JP7494241B2 - Data generation system, and surveillance training system - Google Patents
Data generation system, and surveillance training system Download PDFInfo
- Publication number
- JP7494241B2 JP7494241B2 JP2022056972A JP2022056972A JP7494241B2 JP 7494241 B2 JP7494241 B2 JP 7494241B2 JP 2022056972 A JP2022056972 A JP 2022056972A JP 2022056972 A JP2022056972 A JP 2022056972A JP 7494241 B2 JP7494241 B2 JP 7494241B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- vehicle
- area
- event
- judgment
- 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
- 238000012549 training Methods 0.000 title claims description 107
- 238000000605 extraction Methods 0.000 claims description 72
- 239000000284 extract Substances 0.000 claims description 38
- 238000004088 simulation Methods 0.000 claims description 25
- 238000011156 evaluation Methods 0.000 claims description 14
- 206010039203 Road traffic accident Diseases 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 description 26
- 230000003068 static effect Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 20
- 238000000034 method Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 15
- 238000012806 monitoring device Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 230000029305 taxis Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Description
本発明は、自動運転制御される車両の運行監視を訓練するためのシステムに関する。 The present invention relates to a system for training the operation monitoring of an autonomously driven vehicle.
日本国では、２０２５年度中を目標とした全国規模での自動運転レベル４の自動運転サービスの開始に向け、自動運転システムの技術開発および制度整備が進められている。例えば、特許文献１には、実際の自動運転車両の走行に対して遠隔指示を行う遠隔コマンダの訓練を行う車両遠隔指示訓練装置が開示されている。また、特許文献２には、自動運転を行う車両に搭載され、前記車両の走行を遠隔支援する走行支援装置と、該走行支援装置と通信を行う走行支援要求装置と、が開示されている。
In Japan, technological development and system establishment for autonomous driving systems are underway with the aim of launching Level 4 autonomous driving services on a nationwide scale by fiscal year 2025. For example,
自動運転レベル４では、自動運転車両だけでは運行判断できない事態に陥った際、自動運転車両の側からの通知を契機として運行監視者に運行判断が委ねられる。全国規模での自動運転レベル４の自動運転サービスを開始するためには、各地域を担当する運行監視者の各々に対し、的確性および迅速性などの観点で高度な運行判断能力が求められる。 In Level 4 autonomous driving, when an autonomous vehicle encounters a situation where it cannot make operational decisions on its own, the autonomous vehicle notifies the autonomous vehicle and leaves the decision to the operational supervisor. To launch a Level 4 autonomous driving service on a nationwide scale, each operational supervisor in charge of each region will be required to have advanced operational decision-making capabilities in terms of accuracy and speed.
そのため、運行監視訓練に際しては、通常、運行判断能力の高い熟練者から指導および評価を受けることが望ましいところ、人的コストおよび人的リソースなどの問題があり、十分には実施されていない。また、特許文献１および２に記載の装置は、自動運転車両の走行の遠隔指示に対して、訓練を行ったり、支援したりする装置であり、上記運行監視訓練には適合していない。
For this reason, during operation monitoring training, it is usually desirable to receive guidance and evaluation from an experienced individual with high operational judgment ability, but due to issues such as human costs and human resources, this is not fully implemented. In addition, the devices described in
また、運行判断能力の高い熟練者から指導等を受け難い訓練環境においては、担当エリアで発生し得る妥当な事態を想定した訓練を実施して的確な運行判断を効果的に行うことは、訓練者にとって困難を伴う。 In addition, in a training environment where it is difficult to receive guidance from experienced personnel with high operational decision-making abilities, it is difficult for trainees to effectively make accurate operational decisions by conducting training that assumes reasonable situations that may occur in their assigned area.
本発明の一態様は、自動運転車両の運行監視訓練効果の高い訓練用データを容易に生成することを目的とする。 One aspect of the present invention aims to easily generate training data that is highly effective for training on the monitoring of autonomous vehicle operations.
上記の課題を解決するために、本発明の一態様に係るデータ生成システムは、自動運転制御され輸送サービスに供される車両が走行する地域の各々について、地図情報と、交通情報を含む時間経過に伴い変動する動的情報と、を含む地域情報を記憶する地域情報記憶部と、前記車両の走行履歴に関する走行履歴情報を前記車両毎に記憶する走行履歴情報記憶部と、前記車両および当該車両の運行監視者による判断内容と対応付けられた事態を記憶する事態／判断記憶部と、前記事態／判断記憶部が記憶する前記事態のうち指定された条件を満たす前記事態を抽出する抽出部と、前記抽出された前記事態が発生した地点を含む地域であって、監視訓練の対象となる対象地域で提供される輸送サービスと同一または類似の輸送サービスが提供されている前記地域である候補地域のうち、前記対象地域と前記地図情報が類似する類似地域を特定する特定部と、生成部とを備え、前記生成部は、前記類似地域において前記抽出された前記事態と対応付けられた前記車両の前記走行履歴情報を用いて、前記対象地域において当該車両と同一または類似の輸送サービスに供される模擬車両が当該事態に遭遇するように模擬走行するための情報を生成するとともに、前記対象地域における前記模擬走行時の前記動的情報を、前記類似地域の前記地域情報および前記対象地域の地図情報から生成する。 In order to solve the above problem, a data generation system according to one aspect of the present invention includes a region information storage unit that stores region information including map information and dynamic information that changes over time, including traffic information, for each region in which a vehicle that is autonomously driven and provided for a transportation service travels; a driving history information storage unit that stores driving history information related to the driving history of the vehicle for each vehicle; an incident/judgment storage unit that stores incidents associated with the vehicle and the judgment content made by a vehicle operation monitor; an extraction unit that extracts incidents that satisfy specified conditions from the incidents stored in the incident/judgment storage unit; and an area including a point where the extracted incident occurred, the area including a point where the monitored vehicle occurred. The system includes an identification unit that identifies similar areas, the map information of which is similar to that of the target area, among candidate areas that are areas where the same or similar transportation services as those provided in the target area are provided, and a generation unit, and the generation unit uses the driving history information of the vehicle associated with the extracted incident in the similar area to generate information for a simulated run in which a simulated vehicle provided in the target area for the same or similar transportation service as the vehicle encounters the incident, and generates the dynamic information during the simulated run in the target area from the area information of the similar area and the map information of the target area.
前記構成によれば、対象地域において輸送サービスに供される模擬車両の運行監視訓練用データとして、事態／判断記憶部に記憶されている事態（実際に発生した実績のある事態）のうち指定された条件を満たす事態に遭遇するように模擬車両を模擬走行するための情報、および、対象地域の交通情報を含む動的情報を生成することができる。これにより以下の効果が奏される。 According to the above configuration, it is possible to generate, as operation monitoring training data for a simulated vehicle provided for transportation services in a target area, information for a simulated run of a simulated vehicle so as to encounter an event that satisfies a specified condition among events (events that have actually occurred) stored in the event/judgment storage unit, and dynamic information including traffic information for the target area. This provides the following effects.
（１）事態の抽出条件を指定できるため、訓練者が所望する訓練内容を模擬実行可能な訓練用データを容易に生成できる。 (1) Because the extraction conditions for situations can be specified, training data can be easily generated that can simulate the training content desired by the trainee.
（２）対象地域において模擬車両が遭遇する事態は、類似地域において実際に発生した事態に基づく事態であるから、発生し得る可能性が高く、これにより訓練効果を高めることができる。 (2) The situations that the simulated vehicles encounter in the target area are based on situations that have actually occurred in similar areas, so there is a high probability that they could occur, thereby enhancing the effectiveness of the training.
（３）対象地域における動的情報は、類似地域における実際の動的情報から生成されるから、対象地域における事態発生前後の状況は現実に起こり得る可能性が高く、これにより訓練効果を高めることができる。 (3) Dynamic information for the target area is generated from actual dynamic information for similar areas, so the situations before and after an incident in the target area are highly likely to occur in reality, thereby improving the effectiveness of training.
上記データ生成システムでは、前記条件は、前記地域よりも広い広域であり、前記抽出部は、指定された広域内を走行した前記車両が対応付けられた前記事態を抽出してもよい。また、前記条件は、前記輸送サービスの種別であり、前記抽出部は、指定された当該種別の輸送サービスに供される前記車両が対応付けられた前記事態を抽出してもよい。また、前記条件は、前記事態の種別であり、前記抽出部は、指定された当該種別の前記事態を抽出してもよい。また、前記条件は、前記判断内容であり、前記抽出部は、指定された前記判断内容が対応付けられた前記事態を抽出してもよい。 In the above data generation system, the condition may be a wide area larger than the region, and the extraction unit may extract the incident associated with the vehicle that has traveled within the specified wide area. The condition may also be a type of transportation service, and the extraction unit may extract the incident associated with the vehicle used for the specified type of transportation service. The condition may also be a type of the incident, and the extraction unit may extract the incident of the specified type. The condition may also be the content of the judgment, and the extraction unit may extract the incident associated with the specified content of the judgment.
上記データ生成システムでは、前記事態／判断記憶部は、前記事態の発生日時を前記事態毎に記憶し、前記条件は、前記事態の発生期間であり、前記抽出部は、指定された前記発生期間に含まれる日時が対応付けられた前記事態を抽出してもよい。 In the data generation system, the event/judgment storage unit may store the date and time of occurrence of the event for each event, the condition may be a period during which the event occurs, and the extraction unit may extract the event associated with a date and time included in the specified period of occurrence.
上記データ生成システムでは、前記事態／判断記憶部は、さらに、前記車両の周辺状況との関連度を前記事態に対応付けて記憶し、前記条件は、前記関連度であり、前記抽出部は、指定された前記関連度が対応付けられた前記事態を抽出してもよい。 In the above data generation system, the event/judgment storage unit may further store a degree of relevance with the vehicle's surroundings in association with the event, the condition being the degree of relevance, and the extraction unit may extract the event associated with the specified degree of relevance.
上記データ生成システムでは、前記指定された条件は、所定時間間隔内に発生した複数の前記事態であり、かつ、当該複数の前記事態のうち少なくとも１つは、他の運行監視者のアサインを示す前記判断内容が対応付けられており、前記抽出部は、当該複数の前記事態を抽出してもよい。 In the data generation system, the specified conditions may be a plurality of events occurring within a predetermined time interval, and at least one of the plurality of events may be associated with the judgment content indicating the assignment of another operation monitor, and the extraction unit may extract the plurality of events.
上記データ生成システムでは、前記指定された条件は、複数の前記判断内容が対応付けられた同一の前記事態であり、前記抽出部は、当該事態を抽出してもよい。また、上記データ生成システムでは、前記事態／判断記憶部は、前記事態に対応付けられた前記判断内容が他者への作業手配である場合、前記判断内容の付随情報として作業手配先を有し、前記指定された条件は、複数の前記作業手配先を付随情報として有する前記判断内容が対応付けられた同一の前記事態であり、前記抽出部は、当該事態を抽出してもよい。 In the data generation system, the specified condition may be the same event to which a plurality of the judgment contents are associated, and the extraction unit may extract the event. Also, in the data generation system, when the judgment content associated with the event is work arrangement for another person, the event/judgment storage unit may have a work arrangement destination as associated information of the judgment content, and the specified condition may be the same event to which the judgment content having a plurality of the work arrangement destinations as associated information is associated, and the extraction unit may extract the event.
上記データ生成システムでは、前記指定された条件は、異なる判断内容が対応付けられた、種別が同一または類似である、異なる複数の前記事態であり、前記抽出部は、当該複数の前記事態を抽出してもよい。 In the data generation system, the specified conditions may be multiple different events of the same or similar type that are associated with different judgment contents, and the extraction unit may extract the multiple events.
上記データ生成システムでは、前記地図情報は、前記地域内の道路に関する情報、前記地域内の交差点に関する情報、前記地域内の交通標識に関する情報、および前記地域内の施設に関する情報の少なくともいずれかを要素として含み、前記特定部は、前記対象地域の前記要素をパラメータとする所定演算により算出される評価値と、前記候補地域の前記要素をパラメータとする前記所定演算により算出される評価値との差に基づいて、前記候補地域の中から前記類似地域を特定してもよい。 In the above data generation system, the map information may include at least one of the following elements: information about roads in the area, information about intersections in the area, information about traffic signs in the area, and information about facilities in the area; and the identification unit may identify the similar area from among the candidate areas based on the difference between an evaluation value calculated by a predetermined calculation using the elements of the target area as parameters and an evaluation value calculated by the predetermined calculation using the elements of the candidate area as parameters.
前記構成によれば、前記対象地域と前記候補地域との類似度を前記評価値として定量化しているので、前記候補地域の中から前記類似地域を精度よく特定することができる。 According to the above configuration, the similarity between the target area and the candidate area is quantified as the evaluation value, so that the similar area can be identified from among the candidate areas with high accuracy.
上記データ生成システムでは、前記生成部は、前記類似地域において前記抽出された前記事態が発生した地点である実発生地点と類似する地点であって、前記対象地域において当該事態が発生する地点である模擬発生地点を、前記実発生地点を含む実エリアの前記地図情報および前記対象地域の前記地図情報に基づいて特定し、前記実発生地点にて発生した前記事態と対応付けられた前記車両の前記走行履歴情報を用いて、前記模擬車両が前記模擬発生地点にて当該事態に遭遇するように模擬走行するための情報を生成するとともに、前記実エリアの前記動的情報から、前記模擬発生地点を含む模擬エリアの前記動的情報を生成してもよい。 In the above data generation system, the generation unit may identify a simulated occurrence point, which is a point similar to an actual occurrence point, which is a point where the extracted incident occurred in the similar area, and is a point where the incident occurred in the target area, based on the map information of the actual area including the actual occurrence point and the map information of the target area, and may generate information for a simulated drive of the simulated vehicle to encounter the incident at the simulated occurrence point using the driving history information of the vehicle associated with the incident that occurred at the actual occurrence point, and may generate the dynamic information of the simulated area including the simulated occurrence point from the dynamic information of the actual area.
前記構成によれば、実発生地点と類似する模擬発生地点を特定し、特定した模擬発生地点に基づいて、前記模擬走行するための情報および前記模擬エリアの前記動的情報を生成するので、現実となり得る可能性が高いデータを生成することができる。 According to the above configuration, a simulated occurrence point similar to the actual occurrence point is identified, and the information for the simulated run and the dynamic information of the simulated area are generated based on the identified simulated occurrence point, so that data that is likely to become real can be generated.
上記データ生成システムでは、前記事態の種別は、交通事故、車両故障、車両内乗客アクシデント、および、外部要因による車両進行不能、の少なくともいずれかを含んでもよい。 In the above data generation system, the type of incident may include at least one of a traffic accident, a vehicle breakdown, an accident involving a passenger in the vehicle, and the vehicle being unable to proceed due to an external factor.
上記データ生成システムでは、前記判断内容は、１または判断順序を伴う複数のサブ判断内容から成り、前記サブ判断内容は、前記車両内の状況確認、前記車両外の状況確認、前記車両自体の状況確認、前記車両の走行制御、前記車両の経路変更、前記車両の運行復帰、他者への作業手配、他の運行監視者のアサイン、および前記車両内乗客の誘導、の少なくともいずれかを含んでもよい。 In the above data generation system, the judgment content may consist of one or more sub-judgment contents with a judgment order, and the sub-judgment contents may include at least one of the following: checking the situation inside the vehicle, checking the situation outside the vehicle, checking the situation of the vehicle itself, driving control of the vehicle, changing the route of the vehicle, returning the vehicle to operation, arranging for work to be done by someone else, assigning another operation monitor, and guiding passengers inside the vehicle.
なお、前記地図情報は、前記地域内の道路に関する情報、前記地域内の交差点に関する情報、前記地域内の交通標識に関する情報、および前記地域内の施設に関する情報、の少なくともいずれかを含んでもよい。また、前記交通情報は、前記地域内の車両の交通流に関する情報、前記地域内の人流に関する情報、および前記地域内の交通規制に関する情報、の少なくともいずれかを含んでもよい。また、前記動的情報は、さらに、前記地域内の気象に関する情報を含んでもよい。一般に、交通事故等の事態は、大雨、大雪、台風等に起因して発生することが少なくない。従って、前記構成によれば、前記模擬走行時の前記動的情報に前記対象地域の気象に関する情報が含まれるので、より現実に即した訓練を行うことができ、その結果、訓練効果をさらに高めることができる。 The map information may include at least one of information about roads in the area, information about intersections in the area, information about traffic signs in the area, and information about facilities in the area. The traffic information may include at least one of information about vehicular traffic flow in the area, information about people flow in the area, and information about traffic regulations in the area. The dynamic information may further include information about the weather in the area. In general, traffic accidents and other incidents are often caused by heavy rain, heavy snow, typhoons, and the like. Therefore, according to the above configuration, since the dynamic information during the simulated drive includes information about the weather in the target area, more realistic training can be performed, and as a result, the training effect can be further improved.
本発明の他の態様に係る監視訓練システムは、上記構成のデータ生成システムが生成した情報を用いて前記対象地域における前記模擬車両による模擬走行を実行するシミュレーション実行部と、前記模擬車両において発生する事態に対する訓練者の判断内容の入力を受け付ける受付部とを備える。 A surveillance training system according to another aspect of the present invention includes a simulation execution unit that executes a simulated run of the simulated vehicle in the target area using information generated by a data generation system configured as described above, and a reception unit that receives input of a trainee's judgment regarding a situation that occurs in the simulated vehicle.
前記構成によると、上述のデータ生成システムが生成した情報を用いて、前記対象地域における前記模擬車両による模擬走行が実行されるので、前記模擬車両において或る事態が発生し、当該事態に対する判断内容を訓練者から受け付けることができる。すなわち、前記対象地域において発生し得る可能性が高い事態に遭遇する前記模擬車両に対する監視訓練を、現実に起こり得る可能性が高い状況下で実行することができる。従って、自動運転車両の運行監視訓練の効果を向上させることができる。 According to the above configuration, a simulated run by the simulated vehicle in the target area is performed using information generated by the above-mentioned data generation system, so that a certain situation occurs in the simulated vehicle and a judgment on the situation can be received from the trainee. In other words, monitoring training for the simulated vehicle that encounters a situation that is likely to occur in the target area can be performed under a situation that is likely to actually occur. Therefore, the effectiveness of operation monitoring training for autonomous vehicles can be improved.
本発明の各態様に係るデータ生成システムよび監視訓練システムは、コンピュータによって実現してもよく、この場合には、コンピュータを前記データ生成システムよび監視訓練システムが備える各部（ソフトウェア要素）として動作させることにより前記データ生成システムよび監視訓練システムをコンピュータにて実現させるデータ生成システムよび監視訓練システムの制御プログラム、およびそれを記録したコンピュータ読み取り可能な記録媒体も、本発明の範疇に入る。 The data generation system and surveillance training system according to each aspect of the present invention may be realized by a computer. In this case, the control program for the data generation system and surveillance training system that realizes the data generation system and surveillance training system on a computer by operating the computer as each part (software element) of the data generation system and surveillance training system, and the computer-readable recording medium on which it is recorded, also fall within the scope of the present invention.
本発明の一態様によれば、自動運転車両の運行監視訓練効果の高い訓練用データを容易に生成することができる。 According to one aspect of the present invention, it is possible to easily generate training data that is highly effective for training on monitoring the operation of autonomous vehicles.
以下、本発明の一実施形態について、詳細に説明する。 One embodiment of the present invention is described in detail below.
（運行監視システム）
図１は、本実施形態に係る運行監視システム１の概要を示すブロック図である。運行監視システム１は、定時定路線バス等の各種輸送サービスに供される１または複数の自動運転制御される車両２２の運行を監視するシステムである。さらに、本実施形態では、運行監視システム１は、運行監視者（以下「監視者」と略称する。）２３となるために訓練する訓練者２６が、当該訓練者２６が担当する対象地域２４を模擬的に走行する模擬車両２５にて発生し得る、交通事故等の種々の模擬事態に対応する訓練を行うシステムである。
(Train operation monitoring system)
1 is a block diagram showing an overview of a
図１に示すように、運行監視システム１は、複数の地域にそれぞれ対応する複数の監視装置１１と、交通情報サーバ１２と、気象情報サーバ１３と、訓練用データ生成装置１４（データ生成システム）と、監視訓練装置１５（監視訓練システム）と、を含む。各装置間は、インターネット等の通信ネットワークを介して通信可能に接続されている。また、地域は、市町村単位であってもよいし、都道府県単位であってもよいし、行政区画に依らずに区分けされたものであってもよい。
As shown in FIG. 1, the
監視装置１１は、対応する地域２１を走行する複数の車両２２であって、自動運転制御される車両２２を監視するものである。具体的には、監視装置１１は、対応する地域２１を走行する複数の車両２２と、インターネット等の通信ネットワークを介して通信可能に接続され、上記複数の車両２２から種々の情報を取得する。なお、監視装置１１は、対応する地域２１に設けられていてもよいし、当該地域２１とは別の地域２１に設けられていてもよい。
The
自動運転レベル４では、交通事故などの、車両２２だけでは運行判断できない事態に陥った際、車両２２から監視装置１１への通知を契機として運行監視者２３（以下「監視者２３」と略称する。）に運行判断が委ねられる。このとき、監視者２３は、監視装置１１を介して、上記事態に対応するための種々の判断を行う。
At autonomous driving level 4, when the
当該種々の判断の例としては、該当する車両２２自体の状況、車両２２の車内の状況、および車両２２の車外の状況のそれぞれを確認すべきか否か、該当する車両２２をこの後どのように運行すべきか、救急車、パトカー等の緊急車両を手配（要請）すべきか否か、整備、代車などを手配すべきか否か、上記事態への対応の一部を他の監視者２３にアサイン（割当て）すべきか否か、これらの判断をどのような順序で行うべきか、などが挙げられる。
Examples of such various judgments include whether or not to check the condition of the
そして、監視装置１１は、該当する車両２２の走行履歴情報と、上記事態に関する情報（以下、「事態情報」と略称する。）、および、当該事態情報を対応付けられた、上記判断に関する情報（以下「判断情報」と略称する。）を含む実績データとを、訓練用データ生成装置１４に送信する。なお、上記走行履歴情報は、上記事態の発生前後のみの情報であってもよいし、運行期間全ての情報であってもよい。また、監視装置１１の各々は、走行履歴情報および実績データを訓練用データ生成装置１４と異なるサーバに送信し、訓練用データ生成装置１４は、当該サーバから走行履歴および実績データを取得してもよい。
The
交通情報サーバ１２は、全国の交通情報を収集して蓄積するものである。交通情報は、車両２２の交通流に関する情報（以下「交通流情報」と略称する。）、人流に関する情報（以下「人流情報」と略称する。）、交通規制に関する情報（以下「交通規制情報」と略称する。）、の少なくともいずれかを含む。交通情報サーバ１２は、上記全国の交通情報を訓練用データ生成装置１４に送信する。なお、交通情報サーバ１２は、訓練用データ生成装置１４から要求された地域２１の交通情報を訓練用データ生成装置１４に送信してもよい。
The traffic information server 12 collects and stores nationwide traffic information. The traffic information includes at least one of the following: information on the traffic flow of vehicles 22 (hereinafter abbreviated as "traffic flow information"), information on the flow of people (hereinafter abbreviated as "people flow information"), and information on traffic regulations (hereinafter abbreviated as "traffic regulation information"). The traffic information server 12 transmits the nationwide traffic information to the training
気象情報サーバ１３は、全国の気象情報を気象衛星等から収集して蓄積するものである。気象情報サーバ１３は、上記全国の気象情報を訓練用データ生成装置１４に送信する。なお、気象情報サーバ１３は、訓練用データ生成装置１４から要求された地域２１の気象情報を訓練用データ生成装置１４に送信してもよい。
The weather information server 13 collects and stores nationwide weather information from weather satellites, etc. The weather information server 13 transmits the nationwide weather information to the training
訓練用データ生成装置１４は、複数の監視装置１１からそれぞれ取得した複数の地域２１における走行履歴情報および実績データを利用して、監視訓練の対象となる対象地域２４内を運行する模擬車両２５にて発生し得る種々の模擬事態を示す模擬情報を訓練用データとして生成するものである。訓練用データ生成装置１４は、生成した訓練用データを監視訓練装置１５に送信する。
The training
監視訓練装置１５は、訓練用データ生成装置１４から取得した訓練用データを用いて、対象地域２４内を運行する模擬車両２５にて発生し得る種々の模擬事態に対し、訓練者２６が対応する模擬訓練を行うものである。
The
（訓練用データ生成装置）
図２は、訓練用データ生成装置１４および監視訓練装置１５の概略構成を示すブロック図である。図２に示すように、訓練用データ生成装置１４は、制御部３１と、通信部３２と、広域情報記憶部３３、実績地域情報記憶部３４（地域情報記憶部）、走行履歴情報記憶部３５、実績事態／判断記憶部３６、および対象地域情報記憶部３７（地域情報記憶部）と、を含む。
(Training data generator)
Fig. 2 is a block diagram showing a schematic configuration of the training
制御部３１は、訓練用データ生成装置１４の各種構成の動作を統括的に制御するものであり、例えばＣＰＵ（Central Processing Unit）及びメモリを含むコンピュータによって構成される。そして、各種構成の動作制御は、制御プログラムをコンピュータに実行させることによって行われる。なお、制御部３１の詳細は後述する。
The
通信部３２は、インターネット等の通信ネットワークを介して情報の送受信を行うものである。通信部３２は、送受信回路等の通信デバイスを備えている。
The
記憶部３３～３７は、情報を記録するものであり、ハードディスク、フラッシュメモリ等の記憶デバイスによって構成される。
広域情報記憶部３３は、複数の地域２１を含む地域である広域に関する情報（広域情報）を記憶する。広域の例としては、関東地方、近畿地方等の、複数の都道府県を含む地方、および、豪雪地帯、亜熱帯等の、気候によって特徴づけられる地帯、などが挙げられる。また、地域２１が市町村である場合、広域は都道府県であってもよい。
The wide area
実績地域情報記憶部３４は、監視装置１１にて監視した実績のある地域２１（以下、「実績地域２１」と称する。）に関する情報（地域情報）を記憶する。実績地域情報記憶部３４は、静的情報記憶部３４ａと動的情報記憶部３４ｂとを含む。
The performance area
静的情報記憶部３４ａは、時間が経過しても変動しない、或いは所定期間（例えば１日）以上変動しない静的情報を記憶する。上記静的情報は、サービス形態情報および地図情報を含む。
The static
上記サービス形態情報は、実績地域２１で提供される車両２２の輸送のサービス形態を示すものであり、例えば、定時定路線バス、オンデマンドバス、貸切バス、タクシー、配達車両などが挙げられる。上記サービス形態情報は、該当する実績地域２１の監視装置１１から取得可能である。上記サービス形態情報は、さらに、サービスが提供される道路（高速道路限定、交通流の少ない一般道、交通流の多い一般道など）が付加されてもよい。
The service type information indicates the type of transportation service provided by the
上記地図情報は、実績地域２１内に設けられた道路、交差点、交通標識、施設（官公庁、燃料ステーション、ショッピングモール等）などに関する情報である。実績地域２１の地図情報は、例えば、全国の地図情報を提供する地図サーバから取得可能である。
The map information is information about roads, intersections, traffic signs, facilities (government offices, fuel stations, shopping malls, etc.) located within the
動的情報記憶部３４ｂは、時間経過に伴い変動する動的情報を記憶する。上記動的情報は、交通流情報、人流情報、交通規制情報、および気象情報を含む。
The dynamic
上記交通流情報は、実績地域２１における車両（車両２２および車両２２以外の車両）の流れを地点毎かつ時間帯毎に示すものである。上記人流情報は、実績地域２１における人の流れを地点毎かつ時間帯毎に示すものである。上記交通規制情報は、実績地域２１において実施される交通規制（車線規制、通行止めなど）を地点毎かつ時間帯毎に示すものである。上記交通流情報、上記人流情報、および上記交通規制情報は、交通情報サーバ１２から取得可能である。
The traffic flow information indicates the flow of vehicles (
上記気象情報は、実績地域２１における気象状況（晴、曇、雨、雪など）を地点毎かつ時間帯毎に示すものである。上記気象情報は、気象情報サーバ１３から取得可能である。
The weather information indicates the weather conditions (sunny, cloudy, rainy, snowy, etc.) in the
走行履歴情報記憶部３５は、実績地域２１における車両２２の走行履歴を示す走行履歴情報を記憶する。上記走行履歴情報は、車両２２自体に関する情報である車両情報と、車両２２に設けられたセンサ（車両センサ）に関する情報である車両センサ情報とを含む。上記車両センサの例としては、ＧＰＳ(Global Positioning System)等の衛星測位システムを利用して自車の現在地を検出する測位センサ、自車の内部および外部を撮影するドライブレコーダ等のカメラ、ＬｉＤＡＲ（Light Detection and Ranging、Laser Imaging Detection and Ranging）、衝突センサ、車速センサ、加速度センサ、アクセルペダルセンサ、ブレーキペダルセンサ、勾配センサ、温度センサ、湿度センサ、気圧センサ、などが挙げられる。
The driving history
実績事態／判断記憶部３６は、各実績地域２１における実績データに含まれる事態情報および判断情報を記憶する。
The actual situation/
対象地域情報記憶部３７は、対象地域２４に関する情報を記憶する。対象地域情報記憶部３７は、対象地域２４の静的情報を記憶する静的情報記憶部３７ａと、対象地域２４の動的情報を記憶する動的情報記憶部３７ｂと、を含む。なお、静的情報記憶部３７ａの静的情報は、静的情報記憶部３４ａの静的情報と同様であり、動的情報記憶部３７ｂの動的情報は、動的情報記憶部３４ｂの動的情報と同様であるので、それらの説明を省略する。
The target area
（制御部の詳細）
次に、制御部３１の詳細について説明する。図２に示すように、制御部３１は、事態抽出部４１（抽出部）、類似地域特定部４２（特定部）、および模擬情報生成部４３（生成部）を含む。
(Details of the control unit)
Next, a description will be given of the details of the
事態抽出部４１は、訓練者２６が訓練するための条件として指定された条件を取得し、取得した条件を満たす事態を示す事態情報を抽出する。上記条件は、訓練者２６から監視訓練装置１５および通信部３２を介して指定されてもよいし、訓練者２６の熟練度に基づいて自動的に指定されてもよい。
The
類似地域特定部４２は、まず、事態抽出部４１にて抽出された事態情報が示す事態が発生した地点を含む実績地域２１であって、対象地域２４で提供される上記サービス形態と同一または類似のサービス形態が提供されている実績地域２１である候補地域を、実績地域情報記憶部３４および対象地域情報記憶部３７に記憶されたサービス形態情報とを用いて特定する。
The similar
なお、サービス形態の類否判断は、一例として、比較対象となるサービス形態の特徴をそれぞれ定量化し、該定量化によって得られた値に基づいて判断すればよい。定量化の典型例は、「走行経路の柔軟度」および「輸送密度」である。「走行経路の柔軟度」とは、走行経路を規定経路から変更できる割合を示す。「輸送密度」とは、１日１キロメートルあたりの平均輸送人数を示す。例えば、乗合タクシーとコミュニティバスとを比較すると、「走行経路の柔軟度」は同程度であり、「輸送密度」はコミュニティバスの方が高い。また、路線バスとスクールバスとを比較すると、「走行経路の柔軟度」および「輸送密度」の両方とも同程度である。 As an example, the similarity of service formats can be judged by quantifying the characteristics of each of the service formats to be compared and judging based on the values obtained by the quantification. Typical examples of quantification are "flexibility of driving route" and "transportation density." "Flexibility of driving route" refers to the percentage of time that the driving route can be changed from the specified route. "Transportation density" refers to the average number of people transported per kilometer per day. For example, when comparing shared taxis and community buses, the "flexibility of driving route" is about the same, but the "transportation density" is higher for community buses. Also, when comparing route buses and school buses, both "flexibility of driving route" and "transportation density" are about the same.
そして、「走行経路の柔軟度」および「輸送密度」の少なくとも一方が同程度であるサービス形態どうしは類似すると判断すればよい。上記の例であれば、乗合タクシーとコミュニティバスとはサービス形態が類似すると判断する。同様に、路線バスとスクールバスとはサービス形態が類似すると判断する。 Then, service types that have the same degree of at least one of "route flexibility" and "transportation density" can be judged to be similar. In the above example, shared taxis and community buses are judged to have similar service types. Similarly, route buses and school buses are judged to have similar service types.
なお、サービス形態の種別が限られている場合、訓練用データ生成装置１４は、上記判断結果を他の装置または人から取得し、類似すると判断されたサービス形態どうしを対応付けて予め記憶しておくことが望ましい。この場合、類似地域特定部４２は、上記判断処理を省略できるので、動作を迅速化できる。
When the types of service formats are limited, it is desirable for the training
次に、類似地域特定部４２は、特定した候補地域のうち、対象地域２４と地図情報が類似する類似地域を、実績地域情報記憶部３４および対象地域情報記憶部３７に記憶された地図情報を用いて特定する。なお、地図情報の類否判断は、一例として、比較対象となる地図情報の要素（道路、交差点、交通標識、施設）に基づき評価値をそれぞれ算出し、算出した評価値どうしの差に基づいて判断すればよい。上記評価値は、所定の特徴を有する道路（例えば、道幅１０ｍ以上の道路）の数や割合、所定の特徴を有する交差点（例えば、大通りと狭路とを接続する三叉路の数）の数や割合、交通流・人流に影響を及ぼし得る交通標識（例えば、一方通行）の数や割合、交通流・人流に影響を及ぼし得る施設（例えば、大型ショッピングモール、トラックが出入りする工場など）の数や割合などをパラメータとして所定演算により算出される。
Next, the similar
模擬情報生成部４３は、まず、事態抽出部４１にて抽出された事態情報のうち、類似地域特定部４２にて抽出された類似地域における事態情報を抽出し、抽出した事態情報に対応付けられた車両２２の走行履歴情報を、走行履歴情報記憶部３５から取得する。次に、模擬情報生成部４３は、取得した走行履歴情報を用いて、対象地域２４において当該車両２２と同一または類似の輸送サービスに供される模擬車両２５が当該事態に遭遇するように模擬走行するための走行用情報を生成する。
The simulated
また、模擬情報生成部４３は、対象地域２４における上記模擬走行時の上記動的情報を、実績地域情報記憶部３４の動的情報記憶部３４ｂにおける上記類似地域の動的情報と、対象地域情報記憶部３７の静的情報記憶部３７ａにおける対象地域２４の地図情報とから生成する。そして、模擬情報生成部４３は、生成した走行用情報と、生成した動的情報とを、訓練用データとして、通信部３２を介して監視訓練装置１５に送信する。
The simulation
上記構成によれば、対象地域２４において輸送サービスに供される模擬車両２５の運行監視訓練用データとして、実績事態／判断記憶部３６に記憶されている事態のうち指定された条件を満たす事態に遭遇するように模擬車両２５を模擬走行するための走行用情報、および、対象地域２４の交通情報を含む動的情報を生成することができる。これにより以下の効果が奏される。
According to the above configuration, it is possible to generate driving information for simulating the driving of the
（１）事態の抽出条件を指定できるため、訓練者２６が所望する訓練内容を模擬実行可能な訓練用データを容易に生成できる。
(1) Because the extraction conditions for situations can be specified, training data that can simulate the training content desired by the
（２）対象地域２４において模擬車両２５が遭遇する事態は、類似地域において実際に発生した事態に基づく事態であるから、発生し得る可能性が高く、これにより訓練効果を高めることができる。
(2) The situations that the
（３）対象地域２４における動的情報は、類似地域における実際の動的情報から生成されるから、対象地域における事態発生前後の状況は現実に起こり得る可能性が高く、これにより訓練効果を高めることができる。
(3) Because the dynamic information in the
また、全国規模での自動運転レベル４の自動運転サービスを迅速に開始することができるので、住みやすい町づくりに貢献できる。これにより、持続可能な開発目標（ＳＤＧｓ）の目標１１の達成に貢献できる。
In addition, it will enable the rapid launch of Level 4 autonomous driving services on a nationwide scale, which will contribute to creating livable towns. This will contribute to achieving
（訓練用データの生成処理）
図３は、上記構成の訓練用データ生成装置１４における訓練用データの生成処理の流れを示すフローチャートである。図３に示すように、まず、事態抽出部４１は、訓練者２６が訓練するための条件として指定された条件を取得し、取得した条件を満たす事態を示す事態情報を抽出する（Ｓ１１）。
(Training data generation process)
3 is a flowchart showing the flow of the training data generation process in the above-configured training
次に、類似地域特定部４２は、抽出された事態情報が示す事態が発生した地点を含む実績地域２１であって、対象地域２４で提供される上記サービス形態と同一または類似のサービス形態が提供されている実績地域２１である候補地域を、実績地域情報記憶部３４および対象地域情報記憶部３７に記憶されたサービス形態情報とを用いて特定する（Ｓ１２）。次に、類似地域特定部４２は、特定した候補地域のうち、対象地域２４と地図情報が類似する類似地域を、実績地域情報記憶部３４および対象地域情報記憶部３７に記憶された地図情報を用いて特定する（Ｓ１３）。
Next, the similar
次に、模擬情報生成部４３は、抽出された事態情報のうち、類似地域特定部４２にて抽出された類似地域における事態情報を抽出し、抽出した事態情報に対応付けられた車両２２の走行履歴情報を、走行履歴情報記憶部３５から取得する（Ｓ１４）。次に、模擬情報生成部４３は、取得した走行履歴情報を用いて、対象地域２４において当該車両２２と同一または類似の輸送サービスに供される模擬車両２５が当該事態に遭遇するように模擬走行するための走行用情報を生成する（Ｓ１５）。
Next, the simulation
次に、模擬情報生成部４３は、対象地域２４における上記模擬走行時の上記動的情報を、実績地域情報記憶部３４の動的情報記憶部３４ｂにおける上記類似地域の動的情報と、対象地域情報記憶部３７の静的情報記憶部３７ａにおける対象地域２４の地図情報とから生成する（Ｓ１６）。なお、ステップＳ１４およびＳ１５とステップＳ１６との順番を入れ替えてもよい。そして、模擬情報生成部４３は、生成した走行用情報と、生成した動的情報とを、訓練用データとして、通信部３２を介して監視訓練装置１５に送信する（Ｓ１７）。その後、上記処理を終了する。
Next, the simulation
（監視訓練装置）
図２に示すように、監視訓練装置１５は、シミュレーション実行部５１、受付部５２、および訓練用データ記憶部５３を含む。訓練用データ記憶部５３は、訓練用データ生成装置１４から取得した訓練用データを記憶する。
(Surveillance training device)
2, the monitoring and
シミュレーション実行部５１は、訓練用データ記憶部５３に記憶された訓練用データを用いて、対象地域２４における模擬車両２５による模擬走行を実行する。シミュレーション実行部５１は、例えば、模擬車両２５を模擬走行させる車両シミュレータ、および、模擬車両２５が模擬走行する際の交通環境を生成する交通環境シミュレータを含む。車両シミュレータおよび交通環境シミュレータは、既存技術により実現すればよい。受付部５２は、模擬車両２５において発生する事態に対する訓練者２６の判断内容の入力を受け付ける。
The
上記構成によると、上述の訓練用データ生成装置１４が生成した訓練用データを用いて、対象地域２４における模擬車両２５による模擬走行が実行されるので、模擬車両２５において或る事態が発生し、当該事態に対する判断内容を訓練者２６から受け付けることができる。すなわち、対象地域２４において発生し得る可能性が高い事態に遭遇する模擬車両２５に対する監視訓練を、現実に起こり得る可能性が高い状況下で実行することができる。従って、車両２２の運行監視訓練の効果を向上させることができる。
According to the above configuration, a simulated run by the
〔実施例〕
次に、上記実施形態の訓練用データ生成装置１４が管理する各種情報の一例を、図４～図８を参照して説明する。
〔Example〕
Next, an example of various types of information managed by the training
（記憶部の具体例）
図４は、広域情報記憶部３３に記憶される広域情報の一例を示す模式図である。図４の例では、広域情報は、広域を識別する広域ＩＤと、地域２１を識別する１または複数の地域ＩＤとを広域ごとに含む。広域情報は事態抽出部４１にて利用される。
(Specific example of storage unit)
Fig. 4 is a schematic diagram showing an example of wide area information stored in the wide area
図５は、静的情報記憶部３４ａ・３７ａに記憶される静的情報の一例を示す模式図である。上記動的情報は類似地域特定部４２にて利用される。上述のように、静的情報は、サービス形態情報および地図情報を含み、上記地図情報は、道路情報、交差点情報、交通標識情報、および施設情報を含む。
Figure 5 is a schematic diagram showing an example of static information stored in the static
図５の例では、サービス形態情報は、地域を識別する地域ＩＤと地域で提供されるサービス形態の種別（以下「サービス形態種別」と略称する。）とを地域ごとに含む。道路情報は、地域ＩＤと、道路を識別する道路ＩＤと、道路の地点を示す地点情報（例えば緯度経度）と、道路の属性を示す属性情報とを道路ごとに含む。当該属性情報は、道路の種別（一般道、高速道など）、道幅、車線数、踏切などを含む。 In the example of FIG. 5, the service mode information includes, for each region, an area ID that identifies the region and the type of service mode provided in the region (hereinafter abbreviated as "service mode type"). The road information includes, for each road, an area ID, a road ID that identifies the road, point information (e.g., latitude and longitude) that indicates a point on the road, and attribute information that indicates the attributes of the road. The attribute information includes the type of road (general road, expressway, etc.), road width, number of lanes, railroad crossings, etc.
交差点情報は、地域ＩＤと、交差点を識別する交差点ＩＤと、交差点の地点情報（例えば緯度経度）と、交差点の属性を示す属性情報とを交差点ごとに含む。当該属性情報は、交差点の種別（三叉路、十字路など）、交差点に接続する道路の幅、信号機の有無などを含む。交通標識情報は、地域ＩＤと、交通標識を識別する標識ＩＤと、交通標識の地点情報（例えば緯度経度）と、交通標識の属性を示す属性情報とを交通標識ごとに含む。当該属性情報は、交通標識の種別（一方通行など）などを含む。施設情報は、地域ＩＤと、施設を識別する施設ＩＤと、施設の地点情報（例えば緯度経度）と、施設の属性を示す属性情報とを施設ごとに含む。当該属性情報は、施設の種別（官公庁、燃料ステーション、ショッピングモールなど）などを含む。 The intersection information includes, for each intersection, an area ID, an intersection ID that identifies the intersection, location information of the intersection (e.g., latitude and longitude), and attribute information indicating the attributes of the intersection. The attribute information includes the type of intersection (three-way intersection, crossroads, etc.), the width of the roads connecting to the intersection, and whether or not there is a traffic light. The traffic sign information includes, for each traffic sign, an area ID, a sign ID that identifies the traffic sign, location information of the traffic sign (e.g., latitude and longitude), and attribute information indicating the attributes of the traffic sign. The attribute information includes the type of traffic sign (one-way street, etc.). The facility information includes, for each facility, an area ID, a facility ID that identifies the facility, location information of the facility (e.g., latitude and longitude), and attribute information indicating the attributes of the facility. The attribute information includes the type of facility (government office, fuel station, shopping mall, etc.).
図６は、動的情報記憶部３４ｂ・３７ｂに記憶される動的情報の一例を示す模式図である。上記動的情報は模擬情報生成部４３にて利用される。上述のように、動的情報は、交通流情報、気象情報、人流情報、および交通規制情報を含む。
Figure 6 is a schematic diagram showing an example of dynamic information stored in the dynamic
図６の例では、交通流情報は、地域ＩＤと、地点情報（例えば緯度経度）と、時間帯と、上記地点を単位時間あたりに通過する車両の数を示す交通量とを、地点ごとおよび時間帯ごとに含む。また、当該交通量は、車両のタイプ（大型車、小型車など）ごとに分けられてもよい。気象情報は、地域ＩＤと、地点情報（例えば緯度経度）と、時間帯と、気象種別（晴、曇、雨、雪など）とを、地点ごとおよび時間帯ごとに含む。なお、気象情報は省略可能である。この場合、訓練用データ生成装置１４は、気象情報サーバ１３からの気象情報の取得を省略できる。
In the example of FIG. 6, the traffic flow information includes an area ID, location information (e.g., latitude and longitude), a time period, and traffic volume indicating the number of vehicles passing through the location per unit time for each location and for each time period. The traffic volume may also be divided by vehicle type (large vehicles, small vehicles, etc.). The weather information includes an area ID, location information (e.g., latitude and longitude), a time period, and weather type (sunny, cloudy, rainy, snowy, etc.) for each location and for each time period. Note that the weather information can be omitted. In this case, the training
人流情報は、地域ＩＤと、地点情報（例えば緯度経度）と、時間帯と、上記地点を単位時間あたりに通過する人の数を示す交通量とを、地点ごとおよび時間帯ごとに含む。交通規制情報は、地域ＩＤと、地点情報（例えば緯度経度）と、時間帯と、規制種別（車線規制、通行止めなど）とを、地点ごとおよび時間帯ごとに含む。 The people flow information includes an area ID, location information (e.g., latitude and longitude), a time period, and traffic volume indicating the number of people passing through the location per unit time for each location and for each time period. The traffic regulation information includes an area ID, location information (e.g., latitude and longitude), a time period, and a regulation type (lane regulation, road closure, etc.) for each location and for each time period.
図７は、走行履歴情報記憶部３５に記憶される走行履歴情報の一例を示す模式図である。上記走行履歴情報は模擬情報生成部４３にて利用される。上述のように、走行履歴情報は、車両情報および車両センサ情報を含む。
Figure 7 is a schematic diagram showing an example of driving history information stored in the driving history
図７の例では、車両情報は、車両を識別する車両ＩＤと、サービス形態種別と、属性情報と、運行ルートを示す運行ルート情報とを、車両２２ごとに含む。上記属性情報は、車両タイプ（小型車、大型車など）、乗車定員数などを含む。
In the example of FIG. 7, the vehicle information includes, for each
車両センサ情報は、車両ＩＤと、車両センサを識別するセンサＩＤと、検出日時と、検出データとを、車両センサごとおよび検出日時ごとに含む。なお、車両センサがカメラである場合、上記検出データは撮影データである。また、車両センサが測位センサである場合、上記検出データは、緯度経度情報である。この場合、測位センサの車両センサ情報と、静的情報記憶部３４ａの地図情報とを利用することにより、車両２２が何れの実績地域２１を走行しているかを特定することができる。
The vehicle sensor information includes a vehicle ID, a sensor ID that identifies the vehicle sensor, a detection date and time, and detection data for each vehicle sensor and each detection date and time. If the vehicle sensor is a camera, the detection data is photographic data. If the vehicle sensor is a positioning sensor, the detection data is latitude and longitude information. In this case, by using the vehicle sensor information of the positioning sensor and the map information in the static
図８は、実績事態／判断記憶部３６に記憶される事態情報および判断情報の一例を示す模式図である。上記事態情報は、事態抽出部４１および模擬情報生成部４３にて利用される。上記判断情報は、事態抽出部４１にて利用される。
Figure 8 is a schematic diagram showing an example of event information and judgment information stored in the actual event/
図８の例では、事態情報は、事態を識別する事態ＩＤと、地域ＩＤと、車両ＩＤと、事態種別と、事態日時と、属性情報とを、事態ごとに含む。事態種別の典型例は、交通事故、車両故障、車両内乗客アクシデント、外部要因による車両進行不能、その他の事情、である。上記車両内乗客アクシデントは、車内の乗員および／または乗客における人身事故、急病、容体悪化などである。また、上記外部要因の典型例は、進路上の障害物（工事、消防、救急等の現場または停止車両）の存在などである。 In the example of FIG. 8, the incident information includes, for each incident, an incident ID that identifies the incident, an area ID, a vehicle ID, an incident type, an incident date and time, and attribute information. Typical examples of incident types are traffic accidents, vehicle breakdowns, passenger accidents in the vehicle, vehicle inability to proceed due to external factors, and other circumstances. Passenger accidents in the vehicle include personal injury accidents, sudden illness, and deterioration of the condition of occupants and/or passengers in the vehicle. Typical examples of external factors include the presence of obstacles on the route (construction sites, fire stations, emergency services, etc., or stopped vehicles).
また、上記その他の事情の典型例は、警察官による誘導などである。事態日時は、上記事態の発生日時でもよいし、上記事態情報の生成日時でもよい。上記属性情報は、車両の周辺状況との関連度を含む。例えば、交通事故の場合、自車および相手の車両に車両故障が発生することが多い。このため、事態種別が「交通事故」である１行目の事態情報における上記関連度は「大」となっている。 A typical example of the above other circumstances is guidance by a police officer. The incident date and time may be the date and time when the incident occurred, or the date and time when the incident information was created. The attribute information includes the degree of relevance to the surrounding conditions of the vehicle. For example, in the case of a traffic accident, vehicle malfunctions often occur in the vehicle itself and the other vehicle. For this reason, the degree of relevance in the incident information in the first row, where the incident type is "traffic accident", is "high."
図８の例では、判断情報は、事態ＩＤと、地域ＩＤと、監視者を識別する監視者ＩＤと、監視者２３による判断内容と、を含む。当該判断内容は、１または判断順序を伴う複数のサブ判断内容から成る。サブ判断内容は、車両内の状況確認、車両外の状況確認、車両自体の状況確認、車両の走行制御、車両の経路変更、車両の運行復帰、他者への作業手配、他の監視者のアサイン、および車両内乗客の誘導、の少なくともいずれかを含む。また、判断内容は、サブ判断内容ごとに、判断日時と、サブ判断内容の詳細情報と、判断に要した時間と、を含んでもよい。
In the example of FIG. 8, the judgment information includes an incident ID, an area ID, a monitor ID that identifies the monitor, and the judgment made by the
車両内の状況確認、車両外の状況確認、および車両自体の状況確認のそれぞれは、確認内容を上記詳細情報に含んでもよい。当該確認内容の例は、監視者２３による画面操作履歴（画面遷移、画面に表示させているデータ）、監視者２３の音声データなどが挙げられる。車両の経路変更は、停止位置を変更する、別経路に変更する、出発地に戻る、営業所に戻るなどを含む。
The details of each of the checks of the situation inside the vehicle, the situation outside the vehicle, and the situation of the vehicle itself may include the check contents. Examples of the check contents include the screen operation history by the monitor 23 (screen transitions, data displayed on the screen), the voice data of the
他者への作業手配とは、救急の手配、整備の手配、代車の手配などである。他者への作業手配は、連携先を上記詳細情報に含んでもよい。連携先は、手配先の名称（消防署名、警察署名、救急病院名、整備工場名、社内部署名など）、手配先の電話番号などである。 Arranging for work with others includes arranging for an emergency call, maintenance, or a loaner car. When arranging for work with others, the above detailed information may include the name of the party to which the work is to be performed (fire department signature, police department signature, emergency hospital name, maintenance shop name, company internal signature, etc.), the phone number of the party to which the work is to be performed, etc.
他の監視者のアサインは、本事態に対応するために監視者２３が本人以外の新たな監視者のアサインである。
The assignment of another monitor is the assignment of a new monitor other than the
（事態抽出部における抽出処理の具体例１）
次に、事態抽出部４１における抽出処理の一具体例について、図９および図１０を参照して説明する。訓練者２６は、抽出条件を複数回に分けて指定することができる。ここでは、４回に分けて条件を指定する例について説明する。
(Specific example 1 of extraction processing in the incident extraction unit)
Next, a specific example of the extraction process in the
図９は、実績事態／判断記憶部３６に記憶される事態情報の一例を表形式で示す図である。まず、最初の条件として、訓練者２６は、或る「広域」を指定したとする。この場合、事態抽出部４１は、図４に示す広域情報を参照して、指定された広域の広域ＩＤに対応づけられた複数の地域ＩＤ（例えば、B0001～B0004）を取得し、図９に示す５つの事態情報のうち、上記取得した複数の地域ＩＤのそれぞれを含む４つの事態情報（A0001～A0004）を抽出する。
Figure 9 is a diagram showing, in table form, an example of event information stored in the actual event/
２番目の条件として、訓練者２６は、「事態の発生期間」として日中（例えば、６時～１８時）を指定したとする。この場合、事態抽出部４１は、上記抽出された４つの事態情報（A0001～A0004）のうち、事態日時が２番目の条件に合致する、３つの事態情報（A0001～A0003）を抽出する。
As the second condition, the
３番目の条件として、訓練者２６は、「車両の周辺状況との関連度が大きい」ことを指定したとする。この場合、事態抽出部４１は、上記抽出された事態情報（A0001～A0003）のうち、属性情報が３番目の条件に合致する事態情報（A0001およびA0002）を抽出する。
As a third condition, the
４番目の条件として、訓練者２６は、判断内容として「救急手配」を指定したとする。この場合、事態抽出部４１は、まず、実績事態／判断記憶部３６の判断情報を参照し、抽出した事態情報の事態ＩＤ（A0001およびA0002）に対応する判断情報を抽出する。
As the fourth condition, the
図１０は、抽出された判断情報の一例を表形式で示す図である。なお、図１０の例では、図８の判断情報に含まれる地域ＩＤを省略している。次に、事態抽出部４１は、最終的に、４番目の条件に合致する、図１０の１行目の判断情報を抽出し、抽出した判断情報に含まれる事態ＩＤ（A0001）を含む事態情報を取得する。
Figure 10 is a diagram showing an example of extracted judgment information in table format. Note that in the example of Figure 10, the area ID included in the judgment information of Figure 8 is omitted. Next, the
（事態抽出部における抽出処理の具体例２）
次に、事態抽出部４１における抽出処理の別の具体例について説明する。
(Specific example 2 of extraction processing in the incident extraction unit)
Next, another specific example of the extraction process in the
訓練者２６は、或る「サービス形態種別」（例えば、路線バス）を指定したとする。この場合、事態抽出部４１は、図７に示す車両情報を参照して、指定された種別の輸送サービスに供される車両２２の車両ＩＤを取得し、図８に示す実績事態／判断記憶部３６の事態情報を参照して、上記車両ＩＤを含む事態情報を抽出する。
The
訓練者２６は、或る「事態の種別」（例えば、交通事故）を指定したとする。この場合、事態抽出部４１は、図８に示す実績事態／判断記憶部３６の事態情報を参照して、指定された事態の種別を含む事態情報（図９の例では、A0001）を抽出する。
The
訓練者２６は、或る「判断内容」（例えば、救急手配）を指定したとする。この場合、事態抽出部４１は、図８に示す実績事態／判断記憶部３６の判断情報を参照して、指定された判断内容に対応する事態ＩＤ（図１０の例では、A0001）を特定し、図８に示す実績事態／判断記憶部３６の事態情報を参照して、上記事態ＩＤを含む事態情報を抽出する。
The
このように、事態抽出部４１は、訓練者２６が指定した内容に基づき、各種記憶部３３～３６に記憶された各種情報を参照して、事態情報を抽出する。
In this way, the
（事態抽出部における抽出処理の具体例３）
次に、事態抽出部４１における抽出処理の別の具体例について、図１１を参照して説明する。図１１は、判断情報の別の例を表形式で示す図である。図１１の例では、判断情報として、事態ＩＤおよび判断内容が含まれ、該判断内容として、サブ判断内容、判断日時、および詳細情報（連携先）が含まれている。なお、図１１の例では、地域ＩＤおよび監視者ＩＤを省略している。
(Specific example 3 of extraction processing in the incident extraction unit)
Next, another specific example of the extraction process in the
訓練者２６は、条件として、「複雑性を有する」ことを指定したとする。ここで、複雑性とは、同時に複数の事象が発生し複数人の解決が必要な事象、又は、単一の事象に対して複数の判断が必要な事象をいう。
The
上記複雑性を有する一条件は、略同時に発生した複数の事象であって、少なくとも１つの事象に対応する判断内容が「他の監視者のアサイン」である。この場合、事態抽出部４１は、判断内容の判断日時の間隔が所定時間（例えば５分間）である複数の判断情報であって、少なくとも１つの判断情報の判断内容が「他の監視者のアサイン」であるような、複数の判断情報を特定する。図１１の例では、判断内容が「他の監視者のアサイン」である３行目、および、その１分後に判断された４行目の判断情報が特定されることになる。そして、事態抽出部４１は、特定した複数の判断情報にそれぞれ含まれる複数の事態ＩＤ（A0012およびA0014）を含む複数の事態情報を抽出する。
One condition for the above-mentioned complexity is multiple events occurring at approximately the same time, with the judgment content corresponding to at least one of the events being "assigned by another monitor." In this case, the
上記複雑性を有する別の条件は、１つの事象で複数の判断が行われているものである。この場合、事態抽出部４１は、１つの事態ＩＤを複数の判断情報の判断内容を含むような事態ＩＤを特定する。図１１の例では、１行目および２行目の判断情報が特定されることになる。そして、事態抽出部４１は、特定した事態ＩＤ（A0011）を含む事態情報を抽出する。
Another condition with the above-mentioned complexity is one in which multiple judgments are made for one event. In this case, the
（事態抽出部における抽出処理の具体例４）
次に、事態抽出部４１における抽出処理の他の具体例について、図１２を参照して説明する。図１２は、事態情報および判断情報の他の例を表形式で示す図である。図１２の例では、上段の事態情報には、事態ＩＤ、車両ＩＤ、事態種別、および事態日時が含まれている。また、下段の判断情報には、事態ＩＤ、監視者ＩＤ、および判断内容が含まれている。なお、図１２の上段に示す事態情報では、地域ＩＤおよび属性情報を省略している。また、図１２の下段に示す判断情報の例では、地域ＩＤを省略している。
(Specific example 4 of extraction processing in the event extraction unit)
Next, another specific example of the extraction process in the
訓練者２６は、条件として、「多様性を有する」ことを指定したとする。ここで、多様性とは、事態種別が同じでありながら、異なる監視者２３が異なる判断を行った事象をいう。この場合、事態抽出部４１は、まず、事態種別が同じである事態情報を特定する。図１２の例では、上段の表のうち事態種別が「車両内乗客アクシデント（容体悪化）」である１行目および２行目の事態情報（A0021およびA0022）が特定されることになる。
The
次に、事態抽出部４１は、特定された事態情報の事態ＩＤを含む判断情報を抽出し、抽出した判断情報のうち、監視者ＩＤが異なり、かつ、判断内容が異なる判断情報を抽出する。図１２の例では、下段の表の１行目および２行目の判断情報の監視者ＩＤは異なっている。さらに、下段の表の１行目の判断内容は、経路変更を行ってから救急手配を行う順序であるのに対し、下段の表の２行目の判断内容は、救急手配を行ってから経路変更を行う順序であり、両者の判断内容は異なっている。従って、下段の表の１行目および２行目の判断情報が抽出されることになる。
Next, the
そして、事態抽出部４１は、抽出した複数の判断情報にそれぞれ含まれる複数の事態ＩＤ（A0021およびA0022）を含む複数の事態情報を抽出する。
Then, the
なお、事態種別としては、種々のものが考えられる。このため、事態種別が同じである事態情報が存在しない場合が考えられる。そこで、事態抽出部４１は、事態種別が同じまたは類似である事態情報を特定してもよい。事態種別の類否判断は、一例として、比較対象となる事態種別の特徴をそれぞれ定量化し、該定量化によって得られた値に基づいて判断すればよい。なお、事態種別が限られている場合、訓練用データ生成装置１４は、上記判断結果を他の装置または人から取得し、類似すると判断された事態種別どうしを対応付けて予め記憶してもよい。
Note that various types of incidents are possible. For this reason, it is possible that incident information with the same incident type does not exist. In this case, the
（類似地域特定部における処理の具体例）
次に、類似地域特定部４２における処理の具体例について、図１３を参照して説明する。
(Specific examples of processing in the Similar Region Identification Department)
Next, a specific example of the process in the similar
図１３は、類似地域特定部４２における処理の一例の流れを示すフローチャートである。まず、類似地域特定部４２は、事態抽出部４１が抽出した事態情報に含まれる車両ＩＤを取得し（Ｓ２１）、取得した車両ＩＤに対応するサービス形態を、走行履歴情報記憶部３５の車両情報を参照して取得する（Ｓ２２）。
Figure 13 is a flowchart showing an example of the flow of processing in the similar
次に、類似地域特定部４２は、取得したサービス形態と同一または類似のサービス形態が、対象地域２４にて実施されているかを、対象地域情報記憶部３７におけるサービス形態情報を参照して判断する（Ｓ２３）。実施されていない場合（Ｓ２３にてＮＯ）、上記処理を終了する。この場合、事態抽出部４１にて上記条件を変更してやり直してもよい。
Next, the similar
ステップＳ２３にて同一または類似のサービス形態が実施されていると判断した場合（Ｓ２３にてＹＥＳ）、類似地域特定部４２は、上記事態情報であって、該当するサービス形態に対応する車両ＩＤを含む事態情報に含まれる地域ＩＤを特定し、特定した地域ＩＤに対応する実績地域２１の静的情報を、候補地域の静的情報として実績地域情報記憶部３４から取得する（Ｓ２４）。次に、類似地域特定部４２は、取得した候補地域の静的情報と、対象地域情報記憶部３７に記憶された対象地域２４の静的情報とを比較し、類似度を算出する（Ｓ２５）。
If it is determined in step S23 that the same or similar service format is being implemented (YES in S23), the similar
上記類似度は、例えば以下のように算出される。すなわち、候補地域の地図情報の要素（道路、交差点、交通標識、施設）に基づき上述の評価値を算出する。同様に、対象地域２４の静的情報に基づく評価値を算出する。実績地域２１の評価値と対象地域２４の評価値との差に基づいて類似度が求められる。
The similarity is calculated, for example, as follows. That is, the above-mentioned evaluation value is calculated based on the elements of the map information of the candidate area (roads, intersections, traffic signs, facilities). Similarly, an evaluation value is calculated based on static information of the
次に、算出した類似度が所定値よりも低い場合（Ｓ２６にてＮＯ）、類似地域特定部４２は、上記候補地域を除外し、他の候補地域が存在するか否かを判断する（Ｓ２７）。他の候補地域が存在する場合、ステップＳ２５に戻る。一方、他の候補地域が存在しない場合、上記処理を終了する。この場合、事態抽出部４１にて上記条件を変更してやり直してもよい。
Next, if the calculated similarity is lower than a predetermined value (NO in S26), the similar
算出した類似度が所定値以上である場合（Ｓ２６にてＹＥＳ）、類似地域特定部４２は、候補地域を類似地域とする（Ｓ２８）。その後、上記処理を終了する。
If the calculated similarity is equal to or greater than the predetermined value (YES in S26), the similar
上記構成によれば、対象地域２４と候補地域との類似度を評価値として定量化しているので、上記候補地域の中から類似地域を精度よく特定することができる。
According to the above configuration, the similarity between the
（模擬情報生成部における処理の具体例）
次に、模擬情報生成部４３における処理の具体例について、図１４を参照して説明する。
(Specific example of processing in the simulation information generating unit)
Next, a specific example of the process in the simulation
図１４の上段は、類似地域特定部４２にて特定された類似地域（Ａ市）における地図を示しており、図１４の下段は、対象地域２４（Ｂ市）における地図を示す図である。
The upper part of Figure 14 shows a map of a similar area (City A) identified by the similar
模擬情報生成部４３は、類似地域の動的情報を実績地域情報記憶部３４から取得し、取得した動的情報を、対象地域２４に適合するように変更することにより、模擬情報の動的情報を生成する。
The simulation
例えば、図１４に示す類似地域において事態の実発生地点ＡＰを、事態情報および走行履歴情報を用いて特定する。次に、実発生地点ＡＰに類似する対象地域２４の地点を特定し、模擬発生地点ＶＰとする。例えば、実発生地点ＡＰを示すＡ市の静的情報と類似度が最も高いＢ市の静的情報で示される地点を模擬発生地点ＶＰとすればよい。この特定は、既存技術によって実行される。
For example, the actual occurrence point AP of the incident in the similar area shown in FIG. 14 is identified using incident information and driving history information. Next, a point in the
次に、実発生地点ＡＰ付近の実エリアＰ１の交通情報を、模擬発生地点ＶＰ付近の模擬エリアＶ１の交通情報とする。例えば、事態の発生日時における実エリアＰ１の交通流の量が「レベル８」で示される場合、模擬エリアＶ１の交通流の量を「レベル８」に近い値となるようにする。この処理も、既存技術によって実行される。また、事態の発生日時における実発生地点ＡＰ付近の実エリアＰ１での気象情報および交通規制情報ＰＴ１は、そのまま、模擬発生地点ＶＰ付近の模擬エリアＶ１での模擬気象情報および模擬交通規制情報ＶＴ１とすればよい。 Next, the traffic information for the real area P1 near the real occurrence point AP is treated as the traffic information for the simulated area V1 near the simulated occurrence point VP. For example, if the traffic flow volume in the real area P1 at the date and time when the incident occurred is indicated as "level 8", the traffic flow volume in the simulated area V1 is made to be a value close to "level 8". This process is also performed using existing technology. Furthermore, the weather information and traffic regulation information PT1 in the real area P1 near the real occurrence point AP at the date and time when the incident occurred can be used as is as the simulated weather information and simulated traffic regulation information VT1 in the simulated area V1 near the simulated occurrence point VP.
上記構成によれば、実発生地点ＡＰと類似する模擬発生地点ＶＰを特定し、特定した模擬発生地点ＶＰに基づいて、模擬走行するための情報および模擬エリアＶ１の動的情報を生成するので、現実となり得る可能性が高いデータを生成することができる。 According to the above configuration, a simulated occurrence point VP similar to the actual occurrence point AP is identified, and information for a simulated run and dynamic information for the simulated area V1 are generated based on the identified simulated occurrence point VP, so that data that is highly likely to become reality can be generated.
なお、模擬情報生成部４３は、変更された動的情報が対象地域２４では起こり得るか否かを判断してもよい。起こり得ない場合、事態抽出部４１にて上記条件を変更してやり直してもよい。或いは、類似地域特定部４２にて図１３に示すステップＳ２６の所定値を減少させてやり直してもよい。
The simulation
なお、訓練用データ生成装置１４の模擬情報生成部４３は、事態の発生日時における実発生地点ＡＰ付近の実エリアＰ１での気象情報および交通規制情報よりも厳しい気象情報および交通規制情報を、模擬発生地点ＶＰ付近の模擬エリアＶ１での模擬気象情報および模擬交通規制情報として生成してもよい。これにより、例えば、大雨による視界不良下の運行指示判断や、車両進入規制による難易度の高い経路変更指示など、より高度な訓練を行うことができる。
The simulated
また、監視訓練装置１５のシミュレーション実行部５１は、模擬車両２５の模擬車内映像および模擬車外映像を生成することが好ましい。この場合、例えば、Ｂ市での上記模擬走行における車内映像は、Ａ市での実際の車内映像を流用してもよいし、Ｂ市にすでに存在する映像を利用して、人などのオブジェクトを抽出し、３Ｄモデリングしたものを生成し、呼びかけに応じた乗客映像を生成してもよい。また、例えば、Ｂ市での上記模擬走行における車外映像は、既存技術を用いて、Ｂ市の高品位の地図情報から生成してもよい。
The
（変形例）
上記実施形態では、事態抽出部４１、類似地域特定部４２、および模擬情報生成部４３は、訓練用データ生成装置１４に一体として構成したが、それぞれ別体の装置に分散配置されてもよい。この場合、装置間で通信可能に接続されていればよい。また、訓練用データ生成装置１４の記憶部３３～３７は、訓練用データ生成装置１４と異なる装置に設けられていてもよい。
(Modification)
In the above embodiment, the
〔ソフトウェアによる実現例〕
訓練用データ生成装置１４（以下、「装置」と呼ぶ）の機能は、当該装置としてコンピュータを機能させるためのプログラムであって、当該装置の各制御ブロック（特に制御部３１に含まれる各部）としてコンピュータを機能させるためのプログラムにより実現することができる。
[Software implementation example]
The functions of the training data generation device 14 (hereinafter referred to as the "device") are realized by a program for causing a computer to function as the device, and by a program for causing a computer to function as each control block of the device (particularly each part included in the control unit 31).
この場合、上記装置は、上記プログラムを実行するためのハードウェアとして、少なくとも１つの制御装置（例えばプロセッサ）と少なくとも１つの記憶装置（例えばメモリ）を有するコンピュータを備えている。この制御装置と記憶装置により上記プログラムを実行することにより、上記各実施形態で説明した各機能が実現される。 In this case, the device includes a computer having at least one control device (e.g., a processor) and at least one storage device (e.g., a memory) as hardware for executing the program. The functions described in each of the above embodiments are realized by executing the program using the control device and storage device.
上記プログラムは、一時的ではなく、コンピュータ読み取り可能な、１または複数の記録媒体に記録されていてもよい。この記録媒体は、上記装置が備えていてもよいし、備えていなくてもよい。後者の場合、上記プログラムは、有線または無線の任意の伝送媒体を介して上記装置に供給されてもよい。 The program may be recorded on one or more computer-readable recording media, not on a temporary basis. The recording media may or may not be included in the device. In the latter case, the program may be supplied to the device via any wired or wireless transmission medium.
また、上記各制御ブロックの機能の一部または全部は、論理回路により実現することも可能である。例えば、上記各制御ブロックとして機能する論理回路が形成された集積回路も本発明の範疇に含まれる。この他にも、例えば量子コンピュータにより上記各制御ブロックの機能を実現することも可能である。 In addition, some or all of the functions of each of the above control blocks can be realized by a logic circuit. For example, an integrated circuit in which a logic circuit that functions as each of the above control blocks is formed is also included in the scope of the present invention. In addition, it is also possible to realize the functions of each of the above control blocks by, for example, a quantum computer.
また、上記各実施形態で説明した各処理は、ＡＩ（Artificial Intelligence：人工知能）に実行させてもよい。この場合、ＡＩは上記制御装置で動作するものであってもよいし、他の装置（例えばエッジコンピュータまたはクラウドサーバ等）で動作するものであってもよい。 The processes described in each of the above embodiments may be executed by AI (Artificial Intelligence). In this case, the AI may run on the control device, or on another device (such as an edge computer or a cloud server).
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。 The present invention is not limited to the above-described embodiments, and various modifications are possible within the scope of the claims. The technical scope of the present invention also includes embodiments obtained by appropriately combining the technical means disclosed in different embodiments.
１ 運行監視システム
１１ 監視装置
１２ 交通情報サーバ
１３ 気象情報サーバ
１４ 訓練用データ生成装置（データ生成システム）
１５ 監視訓練装置（監視訓練システム）
２１ 実績地域（地域）
２２ 車両
２３ 運行監視者
２３ 監視者
２４ 対象地域
２５ 模擬車両
２６ 訓練者
３１ 制御部
３２ 通信部
３３ 記憶部
３３ 広域情報記憶部
３４ 実績地域情報記憶部（地域情報記憶部）
３４ａ、３７ａ 静的情報記憶部
３４ｂ、３７ｂ 動的情報記憶部
３５ 走行履歴情報記憶部
３６ 実績事態／判断記憶部
３７ 対象地域情報記憶部
４１ 事態抽出部（抽出部）
４２ 類似地域特定部（特定部）
４３ 模擬情報生成部（生成部）
５１ シミュレーション実行部
５２ 受付部
1
15 Surveillance training equipment (surveillance training system)
21 Areas of achievement (areas)
22
34a, 37a: static
42 Similar Region Specification Division (Specification Division)
43 Simulation information generation unit (generation unit)
51
Claims (15)
前記車両の走行履歴に関する走行履歴情報を前記車両毎に記憶する走行履歴情報記憶部と、
前記車両および当該車両の運行監視者による判断内容と対応付けられた事態を記憶する事態／判断記憶部と、
前記事態／判断記憶部が記憶する前記事態のうち指定された条件を満たす前記事態を抽出する抽出部と、
前記地域のうち、前記抽出された前記事態が発生した地点を含み、かつ、監視訓練の対象となる対象地域で提供される輸送サービスと同一または類似の輸送サービスが提供されている候補地域を特定し、前記候補地域のうち、前記対象地域と前記地図情報が類似する類似地域を特定する特定部と、
生成部とを備え、
前記生成部は、
前記類似地域において前記抽出された前記事態と対応付けられた前記車両の前記走行履歴情報を用いて、前記対象地域において当該車両と同一または類似の輸送サービスに供される模擬車両が当該事態に遭遇するように模擬走行するための前記模擬車両の走行用情報を生成するとともに、
前記対象地域における前記模擬走行時の前記動的情報を、前記類似地域の前記地域情報および前記対象地域の地図情報から生成する、
データ生成システム。 A regional information storage unit that stores regional information including map information and dynamic information that varies over time, including traffic information, for each region in which a vehicle that is autonomously controlled and provided for a transportation service travels;
a driving history information storage unit that stores driving history information regarding the driving history of the vehicle for each of the vehicles;
an event/judgment storage unit that stores events associated with the vehicle and the judgment content made by the vehicle operation monitor;
an extraction unit that extracts the event that satisfies a specified condition from the events stored in the event/judgment storage unit;
an identification unit that identifies a candidate area that includes the location where the extracted incident occurred and provides transportation services that are the same as or similar to the transportation services provided in the target area that is the subject of the surveillance training , and identifies a similar area from the candidate areas that has map information similar to that of the target area;
A generating unit,
The generation unit is
Using the driving history information of the vehicle associated with the extracted incident in the similar area, generate driving information for the simulated vehicle for simulating a driving of a simulated vehicle provided for the same or similar transportation service as the vehicle in the target area so as to encounter the incident; and
generating the dynamic information during the simulated driving in the target area from the regional information of the similar area and map information of the target area;
Data generation system.
前記抽出部は、指定された広域に含まれる複数の前記地域が対応付けられた前記事態を抽出する、
請求項１に記載のデータ生成システム。 The events stored in the event/judgment storage unit are associated with the regions;
The extraction unit extracts the events associated with a plurality of the areas included in a designated wide area.
The data generation system of claim 1 .
前記抽出部は、指定された当該種別の輸送サービスに供される前記車両が対応付けられた前記事態を抽出する、
請求項１または２に記載のデータ生成システム。 The condition is a type of the transportation service,
The extraction unit extracts the event associated with the vehicle provided for the specified type of transportation service.
3. The data generation system according to claim 1 or 2.
前記抽出部は、指定された当該種別の前記事態を抽出する、
請求項１から３のいずれか１項に記載のデータ生成システム。 The condition is a type of the event,
The extraction unit extracts the event of the specified type.
A data generation system according to any one of claims 1 to 3.
前記抽出部は、指定された前記判断内容が対応付けられた前記事態を抽出する、
請求項１から４のいずれか１項に記載のデータ生成システム。 The condition is the judgment content,
The extraction unit extracts the situation associated with the specified judgment content.
A data generation system according to any one of claims 1 to 4.
前記条件は、前記事態の発生期間であり、
前記抽出部は、指定された前記発生期間に含まれる日時が対応付けられた前記事態を抽出する、
請求項１から５のいずれか１項に記載のデータ生成システム。 The event/judgment storage unit stores the occurrence date and time of the event for each event,
the condition being a period during which the event occurs,
The extraction unit extracts the event associated with a date and time included in the specified occurrence period.
A data generation system according to any one of claims 1 to 5.
前記条件は、前記関連度であり、
前記抽出部は、指定された前記関連度が対応付けられた前記事態を抽出する、
請求項１から６のいずれか１項に記載のデータ生成システム。 The event/judgment storage unit further stores a degree of association with a surrounding situation of the vehicle in association with the event,
the condition is the relevance;
The extraction unit extracts the event associated with the specified relevance degree.
A data generation system according to any one of claims 1 to 6.
前記抽出部は、当該複数の前記事態を抽出する、
請求項１に記載のデータ生成システム。 The specified condition is a plurality of the events occurring within a predetermined time interval, and at least one of the plurality of the events is associated with the judgment content indicating the assignment of another operation monitor,
The extraction unit extracts the plurality of events.
The data generation system of claim 1 .
前記抽出部は、当該事態を抽出する、
請求項１に記載のデータ生成システム。 the specified condition is the same event to which a plurality of the judgment contents are associated,
The extraction unit extracts the event.
The data generation system of claim 1 .
前記抽出部は、当該複数の前記事態を抽出する、
請求項１に記載のデータ生成システム。 The specified conditions are a plurality of different events having the same or similar types and corresponding to different judgment contents,
The extraction unit extracts the plurality of events.
The data generation system of claim 1 .
前記特定部は、前記対象地域の前記要素をパラメータとする所定演算により算出される評価値と、前記候補地域の前記要素をパラメータとする前記所定演算により算出される評価値との差に基づいて、前記候補地域の中から前記類似地域を特定する、
請求項１から１０のいずれか１項に記載のデータ生成システム。 the map information includes at least one of information on roads in the area, information on intersections in the area, information on traffic signs in the area, and information on facilities in the area as elements;
the identification unit identifies the similar area from among the candidate areas based on a difference between an evaluation value calculated by a predetermined calculation using the element of the target area as a parameter and an evaluation value calculated by the predetermined calculation using the element of the candidate area as a parameter.
A data generation system according to any one of claims 1 to 10.
前記類似地域において前記抽出された前記事態が発生した地点である実発生地点と類似する地点であって、前記対象地域において当該事態が発生する地点である模擬発生地点を、前記実発生地点を含む実エリアの前記地図情報および前記対象地域の前記地図情報に基づいて特定し、
前記実発生地点にて発生した前記事態と対応付けられた前記車両の前記走行履歴情報を用いて、前記模擬車両が前記模擬発生地点にて当該事態に遭遇するように模擬走行するための前記模擬車両の走行用情報を生成するとともに、
前記実エリアの前記動的情報から、前記模擬発生地点を含む模擬エリアの前記動的情報を生成する、
請求項１から１１のいずれか１項に記載のデータ生成システム。 The generation unit is
Identifying a simulated occurrence point, which is a point similar to an actual occurrence point, which is a point where the extracted incident occurred in the similar area, and is a point where the incident occurs in the target area, based on the map information of the actual area including the actual occurrence point and the map information of the target area;
generating driving information for the simulated vehicle for simulating a driving so that the simulated vehicle encounters the event at the simulated occurrence point using the driving history information of the vehicle associated with the event that occurred at the actual occurrence point;
generating the dynamic information of a simulated area including the simulated occurrence point from the dynamic information of the real area;
A data generation system according to any one of claims 1 to 11.
請求項１から１２のいずれか１項に記載のデータ生成システム。 The type of the incident includes at least one of a traffic accident, a vehicle breakdown, a passenger accident in a vehicle, and a vehicle being unable to proceed due to an external factor.
A data generation system according to any one of claims 1 to 12.
前記サブ判断内容は、前記車両内の状況確認、前記車両外の状況確認、前記車両自体の状況確認、前記車両の走行制御、前記車両の経路変更、前記車両の運行復帰、他者への作業手配、他の運行監視者のアサイン、および前記車両内乗客の誘導、の少なくともいずれかを含む、
請求項１から１３のいずれか１項に記載のデータ生成システム。 The decision step may include one or more sub-decisions with a decision sequence;
The sub-judgment contents include at least one of the following: checking the situation inside the vehicle, checking the situation outside the vehicle, checking the situation of the vehicle itself, controlling the running of the vehicle, changing the route of the vehicle, returning the vehicle to operation, arranging work for others, assigning other operation monitors, and guiding passengers in the vehicle.
A data generation system according to any one of claims 1 to 13.
前記模擬車両において発生する事態に対する訓練者の判断内容の入力を受け付ける受付部とを備える、
監視訓練システム。 a simulation execution unit that executes a simulated run of the simulated vehicle in the target area using information generated by the data generation system according to any one of claims 1 to 14;
a reception unit that receives an input of a trainee's judgment regarding a situation occurring in the simulated vehicle,
Surveillance training system.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022056972A JP7494241B2 (en) | 2022-03-30 | 2022-03-30 | Data generation system, and surveillance training system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022056972A JP7494241B2 (en) | 2022-03-30 | 2022-03-30 | Data generation system, and surveillance training system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2023148770A JP2023148770A (en) | 2023-10-13 |
| JP7494241B2 true JP7494241B2 (en) | 2024-06-03 |
Family
ID=88287795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022056972A Active JP7494241B2 (en) | 2022-03-30 | 2022-03-30 | Data generation system, and surveillance training system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7494241B2 (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009190473A (en) | 2008-02-12 | 2009-08-27 | Kozo Keikaku Engineering Inc | Diagram restoring training system and method |
| JP2021534501A (en) | 2018-08-17 | 2021-12-09 | リフト インコーポレイテッドLyft, Inc. | Road segment similarity judgment |
| JP2022009968A (en) | 2019-01-25 | 2022-01-14 | 株式会社デンソー | Road abnormality determining device, road abnormality determining system and road abnormality determining method |
-
2022
- 2022-03-30 JP JP2022056972A patent/JP7494241B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009190473A (en) | 2008-02-12 | 2009-08-27 | Kozo Keikaku Engineering Inc | Diagram restoring training system and method |
| JP2021534501A (en) | 2018-08-17 | 2021-12-09 | リフト インコーポレイテッドLyft, Inc. | Road segment similarity judgment |
| JP2022009968A (en) | 2019-01-25 | 2022-01-14 | 株式会社デンソー | Road abnormality determining device, road abnormality determining system and road abnormality determining method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023148770A (en) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108364494B (en) | Intelligent road traffic management method, system and platform | |
| US11675370B2 (en) | Fleet management for autonomous vehicles | |
| WO2020177767A1 (en) | Electronic map-based traffic and travel information service system and method | |
| Zhang | Toward automated vehicle teleoperation: Vision, opportunities, and challenges | |
| CN107782564A (en) | A kind of automatic driving vehicle evaluation system and method | |
| JP7158128B2 (en) | Disaster occurrence probability calculation system and method, program, and recording medium | |
| CN107843440A (en) | A kind of automatic driving vehicle Performance Test System and method | |
| CN113692373B (en) | Retention and range analysis for autonomous vehicle services | |
| CN117436821B (en) | Method, device and storage medium for generating traffic accident diagnosis report | |
| KR102562757B1 (en) | Prediction and recognition method of road marking information and road maintenance method | |
| JP7494241B2 (en) | Data generation system, and surveillance training system | |
| CN113034951A (en) | Intelligent driving system and intelligent driving method | |
| JP6687680B2 (en) | Information processing system, information processing server, information processing method, and information processing program | |
| US20200292339A1 (en) | Moving assist device and moving assist system | |
| Bubelíny et al. | The use of smart elements for the transport operation in the slovak cities | |
| RU2712715C1 (en) | Method for remote control of independent movement of columns and/or unmanned vehicles (uv) by intelligent transport infrastructure (iti) of motor roads network | |
| Plan | Draft Report | |
| Vasudevan et al. | Identifying real-world transportation applications using artificial intelligence (AI)-real-world AI scenarios in transportation for possible deployment | |
| KR102594588B1 (en) | System and method for displaying CCTV video through multiple monitor of monitoring room in Transport Information Center | |
| JP7297325B2 (en) | vending machine system | |
| Alshammari | Future Vision For Improving Riyadh City To Become A Smart Mobility City | |
| Minnikhanov et al. | Unified ITS Environment in the Republic of Tatarstan | |
| Detzer et al. | Decision support for multimodal transportation systems at major events and disasters: a case study in the region of Brunswick (Germany) | |
| Cledou et al. | A Taxonomy for Smart Mobility Services | |
| Khalifeh | RITThe Contributions of Traffic Management Centers in life Enhancement |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230131 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240222 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240227 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240423 |
|
| 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: 20240514 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240522 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7494241 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |