JP7357021B2 - 車両管理装置、車両管理方法、及びプログラム - Google Patents

車両管理装置、車両管理方法、及びプログラム Download PDF

Info

Publication number
JP7357021B2
JP7357021B2 JP2021046468A JP2021046468A JP7357021B2 JP 7357021 B2 JP7357021 B2 JP 7357021B2 JP 2021046468 A JP2021046468 A JP 2021046468A JP 2021046468 A JP2021046468 A JP 2021046468A JP 7357021 B2 JP7357021 B2 JP 7357021B2
Authority
JP
Japan
Prior art keywords
vehicle
vehicles
failure
state
sign
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
Application number
JP2021046468A
Other languages
English (en)
Other versions
JP2022145169A (ja
Inventor
康仁 武居
敦司 藤川
勉 上山口
文博 吉野
宙 木村
遼介 糸山
隆三 坂本
敦 久保田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honda Motor Co Ltd
Original Assignee
Honda Motor Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Honda Motor Co Ltd filed Critical Honda Motor Co Ltd
Priority to JP2021046468A priority Critical patent/JP7357021B2/ja
Priority to CN202210138489.3A priority patent/CN115113601A/zh
Priority to US17/676,851 priority patent/US20220301359A1/en
Publication of JP2022145169A publication Critical patent/JP2022145169A/ja
Application granted granted Critical
Publication of JP7357021B2 publication Critical patent/JP7357021B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/006—Indicating maintenance
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
    • B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
    • B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Development Economics (AREA)
  • Medical Informatics (AREA)
  • Accounting & Taxation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Finance (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Description

本発明は、車両管理装置、車両管理方法、及びプログラムに関する。
特許文献１には、車両に搭載されたセンサのセンサ値と正常閾値とを比較し、この比較結果に基づいて、センサに異常が発生しているか否かを判断する故障予兆検出装置が記載されている。
［先行技術文献］
［特許文献］
［特許文献１］ 特開２０１１－２３０６３４号公報
本発明の一態様に係る車両管理装置は、センサにより検出される車両の状態を示すデータを複数の車両から収集する収集部を備えてよい。車両管理装置は、複数の車両のそれぞれのデータに基づいて、複数の車両を予め定められたアルゴリズムに従って複数のクラスタに分類する分類部を備えてよい。車両管理装置は、複数の車両の中で故障が発生した故障車両が存在する場合、故障車両が属するクラスタに属する他の車両を、故障が発生する予兆がある故障予兆車両として特定する特定部を備えてよい。
車両管理装置は、故障が発生する予兆があることを故障予兆車両に関連する通知先に通知する通知部を備えてよい。
車両の状態を示すデータは、エンジンまたはモータジェネレータのトルクまたは回転数、エンジンオイルの温度、エンジンオイルの油圧、自動変速機の作動油の温度、アクセル開度、車両の振動、及び車両の速度の少なくとも１つを示してよい。
収集部は、車両の存在する環境に関するデータを複数の車両から収集してよい。
分類部は、車両の存在する環境に関するデータに基づいて、複数の車両を複数のクラスタに分類してよい。
車両の存在する環境に関するデータは、車両の周囲の外気温、及び車両が存在する地域の少なくとも１つを示してよい。
本発明の一態様に係る車両管理方法は、センサにより検出される車両の状態を示すデータを複数の車両から収集する段階を備えてよい。車両管理方法は、複数の車両のそれぞれのデータに基づいて、複数の車両を予め定められたアルゴリズムに従って複数のクラスタに分類する段階を備えてよい。車両管理方法は、複数の車両の中で故障が発生した故障車両が存在する場合、故障車両が属するクラスタに属する他の車両を、故障が発生する予兆がある故障予兆車両として特定する段階を備えてよい。
本発明の一態様に係るプログラムは、センサにより検出される車両の状態を示すデータを複数の車両から収集する段階をコンピュータに実行させてよい。プログラムは、複数の車両のそれぞれのデータに基づいて、複数の車両を予め定められたアルゴリズムに従って複数のクラスタに分類する段階をコンピュータに実行させてよい。プログラムは、複数の車両の中で故障が発生した故障車両が存在する場合、故障車両が属するクラスタに属する他の車両を、故障が発生する予兆がある故障予兆車両として特定する段階をコンピュータに実行させてよい。
なお、上記の発明の概要は、本発明の特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。
車両管理システムの全体構成の一例を示す図である。 車両が備える制御システムのシステム構成を模式的に示す図である。 センサから取得されるデータの一例を示す図である。 数値ベクトルの一例を示す図である。 車両管理サーバの機能ブロックを示す図である。 データのクラスタリングについて説明するための図である。 コアベクトルの一例を示す図である。 故障予兆検知の手順の一例を示すフローチャートである。 イグニッションスイッチをオンしたときの車両の動作手順の一例を示すフローチャートである。 ハードウェア構成の一例を示す図である。
以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。
図１は、本実施形態に係る車両管理システム１０の全体構成の一例を示す図である。車両管理システム１０は、複数の車両２０と、車両管理サーバ１００とを備える。車両管理システム１０は、さらに、複数の販売店３００のそれぞれに配置される端末３１０、在庫管理センサ４００に配置される端末４１０、工場５００に配置される端末５１０を備える。
車両２０、車両管理サーバ１００、端末３１０，４１０，および５１０は、インターネットなどのネットワーク５０を介して接続されてよい。
車両２０は、車両２０を制御する制御システム２００を備える。本実施形態では、車両２０として、ハイブリッド車両を例に説明する。しかし、車両２０は、エンジン車両、電動車両など如何なる駆動方式の車両であってもよい。
販売店３００では、端末３１０を介して、販売店３００での在庫管理、新車の発注、補修部品の発注などを行う。在庫管理センサ４００では、端末４１０を介して、それぞれの販売店３００から新車の発注の集約、及び車両製造工場への発注、それぞれの販売店３００からの部品の集約、及び部品工場への発注、及び在庫管理センサ４００での部品の在庫管理などを行う。工場５００では、端末５１０を介して、在庫管理センサ４００からの発注を受けて、車両の製造、または部品の製造などを行う。なお、車両の製造、及び部品の製造はそれぞれ異なる工場５００で行われてよい。
車両管理サーバ１００は、複数の車両２０の管理を行う。車両管理サーバ１００は、複数の車両２０の故障の情報を集約して、同様な故障が生じる可能性がある車両２０を故障予兆車両として特定する。そして、車両管理サーバ１００は、故障予兆車両のユーザが、販売店３００に、部品の交換、新車の購入などのために訪問する前に、必要に応じて車両、または部品の発注を行う。これにより、部品の交換、または新車の納期を短縮できる。
図２は、車両２０が備える制御システム２００のシステム構成を模式的に示す。制御システム２００は、ＨＶＥＣＵ２１０、各種ＥＣＵ２３０、各種センサ２５０、ＭＩＤ２７１、ＩＶＩ２７２、ＧＮＳＳ受信機２７３、及びＴＣＵ２７４を備える。
ＨＶＥＣＵ２１０は、車両２０を制御するハイブリッドＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）である。ＨＶＥＣＵ２１０及び各種ＥＣＵ２３０は、ＣＰＵ、ＲＯＭ、ＲＡＭ、及び入出力インタフェースなどから成るいわゆるマイクロコンピュータを含んで構成されてよい。ＨＶＥＣＵ２１０は、ＲＡＭの一時記憶機能を利用しつつＲＯＭに予め記憶されたプログラムに従って信号処理を行う。
ＨＶＥＣＵ２１０は、ＭＩＤ２７１、ＩＶＩ２７２、ＴＣＵ２７４、及び各ＥＣＵ２３０と車内通信回路を介して接続される。ＨＶＥＣＵ２１０は、ＭＩＤ２７１、ＩＶＩ２７２、ＴＣＵ２７４、及び各種ＥＣＵ２３０と車内通信回路を介して通信する。ＨＶＥＣＵ２１０は、ＭＩＤ２７１、ＩＶＩ２７２、ＴＣＵ２７４、及び各ＥＣＵ２３０を車内通信回路を介して統括制御する。車内通信回路は、例えばＣＡＮ（Ｃｏｎｔｒｏｌｌｅｒ Ａｒｅａ Ｎｅｔｗｏｒｋ）またはイーサ・ネットワーク等を含んで構成されてよい。
ＭＩＤ２７１は、マルチインフォメーションディスプレイである。ＩＶＩ２７２は、車内インフォテインメント情報機器（ＩＶＩ）である。ＭＩＤ２７１及びＩＶＩ２７２は、車内通信回線を介してＨＶＥＣＵ２１０に接続される。ＭＩＤ２７１及びＩＶＩ２７２は、表示制御部として機能し得る。ＩＶＩ２７２は、無線ＬＡＮ通信機能を備える。ＧＮＳＳ受信機２７３は、ＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）衛星から受信した信号に基づいて、車両２０の位置を特定する。
ＩＶＩ２７２は、ＧＮＳＳ受信機２７３から車両２０の位置情報を取得する。ＩＶＩ２７２は、ＧＮＳＳ受信機２７３から取得した位置情報をＨＶＥＣＵ２１０に出力する。
ＴＣＵ２７４は、テレマティクス制御ユニット（Ｔｅｌｅｍａｔｉｃｓ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）である。ＴＣＵ２７４は、主として移動体通信を担う。ＴＣＵ２７４は、ＨＶＥＣＵ２１０の制御に基づいて、外部装置との間でデータの送受信を行う。
各ＥＣＵ２３０は、ＭＧＥＣＵ２３１、エンジンＥＣＵ２３２、変速機ＥＣＵ２３３、及びバッテリＥＣＵ２３４を含む。ＭＧＥＣＵ２３１は、車両２０に搭載される駆動用のモータジェネレータを制御する。エンジンＥＣＵ２３２は、車両２０に搭載されるエンジンを制御する。変速機ＥＣＵ２３３は、車両２０に搭載される変速機を制御する。バッテリＥＣＵ２３４は、車両２０に搭載される高圧バッテリであるバッテリを制御する。
ＨＶＥＣＵ２１０は、ＭＧＥＣＵ２３１を介したモータジェネレータと、エンジンＥＣＵ２３２を介したエンジンとに関するハイブリッド駆動制御を実行する。ＨＶＥＣＵ２１０は、変速機ＥＣＵ２３３を介した変速機の変速制御を実行する。ＨＶＥＣＵ２１０は、バッテリＥＣＵ２３４を介したバッテリの充放電制御を実行する。
各種センサ２５０は、車速センサ２５１、アクセル開度センサ２５２、傾斜角度センサ２５３、ＭＧ回転数センサ２５４、シフトポジションセンサ２５５、エンジン回転数センサ２５６、スロットル開度センサ２５７、振動センサ２５８、ＡＥセンサ２５９、油温センサ２６０、水温センサ２６１、バッテリ温度センサ２６２、バッテリ電流センサ２６３、加速度センサ２６４を含む。各種センサ２５０は、エンジンまたはモータジェネレータのトルク、モータジェネレータの電流、モータジェネレータの温度、エンジンオイルの油圧、自動変速機の作動油の温度（ＡＴＦ温度）、音などを検出する他のセンサを含んでよい。
車速センサ２５１は、車両２０の車速を検出する。アクセル開度センサ２５２は、運転者の操作によるアクセル開度、すなわちアクセルペダルの操作量を検出する。傾斜角度センサ２５３は、車両２０の傾きを検出する。ＭＧ回転数センサ２５４は、モータジェネレータの回転数を検出する。シフトポジションセンサ２５５は、シフトレバーのシフトポジションを検出する。エンジン回転数センサ２５６は、エンジンの回転数を検出する。スロットル開度センサ２５７は、エンジンのスロットル弁の開度を検出する。バッテリ温度センサ２６２は、バッテリの温度を検出する。バッテリ電流センサ２６３は、バッテリの充放電電流を検出する。
ＨＶＥＣＵ２１０は、車速センサ２５１で検出される車速、及びアクセル開度センサ２５２で検出されるアクセル開度に基づいて要求駆動力を設定する。ＨＶＥＣＵ２１０は、車速センサ２５１で検出される車速に基づいて、車両２０が発進時であるか否かを判定する。ＨＶＥＣＵ２１０は、傾斜角度センサ２５３で検出される傾斜角度に基づいて、車両２０が登坂路また降坂路であるか否かを判定する。エンジンＥＣＵ２３２は、ＨＶＥＣＵ２１０からの指示に基づいて、設定された要求駆動力に応じて、エンジンからの出力トルクを制御する。ＭＧＥＣＵ２３１は、ＨＶＥＣＵ２１０からの指示に基づいて、設定された要求駆動力に応じて、モータジェネレータからの出力トルクを制御する。変速機ＥＣＵ２３３は、設定された要求駆動力に応じて、変速機の変速制御を行う。
バッテリＥＣＵ２３４は、バッテリの端子間電圧、バッテリ電流センサ２６３からのバッテリの充放電電流、及びバッテリ温度センサ２６２からのバッテリ温度などのバッテリの状態を示すバッテリ情報に基づいて、バッテリの充放電を制御する。バッテリＥＣＵ２３４は、バッテリの充放電電流の積算値に基づいて充電量（ＳＯＣ）を演算する。
振動センサ２５８は、例えば、車両２０の振動、エンジンの振動、変速機の振動、サスペンションの振動など車両２０の故障の予兆を検知できる車両２０のいずれかの部位の振動を検知する。ＡＥセンサ２５９は、アコースティック・エミッション（Ａｃｏｕｓｔｉｃ Ｅｍｉｓｓｉｏｎ）センサである。ＡＥセンサ２５９は、物体の変形、割れの進展、剥離等の現象に伴って発生する超音波および弾性波エネルギーを検出するセンサである。ＡＥセンサ２５９は、エンジンなどの車両２０の故障の予兆を検知できる車両２０のいずれかの部位に設けられてよい。油温センサ２６０は、例えば、エンジンオイルの温度（油温）を検出する。水温センサ２６１は、例えば、シリンダヘッド及びシリンダに形成された冷却水流路であるウォータージャケット内を流れる冷却水の温度を検出する。加速度センサ２６４は、車両２０が加速状態にあるか、減速状態にあるか、定速状態（クルーズ状態）にあるかを判断するための車両２０の加速度を検出する。
車両管理サーバ１００は、複数の車両２０の各種センサ２５０からの車両２０の状態を示すデータを集約する。車両管理サーバ１００は、集約された車両２０の状態を示すデータに基づいて、故障した車両２０と同じ挙動を示す車両２０を故障予兆車両として特定して、故障予兆車両のユーザ、または故障予兆車両を管理する販売店３００に通知する。
本実施形態では、車両２０のＨＶＥＣＵ２１０が、各種センサ２５０からの検出結果に基づいて車両２０の状態を示すデータを生成し、車両管理サーバ１００に提供する。
ＨＶＥＣＵ２１０は、取得部２１１、生成部２１２、出力部２１３及び記憶部２１５を備える。取得部２１１は、車両２０の状態を検知する複数のセンサ２５０から複数のデータを取得する。取得部２１１は、車両２０が走行可能な状態の間、予め定められた期間ごとに、車両２０の状態を検知する複数のセンサ２５０から複数のデータを取得してよい。取得部２１１は、例えば、図３に示すように、複数のデータとして、エンジン回転数センサ２５６からエンジン回転数（Ｒ）、車速センサ２５１から車両２０の車速（Ｖ）、及び水温センサ２６１からエンジンの冷却水の温度を示す冷却水温（Ｔ）を０．２秒間隔で取得し、記憶部２１５に格納する。
生成部２１２は、取得部２１１により取得された複数のデータから予め定められたアルゴリズムに従って複数のデータのそれぞれの特徴量を示す特徴量データを生成し、記憶部２１５に格納する。生成部２１２は、複数のデータのそれぞれの特徴量を示す特徴量データである数値ベクトルを生成してよい。生成部２１２は、予め定められた時間帯（例えば、３秒）ごとのデータの平均値、最大値、最小値、傾きの平均値を算出することで、複数のデータのそれぞれの数値ベクトルを生成してよい。生成部２１２は、図４に示すように、３秒ごとにエンジン回転数（Ｒ）について、平均値（Ｒａｖ）、最大値（Ｒｍｘ）、最小値（Ｒｍｎ）、傾きの平均値（Ｒｉｎ）を算出してよい。生成部２１２は、３秒ごとに車速（Ｖ）について、平均値（Ｖａｖ）、最大値（Ｖｍｘ）、最小値（Ｖｍｎ）、傾きの平均値（Ｖｉｎ）を算出してよい。生成部２１２は、３秒ごとに冷却水温（Ｔ）について、平均値（Ｔａｖ）、最大値（Ｔｍｘ）、最小値（Ｔｍｎ）、傾きの平均値（Ｔｉｎ）を算出してよい。生成部２１２は、統計学で用いられる標準偏差、振幅値、振動数、最小傾き、最大傾き、歪度、及び尖度の少なくとも１つをデータの特徴量として算出してよい。
ここで、傾きは、車両２０が加速中、減速中の程度、もしくはクルーズ運転（定速運転）中であることの判断指標となる特徴量である。傾きは、時間経過（ｈ）に対するパラメータ値ｆ（ｘ）の変化量を微分することで得られる値であり、次式（１）で算出される。デジタル演算では、傾きは、パラメータ値ｆ（ｘ）の差分の演算で算出される。
Figure 0007357021000001
出力部２１３は、車両２０の状態を示すデータとして車両２０の特徴量データと車両２０の識別情報とをＴＣＵ２７４を介して車両管理サーバ１００に出力する。
図５は、車両管理サーバ１００の機能ブロックの一例を示す図である。車両管理サーバ１００は、収集部１０２、分類部１０４、特定部１０６、通知部１０８、及び記憶部１１０を備える。
収集部１０２は、車両の状態を検出する各種センサ２５０の検出結果に基づく車両２０の状態を示すデータを複数の車両から収集し、車両２０の識別情報と関連付けて、記憶部１１０に格納する。収集部１０２は、複数の車両２０のそれぞれから、車両２０の駆動機能が動作中に、継続的に各種センサ２５０から取得された車両２０の状態を示すデータを収集してよい。収集部１０２は、複数の車両２０のそれぞれから、イグニッションスイッチがオンされてからオフされるまでの間、継続的に各種センサ２５０から取得された車両２０の状態を示すデータを収集してよい。収集部１０２は、複数の車両２０のそれぞれから、車両２０の駆動機能が動作中で、故障の発生の予兆の検知がしやすい予め定められたタイミングで各種センサ２５０から取得された車両２０の状態を示すデータを収集してよい。収集部１０２は、複数の車両２０のそれぞれから、車両２０の駆動機能が動作中で、車両２０の走行状態が予め定められた期間（５秒）以上、加速状態、減速状態、または一定速度状態が継続する間に、各種センサ２５０から取得された車両２０の状態を示すデータを収集してよい。
車両２０の状態を示すデータは、各種センサ２５０の検出結果を示すデータでよい。車両２０の状態を示すデータは、各種センサ２５０の検出結果を時系列に示す時系列データでよい。車両２０の状態を示すデータは、複数のデータのそれぞれの特徴量を示す数値ベクトルでよい。車両２０の状態を示すデータは、エンジンまたはモータジェネレータのトルクまたは回転数、エンジンオイルの温度、エンジンオイルの油圧、自動変速機の作動油の温度、アクセル開度、車両の振動の少なくとも１つを示すデータでよい。収集部１０２は、車両２０が存在する環境に関するデータを複数の車両２０からさらに収集して、車両２０の状態を示すデータと関連付けて記憶部２１５に格納してよい。車両２０の存在する環境に関するデータは、車両２０の周囲の外気温、及び車両２０が存在する地域（緯度、経度、高度など）の少なくとも１つを示すデータでよい。
分類部１０４は、複数の車両２０のそれぞれの車両２０の状態を示すデータに基づいて、複数の車両２０を予め定められたアルゴリズムに従って複数のクラスタ（グループ）に分類する。分類部１０４は、機械学習により、複数の車両２０を予め定められたアルゴリズムに従って複数のクラスタに分類してよい。
分類部１０４は、故障車両の各種センサ２５０のデータを教師データとして用いて、機械学習により複数の車両２０を予め定められたアルゴリズムに従って複数のクラスタに分類してよい。分類部１０４は、故障個所が異なる複数の故障車両の各種センサ２５０のデータをそれぞれ異なるグループの教師データとして用いて、機械学習により複数の車両２０を予め定められたアルゴリズムに従って複数のクラスタに分類してよい。分類部１０４は、故障個所ごとに異なる複数のクラスタと、故障の予兆がないクラスタとに、それぞれの車両２０を分類してよい。分類部１０４は、教師あり機械学習アルゴリズムとして、例えば、ＳＶＭ（サポートベクターマシン）を用いることができる。ＳＶＭを用いる場合、分類部１０４は、複数の車両の各種センサ２５０のからのデータ（数値ベクトル）のそれぞれの値の組を座標とする点を多次元空間にマップした場合に、正常の車両とラベリングされる点の集合と、故障車両であるとラベリングされる点の集合との間を最大のマージンをもって分離する超平面を学習してよい。分類部１０４は、正常の車両にラベリングされる点の集合と、故障した部品の種類ごとに異なるラベリングがされる点のそれぞれの集合との間を最大のマージンをもって分離する超平面を学習してよい。
分類部１０４は、例えば、複数の数値ベクトルをクラスタリング処理して、複数のクラスタに分類してよい。分類部１０４は、外的基準なしにデータをグループ化するデータ解析手法でクラスタリング処理を実行してよい。すなわち、生成部１０４は、教師なし機械学習アルゴリズムに従ってデータのクラスタリング処理を実行してよい。クラスタリング処理として、Ｋ－ｍｅａｎｓ法と呼ばれる手法を用いてよい。この手法は、データをパラメータの数に対応する次元の空間にプロットし、その距離によってデータを分類する手法である。分類部１０４は、Ｋ－ｍｅａｎｓ法に従って、図６に示すように３次元の空間にデータをプロットして、複数の車両２０を複数のクラスタに分類する。例えば、図６の領域６００に含まれるデータに対応する車両２０が１つのクラスタに分類されてよい。
分類部１０４は、各種センサ２５０のデータのうち、例えば、エンジン回転数（Ｒ）、車速（Ｖ）、及び冷却水温（Ｔ）の３つのパラメータの数値ベクトルで「２０」にクラスタリング（１次クラスタリング）してよい。さらに、分類部１０４は、１次クラスタリングで抽出された「２０」のクラスタをさらに全てのパラメータで「３０」にクラスタリング（２次クラスタリング）して「６００」のクラスタすなわち運転条件を抽出してよい。
より具体的には、分類部１０４は、まず、それぞれの時間帯の数値ベクトルを、コアベクトルに基づいて、１次クラスタリングにより、例えば、図７に示すように、２０個の１次クラスタＤｊに分類する。コアベクトルがまだ設定されていない初期状態では、分類部１０４は、２０個の１次クラスタの中心となるコアベクトルをランダムに設定する。コアベクトルの初期値は、限られた数の実験データから経験則に従って設定されてもよい。
ｊを１から２０の整数として、ｊ番目のクラスタの中心となるコアベクトルを（Ｒａｖ－ｃｊ，Ｒｍｘ－ｃｊ，Ｒｍｎ－ｃｊ，Ｒｉｎ－ｃｊ，Ｖａｖ－ｃｊ，Ｖｍｘ－ｃｊ，Ｖｍｎ－ｃｊ，Ｖｉｎ－ｃｊ,Ｔａｖ－ｃｊ,Ｔｍｘ－ｃｊ,Ｔｍｎ－ｃｊ,Ｔｉｎ－ｃｊ）と表すと、図４に示す第１時間帯（０～３秒）の数値ベクトルと２０個のクラスタＤｊのそれぞれのコアベクトルとのマンハッタン距離Ｄ１ｊは、次式（２）で表される。
Ｄ１ｊ=|Ｒａｖ－１－Ｒａｖ－ｃｊ|+|Ｒｍｘ－１－Ｒｍｘ－ｃｊ|+|Ｒｍｎ－１－Ｒｍｎ－ｃｊ｜＋｜Ｒｉｎ－１－Ｒｉｎ－ｃｊ｜＋｜Ｖａｖ－１－Ｖａｖ－ｃｊ｜＋｜Ｖｍｘ－１－Ｖｍｘ－ｃｊ｜＋｜Ｖｍｎ－１－Ｖｍｎ－ｃｊ｜＋｜Ｖｉｎ－１－Ｖｉｎ－ｃｊ｜＋｜Ｔａｖ－１－Ｔａｖ－ｃｊ｜＋｜Ｔｍｘ－１－Ｔｍｘ－ｃｊ｜＋｜Ｔｍｎ－１－Ｔｍｎ－ｃｊ｜＋｜Ｔｉｎ－１－Ｔｉｎ－ｃｊ｜ ・・・（２）
分類部１０４は、第１時間帯での１つの数値ベクトル（Ｒ，Ｖ，Ｔ）について、ｊ＝１，２，３，・・・，２０について（２）式の演算を行ったマンハッタン距離を算出し、最も小さい値となったコアベクトルのクラスタＤｊにその数値ベクトル（Ｒ，Ｖ，Ｔ）を所属させる。生成部２１２は、各時間帯（３～６秒）のそれぞれの数値ベクトルについてマンハッタン距離を算出し、それぞれの数値ベクトルをいずれかのクラスタＤｊに所属させる。
次いで、分類部１０４は、２０個の１次クラスタＤｊのそれぞれについて、所属する数値ベクトルの平均値を算出し、この平均値を各クラスタのコアベクトルとする。生成部２１２は、更新されたコアベクトルを用いて、上記のクラスタリングを再度実行する。２度目のクラスタリングで各クラスタのコアベクトルが更新されると、分類部１０４は、更新されたコアベクトルを用いてさらに３度目のクラスタリングを行う。分類部１０４は、この繰り返しを、コアベクトルが収束するまで、または予め設定された試行回数が終了するまで実行する。
初期設定のコアベクトルによって、収束の仕方が異なることがある。そこで、分類部１０４は、例えば１０個の異なる初期設定をランダムに設定して、それぞれの初期設定を用いてクラスタリングを繰り返し、最もよく収束した試行のクラスタリング結果を採用してよい。これにより、分類部１０４は、２０個の１次クラスタＤｊのそれぞれについて最終的なコアベクトル（重心）を生成する。
次いで、分類部１０４は、２次クラスタリング処理を実行する。分類部１０４は、２０個の１次クラスタＤｊのそれぞれにおいて、そのクラスタに含まれる全パラメータの数値ベクトル（図４の数値ベクトルを全パラメータに拡張したもの）に関してさらにクラスタリングを行って、各１次クラスタを３０個の２次クラスタに分類する。すなわち、それぞれ異なる運転状態に対応する２０個の１次クラスタのそれぞれを、３０個の２次クラスタに細分する。
それぞれの１次クラスタが２次クラスタリングされて３０個の２次クラスタを形成するので、全体では６００個（２０×３０）の２次クラスタが得られる。それぞれの数値ベクトルは、この６００個の２次クラスタの一つに属する。
分類部１０４は、２次クラスタリングに用いられる３０個の２次クラスタのコアベクトルの初期値を、１次クラスタリングと同様にランダムに設定してよい。分類部１０４は、この初期値を、過去のデータに照らして経験則に従って設定してもよい。分類部１０４は、このコアベクトルを、１次クラスタリングと同じ手法で更新されて最終的なコアベクトルを生成してよく、３０個の最終的なコアベクトルを用いて最終的なクラスタリングを行い、６００個の２次クラスタを生成してよい。
特定部１０６は、複数の車両２０の中で故障が発生した故障車両が存在する場合、複数のクラスタの中から故障車両が属するクラスタに属する他の車両を、故障が発生する予兆がある故障予兆車両として特定する。特定部１０６は、例えば、販売店３００の端末３１０を介して、故障車両の識別情報、故障車両の故障内容を取得してよい。特定部１０６は、故障車両の情報を管理する他のサーバを介して、故障車両の識別情報、故障車両の故障内容を取得してよい。
例えば、故障車両が、図６に示す領域６００のクラスタに属する場合、特定部１０６は、領域６００のクラスタに属する他の車両２０を全て、故障が発生する予兆がある故障予兆車両として特定してよい。
通知部１０８は、故障が発生する予兆があることを故障予兆車両に関連する通知先に通知する。通知部１０８は、故障が発生する予兆があることを文字または音声のメッセージで故障予兆車両に関連する通知先に通知してよい。通知部１０８は、故障が発生する予兆があることを示すメッセージを故障予兆車両に関連する予め定められた通知先に通知してよい。予め定められた通知先は、故障予兆車両、または故障予兆車両を販売した販売店３００でよい。通知部１０８は、故障が発生する予兆があることを示すメッセージをＭＩＤ２７１などのディスプレイに表示させて、ユーザに車両が故障する可能性があることを通知してよい。通知部１０８は、故障車両の故障個所と、故障車両と同じ箇所の故障が発生する可能性がある故障予兆車両とを示すメッセージを販売店３００の端末３１０に送信することで、故障が発生する予兆があることを示すメッセージを通知してよい。記憶部１１０は、複数の車両２０、及び複数の販売店３００のそれぞれのメッセージの通知先のアドレスをそれぞれの識別情報とともに格納してよい。通知部１０８は、記憶部１１０を参照して、故障予兆車両、及び故障予兆車両の販売店３００のメッセージの通知先を特定してよい。
通知部１０８は、故障が発生する予兆があることを示すメッセージに加えて、故障個所の修理、または新車の購入を販売店３００に依頼するかどうかを示すメッセージを故障予兆車両に通知してよい。ユーザが故障個所の修理、または新車の購入を販売店３００に依頼する旨の回答をした場合、車両２０の出力部２１３は、ユーザが故障個所の修理、または新車の購入の意識があることを販売店３００の端末３１０に通知してよい。販売店３００は、例えば、故障個所の修理に必要な部品を在庫管理センタ４００に発注する。在庫管理センタ４００は、故障個所の修理に必要な部品の在庫があれば、その部品を販売店３００に納品する。在庫管理センタ４００は、故障個所の修理に必要な部品の在庫がなければ、その部品の製造を工場５００に発注する。
本実施形態によれば、故障した車両２０と同じ挙動を示す車両２０を故障予兆車両として特定して、故障予兆車両のユーザ、または故障予兆車両を管理する販売店３００に通知する。これにより、故障前に部品の調達、新車の納入などを進めることができる。よって、車両２０が故障してユーザが車両２０を利用できなくなることを防止できる。
図８は、故障予兆検知の手順の一例を示すフローチャートである。収集部１０２は、複数の車両２０のそれぞれから、車両２０の状態を示すデータを収集して、記憶部１１０に格納する（Ｓ１００）。分類部１０４は、複数の車両２０のそれぞれの車両２０の状態を示すデータに基づいて、複数の車両２０を予め定められたアルゴリズムに従って複数のクラスタに分類する（Ｓ１０２）。
特定部１０６は、故障車両が存在するか否かを判定する（Ｓ１０４）。特定部１０６は、故障車両の識別情報と関連付けて故障車両の故障内容を格納するデータベースにアクセスして、故障車両が存在するか否かを判定してよい。
故障車両が存在する場合、特定部１０６は、複数のクラスタの中から故障車両が属するクラスタに属する他の車両を、故障が発生する予兆がある故障予兆車両として特定する（Ｓ１０６）。通知部１０８は、特定された他の車両及び他の車両の販売店に、該当車両に故障の予兆があることをメッセージで通知する（Ｓ１０８）。
図９は、イグニッションスイッチをオンしたときの車両２０の動作手順の一例を示すフローチャートである。
イグニッションスイッチがオンされると（Ｓ２００）、ＨＶＥＣＵ２１０は、故障予兆メッセージを車両管理サーバ１００から受信しているかどうかを判定する（Ｓ２０２）。
ＨＶＥＣＵ２１０は、故障予兆メッセージを車両管理サーバ１００から受信している場合、故障の予兆があること、故障予兆個所の修理を依頼するかどうかを問い合わせるメッセージをＭＩＤ２７１などのディスプレイに表示する（Ｓ２０４）。
ＨＶＥＣＵ２１０は、故障予兆個所の修理の依頼をユーザから受けると（Ｓ２０６）、販売店３００に、故障予兆箇所の修理要求メッセージをＴＣＵ２７４を介して販売店３００の端末３１０に送信する（Ｓ２０８）。販売店３００は、故障予兆箇所の修理に必要な部品が在庫としてなければ、在庫管理センサ４００を介して、部品を発注する。
以上のように、本実施形態によれば、故障した車両２０と同じ挙動を示す車両２０のユーザ、またはその車両を管理する販売店３００に故障の予兆があることを、その車両が故障する前に通知する。これにより、故障前に部品の調達、新車の納入などを進めることができる。よって、車両２０が故障してユーザが車両２０を利用できなくなることを防止できる。
図１０は、本発明の複数の態様が全体的または部分的に具現化してよいコンピュータ１２００の一例を示す。コンピュータ１２００にインストールされたプログラムは、コンピュータ１２００に、本発明の実施形態に係る装置に関連付けられるオペレーションまたは当該装置の１または複数の「部」として機能させることができる。または、当該プログラムは、コンピュータ１２００に当該オペレーションまたは当該１または複数の「部」を実行させることができる。当該プログラムは、コンピュータ１２００に、本発明の実施形態に係るプロセスまたは当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ１２００に、本明細書に記載のフローチャート及びブロック図のブロックのうちのいくつかまたはすべてに関連付けられた特定のオペレーションを実行させるべく、ＣＰＵ１２１２によって実行されてよい。
本実施形態によるコンピュータ１２００は、ＣＰＵ１２１２、及びＲＡＭ１２１４を含み、それらはホストコントローラ１２１０によって相互に接続されている。コンピュータ１２００はまた、通信インタフェース１２２２、入力／出力ユニットを含み、それらは入力／出力コントローラ１２２０を介してホストコントローラ１２１０に接続されている。コンピュータ１２００はまた、ＲＯＭ１２３０を含む。ＣＰＵ１２１２は、ＲＯＭ１２３０及びＲＡＭ１２１４内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。
通信インタフェース１２２２は、ネットワークを介して他の電子デバイスと通信する。ハードディスクドライブが、コンピュータ１２００内のＣＰＵ１２１２によって使用されるプログラム及びデータを格納してよい。ＲＯＭ１２３０はその中に、アクティブ化時にコンピュータ１２００によって実行されるブートプログラム等、及び／またはコンピュータ１２００のハードウェアに依存するプログラムを格納する。プログラムが、ＣＲ－ＲＯＭ、ＵＳＢメモリまたはＩＣカードのようなコンピュータ可読記録媒体またはネットワークを介して提供される。プログラムは、コンピュータ可読記録媒体の例でもあるＲＡＭ１２１４、またはＲＯＭ１２３０にインストールされ、ＣＰＵ１２１２によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ１２００に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置または方法が、コンピュータ１２００の使用に従い情報のオペレーションまたは処理を実現することによって構成されてよい。
例えば、通信がコンピュータ１２００及び外部デバイス間で実行される場合、ＣＰＵ１２１２は、ＲＡＭ１２１４にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インタフェース１２２２に対し、通信処理を命令してよい。通信インタフェース１２２２は、ＣＰＵ１２１２の制御の下、ＲＡＭ１２１４、またはＵＳＢメモリのような記録媒体内に提供される送信バッファ領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、またはネットワークから受信した受信データを記録媒体上に提供される受信バッファ領域等に書き込む。
また、ＣＰＵ１２１２は、ＵＳＢメモリ等のような外部記録媒体に格納されたファイルまたはデータベースの全部または必要な部分がＲＡＭ１２１４に読み取られるようにし、ＲＡＭ１２１４上のデータに対し様々なタイプの処理を実行してよい。ＣＰＵ１２１２は次に、処理されたデータを外部記録媒体にライトバックしてよい。
様々なタイプのプログラム、データ、テーブル、及びデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。ＣＰＵ１２１２は、ＲＡＭ１２１４から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプのオペレーション、情報処理、条件判断、条件分岐、無条件分岐、情報の検索／置換等を含む、様々なタイプの処理を実行してよく、結果をＲＡＭ１２１４に対しライトバックする。また、ＣＰＵ１２１２は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第２の属性の属性値に関連付けられた第１の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、ＣＰＵ１２１２は、第１の属性の属性値が指定される、条件に一致するエントリを当該複数のエントリの中から検索し、当該エントリ内に格納された第２の属性の属性値を読み取り、それにより予め定められた条件を満たす第１の属性に関連付けられた第２の属性の属性値を取得してよい。
上で説明したプログラムまたはソフトウェアモジュールは、コンピュータ１２００上またはコンピュータ１２００近傍のコンピュータ可読記憶媒体に格納されてよい。また、専用通信ネットワークまたはインターネットに接続されたサーバーシステム内に提供されるハードディスクまたはＲＡＭのような記録媒体が、コンピュータ可読記憶媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ１２００に提供する。
コンピュータ可読媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよい。その結果、そこに格納される命令を有するコンピュータ可読媒体は、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読媒体のより具体的な例としては、フロッピー（登録商標）ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭまたはフラッシュメモリ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、静的ランダムアクセスメモリ（ＳＲＡＭ）、コンパクトディスクリードオンリメモリ（ＣＤ-ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイ（ＲＴＭ）ディスク、メモリスティック、集積回路カード等が含まれてよい。
コンピュータ可読命令は、１または複数のプログラミング言語の任意の組み合わせで記述されたソースコードまたはオブジェクトコードの何れかを含んでよい。ソースコードまたはオブジェクトコードは、従来の手続型プログラミング言語を含む。従来の手続型プログラミング言語は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、またはＳｍａｌｌｔａｌｋ（登録商標）、ＪＡＶＡ（登録商標）、Ｃ＋＋等のようなオブジェクト指向プログラミング言語、及び「Ｃ」プログラミング言語または同様のプログラミング言語でよい。コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサまたはプログラマブル回路に対し、ローカルにまたはローカルエリアネットワーク（ＬＡＮ）、インターネット等のようなワイドエリアネットワーク（ＷＡＮ）を介して提供されてよい。プロセッサまたはプログラマブル回路は、フローチャートまたはブロック図で指定された操作を実行するための手段を作成すべく、コンピュータ可読命令を実行してよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。
以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。
特許請求の範囲、明細書、および図面中において示した装置、システム、プログラム、および方法における動作、手順、ステップ、および段階等の各処理の実行順序は、特段「より前に」、「先立って」等と明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、および図面中の動作フローに関して、便宜上「まず、」、「次に、」等を用いて説明したとしても、この順で実施することが必須であることを意味するものではない。
１０ 車両管理システム
２０ 車両
５０ ネットワーク
１００ 車両管理サーバ
１０２ 収集部
１０４ 分類部
１０６ 特定部
１０８ 通知部
１１０ 記憶部
２００ 制御システム
２１０ ＨＶＥＣＵ
２１１ 取得部
２１２ 生成部
２１３ 出力部
２１５ 記憶部
２３０ ＥＣＵ
２３１ ＭＧＥＣＵ
２３２ エンジンＥＣＵ
２３３ 変速機ＥＣＵ
２３４ バッテリＥＣＵ
２５０ センサ
２５１ 車速センサ
２５２ アクセル開度センサ
２５３ 傾斜角度センサ
２５４ ＭＧ回転数センサ
２５５ シフトポジションセンサ
２５６ エンジン回転数センサ
２５７ スロットル開度センサ
２５８ 振動センサ
２５９ ＡＥセンサ
２６０ 油温センサ
２６１ 水温センサ
２６２ バッテリ温度センサ
２６３ バッテリ電流センサ
２６４ 加速度センサ
２７１ ＭＩＤ
２７２ ＩＶＩ
２７３ ＧＮＳＳ受信機
２７４ ＴＣＵ
３００ 販売店
４００ 在庫管理センサ
５００ 工場
３１０，４１０，５１０ 端末
１２００ コンピュータ
１２１０ ホストコントローラ
１２１２ ＣＰＵ
１２１４ ＲＡＭ
１２２０ 入力／出力コントローラ
１２２２ 通信インタフェース
１２３０ ＲＯＭ

Claims (7)

  1. センサにより検出される車両の状態を示すデータを複数の車両から収集する収集部と、
    前記複数の車両のそれぞれの前記データに基づいて、前記複数の車両を予め定められたアルゴリズムに従って複数のクラスタに分類する分類部と、
    前記複数の車両の中で故障が発生した故障車両が存在する場合、前記故障車両が属するクラスタに属する他の車両を、故障が発生する予兆がある故障予兆車両として特定する特定部と、
    故障が発生する予兆があること及び前記故障車両の故障個所を、前記故障予兆車両に関連する通知先として、前記故障予兆車両、及び前記故障予兆車両を販売した販売店に通知する通知部と
    を備え、
    前記収集部は、前記複数の車両のそれぞれから、車両の駆動機能が動作中で、車両の走行状態が予め定められた期間以上、加速状態、減速状態、または一定速度状態が継続する間に、前記センサにより検出される前記車両の状態を示すデータを収集する、車両管理装置。
  2. 前記通知部は、前記故障個所の修理、または新車の購入を前記販売店に依頼するかどうかを示すメッセージを前記故障予兆車両にさらに通知する、請求項１に記載の車両管理装置。
  3. 前記車両の状態を示すデータは、エンジンまたはモータジェネレータのトルクまたは回転数、エンジンオイルの温度、エンジンオイルの油圧、自動変速機の作動油の温度、アクセル開度、車両の振動、及び車両の速度の少なくとも１つを示す、請求項１または２に記載の車両管理装置。
  4. 前記収集部は、前記車両の存在する環境に関するデータを前記複数の車両から収集し、
    前記分類部は、前記車両の存在する環境に関するデータに基づいて、前記複数の車両を前記複数のクラスタに分類する、請求項１から３の何れか１つに記載の車両管理装置。
  5. 前記車両の存在する環境に関するデータは、前記車両の周囲の外気温、及び前記車両が存在する地域の少なくとも１つを示す、請求項４に記載の車両管理装置。
  6. 収集部が、センサにより検出される車両の状態を示すデータを複数の車両から収集する段階と、
    分類部が、前記複数の車両のそれぞれの前記データに基づいて、前記複数の車両を予め定められたアルゴリズムに従って複数のクラスタに分類する段階と、
    特定部が、前記複数の車両の中で故障が発生した故障車両が存在する場合、前記複数のクラスタの中から前記故障車両が属するクラスタに属する他の車両を、故障が発生する予兆がある故障予兆車両として特定する段階と、
    通知部が、故障が発生する予兆があること及び前記故障車両の故障個所を、前記故障予兆車両に関連する通知先として、前記故障予兆車両、及び前記故障予兆車両を販売した販売店に通知する段階と
    を備え、
    前記収集する段階は、前記複数の車両のそれぞれから、車両の駆動機能が動作中で、車両の走行状態が予め定められた期間以上、加速状態、減速状態、または一定速度状態が継続する間に、前記センサにより検出される前記車両の状態を示すデータを収集する段階を含む、車両管理方法。
  7. センサにより検出される車両の状態を示すデータを複数の車両から収集する段階と、
    前記複数の車両のそれぞれの前記データに基づいて、前記複数の車両を予め定められたアルゴリズムに従って複数のクラスタに分類する段階と、
    前記複数の車両の中で故障が発生した故障車両が存在する場合、前記故障車両が属するクラスタに属する他の車両を、故障が発生する予兆がある故障予兆車両として特定する段階と、
    故障が発生する予兆があること及び前記故障車両の故障個所を、前記故障予兆車両に関連する通知先として、前記故障予兆車両、及び前記故障予兆車両を販売した販売店に通知する段階と
    をコンピュータに実行させ、
    前記収集する段階は、前記複数の車両のそれぞれから、車両の駆動機能が動作中で、車両の走行状態が予め定められた期間以上、加速状態、減速状態、または一定速度状態が継続する間に、前記センサにより検出される前記車両の状態を示すデータを収集する段階を含む、プログラム。
JP2021046468A 2021-03-19 2021-03-19 車両管理装置、車両管理方法、及びプログラム Active JP7357021B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2021046468A JP7357021B2 (ja) 2021-03-19 2021-03-19 車両管理装置、車両管理方法、及びプログラム
CN202210138489.3A CN115113601A (zh) 2021-03-19 2022-02-15 车辆管理装置、车辆管理方法和计算机可读存储介质
US17/676,851 US20220301359A1 (en) 2021-03-19 2022-02-22 Vehicle management apparatus, vehicle management method, and computer readable recording medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2021046468A JP7357021B2 (ja) 2021-03-19 2021-03-19 車両管理装置、車両管理方法、及びプログラム

Publications (2)

Publication Number Publication Date
JP2022145169A JP2022145169A (ja) 2022-10-03
JP7357021B2 true JP7357021B2 (ja) 2023-10-05

Family

ID=83283925

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021046468A Active JP7357021B2 (ja) 2021-03-19 2021-03-19 車両管理装置、車両管理方法、及びプログラム

Country Status (3)

Country Link
US (1) US20220301359A1 (ja)
JP (1) JP7357021B2 (ja)
CN (1) CN115113601A (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11803365B2 (en) * 2022-03-25 2023-10-31 GM Global Technology Operations LLC System and process for vehicle software configuration coverage measurement for update validation
CN117273664B (zh) * 2023-11-21 2024-02-27 云启智慧科技有限公司 一种基于人工智能的智慧校车系统及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006053016A (ja) 2004-08-11 2006-02-23 Hitachi Ltd 車両故障診断装置および車載端末
JP2017027329A (ja) 2015-07-22 2017-02-02 ルネサスエレクトロニクス株式会社 故障予測装置および故障予測方法
JP2019020624A (ja) 2017-07-19 2019-02-07 日本電信電話株式会社 光導波路
JP2020060943A (ja) 2018-10-10 2020-04-16 株式会社日立製作所 車両情報管理システムおよび管理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006053016A (ja) 2004-08-11 2006-02-23 Hitachi Ltd 車両故障診断装置および車載端末
JP2017027329A (ja) 2015-07-22 2017-02-02 ルネサスエレクトロニクス株式会社 故障予測装置および故障予測方法
JP2019020624A (ja) 2017-07-19 2019-02-07 日本電信電話株式会社 光導波路
JP2020060943A (ja) 2018-10-10 2020-04-16 株式会社日立製作所 車両情報管理システムおよび管理方法

Also Published As

Publication number Publication date
CN115113601A (zh) 2022-09-27
US20220301359A1 (en) 2022-09-22
JP2022145169A (ja) 2022-10-03

Similar Documents

Publication Publication Date Title
JP7357021B2 (ja) 車両管理装置、車両管理方法、及びプログラム
JP6003810B2 (ja) 車両用基準値生成装置
US8970359B2 (en) Method and device for wear diagnosis of a motor vehicle
US20180186360A1 (en) Hybrid vehicle and method of predicting driving pattern in the same
US10654467B2 (en) Hybrid vehicle and method of performing temperature control therefor
US10399555B2 (en) Hybrid vehicle and method of controlling charge mode therefor
WO2010041382A1 (ja) 車両の故障診断のための基準値の生成
JP2019188979A (ja) 予兆診断装置及び方法
JP6816379B2 (ja) 衝突回避システム、情報処理装置、衝突回避プログラム及び情報処理プログラム
CN111800508B (zh) 基于大数据的自动驾驶故障监测方法
JP7386199B2 (ja) 部品管理システム、材料管理装置、材料管理方法、及びプログラム
JP7377826B2 (ja) 故障予兆検知システム、自動車、故障予兆検知方法、及びプログラム
WO2021111728A1 (ja) 故障予兆検知装置、故障予兆検知システム、故障予兆検知方法および故障予兆検知プログラム
JP2004302677A (ja) 遠隔故障診断システム及びその制御方法
CN115123274A (zh) 一种用于识别车辆性能的方法
JP7308236B2 (ja) 故障予兆検知システム、車両、故障予兆検知方法、及びプログラム
JP2022139906A (ja) 決定装置、決定方法、及びプログラム
US20240169772A1 (en) Vehicle abnormality detection device and vehicle abnormality detection method
KR20240087314A (ko) 차량고장 예측 방법 및 시스템
JP2017191555A (ja) 移動体制御装置及び移動体制御プログラム
US20230303093A1 (en) Event buffer storage prioritization
US20240174216A1 (en) Information processing system
WO2021111727A1 (ja) 故障診断装置、故障診断システム、故障診断方法および故障診断プログラム
WO2024194974A1 (ja) 異常予測システム、異常予測装置、分類生成装置、異常予測方法及び異常予測プログラムが格納された非一時的なコンピュータ可読媒体
CN117520953A (zh) 怠速异常识别及模型训练方法、装置、车辆及介质

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211129

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230131

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230228

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20230530

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230825

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20230831

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: 20230919

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230925

R150 Certificate of patent or registration of utility model

Ref document number: 7357021

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150