移动方式判别系统、移动方式判别装置以及移动方式判别程序的制作方法
移动方式判别系统、移动方式判别装置以及移动方式判别程序的制作方法
【专利摘要】本发明的目的在于：提供一种在使用传感器数据判别安装传感器的终端的移动方式时考虑到道路状况等对传感器数据产生影响的因素来判别终端的移动方式的方法、以及实现它的系统。向传感器数据赋予环境信息，预先将用于判别终端的移动方式的判别基准值与多个环境信息分别对应起来，与赋予的环境信息对应地选择预定的判别基准值，使用传感器数据和选择出的预定的判别基准值来判别终端的移动方式。
【专利说明】移动方式判别系统、移动方式判别装置以及移动方式判别 程序
【技术领域】
[0001] 本发明涉及一种判别终端的移动方式的系统。
【背景技术】
[0002] 近年来，伴随着智能手机、平板终端等的普及，正在试着提供使用安装在便携终端 中的传感器推定持有该终端的人的移动方式的方法、以及利用其结果的服务。
[0003] 例如，在专利文献1中，记载了一种移动体终端装置，其在利用多个移动方式的情 况下，通过切换与移动方式对应的应用程序，进行与移动方式对应的支持。具体地说，记载 了使用方位传感器、温度传感器、气压传感器、倾斜传感器、陀螺仪传感器、GPS(全球定位 系统）信号接收机、地图数据库判别汽车、步行、自行车、摩托车、有轨电车等移动方式的方 法。
[0004]另外，在非专利文献1中，记载了以下的方法：使用机械学习的方法，根据安装了 加速度传感器的便携终端的运动，推定终端持有者的移动状况是"静止"、"步行"、"行驶"、 "乘车中（公交车/有轨电车）"的4个状态中的哪个。
[0005] 现有技术文献 [0006] 专利文献
[0007] 专利文献1 :日本特开2007-303989号公报 [0008] 非专利文献
[0009] 非专利文献1 :池谷直紀、菊池匡晃、長健太、服部正典「3軸加速度★ f 用^;1；移動状況推定方法」、电子信息通信学会技术研究报告USN Ubiquitous Sensor network、Vol. 108、Num. 138、pp. 75-80、2008 年 7 月 10 日
【发明内容】
[0010] 发明要解决的问题
[0011] 但是，在专利文献1和非专利文献1中，在任意一个文献中都没有考虑到各移动方 式内的数据的波动的因素。加速度传感器、陀螺仪传感器、方位传感器、气压传感器、倾斜 传感器等输出的值，例如由于道路状况的不同而受到很大影响，因此，为了高精度地进行推 定，考虑到该因素是重要的。
[0012] 例如，在完备地铺设的道路上，移动体（例如车辆、人）的上下、左右、前后的摇晃 小，因此传递到终端的摇晃也小，因此认为各种传感器的测量值中因该摇晃产生的波动也 小。与此相对，例如在碎石路、即使通过浙青进行了铺设仍凹凸剧烈的道路上，移动体的上 下、左右、前后的摇晃大，因此传递到终端的摇晃也大。因此，认为各种传感器的测量值中因 该摇晃产生的波动也大，需要设定与道路状况匹配的判断基准。特别对于被认为容易受到 道路状况的影响的汽车、摩托车、公交车等，需要考虑到道路状况的判别方法。
[0013] 而且，例如驾驶员的驾驶习惯等也对传感器的数据产生影响。考虑到该因素的判 别方法也是重要的。
[0014] 本发明就是鉴于这样的情况而提出的，其目的在于：提供一种考虑到例如道路状 况等对传感器的值产生影响的因素来判别终端的移动方式的方法、以及实现它的系统。
[0015] 用于解决问题的手段
[0016] 以下，简单地说明在本申请中公开的发明中的代表性的发明的概要。
[0017] 一种移动方式判别系统，具备：第一传感器；赋予部，其对第一传感器取得的数据 赋予与取得数据的环境有关的环境信息；存储部，其与多个环境信息分别对应地存储用于 判别安装第一传感器的终端的移动方式的判别基准值；移动方式判别部，其与赋予的环境 信息对应地，从存储部选择预定的判别基准值，使用数据和预定的判别基准值判别终端的 移动方式。
[0018] 发明效果
[0019] 根据本发明，能够高精度地判别终端的移动方式。
[0020] 根据以下的实施方式的说明来明确上述以外的课题、结构以及效果。
【专利附图】
【附图说明】
[0021] 图1是移动方式判别系统的结构图的例子。
[0022] 图2是用于进行移动方式判别的便携终端的结构图的例子。
[0023] 图3是用于进行移动方式判别的计算机的结构图的例子。
[0024] 图4是说明移动方式判别的处理的流程图的例子。
[0025] 图5 (a)是被赋予了标签的收集数据的例子。
[0026] 图5(b)是存储在按因素区别判别基准数据库中的数据的例子。
[0027] 图5(c)是存储在按因素区别判别基准数据库中的数据的例子。
[0028] 图6是带学习功能的移动方式判别系统的结构图的例子。
[0029] 图7是存储在判别基准决定用数据库中的数据的例子。
[0030] 图8是经由网络收集学习用数据时的系统结构图的例子。
[0031] 图9是数据上载用接口的例子。
[0032] 图10是带修正功能的移动方式判别系统的结构图的例子。
[0033] 图11是说明利用时序判别信息存储部1008进行移动方式判别的步骤的流程图的 例子。
[0034] 图12是存储在时序判别信息存储部中的数据的例子。
[0035] 图13是带静止行驶判定功能的移动方式判别系统的结构图的例子。
[0036] 图14是说明通过k-均值法（k-means)进行2类分类的方法的流程图的例子。
[0037] 图15(a)是存储在按因素区别判别基准数据库中的数据的例子。
[0038] 图15(b)是存储在判别基准决定用数据库中的数据的例子。
[0039] 图16是说明根据GPS信息进行静止行驶判定的步骤的流程图的例子。
[0040] 图17是带步行排除功能的移动方式判别系统的结构图的例子。
[0041] 图18(a)是步行时的加速度数据的例子。
[0042] 图18(b)是步行时的加速度数据的例子。
[0043] 图18(c)是步行时的加速度数据的例子。
[0044] 图18 (d)是步行时的加速度数据的例子。
[0045] 图19是说明步行检测部1710的处理的流程图的例子。
[0046] 图20是带特征性移动方式排除功能的移动方式判别系统的结构图的例子。
[0047] 图21是说明特征性移动方式检测部2011的处理的流程图的例子。
[0048] 图22是表示有轨电车行驶时的速度的特征的图表的例子。
[0049] 图23是带多个传感器综合功能的移动方式判别系统的结构图的例子。
[0050] 图24(a)是存储在按因素区别判别基准数据库中的数据的例子。
[0051] 图24(b)是存储在判别基准决定用数据库中的数据的例子。
[0052] 图25是带周围终端信息利用功能的移动方式判别系统的结构图的例子。
[0053] 图26是移动方式判别结果数据库的例子。
[0054] 图27是带道路状况决定功能的移动方式判别系统的结构图的例子。
[0055] 图28 (a)是按因素区别判别基准数据库的例子。
[0056] 图28 (b)是判别基准决定用数据库的例子。
[0057] 图29是带无标签数据学习功能的移动方式判别系统的结构图的例子。
[0058] 图30是说明利用无标签数据修正判别基准值的处理的流程图的例子。
[0059] 图31 (a)是存储在无标签判别基准修正用数据库中的数据的例子。
[0060] 图31 (b)是无标签数据的判别结果的例子。
[0061] 图31 (c)是按因素区别判别基准数据库的修正的例子。
[0062] 图32是带数据发送控制功能的移动方式判别系统的结构图的例子。
[0063] 图33是带传感器开/关切换功能的移动方式判别系统的结构图的例子。
[0064] 图34是道路拥挤状况推定系统的结构图的例子。
[0065] 图35是存储在道路拥挤状况推定用数据库中的数据的例子。
[0066] 图36是地图利用道路拥挤状况推定系统的结构图的例子。
[0067] 图37是带移动方式区别拥挤状况显示功能的道路拥挤状况推定系统的结构图的 例子。
[0068] 图38是按移动方式区别的道路拥挤状况的显示例子。
【具体实施方式】
[0069] 以下，使用【专利附图】
【附图说明】实施例。
[0070][实施例1]
[0071] 在本实施例中，说明使用加速度传感器进行终端持有者的移动方式的判别的系统 (以下称为移动方式判别系统）100的例子。
[0072] 此外，以下作为移动方式以判别汽车和摩托车的方法为例子进行说明，但对于公 交车、有轨电车、自行车、在新兴国家等中普及的机动三轮车等，也能够通过同样的方法进 行判别。
[0073] 另外，作为对传感器产生影响的因素，使用与取得数据的环境有关的环境信息、具 体地说道路属性、地区等与道路状况有关的信息作为例子。另外，作为环境信息，例如针对 驾驶的习惯等驾驶员固有的信息、其他因素也能够通过同样的方法处理，针对它们中的多 个因素，还能够切换判别基准。
[0074] 图1是本实施例的移动方式判别系统的结构图的例子。本移动方式判别系统100 具备加速度传感器101、移动方式判别部102、按因素区别判别基准数据库103、因素标签赋 予部104。
[0075] 加速度传感器101以预定的采样速率测量数据。因素标签赋予部104向从加速度 传感器101得到的测量值赋予与道路状况有关的标签。移动方式判别部102根据该标签， 读出存储在按因素区别判别基准数据库103中的每个道路状况的判别基准值，将该判别基 准值和收集到的数据进行比较，由此判别移动方式。将在后面说明判别的方法。
[0076] 在此，例如可以通过智能手机等具有加速度传感器、运算部、存储部那样的一台终 端来实现移动方式判别系统100。另外，也可以与具有加速度传感器100的智能手机等终端 分别地准备进行运算处理的计算机，使得在该计算机内具备移动方式判别部102、按因素区 别判别基准数据库103。此外，通过终端或计算机实现因素标签赋予部104即可。
[0077] 在通过一台终端实现移动方式判别系统100的情况下，例如可以使用图2那样的 便携终端200。在便携终端200中，中央运算处理装置203将从加速度传感器202得到的测 量值与存储在存储装置204所保存的按因素区别判别基准数据库中的每个道路状况的判 别基准值进行比较，由此判别移动方式是汽车还是摩托车。例如使用总线206等收发数据。 除此以外，优选具备接受用户输入的输入控制装置201、用于显示判别结果等的画面显示控 制装置205。
[0078] 另外，在通过便携终端实现在实施例中说明的功能的情况下，中央运算处理装置 203读出并执行记录在存储装置204中的各种程序，由此实现各种功能。例如，对于移动方 式判别部102进行的处理，通过由中央运算处理装置203读出并执行记录在存储装置204 中的移动方式判别程序来实现。对于其他处理也同样。
[0079] 另外，在分别准备具有加速度传感器100的终端、具有移动方式判别部101和按因 素区别判别基准数据库103的计算机的情况下，例如可以使用图3那样的计算机。在该情 况下，从加速度传感器100得到的测量值，既可以使用例如USB (Universal Serial Bus :通 用串行总线）电缆等将加速度传感器100和计算机300连接起来而发送到计算机300,也 可以经由网络发送，还可以在暂时写入到⑶、DVD等介质中后由计算机300将其读入。由中 央运算处理装置302将这样以任意的形式得到的加速度传感器100的测量值读出到主存储 装置303中，与存储在辅助存储装置304所保存的按因素区别判别基准数据库103中的每 个道路状况的判别基准值进行比较，由此判别移动方式是汽车还是摩托车。例如使用总线 306等收发数据。在此，作为主存储装置303,例如可以使用DRAM(动态随机存取存储器）、 SRAM(静态随机存取存储器）等。作为辅助存储装置304,例如可以使用硬盘、快闪存储器、 软盘等。除此以外，为了接受用户输入，优选具备例如处理来自鼠标、键盘等输入装置310 的输入的输入控制装置301、用于显示判别结果等的显示器等输出装置320、用于控制输出 的输出控制装置305等。
[0080] 另外，在通过计算机实现在实施例中说明的功能的情况下，中央运算处理装置302 读出并执行记录在辅助存储装置304中的各种程序，由此实现各种功能。例如，对于移动方 式判别部102进行的处理，通过由中央运算处理装置302读出并执行记录在辅助存储装置 304中的移动方式判别程序来实现。对于其他处理也同样。
[0081] 接着，说明用于移动方式判别处理的特征量的例子。在此，以以下方法为例子进行 说明，即在每一定时间计算从3轴的加速度传感器得到的加速度的范数的分散值，使用将 其一定时间的量收集的中值进行判别。
[0082] 在此，加速度的范数是指在分别将3轴的加速度的测量值设为ax、ay、az时满足a =(ax2+ay2+az 2)1/2的值。使用它的理由是因为：各轴方向的加速度的测量值很大程度地依存 于终端的方向，因此在放入长裤的口袋、放入胸袋、放入提包中等各种携带方式时，只根据 各轴方向的加速度无法得到稳定的值，而与此相对，如果使用范数则能够处理与方向无关 的加速度的大小，因此认为能够得到与终端姿态无关的稳定的值。
[0083] 使用分散值的理由是因为：可以将分散值认为是很好地反映移动方式所固有的振 动的值。例如只是简单地使用加速度的绝对值得到启动时、停止时的加减速的不同，在静止 时和以固定速度行驶时是无法判别移动方式的，但通过着眼于固有的振动特性的不同，就 能够与静止时、加速减速时、固定速度下的行驶时无关地判别移动方式。
[0084] 在此，说明产生移动方式固有的振动的理由。例如，在汽车、摩托车中装备有以引 擎为代表的驱动系统，在驾驶车辆时产生因该驱动系统造成的振动。例如，在汽车的情况 下，大多将驱动系统装备在车辆前部的发动机盖中，与乘车人离开了距离，因此该振动难以 传递，与此相对，在摩托车的情况下，大多将驱动系统装备在座席下面附近，具有容易将该 振动传递到乘车人的倾向。另外，汽车与摩托车相比，吸收因车辆的上下运动等造成的振动 而不传递到乘车人的悬挂的功能大多优越，因此也认为汽车与摩托车相比，具有难以将因 道路面的凹凸等造成的振动传递到乘车者的倾向。这样，振动的传递方式与移动方式对应 地具有一定的倾向，这成为产生移动方式所固有的振动的理由。
[0085] 使用中值的理由是为了提高判别的稳定性。例如在只根据10秒等短时间段（将其 称为小段）中的一个分散值进行判别的情况下，由于在该段中特别是通过了铺设状况差的 道路、频繁地重复加减速、传感器偶然产生大的噪声等各种理由，有时会进行错误的判别。 与此相对，通过使用在例如900秒、即90个小段等的一定时间（将其称为大段）中收集到 该分散值时的中值，能够对上述那样的噪声进行高鲁棒性的判别。
[0086] 以下，使用图4说明具体的移动方式判别处理的步骤。
[0087] 首先，在401中，读入加速度传感器的测量值。接着，在402中，因素标签赋予部 104赋予对传感器的测量值产生影响的每个因素的标签。例如，在本实施例中，赋予与道路 状况有关的标签。在此，也可以以与传感器的采样速率相同的间隔对全部测量值赋予标签。 或者，为了削减数据量，也可以指定起点和终点，将其间的数据全部设为同一标签，针对各 起点和终点的组只赋予一个标签等。
[0088] 作为赋予标签的方法，可以使用GPS信息赋予地区、道路属性等与道路状况有关 的信息。将在后面说明具体的方法。此外，例如也可以在收集到判别对象数据时进行备注 等，以任意的形式在判别对象数据中保留道路属性、地区等用于判断可以从判断基准数据 库中读出哪个判别基准值的记录，并根据它手动地进行赋予。在图5(a)中表示赋予了标签 的数据的例子。
[0089] 接着，在403中将数据例如分割为10秒等适当长度的小段。接着，在404中对每个 小段计算范数的分散值〇。接着，在405中计算在例如900秒、即90段等的一定时间（大 段）中收集到分散值％时的中值medop接着，在406中，从存储有针对每个道路状况预 先设定的阈值9 k的按因素区别判别基准数据库103中，读出与在402中赋予的标签对应 的道路状况的判别基准值。在判别基准数据库中，例如如图5(b)那样存储有因素标签、在 本实施例的情况下为每个道路属性（浙青路面、浙青路面（凹凸多）、碎石路……）的阈值。 关于判别基准值，不只是阈值，例如只要是用于根据进行变换的结果的正负进行判别的变 换式、用于根据输入值输出某移动体相似性的似然函数等用于判别的内容，则可以存储任 意内容。另外，认为在发达国家的市中心中已经将道路铺设得很整齐，但是在新兴国家等中 没有铺设道路，或者即使铺设也有很多凹凸等，平均的道路的铺设状况根据地区存在倾向。 因此，也可以如图5(c)那样设计为对每个地区确定判别基准值。总之，设计数据库使得成 为与道路状况匹配的判别基准值是重要的。由此，能够与道路状况对应地选择用于判别是 汽车还是摩托车的判别基准值，能够提高判别精度。
[0090] 在读出判别基准值后，在407中对med 〇」和0 k进行比较。如果med c^_比判别基 准值9 k小，则在408中输出汽车标签，如果medOj比判别基准值0k大，则在409中输出摩 托车标签。这是因为认为摩托车的上述固有的振动大。以上结束大段的一个区间的处理。 实际上，通过以大段的个数重复该处理，来对每个大段判别移动方式是汽车还是摩托车。 [0091] 此外，赋予标签的定时并不一定必须如本实施例所记载的那样是刚读出数据之 后，例如也可以在划分为大段后向各大段赋予。另外，在如上述那样分别准备终端和计算机 的情况下，可以在终端取得加速度数据而发送到计算机之前使用GPS信息来赋予。总之，只 要在进行大段的移动方式判别时能够判断可以读出哪个判别基准值，则对于赋予标签的定 时没有限定。
[0092] 另外，在本实施例中，记载了使用加速度传感器作为用于检测移动方式所固有的 振动的传感器的例子，但只要是能够检测上述固有的振动的传感器，则既可以使用陀螺仪 传感器、磁方位传感器等其他传感器来实施，也可以将这些传感器使用多个来实施。
[0093] 另外，为了获得固有的振动，在本实施例中介绍了在每一定时间中计算范数的分 散值，使用将其以一定时间量收集时的中值的例子，但只要能够表示标准偏差、振幅等固有 的振动，则也可以使用其他指标值，也可以代替中值而使用平均值、四分位数等来实施。 [0094][实施例2]
[0095] 在本实施例中，说明根据事前收集到的判别基准决定用数据（以下将其称为学习 用数据）自动地决定用于判别移动方式的判别基准值的系统的例子。
[0096] 为了进行高精度的移动方式判别，需要适当地确定实施例1所记载的存储在判别 基准数据库103中的判别基准值。但是，存在并不一定明白设为怎样的判别基准值才好的 问题。
[0097] 与此相对，通过事前对例如道路状况等对传感器产生影响的每个因素收集汽车、 摩托车的数据而构成数据库，可以决定基于实际数据的妥当的判别基准值。通过使用在本 实施例中说明的系统，能够根据事前收集到的学习用数据，决定适当的判别基准值，能够提 高判别的精度。
[0098] 图6是表示实施例2的带学习功能的移动方式判别系统600的结构图的例子。 [0099] 本带学习功能的移动方式判别系统600除了实施例1记载的移动方式判别系统 100的结构以外，还具备用于收集学习用数据的传感器606、用于存储收集到的学习用数据 的判别基准决定用数据库605、根据该数据决定对传感器产生影响的每个因素的判别基准 的判别基准决定部604。作为硬件的结构，例如如图6那样，在计算机上实现移动方式判别 部102、按因素区别判别基准数据库103、因素标签赋予部104、判别基准决定部604、判别基 准决定用数据库605。传感器606使用与用于判别移动方式的传感器101相同种类的传感 器。作为学习用数据收集用的传感器606,可以使用安装在希望进行移动方式判别的终端中 的传感器101，也可以使用其他终端的加速度传感器，也可以使用它们的双方等而使用多个 传感器，在本实施例中，作为例子记载使用加速度传感器的例子。
[0100] 除了该结构以外，例如也可以使用兼具传感器和计算机的功能的智能手机等，在 一台终端上实现图6所示的结构整体，还可以在一台智能手机等终端中实现加速度传感器 101、移动方式判别部102、按因素区别判别基准数据库103、因素标签赋予部104,在计算机 中实现判别基准决定部604、判别基准决定用数据库605,在其他智能手机等终端中实现加 速度传感器605等。总之，只要能够实现图6所示的功能，对硬件的组合方式没有限定。此 夕卜，对于图1的移动方式判别系统100中已经说明的被赋予了图1所示的相同的符号的结 构、具有相同的功能的部分，省略说明。
[0101] 图7是判别基准决定用数据库605所存储的数据的例子。在构筑判别基准决定用 数据库时，除了手动地赋予收集到的数据是汽车的数据还是摩托车的数据的标签以外，例 如还在收集学习用数据时进行备注等，以任意形式赋予道路属性、地区等用于表示是与怎 样的道路状况对应的学习数据的标签。此后，说明通过追加其他结构来自动地赋予道路状 况标签的方法。
[0102] 除此以外，在判别基准决定用数据库中，存储在实施例1中说明图4的处理步骤时 记载的分散值的中值。该分散值的中值的计算方法与在实施例1中说明的相同，因此在此 省略说明。此外，与实施例1记载的说明同样地，除了在每一定时间计算范数的分散值，并 将其以一定时间收集时的中值以外，只要能够表示标准偏差、振幅等固有的振动，则也可以 使用其他指标值，还可以代替中值而使用平均值、四分位数等来实施。另外，与按因素区别 判别基准数据库103同样地，对于与道路状况有关的信息，例如可以赋予道路属性、地区等 标签，但在本实施例中，只记载了使用地区的例子。
[0103] 以下，说明决定判别基准值的方法。首先，使用加速度传感器606收集学习用数据 并存储在判别基准决定用数据库605中。然后，判别基准决定部604参照存储在判别基准决 定用数据库605中的学习用数据，计算每个道路状况的判别基准值，将该值存储在按因素 区别判别基准数据库103中。在判别基准值的计算中，例如可以使用SVM(Support Vector Machine :支持向量机）。SVM是通过求解某凸最优化问题来推定最好地分离赋予了标签的 学习用数据的超平面的方法。
[0104] 以下，在本实施例中说明应用SVM的方法。首先，将分离汽车的数据（以下称为汽 车类的数据）和摩托车的数据（以下称为摩托车类的数据）的超平面的（实际上，此处处 理的分散的中值是一维的值，因此为直线）的式子设为y(〇 n) =w1〇n+W(l。在此，〇n是第 n个数据的分散的中值。其目的在于求出该式中的参数 Wl、W(1的最优值。另外，在第n个数 据是汽车类时，导入为+1那样的值tn，在是摩托车类时导入为-1那样的值t n。在此，通常 认为很少能够完全地分离汽车类的数据和摩托车类的数据，具有一定的重叠。因此，为了对 应这样的问题，导入具有放宽SVM中的制约条件的效果的、被称为软间隔（soft margin)的 思路。因此，导入松弛变量€n。是在正确地分类数据时定义为€n = 〇、在除此以外的 情况下定义为€n= |tn-y(〇n)|的值。根据以上那样的设定，如果基于SVM的理论，则通 过针对W(I、W1求解在式（1)中给出的带制约的最优化问题，来得到分离汽车类和摩托车类的 超平面的式子的参数WpWi。在此，式（1)的最优化问题是具有2次的目标函数和线性的制 约条件的最优化问题，因此能够不限于局部最优的问题而得到解。因此，使用最速下降法、 牛顿法等任意的现有算法来求解即可。此外，关于参数C，利用交叉确认法等，一边使用学习 用数据确认使C的值变为各种值时的判别精度，一边决定适当的值即可。
[0105] [数学式1]
[0106] 目标函数：
[0107]
【权利要求】
1. 一种移动方式判别系统，其特征在于，具备： 第一传感器； 赋予部，其对上述第一传感器取得的数据赋予与取得上述数据的环境有关的环境信 息； 存储部，其与多个环境信息分别对应地存储用于判别安装上述第一传感器的终端的移 动方式的判别基准值；以及 移动方式判别部，其与上述赋予的环境信息对应地从上述存储部选择预定的上述判别 基准值，使用上述数据和上述预定的判别基准值判别上述终端的移动方式。
2. 根据权利要求1所述的移动方式判别系统，其特征在于， 还具备： 与上述第一传感器相同种类的第二传感器；以及 判别基准决定部，其使用由上述第二传感器取得的学习用数据，决定存储在上述存储 部中的上述判别基准值。
3. 根据权利要求1所述的移动方式判别系统，其特征在于， 还具备：静止行驶判定部，其使用由上述第一传感器取得的数据，判定上述终端是静止 状态还是行驶状态， 上述移动方式判别部与上述静止状态或上述行驶状态对应地，变更用于判别上述终端 的移动方式的判别基准值。
4. 根据权利要求1所述的移动方式判别系统，其特征在于， 还具备： GPS接收机，其取得上述终端的位置信息；以及 判别结果修正部，其使用多个终端的上述位置信息和取得上述位置信息的时间，检索 位于预定的终端的周边的周边终端， 上述判别结果修正部使用上述周边终端的移动方式判别结果，修正上述预定的终端的 移动方式判别结果。
5. 根据权利要求1所述的移动方式判别系统，其特征在于， 还具备： GPS接收机，其取得上述终端的位置信息；以及 道路状况决定部，其根据上述位置信息决定取得上述数据时的地区或道路属性， 上述赋予部将上述地区或上述道路属性作为上述环境信息来赋予。
6. 根据权利要求2所述的移动方式判别系统，其特征在于， 还具备： GPS接收机，其取得GPS信息；以及 切换部，其与上述GPS信息的精度对应地控制是否进行上述第二传感器的测量。
7. 根据权利要求1所述的移动方式判别系统，其特征在于， 上述第一传感器是用于检测振动的加速度传感器。
8. -种道路拥挤状况推定系统，其具备权利要求1所述的移动方式判别系统，该道路 拥挤状况推定系统的特征在于， 具备： GPS接收机，其取得上述终端的位置信息； 拥挤状况推定部，其使用多个终端各自的上述位置信息、根据上述位置信息计算的移 动速度、上述数据的取得时间、上述移动方式的判别结果，推定道路的拥挤状况。
9. 根据权利要求8所述的道路拥挤状况推定系统，其特征在于， 具备： 按移动方式区别拥挤状况显示部，其按照上述移动方式区别地显示上述道路的拥挤状 况。
10. -种移动方式判别装置，其使用通过第一传感器取得的数据判别安装上述第一传 感器的终端的移动方式，其特征在于， 对上述数据赋予了与取得上述数据的环境有关的环境信息， 具备： 存储部，其与多个环境信息分别对应地存储用于判别上述终端的移动方式的判别基准 值；以及 移动方式判别部，其与对上述数据赋予的环境信息对应地从上述存储部选择预定的上 述判别基准值，使用上述数据和上述预定的判别基准值判别上述终端的移动方式。
11. 根据权利要求10所述的移动方式判别装置，其特征在于， 还具备： 判别基准决定部，其使用与上述第一传感器相同种类的第二传感器取得的学习用数 据，决定存储在上述存储部中的上述判别基准值。
12. 根据权利要求10所述的移动方式判别装置，其特征在于， 还具备：静止行驶判定部，其使用由上述第一传感器取得的数据，判定上述终端是静止 状态还是行驶状态， 上述移动方式判别部与上述静止状态或上述行驶状态对应地，变更用于判别上述终端 的移动方式的判别基准值。
13. 根据权利要求10所述的移动方式判别装置，其特征在于， 还具备：判别结果修正部，其使用通过GPS接收机取得的多个上述终端的位置信息、取 得上述位置信息的时间，检索位于预定的终端的周边的周边终端， 上述判别结果修正部使用上述周边终端的移动方式判别结果，修正上述预定的终端的 移动方式判别结果。
14. 一种道路拥挤状况推定系统，其具备权利要求10所述的移动方式判别装置，该道 路拥挤状况推定系统的特征在于， 通过GPS接收机取得上述终端的位置信息， 具备：拥挤状况推定部，其使用多个终端各自的上述位置信息、根据上述位置信息计算 的移动速度、上述数据的取得时间、上述移动方式的判别结果，推定道路的拥挤状况。
15. -种移动方式判别程序，其使移动方式判别装置使用通过第一传感器取得的数据 判别安装上述第一传感器的终端的移动方式，其特征在于， 对上述数据赋予了与取得上述数据的环境有关的环境信息， 与多个环境信息分别对应地存储用于判别上述终端的移动方式的判别基准值， 与对上述数据赋予的环境信息对应地从上述存储的判别基准值中选择预定的判别基 准值，使用上述数据和上述预定的判别基准值判别上述终端的移动方式。
【文档编号】G01C21/00GK104412310SQ201280074463
【公开日】2015年3月11日 申请日期:2012年6月1日 优先权日:2012年6月1日
【发明者】大桥洋辉, 秋山高行 申请人:株式会社日立制作所
【专利摘要】本发明的目的在于：提供一种在使用传感器数据判别安装传感器的终端的移动方式时考虑到道路状况等对传感器数据产生影响的因素来判别终端的移动方式的方法、以及实现它的系统。向传感器数据赋予环境信息，预先将用于判别终端的移动方式的判别基准值与多个环境信息分别对应起来，与赋予的环境信息对应地选择预定的判别基准值，使用传感器数据和选择出的预定的判别基准值来判别终端的移动方式。
【专利说明】移动方式判别系统、移动方式判别装置以及移动方式判别 程序
【技术领域】
[0001] 本发明涉及一种判别终端的移动方式的系统。
【背景技术】
[0002] 近年来，伴随着智能手机、平板终端等的普及，正在试着提供使用安装在便携终端 中的传感器推定持有该终端的人的移动方式的方法、以及利用其结果的服务。
[0003] 例如，在专利文献1中，记载了一种移动体终端装置，其在利用多个移动方式的情 况下，通过切换与移动方式对应的应用程序，进行与移动方式对应的支持。具体地说，记载 了使用方位传感器、温度传感器、气压传感器、倾斜传感器、陀螺仪传感器、GPS(全球定位 系统）信号接收机、地图数据库判别汽车、步行、自行车、摩托车、有轨电车等移动方式的方 法。
[0004]另外，在非专利文献1中，记载了以下的方法：使用机械学习的方法，根据安装了 加速度传感器的便携终端的运动，推定终端持有者的移动状况是"静止"、"步行"、"行驶"、 "乘车中（公交车/有轨电车）"的4个状态中的哪个。
[0005] 现有技术文献 [0006] 专利文献
[0007] 专利文献1 :日本特开2007-303989号公报 [0008] 非专利文献
[0009] 非专利文献1 :池谷直紀、菊池匡晃、長健太、服部正典「3軸加速度★ f 用^;1；移動状況推定方法」、电子信息通信学会技术研究报告USN Ubiquitous Sensor network、Vol. 108、Num. 138、pp. 75-80、2008 年 7 月 10 日
【发明内容】
[0010] 发明要解决的问题
[0011] 但是，在专利文献1和非专利文献1中，在任意一个文献中都没有考虑到各移动方 式内的数据的波动的因素。加速度传感器、陀螺仪传感器、方位传感器、气压传感器、倾斜 传感器等输出的值，例如由于道路状况的不同而受到很大影响，因此，为了高精度地进行推 定，考虑到该因素是重要的。
[0012] 例如，在完备地铺设的道路上，移动体（例如车辆、人）的上下、左右、前后的摇晃 小，因此传递到终端的摇晃也小，因此认为各种传感器的测量值中因该摇晃产生的波动也 小。与此相对，例如在碎石路、即使通过浙青进行了铺设仍凹凸剧烈的道路上，移动体的上 下、左右、前后的摇晃大，因此传递到终端的摇晃也大。因此，认为各种传感器的测量值中因 该摇晃产生的波动也大，需要设定与道路状况匹配的判断基准。特别对于被认为容易受到 道路状况的影响的汽车、摩托车、公交车等，需要考虑到道路状况的判别方法。
[0013] 而且，例如驾驶员的驾驶习惯等也对传感器的数据产生影响。考虑到该因素的判 别方法也是重要的。
[0014] 本发明就是鉴于这样的情况而提出的，其目的在于：提供一种考虑到例如道路状 况等对传感器的值产生影响的因素来判别终端的移动方式的方法、以及实现它的系统。
[0015] 用于解决问题的手段
[0016] 以下，简单地说明在本申请中公开的发明中的代表性的发明的概要。
[0017] 一种移动方式判别系统，具备：第一传感器；赋予部，其对第一传感器取得的数据 赋予与取得数据的环境有关的环境信息；存储部，其与多个环境信息分别对应地存储用于 判别安装第一传感器的终端的移动方式的判别基准值；移动方式判别部，其与赋予的环境 信息对应地，从存储部选择预定的判别基准值，使用数据和预定的判别基准值判别终端的 移动方式。
[0018] 发明效果
[0019] 根据本发明，能够高精度地判别终端的移动方式。
[0020] 根据以下的实施方式的说明来明确上述以外的课题、结构以及效果。
【专利附图】
【附图说明】
[0021] 图1是移动方式判别系统的结构图的例子。
[0022] 图2是用于进行移动方式判别的便携终端的结构图的例子。
[0023] 图3是用于进行移动方式判别的计算机的结构图的例子。
[0024] 图4是说明移动方式判别的处理的流程图的例子。
[0025] 图5 (a)是被赋予了标签的收集数据的例子。
[0026] 图5(b)是存储在按因素区别判别基准数据库中的数据的例子。
[0027] 图5(c)是存储在按因素区别判别基准数据库中的数据的例子。
[0028] 图6是带学习功能的移动方式判别系统的结构图的例子。
[0029] 图7是存储在判别基准决定用数据库中的数据的例子。
[0030] 图8是经由网络收集学习用数据时的系统结构图的例子。
[0031] 图9是数据上载用接口的例子。
[0032] 图10是带修正功能的移动方式判别系统的结构图的例子。
[0033] 图11是说明利用时序判别信息存储部1008进行移动方式判别的步骤的流程图的 例子。
[0034] 图12是存储在时序判别信息存储部中的数据的例子。
[0035] 图13是带静止行驶判定功能的移动方式判别系统的结构图的例子。
[0036] 图14是说明通过k-均值法（k-means)进行2类分类的方法的流程图的例子。
[0037] 图15(a)是存储在按因素区别判别基准数据库中的数据的例子。
[0038] 图15(b)是存储在判别基准决定用数据库中的数据的例子。
[0039] 图16是说明根据GPS信息进行静止行驶判定的步骤的流程图的例子。
[0040] 图17是带步行排除功能的移动方式判别系统的结构图的例子。
[0041] 图18(a)是步行时的加速度数据的例子。
[0042] 图18(b)是步行时的加速度数据的例子。
[0043] 图18(c)是步行时的加速度数据的例子。
[0044] 图18 (d)是步行时的加速度数据的例子。
[0045] 图19是说明步行检测部1710的处理的流程图的例子。
[0046] 图20是带特征性移动方式排除功能的移动方式判别系统的结构图的例子。
[0047] 图21是说明特征性移动方式检测部2011的处理的流程图的例子。
[0048] 图22是表示有轨电车行驶时的速度的特征的图表的例子。
[0049] 图23是带多个传感器综合功能的移动方式判别系统的结构图的例子。
[0050] 图24(a)是存储在按因素区别判别基准数据库中的数据的例子。
[0051] 图24(b)是存储在判别基准决定用数据库中的数据的例子。
[0052] 图25是带周围终端信息利用功能的移动方式判别系统的结构图的例子。
[0053] 图26是移动方式判别结果数据库的例子。
[0054] 图27是带道路状况决定功能的移动方式判别系统的结构图的例子。
[0055] 图28 (a)是按因素区别判别基准数据库的例子。
[0056] 图28 (b)是判别基准决定用数据库的例子。
[0057] 图29是带无标签数据学习功能的移动方式判别系统的结构图的例子。
[0058] 图30是说明利用无标签数据修正判别基准值的处理的流程图的例子。
[0059] 图31 (a)是存储在无标签判别基准修正用数据库中的数据的例子。
[0060] 图31 (b)是无标签数据的判别结果的例子。
[0061] 图31 (c)是按因素区别判别基准数据库的修正的例子。
[0062] 图32是带数据发送控制功能的移动方式判别系统的结构图的例子。
[0063] 图33是带传感器开/关切换功能的移动方式判别系统的结构图的例子。
[0064] 图34是道路拥挤状况推定系统的结构图的例子。
[0065] 图35是存储在道路拥挤状况推定用数据库中的数据的例子。
[0066] 图36是地图利用道路拥挤状况推定系统的结构图的例子。
[0067] 图37是带移动方式区别拥挤状况显示功能的道路拥挤状况推定系统的结构图的 例子。
[0068] 图38是按移动方式区别的道路拥挤状况的显示例子。
【具体实施方式】
[0069] 以下，使用【专利附图】
【附图说明】实施例。
[0070][实施例1]
[0071] 在本实施例中，说明使用加速度传感器进行终端持有者的移动方式的判别的系统 (以下称为移动方式判别系统）100的例子。
[0072] 此外，以下作为移动方式以判别汽车和摩托车的方法为例子进行说明，但对于公 交车、有轨电车、自行车、在新兴国家等中普及的机动三轮车等，也能够通过同样的方法进 行判别。
[0073] 另外，作为对传感器产生影响的因素，使用与取得数据的环境有关的环境信息、具 体地说道路属性、地区等与道路状况有关的信息作为例子。另外，作为环境信息，例如针对 驾驶的习惯等驾驶员固有的信息、其他因素也能够通过同样的方法处理，针对它们中的多 个因素，还能够切换判别基准。
[0074] 图1是本实施例的移动方式判别系统的结构图的例子。本移动方式判别系统100 具备加速度传感器101、移动方式判别部102、按因素区别判别基准数据库103、因素标签赋 予部104。
[0075] 加速度传感器101以预定的采样速率测量数据。因素标签赋予部104向从加速度 传感器101得到的测量值赋予与道路状况有关的标签。移动方式判别部102根据该标签， 读出存储在按因素区别判别基准数据库103中的每个道路状况的判别基准值，将该判别基 准值和收集到的数据进行比较，由此判别移动方式。将在后面说明判别的方法。
[0076] 在此，例如可以通过智能手机等具有加速度传感器、运算部、存储部那样的一台终 端来实现移动方式判别系统100。另外，也可以与具有加速度传感器100的智能手机等终端 分别地准备进行运算处理的计算机，使得在该计算机内具备移动方式判别部102、按因素区 别判别基准数据库103。此外，通过终端或计算机实现因素标签赋予部104即可。
[0077] 在通过一台终端实现移动方式判别系统100的情况下，例如可以使用图2那样的 便携终端200。在便携终端200中，中央运算处理装置203将从加速度传感器202得到的测 量值与存储在存储装置204所保存的按因素区别判别基准数据库中的每个道路状况的判 别基准值进行比较，由此判别移动方式是汽车还是摩托车。例如使用总线206等收发数据。 除此以外，优选具备接受用户输入的输入控制装置201、用于显示判别结果等的画面显示控 制装置205。
[0078] 另外，在通过便携终端实现在实施例中说明的功能的情况下，中央运算处理装置 203读出并执行记录在存储装置204中的各种程序，由此实现各种功能。例如，对于移动方 式判别部102进行的处理，通过由中央运算处理装置203读出并执行记录在存储装置204 中的移动方式判别程序来实现。对于其他处理也同样。
[0079] 另外，在分别准备具有加速度传感器100的终端、具有移动方式判别部101和按因 素区别判别基准数据库103的计算机的情况下，例如可以使用图3那样的计算机。在该情 况下，从加速度传感器100得到的测量值，既可以使用例如USB (Universal Serial Bus :通 用串行总线）电缆等将加速度传感器100和计算机300连接起来而发送到计算机300,也 可以经由网络发送，还可以在暂时写入到⑶、DVD等介质中后由计算机300将其读入。由中 央运算处理装置302将这样以任意的形式得到的加速度传感器100的测量值读出到主存储 装置303中，与存储在辅助存储装置304所保存的按因素区别判别基准数据库103中的每 个道路状况的判别基准值进行比较，由此判别移动方式是汽车还是摩托车。例如使用总线 306等收发数据。在此，作为主存储装置303,例如可以使用DRAM(动态随机存取存储器）、 SRAM(静态随机存取存储器）等。作为辅助存储装置304,例如可以使用硬盘、快闪存储器、 软盘等。除此以外，为了接受用户输入，优选具备例如处理来自鼠标、键盘等输入装置310 的输入的输入控制装置301、用于显示判别结果等的显示器等输出装置320、用于控制输出 的输出控制装置305等。
[0080] 另外，在通过计算机实现在实施例中说明的功能的情况下，中央运算处理装置302 读出并执行记录在辅助存储装置304中的各种程序，由此实现各种功能。例如，对于移动方 式判别部102进行的处理，通过由中央运算处理装置302读出并执行记录在辅助存储装置 304中的移动方式判别程序来实现。对于其他处理也同样。
[0081] 接着，说明用于移动方式判别处理的特征量的例子。在此，以以下方法为例子进行 说明，即在每一定时间计算从3轴的加速度传感器得到的加速度的范数的分散值，使用将 其一定时间的量收集的中值进行判别。
[0082] 在此，加速度的范数是指在分别将3轴的加速度的测量值设为ax、ay、az时满足a =(ax2+ay2+az 2)1/2的值。使用它的理由是因为：各轴方向的加速度的测量值很大程度地依存 于终端的方向，因此在放入长裤的口袋、放入胸袋、放入提包中等各种携带方式时，只根据 各轴方向的加速度无法得到稳定的值，而与此相对，如果使用范数则能够处理与方向无关 的加速度的大小，因此认为能够得到与终端姿态无关的稳定的值。
[0083] 使用分散值的理由是因为：可以将分散值认为是很好地反映移动方式所固有的振 动的值。例如只是简单地使用加速度的绝对值得到启动时、停止时的加减速的不同，在静止 时和以固定速度行驶时是无法判别移动方式的，但通过着眼于固有的振动特性的不同，就 能够与静止时、加速减速时、固定速度下的行驶时无关地判别移动方式。
[0084] 在此，说明产生移动方式固有的振动的理由。例如，在汽车、摩托车中装备有以引 擎为代表的驱动系统，在驾驶车辆时产生因该驱动系统造成的振动。例如，在汽车的情况 下，大多将驱动系统装备在车辆前部的发动机盖中，与乘车人离开了距离，因此该振动难以 传递，与此相对，在摩托车的情况下，大多将驱动系统装备在座席下面附近，具有容易将该 振动传递到乘车人的倾向。另外，汽车与摩托车相比，吸收因车辆的上下运动等造成的振动 而不传递到乘车人的悬挂的功能大多优越，因此也认为汽车与摩托车相比，具有难以将因 道路面的凹凸等造成的振动传递到乘车者的倾向。这样，振动的传递方式与移动方式对应 地具有一定的倾向，这成为产生移动方式所固有的振动的理由。
[0085] 使用中值的理由是为了提高判别的稳定性。例如在只根据10秒等短时间段（将其 称为小段）中的一个分散值进行判别的情况下，由于在该段中特别是通过了铺设状况差的 道路、频繁地重复加减速、传感器偶然产生大的噪声等各种理由，有时会进行错误的判别。 与此相对，通过使用在例如900秒、即90个小段等的一定时间（将其称为大段）中收集到 该分散值时的中值，能够对上述那样的噪声进行高鲁棒性的判别。
[0086] 以下，使用图4说明具体的移动方式判别处理的步骤。
[0087] 首先，在401中，读入加速度传感器的测量值。接着，在402中，因素标签赋予部 104赋予对传感器的测量值产生影响的每个因素的标签。例如，在本实施例中，赋予与道路 状况有关的标签。在此，也可以以与传感器的采样速率相同的间隔对全部测量值赋予标签。 或者，为了削减数据量，也可以指定起点和终点，将其间的数据全部设为同一标签，针对各 起点和终点的组只赋予一个标签等。
[0088] 作为赋予标签的方法，可以使用GPS信息赋予地区、道路属性等与道路状况有关 的信息。将在后面说明具体的方法。此外，例如也可以在收集到判别对象数据时进行备注 等，以任意的形式在判别对象数据中保留道路属性、地区等用于判断可以从判断基准数据 库中读出哪个判别基准值的记录，并根据它手动地进行赋予。在图5(a)中表示赋予了标签 的数据的例子。
[0089] 接着，在403中将数据例如分割为10秒等适当长度的小段。接着，在404中对每个 小段计算范数的分散值〇。接着，在405中计算在例如900秒、即90段等的一定时间（大 段）中收集到分散值％时的中值medop接着，在406中，从存储有针对每个道路状况预 先设定的阈值9 k的按因素区别判别基准数据库103中，读出与在402中赋予的标签对应 的道路状况的判别基准值。在判别基准数据库中，例如如图5(b)那样存储有因素标签、在 本实施例的情况下为每个道路属性（浙青路面、浙青路面（凹凸多）、碎石路……）的阈值。 关于判别基准值，不只是阈值，例如只要是用于根据进行变换的结果的正负进行判别的变 换式、用于根据输入值输出某移动体相似性的似然函数等用于判别的内容，则可以存储任 意内容。另外，认为在发达国家的市中心中已经将道路铺设得很整齐，但是在新兴国家等中 没有铺设道路，或者即使铺设也有很多凹凸等，平均的道路的铺设状况根据地区存在倾向。 因此，也可以如图5(c)那样设计为对每个地区确定判别基准值。总之，设计数据库使得成 为与道路状况匹配的判别基准值是重要的。由此，能够与道路状况对应地选择用于判别是 汽车还是摩托车的判别基准值，能够提高判别精度。
[0090] 在读出判别基准值后，在407中对med 〇」和0 k进行比较。如果med c^_比判别基 准值9 k小，则在408中输出汽车标签，如果medOj比判别基准值0k大，则在409中输出摩 托车标签。这是因为认为摩托车的上述固有的振动大。以上结束大段的一个区间的处理。 实际上，通过以大段的个数重复该处理，来对每个大段判别移动方式是汽车还是摩托车。 [0091] 此外，赋予标签的定时并不一定必须如本实施例所记载的那样是刚读出数据之 后，例如也可以在划分为大段后向各大段赋予。另外，在如上述那样分别准备终端和计算机 的情况下，可以在终端取得加速度数据而发送到计算机之前使用GPS信息来赋予。总之，只 要在进行大段的移动方式判别时能够判断可以读出哪个判别基准值，则对于赋予标签的定 时没有限定。
[0092] 另外，在本实施例中，记载了使用加速度传感器作为用于检测移动方式所固有的 振动的传感器的例子，但只要是能够检测上述固有的振动的传感器，则既可以使用陀螺仪 传感器、磁方位传感器等其他传感器来实施，也可以将这些传感器使用多个来实施。
[0093] 另外，为了获得固有的振动，在本实施例中介绍了在每一定时间中计算范数的分 散值，使用将其以一定时间量收集时的中值的例子，但只要能够表示标准偏差、振幅等固有 的振动，则也可以使用其他指标值，也可以代替中值而使用平均值、四分位数等来实施。 [0094][实施例2]
[0095] 在本实施例中，说明根据事前收集到的判别基准决定用数据（以下将其称为学习 用数据）自动地决定用于判别移动方式的判别基准值的系统的例子。
[0096] 为了进行高精度的移动方式判别，需要适当地确定实施例1所记载的存储在判别 基准数据库103中的判别基准值。但是，存在并不一定明白设为怎样的判别基准值才好的 问题。
[0097] 与此相对，通过事前对例如道路状况等对传感器产生影响的每个因素收集汽车、 摩托车的数据而构成数据库，可以决定基于实际数据的妥当的判别基准值。通过使用在本 实施例中说明的系统，能够根据事前收集到的学习用数据，决定适当的判别基准值，能够提 高判别的精度。
[0098] 图6是表示实施例2的带学习功能的移动方式判别系统600的结构图的例子。 [0099] 本带学习功能的移动方式判别系统600除了实施例1记载的移动方式判别系统 100的结构以外，还具备用于收集学习用数据的传感器606、用于存储收集到的学习用数据 的判别基准决定用数据库605、根据该数据决定对传感器产生影响的每个因素的判别基准 的判别基准决定部604。作为硬件的结构，例如如图6那样，在计算机上实现移动方式判别 部102、按因素区别判别基准数据库103、因素标签赋予部104、判别基准决定部604、判别基 准决定用数据库605。传感器606使用与用于判别移动方式的传感器101相同种类的传感 器。作为学习用数据收集用的传感器606,可以使用安装在希望进行移动方式判别的终端中 的传感器101，也可以使用其他终端的加速度传感器，也可以使用它们的双方等而使用多个 传感器，在本实施例中，作为例子记载使用加速度传感器的例子。
[0100] 除了该结构以外，例如也可以使用兼具传感器和计算机的功能的智能手机等，在 一台终端上实现图6所示的结构整体，还可以在一台智能手机等终端中实现加速度传感器 101、移动方式判别部102、按因素区别判别基准数据库103、因素标签赋予部104,在计算机 中实现判别基准决定部604、判别基准决定用数据库605,在其他智能手机等终端中实现加 速度传感器605等。总之，只要能够实现图6所示的功能，对硬件的组合方式没有限定。此 夕卜，对于图1的移动方式判别系统100中已经说明的被赋予了图1所示的相同的符号的结 构、具有相同的功能的部分，省略说明。
[0101] 图7是判别基准决定用数据库605所存储的数据的例子。在构筑判别基准决定用 数据库时，除了手动地赋予收集到的数据是汽车的数据还是摩托车的数据的标签以外，例 如还在收集学习用数据时进行备注等，以任意形式赋予道路属性、地区等用于表示是与怎 样的道路状况对应的学习数据的标签。此后，说明通过追加其他结构来自动地赋予道路状 况标签的方法。
[0102] 除此以外，在判别基准决定用数据库中，存储在实施例1中说明图4的处理步骤时 记载的分散值的中值。该分散值的中值的计算方法与在实施例1中说明的相同，因此在此 省略说明。此外，与实施例1记载的说明同样地，除了在每一定时间计算范数的分散值，并 将其以一定时间收集时的中值以外，只要能够表示标准偏差、振幅等固有的振动，则也可以 使用其他指标值，还可以代替中值而使用平均值、四分位数等来实施。另外，与按因素区别 判别基准数据库103同样地，对于与道路状况有关的信息，例如可以赋予道路属性、地区等 标签，但在本实施例中，只记载了使用地区的例子。
[0103] 以下，说明决定判别基准值的方法。首先，使用加速度传感器606收集学习用数据 并存储在判别基准决定用数据库605中。然后，判别基准决定部604参照存储在判别基准决 定用数据库605中的学习用数据，计算每个道路状况的判别基准值，将该值存储在按因素 区别判别基准数据库103中。在判别基准值的计算中，例如可以使用SVM(Support Vector Machine :支持向量机）。SVM是通过求解某凸最优化问题来推定最好地分离赋予了标签的 学习用数据的超平面的方法。
[0104] 以下，在本实施例中说明应用SVM的方法。首先，将分离汽车的数据（以下称为汽 车类的数据）和摩托车的数据（以下称为摩托车类的数据）的超平面的（实际上，此处处 理的分散的中值是一维的值，因此为直线）的式子设为y(〇 n) =w1〇n+W(l。在此，〇n是第 n个数据的分散的中值。其目的在于求出该式中的参数 Wl、W(1的最优值。另外，在第n个数 据是汽车类时，导入为+1那样的值tn，在是摩托车类时导入为-1那样的值t n。在此，通常 认为很少能够完全地分离汽车类的数据和摩托车类的数据，具有一定的重叠。因此，为了对 应这样的问题，导入具有放宽SVM中的制约条件的效果的、被称为软间隔（soft margin)的 思路。因此，导入松弛变量€n。是在正确地分类数据时定义为€n = 〇、在除此以外的 情况下定义为€n= |tn-y(〇n)|的值。根据以上那样的设定，如果基于SVM的理论，则通 过针对W(I、W1求解在式（1)中给出的带制约的最优化问题，来得到分离汽车类和摩托车类的 超平面的式子的参数WpWi。在此，式（1)的最优化问题是具有2次的目标函数和线性的制 约条件的最优化问题，因此能够不限于局部最优的问题而得到解。因此，使用最速下降法、 牛顿法等任意的现有算法来求解即可。此外，关于参数C，利用交叉确认法等，一边使用学习 用数据确认使C的值变为各种值时的判别精度，一边决定适当的值即可。
[0105] [数学式1]
[0106] 目标函数：
[0107]
【权利要求】
1. 一种移动方式判别系统，其特征在于，具备： 第一传感器； 赋予部，其对上述第一传感器取得的数据赋予与取得上述数据的环境有关的环境信 息； 存储部，其与多个环境信息分别对应地存储用于判别安装上述第一传感器的终端的移 动方式的判别基准值；以及 移动方式判别部，其与上述赋予的环境信息对应地从上述存储部选择预定的上述判别 基准值，使用上述数据和上述预定的判别基准值判别上述终端的移动方式。
2. 根据权利要求1所述的移动方式判别系统，其特征在于， 还具备： 与上述第一传感器相同种类的第二传感器；以及 判别基准决定部，其使用由上述第二传感器取得的学习用数据，决定存储在上述存储 部中的上述判别基准值。
3. 根据权利要求1所述的移动方式判别系统，其特征在于， 还具备：静止行驶判定部，其使用由上述第一传感器取得的数据，判定上述终端是静止 状态还是行驶状态， 上述移动方式判别部与上述静止状态或上述行驶状态对应地，变更用于判别上述终端 的移动方式的判别基准值。
4. 根据权利要求1所述的移动方式判别系统，其特征在于， 还具备： GPS接收机，其取得上述终端的位置信息；以及 判别结果修正部，其使用多个终端的上述位置信息和取得上述位置信息的时间，检索 位于预定的终端的周边的周边终端， 上述判别结果修正部使用上述周边终端的移动方式判别结果，修正上述预定的终端的 移动方式判别结果。
5. 根据权利要求1所述的移动方式判别系统，其特征在于， 还具备： GPS接收机，其取得上述终端的位置信息；以及 道路状况决定部，其根据上述位置信息决定取得上述数据时的地区或道路属性， 上述赋予部将上述地区或上述道路属性作为上述环境信息来赋予。
6. 根据权利要求2所述的移动方式判别系统，其特征在于， 还具备： GPS接收机，其取得GPS信息；以及 切换部，其与上述GPS信息的精度对应地控制是否进行上述第二传感器的测量。
7. 根据权利要求1所述的移动方式判别系统，其特征在于， 上述第一传感器是用于检测振动的加速度传感器。
8. -种道路拥挤状况推定系统，其具备权利要求1所述的移动方式判别系统，该道路 拥挤状况推定系统的特征在于， 具备： GPS接收机，其取得上述终端的位置信息； 拥挤状况推定部，其使用多个终端各自的上述位置信息、根据上述位置信息计算的移 动速度、上述数据的取得时间、上述移动方式的判别结果，推定道路的拥挤状况。
9. 根据权利要求8所述的道路拥挤状况推定系统，其特征在于， 具备： 按移动方式区别拥挤状况显示部，其按照上述移动方式区别地显示上述道路的拥挤状 况。
10. -种移动方式判别装置，其使用通过第一传感器取得的数据判别安装上述第一传 感器的终端的移动方式，其特征在于， 对上述数据赋予了与取得上述数据的环境有关的环境信息， 具备： 存储部，其与多个环境信息分别对应地存储用于判别上述终端的移动方式的判别基准 值；以及 移动方式判别部，其与对上述数据赋予的环境信息对应地从上述存储部选择预定的上 述判别基准值，使用上述数据和上述预定的判别基准值判别上述终端的移动方式。
11. 根据权利要求10所述的移动方式判别装置，其特征在于， 还具备： 判别基准决定部，其使用与上述第一传感器相同种类的第二传感器取得的学习用数 据，决定存储在上述存储部中的上述判别基准值。
12. 根据权利要求10所述的移动方式判别装置，其特征在于， 还具备：静止行驶判定部，其使用由上述第一传感器取得的数据，判定上述终端是静止 状态还是行驶状态， 上述移动方式判别部与上述静止状态或上述行驶状态对应地，变更用于判别上述终端 的移动方式的判别基准值。
13. 根据权利要求10所述的移动方式判别装置，其特征在于， 还具备：判别结果修正部，其使用通过GPS接收机取得的多个上述终端的位置信息、取 得上述位置信息的时间，检索位于预定的终端的周边的周边终端， 上述判别结果修正部使用上述周边终端的移动方式判别结果，修正上述预定的终端的 移动方式判别结果。
14. 一种道路拥挤状况推定系统，其具备权利要求10所述的移动方式判别装置，该道 路拥挤状况推定系统的特征在于， 通过GPS接收机取得上述终端的位置信息， 具备：拥挤状况推定部，其使用多个终端各自的上述位置信息、根据上述位置信息计算 的移动速度、上述数据的取得时间、上述移动方式的判别结果，推定道路的拥挤状况。
15. -种移动方式判别程序，其使移动方式判别装置使用通过第一传感器取得的数据 判别安装上述第一传感器的终端的移动方式，其特征在于， 对上述数据赋予了与取得上述数据的环境有关的环境信息， 与多个环境信息分别对应地存储用于判别上述终端的移动方式的判别基准值， 与对上述数据赋予的环境信息对应地从上述存储的判别基准值中选择预定的判别基 准值，使用上述数据和上述预定的判别基准值判别上述终端的移动方式。
【文档编号】G01C21/00GK104412310SQ201280074463
【公开日】2015年3月11日 申请日期:2012年6月1日 优先权日:2012年6月1日
【发明者】大桥洋辉, 秋山高行 申请人:株式会社日立制作所
相关技术
网友询问留言
已有0条留言
- 还没有人留言评论。精彩留言会获得点赞！
1