特表 2024-547214 ノイズ除去装置、ノイズ除去方法、及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2024-12-26

(54)【発明の名称】ノイズ除去装置、ノイズ除去方法、及びプログラム

(51)【国際特許分類】

   G08G 1/01 20060101AFI20241219BHJP

【ＦＩ】

G08G1/01 A

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2024541699

(86)(22)【出願日】2022-01-28

(85)【翻訳文提出日】2024-07-10

(86)【国際出願番号】 JP2022003243

(87)【国際公開番号】W WO2023144984

(87)【国際公開日】2023-08-03

(81)【指定国・地域】

(71)【出願人】

【識別番号】000004237

【氏名又は名称】日本電気株式会社

(74)【代理人】

【識別番号】100103894

【弁理士】

【氏名又は名称】家入 健

(72)【発明者】

【氏名】プラサド ヘマント シバサガー

(72)【発明者】

【氏名】ペトラードワラー ムルトゥザ

(72)【発明者】

【氏名】生藤 大典

(72)【発明者】

【氏名】樋野 智之

【テーマコード（参考）】

5H181

【Ｆターム（参考）】

5H181AA01

5H181BB02

5H181BB13

5H181BB20

5H181CC01

5H181CC18

5H181DD01

5H181FF10

(57)【要約】

ウォーターフォールデータに含まれるノイズの影響を低減することができるノイズ除去装置、ノイズ除去方法、およびコンピュータ可読媒体を提供する。ノイズ除去装置は、ウォーターフォールデータから抽出された複数の軌跡の各々の端部座標を決定する決定部であって、前記ウォーターフォールデータは、道路に沿って配置された複数のセンシング部からの信号を測定することにより取得される、決定部（２４１）と、前記端部座標を用いて、各軌跡の継続時間が基準継続時間になるように、各軌跡を延長する延長部（２４２）と、延長した各軌跡の特徴を算出する特徴算出部（２４３）と、前記特徴に基づいて、前記複数の軌跡からアウトライヤ軌跡を検出する検出部（２４４）と、前記複数の軌跡から前記アウトライヤ軌跡を除去する除去部（２４５）と、を備える。
【選択図】図７

【特許請求の範囲】

【請求項1】

ウォーターフォールデータから抽出された複数の軌跡の各々の端部座標を決定する決定手段であって、前記ウォーターフォールデータは、道路に沿って配置された複数のセンシング部の各々からの信号を測定することにより取得される、決定手段と、
前記端部座標を用いて、各軌跡の継続時間が基準継続時間になるように、各軌跡を延長する延長手段と、
延長した各軌跡の特徴を算出する特徴算出手段と、
前記特徴に基づいて、前記複数の軌跡からアウトライヤ軌跡を検出する検出手段と、
前記複数の軌跡から前記アウトライヤ軌跡を除去する除去手段と、
を備えるノイズ除去装置。

【請求項2】

各軌跡の傾きに基づいて前記道路を走行する１台の車両の速度を算出し、前記道路を走行する車両の平均速度を算出する交通監視手段、
を備える請求項１に記載のノイズ除去装置。

【請求項3】

前記ノイズ除去装置は、前記ウォーターフォールデータを複数のパッチに分離する分離手段を備え、
前記決定手段は、各パッチに含まれる各軌跡の前記端部座標を決定し、
前記交通監視手段は、パッチごとに前記平均速度を算出する、
請求項２に記載のノイズ除去装置。

【請求項4】

前記特徴は、延長した各軌跡の長さである、
請求項２に記載のノイズ除去装置。

【請求項5】

前記交通監視手段は、延長後の各軌跡の長さのうち、前記ウォーターフォールデータから抽出されたいずれかの軌跡と重なる部分の長さを測り、前記部分の前記長さに応じた重み付け係数を導出し、前記重み付け係数に基づいて前記平均速度を算出する、
請求項２から４のいずれか１項に記載のノイズ除去装置。

【請求項6】

ウォーターフォールデータから抽出された複数の軌跡の各々の端部座標を決定することであって、前記ウォーターフォールデータは、道路に沿って配置された複数のセンシング部の各々からの信号を測定することにより取得される、ことと、
前記端部座標を用いて、各軌跡の継続時間が基準継続時間になるように、各軌跡を延長することと、
延長した各軌跡の特徴を算出することと、
前記特徴に基づいて、前記複数の軌跡からアウトライヤ軌跡を検出することと、
前記複数の軌跡から前記アウトライヤ軌跡を除去することと、
を含むノイズ除去方法。

【請求項7】

ウォーターフォールデータから抽出された複数の軌跡の各々の端部座標を決定することであって、前記ウォーターフォールデータは、道路に沿って配置された複数のセンシング部の各々からの信号を測定することにより取得される、ことと、
前記端部座標を用いて、各軌跡の継続時間が基準継続時間になるように、各軌跡を延長することと、
延長した各軌跡の特徴を算出することと、
前記特徴に基づいて、前記複数の軌跡からアウトライヤ軌跡を検出することと、
前記複数の軌跡から前記アウトライヤ軌跡を除去することと、
を含む処理をコンピュータに実行させるプログラムを格納する非一時的なコンピュータ可読媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、ノイズ除去装置、ノイズ除去方法、およびコンピュータ可読媒体に関する。

【背景技術】

【0002】

道路（例：ハイウェイ）に光ファイバが敷設される場合がある。光ファイバは、道路に沿った複数のセンシング部を備えている。光ファイバに取り付けられた分散型音響センサ（ＤＡＳ：Ｄｉｓｔｒｉｂｕｔｅｄ Ａｃｏｕｓｔｉｃ Ｓｅｎｓｉｎｇ）は、各センシング部が配置された場所の振動を検出できる。

【0003】

分散型音響センサは、ウォーターフォールデータと呼ばれるデータを取得する。ウォーターフォールデータは、振動が検出された時間および位置に関する情報を含んでいる。ウォーターフォールデータに基づいて、道路等を走行する車両の速度を算出することができる（特許文献１参照）。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０２１―１２１９１７号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

ウォーターフォールデータにノイズが含まれている場合、車両の平均速度の算出精度が低下してしまうという問題があった。

【0006】

本開示は、上記事情に鑑み、ウォーターフォールデータに含まれるノイズの影響を低減するノイズ除去装置、ノイズ除去方法、及びコンピュータ可読媒体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】

【0007】

本開示は、
ウォーターフォールデータから抽出された複数の軌跡の各々の端部座標を決定する決定手段であって、前記ウォーターフォールデータは、道路に沿って配置された複数のセンシング部の各々からの信号を測定することにより取得される、決定手段と、
前記端部座標を用いて、各軌跡の継続時間が基準継続時間になるように、各軌跡を延長する延長手段と、
延長した各軌跡の特徴を算出する特徴算出手段と、
前記特徴に基づいて、前記複数の軌跡からアウトライヤ軌跡を検出する検出手段と、
前記複数の軌跡から前記アウトライヤ軌跡を除去する除去手段と、
を備えるノイズ除去装置を提供する。

【0008】

本開示は、
ウォーターフォールデータから抽出された複数の軌跡の各々の端部座標を決定することであって、前記ウォーターフォールデータは、道路に沿って配置された複数のセンシング部の各々からの信号を測定することにより取得される、ことと、
前記端部座標を用いて、各軌跡の継続時間が基準継続時間になるように、各軌跡を延長することと、
延長した各軌跡の特徴を算出することと、
前記特徴に基づいて、前記複数の軌跡からアウトライヤ軌跡を検出する検出部と、
前記複数の軌跡から前記アウトライヤ軌跡を除去することと、
を含むノイズ除去方法を提供する。

【0009】

本開示は、
ウォーターフォールデータから抽出された複数の軌跡の各々の端部座標を決定することであって、前記ウォーターフォールデータは、道路に沿って配置された複数のセンシング部の各々からの信号を測定することにより取得される、ことと、
前記端部座標を用いて、各軌跡の継続時間が基準継続時間になるように、各軌跡を延長することと、
延長した各軌跡の特徴を算出することと、
前記特徴に基づいて、前記複数の軌跡からアウトライヤ軌跡を検出することと、
前記複数の軌跡から前記アウトライヤ軌跡を除去することと、
を含む処理をコンピュータに実行させるプログラムを格納する非一時的なコンピュータ可読媒体を提供する。

【発明の効果】

【0010】

本開示に係るノイズ除去装置、ノイズ除去方法、及びコンピュータ可読媒体は、ウォーターフォールデータに含まれるノイズの影響を低減する。

【図面の簡単な説明】

【0011】

【図1】実施形態１に係る交通監視システムを示す模式図。

【図2】関連技術に係る交通監視方法の流れを示すフローチャート。

【図3】パッチを示す模式図。

【図4】パッチに含まれるノイズを示す模式図。

【図5】関連技術を用いて算出された平均速度を示す表。

【図6】パッチに含まれる軌跡を例示する模式図。

【図7】実施形態１にかかる交通監視装置を示すブロック図。

【図8】軌跡を延長する方法を説明するための図。

【図9】軌跡を延長する理由を説明するための図。

【図10】軌跡を延長する理由を説明するための図。

【図11】軌跡を延長する理由を説明するための図。

【図12】延長した軌跡に対応する点をプロットした散布図。

【図13】道路のトラフィックの状態が変化したときの散布図。

【図14】道路のトラフィックの状態が変化したときの散布図。

【図15】実施形態１に係るノイズ除去方法の流れを示すフローチャート。

【図16】実施形態１に係るノイズ除去方法の流れの一例を示すフローチャート。

【図17】実施形態１の効果を説明するための図。

【図18】実施形態１の効果を説明するための図。

【発明を実施するための形態】

【0012】

以下では、本開示の実施形態について、図面を参照しながら詳細に説明する。各図面において、同一又は対応する要素には同一の符号が付されており、説明の明確化のため、必要に応じて重複説明は省略される。

【0013】

（実施形態１）
図１は、道路１０に沿った分散型音響センサ（ＤＡＳ）システム１０００の模式図である。ＤＡＳシステム１０００は、ＤＡＳ１００と通信する交通監視装置２００を含む。交通監視装置２００は、ノイズ除去装置とも称される。ＤＡＳシステム１０００は、ＤＡＳ１００に接続された光ファイバ３００をさらに含む。光ファイバ３００は、道路１０に沿っている。

【0014】

道路１０は、ハイウェイであってもよい。道路１０は、複数の車線を含んでもよい。複数の車両２０が道路１０上を走行する。

【0015】

光ファイバ３００は、道路１０に沿った複数のセンシング部を含む。センシング部は、複数の等距離点に配置されてもよい。車両２０が道路１０を通過するとき、車両２０は振動を発生させる。これらの振動は、光ファイバ３００に沿った光の伝搬に影響する。ＤＡＳ１００は、光ファイバ３００に接続され、光ファイバ３００に光信号を送り、光ファイバ３００から返された光を検出する。結果として得られたデータはウォーターフォールデータと呼ばれる。ウォーターフォールデータは、時間－距離グラフである。車両の軌跡は、例えばＴｒａｆｆｉｃＮＥＴアルゴリズムによりウォーターフォールデータから抽出される。ウォーターフォールデータは、道路１０上の車両２０の数、車両の平均速度、および車線占有率のようなパラメータを提供する。

【0016】

次に、図２から図６を参照して、関連技術の問題点について説明する。図２は、関連技術にかかる交通監視方法の流れを示すフローチャートである。関連技術では、まず、ＤＡＳ１００からウォーターフォールデータを取得する（ステップＳ１０１）。画像１１は、前処理を行ったウォーターフォールデータを示している。取得したＲＡＷウォーターフォールデータは、前処理される。縦軸は時間を表し、横軸は光ファイバ３００に沿った位置を表している。ウォーターフォールデータには、車両２０の軌跡が含まれている。車両の軌跡とは、道路１０を横断する車両２０によって発生する振動を示す識別可能な線である。

【0017】

次に、ウォーターフォールデータから、車両２０の軌跡を抽出する（ステップＳ１０２）。画像１２は、画像１１に示すウォーターフォールデータから、車両２０の軌跡を抽出した結果を示している。画像１２では、抽出された車両２０の軌跡が強調表示されている。車両２０の軌跡の抽出は、例えば、ＤＮＮ（Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）（例えば、Ｕ－Ｎｅｔ）を用いて行われる。

【0018】

次に、車両２０の平均速度（ｋｍ／ｈｒ）を算出する（ステップＳ１０３）。各車両の速度は、対応する軌跡の傾きに基づいて算出される。最後に、平均車両速度に基づいて、交通監視が行われる（ステップＳ１０４）。具体的には、渋滞、混雑、またはキューの検出が行われてもよい。交通フローを表す推定された平均車両速度は、交通フローの監視のベースとなる。

【0019】

次に、図３を参照して、関連技術において車両２０の平均速度を算出する方法について説明する。図３は、ウォーターフォールデータの概略図である。ウォーターフォールデータは、複数のパッチに分離されることができる。符号１３はウォーターフォールデータ全体を表しており、符号１４はパッチを表している。パッチ１４の範囲は、ウォーターフォールデータ１３において点線で示されている。ウォーターフォールデータ１３を複数のパッチ１４に分離することで、精度よく交通監視を行うことができる。パッチは、必要とされる流れの分解能（時間、距離）に応じて考慮される。パッチ１４内のすべての軌跡を平均速度のために考慮することができる。

【0020】

縦軸は時間を示しており、横軸は光ファイバ３００に沿った位置、つまり車両２０の移動距離を示している。ウォーターフォールデータ１３には、複数の軌跡１５が含まれている。パッチ１４には、軌跡１５ｎが含まれている。Δｄｎは軌跡１５ｎの距離方向の長さを示しており、Δｔｎは軌跡１５ｎの時間方向の長さを示している。Δｄｎは車両２０の走行距離を表しており、Δｔｎは車両２０の経過時間を表している。経過時間は継続時間とも言われる。パッチ１４の平均車両速度は、下式で算出される。

【0021】

平均速度＝（車両の走行距離の和）／（継続時間の和）

【0022】

図４は、パッチ１４に含まれる軌跡を例示している。点線に囲まれているパッチ１４は、ウォーターフォールデータに含まれている。ウォーターフォールデータは、軌跡１５ａ１および１５ａ２を含んでいる。軌跡１５ａ１は、車両２０の走行に由来する実際の軌跡である。軌跡１５ａ２は、抽出されたノイズに由来する軌跡である。ノイズ軌跡は、監視対象となるハイウェイ／道路上に橋、トンネル、またはその他の構造物が存在することに由来する可能性がある。

【0023】

図５は、パッチ１４から平均車両速度を算出した結果を含む表を示している。図５は、測定日時２１、ウォーターフォールデータから算出された平均車両速度２２（単位はｋｍ／ｈｒ）、およびトラフィックカウンタから算出された、参照／グランドトゥルースデータである平均車両速度２３（単位はｋｍ／ｈｒ）を含んでいる。トラフィックカウンタは、ループコイル式であってもよい。

【0024】

測定日時２１がＤ４のＴ４であるとき、平均車両速度２２は１５０．６ｋｍ／ｈｒであり、平均車両速度２３は９５ｋｍ／ｈｒである。平均車両速度２２と平均車両速度２３は異なっている。ノイズが速度に影響している。

【0025】

パッチ１４に含まれる軌跡の傾きが小さいほど、平均車両速度は大きく算出される。図４を参照すると、傾きが小さいノイズ軌跡１５ａ２がパッチ１４に含まれているため、平均車両速度２２が実際よりも大きく算出されていると考えられる。ノイズの多い軌跡が平均車速の算出に寄与し、誤った速度をもたらす。このような誤った速度は、不十分な交通フローの監視や信頼性の低下につながる可能性がある。

【0026】

図６は、パッチ１４に含まれる軌跡の例を示している。図６は、軌跡１５ｂ１、１５ｂ２、１５ｂ３、１５ｂ４、および１５ｂ５を含んでいる。軌跡１５ｂ１は、車両２０の振動に由来する実際の軌跡である。軌跡１５ｂ１は十分に長いため、実際の軌跡であると判断できる。

【0027】

軌跡１５ｂ２はパッチ１４の左上側に含まれており、軌跡１５ｂ３はパッチ１４の右下側に含まれている。軌跡１５ｂ２および１５ｂ３の長さが短いため、軌跡１５ｂ２および１５ｂ３は、ノイズである、または実際の軌跡から切り取られている可能性がある。

【0028】

軌跡１５ｂ４および軌跡１５ｂ５は構造ノイズであり、長さが十分短いため、軌跡１５ｂ４および軌跡１５ｂ５はノイズ軌跡であると判断できる。このようなノイズは、ハイウェイに沿う橋やトンネルなどの構造により発生し得る。軌跡１５ｂ４は、垂直方向に延びており、平均車両速度が低く算出されるおそれがある。軌跡１５ｂ５は水平方向に延びており平均車両速度が高く算出されるおそれがある。

【0029】

関連技術によると、パッチ１４がノイズを含むことで、平均車両速度の算出精度が低下してしまうという問題がある。パッチ１４内の短い軌跡（例えば、軌跡１５ｂ２および１５ｂ３）は実際の軌跡の一部である場合があるため、軌跡の長さに応じてノイズを除去することは困難である。ノイズ軌跡と実際の軌跡を、軌跡の長さだけで区別するのは難しい。

【0030】

次に、図７を参照して、交通監視装置２００の構成について説明する。交通監視装置２００は、取得部２１０、抽出部２２０、分離部２３０、ノイズ除去部２４０、および交通監視部２５０を備えている。交通監視装置は、プロセッサおよびメモリを備える。交通監視装置２００の各機能は、プログラム（図示せず）をＲＡＭ等のメモリに読み込んでプロセッサが実行することにより実現することができる。

【0031】

取得部２１０は、ＤＡＳ１００からウォーターフォールデータを取得する。抽出部２２０は、ウォーターフォールデータから複数の軌跡を抽出する。分離部２３０は、ウォーターフォールデータを複数のパッチに分離する。

【0032】

ノイズ除去部２４０は、各パッチに含まれる軌跡からノイズを除去する。ノイズ除去部２４０は、決定部２４１、延長部２４２、特徴算出部２４３、検出部２４４、および除去部２４５を備えている。

【0033】

決定部２４１は、ウォーターフォールデータから抽出された複数の軌跡の各々の端部座標を決定する。上述の通り、ウォーターフォールデータは、道路１０に沿って配置された複数のセンシング部からの信号を測定することにより取得される。決定部２４１は、決定した端部座標を延長部２４２に出力する。

【0034】

延長部２４２は、端部座標を用いて、各軌跡の継続時間が基準継続時間になるように、複数の軌跡の各々を延長する。基準継続時間は一定の時間であってもよい。

【0035】

次に、図８を参照して、延長部２４２が行う延長処理について具体的に説明する。図８の左側は、延長処理を行う前のパッチ１４を示している。パッチ１４は、複数の軌跡を含んでいる。パッチ１４には、長さが短い軌跡（例えば、軌跡１５ｃ１）を含んでいる。軌跡１５ｃ１は端点Ｅ１およびＥ２を含んでいる。

【0036】

図８の右側は、延長処理を行った後のパッチ１４を示している。延長部２４２は、各軌跡の継続時間が基準継続時間Ｔとなるように、各軌跡を延長している。パッチ１４内の全軌跡が延長されることができる。基準継続時間Ｔは、パッチ１４の時間幅と一致している。なお、基準継続時間とパッチ１４の時間幅は異なっていてもよい。見やすくするために、延長した各軌跡の、パッチ１４の内側に含まれる部分を実線で示している。延長した各軌跡の、パッチ１４の外側に含まれる部分は点線で示されている。軌跡１５ｃ２は、軌跡１５ｃ１を延長した軌跡を示している。

【0037】

上述の通り、長さに基づいて、各軌跡を実際の軌跡とノイズに分類することは困難である。なぜならば、実際の軌跡とノイズ軌跡が同等の長さを有する場合があるからである。交通監視装置２００は、全ての軌跡を共通のフレームに入れるために、軌跡を基準継続時間Ｔまで延長している。これにより、基準継続時間Ｔを持つ各軌跡の長さを決定することができる。長さは、ラインの長さであってもよく、距離方向の長さであってもよい。各軌跡の長さは、実際の軌跡とノイズ軌跡とで異なっている。これにより、後述する除去部２４５は、アウトライヤ軌跡（ノイズ軌跡）を除去できる。

【0038】

次に、図９から図１１を参照して、延長部２４２が軌跡の延長を行う理由について詳細に説明する。図９に示すパッチ１４は、軌跡１５ｄ１、１５ｄ２、１５ｄ３、１５ｄ４、および１５ｄ５を含んでいる。軌跡１５ｄ１、１５ｄ２、１５ｄ３、および１５ｄ４は、ノイズ軌跡である。軌跡１５ｄ５は、車両の振動に由来する真の軌跡である。ノイズ軌跡はそれぞれ異なる基準時間にあるため、すべての軌跡を共通の基準に合わせるために、延長が行われる。軌跡１５ｄ５は他のノイズ軌跡１５ｄ１、１５ｄ２、１５ｄ３、１５ｄ４より長いので、長い軌跡は真の車両軌跡である可能性が高いと言える。したがって、真の車両軌道は、より高い伸長比／重みを持つことになる。

【0039】

図１０は、パッチ１４に含まれる各軌跡の時間方向の長さを示している。Δｔ１は軌跡１５ｄ２の継続時間を示し、Δｔ２は軌跡１５ｄ３の継続時間を示し、Δｔ３は軌跡１５ｄ４の継続時間を示し、Δｔ４は軌跡１５ｄ５の継続時間を示している。継続時間は、時間方向の軌跡の長さである。Δｔ１、Δｔ２、Δｔ３、およびΔｔ４は互いに異なっている。軌跡１５ｄ２、１５ｄ３、１５ｄ４、および１５ｄ５の長さによって、ノイズ軌跡（アウトライヤ軌跡）を判別することはできない。そこで、交通監視装置２００は、各軌跡の継続時間が参照継続時間Ｔになるように、各軌跡を延長している。

【0040】

図１１は、パッチ１４を含むウォーターフォールデータ１３の全体を示すデータである。横軸は距離（０－１５ｋｍ）を表し、縦軸は時間を表している。延長した軌跡と、ウォーターフォールデータ１３とを比較することで、軌跡の信頼度を算出することができる。例えば、軌跡１５ｄ５を延長した軌跡は、ウォーターフォールデータ１３内の軌跡と重なることが考えられる。このような場合、軌跡１５ｄ５は、実際の車両の振動に由来する可能性が高い。軌跡１５ｄ５は不連続な車両軌跡であり、より大きな軌跡の一部である。したがって、軌跡を延長する必要がある。小さなパッチではコンテキストが失われ、外れ値検出にはより大きなパッチが必要となる。

【0041】

図７に戻って説明を続ける。特徴算出部２４３は、延長した各軌跡の特徴を算出する。特徴は、例えば、延長した各軌跡の長さである。延長した各軌跡の長さは、一定時間（基準継続時間）のラインの長さであってもよい。所定の距離範囲および時間範囲に含まれる車両の速度は、一定の範囲に含まれていると考えられる。したがって、車両の速度に関連するパラメータを、各軌跡から算出することで、ノイズを除去できる。延長した軌跡の距離方向の長さは、速度と参照継続時間Ｔを乗算したものであるため、速度に関連している。また、これから説明するように、延長した軌跡の長さも、速度に関連している。

【0042】

次に、図１２を参照して、延長した軌跡の長さを特徴として用いることができることについて説明する。図１２は、縦軸を延長した軌跡の長さとし、横軸を軌跡に対応する速度とし、延長した軌跡に対応する点をプロットした散布図である。点は、パッチ内の全ての軌跡に対応している。速度は軌跡の傾きに基づいて算出される。速度と軌跡の延長後の長さとの間には相関があり、軌跡が長いほど速度が大きい。したがって、延長した軌跡の長さは、特徴として使用され得る。

【0043】

散布図は、領域３１、領域３２、および領域３３を含んでいる。領域３１は、低速側のアウトライヤ軌跡を含んでいる。領域３１は、例えば、左側に示す延長した軌跡１５ｅ１を含んでいる。延長した軌跡１５ｅ１の長さは、後述する延長した軌跡１５ｅ２の長さよりも小さい。

【0044】

領域３２は、実際の車両の軌跡に対応する点を含んでいる。領域３２では、実際の車両の軌跡に対応する点の密度が高い。領域３２は、平均的な長さの延長した軌跡を含んでいる。領域３２は、例えば、左側に示す延長した軌跡１５ｅ２を含んでいる。延長した軌跡１５ｅ２の長さは、延長した軌跡１５ｅ１の長さよりも大きく、後述する延長した軌跡１５ｅ３の長さよりも小さい。

【0045】

領域３３は、高速側のアウトライヤ軌跡を含んでいる。領域３３は、例えば、左側に示す延長した軌跡１５ｅ３を含んでいる。延長した軌跡１５ｅ３の長さは、延長した軌跡１５ｅ２の長さよりも大きい。

【0046】

図１２は、通常のトラフィックでの延長した軌跡の長さの分布を示している。トラフィックが変化すると、延長した軌跡の長さの分布は変化する。図１３は、車両（スピード超過の車両）が高速で移動しているときの延長した軌跡の長さの分布を示しており、領域３２が右上にシフトしている。図１４は交通渋滞が発生しているときの延長した軌跡の長さの分布を示しており、領域３２が左下にシフトしている。

【0047】

図７に戻り説明を続ける。検出部２４４は、特徴に基づいて、複数の軌跡からアウトライヤ軌跡を検出する。除去部２４５は、複数の軌跡からアウトライヤ軌跡を除去する。

【0048】

交通監視部２５０は、各パッチの平均車両速度を算出する。交通監視部２５０は、各軌跡の勾配に基づいて道路を走行する車両の速度を算出し、平均速度を算出する。交通監視部２５０は、各軌跡の信頼度を加味して、平均車両速度を算出してもよい。図１１を用いて説明した通り、延長軌跡と、ウォーターフォールデータとを比較することで、各軌跡の信頼度を算出できる。交通監視部２５０は、具体的には、延長した各軌跡と、ウォーターフォールデータから抽出されたいずれかの軌跡とが重なる部分の長さを測る。そして、交通監視部２５０は、長さ（軌跡の長さ）に応じた重み付け係数を導出し、重み付け係数に基づいて平均速度を算出する。重み付け係数は、伸長率とも言われる。伸長率は、下式で計算される。

【0049】

伸長率＝（軌跡の長さ）／（延長された軌跡の長さ）

【0050】

伸長率は、各軌跡の重みを決定する。平均速度の計算では、連続した長い軌跡ほど高い重みを持つ。

【0051】

次に、図１５を参照して、実施形態１にかかる交通監視方法について説明する。関連技術にかかる交通監視方法を示す図２と、図１５とを比較すると、ノイズを除去するステップＳ２００が追加されている。ステップＳ１０１～ステップＳ１０４は図２と同様であるため、説明を省略する。ステップＳ２００では、ステップＳ１０２で抽出された複数の軌跡から、ノイズを示すノイズ軌跡を除去する処理を行う。

【0052】

次に、図１６を参照して、実施形態１にかかる交通監視方法の一例を説明する。まず、ウォーターフォールデータから抽出された複数の軌跡を含むデータＤ１が入力される。

【0053】

次に、交通監視装置２００の延長部２４２は、各軌跡の継続期間が基準継続期間になるように、各軌跡を延長する（ステップＳ２０１）。なお、ステップＳ２０１の前に、交通監視装置２００の決定部２４１が、各軌跡の端部座標を決定していてもよい。次に、交通監視装置２００は、各軌跡に対応する速度を算出し、各軌跡の長さを算出し、各軌跡の伸長率を算出する（ステップＳ２０２）。

【0054】

次に、交通監視装置２００は、算出された速度の最大値が閾値を超えていること、または算出された速度の最小値が閾値未満であることが満たされているかをチェックする（ステップＳ２０３）。偽である場合（ステップＳ２０３のＮｏ）、ステップＳ１０４の処理に移行して交通フローを監視する。真である場合（ステップＳ２０３のＹｅｓ）、ステップＳ２０４に移行してノイズを除去する処理を行う。交通監視装置２００の検出部２４４が、ステップＳ２０２で算出した軌跡の長さに基づいて、複数の軌跡からアウトライヤ軌跡を検出する。交通監視装置２００の除去部２４５が、複数の軌跡からアウトライヤ軌跡を除去する。このような場合、アウトライヤ軌跡を除去した軌跡データＤ２を用いて、交通監視を行う（ステップＳ１０４）。交通監視装置２００の交通監視部２５０が、データＤ２に基づいて平均速度を算出し、交通フローの監視を行ってもよい。

【0055】

次に、図１７および図１８を参照して、交通監視装置２００が奏する効果について説明する。図１８は、ＤＡＳ１００が取得するウォーターフォールデータ１３ａ１を含んでいる。ウォーターフォールデータ１３ａ１には交通フローの急激な変化（例えば、軌跡１５ｆ１）が含まれている。例えば、軌跡１５ｆ１の傾きが大きい部分は、交通渋滞に対応している。しかし、ウォーターフォールデータ１３ａ１にはアウトライヤ軌跡（例えば、軌跡１５ｆ２）が含まれており、パッチごとに平均車両速度を測定した場合には交通渋滞を検出できない可能性がある。交通監視装置２００は、ウォーターフォールデータ１３ａ１からノイズを除去するためのアルゴリズムＡ１を実行する。

【0056】

ウォーターフォールデータ１３ａ２は、ノイズを除去した後のデータを示している。ウォーターフォールデータ１３ａ２に基づいて、交通監視を行うためのアルゴリズムＡ２を実行することにより、交通フローの急激な変化（例えば、交通渋滞）を検出できる。

【0057】

図１８は、関連技術を用いた場合の平均車両速度の算出結果と、実施形態１を用いた場合の平均車両速度の算出結果を示している。図１８の上側は関連技術を用いた場合の処理の流れを含み、下側は実施形態１を用いた場合の処理の流れを含んでいる。

【0058】

パッチ１４ａ１は、ノイズを除去する前のパッチを示している。パッチ１４ａ１には、複数のノイズ軌跡が含まれている。関連技術では、ノイズ軌跡を含む軌跡全体から平均車両速度Ｖ（例えば、１５０．６ｋｍ／ｈｒ）を算出する。このような場合、交通フローの急激な変化を検出するアルゴリズムＡ２を適用すると、誤った警報が出力されるという問題があった。表Ｔ１は、関連技術を用いて平均速度を算出した結果を示している。

【0059】

一方、交通監視装置２００は、ノイズ除去アルゴリズムＡ２をパッチ１４ａ１に適用する。パッチ１４ａ２は、パッチ１４ａ１からノイズを除去した後のパッチを示している。交通監視装置２００は、ノイズ軌跡を含まない軌跡から平均速度Ｖ（例えば、９５ｋｍ／ｈｒ）を算出する。このような場合、交通フローの急激な変化を検出するアルゴリズムＡ２を適用すると、誤った警報が出力されない。表Ｔ２は、交通監視装置２００が平均速度を算出した結果を示している。

【0060】

実施形態１によれば、平均速度の推定精度が向上する。また、事故や渋滞等のイベントを高効率で検出でき、誤った警報を低減することができる。

【0061】

プログラムは、コンピュータに読み込まれた場合に、実施形態で説明された１又はそれ以上の機能をコンピュータに行わせるための命令群（又はソフトウェアコード）を含む。プログラムは、非一時的なコンピュータ可読媒体又は実体のある記憶媒体に格納されてもよい。限定ではなく例として、コンピュータ可読媒体又は実体のある記憶媒体は、random-access memory（RAM）、read-only memory（ROM）、フラッシュメモリ、solid-state drive（SSD）又はその他のメモリ技術、CD-ROM、digital versatile disc（DVD）、Blu-ray（登録商標）ディスク又はその他の光ディスクストレージ、磁気カセット、磁気テープ、磁気ディスクストレージ又はその他の磁気ストレージデバイスを含む。プログラムは、一時的なコンピュータ可読媒体又は通信媒体上で送信されてもよい。限定ではなく例として、一時的なコンピュータ可読媒体又は通信媒体は、電気的、光学的、音響的、またはその他の形式の伝搬信号を含む。

【0062】

以上、本開示の実施形態を詳細に説明したが、本開示は、上記した実施形態に限定されるものではなく、本開示の趣旨を逸脱しない範囲で上記実施形態に対して変更や修正を加えたものも、本開示に含まれる。

【符号の説明】

【0063】

１０００：交通監視システム
１００：ＤＡＳ
２００：交通監視装置
２１０：取得部
２２０：抽出部
２３０：分離部
２４０：ノイズ除去部
２４１：決定部
２４２：延長部
２４３：特徴算出部
２４４：検出部
２４５：除去部
２５０：交通監視部
３００：光ファイバ
１０：道路
２０：車両
１１、１２：画像
１３、１３ａ１、１３ａ２：ウォーターフォールデータ
１４：パッチ
１５、１５ｎ、１５ａ１、１５ａ２、１５ｂ１、１５ｂ２、１５ｂ３、１５ｂ４、１５ｂ５、１５ｃ１、１５ｃ２、１５ｄ１、１５ｄ２、１５ｄ３、１５ｄ４、１５ｄ５、１５ｅ１、１５ｅ２、１５ｅ３、１５ｆ１、１５ｆ２：軌跡
２１：測定日時
２２：平均車両速度
２３：平均車両速度
３１、３２、３３：領域
Ａ１、Ａ２：アルゴリズム
Ｅ１、Ｅ２：端点座標
Ｔ：参照継続時間
Ｔ１、Ｔ２：表

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【手続補正書】

【提出日】2024-07-10

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

ウォーターフォールデータから抽出された複数の軌跡の各々の端部座標を決定する決定手段であって、前記ウォーターフォールデータは、道路に沿って配置された複数のセンシング部の各々からの信号を測定することにより取得される、決定手段と、
前記端部座標を用いて、各軌跡の継続時間が基準継続時間になるように、各軌跡を延長する延長手段と、
延長した各軌跡の特徴を算出する特徴算出手段と、
前記特徴に基づいて、前記複数の軌跡からアウトライヤ軌跡を検出する検出手段と、
前記複数の軌跡から前記アウトライヤ軌跡を除去する除去手段と、
を備えるノイズ除去装置。

【請求項2】

各軌跡の傾きに基づいて前記道路を走行する１台の車両の速度を算出し、前記道路を走行する車両の平均速度を算出する交通監視手段、
を備える請求項１に記載のノイズ除去装置。

【請求項3】

前記ノイズ除去装置は、前記ウォーターフォールデータを複数のパッチに分離する分離手段を備え、
前記決定手段は、各パッチに含まれる各軌跡の前記端部座標を決定し、
前記交通監視手段は、パッチごとに前記平均速度を算出する、
請求項２に記載のノイズ除去装置。

【請求項4】

前記特徴は、延長した各軌跡の長さである、
請求項２または３のいずれか１項に記載のノイズ除去装置。

【請求項5】

前記交通監視手段は、延長後の各軌跡の長さのうち、前記ウォーターフォールデータから抽出されたいずれかの軌跡と重なる部分の長さを測り、前記部分の前記長さに応じた重み付け係数を導出し、前記重み付け係数に基づいて前記平均速度を算出する、
請求項２から４のいずれか１項に記載のノイズ除去装置。

【請求項6】

ウォーターフォールデータから抽出された複数の軌跡の各々の端部座標を決定することであって、前記ウォーターフォールデータは、道路に沿って配置された複数のセンシング部の各々からの信号を測定することにより取得される、ことと、
前記端部座標を用いて、各軌跡の継続時間が基準継続時間になるように、各軌跡を延長することと、
延長した各軌跡の特徴を算出することと、
前記特徴に基づいて、前記複数の軌跡からアウトライヤ軌跡を検出することと、
前記複数の軌跡から前記アウトライヤ軌跡を除去することと、
を含むノイズ除去方法。

【請求項7】

ウォーターフォールデータから抽出された複数の軌跡の各々の端部座標を決定することであって、前記ウォーターフォールデータは、道路に沿って配置された複数のセンシング部の各々の信号を測定することにより取得される、ことと、
前記端部座標を用いて、各軌跡の継続時間が基準継続時間になるように、各軌跡を延長することと、
延長した各軌跡の特徴を算出することと、
前記特徴に基づいて、前記複数の軌跡からアウトライヤ軌跡を検出することと、
前記複数の軌跡から前記アウトライヤ軌跡を除去することと、
を含む処理をコンピュータに実行させるプログラム。

【国際調査報告】