JP2023137385A - クラスタリングシステム、クラスタリング方法、及びプログラム - Google Patents

クラスタリングシステム、クラスタリング方法、及びプログラム Download PDF

Info

Publication number
JP2023137385A
JP2023137385A JP2022043575A JP2022043575A JP2023137385A JP 2023137385 A JP2023137385 A JP 2023137385A JP 2022043575 A JP2022043575 A JP 2022043575A JP 2022043575 A JP2022043575 A JP 2022043575A JP 2023137385 A JP2023137385 A JP 2023137385A
Authority
JP
Japan
Prior art keywords
information
occupied object
occupied
clustering
class
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
Application number
JP2022043575A
Other languages
English (en)
Inventor
滋 並木
Shigeru Namiki
記吉 浅見
Kikichi Asami
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honda Motor Co Ltd
Original Assignee
Honda Motor Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Honda Motor Co Ltd filed Critical Honda Motor Co Ltd
Priority to JP2022043575A priority Critical patent/JP2023137385A/ja
Publication of JP2023137385A publication Critical patent/JP2023137385A/ja
Pending legal-status Critical Current

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

【課題】占有対象物におけるユーザーや所有者を含む占有者を、占有対象物の一部又は全体の使い方の相違に応じてクラス分けする。【解決手段】所有者を含む占有者による占有対象物の使用態様を含む占有態様に関する占有対象物情報を、複数の占有者について個別に取得する占有対象物情報取得部11と、占有対象物情報と同一の種類の要素を有し、要素の値を占有対象物の所定数の異なる状態の度合に対応させて設定した、所定数の代表情報を設定する代表情報設定部12と、複数の占有対象物情報と所定数の代表情報とを合わせた対象占有物情報群に対して、所定のクラスタリング処理を実行することにより、対象占有物情報群を所定数のクラスに分けるクラスタリング部13と、各クラスに属する代表情報に基づいて、占有対象物の状態の度合に関する意味を割り当てるクラス意味割当部14と、を備える。【選択図】図1

Description

本発明は、クラスタリングシステム、クラスタリング方法、及びプログラムに関する。
従来、車両の運転者の運転スタイルを、車両に備えられたセンサの信号に基づいて分類し、運転スタイルに適合された車両制御を行う装置が提案されている(例えば、特許文献1参照)。また、車両の走行時に、車速とアクセルワークの時系列データに基づいて、ニューラルネットワークにより、運転車の加速要求を推定するためのアクセルパターンを分類する技術が提案されている(例えば、特許文献2参照)。
特表2005-511392号公報 特開平06-249004号公報
車両等の移動体の劣化の程度は、ユーザーによる移動体の使い方によって相違する。そのため、移動体のユーザーを移動体の使い方によってクラス分けすることにより、中古の移動体を売買する際に、以前のユーザーのクラスに応じて、移動体の劣化を考慮した適切な価格を設定することができると考えられる。また、移動体を使用中のユーザーに対して、ユーザーが属するクラスを通知することで、移動体の使い方の改善を促すことができる。また、バッテリの劣化を予測して、バッテリの劣化に応じた充放電制御等を行うことにより、エネルギー効率の改善を図ることが考えられる。
本発明はかかる背景に鑑みてなされたものであり、車両等の占有対象物におけるユーザーや所有者を含む占有者を、占有対象物の一部又は全体の使い方の相違に応じてクラス分けすることができるクラスタリングシステム、クラスタリング方法、及びプログラムを提供することを目的とする。
上記目的を達成するための第1態様として、所有者を含む占有者による占有対象物の使用態様を含む占有態様に関する占有対象物情報を、複数の占有者について個別に取得する占有対象物情報取得部と、前記占有対象物情報と同一の種類の要素を有し、前記要素の値を占有対象物の所定数の異なる状態の度合に対応させて設定した、前記所定数の代表情報を設定する代表情報設定部と、前記占有対象物情報取得部により取得された複数の前記占有対象物情報と、前記代表情報設定部より設定された前記所定数の前記代表情報と、を合わせた対象占有物情報群に対して、所定のクラスタリング処理を実行することにより、前記対象占有物情報群を前記所定数のクラスに分けるクラスタリング部と、前記クラスタリング部により分けられた各クラスに対して、各クラスに属する前記代表情報に基づいて、占有対象物の状態の度合に関する意味を割り当てるクラス意味割当部と、を備えるクラスタリングシステムが挙げられる。
上記クラスタリングシステムにおいて、前記代表情報設定部は、前記所定数の前記代表情報のうちの少なくとも二つを、占有対象物の所定範囲の状態の度合に対応した異なる前記要素の値を有する所定範囲代表情報に設定し、前記クラスタリング部は、前記所定範囲代表情報を含む前記クラスをまとめた集合クラスを生成し、前記クラス意味割当部は、前記集合クラスに対して、前記所定範囲に応じた意味を割り当てる構成としてもよい。
上記クラスタリングシステムにおいて、前記占有対象物は移動体であり、前記占有対象物情報は、前記移動体を使用する前記占有者による使用態様に関する移動体使用情報であり、前記占有対象物の状態の度合は、前記移動体の一部又は全部の劣化度であり、前記移動体は、前記占有対象物情報取得部へ前記移動体使用情報を発信する構成になっている構成としてもよい。
上記目的を達成するための第2態様として、コンピュータにより実行されるクラスタリング方法であって、所有者を含む占有者による占有対象物の使用態様を含む占有態様に関する占有対象物情報を、複数の占有者について個別に取得する占有対象物情報取得ステップと、前記占有対象物情報と同一の種類の要素を有し、前記要素の値を占有対象物の所定数の異なる状態の度合に対応させて設定した、前記所定数の代表情報を設定する代表情報設定ステップと、前記占有対象物情報取得ステップにより取得された複数の前記占有対象物情報と、前記代表情報設定ステップにより設定された前記所定数の前記代表情報と、を合わせた対象占有物情報群に対して、所定のクラスタリング処理を実行することにより、前記対象占有物情報群を前記所定数のクラスに分けるクラスタリングステップと、前記クラスタリングステップにより分けられた各クラスに対して、各クラスに属する前記代表情報に基づいて、占有対象物の状態の度合に関する意味を割り当てるクラス意味割当ステップと、を含むクラスタリング方法が挙げられる。
上記目的を達成するための第3態様として、コンピュータを、所有者を含む占有者による占有対象物の使用態様を含む占有態様に関する占有対象物情報を、複数の占有者について個別に取得する占有対象物情報取得部と、前記占有対象物情報と同一の種類の要素を有し、前記要素の値を占有対象物の所定数の異なる状態の度合に対応させて設定した、前記所定数の代表情報を設定する代表情報設定部と、前記占有対象物情報取得部により取得された複数の前記占有対象物情報と、前記代表情報設定部より設定された前記所定数の前記代表情報と、を合わせた対象占有物情報群に対して、所定のクラスタリング処理を実行することにより、前記対象占有物情報群を前記所定数のクラスに分けるクラスタリング部と、前記クラスタリング部により分けられた各クラスに対して、各クラスに属する前記代表情報に基づいて、占有対象物の状態の度合に関する意味を割り当てるクラス意味割当部と、して機能させるためのプログラムが挙げられる。
上記クラスタリングシステムによれば、自動車のような動産又は住宅のような不動産を含む占有対象物における、ユーザーや所有者を含む占有者を、所定数のクラスタ群に分けることのみならず、占有対象物の一部又は全体の使い方の相違に応じてクラス分けすることができる。
図1は、クラスタリングシステムの構成図である。 図2は、移動体使用情報の説明図である。 図3は、代表情報の説明図である。 図4は、対象占有物情報群のクラスタリングの説明図である。 図5は、クラスタリング処理のフローチャートである。 図6は、他の実施形態の集合クラスの説明図である。 図7は、他の実施形態の代表情報の説明図である。 図8は、他の実施形態の対象占有物情報群のクラスタリングの説明図である。
[1.クラスタリングシステムの構成]
図1~図4を参照して、本実施形態のクラスタリングシステム1の構成について説明する。クラスタリングシステム1は、通信ネットワーク200を介して、車両管理サーバー210との間で通信を行う。車両管理サーバー210は、通信ネットワーク200を介して、複数の車両50との間で通信を行う。車両50は、本開示の占有対象物に相当する。
各車両50には、通信機能を有する制御装置51、及び車両50の動力源であるバッテリ52が備えられている。車両管理サーバー210は、各車両50から定期的に送信される、各ユーザーUによる車両50の使用状況を示す車両状態情報Cciを受信する。
車両状態情報Cciには、各ユーザーUについて個別に設定されたユーザーID、各車両50について個別に設定された車両ID、所定の測定サイクルで測定される車両50におけるアクセル開度、車速、バッテリ52の充放電量等の、ユーザーUによる車両50の使い方に関する情報が含まれる。車両50におけるアクセル開度、車速、バッテリ52の充放電量等は、車両50に搭載されたセンサにより検出される。
車両管理サーバー210は、各車両50から送信される車両状態情報Cciに基づいて、図2に示したように、各ユーザーUのユーザーID毎に、使用される車両50の車両ID、ユーザーUによる車両50の使用期間における、アクセル開度の平均値、車速の平均値、バッテリ52の充放電量等を含む、移動体使用情報Cuiを生成して、車両管理DB(database)211に保存する。図2は、n人のユーザーUについてのn個の移動体使用情報Cui-1,Cui-2,…,Cui-nの例を示している。
ここで、ユーザーUによる車両50の使用期間における、アクセル開度の平均値、車速の平均値、バッテリ52の充放電量は、ユーザーUによる車両50の使用態様(マイルド、過激)、及び使用態様による影響を受ける車両50の劣化度との相関性が高いと想定される要素(特徴量)である。劣化度は、本開示の状態の度合に相当する。
クラスタリングシステム1は、プロセッサ10、メモリ20、通信部30を備えたコンピュータシステムである。通信部30は、通信ネットワーク200を介して車両管理サーバー210等との間で通信を行う。メモリ20には、クラスタリングシステム1の制御用のプログラム21と、移動体使用情報Cuiが記録される占有対象物情報DB22が保存されている。車両状態情報Cci、移動体使用情報Cuiは、本開示の占有対象物情報に相当する。
プロセッサ10は、プログラム21を読み込んで実行することにより、占有対象物情報取得部11、代表情報設定部12、クラスタリング部13、及びクラス意味割当部14として機能する。占有対象物情報取得部11により実行される処理は、本開示のクラスタリング方法における移動体使用情報取得ステップに相当し、代表情報設定部12により実行される処理は、本開示のクラスタリング方法における代表情報設定ステップに相当する。クラスタリング部13により実行される処理は、本開示のクラスタリング方法におけるクラスタリングステップに相当し、クラス意味割当部14により実行される処理は、本開示のクラスタリング方法におけるクラス意味割当ステップに相当する。
占有対象物情報取得部11は、通信部30により、通信ネットワーク200を介して車両管理サーバー210にアクセスすることにより、移動体使用情報Cuiを受信して占有対象物情報DB22に記録する。代表情報設定部12は、図3に示したように、代表情報Aui(Aui-R,Aui-G)を設定する。代表情報Auiは、移動体使用情報Cuiと同じ種類の要素である、ユーザーID、車両ID、アクセル開度の平均値、車速の平均値、バッテリの充放電量等の情報を含んでいる。
代表情報設定部12は、クラスタリングシステム1のシステム運用者Vにより入力される代表情報Auiの設定条件に基づいて、或いは過去に取得された移動体使用情報Cuiの解析、実験、コンピュータシミュレーション等に基づく設定処理を行って、代表情報Auiを設定する。
ユーザーIDと車両IDはダミーである。代表情報Aui-Rは、各要素(アクセル開度平均値、車速の平均値、バッテリの充放電量等)の値を、車両50の使用態様が過激であるユーザーUの代表的な値を想定して設定される。代表情報Aui-Gは、各要素の値を、車両50の使用態様がマイルド(穏やか)であるユーザーUの代表的な値を想定して設定される。
クラスタリング部13は、占有対象物情報DB22に保存された複数のユーザーUの移動体使用情報Cui、及び代表情報Auiとからなる対象占有物情報群に対して、クラスタリングを行って、移動体使用情報Cuiを2つのクラスに分ける処理を実行する。具体的には、クラスタリング部13は、図4に示したように、図2を参照して上述したn人のユーザーUについてのn個の移動体使用情報100(Cui-1,Cui-2,…,Cui-n)と、図3を参照して上述した2個の代表情報101(Aui-R,Aui-G)とからなる対象占有物情報群110を入力する。
そして、クラスタリング部13は、SOM(Self-Organizing Map)等の公知の機械学習によるクラスタリング・アルゴリズムを用いて、対象占有物情報群110のn個の移動体使用情報Cui-1,Cui-2,…,Cui-nと2個の代表情報Aui-R,Aui-Gを、上述した複数の要素(ユーザーUによる車両50の使用期間における、アクセル開度の平均値、車速の平均値、バッテリ52の充放電量等)の類似度の距離の近さによって、代表情報Auiの個数である二つのクラス1,2に分ける。
クラス意味割当部14は、代表情報Aui-R(過激に対応した代表情報Aui)が属するクラス1に、ユーザーUによる車両50の使用態様が「過激」(車両50の劣化度が大)を割り当てる。また、クラス意味割当部14は、代表情報Aui-G(マイルドに対応した代表情報Aui)が属するクラス2に、ユーザーUによる車両50の使用態様が「マイルド」(車両50の劣化度が小)を割り当てる。
これにより、教師データ無しのクラスタリングの結果に対して、システム運用者V等が別途、クラスタリング結果を分析してクラス1,2に意味を割り当てる作業を不要とすることができる。
[2.クラスタリング処理]
図5に示したフローチャートに従って、クラスタリングシステム1により実行される複数のユーザーUについての移動体使用情報Cuiのクラスタリング処理の手順について説明する。
図5のステップS1で、占有対象物情報取得部11は、通信部30により、車両管理サーバー210にアクセスして、車両管理DB211に記録された複数のユーザーUの移動体使用情報Cui(Cui-1~Cui-n)を取得する。続くステップS2で、代表情報設定部12は、2段階(車両50の使用態様が過激、マイルド)の代表情報Aui(Aui-R,Aui-G)を設定する。
次のステップS3で、クラスタリング部13は、図4を参照して上述したように、複数の移動体使用情報Cui(Cui-1~Cui-n)と2個の代表情報Aui(Aui-R,Aui-G)からなる対象占有物情報群110に対して、クラスタリングを行って、対象占有物情報群110を二つのクラス1,2に分ける。
続くステップS4で、クラス意味割当部14は、各クラス1,2に属する代表情報Auiに基づいて、各クラス1,2に意味付け(過激、マイルド)を割り当てる。すなわち、クラス意味割当部14は、代表情報Aui-Rが属するクラス1に、「過激}を割り当て、代表情報Aui-Gが属するクラス2に、「マイルド」を割り当てる。
[3.他の実施形態]
上記実施形態では、移動体使用情報Cuiを二つのクラスに分ける例を示したが、移動体使用情報Cuiを三つ以上のクラスに分けてもよい。その場合に、三つ以上に分けたクラスの一部を合わせた集合クラスを生成してもよい。以下、図6~図8を参照して、集合クラスを生成する実施形態について説明する。
図6のA1は、移動体使用情報Cuiを、車両50の劣化度(特にバッテリ52の劣化度)を、劣化小、劣化中、劣化大の三段階に分けるために、劣化小を想定した代表情報Aui-G、劣化中を想定した代表情報Aui-N、及び劣化大を想定した代表情報Aui-Rを設定して、クラスタリングを行った場合を示している。
この場合、劣化中の範囲が広いため、本来であれば劣化中のクラス2に属するべきである移動体使用情報Cui-a,Cui-bが、類似度の距離がAui-NよりもAui-Gの方が短いために、劣化小のクラス1に属することになってしまう。また、本来であれば劣化大のクラス3に属するべきである移動体使用情報Cui-c,Cui-dが、類似度の距離がAui―NよりもAui-Rの方が短いために、劣化大のクラス3に属することになってしまう。
そこで、このような不都合を回避するために、代表情報設定部12は、図7に示したように、劣化中の範囲(本開示の所定範囲に相当する)内で、三つの代表情報Aui-NL、Aui-NM、Aui-NH(本開示の所定範囲情報に相当する)を設定する。Aui-NLは、劣化中の範囲の劣化小側を想定して設定され、Aui-NMは、劣化中の範囲の中央値を想定して設定され、Aui-NHは、劣化中の範囲の劣化大側を想定して設定される。
クラスタリング部13は、図8に示したように、n個の移動体使用情報100(Cui-1,Cui-2,…,Cui-n)と、5個の代表情報102(Aui-R,Aui-NH,Aui-NM,Aui-NL,Aui-G)からなる対象占有物情報群111に対して、クラスタリングを行う。
クラスタリングにより、図6のA2に示したように、対象占有物情報群111がクラス1~5の五つのクラスに分けられる。そして、クラスタリング部13は、劣化中に対応するクラス2、クラス3、クラス4をまとめて一つの集合クラスとする。また、クラス意味割当部14は、クラス1に劣化小、集合クラスに劣化中、クラス5に劣化大の意味を割り当てる。これにより、A1で劣化小のクラス1に属していた移動体使用情報Cui-a,Cui-bを、劣化中の集合クラスに含ませることができる。また、A1で劣化大のクラス3に属していた移動体使用情報Cui-c,Cui-dを、劣化中の集合クラスに含ませることができる。
上記実施形態では、クラスタリングシステム1が、車両管理サーバー210から移動体使用情報Cuiを取得する例を示した。他の実施形態として、クラスタリングシステム1が、各車両50から車両状態情報Cciを受信して、クラスタリングシステム1が、車両状態情報Cciに基づいて移動体使用情報Cuiを生成する構成としてもよい。
上記実施形態では、本開示の占有対象物として車両50を示したが、本開示のクラスタリングシステムの適用が可能な占有対象物は、移動体としての車両に限られず、飛行体、船舶等の他の種類の移動体を含む動産、又は住宅のような不動産に対しても、本開示のクラスタリングシステムの適用が可能である。
なお、図1は、本願発明の理解を容易にするために、クラスタリングシステム1の構成を、主な処理内容により区分して示した概略図であり、クラスタリングシステム1の構成を、他の区分によって構成してもよい。また、各構成要素の処理は、1つのハードウェアユニットにより実行されてもよいし、複数のハードウェアユニットにより実行されてもよい。また、図5に示した各構成要素による処理は、1つのプログラムにより実行されてもよいし、複数のプログラムにより実行されてもよい。
[4.上記実施形態によりサポートされる構成]
上記実施形態は、以下の構成の具体例である。
(構成1)所有者を含む占有者による占有対象物の使用態様を含む占有態様に関する占有対象物情報を、複数の占有者について個別に取得する占有対象物情報取得部と、前記占有対象物情報と同一の種類の要素を有し、前記要素の値を占有対象物の所定数の異なる状態の度合に対応させて設定した、前記所定数の代表情報を設定する代表情報設定部と、前記占有対象物情報取得部により取得された複数の前記占有対象物情報と、前記代表情報設定部より設定された前記所定数の前記代表情報と、を合わせた対象占有物情報群に対して、所定のクラスタリング処理を実行することにより、前記対象占有物情報群を前記所定数のクラスに分けるクラスタリング部と、前記クラスタリング部により分けられた各クラスに対して、各クラスに属する前記代表情報に基づいて、占有対象物の状態の度合に関する意味を割り当てるクラス意味割当部と、を備えるクラスタリングシステム。
構成1のクラスタリングシステムによれば、自動車のような動産又は住宅のような不動産を含む占有対象物における、ユーザーや所有者を含む占有者を、所定数のクラスタ群に分けることのみならず、占有対象物の一部又は全体の使い方の相違に応じてクラス分けすることができる。
(構成2)前記代表情報設定部は、前記所定数の前記代表情報のうちの少なくとも二つを、占有対象物の所定範囲の状態の度合に対応した異なる前記要素の値を有する所定範囲代表情報に設定し、前記クラスタリング部は、前記所定範囲代表情報を含む前記クラスをまとめた集合クラスを生成し、前記クラス意味割当部は、前記集合クラスに対して、前記所定範囲に応じた意味を割り当てる構成1に記載のクラスタリングシステム。
構成2のクラスタリングシステムによれば、クラスの範囲が広い場合におけるクラス間の境界部の区分の精度を高めることができる。
(構成3)前記占有対象物は移動体であり、前記占有対象物情報は、前記移動体を使用する前記占有者による使用態様に関する移動体使用情報であり、前記占有対象物の状態の度合は、前記移動体の一部又は全部の劣化度であり、前記移動体は、前記占有対象物情報取得部へ前記移動体使用情報を発信する構成になっている構成1又は構成2に記載のクラスタリングシステム。
構成3のクラスタリングシステムによれば、移動体の使用者を、移動体の使い方の相違に応じてクラス分けすることができる。
(構成4)コンピュータにより実行されるクラスタリング方法であって、所有者を含む占有者による占有対象物の使用態様を含む占有態様に関する占有対象物情報を、複数の占有者について個別に取得する占有対象物情報取得ステップと、前記占有対象物情報と同一の種類の要素を有し、前記要素の値を占有対象物の所定数の異なる状態の度合に対応させて設定した、前記所定数の代表情報を設定する代表情報設定ステップと、前記占有対象物情報取得ステップにより取得された複数の前記占有対象物情報と、前記代表情報設定ステップにより設定された前記所定数の前記代表情報と、を合わせた対象占有物情報群に対して、所定のクラスタリング処理を実行することにより、前記対象占有物情報群を前記所定数のクラスに分けるクラスタリングステップと、前記クラスタリングステップにより分けられた各クラスに対して、各クラスに属する前記代表情報に基づいて、占有対象物の状態の度合に関する意味を割り当てるクラス意味割当ステップと、を含むクラスタリング方法。
構成4のクラスタリング方法をコンピュータにより実行することによって、構成1のクラスタリングシステムと同様の作用効果を得ることができる。
(構成5)コンピュータを、所有者を含む占有者による占有対象物の使用態様を含む占有態様に関する占有対象物情報を、複数の占有者について個別に取得する占有対象物情報取得部と、前記占有対象物情報と同一の種類の要素を有し、前記要素の値を占有対象物の所定数の異なる状態の度合に対応させて設定した、前記所定数の代表情報を設定する代表情報設定部と、前記占有対象物情報取得部により取得された複数の前記占有対象物情報と、前記代表情報設定部より設定された前記所定数の前記代表情報と、を合わせた対象占有物情報群に対して、所定のクラスタリング処理を実行することにより、前記対象占有物情報群を前記所定数のクラスに分けるクラスタリング部と、前記クラスタリング部により分けられた各クラスに対して、各クラスに属する前記代表情報に基づいて、占有対象物の状態の度合に関する意味を割り当てるクラス意味割当部と、して機能させるためのプログラム。
構成5のプログラムをコンピュータにより実行することによって、構成1のクラスタリングシステムの構成を実現することができる。
1…クラスタリングシステム、10…プロセッサ、11…占有対象物情報取得部、12…代表情報設定部、13…クラスタリング部、13…クラス意味割当部、20…メモリ、21…プログラム、22…占有対象物情報DB、50…車両(移動体)、51…車載装置、52…バッテリ、200…通信ネットワーク、210…車両管理サーバー、211…車両管理DB、U…ユーザー、V…システム運用者。

Claims (5)

  1. 所有者を含む占有者による占有対象物の使用態様を含む占有態様に関する占有対象物情報を、複数の占有者について個別に取得する占有対象物情報取得部と、
    前記占有対象物情報と同一の種類の要素を有し、前記要素の値を占有対象物の所定数の異なる状態の度合に対応させて設定した、前記所定数の代表情報を設定する代表情報設定部と、
    前記占有対象物情報取得部により取得された複数の前記占有対象物情報と、前記代表情報設定部より設定された前記所定数の前記代表情報と、を合わせた対象占有物情報群に対して、所定のクラスタリング処理を実行することにより、前記対象占有物情報群を前記所定数のクラスに分けるクラスタリング部と、
    前記クラスタリング部により分けられた各クラスに対して、各クラスに属する前記代表情報に基づいて、占有対象物の状態の度合に関する意味を割り当てるクラス意味割当部と、
    を備えるクラスタリングシステム。
  2. 前記代表情報設定部は、前記所定数の前記代表情報のうちの少なくとも二つを、占有対象物の所定範囲の状態の度合に対応した異なる前記要素の値を有する所定範囲代表情報に設定し、
    前記クラスタリング部は、前記所定範囲代表情報を含む前記クラスをまとめた集合クラスを生成し、
    前記クラス意味割当部は、前記集合クラスに対して、前記所定範囲に応じた意味を割り当てる
    請求項1に記載のクラスタリングシステム。
  3. 前記占有対象物は移動体であり、
    前記占有対象物情報は、前記移動体を使用する前記占有者による使用態様に関する移動体使用情報であり、
    前記占有対象物の状態の度合は、前記移動体の一部又は全部の劣化度であり、
    前記移動体は、前記占有対象物情報取得部へ前記移動体使用情報を発信する構成になっている
    請求項1又は2に記載のクラスタリングシステム。
  4. コンピュータにより実行されるクラスタリング方法であって、
    所有者を含む占有者による占有対象物の使用態様を含む占有態様に関する占有対象物情報を、複数の占有者について個別に取得する占有対象物情報取得ステップと、
    前記占有対象物情報と同一の種類の要素を有し、前記要素の値を占有対象物の所定数の異なる状態の度合に対応させて設定した、前記所定数の代表情報を設定する代表情報設定ステップと、
    前記占有対象物情報取得ステップにより取得された複数の前記占有対象物情報と、前記代表情報設定ステップにより設定された前記所定数の前記代表情報と、を合わせた対象占有物情報群に対して、所定のクラスタリング処理を実行することにより、前記対象占有物情報群を前記所定数のクラスに分けるクラスタリングステップと、
    前記クラスタリングステップにより分けられた各クラスに対して、各クラスに属する前記代表情報に基づいて、占有対象物の状態の度合に関する意味を割り当てるクラス意味割当ステップと、
    を含むクラスタリング方法。
  5. コンピュータを、
    所有者を含む占有者による占有対象物の使用態様を含む占有態様に関する占有対象物情報を、複数の占有者について個別に取得する占有対象物情報取得部と、
    前記占有対象物情報と同一の種類の要素を有し、前記要素の値を占有対象物の所定数の異なる状態の度合に対応させて設定した、前記所定数の代表情報を設定する代表情報設定部と、
    前記占有対象物情報取得部により取得された複数の前記占有対象物情報と、前記代表情報設定部より設定された前記所定数の前記代表情報と、を合わせた対象占有物情報群に対して、所定のクラスタリング処理を実行することにより、前記対象占有物情報群を前記所定数のクラスに分けるクラスタリング部と、
    前記クラスタリング部により分けられた各クラスに対して、各クラスに属する前記代表情報に基づいて、占有対象物の状態の度合に関する意味を割り当てるクラス意味割当部と、
    して機能させるためのプログラム。
JP2022043575A 2022-03-18 2022-03-18 クラスタリングシステム、クラスタリング方法、及びプログラム Pending JP2023137385A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2022043575A JP2023137385A (ja) 2022-03-18 2022-03-18 クラスタリングシステム、クラスタリング方法、及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2022043575A JP2023137385A (ja) 2022-03-18 2022-03-18 クラスタリングシステム、クラスタリング方法、及びプログラム

Publications (1)

Publication Number Publication Date
JP2023137385A true JP2023137385A (ja) 2023-09-29

Family

ID=88145511

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022043575A Pending JP2023137385A (ja) 2022-03-18 2022-03-18 クラスタリングシステム、クラスタリング方法、及びプログラム

Country Status (1)

Country Link
JP (1) JP2023137385A (ja)

Similar Documents

Publication Publication Date Title
CN106314428B (zh) 一种避撞系统、避撞方法及机动车辆
Suzdaleva et al. An online estimation of driving style using data-dependent pointer model
CN111907342B (zh) 纯电动汽车的工况识别控制方法
JP6593798B2 (ja) 車両、車両の通信モジュールと通信するシステム、および1組の車両と通信するシステム
CN111688713B (zh) 驾驶行为分析方法和装置
CN112766578A (zh) 一种基于车辆网的车辆用途识别方法、系统及存储介质
CN112651570B (zh) 高速公路服务区交通量预测模型构建、预测方法及装置
CN111353599A (zh) 深度神经网络的正确性保持优化
WO2018035087A1 (en) System and method for estimating and predicting vehicle trip energy consumption
CN105527110B (zh) 汽车燃油经济性的评估方法和装置
CN110462670A (zh) 信息处理装置、信息处理系统、信息处理方法以及程序
CN111695692A (zh) 用于预测损伤程度的装置和方法
Suzdaleva et al. Two-layer pointer model of driving style depending on the driving environment
CN114644018A (zh) 一种基于博弈论的自动驾驶车辆人车交互决策规划方法
CN111191824A (zh) 一种动力电池容量衰减预测方法及系统
CN115345347A (zh) 交通风险预测方法、装置、计算机设备和存储介质
Hegde et al. Real-world driving features for identifying intelligent driver model parameters
RU2708965C1 (ru) Способ исследования функционального поведения технической системы и блок обработки
EP4152241A1 (en) Method and computer programmes for the management of vehicle fleets
JP2023137385A (ja) クラスタリングシステム、クラスタリング方法、及びプログラム
Niroomand et al. Segment-Based CO₂ Emission Evaluations From Passenger Cars Based on Deep Learning Techniques
CN116564346A (zh) 模型训练及声音品质评价方法、装置、电子设备
Good et al. Vehicle speeds for pedestrian pre-crash system test scenarios based on US data
CN114281664A (zh) 应用程序负载数据预测方法、装置及存储介质
Deniz et al. Application of data mining methods for analyzing of the fuel consuption and emission levels