JP-2026077341-A - システム

JP2026077341AJP 2026077341 AJP2026077341 AJP 2026077341AJP-2026077341-A

Abstract

【課題】ドライバの感覚に合った渋滞末尾を特定する。【解決手段】システム（１０）は、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、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意思推定部（１２）と、車両情報に含まれるハザード情報を用いて、渋滞の末尾を特定する特定手段（１３）と、特定手段（１３）により生成された渋滞開始情報及び渋滞予測情報を、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する配信部（１４）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)

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を用いて、渋滞の末尾を特定する特定手段と、を備えるシステム。
前記車両情報は、位置を示す位置情報を含み、前記特定手段は、前記ハザード情報及び前記位置情報を用いて、所定の態様でハザードランプが作動した一の車両の位置を特定することによって、渋滞の末尾を含むエリアを特定する請求項１に記載のシステム。
前記特定されたエリア内に、ハザードランプを作動させた複数の車両が存在する場合、前記特定手段は、ハザードランプが作動した複数の位置のうち、前記特定されたエリア内の最も上流側の位置を、渋滞の末尾として特定する請求項２に記載のシステム。

Description

本発明は、渋滞末尾を特定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、ミリ波レーダによる計測結果に基づいて、複数の区間各々が渋滞状態であるか非渋滞状態であるかを判定し、渋滞状態及び非渋滞状態の並び方に基づいて判定結果を訂正し、訂正後の各区間の状態に基づいて渋滞の末尾を推定するシステムが提案されている（特許文献１参照）。特開２０２３－１２８７９１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。渋滞末尾の特定方法の一例を示す図である。システムに係る実施形態について図１乃至図５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、渋滞末尾特定部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、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、渋滞区間の末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（言い換えれば、ハザードランプが作動している）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、渋滞区間の末尾は、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、渋滞末尾特定部１３は、意思推定部１２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」と推定した場合に、渋滞の末尾を特定する。ここで、渋滞末尾特定部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。例えば、意思推定部１２は、「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」、言い換えれば、所定の態様でハザードランプが作動した一の車両（以降、適宜“対象車両”と称する）に係る車両情報を、渋滞末尾特定部１３に送信してよい。尚、「所定の態様」は、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おらず、且つ、ハザードランプが長時間ＯＮ状態ではない態様である。渋滞末尾特定部１３は、対象車両に係る車両情報に基づいて、所定の態様でハザードランプが作動したときの対象車両の位置を特定してよい。例えば、対象車両が所定の態様でハザードランプを作動させた位置は、図４における位置ｐ１であってよい。ここで、位置ｐ１は、渋滞の末尾である可能性が比較的高い。しかしながら、対象車両のドライバがハザードランプを作動させるタイミングによっては、位置ｐ１が渋滞の末尾ではない可能性もある。そこで、渋滞末尾特定部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）において、位置ｐ１及び時刻ｔ１を含む時空間エリアＷを設定する（ステップＳ２０１）。つまり、渋滞末尾特定部１３は、時空間エリアＷを設定することによって、渋滞の末尾が含まれる時空間エリアを絞り込む。渋滞の末尾が含まれる時空間エリアを絞り込むことは、エリア集約と称されてよい。尚、時空間エリアＷのサイズは、固定であってもよいし、何らかのパラメータに応じて変化してもよい。尚、時空間エリアＷは、機械学習によって生成された学習済みモデル（言い換えれば、ＡＩ）を用いて設定されてもよい。次に、渋滞末尾特定部１３は、時空間エリアＷに含まれる一以上の車両に係る車両情報に基づいて、時空間エリアＷにおける速度分布を生成してよい。渋滞末尾特定部１３は、該速度分布に基づいて、位置ｐ１近傍における速度差（言い換えれば、速度の変化量）を算出してよい。渋滞末尾特定部１３は、位置ｐ１近傍において、速度差が所定値以上であるか否かを判定する（ステップＳ２０２）。渋滞区間における車両の速度は、非渋滞区間における車両の速度よりも著しく低い。このため、非渋滞区間と渋滞区間との境界（言い換えれば、渋滞の末尾）では、速度差が比較的大きくなる。上述した「所定値」は、時空間エリアＷ内に、渋滞の末尾が含まれるか否かを決定する値であってよい。例えば、高速道路の場合の所定値は、時速４０キロメートルであってよい。例えば、一般道の場合の所定値は、時速１０キロメートルであってよい。ステップＳ２０２の処理において、速度差が所定値以上ではないと判定された場合（ステップＳ２０２：Ｎｏ）、図３に示す処理は終了される。他方、ステップＳ２０２の処理において、速度差が所定値以上であると判定された場合（ステップＳ２０２：Ｙｅｓ）、渋滞末尾特定部１３は、時空間エリアＷに含まれる一以上の車両は、渋滞末尾付近を走行している車両群であると判定してよい。そして、渋滞末尾特定部１３は、渋滞末尾位置を抽出する（ステップＳ２０３）。ここで、渋滞の存在を後続のドライバに伝えるためにハザードランプを作動させることは、ドライバの義務ではない。このため、渋滞の末尾に接近したときに、ハザードランプを作動させないドライバも存在する。例えば、時空間エリアＷ内にハザードランプが作動した位置が一つだけ含まれる場合、渋滞末尾特定部１３は、その位置を、渋滞末尾位置として抽出してよい。例えば、時空間エリアＷ内にハザードランプが作動した複数の位置が含まれる場合、渋滞末尾特定部１３は、複数の位置のうち、時空間エリアＷ内の最も上流側の位置を、渋滞末尾位置として抽出してよい。例えば、図５（ａ）における黒丸は、時空間エリアＷ内で、ハザードランプが作動した位置を示している。このように、時空間エリアＷ内にハザードランプが作動した複数の位置が含まれる場合、渋滞末尾特定部１３は、位置ｐ２を渋滞末尾位置として抽出してよい。或いは、時空間エリアＷ内にハザードランプが作動した複数の位置が含まれる場合、渋滞末尾特定部１３は、ハザードランプが作動した平均位置、ハザードランプが作動した頻度の最も高い位置、及び、ハザードランプが作動した頻度の最も低い位置の少なくとも一つに基づいて、渋滞末尾位置を抽出（特定）してよい。次に、渋滞末尾特定部１３は、将来における渋滞末尾位置を予測する（ステップＳ２０４）。交通状況は、交通流の下流から上流に向かって伝搬する。このため、渋滞の末尾も、時間の経過に伴って変化する。例えば、図３に示す動作は繰り返し行われてよい。この場合、渋滞末尾特定部１３は、今回設定された時空間エリアＷと、前回設定された時空間エリアＷｐとに基づいて、将来における渋滞末尾位置を予測してよい。例えば、時空間エリアＷと時空間エリアＷｐとの関係は、図５（ｂ）に示すような関係であってよい。尚、図５（ｂ）における黒丸は、ハザードランプが作動した位置を示している。例えば、渋滞末尾特定部１３は、ハザードランプが作動した複数の位置に基づいて、線形回帰分析を行ってよい。そして、渋滞末尾特定部１３は、線形回帰分析の結果と、将来設定される時空間エリアＷｆとを用いて、将来における渋滞末尾位置（例えば、位置ｐ３）を予測してよい。その後、渋滞末尾特定部１３は、ステップＳ２０１の処理において設定された時空間エリアＷと、ステップＳ２０３の処理において抽出された（言い換えれば、特定された）渋滞末尾位置（例えば、位置ｐ２）とを示す渋滞開始情報と、ステップＳ２０４の処理において予測された将来の渋滞末尾位置（例えば、位置ｐ３）と、線形回帰分析の結果とを示す渋滞予測情報とを生成してよい。図１に戻り、配信部１４は、渋滞末尾特定部１３により生成された渋滞開始情報及び渋滞予測情報を、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渋滞開始情報及び渋滞予測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渋滞開始情報及び渋滞予測情報を配信してもよい。（技術的効果）システム１０は、渋滞の存在を後続のドライバに伝える意思をもって使用されたハザードランプに関する情報を用いて渋滞の末尾を特定する。このため、システム１０が特定した渋滞の末尾に相当する位置は、ドライバが渋滞の末尾であると認識する位置に近いことが期待できる。従って、システム１０によれば、ドライバの感覚に合った渋滞末尾を特定することができる。例えば、高速道路において低速走行している車両の後方から、他車両が該車両に衝突する事故が発生することがある。これに対して、システム１０は、将来の渋滞末尾位置を予測する。そして、システム１０は、予測された将来の渋滞末尾位置を示す渋滞予測情報を配信する。渋滞予