特許 7507386 情報処理方法、情報処理システム、及び、制御装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-06-20

(45)【発行日】2024-06-28

(54)【発明の名称】情報処理方法、情報処理システム、及び、制御装置

(51)【国際特許分類】

   B62D 6/00 20060101AFI20240621BHJP

   B62D 101/00 20060101ALN20240621BHJP

   B62D 113/00 20060101ALN20240621BHJP

【ＦＩ】

B62D6/00

B62D101:00

B62D113:00

【請求項の数】 13

(21)【出願番号】P 2021567355

(86)(22)【出願日】2020-12-17

(86)【国際出願番号】 JP2020047115

(87)【国際公開番号】W WO2021132005

(87)【国際公開日】2021-07-01

【審査請求日】2023-09-22

(31)【優先権主張番号】P 2019234700

(32)【優先日】2019-12-25

(33)【優先権主張国・地域又は機関】JP

(73)【特許権者】

【識別番号】314012076

【氏名又は名称】パナソニックＩＰマネジメント株式会社

(74)【代理人】

【識別番号】100109210

【弁理士】

【氏名又は名称】新居 広守

(74)【代理人】

【識別番号】100137235

【弁理士】

【氏名又は名称】寺谷 英作

(74)【代理人】

【識別番号】100131417

【弁理士】

【氏名又は名称】道坂 伸一

(72)【発明者】

【氏名】胡 貝尓

(72)【発明者】

【氏名】竹内 一真

(72)【発明者】

【氏名】大山 慎史

(72)【発明者】

【氏名】穴吹 元嗣

【審査官】瀬戸 康平

(56)【参考文献】

【文献】特開平１１－９１６０９（ＪＰ，Ａ）

【文献】特開２０１８－８９９９６（ＪＰ，Ａ）

【文献】特開２００３－２７６６３１（ＪＰ，Ａ）

【文献】特開２００１－８０５３３（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｂ６０Ｗ １０／００，３０／００－６０／００

Ｂ６２Ｄ ６／００

(57)【特許請求の範囲】

【請求項1】

コンピュータにより実行される情報処理方法であって、
移動体における搬送物の配置と重さとを含む搬送物情報である第１搬送物情報を取得し、
前記移動体の重さを取得し、
前記第１搬送物情報よりも過去の前記搬送物情報である第２搬送物情報、前記移動体の重さ及び前記移動体の舵角中心値を用いて生成されたモデルに、取得された前記第１搬送物情報及び前記移動体の重さを入力して予測舵角中心値を示す情報を生成し、
前記予測舵角中心値を示す情報を前記移動体へ出力する
情報処理方法。

【請求項2】

前記予測舵角中心値は、前記移動体の前記第１搬送物情報に対応する走行における舵角中心の初期値として設定される
請求項１に記載の情報処理方法。

【請求項3】

前記搬送物情報に含まれる少なくとも前記搬送物の配置は、前記移動体の予約情報であり、
前記予測舵角中心値を示す情報は、前記予約情報の確定後に生成される
請求項１又は２に記載の情報処理方法。

【請求項4】

前記搬送物情報に含まれる前記搬送物の配置及び重さの少なくとも１つは、前記移動体に備えられる重量センサの出力データを用いて生成される
請求項１～３のいずれか１項に記載の情報処理方法。

【請求項5】

前記搬送物情報に含まれる前記搬送物の配置及び重さの少なくとも１つは、前記移動体に備えられる撮像センサの出力データに基づく前記搬送物の検出結果を用いて生成される
請求項１～４のいずれか１項に記載の情報処理方法。

【請求項6】

前記検出結果は、前記搬送物の識別結果を含み、
前記搬送物情報に含まれる前記搬送物の配置及び重さの少なくとも１つは、識別された前記搬送物の属性情報を用いて生成される
請求項５に記載の情報処理方法。

【請求項7】

前記モデルは、事前定義されたベースモデルを用いて生成される
請求項１～６のいずれか１項に記載の情報処理方法。

【請求項8】

前記モデルは、前記第２搬送物情報と前記移動体の重さとから算出された前記移動体の重心位置、前記舵角中心値、及び、前記ベースモデルを用いて生成される
請求項７に記載の情報処理方法。

【請求項9】

前記モデルは、前記第２搬送物情報、及び、前記移動体の重さを訓練データとし前記舵角中心値をリファレンスデータとして機械学習を用いて生成される
請求項１～６のいずれか１項に記載の情報処理方法。

【請求項10】

前記モデルは、前記搬送物の属性情報をさらに含む前記訓練データを用いて生成される
請求項９に記載の情報処理方法。

【請求項11】

前記モデルは、前記移動体の外部環境情報をさらに含む前記訓練データを用いて生成される
請求項９又は１０に記載の情報処理方法。

【請求項12】

移動体における搬送物の配置と重さとを含む搬送物情報である第１搬送物情報を取得する第１取得部と、
前記移動体の重さを取得する第２取得部と、
前記第１搬送物情報よりも過去の前記搬送物情報である第２搬送物情報、前記移動体の重さ及び前記移動体の舵角中心値を用いて生成されたモデルに、取得された前記第１搬送物情報及び前記移動体の重さを入力して予測舵角中心値を示す情報を生成する生成部と、
前記予測舵角中心値を示す情報を前記移動体へ出力する出力部とを備える
情報処理システム。

【請求項13】

移動体に搭載される制御装置であって、
前記移動体における搬送物の配置と重さとを含む搬送物情報である第１搬送物情報を取得する第１取得部と、
前記移動体の重さを取得する第２取得部と、
前記第１搬送物情報よりも過去の前記搬送物情報である第２搬送物情報、前記移動体の重さ、及び、前記移動体の舵角中心値を用いて生成されたモデルに、取得された前記搬送物情報及び前記移動体の重さを入力して予測舵角中心値を示す情報を生成する生成部と、
前記予測舵角中心値を前記移動体の舵角中心値として設定する設定部とを備える
制御装置。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、移動体についての情報処理方法、情報処理システム、及び、制御装置に関する。

【背景技術】

【0002】

近年、自動運転車における種々の検討が行われている。例えば、自動運転車の重心の位置に応じた走行制御を行うために、自動運転車の舵角を推定する装置の検討が行われている。特許文献１には、ステアリング角センサを含む複数のセンサの誤差を推定し、補正する装置が開示されている。また、特許文献２には、走行中の操舵角の出現頻度から舵角中立点からのずれ量である零点補正値を推定し零点補正値を用いて舵角値を補正する操舵角検出装置が開示されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特許第６３８３９０７号公報

【文献】特開２０１７－１０５２９４号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、特許文献１、２の装置では、移動体の舵角の基準値（以下、舵角中心）の設定には時間がかかる。例えば、特許文献１では、車両に搭載されるステアリング角センサを含む複数のセンサの出力値を入力として当該出力値の誤差が推定される。また特許文献２では、走行中に検出された操舵角を蓄積し、蓄積された複数の操舵角から最頻値又は平均値が舵角中心として算出される。このように、舵角中心の推定は、収束するまでに時間を要する。

【0005】

そこで、本開示は、移動体の舵角中心の設定にかかる時間を削減することができる情報処理方法、情報処理システム、及び、制御装置を提供することを目的とする。

【課題を解決するための手段】

【0006】

本開示の一態様に係る情報処理方法は、コンピュータにより実行される情報処理方法であって、移動体における搬送物の配置と重さとを含む搬送物情報である第１搬送物情報を取得し、前記移動体の重さを取得し、前記第１搬送物情報よりも過去の前記搬送物情報である第２搬送物情報、前記移動体の重さ及び前記移動体の舵角中心値を用いて生成されたモデルに、取得された前記第１搬送物情報及び前記移動体の重さを入力して予測舵角中心値を示す情報を生成し、前記予測舵角中心値を示す情報を前記移動体へ出力する。

【0007】

本開示の一態様に係る情報処理システムは、移動体における搬送物の配置と重さとを含む搬送物情報である第１搬送物情報を取得する第１取得部と、前記移動体の重さを取得する第２取得部と、前記第１搬送物情報よりも過去の前記搬送物情報である第２搬送物情報、前記移動体の重さ及び前記移動体の舵角中心値を用いて生成されたモデルに、取得された前記第１搬送物情報及び前記移動体の重さを入力して予測舵角中心値を示す情報を生成する生成部と、前記予測舵角中心値を示す情報を前記移動体へ出力する出力部とを備える。

【0008】

本開示の一態様に係る制御装置は、移動体に搭載される制御装置であって、前記移動体における搬送物の配置と重さとを含む搬送物情報である第１搬送物情報を取得する第１取得部と、前記移動体の重さを取得する第２取得部と、前記第１搬送物情報よりも過去の前記搬送物情報である第２搬送物情報、前記移動体の重さ、及び、前記移動体の舵角中心値を用いて生成されたモデルに、取得された前記搬送物情報及び前記移動体の重さを入力して予測舵角中心値を示す情報を生成する生成部と、前記予測舵角中心値を前記移動体の舵角中心値として設定する設定部とを備える。

【発明の効果】

【0009】

本開示の一態様に係る情報処理方法等によれば、移動体の舵角中心の設定にかかる時間を削減することができる。

【図面の簡単な説明】

【0010】

【図1】図１は、実施の形態に係る情報処理システムの機能構成を示すブロック図である。

【図2】図２は、実施の形態に係る予約情報の一例を示す図である。

【図3】図３は、実施の形態に係る車両情報の一例を示す図である。

【図4】図４は、実施の形態に係る走行情報の一例を示す図である。

【図5】図５は、実施の形態に係る情報処理システムの動作を示すフローチャートである。

【図6】図６は、実施の形態に係るモデリング処理の詳細を示すフローチャートである。

【図7A】図７Ａは、車両の重心位置のズレ量の算出を説明するための第１図である。

【図7B】図７Ｂは、車両の重心位置のズレ量の算出を説明するための第２図である。

【図7C】図７Ｃは、車両の重心位置のズレ量の算出を説明するための第３図である。

【図8】図８は、実施の形態に係る予測処理の詳細を示すフローチャートである。

【図9】図９は、実施の形態に係る動的推定処理の詳細を示すフローチャートである。

【図10】図１０は、実施の形態に係るカルマンフィルタの動作を説明するための図である。

【図11】図１１は、実施の形態の変形例１に係る情報処理システムの機能構成を示すブロック図である。

【図12】図１２は、実施の形態の変形例１に係る情報処理システムの動作を示すフローチャートである。

【図13】図１３は、実施の形態の変形例２に係る情報処理システムの機能構成を示すブロック図である。

【図14】図１４は、実施の形態の変形例２に係るユーザ情報の一例を示す図である。

【図15】図１５は、実施の形態の変形例２に係る環境情報の一例を示す図である。

【図16】図１６は、実施の形態の変形例２に係る情報処理システムの動作を示すフローチャートである。

【図17】図１７は、実施の形態の変形例３に係る情報処理システムの機能構成を示すブロック図である。

【図18】図１８は、実施の形態の変形例３に係る判定処理を示すフローチャートである。

【図19】図１９は、実施の形態の変形例３に係る動的推定処理の詳細を示すフローチャートである。

【図20】図２０は、実施の形態の変形例４に係る情報処理システムの機能構成を示すブロック図である。

【図21】図２１は、実施の形態の変形例４に係る情報処理システムの動作を示すフローチャートである。

【図22】図２２は、実施の形態の変形例５に係る情報処理システムの機能構成を示すブロック図である。

【図23】図２３は、実施の形態の変形例５に係る情報処理システムの動作を示すフローチャートである。

【図24】図２４は、その他の実施の形態に係る情報処理システムの機能構成を示すブロック図である。

【発明を実施するための形態】

【0011】

（本開示の基礎となった知見）
本開示の一態様に係る情報処理方法は、コンピュータにより実行される情報処理方法であって、移動体における搬送物の配置と重さとを含む搬送物情報である第１搬送物情報を取得し、前記移動体の重さを取得し、前記第１搬送物情報よりも過去の前記搬送物情報である第２搬送物情報、前記移動体の重さ及び前記移動体の舵角中心値を用いて生成されたモデルに、取得された前記第１搬送物情報及び前記移動体の重さを入力して予測舵角中心値を示す情報を生成し、前記予測舵角中心値を示す情報を前記移動体へ出力する。

【0012】

これにより、過去の搬送物情報等を用いて生成されたモデルを用いて、予測舵角中心値を生成することができる。すなわち、移動体は、走行中に検出された操舵角等のセンシングデータを蓄積しなくても舵角中心値を設定することができる。よって、情報処理方法によれば、移動体の舵角中心の設定にかかる時間を削減することができる。なお、過去の搬送物情報を用いて予測舵角中心値が生成されるため、実際に搬送物が乗せられた状態の移動体における舵角中心値に近い値を推定することができる。そのため、予測舵角中心値の正確性の低下を抑制しながら(言い換えると、正確性を維持しながら)、移動体の舵角中心の設定にかかる時間を削減することができる。

【0013】

また、例えば、前記予測舵角中心値は、前記移動体の前記第１搬送物情報に対応する走行における舵角中心の初期値として設定されてもよい。

【0014】

これにより、移動体の走行前に予測舵角中心値を設定することができる。移動体は、当該予測舵角中心値に応じて操舵角を制御することで、発車直後から操舵角を正確に制御することができる。

【0015】

また、例えば、前記搬送物情報に含まれる少なくとも前記搬送物の配置は、前記移動体の予約情報であり、前記予測舵角中心値を示す情報は、前記予約情報の確定後に生成されてもよい。予約情報は、移動体を利用する乗客の予約情報又は移動体に搭載される荷物の予約情報であってよい。

【0016】

これにより、確定した移動体の予約情報を用いて予測舵角中心値を生成することができる。予約情報は、走行前に確定されるので、走行前に予測舵角中心値を生成することができる。

【0017】

また、例えば、前記搬送物情報に含まれる前記搬送物の配置及び重さの少なくとも１つは、前記移動体に備えられる重量センサの出力データを用いて生成されてもよい。

【0018】

これにより、実際に移動体に乗せられた搬送物の配置又は重さを重量センサの出力データから取得することができるので、より正確に移動体の予測舵角中心値を生成することができる。

【0019】

また、例えば、前記搬送物情報に含まれる前記搬送物の配置及び重さの少なくとも１つは、前記移動体に備えられる撮像センサの出力データに基づく前記搬送物の検出結果を用いて生成されてもよい。

【0020】

これにより、実際に移動体に乗せられた搬送物の配置又は重さを撮影画像から取得することができるので、より正確に移動体の予測舵角中心値を生成することができる。

【0021】

また、例えば、前記検出結果は、前記搬送物の識別結果を含み、前記搬送物情報に含まれる前記搬送物の配置及び重さの少なくとも１つは、識別された前記搬送物の属性情報を用いて生成されてもよい。

【0022】

これにより、搬送物ごとの属性情報を用いて、搬送物の配置又は重さを生成することができるので、さらに正確に予測舵角中心値を生成することができる。

【0023】

また、例えば、前記モデルは、事前定義されたベースモデルを用いて生成されてもよい。

【0024】

これにより、予めベースモデルが決定されているので、当該ベースモデルに所定の情報を入力するだけでモデルを生成することができる。つまり、比較的容易にモデルを生成することができる。

【0025】

また、例えば、前記モデルは、前記第２搬送物情報と前記移動体の重さとから算出された前記移動体の重心位置、前記舵角中心値、及び、前記ベースモデルを用いて生成されてもよい。

【0026】

これにより、搬送物情報及び移動体の重さから算出可能な移動体の重心位置及び舵角中心値を用いて、モデルを生成することができる。

【0027】

また、例えば、前記モデルは、前記第２搬送物情報、及び、前記移動体の重さを訓練データとし前記舵角中心値をリファレンスデータとして機械学習を用いて生成されてもよい。

【0028】

これにより、予め設計される数理モデルよりも予測精度の向上が期待されるモデルを生成することができる。

【0029】

また、例えば、前記モデルは、前記搬送物の属性情報をさらに含む前記訓練データを用いて生成されてもよい。

【0030】

これにより、搬送物の属性情報を考慮したモデルが生成されるので、さらに予測精度が向上されたモデルを生成することができる。

【0031】

また、例えば、前記モデルは、前記移動体の外部環境情報をさらに含む前記訓練データを用いて生成されてもよい。

【0032】

これにより、移動体の外部の環境情報を考慮したモデルが生成されるので、より一層予測精度が向上されたモデルを生成することができる。

【0033】

また、本開示の一態様に係る情報処理システムは、移動体における搬送物の配置と重さとを含む搬送物情報である第１搬送物情報を取得する第１取得部と、前記移動体の重さを取得する第２取得部と、前記第１搬送物情報よりも過去の前記搬送物情報である第２搬送物情報、前記移動体の重さ及び前記移動体の舵角中心値を用いて生成されたモデルに、取得された前記第１搬送物情報及び前記移動体の重さを入力して予測舵角中心値を示す情報を生成する生成部と、前記予測舵角中心値を示す情報を前記移動体へ出力する出力部とを備える。また、本開示の一態様に係る制御装置は、例えば、移動体に搭載される制御装置であって、前記移動体における搬送物の配置と重さとを含む搬送物情報である第１搬送物情報を取得する第１取得部と、前記移動体の重さを取得する第２取得部と、前記第１搬送物情報よりも過去の前記搬送物情報である第２搬送物情報、前記移動体の重さ、及び、前記移動体の舵角中心値を用いて生成されたモデルに、取得された前記搬送物情報及び前記移動体の重さを入力して予測舵角中心値を示す情報を生成する生成部と、前記予測舵角中心値を前記移動体の舵角中心値として設定する設定部とを備える。

【0034】

これにより、上記情報処理方法と同様の効果を奏する。

【0035】

さらに、これらの包括的又は具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラム、又は、コンピュータ読み取り可能なＣＤ－ＲＯＭなどの非一時的な記録媒体で実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラム、及び、記録媒体の任意な組み合わせで実現されてもよい。

【0036】

以下、本開示の一態様に係る情報処理方法、情報処理システム、及び、制御装置の具体例について、図面を参照しながら説明する。ここで示す実施の形態は、いずれも本開示の一具体例を示すものである。従って、以下の実施の形態で示される数値、数値、形状、構成要素、ステップ、ステップの順序などは、一例であり、本開示を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、独立請求項に記載されていない構成要素については、任意の構成要素として説明される。また全ての実施の形態において、各々の内容を組み合わせることもできる。

【0037】

また、各図は、模式図であり、必ずしも厳密に図示されたものではない。したがって、例えば、各図において縮尺などは必ずしも一致しない。また、各図において、実質的に同一の構成については同一の符号を付しており、重複する説明は省略又は簡略化する。

【0038】

また、本明細書において、数値及び数値範囲は、厳格な意味のみを表す表現ではなく、実質的に同等な範囲、例えば数％程度の差異をも含むことを意味する表現である。

【0039】

（実施の形態）
以下、本実施の形態に係る情報処理方法等について、図１～図１０を参照しながら説明する。

【0040】

［１.情報処理システムの構成］
まずは、本実施の形態に係る情報処理システム１の構成について、図１～図４を参照しながら説明する。図１は、本実施の形態に係る情報処理システム１の機能構成を示すブロック図である。

【0041】

図１に示すように、情報処理システム１は、予測装置１０と、車両２０とを備える。予測装置１０と車両２０とは、ネットワーク（図示しない）を介して通信可能に接続されている。情報処理システム１は、車両２０の舵角中心値を予測する予測システムである。車両２０は、搬送物として乗客を搬送する。

【0042】

予測装置１０は、車両２０の舵角中心値を予測するための処理を実行する。予測装置１０は、例えば、車両２０の予約情報（後述する図２参照）を用いて、車両２０の舵角中心値を予測する。予測装置１０は、例えば、サーバ装置により実現される。

【0043】

予測装置１０は、通信部１１と、モデリング部１２と、第１予測部１３と、情報管理部１４とを有する。

【0044】

通信部１１は、予測装置１０が車両２０と通信する。通信部１１は、例えば通信回路（通信モジュール）により実現される。通信部１１は、第１予測部１３が生成した舵角中心値を示す情報を、ネットワーク（図示しない）を介して車両２０に出力し、車両２０からセンサ部２３の検出結果などを取得する。このように、通信部１１は、第１予測部１３が生成した舵角中心値を示す情報を車両２０へ出力する出力部として機能する。また、通信部１１は、走行情報１４ｃを車両２０から取得してもよい。なお、以降において、第１予測部１３が予測した舵角中心値を予測舵角中心値とも記載する。また、予測舵角中心値を生成すること（すなわち舵角中心値を予測すること）を、予測舵角中心値を予測するとも記載する。

【0045】

また、通信部１１は、外部の装置からネットワークを介して車両２０の予約情報１４ａ、車両情報１４ｂなどの各種情報を取得する。通信部１１を介して取得された各種情報は、情報管理部１４に格納される。外部の装置は、予測装置１０と通信可能に接続された装置であれば特に限定されないが、例えば、乗客が所持するスマートフォンであってもよいし、スマートスピーカ、パーソナルコンピュータ、又はクラウドサーバであってもよい。このように、通信部１１は、予約情報１４ａを取得する第１取得部として機能し、かつ、車両情報１４ｂを取得する第２取得部として機能する。予約情報１４ａは、乗客情報のうちの少なくとも乗客の配置の一例である。なお、予約情報１４ａには、乗客情報のうちの乗客の重さが含まれてもよい。本実施の形態では、予約情報１４ａに、乗客情報のうちの乗客の配置及び重さが含まれる。なお、乗客情報は、搬送物情報の一例である。

【0046】

モデリング部１２は、情報管理部１４に格納されている各種情報に基づいて、第１予測部１３が車両２０の予測舵角中心値を予測するためのモデル１４ｄを生成する。モデリング部１２は、例えば、事前に定義されたベースモデルを用いてモデル１４ｄを生成する。本実施の形態では、モデリング部１２は、過去の予約情報１４ａ、車両２０の重さ、及び、過去の予約情報１４ａに基づく車両２０の走行時の舵角中心推定値を用いてモデル１４ｄを生成する。モデリング部１２は、過去の予約情報１４ａ及び車両２０の重さから算出される重心位置と舵角中心との関係をモデリングする。なお、ベースモデルは、例えば、情報管理部１４に格納されている。

【0047】

本実施の形態では、ベースモデルが線形回帰モデルであり、モデリング部１２は、回帰分析によりモデル１４ｄを生成する。モデリング部１２は、生成したモデル１４ｄを情報管理部１４に格納する。モデリング部１２は、過去の予約情報１４ａを用いてモデル１４ｄを生成する。これにより、モデリング部１２は、車両２０の走行前に車両２０の予測舵角中心値を予測するためのモデル１４ｄを生成することが可能となる。

【0048】

また、モデリング部１２は、車両２０ごとにモデル１４ｄを生成してもよい。モデリング部１２は、例えば、車両２０を識別するための車両ＩＤ（例えば、図２参照）ごとにモデル１４ｄを生成してもよい。

【0049】

なお、モデリング部１２におけるモデル１４ｄの生成は、後述する。また、過去の予約情報１４ａは、過去に予約内容に基づいて車両２０による移動（走行）が行われた予約情報を意味する。例えば、予約情報１４ａに基づく移動が行われており、かつ、その移動のときの走行状態が取得されている予約情報１４ａが過去の予約情報１４ａである。走行状態は、少なくとも舵角中心推定値又は舵角中心推定値を算出可能な情報を含む。過去の予約情報１４ａは、第２乗客情報の一例である。第２乗客情報は、過去の乗客情報であり、例えば、現時点で当該乗客情報による車両２０の移動が実行された乗客情報である。また、第２乗客情報は、第２搬送物情報の一例である。

【0050】

第１予測部１３は、モデリング部１２が生成したモデル１４ｄを用いて、車両２０の予測舵角中心値を予測する。具体的には、第１予測部１３は、通信部１１を介して取得した現在の予約情報１４ａ及び車両２０の重さをモデル１４ｄに入力して、車両２０の予測舵角中心値を示す情報を生成する。第１予測部１３は、例えば、現在の予約情報１４ａの確定後に、車両２０の予測舵角中心値を予測する。言い換えると、車両２０の予測舵角中心値は、現在の予約情報１４ａの確定後に予測される。また、第１予測部１３は、例えば、現在の予約情報１４ａの取得後、当該予約情報１４ａに基づく走行が開始されるまでに車両２０の予測舵角中心値を予測してもよい。予約情報１４ａに基づく走行が開始されるとは、乗客情報に対応する走行が開始されることとして、例えば、当該予約情報１４ａに含まれる「時刻」が到来し、「乗車位置」に乗客が座った状態で車両２０が移動を開始することを意味する。なお、第１予測部１３は、予測舵角中心値を示す情報を生成する生成部の一例であり、現在の予約情報１４ａは、予約内容に基づいて車両２０による移動が行われていない予約情報１４ａであり、第１乗客情報の一例である。また、第１乗客情報は、第１搬送物情報の一例である。

【0051】

なお、第１予測部１３は、例えば、予約内容に基づいて車両２０による移動が開始される前に、予測舵角中心値を予測し、予測した予測舵角中心値を示す情報を車両２０に出力してもよい。第１予測部１３は、車両２０の走行前にモデリング部１２により生成されたモデル１４ｄを用いて、予測舵角中心値を予測することで車両２０が発車する前に当該予測舵角中心値を示す情報を車両２０に出力することができる。なお、以降において、車両２０が発車する前に予測することを、事前に予測するとも記載する。

【0052】

なお、第１予測部１３は、予測舵角中心値を事前に予測することに限定されない。第１予測部１３は、車両２０の発車後に予測舵角中心値を予測し車両２０に出力してもよい。この場合、第１予測部１３は、車両２０の発車直後に予測舵角中心値を予測し車両２０に出力するとよい。

【0053】

第１予測部１３は、予測した予測舵角中心値を、通信部１１を介して車両２０に出力する。

【0054】

情報管理部１４は、通信部１１を介して取得された各種情報、及び、第１予測部１３が予測舵角中心値を予測するためのモデル１４ｄなどを格納する。具体的には、情報管理部１４は、予約情報１４ａと、車両情報１４ｂと、走行情報１４ｃと、モデル１４ｄとを格納する。

【0055】

予約情報１４ａは、ユーザが車両２０を予約したときの予約内容を含む。予約情報１４ａは、例えば、図２に示すように、「車両ＩＤ」、「時刻」、「出発地」、「目的地」、及び、「乗車位置」を含む。図２は、本実施の形態に係る予約情報１４ａの一例を示す図である。なお、図２は、車両２０が４人乗り車両である場合の予約情報１４ａを示す。

【0056】

「車両ＩＤ」は、ユーザが予約した車両２０を特定するための識別情報である。「車両ＩＤ」は、車両２０を特定するための数値・記号などであってもよいし、車種名であってもよい。

【0057】

「時刻」は、車両２０を利用する日にち又は時刻を示す。

【0058】

「出発地」及び「目的地」は、乗客が車両２０に乗車する位置及び降車する位置を示す。

【0059】

「乗車位置」は、車両２０に乗車する乗客の車両２０内の配置を示す。席Ａ～席Ｄは、車両２０内の席を示している。「車両ＩＤ」が００２である場合を例に説明すると、乗客は全部で２人であり、具体的には、乗客であるユーザ１は席Ｄに座り、かつ、乗客であるユーザ２は席Ｂに座ることが予約されている。例えば、ユーザ１は、前部座席左側の席Ｄに座る乗客であり、ユーザ２は、後部座席左側の席Ｂに座る乗客である。また、「乗車位置」には、例えば、ユーザごとの重さを特定するための情報が含まれる。重さを特定するための情報は、ユーザの体重そのものであってもよいし、ユーザの年齢、性別など体重を推定可能な情報であってもよい。

【0060】

このように、予約情報１４ａは、車両２０における乗客の配置と重さとを含む。なお、予約情報１４ａに乗客の重さが含まれない場合は、予め設定された乗客の重さが用いられてもよい。また、乗客の重さは、上述のような重さを特定するための情報を用いて算出されることにより、乗客情報として取得されてもよい。

【0061】

また、情報管理部１４は、予測装置１０が備える各処理部（例えば、モデリング部１２及び第１予測部１３）が実行するプログラム及びプログラムの実行に用いる情報等を格納していてもよい。プログラムの実行に用いる情報には、例えば、ベースモデルが含まれる。情報管理部１４は、例えば、半導体メモリなどの記憶装置により実現される。

【0062】

車両情報１４ｂは、車両２０の重心位置を算出するための情報を含む。車両情報１４ｂは、例えば、図３に示すように、「車両ＩＤ」、「車重」、「車重重心から前輪車軸までの距離」、「車重重心から後輪車軸までの距離」、「車重重心から左輪中心までの距離」、及び、「車重重心から右輪中心までの距離」を含む。図３は、本実施の形態に係る車両情報１４ｂの一例を示す図である。

【0063】

「車両ＩＤ」は、ユーザが予約した車両２０を特定するための識別情報である。車両情報１４ｂにおける「車両ＩＤ」は、例えば、同一の車両２０においては、予約情報１４ａにおける「車両ＩＤ」と同じＩＤが設定される。これにより、モデリング部１２は、予約情報１４ａにより予約された車両２０に適したモデル１４ｄを生成するための情報を車両情報１４ｂから取得することができる。

【0064】

「車重」は、車両２０自体の重さを示す。つまり、「車重」は、人が乗車していないときの車両２０の重さを示す。

【0065】

「車重重心から前輪車軸までの距離」は、人が乗車していないときの車両２０の車重中心から前輪車軸までの距離を示す。「車重重心から後輪車軸までの距離」は、人が乗車していないときの車両２０の車重中心から後輪車軸までの距離を示す。「車重重心から左輪中心までの距離」は、人が乗車していないときの車両２０の車重中心から左輪中心までの距離を示す。「車重重心から右輪中心までの距離」は、人が乗車していないときの車両２０の車重中心から右輪中心までの距離を示す。なお、左輪中心は、左側に配置されているタイヤを結ぶ直線であり、具体的には左前輪と左後輪とを含む直線である。右輪中心は、右側に配置されているタイヤを結ぶ直線であり、具体的には右前輪と右後輪とを含む直線である。

【0066】

なお、車両情報１４ｂは、車両２０の重心位置を示す情報を含んでいてもよい。

【0067】

車両情報１４ｂは、例えば、通信部１１を介して外部の装置から取得されてもよいし、車両２０が車両情報１４ｂを格納している場合は、車両２０から取得されてもよい。

【0068】

走行情報１４ｃは、予約情報１４ａに基づいて車両２０が走行したときの車両２０の走行履歴を示す情報を含む。走行情報１４ｃは、例えば、車両２０に搭載される各種センサのセンシング結果に基づいて生成される。走行情報１４ｃは、例えば、図４に示すように、「車両ＩＤ」、「時刻」、「車速」、「操舵角」、「舵角中心推定値」、及び、「直線走行判定結果」を含む。図４は、本実施の形態に係る走行情報１４ｃの一例を示す図である。

【0069】

「車両ＩＤ」は、センシング結果が取得された車両２０を特定するための識別情報である。走行情報１４ｃにおける「車両ＩＤ」は、例えば、予約情報１４ａにおける「車両ＩＤ」と同じＩＤが設定される。これにより、モデリング部１２は、現在の予約情報１４ａにより予約された車両２０に適したモデル１４ｄを生成するための情報を走行情報１４ｃから取得することができる。

【0070】

「時刻」は、車両２０の走行中にセンサ部２３によりセンシングされた時刻を示す。センサ部２３は、例えば、１秒間隔でセンシングを行う例を示しているが、これに限定されない。また、センサ部２３が有する各種センサのそれぞれが１秒間隔でセンシングを行う例を示しているが、これに限定されない。

【0071】

「車速」は、車両２０の時刻ごとの速度を示す。「車速」は、例えば、車速センサ２３ｃのセンシング結果である。

【0072】

「操舵角」は、車両２０の時刻ごとの操舵角を示す。「操舵角」は、例えば、舵角センサ２３ｂのセンシング結果である。

【0073】

「舵角中心推定値」は、車両２０において時刻ごとに算出された舵角中心の推定値を示す。「舵角中心推定値」は、例えば、動的推定部２２ａの推定結果を示す。

【0074】

「直線走行判定結果」は、車両２０の時刻ごとの、直進しているか否かの判定結果を示す。「直線走行判定結果」は、例えば、直進しているか否かの判定を行う判定部（図１において図示しない）を情報処理システム１が備える場合に含まれる。なお、「直線走行判定結果」は、走行情報１４ｃに含まれていなくてもよい。

【0075】

走行情報１４ｃは、例えば、通信部１１を介して車両２０から取得される。走行情報１４ｃは、予約情報１４ａに基づく車両２０の走行中に逐次取得されてもよいし、予約情報１４ａに基づく車両２０の走行後に取得されてもよい。走行情報１４ｃは、当該走行情報１４ｃを取得したときの予約情報１４ａと対応付けて格納される。言い換えると、情報管理部１４は、予約情報１４ａと当該予約情報１４ａに基づく車両２０の走行時に取得された走行情報１４ｃとを紐付けて格納する。

【0076】

図１を再び参照して、モデル１４ｄは、モデリング部１２により生成された、車両２０の予測舵角中心値を予測するための数理モデルである。モデル１４ｄは、例えば、車両２０ごとに生成されてもよい。この場合、情報管理部１４は、車両ＩＤと、当該車両ＩＤに対応する車両２０に適したモデル１４ｄとを対応付けて格納してもよい。これにより、第１予測部１３は、予約情報１４ａに含まれる車両ＩＤから当該車両ＩＤに応じたモデル１４ｄを情報管理部１４から取得することができる。

【0077】

車両２０は、ユーザが乗車する移動体の一例である。車両２０は、運転者の操作を必要とせずに、車両の運転を制御する自動運転車が想定される。しかし、車両２０は、自動運転又は手動運転の何れかに切り替えて走行することが可能な車両であってもよく、手動運転のみが可能な車両であってもよい。手動運転のみが可能な車両の場合は、予測舵角中心値は、手動運転をサポートする運転支援処理に利用される。

【0078】

車両２０は、通信部２１と、車両制御部２２と、センサ部２３とを有する。

【0079】

通信部２１は、車両２０が予測装置１０と通信する。通信部１１は、例えば通信回路（通信モジュール）により実現される。通信部２１は、ネットワーク（図示しない）を介して予測舵角中心値を予測装置１０から取得し、センサ部２３のセンシング結果などを予測装置１０に出力する。

【0080】

車両制御部２２は、車両２０の走行を制御する。本実施の形態では、車両制御部２２は、予測装置１０から取得した予測舵角中心値に基づいて、車両２０の操舵を制御する。車両制御部２２は、動的推定部２２ａと操舵制御部２２ｂとを有する。なお、車両制御部２２は、操舵以外に加速及び減速等も制御する。

【0081】

動的推定部２２ａは、車両２０の走行中の舵角中心値を推定する。言い換えると、動的推定部２２ａは、舵角中心推定値を生成する。動的推定部２２ａは、予測装置１０から取得した予測舵角中心値を車両２０の舵角中心値として設定する。動的推定部２２ａは、例えば、当該予測舵角中心値を走行前の車両２０の舵角中心の初期値として設定し、車両２０の走行中の舵角中心値を推定する。動的推定部２２ａは、例えば、カルマンフィルタ処理により車両２０の走行中の舵角中心値を推定する。舵角中心値は、基準値との差分などの相対値で表現されてもよく、絶対値として表現されてもよい。動的推定部２２ａの処理については、後述する。なお、動的推定部２２ａは、設定部の一例である。

【0082】

操舵制御部２２ｂは、動的推定部２２ａの推定結果に基づいて、車両２０の操舵を制御する。操舵制御部２２ｂは、例えば、動的推定部２２ａの推定結果に基づいて、操舵用モータを駆動させることで、車体に対する車輪（例えば、前輪）の角度を変化させる。操舵制御部２２ｂは、さらに、アクセルの踏み込み度合い、ブレーキの踏み込み度合い、車速、角速度などに基づいて、車輪の角度を変化させる。

【0083】

また、車両制御部２２は、センサ部２３から取得した検出結果を、通信部２１を介して予測装置１０に出力してもよい。

【0084】

センサ部２３は、車両２０の走行状態を検出する。センサ部２３は、走行中の車両２０の状態を検出可能な１以上のセンサを有しており、例えば、ジャイロセンサ２３ａと、舵角センサ２３ｂと、車速センサ２３ｃとを有する。

【0085】

ジャイロセンサ２３ａは、少なくとも鉛直軸周り（ヨー方向であり、例えば、後述する図７ＡのＺ軸方向周り）の回転に応じた角速度、すなわち車両２０の左右方向への回転（旋回）に応じた角速度を検出するセンサである。ジャイロセンサ２３ａは、例えば、車両２０の異なる方向を軸とした３軸であって鉛直軸を含む３軸周りそれぞれの回転における角速度を検出するセンサであってもよい。

【0086】

舵角センサ２３ｂは、ステアリング角を検出するセンサである。

【0087】

車速センサ２３ｃは、車両２０の車速を検出するセンサである。車速センサ２３ｃは、例えば、車軸の単位時間当たりの回転数を検出し、検出した回転数に基づいて車両２０の車速を取得してもよい。

【0088】

センサ部２３が有する各種センサは、検出した検出結果を車両制御部２２に出力する。なお、各種センサは、同期して検出を行ってもよいし、センサごとに所定時間間隔ごとに検出を行ってもよい。

【0089】

また、センサ部２３は、車両２０の走行状態を検出するための上記以外のセンサを有していてもよい。センサ部２３は、例えば、車両２０の内外を撮影するカメラ、車両２０の加速度を検出する加速度センサ、車両２０の位置を検出するＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）受信部などを有していてもよい。

【0090】

上記のように、本実施の形態に係る情報処理システム１は、過去の予約情報１４ａ等を用いて車両２０の予測舵角中心値を予測するためのモデル１４ｄを生成するモデリング部１２と、モデリング部１２が生成したモデル１４ｄと、現在の予約情報１４ａ及び車両情報１４ｂとを用いて車両２０の予測舵角中心値を予測する第１予測部１３と、予測した予測舵角中心値を車両２０に出力する通信部１１とを備える。

【0091】

これにより、情報処理システム１は、過去の予約情報１４ａ等を用いて生成されたモデル１４ｄを用いて、予測舵角中心値を生成することができる。そして、予測舵角中心値が通信部１１を介して車両２０に出力されることで、車両２０は、取得した予測舵角中心値を用いて舵角中心値を推定することができる。車両２０は、例えば、走行中に検出された操舵角を蓄積しなくても予測舵角中心値を用いて舵角中心値を推定することができる。よって、情報処理方法によれば、車両２０の舵角中心を推定するまでの時間を短縮することができる。

【0092】

また、車両２０の動的推定部２２ａは、例えば、予測舵角中心値を自車両の第１乗客情報に対応する走行における、走行前の舵角中心の初期値として設定してもよい。

【0093】

これにより、動的推定部２２ａは、自車両の走行開始前に舵角中心値を予測することができるので、発車直後の運行車速を向上させることができる。例えば、動的推定部２２ａは、発車直後からリアルタイムに舵角中心を推定することができる。

【0094】

［２．情報処理システムの動作］
次に、上記のような情報処理システム１の動作について、図５～図１０を参照しながら説明する。図５は、本実施の形態に係る情報処理システム１の動作を示すフローチャートである。

【0095】

図５に示すように、情報処理システム１は、まずモデリング処理を行う（Ｓ１０）。モデリング処理は、車両２０の予測舵角中心値を予測するモデル１４ｄを生成するための処理である。そして、情報処理システム１は、予約情報１４ａが確定すると、予測処理を行う（Ｓ２０）。予測処理は、現在の予約情報１４ａが取得された後に実行される処理であり、モデル１４ｄと、現在の予約情報１４ａ、及び、車両情報１４ｂとを用いて、車両２０の予測舵角中心値を予測する処理である。例えば、予約処理は、モデル１４ｄと、ユーザの乗車位置及び重さと、車両２０の重さとを用いて、車両２０の予測舵角中心値を予測する。そして、情報処理システム１は、予測舵角中心値が予測された後、車両２０が走行を開始すると、動的推定処理を行う（Ｓ３０）。動的推定処理は、例えば、ステップＳ２０で予測された予測舵角中心値を初期値として、走行中の車両２０の舵角中心値を推定する処理である。動的推定処理では、例えば、車両２０が走行している間、繰り返し舵角中心値が推定される。

【0096】

なお、ステップＳ２０の処理が行われるタイミングは、例えば、モデリング処理が行われた後、予約情報１４ａに基づく走行が行われるまでの間であれは特に限定されない。

【0097】

次に、モデリング処理、予測処理、及び、動的推定処理について、図６～図１０を参照しながら説明する。まずは、モデリング処理について、図６～図７Ｃを参照しながら説明する。図６は、本実施の形態に係るモデリング処理（Ｓ１０）の詳細を示すフローチャートである。図６に示す処理は、例えば、モデリング部１２により実行される。

【0098】

図６に示すように、モデリング処理（Ｓ１０）では、モデリング部１２は、情報管理部１４から各種データを読み込む（Ｓ１１）。モデリング部１２は、例えば、過去の予約情報１４ａ、車両情報１４ｂ、及び、走行情報１４ｃを情報管理部１４から読み出す。

【0099】

次に、モデリング部１２は、読み出した各種データのサンプル数が第１閾値より多いか否かを判定する（Ｓ１２）。モデリング部１２は、ステップＳ１２において、モデル１４ｄを生成できる程度のサンプル数のデータがあるか否かを判定する。第１閾値は、モデリング部１２がモデル１４ｄを生成できるサンプル数であれば、特に限定されない。サンプル数は、それぞれが紐付けられた予約情報１４ａ及び走行情報１４ｃを１セットとすると、１つの車両ＩＤに対する予約情報１４ａ及び走行情報１４ｃのセット数として定義されてもよい。また、サンプル数は、１つの車両ＩＤに対する走行情報１４ｃが取得された累計時間であってもよい。モデリング部１２は、走行情報１４ｃが取得された累計時間が所定時間よりも多い場合、サンプル数が第１閾値より多いと判定してもよい。モデリング部１２は、ステップＳ１２の判定を行うことで、様々なケースの走行情報１４ｃを用いてモデル１４ｄを生成することができる。

【0100】

モデリング部１２は、サンプル数が第１閾値より多いと判定する（Ｓ１２でＹｅｓ）と、重心位置を算出する（Ｓ１３）。モデリング部１２は、過去の予約情報１４ａと、車両情報１４ｂとを用いて、乗客が乗車した状態の車両２０（以下、乗車時の車両２０）の重心位置を算出する。具体的には、モデリング部１２は、乗客の乗車位置及び重さと、車両２０の重心位置及び重さとを用いて、乗車時の車両２０の重心位置を算出する。

【0101】

ここで、乗車時の車両２０の重心位置の算出について、図７Ａ～図７Ｃを参照しながら説明する。図７Ａは、乗車時の車両２０の重心位置の算出を説明するための第１図であり、車両２０を上方から見たときの模式図である。図７Ｂは、乗車時の車両２０の重心位置の算出を説明するための第２図であり、車両２０を後方から見たときの模式図である。図７Ｃは、乗車時の車両２０の重心位置の算出を説明するための第３図であり、車両２０を側方から見たときの模式図である。

【0102】

図７Ａ～図７Ｃでは、車両２０の、前輪２４ａ及び２４ｂと後輪２４ｃ及び２４ｄとを図示している。Ｙ軸が車両２０の前後方向であり、Ｘ軸が車両２０の左右方向であり、Ｚ軸が車両２０の高さ方向を示している。

【0103】

また、図７Ａ～図７Ｃを用いて、前部座席及び後部座席の左側に乗客が乗車しているときの車両２０の重心位置を算出する場合について説明する。車両中心ｗ１は、人が乗車していない状態での車両２０の重心位置を示す。乗客重心ｗ２は、前部座席左側に乗車している乗客（例えば、図２に示すユーザ１）の重心位置を示す。乗客重心ｗ３は、後部座席左側に乗車している乗客（例えば、図２に示すユーザ２）の重心位置を示す。

【0104】

図７Ａ～図７Ｃに示すように、乗客重心ｗ２、乗客重心ｗ３はそれぞれ、車両中心ｗ１を原点としたＸＹ平面において、（ｌｘ２，ｌｙ２）、（ｌｘ３，ｌｙ３）と表現される。

【0105】

また、車両２０の重量をｍ１、前部座席左側に乗車している乗客の重さ（重量）をｍ２、後部座席左側に乗車している乗客の重さ（重量）をｍ３とすると、２人の乗客が乗車時の車両２０の重心位置（ｌｘ，ｌｙ）は、以下の式１及び式２により算出される。

【0106】

ｌｘ＝（ｌｘ２×ｍ２＋ｌｘ３×ｍ３）／（ｍ１＋ｍ２＋ｍ３） （式１）
ｌｙ＝（ｌｙ２×ｍ２＋ｌｙ３×ｍ３）／（ｍ１＋ｍ２＋ｍ３） （式２）

【0107】

モデリング部１２は、車両２０における過去の予約情報１４ａごとに、式１及び式２を用いて、上記の重心位置（ｌｘ，ｌｙ）を算出する。これにより、例えば、同じ車両ＩＤの車両２０において、複数の重心位置（ｌｘ，ｌｙ）が算出される。

【0108】

図６を再び参照して、モデリング部１２は、算出した重心位置（ｌｘ，ｌｙ）及び取得した舵角中心推定値を用いて回帰分析処理を行うことでモデル１４ｄを生成する（Ｓ１４）。モデリング部１２は、算出した重心位置ｌｘをｘ軸、重心位置ｌｙをｙ軸、そのときの舵角中心値δをｚ軸として、ｘｙｚ座標上に複数の点（点群）をプロットし、最小二乗法を用いて、平面フィッティングを行うことで、以下の式３の係数であるａ、ｂ、ｃを算出する。つまり、重心位置ｌｘ、ｌｙと舵角中心値δとがモデル１４ｄを生成するための入力情報として用いられる。

【0109】

ａ×ｌｘ＋ｂ×ｌｙ＋ｃ＝δ （式３）

【0110】

舵角中心値δには、例えば、走行情報１４ｃの舵角中心推定値の値を用いる。これにより、モデリング部１２は、例えば、車両ＩＤごとに当該車両ＩＤの車両２０に適した係数ａ、ｂ、ｃを算出することができる。このように回帰分析（例えば、線形回帰分析）により係数ａ、ｂ、ｃを算出することは、モデル１４ｄを生成することの一例である。また、式３は、事前に定義されたベースモデルの一例である。ステップＳ１４は、モデル１４ｄを生成するステップであり、事前定義されたベースモデルを用いてモデル１４ｄが生成される。

【0111】

このように、モデル１４ｄは、例えば、過去の予約情報１４ａと車両情報１４ｂとから算出された車両２０の重心位置（ｌｘ，ｌｙ）、舵角中心推定値、及び、ベースモデルを用いて生成される。

【0112】

次に、モデリング部１２は、回帰分析が収束するか否かを判定する（Ｓ１５）。モデリング部１２は、例えば、最小二乗法の誤差が一定値以下であるか否かを判定することで、回帰分析が収束するか否かを判定する。例えば、モデリング部１２は、点群の各々と係数ａ、ｂ、ｃで規定される平面との距離の２条を合計した値が所定値以下であるか否かを判定する。所定値は、予め設定される。

【0113】

モデリング部１２は、回帰分析が収束する場合（Ｓ１５でＹｅｓ）、ステップＳ１４で生成したモデル１４ｄを情報管理部１４に格納する（Ｓ１６）。言い換えると、モデリング部１２は、式３に示す係数ａ、ｂ、ｃを情報管理部１４に格納する。

【0114】

また、モデリング部１２は、サンプル数が第１閾値以下である場合（Ｓ１２でＮｏ）、及び、回帰分析が収束しない場合（Ｓ１５でＮｏ）、ステップＳ１１に戻り処理を継続する。

【0115】

なお、モデリング部１２による係数ａ、ｂ、ｃを算出する方法は、最小二乗法を用いることに限定されず、既存のいかなる方法が用いられてもよい。また、ベースモデルは、式３に示すモデルに限定されず、回帰分析に用いられるいかなるモデルが用いられてもよい。

【0116】

続いて、予測処理について、図８を参照しながら説明する。図８は、本実施の形態に係る予測処理（Ｓ２０）の詳細を示すフローチャートである。図８に示す処理は、例えば、第１予測部１３により実行される。図８に示す処理は、現在の予約情報１４ａが通信部１１を介して取得された後に実行される。

【0117】

図８に示すように、予測処理（Ｓ２０）では、第１予測部１３は、情報管理部１４からモデル１４ｄを読み込み（Ｓ２１）、モデル１４ｄが存在するか否かを判定する（Ｓ２２）。第１予測部１３は、例えば、車両２０に適したモデル１４ｄが存在するか否かを判定する。具体的には、第１予測部１３は、例えば、所定の車両ＩＤの車両２０のモデル１４ｄが存在するか否かを判定する。所定の車両ＩＤは、例えば、通信部１１を介して取得された現在の予約情報１４ａに含まれる車両ＩＤである。つまり、所定の車両ＩＤは、これから予測舵角中心値を予測する対象となる車両２０の車両ＩＤである。

【0118】

第１予測部１３は、モデル１４ｄが存在すると（Ｓ２２でＹｅｓ）、当該モデル１４ｄを情報管理部１４から読み出す。具体的には、ベースモデルである式３における係数ａ、ｂ、ｃを情報管理部１４から読み出す。

【0119】

次に、第１予測部１３は、予約情報１４ａを読み込む（Ｓ２３）。第１予測部１３は、例えば、現在の予約情報１４ａを情報管理部１４から読み出す。ステップＳ２３は、車両２０における乗客の配置と乗客の重さとを取得するために行われる。ステップＳ２３は、第１乗客情報を取得することの一例である。

【0120】

次に、第１予測部１３は、車両情報１４ｂを読み込む（Ｓ２４）。第１予測部１３は、例えば、現在の予約情報１４ａに含まれる車両ＩＤの車両情報１４ｂを情報管理部１４から読み出す。ステップＳ２４は、車両２０の重さを取得するために行われる。ステップＳ２４は、車両２０の重さを取得することの一例である。

【0121】

次に、第１予測部１３は、読み出したモデル１４ｄを用いて、車両２０の予測舵角中心値を予測する（Ｓ２５）。第１予測部１３は、現在の予約情報１４ａと式１及び２とに基づいて、重心位置（ｌｘ，ｌｙ）を算出し、算出した重心位置（ｌｘ，ｌｙ）を式３に代入する。これにより、舵角中心値δが算出される。ステップＳ２５で算出される舵角中心値δは、予測舵角中心値の一例である。また、ステップＳ２５は、予測舵角中心値を生成することの一例である。

【0122】

次に、第１予測部１３は、ステップＳ２５で予測した予測舵角中心値が所定範囲内であるか否かを判定する（Ｓ２６）。所定範囲は、例えば、予測舵角中心値が現実的に取り得る値の範囲内であるか否かを判定できる範囲であればよく、予め設定される。第１予測部１３は、予測舵角中心値が所定範囲内である場合（Ｓ２６でＹｅｓ）、予測した予測舵角中心値を車両２０に出力する（Ｓ２７）。第１予測部１３は、例えば、現在の予約情報１４ａに含まれる車両ＩＤで特定される車両２０にステップＳ２５で予測した操舵中心の予測舵角中心値を出力する。ステップＳ２７は、予測舵角中心値を示す情報を車両２０へ出力することの一例である。

【0123】

また、第１予測部１３は、モデル１４ｄが存在しない場合（Ｓ２２でＮｏ）、及び、予測舵角中心値が所定範囲外である場合（Ｓ２６でＮｏ）、ステップＳ２１に戻り処理を継続する。

【0124】

なお、第１予測部１３は、現在の予約情報１４ａにおける車両２０の走行が行われる前に予測処理（Ｓ２０）を実行するとよい。第１予測部１３は、例えば、現在の予約情報１４ａの「時刻」に基づいて、当該「時刻」を経過する前に予測処理（Ｓ２０）を実行してもよい。

【0125】

続いて、動的推定処理について、図９及び図１０を参照しながら説明する。図９は、本実施の形態に係る動的推定処理（Ｓ３０）の詳細を示すフローチャートである。図９に示す処理は、例えば、車両２０の動的推定部２２ａにより実行される。図９に示す処理は、車両２０が予測装置１０から予測舵角中心値を取得した後に実行される。

【0126】

図９に示すように、動的推定処理（Ｓ３０）では、動的推定部２２ａは、予測装置１０から取得し車両２０が備える記憶装置（図示しない）に記憶されている操舵中心の予測舵角中心値を当該記憶装置から読み込み（Ｓ３１）、予測舵角中心値が存在するか否かを判定する（Ｓ３２）。動的推定部２２ａは、予測舵角中心値が存在する場合（Ｓ３２でＹｅｓ）、予測舵角中心値を読み出し、読み出した予測舵角中心値を動的推定処理の初期値として設定する（Ｓ３３）。動的推定部２２ａは、予測舵角中心値が複数存在する場合、最新の予測舵角中心値を動的推定処理の初期値として設定する。また、動的推定部２２ａは、予測舵角中心値が存在しない場合（Ｓ３２でＮｏ）、ステップＳ３１に戻り処理を継続する。

【0127】

次に、動的推定部２２ａは、各種センサの検出結果から車両２０が走行開始したか否かを判定する（Ｓ３４）。動的推定部２２ａは、例えば、車速センサ２３ｃの検出結果から車両２０が走行開始したか否かを判定する。そして、動的推定部２２ａは、車両２０が走行開始した場合（Ｓ３４でＹｅｓ）、車両２０の走行中の舵角中心値をリアルタイムで推定するために、カルマンフィルタの動作を開始する（Ｓ３５）。つまり、動的推定部２２ａは、カルマンフィルタを用いた推定処理により、自車両の走行中の舵角中心値を推定する。カルマンフィルタの動作については、後述する。また、動的推定部２２ａは、車両２０が走行開始していない場合（Ｓ３４でＮｏ）、ステップＳ３４に戻り処理を継続する。

【0128】

次に、動的推定部２２ａは、推定分散（分散値）が第２閾値より小さいか否かを判定する（Ｓ３６）。動的推定部２２ａは、カルマンフィルタを用いて推定した舵角中心値の分散（分散値）を算出し、算出した分散値が第２閾値より小さいか否かを判定する。当該分散値は、後述する式１３により算出される分散値Ｐに対応する。そして、動的推定部２２ａは、分散値Ｐが第２閾値より小さい場合（Ｓ３６でＹｅｓ）、推定した舵角中心値を操舵制御に反映する（Ｓ３７）。具体的には、動的推定部２２ａは、推定した舵角中心値を操舵制御部２２ｂに出力する。操舵制御部２２ｂは、動的推定部２２ａが推定した舵角中心値を用いて、自車両の舵角の制御を行う。

【0129】

ここで、カルマンフィルタの動作などについては、図１０を参照しながら説明する。図１０は、本実施の形態に係る拡張カルマンフィルタの動作を説明するための図である。なお、本実施の形態に係る拡張カルマンフィルタは、操舵角のバイアス（舵角バイアスδｂ）を推定するフィルタである。

【0130】

図１０に示すように、動的推定部２２ａは、例えば、第２予測部２２ａ１と、観測更新部２２ａ２と、演算部２２ａ３とを有する。

【0131】

第２予測部２２ａ１は、舵角センサ２３ｂからの舵角δと車速センサ２３ｃからの進行方向の車速ｖｘとに基づいて、車両２０の状態を予測する。第２予測部２２ａ１は、例えば、予測値を

【数1】

、車両２０の状態をｘとすると、以下の式４を用いて予測を行う。

【0132】

【数2】

【0133】

なお、本実施の形態では、制御入力がないので、式４において制御入力の項を省略している。式４に示すように、本実施の形態では、制御入力の項がないので、単純な計算で次の情報を予測することができる。

【0134】

ここで、予測値

【数3】

を予測する予測モデルは、以下の式５で表され、状態ｘは、以下の式６で表される。

【0135】

【数4】

は車両２０の加速度を示し、δは舵角センサ２３ｂが検出した舵角を示し、δｂは舵角バイアスを示す。例えば、予測装置１０の第１予測部１３により予測された予測舵角中心値が舵角バイアスδｂの初期値として用いられる。

【0136】

【数5】

【数6】

【0137】

なお、ヨーレートをγとすると、観測値ｚは、以下の式７により算出される。

【0138】

【数7】

【0139】

また、第２予測部２２ａ１は、合わせて式７に示す分散値（推定分散値）

【数8】

を算出する。具体的には、分散値

【数9】

は、予測モデルのヤコビアンをＦ、分散値をＰ、プロセスノイズをＱとすると、以下の式８により算出される。

【0140】

【数10】

【0141】

ここで、予測モデルのヤコビアンＦは、例えば、以下の式９により規定される。

【0142】

【数11】

【0143】

また、分散値Ｐは、例えば観測更新部２２ａ２により逐次更新される。プロセスノイズＱは、予め取得されている。

【0144】

第２予測部２２ａ１は、予測した状態

【数12】

及び分散値

【数13】

を観測更新部２２ａ２に出力する。

【0145】

観測更新部２２ａ２は、取得した状態

【数14】

及び分散値

【数15】

を用いて、カルマンゲインＫを算出する。観測更新部２２ａ２は、例えば、以下の式１０を用いて、カルマンゲインＫを算出する。

【0146】

【数16】

【0147】

ここで、Ｒは、観測誤差の分散値である。また、Ｈは観測モデル（後述する

【数17】

）のヤコビアンであり、例えば、以下の式１１により規定される。

【0148】

【数18】

【0149】

ここで、Ｌは、前輪の車軸と後輪の車軸との間の長さＬ（図７Ａを参照）である。

【0150】

次に、観測更新部２２ａ２は、観測値ｚを用いて、状態ｘ及び分散値Ｐを更新する。推定値ｘは、以下の式１２により算出され、分散値Ｐは以下の式１３により算出される。

【0151】

【数19】

【数20】

【0152】

ここで、ｈ（ｘ）は観測モデルであり、以下の式１４により算出される。

【0153】

【数21】

【0154】

また、式１４の３行目の数式は、舵角δとヨーレートγとの関係に基づく数式であり、観測モデルｈ（ｘ）とヨーレートγとを結びつける。

【0155】

また、式１２に示す

【数22】

の計算は、予測値と実際のヨーレートγとの差分を推定することに相当する。

【0156】

そして、演算部２２ａ３は、舵角δと舵角バイアスδｂとを演算することで、舵角中心値を推定し推定した舵角中心値を操舵制御部２２ｂに出力する。演算は、例えば、加算であるが、重み付け加算などであってもよい。また、演算は、減算、乗算、除算などであってもよい。

【0157】

また、第２予測部２２ａ１は、観測更新部２２ａ２が推定した推定値ｘ及び分散値Ｐをもとに、次の時刻における予測を行う。このような処理が繰り返し実行される。

【0158】

（実施の形態の変形例１）
以下、本変形例に係る情報処理システム１ａついて、図１１及び図１２を参照しながら説明する。図１１は、本変形例に係る情報処理システム１ａの機能構成を示すブロック図である。本変形例に係る情報処理システム１ａは、主に、予測装置１０ａが検出部１１５を有する点、及び、車両２０ａのセンサ部１２３が人検出センサ１２３ｄを有する点において、実施の形態に係る情報処理システム１と相違する。以下、本変形例に係る情報処理システム１ａについて、実施の形態に係る情報処理システム１との相違点を中心に説明する。また、本変形例において、実施の形態に係る情報処理システム１と同一または類似の構成については、情報処理システム１と同一の符号を付し、説明を省略または簡略化する。

【0159】

図１１に示すように、情報処理システム１ａは、予測装置１０ａと、車両２０ａとを有する。予測装置１０ａは、実施の形態の予測装置１０に加えて検出部１１５を有する。また、車両２０ａは、実施の形態のセンサ部２３に替えて、人検出センサ１２３ｄを有するセンサ部１２３を有する。実施の形態では、現在の予約情報１４ａを用いて予測舵角中心値を予測したが、実際に当該予約情報１４ａに基づく移動を行う場合に、当該予約情報１４ａの乗車位置通りに乗客が着座しないことがある。そこで、本変形例では、情報処理システム１ａは、実際に当該予約情報１４ａに基づく移動を行うときに、実際の乗客の乗車位置に応じて予測舵角中心値を予測する。

【0160】

人検出センサ１２３ｄは、車両２０に乗車した乗客を検出する。人検出センサ１２３ｄは、車両２０に乗車した乗客の位置を検出することができれば特に限定されないが、例えば、重量センサ、撮像センサなどにより実現される。本変形例では、人検出センサ１２３ｄは、各座席に設けられた圧力センサである。人検出センサ１２３ｄは、検出した圧力値を、通信部２１を介して予測装置１０ａに出力する。圧力値は、出力データの一例である。また、人検出センサ１２３ｄは、車両２０に乗せられた搬送物を検出する搬送物検出センサの一例である。

【0161】

検出部１１５は、車両２０ａから取得した出力データを用いて、乗客の配置を生成する。具体的には、検出部１１５は、車両２０ａから取得した圧力値に基づいて、車両２０ａの座席のそれぞれについて乗客が着座しているか否かを判定する。また、検出部１１５は、車両２０ａから取得した出力データを用いて、乗客の重さを生成する。具体的には、検出部１１５は、車両２０ａから取得した圧力値に基づいて、車両２０ａの座席のそれぞれについて着座している乗客の重さを算出する。なお、人検出センサ１２３ｄがカメラである場合、検出部１１５は、画像解析により乗客が着座しているか否かを判定してもよい。

【0162】

第１予測部１３は、現在の予約情報１４ａと検出部１１５の判定結果とに差異がある場合、つまり当該予約情報１４ａの乗車位置と実際の乗車位置とが異なる場合、再度予測舵角中心値の予測を行う。第１予測部１３は、予測舵角中心値を変更するとも言える。

【0163】

なお、第１予測部１３は、人検出センサ１２３ｄから圧力値を取得する場合、現在の予約情報１４ａを用いて予測舵角中心値を推定する処理を行わなくてもよい。第１予測部１３は、検出部１１５の判定結果を第１乗客情報として、予測舵角中心値を推定してもよい。言い換えると、第１乗客情報は、車両２０に備えられる人検出センサ１２３ｄの出力データを用いて生成されてもよい。

【0164】

以上のように、本変形例に係る情報処理システム１ａは、人検出センサ１２３ｄを有する車両２０ａと、人検出センサ１２３ｄの検出結果に基づいて乗客を検出する検出部１１５とを有する。そして、第１予測部１３は、検出部１１５の判定結果を用いて予測舵角中心値を予測する。

【0165】

これにより、情報処理システム１ａは、車両２０における実際の乗車位置に応じた予測舵角中心値を予測することができる。情報処理システム１ａは、例えば、現在の予約情報１４ａが取得できていない、又は、現在の予約情報１４ａに座席の情報が含まれていない場合であっても、予測舵角中心値を予測することができる。

【0166】

次に、上記のような情報処理システム１ａの動作について、図１２を参照しながら説明する。図１２は、本変形例に係る情報処理システム１ａの動作を示すフローチャートである。図１２に示す処理は、例えば、図５に示すステップＳ２０とステップＳ３０との間に行われるが、例えば、ステップＳ２３の替わりに実行されてもよい。また、図１２では、予測装置１０ａは、人検出センサ１２３ｄから圧力値を取得し、情報管理部１４に当該圧力値が記憶されているものとする。

【0167】

図１２に示すように、検出部１１５は、情報管理部１４から圧力値を読み込み（Ｓ４１）、圧力値が第３閾値より大きいか否かを判定する（Ｓ４２）。第３閾値は、座席に乗客が着座していることが判定できる値であればよい。検出部１１５は、圧力値が第３閾値より大きい場合（Ｓ４２でＹｅｓ）、その座席には人（乗客）が着座しているとして車両２０内の着座情報を更新する（Ｓ４３）。また、検出部１１５は、圧力値が第３閾値以下である場合（Ｓ４２でＮｏ）、その座席には人（乗客）が着座していないとして着座情報を更新する（Ｓ４４）。

【0168】

次に、検出部１１５は、全席においてステップＳ４２の判定をしたか否かを判定する（Ｓ４５）。検出部１１５は、全席においてステップＳ４２の判定を行った場合（Ｓ４５でＹｅｓ）、ステップＳ４６に進み、全席においてステップＳ４２の判定を行っていない場合（Ｓ４５でＮｏ）、ステップＳ４１に戻り次に座席に対する処理を行う。

【0169】

検出部１１５は、現在の予約情報１４ａが存在する場合は、現在の予約情報１４ａの乗車位置と着座情報に基づく実際の乗車位置とに相違があるか否かを判定する（Ｓ４６）。乗車位置に相違があるとは、乗車位置が異なること、乗車人数が異なることなどが挙げられる。また、人検出センサ１２３ｄがカメラであり、検出部１１５が画像解析から乗車する人を特定する場合、検出部１１５は、特定された人が現在の予約情報１４ａに含まれる人であるか否かを判定してもよい。検出部１１５は、判定結果を第１予測部１３に出力する。

【0170】

第１予測部１３は、現在の予約情報１４ａの乗車位置と着座情報に基づく実際の乗車位置とに相違があることを示す判定結果を取得すると、着座情報を用いて、予測舵角中心値の予測を再度行う（Ｓ４７）。つまり、第１予測部１３は、実際の乗客の乗車位置を用いて、予測舵角中心値の予測を行う。予測舵角中心値の予測の処理は、予測処理（Ｓ２０）と同様であり説明を省略する。第１予測部１３は、再度予測した予測舵角中心値を車両２０ａに出力する。なお、現在の予約情報１４ａが存在しない場合は、ステップＳ４６の処理なしに、ステップＳ４７の処理が実行される。

【0171】

これにより、車両２０ａは、実際の乗車状況（例えば、乗車位置）に応じた予測舵角中心値を取得することができるので、実際の乗車状況に応じた舵角の制御を行うことができる。

【0172】

なお、本変形例では、現在の予約情報１４ａを用いて予測舵角中心値を予測した上でさらに、人検出センサ１２３ｄの出力データに応じて予測舵角中心値を変更する例について説明したが、これに限定されない。予測装置１０ａは、人検出センサ１２３ｄの出力データを取得する場合、現在の予約情報１４ａを用いて予測舵角中心値を予測しなくてもよい。言い換えると、予測装置１０ａは、人検出センサ１２３ｄの出力データを用いて、予測舵角中心値を予測してもよい。

【0173】

（実施の形態の変形例２）
以下、本変形例に係る情報処理システム１ｂついて、図１３～図１６を参照しながら説明する。図１３は、本変形例に係る情報処理システム１ｂの機能構成を示すブロック図である。本変形例に係る情報処理システム１ｂは、主に、予測装置１０ｂのモデリング部２１２が機械学習モデルを生成する点において、実施の形態に係る情報処理システム１と相違する。以下、本変形例に係る情報処理システム１ｂについて、実施の形態に係る情報処理システム１との相違点を中心に説明する。また、本変形例において、実施の形態に係る情報処理システム１と同一または類似の構成については、情報処理システム１と同一の符号を付し、説明を省略または簡略化する。

【0174】

図１３に示すように、情報処理システム１ｂは、予測装置１０ｂと車両２０とを備える。予測装置１０ｂは、通信部１１と、モデリング部２１２と、第１予測部１３と、情報管理部２１４とを有する。

【0175】

モデリング部２１２は、機械学習モデルであるモデル２１４ｄを生成する。モデリング部２１２は、乗客の配置及び重さと車両２０の重さとを入力とし、そのときの予測舵角中心値を出力するモデル２１４ｄを生成する。モデル２１４ｄは、例えば、ニューラルネットワーク型の学習モデルであるが、これに限定されない。

【0176】

第１予測部１３は、現在の予約情報１４ａを取得すると、モデル２１４ｄを読み込み、読み込んだモデル２１４ｄに当該予約情報１４ａに含まれる乗客の配置及び重さと車両２０の重さとを入力することで得られる予測舵角中心値を車両２０に出力する。

【0177】

情報管理部２１４は、実施の形態の情報管理部１４に加えて、モデル２１４ｄを生成するための各種情報をさらに格納する。情報管理部２１４は、例えば、さらにユーザ情報２１４ｅ及び環境情報２１４ｆを格納する。

【0178】

ユーザ情報２１４ｅは、乗客の属性情報を含む。ユーザ情報２１４ｅは、例えば、図１４に示す「名前」、「ＩＤ」、「性別」、「年齢」、及び、「出身地」を含む。図１４は、本変形例に係るユーザ情報２１４ｅの一例を示す図である。なお、「性別」、「年齢」、及び、「出身地」は、乗客の属性情報の一例である。例えば、乗客の属性情報は、乗客の身体的特徴に関係する可能性がある情報を含む。

【0179】

「名前」は、乗客の名前を示し、例えば、呼称であってもよい。

【0180】

「ＩＤ」は、乗客を識別するための識別情報であり、例えば、乗客ごとに設定された識別番号である。

【0181】

「性別」は、乗客の性別を示す。

【0182】

「年齢」は、乗客の年齢を示す。「年齢」は、具体的な数値であってもよいし、年代であってもよい。

【0183】

「出身地」は、乗客の出身地を示す。

【0184】

ユーザ情報２１４ｅでは、例えば、複数の車両２０の各々（図１４中では、車両１～車両４の各々）に上記項目が設定される。「車両１」を例に説明すると、Ａさん、Ｆさん、Ｎさんのそれぞれにおいて、上記項目の情報が格納されている。Ａさん、Ｆさん、Ｎさんは、過去に「車両１」に乗車した又は「車両１」を予約した人であってもよいし、これから予約する予定の人であってもよい。このような情報は、事前に登録される。

【0185】

また、ユーザ情報２１４ｅは、さらに乗客の体重を推定するための他の情報を含んでいてもよい。ユーザ情報２１４ｅは、例えば、身長を含んでいてもよいし、体型を含んでいてもよいし、体重そのものを含んでいてもよい。

【0186】

環境情報２１４ｆは、車両２０の外部の環境に関する情報を含む。環境情報２１４ｆは、例えば、図１５に示すように、「気温」、「湿度」、「路面状況」、「風向」、及び、「風速」を含む。図１５は、本変形例に係る環境情報２１４ｆの一例を示す図である。

【0187】

「気温」及び「湿度」は、車両２０が走行する周囲の気温及び湿度を示す。

【0188】

「路面状況」は、車両２０が走行する路面の状況を示す。

【0189】

「風向」及び「風速」は、車両２０が走行する周囲の風向及び風速を示す。

【0190】

予測装置１０ｂは、現在の予約情報１４ａにおける「出発地」及び「目的地」から計画される走行経路を取得すると、当該走行経路周辺の環境情報を、環境情報を管理するサーバ装置などから取得してもよい。なお、環境情報２１４ｆは、外部環境情報の一例である。

【0191】

以上のように、本変形例に係る情報処理システム１ｂは、機械学習によりモデル２１４ｄを生成するモデリング部２１２を有する。

【0192】

これにより、情報処理システム１ｂは、最小二乗法の代わりに機械学習モデル（モデル２１４ｄ）を用いることで、より精度よく予測舵角中心値を予測することができる。情報処理システム１ｂは、機械学習モデルを生成する際に、ユーザ情報２１４ｅ及び環境情報２１４ｆを用いることで、さらに精度よく予測舵角中心値を予測することができるモデル２１４ｄを生成することができる。また、情報処理システム１ｂは、機械学習モデルの車両２０に対する依存を低減するため、機械学習モデルで車両２０の重心位置を推定し、重心位置と舵角中心値との関係を最小二乗法を用いて算出してもよい。

【0193】

次に、上記のような情報処理システム１ｂの動作について、図１６を参照しながら説明する。図１６は、本変形例に係る情報処理システム１ｂの動作を示すフローチャートである。図１６に示す処理は、モデリング処理（Ｓ１０ａ）であり、例えば、図４に示すステップＳ１０の替わりにステップＳ１０ａが実行される。

【0194】

図１６に示すように、モデリング部２１２は、情報管理部２１４からモデル２１４ｄを生成するための各種データを読み込む（Ｓ５１）。モデリング部２１２は、例えば、過去の予約情報１４ａ、車両情報１４ｂ、走行情報１４ｃ、ユーザ情報２１４ｅ、及び、環境情報２１４ｆの少なくとも１つを、モデル２１４ｄを生成するための訓練用データとして読み出す。例えば、訓練用データは、乗客のユーザ情報２１４ｅを含んでいてもよい。つまり、訓練用データは、乗客の属性情報を含んでいてもよい。また、例えば、訓練用データは、車両２０の外部の環境情報２１４ｆを含んでいてもよい。モデリング部２１２は、例えば、過去の予約情報１４ａ、車両情報１４ｂ、走行情報１４ｃ、ユーザ情報２１４ｅ、及び、環境情報２１４ｆの全てを訓練用データとして読み出してもよい。

【0195】

次に、モデリング部２１２は、読み出した各種データのサンプル数が第４閾値より多いか否かを判定する（Ｓ５２）。モデリング部２１２は、ステップＳ５２において、モデル２１４ｄを生成できる程度のサンプル数のデータがあるか否かを判定する。第４閾値は、モデリング部２１２がモデル２１４ｄを生成できるサンプル数であれば、特に限定されない。モデリング部２１２は、ステップＳ５２の判定を行うことで、様々なケースの各種データを用いてモデル２１４ｄを生成することができる。

【0196】

モデリング部２１２は、サンプル数が第４閾値より多い場合（Ｓ５２でＹｅｓ）、舵角中心の推定値を算出する（Ｓ５３）。ステップＳ５３の処理は、ステップＳ１３の処理と同様であり説明を省略する。また、モデリング部２１２は、サンプル数が第４閾値以下である場合（Ｓ５２でＮｏ）、ステップＳ５１に戻り処理を継続する。

【0197】

モデリング部２１２によるモデル２１４ｄの構築には、種々の方法を用いることができる。本実施の形態では、モデリング部２１２は、複数の弱学習器を組み合わせてモデル２１４ｄを構築するアンサンブル学習法であって、１つの弱学習器の学習結果を参考にして次の弱学習器を学習しつつ、損失関数の勾配を利用した勾配ブースティング法によって、モデル２１４ｄを構築する（Ｓ５４及びＳ５５）。損失関数は、予測値と、正しい値（言い換えるとリファレンス値）との差分を出力する関数である。

【0198】

なお、モデル２１４ｄの構築は、上記の方法に限定されず、例えば、バンキングなどのアンサンブル学習であってもよいし、その他であってもよい。

【0199】

このように、モデル２１４ｄは、例えば、過去の予約情報１４ａと車両情報１４ｂとを訓練データとし、舵角中心値をリファレンスデータとして機械学習を用いて生成される。

【0200】

次に、モデリング部２１２は、生成したモデル２１４ｄが収束するか否かを判定する（Ｓ５６）。モデリング部２１２は、モデル２１４ｄが収束する場合（Ｓ５６でＹｅｓ）、生成したモデル２１４ｄを情報管理部２１４に格納する（Ｓ５７）。また、モデリング部２１２は、モデル２１４ｄが収束しない場合（Ｓ５６でＮｏ）、ステップＳ５１に戻り処理を継続する。

【0201】

（実施の形態の変形例３）
以下、本変形例に係る情報処理システム１ｃついて、図１７～図１９を参照しながら説明する。図１７は、本変形例に係る情報処理システム１ｃの機能構成を示すブロック図である。本変形例に係る情報処理システム１ｃは、主に、車両２０ｃが判定部３２５を備える点において、実施の形態に係る情報処理システム１と相違する。以下、本変形例に係る情報処理システム１ｃについて、実施の形態に係る情報処理システム１との相違点を中心に説明する。また、本変形例において、実施の形態に係る情報処理システム１と同一または類似の構成については、情報処理システム１と同一の符号を付し、説明を省略または簡略化する。

【0202】

図１７に示すように、情報処理システム１ｃは、予測装置１０と車両２０ｃとを備える。車両２０ｃは、実施の形態の車両２０に加えて、車両２０ｃが直進しているか否かを判定する判定部３２５を有する。これは、動的推定処理は、車両２０ｃが直進しているときに行う方が、車両２０ｃが回転しているときに行うより推定精度がよいと考えられるためである。

【0203】

車両２０ｃは、実施の形態の車両２０に加えて、センサ部２３の出力データに基づいて、車両２０が直進しているか否かを判定する判定部３２５を有する。また、車両２０ｃは、動的推定部２２ａに替えて動的推定部３２２ａを有する。

【0204】

判定部３２５は、例えば、ジャイロセンサ２３ａの出力データであるヨーレートを用いて、車両２０ｃが直進しているか否かを判定する。

【0205】

動的推定部３２２ａは、判定部３２５の判定結果に基づいて、動的推定処理を実行する。具体的には、動的推定部３２２ａは、自車両が直進している場合に動的推定処理を実行する。動的推定部３２２ａは、例えば、自車両が直進している場合のみ、動的推定処理を実行する。言い換えると、動的推定部３２２ａは、自車両が回転している場合に動的推定処理を実行しない。

【0206】

以上のように、本変形例に係る情報処理システム１ｃは、自車両が直進しているか否かを判定する判定部３２５を備える。そして、動的推定部３２２ａは、判定部３２５が自車両を直進していると判定しているときに動的推定処理を実行する。

【0207】

これにより、情報処理システム１ｃは、直進走行時のみ舵角中心の動的推定を行うことができるので、推定精度を向上させることができる。

【0208】

次に、上記のような情報処理システム１ｃの動作について、図１８及び図１９を参照しながら説明する。図１８は、本変形例に係る判定処理を示すフローチャートである。図１８では、ジャイロセンサ２３ａの出力データであるジャイロセンサ値が車両２０ｃの記憶装置（図示しない）に逐次記憶されているものとする。ジャイロセンサ値は、例えば、ヨーレートである。

【0209】

図１８に示すように、判定部３２５は、ジャイロセンサ値を読み込む（Ｓ６１）。判定部３２５は、例えば、最新のヨーレートを記憶装置から読み出す。そして、判定部３２５は、ヨーレートの絶対値が第５閾値より大きいか否かを判定する（Ｓ６２）。第５閾値は、自車両が直進しているか否かを判定できる値であれば、特に限定されない。

【0210】

判定部３２５は、ヨーレートの絶対値が第５閾値より大きい場合（Ｓ６２でＹｅｓ）、自車両が直進していない、つまり自車両が回転していると判定し（Ｓ６３）、ヨーレートの絶対値が第５閾値以下である場合（Ｓ６２でＮｏ）、自車両が直進していると判定する（Ｓ６４）。そして、判定部３２５は、判定結果を動的推定部３２２ａに出力する（Ｓ６５）。

【0211】

判定部３２５は、図１８に示す動作を所定時間間隔で行ってもよいし、逐次行ってもよい。

【0212】

次に、動的推定部３２２ａの動作について、図１９を参照しながら説明する。図１９は、本変形例に係る動的推定処理（Ｓ３０ａ）の詳細を示すフローチャートである。

【0213】

図１９に示すように、本変形例の動的推定処理（Ｓ３０ａ）は、実施の形態の動的推定処理（Ｓ３０）に加えて、ステップＳ７１及びＳ７２を含む。

【0214】

動的推定部３２２ａは、判定部３２５から判定結果を取得する（Ｓ７１）と、判定結果に基づいて自車両が直進しているか否かを判定する（Ｓ７２）。動的推定部３２２ａは、判定結果に自車両が直進していることを示す情報が含まれる場合、つまり自車両が直進している場合（Ｓ７２でＹｅｓ）、ステップＳ３１以降の処理を実行する。また、動的推定部３２２ａは、判定結果に自車両が直進していないことを示す情報が含まれる場合、つまり自車両が直進していない場合（Ｓ７２でＮｏ）、ステップＳ７１に戻り処理を継続する。つまり、ステップＳ７２でＮｏである場合、動的推定処理における推定処理は実行されない。

【0215】

（実施の形態の変形例４）
以下、本変形例に係る情報処理システム１ｄついて、図２０及び図２１を参照しながら説明する。図２０は、本変形例に係る情報処理システム１ｄの機能構成を示すブロック図である。本変形例に係る情報処理システム１ｄは、主に、車両２０ｄのセンサ部４２３がカメラ４２３ｅを有する点、及び、カメラ４２３ｅが撮像した画像に基づいて乗客に関する推定を行う乗客推定部４１６を有する点において、実施の形態に係る情報処理システム１と相違する。以下、本変形例に係る情報処理システム１ｄについて、実施の形態に係る情報処理システム１との相違点を中心に説明する。また、本変形例において、実施の形態に係る情報処理システム１と同一または類似の構成については、情報処理システム１と同一の符号を付し、説明を省略または簡略化する。

【0216】

図２０に示すように、情報処理システム１ｄは、予測装置１０ｄと車両２０ｄとを備える。本変形例に係る情報処理システム１ｄは、予測装置１０ｄの乗客推定部４１６が画像から乗客の重量及び重心位置を推定し、モデリング部１２がさらに推定結果４１４ｇを用いて車両２０ｄの重心位置を推定する。

【0217】

車両２０ｄは、カメラ４２３ｅを含むセンサ部４２３を有する。カメラ４２３ｅは、車両２０ｄの車内の様子を撮像する。カメラ４２３ｅは、車両２０ｄに乗車した乗客の重量と重心位置とを取得可能な画像を撮像する。カメラ４２３ｅは、複数設けられてもよい。車両２０ｄは、カメラ４２３ｅが撮像した画像を予測装置１０ｄに出力する。

【0218】

予測装置１０ｄは、カメラ４２３ｅが撮像した画像に基づいて乗客の重量と重心位置とを推定する乗客推定部４１６と、さらに乗客推定部４１６の推定結果４１４ｇを格納する情報管理部４１４とを有する。

【0219】

乗客推定部４１６は、カメラ４２３ｅが撮像した画像の画像解析を行うことにより、乗客の重量と乗客の重心位置とを推定する。乗客推定部４１６は、例えば、乗客ごとに当該乗客の重量と重心位置とを推定する。重量及び重心位置の推定は、既存のいかなる技術が用いられてもよい。重心位置の推定は、例えば、画像から乗客の姿勢を推定し、推定した姿勢を用いて行われてもよい。

【0220】

情報管理部４１４には、複数の推定結果４１４ｇが蓄積される。推定結果４１４ｇは、当該推定結果４１４ｇが取得されたときの走行情報１４ｃと対応付けて格納されていてもよい。

【0221】

モデリング部１２は、モデリング処理において、乗客推定部４１６の推定結果４１４ｇを用いて、車両２０ｄの重心位置を推定する。

【0222】

以上のように、本変形例に係る情報処理システム１ｄは、自車両の車内を撮像するカメラ４２３ｅと、カメラ４２３ｅが撮像した画像の画像解析を行うことで、車両２０ｄに乗車する乗客の重量と重心位置とを推定する乗客推定部４１６とを備える。

【0223】

これにより、情報処理システム１ｄは、乗客の重量と重心位置とを正確に取得することができるので、車両２０ｄの重心位置の推定精度を向上させることができる。また、モデリング部１２は、過去の予約情報１４ａを取得していない場合であっても、車両２０ｄの重心位置を推定することができる。この場合、推定結果４１４ｇは、検出結果の一例である。また、乗客情報は、推定結果４１４ｇを用いて生成される。第１乗客情報は、例えば、車両２０に備えられるカメラ４２３ｅの出力データ（画像データ）に基づく、乗客の現在の推定結果４１４ｇを用いて生成され、第２乗客情報は、例えば、過去に取得された出力データに基づく、乗客の過去の推定結果４１４ｇを用いて生成される。

【0224】

次に、上記のような情報処理システム１ｄの動作について、図２１を参照しながら説明する。図２１は、本変形例に係る判定処理を示すフローチャートである。

【0225】

図２１に示すように、乗客推定部４１６は、カメラ４２３ｅが撮像した画像データを取得する（Ｓ８１）。乗客推定部４１６は、情報管理部４１４から画像データを読み出してもよい。次に、乗客推定部４１６は、取得した画像データにおいて、人を検出したか否かを判定する（Ｓ８２）。乗客推定部４１６は、画像データを画像解析することにより画像に人が写っているか否かを判定する。言い換えると、乗客推定部４１６は、画像データを画像解析することにより、車両２０ｄに乗客が乗車しているか否かを判定する。

【0226】

乗客推定部４１６は、人を検出した場合（Ｓ８２でＹｅｓ）、当該人の重量及び重心位置を推定する（Ｓ８３）。つまり、乗客推定部４１６は、乗客の重量及び重心位置を推定する。そして、乗客推定部４１６は、推定した推定結果４１４ｇを情報管理部４１４に格納する（Ｓ８４）。また、乗客推定部４１６は、人を検出しない場合（Ｓ８２でＮｏ）、ステップＳ８１に戻り処理を継続する。

【0227】

なお、乗客推定部４１６は、ステップＳ８２において複数の人を検出した場合、複数の人の各々においてステップＳ８３の処理を実行する。

【0228】

なお、予測装置１０ｄは、現在の予約情報１４ａを用いて予測舵角中心値を予測した上でさらにカメラ４２３ｅの画像データに応じて、予測舵角中心値を変更する処理を行ってもよい。また、予測装置１０ｄは、カメラ４２３ｅから画像データを取得する場合、現在の予約情報１４ａを用いて予測舵角中心値を予測しなくてもよい。言い換えると、予測装置１０ｄは、カメラ４２３ｅからの画像データを用いて、予測舵角中心値を予測してもよい。カメラ４２３ｅの画像データは、乗客の配置及び乗客の重さに関する情報を含む。

【0229】

（実施の形態の変形例５）
以下、本変形例に係る情報処理システム１ｅついて、図２２及び図２３を参照しながら説明する。図２２は、本変形例に係る情報処理システム１ｅの機能構成を示すブロック図である。本変形例に係る情報処理システム１ｅは、主に、予測装置１０ｅが乗客推定部４１６に替えて認証部５１７を有する点において、実施の形態の変形例４に係る情報処理システム１ｄと相違する。以下、本変形例に係る情報処理システム１ｅについて、実施の形態の変形例４に係る情報処理システム１ｄとの相違点を中心に説明する。また、本変形例において、実施の形態の変形例４に係る情報処理システム１ｄと同一または類似の構成については、情報処理システム１ｄと同一の符号を付し、説明を省略または簡略化する。

【0230】

図２２に示すように、情報処理システム１ｅは、予測装置１０ｅと車両２０ｄとを備える。本変形例に係る情報処理システム１ｅは、予測装置１０ｅの認証部５１７が画像の認証結果から乗客個人を特定し、特定された個人に関する情報を情報管理部５１４から取得する。

【0231】

認証部５１７は、カメラ４２３ｅが撮像した画像の顔認証を行うことで個人を特定し、認証結果をモデリング部１２及び第１予測部１３に出力する。認証部５１７は、例えば、認証情報５１７ｈと画像データとを比較することで、個人を特定する。また、認証部５１７は、認証結果を情報管理部５１４に格納してもよい。なお、個人を特定する方法は、顔認証に限定されない。認証結果は、乗客の識別結果の一例である。また、識別結果は、カメラ４２３ｅの画像データに基づく乗客の検出結果に含まれる。

【0232】

モデリング部１２は、認証結果に基づいて乗客に対応する情報を取得し、取得した情報を用いて、車両２０ｄの重心位置を推定する。モデリング部１２は、推定した重心位置を用いてモデル１４ｄを生成する。乗客に対応する情報は、例えば、ユーザ情報２１４ｅであってもよい。なお、モデリング部１２は、例えば、認証結果に基づいて特定された乗客のユーザ情報２１４ｅを用いて生成された第２乗客情報を用いて、モデル１４ｄを生成してもよい。具体的には、モデリング部１２は、認証結果に基づいて特定された乗客のユーザ情報２１４ｅに含まれる属性情報を用いて乗客情報を生成する。モデリング部１２は、属性情報に含まれる「年齢」、「性別」等の情報から、乗客の配置又は重さを推定する。例えば、識別された乗客が高齢者である場合は、シルバーシートに着座すると推定される。モデリング部１２は、生成した乗客情報を用いて、車両２０ｄの重心位置を推定する。推定された重心位置を用いてモデル１４ｄが生成される。

【0233】

第１予測部１３は、認証結果に基づいて乗客に対応する情報を取得し、取得した情報を用いて、車両２０ｄの重心位置を推定する。第１予測部１３は、推定した重心位置を用いて推定舵角中心値を予測する。第１予測部１３は、例えば、認証結果に基づいて取得される乗客の重さを用いて、予測舵角中心値を予測する。なお、第１予測部１３は、例えば、認証結果に基づいて特定された乗客のユーザ情報２１４ｅを用いて生成された第１乗客情報を用いて、重心位置を推定し予測舵角中心値を予測してもよい。具体的には、第１予測部１３は、認証結果に基づいて特定された乗客のユーザ情報２１４ｅに含まれる属性情報を用いて乗客情報を生成する。属性情報に基づく乗客情報の生成処理は上述の処理と同様である。第１予測部１３は、生成した乗客情報を用いて、車両２０ｄの重心位置を推定する。推定された重心位置がモデル１４ｄに入力されることにより、予測舵角中心値が予測される。

【0234】

情報管理部５１４は、認証部５１７が乗客を特定するために認証情報５１７ｈを格納する。認証情報５１７ｈは、例えば、登録済みのユーザの顔の画像であってもよいし、ユーザの顔の特徴を示す情報であってもよい。

【0235】

以上のように、本変形例に係る情報処理システム１ｅは、自車両の車内を撮像するカメラ４２３ｅと、カメラ４２３ｅが撮像した画像の認証処理を行うことで、車両２０ｄに乗車する乗客を特定する認証部５１７とを備える。

【0236】

これにより、情報処理システム１ｅは、車両２０ｄに乗車している人を特定することができる。モデリング部１２は、例えば、当該特定された人のユーザ情報２１４ｅを情報管理部５１４から取得することで、車両２０ｄに乗車している人に関する情報を正確に取得することができる。よって、モデリング部１２は、車両２０ｄの重心位置の推定精度、つまり生成するモデル１４ｄの推定精度を向上させることができる。また、第１予測部１３は、例えば、当該特定された人のユーザ情報２１４ｅを情報管理部５１４から取得することで、車両２０ｄに乗車している人に関する情報を正確に取得することができる。よって、第１予測部１３は、車両２０ｄの予測舵角中心値の予測精度を向上させることができる。

【0237】

次に、上記のような情報処理システム１ｅの動作について、図２３を参照しながら説明する。図２３は、本変形例に係る判定処理を示すフローチャートである。

【0238】

図２３に示すように、認証部５１７は、カメラ４２３ｅが撮像した画像データを取得する（Ｓ９１）。認証部５１７は、情報管理部５１４から画像データを読み出してもよい。次に、認証部５１７は、取得した画像データの解析結果と、情報管理部５１４に記憶されている認証情報５１７ｈとを比較し（Ｓ９２）、登録済みのユーザであるか否かを判定する（Ｓ９３）。

【0239】

認証部５１７は、登録済みのユーザである場合（Ｓ９３でＹｅｓ）、当該ユーザに対応するユーザ情報２１４ｅがあるか否かを判定する（Ｓ９４）。認証部５１７は、当該ユーザに対応するユーザ情報２１４ｅがある場合（Ｓ９４でＹｅｓ）、ユーザ情報２１４ｅを取得し（Ｓ９５）、取得したユーザ情報２１４ｅをモデリング部１２及び第１予測部１３の少なくとも一方に出力する（Ｓ９５）。本変形例では、認証部５１７は、ユーザ情報２１４ｅをモデリング部１２及び第１予測部１３の両方に出力する。

【0240】

また、認証部５１７は、当該ユーザに対応するユーザ情報２１４ｅがない場合（Ｓ９４でＮｏ）、登録済みであるユーザのＩＤをモデリング部１２及び第１予測部１３の少なくとも一方に出力する（Ｓ９７）。これにより、認証部５１７は、以降に取得された各種データを、既存のユーザＩＤに紐付けて情報管理部５１４に格納することができる。

【0241】

また、認証部５１７は、登録済みのユーザでない場合（Ｓ９３でＮｏ）、当該ユーザを新規ユーザとして登録する（Ｓ９８）。認証部５１７は、例えば、ステップＳ９８において、当該ユーザのユーザＩＤを新たに設定する。そして、認証部５１７は、設定したユーザＩＤをモデリング部１２及び第１予測部１３の少なくとも一方に出力する（Ｓ９９）。これにより、認証部５１７は、以降に取得された各種データを、新たに登録したユーザＩＤに紐付けて情報管理部５１４に格納することができる。

【0242】

（その他の実施の形態）
以上、本開示について実施の形態及び変形例（以降において、実施の形態等とも記載する）に基づいて説明したが、本開示は、上記実施の形態等に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態等に施したものや、異なる実施の形態等における構成要素を組み合わせて構築される形態も、本開示の１つまたは複数の態様の範囲内に含まれてもよい。

【0243】

例えば、上記実施の形態等では、予測装置と車両とは、別体である例について説明したが、これに限定されない。例えば、予測装置は、車両に搭載されていてもよい。この場合、図２４に示すように、予測装置は、車両の予測部として機能する。図２４は、その他の実施の形態に係る情報処理システム１ｆの機能構成を示すブロック図である。

【0244】

図２４に示すように、情報処理システム１ｆは、車両２０ｆを備える。車両２０ｆは、予測部１０ｆと、通信部２１と、車両制御部２２と、センサ部２３とを備える。また、第１予測部１３と、通信部２１と、動的推定部２２ａとで制御装置６００が構成される。つまり、制御装置６００は、車両２０に搭載される。

【0245】

また、上記実施の形態等では、予約情報は、乗客の乗車位置を含む例を説明したが、さらに乗客ごとの体重などを含んでいてもよい。また、予約情報は、さらに乗客が持参する荷物の重さに関する情報を含んでいてもよい。

【0246】

また、上記実施の形態等では、搬送物が乗客である例を説明したが、搬送物は移動体に搭載される荷物であってもよい。

【0247】

また、上記実施の形態等では、予約情報は乗客の予約情報である例を説明したが、予約情報は移動体に搭載される荷物の予約情報であってもよい。荷物の予約情報は、少なくとも荷物の移動体内での搭載場所、及び荷物の重さを含む。なお、荷物の予約情報は、荷物の集荷時間、配送時間、集荷場所、及び配送場所などの配送計画情報、及び荷物の種別などの情報を含んでもよい。例えば、荷物の重さの代わりに、荷物の種別から荷物の重さが推定又は特定されてもよい。

【0248】

また、上記実施の形態の変形例１では、検出結果は乗客の検出結果である例を説明したが、検出結果は移動体に搭載される荷物の検出結果であってもよい。荷物の検出結果は、車両２０に搭載された荷物の位置、重さ等の検出結果を含んでいてもよい。

【0249】

また、上記実施の形態の変形例２では、属性情報は乗客の属性情報である例を説明したが、属性情報は移動体に搭載される荷物の属性情報であってもよい。荷物の属性情報は、車両２０に搭載される荷物の「商品名」、「商品番号（例えば、商品コード）」、「生産日」、及び、「生産地」の少なくとも１つを含む。例えば、荷物の属性情報は、荷物の物理的特徴に関係する可能性がある情報を含んでいてもよい。

【0250】

また、上記実施の形態の変形例５では、識別結果は、乗客の識別結果である例を説明したが、識別結果は移動体に搭載される荷物の識別結果であってもよい。荷物の表面等に当該荷物を識別するための識別コード（例えば、ＱＲコード（登録商標）等）が付されている場合、認証部は、カメラが撮像した画像の識別コードから得られる情報と、情報管理部に格納された認証部が荷物を特定するための情報とに基づいて、搭載された荷物を特定する。特定された結果は、識別結果の一例である。

【0251】

また、上記実施の形態等に係る情報処理システムの全部又は一部は、クラウドサーバによって実現されてもよいし、移動体内に搭載されたエッジ機器として実現されてもよい。例えば、上記実施の形態等に係る予測装置は、移動体が自動運転車である場合、当該自動運転車に搭載される自動運転装置の一部として実現されてもよい。

【0252】

また、上記実施の形態等において説明された複数の処理の順序は一例である。複数の処理の順序は、変更されてもよいし、複数の処理は、並行して実行されてもよい。また、複数の処理の一部は、実行されなくてもよい。

【0253】

また、上記実施の形態等で説明した各構成要素は、ソフトウェアとして実現されても良いし、典型的には、集積回路であるＬＳＩとして実現されてもよい。これらは、個別に１チップ化されてもよいし、一部または全てを含むように１チップ化されてもよい。ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅｇａｔｅ Ａｒｒａｙ）又は、ＬＳＩ内部の回路セルの接続若しくは設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。更には、半導体技術の進歩または派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて構成要素の集積化を行ってもよい。

【0254】

また、ブロック図における機能ブロックの分割は一例であり、複数の機能ブロックを１つの機能ブロックとして実現したり、１つの機能ブロックを複数に分割したり、一部の機能を他の機能ブロックに移してもよい。また、類似する機能を有する複数の機能ブロックの機能を単一のハードウェア又はソフトウェアが並列又は時分割に処理してもよい。

【0255】

また、情報処理システムが備える予測装置は、単一の装置として実現されてもよいし、複数の装置によって実現されてもよい。例えば、予測装置の各処理部は、２以上のサーバ装置で実現されてもよい。情報処理システムが複数のサーバ装置によって実現される場合、情報処理システムが備える構成要素は、複数のサーバ装置にどのように振り分けられてもよい。また、複数のサーバ装置間の通信方法は、特に限定されない。また、情報処理システムの各構成要素間の通信方法は、特に限定されない。

【0256】

また、上記実施の形態等で説明した車両が有する構成要素の少なくとも一部は、予測装置が有していてもよい。例えば、動的推定部は、予測装置が有していてもよい。

【0257】

さらに、本開示の技術は上記プログラムであってもよいし、上記プログラムが記録された非一時的なコンピュータ読み取り可能な記録媒体であってもよい。また、上記プログラムは、インターネット等の伝送媒体を介して流通させることができるのは言うまでもない。例えば、上記プログラム及び上記プログラムからなるデジタル信号は、電気通信回線、無線又は有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送するものであってもよい。また、上記プログラム及び上記プログラムからなるデジタル信号は、記録媒体に記録して移送されることにより、又はネットワーク等を経由して移送されることにより、独立した他のコンピュータシステムにより実行されてもよい。

【0258】

また、各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵまたはプロセッサなどのプログラム実行部が、ハードディスクまたは半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。

【産業上の利用可能性】

【0259】

本開示は、移動体を運用するシステムに広く利用可能である。

【符号の説明】

【0260】

１、１ａ、１ｂ、１ｃ、１ｄ、１ｅ、１ｆ 情報処理システム
１０、１０ａ、１０ｂ、１０ｄ、１０ｅ 予測装置
１０ｆ 予測部
１１、２１ 通信部（第１取得部、第２取得部、出力部）
１２、２１２ モデリング部
１３ 第１予測部（生成部）
１４、２１４、４１４、５１４ 情報管理部
１４ａ 予約情報
１４ｂ 車両情報
１４ｃ 走行情報
１４ｄ、２１４ｄ モデル
２０、２０ａ、２０ｃ、２０ｄ、２０ｆ 車両（移動体）
２２ 車両制御部
２２ａ 動的推定部（設定部）
２２ａ１ 第２予測部
２２ａ２ 観測更新部
２２ａ３ 演算部
２２ｂ 操舵制御部
２３、１２３、４２３ センサ部
２３ａ ジャイロセンサ
２３ｂ 舵角センサ
２３ｃ 車速センサ
１１５ 検出部
１２３ｄ 人検出センサ
２１４ｅ ユーザ情報
２１４ｆ 環境情報
３２５ 判定部
４１４ 情報管理部
４１４ｇ 推定結果
４１６ 乗客推定部
４２３ｅ カメラ
５１７ 認証部
５１７ｈ 認証情報
６００ 制御装置
ａ、ｂ、ｃ 係数
ｌｘ、ｌｙ 重心位置
ｍ１ 車両重量
ｍ２、ｍ３ 乗客重量
ｗ１ 車両中心
ｗ２、ｗ３ 乗客重心
δ 舵角中心値

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7A】

【図7B】

【図7C】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】

【図22】

【図23】

【図24】