JP6796527B2 - 車両状態監視装置、車両状態監視システム及び車両状態監視方法 - Google Patents

Description

本発明は、自動車等の車両の状態を監視する車両状態監視装置、車両状態監視システム及び車両状態監視方法に関する。

近年の自動車の動向として利用者の安全性を向上させるための機器が付帯され始めているが、追加コストが発生するため、あまり普及が進んでいない。一方、物流の増加やカーシェアリングビジネスの拡大により、商業車、乗用車ともに稼動時間が増加の傾向にある。したがって、これまで以上に自動車の状態を監視し、異常をいち早く見つけて、ドライバーや自動車販売業者、運送会社、運行管理業者などに通知することが必要である。

これに対して、スマートフォンなど一般的に普及した移動情報端末を介した情報相互通信による自動車安全運行補助システムが提案されている（例えば特許文献１）。特許文献１に記載の自動車安全運行補助システムでは、自動車の車両診断装置であるＯＢＤ（On-Board Diagnosis）と移動情報端末を連携させＯＢＤからリアルタイムでデータを収集する。ＯＢＤは、自動車各部に取り付けられたＥＣＵ（Electrical Control Unit）にプログラミングされている自己故障診断機能である。そして、自動車が故障と診断された時には、移動情報端末に警報を表示するなどしてそのことをドライバーに通知し、近隣の整備工場などへ誘致するための情報を提供する。

特開２０１６−１６７１１２号公報

しかしながら、特許文献１に記載の技術は、ＯＢＤから収集したデータのみを使っている。ＯＢＤデータには、自動車の速度やエンジンの回転数などの情報や自動車製造会社が設定した各コンポーネントの故障フラグなどが含まれる。コンポーネントとは、例えば自動車の構成要素をなす各部分、各機構、あるいは、各部分の組み合わせによって一つに構成できるようにしたものである。しかし、ＯＢＤデータからでは分からない故障や、故障フラグを設定していない想定外の故障を検出することは困難である。

本発明は、上記の事情を考慮してなされたものであり、車両に搭載されたＯＢＤ等の車両診断装置から取得することのできない車両（自動車等）の状態に関する情報を把握し、車両の状態監視を行うことを目的とする。

本発明の一態様の車両状態監視装置は、任意の車両内の移動情報端末のセンサーから得られるセンサーデータと当該車両の状態量との関係を予め学習した状態推定器を用いて、監視対象車両内の移動情報端末のセンサーから得られるセンサーデータから当該監視対象車両の状態量を推定する状態推定部と、その状態推定部により推定された監視対象車両の状態量に基づいて、監視対象車両の状態に関する評価を行う状態評価部と、その状態評価部による監視対象車両の状態に関する評価の結果を出力する評価結果出力部とを備える。

また本発明の一態様の車両状態監視システムは、上記車両状態監視装置と、監視対象車両内のセンサーを備える移動情報端末とから構成される。さらに本発明の一態様の車両状態監視方法は、上記車両状態監視装置において実行される方法である。

本発明の少なくとも一態様によれば、車両に持ち込まれた移動情報端末に搭載されたセンサーを用いることにより、ＯＢＤ等から取得することのできない車両の状態に関する情報を把握し、車両の状態監視を行うことができる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

本発明の第１の実施形態に係る車両状態監視システムの全体構成及び各装置の内部構成の一例を示す概略構成図である。 本発明の第１の実施形態に係る学習データの構成例を示す説明図である。 本発明の第１の実施形態に係る移動情報端末のハードウェア構成例を示すブロック図である。 本発明の第１の実施形態に係る車両状態監視装置のハードウェア構成例を示すブロック図である。 本発明の第１の実施形態に係る、推定器を作成した後の、車両状態監視システムにおける車両状態監視手法の手順を示すフローチャートである。 本発明の第１の実施形態に係る移動情報端末から得られたセンサーデータを用いて推定器を作成する方法の一例を示す説明図である。 本発明の第１の実施形態に係る監視対象車両内のセンサーから得られる計測データから監視対象車両の状態を推定する方法の一例を示す説明図である。 本発明の第１の実施形態に係る監視対象車両の初期速度と制動距離との関係例を示すグラフである。 情報端末に表示される監視対象車両の状態に関する評価結果の一例を示す説明図である。 本発明の第２の実施形態に係る車両状態監視システムの全体構成及び各装置の内部構成の一例を示す概略構成図である。 本発明の第２の実施形態に係る学習データの構成例を示す説明図である。 本発明の第２の実施形態に係る、推定器を作成した後の、車両状態監視システムにおける車両状態監視手法の手順を示すフローチャートである。 本発明の第２の実施形態に係る移動情報端末から得られたデータを用いて推定器を作成する方法の一例を示す説明図である。 本発明の第２の実施形態に係る計測データから監視対象車両の状態を推定する方法の一例を示す説明図である。

以下、本発明を実施するための形態の例について、添付図面を参照しながら説明する。添付図面において実質的に同一の機能又は構成を有する構成要素については、同一の符号を付して重複する説明を省略する。なお、添付図面は本発明の原理に則った具体的な実施形態と実装例を示しているが、これらは本発明の理解のためのものであり、決して本発明を限定的に解釈するために用いられるものではない。

＜１．第１の実施形態＞
図１は、本発明の第１の実施形態に係る車両状態監視システムの全体構成及び各装置の内部構成の一例を示す。

［車両状態監視システム］
図１に示す車両状態監視システム１００は、ユーザー（乗客）が携帯する移動情報端末１１０、車両状態監視装置１２０、及び情報端末１３０から構成されている。移動情報端末１１０と車両状態監視装置１２０はネットワークＮ１を介して、車両状態監視装置１２０と情報端末１３０はネットワークＮ２を介して、互いに通信可能に接続されている。ネットワークＮ１は、移動通信システムのネットワークである。ネットワークＮ２は、移動通信システム又はインターネット等のネットワークである。ネットワークＮ１とネットワークＮ２は、同一でもよい。

車両状態監視システム１００では、移動情報端末１１０が自動車Ｃ内にあることが前提である。車両状態監視装置１２０が、任意の移動情報端末のセンサーデータと自動車Ｃの状態監視に必要な自動車の状態量の計測データを学習データとし、移動情報端末１１０のセンサーデータから自動車Ｃの状態量を推定する推定器１２３ａ（状態推定モデル：状態推定器の一例）を予め作成する。そして、車両状態監視装置１２０は、推定器１２３ａと移動情報端末１１０のセンサーデータにより、ＯＢＤからは直接取得することのできない自動車Ｃの状態を把握し、自動車Ｃの状態監視をより高精度に行う。

［移動情報端末］
移動情報端末１１０は、一般に普及しているスマートフォンやタブレット型端末、ゲーム機などであり、ユーザーが携帯可能な通信機器である。移動情報端末１１０は、ユーザーによって自動車Ｃ内に持ち込まれる。移動情報端末１１０は、加速度センサーなど少なくとも一つ以上のセンサー１１１を備えており、状態監視の対象とする自動車Ｃの中に置かれているとする。移動情報端末１１０は、センサー１１１として加速度センサー３０９及び衛星測位部３１０（後述する図３参照）を備える。衛星測位部３１０のセンサーデータ（以下「衛星測位データ」とも称する）から時間と移動距離との関係（速度）を計算することができる。そして、移動情報端末１１０では、センサーデータ取得部１１２として機能するアプリケーションが実行される。

センサーデータ取得部１１２は、センサー１１１からセンサーデータを定期的に取得し、リサンプリングなど適切な処理を行った上で、ネットワークＮ１を介して当該センサーデータを車両状態監視装置１２０へ送信する処理を行う。なお、センサーデータ取得部１１２は、センサーデータ以外の、ＯＢＤデータなど移動情報端末１１０を介して得られるデータを車両状態監視装置１２０に送信してもよい。

図１では監視対象の車両を自動車Ｃとしているが、自動車Ｃに限らず移動可能な種々の車両を監視対象とすることができる。例えば、監視対象として、道路交通法上の車両（自動車、原動機付自転車、軽車両及びトロリーバス）や路面電車、各産業用の車両、軍用車両、鉄道車両などが挙げられる。

［車両状態監視装置］
車両状態監視装置１２０は、移動情報端末１１０から送信されるデータの蓄積及び処理を行うための演算処理機能や記憶機能を有するコンピューターであり、例えば運送会社や運行管理業者等のデータセンターに配置される。車両状態監視装置１２０は、データ入力部１２１、状態推定部１２２、推定器学習部１２３、状態評価部１２４、及び評価結果出力部１２５を有する。

データ入力部１２１は、ネットワークＮ１を介して、移動情報端末１１０のセンサーデータ取得部１１２から出力されたセンサーデータを受信し、受信したセンサーデータを状態推定部１２２へ出力する。

推定器学習部１２３は、自動車内に置かれた移動情報端末が備えるセンサーから出力されるセンサーデータと、車両の状態量との関係とを予め学習し、任意の自動車の状態量を推定する推定器１２３ａ（状態推定器の一例）を作成する。例えば推定器学習部１２３は、図２に示すような各時刻における移動情報端末センサーデータＤ１（センサー値）と、自動車の状態量データＤ２（状態量の値）が組になったデータを学習データ２００として用いる。そして、推定器学習部１２３は、この学習データ２００を用いて機械学習などを行い、移動情報端末１１０が備えるセンサー１１１から出力されるセンサーデータから自動車の状態量を推定する推定器１２３ａを作成する。機械学習には、教師あり学習を用いるパターン認識モデルの一つであり線形入力素子を利用して２クラスのパターン識別器を構成するサポートベクターマシンや、深層型ニューラルネットワークであるディープラーニング等を用いることができる。自動車は、車種に応じて大きさ、重量、性能等が異なるため、推定器１２３ａは自動車の車種ごとに作成される。

（学習データの構成例）
図２は、第１の実施形態に係る学習データの構成例を示す。
図２に示すように、学習データ２００は、「時刻データ」、「移動情報端末センサーデータＤ１」、「自動車の状態量データＤ２」を有する。移動情報端末センサーデータＤ１は項目Ｓ１，Ｓ２…を有し、自動車の状態量データＤ２は項目Ａ１，Ａ２，Ａ３を有する。本実施形態では、移動情報端末センサーデータＤ１は加速度データであり、自動車の状態量データＤ２はブレーキ動作の有無である。

図１の車両状態監視装置１２０の説明に戻る。状態推定部１２２は、推定器学習部１２３から与えられる学習済みの推定器１２３ａを用いて、自動車Ｃ内の移動情報端末１１０のセンサーから得られるセンサーデータから、自動車Ｃの状態を評価するのに必要な状態量（以下「状態推定値」と呼称することがある）を推定する。そして、状態推定部１２２は、推定した自動車Ｃの状態量（状態推定値）を状態評価部１２４へ出力する。

なお、学習済みの推定器１２３ａを車両状態監視装置１２０内に予め格納しておくことにより、推定器学習部１２３を不要とすることができる。また、学習済み推定器１２３ａを車両状態監視装置１２０の外部のサーバー等に格納し、車両状態監視装置１２０に適宜呼び出せる構成としてもよい。

状態評価部１２４は、状態推定部１２２により推定された自動車Ｃの状態量（状態推定値）に基づいて、安全や危険などの自動車Ｃの状態に関する評価を行う。本実施形態では、状態評価部１２４は、自動車Ｃのブレーキの状態（例えばブレーキのきき具合）、自動車Ｃの現在の異常度、又は自動車Ｃの異常度の推移の中から１以上の項目について評価を行う。

評価結果出力部１２５は、状態評価部１２４による自動車Ｃの状態に関する評価の結果（状態評価結果）を、ネットワークＮ２を介して情報端末１３０へ送信する。

［情報端末］
情報端末１３０は、パーソナルコンピューター（ＰＣ）、スマートフォンなどの移動情報端末である。情報端末１３０では、状態評価結果通知部１３１として機能するアプリケーションが実行される。この情報端末１３０は移動情報端末１１０と同一であってもよい。

状態評価結果通知部１３１は、車両状態監視装置１２０の評価結果出力部１２５から送信された自動車Ｃの状態に関する評価の結果を、情報端末１３０の画面に表示する処理を行う（後述する図９参照）。

［移動情報端末（情報端末）のハードウェア構成例］
次に、移動情報端末１１０のハードウェア構成を説明する。
図３は、移動情報端末１１０のハードウェア構成例を示すブロック図である。ここでは、移動情報端末１１０が備えるコンピューター３００のハードウェア構成を説明する。なお、情報端末１３０が移動情報端末である場合には、情報端末１３０のハードウェア構成は、図３に示すような構成にすることができる。

コンピューター３００は、バス３０４にそれぞれ接続されたＣＰＵ（Central Processing Unit）３０１、ＲＯＭ（Read Only Memory）３０２、ＲＡＭ（Random Access Memory）３０３を備える。さらに、コンピューター３００は、表示部３０５、操作部３０６、不揮発性ストレージ３０７、ネットワークインターフェース３０８、加速度センサー３０９、及び衛星測位部３１０を備える。

ＣＰＵ３０１は、本実施形態に係る各機能（センサーデータ取得部１１２の機能等）を実現するソフトウェアのプログラムコードをＲＯＭ３０２から読み出して実行する。なお、コンピューター３００は、ＣＰＵ３０１の代わりに、ＭＰＵ（Micro-Processing Unit）等の処理装置を備えるようにしてもよい。情報端末１３０が移動情報端末１１０と同一である場合には、ＲＯＭ３０２に状態評価結果通知部１３１の機能を実現するプログラムコードが格納される。

ＲＡＭ３０３には、演算処理の途中に発生した変数やパラメーター等が一時的に書き込まれる。表示部３０５は、例えば、液晶ディスプレイモニタであり、コンピューター３００で行われる処理の結果等を表示する。操作部３０６には、例えばタッチパネルが用いられ、ユーザーがタッチ操作による入力や指示を行うことが可能である。

不揮発性ストレージ３０７としては、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フレキシブルディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、磁気テープ、不揮発性のメモリカード等が用いられる。この不揮発性ストレージ３０７には、ＯＳ（Operating System）や各種のパラメーターの他に、コンピューター３００を機能させるためのプログラムが記録されていてもよい。例えば不揮発性ストレージ３０７に、センサーデータ取得部１１２の機能等に相当するプログラムやデータ等が記憶されていてもよい。

ネットワークインターフェース３０８は、ＣＰＵ３０１の制御の下で、例えばアクセスポイントを介して移動通信システムを構成するネットワークＮ１に接続し、ネットワークＮ１に接続された車両状態監視装置１２０と通信を行う。情報端末１３０が移動情報端末１１０と同一である場合には、ネットワークＮ１とネットワークＮ２は同一でもよい。

加速度センサー３０９は、移動情報端末１１０のセンサー１１１の一例であり、加速度（速度の変化率）を計測する。加速度センサー３０９には、例えば３軸加速度センサーを用いることができるが、加速度の計測方式は特に限定されない。なお、ＣＰＵ３０１が加速度センサー３０９の加速度データを積分することにより、速度を算出することが可能である。

衛星測位部３１０は、衛星測位システムの受信機であり、移動情報端末１１０のセンサー１１１の一例である。衛星測位部３１０として、例えば全地球測位システム（ＧＰＳ：Global Positioning System）の受信機を用いることができる。ＧＰＳ受信機は複数のＧＰＳ衛星からの電波を受信してそれぞれとの距離を割り出すことにより、ＧＰＳ受信機が搭載された移動情報端末の現在位置（位置情報）を測定する。なお、ＣＰＵ３０１が衛星測位部３１０の衛星測位データを微分することにより、速度を算出することが可能である。

［車両状態監視装置のハードウェア構成例］
次に、車両状態監視装置１２０のハードウェア構成を説明する。
図４は、車両状態監視装置１２０のハードウェア構成例を示すブロック図である。ここでは、車両状態監視装置１２０が備えるコンピューター４００のハードウェア構成を説明する。

コンピューター４００は、バス４０４にそれぞれ接続されたＣＰＵ４０１、ＲＯＭ４０２、ＲＡＭ４０３を備える。さらに、コンピューター４００は、表示部４０５、操作部４０６、不揮発性ストレージ４０７、及びネットワークインターフェース４０８を備える。

ＣＰＵ４０１は、本実施形態に係る各機能を実現するソフトウェアのプログラムコードをＲＯＭ４０２から読み出して実行する。なお、コンピューター４００は、ＣＰＵ４０１の代わりに、ＭＰＵ等の処理装置を備えるようにしてもよい。なお、ＣＰＵ４０１は移動情報端末１１０から送信される加速度データを積分することにより、速度を算出することができる。また、ＣＰＵ４０１が移動情報端末１１０から送信される衛星測位データを微分することにより、速度を算出することができる。

ＲＡＭ４０３には、演算処理の途中に発生した変数やパラメーター等が一時的に書き込まれる。表示部４０５は、例えば、液晶ディスプレイモニタであり、コンピューター４００で行われる処理の結果等を表示する。操作部４０６には、例えば、キーボード、マウス又はタッチパネル等が用いられ、ユーザーが所定の入力操作、指示を行うことが可能である。

不揮発性ストレージ４０７としては、例えば、ＨＤＤ、ＳＳＤ、フレキシブルディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、磁気テープ、不揮発性のメモリカード等が用いられる。この不揮発性ストレージ４０７には、ＯＳや各種のパラメーターの他に、コンピューター４００を機能させるためのプログラムが記録されていてもよい。例えば不揮発性ストレージ４０７に、図１に示した各ブロック部の機能に相当するプログラムが記憶されていてもよい。

ネットワークインターフェース４０８は、ＣＰＵ４０１の制御の下で、ネットワークＮ２に接続し、ネットワークＮ２に接続された情報端末１３０と通信を行う。情報端末１３０がパーソナルコンピューターである場合には、ネットワークＮ２としてインターネットやＬＡＮを利用することができる。ネットワークインターフェース４０８は、一例としてＮＩＣ（Network Interface Card）が用いられ、ネットワークＮ２を介して車両状態監視装置１２０と情報端末１３０間で各種のデータを送受信する。なお、ネットワークＮ１とネットワークＮ２の通信プロトコルが同一ではない場合には、車両状態監視装置１２０のコンピューター４００は、それぞれのネットワークの通信プロトコルに対応したネットワークインターフェースを備える。

なお、情報端末１３０がパーソナルコンピューターである場合には、情報端末１３０のハードウェア構成は、図４に示すような構成にすることができる。

［車両状態監視手法の手順］
次に、本実施形態に係る車両状態監視システム１００における車両状態監視手法の手順を説明する。

まず、車両状態監視装置１２０は、自動車Ｃの状態監視を行う前に、学習データ２００を取得し、推定器学習部１２３により、予め移動情報端末のセンサーデータから自動車の状態量を推定する推定器１２３ａを作成しておく。学習データ２００は、自動車の状態量を計測可能なセンサーを取り付けた学習データ取得用の自動車を用意し、自動車の状態量を計測可能なセンサーのセンサーデータと移動情報端末のセンサーデータとを同時に計測可能な状態にした上で取得する。

次に、推定器１２３ａを作成した後の、車両状態監視システム１００における車両状態監視手法の手順を説明する。

図５は、推定器１２３ａを作成した後の、車両状態監視システム１００における車両状態監視手法の手順を示すフローチャートである。移動情報端末１１０（図３のコンピューター３００）のＣＰＵ３０１がＲＯＭ３０２に記録されたプログラムを実行することにより、図５に示すステップＳ５０１の処理が実行される。また、車両状態監視装置１２０（図４のコンピューター４００）のＣＰＵ４０１がＲＯＭ４０２に記録されたプログラムを実行することにより、図５に示すステップＳ５０２〜Ｓ５０４の処理が実行される。

まず、自動車Ｃ内の移動情報端末１１０のセンサーデータ取得部１１２は、移動情報端末１１０に搭載されたセンサー１１１からセンサーデータを取得し、ネットワークＮ１を介して、そのセンサーデータを車両状態監視装置１２０に送信する（Ｓ５０１）。車両状態監視装置１２０のデータ入力部１２１は、ネットワークＮ１を介して移動情報端末１１０からセンサーデータの入力を受け付けて、そのセンサーデータを状態推定部１２２へ出力する。

次に、状態推定部１２２が、学習済みの推定器１２３ａと、移動情報端末１１０から受信したセンサーデータとから、自動車Ｃの状態を監視するのに必要な状態量を推定する（Ｓ５０２）。状態推定部１２２は、推定した自動車Ｃの状態量（状態推定値）を状態評価部１２４へ出力する。

次に、状態評価部１２４は、状態推定部１２２により推定された状態量に基づいて、安全や危険などの自動車Ｃの状態に関する評価値を計算する（Ｓ５０３）。そして、評価結果出力部１２５は、状態評価部１２４による自動車Ｃの状態に関する評価値を、評価結果としてネットワークＮ２を介して、情報端末１３０へ送信する。

最後に、情報端末１３０の状態評価結果通知部１３１が、車両状態監視装置１２０から送信された自動車Ｃの状態に関する評価値を、情報端末１３０の画面（例えば図３の表示部３０５）に表示する（Ｓ５０４）。車両状態監視システム１００は、ステップＳ５０４の処理後、車両状態監視手法の一連の処理を終了する。

［推定器作成方法］
本実施形態の適用事例として、車両状態監視装置１２０を用いて自動車のブレーキの状態（一例としてブレーキのきき具合）を監視することを考える。

自動車のブレーキ（制動装置）の状態監視を行うためには、少なくともブレーキ動作の有無を知る必要があるが、移動情報端末１１０はブレーキの動作を直接検知可能なセンサーを搭載していない。そこで、本実施形態では、推定器学習部１２３を用いて事前に、移動情報端末１１０のセンサーデータからブレーキの動作を検知可能な推定器１２３ａを作成する。

推定器１２３ａを作成するために必要な学習データは、ブレーキ動作を検知可能なセンサーを搭載した自動車を用意し、ブレーキ動作を検知可能なセンサーのセンサーデータと移動情報端末のセンサーデータとを同時に計測可能な状態にした上で取得する。ブレーキ動作を検知可能なセンサーには、一例としてフットブレーキのペダルの位置を検出するスイッチが用いられる。また、ブレーキ動作の検知には、ブレーキの動作を含む自動車の動作に関するあらゆる情報を収集可能なＣＡＮ（Controller Area Network）データを利用してもよい。学習データを取得する際は、自動車を十分な距離及び時間を走行させて学習データを取得することが望ましい。なお、本実施形態では、移動情報端末１１０のセンサーデータとして、加速度及び速度を取得可能又は算出可能とする。

推定器１２３ａは、学習データから以下のように作成される。路面の勾配を無視すると、自動車の進行方向の運動方程式は、式（１）のように書ける。

ｍａ＝ｆ−μｍｇ−（１／２）ρＡＣ_ｄＶ^２ ・・・・（１）

ここで、ｍは自動車の重量、ａは自動車の加速度である。また、ｆは正の場合は駆動力、負の場合は制動力である。また、ｇは重力加速度、μは転がり抵抗、ρは空気密度、Ｃ_ｄは抗力係数、Ａは車両前面投影面積、Ｖは自動車の速度である。ａ、Ｖに関しては移動情報端末１１０のセンサーデータから取得することができる。一方、ｍ、μ、Ｃ_ｄ、Ａなどのパラメーター値は車種ごとに異なり、事前には分からないとする。式（１）は、式（２）のように変形できる。

ａ＝−（１／２ｍ）ρＡＣ_ｄＶ^２＋ｆ／ｍ−μｇ ・・・・（２）

式（２）より、Ｖ^２とａを軸とする平面において、ブレーキが作動している時（即ちｆが負の時）のデータと、ブレーキが作動していない時（即ちｆが正の時）のデータは、下記式（３）に示す直線で分離できることが分かる。

ａ＝−（１／２ｍ）ρＡＣ_ｄＶ^２−μｇ ・・・・（３）

図６は、移動情報端末１１０から得られたセンサーデータを用いて推定器１２３ａを作成する方法の一例を説明するためのグラフである。図６の横軸は自動車の速度の二乗［Ｖ^２］であり、縦軸は自動車の加速度［ａ］である。丸形で示したセンサーデータは、ブレーキ動作有りの場合のデータであり、三角形で示したセンサーデータは、ブレーキ動作無しの場合のデータである。丸形で示したセンサーデータの大部分は、直線６０１の上側に位置し、三角形で示したセンサーデータの大部分は、直線６０１の下側に位置する。

上記式（３）は、ブレーキが動作している時のデータと、動作していない時のデータを分離する直線６０１に対応する式である。この直線６０１に対応する式（３）の各係数は未知であるが、図６に示すブレーキが動作している時としていない時のデータが、ブレーキ動作を検知可能なセンサーによって判別可能であるならば、直線６０１をサポートベクターマシンなどの機械学習により求めることができる。この直線６０１を用いることにより、移動情報端末１１０のセンサーデータから、自動車の状態としてブレーキ動作の有無を推定することができる。以下では、直線６０１を学習済み推定器１２３ａとして用いる。

［状態推定方法］
次に、ブレーキ動作の有無を推定する推定器１２３ａを作成した後の、本適用事例における処理の流れを説明する。図７は、自動車Ｃ内のセンサーから得られる計測データから自動車Ｃの状態を推定する方法の一例を示す。図７の横軸は自動車の速度の二乗［Ｖ^２］であり、縦軸は自動車の加速度［ａ］である。

まず、自動車Ｃ内の移動情報端末１１０のセンサーデータ取得部１１２が、移動情報端末１１０のセンサーデータとして加速度と速度のデータを取得する。そして、センサーデータ取得部１１２は、この加速度と速度のデータを車両状態監視装置１２０に送信する（Ｓ５０１に相当）。

次に、車両状態監視装置１２０の状態推定部１２２は、移動情報端末１１０から得られた加速度と速度のデータと、学習済み推定器１２３ａとから、ブレーキ動作の有無を推定する（Ｓ５０２に相当）。具体的には、得られた速度と加速度のデータ（計測データ）が、直線６０１の上側又は下側のいずれにあるかを判定する。状態推定部１２２は、図７に示す計測データ７０１のように、ａ＞−（１／２ｍ）ρＡＣ_ｄＶ^２−μｇである場合には、ブレーキ動作有りと推定する。一方、計測データ７０２のように、ａ≦−（１／２ｍ）ρＡＣ_ｄＶ^２−μｇである場合には、ブレーキ動作無しと推定する。

次に、状態評価部１２４は、推定された自動車Ｃの状態であるブレーキ動作の有無と、移動情報端末１１０のセンサーデータである加速度及び速度とから、自動車Ｃの状態に関する評価を行う（Ｓ５０３に相当）。そして、評価結果出力部１２５は、状態評価部１２４による評価結果を情報端末１３０に送信する（Ｓ５０４に相当）。例えば状態評価部１２４は、自動車Ｃのブレーキの状態、自動車Ｃの現在の異常度、及び自動車Ｃの異常度の推移の中から１以上の項目について評価する（後述する図９参照）。

評価の方法としては、例えば図８に示すように、ブレーキが動作し始めた時の速度を初期速度、またブレーキが動作してから自動車が停止するまでの距離を制動距離として、その変化をモニタリングし、正常な範囲からの逸脱の程度を異常度として計算する。車両状態監視装置１２０は、初期速度及び制動距離のデータを、予め学習データとして収集し、不揮発性ストレージ４０７等に蓄積しておく。自動車が停止するまでの制動距離が長くなると、異常度が大きくなる。状態評価部１２４は、異常度が所定値よりも大きい場合には、ブレーキのきき具合が悪い、即ちブレーキの状態が異常であると判断する。

図８は、自動車の初期速度と制動距離との関係例を示すグラフである。図８の横軸は初期速度、縦軸は制動距離を表す。異常度の計算は、例えば、マハラノビス距離８０３などを用いて、計測データ８０１と正常な学習データで構成されるデータ群８０２（破線で囲まれる部分）との距離を計算するようにしてもよい。マハラノビス距離とは、多次元のデータが相関を持つ場合などに使用されるものである。例えばマハラノビス距離は、教師なし学習によりデータのパターンを学習し、このデータから著しく外れたデータを異常値として検出する場合などに使用される。

最後に、情報端末１３０の状態評価結果通知部１３１が、車両状態監視装置１２０の評価結果出力部１２５から送信された、自動車Ｃの状態に関する評価結果を情報端末１３０の画面に表示する。

図９は、情報端末１３０に表示される自動車Ｃの状態に関する評価結果の一例を示す。
情報端末１３０の画面（表示部３０５）には、ブレーキの状態表示エリア９１０、現在の異常度表示エリア９２０、及び異常度の推移表示エリア９３０が設定されている。

ブレーキの状態表示エリア９１０には、ブレーキの状態が、赤：正常、黄：やや異常、赤：異常というように、道路に設置される信号機を模して表示されている。また、現在の異常度表示エリア９２０には、現在のブレーキの異常度の値が表示される。さらに、異常度の推移表示エリア９３０には、過去（例えば５ヶ月前）から現在までのブレーキの異常度の推移がグラフとして表示される。異常度の推移表示エリア９３０には、ブレーキの状態表示エリア９１０の赤表示に対応する警告ライン９３１ｒ、及び、同じく黄表示に対応する注意ライン９３１ｙが表示されている。なお、グラフの縦軸と横軸と注意ライン９３１ｙで囲まれる領域、及び、注意ライン９３１ｙと警告ライン９３１ｒと縦軸で囲まれる領域ごとに、領域の表示色（背景色）を変えてもよい。

このようにブレーキの状態表示エリア９１０、現在の異常度表示エリア９２０、及び異常度の推移表示エリア９３０を画面に表示することにより、ユーザーは、ブレーキの状態に関する多様な情報に接して、ブレーキの状態を確認及び判断することができる。

上述した第１の実施形態によれば、自動車Ｃ（監視対象車両）内の移動情報端末１１０に搭載されたセンサー１１１のセンサーデータを用いることにより、自動車に搭載されたＯＢＤ等の車両診断装置から取得することのできない自動車Ｃの状態に関する情報（ブレーキ動作の有無、制動距離）を把握し、自動車Ｃの状態（ブレーキの状態）を監視することを実現している。

また、第１の実施形態によれば、ＯＢＤデータではなく移動情報端末１１０に搭載されたセンサー１１１のセンサーデータを用いることにより、少ない追加のコストで安価に、自動車Ｃの状態監視を実現できる。

さらに、第１の実施形態では、任意の自動車内に置かれた移動情報端末１１０のセンサー１１１から出力されるセンサーデータと当該自動車の状態量との関係を予め学習した推定器１２３ａを作成しておく。そして、第１の実施形態では、この推定器１２３ａを用いて、自動車Ｃ内に置かれた移動情報端末１１０のセンサーから得られるセンサーデータから自動車Ｃの状態量を推定し、この推定した状態量に基づいて自動車Ｃの状態に関する評価を行う。それにより、第１の実施形態は、学習済みの推定器１２３ａと移動情報端末１１０に搭載されたセンサー１１１のセンサーデータとによって、少ない追加のコストで安価に、より高精度に自動車Ｃの状態監視を実現できる。

なお、上述した第１の実施形態では、自動車のブレーキの状態として、ブレーキのきき具合を監視したが、ブレーキパッドの摩耗量など、他の状態を監視してもよいことは勿論である。ブレーキパッドの摩耗量を監視する場合には、一例としてブレーキバッドの取替日（新車納入日）、取替日以降の自動車の走行距離、加速度センサー３０９の加速度データ、及び、速度データからなる学習データセットを用意して推定器１２３ａを作成する。加速度データ及び速度データは、ブレーキパッドの摩耗量に影響を与えるドライバーの運転の荒さを反映するために使用される。走行距離の積算値は、衛星測位部３１０の衛星測位データから得られる。また速度データは、衛星測位部３１０の衛星測位データを積分する、又は加速度センサー３０９の加速度データを微分することにより得られる。

＜２．第２の実施形態＞
第２の実施形態は、さらに車両状態監視装置が外部データを利用することにより、路面の勾配を考慮して自動車等の車両のブレーキの状態（ブレーキのきき具合）を監視する例である。路面に勾配がある場合、自動車の進行方向（路面と平行な方向）に勾配に応じた重力成分が作用するために、車両のブレーキ動作の有無の判断が変わってくる。必然的に、自動車のブレーキの状態に関する評価も異なるものになる。

［車両状態監視システム］
図１０は、本発明の第２の実施形態に係る車両状態監視システムの全体構成及び各装置の内部構成の一例を示す。図１０に示す車両状態監視システム１０００は、移動情報端末１１０、車両状態監視装置１２０Ａ、及び情報端末１３０から構成されている。車両状態監視システム１０００のうち、図１の車両状態監視システム１００（図１）に示された同一の符号を付された構成要素については、説明を省略する。

［車両状態監視装置］
車両状態監視装置１２０Ａは、移動情報端末１１０から送信されるデータの蓄積及び処理を行うための演算処理機能や記憶機能を有するコンピューターである。車両状態監視装置１２０Ａは、データ入力部１２１、状態推定部１２２、推定器学習部１２３、状態評価部１２４、評価結果出力部１２５に加えて、さらに外部データ取得部１０１０を備える。即ち、車両状態監視装置１２０Ａは、第１の実施形態に係る車両状態監視装置１２０と比較して、外部データ取得部１０１０を備える点と、状態推定部１２２が外部データ取得部１０１０で取得した外部データ１０１１も考慮して自動車Ｃの状態量を推定する点が異なる。

本実施形態では、状態推定部１２２において自動車Ｃの状態量を推定する際に、移動情報端末１１０のセンサーデータに加え、地図情報や気象情報などの外部データ１０１１を用いる。これにより、さらに高精度に自動車Ｃの状態量を推定し、自動車Ｃの状態に関する評価を行うことができる。

外部データ取得部１０１０は、自動車内の移動情報端末以外から当該移動情報端末のセンサーデータとは異なる外部データ１０１１を取得する。例えば外部データ取得部１０１０は、インターネット上や外部のデータベースにある気象情報や勾配情報を含む地図情報などの外部データ１０１１を、指示された場合など必要に応じて取得し、状態推定部１２２に送信する。

例えば勾配情報を含む地図情報として、例えば国土地理院から提供される標高データ（例えば数値標高モデル）を用いることができる。標高データには位置ごとに標高の値が登録されており、標高データから一定区間の始点から終点までの勾配が求められる。あるいは、勾配情報を含むものであれば、カーナビゲーションシステムに利用されるような地図情報でもよい。また、気象情報としては、例えば気象庁や気象情報提供会社から提供される気象情報を利用できる。

推定器学習部１２３は、自動車内に置かれた移動情報端末が備えるセンサーから出力されるセンサーデータと、外部データ１０１１と、車両の状態量との関係を予め学習し、任意の自動車の状態量を推定する推定器１２３ｂ（状態推定器の一例）を作成する。例えば推定器学習部１２３は、図１１に示すような各時刻における移動情報端末センサーデータＤ１（センサー値）と、外部データＤ３（外部データ値）と、自動車の状態量データＤ２（状態量の値）が組になったデータを学習データ１１００として用いる。そして、推定器学習部１２３は、この学習データ１１００を用いて機械学習などを行い、移動情報端末１１０が備えるセンサー１１１から出力されるセンサーデータと外部データ１０１１から、自動車の状態量を推定する推定器１２３ｂを作成する。

（学習データの構成例）
図１１は、第２の実施形態に係る学習データの構成例を示す。
図１１に示すように、学習データ１１００は、「時刻データ」、「移動情報端末センサーデータＤ１」、「外部データＤ３」、「自動車の状態量データＤ２」を有する。移動情報端末センサーデータＤ１は項目Ｓ１…、外部データＤ３は項目Ｅ１…、自動車の状態量データＤ２は項目Ａ１，Ａ２，Ａ３を有する。本実施形態では、移動情報端末センサーデータＤ１は加速度データ、及び衛星測位部３１０で測位した自動車の位置情報（衛星測位データ）であり、外部データＤ３は地図情報（勾配情報）であり、さらに自動車の状態量データＤ２はブレーキ動作の有無である。

図１０の車両状態監視装置１２０Ａの説明に戻る。状態推定部１２２は、推定器学習部１２３から与えられる学習済みの推定器１２３ｂを用いて、自動車Ｃ内の移動情報端末１１０のセンサーから得られるセンサーデータと外部データ１０１１から、自動車Ｃの状態を評価するのに必要な状態量を推定する。

［車両状態監視手法の手順］
次に、本実施形態に係る車両状態監視システム１０００における車両状態監視手法の手順を説明する。

まず、第１の実施形態と同様に、車両状態監視装置１２０Ａは、自動車Ｃの状態監視を行う前に、学習データ１１００を取得し、推定器学習部１２３により、予め移動情報端末のセンサーデータから自動車の状態量を推定する推定器１２３ｂを作成しておく。学習データ１１００は、自動車の状態量を計測可能なセンサーを取り付けた学習データ取得用の自動車を用意し、自動車の状態量を計測可能なセンサーのセンサーデータと移動情報端末のセンサーデータとを同時に計測可能な状態にした上で取得する。

次に、推定器１２３ｂを作成した後の、車両状態監視システム１０００における車両状態監視手法の手順を説明する。

図１２は、推定器１２３ｂを作成した後の、車両状態監視システム１０００における車両状態監視手法の手順を示すフローチャートである。車両状態監視装置１２０Ａ（図４のコンピューター４００）のＣＰＵ４０１がＲＯＭ４０２に記録されたプログラムを実行することにより、図１２に示すステップＳ１２０１，Ｓ１２０３〜Ｓ１２０５の処理が実行される。また、移動情報端末１１０（図３のコンピューター３００）のＣＰＵ３０１がＲＯＭ３０２に記録されたプログラムを実行することにより、図１２に示すステップＳ１２０２の処理が実行される。なお、図１２のステップＳ１２０２〜Ｓ１２０５の処理は、図５のステップＳ５０１〜Ｓ５０４の処理と同じ又は対応するものである。

まず、車両状態監視装置１２０Ａの外部データ取得部１０１０は、外部データ１０１１から気象情報や地図情報などの必要な情報を取得する（Ｓ１２０１）。

また、自動車Ｃ内の移動情報端末１１０のセンサーデータ取得部１１２は、移動情報端末１１０に搭載されたセンサー１１１からセンサーデータを取得し、ネットワークＮ１を介して、そのセンサーデータを車両状態監視装置１２０に送信する（Ｓ１２０２）。車両状態監視装置１２０のデータ入力部１２１は、ネットワークＮ１を介して移動情報端末１１０からセンサーデータの入力を受け付けて、そのセンサーデータを状態推定部１２２へ出力する。

次に、状態推定部１２２が、学習済みの推定器１２３ｂと、移動情報端末１１０から受信したセンサーデータと、外部データ取得部１０１０で取得した外部データ１０１１とから、自動車Ｃの状態を監視するのに必要な状態量を推定する（Ｓ１２０３）。状態推定部１２２は、推定した自動車Ｃの状態量（状態推定値）を状態評価部１２４へ出力する。

次に、状態評価部１２４は、状態推定部１２２により推定された状態量に基づいて、安全や危険などの自動車Ｃの状態に関する評価値を計算する（Ｓ１２０４）。そして、評価結果出力部１２５は、状態評価部１２４による自動車Ｃの状態に関する評価値を、評価結果としてネットワークＮ２を介して、情報端末１３０へ送信する。

最後に、情報端末１３０の状態評価結果通知部１３１が、車両状態監視装置１２０から送信された自動車Ｃの状態に関する評価値を、情報端末１３０の画面（例えば図３の表示部３０５）に表示する（Ｓ１２０５）。車両状態監視システム１００は、ステップＳ１２０５の処理後、車両状態監視手法の一連の処理を終了する。

［推定器作成方法］
本実施形態の適用事例として、車両状態監視装置１２０Ａを用い、路面の勾配を考慮して自動車のブレーキの状態（一例としてブレーキのきき具合）を監視することを考える。本実施形態では、移動情報端末のセンサーデータとして、加速度、速度、衛星測位部３１０の衛星測位データ（例えばＧＰＳデータ）を取得可能又は算出可能とする。また、外部データ１０１１として、勾配情報を含む地図情報が利用可能とする。

地図情報（勾配情報）を反映した推定器１２３ｂは、学習データから以下のように作成される。路面の勾配（一例として走行した路面での平均値）をθとすると、自動車の進行方向の運動方程式は、式（４）のように書ける。

ｍａ＝ｆ−μｍｇｃｏｓθ−（１／２）ρＡＣ_ｄＶ^２−ｍｇｓｉｎθ・・・・（４）

なお、一般に自動車が走行した路面（走行距離）に対して勾配を有する路面の割合は小さいので、式（４）は式（５）のように近似することができる。

ｍａ＝ｆ−μｍｇ−（１／２）ρＡＣ_ｄＶ^２−ｍｇθ ・・・・（５）

ここで、ｍは自動車の重量、ａは自動車の加速度である。また、ｆは正の場合は駆動力、負の場合は制動力である。また、ｇは重力加速度、μは転がり抵抗、ρは空気密度、Ｃ_ｄは抗力係数、Ａは車両前面投影面積、Ｖは自動車の速度である。ａ、Ｖに関しては移動情報端末１１０のセンサーデータから取得することができる。また、θに関しては、移動情報端末１１０の衛星測位部３１０の衛星測位データと勾配情報を持つ地図情報とを用いることにより取得することができる。一方、ｍ、μ、Ｃ_ｄ、Ａなどのパラメーター値は車種ごとに異なり、事前には分からないとする。式（５）は、式（６）のように変形できる。

ａ＋ｇθ＝−（１／２ｍ）ρＡＣ_ｄＶ^２＋ｆ／ｍ−μｇ ・・・・（６）

式（６）より、Ｖ^２とａ＋θを軸とする平面において、ブレーキが作動している時（即ちｆが負の時）のデータと、ブレーキが作動していない時（即ちｆが正の時）のデータは、下記式（７）に示す直線で分離できることが分かる。

ａ＋ｇθ＝−（１／２ｍ）ρＡＣ_ｄＶ^２−μｇ ・・・・（７）

図１３は、移動情報端末１１０から得られたセンサーデータを用いて推定器１２３ｂを作成する方法の一例を説明するためのグラフである。図１３の横軸は自動車の速度の二乗［Ｖ^２］であり、縦軸は自動車の加速度と勾配に応じた重力成分との加算値［ａ＋ｇθ］である。丸形で示したセンサーデータは、ブレーキ動作有りの場合のデータであり、三角形で示したセンサーデータは、ブレーキ動作無しの場合のデータである。丸形で示したセンサーデータの大部分は、直線１３０１の上側に位置し、三角形で示したセンサーデータの大部分は、直線１３０１の下側に位置する。説明の便宜上、図１３に示したセンサーデータと、図６に示したセンサーデータが同じであるが、実際には異なると考えてよい。

直線１３０１は、図６の直線６０１と同様に、サポートベクターマシンなどの機械学習により求めることができる。この直線１３０１を用いることにより、移動情報端末１１０のセンサーデータと、外部データ１１０１（勾配情報を含む地図情報）から、自動車の状態として勾配を考慮したブレーキ動作の有無を推定することができる。以下では、直線１３０１を学習済み推定器１２３ｂとして用いる。

［状態推定方法］
次に、路面の勾配を考慮してブレーキ動作の有無を推定する推定器１２３ｂを作成した後の、本適用事例における処理の流れを説明する。図１４は、自動車Ｃ内のセンサーから得られる計測データから自動車Ｃの状態を推定する方法の一例を示す。図１４の横軸は自動車の速度の二乗［Ｖ^２］であり、縦軸は自動車の加速度と勾配に応じた重力成分との加算値［ａ＋ｇθ］である。基本的な処理の流れは、第１の実施形態の場合と同じである。

まず、車両状態監視装置１２０Ａの外部データ取得部１０１０は、外部データ１０１１から勾配情報を含む地図情報を取得する（Ｓ１２０１に相当）。一方、自動車Ｃ内の移動情報端末１１０のセンサーデータ取得部１１２が、移動情報端末１１０のセンサーデータとして加速度と速度、衛星測位データを取得する。そして、センサーデータ取得部１１２は、この加速度と速度のデータを車両状態監視装置１２０Ａに送信する（Ｓ１２０２に相当）。

次に、車両状態監視装置１２０の状態推定部１２２は、移動情報端末１１０から得られた加速度と速度、外部データ取得部１０１０が取得した勾配情報を含む外部データ１０１１と、学習済み推定器１２３ａとから、ブレーキ動作の有無を推定する（Ｓ１２０３に相当）。具体的には、得られた速度と加速度と進行方向の重力成分のデータ（計測データ）が、直線１３０１の上側又は下側のいずれにあるかを判定する。状態推定部１２２は、図１４に示す計測データ１４０１のように、ａ＋ｇθ＞−（１／２ｍ）ρＡＣ_ｄＶ^２−μｇである場合には、ブレーキ動作有りと推定する。一方、計測データ１４０２のように、ａ＋ｇθ≦−（１／２ｍ）ρＡＣ_ｄＶ^２−μｇである場合には、ブレーキ動作無しと推定する。

これ以降の状態評価部１２４による自動車Ｃに関する状態の評価結果の計算（Ｓ１２０４に相当）、情報端末１３０による自動車Ｃに関する状態の評価結果の表示（Ｓ１２０５に相当）に関しては、第１の実施形態と同様である。

上述した第２の実施形態は、移動情報端末１１０のセンサーデータから自動車Ｃの状態を推定する推定器１２３ｂを作成することで第１の実施形態と同様の効果を奏するとともに、次のような効果も奏する。第２の実施形態は、車両状態監視装置１２０Ａが勾配情報を含む地図情報（外部データ１０１１）を利用することにより、路面の勾配を考慮して自動車等Ｃのブレーキの状態（ブレーキのきき具合）を監視することができる。このように、第２の実施形態は、外部データとして勾配情報を含む地図情報を利用することにより、さらに高精度に自動車等の車両の状態監視を実現できる。

なお、上述した第２の実施形態では、外部データとして地図情報を利用して自動車のブレーキの状態を推定したが、他の情報を用いてもよいことは勿論である。例えば制動距離は気象条件に左右されるため、地図情報に代えて気象情報を用いて、自動車のブレーキの状態を推定してもよい。また、地図情報と気象情報の両方を用いて、自動車のブレーキの状態を推定することで、さらにより高精度に自動車等の車両の状態監視を行うようにしてもよい。

また、第２の実施形態において、自動車のブレーキパッドの摩耗量を監視する構成としてもよい。

本発明は上述した各実施形態例に限られるものではなく、特許請求の範囲に記載した本発明の要旨を逸脱しない限りにおいて、その他種々の応用例、変形例を取り得ることは勿論である。

例えば、上述した実施形態例は本発明を分かりやすく説明するために装置及びシステムの構成を詳細且つ具体的に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態例の構成の一部を他の実施形態例の構成に置き換えることは可能である。また、ある実施形態例の構成に他の実施形態例の構成を加えることも可能である。また、各実施形態例の構成の一部について、他の構成の追加、削除、置換をすることも可能である。

また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。

また、上述した本開示の実施形態に係る車両状態監視装置１２０，１２０Ａの各構成要素は、それぞれのハードウェアがネットワークを介して互いに情報を送受信できるならば、いずれのハードウェアに実装されてもよい。また、ある処理部により実施される処理が、１つのハードウェアにより実現されてもよいし、複数のハードウェアによる分散処理により実現されてもよい。

１００，１０００…車両状態監視システム、 １１０…移動情報端末、 １１１…センサー、 １１２…センサーデータ取得部、 １２０，１２０Ａ…車両状態監視装置、 １２１…データ入力部、 １２２…状態推定部、 １２３…推定器学習部、 １２３ａ，１２３ｂ…推定器、 １２４…状態評価部、 １２５…評価結果出力部、 １３０…情報端末、 １３１…状態評価結果通知部、 ３０１…ＣＰＵ、 ３０２…ＲＯＭ、 ３０３…ＲＡＭ、 ３０５…表示部、 ３０９…加速度センサー、 ３１０…衛星測位部、 ４０１…ＣＰＵ、 ４０２…ＲＯＭ、 ４０３…ＲＡＭ、 １０１０…外部データ取得部、 １０１１…外部データ

Claims (7)

1. 任意の車両内の移動情報端末のセンサーから得られるセンサーデータと前記車両の状態量との関係を予め学習した状態推定器を用いて、監視対象車両内の移動情報端末のセンサーから得られるセンサーデータから前記監視対象車両の状態量を推定する状態推定部と、
   前記状態推定部により推定された前記監視対象車両の状態量に基づいて、前記監視対象車両の状態に関する評価を行う状態評価部と、
   前記状態評価部による前記監視対象車両の状態に関する前記評価の結果を出力する評価結果出力部と、を備え、
   前記状態推定器は、前記移動情報端末の前記センサーから得られる加速度データ及び速度データと、前記車両の状態量として当該車両のブレーキ動作の有無のデータを学習データとして学習済みであり、
   前記状態推定部は、前記監視対象車両内の移動情報端末のセンサーから得られる加速度データ及び速度データから前記監視対象車両のブレーキ動作の有無を推定し、前記状態評価部は、推定された前記監視対象車両のブレーキ動作の有無に基づいて、前記監視対象車両のブレーキの状態を評価する
   車両状態監視装置。
2. 前記監視対象車両の前記移動情報端末以外から前記センサーデータとは異なる外部データを取得する外部データ取得部、を更に備え、
   前記状態推定部は、前記状態推定器を用いて、前記センサーデータとして前記加速度データ及び前記速度データと、前記外部データとから、前記監視対象車両の状態量を推定する
   請求項１に記載の車両状態監視装置。
3. 前記外部データ取得部は、前記外部データとして勾配情報を含む地図情報を取得し、
   前記状態推定部は、前記センサーデータとして前記加速度データと前記速度データ、及び前記移動情報端末の位置を示す衛星測位データを利用する
   請求項２に記載の車両状態監視装置。
4. 前記評価結果出力部は、前記監視対象車両のブレーキの状態、前記監視対象車両の現在の異常度、及び前記監視対象車両の異常度の推移の中から１以上の項目について評価結果を出力する
   請求項１乃至３のいずれか一項に記載の車両状態監視装置。
5. 前記任意の車両内の移動情報端末のセンサーから得られるセンサーデータと前記車両の状態量との関係を予め学習し、前記状態推定器を作成する推定器学習部、を更に備える
   請求項１乃至４のいずれか一項に記載の車両状態監視装置。
6. 監視対象車両内のセンサーを備える移動情報端末と、
   任意の車両内の移動情報端末のセンサーから得られるセンサーデータと前記車両の状態量との関係を予め学習した状態推定器を用いて、前記監視対象車両内の移動端末情報のセンサーから得られるセンサーデータから前記監視対象車両の状態量を推定する状態推定部と、
   前記状態推定部により推定された前記監視対象車両の状態量に基づいて、前記監視対象車両の状態に関する評価を行う状態評価部と、
   前記状態評価部による前記監視対象車両の状態に関する前記評価の結果を出力する評価結果出力部と、を備え、
   前記状態推定器は、前記移動情報端末の前記センサーから得られる加速度データ及び速度データと、前記車両の状態量として当該車両のブレーキ動作の有無のデータを学習データとして学習済みであり、
   前記状態推定部は、前記監視対象車両内の移動情報端末のセンサーから得られる加速度データ及び速度データから前記監視対象車両のブレーキ動作の有無を推定し、前記状態評価部は、推定された前記監視対象車両のブレーキ動作の有無に基づいて、前記監視対象車両のブレーキの状態を評価する
   車両状態監視システム。
7. 車両の状態を監視する車両状態監視装置による車両状態監視方法であって、
   状態推定部により、任意の車両内の移動情報端末のセンサーから得られるセンサーデータと前記車両の状態量との関係を予め学習した状態推定器を用いて、監視対象車両内の移動情報端末のセンサーから得られるセンサーデータから前記監視対象車両の状態量を推定する処理と、
   状態評価部により、推定された前記監視対象車両の状態量に基づいて、前記監視対象車両の状態に関する評価を行う処理と、
   評価結果出力部により、前記監視対象車両の状態に関する前記評価の結果を出力する処理と、を含み、
   前記状態推定器は、前記移動情報端末の前記センサーから得られる加速度データ及び速度データと、前記車両の状態量として当該車両のブレーキ動作の有無のデータを学習データとして学習済みであり、
   前記監視対象車両の状態量を推定する処理では、前記監視対象車両内の移動情報端末のセンサーから得られる加速度データ及び速度データから前記監視対象車両のブレーキ動作の有無を推定し、
   前記監視対象車両の状態に関する評価を行う処理では、推定された前記監視対象車両のブレーキ動作の有無に基づいて、前記監視対象車両のブレーキの状態を評価する
   車両状態監視方法。

Images