JP2018073363A - 車両稼働データ収集装置、車両稼働データ収集システムおよび車両稼働データ収集方法 - Google Patents

Abstract

【課題】車両における異常な稼働データを効率よく収集する車両稼動データ収集装置を提供する。【解決手段】車両稼働データ収集装置１０は、車両３０から取得した車両稼働データを蓄積する車両稼働履歴ＤＢ１８と、車両稼働履歴ＤＢ１８に蓄積された車両稼働データを用いて、車両３０において生じる異常の異常種別を機械学習により分類したときに得られる分類の精度情報に基づき、車両稼働履歴ＤＢ１８に蓄積された車両稼働データの過不足を異常種別ごとに評価するデータ過不足評価部１１と、車両３０の保守履歴情報を蓄積した車両保守履歴ＤＢ１９から、データ過不足評価部１１によりデータ不足と評価された異常の種別のデータを取得するのに適した車両３０を、収集対象車両として抽出する収集対象車両抽出部１２と、抽出された収集対象車両に対し、稼働データの収集を指示する収集命令を配信する収集命令配信部１５２と、を備えてなる。【選択図】図１

Description

本発明は、車両の異常を検知するのに好適な車両の稼働データを収集する車両稼働データ収集システム、車両稼働データ収集装置および車両稼働データ収集方法に関する。

通常、車両を構成する主要部品（例えば、エンジン、車輪など）には、その部品の動作状況を監視するための各種のセンサが設けられている。従って、これらのセンサの出力値を監視することにより、その部品の不調や異常（以下、車両の異常と総称）を検知することができる。このような車両の異常の検知には、しばしば統計的な手法が用いられる。例えば、ある車両の特定の動作および環境条件下での特定のセンサの出力値が、他の同じ車種の車両の同じ動作および環境条件下での同じセンサの出力値の平均値と大きく異なっているようなときには、前記の「ある車両」には何らかの異常があると考えられる。

一般に、統計的な手法により車両の異常を検出するには、できるだけ多数の車両から、できるだけ多くのセンサの出力値（センサデータ）を、かなりの期間にわたって、データセンタなどに集める必要がある。しかしながら、例えば、道路を走行中のあらゆる車種の車両からその車両内の全センサのセンサデータをデータセンタに収集することは、通信負荷、分析負荷、蓄積負荷の観点から実質上困難である。従って、統計的な手法により車両の異常を検出する場合には、できるだけ異常検出の統計処理に寄与するセンサデータを選択して、効率よく収集することが重要である。なお、本明細書では、稼働中の車両に搭載された少なくとも１つのセンサから得られたセンサデータを車両の稼働データという。

特許文献１には、異常が検知された車両から異常のダイアグ情報（稼動データ）に加え、車種、部品、地点などの情報を受信すると、同じ地点を走行する同型の車種、部品の車両に対し、同様のダイアグ情報の送信を指示する情報センタの例が開示されている。この例では、情報センタは、同様の走行環境下の複数の車両から得られるダイアグ情報に基づき、異常の発生原因の分析をすることが可能になる。そのため、異常の発生原因の分析が容易化される。

特許４１０７２３８号公報

統計的な手法により車両の異常を検出するには、車両で発生する各種の異常それぞれに対して、異常と正常とを区別するのに十分な数の稼働データを予め収集しておく必要がある。一般に、正常な稼働データや発生頻度の高い異常の稼働データについては、十分な数の稼働データを収集することは比較的容易である。それに対し、発生頻度の低い異常の稼働データについては、必ずしも容易には収集できない。

引用文献１に開示された情報センタは、ある車両で検出された異常の発生原因を分析するための稼働データを、効率よく他の車両から収集することはできる。しかしながら、これにより、統計的な手法とくに機械学習を用いて稼働データの正常／異常を判定しようとする場合に必要となる異常な稼働データが数多く得られるようになるわけではない。正常な稼働データが多数あっても、異常な稼働データが少ない場合には、正常／異常の判定の精度を向上させることはできない。

本発明の目的は、車両における異常な稼働データを効率よく収集することが可能な車両稼働データ収集装置、車両稼働データ収集システムおよび車両稼働データ収集方法を提供することにある。

本発明に係る車両稼働データ収集装置は、車両から取得した車両の稼働データを蓄積する車両稼働データ蓄積手段と、前記車両稼働データ蓄積手段に蓄積された車両の稼働データを用いて、前記車両において生じる異常の異常種別を機械学習により分類したときに得られる分類の精度情報に基づき、前記車両稼働データ蓄積手段に蓄積された車両の稼働データの過不足を前記異常種別ごとに評価するデータ過不足評価手段と、車両の保守履歴情報を蓄積したデータベースから、前記データ過不足評価手段によりデータ不足と評価された異常種別のデータを取得するのに適した車両を、収集対象車両として抽出する収集対象車両抽出手段と、前記抽出された収集対象車両に対し、稼働データの収集を指示する収集命令を配信する収集命令配信手段と、を備えることを特徴とする。

本発明によれば、車両における異常な稼働データを効率よく収集することが可能な車両稼働データ収集装置、車両稼働データ収集システムおよび車両稼働データ収集方法を提供される。

本発明の実施形態に係る車両稼働データ収集装置を含む車両稼働データ収集システムの構成の例を示した図。 （ａ）は、車両稼働履歴ＤＢに蓄積される車両稼働履歴データの構成の例を示した図、（ｂ）は、車両稼働履歴データに含まれる稼働データの構成の例を示した図。 車両保守履歴ＤＢに蓄積される車両保守履歴データの構成の例を示した図。 車両稼働データ収集装置における全体処理の流れの例を示した図。 クラス分け学習部により得られる学習結果の例をテーブル形式で示した図で、（ａ）は、異常検知の場合の学習結果の例、（ｂ）は、異常分類の場合の学習結果の例。 収集条件表示部によって評価者端末に表示される稼働データ収集条件表示画面の例を示した図。

以下、本発明の実施形態について、図面を参照して詳細に説明する。なお、各図面において、共通する構成要素には同一の符号を付し、重複した説明を省略する。

図１は、本発明の実施形態に係る車両稼働データ収集装置１０を含む車両稼働データ収集システム１の構成の例を示した図である。車両稼働データ収集システム１は、図１に示すように、車両稼働データ収集装置１０と、複数の車両３０それぞれに搭載され、通信基地局２３を介して車両稼働データ収集装置１０と無線通信可能に接続された車載端末装置３１と、を含んで構成される。また、車両稼働データ収集装置１０は、車両３０で発生する異常な稼働データを評価または分析する評価者が使用する評価者端末２１、および、車両３０の保守者が使用する保守者端末２２に、専用の通信線や汎用の通信ネットワークを介して接続されている。

ここで、車両３０を構成するエンジンなどの主要な部品には、その動作状態を監視するための様々なセンサが付設されている。また、車両３０そのものには、外界の様子を検出する温度計、カメラ、ＧＰＳ（Global Positioning System）位置センサなどが設けられている。そして、車載端末装置３１は、車両稼働データ収集装置１０から送信される稼働データ収集命令を受信したときには、その稼働データ収集命令で指示されるセンサのセンサデータを収集する。そして、その収集したセンサデータを車両３０の稼働データとして車両稼働データ収集装置１０へ送信する。

車両稼働データ収集装置１０は、データ過不足評価部１１、収集対象車両抽出部１２、収集条件設定部１３、評価者端末ＩＦ部１４、対車通信部１５、保守者端末ＩＦ部１６などの処理機能に係るブロックを備える。また、車両稼働データ収集装置１０は、分析単位記憶部１７、車両稼働履歴ＤＢ１８、車両保守履歴ＤＢ１９などの記憶機能に係るブロックを備える。

ここで、データ過不足評価部１１は、サブブロックとして評価データ生成部１１１、クラス分け学習部１１２、学習結果評価部１１３などを備える。同様に、評価者端末ＩＦ部１４は、サブブロックとして分析単位設定部１４１、収集条件表示部１４２などを備え、対車通信部１５は、サブブロックとして稼働データ受信部１５１、収集命令配信部１５２などを備える。

以上のような構成を有する車両稼働データ収集装置１０は、１台のコンピュータ、または、互いに専用の通信線や汎用の通信ネットワークを介して結合された複数のコンピュータによって実現される。その場合、車両稼働データ収集装置１０の前記の処理機能に係るブロックの機能は、コンピュータの演算処理装置が同コンピュータの記憶装置に格納された所定のプログラムを実行することにより具現化される。また、前記の記憶機能に係るブロックは、同コンピュータの記憶装置上の記憶領域として具現化される。

続いて、図１に加え図２以下の図面を参照しつつ、車両稼働データ収集装置１０を構成する各ブロックの詳細について順次説明する。

対車通信部１５の収集命令配信部１５２は、車両３０を特定した上で、その車両３０に搭載された車載端末装置３１に対し、その車両３０に含まれるセンサのセンサデータを取得することを指示する稼働データ収集命令を配信する。これにより、例えば「アクセルの開度センサおよびエンジンのタコメータのセンサデータを１Ｈｚのサンプリング周波数で取得せよ」といった稼働データ収集命令が、特定の車両３０の車載端末装置３１に配信される。

稼働データ受信部１５１は、前記配信された稼働データ収集命令に応答して車両３０の車載端末装置３１から送信される車両３０の稼働データを受信し、その受信した稼働データを車両稼働履歴データとして車両稼働履歴ＤＢ（データベース）１８に蓄積する。

図２（ａ）は、車両稼働履歴ＤＢ１８に蓄積される車両稼働履歴データの構成の例を示した図であり、図２（ｂ）は、車両稼働履歴データに含まれる稼働データの構成の例を示した図である。図２（ａ）に示すように、車両稼働履歴データは、「データＩＤ」、「取得日時」、「取得位置」、「車両ＩＤ」、「車種」、「部品構成」、「センサ項目」、「サンプリング周波数」、「稼働データ」、「異常種別」などの項目のデータを含んで構成される。

ここで、「データＩＤ」の欄には、車両稼働履歴ＤＢ１８の中で当該行の車両稼働履歴データをユニークに識別するために付された識別情報が記憶される。また、「取得日時」および「取得位置」の欄には、当該行の「稼働データ」が取得された日時の情報および位置情報が記憶される。なお、「取得位置」は、地点の住所名で表された情報でも、ＧＰＳ位置センサなどで取得された緯度、経度で表された情報であってもよい。

「車両ＩＤ」の欄には、当該行の「稼働データ」が取得された車両３０をユニークに識別するための識別情報が記憶され、「車種」の欄には、その車両３０の車種名や型式名が記憶される。なお、本実施形態では、車両稼働データ収集システム１の対象となる全ての車両３０には、予めユニークな車両ＩＤが付されているものとする。

「部品構成」の欄には、当該行の「稼働データ」が取得された車両３０の部品構成に関する情報が記憶される。例えば、「部品構成」の欄には、エンジンや制動装置などコンポーネントごとの型式や、エンジンに取り付けられているインジェクタの型式など、コンポーネントに取り付けられている部品ごとの型式などが記憶される。

「センサ項目」の欄には、当該行の「稼働データ」を検出したセンサのセンサ名やセンサからの出力信号名、例えば「アクセル開度」や「エンジン回転数」などの情報が記憶される。また、「サンプリング周波数」の欄には、当該行の「稼働データ」が検出されたときのサンプリング周波数、例えば「１Ｈｚ」、「２Ｈｚ」などの情報が記憶される。

「稼働データ」の欄には、当該行の「センサ項目」で特定されるセンサによって検出されたセンサデータが記憶される。なお、「稼働データ」は、別途、図２（ｂ）などに示されているように、通常は複数次元のデータ構造を有しているので、「稼働データ」の欄に格納されるデータは、「稼働データ」が格納されている記憶装置の領域を表すファイル名などであってもよい。

「異常種別」の欄には、当該行の「稼働データ」が「正常」または「異常」であることを示す値、または、「異常」であったときのその「異常」を識別する異常種別の名称などが記憶される。

以上のような構成を有する車両稼働履歴データのうち、「データＩＤ」および「異常種別」以外は、車両３０の車載端末装置３１から送信されたデータに含まれるデータある。一方、「データＩＤ」は、稼働データ受信部１５１が車載端末装置３１から送信された稼働データを受信し、その受信した稼働データを車両稼働履歴データとして車両稼働履歴ＤＢ１８に蓄積するときに付与される。

また、「異常種別」の欄は、車両稼働履歴データが最初に車両稼働履歴ＤＢ１８に蓄積されるときは空欄である。そして、その後、所定の期間（例えば、３カ月）以内に、当該車両３０が修理工場などで何の補修も調整もされなかった場合には、その「異常種別」の欄には、「正常」という値が記入される。逆に、その後、当該車両３０が修理工場などで何らかの補修や調整が行われ、その異常種別が解明できた場合には、その解明された異常種別の名称が「異常種別」の欄に記入される。ただし、異常種別が解明できなかった場合には、「異常種別」の欄には、単に、「異常」という値が記入される。なお、この「異常種別」の欄への値の記入は、当該車両３０の保守者が保守者端末２２を介して入力するデータに基づき、保守者端末ＩＦ部１６によって行われる。

続いて、図２（ｂ）に示すように、稼働データは、例えば「データ取得時刻」、「アクセル開度」、「エンジン回転数」などの項目のデータを含んで構成される。ここで、「データ取得時刻」の欄における時刻進行の時間間隔は、前記の車両稼働履歴データの「サンプリング周波数」により決まる。また、「データ取得時刻」、「アクセル開度」などの項目の名称は、前記の車両稼働履歴データの「センサ項目」の欄のデータにより決まる。従って、これらの項目の名称としては、「データ取得時刻」、「アクセル開度」などに限定されず、「カメラ画像」、「レーザレーダ距離」など車両３０に搭載されたあらゆるセンサのセンサ名や出力信号名が含まれ得る。

図３は、車両保守履歴ＤＢ１９に蓄積される車両保守履歴データの構成の例を示した図である。図３に示すように、車両保守履歴データは、「保守日時」、「保守拠点」、「保守員」、「車両ＩＤ」、「累計保守費用」、「保守部品」、「保守内容」、「保守費用」などの項目のデータを含んで構成される。

ここで、「保守日時」、「保守拠点」、「保守員」の各欄には、それぞれ当該行の「車両ＩＤ」で特定される車両３０の保守（修理、調整など）が実施されたときの日時、修理工場の名称、保守員の名称などが記憶される。また、「車両ＩＤ」の欄には、同保守の対象となった車両３０をユニークに識別する識別情報が記憶され、「累計保守費用」の欄には、当該車両３０の工場出荷後の保守費用の累計額が記憶される。また、「保守部品」、「保守内容」、「保守費用」の各欄には、それぞれ、当該行の「保守日時」に実施された保守において保守の対象となった部品名、保守作業の内容を表す情報、その保守に要した費用が記憶される。

この車両保守履歴データは、車両３０の保守が行われるたびに、当該車両３０の保守作業をした保守員などが保守者端末２２を操作することにより作成され、保守者端末ＩＦ部１６を介して車両保守履歴ＤＢ１９に蓄積される。ただし、「累計保守費用」の欄は、保守員の操作は不要であり、保守者端末ＩＦ部１６の処理で自動的に追加される。

図４は、車両稼働データ収集装置１０における全体処理の流れの例を示した図である。車両稼働データ収集装置１０は、この処理を実行することにより、車両稼働履歴ＤＢ１８に蓄積されている車両稼働履歴データを車両３０の異常検出または検出した異常の分類に利用する場合に不足する種類の車両稼働履歴データを効率よく収集できるようにする。

なお、以下、図４に示す処理は、車両稼働データ収集装置１０のデータ過不足評価部１１、収集対象車両抽出部１２、収集条件設定部１３、収集命令配信部１５２などによって実行される。また、この処理は、所定の時間周期で（例えば、１日１回）、あるいは、評価者端末２１から入力される実行指示を受付けたときに実行される。

図４に示すように、車両稼働データ収集装置１０のデータ過不足評価部１１は、まず、分析単位記憶部１７から分析単位の１つを選択する（ステップＳ１１）。ここで、分析単位とは、車両３０の異常を個別に分析をする際に特定することが必要となる車種、部品構成、センサ項目、サンプリング周波数などのデータの組み合わせ（セット）をいう。例えば、車種Ａのエンジンの異常を分析する場合、アクセルの開度センサとエンジンの回転数の関係を分析することが必要となる。このような場合の分析単位のデータは、例えば、車種が車種Ａで、部品構成がアクセルとエンジンで、センサ項目がアクセル開度とエンジン回転数で、サンプリング周波数が１Ｈｚや２Ｈｚなどの周波数の値で構成される。

なお、車両３０の異常を評価する評価者は、評価者端末２１を操作することにより分析単位を自在に設定できるものとする。そして、評価者により設定された分析単位は、評価者端末ＩＦ部１４の分析単位設定部１４１を介して分析単位記憶部１７に書き込まれる。ここでは、評価者により設定された１つまたは複数の分析単位が予め分析単位記憶部１７に記憶されているものとする。

次に、データ過不足評価部１１は、前記選択した分析単位に係る異常の異常種別ごとに、車両稼働履歴ＤＢ１８に蓄積されている車両稼働履歴データの過不足を評価する（ステップＳ１２）。すなわち、データ過不足評価部１１は、車両稼働履歴ＤＢ１８から前記選択した分析単位に該当する車両稼働履歴データを抽出する。そして、抽出した車両稼働履歴データを、例えば、機械学習の手法を用いて、複数の異常種別に分類し、異常種別ごとに蓄積された車両稼働履歴データが、その異常種別を判定するのに十分な精度に達しているか否かを評価する。この評価は、後記するように機械学習の分類問題として処理し、所定以上の精度（正答率）が得られない異常種別に分類された車両稼働履歴データについては、データ数が不足していると判定される。

ここで、異常種別とは、異常検知処理では２値で表されるデータ（例えば、「正常」または「異常」というデータ）をいい、異常分類処理では想定される異常の種類数の多値で表わされるデータ（例えば、異常種別名）をいう。例えば、異常分類処理において、ある部品に対して「異常Ａ」、「異常Ｂ」、「異常Ｃ」の３通りの異常が想定される場合、異常種別は、「異常Ａ」、「異常Ｂ」、「異常Ｃ」の３値で表される。

次に、収集対象車両抽出部１２は、ステップＳ１２でデータ数不足と評価された異常種別に分類される車両稼働履歴データを取得するのに適した車両３０を、車両保守履歴ＤＢ１９に蓄積されている車両保守履歴データに基づき抽出し、収集対象車両とする（ステップＳ１３）。

例えば、異常検知処理で、正常な車両稼動履歴データが不足と評価された場合には、車両保守履歴ＤＢ１９からは、当該分析単位の部品構成に該当する部品が保守直後である車両３０や累計保守費用が高額になっている車両３０が収集対象車両として抽出される。反対に、異常な車両稼動履歴データが不足と評価された場合には、車両保守履歴ＤＢ１９からは、当該分析単位の部品構成に該当する部品が長期間保守されていない車両３０や累計保守費用が低額の車両３０が収集対象車両として抽出される。なお、このような抽出の仕方は、累計保守費用が高額な車両３０は、普段から保守が十分に行われ、累計保守費用が高額な車両３０は、普段から保守が十分には行われていないという考えに基づく。

また、異常分類処理で分類された異常種別の車両稼動履歴データが不足と評価された場合にも、車両保守履歴ＤＢ１９からは、当該分析単位の部品構成に該当する部品が長期間保守されていない車両３０や累計保守費用が低額の車両３０が収集対象車両として抽出される。

次に、収集条件設定部１３は、抽出された収集対象車両それぞれに送信する稼働データ収集条件を設定する（ステップＳ１４）。ここで、稼働データ収集条件とは、ステップＳ１２でデータ数不足と評価されたそれぞれの異常種別における「車種」、「部品構成」、「センサ項目」、「サンプリング周波数」を特定する情報をいう。例えば、「車種Ａのエンジン回転数およびアクセル開度を１Ｈｚのサンプリング周波数で取得する」といった情報である。

次に、収集条件設定部１３は、分析単位記憶部１７に記憶されている全ての分析単位について稼働データ収集条件が設定されたか否かを判定する（ステップＳ１５）。ここで、稼働データ収集条件が全ての分析単位については設定されていなかった場合には（ステップＳ１５でＮｏ）、ステップＳ１１に戻って、ステップＳ１１以下の処理が繰り返して実行される。

一方、全ての分析単位について稼働データ収集条件が設定されていた場合には（ステップＳ１５でＹｅｓ）、収集条件設定部１３は、同じ収集対象車両に対して複数の稼働データ収集条件が設定されている場合には、その稼働データ収集条件を統合する（ステップＳ１６）。例えば、同じ収集対象車両に対して、ある分析単位でエンジン回転数の収集が設定され、別の分析単位で車輪速の収集が設定されているような場合、その稼働データ収集条件を、エンジン回転数と車輪速をともに収集する条件にまとめることができる。また、例えば、同じ収集対象車両に対して、ある分析単位で１Ｈｚ周期での車輪速の収集が設定され、別の分析単位で２Ｈｚ周期での車輪速の収集が設定されているような場合、これらの稼働データ収集条件を２Ｈｚ周期での車輪速の収集にまとめることができる。

次に、収集命令配信部１５２は、各収集対象車両に設定された稼働データ収集条件を含んだ稼働データ収集命令を、各収集対象車両に配信する（ステップＳ１７）。なお、各収集対象車両に配信される稼働データ収集条件は、評価者の求めに応じて、収集条件表示部１４２により評価者端末２１に表示される。

続いて、前記のステップＳ１２におけるデータ過不足評価部１１の処理の詳細について説明する。図１に示したように、データ過不足評価部１１は、評価データ生成部１１１、クラス分け学習部１１２、学習結果評価部１１３を備えて構成される。

評価データ生成部１１１は、クラス分け学習部１１２が学習評価するためのデータを生成する。すなわち、評価データ生成部１１１は、分析単位ごとに、センサ項目の抽出、サンプリング周波数決定、データロードの各処理を実行する。なお、ここでいう分析単位は、例えば、「車種Ａのエンジンの異常検知」など、分析の対象となる車種、部品に対し、異常検知、異常分類など分析の処理ごとのセンサ項目やサンプリング周波数を対応付けた情報であり、予め分析単位記憶部１７に記憶されている。

評価データ生成部１１１におけるセンサ項目の抽出の処理では、分析対象となるセンサ項目が選択され、また、センサ項目の選択処理では、部品ごとに予め定められているセンサ項目リストの中から１つ以上のセンサが選択される。また、サンプリング周波数決定の処理では、部品ごとに予め定められている周波数から分析時のサンプリング周波数が選択される。なお、これらの選択は、評価者端末２１および評価者端末ＩＦ部１４の分析単位設定部１４１を介して、車両３０の異常を分析する評価者により行われる。

また、データロードの処理では、評価データ生成部１１１は、分析単位記憶部１７に記憶されている分析単位の１つを選択し、その選択した分析単位に係る異常の分析に必要な車両稼働履歴データを車両稼働履歴ＤＢ１８からロードする。すなわち、車両稼働履歴ＤＢ１８からは、分析対象の「車種」および「部品構成」に該当する車両稼働履歴データのうち、先に決定された「センサ項目」および「サンプリング周波数」のデータが抽出可能で、かつ、「異常種別」の正解値を有する車両稼働履歴データが読み出される。ここで、「異常種別」の正解値とは、保守者端末２２を介して保守者によって車両稼働履歴データ（図２（ａ）参照）の「異常種別」の欄に設定された正常、異常または異常種別名などの値をいう。

例えば、車種Ａのエンジンの異常検知の場合の分析単位により決定されたセンサ項目がアクセル開度およびエンジン回転数で、サンプリング周波数が２Ｈｚの場合、「車種」が車種Ａで、「部品構成」にエンジンおよびアクセルを含み、「センサ項目情報」にアクセル開度およびエンジン回転数を含み、「サンプリング周波数」が２Ｈｚ以上の車両稼働履歴データがロードされる。なお、このとき、「異常種別」が空欄の車両稼働履歴データはロードされない。また、分析処理が異常分類の場合には、「異常種別」が「正常」である車両稼働履歴データもロードされない。

以上のように、評価データ生成部１１１は、１つ以上の分析項目それぞれに対して１つ以上のセンサ項目および１つ以上のサンプリング周波数の組を選択し、これらの組み合わせに該当する車両稼働履歴データを車両稼働履歴１８から抽出し、ロードする。

クラス分け学習部１１２は、評価データ生成部１１１でロードされた全ての組み合わせそれぞれの車両稼働履歴データに対し、異常検知および異常分類におけるクラス分けの精度計算を行う。本実施形態では、以下、機械学習による精度計算の例を示す。

稼働データの異常検知は、機械学習の技術では、正常および異常の２クラスの分類問題として取り扱うことができ、また、異常分類は、異常種別数がクラス数の分類問題として扱うことができる。そこで、ここでは、サポートベクトルマシン（以下、ＳＶＭという）のような一般には「教師あり学習の分類器」と呼ばれる学習機械を用いて異常検知および異常分類を行うことを考える。

この場合、評価データ生成部１１１で分析項目ごとに抽出され、ロードされた車両稼働履歴データをＳＶＭで学習し、それぞれの車両稼働履歴データごとに正常／異常または異常種別のクラスを分類する。その後、こうして分類されたクラスと実際のクラスとを比較し、その結果に基づき、分類の精度を求める。

なお、ここでいう実際のクラスとは、車両稼働履歴データの「異常種別」の欄の値であり、保守の結果として実際に得られた情報である。また、分類の精度とは、ＳＶＭ（分類器）で得られたクラスと実際のクラスとが一致する割合のことをいい、しばしば正答率とも呼ばれる。

また、分類器による分類の精度評価には、交差検証と呼ばれる手法が用いられる。交差検証の手法には、例えばk-fold法がある。k-fold法は、データをｋ個のグループに分け、ｉ番目のグループのクラス情報を分類する場合には、ｉ番目のグループのデータは学習せずにｉ番目以外のグループの情報を学習して、ｉ番目のグループのデータを分類する。交差検証によれば、学習していないデータに対する精度を評価することができる。

また、異常検知の場合には、教師なし学習による分類手法も用いることができる。この場合には、正常クラスの稼働データのみを例えば混合正規分布などで学習する。その後、学習していないデータの尤度を計算し、尤度が閾値以上である場合には正常のクラス、尤度が閾値を下回っている場合には異常のクラスに分類する。なお、教師なし学習手法を用いる場合でも交差検証を用いて精度評価を行うことができる。

以上のようにして、クラス分け学習部１１２は、分析単位ごとにロードされた車両稼働履歴データを、正常／異常の２つのクラスまたは複数の異常種別のクラスに分類し、それぞれのクラスの分類の精度を求める。

学習結果評価部１１３は、学習部１１２で求められた異常検知および異常分類の精度に基づき車両稼働履歴データの過不足判定を行う。すなわち、学習結果評価部１１３は、分析単位ごとに、センサ項目およびサンプリング周波数の１つ以上の組み合わせのそれぞれに対して、所定の条件を満たしているか否かを判定する。そして、所定の条件が満たされていれば、当該組み合わせの車両稼働履歴データは、十分な量が蓄積されていると判定される。また、所定の条件が満たされていなければ、当該組み合わせの車両稼働履歴データは、不足していると判定される。

ここで、所定の条件とは、例えば、分類された各クラスのデータ数が所定値以上であるか否かという条件、あるいは、各クラスでの分類の精度があらかじめ定められた閾値以上であるか否かという条件などである。例えば、各クラスのデータ数が閾値より小さい場合には、データ数そのものが不足していると判定される。また、分析単位で分類されたクラスの精度が閾値以下である場合には、精度が閾値以下であるクラスの車両稼働履歴データが不足していると判定される。

図５は、クラス分け学習部１１２（図１参照）により得られる学習結果の例をテーブル形式で示した図で、（ａ）は、異常検知の場合の学習結果の例、（ｂ）は、異常分類の場合の学習結果の例である。このような学習結果は、評価者の求めに応じて評価者端末ＩＦ部１４を介して評価者端末２１に表示される。

図５（ａ）、（ｂ）に示すように、クラス分け学習部１１２によって得られる学習結果のテーブルは、「車種、部品」、「処理」、「センサ項目」、「サンプリング周波数」、「データ数」、「正答率」などの欄によって構成される。なお、「正答率」の欄は、異常検知処理の場合（図５（ａ））には、「正常」、「異常」の２つの欄により構成され、異常分類処理（図５（ｂ））の場合には、その異常分類処理で得られた異常種別数（クラス数）と同数の欄により構成される。

なお、ここでいう正答率は、機械学習による分類の精度を表す指標の一例であり、クラス分け学習部１１２で分類されたクラスと実際の保守で得られたクラスが一致した数を分析対象のデータ数で除算した値で与えられる。そして、この正答率は、分類されたクラス数ごとに求められる。

こうして、学習結果評価部１１３は、分析対象の車種、部品、分析処理が全て同一となる分析単位ごとに全てのクラス分け分類の精度を得ることができる。

ここで、正常または異常のクラスのデータ数がそれぞれ予め定められたデータ数より多く、かつ、それぞれのクラスでの正答率が予め定められた閾値よりも高い場合には、学習結果評価部１１３は、そのクラスの稼働データは充足していると判定する。そして、その正常または異常のクラスに属する稼働データを収集対象の稼働データから除外する。

一方、正常または異常のクラスのデータ数がそれぞれ予め定められたデータ数より少なく、かつ、それぞれのクラスでの正答率が予め定められた閾値よりも低い場合には、学習結果評価部１１３は、そのクラスの稼働データは不足していると判定する。そして、その正常または異常のクラスに属する稼働データを収集対象の稼働データとする。

収集対象車両抽出部１２（図１参照）は、学習結果評価部１１３から稼動データが不足していると判定された分析単位に関する情報を受け取った場合には、該当する車種や部品構成を有する車両保守履歴データを車両保守履歴ＤＢ１９から抽出する。そして、図４のステップＳ１３で説明したように、収集対象車両が正常クラスの場合には、分析単位の部品が保守直後の車両や累計保守費用が所定の閾値より高い車両を収集対象車両として抽出する。逆に、収集対象が異常クラスの場合には、分析単位の部品が一定期間以上保守されていない車両や累計保守費用が所定の閾値より低い車両を収集対象車両として抽出する。

収集条件設定部１３は、各分析単位ごと抽出された図４のステップＳ１４，Ｓ１６で説明したように、分析単位ごと抽出された収集対象車両に対して稼働データ収集条件を設定するとともに、同じ収集対象車両に対して複数の稼働データ収集条件が設定されている場合には、その稼働データ収集条件を統合する。また、収集命令配信部１５２は、図４のステップＳ１７で説明したように、各収集対象車両に対して設定された稼働データ収集条件を含んだ稼働データ収集命令を、各収集対象車両に配信する。

図６は、収集条件表示部１４２によって評価者端末２１に表示される稼働データ収集条件表示画面５０の例を示した図である。図６に示すように、稼働データ収集条件表示画面５０には、車種選択部５１、部品選択部５２、収集状況および精度確認部５３、収集命令確認部５４などが表示される。

稼働データ収集条件表示画面５０において、分析者は、稼働データ収集条件を確認する際には、車種選択部５１および部品選択部５２によって確認対象の車種や部品を、例えばプルダウン表示された車種や部品の中から選択することができる。

収集状況および精度確認部５３には、車種選択部５１および部品選択部５２を介して選択された車種および部品についての分析単位（センサ項目、サンプリング周波数）ごとの精度（正答率）および過不足判定結果が表示される。従って、分析者は、収集状況および精度確認部５３の表示により、分析単位ごとの分析処理、センサ項目、サンプリング周波数、データ数、各クラスの正答率、過不足判定結果を確認することができる。

収集命令確認部５４には、収集対象車両、センサ項目およびサンプリング周波数が表示される。ここで、収集対象車両としては、稼働データ収集命令の配信対象となる車両３０を個別に特定する車両ＩＤが表示されるとともに、その合計台数が表示される。また、センサ項目およびサンプリング周波数は、稼働データ収集命令を直接に構成する情報であり、これは、「アクセル開度とエンジン回転数と車輪速を２Ｈｚのサンプリング周波数で取得せよ」という命令に相当する。

分析者は、収集命令確認部５４の表示により、収集対象車両に送信される配信される稼働データ収集命令を確認することができる。また、分析者は、稼働データ収集条件表示画面５０により、その稼働データ収集命令がどのような車両３０に配信されるかを把握することができる。

以上、本発明の実施形態では、車両稼働データ収集装置１０は、車両稼働履歴ＤＢ１８に蓄積されている車両稼働履歴データにおいて、車両の異常を分析する際の分析単位ごとにどのような異常種別の車両稼働履歴データが不足しているかを評価する。次に、車両稼働データ収集装置１０は、車両保守履歴ＤＢ１９から、前記車両稼働履歴データが不足していると評価された分析単位に係る異常種別の車両稼働履歴データを効率よく取得できると判断される車両３０を抽出する。そして、車両稼働データ収集装置１０は、前記抽出した車両３０に対し、前記不足していると評価された異常種別の車両稼働履歴データを取得するための稼働データ収集命令を配信し、その応答として、その車両３０から車両稼働履歴データを取得する。

従って、実施形態によれば、車両稼働データ収集装置１０は、前記不足していると評価された異常種別の車両稼働履歴データを効率よく収集することができるようになる。言い換えれば、発生頻度の低い異常についても、その異常が生じたときの車両稼働データを効率よく収集できるようになる。

さらに、前記不足していると評価された異常種別の車両稼働履歴データを効率よく収集し、機械学習による異常検出や異常分類が所定の精度（正答率）以上で可能になると、保守者による異常検出や異常分類の作業負担を軽減することができる。その結果、車両３０の修理工場などでは、保守の工数軽減やコスト削減などの効果を期待することができる。

本発明は、以上に説明した実施形態および変形例に限定されるものではなく、さらに、様々な変形例が含まれる。例えば、前記した実施形態および変形例は、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。また、ある実施形態や変形例の構成の一部を、他の実施形態や変形例の構成に置き換えることが可能であり、また、ある実施形態や変形例の構成に他の実施形態や変形例の構成を加えることも可能である。また、各実施形態や変形例の構成の一部について、他の実施形態や変形例に含まれる構成を追加・削除・置換することも可能である。

１ 車両稼働データ収集システム
１０ 車両稼働データ収集装置
１１ データ過不足評価部（データ過不足評価手段）
１２ 収集対象車両抽出部（収集対象車両抽出手段）
１３ 収集条件設定部
１４ 評価者端末ＩＦ部
１５ 対車通信部
１６ 保守者端末ＩＦ部
１７ 分析単位記憶部（第３の記憶部）
１８ 車両稼働履歴ＤＢ（車両稼働データ蓄積手段、第１の記憶部）
１９ 車両保守履歴ＤＢ（第２の記憶部）
２１ 評価者端末
２２ 保守者端末
２３ 通信基地局
３０ 車両
３１ 車載端末装置
５０ 稼働データ収集条件表示画面
５１ 車種選択部
５２ 部品選択部
５３ 収集状況および精度確認部
５４ 収集命令確認部
１１１ 評価データ生成部
１１２ クラス分け学習部
１１３ 学習結果評価部
１４１ 分析単位設定部
１４２ 収集条件表示部
１５１ 稼働データ受信部
１５２ 収集命令配信部（収集命令配信手段）

Claims (5)

1. 車両から取得した車両の稼働データを蓄積する車両稼働データ蓄積手段と、
   前記車両稼働データ蓄積手段に蓄積された車両の稼働データを用いて、前記車両において生じる異常の異常種別を機械学習により分類したときに得られる分類の精度情報に基づき、前記車両稼働データ蓄積手段に蓄積された車両の稼働データの過不足を前記異常種別ごとに評価するデータ過不足評価手段と、
   車両の保守履歴情報を蓄積したデータベースから、前記データ過不足評価手段によりデータ不足と評価された異常種別のデータを取得するのに適した車両を収集対象車両として抽出する収集対象車両抽出手段と、
   前記抽出された収集対象車両に対し、稼働データの収集を指示する収集命令を配信する収集命令配信手段と、
   を備えること
   を特徴とする車両稼働データ収集装置。
2. 車両の稼働中に前記車両の部品に付設されたセンサによって取得された前記車両の稼働データと、前記車両の車種、前記部品および前記センサのセットと、前記稼働データの正常／異常のデータまたは異常種別のデータとを対応づけたデータを、前記車両の車両稼働履歴データとして記憶した第１の記憶部と、
   前記車両について保守作業がされた日時と、前記保守作業で対象となった前記車両の識別情報、車種および部品のセットとを対応づけたデータを、保守履歴データとして記憶した第２の記憶部と、
   前記車両の稼働状態を分析する分析の対象となる前記車両の車種、部品およびセンサのセットを、異常分析の分析単位として記憶した第３の記憶部と、
   前記第１の記憶部から、前記第３の記憶部に記憶された分析単位ごとに、その分析単位に該当する稼働履歴データを抽出し、前記抽出した分析単位ごとの稼働履歴データを、その分析単位ごとに正常／異常のクラスにクラス分けし、さらに、異常種別のクラスにクラス分けをするクラス分け学習部と、
   前記分析単位ごとの稼働履歴データを前記クラス分け学習部により正常／異常のクラスおよび異常種別のクラスにクラス分けした結果と、前記第１の記憶部に記憶されている前記稼働履歴データそれぞれの正常／異常のデータまたは異常種別のデータとに基づき、前記分析単位ごとの稼働履歴データのクラス分けの精度を評価する学習結果評価部と、
   前記学習結果評価部により精度不足と判定されたクラスの分析単位と、前記第２の記憶部に蓄積されている保守履歴データとに基づき、前記精度不足と判定されたクラスに属すると予測される新たな稼働データを収集するための収集対象車両を抽出するとともに、前記新たな稼働データを収集するための収集条件を設定する収集条件設定部と、
   前記収集条件設定部で設定された収集条件を収集命令として前記収集対象車両に配信する収集命令配信部と、
   前記収集命令を受信した前記収集対象車両から送信される前記収集対象車両の稼働データを受信するとともに、その受信した稼働データを前記第１の記憶部に蓄積する稼働データ受信部と、
   を備えること
   を特徴とする車両稼働データ収集装置。
3. 前記車両稼働履歴データの一部として前記第１の記憶部に記憶される前記稼働データの正常／異常または異常種別のデータは、前記車両が所定の期間保守されなかったとき、または、前記車両の保守がされたときに設定されること
   を特徴とする請求項２に記載の車両稼働データ収集装置。
4. 車両から取得した車両の稼働データを蓄積する車両稼働データ蓄積手段、
   前記車両稼働データ蓄積手段に蓄積された車両の稼働データを用いて、前記車両において生じる異常の異常種別を機械学習により分類したときに得られる分類の精度情報に基づき、前記車両稼働データ蓄積手段に蓄積された車両の稼働データの過不足を前記異常種別ごとに評価するデータ過不足評価手段、
   車両の保守履歴情報を蓄積したデータベースから、前記データ過不足評価手段によりデータ不足と評価された異常種別のデータを取得するのに適した車両を、収集対象車両として抽出する収集対象車両抽出手段、および、
   前記抽出された収集対象車両に対し、車両の稼働データの収集を指示する稼働データ収集命令を配信する収集命令配信手段
   を有してなる車両稼働データ収集装置と、
   前記車両稼働データ収集装置と通信する通信手段、
   前記車両を構成する１つ以上の部品に付設された１つ以上のセンサ、および、
   前記稼働データ収集命令を受信したとき、前記稼働データ収集命令で指定されるセンサからセンサデータを取得し、その取得したセンサデータを車両の稼働データとして収集する稼働データ収集手段と、
   をそれぞれを有してなる複数の車両と、
   を備えて構成されること
   車両稼働データ収集システム。
5. 複数の車両に通信可能に接続されたコンピュータが、
   前記車両から取得した車両の稼働データを記憶装置に蓄積する第１のステップと、
   前記記憶装置に蓄積された車両の稼働データを用いて、前記車両において生じる異常の異常種別を機械学習により分類したときに得られる分類の精度情報に基づき、前記記憶装置に蓄積された車両の稼働データの過不足を前記異常種別ごとに評価する第２のステップと、
   車両の保守履歴情報を蓄積したデータベースから、前記第２のステップでデータ不足と評価された異常種別のデータを取得するのに適した車両を、収集対象車両として抽出する第３のステップと、
   前記抽出された収集対象車両に対し、稼働データの収集を指示する収集命令を配信する第４のステップと、
   を実行すること
   を特徴とする車両稼働データ収集方法。

Images