[发明专利]行驶模型生成系统、行驶模型生成系统中的车辆、处理方法以及存储介质

说明书

本发明提供一种行驶模型生成系统，其适当地处理具有与学习数据的特征大不相同的特征的数据，防止学习的精度的降低。获取来自车辆的行驶数据，并进行过滤以从该行驶数据中排除设为学习的对象外的行驶数据。对将设为学习的对象外的行驶数据排除后的行驶数据进行学习，并基于该学习的结果来生成车辆的行驶模型。根据与该行驶数据建立关联的条件对设为学习的对象外的行驶数据进行处理。

技术领域

本发明涉及生成车辆的行驶模型的行驶模型生成系统、行驶模型生成系统中的车辆、处理方法以及存储介质。

背景技术

在自动驾驶、自动驾驶辅助的实现中，有时从专家司机所驾驶的车辆收集行驶数据，并将收集到的行驶数据作为学习数据来进行机器学习。

在进行机器学习的情况下，重要的是不降低学习的精度。在专利文献1中记载了：使用目标域和判断为对迁移学习有效的事先域，执行导入了迁移学习的机械学习来生成识别用特征数据。进一步地，在专利文献1中记载了，为了将引起负迁移的可能性高的事先域从识别用特征数据中排除，判定事先域是否对迁移学习有效。

现有技术文献

专利文献

专利文献1：日本特开2016-191975号公报

发明内容

发明所要解决的问题

在专利文献1中记载了，在事先域由具有与目标域所包括的图像的特征大不相同的特征的图像构成的情况下，防止将该事先域用于识别用特征数据的生成。

在自动驾驶、自动驾驶辅助的实现中，即使从车辆得到的行驶数据与学习数据的特征大不相同，有时该行驶数据也会成为极其重要的数据。例如，在因地震而巨石等存在于路上的状况下，专家司机如何进行行驶这样的数据对于实现自动驾驶、自动驾驶辅助而言是极其重要的数据。因而，在利用与学习数据的特征大不相同的行驶数据排除的构成中，无法制作能够应对上述那样的状况的行驶模型。

本发明的目的在于提供适当地对具有与学习数据的特征大不相同的特征的数据进行处理来防止学习的精度降低的行驶模型生成系统、行驶模型生成系统中的车辆、处理方法以及程序。

用于解决问题的手段

本发明所涉及的行驶模型生成系统是基于车辆的行驶数据而生成车辆的行驶模型的行驶模型生成系统，其特征在于，所述行驶模型生成系统具备：获取部，其获取来自车辆的行驶数据；过滤部，其从由所述获取部获取的所述行驶数据中排除设为学习的对象外的行驶数据；生成部，其对由所述过滤部将设为所述学习的对象外的行驶数据排除后的行驶数据进行学习，并基于该学习的结果生成第一行驶模型；以及处理部，其根据与设为所述学习的对象外的行驶数据建立关联的条件来处理该行驶数据。

另外，本发明所涉及的车辆是基于车辆的行驶数据来生成车辆的行驶模型的行驶模型生成系统中的车辆，其特征在于，所述车辆具备：获取部，其获取来自车辆的行驶数据；过滤部，其从由所述获取部获取的所述行驶数据中排除设为行驶模型生成装置中的学习的对象外的行驶数据，所述行驶模型生成装置生成车辆的行驶模型；发送部，其向所述行驶模型生成装置发送由所述过滤部将设为所述学习的对象外的行驶数据排除后的行驶数据；以及处理部，其根据与设为所述学习的对象外的行驶数据建立关联的条件来处理该行驶数据。

另外，本发明所涉及的处理方法处理方法是在基于车辆的行驶数据而生成车辆的行驶模型的行驶模型生成系统中执行的处理方法，其特征在于，所述处理方法具有：获取步骤，在所述获取步骤中，获取来自车辆的行驶数据；过滤步骤，在所述过滤步骤中，从在所述获取步骤中获取的所述行驶数据中排除设为学习的对象外的行驶数据；生成步骤，在所述生成步骤中，对在所述过滤步骤中将设为所述学习的对象外的行驶数据排除后的行驶数据进行学习，并基于该学习的结果生成第一行驶模型；以及处理步骤，在所述处理步骤中，根据与设为所述学习的对象外的行驶数据建立关联的条件来处理该行驶数据。