JP2023144929A - 車体状態検知システム、及び、車体状態検知方法 - Google Patents

Abstract

【課題】既存のセンサを用いて車体の状態を推定することで、製造コストの高騰化を抑制することができる車体状態検知システム及び車体状態検知方法を提供する。【解決手段】車体状態検知システムは、人力駆動車（電動自転車２）に関する情報である人力駆動車情報を取得するセンサと、センサから人力駆動車情報を取得し、取得した人力駆動車情報を解析する解析部４１と、人力駆動車情報に基づいて、人力駆動車情報と間接的に関連する人力駆動車の状態を推定する推定部４２とを備えている。そして、解析部４１は、推定した人力駆動車の状態が、人力駆動車に異常のある状態であれば、人力駆動車に異常があることを示す情報である異常状態情報を出力し、推定した人力駆動車の状態が、人力駆動車が正常な状態であれば、人力駆動車が正常であることを示す情報である正常状態情報を出力する。【選択図】図５

Description

本開示は、車体状態検知システム、及び、車体状態検知方法に関する。

従来技術として、特許文献１には、電動車両が開示されている。電動車両は、車体側に車両の走行状態を制御する車両制御装置を備えた電動車両の診断装置である。電池管理装置は、電池装置の異常を診断する電池側異常診断モードを有し、その診断結果を電池側表示部に表示するように構成されている。

特開２００１－１２８３０１号公報

上記従来の電動車両では、電動車両に搭載される電池装置の異常を診断することができる。しかしながら、従来の電動車両では、電池装置の異常を診断するための専用にセンサを新たに搭載するため、製造コストが高騰化するという課題がある。

そこで、本開示では、既存のセンサを用いて車体の状態を推定することで、製造コストの高騰化を抑制することができる車体状態検知システム、及び、車体状態検知方法を提供することを目的とする。

上記目的を達成するため、本開示の一態様に係る車体状態検知システムは、人力駆動車に関する情報である人力駆動車情報を取得するセンサと、前記センサから前記人力駆動車情報を取得し、取得した前記人力駆動車情報を解析する解析部と、前記人力駆動車情報に基づいて、前記人力駆動車情報と間接的に関連する前記人力駆動車の状態を推定する推定部とを備え、前記解析部は、前記推定した前記人力駆動車の状態が、前記人力駆動車に異常のある状態であれば、前記人力駆動車に異常があることを示す情報である異常状態情報を出力し、前記推定した前記人力駆動車の状態が、前記人力駆動車が正常な状態であれば、前記人力駆動車が正常であることを示す情報である正常状態情報を出力する。

また、本開示の一態様に係る車体状態検知方法は、人力駆動車に関する情報である人力駆動車情報を取得することと、取得した前記人力駆動車情報を解析することと、解析された前記人力駆動車情報に基づいて、前記人力駆動車情報と間接的に関連する前記人力駆動車の状態を推定することとを含み、前記推定した前記人力駆動車の状態が、前記人力駆動車に異常のある状態であれば、前記人力駆動車に異常があることを示す情報である異常状態情報を出力し、前記推定した前記人力駆動車の状態が、前記人力駆動車が正常な状態であれば、前記人力駆動車が正常であることを示す情報である正常状態情報を出力する。

本開示に係る車体状態検知システム等によれば、既存のセンサを用いて車体の状態を推定することで、製造コストの高騰化を抑制することができる。

図１は、実施の形態に係る車両シェアシステムを例示する模式図である。 図２は、実施の形態に係る電動自転車を例示する側面図である。 図３は、実施の形態に係る電動自転車を例示するブロック図である。 図４は、パワーと周波数との関係を例示する図である。 図５は、実施の形態に係る車両シェアシステムの処理を例示するフローチャートである。

以下では、本開示の実施の形態について、図面を用いて詳細に説明する。なお、以下に説明する実施の形態は、いずれも本開示の一具体例を示すものである。したがって、以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置及び接続形態、ステップ、ステップの順序等は、一例であり、本開示を限定する趣旨ではない。よって、以下の実施の形態における構成要素のうち、独立請求項に記載されていない構成要素については、任意の構成要素として説明される。

また、各図は、模式図であり、必ずしも厳密に図示されたものではない。したがって、例えば、各図において縮尺等は必ずしも一致しない。また、各図において、実質的に同一の構成については同一の符号を付しており、重複する説明は省略又は簡略化する。

以下、本実施の形態に係る車体状態検知システム、及び、車体状態検知方法について説明する。

（実施の形態）
＜構成＞
まず、車両シェアシステム１の構成について図１～図４を用いて説明する。

図１は、実施の形態に係る車両シェアシステム１を例示する模式図である。図２は、実施の形態に係る電動自転車２を例示する側面図である。図３は、実施の形態に係る電動自転車２を例示するブロック図である。図４は、パワーと周波数との関係を例示する図である。

図１に示すように、車両シェアシステム１では、人力駆動車の貸し出し等を行うサービサーが、人力駆動車の利用を希望するユーザに対して人力駆動車の貸し出し等を行うことができる。車両シェアシステム１は、人力駆動車の状態、人力駆動車のスペック、車種、人力駆動車の製品番号等を管理している。また、人力駆動車をユーザに対して貸し出す場合、車両シェアシステム１は、利用開始時刻、利用終了時刻、利用開始場所、ユーザの識別情報等を管理している。人力駆動車は、例えば、電動アシスト機能を有する自転車である。

車両シェアシステム１は、電動自転車２と、外部装置３とを備える。

［電動自転車２］
図１～図３に示すように、電動自転車２は、車輪が回転することで、走行面を走行することが可能な車両である。本実施の形態の電動自転車２は、ユーザの踏力を電動モータ４３の補助駆動力によって補助する電動アシスト自転車である。本実施の形態では、人力駆動車の一例として電動自転車２を用いて説明する。なお、電動自転車２は、踏力により車輪に動力を与える人力駆動と、電動モータ４３により車輪に動力を与える補助駆動力とが独立していてもよく、電動モータ４３のみでも走行可能（自走可能）な自転車であってもよい。

例えば、電動自転車２は、アシストモードと、押し歩きモードと、自走モードとを有する。アシストモードは、ペダル１６へのユーザの踏力に基づく電動自転車２の前進を補助するモードである。押し歩きモードは、ユーザが電動自転車２を押して歩くときに、ユーザによる車体１０を前へ押す力に基づいて、電動自転車２の前進を補助するモードである。自走モードは、ユーザが電動自転車２を支えながら歩くときに、電動自転車２の前進を補助するモードである。

電動自転車２は、車体状態検知システムを搭載した車体１０で構成されている。

車体１０は、前輪１２と、後輪１３と、フレーム１１と、サドル１４と、ハンドル１５と、ペダル１６と、クランク１７と、チェーン１９と、変速機と、センサと、電動モータ４３と、制御装置４０と、通知部５０と、操作部６１と、手動スイッチ６２と、バッテリ６３とを有している。本実施の形態では、車体状態検知システムは、少なくともセンサ、制御装置４０の解析部４１、及び、制御装置４０の推定部４２を備えている。

前輪１２は、電動自転車２が走行するためのタイヤ１２ａを有する。前輪１２は、前後方向に並ぶ二つの車輪のうちの前側の車輪である。前輪１２は、左右方向に沿った軸回りに回転し得るように後フレーム１１ｂの前フォークに支持されている。なお、前輪１２は電動モータ４３から動力の伝達を受けてもよく、例えば、前輪１２を回転させる補助駆動力を付与するモータが設けられていてもよい。前輪１２は、車輪の一例である。

後輪１３は、車体１０が走行するためのタイヤ１３ａを有する。後輪１３は、前後方向に並ぶ二つの車輪のうちの後側の車輪である。後輪１３は、左右方向に沿った軸回りに回転し得るように前フレーム１１ａの後フォークに支持される。なお、後輪１３は電動モータ４３から動力の伝達を受けてもよく、例えば、後輪１３を回転させる補助駆動力を付与するモータが設けられていてもよい。後輪１３は、車輪の一例である。なお、前輪１２及び後輪１３を総称して車輪と呼ぶ場合がある。

後輪１３は、後部スプロケット７１を有している。後部スプロケット７１は、チェーン１９を介して前部スプロケット７２に連結されている。本実施の形態では、後輪１３には、電動モータ４３から出力された動力が伝達される。

フレーム１１には、前輪１２、後輪１３、サドル１４、ハンドル１５、ペダル１６、クランク１７、チェーン１９、変速機、センサ、電動モータ４３、制御装置４０、通知部５０、操作部６１、手動スイッチ６２、バッテリ６３等が取り付けられている。

フレーム１１は、車体１０の骨組みである。フレーム１１は、例えば、アルミニウム合金、鉄、クロムモリブデン鋼、スチール、チタン等の金属で構成されている。なお、フレーム１１は、カーボン、合成樹脂等で構成されていてもよい。

フレーム１１は、前フレーム１１ａと後フレーム１１ｂとで構成されている。

前フレームは、フレーム１１において前側部分を構成している。前フレームには、前輪１２、ハンドル１５、クランク軸１７ｂに連動する前部スプロケット７２等が取り付けられている。

また、前フレームは、前輪１２を回転可能に取り付ける前フォークを有している。ユーザがハンドル１５を左右に回すことで、前フォークは、支持している前輪１２の向きを左右に回転させることができる。

後フレーム１１ｂは、前フレーム１１ａよりも後側に配置され、フレーム１１において後側部分を構成している。後フレーム１１ｂには、後輪１３、及び、後輪１３の車軸に連動する後部スプロケット７１等が取り付けられている。後部スプロケット７１と前部スプロケット７２との間には、チェーン１９が架け渡されている。これにより、ペダル１６が踏み込まれることによって回転した前部スプロケット７２の回転力が、チェーン１９及び後部スプロケット７１を介して後輪１３に伝達される。ペダル１６と前部スプロケット７２と後部スプロケット７１とチェーン１９とで、人力に依拠する後輪駆動機構が形成されている。

サドル１４は、ユーザが座る部分である。サドル１４は、フレーム１１に対して移動可能に取り付けられている。

ハンドル１５は、例えばユーザが電動自転車２を操縦する際に、電動自転車２の舵角を変更する。ハンドル１５の両端部には、一対のグリップ及び一対のブレーキレバー８１が設けられている。一方のブレーキレバー８１は、図示しない前部ブレーキ装置を駆動させることで、前輪１２に対して機械的な制動力を与える。他方のブレーキレバー８１は、図示しない後部ブレーキ装置を駆動させることで、後輪１３に対して機械的な制動力を与える。

ペダル１６は、例えばユーザが電動自転車２に乗車した際に、ユーザの踏力が付与される。ペダル１６は、各クランクアーム１７ａの長手方向の端部のうち、クランク軸１７ｂ側とは反対側の端部に取り付けられている。ペダル１６は、クランクアーム１７ａに対して、回転可能に取り付けられている。ペダル１６の回転軸は、クランク１７のクランク軸１７ｂの回転軸に対して略平行である。

クランク１７は、クランク軸１７ｂと、一対のクランクアーム１７ａと、前部スプロケット７２とを有している。

クランクアーム１７ａは、前フレーム１１ａの両側に１つずつ設けられており、左右方向に延びるクランク軸１７ｂの両端に固定されている。クランクアーム１７ａの一方端は、クランク軸１７ｂに回転自在に固定され、クランクアーム１７ａの他方端には、ペダル１６が回転自在に固定されている。前部スプロケット７２は、クランクアーム１７ａのクランク軸１７ｂに取り付けられ、クランク軸１７ｂの回転とともに回転する。ユーザによってペダル１６に踏力が加えられた場合、クランクアーム１７ａがクランク軸１７ｂを中心に回転することで、前部スプロケット７２もクランク軸１７ｂを中心に回転する。前部スプロケット７２の回転により、踏力に基づく人力駆動力がチェーン１９を介して後輪１３の後部スプロケット７１に伝達されて、後部スプロケット７１が回転することで、後輪１３が回転する。例えば、アシストモードで電動自転車２が動作する場合には、踏力に基づく人力駆動力と、当該人力駆動力に付加された電動モータ４３による補助駆動力とが後輪１３に伝達される。

チェーン１９は、ペダル１６が踏み込まれることによって回転した前部スプロケット７２の回転力、及び、電動モータ４３から出力された補助駆動力を、後部スプロケット７１に伝達する。チェーン１９は、例えば、ベルト、シャフト、ワイヤ、又はギア等の動力伝達体である。

変速機は、互いにギア比の異なる複数の駆動力伝達経路を有する遊星ギア、多段ギア等の周知の変速機構で構成されている。変速機は、駆動力伝達経路を切り換えることで、例えば、低速段（Ｌｏｗギア）、中速段（Ｍｉｄｄｌｅギア）、高速段（Ｔｏｐギア）等に変速可能である。

センサは、電動自転車２に関する情報である人力駆動車情報を取得する。人力駆動車情報は、例えば、速度に関する情報、加速度を示す情報等である。電動自転車２には、前輪１２の速度センサ３０、後輪１３の速度センサ３０、及び、加速度センサ３１のうちの少なくとも１つが搭載されていればよい。なお、本実施の形態では、複数のセンサが電動自転車２に搭載されている。複数のセンサは、例えば、速度センサ３０、及び、加速度センサ３１の他に、クランク回転センサ３２、ジャイロセンサ３３、及び、トルクセンサ３４等である。また、人力駆動車情報には、クランク１７の回転数を示す情報、人力駆動力を示す情報、角速度を示す情報等が含まれていてもよい。

速度センサ３０は、アシストモード、押し歩きモード又は自走モードの実行時に、電動自転車２が走行する速度を検出する。速度センサ３０は、前輪１２及び後輪１３の少なくとも一方の回転数から電動自転車２の速度を検出し、検出した電動自転車２の速度に関する情報（人力駆動車情報の一例）を制御装置４０に出力する。

また、速度センサ３０は、ホイルセンサ、マグネットセンサ等であるが、対地速度により算出するサイクルコンピュータであってもよく、電動自転車２の速度を検知することができればいかなる構成でもよい。また、速度センサ３０は、例えばＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）を用いたセンサであってもよい。

また、速度センサ３０は、例えば、前フレーム１１ａの前フォークの下端部に設けられ、速度を測定し易い位置に配置されていてもよい。前フォークに設けられた場合、前輪１２の速度を好適に検出することができる。また、速度センサ３０がフレーム１１の後フレーム１１ｂに取り付けられた場合、後輪１３の速度を好適に検出することができる。速度センサ３０の検出対象は、前輪１２及び後輪１３の少なくとも一方である。速度センサ３０は、電動自転車２の車輪（前輪１２及び後輪１３の少なくとも一方）の速度、及び、車輪の回転数のうちの少なくとも一つに関連する情報を検出することで、人力駆動車情報を取得することができる。電動自転車２の車輪の速度（車輪の走行速度又は車輪の回転速度）、及び、車輪の回転数のうちの少なくとも一つに関連する情報は、電動自転車２の速度に関する情報である。

加速度センサ３１は、走行する電動自転車２の加速度を検出する。加速度センサ３１は、例えば、電動自転車２の走行によって電動自転車２に伝搬する振動に基づいて加速度を検出する。電動自転車２に生じる振動が大きくなるほど、電動自転車２の加速度が大きくなる。また、電動自転車２は走行面の状態に応じて振動が変化するため、加速度センサ３１は、走行面に応じた振動のテーブルを用いて加速度を検出してもよい。加速度センサ３１は、車体１０の加速度を示す情報を制御装置４０へ出力する。

クランク回転センサ３２は、アシストモードと押し歩きモード又は自走モードとの実行時に、単位時間当たりのクランク１７の回転数を検出する。例えば、クランク回転センサ３２は、歯車状の回転体と、回転体の歯を挟むように配置された光出射部と受光部とを有する光検出器とで構成される。クランク回転センサ３２は、検出したクランク１７の回転数を示す情報を制御装置４０に出力する。また、クランク回転センサ３２は、クランク１７の回転数を検出することができればいかなる構成でもよい。また、クランク回転センサ３２は、クランク軸１７ｂの近傍に配置される。また、クランク回転センサ３２の代わりに、クランク１７の回転角を検出するクランク角センサを用いてもよい。また、本実施の形態では、クランク回転センサ３２を複数設けていてもよく、それぞれのクランク回転センサ３２の検出信号に位相差を設けてもよい。この場合、それぞれのクランク回転センサ３２の検出信号に位相差があることで、クランク１７の回転方向も検出することができる。クランク回転センサ３２は、クランク１７の回転数に基づいて、電動自転車２の後輪１３の速度及び後輪１３の回転数のうちの少なくとも一つに関連する情報を算出することで、人力駆動車情報を取得することができてもよい。

ジャイロセンサ３３は、電動自転車２の車体１０の傾く速度（角速度）を検知する６軸センサである。ジャイロセンサ３３は、電動自転車２の中心に対して直交する３軸の各軸方向の加速度を検知することで、人力駆動車情報を取得することができてもよい。また、ジャイロセンサ３３は、検出した加速度を示す情報（人力駆動車情報の一例）を制御装置４０に出力してもよい。なお、ジャイロセンサ３３は、電動自転車２の中心に対して直交する３軸の軸回りの角速度（ロール、ヨー、ピッチ）を検知してもよい。ジャイロセンサ３３は、検出した角速度を示す情報に基づいて、電動自転車２の加速度を算出することで、人力駆動車情報を取得することができてもよい。ジャイロセンサ３３は、例えば、前フレーム１１ａ等に取り付けられている。直交する３軸の各軸方向は、例えば、Ｘ軸方向、Ｙ軸方向及びＺ軸方向で表され、前後方向をＸ軸方向とし、Ｙ軸方向を左右方向とし、Ｚ軸方向を上下方向として規定してもよい。

トルクセンサ３４は、ペダル１６への踏力に基づく人力駆動力を検出する。つまり、トルクセンサ３４は、ペダル１６への踏力に基づいてクランク軸１７ｂが回転することにより発生する人力駆動力を検出する。トルクセンサ３４は、コイルと、磁歪発生部とを有する磁歪式のセンサである。例えば、ペダル１６に踏力が加えられて人力駆動力が発生した場合に、磁歪発生部に歪みが発生する。磁歪発生部には、透磁率が増加する部位と減少する部位とが発生する。トルクセンサ３４は、このコイルのインダクタンス差を検出することで、人力駆動力を検出する。トルクセンサ３４は、検出した人力駆動力を示す情報を制御装置４０に出力する。これにより、制御装置４０が人力駆動力に基づいて車輪を回転させる補助駆動力を適切に付与することができる。

また、トルクセンサ３４の構成は特に限定されず、ペダル１６への人力駆動力が検出できればいかなる構成でもよい。トルクセンサ３４は、例えば、クランク軸１７ｂの近傍に配置される。

なお、本実施の形態では、電動自転車２が有するセンサの一例として、加速度センサ３１、クランク回転センサ３２、速度センサ３０、ジャイロセンサ３３、及び、トルクセンサ３４を例示しているが、これには限定されない。

例えば、電動自転車２は、車体１０の振動を検出する振動センサを有していてもよい。振動センサは、車体１０の振動を検出することで、走行する車体１０の加速度を算出してもよい。振動センサは、加速度を示す情報、振動の大きさ（周波数）を示す情報を制御装置４０へ出力してもよい。

また、電動自転車２は、前輪１２及び後輪１３等から発生する音を検出する音センサを有していてもよい。音は、例えば、前輪１２のタイヤ１２ａ、後輪１３のタイヤ１３ａ及び走行面等から発せられる音である。タイヤ１２ａ、１３ａに異常が生じていれば、正常な状態とは異なる異音が発生する。音センサは、音質及び音量等の音を示す情報を制御装置４０へ出力してもよい。

また、電動自転車２は、電動モータ４３の単位時間当たりの回転数を検出するモータ回転センサを有していてもよい。モータ回転センサは、ホールＩＣセンサ等であり、電動モータ４３の単位時間当たりの回転数を示す情報を制御装置４０へ出力してもよい。電動モータ４３の単位時間当たりの回転数を示す情報に基づいて、電動自転車２の速度、電動モータ４３の補助駆動力等を算出してもよい。

なお、本実施の形態では、電動自転車２が有するセンサの例として、速度センサ３０、加速度センサ３１、クランク回転センサ３２、ジャイロセンサ３３、トルクセンサ３４、振動センサ、加速度センサ３１、音センサ、及び、モータ回転センサ等を例示しているが、電動自転車２は、これら全てのセンサを備えている場合に限定されない。

電動モータ４３は、補助駆動力を出力することで、人力駆動力である踏力に補助駆動力を加えて、チェーン１９を介して後輪１３に伝達してもよい。

電動モータ４３は、制御装置４０等を、樹脂製又は金属製の筐体に収納してユニット化されている。筐体の内部には、クランク回転センサ３２及びトルクセンサ３４等が設けられている。電動モータ４３は、車体１０に取り付けられている。

電動モータ４３は、車体１０の走行を補助するための補助駆動力を付加することができる。具体的には、電動モータ４３は、制御装置４０による制御に基づいて、バッテリ６３からの電力を受けて駆動する。電動モータ４３は、例えば、補助駆動力としての回転トルクを、チェーン１９を介して後部スプロケット７１に伝達することで、後輪１３を回転させる。回転トルクは、人力駆動力に付加するための電動モータ４３による駆動力である補助駆動力、及び、電動自転車２に対する押して又は支えて歩く力に付与される補助力である補助駆動力である。電動モータ４３は、アシストモードを実行中に、ペダル１６への踏力に基づく人力駆動力に、補助駆動力を付加することができる。また、電動モータ４３は、押し歩きモードを実行中に、電動自転車２に対する押し歩く力に補助駆動力を付加することができる。また、電動モータ４３は、自走モードを実行中に、電動自転車２がユーザに支えられながら自走する補助駆動力を付加することができる。

制御装置４０には、速度センサ３０、加速度センサ３１、電動モータ４３、クランク回転センサ３２、ジャイロセンサ３３、トルクセンサ３４、手動スイッチ６２、操作部６１、バッテリ６３及び前照灯が電気的に接続されている。

また、制御装置４０は、電動モータ４３、各センサ、バッテリ６３及び前照灯等に、バッテリ６３から供給される電力を供給させることができる。

制御装置４０は、例えば、マイクロコントローラ等で実現され、プログラムが格納された不揮発性メモリ、プログラムを実行するための一時的な記憶領域である揮発性メモリ（記憶部）、入出力ポート、プログラムを実行するプロセッサ等で構成される。なお、制御装置４０は、専用の電子回路で実現されてもよい。

本実施の形態では、制御装置４０は、電動モータ４３の筐体の内部に収納されているが、これに限らない。制御装置４０は、電動モータ４３とは別体で設けられていてもよい。

また、制御装置４０には、操作部６１及び手動スイッチ６２によるそれぞれの操作信号、及び、各センサによる検知結果であるそれぞれの人力駆動車情報が入力される。

また、制御装置４０は、電動自転車２の動作モードに応じて、電動モータ４３を駆動することができる。具体的には、制御装置４０は、アシストモードと、押し歩きモード又は自走モードとを切り替えてそれぞれのモードを実行することができる。

アシストモードは、手動スイッチ６２が押下されて電源がオンされた後、ユーザが電動自転車２に乗車している場合に実行される。制御装置４０は、アシストモードを実行する場合、ペダル１６への踏力及び電動自転車２の速度等に基づいて、電動モータ４３が生成する補助駆動力の大きさを決定することができる。

押し歩きモードは、ユーザが電動自転車２に乗車しておらず、手動スイッチ６２が押下されて電源がオン状態で、ユーザが電動自転車２を押し歩く場合に実行される。制御装置４０は、押し歩きモードを実行する場合、電動自転車２に対する押し歩く力及び電動自転車２の速度等に基づいて、電動モータ４３が生成する補助駆動力の大きさを決定することができる。

自走モードは、押し歩きモードと同様に、ユーザが電動自転車２に乗車しておらず、電動自転車２を支えながら歩く場合に実行される。自走モードにおいて、ユーザは、電動自転車２を前方に押す力を加えていない。制御装置４０は、自走モードを実行する場合、電動モータ４３が生成する所定の補助駆動力の大きさを決定することができる。

制御装置４０は、解析部４１と、推定部４２とを有している。

解析部４１は、センサから人力駆動車情報を取得し、取得した人力駆動車情報を解析する。つまり、解析部４１は、速度センサ３０、加速度センサ３１等からそれぞれの人力駆動車情報を取得することで、それぞれの人力駆動車情報を解析する。また、解析部４１は、クランク回転センサ３２、ジャイロセンサ３３、及び、トルクセンサ３４等からそれぞれの人力駆動車情報を取得することで、それぞれの人力駆動車情報を解析してもよい。

例えば、前輪１２、及び、後輪１３の少なくとも一方に回転数を検知する速度センサ３０が設けられている場合、解析部４１は、人力駆動車情報を解析することで、前輪１２及び後輪１３の少なくとも一方の空気圧に応じた回転数を算出してもよい。

具体的には、前輪１２のタイヤ１２ａ、及び、後輪１３のタイヤ１３ａの少なくとも一方に回転数を検知するセンサが設けられている場合、タイヤ１２ａ、１３ａの空気圧によっては、回転数が異なるため、精度よく電動自転車２の速度及び加速度を算出することができない場合がある。このため、例えば１００（ｍ）の距離を電動自転車２が走行する場合、タイヤ１２ａ、１３ａの空気圧が標準空気圧であり、タイヤ１２ａ、１３ａの回転半径が５５ｃｍのとき、２８．９回転する。しかし、１００（ｍ）の距離を電動自転車２が走行する場合、タイヤ１２ａ、１３ａの空気圧が低空気圧であり、タイヤ１２ａ、１３ａの回転半径が５０ｃｍのとき、３１．８回転する。このため、空気圧によっては電動自転車２の速度及び加速度が約１．１倍も異なることがある。

そこで、解析部４１は、前輪１２及び後輪１３の少なくとも一方の回転数を検知する速度センサ３０が設けられている場合、前輪１２及び後輪１３の少なくとも一方の速度を算出してもよい。具体的には、解析部４１は、電動自転車２が所定距離を走行したときの、速度センサ３０が出力した人力駆動車情報に含まれる速度に関する情報（車輪の回転数）を解析し、前輪１２及び後輪１３の少なくとも一方の速度を算出することができる。具体的には、解析部４１は、前輪１２のタイヤ１２ａの周長（ｍ）に、前輪１２のタイヤ１２ａの回転数を乗算することで、前輪１２の車速を算出することができる。また、解析部４１は、後輪１３のタイヤ１３ａの周長（ｍ）に、後部スプロケット７１の歯数と前部スプロケット７２歯数との比と、電動モータ４３の回転数とを乗算することで、後輪１３の車速を算出することができる。解析部４１は、タイヤ１２ａ、１３ａが標準空気圧時に電動自転車２が所定距離を走行したときの理想回転数と、速度に関する情報に示される実際の回転数とを比較し、比較した結果を推定部４２に出力してもよい。理想回転数は、制御装置４０に搭載された記憶部等に予め記憶されていてもよい。

また、解析部４１は、前輪１２及び後輪１３の少なくとも一方に速度を検知する速度センサ３０が設けられている場合、前輪１２及び後輪１３の少なくとも一方の回転数を算出してもよい。具体的には、解析部４１は、電動自転車２が所定距離を走行したときの、速度センサ３０が出力した人力駆動車情報に含まれる速度に関する情報（車輪の速度）を解析し、前輪１２及び後輪１３の少なくとも一方の回転数を算出することができる。解析部４１は、タイヤが標準空気圧時に電動自転車２が所定距離を走行したときの理想回転数と、解析した実際の回転数とを比較し、比較した結果を推定部４２に出力してもよい。

推定部４２は、解析された人力駆動車情報に基づいて、人力駆動車情報と間接的に関連する電動自転車２の状態を推定する。つまり、推定部４２は、電動自転車２の走行時において取得した人力駆動車情報から、人力駆動車情報と間接的に関連する電動自転車２の状態を推定する。

一例をあげると、推定部４２は、所定時間（速度に関する情報の時間領域）において電動自転車２が走行したときの平均値として解析部４１が解析した実際の回転数と、理想回転数との比較結果を取得することで、電動自転車２の状態を推定する。例えば、推定部４２は、実際の回転数が理想回転数よりも所定パーセント以上乖離していれば、電動自転車２のタイヤ１２ａ、１３ａの空気圧が低空気圧であると推定する。一方、推定部４２は、実際の回転数が理想回転数よりも所定パーセントの範囲内であれば、電動自転車２のタイヤの空気圧が標準空気圧であると推定する。

別の例をあげると、推定部４２は、式（１）で定義されるタイヤ１２ａ、１３ａの弾性力と、式（２）で定義されるタイヤ１２ａ、１３ａが振動するときの共振周波数との変化からタイヤ１２ａ、１３ａの空気圧を推定することができる。

式（１）では、弾性力であるバネ定数がｋで示され、電動自転車２の荷重がＦで示され、荷重が無い場合のタイヤ１２ａ、１３ａに対する荷重が加わったときのタイヤ１２ａ、１３ａの変位がｘで示される。

式（２）では、共振周波数がｆで示され、電動自転車２の質量がＦで示される。

図４では、電動自転車２を押し歩いたときに、タイヤ１２ａ、１３ａの空気圧に応じて電動自転車２が振動したときの周波数ピークの推移を実験した。

実線は、タイヤ１２ａ、１３ａの空気圧が第１空気圧の場合を示している。破線は、タイヤ１２ａ、１３ａの空気圧が第１空気圧よりも低い空気圧である第２空気圧の場合を示している。一点鎖線は、タイヤ１２ａ、１３ａの空気圧が第２空気圧よりも低い空気圧である第３空気圧の場合を示している。二点鎖線は、タイヤ１２ａ、１３ａの空気圧が第３空気圧よりも低い空気圧である第４空気圧の場合を示している。タイヤ１２ａ、１３ａが第１空気圧の場合では、ピーク周波数が第１周波数帯で推移している。タイヤ１２ａ、１３ａが第２空気圧の場合では、ピーク周波数が第１周波数帯よりも小さい周波数帯である第２周波数帯で推移している。タイヤ１２ａ、１３ａが第３空気圧の場合では、ピーク周波数が第２周波数帯よりも小さい周波数帯である第３周波数帯で推移している。タイヤ１２ａ、１３ａが第４空気圧の場合では、ピーク周波数が第３周波数帯よりも小さい周波数帯である第４周波数帯で推移している。

図４に示すように、タイヤ１２ａ、１３ａの空気圧が低下するほど、ピーク周波数が次第に低下することが判った。これは、式（１）で定義されるタイヤ１２ａ、１３ａの弾性力と、式（２）で定義されるタイヤ１２ａ、１３ａが振動するときの共振周波数との変化によるものであると考えられる。タイヤの空気圧が低下すると、式（１）の変位ｘが大きくなるため、式（１）のバネ定数ｋが低下する。このため、式（２）のバネ定数ｋが低下することで、式（２）の共振周波数ｆが低下したものであると考えられる。

このことから、推定部４２は、人力駆動車情報に含まれる前輪１２の速度に関する情報、後輪１３の速度に関する情報、及び、電動自転車２の加速度を示す情報の少なくとも１つを用いて、高速フーリエ変換により周波数成分（速度に関する情報の周波数領域）に変換する。推定部４２は、変換された周波数成分から電動自転車２の状態を推定する。例えば、推定部４２は、周波数成分におけるピーク周波数が第１周波数帯で推移していれば、電動自転車２のタイヤ１２ａ、１３ａの空気圧が標準空気圧であると推定する。一方、推定部４２は、周波数成分におけるピーク周波数が第２周波数帯以下の周波数帯であれば、電動自転車２のタイヤ１２ａ、１３ａの空気圧が低空気圧であると推定する。

このように、推定部４２は、速度に関する情報の時間領域及び周波数領域のうちの少なくとも一つを用いて、人力駆動車の状態を推定する。

また、推定部４２は、ルールベース、及び、機械学習の少なくともいずれかに基づいて、人力駆動車情報を解析することで、人力駆動車情報と間接的に関連する電動自転車２の状態を推定してもよい。推定部４２は、推定した結果である電動自転車２の状態を解析部４１に出力する。

例えば、ＧＰＳを用いた速度センサ３０と、ホイルセンサを用いた速度センサ３０との両方で電動自転車２の速度を検知する場合、推定部４２は、ＧＰＳを用いた速度センサ３０の検出結果と、ホイルセンサを用いた速度センサ３０の検出結果とを比較し、比較した結果に応じて人力駆動車の状態を推定することができる。例えば、両者を比較することで検出値に差がある場合、タイヤ１２ａ、１３ａに空気漏れ、パンク等のように、タイヤ１２ａ、１３ａに異常が生じている可能性がある。推定部４２は、電動自転車２に異常のある状態の一例として、タイヤ１２ａ、１３ａに空気漏れ、パンク等のような、タイヤ１２ａ、１３ａの空気圧に異常が生じていると推定できる。

解析部４１は、推定部４２が推定した結果である電動自転車２の状態に基づいて、異常状態情報又は正常状態情報を出力する。具体的には、解析部４１は、推定部４２が電動自転車２の状態を推定することで、電動自転車２に異常のある状態か、電動自転車２が正常な状態かを判定することができる。例えば、解析部４１は、電動自転車２の状態としてタイヤ１２ａ、１３ａの空気圧が低空気圧であると推定部４２が推定した場合、電動自転車２に異常のある状態と判定する。一方、解析部４１は、電動自転車２の状態としてタイヤ１２ａ、１３ａの空気圧が標準空気圧であると推定部４２が推定した場合、電動自転車２が正常な状態と判定する。

解析部４１は、推定した電動自転車２の状態が、電動自転車２に異常のある状態であれば、電動自転車２に異常があることを示す情報である異常状態情報を出力する。電動自転車２に異常のある状態は、電動自転車２に不具合が存在している状態である。電動自転車２に異常のある状態は、タイヤ１２ａ、１３ａの空気圧が規定値以下（タイヤ１２ａ、１３ａの空気圧の異常）となる状態である。また、電動自転車２に異常のある状態には、例えば、タイヤ１２ａ、１３ａの摩耗等のタイヤ１２ａ、１３ａの異常、タイヤ１２ａ、１３ａにおける異音の発生等の状態が含まれていてもよい。解析部４１は、推定した結果である異常状態情報を、通知部５０を介して外部装置３に出力したり、電動自転車２の周囲に報知するために操作部６１に出力したりする。

また、解析部４１は、推定した電動自転車２の状態が、電動自転車２が正常な状態であれば、電動自転車２が正常であることを示す情報である正常状態情報を出力する。電動自転車２が正常な状態は、電動自転車２に不具合が存在していない状態である。電動自転車２が正常な状態は、例えば、タイヤ１２ａ、１３ａの空気圧が所定範囲内となる状態である。また、電動自転車２が正常な状態には、タイヤ１２ａ、１３ａの異常なし、タイヤ１２ａ、１３ａにおける異音の発生なし等といった状態が含まれていてもよい。解析部４１は、推定した結果である正常状態情報を、通知部５０を介して外部装置３に出力したり、電動自転車２の周囲に報知するために操作部６１に出力したりする。

通知部５０は、外部装置３と無線通信又は有線通信することが可能な通信モジュールである。通知部５０は、解析部４１が出力した異常状態情報及び正常状態情報を外部装置３に通知することができる。なお、通知部５０は、電動自転車２に乗車するユーザが所有する端末機器と直接通信することができてもよい。端末機器は、例えば、スマートフォン、タブレット端末、パーソナルコンピュータ等である。

操作部６１は、例えば一対のブレーキレバー８１の一方の近傍に設けられる。操作部６１は、前照灯を点灯させるライトスイッチ（図示省略）等を備えたサイクルコンピュータ等の操作端末である。操作部６１は、ユーザによる操作を受け付けることができる。

操作部６１は、解析部４１が出力した異常状態情報及び正常状態情報を表示する表示部を有している。例えば、表示部は、異常状態情報及び正常状態情報を表示することができる。表示部は、例えば、液晶ディスプレイ、有機ＥＬディスプレイ等である。また、操作部６１は、異常状態情報及び正常状態情報を互いに異なる音によって車体１０の周囲に報知するための音響部を有していてもよい。音響部は、音を出力するスピーカ等であってもよい。また、操作部６１は、異常状態情報及び正常状態情報を互いに異なる光によってユーザに報知するための光源部であってもよい。光源部は、単色の又は複数色の光を発するＬＥＤモジュール等であってもよい。

手動スイッチ６２は、押し歩きモード又は自走モードを実行するための押し歩き操作又は自走させる操作を受け付ける機械式のスイッチである。ユーザによって手動スイッチ６２が押下されている期間では、操作部６１は、押し歩きモード又は自走モードを実行するためのモードオン信号を制御装置４０に出力し続ける。一方、手動スイッチ６２が押下されていない期間では、操作部６１は、モードオン信号を制御装置４０に出力しない。

バッテリ６３は、電動モータ４３等の駆動用の電力を蓄電する蓄電池である。バッテリ６３は、例えば、二次電池であるが、キャパシタ等であってもよい。バッテリ６３は、電動モータ４３に電気的に接続されている。具体的には、バッテリ６３は、電動モータ４３等に対して電力を供給する。

［外部装置３］
外部装置３は、車体状態検知システムの外部に存在する装置であり、例えば、複数の電動自転車２を所有しているサービサーが管理しているクラウドサーバである。外部装置３は、各センサが検知したそれぞれの人力駆動車情報、異常状態情報及び正常状態情報を収集することで、電動自転車２ごとに電動自転車２の状態を管理する。外部装置３は、電動自転車２ごとに、サービサーに対して電動自転車２の状態を、モニタ等の通知装置に出力する。これにより、サービサーは、電動自転車２の状態に応じて、電動自転車２の修理、調整等のメンテナンスを行うタイミングを把握する。

＜処理動作＞
次に、本実施の形態における車体状態検知システム、及び、車体状態検知方法の処理動作について説明する。

図５は、実施の形態に係る車両シェアシステム１の処理を例示するフローチャートである。

まず、図５に示すように、電動自転車２が走行面を走行する際、センサは、電動自転車２の人力駆動車情報を取得する（Ｓ１１）。

センサは、検知した結果として、人力駆動車情報を制御装置４０に出力する。具体的には、速度センサ３０は、電動自転車２の速度に関する情報を制御装置４０に出力してもよい。加速度センサ３１は、加速度を示す情報を制御装置４０に出力してもよい。また、クランク回転センサ３２は、検出したクランク１７の回転数を示す情報を制御装置４０に出力してもよい。トルクセンサ３４は、人力駆動力を示す情報を制御装置４０に出力してもよい。ジャイロセンサ３３は、角速度を示す情報、加速度を示す情報を制御装置４０に出力してもよい。

次に、制御装置４０の解析部４１は、センサによる検知結果である人力駆動車情報を取得し、取得した人力駆動車情報を解析する（Ｓ１２）。例えば、速度センサ３０が前輪１２及び後輪１３の少なくとも一方の回転数を検知する場合、解析部４１は、回転数を解析することで、前輪１２及び後輪１３の少なくとも一方の空気圧に応じた速度を算出してもよい。また、速度センサ３０が前輪１２及び後輪１３の少なくとも一方の速度を検知する場合、解析部４１は、速度を解析することで、前輪１２及び後輪１３の少なくとも一方の空気圧に応じた回転数を算出してもよい。

次に、推定部４２は、人力駆動車情報に基づいて、人力駆動車情報と間接的に関連する電動自転車２の状態を推定する（Ｓ１３）。推定部４２は、人力駆動車情報に含まれる速度に関する情報、又は、加速度を示す情報に基づいて、前輪１２のタイヤ１２ａ及び後輪１３のタイヤ１３ａの少なくとも一方の空気圧を推定する。例えば、推定部４２が推定するタイヤ１２ａ又は／及び１３ａの空気圧は、標準空気圧、低空気圧、又は、高空気圧のいずれかである。

なお、推定部４２は、人力駆動車情報における速度に関する情報及び人力駆動力を示す情報に基づいて、人力駆動力に対する電動自転車２の走行速度が所定の第１閾値以下の場合、前輪１２のタイヤ１２ａ及び後輪１３のタイヤ１３ａの少なくとも一方の空気圧が低下していると推定してもよい。推定部４２は、算出した電動モータ４３の補助駆動力が所定の第２閾値以上の場合、前輪１２のタイヤ１２ａ及び後輪１３のタイヤ１３ａの少なくとも一方の空気圧が規定値以下であると推定してもよい。このように、空気圧を計測する専用のセンサを電動自転車２に搭載しなくても、推定部４２は、人力駆動車情報に基づいて、当該人力駆動車情報と間接的に関連する前輪１２のタイヤ１２ａ及び後輪１３のタイヤ１３ａの少なくとも一方の空気圧を推定することができる。

また、推定部４２は、ルールベース、及び、機械学習の少なくともいずれかを用いて、人力駆動車情報と間接的に関連する電動自転車２の状態を推定してもよい。例えば、推定部４２は、予め構築されたルールベースを用いて、人力駆動車情報から電動自転車２の状態を推定してもよい。つまり、車体に異常のある状態を推定できるルールベース、車体が正常な状態を推定できるルールベースを予め構築することで、推定部４２は、電動自転車２の状態が異常か正常かを推定してもよい。例えば、このルールベースは、人力駆動車情報のそれぞれに基づいて、閾値判定することで、前輪１２のタイヤ１２ａ及び後輪１３のタイヤ１３ａの少なくとも一方の空気圧を推定することができる。

また、例えば予め構築された機械学習、及び、機械学習に含まれる深層学習において、推定部４２は、教師データを用いて予め学習することで構築された学習モデルを用いて人力駆動車情報から電動自転車２の状態を推定してもよい。つまり、車体に異常のある状態、及び、車体が正常な状態を学習した学習モデルを予め構築することで、推定部４２は、電動自転車２の状態が異常か正常かを推定してもよい。例えば、この学習モデルは、人力駆動車情報を入力として、タイヤ１２ａ又は／及び１３ａの空気圧を示す情報を出力することができる。

このように、ルールベース、及び、機械学習の学習モデルによって、例えば、タイヤ１２ａ、１３ａの空気圧を推定する場合、タイヤ１２ａ又は／及び１３ａの空気圧を計測するセンサを電動自転車２に搭載しなくても、推定部４２は、人力駆動車情報を、ルールベース、及び、機械学習で構築された学習モデルの少なくともいずれかを用いて、当該人力駆動車情報と間接的に関連する前輪１２のタイヤ１２ａ及び後輪１３のタイヤ１３ａの少なくとも一方の空気圧を推定する。ルールベース、及び、機械学習で構築された学習モデルは、制御装置４０に搭載される記憶部等に記憶される、推定部４２は、推定した結果を解析部４１に出力する。

なお、外部装置３が電動自転車２からそれぞれの人力駆動車情報を取得して学習することで、ルールベース、及び、機械学習で構築された学習モデルのそれぞれが修正されて更新されてもよい。

次に、解析部４１は、推定された電動自転車２の状態に基づいて、電動自転車２に異常のある状態か否かを判定する（Ｓ１４）。

解析部４１は、推定され電動自転車２の状態に基づいて、電動自転車２に異常のある状態であると判定した場合（Ｓ１４でＹＥＳ）、電動自転車２に異常があることを示す情報である異常状態情報を出力する（Ｓ１５）。そして、車体状態検知システムは、図５のフローチャートの処理動作を終了する。

このように、解析部４１は、推定した結果である異常状態情報を、通知部５０を介して外部装置３に出力したり、操作部６１の表示部に出力したりする。外部装置３は、異常状態情報を収集することで、電動自転車２にどのような異常が生じているかを把握することができる。このため、サービサーは、電動自転車２を修理したり調整したりすることで、電動自転車２の状態を最適化する（正常な状態に戻す）ことができる。これにより、サービサーは、ユーザに対して最適な電動自転車２を提供することができる。また、操作部６１は、電動自転車２が異常のある状態であることを操作部６１の表示部に表示するため、電動自転車２を利用するユーザは、電動自転車２に異常のある状態であることを認識することができる。このため、ユーザは、電動自転車２の利用を停止して、例えば、タイヤ１２ａ、１３ａに空気を入れる等の異常のある状態を回復させたり、サービサーに対して電動自転車２の交換を要求したりすることができる。

解析部４１は、推定された電動自転車２の状態に基づいて、電動自転車２が正常な状態と判定した場合（Ｓ１４でＮＯ）、電動自転車２が正常であることを示す情報である正常状態情報を出力する（Ｓ１６）。そして、車体状態検知システムは、図５のフローチャートの処理動作を終了する。

このように、解析部４１は、推定した結果である正常状態情報を、通知部５０を介して外部装置３に出力したり、操作部６１の表示部に出力したりする。これにより、外部装置３は、正常状態情報を収集することで、電動自転車２が正常な状態であることを把握することができる。また、操作部６１の表示部は、電動自転車２が正常な状態であることを表示するため、ユーザは、電動自転車２が正常な状態であることを認識することができる。このため、ユーザは、安心して電動自転車２を利用することができる。

［作用効果］
次に、本実施の形態における車体状態検知システム、及び、車体状態検知方法の作用効果について説明する。

上述したように、本実施の形態に係る車体状態検知システムは、人力駆動車（電動自転車２）に関する情報である人力駆動車情報を取得するセンサと、センサから人力駆動車情報を取得し、取得した人力駆動車情報を解析する解析部４１と、人力駆動車情報に基づいて、人力駆動車情報と間接的に関連する人力駆動車の状態を推定する推定部４２とを備えている。そして、解析部４１は、推定した人力駆動車の状態が、人力駆動車に異常のある状態であれば、人力駆動車に異常があることを示す情報である異常状態情報を出力し、推定した人力駆動車の状態が、人力駆動車が正常な状態であれば、人力駆動車が正常であることを示す情報である正常状態情報を出力する。

これによれば、電動自転車２の状態を直接的に検知するためのセンサを新たに搭載しなくても、車体１０に設けられている既存のセンサを用いて、人力駆動車情報と間接的に関連する電動自転車２の状態を推定することができる。推定した結果として、解析部４１は、車体１０に異常がある場合に異常状態情報を出力したり、車体１０が正常である場合に正常状態情報を出力したりすることができる。このため、ユーザ及びサービサーは、車体１０の現在の状態が、車体１０に異常のある状態か、正常な状態かを認識することができる。

つまり、車体状態検知システムは、既存のセンサを用いて電動自転車２の状態を推定することで、車体１０が異常な状態か正常な状態かを、人（ユーザ及びサービサー）が容易に認識することができる。その結果、車体１０に異常のある状態であれば、未然に異常のある車体１０の利用を停止することができるとともに、異常のある状態を回復させたり、車体１０を交換したりする等の対応を取ることもできる。また、車体１０が正常な状態であれば、ユーザは、安心して電動自転車２を利用することができる。

したがって、既存のセンサを用いて車体の状態を推定することで、製造コストの高騰化を抑制することができる。

また、本実施の形態に係る車体状態検知方法は、人力駆動車に関する情報である人力駆動車情報を取得することと、取得した人力駆動車情報を解析することと、解析された人力駆動車情報に基づいて、人力駆動車情報と間接的に関連する人力駆動車の状態を推定することとを含み、推定した人力駆動車の状態が、人力駆動車に異常のある状態であれば、人力駆動車に異常があることを示す情報である異常状態情報を出力し、推定した人力駆動車の状態が、人力駆動車が正常な状態であれば、人力駆動車が正常であることを示す情報である正常状態情報を出力する。

この車体状態検知方法においても、上述と同様の作用効果を奏する。

また、本実施の形態に係る車体状態検知システムにおいて、人力駆動車は、人力駆動車が走行するためのタイヤ１２ａ、１３ａを有する車輪（前輪１２及び後輪１３）を備える。そして、推定部４２は、人力駆動車の状態として、タイヤ１２ａ又は／及び１３ａの空気圧を推定する。

これによれば、タイヤ１２ａ、１３ａの空気圧を直接的に検知するためのセンサを搭載しなくても、車体１０に設けられている既存のセンサを用いて、タイヤ１２ａ又は／及び１３ａの空気圧を推定することができる。

また、本実施の形態に係る車体状態検知システムにおいて、車体１０に異常のある状態は、タイヤ１２ａ又は／及び１３ａの空気圧が規定値以下の状態である。

これによれば、タイヤ１２ａ又は／及び１３ａの空気圧が推定された結果、解析部４１は、タイヤ１２ａ又は／及び１３ａの空気圧に異常がある場合に異常状態情報を出力したり、タイヤ１２ａ又は／及び１３ａの空気圧が正常である場合に正常状態情報を出力したりする。このため、ユーザは、タイヤ１２ａ又は／及び１３ａの空気圧に異常のある状態か、タイヤ１２ａ又は／及び１３ａの空気圧の状態かを認識することができる。

また、本実施の形態に係る車体状態検知システムにおいて、センサは、人力駆動車の車輪の速度及び車輪の回転数のうちの少なくとも一つに関連する情報を検出することで、人力駆動車情報を取得する。

これによれば、車輪の速度及び車輪の回転数を人力駆動車情報として用いることで、車両の状態の推定に用いることができる。このため、電動自転車２の状態をより精度よく推定することができる。

また、本実施の形態に係る車体状態検知システムにおいて、推定部４２は、ルールベース、及び、機械学習の少なくともいずれかに基づいて、人力駆動車情報と間接的に関連する人力駆動車の状態を推定する。

これによれば、ルールベース、及び、機械学習を用いることで、電動自転車２の状態を精度よく推定することができる。

また、本実施の形態に係る車体状態検知システムは、解析部４１が出力した異常状態情報及び正常状態情報を外部装置３に通知する通知部５０を備える。

これによれば、外部装置３は、異常状態情報及び正常状態情報を取得することができるため、電動自転車２の状態を把握することができる。このため、車体１０の走行に対して障害となる車体１０の不具合が発生しそうな場合、サービサーは、電動自転車２の状態を改善するために、電動自転車２の修理、調整等のメンテナンスを行う等の対応を実行することができる。また、サービサーは、このようなメンテナンスを行うタイミングを把握することができるため、逐一電動自転車２の状態を確認するための作業を行わなくてもよくなる。

また、本実施の形態に係る車体状態検知システムにおいて、人力駆動車情報は、人力駆動車の速度に関する情報を含む。そして、推定部４２は、速度に関する情報の時間領域及び周波数領域のうちの少なくとも一つを用いて、人力駆動車の状態を推定する。

これによれば、所定の時間領域における電動自転車２の速度、所定の周波数領域における電動自転車２の速度を解析することで、人力駆動車の状態をより精度よく推定することができる。

また、本実施の形態に係る車体状態検知システムにおいて、センサは、人力駆動車に生じる振動に基づいて加速度を検出することで、人力駆動車情報を取得する。

これによれば、加速度を人力駆動車情報として用いることで、車両の状態の推定に用いることができる。このため、電動自転車２の状態をより精度よく推定することができる。

（その他変形例等）
以上、本開示について、実施の形態に基づいて説明したが、本開示は、これら実施の形態等に限定されるものではない。

例えば、上記の実施の形態に係る車体状態検知システム、及び、車体状態検知方法において、制御装置４０には、ピーク周波数に応じた空気圧を示すテーブルをメモリに保存していてもよい。推定部４２は、テーブルを用いることで、電動自転車２の状態として、タイヤ１２ａ、１３ａの空気圧が正常な範囲の状態である正常な状態かを推定してもよい。

また、上記の実施の形態に係る車体状態検知システム及び車体状態検知方法において、解析部４１は、電動自転車２の制御装置４０に搭載されているが、これには限定されない。例えば、解析部４１は、操作部６１、ユーザが所有する端末機器、外部装置３等に搭載されてもよい。

また、上記各実施の形態に係る車体状態検知システム及び車体状態検知方法に用いられる制御装置は、典型的に集積回路であるＬＳＩとして実現される。これらは個別に１チップ化されてもよいし、一部又は全てを含むように１チップ化されてもよい。

また、集積回路化はＬＳＩに限るものではなく、専用回路又は汎用プロセッサで実現してもよい。ＬＳＩ製造後にプログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、又はＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。

なお、上記各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵ又はプロセッサなどのプログラム実行部が、ハードディスク又は半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。

また、上記で用いた数字は、全て本開示を具体的に説明するために例示するものであり、本開示の実施の形態は例示された数字に制限されない。

また、ブロック図における機能ブロックの分割は一例であり、複数の機能ブロックを一つの機能ブロックとして実現したり、一つの機能ブロックを複数に分割したり、一部の機能を他の機能ブロックに移してもよい。また、類似する機能を有する複数の機能ブロックの機能を単一のハードウェア又はソフトウェアが並列又は時分割に処理してもよい。

また、フローチャートにおける各ステップが実行される順序は、本開示を具体的に説明するために例示するためであり、上記以外の順序であってもよい。また、上記ステップの一部が、他のステップと同時（並列）に実行されてもよい。

その他、実施の形態に対して当業者が思いつく各種変形を施して得られる形態、本開示の趣旨を逸脱しない範囲で実施の形態における構成要素及び機能を任意に組み合わせることで実現される形態も本開示に含まれる。

２ 電動自転車
３ 外部装置
１２ 前輪（車輪）
１２ａ、１３ａ タイヤ
１３ 後輪（車輪）
３０ 速度センサ（センサ）
３１ 加速度センサ（センサ）
３２ クランク回転センサ（センサ）
３３ ジャイロセンサ（センサ）
３４ トルクセンサ（センサ）
４１ 解析部
４２ 推定部
５０ 通知部

Claims (9)

1. 人力駆動車に関する情報である人力駆動車情報を取得するセンサと、
   前記センサから前記人力駆動車情報を取得し、取得した前記人力駆動車情報を解析する解析部と、
   前記人力駆動車情報に基づいて、前記人力駆動車情報と間接的に関連する前記人力駆動車の状態を推定する推定部とを備え、
   前記解析部は、
   前記推定した前記人力駆動車の状態が、前記人力駆動車に異常のある状態であれば、前記人力駆動車に異常があることを示す情報である異常状態情報を出力し、
   前記推定した前記人力駆動車の状態が、前記人力駆動車が正常な状態であれば、前記人力駆動車が正常であることを示す情報である正常状態情報を出力する
   車体状態検知システム。
2. 前記人力駆動車は、前記人力駆動車が走行するためのタイヤを有する車輪を備え、
   前記推定部は、前記人力駆動車の状態として、前記タイヤの空気圧を推定する
   請求項１に記載の車体状態検知システム。
3. 前記人力駆動車に異常のある状態は、前記タイヤの空気圧が規定値以下の状態である
   請求項２に記載の車体状態検知システム。
4. 前記センサは、前記人力駆動車の車輪の速度及び車輪の回転数のうちの少なくとも一つに関連する情報を検出することで、前記人力駆動車情報を取得する
   請求項１～３のいずれか１項に記載の車体状態検知システム。
5. 前記推定部は、ルールベース、及び、機械学習の少なくともいずれかに基づいて、前記人力駆動車情報と間接的に関連する前記人力駆動車の状態を推定する
   請求項１～４のいずれか１項に記載の車体状態検知システム。
6. 前記解析部が出力した前記異常状態情報及び前記正常状態情報を外部装置に通知する通知部を備える
   請求項１～５のいずれか１項に記載の車体状態検知システム。
7. 前記人力駆動車情報は、前記人力駆動車の速度に関する情報を含み、
   前記推定部は、前記速度に関する情報の時間領域及び周波数領域のうちの少なくとも一つを用いて、前記人力駆動車の状態を推定する
   請求項１～６のいずれか１項に記載の車体状態検知システム。
8. 前記センサは、前記人力駆動車に生じる振動に基づいて加速度を検出することで、前記人力駆動車情報を取得する
   請求項１～７のいずれか１項に記載の車体状態検知システム。
9. 人力駆動車に関する情報である人力駆動車情報を取得することと、
   取得した前記人力駆動車情報を解析することと、
   解析された前記人力駆動車情報に基づいて、前記人力駆動車情報と間接的に関連する前記人力駆動車の状態を推定することとを含み、
   前記推定した前記人力駆動車の状態が、前記人力駆動車に異常のある状態であれば、前記人力駆動車に異常があることを示す情報である異常状態情報を出力し、
   前記推定した前記人力駆動車の状態が、前記人力駆動車が正常な状態であれば、前記人力駆動車が正常であることを示す情報である正常状態情報を出力する
   車体状態検知方法。

Images