JP6776373B2 - 逆走ドライバを検出するための方法、装置、およびシステム - Google Patents

Description

逆走ドライバ（「幽霊ドライバ」）は事故発生時には少なくとも著しい物的損害を引き起こす。ナビゲーション機器のみに基づいた検出（道路分類および道路方向）では、多くの場合は手遅れである。すなわち、逆走ドライバは既に（高速走行しており、衝突の確率が高い状態で）誤った車道に入っている。

このような背景に基づいてここで説明するアプローチによって、独立請求項に記載の逆走ドライバを検出するための方法、さらに装置、システム、および最後に、適切なコンピュータプログラムが得られる。従属請求項に記載の措置により、独立請求項に記載の装置の好ましい構成および改良が可能である。

例えば、クラウドに基づいた逆走ドライバ警告は、好ましくは、粒子フィルタを用いて特に用途に適合した検出を行うことよって実現することができる。

逆走ドライバを検出する方法は、
車両が通行可能な道路網の多数の道路要素を示すマップデータを読み取るステップと、
測定された車両の位置データを使用して、粒子フィルタに基づいて複数の粒子を決定するステップであって、１つの粒子が、仮定される車両の位置および仮定される位置に割り当てられた重みを表すステップと、
複数の粒子に基づいて、多数の道路要素から車両の走行に関して少なくとも１つのもっともらしい道路要素を決定するステップと、
少なくとも１つの点検した道路要素を得るために、分類方法を使用して、少なくとも１つのもっともらしい道路要素を、少なくとも１つの点検した道路要素またはもっともらしくない道路要素のいずれかに分類するステップと、
を含む。

車両は路上走行用車両であってもよい。逆走とは、車両が規定された走行方向とは反対に道路を走行することとして理解することができる。マップデータは、さらに車両が通行可能な道路網のパラメータを示すことができる。測定された車両の位置データは、車両内に配置されたセンサを使用して測定された位置を表してもよい。既知の粒子フィルタを使用する方法を使用して複数の粒子を決定することができる。この場合、粒子は仮定される様々な位置を示すことができ、これらの位置は、例えば測定された位置の周辺に配列されている。例えば、既に存在する粒子の重みを変更するために粒子フィルタを使用することができる。もっともらしい道路要素は、粒子データの評価に基づいて車両が位置していると仮定される道路要素として理解することができる。点検された道路要素に車両が実際に位置していることを確認するために、さらに提供されているデータを使用して、もっともらしい道路要素を点検することができる。測定された位置の代わりに点検された道路要素を車両の逆走を検出するために使用することができる。

したがって、方法は、点検した道路要素を使用して逆走信号を決定するステップを含んでいてもよい。この場合、逆走信号は、車両の逆走が生じているか、または生じていないかを示してもよい。例えば、逆走が仮定される場合にのみ逆走信号を供給することもできる。

点検ステップでは、機械学習の分類方法を使用することができる。これにより、好ましくは既知の方法を用いることができる。

点検方法では、測定された車両の移動データおよび道路要素に割り当てられたパラメータを分類方法のために使用することができる。測定された移動データは、センサを使用して測定された車両の移動を表してもよい。このようにして、道路要素が車両によって行われた移動に適合する道路要素であるかどうかを点検することができる。

例えば、移動データは、車両の横方向加速度および／または走行方向を示してもよい。横方向加速度によって、道路要素の道路の延び方が、測定された車両の移動に適合しているかどうかを点検し、走行方向によって、道路要素の走行方向規定が、測定された車両の移動に適合しているかどうかを点検することができる。

したがって、パラメータは、複数の粒子のうちの少なくとも１つの粒子に割り当てられているか、または割り当て可能な、マップデータによって表示された道路要素の湾曲の仕方および／または走行方向規定を示してもよい。

点検ステップでは、マップデータによって表示された道路要素に複数の粒子を割り当てる可能性を分類方法のために使用することができる。このようにして、粒子がもっともらしい道路要素に位置しているか否かの点検を行うことができる。

点検ステップでは、複数の粒子と、測定された位置データが示す測定された車両の位置との間の間隔を分類方法のために使用することができる。このようにして、粒子がもっともらしい道路要素の近くに配置されているか、またはもっともらしい道路要素から離れて配置されているかを点検することができる。

読み取るステップでは、クラウド・コンピューティング、いわゆる「クラウド」のインターフェイスを介して、測定された位置データを読み取ることができる。これにより、クラウドに基づいた解決が可能である。

対応する逆走ドライバ検出装置が、上記方法のステップを対応するユニットで実施するように構成されている。例えば、このような装置は、車両が通行可能な道路網の多数の道路要素を示すマップデータを読み取るように構成されている読取り装置と、測定された車両の位置データを使用して、粒子フィルタに基づいて複数の粒子を決定するように構成された決定装置であって、１つの粒子が仮定された車両の位置および仮定された位置に割り当てられた重みを表す決定装置と、複数の粒子に基づいて、多数の道路要素から車両の走行に関して少なくとも１つのもっともらしい道路要素を決定するように構成された決定装置と、分類方法を使用して少なくとも１つのもっともらしい道路要素を、少なくとも１つの点検した道路要素またはもっともらしくない道路要素のいずれかに分類するように構成された点検装置と、を備えていてもよい。

対応する逆走検出システムは、車両内に配置可能であるか、または配置されており、位置データを送信するように構成された送信機構、および少なくとも１つの送信機構によって送信された位置データを、例えば無線接続を介して受信するように構成された逆走ドライバ検出装置を含む。

別の逆走ドライバ検出システムは、車両内に配置可能であるか、または配置されており、測定された車両の位置を表す位置データを送信するように構成された送信機構、および、車両内に配置可能であるか、または配置されており、ここで説明した逆走ドライバを検出するためのアプローチにしたがって、少なくとも１つの送信機構から送信された位置データを受信するように構成されている装置のデータを受信するように構成された少なくとも１つの受信機構を含む。

上記方法は、例えばソフトウェアもしくはハードウェア、またはソフトウェアとハードウェアとの混合形式で、例えば装置において実施してもよい。

このために、装置は、信号またはデータを処理するための少なくとも１つの計算ユニット、信号またはデータを記憶するための少なくとも１つのメモリユニット、および／または通信プロトコルに埋め込まれたデータを読み取るかまたは出力するための少なくとも１つの通信インターフェイスを備えていてもよい。計算ユニットは、例えば信号プロセッサ、マイクロコントローラなどであってもよく、メモリユニットは、フラッシュメモリ、ＥＰＲＯＭ、または磁気メモリユニットであってもよい。通信インターフェイスは、無線および／または有線でデータを読み取るか、または出力するように構成されていてもよく、有線のデータを読み取るか、または出力することができる通信インターフェイスは、これらのデータを、例えば電気的または光学的にそれぞれのデータ伝送ラインから読み取るか、またはそれぞれのデータ伝送ラインに出力することができる。

本明細書では、装置はセンサ信号を処理し、センサ信号の関数として制御信号および／またはデータ信号を出力する電気機器として理解することができる。この装置は、ハードウェアおよび／またはソフトウェアに関して構成されたインターフェイスを備えていてもよい。ハードウェアに関して構成されている場合、インターフェイスは、例えば、装置の種々異なる機能を含む、いわゆる「システムＡＳＩＣ」の一部であってもよい。しかしながら、インターフェイスは固有の集積回路であるか、または少なくとも部分的に個別の構成部材からなっていることも可能である。ソフトウェアに関して構成されている場合には、インターフェイスは、例えば、他のソフトウェアモジュールと共にマイクロコントローラに設けられているソフトウェアモジュールであってもよい。

機械読取り可能な担体またはメモリ媒体、例えば半導体メモリ、ハードディスクメモリ、または光学メモリなどに保存されていてもよいプログラムコードを備えるコンピュータプログラム製品またはコンピュータプログラムも有利であり、プログラム製品またはプログラムがコンピュータまたは装置で実施された場合に上記いずれかの実施形態にしたがって方法ステップを実施、変更および／または制御するために使用される場合には特に有利である。

ここで説明したアプローチの実施例を図面に示し以下に詳細に説明する。

一実施例による逆走ドライバ検出システムを示す図である。 一実施例による逆走ドライバを検出する方法のフロー図である。 隠れマルコフ連鎖モデルを示す図である。 一実施例による粒子フィルタ処理のフロー図である。 一実施例による逆走ドライバ検出システムを示す図である。 一実施例による車両を示す図である。 一実施例によるプログラムフロー図である。 一実施例による粒子フィルタのプログラムフロー図である。 一実施例による逆走ドライバ検出システムを示す図である。

以下に説明する本発明の好ましい実施例では、異なる図面に示した同様に作用する要素には同様または類似の符号を付し、これらの要素については繰返し説明しない。

図１は、一実施例による逆走ドライバ検出システムを示す。このシステムは、伝送機構１０２を備える車両１００を含み、伝送機構１０２は、車両１００の内部に配置された少なくとも１つのセンサ装置１０４を使用して検出された測定データ１０６を逆走ドライバ検出装置１１０に無線式に送信するように構成されている。装置１１０は、測定データ１０６を処理済データの形に処理し、粒子フィルタを使用して処理済データをさらに加工し、逆走信号１１２を生成し、送信するように構成されている。一実施例によれば、逆走信号１１２は、測定データ１０６を加工した車両１００が実際に逆走を行っていることを示す。この実施例によれば、この車両１００の伝送機構１０２および別の車両１００の伝送機構１０２は、逆走信号１１２を受信し、逆走信号１１２の受信に応答して、それぞれの車両１００，１１４の警告装置を起動するように構成されている。警告装置は、例えばそれぞれの車両１００，１１４のドライバに逆走しないように警告するか、または一実施例によれば、それぞれの車両１００，１１４の、例えばブレーキ装置または操舵装置の少なくとも部分的自動制御に介入する。様々な実施例にしたがって、伝送機構１０２は送信機構としてのみ構成されていてもよいし、または送受信機構として構成されていてもよい。

一実施例によれば、測定データ１０６は、車両１００の位置決定装置を使用して検出された、車両１００の実際の位置を示す位置データを含む。別の一実施例によれば、さらに測定データ１０６は、例えば車両１００の少なくとも１つの加速度センサを使用して検出された移動データ、および車両１００の実際の移動に関する情報、例えば走行方向、縦方向加速度、横方向加速度、または車軸を中心とした車両の回転に関する情報を含む。

一実施例によれば、装置１１０は、車両１００が通行可能な道路網を示すマップデータ１１６を読み取るように構成されている。一実施例によれば、マップデータ１１６は道路網の道路要素に関する情報を含む。一実施例によれば、さらにマップデータ１１６は、それぞれの道路要素に関して、例えばそれぞれの道路要素のための走行方向規定またはそれぞれの道路要素の延び方を定義する少なくとも１つのパラメータを含む。例えば、道路要素が真っ直ぐに延びているか、または曲線を描いているかについてのパラメータが定義されていてもよい。一実施形態によれば、装置１１０は、マップデータ１１６が記憶されているメモリ装置を備える。

一実施例によれば、装置１１０または装置１１０の機能ブロックはクラウド１１８に配置されているか、またはクラウド１１８で実現されている。

一実施例によれば、装置１１０は、点検した道路要素を使用して逆走信号１１２を決定するように構成されている。点検した道路要素は、マップデータに含まれる道路要素（道路区画とも呼ぶ）のうち、車両１００が位置していると仮定される道路要素として理解することができる。この場合、装置１１０は粒子フィルタを使用して、マップデータに含まれる道路要素から、まず少なくとも１つのもっともらしい道路要素を決定し、続いて分類方法を使用して、少なくとも１つのもっともらしい道路要素が、車両が位置している可能性が高い道路要素であると実際に仮定できるかどうかを点検するように構成されている。粒子フィルタによって処理された粒子が、測定信号１０６によって伝送された位置データおよび／または既に存在する粒子を使用して、装置１１０によって決定される。このように分類方法によって、車両が誤った道路要素に割り当てられたことによって逆走ドライバ警告が誤って発信ないこと確保できる付加的な安全装置が得られる。したがって、装置１１０は、点検した道路要素を使用して逆走信号１１２を供給するように構成されていてもよい。

例えばビデオセンサ装置を使用して「進入禁止」標識の通過を検出する方法や、ナビゲーションと共にデジタルマップを使用して、一方向にしか通行可能ではない道路要素における逆走方向を検出する方法などの、逆走ドライバを検出する多様な方法に対して補足的または代替的に上記アプローチを使用することができる。さらに、例えば車道または車道縁部の交通標識などのインフラストラクチャを用いて逆走トライバを検出する無線式の方法を上記アプローチと組み合わせることもできる。

上記アプローチは、逆走ドライバの検出の他に、逆走ドライバに対処する多くの可能性を提供する。ディスプレイまたは音響的な示唆によって逆走ドライバ自身に警告することがこのような可能性の一例である。例えば車両と車両との通信または移動通信によって、逆走ドライバの近隣の他のドライバに警告するためにこの方法を使用してもよい。さらに、道路縁部に設置された道路情報表示装置を介して他の交通利用者に警告を行うことも可能である。逆走している車両１００のエンジン制御部またはブレーキに影響を及ぼすこともできる。

上記アプローチにより、逆走ドライバを検出し、逆走ドライバの近傍の他の交通利用者に早期に警告を行うことが可能であるが、このためには極めて短い時間しか使用できない。

上記アプローチは、クライアント‐サーバ型の解決策によって逆走ドライバ検出（Wrong-Way-Driver-Detection）を行う。自動車に取り付けられているか、もしくは自動車内に設けられ、インターネット接続を有し、少なくとも位置座標へのアクセスを有する機器がクライアントとみなされる。例えば、この場合には伝送機構１０２であってもよい。伝送機構１０２は、例えばスマートフォンであってもよい。伝送機構１０２にはセンサ装置１０４が組み込まれていてもよい。逆走ドライバ特有のサーバ‐クライアント通信が、例示的なクライアントであるスマートフォンとの間で行われる場合もある。スマートフォンは、ゲートウェイ（ＰＤＮ＿ＧＷ）を備える移動通信網によってインターネットに接続されていてもよく、ゲートウェイには、例えばサーバの形式の装置１１０が配置されていてもよい。

クライアント‐サーバ型の解決策を用いて実施可能な逆走ドライバ警告の機能形式に基づいて、ここで説明するアプローチはこの技術のために以下の重要な課題に取り組む。

ａ）フォールスポジティブの低減
走行形式が正しい場合のフォールスポジティブ、すなわち誤検知は、内部警告の場合および／または能動的な介入の場合にできるだけ防止するか、もしくは完全に防止する必要がある。警告概念に応じてＡＳＩＬ‐Ａまでの基準を満たす必要がある。

ｂ）緊急を要する一連の作動の実施
逆走ドライバによって他の交通利用者に及ぼされる危険をできるだけ小さく抑えるためには、介入もしくは警告はできるだけ素早く行うことが望ましい。すなわち、危険な状況を検出してから逆走ドライバを検出し、介入もしくは警告に至るまでの全ての機能の流れをできるだけ短時間に実施することが望ましい。このような機能を包括的に使用する場合には、サーバ、例えば装置１１０の稼働率やこれに伴い要求される性能が極めて重要な役割を果たす。作動時間の他にコスト効率も重要な側面である。

ｃ）通信量、データ効率、および電流消費
特に携帯機器においては、許容できる電池寿命を達成するために通信量および電流消費をできるだけ効率良くする、すなわち少なくする必要がある。移動通信機器電池または他の無線通信ユニットの過負荷をデータ効率のよい通信によって抑制する必要がある。データ量、ひいてはデータ量に伴うコストもできるだけ制限されるべきである。計算能力の理由でサーバ側においても通信効率は最も重要な要素である。

上記アプローチは、特に特定項目、特に（ａ）「フォールスポジティブの低減」および（ｂ）「緊急を要する一連の作動の実施」に影響を及ぼすが、しかしながら、場合によっては、（ｃ）「通信量、データ効率、および電流消費」にも影響を及ぼす。市販のスマートフォンおよびコネクティビティコントロールユニットのセンサ装置に基づいてクラウド１１８で逆走ドライバを検出することは、ささいな企てではない。

図２は、一実施例による逆走を検出する方法のフロー図を示す。この方法は、例えば図１に基づいて説明した逆走検出装置の機構を使用して実施することができる。

方法は、インターフェイスを介してマップデータを読み取るステップ２０１を含む。マップデータは車両が通行可能な道路網を示す。ステップ２０３では、位置データを使用して複数の粒子が決定される。この場合、それぞれの粒子は、車両の仮定されたそれぞれの位置および仮定された位置に割り当てられた重みを表す。一実施例によれば、仮定された位置は測定された位置の周囲に分布する。ステップ２０５では、複数の粒子に基づいて、多数の道路要素の中から車両の走行に関して少なくとも１つのもっともらしい道路要素が決定される。少なくともステップ２０５は粒子フィルタを使用して実施される。例えば、粒子の局所的な分散または粒子の重みに依存して１つの道路要素をもっともらしい道路要素として決定することができる。このために、例えば道路要素に所定量の粒子が位置するか、または道路要素に所定の重みを備える粒子が位置するかを点検することができる。ステップ２０７では、実際に少なくとも１つのもっともらしい道路要素が、車両が位置していることを十分に大きい確実性をもって仮定することができる道路要素であるかどうかが点検される。このために、少なくとも１つのもっともらしい道路要素が分類方法を使用して点検される。一実施例によれば、分類方法によって点検された道路要素は、分類方法によって実施した分類の結果に依存して、点検した道路要素とみなされるか、またはもっともらしくない道路要素として廃棄される。したがって、粒子フィルタを使用してもっともらしい道路要素としてフィルタ処理された道路要素を、分類方法を用いて、点検した道路要素として分類するか、またはもっともらしくない道路要素として分類することができる。

分類方法では、例えば車両の移動データ、およびもっともらしい道路要素に分類されたパラメータを使用することができる。粒子の評価に基づいた値を用いることもできる。評価時には、例えば粒子の局所的な配置および／または重みを考慮してもよい。このような値は、例えばどれだけ多くの粒子をもっともらしい道路要素に割り当てることができるか示すこともできる。もっともらしい道路要素に割り当てられた粒子数が、例えば閾値よりも大きい場合には、もっともらしい道路要素を点検した道路要素として分類することができる。

ステップで、一実施例によれば、さらなるステップにおいて逆走信号が供給される。例えば、車両の実際の走行方向が点検した道路要素の走行方向規定と一致しない場合に逆走信号が供給される。

逆走ドライバを検出するためには、逆走ドライバがどのルートを走行したかは重要ではない。必要な情報は、特に逆走ドライバが現在どこにいるのか、または逆走ドライバが道路を走行方向とは反対に走行しているかどうかである。このことを判定するためには、履歴が必要であるが、しかしながら、履歴は問題提起の一部ではなく、むしろ結果に至る過程である。

このような状況に基づいて、粒子フィルタに基づいた方法を説明する。粒子フィルタは、カルマンフィルタと同様に、隠れマルコフ連鎖特性、すなわち状態が観察されていないマルコフ連鎖によって支配されたシステムで使用することができる。

図３は、時点ｋおよびｋ−１における状態ｘおよび観察ｚを備える隠れマルコフ連鎖モデル３２０を示す。

すなわち、システムの状態を直接に測定することはできないが、しかしながら他の観測に基づいて推定することができる。この場合には、位置、ひいては実際の道路を推定することが重要である。このためには次の方程式を解く必要がある。

次に時点ｋの状態をｘ_ｋによって表し、これよりも前の状態を

によって要約する。ｘと同様に、この慣例は制御変数ｕおよび観測ｕについてもあてはまる。ηは以下では重要ではない正規化係数を表す。この方程式は以下の方程式に簡略化することができる。

この方程式は２つのステップ、すなわち予測ステップ、

および重み付け係数、

で表わされる。

粒子フィルタでは、積分は、数値近似による確率分布

およびモンテカルロ法によって解かれる。この場合ｗ^［ｊ］は、第ｊ粒子の重み／確率を表す。粒子の数量は

によって表される。したがって、それぞれの粒子は重みｗ^［ｊ］および状態ｘ^［ｊ］を有する。

図４は、一実施例による粒子フィルタ処理のフロー図を示す。このために、図４には時点ｋおよびｋ−１における状態ｘおよび観察ｚを備える隠れマルコフ連鎖モデルが示されている。

作業の大部分は問題を最適に表す

および

についての適切な関数を求めることであり、このためには推定されるべき状態ｘを定義することが重要である。

ブロック４０１は粒子フィルタ

を表す。

全ての値ｊ＝１：Ｊが調べられるまでブロック４０３からブロック４０５に進む。

ブロック４０５において、新しい状態、

が計算され、ブロック４０７において、重み、

が計算される。

ブロック４０３において全ての値が調べられた場合には、ブロック４０９に進む。全ての値ｉ＝１：Ｊが調べられるまでブロック４０９からブロック４１１に進む。

ブロック４１１では

にしたがって値が示される。

ブロック４１３では、

にしたがって粒子セットが加算される。

ブロック４０９において全ての値が調べられた場合には、終了Ｘ_ｋを示すブロック４１５に進む。

図５は、一実施例による逆走ドライバ検出システムを示す。このシステムは、例えば図１に基づいて説明した伝送機構の形式の機器１０２、およびこの実施例によればいわゆる「ＷＤＷサーバ」として構成されている逆走ドライバ検出装置１１０を含む。装置１１０は、機器１０２からデータ１０６、例えば図１に基づいて説明した測定データを受信し、データ１０６に基づいて警告１１２を準備し、例えば図１で説明した逆走信号の形式で機器１０２に再び送信するように構成されている。

装置は、前処理機構５３０、粒子フィルタ５３２、および警告モジュール５３４を備える。

クラウドに基づいた逆走ドライバ警告の簡略化されたアーキテクチャには、図５に示すように粒子フィルタ５３２が埋め込まれている。

粒子フィルタ５３２によって、自動車の位置の確率分布を近似で決定することができる。

図６は、車両１００について、図５に示したモデルに基づいて使用できる値を示す。値は、例えば縦軸線ｘ、横軸線ｙ、垂直軸線ｚの方向の状態、ならびに縦軸線を中心としたローリングｐ、横軸線を中心としたピッチングｑ、および垂直軸線を中心としたヨーイングであってもよい。

粒子フィルタを使用したマップ照合に関して、ベイジアンフィルタについて

が成り立つ。この場合、図３を参照して、ｘ_ｋは、例えば地理的な長さ、幅、および高さなどの状態（測定されていない）を表し、ｕ_ｋ＋１は、例えば速度および回転速度に関して自動車１００がどのように移動するかを表し、Ｚ_ｋは、観測できるもの、例えばＧＰＳ信号または車両１００の周辺に関する信号（カメラなど）を表す。

図７は、一実施例によるプログラムフロー図を示す。このフロー図はブロック７０１で始まる。ブロック５３０では、例えば図５に基づいて説明したようにデータ処理が行われる。ブロック７０３では、前の時点の状態があればこの状態が供給される。ブロック７０５では、粒子フィルタとのマップ照合が行われる。ブロック７０７では結果の解釈が行われる。ブロック７０９では逆走が生じているかどうかが点検される。逆走が生じている場合には、ブロック５３４において、例えば図５に基づいて説明したように警告が発信される。逆走が生じていない場合には、プログラムフローはブロック７１１で終了する。

図８は、一実施例による粒子フィルタのプログラムフロー図を示す。ブロック８０１は、粒子フィルタ処理の始まりを示す。ブロック８０３では、例えば図１に基づいて説明したセンサ装置のセンサの不正確さを考慮して粒子の移動が行われる。ブロック８０５では、マップに関するパラメータの検出が行われる。このようなパラメータは、例えば粒子が道路に位置しているかどうか、または道路がどのような名称であるかを示す。このブロック８０７では、新たに粒子の重みの計算が行われる。ブロック８０９では、いわゆる「再サンプリング」が行われ、重要ではない範囲および／または粒子の除去が行われる。ブロック８１１では、個々の粒子の解釈が行われ、ブロック８１３では可能性のある道路のフィードバックが行われる。

粒子フィルタを使用することによって、以下に挙げる側面が改善される。まず、連続的に作動する（リアルタイムで可能な）方法が得られ、道路網における実際の位置がまず検出される。さらに道路網における実際の位置を確実に推定することが可能である。実際の推定に関する不確かさが検出可能である。これにより、潜在的な逆走に関する決定を有意義な程度に信頼性良く遅延することができる。

図９は、一実施例による逆走検出システムを示す。このシステムは、図５に基づいて説明したシステムに対応しており、粒子フィルタ５３２と警告モジュール５３４との間に後処理を実施するための機構９３３が設けられている点が異なる。機構９３３は、ここでは、例えば機械的な学習の分類方法を実施するように構成されている。

一実施例によれば、粒子フィルタ５３２は粒子９４０を処理し、粒子９４０に基づいて、粒子フィルタ５３２によって供給されたデータに基づいて車両が位置していると仮定される少なくとも１つのもっともらしい道路要素９４２を決定するように構成されている。機構９３３は、もっともらしい道路要素９４２が実際に十分に高い確実性をもって車両が位置していると仮定できる道路要素であるかどうかを点検するように構成されている。もっともらしい道路要素９４２が、車両が位置していると仮定することができる道路要素であった場合には、機構９３３は、点検したもっともらしい道路要素９４２を、点検した道路要素９４４として警告モジュール５３４に供給するように構成されている。警告モジュール５３４は、点検した道路要素９４４を使用して逆走信号１１２の形式で警告を発信するように構成されている。

粒子フィルタ５３２の一般的な用途は多様であり、この用途では最適な位置特定精度が求められるのではなく、むしろいずれにしても正しい道路要素、ここでは点検した道路要素９４４が決定されることが求められる。すなわち、逆走が生じていることをセンサデータ１０６が示した場合であっても、実際にも逆走が生じていることを本当に確信できる場合にのみ危険な交通の警告が行われることが望ましい。誤検知率を低減するためには、例えば機械学習分野の分類方法９３３が使用される。したがって、図５に示したシステムの構造は図９に示すように変更されている。

計算した確率に基づいてのみトリガを行うのではなく、機械学習の分類方法９３３によってさらに状況が点検される。

分類方法９３３のための可能なパラメータ（特性）は、これらのパラメータの時間的特性／変化を含めて次の通りである：
粒子が走行方向とは反対に向いている道路と、粒子が走行方向に移動しており、空間的に隣接する道路との間隔
粒子が位置している可能性がある道路の確率
粒子が位置している道路の湾曲とセンサデータ１０６との差
粒子が位置している道路の走行方向規定とセンサデータ１０６もしくは粒子９４０との差
道路に入らないほど極めて多くの粒子が移動される（オフロード確率）
粒子と測定された車両位置（ＧＰＳ）との間の間隔のメジアン／平均値／最小値／最大値が異常に大きい
全てのエラーを評価するために推定された粒子フィルタ５３２の集中度。

分類方法９３３のための可能な方法として、例えば、回帰、Ｋ近傍法、決定木、決定木アンサンブルもしくはランダムフォレスト、サポートベクターマシン（ＳＶＬ）またはニューラルネットワークが提案される。

上記アプローチは、粒子フィルタを用いて、特に用途に適合された検出をクラウドに基づいた逆走ドライバ警告に関連して使用することができる。道路が再び見つかった場合に上記両方の予備プランのための条件およびアプローチは、特に好ましい。

実施例が、第１の特徴と第２の特徴との間に「および／または」の接続詞を含む場合には、この実施例は、ある実施形態では第１の特徴および第２の特徴の両方を備えており、別の実施形態では第１の特徴のみ、または第２の特徴のみを備えていると読み取られるべきである。

Claims (11)

1. 逆走ドライバを検出する方法であって、
   車両（１００）が通行可能な道路網の多数の道路要素を示すマップデータ（１１６）を読み取る第１のステップ（２０１）と、
   測定された車両（１００）の位置データ（１０６）を使用して、粒子フィルタに基づいて複数の粒子（９４０）を決定するステップ（２０３）であって、前記複数の粒子のうちの各粒子が、仮定された車両（１００）の位置および当該仮定された位置に割り当てられた重みを表す第２のステップ（２０３）と、
   前記複数の粒子（９４０）に基づいて、前記マップデータに示される多数の道路要素から車両（１００）の走行に関して少なくとも１つのもっともらしい道路要素（９４２）を決定する第３のステップ（２０５）と、
   分類方法（９３３）を使用して、前記少なくとも１つのもっともらしい道路要素（９４２）を、少なくとも１つの点検した道路要素（９４４）またはもっともらしくない道路要素のいずれかに分類する第４のステップ（２０７）と、
   前記少なくとも１つの点検した道路要素（９４４）を使用して、前記車両（１００）の逆走が生じているか否かを示す逆走信号（１１２）を供給する第５のステップと
   を含み、
   前記第４のステップ（２０７）で、測定された車両（１００）の移動データ（１０７）および道路要素に割り当てられたパラメータを前記分類方法（９３３）のために使用する、逆走ドライバを検出する方法。
2. 請求項１に記載の方法において、
   前記第４のステップ（２０７）で、前記分類方法として機械学習の分類方法（９３３）を使用する方法。
3. 請求項１に記載の方法において、
   前記移動データ（１０７）が、車両（１００）の横方向加速度および／または走行方向を示す方法。
4. 請求項１〜３のいずれか一項に記載の方法において、
   前記パラメータが、前記複数の粒子（９４０）のうちの少なくとも１つの粒子に割り当てられているか、または割り当て可能な、前記マップデータ（１１６）によって表示された道路要素の湾曲の仕方および／または走行方向規定を示す方法。
5. 請求項３または４に記載の方法において、
   前記第４のステップ（２０７）で、前記マップデータ（１１６）によって表示された道路要素に前記複数の粒子（９４０）を割り当てる可能性を前記分類方法（９３３）のために使用する方法。
6. 請求項１〜５のいずれか一項に記載の方法において、
   前記複数の粒子（９４０）と、当該測定された位置データ（１０６）が示す測定された車両（１００）の位置との間の間隔を前記分類方法（９３３）のために使用する方法。
7. 請求項１〜６のいずれか一項に記載の方法において、
   クラウド・コンピューティング（１１８）の通信インターフェイスを介して、当該測定された位置データ（１０６）を読み取るステップを備える方法。
8. 請求項１〜７のいずれか一項に記載の方法のステップを対応するユニットで実施するように構成されている逆走ドライバ検出装置（１１０）。
9. 逆走ドライバ検出システムであって、
   車両（１００）内に配置可能であるか、または配置されており、測定された車両（１００）の位置を表す位置データ（１０６）を送信するように構成された少なくとも１つの送信機構（１０２）と、
   少なくとも１つの送信機構（１０２）から送信された位置データ（１０６）を受信するように構成されている、請求項８に記載の逆走ドライバ検出装置（１１０）と、
   を含む逆走ドライバ検出システム。
10. 請求項１〜７のいずれか一項に記載の方法を実施するように構成されたコンピュータプログラム。
11. 請求項１０に記載のコンピュータプログラムが記憶された機械読取り可能なメモリ媒体。

Images