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 |