JP7203226B2 - 情報処理装置および運転者特定装置 - Google Patents
情報処理装置および運転者特定装置 Download PDFInfo
- Publication number
- JP7203226B2 JP7203226B2 JP2021536623A JP2021536623A JP7203226B2 JP 7203226 B2 JP7203226 B2 JP 7203226B2 JP 2021536623 A JP2021536623 A JP 2021536623A JP 2021536623 A JP2021536623 A JP 2021536623A JP 7203226 B2 JP7203226 B2 JP 7203226B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- driving
- vehicle
- unit
- learning model
- 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.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 22
- 238000004891 communication Methods 0.000 description 34
- 238000010586 diagram Methods 0.000 description 12
- 238000000034 method Methods 0.000 description 12
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 230000006399 behavior Effects 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241001122315 Polites Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000006249 magnetic particle Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/04—Traffic conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/043—Identity of occupants
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/10—Accelerator pedal position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/12—Brake pedal position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/18—Steering angle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/30—Driving style
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/10—Historical data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Finance (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Traffic Control Systems (AREA)
Description
本発明は、車両を運転するユーザを特定するための技術に関する。
ユーザによる車両の運転の技量や安全度に応じて、例えば自動車保険の料率を決めるというような仕組みが考えられている。このため、車両を運転しているユーザが誰であるかを特定したいという要望がある。例えば特許文献１には、車載装置２１に各曜日と時間帯におけるドライバと乗車メンバの履歴が記憶されており、端末１０から送信されるユーザＩＤと運転環境情報等を受信すると、その乗車メンバに対応する履歴情報テーブル内のセルを特定してドライバを推定することが開示されている。
本発明は、車両を運転しているユーザを特定するための学習モデルを提供することを目的とする。
上記課題を解決するため、本発明は、一の車両に乗車しているユーザ群を特定する乗車ユーザ特定部と、前記一の車両に対する運転の特徴量を取得する取得部と、前記一の車両の複数回の移動について前記乗車ユーザ特定部により特定されたユーザ群から、当該一の車両の複数回の移動について前記取得部により取得された特徴量が共通するときのユーザを、前記一の車両を運転する運転ユーザとして推定する運転ユーザ推定部と、前記運転ユーザ推定部により推定されたユーザの識別情報と当該ユーザによる運転の特徴量とを教師データとして、学習モデルを生成する学習モデル生成部とを備えることを特徴とする情報処理装置を提供する。
前記乗車ユーザ推定部は、各々のユーザが携帯する端末の位置と、前記一の車両の位置とを比較して、当該一の車両に乗車しているユーザ群を推定するようにしてもよい。
前記乗車ユーザ推定部は、各々のユーザが携帯する端末によって検出されたデータと、前記一の車両によって検出されたデータとを比較して、当該一の車両に乗車しているユーザ群を推定するようにしてもよい。
前記学習モデル生成部は、前記運転ユーザ推定部により推定されたユーザの識別情報と、当該ユーザによる運転の特徴量と、前記乗車ユーザ特定部により特定されたユーザ群に含まれるユーザの識別情報とを教師データとして、学習モデルを生成するようにしてもよい。
前記学習モデル生成部は、前記運転ユーザ推定部により推定されたユーザの識別情報と、当該ユーザによる運転の特徴量と、前記一の車両の属性とを教師データとして、学習モデルを生成するようにしてもよい。
前記学習モデル生成部は、前記運転ユーザ推定部により推定されたユーザの識別情報と、当該ユーザによる運転の特徴量と、前記一の車両が運転されたときの環境とを教師データとして、学習モデルを生成するようにしてもよい。
また、本発明は、一の車両に対する運転の特徴量を取得する特徴量取得部と、前記情報処理装置によって生成された学習モデルと、前記特徴量取得部により取得された特徴量とを用いて、前記一の車両を運転しているユーザを特定する運転ユーザ特定部とを備えることを特徴とする運転者特定装置を提供する。
また、本発明は、前記情報処理装置によって生成された学習モデルを提供する。
本発明によれば、車両を運転しているユーザを特定するための学習モデルを提供することができる。
［構成］
図１は、本実施形態に係る情報処理システム１の一例を示す図である。情報処理システム１は、車両を運転しているユーザを特定するためのシステムである。図１に示すように、情報処理システム１は、複数のユーザのそれぞれによって利用される複数の端末１０ａ，１０ｂ，１０ｃと、車両２０に搭載された車載装置２１と、車両２０を運転しているユーザを特定するサーバ装置３０と、これらを通信可能に接続する無線通信網又は有線通信網を含む通信網２とを備えている。
図１は、本実施形態に係る情報処理システム１の一例を示す図である。情報処理システム１は、車両を運転しているユーザを特定するためのシステムである。図１に示すように、情報処理システム１は、複数のユーザのそれぞれによって利用される複数の端末１０ａ，１０ｂ，１０ｃと、車両２０に搭載された車載装置２１と、車両２０を運転しているユーザを特定するサーバ装置３０と、これらを通信可能に接続する無線通信網又は有線通信網を含む通信網２とを備えている。
端末１０ａ，１０ｂ，１０ｃ、車載装置２１及びサーバ装置３０はいずれもコンピュータである。より具体的には、端末１０は、例えばスマートホン、ウェアラブル端末又はタブレットなどの、ユーザが携帯可能なコンピュータである。車載装置２１は、例えばカーナビゲーション装置や車両２０の各部品の制御を行う制御装置等と一体に構成された又はこれらに接続されたコンピュータである。サーバ装置３０は、車両２０を運転しているユーザを特定するための学習モデルを生成する情報処理装置として機能するとともに、その学習モデルを用いて、車両２０を運転しているユーザを特定する運転者特定装置として機能する。
なお、図１には、車両２０、車載装置２１、及びサーバ装置３０をそれぞれ１つずつ示しているが、これらはそれぞれ複数であってもよい。また、ユーザが利用する端末として、端末１０ａ，１０ｂ，１０ｃの３つを例示しているが、ユーザ数及び端末数は２以上であればよい。なお、端末１０ａ，１０ｂ，１０ｃはいずれも共通の構成及び機能であるため、以下では、端末１０と総称する。
図２は、サーバ装置３０のハードウェア構成を示す図である。サーバ装置３０は、物理的には、プロセッサ３００１、メモリ３００２、ストレージ３００３、通信装置３００４、入力装置３００５、出力装置３００６、及びこれらを接続するバスなどを含むコンピュータとして構成されている。これらの各装置は図示せぬ電池から供給される電力によって動作する。なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。サーバ装置３０のハードウェア構成は、図２に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。また、それぞれ筐体が異なる複数の装置が通信接続されて、サーバ装置３０を構成してもよい。
サーバ装置３０における各機能は、プロセッサ３００１、メモリ３００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ３００１が演算を行い、通信装置３００４による通信を制御したり、メモリ３００２及びストレージ３００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。
プロセッサ３００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ３００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central Processing Unit）によって構成されてもよい。また、例えばベースバンド信号処理部や呼処理部などがプロセッサ３００１によって実現されてもよい。
プロセッサ３００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ３００３及び通信装置３００４の少なくとも一方からメモリ３００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、後述する動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。サーバ装置３０の機能ブロックは、メモリ３００２に格納され、プロセッサ３００１において動作する制御プログラムによって実現されてもよい。各種の処理は、１つのプロセッサ３００１によって実行されてもよいが、２以上のプロセッサ３００１により同時又は逐次に実行されてもよい。プロセッサ３００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介して通信網２からサーバ装置３０に送信されてもよい。
メモリ３００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable ＲＯＭ）、ＥＥＰＲＯＭ（Electrically Erasable Programmable ＲＯＭ）、ＲＡＭ（Random Access Memory）などの少なくとも１つによって構成されてもよい。メモリ３００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ３００２は、本実施形態に係る方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。
ストレージ３００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact Disc ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ３００３は、補助記憶装置と呼ばれてもよい。
通信装置３００４は、通信網２を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。
入力装置３００５は、外部からの入力を受け付ける入力デバイス（例えば、キー、スイッチ、ボタン、マイクロホンなど）である。出力装置３００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置３００５及び出力装置３００６は、一体となった構成（例えば、タッチパネル）であってもよい。
プロセッサ３００１、メモリ３００２などの各装置は、情報を通信するためのバスによって接続される。バスは、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。
サーバ装置３０は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital Signal Processor）、ＡＳＩＣ（Application Specific Integrated Circuit）、ＰＬＤ（Programmable Logic Device）、ＦＰＧＡ（Field Programmable Gate Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ３００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。
図３は、端末１０のハードウェア構成を示す図である。端末１０は、物理的にはサーバ装置３０と同様に、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、これらを接続するバスなどのほか、測位装置１００７及びセンサ１００８を含むコンピュータとして構成されている。
センサ１００８は、例えばジャイロセンサ、加速度センサ、磁気（方位）センサ等の、端末１０の姿勢や向きなどの各種状態を検出するためのセンサ群を含む。
測位装置１００７は、端末１０の位置を測定する。測位装置１００７は、例えばＧＰＳ（Global Positioning system）受信機であり、複数の衛星から受信したＧＰＳ信号に基づいて端末１０の位置を測定する。
なお、端末１０が備える通信装置１００４は、無線通信を実現するべく、例えばＬＴＥ（Long Time Evolution）等の通信規格に従って通信網２を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）である。この通信装置は、例えば周波数分割複信（ＦＤＤ：Frequency Division Duplex）及び時分割複信（ＴＤＤ：Time Division Duplex）の少なくとも一方を実現するために、高周波スイッチ、デュプレクサ、フィルタ、周波数シンセサイザなどを含んで構成されてもよい。また、送受信アンテナ、アンプ部、送受信部、伝送路インターフェースなどがこの通信装置によって実現されてもよい。送受信部は、送信部と受信部とで、物理的に、又は論理的に分離された実装がなされてもよい。
車載装置２１は、物理的には端末１０と同様に、プロセッサ、メモリ、ストレージ、通信装置、入力装置、出力装置、測位装置、センサ及びこれらを接続するバスなどを含むコンピュータとして構成されている。車載装置２１のセンサは、車両２０に対するユーザの運転行動を検出するセンサ群を含む。ユーザの運転行動とは、例えばハンドル、アクセルペダル、ブレーキペダル、方向指示器、ライト点灯指示器等の操作子におけるユーザの操作状態である。より具体的には、車載装置２１のセンサは、例えばアクセルペダルのストローク量やタイミングを検出するアクセルペダルセンサ、ブレーキペダルのストローク量やタイミングを検出するブレーキペダルセンサ、車両２０の右前輪、左前輪、右後輪および左後輪にそれぞれ設置されて各車輪の回転速度を出力する車速パルスセンサ、ハンドルに対する操舵操作の舵角やタイミングを検出する舵角センサ、方向指示器やライト点灯指示器が操作されたタイミングを検出するセンサ等を含む。
図４は、情報処理システム１の機能構成を示すブロック図である。サーバ装置３０において、乗車ユーザ特定部３１は、一の車両２０に乗車しているユーザ群を特定する。一の車両２０に乗車しているユーザ群とは、車両２０を運転しているユーザと、その車両２０を運転せずにその車両２０に乗車しているユーザとを含む。以下では、車両２０を運転しているユーザ（車の運転に関与する者あるいは車の運転に責任を有する者）を「運転ユーザ」と言う。また、その運転ユーザに加えて、その車両２０を運転せずにその車両２０に乗車しているユーザ（車の運転に関与しない者あるいは車の運転に責任を有しない者；同乗者）を含むユーザ群を、「乗車ユーザ」と言う。乗車ユーザ特定部３１は、各々のユーザが携帯している端末１０が測位した位置と車載装置２１が測位した位置とを、各端末１０及び各車載装置２１から通信網２経由で取得する。そして、乗車ユーザ特定部３１は、これら端末１０の位置及び車載装置２１の位置（つまり車両２０の位置）を比較し、車載装置２１の位置の時系列的な変位と一致するように変位する端末１０を抽出し、抽出した端末１０のユーザをその車両２０に乗車しているユーザ群（乗車ユーザ）として特定する。ユーザが車両２０に乗車していれば、そのときの車両２０の位置とそのユーザの位置はほぼ一致するからである。
特徴量取得部３２は、車両２０に対する運転ユーザの運転の特徴量を取得する。運転の特徴量は、前述した車載装置２１のセンサによって検出された結果から求められる。つまり、特徴量取得部３２は、各車両２０の車載装置２１からその車載装置２１のセンサによって検出された結果、例えばアクセルペダルのストローク量やタイミング、ブレーキペダルのストローク量やタイミング、各車輪の回転速度、ハンドルに対する操舵操作の舵角やタイミング、方向指示器やライト点灯指示器等の操作タイミング等を車載装置２１から通信網２経由で取得し、これらを所定のアルゴリズムに従って解析することで、その車載装置２１が搭載されている車両２０に対する運転の特徴量を得る。各ユーザについて、運転の技量や習熟度のような車両２０の運転に関する属性のほか、例えば年齢、性別、性格のような人的な属性によって、その運転行動が様々に異なる。このような運転行動の相違に起因して、運転の特徴量は各ユーザに固有の内容となる。
運転ユーザ推定部３３１は、一の車両２０の複数回の移動について乗車ユーザ特定部３１により特定されたユーザ群から、その車両２０の複数回の移動について特徴量取得部３２により取得された特徴量が共通するときのユーザを、その車両２０を運転する運転ユーザとして推定する。
ここで、図５は、運転ユーザ推定部３３１が車両２０を運転しているユーザを推定する考え方を説明する図である。図５においては、或る車両２０の複数回の移動についての乗車ユーザ及び運転の特徴量の履歴が示されている。具体的には、或る車両２０に乗車したことがある乗車ユーザ群と、そのときの車両２０に対する運転の特徴量とが対応付けられている。図５の例では、ユーザＡ，Ｂ，Ｃが乗車していたときの車両２０に対する運転の特徴量はαであり、ユーザＡ，Ｄが乗車していたときの車両２０に対する運転の特徴量はαであり、ユーザＡ，Ｃが乗車していたときの車両２０に対する運転の特徴量はβであり、ユーザＡ，Ｄ，Ｅが乗車していたときの車両２０に対する運転の特徴量はαであり、ユーザＣ，Ｄが乗車していたときの車両２０に対する運転の特徴量はβであり、ユーザＢが乗車していたときの車両２０に対する運転の特徴量はγである。
まず、一の車両に対して乗車ユーザが１人である場合（図５においてユーザＢのみが乗車している場合）には、その乗車ユーザは運転ユーザである。よって、そのときの運転の特徴量（図５における特徴量γ）は、ユーザＢの運転の特徴量である。
一方、乗車ユーザが複数人である場合には、その複数の乗車ユーザのうち誰が運転ユーザであるかは、一般的には、分からない。ただし、車両２０の複数回の移動についての乗車ユーザ及び運転の特徴量の履歴から、特徴量が共通するときに常に乗車しているユーザを抽出し得る場合がある。図５の例では、ユーザＡ，Ｂ，Ｃが乗車しているときと、ユーザＡ，Ｄが乗車しているときと、ユーザＡ，Ｄ，Ｅが乗車しているときにおいては、運転の特徴量αが共通であり、且つ、常にユーザＡが乗車していることが分かる。また、ユーザＡ，Ｃが乗車しているときと、ユーザＣ，Ｄが乗車しているときにおいては、運転の特徴量βが共通であり、且つ、常にユーザＣが乗車していることが分かる。このような場合には、ユーザＡが運転ユーザであったときの運転の特徴量は特徴量αであり、ユーザＣが運転ユーザであったときの運転の特徴量は特徴量βであると推定することができる。
学習モデル生成部３３２は、運転ユーザ推定部３３１により推定されたユーザのユーザＩＤと当該ユーザが乗車しているときの運転の特徴量とを教師データとして、学習モデルを生成する。より具体的には、学習モデル生成部３３２は、上記の運転の特徴量（例えば運転の特徴量α）を説明変数とし、運転ユーザのユーザＩＤ（例えばユーザＡのユーザＩＤ）を目的変数とした学習モデルを生成する。このようにして生成された学習モデルに対し、運転の各種の特徴量を入力すると、その特徴量から特定される運転ユーザのユーザＩＤが出力されることになる。
運転ユーザ特定部３３３は、特徴量取得部３２により取得された運転の特徴量を上記学習モデルに入力し、学習モデルから出力されるユーザＩＤのユーザを、運転ユーザとして特定する。
なお、運転ユーザ特定部３３３は、車両２０の停止期間が閾値を超えた、車両２０の駆動源が停止した、又は車両２０のドアが開閉したという条件のうち少なくともいずれか１つが満たされた場合に、その車両２０を運転しているユーザを特定した結果をリセットする。なぜなら、これらの条件が満たされる場合は、車両２０を運転しているユーザが代わる可能性があるからである。そして、再度、車両２０が移動し始めた、車両の駆動源が駆動し始めた、又は車両のドアが再度開閉したという条件のうち少なくともいずれか１つが満たされた場合に、運転ユーザ特定部３３は、新たに運転ユーザの特定を試みる。
特定結果蓄積部３４は、このようにして運転ユーザ特定部３３３によって特定された結果を蓄積する。そして、特定結果蓄積部３４は、必要に応じて、この結果を表示装置に表示したり記憶媒体に書き込んだりといった出力を行う。
［動作］
次に、情報処理システム１の動作について説明する。なお、以下の説明において、サーバ装置３０を処理の主体として記載する場合には、具体的にはプロセッサ３００１、メモリ３００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることで、プロセッサ３００１が演算を行い、通信装置３００４による通信や、メモリ３００２及びストレージ３００３におけるデータの読み出し及び／又は書き込みを制御することにより、処理が実行されることを意味する。端末１０、車載装置２１についても同様である。
次に、情報処理システム１の動作について説明する。なお、以下の説明において、サーバ装置３０を処理の主体として記載する場合には、具体的にはプロセッサ３００１、メモリ３００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることで、プロセッサ３００１が演算を行い、通信装置３００４による通信や、メモリ３００２及びストレージ３００３におけるデータの読み出し及び／又は書き込みを制御することにより、処理が実行されることを意味する。端末１０、車載装置２１についても同様である。
情報処理システム１の動作には、前述した学習モデルを生成するフェーズと、その学習モデルを用いて運転ユーザを特定するフェーズとがある。これらのフェーズは同時並行的に行われてもよいし、そうでなくてもよい。
まず、学習モデルを生成するフェーズを説明する。図６において、端末１０は、測位装置１００７によって測位された位置を通信網２経由で定期的にサーバ装置３０に送信する（ステップＳ１１）。一方、車載装置２１は、測位装置によって測位された位置と、センサによって検出された結果とを通信網２経由で定期的にサーバ装置３０に送信する（ステップＳ１２）。これにより、サーバ装置３０の乗車ユーザ特定部３１は、端末１０の位置及び車載装置２１の位置（つまり車両２０の位置）を取得する。また、サーバ装置３０の特徴量取得部３２は、車両２０に対する運転ユーザの運転の特徴量を取得する。なお、これらステップＳ１１及びステップＳ１２の順番はどちらが先でも後でもよい。
サーバ装置３０において、乗車ユーザ特定部３１は、端末１０の位置及び車載装置２１の位置（つまり車両２０の位置）を比較し、車載装置２１の位置の時系列的な変位と一致するように変位する端末１０を抽出し、抽出した端末１０のユーザをその車両２０に乗車しているユーザ群（乗車ユーザ）として特定する（ステップＳ１３）。
次に、サーバ装置３０において、運転ユーザ推定部３３１は、或る車両２０の複数回の移動について乗車ユーザ特定部３１により特定されたユーザ群から、その車両２０の複数回の移動について特徴量取得部３２により取得された特徴量が共通するときのユーザを運転ユーザとして推定する（ステップＳ１４）。このとき、車両２０の移動履歴が少ない場合等においては、図５を用いて説明したような運転ユーザの推定ができない場合がある。そのような場合には、次のステップＳ１５の処理には進まない。つまり、運転ユーザ推定部３３１による運転ユーザの推定ができた場合にステップＳ１５の処理に進むことになる。
そして、学習モデル生成部３３２は、運転ユーザ推定部３３１により推定されたユーザのユーザＩＤと当該ユーザによる運転の特徴量とを教師データとして、学習モデルを生成する（ステップＳ１５）。より具体的には、学習モデル生成部３３２は、運転の特徴量を説明変数とし、運転ユーザのユーザＩＤを目的変数とした学習モデルを生成する。このようにして或るユーザを運転ユーザとして特定するための学習モデルが生成されると、生成された学習モデルは学習モデル生成部３３２により記憶される。
次に、学習モデルを用いて運転ユーザを特定するフェーズを説明する。図７において、端末１０は、測位装置１００７によって測位された位置を通信網２経由で定期的にサーバ装置３０に送信する（ステップＳ２１）。一方、車載装置２１は、測位装置によって測位された位置と、センサによって検出された結果とを通信網２経由で定期的にサーバ装置３０に送信する（ステップＳ２２）。これにより、サーバ装置３０の乗車ユーザ特定部３１は、端末１０の位置及び車載装置２１の位置（つまり車両２０の位置）を取得する。また、サーバ装置３０の特徴量取得部３２は、車両２０に対する運転ユーザの運転の特徴量を取得する。なお、これらステップＳ２１及びステップＳ２２の順番はどちらが先でも後でもよい。
サーバ装置３０において、乗車ユーザ特定部３１は、端末１０の位置及び車載装置２１の位置（つまり車両２０の位置）を比較し、車載装置２１の位置の時系列的な変位と一致するように変位する端末１０を抽出し、抽出した端末１０のユーザをその車両２０に乗車しているユーザ群（乗車ユーザ）として特定する（ステップＳ２３）。
次に、サーバ装置３０において、運転ユーザ特定部３３３は、特徴量取得部３２により取得された運転の特徴量を上記学習モデルに入力し、学習モデルから出力されるユーザＩＤのユーザを、運転ユーザとして特定する（ステップＳ２４）。なお、これにより特定されたユーザＩＤが、乗車ユーザ特定部３１により特定された乗車ユーザのユーザＩＤに含まれる場合は、運転ユーザ特定部３３３による運転ユーザの特定結果は正しいと判断される。一方、これにより特定されたユーザＩＤが、乗車ユーザ特定部３１により特定された乗車ユーザのユーザＩＤに含まれない場合は、運転ユーザ特定部３３３による運転ユーザの特定結果は正しくないと判断され、運転ユーザ特定部３３３により、運転ユーザの特定ができない旨を出力する等の所定のエラー処理が行われる。また、運転ユーザ特定部３３３は、特徴量取得部３２により取得された運転の特徴量を上記学習モデルに入力した結果、運転ユーザのユーザＩＤが出力されない場合にも、運転ユーザ特定部３３３により所定のエラー処理が行われる。
そして、サーバ装置３０において特定結果蓄積部３４は、運転ユーザ特定部３３によって特定された結果を蓄積する（ステップＳ２５）。この蓄積された結果は、例えば各ユーザに対する自動車保険の料率を決める際に用いられる等の、様々な用途がある。
以上説明した実施形態によれば、車両を運転しているユーザを特定するための学習モデルを提供することが可能となる。さらに、各ユーザは車両２０に乗車したり運転したりするだけでよいので、これらのユーザが学習モデルの提供のために負うべき負担は小さいという利点がある。
［変形例］
本発明は、上述した実施形態に限定されない。上述した実施形態を以下のように変形してもよい。また、以下の２つ以上の変形例を組み合わせて実施してもよい。
［変形例１］
本発明は、サーバ装置３０によって生成された学習モデルとしても観念し得る。
本発明は、上述した実施形態に限定されない。上述した実施形態を以下のように変形してもよい。また、以下の２つ以上の変形例を組み合わせて実施してもよい。
［変形例１］
本発明は、サーバ装置３０によって生成された学習モデルとしても観念し得る。
［変形例２］
上記実施形態においては、乗車ユーザ特定部３１は、端末１０の位置と車載装置２１（つまり車両２０）の位置とに基づいて、車両２０に乗車しているユーザ群（乗車ユーザ）を特定していた。ただし、乗車ユーザの特定方法は実施形態の例に限定されない。乗車ユーザ特定部３１は、これらの位置の代わりに、例えば端末１０によって検出された音声や振動、加速度等の何らかの物理量と、車載装置２１によって検出された音声や振動、加速度等の何らかの物理量とを比較して乗車ユーザを特定してもよい。車両２０が走行しているときのその車両２０の内外における騒音乃至周囲の環境音は、その車両２０に乗車しているユーザの端末１０によって検出可能であるとともに、その車両２０の車載装置２１によって検出可能であり、さらにこれらの検出結果はほぼ同じ時系列の変位となる。また、車両２０が走行しているときのその車両２０に発生する振動や加速度は、その車両２０に乗車しているユーザの端末１０によって検出可能であるとともに、その車両２０の車載装置２１によって検出可能であり、さらにこれらの検出結果はほぼ同じ時系列の変位となる。従って、乗車ユーザ特定部３１は、各々のユーザが携帯する端末１０によって検出されたデータと、一の車両２０によって検出されたデータとを比較して、両者が合致する場合にその車両２０に乗車しているユーザ群を特定することが可能となる。
上記実施形態においては、乗車ユーザ特定部３１は、端末１０の位置と車載装置２１（つまり車両２０）の位置とに基づいて、車両２０に乗車しているユーザ群（乗車ユーザ）を特定していた。ただし、乗車ユーザの特定方法は実施形態の例に限定されない。乗車ユーザ特定部３１は、これらの位置の代わりに、例えば端末１０によって検出された音声や振動、加速度等の何らかの物理量と、車載装置２１によって検出された音声や振動、加速度等の何らかの物理量とを比較して乗車ユーザを特定してもよい。車両２０が走行しているときのその車両２０の内外における騒音乃至周囲の環境音は、その車両２０に乗車しているユーザの端末１０によって検出可能であるとともに、その車両２０の車載装置２１によって検出可能であり、さらにこれらの検出結果はほぼ同じ時系列の変位となる。また、車両２０が走行しているときのその車両２０に発生する振動や加速度は、その車両２０に乗車しているユーザの端末１０によって検出可能であるとともに、その車両２０の車載装置２１によって検出可能であり、さらにこれらの検出結果はほぼ同じ時系列の変位となる。従って、乗車ユーザ特定部３１は、各々のユーザが携帯する端末１０によって検出されたデータと、一の車両２０によって検出されたデータとを比較して、両者が合致する場合にその車両２０に乗車しているユーザ群を特定することが可能となる。
［変形例３］
１人の運転ユーザの運転の特徴量は、常に同じではなく、何らかの条件に応じて変化し得ると考えられる。例えば１人の運転ユーザの運転の特徴量は、運転ユーザとその運転ユーザと車両２０に乗車している他のユーザとの組み合わせに応じて変化し得る。一例をあげると、運転ユーザが高齢のユーザや幼児のユーザ或いは交際相手のユーザと乗車している場合には、車両の運転が丁寧又は穏やかになることがあると考えられるし、一方、運転ユーザが同性で同年代のユーザと乗車している場合には、上記に比べて車両の運転が荒くなることがあると考えられる。そこで、学習モデル生成部３３２は、運転ユーザ推定部３３１により推定されたユーザの識別情報と、当該ユーザによる運転の特徴量と、乗車ユーザ特定部３１により特定されたユーザ群に含まれるユーザの識別情報とを教師データとして、学習モデルを生成するようにしてもよい。この場合、ユーザが車両２０を運転するときに、自身の端末１０を操作して自身が運転ユーザであることを自身のユーザＩＤを明示してサーバ装置３０に通知する。サーバ装置３０の学習モデル生成部３３２は、その車両２０の車載装置２１から取得したセンサの検出結果に基づいて運転の特徴量を取得し、その特徴量及び乗車ユーザ特定部３１により特定された乗車ユーザのユーザＩＤを説明変数とし、通知されたユーザのユーザＩＤを目的変数として、学習モデルを生成する。運転ユーザを特定する場合には、運転ユーザ特定部３３３は、車両２０の車載装置２１から取得したセンサの検出結果に基づいて運転の特徴量を取得し、その特徴量及び乗車ユーザ特定部３１により特定された乗車ユーザのユーザＩＤを学習モデルに入力して、運転ユーザのユーザＩＤを得る。
１人の運転ユーザの運転の特徴量は、常に同じではなく、何らかの条件に応じて変化し得ると考えられる。例えば１人の運転ユーザの運転の特徴量は、運転ユーザとその運転ユーザと車両２０に乗車している他のユーザとの組み合わせに応じて変化し得る。一例をあげると、運転ユーザが高齢のユーザや幼児のユーザ或いは交際相手のユーザと乗車している場合には、車両の運転が丁寧又は穏やかになることがあると考えられるし、一方、運転ユーザが同性で同年代のユーザと乗車している場合には、上記に比べて車両の運転が荒くなることがあると考えられる。そこで、学習モデル生成部３３２は、運転ユーザ推定部３３１により推定されたユーザの識別情報と、当該ユーザによる運転の特徴量と、乗車ユーザ特定部３１により特定されたユーザ群に含まれるユーザの識別情報とを教師データとして、学習モデルを生成するようにしてもよい。この場合、ユーザが車両２０を運転するときに、自身の端末１０を操作して自身が運転ユーザであることを自身のユーザＩＤを明示してサーバ装置３０に通知する。サーバ装置３０の学習モデル生成部３３２は、その車両２０の車載装置２１から取得したセンサの検出結果に基づいて運転の特徴量を取得し、その特徴量及び乗車ユーザ特定部３１により特定された乗車ユーザのユーザＩＤを説明変数とし、通知されたユーザのユーザＩＤを目的変数として、学習モデルを生成する。運転ユーザを特定する場合には、運転ユーザ特定部３３３は、車両２０の車載装置２１から取得したセンサの検出結果に基づいて運転の特徴量を取得し、その特徴量及び乗車ユーザ特定部３１により特定された乗車ユーザのユーザＩＤを学習モデルに入力して、運転ユーザのユーザＩＤを得る。
［変形例４］
また、例えば１人の運転ユーザの運転の特徴量は、運転対象となる車両２０の属性に応じて変化し得る。一例をあげると、運転対象となる車両２０がファミリーカータイプである場合には、車両の運転が丁寧又は穏やかになることがあると考えられるし、一方、運転対象となる車両２０がスポーツカータイプである場合には、上記に比べて車両の運転が荒くなることがあると考えられる。そこで、学習モデル生成部３３２は、運転ユーザ推定部３３１により推定されたユーザの識別情報と、当該ユーザによる運転の特徴量と、一の車両２０の属性とを教師データとして、学習モデルを生成するようにしてもよい。この場合、ユーザが車両２０を運転するときに、自身の端末１０を操作して自身が運転ユーザであることを自身のユーザＩＤを明示してサーバ装置３０に通知する。また、車載装置２１は、車両２０の属性を特定するための情報（車両ＩＤ等）をサーバ装置３０に通知する。サーバ装置３０の学習モデル生成部３３２は、その車両２０の車載装置２１から取得したセンサの検出結果に基づいて運転の特徴量を取得し、その特徴量及び通知された車両の属性と説明変数とし、通知されたユーザのユーザＩＤを目的変数として、学習モデルを生成する。運転ユーザを特定する場合には、運転ユーザ特定部３３３は、車両２０の車載装置２１から取得したセンサの検出結果に基づいて運転の特徴量を取得し、その特徴量と、車載装置２１から通知された車両の属性を学習モデルに入力して、運転ユーザのユーザＩＤを得る。
また、例えば１人の運転ユーザの運転の特徴量は、運転対象となる車両２０の属性に応じて変化し得る。一例をあげると、運転対象となる車両２０がファミリーカータイプである場合には、車両の運転が丁寧又は穏やかになることがあると考えられるし、一方、運転対象となる車両２０がスポーツカータイプである場合には、上記に比べて車両の運転が荒くなることがあると考えられる。そこで、学習モデル生成部３３２は、運転ユーザ推定部３３１により推定されたユーザの識別情報と、当該ユーザによる運転の特徴量と、一の車両２０の属性とを教師データとして、学習モデルを生成するようにしてもよい。この場合、ユーザが車両２０を運転するときに、自身の端末１０を操作して自身が運転ユーザであることを自身のユーザＩＤを明示してサーバ装置３０に通知する。また、車載装置２１は、車両２０の属性を特定するための情報（車両ＩＤ等）をサーバ装置３０に通知する。サーバ装置３０の学習モデル生成部３３２は、その車両２０の車載装置２１から取得したセンサの検出結果に基づいて運転の特徴量を取得し、その特徴量及び通知された車両の属性と説明変数とし、通知されたユーザのユーザＩＤを目的変数として、学習モデルを生成する。運転ユーザを特定する場合には、運転ユーザ特定部３３３は、車両２０の車載装置２１から取得したセンサの検出結果に基づいて運転の特徴量を取得し、その特徴量と、車載装置２１から通知された車両の属性を学習モデルに入力して、運転ユーザのユーザＩＤを得る。
［変形例５］
また、例えば１人の運転ユーザの運転の特徴量は、運転がなされるときの環境（例えば天候、時間帯、道路の種別等）に応じて変化し得る。一例をあげると、天候が悪い場合には、車両の運転が丁寧又は穏やかになることがあると考えられるし、一方、天候が良い場合には、上記に比べて車両の運転が荒くなることがあると考えられる。また、夜間は、車両の運転が丁寧又は穏やかになることがあると考えられるし、一方、昼間は、上記に比べて車両の運転が荒くなることがあると考えられる。また、非舗装道路では、車両の運転が丁寧又は穏やかになることがあると考えられるし、一方、舗装道路では、上記に比べて車両の運転が荒くなることがあると考えられる。そこで、学習モデル生成部３３２は、運転ユーザ推定部３３１により推定されたユーザの識別情報と、当該ユーザによる運転の特徴量と、一の車両が運転されたときの環境とを教師データとして、学習モデルを生成するようにしてもよい。この場合、ユーザが車両２０を運転するときに、自身の端末１０を操作して自身が運転ユーザであることを自身のユーザＩＤを明示してサーバ装置３０に通知する。サーバ装置３０の学習モデル生成部３３２は、その車両２０の車載装置２１から取得したセンサの検出結果に基づいて運転の特徴量を取得し、その特徴量と、運転がなされるときの環境（例えば天候、時間帯、道路の種別等）を説明変数とし、通知されたユーザのユーザＩＤを目的変数として、学習モデルを生成する。天候や道路の種別は、端末１０又は車載装置２１の位置に応じて特定し得る。また、時間帯は、サーバ装置３０のタイマ等によって特定し得る。運転ユーザを特定する場合には、運転ユーザ特定部３３は、車両２０の車載装置２１から取得したセンサの検出結果に基づいて運転の特徴量を取得し、その特徴量及び運転の環境を学習モデルに入力して、運転ユーザのユーザＩＤを得る。
また、例えば１人の運転ユーザの運転の特徴量は、運転がなされるときの環境（例えば天候、時間帯、道路の種別等）に応じて変化し得る。一例をあげると、天候が悪い場合には、車両の運転が丁寧又は穏やかになることがあると考えられるし、一方、天候が良い場合には、上記に比べて車両の運転が荒くなることがあると考えられる。また、夜間は、車両の運転が丁寧又は穏やかになることがあると考えられるし、一方、昼間は、上記に比べて車両の運転が荒くなることがあると考えられる。また、非舗装道路では、車両の運転が丁寧又は穏やかになることがあると考えられるし、一方、舗装道路では、上記に比べて車両の運転が荒くなることがあると考えられる。そこで、学習モデル生成部３３２は、運転ユーザ推定部３３１により推定されたユーザの識別情報と、当該ユーザによる運転の特徴量と、一の車両が運転されたときの環境とを教師データとして、学習モデルを生成するようにしてもよい。この場合、ユーザが車両２０を運転するときに、自身の端末１０を操作して自身が運転ユーザであることを自身のユーザＩＤを明示してサーバ装置３０に通知する。サーバ装置３０の学習モデル生成部３３２は、その車両２０の車載装置２１から取得したセンサの検出結果に基づいて運転の特徴量を取得し、その特徴量と、運転がなされるときの環境（例えば天候、時間帯、道路の種別等）を説明変数とし、通知されたユーザのユーザＩＤを目的変数として、学習モデルを生成する。天候や道路の種別は、端末１０又は車載装置２１の位置に応じて特定し得る。また、時間帯は、サーバ装置３０のタイマ等によって特定し得る。運転ユーザを特定する場合には、運転ユーザ特定部３３は、車両２０の車載装置２１から取得したセンサの検出結果に基づいて運転の特徴量を取得し、その特徴量及び運転の環境を学習モデルに入力して、運転ユーザのユーザＩＤを得る。
［変形例５］
上記実施形態で説明した学習モデルを生成するフェーズにおいて、運転ユーザ推定部３３１が運転ユーザを推定し（ステップＳ１４）、学習モデル生成部３３２が推定されたユーザのユーザＩＤと当該ユーザによる運転の特徴量とを教師データとして、学習モデルを生成していた（ステップＳ１５）。学習モデル生成部３３２は、教師データを用いていったん学習モデルを生成したのちにおいても、新たに教師データを得るたびに、過去に得ていた教師データと合わせて機械学習を行って、学習モデルをより精度の高いものへ更新するようにしてもよい。ただし、ユーザによる運転の特徴量は、そのときどきのユーザの心理や行動の変化又は運転環境の変化等によって大きく異なることがあり、教師データとして用いることが適切ではない場合がある。そこで、学習モデル生成部３３２は、或るユーザについて新たに得た運転の特徴量が、そのユーザについて過去に得ていた運転の特徴量と閾値以上の差異がある場合は、次のようにしてもよい。以下は、ステップＳ１４において運転者Ａが推定されるたびに、取得された運転の特徴量の推移の例を示す。
・１回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・２回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・３回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・４回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量β
・５回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・６回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・７回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・８回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・９回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・１０回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
上記実施形態で説明した学習モデルを生成するフェーズにおいて、運転ユーザ推定部３３１が運転ユーザを推定し（ステップＳ１４）、学習モデル生成部３３２が推定されたユーザのユーザＩＤと当該ユーザによる運転の特徴量とを教師データとして、学習モデルを生成していた（ステップＳ１５）。学習モデル生成部３３２は、教師データを用いていったん学習モデルを生成したのちにおいても、新たに教師データを得るたびに、過去に得ていた教師データと合わせて機械学習を行って、学習モデルをより精度の高いものへ更新するようにしてもよい。ただし、ユーザによる運転の特徴量は、そのときどきのユーザの心理や行動の変化又は運転環境の変化等によって大きく異なることがあり、教師データとして用いることが適切ではない場合がある。そこで、学習モデル生成部３３２は、或るユーザについて新たに得た運転の特徴量が、そのユーザについて過去に得ていた運転の特徴量と閾値以上の差異がある場合は、次のようにしてもよい。以下は、ステップＳ１４において運転者Ａが推定されるたびに、取得された運転の特徴量の推移の例を示す。
・１回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・２回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・３回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・４回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量β
・５回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・６回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・７回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・８回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・９回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・１０回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
このような場合、学習モデル生成部３３２は、４回目の運転における特徴量βについてはノイズとみなし、運転者Ａの教師データとしては採用せず、特徴量αを教師データとして採用する。要するに、学習モデル生成部３３２は、運転の特徴量を取得した全回数（例：１０回）のうち、所定の割合（例：８割）以上で取得された共通の特徴量（換言すると出現頻度が所定以上である特徴量、例：全１０回のうち８割以上に相当する９回取得された共通の特徴量α）を教師データとして用いる。なお、特徴量α、βはパラメータ値（の集合）としてだけでなく、一定の範囲を有する値として規定されてもよい。
また、次のような場合も考えられる。
・１回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・２回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・３回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・４回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量β
・５回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量β
・６回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量β
・７回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量β
・８回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量β
・９回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量β
・１０回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量β
・１回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・２回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・３回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量α
・４回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量β
・５回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量β
・６回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量β
・７回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量β
・８回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量β
・９回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量β
・１０回目の運転においてステップＳ１４により運転者Ａと推定された場合の運転の特徴量β
このような場合、学習モデル生成部３３２は、１～３回目の運転における特徴量αについてはノイズとみなし、運転者Ａの教師データとしては採用せず、４～１０回目の運転における特徴量βを教師データとして採用する。要するに、学習モデル生成部３３２は、運転の特徴量が閾値以上変化（例：特徴量α→特徴量βへ変化）し、変化後の特徴量が閾値以上の回数連続した場合（例：閾値を７回とした場合に、特徴量αから変化した特徴量βが７回連続している）には、その変化後の特徴量（例：特徴量β）を教師データとして用いる。
［その他の変形例］
なお、上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。
なお、上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。
機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。たとえば、送信を機能させる機能ブロック（構成部）は、送信制御部（transmitting unit）や送信機（transmitter）と呼称される。いずれも、上述したとおり、実現方法は特に限定されない。
例えば、本開示の一実施の形態における決済管理装置などは、本開示の処理を行うコンピュータとして機能してもよい。
本開示において説明した各態様／実施形態は、ＬＴＥ（Long Term Evolution）、ＬＴＥ－Ａ（LTE-Advanced）、ＳＵＰＥＲ ３Ｇ、ＩＭＴ－Ａｄｖａｎｃｅｄ、４Ｇ（4th generation mobile communication system）、５Ｇ（5th generation mobile communication system）、ＦＲＡ（Future Radio Access）、ＮＲ（new Radio）、Ｗ－ＣＤＭＡ（登録商標）、ＧＳＭ（登録商標）、ＣＤＭＡ２０００、ＵＭＢ（Ultra Mobile Broadband）、ＩＥＥＥ ８０２．１１（Ｗｉ－Ｆｉ（登録商標））、ＩＥＥＥ ８０２．１６（ＷｉＭＡＸ（登録商標））、ＩＥＥＥ ８０２．２０、ＵＷＢ（Ultra-WideBand）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、その他の適切なシステムを利用するシステム及びこれらに基づいて拡張された次世代システムの少なくとも一つに適用されてもよい。また、複数のシステムが組み合わされて（例えば、ＬＴＥ及びＬＴＥ－Ａの少なくとも一方と５Ｇとの組み合わせ等）適用されてもよい。
本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。
入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。
判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。
以上、本開示について詳細に説明したが、当業者にとっては、本開示が本開示中に説明した実施形態に限定されるものではないということは明らかである。本開示は、請求の範囲の記載により定まる本開示の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本開示の記載は、例示説明を目的とするものであり、本開示に対して何ら制限的な意味を有するものではない。
ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital Subscriber Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。
本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。
なお、本開示において説明した用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。
なお、本開示において説明した用語及び本開示の理解に必要な用語については、同一の又は類似する意味を有する用語と置き換えてもよい。
また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。
本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。
本開示において使用する「第１」、「第２」などの呼称を使用した要素へのいかなる参照も、それらの要素の量又は順序を全般的に限定しない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本開示において使用され得る。したがって、第１及び第２の要素への参照は、２つの要素のみが採用され得ること、又は何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。
上記の各装置の構成における「部」を、「手段」、「回路」、「デバイス」等に置き換えてもよい。
本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。
本開示において、例えば、英語でのa,an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。
本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。
１：情報処理システム、２：通信網、１０，１０ａ，１０ｂ，１０ｃ：端末、２０：車両、２１：車載装置、３０：サーバ装置、３１：乗車ユーザ特定部、３２：特徴量取得部、３３１：運転ユーザ推定部、３３２：学習モデル生成部、３３３：運転ユーザ特定部、３４：特定結果蓄積部、１００１：プロセッサ、１００２：メモリ、１００３：ストレージ、１００４：通信装置、１００５：入力装置、１００６：出力装置、１００７：測位装置、１００８：センサ、 ３００１：プロセッサ、３００２：メモリ、３００３：ストレージ、３００４：通信装置、３００５：入力装置、３００６：出力装置。
Claims (7)
- 一の車両に乗車しているユーザ群を特定する乗車ユーザ特定部と、
前記一の車両に対する運転の特徴量を取得する取得部と、
前記一の車両の複数回の移動について前記乗車ユーザ特定部により特定されたユーザ群から、当該一の車両の複数回の移動について前記取得部により取得された特徴量が共通するときのユーザを、前記一の車両を運転する運転ユーザとして推定する運転ユーザ推定部と、
前記運転ユーザ推定部により特定されたユーザの識別情報と当該ユーザによる運転の特徴量とを教師データとして、学習モデルを生成する学習モデル生成部と
を備えることを特徴とする情報処理装置。 - 前記乗車ユーザ特定部は、各々のユーザが携帯する端末の位置と、前記一の車両の位置とを比較して、当該一の車両に乗車しているユーザ群を特定する
ことを特徴とする請求項１記載の情報処理装置。 - 前記乗車ユーザ特定部は、各々のユーザが携帯する端末によって検出されたデータと、前記一の車両によって検出されたデータとを比較して、当該一の車両に乗車しているユーザ群を特定する
ことを特徴とする請求項１記載の情報処理装置。 - 前記学習モデル生成部は、前記運転ユーザ推定部により推定されたユーザの識別情報と、当該ユーザによる運転の特徴量と、前記乗車ユーザ特定部により特定されたユーザ群に含まれるユーザの識別情報とを教師データとして、学習モデルを生成する
ことを特徴とする請求項１～３のいずれか１項に記載の情報処理装置。 - 前記学習モデル生成部は、前記運転ユーザ推定部により推定されたユーザの識別情報と、当該ユーザによる運転の特徴量と、前記一の車両の属性とを教師データとして、学習モデルを生成する
ことを特徴とする請求項１～４のいずれか１項に記載の情報処理装置。 - 前記学習モデル生成部は、前記運転ユーザ推定部により推定されたユーザの識別情報と、当該ユーザによる運転の特徴量と、前記一の車両が運転されたときの環境とを教師データとして、学習モデルを生成する
ことを特徴とする請求項１～５のいずれか１項に記載の情報処理装置。 - 一の車両に対する運転の特徴量を取得する特徴量取得部と、
請求項１～６のいずれか１項に記載の情報処理装置によって生成された学習モデルと、前記特徴量取得部により取得された特徴量とを用いて、前記一の車両を運転しているユーザを特定する運転ユーザ特定部と
を備えることを特徴とする運転者特定装置。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019137991 | 2019-07-26 | ||
| JP2019137991 | 2019-07-26 | ||
| PCT/JP2020/019950 WO2021019876A1 (ja) | 2019-07-26 | 2020-05-20 | 情報処理装置、運転者特定装置及び学習モデル |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPWO2021019876A1 JPWO2021019876A1 (ja) | 2021-02-04 |
| JP7203226B2 true JP7203226B2 (ja) | 2023-01-12 |
Family
ID=74229584
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021536623A Active JP7203226B2 (ja) | 2019-07-26 | 2020-05-20 | 情報処理装置および運転者特定装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20220350295A1 (ja) |
| EP (1) | EP3971815A4 (ja) |
| JP (1) | JP7203226B2 (ja) |
| WO (1) | WO2021019876A1 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114103966A (zh) * | 2021-11-17 | 2022-03-01 | 东风汽车集团股份有限公司 | 一种辅助驾驶的控制方法、装置和系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001063400A (ja) | 1999-08-25 | 2001-03-13 | Honda Motor Co Ltd | ドライバー認証装置 |
| JP2015128988A (ja) | 2014-01-06 | 2015-07-16 | ハーマン インターナショナル インダストリーズ インコーポレイテッド | 自動の運転手識別 |
| JP2019046318A (ja) | 2017-09-05 | 2019-03-22 | トヨタ自動車株式会社 | 情報処理装置、情報処理システム、情報処理方法、プログラム、記録媒体 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5175649B2 (ja) | 2008-08-04 | 2013-04-03 | 株式会社日本自動車部品総合研究所 | 運転環境設定システム、車載装置、及び携帯装置 |
| DE102015207774A1 (de) * | 2015-04-28 | 2016-11-03 | Volkswagen Aktiengesellschaft | Vorrichtung zur Identifizierung eines Fahrers und Fahrzeug |
-
2020
- 2020-05-20 WO PCT/JP2020/019950 patent/WO2021019876A1/ja unknown
- 2020-05-20 JP JP2021536623A patent/JP7203226B2/ja active Active
- 2020-05-20 US US17/619,855 patent/US20220350295A1/en active Pending
- 2020-05-20 EP EP20847417.1A patent/EP3971815A4/en active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001063400A (ja) | 1999-08-25 | 2001-03-13 | Honda Motor Co Ltd | ドライバー認証装置 |
| JP2015128988A (ja) | 2014-01-06 | 2015-07-16 | ハーマン インターナショナル インダストリーズ インコーポレイテッド | 自動の運転手識別 |
| JP2019046318A (ja) | 2017-09-05 | 2019-03-22 | トヨタ自動車株式会社 | 情報処理装置、情報処理システム、情報処理方法、プログラム、記録媒体 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021019876A1 (ja) | 2021-02-04 |
| EP3971815A1 (en) | 2022-03-23 |
| JPWO2021019876A1 (ja) | 2021-02-04 |
| US20220350295A1 (en) | 2022-11-03 |
| EP3971815A4 (en) | 2022-08-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3128793B1 (en) | Method of providing route information and electronic device for processing same | |
| EP2648389B1 (en) | Adaptive sensor data selection and sampling based on current and future context | |
| US20180018179A1 (en) | Intelligent pre-boot and setup of vehicle systems | |
| US10078099B2 (en) | Methods and systems for aligning a mobile device to a vehicle | |
| JP2017211988A (ja) | 階層型コンテキストアウェアによる手足の検出 | |
| CN108025742A (zh) | 使用电极的自动驾驶车辆人类驾驶员接管机制 | |
| KR20200057414A (ko) | 주행 가이드 정보를 제공하는 전자 장치 및 그 방법 | |
| US10352958B2 (en) | Electronic device and driver determining method thereof | |
| CN108701318A (zh) | 用于通过移动设备远程控制车辆的方法、计算机程序和设备 | |
| CN102652250A (zh) | 导航装置 | |
| JP7203226B2 (ja) | 情報処理装置および運転者特定装置 | |
| CN107341226B (zh) | 信息展示方法、装置及移动终端 | |
| CN107421557B (zh) | 导航目的地的确定方法、智能终端和具有存储功能的装置 | |
| CN110554766A (zh) | 交互方法及车载交互装置 | |
| KR20180014626A (ko) | 차량 탑승 인식 방법 및 이를 구현한 전자 장치 | |
| JP2016223995A (ja) | ドライバ推定装置、制御方法、プログラム及び記憶媒体 | |
| WO2021019875A1 (ja) | 情報処理装置 | |
| US20200126000A1 (en) | Car sharing service apparatus and method for operating the same | |
| KR20170114636A (ko) | 식별 정보를 제공하는 전자 장치 및 방법 | |
| US20210049625A1 (en) | System and method for using vehicle data for future vehicle designs | |
| KR20170101683A (ko) | 교통 정보를 이용하는 전자 장치 및 방법 | |
| US10475470B2 (en) | Processing result error detection device, processing result error detection program, processing result error detection method, and moving entity | |
| CN112109645A (zh) | 向车辆用户提供辅助的方法和系统 | |
| WO2021192873A1 (ja) | 測位システム | |
| US20210123765A1 (en) | Pastime preference estimation device and pastime preference estimation method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211210 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221011 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221208 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221213 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221226 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7203226 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |