JP2023061158A - 車両評価システム - Google Patents
車両評価システム Download PDFInfo
- Publication number
- JP2023061158A JP2023061158A JP2021170974A JP2021170974A JP2023061158A JP 2023061158 A JP2023061158 A JP 2023061158A JP 2021170974 A JP2021170974 A JP 2021170974A JP 2021170974 A JP2021170974 A JP 2021170974A JP 2023061158 A JP2023061158 A JP 2023061158A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- mapping
- value
- related information
- index
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 31
- 238000013507 mapping Methods 0.000 claims abstract description 82
- 238000009795 derivation Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 27
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 abstract description 20
- 230000006870 function Effects 0.000 description 19
- 230000001186 cumulative effect Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 13
- 238000013528 artificial neural network Methods 0.000 description 11
- 230000004913 activation Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 6
- 230000006866 deterioration Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002250 progressing effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【課題】車両の価値を評価するために事前に用意するデータの作成に要する時間及びコストの増大を抑制できる車両評価システムを提供すること。
【解決手段】車両評価システム50の第2記憶部63には、駆動装置関連情報が入力変数として入力されると、車両10の価値を表す指標を出力変数として出力する写像を規定する写像データDMが記憶されている。車両評価システム50のCPU61は、車両10から駆動装置関連情報を取得する取得処理と、取得した駆動装置関連情報を入力変数として写像に入力することにより、写像から出力変数として出力された指標を取得し、当該指標を基に車両10の価値を導出する価値導出処理とを実行する。
【選択図】図1
【解決手段】車両評価システム50の第2記憶部63には、駆動装置関連情報が入力変数として入力されると、車両10の価値を表す指標を出力変数として出力する写像を規定する写像データDMが記憶されている。車両評価システム50のCPU61は、車両10から駆動装置関連情報を取得する取得処理と、取得した駆動装置関連情報を入力変数として写像に入力することにより、写像から出力変数として出力された指標を取得し、当該指標を基に車両10の価値を導出する価値導出処理とを実行する。
【選択図】図1
Description
本発明は、車両評価システムに関する。
特許文献1に記載の車両評価システムは、車両の品質を評価するためのデータである標準運転データが予め記憶されている記憶部を備えている。そして、当該システムでは、車両の車載器から読み出した車両動作データと標準運転データとを比較することによって、車両の品質を評価するようにしている。
標準運転データは、複数の項目を含んでいるとともに、項目毎の評価基準を含んでいる。そして、項目数の多い標準運転データを用いることにより、車両の品質の評価精度を高くできる。しかしながら、項目数が多いほど、標準運転データの作成者が設定すべき評価基準の数が多くなる。さらに、評価基準を適正化するためには、多くの車両情報を作成者が解析する必要がある。すなわち、車両の評価の精度を高くするためには、標準運転データの作成に多大なる時間及びコストがかかってしまう。
上記課題を解決するための車両評価システムは、駆動装置を備える車両の価値を評価するシステムである。この車両評価システムは、実行装置及び記憶装置を備えている。前記記憶装置には、前記駆動装置の駆動に関わる情報である駆動装置関連情報が入力変数として入力されると、前記車両の価値を表す指標を出力変数として出力する写像を規定する写像データが記憶されている。前記写像データは機械学習によって学習されたデータである。前記実行装置は、前記車両から前記駆動装置関連情報を取得する取得処理と、前記取得処理で取得した前記駆動装置関連情報を前記入力変数として前記写像に入力することにより、当該写像から前記出力変数として出力された前記指標を取得し、当該指標を基に前記車両の価値を導出する価値導出処理と、を実行する。
上記構成では、機械学習によって学習された写像データによって規定される写像に駆動装置関連情報を入力変数として入力すると、上記指標が出力変数として写像から出力される。指標は車両の価値を示すものである。そのため、写像から出力された指標に基づいて車両の価値を導出できる。
写像データは機械学習によって学習されたデータである。そのため、データの作成者が複数種類の情報毎に評価基準を定めるという作業の省略又は簡略が可能となる。
したがって、上記構成によれば、車両の価値を評価するために事前に用意するデータの作成に要する時間及びコストの増大を抑制できる。
したがって、上記構成によれば、車両の価値を評価するために事前に用意するデータの作成に要する時間及びコストの増大を抑制できる。
以下、車両評価システムの一実施形態を図1~図3に従って説明する。
図1には、本実施形態の車両評価システム50と、車両10とが図示されている。車両評価システム50は、車両10の価値を評価するシステムである。車両評価システム50は、評価対象となる車両10とは外部ネットワークNTを介して通信可能である。
図1には、本実施形態の車両評価システム50と、車両10とが図示されている。車両評価システム50は、車両10の価値を評価するシステムである。車両評価システム50は、評価対象となる車両10とは外部ネットワークNTを介して通信可能である。
<車両10の構成>
車両10は駆動装置11を備えている。駆動装置11は、車両10の動力源12と、動力源12から出力されたトルクを車輪に伝達する伝達装置13とを有している。動力源12としては、例えば、エンジン及び電気モータがある。伝達装置13は、例えば、自動変速機又は手動変速機を有している。
車両10は駆動装置11を備えている。駆動装置11は、車両10の動力源12と、動力源12から出力されたトルクを車輪に伝達する伝達装置13とを有している。動力源12としては、例えば、エンジン及び電気モータがある。伝達装置13は、例えば、自動変速機又は手動変速機を有している。
車両10は、駆動装置11を制御する駆動制御装置20と、車載通信機22と、CANバス24とを備えている。
駆動制御装置20には、駆動装置11の駆動に関わる状態値を検出する複数のセンサ31,32,…から信号が入力される。こうしたセンサとして、例えば、アクセルペダルの操作量に相当するアクセル開度ACを検出するセンサ、車両10の走行速度SPを検出するセンサ、動力源12の出力軸121の回転速度を検出するセンサを挙げることができる。なお、以降の記載において、複数のセンサ31,32,…をまとめて「センサ群30」と称す。
駆動制御装置20には、駆動装置11の駆動に関わる状態値を検出する複数のセンサ31,32,…から信号が入力される。こうしたセンサとして、例えば、アクセルペダルの操作量に相当するアクセル開度ACを検出するセンサ、車両10の走行速度SPを検出するセンサ、動力源12の出力軸121の回転速度を検出するセンサを挙げることができる。なお、以降の記載において、複数のセンサ31,32,…をまとめて「センサ群30」と称す。
駆動制御装置20はCPU20a及び記憶部20bを有している。記憶部20bには、CPU20aが実行する制御プログラムが記憶されている。CPU20aは、制御プログラムを実行することによって動力源12及び伝達装置13を制御する。このように駆動装置11を制御する場合、CPU20aは、センサ群30によって検出された状態値を参照する。
駆動制御装置20は、センサ群30によって検出された状態値、及び、こうした状態値を基に算出した算出値を、所定の通信サイクル毎にCANバス24に送信する。
車載通信機22は、例えば、DCMである。DCMとは「Data Communication Module」である。車載通信機22はCPU22a及び記憶部22bを有している。記憶部22bには、CPU22aが実行する制御プログラムが記憶されている。
車載通信機22は、例えば、DCMである。DCMとは「Data Communication Module」である。車載通信機22はCPU22a及び記憶部22bを有している。記憶部22bには、CPU22aが実行する制御プログラムが記憶されている。
車載通信機22は、駆動制御装置20がCANバス24に送信した各種の情報を受信する。そのため、車載通信機22の記憶部22bには、駆動装置11の駆動に関わる情報である駆動装置関連情報が記憶される。駆動装置関連情報は、車両評価システム50による車両10の価値の評価に用いる情報を含んでいる。こうした駆動装置関連情報としては、例えば、アクセル開度ACの推移、走行速度SPの推移、駆動装置11の稼働時間の累積値、動力源12の稼働時間の累積値、伝達装置13の稼働時間の累積値、及び車両10の走行距離を挙げることができる。
車載通信機22は、記憶部22bに記憶された駆動装置関連情報、及び、車両10を識別する情報を、車両評価システム50に外部ネットワークNTを介して送信する。
<車両評価システム50の構成>
車両評価システム50は、サーバ側通信装置51と処理回路60とを備えている。サーバ側通信装置51は、車両10が送信した情報を外部ネットワークNTを介して受信し、受信した情報を処理回路60に出力する。また、サーバ側通信装置51は、処理回路60が出力した情報を外部ネットワークNTを介して車両10に送信する。
<車両評価システム50の構成>
車両評価システム50は、サーバ側通信装置51と処理回路60とを備えている。サーバ側通信装置51は、車両10が送信した情報を外部ネットワークNTを介して受信し、受信した情報を処理回路60に出力する。また、サーバ側通信装置51は、処理回路60が出力した情報を外部ネットワークNTを介して車両10に送信する。
処理回路60はCPU61と第1記憶部62と第2記憶部63とを有している。第1記憶部62には、CPU61が実行する制御プログラムが記憶されている。第2記憶部63には、機械学習によって学習された写像を規定する写像データDMが記憶されている。写像データDMによって規定される写像は、評価対象となる車両10の価値を表す指標を出力するものである。本実施形態では、写像は、評価対象となる車両10の価値が高いほど大きい値を指標として出力する。なお、当該写像については後述する。
本実施形態では、CPU61が「実行装置」に対応している。第2記憶部63が「記憶装置」に対応している。
<車両10の価値を評価するための処理>
図2を参照し、車両10の価値を評価する際に車両評価システム50のCPU61が実行する処理ルーチンについて説明する。評価対象の車両10が送信した、車両10を識別する情報及び駆動装置関連情報をサーバ側通信装置51が受信したことを契機に、CPU61が本処理ルーチンを実行する。
<車両10の価値を評価するための処理>
図2を参照し、車両10の価値を評価する際に車両評価システム50のCPU61が実行する処理ルーチンについて説明する。評価対象の車両10が送信した、車両10を識別する情報及び駆動装置関連情報をサーバ側通信装置51が受信したことを契機に、CPU61が本処理ルーチンを実行する。
本処理ルーチンにおいてステップS11では、CPU61は、車両10が送信した駆動装置関連情報を取得する取得処理を実行する。本実施形態では、駆動装置関連情報として、以下に示す情報(A1)、(A2)、(A3)、(A4)、(A5)及び(A6)を取得する。
(A1)車両10の稼働時間。
(A2)車両10の走行距離。
(A3)車両10の走行速度SPの累積値。
(A4)アクセル開度ACの累積値。
(A5)走行速度SPの平均値。
(A6)アクセル開度ACの平均値。
(A1)車両10の稼働時間。
(A2)車両10の走行距離。
(A3)車両10の走行速度SPの累積値。
(A4)アクセル開度ACの累積値。
(A5)走行速度SPの平均値。
(A6)アクセル開度ACの平均値。
ここでいう走行速度SPの平均値とは、車両10の走行中における走行速度SPの平均値である。また、アクセル開度ACの平均値とは、アクセルペダルが運転者によって操作されている場合におけるアクセル開度ACの平均値である。
駆動装置関連情報の取得が完了すると、CPU61は、処理をステップS13に移行する。ステップS13において、CPU61は、ステップS11で取得した各駆動装置関連情報を、写像データDMによって規定される写像に対して入力変数xとして入力する。このように写像に入力変数xが入力されると、写像は、入力変数xに応じた指標を出力変数yとして出力する。
ここで、写像は、中間層が一層の全結合順伝播型ニューラルネットワークとして構成されている。上記ニューラルネットワークは、入力側係数と、入力側係数によって規定される線形写像である入力側線形写像の出力とのそれぞれを非線形変換する入力側非線形写像としての活性化関数h(x)を含んでいる。活性化関数h(x)として、例えば、ハイパボリックタンジェント「tanh(x)」を挙げることができる。また、上記ニューラルネットワークは、出力側係数と、出力側係数によって規定される線形写像である出力側線形写像の出力とのそれぞれを非線形変換する出力側非線形写像としての活性化関数f(x)を含んでいる。活性化関数f(x)として、例えば、ハイパボリックタンジェント「tanh(x)」を挙げることができる。
ステップS15において、CPU61は、写像が出力変数yとして出力した指標を取得する。そして、ステップS17において、CPU61は、指標に基づいて車両10の価値を導出する。本実施形態では、CPU61は、車両10の価値として車両10の査定額を導出する。この場合、CPU61は、指標の値が大きいほど査定額が高くなるように車両10の査定額を導出するとよい。したがって、ステップS13、S15、S17が、「価値導出処理」に対応する。
価値導出処理が終了すると、CPU61は処理をステップS19に移行する。ステップS19において、CPU61は、車両10の価値を車両10の所有者に通知する通知処理を実行する。例えば所有者の所有する情報端末と車両10とが紐付けられている場合、CPU61は、導出した車両10の価値を示す情報である車両価値情報を所有者の所有する情報端末に送信する。また、CPU61は、駆動装置関連情報を送信してきた車両10にサーバ側通信装置51から車両価値情報を送信させてもよい。こうして通知処理が完了すると、CPU61は本処理ルーチンを終了する。
なお、車両評価システム50が送信した車両価値情報が車両10や情報端末に受信されると、車両10や情報端末では、車両価値情報が示す車両10の価値がユーザに通知される。
<写像の生成について>
図3を参照し、写像を生成する際に学習装置が実行する処理の流れを説明する。学習装置は、多数の車両10から駆動装置関連情報を収集した状態で、図3に示す一連の処理を実行する。
図3を参照し、写像を生成する際に学習装置が実行する処理の流れを説明する。学習装置は、多数の車両10から駆動装置関連情報を収集した状態で、図3に示す一連の処理を実行する。
写像を生成する際には、多数の車両10の駆動装置関連情報が訓練データとして用いられる。まずはじめに、ステップS21において、学習装置は、サンプル数Nとして1を設定する。続いて、ステップS23において、多数の車両10のうちの第1車両の駆動装置関連情報X(1)を入力変数として写像に入力する。すると、写像は、第1車両の駆動装置関連情報X(1)に応じた指標を出力変数として出力する。第1車両の駆動装置関連情報X(1)を写像に入力することによって当該写像から出力変数として出力される指標を、第1指標Y(1)とする。ステップS25において、学習装置は、写像が出力した第1指標Y(1)を取得する。
次にステップS27において、学習装置は、サンプル数Nを1インクリメントする。続いて、ステップS29において、多数の車両10のうちの第N車両の駆動装置関連情報X(N)を入力変数として写像に入力する。例えばサンプル数Nが2である場合、第2車両の駆動装置関連情報X(2)が入力変数として写像に入力される。写像は、第N車両の駆動装置関連情報X(N)に応じた指標を出力変数として出力する。第N車両の駆動装置関連情報X(N)に応じた指標を、第N指標Y(N)とする。
ステップS31において、学習装置は、写像から出力された第N指標Y(N)を取得する。そして、ステップS33において、学習装置は、第1車両の駆動装置関連情報X(1)と第N車両の駆動装置関連情報X(N)とを比較することによって、写像の学習処理を実行する。
駆動装置関連情報は、上記の(A1)~(A6)を含んでいる。
車両10の稼働時間が短いほど、駆動装置11の構成部品の劣化があまり進行していないと予測できる。そのため、車両10の稼働時間が短いほど、車両10の価値が高いと見なせる。
車両10の稼働時間が短いほど、駆動装置11の構成部品の劣化があまり進行していないと予測できる。そのため、車両10の稼働時間が短いほど、車両10の価値が高いと見なせる。
車両10の走行距離が短いほど、駆動装置11の構成部品の劣化があまり進行していないと予測できる。そのため、車両10の走行距離が短いほど、車両10の価値が高いと見なせる。
車両10の走行速度SPの累積値が小さいほど、駆動装置11の構成部品の劣化があまり進行していないと予測できる。そのため、車両10の走行速度SPの累積値が小さいほど、車両10の価値が高いと見なせる。
アクセル開度ACの累積値が小さいほど、駆動装置11の構成部品の劣化があまり進行していないと予測できる。そのため、アクセル開度ACの累積値が小さいほど、車両10の価値が高いと見なせる。
走行速度SPの平均値が小さいほど、駆動装置11に大きな負荷がかかっていないと予測できる。そのため、走行速度SPの平均値が小さいほど、車両10の価値が高いと見なせる。
アクセル開度ACの平均値が小さいほど、駆動装置11に大きな負荷がかかっていないと予測できる。そのため、アクセル開度ACの平均値が小さいほど、車両10の価値が高いと見なせる。
そのため、学習装置は、第N車両の駆動装置関連情報X(N)に含まれる車両10の稼働時間が第1車両の駆動装置関連情報X(1)に含まれる稼働時間よりも短い場合、第N指標が大きくなるように写像の関数近似器における各種の変数を調整する。一方、学習装置は、第N車両の駆動装置関連情報X(N)に含まれる車両10の稼働時間が第1車両の駆動装置関連情報X(1)に含まれる稼働時間よりも長い場合、第N指標が小さくなるように写像の関数近似器における各種の変数を調整する。
学習装置は、第N車両の駆動装置関連情報X(N)に含まれる車両10の走行距離が第1車両の駆動装置関連情報X(1)に含まれる走行距離よりも短い場合、第N指標が大きくなるように写像の関数近似器における各種の変数を調整する。一方、学習装置は、第N車両の駆動装置関連情報X(N)に含まれる車両10の走行距離が第1車両の駆動装置関連情報X(1)に含まれる走行距離よりも長い場合、第N指標が小さくなるように写像の関数近似器における各種の変数を調整する。
学習装置は、第N車両の駆動装置関連情報X(N)に含まれる車両10の走行速度SPの累積値が第1車両の駆動装置関連情報X(1)に含まれる走行速度SPの累積値よりも小さい場合、第N指標が大きくなるように写像の関数近似器における各種の変数を調整する。一方、学習装置は、第N車両の駆動装置関連情報X(N)に含まれる車両10の走行速度SPの累積値が第1車両の駆動装置関連情報X(1)に含まれる走行速度SPの累積値よりも大きい場合、第N指標が小さくなるように写像の関数近似器における各種の変数を調整する。
学習装置は、第N車両の駆動装置関連情報X(N)に含まれるアクセル開度ACの累積値が第1車両の駆動装置関連情報X(1)に含まれるアクセル開度ACの累積値よりも小さい場合、第N指標が大きくなるように写像の関数近似器における各種の変数を調整する。一方、学習装置は、第N車両の駆動装置関連情報X(N)に含まれるアクセル開度ACの累積値が第1車両の駆動装置関連情報X(1)に含まれるアクセル開度ACの累積値よりも大きい場合、第N指標が小さくなるように写像の関数近似器における各種の変数を調整する。
学習装置は、第N車両の駆動装置関連情報X(N)に含まれる走行速度SPの平均値が第1車両の駆動装置関連情報X(1)に含まれる走行速度SPの平均値よりも小さい場合、第N指標が大きくなるように写像の関数近似器における各種の変数を調整する。一方、学習装置は、第N車両の駆動装置関連情報X(N)に含まれる走行速度SPの平均値が第1車両の駆動装置関連情報X(1)に含まれる走行速度SPの平均値よりも大きい場合、第N指標が小さくなるように写像の関数近似器における各種の変数を調整する。
学習装置は、第N車両の駆動装置関連情報X(N)に含まれるアクセル開度ACの平均値が第1車両の駆動装置関連情報X(1)に含まれるアクセル開度ACの平均値よりも小さい場合、第N指標が大きくなるように写像の関数近似器における各種の変数を調整する。一方、学習装置は、第N車両の駆動装置関連情報X(N)に含まれるアクセル開度ACの平均値が第1車両の駆動装置関連情報X(1)に含まれるアクセル開度ACの平均値よりも大きい場合、第N指標が小さくなるように写像の関数近似器における各種の変数を調整する。
このように学習処理を実行すると、学習装置は、処理をステップS35に移行する。ステップS35において、学習装置は、サンプル数Nがサンプル数判定値Nth以上であるか否かを判定する。サンプル数判定値Nthは、写像の学習を十分に行えたか否かをサンプル数Nで判断するための基準である。サンプル数Nがサンプル数判定値Nth未満である場合(S35:NO)、写像の学習が十分ではないと見なせるため、学習装置は処理をステップS27に移行する。この場合、学習装置は、ステップS27~S33までの一連の処理を実行する。
一方、サンプル数Nがサンプル数判定値Nth以上である場合(S35:YES)、写像の学習が十分に行えたと見なせるため、学習装置は処理をステップS37に移行する。ステップS37において、学習装置は、写像の機械学習が完了したと判定する。そして、学習装置は一連の処理を終了する。
このようにして機械学習が行われた写像を規定する写像データDMが車両評価システム50の第2記憶部63に記憶される。
<本実施形態の作用及び効果>
本実施形態では、機械学習によって学習された写像データDMによって規定される写像に駆動装置関連情報を入力変数xとして入力すると、上記指標が出力変数yとして写像から出力される。指標は車両10の価値を示すものである。そのため、写像から出力された指標を用いることにより、車両10の価値が導出される。
<本実施形態の作用及び効果>
本実施形態では、機械学習によって学習された写像データDMによって規定される写像に駆動装置関連情報を入力変数xとして入力すると、上記指標が出力変数yとして写像から出力される。指標は車両10の価値を示すものである。そのため、写像から出力された指標を用いることにより、車両10の価値が導出される。
写像データDMは機械学習によって学習されたデータである。そのため、データの作成者が複数種類の情報毎に評価基準を定めるという作業を行わなくてもよくなる。
したがって、車両10の価値を評価するために事前に用意するデータの作成に要する時間及びコストの増大を抑制できる。
したがって、車両10の価値を評価するために事前に用意するデータの作成に要する時間及びコストの増大を抑制できる。
<変更例>
上記実施形態は、以下のように変更して実施することができる。上記実施形態及び以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。
上記実施形態は、以下のように変更して実施することができる。上記実施形態及び以下の変更例は、技術的に矛盾しない範囲で互いに組み合わせて実施することができる。
「入力変数」
・写像に入力する入力変数は、上記実施形態で説明した例に限らない。例えば、入力変数は、車両10の走行速度SPの平均値以外の走行速度SPの統計値を含んでいてもよい。平均値以外の走行速度SPの統計値としては、走行速度SPの分散値、走行速度SPの最大値及び走行速度SPの最小値を挙げることができる。入力変数が走行速度SPの分散値を含んでいる場合、分散値が小さいほど車両10の価値が高くなるように写像を学習させるとよい。入力変数が走行速度SPの最大値を含んでいる場合、最大値が小さいほど車両10の価値が高くなるように写像を学習させるとよい。入力変数が走行速度SPの最小値を含んでいる場合、最小値が小さいほど車両10の価値が高くなるように写像を学習させるとよい。
・写像に入力する入力変数は、上記実施形態で説明した例に限らない。例えば、入力変数は、車両10の走行速度SPの平均値以外の走行速度SPの統計値を含んでいてもよい。平均値以外の走行速度SPの統計値としては、走行速度SPの分散値、走行速度SPの最大値及び走行速度SPの最小値を挙げることができる。入力変数が走行速度SPの分散値を含んでいる場合、分散値が小さいほど車両10の価値が高くなるように写像を学習させるとよい。入力変数が走行速度SPの最大値を含んでいる場合、最大値が小さいほど車両10の価値が高くなるように写像を学習させるとよい。入力変数が走行速度SPの最小値を含んでいる場合、最小値が小さいほど車両10の価値が高くなるように写像を学習させるとよい。
また例えば、入力変数は、アクセル開度ACの平均値以外のアクセル開度ACの統計値を含んでいてもよい。平均値以外のアクセル開度ACの統計値としては、アクセル開度ACの分散値、アクセル開度ACの最大値及びアクセル開度ACの最小値を挙げることができる。入力変数がアクセル開度ACの分散値を含んでいる場合、分散値が小さいほど車両10の価値が高くなるように写像を学習させるとよい。入力変数がアクセル開度ACの最大値を含んでいる場合、最大値が小さいほど車両10の価値が高くなるように写像を学習させるとよい。入力変数がアクセル開度ACの最小値を含んでいる場合、最小値が小さいほど車両10の価値が高くなるように写像を学習させるとよい。
・入力変数は、上記(A1)~(A6)のうちの一部を含んでいるのであれば、残りを含んでいなくてもよい。
「出力変数」
・上記実施形態では、写像は、車両10の価値を表す指標として査定額を出力しているが、これに限らない。例えば、写像は、指標として製品のランクを出力するものであってもよい。この場合、ニューラルネットワークとして、回帰結合型ニューラルネットワークを採用するとよい。
「出力変数」
・上記実施形態では、写像は、車両10の価値を表す指標として査定額を出力しているが、これに限らない。例えば、写像は、指標として製品のランクを出力するものであってもよい。この場合、ニューラルネットワークとして、回帰結合型ニューラルネットワークを採用するとよい。
「写像」
・写像の活性化関数は例示であり、上記実施形態の例に限らない。例えば、写像の活性化関数として、ロジスティックジグモイド関数を採用してもよい。
・写像の活性化関数は例示であり、上記実施形態の例に限らない。例えば、写像の活性化関数として、ロジスティックジグモイド関数を採用してもよい。
・ニューラルネットワークにおける中間層の数は、2層以上であってよい。
・上記実施形態において、ニューラルネットワークとして、全結合順伝搬型のニューラルネットワークを例示したが、これに限らない。例えば、ニューラルネットワークとして、回帰結合型ニューラルネットワークを採用してもよい。
・上記実施形態において、ニューラルネットワークとして、全結合順伝搬型のニューラルネットワークを例示したが、これに限らない。例えば、ニューラルネットワークとして、回帰結合型ニューラルネットワークを採用してもよい。
「処理回路」
・処理回路60は、CPUとROMとを備えて、ソフトウェア処理を実行するものに限らない。すなわち、処理回路60は、以下(a)~(c)の何れかの構成であればよい。
(a)処理回路60は、コンピュータプログラムに従って各種処理を実行する一つ以上のプロセッサを備えている。プロセッサは、CPU並びに、RAM及びROMなどのメモリを含んでいる。メモリは、処理をCPUに実行させるように構成されたプログラムコード又は指令を格納している。メモリ、すなわちコンピュータ可読媒体は、汎用又は専用のコンピュータでアクセスできるあらゆる利用可能な媒体を含んでいる。
(b)処理回路60は、各種処理を実行する一つ以上の専用のハードウェア回路を備えている。専用のハードウェア回路としては、例えば、特定用途向け集積回路、すなわちASIC又はFPGAを挙げることができる。なお、ASICは、「Application Specific Integrated Circuit」の略記であり、FPGAは、「Field Programmable Gate Array」の略記である。
(c)処理回路60は、各種処理の一部をコンピュータプログラムに従って実行するプロセッサと、各種処理のうちの残りの処理を実行する専用のハードウェア回路とを備えている。
・処理回路60は、CPUとROMとを備えて、ソフトウェア処理を実行するものに限らない。すなわち、処理回路60は、以下(a)~(c)の何れかの構成であればよい。
(a)処理回路60は、コンピュータプログラムに従って各種処理を実行する一つ以上のプロセッサを備えている。プロセッサは、CPU並びに、RAM及びROMなどのメモリを含んでいる。メモリは、処理をCPUに実行させるように構成されたプログラムコード又は指令を格納している。メモリ、すなわちコンピュータ可読媒体は、汎用又は専用のコンピュータでアクセスできるあらゆる利用可能な媒体を含んでいる。
(b)処理回路60は、各種処理を実行する一つ以上の専用のハードウェア回路を備えている。専用のハードウェア回路としては、例えば、特定用途向け集積回路、すなわちASIC又はFPGAを挙げることができる。なお、ASICは、「Application Specific Integrated Circuit」の略記であり、FPGAは、「Field Programmable Gate Array」の略記である。
(c)処理回路60は、各種処理の一部をコンピュータプログラムに従って実行するプロセッサと、各種処理のうちの残りの処理を実行する専用のハードウェア回路とを備えている。
10…車両
11…駆動装置
50…車両評価システム
61…CPU
63…第2記憶部
DM…写像データ
11…駆動装置
50…車両評価システム
61…CPU
63…第2記憶部
DM…写像データ
Claims (1)
- 駆動装置を備える車両の価値を評価する車両評価システムであって、
実行装置及び記憶装置を備え、
前記記憶装置には、前記駆動装置の駆動に関わる情報である駆動装置関連情報が入力変数として入力されると、前記車両の価値を表す指標を出力変数として出力する写像を規定する写像データが記憶されており、
前記写像データは機械学習によって学習されたデータであり、
前記実行装置は、
前記車両から前記駆動装置関連情報を取得する取得処理と、
前記取得処理で取得した前記駆動装置関連情報を前記入力変数として前記写像に入力することにより、当該写像から前記出力変数として出力された前記指標を取得し、当該指標を基に前記車両の価値を導出する価値導出処理と、を実行する
車両評価システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021170974A JP2023061158A (ja) | 2021-10-19 | 2021-10-19 | 車両評価システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021170974A JP2023061158A (ja) | 2021-10-19 | 2021-10-19 | 車両評価システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023061158A true JP2023061158A (ja) | 2023-05-01 |
Family
ID=86239299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021170974A Pending JP2023061158A (ja) | 2021-10-19 | 2021-10-19 | 車両評価システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2023061158A (ja) |
-
2021
- 2021-10-19 JP JP2021170974A patent/JP2023061158A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230206071A1 (en) | Ann training trough processing power of parked vehicles | |
US10035515B2 (en) | System and method for analyzing the energy efficiency of a motor vehicle, in particular of an apparatus of the motor vehicle | |
US20170268948A1 (en) | System and method for analysing the energy efficiency of a vehicle | |
CN109547254B (zh) | 一种入侵检测方法、装置、电子设备及存储介质 | |
US12005922B2 (en) | Toward simulation of driver behavior in driving automation | |
Pütz et al. | Database approach for the sign-off process of highly automated vehicles | |
CN108973674B (zh) | 误操作判定装置 | |
US20220108570A1 (en) | Unusual-noise determination device for vehicle | |
CN111259737B (zh) | 车辆方向盘故障的预测方法、装置、电子设备及存储介质 | |
US20170316625A1 (en) | Method of operating a motor vehicle | |
CN114556248A (zh) | 用于确定传感器配置的方法 | |
GB2516355A (en) | Method and system for diagnosing faults of a component of a vehicle | |
EP3751465A1 (en) | Methods, apparatuses and computer programs for generating a reinforcement learning-based machine-learning model and for generating a control signal for operating a vehicle | |
US11738804B2 (en) | Training a vehicle to accommodate a driver | |
US20210209461A1 (en) | Methods for neural network sparsity channel generation and inference | |
JP2023061158A (ja) | 車両評価システム | |
CN109895714B (zh) | 一种挡位值的确定方法及装置 | |
CN117360526A (zh) | 一种驾驶风格识别方法、装置、车辆和存储介质 | |
KR101643845B1 (ko) | 차량 등판 성능 평가 방법 및 시스템 | |
CN115782788A (zh) | 一种整车内部需求扭矩协调控制方法及系统 | |
CN115964800A (zh) | 用于车辆aeb标定的方法、装置、电子设备及存储介质 | |
Gao et al. | Human-like mechanism deep learning model for longitudinal motion control of autonomous vehicles | |
CN118410875B (zh) | 一种自动驾驶行为模型生成方法及系统 | |
Shaout et al. | Real time driver activity index detection using fuzzy logic | |
CN114537418B (zh) | 一种油门踏板特性的生成方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240214 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240903 |