KY开元·(中国)集团

轮椅使用者支援地图系统的制作方法

2025-09-10 14:38

  江南JN体育以往,已知一种通过将轮椅使用者所通行的路径覆写至数据库的地图,来将通行频率高的路径作为推荐路径进行显示的地图系统(例如,参照专利文献1)。

  根据该地图系统,轮椅使用者能够因为所显示的推荐路径是通行频率高的路径,所以推断为其是无障碍路径。也就是说,轮椅使用者能够将所显示的推荐路径推断为是普通可用轮椅通行的路径。

  然而,作为通行路径的障碍条件,也就是作为可否通行的基准的障碍(例如,台阶高差、倾斜等)的程度是无法针对所有轮椅使用者统一决定的。因此,以往的地图系统(例如,参照专利文献1)的推荐路径存在虽然对一个轮椅使用者而言可通行但对其他轮椅使用者而言却不可通行的情况。另外,根据障碍的程度,若是有护理者的轮椅使用者,则在有些情况下即使是地图系统(例如,参照专利文献1)中的通行频率低的路径(非推荐路径)也能够通行。

  于是,本发明的问题在于,提供一种能够与各个轮椅使用者匹配地显示最佳的通行路径的轮椅使用者支援地图系统。

  解决上述问题的轮椅使用者支援地图系统的特征在于,具有:关联单元,其将与地图上的规定位置对应的场所的实际的图像数据以能够与该地图上的规定位置关联地输出进行方式来保存;行动历史存储单元,其基于轮椅使用者的行动历史,提取并存储作为可否通行的基准的障碍条件;以及移动计划创建单元,其基于参照所述行动历史存储单元而取得的所述障碍条件,创建所述轮椅使用者的移动计划。

  根据本发明,能够提供一种能够与各个轮椅使用者匹配地显示最佳通行路径的轮椅使用者支援地图系统。

  图4是构成图2的云系统的移动计划创建单元所执行的推荐路径运算工序的流程图。

  图6是在构成图1的轮椅使用者支援地图系统的显示部中显示的包含推荐路径的地图。

  图7是在图6的地图中将成为不可通行的原因的障碍的拍摄图像一并进行显示后的地图。

  图8的(a)~(c)是示出输入出发地、目的地以及中途经过点后并输出推荐路径为止的情况的显示部的图像图。

  图9是示出输入出发地、目的地、第一中途经过点以及第二中途经过点后并输出了推荐路径的情况的显示部的图像图。

  图10是将针对推荐路径的用户评价作为轮椅使用者的行动历史进行反馈的轮椅使用者支援地图系统的构成说明图。

  针对实施本发明的方式(本实施方式)的轮椅使用者支援地图系统进行详细说明。

  本实施方式的轮椅使用者支援地图系统通过轮椅使用者输入出发地和目的地,来提供用于避开妨碍轮椅使用者通行的障碍的通行路径(推荐路径),由此支援轮椅使用者。

  具体地,该轮椅使用者支援地图系统基于各个轮椅使用者的障碍条件来输出推荐路径。也就是说,该轮椅使用者支援地图系统以多个轮椅使用者广泛利用为前提,同时还提供与请求推荐路径的轮椅使用者个人匹配的最佳的推荐路径。

  另外,该轮椅使用者支援地图系统显示候选路径中的、作为从该推荐路径中排除的原因的障碍的图像(障碍图像)、作为选择该推荐路径的理由或根据的文本或图像等。此外,在本实施方式中的障碍条件是指,对各轮椅使用者而言成为可否通行的基准的障碍的程度。针对该障碍条件在后文详细地说明。

  如图1所示,轮椅使用者支援地图系统1分别具有请求提供推荐路径的轮椅使用者2的第一移动终端3、多个轮椅使用者4……。轮椅使用者支援地图系统1还具有:多个第二移动终端5……,发送通常妨碍轮椅使用者通行的各种各样的障碍的信息(以下,简称为“障碍信息”);第三移动终端6,发送请求提供推荐路径的上述轮椅使用者2的个别的行动历史(障碍条件);以及云系统7,根据轮椅使用者2的推荐路径的请求,基于上述障碍信息和障碍条件来计算并输出推荐路径。

  另外,如在后文详细地说明的那样,本实施方式的轮椅使用者支援地图系统1能够包含用于在与云系统7之间进行通信的固定终端10。

  此外,轮椅使用者2的第一移动终端3与第三移动终端6的区别仅在于,第一移动终端3从云系统7接受推荐路径的提供,与之相对,第三移动终端6向云系统7输出为了计算该推荐路径而使用的信息(轮椅使用者2的行动历史)。因此,第一移动终端3和第三移动终端6只要具有各自的后述的功能,也能够由轮椅使用者2所持有的一个移动终端来兼用。

  第一移动终端3能够显示对云系统7的推荐路径的提供请求和从云系统7提供的推荐路径即可,其构成并没有特别限制。具体地,作为第一移动终端3,假设为其能够向云系统7发送出发地和目的地,并且具有用于显示从云系统7发送来的推荐路径和后述的障碍图像Ph(参照图7)的显示部3a。

  该显示部3a相当于权利要求书中言及的“在轮椅使用者实际开始移动起,向轮椅使用者显示移动计划和图像数据的显示部”。

  作为如这样的第一移动终端3,可举出例如智能手机、平板电脑、笔记本式个人计算机等。其中智能手机在便携性良好这方面特别优选。

  此处,若以第一移动终端3是智能手机、平板电脑、或者笔记本型个人计算机的情况作为例子,则向云系统7输入出发地和目的地能够通过运用第一移动终端3的OS(操作系统)所公开的API(Application Programming Interface:应用程序编程接口)而容易地实现。

  第二移动终端5将上述的障碍信息发送至云系统7的后述障碍数值化处理部11(参照图2)。

  此外,假设本实施方式中的障碍信息是由实际在规定区域(例如,用在后文详细地说明的图5的地图示出的区域)通行过的多个轮椅使用者4……提供的信息。该障碍信息主要由各个轮椅使用者4所拍摄到的障碍的图像数据以及该障碍所在的位置信息(坐标数据)构成。

  顺便一提,本实施方式中的图5的地图与轮椅使用者2请求推荐路径的区域一致。但是,从接受障碍信息的提供的该规定区域并不限定于图5的地图中的区域,而是意味着开展轮椅使用者支援地图系统1的所有区域。

  输出如这样的障碍信息的本实施方式中的第二移动终端5具有障碍的拍摄摄像头和GPS(Global Positioning System:全球定位系统)功能。因此,第二移动终端5只要具有拍摄摄像头和GPS功能,可为上述的智能手机、平板电脑、或者笔记本型个人计算机中的任一者。

  第三移动终端6将轮椅使用者2的个别的行动历史发送至云系统7的后述的障碍数值化处理部11(参照图2)。该行动历史在轮椅使用者2的障碍条件的提取工序(后述的障碍条件提取工序S103(参照图3))中使用。

  该行动历史在规定区域可否通行的条件以外,主要由轮椅使用者2所拍摄到的障碍的拍摄数据和该障碍所在的位置信息(坐标数据)构成。另外,在障碍是路面的凹凸状态、台阶高差等的情况下,行动历史的数据在路面的拍摄数据的基础上,还包括轮椅通过该路面时的震动(加速度)数据。

  此外,本实施方式中的行动历史由在开展轮椅使用者支援地图系统1的区域实际通行过的轮椅使用者2来提供。

  输出如这样的行动历史的本实施方式中的第三移动终端6只要具有拍摄摄像头、GPS功能、震动计(加速度计)等,可为智能手机、平板电脑、或者笔记本型个人计算机中的任一者。

  假设本实施方式中的固定终端10不仅轮椅使用者2能够利用,还能够被除了轮椅使用者2以外的人利用。

  作为该固定终端10,假定例如是轮椅使用者2在轮椅使用者2自己家等私人使用的固定终端10、不特定多数人在公共场所自由使用的固定终端10等。

  该固定终端10只要能够显示对云系统7的推荐路径的提供请求、以及从云系统7提供的推荐路径即可,其构成并没有特别限制。作为具体的固定终端10,举出台式个人计算机为例,该台式个人计算机能够向云系统7发送出发地和目的地,并且具有用于显示从云系统7发送的推荐路径和后述的障碍图像Ph(参照图7)的显示部10a。

  此外,显示部10a相当于权利要求书中言及的“在轮椅使用者开始移动之前,事先显示移动计划和图像数据的显示部”。

  如图2所示,云系统7具有作为构成DB(数据库)8的关联单元的障碍信息DB(数据库)8a、作为行动历史存储单元的个别障碍条件DB(数据库)8b、以及推荐路径运算部9,其作为基于在DB8中积累的障碍信息和障碍条件来计算推荐路径的移动计划创建单元。另外,云系统7还具有作为障碍检测单元的障碍数值化处理部11。此外,图2中,附图标记10是上述固定终端。

  障碍数值化处理部11针对从第二移动终端5发送来的障碍信息(摄像头的拍摄图像数据),进行基于后述的图像判定的分类处理。

  另外,障碍数值化处理部11针对从第三移动终端6发送来的行动历史(摄像头的拍摄图像数据),进行基于后述的图像判定的分类处理。通过这样,设定轮椅使用者2的各种各样的后述的障碍条件。

  障碍信息DB8a(关联单元)将由障碍数值化处理部11(障碍检测单元)进行了分类的障碍信息与该障碍的位置信息(坐标数据)关联起来并积累。另外,障碍信息DB8a(关联单元)将供图像分类的第二移动终端5的拍摄图像(障碍图像)也与位置信息(坐标数据)关联起来积累。

  个别障碍条件DB8b(行动历史存储单元)对由障碍数值化处理部11(障碍检测单元)进行了分类的行动历史(障碍条件)与可否通行对应地进行积累。

  推荐路径运算部9(移动计划创建单元)参照障碍信息DB8a(关联单元)中积累的障碍信息以及个别障碍条件DB8b(行动历史存储单元)中积累的轮椅使用者2的行动历史(障碍条件),由此如后文所述那样计算并输出推荐路径。

  以下,在对作为移动计划创建单元的推荐路径运算部9(参照图2)的推荐路径运算工序S104(参照图3)进行说明之前,针对障碍数值化处理工序S101(参照图3)、障碍信息积累工序S102(参照图3)、以及个别障碍条件积累工序S103(参照图3)进行说明。

  图3所示的障碍数值化处理工序S101由作为障碍检测单元的障碍数值化处理部11(参照图2)执行。

  如上所述,在该障碍数值化处理工序S101中,针对来自第二移动终端5(参照图2)的障碍信息和来自第三移动终端6(参照图2)的行动历史,进行基于图像判定的分类处理。

  针对作为来自第二移动终端5的障碍信息的图像数据,通过该图像判定,将第二轮椅使用者4(参照图1)在规定区域通行时的通行路的道宽等后述的属性与程度(强度)一并进行分类。如这样的图像判定通过使用公知构造的图像判定部的机器学习来执行。

  该基于机器学习的图像判定能够使用公知的算法来实施,但是本实施方式中的图像判定从分类精度的观点来看,假定使用深度学习(Deep Learning)来实施。具体地,假定图像判定部使用了卷积神经网络(CNN:ConvolutionalNeural Network)。

  但是,在本实施方式中,并不限定于该图像判定,例如,也能够采用定义图像中包含的基本形状,并按照判定对象的图像中是否存在基本形状来进行分类的方法。另外,在本实施方式中,也能够采用计算特征矢量,根据与使用已知的图像以及新取得的图像中的至少任一种图像进行机器学习而得到的结果的相似性来进行分类的方法,其中,该特征矢量包含图像的像素值的坡度与坐标的积即坡度力矩作为要素。也就是说,本实施方式中的图像判定基于利用原本存在的模型的想法和从零开始构建模型的想法。

  针对来自第三移动终端5的作为行动历史的图像数据,通过该图像判定,将轮椅使用者2在规定区域通行时的通行路等的后述的属性与其程度(强度)一并进行分类。该被分类的各属性中,标注有对轮椅使用者2而言是可通行还是不可通行。另外,如后文说明的那样,在属性是台阶高差、路面状态(凹凸程度)的情况下,添加在该路面通行时的震动(加速度)数据。

  障碍信息积累工序S102由作为关联单元的障碍信息DB8a(参照图2)执行。

  在该障碍信息积累工序S102中,根据构成障碍信息的位置信息(坐标数据),与轮椅使用者4(参照图1)所通行过的规定区域的地图对应,分类后的障碍信息与各个属性的程度(强度)一并积累在障碍信息DB 8a中。

  个别障碍条件积累工序S103由作为行动历史存储单元的个别障碍条件DB 8b(参照图2)执行。

  在该个别障碍条件积累工序S103中,轮椅使用者2的个别障碍条件与各个属性的程度(强度)一并积累在个别障碍条件DB8b中,轮椅使用者2的个别障碍条件是用于判断该轮椅使用者2请求推荐路径的规定区域内的规定的障碍对轮椅使用者2而言可通行或者不可通行的判断基准。

  表1所示的个别障碍条件由在障碍数值化处理工序S101(参照图3)中被分类的如下的13个项目的属性构成:通行路的道宽的宽窄、台阶高差的高低、坡度的大小、震动的大小(路面的凹凸程度)、人群的多少、积水的有无、泥泞的有无、人行横道的有无、人行天桥的有无、信号的有无、天气状况(好不好)、车的通行量的多少、以及丢弃垃圾的多少。在此,属性的种类以及数量当然并不限定于此,而是能够适当地设定。

  另外,表1中的图像1~图像8与作为来自第三移动终端5(参照图2)的障碍信息的各图像数据对应。另外,各属性的后方的括号标记是各个属性的程度(强度)。具体地,该属性的程度(强度)能够规定为,(1)表示通行极其容易,(2)表示通行较容易,(3)表示不可通行等。另外,表1中的各属性的后方的括号标记(-)表示该属性不存在。

  该表示属性的程度(强度)的数值是由轮椅使用者2的主观而决定的,但与在上述障碍数值化处理工序S101中的基于机器学习的图像判定时所决定的属性的程度(强度)相关联。因此,由轮椅使用者2的主观决定的该表示属性的程度(强度)的数值是通过将基于作为行动历史的各图像数据中包含的障碍的程度而转换为数据的数据当作教师数据,而与在障碍信息积累工序S102中积累在障碍信息DB 8a中的障碍信息的属性的程度(强度)也建立关联。

  推荐路径运算工序S104由作为移动计划创建单元的推荐路径运算部9(参照图2)来执行。

  如图1所示,该推荐路径运算工序S104通过轮椅使用者2经由第一移动终端3向云系统7发送出发地和目的地来执行。

  如图4所示,通过轮椅使用者2(参照图1)输入出发地和目的地(步骤S201),推荐路径运算部9(参照图2)参照障碍信息DB 8a(关联单元)。通过这样推荐路径运算部9取得坐标数据中包含出发地和目的地的障碍信息(步骤S202)。该障碍信息与如上所述规定区域的地图对应并积累在障碍信息DB 8a中。

  图5中,附图标记S1~S5是在地图中示出的区域的通行路,附图标记DP是轮椅使用者2所输入的出发地,附图标记DS是轮椅使用者2所输入的目的地。

  推荐路径运算部9基于从障碍信息DB8a取得的图5所示的障碍信息,计算在通行路S1上通行的路径、在通行路S2和S3上通行的路径、在通行路S4和S5上通行的路径,以作为从出发地DP至目的地DS的候选路径。

  另外,推荐路径运算部9基于取得的图5所示的障碍信息,来认定位于候选路径的4个障碍B1、B1、B2、B3。

  顺便一提,障碍B1呈现出上述的属性的所有程度(强度)是(1)。另外,障碍B2呈现出上述的属性中的至少一个属性的程度(强度)是(2),而不包含(3)。障碍B3呈现出上述的属性中的至少一个属性的程度(强度)是(3)。

  另外,返回图4,推荐路径运算部9参照个别障碍条件DB8b(参照图2)来取得个别障碍条件(步骤S203)。

  具体地,推荐路径运算部9参照例如表1所示的个别障碍条件,由此,若上述属性中的至少一个属性的程度(强度)是(3),则推定为不可通行;否则,推定为可通行。

  也就是说,推荐路径运算部9在上述所有属性都小于规定的程度(强度)的情况下(步骤S204~S216全部为“是”),从满足该条件的所有候选路径中选择候选路径并创建推荐路径(步骤S217)。

  另外,在不满足该条件的情况下(步骤S204~S216全部为“否”),在步骤S218中按照属性的程度(强度)从小到大的顺序,输出与预先设定的相同的数量的路径作为参考路径。具体地,推荐路径运算部9输出障碍B3的数较少的参考路径作为参考路径。

  此外,在存在多个候选路径的情况下,能够选择最短距离的路径,也能够选择构成的属性的程度(强度)比较低的路径。另外,推荐路径能够仅设定一个,也能够设定2个以上。

  而且,推荐路径运算部9输出推荐路径(或者参考路径),由此将示出了推荐路径(或者参考路径)的地图显示在第一移动终端3(参照图1)的显示部3a(参照图1)和固定终端10(参照图1)的显示部10a(参照图1)上。

  如图6所示,在显示部3a、10a上显示推荐路径R,该推荐路径R避开不可通行的障碍B3并以最短距离连接出发地DP与目的地DS。

  另外,如图7所示,在显示部3a、10a上触摸表示障碍B3的图标(或者将光标对准并进行点击),由此将作为不可通行的原因的障碍图像Ph一并显示。

  在图6以及图7中,附图标记S1~S5是通行路,附图标记B1以及B2是轮椅使用者2可通行的障碍。

  如上上述,以往的地图系统(例如,参照专利文献1)中的推荐路径有时即使对一个轮椅使用者而言可通行,但是对其他的轮椅使用者而言不可通行。

  与此相对,在本实施方式的轮椅使用者支援地图系统1(参照图1)中,基于各个轮椅使用者的障碍条件(在本实施方式中,轮椅使用者2(参照图1)的障碍条件)来输出推荐路径R(参照图6)。

  根据如这样的轮椅使用者支援地图系统1,能够输出仅与请求了推荐路径R的轮椅使用者2匹配的最佳推荐路径R。

  如图1所示,本实施方式的轮椅使用者支援地图系统1具有障碍信息DB8a(关联单元),障碍信息DB8a(关联单元)以能够与地图上的规定位置相关联地输出与该地图上的规定位置对应的场所的实际的图像数据(第二移动终端5的拍摄图像(障碍图像))的方式保存该图像数据。另外,轮椅使用者支援地图系统1具有个别障碍条件DB(行动历史存储单元),该个别障碍条件DB(行动历史存储单元)基于轮椅使用者2的行动历史,提取并存储作为可否通行的基准的预先设定的各个轮椅使用者2的障碍条件。另外,轮椅使用者支援地图系统1具有推荐路径运算部9(移动计划创建单元),该推荐路径运算部9(移动计划创建单元)基于参照该个别障碍条件DB而取得的障碍条件来创建轮椅使用者2的移动计划。

  在该轮椅使用者支援地图系统1中,创建与实际的拍摄图像对应的地图,并基于预先设定的障碍条件来创建推荐路径(移动计划)。

  根据如这样的轮椅使用者支援地图系统1,轮椅使用者2自身能够确认障碍的种类,并且能够创建与轮椅使用者2的环境(体力、身体状况、电动或非电动的轮椅的机械条件等)匹配的推荐路径(移动计划)。

  另外,根据如这样的轮椅使用者支援地图系统1,能够更加准确地构建与轮椅使用者2的上述环境匹配的推荐路径(移动计划)。

  另外,在如这样的轮椅使用者支援地图系统1中,具有障碍数值化处理部11(障碍检测单元),该障碍数值化处理部11(障碍检测单元)基于图像数据,对检测到的障碍的程度(强度)通过分类处理而进行数值化。

  根据如这样的轮椅使用者支援地图系统1,通过对障碍的程度(强度)进行数值化,能够更加准确地构建推荐路径(移动计划)。

  另外,在如这样的轮椅使用者支援地图系统1中,轮椅使用者2(参照图1)的行动历史的数据包含作为障碍条件的台阶高差的拍摄数据、以及当轮椅通过该台阶高差时的加速度数据。

  根据如这样的轮椅使用者支援地图系统1,能够根据实测的加速度数据,准确地获取路面的凹凸状态、台阶高差的程度。

  另外,在如这样的轮椅使用者支援地图系统1中,第一移动终端3具有显示部3a,该显示部3a显示推荐路径R和障碍图像Ph。

  根据如这样的轮椅使用者支援地图系统1,轮椅使用者2能够一同确认推荐路径(移动计划)和障碍图像Ph,因此能够一目了然地理解哪里存在什么程度的障碍。通过这样,轮椅使用者2能够容易地确认推荐路径(移动计划)的妥当性。

  另外,在如这样的轮椅使用者支援地图系统1中,利用与第一移动终端3的显示部3a分开独立设置的固定终端10的显示部10a,轮椅使用者2或者除了轮椅使用者2以外的人能够在轮椅使用者2开始移动之前就事先一同确认推荐路径(移动计划)和障碍图像Ph。

  以上,针对本发明的实施方式进行了说明,但是本发明并不限定于上述实施方式,而是能够以各种各样的方式来实施。

  在上述实施方式中,构成为由轮椅使用者2以外的其他多个轮椅使用者4收集障碍信息,但本发明并不限定于此。因此,该障碍信息也可以是由轮椅使用者2收集、由汽车等的车载摄像头收集、由其他的步行者收集等。

  另外,在上述实施方式中,障碍并不限定于通行路的道宽等上述13个项目。因此,障碍也能够按照例如人行道的有无、施工、温度、湿度、噪音等其他属性进行分类处理。

  另外,假定上述实施方式中的图像数据是基于动态图像的图像数据,但本发明并不限定于此。因此,图像数据也可以是静态图像、温度地图、噪音地图、湿度地图等。

  另外,上述实施方式的图2所示的个别障碍条件DB8b(行动历史存储单元)基于轮椅使用者2(参照图1)的行动历史,提取并存储作为可否通行的基准的障碍条件。

  但是,构成本发明的个别障碍条件DB8b(行动历史存储单元)也能够基于轮椅使用者2以外的其他轮椅使用者(例如,图2所示的轮椅使用者4)的行动历史(省略图示)来提取并存储障碍条件。

  根据如这样的轮椅使用者支援地图系统1,用其他轮椅使用者所经历过的障碍条件来填补轮椅使用者2(参照图1)未经历过的障碍条件,由此能够输出更加适当的推荐路径(移动计划)。

  另外,在上述实施方式中,针对轮椅使用者2(参照图1)或者轮椅使用者2以外的人(以下,有时将这些人简称为“用户”)向第一移动终端3或者固定终端10输入出发地DP和目的地DS,由此输出推荐路径(移动计划)的结构进行了说明。但是,本发明除了出发地DP和目的地DS以外,也能够输入地图上的中途经过点,由此来输出推荐路径(移动计划)。

  图8的(a)~(c)是示出输入出发地DP、目的地DS以及中途经过点DM并输出推荐路径(移动计划)为止的样子的显示部3a,10a(参照图1)的图像图。

  如图8的(a)所示,在该轮椅使用者支援地图系统1(参照图1)中,基于用户输入至第一移动终端3或者固定终端10(参照图1)的出发地DP和目的地DS,在显示部3a、10a(参照图1)上显示连结出发地DP与目的地DS的例如“路线”作为推荐路径(移动计划)。

  另外,在障碍图像Ph1、Ph2中能够包含例如“根据时刻,人较多”“担心是一面坡”等文本消息。

  如图8的(b)所示,当用户向第一移动终端3或者固定终端10(参照图1)输入从出发地DP至目的地DS之间的中途经过点DM时,如图8的(c)所示,在显示部3a、10a上,不仅显示“路线”,还显示通过中途经过点DM的“路线”。

  此外,通过中途经过点DM的“路线”的计算能够使用利用了例如上述WebGIS的API的开放式服务来进行。

  根据如这样的轮椅使用者支援地图系统1(参照图1),能够制作反映出用户想要去的场所、想要利用的道路(例如,能够尽量以直线移动的道路)等的偏好的推荐路径(移动计划)。

  图9是示出输入出发地DP、目的地DS、第一中途经过点DM1以及第二中途经过点DM2并输出推荐路径(移动计划)的情况的地图图像。

  如图9所示,在该轮椅使用者支援地图系统1(参照图1)中,在从出发地DP至目的地DS之间设定有两处的中途经过点DM1、DM2。此外,在图9中,附图标记T是文本消息。

  根据如这样的轮椅使用者支援地图系统1(参照图1),通过设定多个中途经过点DM1、DM2,能够制作更加细致地反映出用户的偏好的推荐路径(移动计划)。

  另外,如这样的轮椅使用者支援地图系统1也能够将轮椅使用者2(参照图1)在推荐路径(参照图2)上实际通行过的感想等的用户评价反映到下次的推荐路径的计算中。

  图10是将对于推荐路径的用户评价作为轮椅使用者2(参照图1)的行动历史进行反馈的轮椅使用者支援地图系统1的构成说明图。

  如图10所示,在该轮椅使用者支援地图系统1中,云系统7根据上述的轮椅使用者2请求而输出推荐路径(障碍图像)。该推荐路径(障碍图像)的输出工序与上述相同(参照图2)。

  而且,在第一移动终端3(参照图1)的显示部3a(参照图1)上,在图10中示出了附图标记12的地图图像。在该地图图像中,显示了连结轮椅使用者2输入至第一移动终端3的出发地DP与目的地DS的“路线”、“路线”等的推荐路径和障碍图像Ph1、Ph2、Ph3以及中途经过点DM。

  接着,若轮椅使用者2选择3个推荐路径中的“路线”并实际在“路线(参照图1)的显示部3a(参照图1)上示出“路线”的路径作为实际通行过的路径。该“实际通行过的路径”被作为轮椅使用者2的行动历史而输出至云系统7。

  另外,轮椅使用者2将实际通行过的推荐路径的感想输入至第一移动终端3(参照图1)。假设该感想的输入是基于例如SNS(Social Networking Service:社交网络)中的“点赞!的按钮”、星级评价(5级评价)等的输入。另外,该感想的输入也能够通过例如轮椅使用者2对智能手机的声音输入来进行。

  而且,上述的“实际通行过的路径”以及“通行过的感想”被存储于个别障碍条件DB8b(参照图2)中并反映到下次的推荐路径的计算中。

  另外,轮椅使用者2对推荐路径发表感想(“通行过的感想”)还能够通过轮椅使用者2对在该推荐路径上通行过的除轮椅使用者2以外的轮椅使用者的感想进行排序来进行。也就是说,图10中,如附图标记14所示,例如,在假定“A先生/女士”~“D先生/女士”的4人作为轮椅使用者2以外的轮椅使用者的情况下,对具有评价1~3中的最高评价“3”的“B先生/女士”的行动历史进行加权。

  另外,在上述实施方式中,针对基于轮椅使用者2的障碍条件输出路线(推荐路径R)的轮椅使用者支援地图系统1进行了说明。

  但是,本发明也能够构成为,不仅考虑障碍条件而且还兼顾轮椅使用者2的“喜爱条件”来输出路线。作为该“喜爱条件”,举出了例如植物较多、沿海、沿山这样的周围景色等,但是并不限定于此。

  具体地,此处,假定如下的情况,即,在例如路线有多个候选的状态下,提示(1)虽然障碍较少但景色不好的路线)虽然景色较好但是障碍较多的路线。在如这样的情况下,本发明还能够构成为,轮椅使用者2能够首先选择(2)的路线并移动,在对景色感到满足的中途再切换到(1)的路线,即进行路线移动。也就是说,本发明能够在从出发地DP朝向目的地DS的(2)的路线的移动中途,追加输入选择(1)的路线的中途经过点DM。

  另外,在上述实施方式中,假定,在由障碍数值化处理部11(障碍检测单元)进行的障碍数值化处理工序S101(参照图3)中,使用了深度学习的图像判定来进行障碍的分类处理。

  但是,在本发明中,也能够使用深度学习与强化学习组合而成的深度强化学习进行图像判定,来进行障碍的分类处理,从而取代使用深度学习的图像判定进行的障碍的分类处理。

  此外,已知强化学习是以通过与控制对象等的环境之间的试错式的相互作用来使从环境获得的测量信号成为期望值的方式,对环境的操作信号的生成方法进行学习的学习控制的架构。就该强化学习而言,从基于从环境获得的测量信号而计算出的标量的评价值(报酬)着手,学习使得从当前状态到将来所获得的评价值(报酬)的期待值最大的对环境的操作信号的生成方法。

  因此,根据使用了如这样的深度强化学习的图像判定,当提示了是怎样的障碍时,通过由轮椅使用者支援地图系统1(参照图1)对用户的满意度是否提高进行奖励预测,而能够实现轮椅使用者支援地图系统1的完全自动化控制。

 谷歌地图 百度地图