JP2023542695A - タイヤ摩耗を予測するための階層的データ構造及び方法 - Google Patents

Abstract

【解決手段】 コンピュータ実装方法は、最小限の入力データ点に基づく車両タイヤ摩耗予測を可能にする。複数のタイヤの履歴トレッド値、及び最高レベルから最低レベルまで階層的に定義される複数のパラメータの各々の履歴トレッド値と関連付けられたそれぞれの値に関する情報は、階層的データ構造に集約される。現在のタイヤトレッド値が、第１のタイヤと関連付けられたセンサから提供され、現在のタイヤトレッド値と関連付けられたそれぞれの値が、複数の階層的に定義されたパラメータの各々について提供される。現在のタイヤトレッド値は、少なくとも所定の閾値数の利用可能なトレッド値を有する階層的に定義されたパラメータのうちの１つ以上についての一致する値に対応する階層的データ構造からの情報と一致され、タイヤ摩耗率は、階層的データ構造からの一致した情報に少なくとも部分的に基づいて第１のタイヤについて予測される。【選択図】図４

Description

本開示は、概して、車輪付き車両のためのタイヤ摩耗予測及び監視システムに関する。

より具体的には、本明細書で開示されるようなシステム、方法、及び関連するアルゴリズムは、例えば、自動二輪車、家庭用車両（例えば、乗用車及び軽トラック）、商用車及びオフロード（off-road、ＯＴＲ）車両を含むがこれらに限定されない車輪付き車両のフリート管理、コスト予測、及びタイヤの摩耗の改善された予測のために、階層的データ構造及び推論統計方法を使用し得る。

タイヤ摩耗の予測は、特に車両のフリート管理の文脈において、車両を所有又は操作する者にとって重要なツールである。タイヤが使用されるとき、トレッドが徐々に浅くなり、タイヤ全体の性能が変化することが通常である。タイヤトレッドが不十分であると危険な運転状態が生じる可能性があるので、ある時点でタイヤ状態を認識することが重要になる。例えば、道路状況が最適でない場合、タイヤは道路をグリップすることができない可能性があり、ドライバは自分の車両の制御を失う可能性がある。一般的に言えば、タイヤトレッドが浅ければ浅いほど、ドライバは、雨、雪などの中で運転するときにトラクションを失いやすくなり得る。

加えて、不規則なトレッド摩耗は、そうでなければ必要となるよりも早く、ユーザがタイヤ交換することになる様々な理由に対して生じることがある。車両、ドライバ、及び個々のタイヤは、全て互いに異なるものであり、タイヤを非常に異なる速度で摩耗させる可能性がある。例えば、スポーツカー用の高性能タイヤは、ファミリーセダン用のツーリングタイヤよりも急速に摩耗する。しかしながら、多種多様な要因により、タイヤは見込みよりも早く摩耗する、及び／又は不規則に摩耗し、ノイズ又は振動を生じさせる可能性がある。早期及び／又は不規則なタイヤ摩耗の２つの一般的な原因は、不適切なタイヤ圧及び面外位置合わせ条件である。

経時的なタイヤ摩耗の推定及び／又は予測は、典型的には、所与の車両について、どのタイヤがどの車輪位置に取り付けられているかの知識を必要とする場合がある。しかしながら、ほとんどのフリート管理システムは、そのような情報を十分に追跡することができないか、又はそうでなければ文書化することができない。これは、例えば、メンテナンス警告の生成、残りの摩耗寿命の量の予測、どの（及びいつ）タイヤが交換される必要があるかの予測、コスト予測など、多数の重要なフリート管理タスクに対して困難をもたらす。

別の問題は、所与のタイヤについて有意の摩耗情報を得るために従来必要とされる時間の長さである。廃車に対するタイヤ観察の文脈における一例として、タイヤレベルで作成される古典的な線形回帰モデルを使用して、タイヤが摩耗する時期の信頼できる予測のために、６～８週間の毎週のトレッド深さ測定が必要であると判断された。この時間量は、タイヤ上でトレッドがどの程度速く摩耗するかに依存し、したがって、他の商用タイヤのタイヤが、典型的には、より遅い速度で摩耗し得るので、他のビジネスセグメントにおけるタイヤを監視するための予想される時間窓は、より長くなり得る。トレッド深さ変化を監視するための従来の方法におけるこれらの時間的制限は、摩耗予測モデルにとって理想的ではない。

本明細書に開示されるような階層モデリング手法は、より少ないデータポイントでタイヤ摩耗予測を正確かつ確実に可能にし得る。例示的なそのような方法は、例えば、車両タイプ、車両タイプの車軸、特定の車両、及び特定の車両の車軸に関する摩耗情報などの定期的な摩耗検査で収集されたメタデータから分布を入力することに依存し得、全てが特定のタイヤの摩耗率に関する予測をより良好に通知する。フリートレベル情報及び車両レベル情報は、タイヤレベルよりも速く入力するものとして理解され得る。更に、タイヤレベルで取得される各測定値は、これらの異なる摩耗分布を使用して行われる推論に影響を及ぼす。

一般的に述べると、本明細書で開示されるような摩耗モデルは、車両、特定のタイヤ、ルート、ドライバなどの性能を追跡するために予測された摩耗率を使用することを可能にし得る。摩耗率を使用して、フリートマネージャは、どのトラック／ドライバ／ルート／タイヤモデルが最も速くトレッドを焼き切っているか、又は逆にトレッドを節約しているかを知ることができる。更に、正確な摩耗モデル化は、フリート計画タイヤ購入を助ける。摩耗予測は、例えば、所与の期間（例えば、年、月、週）について予測される「タイヤ購入推定」に集約することができる。

車両タイヤ摩耗予測のための本明細書に開示されるようなコンピュータ実装方法の例示的実施形態は、複数のタイヤの履歴トレッド値、及び最高レベルから最低レベルまで階層的に定義される複数のパラメータの各々の履歴トレッド値と関連付けられたそれぞれの値に関する情報を階層的データ構造に集約することを含み得る。現在のタイヤトレッド値は、第１のタイヤと関連付けられたセンサから提供され得、複数の階層的に定義されたパラメータの各々についての現在のタイヤトレッド値と関連付けられたそれぞれの値は、例えば、ローカルコンピューティングデバイス及び／又は関連付けられたユーザインターフェースを介して更に提供され得る。現在のタイヤトレッド値は、少なくとも所定の閾値数の利用可能なトレッド値を有する複数の階層的に定義されたパラメータのうちの１つ以上についての一致する値に対応する階層的データ構造からの情報と一致され得、タイヤ摩耗率は、階層的データ構造からの一致した情報に少なくとも部分的に基づいて第１のタイヤについて予測される。

上述の実施形態の例示的な態様では、第１のタイヤのタイヤ摩耗率は、少なくとも所定の閾値数の利用可能なトレッド値を有する最高の階層的に定義されたパラメータに対応する一致した情報に少なくとも部分的に基づいて予測され得る。

上述の実施形態の別の例示的な態様では、最高の階層的に定義されたパラメータからの一致した情報は、複数のゾーンにわたる利用可能なトレッド値の分布を含み得、第１のタイヤのタイヤ摩耗率は、現在のタイヤトレッド値をトレッド値の分布のサブセットと一致させ、一致したサブセットに関連する更なる履歴情報に基づいて将来のタイヤ摩耗を推定することによって予測され得る。

上述の実施形態の別の例示的な態様では、複数の階層的に定義されたパラメータのうちの１つ以上について一致した値に対応するトレッド値は、フィルタリングされたトレッド値が所定の境界を超える場合にフィルタリング除去され得、フィルタリングされていないトレッド値の数は、所定の閾値数の利用可能なトレッド値と比較される。

上記実施形態の別の例示的な態様では、複数のパラメータは、タイヤ摩耗状態予測との関連性に基づいて選択され得る。

上述の実施形態の別の例示的な態様では、複数のパラメータは、対応する情報の最速入力速度から対応する情報の最遅入力速度にそれぞれ基づいて、最高レベルから最低レベルまで階層的に定義され得る。

例えば、階層的に定義されたパラメータの最高レベルは、車両フリート位置であり得、階層的に定義されたパラメータの最低レベルは、特定の車両の特定の車輪位置であり得、階層的に定義されたパラメータの最高レベルと最低レベルとの間の介在レベルは、車両タイプ、車両車軸タイプ、及び特定の車両のうちの１つ以上を含み得る。

上述の実施の形態の別の例示的な態様では、第１のタイヤの交換時期は、第１のタイヤと関連付けられた１つ以上のタイヤ摩耗閾値と比較した予測されたタイヤ摩耗状態に基づいて予測され得る。

上述の実施形態の別の例示的な態様では、１つ以上のタイヤ摩耗閾値は、第１のタイヤと関連付けられた所与の車輪位置に対応するタイヤトレッド閾値を含み得る。

上述の実施形態の別の例示的な態様では、予測された交換時期と第１のタイヤの識別子とを含む車両保守警報が生成され、車両保守警報を含むメッセージがフリート管理デバイスに送信され得る。

車両タイヤ摩耗予測のためのシステムの一実施形態は、階層的データ構造が記憶されたデータ記憶ネットワークを含み得、上記の階層的データ構造は、複数のタイヤの履歴トレッド値に関する情報と、最高レベルから最低レベルまで階層的に定義された複数のパラメータのそれぞれの履歴トレッド値と関連付けられたそれぞれの値と、を集約する。センサは、少なくとも第１のタイヤに関する現在のタイヤトレッド値を提供するように構成され得、少なくとも１つのコンピューティングデバイスは、センサにリンクされ、複数の階層的に定義されたパラメータの各々に関する現在のタイヤトレッド値と関連付けられたそれぞれの値を更に提供するように構成される。サーバベースのコンピューティングネットワークは、現在のタイヤトレッド値を、少なくとも所定の閾値数の利用可能なトレッド値を有する複数の階層的に定義されたパラメータのうちの１つ以上一致する値に対応する階層的データ構造からの情報と一致させ、階層的データ構造からの一致した情報に少なくとも部分的に基づいて、第１のタイヤのタイヤ摩耗率を予測するように構成される。

このサーバベースのコンピューティングネットワークは、同様に、上述の方法に関して上記で説明した例示的な態様のうちの様々なものを実行するか、又はさもなければその実行を指示するように構成され得る。

以下、図面を参照しながら、本発明の実施形態をより詳細に例解する。
図１は、本明細書に開示されるようなタイヤ摩耗推定のためのシステムの一実施形態を表すブロック図である。 図２は、高分散分布から低分散分布に移動するタイヤ摩耗分布の例示的な階層を表すグラフ樹形図である。 図３は、図２の樹形図における例示的なノードを表すグラフ図であり、データ記憶を通して持続された付随する要約統計を伴うタイヤトレッド摩耗測定値の集約を含む。 図４は、本明細書に開示されるような方法の例示的な実施形態を表すフロー図である。 図５Ａは、本明細書に開示されるような方法の実施形態を表す集合的フロー図の一部である。 図５Ｂは、本明細書に開示されるような方法の実施形態を表す集合的フロー図の一部である。

概して図１～図５Ｂを参照して、発明の様々な例示的な実施形態がここで詳細に説明され得る。様々な図が、様々な共通の要素及び特徴を他の実施形態と共有する実施形態を説明することがある場合、同様の要素及び特徴は同じ参照番号を与えられ、その重複する説明は以下で省略されることがある。

本明細書に開示されるようなシステムの様々な実施形態は、本明細書に開示されるような摩耗モデルを効果的に実装するために、複数の分散データコレクタ及び（例えば、個々のユーザ及び／又は車両と関連付けられた）コンピューティングノードと機能的に通信する集中型コンピューティングノード（例えば、クラウドサーバ）を含み得る。

最初に図１を参照すると、システム１００の例示的な一実施形態は、本明細書に開示されるような摩耗モデルの対象であるタイヤ１１０のトレッド深さを測定するように構成されたタイヤトレッド深さセンサ１２０を含む。様々な実施形態におけるタイヤトレッド深さセンサ１２０は、本質的にアナログであり得るか、又はデジタルトレッド深さゲージであり得るか、又はタイヤ１１０を走査し、当業者に既知であるようなレーザ、光学、撮像、若しくは他の同等の感知技術を使用してトレッド深さを計算するように構成され得る。タイヤトレッド深さセンサ１２０は、手動で実装され得るか、又はタイヤに取り付けられ得る（例えば、タイヤトレッドに直接取り付けられ得る）か、又は他の方法で固定されてタイヤの外部にあり得る。一例として、タイヤトレッド深さセンサ１２０は、センサ１２０を通過するタイヤ１１０の表面上又はそれを横切ってレーザ光を投影することによって、タイヤトレッド情報を捕捉するように構成されたレーザエミッタと、反射されたエネルギーを捕捉し、それによってタイヤトレッドが判定され得るタイヤのプロファイルを取得するように構成された１つ以上のレーザ受信要素と、を備える、ドライブオーバー光学センサを含み得る。

ユーザは、タイヤトレッド深さセンサ１２０からトレッド深さを取得し、ローカルコンピューティングデバイス上のユーザインターフェース１３０を介して情報を手動で入力することができ、このローカルコンピューティングデバイスは、例えば、モバイルであり得、又はそうでなければ車両にオンボードで取り付けられ得、少なくとも、データを取得し、このデータを、通信ネットワークを介してリモートサーバ１４０に送信し、及び／又は本明細書に開示されるような関連する計算を実行するように構成され得る。トレッド深さセンサ１２０は、所与のタイヤ１１０についてのトレッド深さ情報をユーザインターフェース１３０に自動的に送信するように構成され得、例えば、ユーザは、そのトレッド深さ情報をタイヤ１１０と関連付けられた他の情報で補うことができ、又は、システム１００によってユーザインターフェース１３０に入力され、受信したトレッド深さ情報と並んだデータを確認し得る。

サーバ１４０は、一実施形態では、ホスト型サーバネットワーク、例えば、当業者によって理解されるようなプライベートクラウドサーバネットワーク及び関連するコンピューティングツール、ストレージツール、並びにインターフェースツールと呼ばれることがある。したがって、本明細書で開示されるようなサーバベースの機能は、ネットワーク化された構成における１つ以上の物理サーバ及び／又は仮想サーバを介して実装され得る。しかしながら、ある実施形態では、サーバに関して本明細書で説明される機能は、ホスト型ネットワーク内の１つ以上の物理サーバ及び／又は仮想サーバ間で、更に、例えば、ローカルコンピューティングデバイス１３０から実行される常駐プログラムアプリケーション間で分散され得る。サーバ１４０は、本明細書に開示されるような方法の実装のために情報が選択的に送信され、記憶され、取り出され得るように、データ記憶ネットワークと機能的に通信する。例えば、本明細書に開示されるような階層データモデル１４２は、データ記憶ネットワーク内のデータベース又は同等物に記憶され得る。フリートデータ１４４はまた、データ記憶ネットワーク内のデータベース又は同等物内に記憶され得、そのようなデータは、例えば、階層データモデル１４２内に記憶されたメタ情報の範囲外であるが、フリート管理システムのユーザにとって望ましい、そうでなければ例えば、階層データモデル内のノード間の関係を確立又は確認するためにシステム１００によって実装され得る、フリート内の関連車両又はタイヤと関連付けられた任意の情報を含む。

本明細書で使用されるときの「データ記憶ネットワーク」は、一般に、データを記憶し、そこからのデータの選択的取り出しを可能にするように構成された個々の、集中化された、又は分散された論理的及び／又は物理的エンティティを指し得、例えば、限定はしないが、メモリ、ルックアップテーブル、ファイル、レジスタ、データベースなどを含み得る。

モデルは、少なくとも部分的に、例えば車両データ及び／又はタイヤデータの選択的取り出しを可能にするプロセッサの実行を介して、更に、サーバと関連して記憶されているデータベース、ルックアップテーブルなどからの任意の追加のデータ又はアルゴリズムの入力のための電子通信において、実装され得る。

システムは、例えば、フリート管理サーバ若しくは他のコンピューティングデバイス１５０上に常駐する追加の分散されたプログラム論理、又は（例えば、視覚及び／若しくは音声インジケータを介した）リアルタイム通知のための車両に常駐するか、若しくはそのドライバと関連付けられたデバイス（図示せず）のユーザインターフェースを含み得、フリート管理デバイスは、いくつかの実施形態では、通信ネットワークを介してオンボードデバイスに機能的にリンクしている。システムプログラミング情報は、例えば、ドライバによって、又はフリートマネージャによってオンボードで提供され得る。ある実施形態では、フリート管理サーバ又は他のユーザコンピューティングデバイス１５０は、ローカルコンピューティングデバイス１３０と同じであり得る。

次に図４を参照して、階層分布モデルに基づくタイヤ摩耗推定の例示的な方法４００（図２及び図３に更に例解される）が以下で説明され得る。別途記載のない限り、本開示の範囲内で、図１に例解されるようなシステムが実装され得るか、又は、これらの方法若しくは同等の方法のために、システムの代替実施形態が実装され得る。実施形態に応じて、本明細書に説明される任意のアルゴリズムの特定の行為、イベント、又は機能を、異なる順序で実行するか、追加するか、マージするか、又は完全に除外することができる（例えば、全ての説明された行為又はイベントが、アルゴリズムの実践に必要なわけではない）。

一実施形態では、方法４００は、複数のタイヤの履歴トレッド値、及び最高レベルから最低レベルまで階層的に定義される複数のパラメータの各々についての履歴トレッド値と関連付けられたそれぞれの値に関する情報を階層的データ構造に集約することを含む（ステップ４１０）。現在のタイヤトレッド値は、第１のタイヤ１１０と関連付けられたセンサ１２０から提供され得（ステップ４２０）、複数の階層的に定義されたパラメータの各々についての現在のタイヤトレッド値と関連付けられたそれぞれの値は、例えば、ローカルコンピューティングデバイス及び／又は関連付けられたユーザインターフェース１３０を介して、更に提供され得る（ステップ４３０）。現在のタイヤトレッド値は、少なくとも所定の閾値数の利用可能なトレッド値を有する複数の階層的に定義されたパラメータのうちの１つ以上についての一致する値に対応する階層的データ構造からの情報と一致され得（ステップ４４０）、タイヤ摩耗率は、階層的データ構造からの一致した情報に少なくとも部分的に基づいて第１のタイヤについて予測される（ステップ４５０）。

第１のタイヤのタイヤ摩耗率は、例えば、少なくとも所定の閾値数の利用可能なトレッド値を有する最高の階層的に定義されたパラメータに対応する一致した情報に少なくとも部分的に基づいて予測され得る。

最高の階層的に定義されたパラメータからの一致した情報は、複数のゾーンにわたる利用可能なトレッド値の分布を含み得、第１のタイヤのタイヤ摩耗率は、現在のタイヤトレッド値をトレッド値の分布のサブセットと一致させ、一致したサブセットと関連付けられた更なる履歴情報に基づいて将来のタイヤ摩耗を推定することによって予測し得る。

フィルタリングされたトレッド値が所定の境界を超える場合、複数の階層的に定義されたパラメータのうちの１つ以上について一致した値に対応するトレッド値をフィルタリング除去し得、フィルタリングされていないトレッド値の数は、利用可能なトレッド値の所定の閾値数と比較される。

複数のパラメータは、タイヤ摩耗状態予測に対する関連性に基づいて選択され得る。複数のパラメータは、対応する情報の最速入力速度から対応する情報の最遅入力速度までにそれぞれ基づいて、最高レベルから最低レベルまで階層的に定義され得る。例えば、階層的に定義されたパラメータの最高レベルは、車両フリート位置であり得、階層的に定義されたパラメータの最低レベルは、特定の車両の特定の車輪位置であり得、階層的に定義されたパラメータの最高レベルと最低レベルとの間の介在レベルは、車両タイプ、車両車軸タイプ、及び特定の車両のうちの１つ以上を含み得る。

ここで図５Ａ及び図５Ｂを参照すると、例解されるような方法５００は、図４に関連する方法４００の様々な実施形態に関して更なる詳細を提供し得る。方法５００は、（ステップ５１０において）ユーザがタイヤのトレッド深さ測定値を、そのタイヤに関する対応メタ情報（例えば、フリート位置、車両上の車輪マウント位置、車両タイプ、車両番号、車両車軸など）とともに収集することから始まる。本明細書で使用するとき、別途記載のない限り、「ユーザ」という用語は、例えば、本明細書に開示される特徴及びステップを提供するためのユーザインターフェースを有するデバイスと関連付けられ得る、ドライバ、搭乗者、メカニック、技術者、フリート管理職員、又は任意の他の人物若しくはエンティティを指し得る。一実施形態では、ユーザは、ユーザインターフェース内のそれぞれのデータエントリフィールド、プルダウンメニューなどを介してメタ情報を提供し得るが、当業者であれば、本開示の範囲内で様々な代替形態が利用可能にされ得ることを理解するであろう。トレッド深さ測定値は、例えば、電子的に捕捉されて提出され得、サーバ又はホストされたアプリケーションは、スキャンされたトレッド深さ測定値を含むユーザインターフェースで応答し、メタ情報、及び／又はタイヤ（もしあれば）に以前と関連付けられたメタ情報の確認のための事前入力フィールドを入力するように促す。

摩耗率の分布は、タイヤ摩耗率推定に関連すると判定された複数のメタデータ情報レベルの一部又は全部に入力され得る。主成分分析（Principal Component Analysis、ＰＣＡ）は、例えば、どのメタデータレベルが摩耗率に最も関連するかを判定するために実装され得るが、当業者は、特定のタイヤ使用パラダイムに対する摩耗率への関連性を考慮してそのようなレベルを判定するための代替機構を企図し得る。

これらのメタデータ分布は、好ましくは、最も高いカテゴリレベルから最も低いカテゴリレベルに順序付けられ得、これらのレベルは、例えば、検査を行った後にどの摩耗率分布が最も速く入力されるかに基づいて判定される。

図２に示すように、複数の入力レベルのトレッド摩耗分布は、高分散単位から低分散単位へと移動するトレッド摩耗分布の例示的な階層２００を形成する。階層２００内のレベルは、例えば、フリート位置２１０、車両タイプ２２０、車両タイプ車軸２３０、車両２４０、車両車軸２５０を含み得、いくつかの実施形態では、個々のタイヤ／車輪位置２６０を含み得る。階層２００におけるこれらのレベル及びそれらの対応する位置は、特に明記されない限り、本明細書に開示されるようなシステムの範囲を限定するものではなく、所与の階層データモデルにおけるレベル及びそれらの対応する位置の選択は、実装されているタイヤ摩耗推定アルゴリズムに対するそれらの判定された関連性、特定のシステム又は方法における対応するデータ入力の分散などに基づき得ることが理解され得る。

フリート位置がトレッド深さの測定を開始するとき、階層モデル２００内の分布は、典型的には、最高レベル（例えば、フリート位置２１０及び車両タイプ２２０などの高分散カテゴリ）で入力を開始し、より低いかつより低いレベル（例えば、車両２４０及び車両車軸２５０）でよりゆっくりと分布を埋めることを開始し得る。したがって、これは、フリート位置ごとの分布の大規模な樹形図を作成し得、樹形図内の全てのノードは、データベース１４２を通して持続された付随する要約統計を有するトレッド摩耗の集約であり得る。付随する要約統計を伴う例示的なノード集約３００が図３に例解されており、所与の分布は、以下で更に説明されるようにして実装される４つの四分位数（Ｑ１、Ｑ２、Ｑ３、Ｑ４）及び中央値を含み得る。

図５に戻ると、方法５００は、所与のタイヤの現在のトレッド深さ測定値をデータベースに読み込むと、所与のタイヤの関連カテゴリ、例えば、車両、車軸、車輪位置と関連付けられた持続履歴トレッド摩耗率を計算する／取り出すこと（ステップ５２０）を更に含む。所与のタイヤの現在の摩耗率が計算され得、各分布は、例えば、あらゆる正の摩耗変化、又は摩耗率の最低パーセンタイルを超えるあらゆる摩耗率等の「非現実的な」摩耗率を除去するように潜在的にフィルタリングされる。階層２００内の対応する各レベルについて、トレッド深さ観測値の数を集約し、所与のタイヤについて四分位数を計算し得る（ステップ５３０）。

一実施形態では、各分布には、対応する統計情報を使用して所与のタイヤの摩耗率（タイヤレベルを含む）を通知する前に到達しなければならない最小サンプルサイズを割り当てられ得る。本明細書に開示されるような分布の階層は、一般に、タイヤの寿命の任意の時点で、例えば単一の測定後であっても、妥当なトレッド摩耗推論を計算することを可能にし得る。しかしながら、個々のタイヤトレッド摩耗測定値は、典型的には、例えば、５つ以上の好適な測定値が十分な時間窓にわたって取得されるまで、計算が信頼できないほど多くの分散を含む。したがって、タイヤのトレッド摩耗測定値について一連の論理条件が満たされない（例えば、所与の階層レベルについて所定の摩耗率サンプルサイズが観察されなかった、走行距離が不足している、トレッドが成長しているなど）ときは常に、システムは、所与のタイヤの好適な摩耗率を見つけるために「階層を登り」得る（ステップ５５０）。樹形図（例えば、図２参照）の各レベルは、所与のタイヤについて計算された現在のトレッド摩耗に影響を与える前に分布が満たさなければならない追加の論理を含み得る。分布は、トレッド摩耗を判定するだけでなく、様々な重みの度合でトレッド摩耗計算に影響を与えるように実装され得る。システムは、例えば、これらの分布を連続的に分析して、タイヤ、車両車軸、又は車両が、好ましくは、所与のフリート位置又は車両タイプについての摩耗率に関して客観的に不当なトレッド摩耗率を決して示さないように、それ自体の計算の妥当性を判定又は精緻化し得る。

図２の例示的な階層２００を参照すると、システムは、現在のレベルを上回る次の最も詳細な情報レベルを分析するように「登る」又は進行する。例えば、システムは、まず、特定の車両車軸の摩耗分布２５０を調べ得る（ステップ５５１）。このレベルでの分布が、例えば、所定のサンプルサイズ基準を超えるのに十分なトレッド深さ測定値を以前に受信及び集約している場合、本方法は、そのタイヤの現在のトレッド摩耗率を関連ノードと関連付けられた四分位数と比較し、予測されたタイヤ摩耗率を分布から最も近い四分位数に更に設定することに進む。

特定の車両車軸２５０についての分布が、信頼できる分布を作成するのに十分な観測値を以前に受信及び集約していない場合、本システム及び方法は、１つ高いレベルに進み、その所与のタイヤがその現在の瞬間に取り付けられている車両に対応する分布２４０を、分析し得る（ステップ５５２）。前のステップと同様に、このレベルでの分布が、例えば、所定のサンプルサイズ基準を超えるのに十分なトレッド深さ測定値を以前に受信及び集約している場合、本方法は、タイヤの現在のトレッド摩耗率を関連ノードと関連付けられた四分位数と比較し、予測されたタイヤ摩耗率を分布から最も近い四分位数に更に設定するように進む。

十分な数の観測（又は他の基準）を識別することに繰り返し失敗すると、システムは、階層を連続的に登り続け、その車両タイプの車軸２３０の分布、その車両タイプ２２０、次いで最終的にフリートレベル分布２１０を検討する（ステップ５５３、５５４、及び５５５）。

システムが階層２００に沿って上方に進むにつれて、そのタイヤレベル検査における摩耗率が保存され、サンプルサイズ基準を満たす第１の適切な階層レベルにおける予測指標（スウェイ）として使用され得る。「スウェイ」は、所与のタイヤの現在の摩耗率を、最も近い適切なレベルにおける分布上で計算された最も近い四分位数と一致させることによって作成される。次に、関連する論理境界及び「妥当性」境界を考慮してタイヤに最も近い可能な分布における四分位数適合摩耗速度が、タイヤの予測された摩耗速度として使用される。

例えば、図４及び図５を参照することによって本明細書に開示されるような方法論に対する１つの例示的な利点は、フリートが一貫した間隔で数ヶ月間観察されると、ほとんど全ての分布レベルが十分に入力されることである。その後の各連続インスタンスにおいて、新しいタイヤがフリート内の任意の所与の車輪位置に配置されるとき、正確な摩耗情報は、例えば、１つ又は２つのトレッド測定値を取得することによってのみ、そのタイヤに関する正確な摩耗情報を予測され得る。この改善は、フリート検査のための予測された摩耗速度を提供することにかかる時間を大幅に短縮する。

様々な実施形態では、例えば、引き続き図４を参照すると、方法４００は、１つ以上の将来の時点における摩耗値を予測することを更に含み得、そのような予測された値は、それぞれの閾値４６５と比較され得る。例えば、予測されたタイヤ摩耗率（例えば、所与の距離、時間などにおける予測されたトレッド深さ）に対応するフィードバック信号は、インターフェースを介して、車両自体と関連付けられたオンボードデバイスに、若しくはユーザと関連付けられたモバイルデバイスに提供され得、例えば、タイヤを交換すべきであるか、若しくは間もなく交換する必要があるという警告又は通知／推奨を提供するように構成されたユーザインターフェースと統合され得る（ステップ４６０）。他のタイヤ関連閾値事象は、本開示の範囲内で、例えばタイヤ回転、位置合わせ、膨張などを含む予測されたタイヤ摩耗に基づいて、警報及び／又は介入のために予測され、実装され得る。システムは、個々の閾値、閾値のグループ、及び／又は所定のパラメータ（４７０）に対する非閾値アルゴリズム比較に基づいて、上記のような警告及び／又は介入推奨を生成し得る。

別の例として、本明細書に開示されるような階層的摩耗モデルは、フリート管理システムが、特定の車両及びタイヤだけでなく、関連付けられたルート、ドライバなどの性能を追跡することを可能にし得る。本明細書の方法によって得られた予測された摩耗率を使用して、フリートマネージャは、例えば、どのトラック、ドライバ、ルート、及び／又はタイヤモデルがトレッドを最も速く焼き切っているか、又は逆にトレッドを節約しているかを確認し得る。更に、正確な摩耗モデリングは、フリートタイヤ購入に関する意思決定支援を提供することが好ましい場合がある。摩耗予測は、例えば、所与の年、月、週などの予測されたタイヤ購入推定モデルに集約され得る。

別の例として、自律型車両フリートは、様々な最小トレッド状態値を有する多数の車両を含み得、フリート管理システムは、最小閾値を下回る車両の配備を予防的に無効にするように構成され得る。フリート管理システムは、車輪位置に対応する様々な最小トレッド状態値を更に実装し得る。このシステムは、したがって、車両と関連付けられた複数のタイヤの各々の最小タイヤトレッド値に作用するように構成され得るか、又は一実施形態では、最小閾値と比較するために、複数のタイヤの集約されたトレッド状態を計算し得る。

一実施形態では、１つ以上の将来の時間、距離などについての予測されたタイヤ摩耗が、モデルから１つ以上の下流のモデル又はアプリケーションへの出力として提供され得る（ステップ４８０）。例えば、予測されたタイヤ摩耗状態（例えば、所与の走行距離におけるトレッド深さ）は、車両制御システム、トラクションモデル（同じシステム内のモデル、又はそれに機能的にリンクされた別のシステムの一部としてのモデル）、及び／又は燃料効率、耐久性などに関連する別の予測モデルへのフィードバック信号又はフィードフォワード信号として生成され得る。予測されたタイヤ摩耗（例えば、トレッド深さ）は、例えば、特定の車両データとともにトラクションモデルへの入力として提供され得、トラクションモデルは、それぞれのタイヤについての推定トラクション状態又は１つ以上のトラクション特性を提供するように構成され得る。例示的なトラクションモデルは、物理的部分、プロセス、又はシステムの「デジタルツイン」仮想表現を含み得、デジタルデータ及び物理データがペアリングされ、例えば人工ニューラルネットワークなどの学習システムと組み合わされる。特定のタイヤ、車両、又はタイヤ車両システムからの実車両データ及び／又はタイヤデータは、それぞれのアセットのライフサイクル全体にわたって提供されて、タイヤのトラクションを推定するための車両タイヤの仮想表現を生成し得、推定されたタイヤトラクションと、対応する測定又は判定された実際のタイヤトラクションとのその後の比較は、好ましくは、例えばクラウドサーバレベルで実行される機械学習アルゴリズムのフィードバックとして実装され得る。

一実施形態では、このトラクションモデルからの出力は、アクティブセーフティシステム、自律型フリート管理システムなどに組み込まれ得る（ステップ４９０）。前述したように、トレッド深さを予測するタイヤ摩耗モデルに供給するために、車両上のセンサからデータが収集され得、このデータは更にトラクションモデルに供給され得る。本明細書で使用するとき、「アクティブセーフティシステム」という用語は、好ましくは、衝突回避システム、高度運転補助システム（advanced driver-assistance system、ＡＤＡＳ）、アンチロック制動システム（anti-lock braking system、ＡＢＳ）などの例を含むがこれらに限定されない、当業者に一般的に既知であるようなシステムを包含し得、これらは、最適な性能を達成するために、トラクションモデル出力情報を利用するように構成され得る。例えば、衝突回避システムは、典型的には、標的車両との潜在的な衝突を回避又は軽減するために、自車のブレーキを自動的に係合することなどの、及びタイヤのトラクション能力に関する情報の強化、ひいてはタイヤ車両システムの制動能力などの回避作用をとるように構成されており、タイヤのトラクション能力、すなわちタイヤ車両システムの制動能力に関する拡張情報が極めて望ましい。

本明細書及び特許請求の範囲を通して、文脈がそうでない旨を指示しない限り、以下の用語は、少なくとも、本明細書に明示的に関連する意味をとる。以下で識別される意味は、必ずしも用語を限定するものではなく、単に用語の例解的な例を提供するものである。「ａ」、「ａｎ」、及び「ｔｈｅ」の意味は、複数の参照を含み得、「ｉｎ」の意味は、「ｉｎ」及び「ｏｎ」を含み得る。本明細書で使用されるとき、「一実施形態では」という句は、必ずしも同じ実施形態を指すものではないが、指すこともあり得る。

本明細書に開示される実施形態に関連して説明される様々な例解的な論理ブロック、モジュール、及びアルゴリズムステップは、電子ハードウェア、コンピュータソフトウェア、又はそれらの両方の組み合わせとして実装することができる。ハードウェア及びソフトウェアのこの互換性を明確に例解するために、様々な例解的な構成要素、ブロック、モジュール、及びステップは、概して、それらの機能性に関して上で説明されている。そのような機能性がハードウェアとして実装されるかソフトウェアとして実装されるかは、特定の適用例、及びシステム全体に課される設計上の制約に依存する。説明された機能性は、それぞれの特定の適用例ごとに様々な方式で実装することができるが、そのような実装決定は、本開示の範囲からの逸脱を引き起こすものとして解釈されるべきではない。

本明細書に開示される実施形態に関連して説明される様々な例解的な論理ブロック及びモジュールは、汎用プロセッサ、デジタル信号プロセッサ（digital signal processor、ＤＳＰ）、特定用途向け集積回路（application specific integrated circuit、ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（field programmable gate array、ＦＰＧＡ）若しくは他のプログラマブル論理デバイス、個別ゲート若しくはトランジスタ論理、個別ハードウェア構成要素、又は本明細書に説明される機能を実行するように設計されたそれらの任意の組み合わせなど、機械によって実装又は実行することができる。汎用プロセッサは、マイクロプロセッサであり得るが、代替として、プロセッサは、コントローラ、マイクロコントローラ、又はステートマシン、それらの組み合わせなどであり得る。プロセッサはまた、コンピューティングデバイスの組み合わせ、例えば、ＤＳＰとマイクロプロセッサとの組み合わせ、複数のマイクロプロセッサ、ＤＳＰコアと連携する１つ以上のマイクロプロセッサ、又は任意の他のそのような構成の組み合わせとして実装することもできる。

本明細書に開示される実施形態に関連して説明される方法、プロセス、又はアルゴリズムのステップは、ハードウェアで直接具現化するか、プロセッサによって実行されるソフトウェアモジュールで具現化するか、又はこれら２つの組み合わせで具現化することができる。ソフトウェアモジュールは、ＲＡＭメモリ、フラッシュメモリ、ＲＯＭメモリ、ＥＰＲＯＭメモリ、ＥＥＰＲＯＭメモリ、レジスタ、ハードディスク、取り外し可能ディスク、ＣＤ－ＲＯＭ、又は当該技術分野において既知の任意の他の形態のコンピュータ可読媒体内に常駐することができる。例示的なコンピュータ可読媒体は、プロセッサがメモリ／記憶媒体から情報を読み取り、メモリ／記憶媒体に情報を書き込むことができるように、プロセッサに結合され得る。代替として、媒体は、プロセッサと一体であり得る。プロセッサ及び媒体は、ＡＳＩＣ内に常駐することができる。ＡＳＩＣは、ユーザ端末内に常駐することができる。代替として、プロセッサ及び媒体は、ユーザ端末内の別個の構成要素として常駐することができる。

本明細書で使用される、とりわけ、「できる（can）」、「かもしれない（might）」、「場合がある（may）」、「など（e.g.）」など、条件付き文言は、具体的に別途記載のない限り、又はさもなければ使用される文脈内で理解されない限り、特定の実施形態が、特定の特徴、要素、及び／又は状態を含むが、他の実施形態は、それらの特定の特徴、要素、及び／又は状態を含まないことを伝えることを概して意図する。したがって、そのような条件付き文言は、特徴、要素、及び／又は状態が、１つ以上の実施形態のために何らかの方式で必要とされることを示唆することを概して意図せず、また、１つ以上の実施形態が、オーサー入力又はプロンプティングを用いて又は用いないで、これらの特徴、要素、及び／又は状態が、何らかの特定の実施形態に含まれるか又はそれにおいて実行されるべきかどうかを決定するための論理を、必ず含むことを示唆することを概して意図しない。

本発明の特定の好ましい実施形態は、典型的には、フリート管理システム、より具体的には自律型車両フリート又は商業用トラック用途のためのタイヤ摩耗推定に対して明細書に説明されることがあるが、本発明は、それに全くもって明示的に限定されるものではなく、本明細書で使用されるとき「車両」という用語は、別途記載のない限り、自己推進式であるかどうかにかかわらず、１つ以上のタイヤを含み得る、自動車、トラック、又はそれらの任意の等価物を指し、したがってタイヤ摩耗及び／又はタイヤトラクションの正確な推定又は予測、並びに、例えば直接車両制御調節の形態での潜在的な無効化、交換、又は介入を必要とし得る。

前述の詳細な説明は、例解及び説明の目的のために提供されている。したがって、新規で有用な発明の特定の実施形態を説明してきたが、このような参照が、以下の特許請求の範囲における記載を除いて、本発明の範囲への限定として解釈されることを意図しない。

Claims (20)

1. 車両タイヤ摩耗予測のためのコンピュータ実装方法（４００）であって、
   複数のタイヤの履歴トレッド値と、最高レベルから最低レベルまで階層的に定義される複数のパラメータの各々についての前記履歴トレッド値と関連付けられたそれぞれの値と、に関する情報を、階層的データ構造に集約すること（４４０）と、
   第１のタイヤと関連付けられたセンサからの現在のタイヤトレッド値と、前記複数の階層的に定義されたパラメータの各々についての前記現在のタイヤトレッド値と関連付けられたそれぞれの値と、を提供すること（４１０）と、
   前記現在のタイヤトレッド値を、少なくとも所定の閾値数の利用可能なトレッド値を有する前記複数の階層的に定義されたパラメータのうちの１つ以上についての一致する値に対応する前記階層的データ構造からの情報と一致させること（４５０～４５５）と、
   前記階層的データ構造からの前記一致した情報に少なくとも部分的に基づいて、前記第１のタイヤのタイヤ摩耗率を予測すること（４５０～４５５）と、を含む、コンピュータ実装方法。
2. 前記第１のタイヤの前記タイヤ摩耗率は、少なくとも前記所定の閾値数の利用可能なトレッド値を有する最高の階層的に定義されたパラメータに対応する前記一致した情報に少なくとも部分的に基づいて予測されること（４３０）を更に特徴とする、請求項１に記載のコンピュータ実装方法。
3. 前記最高の階層的に定義されたパラメータからの前記一致した情報は、複数のゾーンにわたる利用可能なトレッド値の分布を含み、
   前記第１のタイヤの前記タイヤ摩耗率は、
   前記現在のタイヤトレッド値を前記トレッド値の分布のサブセットと一致させることと、
   前記一致したサブセットと関連付けられた更なる履歴情報に基づいて、将来のタイヤ摩耗を推定することと、によって予測されることを更に特徴とする、請求項２に記載のコンピュータ実装方法。
4. フィルタリングされたトレッド値が所定の境界を超える場合に、前記複数の階層的に定義されたパラメータのうちの１つ以上についての前記一致した値に対応するトレッド値をフィルタリング除去することを更に含み、
   フィルタリングされていないトレッド値の数は、前記利用可能なトレッド値の所定の閾値数と比較される、請求項３に記載のコンピュータ実装方法。
5. 前記複数のパラメータは、タイヤ摩耗状態予測との関連性に基づいて選択されることを更に特徴とする、請求項３に記載のコンピュータ実装方法。
6. 前記複数のパラメータは、前記対応する情報の最速入力速度から前記対応する情報の最遅入力速度までにそれぞれ基づいて、最高レベルから最低レベルまで階層的に定義されることを更に特徴とする、請求項３に記載のコンピュータ実装方法。
7. 前記階層的に定義されたパラメータの前記最高レベルは、車両フリート位置（４５５）を含むことを更に特徴とする、請求項６に記載のコンピュータ実装方法。
8. 前記階層的に定義されたパラメータの前記最低レベルは、特定の車両の特定の車輪位置（４５１）を含むことを更に特徴とする、請求項７に記載のコンピュータ実装方法。
9. 前記階層的に定義されたパラメータの前記最高レベルと前記最低レベルとの間の１つ以上のレベルは、車両タイプ、車両車軸タイプ、及び前記特定の車両（４５２、４５３、４５４）のうちの１つ以上を含むことを更に特徴とする、請求項８に記載のコンピュータ実装方法。
10. 前記第１のタイヤと関連付けられた１つ以上のタイヤ摩耗閾値と比較した場合の前記予測されたタイヤ摩耗率に基づいて、前記第１のタイヤの交換時期を予測することを更に含む、請求項６に記載のコンピュータ実装方法。
11. 前記１つ以上のタイヤ摩耗閾値は、前記第１のタイヤと関連付けられた所与の車輪位置に対応するタイヤトレッド閾値を含むことを更に特徴とする、請求項１０に記載のコンピュータ実装方法。
12. 前記予測された交換時期と、前記第１のタイヤの識別子と、を含む、車両保守警報を生成することと、
    前記車両保守警報を含むメッセージをフリート管理デバイスに送信することと、を更に含む、請求項１０に記載のコンピュータ実装方法。
13. 車両タイヤ摩耗予測のためのシステムであって、
    階層的データ構造（１４２）が記憶されたデータ記憶ネットワークであって、前記階層的データ構造は、複数のタイヤの履歴トレッド値、及び最高レベルから最低レベルまで階層的に定義された複数のパラメータ（４４０）の各々についての前記履歴トレッド値と関連付けられたそれぞれの値に関する情報を集約する、データ記憶ネットワークと、
    少なくとも第１のタイヤ（１１０）の現在のタイヤトレッド値を提供するように構成されたセンサ（１２０）と、
    前記センサにリンクされ、前記複数の階層的に定義されたパラメータ（４１０）の各々についての前記現在のタイヤトレッド値と関連付けられたそれぞれの値を更に提供するように構成された少なくとも１つのコンピューティングデバイス（１３０）と、
    命令が常駐し、１つ以上のプロセッサによって実行可能であるコンピュータ可読媒体を備えるサーバベースのコンピューティングネットワーク（１４０）であって、
    前記現在のタイヤトレッド値を、少なくとも所定の閾値数の利用可能なトレッド値（４５０～４５５）を有する前記複数の階層的に定義されたパラメータのうちの１つ以上についての一致する値に対応する前記階層的データ構造からの情報と一致させることと、
    前記階層的データ構造からの前記一致した情報に少なくとも部分的に基づいて、前記第１のタイヤのタイヤ摩耗率を予測すること（４５０～４５５）と、を行うように構成されている、サーバネットワークと、を備える、システム。
14. 前記第１のタイヤの前記タイヤ摩耗率は、少なくとも前記所定の閾値数の利用可能なトレッド値を有する最高の階層的に定義されたパラメータに対応する前記一致した情報に少なくとも部分的に基づいて予測されることを更に特徴とする、請求項１３に記載のシステム。
15. 前記最高の階層的に定義されたパラメータからの前記一致した情報は、複数のゾーンにわたる利用可能なトレッド値の分布を含み、
    前記第１のタイヤの前記タイヤ摩耗率は、
    前記現在のタイヤトレッド値を前記トレッド値の分布のサブセットと一致させることと、
    前記一致したサブセットと関連付けられた更なる履歴情報に基づいて将来のタイヤ摩耗を推定することと、によって予測されることを更に特徴とする、請求項１４に記載のシステム。
16. 前記サーバベースのコンピューティングネットワークは、
    フィルタリングされたトレッド値が所定の境界を超える場合、前記複数の階層的に定義されたパラメータのうちの１つ以上についての前記一致した値に対応するトレッド値をフィルタリング除去することと、
    フィルタリングされていないトレッド値の数を、利用可能なトレッド値の前記所定の閾値数と比較する
    ことと、を行うように更に構成されることを更に特徴とする、請求項１５に記載のシステム。
17. 前記複数のパラメータは、タイヤ摩耗状態予測との関連性に基づいて選択されることを更に特徴とする、請求項１５に記載のシステム。
18. 前記複数のパラメータは、前記対応する情報の最速入力速度から前記対応する情報の最遅入力速度までにそれぞれ基づいて、最高レベルから最低レベルまで階層的に定義されることを更に特徴とする、請求項１５に記載のシステム。
19. 前記階層的に定義されたパラメータの前記最高レベルは、車両フリート位置を含み、
    前記階層的に定義されたパラメータの前記最低レベルは、特定の車両の特定の車輪位置を含み、
    前記階層的に定義されたパラメータの前記最高レベルと前記最低レベルとの間の１つ以上のレベルは、車両タイプ、車両車軸タイプ、及び前記特定の車両のうちの１つ以上を含むことを更に特徴とする、請求項１８に記載のシステム。
20. 前記サーバベースのコンピューティングネットワークは、
    前記第１のタイヤと関連付けられた１つ以上のタイヤ摩耗閾値と比較した場合に、前記予測されたタイヤ摩耗状態に基づいて、前記第１のタイヤの交換時期を予測することであって、前記１つ以上のタイヤ摩耗閾値は、前記第１のタイヤと関連付けられた所与の車輪位置に対応するタイヤトレッド閾値を含む、予測することと、
    前記予測された交換時期と、前記第１のタイヤの識別子と、を含む、車両保守警報を生成することと、
    前記車両保守警報を含むメッセージをフリート管理デバイスに送信することと、を行うように更に構成されることを更に特徴とする、請求項１８に記載のシステム。