JP2022104267A - 摩耗量推定システム、演算モデル生成システムおよび摩耗量推定方法 - Google Patents

Abstract

【課題】タイヤの摩耗量の推定精度を向上することができる摩耗量推定システム、演算モデル生成システムおよび摩耗量推定方法を提供する。【解決手段】摩耗量推定システム１００は、車両情報取得部１２、タイヤ過酷度算出部１３および摩耗量算出部１４を備える。車両情報取得部１２は、車両に装着されたタイヤ７の温度、並びに車両の走行距離および加速度を含む情報を取得する。タイヤ過酷度算出部１３は、車両情報取得部１２により取得したタイヤ７の温度および車両の加速度に基づいてタイヤ摩耗に対する過酷度を算出する。摩耗量算出部１４は、入力された情報に基づいてタイヤの摩耗量を算出する演算モデル１４ａを有し、車両情報取得部１２により取得した走行距離、およびタイヤ過酷度算出部１３により算出した過酷度を演算モデル１４ａに入力してタイヤの摩耗量を算出する。【選択図】図１

Description

本発明は、車両に装着されるタイヤの摩耗量を推定する摩耗量推定システム、演算モデル生成システムおよび摩耗量推定方法に関する。

一般に、タイヤは走行状態や走行距離等に応じて摩耗が進行する。また昨今ではタイヤの圧力および温度を計測するセンサをタイヤに取り付け、計測した圧力および温度を表示する装置などが製品化されている。

特許文献１には従来のタイヤ摩耗推定システムが記載されている。このタイヤ摩耗推定システムは、第１の予測変数を生成するためにタイヤに取り付けられた少なくとも１つのセンサと、第２の予測変数に関するデータを記憶するルックアップテーブルおよびデータベースの少なくとも一方と、少なくとも１つの乗物影響を含む予測変数のうちの一方と、予測変数を受け取り、少なくとも１つのタイヤに関する推定摩耗率を生成するモデルと、を有する。

特開２０１８－１５８７２２号公報

特許文献１に記載のタイヤ摩耗推定システムは、例えばホイール位置およびドライブトレーンを乗物影響として用いてタイヤの摩耗量を推定する。本発明者は、特許文献１に記載の乗物影響が同等の条件であっても、タイヤの温度や車両の加速度によってもタイヤの摩耗量が変動することから、タイヤの摩耗量の推定に改善の余地があることに本発明者は気づいた。また本発明者は、タイヤの各溝についての深さの変化を摩耗量として推定し、車両の加速度の変化が大きく加減速が多い走行（急ブレーキや急発進が多発する走行）によって生じるタイヤの偏摩耗も推定し得ると考えた。

本発明は、斯かる事情に鑑みてなされたものであり、その目的とするところは、タイヤの摩耗量の推定精度を向上することができる摩耗量推定システム、演算モデル生成システムおよび摩耗量推定方法を提供することにある。

本発明のある態様の摩耗量推定システムは、車両に装着されたタイヤの温度、並びに車両の走行距離および加速度を含む情報を取得する車両情報取得部と、前記車両情報取得部により取得したタイヤの温度および車両の加速度に基づいてタイヤ摩耗に対する過酷度を算出するタイヤ過酷度算出部と、入力された情報に基づいてタイヤの摩耗量を算出する演算モデルを有し、前記車両情報取得部により取得した走行距離、およびタイヤ過酷度算出部により算出した過酷度を前記演算モデルに入力してタイヤの摩耗量を算出する摩耗量算出部と、を備える。

本発明の別の態様は演算モデル生成システムである。演算モデル生成システムは、車両に装着されたタイヤの温度、並びに車両の走行距離および加速度を含む情報を取得する車両情報取得部と、前記車両情報取得部により取得したタイヤの温度および車両の加速度に基づいてタイヤ摩耗に対する過酷度を算出するタイヤ過酷度算出部と、入力された情報に基づいてタイヤの摩耗量を算出する演算モデルを有し、前記車両情報取得部により取得した走行距離、およびタイヤ過酷度算出部により算出した過酷度を前記演算モデルに入力してタイヤの摩耗量を算出する摩耗量算出部と、前記タイヤで計測される摩耗量と前記摩耗量算出部により算出された摩耗量とを比較して前記演算モデルを学習させる学習処理部と、を備える。

本発明の別の態様は摩耗量推定方法である。摩耗量推定方法は、車両に装着されたタイヤの温度、並びに車両の走行距離および加速度を含む情報を取得する車両情報取得ステップと、前記車両情報取得ステップにより取得したタイヤの温度および車両の加速度に基づいてタイヤ摩耗に対する過酷度を算出するタイヤ過酷度算出ステップと、入力された情報に基づいてタイヤの摩耗量を算出する演算モデルに、前記車両情報取得ステップにより取得した走行距離、およびタイヤ過酷度算出ステップにより算出した過酷度を入力してタイヤの摩耗量を算出する摩耗量算出ステップと、を備える。

本発明によれば、タイヤの摩耗量の推定精度を向上することができる。

実施形態に係る摩耗量推定システムの機能構成を示すブロック図である。 車載計測装置の機能構成を示すブロック図である。 タイヤ過酷度の算出について説明するための模式図である。 演算モデルの摩耗量推定および学習について説明するための模式図である。 演算モデル生成システムの機能構成を示すブロック図である。 演算モデル生成システムによる演算モデル生成の手順を示すフローチャートである。 実施例１による摩耗量推定の結果を示す図表である。 実施例２による摩耗量推定の結果を示す図表である。

以下、本発明を好適な実施の形態をもとに図１から図８を参照しながら説明する。各図面に示される同一または同等の構成要素、部材には、同一の符号を付するものとし、適宜重複した説明は省略する。また、各図面における部材の寸法は、理解を容易にするために適宜拡大、縮小して示される。また、各図面において実施の形態を説明する上で重要ではない部材の一部は省略して表示する。

（実施形態）
図１は、実施形態に係る摩耗量推定システム１００の機能構成を示すブロック図である。摩耗量推定システム１００は、車両に搭載された車載計測装置７０と、気象情報サーバ装置８０と、車両に装着された各タイヤ７の摩耗量を推定する摩耗量推定装置１０とを備える。

摩耗量推定装置１０は、例えばインターネット等の通信ネットワーク９を介して車両に搭載された車載計測装置７０から車両の速度および位置情報等の車両計測情報、並びにタイヤ７で計測されるタイヤ計測情報を取得する。また摩耗量推定装置１０は、気象情報サーバ装置８０から気象情報を取得する。摩耗量推定装置１０は、取得した情報に基づいて学習型の演算モデルによる演算を行って各タイヤ７の摩耗量を推定する。

図２は、車載計測装置７０の機能構成を示すブロック図である。車載計測装置７０は、車両計測部７１、タイヤ計測部７２、情報取得部７３および通信部７４を備える。車載計測装置７０における各部は、ハードウェア的には、コンピュータのＣＰＵをはじめとする電子素子や機械部品などで実現でき、ソフトウェア的にはコンピュータプログラムなどによって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウェア、ソフトウェアの組合せによっていろいろな形態で実現できることは、当業者には理解されるところである。

車両計測部７１は、車両に搭載された速度メータ７１ａ、ＧＰＳ受信機７１ｂおよび加速度センサ７１ｃを有する。速度メータ７１ａは、車両の速度を計測する。ＧＰＳ受信機７１ｂは、車両の現在の位置情報（緯度、経度および高度）を計測する。加速度センサ７１ｃは、車両の３軸方向の加速度を計測する。

タイヤ計測部７２は、温度センサ７２ａおよび圧力センサ７２ｂを有する。温度センサ７２ａおよび圧力センサ７２ｂは、車両に装着されたタイヤ７のエアバルブ等に配設されていたり、あるいはベルト等でホイールに強固に巻き付け固定されており、タイヤ７の温度および空気圧を計測する。温度センサ７２ａは、タイヤ７のインナーライナー等に配設されていてもよい。

情報取得部７３は、車両計測部７１で計測された車両計測情報（速度、位置情報、加速度等）およびタイヤ計測部７２で計測されたタイヤ計測情報（タイヤの温度および空気圧等）を取得する。情報取得部７３は、車両計測情報およびタイヤ計測情報に含まれる各計測データに対して、計測された時刻情報、または取得した時刻情報を対応付ける。情報取得部７３は、車両計測情報およびタイヤ計測情報を各計測データに対応付けられた時刻情報とともに通信部７４から摩耗量推定装置１０へ送信する。

情報取得部７３は、車両にデジタルタコメータ等の装置が搭載されている場合には、当該装置において収集した車両の速度、加速度および位置情報等を取得するようにしてもよい。通信部７４は、例えばＷｉＦｉ（登録商標）等の無線通信によって通信ネットワーク９に通信接続し、情報取得部７３が取得した車両計測情報、タイヤ計測情報および時刻情報を通信ネットワーク９を介して摩耗量推定装置１０へ送信する。

図１に戻り、気象情報サーバ装置８０は各地における気象情報を提供する。気象情報サーバ装置８０が提供する気象情報は、各地における降水量、積雪量、降雪量、気温および日照時間等を含む情報である。摩耗量推定装置１０は、気象情報サーバ装置８０から車両が走行している場所における気象情報を取得する。

摩耗量推定装置１０は、通信部１１、車両情報取得部１２、タイヤ過酷度算出部１３、摩耗量算出部１４および記憶部１５を備える。摩耗量推定装置１０における各部は、ハードウェア的には、コンピュータのＣＰＵをはじめとする電子素子や機械部品などで実現でき、ソフトウェア的にはコンピュータプログラムなどによって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウェア、ソフトウェアの組合せによっていろいろな形態で実現できることは、当業者には理解されるところである。

通信部１１は、無線または有線通信によって通信ネットワーク９に通信接続し、車載計測装置７０の通信部７４との間で通信する。また通信部１１は、通信ネットワーク９を介して気象情報サーバ装置８０との間で通信する。

車両情報取得部１２は、車両に搭載された車載計測装置７０から送信された車両計測情報（速度、位置情報、加速度等）およびタイヤ計測情報（タイヤの温度および空気圧等）を取得する。車両情報取得部１２は、車両計測情報に基づいて車両の走行距離を算出して取得する。

車両情報取得部１２は、車両計測情報の位置情報に基づいて走行距離を算出して取得することができる。また、車両の走行距離は、車両計測情報における速度のデータと、当該データに対応付けられた時刻のデータに基づいて算出してもよい。即ち、時系列的に並んだ速度データに、次の時点までの時間差分を乗算することによって車両の走行距離を算出することができる。

車両情報取得部１２は、車両の走行距離に関する情報が、車両または車両管理用の外部装置等から提供されていれば、自ら走行距離を算出する必要はなく、車両または外部装置から走行距離に関する情報を取得してもよい。

車両情報取得部１２は、取得した走行距離を摩耗量算出部１４へ出力する。車両情報取得部１２は、取得したタイヤ計測情報（タイヤの温度および空気圧等）を摩耗量算出部１４へ出力する。車両情報取得部１２は、車両計測情報における加速度の情報およびタイヤ計測情報におけるタイヤ７の温度をタイヤ過酷度算出部１３へ出力する。

車両情報取得部１２は、摩耗量算出部１４において車両の加速度を入力要素として用いる演算モデルに基づくタイヤの摩耗量推定を行う場合、車両計測情報における加速度のデータを摩耗量算出部１４へ出力する。

また車両情報取得部１２は、車両仕様データ１５ａおよびタイヤ仕様データ１５ｂのうちタイヤ７の摩耗量の推定に用いるデータを記憶部１５から取得し、摩耗量算出部１４へ出力する。記憶部１５は、例えばＳＳＤ（Solid State Drive）、ハードディスク、ＣＤ－ＲＯＭ、ＤＶＤ等によって構成される記憶装置であり、予め各種の車両およびタイヤ７の仕様に関して提供されているデータを記憶している。

車両仕様データ１５ａには、例えばメーカー、車両名、車両型式、車体重量、ドライブトレーン、全長、車幅、車高、最大積載荷重などの車両の性能等に関する情報が含まれる。また、タイヤ仕様データ１５ｂには、例えばメーカー、商品名、タイヤサイズ、タイヤ幅、扁平率、耐摩耗性能、タイヤ強度、静的剛性、動的剛性、タイヤ外径、ロードインデックス、製造年月日など、タイヤ７の性能に関する情報が含まれる。

タイヤ過酷度算出部１３は、タイヤの温度および車両の加速度に基づいてタイヤ摩耗に対する過酷度（以下、タイヤ過酷度と表記する。）を算出する。タイヤ過酷度算出部１３は、車両の加速度として車両前方への加速度をタイヤ過酷度に用いている。以下の説明において、とくに言及しない限り、車両の加速度は、車両の前方への加速度を意味している。

図３は、タイヤ過酷度の算出について説明するための模式図である。図３では、横軸にタイヤ７の温度を、縦軸に車両の加速度を取り、所定の測定期間（例えば１月）に亘って計測されたタイヤ７の温度と車両の加速度をプロットしている。加速度は、プラス側が車両の加速状態、マイナス側が減速状態を表している。また、タイヤ７の温度と車両の加速度は、例えば６０秒ごとのデータとなっている。

タイヤ過酷度算出部１３は、図３における横軸の温度について３分割、縦軸の車両の加速度について３分割し、合計９つのセクションＳＣ１～ＳＣ９に分割している。タイヤ過酷度算出部１３は、各セクションにおける頻度データをタイヤ過酷度として算出する。タイヤ過酷度算出部１３は、例えばプロットした総数を１００００とし、ＳＣ１の領域に入るデータが５０あったとすると、ＳＣ１における頻度を０．００５（＝５０／１００００）と算出する。尚、各軸における分割数は３に限られず２以上とすればよい。

図３において、ＳＣ１、ＳＣ４およびＳＣ７のセクションでは、タイヤ７の温度が低く、タイヤ７に滑りや摩擦による発熱が発生していないため、摩耗量は少ないと考えられる。ＳＣ３、ＳＣ６およびＳＣ９のセクションでは、タイヤ７の温度が高く、タイヤ７に滑りや摩擦による発熱が発生しているため、摩耗量が多いと考えられる。

ＳＣ７、ＳＣ８およびＳＣ９のセクションでは、車両の加速度がプラスとなっており、車両が加速状態となっているため、タイヤ７に滑りが発生し、摩耗量が多くなっていると考えられる。ＳＣ１、ＳＣ２およびＳＣ３のセクションでは、加速度がマイナスとなっており、車両が減速状態となっているため、タイヤ７に滑りが発生し、摩耗量が多くなっていると考えられる。

ＳＣ３およびＳＣ９のセクションでの頻度が多いと、摩耗量は増加する傾向にあると考えられる。ＳＣ４、ＳＣ５およびＳＣ６のセクションは、車両が定速走行していると考えられ、上り坂や下り坂に比べ、摩耗量が少なくなると考えられる。

ＳＣ７およびＳＣ８、並びにＳＣ１およびＳＣ２のセクションでは、車両が加速または減速しているが、タイヤ７の温度が上昇するほどの継続的な走行がないと考えらえる。

タイヤ７の摩耗量に影響する温度－加速度の分布パターンは、車両が走行している地域や時間帯などによって様々なパターンになると考えられるが、ビッグデータとして各セクションにおける分布パターンと摩耗量の相関をみることで、タイヤ７の摩耗量への影響を推測できる。

摩耗量算出部１４は、演算モデル１４ａを有し、タイヤ７の摩耗量を推定する。演算モデル１４ａは、入力された情報に基づいてタイヤ７の摩耗量を算出する学習型モデルである。図４は、演算モデル１４ａの摩耗量推定および学習について説明するための模式図である。演算モデル１４ａへの入力データは、概ね車両計測情報、タイヤ計測情報、タイヤ過酷度情報およびその他情報の各系統に分類される。

車両計測情報関連の入力データは、車両の加速度および走行距離を含む。走行距離は、上述のように車両情報取得部１２において取得される。タイヤ計測情報関連の入力データは、タイヤ７の温度および空気圧を含む。尚、車両の加速度は、適宜演算モデルへの入力データとして用いられるものとする。

タイヤ過酷度情報関連の入力データは、タイヤ過酷度算出部１３において算出されたタイヤ過酷度である。タイヤ過酷度は、上述のようにタイヤ７の温度と車両の加速度に基づいて算出される。

その他情報による入力データは、気象情報に基づいて推定される路面状態、車両仕様データ１５ａに含まれる車両の最大積載荷重、タイヤ仕様データ１５ｂに含まれるタイヤ７の耐摩耗性能等である。タイヤ７の耐摩耗性能は、例えばランボーン摩耗試験に基づき標準配合を１００として各種トレッド配合の耐摩耗性能を指標化したタイヤ摩耗指標値等を用いる。

演算モデル１４ａは、例えばニューラルネットワーク等の学習型モデルを用いる。演算モデル１４ａは、例えばＤＮＮ（Deep Neural Network）や、決定木などの手法を用いて構築される。また演算モデル１４ａは、例えば入力情報に対する多重線形回帰モデルとし、学習によってモデル生成されるものであってもよい。

図５は、演算モデル生成システム１１０の機能構成を示すブロック図である。演算モデル生成システム１１０は、摩耗量推定システム１００の構成に加えて、タイヤ摩耗量計測装置６０、および学習処理部２１を有する演算モデル生成装置２０を備える。

タイヤ摩耗量計測装置６０は、タイヤ７のトレッドに設けられた溝の深さを直接計測し、タイヤ７の摩耗量を取得する。作業者が計測器具やカメラ、目視等によって各溝の深さを計測し、タイヤ摩耗量計測装置６０は、作業者が入力する計測データを記憶するものであってもよい。また、タイヤ摩耗量計測装置６０は、機械的あるいは光学的な方法によって溝の深さを計測して摩耗量を記憶する専用の装置であってもよい。

具体的には、タイヤ摩耗量計測装置６０は、例えば、タイヤの溝が４本あった場合に、幅方向の４か所で計測し、さらに同一溝の周方向、例えば１２０°間隔で、３か所計測する。これにより、タイヤの幅方向または周方向での偏摩耗データもタイヤ摩耗量計測装置６０に記憶される。なお、タイヤ摩耗量計測装置６０は、タイヤの摩耗で直径が変わるため、走行距離とタイヤの回転数・速度の情報から計算によって溝の深さを間接的に計測してもよい。加えて、溝の深さを直接計測するものに、走行距離とタイヤの回転数・速度から計算によって予測するもの、とを併用してもよい。

演算モデル生成装置２０は、摩耗量推定装置１０の各構成に加えて学習処理部２１を有する。演算モデル生成装置２０における摩耗量推定装置１０の各構成に相当する部分は、摩耗量推定装置１０のそれらと同等の機能を有するが、演算モデル１４ａは学習前または学習中のものとなる。

学習処理部２１は、通信部１１を介してタイヤ摩耗量計測装置６０からタイヤ７の摩耗量を取得する。図４を参照し、演算モデル１４ａの学習過程では、入力情報に基づいて演算モデル１４ａによって出力データとしてのタイヤ７の摩耗量を推定し、教師データと比較する。教師データは、タイヤ摩耗量計測装置６０によって計測されたタイヤ７の摩耗量を用いる。

学習処理部２１は、演算モデル１４ａによって推定したタイヤ７の摩耗量と教師データとを比較し、重みづけ等の演算過程における各種係数を演算モデル１４ａに新たに設定し、モデルの更新を繰り返すことで学習を実行する。摩耗量推定システム１００は、演算モデル生成システム１１０によって学習済みの演算モデル１４ａを用いてタイヤ７の摩耗量を推定する。尚、学習処理部２１は、勾配ブースティングなどの公知の学習方法を用いることができる。また演算モデル１４ａの検証には、ランダムデータサンプリングや交差検証などの公知の検証方法を用いることができる。

次に摩耗量推定システム１００および演算モデル生成システム１１０の動作を説明する。図６は、演算モデル生成システム１１０による演算モデル生成の手順を示すフローチャートである。車両情報取得部１２は、車両計測情報およびタイヤ計測情報の取得を開始する（Ｓ１）。また、演算モデル生成装置２０の車両情報取得部１２は、ステップＳ１において、その他情報として車両の最大積載荷重、およびタイヤの耐摩耗性能を記憶部１５から読み出す。車両情報取得部１２は、走行距離の算出を開始する（Ｓ２）。

タイヤ過酷度算出部１３は、タイヤ７の温度と車両の加速度に基づいてタイヤ過酷度を算出する（Ｓ３）。タイヤ過酷度は、上述のように、温度および加速度の範囲を分割した複数のセクションにおける頻度データとして算出される。

摩耗量算出部１４は、車両情報取得部１２およびタイヤ過酷度算出部１３からの入力データを取得し、演算モデル１４ａによってタイヤ７の摩耗量を算出して推定する（Ｓ４）。尚、路面状態等を演算モデル１４ａの入力データとする場合には、路面状態を推定する処理部（図示略）を設け、当該処理部から摩耗量算出部１４へ推定した路面状態を入力する。

学習処理部２１は、演算モデル１４ａによって算出されたタイヤ７の摩耗量と、タイヤ摩耗量計測装置６０によって計測された教師データとしてのタイヤ７の摩耗量とを比較する（Ｓ５）。学習処理部２１は、ステップＳ７による比較結果に基づいて演算モデル１４ａを更新し（Ｓ７）、処理を終了する。演算モデル生成装置２０は、これらの処理を繰り返すことによって、演算モデル１４ａを更新し、タイヤ摩耗量の推定の精度が高められる。

摩耗量推定システム１００は、演算モデル生成装置２０によって生成された学習済みの演算モデル１４ａを利用して、タイヤ７の摩耗量を推定する。摩耗量推定システム１００は、図６に示したフローチャートにおけるステップＳ１からステップＳ４までの処理を実行することによって、タイヤ７の摩耗量を推定する。

摩耗量推定システム１００は、走行距離、並びにタイヤ温度および車両の加速度に基づくタイヤ過酷度を演算モデル１４ａの入力データとして用いることにより、タイヤ７の摩耗量推定の精度を向上することができる。同様に、演算モデル生成システム１１０は、走行距離、並びにタイヤ温度および車両の加速度に基づくタイヤ過酷度を演算モデル１４ａの入力データとして用いることで、タイヤ７の摩耗量を精度良く推定する演算モデル１４ａを生成することができる。

摩耗量算出部１４は、車両の走行距離が時々刻々計測されて車載の装置等から提供される場合には、車両情報取得部１２による算出に代えて、提供される走行距離を用いてもよい。また、摩耗量推定システム１００は、タイヤ７の偏摩耗量を出力する演算モデル１４ａを構築し、偏摩耗量の推定をすることも可能である。この場合、摩耗量推定システム１００は、車両の高度変化量に基づく上り走行や下り走行によって生じるタイヤ７の偏摩耗を推定する。また、演算モデル生成システム１１０は、タイヤの各溝で計測された摩耗量を偏摩耗の教師データとして演算モデル１４ａを学習させることによって、偏摩耗量を推定する演算モデル１４ａを生成することができる。

摩耗量推定システム１００のタイヤ過酷度算出部１３は、タイヤ７の温度および車両の加速度の範囲をそれぞれ分割して複数のセクションＳＣ１～ＳＣ９を設け、各セクションにおける頻度データをタイヤ過酷度として算出する。タイヤ過酷度算出部１３は、各セクションにおける頻度データを用いることによって、温度および加速度の双方を考慮したタイヤ過酷度を算出することができる。

摩耗量推定システム１００および演算モデル生成システム１１０において、摩耗量算出部１４は、複数のセクションＳＣ１～ＳＣ９における頻度データのうち、高温域のセクションＳＣ３、ＳＣ６およびＳＣ９のデータをタイヤ過酷度として用いてもよい。摩耗量算出部１４は、タイヤ摩耗への影響が大きい高温域のセクションＳＣ３、ＳＣ６およびＳＣ９のデータを用いて、タイヤ摩耗量を推定することができる。

また摩耗量算出部１４は、頻度データのうちタイヤ摩耗への影響が大きい、加速度がプラスで加速状態を示すセクションＳＣ７、ＳＣ８およびＳＣ９、並びに加速度がマイナスで減速状態を示すセクションＳＣ１、ＳＣ２およびＳＣ３におけるデータを用いて、タイヤ摩耗量を推定することができる。

また摩耗量算出部１４は、頻度データのうちタイヤ摩耗への影響が大きい、温度が高温域であり、かつ加速度が加速状態を示すセクションＳＣ９および減速状態を示すセクションＳＣ３におけるデータを用いて、タイヤ摩耗量を推定することができる。

摩耗量算出部１４は、複数のセクションＳＣ１～ＳＣ９のうちタイヤ摩耗への影響が大きい一部のセクションのデータを用いることで演算量を低減化することができる。

（実施例１）
実施例１では、実際の車両において計測したデータに基づいて、演算モデル１４ａを生成してタイヤ７の摩耗量を推定し、推定精度の検証を行った。実施例１において使用した車両はトラック車両１７台であり、３か月に亘って取得した各月ごとにタイヤの摩耗量を計測して教師データとした。演算モデル１４ａは、回帰分析と決定木分析によって構築した。

図７は、実施例１による摩耗量推定の結果を示す図表である。図７に示すように、摩耗量の推定を５つのケースで行っている。ケースＣ１では、摩耗量算出部１４は、ＧＰＳ受信機による位置情報に基づいて算出した走行距離に基づいてタイヤ７の摩耗量を推定している。ケースＣ２では、摩耗量算出部１４は、走行距離に加えて、温度が高温域であり、かつ加速度が加速状態を示すセクションＳＣ９および減速状態を示すセクションＳＣ３におけるデータを用いてタイヤ摩耗量を推定している。

ケースＣ３では、摩耗量算出部１４は、走行距離に加えて、高温域のセクションＳＣ３、ＳＣ６およびＳＣ９のデータを用いてタイヤ摩耗量を推定している。ケースＣ４では、摩耗量算出部１４は、走行距離に加えて、加速度が加速状態を示すセクションＳＣ７、ＳＣ８およびＳＣ９、並びに減速状態を示すセクションＳＣ１、ＳＣ２およびＳＣ３におけるデータを用いてタイヤ摩耗量を推定している。ケースＣ５では、摩耗量算出部１４は、走行距離に加えて、全てのセクションＳＣ１～ＳＣ９のデータを用いてタイヤ摩耗量を推定している。

各ケースにおいて、実測した摩耗量と、演算モデル１４ａによって予測した摩耗量をプロットして求めたＲＭＳＥ（二乗平均平方根誤差）は、回帰分析よりも決定木分析で良好となった。また、ケースＣ１に対して、ケースＣ２の場合に走行距離に加えて、温度が高温域であり、かつ加速度が加速状態を示すセクションＳＣ９および減速状態を示すセクションＳＣ３におけるデータを用いることで推定精度が向上する結果が得られた。また、ケースＣ３、Ｃ４およびＣ５でも推定精度が向上する結果となった。

（実施例２）
実施例２では、実施例１で取得したデータのうち、トラック車両１２台分のデータを学習用データとし、５台分のデータを検証用データとしてタイヤ７の摩耗量を推定した。図８は、実施例２による摩耗量推定の結果を示す図表である。図８に示す各ケースは、図７に示した各ケースと同様である。

実施例２では、学習用データが実施例１よりも少ないため、決定木分析によるＲＭＳＥが実施例１よりも大きくなり、摩耗量の推定精度がやや劣化したが、学習対象となる車両台数を増加すれば、タイヤ７の摩耗量推定の精度が改善されることがわかる。

回帰分析および決定木分析ともに、ケースＣ１に対して、ケースＣ２の場合に走行距離に加えて、温度が高温域であり、かつ加速度が加速状態を示すセクションＳＣ９および減速状態を示すセクションＳＣ３におけるデータを用いることで推定精度が向上する結果が得られた。また、ケースＣ３、Ｃ４およびＣ５でも推定精度が向上する結果となった。

次に各実施形態に係る摩耗量推定システム１００、および演算モデル生成システム１１０の特徴について説明する。
摩耗量推定システム１００は、車両情報取得部１２、タイヤ過酷度算出部１３および摩耗量算出部１４を備える。車両情報取得部１２は、車両に装着されたタイヤ７の温度、並びに車両の走行距離および加速度を含む情報を取得する。タイヤ過酷度算出部１３は、車両情報取得部１２により取得したタイヤ７の温度および車両の加速度に基づいてタイヤ摩耗に対する過酷度を算出する。摩耗量算出部１４は、入力された情報に基づいてタイヤの摩耗量を算出する演算モデル１４ａを有し、車両情報取得部１２により取得した走行距離、およびタイヤ過酷度算出部１３により算出した過酷度を演算モデル１４ａに入力してタイヤの摩耗量を算出する。これにより、摩耗量推定システム１００は、タイヤ７の温度および車両の加速度に基づくタイヤ摩耗に対する過酷度を用いて、摩耗量推定の精度を向上することができる。

タイヤ過酷度算出部１３は、温度および加速度の範囲をそれぞれ分割して複数のセクションを設け、各セクションにおける頻度データを過酷度として算出する。これにより、摩耗量推定システム１００は、温度および加速度の双方を考慮したタイヤ過酷度を算出することができる。

摩耗量算出部１４は、頻度データのうち、温度が高温域のセクションにおけるデータを演算モデル１４ａに入力する。これにより、摩耗量推定システム１００は、タイヤ摩耗への影響が大きい高温域のセクションＳＣ３、ＳＣ６およびＳＣ９のデータを用いて、タイヤ摩耗量を推定することができる。

摩耗量算出部１４は、頻度データのうち、加速度が加速状態を示すセクションおよび減速状態を示すセクションにおけるデータを演算モデル１４ａに入力する。これにより、摩耗量推定システム１００は、加速状態および減速状態の両方における頻度データを用いて、タイヤ摩耗量を推定することができる。

摩耗量算出部１４は、頻度データのうち、温度が高温域であり、かつ加速度が加速状態を示すセクションおよび減速状態を示すセクションにおけるデータを演算モデル１４ａに入力する。これにより、摩耗量推定システム１００は、温度が高温域であり、かつ加速状態および減速状態の両方における頻度データを用いて、タイヤ摩耗量を推定することができる。

演算モデル生成システム１１０は、車両情報取得部１２、タイヤ過酷度算出部１３、摩耗量算出部１４および学習処理部２１を備える。車両情報取得部１２は、車両に装着されたタイヤ７の温度、並びに車両の走行距離および加速度を含む情報を取得する。タイヤ過酷度算出部１３は、車両情報取得部１２により取得したタイヤ７の温度および車両の加速度に基づいてタイヤ摩耗に対する過酷度を算出する。摩耗量算出部１４は、入力された情報に基づいてタイヤ７の摩耗量を算出する演算モデル１４ａを有し、車両情報取得部１２により取得した走行距離、およびタイヤ過酷度算出部１３により算出した過酷度を演算モデル１４ａに入力してタイヤの摩耗量を算出する。学習処理部２１は、タイヤ７で計測される摩耗量と摩耗量算出部１４により算出された摩耗量とを比較して演算モデル１４ａを学習させる。これにより、演算モデル生成システム１１０は、タイヤ７の摩耗量を精度良く推定する演算モデル１４ａを生成することができる。

摩耗量推定方法は、車両情報取得ステップ、タイヤ過酷度算出ステップおよび摩耗量算出ステップを備える。車両情報取得ステップは、車両に装着されたタイヤ７の温度、並びに車両の走行距離および加速度を含む情報を取得する。タイヤ過酷度算出ステップは、車両情報取得ステップにより取得したタイヤ７の温度および車両の加速度に基づいてタイヤ摩耗に対する過酷度を算出する。摩耗量算出ステップは、入力された情報に基づいてタイヤ７の摩耗量を算出する演算モデル１４ａに、車両情報取得ステップにより取得した走行距離、およびタイヤ過酷度算出ステップにより算出した過酷度を入力してタイヤの摩耗量を算出する。この方法によれば、タイヤ７の温度および車両の加速度に基づくタイヤ摩耗に対する過酷度を用いて、摩耗量推定の精度を向上することができる。

以上、本発明の実施の形態をもとに説明した。これらの実施の形態は例示であり、いろいろな変形および変更が本発明の特許請求範囲内で可能なこと、またそうした変形例および変更も本発明の特許請求の範囲にあることは当業者に理解されるところである。従って、本明細書での記述および図面は限定的ではなく例証的に扱われるべきものである。

７ タイヤ、１２ 車両情報取得部、 １３ タイヤ過酷度算出部、
１４ 摩耗量算出部、 １４ａ 演算モデル、 ２１ 学習処理部、
１００ 摩耗量推定システム、 １１０ 演算モデル生成システム。

Claims (7)

1. 車両に装着されたタイヤの温度、並びに車両の走行距離および加速度を含む情報を取得する車両情報取得部と、
   前記車両情報取得部により取得したタイヤの温度および車両の加速度に基づいてタイヤ摩耗に対する過酷度を算出するタイヤ過酷度算出部と、
   入力された情報に基づいてタイヤの摩耗量を算出する演算モデルを有し、前記車両情報取得部により取得した走行距離、およびタイヤ過酷度算出部により算出した過酷度を前記演算モデルに入力してタイヤの摩耗量を算出する摩耗量算出部と、
   を備えることを特徴とする摩耗量推定システム。
2. 前記タイヤ過酷度算出部は、温度および加速度の範囲をそれぞれ分割して複数のセクションを設け、各セクションにおける頻度データを前記過酷度として算出することを特徴とする請求項１に記載の摩耗量推定システム。
3. 前記摩耗量算出部は、前記頻度データのうち、温度が高温域のセクションにおけるデータを前記演算モデルに入力することを特徴とする請求項２に記載の摩耗量推定システム。
4. 前記摩耗量算出部は、前記頻度データのうち、加速度が加速状態を示すセクションおよび減速状態を示すセクションにおけるデータを前記演算モデルに入力することを特徴とする請求項２に記載の摩耗量推定システム。
5. 前記摩耗量算出部は、前記頻度データのうち、温度が高温域であり、かつ加速度が加速状態を示すセクションおよび減速状態を示すセクションにおけるデータを前記演算モデルに入力することを特徴とする請求項２に記載の摩耗量推定システム。
6. 車両に装着されたタイヤの温度、並びに車両の走行距離および加速度を含む情報を取得する車両情報取得部と、
   前記車両情報取得部により取得したタイヤの温度および車両の加速度に基づいてタイヤ摩耗に対する過酷度を算出するタイヤ過酷度算出部と、
   入力された情報に基づいてタイヤの摩耗量を算出する演算モデルを有し、前記車両情報取得部により取得した走行距離、およびタイヤ過酷度算出部により算出した過酷度を前記演算モデルに入力してタイヤの摩耗量を算出する摩耗量算出部と、
   前記タイヤで計測される摩耗量と前記摩耗量算出部により算出された摩耗量とを比較して前記演算モデルを学習させる学習処理部と、
   を備えることを特徴とする演算モデル生成システム。
7. 車両に装着されたタイヤの温度、並びに車両の走行距離および加速度を含む情報を取得する車両情報取得ステップと、
   前記車両情報取得ステップにより取得したタイヤの温度および車両の加速度に基づいてタイヤ摩耗に対する過酷度を算出するタイヤ過酷度算出ステップと、
   入力された情報に基づいてタイヤの摩耗量を算出する演算モデルに、前記車両情報取得ステップにより取得した走行距離、およびタイヤ過酷度算出ステップにより算出した過酷度を入力してタイヤの摩耗量を算出する摩耗量算出ステップと、
   を備えることを特徴とする摩耗量推定方法。

Images