JP7307003B2 - 運転モード検出装置、運転モード検出システム及び運転モード検出方法 - Google Patents
運転モード検出装置、運転モード検出システム及び運転モード検出方法 Download PDFInfo
- Publication number
- JP7307003B2 JP7307003B2 JP2020016816A JP2020016816A JP7307003B2 JP 7307003 B2 JP7307003 B2 JP 7307003B2 JP 2020016816 A JP2020016816 A JP 2020016816A JP 2020016816 A JP2020016816 A JP 2020016816A JP 7307003 B2 JP7307003 B2 JP 7307003B2
- Authority
- JP
- Japan
- Prior art keywords
- time
- series data
- threshold
- data
- series
- 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
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Description
実施形態において、具体的には、道路上を走行する自動車から得られる稼働データからある運転モードが発生した期間を抽出するための閾値を決定する例を説明する。なお、本発明は、自動車以外の車両、例えば、自動二輪車、建設機械、船舶、航空機等にも適用可能である。さらに、本発明は、人間等が搭乗しない機器にも適用可能である。実施形態において“車両”と言う語は、“移動する機器”を意味する。
運転モード検出システムは、端末装置1と運転モード検出装置2を有する。端末装置1は車両3に設置された移動情報端末である。端末装置1は、主記憶装置11、通信装置12、入力装置13及び端末制御装置14を備える。主記憶装置11におけるID取得部21及び稼働データ取得部22はプログラムである。
fは閾値決定関数であり、σkは時間ステップkにおける閾値の値、Xkは時間ステップkにおける特徴量時系列データの値のベクトル、θは閾値決定関数のパラメータのベクトルである。ある時間ステップkおける、特徴量時系列データの値のベクトルXkが与えられると、パラメータθのもとで閾値決定関数が閾値の値σkを決定する。閾値決定関数のモデルは深層学習などの機械学習のモデルを用いる。このようにして、閾値決定関数f(Xk|θ)は特徴量時系列データから閾値の時系列データを作成する。
ここで、Woutは異なるクラスタの分散の大きさの平均であり、Winは同一のクラスタの分散の平均である。このような指標を所与の閾値関数f(Xk|θ)に対して抽出対象時系列データZから運転モード期間を抽出して部分時系列集合データを作成し、クラスタリングを行った際のクラスタのまとまりの良さを計算する関数を(数3)のように表現する。
(数3)を最大化するときのパラメータベクトルθを(数4)のように求めて、閾値決定関数のデータベース44に格納する。
arg maxθg(Z|f(Xk|θ)) (数4)
特徴量時系列データは、走行環境取得部51が出力する天候201、制限速度202、渋滞の有無203の時系列データと、稼働データ41が記憶するドライバID204の時系列データ及び車両の稼働データのうち速度205の時系列データから構成される。なお、ドライバID204の代わりに、ドライバの運転傾向を示す属性ラベル値、例えば、荒い運転や穏やかな運転を示すラベル値を用いてもよい。
稼働データのうち、加速度などの物理量は道路の勾配による影響を受ける。加速度の場合を例に、道路の勾配の影響を差し引いて補正する計算式を(数5)に示す。
an、k=am、k-Mgsinθk (数5)
ここで、am、kは時間ステップkにおける加速度、θkは、車両301に対して環境情報取得部51が取得した時間ステップkにおける勾配、Mは車両情報のデータベース42が記憶する車両301の重量、gは重力加速度、an、kは補正された加速度である。
稼働データから期間抽出を行う際、抽出対象時系列データ401の値が特徴量時系列データを入力として閾値決定関数44が作成した閾値時系列データ402の値以上の部分を運転モードが発生した期間、すなわち抽出期間403として抽出する。
各抽出期間の時系列データ、すなわち、部分時系列データの類似度をそれぞれ計算し、それに基づきクラスタ分割を行う。図5では2次元平面でデータの分布及びクラスタを表現しているが、実際は相対的な類似度のみで定義される空間上にデータが分布している。501、502はクラスタリングによって生成されたクラスタであり、503のような白丸の点は各部分時系列データであり、それぞれのクラスタ501、502は重心504、505を持つ。これらの重心502、504はクラスタ501、502内で最も各運転モードの特徴を顕著に有する部分時系列データであるといえる。
図8に示すように、各特徴量時系列データと閾値決定関数802の重みづけ係数を線形結合して、閾値時系列データ803を作成する。
抽出対象時系列データ901に閾値時系列データ803を与えて運転モードが発生した可能性がある期間を検出し、それらを集めて部分時系列データ集合903を作成する。部分時系列データ集合903に対して、集合の各要素間の距離に基づいてクラスタリングを行ってクラスタ904(クラスタ1、クラスタ2)を作成する。このクラスタ904の評価を最大にすることで与えた閾値時系列データ803を最適化する。
クラスタ904の中心付近には各クラスタ(クラスタ1、クラスタ2)の特徴をよく反映したデータ1001があり、各クラスタ904の中心から離れた位置にはどのクラスタに分類されるかどうかが判別つきにくいデータ1002がある。データ1002の割合が少ないとクラスタ904はまとまりが良いクラスタになる。すなわち、クラスタ904内の分散の値が大きくなり、クラスタ904間の分散の値が小さくなる。このクラスタ904のまとまりの良さをクラスタ904の評価指標としてクラスタ904内の分散とクラスタ904間の分散の値から指標の値を計算する。
稼働データ読み込みステップ601において、第一段階で収集した稼働データを稼働データのデータベース41から取得し、主記憶装置36にロードする。次に、走行環境取得ステップ602において、走行環境情報取得部51が稼働データのうち位置の時系列データと外部装置4の走行環境の情報を対応付けて、車両の走行環境の時系列データを作成する。
ステップ701~704は第二段階の場合と同様の処理を行う。ここで、稼働データは第二段階で用いたテンプレート時系列データ作成のための稼働データと異なる新規稼働データである。
2 運転モード検出装置
3 車両
4 外部装置
5 ネットワーク
11 主記憶装置
12 通信装置
13 入力装置
14 端末制御装置
21 ID取得部
22 稼働データ取得部
31 中央制御装置
32 入力装置
33 出力装置
34 通信装置
35 補助記憶装置
36 主記憶装置
41 稼働データ
42 車両情報
43 特徴量データ
44 閾値決定関数
45 テンプレート
46 検出結果
51 走行環境情報取得部
52 前処理部
53 特徴量作成部
54 閾値最適化部
55 テンプレート作成部
56 運転モード判定部
Claims (15)
- 移動機器の時系列稼働データを収集して運転モードを検出する運転モード検出装置であって、
前記時系列稼働データを収集して前記運転モードを検出するために用いる閾値時系列データを動的に生成して最適化する閾値最適化部と、
前記閾値時系列データを用いて、前記運転モードに対応したテンプレート時系列データを作成するテンプレート作成部と、
新たに収集した新規時系列稼働データに対して前記テンプレート時系列データを適用することにより前記運転モードを検出する運転モード判定部と、
を有することを特徴とする運転モード検出装置。 - 前記閾値最適化部は、
前記閾値時系列データを動的に生成するための閾値決定関数のパラメータを可変に設定することにより前記閾値時系列データを最適化することを特徴とする請求項1に記載の運転モード検出装置。 - 前記閾値最適化部は、
所定のクラスタリングを実行することにより、前記閾値決定関数の前記パラメータを可変に設定することを特徴とする請求項2に記載の運転モード検出装置。 - 前記閾値最適化部は、
前記時系列稼働データから所定の特徴量を抽出することにより生成された特徴量時系列データが前記閾値時系列データを超える部分を抽出して部分時系列データの集合を作成し、
前記部分時系列データの集合に対して、前記部分時系列データの類似度に基づいて前記クラスタリングを実行して複数のクラスタを生成することを特徴とする請求項3に記載の運転モード検出装置。 - 前記閾値最適化部は、
前記クラスタリングを実行する際に、前記クラスタのまとまりの良さを前記クラスタの評価指標とし、前記クラスタ内の分散及び前記クラスタ間の分散の値から前記評価指標をクラスタ評価値として求め、前記クラスタ評価値の変化が所定の閾値以下になるように前記閾値決定関数の前記パラメータを更新することを特徴とする請求項4に記載の運転モード検出装置。 - 前記テンプレート作成部は、
前記クラスタ評価値の変化が前記所定の閾値以下となった場合に、前記閾値決定関数の前記パラメータを用いて実行された前記クラスタリングの前記クラスタの重心のデータを取得し、
前記クラスタの重心のデータに対応する前記部分時系列データにラベルを付与して、前記運転モードごとの前記テンプレート時系列データを作成することを特徴とする請求項5に記載の運転モード検出装置。 - 前記閾値最適化部は、
前記新規時系列稼働データを用いて、最適化された前記閾値時系列データを生成し、
前記新規時系列稼働データから所定の特徴量を抽出することにより生成された特徴量時系列データが前記閾値時系列データを超える部分を抽出して、複数の部分時系列データを作成し、
前記運転モード判定部は、
前記テンプレート時系列データと複数の前記部分時系列データとを比較して類似度を求め、前記類似度が最も高い前記部分時系列データを選択することにより前記運転モードを検出することを特徴とする請求項1に記載の運転モード検出装置。 - 移動機器に設置された端末装置と、前記端末装置にネットワークを介して接続された運転モード検出装置と、を有する運転モード検出システムであって、
前記端末装置は、
前記移動機器の時系列稼働データを取得する稼働データ取得部を有し、
前記運転モード検出装置は、
前記稼働データ取得部が取得した前記時系列稼働データを収集して前記運転モードを検出するために用いる閾値時系列データを動的に生成して最適化する閾値最適化部と、
前記閾値時系列データを用いて、前記運転モードに対応したテンプレート時系列データを作成するテンプレート作成部と、
新たに収集した新規時系列稼働データに対して前記テンプレート時系列データを適用することにより前記運転モードを検出する運転モード判定部と、
を有することを特徴とする運転モード検出システム。 - 前記閾値最適化部は、
前記閾値時系列データを動的に生成するための閾値決定関数のパラメータを可変に設定することにより前記閾値時系列データを最適化することを特徴とする請求項8に記載の運転モード検出システム。 - 前記閾値最適化部は、
所定のクラスタリングを実行することにより、前記閾値決定関数の前記パラメータを可変に設定することを特徴とする請求項9に記載の運転モード検出システム。 - 前記閾値最適化部は、
前記時系列稼働データから所定の特徴量を抽出することにより生成された特徴量時系列データが前記閾値時系列データを超える部分を抽出して部分時系列データの集合を作成し、
前記部分時系列データの集合に対して、前記部分時系列データの類似度に基づいて前記クラスタリングを実行して複数のクラスタを生成することを特徴とする請求項10に記載の運転モード検出システム。 - 前記閾値最適化部は、
前記クラスタリングを実行する際に、前記クラスタのまとまりの良さを前記クラスタの評価指標とし、前記クラスタ内の分散及び前記クラスタ間の分散の値から前記評価指標をクラスタ評価値として求め、前記クラスタ評価値の変化が所定の閾値以下になるように前記閾値決定関数の前記パラメータを更新することを特徴とする請求項11に記載の運転モード検出システム。 - 前記テンプレート作成部は、
前記クラスタ評価値の変化が前記所定の閾値以下となった場合に、前記閾値決定関数の前記パラメータを用いて実行された前記クラスタリングの前記クラスタの重心のデータを取得し、
前記クラスタの重心のデータに対応する前記部分時系列データにラベルを付与して、前記運転モードごとの前記テンプレート時系列データを作成することを特徴とする請求項12に記載の運転モード検出システム。 - 前記閾値最適化部は、
前記新規時系列稼働データを用いて、最適化された前記閾値時系列データを生成し、
前記新規時系列稼働データから所定の特徴量を抽出することにより生成された特徴量時系列データが前記閾値時系列データを超える部分を抽出して、複数の部分時系列データを作成し、
前記運転モード判定部は、
前記テンプレート時系列データと複数の前記部分時系列データとを比較して類似度を求め、前記類似度が最も高い前記部分時系列データを選択することにより前記運転モードを検出することを特徴とする請求項8に記載の運転モード検出システム。 - 移動機器の時系列稼働データを収集して運転モードを検出する運転モード検出方法であって、
前記時系列稼働データを収集して前記運転モードを検出するために用いる閾値時系列データを動的に生成して最適化する閾値最適化ステップと、
前記閾値時系列データを用いて、前記運転モードに対応したテンプレート時系列データを作成するテンプレート作成ステップと、
新たに収集した新規時系列稼働データに対して前記テンプレート時系列データを適用することにより前記運転モードを検出する運転モード判定ステップと、
を有することを特徴とする運転モード検出方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020016816A JP7307003B2 (ja) | 2020-02-04 | 2020-02-04 | 運転モード検出装置、運転モード検出システム及び運転モード検出方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020016816A JP7307003B2 (ja) | 2020-02-04 | 2020-02-04 | 運転モード検出装置、運転モード検出システム及び運転モード検出方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021124854A JP2021124854A (ja) | 2021-08-30 |
JP7307003B2 true JP7307003B2 (ja) | 2023-07-11 |
Family
ID=77459767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020016816A Active JP7307003B2 (ja) | 2020-02-04 | 2020-02-04 | 運転モード検出装置、運転モード検出システム及び運転モード検出方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7307003B2 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009157606A (ja) | 2007-12-26 | 2009-07-16 | Toyota Central R&D Labs Inc | ドライバ状態推定装置及びプログラム |
JP2011174771A (ja) | 2010-02-24 | 2011-09-08 | Clarion Co Ltd | 位置推定装置および位置推定方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6451583B2 (ja) * | 2015-10-08 | 2019-01-16 | 株式会社デンソー | 運転支援装置 |
-
2020
- 2020-02-04 JP JP2020016816A patent/JP7307003B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009157606A (ja) | 2007-12-26 | 2009-07-16 | Toyota Central R&D Labs Inc | ドライバ状態推定装置及びプログラム |
JP2011174771A (ja) | 2010-02-24 | 2011-09-08 | Clarion Co Ltd | 位置推定装置および位置推定方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021124854A (ja) | 2021-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102208013B (zh) | 风景匹配参考数据生成系统和位置测量系统 | |
CN110395250B (zh) | 用于车辆弯道速度限制的方法和系统 | |
US10345449B2 (en) | Vehicle classification using a recurrent neural network (RNN) | |
CN113033284B (zh) | 一种基于卷积神经网络的车辆实时超载检测方法 | |
JP5856387B2 (ja) | 車両データの解析方法及び車両データの解析システム | |
EP2255347B1 (en) | Travel pattern information obtaining device, travel pattern information obtaining method, travel pattern information obtaining program and computer readable medium | |
JP6330651B2 (ja) | 異常検出装置 | |
JP2020520520A (ja) | トリップの種類を識別するためのテレマティクスデータの使用 | |
CN108995657A (zh) | 操作自动驾驶车辆的方法和数据处理系统 | |
CN103364006A (zh) | 用于确定车辆路径的系统和方法 | |
CN111465972B (zh) | 用于计算交通工具传感器数据的错误概率的系统 | |
EP3682417B1 (en) | Method and apparatus for evaluating a weight of the vehicle | |
CN115862335A (zh) | 基于车路信息融合的拥堵预警方法、系统及存储介质 | |
CN110909907A (zh) | 卡车的油耗预测方法、装置及存储介质 | |
CN108349500A (zh) | 用于分析车辆的驾驶员的驾驶方式的方法和装置 | |
JP7307003B2 (ja) | 運転モード検出装置、運転モード検出システム及び運転モード検出方法 | |
CN110264725B (zh) | 路段流量的确定方法及装置 | |
CN116383678B (zh) | 一种营运客车异常变速行为常发性路段识别方法 | |
US11113292B2 (en) | Feature data storage apparatus and driving feature and distribution databases | |
CN115503712B (zh) | 考虑道路运行条件的智能网联汽车预测控制方法和系统 | |
CN109978174A (zh) | 信息处理方法、信息处理装置及程序记录介质 | |
KR102570295B1 (ko) | 차량 및 그 제어 방법 | |
JP7297764B2 (ja) | 車両モニタ | |
KR20210136291A (ko) | 도로의 운행상태 분류모델 학습방법, 학습된 분류모델을 이용한 운행상태 분류 방법, 현시 방법 및 장치 | |
Kyriakou et al. | A low-cost pavement-rating system, based on machine learning, utilising smartphone sensors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220725 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230531 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230606 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230629 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7307003 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |