JP-2026077331-A - システム

Abstract

【課題】高速道路上の停止車両を検出する。 【解決手段】システム（１０）は、高速道路上の複数の車両各々から、ハザードランプに関するハザード情報を含む車両情報を取得する取得手段（１１）と、車両情報に含まれるハザード情報に基づいて、高速道路上の停止車両を検出する検出手段（１２）と、停止車両が検出された場合に、停止車両の周囲の車両への停止車両の影響の程度を推定する推定手段（１３）と、を備える。 【選択図】図１

Inventors

• 桑原 昌広
• 中村 俊之

Assignees

• トヨタ自動車株式会社

Dates

Publication Date

20260513

Application Date

20241025

Claims (3)

1. 高速道路上の複数の車両各々から、ハザードランプに関するハザード情報を含む車両情報を取得する取得手段と、 前記車両情報に含まれる前記ハザード情報に基づいて、高速道路上の停止車両を検出する検出手段と、 前記停止車両が検出された場合に、前記停止車両の周囲の車両への前記停止車両の影響の程度を推定する推定手段と、 を備えるシステム。
2. 前記検出手段は、前記ハザード情報により示されるハザードランプの点滅状態の継続時間に基づいて、前記停止車両を検出する 請求項１に記載のシステム。
3. 前記推定手段は、前記停止車両が停止した時刻を含む所定の期間における、前記停止車両の位置を含む所定の範囲内の一以上の車両の車両情報に基づいて、前記影響の程度を推定する 請求項１に記載のシステム。

Description

本発明は、例えば車両情報を解析するシステムの技術分野に関する。 この種のシステムとして、例えば、自車両からみた相対的な緊急車両の進行方向を特定して、緊急車両の進行方向毎に異なる振動パターンで、運転シート内の振動部を振動させて、運転者に緊急車両の存在と進行方向とを伝えるシステムが提案されている（特許文献１参照）。 特開２０２０－００３９３３号公報 実施形態に係るシステムの構成を示すブロック図である。実施形態に係るシステムの動作の一例を示すフローチャートである。実施形態に係るシステムの動作の他の例を示すフローチャートである。車両位置の時間変化の一例を示す図である。 システムに係る実施形態を図１乃至図４を参照して説明する。図１において、システム１０は、データ取得部１１、意思推定部１２、影響度算出部１３、配信部１４及びデータベース１５を備える。例えば、システム１０は、ネットワーク上のサーバによって実現されてよい。尚、ネットワーク上のサーバは、クラウドサーバであってよい。尚、システム１０は、単一のサーバに限らず、複数のサーバによって実現されてよい。 データ取得部１１は、高速道路上の複数の車両から車両情報を取得する。ここで、該複数の車両は、コネクテッドカーであってよい。データ取得部１１は、取得された車両情報をデータベース１５に格納してよい。例えば、車両情報は、時間情報、位置情報（例えば、緯度、経度）、ハザードランプに関するハザード情報、方向指示器に関する方向指示器情報、速度、及び、加速度を含んでいてよい。 例えば、ハザードランプは、故障等でやむをえず路上駐車しなければならない場合に、路上駐車する車両のドライバが、周囲のドライバに危険の存在を知らせるために利用されてよい。例えば、ハザードランプは、高速道路における渋滞区間の最後尾に接近した車両のドライバが、渋滞の存在を後続のドライバに知らせるために利用されてよい。例えば、ハザードランプは、車線変更等で道を譲ってくれた後続のドライバに感謝を伝えるために利用されてよい。このように、車両のドライバは、状況に応じてハザードランプを使い分けてよい。つまり、車両のドライバは、ある意思（又は意図）をもってハザードランプを使用している。 意思推定部１２は、車両情報に含まれるハザード情報が、ハザードランプがＯＮ状態であることを示している場合に、該車両情報に係る車両のドライバの意思を推定する。ここで、意思推定部１２の動作について図２のフローチャートを参照して説明を加える。 図２において、意思推定部１２は、ハザードランプがＯＮ状態であることを示すハザード情報を含む車両情報の方向指示器情報に基づいて、ハザードランプがＯＮ状態となった時刻を中心として、第１所定期間内に方向指示器が作動していないか否かを判定する（ステップＳ１０１）。 ステップＳ１０１の処理において、ハザードランプがＯＮ状態となった時刻を中心として、第１所定期間内に方向指示器が作動していると判定された場合（ステップＳ１０１：Ｎｏ）、意思推定部１２は、ドライバが後続のドライバに感謝を伝える意思をもってハザードランプを使用した（いわゆるサンキューハザード）と推定する（ステップＳ１０２）。 ステップＳ１０１の処理において、ハザードランプがＯＮ状態となった時刻を中心として、第１所定期間内に方向指示器が作動していないと判定された場合（ステップＳ１０１：Ｙｅｓ）、意思推定部１２は、ハザードランプが長時間ＯＮ状態であるか否かを判定する（ステップＳ１０３）。尚、意思推定部１２は、ハザードランプがＯＮ状態である期間が、第２所定期間以上であるか否かを判定することによって、ハザードランプが長時間ＯＮ状態であるか否かを判定してよい。 ステップＳ１０３の処理において、ハザードランプが長時間ＯＮ状態ではないと判定された場合（ステップＳ１０３：Ｎｏ）、意思推定部１２は、ドライバが渋滞の存在を後続のドライバに伝える意思をもってハザードランプを使用したと推定する（ステップＳ１０４）。尚、渋滞区間の最後尾は、これから渋滞区間に進入する車両のドライバにとっては、渋滞区間の入口であると言える。このため、「渋滞の存在を後続のドライバに伝える意思」は、「渋滞開始ポイントを後続のドライバに伝える意思」と言い換えられてよい。 ステップＳ１０３の処理において、ハザードランプが長時間ＯＮ状態であると判定された場合（ステップＳ１０３：Ｙｅｓ）、意思推定部１２は、ドライバが、故障等により緊急停止していることを周囲のドライバに伝える意思をもってハザードランプを使用したと推定する（ステップＳ１０５）。 図１に戻り、影響度算出部１３は、意思推定部１２が、「ドライバが緊急停止していることを周囲のドライバに伝える意思をもってハザードランプを使用した」と推定した場合に、緊急停止している車両（以降、適宜“対象車両”と称する）の周囲の車両への対象車両の影響の程度を算出する。ここで、影響度算出部１３の動作について図３のフローチャートを参照して説明を加える。 図３において、影響度算出部１３は、対象車両の位置及び停止場所を特定する（ステップＳ２０１）。ここで、対象車両の位置は、座標（例えば、緯度、経度）で表されてよい。対象車両の停止場所は、対象車両の位置に加えて、地理情報（例えば、地図）に基づいて特定される場所である。例えば、停止場所は、合流車線、走行車線、追越し車線、路側帯、ゼブラゾーン、等であってよい。 次に、影響度算出部１３は、緊急停止した対象車両が周囲の車両に影響を与える可能性があるか否かを判定する（ステップＳ２０２）。例えば、影響度算出部１３は、図４に示す車両位置と時刻との関係を示すグラフ（タイムスペース図）を用いて、対象車両が周囲の車両に影響を与える可能性があるか否かを判定してよい。図４において、複数の実線各々は、車両位置の時間変化を示している。図４における実線Ｌは、対象車両の位置の時間変化を示しているものとする。実線Ｌは、対象車両が、時刻ｔから位置ｐに停止していることを示している。 例えば、影響度算出部１３は、対象車両が緊急停止した時刻ｔ及び位置ｐを含む時空間エリアＷを設定してよい。影響度算出部１３は、時空間エリアＷに含まれる一以上の車両の車両情報を取得してよい。例えば、影響度算出部１３は、取得された車両情報に基づいて、位置ｐ周辺における速度及び加速度の変化の程度と、位置ｐ周辺における方向指示器の作動数及び作動数の変化とを算出してよい。尚、時空間エリアＷ内に２以上の車両が存在する場合、影響度算出部１３は、平均速度、最大速度、最小速度、平均加速度、最大加速度及び最小加速度の少なくとも一つを算出してよい。尚、影響度算出部１３は、速度、加速度及び方向指示器に関する情報に加えて、ステアリングホイールの舵角を考慮してもよい。 例えば、影響度算出部１３は、位置ｐ周辺における速度及び加速度の変化の程度と、位置ｐ周辺における方向指示器の作動数及び作動数の変化とに基づいて、対象車両が周囲の車両に影響を与える可能性があるか否かを判定してよい。例えば、影響度算出部１３は、速度の変化の程度及び加速度の変化の程度の少なくとも一方が所定閾値より大きい場合、又は、方向指示器の作動数及び作動数の変化の少なくとも一方が所定閾値より大きい場合に、対象車両が周囲の車両に影響を与える可能性があると判定してよい。尚、影響度算出部１３は、位置ｐ周辺における速度及び加速度の変化の程度と、位置ｐ周辺における方向指示器の作動数及び作動数の変化とを入力すると、対象車両が周囲の車両に影響を与える可能性があるか否かを出力する学習済みモデル（言い換えれば、ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ））を用いてもよい。 ステップＳ２０２の処理において、対象車両が周囲の車両に影響を与える可能性がないと判定された場合（ステップＳ２０２：Ｎｏ）図３に示す動作は終了される。他方で、ステップＳ２０２の処理において、対象車両が周囲の車両に影響を与える可能性があると判定された場合（ステップＳ２０２：Ｙｅｓ）、影響度算出部１３は、対象車両の周囲の車両への影響度を算出する（ステップＳ２０３）。尚、影響度を算出することは、影響度を推定することと言い換えられてよい。 ステップＳ２０３の処理において、影響度算出部１３は、例えば“Ｅ＝ｋ｛（α×Ａ）＋（β×Ｂ）＋（γ×Ｃ）｝”という数式を用いて影響度を算出してよい。ここで、“Ｅ”は影響度であり、“Ａ”は平均最大速度差であり、“Ｂ”は最大減速度であり、“Ｃ”は（方向指示器の作動数／車両数）である。“α”、“β”、“γ”及び“ｋ”は、係数である。尚、“ｋ”は、対象車両の停止場所に応じて変化してよい。尚、“α”、“β”、“γ”及び“ｋ”は、機械学習によって決定されてもよい。 尚、影響度算出部１３は、平均最大速度差、最大減速度及び（方向指示器の作動数／車両数）に加えて、又は代えて、他の指標を用いて影響度を算出してよい。例えば、車両情報に車載カメラに係る画像が含まれる場合、影響度算出部１３は、該画像も影響度の算出に用いてよい。 ステップＳ２０３の処理の後、影響度算出部１３は、緊急停止車両情報を生成する（ステップＳ２０４）。例えば、緊急停止車両情報には、対象車両の停止時刻（例えば、時刻ｔ）、停止位置（例えば、緯度及び経度により表される位置ｐ）、停止場所及び停止継続時間と、ステップＳ２０３の処理において算出された影響度とが含まれていてよい。 図１に戻り、配信部１４は、影響度算出部１３により生成された緊急停止車両情報を、高速道路の管理者と、対象車両の周囲を走行する車両とに配信してよい。尚、配信部１４は、コネクテッドカーに逐次情報を配信するコネクテッドセンタに緊急停止車両情報を送信することによって、対象車両の周囲を走行する車両に緊急停止車両情報を配信してもよい。 （技術的効果） 高速道路において停止車両の後方から、他車両が停止車両に衝突する事故が発生することがある。その一方で、故障等により緊急停止している車両の検出は、ドライバからの通報等に依存していることが多い。これに対して、本実施形態に係るシステム１０は、高速道路上の複数の車両各々の車両情報に基づいて、緊急停止している車両を検出する。システム１０は特に、ハザードランプに関するハザード情報に基づいて、車両が緊急停止しているのか否かを判定する。このため、システム１０によれば、高速道路上で緊急停止している車両を、比較的早期に且つ精度よく検出することができる。 加えて、システム１０は、緊急停止している車両が周囲の車両に与える影響度を算出する。そして、システム１０は、算出された影響度を含む緊急停止車両情報を、例えば高速道路の管理者に配信してよい。このように構成すれば、該管理者が、緊急停止車両情報を参照して、現場に人員を派遣すべきか否かを比較的容易に判断することができる。つまり、システム１０によれば、高速道路の管理者が、緊急の程度を比較的容易に判断することができる。更に、システム１０では、高速道路上の複数の車両をセンサとして利用しているので、高速道路全体にわたって、緊急停止している車両を検出することができる。 以上に説明した実施形態から導き出される発明の態様を以下に説明する。 発明の一態様に係るシステムは、高速道路上の複数の車両各々から、ハザードランプに関するハザード情報を含む車両情報を取得する取得手段と、前記車両情報に含まれる前記ハザード情報に基づいて、高速道路上の停止車両を検出する検出手段と、前記停止車両が検出された場合に、前記停止車両の周囲の車両への前記停止車両の影響の程度を推定する推定手段と、を備えるというものである。上述の実施形態においては、「データ取得部１１」が「取得手段」の一例に相当し、「意思推定部１２」が「検出手段」の一例に相当し、「影響度算出部１３」が「推定手段」の一例に相当す