WO2023106021A1

WO2023106021A1 - 車載装置、路側装置、制御方法およびコンピュータプログラム

Info

Publication number: WO2023106021A1
Application number: PCT/JP2022/041653
Authority: WO
Inventors: 明紘小川
Original assignee: 住友電気工業株式会社; 株式会社オートネットワーク技術研究所; 住友電装株式会社
Priority date: 2021-12-10
Filing date: 2022-11-09
Publication date: 2023-06-15

Abstract

車載装置は、車両に搭載される車載装置であって、車両の外部に位置する装置である路側装置から受信対象データを受信する通信部と、通信部により受信された受信対象データが、車両に搭載された機能制御装置により利用された程度を評価することにより、受信対象データの受信条件を学習する学習部とを含み、学習部は、通信部が受信対象データを繰返し受信する学習期間において、受信条件を特定し、通信部は、学習部により受信条件が特定された後、受信条件が満たされるか否かに応じて受信対象データを受信する。

Description

車載装置、路側装置、制御方法およびコンピュータプログラム

　本開示は、車載装置、路側装置、制御方法およびコンピュータプログラムに関する。本出願は、２０２１年１２月１０日出願の日本出願第２０２１－２００９４２号に基づく優先権を主張し、前記日本出願に記載された全ての記載内容を援用するものである。

　自動車および自動二輪車等（以下、車両という）に搭載された車載装置とサーバコンピュータ（以下、単にサーバという）等の外部装置との連携システムが提案されている。例えば、車載装置から外部装置に、無線通信を介してデータをアップロードし、外部装置は受信したデータを、提供している種々のサービスにおいて利用する。外部装置が提供するサービスとして、車両の運転者を支援する情報を提供するサービスがある。

　近年の車両には、種々の電子機器が装備され、それらを制御するＥＣＵ（Ｅｌｅｃｔｒｉｃ　Ｃｏｎｔｒｏｌ　Ｕｎｉｔ）が搭載されている。例えば、自動運転可能な車両には、自動運転ＥＣＵが搭載されている。自動運転ＥＣＵは、適宜外部と通信し、必要な情報（例えば、道路交通情報および動的な運転支援情報）を取得し、取得した情報を用いて自車両の走行を制御する。その他、エンジン制御ＥＣＵ、ストップスタート制御ＥＣＵ、トランスミッション制御ＥＣＵ、エアバッグ制御ＥＣＵ、パワーステアリング制御ＥＣＵ、ハイブリッド制御ＥＣＵ等がある。自動運転可能な車両に関しては、外部装置は、遠隔監視および遠隔制御等のサービスを提供する。

　下記特許文献１には、車両の自動運転に供される地図データを生成するための車両側装置であって、車両とサーバとの間の通信データ量を低減できる車両側装置が開示されている。この車両側装置は、地図データを管理するサーバにプローブデータをアップロードする際に、自車両の走行区域、気象条件、時間帯およびサーバ指示に基づいてアップロード頻度を低頻度モードに変更する。自車両の走行区域とは、アップロードする頻度が通常よりも低く設定される低頻度区域内を走行中か否かを意味する。気象条件とは、豪雨、豪雪または濃霧等の悪天候か否かを意味し、時間帯とは、夜間か否かを意味する。サーバ指示とは、サーバが、送信を担当させる車両を指定することを意味する。

国際公開第２０２０／０４５３１８号

　本開示のある局面に係る車載装置は、車両に搭載される車載装置であって、車両の外部に位置する装置である路側装置から受信対象データを受信する通信部と、通信部により受信された受信対象データが、車両に搭載された機能制御装置により利用された程度を評価することにより、受信対象データの受信条件を学習する学習部とを含み、学習部は、通信部が受信対象データを繰返し受信する学習期間において、受信条件を特定し、通信部は、学習部により受信条件が特定された後、受信条件が満たされるか否かに応じて受信対象データを受信する。

図１は、車載装置およびサーバによる連携システムの構成を示す模式図である。図２は、図１に示した車載装置のハードウェア構成を示すブロック図である。図３は、図２に示した車内外連携部のハードウェア構成を示すブロック図である。図４は、図１に示したサーバのハードウェア構成を示すブロック図である。図５は、車両（具体的には車載装置）およびサーバにおけるソフトウェアの階層構造を模式的に示すブロック図である。図６は、ダウンロードに関する車内外連携部の機能構成を示すブロック図である。図７は、車内外連携部により実行されるダウンロードに関する処理を示すフローチャートである。図８は、車内外連携部により実行されるダウンロードに関する学習処理を示すフローチャートである。図９は、アップロードに関する車内外連携部およびサーバの機能構成を示すブロック図である。図１０は、車内外連携部により実行されるアップロードに関する処理を示すフローチャートである。図１１は、車内外連携部により実行されるアップロードに関する学習処理を示すフローチャートである。図１２は、サーバにより実行される処理を示すフローチャートである。図１３は、変形例に係る車内外連携部およびサーバの機能構成を示すブロック図である。

　［本開示が解決しようとする課題］
　連携システムによる上記のサービス（以下、コネクティッドサービスともいう）においては、車載装置および路側装置（例えばサーバ）間のデータの送信および受信が不可欠である。しかし、車載装置およびサーバ間において繰返しデータの送受信を行うと、車両の走行時間に比例して通信データ量および無線回線の使用料が増大し、無線通信ネットワークのリソースが逼迫する可能性が生じる。なお、「繰返し」は、定期的（例えば周期的）である場合、および、不定期である場合を含む。一方、車載装置およびサーバ間の通信頻度を単純に少なくすると、コネクティッドサービスの品質が低下する。

　特許文献１によっては、上記の問題を解決できない。即ち、特許文献１に開示された技術によっては、車載装置からサーバにアップロードする頻度を低減できるが、車載装置がサーバからダウンロードするデータ量を低減できない問題がある。また、アップロード頻度を低減する所定条件（即ち、低頻度区域、気象条件および時間帯等）を別途、測定等により明示的にし、予め車載装置に設定することが必要であり、煩雑である。

　したがって、本開示は、コネクティッドサービスの品質を低下させることなく、車載装置および路側装置間の通信頻度を適切に低減できる車載装置、路側装置、制御方法およびコンピュータプログラムを提供することを目的とする。

　［本開示の効果］
　本開示によれば、コネクティッドサービスの品質を低下させることなく、車載装置および路側装置間の通信頻度を適切に低減できる車載装置、路側装置、制御方法およびコンピュータプログラムを提供できる。

　［本開示の実施形態の説明］
　本開示の実施形態の内容を列記して説明する。以下に記載する実施形態の少なくとも一部を任意に組合せてもよい。

　（１）本開示の第１の局面に係る車載装置は、車両に搭載される車載装置であって、車両の外部に位置する装置である路側装置から受信対象データを受信する通信部と、通信部により受信された受信対象データが、車両に搭載された機能制御装置により利用された程度を評価することにより、受信対象データの受信条件を学習する学習部とを含み、学習部は、通信部が受信対象データを繰返し受信する学習期間において、受信条件を特定し、通信部は、学習部により受信条件が特定された後、受信条件が満たされるか否かに応じて受信対象データを受信する。これにより、コネクティッドサービスの品質を低下させることなく、車載装置が路側装置から提供されるサービスのデータをダウンロードする頻度を適切に低減でき、無駄なダウンロードを抑制できる。

　（２）上記（１）において、学習部は、機能制御装置の出力データ、および、車両の走行状態を表す走行状態データを取得する取得部と、車両の周辺状況を表す周辺状況データを生成する周辺状況検出部と、出力データから車両の走行を評価する第１評価指標を生成する評価部と、学習期間において、受信対象データを受信したときの第１評価指標と、受信対象データを受信しなかったときの第１評価指標とを比較することにより、機能制御装置により受信対象データが有効に利用されたか否かを判定する判定部とを含むことができ、判定部が、受信対象データが有効に利用されたと判定したことを受けて、当該受信対象データを受信したときの走行状態データおよび周辺状況データを、受信条件として特定できる。これにより、ダウンロードされたデータが有効に利用され得る条件を特定でき、有効に利用されないデータがダウンロードされる無駄なダウンロードを効果的に抑制できる。

　（３）上記（２）において、第１評価指標は、車両の走行に関する快適性、交通効率および安全性の少なくとも１つを含んでいてもよい。これにより、ダウンロードされたデータが有効に利用されたか否かを適切に判定できる。

　（４）上記（２）又は（３）において、判定部は、学習期間において、受信対象データを受信しなかったときの第１評価指標に対する、受信対象データを受信したときの第１評価指標の差分が、０より大きい所定値以上であるか否かを判定することにより、機能制御装置により受信対象データが有効に利用されたか否かを判定してもよく、学習部により受信条件が特定された後、差分が所定値よりも小さくなったことを受けて、学習部は、通信部に受信対象データを繰返し受信させ、受信条件を特定する処理を再度実行してもよい。これにより、学習結果が有効でなくなれば、速やかに再学習を実行し、適切な受信条件を再度決定できる。

　（５）上記（１）から（４）のいずれか１つにおいて、機能制御装置が更新されたことを受けて、学習部は、通信部に受信対象データを繰返し受信させ、受信条件を特定する処理を再度実行してもよい。これにより、適切な受信条件を速やかに再度決定できる。

　（６）上記（１）から（５）のいずれか１つにおいて、通信部はさらに、路側装置に送信対象データを送信し、路側装置から、路側装置により提供されるサービスを評価した第２評価指標を受信してもよく、学習部はさらに、第２評価指標により送信対象データの送信条件を学習し、通信部が送信対象データを繰返し送信する期間において、送信条件を特定してもよく、通信部は、学習部により送信条件が特定された後、送信条件が満たされるか否かに応じて送信対象データを送信してもよい。これにより、コネクティッドサービスの品質を低下させることなく、車載装置が路側装置にデータをアップロードする頻度を適切に低減でき、無駄なアップロードを抑制できる。

　（７）本開示の第２の局面に係る車載装置は、車両に搭載される車載装置であって、車両の外部に位置する装置である路側装置から受信対象データを受信する通信部と、通信部による受信対象データの受信の適否を学習する学習部とを含み、学習部は、車両に搭載された機能制御装置の出力データ、および、車両の走行状態を表す走行状態データを取得する取得部と、車両の周辺状況を表す周辺状況データを生成する周辺状況検出部と、通信部が受信対象データを繰返し受信する所定期間において、出力データから車両の走行を評価する評価指標を生成する評価部と、所定期間において、受信対象データを受信したときの評価指標と、受信対象データを受信しなかったときの評価指標とを比較することにより、機能制御装置により受信対象データが有効に利用されたか否かを判定する判定部と、走行状態データおよび周辺状況データを含む入力データに応じて受信の適否を表すデータを出力するモデルと含み、学習部は、学習データを用いてモデルを機械学習させ、通信部は、学習後のモデルの出力データに応じて、受信対象データを受信し、学習データは、所定期間において収集した走行状態データおよび周辺状況データを入力データとして含み、且つ、所定期間において収集した判定部による判定結果をモデルの出力データとして含む。これにより、コネクティッドサービスの品質を低下させることなく、車載装置が路側装置から提供されるサービスのデータをダウンロードする頻度を適切に低減でき、無駄なダウンロードを抑制できる。

　（８）本開示の第３の局面に係る車載装置は、車両に搭載される車載装置であって、車両の外部に位置する装置である路側装置に送信対象データを送信し、路側装置から、路側装置により提供されるサービスを評価した評価指標を受信する通信部と、評価指標により、送信対象データの送信条件を学習する学習部とを含み、学習部は、通信部が送信対象データを繰返し送信する学習期間において、送信条件を特定し、通信部は、学習部により送信条件が特定された後、送信条件が満たされるか否かに応じて送信対象データを送信する。これにより、コネクティッドサービスの品質を低下させることなく、車載装置が路側装置にデータをアップロードする頻度を適切に低減でき、無駄なアップロードを抑制できる。

　（９）上記（８）において、通信部はさらに、車両の走行状態を表す走行状態データを路側装置に送信でき、評価指標は、路側装置により走行状態データおよび車両の周辺状況が考慮されて生成されることができ、学習部は、周辺状況を表す周辺状況データを生成する周辺状況検出部と、学習期間において、送信対象データを送信したときの評価指標と、送信対象データを送信しなかったときの評価指標とを比較することにより、路側装置により送信対象データが有効に利用されたか否かを判定する判定部とを含むことができ、判定部は、送信対象データが有効に利用されたと判定したことを受けて、当該送信対象データを送信したときの走行状態データおよび周辺状況データを、送信条件として特定できる。これにより、路側装置は、評価指標を適切に生成でき、車載装置は、路側装置にデータをアップロードする送信条件を適切に決定できる。

　（１０）上記（９）において、判定部は、学習期間において、送信対象データを送信しなかったときの評価指標に対する、送信対象データを送信したときの評価指標の差分が、０より大きい所定値以上であるか否かを判定することにより、路側装置により送信対象データが有効に利用されたか否かを判定してもよく、学習部により送信条件が特定された後、差分が所定値よりも小さくなったことを受けて、学習部は、通信部に送信対象データを繰返し送信させ、送信条件を特定する処理を再度実行してもよい。これにより、学習結果が有効でなくなれば、速やかに再学習を実行し、適切な送信条件を再度決定できる。

　（１１）本開示の第４の局面に係る車載装置は、車両に搭載される車載装置であって、車両の外部に位置する装置である路側装置に送信対象データを送信し、路側装置から、路側装置により提供されるサービスを評価した評価指標を受信する通信部と、通信部による送信対象データの送信の適否を学習する学習部とを含み、通信部はさらに、車両の走行状態を表す走行状態データを路側装置に送信し、評価指標は、路側装置により走行状態データおよび車両の周辺状況が考慮されて生成され、学習部は、周辺状況を表す周辺状況データを生成する周辺状況検出部と、通信部が送信対象データを繰返し送信する所定期間において、送信対象データを送信したときの評価指標と、送信対象データを送信しなかったときの評価指標とを比較することにより、路側装置により送信対象データが有効に利用されたか否かを判定する判定部と、走行状態データおよび周辺状況データを含む入力データに応じて送信の適否を表すデータを出力するモデルとを含み、学習部は、学習データを用いてモデルを機械学習させ、通信部は、学習後のモデルの出力データに応じて、送信対象データを送信し、学習データは、所定期間において収集した走行状態データおよび周辺状況データを入力データとして含み、且つ、所定期間において収集した判定部による判定結果をモデルの出力データとして含む。これにより、コネクティッドサービスの品質を低下させることなく、車載装置が路側装置にデータをアップロードする頻度を適切に低減でき、無駄なアップロードを抑制できる。

　（１２）本開示の第５の局面に係る路側装置は、上記（８）から（１１）のいずれか１つの車載装置と通信する路側装置であって、所定のサービスを実行するサービス実行部と、送信対象データが、サービス実行部により利用された程度を表す評価指標を生成する評価部と、評価指標を車載装置に送信する通信部とを含む。これにより、車載装置は、路側装置にデータをアップロードする送信条件を適切に決定でき、車載装置が路側装置にデータをアップロードする頻度を適切に低減でき、無駄なアップロードを抑制できる。

　（１３）本開示の第６の局面に係る路側装置は、車両に搭載された車載装置と通信し、送信対象データを受信する通信部と、所定のサービスを実行するサービス実行部と、通信部により受信された送信対象データが、サービス実行部により利用された程度を評価することにより、車載装置による送信対象データの送信条件を学習する学習部とを含み、学習部は、繰返し送信される送信対象データを通信部が受信する学習期間において、送信条件を特定し、通信部は、学習部により特定された送信条件を車載装置に送信する。これにより、送信条件を受信した車載装置は、車載装置が路側装置にデータをアップロードする頻度を適切に低減でき、無駄なアップロードを抑制できる。

　（１４）本開示の第７の局面に係る制御方法は、車両に搭載される車載装置の制御方法であって、車両の外部に位置する装置である路側装置から受信対象データを受信する通信ステップと、通信ステップにより受信された受信対象データが、車両に搭載された機能制御装置により利用された程度を評価することにより、受信対象データの受信条件を学習する学習ステップとを含み、学習ステップは、通信ステップにより受信対象データを繰返し受信する学習期間において、受信条件を特定するステップを含み、通信ステップは、学習ステップにより受信条件が特定された後、受信条件が満たされるか否かに応じて受信対象データを受信するステップを含む。これにより、コネクティッドサービスの品質を低下させることなく、車載装置が路側装置から提供されるサービスのデータをダウンロードする頻度を適切に低減でき、無駄なダウンロードを抑制できる。

　（１５）本開示の第８の局面に係る制御方法は、車両に搭載される車載装置の制御方法であって、車両の外部に位置する装置である路側装置から受信対象データを受信する通信ステップと、通信ステップによる受信対象データの受信の適否を学習する学習ステップとを含み、学習ステップは、車両に搭載された機能制御装置の出力データ、および、車両の走行状態を表す走行状態データを取得する取得ステップと、車両の周辺状況を表す周辺状況データを生成する周辺状況検出ステップと、通信ステップにより受信対象データを繰返し受信する所定期間において、出力データから車両の走行を評価する評価指標を生成する評価ステップと、所定期間において、受信対象データを受信したときの評価指標と、受信対象データを受信しなかったときの評価指標とを比較することにより、機能制御装置により受信対象データが有効に利用されたか否かを判定する判定ステップと、走行状態データおよび周辺状況データを含む入力データに応じて受信の適否を表すデータを出力するモデルを、学習データを用いて機械学習させるステップとを含み、通信ステップは、学習後のモデルの出力データに応じて、受信対象データを受信するステップを含み、学習データは、所定期間において収集した走行状態データおよび周辺状況データを入力データとして含み、且つ、所定期間において収集した判定ステップによる判定結果をモデルの出力データとして含む。これにより、コネクティッドサービスの品質を低下させることなく、車載装置が路側装置から提供されるサービスのデータをダウンロードする頻度を適切に低減でき、無駄なダウンロードを抑制できる。

　（１６）本開示の第９の局面に係る制御方法は、車両に搭載される車載装置の制御方法であって、車両の外部に位置する装置である路側装置に送信対象データを送信し、路側装置から、送信対象データが路側装置により利用された程度を表す評価指標を受信する通信ステップと、評価指標により、送信対象データの送信条件を学習する学習ステップとを含み、学習ステップは、通信ステップにより送信対象データを繰返し送信する学習期間において、送信条件を特定するステップを含み、通信ステップは、学習ステップにより送信条件が特定された後、送信条件が満たされるか否かに応じて送信対象データを送信するステップを含む。これにより、コネクティッドサービスの品質を低下させることなく、車載装置が路側装置にデータをアップロードする頻度を適切に低減でき、無駄なアップロードを抑制できる。

　（１７）本開示の第１０の局面に係る制御方法は、車両に搭載される車載装置の制御方法であって、車両の外部に位置する装置である路側装置に送信対象データを送信し、路側装置から、路側装置により提供されるサービスを評価した評価指標を受信する通信ステップと、通信ステップによる送信対象データの送信の適否を学習する学習ステップとを含み、通信ステップは、車両の走行状態を表す走行状態データを路側装置に送信するステップを含み、評価指標は、路側装置により走行状態データおよび車両の周辺状況が考慮されて生成され、学習ステップは、周辺状況を表す周辺状況データを生成する周辺状況検出ステップと、通信ステップにより送信対象データを繰返し送信する所定期間において、送信対象データを送信したときの評価指標と、送信対象データを送信しなかったときの評価指標とを比較することにより、路側装置により送信対象データが有効に利用されたか否かを判定する判定ステップと、走行状態データおよび周辺状況データを含む入力データに応じて送信の適否を表すデータを出力するモデルを、学習データを用いて機械学習させるステップとを含み、通信ステップは、学習後のモデルの出力データに応じて、送信対象データを送信するステップをさらに含み、学習データは、所定期間において収集した走行状態データおよび周辺状況データを入力データとして含み、且つ、所定期間において収集した判定ステップによる判定結果をモデルの出力データとして含む。これにより、コネクティッドサービスの品質を低下させることなく、車載装置が路側装置にデータをアップロードする頻度を適切に低減でき、無駄なアップロードを抑制できる。

　（１８）本開示の第１１の局面に係るコンピュータプログラムは、車両に搭載されるコンピュータに、車両の外部に位置する装置である路側装置から受信対象データを受信する通信機能と、通信機能により受信された受信対象データが、車両に搭載された機能制御装置により利用された程度を評価することにより、受信対象データの受信条件を学習する学習機能とを実現させ、学習機能は、通信機能により受信対象データを繰返し受信する学習期間において、受信条件を特定する機能を含み、通信機能は、学習機能により受信条件が特定された後、受信条件が満たされるか否かに応じて受信対象データを受信する機能を含む。これにより、コネクティッドサービスの品質を低下させることなく、車載装置が路側装置から提供されるサービスのデータをダウンロードする頻度を適切に低減でき、無駄なダウンロードを抑制できる。

　（１９）本開示の第１２の局面に係るコンピュータプログラムは、車両に搭載されるコンピュータに、車両の外部に位置する装置である路側装置から受信対象データを受信する通信機能と、通信機能による受信対象データの受信の適否を学習する学習機能とを実現させ、学習機能は、車両に搭載された機能制御装置の出力データ、および、車両の走行状態を表す走行状態データを取得する取得機能と、車両の周辺状況を表す周辺状況データを生成する周辺状況検出機能と、通信機能により受信対象データを繰返し受信する所定期間において、出力データから車両の走行を評価する評価指標を生成する評価機能と、所定期間において、受信対象データを受信したときの評価指標と、受信対象データを受信しなかったときの評価指標とを比較することにより、機能制御装置により受信対象データが有効に利用されたか否かを判定する判定機能と、走行状態データおよび周辺状況データを含む入力データに応じて受信の適否を表すデータを出力するモデルを、学習データを用いて、機械学習させる機能とを含み、通信機能は、学習後のモデルの出力データに応じて、受信対象データを受信する機能を含み、学習データは、所定期間において収集した走行状態データおよび周辺状況データを入力データとして含み、且つ、所定期間において収集した判定機能による判定結果をモデルの出力データとして含む。これにより、コネクティッドサービスの品質を低下させることなく、車載装置が路側装置から提供されるサービスのデータをダウンロードする頻度を適切に低減でき、無駄なダウンロードを抑制できる。

　（２０）本開示の第１３の局面に係るコンピュータプログラムは、車両に搭載されるコンピュータに、車両の外部に位置する装置である路側装置に送信対象データを送信し、路側装置から、送信対象データが路側装置により利用された程度を表す評価指標を受信する通信機能と、評価指標により、送信対象データの送信条件を学習する学習機能とを実現させ、学習機能は、通信機能により送信対象データを繰返し送信する学習期間において、送信条件を特定する機能を含み、通信機能は、学習機能により送信条件が特定された後、送信条件が満たされるか否かに応じて送信対象データを送信する機能を含む。これにより、コネクティッドサービスの品質を低下させることなく、車載装置が路側装置にデータをアップロードする頻度を適切に低減でき、無駄なアップロードを抑制できる。

　（２１）本開示の第１４の局面に係るコンピュータプログラムは、車両に搭載されるコンピュータに、車両の外部に位置する装置である路側装置に送信対象データを送信し、路側装置から、路側装置により提供されるサービスを評価した評価指標を受信する通信機能と、通信機能による送信対象データの送信の適否を学習する学習機能とを実現させ、通信機能は、車両の走行状態を表す走行状態データを路側装置に送信する機能を含み、評価指標は、路側装置により走行状態データおよび車両の周辺状況が考慮されて生成され、学習機能は、周辺状況を表す周辺状況データを生成する周辺状況検出機能と、通信機能により送信対象データを繰返し送信する所定期間において、送信対象データを送信したときの評価指標と、送信対象データを送信しなかったときの評価指標とを比較することにより、路側装置により送信対象データが有効に利用されたか否かを判定する判定機能と、走行状態データおよび周辺状況データを含む入力データに応じて送信の適否を表すデータを出力するモデルを、学習データを用いて機械学習させる機能とを含み、通信機能は、学習後のモデルの出力データに応じて、送信対象データを送信する機能をさらに含み、学習データは、所定期間において収集した走行状態データおよび周辺状況データを入力データとして含み、且つ、所定期間において収集した判定機能による判定結果をモデルの出力データとして含む。これにより、コネクティッドサービスの品質を低下させることなく、車載装置が路側装置にデータをアップロードする頻度を適切に低減でき、無駄なアップロードを抑制できる。

　［本開示の実施形態の詳細］
　以下の実施形態においては、同一の部品には同一の参照番号を付してある。それらの名称および機能も同一である。したがって、それらについての詳細な説明は繰返さない。

　［全体構成］
　図１を参照して、本開示の実施形態に係る連携システムは、車両１０２および車両１１２のそれぞれに搭載された車載装置１００および車載装置１１０と、基地局１０４と、サーバ１０６とを含む。基地局１０４は、インターネット等のネットワーク１０８に接続されている。基地局１０４は、セルラー通信等の無線通信のための基地局である。基地局１０４は、例えば、ＬＴＥ（Ｌｏｎｇ　Ｔｅｒｍ　Ｅｖｏｌｕｔｉｏｎ）、４Ｇ（第４世代移動通信システム）回線および５Ｇ（第５世代移動通信システム）回線等による移動通信サービスを提供している。車載装置１００および車載装置１１０の各々とサーバ１０６とは相互に、基地局１０４およびネットワーク１０８を介して通信可能である。なお、基地局１０４は、Ｗｉ－Ｆｉ、Ｃ－Ｖ２Ｘ（Ｃｅｌｌｕｌａｒ－Ｖｅｈｉｃｌｅ　ｔｏ　Ｅｖｅｒｙｔｈｉｎｇ）等の無線通信機能を提供してもよい。

　車両１０２および車両１１２の各々は、イメージセンサ等のセンサを搭載しており、センサから出力されたセンサデータは、車載装置１００および車載装置１１０により取得され、サーバ１０６に送信（アップロード）される。サーバ１０６は、運転支援情報の提供、遠隔監視および遠隔制御等のサービスを実行しており、車載装置１００および車載装置１１０から受信したセンサデータを、提供しているサービスに利用する。サーバ１０６は、車両１０２および車両１１２等の外部に配置された装置であればよく、道路またはその周辺等に固定して設置された路側装置であってもよい。

　インフラセンサ１１４は、道路およびその周辺に設置されたセンサ機能を備えた装置であり、基地局１０４との通信機能を有している。インフラセンサ１１４は、例えば、イメージセンサ（デジタルの監視カメラ等）、レーダ（ミリ波レーダ等）、またはレーザセンサ（ＬｉＤＡＲ（Ｌｉｇｈｔ　Ｄｅｔｅｃｔｉｏｎ　ａｎｄ　Ｒａｎｇｉｎｇ）等）等である。インフラセンサ１１４は、Ｗｉ－Ｆｉ、Ｃ－Ｖ２Ｘ等の無線通信機能を有し、直接、車載装置１００および車載装置１１０と通信してもよい。インフラセンサ１１４は、センサデータ（動画像データ等）を、基地局１０４を介してまたは直接、サーバ１０６並びに車載装置１００および車載装置１１０に送信する。

　図１には、例示的に１つの基地局１０４と、１つのインフラセンサ１１４と、車載装置が搭載された２台の車両１０２および車両１１２とを示している。しかしこれは例示に過ぎない。通常、複数の基地局および複数のインフラセンサが設けられ、３台以上の車両に車載装置が搭載されている。車載装置を搭載していない車両が存在してもよい。車載装置を搭載していない車両は、車載装置を搭載した車両に搭載されているセンサおよびインフラセンサの検出対象である。

　［車載装置のハードウェア構成］
　図２を参照して、車両１０２に搭載されている車載装置１００のハードウェア構成の一例を示す。車両１１２に搭載された車載装置１１０も同様に構成されている。車載装置１００は、通信部１２０および車内外連携部１２２を含む。図２には、車両１０２に搭載されている通信部１２０、センサ１２４、自動運転ＥＣＵ１２６、駆動ＥＣＵ１２８およびバス１３０を示す。車両１０２には、車両の種々の機能を制御するための装置（即ち機能制御装置）として、複数のＥＣＵが搭載されている。図２には、代表的に自動運転ＥＣＵ１２６および駆動ＥＣＵ１２８を示している。

　通信部１２０は、基地局１０４を介して車両１０２外の装置と無線通信を行う。通信部１２０は、基地局１０４が提供している無線通信サービスにおいて採用されている変調および多重化を行うためのＩＣ（Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）、所定周波数の電波を送信および受信するためのアンテナ、並びにＲＦ回路等を含む。通信部１２０は、ＧＰＳ（Ｇｌｏｂａｌ　Ｐｏｓｉｔｉｏｎｉｎｇ　Ｓｙｓｔｅｍ）等のＧＮＳＳ（Ｇｌｏｂａｌ　Ｎａｖｉｇａｔｉｏｎ　Ｓａｔｅｌｌｉｔｅ　Ｓｙｓｔｅｍ）との通信機能をも有する。通信部１２０は、Ｗｉ－Ｆｉ、Ｃ－Ｖ２Ｘ等の無線通信機能を有し、直接インフラセンサ１１４と通信してもよい。

　車内外連携部１２２は、車外との通信機能（即ち通信仕様）と車内における通信機能（即ち通信仕様）とを接合する役割（即ち通信プロトコル変換等）を担う。自動運転ＥＣＵ１２６は、車内外連携部１２２および通信部１２０を介して、外部装置と通信できる。車内外連携部１２２は、通信部１２０を介してサーバ１０６から運転支援情報を受信し、自動運転ＥＣＵ１２６に転送する。また、車内外連携部１２２は通信部１２０を介して、インフラセンサ１１４からセンサデータを受信する。バス１３０は、車内における通信機能を担う。車内外連携部１２２、センサ１２４、自動運転ＥＣＵ１２６および駆動ＥＣＵ１２８に関して、相互間の通信（即ちデータ交換）は、バス１３０を介して行われる。バス１３０には、例えば、Ｅｔｈｅｒｎｅｔ（登録商標）、ＣＡＮ（Ｃｏｎｔｒｏｌｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）等が使用される。

　センサ１２４は、車両１０２に搭載され、車両１０２の内外の情報を取得するためのセンサを含む。車外の情報を取得するためのセンサは、撮像装置（例えば、デジタルカメラ（ＣＣＤカメラ、ＣＭＯＳカメラ））、レーダおよびレーザセンサ等を含む。車内の情報を取得するためのセンサは撮像装置を含む。センサ１２４は、検知範囲（例えばカメラであれば撮像範囲）内の情報を取得してセンサデータとして出力する。デジタルカメラであれば、デジタルの動画像データを出力する。センサ１２４の検出信号（アナログまたはデジタル）は、インターフェイス部（図示せず）を介して、デジタルデータとしてバス１３０に出力され、車内外連携部１２２および自動運転ＥＣＵ１２６等に送信される。

　自動運転ＥＣＵ１２６は、車両１０２の走行を制御する。例えば、自動運転ＥＣＵ１２６は、センサデータを取得し、それを解析して車両周囲の状況を把握し、車両１０２の現在の走行状態（例えば、位置および速度等）を考慮して制御情報（例えば、加速度（減速度）、速度および走行方向等の情報）を生成し、駆動ＥＣＵ１２８に出力する。駆動ＥＣＵ１２８は、自動運転ＥＣＵ１２６から入力される制御情報を用いて、自動運転に関連する機構（即ち、エンジン、変速機、ステアリングおよびブレーキ等の機構）を制御する。自動運転ＥＣＵ１２６は、車内外連携部１２２から取得した運転支援情報（即ち動的情報等）を、制御情報の生成に利用できる。なお、自動運転ＥＣＵ１２６は、車両１０２の現在の走行状態（例えば、位置および速度等）を表す情報を、ＧＰＳおよび駆動ＥＣＵ１２８から取得する。例えば、位置情報はＧＰＳデータから生成でき、速度情報は、自動運転ＥＣＵ１２６から取得できる。

　図３を参照して、車内外連携部１２２は、制御部１４０、メモリ１４２、Ｉ／Ｆ部１４４および学習部１４６を含む。制御部１４０は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）を含んで構成されており、メモリ１４２、Ｉ／Ｆ部１４４および通信部１２０を制御する（制御信号を点線の矢印により示す）。メモリ１４２は、例えば、書換可能な不揮発性の半導体メモリであり、制御部１４０が実行するコンピュータプログラム（以下、単にプログラムという）を記憶している。メモリ１４２は、制御部１４０が実行するプログラムのワーク領域を提供する。また、メモリ１４２は、通信部１２０を介して外部から受信したデータ（インフラセンサ１１４からのセンサデータ、サーバ１０６からのダウンロードデータ等）を記憶する。

　Ｉ／Ｆ部１４４は、制御部１４０の制御を受けてセンサ１２４、自動運転ＥＣＵ１２６および駆動ＥＣＵ１２８（図２参照）とのインターフェイスを担う。Ｉ／Ｆ部１４４が、センサ１２４、自動運転ＥＣＵ１２６および駆動ＥＣＵ１２８から取得したデータは、メモリ１４２に記憶される。センサ１２４から取得されたデータ（即ちセンサデータ）は、サーバ１０６に送信される対象のデータである。通信部１２０は制御部１４０により制御されて、メモリ１４２に記憶されているアップロードデータからパケットデータを生成して、送信する。センサデータが動画像データであれば、センサ１２４から順次取得されるデータは、所定量メモリ１４２にバッファされ、バッファされたデータから送信データが生成され、順次送信される。

　学習部１４６は、後述するように、通信頻度を適切に低減するために、サーバ１０６からデータをダウンロードする条件（即ち受信条件）、および、サーバ１０６にデータをアップロードする条件（即ち送信条件）を学習する。学習結果はメモリ１４２に記憶される。サーバ１０６からは種々のデータがダウンロードされる。受信条件の対象となるダウンロードデータ（以下、受信対象データともいう）は、サーバ１０６により提供されるサービスのデータ（即ち運転支援情報等）である。また、サーバ１０６に種々のデータがアップロードされる。送信条件の対象となるアップロードデータ（以下、送信対象データともいう）は、サーバ１０６により提供されるサービスにより利用され得るデータ（即ち、センサ１２４から取得されたセンサデータ等）である。

　［サーバのハードウェア構成］
　図４を参照して、サーバ１０６は、制御部１６０、メモリ１６２、通信部１６４およびバス１６６を含む。各部の間のデータ転送は、バス１６６を介して行われる。制御部１６０はＣＰＵを含み、各部を制御し、種々のサービスを実現する。通信部１６４は、車載装置１００および車載装置１１０から、基地局１０４およびネットワーク１０８を介してアップロードされる情報（即ち、センサデータおよび車両情報等）を受信する。メモリ１６２は、書換可能な不揮発性の半導体メモリおよびＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）等の大容量記憶装置を含む。通信部１６４により受信されたデータは、メモリ１６２に転送され、記憶される。アップロードされてメモリ１６２に記憶されたデータは、サービスを実現するためのアプリケーションプログラム（以下、単にアプリケーションともいう）により利用される。通信部１６４は、無線または有線によりネットワーク１０８にアクセスする機能を有する。通信部１６４は制御部１６０の制御を受けて、メモリ１６２からダウンロードデータ（即ちサービスデータ等）を読出し、車両１０２および車両１１２に送信する。なお、サーバ１０６は、管理者等が制御部１６０に対する指示を入力するための、コンピュータ用のキーボードおよびマウス等の操作部（図示せず）を含む。

　［ソフトウェア構成］
　図５を参照して、車両１０２およびサーバ１０６により構成される連携システムのソフトウェアは階層的に構成される。図５に示した階層構造は、例えば、ＯＳＩ（Ｏｐｅｎ　Ｓｙｓｔｅｍｓ　Ｉｎｔｅｒｃｏｎｎｅｃｔｉｏｎ）参照モデルの階層構造に対応する。車両１０２は、上記したように複数のＥＣＵを含んでおり、上位層に各ＥＣＵの機能を実現するためのアプリケーションプログラム（即ち第１－ＥＣＵアプリケーションから第Ｍ－ＥＣＵアプリケーション）を含む。上位層のアプリケーションは、各ＥＣＵに搭載されたマイクロコンピュータ等により、並列に実行される。上位層は、例えばＯＳＩ参照モデルのアプリケーション層に対応する。車両１０２は、下位層に、外部との通信を担う通信スタック（例えばＯＳＩ参照モデルのセッション層以下）を含み、中位層に、上位層のプログラムおよび下位層のプログラムを仲介するサブレイヤプログラムを含む。中位層は、例えばＯＳＩ参照モデルのプレゼンテーション層に対応する。

　車載装置１００の車内外連携部１２２の機能（または、対応するプログラム）は、主にサブレイヤプログラムに位置付けられる。車内外連携部１２２は、下位層の通信スタックを制御し、上記したように、送信対象データ（即ち、センサ１２４から取得されたセンサデータ等）をサーバ１０６に送信する。また、車内外連携部１２２は、下位層の通信スタックを制御し、上記したように、サーバ１０６から受信対象データ（即ち運転支援情報等）を受信し、例えば自動運転ＥＣＵ１２６（図２参照）に渡す。車内外連携部１２２は、下位層の通信スタックを制御し、後述するように、送信対象データの送信条件の特定に利用するために、サーバ１０６から評価指標を受信する。なお、車内外連携部１２２の機能（または、対応するプログラム）は、上位層の複数のアプリケーションの一部を含み得る。即ち、車内外連携部１２２はＥＣＵとしての機能を含み得る。

　サーバ１０６は、上記したように複数のサービス（即ち、運転支援、遠隔監視および遠隔制御等）を実行し、上位層に各サービスを実現するためのアプリケーションプログラム（即ち第１サービスアプリケーションから第Ｎサービスアプリケーション）を含む。サーバ１０６は、下位層に、外部（即ち、車両１０２の車載装置１００等）との通信を担う通信スタックを含み、中位層に、上位層のプログラムおよび下位層のプログラムを仲介するサブレイヤプログラムを含む。上位層、中位層および下位層はそれぞれ、例えばＯＳＩ参照モデルのアプリケーション層、プレゼンテーション層、および、セッション層以下の層に対応する。

　車両１０２の車載装置１００と通信して連携システムを構成するためのインフラ連携部を実現するためのプログラムは、サブレイヤプログラムに位置付けられる。上位層および中位層のプログラムは、制御部１６０（図４参照）によりマルチタスクとして実行される。インフラ連携部は、下位層の通信スタックを制御し、上位層のプログラムから提供されるサービスデータ（即ち運転支情報等）を、車両１０２の車載装置１００に送信する。また、インフラ連携部は、下位層の通信スタックを制御し、上記したように、車両１０２からアップロードされたセンサデータ等を受信し、上位層のプログラムに渡す。インフラ連携部は、上位層のプログラムの動作を観測し、上位層のプログラムに渡されたセンサデータ等が、上位層のプログラムによりどの程度有効に利用されたかを表す評価指標を生成する。サーバ１０６は、下位層の通信スタックを制御し、評価指標を、該当する車載装置に送信する。

　［ダウンロードに関する機能的構成］
　図６を参照して、車内外連携部１２２のダウンロード機能に関して説明する。車内外連携部１２２は、図４に示したように、制御部１４０、メモリ１４２、Ｉ／Ｆ部１４４および学習部１４６を含む。学習部１４６は、周辺状況検出部２００、評価部２０２および判定部２０４を含む。

　メモリ１４２には、センサデータ２１０、ダウンロードデータ２１２、走行状態データ２１４、周辺状況データ２１６、評価結果データ２１８および学習結果データ２２０が記憶される。センサデータ２１０は、センサ１２４から出力されるセンサデータ、および、通信部１２０を介してインフラセンサ１１４から受信したセンサデータを含む。ダウンロードデータ２１２は、通信部１２０を介してサーバ１０６から受信した受信対象データを含む。走行状態データ２１４は、車両１０２の走行状態（例えば、位置および速度等）を表すデータである。走行状態データは、Ｉ／Ｆ部１４４により自動運転ＥＣＵ１２６から取得される。周辺状況データ２１６は、車両１０２周辺の交通に関する状況（即ち、交通事故および交通渋滞等）を表すデータであり、後述するように、周辺状況検出部２００により検出される。評価結果データ２１８は、ダウンロードデータが自動運転ＥＣＵ１２６によりどの程度有効に利用されたかを表すデータであり、後述するように、評価部２０２により生成される。学習結果データ２２０は、サーバ１０６との通信を実行する条件（即ち受信条件）を含み、後述するように、判定部２０４により特定される。センサデータ２１０、ダウンロードデータ２１２、走行状態データ２１４、周辺状況データ２１６および評価結果データ２１８は、対応する時刻情報（例えば、メモリ１４２に記憶されるときのタイムスタンプ）が付されて記憶されている。データ毎に時刻情報を付す場合に限らず、時間的に近接して記憶された一群のデータに１つの時刻情報（例えばタイムスタンプの代表値）を付してもよい。時刻情報を付して記憶することにより、時刻情報を用いて、相互に対応するデータ（またはデータ群）を特定できる。

　Ｉ／Ｆ部１４４は、制御部１４０により制御され、センサ１２４から出力されるセンサデータを取得し、センサデータ２１０としてメモリ１４２に記憶する。通信部１２０は、インフラセンサ１１４から受信したセンサデータを、センサデータ２１０としてメモリ１４２に記憶する。Ｉ／Ｆ部１４４は、自動運転ＥＣＵ１２６から車両１０２の走行状態（例えば、位置および速度等）を表すデータを取得し、走行状態データ２１４としてメモリ１４２に記憶する。

　周辺状況検出部２００は、メモリ１４２からセンサデータ２１０を読出し、自車両（即ち車両１０２）の周辺状況を検出し、検出結果を周辺状況データ２１６としてメモリ１４２に記憶する。周辺状況データは、交通事故、交通渋滞および死角（例えば、交差点等の見通せない領域）の存在等を表すデータ（例えば、状況の種類を表すデータと、該当状況が生じている領域を表す位置座標）である。センサデータ２１０が画像データ（即ち動画像データ等）であれば、周辺状況検出部２００は、画像処理により対象物（即ち、車両等の動的物体、並びに、建築物および道路標識等の静的物体）を抽出し、周辺状況データを生成できる。

　評価部２０２は、自動運転ＥＣＵ１２６の駆動ＥＣＵ１２８への出力データ（即ち制御情報）を取得し、評価指標を生成し、評価結果データ２１８としてメモリ１４２に記憶する。自動運転ＥＣＵ１２６の出力データは、車両１０２の走行状態、車両１０２の周辺状況に依存する。また、ダウンロードデータ２１２（即ち運転支援情報等）が受信されている場合には、自動運転ＥＣＵ１２６はダウンロードデータ２１２をも用いて出力データを生成し得るので、自動運転ＥＣＵ１２６の出力データはダウンロードデータ２１２にも依存する。ダウンロードデータ２１２を使用しない場合の自動運転ＥＣＵ１２６の出力データをＹ１とし、ダウンロードデータ２１２を使用する場合の出力データをＹ２とすると、所定の関数（具体的にはアルゴリズム）ｆを用いて、Ｙ１＝ｆ（Ｘ１）、Ｙ２＝ｆ（Ｘ１，Ｘ２）と表せる。Ｘ１は走行状態データおよび周辺状況データのセットを表し、Ｘ２はダウンロードデータ２１２を表す。例えば、Ｘ２として死角情報（例えば、車両１０２のセンサ１２４によっては取得できない動的物体の情報）を取得できれば、自動運転ＥＣＵ１２６がその死角情報を用いるか否かにより、自動運転ＥＣＵ１２６の出力データ（例えば駆動ＥＣＵ１２８の制御情報）が変わる。なお、自動運転ＥＣＵ１２６の出力データは通常複数のパラメータ（即ち、加速度（減速度）、速度および走行方向等のパラメータ）により構成され、Ｙ１およびＹ２の各々はベクトルとして扱われる。

　評価部２０２は、Ｙ１およびＹ２から、自動運転ＥＣＵ１２６の出力データの評価指標を生成する。自動運転ＥＣＵ１２６の出力データにより駆動ＥＣＵ１２８が制御されるので、この評価指標は、自車両の走行を評価するものである。ダウンロードデータ２１２を使用しない場合の評価指標をＺ１とし、ダウンロードデータ２１２を使用する場合の評価指標をＺ２とすると、所定の関数（具体的にはモデル）ｇを用いて、Ｚ１＝ｇ（Ｙ１）、Ｚ２＝ｇ（Ｙ２）と表せる。評価指標は、例えば、安全性、快適性および交通効率等のいずれか１つ、または、それらの任意の組合せである。安全性は、例えば、自動運転ＥＣＵ１２６の時系列の出力データから特定される急停止および急減速等の回数により表される（即ち数値化される）。快適性は、例えば、車両の乗り心地であり、自動運転ＥＣＵ１２６の時系列の出力データから特定される自車両の振動（即ち振幅および周波数）等により数値化される。交通効率は、例えば、リンク旅行時間（例えば、所定距離の走行時間）であり、例えば、時系列の走行状態データ２１４から算出できる。

　判定部２０４は、制御部１４０の制御を受けて、評価結果データ２１８から評価指標Ｚ１およびＺ２を読出し、Ｚ１およびＺ２に有意な差があるか否かを判定する。具体的には、ダウンロードデータ２１２が有効に利用される程、評価指標が大きくなるように関数ｇが設定されている場合、判定部２０４は、Ｚ１およびＺ２の差分ΔＺ（即ち、ΔＺ＝Ｚ２－Ｚ１）を算出し、差分ΔＺが所定のしきい値Ｔｈより大きいか否かを判定する。ダウンロードデータ２１２が有効に利用される程、評価指標が小さくなるように関数ｇが設定されている場合、判定部２０４は、ΔＺ＝Ｚ１－Ｚ２により差分ΔＺを算出する。いずれの場合にも、ダウンロードデータ２１２を使用しなかった場合の評価指標Ｚ１に対する差分（評価指標Ｚ１を基準とした差分（≧０））である。ΔＺ＞Ｔｈであれば、Ｚ２に対応するデータを、走行状態データ２１４および周辺状況データ２１６から読出し、学習結果データ２２０としてメモリ１４２に記憶する。ダウンロードデータ２１２を使用した場合の評価指標が、ダウンロードデータ２１２を使用しなかった場合の評価指標から、Ｔｈよりも大きく離隔していれば、ダウンロードデータ２１２が自動運転ＥＣＵ１２６により有効に利用されたと言える。したがって、その後、同様の状態が検出された場合、サーバ１０６から受信対象データをダウンロードすればよい。一方、ダウンロードデータ２１２を使用した場合の評価指標が、ダウンロードデータ２１２を使用しなかった場合の評価指標から、Ｔｈ以下しか離隔していなければ、ダウンロードデータ２１２は自動運転ＥＣＵ１２６により有効に利用されたとは言えない。即ち、そのような状態において行われるダウンロードは無駄であると言える。

　所定期間（以下、学習期間という）において、制御部１４０は通信部１２０を制御して、繰返し（例えば周期的に）受信対象データをダウンロードする。制御部１４０からサーバ１０６に所定の要求（以下、ダウンロード要求という）を送信することによりダウンロードが実行される。周辺状況検出部２００、評価部２０２および判定部２０４は各々、所定のタイミングにおいて処理を実行する。これにより、学習結果データ２２０が蓄積される。学習期間が経過した後、制御部１４０は、最新の走行状態データ２１４および周辺状況データ２１６を読出し、読出したデータが受信条件を満たすか否か、即ち、読出したデータが学習結果データ２２０に該当するか否かを判定する。受信条件を満たせば、制御部１４０は通信部１２０を制御して、サーバ１０６にダウンロード要求を送信し、受信対象データをダウンロードする。受信条件を満さなければ、制御部１４０はダウンロードを行わない。したがって、車内外連携部１２２は、受信対象データ（即ち、運転支援情報等のサーバ１０６により提供されるコネクティッドサービスのデータ）が有効に利用される可能性が高いときにダウンロードを実行し、それ以外の場合にはダウンロードを行わない。即ち、コネクティッドサービスの品質を低下させることなく、車載装置１００がサーバ１０６（即ち路側装置等）から提供されるサービスのデータをダウンロードする頻度を適切に低減でき、無駄なダウンロードを抑制できる。

　上記したように、評価指標は、快適性、交通効率および安全性の少なくとも１つを含んでいればよい。これにより、ダウンロードされたデータが有効に利用されたか否かを適切に判定できる。

　［車内外連携部の動作（ダウンロード）］
　図７および図８を参照して、ダウンロードに関する車内外連携部１２２の動作について、図６に示した機能を参照しつつ説明する。図７に示した処理は、制御部１４０が、所定のプログラムをメモリ１４２から読出して実行することにより実現される。図７に示した処理は、例えば、車載装置１００の電源がオンされたことを受けて開始する。学習期間Ｔ、学習期間におけるダウンロードの周期ΔＴ１、学習の周期ΔＴ２（例えばΔＴ２＞ΔＴ１）、しきい値Ｔｈ等は予めメモリ１４２に記憶されているとする。メモリ１４２において、センサデータ２１０およびダウンロードデータ２１２は周期的に、タイムスタンプが付加されて記憶されるとする。また、周辺状況検出部２００および評価部２０２はそれぞれ、周期的に上記した処理を実行し、タイムスタンプを付加して周辺状況データ２１６および評価結果データ２１８を記憶するとする。通常、センサデータ２１０、ダウンロードデータ２１２、周辺状況データ２１６および評価結果データ２１８の各々は、古いデータから先に削除され、所定量が記憶される。

　ステップ３００において、制御部１４０は、ダウンロードを実行するか否かを判定する。具体的には、制御部１４０は、前回ダウンロードを実行してから周期ΔＴ１が経過したか否かを判定する。経過したと判定された場合、制御はステップ３０２に移行する。そうでなければ、制御はステップ３０４に移行する。なお、最初にステップ３００が実行される場合には、ダウンロードを実行すると判定される。制御部１４０は現在時刻を、例えば車載装置１００に搭載されたタイマから取得すればよい。

　ステップ３０２において、制御部１４０は、通信部１２０を制御し、サーバ１０６から受信対象データをダウンロードする。具体的には、制御部１４０は、サーバ１０６にダウンロード要求を送信する。その後、制御はステップ３０４に移行する。ダウンロード要求を受信したサーバ１０６は、パケットデータの送信元アドレスを特定することにより、ダウンロード要求を送信した車両１０２（具体的には車載装置１００）を特定し、受信対象データを送信する。

　ステップ３０４において、制御部１４０は、学習を行うか否かを判定する。具体的には、制御部１４０は、前回学習を実行してから周期ΔＴ２が経過したか否かを判定する。経過したと判定された場合、制御はステップ３０６に移行する。そうでなければ、制御はステップ３１８に移行する。なお、最初にステップ３０４が実行される場合、学習を行うと判定される。

　ステップ３０６において、制御部１４０は、ダウンロード条件（即ち受信条件）の学習を実行する。具体的には、制御部１４０は図８に示す処理を実行する。

　図８を参照して、ステップ３３０において、制御部１４０は、メモリ１４２に記憶されている評価結果データ２１８を読出し、上記したように、受信対象データをダウンロードしたときの評価指標Ｚ２およびダウンロードしなかったときの評価指標Ｚ１の差分ΔＺ（≧０）を算出する。処理対象とするのは、それまで処理対象とされなかった評価指標Ｚ２である。差分の算出に用いる評価指標Ｚ２およびＺ１は、例えば、相互に最も近接する時刻情報が付されたものを用いる。評価指標Ｚ２の数が評価指標Ｚ１の数よりも少なければ、時系列に並べた場合に隣接する２つの評価指標Ｚ２の間に位置する評価指標Ｚ１の代表値（例えば平均値）と、隣接する２つの評価指標Ｚ２の一方とを、差分ΔＺの算出に用いればよい。制御部１４０は、算出した差分ΔＺに時刻情報を付してメモリ１４２に記憶する。この時刻情報には、例えば、差分の算出に用いた評価指標Ｚ２に付された時刻情報を使用すればよい。その後、制御はステップ３３２に移行する。

　ステップ３３２において、制御部１４０は、ステップ３３０により算出された差分ΔＺが、しきい値Ｔｈよりも大きいか否かを判定する。ΔＺ＞Ｔｈであれば、制御はステップ３３４に移行する。そうでなければ、制御はステップ３３６に移行する。

　ステップ３３４において、制御部１４０は、ステップ３３２によりΔＺ＞Ｔｈと判定された評価指標Ｚ２（即ちダウンロード時の評価指標）の算出に用いた走行状態データおよび周辺状況データを特定し、学習結果データ２２０として記憶する。走行状態データおよび周辺状況データの特定には、それらに付された時刻情報を、該当する評価指標Ｚ２に付された時刻情報と比較すればよい。制御部１４０は、評価指標Ｚ２に付された時刻情報と同時刻、または所定範囲内において近い時刻情報が付された走行状態データおよび周辺状況データを特定する。

　ステップ３３６において、制御部１４０は、前回実行されたステップ３３０により算出された差分ΔＺの全てに関して、ステップ３３２が実行されたか否かを判定する。全て実行されたと判定された場合、制御は図７のステップ３０８に移行する。そうでなければ、制御はステップ３３２に戻る。

　図７に戻り、ステップ３０８において、制御部１４０は、学習が完了したか否かを判定する。具体的には、制御部１４０は学習期間Ｔが経過したか否かを判定する。学習を完了したと判定された場合、制御はステップ３１０に移行する。そうでなければ、制御はステップ３１８に移行する。

　ステップ３１０において、制御部１４０は、メモリ１４２から最新の走行状態データ２１４および周辺状況データ２１６を読出し、ダウンロード条件（即ち受信条件）を満たすか否かを判定する。具体的には、制御部１４０は、読出した走行状態データ２１４および周辺状況データ２１６のセットと同じ値、または、所定範囲内の近い値のセットが学習結果データ２２０に記憶されているか否かを判定する。記憶されていると判定された場合、制御はステップ３１２に移行する。そうでなければ、制御はステップ３１４に移行する。

　ステップ３１２において、制御部１４０は、ステップ３０２と同様に、ダウンロードを実行する。即ち、制御部１４０は、サーバ１０６にダウンロード要求を送信し、サーバ１０６から送信される受信対象データを受信する。その後、制御はステップ３１６に移行する。

　ステップ３１０による判定結果がＮＯであれば、ステップ３１４において、制御部１４０は、終了の指示を受けたか否かを判定する。終了の指示を受けたと判定された場合、本プログラムは終了する。そうでなければ、制御はステップ３１０に戻る。終了の指示は、例えば、車載装置１００の電源がオフされることにより成される。

　ステップ３１６において、制御部１４０は、現在の学習結果が有効であるか否かを判定する。具体的には、制御部１４０は、メモリ１４２から、直前に実行されたステップ３１２によりダウンロードされた受信対象データが自動運転ＥＣＵ１２６により利用された結果の評価指標Ｚ２（即ち、最新の評価結果データ２１８）を読出し、上記と同様に差分ΔＺを算出し、しきい値Ｔｈと比較する。差分を算出するときの基準となる評価指標Ｚ１には、学習期間における評価指標Ｚ１の代表値（例えば平均値、中央値等）を用いてもよい。ΔＺ＞Ｔｈであれば、現在の学習結果（即ち、メモリ１４２に記憶されている学習結果データ２２０）は有効であると判定され、制御はステップ３１０に戻る。そうでなければ、制御部１４０はメモリ１４２に記憶されている学習結果データ２２０を削除し、制御はステップ３１８に移行する。

　ステップ３１８において、制御部１４０は、ステップ３１４と同様に、終了の指示を受けたか否かを判定する。終了の指示を受けたと判定された場合、本プログラムは終了する。そうでなければ、制御はステップ３００に戻る。

　以上により、ステップ３００からステップ３０８の処理が繰返されることにより、学習が完了（学習期間が経過）するまで、周期的なダウンロードおよびダウンロード条件（受信条件）の学習が実行される。なお、上記においては、ダウンロードおよび学習が周期的に実行されるとしたが、これに限定されない。繰返し実行されるダウンロードの頻度が、繰返し実行される学習の頻度よりも大きければよい。学習が完了した後は、ステップ３１０からステップ３１６の処理が繰返されることにより、学習結果を用いてダウンロードを実行するか否かが判定され、ダウンロード条件が満たされるときだけ、ダウンロードが実行される。したがって、コネクティッドサービスの品質を低下させることなく、車載装置１００がサーバ１０６（即ち路側装置等）から提供されるサービスのデータをダウンロードする頻度を適切に低減でき、無駄なダウンロードを抑制できる。

　また、メモリ１４２に記憶されている学習結果データ２２０が有効でなくなれば（即ち、評価指標Ｚ２と評価指標Ｚ１とに有意差がなくなれば（具体的には、ステップ３１６の判定結果がＮＯ））、再学習が実行される。即ち、制御はステップ３００に戻り、周期的なダウンロードおよびダウンロード条件（即ち受信条件）の学習が再度実行される。これにより、学習結果が有効でなくなれば、速やかに再学習を実行し、適切な受信条件を再度決定できる。

　上記においては、学習結果が有効か否かを判定し、有効でなくなれば再学習を実行する場合を説明したが、これに限定されない。学習結果の有効性を判定することなく、意図的に再学習を実行してもよい。例えば、自動運転ＥＣＵ１２６が更新された場合には、同じ走行状態および周辺状況であっても、自動運転ＥＣＵ１２６の出力データが変わり得る。したがって、そのような場合にも、更新前に使用していた学習結果を使用せず、速やかに再学習を実行することが好ましい。これにより、適切な受信条件を速やかに再度決定できる。なお、自動運転ＥＣＵ１２６の更新には、自動運転ＥＣＵ１２６のプログラムの更新（即ちアップデート）に限らず、新しい種類のハードウェアに交換された場合も含まれる。

　［アップロードに関する機能的構成］
　図９を参照して、アップロードに関する車内外連携部１２２およびサーバ１０６の機能について説明する。車内外連携部１２２は、図６に示したように構成されている。図９においては、車内外連携部１２２に関して、図６と同じ構成を示し、そのうちアップロード時に利用されない構成（即ち、評価部２０２およびダウンロードデータ２１２）は破線により示している。ダウンロードに関して、受信対象データ（即ちダウンロードデータ）が有効に利用された程度を表す評価指標を導入したように、アップロードに関しては、送信対象データ（即ちアップロードデータ）が有効に利用された程度を表す評価指標を用いる。後述するように、アップロードに関する評価指標を算出する主体はサーバ１０６であるので、図９のサーバ１０６には、そのために必要な構成を示している。なお、メモリ１４２に記憶される「評価結果データ」は、図６に示した評価結果データ２１８とは異なり、サーバ１０６から取得されたものであるので、図６とは異なる符号「２３２」を付して示している。以下においては、ダウンロード時と同じ機能に関しては重複説明を繰返さず、主として異なる点に関して説明する。

　メモリ１４２には、図６に示した各データに加えて、アップロードデータ２３０が記憶されている。アップロードデータ２３０は、アップロードされる送信対象データであり、例えば、センサデータ２１０（即ち、センサ１２４の出力データ）のうち、サーバ１０６により有効に利用され得るデータ（例えば、動画像データ）である。送信対象データには、それが取得された位置情報等が付されて送信される。例えば、車載カメラ等により取得された動画像データが送信対象データとしてアップロードされる場合、動画像データが取得（即ち撮像）された位置および撮像方向を表す情報が付加されることにより、サーバ１０６は、アップロードされたデータを解析した結果を、サービスデータの生成等に有効利用し得る。評価結果データ２３２は、後述するように、サーバ１０６の評価部２４４により算出され、通信部１２０により受信されたものである。

　サーバ１０６は、車内外連携部１２２からのアップロードに対応するためにサービス実行部２４０、周辺状況検出部２４２および評価部２４４を含む。サービス実行部２４０は、サーバ１０６が提供するコネクティッドサービス（例えば、運転支援情報の提供、遠隔監視および遠隔制御等）を実行する機能を有している。サービス実行部２４０は、インフラセンサ１１４から通信部１６４（図４参照）を介して受信したセンサデータを用いて、サービスデータを生成し、車載装置１００等に提供する。サーバ１０６がアップロードデータを受信した場合、受信されたアップロードデータをも用いてサービスデータを生成する。

　周辺状況検出部２４２は、インフラセンサ１１４から受信したセンサデータから、受信した送信対象データに対応する車両（即ち車両１０２）の周辺状況を検出し、検出結果を評価部２４４に出力する。検出結果は、メモリ１６２（図４参照）に記憶される。各車両からサーバ１０６には、自車両の走行状態（例えば、位置および速度等）を表すデータが、繰返し（例えば周期的に）送信され、メモリ１６２に記憶される。なお、送信元アドレス（例えばＩＰアドレス）が変更され得る場合には、車両（具体的には車載装置）を特定する情報（例えばＩＤ）を付して送信すればよい。周辺状況検出部２４２は、データの送信元アドレスおよびタイムスタンプを用いて、車両の位置とアップロードされた送信対象データとを対応させることができ、車両の位置を参照し、その車両の周辺状況をセンサデータから検出できる。上記したように、周辺状況データは、交通事故、交通渋滞および死角（例えば見通せない交差点等）の存在等を表すデータである。

　評価部２４４は、評価部２０２に関して上記したのと同様に、評価指標を生成する。評価部２０２と異なり、評価部２４４は、サービス実行部２４０の出力データ（即ちサービスデータ）を評価した評価指標を生成する。サービス実行部２４０の出力データ（即ち運転支援情報等）は、周辺状況検出部２４２により検出された車両１０２の周辺状況およびアップロードされた送信対象データに依存すると考えられる。例えば、インフラセンサ１１４から取得したセンサデータから周辺状況検出部２４２が、車両１０２の周辺における交通事故を検出した場合、車両１０２からアップロードされた送信対象データ（例えば動画像データ等）を用いて、サービス実行部２４０はより有効な運転支援情報を生成できる。アップロードデータ２３０を使用しない場合のサービス実行部２４０の出力データをＹ１とし、アップロードデータ２３０を使用する場合の出力データをＹ２とすると、所定の関数（具体的にはアルゴリズム）ｆを用いて、Ｙ１＝ｆ（Ｘ１）、Ｙ２＝ｆ（Ｘ１，Ｘ２）と表せる。Ｘ１は走行状態データおよび周辺状況データのセットを表し、Ｘ２はアップロードデータ２３０を表す。周辺状況検出部２４２は、Ｙ１およびＹ２からそれぞれの評価指標を生成する。アップロードデータ２３０を使用しない場合の評価指標をＺ１、アップロードデータ２３０を使用する場合の評価指標をＺ２とすると、所定の関数（具体的にはモデル）ｇを用いて、Ｚ１＝ｇ（Ｙ１）、Ｚ２＝ｇ（Ｙ２）と表せる。評価指標は、例えば、交通事故等の検出率（即ち検出漏れ度合）である。

　車内外連携部１２２の判定部２０４は、制御部１４０の制御を受けて、評価結果データ２３２から評価指標Ｚ１およびＺ２を読出し、Ｚ１およびＺ２に有意な差があるか否かを判定する。具体的には、アップロードデータ２３０が有効に利用される程、評価指標が大きくなるように関数ｇが設定されている場合、判定部２０４は、Ｚ１およびＺ２の差分ΔＺ（ΔＺ＝Ｚ２－Ｚ１）を算出し、差分ΔＺが所定のしきい値Ｔｈより大きいか否かを判定する。アップロードデータ２３０が有効に利用される程、評価指標が小さくなるように関数ｇが設定されている場合、判定部２０４は、ΔＺ＝Ｚ１－Ｚ２により差分ΔＺを算出する。いずれの場合にも、アップロードデータ２３０を使用しなかった場合の評価指標Ｚ１に対する差分（即ち、評価指標Ｚ１を基準とした差分（≧０））である。ΔＺ＞Ｔｈであれば、Ｚ２に対応するデータを、走行状態データ２１４および周辺状況データ２１６から読出し、学習結果データ２２０としてメモリ１４２に記憶する。走行状態データ２１４および周辺状況データ２１６から、Ｚ２に対応するデータを特定するには、タイムスタンプを使用すればよい。

　後述するように、サーバ１０６は複数の車載装置からアップロードされるデータを受信し、評価指標を繰返し（例えば周期的に）生成してブロードキャストにより送信する。したがって、サーバ１０６および車内外連携部１２２の時計が同じ時刻を指すように調整されているとして、車内外連携部１２２がサーバ１０６から受信する評価指標のうち、車内外連携部１２２からアップロードした時刻後であって、その時刻に近いタイムスタンプが付された評価指標を、評価指標Ｚ２として特定できる。それ以外の評価指標は、評価指標Ｚ１とすればよい。

　なお、上記したように、評価結果データ２３２は、車内外連携部１２２がサーバ１０６から受信した評価指標であり、サーバ１０６の周辺状況検出部２４２により検出されたものが考慮されている。それに対して、周辺状況データ２１６は、周辺状況検出部２００により検出されたものである。周辺状況検出部２００の検出結果は、周辺状況検出部２４２による検出結果と必ずしも同じではないが、周辺状況検出部２００および周辺状況検出部２４２はいずれも車両１０２の周辺状況であるので、類似していることを期待できる。したがって、評価指標Ｚ２に対応するデータとして、周辺状況検出部２００の検出結果である周辺状況データ２１６を用いることができる。

　アップロードデータ２３０を使用した場合の評価指標が、アップロードデータ２３０を使用しなかった場合の評価指標から、Ｔｈよりも大きく離隔していれば、アップロードデータ２３０がサーバ１０６（具体的にはサービス実行部２４０）により有効に利用されたと言える。したがって、その後、同様の状態が検出された場合、サーバ１０６に送信対象データをアップロードすればよい。一方、アップロードデータ２３０を使用した場合の評価指標が、アップロードデータ２３０を使用しなかった場合の評価指標から、Ｔｈ以下しか離隔していなければ、アップロードデータ２３０はサーバ１０６により有効に利用されたとは言えない。即ち、そのような状態において行われるアップロードは無駄であると言える。

　所定の学習期間において、制御部１４０は通信部１２０を制御して、繰返し（例えば周期的に）送信対象データをアップロードする。周辺状況検出部２００および判定部２０４は各々、所定のタイミングにおいて処理を実行する。また、サーバ１０６から送信される評価指標は、通信部１２０により受信され、メモリ１４２に評価結果データ２３２として記憶される。これにより、学習結果データ２２０が蓄積される。学習期間が経過した後、制御部１４０は、最新の走行状態データ２１４および周辺状況データ２１６を読出し、読出したデータが送信条件を満たすか否か、即ち、読出したデータが学習結果データ２２０に該当するか否かを判定する。送信条件を満たせば、制御部１４０は通信部１２０を制御して、サーバ１０６に送信対象データをアップロードする。送信条件を満さなければ、制御部１４０はアップロードを行わない。したがって、車内外連携部１２２は、送信対象データ（即ち、センサデータ等のサーバ１０６により提供されるコネクティッドサービスに利用され得るデータ）が有効に利用される可能性が高いときにアップロードを実行し、それ以外の場合にはアップロードを行わない。即ち、コネクティッドサービスの品質を低下させることなく、車載装置１００がサーバ１０６（即ち路側装置等）にデータをアップロードする頻度を適切に低減でき、無駄なアップロードを抑制できる。

　上記したように、通信部１２０は、車両１０２の走行状態を表す走行状態データをサーバ１０６に送信し、評価指標は、サーバ１０６（具体的には評価部２４４）により走行状態および車両の周辺状況が考慮されて生成される。学習部１４６は、周辺状況を表す周辺状況データを生成する周辺状況検出部２００と、学習期間において、送信対象データを送信したときの評価指標Ｚ２と、送信対象データを送信しなかったときの評価指標Ｚ１とを比較することにより、サーバ１０６により受信対象データが有効に利用されたか否かを判定する判定部２０４とを含む。判定部２０４は、送信対象データが有効に利用されたと判定したことを受けて、当該送信対象データを送信したときの走行状態データおよび周辺状況データを、送信条件として特定する。これにより、サーバ１０６は、評価指標を適切に生成でき、車載装置１００は、サーバ１０６にデータをアップロードする送信条件を適切に決定できる。

　［車内外連携部の動作（アップロード）］
　図１０および図１１を参照して、アップロードに関する車内外連携部１２２の動作について、図９に示した機能を参照しつつ説明する。図１０に示した処理は、制御部１４０が、所定のプログラムをメモリ１４２から読出して実行することにより実現される。図１０に示した処理は、例えば、車載装置１００の電源がオンされたことを受けて開始する。学習期間Ｔ、学習期間におけるアップロードの周期ΔＴ１、学習の周期ΔＴ２（例えばΔＴ２＞ΔＴ１）、しきい値Ｔｈ等は予めメモリ１４２に記憶されているとする。制御部１４０は、本プログラムと並行して、サーバ１０６から送信される評価指標を受信すると、タイムスタンプを付して評価結果データ２３２に記憶するプログラムを実行する。メモリ１４２において、センサデータ２１０およびアップロードデータ２３０は周期的に、タイムスタンプが付されて記憶されるとする。また、周辺状況検出部２００は周期的に、上記した処理を実行し、タイムスタンプを付して周辺状況データ２１６を記憶するとする。

　ステップ４００において、制御部１４０は、アップロードを実行するか否かを判定する。具体的には、制御部１４０は、前回アップロードを実行してから周期ΔＴ１が経過したか否かを判定する。経過したと判定された場合、制御はステップ４０２に移行する。そうでなければ、制御はステップ４０４に移行する。なお、最初にステップ４００が実行される場合には、アップロードを実行すると判定される。制御部１４０は現在時刻を、例えば車載装置１００に搭載されたタイマから取得すればよい。

　ステップ４０２において、制御部１４０は、通信部１２０を制御し、送信対象データ（即ちアップロードデータ２３０）をサーバ１０６にアップロードする。その後制御は、ステップ４０４に移行する。

　ステップ４０４において、制御部１４０は、学習を行うか否かを判定する。具体的には、制御部１４０は、前回学習を実行してから周期ΔＴ２が経過したか否かを判定する。経過したと判定された場合、制御はステップ４０６に移行する。そうでなければ、制御はステップ４１８に移行する。なお、最初にステップ４０４が実行される場合、学習を行うと判定される。

　ステップ４０６において、制御部１４０は、アップロード条件（即ち送信条件）の学習を実行する。具体的には、制御部１４０は図１１に示す処理を実行する。

　図１１を参照して、ステップ４３０において、制御部１４０は、メモリ１４２に記憶されている評価結果データ２３２を読出し、上記したように、送信対象データをアップロードしたときの評価指標Ｚ２およびアップロードしなかったときの評価指標Ｚ１の差分ΔＺ（≧０）を算出する。処理対象とするのは、それまで処理対象とされなかった評価指標Ｚ２である。差分の算出に用いる評価指標Ｚ２およびＺ１は、例えば、相互に最も近接する時刻が付されたものを用いる。評価指標Ｚ２の数が評価指標Ｚ１の数よりも少なければ、時系列に並べた場合に隣接する２つの評価指標Ｚ２の間に位置する評価指標Ｚ１の代表値（例えば平均値）と、隣接する２つの評価指標Ｚ２の一方とを、差分ΔＺの算出に用いればよい。制御部１４０は、算出した差分ΔＺに時刻情報を付してメモリ１４２に記憶する。この時刻情報には、例えば、差分の算出に用いた評価指標Ｚ２に付されたものを使用すればよい。その後、制御はステップ４３２に移行する。

　ステップ４３２において、制御部１４０は、ステップ４３０により算出された差分ΔＺが、しきい値Ｔｈよりも大きいか否かを判定する。ΔＺ＞Ｔｈであれば、制御はステップ４３４に移行する。そうでなければ、制御はステップ４３６に移行する。

　ステップ４３４において、制御部１４０は、ステップ４３２によりΔＺ＞Ｔｈと判定された評価指標Ｚ２（即ちアップロード時の評価指標）に対応する走行状態データおよび周辺状況データを特定し、学習結果データ２２０として記憶する。走行状態データおよび周辺状況データの特定には、それらに付された時刻情報を、該当する評価指標Ｚ２に付された時刻情報と比較すればよい。評価指標Ｚ２に付された時刻情報と同時刻、または所定範囲内において近い時刻情報が付された走行状態データおよび周辺状況データを特定する。

　ステップ４３６において、制御部１４０は、前回実行されたステップ４３０により算出された差分ΔＺの全てに関して、ステップ４３２が実行されたか否かを判定する。全て実行されたと判定された場合、制御は図１０のステップ４０８に移行する。そうでなければ、制御はステップ４３２に戻る。

　図１０に戻り、ステップ４０８において、制御部１４０は、学習が完了したか否かを判定する。具体的には、制御部１４０は学習期間Ｔが経過したか否かを判定する。学習を完了したと判定された場合、制御はステップ４１０に移行する。そうでなければ、制御はステップ４１８に移行する。

　ステップ４１０において、制御部１４０は、メモリ１４２から最新の走行状態データ２１４および周辺状況データ２１６を読出し、アップロード条件（即ち送信条件）を満たすか否かを判定する。具体的には、制御部１４０は、読出した走行状態データ２１４および周辺状況データ２１６のセットと同じ値、または、所定範囲内の近い値のセットが学習結果データ２２０に記憶されているか否かを判定する。記憶されていると判定された場合、制御はステップ４１２に移行する。そうでなければ、制御はステップ４１４に移行する。

　ステップ４１２において、制御部１４０は、ステップ４０２と同様に、アップロードを実行する。その後、制御はステップ４１６に移行する。

　ステップ４１０による判定結果がＮＯであれば、ステップ４１４において、制御部１４０は、終了の指示を受けたか否かを判定する。終了の指示を受けたと判定された場合、本プログラムは終了する。そうでなければ、制御はステップ４１０に戻る。終了の指示は、例えば、車載装置１００がオフされることにより成される。

　ステップ４１６において、制御部１４０は、現在の学習結果が有効であるか否かを判定する。具体的には、制御部１４０は、メモリ１４２から、直前に実行されたステップ４１２によりアップロードされた送信対象データがサーバ１０６により利用された結果の評価指標Ｚ２（即ち最新の評価結果データ２３２）を読出し、上記と同様に差分ΔＺを算出し、しきい値Ｔｈと比較する。差分を算出するときの基準となる評価指標Ｚ１には、学習期間における評価指標Ｚ１の代表値（例えば、平均値、中央値等）を用いてもよい。ΔＺ＞Ｔｈであれば、現在の学習結果（即ち、メモリ１４２に記憶されている学習結果データ２２０）は有効であると判定され、制御はステップ４１０に戻る。そうでなければ、制御部１４０はメモリ１４２に記憶されている学習結果データ２２０を削除し、制御はステップ４１８に移行する。

　ステップ４１８において、制御部１４０は、ステップ４１４と同様に、終了の指示を受けたか否かを判定する。終了の指示を受けたと判定された場合、本プログラムは終了する。そうでなければ、制御はステップ４００に戻る。

　［サーバの動作（アップロード）］
　図１２を参照して、アップロードに関するサーバ１０６の動作について、図９に示した機能を参照しつつ説明する。図１２に示した処理は、図４に示した制御部１６０が、所定のプログラムをメモリ１６２から読出して実行することにより実現される。図１２に示した処理は、例えば、サービスを提供するためのアプリケーション（具体的にはサービス実行部２４０に対応）が実行されることにより開始される。制御部１６０は、本プログラムと並行して、サービスを提供するアプリケーション、インフラセンサ１１４等から受信したセンサデータを解析して車両の周辺状況を検出するプログラム（周辺状況検出部２４２に対応）等を実行している。

　ステップ５００において、制御部１６０は、車載装置からアップロードされたデータを受信したか否かを判定する。受信したと判定された場合、制御はステップ５０２に移行する。そうでなければ、制御はステップ５０４に移行する。

　ステップ５０２において、制御部１６０は、ステップ５００により受信されたデータを、アプリケーションに渡す。その後、制御はステップ５０４に移行する。アプリケーションは、受信データをサービスデータの生成に利用する。なお、サーバ１０６は、複数の車載装置からアップロードされるデータを受信する。

　ステップ５０４において、制御部１６０は、評価指標を算出するか否かを判定する。例えば、評価指標は周期的に算出される。例えば、制御部１６０は、前回評価指標を算出してから所定の期間（例えば周期ΔＴ３）が経過したか否かを判定する。経過したと判定された場合、制御はステップ５０６に移行する。そうでなければ、制御はステップ５１０に移行する。なお、最初にステップ５０４が実行される場合、評価指標を算出すると判定される。

　ステップ５０６において、制御部１６０は、評価指標を算出する。これは、上記した評価部２４４の機能に対応する。その後、制御はステップ５０８に移行する。

　ステップ５０８において、制御部１６０は、ステップ５０６により算出された評価指標にタイムスタンプを付して、通信部１６４（図４参照）を介してブロードキャストにより送信する。上記したように、車内外連携部１２２は、送信された評価指標を受信し、メモリ１４２に評価結果データ２３２として記憶する。その後、制御はステップ５１０に移行する。

　ステップ５１０において、制御部１６０は、終了の指示を受けたか否かを判定する。終了の指示を受けたと判定された場合、本プログラムは終了する。そうでなければ、制御はステップ５００に戻る。終了の指示は、例えば、管理者によりサーバ１０６の操作部（例えばキーボードおよびマウス等）が操作され、アプリケーションが終了されることにより成される。

　図１０のステップ４００からステップ４０８および図１２のステップ５００からステップ５０８の処理が繰返されることにより、学習が完了（学習期間が経過）するまで、周期的にアップロードおよびアップロード条件（送信条件）の学習が実行される。なお、上記においては、アップロードおよび学習が周期的に実行されるとしたが、これに限定されない。繰返し実行されるアップロードの頻度が、繰返し実行される学習の頻度よりも大きければよい。学習が完了した後は、図１０のステップ４１０からステップ４１６および図１２のステップ５００からステップ５０８の処理が繰返されることにより、学習結果を用いてアップロードを実行するか否かが判定され、アップロード条件が満たされるときだけ、アップロードが実行される。したがって、コネクティッドサービスの品質を低下させることなく、車載装置１００がサーバ１０６（即ち路側装置等）にデータをアップロードする頻度を適切に低減でき、無駄なアップロードを抑制できる。

　また、メモリ１４２に記憶されている学習結果データ２２０（図９参照）が有効でなくなれば（即ち、評価指標Ｚ２と評価指標Ｚ１とに有意差がなくなれば（具体的には、ステップ４１６の判定結果がＮＯ））、再学習が実行される。即ち、制御はステップ４００に戻り、周期的にアップロードおよびアップロード条件（即ち送信条件）の学習が再度実行される。これにより、学習結果が有効でなくなれば、速やかに再学習を実行し、適切な送信条件を再度決定できる。

　上記したように、サーバ１０６は、所定のサービスを実行するサービス実行部２４０と、送信対象データがサービス実行部２４０により利用された程度を表す評価指標を生成する評価部２４４と、評価指標を車載装置１００に送信する通信部１６４（図４参照）とを含む。これにより、判定部２０４は、サーバ１０６にデータをアップロードする送信条件を適切に決定でき、車載装置１００は、サーバ１０６にデータをアップロードする頻度を適切に低減でき、無駄なアップロードを抑制できる。

　上記においては、アップロードに関する学習期間、学習期間におけるアップロードの周期、学習の周期およびしきい値として、それぞれダウンロードに関するものと同じ符号を使用したが、実施の数値は任意である。ダウンロードおよびアップロードに関して、同じ値を用いても異なる値を用いてもよい。また、学習の完了は、学習期間が経過した場合に限らず、所定量の学習結果データが収集できたことを受けて終了してもよい。

　サーバは、アップロードされる送信対象データとその送信元（即ち車載装置）とを対応させて管理してもよい。その場合、評価指標に送信元を特定する情報を付してブロードキャストにより送信すれば、各車載装置は、受信した評価指標が、自己がアップロードしたデータが考慮された評価指標Ｚ２であるのか、それ以外の評価指標Ｚ１であるのかを特定できる。

　システム構成が同じ車両および車載装置であり、その車両が同じ交通環境（例えば、都市部、過疎地域等）において使用される場合、学習結果データは同じまたは類似するものとなる。したがって、学習結果データを共有してもよい。例えば、ある車両において学習した結果（即ち学習結果データ）を、別の車両の車載装置のメモリに記憶し、別の車両において、ダウンロードまたはアップロードの適否を判定してもよい。学習結果が適切でなければ、別の車両の車載装置は再学習を実行すればよい。

　上記においては、ダウンロードされたデータ（即ち受信対象データ）を利用するＥＣＵが自動運転ＥＣＵであり、評価指標が車両の走行状態および車両の周辺状況に依存する場合を説明したが、これに限定されない。ダウンロードされたデータを利用するＥＣＵの機能に応じて、適切な評価指標を採用すればよい。その評価指標を生成する際に考慮される情報を、センサ１２４等により検出して、上記したようにダウンロードされたデータの利用の有無による評価指標の差分を用いて、学習を行えば、ダウンロード条件（即ち受信条件）を決定できる。アップロード条件の学習に関しても同様である。

　［変形例］
　上記においては、アップロード条件を車載装置（具体的には車内外連携部１２２）が学習する場合を説明したが、これに限定されない。サーバが車載装置のアップロード条件を学習し、学習結果を車載装置に送信してもよい。車載装置の車内外連携部は、アップロードに関する学習を行わず、サーバから受信した学習結果を用いて、アップロードの適否を判定する。

　図１３を参照して、変形例に係る車内外連携部１２２およびサーバ１０６の機能について説明する。車内外連携部１２２は、図６に示したように構成されている。図１３においては、車内外連携部１２２に関して、図６と同じ構成を示し、そのうち変形例に係るアップロード時に利用されない構成（即ち、評価部２０２、判定部２０４、ダウンロードデータ２１２および評価結果データ２１８）は破線により示している。評価指標に関して、上記したように、送信対象データ（即ちアップロードデータ）が有効に利用された程度を表す評価指標を用いる。後述するように、アップロードに関する評価指標を算出し、学習を行う主体はサーバ１０６であるので、図１３のサーバ１０６には、そのために必要な構成を示している。なお、メモリ１４２に記憶される「学習結果データ」は、図６に示した学習結果データ２２０とは異なり、サーバ１０６から受信されたものであるので、図６とは異なる符号「２３４」を付して示している。以下においては、車内外連携部１２２が学習する際の車内外連携部１２２およびサーバ１０６の機能と同じ機能に関しては重複説明を繰返さず、主として異なる点に関して説明する。

　メモリ１４２には、図６に示した各データに加えて、図９と同様にアップロードデータ２３０が記憶されている。アップロードデータ２３０は、アップロードされる送信対象データであり、例えば、センサデータ２１０（即ちセンサ１２４の出力データ）のうち、サーバ１０６により有効に利用され得るデータ（例えば、動画像データ）である。

　サーバ１０６は、車内外連携部１２２からのアップロードに対応するためにサービス実行部２４０、周辺状況検出部２４２、評価部２４４および判定部２４６を含む。このうち、サービス実行部２４０、周辺状況検出部２４２および評価部２４４は、図９に示したものと同様に機能する。即ち、サービス実行部２４０は、サーバ１０６が提供するコネクティッドサービス（例えば、運転支援情報の提供、遠隔監視および遠隔制御等）を実行する。周辺状況検出部２４２は、インフラセンサ１１４から受信したセンサデータから、アップロードされた送信対象データに対応する車両（即ち車両１０２）の周辺状況を検出し、検出結果を評価部２４４に出力する。評価部２４４は、サービス実行部２４０の出力データ（即ちサービスデータ）を評価した評価指標を生成する。

　判定部２４６は、評価部２４４から評価指標Ｚ１およびＺ２を取得し、図６に示した車内外連携部１２２の判定部２０４と同様に、Ｚ１およびＺ２に有意な差があるか否かを判定する。判定部２４６は、Ｚ１およびＺ２の差分ΔＺを算出し、差分ΔＺが所定のしきい値Ｔｈより大きいか否かを判定する。ΔＺ＞Ｔｈであれば、メモリ１６２（図４参照）から、Ｚ２に対応する車両の走行状態データおよび周辺状況データを読出し、車両１０２（具体的には車内外連携部１２２）に送信する。メモリ１６２に記憶された走行状態データおよび周辺状況データの中から、Ｚ２に対応するデータを特定するには、タイムスタンプを使用すればよい。

　例えば、図１０に示したように、車内外連携部１２２は繰返し（例えば周期的に）アップロードを行う。サーバ１０６は所定の期間（学習期間）、上記したように繰返し（例えば周期的に）評価指標を算出し、評価指標を用いて学習を行い、学習結果を車内外連携部１２２に送信する。これにより、学習結果データ２３４が蓄積される。学習期間の経過後は、車内外連携部１２２は、学習結果データ２３４を送信条件として、アップロードの適否を判定する。即ち、車内外連携部１２２の制御部１４０は、メモリ１４２から最新の走行状態データ２１４および周辺状況データ２１６を読出し、学習結果データ２３４（即ち送信条件）を満たすか否かを判定する。具体的には、制御部１４０は、読出した走行状態データ２１４および周辺状況データ２１６のセットと同じ値、または、所定範囲内の近い値のセットが学習結果データ２３４に記憶されているか否かを判定する。記憶されていると判定された場合、アップロードを実行する。そうでなければ、アップロードを行わない。このように、送信条件を受信した車載装置１００（具体的には車内外連携部１２２）は、車載装置１００がサーバ１０６（即ち路側装置等）にデータをアップロードする頻度を適切に低減でき、無駄なアップロードを抑制できる。

　変形例においても、学習結果が適切でなくなれば、再度学習を行うことが好ましい。そのためには、図９に示した構成と同様に、評価部２４４から評価指標を車載装置１００に送信し、メモリ１４２（即ち評価結果データ２１８）に記憶すればよい。例えば、車内外連携部１２２の制御部１４０は、学習結果データ２３４（即ち、サーバ１０６による学習結果）を用いてアップロードの適否を判定した後、図１０に示したステップ４１６と同様に、評価結果データ２１８を参照して現在の学習結果が有効であるか否かを判定できる。有効でないと判定された場合、車内外連携部１２２は、現在の学習結果データ２３４を削除し、再学習の要求をサーバ１０６に送信した後、所定の期間（即ち学習期間）繰返し（例えば周期的に）アップロードを実行する。これにより、再学習の要求を受信したサーバ１０６（具体的には判定部２４６）は再度、上記したように再学習を実行し、学習結果を車内外連携部１２２に送信する。これにより、車内外連携部１２２は、学習結果が有効でなくなれば、サーバ１０６に速やかに再学習を実行させ、適切な送信条件を再度決定できる。

　上記においては、受信条件および送信条件を個別に収集（および学習）し、図６、図９および図１３の学習結果データを生成する場合を説明したが、これに限定されない。機械学習により、受信および送信に適した状況であるか否か（以下、受信および送信の適否という）を判定してもよい。例えば、ニューラルネットワークを用いて学習してもよい。その場合、学習データおよびモデル（即ちニューラルネットワーク）を準備する。受信（即ちダウンロード）の適否を判定するモデルは、例えば、図６において、学習結果データ２２０を代替するプログラムとして車内外連携部１２２に含まれる。モデルの入力層への入力データとして、車両の走行状態（例えば、位置および速度等）および車両の周辺状況（例えば、渋滞、事故および死角等）を用い、モデルの出力層の出力データをダウンロードの有無として、これらの学習データを用いてモデルを学習させることが考えられる。ダウンロードの有無の数値化に関しては、ダウンロードする場合“１”、しない場合“０”とすればよい。出力層のニューロンの数は１つであればよい。入力の速度の数値化は、速度値自体（または、その正規化値（即ち、各入力値の大きさを揃えるために、例えば速度自体を定数倍した値））を使用できる。車両の周囲環境の数値化に関して、渋滞に関しては、例えば自車両の周囲（例えば所定面積内）の車両台数を用い、事故に関しては、自車両の周囲（例えば所定面積内）に事故が発生していれば“１”とし、発生していなければ“０”とすればよい。死角に関しては、角度、死角エリアの大きさ（即ち面積）等（または、それらの正規化値）を用いて数値化できる。これらの値は、例えば、自車両のセンサにより得られる動画像データを解析することにより取得できる。学習においては、中間層のシナプスの活性化関数としてシグモイド関数等を用い、上記の学習データ（教師データに対応）を用いて、損失関数が最小になるように、中間層のシナプスの活性化関数を調整すればよい。同様にして、アップロードの場合にも、出力層の出力をアップロードの有無として、学習することが考えられる。アップロードの有無の数値化は、アップロードする場合“１”、しない場合“０”とすればよい。

　上記したように、学習部１４６は、所定の期間、繰返し（例えば周期的に）ダウンロードを実行し、評価指標の差分ΔＺをしきい値Ｔｈと比較して、ダウンロードの適否（“１”または“０”）を決定する。その結果と、対応する車両の走行状態（例えば、位置および速度等）および車両の周辺状況（例えば、渋滞、事故および死角等）とを学習データとして収集すればよい。例えば、制御部１４０は、収集した学習データを用いて、上記したようにモデルを学習させる。学習後のモデルは、車両の走行状態および車両の周辺状況が入力されると、ダウンロードの有無（即ち適否）を表すデータを出力する。したがって、制御部１４０は、最新の車両の走行状態および車両の周辺状況をメモリ１４２から読出し、学習後のモデルに入力し、学習後のモデルの出力値が“１”であればダウンロードを実行し、“０”であればダウンロードを実行しない。これにより、図６および図７に示したようにダウンロード条件（即ち受信条件）を収集して記憶することなく、自動的にダウンロードの適否を判定できる。したがって、車内外連携部１２２は、受信対象データ（即ち、運転支援情報等のサーバ１０６により提供されるコネクティッドサービスのデータ）が有効に利用される可能性が高いときにダウンロードを実行し、それ以外の場合にはダウンロードを行わない。即ち、コネクティッドサービスの品質を低下させることなく、車載装置１００がサーバ１０６（即ち路側装置等）から提供されるサービスのデータをダウンロードする頻度を適切に低減でき、無駄なダウンロードを抑制できる。

　同様に、アップロードに関しては、所定の期間、繰返し（例えば周期的に）アップロードを実行し、評価指標の差分ΔＺをしきい値Ｔｈと比較して、アップロードの適否（“１”または“０”）を決定し、その結果と、対応する車両の走行状態および車両の周辺状況とを学習データとして収集する。収集した学習データを用いて、モデルを学習させる。送信（即ちアップロード）の適否を判定するモデルは、例えば、図９において、学習結果データ２２０を代替するプログラムとして車内外連携部１２２に含まれる。学習後のモデルは、車両の走行状態および車両の周辺状況が入力されると、アップロードの有無（即ち適否）を表すデータを出力する。したがって、制御部１４０は、最新の車両の走行状態および車両の周辺状況をメモリ１４２から読出し、学習後のモデルに入力し、学習後のモデルの出力値が“１”であればアップロードを実行し、“０”であればアップロードを実行しない。これにより、図９および図１０に示したようにアップロード条件（即ち送信条件）を収集して記憶することなく、自動的にアップロードの適否を判定できる。したがって、車内外連携部１２２は、送信対象データ（即ち、センサデータ等のサーバ１０６により提供されるコネクティッドサービスに利用され得るデータ）が有効に利用される可能性が高いときにアップロードを実行し、それ以外の場合にはアップロードを行わない。即ち、コネクティッドサービスの品質を低下させることなく、車載装置１００がサーバ１０６（即ち路側装置等）にデータをアップロードする頻度を適切に低減でき、無駄なアップロードを抑制できる。

　さらに、ダウンロードおよびアップロードに関する学習をまとめて行ってもよい。その場合、モデルの出力は、ダウンロードする、アップロードする、いずれも実行しない、という３種類を表す必要があるので、モデルの出力層には３つのニューロンを用いる。出力層のシナプスの活性化関数としてソフトマックス関数を用い、中間層のシナプスの活性化関数としてシグモイド関数等を用いればよい。学習データを用いて、損失関数が最小になるように、中間層のシナプスの活性化関数を調整すれば、出力層の各シナプスからの出力は、対応する３種類の確率を表すので、その最大値に対応するものを選択すれば、３種類（即ち、ダウンロード、アップロード、いずれも実行しない）のいずれかが決定される。

　なお、変形例（図１３参照）に関しては、サーバ１０６においてモデル（具体的にはプログラム）を準備し、上記したように機械学習を実行した後、車内外連携部１２２が学習後のモデルをサーバ１０６から受信して、学習結果データ２３４の代わりに使用すればよい。また、車内外連携部１２２に、サーバ１０６のモデルと同じ構成のモデルを予め準備しておき、サーバ１０６の学習後のモデルのパラメータ（即ち、活性化関数を特定するパラメータ）をサーバ１０６から受信して、車内外連携部１２２のモデルに適用してもよい。

　教師データを用いずに、所定の期間において強化学習を実行してもよい。また、ニューラルネットワークに限らず、サポートベクトルマシン等の機械学習を行ってもよい。ダウンロード条件を決定する場合、または、アップロード条件を決定する場合には、特徴量（例えば、車両の走行状態および車両の周辺状況）の集合（即ち多次元データ）を、サポートベクトルマシンを用いて２種類（即ちダウンロード（またはアップロード）する、しない）に分類することに帰着される。ダウンロード、アップロード、いずれも実行しない、という３種類のいずれかを決定する場合には、特徴量（例えば、車両の走行状態および車両の周辺状況）の集合（即ち多次元データ）を、サポートベクトルマシンを用いて３つに分類することに帰着される。

　なお、上述の実施形態の各処理（各機能）は、１または複数のプロセッサを含む処理回路（Ｃｉｒｃｕｉｔｒｙ）により実現されてもよい。上記処理回路は、上記１または複数のプロセッサに加え、１または複数のメモリ、各種アナログ回路および各種デジタル回路のいずれかが組み合わされた集積回路等により構成されてもよい。上記１または複数のメモリは、上記各処理を上記１または複数のプロセッサに実行させるプログラム（命令）を格納する。上記１または複数のプロセッサは、上記１または複数のメモリから読出した上記プログラムに従い上記各処理を実行してもよいし、予め上記各処理を実行するように設計された論理回路に従って上記各処理を実行してもよい。上記プロセッサは、ＣＰＵ、ＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｏｒ）、ＦＰＧＡ（Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）等、コンピュータの制御に適合する種々のプロセッサであってよい。

　また、車載装置１００の処理（具体的には、車内外連携部１２２が実行する処理（例えば、図７、図８、図１０及び図１１に示した処理）をコンピュータに実行させるプログラムを記録した記録媒体を提供できる。記録媒体は、例えば光ディスク（ＤＶＤ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｃ）等）、着脱可能な半導体メモリ（ＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）メモリ等）である。コンピュータプログラムは通信回線により伝送され得るが、記録媒体は非一時的な記録媒体を意味する。記録媒体に記憶されたプログラムを車両に搭載されたコンピュータに読込ませることにより、コンピュータは、上記したように、車載装置が、路側装置等の外部装置にデータをアップロードする際に、遅延時間および通信帯域を考慮して、外部装置が提供するサービスにより有効に利用され得るデータを送信することを可能とする。

（付記１）
　即ち、コンピュータ読取り可能な非一時的な記録媒体は、
　車両に搭載されるコンピュータに、
　前記車両の外部に位置する装置である路側装置から受信対象データを受信する通信機能と、
　前記通信機能により受信された前記受信対象データが、前記車両に搭載された機能制御装置により利用された程度を評価することにより、前記受信対象データの受信条件を学習する学習機能とを実現させ、
　前記学習機能は、前記通信機能により前記受信対象データを繰返し受信する学習期間において、前記受信条件を特定する機能を含み、
　前記通信機能は、前記学習機能により前記受信条件が特定された後、前記受信条件が満たされるか否かに応じて前記受信対象データを受信する機能を含む、コンピュータプログラムを記憶している。

（付記２）
　また、コンピュータ読取り可能な非一時的な記録媒体は、
　車両に搭載されるコンピュータに、
　前記車両の外部に位置する装置である路側装置から受信対象データを受信する通信機能と、
　前記通信機能による前記受信対象データの受信の適否を学習する学習機能とを実現させ、
　前記学習機能は、
　　前記車両に搭載された機能制御装置の出力データ、および、前記車両の走行状態を表す走行状態データを取得する取得機能と、
　　前記車両の周辺状況を表す周辺状況データを生成する周辺状況検出機能と、
　　前記通信機能により前記受信対象データを繰返し受信する所定期間において、前記出力データから前記車両の走行を評価する評価指標を生成する評価機能と、
　　前記所定期間において、前記受信対象データを受信したときの前記評価指標と、前記受信対象データを受信しなかったときの前記評価指標とを比較することにより、前記機能制御装置により前記受信対象データが有効に利用されたか否かを判定する判定機能と、
　　前記走行状態データおよび前記周辺状況データを含む入力データに応じて前記受信の適否を表すデータを出力するモデルを、学習データを用いて、機械学習させる機能とを含み、
　前記通信機能は、学習後の前記モデルの出力データに応じて、前記受信対象データを受信する機能を含み、
　前記学習データは、前記所定期間において収集した前記走行状態データおよび前記周辺状況データを前記入力データとして含み、且つ、前記所定期間において収集した前記判定機能による判定結果を前記モデルの前記出力データとして含む、コンピュータプログラムを記憶している。

（付記３）
　また、コンピュータ読取り可能な非一時的な記録媒体は、
　車両に搭載されるコンピュータに、
　前記車両の外部に位置する装置である路側装置に送信対象データを送信し、前記路側装置から、前記送信対象データが前記路側装置により利用された程度を表す評価指標を受信する通信機能と、
　前記評価指標により、前記送信対象データの送信条件を学習する学習機能とを実現させ、
　前記学習機能は、前記通信機能により前記送信対象データを繰返し送信する学習期間において、前記送信条件を特定する機能を含み、
　前記通信機能は、前記学習機能により前記送信条件が特定された後、前記送信条件が満たされるか否かに応じて前記送信対象データを送信する機能を含む、コンピュータプログラムを記憶している。

（付記４）
　また、コンピュータ読取り可能な非一時的な記録媒体は、
　車両に搭載されるコンピュータに、
　前記車両の外部に位置する装置である路側装置に送信対象データを送信し、前記路側装置から、前記路側装置により提供されるサービスを評価した評価指標を受信する通信機能と、
　前記通信機能による前記送信対象データの送信の適否を学習する学習機能とを実現させ、
　前記通信機能は、前記車両の走行状態を表す走行状態データを前記路側装置に送信する機能を含み、
　前記評価指標は、前記路側装置により前記走行状態データおよび前記車両の周辺状況が考慮されて生成され、
　前記学習機能は、
　　前記周辺状況を表す周辺状況データを生成する周辺状況検出機能と、
　　前記通信機能により前記送信対象データを繰返し送信する所定期間において、前記送信対象データを送信したときの前記評価指標と、前記送信対象データを送信しなかったときの前記評価指標とを比較することにより、前記路側装置により前記送信対象データが有効に利用されたか否かを判定する判定機能と、
　　前記走行状態データおよび前記周辺状況データを含む入力データに応じて前記送信の適否を表すデータを出力するモデルを、学習データを用いて機械学習させる機能とを含み、
　前記通信機能は、学習後の前記モデルの出力データに応じて、前記送信対象データを送信する機能をさらに含み、
　前記学習データは、前記所定期間において収集した前記走行状態データおよび前記周辺状況データを前記入力データとして含み、且つ、前記所定期間において収集した前記判定機能による判定結果を前記モデルの前記出力データとして含む、コンピュータプログラムを記憶している。

　以上、実施の形態を説明することにより本開示を説明したが、上記した実施の形態は例示であって、本開示は上記した実施の形態のみに制限されるわけではない。本開示の範囲は、発明の詳細な説明の記載を参酌した上で、請求の範囲の各請求項によって示され、そこに記載された文言と均等の意味および範囲内での全ての変更を含む。

１００、１１０　　車載装置
１０２、１１２　　車両
１０４　　基地局
１０６　　サーバ
１０８　　ネットワーク
１１４　　インフラセンサ
１２０、１６４　　通信部
１２２　　車内外連携部
１２４　　センサ
１２６　　自動運転ＥＣＵ
１２８　　駆動ＥＣＵ
１３０、１６６　　バス
１４０、１６０　　制御部
１４２、１６２　　メモリ
１４４　　Ｉ／Ｆ部
１４６　　学習部
２００、２４２　　周辺状況検出部
２０２、２４４　　評価部
２０４、２４６　　判定部
２１０　　センサデータ
２１２　　ダウンロードデータ
２１４　　走行状態データ
２１６　　周辺状況データ
２１８、２３２　　評価結果データ
２２０、２３４　　学習結果データ
２３０　　アップロードデータ
２４０　　サービス実行部
３００、３０２、３０４、３０６、３０８、３１０、３１２、３１４、３１６、３１８、３３０、３３２、３３４、３３６、４００、４０２、４０４、４０６、４０８、４１０、４１２、４１４、４１６、４１８、４３０、４３２、４３４、４３６、５００、５０２、５０４、５０６、５０８、５１０　　ステップ

Claims

　車両に搭載される車載装置であって、
　前記車両の外部に位置する装置である路側装置から受信対象データを受信する通信部と、
　前記通信部により受信された前記受信対象データが、前記車両に搭載された機能制御装置により利用された程度を評価することにより、前記受信対象データの受信条件を学習する学習部とを含み、
　前記学習部は、前記通信部が前記受信対象データを繰返し受信する学習期間において、前記受信条件を特定し、
　前記通信部は、前記学習部により前記受信条件が特定された後、前記受信条件が満たされるか否かに応じて前記受信対象データを受信する、車載装置。
　前記学習部は、
　　前記機能制御装置の出力データ、および、前記車両の走行状態を表す走行状態データを取得する取得部と、
　　前記車両の周辺状況を表す周辺状況データを生成する周辺状況検出部と、
　　前記出力データから前記車両の走行を評価する第１評価指標を生成する評価部と、
　　前記学習期間において、前記受信対象データを受信したときの前記第１評価指標と、前記受信対象データを受信しなかったときの前記第１評価指標とを比較することにより、前記機能制御装置により前記受信対象データが有効に利用されたか否かを判定する判定部とを含み、
　　前記判定部が、前記受信対象データが有効に利用されたと判定したことを受けて、当該受信対象データを受信したときの前記走行状態データおよび前記周辺状況データを、前記受信条件として特定する、請求項１に記載の車載装置。
　前記第１評価指標は、前記車両の走行に関する快適性、交通効率および安全性の少なくとも１つを含む、請求項２に記載の車載装置。
　前記判定部は、前記学習期間において、前記受信対象データを受信しなかったときの前記第１評価指標に対する、前記受信対象データを受信したときの前記第１評価指標の差分が、０より大きい所定値以上であるか否かを判定することにより、前記機能制御装置により前記受信対象データが有効に利用されたか否かを判定し、
　前記学習部により前記受信条件が特定された後、前記差分が前記所定値よりも小さくなったことを受けて、前記学習部は、前記通信部に前記受信対象データを繰返し受信させ、前記受信条件を特定する処理を再度実行する、請求項２または請求項３に記載の車載装置。
　前記機能制御装置が更新されたことを受けて、前記学習部は、前記通信部に前記受信対象データを繰返し受信させ、前記受信条件を特定する処理を再度実行する、請求項１から請求項４のいずれか１項に記載の車載装置。
　前記通信部はさらに、
　　前記路側装置に送信対象データを送信し、
　　前記路側装置から、前記路側装置により提供されるサービスを評価した第２評価指標を受信し、
　前記学習部はさらに、
　　前記第２評価指標により前記送信対象データの送信条件を学習し、
　　前記通信部が前記送信対象データを繰返し送信する期間において、前記送信条件を特定し、
　前記通信部は、前記学習部により前記送信条件が特定された後、前記送信条件が満たされるか否かに応じて前記送信対象データを送信する、請求項１から請求項５のいずれか１項に記載の車載装置。
　車両に搭載される車載装置であって、
　前記車両の外部に位置する装置である路側装置から受信対象データを受信する通信部と、
　前記通信部による前記受信対象データの受信の適否を学習する学習部とを含み、
　前記学習部は、
　　前記車両に搭載された機能制御装置の出力データ、および、前記車両の走行状態を表す走行状態データを取得する取得部と、
　　前記車両の周辺状況を表す周辺状況データを生成する周辺状況検出部と、
　　前記通信部が前記受信対象データを繰返し受信する所定期間において、前記出力データから前記車両の走行を評価する評価指標を生成する評価部と、
　　前記所定期間において、前記受信対象データを受信したときの前記評価指標と、前記受信対象データを受信しなかったときの前記評価指標とを比較することにより、前記機能制御装置により前記受信対象データが有効に利用されたか否かを判定する判定部と、
　　前記走行状態データおよび前記周辺状況データを含む入力データに応じて前記受信の適否を表すデータを出力するモデルと含み、
　前記学習部は、学習データを用いて前記モデルを機械学習させ、
　前記通信部は、学習後の前記モデルの出力データに応じて、前記受信対象データを受信し、
　前記学習データは、前記所定期間において収集した前記走行状態データおよび前記周辺状況データを前記入力データとして含み、且つ、前記所定期間において収集した前記判定部による判定結果を前記モデルの前記出力データとして含む、車載装置。
　車両に搭載される車載装置であって、
　前記車両の外部に位置する装置である路側装置に送信対象データを送信し、前記路側装置から、前記路側装置により提供されるサービスを評価した評価指標を受信する通信部と、
　前記評価指標により、前記送信対象データの送信条件を学習する学習部とを含み、
　前記学習部は、前記通信部が前記送信対象データを繰返し送信する学習期間において、前記送信条件を特定し、
　前記通信部は、前記学習部により前記送信条件が特定された後、前記送信条件が満たされるか否かに応じて前記送信対象データを送信する、車載装置。
　前記通信部はさらに、前記車両の走行状態を表す走行状態データを前記路側装置に送信し、
　前記評価指標は、前記路側装置により前記走行状態データおよび前記車両の周辺状況が考慮されて生成され、
　前記学習部は、
　　前記周辺状況を表す周辺状況データを生成する周辺状況検出部と、
　　前記学習期間において、前記送信対象データを送信したときの前記評価指標と、前記送信対象データを送信しなかったときの前記評価指標とを比較することにより、前記路側装置により前記送信対象データが有効に利用されたか否かを判定する判定部とを含み、
　前記判定部は、前記送信対象データが有効に利用されたと判定したことを受けて、当該送信対象データを送信したときの前記走行状態データおよび前記周辺状況データを、前記送信条件として特定する、請求項８に記載の車載装置。
　前記判定部は、前記学習期間において、前記送信対象データを送信しなかったときの前記評価指標に対する、前記送信対象データを送信したときの前記評価指標の差分が、０より大きい所定値以上であるか否かを判定することにより、前記路側装置により前記送信対象データが有効に利用されたか否かを判定し、
　前記学習部により前記送信条件が特定された後、前記差分が前記所定値よりも小さくなったことを受けて、前記学習部は、前記通信部に前記送信対象データを繰返し送信させ、前記送信条件を特定する処理を再度実行する、請求項９に記載の車載装置。
　車両に搭載される車載装置であって、
　前記車両の外部に位置する装置である路側装置に送信対象データを送信し、前記路側装置から、前記路側装置により提供されるサービスを評価した評価指標を受信する通信部と、
　前記通信部による前記送信対象データの送信の適否を学習する学習部とを含み、
　前記通信部はさらに、前記車両の走行状態を表す走行状態データを前記路側装置に送信し、
　前記評価指標は、前記路側装置により前記走行状態データおよび前記車両の周辺状況が考慮されて生成され、
　前記学習部は、
　　前記周辺状況を表す周辺状況データを生成する周辺状況検出部と、
　　前記通信部が前記送信対象データを繰返し送信する所定期間において、前記送信対象データを送信したときの前記評価指標と、前記送信対象データを送信しなかったときの前記評価指標とを比較することにより、前記路側装置により前記送信対象データが有効に利用されたか否かを判定する判定部と、
　　前記走行状態データおよび前記周辺状況データを含む入力データに応じて前記送信の適否を表すデータを出力するモデルとを含み、
　前記学習部は、学習データを用いて前記モデルを機械学習させ、
　前記通信部は、学習後の前記モデルの出力データに応じて、前記送信対象データを送信し、
　前記学習データは、前記所定期間において収集した前記走行状態データおよび前記周辺状況データを前記入力データとして含み、且つ、前記所定期間において収集した前記判定部による判定結果を前記モデルの前記出力データとして含む、車載装置。
　請求項８から請求項１１のいずれか１項に記載の車載装置と通信し、前記送信対象データを受信する路側装置であって、
　所定のサービスを実行するサービス実行部と、
　前記送信対象データが、前記サービス実行部により利用された程度を表す評価指標を生成する評価部と、
　前記評価指標を前記車載装置に送信する通信部を含む、路側装置。
　車両に搭載された車載装置と通信し、送信対象データを受信する通信部と、
　所定のサービスを実行するサービス実行部と、
　前記通信部により受信された前記送信対象データが、前記サービス実行部により利用された程度を評価することにより、前記車載装置による前記送信対象データの送信条件を学習する学習部とを含み、
　前記学習部は、繰返し送信される前記送信対象データを前記通信部が受信する学習期間において、前記送信条件を特定し、
　前記通信部は、前記学習部により特定された前記送信条件を前記車載装置に送信する、路側装置。
　車両に搭載される車載装置の制御方法であって、
　前記車両の外部に位置する装置である路側装置から受信対象データを受信する通信ステップと、
　前記通信ステップにより受信された前記受信対象データが、前記車両に搭載された機能制御装置により利用された程度を評価することにより、前記受信対象データの受信条件を学習する学習ステップとを含み、
　前記学習ステップは、前記通信ステップにより前記受信対象データを繰返し受信する学習期間において、前記受信条件を特定するステップを含み、
　前記通信ステップは、前記学習ステップにより前記受信条件が特定された後、前記受信条件が満たされるか否かに応じて前記受信対象データを受信するステップを含む、制御方法。
　車両に搭載される車載装置の制御方法であって、
　前記車両の外部に位置する装置である路側装置から受信対象データを受信する通信ステップと、
　前記通信ステップによる前記受信対象データの受信の適否を学習する学習ステップとを含み、
　前記学習ステップは、
　　前記車両に搭載された機能制御装置の出力データ、および、前記車両の走行状態を表す走行状態データを取得する取得ステップと、
　　前記車両の周辺状況を表す周辺状況データを生成する周辺状況検出ステップと、
　　前記通信ステップにより前記受信対象データを繰返し受信する所定期間において、前記出力データから前記車両の走行を評価する評価指標を生成する評価ステップと、
　　前記所定期間において、前記受信対象データを受信したときの前記評価指標と、前記受信対象データを受信しなかったときの前記評価指標とを比較することにより、前記機能制御装置により前記受信対象データが有効に利用されたか否かを判定する判定ステップと、
　　前記走行状態データおよび前記周辺状況データを含む入力データに応じて前記受信の適否を表すデータを出力するモデルを、学習データを用いて機械学習させるステップとを含み、
　前記通信ステップは、学習後の前記モデルの出力データに応じて、前記受信対象データを受信するステップを含み、
　前記学習データは、前記所定期間において収集した前記走行状態データおよび前記周辺状況データを前記入力データとして含み、且つ、前記所定期間において収集した前記判定ステップによる判定結果を前記モデルの前記出力データとして含む、制御方法。
　車両に搭載される車載装置の制御方法であって、
　前記車両の外部に位置する装置である路側装置に送信対象データを送信し、前記路側装置から、前記送信対象データが前記路側装置により利用された程度を表す評価指標を受信する通信ステップと、
　前記評価指標により、前記送信対象データの送信条件を学習する学習ステップとを含み、
　前記学習ステップは、前記通信ステップにより前記送信対象データを繰返し送信する学習期間において、前記送信条件を特定するステップを含み、
　前記通信ステップは、前記学習ステップにより前記送信条件が特定された後、前記送信条件が満たされるか否かに応じて前記送信対象データを送信するステップを含む、制御方法。
　車両に搭載される車載装置の制御方法であって、
　前記車両の外部に位置する装置である路側装置に送信対象データを送信し、前記路側装置から、前記路側装置により提供されるサービスを評価した評価指標を受信する通信ステップと、
　前記通信ステップによる前記送信対象データの送信の適否を学習する学習ステップとを含み、
　前記通信ステップは、前記車両の走行状態を表す走行状態データを前記路側装置に送信するステップを含み、
　前記評価指標は、前記路側装置により前記走行状態データおよび前記車両の周辺状況が考慮されて生成され、
　前記学習ステップは、
　　前記周辺状況を表す周辺状況データを生成する周辺状況検出ステップと、
　　前記通信ステップにより前記送信対象データを繰返し送信する所定期間において、前記送信対象データを送信したときの前記評価指標と、前記送信対象データを送信しなかったときの前記評価指標とを比較することにより、前記路側装置により前記送信対象データが有効に利用されたか否かを判定する判定ステップと、
　　前記走行状態データおよび前記周辺状況データを含む入力データに応じて前記送信の適否を表すデータを出力するモデルを、学習データを用いて機械学習させるステップとを含み、
　前記通信ステップは、学習後の前記モデルの出力データに応じて、前記送信対象データを送信するステップをさらに含み、
　前記学習データは、前記所定期間において収集した前記走行状態データおよび前記周辺状況データを前記入力データとして含み、且つ、前記所定期間において収集した前記判定ステップによる判定結果を前記モデルの前記出力データとして含む、制御方法。
　車両に搭載されるコンピュータに、
　前記車両の外部に位置する装置である路側装置から受信対象データを受信する通信機能と、
　前記通信機能により受信された前記受信対象データが、前記車両に搭載された機能制御装置により利用された程度を評価することにより、前記受信対象データの受信条件を学習する学習機能とを実現させ、
　前記学習機能は、前記通信機能により前記受信対象データを繰返し受信する学習期間において、前記受信条件を特定する機能を含み、
　前記通信機能は、前記学習機能により前記受信条件が特定された後、前記受信条件が満たされるか否かに応じて前記受信対象データを受信する機能を含む、コンピュータプログラム。
　車両に搭載されるコンピュータに、
　前記車両の外部に位置する装置である路側装置から受信対象データを受信する通信機能と、
　前記通信機能による前記受信対象データの受信の適否を学習する学習機能とを実現させ、
　前記学習機能は、
　　前記車両に搭載された機能制御装置の出力データ、および、前記車両の走行状態を表す走行状態データを取得する取得機能と、
　　前記車両の周辺状況を表す周辺状況データを生成する周辺状況検出機能と、
　　前記通信機能により前記受信対象データを繰返し受信する所定期間において、前記出力データから前記車両の走行を評価する評価指標を生成する評価機能と、
　　前記所定期間において、前記受信対象データを受信したときの前記評価指標と、前記受信対象データを受信しなかったときの前記評価指標とを比較することにより、前記機能制御装置により前記受信対象データが有効に利用されたか否かを判定する判定機能と、
　　前記走行状態データおよび前記周辺状況データを含む入力データに応じて前記受信の適否を表すデータを出力するモデルを、学習データを用いて、機械学習させる機能とを含み、
　前記通信機能は、学習後の前記モデルの出力データに応じて、前記受信対象データを受信する機能を含み、
　前記学習データは、前記所定期間において収集した前記走行状態データおよび前記周辺状況データを前記入力データとして含み、且つ、前記所定期間において収集した前記判定機能による判定結果を前記モデルの前記出力データとして含む、コンピュータプログラム。
　車両に搭載されるコンピュータに、
　前記車両の外部に位置する装置である路側装置に送信対象データを送信し、前記路側装置から、前記送信対象データが前記路側装置により利用された程度を表す評価指標を受信する通信機能と、
　前記評価指標により、前記送信対象データの送信条件を学習する学習機能とを実現させ、
　前記学習機能は、前記通信機能により前記送信対象データを繰返し送信する学習期間において、前記送信条件を特定する機能を含み、
　前記通信機能は、前記学習機能により前記送信条件が特定された後、前記送信条件が満たされるか否かに応じて前記送信対象データを送信する機能を含む、コンピュータプログラム。
　車両に搭載されるコンピュータに、
　前記車両の外部に位置する装置である路側装置に送信対象データを送信し、前記路側装置から、前記路側装置により提供されるサービスを評価した評価指標を受信する通信機能と、
　前記通信機能による前記送信対象データの送信の適否を学習する学習機能とを実現させ、
　前記通信機能は、前記車両の走行状態を表す走行状態データを前記路側装置に送信する機能を含み、
　前記評価指標は、前記路側装置により前記走行状態データおよび前記車両の周辺状況が考慮されて生成され、
　前記学習機能は、
　　前記周辺状況を表す周辺状況データを生成する周辺状況検出機能と、
　　前記通信機能により前記送信対象データを繰返し送信する所定期間において、前記送信対象データを送信したときの前記評価指標と、前記送信対象データを送信しなかったときの前記評価指標とを比較することにより、前記路側装置により前記送信対象データが有効に利用されたか否かを判定する判定機能と、
　　前記走行状態データおよび前記周辺状況データを含む入力データに応じて前記送信の適否を表すデータを出力するモデルを、学習データを用いて機械学習させる機能とを含み、
　前記通信機能は、学習後の前記モデルの出力データに応じて、前記送信対象データを送信する機能をさらに含み、
　前記学習データは、前記所定期間において収集した前記走行状態データおよび前記周辺状況データを前記入力データとして含み、且つ、前記所定期間において収集した前記判定機能による判定結果を前記モデルの前記出力データとして含む、コンピュータプログラム。