JP7267874B2 - 交通流推定装置、交通流推定方法、およびプログラム - Google Patents
交通流推定装置、交通流推定方法、およびプログラム Download PDFInfo
- Publication number
- JP7267874B2 JP7267874B2 JP2019154573A JP2019154573A JP7267874B2 JP 7267874 B2 JP7267874 B2 JP 7267874B2 JP 2019154573 A JP2019154573 A JP 2019154573A JP 2019154573 A JP2019154573 A JP 2019154573A JP 7267874 B2 JP7267874 B2 JP 7267874B2
- Authority
- JP
- Japan
- Prior art keywords
- traffic flow
- vehicle
- congestion
- vehicles
- flow estimation
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- 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
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096791—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is another vehicle
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Description
当該交通流推定装置の前方を撮影する撮影部と、
前記撮影された画像に対して画像処理を行う画像処理部と、を更に備え、
前記撮影した画像に含まれている前方車両の数を車両数として検出するようにしてもよい。
また、上述した(2)、(3)によれば、交通流推定に必要な評価指標を適切に算出することができる。
また、上述した(4)によれば、交通流が渋滞開始の状態であると判別した場合に、車間時間を長くする車間時間制御指示を後方の車両に送信することで、渋滞を抑制することができる。
また、上述した(5)によれば、交通流が渋滞臨界の状態であると判別した場合に、車間時間を短くする車間時間制御指示を後方の車両に送信することで、渋滞を抑制することができる。
また、上述した(6)、(7)によれば、交通流が渋滞開始の状態から変化した場合であっても、車間時間を短くするまたは長くする車間時間制御指示を後方の車両に送信することで、渋滞を抑制することができる。
また、上述した(8)~(10)によれば、撮影した画像と学習モデルに基づいて適切に車両数を検出することができる。
図2は、本実施形態に係る交通流推定装置10の構成例を示すブロック図である。図2に示すように、交通流推定装置10は、車両検出部11、交通流推定部12、出力部13、通信部14、および記憶部15を備える。また、車両検出部11は、撮影部111、画像処理部112、および検出部113を備える。交通流推定部12は、時系列取得部121、評価指標算出部122、渋滞状態判定部123、および交通流制御部124を備える。なお、交通流推定装置10は、利用者の操作した操作結果を検出する操作部16を備えていてもよい。
次に、推論モデルデータを説明する。図3は、推論モデルMDLの一例を示す図である。図3に示すように、推論モデルMDLは、画像が入力されると、画像におけるバンディングボックスBBの座標を出力するように学習されたモデルである。
次に、車両検出部11が行う処理を説明する。図4は、本実施形態に係るバンディングボックスBBが抽出された画像の一例を示す図である。符号L1は、自車両20(図1)が走行する自車線を表している。符号L2は、自車線L1の進行方向右側に隣接した隣接車線を表している。符号L3は、自車線L1の進行方向左側に隣接した隣接車線を表している。符号LM1は、自車線L1と右側の隣接車線L2との間を区画する区画線を表している。符号LM2は、自車線L1と左側の隣接車線L3との間を区画する区画線を表している。符号g11は、交通流推定装置10が搭載されている車両20の前方を走行している車両の画像である。
次に、車両の状態を説明する。図6は、走行時間に対する車両検出数を示す図である。図6において符号g101が示す領域の図は、車両の状態が渋滞臨界(F)の走行時間に対する車両検出数を示す図である。符号g102が示す領域の図は、車両の状態が渋滞開始(G)の走行時間に対する車両検出数を示す図である。符号g103が示す領域の図は、車両の状態が渋滞延伸(H)の走行時間に対する車両検出数を示す図である。なお、符号6において、横軸は走行時間[分]であり、縦軸は車両検出数[台]である。また、図6は、シミュレーションした結果である。なお、車両検出数は、バンディングボックスBBの数をカウントした結果である。
符号g102において、走行時間(x)に対する車両検出数(y)に対して一次近似した結果は、y=0.91x+0.4であった。
符号g103において、走行時間(x)に対する車両検出数(y)に対して一次近似した結果は、y=0.41x+2.2であった。
なお、回帰係数は、例えば最小二乗法によって算出するようにしてもよい。
次に、レーンチェンジの影響について検討した検討結果を説明する。
図9の符号g203において、時刻t11~t12の期間は、渋滞予兆期間である。この期間では、後述するように、走行する車両によるレーンチェンジ頻度が高い。
また、符号g203で示した期間は、渋滞が始まり、走行している車両の速度が減速され、その結果レーンチェンジもほとんど発生しなくなる。また、符号g203で示した期間は、車間距離も短くなる。渋滞は徐々に発生、進行し、渋滞発生後は渋滞の長さが伸びていく。
図13は、バンディングボックス面積ゆらぎ角度を説明するための図である。図13において符号g271が示す領域のグラフは、ディープラーニングネットワークから訓練されたバンディングボックス面積の時間変化の例である。符号g271が示す領域のグラフにおいて、横軸は時刻(秒)であり、縦軸はバンディングボックス面積(ピクセル)である。また、符号g272が示すグラフは、バンディングボックス面積の時系列に対するパワースペクトルである。符号g272が示すグラフにおいて、横軸は周波数(Hz)であり、縦軸はパワースペクトル(dB)である。また、符号g273は、回帰直線である。
図14は、1/f角度の時間変化を表す図である。図14において、横軸は時刻(秒)であり、縦軸は1/f角度(度)である。また、符号g281は、回帰直線である。この回帰直線の傾きが、バンディングボックス面積ゆらぎ角度である。
図13のように、シミュレーション結果において、渋滞臨界では、レーンチェンジを減らすために後方の車両の速度を減速させることで、渋滞量(符号g352に示した低速域の車群値)が減少する傾向を示唆する結果を得た。
次に、交通流推定方法の一例を、図14と図15を用いて説明する。
図14は、本実施形態に係る交通流推定方法の一例を示す図である。図14において、横軸は時刻[秒]、縦軸は車両検出数の回帰係数である。
時系列取得部121は、検出部113が検出した車両検出数を時系列で取得する。次に、評価指標算出部122は、取得した車両検出数に対して、第2所定期間T2毎に回帰係数を算出する。次に、評価指標算出部122は、第3所定期間T3毎に回帰係数の平均値を算出する。なお、第3所定期間T3は、例えば第2所定期間T2がn(nは2以上の整数)コマの期間である。
渋滞状態判定部123は、第3所定期間T3毎の回帰係数の平均値が、第4所定期間T4継続してしきい値を超えたか否かを判別する。図15に示す例では、第4所定期間T4は、第3所定期間T3の3つの期間である。
渋滞状態判定部123は、回帰係数の平均値が、第4所定期間T4継続してしきい値を超えた場合、交通流を分類する。具体的には、渋滞状態判定部123は、回帰係数の平均値が、第4所定期間T4継続して第1しきい値を超えた場合、交通流を渋滞開始~渋滞延伸の状態であると判別する。また、渋滞状態判定部123は、回帰係数の平均値が、第4所定期間T4継続して第2しきい値を超えた場合、交通流を渋滞臨界~渋滞開始の状態であると判別する。なお、第1しきい値は、第2しきい値より大きな値である。
次に、交通流推定装置10が行う処理手順例を説明する。図16は、本実施形態に係る交通流推定装置10が行う処理手順例のフローチャートである。
次に、ステップS11(図16)の車両検出処理について、さらに説明する。図17は、本実施形態に係る車両検出処理のフローチャートである。
次に、ステップS12(図16)の交通流推定処理について、さらに説明する。図18は、本実施形態に係る交通流推定処理のフローチャートである。
次に、ステップS13(図16)の走行制御処理について、さらに説明する。図19は、本実施形態に係る走行制御処理のフローチャートである。
次に、車間時間制御指示の送信方法例を説明する。図20は、本実施形態に係る車間時間制御指示の送信方法例を示す図である。車両20は、交通流推定装置10を搭載している車両である。車両30は、車両20の走行方向に対して前方を走行する車両である。車両40は、車両20の走行方向に対して後方を走行する車両である。
また、渋滞臨界後期の状態であると判別された場合、交通流推定装置10は、車間時間もしくは車間距離を長くする指示を含む走行情報を送信する。これにより、本実施形態では、後方の車両の走行を、車間時間もしくは車間距離が長くなるように制御することで、レーンチェンジを抑制しない。
次に、走行制御、報知の他の例を説明する。図21は、本実施形態に係る走行制御、報知の他の例を説明するための図である。図21において、符号g121~g123、g131、g132は、図8と同様である。さらに、符号g601~g604それぞれは、回帰係数と渋滞長との組み合わせである。また、横軸は回帰係数、縦軸は渋滞長[m]である。
符号g601の状態は、渋滞開始状態(g122)から渋滞長に変化無く回帰係数(含む回帰係数の平均値)が増加した状態である。
符号g602の状態は、渋滞開始状態(g122)から渋滞長に変化無く回帰係数(含む回帰係数の平均値)が減少した状態である。
符号g603の状態は、渋滞開始(g122)から渋滞長が伸び、かつ回帰係数(含む回帰係数の平均値)が減少した状態である。
符号g604の状態は、渋滞開始状態(g122)から渋滞長が伸び、かつ回帰係数(含む回帰係数の平均値)が増加した状態である。
符号g602、g604それぞれの状態の場合、交通流推定部12は、後方の車両に対して車間距離を短くさせ、レーンチェンジの実施率を低くするように走行制御することが好ましい。
次に、渋滞臨界を検出した際、後方を走行する車両が減速した場合と減速しなかった場合をシミュレーションした結果を説明する。なお、シミュレーション条件は、交通流推定装置10を搭載する自車両の交通流推定装置10の前方を走行する車両数が所定台以上である。また、後方の車両の速度は70~100(km/h)である。
図22に示すように、車間距離を現在の状態より短くした場合は、速度が50~70(km/h)に検出される車両数の群が形成され、図13の符号g352のような低速域(例えば50(km/h)以下)の車両群が発生していない。すなわち、車間距離を短くした場合は、渋滞が発生していないことを意味している。
図23に示すように、車間距離を現在の状態より短くしなかった場合は、速度が20~80(km/h)に検出される車両数の群が形成され、図13の符号g352のような低速域(例えば50(km/h)以下)の車両群が発生している。すなわち、車間距離を短くしなかった場合は、渋滞が発生していることを意味している。
Claims (11)
- 交通流推定装置であって、
当該交通流推定装置の前方の車両数を検出する車両数検出部と、
前記前方の車両数から交通流を推定する交通流推定部と、を備え、
前記交通流推定部は、
第1の所定期間における前記前方の車両数の時系列を車両数時系列として取得する取得部と、
前記第1の所定期間における車両数時系列の評価指標を算出する評価指標算出部と、
前記評価指標に基づいて前記前方の車両の前記交通流を判定する渋滞状態判定部と、
前記前方の車両の前記交通流に基づいて、当該交通流推定装置の後方の車両に対して走行に関する指示を報知する交通流制御部と、
を備え、
前記評価指標は、前記第1の所定期間より長い第2の所定期間において、時間に対する検出された前記前方の車両数の変化の回帰係数を複数用いて算出される、交通流推定装置。 - 前記評価指標は、
複数の前記回帰係数の平均値として算出される、
請求項1に記載の交通流推定装置。 - 前記交通流推定部は、
前記評価指標が第1しきい値以上の場合に、前記交通流が渋滞開始の状態であると判別すると共に、前記交通流制御部が渋滞抑制関連通知として車間時間を長くする車間時間制御指示を前記後方の車両に送信する、
請求項1または請求項2に記載の交通流推定装置。 - 前記交通流推定部は、
前記評価指標が前記第1しきい値以下である第2しきい値以上の場合に、前記交通流が渋滞臨界の状態であると判別すると共に、前記交通流制御部が渋滞抑制関連通知として車間時間を短くする前記車間時間制御指示を前記後方の車両に送信する、
請求項3に記載の交通流推定装置。 - 前記交通流推定部は、
前記渋滞開始の状態であると判別した後、前記渋滞開始の状態より前記評価指標が減少し且つ前記渋滞開始の状態における渋滞の長さである渋滞長に変化が無い場合、および前記渋滞開始の状態より前記評価指標が増加し且つ前記渋滞開始の状態より前記渋滞長が伸びた場合のうちすくなくとも1つの場合に、車間時間を短くする前記車間時間制御指示を前記後方の車両に送信する、
請求項3に記載の交通流推定装置。 - 前記交通流推定部は、
前記渋滞開始の状態であると判別した後、前記渋滞開始の状態より前記評価指標が増加し且つ前記渋滞開始の状態における渋滞の長さである渋滞長に変化が無い場合、および前記渋滞開始の状態より前記評価指標が減少し且つ前記渋滞開始の状態より渋滞の長さである渋滞長が伸びた場合のうちすくなくとも1つの場合に、車間時間を長くする前記車間時間制御指示を前記後方の車両に送信する、
請求項3に記載の交通流推定装置。 - 前記車両数検出部は、
当該交通流推定装置の前方を撮影する撮影部と、
前記撮影された画像に対して画像処理を行う画像処理部と、を更に備え、
前記撮影した画像に含まれている前方車両の数を車両数として検出する、
請求項1から請求項6のいずれか1項に記載の交通流推定装置。 - 前記車両数検出部は、学習用データセットによって学習した学習モデルを備え、
前記学習モデルは、ニューラルネットワークモデルであり、
前記学習用データセットは、車両が写る画像情報である入力データと、画像情報に写る車両の位置座標である出力データとが対応付けられたものであり、
前記学習モデルは、前方画像を入力することで、前方画像に写る前方車両の位置座標を推定し、
前記車両数検出部は、推定された座標位置に基づいて車両数として検出する、
請求項7に記載の交通流推定装置。 - 前記画像処理部は、前記撮影された画像に対して前記学習モデルを用いて、境界付けられた車両の領域であるバンディングボックスの座標位置を求め、
求めた前記バンディングボックスの座標位置に基づいて、前記車両数を検出する、
請求項8に記載の交通流推定装置。 - 交通流推定装置における交通流推定方法であって、
車両数検出部が、当該交通流推定装置の前方の車両数を検出し、
交通流推定部が、前記前方の車両数から交通流を推定し、
取得部が、第1の所定期間における前記前方の車両数の時系列を車両数時系列として取得し、
評価指標算出部が、前記第1の所定期間における車両数時系列の評価指標を算出し、
渋滞状態判定部が、前記評価指標に基づいて前記前方の車両の渋滞状態を判定し、
交通流制御部が、前記前方の車両の渋滞状態に基づいて、当該交通流推定装置の後方の車両に対して走行に関する指示を報知し、
前記評価指標は、前記第1の所定期間より長い第2の所定期間において、時間に対する検出された前記前方の車両数の変化の回帰係数を複数用いて算出される、
交通流推定方法。 - 交通流推定装置のコンピュータに、
当該交通流推定装置の前方の車両数を検出させ、
前記前方の車両数から交通流を推定させ、
第1の所定期間における前記前方の車両数の時系列を車両数時系列として取得させ、
前記第1の所定期間における車両数時系列の評価指標を算出させ、
前記評価指標に基づいて前記前方の車両の渋滞状態を判定させ、
前記前方の車両の渋滞状態に基づいて、当該交通流推定装置の後方の車両に対して走行に関する指示を報知させ、
前記評価指標は、前記第1の所定期間より長い第2の所定期間において、時間に対する検出された前記前方の車両数の変化の回帰係数を複数用いて算出される、
プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019154573A JP7267874B2 (ja) | 2019-08-27 | 2019-08-27 | 交通流推定装置、交通流推定方法、およびプログラム |
US16/934,064 US11501638B2 (en) | 2019-08-27 | 2020-07-21 | Traffic flow estimation apparatus, traffic flow estimation method, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019154573A JP7267874B2 (ja) | 2019-08-27 | 2019-08-27 | 交通流推定装置、交通流推定方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021033757A JP2021033757A (ja) | 2021-03-01 |
JP7267874B2 true JP7267874B2 (ja) | 2023-05-02 |
Family
ID=74678292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019154573A Active JP7267874B2 (ja) | 2019-08-27 | 2019-08-27 | 交通流推定装置、交通流推定方法、およびプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US11501638B2 (ja) |
JP (1) | JP7267874B2 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112638749B (zh) * | 2018-09-07 | 2023-03-24 | 日产自动车株式会社 | 车辆的行驶控制方法及行驶控制装置 |
KR102155055B1 (ko) * | 2019-10-28 | 2020-09-11 | 라온피플 주식회사 | 강화학습 기반 신호 제어 장치 및 신호 제어 방법 |
US20210256849A1 (en) * | 2020-02-19 | 2021-08-19 | GM Global Technology Operations LLC | Process and system for local traffic approximation through analysis of cloud data |
CN113257002B (zh) * | 2021-05-11 | 2022-03-25 | 青岛海信网络科技股份有限公司 | 一种高峰开始时间预测方法、装置、设备及介质 |
CN113487650B (zh) * | 2021-06-08 | 2023-09-19 | 中移(上海)信息通信科技有限公司 | 一种道路拥堵检测方法、装置及检测设备 |
CN113610059B (zh) * | 2021-09-13 | 2023-12-05 | 北京百度网讯科技有限公司 | 基于区域评估的车辆控制方法、装置和智能交管*** |
CN113990069B (zh) * | 2021-10-28 | 2023-05-16 | 陕西省君凯电子科技有限公司 | 一种基于卫星联动技术的城市交通管理方法及*** |
CN117238139B (zh) * | 2023-10-11 | 2024-05-14 | 安徽省交通控股集团有限公司 | 一种基于气象数据的路况实时预警*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009087249A (ja) | 2007-10-02 | 2009-04-23 | Fujitsu Ten Ltd | 車載用渋滞警報装置 |
JP2009286274A (ja) | 2008-05-29 | 2009-12-10 | Toyota Motor Corp | 車両用運転支援装置 |
JP2012035795A (ja) | 2010-08-09 | 2012-02-23 | Toyota Motor Corp | 車両制御装置、車両制御システムおよび管制装置 |
JP2016021177A (ja) | 2014-07-15 | 2016-02-04 | 富士重工業株式会社 | 車両制御装置 |
JP2016201059A (ja) | 2015-04-14 | 2016-12-01 | 本田技研工業株式会社 | 走行支援方法、プログラム、および走行支援装置 |
JP2018180772A (ja) | 2017-04-07 | 2018-11-15 | トヨタ自動車株式会社 | 物体検出装置 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5699056A (en) * | 1994-12-28 | 1997-12-16 | Omron Corporation | Traffic information system |
JP3435623B2 (ja) * | 1996-05-15 | 2003-08-11 | 株式会社日立製作所 | 交通流監視装置 |
US7983836B2 (en) * | 1997-10-22 | 2011-07-19 | Intelligent Technologies International, Inc. | Vehicle-traffic control device communication techniques |
CN100533482C (zh) * | 1999-11-03 | 2009-08-26 | 特许科技有限公司 | 基于视频的交通监控***的图像处理技术及其方法 |
CA2925145A1 (en) * | 2003-07-07 | 2005-01-13 | Insurance Services Office, Inc. | Traffic information system |
US7580547B2 (en) * | 2006-10-24 | 2009-08-25 | Iteris, Inc. | Electronic traffic monitor |
US20110095906A1 (en) * | 2007-08-29 | 2011-04-28 | Continental Teves Ag & Co. Ohg | Method and device for controlling traffic flow |
CN102077257B (zh) * | 2009-06-04 | 2015-03-04 | 丰田自动车株式会社 | 车载信息处理装置 |
JP5460869B2 (ja) * | 2010-06-29 | 2014-04-02 | 本田技研工業株式会社 | 渋滞予測装置 |
US8930123B2 (en) * | 2010-11-19 | 2015-01-06 | International Business Machines Corporation | Systems and methods for determining traffic intensity using information obtained through crowdsourcing |
TWI452540B (zh) * | 2010-12-09 | 2014-09-11 | Ind Tech Res Inst | 影像式之交通參數偵測系統與方法及電腦程式產品 |
JP5667944B2 (ja) * | 2011-08-11 | 2015-02-12 | 本田技研工業株式会社 | サーバ側渋滞解消走行支援方法 |
EP2760228B1 (en) * | 2011-09-22 | 2018-07-25 | Nec Corporation | In-vehicle device, communication system, communication method |
JP5522193B2 (ja) * | 2012-04-24 | 2014-06-18 | トヨタ自動車株式会社 | 先行車特定装置 |
US8892343B2 (en) * | 2012-07-31 | 2014-11-18 | Hewlett-Packard Development Company, L.P. | Determining a spatiotemporal impact of a planned event on traffic |
US10540891B2 (en) * | 2015-08-27 | 2020-01-21 | Nec Corporation | Traffic-congestion prevention system, traffic-congestion prevention method, and recording medium |
DE102015217793A1 (de) * | 2015-09-17 | 2017-03-23 | Volkswagen Aktiengesellschaft | Vorrichtung, Verfahren und Computerprogramm zum Bereitstellen von Stauinformation über eine Fahrzeug-zu-Fahrzeug-Schnittstelle |
US10042055B2 (en) * | 2016-04-20 | 2018-08-07 | Here Global B.V. | Traffic volume estimation |
US10692367B2 (en) * | 2016-12-19 | 2020-06-23 | ThruGreen, LLC | Connected and adaptive vehicle traffic management system with digital prioritization |
US10614326B2 (en) * | 2017-03-06 | 2020-04-07 | Honda Motor Co., Ltd. | System and method for vehicle control based on object and color detection |
WO2020027864A1 (en) * | 2018-07-31 | 2020-02-06 | Didi Research America, Llc | System and method for point-to-point traffic prediction |
JP6859374B2 (ja) * | 2019-01-11 | 2021-04-14 | 本田技研工業株式会社 | 予測装置、予測方法、およびプログラム |
WO2021174118A1 (en) * | 2020-02-26 | 2021-09-02 | Nvidia Corporation | Object detection using image alignment for autonomous machine applications |
-
2019
- 2019-08-27 JP JP2019154573A patent/JP7267874B2/ja active Active
-
2020
- 2020-07-21 US US16/934,064 patent/US11501638B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009087249A (ja) | 2007-10-02 | 2009-04-23 | Fujitsu Ten Ltd | 車載用渋滞警報装置 |
JP2009286274A (ja) | 2008-05-29 | 2009-12-10 | Toyota Motor Corp | 車両用運転支援装置 |
JP2012035795A (ja) | 2010-08-09 | 2012-02-23 | Toyota Motor Corp | 車両制御装置、車両制御システムおよび管制装置 |
JP2016021177A (ja) | 2014-07-15 | 2016-02-04 | 富士重工業株式会社 | 車両制御装置 |
JP2016201059A (ja) | 2015-04-14 | 2016-12-01 | 本田技研工業株式会社 | 走行支援方法、プログラム、および走行支援装置 |
JP2018180772A (ja) | 2017-04-07 | 2018-11-15 | トヨタ自動車株式会社 | 物体検出装置 |
Also Published As
Publication number | Publication date |
---|---|
US20210065541A1 (en) | 2021-03-04 |
US11501638B2 (en) | 2022-11-15 |
JP2021033757A (ja) | 2021-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7267874B2 (ja) | 交通流推定装置、交通流推定方法、およびプログラム | |
US11815892B2 (en) | Agent prioritization for autonomous vehicles | |
JP6742802B2 (ja) | 対象物体の将来状態を計算により予測する方法の性能を向上するための方法、運転者支援システム、そのような運転者支援システムを備える車両、並びに対応するプログラムの記憶媒体及びプログラム | |
CN110027553B (zh) | 一种基于深度强化学习的防碰撞控制方法 | |
WO2019085904A1 (zh) | 一种基于蜂窝网络的辅助驾驶方法及交通控制单元 | |
US8788134B1 (en) | Autonomous driving merge management system | |
JP6375221B2 (ja) | 対象とする交通物体の移動挙動を予測するための方法及びシステム | |
JP5938569B2 (ja) | 方位情報を考慮する高度運転者支援システム、及びその動作方法 | |
Chang et al. | Onboard measurement and warning module for irregular vehicle behavior | |
WO2019106789A1 (ja) | 処理装置及び処理方法 | |
JP6418574B2 (ja) | 危険度推定装置、危険度推定方法及び危険度推定用コンピュータプログラム | |
JP6859374B2 (ja) | 予測装置、予測方法、およびプログラム | |
Shimosaka et al. | Modeling risk anticipation and defensive driving on residential roads with inverse reinforcement learning | |
KR102195317B1 (ko) | 비디오 게임을 활용한 차량 사고 예측 방법 | |
CN115578876A (zh) | 一种车辆的自动驾驶方法、***、设备及存储介质 | |
CN104875740B (zh) | 用于管理跟随空间的方法、主车辆以及跟随空间管理单元 | |
US20220343637A1 (en) | Traffic flow machine-learning modeling system and method applied to vehicles | |
Wheeler et al. | A probabilistic framework for microscopic traffic propagation | |
CN114162145A (zh) | 车辆自动驾驶方法、装置及电子设备 | |
KR102058741B1 (ko) | 차로 변경이 가능한 공간 선정 시스템 및 그 방법 | |
CN112349100B (zh) | 一种基于网联环境的多视角行车风险评估方法及装置 | |
CN113538909A (zh) | 一种自动驾驶车辆交通事件预测方法及装置 | |
CN113460083A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
JP7258077B2 (ja) | 他車両行動予測装置 | |
Wang et al. | Crossing traffic avoidance of automated vehicle through bird-view control, a reinforcement learning approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211126 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221130 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230201 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230411 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230420 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7267874 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |