JP2021139643A - 路面状態予測方法及び路面状態予測モデルの製造方法 - Google Patents
路面状態予測方法及び路面状態予測モデルの製造方法 Download PDFInfo
- Publication number
- JP2021139643A JP2021139643A JP2020034992A JP2020034992A JP2021139643A JP 2021139643 A JP2021139643 A JP 2021139643A JP 2020034992 A JP2020034992 A JP 2020034992A JP 2020034992 A JP2020034992 A JP 2020034992A JP 2021139643 A JP2021139643 A JP 2021139643A
- Authority
- JP
- Japan
- Prior art keywords
- road surface
- surface condition
- information
- vehicle
- time
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 7
- 150000003839 salts Chemical class 0.000 claims abstract description 16
- 230000006399 behavior Effects 0.000 claims abstract description 7
- 238000010801 machine learning Methods 0.000 claims description 12
- 239000003795 chemical substances by application Substances 0.000 description 25
- 238000002844 melting Methods 0.000 description 21
- 238000012545 processing Methods 0.000 description 18
- 230000008018 melting Effects 0.000 description 16
- 230000001133 acceleration Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 238000005507 spraying Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000010365 information processing Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000007637 random forest analysis Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000001174 ascending effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000007635 classification algorithm Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000008014 freezing Effects 0.000 description 2
- 238000007710 freezing Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
Description
しかしながら、逐次補正をかけるように、時系列的な解析に耐えうるほどの頻度で路面状態データを蓄積することは現実的には難しく、効率的ではない。加えて、実際の路面、特に積雪や凍結などの路面は、交通量や融雪剤散布等の管理作業等も影響するため、路面状態の予測精度が向上しにくいという問題もある。
そこで、本発明では、将来の時刻における路面状態を効率良く予測するとともに予測精度を向上可能な路面状態予測方法及び路面状態予測モデルの製造方法を提供することを目的とする。
本態様によれば、将来の時刻における路面状態を効率良く予測できるとともに予測精度を向上させることができる。
また、気象情報及び残留塩分濃度に加え、所定範囲内の交通量に基づいて、推定路面状態が得られた時刻よりも将来の時刻の路面状態を予測するようにしたり、残留塩分濃度が、交通量に応じて経時的な減少速度を変化するものとしたりしても良い。
また、上記課題を解決するための路面状態予測モデルの製造方法の態様として、所定範囲内の場所を走行する車両により、車両に搭載された車載センサによって取得された走行時の車両の挙動の情報である車両情報に基づいて得られる推定路面状態を目的変数とし、推定路面状態が得られた所定範囲内の気象情報及び残留塩分濃度を説明変数としてコンピュータにより機械学習することにより、推定路面状態が推定された時刻よりも将来の時刻の路面状態を予測する予測モデルを作成するようにした。
本態様によれば、将来の時刻における路面状態を効率良く予測できるとともに予測精度を向上させることができる。
図1に示すように、本実施形態に係る路面状態予測システム1は、路面状態を検出可能な車載センサが搭載された複数の車両Wi(i=1〜N)と、車載センサにより検出された情報等が入力されるサーバー20と、サーバー20に入力された情報に基づいて路面状態を予測する路面状態予測装置30とを備える。サーバー20及び路面状態予測装置30は、例えば、路面状態管理センター2に設けられる。
加速度センサ11は、車両においてリム44に組み付けられたタイヤ40の気室42内に設けられ、GPS装置12、路面状態推定装置13は、車両における車体に設けられる。
図3(a)に示すように、路面状態推定処理部130は、加速度センサ11からタイヤ振動の時系列波形を抽出する振動波形抽出手段131と、窓掛け手段132と、特徴ベクトル算出手段133と、記憶手段に記憶された4つの路面モデル134と、カーネル関数算出手段135と、路面状態判別手段136とを備え、振動波形抽出手段131により抽出されたタイヤ振動の時系列波形に、図3(b)に示すように窓掛け手段132により所定の時間幅Tの窓関数をかけて時間窓を複数抽出し、特徴ベクトル算出手段133により抽出した時間窓毎の時系列波形から、それぞれ、複数の特定周波数帯域の振動レベル(ak1〜akm)を成分とした特徴ベクトルXk(aK1,ak2,・・・,akm)を算出し、カーネル関数算出手段135により算出した特徴ベクトルXkと予め求めておいた路面状態毎の特徴ベクトルとからカーネル関数を算出し、路面状態判別手段136により算出されたカーネル関数を用いた識別関数の値から路面状態がDRY路面,WET路面,SNOW路面,ICE路面のいずれかであるかを推定する。なお、上述の路面状態毎の特徴ベクトルとは、試験車両をDRY路面,WET路面,SNOW路面,ICE路面上でそれぞれ走行させたときの複数の特定周波数帯域の振動レベルを成分とした特徴ベクトルである。
図5は、サーバー20に記録される情報の一例を示す図である。
サーバー20は、車両Wiから入力される車両情報処理手段21と、気象情報を取得する気象情報取得手段22と、交通量情報を取得する交通量情報取得手段23と、道路の管理情報を取得する道路管理情報取得手段24とを備える。
車両情報処理手段21は、各車両Wi(i=1〜N)から入力された車両情報を、車両情報に含まれる位置情報に基づいて分類する。
路面状態予測装置30は、CPUが、記憶手段に格納されたプログラムを処理し、実行することにより、路面状態予測装置30を後述の各手段、各部として機能させ、対象となる道路の路面状態を予測する。
情報形式統一手段32は、情報読込手段31により読み込んだ各データを同一のファイル形式に統一するための処理を実行する。なお、情報形式統一手段32は、サーバー20において車両情報、気象情報、交通量情報、道路管理情報を記録した各ファイル形式が統一されている場合には不要である。
本実施形態では、連続雨量、降雪量、積雪深さ、風速、交通量、融雪剤の影響に加え、路面温度、過去路面状態の影響を説明変数として、将来の路面状態がDRY路面,WET路面,ICE−SNOW路面となる確率を算出するための路面状態予測モデルを作成する。なお、融雪剤の影響とは、道路管理情報に含まれる融雪剤の散布作業を考慮したものであり、後述のように数値として表される。また、過去路面状態の影響とは、直近で観測された路面状態が将来の路面状態に及ぼす影響の度合いを考慮したものであり、融雪剤の影響と同様に数値によって表される。
路面温度予測モデル作成部33Aは、路面状態予測モデルの作成において、路面温度を説明変数として設定するための路面温度予測モデルを作成する。路面温度予測モデル作成部33Aでは、予測対象範囲において計測された路面温度の実測値を目的変数とし、路面温度が計測されたときの気温、積雪深さ、交通量を説明変数とする機械学習により、路面温度を得るための機械学習モデル(以下、路面温度予測モデルという)を作成する。
即ち、予測対象範囲内の複数の地点において計測された実測値と、各地点において路面温度が計測された時刻における気温、積雪深さ、交通量とを1つのデータセットとする所謂教師付き機械学習ベースの分類アルゴリズム、例えば、ランダムフォレストを用いて、路面温度を予測するための分類器を学習させる。
路面温度の実測値は、例えば、あらかじめ道路に設けられたセンサーによって計測したもの、或いは、前述のような融雪剤の散布等の道路管理作業に伴って計測されたものを用いることができる。
このように路面温度を路面温度予測モデルによって算出することにより、推定路面状態がサーバー20に入力された位置及び時刻に対応する路面温度が得られない場合であっても、推定路面状態がサーバー20に入力されたときの位置及び時刻に対応する路面温度を精度良く設定することができる。
この説明変数として用いられる気温、積雪深さ、交通量は、サーバー20に取得された気象情報、交通量情報から取得される。
路面温度は、推定時刻の気温、積雪深さ、交通量を上記路面温度予測モデル作成部33Aにより作成された路面温度予測モデルに入力し、得られた予測値のうち尤度が最も高い数値が設定される。
過去路面状態の影響は、各推定路面状態を、乾燥(DRY):0、湿潤(WET):2、凍結(SNOW−ICE):6のように数値化し、推定時刻から路面状態を予測する時刻までの時間をtとして以下の式1〜式3により算出される各ダミー変数1〜3によって数値化して設定される。式1〜式3は、将来の路面状態を予測するときに、直近で観測された路面状態が将来の路面状態に及ぼす影響の度合いを数値化するためのものであり、ダミー変数1〜3が過去路面状態の影響として設定される。
なお、本実施形態では、推定路面状態を乾燥(DRY):0、湿潤(WET):2、凍結(SNOW−ICE):6に数値化するものとして説明したがこれに限定されず、各車両において推定される路面状態の区分に応じて、例えば、乾燥:0、半湿潤:1、湿潤:2、・・・・、凍結:6等のように数値化しても良い。
連続雨量には、降雨データにおける推定時刻から過去1時間内の最大値を設定する。
降雪量には、降雪データにおける推定時刻から過去1時間の合計値を設定する。
積雪深さは、降雪データにおける推定時刻から過去1時間の平均値を設定する。
風速には、風速データにおける推定時刻から過去1時間の平均値を設定する。
交通量には、交通量データにおける推定時刻から過去1時間の合計値を設定する。
融雪剤の影響とは、融雪剤の散布から道路上に残る塩分濃度を示す指標であって、散布からの経過時間や融雪剤の種別に応じて残留塩分濃度として算出される。
残留塩分濃度は、散布時の塩分濃度を100とし、
融雪剤が湿式剤(液状)の場合は、Exp(−経過時間/6h)-----(式4)
融雪剤が固剤(粒子状)の場合は、Exp(−経過時間/18h)---(式5)
で減少するものとして算出される。経過時間とは、融雪剤が散布された時刻から路面状態の推定を実施した時刻までの時間である。
将来の路面状態を予測するための条件には、上記路面状態予測モデルの作成に使用した説明変数を用いる。即ち、所定時間後における路面温度、過去路面状態の影響、降雨データに基づいて算出される連続雨量、降雪量、積雪深さ、風速、交通量、残留塩分濃度を想定した数値を将来の路面状態を予測するための条件として設定する。
過去路面状態の影響は、予測実施直前の路面状態に基づいて、上記式1〜3により算出されるダミー変数1〜3が設定される。
積雪深さ及び風速には、予測実施時点過去1時間の平均とする。
降雪量には、予測実施時点過去1時間の合計値とする。
連続雨量には、予測実施時点過去1時間の最大値とする。
交通量には、現時点までの交通量の予測実施時点過去1時間の平均とする。
残留塩分濃度は、道路管理情報に含まれる融雪剤の散布の直近の実績から予測実施時点までの時間及び種別に応じ、上記式4や式5を用いて推定された残留塩分濃度を設定する。
次に、情報読込手段31により選択された区間Liに対応する車両情報データ、気象データ、交通量データ、道路管理データをサーバー20から読み込む。
次に、情報形式統一手段32により、読み込んだ車両情報データ、気象データ、交通量データ、道路管理データを所定のファイル形式に変換する。
次に、路面温度予測モデル作成部33Aにより、データセット作成部33Bにおいて路面温度を設定するための路面温度予測モデルを作成する。
次に、データセット作成部33Bにより、車両情報データを構成する各車両情報から推定路面状態を取得するとともに、過去1時間内の連続雨量の最大値、過去1時間の降雪量の合計値、過去1時間の積雪深さの平均値、過去1時間の風速の平均値、過去1時間の交通量の合計値、融雪剤の散布された時刻までの経過時間及び散布した融雪剤の種類に基づいて上記式4、或いは式5により算出された残留塩分濃度、推定路面状態が得られた時刻における気温、積雪深さ、交通量を路面温度予測モデルに入力することにより出力された尤度の最も高い路面温度、予測実施直前の路面状態に基づいて上記式1〜3により算出された3つのダミー変数1〜3が設定される。これらの数値の設定は、推定路面状態毎に紐付けされ、データセットとして作成する。
次に、路面状態予測モデル作成部33Cにより、データセット作成部33Bにおいて得られたデータセットを用いて機械学習させることにより、将来の時刻における路面状態をDRY路面,WET路面,ICE−SNOW路面として予測するための予測モデルを作成する。
次に、予測したい将来の時刻を入力し、路面状態取得手段34の処理により予測条件を設定する。
次に、路面状態取得手段34に設定された予測条件を予測モデルに入力する。この結果、DRY路面,WET路面,ICE−SNOW路面のいずれかを示す予測値が複数算出される。
次に、路面状態判定手段35により、得られた複数の予測値の各路面状態の出現確率を算出するとともに、最も出現回数の多い路面状態を将来の予測された予測値を路面状態として出力する。
そして、路面状態判定手段35の処理により得られたDRY路面,WET路面,ICE−SNOW路面の出現確立、及び最も出現回数の多い路面状態を将来の予測された予測値であるDRY路面,WET路面,ICE−SNOW路面のいずれかを、表示手段に表示することにより、作業者に将来の路面状態を報知すれば良い。
そして、図7に示すように、将来の一定期間にわたる路面状態を所定時間間隔で予測し、表示することにより、将来の路面状態の変化を把握しやすくすることができる。
これにより、例えば、路面状態の管理において必要とされる融雪剤の在庫量の管理や、除雪作業計画が立て易くなる。
また、気象情報及び残留塩分濃度に加え、所定範囲内の交通量に基づいて、推定路面状態が得られた時刻よりも将来の時刻の路面状態を予測することにより、将来の時刻における路面状態の予測精度をより高めることができる。
さらに、残留塩分濃度を交通量に応じて経時的な減少速度が変化するように設定することにより、将来の時刻における路面状態の予測精度をより高めることができる。
また、上述したように、路面状態予測モデルの製造において、所定範囲内の場所を走行する車両により、車両に搭載された車載センサによって取得された走行時の車両の挙動の情報である車両情報に基づいて得られる推定路面状態を目的変数とし、推定路面状態が得られた所定範囲内の気象情報及び残留塩分濃度を説明変数としてコンピュータにより機械学習することにより、予測モデルを作成することにより、将来の時刻における路面状態の予測効率を向上させることができ、路面状態の予測精度も高めることができる。
11 加速度センサ、13 路面状態推定装置、14 車両情報収集部、
20 サーバー、20A 記憶手段、21 車両情報処理手段、
22 気象情報取得手段、23 交通量情報取得手段、24 道路管理情報取得手段、
30 路面状態予測装置、31 情報読込手段、32 情報形式統一手段、
33 予測モデル作成手段、33A 路面温度予測モデル作成部、
33B データセット作成部、33C 路面状態予測モデル作成部、
34 路面状態取得手段、35 路面状態判定手段、
40 タイヤ、41 インナーライナー部、42 タイヤ気室、43 トレッド、
130 路面状態推定処理部、131 振動波形抽出手段、132 窓掛け手段、
133 特徴ベクトル算出手段、134 路面モデル、135 カーネル関数算出手段、
136 路面状態判別手段。
Claims (4)
- 車両に搭載された車載センサにより、走行時の前記車両の挙動の情報である車両情報を取得し、前記車両情報に基づいて得られる推定路面状態を用いて前記車両の地点を含む所定範囲内の路面状態を予測する路面状態予測方法であって、
前記所定範囲内の気象情報及び残留塩分濃度に基づいて、前記推定路面状態が得られた時刻よりも将来の時刻の路面状態を予測することを特徴とする路面状態予測方法。 - 前記気象情報及び残留塩分濃度に加え、
前記所定範囲内の交通量に基づいて、
前記推定路面状態が得られた時刻よりも将来の時刻の路面状態を予測することを特徴とする請求項1に記載の路面状態予測方法。 - 前記残留塩分濃度は、前記交通量に応じて経時的な減少速度を変化するものとしたことを特徴とする請求項1又は請求項2に記載の路面状態予測方法。
- 所定範囲内の場所を走行する車両により、車両に搭載された車載センサによって取得された走行時の車両の挙動の情報である車両情報に基づいて得られる推定路面状態を目的変数とし、
前記推定路面状態が得られた前記所定範囲内の気象情報及び残留塩分濃度を説明変数としてコンピュータにより機械学習することにより、前記推定路面状態が推定された時刻よりも将来の時刻の路面状態を予測する予測モデルを作成する路面状態予測モデルの製造方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020034992A JP7422562B2 (ja) | 2020-03-02 | 2020-03-02 | 路面状態予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020034992A JP7422562B2 (ja) | 2020-03-02 | 2020-03-02 | 路面状態予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021139643A true JP2021139643A (ja) | 2021-09-16 |
JP7422562B2 JP7422562B2 (ja) | 2024-01-26 |
Family
ID=77668278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020034992A Active JP7422562B2 (ja) | 2020-03-02 | 2020-03-02 | 路面状態予測方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7422562B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7144586B1 (ja) | 2021-09-22 | 2022-09-29 | 章史 葛西 | 除排雪判断支援システム |
JP7326560B1 (ja) | 2022-08-19 | 2023-08-15 | 章史 葛西 | 除排雪判断支援のためのシステムおよびプログラム、道路管理方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11248439A (ja) * | 1998-03-05 | 1999-09-17 | Omron Corp | 路面状態検出用センサと同センサを用いた路面状態検出装置 |
JP2000241563A (ja) * | 1999-02-17 | 2000-09-08 | Hitachi Cable Ltd | 路面凍結判定方法及びその装置並びに路面凍結予測方法及びその装置。 |
JP2002048878A (ja) * | 2000-08-02 | 2002-02-15 | Nagoya Electric Works Co Ltd | 路面温度または路面状態の予測方法およびその装置 |
JP2004198188A (ja) * | 2002-12-17 | 2004-07-15 | Yokogawa Denshikiki Co Ltd | 路面状態判別予測装置及び方法 |
JP2008102006A (ja) * | 2006-10-18 | 2008-05-01 | Univ Of Fukui | 路面のすべり摩擦予測方法及び装置並びにそのプログラム |
US20140122045A1 (en) * | 2013-08-08 | 2014-05-01 | Iteris, Inc. | Pavement condition analysis from modeling impact of traffic characteristics, weather data and road conditions on segments of a transportation network infrastructure |
JP2016080451A (ja) * | 2014-10-14 | 2016-05-16 | 株式会社ブリヂストン | 路面状態予測方法 |
JP2021089257A (ja) * | 2019-12-06 | 2021-06-10 | 国立大学法人福井大学 | 路面状態予測プログラム及び情報処理装置 |
-
2020
- 2020-03-02 JP JP2020034992A patent/JP7422562B2/ja active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11248439A (ja) * | 1998-03-05 | 1999-09-17 | Omron Corp | 路面状態検出用センサと同センサを用いた路面状態検出装置 |
JP2000241563A (ja) * | 1999-02-17 | 2000-09-08 | Hitachi Cable Ltd | 路面凍結判定方法及びその装置並びに路面凍結予測方法及びその装置。 |
JP2002048878A (ja) * | 2000-08-02 | 2002-02-15 | Nagoya Electric Works Co Ltd | 路面温度または路面状態の予測方法およびその装置 |
JP2004198188A (ja) * | 2002-12-17 | 2004-07-15 | Yokogawa Denshikiki Co Ltd | 路面状態判別予測装置及び方法 |
JP2008102006A (ja) * | 2006-10-18 | 2008-05-01 | Univ Of Fukui | 路面のすべり摩擦予測方法及び装置並びにそのプログラム |
US20140122045A1 (en) * | 2013-08-08 | 2014-05-01 | Iteris, Inc. | Pavement condition analysis from modeling impact of traffic characteristics, weather data and road conditions on segments of a transportation network infrastructure |
JP2016080451A (ja) * | 2014-10-14 | 2016-05-16 | 株式会社ブリヂストン | 路面状態予測方法 |
JP2021089257A (ja) * | 2019-12-06 | 2021-06-10 | 国立大学法人福井大学 | 路面状態予測プログラム及び情報処理装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7144586B1 (ja) | 2021-09-22 | 2022-09-29 | 章史 葛西 | 除排雪判断支援システム |
JP2023046183A (ja) * | 2021-09-22 | 2023-04-03 | 章史 葛西 | 除排雪判断支援システム |
JP7326560B1 (ja) | 2022-08-19 | 2023-08-15 | 章史 葛西 | 除排雪判断支援のためのシステムおよびプログラム、道路管理方法 |
JP2024027835A (ja) * | 2022-08-19 | 2024-03-01 | 章史 葛西 | 除排雪判断支援のためのシステムおよびプログラム、道路管理方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7422562B2 (ja) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yi et al. | Toward crowdsourcing-based road pavement monitoring by mobile sensing technologies | |
US11549809B2 (en) | Road surface state determination device and tire system | |
JP2022521836A (ja) | 車両タイヤ性能モデリング及びフィードバックのためのシステム及び方法 | |
US8706416B2 (en) | System and method for determining a vehicle route | |
KR101699884B1 (ko) | Obd와 gps 정보를 이용한 맞춤형 차량정비 관리 시스템 및 방법 | |
JP6408854B2 (ja) | 路面状態予測方法 | |
US20210293575A1 (en) | Method and system for evaluating a difficulty rating of an off-road route traversed by a vehicle | |
KR101617349B1 (ko) | 운전 습관 분석 진단 시스템 및 방법 | |
JP6392623B2 (ja) | 路面状態判別システム | |
JP2021139643A (ja) | 路面状態予測方法及び路面状態予測モデルの製造方法 | |
CN107364435B (zh) | 操作模型构建系统和操作模型构建方法 | |
WO2013173911A1 (en) | Road surface condition classification method and system | |
JP7271109B2 (ja) | タイヤ保守管理装置およびタイヤ保守システム | |
CN111853113B (zh) | 磨损预测装置、磨损预测方法以及计算机能读取的记录介质 | |
JP6971830B2 (ja) | 道路交通管制装置、および、自動運転車両制御方法 | |
JP2018181035A (ja) | 走行支援装置、走行支援方法およびそのためのデータ構造 | |
CN112509352B (zh) | 水淹检知装置、系统及方法以及水淹检知程序存储介质 | |
JP2017194872A (ja) | 判定プログラム、判定方法および情報処理装置 | |
EP3778330A1 (en) | Flood sensing device, flood sensing system, and flood sensing program | |
JP6098445B2 (ja) | スリップ予測システム、スリップ予測方法、及びスリップ予測プログラム | |
CN112389442B (zh) | 水淹检知装置、水淹检知系统及计算机可读介质 | |
JP2018181034A (ja) | 走行支援装置、走行支援方法およびそのためのデータ構造 | |
JP2023020492A (ja) | タイヤダメージ蓄積量推定システム、演算モデル生成システムおよびタイヤダメージ蓄積量推定方法 | |
CN116113817A (zh) | 用于估计轮胎的磨损状态的方法 | |
KR20230046090A (ko) | 딥러닝 이용 결빙 예측 지역에 대한 교통 사고 위험도 실시간 예측 방법 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20220922 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20220922 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221216 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230809 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230809 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230928 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231031 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231204 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240116 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7422562 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R154 | Certificate of patent or utility model (reissue) |
Free format text: JAPANESE INTERMEDIATE CODE: R154 |