JP2022136039A - 車両部品の動作状態を決定するための方法 - Google Patents

Abstract

【課題】本開示の一態様は、車両の車両部品の動作状態を決定するための方法に関する。【解決手段】本方法は、車両の複数の車両部品に関する情報を含有する第１の知識グラフを提供することを含み、各車両部品は、１つまたは複数の信号を提供する。本方法は、複数の車両部品から車両部品の動作状態を決定することをさらに含み、決定することは、第１の知識グラフを使用して、車両部品の動作状態を決定するために必要な複数の信号および１つまたは複数の状態パラメータを選択することを含む。決定することは、選択された複数の信号に基づいて車両部品の１つまたは複数の状態パラメータを算出することをさらに含む。最後に、車両部品の動作状態を決定することは、第１の知識グラフに含有される情報を用いて、かつ、算出された１つまたは複数の状態パラメータに基づいて、車両部品の動作状態を確定することを含む。【選択図】図２

Description

本発明は、車両の車両部品の動作状態を決定するための技術に関する。関連する態様は、車両電子システムおよびデータクラウドシステムに関する。

車両部品の動作状態を事前に確認する際の典型的な問題は、サプライヤー、完成車メーカー（英語で「ＯＥＭ」または「ｏｒｉｇｉｎａｌ ｅｑｕｉｐｍｅｎｔ ｍａｎｕｆａｃｔｕｒｅｒ」）、車両所有者、または整備工場が利用可能な診断情報の量が限られていることである。先行技術に係るいくつかの方法では、車両信号からのデータは通常、車両内でのみ利用でき、車両電子制御装置内の記憶容量が制限されているため、さらなる分析のために保存することができない。そのため、車両部品の故障または機能障害の際、先行技術の方法では、高レベルの診断エラーコード（英語で「ＤＴＣ」またはハイレベルの「ｄｉａｇｎｏｓｔｉｃ ｔｒｏｕｂｌｅ ｃｏｄｅ」）のみが生成され、エラーログにローカルに保存されることが多い。これらの診断エラーコードは、現在の問題の核心に関して説得力が限られ得る。それに加えてかつ上記の制約のため、車両診断は通常、問題の発生後暫時初めて整備工場内で実行される（そこではＤＴＣコードが読み出され得る）。多くの場合、問題の原因を特定するためには大きなコストおよび追加的な専門知識が必要である。そのため、車両修理の際に、どの車両部品によってどの理由で問題が実際に引き起こされたのか分からずに車両部品が交換されることになり得る。それに加えて、多くの場合、車両部品により大きなダメージが与えられる前に問題を検知できない。

本開示の第１の一般的態様は、車両の車両部品の動作状態を決定するための方法に関する。本方法は、車両の複数の車両部品に関する情報を含有する第１の知識グラフを提供することを含み、各車両部品は、１つまたは複数の信号を提供する。本方法は、複数の車両部品から車両部品の動作状態を決定することをさらに含み、決定することは、第１の知識グラフを使用して、車両部品の動作状態を決定するために必要な複数の信号および１つまたは複数の状態パラメータを選択することを含む。決定することは、選択された複数の信号に基づいて車両部品の１つまたは複数の状態パラメータを算出することをさらに含む。最後に、車両部品の動作状態を決定することは、第１の知識グラフに含有される情報を用いて、かつ算出された１つまたは複数の状態パラメータに基づいて、車両部品の動作状態を確定することを含む。

本開示の第２の一般的態様は、本開示の第１の一般的態様に係る方法を実施するように設計された第１および第２の電子装置を含む車両電子システムに関する。システムは、第１の知識グラフを使用するための第１の電子装置を含む。第２の電子装置は、車両の複数の車両部品からの信号を監視および受信するように構成されている。さらに、第２の電子装置は、複数の車両部品の状態パラメータを確定するように構成されている。

本開示の第３の一般的態様は、第２の一般的態様に係る第２の装置から情報を受信し、本開示の第１の一般的態様に係る方法を実施して、第２の知識グラフの概念モデルを更新するように設計されているデータクラウドシステムに関する。さらに、データクラウドシステムは、第２の知識グラフの更新された概念モデルに含有されている更新情報を、複数の車両から各車両の第２の装置に伝達するように構成されている。

第１～第３の一般的態様の技術は、以下の利点のうちの１つまたは複数を有し得る。
第１に、本開示の技術により、車両部品、車両部品の潜在的な問題／機能障害、および状態パラメータの算出に必要な関連する車両信号データに関する専門的知識を、車両動作中にアクセス可能かつ取得可能な形態において、車両知識グラフ（英語で「ｖｅｈｉｃｌｅ ｋｎｏｗｌｅｄｇｅ ｇｒａｐｈ」）を介して可能性が与えられる。したがって、これは先行技術のいくらかの技術と比較して、動作中の車両部品の詳細な車両診断を可能にでき、それにより先行技術で知られているオンボード診断（「ＯＢＤ」）と比較してより良好な、車両部品の動作状態についての洞察を提供することができる。

第２に、本技術は、各車両部品の動作状態を事前に提供し制御することで、車両部品の診断のためのコストを効果的に削減することに寄与できる。動作状態が悪化した場合、車両は事前に、車両のユーザまたは第三者に（例えば、データクラウドシステム、英語で「Ｃｌｏｕｄ－Ｃｏｍｐｕｔｉｎｇ－Ｓｙｓｔｅｍ」を介して）可能である。こうして、例えば、問題の発生後少しして初めて、限られた情報を用いて診断を実行する必要がないため、問題をより早く検知でき、整備工場での診断時にコストおよび時間を節約することができる。そのうえ、本技術は、車両が実際に整備工場に到着する前に、車両部品の健康状態に関する全ての関連データの概要を提供することができる。

第３に、本開示の技術は、（例えば、あるモデルのまたは特定の部品を有する）複数の車両の動作状態および他の関連車両データを保存するデータクラウド車両知識グラフ（英語で「Ｃｌｏｕｄ Ｖｅｈｉｃｌｅ Ｋｎｏｗｌｅｄｇｅ Ｇｒａｐｈ」）によって、車両部品の動作状態の分析を可能にする。とりわけ、本技術は、「車両群」（例えば、１０００台超、または１０，０００台超の車両）に関するデータクラウド車両知識グラフの統計的分析および学習を含む。よって知識グラフが継続的に改善される（例えば、車両部品の動作状態を評価するためにどの状態パラメータが必要なのか）。先行技術の多くの方法では、車両が、各車両部品の動作状態データを伝達もせず、これらのデータおよび他の関連データをデータクラウド車両知識グラフに収集もしないため、これらのデータは利用もできず分析もされない。

本開示において、いくらかの用語は以下のように使用される、すなわち、
「車両」という用語は、乗客および／または貨物を輸送するために設計された各装置を含む。車両は、自動車であってもよい（例えば、少なくとも部分的に自律的に作動する／支援される自動車、とりわけ乗用車またはトラック）。ただし、車両はまた、船舶、列車、航空機、または宇宙船であってもよい。

「車両部品」という用語は、車両のあらゆる内部部品であると理解される。車両部品は、エンジン（例えば、内燃機関、電気モータ、ハイブリッドエンジンまたは燃料電池またはターボチャージャなどエンジンの部品）、制御装置（例えば、モータ制御部）、電池もしくは他のエネルギー吸収システム、駆動系統の部品（例えば、トランスミッション）、アシストシステム（例えば、ブレーキアシスト、車線維持アシスト、駐車アシスト）、空調システム、センサもしくはセンサシステム（例えば、カメラベースシステム、ＬＩＤＡＲシステム、ＲＡＤＡＲシステム、超音波センサシステム）、または室内機能制御用の電子システムなどであってもよい。また、車両部品は、上述したシステムの一部であってもよいし、または上述したシステム（またはそれらの一部）の複数の組合せであってもよい。

それに応じて、「車両パラメータ」という用語は、車両部品の動作状態を決定する際に役割を果たすことができる、すなわち、１つまたは複数の車両部品の動作状態を特徴付けることができる、様々なパラメータを含む。このようなパラメータの非網羅的なリストには、温度（例えば、内部または外部温度）、圧力（例えば、空気圧）、回転速度、トルク、質量流量、摩耗パラメータ、摩擦パラメータ、電流強度、電圧、電力、効率、圧力比、速度、加速度などが含まれる。

「信号」という用語は、車両に対して、車両の動作中に検出されるかまたは過去に検出された、全ての信号を含んでもよい。これらの信号は車両の車両部品の信号であり、これらは例えば、車両部品が搭載しているかまたはそれぞれの車両部品の近傍にある、対応するセンサによって生成される。

「知識グラフ」という用語では、以下では、データ点（例えば、車両部品のそれぞれの信号を表現するデータ）を意味レベルで記述する全てのアプローチ、すなわち、データ点そのものを意味モデルに伝達して利用可能にするアプローチが呼ばれる。データ点は、対応関係を有する概念モデルにおいて互いに定義された概念のデータインスタンスと解釈することができる。そのうえ、概念には属性を割り当てることができる。ここで、知識グラフは、その概念モデルと、概念モデルにおいて定義された概念のデータインスタンスとからなる。さらなる説明はさらに下記に見つけることができる。

「データクラウドシステム」または「コンピュータクラウドシステム」（英語で「Ｃｌｏｕｄ－Ｃｏｍｐｕｔｉｎｇ－Ｓｙｓｔｅｍ」）という用語は、ネットワークを介して、例えばインターネットを介して、利用できるようにされるインフラストラクチャである。「データクラウドシステム」は、通常、ディスクスペース、コンピューティングパワーおよび／またはアプリケーションソフトウェアをサービスとして内包する（すなわち、ユーザはネットワークを介してこれらのリソースを利用することができる）。言い換えれば、「データクラウドシステム」は、ローカルシステムに存在する／インストールされていることは必要とされず、ネットワークを介して利用可能にされるインフラストラクチャである。「データクラウドシステム」は、分散したリソースを含有してもよい（例えば、様々な場所にある複数のコンピュータシステムの）。この時、「データクラウドシステム」のリソースの提供および利用は、技術的なインターフェースおよびログによって、例えばウェブブラウザを用いて行われる。

第１の知識グラフ１０に基づいて、車両の車両部品の動作状態を決定するための方法１４０の一例を模式的に示す図である。 それぞれが２つの信号Ｓ－ＣＡ－１，Ｓ－ＣＡ－２およびＳ－ＣＢ－１，Ｓ－ＣＢ－２を生成する２つの車両部品Ｋｏｍｐ Ａ，Ｋｏｍｐ Ｂを有する、車両の第１の知識グラフ１の構造を模式的に示す図である。２つの信号Ｓ－ＣＡ－２およびＳ－ＣＢ－２からパラメータＰａｒａｍ－Ｈ１が算出され、かつこのパラメータをさらに使用して車両部品Ｋｏｍｐ Ｂの動作状態が決定される。 車両の車両部品の動作状態を決定するための方法の可能な形態およびさらなる態様を概略的２０に示す図である。

まず、図１を参照して、車両の車両部品の動作状態を決定するための技術を記載する。次に、図２を参照して、第１の知識グラフ１０の例示的な構造について述べる。最後に、図３に関して、本開示の可能な形態およびさらなる態様を示す。

図１に概略を示すように、第１の一般的態様は、車両の車両部品の動作状態を決定するための方法１４０に関する。本方法は、車両ＦＡの複数の車両部品Ｋｏｍｐ Ａ，Ｋｏｍｐ Ｂに関する情報を含有する、第１の知識グラフ１０を提供すること１００を含む（図２も参照）。「第１の知識グラフ」という呼称は、第２の知識グラフも必然的に存在することを意味するものではない。それは単に、複数の知識グラフを使用する場合に、知識グラフを区別するために用いられる。例えば、第１の知識グラフ１０は、車両診断システムのユニットまたは車両の別のユニットに実装される（すなわち、車両内に格納された）ローカルな車両知識グラフであってもよい。他の例では、知識グラフ１０は、遠隔システムに保存されていても（すなわち、車両外）、かつ適切な通信インターフェースを介して車両に接続されていてもよい（これについての詳細はさらに下記）。

上述したように、知識グラフは、概念、属性、およびそれぞれの概念間の関係を含有してもよく、例えば各概念が車両部品を表現する（車両部品をモデル化する）。したがって、いくらかの例では、第１の知識グラフは、状態パラメータの算出および／または車両部品の動作状態の確定に使用することができる。それに加えて、例えば車両部品の各々は、１つまたは複数の信号Ｓ－ＣＡ－１，Ｓ－ＣＡ－２，Ｓ－ＣＢ－１，Ｓ－ＣＢ－２を提供することができる。いくつかの例では、上述したように、これらの信号は対応するセンサによって生成してもよい。図２の例では、２つの車両部品Ｋｏｍｐ Ａ，Ｋｏｍｐ Ｂを有する車両の第１の知識グラフ１０の構造が模式的に示されている（構造は、多くの「現実的な場合」に比べて説明のために高度に簡略化されている）。この例では、２つの部品がそれぞれ２つの信号Ｓ－ＣＡ－１，Ｓ－ＣＡ－２およびＳ－ＣＢ－１，Ｓ－ＣＢ－２を生成する。他の例では、車両は、知識グラフに表現されたより多くの車両部品を含有し得る（例えば、１０個超または１００個超の車両部品）。これらの部品の各々は、今度は１つまたは複数の信号を生成することができる（例えば、５つ超または１０超の信号）。したがって、図２は、第１の知識グラフ１０の簡略化された構造のみを具体的に示す、または図２に示される構造は、いくつかの例では、第１の知識グラフの部分構造のみを示してもよい。

本開示の技術は、複数の車両部品Ｋｏｍｐ Ａ，Ｋｏｍｐ Ｂから車両部品Ｋｏｍｐ Ｂの動作状態を決定すること１４０をさらに含む。ここで、決定することは、第１の知識グラフ１０を使用して、車両部品の動作状態を決定するために必要な複数の信号および１つまたは複数の状態パラメータＰａｒａｍ－Ｈ１を選択すること１１０を含むことができる。言い換えれば、第１の知識グラフに、どの信号およびどの状態パラメータが車両部品（例えば、車両ＦＡの動作中の特定の時点に対する考察対象の車両部品）の動作状態を決定するために関連し得るかについて照会することができる。図２の例では、第２の車両部品Ｋｏｍｐ Ｂの動作状態を決定するために、２つの信号、すなわち第１の車両部品Ｋｏｍｐ Ａの第２の信号Ｓ－ＣＡ－２および第２の車両部品Ｋｏｍｐ Ｂの第２の信号Ｓ－ＣＢ－２と、単一の状態パラメータＰａｒａｍ－Ｈ１とが必要とされる。図２では、単に例示的に、単一のパラメータＰａｒａｍ－Ｈ１が開示されており、他の場合には、車両部品の動作状態を決定するために複数の状態パラメータが必要となる場合がある（例えば、５個超または１０個超の状態パラメータ）。代替的または追加的に、車両部品の動作状態を決定するために、１つの信号のみまたは２つ超の信号が必要となる場合がある。

さらに、本方法の「決定」ステップは、選択された複数の信号に基づいて、車両部品の１つまたは複数の状態パラメータＰａｒａｍ－Ｈ１を算出すること１２０を含むことができる。状態パラメータは、例えば、車両診断システムを用いて算出することができる。いくつかの例では、同じ車両部品の状態パラメータを算出するために、車両部品の１つまたは複数の信号が必要となる場合がある。他の例では、第２の車両部品の状態パラメータを算出するために、第１の車両部品の１つまたは複数の信号が必要となる場合がある。これに関連して、図２には、単一の状態パラメータＰａｒａｍ－Ｈ１の算出に使用されている２つの車両部品の上述の第２の信号Ｓ－ＣＡ－２およびＳ－ＣＢ－２が示され得る。他の例では、状態パラメータは複数の信号に依存してもよく（例えば、５個超または１０個超の状態パラメータ）、それゆえに、複数の信号は状態パラメータを算出するために使用される。

最後に、車両部品の動作状態は、第１の知識グラフ１０に含有される情報を用いて、かつ算出された１つまたは複数の状態パラメータＰａｒａｍ－Ｈ１に基づいて算出することができる。例えば、動作状態の算出は、車両診断システムによって実行することができる。この関連で、第１の知識グラフに含有される情報は、車両の複数の車両部品から、２つ以上の車両部品Ｋｏｍｐ Ａ，Ｋｏｍｐ Ｂの関係に関する情報を含有し得る。例えば、この関係は、１つまたは複数の信号Ｓ－ＣＡ－２およびＳ－ＣＢ－２と、車両部品の動作状態を決定するために使用される状態パラメータＰａｒａｍ－Ｈ１との間の関係に基づいてもよい。いくつかの例では、本開示のこのような方法は、車両の２つ以上の車両部品の動作状態を決定するために使用されてもよい。他の例では、この方法は、車両のより多くのまたはより少ない数の車両部品の動作状態を決定するためになし得る。

上述したように、本技術では、第１の知識グラフは、複数の概念を伴う概念モデルを含んでもよい。一例では、各概念は、複数の車両部品から対応する車両部品を表すことができる。そのうえ、概念に属性が付与されても、かつそれらのそれぞれの関係が互いに定義されていてもよい。ここで、概念を、知識グラフ１０のノード１１，１２とみなすことができ、かつ概念間の関係を、概念（またはノード）同士を結ぶエッジ１３，１４とみなすことができる。複数の概念は、例えば、全ての車両部品またはそれらの一部を有する車両を表すことができる。概念間の関係は、例えば、第２の車両部品の状態パラメータを算出するために第１の部品の信号が必要である、または逆に、第１の車両部品の状態パラメータを算出するために第２の部品の信号が必要である、というようなものであってもよい。他の例では、概念間の関係は、２つ以上の車両部品によって同じ状態パラメータが要求されることを示す場合もある。いくつかの例では、第１の知識グラフは、複数のデータインスタンスを含んでもよい。これらのデータインスタンスは、１つまたは複数の信号からのデータ点を有してもよい。追加的または代替的に、データインスタンスは、各車両部品の１つまたは複数の状態パラメータからのデータ点を含有してもよい。また、データインスタンスは、概念モデルにおけるそれぞれの概念に割り当てられていてもよい。さらに、第１の知識グラフは、各車両部品の１つまたは複数の信号、および１つまたは複数の状態パラメータを受信するように構成されてもよく、受信された信号および状態パラメータを概念モデルへ伝送するようにさらに設計されていてもよい。追加的または代替的に、第１の知識グラフは、受信された信号および状態パラメータをデータインスタンスに伝送するようにさらに設計されていてもよい。いくつかの例では、１つまたは複数の信号を受信することは、１つまたは複数の信号からデータ点（例えば、データ点の時系列）を生成することを含んでもよい。追加的または代替的に、データ点（例えば、データ点の時系列）は、１つまたは複数の状態パラメータから生成されてもよい。いくつかの例では、データ点は、車両診断システムまたは車両の別のユニットによる信号（例えば、センサによって検出された信号）の対応する処理の後に生成されてもよい。

図３に係る例示的な方法の次のステップは、車両部品の１つまたは複数の信号から、対応するタイムスタンプが付与された生成データ点（例えば、生成データ点の時系列）を第１の知識グラフ１０に保存すること２１０を含む。いくつかの例では、データ点は、第１の知識グラフのデータインスタンスとして保存されてもよい。

本技術のいくつかの例では、車両部品の状態パラメータは、第１の知識グラフを使用して（例えば、車両診断システムによって）連続的に算出されてもよい１２０（例えば、１日に１回超、または車両の運転時に１時間に１回超）。他の例では、車両部品の状態パラメータは、第１の知識グラフを使用して予め定められた時点に算出される。さらに、車両部品の各状態パラメータは、第１の知識グラフに保存されてもよい２２０（例えば、データインスタンスとして）。ここで、各状態パラメータには、対応するタイムスタンプを付与することができる。

いくつかの例では、車両部品の動作状態を算出することは、１つまたは複数の状態パラメータの１つまたは複数の現在値に基づいて行われてもよい。他の例では、車両部品の動作状態は、第１の知識グラフに保存された車両部品の１つもしくは複数の状態パラメータの１つもしくは複数の値および／または第１の知識グラフに保存された信号の値に基づいて算出されてもよい。言い換えれば、知識グラフは、車両部品の動作状態を算出するために考慮される状態パラメータおよび／または信号の履歴値も使用してもよい。いくつかの例では、状態パラメータの算出は、特定の時点に対しイベントトリガされて実行されてもよい。他の例では、状態パラメータの算出は、ある算出周期が与えられている、特定の時点に対し定期的に実行される。例えば、算出周期は、第１の知識グラフによって提供されてもよい。好ましい例では、算出周期は、第１の知識グラフを用いて、複数の車両部品の各状態パラメータについて決定されてもよい。いくつかの例では、第１の状態パラメータの算出周期は、第２の状態パラメータの算出周期と異なっていてもよい。例えば、同じ車両部品の第１および第２の状態パラメータであってもよい。別の例では、第１および第２の状態パラメータは、様々な車両部品に割り当てられてもよい。いくつかの例では、２つ以上の状態パラメータの算出周期が同じであってもよい。

本開示では、複数の車両部品から各車両部品の動作状態を決定することが実行されてもよい。これにより、複数の動作状態が形成される。複数の動作状態を用いて、いくつかの例では、車両の動作状態が決定されてもよい。そのうえ、車両部品の動作状態を決定することは、車両部品（または車両）の動作状態を分類すること２３０を内包し得る。いくつかの例では、算出された車両部品の動作状態に基づいて、動作状態が、機能障害を伴い異常であるとして、または機能障害を伴わず正常であるとして分類されてもよい。いくつかの例では、機能障害の存在は、車両部品の動作状態が最近所定の方法で悪化したこと、および／または、（例えばブレーキシステムなど車両部品の摩耗が原因で）車両部品の耐用年数が終わりに近づいていることを意味する場合がある。他の例では、分類することは、追加のおよび／または他のクラスを含んでもよい。いくつかの例では、様々な種類の機能障害および／または様々な重症度の機能障害を特定する２つ以上のエラークラスが存在してもよい。追加的または代替的に、まだ正常であるが機能障害の方向に向かっている動作状態を特定する１つまたは複数のクラスが存在してもよい（すなわち、機能障害の発生を予測する１つまたは複数のクラス）。分類に加えて、動作状態は、また、第１の知識グラフに含有される情報を用いた回帰によって、かつ算出された１つまたは複数の状態パラメータに基づいて行ってもよい。

この関連で、いくつかの例では、車両部品の１つまたは複数の状態パラメータの１つまたは複数の現在値と、第１の知識グラフにそれぞれ保存された車両部品の１つまたは複数の状態パラメータの１つまたは複数の値との間の偏差が算出されてもよい。例えば、偏差が予め定められた大きさを上回る場合に、車両部品の動作状態は機能障害を伴い異常であるとして分類されてもよい。それ以外の場合、車両部品の動作状態は、機能障害を伴わず正常であるとして分類されてもよい。他の例では、車両部品の動作状態が正常または異常であるか（または別のクラスの機能障害が存在するか）を確かめるために、車両部品の１つまたは複数の状態パラメータに１つまたは複数の対応する閾値を割り当ててもよい。例えば、車両部品の各状態パラメータに対応する閾値を割り当ててもよい。そして、車両部品の１つまたは複数の状態パラメータが１つまたは複数の対応する閾値を超える場合、車両部品の動作状態は、機能障害を伴い異常であるとして分類されてもよい（または別のクラスの機能障害に）。それ以外の場合、車両部品の動作状態は、機能障害を伴わず正常であるとして分類されてもよい。他の例では、この基準は逆に適用されても、かつ車両部品の１つまたは複数の状態パラメータが１つまたは複数の対応する閾値を下回る場合、車両部品の動作状態を異常であるとして分類することと、それ以外の場合、車両部品の動作状態を正常であるとして分類することとを含んでもよい。再び他の例では、車両部品の動作状態を算出することは、車両部品の全ての動作状態パラメータの加重和に依存する車両部品の平均動作状態パラメータを算出することを含んでもよい。これに関連して、車両部品の各動作状態パラメータに対応する重みが割り当てられてもよい。好ましい一例では、動作状態パラメータに割り当てられた重みは、第１の知識グラフを使用して確定される。

いくつかの例では、平均動作状態パラメータに平均閾値が割り当てられてもよい。さらに、例えば、車両部品の平均動作状態パラメータが平均閾値を上回る場合に、車両部品の動作状態は機能障害を伴い異常であるとして分類されてもよく、かつそれ以外の場合、車両部品の動作状態は機能障害を伴わず正常であるとして分類されてもよい。他の例では、この基準は逆に適用されてもよく、かつ車両部品の平均動作状態パラメータが平均閾値を下回る場合、車両部品の動作状態を異常であるとして分類することと、それ以外の場合、車両部品の動作状態を正常であるとして分類することとを含んでもよい。

本開示では、各動作状態パラメータについて、第１の知識グラフは、車両部品の異常動作状態の動作状態指標を含有することができ（例えば、知識グラフの追加特性として定義される）、それによって複数の動作状態指標が形成される。いくつかの例では、各動作状態指標は、車両部品のそれぞれの状態パラメータＰａｒａｍ－Ｈ１に対応する偏差および予め定められた大きさを含有してもよい。他の例では、各動作状態指標は、車両部品のそれぞれの状態パラメータに対応する閾値を含んでもよい。再び他の例では、各動作状態指標は、車両部品のそれぞれの状態パラメータに対応する平均閾値および割り当てられた重みを含有してもよい。

本開示の技術では、車両部品の異常な動作状態は、第１の知識グラフにそれぞれの動作状態パラメータと共に保存することができる。いくつかの例では、車両部品の異常な動作状態にまたタイムスタンプを付与してもよい。そのうえ、１つまたは複数の車両部品の分類された動作状態に基づいて、応答がトリガされてもよい。いくつかの例では、応答は、グラフィカルユーザインターフェースに動作状態を表示することを内包し得る。追加的または代替的に、トリガされた応答は、１つまたは複数の車両部品の動作状態に関する情報を、遠隔システムに（例えば、完成車メーカーまたは自動車整備工場の情報のために）または車両のユニットに（例えば、運転者の情報のために）に提供することを含んでもよい。他の例では、動作状態に関する情報は、車両のユーザのモバイル装置に表示されてもよい。例えば、応答は、車両部品の、機能障害を伴い異常であるとして分類された動作状態に基づいて、アラームまたは警告メッセージを生成することを含んでもよい。追加的または代替的に、この場合は車両の動作が停止または変更されてもよい。そのうえ、車両部品の分類された異常な動作状態に応答して、イベントログファイルが生成されてもよい。いくつかの例では、メッセージも遠隔システムに伝送されてもよい。例えば、応答は、分類された動作状態が異常である場合、車両にメンテナンスまたは修理が必要であると通知することを含有してもよい。逆の場合に、動作状態が正常であると分類された場合、応答は、車両が正常に機能していると通知することを含んでもよい。上述の応答は、他の例ではまた、他の上記の機能障害を確定することに応答して実施してもよい。

本開示の技術は、車両部品の動作状態を機能障害を伴い異常であるとして分類することに応答して、第１の知識グラフを使用して、算出周期の１つまたは複数の値を更新することをさらに含むことができる。いくつかの例では、第１の知識グラフを使用した更新は、第１の知識グラフによって算出周期の１つまたは複数の値を学習することを含んでもよい。いくつかの例では、そのような種類の学習は、第１の知識グラフに保存されたデータインスタンスに基づいてもよい。例えば更新は、第１の知識グラフに保存された車両部品の状態パラメータの１つまたは複数の値に基づいて、第１の知識グラフによって算出周期の１つまたは複数の値を学習することを含んでもよい。いくつかの例では、車両部品の動作状態が機能障害を伴い異常であるとして分類された状態パラメータの保存値が使用されてもよい。追加的または代替的に、また、車両部品の動作状態を機能障害を伴い異常であるとして分類することに応答して、車両部品の動作状態を決定するために必要な第１の知識グラフを使用して、複数の車両部品の新たな複数の信号を決定してもよい。いくつかの例では、車両部品の動作状態を決定するために必要な新たな複数の信号における信号の数は、車両部品の動作状態を、機能障害を伴い異常であるとして分類することに応答した複数の信号での信号の数と異なってもよい。

方法の次のステップにおいて、第１の知識グラフからの１つまたは複数の学習された算出周期を取得することができる２４０。そのうえ、複数の車両部品からの１つまたは複数の車両部品の動作状態は、第１の知識グラフからのそれぞれの取得された１つまたは複数の算出周期に従って、次の時点に決定することができる。いくつかの例では、次の時点における動作状態を決定することは、第１の知識グラフに保存されたデータインスタンスを取得することを含んでもよい。他の例では、代替的または追加的に、次の時点における動作状態を決定することは、第１の知識グラフに保存された状態パラメータの１つまたは複数の値を取得することを含んでもよい。再び他の例では、次の時点における動作状態を決定することは、車両部品の動作状態を決定するために必要な新しい複数の信号を取得すること２５０を含んでもよい。さらに、次の時点における動作状態を決定することは、新しい複数の信号を得るために、第１の知識グラフによって複数の車両部品に要求を送信すること２６０を含んでもよい。これにより、次の時点における車両部品の動作状態を決定するために必要な、複数の車両部品から受信する新たな複数の信号を提供すること２７０ができる。

本開示の技術は、車両部品の分類された動作状態（例えば、機能障害を伴い異常である）および／または車両部品の動作状態が対応して決定されることをもたらした（例えば、機能障害を伴い異常であるとして）、それぞれの１つもしくは複数の状態パラメータを、遠隔システムに伝達すること３００を含む。いくつかの例では、車両部品の分類された動作状態（例えば、機能障害を伴い異常である）および／またはそれぞれの１つもしくは複数の状態パラメータは、第２の知識グラフに伝達されてもよい。いくつかの例では、第２の知識グラフは、データクラウドシステム（または、車両から離れた別のコンピュータシステム）に格納されていてもよい。したがって、第２の知識グラフは、データクラウド車両知識グラフと呼ばれることもある。いくつかの例では、方法は、複数のもしくは各車両部品の分類された動作状態（例えば、機能障害を伴い異常であるとして）および／または対応する車両部品の動作状態が対応して決定されることをもたらした（例えば、機能障害を伴い異常であるとして）、それぞれの１つもしくは複数の状態パラメータを、第２の知識グラフに伝達すること３００を含んでもよい。いくつかの例では、それぞれの１つまたは複数の状態パラメータは、対応する１つまたは複数の動作状態指標と共に伝達されてもよい。追加的または代替的に、これらの状態パラメータは、また、対応する複数の信号と共に伝達されてもよい。さらに、第１の知識グラフに保存されたデータインスタンスを第２の知識グラフに伝達することを含んでもよい。

次のステップは、伝達され分類された動作状態および／または車両の１つもしくは複数の車両部品の１つもしくは複数の状態パラメータおよび／または信号を、いくつかの場合には対応する１つまたは複数の動作状態指標と共に、データインスタンスとして第２の知識グラフに保存すること３１０を含むことができる。追加的または代替的に、状態パラメータはまた、対応する複数の信号と共に、データインスタンスとして第２の知識グラフに保存されてもよい。さらに、本方法は、車両の１つまたは複数の車両部品の動作状態が機能障害を示す場合に、操作者に（例えば、完成車メーカーまたは自動車整備工場の従業員に）または車両運転者に、報告すること３２０を含んでもよい（例えば、データクラウドシステムを介して）。いくつかの例では、報告することは、例えば対応する１つまたは複数の動作状態指標と共に、対応する１つまたは複数の状態パラメータに関する情報をさらに含有し得る。一例では、第２の知識グラフは、複数の車両の分類された動作状態および／または１つもしくは複数の状態パラメータおよび／または車両部品の信号を含んでもよい。このように、第２の知識グラフは、「車両群」についての様々な種類の「エラーデータ」を大量に収集することができる。例えば、このような「車両群」は、１０台以上、１００台以上、１０００台以上の車両を含んでもよい。車両は、ある共通点を有する場合もある。いくつかの場合には、車両は特定のタイプまたはモデルの車両であってもよい。代替的または追加的に、車両は、同じタイプからの１つまたは複数の車両部品を有していてもよい。

次のステップでは、複数の車両の車両部品の伝達情報（例えば、動作状態、状態パラメータ、および／または信号）に基づいて、第２の知識グラフの概念モデルを更新することができる。いくつかの例では、第２の知識グラフの概念モデルを更新することは、車両部品の動作状態を決定することを最適化するために、複数の車両の車両部品の伝達情報（例えば、動作状態、状態パラメータ、および／または信号）に関して統計分析を使用すること３３０を内包してもよい。例えば、第２の知識グラフの概念モデルは、第２の知識グラフに保存されたデータインスタンスに基づいて更新されてもよい。本実施例では、第２の知識グラフの概念モデルを更新することは、車両部品の動作状態を決定することを最適化するために、第２の知識グラフに保存されたデータインスタンスに関して統計分析を使用することを内包してもよい。いくつかの例では、統計的分析を使用することは、対応する動作状態パラメータについて１つまたは複数の動作状態指標を学習することを含んでもよい。これは、例えば、動作状態指標に含有される偏差および予め定められた大きさの値を更新することを目的とすることができる。代替的または追加的に、このようにして、また、動作状態パラメータの動作状態指標における割り当てられた重みを有する閾値および／または平均閾値を更新してもよい。

次のステップにおいて、本技術は、更新された概念モデルを用いて、車両部品の動作状態を決定するために必要な１つの新しいまたは複数の新しい状態パラメータを決定することを含んでもよい。追加的または代替的に、また、車両部品の動作状態を決定するために必要な新たな複数の信号が決定されてもよい。いくつかの例では、更新された概念モデルを用いて、複数の車両部品の１つまたは複数の状態パラメータに対する新たな算出周期が決定されてもよい。さらに、複数の車両からの第１の知識グラフの概念モデルは、第２の知識グラフの更新された概念モデルに基づいて更新されてもよい。例えば、本開示は、第２の知識グラフの更新された概念モデルに含有されている更新情報を（例えば、データクラウドシステムを介して）、複数の車両から各車両の第１の知識グラフに伝達すること３４０を含むことができる。最後に、いくつかの例では、伝達された更新情報が、各車両の第１の知識グラフに保存され得る３５０。

本開示の第２の一般的態様は、本開示の第１の一般的態様に係る方法を実施するように設計された第１および第２の電子装置を含む電子システムに関する。第１の電子装置は、第１の知識グラフを使用するための車両の電子装置（例えば、車両診断システムのユニットまたは車両の別の別個のユニット）とすることができる。第２の電子装置（例えば、車両診断システム）は、車両の複数の車両部品の信号を監視および受信するため、および複数の車両部品の状態パラメータを算出するために用いることができる。システムは、少なくとも１つのプロセッサと、少なくとも１つのメモリ（実施されると本開示の方法を実施するプログラムを含有してもよい）と、入力および出力のための少なくとも１つのインターフェースとを有することができる。

上記の例では、部分的に、ローカルな第１の知識グラフが、（すなわち、車両内に）格納され、その使用が説明された。他の例では、第１の知識グラフは、遠隔システムに格納されていてもよい。例えば、車両は、（例えば規則的にまたは要求に応じて）複数の信号を遠隔システムに伝達してもよい。遠隔システムにおいて、本開示の車両部品の動作状態を確定するステップは、その後実行されてもよい。確定された動作状態は、（例えば、上述の応答のうちの１つをトリガするために）遠隔システムによって、車両および／または第３の場所に戻るように伝達されてもよい。他の場合、第１の知識グラフは、遠隔システムに格納されていてもよく、かつ車両内のユニットと協働して、車両部品の動作状態を確定してもよい。

再び他の例では、遠隔システムに格納された知識グラフは、（第２の知識グラフに関してさらに上記で説明したように）複数の車両の情報を含有してもよく、かつ本開示の車両部品の動作状態を確定するステップを実行してもよい。

本開示の第３の一般的態様は、第２の一般的態様に係る第２の装置から情報を受信し、かつ本開示の第１の一般的態様に係る方法を実施して、第２の知識グラフの概念モデルを更新するように設計されたデータクラウドシステムに関する。さらに、データクラウドシステムは、第２の知識グラフの更新された概念モデルに含有されている更新情報を、複数の車両から各車両の第２の装置に伝達するように構成されてもよい。いくつかの例では、この関連で、また、２つ以上のデータクラウドシステムが使用されてもよい。

また、本開示は、本開示の方法を実施するコンピュータプログラムに関する。また、本開示は、本開示のコンピュータプログラムを保存または符号化するコンピュータ可読媒体および信号に関する。

１０ 第１の知識グラフ
１１ ノード
１２ ノード
１３ エッジ
１４ エッジ
１００ 第１の知識グラフを提供すること（提供するステップ）
１１０ パラメータＰａｒａｍ－Ｈ１を選択すること（選択するステップ）
１２０ パラメータを（連続的に）算出すること（算出するステップ）
１３０ 動作状態を確定するステップ
１４０ 車両部品の動作状態を決定するための方法（決定すること）（決定するステップ）
２１０ 生成データ点を第１の知識グラフに保存すること
２２０ 各状態パラメータを第１の知識グラフに保存すること
２３０ 動作状態を分類すること（分類するステップ）
２４０ 学習された算出周期を取得すること
２５０ 新しい複数の信号を取得すること
２６０ 第１の知識グラフによって複数の車両部品に要求を送信すること
２７０ 複数の車両部品から受信する新たな複数の信号を提供すること
３００ 状態パラメータを遠隔システムに伝達すること
３１０ 状態パラメータおよび／または信号をデータインスタンスとして第２の知識グラフに保存すること
３２０ 機能障害を操作者または車両運転者に報告すること
３３０ 車両部品の伝達情報に関して統計分析を使用すること
３４０ 更新情報を第１の知識グラフに伝達すること（伝達するステップ）
３５０ 更新情報を、各車両の第１の知識グラフに保存すること

Claims (12)

1. 車両の車両部品の動作状態を決定するための方法であって、
   車両（ＦＡ）の複数の車両部品（Ｋｏｍｐ Ａ，Ｋｏｍｐ Ｂ）に関する情報を含有する第１の知識グラフ（１０）を提供するステップ（１００）であり、各車両部品が、１つまたは複数の信号（Ｓ－ＣＡ－１，Ｓ－ＣＡ－２，Ｓ－ＣＢ－１，Ｓ－ＣＢ－２）を提供する、ステップ（１００）と、
   前記複数の車両部品から車両部品の前記動作状態（動作状態）を決定するステップ（１４０）であり、
   前記第１の知識グラフを使用して、前記車両部品の前記動作状態を決定するために必要な複数の信号および１つまたは複数の状態パラメータ（Ｐａｒａｍ－Ｈ１）を選択するステップ（１１０）と、
   選択された前記複数の信号に基づいて、前記車両部品の１つまたは複数の状態パラメータ（Ｐａｒａｍ－Ｈ１）を算出するステップ（１２０）と、
   前記第１の知識グラフに含有される情報を用いて、かつ、算出された前記１つまたは複数の状態パラメータに基づいて、前記車両部品の前記動作状態（動作状態）を確定するステップ（１３０）と、を含む、決定するステップ（１４０）と、
   を含む、方法。
2. 前記第１の知識グラフが、
   複数の概念を含む概念モデルであって、各概念が、前記複数の車両部品から対応する車両部品を表し、前記概念に属性が付与されており、それらのそれぞれの関係が互いに定義されている、概念モデルと、
   複数のデータインスタンスであって、各車両部品の１つもしくは複数の信号からのおよび／または１つもしくは複数の状態パラメータからのデータ点を有し、かつ前記概念モデルにおける前記それぞれの概念に割り当てられている、複数のデータインスタンスと、を含み、
   任意で、前記第１の知識グラフが、各車両部品の前記１つまたは複数の信号、および前記１つまたは複数の状態パラメータを受信するように構成されており、かつ受信された信号および状態パラメータを前記概念モデルおよび／または前記データインスタンスへ伝送するようにさらに設計されており、前記１つまたは複数の信号を受信することが、前記１つもしくは複数の信号から、または前記１つもしくは複数の状態パラメータから、前記データ点、任意でデータ点の時系列を生成することをさらに含む、
   請求項１に記載の方法。
3. 前記車両部品の前記状態パラメータを連続的に算出するステップ（１２０）、または前記第１の知識グラフを使用して特定の時点に対する前記状態パラメータを算出するステップ（１２０）をさらに含み、
   任意で、算出周期によって与えられている前記特定の時点に対する前記状態パラメータを算出することが提供され、前記算出周期が前記第１の知識グラフによって提供される、
   請求項１または２に記載の方法。
4. 前記車両部品の前記動作状態を決定するステップが、前記車両部品の算出された前記動作状態に基づいて、前記車両部品の前記動作状態を、機能障害を伴い異常であるとして、または機能障害を伴わず正常であるとして分類するステップ（２３０）をさらに含む、請求項１～３のいずれか一項に記載の方法。
5. 前記車両部品の前記動作状態（動作状態）を算出するステップが、前記車両部品の前記１つまたは複数の状態パラメータの前記１つまたは複数の現在値と、前記車両部品の前記１つまたは複数の状態パラメータの前記第１の知識グラフに保存された前記１つまたは複数の値との間の偏差を算出するステップを含み、
   任意で、前記偏差が予め定められた大きさを上回るかまたは下回る場合、前記車両部品の前記動作状態が異常であるとして分類され、かつそれ以外の場合、前記車両部品の前記動作状態が機能障害を伴わず正常であるとして分類される、
   請求項４に記載の方法。
6. 前記第１の知識グラフが、各動作状態パラメータについて、前記車両部品の異常な前記動作状態の動作状態指標を含有し、かつそれによって複数の動作状態指標が形成されており、
   任意で、各動作状態指標が、前記車両部品のそれぞれの前記状態パラメータ（Ｐａｒａｍ－Ｈ１）に対応する前記偏差および前記予め定められた大きさを含有する、
   請求項４または５に記載の方法。
7. 前記車両部品の前記動作状態の分類結果に応答して、前記第１の知識グラフを使用して、算出周期の１つまたは複数の値を更新するステップをさらに含み、任意で、前記第１の知識グラフを使用した更新が、前記第１の知識グラフに保存された前記データインスタンスに基づいて、前記第１の知識グラフによって、算出周期の前記１つまたは複数を学習するステップを含む、請求項３～６のいずれか一項に記載の方法。
8. 前記車両部品の分類された前記動作状態と、前記車両部品の前記動作状態が機能障害を伴い異常であるとして決定されることをもたらした前記それぞれの１つまたは複数の状態パラメータとを、第２の知識グラフに伝達するステップ（３００）をさらに含み、
   任意で、さらに、対応する１つまたは複数の前記動作状態指標と共に、および／または対応する前記複数の信号と共に、前記それぞれの１つまたは複数の状態パラメータの伝達が行われる、請求項４～７のいずれか一項に記載の方法。
9. 前記第２の知識グラフが、複数の車両の前記車両部品の伝達された前記状態パラメータを含み、伝達された前記動作状態が、機能障害を伴い異常であるとして分類され、かつ前記方法が、前記複数の車両の前記車両部品の前記伝達された状態パラメータに基づいて、前記第２の知識グラフの概念モデルを更新するステップをさらに含み、
   
   任意で、前記第２の知識グラフの前記概念モデルを更新するステップが、前記車両部品の前記動作状態を決定するステップを最適化するために、前記複数の車両の前記車両部品の前記伝達された状態パラメータに関して統計分析を使用するステップ（３３０）を内包する、
   請求項８に記載の方法。
10. 前記第２の知識グラフの更新された前記概念モデルに基づいて、前記複数の車両の前記第１の知識グラフの前記概念モデルを更新するステップと、
    － 前記第２の知識グラフの前記更新された概念モデルに含有されている更新情報を、前記複数の車両から各車両の前記第１の知識グラフに伝達するステップ（３４０）と、を含み、
    任意で、前記伝達された更新情報を、各車両の前記第１の知識グラフに保存するステップ（３５０）をさらに含む、
    請求項９に記載の方法。
11. 請求項１～１０のいずれか一項に記載の方法のステップを実施するように設計された前記車両の車両部品の動作状態を決定するための電子車両システムであって、
    前記第１の知識グラフを使用するための第１の電子装置と、
    前記車両の複数の車両部品から信号を監視および受信し、
    前記複数の車両部品の前記状態パラメータを算出するために
    構成されている、第２の電子装置と、
    を含む、電子車両システム。
12. 請求項１１に記載の第２の装置から情報を受信し、
    請求項８～１０のいずれか一項に記載の方法のステップを実施して、前記第２の知識グラフの概念モデルを更新し、
    前記第２の知識グラフの更新された前記概念モデルに含有されている更新情報を、前記複数の車両から各車両の前記第２の装置へ伝達するように設計されている、データクラウドシステム。
    

Images