特許 7381804 進路制御装置および進路制御方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B1)

(11)【特許番号】

(24)【登録日】2023-11-07

(45)【発行日】2023-11-16

(54)【発明の名称】進路制御装置および進路制御方法

(51)【国際特許分類】

   G08G 1/09 20060101AFI20231108BHJP

   G01C 21/26 20060101ALI20231108BHJP

【ＦＩ】

G08G1/09 V

G01C21/26 A

【請求項の数】 10

(21)【出願番号】P 2023154067

(22)【出願日】2023-09-21

【審査請求日】2023-09-21

【早期審査対象出願】

(73)【特許権者】

【識別番号】397036309

【氏名又は名称】株式会社インターネットイニシアティブ

(74)【代理人】

【識別番号】100118902

【弁理士】

【氏名又は名称】山本 修

(74)【代理人】

【識別番号】100106208

【弁理士】

【氏名又は名称】宮前 徹

(74)【代理人】

【識別番号】100196508

【弁理士】

【氏名又は名称】松尾 淳一

(74)【代理人】

【識別番号】100195408

【弁理士】

【氏名又は名称】武藤 陽子

(72)【発明者】

【氏名】柿島 純

【審査官】高島 壮基

(56)【参考文献】

【文献】特許第７３２１４００（ＪＰ，Ｂ１）

【文献】特開２０１９－０７０９９７（ＪＰ，Ａ）

【文献】特開２０１０－２５８５７５（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｂ６０Ｗ ３０／００－６０／００

Ｇ０１Ｃ ２１／００－２１／３６

Ｇ０８Ｇ １／００－９９／００

Ｇ０９Ｂ ２９／００

Ｈ０４Ｗ ４／００－９９／００

(57)【特許請求の範囲】

【請求項1】

複数の通信エリアで規定される車両の移動空間において、初期地点の通信エリアの位置から目的地点の通信エリアの位置までの前記車両の進路を制御する進路制御装置であって、
通信エリアを跨いだ際に送信される前記車両からの位置登録信号に関連付けられている該通信エリアの位置を、前記車両の現在の位置として取得するように構成された第１取得部と、
学習モデルを用いて学習された、前記車両が各通信エリアの位置から順次進むべき進路の方策に基づいて、前記第１取得部によって前記車両の前記現在の位置として取得された現在の通信エリアの位置から、前記車両が次に進むべき進路を決定するように構成された決定部と、
前記決定部によって決定された、前記車両が次に進むべき進路を所定の通信規格のコアネットワークを介して前記車両に指示するように構成された進路制御部と
を備える進路制御装置。

【請求項2】

請求項１に記載の進路制御装置において、
さらに、前記車両が前記初期地点の通信エリアの位置から前記目的地点の通信エリアの位置に到達するまでに、前記車両が前記各通信エリアの位置から順次進むべき進路を計算した推定結果に報酬関数を適用して、前記車両が前記目的地点の通信エリアの位置へ到達するための報酬が最大化するように更新し、前記車両が前記各通信エリアの位置から順次進むべき前記進路の方策を、前記学習モデルを用いて学習するように構成された学習部と、
前記学習部によって学習された、前記進路の方策を記憶するように構成された記憶部と
を備え、
前記決定部は、前記記憶部から前記進路の方策を読み出して、前記車両が次に進むべき進路を決定する
ことを特徴とする進路制御装置。

【請求項3】

請求項２に記載の進路制御装置において、
さらに、前記移動空間において渋滞が発生している領域に対応する通信エリアの位置を取得するように構成された第２取得部と、
前記報酬関数は、前記車両の前記目的地点に係る通信エリアの位置への到達度、および前記渋滞が発生している領域に対応する通信エリアの位置への前記車両の到達度を変数として含む
ことを特徴とする進路制御装置。

【請求項4】

請求項３に記載の進路制御装置において、
前記学習モデルは、入力層、隠れ層、および出力層を含むニューラルネットワークモデルであり、
前記学習部は、前記現在の通信エリアの位置を前記ニューラルネットワークモデルの入力として与え、前記ニューラルネットワークモデルの演算を行い、前記車両が前記現在の通信エリアの位置から次に進むべき進路として、右折、左折、および直進を含む各々の行動をとった場合に得られる将来の前記報酬の累積値の期待値を表す行動価値関数の第１推定値を出力し、
前記学習部は、さらに、前記車両が次に到達した通信エリアの位置を前記ニューラルネットワークモデルの入力として与え、前記ニューラルネットワークモデルの演算を行い、前記行動価値関数の第２推定値を出力し、
前記学習部は、前記第１推定値が、前記第２推定値から計算される目標値となるように、前記ニューラルネットワークモデルの重みパラメータを学習し、
前記記憶部は、学習済みの重みパラメータを記憶する
ことを特徴とする進路制御装置。

【請求項5】

請求項１から４のいずれか１項に記載された進路制御装置において、
前記第１取得部は、前記コアネットワークに含まれる、統合データリポジトリから、前記車両の前記現在の通信エリアの位置を取得し、
前記進路制御部は、前記コアネットワークに含まれるユーザープレーン機能を介して、前記車両に前記次に進むべき進路に係る指示を送信する
ことを特徴とする進路制御装置。

【請求項6】

複数の通信エリアで規定される車両の移動空間において、初期地点の通信エリアの位置から目的地点の通信エリアの位置までの前記車両の進路を制御するための進路制御方法であって、
通信エリアを跨いだ際に送信される前記車両からの位置登録信号に関連付けられている該通信エリアの位置を、前記車両の現在の位置として取得する第１取得ステップと、
学習モデルを用いて学習された、前記車両が各通信エリアの位置から順次進むべき進路の方策に基づいて、前記第１取得ステップで前記車両の前記現在の位置として取得された現在の通信エリアの位置から、前記車両が次に進むべき進路を決定する決定ステップと、
前記決定ステップで決定された、前記車両が次に進むべき進路を所定の通信規格のコアネットワークを介して前記車両に指示する進路制御ステップと
を備える進路制御方法。

【請求項7】

請求項６に記載の進路制御方法において、
さらに、前記車両が前記初期地点の通信エリアの位置から前記目的地点の通信エリアの位置に到達するまでに、前記車両が前記各通信エリアの位置から順次進むべき進路を計算した推定結果に報酬関数を適用して、前記車両が前記目的地点の通信エリアの位置へ到達するための報酬が最大化するように更新し、前記車両が前記各通信エリアの位置から順次進むべき前記進路の方策を、前記学習モデルを用いて学習するように構成された学習ステップと、
前記学習ステップで学習された、前記進路の方策を記憶部に記憶する記憶ステップと
を備え、
前記決定ステップは、前記記憶部から前記進路の方策を読み出して、前記車両が次に進むべき進路を決定する
ことを特徴とする進路制御方法。

【請求項8】

請求項７に記載の進路制御方法において、
さらに、前記移動空間において渋滞が発生している領域に対応する通信エリアの位置を取得するように構成された第２取得ステップと、
前記報酬関数は、前記車両の前記目的地点に係る通信エリアの位置への到達度、および前記渋滞が発生している領域に対応する通信エリアの位置への前記車両の到達度を変数として含む
ことを特徴とする進路制御方法。

【請求項9】

請求項８に記載の進路制御方法において、
前記学習モデルは、入力層、隠れ層、および出力層を含むニューラルネットワークモデルであり、
前記学習ステップは、前記現在の通信エリアの位置を前記ニューラルネットワークモデルの入力として与え、前記ニューラルネットワークモデルの演算を行い、前記車両が前記現在の通信エリアから次に進むべき進路として、右折、左折、および直進を含む各々の行動をとった場合に得られる将来の前記報酬の累積値の期待値を表す行動価値関数の第１推定値を出力し、
前記学習ステップは、さらに、前記車両が次に到達した通信エリアの位置を前記ニューラルネットワークモデルの入力として与え、前記ニューラルネットワークモデルの演算を行い、前記行動価値関数の第２推定値を出力し、
前記学習ステップは、前記第１推定値が、前記第２推定値から計算される目標値となるように、前記ニューラルネットワークモデルの重みパラメータを学習し、
前記記憶ステップは、学習済みの重みパラメータを前記記憶部に記憶する
ことを特徴とする進路制御方法。

【請求項10】

請求項６から９のいずれか１項に記載された進路制御方法において、
前記第１取得ステップは、前記コアネットワークに含まれる、統合データリポジトリから、前記車両の前記現在の通信エリアの位置を取得し、
前記進路制御ステップは、前記コアネットワークに含まれるユーザープレーン機能を介して、前記車両に前記次に進むべき進路に係る指示を送信する
ことを特徴とする進路制御方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、進路制御装置および進路制御方法に関する。

【背景技術】

【0002】

従来から、車両の自動運転における自車位置推定技術として、ＧＰＳなどの測位衛星からの信号および、測位衛星からの信号を補完するために車両の挙動を検知する６軸慣性センサ（Ｉｎｅｒｔｉａｌ Ｍｅａｓｕｒｅｍｅｎｔ Ｕｎｉｔ：ＩＭＵ）や、タイヤの回転数を計測して車両が進んだ距離を計測する走行距離計（Ｄｉｓｔａｎｃｅ Ｍｅａｓｕｒｉｎｇ Ｉｎｓｔｒｕｍｅｎｔ：ＤＭＩ）が知られている。

【0003】

車両がトンネル内を走行している場合など通信状態が悪い状況では測位衛星からのＧＰＳの信号が受信できない場合がある。しかし、ＧＰＳを補完するために用いられているＩＭＵおよびＤＭＩにおいても、状況によっては自車位置推定精度が十分でない場合がある。例えば、ＩＭＵを用いた自車位置推定では誤差が蓄積しやすい欠点がある。ＤＭＩを用いた自車位置推定では、車速や車両の向きが変わるときに、計測精度が低下する場合がある。

【0004】

このように、従来の自動運転における自車位置推定では、ＧＰＳの測位衛星からの電波の受信状況が悪い場合に、自車位置推定の精度が低下し、自車両の自動運転ＥＣＵによって進路や経路の選択を正確に行うことが困難な場合があった。

【0005】

そこで、特許文献１は、ＧＰＳおよび地図情報を組み合わせて自動運転の制御を行う場合に、通信遅延が生じた際には、車両がいる地域情報を収集して現在状況地図情報を作成し、設定された目的地点と現在状況地図情報とに基づいて、目的地点までの車両の走行領域の予測演算を行う技術を開示している。

【0006】

しかし、特許文献１が開示する技術では、車両の速度や周辺情報などの様々な情報を収集し地図を生成して車両の走行領域の予測演算を行うため、予測演算が複雑化し、演算負荷が多大となる。

【先行技術文献】

【特許文献】

【0007】

【文献】特開２０２１－１１１３２９号公報

【発明の概要】

【発明が解決しようとする課題】

【0008】

このように、従来の技術では、より簡易な構成により遠隔で車両の進路制御を行うことができなかった。

【0009】

本発明は、上述した課題を解決するためになされたものであり、より簡易な構成により遠隔で車両の進路制御を行うことを目的とする。

【課題を解決するための手段】

【0010】

上述した課題を解決するために、本発明に係る進路制御装置は、複数の通信エリアで規定される車両の移動空間において、初期地点の通信エリアの位置から目的地点の通信エリアの位置までの前記車両の進路を制御する進路制御装置であって、通信エリアを跨いだ際に送信される、前記車両からの位置登録信号に関連付けられている該通信エリアの位置を、前記車両の現在の位置として取得するように構成された第１取得部と、学習モデルを用いて学習された、前記車両が各通信エリアの位置から順次進むべき進路の方策に基づいて、前記第１取得部によって前記車両の前記現在の位置として取得された現在の通信エリアの位置から、前記車両が次に進むべき進路を決定するように構成された決定部と、前記決定部によって決定された、前記車両が次に進むべき進路を所定の通信規格のコアネットワークを介して前記車両に指示するように構成された進路制御部とを備える。

【0011】

また、本発明に係る進路制御装置において、ささらに、前記車両が前記初期地点の通信エリアの位置から前記目的地点の通信エリアの位置に到達するまでに、前記車両が前記各通信エリアの位置から順次進むべき進路を計算した推定結果に報酬関数を適用して、前記車両が前記目的地点の通信エリアの位置へ到達するための報酬が最大化するように更新し、前記車両が前記各通信エリアの位置から順次進むべき前記進路の方策を、前記学習モデルを用いて学習するように構成された学習部と、前記学習部によって学習された、前記進路の方策を記憶するように構成された記憶部とを備え、前記決定部は、前記記憶部から前記進路の方策を読み出して、前記車両が次に進むべき進路を決定してもよい。

【0012】

上述した課題を解決するために、本発明に係る進路制御装置は、さらに、前記移動空間において渋滞が発生している領域に対応する通信エリアの位置を取得するように構成された第２取得部と、前記報酬関数は、前記車両の前記目的地点に係る通信エリアの位置への到達度、および前記渋滞が発生している領域に対応する通信エリアの位置への前記車両の到達度を変数として含んでいてもよい。

【0013】

また、本発明に係る進路制御装置において、前記学習モデルは、入力層、隠れ層、および出力層を含むニューラルネットワークモデルであり、前記学習部は、前記現在の通信エリアの位置を前記ニューラルネットワークモデルの入力として与え、前記ニューラルネットワークモデルの演算を行い、前記車両が前記現在の通信エリアの位置から次に進むべき進路として、右折、左折、および直進を含む各々の行動をとった場合に得られる将来の前記報酬の累積値の期待値を表す行動価値関数の第１推定値を出力し、前記学習部は、さらに、前記車両が次に到達した通信エリアの位置を前記ニューラルネットワークモデルの入力として与え、前記ニューラルネットワークモデルの演算を行い、前記行動価値関数の第２推定値を出力し、前記学習部は、前記第１推定値が、前記第２推定値から計算される目標値となるように、前記ニューラルネットワークモデルの重みパラメータを学習し、前記記憶部は、学習済みの重みパラメータを記憶してもよい。

【0014】

また、本発明に係る進路制御装置において、前記第１取得部は、前記コアネットワークに含まれる、加入者情報を管理する統合データリポジトリから、前記車両の前記現在の通信エリアの位置を取得し、前記進路制御部は、前記コアネットワークに含まれるユーザープレーン機能を介して、前記車両に前記次に進むべき進路に係る指示を送信してもよい。

【0015】

上述した課題を解決するために、本発明に係る進路制御方法は、複数の通信エリアで規定される車両の移動空間において、初期地点の通信エリアの位置から目的地点の通信エリアの位置までの前記車両の進路を制御するための進路制御方法であって、通信エリアを跨いだ際に送信される、前記車両からの位置登録信号に関連付けられている該通信エリアの位置を、前記車両の現在の位置として取得する第１取得ステップと、学習モデルを用いて学習された、前記車両が各通信エリアの位置から順次進むべき進路の方策に基づいて、前記第１取得ステップで前記車両の前記現在の位置として取得された現在の通信エリアの位置から、前記車両が次に進むべき進路を決定する決定ステップと、前記決定ステップで決定された、前記車両が次に進むべき進路を所定の通信規格のコアネットワークを介して前記車両に指示する進路制御ステップとを備える。

【0016】

また、本発明に係る進路制御方法において、さらに、前記車両が前記初期地点の通信エリアの位置から前記目的地点の通信エリアの位置に到達するまでに、前記車両が前記各通信エリアの位置から順次進むべき進路を計算した推定結果に報酬関数を適用して、前記車両が前記目的地点の通信エリアの位置へ到達するための報酬が最大化するように更新し、前記車両が前記各通信エリアの位置から順次進むべき前記進路の方策を、前記学習モデルを用いて学習するように構成された学習ステップと、前記学習ステップで学習された、前記進路の方策を記憶部に記憶する記憶ステップとを備え、前記決定ステップは、前記記憶部から前記進路の方策を読み出して、前記車両が次に進むべき進路を決定してもよい。

【0017】

また、本発明に係る進路制御方法において、さらに、前記移動空間において渋滞が発生している領域に対応する通信エリアの位置を取得するように構成された第２取得ステップと、前記報酬関数は、前記車両の前記目的地点に係る通信エリアの位置への到達度、および前記渋滞が発生している領域に対応する通信エリアの位置への前記車両の到達度を変数として含んでいてもよい。

【0018】

また、本発明に係る進路制御方法において、前記学習モデルは、入力層、隠れ層、および出力層を含むニューラルネットワークモデルであり、前記学習ステップは、前記現在の通信エリアの位置を前記ニューラルネットワークモデルの入力として与え、前記ニューラルネットワークモデルの演算を行い、前記車両が前記現在の通信エリアから次に進むべき進路として、右折、左折、および直進を含む各々の行動をとった場合に得られる将来の前記報酬の累積値の期待値を表す行動価値関数の第１推定値を出力し、前記学習ステップは、さらに、前記車両が次に到達した通信エリアの位置を前記ニューラルネットワークモデルの入力として与え、前記ニューラルネットワークモデルの演算を行い、前記行動価値関数の第２推定値を出力し、前記学習ステップは、前記第１推定値が、前記第２推定値から計算される目標値となるように、前記ニューラルネットワークモデルの重みパラメータを学習し、前記記憶ステップは、学習済みの重みパラメータを前記記憶部に記憶してもよい。

【0019】

また、本発明に係る進路制御方法において、前記第１取得ステップは、前記コアネットワークに含まれる、加入者情報を管理する統合データリポジトリから、前記車両の前記現在の通信エリアの位置を取得し、前記進路制御ステップは、前記コアネットワークに含まれるユーザープレーン機能を介して、前記車両に前記次に進むべき進路に係る指示を送信してもよい。

【発明の効果】

【0020】

本発明によれば、学習モデルを用いて学習された、車両が各通信エリアの位置から順次進むべき進路の方策に基づいて、現在の通信エリアの位置から車両が次に進むべき進路を決定する。そのため、より簡易な構成により遠隔で車両の進路制御を行うことができる。

【図面の簡単な説明】

【0021】

【図1】図１は、本発明の実施の形態に係る進路制御装置を含む進路制御システムの構成を示すブロック図である。

【図2】図２は、本実施の形態に係る進路制御システムの概要を説明するための図である。

【図3】図３は、本実施の形態に係る学習部による学習処理を説明するための図である。

【図4】図４は、本実施の形態に係る学習部の構成を示すブロック図である。

【図5】図５は、本実施の形態に係る進路制御装置のハードウェア構成を示すブロック図である。

【図6】図６は、本実施の形態に係る進路制御装置の学習処理を示すフローチャートである。

【図7】図７は、本実施の形態に係る進路制御装置の学習処理を示すフローチャートである。

【図8】図８は、本実施の形態に係る進路制御装置の進路制御処理を示すフローチャートである。

【発明を実施するための形態】

【0022】

以下、本発明の好適な実施の形態について、図１から図８を参照して詳細に説明する。

【0023】

図１は、本発明の実施の形態に係る進路制御装置１を備える進路制御システムの構成を示すブロック図である。本実施の形態に係る進路制御システムは、複数の通信エリアＡ１～Ａｎで規定される車両２の移動空間において、車両２が通信エリアＡ１～Ａｎを跨いだ際に送る位置登録信号を用いて、初期地点の通信エリアＡ１の位置から目的地点の通信エリアＡｎの位置までの車両２の進路を制御する。

【0024】

［進路制御システムの構成］
まず、本発明の実施の形態に係る進路制御装置１を備える進路制御システムの概要について説明する。図１に示すように、進路制御システムは、例えば、ＳＡ方式の５Ｇ無線通信システムに対応する進路制御装置１、車両２、基地局ＢＳ１～ＢＳｎ、およびコアネットワーク３を備える。

【0025】

基地局ＢＳ１～ＢＳｎは、５Ｇ方式に対応した無線基地局で構成され、通信エリアＡ１～Ａｎに在圏する車両２とコアネットワーク３との間の通信を中継する。以下において、基地局ＢＳ１～ＢＳｎおよび通信エリアＡ１～Ａｎをそれぞれ区別しない場合には、それぞれ基地局ＢＳ、通信エリアＡと総称する場合がある。

【0026】

図１に示すように、各基地局ＢＳ１～ＢＳｎの通信エリアＡ１～Ａｎは、車両２が移動する移動空間を規定する。また、各通信エリアＡ１～Ａｎは、車両２が初期地点から目的地点まで移動する幹線道路などの道路の区間をカバーするように配置されている。本実施の形態では、通信エリアＡ１～Ａｎは同一の大きさのセルを有するものとする。

【0027】

図２は、進路制御システムが制御対象とする移動空間を模式的に示した図である。図２の各点線の円は、移動空間に配置された各基地局ＢＳ１～ＢＳ１６がカバーする通信エリアＡ１～Ａ１６を示している。車両２は、基地局ＢＳ１～ＢＳ１６の通信エリアＡ１～Ａ１６の位置をウェイポイントとして初期地点Ｓから目的地点Ｇの通信エリアＡ１６の位置まで矢印で示す進路に沿って移動する。

【0028】

本実施の形態では、車両２は、進路制御システムによる進路指示に従って通信エリアＡ１～Ａ１６毎に右折、左折、あるいは直進していき、初期地点Ｓから目的地点Ｇまで到達する。また、進路指示は、車両２の走行する方向を基準とした右左折直進であるものとする。例えば、通信エリアＡ１の位置で直進の進路指示があった場合、車両２は、通信エリアＡ１の位置から直進し、次の通信エリアＡ２に到達する。さらに、通信エリアＡ２の位置から左折の進路指示があった場合、車両２は左折し、次の通信エリアＡ６へ到達する。このように、車両２は、通信エリアＡ１～Ａ１６毎に進路指示に従って移動空間を移動する。

【0029】

車両２には、通信端末２０が搭載されている。車両２には、自動車、原動機付自動車、自動二輪車などが含まれる。通信端末２０は、プロセッサ、主記憶装置、補助記憶装置、通信インターフェース等を備え、車両２に搭載されている端末装置、あるいは車両２を利用するユーザのスマートフォンなどの携帯通信端末、タブレット型コンピュータなどとして実現される。

【0030】

具体的には、通信端末２０は、ＳＩＭ２１を備える。車両２は、通信端末２０が備えるＳＩＭ２１のＩＭＳＩ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍｏｂｉｌｅ Ｓｕｂｓｃｒｉｂｅｒ Ｉｄｅｎｔｉｔｙ）によって一意に識別される。

【0031】

通信端末２０のプロセッサは、車両２の移動にともなって通信端末２０が通信エリアＡ１～Ａｎを跨ぐ際に、新たな通信エリアＡ１～Ａｎの基地局ＢＳ１～ＢＳｎに対して位置登録信号（ＴＡＵ）を送信する。

【0032】

また、車両２は、ＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）２２を備え、車両２のステア制御、駆動制御、ブレーキ制御、および自動運転制御として、進路制御装置１からの進路指示を処理する。車両２は、図示されないＧＰＳ機能を有するＧＰＳモジュールや、カーナビゲーションシステム、およびカメラやＬｉＤＡＲなどの各種センサを備えることができる。

【0033】

進路制御装置１とコアネットワーク３とは、ＬＡＮやＷＡＮなどのネットワークＮＷを介して接続されている。また、無線アクセスネットワークを構成する基地局ＢＳ１～ＢＳｎとコアネットワーク３とは、バックホールリンクなどのネットワークＬを介して接続されている。

【0034】

コアネットワーク３は、Ｃ－ｐｌａｎｅ内のノードであるＡＭＦ（Ａｃｃｅｓｓ ａｎｄ Ｍｏｂｉｌｉｔｙ Ｍａｎａｇｅｍｅｎｔ Ｆｕｎｃｔｉｏｎ）３０、ＵＤＭ（Ｕｎｉｆｉｅｄ Ｄａｔａ Ｍａｎａｇｅｍｅｎｔ）３１、およびＵＤＲ（統合データリポジトリ：Ｕｎｉｆｉｅｄ Ｄａｔａ Ｒｅｐｏｓｉｔｏｒｙ）３２を備える。また、コアネットワーク３は、Ｕ－ｐｌａｎｅ内のノードとして、ＵＰＦ（Ｕｓｅｒ Ｐｌａｎｅ Ｆｕｎｃｔｉｏｎ）３３を備える。進路制御装置１は、ＵＤＲ３２の通信インターフェース３２ａを介して、車両２からの位置登録信号に関連付けられた通信エリアＡの位置情報を取得する。また、進路制御装置１は、ＵＰＦ３３の通信インターフェース３３ａを介して、決定された進路の指示を車両２に送出する。

【0035】

例えば、図１に示すように、車両２が基地局ＢＳ１の通信エリアＡ１から基地局ＢＳ２の通信エリアＡ２を跨った際に、通信端末２０は、基地局ＢＳ２およびＡＭＦ３０を介してＵＤＭ３１に位置登録要求を行うための位置登録信号を送信する。

【0036】

ＡＭＦ３０は、受信した信号をＵＤＭ３１に対して送信し、ＵＤＭ３１は、車両２が備える通信端末２０の端末識別情報により位置登録を行う。さらに、車両２が備える通信端末２０が送信した位置登録信号、および端末識別情報は、ＵＤＲ３２において、在圏する基地局ＢＳおよび通信エリアＡに関する識別情報、ならびに位置登録信号の送信タイムスタンプ（日時を示す情報）とともに記憶される。

【0037】

本実施の形態に係る進路制御装置１は、ネットワークＮＷを介して、ＵＤＲ３２に記憶されている位置登録信号に関連付けられている、当該位置登録信号を受信した各基地局ＢＳの識別情報あるいは通信エリアＡの識別情報を取得する。また、進路制御装置１は、後述の設定情報記憶部１４に、移動空間に配置されている基地局ＢＳおよび通信エリアＡの経度と緯度とのＧＰＳ座標などの位置情報を設定情報として記憶している。本実施の形態では、車両２の位置は、車両２が在圏する通信エリアＡの基地局ＢＳの位置であるものとして扱う。なお、以下の説明において、通信エリアＡの位置といった場合には、対応する基地局ＢＳの位置を指すものとする。

【0038】

このように、進路制御装置１は、車両２からの位置登録信号をＵＤＲ３２から取得することで、位置登録信号のタイムスタンプが示す時刻での車両２の位置を取得することができる。

【0039】

［進路制御装置の機能ブロック］
進路制御装置１は、第１取得部１０、第２取得部１１、学習部１２、学習モデル記憶部１３、設定情報記憶部１４、決定部１５、および進路制御部１６を備える。進路制御装置１は、車両２からの位置登録信号に基づいて、車両２が次に進むべき進路を決定し、車両２に進路を指示する。

【0040】

第１取得部１０は、車両２が通信エリアＡを跨いだ際に送信される、車両２からの位置登録信号に関連付けられている該通信エリアＡの位置を、車両２の現在の位置として取得する。より具体的には、第１取得部１０は、ネットワークＮＷを介してＵＤＲ３２の通信インターフェース３２ａから、車両２の通信端末２０が送信した、位置登録信号および、位置登録信号に関連付けられている情報を取得する。位置登録信号に関連付けられている情報には、通信端末２０のＳＩＭ２１、位置登録信号を受信した基地局ＢＳの識別情報または通信エリアＡの識別情報、および位置登録信号を発信された時刻のタイムスタンプが含まれる。

【0041】

第１取得部１０は、後述の設定情報記憶部１４に記憶されている基地局ＢＳ１～ＢＳｎの識別情報または通信エリアＡ１～Ａｎの識別情報に関連付けられた、通信エリアＡ１～ＡｎのＧＰＳ座標の位置情報を参照し、位置登録信号が送信された時刻での車両２の位置として取得することができる。

【0042】

第２取得部１１は、車両２の移動空間において渋滞が発生している領域に対応する通信エリアＡの位置を取得する。第２取得部１１は、図示されない外部の交通情報サーバから、ネットワークＮＷを介して移動空間における渋滞情報や交通規制が発生している位置座標を取得することができる。第２取得部１１は、設定情報記憶部１４に記憶されている、移動空間に配置された通信エリアＡ１～Ａｎの位置情報を参照し、渋滞が発生している領域の座標に対応する通信エリアＡ１～Ａｎの位置を取得する。

【0043】

第２取得部１１は、例えば、図２に示すように、渋滞が発生している領域Ｊに対応する通信エリアＡ７、Ａ１１の位置を取得する。渋滞や交通規制に係る通信エリアＡ７、Ａ１１は、車両２の進路制御を行う際には、進路選択から除外されるように設定される。

【0044】

第２取得部１１は、車両２の初期地点と目的地点とが設定され、進路制御を開始する時点で、渋滞や交通規制に係る通信エリアＡの位置を取得することができる。あるいは、第２取得部１１は、一定の周期で渋滞や交通規制に係る通信エリアＡの位置を取得することができる。

【0045】

学習部１２は、車両２が初期地点の通信エリアＡ１の位置から目的地点の通信エリアＡｎの位置に到達するまでに、各通信エリアＡ１～Ａｎの位置から順次進むべき進路を計算した推定結果に報酬関数を適用して、車両２が目的地点の通信エリアＡｎの位置へ到達するための報酬が最大化するように更新し、車両２が各通信エリアＡ１～Ａｎから順次進むべき進路の方策を、学習モデルを用いて学習する。

【0046】

本実施の形態では、車両２が各通信エリアＡ１～Ａｎの位置から順次進むべき進路の方策として、右折、左折、および直進の３つの行動を採用する場合を例示する。しかし、通信エリアＡのカバーする面積や、道路の形状に応じて配置されている通信エリアＡの間隔等に応じて、より詳細な行動を進路の方策として学習することができる。

【0047】

本実施の形態では、学習部１２は、図３に示すような入力層、隠れ層、および出力層を含むニューラルネットワークモデルを学習モデルとして用いる。また、ニューラルネットワークモデルとして、車両２の位置である状態ｓ_ｔを受取り、全ての行動価値Ｑ（ｓ_ｔ，直進）、Ｑ（ｓ_ｔ，左折）、Ｑ（ｓ_ｔ，右折）を出力するニューラルネットワークであるＤｅｅｐ Ｑ－Ｎｅｔｗｏｒｋ（ＤＱＮ）を採用する。

【0048】

より具体的には、学習部１２は、現在の車両２の位置を示す現在の通信エリアＡの位置をニューラルネットワークモデルの入力として与え、ニューラルネットワークモデルの演算を行い、車両２が現在の通信エリアＡの位置から次に進むべき進路として、右折、左折、および直進を含む各々の行動をとった場合に得られる将来の報酬の累積値の期待値を表す行動価値関数の第１推定値Ｑ１を出力する。

【0049】

報酬とは、車両２の現在の位置を示す状態ｓ、車両２が右折、左折、または直進する行動ａ、および車両２の次の位置、すなわち次の状態ｓ’の報酬関数ｒ＝ｒ（ｓ，ａ，ｓ’）で与えられる。本実施の形態では、報酬関数は、車両２の目的地点に係る通信エリアＡの位置への到達度、および車両２の渋滞が発生している領域に対応する通信エリアＡの位置への到達度を変数として含む。例えば、車両２の右左折直進に係る行動によって、目的地点により近づく場合や、目的地点に最短距離で到達する場合には、スカラー量である報酬が、より大きい値として設定される。

【0050】

一方、車両２が目的地点に遠ざかる、あるいは、図２に示すように渋滞や交通規制に係る通信エリアＡ７、Ａ１１に到達する場合には、マイナスの報酬値（例えば、ｒ＝－１）が与えられる設計とすることができる。このように、渋滞や交通規制に係る通信エリアＡの報酬をマイナスの値として設定することで、車両２がこれらの地点を避けて目的地点に到達することができる。

【0051】

さらに、学習部１２は、車両２が次に到達した通信エリアＡの位置をニューラルネットワークモデルの入力として与え、ニューラルネットワークモデルの演算を行い、行動価値関数の第２推定値Ｑ２を出力する。学習部１２は、第１推定値Ｑ１が、第２推定値Ｑ２から計算される目標値となるように、ニューラルネットワークモデルの重みパラメータを学習する。

【0052】

ニューラルネットワークモデルの重みパラメータをθとし、行動価値関数をＱ（ｓ，ａ；θ）と表すと、学習の最小化損失関数は、次の式（１）で与えられる。
Ｌ（θ）＝１／２｛ｒ＋γｍａｘ_ａＱ（ｓ’，ａ’；θ）－Ｑ（ｓ，ａ；θ）｝^２
・・・（１）

【0053】

上式（１）において、ｒは、報酬（即時報酬）であり、γは割引率を示す。Ｑ（ｓ，ａ；θ）は、第１推定値Ｑ１に対応し、Ｑ（ｓ’，ａ’；θ）は、１ステップ進んだ状態ｓ’での行動価値すなわち第２推定値Ｑ２に対応する。目標値は、ｒ＋γｍａｘ_ａ’Ｑ（ｓ’，ａ’；θ）で表される。

【0054】

学習部１２は、上式（１）で与えられる損失関数の勾配を誤差逆伝搬することでニューラルネットワークモデルの重みパラメータを更新することができる。

【0055】

さらに具体的には、学習部１２は、図４に示すように、メインＱＮ１２１およびターゲットＱＮ１２３の２つのニューラルネットワークを用いるＦｉｘｅｄ Ｔａｒｇｅｔ Ｑ－Ｎｅｔｗｏｒｋを採用することができる。メインＱＮ１２１は最適な行動を選択して行動価値関数Ｑを更新する。一方、ターゲットＱＮ１２３は、行動の結果の次の状態ｓ’でとるべき行動ａ’の価値を推定および評価する。メインＱＮ１２１およびターゲットＱＮ１２３は、同一のレイヤ構造のニューラルネットワークを有するが、メインＱＮ１２１のパラメータは「θ」であり、ターゲットＱＮ１２３のパラメータは「θ^－」で与えられる。

【0056】

メインＱＮ１２１は、環境１２０から車両２の現在の位置を状態ｓとして受け取る。環境１２０は、車両２が置かれた移動空間のシステムであり、この環境１２０下で、車両２は、右左折直進の行動ａをとることで別の通信エリアＡへ移動し、次の状態ｓ’に遷移すると同時に、環境１２０から報酬ｒを獲得する。

【0057】

学習部１２は、車両２の現在の位置に係る状態ｓをメインＱＮ１２１に入力し、行動価値関数Ｑ（ｓ，ａ；θ）を求める。学習部１２は、例えば、ε－ｇｒｅｅｄｙ法を用いて行動ａを計算し、あるいは、現時点での最適な右左折直進の行動ａｒｇｍａｘ_ａＱ（ｓ，ａ；θ）を求める。環境１２０において、車両２は、現時点での最適な右左折直進の行動ａｒｇｍａｘ_ａＱ（ｓ，ａ；θ）を行う。環境１２０は、車両２が行動ａｒｇｍａｘ_ａＱ（ｓ，ａ；θ）を行った結果、移動した先の通信エリアＡの位置を次の状態ｓ’として観測し、報酬ｒを出力する。経験データ１２４は、環境１２０から出力された経験（ｓ，ａ，ｒ，ｓ’）を保存する。

【0058】

学習部１２は、ＤＱＮ損失算出１２２において、損失関数Ｌを求め、損失関数Ｌの勾配でメインＱＮ１２１の重みを更新する。

【0059】

学習部１２は、メインＱＮ１２１の重みを定期的にターゲットＱＮ１２３にコピーし同期を行う。ターゲットＱＮ１２３の同期は、メインＱＮ１２１の重みの更新頻度よりも低い頻度で行われる。学習部１２は、経験データ１２４から経験を取り出して、過去の状態をターゲットＱＮ１２３に入力し、推定値ｍａｘ_ａ’Ｑ（ｓ’，ａ’；θ^－）を出力させる。学習部１２は、ターゲットＱＮ１２３が出力した推定値ｍａｘ_ａ’Ｑ（ｓ’，ａ’；θ^－）に基づく目標値ｒ＋γｍａｘ_ａ’Ｑ（ｓ’，ａ’；θ^－）を用いて、ＤＱＮ損失算出１２２でメインＱＮ１２１の重みの学習を行う。

【0060】

図１に戻り、学習モデル記憶部１３は、学習済みのニューラルネットワークモデルの重みを記憶する。

【0061】

設定情報記憶部１４は、車両２および通信端末２０の識別情報、車両２の進路制御を行う移動空間の位置情報、および移動空間に配置されている各通信エリアＡの位置情報が記憶されている。また、設定情報記憶部１４は、事前に取得された車両２の初期地点および目的地点の位置情報を記憶している。設定情報記憶部１４は、初期地点および目的地点の位置に対応する通信エリアＡの位置を記憶することができる。その他にも、設定情報記憶部１４は、移動空間の地図情報を記憶することができる。

【0062】

決定部１５は、学習モデルを用いて学習された、車両２が各通信エリアＡの位置から順次進むべき進路の方策に基づいて、第１取得部１０によって取得された現在の通信エリアＡの位置から、車両２が次に進むべき進路を決定する。決定部１５は、学習モデル記憶部１３に記憶されている学習済みの重みを読み出して、現在の通信エリアＡの位置を学習済みのニューラルネットワークモデルに入力として与え、学習済みのニューラルネットワークモデルの演算を行い、次に進むべき進路として右左折直進のうち最適な行動を決定する。

【0063】

進路制御部１６は、決定部１５によって決定された、車両２が次に進むべき進路を、コアネットワーク３を介して車両２に指示する。具体的には、進路制御部１６は、ＵＰＦ３３を介して、車両２に対して進路の指示を送信する。進路制御部１６は、車両２が目的地点の通信エリアに到達するまで、進路の指示を行う。

【0064】

［進路制御装置のハードウェア構成］
次に、上述した機能を有する進路制御装置１を実現するハードウェア構成の一例について、図５を用いて説明する。

【0065】

図５に示すように、進路制御装置１は、例えば、バス１０１を介して接続されるプロセッサ１０２、主記憶装置１０３、通信インターフェース１０４、補助記憶装置１０５、入出力Ｉ／Ｏ１０６を備えるコンピュータと、これらのハードウェア資源を制御するプログラムによって実現することができる。

【0066】

主記憶装置１０３には、プロセッサ１０２が各種制御や演算を行うためのプログラムが予め格納されている。プロセッサ１０２と主記憶装置１０３とによって、図１に示した第１取得部１０、第２取得部１１、学習部１２、決定部１５、進路制御部１６など進路制御装置１の各機能が実現される。

【0067】

通信インターフェース１０４は、進路制御装置１と各種外部電子機器との間をネットワーク接続するためのインターフェース回路である。

【0068】

補助記憶装置１０５は、読み書き可能な記憶媒体と、その記憶媒体に対してプログラムやデータなどの各種情報を読み書きするための駆動装置とで構成されている。補助記憶装置１０５には、記憶媒体としてハードディスクやフラッシュメモリなどの半導体メモリを使用することができる。

【0069】

補助記憶装置１０５は、進路制御装置１が実行する進路制御プログラムを格納するプログラム格納領域を有する。また、補助記憶装置１０５は、ニューラルネットワークモデルの学習を行うための学習プログラムを格納する領域を有する。補助記憶装置１０５によって、図１で説明した学習モデル記憶部１３、設定情報記憶部１４が実現される。さらには、例えば、上述したデータやプログラムなどをバックアップするためのバックアップ領域などを有していてもよい。

【0070】

入出力Ｉ／Ｏ１０６は、外部機器からの信号を入力したり、外部機器へ信号を出力したりする入出力装置である。

【0071】

［進路制御装置の動作］
次に、上述した構成を有する進路制御装置１の動作を、図６から図８のフローチャートを参照して説明する。

【0072】

はじめに、図６を参照して、進路制御装置１による学習処理を説明する。まず、進路制御装置１は、車両２の初期地点および目的地点の位置を取得する（ステップＳ１）。例えば、進路制御装置１は、車両２のカーナビゲーションシステムに入力された目的地点および車両２の現在位置を取得することができる。

【0073】

次に、第２取得部１１は、移動空間において渋滞が発生している領域に対応する通信エリアの位置を取得する（ステップＳ２）。例えば、第２取得部１１は、外部の交通情報サーバから、渋滞情報や交通規制が発生している領域の位置情報を取得し、対応する通信エリアの位置を特定することができる。また、第２取得部１１が、渋滞や交通規制に係る通信エリアの位置を一定周期で取得する構成としてもよい。

【0074】

次に、第１取得部１０は、車両２の現在の位置として、車両２が在圏している現在の通信エリアＡの位置を取得する（ステップＳ３）。具体的には、第１取得部１０は、コアネットワーク３のＵＤＲ３２から、車両２が通信エリアを跨いだ際に送信した位置登録信号に関連付けられている通信エリアＡまたは基地局ＢＳの識別情報、およびタイムスタンプを取得する。第１取得部１０は、設定情報記憶部１４に記憶されている通信エリアＡあるいは基地局ＢＳの識別情報に関連付けられている通信エリアＡの位置情報を、車両２の現在の位置として取得する。

【0075】

次に、学習部１２は、ステップＳ３で取得された車両２の現在の状態である、車両２が在圏している現在の通信エリアＡの位置をニューラルネットワークモデルに入力として与え、ニューラルネットワークモデルの演算を行って、車両２が現在の通信エリアＡから次に進むべき進路として、右折、左折、および直進を含む各々の行動をとった場合に得られる将来の報酬の累積値の期待値を表す行動価値関数の第１推定値Ｑ１を出力する（ステップＳ４）。

【0076】

さらに、学習部１２は、車両２が次に到達した通信エリアＡｎの位置をニューラルネットワークモデルの入力として与え、ニューラルネットワークモデルの演算を行い、行動価値関数の第２推定値Ｑ２を出力する（ステップＳ６）。学習部１２は、第２推定値Ｑ２から目標値を算出する（ステップＳ７）。続いて、学習部１２は、第１推定値Ｑ１が、第２推定値Ｑ２から計算される目標値となるように、ニューラルネットワークモデルの重みパラメータを学習する（ステップＳ８）。具体的には、学習部１２は、上式（１）の損失関数を最小化するようにニューラルネットワークモデルの重みパラメータを更新する。

【0077】

学習モデル記憶部１３は、ステップＳ８で得られた学習済みの重みを記憶する（ステップＳ９）。

【0078】

次に、図７を参照して、メインＱＮ１２１およびターゲットＱＮ１２３の２つのニューラルネットワークを用いるＦｉｘｅｄ Ｔａｒｇｅｔ Ｑ－Ｎｅｔｗｏｒｋを採用した場合の、学習部１２による学習処理を説明する。

【0079】

ステップＳ１からステップＳ３までの処理は、図６で説明した学習処理のステップと同様である。その後、学習部１２は、メインＱＮ１２１にステップＳ３で取得された、車両２が在圏している通信エリアＡの位置を入力として与え、ニューラルネットワークの演算を行って、行動価値関数Ｑを出力し、次に進むべき進路ａを計算する（ステップＳ１２０）。

【0080】

次に、学習部１２は、ステップＳ１２０で求めた進路ａで車両２の行動を環境１２０に返し、次の車両２の状態ｓ’である、車両２が進んだ先の通信エリアＡの位置および報酬ｒを得る（ステップＳ１２１）。なお、報酬関数で与えられる報酬ｒは、ステップＳ２において一定周期で取得される、渋滞が発生している通信エリアＡの位置への到達度が随時反映される構成とすることができる。

【0081】

学習部１２は、ステップＳ１２１で得られた経験（ｓ，ａ，ｒ，ａ’）を経験データ１２４に保存する（ステップＳ１２２）。次に、学習部１２は、ＤＱＮ損失算出１２２において、損失関数Ｌを求め、損失関数Ｌの勾配でメインＱＮ１２１の重みを更新する（ステップＳ１２３）。学習部１２は、ステップＳ１２０からステップＳ１２３までの処理を設定された回数繰り返す。

【0082】

その後、学習部１２は、メインＱＮ１２１の重みを定期的にターゲットＱＮ１２３にコピーし同期を行う（ステップＳ１２４）。ターゲットＱＮ１２３の同期は、メインＱＮ１２１の重みの更新頻度よりも低い頻度で行われる。次に、学習部１２は、経験データ１２４から経験を取り出して、過去の状態をターゲットＱＮ１２３に入力し、推定値ｍａｘ_ａ’Ｑ（ｓ’，ａ’；θ^－）を出力させる（ステップＳ１２６）。

【0083】

次に、学習部１２は、ターゲットＱＮ１２３が出力した推定値ｍａｘ_ａ’Ｑ（ｓ’，ａ’；θ^－）に基づく目標値ｒ＋γｍａｘ_ａ’Ｑ（ｓ’，ａ’；θ^－）を計算する（ステップＳ１２７）。次に、学習部１２は、ステップＳ１２７で算出された目標値を用いて、ＤＱＮ損失算出１２２で損失関数Ｌを計算する（ステップＳ１２８）。次に、学習部１２は、損失関数Ｌで与えられる損失を最小化するようにメインＱＮ１２１の重みの学習を行う（ステップＳ１２９）。その後、学習済みの重みを学習モデル記憶部１３に記憶する（ステップＳ９）。

【0084】

次に、図８を参照し、進路制御装置１による進路制御処理を説明する。まず、決定部１５は、学習モデル記憶部１３から学習済みのニューラルネットワークモデルをロードする（ステップＳ４０）。本実施の形態では、決定部１５は、学習済みのＤＱＮをロードする。次に、第１取得部１０は、車両２の現在の位置である、車両２が在圏している通信エリアＡの位置を取得する（ステップＳ４１）。

【0085】

次に、決定部１５は、ステップＳ４０でロードした学習済みのニューラルネットワークモデル、すなわち車両２が各通信エリアＡの位置から順次進むべき進路の方策に基づいて車両２が現在の通信エリアの位置から次に進むべき進路を決定する（ステップＳ４２）。具体的には、決定部１５は、学習済みのニューラルネットワークモデルにステップＳ４１で取得した現在の通信エリアＡの位置を入力として与え、学習済みのニューラルネットワークモデルの演算を行って、車両２が次に進む右左折直進のうちのいずれかの進路を決定する。決定部１５は、学習済みのニューラルネットワークモデルから出力される右折、左折、直進の行動ごとの行動価値関数Ｑのうち最も確率値が高い行動を選択し、進路として決定する。

【0086】

その後、進路制御部１６は、コアネットワーク３のＵＰＦ３３を介して車両２に対して、ステップＳ４２で決定した車両２の進路を指示する（ステップＳ４３）。車両２は、進路の指示を受けると、車両２が備えるＥＣＵ２２は進路の指示にしたがって、各制御アクチュエータに制御指令を出力することで、車両２は、次の通信エリアＡに移動する。

【0087】

次に、車両２が目的地点に到達した場合には、処理は終了する（ステップＳ４４：ＹＥＳ）。一方、車両２が目的地点に到達していない場合には（ステップＳ４４：ＮＯ）、ステップＳ４１からステップＳ４３までの処理を繰り返す。例えば、車両２が進路の指示にしたがって移動した先の通信エリアＡを跨いだ際に送信される位置登録信号により、関連付けられている通信エリアＡの位置が、目的地点として設定されている通信エリアＡの位置と一致するか否かに基づいて、目的地点への到達の有無を判定することができる。

【0088】

以上説明したように、本実施の形態に係る進路制御装置１によれば、車両２が通信エリアＡを跨ぐ際に送出される位置登録信号に関連付けられた基地局ＢＳの位置すなわち通信エリアＡの位置を車両２の現在の位置として取得し、学習済みのニューラルネットワークによって獲得された進路の方策に基づいて、次に進むべき進路を決定する。そのため、より簡易な構成により遠隔で車両２の進路制御を行うことができる。

【0089】

また、本実施の形態に係る進路制御装置１によれば、位置登録信号を利用して、学習済みのニューラルネットワークによって獲得された進路の方策に基づいて次に進むべき進路を決定するため、測位衛星からの電波が受信できない状況においても、自車位置推定を行い、最適な進路を選択することができる。

【0090】

また、本実施の形態に係る進路制御装置１によれば、学習モデルとしてＤＱＮを採用するため、渋滞や交通規制に係る地点を避けた進路の選択ができる。

【0091】

なお、上述の実施の形態では、５Ｇに準拠する進路制御システムである場合を例示したが、ＬＴＥや６Ｇに準拠する進路制御システムであってもよい。

【0092】

以上、本発明の進路制御装置および進路制御方法における実施の形態について説明したが、本発明は説明した実施の形態に限定されるものではなく、請求項に記載した発明の範囲において当業者が想定し得る各種の変形を行うことが可能である。

【符号の説明】

【0093】

１…進路制御装置、１０…第１取得部、１１…第２取得部、１２…学習部、１３…学習モデル記憶部、１４…設定情報記憶部、１５…決定部、１６…進路制御部、２…車両、２０…通信端末、２１…ＳＩＭ、２２…ＥＣＵ、３…コアネットワーク、３０…ＡＭＦ、３１…ＵＤＭ、３２…ＵＤＲ、３３…ＵＰＦ、１０１…バス、１０２…プロセッサ、１０３…主記憶装置、３２ａ、３３ａ、１０４…通信インターフェース、１０５…補助記憶装置、１０６…入出力Ｉ／Ｏ、１２０…環境、１２１…メインＱＮ、１２２…ＤＱＮ損失算出、１２３…ターゲットＱＮ、１２４…経験データ、ＢＳ１～ＢＳｎ…基地局、Ａ１～Ａｎ…通信エリア、Ｌ、ＮＷ…ネットワーク。

【要約】

【課題】より簡易な構成により遠隔で車両の進路制御を行うことを目的とする。
【解決手段】
複数の通信エリアＡ１～Ａｎで規定される車両２の移動空間において、初期地点の通信エリアＡ１の位置から目的地点の通信エリアＡｎの位置までの車両２の進路を制御する進路制御装置１であって、通信エリアＡを跨いだ際に送信される車両２からの位置登録信号に関連付けられている該通信エリアＡの位置を、車両２の現在の位置として取得する第１取得部１０と、学習モデルを用いて学習された、車両２が各通信エリアＡの位置から順次進むべき進路の方策に基づいて、第１取得部１０によって車両２の現在の位置として取得された現在の通信エリアＡの位置から、車両２が次に進むべき進路を決定する決定部１５と、決定部１５によって決定された、車両２が次に進むべき進路を所定の通信規格のコアネットワーク３を介して車両２に指示する進路制御部１６とを備える。
【選択図】図１

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】