JP2020073366A - 異常検知システム、異常検知装置、異常検知方法及びプログラム - Google Patents

Abstract

【課題】車上に設置したセンサに依らずに、動的状態の鉄道車両の異常を検知する。【解決手段】異常検知システムは、まず、列車の走行音データを生成する。次に、列車の編成を特定する。次に、特定された編成に予め対応付けられた学習済みモデルであって、走行音データを入力とし、正常な走行音との乖離度を示す音響スコアを出力する学習済みモデルを特定する。次に、生成された走行音データにより表される波形を複数の第１の区間に分割し、当該複数の第１の区間の各々について、特定された学習済みモデルを用いて音響スコアを算出する。次に、複数の第１の区間により構成される第２の区間の各々について、当該第２の区間を構成する第１の区間の各々について算出された音響スコアに基づいて統計量を算出し、当該統計量が所定の閾値を超えるか否かを判定する。次に、算出された統計量が閾値を超えると判定された場合に、列車の異常の発生を通知する。【選択図】図１

Description

本発明は、鉄道車両の異常を検知するための技術に関する。

従来、鉄道車両の検査方法として、目視検査や打音検査が知られている。これらの検査方法は、車両所において車両が静止した状態で検査するものであり、動的状態の車両の状況を観察することはできない。また、人間の五感を利用する検査方法であるため、検査を行う人間によって精度にバラツキが出る。この課題を解決するために、特許文献１には、列車の車輪や車軸の異常を検知するためのシステムが提案されている。このシステムでは、振動センサと温度センサで車輪と車軸の異常を検知し、その異常情報を収集するようになっている。

特開２００８−１６８７６１号公報

しかし、特許文献１に記載の異常検知システムは、車輪や車軸に異常が発生した場合の振動や温度の変化に着目するものであるから、各センサに関係する車輪や車軸以外の車両構造部位の異常を検出することができなかった。また、各センサを設置した車両で編成された列車における異常のみしか検出することができなかった。

本発明はこのような事情に鑑みてなされたものであり、車上に設置したセンサに依らずに、動的状態の鉄道車両の異常を検知することを目的とする。

上記の課題を解決するため、本発明は、列車の走行音を表す走行音データを生成するデータ生成部と、前記列車の編成を特定する編成特定部と、前記特定された編成に予め対応付けられた学習済みモデルであって、走行音データを入力とし、正常な走行音との乖離度を示す音響スコアを出力する学習済みモデルを特定するモデル特定部と、前記生成された走行音データにより表される波形を複数の第１の区間に分割し、当該複数の第１の区間の各々について、前記特定された学習済みモデルを用いて音響スコアを算出するスコア算出部と、複数の前記第１の区間により構成される第２の区間の各々について、当該第２の区間を構成する前記第１の区間の各々について算出された音響スコアに基づいて統計量を算出し、当該統計量が所定の閾値を超えるか否かを判定する異常判定部と、前記第２の区間について算出された統計量が前記閾値を超えると判定された場合に、前記列車の異常の発生を通知する通知部とを備える異常検知システムを提供する。

好ましい態様において、前記列車の走行音を収音可能なように設置されたマイクであって、環境音を表す環境音データを生成するマイクをさらに備え、前記データ生成部は、前記生成された環境音データから走行音データを抽出してもよい。

さらに好ましい態様において、前記第２の区間は、前記列車の台車が前記マイクの前を通過する時間に基づいて設定されてもよい。

さらに好ましい態様において、前記異常検知システムは、前記列車に設置されたＲＦＩＤタグから、前記列車の編成情報を読み取るＲＦＩＤリーダをさらに備え、前記編成特定部は、前記編成情報が読み取られた日時と前記走行音データの生成日時の差分が所定の範囲内であることを条件に、前記読み取られた編成情報に基づいて前記列車の編成を特定してもよい。

さらに好ましい態様において、前記列車は複数の車両により構成され、前記第２の区間について算出された統計量が前記閾値を超えると判定された場合に、前記波形における当該第２の区間の時間軸上の時点を示す値を、前記波形の時間軸上の長さを示す値で除し、さらに、前記複数の車両の数を乗じることにより求められる値に基づいて、異常が発生した車両を特定する車両特定部をさらに備え、前記通知部は、前記特定された車両又は前記列車における当該車両の位置をさらに通知してもよい。

また、本発明は、列車の走行音を表す走行音データを生成するデータ生成部と、前記列車の編成を特定する編成特定部と、前記特定された編成に予め対応付けられた学習済みモデルであって、走行音データを入力とし、正常な走行音との乖離度を示す音響スコアを出力する学習済みモデルを特定するモデル特定部と、前記生成された走行音データにより表される波形を複数の第１の区間に分割し、当該複数の第１の区間の各々について、前記特定された学習済みモデルを用いて音響スコアを算出するスコア算出部と、複数の前記第１の区間により構成される第２の区間の各々について、当該第２の区間を構成する前記第１の区間の各々について算出された音響スコアに基づいて統計量を算出し、当該統計量が所定の閾値を超えるか否かを判定する異常判定部と、前記第２の区間について算出された統計量が前記閾値を超えると判定された場合に、前記列車の異常の発生を通知する通知部とを備える異常検知装置を提供する。

また、本発明は、異常検知システムにより実行される異常検知方法であって、列車の走行音を表す走行音データを生成するステップと、前期列車の編成を特定するステップと、前記特定された編成に予め対応付けられた学習済みモデルであって、走行音データを入力とし、正常な走行音との乖離度を示す音響スコアを出力する学習済みモデルを特定するステップと、前記生成された走行音データにより表される波形を複数の第１の区間に分割し、当該複数の第１の区間の各々について、前記特定された学習済みモデルを用いて音響スコアを算出するステップと、複数の前記第１の区間により構成される第２の区間の各々について、当該第２の区間を構成する前記第１の区間の各々について算出された音響スコアに基づいて統計量を算出し、当該統計量が所定の閾値を超えるか否かを判定するステップと、前記第２の区間について算出された統計量が前記閾値を超えると判定された場合に、前記列車の異常の発生を通知するステップとを有する異常検知方法を提供する。

また、本発明は、コンピュータに、列車の走行音を表す走行音データを生成するステップと、前記列車の編成を特定するステップと、前記特定された編成に予め対応付けられた学習済みモデルであって、走行音データを入力とし、正常な走行音との乖離度を示す音響スコアを出力する学習済みモデルを特定するステップと、前記生成された走行音データにより表される波形を複数の第１の区間に分割し、当該複数の第１の区間の各々について、前記特定された学習済みモデルを用いて音響スコアを算出するステップと、複数の前記第１の区間により構成される第２の区間の各々について、当該第２の区間を構成する前記第１の区間の各々について算出された音響スコアに基づいて統計量を算出し、当該統計量が所定の閾値を超えるか否かを判定するステップと、前記第２の区間について算出された統計量が前記閾値を超えると判定された場合に、前記列車の異常の発生を通知するステップとを実行させるためのプログラムを提供する。

本発明によれば、車上に設置したセンサに依らずに、動的状態の鉄道車両の異常を検知することができる。

異常検知システム１の構成を示す図 走行音記録装置４の構成を示すブロック図 異常検知サーバ５の構成を示すブロック図 正常時の走行音データの生成手順を示すフロー図 走行音抽出処理を示すフロー図 異常検知処理を示すフロー図 異常検知処理を示す図 異常検知処理を示す図

１．実施形態
１−１．構成
本発明の一実施形態に係る異常検知システム１について、図面を参照して説明する。この異常検知システム１は、新幹線の台車の異常を検知するためのシステムである。このシステムでは、新幹線の走行音を収音し、収音した走行音が正常時の走行音と比較してどの程度乖離しているかを計算することにより、台車の異常の有無を判定する。

図１は、異常検知システム１の構成を示す図である。この異常検知システム１は、マイク２、ＲＦＩＤリーダ３、走行音記録装置４、異常検知サーバ５及び監視者端末６を備える。

マイク２及びＲＦＩＤリーダ３は、有線又は無線で走行音記録装置４に接続されている。走行音記録装置４、異常検知サーバ５及び監視者端末６は、インターネット等のネットワーク７を介して接続されている。以下、各装置について説明する。

マイク２は、新幹線の走行音を収音するための収音装置である。マイク２は、新幹線の走行音を収音可能なように、線路脇に設置される。その際、マイク２の位置や高さ、ならびに数は、収音される音声の明瞭性、車両に搭載された台車の位置、周囲の騒音、列車の風圧、列車走行の安全性、保守点検の容易性、他の線路設備や線路作業との不干渉等を検証して決定される。設置されたマイク２は、常時、環境音を収音し、収音した環境音を表す環境音データを生成して、走行音記録装置４に出力する。

ＲＦＩＤリーダ３は、新幹線の車両側面等に取り付けられたＲＦＩＤタグから、その新幹線の列車情報を読み取るための装置である。ＲＦＩＤリーダ３は、新幹線に取り付けられたＲＦＩＤタグから列車情報を読み取り可能なように、線路脇に設置される。その際、ＲＦＩＤリーダ３の位置や高さ、ならびに数は、読み取り精度、列車の風圧、列車走行の安全性、保守点検の容易性、他の線路設備や線路作業との不干渉等を検証して決定される。設置されたＲＦＩＤリーダ３は、新幹線の通過時に、その車両側面等に取り付けられたＲＦＩＤタグから列車情報を読み取り、その読み取り日時を表す日時情報とともに走行音記録装置４に出力する。

ＲＦＩＤリーダ３により読み取られる列車情報には、編成番号が含まれている。編成番号は、新幹線の編成区分の識別情報である。ここで、本明細書において編成とは、特定の鉄道車両によって組成された構成を意味する概念であり、具体的には、列車の形式番号、番台区分及び車両数の組を意味する。

次に、走行音記録装置４は、マイク２から出力される環境音データとＲＦＩＤリーダ３から出力される列車情報に基づいて、新幹線の走行音データと列車情報を含む音声ファイルを生成するための装置である。

図２は、走行音記録装置４の構成を示すブロック図である。この走行音記録装置４はＰＣであり、ＣＰＵ等のプロセッサ４１、フラッシュメモリ等のメモリ４２及び通信モジュール４３を備える。メモリ４２には、音声ファイル生成プログラムが記憶されており、プロセッサ４１がこのプログラムを実行すると、走行音記録部４１１、列車情報記録部４１２、列車情報関連付け部４１３及び音声ファイル送信部４１４という機能が実現される。以下、これらの機能について説明する。
なお、メモリ４２に記憶される音声ファイル生成プログラムは、インターネット等のネットワークや非一時的な記録媒体を介して頒布可能なプログラムである。

走行音記録部４１１は、マイク２から出力される環境音データから、新幹線の走行音を表す走行音データを抽出する。そのために走行音記録部４１１は、マイク２から順次出力される環境音データに対して、周期的に走行音抽出処理を実行する。この走行音抽出処理の詳細については後述する。
走行音データが抽出されると、属性情報として作成日時が付加されて音声ファイルが生成され、メモリ４２に記憶される。

列車情報記録部４１２は、ＲＦＩＤリーダ３から出力される列車情報を、その読み取り日時を表す日時情報と対応付けて列車情報テーブルに格納する。この列車情報テーブルはメモリ４２に記憶される。

列車情報関連付け部４１３は、走行音データと列車情報を関連付ける。具体的には、メモリ４２に記憶されている音声ファイルについて、その生成日時と近い読み取り日時と対応付けられている列車情報を、列車情報テーブルにおいて特定する。ここで、生成日時と近い読み取り日時とは、生成日時との差分が所定の範囲に収まる読み取り日時である。ここで、所定の範囲は、同一の新幹線について走行音データが生成され、かつ列車情報が読み取られた場合に想定される、それらの処理の時間差を考慮して設定される。
列車情報を特定すると、当該列車情報を、属性情報として音声ファイルに付加する。その結果、走行音データと列車情報が関連付けられることになる。

音声ファイル送信部４１４は、列車情報関連付け部４１３により列車情報が付加された音声ファイルを異常検知サーバ５に送信する。
以上が、走行音記録装置４の構成についての説明である。

次に、異常検知サーバ５は、走行音記録部４１１により生成された音声ファイルに基づいて、新幹線の台車の異常を検知するための装置である。

図３は、異常検知サーバ５の構成を示すブロック図である。この異常検知サーバ５は、ＣＰＵ等のプロセッサ５１、ＨＤＤ等のメモリ５２及び通信モジュール５３を備える。メモリ５２には、走行音記録装置４から送信される音声ファイルが記憶される。また、メモリ５２には、異常検知用プログラムが記憶されており、プロセッサ５１がこのプログラムを実行すると、正常音モデル生成部５１１、異常検知部５１２及び異常発生通知部５１３という機能が実現される。以下、これらの機能について説明する。
なお、メモリ５２に記憶される異常検知用プログラムは、インターネット等のネットワークや非一時的な記録媒体を介して頒布可能なプログラムである。

正常音モデル生成部５１１は、台車が正常である新幹線について録音された走行音データを統計モデルに学習させることで、正常音モデルを生成する。より具体的には、正常時の走行音データから音響特徴量を抽出し、従来周知の統計的手法に基づいて抽出した音響特徴量をニューラルネットワーク等のモデルに学習させることで、正常音モデルを生成する。
生成された正常音モデルは、走行音データを入力とし、正常な走行音との乖離度を示す音響スコアを出力する。

正常音モデルを生成するために必要な正常時の走行音データは、異常検知サーバ５の管理者により生成される。図４は、正常時の走行音データの生成手順を示すフロー図である。

まず、異常検知サーバ５の管理者は、正常音モデルの生成対象である編成について、複数の音声ファイルをメモリ４２から抽出する（ステップＳａ１）。なおここでは、メモリ４２には、台車が正常な新幹線について録音された音声ファイルのみが記憶されている場合を想定している。例えば、システムの運用開始前に、台車に異常のない新幹線の音声ファイルのみをメモリ４２に記憶させた状態を想定している。

管理者は、複数の音声ファイルを抽出すると、抽出した各音声ファイルの走行音データについて、前処理を実行する。具体的には、第１に、走行音データから、走行音と関係のない低周波領域のノイズを除去する（ステップＳａ２）。第２に、走行音データから、振幅値が閾値を超えた時点から所定の時間経過後の時点までの波形を抽出する（ステップＳａ３）。この処理は、走行音に特に関連する区間を抽出するための処理であり、当該所定の時間は、想定される新幹線の通過時間に基づいて設定される。この所定時間は編成により異なる。

管理者は、各走行音データから波形を抽出すると、抽出した波形を接続して、正常時の走行音データを生成する（ステップＳａ４）。

正常時の走行音データは、上記の通り、編成ごとに生成されるため、正常音モデル生成部５１１は、編成ごとに正常音モデルを生成することになる。生成された正常音モデルは、対応する編成区分と対応付けられてメモリ５２に記憶される。

次に、異常検知部５１２は、メモリ５２に記憶される音声ファイルに基づいて、新幹線の台車の異常を検知する。その際に実行される異常検知処理の詳細については後述する。

異常発生通知部５１３は、異常検知部５１２により異常が検知されると、異常の発生を通知するためのメッセージを監視者端末６に対して送信する。送信されるメッセージは音声メッセージであり、異常の発生と、異常が検知された列車情報とを通知するメッセージである。
以上が、異常検知サーバ５の構成についての説明である。

次に、監視者端末６は、異常検知サーバ５において異常が検知された場合に、検知された異常を報知するための装置である。監視者端末６は、例えば、新幹線の指令所や車両所に設置される。

監視者端末６はＰＣであり、異常検知サーバ５から異常発生メッセージを受信すると、警告音を出力し、指令所や車両所の係員により所定の出力操作が行われると、異常の発生と、異常が検知された列車情報とを音声で出力する。この情報を聞いた係員は、乗務員又は車両係員に台車の状況を確認させる。

１−２．動作
次に、異常検知システム１の動作について説明する。具体的には、走行音記録装置４において実行される走行音抽出処理と、異常検知サーバ５において実行される異常検知処理について説明する。

１−２−１．走行音抽出処理
図５は、走行音抽出処理を示すフロー図である。
走行音記録装置４の走行音記録部４１１は、マイク２から順次出力される環境音データに対して、同図に示す走行音抽出処理を周期的に実行する。

本処理において走行音記録部４１１は、まず、処理対象の時点の環境音の音圧レベルを算出する（ステップＳｂ１）。次に、走行音記録部４１１は、処理対象の時点に関する暗騒音の音圧レベルを算出する（ステップＳｂ２）。次に、走行音記録部４１１は、暗騒音の音圧レベルに応じて、走行音を抽出するための閾値を算出する（ステップＳｂ３）。次に、走行音記録部４１１は、ステップＳｂ１で算出した、処理対象の時点の環境音の音圧レベルと、ステップＳｂ３で算出した閾値を比較する（ステップＳｂ４）。この比較の結果、音圧レベルが閾値を超えている場合には（ステップＳｂ４のＹＥＳ）、走行音記録部４１１は、処理対象の時点を含む一定範囲の環境音を表す環境音データを、走行音データとして抽出する（ステップＳｂ５）。ここで、走行音データの抽出の範囲は、想定される新幹線の通過時間に所定の余裕分を加えることで設定される。そして、走行音記録部４１１は、ステップＳｂ５で抽出した走行音データに、属性情報として作成日時を付加して音声ファイルを生成する（ステップＳｂ６）。生成された音声ファイルはメモリ４２に記憶される。

一方、ステップＳｂ４の判定の結果、音圧レベルが閾値以下である場合には（ステップＳｂ４のＮＯ）、走行音記録部４１１は、走行音データを抽出せず、本処理を終了する。
以上が、走行音抽出処理についての説明である。

以上説明した走行音抽出処理によれば、マイク２により常時生成される環境音データの中から、走行音データのみを抽出することができる。

１−２−２．異常検知処理
図６は、異常検知処理を示すフロー図である。
異常検知サーバ５の異常検知部５１２は、メモリ５２に記憶される各音声ファイルに対して、同図に示す異常検知処理を実行する。

本処理において異常検知部５１２は、まず、処理対象の音声ファイルの走行音データについて、前処理を実行する。具体的には、第１に、走行音データから、走行音と関係のない低周波領域のノイズを除去する（ステップＳｃ１）。第２に、走行音データから、振幅値が閾値を超えた時点から所定の時間経過後の時点までの波形を抽出する（ステップＳｃ２）。この処理は、走行音に特に関連する区間を抽出するための処理であり、当該所定の時間は、想定される新幹線の通過時間に基づいて設定される。この所定時間は編成により異なる。

次に、異常検知部５１２は、処理対象の音声ファイルに対応する正常音モデルをメモリ５２から取得する（ステップＳｃ３）。ここで、音声ファイルに対応する正常音モデルとは、音声ファイルに属性情報として付加されている編成区分と対応付けられている正常音モデルのことである。

正常音モデルを取得すると、異常検知部５１２は、ステップＳｃ２で抽出した波形において、１６ｍｓの区間単位で（図７参照）音響スコアを算出する（ステップＳｃ４）。具体的には、１６ｍｓの区間の各々において、第１に、音響特徴量を抽出し、第２に、抽出した音響特徴量と、ステップＳｃ３で取得した正常音モデルを用いて音響スコアを算出する。音響スコアは、各種の統計的手法に基づいて機械学習された学習済みモデルにより、算出することができる。

１６ｍｓの区間単位で音響スコアを算出すると、次に、異常検知部５１２は、ステップＳｃ２で抽出した波形において、８０ｍｓの区間単位で（図７参照）異常判定を行う（ステップＳｃ５）。ここで、８０ｍｓという数値は、想定される新幹線の台車の通過時間に基づいて設定される。例えば、新幹線の台車がマイク２の前を通過する時間に基づいて設定される。そのため、異常検知部５１２による異常判定は、台車単位で行われることになる。なお、本明細書において台車とは、鉄道車両の車体を支えて走行する装置を意味する。この装置は、台車枠、車軸及び車輪を備える。

異常検知部５１２は、具体的には、８０ｍｓの区間の各々において、第１に、当該区間を構成する１６ｍｓの各区間について算出した音響スコアの中央値を算出し、第２に、算出した中央値を所定の閾値と比較する。この比較の結果、中央値が閾値を超えている場合には、台車に異常があると判定し、中央値が閾値以下である場合には、台車には異常がないと判定する。

ステップＳｃ５の異常判定の結果、いずれかの８０ｍｓの区間で異常が検知された場合には（ステップＳｃ６のＹＥＳ）、異常発生通知部５１３は、異常の発生を通知するための音声メッセージを監視者端末６に対して送信する（ステップＳｃ７）。この音声メッセージは、異常の発生と、異常が検知された列車情報とを通知するメッセージである。

この音声メッセージを受信した監視者端末６は、警告音を出力し、指令所や車両所の係員により所定の出力操作が行われると、異常の発生と、異常が検知された列車情報とを音声で出力する。この情報を聞いた係員は、乗務員又は車両係員に台車の状況を確認させる。

一方、ステップＳｃ５の異常判定の結果、いずれの８０ｍｓの区間においても異常が検知されなかった場合には（ステップＳｃ６のＮＯ）、本処理は終了する。
以上が、異常検知処理についての説明である。

以上説明した異常検知処理によれば、新幹線の走行音に基づいて台車の異常が検知される。この検知方法では、動的状態の車両の状況を観察し、人間の五感を利用せず、車上に設置したセンサに依らずに、台車の異常を検知することができ、従前の手法における課題が解消される。
また、上記の異常検知処理では、検査対象の編成に応じて正常音モデルが選択され、選択された正常音モデルを用いて異常検知が行われる。そのため、編成の相違に起因して誤検知が発生してしまうという問題は発生しない。

２．変形例
上記の実施形態は下記のように変形してもよい。なお、以下に記載する２以上の変形例は互いに組み合わせてもよい。

２−１．変形例１
上記の実施形態では、走行音データと列車情報を走行音記録装置４において関連付けているが、この関連付けは異常検知サーバ５で行うようにしてもよい。すなわち、列車情報関連付け部４１３の機能を異常検知サーバ５に備えさせてもよい。加えて、走行音記録装置４において実行されている走行音抽出処理を異常検知サーバ５において実行するようにしてもよい。すなわち、走行音記録部４１１の機能を異常検知サーバ５に備えさせてもよい。

２−２．変形例２
上記の実施形態では、新幹線に取り付けられたＲＦＩＤタグから列車情報を読み取っているが、ＲＦＩＤリーダ３又は走行音記録装置４の側で、取得した編成番号に基づいて列車番号を特定し、列車情報に付加するようにしてもよい。その際、ＲＦＩＤリーダ３又は走行音記録装置４は、例えば、列車番号と編成番号の対応表に基づいて列車番号を特定するようにしてもよい。

２−３．変形例３
上記の実施形態では、新幹線に取り付けられたＲＦＩＤタグから列車情報を読み取ることで、当該新幹線の走行音データと列車情報とを関連付けているが、関連付けの方法はこの方法に限られない。例えば、新幹線の運行実績データを参照して、走行音データと列車情報とを関連付けるようにしてもよい。

その場合、走行音記録装置４は、運行実績データを管理するサーバから運行実績データを取得する。取得される運行実績データは、列車情報（列車番号及び編成番号）と、その列車がマイク２を通過する直前に停車する駅等の実績発時刻の組からなるデータである。

運行実績データが取得されると、列車情報関連付け部４１３は、メモリ４２に記憶されている音声ファイルについて、その生成日時と近い実績発時刻と対応付けられている列車情報を特定する。ここで、生成日時と近い実績発時刻とは、生成日時との差分が所定の範囲に収まる実績発時刻である。ここで、所定の範囲は、上記の最寄り駅から新幹線がマイク２の前を通過するまでに要する時間又は列車順序を考慮して設定される。
列車情報を特定すると、当該列車情報を、属性情報として音声ファイルに付加する。その結果、走行音データと列車情報が関連付けられることになる。
なお、上記した運行実績データの取得、列車情報の特定、属性情報の付加は、異常検知サーバ５で実行するものとしてもよい。

また、別の方法として、新幹線の車体の外観や形状、あるいは車体に付された列車情報を撮影することで、走行音データと列車情報とを関連付けるようにしてもよい。その場合、新幹線の車体の外観や形状、あるいは車体に付された列車情報を撮影するために、新幹線がマイク２を通過する直前に停車する駅等にカメラを設置する。

このカメラは当該駅等において、新幹線の車体の外観や形状、あるいは車体に付された列車情報を撮影可能なように設置される。このカメラは有線又は無線で走行音記録装置４に接続され、新幹線の車体の外観や形状、あるいは車体に付された列車情報を撮影すると、撮影した画像データとその撮影日時を表す日時情報を含む画像ファイルを生成して、走行音記録装置４に送信する。

走行音記録装置４に送信された画像ファイルの画像データは、文字認識処理が施され、列車情報が抽出される。抽出された列車情報は撮影日時情報と対応付けられて列車情報テーブルに格納される。

走行音記録装置４の列車情報関連付け部４１３は、メモリ４２に記憶されている音声ファイルについて、その生成日時と近い撮影日時と対応付けられている列車情報を、その列車情報テーブルにおいて特定する。ここで、生成日時と近い撮影日時とは、生成日時との差分が所定の範囲に収まる撮影日時である。ここで、所定の範囲は、上記の最寄り駅から新幹線がマイク２の前を通過するまでに要する時間又は列車順序を考慮して設定される。
列車情報を特定すると、当該列車情報を、属性情報として音声ファイルに付加する。その結果、走行音データと列車情報が関連付けられることになる。

２−４．変形例４
上記の走行音抽出処理では、暗騒音の音圧レベルに応じて、走行音を抽出するための閾値を算出したが、これに代えて、特定の閾値をあらかじめ設定しておいてもよい。

２−５．変形例５
上記の異常検知処理では、１６ｍｓの区間単位で音響スコアが算出されているが、この区間の長さは、検査対象とする新幹線の速度に応じて適宜変更されてよい。
また、上記の異常検知処理では、８０ｍｓの区間単位で異常判定が行われているが、この区間の長さも、検査対象とする新幹線の速度に応じて適宜変更されてよい。
また、上記の異常検知処理では、８０ｍｓの区間が互いに重複しないように設定されているが、一部を重複させてもよい。例えば、図８に示すように、前後の区間との間で６４ｍｓ（＝８０ｍｓ−１６ｍｓ）の区間を重複させてもよい。

２−６．変形例６
上記の異常検知処理では、８０ｍｓの区間の各々において、当該区間を構成する１６ｍｓの各区間について算出された音響スコアの中央値を算出し、この中央値と閾値を比較することにより異常判定を行っているが、この際に算出される統計量は中央値以外であってもよい。例えば、平均値、標準偏差、最大値、最小値、尖度、歪度のうちのいずれかの統計量を算出するようにしてもよい。

２−７．変形例７
上記の異常検知処理では、監視者端末６はＰＣであるとしたが、これに加えて又は代えて、電話やＦＡＸ、タブレット端末、既存の運行管理システム等で構成してもよい。異常検知サーバ５は異常を検知すると、監視者端末６に対して、異常の発生を通知する音声メッセージを送信しているが、この音声メッセージに加えて又は代えて、異常の発生を通知するテキスト又は画像メッセージを送信するようにしてもよい。
また、異常検知サーバ５は、異常検知時に、監視者端末６に対して異常の発生を通知するのに加えて、自装置に接続されるディスプレイに異常を検知した旨を表示させ、管理者にその旨を通知するようにしてもよい。要するに、監視者等に異常を報知可能な構成であればよい。

２−８．変形例８
上記の異常検知処理で異常が検知された場合に、異常検知サーバ５は、異常が検知された旨に加えて、異常が検知された車両を、監視者端末６に通知するようにしてもよい。あるいは、異常が検知された車両の大凡の位置、例えば、先頭車両近辺、中央車両近辺、後尾車両近辺の別を、監視者端末６に通知するようにしてもよい。このように異常が検知された車両を通知することにより、現場での異常確認が容易になる。

その場合、異常検知サーバ５は、異常判定の対象となる波形において、ある８０ｍｓの区間で異常が検知されたとすると、その波形における当該８０ｍｓの区間の時間軸上の時点と、処理対象の新幹線の車両数に基づいて、異常が検知された車両を推定する。具体的には、その波形における当該８０ｍｓの区間の時間軸上の時点を示す値を、その波形の時間軸上の長さを示す値で除し、さらに、処理対象の新幹線の車両数を乗じることにより求められる値に基づいて、異常が発生した車両を特定する。例えば、その波形における当該８０ｍｓの区間の時間軸上の時点（具体的には、始点、中点又は終点）を示す値が「２．２（ｓ）」であり、その波形の時間軸上の長さを示す値が「５．０（ｓ）」であり、処理対象の新幹線の車両数が「１６」である場合には、求める値は、「２．２／５．０＊１６＝７．０４」となる。この場合、異常が検知された車両は、７両目の次の車両、すなわち８両目の車両と推定される。

２−９．変形例９
上記の実施形態では、新幹線を検査対象としているが、新幹線以外の列車を検査対象としてもよい。

２−１０．変形例１０
なお、以上の説明では、マイク２及びＲＦＩＤリーダ３は、有線又は無線で走行音記録装置４に接続されるものとして説明したが、マイク２とＲＦＩＤリーダ３とをそれぞれ別の走行音記録装置４に接続してもよいし、マイク２だけを別構成としてネットワーク７に接続してもよいし、ＲＦＩＤリーダ３だけを別構成としてネットワーク７に接続してもよい。

２−１１．変形例１１
なお、マイク２あるいはＲＦＩＤリーダ３を複数箇所に設置する場合には、走行音記録装置４は、音声ファイルの生成日時あるいは列車情報の読み取り日時に加えて、環境音データを生成したマイク２の設置場所あるいは列車情報を読み取ったＲＦＩＤリーダ３の設置場所の情報を参照し、列車情報の特定に使用してもよい。

２−１２．変形例１２
なお、マイク２を複数箇所に設置する場合には、異常検知部５１２が、２以上の設置箇所において、台車に異常があると判定した場合に、異常の発生を通知するための音声メッセージを監視者端末６に送信する構成としてもよい。

１…異常検知システム、２…マイク、３…ＲＦＩＤリーダ、４…走行音記録装置、５…異常検知サーバ、６…監視者端末、７…ネットワーク、４１、５１…プロセッサ、４２、５２…メモリ、４３、５３…通信モジュール、４１１…走行音記録部、４１２…列車情報記録部、４１３…列車情報関連付け部、４１４…音声ファイル送信部、５１１…正常音モデル生成部、５１２…異常検知部、５１３…異常発生通知部

Claims (8)

1. 列車の走行音を表す走行音データを生成するデータ生成部と、
   前記列車の編成を特定する編成特定部と、
   前記特定された編成に予め対応付けられた学習済みモデルであって、走行音データを入力とし、正常な走行音との乖離度を示す音響スコアを出力する学習済みモデルを特定するモデル特定部と、
   前記生成された走行音データにより表される波形を複数の第１の区間に分割し、当該複数の第１の区間の各々について、前記特定された学習済みモデルを用いて音響スコアを算出するスコア算出部と、
   複数の前記第１の区間により構成される第２の区間の各々について、当該第２の区間を構成する前記第１の区間の各々について算出された音響スコアに基づいて統計量を算出し、当該統計量が所定の閾値を超えるか否かを判定する異常判定部と、
   前記第２の区間について算出された統計量が前記閾値を超えると判定された場合に、前記列車の異常の発生を通知する通知部と
   を備える異常検知システム。
2. 前記列車の走行音を収音可能なように設置されたマイクであって、環境音を表す環境音データを生成するマイクをさらに備え、
   前記データ生成部は、前記生成された環境音データから走行音データを抽出することを特徴とする、請求項１に記載の異常検知システム。
3. 前記第２の区間は、前記列車の台車が前記マイクの前を通過する時間に基づいて設定されることを特徴とする、請求項２に記載の異常検知システム。
4. 前記列車に設置されたＲＦＩＤタグから、前記列車の編成情報を読み取るＲＦＩＤリーダをさらに備え、
   前記編成特定部は、前記編成情報が読み取られた日時と前記走行音データの生成日時の差分が所定の範囲内であることを条件に、前記読み取られた編成情報に基づいて前記列車の編成を特定する
   ことを特徴とする、請求項１乃至３のいずれか１項に記載の異常検知システム。
5. 前記列車は複数の車両により構成され、
   前記第２の区間について算出された統計量が前記閾値を超えると判定された場合に、前記波形における当該第２の区間の時間軸上の時点を示す値を、前記波形の時間軸上の長さを示す値で除し、さらに、前記複数の車両の数を乗じることにより求められる値に基づいて、異常が発生した車両を特定する車両特定部をさらに備え、
   前記通知部は、前記特定された車両又は前記列車における当該車両の位置をさらに通知する
   ことを特徴とする、請求項１乃至４のいずれか１項に記載の異常検知システム。
6. 列車の走行音を表す走行音データを生成するデータ生成部と、
   前記列車の編成を特定する編成特定部と、
   前記特定された編成に予め対応付けられた学習済みモデルであって、走行音データを入力とし、正常な走行音との乖離度を示す音響スコアを出力する学習済みモデルを特定するモデル特定部と、
   前記生成された走行音データにより表される波形を複数の第１の区間に分割し、当該複数の第１の区間の各々について、前記特定された学習済みモデルを用いて音響スコアを算出するスコア算出部と、
   複数の前記第１の区間により構成される第２の区間の各々について、当該第２の区間を構成する前記第１の区間の各々について算出された音響スコアに基づいて統計量を算出し、当該統計量が所定の閾値を超えるか否かを判定する異常判定部と、
   前記第２の区間について算出された統計量が前記閾値を超えると判定された場合に、前記列車の異常の発生を通知する通知部と
   を備える異常検知装置。
7. 異常検知システムにより実行される異常検知方法であって、
   列車の走行音を表す走行音データを生成するステップと、
   前記列車の編成を特定するステップと、
   前記特定された編成に予め対応付けられた学習済みモデルであって、走行音データを入力とし、正常な走行音との乖離度を示す音響スコアを出力する学習済みモデルを特定するステップと、
   前記生成された走行音データにより表される波形を複数の第１の区間に分割し、当該複数の第１の区間の各々について、前記特定された学習済みモデルを用いて音響スコアを算出するステップと、
   複数の前記第１の区間により構成される第２の区間の各々について、当該第２の区間を構成する前記第１の区間の各々について算出された音響スコアに基づいて統計量を算出し、当該統計量が所定の閾値を超えるか否かを判定するステップと、
   前記第２の区間について算出された統計量が前記閾値を超えると判定された場合に、前記列車の異常の発生を通知するステップと
   を有する異常検知方法。
8. コンピュータに、
   列車の走行音を表す走行音データを生成するステップと、
   前記列車の編成を特定するステップと、
   前記特定された編成に予め対応付けられた学習済みモデルであって、走行音データを入力とし、正常な走行音との乖離度を示す音響スコアを出力する学習済みモデルを特定するステップと、
   前記生成された走行音データにより表される波形を複数の第１の区間に分割し、当該複数の第１の区間の各々について、前記特定された学習済みモデルを用いて音響スコアを算出するステップと、
   複数の前記第１の区間により構成される第２の区間の各々について、当該第２の区間を構成する前記第１の区間の各々について算出された音響スコアに基づいて統計量を算出し、当該統計量が所定の閾値を超えるか否かを判定するステップと、
   前記第２の区間について算出された統計量が前記閾値を超えると判定された場合に、前記列車の異常の発生を通知するステップと
   を実行させるためのプログラム。