JP2016057836A - 移動体分析システムおよび移動体の方向軸推定方法 - Google Patents
移動体分析システムおよび移動体の方向軸推定方法 Download PDFInfo
- Publication number
- JP2016057836A JP2016057836A JP2014183566A JP2014183566A JP2016057836A JP 2016057836 A JP2016057836 A JP 2016057836A JP 2014183566 A JP2014183566 A JP 2014183566A JP 2014183566 A JP2014183566 A JP 2014183566A JP 2016057836 A JP2016057836 A JP 2016057836A
- Authority
- JP
- Japan
- Prior art keywords
- unit
- acceleration
- data
- information
- moving body
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Time Recorders, Dirve Recorders, Access Control (AREA)
- Traffic Control Systems (AREA)
Abstract
【課題】移動体の任意の位置に置かれた携帯端末で、この移動体の運転状況および／または路面状況を分析する。
【解決手段】移動体分析システム１は、移動体に設置される携帯端末３が検知した２軸以上の加速度データに基づいて、この移動体の正面方向軸および横方向軸を推定する方向軸推定部４２と、推定した正面方向軸および加速度データから移動体の正面方向軸の相対加速度を推定する相対加速度推定部４３と、この携帯端末３が検知した位置情報から、この移動体の移動距離を推定する移動距離推定部４４と、推定した相対加速度および移動距離から、この移動体の速度を推定する速度推定部４５と、この移動体の相対加速度、速度および移動距離の推定情報を蓄積するデータ蓄積部５と、このデータを区分する区分算出部７と、データを分析する分析部６とを具備する。
【選択図】図２
【解決手段】移動体分析システム１は、移動体に設置される携帯端末３が検知した２軸以上の加速度データに基づいて、この移動体の正面方向軸および横方向軸を推定する方向軸推定部４２と、推定した正面方向軸および加速度データから移動体の正面方向軸の相対加速度を推定する相対加速度推定部４３と、この携帯端末３が検知した位置情報から、この移動体の移動距離を推定する移動距離推定部４４と、推定した相対加速度および移動距離から、この移動体の速度を推定する速度推定部４５と、この移動体の相対加速度、速度および移動距離の推定情報を蓄積するデータ蓄積部５と、このデータを区分する区分算出部７と、データを分析する分析部６とを具備する。
【選択図】図２
Description
本発明は、例えば、携帯電話やスマートフォンや簡易車載器などに代表される携帯端末を利用した移動体のデータ分析システム・方法およびサーバに関するものである。
近年、携帯電話やスマートフォンなどセンサを搭載した携帯端末の普及により、これらのセンサデータの収集・分析を行うことが可能になりつつある。分析対象となる事象は多岐にわたるが、例えば、車両などの移動体に関する分析もその一つである。
車両などの移動体の分析には、例えば安全性など良好な運転が行われているかを調査する運転分析や、走行中に路面状態を把握して道路の保全に活用する路面分析などがある。
車両の各種データ分析は、例えば、カーナビゲーション装置に代表される車載器を利用したものが知られている。しかし、カーナビゲーション装置などの車載器の設置には所定の設置工数が掛かり、煩雑である。そこで、車両などの移動体の分析データ取得方法として、設置工事が不要な携帯端末を利用することが考えられる。
しかし、データ取得方法として携帯端末を利用した場合、携帯端末の座標系で取得された加速度データは車両からみた座標系と異なるという課題がある。更に、速度の情報を取得することが困難であるという課題が存在した。
車両の各種データ分析は、例えば、カーナビゲーション装置に代表される車載器を利用したものが知られている。しかし、カーナビゲーション装置などの車載器の設置には所定の設置工数が掛かり、煩雑である。そこで、車両などの移動体の分析データ取得方法として、設置工事が不要な携帯端末を利用することが考えられる。
しかし、データ取得方法として携帯端末を利用した場合、携帯端末の座標系で取得された加速度データは車両からみた座標系と異なるという課題がある。更に、速度の情報を取得することが困難であるという課題が存在した。
特許文献１の要約の課題には、「人の歩行動作を検出する歩行動作検出処理装置を提供する。」と記載され、解決手段には、「歩行動作検出処理装置は、角速度ベクトルと加速度ベクトルにより重力加速度を検出し、重力加速度から鉛直方向の加速度を除去して残差加速度成分を抽出し、残差加速度成分の主成分分析を行い、鉛直方向加速度成分および進行方向加速度成分の主成分方向ベクトルを算出し、主成分方向ベクトルに基づいて鉛直方向加速度成分の山ピークから谷ピークに変化するピークペアを検出した場合であってかつ進行方向加速度成分の谷ピークから山ピークに変化するピークペアを検出した場合に、進行方向加速度成分の勾配を計算し、鉛直方向加速度成分の山ピークから谷ピークに変化する谷ピークの検出時刻における前記勾配が所定値以上である場合に歩行動作検出と判定する。」と記載されている。
携帯端末による車両などの移動体の正面方向（進行方向）の分析は、角速度センサや加速度センサに対するドリフト成分の影響を受ける。よって、携帯端末に予め移動体の移動方向などを入力する必要がある。移動体へのスマートフォンの取り付けは、ユーザ側に自由度がある。移動体の任意の位置に置かれた携帯端末では、移動体の分析は困難であった。特許文献１に記載の発明は、人の歩行動作の検出に特化したものであり、車両の正面方向／横方向の検出に適用することはできない。
スマートフォンなどの携帯端末には、ＧＰＳ（Grobal Positioning System）やジャイロセンサが搭載されていることが多い。しかし、これらＧＰＳやジャイロセンサは、加速度センサと比べて計測精度が低いため、速度情報の算出には不向きである。
また、移動体の正面方向に依存しない運転分析では、加速度などの統計的性質に基づいて分析を行う。そのため、移動体の任意の位置に置かれた携帯端末では、実際の運転時のどの期間の運転をどのように評価するかを決定することは困難であった。
車両の運転者は、路面状況の情報を必ずしも必要としない。よって、路面分析のために運転者に携帯端末に対する車両の移動方向を予め入力させることは困難であった。
スマートフォンなどの携帯端末には、ＧＰＳ（Grobal Positioning System）やジャイロセンサが搭載されていることが多い。しかし、これらＧＰＳやジャイロセンサは、加速度センサと比べて計測精度が低いため、速度情報の算出には不向きである。
また、移動体の正面方向に依存しない運転分析では、加速度などの統計的性質に基づいて分析を行う。そのため、移動体の任意の位置に置かれた携帯端末では、実際の運転時のどの期間の運転をどのように評価するかを決定することは困難であった。
車両の運転者は、路面状況の情報を必ずしも必要としない。よって、路面分析のために運転者に携帯端末に対する車両の移動方向を予め入力させることは困難であった。
そこで、本発明は、移動体の任意の位置に置かれた携帯端末で、この移動体の運転状況および／または路面状況の分析を可能とする移動体分析システムおよび移動体の方向軸推定方法を提供することを課題とする。
前記した課題を解決するため、第１の発明の移動体分析システムは、移動体に設置される端末が検知した２軸以上の加速度データに基づいて前記移動体の正面方向軸および横方向軸を推定する方向軸推定部と、前記方向軸推定部が推定した正面方向軸および前記加速度データから前記移動体の正面方向軸の相対加速度を推定する相対加速度推定部と、前記端末が検知した位置情報から、前記移動体の移動距離を推定する移動距離推定部と、前記相対加速度推定部が推定した相対加速度および前記移動距離から、前記移動体の速度を推定する速度推定部と、前記移動体の相対加速度の推定情報、速度の推定情報、および、移動距離の推定情報を蓄積するデータ蓄積部と、前記データ蓄積部のデータを区分する区分算出部と、前記データ蓄積部のデータを分析する分析部とを具備する。
第２の発明の移動体の方向軸推定方法は、移動体の方向軸を推定する装置が実行する方法である。前記装置は、前記移動体に設置される端末が検知した２軸以上の加速度データの共分散行列を算出し、前記共分散行列の固有値および固有ベクトルを算出し、前記固有値が最も大きい固有ベクトルを第１固有ベクトルとして選択し、前記第１固有ベクトルに基づく相対加速度を算出し、前記相対加速度を累積した第１累積和を算出し、前記第１累積和を累積した第２累積和を算出し、前記第２累積和の符号から前記第１固有ベクトルの符号を決定し、決定した前記第１固有ベクトルを前記移動体の正面方向軸として推定する。
その他の手段については、発明を実施するための形態のなかで説明する。
その他の手段については、発明を実施するための形態のなかで説明する。
本発明によれば、移動体の任意の位置に置かれた携帯端末で、この移動体の運転状況および／または路面状況の分析が可能となる。
以降、本発明を実施するための形態を、各図を参照して詳細に説明する。
図１は、本実施形態における移動体分析システム１を示す概略の構成図である。
移動体分析システム１は、サーバ装置２と、１または複数の携帯端末３ａ，３ｂとを含んで構成される。この移動体分析システム１は、例えば車両などの移動体の任意の位置に置かれた携帯端末３ａで、運転の特徴分析や、この車両が通過した路面状況の分析を可能とする。移動体分析システム１は、サーバ装置２を介して他システム９と情報を送受信できる。
図１は、本実施形態における移動体分析システム１を示す概略の構成図である。
移動体分析システム１は、サーバ装置２と、１または複数の携帯端末３ａ，３ｂとを含んで構成される。この移動体分析システム１は、例えば車両などの移動体の任意の位置に置かれた携帯端末３ａで、運転の特徴分析や、この車両が通過した路面状況の分析を可能とする。移動体分析システム１は、サーバ装置２を介して他システム９と情報を送受信できる。
携帯端末３ａは、例えば携帯電話やスマートフォンや簡易車載器などであるデータ入力用の端末であり、情報収集手段３１と、加速度センサ３２と、ＧＰＳ部３３とを含んで構成される。
加速度センサ３２は、２軸以上の加速度情報を検知する慣性センサである。加速度センサ３２が検知した２軸以上の加速度情報は、適切な信号処理を行うことによって、傾きや動き、振動や衝撃といったさまざまな情報を得ることができる。本実施形態の加速度センサ３２は、携帯端末３ａの背面方向と上下方向と左右方向の３軸の加速度情報を検知可能である。
ＧＰＳ部３３は、複数のＧＰＳ衛星からの信号をＧＰＳアンテナで受け取り、この信号をデコードして自身の現在位置を知る部位である。
加速度センサ３２は、２軸以上の加速度情報を検知する慣性センサである。加速度センサ３２が検知した２軸以上の加速度情報は、適切な信号処理を行うことによって、傾きや動き、振動や衝撃といったさまざまな情報を得ることができる。本実施形態の加速度センサ３２は、携帯端末３ａの背面方向と上下方向と左右方向の３軸の加速度情報を検知可能である。
ＧＰＳ部３３は、複数のＧＰＳ衛星からの信号をＧＰＳアンテナで受け取り、この信号をデコードして自身の現在位置を知る部位である。
情報収集手段３１は、これら検知した各種情報をサーバ装置２に送信する。移動体分析システム１は、情報収集手段３１によって各種情報をサーバ装置２に収集可能である。
携帯端末３ａは、加速度センサ３２で取得した情報を情報収集手段３１によって、サーバ装置２に送信する。この際、情報収集手段３１は、加速度センサ３２で取得された情報に各種処理を加えることができる。
携帯端末３ｂは、例えば携帯電話やスマートフォンや簡易車載器などであるデータ表示用の端末であり、情報収集手段３１と、表示手段３４とを含んで構成される。表示手段３４は、例えば液晶ディスプレイなどであり、文字や画像や図形などを表示する。
携帯端末３ａは、加速度センサ３２で取得した情報を情報収集手段３１によって、サーバ装置２に送信する。この際、情報収集手段３１は、加速度センサ３２で取得された情報に各種処理を加えることができる。
携帯端末３ｂは、例えば携帯電話やスマートフォンや簡易車載器などであるデータ表示用の端末であり、情報収集手段３１と、表示手段３４とを含んで構成される。表示手段３４は、例えば液晶ディスプレイなどであり、文字や画像や図形などを表示する。
サーバ装置２は、携帯端末３ａから情報を収集し、この収集した情報を処理または蓄積する。サーバ装置２は更に、携帯端末３ｂに表示に係る情報を送信する。携帯端末３ｂは、この情報を表示手段３４に表示する。なお、携帯端末３ａ，３ｂは、同一の端末でデータ入力と表示の両方の機能を持つものであってもよく、いずれか一方の機能を持つものには限定されない。以下、携帯端末３ａ，３ｂの両機能を持つものを仮定して、これを携帯端末３と記載する。
このように構成した移動体分析システム１は、任意の携帯端末３で取得した各種センサ情報を、この携帯端末３またはサーバ装置２で分析し、同一の携帯端末３または、他の携帯端末３、他システム９などにおいて、この分析情報を表示可能である。
図２は、移動体分析システム１を示すブロック図である。
移動体分析システム１は、加速度検出部３２Ａと、バッファ部４１と、方向軸推定部４２と、相対加速度推定部４３とを有している。移動体分析システム１は更に、位置検出部３３Ａと、移動距離推定部４４と、速度推定部４５と、データ蓄積部５と、分析部６と、区分算出部７とを有している。
移動体分析システム１は、加速度検出部３２Ａと、バッファ部４１と、方向軸推定部４２と、相対加速度推定部４３とを有している。移動体分析システム１は更に、位置検出部３３Ａと、移動距離推定部４４と、速度推定部４５と、データ蓄積部５と、分析部６と、区分算出部７とを有している。
加速度検出部３２Ａは、携帯端末３ａ（図１参照）に設定されている加速度センサ３２と同一であってもよく、また、加速度センサ３２の出力情報に何らかの処理を施したものを仮想的なセンサとみなしたものであってもよい。加速度検出部３２Ａは、２軸以上の加速度に関する情報を、バッファ部４１と相対加速度推定部４３とに出力する。
バッファ部４１は、例えばＲＡＭ（Random Access Memory）などであり、加速度検出部３２Ａが出力した一連の加速度情報をバッファリングする。このようにすることで、加速度検出部３２Ａが逐次的に送出する検出情報を、複数の時刻に取得したセンサ情報のブロックデータとして、方向軸推定部４２に送出できる。
バッファ部４１は、例えばＲＡＭ（Random Access Memory）などであり、加速度検出部３２Ａが出力した一連の加速度情報をバッファリングする。このようにすることで、加速度検出部３２Ａが逐次的に送出する検出情報を、複数の時刻に取得したセンサ情報のブロックデータとして、方向軸推定部４２に送出できる。
方向軸推定部４２は、端末の座標系の加速度情報に基づいて、車両（移動体）についての正面方向と横方向と下部方向について、各方向を示す軸を推定する。方向軸推定部４２は、これら各方向を示す軸と加速度情報とを相対加速度推定部４３に送信し、方向を示す軸については、データ蓄積部５にも出力する。
相対加速度推定部４３では、方向軸と加速度情報から車両（移動体）の正面方向と横方向と下部方向についての加速度情報を推定し、速度推定部４５およびデータ蓄積部５に出力する。
加速度センサ３２は、図１における携帯端末３ａに設定されている加速度センサ３２と同一であってもよいし、加速度センサ３２に処理を施したものを仮想的なセンサとみなしたものであってもよい。
位置検出部３３Ａは、例えば、ＧＰＳ部３３であり、各時刻における位置情報である緯度・経度・高度情報の組み合わせを、移動距離推定部４４に繰り返し送信する。しかし、これに限られず、各時刻における位置情報を所望の精度で検出できればよく、限定されない。
移動距離推定部４４は、一つ以上前の時刻の位置情報から、移動体である車両の移動距離を推定し、速度推定部４５およびデータ蓄積部５に出力する。
移動距離推定部４４は、一つ以上前の時刻の位置情報から、移動体である車両の移動距離を推定し、速度推定部４５およびデータ蓄積部５に出力する。
速度推定部４５は、相対加速度推定部４３から入力された車両の加速度情報と、移動距離推定部４４から入力された車両の移動距離から、車両の速度を推定してデータ蓄積部５に出力する。
データ蓄積部５は、例えばフラッシュメモリやＨＤＤ（Hard Disk Drive）であり、加速度情報、位置情報、移動距離情報、速度情報、方向軸情報、区分情報などを蓄積し、更に、その他の属性情報を蓄積する。属性情報とは、データを取得する際に入力された端末に関する情報や、情報を収集するシステムに登録されたアカウント情報などである。
データ蓄積部５は、例えばフラッシュメモリやＨＤＤ（Hard Disk Drive）であり、加速度情報、位置情報、移動距離情報、速度情報、方向軸情報、区分情報などを蓄積し、更に、その他の属性情報を蓄積する。属性情報とは、データを取得する際に入力された端末に関する情報や、情報を収集するシステムに登録されたアカウント情報などである。
区分算出部７では、データ蓄積部５に蓄積されている加速度情報、位置情報、移動距離情報、速度情報、方向軸情報に基づいて各時刻のデータの区分を算出し、算出された区分をデータ蓄積部５に出力して蓄積させる。
分析部６では、データ蓄積部５に保持されている、加速度情報、位置情報、移動距離情報、速度情報、方向軸情報、区分情報に基づいて各時刻のデータを分析し、その分析結果をデータ蓄積部５に出力して蓄積させる。
データ蓄積部５に蓄積された各種情報は、その他の属性情報に基づいて、他システム９（図１参照）に提供することができる。
データ蓄積部５に蓄積された各種情報は、その他の属性情報に基づいて、他システム９（図１参照）に提供することができる。
移動体分析システム１は、例えば、加速度検出部３２Ａと、位置検出部３３Ａと、バッファ部４１とを携帯端末３として提供してもよい。移動体分析システム１は更に、方向軸推定部４２と、相対加速度推定部４３と、移動距離推定部４４と、速度推定部４５とを、携帯端末３として提供してもよい。
このように構成することで、移動体分析システム１は、移動体と携帯端末３の相対関係を推定し、移動体に対する相対座標の加速度と、移動距離と速度とを推定して蓄積することができる。
更に、これら蓄積したデータによって、データ品質に関する区分や各種分析を行うことができ、これら区分結果や分析結果も蓄積することが可能である。よって、図１における他システム９または携帯端末３ｂは、情報の取得と表示とが可能となる。
このように構成することで、移動体分析システム１は、移動体と携帯端末３の相対関係を推定し、移動体に対する相対座標の加速度と、移動距離と速度とを推定して蓄積することができる。
更に、これら蓄積したデータによって、データ品質に関する区分や各種分析を行うことができ、これら区分結果や分析結果も蓄積することが可能である。よって、図１における他システム９または携帯端末３ｂは、情報の取得と表示とが可能となる。
図３は、携帯端末３の設置例である。
携帯端末３−１は、例えば不図示のクレイドルなどを用いて、車両のダッシュボード８１に設置される。このように携帯端末３を設置した場合、例えば、後記する区分算出において、良質な情報が取得されていることを示す区分が与えられる。
破線で示した携帯端末３−２は、車両のエアコンなどのコンソール８４の横に設置されたことを示している。破線で示した携帯端末３−３は、車両のステアリング８２の裏側かつ計器盤８３の上面の設置されたことを示している。破線で示した携帯端末３−４は、助手席８５に設置されたことを示している。
この他、携帯端末３は、運転席８６に着座した運転者の衣服のポケットなどに収納してもよい。
携帯端末３−１は、例えば不図示のクレイドルなどを用いて、車両のダッシュボード８１に設置される。このように携帯端末３を設置した場合、例えば、後記する区分算出において、良質な情報が取得されていることを示す区分が与えられる。
破線で示した携帯端末３−２は、車両のエアコンなどのコンソール８４の横に設置されたことを示している。破線で示した携帯端末３−３は、車両のステアリング８２の裏側かつ計器盤８３の上面の設置されたことを示している。破線で示した携帯端末３−４は、助手席８５に設置されたことを示している。
この他、携帯端末３は、運転席８６に着座した運転者の衣服のポケットなどに収納してもよい。
図４は、車両の加速度ベクトルｕの集合を示す斜視図である。
これらベクトルｕは、車両（移動体）に対する相対座標に示されている。
ｘ軸は、車両の正面方向を示している。ｙ軸は、車両の上方向を示している。ｚ軸は、車両の横方向を示している。
車両の加速と減速による加速度の変動は、車両の右折と左折による加速度の変動や、車両の上下動による加速度の変動に比べて大きい。つまり、加速度ベクトルｕの集合は、車両の正面方向を示すｘ軸に長半径を持つ。
これらベクトルｕは、車両（移動体）に対する相対座標に示されている。
ｘ軸は、車両の正面方向を示している。ｙ軸は、車両の上方向を示している。ｚ軸は、車両の横方向を示している。
車両の加速と減速による加速度の変動は、車両の右折と左折による加速度の変動や、車両の上下動による加速度の変動に比べて大きい。つまり、加速度ベクトルｕの集合は、車両の正面方向を示すｘ軸に長半径を持つ。
図５は、車両の加速度ベクトルｕの集合を示す断面図である。この断面図は、ｘの値が０のときのｙｚ平面を示している。
車両の右折と左折による加速度の変動は、車両の上下動による加速度の変動に比べて大きい。つまり、加速度ベクトルｕの集合のｙｚ断面は、車両の横方向を示すｚ軸に長半径を持つ。また、地球の重力により、加速度ベクトルｕの集合は、ｚ方向の重力加速度を示す値を中心に分布する。
これら図４と図５に示す特徴により、携帯端末３に対する相対座標の加速度ベクトルｖを、車両に対する相対座標の加速度ベクトルｕに変換することができる。
車両の右折と左折による加速度の変動は、車両の上下動による加速度の変動に比べて大きい。つまり、加速度ベクトルｕの集合のｙｚ断面は、車両の横方向を示すｚ軸に長半径を持つ。また、地球の重力により、加速度ベクトルｕの集合は、ｚ方向の重力加速度を示す値を中心に分布する。
これら図４と図５に示す特徴により、携帯端末３に対する相対座標の加速度ベクトルｖを、車両に対する相対座標の加速度ベクトルｕに変換することができる。
図６は、移動体分析システム１の方向軸推定処理を示すフローチャートである。
この方向軸推定処理は、方向軸推定部４２によって実行される。
ステップＳ１０において、方向軸推定部４２は、携帯端末３に対する座標系の３軸の加速度データのｎセットを一つにまとめた行列Ｖ（３×ｎ行列）を、バッファ部４１から読み出す。
ステップＳ１１において、方向軸推定部４２は、この行列Ｖから共分散行列（３×３行列）を算出する。
ステップＳ１２において、方向軸推定部４２は、この共分散行列を固有値分解して、固有値と、この固有値と対になる固有（列）ベクトルとを保持する。
この方向軸推定処理は、方向軸推定部４２によって実行される。
ステップＳ１０において、方向軸推定部４２は、携帯端末３に対する座標系の３軸の加速度データのｎセットを一つにまとめた行列Ｖ（３×ｎ行列）を、バッファ部４１から読み出す。
ステップＳ１１において、方向軸推定部４２は、この行列Ｖから共分散行列（３×３行列）を算出する。
ステップＳ１２において、方向軸推定部４２は、この共分散行列を固有値分解して、固有値と、この固有値と対になる固有（列）ベクトルとを保持する。
ステップＳ１３において、方向軸推定部４２は、この固有値の絶対値が大きい順ｉに従い、ｉ列目をｉ番目の固有値に対応する固有ベクトルで構成された転置行列である軸行列Ｒを算出し、この軸行列Ｒをデータ蓄積部５に蓄積する。軸行列Ｒは、１行目が車両の正面方向のベクトルを示している。２行目が車両の横方向のベクトルを示している。３行目が車両の下部方向のベクトルを示している。
ステップＳ１４において、方向軸推定部４２は、軸行列Ｒと加速度ベクトル行列Ｖとの積により行列Ｕを算出して保持する。
ステップＳ１５において、方向軸推定部４２は、行列Ｕの１行目の行ベクトルに対し、累積和列Ｓを算出する。行列Ｕの１行目の行ベクトルは、正面方向の速度を示すパラメータである。
ステップＳ１６において、方向軸推定部４２は、累積和列Ｓを累積した累積和列Ｔを算出する。この累積和列Ｔは、移動距離を示すパラメータである。
ステップＳ１７において、方向軸推定部４２は、累積和列Ｔの最後の値である累積和Ｔｎが負であるか否かを判断する。方向軸推定部４２は、累積和Ｔｎが負であったならば（Ｙｅｓ）、ステップＳ１８の処理を行い、累積和Ｔｎが負でなかったならば（Ｎｏ）、ステップＳ１９の処理に進む。
ステップＳ１４において、方向軸推定部４２は、軸行列Ｒと加速度ベクトル行列Ｖとの積により行列Ｕを算出して保持する。
ステップＳ１５において、方向軸推定部４２は、行列Ｕの１行目の行ベクトルに対し、累積和列Ｓを算出する。行列Ｕの１行目の行ベクトルは、正面方向の速度を示すパラメータである。
ステップＳ１６において、方向軸推定部４２は、累積和列Ｓを累積した累積和列Ｔを算出する。この累積和列Ｔは、移動距離を示すパラメータである。
ステップＳ１７において、方向軸推定部４２は、累積和列Ｔの最後の値である累積和Ｔｎが負であるか否かを判断する。方向軸推定部４２は、累積和Ｔｎが負であったならば（Ｙｅｓ）、ステップＳ１８の処理を行い、累積和Ｔｎが負でなかったならば（Ｎｏ）、ステップＳ１９の処理に進む。
ステップＳ１８において、方向軸推定部４２は、軸行列Ｒの１行目の全ての値の符号を反転する。一般的に移動体は、正面方向に対して移動する。そのため、方向軸推定部４２は、加速度ベクトルの累積和列Ｓの累積和列Ｔを求めて、その最後の値の符号を判断することで、移動体の正面方向を決定できる。軸行列Ｒの１行目は、移動体の正面方向の軸が保持される。
ステップＳ１９において、方向軸推定部４２は、行列Ｕの３行目の全ての値に係る平均値を算出し、この平均値が正であるか否かを判断する。方向軸推定部４２は、この平均値が正であったならば（Ｙｅｓ）、ステップＳ２０の処理を行い、この平均値が正でなかったならば（Ｎｏ）、ステップＳ２１の処理を行う。
ステップＳ２０において、方向軸推定部４２は、軸行列Ｒの３行目の全ての値の符号を反転する。軸行列Ｒの３行目には移動体の下部方向の軸が保持される。ステップＳ２０の処理により、重力加速度が負として算出される方向を選択することができる。
ステップＳ１９において、方向軸推定部４２は、行列Ｕの３行目の全ての値に係る平均値を算出し、この平均値が正であるか否かを判断する。方向軸推定部４２は、この平均値が正であったならば（Ｙｅｓ）、ステップＳ２０の処理を行い、この平均値が正でなかったならば（Ｎｏ）、ステップＳ２１の処理を行う。
ステップＳ２０において、方向軸推定部４２は、軸行列Ｒの３行目の全ての値の符号を反転する。軸行列Ｒの３行目には移動体の下部方向の軸が保持される。ステップＳ２０の処理により、重力加速度が負として算出される方向を選択することができる。
ステップＳ２１において、方向軸推定部４２は、軸行列Ｒの行列式を算出し、行列式が負であるか否かを判断する。方向軸推定部４２は、軸行列Ｒの行列式が負であったならば（Ｙｅｓ）、左手系であるため、ステップＳ２２の処理を行い、方向軸推定部４２は、軸行列Ｒの行列式が負でなかったならば（Ｎｏ）、右手系であるため、ステップＳ２３の処理を行う。
ステップＳ２２において、方向軸推定部４２は、軸行列Ｒの２行目の全ての値の符号を反転する。
ステップＳ２３において、方向軸推定部４２は、軸行列Ｒをデータ蓄積部５と相対加速度推定部４３とに出力し、図６の処理を終了する。
方向軸推定部４２は、このように処理することで、携帯端末３に対する移動体の正面方向、横方向、下部方向の直交する３軸を推定し、その軸の向きを同定することが可能となる。
ステップＳ２２において、方向軸推定部４２は、軸行列Ｒの２行目の全ての値の符号を反転する。
ステップＳ２３において、方向軸推定部４２は、軸行列Ｒをデータ蓄積部５と相対加速度推定部４３とに出力し、図６の処理を終了する。
方向軸推定部４２は、このように処理することで、携帯端末３に対する移動体の正面方向、横方向、下部方向の直交する３軸を推定し、その軸の向きを同定することが可能となる。
図７は、移動体分析システム１の相対加速度推定処理を示すフローチャートである。
相対加速度推定処理は、相対加速度推定部４３（図２参照）によって実行される。
ステップＳ３０において、相対加速度推定部４３は、携帯端末３に対する座標系の３軸の加速度データのｎセットを一つにまとめた行列Ｖ（３×ｎ行列）をバッファ部４１から読み出し、更に方向軸推定部４２が推定した軸行列Ｒを読み取る。
ステップＳ３１において、相対加速度推定部４３は、軸行列Ｒの１行目を移動体の正面方向軸の行列Ｒｆとし、軸行列Ｒの２行目を移動体の横方向軸の行列Ｒｓとする。
ステップＳ３２において、相対加速度推定部４３は、移動体の正面方向軸の行列Ｒｆと行列Ｖとの積により正面方向加速度行列Ａｆを生成し、移動体の横方向軸の行列Ｒｓと行列Ｖとの積により横方向加速度行列Ａｓを生成する。
相対加速度推定処理は、相対加速度推定部４３（図２参照）によって実行される。
ステップＳ３０において、相対加速度推定部４３は、携帯端末３に対する座標系の３軸の加速度データのｎセットを一つにまとめた行列Ｖ（３×ｎ行列）をバッファ部４１から読み出し、更に方向軸推定部４２が推定した軸行列Ｒを読み取る。
ステップＳ３１において、相対加速度推定部４３は、軸行列Ｒの１行目を移動体の正面方向軸の行列Ｒｆとし、軸行列Ｒの２行目を移動体の横方向軸の行列Ｒｓとする。
ステップＳ３２において、相対加速度推定部４３は、移動体の正面方向軸の行列Ｒｆと行列Ｖとの積により正面方向加速度行列Ａｆを生成し、移動体の横方向軸の行列Ｒｓと行列Ｖとの積により横方向加速度行列Ａｓを生成する。
ステップＳ３３において、相対加速度推定部４３は、正面方向加速度行列Ａｆと横方向加速度行列Ａｓとをデータ蓄積部５に出力し、正面方向加速度行列Ａｆを速度推定部４５に出力して終了する。
このようにすることで、方向軸推定部４２において推定された、端末に対する移動体の各方向軸に対する加速度情報を取得することができる。このようにすることで、端末の相対座標系で取得された他のセンサ情報についても、同様に移動体の各方向軸に対する座標系に変換することができる。
ここでは、特に移動体の正面方向と横方向の２軸について加速度を算出しているが、移動体の下部方向について算出してもよい。
このようにすることで、方向軸推定部４２において推定された、端末に対する移動体の各方向軸に対する加速度情報を取得することができる。このようにすることで、端末の相対座標系で取得された他のセンサ情報についても、同様に移動体の各方向軸に対する座標系に変換することができる。
ここでは、特に移動体の正面方向と横方向の２軸について加速度を算出しているが、移動体の下部方向について算出してもよい。
図８は、移動体分析システム１の移動距離推定処理を示すフローチャートである。
移動距離推定処理は、移動距離推定部４４（図２参照）によって実行される。
ステップＳ４０において、移動距離推定部４４は、携帯端末３ａ（図１・図３参照）などにおける座標系でのＧＰＳデータのｎセットを一つにまとめた行列Ｘ（３×ｎ行列）を生成し、入力とする。
ステップＳ４１において、移動距離推定部４４は、行列Ｘの差分行列Ｚを算出して保持する。この差分行列Ｚの各要素は、行列Ｘの隣接する各要素の差分である。
ステップＳ４２において、移動距離推定部４４は、行列Ｘの和行列Ｙを算出して保持する。この和行列Ｙの各要素は、行列Ｘの隣接する各要素の和である。
ステップＳ４２において、移動距離推定部４４は、差分行列Ｚと和行列Ｙとからヒュベニ公式によって移動距離ベクトルＤを算出する。ヒュベニ公式は、地球上の２点間の距離を算出する方法であり、二点間の距離δは、以下の式（１）で算出される。
移動距離推定処理は、移動距離推定部４４（図２参照）によって実行される。
ステップＳ４０において、移動距離推定部４４は、携帯端末３ａ（図１・図３参照）などにおける座標系でのＧＰＳデータのｎセットを一つにまとめた行列Ｘ（３×ｎ行列）を生成し、入力とする。
ステップＳ４１において、移動距離推定部４４は、行列Ｘの差分行列Ｚを算出して保持する。この差分行列Ｚの各要素は、行列Ｘの隣接する各要素の差分である。
ステップＳ４２において、移動距離推定部４４は、行列Ｘの和行列Ｙを算出して保持する。この和行列Ｙの各要素は、行列Ｘの隣接する各要素の和である。
ステップＳ４２において、移動距離推定部４４は、差分行列Ｚと和行列Ｙとからヒュベニ公式によって移動距離ベクトルＤを算出する。ヒュベニ公式は、地球上の２点間の距離を算出する方法であり、二点間の距離δは、以下の式（１）で算出される。
ステップＳ４２において、移動距離推定部４４は、移動距離ベクトルＤを出力して終了する。
このようにすることで、携帯端末３のＧＰＳ部３３のデータから、移動体の移動距離δを算出することができる。
このようにすることで、携帯端末３のＧＰＳ部３３のデータから、移動体の移動距離δを算出することができる。
図９は、移動体分析システム１の速度推定処理を示すフローチャートである。
状態空間モデルを用いた速度推定処理は、速度推定部４５（図２参照）によって実行される。状態空間モデルの例として、カルマンフィルタと粒子フィルタなどがある。本実施形態では、状態空間として移動体の移動距離ｄt、正面方向速度ｖt、正面方向加速度ａｆtの３成分を持つベクトルＸt＝［ｄt，ｖt，ａｆt］を用いる。ここでは、或る時点での加速度が、直前の加速度とほぼ一致するモデルを利用することで、簡単に正面方向速度ｖtを推定可能である。
ステップＳ５０において、速度推定部４５は、時刻ｔにおける移動体の正面方向の加速度ａｆtと移動距離ｄtとから観測値ベクトルＺt＝［ｄt，ａｆt］を生成する。
状態空間モデルを用いた速度推定処理は、速度推定部４５（図２参照）によって実行される。状態空間モデルの例として、カルマンフィルタと粒子フィルタなどがある。本実施形態では、状態空間として移動体の移動距離ｄt、正面方向速度ｖt、正面方向加速度ａｆtの３成分を持つベクトルＸt＝［ｄt，ｖt，ａｆt］を用いる。ここでは、或る時点での加速度が、直前の加速度とほぼ一致するモデルを利用することで、簡単に正面方向速度ｖtを推定可能である。
ステップＳ５０において、速度推定部４５は、時刻ｔにおける移動体の正面方向の加速度ａｆtと移動距離ｄtとから観測値ベクトルＺt＝［ｄt，ａｆt］を生成する。
ステップＳ５１において、速度推定部４５は、観測値ベクトルＺtから状態空間に保持している予測値ベクトルＸ~tを補正して、補正値ベクトルＸ^tを算出して保持する。
ステップＳ５２において、速度推定部４５は、補正値ベクトルＸ^tのうち、補正値ベクトルｖ^tを出力する。
ステップＳ５２において、速度推定部４５は、補正値ベクトルＸ^tのうち、補正値ベクトルｖ^tを出力する。
ステップＳ５３において、速度推定部４５は、補正値ベクトルＸ^tから時刻ｔ＋１の状態の予測値ベクトルＸ~t+1を算出して保持する。この予測値ベクトルＸ~t+1は、次回の推定に用いられる。
このようにすることで、速度推定部４５は、移動距離情報と加速度情報から、移動距離情報と加速度情報のそれぞれの誤差を考慮して、より正確な速度を推定することが可能となる。
このようにすることで、速度推定部４５は、移動距離情報と加速度情報から、移動距離情報と加速度情報のそれぞれの誤差を考慮して、より正確な速度を推定することが可能となる。
＜クレンジング＞
安定して移動体を分析するため、車載器やスマートフォンなど（携帯端末３）で取得したデータに対して、測定対象のグレードであるか否かを区分する区分算出処理を行う。以下の図１０から図１２は、区分算出処理の例である。
図１０は、移動体分析システム１の第１変形例の区分算出処理を示すフローチャートである。
第１変形例の区分算出処理は、区分算出部７（図２参照）によって実行される。この第１変形例の区分算出処理は、車両の正面方向の軸の安定性、すなわち、携帯端末３が車両内で安定した位置を保持しているか否かを評価する処理である。
安定して移動体を分析するため、車載器やスマートフォンなど（携帯端末３）で取得したデータに対して、測定対象のグレードであるか否かを区分する区分算出処理を行う。以下の図１０から図１２は、区分算出処理の例である。
図１０は、移動体分析システム１の第１変形例の区分算出処理を示すフローチャートである。
第１変形例の区分算出処理は、区分算出部７（図２参照）によって実行される。この第１変形例の区分算出処理は、車両の正面方向の軸の安定性、すなわち、携帯端末３が車両内で安定した位置を保持しているか否かを評価する処理である。
ステップＳ６０において、区分算出部７は、方向軸推定部４２において推定された方向軸のうち、移動体の正面方向軸ベクトルｒｆを各時刻において取得したｎ個のデータセットを一つに纏めて、行列Ｒｆ（３×ｎ行列）を生成する。
ステップＳ６１において、区分算出部７は、行列Ｒｆの共分散行列を算出する。
ステップＳ６２において、区分算出部７は、この共分散行列のトレースＴｒを算出する。
ステップＳ６３において、区分算出部７は、このトレースＴｒが閾値より大きいか否かを判断する。区分算出部７は、このトレースＴｒが閾値より大きいならば（Ｙｅｓ）、ステップＳ６４の処理を行い、このトレースＴｒが閾値より大きくないならば（Ｎｏ）、ステップＳ６５の処理を行う。
ステップＳ６４において、区分算出部７は、区分を測定対象グレードとして出力し、図１０の処理を終了する。
ステップＳ６５において、区分算出部７は、区分を測定対象外グレードとして出力し、図１０の処理を終了する。
このようにすることで、例えば移動体正面方向の方向軸が安定していないことを、方向軸の共分散から評価し、より共分散のトレースＴｒが小さい情報について、端末が比較的固定されていたとみなし、品質が高い測定対象グレードのデータと判定することができる。以下、走行シーンの抽出や特徴量の抽出は、この測定対象グレードのデータが用いられるので、運転診断の指標値を安定化させることができる。
なお、区分算出部７は、ステップＳ６３〜Ｓ６５のスコア算出から判定において、機械学習などの手段を用いることもできる。
ステップＳ６１において、区分算出部７は、行列Ｒｆの共分散行列を算出する。
ステップＳ６２において、区分算出部７は、この共分散行列のトレースＴｒを算出する。
ステップＳ６３において、区分算出部７は、このトレースＴｒが閾値より大きいか否かを判断する。区分算出部７は、このトレースＴｒが閾値より大きいならば（Ｙｅｓ）、ステップＳ６４の処理を行い、このトレースＴｒが閾値より大きくないならば（Ｎｏ）、ステップＳ６５の処理を行う。
ステップＳ６４において、区分算出部７は、区分を測定対象グレードとして出力し、図１０の処理を終了する。
ステップＳ６５において、区分算出部７は、区分を測定対象外グレードとして出力し、図１０の処理を終了する。
このようにすることで、例えば移動体正面方向の方向軸が安定していないことを、方向軸の共分散から評価し、より共分散のトレースＴｒが小さい情報について、端末が比較的固定されていたとみなし、品質が高い測定対象グレードのデータと判定することができる。以下、走行シーンの抽出や特徴量の抽出は、この測定対象グレードのデータが用いられるので、運転診断の指標値を安定化させることができる。
なお、区分算出部７は、ステップＳ６３〜Ｓ６５のスコア算出から判定において、機械学習などの手段を用いることもできる。
図１１は、移動体分析システム１の第２変形例の区分算出処理を示すフローチャートである。
第２変形例の区分算出処理は、区分算出部７（図２参照）によって実行される。この第２変形例の区分算出処理は、携帯端末３が、例えば、車両中のダッシュボード８１（図３参照）などの安定した位置に保持されているか否かを、この携帯端末３の姿勢から判定する方法である。
ステップＳ７０において、区分算出部７は、方向軸推定部４２において推定された各方向軸の内、移動体の正面方向軸ベクトルｒｆと横方向軸ベクトルｒｓとを入力とする。
ステップＳ７１において、区分算出部７は、携帯端末３の背面方向軸と、移動体の正面方向軸ベクトルｒｆとの内積ｐｆを算出する。
ステップＳ７２において、区分算出部７は、携帯端末３の横方向軸と、移動体の横方向軸ベクトルｒｓとの内積ｐｓを算出する。
ステップＳ７３において、区分算出部７は、以下の式（２）により、スコアＳｇを算出する。
第２変形例の区分算出処理は、区分算出部７（図２参照）によって実行される。この第２変形例の区分算出処理は、携帯端末３が、例えば、車両中のダッシュボード８１（図３参照）などの安定した位置に保持されているか否かを、この携帯端末３の姿勢から判定する方法である。
ステップＳ７０において、区分算出部７は、方向軸推定部４２において推定された各方向軸の内、移動体の正面方向軸ベクトルｒｆと横方向軸ベクトルｒｓとを入力とする。
ステップＳ７１において、区分算出部７は、携帯端末３の背面方向軸と、移動体の正面方向軸ベクトルｒｆとの内積ｐｆを算出する。
ステップＳ７２において、区分算出部７は、携帯端末３の横方向軸と、移動体の横方向軸ベクトルｒｓとの内積ｐｓを算出する。
ステップＳ７３において、区分算出部７は、以下の式（２）により、スコアＳｇを算出する。
なお、ｗｆとｗｓとは予め定められた重みであり、任意の実数値である。
ステップＳ７４おいて、区分算出部７は、スコアＳｇが閾値よりも大きいか否かを判定する。区分算出部７は、スコアＳｇが閾値よりも大きいならば（Ｙｅｓ）、ステップＳ７５の処理を行い、スコアＳｇが閾値よりも大きくないならば（Ｎｏ）、ステップＳ７６の処理を行う。
ステップＳ７５において、区分算出部７は、区分を測定対象グレードとして出力し、図１１の処理を終了する。
ステップＳ７６において、区分算出部７は、区分を測定対象外グレードとして出力し、図１１の処理を終了する。
このように処理することで、例えば携帯端末３の背面方向軸と移動体の正面方向軸ベクトルｒｆとが一致し、かつ、携帯端末３の横方向軸と、移動体の横方向軸ベクトルｒｓとが一致するように設置された端末のデータについて、品質が高い測定対象グレードのデータと判定することができる。以下、走行シーンの抽出や特徴量の抽出は、この測定対象グレードのデータが用いられるので、運転診断の指標値を安定化させることができる。
なお、区分算出部７は、ステップＳ７３〜Ｓ７６のスコア算出から判定において、機械学習などの手段を用いることもできる。
ステップＳ７４おいて、区分算出部７は、スコアＳｇが閾値よりも大きいか否かを判定する。区分算出部７は、スコアＳｇが閾値よりも大きいならば（Ｙｅｓ）、ステップＳ７５の処理を行い、スコアＳｇが閾値よりも大きくないならば（Ｎｏ）、ステップＳ７６の処理を行う。
ステップＳ７５において、区分算出部７は、区分を測定対象グレードとして出力し、図１１の処理を終了する。
ステップＳ７６において、区分算出部７は、区分を測定対象外グレードとして出力し、図１１の処理を終了する。
このように処理することで、例えば携帯端末３の背面方向軸と移動体の正面方向軸ベクトルｒｆとが一致し、かつ、携帯端末３の横方向軸と、移動体の横方向軸ベクトルｒｓとが一致するように設置された端末のデータについて、品質が高い測定対象グレードのデータと判定することができる。以下、走行シーンの抽出や特徴量の抽出は、この測定対象グレードのデータが用いられるので、運転診断の指標値を安定化させることができる。
なお、区分算出部７は、ステップＳ７３〜Ｓ７６のスコア算出から判定において、機械学習などの手段を用いることもできる。
図１２は、移動体分析システム１の第３変形例の区分算出処理を示すフローチャートである。
第３変形例の区分算出処理は、区分算出部７（図２参照）によって実行される。第３変形例の区分算出処理は、車両の正面方向の軸の安定性、即ち、携帯端末３が車両内で安定した位置を保持しているかと、ユーザが携帯端末３を操作したか否かを判定するものである。
第３変形例の区分算出処理は、区分算出部７（図２参照）によって実行される。第３変形例の区分算出処理は、車両の正面方向の軸の安定性、即ち、携帯端末３が車両内で安定した位置を保持しているかと、ユーザが携帯端末３を操作したか否かを判定するものである。
ステップＳ８０において、区分算出部７は、方向軸推定部４２において推定された方向軸のうち、移動体の正面方向軸ベクトルｒｆを各時刻において取得したｎ個のデータセットを一つに纏めて行列Ｒｆ（３×ｎ行列）とし、携帯端末３の操作履歴の有無を０〜１で表した端末操作履歴Ｌを入力とする。
ステップＳ８１において、区分算出部７は、行列Ｒｆの共分散行列のトレースＴｒを算出する。
ステップＳ８２において、区分算出部７は、以下の式（３）に基づき、共分散行列のトレースＴｒと端末操作履歴Ｌの重み付き和であるスコアＳｑを算出する。
ステップＳ８１において、区分算出部７は、行列Ｒｆの共分散行列のトレースＴｒを算出する。
ステップＳ８２において、区分算出部７は、以下の式（３）に基づき、共分散行列のトレースＴｒと端末操作履歴Ｌの重み付き和であるスコアＳｑを算出する。
ステップＳ８３おいて、区分算出部７は、スコアＳｑが閾値よりも大きいか否かを判定する。区分算出部７は、スコアＳｑが閾値よりも大きいならば（Ｙｅｓ）、ステップＳ８４の処理を行い、スコアＳｑが閾値よりも大きくないならば（Ｎｏ）、ステップＳ８５の処理を行う。
ステップＳ８４において、区分算出部７は、区分を測定対象グレードとして出力し、図１２の処理を終了する。
ステップＳ８５において、区分算出部７は、区分を測定対象外グレードとして出力し、図１２の処理を終了する。
このようにすることで、例えば携帯端末３が、操作しやすい位置に設置されており、比較的固定されている端末のデータについて、品質が高い測定対象グレードのデータと判定することができる。以下、走行シーンの抽出や特徴量の抽出は、この測定対象グレードのデータが用いられるので、運転診断の指標値を安定化させることができる。
ステップＳ８４において、区分算出部７は、区分を測定対象グレードとして出力し、図１２の処理を終了する。
ステップＳ８５において、区分算出部７は、区分を測定対象外グレードとして出力し、図１２の処理を終了する。
このようにすることで、例えば携帯端末３が、操作しやすい位置に設置されており、比較的固定されている端末のデータについて、品質が高い測定対象グレードのデータと判定することができる。以下、走行シーンの抽出や特徴量の抽出は、この測定対象グレードのデータが用いられるので、運転診断の指標値を安定化させることができる。
図１３は、移動体分析システム１の第１例のサーバ装置２を示す図である。
サーバ装置２は、情報収集手段３１と、データ蓄積部５と、属性管理部２２と、情報送信手段２４とを含んで構成される。データ蓄積部５は、運転データ保持部５１と、属性情報保持部５２とを含んで構成される。
サーバ装置２は、情報収集手段３１と、データ蓄積部５と、属性管理部２２と、情報送信手段２４とを含んで構成される。データ蓄積部５は、運転データ保持部５１と、属性情報保持部５２とを含んで構成される。
情報収集手段３１は、携帯端末３ａで収集された各種情報を受信すると、属性管理部２２に出力する。
属性管理部２２は、携帯端末３ａの端末情報を抽出して属性情報保持部５２に問い合わせを行う。この問い合わせによって、携帯端末３ａで収集された情報に必要とする属性情報を付加することができる。属性管理部２２は、携帯端末３ａで収集されて属性情報を付加した各種情報を出力し、運転データ保持部５１に保持させる。
属性管理部２２は、携帯端末３ａの端末情報を抽出して属性情報保持部５２に問い合わせを行う。この問い合わせによって、携帯端末３ａで収集された情報に必要とする属性情報を付加することができる。属性管理部２２は、携帯端末３ａで収集されて属性情報を付加した各種情報を出力し、運転データ保持部５１に保持させる。
情報送信手段２４は、例えば、携帯端末３ｂ（図１参照）などの情報表示の要求に対して、運転データ保持部５１と属性情報保持部５２とを検索して、適切な情報を送信できる。また他システム９（図１参照）の問い合わせに対しても、運転データ保持部５１と属性情報保持部５２とを検索して、適切な情報を送信することができる。
この問い合わせの際には、例えば、端末情報、位置情報、時刻、データ品質など、データ蓄積部５に蓄積されている各種情報を組み合わせることができる。
この問い合わせの際には、例えば、端末情報、位置情報、時刻、データ品質など、データ蓄積部５に蓄積されている各種情報を組み合わせることができる。
図１４は、移動体分析システム１の運転データ保持部５１のデータ保持形式を示す図である。
運転データ保持部５１は、複数のデータブロック５１１を保持している。
各データブロック５１１は、時刻欄５１１ａとＩＤ（Identifier）欄５１１ｂと、１または複数の値の欄を保持し、更に区分欄５１１ｚを保持する。
時刻欄５１１ａは、このレコードのデータに係る時刻を格納する。
ＩＤ欄５１１ｂは、例えば、車両の運転を開始してから車両を停止し、その運転を終了するまでの一連のデータを識別するために一意に割り振られたＩＤを格納する。
運転データ保持部５１は、複数のデータブロック５１１を保持している。
各データブロック５１１は、時刻欄５１１ａとＩＤ（Identifier）欄５１１ｂと、１または複数の値の欄を保持し、更に区分欄５１１ｚを保持する。
時刻欄５１１ａは、このレコードのデータに係る時刻を格納する。
ＩＤ欄５１１ｂは、例えば、車両の運転を開始してから車両を停止し、その運転を終了するまでの一連のデータを識別するために一意に割り振られたＩＤを格納する。
値欄５１１ｃは、例えば、移動体正面方向の加速度や、移動体正面方向の速度、車両の移動距離、移動体正面方向軸の１成分、位置情報の１成分などの値を格納する。この値欄５１１ｃは、１項目だけでなく、複数項目に亘って設けられていてもよい。
区分欄５１１ｚは、各時刻のデータに対し、例えばデータの品質についての区分情報を格納する。この区分情報の値とその意味は、別表に保持してもよい。
区分欄５１１ｚは、各時刻のデータに対し、例えばデータの品質についての区分情報を格納する。この区分情報の値とその意味は、別表に保持してもよい。
図１５は、移動体分析システム１の属性情報保持部５２のデータ保持形式を示す図である。
属性情報保持部５２のデータブロック５２１は、データブロックＩＤ欄５２１ａと、１または複数の属性欄５２１ｂと、区分欄５２１ｚとを保持する。
属性情報保持部５２のデータブロック５２１は、データブロックＩＤ欄５２１ａと、１または複数の属性欄５２１ｂと、区分欄５２１ｚとを保持する。
データブロックＩＤ欄５２１ａは、ＩＤ欄５１１ｂと一対一の対応とすることができる。このため、データブロックＩＤ欄５２１ａは、ＩＤ欄５１１ｂに格納される値と同一であってもよく、対照表を別途用意してもよい。
属性欄５２１ｂは、携帯端末３を所持する運転者情報や、携帯端末３を識別する情報などを格納する。
区分欄５２１ｚは、例えば、データの品質などに関する区分情報を格納する。
属性欄５２１ｂは、携帯端末３を所持する運転者情報や、携帯端末３を識別する情報などを格納する。
区分欄５２１ｚは、例えば、データの品質などに関する区分情報を格納する。
図１３から図１５のように構成することで、携帯端末３から収集された情報について、端末の情報や、運転者情報、位置情報などから、情報送信手段２４を介し情報を取得することができるサーバ装置２が実現できる。
図１６は、移動体分析システム１の第２例のサーバ装置２を示す図である。
第２例のサーバ装置２は、第１例のサーバ装置２（図１３参照）と同様な構成に加えて、分析部６を備えている。第２例のデータ蓄積部５は、第１例のデータ蓄積部５の構成に加えて、分析結果保持部５３を備えている。
第２例のサーバ装置２は、第１例のサーバ装置２（図１３参照）と同様な構成に加えて、分析部６を備えている。第２例のデータ蓄積部５は、第１例のデータ蓄積部５の構成に加えて、分析結果保持部５３を備えている。
分析部６は、例えば運転診断や、路面診断などを実施して、その分析結果を分析結果保持部５３に出力する。分析結果保持部５３は、この分析結果を保持する。
情報送信手段２４は、例えば、携帯端末３ｂ（図１参照）などの情報表示の要求に対して、運転データ保持部５１と属性情報保持部５２と分析結果保持部５３とを検索して、適切な情報を送信できる。また他システム９（図１参照）の問い合わせに対しても、運転データ保持部５１と属性情報保持部５２と分析結果保持部５３とを検索して、適切な情報を送信することができる。
この問い合わせの際には、例えば、端末情報、位置情報、時刻、運転診断結果、路面診断結果、データ品質など、データ蓄積部５に蓄積されている各種情報を組み合わせることができる。
運転データ保持部５１は、図１４に示したようにデータを保持することができる。属性情報保持部５２は、図１５に示したようにデータを保持することができる。
情報送信手段２４は、例えば、携帯端末３ｂ（図１参照）などの情報表示の要求に対して、運転データ保持部５１と属性情報保持部５２と分析結果保持部５３とを検索して、適切な情報を送信できる。また他システム９（図１参照）の問い合わせに対しても、運転データ保持部５１と属性情報保持部５２と分析結果保持部５３とを検索して、適切な情報を送信することができる。
この問い合わせの際には、例えば、端末情報、位置情報、時刻、運転診断結果、路面診断結果、データ品質など、データ蓄積部５に蓄積されている各種情報を組み合わせることができる。
運転データ保持部５１は、図１４に示したようにデータを保持することができる。属性情報保持部５２は、図１５に示したようにデータを保持することができる。
図１７は、移動体分析システム１の分析結果保持部５３のデータ保持形式の第１例を示す図である。
分析結果保持部５３のデータブロック５３１は、ＩＤ欄５３１ａと、Ｔｙｐｅ欄５３１ｂと、開始時刻欄５３１ｃと、終了時刻欄５３１ｄと、診断結果欄５３１ｅとを含んで構成される。
分析結果保持部５３のデータブロック５３１は、ＩＤ欄５３１ａと、Ｔｙｐｅ欄５３１ｂと、開始時刻欄５３１ｃと、終了時刻欄５３１ｄと、診断結果欄５３１ｅとを含んで構成される。
ＩＤ欄５３１ａは、図１４におけるＩＤ欄５１１ｂと一対一対応とすることができる。このため、ＩＤ欄５３１ａは、図１４におけるＩＤ欄５１１ｂに格納される値と同一であってもよく、対照表を別途用意してもよい。
Ｔｙｐｅ欄５３１ｂは、分析の種類を識別する値を格納する。分析の種類としては、例えば、運転分析においても、直進、右折、左折、加速、減速などの詳細な分析の種類に対して識別する値を付与してもよく、路面分析などの別の分析に対しても識別する値を付与してもよい。
開始時刻欄５３１ｃと終了時刻欄５３１ｄとは、ＩＤ欄５３１ａで識別されるＩＤ欄５１１ｂ（図１４参照）に結び付いているデータブロック５１１のうち、対象となる時刻欄５１１ａの範囲を保持することができる。
診断結果欄５３１ｅは、分析部６において実施された分析の結果を示す情報を保持することができる。
診断結果欄５３１ｅは、分析部６において実施された分析の結果を示す情報を保持することができる。
このように構成することで、例えば、携帯端末３ｂ（図１参照）から、表示を行うための問い合わせ要求が情報送信手段２４（図１３参照）を介して行われる場合に、属性情報保持部５２から対象のＩＤ欄５３１ａを問い合わせると共に、ＩＤ欄５３１ａによって対象の運転データを運転データ保持部５１から取得し、更に、運転情報のうち、時間区間毎に診断結果を付与した情報を、分析結果保持部５３から取得して携帯端末３ｂに送信することができるようになる。
図１８は、移動体分析システム１の分析結果保持部５３のデータ保持形式の第２例を示す図である。
分析結果保持部５３のデータブロック５３２は、ＩＤ欄５３２ａと、Ｔｙｐｅ欄５３２ｂと、開始位置欄５３２ｃと、終了位置欄５３２ｄと、診断結果欄５３２ｅとを含んで構成される。
ＩＤ欄５３２ａは、ＩＤ欄５１１ｂ（図１４参照）と一対一対応とすることができる。このため、ＩＤ欄５３２ａは、ＩＤ欄５１１ｂに格納される値と同一であってもよく、対照表を別途用意してもよい。
分析結果保持部５３のデータブロック５３２は、ＩＤ欄５３２ａと、Ｔｙｐｅ欄５３２ｂと、開始位置欄５３２ｃと、終了位置欄５３２ｄと、診断結果欄５３２ｅとを含んで構成される。
ＩＤ欄５３２ａは、ＩＤ欄５１１ｂ（図１４参照）と一対一対応とすることができる。このため、ＩＤ欄５３２ａは、ＩＤ欄５１１ｂに格納される値と同一であってもよく、対照表を別途用意してもよい。
Ｔｙｐｅ欄５３２ｂは、分析の種類を識別する値を格納する。分析の種類としては、例えば、運転分析においても、直進、右折、左折、加速、減速などの詳細な分析の種類に対して識別する値を付与してもよく、路面分析などの別の分析に対しても識別する値を付与してもよい。
開始位置欄５３２ｃと終了位置欄５３２ｄとは、ＩＤ欄５３２ａで識別されてＩＤ欄５１１ｂ（図１４参照）に結び付いているデータブロック５１１のうち、対象となる位置情報の範囲を保持することができる。
診断結果欄５３２ｅは、分析部６において実施された分析の結果を示す情報を保持することができる。
診断結果欄５３２ｅは、分析部６において実施された分析の結果を示す情報を保持することができる。
このように構成することで、例えば、図１における携帯端末３ｂから、表示を行うための問い合わせ要求が図１６における情報送信手段２４を介して行われる場合に、属性情報保持部５２から対象のＩＤ欄５３２ａを問い合わせると共に、ＩＤ欄５３２ａに格納された識別情報によって、対象の運転データを運転データ保持部５１から取得し、更に、運転情報の内、位置範囲毎に診断結果を付与した情報を、分析結果保持部５３から取得して携帯端末３ｂに送信することができるようになる。
図１９は、移動体分析システム１の情報送信手段２４の構成を示す図である。
情報送信手段２４は、情報要求手段２３１、決済手段２３３、コスト算出手段２３２、送信手段２３４で構成される。
情報送信手段２４は、情報要求手段２３１、決済手段２３３、コスト算出手段２３２、送信手段２３４で構成される。
情報要求手段２３１は、例えば、携帯端末３ｂや他システム９などの外部からの情報要求から、要求に即したデータをデータ蓄積部５に適切に問い合わせて検索する。これにより情報要求手段２３１は、データ蓄積部５から送出されたデータをコスト算出手段２３２に出力する。
コスト算出手段２３２は、取得されたデータの区分やデータ数などに即して、取得されたデータのコストを算出する。コスト算出手段２３２は、算出したコストおよびデータを、送信手段２３４に出力する。
決済手段２３３は、送信手段２３４がデータを送信する際、例えば、ポイントや、以前に提供されたデータ量や現金などで、コスト算出手段２３２で算出されたコストに合致する決済を行い、この決済が完了したことを送信手段２３４に出力する。
送信手段２３４は、コスト算出手段２３２を介してコストとデータとを受領することができる。送信手段２３４は更に、コストに応じて決済手段２３３を呼び出すと共に、このデータを、携帯端末３ｂや他システム９などの外部に送信することができる。
このようにして、情報送信手段２４は、携帯端末３ｂや他システム９などの外部からの問い合わせに対し、区分情報などに基づいて、要求されたデータを送信することができる。
このようにして、情報送信手段２４は、携帯端末３ｂや他システム９などの外部からの問い合わせに対し、区分情報などに基づいて、要求されたデータを送信することができる。
図２０は、移動体分析システム１の分析部６の構成を示す図である。
分析部６は、区間抽出部６１と、特徴算出部６２と、判定部６３から構成される。分析部６は、入力されたデータに対して所望の分析を行う。
区間抽出部６１は、入力されたデータから分析対象の区間を抽出して、この抽出した区間に対応するデータを特徴算出部６２に出力する。高度な運転診断や路面診断などを行うためには、運転状況に合わせて診断することが必要である。ここで、区間抽出部６１は、測定対象グレードの各データを各走行シーンに分類する。
特徴算出部６２は、入力されたデータから判定に使用するための特徴量や、その特徴量のベクトルを算出して、判定部６３に出力する。ここで、特徴算出部６２は、減速と操舵について、その特徴量のベクトルを選出している。
判定部６３は、特徴量（特徴量のベクトル）から所望の判定を行い、その判定結果を出力する。判定部６３には、事前に測定した特徴量とその時点の運転者の安心・不安などのマインドデータとを入力とした機械学習により、識別器が生成されている。この識別器で、新たな特徴量を入力することにより、運転者の安心・不安などのマインドデータを出力することができる。
このように構成することで、移動体から収集した情報に基づき、この移動体の運転状況および／または路面状況を分析することができる。
分析部６は、区間抽出部６１と、特徴算出部６２と、判定部６３から構成される。分析部６は、入力されたデータに対して所望の分析を行う。
区間抽出部６１は、入力されたデータから分析対象の区間を抽出して、この抽出した区間に対応するデータを特徴算出部６２に出力する。高度な運転診断や路面診断などを行うためには、運転状況に合わせて診断することが必要である。ここで、区間抽出部６１は、測定対象グレードの各データを各走行シーンに分類する。
特徴算出部６２は、入力されたデータから判定に使用するための特徴量や、その特徴量のベクトルを算出して、判定部６３に出力する。ここで、特徴算出部６２は、減速と操舵について、その特徴量のベクトルを選出している。
判定部６３は、特徴量（特徴量のベクトル）から所望の判定を行い、その判定結果を出力する。判定部６３には、事前に測定した特徴量とその時点の運転者の安心・不安などのマインドデータとを入力とした機械学習により、識別器が生成されている。この識別器で、新たな特徴量を入力することにより、運転者の安心・不安などのマインドデータを出力することができる。
このように構成することで、移動体から収集した情報に基づき、この移動体の運転状況および／または路面状況を分析することができる。
＜減速診断＞
以下、移動体の運転状況のうち、減速挙動の診断例について記載する。
図２１は、減速診断のための区間抽出処理を示すフローチャートである。
隠れマルコフモデル（ＨＭＭ：Hidden Markov Model）を利用した区間抽出処理は、区間抽出部６１によって実行される。
ステップＳ９０において、区間抽出部６１は、データ蓄積部５から、各時刻における移動体の正面方向加速度行列Ａｆを取得する。
ステップＳ９１において、区間抽出部６１は、予め設定済みの隠れマルコフモデルの遷移確率および各状態の確率に基づき、ビタビ（Viterbi）アルゴリズムによって、移動体の正面方向加速度行列Ａｆを３クラスタに分類する。区間抽出部６１は、クラスタ分類において、学習済みデータを用いる。
以下、移動体の運転状況のうち、減速挙動の診断例について記載する。
図２１は、減速診断のための区間抽出処理を示すフローチャートである。
隠れマルコフモデル（ＨＭＭ：Hidden Markov Model）を利用した区間抽出処理は、区間抽出部６１によって実行される。
ステップＳ９０において、区間抽出部６１は、データ蓄積部５から、各時刻における移動体の正面方向加速度行列Ａｆを取得する。
ステップＳ９１において、区間抽出部６１は、予め設定済みの隠れマルコフモデルの遷移確率および各状態の確率に基づき、ビタビ（Viterbi）アルゴリズムによって、移動体の正面方向加速度行列Ａｆを３クラスタに分類する。区間抽出部６１は、クラスタ分類において、学習済みデータを用いる。
ステップＳ９２において、区間抽出部６１は、各クラスタに割りつけられた移動体正面方向の加速度の平均が小さい順に、減速クラスタ・定速クラスタ・加速クラスタとする。区間抽出部６１は、更に各クラスタに対応するＩＤを、各移動体の正面方向の各加速度に割り付ける。
ステップＳ９３において、区間抽出部６１は、クラスタ分類列Ｃｆを出力し、図２１の処理を終了する。具体的に区間抽出部６１は、移動体の正面方向加速度に割り付けた各クラスタＩＤをクラスタ分類列Ｃｆとして出力する。
このように処理することで、区間抽出部６１は、減速時のデータのみを分析対象とすることができる。
ステップＳ９３において、区間抽出部６１は、クラスタ分類列Ｃｆを出力し、図２１の処理を終了する。具体的に区間抽出部６１は、移動体の正面方向加速度に割り付けた各クラスタＩＤをクラスタ分類列Ｃｆとして出力する。
このように処理することで、区間抽出部６１は、減速時のデータのみを分析対象とすることができる。
図２２は、減速の特徴算出処理を示すフローチャートである。
減速の特徴算出処理は、特徴算出部６２によって実行される。
ステップＳ１００において、特徴算出部６２は、クラスタ分類列Ｃｆ（図２１参照）を用いて、移動体の正面方向加速度行列Ａｆのうち、連続して減速クラスタに分類されたデータを取得する。
ステップＳ１０１において、特徴算出部６２は、取得した移動体の正面方向加速度行列Ａｆの平均値ａｆmを算出する。この平均値ａｆmにより、どのくらい強くブレーキを踏んでいるかが判定できる。
ステップＳ１０２において、特徴算出部６２は、取得した移動体の正面方向加速度行列Ａｆの最大の絶対値ａｆaを算出する。最大の絶対値ａｆaにより、一番強い衝撃はどのくらいであり、よってブレーキ操作が乱暴であるか否かを判定できる。
ステップＳ１０３において、特徴算出部６２は、移動体の正面方向加速度行列Ａｆの差分値と時刻間隔とに基づいて微分し、躍度Ｊｆを算出する。
ステップＳ１０４において、特徴算出部６２は、躍度Ｊｆの標準偏差値ｊｆsを算出する。この躍度Ｊｆの標準偏差値ｊｆsにより、衝撃が多数発生しているか、すなわち操作がまばらであるか否かを判定できる。
ステップＳ１０５において、特徴算出部６２は、躍度Ｊｆの平均値ｊｆmを算出する。
ステップＳ１０６において、特徴算出部６２は、以下の式（４）に示す特徴ベクトルｕを生成し出力し、図２２の処理を終了する。
減速の特徴算出処理は、特徴算出部６２によって実行される。
ステップＳ１００において、特徴算出部６２は、クラスタ分類列Ｃｆ（図２１参照）を用いて、移動体の正面方向加速度行列Ａｆのうち、連続して減速クラスタに分類されたデータを取得する。
ステップＳ１０１において、特徴算出部６２は、取得した移動体の正面方向加速度行列Ａｆの平均値ａｆmを算出する。この平均値ａｆmにより、どのくらい強くブレーキを踏んでいるかが判定できる。
ステップＳ１０２において、特徴算出部６２は、取得した移動体の正面方向加速度行列Ａｆの最大の絶対値ａｆaを算出する。最大の絶対値ａｆaにより、一番強い衝撃はどのくらいであり、よってブレーキ操作が乱暴であるか否かを判定できる。
ステップＳ１０３において、特徴算出部６２は、移動体の正面方向加速度行列Ａｆの差分値と時刻間隔とに基づいて微分し、躍度Ｊｆを算出する。
ステップＳ１０４において、特徴算出部６２は、躍度Ｊｆの標準偏差値ｊｆsを算出する。この躍度Ｊｆの標準偏差値ｊｆsにより、衝撃が多数発生しているか、すなわち操作がまばらであるか否かを判定できる。
ステップＳ１０５において、特徴算出部６２は、躍度Ｊｆの平均値ｊｆmを算出する。
ステップＳ１０６において、特徴算出部６２は、以下の式（４）に示す特徴ベクトルｕを生成し出力し、図２２の処理を終了する。
このようにして、移動体の正面方向加速度行列Ａｆから、隠れマルコフモデルによるクラスタ分類と、特徴算出により、特徴量のベクトルを算出することができる。この特徴量のベクトルにより、減速についての運転診断が実現できる。
この特徴量のベクトルによる判定は、一般的な機械学習方法を利用してもよい。また、閾値で判定してもよい。この判定により、各特徴量の運転の際に運転者が感じる安心−不安などのマインドデータを診断することができる。
この特徴量のベクトルによる判定は、一般的な機械学習方法を利用してもよい。また、閾値で判定してもよい。この判定により、各特徴量の運転の際に運転者が感じる安心−不安などのマインドデータを診断することができる。
＜操舵診断＞
図２３〜図２５を参照して、右折／左折の挙動に基づく操舵診断について述べる。
図２３は、操舵診断のための区間抽出処理を示すフローチャートである。
隠れマルコフモデルを利用した区間抽出処理は、区間抽出部６１によって実行される。
ステップＳ１１０において、区間抽出部６１は、データ蓄積部５から、各時刻における移動体の横方向加速度行列Ａｓを取得する。
ステップＳ１１１において、区間抽出部６１は、予め設定済みの隠れマルコフモデルの遷移確率および各状態の確率に基づき、ビタビ（Viterbi）アルゴリズムによって、移動体の横方向加速度行列Ａｓを３クラスタに分類する。区間抽出部６１は、クラスタ分類において、学習済みデータを用いる。
図２３〜図２５を参照して、右折／左折の挙動に基づく操舵診断について述べる。
図２３は、操舵診断のための区間抽出処理を示すフローチャートである。
隠れマルコフモデルを利用した区間抽出処理は、区間抽出部６１によって実行される。
ステップＳ１１０において、区間抽出部６１は、データ蓄積部５から、各時刻における移動体の横方向加速度行列Ａｓを取得する。
ステップＳ１１１において、区間抽出部６１は、予め設定済みの隠れマルコフモデルの遷移確率および各状態の確率に基づき、ビタビ（Viterbi）アルゴリズムによって、移動体の横方向加速度行列Ａｓを３クラスタに分類する。区間抽出部６１は、クラスタ分類において、学習済みデータを用いる。
ステップＳ１１２において、区間抽出部６１は、各クラスタに割りつけられた移動体横方向の加速度の平均が小さい順に、右折クラスタ・直進クラスタ・左折クラスタとする。区間抽出部６１は、更に各クラスタに対応するＩＤを、各移動体の横方向の各加速度に割り付ける。
ステップＳ１１３において、区間抽出部６１は、クラスタ分類列Ｃｓを出力し、図２３の処理を終了する。具体的に区間抽出部６１は、移動体の横方向加速度に割り付けた各クラスタＩＤをクラスタ分類列Ｃｓとして出力する。
このように処理することで、区間抽出部６１は、右折時および左折時のデータのみを分析対象とすることができる。
ステップＳ１１３において、区間抽出部６１は、クラスタ分類列Ｃｓを出力し、図２３の処理を終了する。具体的に区間抽出部６１は、移動体の横方向加速度に割り付けた各クラスタＩＤをクラスタ分類列Ｃｓとして出力する。
このように処理することで、区間抽出部６１は、右折時および左折時のデータのみを分析対象とすることができる。
図２４は、車両の操舵例を示すグラフである。
上側のグラフの縦軸は、横方向加速度を示している。下側のグラフの縦軸は、正面方向の速度を示している。上下の両グラフの横軸は、共通する時刻を示している。このグラフは、例えば右折クラスタの一群のデータをプロットしたものである。
上側のグラフで示すように、運転者は、或る方向に曲がる際に、その逆方向に少しだけステアリング（ハンドル）を回し、その後に所望の方向にステアリング（ハンドル）を回す。ステアリングの回転量に応じて、横方向の加速度が発生する。正面方向の速度は、次第に減少する。
横方向の加速度ａｓが最大となるのは、時刻ｔである。この時刻ｔにおいて、正面方向の速度ｖｄtが最も小さくなる。
時刻ｔ以降、横方向の加速度ａｓは、次第に減少する。正面方向の速度ｖｄは、次第に増加する。横方向の加速度ａｓが０となるのは、時刻Ｔである。この時刻Ｔにおける正面方向の速度と、時刻ｔにおける正面方向の速度との差は、ｖｏである。
上側のグラフの縦軸は、横方向加速度を示している。下側のグラフの縦軸は、正面方向の速度を示している。上下の両グラフの横軸は、共通する時刻を示している。このグラフは、例えば右折クラスタの一群のデータをプロットしたものである。
上側のグラフで示すように、運転者は、或る方向に曲がる際に、その逆方向に少しだけステアリング（ハンドル）を回し、その後に所望の方向にステアリング（ハンドル）を回す。ステアリングの回転量に応じて、横方向の加速度が発生する。正面方向の速度は、次第に減少する。
横方向の加速度ａｓが最大となるのは、時刻ｔである。この時刻ｔにおいて、正面方向の速度ｖｄtが最も小さくなる。
時刻ｔ以降、横方向の加速度ａｓは、次第に減少する。正面方向の速度ｖｄは、次第に増加する。横方向の加速度ａｓが０となるのは、時刻Ｔである。この時刻Ｔにおける正面方向の速度と、時刻ｔにおける正面方向の速度との差は、ｖｏである。
図２５は、操舵の特徴算出処理を示すフローチャートである。
操舵の特徴算出処理は、特徴算出部６２によって実行される。
操舵の特徴算出処理は、特徴算出部６２によって実行される。
ステップＳ１２０において、特徴算出部６２は、クラスタ分類列Ｃｓ（図２３参照）を用いて、連続して右折クラスタまたは左折クラスタに分類された移動体の横方向加速度行列Ａｓと正面方向速度行列Ｖｆとを生成する。
ステップＳ１２１において、特徴算出部６２は、移動体の横方向加速度行列Ａｓから、移動体の横方向の加速度の絶対値が最大となる値｜ａｓt｜を算出する。この｜ａｓt｜は、カーブ中の左右の最大力を示しており、よって操舵がどのくらい急であるかを示す値である。
ステップＳ１２２において、特徴算出部６２は、移動体の横方向の加速度の絶対値が最大となる時刻ｔを算出する。
ステップＳ１２３において、特徴算出部６２は、横方向の加速度ａｓtが負であるか否かを判断する。特徴算出部６２は、横方向の加速度ａｓtが負であったならば（Ｙｅｓ）、ステップＳ１２５の処理を行い、横方向の加速度ａｓtが負でなかったならば（Ｎｏ）、ステップＳ１２４の処理を行う。
ステップＳ１２４において、特徴算出部６２は、時刻０から時刻ｔ−１までの横方向の各加速度ａｓの最小値を符号反転した値ａｐにより逆ハンドル量を算出し、ステップＳ１２６の処理に進む。
ステップＳ１２５において、特徴算出部６２は、時刻０から時刻ｔ−１までの横方向の各加速度ａｓの最大値ａｐにより逆ハンドル量を算出する。ステップＳ１２４，Ｓ１２５の処理により、カーブの進入時に逆ハンドルを切っていることが判断可能である。
ステップＳ１２６において、特徴算出部６２は、正面方向速度行列Ｖｆのうち、最後の値と時刻ｔにおける値と差分を算出して、ｖｏとする。これにより、カーブをファーストアウトしていることが判断できる。
ステップＳ１２７において、特徴算出部６２は、特徴ベクトルｕを以下の式（５）に基づいて算出し、図２５の処理を終了する。
ステップＳ１２１において、特徴算出部６２は、移動体の横方向加速度行列Ａｓから、移動体の横方向の加速度の絶対値が最大となる値｜ａｓt｜を算出する。この｜ａｓt｜は、カーブ中の左右の最大力を示しており、よって操舵がどのくらい急であるかを示す値である。
ステップＳ１２２において、特徴算出部６２は、移動体の横方向の加速度の絶対値が最大となる時刻ｔを算出する。
ステップＳ１２３において、特徴算出部６２は、横方向の加速度ａｓtが負であるか否かを判断する。特徴算出部６２は、横方向の加速度ａｓtが負であったならば（Ｙｅｓ）、ステップＳ１２５の処理を行い、横方向の加速度ａｓtが負でなかったならば（Ｎｏ）、ステップＳ１２４の処理を行う。
ステップＳ１２４において、特徴算出部６２は、時刻０から時刻ｔ−１までの横方向の各加速度ａｓの最小値を符号反転した値ａｐにより逆ハンドル量を算出し、ステップＳ１２６の処理に進む。
ステップＳ１２５において、特徴算出部６２は、時刻０から時刻ｔ−１までの横方向の各加速度ａｓの最大値ａｐにより逆ハンドル量を算出する。ステップＳ１２４，Ｓ１２５の処理により、カーブの進入時に逆ハンドルを切っていることが判断可能である。
ステップＳ１２６において、特徴算出部６２は、正面方向速度行列Ｖｆのうち、最後の値と時刻ｔにおける値と差分を算出して、ｖｏとする。これにより、カーブをファーストアウトしていることが判断できる。
ステップＳ１２７において、特徴算出部６２は、特徴ベクトルｕを以下の式（５）に基づいて算出し、図２５の処理を終了する。
このようにして、移動体横方向加速度列から、隠れマルコフモデルによるクラスタ分類と、特徴量の算出とにより、特徴量のベクトルを得ることができる。この特徴量のベクトルにより、操舵についての運転診断が実現できる。
この特徴量のベクトルによる判定は、一般的な機械学習方法を利用してもよい。また、閾値で判定してもよい。この判定により、各特徴量の運転の際に運転者が感じる安心−不安などのマインドデータを診断することができる。
この特徴量のベクトルによる判定は、一般的な機械学習方法を利用してもよい。また、閾値で判定してもよい。この判定により、各特徴量の運転の際に運転者が感じる安心−不安などのマインドデータを診断することができる。
＜路面診断＞
図２６、図２７を参照して、路面診断について述べる。
図２６は、路面診断のための区間抽出処理を示すフローチャートである。
区間抽出方法は、区間抽出部６１によって実行される。
ステップＳ１３０において、区間抽出部６１は、データ蓄積部５から、各時刻における移動体の下部方向加速度行列Ａｄと、正面方向速度行列Ｖｆと、区分情報Ｇと、位置情報の行列Ｘとを取得する。
図２６、図２７を参照して、路面診断について述べる。
図２６は、路面診断のための区間抽出処理を示すフローチャートである。
区間抽出方法は、区間抽出部６１によって実行される。
ステップＳ１３０において、区間抽出部６１は、データ蓄積部５から、各時刻における移動体の下部方向加速度行列Ａｄと、正面方向速度行列Ｖｆと、区分情報Ｇと、位置情報の行列Ｘとを取得する。
ステップＳ１３１において、区間抽出部６１は、位置情報の行列Ｘの全てまたは一部が診断対象の領域に入っているかを判断する。区間抽出部６１は、位置情報の行列Ｘの全てまたは一部が診断対象の領域に入っていたならば（Ｙｅｓ）、ステップＳ１３２の処理に進み、診断対象の領域に入っていなかったならば（Ｎｏ）、図２６の処理を終了する。
ステップＳ１３２において、区間抽出部６１は、区分情報Ｇの全てまたは一部が測定対象グレードであるか否かを判断する。区間抽出部６１は、区分情報Ｇの全てまたは一部が測定対象グレードであったならば（Ｙｅｓ）、ステップＳ１３３の処理に進み、測定対象グレードでなかったならば（Ｎｏ）、図２６の処理を終了する。
ステップＳ１３３において、区間抽出部６１は、正面方向速度行列Ｖｆの全てまたは一部が規定値以上（診断対象速度）であるかを判断する。区間抽出部６１は、正面方向速度行列Ｖｆの全てまたは一部が規定値以上ならば（Ｙｅｓ）、ステップＳ１３４の処理に進み、規定値未満ならば（Ｎｏ）、図２６の処理を終了する。
ステップＳ１３３において、区間抽出部６１は、正面方向速度行列Ｖｆの全てまたは一部が規定値以上（診断対象速度）であるかを判断する。区間抽出部６１は、正面方向速度行列Ｖｆの全てまたは一部が規定値以上ならば（Ｙｅｓ）、ステップＳ１３４の処理に進み、規定値未満ならば（Ｎｏ）、図２６の処理を終了する。
ステップＳ１３４において、区間抽出部６１は、移動体の下部方向加速度行列Ａｄがセンサ異常などの異常値を含んでいないかを判断する。区間抽出部６１は、移動体の下部方向加速度行列Ａｄが異常値を含んでいなかったならば（Ｎｏ）、ステップＳ１３５の処理を行い、異常値を含んでいたならば（Ｙｅｓ）、図２６の処理を終了する。
ステップＳ１３５において、区間抽出部６１は、移動体の下部方向加速度行列Ａｄと、正面方向速度行列Ｖｆとを出力し、図２６の処理を終了する。
ステップＳ１３５において、区間抽出部６１は、移動体の下部方向加速度行列Ａｄと、正面方向速度行列Ｖｆとを出力し、図２６の処理を終了する。
このように、データが所定の品質を備えているか否かをチェックして、所定の品質を備えるデータに限って路面診断を実施している。よって、路面診断の信頼性を向上させることができる。
図２７は、路面の特徴算出処理のフローチャートである。
路面の特徴量算出処理は、特徴算出部６２によって実行される。
ステップＳ１４０において、特徴算出部６２は、データ蓄積部５から、０から時刻Ｔまでの各時刻における移動体の下部方向加速度行列Ａｄと、正面方向速度行列Ｖｆとを取得する。
ステップＳ１４１において、特徴算出部６２は、移動体の下部方向加速度行列Ａｄと、正面方向速度行列Ｖｆとから二乗平均平方根ＲＭＳを、以下の式（６）で算出する。
路面の特徴量算出処理は、特徴算出部６２によって実行される。
ステップＳ１４０において、特徴算出部６２は、データ蓄積部５から、０から時刻Ｔまでの各時刻における移動体の下部方向加速度行列Ａｄと、正面方向速度行列Ｖｆとを取得する。
ステップＳ１４１において、特徴算出部６２は、移動体の下部方向加速度行列Ａｄと、正面方向速度行列Ｖｆとから二乗平均平方根ＲＭＳを、以下の式（６）で算出する。
ステップＳ１４２において、特徴算出部６２は、算出した二乗平均平方根ＲＭＳを出力し、図２７の処理を終了する。
このようにすることで、所望の区間の下部方向加速度二乗平均平方根ＲＭＳを評価することができ、それにより路面が規定以上劣化している箇所を、例えば、閾値判定などで診断することができる。
このようにすることで、所望の区間の下部方向加速度二乗平均平方根ＲＭＳを評価することができ、それにより路面が規定以上劣化している箇所を、例えば、閾値判定などで診断することができる。
＜携帯端末３ｂの表示例＞
図２８は、移動体分析システム１の運転診断結果の第１表示例を示す図である。
携帯端末３ｂの表示手段３４には、市街地の地図が表示され、太い実線と破線とで運転診断結果が表示されている。太い破線部分は、安全または普通の運転状態を示している。太い実線部分は、危険な運転状態を示している。太い実線と破線の近傍には更に、安全性の評価結果が文字で表示されている。
このように、携帯端末３ｂは、自分や同乗者の運転を、走行区間毎に安全性などの評価を行った結果を表示することができる。よって、運転者は、自身の運転について、具体的な位置・時刻・運転状況に即して診断を受けることができる。
図２８は、移動体分析システム１の運転診断結果の第１表示例を示す図である。
携帯端末３ｂの表示手段３４には、市街地の地図が表示され、太い実線と破線とで運転診断結果が表示されている。太い破線部分は、安全または普通の運転状態を示している。太い実線部分は、危険な運転状態を示している。太い実線と破線の近傍には更に、安全性の評価結果が文字で表示されている。
このように、携帯端末３ｂは、自分や同乗者の運転を、走行区間毎に安全性などの評価を行った結果を表示することができる。よって、運転者は、自身の運転について、具体的な位置・時刻・運転状況に即して診断を受けることができる。
図２９は、移動体分析システム１の運転診断結果の第２表示例を示す図である。
図２８と同様に携帯端末３ｂの表示手段３４には、市街地の地図が表示され、太い実線と破線とで運転診断結果が表示されている。太い破線部分は、安全または普通の運転状態を示している。太い実線部分は、危険な運転状態を示している。太い実線と破線の近傍には更に、安全性の評価結果が文字で表示されている。更に画面上部には、「！危険走行車両が周囲にあります。」と表示されている。
このように、危険な運転をする車両が周囲に存在することを表示することができる。よって運転者や同乗者は、周囲の移動体について、危険な運転が行われている状況を把握することができる。
図２８と同様に携帯端末３ｂの表示手段３４には、市街地の地図が表示され、太い実線と破線とで運転診断結果が表示されている。太い破線部分は、安全または普通の運転状態を示している。太い実線部分は、危険な運転状態を示している。太い実線と破線の近傍には更に、安全性の評価結果が文字で表示されている。更に画面上部には、「！危険走行車両が周囲にあります。」と表示されている。
このように、危険な運転をする車両が周囲に存在することを表示することができる。よって運転者や同乗者は、周囲の移動体について、危険な運転が行われている状況を把握することができる。
図３０は、移動体分析システム１の路面診断結果の表示例を示す図である。
図２８と同様に携帯端末３ｂの表示手段３４には、市街地の地図が表示されている。この路面の一部が黒くなっており、この部分の路面が劣化していることを示している。更に路面の一部に円形が重畳表示され、この場所が異常点であることを示している。
このように、運転者や同乗者、路面保全者などは、路面の悪化や路面上の異物などの存在を把握することができる。
ここでは表示装置の表示例を示したが、これらの表示は、パーソナルコンピュータなどの頻繁に移動を行わない装置で表示してもよい。
図２８と同様に携帯端末３ｂの表示手段３４には、市街地の地図が表示されている。この路面の一部が黒くなっており、この部分の路面が劣化していることを示している。更に路面の一部に円形が重畳表示され、この場所が異常点であることを示している。
このように、運転者や同乗者、路面保全者などは、路面の悪化や路面上の異物などの存在を把握することができる。
ここでは表示装置の表示例を示したが、これらの表示は、パーソナルコンピュータなどの頻繁に移動を行わない装置で表示してもよい。
（変形例）
本発明は上記した実施形態に限定されるものではなく、様々な変形例が含まれる。例えば上記した実施形態は、本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることも可能である。
本発明は上記した実施形態に限定されるものではなく、様々な変形例が含まれる。例えば上記した実施形態は、本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることも可能である。
上記の各構成、機能、処理部、処理手段などは、それらの一部または全部を、例えば集積回路などのハードウェアで実現してもよい。上記の各構成、機能などは、プロセッサがそれぞれの機能を実現するプログラムを解釈して実行することにより、ソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイルなどの情報は、メモリ、ハードディスク、ＳＳＤ（Solid State Drive）などの記録装置、または、フラッシュメモリカードなどの記録媒体に置くことができる。
各実施形態に於いて、制御線や情報線は、説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には、殆ど全ての構成が相互に接続されていると考えてもよい。
本発明の変形例として、例えば、次の（ａ）〜（ｃ）のようなものがある。
（ａ） 上記実施形態の方向軸推定部４２は、右手系になるように軸行列Ｒを算出しているが、左手系になるように軸行列Ｒを算出してもよい。
（ｂ） 上記実施形態の加速度列ベクトルｖは、３次元（３軸）であるが、２次元（２軸）であってもよい。
（ｃ） 上記実施形態のバッファ部４１、方向軸推定部４２、相対加速度推定部４３、移動距離推定部４４、速度推定部４５などは、携帯端末３が備えていてもよく、また、サーバ装置２が備えていてもよく、限定されない。
本発明の変形例として、例えば、次の（ａ）〜（ｃ）のようなものがある。
（ａ） 上記実施形態の方向軸推定部４２は、右手系になるように軸行列Ｒを算出しているが、左手系になるように軸行列Ｒを算出してもよい。
（ｂ） 上記実施形態の加速度列ベクトルｖは、３次元（３軸）であるが、２次元（２軸）であってもよい。
（ｃ） 上記実施形態のバッファ部４１、方向軸推定部４２、相対加速度推定部４３、移動距離推定部４４、速度推定部４５などは、携帯端末３が備えていてもよく、また、サーバ装置２が備えていてもよく、限定されない。
１ 移動体分析システム
２ サーバ装置
２１ 情報収集手段
２２ 属性管理部
２３１ 情報要求手段
２３２ コスト算出手段
２３３ 決済手段
２３４ 送信手段
２４ 情報送信手段
３ 携帯端末
３１ 情報収集手段
３２ 加速度センサ
３２Ａ 加速度検出部
３３ ＧＰＳ部
３３Ａ 位置検出部
３４ 表示手段
４１ バッファ部
４２ 方向軸推定部
４３ 相対加速度推定部
４４ 移動距離推定部
４５ 速度推定部
５ データ蓄積部
５１ 運転データ保持部
５２ 属性情報保持部
５３ 分析結果保持部
６ 分析部
６１ 区間抽出部
６２ 特徴算出部
６３ 判定部
７ 区分算出部
８１ ダッシュボード
８２ ステアリング
８３ 計器盤
８４ コンソール
８５ 助手席
８６ 運転席
９ 他システム
２ サーバ装置
２１ 情報収集手段
２２ 属性管理部
２３１ 情報要求手段
２３２ コスト算出手段
２３３ 決済手段
２３４ 送信手段
２４ 情報送信手段
３ 携帯端末
３１ 情報収集手段
３２ 加速度センサ
３２Ａ 加速度検出部
３３ ＧＰＳ部
３３Ａ 位置検出部
３４ 表示手段
４１ バッファ部
４２ 方向軸推定部
４３ 相対加速度推定部
４４ 移動距離推定部
４５ 速度推定部
５ データ蓄積部
５１ 運転データ保持部
５２ 属性情報保持部
５３ 分析結果保持部
６ 分析部
６１ 区間抽出部
６２ 特徴算出部
６３ 判定部
７ 区分算出部
８１ ダッシュボード
８２ ステアリング
８３ 計器盤
８４ コンソール
８５ 助手席
８６ 運転席
９ 他システム
Claims (10)
- 移動体に設置される端末が検知した２軸以上の加速度データに基づいて前記移動体の正面方向軸および横方向軸を推定する方向軸推定部と、
前記方向軸推定部が推定した正面方向軸および前記加速度データから前記移動体の正面方向軸の相対加速度を推定する相対加速度推定部と、
前記端末が検知した位置情報から、前記移動体の移動距離を推定する移動距離推定部と、
前記相対加速度推定部が推定した相対加速度および前記移動距離から、前記移動体の速度を推定する速度推定部と、
前記移動体の相対加速度の推定情報、速度の推定情報、および、移動距離の推定情報を蓄積するデータ蓄積部と、
前記データ蓄積部のデータを区分する区分算出部と、
前記データ蓄積部のデータを分析する分析部と、
を具備することを特徴とする移動体分析システム。 - 前記区分算出部は、前記移動体の正面方向および横方向の相対加速度の推定情報を品質に応じて区分し、
前記分析部は、前記区分に基づいて取得したデータを分析する、
ことを特徴とする請求項１に記載の移動体分析システム。 - 前記区分算出部は、蓄積した推定情報を減速クラスタとそれ以外のクラスタとにそれぞれ区分し、
前記分析部は、前記減速クラスタの特徴量として、正面方向加速度の最大の絶対値および平均値、並びに、その正面方向加速度の微分の標準偏差および平均値を算出する、
ことを特徴とする請求項１に記載の移動体分析システム。 - 前記区分算出部は、蓄積した推定情報を右折クラスタ、直進クラスタ、左折クラスタにそれぞれ区分し、
前記分析部は、前記右折クラスタおよび前記左折クラスタの特徴量として、横方向軸加速度の最大の絶対値と、その時刻における速さと、その区間の最後の時刻における速さとの差分を算出する、
ことを特徴とする請求項１に記載の移動体分析システム。 - 前記分析部は、推定情報が所定の品質を満たすならば、前記移動体の下方向軸加速度と正面方向の速さの推定情報から、前記移動体の位置に係る路面状態の特徴量を算出する、
ことを特徴とする請求項２に記載の移動体分析システム。 - 前記データ蓄積部は、各前記端末の属性情報を蓄積し、
前記属性情報に基づき、前記端末の属性情報と同一の属性情報を持つか、または、同一の属性情報を持たないことを条件に、前記分析部が分析した結果を送信する情報送信手段、を具備する、
ことを特徴とする請求項１ないし請求項５のいずれか１項に記載の移動体分析システム。 - 前記区分の数とデータ量とに応じて、送信するデータのコストを算出するコスト算出手段と、
前記コストを決済する決済手段と、
を具備することを特徴とする請求項６に記載の移動体分析システム。 - 移動体の方向軸を推定する装置が実行する方法であって、
前記装置は、前記移動体に設置される端末が検知した２軸以上の加速度データの共分散行列を算出し、
前記共分散行列の固有値および固有ベクトルを算出し、
前記固有値が最も大きい固有ベクトルを第１固有ベクトルとして選択し、
前記第１固有ベクトルに基づく相対加速度を算出し、
前記相対加速度を累積した第１累積和を算出し、
前記第１累積和を累積した第２累積和を算出し、
前記第２累積和の符号から前記第１固有ベクトルの符号を決定し、決定した前記第１固有ベクトルを前記移動体の正面方向軸として推定する、
ことを特徴とする移動体の方向軸推定方法。 - 前記装置は、前記固有値が２番目に大きく、前記第１固有ベクトルと右手系または左手系を成すように決定した第２固有ベクトルを前記移動体の横方向軸として推定する、
ことを特徴とする請求項８に記載の移動体の方向軸推定方法。 - 前記装置は、前記固有値が３番目に大きく、前記第１固有ベクトルと右手系または左手系を成すように決定した第３固有ベクトルを前記移動体の上下方向軸として推定し、
当該第３固有ベクトルに基づく相対加速度の平均値の符号により、前記移動体の下方向軸を決定する、
ことを特徴とする請求項８に記載の移動体の方向軸推定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014183566A JP2016057836A (ja) | 2014-09-09 | 2014-09-09 | 移動体分析システムおよび移動体の方向軸推定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014183566A JP2016057836A (ja) | 2014-09-09 | 2014-09-09 | 移動体分析システムおよび移動体の方向軸推定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2016057836A true JP2016057836A (ja) | 2016-04-21 |
Family
ID=55758616
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014183566A Pending JP2016057836A (ja) | 2014-09-09 | 2014-09-09 | 移動体分析システムおよび移動体の方向軸推定方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2016057836A (ja) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6154951B1 (ja) * | 2016-10-18 | 2017-06-28 | サイトセンシング株式会社 | 速度計測装置、位置計測装置、速度計測方法及びプログラム |
| US20170241786A1 (en) * | 2016-02-19 | 2017-08-24 | Yahoo Japan Corporation | Estimation device, estimation method, and non-transitory computer readable storage medium |
| WO2018159397A1 (ja) * | 2017-02-28 | 2018-09-07 | パイオニア株式会社 | 車載装置、情報処理装置、情報収集方法、インフラストラクチャーの劣化判断方法、及びプログラム |
| JP2018527641A (ja) * | 2016-07-15 | 2018-09-20 | ケンブリッジ モバイル テレマティクス，インク．Ｃａｍｂｒｉｄｇｅ Ｍｏｂｉｌｅ Ｔｅｌｅｍａｔｉｃｓ， Ｉｎｃ． | 走行距離及び速度の推定 |
| JP2019206243A (ja) * | 2018-05-29 | 2019-12-05 | トヨタ自動車株式会社 | 車両の挙動判定方法 |
| CN110796760A (zh) * | 2019-10-21 | 2020-02-14 | 上海易点时空网络有限公司 | 交通事故证据收集方法、车载终端、服务器及系统 |
| WO2020035996A1 (ja) * | 2018-08-17 | 2020-02-20 | ソニー株式会社 | 情報処理装置、情報処理システム、および情報処理方法、並びにプログラム |
| JPWO2019065052A1 (ja) * | 2017-09-26 | 2020-04-02 | ジヤトコ株式会社 | 携帯端末、携帯端末に実行させるプログラム、キャリブレーションシステム及びキャリブレーション方法 |
| JP2021089484A (ja) * | 2019-12-02 | 2021-06-10 | Kddi株式会社 | 危険性判定装置、危険性判定方法、及びプログラム |
| US11276255B2 (en) | 2016-07-15 | 2022-03-15 | Cambridge Mobile Telematics, Inc. | Mileage and speed estimation |
-
2014
- 2014-09-09 JP JP2014183566A patent/JP2016057836A/ja active Pending
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170241786A1 (en) * | 2016-02-19 | 2017-08-24 | Yahoo Japan Corporation | Estimation device, estimation method, and non-transitory computer readable storage medium |
| US11276255B2 (en) | 2016-07-15 | 2022-03-15 | Cambridge Mobile Telematics, Inc. | Mileage and speed estimation |
| JP2018527641A (ja) * | 2016-07-15 | 2018-09-20 | ケンブリッジ モバイル テレマティクス，インク．Ｃａｍｂｒｉｄｇｅ Ｍｏｂｉｌｅ Ｔｅｌｅｍａｔｉｃｓ， Ｉｎｃ． | 走行距離及び速度の推定 |
| JP6154951B1 (ja) * | 2016-10-18 | 2017-06-28 | サイトセンシング株式会社 | 速度計測装置、位置計測装置、速度計測方法及びプログラム |
| JP2018066615A (ja) * | 2016-10-18 | 2018-04-26 | サイトセンシング株式会社 | 速度計測装置、位置計測装置、速度計測方法及びプログラム |
| JPWO2018159397A1 (ja) * | 2017-02-28 | 2019-12-19 | パイオニア株式会社 | 情報処理装置、インフラストラクチャーの劣化判断方法、及びプログラム |
| WO2018159397A1 (ja) * | 2017-02-28 | 2018-09-07 | パイオニア株式会社 | 車載装置、情報処理装置、情報収集方法、インフラストラクチャーの劣化判断方法、及びプログラム |
| JPWO2019065052A1 (ja) * | 2017-09-26 | 2020-04-02 | ジヤトコ株式会社 | 携帯端末、携帯端末に実行させるプログラム、キャリブレーションシステム及びキャリブレーション方法 |
| JP2019206243A (ja) * | 2018-05-29 | 2019-12-05 | トヨタ自動車株式会社 | 車両の挙動判定方法 |
| JP7077781B2 (ja) | 2018-05-29 | 2022-05-31 | トヨタ自動車株式会社 | 車両の挙動判定方法 |
| WO2020035996A1 (ja) * | 2018-08-17 | 2020-02-20 | ソニー株式会社 | 情報処理装置、情報処理システム、および情報処理方法、並びにプログラム |
| CN112567437A (zh) * | 2018-08-17 | 2021-03-26 | 索尼公司 | 信息处理装置、信息处理系统、信息处理方法、以及程序 |
| CN110796760A (zh) * | 2019-10-21 | 2020-02-14 | 上海易点时空网络有限公司 | 交通事故证据收集方法、车载终端、服务器及系统 |
| JP2021089484A (ja) * | 2019-12-02 | 2021-06-10 | Kddi株式会社 | 危険性判定装置、危険性判定方法、及びプログラム |
| JP7340176B2 (ja) | 2019-12-02 | 2023-09-07 | Kddi株式会社 | 危険性判定装置、危険性判定方法、及びプログラム |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2016057836A (ja) | 移動体分析システムおよび移動体の方向軸推定方法 | |
| JP6658088B2 (ja) | 情報処理装置、プログラム、及び地図データ更新システム | |
| US11237184B2 (en) | Methods and systems for pattern-based identification of a driver of a vehicle | |
| Gao et al. | Smartphone-based real time vehicle tracking in indoor parking structures | |
| US10067157B2 (en) | Methods and systems for sensor-based vehicle acceleration determination | |
| CN108139456A (zh) | 加速度计辅助导航的方法 | |
| JP2020530578A (ja) | 運転行為の採点方法及び装置 | |
| JP6408854B2 (ja) | 路面状態予測方法 | |
| Zhao et al. | Join driving: A smart phone-based driving behavior evaluation system | |
| US20170050599A1 (en) | Vehicle event assessment | |
| CN106133553B (zh) | 用于确定利用gnss定位的空间分辨的误差程度的方法 | |
| Zhao et al. | Vetrack: Real time vehicle tracking in uninstrumented indoor environments | |
| Kalra et al. | Analyzing driver behavior using smartphone sensors: a survey | |
| JP5964981B2 (ja) | プローブ交通情報生成システム及びプローブ交通情報生成方法 | |
| Qiu et al. | Towards robust vehicular context sensing | |
| SALAU et al. | A survey of accelerometer-based techniques for road anomalies detection and characterization | |
| Daptardar et al. | Hidden Markov model based driving event detection and driver profiling from mobile inertial sensor data | |
| Chaovalit et al. | A method for driving event detection using SAX on smartphone sensors | |
| CN111183464B (zh) | 基于车辆轨迹数据估计信号交叉路口的饱和流量的系统和方法 | |
| CN112509352A (zh) | 水淹检知装置、系统及方法以及水淹检知程序存储介质 | |
| US9747801B2 (en) | Method and device for determining surroundings | |
| JP2012168788A (ja) | 運動推定装置及びプログラム | |
| Ghose et al. | An enhanced automated system for evaluating harsh driving using smartphone sensors | |
| EP3382570A1 (en) | Method for characterizing driving events of a vehicle based on an accelerometer sensor | |
| CN111717210B (zh) | 一种驾驶员手部相对静止状态下脱离方向盘检测方法 |