JP6613321B2 - 走行距離及び速度の推定 - Google Patents

Description

関連出願の相互参照
本出願は、その内容が参照により本明細書に組み込まれる、２０１６年７月１５日に出願された、米国特許出願第１５／２１１，４７８号への優先権を主張し、米国用では米国特許出願第１５／２１１，４７８号の一部継続出願（ＣＩＰ, Continuation-in-Part）である。

保険会社は、保険がかけられた車両の支払請求費用を予測することに大きい関心を有する。車両の走行距離は、支払請求費用の有用な予測因子であると考えられ、一般的に、走行距離計の示度を通して推定される。安全でない速度で移動するのに費やされる時間の継続時間も、支払請求費用を予測するのに有用な場合があるが、記録されるのはまれである。

走行距離及び速度を推定するための現在の方法には、いくつかの欠点がある。１つの手法は、車両の車載型診断（ＯＢＤ, On-Board Diagnostics）ポートへデバイスを設置し、それによって、連続的に走行距離計及び速度計の示度の直接獲得を可能にすることである。しかし、そのようなＯＢＤデバイスは、予期せず除去されることが多く、車両のバッテリを消耗させる可能性があり、構築し動作させるのに費用がかかる可能性がある。

さらに、車両の走行距離計又は速度計を使用することによって、著しい誤差となる可能性がある。例えば、走行距離計に基づく走行距離の過大推定は、５〜７％高すぎる可能性がある。さらに、走行距離計の示度結果中の誤差又はバイアスによって、実際に移動した距離と測定される走行距離が、漸進的に大きく広がる。米国では、走行距離計の精度について法律上の義務はない。欧州の規制は、ＥＣＥ−Ｒ３９であり、これは±１０％精度を義務づける。これを±４％に向上させる提案は、「実際的に実現不可能」として不成立となった。速度計は、比較的により正確であるが、速度を過大推定する傾向があり、速度計の示度を使用する車両の推定した使用状況に著しい誤差をもたらす。

ＧＰＳ対応のスマートフォンは、典型的には、より正確な距離の測定及び速度の推定を可能にするが、スマートフォンが存在し、電力を消費して動作することが必要である。参照により本明細書に組み込まれ、２０１６年１月５日に発行された、「Inference of vehicular trajectory characteristics with personal mobile devices」（携帯型通信デバイスによる車両軌道特性の推論）という題名の、出願人の以前の特許、米国特許第９，２２８，８３６号明細書には、単にＧＰＳに依拠せず、ユーザのスマートフォンが、動く車両中で任意の向きであってよく（又は動くユーザが運ぶことができ）、その向き及び位置が運動期間に任意に変わる場合がある、スマートフォン中の加速度計からの生データを処理することにより、車両の長手方向加速度及び横方向加速度を正確に決定し、車両の速さ及び対応する移動した距離を推論するためのソフトウェアアプリケーションで構成することができる手法が記載される。そのようなソフトウェアアプリケーションは、例えば、移動距離、速度、又は他の運転特性を決定するために、運転手の車両使用状況を記録するために使用することができるが、運転手が、運転手のスマートフォンを身につけていない可能性があるとき、又はソフトウェアアプリケーションが実行していない可能性があるときがある。

米国特許第９，２２８，８３６号明細書

一態様では、一般的に、車両設置デバイスが車両中の振動を検知し、この検知した振動に基づいて、車両の使用状況を決定する。例えば、デバイスは、車両のフロントガラスに固定され、ユーザのスマートフォンとワイヤレス方式で通信することができる、小さいバッテリ電源式「タグ」の形であってよい。デバイスの１つの使用法は、スマートフォンが存在していない又は動作中でない使用期間後などの、車両の使用状況を追尾するために、米国特許第９，２２８，８３６号明細書に記載されるような、スマートフォンベースの手法を拡大することである。スマートフォンが車の中に存在する次のときに、デバイスは、記録された情報をスマートフォンへ送信する。スマートフォンがネットワークアクセスを有するとき、今度はスマートフォンがデータをサーバシステムに送信する。このデータは、スマートフォンが存在しない期間の車両使用状況を推論するために使用される。このようにして、車両使用状況の、より完全な記録を取得することができる。

別の態様では、一般的に、車両使用状況を決定する手法は、車両の移動と関連する振動信号を提供するセンサを使用し、その振動信号は、使用状況を推論するために使用される。使用状況は、特定の速度の範囲又は道路のタイプに関連していてもよい移動距離を含むことができる。振動とは、例えば、車両の一部（例えば、フレーム、サスペンション部材など）の位置、速さ、又は加速度に関係する任意の運動に基づく現象を含むと幅広く理解するべきであり、振動信号は、時間領域で又は周波数領域で（例えば、１若しくは２以上の周波数における、又は周波数の範囲にわたる強度で）表される。いくつかの実施形態では、「較正フェーズ」において、例えばＧＰＳ信号又は他の位置決定手法に基づいた補助測定を使用して、振動信号と使用状況との間の関係を決定する。「監視フェーズ」では、決定された関係を使用して振動信号から使用状況を推論する。

全ての移動が等しく危険であるわけではない。例えば、夜間に運転する１マイルは、昼間に運転する１マイルよりも危険である。同様に、ハイウェイ上を運転する１マイルの危険性は、平面街路上を運転する１マイルの危険性と異なる可能性がある。そのことを念頭に置いて、使用モードにしたがって、走行距離を区別したい場合がある。例えば、１回の外出期間に、ハイウェイ上を１２マイル、平面街路上を７マイル車両を運転したと、タグが決定することができる。

別の態様では、一般的に、車両の使用状況を決定するための方法が、車両とともに移動するデバイスのセンサから振動信号を獲得するステップを含む。振動信号は、デバイス中で処理され、車両の使用に関係する信号の特性を決定する。決定した特性を、次いで使用して、車両が第１の使用モードである（例えば、第１の移動モードである）時間期間を識別する。使用状況は、デバイス中のデータ記憶装置に蓄積される。これは、車両が第１の使用モードであると識別された時間期間に、車両についての第１の使用状況を蓄積するステップを含む。蓄積された使用状況は、デバイスから送信される。

態様は、以下の特徴のうちの１又は２以上を含むことができる。

第１の使用モードは、移動モードに対応する。例えば、第１の使用モードは、車両が運動中であることに対応し、そのため、蓄積された使用状況は、合計走行距離に対応する。

第１の使用状況を蓄積するステップは、第１の道路タイプ上の移動の継続時間と距離のうちの少なくとも１つを蓄積するステップを含む。

第１の使用状況を蓄積するステップは、識別された時間期間の継続時間及び第１の道路タイプ上の平均移動速度にしたがって、第１の道路タイプの移動距離を蓄積するステップを含む。

前記方法は、決定された特性を使用して、車両が第１の使用モードを含む複数の使用モードのうちの各使用モードである時間期間を識別するステップをさらに含む。複数のモードのうちの各モードにおける車両の使用状況は、識別された時間期間にしたがって蓄積される。

いくつかの例では、複数の使用モードは、複数の道路タイプ上の移動を含み、各使用モードは、異なる道路タイプに対応する。複数の道路タイプは、ハイウェイ道路タイプ及び／又は街路タイプ（例えば、「脇道」道路タイプ）を含むことができる。

別の態様では、一般的に、車両の運動を推定するための方法は、車両とともに移動するセンサから獲得された第１のセンサ信号を使用する。センサ信号は、その特性が車両の移動速度に依存する、速度関係の構成要素を含む。第１のセンサ信号を処理し、獲得されたセンサ信号の速度関係の構成要素のうちの少なくとも１つの特性を推定する。記憶されたデータがアクセスされ、アクセスされる記憶されたデータは、速度関係の構成要素のうちの少なくとも１つの特性の値と車両の速度を関連付けるデータを含む。アクセスしたデータ及び推定した少なくとも１つの特性を次いで使用して、車両の移動速度を推定する。

態様は、以下の特徴のうちの１又は２以上を含むことができる。

車両とともに移動するセンサは加速度計を備える。加速度計は、車両に固定された加速度計、又は車両とともに移動するが車両に固定されない携帯型電子デバイスの加速度計であってよい。いくつかの例では、センサ信号は多次元センサ信号を含み、各次元は、車両に対して異なる方向に対応する。

車両とともに移動するセンサは、マイクロフォンを備える。

センサ信号は、時系列を含む（例えば、サンプリングした時間又は連続波形を表す）。

少なくとも１つの特性は、スペクトル特性を含む。例えば、スペクトル特性は、１若しくは２以上のエネルギーピークの周波数、車両の構成要素の振動周波数（例えば、タイヤ振動）、及び／又は周波数にわたるエネルギー分布を特徴付ける。

少なくとも１つの特性は、時間特性を含む。例えば、時間特性は、周期的時間特性又はイベント間時間特性（例えば、道路中の段差に遭遇する前輪と後輪との間の時間）を含む。

少なくとも１つの特性の値と車両の速度を関連付けるデータは、統計的関係を特徴付けるデータを含む。例えば、データは記録を有するデータテーブルを含み、各記録は、少なくとも１つの特性の値と車両の速度を関連付ける。別の例としては、データが、エネルギーピークの周波数と車両速度との間の線形関係を表す。さらに別の例としては、データが、イベント間時間特性と車両速度との間の反比例関係を表す。

前記方法は、１又は２以上の特性と車両の速度を関連付けるデータを決定し記憶するステップをさらに含む。第２のセンサ信号は、車両とともに移動して車両速度信号を獲得するセンサ（例えば、第１のセンサ信号を獲得するのに使用されるものと同じ又は同様のセンサ）から獲得される。第２のセンサ信号を処理し、獲得されたセンサ信号の速度関係の構成要素のうちの少なくとも１つの特性を推定する。少なくとも１つの特性と車両の速度を関連付けるデータは、獲得された車両速度と推定された少なくとも１つの特性の関連を表すために決定される。

少なくとも１つの特性の経時的に繰り返される推定は、経時的な速度を推定するために使用され、経時的な速度の推定は、車両が移動した距離を推定するために使用される。

速度のドリフトは、移動速度の推定にしたがって、慣性センサから導出される。いくつかの例では、第１のセンサ信号を獲得するために使用される車両とともに移動するセンサは、ドリフトが補正される慣性センサと同じである。

態様は、以下の利点のうちの１又は２以上を有することができる。

本手法は、走行距離計又は速度計ベースの手法で、精度を増すことを可能にする。

本手法を実装するデバイスは、ＯＢＤベースのデバイスよりも簡単で、高価でなく、より電力効率がよい可能性がある。さらに、そのようなデバイスを使用すると、ＯＢＤデバイスを使用するよりも、誤差又は失敗が少ない傾向がある可能性がある。

本手法は、例えばＧＰＳの使用といった、位置決定システムの継続的な使用を必要としない。デバイスのための電力要件は、例えば、ＧＰＳを必要としないことの結果として、比較的低い可能性がある。いくつかの実装形態では、低い電力要件によって、車両の電力システムと統合する必要なしに、内部バッテリによって長期電力供給することを可能にすることができる。電源内蔵式の利点は、車両のバッテリがデバイスによって消耗される可能性がないことである。

設置された後で、デバイスは、必ずしもユーザとのインタラクションを必要としない。

システムの較正及び通信の態様は、ユーザのスマートフォンによって提供されてもよく、スマートフォンは、低電力無線（例えば、Ｂｌｕｅｔｏｏｔｈ）リンクを介して、車両設置されたデバイスとリンクし、それによって、デバイス自体の中にそのような態様を実装する必要を回避することができる。しかし、ユーザのスマートフォンは、そのような例において継続的に必要とされるわけではない。

車道上を移動する車両を表す概略図である。 加速度スペクトル密度対時間のグラフである。 速さ対時間のグラフである。 自己相関対ホイールベースのグラフである。 予測される距離対移動した実際の距離のグラフである。

図１を参照すると、車両１１０が、速さｖで車道の路面１６０に沿って移動しているように表される。タグ１２２は、車両に固定される。例えば、図１に図示されるようにフロントガラスの内側に取り付けられる。この実施形態では、センサ１２２は、１又は２以上の加速度計、マイクロプロセッサ、メモリ、実時間クロック、及びワイヤレス送受信器を含む、バッテリ電源式センサである。いくつかの実施形態では、センサ１２２は、参照により本明細書に組み込まれ、米国特許出願公開第２０１５／０３１２６５５Ａ１号明細書として出版された、出願番号第１４／５２９，８１２号の同時係属の米国特許出願「System and Method for Obtaining Vehicle Telematics Data」（車両テレマティクスを得るためのシステム及び方法）に記載されるような「タグ」である。

下の記載は、車両中の単一のタグ１２２の使用に焦点を合わせているが、代替実施形態では、例えば、１つのタグが車の左側近くに固定され、別のタグが車の右側近くに固定されるといった、車両上に複数のタグが存在する場合があることに留意されたい。さらに、他の実施形態では、タグを車両に恒久的に固定しない場合があり、又はタグの機能を通信デバイスの中に組み込むことができる（下に記載される）。

通信デバイス１２４は、本実施形態ではセルラ「スマートフォン」であるが、時々タグ１２２と（例えば、低電力のＢｌｕｅｔｏｏｔｈプロトコルを使用して）ワイヤレス通信し、それによって、振動データが加速度計により獲得されると、又は振動データが獲得されてタグのメモリに記憶される１バッチ後に、タグから振動データを受信するように通信デバイス１２４が構成される。タグ１２２は、通信デバイス１２４が存在しタグと通信可能に結合されるとき、通信デバイス１２４に後で転送するために、自律的にデータを集めるステップを動作することができるため、図１に図示される通信デバイス１２４は、全てのときにおいて存在する必要がないことに留意されたい。通信デバイス１２４は、位置決定システムから信号を受信して、位置決定システムにその地理的位置を決定させていてもよい。この実施形態では、デバイス１２４は、位置決定システムの衛星１３０から放出される位置特定信号を受信して処理する、全地球測位システム（ＧＰＳ, Global Positioning System）受信器を含む。デバイス１２４は、本実施形態では、セルラ電話のインフラストラクチャを使用する、双方向ワイヤレスデータ通信送受信器も含む。デバイスは、この送受信器を使用して、リモートサーバ１５０とデータを交換する。リモートサーバ１５０は、プロセッサ１５２並びにデータ記憶サブシステム１５４を含む。

一般的に、通信デバイス１２４（例えば、スマートフォン）自体の追尾能力への補助又は代替物として、タグ１２２は、追尾能力も効果的に可能にする。例えば、通信デバイスが車両中に存在するとき、その位置決定システムを使用して、移動した距離を決定することができ、通信デバイスが車両中に存在しないとき、車両が移動した距離を決定又は推定するのに十分なデータをタグがログ記録することができる。通信デバイスが車両中にあるときでさえ、通信デバイスによる電力消費を減少させるために、通信デバイスの位置決定能力を使用するよりも、むしろデータをタグでログ記録することが好ましい可能性がある。例えば、スマートフォンのＧＰＳ受信器を、時々（例えば、１０分ごとに）オンにすることができ、車両が移動した距離及び／又は速度を決定するために、位置決定情報をタグがログ記録したデータと組み合わせて使用することができる。いくつかの実施形態では、タグ及び位置決定データと組み合わせて、マップデータも使用される。タグ１２２の様々な実施形態は、以下の動作モードのうちの１又は２以上をサポートする。

一動作モードでは、タグ１２２は、いつ車両が移動するとき（すなわち、静止モードと反対である移動モードである）かを決定するため、振動（例えば、マイクロフォンによる、又はタグ自体の振動の加速度計ベースの検知による、検知されるタグの環境における音の音響振動）を検知することにより、スマートフォン１２４を使用して、車両の使用状況の監視を補う。これらの時間は、タグ中にログ記録され、スマートフォンとタグが次に通信するとき、スマートフォンに転送される。スマートフォンは、例えば、様々な時間帯及び曜日について、単位時間当たりの平均移動距離（すなわち、速度）を含む、運転手の過去の移動パターンについての情報を有する。スマートフォンは、次いで、タグが移動時間を検知したがスマートフォンは使用状況を追尾していなかった時間の間に移動した距離を推定し、タグからの情報を使用して、スマートフォンが追尾した使用状況を拡大する。いくつかの実施形態では、生の又は部分的に処理されたセンサ信号がスマートフォンに提供され、スマートフォンがいつ車両が移動していたのかの決定を行うが、一方、他の実施形態では、車両が移動していたのかの決定は、例えば、全ての運転手及び車についての様式でタグを構成するパラメータを使用して、又は移動することと移動しないことの決定をそのタグに関連する特定の運転手及び車に特に適合することができるようにスマートフォンにより提供されるパラメータを使用して、タグ内で行われることに留意されたい。

別の動作モードでは、移動することと移動しないことの決定がタグ１２２による検知振動に基づいて行われるだけでなく、移動する道路タイプも、例えば、検知振動信号の所定の組の道路タイプ（例えば、ハイウェイ、未舗装道路など）へ分類することによって決定される。例えば、スペクトル形状（すなわち、異なる振動周波数にわたる検知信号中のエネルギーの分布）を使用して道路タイプを分類することができる。いくつかの実施形態では、スマートフォンは、異なる道路タイプについて、単位時間当たりの異なる平均移動距離を使用して、移動した距離をより正確に推定する。例えば、単位時間当たりのハイウェイ上を移動した平均距離は、未舗装道路上を移動した平均距離よりも長い可能性がある。

別の動作モードでは、タグ１２２による検知振動を使用して、車両速度を推定し、これによって、直接移動した距離を推定する方法を実現する。下で議論するように、スペクトルのピーク周波数を使用して、例えば、その周波数が車輪の回転速度に比例し、したがって車両速度に比例する車輪振動に基づいて、車両速度についての情報を提供することができる。同様にピーク周波数を使用することの代わりに、又はピーク周波数を使用することに加えて、自己相関時間を使用して、車両のホイールベースに基づいて速度についての情報を提供することができる。例えば、自己相関時間は、前輪が段差に当たることと後輪が同じ段差に当たることとの間の時間に関係する可能性がある。そのような動作モードでは、タグは、スマートフォンが移動を追尾していなかった間に移動した距離に関するより具体的な情報を提供することができ、それによって、スマートフォンが集めたデータのより正確な拡大が可能になる。

さらに別の動作モードでは、タグは、複数軸の加速度計を含み、加速度計を使用して、（例えば、加速度信号の長手方向構成要素を積分することによって）移動した距離を推論する。いくつかのそのような実施形態では、タグにより検知される振動は、車両速度を推論するためにも使用される。この推論された車両速度を次いで使用して、加速度計信号中のドリフトを補正又は補償する。

下の記述では、一般的に、タグは、通信デバイスとは別個に記載されることに留意されたい。代替実施形態では、例えば、通信デバイス中の内蔵型加速度計を使用して、タグと通信デバイスの機能が組み合わされる。さらに、加速度計を収容するタグ又は通信デバイスは、必ずしも車両にしっかりと取り付けられる必要はなく（例えば、ユーザのポケットの中、グローブボックスの中など）、加速度計の向きは、例えば必要ならば、米国特許第９，２２８，８３６号明細書、「Inference of Vehicular Trajectory Characteristics with Personal Mobile Devices」に記載される技法を使用して推論することができる。記載されるいくつかの実施形態では、タグの向きは重要ではないことに留意されたい。というのは、向きは、スペクトルのピーク又は自己相関時間などの検知信号の特性を決定する能力を無効にしないためである。

１又は２以上の実施形態では、上に記載される動作モードのうちの１又は２以上をサポートし、車両１１０が運動中のときに、タグ１２２が、車両の基準系に対して、（例えば、タグが車両に取り付けられる向きに起因して、垂直、前後、及び横方向、又はこれらの軸の回転といった）１又は２以上の固定した方向への加速度を測定する。運転又は動く車両中の乗員の経験者なら理解できるように、車両の振動の性質は、車両が速度を変えると又は路面の性質が変わると変わる可能性があり、車両の振動のある態様は、例えば車両のタイヤが路面中の凹みに連続的に当たるとき、速度依存性のタイミングを持つ。より一般的には、車両が移動するときの、車両のタイミング、スペクトル成分、及び／又は振動の方向に影響を及ぼすいくつかの要因がある。車両の振動のこれらの特徴は、車両の速度、及び車両が移動している路面のタイプに関係する情報を提供する。

振動の１つの態様は、ｒで表される車両の車輪の回転速度（ｒｐｍ, revolutions per minute）に関係する。そのような振動を引き起こす可能性がある車両のいくつかの機械的特性としては、不完全なホイールアライメント(wheel alignment)、劣悪なタイヤバランス、及びタイヤの欠陥が挙げられる。また、エンジン振動は、エンジン速度に関係する可能性があり、エンジン速度は、ギア比に依存して、車両速度に依存する。いくつかの振動は、（例えば、不完全なホイールアライメント又はタイヤのバランスが悪いいくつかの場合では）主に横方向となる場合があり、一方いくつかの振動は、（例えば、タイヤに欠陥があるいくつかの場合では）ほとんど垂直方向となる場合がある。一般的に、そのような振動の方向特性は、経時的に変わらない。図２を参照すると、時間の関数としてのスペクトル密度が示され、図では、より大きいエネルギーが、より濃い色で示される。図３を参照すると、時間の関数としての実際の車両速度が、図２中と同じ時間軸上に示される。実際の車両速度がスペクトルのピークを追尾することが、これらの図に見ることができる。こうした追尾は、周波数ｆ（ヘルツ単位）におけるスペクトルのピークが、一般的に、r = f × 60/kの回転速度に対応し、上式で、k ≧ 1が、ピークに関連する高調波に関係する整数であることを認識することによって、理解することができる。

振動のさらに別の態様、又はより一般的に、加速度信号のパターンの態様は、車両の前輪と次いで後輪との間の連続的な接触及び路面の態様（例えば、欠陥）に関係する。一例として、（例えば、橋上に見出すことができる）横方向への伸縮継手を有する路面に沿って車両が移動すると、タグ１２２は、前輪が継手に当たりその直後に後輪が同じ継手に当たるという振動パターンを検知することになる。前輪と後輪が車両上で距離ｄだけ離れ、車両が速度ｖで移動している場合、前輪と次いで後輪に関連する振動イベントが、継続時間τ = d/vだけ時間的に離れることになると予想される。センサの加速度は、前輪及び後輪の加速度の成分を含む。したがって、車両が固定速度ｖで移動しているとき、加速度信号の自己相関は、遅延τにおいてピークを示す。システムの較正期間に、ホイールベースｄを、既知の速度ｖに基づいて、d = τ × vとして推定することができる。実際には、ホイールベースを推定する手法は、例えば、サスペンションのリンギングに関係する車両のインパルス応答ｃ（ｔ）を考慮に入れる。加速度信号ａ（ｔ）とａ（ｔ−ｄ／ｖ）−ｃ（ｄ／ｖ）ａ（ｔ）との間の相関が異なるホイールベースｄの範囲について評価される。結果は、図４に示され、推定されたホイールベースが約d = 2.55mであり、これは、真のホイールベースのd = 2.51mとかなり正確に一致することを示す。使用期間の後に、時間τにおける自己相関のピークによって、車両が速度v = d/τで移動しているとシステムが推論することが可能になる。この推論は、この計算について車両速度が一定であると仮定される時間ウィンドウの組で実施される。

振動の別の態様は、速度と路面の平滑性に関係する。例えば、砂利道上の移動は、コンクリート面のハイウェイ上の移動と異なる振動特性を引き起こすことになる。したがって、振動のいくつかの態様を使用して、いつ車両が停止しているのか対運動しているのかを決定することができ、エンジン又はサスペンション振動の周波数又は振幅の変化は、車両が移動している速度を示すことができる。

上で導入されたように、システムは、較正フェーズ並びに継続的監視フェーズで動作することができる。一般的に、較正フェーズは、獲得した振動信号と車両の運動との間の関係を「学習すること」を含み、「監視」フェーズは、この関係を使用して、どのように車両が移動したかを推定又は推論する。

較正フェーズでは、一般的に、タグは、後の監視期間にタグが行うのと同じ様式で一般的にデータを獲得する。較正フェーズでは、車両の使用状況は、二次的手段にしたがって決定されることもある。この実施形態では、スマートフォンはそのＧＰＳ受信器を使用して、車両の運動を決定する、特にその経時的な速度を追尾する。いくつかの例では、スマートフォンは、移動の他の特性、例えば、内蔵マップ又はデータリンクを介してサーバから提供される情報に基づいてスマートフォンに利用可能なマップ情報に基づき経時的に移動する道路タイプも決定する。タグが獲得したデータとスマートフォンが決定したデータとの間の関係、例えば統計的に推定されたモデルが、次いで、例えばスマートフォン中で、又は代替的に、タグが獲得したデータとスマートフォンが決定したデータの両方を受信するスマートフォンから離れたサーバ上で実行されるプロセスを使用して決定される。より具体的には、較正フェーズの例では、センサタグがスマートフォンに完全な３軸加速度データを測定及び送信する。スマートフォンは、ＧＰＳ測定から速度を同時に決定する。これらの測定の全ては、サーバにアップロードされる。サーバは、次いで加速度データを短いウィンドウへと分け、スペクトログラムを計算するために各ウィンドウ上で、短時間フーリエ変換を実施する。典型的には、スペクトログラム中の（何らかの範囲における）最大ピークの周波数が速度に比例して変わる、いくつかのスペクトル成分が存在する。このデータがあれば、特徴値（例えば、スペクトルのピーク）と速度との間の関係が決定される。また、速度についての情報を提供しない特徴値は、それらを無視できるようにも決定される。例えば、ある種の低周波数範囲は、例えばフロントウィンドウのワイパーからの運動といった、見当違いの情報に支配される可能性がある。一致したデータによって、これらの偽の信号を検出及び除去することが可能になる。

センサタグは車両に対して固定した向きであるため、この向きを決定し、それをサーバ上に記憶することが可能であることに留意されたい。３軸の場合、センサにより提供される信号は、必ずしも、垂直、前後、及び横方向などの標準的な方向に合わされるわけではない。しかし、較正フェーズでは、サーバが、標準的な方向におけるデータをもたらすデータの回転を決定することができる。したがって、１つの特定の方向（例えば垂直）においてより多くの情報が存在する場合、サーバは、速度推定を改善するために、これを活用することができる。センサタグの回転されない軸は、有用な情報も伝える。というのは、それらは、センサタグが実装される面に垂直な振動を捕捉するためである。

監視フェーズでは、一般的に、スマートフォンは、車両にない、又は少なくとも必ずしもタグと通信していない、又は車両の移動を追尾していない。タグは、経時的にセンサデータを集める。スマートフォンが次に存在するときに、タグに記憶されたデータはスマートフォンにアップロードされ、スマートフォンからサーバにアップロードされる。サーバは、次いで、アップロードされたデータを処理し、加速度データと速度及び道路タイプとの間の関係を使用して、合計で移動した距離及び道路タイプにより分けられた距離を推定する。

加速度データが大きすぎてタグ上に容易に記憶すること又はスマートフォンに送信することができない可能性があるため、センサタグは、いくつかの実施形態では、スマートフォンへの転送の前に、いくつかの実施形態では、タグのメモリへの記憶の前に、データ削減を実施する。１つのそのようなデータ削減は、加速度の各軸上の短時間フーリエ変換（ＦＴ, Fourier Transform）を計算するステップと、特定の周波数範囲における最大ピークを特定するステップとを含む。タグは、最大周波数ピークの指数（例えば、ＦＴの周波数ビンの数）及び相対的な振幅を記憶する。代替のデータ削減では、タグは、動的フィルタを使用して、主要なスペクトル成分を推定する。スペクトルのピークの位置だけを記憶することにより、データ記憶要件は非常に減少する。スマートフォンが次に存在するとき、これらのピークがスマートフォンに送信され、スマートフォンが、今度は、これらのピークをサーバに送信する。サーバは、記憶された向きを使用して、加速度を所望の基準系へと回転する。

上の記載は、車両速度の決定に焦点を合わせている。一方、いくつかの応用例では、合計走行距離がより重要である。走行距離を推定する、いくつかの代替方法がある。第１に、速度の積分の近似値が移動した距離であるので、速度の推定値を経時的に蓄積する場合がある。速度の誤差を相殺して、構成要素の速度推定よりも正確に走行距離の推定を行うことができる。

上に記載される手法は、いくつかの車両における実験的な使用で評価された。図５は、予測される移動距離対真の移動距離を示し、各点が１回の外出を表しており、約５，０００台の車両について、各々が少なくとも８０回の外出を行った。ピアソンＲ値は（有効数字２桁で）１．００であり、予測される手法が、大いに正確な推定を実現することを示す。

別の実施形態では、いつ振動レベルが何らかの閾値を超えるのかを測定することによって、いつ車が運動しているのかを、タグが検出する。車が運動しているときの継続時間と典型的な運転手の平均速度を掛けることによって、タグが走行距離を推定する。この方法は、（典型的な運転手の平均速度の事前知識以外に）学習ステップを必要としない。また、データ帯域幅及びメモリ要件は極度に小さい。車両が運動している合計時間のみを送信する必要があり、基礎をなす加速度測定値は必要ない。平均速度の精度は、運転手の年齢などの、副次的な情報を使用することにより改善することができる。

別の実施形態では、タグは、特定の運転手の平均速度で構成され、この速度を車両が運動している時間と掛けて、距離の推定値を生み出す。この手法は、各運転手についての学習ステップを必要とするが、一般的な平均の運転手の速度を使用するよりも、正確な推定を行うことができる。エンドユーザが、学習ステップが完了する前に推定走行距離を欲しい場合、その間では、一般的な平均速度又は一般的な平均速度と個人に合わせた平均速度の組合せを代用することができる。

別の実施形態では、タグは、どれだけ頻繁に、また、どれだけ長く車両が停止し、又は急な旋回を行うのかを測定する。平面街路上の車両は、頻繁に停止及び急な旋回を行う。さらに、平均速度は比較的遅い。一方、ハイウェイ上の車両は、停止又は急な旋回をほとんど行わず、それらの平均速度は比較的速い。本方法は、こうして、車両の停止及び旋回を調整することにより、より正確な走行距離の推定を行うことができる。平均速度は、典型的な運転挙動に基づいて事前に規定する、又は運転手ごとに学習することができる。

別の実施形態では、タグは、車両が運転される時間帯を追跡する。前記方法は、こうして、昼間の走行距離と夜間の走行距離を区別することができる。

別の実施形態では、タグは、道路のタイプ（例えば、ハイウェイ対平面街路）を追跡し、各道路タイプ上の走行距離を区別することができる。これは、例えば、較正フェーズ後にスマートフォンを介して提供される、異なる道路タイプに関連するセンサ信号特性でタグを構成することにより達成することができる。

いくつかの実施形態では、タグにより獲得されたデータを使用して、道路網に沿った移動を推論する。例えば、特定の道路区間は、特徴的なセンサプロファイル（例えば、路面に起因する特異な加速挙動）を有する場合がある。較正フェーズでは、これらの特性は、スマートフォンが決定した経路情報と一致する場合がある。これらのプロファイルは、移動した距離を推定するために使用される陸標として使用することができる。いくつかの実施形態では、特性を使用して、マップデータを一致させ、車両が移動したルートを推論することができる。マップとセンサデータのそのような一致は、タグが集めた横方向及び前後方向の加速度データを使用することによって拡大することができる。一般的に、サーバは、典型的には、複数の車両からのデータを観測することになることに留意されたい。したがって、これらの加速度の陸標は、車両間で共有することができ、そのため、車両が、どこか以前に走ったことがないところを走っている場合であってさえ、走行距離を推定することができる。

いくつかの実施形態では、タグが獲得したデータを、同じ車両による以前の外出で獲得したデータと（例えば、タグ、スマートフォン、又はサーバ上で）比較することができる。車両は同じルートを移動することが多く、そのルートに沿った外出のいくつかは、スマートフォンから正確な走行距離の推定を有することができ、加速度の特徴は一致する経路を検出することができるため、本方法は、それらの外出についてはるかに正確な走行距離の推定を行うことができる。

上で導入したように、タグは、比較的少ない電力を必要とすることができる。それにもかかわらず、電力要件は、例えば、データが１秒間記録され、次いでタグが９秒間スリープする、１０％のデューティサイクル(duty cycle)といった、デューティサイクルにおけるサイクリング動作によってさらに減少させることができる。その例では、合計のデータ送信、電力、及びメモリ要件は、１０分の１に減少するが、走行距離の推定の精度は、全てのデータを集めることから取得される結果に匹敵したままとなる可能性がある。

上の記載は、センサタグによる振動測定に焦点を合わせている。しかし、振動に加えて、又は振動以外に、他の測定値を使用することができる。例えば、センサ信号が地球磁場の強度を表す場合があり、地球磁場の強度は、道路網上で車両が移動するときに変わる場合がある。さらに、音響信号を検知することが、乱れた風切音、エンジン振動、及び路面などの速度に関係する現象を含む、振動を表す可能性がある。

いくつかの実施形態では、タグは、加速度計、ジャイロスコープ、又は他の慣性センサを使用して、移動距離を積分する。そのような積分量のドリフトに対処するために、タグは、スペクトル成分、連続するイベントのタイミングなどの特性を使用してドリフトを補正する。

上に記載されたいくつかの実施形態では、タグは、Ｂｌｕｅｔｏｏｔｈなどのワイヤレスチャネルを使用して、スマートフォンなどの通信デバイスと通信する。代替実施形態では、タグは、Ｗｉ−Ｆｉ信号を介してコンピュータなどの他のデバイスと通信することができることを理解されたい。いくつかの実施形態では、タグは、無線呼び掛け信号に応答して、料金所タグ（例えば、ＥＺｐａｓｓタグ）と同様の様式で通信することができる。したがって、ユーザの通信デバイスは、必須である、又はタグ中の検知情報が使用される唯一の方法であると考えるべきでない。

振動データと車両の速度、道路タイプなどとの間の関係を表す様々な方法を使用することができる。いくつかの実施形態では、この学習ステップは、機械学習技法を使用して、速度又は走行距離を示す非線形又は線形の特徴値の小さい組を作る。例えば、学習ステップは、加速度データが与えられた場合の速度を予測するため、人工の神経網（ＡＮＮ, artificial neural net）を訓練する。較正フェーズで訓練された後で、ＡＮＮをサーバで使用して、アップロードされたデータを処理することができ、又はＡＮＮのパラメータをタグ若しくはスマートフォンにダウンロードすることができ、このことによってＡＮＮを実装してＡＮＮの出力をアップロードし、これを次いで使用して、走行距離の推定値を決定する。いくつかの実施形態では、ＡＮＮは、サイズを減らした中間層を含有する場合があり、それによってデータの削減を実施する。タグは、次いで、神経網の第１のセクションを計算し、中間層からの中間値を記憶することができる。スマートフォンは、中間値を受信して神経網の後半を評価すること、又は、サーバにアップロードしてサーバに神経網の後半を評価させることができる。この手法は、タグ上のメモリ及び送信要件を減少させることになる。もちろんＡＮＮ手法は単に１つの例である。例えば、回帰モデル又は確率的モデルに基づいた他の統計的手法を使用して、タグから獲得又は提供されたデータと、速度及び道路タイプを含む車両の移動の特性との間の関係を表すことができる。

上に記載された手法の実装形態は、ハードウェア、ソフトウェア、又はハードウェアとソフトウェアの組合せを使用するデータ処理ステップ（例えば、データ記憶、データ削減、及びデータ通信）を実施することができる。ハードウェアは、特定用途向け集積回路（ＡＳＩＣ）を含むことができる。ソフトウェアは、タグ、スマートフォン、及び／又はサーバ中の１又は２以上のプロセッサに、上に記載された手順を実施させるため、非一時的媒体（例えば、不揮発性半導体メモリ）上に記憶される命令を含むことができる。

Claims (40)

1. 車両に固定されたデバイスのセンサから振動信号を獲得するステップと、
   前記振動信号を前記デバイス中で処理して、前記車両による移動に関係する前記振動信号の特性を決定するステップと、
   前記決定された特性を使用して、前記車両が第１の移動モードである時間期間を識別するステップと、
   前記デバイス中のデータ記憶装置に使用状況を蓄積するステップであって、前記車両が前記第１の移動モードであると前記識別された時間期間の間、前記車両についての第１の使用状況を蓄積するステップを含む、前記蓄積するステップと、
   前記蓄積された使用状況を前記デバイスから送信するステップと
   を含む車両の使用状況を決定するための方法であって、
   前記特性がスペクトル特性を含む、前記方法。
2. 前記蓄積された使用状況をデバイスから送信するステップが、前記蓄積された使用状況を携帯型通信デバイスに送信するステップを含む、請求項１に記載の方法。
3. 前記携帯型通信デバイス中に記憶される使用状況の情報を、前記デバイスから送信される蓄積された使用状況で拡大するステップを更に含む、請求項２に記載の方法。
4. 前記スペクトル特性が１又は２以上のエネルギーピークの周波数を特徴付ける、請求項１〜３のいずれかに記載の方法。
5. 前記スペクトル特性が車両の構成要素の振動周波数を特徴付ける、請求項１〜３のいずれかに記載の方法。
6. 前記スペクトル特性が周波数にわたるエネルギー分布を特徴付ける、請求項１〜３のいずれかに記載の方法。
7. 車両の使用状況を決定するための方法であって、
   前記車両に固定されたデバイスのセンサから振動信号を獲得するステップと、
   前記振動信号を前記デバイス中で処理して、前記車両による移動に関係する前記振動信号の特性を決定するステップと、
   前記決定された特性を使用して、前記車両が第１の移動モードである時間期間を識別するステップと、
   前記デバイス中のデータ記憶装置に使用状況を蓄積するステップであって、前記車両が前記第１の移動モードであると前記識別された時間期間の間、前記車両についての第１の使用状況を蓄積するステップを含む、前記蓄積するステップと、
   前記蓄積された使用状況を前記デバイスから送信するステップと、
   蓄積された使用状況をデバイスから送信するステップが、前記蓄積された使用状況を携帯型通信デバイスに送信するステップと、
   前記携帯型通信デバイス中に記憶される使用状況の情報を、前記デバイスから送信される蓄積された使用状況で拡大するステップと
   を含む、前記方法。
8. 前記特性が非線形又は線形の特性を含む、請求項７に記載の方法。
9. 前記特性がタイミング特性を含む、請求項７に記載の方法。
10. 前記タイミング特性が周期的時間特性を含む、請求項９に記載の方法。
11. 前記タイミング特性がイベント間時間特性を含む、請求項９に記載の方法。
12. １又は２以上の特性の値と車両の速度を関連付けるデータを決定するステップ及び前記データを記憶するステップを含み、
    少なくとも１つの特性の値と車両の速度を関連付けるデータが、統計的関係を特徴付けるデータを含む、請求項１〜１１のいずれかに記載の方法。
13. １又は２以上の特性の値と車両の速度を関連付けるデータを決定するステップ及び前記データを記憶するステップを含み、
    少なくとも１つの特性の値と車両の速度を関連付けるデータが記録を有するデータテーブルを含み、各記録が前記少なくとも１つの特性の値と前記車両の速度を関連付ける、請求項１〜１１のいずれかに記載の方法。
14. １又は２以上の特性の値と車両の速度を関連付けるデータを決定するステップ及び前記データを記憶するステップをさらに含み、
    少なくとも１つの特性の値と車両の速度を関連付けるデータが、イベント間時間特性と車両速度との間の反比例関係を表すデータを含む、請求項１〜１１のいずれかに記載の方法。
15. １又は２以上の特性の値と車両の速度を関連付けるデータを決定するステップ及び前記データを記憶するステップを含み、前記決定するステップが、
    前記車両とともに移動して車両速度信号を獲得するセンサから第２のセンサ信号を獲得するステップと、
    前記第２のセンサ信号を処理し、前記獲得されたセンサ信号の速度関係の構成要素のうちの少なくとも１つの特性を推定するステップと、
    獲得された車両の速度と前記推定された少なくとも１つの特性の値の関連を表すために、前記少なくとも１つの特性の値と前記車両の速度を関連付ける前記データを決定するステップと
    を含む、請求項１〜１１のいずれかに記載の方法。
16. 車両に固定されたデバイスのセンサから振動信号を獲得するステップと、
    前記振動信号を前記デバイス中で処理して、前記車両による移動に関係する前記振動信号の特性を決定するステップと、
    前記決定された特性を使用して、前記車両が第１の移動モードである時間期間を識別するステップと、
    前記デバイス中のデータ記憶装置に使用状況を蓄積するステップであって、前記車両が前記第１の移動モードであると前記識別された時間期間の間、前記車両についての第１の使用状況を蓄積するステップを含む、前記蓄積するステップと、
    前記蓄積された使用状況を前記デバイスから送信するステップと
    を含む車両の使用状況を決定するための方法であって、
    １又は２以上の特性の値と車両の速度を関連付けるデータを決定するステップ及び前記データを記憶するステップを含み、
    少なくとも１つの特性の値と車両の速度を関連付けるデータが、エネルギーピークの周波数と車両速度との間の線形関係を表すデータを含む、前記方法。
17. 前記蓄積された使用状況をデバイスから送信するステップが、前記蓄積された使用状況を携帯型通信デバイスに送信するステップを含む、請求項１６に記載の方法。
18. 前記特性が非線形又は線形の特性を含む、請求項１６又は１７に記載の方法。
19. 前記特性がタイミング特性を含む、請求項１６又は１７に記載の方法。
20. 前記タイミング特性が周期的時間特性を含む、請求項１９に記載の方法。
21. 前記タイミング特性がイベント間時間特性を含む、請求項１９に記載の方法。
22. １又は２以上の特性の値と車両の速度を関連付けるデータを決定するステップ及び前記データを記憶するステップを含み、
    少なくとも１つの特性の値と車両の速度を関連付けるデータが、エネルギーピークの周波数と車両速度との間の線形関係を表すデータを含む、請求項１〜１１のいずれかに記載の方法。
23. 前記車両に固定されたデバイスのセンサが加速度計を備える、請求項１〜２２のいずれかに記載の方法。
24. 前記振動信号が多次元信号を含み、前記多次元信号の各次元が車両に対して異なる方向に対応する、請求項２３に記載の方法。
25. 前記車両に固定されたデバイスのセンサがマイクロフォンを備える、請求項１〜２２のいずれかに記載の方法。
26. 前記第１の移動モードが第１の道路タイプ上の移動に対応する、請求項１〜２２のいずれかに記載の方法。
27. 前記第１の移動モードが第１の速度又は速度範囲における移動に対応する、請求項１〜２２のいずれかに記載の方法。
28. 第１の使用状況を蓄積するステップが、第１の移動モードでの移動の継続時間と距離のうちの少なくとも１つを蓄積するステップを含む、請求項１〜２７のいずれかに記載の方法。
29. 前記第１の使用状況を蓄積するステップが、識別された時間期間の継続時間及び第１の道路タイプ上の平均移動速度にしたがって、前記第１の道路タイプの移動距離を蓄積するステップを含む、請求項２８に記載の方法。
30. 決定された特性を使用して、車両が第１の移動モードを含む複数の移動モードのうちの各移動モードである時間期間を識別するステップと、
    前記複数のモードのうちの各モードにおける前記車両の使用状況を、前記識別された時間期間にしたがって蓄積するステップと
    を含む、請求項１〜２９のいずれかに記載の方法。
31. 複数の使用モードが複数の道路タイプ上の移動を含み、各移動モードが異なる道路タイプに対応する、請求項３０に記載の方法。
32. 前記複数の道路タイプが、ハイウェイ道路タイプ及び街路タイプのうちの少なくとも１つを含む、請求項３１に記載の方法。
33. センサ信号が時系列を含む、請求項１〜３２のいずれかに記載の方法。
34. 経時的に速度を推定するために経時的に特性の推定の使用を繰り返すステップと、車両が移動した距離を推定するために経時的な速度の前記推定を組み合わせるステップとをさらに含む、請求項１〜３３のいずれかに記載の方法。
35. 蓄積された使用状況にしたがって慣性センサの出力中のドリフトを補正するステップをさらに含む、請求項１〜３３のいずれかに記載の方法。
36. 車両とともに移動するセンサが慣性センサである、請求項３５に記載の方法。
37. デバイスから送信される情報を使用して、車両に関連する運転の危険性を査定するステップをさらに含む、請求項１〜３６のいずれかに記載の方法。
38. 前記車両に関連する運転の危険性を査定するステップが、保険リスクを査定するステップに関連する、請求項３７に記載の方法。
39. コンピューティングシステムの非一時的な機械可読媒体上に記憶された、前記コンピューティングシステムにおいて車の使用状況を決定させるためのソフトウェアであって、前記コンピューティングシステムの１又は２以上のプロセッサに、請求項１〜３６のいずれかに記載の全てのステップを実施させるための命令を含む、前記ソフトウェア。
40. 請求項１〜３６のいずれかに記載の全てのステップを実施するように構成された車両に取付けられるデバイス。