JP7364028B2

JP7364028B2 - 推定装置、方法およびプログラム

Info

Publication number: JP7364028B2
Application number: JP2022501429A
Authority: JP
Inventors: 直人阿部; 仁志瀬下
Original assignee: Nippon Telegraph and Telephone Corp; NTT Inc USA
Current assignee: NTT Inc; NTT Inc USA
Priority date: 2020-02-18
Filing date: 2020-02-18
Publication date: 2023-10-18
Anticipated expiration: 2040-02-18
Also published as: US20230065125A1; WO2021166060A1; JPWO2021166060A1

Description

本発明の実施形態は、推定装置、方法およびプログラムに関する。

スマートフォン（smartphone）等のモバイル端末（mobile device）が普及することにより、写真撮影および投稿が簡単に行なわれるようになっている。
従来の技術では、例えば、地方自治体の日常的な行政業務について、職員が所持する携帯端末を介して情報をリアルタイム（real time）に取得可能とする参加型センシング（sensing）を適用し、効率的な情報収集および共有を可能とするものがある（例えば非特許文献１参照）。
また、サービス（service）への参加者が利用するスマートフォンおよび車両に搭載されたデバイス（device）がセンサ（sensor）として用いられ、データの収集を担うクラウド（cloud）センシングにおいて、市民の参加を募り、スマートフォンにより街の環境音を集めることにより、にぎわい創出などの観光政策、防災、防犯など、社会課題の解決に役立てようとするものがある（例えば非特許文献２参照）。

加えて、情報収集作業に参加する人に対してタスク（task）を割り当てて情報を収集するものがある。

米澤拓郎（Takuro Yonezawa），他、"自治体職員参加型センシングによる業務効率化と都市理解の向上（Improvement of municipal administration works and city understandings by participatory sensing with city officers）"、DICOMO2018、pp.320-329 阿部匡伸（Msanobu Abe），曽根原登（Noboru Sonehara）、"社会問題解決に役立つクラウドセンシング"、NII Today 70号,2015、pp.8-9https://www.nii.ac.jp/about/upload/NII70_web.pdf

上記のような手法では、情報収集作業に参加するユーザ（user）にタスクが割り当てられ、このユーザが所持する移動体、例えばスマートフォン、車載デバイスなどから情報が収集される。

しかし、上記のような手法では、情報収集作業に参加しないユーザからの情報が得られなかったり、情報収集作業に参加していないユーザが所持する移動体から情報が得られた時に、この情報を情報収集作業に参加しないユーザからの情報と統合する仕組みが考慮されていなかったりしていた。

この発明は、上記事情に着目してなされたもので、その目的とするところは、所定の事象が発生していることを適切に推定することができるようにした推定装置、方法およびプログラムを提供することにある。

本発明の一態様に係る推定装置は、任意の場所において事象が発生していることが示される情報を、事象の種別と、当該情報がユーザにより判断された情報であるかセンサにより検出された情報であるかが示される情報と、当該情報の確からしさが示される精度とともに取得する取得部と、前記取得部により取得された、前記ユーザにより判断された情報の精度、当該情報の発生頻度、前記センサにより検出された情報の精度、当該情報の発生頻度に基づいて、所定の事象が実際に発生している確率を推定する第１の推定部と、前記第１の推定部により推定された確率と閾値とに基づいて、上記所定の事象が実際に発生しているか否かを推定する第２の推定部とを備える。

本発明の一態様に係る推定方法は、推定装置が行なう推定方法であって、任意の場所において事象が発生していることが示される情報を、事象の種別と、当該情報がユーザにより判断された情報であるかセンサにより検出された情報であるかが示される情報と、当該情報の確からしさが示される精度とともに取得することと、前記取得された、前記ユーザにより判断された情報の精度、当該情報の発生頻度、前記センサにより検出された情報の精度、当該情報の発生頻度に基づいて、所定の事象が実際に発生している確率を推定することと、前記推定された確率と閾値とに基づいて、上記所定の事象が実際に発生しているか否かを推定することと、を備える。

本発明によれば、所定の事象が発生していることを適切に推定することができる。

図１は、本発明の一実施形態に係るデータ処理装置の適用例を示す図である。図２は、データ（data）処理装置による動作の一例を示すフローチャート（flow chart）である。図３は、投稿情報におけるカテゴリ（category）別の精度および頻度の一例を表形式で示す図である。図４は、センシング情報におけるカテゴリ別の精度および頻度の一例を表形式で示す図である。図５は、各事象の発生確率の一例を表形式で示す図である。図６は、リンク（link）上に係る情報の収集結果の一例を表形式で示す図である。図７は、リンク上に係る収集結果における投稿情報に基づく精度の補正の一例を表形式で示す図である。図８は、リンク上に係る収集結果における投稿情報およびセンシング情報に基づく精度の補正の一例を表形式で示す図である。図９は、リンク上に係る収集結果におけるセンシング情報に基づく精度の補正の一例を表形式で示す図である。図１０は、本発明の一実施形態に係るデータ処理装置のハードウエア（hardware）構成の一例を示すブロック図である。

以下、図面を参照しながら、この発明に係わる一実施形態を説明する。
この実施形態では、バリアフリー（barrier-free）情報の収集を事例とし、情報収集作業のタスクに参加しているユーザにより判断されて当該ユーザから投稿された情報である投稿情報、およびタスクに参加していない移動体に装着されるセンサにより検出された情報であるセンシング情報が収集される仕組みが実現され得る。

例えば、タスクに参加しているユーザにより、歩道に対応するリンクに係る情報が投稿される。
また、この実施形態では、タスクに参加していない移動体が移動する時に、この移動体に取り付けられたセンサからのセンシング情報に基づいて路面の状態が推定され、この推定結果が、各歩道に対応するリンクに対応付けられて記憶装置に蓄積され、蓄積された結果に基づいて、確からしい路面状態の情報が得られる。

そして、当該リンクに係る投稿情報がある場合、この情報とセンシング情報とが組み合わせられることで、路面状態の確からしさが評価される。
この評価の結果が、尤もらしい路面状態を示す場合、上記リンクに係る路面状態が確定される。

次に、本実施形態における処理の具体例を説明する。図１は、本発明の一実施形態に係るデータ処理装置の適用例を示す図である。
図１に示されるように、本発明の一実施形態に係るデータ処理装置１０は、データ取得部１１、データ格納部１２、精度推定部１３、および路面状況推定部１４を有する推定装置である。各部の動作などは後述する。

図２は、データ処理装置による動作の一例を示すフローチャートである。
ここでは、あるリンク上に係る投稿情報およびセンシング情報がデータ格納部１２に格納されているとする。
データ取得部１１は、この格納された情報を取得する（Ｓ１１）。
精度推定部１３は、Ｓ１１で取得されたデータと、所定の各事象に係る情報の発生頻度、および当該各事象に係る情報の精度とを用いて、精度を補正する（Ｓ１２）。
路面状況推定部１４は、Ｓ１２で補正された精度と、上記各事象に係る情報の発生精度とを用いて、リンクの路面状態の信頼度を評価（算出）する（Ｓ１３）。
路面状況推定部１４は、Ｓ１３で評価された信頼度と所定の閾値に基づいて、リンクの路面状態を推定する（Ｓ１４）。

次に、上記の信頼度の評価について説明する。データ処理装置１０は、ユーザからの投稿情報における精度と、センシング情報における精度との調和平均を用いて、路面系の状態を示す情報の確からしさである信頼度を評価する。

ここでは、信頼度の評価に係る前提条件は、以下の（１）～（３）であるとする。
（１）事象Aを「a:バリアθがある」とする。また、事象Bを「b:バリアθがない」とする。
（２）任意の場所において、事象Aが発生する確率をP_Aとし、上記任意の場所において、事象Bが発生する確率をP_Bとする。
（３）事象Aが発生する場所において、上記事象Aに対応する「a:バリアθがある」が当該場所に係る投稿情報およびセンシング情報の少なくとも一方から検出される確率をp_A(a)とする。また、事象Aが発生する場所において、上記事象Bに対応する「b:バリアθがない」が当該場所に係る投稿情報およびセンシング情報の少なくとも一方から検出される確率をp_A(b)とする。

事象Bが発生する場所において、上記事象Aに対応する「a:バリアθがある」が当該場所に係る投稿情報およびセンシング情報の少なくとも一方から検出される確率をp_B(a)とする。また、事象Bが発生する場所において、上記事象Bに対応する「b:バリアθがない」が当該場所に係る投稿情報およびセンシング情報の少なくとも一方から検出される確率をp_B(b)とする。
上記p_A(a)とp_A(b)について、以下の式（１）が成り立つ。
p_A(a)+p_A(b)=1 …式（１）
また、p_B(a)とp_B(b)について、以下の式（２）が成り立つ。
p_B(a)+p_B(b)=1 …式（２）

上記の前提条件の下で、ある場所にいるn人の中で、投稿情報とセンシング情報を併せた情報において、この場所で事象Aが発生したことが示される情報の数に対応する人の数がr人であるとき、上記信頼度としての、当該場所で事象Aが実際に発生する確率Q(A)は、ベイズ定理（Bayes' theorem）により以下の式（３）により求められる。

図３は、投稿情報におけるカテゴリ別の精度および頻度の一例を表形式で示す図である。精度は投稿情報ごとに設定され、例えば0～1の範囲の値である。頻度は、投稿情報の数、つまり、ある場所で情報を投稿したユーザの数に対応する。
図３では、対象とするリンク上の階段に係る投稿情報の精度q_階段、当該リンク上の平坦部分に係る投稿情報の精度q_平坦、当該リンク上の坂道に係る投稿情報の精度q_坂、および当該リンク上の段差部分に係る投稿情報の精度q_段差、が示される。
また、図３では、上記階段に係る投稿情報の頻度Ｎ_階段、上記平坦部分に係る投稿情報の頻度Ｎ_平坦、上記坂道における投稿情報の頻度Ｎ_坂、および上記段差部分における投稿情報の頻度Ｎ_段差、が示される。

図４は、センシング情報におけるカテゴリ別の精度および頻度の一例を表形式で示す図である。精度はセンシング情報ごとに設定され、精度の値の範囲は0～1とする。頻度はセンシング情報の数に対応する。
図４では、上記対象とするリンク上の階段に係るセンシング情報の精度ｒ_階段、当該リンク上の平坦部分に係るセンシング情報の精度ｒ_平坦、当該リンク上の坂道に係るセンシング情報の精度ｒ_坂、および当該リンク上の段差部分に係るセンシング情報の精度q_段差、が示される。
また、図４では、上記階段に係るセンシング情報の頻度Ｎ_階段、上記平坦部分におけるセンシング情報の頻度Ｎ_平坦、上記坂道におけるセンシング情報の頻度Ｎ_坂、および上記段差部分におけるセンシング情報の頻度Ｎ_段差、が示される。

ここで、事象全体をΩとし、対象とするリンク上に階段がある事象を事象Aとし、当該リンク上に、階段以外である、平坦部分、坂道、または段差部分がある事象を事象B（＝Ω－A）とする。

事象Aに係る投稿情報の頻度をＮ_Ａとし、事象Aに係るセンシング情報の頻度をＭ_Ａとし、事象Aに係る投稿情報の精度をｑ_Ａとし、事象Aに係センシング情報の精度をｒ_Ａとすると、事象Aが発生する場所（リンク）で、事象Aに対応する上記aが当該場所に係る投稿情報およびセンシング情報の少なくとも一方から検出される確率p_A(a)は以下の式（４）で表される。また、事象Aが発生する場所で、事象Bに対応する上記bが当該場所に係る投稿情報およびセンシング情報の少なくとも一方から検出される確率p_A(b)は以下の式（５）で表される。
p_A(a)＝（Ｎ_Ａ＋Ｍ_Ａ）/（Ｎ_Ａ/ｑ_Ａ＋Ｍ_Ａ/ｒ_Ａ） …式（４）
p_A(b)＝１－p_A(a) …式（５）

また、i∈Ω－Aのときに、事象iに係る投稿情報の頻度をＮ_iとし、事象iに係るセンシング情報の頻度をＭ_iとし、事象iに係る投稿情報の精度をｑ_iとし、事象iに係るセンシング情報の精度をr_iとすると、事象Bが発生する場所で、上記bが当該場所に係る投稿情報およびセンシング情報の少なくとも一方から検出される確率p_B(b)は以下の式（６）で表される。また、事象Bが発生する場所で、上記aが当該場所に係る投稿情報およびセンシング情報の少なくとも一方から検出される確率p_B(a)は以下の式（７）で表される。
p_B(b)＝（ΣＮ_i＋ΣＭ_i）/（ΣＮ_i/ｑ_i＋ΣＭ_i/ｒ_i） …式（６）
p_B(a)＝１－p_B(b) …式（７）

図５は、各事象の発生確率の一例を表形式で示す図である。
上記対象とするリンク上で事象Aが発生する確率P_Aと、当該リンク上で事象Bが発生する確率P_B（但し、P_A＋P_B=1）は定数である。図５では、事前に与えられる確率P_Aの例が示される。
図５では、全体の確率を１としたときに、あるリンクにおいて、階段がある確率が0.05で、平坦部分がある確率が0.6で、坂道がある確率が0.15で、段差部分がある確率が0.2であることが示される。
図５に示された例では、リンク上に階段がある事象が事象Aとすると、P_A＝0.05であるのでP_B＝0.95（＝1-0.05）である。

次に、上記階段に着目したときの信頼の算出の一例について説明する。
図６は、リンク上に係る情報の収集結果の一例を表形式で示す図である。
図６に示された例では、あるリンクにおける情報の収集結果として、以下の（１）～（４）が示される。投稿情報とセンシング情報には、事象の発生箇所を示す位置情報が含まれ、図６に示される情報は、同じリンクに係る位置情報が含まれる情報である。

（１）あるリンクにおける階段に係る１つの投稿情報の確からしさである精度が0.9である。この精度は、図３に示されるｑ_階段に相当する。
（２）上記リンクにおける平坦部分に係る１つのセンシング情報の精度が0.8である。この精度は、図４に示されるｒ_平坦に相当する。
（３）上記リンクにおける階段に係る３つのセンシング情報の精度が0.6である。この精度は、図４に示されるｒ_階段に相当する。
（４）上記リンクにおける段差部分に係る１つの投稿情報の精度が0.9である。この精度は、図３に示されるｑ_段差に相当する。

図７は、リンク上に係る収集結果における投稿情報に基づく精度の補正の一例を表形式で示す図である。
精度の補正の第１のパターン（pattern）として、図７に示された例では、リンク上に階段がある事象を事象Aとしたときで、精度推定部１３は、図６で示された収集結果のうち階段に係る投稿情報の精度（＝0.9＝q_A）と頻度（＝１＝N_A）を上記p_A(a)を求める式（４）に代入することで補正後の精度（＝0.9＝p_A(a)）を求める。

また、図７に示された例では、投稿情報について、リンク上に階段以外がある事象、ここでは段差部分がある事象を上記事象iとしたときで、精度推定部１３は、図６で示された収集結果のうち段差に係る投稿情報の精度（＝0.9＝q_i）と頻度（＝１＝N_i）を上記p_B(b)を求める式（６）に代入することで補正後の精度（＝0.9＝p_B(b)）を求める。図７に示されたように、投稿情報のみが用いられた計算では、補正前後の精度は同じである。
そして、上記計算結果と上記Q(A)を求める式（３）に基づいて、路面状況推定部１４は、階段に係る信頼度、つまり実際に階段である確率（＝0.05）を求める。

図８は、リンク上に係る収集結果における投稿情報およびセンシング情報に基づく精度の補正の一例を表形式で示す図である。
精度の補正の第２のパターンとして、図８に示された例では、リンク上に階段がある事象を事象Aとしたときで、精度推定部１３は、図６で示された収集結果のうち階段に係る投稿情報の精度（＝0.9）と頻度（＝１）、階段に係るセンシング情報の精度（＝0.6）と頻度（＝３）を上記p_A(a)を求める式（４）に代入することで補正後の精度（＝0.654）を求める。

また、図８に示された例では、投稿情報およびセンシング情報について、リンク上に階段以外がある事象、ここでは平坦部分および段差部分がある事象を上記事象iとしたときで、精度推定部１３は、図６で示された収集結果のうち平坦部分に係るセンシング情報の精度（＝0.8）と頻度（＝１）、段差部分に係る投稿情報の精度（＝0.9）と頻度（＝１）を、上記p_B(b)を求める式（６）に代入することで補正後の精度（＝0.847）を求める。
そして、上記計算結果と上記Q(A)を求める式（３）に基づいて、路面状況推定部１４は、階段に係る信頼度（≒0.746）を求める。

この信頼度の計算では、階段に係る投稿情報およびセンシング情報の数である４を式（３）のrとし、平坦部分、段差部分に係る投稿情報およびセンシング情報の数である２を式（３）のn-rとしたときに、路面状況推定部１４は、以下の式（８）で示される計算により信頼度を求めることができる。
0.05×15×0.654^4×0.346^2 ÷ (0.05×15×0.654^4×0.346^2＋0.95×15×0.153^4×0.847^2)
≒0.0164÷(0.0164＋0.0056)
≒0.746 …式（８）

図９は、リンク上に係る収集結果におけるセンシング情報に基づく精度の補正の一例を表形式で示す図である。
精度の補正の第３のパターンとして、図９に示された例では、センシング情報について、リンク上に階段以外がある事象、ここでは平坦部分がある事象を上記事象iとしたときで、精度推定部１３は、図６で示された収集結果のうち平坦部分に係るセンシング情報の精度（＝0.8）と頻度（＝１）を、上記p_A(a)を求める式（４）に代入することで補正後の精度（＝0.8）を求める。

また、図９に示された例では、センシング情報について、リンク上に階段がある事象を事象Aとしたときで、精度推定部１３は、図６で示された収集結果のうち階段に係るセンシング情報の精度（＝0.6）と頻度（＝３）を、上記p_B(b)を求める式（６）に代入することで補正後の精度（＝0.6）を求める。図９に示されたように、センシング情報のみが用いられた計算では、補正前後の精度は同じである。
そして、上記計算結果と上記Q(A)を求める式（３）に基づいて、路面状況推定部１４は、階段に係る信頼度（≒0.41）を求める。

路面状況推定部１４は、上記３つのパターンで求められた、階段に係る信頼度のうち、所定の閾値を超える値、ここでは図８に示される、階段の信頼度の値が0.746に係る事象、つまりリンク上に階段が存在するという事象を上記リンクに係る路面状態として決定する。

図１０は、本発明の一実施形態に係るデータ処理装置のハードウエア構成の一例を示すブロック図である。
図１０に示された例では、上記の実施形態に係るデータ処理装置１０は、例えばサーバコンピュータ（server computer）またはパーソナルコンピュータ（personal computer）により構成され、ＣＰＵ等のハードウエアプロセッサ（hardware processor）１０１を有する。そして、このハードウエアプロセッサ１０１に対し、プログラムメモリ（program memory）１０１Ｂ、データメモリ（data memory）１０２、入出力インタフェース（interface）１０３及び通信インタフェース１０４が、バス（bus）１１０を介して接続される。

通信インタフェース１０４は、例えば１つ以上の無線の通信インタフェースユニット（unit）を含んでおり、通信ネットワークＮＷとの間で情報の送受信を可能にする。無線インタフェースとしては、例えば無線ＬＡＮ（Local Area Network）などの小電力無線データ通信規格が採用されたインタフェースが使用される。この通信インタフェース１０４は、外部のセンサにより検出されたセンシング情報を受信できる。

入出力インタフェース１０３には、データ処理装置１０に付設される、オペレータ（operator）用の入力デバイス５０および出力デバイス６０が接続される。
入出力インタフェース１０３は、キーボード（keyboard）、タッチパネル（touch panel）、タッチパッド（touchpad）、マウス（mouse）等の入力デバイス５０を通じてオペレータにより入力された操作データを取り込むとともに、出力データを液晶または有機ＥＬ（Electro Luminescence）等が用いられた表示デバイスを含む出力デバイス６０へ出力して表示させる処理を行なう。なお、入力デバイス５０および出力デバイス６０には、データ処理装置１０に内蔵されたデバイスが使用されてもよく、また、ネットワークＮＷを介してデータ処理装置１０と通信可能である他の情報端末の入力デバイスおよび出力デバイスが使用されてもよい。

プログラムメモリ１０１Ｂは、非一時的な有形の記憶媒体として、例えば、ＨＤＤ（Hard Disk Drive）またはＳＳＤ（Solid State Drive）等の随時書込みおよび読出しが可能な不揮発性メモリ（non-volatile memory）と、ＲＯＭ（Read Only Memory）等の不揮発性メモリとが組み合わせて使用されたもので、一実施形態に係る各種制御処理を実行する為に必要なプログラムが格納されている。

データメモリ１０２は、有形の記憶媒体として、例えば、上記の不揮発性メモリと、ＲＡＭ（Random Access Memory）等の揮発性メモリ（volatile memory）とが組み合わせて使用されたもので、各種処理が行なわれる過程で取得および作成された各種データが記憶される為に用いられる。

本発明の一実施形態に係るデータ処理装置１０は、ソフトウエア（software）による処理機能部として、図１に示されるデータ取得部１１、精度推定部１３および路面状況推定部１４を有するデータ処理装置として構成され得る。

データ処理装置１０におけるデータ格納部１２、各種データ記憶領域および各種データ処理領域は、図１０に示されたデータメモリ１０２が用いられることで構成され得る。ただし、これらの領域はデータ処理装置１０内に必須の構成ではなく、例えば、ＵＳＢ（Universal Serial Bus）メモリなどの外付け記憶媒体、又はクラウドに配置されたデータベースサーバ（database server）等の記憶装置に設けられた領域であってもよい。

上記のデータ取得部１１、精度推定部１３および路面状況推定部１４の各部における処理機能部は、いずれも、プログラムメモリ１０１Ｂに格納されたプログラムを上記ハードウエアプロセッサ１０１により読み出させて実行させることにより実現され得る。なお、これらの処理機能部の一部または全部は、特定用途向け集積回路（ＡＳＩＣ（Application Specific Integrated Circuit））またはＦＰＧＡ（Field-Programmable Gate Array）などの集積回路を含む、他の多様な形式によって実現されてもよい。

以上説明したように、本発明の一実施形態では、事象に係る投稿情報とセンシング情報との双方に基づいて、情報の確からしさを示す精度が補正されることで、所定の事象が実際に発生していることを適切に推定することができる。

また、各実施形態に記載された手法は、計算機（コンピュータ）に実行させることができるプログラム（ソフトウエア手段）として、例えば磁気ディスク（フロッピー（登録商標）ディスク（Floppy disk）、ハードディスク等）、光ディスク（optical disc）（ＣＤ－ＲＯＭ、ＤＶＤ、ＭＯ等）、半導体メモリ（ＲＯＭ、ＲＡＭ、フラッシュメモリ（Flash memory）等）等の記録媒体に格納し、また通信媒体により伝送して頒布され得る。なお、媒体側に格納されるプログラムには、計算機に実行させるソフトウエア手段（実行プログラムのみならずテーブル（table）、データ構造も含む）を計算機内に構成させる設定プログラムをも含む。本装置を実現する計算機は、記録媒体に記録されたプログラムを読み込み、また場合により設定プログラムによりソフトウエア手段を構築し、このソフトウエア手段によって動作が制御されることにより上述した処理を実行する。なお、本明細書でいう記録媒体は、頒布用に限らず、計算機内部あるいはネットワークを介して接続される機器に設けられた磁気ディスク、半導体メモリ等の記憶媒体を含むものである。

なお、本発明は、上記実施形態に限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で種々に変形することが可能である。また、各実施形態は適宜組み合わせて実施してもよく、その場合組み合わせた効果が得られる。更に、上記実施形態には種々の発明が含まれており、開示される複数の構成要件から選択された組み合わせにより種々の発明が抽出され得る。例えば、実施形態に示される全構成要件からいくつかの構成要件が削除されても、課題が解決でき、効果が得られる場合には、この構成要件が削除された構成が発明として抽出され得る。

１０…データ処理装置
１１…データ取得部
１２…データ格納部
１３…精度推定部
１４…路面状況推定部

Claims

任意の場所において事象が発生していることが示される情報を、事象の種別と、当該情報がユーザにより判断された情報であるかセンサにより検出された情報であるかが示される情報と、当該情報の確からしさが示される精度とともに取得する取得部と、
前記取得部により取得された、前記ユーザにより判断された情報の精度、当該情報の発生頻度、前記センサにより検出された情報の精度、当該情報の発生頻度に基づいて、所定の事象が実際に発生している確率を推定する第１の推定部と、
前記第１の推定部により推定された確率と閾値とに基づいて、上記所定の事象が実際に発生しているか否かを推定する第２の推定部と、
を備えた推定装置。
前記事象は、路面の状況を示し、
前記第２の推定部は、
前記第１の推定部により推定された確率と閾値とに基づいて、前記路面において前記所定の事象が実際に発生しているか否かを推定する、
請求項１に記載の推定装置。
前記第１の推定部は、
前記取得部により取得された情報から、前記所定の事象が発生していることが示される情報を抽出し、この抽出された情報における、前記ユーザにより判断された情報の精度、当該情報の発生頻度、前記センサにより検出された情報の精度、および当該情報の発生頻度を特定し、
この特定した結果に基づいて、前記所定の事象が発生する場所において前記所定の事象が発生すると前記ユーザが判断する確率としての第１の確率を計算し、
前記取得部により取得された情報から、前記所定の事象以外の事象が発生していることを示す情報を抽出し、この抽出された情報における、前記ユーザにより判断された情報の精度、当該情報の発生頻度、前記センサにより検出された情報の精度、および当該情報の発生頻度を特定し、
この特定した結果に基づいて、前記特定の事象以外の事象が発生する場所において前記特定の事象以外の事象が発生すると前記ユーザが判断する確率としての第２の確率を計算し、
前記第１および第２の確率に基づいて、前記所定の事象が実際に発生している確率を推定する、
請求項１に記載の推定装置。
推定装置が行なう推定方法であって、
任意の場所において事象が発生していることが示される情報を、事象の種別と、当該情報がユーザにより判断された情報であるかセンサにより検出された情報であるかが示される情報と、当該情報の確からしさが示される精度とともに取得することと、
前記取得された、前記ユーザにより判断された情報の精度、当該情報の発生頻度、前記センサにより検出された情報の精度、当該情報の発生頻度に基づいて、所定の事象が実際に発生している確率を推定することと、
前記推定された確率と閾値とに基づいて、上記所定の事象が実際に発生しているか否かを推定することと、
を備える推定方法。
請求項１乃至３のいずれか１項に記載の推定装置の前記各部としてプロセッサを機能させる推定処理プログラム。