JP2023094269A - Data processing device, data processing method and calculation model generation system - Google Patents
Data processing device, data processing method and calculation model generation system Download PDFInfo
- Publication number
- JP2023094269A JP2023094269A JP2021209650A JP2021209650A JP2023094269A JP 2023094269 A JP2023094269 A JP 2023094269A JP 2021209650 A JP2021209650 A JP 2021209650A JP 2021209650 A JP2021209650 A JP 2021209650A JP 2023094269 A JP2023094269 A JP 2023094269A
- Authority
- JP
- Japan
- Prior art keywords
- data
- threshold
- wear
- tire
- unit
- 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
Images
Landscapes
- Tires In General (AREA)
Abstract
Description
本発明は、車両に装着されるタイヤの摩耗量のデータを処理するデータ処理装置およびデータ処理方法、並びにタイヤの摩耗量を推定する演算モデルを生成する演算モデル生成システムに関する。 The present invention relates to a data processing apparatus and data processing method for processing data on the amount of wear of tires mounted on a vehicle, and an arithmetic model generation system for generating an arithmetic model for estimating the amount of wear of tires.
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。 In general, tire wear progresses according to running conditions, running distance, and the like. In recent years, devices such as devices that display the measured pressure and temperature by attaching a sensor for measuring the pressure and temperature of the tire to the tire have been commercialized.
特許文献1にはタイヤの使用履歴データから異常データを検出する従来の異常データ検出方法が記載されている。この異常データ検出方法は、タイヤの使用履歴に関するデータを収集した後、例えば、走行距離と摩耗量などの、収集されたタイヤの使用履歴の複数項目から選択される、相関関係にある複数の項目の組み合わせであるデータセットを抽出する。その後、抽出されたデータセットから、アイソレーションフォレストなどの機械学習アルゴリズムにより、異常データを検出する。異常データを検出する際には、予め正常であると判定された複数のデータセットを訓練データとして構築した判別モデルに基づいて、データセットが異常なデータセットであるか否かを判定する。 Patent Literature 1 describes a conventional abnormal data detection method for detecting abnormal data from tire usage history data. This abnormal data detection method collects data related to tire usage history, and then selects a plurality of correlated items from the collected tire usage history items, such as mileage and wear amount. Extract a dataset that is a combination of After that, abnormal data is detected from the extracted data set by machine learning algorithms such as Isolation Forest. When detecting abnormal data, whether or not the data set is abnormal is determined based on a discriminant model in which a plurality of data sets previously determined to be normal are constructed as training data.
特許文献1に記載の異常データ検出方法は、予め訓練データに基づいて判別モデルを学習させておき、判別モデルの入力変数に応じて判別モデルが構築しなければならず、異常データ検出のための処理が複雑となり、処理負荷が増大してしまうという問題点があった。またタイヤ摩耗量を推定する演算モデルの学習に用いる教師データである摩耗量の測定値は、作業者の熟練度によって測定誤差が生じたり、例えば光学式等の測定装置によって計測した場合でもタイヤ溝に石などが挟まっており測定誤差が生じる蓋然性があった。 In the abnormal data detection method described in Patent Document 1, a discriminant model must be learned in advance based on training data, and the discriminant model must be constructed according to the input variables of the discriminant model. There is a problem that the processing becomes complicated and the processing load increases. In addition, the measurement value of the amount of wear, which is the teacher data used for learning the computational model for estimating the amount of tire wear, may have measurement errors depending on the skill level of the operator. There was a probability that a stone or the like would be caught in the gap, causing a measurement error.
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、タイヤの摩耗量の計測データを選定しデータベースを効率的に生成することができるデータ処理装置、データ処理方法および演算モデル生成システムを提供することにある。 SUMMARY OF THE INVENTION The present invention has been made in view of such circumstances, and its object is to provide a data processing apparatus and a data processing method capable of selecting tire wear amount measurement data and efficiently generating a database. and to provide an arithmetic model generation system.
本発明のある態様のデータ処理装置は、車両に装着されたタイヤの摩耗量に関するデータを所定期間において取得するデータ取得部と、前記データ取得部により取得したデータに対して下限側閾値および上限側閾値を設定する閾値設定部と、前記閾値設定部により設定された下限側閾値および上限側閾値の範囲外のデータに対して前記所定期間における変化が連続的であるか否かを判定する連続性判定部と、前記連続性判定部による判定結果が否であったデータを除外して摩耗量データベースを生成するデータベース生成部と、を備える。 A data processing apparatus according to one aspect of the present invention includes a data acquisition unit that acquires data on the amount of wear of a tire mounted on a vehicle in a predetermined period; a threshold setting unit for setting a threshold; and continuity for determining whether or not the data outside the range of the lower threshold and the upper threshold set by the threshold setting unit continuously change during the predetermined period. A determination unit and a database generation unit that generates a wear amount database by excluding data for which a result of determination by the continuity determination unit is negative.
本発明の別の態様はデータ処理方法である。データ処理方法は、車両に装着されたタイヤの摩耗量に関するデータを所定期間において取得するデータ取得ステップと、前記データ取得ステップにより取得したデータに対して下限側閾値および上限側閾値を設定する閾値設定ステップと、前記閾値設定ステップにより設定された下限側閾値および上限側閾値の範囲外のデータに対して前記所定期間における変化が連続的であるか否かを判定する連続性判定ステップと、前記連続性判定ステップによる判定結果が否であったデータを除外して摩耗量データベースを生成するデータベース生成ステップと、を備える。 Another aspect of the invention is a data processing method. The data processing method includes a data acquisition step of acquiring data relating to the amount of wear of a tire mounted on a vehicle for a predetermined period of time, and threshold setting of setting a lower threshold value and an upper threshold value for the data acquired by the data acquisition step. a continuity determination step of determining whether or not the change in the data outside the range of the lower threshold and the upper threshold set in the threshold setting step is continuous in the predetermined period; and a database generating step of generating a wear amount database by excluding data for which the determination result of the property determining step was negative.
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、上述のデータ処理装置と、入力された情報に基づいてタイヤの摩耗量を算出する学習型の演算モデルを有し、少なくとも前記車両の走行距離を含む情報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、前記データ処理装置によって生成された摩耗量データベースに含まれる摩耗量のデータ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。 Another aspect of the invention is a computational model generation system. The computational model generation system has the above-described data processing device and a learning-type computational model that calculates tire wear based on the input information. A wear amount calculation unit that calculates the wear amount of the tire by input, and compares the wear amount data included in the wear amount database generated by the data processing device with the wear amount calculated by the wear amount calculation unit. and a learning processing unit for learning the arithmetic model.
本発明によれば、タイヤの摩耗量の計測データを選定しデータベースを効率的に生成することができる。 ADVANTAGE OF THE INVENTION According to this invention, the measurement data of the wear amount of a tire can be selected and a database can be efficiently produced|generated.
以下、本発明を好適な実施の形態をもとに図1から図6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。 BEST MODE FOR CARRYING OUT THE INVENTION The present invention will be described below based on preferred embodiments with reference to FIGS. 1 to 6. FIG. The same or equivalent constituent elements and members shown in each drawing are denoted by the same reference numerals, and duplication of description will be omitted as appropriate. In addition, the dimensions of the members in each drawing are appropriately enlarged or reduced for easy understanding. Also, in each drawing, some of the members that are not important for explaining the embodiments are omitted.
(実施形態)
図1は、実施形態に係る演算モデル生成システム100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100は、タイヤ摩耗量計測装置60、車載計測装置70、気象情報サーバ装置80、演算モデル生成装置10およびデータ処理装置20を備え、タイヤ7の摩耗量を推定する演算モデル13aを生成する。
(embodiment)
FIG. 1 is a block diagram showing the functional configuration of a computational
演算モデル生成装置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。演算モデル生成装置10は、気象情報サーバ装置80から気象情報を取得する。また演算モデル生成装置10は、タイヤ摩耗量計測装置60で計測されたタイヤ7の摩耗量のデータに基づいてデータ処理装置20が生成したタイヤ7の摩耗量データベース中の各データを取得する。
The arithmetic
データ処理装置20は、タイヤ摩耗量計測装置60で計測されたタイヤ7の摩耗量のデータについて、計測誤差などによって、他の摩耗量データの分布範囲から数値が外れているデータを除外して摩耗量データベースを生成する。演算モデル生成装置10は、データ処理装置20によって生成された摩耗量データベース中の各データを教師データとして用いて演算モデル13aを学習させることによって、演算モデル13aによる摩耗量の推定精度が向上する。
The
タイヤ摩耗量計測装置60は、所定期間(数ヶ月から数年)において複数回に亘って、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。タイヤ摩耗量計測装置60は、計測されたタイヤ7の摩耗量のデータを通信ネットワーク9を介してデータ処理装置20へ送信する。タイヤ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。
The tire wear
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。
Specifically, for example, when the tire has four grooves, the tire wear
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。
FIG. 2 is a block diagram showing the functional configuration of the in-
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。
The
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。
The
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から演算モデル生成装置10へ送信する。
The
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を介して演算モデル生成装置10へ送信する。
If the vehicle is equipped with a device such as a digital tachometer, the
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。演算モデル生成装置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。
Returning to FIG. 1, the weather
演算モデル生成装置10は、通信部11、車両情報取得部12、摩耗量算出部13、記憶部14および学習処理部15を備える。演算モデル生成装置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。
The arithmetic
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。
The
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。
The vehicle
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。
The vehicle
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。
The vehicle
車両情報取得部12は、取得した走行距離を摩耗量算出部13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13へ出力する。車両情報取得部12は、摩耗量算出部13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13へ出力する。
The vehicle
また車両情報取得部12は、車両仕様データ14aおよびタイヤ仕様データ14b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14から取得し、摩耗量算出部13へ出力する。記憶部14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。
The vehicle
車両仕様データ14a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14bには、例えばタイヤ識別情報、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。例えばタイヤ7にRFIDを内蔵させておき、タイヤ摩耗量計測装置60によって摩耗量を計測する際に、RFIDを読み取ってタイヤ識別情報と車両における軸位置とを対応付けるデータを記憶部14に記憶するようにしてもよい。タイヤ7の車両における軸位置は、タイヤローテーションによって変更されることになるが、ローテーション履歴が記録されていない場合であっても、記憶部14に記憶したタイヤ識別情報と車両における軸位置との対応関係を参照して、タイヤ7が装着されている軸位置の判別や、軸位置が変更された時期を知得することができる。また、タイヤ7においてホイールの向きを付け替える作業が行われたことを記憶部14に記憶させておくことで、タイヤ7の個々の溝がホイールを基準に表裏のいずれの側にあるかについても追跡していくことができる。
The
摩耗量算出部13は、演算モデル13aを有し、タイヤ7の摩耗量を推定する。演算モデル13a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3は、演算モデル13a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13aへの入力データは、概ね車両計測情報、タイヤ計測情報およびその他情報の各系統に分類される。
The
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。
Input data related to vehicle metrology information includes vehicle acceleration and distance traveled. The traveled distance is obtained by the vehicle
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14aに含まれる車両の最大積載荷重、タイヤ仕様データ14b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。
The input data of the other information includes the road surface condition estimated based on the weather information, the maximum load of the vehicle included in the
演算モデル13a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13a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13a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。
The
学習処理部15は、データ処理装置20によって生成されたタイヤ7の摩耗量データベース中の各データを取得し、演算モデル13aの学習に用いる教師データとする。演算モデル13aの学習過程では、入力情報に基づいて演算モデル13a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。
The
学習処理部15は、演算モデル13a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13a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。尚、学習処理部15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13a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。
The
図4は、データ処理装置20の機能構成を示すブロック図である。データ処理装置20は、通信部21、データ処理部22および記憶部23を備える。データ処理装置20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。
FIG. 4 is a block diagram showing the functional configuration of the
通信部21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、タイヤ摩耗量計測装置60との間で通信する。記憶部23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、データ処理部22により生成される摩耗量データベース23aを記憶する。データ処理装置20は、生成した摩耗量データベース23a中の各データを演算モデル生成装置10へ出力するが、通信部21を介して各データを演算モデル生成装置10へ送信するようにしてもよい。
The
データ処理部22は、データ取得部22a、閾値設定部22b、連続性判定部22cおよびデータベース生成部22dを備える。データ取得部22aは、通信部21を介してタイヤ摩耗量計測装置60から、選定した車両の軸位置(車輪位置)に装着されたタイヤ7の摩耗量の計測データを取得する。上述のように、タイヤ摩耗量計測装置60は所定期間(例えば数か月~数年)において複数回に亘ってタイヤ7の摩耗量を計測しており、データ取得部22aは、計測された全ての摩耗量データを取得する。データ取得部22aでは、タイヤおよびタイヤの複数の溝について所定期間において特定が可能となっており、同じタイヤの同じ溝について時系列的に摩耗量データを取得できることが望ましい。
The
閾値設定部22bは、データ取得部22aにより取得した摩耗量に関するデータに対して下限側閾値および上限側閾値を設定する。閾値設定部22bは、走行距離を摩耗量で除した摩耗指標値WIを各摩耗量の計測データに対して算出する。閾値設定部22bは、車両の走行距離に関するデータを車載計測装置70または演算モデル生成装置10から取得するとよい。
The threshold
閾値設定部22bは、タイヤ7の摩耗量および走行距離が、摩耗量計測の或る時点から次の時点までの間に摩耗量が0.5mm増加し、その間に1000kmを走行していたとすれば、WI=1000/0.5=2000のように摩耗指標値を算出する。閾値設定部22bは、摩耗量計測の時点ごとに摩耗指標値を算出することができる。上述のように、タイヤ摩耗量計測装置60が、例えば、タイヤの溝が4本あり、幅方向の4か所で摩耗量を計測しているような場合、閾値設定部22bは、計測されたそれぞれの摩耗量に対して摩耗指標値を算出する。尚、幅方向4箇所に加え、同一溝の周方向に例えば120°間隔の3箇所で摩耗量を計測してもよい。
The threshold
閾値設定部22bは、摩耗指標値の全データに対して四分位法によって四分位数を算出し、一旦、第1四分位数を第1下限側閾値、第3四分位数を第2上限側閾値に設定する。閾値設定部22bは、下限側閾値および上限側閾値で挟まれた範囲内の摩耗指標値のデータについて平均値WIaを算出する。
The threshold
閾値設定部22bは、摩耗指標値WIの全データに対して、平均値WIaで除した比率PAをそれぞれ算出し、比率PAについて所定範囲を設定する。所定範囲は、例えば比率PAの値が1/3以上、3以下の範囲とし、このとき、1/3が第2下限側閾値、3が第2上限側閾値となる。尚、閾値設定部22bが設定する所定範囲は、これに限られず、第2下限側閾値を1/4、第2上限側閾値を4などと設定してもよい。閾値設定部22bおよび連続性判定部22cは、摩耗指標値WIの平均値を算出する際に、同じタイヤの同じ溝における摩耗指標値のデータ群を対象としても良いし、同じタイヤの複数の溝における摩耗指標値のデータ群を対象としても良い。また閾値設定部22bおよび連続性判定部22cは、摩耗指標値WIの平均値を算出する際に、車軸ごとに摩耗指標値のデータ群を対象として平均値を算出してもよい。例えば車軸が3以上設けられている大型車両において、前部の1軸目(操舵軸)に配置された複数のタイヤの全ての溝における摩耗指標値WIの平均値を算出し、中間の2軸目(駆動軸)に配置された複数のタイヤの全ての溝における摩耗指標値WIの平均値を算出し、後部の3軸目(遊動軸)に配置された複数のタイヤの全ての溝における摩耗指標値WIの平均値を算出するようにしてもよい。
The threshold
閾値設定部22bによって設定された第2下限側閾値よりも小さい比率PAとなる摩耗指標値WIに対応するデータは、例えば摩耗量の測定エラーによって生じた不適切なデータであると一旦認定される。また、閾値設定部22bによって設定された第2上限側閾値よりも大きい比率PAとなる摩耗指標値WIに対応するデータも、不適切なデータであると一旦認定される。閾値設定部22bは、不適切なデータであると認定した各データを連続性判定部22cへ出力する。
Data corresponding to the wear index value WI, which has a ratio PA smaller than the second lower limit threshold set by the
連続性判定部22cは、閾値設定部22bから入力されたデータについて、同じタイヤで、かつ同じ溝で取得された他のデータ(即ち、時間的に前後して計測されたデータ)と比べて、摩耗量の変化が連続的であるか否かを判定する。摩耗量のデータは、上述のように、所定期間内において複数回に亘って取得されている。
The
連続性判定部22cは、同じタイヤかつ同じ溝で取得された他のデータの摩耗指標値WIを、閾値設定部22bから入力されたデータの摩耗指標値WIで除した比率PBを算出し、比率PBについて所定範囲を設定する。所定範囲は、例えば比率PBの値が1/3以上、3以下の範囲とする。尚、連続性判定部22cが設定する所定範囲は、これに限られず、比率PBの値が1/4以上、4以下の範囲などと設定してもよい。
The
別の連続性の判定方法として、連続性判定部22cは、不適切と一旦認定されたデータと同じタイヤかつ同じ溝で取得された他のデータの摩耗指標値WIに対して平均値WIcを算出する。不適切と一旦認定されたデータをWIcで除した比率PCを算出し、比率PCについて所定範囲を設定する。所定範囲は、例えば比率PCの値が1/3以上、3以下の範囲とする。尚、連続性判定部22cが設定する所定範囲は、これに限られず、比率PCの値が1/4以上、4以下の範囲などと設定してもよい。
As another continuity determination method, the
連続性判定部22cは、比率PBが上記の所定範囲内であれば連続的であると判定し、閾値設定部22bによって不適切であると認定されて入力されたデータを適切なデータであると再認定する。連続性判定部22cは、比率PBが所定範囲外であれば連続的でないと判定し、閾値設定部22bによって不適切であると認定されて入力されたデータを依然として不適切なデータであると認定する。
The
連続性判定部22cは、データの連続性について判定し、否との判定結果となったデータをデータベース生成部22dへ出力する。データベース生成部22dは、連続性判定部22cから入力されたデータについて、摩耗量のデータから除外して摩耗量データベース23aを生成する。即ち、摩耗量データベース23aは、データ取得部22aによって取得された、計測された全ての摩耗量データから、連続性判定部22cによって連続性が否定されたデータが除外されたものとなる。
The
次にデータ処理装置20の動作を説明する。図5は、データ処理装置20によるデータベース生成処理の手順を示すフローチャートである。データ処理装置20のデータ取得部22a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の摩耗量のデータを取得する(S1)。閾値設定部22bは、データ取得部22aにより取得した摩耗量の各データについて摩耗指標値WIを算出する(S2)。
Next, the operation of the
閾値設定部22bは、摩耗量の各データの摩耗指標値WIについて、四分位法に基づいて第1下限側閾値および第1上限側閾値を設定する(S3)。閾値設定部22bは、下限側閾値および上限側閾値で挟まれた範囲内の摩耗指標値WIのデータについて平均値WIaを算出する(S4)。
The threshold
閾値設定部22bは、摩耗指標値WIの全データに対して、平均値WIaで除した比率PAを算出する(S5)。閾値設定部22bは、摩耗指標値WIの各データの比率PAのうち所定範囲外のデータを不適切なデータと一旦認定し、連続性判定部22cへ出力する(S6)。
The threshold
連続性判定部22cは、同じタイヤかつ同じ溝で取得された他のデータの摩耗指標値WIを、不適切と一旦認定したデータの摩耗指標値WIで除した比率PBを算出する(S7)。連続性判定部22cは、比率PBが所定範囲内であるか否かを判定する(S8)。
The
ステップS8によって比率PBが所定範囲内であると判定された場合(S8:YES)、データベース生成部22dは、連続性判定部22cから入力されたデータを摩耗量データベース23aに含ませて(S9)、処理を終了する。ステップS8によって比率PBが所定範囲内ではないと判定された場合(S8:NO)、データベース生成部22dは、連続性判定部22cから入力されたデータを摩耗量データベース23aから除外し(S10)、処理を終了する。
If it is determined in step S8 that the ratio PB is within the predetermined range (S8: YES), the
データ処理装置20は、所定期間において複数回に亘って計測されたタイヤ7の摩耗量に関するデータに対して下限側閾値および上限側閾値の範囲外にあるデータが連続的であるか否かを判定し、否と判定した場合に当該データをデータベースから除外する。これにより、データ処理装置20は、不適切なデータを除外してタイヤ7の摩耗量の計測データを選定しデータベースを効率的に生成することができる。
The
データ処理装置20は、タイヤ7の摩耗量データについて車両の走行距離を摩耗量で除した摩耗指標値WIを算出し、摩耗指標値WIが下限側閾値および上限側閾値の範囲外のデータについて連続的であるかを判定する。タイヤ7の摩耗量は、車両の走行距離が長いほど、大きくなる。データ処理装置20は、所定期間において摩耗量の或る計測時点と前回の計測時点との間における車両の走行距離を摩耗量で除した摩耗指標値WIを用いることで、走行距離によるデータのばらつきを抑制することができる。
The
データ処理装置20の閾値設定部22bは、四分位法に基づいて下限値として第1四分位数、上限値として第3四分位数を算出し、下限値を第1下限側閾値、上限値を第1上限側閾値と設定する。閾値設定部22bは、第1下限側閾値および第1上限側閾値の範囲内の摩耗指数値WIのデータに対して平均値WIaを算出し、各データを平均値WIaで除した比率について所定範囲を予め定め、所定範囲の下限値を第2下限側閾値、上限値を第2上限側閾値として設定する。これにより、データ処理装置20は、第1下限側閾値および第1上限側閾値の範囲外のデータであっても、第2下限側閾値および第2上限側閾値の範囲内であれば摩耗量データベース23aに含ませることができる。
The
データ処理装置20は、閾値設定部22bによって設定した第1下限側閾値および第1上限側閾値の範囲外のデータに対して、連続性判定部22cにより他のデータとの連続性を判定し、摩耗量データベース23aに含ませるか除外するかを決めてもよい。これにより、データ処理装置20は、第1下限側閾値および第1上限側閾値の範囲外のデータのうち、他のデータとの連続性が否と判定されたデータを摩耗量データベース23aから除外することができる。
The
演算モデル生成システム100は、データ処理装置20によって生成された摩耗量データベース23a中の摩耗量の各データを教師データとして演算モデル13aを学習させることによって、タイヤ7の摩耗量の推定精度を向上する演算モデル13aを生成することができる。
The computational
図6は、計測された摩耗量データによって学習させた演算モデル13aの摩耗量推定の結果を示す図表である。摩耗量データは実際の車両において計測されたものを用いている。演算モデル13aは、決定木モデルによる演算モデル、およびニューラルネットワークモデルによる演算モデルを例として用いて検証した。
FIG. 6 is a chart showing the result of wear amount estimation of the
図6では、タイヤ7の摩耗量の計測データを全て用いたケース(全データ使用)と、上述のように計測データから不適切なデータを除外したケース(データ除外あり)について、RMSE(二乗平均平方根誤差)を算出した結果を示している。演算モデル13aの摩耗量推定の結果は、決定木およびニューラルネットワークによる両方の場合において、不適切なデータを除外したケースでRMSEの値が低くなり、推定精度が向上してることがわかる。
In FIG. 6, the RMSE (root-mean-square square root error) is shown. As for the result of the wear amount estimation by the
(変形例)
上述の実施形態において、閾値設定部22bは、四分位法に基づいて第1下限側閾値および第1上限側閾値と設定したが、例えば標準偏差などの他の統計学的手法を用いて第1下限側閾値および第1上限側閾値を設定してもよい。また、閾値設定部22bは、第2下限側閾値および第2上限側閾値の設定方法についても、他の統計学的手法を用いてもよい。また、連続性判定部22cは、比率PBについて所定範囲を設定して連続性を判定しているが、連続性の判定手法はこれに限られるものではない。
(Modification)
In the above-described embodiment, the
また、閾値設定部22bは、タイヤ7の摩耗量の各データについて摩耗指標値WIを算出しているが、摩耗量の計測時点間それぞれにおける走行距離が所定期間において同等である場合には、摩耗指標値WIを用いる必要はなく、摩耗量に対して各閾値を定めるようにしてもよい。
Further, the threshold
データ処理装置20は、連続性判定部22cによって連続性が否との判定となったデータを摩耗量データベース23aから除外している。データ処理装置20のデータベース生成部22dは、例えばタイヤ空気圧が所定の閾値より低く、タイヤ7の摩耗量が大きくなっているような場合には、連続性が否と判定されたデータであっても、摩耗量データベース23aに含ませるようにしてもよい。
The
データ処理装置20は、演算モデル生成装置10とは別体の装置で構成されていてもよいし、演算モデル生成装置10と一体的に1つの装置として構成されていてもよい。
The
次に実施形態および変形例に係るデータ処理装置20、データ処理方法および演算モデル生成システム100の特徴について説明する。
データ処理装置20は、データ取得部22a、閾値設定部22b、連続性判定部22cおよびデータベース生成部22dを備える。データ取得部22aは、車両に装着されたタイヤ7の摩耗量に関するデータを所定期間において取得する。閾値設定部22bは、データ取得部22aにより取得したデータに対して下限側閾値および上限側閾値を設定する。連続性判定部22cは、閾値設定部22bにより設定された下限側閾値および上限側閾値の範囲外のデータに対して所定期間における変化が連続的であるか否かを判定する。データベース生成部22dは、連続性判定部22cによる判定結果が否であったデータを除外して摩耗量データベース23aを生成する。これにより、データ処理装置20は、不適切なデータを除外してタイヤ7の摩耗量の計測データを選定し、摩耗量データベース23aを効率的に生成することができる。
Next, features of the
The
また前記データは、車両の走行距離を摩耗量で除した摩耗指標値である。これにより、データ処理装置20は、走行距離によるデータのばらつきを抑制することができる。
Further, the data is a wear index value obtained by dividing the travel distance of the vehicle by the amount of wear. As a result, the
また閾値設定部22bは、四分位法によって下限値および上限値を算出し、下限値を第1下限側閾値、上限値を第1上限側閾値とする。これにより、データ処理装置20は、第1下限側閾値および第1上限側閾値の範囲外のデータのうち、他のデータとの連続性が否と判定されたデータを摩耗量データベース23aから除外することができる。
The threshold
また閾値設定部22bは、四分位法によって算出した下限値および上限値の範囲内のデータに対して平均値を算出し、各データを平均値で除した比率について所定範囲を予め定めており、所定範囲の下限値を第2下限側閾値、上限値を第2上限側閾値とする。これにより、データ処理装置20は、第1下限側閾値および第1上限側閾値の範囲外のデータであっても、第2下限側閾値および第2上限側閾値の範囲内であれば摩耗量データベース23aに含ませることができる。
Further, the threshold
データ処理方法は、データ取得ステップ、閾値設定ステップ、連続性判定ステップおよびデータベース生成ステップを備える。データ取得ステップは、車両に装着されたタイヤ7の摩耗量に関するデータを所定期間において取得する。閾値設定ステップは、データ取得ステップにより取得したデータに対して下限側閾値および上限側閾値を設定する。連続性判定ステップは、閾値設定ステップにより設定された下限側閾値および上限側閾値の範囲外のデータに対して所定期間における変化が連続的であるか否かを判定する。データベース生成ステップは、連続性判定ステップによる判定結果が否であったデータを除外して摩耗量データベース23aを生成する。このデータ処理方法によれば、不適切なデータを除外してタイヤ7の摩耗量の計測データを選定しデータベースを効率的に生成することができる。
The data processing method includes a data acquisition step, a threshold setting step, a continuity determination step, and a database generation step. The data acquisition step acquires data on the amount of wear of the
演算モデル生成システムは、上述のデータ処理装置20、摩耗量算出部13および学習処理部15を備える。摩耗量算出部13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の演算モデル13aを有し、少なくとも車両の走行距離を含む情報を演算モデル13aに入力してタイヤ7の摩耗量を算出する。学習処理部15は、データ処理装置20によって生成された摩耗量データベース23aに含まれる摩耗量のデータと摩耗量算出部13により算出された摩耗量とを比較して演算モデル13aを学習させる。これにより、演算モデル生成システムは、タイヤ7の摩耗量の推定精度を向上する演算モデル13aを生成することができる。
The computational model generation system includes the
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。 The above has been described based on the embodiments of the present invention. Those skilled in the art will appreciate that these embodiments are illustrative and that various variations and modifications are possible within the scope of the claims of the present invention, and that such variations and modifications also fall within the scope of the claims of the present invention. It is about to be done. Accordingly, the description and drawings herein are to be regarded in an illustrative rather than a restrictive sense.
7 タイヤ、 13 摩耗量算出部、 13a 演算モデル、 15 学習処理部、
20 データ処理装置、 22a データ取得部、 22b 閾値設定部、
22c 連続性判定部、 22d データベース生成部、
23a 摩耗量データベース、 100 演算モデル生成システム。
7
20 data processing device, 22a data acquisition unit, 22b threshold value setting unit,
22c continuity determination unit, 22d database generation unit,
23a Wear amount database, 100 Calculation model generation system.
Claims (6)
前記データ取得部により取得したデータに対して下限側閾値および上限側閾値を設定する閾値設定部と、
前記閾値設定部により設定された下限側閾値および上限側閾値の範囲外のデータに対して前記所定期間における変化が連続的であるか否かを判定する連続性判定部と、
前記連続性判定部による判定結果が否であったデータを除外して摩耗量データベースを生成するデータベース生成部と、
を備えることを特徴とするデータ処理装置。 a data acquisition unit that acquires data relating to the amount of wear of a tire mounted on a vehicle in a predetermined period;
a threshold setting unit that sets a lower threshold and an upper threshold for the data acquired by the data acquisition unit;
a continuity determination unit that determines whether or not the data outside the range of the lower limit side threshold and the upper limit side threshold set by the threshold value setting unit changes continuously in the predetermined period;
a database generation unit that generates a wear amount database by excluding data for which the continuity determination unit has determined negative;
A data processing device comprising:
前記データ取得ステップにより取得したデータに対して下限側閾値および上限側閾値を設定する閾値設定ステップと、
前記閾値設定ステップにより設定された下限側閾値および上限側閾値の範囲外のデータに対して前記所定期間における変化が連続的であるか否かを判定する連続性判定ステップと、
前記連続性判定ステップによる判定結果が否であったデータを除外して摩耗量データベースを生成するデータベース生成ステップと、
を備えることを特徴とするデータ処理方法。 a data acquisition step of acquiring data regarding the amount of wear of a tire mounted on a vehicle for a predetermined period of time;
a threshold setting step of setting a lower threshold and an upper threshold for the data acquired in the data acquisition step;
a continuity determination step of determining whether or not the data outside the range of the lower limit side threshold and the upper limit side threshold set in the threshold setting step are continuous in the predetermined period;
a database generation step of generating a wear amount database by excluding data for which the determination result of the continuity determination step was negative;
A data processing method comprising:
入力された情報に基づいてタイヤの摩耗量を算出する学習型の演算モデルを有し、少なくとも前記車両の走行距離を含む情報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、
前記データ処理装置によって生成された摩耗量データベースに含まれる摩耗量のデータ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。 A data processing device according to any one of claims 1 to 4;
It has a learning type computational model for calculating the amount of tire wear based on the input information, and inputs information including at least the mileage of the vehicle into the computational model to calculate the amount of tire wear. Department and
a learning processing unit that compares the wear amount data included in the wear amount database generated by the data processing device with the wear amount calculated by the wear amount calculation unit to learn the arithmetic model;
A calculation model generation system characterized by comprising:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021209650A JP2023094269A (en) | 2021-12-23 | 2021-12-23 | Data processing device, data processing method and calculation model generation system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021209650A JP2023094269A (en) | 2021-12-23 | 2021-12-23 | Data processing device, data processing method and calculation model generation system |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023094269A true JP2023094269A (en) | 2023-07-05 |
Family
ID=87001611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021209650A Pending JP2023094269A (en) | 2021-12-23 | 2021-12-23 | Data processing device, data processing method and calculation model generation system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2023094269A (en) |
-
2021
- 2021-12-23 JP JP2021209650A patent/JP2023094269A/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11458777B2 (en) | Tread wear monitoring system and method | |
CN112292271B (en) | Tread wear monitoring method, system, electronic control unit, and storage medium | |
EP3894825B1 (en) | Model for predicting wear and the end of life of a tyre | |
CN109154498B (en) | Road monitoring method and system | |
JP7271109B2 (en) | Tire maintenance management device and tire maintenance system | |
US20200250899A1 (en) | Tire force estimation system and tire force estimation method | |
US11772432B2 (en) | Arithmetic model generation system, wear amount estimation system, and arithmetic model generation method | |
WO2020120923A1 (en) | Model for predicting wear and the end of life of a tyre | |
EP4124472A1 (en) | Cumulative tire damage estimation system, arithmetic model generation system, and cumulative tire damage estimation method | |
JP6612003B1 (en) | Information processing apparatus, information processing method, and information processing program | |
JP2023094269A (en) | Data processing device, data processing method and calculation model generation system | |
JP2022104266A (en) | Wear amount estimation system, arithmetic model creation system, and wear amount estimation method | |
JP2022104267A (en) | Wear amount estimation system, arithmetic model creation system, and wear amount estimation method | |
JP2022143401A (en) | Wear amount estimation system, computing model generation system, and wear amount estimation method | |
JP2023095216A (en) | Tire wear-amount estimation system and computation model operation method | |
JP2010188885A (en) | Road surface state estimation device | |
EP4357168A1 (en) | Tire load monitoring | |
JP7456749B2 (en) | Wear amount estimation system and calculation model generation system | |
JP2022082175A (en) | Arithmetic model creation system and arithmetic model creation method | |
JP2022104265A (en) | Wear amount estimation system, arithmetic model creation system, and wear amount estimation method | |
JP2023094268A (en) | Tire abrasion amount estimation system, arithmetic model generation system, and tire abrasion amount estimation method | |
JP2023096659A (en) | Wheel nut looseness prediction device, wheel nut looseness prediction method, calculation model generation system and vehicle operation system | |
JP7306943B2 (en) | VEHICLE RUNNING CONDITION EVALUATION METHOD AND SYSTEM | |
CN117057219A (en) | Tire damage prediction method, device, equipment, storage medium and vehicle | |
JP2024024517A (en) | Information processing device and information processing method |