特許 7622760 移動予測方法、移動予測プログラム

(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】2025-01-20

(45)【発行日】2025-01-28

(54)【発明の名称】移動予測方法、移動予測プログラム

(51)【国際特許分類】

   G08G 1/16 20060101AFI20250121BHJP

   G09B 29/10 20060101ALI20250121BHJP

【ＦＩ】

G08G1/16 A

G09B29/10 A

【請求項の数】 5

(21)【出願番号】P 2023011827

(22)【出願日】2023-01-30

(65)【公開番号】P2024107739

(43)【公開日】2024-08-09

【審査請求日】2024-03-15

(73)【特許権者】

【識別番号】000003207

【氏名又は名称】トヨタ自動車株式会社

(74)【代理人】

【識別番号】110003199

【氏名又は名称】弁理士法人高田・高橋国際特許事務所

(72)【発明者】

【氏名】保海 佳佑

(72)【発明者】

【氏名】河内 太一

【審査官】佐々木 佳祐

(56)【参考文献】

【文献】特開２０１１－２０４１８１（ＪＰ，Ａ）

【文献】特開２０１６－０５２８３５（ＪＰ，Ａ）

【文献】特開２０２１－１９６６３２（ＪＰ，Ａ）

【文献】特開２０２０－１４４１４０（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１１／０２１０８６６（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０８Ｇ １／００－９９／００

Ｇ０９Ｂ ２９／１０

(57)【特許請求の範囲】

【請求項1】

地図データを用いて対象物体の移動を予測する移動予測方法であって、
前記地図データは、複数の領域に分割され、前記複数の領域のそれぞれについて１又は複数の移動体の移動履歴が記録され、
前記移動履歴は、到来方向で類別された前記１又は複数の移動体の移動方向の履歴を含み、
前記移動予測方法は、
前記複数の領域のうち前記対象物体の近傍の複数の近傍領域のそれぞれについて、所定のタイムステップで前記対象物体が内部に位置する存在可能性を算出することと、
前記複数の近傍領域のうち前記存在可能性がゼロでない領域の分布に基づいて、所定期間の間の前記対象物体の移動予測分布を算出することと、
を含み、
前記存在可能性を算出することは、
各タイムステップにおいて、前記複数の近傍領域のうちの第１領域に対する前記複数の近傍領域のうちの第２領域の相対方向と前記第１領域に記録された前記移動方向の履歴とに基づいて、前記第１領域から前記第２領域に移動する遷移可能性を取得することと、
前回タイムステップで前記第１領域について算出された前記存在可能性と今回タイムステップで取得された前記遷移可能性とに基づいて、今回タイムステップにおける前記第２領域についての前記存在可能性を算出することと、
を含む
ことを特徴とする移動予測方法。

【請求項2】

請求項１に記載の移動予測方法であって、
前記存在可能性は、前記到来方向で類別された複数の到来可能性の和であり、
前記遷移可能性を取得することは、さらに前回タイムステップで前記第１領域について算出された前記複数の到来可能性の各々の大きさに基づいて前記遷移可能性を取得することを含む
ことを特徴とする移動予測方法。

【請求項3】

請求項１又は請求項２に記載の移動予測方法であって、
前記移動方向の履歴は、前記１又は複数の移動体のカテゴリでさらに類別されており、
前記遷移可能性を取得することは、さらに前記対象物体のカテゴリに基づいて前記遷移可能性を取得することを含む
ことを特徴とする移動予測方法。

【請求項4】

請求項１又は請求項２に記載の移動予測方法であって、
前記移動方向の履歴は、前記１又は複数の移動体の通過速度帯でさらに類別されており、
前記遷移可能性を取得することは、さらに前記対象物体の速度に基づいて前記遷移可能性を取得することを含む
ことを特徴とする移動予測方法。

【請求項5】

地図データを用いて対象物体の移動を予測する処理をコンピュータに実行させる移動予測プログラムであって、
前記地図データは、複数の領域に分割され、前記複数の領域のそれぞれについて１又は複数の移動体の移動履歴が記録され、
前記移動履歴は、到来方向で類別された前記１又は複数の移動体の移動方向の履歴を含み、
前記移動予測プログラムは、
前記複数の領域のうち前記対象物体の近傍の複数の近傍領域のそれぞれについて、所定のタイムステップで前記対象物体が内部に位置する存在可能性を算出する処理と、
前記複数の近傍領域のうち前記存在可能性がゼロでない領域の分布に基づいて、所定期間の間の前記対象物体の移動予測分布を算出する処理と、
を前記コンピュータに実行させるように構成され、
前記存在可能性を算出することは、
各タイムステップにおいて、前記複数の近傍領域のうちの第１領域に対する前記複数の近傍領域のうちの第２領域の相対方向と前記第１領域に記録された前記移動方向の履歴とに基づいて、前記第１領域から前記第２領域に移動する遷移可能性を取得することと、
前回タイムステップで前記第１領域について算出された前記存在可能性と今回タイムステップで取得された前記遷移可能性とに基づいて、今回タイムステップにおける前記第２領域についての前記存在可能性を算出することと、
を含む
ことを特徴とする移動予測プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、地図データを用いて物体の移動を予測する技術に関する。

【背景技術】

【0002】

特許文献１には、所定の期間内で移動した物体の位置と速度情報をロボットの移動空間を示した地図データ上に記録した履歴地図データを備え、移動物体が出現する可能性がある移動物体出現点の近傍位置に記録された速度情報を履歴地図データから読み出し、読み出した速度情報に応じて衝突危険領域の形状を決定する移動ロボットシステムが開示されている。また特許文献１には、移動物体出現点の直下の位置の履歴地図データに記録されている全ての速度ベクトルを内包する基準楕円を衝突危険領域として設定することが開示されている。

【0003】

その他、本技術分野の技術レベルを示す文献として以下の特許文献２及び特許文献３がある。

【先行技術文献】

【特許文献】

【0004】

【文献】国際公開第２０１５／０７２００２号

【文献】特開２０２１－０９８４９２号公報

【文献】特開２０１６－０５２８３５号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

近年、車両やロボットを自律的に動作させる技術が注目されている。これらの技術では、外界センサによって認識された物体の移動を精度良く予測することが求められる。そこで、地図データを用いて物体の移動を予測する技術が考えられている。

【0006】

ところで、物体が将来どのように移動していくかは、物体が過去にどのように移動してきたかが大きく影響すると考えられる。例えば、これまで前に向かって直進していた歩行者は、引き続き直進する可能性が高い一方で、後ろに向かって移動をし始める可能性は低いだろう。

【0007】

特許文献１で開示される技術を適用することで、物体の位置を中心とする基準楕円を物体の移動範囲の予測とすることが可能である。しかしながら、基準楕円は、物体の直下の位置の地図データ（履歴地図データ）に記録されている速度情報から生成されるため、物体が過去にどのように移動してきたかを考慮することができていない。このため、基準楕円は、実際に物体が移動する範囲よりも過度に広範囲となる虞がある。また、基準楕円による物体の移動の予測は、直線的に移動しない物体を対象とすると十分な精度が確保できない虞がある。

【0008】

本開示の１つの目的は、上記の課題を鑑み、地図データを用いて物体の移動を予測する技術に関して、予測の精度を向上させた技術を提案することにある。

【課題を解決するための手段】

【0009】

本開示の第１の観点は、地図データを用いて対象物体の移動を予測する移動予測方法に関する。

【0010】

第１の観点に係る移動予測方法において、地図データは、複数の領域に分割され、複数の領域のそれぞれについて１又は複数の移動体の移動履歴が記録されており、移動履歴は、到来方向で類別された１又は複数の移動体の移動方向の履歴を含んでいる。第１の観点に係る移動予測方法は、複数の領域のうち対象物体の近傍の複数の近傍領域のそれぞれについて、所定のタイムステップで対象物体が内部に位置する存在可能性を算出することと、複数の近傍領域のうち存在可能性がゼロでない領域の分布に基づいて、所定期間の間の対象物体の移動予測分布を算出することと、を含み、存在可能性を算出することは、各タイムステップにおいて、複数の近傍領域のうちの第１領域に対する複数の近傍領域のうちの第２領域の相対方向と第１領域に記録された移動方向の履歴とに基づいて、第１領域から第２領域に移動する遷移可能性を取得することと、前回タイムステップで第１領域について算出された存在可能性と今回タイムステップで取得された遷移可能性とに基づいて、今回タイムステップにおける第２領域についての存在可能性を算出することと、を含むことを特徴とする。

【0011】

本開示の第２の観点は、第１の観点に係る移動予測方法をコンピュータに実行させる移動予測プログラムに関する。

【発明の効果】

【0012】

本開示によれば、対象物体の近傍の複数の近傍領域のそれぞれについて、所定のタイムステップで存在可能性が算出される。そして、各タイムステップにおける存在可能性がゼロでない領域の分布に基づいて、所定期間の間の対象物体の移動予測分布が算出される。これにより、分布の時間発展を得ることができ、各タイムステップで対象物体がどのように移動してきたかを考慮することができる。延いては、対象物体の予測の精度を向上させることができる。

【図面の簡単な説明】

【0013】

【図1】本実施形態に係る地図データについて説明するための概念図である。

【図2】移動方向の履歴のいくつかの例を示す概念図である。

【図3】存在可能性の算出の一例について説明するための概念図である。

【図4】移動予測分布について説明するための概念図である。

【図5】本実施形態に係る処理装置の構成を示すブロック図である。

【図6】プロセッサが実行する処理の一例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】

【0014】

以下、図面を参照して、実施形態について説明する。

【0015】

１．地図データ
本実施形態に係る移動予測方法は、地図データを用いて物体（対象物体）の移動を予測する。本実施形態に係る移動予測方法において、用いられる地図データは特徴的である。

【0016】

本実施形態に係る地図データは、複数の領域に分割され、複数の領域のそれぞれについて１又は複数の移動体（以下、単に「移動体」と呼ぶ。）の移動履歴が記録されている。移動体は、例えば、歩行者、自転車、バイク、車両、等である。

【0017】

図１の（Ａ）に、地図データＤ１０の一例を示す。図１の（Ａ）は、グリッド線で分割された地図データＤ１０の一部を示している。つまり、図１の（Ａ）に示す地図データＤ１０は、グリッド線で区切られた複数の領域のそれぞれに移動体の移動履歴が記録されている。ただし地図データＤ１０の分割は、その他の形式（例えば、三角形のメッシュによる分割）を適用しても良い。また複数の領域のそれぞれのサイズは、本実施形態を適用する環境に応じて好適に定められていて良い。以下では特に、グリッド線で分割された地図データＤ１０を考えることとする。またグリッド線で分割された領域を「セル」と呼ぶ。

【0018】

本実施形態に係る地図データＤ１０において、セルに記録される移動履歴は、少なくとも到来方向で類別された移動体の移動方向の履歴を含んでいる。

【0019】

例えば、地図データＤ１０は、複数のセルのそれぞれについて、到来方向で類別された移動方向の履歴をヒストグラムで管理するように構成することができる。この場合について、図１の（Ｂ）及び（Ｃ）を参照して、移動方向の履歴の一例について説明する。特に図１の（Ｂ）及び（Ｃ）は、到来方向及び移動方向を、北側（Ｎ）、南側（Ｓ）、東側（Ｅ）、及び西側（Ｗ）の４つの方向で管理する場合の例である。

【0020】

いま図１の（Ｂ）に示すように、地図データＤ１０上のある１つのセルＣ１０を、５つの移動体１ａ，１ｂ，１ｃ，１ｄ，及び１ｅが移動していた情報が得られたとする。ここで、移動体１ａ，１ｂ，及び１ｃは、南側からセルＣ１０に到来して、セルＣ１０から北側に移動している。また移動体１ｄ及び１ｅは、西側からセルＣ１０に到来して、セルＣ１０から東側に移動している。従って移動方向の履歴をヒストグラムで管理する場合、地図データＤ１０は、セルＣ１０について、到来方向が南側で移動方向が北側である度数に３を加え、到来方向が西側で移動方向が東側である度数に２を加える。

【0021】

図１の（Ｃ）に、ヒストグラムで管理された移動方向の履歴の一例を示す。

【0022】

このように複数のセルのそれぞれについて移動方向の履歴を記録することにより、地図データＤ１０は、地図上の各地点を移動する移動体の経験的な移動方向の傾向を管理することができる。特に本実施形態では、移動方向の履歴は、到来方向で類別されている。これにより地図データＤ１０は、さらに到来方向に応じた移動方向の傾向を管理することができる。

【0023】

例えば、図１の（Ｃ）に示す移動方向の履歴によれば、このセルでは、南側から到来した移動体は北側に移動する傾向があり、また西側から到来した移動体は東側に移動する傾向があることがわかる。さらに、このセルでは、北側又は東側から到来する移動体はほとんど存在しないことがわかる。

【0024】

本実施形態に係る地図データＤ１０において、移動方向の履歴は、移動体のカテゴリでさらに類別されていても良い。これにより、地図データＤ１０は、さらに移動体のカテゴリに応じた移動方向の傾向を管理することができる。図２の（Ａ）に、移動体のカテゴリでさらに類別された移動方向の履歴の一例を示す。図２の（Ａ）は、移動方向の履歴が、歩行者、車両、バイクの３つの移動体のカテゴリで類別される場合の例を示している。図２の（Ａ）に示す移動方向の履歴によれば、このセルでは、歩行者は東側から到来して西側に移動する傾向があることがわかり、車両又はバイクは南側から到来して北側又は西側に移動する傾向があることがわかる。

【0025】

また本実施形態に係る地図データＤ１０において、移動方向の履歴は、移動体がセルを通過する速度帯（通過速度帯）でさらに類別されていても良い。これにより、地図データＤ１０は、さらに移動体の速度に応じた移動方向の傾向を管理することができる。図２の（Ｂ）に、移動体の通過速度帯で類別された移動方向の履歴の一例を示す。図２の（Ｂ）は、移動方向の履歴が、０－１０ｋｍ／ｈ、１０－２０ｋｍ／ｈ、２０－３ｋｍ／ｈの３つの通過速度帯で類別される場合の例を示している。図２の（Ｂ）に示す移動方向の履歴によれば、このセルでは、０－１０ｋｍ／ｈ又は１０－２０ｋｍ／ｈの速度の移動体は北側から到来して南側に移動する傾向があることがわかり、２０－３０ｋｍ／ｈの速度の移動体は、南側から到来して北側に移動する傾向があることがわかる。

【0026】

以上説明したように本実施形態に係る地図データＤ１０が構成される。ただし到来方向及び移動方向は、他の形式を適用しても良い。例えば、地図データＤ１０は、到来方向及び移動方向を、０－３６０度の方位角で管理するように構成されていても良い。また例えば、地図データＤ１０は、到来前のセル及び移動先のセルをそれぞれ特定して、到来方向及び移動方向を管理するように構成されていても良い。また例えば、地図データＤ１０は、移動方向を、セルに到来してから一定期間の間の移動体の移動範囲によって管理するように構成されていても良い。例えば、地図データＤ１０は、図２の（Ｃ）に示すような２次元のヒストグラム（ヒートマップ）で移動方向の履歴を管理することができる。図２の（Ｃ）に示す２次元のヒストグラムは、中心位置（星印）のセルについて記録された移動方向の履歴であり、南側から到来した移動体が一定期間の間に通過したセルの度数を示している。

【0027】

２．移動予測方法
以下、本実施形態に係る移動予測方法について説明する。

【0028】

本実施形態に係る移動予測方法では、まず地図データＤ１０上の複数のセルのうち対象物体の近傍にある複数のセル（以下、単に「近傍セル」と呼ぶ。）のそれぞれについて、所定のタイムステップで対象物体が内部に位置する存在可能性を算出する。

【0029】

図３を参照して、存在可能性の算出の一例について説明する。

【0030】

図３の（Ａ）は、対象物体２の近傍セルＣ２０を示す概念図である。図３の（Ａ）では、近傍セルＣ２０のそれぞれのセル（ｉ，ｊ）について、タイムステップがｔのときの存在可能性ｐ［（ｉ，ｊ），ｔ］が示されている。近傍セルＣ２０の範囲は、例えば、対象物体２の位置を基準としてあらかじめ規定された範囲であって良い。この場合、規定された範囲は、対象物体２のカテゴリに応じて異なるように与えられていても良い。あるいは、近傍セルＣ２０の範囲は、対象物体２の状態（例えば、速度）に応じて定められる範囲であっても良い。

【0031】

各タイムステップではまず、近傍セルＣ２０のそれぞれのセル（ｉ，ｊ）について、前回タイムステップから今回タイムステップにかけて他のセルに移動する可能性（以下、単に「遷移可能性」と呼ぶ。）を取得する。近傍セルＣ２０のうちの１つを第１セルとし、他のセルを第２セルとするとき、第１セルから第２セルへの遷移可能性の取得は、第１セルに対する第２セルの相対方向と第１セルに記録された移動方向の履歴とに基づいて行われる。

【0032】

例えばいまタイムステップｔにおいて、セル（２，３）について遷移可能性を取得する場合を考える。特に、地図データＤ１０は、図１で説明したように移動方向の履歴を管理しているとする。この場合、図３の（Ｂ）に示すように、セル（２，３）と隣接するセル（２，２）、セル（１，３）、セル（２，４）、及びセル（３，４）への遷移可能性ｆを取得することが考えられる。このとき、セル（２，３）からセル（２，２）への移動に注目すると、セル（２，３）に対するセル（２，２）の相対方向は西側である。従って、セル（２，３）からセル（２，２）への遷移可能性ｆ［（２，３）→（２，２），ｔ］は、
セル（２，３）から西側に移動する頻度で表すことができる。セル（２，３）から西側に移動する頻度は、図１の（Ｃ）に示すように、セル（２，３）に記録された移動方向の履歴から取得することができる。セル（１，３）、セル（２，４）、及びセル（３，４）それぞれへの遷移可能性ｆも同様に取得することができる。

【0033】

ここで、相対方向は、地図データＤ１０における到来方向及び移動方向の形式に応じて特定されて良い。例えば、地図データＤ１０が到来方向及び移動方向を０－３６０度の方位角で管理する場合、相対方向は０－３６０度の方位角で特定されて良い。また遷移可能性は、隣接していないセルへの移動についてまで拡張して取得されても良い。さらに遷移可能性は、同一のセルへ移動する（他のセルへ移動しない）場合について取得されても良い。ただし、あるセル（ｉ，ｊ）について取得する遷移可能性ｆは、以下の式を満たすことが望ましい。ここで、ｘは、前回タイムステップｔ－１から今回タイムステップｔにかけてセル（ｉ，ｊ）の移動先となることが想定されるセル全体（セル（ｉ，ｊ）を含んでいても良い）を動く変数である。

【0034】

【数1】

【0035】

そして各タイムステップでは、近傍セルＣ２０のそれぞれについて、前回タイムステップで算出された存在可能性と、今回タイムステップで取得された遷移可能性とに基づいて、今回タイムステップにおける存在可能性を算出する。

【0036】

例えばいまタイムステップｔにおいて、セル（２，２）について存在可能性を算出する場合を考える。ここで、近傍セルＣ２０のそれぞれのセル（ｉ，ｊ）について、図３の（Ｂ）で説明したように隣接するセルへの遷移可能性ｆが取得されているとする。この場合、今回タイムステップｔにおけるセル（２，２）についての存在可能性ｐ［（２，２），ｔ］は、図３の（Ｃ）に示すように、隣接するセル（２，１）、（１，２）、（２，３）、及び（３，２）それぞれについて前回タイムステップｔ－１で算出された存在可能性ｐと今回タイムステップｔで取得されたセル（２，２）への遷移可能性ｆとに基づいて算出される。例えば、隣接するセル（２，１）、（１，２）、（２，３）、及び（３，２）それぞれについて、前回タイムステップｔ－１で算出された存在可能性ｐと今回タイムステップｔで取得されたセル（２，２）への遷移可能性ｆの積を算出し、それぞれについて算出された積の和を存在可能性ｐ［（２，２），ｔ］とすることができる。

【0037】

一般化すれば、近傍セルＣ２０のそれぞれのセル（ｉ，ｊ）について、タイムステップがｔのときの存在可能性ｐ［（ｉ，ｊ），ｔ］は、以下の式で算出することができる。ここで、ｙは、前回タイムステップｔ－１から今回タイムステップｔにかけてセル（ｉ，ｊ）に到来することが想定されるセル全体（セル（ｉ，ｊ）を含んでいても良い）を動く変数である。

【0038】

【数2】

【0039】

ところで、ｆ［ｙ→（ｉ，ｊ），ｔ］とｐ［ｙ，ｔ－１］の積ｐ［ｙ→（ｉ，ｊ），ｔ］は、前回タイムステップｔ－１から今回タイムステップｔにかけてｙからセル（ｉ，ｊ）に到来する可能性（以下、「到来可能性」と呼ぶ。）と考えることができる。つまり、上記の式において、存在可能性ｐ［（ｉ，ｊ），ｔ］は、複数の到来可能性ｐ［ｙ→（ｉ，ｊ），ｔ］の和である。またこのように存在可能性ｐ［（ｉ，ｊ），ｔ］を算出するとき、存在可能性ｐ［（ｉ，ｊ），ｔ］は、複数の到来可能性ｐ［ｙ→（ｉ，ｊ），ｔ］に類別することができる。

【0040】

存在可能性ｐ［（ｉ，ｊ），ｔ］を複数の到来可能性ｐ［ｙ→（ｉ，ｊ），ｔ］に類別するとき、複数の到来可能性ｐ［ｙ→（ｉ，ｊ），ｔ］の各々の大きさは、対象物体２がセル（ｉ，ｊ）の内部に位置する場合にどの到来方向から対象物体２が到来してきた可能性が高いかを示す指標となる。つまり、対象物体２がどのように移動してきたかについての情報を含むと考えられる。

【0041】

そこで第１セルから第２セルへの遷移可能性の取得は、さらに前回タイムステップで第１セルについて算出された複数の到来可能性の各々の大きさに基づいて行われても良い。

【0042】

例えばいまタイムステップｔにおいて、セル（２，３）について遷移可能性を取得する場合を考える。このとき図３の（Ｂ）で説明したように、セル（２，３）からセル（２，２）への遷移可能性ｆ［（２，３）→（２，２），ｔ］は、セル（２，３）から西側に移動する頻度で表すことができる。ここで、セル（２，３）に記録された移動方向の履歴は到来方向で類別されていることから、セル（２，３）から西側に移動する頻度は、セル（２，３）への到来方向ごとに取得することができる。そこで、遷移可能性ｆ［（２，３）→（２，２），ｔ］は、前回タイムステップｔ－１でセル（２，３）について算出された複数の到来可能性の各々の大きさを重みとして、到来方向ごとに取得された頻度の重み付き平均で表すことができる。あるいは、遷移可能性ｆ［（２，３）→（２，２），ｔ］は、複数の到来可能性の各々と対応して、それぞれが到来方向ごとに取得された頻度で表される複数の遷移可能性を含んでいても良い。

【0043】

また地図データＤ１０において、移動方向の履歴が移動体のカテゴリでさらに類別されている場合、第１セルから第２セルへの遷移可能性の取得は、さらに対象物体２のカテゴリに基づいて行われても良い。例えば、対象物体２のカテゴリが歩行者であるとき、カテゴリが歩行者である移動方向の履歴を参照して、遷移可能性を取得する。また地図データＤ１０において、移動方向の履歴が移動体の通過速度帯でさらに類別されている場合、第１セルから第２セルへの遷移可能性の取得は、さらに対象物体２の速度に基づいて行われても良い。例えば、対象物体２の速度が２５ｋｍ／ｈであるとき、通過速度帯が２０－３０ｋｍ／ｈである移動方向の履歴を参照して、遷移可能性を取得する。

【0044】

このように第１セルから第２セルへの遷移可能性を取得することで、対象物体２の状態に応じて適切な遷移可能性を取得することができる。延いては、対象物体２の移動の予測の精度を向上させることができる。

【0045】

以上説明したように、本実施形態に係る移動予測方法では、近傍セルＣ２０のそれぞれのセル（ｉ，ｊ）について、所定のタイムステップで存在可能性が算出される。図４の（Ａ）は、各タイムステップにおいて算出される存在可能性の一例を示す概念図である。図４の（Ａ）において、ｔ＝０は、対象物体２を検出した現在時刻である。図４の（Ａ）に示すように、本実施形態に係る移動予測方法により、存在可能性に係るセルの分布の時間発展を得ることができる。

【0046】

そして本実施形態に係る移動予測方法では、各タイムステップにおける存在可能性がゼロでないセルの分布に基づいて、所定期間の間の対象物体２の移動予測分布を算出する。特に、各タイムステップを時刻情報として、存在可能性がゼロでないセルの分布を対象物体２の移動予測分布として算出して良い。

【0047】

このように算出された移動予測分布によれば、存在可能性に係るセルの分布の時間発展を得ることができるため、各タイムステップで対象物体２がどのように移動してきたかを考慮することができる。延いては、対象物体２の予測の精度を向上させることができる。

【0048】

図４の（Ｂ）及び（Ｃ）は、移動予測分布５の一例を示す概念図である。図４の（Ｂ）及び（Ｃ）は、ガードレール４が配置された道路を走行する自動運転車３が、認識した対象物体２（歩行者）の移動を予測する場合を示している。また図４の（Ｂ）及び（Ｃ）において、移動予測分布５は、所定期間の間で存在可能性がゼロでないセルの範囲を簡易的に示している。図４の（Ｂ）に示す移動予測分布５によれば、対象物体２がガードレール４を乗り越えて道路側に移動する可能性はないことがわかる。一方で図４の（Ｃ）に示す移動予測分布５によれば、ガードレール４が途切れた地点から対象物体２が道路側に移動する可能性があることがわかる。これは例えば、移動方向の履歴において、ガードレール４が途切れた地点から歩行者が道路側に移動したという記録が多くある場合である。このように、本実施形態によれば、対象物体２の現実的で複雑な動きを予測することも可能である。

【0049】

３．構成
本実施形態に係る移動予測方法は、コンピュータが実行する処理により実現することができる。

【0050】

図５は、本実施形態に係る移動予測方法を実現する処理装置１００の構成を示すブロック図である。処理装置１００は、データサーバ２００及び外界センサ３００と通信可能に接続している。

【0051】

データサーバ２００は、移動体との通信により移動履歴を取得し、取得した移動履歴を移動履歴データベースＤ２０で管理する。

【0052】

外界センサ３００は、自動運転車やロボットに備えられ、自動運転車やロボットの周辺環境を検出する。特に外界センサ３００は、周辺の物体の認識を行う。外界センサ３００として、カメラ、レーダー、ＬｉＤＡＲ等が例示される。

【0053】

処理装置１００は、プロセッサ１１０と記憶装置１２０を含むコンピュータである。処理装置１００は、例えば、自動運転車やロボットの制御に係る処理を実行する装置であって良い。

【0054】

プロセッサ１１０は、各種処理を実行する。プロセッサ１１０は、例えば、演算装置やレジスタ等を含むＣＰＵ（Central Processing Unit）で構成することができる。記憶装置１２０は、プロセッサ１１０と結合し、プロセッサ１１０の処理の実行に必要な各種情報を格納する。記憶装置１２０は、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、等の記録媒体で構成することができる。

【0055】

記憶装置１２０には、コンピュータプログラム１２１と、地図データＤ１０と、検出情報Ｄ１１と、が格納される。

【0056】

コンピュータプログラム１２１は、複数のインストラクション１２２により構成され、コンピュータ読み取り可能な記録媒体に格納される。プロセッサ１１０が複数のインストラクション１２２に従って動作することにより、プロセッサ１１０による各種処理の実行が実現される。

【0057】

地図データＤ１０は、プロセッサ１１０が実行する処理により更新されて良い。例えば、プロセッサ１１０は、定期的に移動履歴データベースＤ２０にアクセスすることで、移動履歴データベースＤ２０に基づいて地図データＤ１０を更新するように構成されていて良い。

【0058】

検出情報Ｄ１１は、外界センサ３００によって検出された情報である。検出情報Ｄ１１は、外界センサ３００から取得される。検出情報Ｄ１１は、対象物体２の地図上の位置、速度、及びカテゴリ等の情報を含んでいて良い。

【0059】

４．処理
図６は、プロセッサ１１０が実行する処理の一例を示すフローチャートである。図６に示すフローチャートは、例えば、外界センサ３００が物体（対象物体２）を認識したときに開始する。

【0060】

ステップＳ１００で、プロセッサ１１０は、処理の実行に必要な各種情報を取得する。例えば、プロセッサ１１０は、検出情報Ｄ１１と、対象物体２の近傍セルＣ２０に係る移動方向の履歴を取得する。

【0061】

ステップＳ２００で、プロセッサ１１０は、タイムステップを初期化（ｔ＝０）する。そして、プロセッサ１１０は、ｔ＝０で、近傍セルＣ２０のうち対象物体２が位置するセルの存在可能性を１とする（ステップＳ３００）。

【0062】

ステップＳ４００で、プロセッサ１１０は、タイムステップをインクリメントする（ｔ＝ｔ＋１）。

【0063】

ステップＳ５００で、プロセッサ１１０は、移動方向の履歴に基づいて、近傍セルＣ２０のそれぞれについて遷移可能性を取得する。

【0064】

ステップＳ６００で、プロセッサ１１０は、近傍セルＣ２０のそれぞれについて、前回タイムステップｔ－１で算出された存在可能性と、今回タイムステップｔで取得された遷移可能性とに基づいて、今回タイムステップにおける存在可能性を算出する。

【0065】

ステップＳ７００で、今回タイムステップｔが所定値Ｔより小さいか否かを判定する。所定値Ｔは、対象物体２の移動を予測する期間に対応しており、好適に与えられて良い。

【0066】

今回タイムステップｔが所定値Ｔより小さい場合（ステップＳ７００；Ｙｅｓ）、プロセッサ１１０は、タイムステップをインクリメントして（ステップＳ４００）、再度ステップＳ５００及びステップＳ６００を繰り返す。

【0067】

今回タイムステップｔが所定値Ｔを超える場合（ステップＳ７００；Ｎｏ）、プロセッサ１１０は、各タイムステップにおける存在可能性がゼロでないセルを抽出する。

【0068】

ステップＳ９００で、プロセッサ１１０は、ステップＳ８００において抽出したセルに基づいて、対象物体２の移動予測分布を算出する。

【0069】

ステップＳ９００の後、処理は終了する。

【0070】

以上説明したように、プロセッサ１１０が実行する処理により、本実施形態に係る移動予測方法が実現される。またこのようにプロセッサ１１０に処理を実行させるコンピュータプログラム１２１を構成することにより、本実施形態に係る移動予測プログラムが実現される。

【符号の説明】

【0071】

２ 対象物体，５ 移動予測分布，１００ 処理装置，１１０ プロセッサ，１２０ 記憶装置，１２１ コンピュータプログラム，Ｄ１０ 地図データ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】