(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】2024-08-19
(45)【発行日】2024-08-27
(54)【発明の名称】走行ルート管理システム、および走行ルート管理方法
(51)【国際特許分類】
G01C 21/34 20060101AFI20240820BHJP
【ＦＩ】
G01C21/34
【請求項の数】
7
(21)【出願番号】P 2024079107
(22)【出願日】2024-05-15
【審査請求日】2024-05-15
【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】貞光 大樹
(56)【参考文献】
【文献】特開平８－２７１２７５（ＪＰ，Ａ）
【文献】特開２００６－１７７８０４（ＪＰ，Ａ）
【文献】特開２００４－４５０５４（ＪＰ，Ａ）
【文献】国際公開第２０２１／１９９１７５（ＷＯ，Ａ１）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０１Ｃ ２１／００ － ２１／３６
Ｇ０８Ｇ １／００ － １／１６
Ｇ０９Ｂ ２９／００ － ２９／１４
(57)【特許請求の範囲】
【請求項1】
車両が過去に走行した、第１出発地点から第１目的地点までの第１ルート情報を取得するように構成された第１取得部と、前記第１ルート情報を、前記第１出発地点から前記第１目的地点までの真のルート情報として、前記真のルート情報に類似する疑似ルート情報を生成する生成器と、前記生成器によって生成された前記疑似ルート情報と前記真のルート情報とを識別する識別器とを有する生成モデルの敵対的学習を行うように構成された第１学習部と、
前記第１学習部によって構築された学習済みの生成器を用いて前記疑似ルート情報を生成するように構成された生成部と、
前記第１出発地点から前記第１目的地点に最小コストで到達する第２ルート情報と、前記学習済みの生成器によって生成された前記疑似ルート情報との関係を、識別モデルを用いて学習するように構成された第２学習部と、
前記第２学習部によって構築された学習済みの識別モデルを記憶するように構成された記憶部と
を備える走行ルート管理装置。
【請求項2】
請求項１に記載の走行ルート管理装置において、さらに、前記車両において新たに設定された第２出発地点から第２目的地点に最小コストで到達する第３ルート情報を取得するように構成された第２取得部と、
前記第３ルート情報を未知の入力として前記学習済みの識別モデルに与え、前記学習済みの識別モデルの演算を行って、前記第２出発地点から前記第２目的地点までの疑似ルート情報を出力し、出力された疑似ルート情報を推奨されるルート情報として決定するように構成された決定部と
を備える走行ルート管理装置。
【請求項3】
請求項２に記載の走行ルート管理装置において、さらに、前記決定部により決定された前記推奨されるルート情報に沿って、前記車両を前記第２出発地点から前記第２目的地点まで誘導するように構成された誘導部を備える
ことを特徴とする走行ルート管理装置。
【請求項4】
請求項２または請求項３に記載の走行ルート管理装置において、前記第２ルート情報および前記第３ルート情報は、前記車両が出発地点から目的地点までに最短距離または最短時間で到達するルート情報である
ことを特徴とする走行ルート管理装置。
【請求項5】
車両が過去に走行した、第１出発地点から第１目的地点までの第１ルート情報を取得する第１取得ステップと、前記第１ルート情報を、前記第１出発地点から前記第１目的地点までの真のルート情報として、前記真のルート情報に類似する疑似ルート情報を生成する生成器と、前記生成器によって生成された前記疑似ルート情報と前記真のルート情報とを識別する識別器とを有する生成モデルの敵対的学習を行う第１学習ステップと、
前記第１学習ステップで構築された学習済みの生成器を用いて前記疑似ルート情報を生成する生成ステップと、
前記第１出発地点から前記第１目的地点に最小コストで到達する第２ルート情報と、前記学習済みの生成器によって生成された前記疑似ルート情報との関係を、識別モデルを用いて学習する第２学習ステップと、
前記第２学習ステップで構築された学習済みの識別モデルを記憶部に記憶する記憶ステップと
を備える走行ルート管理方法。
【請求項6】
請求項５に記載の走行ルート管理方法において、さらに、前記車両において新たに設定された第２出発地点から第２目的地点に最小コストで到達する第３ルート情報を取得する第２取得ステップと、
前記第３ルート情報を未知の入力として前記学習済みの識別モデルに与え、前記学習済みの識別モデルの演算を行って、前記第２出発地点から前記第２目的地点までの疑似ルート情報を出力し、出力された疑似ルート情報を推奨されるルート情報として決定する決定ステップと
を備える走行ルート管理方法。
【請求項7】
請求項６に記載の走行ルート管理方法において、さらに、前記決定ステップで決定された前記推奨されるルート情報に沿って、前記車両を前記第２出発地点から前記第２目的地点まで誘導する誘導ステップを備える
ことを特徴とする走行ルート管理方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、走行ルート管理システム、および走行ルート管理方法に関する。
【背景技術】
【0002】
従来から、車両などに搭載されるカーナビゲーションシステムが知られている。例えば、特許文献１は、車両の現在位置から目的地までの距離が最短となる走行ルートや最短時間で目的地まで到達する走行ルートを設定して、車両のルート案内を行う技術を開示する。また、特許文献１では、信号機の有無や交差点の有無、車両の施設への入りやすさなどから、車両がより効率的に目的地に到達するルートが設定されている。
【0003】
ここで、車両を運転するドライバーであるユーザは、最短時間や最短距離に基づいて画一的に設定された案内ルートに対して、案内に沿った道路とは異なる抜け道などを頻繁に使用して走行する場合がある。しかし、特許文献１が開示するカーナビゲーションシステムによるルート設定では、ユーザごとの運転の傾向に合わせて個別化された走行ルートを生成することはできなかった。
【先行技術文献】
【特許文献】
【0004】
【文献】特開２０１２－２２０２６５号公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
このように、従来の技術によれば、ユーザごとの運転の傾向に合わせた走行ルートを生成することは困難であった。
【0006】
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、ユーザごとの運転の傾向に合わせた走行ルートを生成することを目的とする。
【課題を解決するための手段】
【0007】
上述した課題を解決するために、本発明に係る走行ルート管理装置は、車両が過去に走行した、第１出発地点から第１目的地点までの第１ルート情報を取得するように構成された第１取得部と、前記第１ルート情報を、前記第１出発地点から前記第１目的地点までの真のルート情報として、前記真のルート情報に類似する疑似ルート情報を生成する生成器と、前記生成器によって生成された前記疑似ルート情報と前記真のルート情報とを識別する識別器とを有する生成モデルの敵対的学習を行うように構成された第１学習部と、前記第１学習部によって構築された学習済みの生成器を用いて前記疑似ルート情報を生成するように構成された生成部と、前記第１出発地点から前記第１目的地点に最小コストで到達する第２ルート情報と、前記学習済みの生成器によって生成された前記疑似ルート情報との関係を、識別モデルを用いて学習するように構成された第２学習部と、前記第２学習部によって構築された学習済みの識別モデルを記憶するように構成された記憶部とを備える。
【0008】
また、本発明に係る走行ルート管理装置において、さらに、前記車両において新たに設定された第２出発地点から第２目的地点に最小コストで到達する第３ルート情報を取得するように構成された第２取得部と、前記第３ルート情報を未知の入力として前記学習済みの識別モデルに与え、前記学習済みの識別モデルの演算を行って、前記第２出発地点から前記第２目的地点までの疑似ルート情報を出力し、出力された疑似ルート情報を推奨されるルート情報として決定するように構成された決定部とを備えていてもよい。
【0009】
また、本発明に係る走行ルート管理装置において、さらに、前記決定部により決定された前記推奨されるルート情報に沿って、前記車両を前記第２出発地点から前記第２目的地点まで誘導するように構成された誘導部を備えていてもよい。
【0010】
また、本発明に係る走行ルート管理装置において、前記第２ルート情報および前記第３ルート情報は、前記車両が出発地点から目的地点までに最短距離または最短時間で到達するルート情報であってもよい。
【0011】
上述した課題を解決するために、本発明に係る走行ルート管理方法は、車両が過去に走行した、第１出発地点から第１目的地点までの第１ルート情報を取得する第１取得ステップと、前記第１ルート情報を、前記第１出発地点から前記第１目的地点までの真のルート情報として、前記真のルート情報に類似する疑似ルート情報を生成する生成器と、前記生成器によって生成された前記疑似ルート情報と前記真のルート情報とを識別する識別器とを有する生成モデルの敵対的学習を行う第１学習ステップと、前記第１学習ステップで構築された学習済みの生成器を用いて前記疑似ルート情報を生成する生成ステップと、前記第１出発地点から前記第１目的地点に最小コストで到達する第２ルート情報と、前記学習済みの生成器によって生成された前記疑似ルート情報との関係を、識別モデルを用いて学習する第２学習ステップと、前記第２学習ステップで構築された学習済みの識別モデルを記憶部に記憶する記憶ステップとを備える。
【0012】
また、本発明に係る走行ルート管理方法において、さらに、前記車両において新たに設定された第２出発地点から第２目的地点に最小コストで到達する第３ルート情報を取得する第２取得ステップと、前記第３ルート情報を未知の入力として前記学習済みの識別モデルに与え、前記学習済みの識別モデルの演算を行って、前記第２出発地点から前記第２目的地点までの疑似ルート情報を出力し、出力された疑似ルート情報を推奨されるルート情報として決定する決定ステップとを備えていてもよい。
【0013】
また、本発明に係る走行ルート管理方法において、さらに、前記決定ステップで決定された前記推奨されるルート情報に沿って、前記車両を前記第２出発地点から前記第２目的地点まで誘導する誘導ステップを備えていてもよい。
【発明の効果】
【0014】
本発明によれば、第１出発地点から第１目的地点に最小コストで到達する第２ルート情報と、学習済みの生成器によって生成された疑似ルート情報との関係を、識別モデルを用いて学習するので、ユーザごとの運転の傾向に合わせた走行ルートを生成することができる。
【図面の簡単な説明】
【0015】
【発明を実施するための形態】
【0016】
【0017】
［走行ルート管理システムの構成］
まず、図１を参照して、本発明の実施の形態に係る走行ルート管理装置１を備える走行ルート管理システムの概要について説明する。走行ルート管理システムは、車両２による走行ルートの傾向を反映した最適な走行ルートを生成することで、車両２の走行ルートを管理する。
まず、図１を参照して、本発明の実施の形態に係る走行ルート管理装置１を備える走行ルート管理システムの概要について説明する。走行ルート管理システムは、車両２による走行ルートの傾向を反映した最適な走行ルートを生成することで、車両２の走行ルートを管理する。
【0018】
走行ルート管理システムは、例えば、車両２の車載ナビゲーションシステムに設けられる。車両２と走行ルート管理装置１とは、車載ネットワークＮＷを介して接続される。
【0019】
車両２は、ドライバーによって運転操作される自動車、原動機付自動車、自動二輪車などが含まれる。車両２は、図示されないＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）、および従来のルート探索機能を有するナビゲーションシステムを備え、車載ネットワークＮＷを介して走行ルート管理装置１と連携する。従来のルート探索機能を有するナビゲーションシステムは、設定された出発地点から目的地点までの最小コストの走行ルートを算出する。なお、出発地点は、車両２の現在位置を示すＧＰＳ位置情報とすることができる。
【0020】
目的地点までの最小コストの走行ルートは、よく知られているダイクストラ法などの従来のルート探索技術により算出される。具体的には、図１に示すように、地図データを構成するノードＮ、およびリンクＬに基づいて、出発地点「ＳＴＡＲＴ」から目的地点「ＧＯＡＬ」に到達するまでの道路であるリンクＬを探索し、その評価値であるコストを計算する。目的地点までのコストが最小となる連続するリンクＬの列が、最小コストのルート情報（第２ルート情報、第３ルート情報）として算出される。また、最小コストのルート情報は、交通状況、道路の種類、制限速度などの要因を考慮して算出することができる。
【0021】
地図データは、地図上の道路をリンクＬで表現した道路ネットワークからなり、交差点、分岐点等などの予め設定されたノードＮに基づいて道路を複数の区間に分割した区間データとして与えられることができる。各ノードＮは、経度および緯度からなるＧＰＳ位置情報を有する。また各区間を構成するリンクＬは、始点および終点の経度および緯度からなるＧＰＳ位置情報、長さ、道路の幅や種別などのデータを含むことができる。
【0022】
図１に示す、地図データ上のノードＮを「ノード１－ノード２－ノード３－ノードｎ」の順番で経由する破線で示すルート情報は、目的地点に最小コストで到達する走行ルートとして算出されている。目的地点までの最短距離をコストと定義する場合の他、最短時間をコストと定義し、最短時間による走行ルートを算出することもできる。
【0023】
一方、図１に示す、「ノード１－ノード２’－ノード３’－ノード４’－ノード５’－ノードｎ」の順にノードＮを経由する実線で示すルート情報は、本実施の形態に係る走行ルート管理システムによって生成されたルート情報である。本実施の形態において生成されたルート情報は、車両２のドライバーの運転傾向が反映されたルート情報である。そのため、実線で示されるルート情報は、必ずしも最短時間または最短距離で目的地点まで到達する走行ルートとはならない。
【0024】
本実施の形態に係る走行ルート管理システムは、車両２において設定された出発地点から目的地点に到達するまでに、車両２が実際に走行した過去のルート情報を真のルート情報として、ＧＡＮ（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｒｉａｌ Ｎｅｔｗｏｒｋ：敵対的生成ネットワーク）の敵対的学習を行い、真のルート情報に類似する疑似ルート情報を生成する生成器１１１を構築する。
【0025】
さらに、構築された学習済みの生成器１１１’によって生成された疑似ルート情報を教師ラベルとした教師データにより、例えば、従来のルート探索機能を有するナビゲーションシステムによって算出された出発地点から目的地点までを最小コストで到達するルート情報と、疑似ルート情報との関係を、識別モデルを用いて学習する。走行ルート管理システムは、車両２において新たに設定された出発地点から目的地点までの最小コストのルート情報を未知の入力として学習済みの識別モデルに与え、出力された疑似ルート情報を推奨されるルート情報として決定する。
【0026】
［走行ルート管理装置の機能ブロック］
次に、本実施の形態に係る走行ルート管理装置１の機能ブロックについて、図１のブロック図を参照して説明する。図１に示すように、走行ルート管理装置１は、第１取得部１０、第１学習部１１、生成部１２、第１記憶部（記憶部）１３、第２学習部１４、第２取得部１５、決定部１６、誘導部１７、および第２記憶部１８を備える。
次に、本実施の形態に係る走行ルート管理装置１の機能ブロックについて、図１のブロック図を参照して説明する。図１に示すように、走行ルート管理装置１は、第１取得部１０、第１学習部１１、生成部１２、第１記憶部（記憶部）１３、第２学習部１４、第２取得部１５、決定部１６、誘導部１７、および第２記憶部１８を備える。
【0027】
第１取得部１０は、車両２が過去に走行した、出発地点（第１出発地点）から目的地点（第１目的地点）までの第１ルート情報を取得する。より詳細には、第１取得部１０は、車両２の走行ルートの履歴から、過去に設定した出発地点から目的地点に到達するまでに経由した複数のノードＮの情報を第１ルート情報として取得する。第１ルート情報は、複数の連続するノードＮの識別子にＧＰＳ位置情報が関連付けられた情報である。なお、第１ルート情報は、車両２が実際に過去に走行した、様々なルート情報の履歴であり、第２記憶部１８に記憶されている。第１取得部１０は、第２記憶部１８から第１ルート情報を取得することができ、また、第１取得部１０は、直近１年間などといったように任意に設定された期間の走行ルートの履歴を第１ルート情報として用いることができる。
【0028】
第１学習部１１は、第１ルート情報を、出発地点（第１出発地点）から目的地点（第１目的地点）までの真のルート情報として、真のルート情報に類似する疑似ルート情報を生成する生成器１１１と、生成器１１１によって生成された疑似ルート情報と真のルート情報とを識別する識別器１１２とを有する生成モデルの敵対的学習を行う。
【0029】
第１学習部１１は、図４に示すように、生成器１１１および識別器１１２を有するＧＡＮを敵対的に学習させる。第１学習部１１の学習によって学習済み生成器１１１’が構築される。
【0030】
図４および図５は、第１学習部１１が用いるＧＡＮの生成器１１１および識別器１１２のニューラルネットワーク構成を模式的に表した図である。図４に示すように、生成器１１１は、入力層、隠れ層、および出力層を有するニューラルネットワークで構成される。生成器１１１は、ランダムな雑音から疑似ルート情報を生成するモデルである。生成器１１１の入力ノードには、例えば、ガウス雑音のベクトルがランダムにｍ個サンプルされて入力される（ｚ１～ｚｍ）。
【0031】
生成器１１１は、入力と重みパラメータの積和演算および活性化関数によるしきい値処理を経て出力Ｇ（ｚ）を出力する。生成器１１１からの出力Ｇ（ｚ）は、車両２が所定の出発地点から目的地点までに到達するまでに実際に走行した第１ルート情報に類似する疑似ルート情報である。生成器１１１を構成するニューラルネットワークとしてＣＮＮやＲｅｓＮｅｔを用いることができる。
【0032】
図５に示す識別器１１２は、入力層、隠れ層、および出力層を有するニューラルネットワークで構成される。図５の例では、訓練データの入力として、第１取得部１０によって取得された、車両２が過去に所定の出発地点から目的地点まで走行した第１ルート情報ｘが与えられる。例えば、図５に示すｘ１には、出発地点のノード１のＧＰＳ位置情報が入力され、ｘ２には、第２番目に経由したノード２のＧＰＳ位置情報が入力され、ｘｎには、目的地点のノードｎのＧＰＳ位置情報が入力される。
【0033】
識別器１１２は、入力と重みパラメータの積和演算および活性化関数によるしきい値処理を経て、１または０の二値出力を出す。識別器１１２は、入力された真のルート情報に係る訓練データを正しく真のルート情報であると識別すると出力ｙ＝１を出力する。一方、入力された疑似ルート情報に係る訓練データを正しく疑似ルート情報であると識別すると出力ｙ＝０を出力する。このように、識別器１１２は、生成器１１１が生成したモデル分布を真の分布である訓練データのデータ分布から区別するモデルである。識別器１１２を構成するニューラルネットワークとしてＣＮＮを用いることができる。
【0034】
図３は、第１学習部１１によるＧＡＮの敵対的学習を説明するためのブロック図である。第１学習部１１が採用するＧＡＮの生成器１１１を関数Ｇ、識別器１１２を関数Ｄと表す。また、真のルート情報をｘ、識別器１１２による出力である予測値はｙと表し、正解ラベルをtと表す。正解ラベルｔは、真のルート情報に対して１、生成器１１１で生成された疑似ルート情報に対して０と設定される。このとき、識別器１１２は、二値分類問題として次式（１）の交差エントロピーＥＣＥで表すことができる。
【0035】
【数1】
【0036】
上式（１）のブレース内の第１項が表すｔｎｌｎｙｎにおいて、識別器１１２の予測値ｙｎが、真のルート情報の正解ラベルｔｎ＝１の値に近づくことが望ましい。一方、ブレース内の第２項が表す（１－ｔｎ）ｌｎ（１－ｙｎ）においては、識別器１１２の予測値ｙｎが、疑似ルート情報と識別する正解ラベルの値（１－ｔｎ）＝０に近づくことが望ましい。このように交差エントロピーＥＣＥは、予測値が正解ラベルの値に一致している場合に最大値となる。
【0037】
ここで、ＧＡＮを構成する生成器１１１は、パラメータｗＧ，θＧを有し、関数Ｇ（ｗＧ，θＧ）と表す。また、識別器１１２は、パラメータｗＤ，θＤを有し、関数Ｄ（ｗＤ，θＤ）と表す。上式（１）の交差エントロピーＥＣＥに基づいた生成器１１１と識別器１１２とを備えるＧＡＮの目的関数Ｅは、次式（２）で表すことができる。
【数2】
【0038】
上式（２）の第１項が表すＥＤ（ｘ）＝１ｌｎＤ（ｗＤ，θＤ）は、識別器１１２が真のルート情報を真のルート情報であると識別する期待値である。上式（２）の第２項が表すＥＤ（ｘ）＝０ｌｎ（１－Ｄ（Ｇ（ｗＧ，θＧ），ｗＤ，θＤ））は、生成器１１１により生成された疑似ルート情報を識別器１１２が疑似ルート情報であると識別する期待値である。ＧＡＮの学習では、目的関数Ｅのｍｉｎ－ｍａｘ最適化により、生成器１１１と識別器１１２とを敵対的に学習する。したがって、識別器１１２をだますような疑似ルート情報を生成できるように生成器１１１を学習し、生成器１１１が生成した疑似ルート情報を疑似ルート情報であると識別するように識別器１１２を学習する。
【0039】
識別器１１２の学習では、真のルート情報が与えられた場合に、識別器１１２がｙ＝１に近い出力を出すことで、上式（２）の目的関数Ｅの第１項を最大化する。一方、疑似ルート情報が与えられた場合に、識別器１１２がｙ＝０に近い出力を出すことで目的関数Ｅの第２項を最大化するように学習が行われる。
【0040】
生成器１１１の学習では、上式（２）のＤ（Ｇ（ｗＧ，θＧ），ｗＤ，θＤ）（図３のＤ（Ｇ（ｚ）））が１に近くなるようなＧ（ｗＧ，θＧ）（図３のＧ（ｚ））を出力することで、目的関数Ｅを最小化する。第１学習部１１は、生成器１１１のパラメータと識別器１１２のパラメータとを交互に更新する学習手順を用いる。なお、第１学習部１１による生成器１１１および識別器１１２の学習手順の詳細は後述する。
【0041】
第１学習部１１は、ＧＡＮの目的関数Ｅが最適化されると、学習済み生成器１１１’を生成部１２に渡す。
【0042】
生成部１２は、ＧＡＮの学習により構築された学習済み生成器１１１’を用いて、第１取得部１０によって取得された真のルート情報に類似する疑似ルート情報を生成する。
【0043】
第１記憶部１３は、学習済みの強化学習モデルのパラメータ、および学習済みの生成器１１１’を記憶する。また、第１学習部１１は、後述の第２学習部１４によって学習された学習済みの識別モデルを記憶する。
【0044】
第２学習部１４は、出発地点（第１出発地点）から目的地点（第１目的地点）に最小コストで到達する第２ルート情報と、生成部１２によって生成された疑似ルート情報との関係を、識別モデルを用いて学習する。図６は、本実施の形態における識別モデルとして採用されるニューラルネットワークの構造を示す模式図である。ニューラルネットワークは、入力層Ｘ、隠れ層Ｈ、出力層Ｙからなる多層構造を用いることができる。入力層Ｘの各入力ノードには、例えば、従来のルート探索機能を有するナビゲーションシステムにより算出された、車両２が出発地点から目的地点に最短距離または最短時間で到達する第２ルート情報が与えられる。また、第２ルート情報は、出発地点のノードＮ（＝Ｘ１）から目的地点のノードＮ（＝ＸＬ）までの各ノードＮのＧＰＳ位置情報で与えられる。
【0045】
図６に示すニューラルネットワークは、入力層Ｘに与えられた出発地点から目的地点までの各ノードＮのＰＧＳ位置情報に対して、入力の重み付け総和に活性化関数を適用し、しきい値処理により決定された出力を出力層Ｙに渡す。図６に示すように、入力ノードの数は、出発地点から目的地点までの最小コストのノードＮの数であるＬ個に対応する。出力層Ｙの各出力ノードは、ルート情報を構成する複数のノードＮのＧＰＳ位置情報の各々を出力する。
【0046】
第２学習部１４は、目的地点までを最短距離または最短時間で到達する第２ルート情報、すなわち第２ルート情報の複数のノードＮのＧＰＳ位置情報が入力として与えられたときの出力が、正解ラベルの疑似ルート情報の値、すなわち疑似ルート情報の複数のノードＮのＧＰＳ位置情報の値となるように、各ニューロンであるノード間の結線の重みｗｃやバイアスθｃ等のパラメータを調整する。第２学習部１４は、例えば、誤差逆伝搬などを利用して、与えた入力値に対して、得られた出力値を比較し、それぞれの重みの誤差を調べて逆方向に伝搬していき、最適化されたパラメータを決定する。このような学習処理を経て、第２学習部１４は、学習済みの識別モデルを構築する。
【0047】
第２学習部１４によって構築された学習済みの識別モデルは、第１記憶部１３に記憶される。
【0048】
第２取得部１５は、車両２において新たに設定された出発地点（第２出発地点）から目的地点（第２目的地点）に最小コストで到達する第３ルート情報を取得する。より具体的には、第２取得部１５は、車両２が備える従来のルート探索機能を有するナビゲーションシステムによって算出された最短距離または最短時間による第３ルート情報を、車載ネットワークＮＷを介して取得することができる。また、車両２のナビゲーションシステムは、車両２の現在位置を出発地点とし、ユーザ入力の受け付けによって設定された目的地点に基づいて最小コストの第３ルート情報を算出することができる。第３ルート情報は、連続する複数のノードＮの識別子の各々とＧＰＳ位置情報とが関連付けられた情報である。
【0049】
決定部１６は、第２取得部１５が取得した、最小コストで目的地点までに到達する第３ルート情報を未知の入力として学習済みの識別モデルに与え、学習済みの識別モデルの演算を行って、設定された出発地点（第２出発地点）から目的地点（第２目的地点）までの疑似ルート情報を出力し、出力された疑似ルート情報を推奨されるルート情報として決定する。
【0050】
より詳細には、決定部１６は、車両２に設定された出発地点および目的地点に基づいて、従来のルート探索機能を有する車両２のナビゲーションシステムで算出された最短距離または最短時間による第３ルート情報を学習済みの識別モデルに与える。決定部１６は、学習済みの重み等のパラメータに基づく積和演算およびしきい値処理を経て、出発地点から目的地点までの疑似ルート情報を出力する。決定部１６が決定する推奨されるルート情報は、車両２のドライバーに固有の運転傾向を表す真のルート情報にきわめて類似するルート情報である。
【0051】
誘導部１７は、決定部１６により決定された推奨されるルート情報に沿って、車両２を出発地点から目的地点まで誘導する。より詳細には、誘導部１７は、推奨されるルート情報を後述の表示装置１０９の画面に地図上に他のルートとは区別されるように表示することができる。また、誘導部１７は、車両２のＧＰＳ位置情報に基づいて、車両２が、各ノードＮの位置など、推奨される走行ルート上の所定の位置に到達した際に、スピーカ１１０により音声案内を出力することができる。
【0052】
第２記憶部１８は、車両２による走行ルートの履歴を記憶することができる。第２記憶部１８が記憶するルート情報は、出発地点から目的地点までに車両２が経由した複数の連続するノードＮの識別子とＧＰＳ位置情報とが関連付けられた情報である。また、第２記憶部１８は、地図データを記憶する。地図データは、例えば、日本全土の道路地図データや、それに付随する各種施設や店舗等の施設データ等を含み、予め設定されたノードＮおよびリンクＬの情報を含む。
【0053】
［走行ルート管理装置のハードウェア構成］
次に、上述した機能を有する走行ルート管理装置１を実現するハードウェア構成の一例について、図２を用いて説明する。
次に、上述した機能を有する走行ルート管理装置１を実現するハードウェア構成の一例について、図２を用いて説明する。
【0054】
図２に示すように、走行ルート管理装置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。さらに、走行ルート管理装置１は、ＧＰＳ受信機１０７、センサ１０８、表示装置１０９、およびスピーカ１１０を備える。
【0055】
プロセッサ１０２は、ＣＰＵ、ＧＰＵ、ＦＰＧＡ、ＡＳＩＣなどによって実現される。
【0056】
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１学習部１１、生成部１２、第２学習部１４、決定部１６、および誘導部１７など走行ルート管理装置１の各機能が実現される。
【0057】
通信インターフェース１０４は、走行ルート管理装置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。
【0058】
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。
【0059】
補助記憶装置１０５は、推奨されるルート情報を決定し、決定されたルート情報に沿って車両２を誘導するための走行ルート管理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、走行ルート管理装置１が実行するＧＡＮの敵対的学習を行うための第１学習プログラム、および識別モデルの教師あり学習を行う第２学習プログラムを格納するプログラム格納領域を有する。補助記憶装置１０５によって、図１で説明した第１記憶部１３および第２記憶部１８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。
【0060】
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。
【0061】
ＧＰＳ受信機１０７は、ＧＰＳ衛星の絶対位置および時刻を受信し、このＧＰＳ位置情報に基づいて、車両２の現在位置が特定される。
【0062】
センサ１０８は、地磁気センサ、ジャイロセンサ、加速度センサ、車速センサ、カメラやＬｉＤＡＲなどの各種センサによって実現される。センサ１０８によって、車両２の方向、傾斜角度、移動距離などが検出され、車両２の位置の特定に利用される。
【0063】
表示装置１０９は、有機ＥＬディスプレイや液晶ディスプレイなどによって構成される。表示装置１０９は、地図データに推奨されるルート情報、ならびに自車位置および進行方向を画面表示させる。また、表示装置１０９は、タッチパネルとして機能し、ユーザからの目的地点の設定を受け付けることができる。
【0064】
スピーカ１１０は、音声案内のデジタルデータをアナログデータに変換し出力する。
【0065】
【0066】
図７に示すように、まず、第１取得部１０は、車両２が過去に走行した第１ルート情報を取得する（ステップＳ１）。第１取得部１０は、例えば、第２記憶部１８に記憶されている車両２の走行ルートの履歴を取得することができる。次に、第１学習部１１は、第１学習処理を行う（ステップＳ２）。ステップＳ２では、第１学習部１１は、第１ルート情報を、真のルート情報として、真のルート情報に類似する疑似ルート情報を生成する生成器１１１と、生成器１１１によって生成された疑似ルート情報と真のルート情報とを識別する識別器１１２とを有するＧＡＮの敵対的学習を行う。なお、第１学習部１１による第１学習処理の詳細は後述する。
【0067】
次に、生成部１２は、第１学習部１１によって構築された学習済みの生成器１１１’を用いて疑似ルート情報を生成する（ステップＳ３）。その後、第２学習部１４は、第２学習処理を実行する（ステップＳ４）。ステップＳ４において、第２学習部１４は、第１ステップＳ１で取得された第１ルート情報の出発地点および目的地点と同じ出発地点から目的地点までに最短距離または最短時間で到達する第２ルート情報と、ステップＳ３で生成部１２によって生成された第１ルート情報、すなわち真のルート情報に類似する疑似ルート情報との関係を、識別モデルを用いて学習する。
【0068】
ステップＳ４では、第２学習部１４は、第２ルート情報を示す各ノードＮのＧＰＳ位置情報と、学習済みの生成器１１１’により生成された疑似ルート情報を示す各ノードＮのＧＰＳ位置情報とから構成される教師データを用いて、図６に示すニューラルネットワーク構成を有する識別モデルの教師あり学習を行う。
【0069】
第２学習部１４は、従来のルート探索機能を有するナビゲーションシステムにより算出された、車両２に設定された最短距離または最短時間による第２ルート情報を表す各ノードＮのＧＰＳ位置情報を入力として与える。さらに、第２学習部１４は、第２ルート情報が与えられたときのニューラルネットワークの出力が、正解ラベルである疑似ルート情報を表す各ノードＮのＧＰＳ位置情報の値となるように、各ニューロンであるノード間の結線の重みｗｃやバイアスθｃを調整する。第２学習部１４は、例えば、誤差逆伝搬などを利用して、与えた入力値に対して、得られた出力値を比較し、それぞれの重みの誤差を調べて逆方向に伝搬していき、最適なパラメータを決定する。ステップＳ４での第２学習処理によって、学習済みの識別器が構築される。
【0070】
その後、第１記憶部１３は、ステップＳ４で構築された学習済みの識別器を記憶する（ステップＳ５）。次に、第２取得部１５は、車両２において新たに設定された出発地点から目的地点に最短距離または最短時間で到達する第３ルート情報を取得する（ステップＳ６）。具体的には、第２取得部１５は、車載ネットワークＮＷを介して、従来のルート探索機能を有するナビゲーションシステムから第３ルート情報を取得することができる。
【0071】
次に、決定部１６は、ステップＳ６で取得された第３ルート情報を未知の入力として、学習済みの識別器に与え、学習済み識別器の演算を行って、新たに設定された出発地点から目的地点までの疑似ルート情報を出力し、出力された疑似ルート情報を推奨されるルート情報として決定する（ステップＳ７）。
【0072】
その後、誘導部１７は、ステップＳ７で決定された推奨されるルート情報に沿って、車両２を目的地点まで誘導する（ステップＳ８）。
【0073】
次に、図８を参照し、図７で説明したステップＳ２での第１学習処理を説明する。まず、第１学習部１１は、真のルート情報を訓練データ１１４として識別器１１２に入力し、真のルート情報を真のルート情報（ｙ＝１）と識別するように、識別器１１２のパラメータｗＤ，θＤを学習し、更新する（ステップＳ２０）。図３の第１学習部１１のブロック図に示すように、図７のステップＳ１で収集された真のルート情報は、識別器１１２を学習する際に入力される訓練データ１１４として用いられる。
【0074】
ステップＳ２０において、第１学習部１１は、例えば、誤差逆伝搬法などを用いて識別器１１２に真のルート情報を学習させることができる。ステップＳ２０により、真のルート情報を真のルート情報と識別することができる識別器１１２が事前に構築される。
【0075】
次に、第１学習部１１は、ガウス雑音を発生し、発生したガウス雑音のランダムなベクトルを生成器１１１に入力として与える（ステップＳ２１）。続いて、生成器１１１は、与えられたガウス雑音に基づいて、入力ｚと重みパラメータｗＧ，θＧの積和演算および活性化関数によるしきい値処理を行い、疑似ルート情報Ｇ（ｚ）を生成する（ステップＳ２２）。
【0076】
次に、第１学習部１１は識別器１１２の学習を行う。識別器１１２の学習は、生成器１１１のパラメータｗＤ，θＤを固定して行われる。まず、第１学習部１１は、図７のステップＳ１で取得された真のルート情報を訓練データ１１４として識別器１１２に入力として与える。そして、第１学習部１１は、上式（２）の目的関数Ｅが最大となるように、誤差逆伝搬法などによりパラメータｗＤ，θＤを更新する（ステップＳ２３）。なお、訓練データ１１４のラベルは１（真のルート情報）が設定されている。
【0077】
次に、第１学習部１１は、ステップＳ２２で生成器１１１によって生成された疑似ルート情報を識別器１１２に入力として与え、上式（２）の目的関数Ｅが最大となるように、誤差逆伝搬法などによりパラメータｗＤ，θＤを更新する（ステップＳ２４）。すなわち、ステップＳ２３およびステップＳ２４では、上式（２）の目的関数Ｅを最大にするために、第１項はＤ（ｗＤ，θＤ）＝１が出力され、第２項はＤ（Ｇ（ｗＧ，θＧ），ｗＤ，θＤ）＝０となるように最適化が行われる。なお、訓練データ１１４には、ラベルは０（疑似ルート情報）が設定されている。
【0078】
ステップＳ２３およびステップＳ２４での識別器１１２の学習は、図３に示す第１学習部１１のブロック図において、識別器１１２からの出力１１３に基づいて、目的関数Ｅのブロック１１５で識別器誤差が算出され、その後、識別器１１２へ誤差逆伝搬されることを示す破線の矢印に対応する。
【0079】
次に、第１学習部１１は生成器１１１の学習を行う。生成器１１１の学習では、識別器１１２のパラメータが固定されて行われる。第１学習部１１は、ランダムなガウス雑音を生成器１１１に与えた際に疑似ルート情報が生成されるように生成器１１１を学習する。具体的には、第１学習部１１は、上式（２）の目的関数Ｅを最小とするために、誤差逆伝搬法などによりパラメータｗＧ，θＧを更新する（ステップＳ２５）。
【0080】
ステップＳ２５での学習は、図３の第１学習部１１のブロック図において、生成器１１１へ誤差逆伝搬されることを示す破線の矢印のフローに対応する。すなわち、ステップＳ２５は、図３の生成器１１１で生成された疑似ルート情報が識別器１１２に入力され、その出力１１３から目的関数Ｅのブロック１１５で生成器誤差が算出され、さらには、生成器１１１へ誤差逆伝搬される破線矢印のフローに対応する。
【0081】
その後、目的関数Ｅの値がナッシュ均衡に到達して収束するまで（ステップＳ２６：ＮＯ）、ステップＳ２２からステップＳ２５までの識別器１１２および生成器１１１の学習が繰り返し行われる。一方、目的関数Ｅの値が収束した場合（ステップＳ２６：ＹＥＳ）、Ｍ個すべての真のルート情報のうち、残りのＭ－１個の真のルート情報を用いて、生成器１１１および識別器１１２の学習が行われるまで（ステップＳ２７：ＮＯ）、ステップＳ２０からステップＳ２６までの処理が繰り返される。
【0082】
その後、残りのＭ－１個の真のルート情報を用いて生成器１１１および識別器１１２の学習が行われた場合（ステップＳ２７：ＹＥＳ）、第１学習部１１は、学習済み生成器１１１’を第１記憶部１３に記憶する（ステップＳ２８）。以上のステップＳ２０からステップＳ２８までの処理によって学習済み生成器１１１’が構築される。さらにその後、処理は、図７のステップＳ３に移る。
【0083】
以上説明したように、本実施の形態に係る走行ルート管理装置１によれば、車両２の過去の走行ルートの履歴を真のルート情報としてＧＡＮの敵対的学習を行い、生成された学習済みの生成器１１１’を用いて疑似ルート情報を生成する。さらに、学習済みの生成器１１１’によって生成された、真のルート情報に類似する疑似ルート情報を教師データとして用いて、例えば、従来のルート探索機能を有するナビゲーションシステム等で算出された最小コストのルート情報と疑似ルート情報との関係を、識別モデルに学習させる。そのため、ドライバーごとの運転の傾向に合わせた走行ルートを生成することができる。
【0084】
なお、説明した実施の形態に係る走行ルート管理装置１は、車両２が備える従来のルート探索機能を有するナビゲーションシステムとは別の構成として説明した。しかし、走行ルート管理装置１は、従来のルート探索機能を有するナビゲーションシステムと一体的に構成することができる。この場合、走行ルート管理装置１は、最短時間や最短距離のルート情報、およびドライバーの運転傾向を反映した推奨されるルート情報を、ドライバーに選択可能に画面表示し、選択されたルート情報に基づいて車両２の目的地点まで誘導することができる。
【0085】
以上、本発明の走行ルート管理装置、および走行ルート管理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】
【0086】
１…走行ルート管理装置、２…車両、１０…第１取得部、１１…第１学習部、１２…生成部、１３…第１記憶部、１４…第２学習部、１５…第２取得部、１６…決定部、１７…誘導部、１８…第２記憶部、１０１…バス、１０２…プロセッサ、１０３…主記憶装置、１０４…通信インターフェース、１０５…補助記憶装置、１０６…入出力Ｉ／Ｏ、１０７…ＧＰＳ受信機、１０８…センサ、１０９…表示装置、１１０…スピーカ、１１１…生成器、１１２…識別器、１１３…出力、１１４…訓練データ、１１５…目的関数Ｅのブロック、ＮＷ…車載ネットワーク。
【要約】
【課題】ユーザごとの運転の傾向に合わせた走行ルートを生成することを目的とする。
【解決手段】
走行ルート管理装置１は、車両２が過去に走行した第１ルート情報を真のルート情報として、真のルート情報に類似する疑似ルート情報を生成する生成器１１１と、生成器１１１によって生成された疑似ルート情報と真のルート情報とを識別する識別器１１２とを有する生成モデルの敵対的学習を行う第１学習部１１と、第１学習部１１によって構築された学習済みの生成器１１１’を用いて疑似ルート情報を生成する生成部１２と、目的地点に最小コストで到達する第２ルート情報と、学習済みの生成器１１１’よって生成された疑似ルート情報との関係を、識別モデルを用いて学習する第２学習部１４と、第２学習部１４によって構築された学習済みの識別モデルを記憶する第１記憶部１３とを備える。
【選択図】図１
【解決手段】
走行ルート管理装置１は、車両２が過去に走行した第１ルート情報を真のルート情報として、真のルート情報に類似する疑似ルート情報を生成する生成器１１１と、生成器１１１によって生成された疑似ルート情報と真のルート情報とを識別する識別器１１２とを有する生成モデルの敵対的学習を行う第１学習部１１と、第１学習部１１によって構築された学習済みの生成器１１１’を用いて疑似ルート情報を生成する生成部１２と、目的地点に最小コストで到達する第２ルート情報と、学習済みの生成器１１１’よって生成された疑似ルート情報との関係を、識別モデルを用いて学習する第２学習部１４と、第２学習部１４によって構築された学習済みの識別モデルを記憶する第１記憶部１３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】
