（粗さ値）の精度を認識することができ、路面プロファイルをより十分に評価することができる。
（３）路面プロファイル出力部１１３は、路面プロファイル導出部１１２により導出された粗さ情報および信頼度と情報取得部１１１により取得された道路の情報とを対応付けた情報を表示可能に出力する。これにより、ユーザは、視覚的に道路の路面プロファイルを認識することが可能となり、補修が必要な道路をより推測しやすくなる。
（４）路面プロファイル導出部１１２は、ガウス過程を用いた機械学習によって、車両が走行した道路の各位置における粗さ情報と該粗さ情報の信頼度とを導出する。これにより、情報取得部１１１により取得された車両情報が離散的な情報である場合でも、車両２０が走行した道路の各位置に対して粗さ情報と該粗さ情報の信頼度とを導出することが可能となる。
（５）路面プロファイル導出部１１２は、第１地点と第２地点との間の第３地点に対応する車両情報が情報取得部１１１により取得されないとき、第１地点に対応する車両情報と第２地点に対応する車両情報とを用いて、第３地点の粗さ情報および該粗さ情報の信頼度を補間して導出する。これにより、車両が走行した道路のうち、情報取得部１１１により車両情報が取得されていない区間に対しても、粗さ情報と該粗さ情報の信頼度とを導出することが可能となる。
（６）本実施形態の路面評価装置１０は、路面評価方法として用いることもできる。路面評価方法においては、走行中の車両２０の運動を示す情報と車両２０の位置情報とを含む車両情報を取得するステップ（ステップＳ１５）と、車両が走行する道路の情報を含む地図情報を取得するステップ（ステップＳ１４）と、取得された車両情報に基づいて、路面の粗さを示す粗さ情報と該粗さ情報の信頼度とを導出するステップ（ステップＳ１６）と、導出された粗さ情報および信頼度を、取得された道路の情報に対応付けて出力するステップ（ステップＳ１７）とを、をコンピュータにより実行することを含む（図６）。この構成により、道路の路面プロファイルを十分に評価することができる。
　上記実施形態は種々の形態に変形することができる。以下、変形例について説明する。上記実施形態では、情報取得部１１１が、車両情報取得部として加速度センサ３３により検出された車両２０の横加速度を車両２０の運動を示す情報として取得するようにしたが、車両２０の運動を示す情報は、加速度センサにより検出された車両２０の横加速度に限らない。すなわち、車両２０の運動を示す情報を取得するのであれば、情報取得部１１１の構成は、加速度センサにより車両２０の前後方向加速度を検出する等いかなるものでもよい。
　また、上記実施形態では、情報取得部１１１が、地図情報取得部として車両２０が走行する道路の情報を含む地図情報を記憶部１２０から取得するようにしたが、地図情報は、外部のサーバや外部の記憶装置に記憶されてもよい。すなわち、車両２０が走行する道路の情報を含む地図情報を取得するのであれば、情報取得部１１１の構成はいかなるものでもよい。
　また、路面プロファイル導出部１１２は、導出した路面粗さ値を、車速センサ３５により検出された車速と舵角センサ３４により検出された操舵角に基づいて補正するようにしてもよい。カーブしている道路を車両２０が走行するとき、加速度センサ３３は、路面の凹凸により発生する横加速度だけでなく、車両２０の走行速度や操舵角に応じて発生する遠心力による横加速度を検出する。そこで、そのような場合には、路面プロファイル導出部１１２は、加速度センサ３３により検出された横加速度に基づき導出された路面粗さ値から、遠心力による横加速度に基づく成分を排除するように、路面粗さ値を補正してもよい。それにより、直線以外の道路の路面についても十分に評価することが可能となる。なお、路面プロファイル導出部１１２は、教師データとして、走行速度、前後方向加速度、およびステアリング角度（操舵角）を加えて上記機械学習を行うことで路面粗さ値を補正してもよい。
　また、上記実施形態では、路面プロファイル導出部１１２が、粗さ情報導出部として予め測定された路面粗さ値と横加速度とを教師データとして機械学習を行い、路面粗さ値と横加速度との相関関係を導出した。しかし、粗さ情報導出部は、機械学習を用いずに、予め測定された粗さ値と横加速度とに基づいて、粗さ値と横加速度との相関関係を示す式やテーブルを生成してもよい。そして、粗さ情報導出部は、その式やテーブルを用いて路面粗さ値とその信頼度とを導出するようにしてもよい。すなわち、路面粗さ値とその信頼度とを導出するのであれば、粗さ情報導出部の構成はいかなるものでもよい。
　また、上記実施形態では、路面プロファイル出力部１１３が、出力部として図７に示す態様で表示可能なように路面プロファイル情報を出力するようにしたが、路面プロファイル情報は、その他の態様、例えば粗さ値と信頼度とが地図上の道路にマッピングされるような態様で表示可能なように出力されてもよい。より具体的には、路面プロファイル情報は、地図上の道路を粗さ値と信頼度に応じた色や幅で表示させるような態様で出力するようにしてもよい。すなわち、路面粗さ値と信頼度とがユーザに認識可能な態様で路面プロファイル情報を出力するのであれば、出力部の構成はいかなるものでもよい。
　また、上記実施形態では、路面粗さ値がＩＲＩで表される例を示したが、路面粗さ値は、他の指標で表されてもよい。例えば、教師データとして取得される路面粗さ値がＩＲＩ以外の指標で表される場合には、路面プロファイル導出部１１２は、その指標で表された路面粗さ値を導出するようにしてもよい。
　さらに、路面プロファイル出力部１１３は、ステップＳ１３で推定された信頼度が所定値よりも低い道路（区間）が存在するとき、車両２０に対して、その道路を走行することを要求するような走行要求情報を、通信制御部１１４を介して送信するようにしてもよい。その際、路面プロファイル出力部１１３は、すべての車両２０ではなく、路面粗さ値の信頼度が所定値よりも低い道路から所定距離内（例えば、１km以内）にいる車両２０に対して、走行要求情報を送信するようにしてもよい。また、走行要求情報により指定された道路を走行した車両２０のユーザに対して、インセンティブを与えるようしてもよい。これにより、路面プロファイル導出部１１２によって導出された粗さ値の信頼度が低い区間においてその信頼度を高めることができる。
　以上の説明はあくまで一例であり、本発明の特徴を損なわない限り、上述した実施形態および変形例により本発明が限定されるものではない。上記実施形態と変形例の一つまたは複数を任意に組み合わせることも可能であり、変形例同士を組み合わせることも可能である。
１０　路面評価装置、２０，２０－１～２０－ｎ　車両、３０　車載装置、１１０　演算部、１１１　情報取得部、１１２　路面プロファイル導出部（粗さ情報導出部）、１１３　路面プロファイル出力部（出力部）、１２０　記憶部

Claims (10)

  1. 　走行中の車両の運動を示す情報と車両の位置情報とを含む車両情報を取得する車両情報取得部と、
    　車両が走行する道路の情報を含む地図情報を取得する地図情報取得部と、
    　前記車両情報取得部により取得された車両情報に基づいて、路面の粗さを示す粗さ情報と該粗さ情報の信頼度とを導出する粗さ情報導出部と、
    　前記粗さ情報導出部により導出された粗さ情報および信頼度を、前記地図情報取得部により取得された道路の情報に対応付けて出力する出力部と、を有することを特徴とする路面評価装置。
  2. 　請求項１に記載の路面評価装置において、
    　前記粗さ情報は、路面の粗さの程度を示す粗さ値であり、
    　前記粗さ値の信頼度は、前記車両情報取得部により取得された車両情報に基づいて前記粗さ情報導出部により導出される前記粗さ値の範囲で表されることを特徴とする路面評価装置。
  3. 　請求項１または２に記載の路面評価装置において、
    　前記出力部は、前記粗さ情報導出部により導出された粗さ情報および信頼度と前記地図情報取得部により取得された道路の情報とを対応付けた情報を表示可能に出力することを特徴とする路面評価装置。
  4. 　請求項１～３のうちのいずれか１項に記載の路面評価装置において、
    　前記粗さ情報導出部は、ガウス過程を用いた機械学習によって、前記車両が走行した道路の各位置における粗さ情報と該粗さ情報の信頼度とを導出することを特徴とする路面評価装置。
  5. 　請求項１～４のうちのいずれか１項に記載の路面評価装置において、
    　前記出力部はさらに、前記車両に対して、前記粗さ情報導出部により導出された信頼度が所定値よりも低い道路を走行することを要求するような走行要求情報を出力することを特徴とする路面評価装置。
  6. 　請求項５に記載の路面評価装置において、
    　前記出力部は、前記粗さ情報導出部により導出された信頼度が前記所定値よりも低い道路から所定距離内に存在する車両に対して前記走行要求情報を出力することを特徴とする路面評価装置。
  7. 　請求項１～６のうちのいずれか１項に記載の路面評価装置において、
    　前記粗さ情報導出部は、第１地点と第２地点との間の第３地点に対応する車両情報が前記車両情報取得部により取得されないとき、前記第１地点に対応する車両情報と前記第２地点に対応する車両情報とを用いて、前記第３地点の粗さ情報および該粗さ情報の信頼度を補間して導出することを特徴とする路面評価装置。
  8. 　請求項１～７のうちのいずれか１項に記載の路面評価装置において、
    　前記粗さ情報導出部は、前記車両情報取得部により取得された車両情報により示される車両の走行速度および操舵角に基づいて、導出した粗さ情報を、遠心力による車両の左右方向の加速度に基づく成分が排除されるように補正することを特徴とする路面評価装置。
  9. 　請求項１～８のうちのいずれか１項に記載の路面評価装置において、
    　前記車両情報取得部により取得された車両情報は、前記車両の運動を示す情報として車両の左右方向の加速度、走行速度、前後方向加速度、および操舵角を含むことを特徴とする路面評価装置。
  10. 　走行中の車両の運動を示す情報と車両の位置情報とを含む車両情報を取得するステップと、
    　車両が走行する道路の情報を含む地図情報を取得するステップと、
    　取得された車両情報に基づいて、路面の粗さを示す粗さ情報と該粗さ情報の信頼度とを導出するステップと、
    　導出された粗さ情報および信頼度を、取得された道路の情報に対応付けて出力するステップとを、コンピュータにより実行することを含むことを特徴とする路面評価方法。
PCT/JP2021/025067 2020-07-14 2021-07-02 路面評価装置および路面評価方法 Ceased WO2022014357A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US18/015,327 US12196577B2 (en) 2020-07-14 2021-07-02 Road surface evaluation apparatus and road surface evaluation method
CN202180048703.XA CN115803794B (zh) 2020-07-14 2021-07-02 路面评价装置以及路面评价方法
JP2022536250A JP7368628B2 (ja) 2020-07-14 2021-07-02 路面評価装置および路面評価方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020-120567 2020-07-14
JP2020120567 2020-07-14

Publications (1)

Publication Number Publication Date
WO2022014357A1 true WO2022014357A1 (ja) 2022-01-20

Family

ID=79555309

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/025067 Ceased WO2022014357A1 (ja) 2020-07-14 2021-07-02 路面評価装置および路面評価方法

Country Status (4)

Country Link
US (1) US12196577B2 (ja)
JP (1) JP7368628B2 (ja)
CN (1) CN115803794B (ja)
WO (1) WO2022014357A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2025521183A (ja) * 2022-06-29 2025-07-08 コンチネンタル・オートナマス・モビリティ・ジャーマニー・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツング 機械学習システムによる路面状態を監視するための方法及びシステム、並びに、機械学習システムをトレーニングするための方法とシステム

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021230087A1 (ja) * 2020-05-12 2021-11-18 本田技研工業株式会社 逆走検出装置および逆走検出方法
CN115307853A (zh) * 2021-03-23 2022-11-08 索尼集团公司 用于抑制车辆振动的系统、方法和计算机程序

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06129845A (ja) * 1992-10-20 1994-05-13 Hoei:Kk 路面状態検査装置
JPH1125389A (ja) * 1997-07-09 1999-01-29 Toyota Motor Corp 情報提供システム及びこれに用いる情報処理装置
JP2013079889A (ja) * 2011-10-05 2013-05-02 Shuichi Kameyama 路面凹凸評価システム

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002012138A (ja) 2000-06-29 2002-01-15 Toyota Motor Corp 路面の凹凸状態検出装置
US8972192B2 (en) 2007-09-25 2015-03-03 Here Global B.V. Estimation of actual conditions of a roadway segment by weighting roadway condition data with the quality of the roadway condition data
WO2017014288A1 (ja) * 2015-07-21 2017-01-26 株式会社東芝 ひび割れ解析装置、ひび割れ解析方法及びひび割れ解析プログラム
EP3309033B1 (en) * 2016-10-13 2020-04-08 Volvo Car Corporation Method and system for determining road properties in a vehicle
US10706139B2 (en) * 2017-04-05 2020-07-07 General Electric Company System and method for authenticating components
EP3642565A1 (en) * 2017-06-20 2020-04-29 Nira Dynamics AB Road conditition monitoring
DE112019004143T5 (de) * 2018-08-17 2021-06-10 Sony Corporation Informationsverarbeitungsvorrichtung, informationsverarbeitungssystem, informationsverarbeitungsverfahren und programm
JP7469468B2 (ja) * 2020-05-28 2024-04-16 本田技研工業株式会社 路面評価装置および路面評価方法
KR20220150582A (ko) * 2021-05-04 2022-11-11 현대자동차주식회사 라이다 센서를 이용한 객체 추적 방법 및 장치와 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체
JP7273943B1 (ja) * 2021-12-28 2023-05-15 本田技研工業株式会社 路面評価装置
JP7335317B2 (ja) * 2021-12-28 2023-08-29 本田技研工業株式会社 路面評価装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06129845A (ja) * 1992-10-20 1994-05-13 Hoei:Kk 路面状態検査装置
JPH1125389A (ja) * 1997-07-09 1999-01-29 Toyota Motor Corp 情報提供システム及びこれに用いる情報処理装置
JP2013079889A (ja) * 2011-10-05 2013-05-02 Shuichi Kameyama 路面凹凸評価システム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2025521183A (ja) * 2022-06-29 2025-07-08 コンチネンタル・オートナマス・モビリティ・ジャーマニー・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツング 機械学習システムによる路面状態を監視するための方法及びシステム、並びに、機械学習システムをトレーニングするための方法とシステム

Also Published As

Publication number Publication date
US12196577B2 (en) 2025-01-14
JPWO2022014357A1 (ja) 2022-01-20
US20230273019A1 (en) 2023-08-31
JP7368628B2 (ja) 2023-10-24
CN115803794B (zh) 2025-02-18
CN115803794A (zh) 2023-03-14

Similar Documents

Publication Publication Date Title
JP5761162B2 (ja) 車両位置推定装置
CN102282600B (zh) 车辆控制装置
US8326521B2 (en) Traffic situation determination systems, methods, and programs
US10986478B2 (en) Using ranging over C-V2X to supplement and enhance GPS performance
JP7368628B2 (ja) 路面評価装置および路面評価方法
CN106494406A (zh) 弯道导向方法、弯道导向装置、电子装置及程序
CN112109633B (zh) 车道偏离预警方法、装置、设备、车辆及存储介质
US20190331498A1 (en) Information processing device, information processing method and program
US12421676B2 (en) Road surface evaluation apparatus and road surface evaluation method
CN111640329A (zh) 一种基于碰撞模型的车辆预警方法
CN117396933A (zh) 外界识别系统
JP7335317B2 (ja) 路面評価装置
JP7748486B2 (ja) 路面評価装置
US20230234602A1 (en) Road surface evaluation apparatus
JP7430272B2 (ja) 路面評価装置および路面評価方法
JP7625630B2 (ja) 路面評価装置
Cara et al. Assisting drivers during overtaking using car-2-car communication and multi-agent systems
US12516953B1 (en) Road surface evaluation apparatus and road surface evaluation method
JP7625629B2 (ja) 路面評価装置
JP7664432B2 (ja) 路面評価装置
JP2025034699A (ja) 路面評価装置

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: 21843007

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022536250

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21843007

Country of ref document: EP

Kind code of ref document: A1

WWG Wipo information: grant in national office

Ref document number: 202180048703.X

Country of ref document: CN

WWG Wipo information: grant in national office

Ref document number: 202347008091

Country of ref document: IN