CN112712693A - 水淹检测装置、水淹检测***以及计算机可读存储介质 - Google Patents
水淹检测装置、水淹检测***以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112712693A CN112712693A CN202011101895.XA CN202011101895A CN112712693A CN 112712693 A CN112712693 A CN 112712693A CN 202011101895 A CN202011101895 A CN 202011101895A CN 112712693 A CN112712693 A CN 112712693A
- Authority
- CN
- China
- Prior art keywords
- unit
- vehicle
- traffic volume
- flooding
- information
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3691—Retrieval, searching and output of information related to real-time traffic, weather, or environmental conditions
-
- 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
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Environmental & Geological Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Automation & Control Theory (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种水淹检测装置、水淹检测***以及计算机可读存储介质。从气象信息中心取得降雨数据,从数据库及各车辆取得交通量数据,基于降雨数据及交通量数据,将如下区域判定为发生水淹:降雨时或降雨后车辆的交通量为0台,且在将降雨量小于预先规定的值的状态设为通常时通常时的车辆的交通量为0台的概率低于预先规定的阈值的区域。
Description
技术领域
本公开涉及水淹检测装置、水淹检测***以及存储水淹检测程序的计算机可读存储介质。
背景技术
由于大量的降雨或降下到其他场所的雨水等流入,道路有时会发生水淹。作为检测这种道路的水淹的技术,例如提出了专利文献1的技术。
在日本特开2004-341795号公报(专利文献1)中,利用在车辆中构成为能够检测液体有形物的存在的水淹传感器来检测道路的水淹,并向中心服务器发送检测结果,针对其他车辆设定不经过无法通过的水淹的路线来进行迂回路线的引导。
发明内容
发明所要解决的课题
但是,在专利文献1的技术中,需要水淹传感器。由于水淹传感器的安装位置按每种车型而不同,因此判定结果可能根据车型而有所不同。另外,为了确保判定结果为相同精度而产生设计上的制约。因此,存在改善的余地。
本公开是考虑上述事实而做出的,其目的在于提供一种能够不在车辆另行设置水淹传感器而简单地检测水淹的水淹检测装置、水淹检测***以及存储水淹检测程序的计算机可读存储介质。
用于解决课题的技术方案
第一方式所涉及的水淹检测装置包括:气象信息取得部,取得气象信息;交通量信息取得部,取得表示车辆的交通量的交通量信息;及判定部,基于由所述气象信息取得部取得的所述气象信息以及由所述交通量信息取得部取得的所述交通量信息,将如下区域判定为发生水淹:降雨时或降雨后车辆的交通量为预先规定的台数以下,且在将降雨量小于预先规定的值的状态设为通常时所述通常时的车辆的交通量为预先规定的台数以下的概率低于预先规定的阈值的区域。
根据第一方式,在气象信息取得部中取得气象信息。例如,气象信息取得部取得包括每个场所的降雨实际量及降雨预测中的至少一方的降雨数据作为气象数据。
在交通量信息取得部中,取得表示车辆的交通量的交通量信息。例如,交通量信息取得部可以如第二方式那样,从车辆取得位置信息和日期时间信息作为所述交通量信息。由此,根据车辆的位置信息和日期时间信息来求出交通量。或者,交通量信息取得部也可以如第三方式那样,取得由设置在路侧的路侧装置检测出的所述交通量信息。由此,通过从路侧装置取得信息来求出交通量。
并且,在判定部中,基于由气象信息取得部取得的气象信息以及由交通量信息取得部取得的交通量信息,将如下区域判定为发生水淹:降雨时或降雨后车辆的交通量为预先规定的台数以下,且在将降雨量小于预先规定的值的状态设为通常时通常时的车辆的交通量为预先规定的台数以下的概率低于预先规定的阈值的区域。即,能够根据气象信息和交通量信息检测出水淹。因此,能够不在车辆另行设置水淹传感器而简单地检测水淹。
另外,如第四方式那样,可以还包括:取得部,取得车型信息和与车辆的行驶有关的多种行驶状态数据;检测部,使用基于用于求出因车辆行驶而变化的物理量的车辆行为模型和所述取得部取得的当前的所述多种行驶状态数据而预测出的所述物理量、以及根据所述取得部取得的当前的所述行驶状态数据而得到的所述物理量,来检测车辆行驶的道路的水淹;及水淹区域判定部,使用所述判定部的判定结果和所述检测部的检测结果来判定水淹区域。或者,如第五方式那样,可以还包括:取得部,从多个车辆取得车型信息和与行驶有关的多种行驶状态数据;导出部,使用从多个车辆预先取得的所述多种行驶状态数据和预先规定的学习模型来导出车辆行为模型,所述车辆行为模型用于求出因车辆行驶而变化的物理量;检测部,使用通过利用所述导出部导出的所述车辆行为模型和所述取得部从预先规定的关注车辆取得的当前的所述多种行驶状态数据而预测出的所述物理量、以及根据所述取得部从所述关注车辆取得的所述行驶状态数据而得到的所述物理量,来检测所述关注车辆行驶的道路的水淹;及水淹区域判定部,使用所述判定部的判定结果和所述检测部的检测结果来判定水淹区域。由此,由于利用基于气象信息和交通量信息判定水淹所得的结果、以及基于行驶状态数据检测水淹所得的结果来检测水淹区域,因此能够提高水淹的检测精度。
另一方面,第六方式所涉及的水淹检测***包括:交通量检测部,检测车辆的交通量;交通量信息取得部,取得表示所述交通量检测部检测出的交通量的交通量信息;气象信息取得部,取得气象信息;及判定部,基于由所述气象信息取得部取得的所述气象信息以及由所述交通量信息取得部取得的所述交通量信息,将如下区域判定为发生水淹:降雨时或降雨后车辆的交通量为预先规定的台数以下,且在将降雨量小于预先规定的值的状态设为通常时所述通常时的车辆的交通量为预先规定的台数以下的概率低于预先规定的阈值的区域。
根据第六方式,在交通量检测部中,检测车辆的交通量,在交通量信息取得部中,取得表示检测部检测出的交通量的交通量信息。交通量检测部例如也可以检测车辆的位置,并根据日期时间信息检测交通量。或者,也可以通过由设置在路侧的摄像机等拍摄装置进行拍摄,根据拍摄图像来检测交通量。
另外,在气象信息取得部中,取得气象信息。例如,气象信息取得部取得包括每个场所的降雨实际量及降雨预测中的至少一方的降雨数据作为气象数据。
并且,在判定部中,基于由气象信息取得部取得的气象信息以及由交通量信息取得部取得的交通量信息,将如下区域判定为发生水淹:降雨时或降雨后车辆的交通量为预先规定的台数以下,且在将降雨量小于预先规定的值的状态设为通常时通常时的车辆的交通量为预先规定的台数以下的概率低于预先规定的阈值的区域。即,由于能够根据气象信息和交通量信息来检测水淹,所以能够不在车辆另行设置水淹传感器而简单地检测水淹。
此外,第七方式所涉及的水淹检测***包括:交通量检测部,检测车辆的交通量;交通量信息取得部,取得表示所述交通量检测部检测出的交通量的交通量信息;气象信息取得部,取得气象信息;判定部,基于由所述气象信息取得部取得的所述气象信息以及由所述交通量信息取得部取得的所述交通量信息,将如下区域判定为发生水淹:降雨时或降雨后车辆的交通量为预先规定的台数以下,且在将降雨量小于预先规定的值的状态设为通常时所述通常时的车辆的交通量为预先规定的台数以下的概率低于预先规定的阈值的区域;检测部,检测与车辆的行驶有关的多种行驶状态数据;取得部,从多个车辆取得车型信息和所述检测部检测出的所述多种行驶状态数据;导出部,使用所述取得部从多个车辆预先取得的所述多种行驶状态数据和预先规定的学习模型来导出车辆行为模型,所述车辆行为模型用于求出因车辆行驶而变化的物理量;检测部,使用通过利用所述导出部导出的所述车辆行为模型和所述取得部从预先规定的关注车辆取得的当前的所述多种行驶状态数据而预测出的所述物理量、以及根据所述取得部从所述关注车辆取得的当前的所述行驶状态数据而得到的所述物理量,来检测所述关注车辆行驶的道路的水淹;及水淹区域判定部,使用所述判定部的判定结果和所述检测部的检测结果来判定水淹区域。
根据第七方式,在交通量检测部中,检测车辆的交通量,在交通量信息取得部中,取得表示检测部检测出的交通量的交通量信息。交通量检测部例如也可以检测车辆的位置,并根据日期时间信息检测交通量。或者,也可以通过由设置在路侧的摄像机等拍摄装置进行拍摄,根据拍摄图像来检测交通量。
另外,在气象信息取得部中,取得气象信息。例如,气象信息取得部取得包括每个场所的降雨实际量及降雨预测中的至少一方的降雨数据作为气象数据。
在判定部中,基于由气象信息取得部取得的气象信息以及由交通量信息取得部取得的交通量信息,将如下区域判定为发生水淹:降雨时或降雨后车辆的交通量为预先规定的台数以下,且在将降雨量小于预先规定的值的状态设为通常时通常时的车辆的交通量为预先规定的台数以下的概率低于预先规定的阈值的区域。
另外,在检测部中,检测与车辆的行驶有关的多种行驶状态数据。
在取得部中,从多个车辆取得检测部检测出的多种行驶状态数据、以及车型信息。
在导出部中,使用取得部从多个车辆预先取得的多种行驶状态数据和预先规定的学习模型,针对每种车型导出车辆行为模型,所述车辆行为模型用于求出因车辆行驶而变化的物理量。
在检测部中,使用利用导出部导出的车辆行为模型和取得部从预先规定的关注车辆取得的当前的多种行驶状态数据而预测出的物理量、以及根据取得部从关注车辆取得的行驶状态数据而得到的物理量,来检测关注车辆行驶的道路的水淹。
并且,在水淹区域判定部中,使用判定部的判定结果和检测部的检测结果来判定水淹区域。由此,通过根据图像信息检测车辆来求出交通量。另外,由于利用基于气象信息和交通量信息来判定水淹所得的结果、以及基于行驶状态数据来检测水淹所得的结果来检测水淹区域,因此能够提高水淹的检测精度。
根据第八方式,可以为一种计算机可读存储介质,存储用于使计算机作为第一至第五方式中的任一方式的水淹检测装置的各部分而发挥功能的水淹检测程序。
发明效果
如以上所说明的那样,根据本公开,具有如下效果,即,可提供一种能够不在车辆另行设置水淹传感器而简单地检测水淹的水淹检测装置、水淹检测***以及存储水淹检测程序的计算机可读存储介质。
附图说明
图1是表示本实施方式所涉及的水淹检测***的概略结构的框图。
图2是表示将地图划分为网格并针对每个网格计算交通量,提取在降雨时或降雨后交通量成为0台的网格的例子的图。
图3是表示将地图划分为网格,并提取将降雨量低于预先规定的值的状态设为通常时,在通常时交通量为0台的概率在阈值以下的网格的例子的图。
图4是表示提取在降雨时或降雨后交通量成为0台并且在通常时交通量为0台的概率在阈值以下的网格,并将提取出的网格判定为水淹位置的例子的图。
图5是表示由本实施方式所涉及的水淹检测***的水淹判定中心进行的处理的流程的一例的流程图。
图6是表示第二实施方式所涉及的水淹检测***的概略结构的框图。
图7是用于说明使用车速的预测值和实测值进行的错误(水淹)判定的一例的图。
图8是表示将车型与模型的系数对应起来的表的一例的图。
图9是表示在第二实施方式所涉及的水淹检测***的水淹判定中心中,在通过机器学习而导出车辆行为模型时由中央处理部进行的处理的流程的一例的流程图。
图10是表示在第二实施方式所涉及的水淹检测***的水淹判定中心中,在判定水淹时由中央处理部进行的处理的流程的一例的流程图。
图11是表示在第二实施方式所涉及的水淹检测***中,在水淹判定中心中由中央处理部推定水淹区域的处理的流程的一例的流程图。
图12是表示在搭载于各车辆的信息提供装置侧进行水淹判定的情况下的水淹检测***的结构例的框图。
图13是用于说明车辆行为模型的其他例子的图。
具体实施方式
以下,参照附图对本公开的实施方式的一例进行详细说明。
(第一实施方式)
图1是表示本实施方式所涉及的水淹检测***的概略结构的框图。
本实施方式所涉及的水淹检测***10中,搭载于多个车辆12的信息提供装置14、水淹判定中心36以及气象信息中心60分别经由通信网络34连接。
气象信息中心60将与气象有关的各种气象数据作为气象信息提供给与通信网络34连接的装置。气象信息中心60例如提供包括每个场所的降雨实际量及降雨预测中的至少一方的降雨数据作为气象数据。
水淹判定中心36从搭载于多个车辆12的信息提供装置14将车辆12的位置信息与日期时间一起进行收集。另外,从气象信息中心60取得气象信息。然后,使用所收集的车辆12的位置信息以及气象数据,来进行判定道路的水淹的处理。
搭载于各车辆12的信息提供装置14具备运算部16、GPS接收部18、加速度传感器20、显示部22、车速传感器24、通信部26、坡度传感器28、加速踏板传感器30以及制动踏板传感器32。
运算部16由包括CPU(Central Processing Unit:中央处理单元)、ROM(Read OnlyMemory:只读存储器)以及RAM(Random Access Memory:随机存取存储器)等的普通的微型计算机构成。
GPS接收部18接收来自GPS(Global Positioning System:全球定位***)卫星的信号并将接收到的GPS信号输出到运算部16。由此,运算部16基于来自多个GPS卫星的GPS信号来对本车辆12的位置进行定位。
加速度传感器20检测施加到本车辆12的加速度,并将检测结果输出到运算部16。就加速度而言,可以检测车辆12的前后方向、宽度方向以及上下方向的各个方向。或者,也可以仅检测车辆12的前后方向的加速度。
显示部22显示由水淹判定中心36进行了水淹判定的水淹点的信息(例如,地图信息等)、各种信息。
车速传感器24检测本车辆12的行驶速度,并将检测结果输出到运算部16。
通信部26与通信网络34进行无线通信。由此,与水淹判定中心36、搭载于其他车辆12的信息提供装置14进行通信。作为通信网络34,例如包括移动电话线路网等无线通信线路网。
坡度传感器28检测车辆12的倾斜。由此,检测车辆12正在行驶的坡度,并将检测结果输出到运算部16。就坡度而言,也可以仅检测车辆12的前后方向的坡度。或者,也可以向其中加上车宽方向的坡度来进行检测。
加速踏板传感器30检测加速踏板的踩踏量,并将检测结果输出到运算部16。
制动踏板传感器32检测制动踏板的操作状态,并将检测结果输出到运算部16。
运算部16将通过基于来自GPS接收部18的GPS信号对本车辆12的位置进行定位而得到的位置信息经由通信部26以及通信网络34发送到水淹判定中心36。
另一方面,水淹判定中心36具备中央处理部38、中央通信部48以及数据库52。
中央通信部48通过与通信网络34进行无线通信,来与搭载于各车辆12的信息提供装置14进行通信。
数据库52将从搭载于各车辆12的信息提供装置14取得的位置信息与检测日期时间信息一起进行存储。另外,位置信息除了检测日期时间信息之外,还可以进一步将星期信息相关联地进行存储。
中央处理部38由包括CPU(Central Processing Unit:中央处理单元)、ROM(ReadOnly Memory:只读存储器)以及RAM(Random Access Memory:随机存取存储器)等的普通的计算机构成。中央处理部38具有交通量分析部41以及水淹判定部43的功能。各功能通过执行存储在ROM等中的程序来实现。另外,中央处理部38的各功能相当于气象信息取得部、交通量信息取得部以及判定部,详细情况与后述的处理相对应。
交通量分析部41基于从气象信息中心60取得的气象数据以及存储在数据库52中的位置信息,来分析降雨时或者降雨后的车辆通行量。在本实施方式中,例如,如图2所示,将地图划分为网格(分割成预先规定的大小的分区所得的区域)。接着,对划分出的各网格的在预先规定的每单位时间内存在的车辆12进行计数。由此,计算出降雨时或降雨后的每个网格的交通量。然后,提取在降雨时或降雨后交通量成为预先规定的台数(在本实施方式中为0台)的网格(例如,图2的被添加横线阴影的网格)。另外,网格的大小设定为在网格内不包含两个以上的道路的尺寸。由此,能够计算出每个道路的交通量。另外,就交通量而言,在本实施方式中,根据在降雨时或降雨后的时间段从车辆12收集到的位置信息来计算交通量。然而,并不限于此。例如,也可以由交通量分析部41从图1的虚线所示的设在路侧的摄像机或交通量传感器等路侧装置80取得信息而求出交通量。
另外,交通量分析部41提取划分地图所得的网格中的、将降雨量小于预先规定的值(例如,每一小时的降雨量小于10mm)的状态设为通常时,在通常时交通量为预先规定的台数以下(在本实施方式中为0台)的概率在阈值以下的网格。具体而言,基于存储在数据库52中的位置信息,如图3所示,针对每个网格以高斯分布来近似通常时的交通量的分布。分布的近似使用过去几天的通常时的交通量的数据。另外,在以高斯分布设定了规定的阈值时,在通常时交通量不会成为0台。因此,提取通常时的交通量成为0台的概率为预先规定的阈值(置信区间的下限值)以下的网格(例如,图3的被添加斜线阴影的网格)。
如图4所示,水淹判定部43提取在降雨时或降雨后交通量成为0台并且在通常时交通量为0台的概率在阈值以下的网格。然后,将提取出的网格(例如,图4的被添加交叉阴影线的网格)判定为异常位置、即水淹位置。
接着,对由以上述方式构成的本实施方式所涉及的水淹检测***10的水淹判定中心36进行的具体处理进行说明。图5是表示由本实施方式所涉及的水淹检测***10的水淹判定中心36进行的处理的流程的一例的流程图。另外,图5的处理例如在从气象信息中心60向水淹判定中心36提供了与降雨有关的信息(与雨有关的警报等)的情况、从车辆12进行了水淹判定的请求的情况下等开始。
在步骤100中,中央处理部38经由中央通信部48及通信网络34从气象信息中心60取得降雨数据,并转移到步骤102。另外,步骤100相当于气象信息取得部。
在步骤102中,交通量分析部41从数据库52及各车辆12取得交通量数据,并转移到步骤104。就交通量数据的取得而言,从各车辆12取得与日期时间一起存储到数据库52的车辆12的位置信息、以及各车辆12的当前的位置信息。另外,步骤102相当于交通量信息取得部。
在步骤104中,交通量分析部41判定当前在关注的网格i是否存在降雨。该判定是基于从气象信息中心60取得的气象数据进行判定。在该判定被肯定的情况下转移到步骤106,在被否定的情况下转移到步骤112。
在步骤106中,交通量分析部41判定在当前关注的网格i的交通量是否为阈值以下。在本实施方式中,该判定是判定关注的网格i的交通量是否为0台。在该判定被肯定的情况下转移到步骤108,在被否定的情况下转移到步骤112。
在步骤108中,交通量分析部41判定关注的网格i的通常时的交通量为预先规定的台数以下的概率是否小于预先规定的阈值。在本实施方式中,判定关注的网格i的通常时的交通量为0台的概率是否小于预先规定的阈值。在该判定被肯定的情况下转移到步骤110,在被否定的情况下转移到步骤112。另外,预先规定的阈值可以是固定值。或者,也可以根据时间和星期几中的至少一方来变更阈值。
在步骤110中,水淹判定部43将关注的网格i判定为发生水淹并转移到步骤112。此外,步骤104~110相当于判定部。
在步骤112中,水淹判定部43判定是否针对全部网格结束了上述处理。在该判定被否定的情况下转移到步骤114,在被肯定的情况下结束一系列的处理。
在步骤114中,交通量分析部41将下一个网格i+1作为关注的网格i而变更关注的网格i,并返回到步骤104,重复上述的处理。
通过这样进行处理,在本实施方式中,使用基于从各车辆12收集到的位置信息计算出的交通量和气象数据来判定水淹。因此,能够不在车辆12另行设置水淹传感器而简单地检测水淹。
(第二实施方式)
接着,对第二实施方式所涉及的水淹检测***进行说明。图6是表示第二实施方式所涉及的水淹检测***的概略结构的框图。另外,对于与图1相同的结构标注相同的标号并省略详细的说明。
在第一实施方式中,使用气象数据和根据车辆12的位置信息计算出的交通量来判定道路的水淹。另一方面,在本实施方式中,使用从车辆12收集到的行驶状态数据来进一步判定道路的水淹,根据两个判定结果综合性地判定道路的水淹。
即,本实施方式所涉及的水淹检测***11的水淹判定中心36从搭载于多个车辆12的信息提供装置14收集车辆12的行驶状态数据作为CAN(Controller Area Network:控制器局域网)数据。并且,具有相对于第一实施方式进一步进行使用所收集的CAN数据来判定各车辆12正在行驶的道路的水淹的处理的结构。
在本实施方式中,加速度传感器20、车速传感器24、坡度传感器28、加速踏板传感器30以及制动踏板传感器32的各传感器相当于检测部。并且,对将由这些各传感器检测出的加速度、行驶速度、道路的坡度、加速踏板的踩踏量以及制动踏板的操作状态作为行驶状态数据的一例进行检测的例子进行说明。但是,并不限于此。
运算部16将从各传感器取得的多种行驶状态数据和识别车型的车型ID经由通信部26以及通信网络34发送到水淹判定中心36。
另一方面,水淹判定中心36相对于第一实施方式还具备模型存储部50,并且中央处理部38还具有预测部40、判定部42、模型更新部46以及水淹区域判定部44的功能。
模型存储部50存储车辆行为模型以及针对每种车型所设定的系数表,所述车辆行为模型用于求出由于车辆12行驶而发生变化的物理量(详细情况将在后面叙述)。
另外,数据库52还将从搭载于各车辆12的信息提供装置14取得的行驶状态数据作为CAN数据进行存储。
预测部40读出预先存储在模型存储部50中的车辆行为模型,根据车型ID确定车型,并选择与车型对应的系数来应用于车辆行为模型。由此,导出每种车型的车辆行为模型。然后,通过将CAN数据代入到所导出的车辆行为模型,来计算物理量的预测值。在本实施方式中,应用车速作为预测的物理量,为了求出车速而将与车型对应的预先求出的系数应用到预先导出的车辆行为模型,由此计算出车速的预测值。另外,关于求出车速的车辆行为模型的详细情况将在后面叙述。
判定部42将由预测部40预测出的车速与从信息提供装置14取得的实际的车速进行比较,来判定道路有无水淹。具体而言,通过在预测值与实测值之差为预先规定的阈值以上的情况下判定为发生水淹,由此检测出道路的水淹。例如,如图7所示,在相对于时间经过,实测值和预测值发生了变化的情况下,在实测值与预测值之差为预先规定的阈值以上的状态持续规定时间(例如,5秒以上)的区间中,判定部42判定为错误(水淹)。
模型更新部46使用存储在数据库52中的CAN数据,通过机器学习而导出车辆行为模型的系数。另外,将该系数存储于模型存储部50,并且随时更新模型的系数表。
水淹区域判定部44使用水淹判定部43及判定部42各自的判定结果来判定道路正在水淹的区域。
接着,对求出上述车速的车辆行动模型的一例详细地进行说明。在本实施方式中,使用运动方程式导出用于求出车速作为物理量的车辆行为模型。
首先,运动方程式由以下的式(1)表示。
M×(dv/dt)=F…(1)
另外,M为车辆重量,dv/dt为加速度,F为车辆12向前行进的力。
在此,dv/dt近似地由以下的式(2)表示。
dv/dt=(v(t+Δt)-v(t))/Δt…(2)
另外,v(t+Δt)为Δt秒后的车速(预测出的车速),t为时间,v(t)为当前时刻的车速。
将式(2)代入到式(1)后,得到以下的式(3)。
M×(v(t+Δt)-v(t))/Δt=F…(3)
对v(t+Δt)进行整理后,得到以下的式(4)。
v(t+Δt)=v(t)+(F/M)×Δt…(4)
这里,F项是F=F1(车辆12的驱动力)-F2(车辆12受到的阻力),但在使用CAN数据时,
F1=C1×R…(5)
另外,C1为系数,R为加速踏板踩踏量,是从CAN数据得到的。
F2=空气阻力+坡度阻力+滚动阻力+加速阻力…(6)
空气阻力=C21×v(t)2
坡度阻力=C22×sinθ
滚动阻力=C23×v(t)
加速阻力=C24×a(t)
另外,C21、C22、C23、C24为系数,θ为路面坡度,v(t)为车速,a(t)为加速度,均是从CAN数据得到的。
将式(5)和式(6)代入到式(4),可以得到下述的多重回归式作为车辆行为模型。
v(t+Δt)=v(t)+{C1×R-(C21×v(t)2+C22×sinθ+C23×v(t)+C24×a(t))}×(Δt/M)…(7)
各系数利用从多个车辆12收集并存储在CAN数据库中的大量CAN数据,通过多重回归分析的学习模型而求出,并作为系数表存储于模型存储部50。另外,每当新取得CAN数据时,就更新存储在模型存储部50中的系数。另外,由于系数按每种车型而不同,所以针对每种车型求出系数并进行更新。例如,如图8所示,存储于模型存储部50的系数将车型和模型的系数对应起来存储为表。
接着,对在如上述那样构成的本实施方式所涉及的水淹检测***11中,在水淹判定中心36中由中央处理部38导出车辆行为模型时的处理进行说明。图9是表示在本实施方式所涉及的水淹检测***11的水淹判定中心36中,在通过机器学习而导出车辆行为模型时由中央处理部38进行的处理的流程的一例的流程图。另外,图9的处理在导出车辆行为模型的初始的系数时进行,并且在每次将CAN数据收集到数据库52时进行。
在步骤200中,模型更新部46取得经由中央通信部48收集到数据库52中的作为行驶状态数据的CAN数据,并转移到步骤202。另外,步骤200相当于取得部。
在步骤202中,模型更新部46进行所取得的CAN数据的预处理,并转移到步骤204。作为预处理,例如按照日期时间以及每种车型对CAN数据进行排序,并按照每个时间和每种车型对CAN数据进行分类。另外,也可以针对每个CAN数据,将时间统一而对数据的缺损进行插补等处理。
在步骤204中,模型更新部46决定模型式,并将其存储到模型存储部50,结束一系列的处理。即,使用CAN数据,通过机器学习而导出作为上述车辆行为模型的多重回归式的各系数,并将其存储于模型存储部50。在已存储了各系数的情况下,更新各系数。另外,步骤204相当于导出部。
接着,对在水淹判定中心36中由中央处理部38基于来自各车辆12的CAN数据判定水淹时进行的处理进行说明。图10是表示在本实施方式所涉及的水淹检测***10的水淹判定中心36中,在判定水淹时由中央处理部38进行的处理的流程的一例的流程图。另外,图10的处理例如在每次从各车辆12的信息提供装置14取得CAN数据时,或者在每次取得预先规定的量的CAN数据时开始。
在步骤300中,中央处理部38经由中央通信部48及通信网络34从信息提供装置14取得CAN数据,并转移到步骤302。另外,步骤300相当于取得部,以后的步骤302~310的处理相当于检测部。
在步骤302中,预测部40使用所取得的CAN数据和车辆行为模型来计算车速的预测值,并转移到步骤304。即,读出存储在模型存储部50中的车辆行为模型,根据车型ID确定车型,并选择与车型对应的系数来应用于车辆行为模型。然后,通过将所取得的CAN数据代入到车辆行为模型,来计算车速的预测值。
在步骤304中,判定部42将车速的预测值与从信息提供装置14取得的实际的CAN数据的车速的实测值进行比较,并转移到步骤306。
在步骤306中,判定部42判定预测值与实测值之差是否为预先规定的阈值以上。在该判定被否定的情况下转移到步骤308,在被肯定的情况下转移到步骤310。
在步骤308中,判定部42判定为取得了CAN数据的车辆12行驶的道路是没有发生水淹的非水淹,并结束一系列的处理。
另一方面,在步骤310中,判定部42判定为取得了CAN数据的车辆12行驶的道路正在水淹,并结束一系列的处理。
接着,对在本实施方式所涉及的水淹检测***11中,在水淹判定中心36中由中央处理部38综合性地判定道路的水淹的处理进行说明。图11是表示在本实施方式所涉及的水淹检测***11中,在水淹判定中心36中由中央处理部38综合性地判定道路的水淹的处理的流程的一例的流程图。
在步骤400中,水淹区域判定部44取得水淹判定部43的判定结果,并转移到步骤402。即,取得利用基于气象数据和车辆12的位置信息计算出的交通量判定出的水淹的判定结果。
在步骤402中,水淹区域判定部44取得判定部42的判定结果,并转移到步骤404。即,取得利用从车辆12收集到的行驶状态数据判定出的水淹的判定结果。
在步骤404中,水淹区域判定部44基于两者的判定结果来判定水淹区域,并转移到步骤406。这里,对基于两者的判定结果的水淹区域的判定方法的具体例进行说明。
首先,作为第一判定方法,以针对每种车型收集位置信息、CAN数据并进行数据库化和分析为前提。然后,针对每种车型、每个车辆的大小等,分开进行利用水淹判定部43的判定和利用判定部42的判定,并组合两者的结果来判定水淹区域。具体而言,在由水淹判定部43进行的通行量判定中,限定为大型车辆来进行判定。例如,该网格中,在通常时卡车等大型车辆的通行量应该多,但在当前时刻,大型车辆为0台,因此判定为存在水淹的可能性。另一方面,在由判定部42进行的使用了CAN数据的水淹判定中,限定为易于受到水淹的影响的小型车辆来进行判定。例如,在网格i中判定为在当前时刻水淹的可能性较高。然后,通过组合两者的判定结果来提取水淹区域的网格,由此判定水淹区域。
作为第二判定方法,在由水淹判定部43进行的通行量判定中,判定为阈值以下的台数。例如,该网格中,在通常时通行量应该非常多,但在当前时刻由于相当少,因此判定为存在水淹的可能性。进一步地,在该少量的车辆中利用判定部42进行使用了CAN数据的水淹判定。例如,在网格i中判定为在当前时刻水淹的可能性较高。由此,组合两者的判定结果来判定水淹区域。
作为第三判定方法,在由水淹判定部43进行的通行量判定中,进行水淹判定。例如,网格i中,判定为存在水淹的可能性。另一方面,在由判定部42进行的使用了CAN数据的水淹判定中,在得到了该网格i的周边网格的水淹判定结果的情况下,例如在包围网格i的网格a~h中判定为在当前时刻水淹的可能性较高的情况下,判定为网格i也为水淹,由此组合两者的判定结果来判定水淹区域。
在步骤406中,水淹区域判定部44分发表示判定出的水淹区域的水淹区域信息,并结束一系列的处理。例如,经由中央通信部48对与通信网络34连接的信息提供装置14分发水淹区域信息。由此,在搭载有各信息提供装置14的车辆12中,可知水淹区域。因此,能够选择不通过水淹区域的路线。例如,在由导航装置进行了通过水淹区域的路线引导的情况下,能够重新规划避开水淹区域的路线。或者,也可以向需要水淹区域信息的天气预报公司等进行分发来获得回报。
另外,在第二实施方式中,对按照每种车型使用车辆行为模型的例子进行了说明。然而,并不限于此。例如,在通常时交通量少的地区,也可以使用不是按照每种车型而是从全部车型收集到的CAN数据来导出车辆行为模型,并进行水淹判定。
另外,在第二实施方式中,说明了在水淹判定中心36侧进行水淹判定的例子。然而,并不限于此。例如,水淹判定也可以在搭载于各车辆12的信息提供装置14侧进行。图12是表示在搭载于各车辆12的信息提供装置14侧进行水淹判定的情况下的水淹检测***11的结构例的框图。在该情况下,如图12所示,使信息提供装置14具有预测部40、判定部42以及模型存储部50的功能。即,预先导出与搭载信息提供装置14的车辆12的车型相应的车辆行为模型并将其存储于模型存储部50。或者,采用如下结构:预先导出每种车型的多个车辆行为模型并进行存储,在使用时选择与本车辆12对应的车辆行为模型。然后,信息提供装置14的运算部16执行图10的处理。由此,能够由预测部40计算出预测值,并与上述实施例同样地进行利用判定部42的水淹判定。另外,在综合性地判定道路的水淹时,水淹判定中心36的中央处理部38从各车辆12收集判定部42的水淹的判定结果,并进行图11的处理。由此,水淹判定中心36能够使用两个判定结果来综合性地判定道路的水淹。另外,在搭载于各车辆12的信息提供装置14侧进行水淹判定的情况下,将图10的处理适当转换为运算部16进行的处理。另外,该情况下的运算部16执行的步骤300的处理相当于取得部,步骤302~310的处理相当于检测部。
另外,在上述实施方式中,说明了使用多重回归式作为车辆行为模型的例子。但是,车辆行为模型并不限定于利用多重回归式的机器学习。例如,如图13所示,车辆行为模型可以应用各种预测模型,该各种预测模型将CAN数据(加速踏板踩踏量R、车速v(t)、路面坡度θ、加速度dv/dt等)用于预测式的说明变量的各项而求出Δt秒后的预测值v(t+Δt)。作为多重回归分析以外的预测模型的一例,可以应用神经网络、支持向量回归(SVR:Support Vector Regression)等各种机器学习模型。
另外,在第二实施方式中,使用了求出车速作为物理量的车辆行为模型。但是,物理量并不限于此。例如,也可以使用求出加速度、加速度的变化率等其他物理量的车辆行为模型。
另外,在第二实施方式中,将空气阻力、坡度阻力、滚动阻力以及加速阻力作为车辆12受到的阻力F2,导出车辆行为模型。但是,车辆12受到的阻力F2并不限定于此。例如,由于加速阻力比其他阻力小,因此也可以省略加速阻力。
另外,在上述的各实施方式中,从气象信息中心60取得降雨数据来检测降雨时或降雨后。然而,并不限于此。例如,在各车辆12搭载有雨滴传感器的情况下,可以采用从各车辆12取得由雨滴传感器检测出的有无降雨的信息作为气象信息,来检测降雨时或降雨后的方式。
另外,由上述各实施方式中的水淹检测***10的各部分所进行的处理作为通过执行程序而进行的软件处理进行了说明。然而,并不限于此。例如,也可以为由硬件进行的处理。或者,也可以是组合了软件和硬件这两者的处理。另外,在为软件的处理的情况下,可以将程序存储于各种存储介质而进行流通。
而且,本公开并不限定于上述,除了上述以外,当然也可以在不脱离其主旨的范围内进行各种变形来实施。
Claims (8)
1.一种水淹检测装置,包括:
气象信息取得部,取得气象信息;
交通量信息取得部,取得表示车辆的交通量的交通量信息;及
判定部,基于由所述气象信息取得部取得的所述气象信息以及由所述交通量信息取得部取得的所述交通量信息,将如下区域判定为发生水淹:降雨时或降雨后车辆的交通量为预先规定的台数以下,且在将降雨量小于预先规定的值的状态设为通常时所述通常时的车辆的交通量为预先规定的台数以下的概率低于预先规定的阈值的区域。
2.根据权利要求1所述的水淹检测装置,其中,
所述交通量信息取得部从车辆取得位置信息和日期时间信息作为所述交通量信息。
3.根据权利要求1所述的水淹检测装置,其中,
所述交通量信息取得部取得由设置于路侧的路侧装置检测出的所述交通量信息。
4.根据权利要求1至3中任一项所述的水淹检测装置,其中,
所述水淹检测装置还包括:
取得部,取得车型信息和与车辆的行驶有关的多种行驶状态数据;
检测部,使用基于用于求出因车辆行驶而变化的物理量的车辆行为模型和所述取得部取得的当前的所述多种行驶状态数据而预测出的所述物理量、以及根据所述取得部取得的当前的所述行驶状态数据而得到的所述物理量,来检测车辆行驶的道路的水淹;及
水淹区域判定部,使用所述判定部的判定结果和所述检测部的检测结果来判定水淹区域。
5.根据权利要求1至3中任一项所述的水淹检测装置,其中,
所述水淹检测装置还包括:
取得部,从多个车辆取得车型信息和与行驶有关的多种行驶状态数据;
导出部,使用从多个车辆预先取得的所述多种行驶状态数据和预先规定的学习模型来导出车辆行为模型,所述车辆行为模型用于求出因车辆行驶而变化的物理量;
检测部,使用通过利用所述导出部导出的所述车辆行为模型和所述取得部从预先规定的关注车辆取得的当前的所述多种行驶状态数据而预测出的所述物理量、以及根据所述取得部从所述关注车辆取得的所述行驶状态数据而得到的所述物理量,来检测所述关注车辆行驶的道路的水淹;及
水淹区域判定部,使用所述判定部的判定结果和所述检测部的检测结果来判定水淹区域。
6.一种水淹检测***,包括:
交通量检测部,检测车辆的交通量;
交通量信息取得部,取得表示所述交通量检测部检测出的交通量的交通量信息;
气象信息取得部,取得气象信息;及
判定部,基于由所述气象信息取得部取得的所述气象信息以及由所述交通量信息取得部取得的所述交通量信息,将如下区域判定为发生水淹:降雨时或降雨后车辆的交通量为预先规定的台数以下,且在将降雨量小于预先规定的值的状态设为通常时所述通常时的车辆的交通量为预先规定的台数以下的概率低于预先规定的阈值的区域。
7.一种水淹检测***,包括:
交通量检测部,检测车辆的交通量;
交通量信息取得部,取得表示所述交通量检测部检测出的交通量的交通量信息;
气象信息取得部,取得气象信息;
判定部,基于由所述气象信息取得部取得的所述气象信息以及由所述交通量信息取得部取得的所述交通量信息,将如下区域判定为发生水淹:降雨时或降雨后车辆的交通量为预先规定的台数以下,且在将降雨量小于预先规定的值的状态设为通常时所述通常时的车辆的交通量为预先规定的台数以下的概率低于预先规定的阈值的区域;
检测部,检测与车辆的行驶有关的多种行驶状态数据;
取得部,从多个车辆取得车型信息和所述检测部检测出的所述多种行驶状态数据;
导出部,使用所述取得部从多个车辆预先取得的所述多种行驶状态数据和预先规定的学习模型来导出车辆行为模型,所述车辆行为模型用于求出因车辆行驶而变化的物理量;
检测部,使用通过利用所述导出部导出的所述车辆行为模型和所述取得部从预先规定的关注车辆取得的当前的所述多种行驶状态数据而预测出的所述物理量、以及根据所述取得部从所述关注车辆取得的当前的所述行驶状态数据而得到的所述物理量,来检测所述关注车辆行驶的道路的水淹;及
水淹区域判定部,使用所述判定部的判定结果和所述检测部的检测结果来判定水淹区域。
8.一种计算机可读存储介质,存储用于使计算机作为权利要求1至5中任一项所述的水淹检测装置的各部分而发挥功能的水淹检测程序。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019-193790 | 2019-10-24 | ||
JP2019193790A JP7238729B2 (ja) | 2019-10-24 | 2019-10-24 | 冠水検知装置、冠水検知システム、及び冠水検知プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112712693A true CN112712693A (zh) | 2021-04-27 |
CN112712693B CN112712693B (zh) | 2022-07-29 |
Family
ID=75542707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011101895.XA Active CN112712693B (zh) | 2019-10-24 | 2020-10-15 | 水淹检测装置、水淹检测***以及计算机可读存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11385381B2 (zh) |
JP (1) | JP7238729B2 (zh) |
CN (1) | CN112712693B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7406964B2 (ja) * | 2019-11-27 | 2023-12-28 | 株式会社アイシン | 路面冠水推定装置 |
KR20220140813A (ko) * | 2020-02-25 | 2022-10-18 | 후아웨이 테크놀러지 컴퍼니 리미티드 | 특수 도로 상태들을 식별하기 위한 방법 및 장치, 전자 디바이스, 및 저장 매체 |
JP2022175501A (ja) * | 2021-05-13 | 2022-11-25 | 株式会社アイシン | 車両制御装置および車両制御システム |
CN113888039B (zh) * | 2021-10-29 | 2022-07-15 | 江苏天汇空间信息研究院有限公司 | 基于大数据的智慧水务综合信息管理***和方法 |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002148184A (ja) * | 2000-11-08 | 2002-05-22 | Toshiba Corp | 路面状態検出装置および交通流検出装置 |
JP2004030450A (ja) * | 2002-06-27 | 2004-01-29 | Kobe Steel Ltd | 交通情報案内装置、交通情報案内方法及びそのシステム |
JP2004341795A (ja) * | 2003-05-15 | 2004-12-02 | Toyota Motor Corp | 道路交通情報システム、冠水検知器およびナビゲーションシステム、ならびに車両 |
CN1616943A (zh) * | 2003-11-11 | 2005-05-18 | 欧姆龙株式会社 | 驱动装置 |
US20110043377A1 (en) * | 2009-08-24 | 2011-02-24 | Navteq North America, Llc | Providing Driving Condition Alerts Using Road Attribute Data |
JP2011128789A (ja) * | 2009-12-16 | 2011-06-30 | Toyota Mapmaster:Kk | 水没危険車輌特定装置及びその方法、並びに水没危険車輌を特定するためのコンピュータプログラム及びそのコンピュータプログラムを記録した記録媒体 |
US20130024100A1 (en) * | 2011-07-19 | 2013-01-24 | King Abdullah University Of Science And Technology | Apparatus, system, and method for roadway monitoring |
JP2013054690A (ja) * | 2011-09-06 | 2013-03-21 | Seiko Epson Corp | 配車管理システム、配車方法、車両運行支援システム、車両運行支援方法、プログラム及び記録媒体 |
JP2013196090A (ja) * | 2012-03-16 | 2013-09-30 | Mitsubishi Electric Corp | 豪雨警報システム |
US20140081573A1 (en) * | 2012-09-20 | 2014-03-20 | Google Inc. | Detecting road weather conditions |
US20150066355A1 (en) * | 2013-08-28 | 2015-03-05 | Hti, Ip, L.L.C. | Traffic score determination |
US9142125B1 (en) * | 2014-05-21 | 2015-09-22 | Sap Se | Traffic prediction using precipitation |
DE102014210103A1 (de) * | 2014-05-27 | 2015-12-03 | Bayerische Motoren Werke Aktiengesellschaft | Detektieren einer Watfahrt eines Fahrzeugs |
US20150360697A1 (en) * | 2014-06-13 | 2015-12-17 | Hyundai Mobis Co., Ltd | System and method for managing dangerous driving index for vehicle |
CN106347256A (zh) * | 2015-07-16 | 2017-01-25 | 丰田自动车株式会社 | 路面水淹推定装置 |
CN108108845A (zh) * | 2017-12-28 | 2018-06-01 | 广西南宁荣威德新能源科技有限公司 | 基于监测汽车尾气排量的城市内涝预测*** |
JP2018109819A (ja) * | 2016-12-28 | 2018-07-12 | 本田技研工業株式会社 | リスク推定システム、およびリスク推定方法 |
WO2018232990A1 (zh) * | 2017-06-19 | 2018-12-27 | 深圳市盛路物联通讯技术有限公司 | 一种智慧城市的告警方法及*** |
CN109961631A (zh) * | 2017-12-22 | 2019-07-02 | 深圳市城市交通规划设计研究中心有限公司 | 道路积水点识别方法及道路积水点识别*** |
CN110322690A (zh) * | 2019-06-17 | 2019-10-11 | 西北工业大学 | 一种下沉路段积水状况监测预警***及其预测预警方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012216103A (ja) | 2011-04-01 | 2012-11-08 | Mitsubishi Motors Corp | 冠水路予測システム |
-
2019
- 2019-10-24 JP JP2019193790A patent/JP7238729B2/ja active Active
-
2020
- 2020-10-14 US US17/070,594 patent/US11385381B2/en active Active
- 2020-10-15 CN CN202011101895.XA patent/CN112712693B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002148184A (ja) * | 2000-11-08 | 2002-05-22 | Toshiba Corp | 路面状態検出装置および交通流検出装置 |
JP2004030450A (ja) * | 2002-06-27 | 2004-01-29 | Kobe Steel Ltd | 交通情報案内装置、交通情報案内方法及びそのシステム |
JP2004341795A (ja) * | 2003-05-15 | 2004-12-02 | Toyota Motor Corp | 道路交通情報システム、冠水検知器およびナビゲーションシステム、ならびに車両 |
CN1616943A (zh) * | 2003-11-11 | 2005-05-18 | 欧姆龙株式会社 | 驱动装置 |
US20110043377A1 (en) * | 2009-08-24 | 2011-02-24 | Navteq North America, Llc | Providing Driving Condition Alerts Using Road Attribute Data |
JP2011128789A (ja) * | 2009-12-16 | 2011-06-30 | Toyota Mapmaster:Kk | 水没危険車輌特定装置及びその方法、並びに水没危険車輌を特定するためのコンピュータプログラム及びそのコンピュータプログラムを記録した記録媒体 |
US20130024100A1 (en) * | 2011-07-19 | 2013-01-24 | King Abdullah University Of Science And Technology | Apparatus, system, and method for roadway monitoring |
JP2013054690A (ja) * | 2011-09-06 | 2013-03-21 | Seiko Epson Corp | 配車管理システム、配車方法、車両運行支援システム、車両運行支援方法、プログラム及び記録媒体 |
JP2013196090A (ja) * | 2012-03-16 | 2013-09-30 | Mitsubishi Electric Corp | 豪雨警報システム |
US20140081573A1 (en) * | 2012-09-20 | 2014-03-20 | Google Inc. | Detecting road weather conditions |
US20150066355A1 (en) * | 2013-08-28 | 2015-03-05 | Hti, Ip, L.L.C. | Traffic score determination |
US9142125B1 (en) * | 2014-05-21 | 2015-09-22 | Sap Se | Traffic prediction using precipitation |
DE102014210103A1 (de) * | 2014-05-27 | 2015-12-03 | Bayerische Motoren Werke Aktiengesellschaft | Detektieren einer Watfahrt eines Fahrzeugs |
US20150360697A1 (en) * | 2014-06-13 | 2015-12-17 | Hyundai Mobis Co., Ltd | System and method for managing dangerous driving index for vehicle |
CN106347256A (zh) * | 2015-07-16 | 2017-01-25 | 丰田自动车株式会社 | 路面水淹推定装置 |
JP2017024460A (ja) * | 2015-07-16 | 2017-02-02 | トヨタ自動車株式会社 | 路面の冠水推定装置 |
JP2018109819A (ja) * | 2016-12-28 | 2018-07-12 | 本田技研工業株式会社 | リスク推定システム、およびリスク推定方法 |
WO2018232990A1 (zh) * | 2017-06-19 | 2018-12-27 | 深圳市盛路物联通讯技术有限公司 | 一种智慧城市的告警方法及*** |
CN109961631A (zh) * | 2017-12-22 | 2019-07-02 | 深圳市城市交通规划设计研究中心有限公司 | 道路积水点识别方法及道路积水点识别*** |
CN108108845A (zh) * | 2017-12-28 | 2018-06-01 | 广西南宁荣威德新能源科技有限公司 | 基于监测汽车尾气排量的城市内涝预测*** |
CN110322690A (zh) * | 2019-06-17 | 2019-10-11 | 西北工业大学 | 一种下沉路段积水状况监测预警***及其预测预警方法 |
Also Published As
Publication number | Publication date |
---|---|
US20210124088A1 (en) | 2021-04-29 |
JP2021068242A (ja) | 2021-04-30 |
CN112712693B (zh) | 2022-07-29 |
JP7238729B2 (ja) | 2023-03-14 |
US11385381B2 (en) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112712693B (zh) | 水淹检测装置、水淹检测***以及计算机可读存储介质 | |
JP6658088B2 (ja) | 情報処理装置、プログラム、及び地図データ更新システム | |
US10417666B2 (en) | Digital signage control device, digital signage control method, and recording medium | |
JP5424754B2 (ja) | リンク旅行時間算出装置及びプログラム | |
JP7200929B2 (ja) | 渋滞推定装置、渋滞推定方法およびそのプログラム | |
CN112509352B (zh) | 水淹检知装置、***及方法以及水淹检知程序存储介质 | |
US20130018578A1 (en) | Navigation Device Having In-Tunnel Position Estimation Function | |
US11453399B2 (en) | Flood sensing device, flood sensing system, and non-transitory computer readable medium | |
CN109872530B (zh) | 一种路况信息的生成方法、车载终端及服务器 | |
JP2015076077A (ja) | 交通量推定システム、端末装置、交通量推定方法および交通量推定プログラム | |
CN113959457A (zh) | 一种自动驾驶车辆的定位方法、装置、车辆和介质 | |
CN111183464B (zh) | 基于车辆轨迹数据估计信号交叉路口的饱和流量的***和方法 | |
CN112389442B (zh) | 水淹检知装置、水淹检知***及计算机可读介质 | |
JP6419260B1 (ja) | 交通情報取得装置、交通情報取得システム、交通情報取得方法、および交通情報取得プログラム | |
JPH09115087A (ja) | 交通所要時間算出装置 | |
CN112389441B (zh) | 水淹检知装置、水淹检知***及计算机可读介质 | |
CN114166234A (zh) | 基于路害度量选择导航路线和路害识别预警的***、方法、装置、处理器及计算机存储介质 | |
JP7526768B2 (ja) | 情報提供装置 | |
EP4398213A1 (en) | System for determining weather conditions in real-time, vehicle comprising a system and method for determining weather conditions | |
WO2019038987A1 (ja) | コンピュータプログラム、走行車線特定装置および走行車線特定システム | |
JP2019064572A (ja) | 車載器、移動体運動制御装置、風情報予測装置、風状況送信方法、移動体運動制御方法、風情報予測方法、風状況送信プログラム、移動体運動制御プログラム、及び風情報予測プログラム | |
US20230025579A1 (en) | High-definition mapping | |
CN118293948A (zh) | 信息处理装置和方法 | |
JP2023050804A (ja) | 路面判定装置、及び、路面判定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |