JP7478181B2 - 演算装置、演算方法及びプログラム - Google Patents

Description

本発明は、演算装置、演算方法及びプログラムに関する。

例えば特許文献１に示すように、道路を走行している車両の加速度を検出し、その加速度データを学習モデルに入力することで、路面の状態を推定する技術が知られている。路面状態を示す指標としては、例えば特許文献２に示すように、ＩＲＩ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｒｏｕｇｈｎｅｓｓ Ｉｎｄｅｘ；国際ラフネス指数）が用いられる場合がある。ＩＲＩは、単位距離における路面状態の平均値として算出されるものであり、単位距離は、２０ｍ以上に設定されている。

特開２０２０－８６９６０号公報 特開２０１０－６６０４０号公報

路面状態を推定する際には、位置毎の路面状態をより細かく把握することが求められている。

本発明は、上記に鑑みてなされたものであって、位置毎の路面状態を細かく把握可能な演算装置、演算方法及びプログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するために、本開示に係る演算装置は、道路の路面の鉛直方向における高さ位置を示す路面高さ情報を、前記道路上の路面位置毎に取得する路面情報取得部と、路面位置毎の前記路面高さ情報に基づいて、前記道路上の単位距離の第１区間におけるＩＲＩ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｒｏｕｇｈｎｅｓｓ Ｉｎｄｅｘ）と、単位距離を超えて単位距離の２倍未満の長さの第２区間におけるＩＲＩとを算出するＩＲＩ算出部と、前記第１区間におけるＩＲＩと前記第２区間におけるＩＲＩとに基づいて、前記第２区間において前記第１区間と重ならない非重複区間におけるＩＲＩを算出する路面状態算出部と、を含む。

上述した課題を解決し、目的を達成するために、本開示に係る演算方法は、道路の路面の鉛直方向における高さ位置を示す路面高さ情報を、前記道路上の路面位置毎に取得するステップと、前記路面位置毎の前記路面高さ情報に基づいて、前記道路上の単位距離の第１区間におけるＩＲＩ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｒｏｕｇｈｎｅｓｓ Ｉｎｄｅｘ）と、単位距離を超えて単位距離の２倍未満の長さの第２区間におけるＩＲＩとを算出するステップと、前記第１区間におけるＩＲＩと前記第２区間におけるＩＲＩとに基づいて、前記第２区間において前記第１区間と重ならない非重複区間におけるＩＲＩを算出するステップと、を含む。

上述した課題を解決し、目的を達成するために、本開示に係るプログラムは、道路の路面の鉛直方向における高さ位置を示す路高さ情報を、前記道路上の路面位置毎に取得するステップと、前記路面位置毎の前記路面高さ情報に基づいて、前記道路上の単位距離の第１区間におけるＩＲＩ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｒｏｕｇｈｎｅｓｓ Ｉｎｄｅｘ）と、単位距離を超えて単位距離の２倍未満の長さの第２区間におけるＩＲＩとを算出するステップと、前記第１区間におけるＩＲＩと前記第２区間におけるＩＲＩとに基づいて、前記第２区間において前記第１区間と重ならない非重複区間におけるＩＲＩを算出するステップと、をコンピュータに実行させる。

本発明によれば、位置毎の路面状態を細かく把握できる。

図１は、本実施形態に係る検出システムの模式的なブロック図である。 図２は、車両の模式図である。 図３は、演算装置の模式的なブロック図である。 図４は、道路上の各位置の例を示す模式図である。 図５は、ＩＲＩの算出を説明するための模式図である。 図６は、非重複区間の路面状態の算出フローを説明するフローチャートである。 図７は、第２実施形態に係る演算装置の模式的なブロック図である。 図８は、位置センサと車輪の位置関係の例を示す模式図である。

以下に、本発明の好適な実施形態を図面に基づいて詳細に説明する。なお、以下に説明する実施形態により本発明が限定されるものではない。

（第１実施形態）
（検出システム）
図１は、本実施形態に係る検出システムの模式的なブロック図である。図１に示すように、本実施形態に係る検出システム１は、車両１０と、測定データ取得装置１２と、演算装置１４とを含む。検出システム１は、演算装置１４によって、挙動情報に基づいて道路の路面状態を算出する。路面状態は、本実施形態では路面の凹凸度合いを示す指標である。より詳しくは、本実施形態においては、路面状態とは、ＩＲＩ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｒｏｕｇｈｎｅｓｓ Ｉｎｄｅｘ；国際ラフネス指数）に基づく指標である。

検出システム１においては、車両１０が、道路を走行しながら挙動情報及び位置情報を検出しつつ、検出した挙動情報及び位置情報を測定データ取得装置１２に送信する。挙動情報及び位置情報については後述する。測定データ取得装置１２は、例えば道路を管理する主体に管理される装置（コンピュータ）である。測定データ取得装置１２は、車両１０から送信された挙動情報及び位置情報を、演算装置１４に送信する。このように、演算装置１４は、測定データ取得装置１２を介して挙動情報及び位置情報を取得するが、それに限られない。例えば、検出システム１は、測定データ取得装置１２が設けられておらず、演算装置１４が、車両１０から挙動情報及び位置情報を取得してもよい。

（車両）
図２は、車両の模式図である。図２に示すように、車両１０は、位置センサ１０Ａと、挙動センサ１０Ｂと、測定装置１０Ｃとを備える。位置センサ１０Ａは、自身の位置情報を取得するセンサである。位置センサ１０Ａの位置情報とは、位置センサ１０Ａの地球座標を示す情報である。本実施形態では、位置センサ１０Ａが検出した位置センサ１０Ａの位置情報を、車両１０の位置情報（地球座標）として扱う。位置センサ１０Ａは、本実施形態ではＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｖａｔｉｏｎ Ｓａｔｅｌｉｔｅ Ｓｙｓｔｅｍ）用のモジュールである。なお、図２におけるＺ方向は、鉛直方向の上方を指し、図２は鉛直方向上方から車両１０を見た場合の模式図といえる。

挙動センサ１０Ｂは、車両１０の挙動を示す挙動情報を検出するセンサである。挙動情報は、道路を走行中の車両１０の挙動を示す情報であれば任意の情報であってよい。本実施形態では、挙動センサ１０Ｂは、車両１０の加速度を挙動情報として検出することが好ましい。この場合、挙動センサ１０Ｂは、加速度を検出する加速度センサであり、より好ましくは３軸での加速度を検出する加速度センサである。また、挙動センサ１０Ｂが検出する挙動情報は、加速度であることに限られず、例えば、加速度、車両１０の周囲を撮像した画像データ、車両１０の速度、車両１０の角速度、車両１０のステアリング角度、車両１０のブレーキ量、車両１０のワイパの動作、及び車両１０のサスペンションの作動量の少なくとも１つであってよい。なお、車両１０の周囲の画像データは、車両１０の動きによって変化するため、車両１０の挙動を示す情報であるといえる。車両１０の周囲の撮像画像を検出する挙動センサ１０Ｂは例えばカメラであり、車両１０の速度を検出する挙動センサ１０Ｂは例えば速度センサであり、車両１０の速度を検出する挙動センサ１０Ｂは例えば３軸ジャイロセンサであり、車両１０のステアリング角度を検出する挙動センサ１０Ｂは例えばステアリングセンサであり、車両１０のブレーキ量を検出する挙動センサ１０Ｂは例えばブレーキセンサであり、車両１０のワイパの動作を検出する挙動センサ１０Ｂは例えばワイパセンサが挙げられ、車両１０のサスペンションの作動量を検出する挙動センサ１０Ｂは例えばサスペンションセンサが挙げられる。

本実施形態では、車両１０には、複数の挙動センサ１０Ｂが搭載されている。それぞれの挙動センサ１０Ｂは、車両１０において、互いに異なる位置に搭載されている。図２の例では、挙動センサ１０Ｂとして、左側の前輪である車輪ＴＲ１のＺ方向側（鉛直方向上方向側）に設けられる挙動センサ１０Ｂ１と、右側の前輪である車輪ＴＲ２のＺ方向側に設けられる挙動センサ１０Ｂ２と、左側の後輪である車輪ＴＲ３のＺ方向側に設けられる挙動センサ１０Ｂ３と、右側の後輪である車輪ＴＲ４のＺ方向側に設けられる挙動センサ１０Ｂ４とを含む。ただし、挙動センサ１０Ｂの設けられる位置は任意である。また、挙動センサ１０Ｂの数も、４つであることに限られず任意であり、任意の数であってよい。また、図２の例では車輪ＴＲの数は４つであるが、その数は任意であり、例えば、２つ以上の任意の数であってよい。また、図２の例では、挙動センサ１０Ｂ１～１０Ｂ４は、同じ種類の挙動情報（ここでは加速度）を検出するものであるが、それぞれの挙動センサ１０Ｂは、異なる種類の挙動情報を検出するものであってよい。例えば、同じ種類の挙動情報を検出する複数の挙動センサ１０Ｂ（例えば複数の加速度センサ）と、それとは異なる挙動情報を検出する挙動センサ１０Ｂ（例えば速度センサ）とを設けてもよい。

測定装置１０Ｃは、位置センサ１０Ａ及び挙動センサ１０Ｂを制御して車両１０の位置情報と挙動情報を検出させて、検出させた位置情報と挙動情報とを記録する装置である。すなわち、測定装置１０Ｃは、位置情報と挙動情報とを記録するデータロガーとして機能する。測定装置１０Ｃは、コンピュータであるとも言え、制御部１０Ｃ１と、記憶部１０Ｃ２と、通信部１０Ｃ３とを含む。制御部１０Ｃ１は、演算装置であり、例えばＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などの演算回路を含む。記憶部１０Ｃ２は、制御部１０Ｃ１の演算内容やプログラム、車両１０の位置情報及び挙動情報などの各種情報を記憶するメモリであり、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）のような主記憶装置と、フラッシュメモリやＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）などの不揮発性の記憶装置のうち、少なくとも１つ含む。なお、記憶部１０Ｃ２が保存する制御部１０Ｃ１用のプログラムは、測定装置１０Ｃが読み取り可能な記録媒体に記憶されていてもよい。通信部１０Ｃ３は、外部の装置と通信を行う通信モジュールであり、例えばアンテナなどである。

制御部１０Ｃ１は、記憶部１０Ｃ２に記憶されたプログラムを読み出して、位置センサ１０Ａ及び挙動センサ１０Ｂの制御を実行する。制御部１０Ｃ１は、車両１０が道路を走行中に、所定時間ごとに位置センサ１０Ａに車両１０の位置情報を検出させて、所定時間毎に挙動センサ１０Ｂに挙動情報を検出させて、検出させた位置情報及び挙動情報を取得する。すなわち、制御部１０Ｃ１は、車両１０が所定時間走行するたびに、位置センサ１０Ａ及び挙動センサ１０Ｂに検出を実行させる。ここでの所定時間とは、例えば１分など、一定の時間であることが好ましいが、所定時間は一定の時間であることに限られず、任意の長さであってよい。すなわち、所定時間は都度変化してもよい。

制御部１０Ｃ１は、取得した挙動情報と位置情報とを関連付けて、記憶部１０Ｃ２に記憶させる。すなわち、同じタイミングで検出された挙動情報と位置情報とが関連付けられる。記憶部１０Ｃ２には、関連付けられたこれらの情報が、検出されたタイミング毎に記憶される。なお、関連付けられたこれらの情報は、同じタイミングで検出されたものであるが、厳密に同じタイミングであることに限られず、異なるタイミングで検出されたものであってよい。この場合、例えば、検出タイミングの差が所定値以下となる挙動情報と位置情報とが、同じタイミングで検出されたものとして扱われて、対応付けられる。なお、上記では全てのセンサのサンプリング周期が同じ前提で説明したが、各センサのサンプリング周期が異なる場合には適宜調整を行う。

制御部１０Ｃ１は、関連付けられた挙動情報と位置情報とを、通信部１０Ｃ３を介して、測定データ取得装置１２に送信する。測定データ取得装置１２は、車両１０から受信した挙動情報と位置情報とを、演算装置１４に送信する。なお、測定データ取得装置１２を設けない場合は、制御部１０Ｃ１は、挙動情報と位置情報とを、演算装置１４に直接送信してもよい。

（演算装置）
図３は、演算装置の模式的なブロック図である。図３に示すように、演算装置１４は、例えばコンピュータであり、通信部２０と、記憶部２２と、制御部２４とを含む。通信部２０は、外部の装置と通信を行う通信モジュールであり、例えばアンテナなどである。記憶部２２は、制御部２４の演算内容やプログラムを記憶するメモリであり、例えば、ＲＡＭと、ＲＯＭのような主記憶装置と、フラッシュメモリやＨＤＤなどの不揮発性の記憶装置のうち、少なくとも１つを含む。なお、記憶部２２が保存する制御部２４用のプログラムは、演算装置１４が読み取り可能な記録媒体に記憶されていてもよい。

制御部２４は、演算装置であり、例えばＣＰＵなどの演算回路を含む。制御部２４は、路面情報取得部３０と、ＩＲＩ算出部３２と、路面状態算出部３４と、位置情報取得部３６と、挙動情報取得部３８と、学習部４０と、演算部４２とを含む。制御部２４は、記憶部２２からプログラム（ソフトウェア）を読み出して実行することで、路面情報取得部３０とＩＲＩ算出部３２と路面状態算出部３４と位置情報取得部３６と挙動情報取得部３８と学習部４０と演算部４２とを実現して、それらの処理を実行する。なお、制御部２４は、１つのＣＰＵによってこれらの処理を実行してもよいし、複数のＣＰＵを備えて、それらの複数のＣＰＵで、処理を実行してもよい。また、路面情報取得部３０とＩＲＩ算出部３２と路面状態算出部３４と位置情報取得部３６と挙動情報取得部３８と学習部４０と演算部４２との少なくとも一部を、ハードウェアで実現してもよい。

（教師データ用の路面状態の算出）
本実施形態においては、演算装置１４は、路面上の各位置におけるＺ方向での位置（高さ）が既知の道路を走行した車両１０の挙動情報と、その道路の路面状態とを教師データとして、挙動情報と路面状態との対応関係を学習モデルに機械学習させる。そして、演算装置１４は、機械学習済みの学習モデルに、Ｚ方向での位置や路面状態が未知の道路を走行した車両１０の挙動情報を入力することで、その道路の路面状態を算出する。ここで、教師データに用いる路面状態としては、ＩＲＩを用いることが考えられる。しかしながら、ＩＲＩは、２０ｍ以上の単位距離における路面状態の平均値として算出されるものである。このように、ＩＲＩにおいては単位距離が長いため、サンプリングレートが長くなってしまい、ＩＲＩを教師データとすると、学習モデルの精度が低下するおそれがある。それに対して、本実施形態においては、後述するように非重複区間Ｓ３における路面状態を算出して、教師データ用の路面状態とすることで、学習モデルの精度の低下を抑制する。

以降においては、非重複区間Ｓ３における路面状態の算出方法について説明し、その後、学習モデルを用いた、路面状態が未知の道路における路面状態の算出方法について説明する。

（路面情報取得部）
図４は、道路上の各位置の例を示す模式図である。路面情報取得部３０は、道路の路面のＺ方向における位置（高さ）を示す路面高さ情報を取得する。路面情報取得部３０は、路面高さ情報を、その道路上の位置毎に取得する。路面情報取得部３０は、道路の延在方向における位置毎に路面高さ情報を取得し、また、道路の延在方向に交差する方向における位置毎に路面高さ情報を取得することが好ましい。図４は、道路Ｒ上の各位置Ｐを示しており、路面情報取得部３０は、それぞれの位置Ｐにおける、路面のＺ方向における位置を、路面高さ情報として取得する。図４においては、位置Ｐとして、道路の延在方向に並ぶ位置ＰＡ１～位置ＰＡ８と、道路の延在方向に並ぶ位置ＰＢ１～位置ＰＢ８と、道路の延在方向に並ぶ位置ＰＣ１～位置ＰＣ８とが示されている。位置ＰＡ１～位置ＰＡ８と、位置ＰＢ１～位置ＰＢ８と、位置ＰＣ１～位置ＰＣ８とは、道路の延在方向に交差する方向に並んでいる。なお、隣り合う位置Ｐ同士の距離は、すなわち路面高さ情報が取得される位置同士の距離は、任意の長さであってよいが、ＩＲＩの単位距離である２０ｍより短く、例えば０．１ｍであってよい。

路面情報取得部３０は、位置Ｐ毎の路面高さ情報を、任意の方法で取得してよい。例えば、路面高さ情報は予め設定（測定）されていてよく、路面情報取得部３０は、予め測定された路面のＺ方向における位置の情報と、その路面高さ情報の測定位置の情報（例えば測定位置の地球座標）とを、路面高さ情報として取得してもよい。また例えば、測定車により、ＬＩＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）などで路面高さ情報が測定されて、路面情報取得部３０は、その測定結果を取得してもよい。

（ＩＲＩ算出部）
図５は、ＩＲＩの算出を説明するための模式図である。ＩＲＩ算出部３２は、位置Ｐ毎の路面高さ情報に基づいて、道路Ｒ上の第１区間におけるＩＲＩと、第２区間におけるＩＲＩとを算出する。

ＩＲＩ算出部３２は、公知の方法を用いて、ＩＲＩを算出する。すなわち、ＩＲＩ算出部３２は、一輪の車両モデルが、ＩＲＩを算出する区間を時速８０ｋｍで走行するシミュレーションを実行することで、ＩＲＩを算出する。具体的には、ＩＲＩ算出部３２は、位置Ｐ毎の路面高さ情報から、ＩＲＩの算出対象となる区間の各位置のＺ方向の位置（高さ）を設定する。そして、ＩＲＩ算出部３２は、一輪の車両モデルが、設定した高さとなる区間を時速８０ｋｍで走行する解析を実行して、単位時刻毎の、車輪のサスペンションのばね下のＺ方向の位置と、ばね上のＺ方向の位置とを算出する。ＩＲＩ算出部３２は、車輪のサスペンションのばね下のＺ方向の位置と、ばね上のＺ方向の位置との差分から、その区間におけるＩＲＩを算出する。具体的には、ＩＲＩ算出部３２は、次の式（１）により、ＩＲＩを算出する。

式（１）において、Ｌは、区間の長さ（距離）であり、ｖは車両モデルの速度であり、Ｚ_Ｓは、ばね上のＺ方向の位置であり、Ｚ_ｕは、ばね下のＺ方向の位置である。すなわち、ＩＲＩ算出部３２は、ばね上のＺ方向の位置とばね下のＺ方向の位置との差分を、区間における位置毎に合計して、その合計値を区間の距離で除した値を、ＩＲＩとして算出する。

本実施形態では、ＩＲＩ算出部３２は、位置Ｐ毎の路面高さ情報に基づいて、道路Ｒ上の第１区間におけるＩＲＩを算出する。この場合、図５に示すように、ＩＲＩ算出部３２は、道路Ｒ上の始点位置（スタート地点）ＰＳ１ａと終点位置（ゴール地点）ＰＳ１ｂとを設定する。ＩＲＩ算出部３２は、始点位置ＰＳ１ａを道路Ｒ上の任意の位置（地球座標）に設定し、始点位置ＰＳ１ａから第１単位距離だけ離れた位置を、終点位置ＰＳ１ｂに設定する。第１単位距離は、ＩＲＩにおける単位距離以上の長さであり、言い換えれば、２０ｍ以上である。ＩＲＩ算出部３２は、このように設定した始点位置ＰＳ１ａから終点位置ＰＳ１ｂまでの区間を、第１区間Ｓ１として設定する。そして、ＩＲＩ算出部３２は、位置Ｐ毎の路面高さ情報に基づいて、第１区間Ｓ１上の各位置におけるＺ方向の位置（高さ）を設定して、上記の方法により、第１区間Ｓ１のＩＲＩを算出する。なお、ＩＲＩ算出部３２は、路面高さ情報が示す位置Ｐのいずれかと重なるように、始点位置ＰＳ１ａと終点位置ＰＳ１ｂとを設定し、第１区間Ｓ１と重なるそれぞれの位置ＰのＺ方向の位置を、第１区間Ｓ１上の各位置におけるＺ方向の位置とする。ただしそれに限られず、ＩＲＩ算出部３２は、始点位置ＰＳ１ａと終点位置ＰＳ１ｂとの少なくとも一方を、路面高さ情報が示す位置Ｐからずれるように設定してよい。

また、ＩＲＩ算出部３２は、位置Ｐ毎の路面高さ情報に基づいて、道路Ｒ上の第２区間Ｓ２におけるＩＲＩを算出する。ＩＲＩ算出部３２は、第１区間Ｓ１と重複し、かつ第１区間Ｓ１よりも所定距離Ｗだけ長くなるように、第２区間を設定する。ここでの所定距離Ｗは、任意の長さに設定されてよいが、ＩＲＩにおける単位距離（２０ｍ）未満であることが好ましく、隣合う位置Ｐ同士の距離（路面高さ情報が取得される位置同士の距離）と同じであることがより好ましい。本実施形態では、第２区間Ｓ２は、第１区間Ｓ１（第１単位距離）を超えて、かつ、第１区間Ｓ１（第１単位距離）の２倍未満の長さである。具体的には、ＩＲＩ算出部３２は、第１区間Ｓ１の始点ＰＡ１ａから第１区間Ｓ１の終点ＰＳ１ｂを通り、終点ＰＳ１ｂから所定距離Ｗだけ離れた終点ＰＳ２ｂまでの区間を、第２区間Ｓ２として設定する。すなわち、第２区間Ｓ２は、始点ＰＡ１ａから終点ＰＳ１ｂまでは、第１区間Ｓ１と重なり、終点ＰＳ１ｂから終点ＰＳ２ｂまでは、第１区間Ｓ１と重ならない。以下、第２区間Ｓ２のうちで、第１区間Ｓ１と重ならない区間（終点ＰＳ１ｂから終点ＰＳ２ｂまでの区間）を、非重複区間Ｓ３と記載する。ＩＲＩ算出部３２は、位置Ｐ毎の路面高さ情報に基づいて、第２区間Ｓ２上の各位置におけるＺ方向の位置（高さ）を設定して、上記の方法により、第２区間Ｓ２のＩＲＩを算出する。

ＩＲＩ算出部３２は、第１区間Ｓ１及び第２区間Ｓ２の位置を異ならせて、第１区間Ｓ１におけるＩＲＩと第２区間Ｓ２におけるＩＲＩとを、第１区間Ｓ１及び第２区間Ｓ２の位置毎に算出する。例えば、ＩＲＩを算出済みの第１区間Ｓ１を第１区間Ｓ１Ａとし、これからＩＲＩを算出する第１区間Ｓ１及び第２区間Ｓ２を、第１区間Ｓ１Ｂ及び第２区間Ｓ２Ｂとする。この場合、ＩＲＩ算出部３２は、第１区間Ｓ１Ａの始点位置ＰＳ１ａとは異なる位置に、これからＩＲＩを算出する第１区間Ｓ１Ｂの始点位置ＰＳ１ａを設定する。そして、ＩＲＩ算出部３２は、第１区間Ｓ１Ｂの始点位置ＰＳ１ａから第１単位距離だけ離れた位置を、第１区間Ｓ１Ｂの終点位置ＰＳ１ｂに設定することで、第１区間Ｓ１Ｂを設定する。ＩＲＩ算出部３２は、この第１区間Ｓ１ＢのＩＲＩを、上記と同様の方法で算出する。この場合、位置が異なる第１区間Ｓ１のそれぞれは、長さが同じであることが好ましく、言い換えれば、それぞれの第１区間Ｓ１の始点ＰＳ１ａから終点ＰＳ１ｂまでの距離（第１単位距離）は、同じであることが好ましい。

また、ＩＲＩ算出部３２は、第１区間Ｓ１Ｂと重複し、かつ第１区間Ｓ１Ｂよりも所定距離Ｗだけ長くなるように、第２区間Ｓ２Ｂを設定する。すなわち、ＩＲＩ算出部３２は、第１区間Ｓ１Ｂの始点位置ＰＳ１ａから、第１区間Ｓ１Ｂの終点位置ＰＳ１ｂを通り、終点位置ＰＳ１ｂから所定距離Ｗだけ離れた終点位置ＰＳ２ｂまでの区間を、第２区間Ｓ２Ｂとして設定する。ＩＲＩ算出部３２は、この第２区間Ｓ２ＢのＩＲＩを、上記と同様の方法で算出する。この場合、位置が異なる第２区間Ｓ２のそれぞれは、長さが同じであることが好ましく、言い換えれば、それぞれの第２区間Ｓ２の始点ＰＳ１ａから終点ＰＳ２ｂまでの距離は、同じであることが好ましい。すなわち、それぞれの第２区間Ｓ２についての、所定距離Ｗ（非重複区間Ｓ３の長さ）は、同じであることが好ましい。

以上説明した、第１区間Ｓ１及び第２区間Ｓ２の位置毎のＩＲＩの算出について、図４を例に説明する。例えば、図４において、位置ＰＡ１を始点位置として位置ＰＡ４を終点位置とする第１区間Ｓ１Ａと、位置ＰＡ１を始点位置として位置ＰＡ４を通り位置ＰＡ５を終点位置とする第２区間Ｓ２Ａとが設定されたとする。この場合、ＩＲＩ算出部３２は、位置ＰＡ１から位置ＰＡ４までの第１区間Ｓ１ＡのＩＲＩと、位置ＰＡ１から位置ＰＡ５までの第２区間Ｓ２ＡのＩＲＩとを算出する。また、ＩＲＩ算出部３２は、更に、位置ＰＡ２を始点位置として位置ＰＡ５を終点位置とする第１区間Ｓ１Ｂと、位置ＰＡ２を始点位置として位置ＰＡ６を終点位置とする第２区間Ｓ２Ｂとを設定し、位置ＰＡ２から位置ＰＡ５までの第１区間Ｓ１ＢのＩＲＩと、位置ＰＡ２から位置ＰＡ６までの第２区間Ｓ２ＢのＩＲＩとを算出する。このように、ＩＲＩ算出部３２は、第１区間Ｓ１や第２区間Ｓ２の長さを一定にしつつ、始点位置や終点位置をずらすことで、第１区間Ｓ１及び第２区間Ｓ２の位置を異ならせて、各位置における第１区間Ｓ１及び第２区間Ｓ２のＩＲＩを算出する。なお、以上の説明では、位置が異なる第１区間Ｓ１及び第２区間Ｓ２のＩＲＩを２セット算出することを例にしたが、セット数は２つに限られず３つ以上の任意の複数であってよい。

（路面状態算出部）
路面状態算出部３４は、第１区間Ｓ１のＩＲＩと第２区間のＩＲＩとに基づいて、前記第２区間Ｓ２において第１区間Ｓ１と重ならない非重複区間Ｓ３における路面状態を算出する。本実施形態では、路面状態算出部３４は、第２区間のＩＲＩと第１区間Ｓ１のＩＲＩとの差分に基づいて、非重複区間Ｓ３の路面状態を算出する。さらに言えば、路面状態算出部３４は、次の式（２）により、非重複区間Ｓ３の路面状態ＩＲＩ_Ｓ３を算出することが好ましい。

ＩＲＩ_Ｓ３＝（ＩＲＩＳ_２×Ｌ_Ｓ２－ＩＲＩ_Ｓ１×Ｌ_Ｓ１）／Ｌ_Ｓ２ ・・・（２）

ここで、ＩＲＩ_Ｓ１は、第１区間Ｓ１のＩＲＩであり、Ｌ_Ｓ１は、第１区間の長さであり、ＩＲＩ_Ｓ２は、第２区間Ｓ２のＩＲＩであり、Ｌ_Ｓ２は、第２区間の長さである。

このように、本実施形態では、第２区間のＩＲＩと第１区間Ｓ１のＩＲＩとの差分を取ることで、第１区間Ｓ１の終点ＰＳ１ｂと第２区間Ｓ２の終点ＰＳ２ｂとの間の非重複区間Ｓ３の路面状態を算出する。非重複区間Ｓ３の路面状態は、非重複区間Ｓ３の長さ（所定距離Ｗ）におけるＩＲＩに相当する値といえる。

路面状態算出部３４は、位置が異なる第１区間Ｓ１及び第２区間Ｓ２毎に、非重複区間Ｓ３の路面状態を算出する。すなわち、位置が異なる第１区間Ｓ１及び第２区間Ｓ２のセット毎に、非重複区間Ｓ３の位置も異なることになるため、路面状態算出部３４は、第１区間Ｓ１及び第２区間Ｓ２のセット毎に、上記と同様の演算を実行することで、位置が異なるそれぞれの非重複区間Ｓ３についての、路面状態を算出する。すなわち図４の例では、路面状態算出部３４は、位置ＰＡ１から位置ＰＡ４までの第１区間Ｓ１のＩＲＩと、位置ＰＡ１から位置ＰＡ５までの第２区間Ｓ２のＩＲＩとに基づいて、位置ＰＡ４から位置ＰＡ５までの非重複区間Ｓ３の路面状態を算出する。また、路面状態算出部３４は、位置ＰＡ２から位置ＰＡ５までの第１区間Ｓ１のＩＲＩと、位置ＰＡ２から位置ＰＡ６までの第２区間Ｓ２のＩＲＩとに基づいて、位置ＰＡ５から位置ＰＡ６までの非重複区間Ｓ３の路面状態を算出する。すなわち、路面状態算出部３４は、道路Ｒ上の各位置について、隣り合う位置Ｐ同士の距離毎に（所定距離Ｗ毎に）、路面状態を算出するといえる。

以上説明した非重複区間の路面状態の算出の処理フローを説明する。図６は、非重複区間の路面状態の算出フローを説明するフローチャートである。図６に示すように、演算装置１４は、路面情報取得部３０により、道路Ｒの路面位置毎の高さを示す路面高さ情報を取得し（ステップＳ１０）、ＩＲＩ算出部３２により、路面高さ情報に基づいて、第１区間のＩＲＩと第２区間のＩＲＩとを算出し（ステップＳ１２）、路面状態算出部３４により、第１区間のＩＲＩと第２区間のＩＲＩとに基づき、非重複区間Ｓ３の路面状態（ＩＲＩ）を算出する（ステップＳ１４）。その後、他の路面位置における路面高さ情報が残っている場合には（ステップＳ１６；Ｎｏ）、すなわち全ての路面位置での路面高さ情報を用いた非重複区間Ｓ３の路面状態の算出処理が終了してない場合には、始点位置をずらして（ステップＳ１８）ステップＳ１２に戻り、別の位置における第１区間Ｓ１と第２区間Ｓ２のＩＲＩを算出して、路面位置毎の非重複区間Ｓ３の路面状態を算出する。一方、他の路面位置における路面高さ情報が残っていない場合には（ステップＳ１６；Ｙｅｓ）、すなわち全ての路面位置での路面高さ情報を用いた非重複区間Ｓ３の路面状態の算出処理が終了した場合に本処理を終了する。なお、本フローでは、第１区間Ｓ１及び第２区間Ｓ２のＩＲＩを算出する処理と非重複区間Ｓ３を算出する処理とを繰り返すが、この順番で処理を繰り返すことに限られない。例えば、各位置における第１区間のＩＲＩと第２区間のＩＲＩを算出した後に、各位置における非重複区間Ｓ３の路面状態を算出してもよい。

以上説明したように、路面状態算出部３４は、長さが所定距離Ｗとなる非重複区間Ｓ３の路面状態を、道路Ｒ上の位置毎に算出する。従って、単位距離が２０ｍと定められているＩＲＩよりも、短い区間毎の路面状態を算出することが可能となるため、位置毎の路面状態を細かく把握できる。

（学習モデルの学習処理）
次に、非重複区間Ｓ３の路面状態を教師データとして学習モデルを学習させる処理について説明する。

（位置情報取得部と挙動情報取得部）
学習モデルを学習させる場合においては、車両１０に、非重複区間Ｓ３の路面状態が算出された道路Ｒ（高さが既知の道路Ｒ）を走行させつつ、挙動情報と車両１０の位置情報とを検出させる。演算装置１４の位置情報取得部３６は、道路Ｒを走行中に位置センサ１０Ａが検出した車両１０の位置情報を取得する。また、演算装置１４の挙動情報取得部３８は、道路Ｒを走行中に挙動センサ１０Ｂが検出した車両１０の挙動情報を取得する。

（学習部）
学習部４０は、道路Ｒを移動した車両１０の挙動情報と、非重複区間Ｓ３における路面状態とを教師データとして、学習モデルに機械学習させる。具体的には、学習部４０は、道路Ｒを移動した車両１０の挙動情報に対応付けられた車両１０の位置情報に基づいて、車両１０の挙動情報と非重複区間Ｓ３における路面状態とを対応付ける。すなわち例えば、学習部４０は、車両１０の位置情報から所定距離内（好ましくは車両１０の位置と重なる位置）にある非重複区間Ｓ３を抽出する。そして、学習部４０は、その車両１０の位置情報に対応付けられた挙動情報と、抽出した非重複区間Ｓ３の路面状態とを、対応付ける。学習部４０は、挙動情報を入力値とし、その挙動情報に対応付けられた非重複区間Ｓ３の路面状態を出力値としたデータセットを、教師データとして設定して、その教師データを学習モデルに入力する。この場合、学習部４０は、車両１０の挙動情報毎に、すなわち位置毎に、挙動情報と非重複区間Ｓ３の路面状態とからなるデータセットを複数準備して、複数のデータセットのそれぞれを学習モデルに入力することが好ましい。これにより、学習モデルは、挙動情報とその挙動情報が検出された位置における路面状態との対応関係を機械学習して、挙動情報が入力されたら、その挙動情報が検出された位置における路面状態を算出可能なモデル（プログラム）となる。

なお、学習モデルは、ディープラーニングによって学習された学習モデルであり、ディープラーニングによって学習された分類器を構成するニューラルネットワークを定義するモデル（ニューラルネットワークの構成情報）と、変数とで構成される。学習モデルは、入力されたデータに基づき、そのデータのラベルを判定できるものである。本実施形態の例では、学習モデルは、ＣＮＮ（Ｃｏｎｖｅｎｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：畳み込みニューラルネットワーク）モデルであるが、ＣＮＮモデルに限られず、任意の方式の学習モデルであってもよい。

（未知の道路の路面状態の算出）
（演算部）
演算装置１４の演算部４２は、学習済みの学習モデルを用いて、路面状態や高さが未知の道路の路面状態を算出する。具体的には、位置情報取得部３６及び挙動情報取得部３８は、路面状態が未知の道路を移動中の車両１０により検出された、車両１０の位置情報及び挙動情報を取得する。演算部４２は、取得した挙動情報を、学習済みの学習モデルに入力する。学習モデルにおいては、挙動情報が入力データとして入力されて、演算が実行される。その結果、学習モデルからは、その挙動情報が検出された位置における路面状態が、出力データとして出力される。演算部４２は、出力データとして出力された路面状態を、その道路の路面状態として算出するといえる。演算部４２は、車両１０の位置情報が示す位置毎の挙動情報を学習モデルに入力して、道路の位置毎の路面状態を算出する。

以上説明したように、本実施形態においては、非重複区間Ｓ３の路面状態を教師データとした学習モデルを用いて、道路の路面状態を算出する。本実施形態によると、単位距離が２０ｍと定められているＩＲＩではなく、より短い区間毎に設定可能な非重複区間Ｓ３の路面状態を教師データとすることで、位置毎の路面状態を細かく把握でき、学習モデルによる路面状態の算出精度を向上させることができる。

ただし、非重複区間Ｓ３の路面状態の用途は、学習モデル用の教師データに限られず、任意の用途に用いてよい。例えば、演算装置１４は、算出した非重複区間Ｓ３の路面状態の情報を出力するものであってよく、非重複区間Ｓ３の路面状態に基づいて任意の処理を行ってもよいし、非重複区間Ｓ３の路面状態を、他の装置に送信してもよいし、図示しない演算装置１４の表示装置に表示させてもよい。

（効果）
以上説明したように、本実施形態に係る演算装置１４は、道路Ｒの路面の鉛直方向における高さ位置を示す路面高さ情報を、道路Ｒ上の路面位置毎に取得する路面情報取得部３０と、路面位置毎の路面高さ情報に基づいて、前記道路上の単位距離（第１単位距離）の第１区間Ｓ１におけるＩＲＩと、第１区間と重複し、かつ単位距離（第１単位距離）を超えて単位距離（第１単位距離）の２倍未満の長さの第２区間Ｓ２におけるＩＲＩとを算出するＩＲＩ算出部３２と、第１区間Ｓ１におけるＩＲＩと第２区間Ｓ２におけるＩＲＩとに基づいて、第２区間Ｓ２において第１区間Ｓ１と重ならない非重複区間Ｓ３における路面状態（ＩＲＩ）を算出する路面状態算出部３４と、を含む。本実施形態によると、第１区間Ｓ１のＩＲＩと第２区間Ｓ２のＩＲＩとから、所定距離Ｗとなる非重複区間Ｓ３の路面状態を算出する。また、第２区間Ｓ２が第１区間Ｓ１より長いことで、非重複区間Ｓ３を第１区間Ｓ１より短くでき、第２区間Ｓ２が第１区間の２倍未満であることで、非重複区間Ｓ３を第１区間Ｓ１より短くして、位置毎の路面状態を細かく把握できるといえる。例えば、第１区間Ｓ１（第１単位距離）が２０ｍである場合には、第２区間Ｓ２は２０ｍより長く４０ｍ未満となるため、非重複区間Ｓ３は０ｍより長く（例えば０．１ｍなど）２０ｍ未満（例えば１９ｍなど）となり、位置毎の路面状態を第１区間Ｓ１より細かく把握できる。従って、本実施形態によると、位置毎の路面状態を細かく把握できる。

ＩＲＩ算出部３２は、第１区間Ｓ１及び第２区間Ｓ２の始点位置を異ならせて、第１区間Ｓ１におけるＩＲＩと第２区間Ｓ２におけるＩＲＩとを、位置毎に算出し、路面状態算出部３４は、非重複区間Ｓ３における路面状態（ＩＲＩ）を、非重複区間の位置毎に算出する。本実施形態によると、道路Ｒの位置毎に非重複区間Ｓ３の路面状態を算出するため、位置毎の路面状態を細かく把握できる。

ＩＲＩ算出部３２は、位置毎の第１区間Ｓ１の距離を同じとし、位置毎の第２区間Ｓ２の距離を同じとする。本実施形態によると、それぞれの第１区間Ｓ１や第２区間Ｓ２の長さを同じにするため、位置毎の路面状態を高精度に算出できる。

ＩＲＩ算出部３２は、第１区間Ｓ１の始点ＰＳ１ａから、第１区間Ｓ１の終点ＰＳ１ｂを通り、非重複区間Ｓ３の終点ＰＳ２ｂまでの区間を第２区間Ｓ２として、第２区間Ｓ２におけるＩＲＩを算出する。本実施形態によると、第２区間Ｓ２をこのように設定することで、位置毎の路面状態を高精度に算出できる。

演算装置１４は、学習部４０を更に含む。学習部４０は、非重複区間Ｓ３を移動した車両１０の挙動を示す挙動情報と、非重複区間Ｓ３における路面状態とを教師データとして、学習モデルに、挙動情報と路面状態との対応関係を機械学習させる。本実施形態によると、非重複区間Ｓ３の路面状態を教師データとすることで、学習モデルによる路面状態の算出精度を向上させることができる。

（第２実施形態）
次に、第２実施形態について説明する。第１実施形態においては、位置センサ１０Ａが検出した位置センサ１０Ａの位置情報を、車両１０の位置情報として扱った。それに対して、第２実施形態においては、位置センサ１０Ａの位置情報と、位置センサ１０Ａと車輪ＴＲとの相対位置を示す関係情報とに基づいて、車輪ＴＲの位置情報を算出し、車輪ＴＲの位置情報を車両１０の位置情報として扱う。第２実施形態において、第１実施形態と構成が共通する箇所は、説明を省略する。

図７は、第２実施形態に係る演算装置の模式的なブロック図である。図８は、位置センサと車輪の位置関係の例を示す模式図である。図７に示すように、第２実施形態に係る演算装置１４ａの制御部２４は、関係情報取得部４４と車輪位置算出部４６と進行方向取得部４８とを更に含む。

第２実施形態においては、関係情報取得部４４は、位置センサ１０Ａと車輪ＴＲとの相対位置を示す関係情報を取得する。関係情報は、車両１０における位置センサ１０Ａの位置（車両１０を基準とした座標系における位置センサ１０Ａの位置）と、車両における車輪ＴＲの位置（車両１０を基準とした座標系における車輪ＴＲの位置）との位置関係を示す情報といえる。本実施形態では、関係情報取得部４４は、車両１０における位置センサ１０Ａの位置と、車両１０の幅（車幅）と、車両１０のホイールベース（車を真横から見た時、前輪の中心から後輪の中心までの距離）とのジオメトリ情報を、関係情報として取得する。関係情報取得部４４は、任意の方法で関係情報を取得してよい。例えば、関係情報が予め設定（測定）されており、関係情報取得部４４は、設定された関係情報を取得してよい。

第２実施形態においては、位置情報取得部３６は、道路Ｒを走行中に位置センサ１０Ａが検出した位置センサ１０Ａの位置情報を取得する。車輪位置算出部４６は、位置センサ１０Ａの位置情報と、関係情報とに基づき、車輪ＴＲの位置情報を算出する。車輪ＴＲの位置情報とは、例えば地球座標系における車輪ＴＲの位置を示す情報である。例えば、車輪位置算出部４６は、位置センサ１０Ａの位置から、関係情報が示す位置センサ１０Ａに対する車輪ＴＲの相対位置だけずれた位置を、車輪ＴＲの位置として算出する。図８の例では、車輪位置算出部４６は、車両１０における位置センサ１０Ａの位置、車両１０の幅、及びホイールベースから、車両１０の座標系における、位置センサ１０Ａの位置Ｐ_１０Ａに対する車輪ＴＲ１の位置Ｐ_ＴＲ１（車輪ＴＲ１の相対位置）と、位置センサ１０Ａの位置Ｐ_１０Ａに対する車輪ＴＲ２の位置Ｐ_ＴＲ２（車輪ＴＲ２の相対位置）と、位置センサ１０Ａの位置Ｐ_１０Ａに対する車輪ＴＲ３の位置Ｐ_ＴＲ３（車輪ＴＲ３の相対位置）と、位置センサ１０Ａの位置Ｐ_１０Ａに対する車輪ＴＲ４の位置Ｐ_ＴＲ４の位置（車輪ＴＲ４の相対位置）を算出する。そして、車輪位置算出部４６は、位置センサ１０Ａの位置から車輪ＴＲ１の相対位置だけずれた位置を、車輪ＴＲ１の位置として算出し、位置センサ１０Ａの位置から車輪ＴＲ２の相対位置だけずれた位置を、車輪ＴＲ２の位置として算出し、位置センサ１０Ａの位置から車輪ＴＲ３の相対位置だけずれた位置を、車輪ＴＲ３の位置として算出し、位置センサ１０Ａの位置から車輪ＴＲ４の相対位置だけずれた位置を、車輪ＴＲ４の位置として算出する。

本実施形態では、車輪位置算出部４６は、位置センサ１０Ａの位置情報と、関係情報とに加えて、進行方向取得部４８が取得した車両１０の進行方向（地球座標系における車両１０の向き）の情報にも基づいて、車輪ＴＲの位置情報を算出する。すなわち、車両１０の座標系における位置センサ１０Ａと車輪ＴＲとの相対位置は、車両１０の進行方向に限られず一定であるが、地球座標系における位置センサ１０Ａに対する車輪ＴＲの位置は、車両１０の進行方向によって異なる。従って、車輪位置算出部４６は、車両１０の進行方向も用いて車輪ＴＲの位置情報を算出することで、車輪ＴＲの位置情報を高精度に算出できる。進行方向取得部４８は、車両１０の進行方向を任意の方法で取得してよいが、例えば、位置センサ１０Ａの位置情報が検出されたタイミングにおける車両１０の操舵角や、位置センサ１０Ａの位置情報が検出されたタイミングにおいてジャイロセンサにより検出された、進行方向の情報などを用いてよい。

ただし、車両１０の進行方向を用いて車輪ＴＲの位置情報を算出することは必須ではない。例えば、車輪ＴＲ毎に位置センサ１０Ａを設けた場合には、地球座標系における位置センサ１０Ａに対する車輪ＴＲの位置が一定となるため、車両１０の進行方向は不要となる。

第２実施形態においては、このように算出した車輪ＴＲの位置情報を、車両１０の位置情報として扱う。具体的には、第２実施形態においては、挙動情報と、非重複区間Ｓ３における路面状態とを教師データとして学習モデルに学習させる際に、車輪ＴＲの位置情報を、車両１０の位置情報として用いる。すなわち、第２実施形態においては、学習部４０は、車両１０の挙動情報に対応付けられた車輪ＴＲの位置情報（車両１０の位置情報）に基づいて、車両１０の挙動情報と非重複区間Ｓ３における路面状態とを対応付ける。すなわち例えば、学習部４０は、車輪ＴＲの位置から所定距離内（好ましくは車輪ＴＲの位置と重なる位置）にある非重複区間Ｓ３を抽出する。そして、学習部４０は、その車輪ＴＲの位置に対応付けられた挙動情報と、抽出した非重複区間Ｓ３の路面状態とを、対応付けて、教師データのデータセットとする。

以降の学習処理や、機械学習済みの学習モデルを用いた路面状態の算出処理は、第１実施形態と同様なので、詳細な説明を省略するが、例えば、第２実施形態においては、路面状態を算出する場合においては、車輪位置算出部４６は、路面状態が未知の道路を移動中の車両１０により検出された位置センサ１０Ａの位置情報と、関係情報とに基づき、車輪ＴＲの位置情報を算出する。演算部４２は、車輪ＴＲの位置情報を、車両１０の位置情報として用い、車輪ＴＲの位置情報（位置センサ１０Ａの位置情報）が検出された際の挙動情報を学習モデルに入力することで、その挙動情報が検出された際の車輪ＴＲの位置（車両１０の位置）における路面状態を算出する。ただし、演算部４２は、挙動情報を学習モデルに入力することにより路面状態を算出することに限られず、学習モデルを用いなくてもよい。すなわち、演算部４２は、車輪ＴＲの位置情報（位置センサ１０Ａの位置情報）が検出された際の挙動情報に基づき、任意の方法で、その挙動情報が検出された際の車輪ＴＲの位置（車両１０の位置）における路面状態を算出してもよい。

このように、第２実施形態においては、車輪ＴＲの位置情報を用いて、挙動情報と、非重複区間Ｓ３における路面状態とを対応付ける。そのため、挙動情報が検出された位置をより高精度に設定することが可能となり、挙動情報と路面状態との対応付けをより高精度にして、学習モデルの算出精度を向上させることができる。なお、第２実施形態においては、第１実施形態と同様に、挙動情報と、非重複区間Ｓ３における路面状態を教師データとしたが、それに限られず、道路Ｒ上の任意の位置（区間）における路面状態を教師データとしてよい。例えば、第２実施形態においては、２０ｍの区間におけるＩＲＩを教師データとしてもよい。

ただし、第２実施形態における車輪ＴＲの位置情報は、教師データ用の挙動情報と路面状態とを対応付ける用途や、挙動情報が検出された位置における路面状態の算出する用途に限られず、任意の用途に用いてよい。例えば、演算装置１４は、車輪ＴＲの位置情報を出力するものであってよく、車輪ＴＲの位置情報に基づいて任意の処理を行ってもよいし、車輪ＴＲの位置情報を、他の装置に送信してもよいし、図示しない演算装置１４の表示装置に表示させてもよい。

以上説明したように、第２実施形態に係る演算装置１４ａは、道路を移動する車両１０に搭載された位置センサ１０Ａによって検出された、位置センサ１０Ａの位置情報を取得する位置情報取得部３６と、車両１０における位置センサ１０Ａの位置と、車両１０における車輪ＴＲの位置との位置関係を示す関係情報を取得する関係情報取得部４４と、位置センサ１０Ａの位置情報と関係情報とに基づいて、車輪ＴＲの位置情報を算出する車輪位置算出部４６と、を含む。本実施形態によると、車輪ＴＲの位置情報を算出することで、車両１０の位置をより細かく把握することが可能となるため、車輪ＴＲの位置情報を用いることで、位置毎の路面状態を細かく把握することができる。例えば、本実施形態においては、第１実施形態と同様に、非重複区間Ｓ３の路面状態を算出するため、位置毎の路面状態を細かく（例えば数十ｃｍ単位で）算出する。また、本実施形態によると、車輪ＴＲの位置情報により、挙動情報が検出された位置を細かく（例えば数十ｃｍ単位で）把握できる把握できる。すなわち、本実施形態によると、位置が細かく把握できる車輪ＴＲの位置情報を用いて、挙動情報を路面状態に対応付けることが可能となるため、位置毎の路面状態を、細かく、かつ高精度に算出することが可能となる。

また、車輪位置算出部４６は、車両１０の進行方向にも基づいて、車輪ＴＲの位置情報を算出する。これにより、車輪ＴＲの位置をより高精度に算出できる。

また、演算装置１４ａは、学習部４０を含む。学習部４０は、車輪ＴＲの位置情報により、挙動情報と道路Ｒの路面状態とを対応付けて、対応付けた挙動情報と路面状態とを教師データとして、学習モデルに、挙動情報と路面状態との対応関係を機械学習させる。これにより、挙動情報と路面状態との対応付けをより高精度にして、学習モデルの算出精度を向上させることができる。

また、演算装置１４ａは、挙動情報取得部３８と演算部４２とを含む。挙動情報取得部３８は、道路を移動する車両１０の挙動を示す挙動情報を取得する。演算部４２は、挙動情報に基づいて、車輪ＴＲの位置情報が示す位置における道路の路面状態を算出する。より好ましくは、演算部４２は、挙動情報と路面状態との対応関係を機械学習した学習モデルに、取得された挙動情報を入力することで、車輪ＴＲの位置情報が示す位置における道路の路面状態を算出する。このように、第２実施形態においては、路面状態の算出の際に、車輪位置算出部４６によって算出した車輪ＴＲの位置を用いる。すなわち、第２実施形態においては、挙動情報が検出された位置を車輪ＴＲの位置として扱い、車輪ＴＲの位置における路面状態を算出することで、位置毎の路面状態を高精度に算出することが可能となる。

以上、本発明の実施形態及び実施例を説明したが、これら実施形態等の内容により実施形態が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態等の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。

１ 検出システム
１０ 車両
１０Ａ 位置センサ
１０Ｂ 挙動センサ
１４ 演算装置
３０ 路面情報取得部
３２ ＩＲＩ算出部
３４ 路面状態算出部
３６ 位置情報取得部
３８ 挙動情報取得部
４０ 学習部
４２ 演算部
４４ 関係情報取得部
４６ 車輪位置算出部
Ｓ１ 第１区間
Ｓ２ 第２区間
Ｓ３ 非重複区間
ＴＲ 車輪

Claims (5)

1. 道路の路面の鉛直方向における高さ位置を示す路面高さ情報を、前記道路上の路面位置毎に取得する路面情報取得部と、
   前記路面位置毎の前記路面高さ情報に基づいて、前記道路上の単位距離の第１区間におけるＩＲＩ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｒｏｕｇｈｎｅｓｓ Ｉｎｄｅｘ）と、単位距離を超えて単位距離の２倍未満の長さの第２区間におけるＩＲＩとを算出するＩＲＩ算出部と、
   前記第１区間におけるＩＲＩと前記第２区間におけるＩＲＩとに基づいて、前記第２区間において前記第１区間と重ならない非重複区間におけるＩＲＩを算出する路面状態算出部と、
   を含む、
   演算装置。
2. 前記ＩＲＩ算出部は、前記第１区間及び前記第２区間の始点位置を異ならせて、前記第１区間におけるＩＲＩと前記第２区間におけるＩＲＩとを、位置毎に算出し、
   前記路面状態算出部は、前記非重複区間におけるＩＲＩを、前記非重複区間の位置毎に算出する、請求項１に記載の演算装置。
3. 前記非重複区間を移動した車両の挙動を示す挙動情報と、前記非重複区間における路面状態とを教師データとして、学習モデルに、前記挙動情報と前記路面状態との対応関係を機械学習させる学習部を更に含む、請求項１又は請求項２に記載の演算装置。
4. 道路の路面の鉛直方向における高さ位置を示す路面高さ情報を、前記道路上の路面位置毎に取得するステップと、
   前記路面位置毎の前記路面高さ情報に基づいて、前記道路上の単位距離の第１区間におけるＩＲＩ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｒｏｕｇｈｎｅｓｓ Ｉｎｄｅｘ）と、単位距離を超えて単位距離の２倍未満の長さの第２区間におけるＩＲＩとを算出するステップと、
   前記第１区間におけるＩＲＩと前記第２区間におけるＩＲＩとに基づいて、前記第２区間において前記第１区間と重ならない非重複区間におけるＩＲＩを算出するステップと、
   を含む、
   演算方法。
5. 道路の路面の鉛直方向における高さ位置を示す路面高さ情報を、前記道路上の路面位置毎に取得するステップと、
   前記路面位置毎の前記路面高さ情報に基づいて、前記道路上の単位距離の第１区間におけるＩＲＩ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｒｏｕｇｈｎｅｓｓ Ｉｎｄｅｘ）と、単位距離を超えて単位距離の２倍未満の長さの第２区間におけるＩＲＩとを算出するステップと、
   前記第１区間におけるＩＲＩと前記第２区間におけるＩＲＩとに基づいて、前記第２区間において前記第１区間と重ならない非重複区間におけるＩＲＩを算出するステップと、
   をコンピュータに実行させる、
   プログラム。

Images