JP2021181286A - タイヤ異常検出装置、タイヤ異常検出方法およびプログラム - Google Patents

Abstract

【課題】特定の車両のタイヤの異常をより容易に検出すること。【解決手段】タイヤ異常検出装置は、特定の車両のタイヤの温度を計測するためのセンサの出力に基づいてタイヤの温度情報を取得し、前記温度情報を記憶部に格納する温度取得手段（５５）と、前記取得される現在の前記タイヤの温度情報と、前記記憶部に格納される当該タイヤの過去の温度情報とに基づいて、当該タイヤに異常が生じているか判定する判定手段（５７）と、前記タイヤに異常が生じていると判定された場合に、当該異常が生じていることを通知先へ通知する通知手段（５９）と、を含む。【選択図】図４

Description

本発明は、タイヤ異常検出装置、タイヤ異常検出方法およびプログラムに関する。

タイヤの温度を直接的に測定するセンサを用いてタイヤの状況を監視するシステムがある。

特許文献１には、タイヤのトレッド部の温度を赤外線温度計で測定し、走行距離に対する代表的な温度上昇曲線と、測定された温度および走行距離とに基づいて運転者に走行における異常を通知することが開示されている。特許文献２には、車両１にタイヤ３のそれぞれに設けられる圧力センサ１３、温度センサ１４の出力に基づいてタイヤ３の異常を判定することが開示されている。

特許第５０６７２８７号 特許第６０６５０２７号

タイヤの異常を判定する場合には、車両の使用環境や運転状況などが異なるため、ある時点の温度から適切にタイヤの異常を判定することは難しかった。

本発明は上記課題を鑑みてなされたものであって、その目的は、特定の車両の状況にかかわらずタイヤの異常を容易に検出する技術を提供することにある。

上記課題を解決するために、本発明にかかるタイヤ異常判定装置は、特定の車両のタイヤの温度を計測するためのセンサの出力に基づいてタイヤの温度情報を取得する温度取得手段と、前記取得された現在の前記タイヤの温度情報と、過去の当該タイヤについて取得された温度情報とに基づいて、当該タイヤに異常が生じているか判定する判定手段と、前記タイヤに異常が生じていると判定された場合に、当該異常が生じていることを通知先へ通知する通知手段と、を含む。

本発明の一態様では、前記温度取得手段は、前記特定の車両のタイヤを含み、前記タイヤの温度を示す温度画像に基づいて、前記タイヤの温度情報を取得してもよい。

本発明の一態様では、前記タイヤ異常判定装置は、前記温度画像から前記タイヤの抽出画像を抽出する抽出手段をさらに含み、前記温度取得手段は、前記抽出画像に基づいて前記タイヤの温度情報を取得し、前記抽出手段は、前記タイヤの画像と、前記画像に対応するタイヤの領域とを含む教師データにより学習された学習済モデルを含み、前記学習済モデルの出力に基づいて前記タイヤの抽出画像を抽出してもよい。

本発明の一態様では、前記判定手段は、外気温と前記計測される現在のタイヤの温度との差を示す温度情報に基づいて、当該タイヤに異常が生じているか判定してもよい。

本発明の一態様では、タイヤ異常判定装置は、前記タイヤが装着される車両の種類を推定する種類推定手段をさらに含み、前記判定手段は、前記推定された車両の種類と前記取得された温度情報とに基づいて、前記タイヤに異常が生じているか判定してもよい。

本発明の一態様では、前記種類推定手段は、前記車両のナンバープレートの画像または前記車両の画像に基づいて、前記車両の種類を推定してもよい。

本発明の一態様では、前記種類推定手段は、車両の画像と、前記車両の種類を示す教師データとにより学習された学習済モデルを含んでもよい。

本発明の一態様では、タイヤ異常判定装置は、前記タイヤが装着される車両を識別する車両識別手段をさらに含み、前記温度取得手段は、前記タイヤの温度を前記識別された車両と関連付けて記憶部に格納してもよい。

本発明の一態様では、前記温度取得手段は、前記識別された車両が駐車してから所定の期間のうちに前記車両に装着されるタイヤの温度を取得してもよい。

本発明の一態様では、前記通知手段は、前記タイヤに異常が生じていると判定された場合に、前記センサの設置場所の位置情報に基づいて前記タイヤの修理または交換が可能な店舗を検索し、前記検索された店舗を前記通知先へ通知してもよい。

本発明の一態様では、前記通知手段は、前記タイヤに異常が生じていると判定された場合に、前記車両の位置情報に基づいて前記タイヤの修理または交換が店舗を検索し、前記検索された店舗を前記通知先へ通知してもよい。

本発明の一態様では、タイヤ異常判定装置は、前記タイヤが装着される車両の走行ルートを記憶部に格納する手段をさらに含み、前記通知手段は、前記タイヤに異常が生じていると判定された場合に、前記過去の走行ルートに基づいて前記タイヤの修理または交換が店舗を検索し、前記検索された店舗を前記通知先へ通知してもよい。

本発明にかかるタイヤ異常検出方法は、特定の車両のタイヤの温度を計測するためのセンサの出力に基づいてタイヤの温度情報を取得するステップと、前記取得された現在の前記タイヤの温度情報と、過去の当該タイヤについて取得された温度情報とに基づいて、当該タイヤに異常が生じているか判定するステップと、前記タイヤに異常が生じていると判定された場合に、当該異常が生じていることを通知先へ通知するステップと、を含む。

また、本発明にかかるプログラムは、特定の車両のタイヤの温度を計測するためのセンサの出力に基づいてタイヤの温度情報を取得する温度取得手段、前記取得された現在の前記タイヤの温度と、過去の当該タイヤについて取得された温度情報とに基づいて、当該タイヤに異常が生じているか判定する判定手段、および、前記タイヤに異常が生じていると判定された場合に、当該異常が生じていることを通知先へ通知する通知手段、としてコンピュータを機能させる。

本発明により、特定の車両のタイヤの異常をより容易に検出することができる。

本発明の実施形態にかかる情報処理システムの構成の一例を示す図である。 タイヤを備える車両および撮影装置の一例を模式的に示す側面図である。 図２に示される車両および撮影装置を模式的に示す上面図である。 情報処理装置が実現する機能を示すブロック図である。 情報処理装置の処理の概要を示すフロー図である。 情報処理装置の処理の概要を示すフロー図である。 車両停止時からのタイヤ表面の温度変化の一例を示す図である。 撮影されたタイヤのサイドウォールの可視画像の一例を示す図である。 撮影されたタイヤのサイドウォールの温度画像の一例を示す図である。 ナンバープレートの分類番号と車種との関係を示す図である。 記憶部に格納される測定結果の一例を示す図である。 車両および撮影装置の他の一例を模式的に示す側面図である。 図１２に示される車両および撮影装置を模式的に示す底面図である。 車両および撮影装置の他の一例を模式的に示す底面図である。

以下、本発明の実施形態について、図面を参照しながら説明する。同じ符号を付された構成に対しては、重複する説明を省略する。

図１は、本発明の実施形態にかかる情報処理システムの構成の一例を示す図である。本実施形態にかかる情報処理システムは、情報処理装置１と、撮影装置２２ａ，２２ｂとを含む。情報処理装置１は、例えばパーソナルコンピュータなどのコンピュータである。図１に示すように情報処理装置１は、例えば、プロセッサ１１、記憶部１２、通信部１３、入出力部１４を含む。情報処理装置１は、撮影装置２２ａから離れた場所に配置されてもよいし、撮影対象となる車両３０（例えば図２参照）に装備されてもよい。

プロセッサ１１は、例えばＣＰＵのように、記憶部１２に記憶されたプログラムやデータに従って処理を実行する。またプロセッサ１１は通信部１３、入出力部１４、を制御する。

記憶部１２は、ＲＡＭなどの揮発性メモリと、フラッシュメモリなどの不揮発性メモリと、ハードディスクなどの記憶装置と、を含む。記憶部１２は、上記プログラムを格納する。また、記憶部１２は、プロセッサ１１、通信部１３、入出力部１４から入力される情報や演算結果を格納する。上記プログラムは、インターネット等を介して提供されてもよいし、フラッシュメモリや光ディスク等のコンピュータで読み取り可能な記憶媒体に格納されて提供されてもよい。

通信部１３は、無線通信用の通信インタフェースを実現する集積回路等を含む。通信部１３は、プロセッサ１１の制御に基づいて、他の装置から受信した情報をプロセッサ１１や記憶部１２に入力し、他の装置に情報を送信する。

入出力部１４は、表示出力デバイス、音声出力デバイスおよび入力デバイスへのインタフェースにより構成される。表示出力デバイスは例えば液晶ディスプレイであり、音声出力デバイスは例えばスピーカであり、入力デバイスは例えばキーボードやマウスなどのユーザインタフェースである。入出力部１４は、表示出力デバイス、音声出力デバイスおよび入力デバイスを含んでもよい。

撮影装置２２ａおよび２２ｂは、カメラなどの撮影デバイスであり、撮影によって生成される画像を情報処理装置１へ出力する。撮影装置２２ａは物体が放射する遠赤外線であって、その物体の温度を示す赤外線を受光し、温度画像を撮影する。さらに撮影装置２２ａは可視画像を撮影してもよい。撮影装置２２ｂは車両３０のナンバープレートの画像を含む可視画像を撮影するが、温度画像を撮影してもよい。

図２は、タイヤ３２を備える車両３０および撮影装置２２ａ，２２ｂの一例を模式的に示す側面図である。図３は、図２に示される車両３０および撮影装置２２ａ，２２ｂを模式的に示す上面図である。タイヤ３２は空気入りタイヤであってよく、空気入りタイヤには空気、窒素等の不活性ガス及びその他の気体を充填することができる。

撮影装置２２ａは、タイヤ３２を装着する車両３０が停車する場所においてタイヤ３２を撮影することが可能な場所に設置されており、撮影装置２２ｂはその場所においてナンバープレートの撮影が可能な場所に設置されている。例えば、撮影装置２２ａ，２２ｂは駐車スペースに設置されており、車両３０は、例えば撮影される際にはその駐車スペースに駐車している。撮影装置２２ａ，２２ｂにはセンサの一種ともいえる撮像素子が設けられている。

図２および図３に示すように、本実施形態では、撮影装置２２ａは、車両３０の左後輪として装着されるタイヤ３２の左側面が撮影可能な位置に配置される。図２および図３には左後輪が撮影される例を示しているが、右後輪および左右前輪など、車両３０に装着される他のタイヤ３２を撮影するための他の撮影装置２２ａが設けられてもよい。

本実施形態では、撮影装置２２ａにより撮影された温度画像に基づいてタイヤ３２の温度を測定し、その測定されたタイヤ３２の温度と、過去に測定されたそのタイヤ３２の温度とに基づいてタイヤ３２の異常を判定する。以下では、この処理について説明する。

図４は、情報処理装置１が実現する機能を示すブロック図である。情報処理装置１は、機能的に、画像取得部５１、タイヤ抽出部５２、車両識別部５３、種類推定部５４、異常判定部５７、通知部５９を含む。これらの機能は、記憶部１２に格納されるプログラムをプロセッサ１１が実行し、さらにプロセッサ１１が必要に応じて通信部１３および入出力部１４を制御することにより実装される。また、図４に示される機能は、複数のコンピュータにより実行されてもよい。

画像取得部５１は、例えばタイヤ３２などの物体が放射する赤外線であって、その物体の温度を示す赤外線を検出する撮影装置２２ａから、撮影された領域内の各画素の温度を示す温度画像を取得する。温度画像はタイヤ３２の温度を示す領域を含んでいる。画像取得部５１は撮影装置２２ａからタイヤ３２の画像を含む可視画像を取得してよい。また画像取得部５１は撮影装置２２ｂからナンバープレートなど車両３０の識別および車両３０の種類の推定に用いるための可視画像を取得する。

タイヤ抽出部５２は、画像取得部５１により取得された温度画像から、タイヤ３２の温度を示す領域であるタイヤ温度画像を抽出する。タイヤ抽出部５２は、温度画像のみに基づいてタイヤ温度画像を抽出してもよいし、タイヤ抽出部５２は撮影装置２２ａの可視画像に基づいてタイヤ３２の領域を検出し、検出されたタイヤ３２の領域に対応する温度画像の領域を抽出してもよい。

タイヤ抽出部５２は、温度画像または可視画像を機械学習モデルに入力した際の出力に基づいてタイヤ３２の領域を検出し、検出されたタイヤ３２の領域に対応する温度画像の領域を抽出してよい。抽出された領域がタイヤ温度画像となる。機械学習モデルに、温度画像または可視画像の全体が入力されてもよいし、温度画像または可視画像から同じピクセル数となるように切り出された複数の窓画像が入力されてもよい。

機械学習モデルは、本実施形態では例えば、アダブースト、ランダムフォレスト、ニューラルネットワーク、サポートベクタマシン（ＳＶＭ）、最近傍識別器、などの機械学習が実装された機械学習モデルである。機械学習モデルは、入力に応じて、例えば複数のピクセルについて、ピクセルごとにタイヤ３２を示す領域であるか否かを示すビットを出力してもよい。

機械学習モデルは、予め、学習入力画像と教師データとを含む学習データにより学習されている。この学習データには、タイヤ３２が写る所定画素数の画像である学習入力画像と、当該学習入力画像に写るタイヤ３２の領域を示す二値画像を示す所与の教師データと、が含まれている。学習入力画像のピクセル数は、例えば、撮影装置２２ａのピクセル数と同じであってもよいし、温度画像または可視画像の窓画像のピクセル数と同じであってもよい。前者の場合は撮影装置２２ａにより撮影される温度画像または可視画像と同じピクセル数の画像が学習済みモデルに入力され、後者の場合は温度画像または可視画像が切り出された窓画像が学習済みモデルに入力される。

機械学習モデルの教師あり学習においては、例えば、学習入力画像が機械学習モデルに入力する処理、学習入力画像を機械学習モデルに入力した際の出力を用いて、機械学習モデルを学習する処理が行われる。例えば、教師あり学習において、学習データに含まれる学習入力画像を機械学習モデルに入力した際の出力と、当該学習データに含まれる教師データと、の差が特定され、その特定される差に基づいて機械学習モデルのパラメータの値が更新されてよい。

車両識別部５３は、タイヤ３２が装着される車両３０を識別する。より具体的には、車両識別部５３は撮影装置２２ｂの画像をＯＣＲ技術により車両３０のナンバープレートに記載された情報を認識し、車両３０の種類を推定する。車両識別部５３は例えば車両３０から送信される情報に基づいて車両３０を識別してもよい。

種類推定部５４は、タイヤ３２が装着される車両３０の種類を推定する。種類推定部５４は、より具体的には、車両３０のナンバープレートの画像またはその車両３０の画像に基づいて、車両３０の種類を推定する。種類推定部５４はナンバープレートに記載された情報をＯＣＲ認識により読み取り、その分類番号に基づいて車両３０の種類を推定してもよい。また、種類推定部５４は、車両３０の画像と、その車両３０の種類を示す教師データとにより学習された学習済モデルを含んでもよい。学習済モデルに入力される入力画像は撮影装置２２ｂにより撮影された可視画像またはその可視画像を任意に拡大または縮小された画像であってもよい。

温度取得部５５は、画像取得部５１により取得される温度画像に基づいてタイヤ３２の温度情報を取得する。より具体的には、タイヤ抽出部５２により抽出されたタイヤ温度画像からタイヤ３２の温度と外気温との差を示す温度情報を取得する。温度取得部５５は物体の温度を示す赤外線を検出する他の種類のセンサの出力に基づいてタイヤ３２の温度情報を取得してもよい。また温度取得部５５は、車両３０が駐車してから所定の期間のうちにおける、その車両３０に装着されるタイヤ３２における温度情報を取得してよい。なお、温度取得部５５は、温度情報として、タイヤ３２の温度を取得してもよい。

異常判定部５７は、温度取得部５５により取得された現在のタイヤ３２の温度情報と、過去のそのタイヤ３２における温度情報とに基づいて、そのタイヤ３２に異常が生じているか判定する。より具体的には、異常判定部５７は、現在のタイヤ３２の温度と外気温との差、および、そのタイヤ３２の過去の温度と外気温との差に基づいて、そのタイヤ３２に異常が生じているか判定する。

異常判定部５７は、現在および過去におけるタイヤ３２の温度情報と、タイヤ３２の異常の有無に基づく教師データとを用いて学習された機械学習モデルを含んでよい。機械学習モデルには現在および過去の所定回数の計測におけるタイヤ３２の温度情報が入力され、学習済モデルはタイヤ３２の異常の有無を示す情報を出力する。機械学習モデルは車種ごとに設けられてよい。また異常判定部５７は、種類推定部５４により推定された車両３０の種類と、現在および過去のタイヤ３２の温度情報とに基づいて、タイヤ３２に異常が生じているか判定してもよい。

通知部５９は、タイヤ３２に異常が生じていると判定された場合に、その異常が生じていることを通知先へ通知する。より具体的には、通知部５９は、タイヤ３２に異常が生じていると判定された場合に、そのタイヤ３２の修理または交換が可能な店舗を検索し、検索された店舗を通知先へ通知する。

なお、通知先はタイヤ３２に応じて定まればよく、タイヤ３２または車両３０を使用するユーザであってもよいし別の通知先であってもよい。例えば、車両３０およびタイヤ３２の所有者が法人である場合には、通知部５９は、その法人の窓口となるメールアドレス等へ異常を通知するメールを送信してもよい。

以下では、タイヤ３２に異常が生じているか判定するための処理についてさらに説明する。図５，６は情報処理装置１の処理の概要を示すフロー図である。

はじめに、画像取得部５１は、車両３０の停車が検知された後、所定の期間Ｔを経過するまで待機する（ステップＳ１０１）。画像取得部５１は、撮影装置２２ａ，２２ｂの画像に基づいて車両３０の停車を検知してもよいし、駐車スペースに車両３０の駐車を検知するセンサを設け、そのセンサの出力に基づいて車両３０の停車を検知してもよい。そして画像取得部５１は撮影装置２２ａからタイヤ３２およびその周囲が撮影された温度画像を取得する（ステップＳ１０２）。ここで画像取得部５１は可視画像も取得してよい。また画像取得部５１は撮影装置２２ｂからナンバープレートを含む可視画像を取得してよい。

図７は、車両停止時からのタイヤ３２の表面の温度変化の一例を示す図である。走行中にはタイヤ３２の表面は走行風により冷却され、外気温に対してある一定の値だけ高い温度（タイヤ種や季節により異なるが例えば外気温プラス15℃）に収束する傾向がある。車両３０が停車すると、走行風による冷却がなくなるため、走行時にタイヤ３２の内部に溜まった熱が表面に表れ、表面温度が上昇する。その後表面温度はピークを経て下降していく。図７からわかるように、走行中よりも停車後の適切な期間（例えば図７の期間Ｈ）内に温度を測定するとよい。そのため、画像取得部５１が停車後、例えば所定の期間Ｔが経過した際に温度画像を取得すると、タイヤ３２の異常（温度変化）をより検出しやすくなる。

図８は、撮影装置２２ａにより撮影されたタイヤ３２のサイドウォールの可視画像の一例を示す図である。可視画像には、タイヤ３２、タイヤ３２が装着されるホイール３６、そしてホイール３６が装着される車両３０が写っている。またホイール３６の裏側には、図示しないブレーキが配置されている。

図９は、撮影装置２２ａにより撮影されたタイヤ３２のサイドウォールの温度画像の一例を示す図である。図９の例においてタイヤ３２より中心側にある高温の部分は、ブレーキにより生じる熱に起因している。なお、急ブレーキの後には、タイヤ３２の外側の端にあるトレッドの温度が上昇する。これらの現象を考慮して温度の測定が行われる。

車両３０の停車後、例えば撮影装置２２ｂの可視画像が取得された後に、車両識別部５３は車両３０を識別し、種類推定部５４は車両３０の種類を推定する（ステップＳ１０３）。

車両識別部５３は、例えばナンバープレートに記載された文字列を認識し、認識された文字列を、車両３０を識別する車両ＩＤとして取得してよい。種類推定部５４は、例えばナンバープレートに記載された分類番号に基づいて車種を推定してよい。

図１０は、ナンバープレートの分類番号と車種との関係を示す図である。図１０に示される表に相当するテーブルは記憶部１２に格納され、種類推定部５４はナンバープレートから認識された分類番号と、そのテーブルとに基づいて車両３０の種類（図８の車種ＩＤ）を取得する。例えば、分類番号が「３５１」の場合には、種類推定部５４は推定された種類として、その分類番号を範囲に含む車種ＩＤ「３」を出力する。

種類推定部５４は、車両３０の画像に基づいて種類を推定してもよい。この場合、車両３０の画像と、車両３０の種類を示す教師データとにより学習された学習済モデルを用いてよい。

温度画像が取得されると、タイヤ抽出部５２は温度画像からタイヤ温度画像を抽出するための処理を実行する。より具体的には、タイヤ抽出部５２は温度画像においてタイヤ３２が存在する領域を特定し（ステップＳ１０４）、温度画像のうちその特定されたタイヤ３２の領域をタイヤ温度画像として抽出する（ステップＳ１０５）。

ステップＳ１０５における領域の特定には、機械学習モデルを用いてよい。この場合、タイヤ抽出部５２は、機械学習モデルを用いて、可視画像に基づくタイヤ３２が存在する領域を検出し、検出された領域に対応する温度画像の領域４２を特定してよい。また、タイヤ抽出部５２は、可視画像の代わりに温度画像に基づいてタイヤ３２が存在する領域４２を検出してもよい。領域の特定に温度画像を用いるか可視画像を用いるかについては、機械学習モデルの精度に応じて選択してよい。

また、機械学習モデルの代わりに、タイヤ抽出部５２は温度画像において地面の領域４７を認識し、その地面の領域４７に接しかつ温度が外気温と所定の値との和より高い領域をタイヤ３２の領域４２として認識し、温度画像におけるその領域４２をタイヤ温度画像として抽出してもよい。

タイヤ温度画像が抽出されると、温度取得部５５は、そのタイヤ温度画像からタイヤ３２の温度を取得する（ステップＳ１０６）。例えば、温度取得部５５は、タイヤ温度画像の各画素が示す温度のうち最も高い温度をタイヤ３２の温度として取得する。また温度取得部５５は、タイヤ温度画像のうちタイヤ３２の内側の端を除いた領域の各画素が示す温度のうち最高のものをタイヤ３２の温度として取得してもよい。この場合ブレーキによる影響を軽減することができる。内周側の端はホイール３６やブレーキローターなどの影響でタイヤの異常と関係なく温度が高い可能性があるからである。

温度取得部５５は、タイヤ３２の温度の他に、外気温を取得する（ステップＳ１０７）。外気温が取得されると、温度取得部５５は現在のタイヤ３２の温度と外気温との温度差を温度情報として算出し（ステップＳ１０８）、タイヤ３２の現在の温度情報を含む測定結果を識別された車両３０に関連付けて記憶部１２に格納する（ステップＳ１０９）。

図１１は、記憶部１２に格納される測定結果の一例を示す図である。図１１には４つの測定結果が示されている。測定結果は、測定日時、タイヤ位置、温度、外気温、停車後経過時間、車種ＩＤを含み、測定結果と車両ＩＤとがともに記憶部１２に格納されている。図１１の例ではタイヤ位置は左後のみ記載されているが、他の位置のタイヤ３２についても測定結果が記憶部１２に格納される。

異常判定部５７は、記憶部１２に格納された識別された車両３０のタイヤ３２の過去の測定結果を取得し、温度取得部５５はその測定結果から過去のタイヤ３２の温度情報を取得する（ステップＳ１１１）。

ステップＳ１０９において、温度取得部５５は、タイヤ３２の温度および外気温の代わりにタイヤ３２の温度と外気温との温度差を含む測定結果を記憶部１２に格納してもよい。この場合、ステップＳ１１１において異常判定部５７は単に記憶部１２に格納される過去の温度差を温度情報として取得する。

過去の温度情報が取得されると、異常判定部５７は現在および過去の温度情報と、車両３０の種類とに基づいて、タイヤ３２に異常があるか判定する（ステップＳ１１２）。より具体的には、異常判定部５７は、種類推定部５４により推定された車両３０の種類に応じた機械学習モデルを選択し、異常判定部５７は選択された機械学習モデルに現在および過去の温度情報を入力し、機械学習モデルが出力する異常の有無を示す情報を、判定結果として出力する。

本実施形態では、タイヤ３２の温度の長期的な履歴が用いられる。これにより、タイヤ３２の状態の変化を検出し、より精度よくタイヤ３２の異常を検出することができる。また車両３０がトラブルに見舞われることをより確実に防止できる。またタイヤ温度と外気温との温度差を異常の判定に用いることにより、外気温変化に起因してタイヤ温度が変化することに起因する異常の判定への影響を軽減することができる。

機械学習モデルに温度情報として温度差の代わりに温度そのものが入力されてもよい。この場合は機械学習モデルの学習の際にも温度差の代わりに温度が用いられる。また、種類ごとに機械学習モデルを設けず、種類を機械学習モデルに入力してもよい。この場合は機械学習モデルの学習の際に種類も用いられる。

また、異常判定部５７は機械学習モデルを用いずに異常を判定してもよい。例えば、異常判定部５７は車両３０の種類に応じた判定閾値を取得し、過去の温度差の平均と現在の温度差との相違が判定閾値（例えば５℃）を超える場合にタイヤ３２に異常が発生したと判定してもよい。

例えばトラックのタイヤ３２と乗用車のタイヤ３２とでは放熱性や熱に対する耐性が異なる。そのため、車両３０の種類に応じて異常の判定の手法を異ならせることにより、より精度よく異常を検出することが可能になる。例えば乗用車では閾値を５℃、トラックなどの大型車では閾値を１０℃に設定してもよい。なお、予め異常を判定する対象となる車両３０の種類が限定されている場合には、車両３０の種類に関する処理が実行されなくてもよい。

そして、タイヤ３２に異常ありと判定された場合には（ステップＳ１１３のＹ）、通知部５９は、タイヤ交換または修理が可能な店舗を検索する（ステップＳ１１４）。そして通知部５９は検索された店舗を含む異常通知を車両３０に応じた通知先へ通知する（ステップＳ１１５）。通知部５９は車両３０を管理するシステムへの異常通知を送信してもよいし、車両３０の所有者または運転者が所有する携帯デバイスへ異常通知を送信してもよい。

ここで、店舗の検索は様々な手法で行われてよい。通知部５９は、撮影装置２２ａ，２２ｂが配置される場所の位置情報に基づいてその場所の近隣の店舗を検索してもよいし、車両３０の位置情報に基づいて近隣の店舗を検索してもよいし、車両３０の過去の走行ルートに基づいて、その走行ルートの近くにある店舗を検索してもよい。

車両３０の現在位置や過去の走行ルートを考慮して店舗を検索することにより、車両３０の不要な走行を減らし、走行に重大な支障が生じる前に修理・交換などの処置を行うことができる。

これまでに説明した実施形態では、撮影装置２２ａを車両３０の外側に配置しているが、車両３０に撮影装置２２ａが配置されてもよい。

図１２は車両３０および撮影装置２２ａの他の一例を模式的に示す側面図である。図１３は図１２に示される車両３０および撮影装置２２ａを模式的に示す底面図である。図１２，１３の例では、撮影装置２２ａはタイヤ３２のそれぞれに対して設けられ、撮影装置２２ａはタイヤハウスに配置されている。図１２，１３の例では撮影装置２２ａはタイヤ３２のトレッドを撮影している。

ここで、図１２，１３の例においては、これまでに説明される車両識別部５３および種類推定部５４にかかる処理は実行されなくてよいし、撮影装置２２ｂは不要である。車両３０に情報処理装置１が搭載されている場合には、温度取得部５５は記憶部１２に自己の車両３０の測定情報を格納し、異常判定部５７は自己の車両３０の種類に合わせてあらかじめ設定された処理のみを実行すればよく、種類に基づく機械学習モデルの選択または閾値の取得は行われなくてよい。車両３０の外に情報処理装置１が存在する場合には、車両３０は、撮影装置２２ａの画像とともに予め車両３０の記憶部内に格納される種類および車両ＩＤを情報処理装置１へ送信し、車両識別部５３および種類推定部５４それぞれその種類および車両ＩＤを受信し、温度取得部５５および異常判定部５７はその受信された種類および車両ＩＤに基づいて処理を実行してよい。

図１４は車両３０および撮影装置２２ａの他の一例を模式的に示す底面図である。図１４の例では、図１２，１３の例と異なり、１つの撮影装置２２ａが複数のタイヤ３２を撮影する。このような構成であっても、情報処理装置１は、タイヤ３２が発する赤外線に基づいてタイヤ３２の異常を判定することができる。

本実施形態では赤外線の２次元の解像度を有する撮像素子により撮影された温度画像からタイヤ３２の温度情報を取得しているが、他の手法に基づいて温度情報が取得されてもよい。例えば、遠赤外線のラインスキャンカメラや１画素の遠赤外線センサの走査により温度画像を取得してもよい。またタイヤ３２が放射する遠赤外線をピンポイントで取得する温度センサを用いてもよい。

１ 情報処理装置、１１ プロセッサ、１２ 記憶部、１３ 通信部、１４ 入出力部、２２ａ，２２ｂ 撮影装置、３０ 車両、３２ タイヤ、３６ ホイール、４２，４７ 領域、５１ 画像取得部、５２ タイヤ抽出部、５３ 車両識別部、５４ 種類推定部、５５ 温度取得部、５７ 異常判定部、５９ 通知部。

Claims (14)

1. 特定の車両のタイヤの温度を計測するためのセンサの出力に基づいてタイヤの温度情報を取得する温度取得手段と、
   前記取得された現在の前記タイヤの温度情報と、過去の当該タイヤについて取得された温度情報とに基づいて、当該タイヤに異常が生じているか判定する判定手段と、
   前記タイヤに異常が生じていると判定された場合に、当該異常が生じていることを通知先へ通知する通知手段と、
   を含むタイヤ異常検出装置。
2. 請求項１に記載のタイヤ異常検出装置であって、
   前記温度取得手段は、前記特定の車両のタイヤを含み、前記タイヤの温度を示す温度画像に基づいて、前記タイヤの温度情報を取得する、
   タイヤ異常判定装置。
3. 請求項２に記載のタイヤ異常検出装置であって、
   前記温度画像から前記タイヤの抽出画像を抽出する抽出手段をさらに含み、
   前記温度取得手段は、前記抽出画像に基づいて前記タイヤの温度情報を取得し、
   前記抽出手段は、前記タイヤの画像と、前記画像に対応するタイヤの領域とを含む教師データにより学習された学習済モデルを含み、前記学習済モデルの出力に基づいて前記タイヤの抽出画像を抽出する、
   タイヤ異常判定装置。
4. 請求項１から３のいずれかに記載のタイヤ異常検出装置であって、
   前記判定手段は、外気温と前記計測されるタイヤの温度との差を示す温度情報に基づいて、当該タイヤに異常が生じているか判定する、
   タイヤ異常検出装置。
5. 請求項１から４のいずれかに記載のタイヤ異常検出装置であって、
   前記タイヤが装着される車両の種類を推定する種類推定手段をさらに含み、
   前記判定手段は、前記推定された車両の種類と前記取得された温度情報とに基づいて、前記タイヤに異常が生じているか判定する、
   タイヤ異常検出装置。
6. 請求項５に記載のタイヤ異常検出装置であって、
   前記種類推定手段は、前記車両のナンバープレートの画像または前記車両の画像に基づいて、前記車両の種類を推定する、
   タイヤ異常検出装置。
7. 請求項６に記載のタイヤ異常検出装置であって、
   前記種類推定手段は、車両の画像と、前記車両の種類とを示す教師データにより学習された学習済モデルを含む、
   タイヤ異常検出装置。
8. 請求項１から７のいずれかに記載のタイヤ異常検出装置であって、
   前記タイヤが装着される車両を識別する車両識別手段をさらに含み、
   前記温度取得手段は、前記タイヤの温度を前記識別された車両と関連付けて記憶部に格納する、
   タイヤ異常検出装置。
9. 請求項１から８のいずれかに記載のタイヤ異常検出装置であって、
   前記温度取得手段は、前記識別された車両が駐車してから所定の期間のうちに前記車両に装着されるタイヤの温度を取得する、
   タイヤ異常判定装置。
10. 請求項１から９のいずれかに記載のタイヤ異常検出装置であって、
    前記通知手段は、前記タイヤに異常が生じていると判定された場合に、前記センサの設置場所の位置情報に基づいて前記タイヤの修理または交換が可能な店舗を検索し、前記検索された店舗を前記通知先へ通知する、
    タイヤ異常判定装置。
11. 請求項１から９のいずれかに記載のタイヤ異常検出装置であって、
    前記通知手段は、前記タイヤに異常が生じていると判定された場合に、前記車両の位置情報に基づいて前記タイヤの修理または交換が店舗を検索し、前記検索された店舗を前記通知先へ通知する、
    タイヤ異常判定装置。
12. 請求項１から９のいずれかに記載のタイヤ異常検出装置であって、
    前記タイヤが装着される車両の走行ルートを記憶部に格納する手段をさらに含み、
    前記通知手段は、前記タイヤに異常が生じていると判定された場合に、前記過去の走行ルートに基づいて前記タイヤの修理または交換が店舗を検索し、前記検索された店舗を前記通知先へ通知する、
    タイヤ異常判定装置。
13. 特定の車両のタイヤの温度を計測するためのセンサの出力に基づいてタイヤの温度情報を取得するステップと、
    前記取得された現在の前記タイヤの温度情報と、過去の当該タイヤについて取得された温度情報とに基づいて、当該タイヤに異常が生じているか判定するステップと、
    前記タイヤに異常が生じていると判定された場合に、当該異常が生じていることを通知先へ通知するステップと、
    を含むタイヤ異常判定方法。
14. 特定の車両のタイヤの温度を計測するためのセンサの出力に基づいてタイヤの温度情報を取得する温度取得手段、
    前記取得された現在の前記タイヤの温度情報と、過去の当該タイヤについて取得された温度情報とに基づいて、当該タイヤに異常が生じているか判定する判定手段、および、
    前記タイヤに異常が生じていると判定された場合に、当該異常が生じていることを通知先へ通知する通知手段、
    としてコンピュータを機能させるためのプログラム。

Images