CN112925045A - 环境预测***和环境预测方法 - Google Patents

环境预测***和环境预测方法 Download PDF

Info

Publication number
CN112925045A
CN112925045A CN202011097495.6A CN202011097495A CN112925045A CN 112925045 A CN112925045 A CN 112925045A CN 202011097495 A CN202011097495 A CN 202011097495A CN 112925045 A CN112925045 A CN 112925045A
Authority
CN
China
Prior art keywords
prediction
data
environment
vehicle
measured
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.)
Pending
Application number
CN202011097495.6A
Other languages
English (en)
Inventor
西山将弘
塚岸健司
兼子贵久
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.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
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 Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of CN112925045A publication Critical patent/CN112925045A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W2001/006—Main server receiving weather information from several sub-stations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/18—Network protocols supporting networked applications, e.g. including control of end-device applications over a network

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种环境预测***和环境预测方法。该环境预测***在作为移动体的多个车辆中获取环境数据，而且记录测定位置数据。预测中心的收集服务器将环境数据与测定位置数据建立对应地对环境数据进行收集。而且，预测中心的预测服务器基于收集到的环境数据进行未来时刻的空间上的环境预测。环境预测的结果能够通过预测中心的分发服务器进行分发。作为环境预测，例如可以列举出天气预测、大气污染物质的分布预测等。

Description

环境预测***和环境预测方法
技术领域
本发明涉及一种进行未来时刻的环境预测的环境预测***和环境预测方法。
背景技术
在人类活动的区域内，通常行驶着许多车辆。
日本特开2002－062368记载了通过从车辆获取刮水器的工作信息来收集车辆所行驶的区域的降雨信息的***。收集到的降雨信息例如利用互联网等进行分发，此外还利用于统计、分析等。
日本特开2015－158451记载了进行车辆周边的气象观测，而且基于观测结果进行将来的时间的天气预测。
再者，各国的气象当局、自治团体、研究机构等在地上设置多个观测点，进行风向、风速、气温、降水量等的自动测定。根据测定得到的数据被利用于掌握包括气象信息的环境信息，还被利用于预测将来的时刻的天气等。
认为在车辆的周围获取到的环境数据会受到车辆的周围的状况等的影响。在忽视该影响的情况下，会在环境预测中掺夹误差。
发明内容
本发明的目的在于进行高精度的环境预测。
本发明的环境预测***具备：收集单元，将在多个移动体测定出的环境数据与所述移动体的测定位置数据建立对应地对所述环境数据进行收集；校正单元，基于所述测定位置数据对测定出的所述环境数据进行校正；以及预测单元，基于校正后的所述环境数据和所述测定位置数据进行未来时刻的空间上的环境预测。
在本发明的一个方案中，所述环境数据通过搭载于所述移动体并对所述移动体的周围的环境进行测定的外部空气温度传感器、湿度传感器、日照传感器、摄像机、雨水传感器、玻璃温度传感器中的至少一个来进行测定。
在本发明的一个方案中，所述环境数据通过搭载于所述移动体并对所述移动体的周围的环境进行测定的烟雾通风传感器、烟传感器、微小粒子状物质传感器中的至少一个来进行测定。
在本发明的一个方案中，所述收集单元对在位于收集对象区域的多个所述移动体中满足收集条件的一部分所述移动体测定出的所述环境数据进行收集。
在本发明的一个方案中，所述环境预测***还具备：分发单元，对所述环境预测的结果进行分发。
在本发明的一个方案中，所述预测单元所进行的所述环境预测是天气预测。
在本发明的一个方案中，所述预测单元所进行的所述环境预测是大气污染物质的分布预测。
本发明的环境预测方法包括：收集步骤，将在多个移动体测定出的环境数据与所述移动体的测定位置数据建立对应地对所述环境数据进行收集；校正步骤，基于所述测定位置数据对测定出的所述环境数据进行校正；以及预测步骤，基于校正后的所述环境数据和所述测定位置数据进行未来时刻的空间上的环境预测。
根据本发明，能够将移动体所获取的环境数据利用于环境预测，谋求提高环境预测的精度。
附图说明
以下，参照附图，对本发明的示例性实施例的特征、优点以及技术和工业意义进行说明，其中，相同的附图标记表示相同的元件，其中：
图1是表示实施方式的环境预测***的概略构成的示意图。
图2是对搭载于车辆的传感器等进行说明的图。
图3是对预测中心的功能构成进行说明的图。
图4是对数据收集进行说明的示意图。
图5是表示在导航***中显示出天气预测的例子的图。
具体实施方式
以下，参照附图对实施方式进行说明。在说明中，为了容易理解，示出了具体的方案，但这些说明是针对实施方式的示例，此外也可以采用各种实施方式。
图1是表示实施方式的环境预测***10的概略构成的图。环境预测***10是进行天气预测(在向第三方播报的情况下，有时也被称为天气预报)、大气污染物质的分布预测等数分钟～10天左右的未来的空间上的环境预测的***。空间上的环境预测并不是指对一个地点或者一个空间的平均环境进行预测，而是指对如一维空间(例如沿着纬度线)、二维空间(例如沿着地表的某个面)或三维空间(例如高程不同的两个以上的水平面)这样的具有空间延展性的环境进行预测。环境预测***10包含车辆12、14、预测中心50以及智能手机100。
虽然图1中仅图示了两台车辆12、14，但是在人类活动的区域内，通常处于行驶着许多车辆的状态。在图1中，车辆12在晴天的区域内行驶，车辆14在雨天的区域内行驶。如下文所述的那样，车辆12、14搭载有多个传感器，通过传感器获取环境数据并将其发送至预测中心50。在此，环境数据是指，表示车辆的周围的环境的数据。环境数据包括：晴、多云、雨、雪等表示天气的状态的数据；风速、风向、温度、湿度等表示大气的状态的数据；以及日照量、照度等基于太阳的状态的数据。此外，环境数据还包括：云量、降水量、积雪量等与雨雪等关联的数据；以及有害的化学物质浓度等漂浮或含于空气中的大气污染物质的数据。车辆12、14基于环境预测的结果从预测中心50接收分发。
需要说明的是，也可以代替车辆12、14或者与车辆12、14一并地利用飞机、船舶、无人机等其他种类的移动体。在此，移动体是指具备移动机构的装置。例如，车辆12、14是具备包含车轮和驱动发动机或驱动马达的移动机构的移动体，飞机是具备包含喷气发动机和机翼等的移动机构的移动体。
预测中心50被设置于进行环境预测的企业或者公共机构等。预测中心50包括收集服务器60、预测服务器80以及分发服务器90。如下文所述的那样，预测中心50从车辆12、14等收集环境数据等，进行环境预测并分发环境预测结果。
智能手机100是一般的用户所使用的便携式的通信终端。智能手机100能够通过安装应用程序，从预测中心50接收环境预测的分发。
图2是对图1所示的车辆12进行详细说明的图。车辆12具备：GPS 20、时钟22、触摸面板24、外部空气温度传感器26、湿度传感器28、日照传感器30、车外拍摄摄像机32、雨水传感器34、玻璃温度传感器36、烟雾通风传感器38、烟传感器40以及PM2.5传感器42。
其中，GPS 20是全球定位***(Global Positioning System)的简称，是利用人造卫星检测车辆12的位置的传感器。GPS 20所得的检测结果被用作测定位置数据，所述测定位置数据指定在车辆12测定出的环境数据是在哪个位置测定的。由此，能够将环境数据作为位置的函数进行处理，能够利用于空间上的环境预测。此外，通过持续地对行驶中的车辆12的位置进行测定，能够获取车辆12的行驶方向(这是车辆12朝向的角度)、行驶速度、行驶坡度等信息。例如，车辆的行驶方向也被利用于对各种传感器的测定结果进行校正。而且，GPS 20也能够利用于确认车辆12是否存在于对环境数据进行收集的对象区域。
时钟22是显示年月日时的装置。时钟22的输出被用作测定时刻数据，所述测定时刻数据指定在哪个时刻检测了车辆12检测出的环境数据。
触摸面板24是车辆12的驾驶员等能够进行输入操作的显示器。在触摸面板24中，能够调用汽车导航***并进行到目的地的路径的引导显示。此外，在触摸面板24中也能够进行从预测中心50分发的环境预测结果的显示。
外部空气温度传感器26是对车辆12的周边的气温进行测定的传感器。即，外部空气温度传感器26获取作为环境数据中的一种的外部空气的温度数据。作为外部空气温度传感器26，可以使用热敏电阻等。外部空气温度传感器26例如被设置于设于车辆12的前部的前格栅附近。
前格栅附近是不易受到车辆12发出的热的影响的位置。特别是，在车辆12在周围没有其他车辆的状态下以某种程度以上的速度进行行驶的情况下，对没有受到本车和其他车的影响的外部空气的温度进行检测。另一方面，例如，在交通堵塞时，会对受到本车和其他车的发热的影响的温度进行检测。如此，外部空气的温度数据会受到交通条件的影响。作为对外部空气的温度数据造成影响的交通条件的例子，可以列举出：车辆12是否在铺装道路上行驶、车辆12是否在市区内行驶、车辆12以何种程度的速度行驶中或停车中、车辆12的周围是否有其他车辆等。需要说明的是，以下所示的其他传感器的检测结果有时也会受到交通条件的影响。例如能够基于GPS 20的数据并与合适的地图数据等建立对应，由此掌握交通条件。
湿度传感器28是对车辆12的周围的湿度进行测定的传感器。即，湿度传感器28获取作为环境数据中的一种的湿度数据。作为湿度传感器28，例如可以列举出下述传感器：在挡风玻璃附近设置夹着湿敏薄膜的两个电极，通过对电极间的静电容量变化进行测定来对湿度进行检测。
日照传感器30是对日照量进行测定的传感器。即，日照传感器30获取作为环境数据中的一种的日照量数据。作为日照传感器30，例如可以列举出对流过光电二极管的电流变化进行测定的传感器。通过考虑基于上述的GPS 20得到的车辆12的角度和时钟22所示的年月日时的信息的太阳位置，可以根据电流变化获取日照量数据。
车外拍摄摄像机32是以可见光波段进行拍摄来得到车辆的外部的图像的传感器。所拍摄的图像可为静止图像，也可以制成动画而增加信息量。由车外拍摄摄像机32拍摄的图像一般包括环境数据。作为图像所含的环境数据，可以列举出：降水量、风速、风向、路面状况(干燥、冻结等)、积雪量、天气(晴、多云、雨、雪等)、雨云的状态(在哪个位置以何种程度存在等)。能通过解析图像来获取这些环境数据。此外，通过图像的解析，也能够获取与地震、塌方等自然灾害的影响相关的环境数据。需要说明的是，作为车外拍摄摄像机32，也可以使用红外波段、紫外波段的摄像机等来代替可见光波段的摄像机。例如，在使用红外波段的情况下，也可以从所拍摄的图像获取周围的温度数据。
需要说明的是，车外拍摄摄像机32也用于掌握车辆12的周围的交通条件。例如，在车辆12的周围存在许多其他车辆的情况下，车辆12所获取的外部空气的温度数据等可能受到车辆的影响而稍高温化。通过对车外拍摄摄像机32的拍摄图像进行解析，能够判定是否将温度数据用于环境预测或者决定用于环境预测的情况下的校正的程度等。
雨水传感器34是对雨滴量(还有降水量)进行检测的传感器。即，雨水传感器34获取作为环境数据中的一种的雨滴量数据或者降水量数据。雨水传感器34例如可以通过在车内设置对挡风玻璃照射红外光的LED(Light Emitting Diode：发光二极管)和接收其反射光的光电二极管来形成。在挡风玻璃附着有雨滴的情况下，从LED照射的红外光的一部分会穿过雨滴而透射至车外，因此光电二极管的受光量会减少。因此，能够基于该减少量来对雨滴量进行检测。通过将对周围的亮度(照度)进行感测的光传感器嵌入至雨水传感器34，能够进行根据周围照度的变化的雨滴量的校正。雨滴量与降水量相关，通过适当考虑车速等，也能够从雨滴量数据获取降水量数据。
玻璃温度传感器36是通过内置于挡风玻璃的热敏电阻来对挡风玻璃的表面温度进行检测的传感器。挡风玻璃的温度因外部空气温度、日照量、行驶速度、车室内温度等而变化。因此，玻璃温度传感器36包含作为环境数据中的一种的外部空气温度、日照量等数据，通过进行考虑了行驶速度、车室内温度等的校正处理，能够获取外部空气温度、日照量等环境数据。
烟雾通风传感器(Smog ventilation sensor)38是对外部空气所含的碳化氢(HC：Hydro Carbon)、一氧化碳(CO：Carbon monOxide)、氮氧化物(NOx：Nitrogen Oxides)等有害的化学物质进行检测的传感器。即，烟雾通风传感器38获取作为环境数据中的一种的大气污染物质数据。
烟传感器40是对烟进行检测的传感器。烟有时在车内产生，有时也会在车外产生。通过对在车外产生的烟进行检测，能够获取作为环境数据的外部空气中的烟数据。
PM2.5传感器42是微小粒子状物质传感器中的一种，是对大气中的PM2.5，即漂浮于大气中的颗粒中的粒径大致为2.5μm以下的颗粒进行检测的传感器。即，能够通过PM2.5传感器42获取作为环境数据中的一种的PM2.5数据。需要说明的是，也可以使用例如PM10传感器等所检测的粒径不同的微小颗粒状物质传感器来代替PM2.5传感器42。近年来，微小颗粒状物质被识别为是会对健康造成不良影响的大气污染物质。
以上所示的各传感器是为了使车辆12进行通常的行驶或者进行舒适的行驶而设置的。因此，无需为了测定环境数据而专门搭载新的传感器。但是，为了测定环境数据，也可以将新的传感器搭载于车辆12。作为一个例子，可以列举出对雪松花粉(cedar pollen)、柏树花粉(cypress pollen)等花粉进行检测的花粉传感器。雪松花粉、柏树花粉等花粉会造就许多花粉过敏患者，可以称为大气污染物质。
车辆12存储这些传感器所获取的环境数据。在存储时，将表示进行测定的位置的测定位置数据与表示进行测定的时刻的测定时刻数据建立对应。然后，从车辆12自发地或者响应于来自预测中心50的请求将所存储的环境数据、测定位置数据以及测定时刻数据发送至预测中心50。发送例如可以使用Wi-Fi(注册商标)等无线通信。
图3是对预测中心50的功能的详情进行说明的框图。预测中心50包含收集服务器60、预测服务器80以及分发服务器90。收集服务器60、预测服务器80、分发服务器90是通过利用OS(Operating System：操作***)、应用程序等软件对具备存储器、处理器等的电脑硬件进行控制而构建出的装置。
收集服务器60是收集单元的一个例子，在应用程序的控制下，构建有收集条件设定部62、数据接收部64、图像解析部66、数据校正部68以及数据存储部70。
收集条件设定部62用于对收集环境数据的对象设定条件。收集条件的设定可以由管理者进行，也可以基于程序自动进行。作为收集条件的例子，可以列举出：收集对象的区域的设定、对于区域内成为收集对象的车辆12、14的设定(台数、车型、行驶速度等)、所收集的环境数据的种类、测定时刻等的设定。也可以将上述的交通条件设定为收集条件。
数据接收部64按照收集条件设定部62所设定的收集条件从车辆12、14等获取环境数据以及对应的测定位置数据和测定时刻数据。此外，也可以根据需要获取测定时的行驶速度数据等。需要说明的是，也可以在获取大量环境数据后，按照收集条件选择成为收集对象的环境数据。
在收集到的环境数据中包括车外拍摄摄像机32的图像的情况下，图像解析部66进行图像解析。例如基于学习算法等进行图像解析。能够通过图像解析来掌握车辆12、14的周围的降水量、风速、风向、路面状况、积雪量、天气、雨云的状态等。此外，也掌握车辆12、14的周围的交通条件。
数据校正部68是校正单元的一个例子，对收集到的环境数据进行用于环境预测的校正。可以以各种方式进行校正。数据校正部68可以基于测定位置数据对搜集到的数据进行校正。基于测定位置数据的校正例如包括：根据测定位置数据所示的海拔高度的校正；基于测定位置数据所示的区域的交通量的校正；以及根据测定数据所示的车辆12、14的移动速度的校正等。根据海拔高度的校正是指，考虑温度、气压等值根据海拔高度而发生变化，对环境数据的值进行修正。基于交通量的校正是指，周围的车辆等的影响因市区与郊外或者交通堵塞时与非交通堵塞时而不同，因此对该影响进行校正。例如认为，外部空气温度传感器26所测定的温度有周围存在的车辆越多则越高温化的倾向，因此校正为在周围没有车辆的状态下测定出的温度。
此外，根据移动速度的校正是指，在车辆12、14的传感器输出依赖于速度的值的情况下进行该校正，或者，在周围的车辆等带给车辆12、14的传感器的影响因速度而改变的情况下进行该校正等。例如，在车辆12、14高速行驶的情况下，雨水传感器34要识别的雨滴的数量增加，另一方面，雨滴的蒸发量也会增加。因此，进行根据车辆12、14的速度的校正是有效的。也能在每辆车辆12、14中进行这样的校正，而数据校正部68能通过按照相同的基准进行这样的校正使观测数据的品质提升，谋求提高环境预测的精度。需要说明的是，数据校正部68也可以进行不依赖于测定位置的校正。例如列举出下述处理：对于日照传感器30所获取的日照量数据，基于车辆12、14的角度和太阳位置来调整数值。
数据存储部70将数据校正部68校对过的环境数据与测定位置数据以及测定时刻数据建立对应地对所述环境数据进行存储。
预测服务器80是预测单元的一个例子，进行空间上的环境预测。为了进行环境预测，在预测服务器80设有气象预测数值模型82、输送预测数值模型84、AI型预测数值模型86。此外，预测服务器80被设定为能够从气象当局等的数据保存机构110经由网络获取气象观测数据112和气象预测数据114。一般而言，为了提高环境预测的精度，需要大量数据，不仅利用存储于数据存储部70的环境数据，还利用气象观测数据112或气象预测数据114来进行环境预测。
气象预测数值模型82是使大气力学等的微分方程***离散化，而且使分辨率以下的气象现象参数化而生成的数值模型。例如，在非静力学***的方程式***中，记述有三维的风速、温度、密度、水蒸气量等的时间变化，将云量、降水量、辐射等作为参数而嵌入。作为气象预测数值模型82，准备了进行地球整体的气象预测的全球模型和进行地球上的一部分的地域的气象预测的区域模型。在此，气象预测是环境预测的一种方式，对天气、气温、风向、风速等气象状态进行预测。
在气象预测数值模型82中，在将模型求解为针对初始值的时间积分的情况下，将过去进行时间积分而得到的气象预测数据与新得到的气象观测数据集成，生成某时刻的空间上的初始值。然后，对初始值进行时间积分，由此进行未来时刻的空间上的气象预测。或者，在气象预测数值模型82进行基于变分法的四维同化的情况下，在以与新得到的气象观测数据匹配的方式对模型内保持的变量进行了修正之后进行时间积分。
在气象预测数值模型82中，作为新得到的气象观测数据，利用存储于数据存储部70的空间分布的环境数据，并且使用从数据保存机构110获取的气象观测数据112。从数据保存机构110获取的气象观测数据112包括：地上观测点观测到的温度、风向、风速、雨量、日照量等数据；以及利用人造卫星、气象雷达等得到的数据。此外，在气象预测数值模型82为区域模型的情况下，将数据保存机构110所提供的气象预测数据114用作边界条件。
通过对气象预测数值模型82进行时间积分，进行数分钟至10天左右的气象预测。气象预测数值模型82能够利用从车辆12、14等收集到的详细的环境数据，因此精度提高。
输送预测数值模型84是以大气力学的形式记述了包括NOx等化学物质、花粉等天然物质的各种物质的空间上的输送的数值模型。输送预测数值模型84能够用于作为环境预测的一种方式的大气污染物质的空间上的分布预测。在输送预测数值模型84中，包含产生项(generation term)和消失项(annihilation term)的物质的平流方程式(advectionequation)被离散化。作为进行平流的风速，使用气象预测数值模型82所求出的风速或数据保存机构110的气象预测数据114的风速。
通过使用输送预测数值模型84，例如能够进行PM2.5的将来的空间上的分布预测。即，能够预测在哪个时刻哪个区域成为何种程度的物质浓度。在代入车辆12、14测定出的空间分辨率高的PM2.5的数据的情况下，平流结果也能够以高分辨率体现，因此期待使预测精度提高。
也能用输送预测数值模型84对于利用烟雾通风传感器38测定出的化学物质或者利用烟传感器40测定出的烟等大气污染物质进行空间上的分布预测。
AI型预测数值模型86是基于AI(Artificial Intelligence：人工智能)的预测数值模型。在AI型预测数值模型86中，通过基于使用了深度学习的算法等学习测定数据与预测数据的因果关系，进行将来的时刻的环境预测。
作为利用AI型预测数值模型86的环境预测的例子，考虑数据保存机构110所提供的某时刻的气象观测数据112和基于该气象观测数据112预测出的气象预测数据114。在该情况下，在AI型预测数值模型86中，能够基于某时刻的气象观测数据112和该时刻的存储于数据存储部70的环境数据之差，对将来的气象预测数据114进行修正。
AI型预测数值模型86也能够用于空间上的气象预测和大气污染物质的空间上的分布预测。特别期待AI型预测数值模型86在经验知识容易有效发挥作用的短时间后(例如，5分钟后至3小时后左右)的环境预测中对预测精度提高做出贡献。
需要说明的是，以上说明的气象预测数值模型82、输送预测数值模型84、AI型预测数值模型86是环境预测的执行方式的示例。也可以通过其他各种方式执行环境预测。
分发服务器90是分发单元的一个例子，将预测服务器80做出的预测结果进行分发。在此，分发是指，将信息传递给多个用户。分发服务器90包括强制分发部92、按需(OnDemond)分发部94以及警报分发部96。
强制分发部92进行即使没有用户的要求也强制地分发预测结果的处理。例如，每当得到预测结果，强制分发部92就将预测结果发送至车辆12、14。此外，每当得到预测结果，强制分发部92就将预测结果发送至安装有专门的应用程序的智能手机100。
按需分发部94在有来自终端的要求的情况下分发预测结果。例如，在用户对车辆12、14的触摸面板24进行了特别操作的情况下，按需分发部94进行预测结果的分发。此外，在用户指示智能手机100显示环境预测的情况下，按需分发部94进行预测结果的分发。
警报分发部96在满足预先设定的条件的情况下将警报信息发送至成为对象的用户。例如，在如引发恶劣天气的雷云接近用户的住所这样的情况下，或者，在大量的雪松花粉接近用户的住所等情况下，分发警报信息。
图4是针对收集服务器60对环境数据进行收集的过程进行说明的图。图4示意地图示被收集条件设定部62设定的收集对象区域的一部分。收集对象区域被分割为由A、B、C、D所示的纵向的四列和1、2、3、4所示的横向的四行构成的小区域。例如根据在预测服务器80中进行环境预测的空间分辨率来决定小区域的尺寸。
在图4所示的例子中，假定设定了如下的收集条件：在各小区域中选择一台车辆，并对环境数据进行收集。
在左上的A1的小区域内仅行驶着一台车辆120，车辆120被选择为环境数据的收集对象。在图4中，通过阴影图示出车辆120被选择。假定被选择的车辆120以某种程度的速度(例如时速40km/h)行驶在交通量较少的道路上。因此认为车辆120能够以几乎不会受到周围的车辆的影响的方式获取温度数据等的环境数据。因此，数据校正部68将温度数据存储于数据存储部70而不进行对于温度数据的数据校正。
假定在B1的小区域中，两台车辆122、124以较快的速度(例如60km/h)顺畅地行驶在主干道上。在B1的区域中仅行驶着两台车辆122、124，因此作为其中一台的车辆122被选择为收集对象。主干道的交通量多，周围的车辆的存在可能会影响温度数据等环境数据。但是，假定车辆122以较快的速度行驶且车间距离也以某种程度分离，因此，数据校正部68对温度数据进行轻微的校正或者不进行校正。
假定在A2的小区域内，车辆126较缓慢(例如时速30km/h)地行驶在交通量少的道路上，而且，车辆128、130、132以有点交通堵塞的速度(例如时速15km/h)行驶在主干道上。在交通堵塞的主干道上，温度数据等环境数据容易受到周围的车辆的影响。因此，在A2的小区域内，行驶在交通量少的道路上的车辆126被选择。
另一方面，在B2的小区域内，所有车辆有点交通堵塞地行驶在主干道上，作为其中一台的车辆134被选择。认为车辆134所获取的温度数据因周围的车辆的影响(进而为本车辆的影响)而示出稍高的值。因此，数据校正部68对从车辆134收集到的温度数据进行稍微降低温度的校正处理，将校正后的温度数据存储于数据存储部70。
如此，能够通过考虑行驶速度或者周围的车辆密度等交通条件来对环境数据进行收集，提高环境数据的品质。而且，在从交通条件不同的车辆收集环境数据的情况下，能够通过利用数据校正部68进行校正，谋求环境数据的品质提高。
需要说明的是，在图4的C4的小区域内没有行驶的车辆。例如，也会有在山脉区域、沙漠区域、海上区域等内不存在行驶中的车辆的情况。此外，也可能有下述状态：虽然存在未被启动的车辆(是指发动机或者驱动马达未被启动的状态)，但是不存在行驶中的车辆(换言之，被启动的车辆)。一般而言，未被启动的车辆不会进行利用传感器的环境测定。因此，在这些情况下，不进行来自车辆的环境数据的收集。
除了图4所示的例子以外，也可以设定收集条件。例如考虑在各小区域内选择多台车辆或小区域中的所有车辆来对环境数据进行收集，将平均值或者中位数设为该小区域的环境数据的值。由此，能够忽视小尺度的扰动，另一方面，能够谋求环境数据的均匀化。此外，也考虑优先从行驶在靠近预测服务器80的计算网格的位置的车辆收集环境数据。由此，期待减少计算误差。而且，例如也可以限定于某制造商制造的指定的车型来对环境数据进行收集。由此，能够降低因传感器的不同而导致的环境数据的误差。
接着，参照图5对被分发服务器90分发的环境预测数据的显示例进行说明。图5是表示车辆12的触摸面板24中的显示例的图。
在触摸面板24中，汽车导航***140被启动。而且，驾驶员将自己家选择为出发地(START：起点)，将温泉选择为目的地(GOAL：终点)。其结果是，在汽车导航***140中以双划线显示行驶路径。
汽车导航***140与环境预测***联动。而且，在汽车导航***140中设定有行驶路径的情况下，汽车导航***140委托分发服务器90的按需分发部94进行天气预测的分发。即，将成为行驶路径的各位置和行驶预定时刻传达至按需分发部94，获取对应的气象预测结果。
显示在触摸面板24的下部的小窗口142显示天气预测的分发结果。小窗口142显示行驶在被选择的行驶路径的情况下的行驶预定时间和天气预报的信息。具体而言，从出发地至目的地所需的预定时间显示为4小时。而且，显示为：从出发时至2小时后为晴天，从2小时后至2小时40分钟后左右为多云，从2小时40分钟后左右至3小时15分钟后左右为下雨，从3小时15分钟后至到达再次为晴天。
可以以各种方式进行天气预报的显示。例如，可以代替小窗口142或者与小窗口142一并地在汽车导航***140所示的地图上显示对应于天气预报的颜色。由此，能够在视觉上掌握路径上的哪个位置处于何种天气。
在图5中，小窗口142的右上方也显示有记为“恶劣天气警报”(Bad WeatherAlert)的恶劣天气警报按钮144。恶劣天气警报按钮144是用于事先接收被规定为恶劣天气的现象(例如大雨、雷、***或者降雪)的信息的按钮。
在按下恶劣天气警报按钮144的情况下，汽车导航***140对于分发服务器90的警报分发部96定期地发送车辆12的位置信息和警报分发要求。警报分发部96基于最新的天气预测来掌握预测有恶劣天气的区域。而且，监视车辆12的行驶预定位置是否落入恶劣天气预测区域内，在落入的情况下，将这一情况分发至车辆12。
在接收到恶劣天气警报的分发的情况下，车辆12在触摸面板24内显示预测有恶劣天气的区域和时刻。由此，车辆12可以根据需要来变更行驶路径或者顺路去可以休息的施设等。恶劣天气警报的分发可以在预测到恶劣天气的时间点立即进行，也可以在例如预测有恶劣天气的2小时前或者1小时前等以某种程度证实了会与恶劣天气的遭遇的阶段进行。
图5所示的环境预测的分发并不限定于车辆12，例如，也可以对智能手机100、甚至对PC(Personal Computer：个人电脑)等同样地进行环境预测的分发。
在以上的说明中，收集服务器60的图像解析部66对车辆获取到的环境数据进行解析，数据校正部68进行数据校正等处理。但是，也可以在车辆中进行图像解析和数据校正中的一方或两方的处理。在该情况下，车辆的信息处理增多，另一方面，可能能够减少从车辆向收集服务器60发送的数据量。

Claims (8)

1.一种环境预测***，其特征在于，具备：
收集单元，将在多个移动体测定出的环境数据与所述移动体的测定位置数据建立对应地对所述环境数据进行收集；
校正单元，基于所述测定位置数据对测定出的所述环境数据进行校正；以及
预测单元，基于校正后的所述环境数据和所述测定位置数据进行未来时刻的空间上的环境预测。
2.根据权利要求1所述的环境预测***，其特征在于，
所述环境数据通过搭载于所述移动体并对所述移动体的周围的环境进行测定的外部空气温度传感器、湿度传感器、日照传感器、摄像机、雨水传感器、玻璃温度传感器中的至少一个来进行测定。
3.根据权利要求1所述的环境预测***，其特征在于，
所述环境数据通过搭载于所述移动体并对所述移动体的周围的环境进行测定的烟雾通风传感器、烟传感器、微小粒子状物质传感器中的至少一个来进行测定。
4.根据权利要求1～3中任一项所述的环境预测***，其特征在于，
所述收集单元对在位于收集对象区域的多个所述移动体中满足收集条件的一部分所述移动体测定出的所述环境数据进行收集。
5.根据权利要求1～4中任一项所述的环境预测***，其特征在于，还具备：
分发单元，对所述环境预测的结果进行分发。
6.根据权利要求1～5中任一项所述的环境预测***，其特征在于，
所述预测单元所进行的所述环境预测是天气预测。
7.根据权利要求1～5中任一项所述的环境预测***，其特征在于，
所述预测单元所进行的所述环境预测是大气污染物质的分布预测。
8.一种环境预测方法，其特征在于，包括：
收集步骤，将在多个移动体测定出的环境数据与所述移动体的测定位置数据建立对应地对所述环境数据进行收集；
校正步骤，基于所述测定位置数据对测定出的所述环境数据进行校正；以及
预测步骤，基于校正后的所述环境数据和所述测定位置数据进行未来时刻的空间上的环境预测。
CN202011097495.6A 2019-12-06 2020-10-14 环境预测***和环境预测方法 Pending CN112925045A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019221271A JP7310577B2 (ja) 2019-12-06 2019-12-06 環境予測システム及び環境予測方法
JP2019-221271 2019-12-06

Publications (1)

Publication Number Publication Date
CN112925045A true CN112925045A (zh) 2021-06-08

Family

ID=76162547

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011097495.6A Pending CN112925045A (zh) 2019-12-06 2020-10-14 环境预测***和环境预测方法

Country Status (3)

Country Link
US (1) US20210173118A1 (zh)
JP (1) JP7310577B2 (zh)
CN (1) CN112925045A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115639320A (zh) * 2022-09-30 2023-01-24 阿艾斯泰姆株式会社 利用移动车辆大数据的iot城市环境监测预测***

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11988804B2 (en) * 2021-02-12 2024-05-21 Raytheon Company Rule-based environmental condition impact assessments
CN114330415B (zh) * 2021-11-25 2022-09-30 中国电器科学研究院股份有限公司 一种海洋盐雾近海空间分布预测方法
US11835678B2 (en) * 2021-12-20 2023-12-05 GM Global Technology Operations LLC Weather data with connected vehicles
TWM651615U (zh) * 2022-06-16 2024-02-11 香港商隆博遠蹤有限公司 水產養殖育種預測系統
WO2023248390A1 (ja) * 2022-06-22 2023-12-28 日本電信電話株式会社 全天日射量推定装置、全天日射量学習装置、全天日射量推定方法、及び全天日射量推定プログラム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001042052A (ja) * 1999-07-30 2001-02-16 Weather Information System Co Ltd ダイオキシン類等の化学物質、微粒状降下物等に対する地域環境モニタリングシステム
CN102156309A (zh) * 2004-02-20 2011-08-17 哈曼贝克自动***股份有限公司 提供环境参数数据和确定天气信息的装置和方法
US20120310468A1 (en) * 2011-06-06 2012-12-06 INRO Technologies Limited Method and apparatus for automatically calibrating vehicle parameters
CN108195376A (zh) * 2017-12-13 2018-06-22 天津津航计算技术研究所 小型无人机自主导航定位方法
CN109104703A (zh) * 2017-06-20 2018-12-28 福特全球技术公司 利用无线网络修正环境空气温度测量值的***和方法

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8903950B2 (en) * 2000-05-05 2014-12-02 Citrix Systems, Inc. Personalized content delivery using peer-to-peer precaching
JP4346472B2 (ja) * 2004-02-27 2009-10-21 株式会社ザナヴィ・インフォマティクス 交通情報予測装置
JP4535379B2 (ja) 2005-01-20 2010-09-01 国立大学法人長岡技術科学大学 雪氷水資源の分布型評価方法
US20070030173A1 (en) * 2005-07-12 2007-02-08 Honeywell International Inc. Method and apparatus for high altitude environmental data collection
US7706965B2 (en) 2006-08-18 2010-04-27 Inrix, Inc. Rectifying erroneous road traffic sensor data
US7733264B1 (en) * 2007-09-27 2010-06-08 Rockwell Collins, Inc. System and method for generating weather radar information
JP2012242088A (ja) 2011-05-16 2012-12-10 Nec Casio Mobile Communications Ltd 気象予測システム及び気象予測携帯端末
JP2013054004A (ja) 2011-09-06 2013-03-21 Seiko Epson Corp 気象計測装置の配置方法、気象変動予測情報提供システム、気象変動予測情報提供方法、気象変動予測情報提供プログラム及び記録媒体
JP2014038068A (ja) 2012-08-20 2014-02-27 Ntt Docomo Inc 情報処理装置、情報処理システム及び情報処理方法
IL229068A (en) * 2013-10-24 2016-06-30 Amir Tsaliah Facility and method for rapid parachute deployment
JP2015158451A (ja) 2014-02-25 2015-09-03 株式会社デンソー 気象観測システム
JP2017128239A (ja) 2016-01-21 2017-07-27 株式会社デンソー 制御装置
US10700767B2 (en) * 2016-03-16 2020-06-30 Honeywell International Inc. Requesting weather data based on pre-selected events
JP6757246B2 (ja) 2016-12-28 2020-09-16 本田技研工業株式会社 気象情報処理装置、気象情報処理方法、およびプログラム
CN108932855A (zh) * 2017-05-22 2018-12-04 阿里巴巴集团控股有限公司 道路交通控制***、方法以及电子设备
US11288959B2 (en) * 2017-10-31 2022-03-29 Bosch Automotive Service Solutions Inc. Active lane markers having driver assistance feedback
US10475336B2 (en) * 2017-12-04 2019-11-12 Bluesignal Corporation System for forecasting traffic condition pattern by analysis of traffic data and forecasting method thereof
US10752213B2 (en) * 2019-01-09 2020-08-25 Capital One Services, Llc Detecting an event and automatically obtaining video data
US11087158B2 (en) * 2019-06-10 2021-08-10 Amazon Technologies, Inc. Error correction of airborne vehicles using natural patterns
KR102367744B1 (ko) * 2019-08-30 2022-02-28 엘지전자 주식회사 머신 러닝을 이용한 공기청정기의 필터 수명 예측방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001042052A (ja) * 1999-07-30 2001-02-16 Weather Information System Co Ltd ダイオキシン類等の化学物質、微粒状降下物等に対する地域環境モニタリングシステム
CN102156309A (zh) * 2004-02-20 2011-08-17 哈曼贝克自动***股份有限公司 提供环境参数数据和确定天气信息的装置和方法
US20120310468A1 (en) * 2011-06-06 2012-12-06 INRO Technologies Limited Method and apparatus for automatically calibrating vehicle parameters
CN109104703A (zh) * 2017-06-20 2018-12-28 福特全球技术公司 利用无线网络修正环境空气温度测量值的***和方法
CN108195376A (zh) * 2017-12-13 2018-06-22 天津津航计算技术研究所 小型无人机自主导航定位方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115639320A (zh) * 2022-09-30 2023-01-24 阿艾斯泰姆株式会社 利用移动车辆大数据的iot城市环境监测预测***

Also Published As

Publication number Publication date
JP2021092396A (ja) 2021-06-17
JP7310577B2 (ja) 2023-07-19
US20210173118A1 (en) 2021-06-10

Similar Documents

Publication Publication Date Title
CN112925045A (zh) 环境预测***和环境预测方法
CN109689463B (zh) 路面状态预测***、驾驶支援***、路面状态预测方法以及数据分发方法
US10828959B2 (en) Controlling in-vehicle air quality
US9558408B2 (en) Traffic signal prediction
EP3578924A2 (en) Warning polygons for weather from vehicle sensor data
RU2654502C2 (ru) Система и способ дистанционного наблюдения за транспортными средствами
US11714409B2 (en) Using environmental information to estimate sensor functionality for autonomous vehicles
US20170268896A1 (en) Vehicular communications network and methods of use and manufacture thereof
EP3671550A1 (en) Dynamically loaded neural network models
US20150106010A1 (en) Aerial data for vehicle navigation
CN107406079A (zh) 用于预测车辆的天气性能的***和方法
US20120139755A1 (en) Automatic Detection of Road Conditions
US20120310536A1 (en) Weather information processing device and weather information processing system
JP6664317B2 (ja) 情報処理システム、および情報処理方法
RU2582500C2 (ru) Информация о погодных условиях на основе магнитометров
US11727595B2 (en) Assessing visibility of a target object with autonomous vehicle fleet
US11740358B2 (en) Methods and systems for computer-based determining of presence of objects
WO2008038968A1 (en) Method of providing safety information for vehicles and providing system thereof
US20230148097A1 (en) Adverse environment determination device and adverse environment determination method
CN113191030A (zh) 一种自动驾驶测试场景构建方法及装置
EP3628971A1 (en) A computer-implemented method and a system for determining a route
CN113342701A (zh) 无人驾驶仿真***与被测无人驾驶软件交互的方法及装置
US20220207389A1 (en) Estimation reliability of hazard warning from a sensor
US20220153258A1 (en) Predictive parking due to weather
US20240183683A1 (en) Database generation method, database generation device, non-transitory computer readable storage medium, data analysis method, and data analysis device

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210608

WD01 Invention patent application deemed withdrawn after publication