現在地測位装置及び方法
【課題】ナビセンサ１４（ＧＰＳセンサ）による現在地測位不調期間では、Ｇセンサ１５の出力に基づき現在地を測位するポータブルナビゲーション装置１０において、現在地の精度を改善する。
【解決手段】ナビセンサ１４の検出信号をカルマンフィルタにより処理して、該検出信号中の白色性ノイズを除去して、最適推定加速度を抽出する。最適推定加速度に基づき、移動量を算出する。ナビセンサ１４による測位正常期間の所定の現在地を始点に設定し、該始点からの移動量に基づき現在地を測位する。
【解決手段】ナビセンサ１４の検出信号をカルマンフィルタにより処理して、該検出信号中の白色性ノイズを除去して、最適推定加速度を抽出する。最適推定加速度に基づき、移動量を算出する。ナビセンサ１４による測位正常期間の所定の現在地を始点に設定し、該始点からの移動量に基づき現在地を測位する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、ＧＰＳ電波に基づく現在地測位を補間する現在地測位装置及び方法に関するものである。
【背景技術】
【０００２】
特許文献１は、ＧＰＳ信号受信部の他に、加速度センサ、方位センサ及び角速度センサを装備する携帯電話を開示する（特許文献１の図１）。該携帯電話では、ＧＰＳによる現在地測位が不能状態になっている期間では、加速度センサ等の出力に基づき現在地を測位するようになっている（特許文献１の図６のフローチャートの４５→４６→４７）。
【特許文献１】特開２００４−２３３０５８号公報
【発明の開示】
【発明が解決しようとする課題】
【０００３】
後述の図２において説明するように、加速度センサの測定値には、車両振動路面走行振動に起因する多大の白色性ノイズが含まれている。白色性ノイズは、ほぼ全周波数範囲にわたって分布しているので、ローパスフィルタやハイパスフィルタを使っても、除去することは困難である。特許文献１の現在地測位装置では、加速度センサの出力を時間で２回、積分して、移動距離を得ることになっているが、加速度センサの測定値に含まれる白色性ノイズのために、精確な移動距離の算出、したがって、精確な現在地の測位は困難である。
【０００４】
本発明の目的は、加速度センサの出力に基づき現在地を測位する場合に、測位した現在地の精度を改善する現在地測位装置及び方法を提供することである。
【課題を解決するための手段】
【０００５】
本発明によれば、加速度センサの出力をカルマンフィルタにより処理して、加速度センサの測定信号中の白色性ノイズを除去する。そして、ＧＰＳ電波による現在地測位が不良である期間では、カルマンフィルタが出力する最適推定加速度に基づき移動量を算出し、それに基づき現在地を測位する。
【０００６】
本発明の現在地測位装置は次の構成要素を備えている。
ＧＰＳ電波に基づき現在地を測位する第１の現在地測位手段、
加速度を測定する加速度センサ、
加速度センサの測定信号から白色性ノイズを除去した最適推定加速度を算出するカルマンフィルタ、
最適推定加速度に基づき移動量を算出する移動量算出手段、
第１の現在地測位手段が測位した現在地が適正か否かを判定する判定手段、
判定手段の判定が否である期間では、判定手段の判定が正であった期間に第１の現在地測位手段の測位した所定の現在地を始点として該始点からの移動量に基づき現在地を測位する第２の現在地測位手段。
【０００７】
本発明の現在地測位方法は次のステップを備えている。
ＧＰＳ電波に基づき現在地を測位するステップ、
加速度センサの測定信号から白色性ノイズを除去した最適推定加速度をカルマンフィルタにより算出するステップ、
最適推定加速度に基づき移動量を算出するステップ、
ＧＰＳ電波に基づき測位した現在地が適正か否かの判定を実施するステップ、
判定が否である期間では、判定が正であった期間にＧＰＳ電波に基づき測位した所定の現在地を始点として該始点からの移動量に基づき現在地を測位するステップ。
【発明の効果】
【０００８】
本発明によれば、加速度センサの出力をカルマンフィルタにより処理して抽出した最適推定加速度に基づき移動量を算出し、該移動量に基づき現在地を測位するので、ＧＰＳ電波による現在地測位が困難な期間における現在地の測位精度を向上することができる。
【発明を実施するための最良の形態】
【０００９】
図１はポータブルナビゲーション装置１０のブロック図である。ポータブルナビゲーション装置１０は、その基本機能としての地図表示、現在地表示及び経路案内等のナビ機能を有し、該ナビ機能を実現するための要素として、演算装置１１、表示・入力部１２、記憶装置１３、ナビセンサ１４、Ｇセンサ１５、地図データ保持部１６及び電源部１７を具備しており、ユーザにより携帯される。
【００１０】
演算装置１１は、表示・入力部１２からユーザ指示の情報を受けるとともに、画像データを表示・入力部１２へ送る。演算装置１１は、また、ナビセンサ１４及びＧセンサ１５からの入力信号に基づき現在地の測位を実施する。表示・入力部１２は、ポータブルナビゲーション装置１０のケースの前面に配備され、ユーザが押下する入力部としての複数のキーと、ユーザへの各種情報を表示する表示部としてのＬＣＤとを備える。
【００１１】
記憶装置１３は、演算装置１１において処理するプログラムを記憶するとともに、プログラム実行時には算出データを一時保存する。ナビセンサ１４は、ＧＰＳ電波を受信するものであり、ＧＰＳセンサとも呼ばれる。Ｇセンサ１５はポータブルナビゲーション装置１０の加速度を検出する。
【００１２】
地図データ保持部１６は、地図データと地点の検索時に必要な位置データとを保持する。演算装置１１は、地図データ保持部１６のデータを、地図描画や経路探索等の算出に利用する。電源部１７は、適宜充電可能なバッテリ又は交換可能な乾電池から成り、ポータブルナビゲーション装置１０の各素子へ給電する。
【００１３】
演算装置１１においてプログラムで実行するカルマンフィルタ処理及び学習について、図２〜図９を参照して説明する。なお、図２〜図７において、加速度Ａｃｃはポータブルナビゲーション装置１０を実験車両に持ち込んだときのＧセンサ１５の出力であり、該実験車両の実験走行は、時刻＝０では停止状態にあり、その後、所定の車速まで加速し、該車速を維持し、最後に減速して、停止するものになっている。
【００１４】
図２はＧセンサ１５の出力の時間変化例を示すグラフである。Ｇセンサ１５の測定値には、車速の変化に係る加速度以外に、自車振動や路面走行振動等に起因する加速度が多量に含まれている。Ｇセンサ１５の出力から精確な移動距離を得るためには、それら振動等を除去する必要がある。これらの振動は、周波数全般にわたって分布する白色性ノイズとなっているので、特定の周波数伝達関数フィルタを使って、所定の信号成分を抽出することによる除去は困難である。
【００１５】
そこで、近似的な線形代数を逐次処理として使用することにより、白色性ノイズの除去を試みる。この算出としては、環境変数に対して統計処理的に解析できるカルマンフィルタが優れている。周知のように、カルマンフィルタは次の特徴を有している。
【００１６】
（ａ）信号を生成するシステムの動特性
（ｂ）雑音の統計的性質
（ｃ）初期値に関する先験情報及び時々刻々与えられる観測データ を用いて確率論的に最適なシステムの状態推定値の算出
【００１７】
図３はＧセンサ１５の出力と該出力をカルマンフィルタにより処理して得た加速度の推定値とを重ね合わせたグラフである。図３はモノクロの図示のために、見え難いが、Ｇセンサ１５の出力波形のほぼ中心をカルマンフィルタの出力（＝最適推定加速度）のグラフ線が通っている。最適推定加速度は、Ｇセンサ１５の出力から白色性ノイズを十分に除去したものとなる。カルマンフィルタの処理については、図８及び図９を参照して、後述する。
【００１８】
図４はＧセンサ１５の出力と車速パルスから算出した車速Ｖｅｌとを重ね合わせたグラフ、図５は図４のグラフにさらに加速度センサの出力（＝最適推定加速度）を重ね合わせたグラフである。ポータブルナビゲーション装置１０は、車速センサを装備しておらず、また、車速センサを利用することもない。図４及び図５の車速Ｖｅｌの基にしている車速パルスは、ポータブルナビゲーション装置１０が持ち込まれた実験車両に常備されている車速センサの出力を利用している。
【００１９】
車速Ｖｅｌの時間微分は加速度、すなわち最適推定加速度の出力と一致するはずであるが、図４及び図５では、実験車両の実験走行における初期（停止状態からの加速期間）と終期（停止状態への減速期間）とにおいて、車速Ｖｅｌの時間微分と最適推定加速度との不一致が目立つ。
【００２０】
これに対処するため、停止状態からの加速期間及び停止状態への減速期間は、現在地に対して学習を行うことにする。ポータブルナビゲーション装置１０には、車速センサは装備されていないので、ポータブルナビゲーション装置１０における実際の学習では、車速センサの出力の代わりに、ナビセンサ１４から検出した現在地の時間変化から車速を検出することになる。これにより、停止状態からの加速期間と停止状態への減速期間における現実の車速と最適推定加速度との対応関係が判明する。判明した対応関係は、環境変数として適宜読み出し可能に記憶装置１３に保管する。
【００２１】
図６は停止状態からの加速期間及び停止状態への減速期間における車速を学習による対応関係に基づき最適推定加速度から算出したグラフ（黒丸の系列）を図５に重ね合わせたグラフである。学習結果に基づき最適推定加速度から算出した車速（黒丸の系列）は、車速パルスに基づき算出した車速と一致性が高まる。
【００２２】
図７は学習を加味してカルマンフィルタの出力に基づき算出した走行距離のグラフを図６に重ね合わせたグラフである。図７のグラフにおける走行距離は、停止状態からの加速期間及び停止状態への減速期間では、カルマンフィルタの出力（＝最適推定加速度）をそのまま積分した車速ではなく、学習した最適推定加速度−車速の対応関係に基づき最適推定加速度から算出した車速を採用して、該採用した車速に基づき算出されている。また、図７のグラフにおけるその他の期間の走行距離は、カルマンフィルタの出力（＝最適推定加速度）をそのまま積分して算出した車速を採用し、該採用した車速に基づき算出されている。こうして、各期間の車速に基づき走行距離を算出すると、図７の走行距離のグラフのように、現実の走行距離に近い走行距離を最適推定加速度から算出することができる。
【００２３】
ポータブルナビゲーション装置１０は、ナビセンサ１４がＧＰＳ電波を正常に受信して、該ＧＰＳ電波に基づく現在地測位が適正である期間では、該ＧＰＳ電波に基づいて測位した現在地をユーザに現在地として提示する。
【００２４】
これに対して、ＧＰＳ電波が弱かったり、３個以上のＧＰＳ衛星からのＧＰＳ電波を確保することができなかったりして、ＧＰＳ電波による現在地測位が困難な期間があり、該期間では、ＧＰＳ電波に基づく現在地測位が不適正になる。ポータブルナビゲーション装置１０は、該不適正期間では、最後に適正と判断した現在地を始点とし、該始点からの、カルマンフィルタの出力した最適推定加速度から求めた移動量に基づき現在地を算出する。
【００２５】
さらに、ポータブルナビゲーション装置１０がユーザにより車両に持ち込まれて、不適正期間中の、停止状態からの加速期間と停止状態への減速期間とでは、ポータブルナビゲーション装置１０は、環境変数として保管している学習データに基づき、カルマンフィルタの出力としての最適推定加速度からそれに対応する車速を求め、さらに、該車速に基づき移動距離を算出し、最後に現在地を算出する。
【００２６】
図８はカルマンフィルタで使用する各種方程式を示している。図９は図８の各種方程式において示したカルマンフィルタの数式に現れる行列の意味と値を示している。カルマンフィルタにおけるシステム雑音・観測雑音について説明する。観測誤差とはセンサに含まれる誤差である。システム雑音とは、計算丸め誤差やモデル誤差などシステム全体の中で観測誤差に含まれないものを指す。これらは厳密にすべて実在する誤差であるはずなので、事前に調べ、適用すればよい。しかしながら、現実的に満足のいくかたちで誤差を得ることは困難な場合が多く、例えば、適応フィルタを用いてシステム同定という手法から算出させてもよい。
【００２７】
カルマンフィルタの処理の具体化例を説明する。例えば次の（１）式を想定する。
【００２８】
ｙk＝Σi=1nａi（ｋ）ｅｘｐ（ｊωiｔk）＋ｖk・・・（１）。ただし、ｋ＝０，１，２，・・・である。
【００２９】
ｙk、ｖk及びａi（ｋ）は、それぞれ時刻ｔk＝ｋΔＴ（ΔＴはサンプリング間隔）における観測信号、観測雑音及び時変成分であり、それぞれ複素数で定義される。ωiは時変成分ａi（ｋ）の角周波数であり、ｊ（ｊ2＝−１）は虚数単位とする。また、ｖkを平均値ゼロ、分散σv2の定常な複素ガウス白色雑音とする。
【００３０】
Ｇセンサ１５の出力は、Ａ／Ｄ変換器（図示せず）によりデジタル信号へ変換され、検出信号として演算装置１１へ供給される。演算装置１１はカルマンフィルタの処理を実行できるようになっている。演算装置１１でプログラムにより実行されるカルマンフィルタでは、検出信号を観測値ｙkとして設定するとともに、観測値ｙkが、（１）式で表されるように、任意に変化する指定数ｎ個（ｎは任意の整数）の時変成分である複素振幅ａi（ｋ）と観測雑音ｖkとの和で表される場合を考え、観測値ｙkから各周波数成分ωiの複素振幅ａi（ｋ）を推定するカルマンフィルタ処理を実行する。そして、各周波数成分ωiの複素振幅ａi（ｋ）に基づいて（１）式の演算を行って、最適推定加速度を算出し、該最適推定加速度を時間で２回、積分して走行距離を求める。
【００３１】
カルマンフィルタ処理では、観測値ｙkから各周波数成分ωiの複素振幅ａi（ｋ）を推定することにより、移動量算出手段３４へ供給する信号中の白色性ノイズを除去することができる。
【００３２】
カルマンフィルタを用いて、各周波数成分ωiの複素振幅ａi（ｋ）を推定する方法について説明する。Ｇセンサ１５の出力信号が前述したように（１）で表される場合に、周波数ωiは検出周波数を表している。カルマンフィルタにより上記の時変スペクトルを推定するに当たり、時変成分ａi（ｋ）の時間変化を次の（２）式のように線形近似する。
【００３３】
｛ａi（ｋ＋１）−ａi（ｋ）｝／ΔＴ＝｛ａi（ｋ）−ａi（ｋ−１）｝／ΔＴ＋ｗi（ｋ）’・・・（２）
【００３４】
ただし、ｗi（ｋ）’はｗi（ｋ）の時間微分を表している。時刻ｔk-１のときの時変成分ａi（ｋ）の変化の傾きと、時刻ｔkのときの傾きはほぼ等しいものとし、ｗi（ｋ）′をその時の近似誤差とする。このとき、｛ａi（ｋ）｝は次の（３）式の２次のＡＲモデルで表される。
【００３５】
ａi（ｋ＋１）＝２ａi（ｋ）−ａi（ｋ−１）＋ｗi（ｋ）・・・（３）。ただし、 ｗi（ｋ）＝ΔＴｗi（ｋ）′である。
【００３６】
（３）式を利用することにより、（１）式は次の（４）式により表すことができる。
【００３７】
ａi（ｋ）＝２ａi（ｋ−１）−ａi（ｋ−２）＋ｗi（ｋ）・・・（４）
【００３８】
ここで、｛ｗi（ｋ）｝を平均０、分散平均値０、分散σw2の定常な複素ガウス白色雑音とし、｛ｖk｝と独立であると仮定する。次に、｛ｗi（ｋ）｝をシステム雑音として取扱い、（４）式を変形することにより観測信号｛ｙk｝は次のような状態方程式（５）と観測方程式（６）からなる基本システムで表すことができる。
【００３９】
ｘk+１＝Ｆｘk＋Ａｗk ・・・（５）
【００４０】
ｙk+１＝Ｈkｘk＋ｖk・・・（６）。ただし、 ｋ＝０，１，２，・・・である。
【００４１】
（５）及び（６）式は図８の状態方程式及び観測方程式に対応している。以降は周知の解法により、Ｇセンサ１５の検出信号（観測値）ｙkから、各周波数成分ωiの複素振幅ａi（ｋ）を推定することができる。そして、推定した複素振幅ａi（ｋ）を（１）式に代入することにより、最適推定加速度を算出することができ、この最適推定加速度を時間で２回積分して、走行距離を求める。
【００４２】
図１０は現在地測位装置３０のブロック図である。現在地測位装置３０の一例は図１のポータブルナビゲーション装置１０である。現在地測位装置３０は、ポータブル式に限定されず、カーナビゲーション装置として、車両のコンソールに取り付けられるものであってもよい。現在地測位装置３０が、ポータブルナビゲーション装置１０のようなポータブル式の場合には、ユーザにより適宜、車両に持ち込まれて、使用される。現在地測位装置３０は、さらに、ナビゲーション装置単体としてではなく、携帯電話、ＰＤＡ及びノート型ＰＣに内蔵されるものであってもよい。
【００４３】
現在地測位装置３０は、第１の現在地測位手段３１、加速度センサ３２、カルマンフィルタ３３、移動量算出手段３４、判定手段３５及び第２の現在地測位手段３６を備えている。現在地測位装置３０は、好ましくは、学習手段４０を備える。カルマンフィルタ３３、移動量算出手段３４、判定手段３５、第２の現在地測位手段３６及び学習手段４０の各機能は、ポータブルナビゲーション装置１０では、演算装置１１においてプログラムにより実行される。
【００４４】
第１の現在地測位手段３１は、ＧＰＳ電波に基づき現在地を測位する。加速度センサ３２は、加速度を測定する。カルマンフィルタ３３は、加速度センサ３２の測定信号から白色性ノイズを除去した最適推定加速度を算出する。移動量算出手段３４は、最適推定加速度に基づき移動量を算出する。
【００４５】
判定手段３５は、第１の現在地測位手段３１が測位した現在地が適正か否かを判定する。第２の現在地測位手段３６は、判定手段３５の判定が否である期間では、判定手段３５の判定が正であった期間に第１の現在地測位手段３１の測位した所定の現在地を始点として該始点からの移動量に基づき現在地を測位する。
【００４６】
第１の現在地測位手段３１の具体例はＧセンサ１５（図１）である。現在地測位装置３０が装備する加速度センサ３２の個数は１個に限定されない。現在地測位装置３０が、ユーザに携帯されるポータブル型の場合には、現在地測位装置３０は、典型的には、３軸方向へ１個ずつの計３個の加速度センサ３２を装備する。現在地測位装置３０がカーナビゲーション装置である場合には、現在地測位装置３０は、典型的には、水平面内の２軸方向へ１個ずつの計２個の加速度センサ３２を装備する。
【００４７】
加速度センサ３２が３軸方向へ各１個ずつある場合には、各時点での移動方向を検出することができるとともに、鉛直方向の移動量も検出することができる。現在地測位装置３０は、方位センサ（地磁気センサ）を装備すれば、絶対的な移動方向（例えば北方向に対する移動方向の角度）を検知することができる。移動量算出手段３４が算出する移動量は、好ましくは、直交３軸の各軸方向の各移動量又は平面内の直交２軸の各軸方向の各移動量を算出し、第２の現在地測位手段３６は、各軸方向の各移動量に基づき現在地を算出する。
【００４８】
カルマンフィルタ３３は、ハードウェアにより実現されても、プログラムにより実現されてもよい。カルマンフィルタ３３が、加速度センサ３２から供給される加速度信号から最適推定加速度を算出する具体的処理の一例は（１）〜（６）式に基づき説明したとおりである。
【００４９】
判定手段３５は、第１の現在地測位手段３１が測位した現在地が適正か否かについて、具体的には、（ａ）最低３個（３個は水平方向の現在地測位の場合である。）のＧＰＳ衛星からＧＰＳ電波を受信できるているか否か、（ｂ）ＧＰＳ電波に基づき算出した現在地を地図データと照合すると、現在地が海上や湖上になっている（ただし、ユーザが船上にいる場合を除く。）か否か、又は（ｃ）一定時間間隔でＧＰＳ電波に基づき現在地を算出しているものとして、今回算出した現在地が前回算出した現在地に対して常識内の距離に留まっているか否か等により判定する。
【００５０】
ＧＰＳ衛星からのＧＰＳ電波を受信できない場合とは、例えば、現在地測位装置３０が、トンネルの中、地下街、建物内に存在する時である。第１の現在地測位手段３１が測位した現在地が適正である期間では、典型的には、該適正な現在地を正式の現在地として採用するが、該期間においても、移動量に基づき算出した現在地を正式の現在地として採用してもよいとする。
【００５１】
第２の現在地測位手段３６において始点として採用する所定の現在地とは、典型的には、判定手段３５の最後の正判定期間における最後の正判定の基になった現在地である。
【００５２】
好ましくは、現在地測位装置３０は学習手段４０を備えている。学習手段４０は、判定手段３５の判定が正である期間でかつ停止状態からの車両加速期間に、最適推定加速度に基づく車速と第１の現在地測位手段３１の測位した現在地の変化に基づく車速との対応関係を学習する。これに対して、移動量算出手段３４は、判定手段３５の判定が否である期間でかつ停止状態からの車両加速期間には、学習に基づく対応関係に基づき最適推定加速度から移動量を算出する。
【００５３】
学習手段４０は、また、判定手段３５の判定が正である期間でかつ停止状態への車両減速期間に、最適推定加速度に基づく車速と第１の現在地測位手段３１の測位した現在地の変化に基づく車速との対応関係を学習する。これに対して、移動量算出手段３４は、判定手段３５の判定が否である期間でかつ停止状態への車両減速期間には、学習に基づく対応関係に基づき最適推定加速度から移動量を算出する。
【００５４】
学習手段４０による車両加速期間及び車両停止期間の学習形態の具体例は、ポータブルナビゲーション装置１０に関して、図４〜図７を参照して説明したとおりである。
【００５５】
こうして、現在地測位装置３０では、加速度センサ３２の出力に含まれる白色性ノイズをカルマンフィルタ３３により除去して、精確な移動量を算出し、ＧＰＳ電波に基づく現在地測位不能期間における現在地測位の精度を高めることができる。
【００５６】
図１１は現在地測位方法５０のフローチャートである。現在地測位方法５０は例えば一定時間間隔ごとに実行される。なお、Ｓ５１は、Ｓ５４より前であれば、どこでもよく、例えばＳ５３とＳ５４との間に配置することができる。また、Ｓ５４は、Ｓ５１の後であれば、どこでもよく、例えば、Ｓ５２の前に配置されてもよい。
【００５７】
Ｓ５１では、ＧＰＳ電波に基づき現在地を測位する。Ｓ５２では、加速度センサ３２の測定信号から白色性ノイズを除去した最適推定加速度をカルマンフィルタにより算出する。Ｓ５３では、最適推定加速度に基づき移動量を算出する。
【００５８】
Ｓ５４では、ＧＰＳ電波に基づき測位した現在地が適正か否かを判定し、判定が正であれば、Ｓ５５へ進み、否であれば、Ｓ５６へ進む。Ｓ５５では、Ｓ５１で測位した所定の現在地を始点に設定して、現在地測位方法５０を終了する。Ｓ５６では、始点からのＳ５３の移動量に基づき現在地を測位して、現在地測位方法５０を終了する。
【００５９】
Ｓ５１，Ｓ５２，Ｓ５３，Ｓ５４の処理はそれぞれ現在地測位装置３０（図１０）の第１の現在地測位手段３１、カルマンフィルタ３３、移動量算出手段３４及び判定手段３５の機能にそれぞれ対応している。したがって、第１の現在地測位手段３１〜判定手段３５の機能について述べた具体的態様はそれぞれＳ５１〜Ｓ５４の処理についての具体的態様としても適用可能である。また、Ｓ５５，Ｓ５６の処理は現在地測位装置３０の第２の現在地測位手段３６の機能に対応している。したがって、第２の現在地測位手段３６の機能について述べた具体的態様はＳ５５，Ｓ５６の処理についての具体的態様としても適用可能である。
【００６０】
現在地測位方法５０には、現在地測位装置３０の学習手段４０に対応するステップ又はルーチンを追加することができる。該ステップ又は該ルーチンを追加した場合には、Ｓ５６では、停止状態からの加速期間及び／又は停止状態への車両減速期間には、学習に基づく対応関係に基づき最適推定加速度から移動量を算出することになる。
【００６１】
本発明を最良の形態について説明したが、本発明は、これに限定されるものではなく、発明の要旨を逸脱しない範囲で最良の形態における各構成要素を変形して具体化できる。また、最良の形態に開示されている複数の構成要素の便宜な組み合わせにより、種々の発明を形成できる。本明細書が開示する発明には、最良の形態に示される全構成要素からいくつかの構成要素を削除したり、異なる最良の形態に係る構成要素同士を組み合わせたりしたものも含まれる。
【図面の簡単な説明】
【００６２】
【図１】ポータブルナビゲーション装置のブロック図である。
【図２】Ｇセンサの出力の時間変化例を示すグラフである。
【図３】Ｇセンサの出力と該出力をカルマンフィルタにより処理して得た加速度の推定値とを重ね合わせたグラフである。
【図４】Ｇセンサの出力と車速パルスから算出した車速とを重ね合わせたグラフである。
【図５】図４のグラフにさらに加速度センサの出力を重ね合わせたグラフである。
【００６３】
【図６】停止状態からの加速期間及び停止状態への減速期間における車速を学習による対応関係に基づき最適推定加速度から算出したグラフを図５に重ね合わせたグラフである。
【図７】学習を加味してカルマンフィルタの出力に基づき算出した走行距離のグラフを図６に重ね合わせたグラフである。
【図８】カルマンフィルタで使用する各種方程式を示す図である。
【図９】図８の各種方程式において示したカルマンフィルタの数式に現れる行列の意味と値を示す図である。
【図１０】現在地測位装置のブロック図である。
【図１１】現在地測位方法のフローチャートである。
【符号の説明】
【００６４】
３０：現在地測位装置、３１：第１の現在地測位手段、３２：加速度センサ、３３：カルマンフィルタ、３４：移動量算出手段、３５：判定手段、３６：第２の現在地測位手段、４０：学習手段、５０：現在地測位方法。
【技術分野】
【０００１】
本発明は、ＧＰＳ電波に基づく現在地測位を補間する現在地測位装置及び方法に関するものである。
【背景技術】
【０００２】
特許文献１は、ＧＰＳ信号受信部の他に、加速度センサ、方位センサ及び角速度センサを装備する携帯電話を開示する（特許文献１の図１）。該携帯電話では、ＧＰＳによる現在地測位が不能状態になっている期間では、加速度センサ等の出力に基づき現在地を測位するようになっている（特許文献１の図６のフローチャートの４５→４６→４７）。
【特許文献１】特開２００４−２３３０５８号公報
【発明の開示】
【発明が解決しようとする課題】
【０００３】
後述の図２において説明するように、加速度センサの測定値には、車両振動路面走行振動に起因する多大の白色性ノイズが含まれている。白色性ノイズは、ほぼ全周波数範囲にわたって分布しているので、ローパスフィルタやハイパスフィルタを使っても、除去することは困難である。特許文献１の現在地測位装置では、加速度センサの出力を時間で２回、積分して、移動距離を得ることになっているが、加速度センサの測定値に含まれる白色性ノイズのために、精確な移動距離の算出、したがって、精確な現在地の測位は困難である。
【０００４】
本発明の目的は、加速度センサの出力に基づき現在地を測位する場合に、測位した現在地の精度を改善する現在地測位装置及び方法を提供することである。
【課題を解決するための手段】
【０００５】
本発明によれば、加速度センサの出力をカルマンフィルタにより処理して、加速度センサの測定信号中の白色性ノイズを除去する。そして、ＧＰＳ電波による現在地測位が不良である期間では、カルマンフィルタが出力する最適推定加速度に基づき移動量を算出し、それに基づき現在地を測位する。
【０００６】
本発明の現在地測位装置は次の構成要素を備えている。
ＧＰＳ電波に基づき現在地を測位する第１の現在地測位手段、
加速度を測定する加速度センサ、
加速度センサの測定信号から白色性ノイズを除去した最適推定加速度を算出するカルマンフィルタ、
最適推定加速度に基づき移動量を算出する移動量算出手段、
第１の現在地測位手段が測位した現在地が適正か否かを判定する判定手段、
判定手段の判定が否である期間では、判定手段の判定が正であった期間に第１の現在地測位手段の測位した所定の現在地を始点として該始点からの移動量に基づき現在地を測位する第２の現在地測位手段。
【０００７】
本発明の現在地測位方法は次のステップを備えている。
ＧＰＳ電波に基づき現在地を測位するステップ、
加速度センサの測定信号から白色性ノイズを除去した最適推定加速度をカルマンフィルタにより算出するステップ、
最適推定加速度に基づき移動量を算出するステップ、
ＧＰＳ電波に基づき測位した現在地が適正か否かの判定を実施するステップ、
判定が否である期間では、判定が正であった期間にＧＰＳ電波に基づき測位した所定の現在地を始点として該始点からの移動量に基づき現在地を測位するステップ。
【発明の効果】
【０００８】
本発明によれば、加速度センサの出力をカルマンフィルタにより処理して抽出した最適推定加速度に基づき移動量を算出し、該移動量に基づき現在地を測位するので、ＧＰＳ電波による現在地測位が困難な期間における現在地の測位精度を向上することができる。
【発明を実施するための最良の形態】
【０００９】
図１はポータブルナビゲーション装置１０のブロック図である。ポータブルナビゲーション装置１０は、その基本機能としての地図表示、現在地表示及び経路案内等のナビ機能を有し、該ナビ機能を実現するための要素として、演算装置１１、表示・入力部１２、記憶装置１３、ナビセンサ１４、Ｇセンサ１５、地図データ保持部１６及び電源部１７を具備しており、ユーザにより携帯される。
【００１０】
演算装置１１は、表示・入力部１２からユーザ指示の情報を受けるとともに、画像データを表示・入力部１２へ送る。演算装置１１は、また、ナビセンサ１４及びＧセンサ１５からの入力信号に基づき現在地の測位を実施する。表示・入力部１２は、ポータブルナビゲーション装置１０のケースの前面に配備され、ユーザが押下する入力部としての複数のキーと、ユーザへの各種情報を表示する表示部としてのＬＣＤとを備える。
【００１１】
記憶装置１３は、演算装置１１において処理するプログラムを記憶するとともに、プログラム実行時には算出データを一時保存する。ナビセンサ１４は、ＧＰＳ電波を受信するものであり、ＧＰＳセンサとも呼ばれる。Ｇセンサ１５はポータブルナビゲーション装置１０の加速度を検出する。
【００１２】
地図データ保持部１６は、地図データと地点の検索時に必要な位置データとを保持する。演算装置１１は、地図データ保持部１６のデータを、地図描画や経路探索等の算出に利用する。電源部１７は、適宜充電可能なバッテリ又は交換可能な乾電池から成り、ポータブルナビゲーション装置１０の各素子へ給電する。
【００１３】
演算装置１１においてプログラムで実行するカルマンフィルタ処理及び学習について、図２〜図９を参照して説明する。なお、図２〜図７において、加速度Ａｃｃはポータブルナビゲーション装置１０を実験車両に持ち込んだときのＧセンサ１５の出力であり、該実験車両の実験走行は、時刻＝０では停止状態にあり、その後、所定の車速まで加速し、該車速を維持し、最後に減速して、停止するものになっている。
【００１４】
図２はＧセンサ１５の出力の時間変化例を示すグラフである。Ｇセンサ１５の測定値には、車速の変化に係る加速度以外に、自車振動や路面走行振動等に起因する加速度が多量に含まれている。Ｇセンサ１５の出力から精確な移動距離を得るためには、それら振動等を除去する必要がある。これらの振動は、周波数全般にわたって分布する白色性ノイズとなっているので、特定の周波数伝達関数フィルタを使って、所定の信号成分を抽出することによる除去は困難である。
【００１５】
そこで、近似的な線形代数を逐次処理として使用することにより、白色性ノイズの除去を試みる。この算出としては、環境変数に対して統計処理的に解析できるカルマンフィルタが優れている。周知のように、カルマンフィルタは次の特徴を有している。
【００１６】
（ａ）信号を生成するシステムの動特性
（ｂ）雑音の統計的性質
（ｃ）初期値に関する先験情報及び時々刻々与えられる観測データ を用いて確率論的に最適なシステムの状態推定値の算出
【００１７】
図３はＧセンサ１５の出力と該出力をカルマンフィルタにより処理して得た加速度の推定値とを重ね合わせたグラフである。図３はモノクロの図示のために、見え難いが、Ｇセンサ１５の出力波形のほぼ中心をカルマンフィルタの出力（＝最適推定加速度）のグラフ線が通っている。最適推定加速度は、Ｇセンサ１５の出力から白色性ノイズを十分に除去したものとなる。カルマンフィルタの処理については、図８及び図９を参照して、後述する。
【００１８】
図４はＧセンサ１５の出力と車速パルスから算出した車速Ｖｅｌとを重ね合わせたグラフ、図５は図４のグラフにさらに加速度センサの出力（＝最適推定加速度）を重ね合わせたグラフである。ポータブルナビゲーション装置１０は、車速センサを装備しておらず、また、車速センサを利用することもない。図４及び図５の車速Ｖｅｌの基にしている車速パルスは、ポータブルナビゲーション装置１０が持ち込まれた実験車両に常備されている車速センサの出力を利用している。
【００１９】
車速Ｖｅｌの時間微分は加速度、すなわち最適推定加速度の出力と一致するはずであるが、図４及び図５では、実験車両の実験走行における初期（停止状態からの加速期間）と終期（停止状態への減速期間）とにおいて、車速Ｖｅｌの時間微分と最適推定加速度との不一致が目立つ。
【００２０】
これに対処するため、停止状態からの加速期間及び停止状態への減速期間は、現在地に対して学習を行うことにする。ポータブルナビゲーション装置１０には、車速センサは装備されていないので、ポータブルナビゲーション装置１０における実際の学習では、車速センサの出力の代わりに、ナビセンサ１４から検出した現在地の時間変化から車速を検出することになる。これにより、停止状態からの加速期間と停止状態への減速期間における現実の車速と最適推定加速度との対応関係が判明する。判明した対応関係は、環境変数として適宜読み出し可能に記憶装置１３に保管する。
【００２１】
図６は停止状態からの加速期間及び停止状態への減速期間における車速を学習による対応関係に基づき最適推定加速度から算出したグラフ（黒丸の系列）を図５に重ね合わせたグラフである。学習結果に基づき最適推定加速度から算出した車速（黒丸の系列）は、車速パルスに基づき算出した車速と一致性が高まる。
【００２２】
図７は学習を加味してカルマンフィルタの出力に基づき算出した走行距離のグラフを図６に重ね合わせたグラフである。図７のグラフにおける走行距離は、停止状態からの加速期間及び停止状態への減速期間では、カルマンフィルタの出力（＝最適推定加速度）をそのまま積分した車速ではなく、学習した最適推定加速度−車速の対応関係に基づき最適推定加速度から算出した車速を採用して、該採用した車速に基づき算出されている。また、図７のグラフにおけるその他の期間の走行距離は、カルマンフィルタの出力（＝最適推定加速度）をそのまま積分して算出した車速を採用し、該採用した車速に基づき算出されている。こうして、各期間の車速に基づき走行距離を算出すると、図７の走行距離のグラフのように、現実の走行距離に近い走行距離を最適推定加速度から算出することができる。
【００２３】
ポータブルナビゲーション装置１０は、ナビセンサ１４がＧＰＳ電波を正常に受信して、該ＧＰＳ電波に基づく現在地測位が適正である期間では、該ＧＰＳ電波に基づいて測位した現在地をユーザに現在地として提示する。
【００２４】
これに対して、ＧＰＳ電波が弱かったり、３個以上のＧＰＳ衛星からのＧＰＳ電波を確保することができなかったりして、ＧＰＳ電波による現在地測位が困難な期間があり、該期間では、ＧＰＳ電波に基づく現在地測位が不適正になる。ポータブルナビゲーション装置１０は、該不適正期間では、最後に適正と判断した現在地を始点とし、該始点からの、カルマンフィルタの出力した最適推定加速度から求めた移動量に基づき現在地を算出する。
【００２５】
さらに、ポータブルナビゲーション装置１０がユーザにより車両に持ち込まれて、不適正期間中の、停止状態からの加速期間と停止状態への減速期間とでは、ポータブルナビゲーション装置１０は、環境変数として保管している学習データに基づき、カルマンフィルタの出力としての最適推定加速度からそれに対応する車速を求め、さらに、該車速に基づき移動距離を算出し、最後に現在地を算出する。
【００２６】
図８はカルマンフィルタで使用する各種方程式を示している。図９は図８の各種方程式において示したカルマンフィルタの数式に現れる行列の意味と値を示している。カルマンフィルタにおけるシステム雑音・観測雑音について説明する。観測誤差とはセンサに含まれる誤差である。システム雑音とは、計算丸め誤差やモデル誤差などシステム全体の中で観測誤差に含まれないものを指す。これらは厳密にすべて実在する誤差であるはずなので、事前に調べ、適用すればよい。しかしながら、現実的に満足のいくかたちで誤差を得ることは困難な場合が多く、例えば、適応フィルタを用いてシステム同定という手法から算出させてもよい。
【００２７】
カルマンフィルタの処理の具体化例を説明する。例えば次の（１）式を想定する。
【００２８】
ｙk＝Σi=1nａi（ｋ）ｅｘｐ（ｊωiｔk）＋ｖk・・・（１）。ただし、ｋ＝０，１，２，・・・である。
【００２９】
ｙk、ｖk及びａi（ｋ）は、それぞれ時刻ｔk＝ｋΔＴ（ΔＴはサンプリング間隔）における観測信号、観測雑音及び時変成分であり、それぞれ複素数で定義される。ωiは時変成分ａi（ｋ）の角周波数であり、ｊ（ｊ2＝−１）は虚数単位とする。また、ｖkを平均値ゼロ、分散σv2の定常な複素ガウス白色雑音とする。
【００３０】
Ｇセンサ１５の出力は、Ａ／Ｄ変換器（図示せず）によりデジタル信号へ変換され、検出信号として演算装置１１へ供給される。演算装置１１はカルマンフィルタの処理を実行できるようになっている。演算装置１１でプログラムにより実行されるカルマンフィルタでは、検出信号を観測値ｙkとして設定するとともに、観測値ｙkが、（１）式で表されるように、任意に変化する指定数ｎ個（ｎは任意の整数）の時変成分である複素振幅ａi（ｋ）と観測雑音ｖkとの和で表される場合を考え、観測値ｙkから各周波数成分ωiの複素振幅ａi（ｋ）を推定するカルマンフィルタ処理を実行する。そして、各周波数成分ωiの複素振幅ａi（ｋ）に基づいて（１）式の演算を行って、最適推定加速度を算出し、該最適推定加速度を時間で２回、積分して走行距離を求める。
【００３１】
カルマンフィルタ処理では、観測値ｙkから各周波数成分ωiの複素振幅ａi（ｋ）を推定することにより、移動量算出手段３４へ供給する信号中の白色性ノイズを除去することができる。
【００３２】
カルマンフィルタを用いて、各周波数成分ωiの複素振幅ａi（ｋ）を推定する方法について説明する。Ｇセンサ１５の出力信号が前述したように（１）で表される場合に、周波数ωiは検出周波数を表している。カルマンフィルタにより上記の時変スペクトルを推定するに当たり、時変成分ａi（ｋ）の時間変化を次の（２）式のように線形近似する。
【００３３】
｛ａi（ｋ＋１）−ａi（ｋ）｝／ΔＴ＝｛ａi（ｋ）−ａi（ｋ−１）｝／ΔＴ＋ｗi（ｋ）’・・・（２）
【００３４】
ただし、ｗi（ｋ）’はｗi（ｋ）の時間微分を表している。時刻ｔk-１のときの時変成分ａi（ｋ）の変化の傾きと、時刻ｔkのときの傾きはほぼ等しいものとし、ｗi（ｋ）′をその時の近似誤差とする。このとき、｛ａi（ｋ）｝は次の（３）式の２次のＡＲモデルで表される。
【００３５】
ａi（ｋ＋１）＝２ａi（ｋ）−ａi（ｋ−１）＋ｗi（ｋ）・・・（３）。ただし、 ｗi（ｋ）＝ΔＴｗi（ｋ）′である。
【００３６】
（３）式を利用することにより、（１）式は次の（４）式により表すことができる。
【００３７】
ａi（ｋ）＝２ａi（ｋ−１）−ａi（ｋ−２）＋ｗi（ｋ）・・・（４）
【００３８】
ここで、｛ｗi（ｋ）｝を平均０、分散平均値０、分散σw2の定常な複素ガウス白色雑音とし、｛ｖk｝と独立であると仮定する。次に、｛ｗi（ｋ）｝をシステム雑音として取扱い、（４）式を変形することにより観測信号｛ｙk｝は次のような状態方程式（５）と観測方程式（６）からなる基本システムで表すことができる。
【００３９】
ｘk+１＝Ｆｘk＋Ａｗk ・・・（５）
【００４０】
ｙk+１＝Ｈkｘk＋ｖk・・・（６）。ただし、 ｋ＝０，１，２，・・・である。
【００４１】
（５）及び（６）式は図８の状態方程式及び観測方程式に対応している。以降は周知の解法により、Ｇセンサ１５の検出信号（観測値）ｙkから、各周波数成分ωiの複素振幅ａi（ｋ）を推定することができる。そして、推定した複素振幅ａi（ｋ）を（１）式に代入することにより、最適推定加速度を算出することができ、この最適推定加速度を時間で２回積分して、走行距離を求める。
【００４２】
図１０は現在地測位装置３０のブロック図である。現在地測位装置３０の一例は図１のポータブルナビゲーション装置１０である。現在地測位装置３０は、ポータブル式に限定されず、カーナビゲーション装置として、車両のコンソールに取り付けられるものであってもよい。現在地測位装置３０が、ポータブルナビゲーション装置１０のようなポータブル式の場合には、ユーザにより適宜、車両に持ち込まれて、使用される。現在地測位装置３０は、さらに、ナビゲーション装置単体としてではなく、携帯電話、ＰＤＡ及びノート型ＰＣに内蔵されるものであってもよい。
【００４３】
現在地測位装置３０は、第１の現在地測位手段３１、加速度センサ３２、カルマンフィルタ３３、移動量算出手段３４、判定手段３５及び第２の現在地測位手段３６を備えている。現在地測位装置３０は、好ましくは、学習手段４０を備える。カルマンフィルタ３３、移動量算出手段３４、判定手段３５、第２の現在地測位手段３６及び学習手段４０の各機能は、ポータブルナビゲーション装置１０では、演算装置１１においてプログラムにより実行される。
【００４４】
第１の現在地測位手段３１は、ＧＰＳ電波に基づき現在地を測位する。加速度センサ３２は、加速度を測定する。カルマンフィルタ３３は、加速度センサ３２の測定信号から白色性ノイズを除去した最適推定加速度を算出する。移動量算出手段３４は、最適推定加速度に基づき移動量を算出する。
【００４５】
判定手段３５は、第１の現在地測位手段３１が測位した現在地が適正か否かを判定する。第２の現在地測位手段３６は、判定手段３５の判定が否である期間では、判定手段３５の判定が正であった期間に第１の現在地測位手段３１の測位した所定の現在地を始点として該始点からの移動量に基づき現在地を測位する。
【００４６】
第１の現在地測位手段３１の具体例はＧセンサ１５（図１）である。現在地測位装置３０が装備する加速度センサ３２の個数は１個に限定されない。現在地測位装置３０が、ユーザに携帯されるポータブル型の場合には、現在地測位装置３０は、典型的には、３軸方向へ１個ずつの計３個の加速度センサ３２を装備する。現在地測位装置３０がカーナビゲーション装置である場合には、現在地測位装置３０は、典型的には、水平面内の２軸方向へ１個ずつの計２個の加速度センサ３２を装備する。
【００４７】
加速度センサ３２が３軸方向へ各１個ずつある場合には、各時点での移動方向を検出することができるとともに、鉛直方向の移動量も検出することができる。現在地測位装置３０は、方位センサ（地磁気センサ）を装備すれば、絶対的な移動方向（例えば北方向に対する移動方向の角度）を検知することができる。移動量算出手段３４が算出する移動量は、好ましくは、直交３軸の各軸方向の各移動量又は平面内の直交２軸の各軸方向の各移動量を算出し、第２の現在地測位手段３６は、各軸方向の各移動量に基づき現在地を算出する。
【００４８】
カルマンフィルタ３３は、ハードウェアにより実現されても、プログラムにより実現されてもよい。カルマンフィルタ３３が、加速度センサ３２から供給される加速度信号から最適推定加速度を算出する具体的処理の一例は（１）〜（６）式に基づき説明したとおりである。
【００４９】
判定手段３５は、第１の現在地測位手段３１が測位した現在地が適正か否かについて、具体的には、（ａ）最低３個（３個は水平方向の現在地測位の場合である。）のＧＰＳ衛星からＧＰＳ電波を受信できるているか否か、（ｂ）ＧＰＳ電波に基づき算出した現在地を地図データと照合すると、現在地が海上や湖上になっている（ただし、ユーザが船上にいる場合を除く。）か否か、又は（ｃ）一定時間間隔でＧＰＳ電波に基づき現在地を算出しているものとして、今回算出した現在地が前回算出した現在地に対して常識内の距離に留まっているか否か等により判定する。
【００５０】
ＧＰＳ衛星からのＧＰＳ電波を受信できない場合とは、例えば、現在地測位装置３０が、トンネルの中、地下街、建物内に存在する時である。第１の現在地測位手段３１が測位した現在地が適正である期間では、典型的には、該適正な現在地を正式の現在地として採用するが、該期間においても、移動量に基づき算出した現在地を正式の現在地として採用してもよいとする。
【００５１】
第２の現在地測位手段３６において始点として採用する所定の現在地とは、典型的には、判定手段３５の最後の正判定期間における最後の正判定の基になった現在地である。
【００５２】
好ましくは、現在地測位装置３０は学習手段４０を備えている。学習手段４０は、判定手段３５の判定が正である期間でかつ停止状態からの車両加速期間に、最適推定加速度に基づく車速と第１の現在地測位手段３１の測位した現在地の変化に基づく車速との対応関係を学習する。これに対して、移動量算出手段３４は、判定手段３５の判定が否である期間でかつ停止状態からの車両加速期間には、学習に基づく対応関係に基づき最適推定加速度から移動量を算出する。
【００５３】
学習手段４０は、また、判定手段３５の判定が正である期間でかつ停止状態への車両減速期間に、最適推定加速度に基づく車速と第１の現在地測位手段３１の測位した現在地の変化に基づく車速との対応関係を学習する。これに対して、移動量算出手段３４は、判定手段３５の判定が否である期間でかつ停止状態への車両減速期間には、学習に基づく対応関係に基づき最適推定加速度から移動量を算出する。
【００５４】
学習手段４０による車両加速期間及び車両停止期間の学習形態の具体例は、ポータブルナビゲーション装置１０に関して、図４〜図７を参照して説明したとおりである。
【００５５】
こうして、現在地測位装置３０では、加速度センサ３２の出力に含まれる白色性ノイズをカルマンフィルタ３３により除去して、精確な移動量を算出し、ＧＰＳ電波に基づく現在地測位不能期間における現在地測位の精度を高めることができる。
【００５６】
図１１は現在地測位方法５０のフローチャートである。現在地測位方法５０は例えば一定時間間隔ごとに実行される。なお、Ｓ５１は、Ｓ５４より前であれば、どこでもよく、例えばＳ５３とＳ５４との間に配置することができる。また、Ｓ５４は、Ｓ５１の後であれば、どこでもよく、例えば、Ｓ５２の前に配置されてもよい。
【００５７】
Ｓ５１では、ＧＰＳ電波に基づき現在地を測位する。Ｓ５２では、加速度センサ３２の測定信号から白色性ノイズを除去した最適推定加速度をカルマンフィルタにより算出する。Ｓ５３では、最適推定加速度に基づき移動量を算出する。
【００５８】
Ｓ５４では、ＧＰＳ電波に基づき測位した現在地が適正か否かを判定し、判定が正であれば、Ｓ５５へ進み、否であれば、Ｓ５６へ進む。Ｓ５５では、Ｓ５１で測位した所定の現在地を始点に設定して、現在地測位方法５０を終了する。Ｓ５６では、始点からのＳ５３の移動量に基づき現在地を測位して、現在地測位方法５０を終了する。
【００５９】
Ｓ５１，Ｓ５２，Ｓ５３，Ｓ５４の処理はそれぞれ現在地測位装置３０（図１０）の第１の現在地測位手段３１、カルマンフィルタ３３、移動量算出手段３４及び判定手段３５の機能にそれぞれ対応している。したがって、第１の現在地測位手段３１〜判定手段３５の機能について述べた具体的態様はそれぞれＳ５１〜Ｓ５４の処理についての具体的態様としても適用可能である。また、Ｓ５５，Ｓ５６の処理は現在地測位装置３０の第２の現在地測位手段３６の機能に対応している。したがって、第２の現在地測位手段３６の機能について述べた具体的態様はＳ５５，Ｓ５６の処理についての具体的態様としても適用可能である。
【００６０】
現在地測位方法５０には、現在地測位装置３０の学習手段４０に対応するステップ又はルーチンを追加することができる。該ステップ又は該ルーチンを追加した場合には、Ｓ５６では、停止状態からの加速期間及び／又は停止状態への車両減速期間には、学習に基づく対応関係に基づき最適推定加速度から移動量を算出することになる。
【００６１】
本発明を最良の形態について説明したが、本発明は、これに限定されるものではなく、発明の要旨を逸脱しない範囲で最良の形態における各構成要素を変形して具体化できる。また、最良の形態に開示されている複数の構成要素の便宜な組み合わせにより、種々の発明を形成できる。本明細書が開示する発明には、最良の形態に示される全構成要素からいくつかの構成要素を削除したり、異なる最良の形態に係る構成要素同士を組み合わせたりしたものも含まれる。
【図面の簡単な説明】
【００６２】
【図１】ポータブルナビゲーション装置のブロック図である。
【図２】Ｇセンサの出力の時間変化例を示すグラフである。
【図３】Ｇセンサの出力と該出力をカルマンフィルタにより処理して得た加速度の推定値とを重ね合わせたグラフである。
【図４】Ｇセンサの出力と車速パルスから算出した車速とを重ね合わせたグラフである。
【図５】図４のグラフにさらに加速度センサの出力を重ね合わせたグラフである。
【００６３】
【図６】停止状態からの加速期間及び停止状態への減速期間における車速を学習による対応関係に基づき最適推定加速度から算出したグラフを図５に重ね合わせたグラフである。
【図７】学習を加味してカルマンフィルタの出力に基づき算出した走行距離のグラフを図６に重ね合わせたグラフである。
【図８】カルマンフィルタで使用する各種方程式を示す図である。
【図９】図８の各種方程式において示したカルマンフィルタの数式に現れる行列の意味と値を示す図である。
【図１０】現在地測位装置のブロック図である。
【図１１】現在地測位方法のフローチャートである。
【符号の説明】
【００６４】
３０：現在地測位装置、３１：第１の現在地測位手段、３２：加速度センサ、３３：カルマンフィルタ、３４：移動量算出手段、３５：判定手段、３６：第２の現在地測位手段、４０：学習手段、５０：現在地測位方法。
【特許請求の範囲】
【請求項１】
ＧＰＳ電波に基づき現在地を測位する第１の現在地測位手段、
加速度を測定する加速度センサ、
加速度センサの測定信号から白色性ノイズを除去した最適推定加速度を算出するカルマンフィルタ、
最適推定加速度に基づき移動量を算出する移動量算出手段、
前記第１の現在地測位手段が測位した現在地が適正か否かを判定する判定手段、
前記判定手段の判定が否である期間では、前記判定手段の判定が正であった期間に前記第１の現在地測位手段の測位した所定の現在地を始点として該始点からの前記移動量に基づき現在地を測位する第２の現在地測位手段、
を備えることを特徴とする現在地測位装置。
【請求項２】
前記判定手段の判定が正である期間でかつ停止状態からの車両加速期間に、前記最適推定加速度に基づく車速と前記第１の現在地測位手段の測位した現在地の変化に基づく車速との対応関係を学習する学習手段、
前記判定手段の判定が否である期間でかつ停止状態からの車両加速期間には、学習に基づく対応関係に基づき最適推定加速度から移動量を算出する前記移動量算出手段、
を備えることを特徴とする請求項１記載の現在地測位装置。
【請求項３】
前記判定手段の判定が正である期間でかつ停止状態への車両減速期間に、前記最適推定加速度に基づく車速と前記第１の現在地測位手段の測位した現在地の変化に基づく車速との対応関係を学習する学習手段、
前記判定手段の判定が否である期間でかつ停止状態への車両減速期間には、学習に基づく対応関係に基づき最適推定加速度から移動量を算出する前記移動量算出手段、
を備えることを特徴とする請求項１又は２記載の現在地測位装置。
【請求項４】
ＧＰＳ電波に基づき現在地を測位するステップ、
加速度センサの測定信号から白色性ノイズを除去した最適推定加速度をカルマンフィルタにより算出するステップ、
最適推定加速度に基づき移動量を算出するステップ、
ＧＰＳ電波に基づき測位した現在地が適正か否かの判定を実施するステップ、
前記判定が否である期間では、前記判定が正であった期間にＧＰＳ電波に基づき測位した所定の現在地を始点として該始点からの前記移動量に基づき現在地を測位するステップ、
を備えることを特徴とする現在地測位方法。
【請求項１】
ＧＰＳ電波に基づき現在地を測位する第１の現在地測位手段、
加速度を測定する加速度センサ、
加速度センサの測定信号から白色性ノイズを除去した最適推定加速度を算出するカルマンフィルタ、
最適推定加速度に基づき移動量を算出する移動量算出手段、
前記第１の現在地測位手段が測位した現在地が適正か否かを判定する判定手段、
前記判定手段の判定が否である期間では、前記判定手段の判定が正であった期間に前記第１の現在地測位手段の測位した所定の現在地を始点として該始点からの前記移動量に基づき現在地を測位する第２の現在地測位手段、
を備えることを特徴とする現在地測位装置。
【請求項２】
前記判定手段の判定が正である期間でかつ停止状態からの車両加速期間に、前記最適推定加速度に基づく車速と前記第１の現在地測位手段の測位した現在地の変化に基づく車速との対応関係を学習する学習手段、
前記判定手段の判定が否である期間でかつ停止状態からの車両加速期間には、学習に基づく対応関係に基づき最適推定加速度から移動量を算出する前記移動量算出手段、
を備えることを特徴とする請求項１記載の現在地測位装置。
【請求項３】
前記判定手段の判定が正である期間でかつ停止状態への車両減速期間に、前記最適推定加速度に基づく車速と前記第１の現在地測位手段の測位した現在地の変化に基づく車速との対応関係を学習する学習手段、
前記判定手段の判定が否である期間でかつ停止状態への車両減速期間には、学習に基づく対応関係に基づき最適推定加速度から移動量を算出する前記移動量算出手段、
を備えることを特徴とする請求項１又は２記載の現在地測位装置。
【請求項４】
ＧＰＳ電波に基づき現在地を測位するステップ、
加速度センサの測定信号から白色性ノイズを除去した最適推定加速度をカルマンフィルタにより算出するステップ、
最適推定加速度に基づき移動量を算出するステップ、
ＧＰＳ電波に基づき測位した現在地が適正か否かの判定を実施するステップ、
前記判定が否である期間では、前記判定が正であった期間にＧＰＳ電波に基づき測位した所定の現在地を始点として該始点からの前記移動量に基づき現在地を測位するステップ、
を備えることを特徴とする現在地測位方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【公開番号】特開２００８−２２４２４９（Ｐ２００８−２２４２４９Ａ）
【公開日】平成２０年９月２５日（２００８．９．２５）
【国際特許分類】
【出願番号】特願２００７−５９１４９（Ｐ２００７−５９１４９）
【出願日】平成１９年３月８日（２００７．３．８）
【出願人】（０００００３５９５）株式会社ケンウッド (1,981)
【Ｆターム（参考）】
【公開日】平成２０年９月２５日（２００８．９．２５）
【国際特許分類】
【出願日】平成１９年３月８日（２００７．３．８）
【出願人】（０００００３５９５）株式会社ケンウッド (1,981)
【Ｆターム（参考）】
[ Back to top ]