WO2024014375A1 - 情報処理装置、情報処理方法、プログラム及び学習済みモデル - Google Patents

情報処理装置、情報処理方法、プログラム及び学習済みモデル Download PDF

Info

Publication number
WO2024014375A1
WO2024014375A1 PCT/JP2023/024922 JP2023024922W WO2024014375A1 WO 2024014375 A1 WO2024014375 A1 WO 2024014375A1 JP 2023024922 W JP2023024922 W JP 2023024922W WO 2024014375 A1 WO2024014375 A1 WO 2024014375A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
measurement data
data
roadside
unit
Prior art date
Application number
PCT/JP2023/024922
Other languages
English (en)
French (fr)
Inventor
広毅 元垣内
良 大野
Original Assignee
株式会社スマートドライブ
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
Priority claimed from JP2022114384A external-priority patent/JP7178147B1/ja
Priority claimed from JP2022144741A external-priority patent/JP7186413B1/ja
Application filed by 株式会社スマートドライブ filed Critical 株式会社スマートドライブ
Publication of WO2024014375A1 publication Critical patent/WO2024014375A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions

Definitions

  • the present invention relates to an information processing device, an information processing method, a program, etc.
  • a device (system) for measuring a certain measurement target there is, for example, one that can measure driving information such as vehicle position information and acceleration information (for example, Patent Document 1).
  • the information processing device is a device that measures information regarding a moving object based on first measurement data measured by a first device that measures information regarding the moving object.
  • a data generation unit that generates estimated data of second measurement data measured by a second device different from the device.
  • an information processing method includes a device that measures information about a moving object based on first measurement data measured by a first device that measures information about the moving object. The method includes generating estimated data of second measurement data measured by a second device different from the device.
  • the program to be executed by a computer is a device that measures information about a moving object based on first measurement data measured by a first device that measures information about a moving object.
  • the information processing device is a device that measures information about a moving object based on first measurement data measured by a first device that measures information about the moving object.
  • a first determination unit that determines a measurement period of first measurement data necessary for evaluation of driving based on second measurement data measured by a second device different from the device.
  • an information processing method includes a device that measures information about a moving object based on first measurement data measured by a first device that measures information about the moving object. The method includes determining a measurement period of first measurement data necessary for evaluation of driving based on second measurement data measured by a second device different from the device.
  • the program to be executed by a computer is a device that measures information about a moving object based on first measurement data measured by a first device that measures information about a moving object.
  • the computer is caused to determine a measurement period of first measurement data necessary for evaluation of driving based on second measurement data measured by a second device different from the first device.
  • the information processing device is a device that measures information regarding a moving object based on first measurement data measured by a first device that measures information regarding the moving object.
  • an information processing method includes a device that measures information about a moving object based on first measurement data measured by a first device that measures information about the moving object. pseudo-generating second measurement data measured by a second device different from the device for a predetermined period; obtaining data loss rate information in the generated pseudo second measurement data; and data loss rate. and determining the validity of the pseudo second measurement data for a predetermined period based on the information.
  • the program to be executed by a computer is a device that measures information about a moving object based on first measurement data measured by a first device that measures information about a moving object. pseudo-generating second measurement data measured by a second device different from the first device for a predetermined period; and obtaining data loss rate information in the generated pseudo second measurement data. , and determining the validity of the pseudo second measurement data for a predetermined period based on the data loss rate information.
  • the information processing device is a roadside device that collects information regarding the traveling of a mobile object based on a method compatible with ETC 2.0
  • the information processing device is a roadside device that collects information regarding traveling of a mobile object based on a method compatible with ETC 2.0
  • the information processing device an existing roadside unit position information acquisition unit that acquires existing roadside unit position information, which is information; and a first installation candidate facility position information that acquires first installation candidate facility position information, which is position information of at least one facility in which the roadside unit can be newly installed.
  • an installation candidate facility location information acquisition unit and a travel information acquisition unit that acquires travel information that is collected based on a method different from the method compatible with ETC 2.0 and that includes at least information regarding the position of a mobile object. and a first method regarding the degree of collection based on the method compatible with ETC 2.0, assuming that the traveling information is collected by the roadside device corresponding to the existing roadside device location information and the first installation candidate facility location information.
  • a calculation unit that calculates collection degree information.
  • the information processing method is a roadside machine that acquires travel data of a mobile body based on a method compatible with ETC 2.0
  • the information processing method is a roadside machine that acquires traveling data of a mobile object based on a method compatible with ETC 2.0
  • the information processing method is a roadside machine that acquires travel data of a mobile object based on a method compatible with ETC 2.0
  • the information processing method is a acquiring first installation candidate facility location information that is location information of at least one facility where the roadside unit can be newly installed; and corresponding to ETC 2.0.
  • the program to be executed by a computer is a roadside machine that acquires travel data of a mobile body based on a method compatible with ETC 2.0, and is installed on an existing roadside machine that is already installed.
  • ETC2.0 the traveling information is measured based on a method different from the method corresponding to 0, and includes at least information regarding the position of the moving body, and the existing roadside unit position information and the first installation candidate are obtained.
  • the information processing device is a mobile body that acquires mobile body position information from a first device provided in the mobile body based on a method different from a method compatible with ETC 2.0.
  • a position information acquisition unit a density information acquisition unit that acquires density information of the mobile body position information based on the acquired mobile body position information; and a method compatible with ETC 2.0 based on the acquired density information.
  • a specifying unit that specifies a position for installing a new roadside unit that acquires travel information based on.
  • the information processing device includes a roadside unit position information acquisition unit that acquires existing roadside unit position information that is position information of at least one existing roadside unit, and outputs the roadside unit position information.
  • the roadside device includes an output unit, and a specifying unit that specifies a position for installing a new roadside unit based on a user input performed in response to the output.
  • the information processing device acquires existing roadside machine position information that is the position information of at least one existing roadside machine that acquires traveling information based on a method compatible with ETC 2.0.
  • the present invention includes a roadside unit position information acquisition unit, and a specification unit that specifies a position for installing a new roadside unit based on the existing roadside unit position information.
  • the information processing device acquires facility location information that is location information of a facility where a roadside unit that acquires traveling information can be newly installed based on a method compatible with ETC 2.0. and a specifying unit that specifies a position for installing the new roadside unit based on the facility position information.
  • the information processing method includes acquiring mobile body position information from a first device provided in the mobile body based on a method different from a method compatible with ETC 2.0.
  • the information processing method includes the steps of: acquiring existing roadside unit position information that is position information of at least one existing roadside unit; outputting the roadside unit position information; and identifying a location for installing a new roadside unit based on user input performed in response to.
  • the information processing method includes acquiring existing roadside unit position information that is position information of at least one existing roadside unit that acquires travel information based on a method compatible with ETC 2.0.
  • the information processing method acquires facility location information that is location information of a facility where a roadside unit that acquires traveling information can be newly installed based on a method compatible with ETC 2.0. and identifying a location for installing the new roadside unit based on the facility location information.
  • a program for causing a computer to execute is configured to obtain mobile body position information from a first device provided in a mobile body based on a method different from a method compatible with ETC 2.0.
  • a computer is caused to specify a position for installing a new roadside unit from which information is to be acquired.
  • a program to be executed by a computer acquires existing roadside unit position information that is position information of at least one existing roadside unit, and outputs the roadside unit position information. and specifying a position for installing a new roadside unit based on user input performed in response to the output.
  • the program for causing the computer to execute the existing roadside machine position information which is the position information of at least one existing roadside machine that acquires traveling information based on a method compatible with ETC 2.0. and specifying a position for installing a new roadside unit based on the existing roadside unit position information.
  • a program to be executed by a computer is a facility that is a facility where a roadside device that acquires traveling information based on a method compatible with ETC 2.0 can be newly installed.
  • a computer is caused to acquire position information and to specify a position for installing the new roadside unit based on the facility position information.
  • FIG. 3 is an explanatory diagram of the principle according to the first embodiment.
  • FIG. 3 is an explanatory diagram of the principle according to the first embodiment.
  • FIG. 3 is an explanatory diagram of the principle according to the first embodiment.
  • FIG. 3 is an explanatory diagram of the principle according to the first embodiment.
  • FIG. 3 is an explanatory diagram of the principle according to the first embodiment.
  • 5 is a flowchart showing an example of the flow of processing according to the first embodiment.
  • FIG. 7 is a diagram illustrating an example of information stored in a storage unit of a server according to a second embodiment.
  • FIG. 7 is a flowchart illustrating an example of the flow of processing according to the second embodiment.
  • FIG. 7 is a diagram showing an example of a histogram according to the second embodiment.
  • FIG. 7 is a diagram showing an example of a histogram according to the second embodiment.
  • FIG. 7 is a diagram illustrating an example of information stored in a storage unit of a server according to a third embodiment.
  • FIG. 7 is an explanatory diagram of the principle according to the third embodiment.
  • FIG. 7 is an explanatory diagram of the principle according to the third embodiment.
  • FIG. 7 is an explanatory diagram of the principle according to the third embodiment.
  • Flowchart showing an example of the flow of processing according to the third embodiment A diagram showing an example of information stored in a storage unit of a server according to a fourth embodiment FIG.
  • FIG. 7 is an explanatory diagram of the principle according to the fourth embodiment. Flowchart showing an example of the flow of processing according to the fourth embodiment
  • FIG. 7 is an explanatory diagram of the principle according to the fourth embodiment.
  • FIG. 7 is an explanatory diagram of the principle according to the fourth embodiment.
  • FIG. 7 is an explanatory diagram of the principle according to the fourth embodiment.
  • FIG. 1 is a diagram showing the flow of processing performed by an information processing apparatus according to one aspect of the present embodiment.
  • the information processing device may detect a second device whose measurement target is different from the first device based on data measured by the first device (hereinafter referred to as “first device measurement data”). It has a second device measurement data estimation unit 11 as a functional unit that generates (estimates) data when measured. Note that measurement may be detection or measurement. The same can be said below. Furthermore, the data generated by the second device measurement data estimating section 11 is referred to as "estimated second device measurement data.”
  • the first device may be, for example, a device that measures the measurement target at predetermined time intervals (hereinafter referred to as "predetermined time intervals").
  • the first device measurement data is data obtained by measuring the measurement target by the first device at predetermined time intervals.
  • the second device may be, for example, a device whose sampling unit (which may also be referred to as a measurement unit) when measuring the measurement target is different from that of the first device.
  • the first device is a device that measures the measurement target at predetermined time intervals using a sampling unit of time as described above
  • the second device is a device that measures the measurement target using a sampling unit other than time. It can be done.
  • Transfer learning is an example of an approach that uses other data to process target data, but transfer learning is a method that uses a model learned for a certain task as a starting point for a model that executes a similar task. This is fundamentally different from the present invention, which uses data generated from other data on a zero basis.
  • the first device can be a device that measures the position at predetermined time intervals.
  • the second device may be a device that measures the position using, for example, a “distance” as a sampling unit, and a device that measures the position at predetermined distance intervals (hereinafter referred to as “predetermined distance intervals”). I can do it.
  • the second device measurement data estimating unit 11 calculates, for example, 1 second included in the first device measurement data.
  • Estimated second device measurement data can be generated by thinning (resampling) the measurement data of each position every "100 m" based on the position information.
  • the second device measurement data estimating unit 11 When setting a plurality of sets of first device measurement data as a “first device measurement data set,” the second device measurement data estimating unit 11 performs the above processing on each first device measurement data set included in the first device measurement data set. By performing this on the device measurement data, estimated second device measurement data corresponding to each first device measurement data can be generated.
  • the set of estimated second device measurement data generated in this way may be referred to as an "estimated second device measurement data set.”
  • At least one of the first device and the second device is a device that measures a measurement target based on a plurality of sampling units (for example, distance and acceleration; It may also be used as a device that acquires the distance when Other devices may also be used.
  • a plurality of sampling units for example, distance and acceleration; It may also be used as a device that acquires the distance when Other devices may also be used.
  • FIG. 2 is a diagram for explaining the principle of learning and inference using estimated measurement data in this embodiment.
  • the information processing device includes, for example, the aforementioned second device measurement data estimation section 11, first model processing section 13, and second model generation section 15. It has as a functional part.
  • the first model processing unit 13 is, for example, a functional unit that uses a predetermined model (an existing model) as a first model, inputs certain measurement data to the first model, and calculates (computes) predetermined quantities. be able to. Note that various quantities may be regarded as calculation targets. The same can be said below. In this embodiment, the first model processing unit 13 calculates predetermined quantities by inputting the first device measurement data described above to the first model.
  • the second model generation unit 15 can be, for example, a functional unit that generates a second model that can calculate the same quantities as the first model.
  • the second model generation unit 15 uses, for example, estimated second device measurement data generated by the second device measurement data estimation unit 11 described above and various quantities calculated by the first model processing unit 13.
  • a second model is generated by machine learning using as a learning data set.
  • the second model generated in this way is referred to as a "trained second model.”
  • the second model is not limited to a machine learning model.
  • the second model generation unit 15 may be a mathematical statistical model such as a linear or nonlinear regression model, or a connectionist model such as a DNN (Deep Neural Network).
  • the various quantities calculated by the first model processing unit 13 are calculated using the existing first model, and can be said to be desirable data (so to speak, correct data). ).
  • the information processing device includes, for example, a trained second model processing unit 17 as a functional unit.
  • the learned second model processing unit 17 uses, for example, data obtained by measuring the measurement target by the second device (hereinafter referred to as "second device measurement data") as input to the learned second model, and performs a predetermined process as input to the learned second model. It can be a functional unit that calculates various quantities. In other words, the learned second model processing unit 17 infers predetermined quantities using the learned second model by inputting data obtained by actually measuring the measurement target by the second device, and infers the inference results (hereinafter referred to as , referred to as "various quantity inference results").
  • the estimated second device measurement data may be used as input data to the first model, and some data held in the past that corresponds to the first device measurement data accumulated from the past (for example, , data on elements that can affect various quantities, data on elements that have a relationship with various quantities) may be used as training data to generate the second model by machine learning or the like.
  • FIG. 3 is a flowchart showing an example of the flow of the process shown in FIG.
  • the information processing device performs a learning data set generation process.
  • the information processing apparatus uses the first device measurement data to be processed (in the example of FIG. 2, each first device measurement data included in the first device measurement data set) as the target. Processing of loop A is performed (A1 to A7).
  • the first device measurement data to be processed may be data having the same measurement period, for example.
  • the second device measurement data estimation unit 11 generates estimated second device measurement data based on the first device measurement data (A3). Further, the first model processing unit 13 calculates teacher quantities based on the first device measurement data and the first model (A5). The information processing device then moves on to the next first device measurement data.
  • the information processing device ends the processing of loop A (A7).
  • the information processing device performs learning processing (A9).
  • the second model generation unit 15 generates, for example, a supervised model based on the estimated second device measurement data generated in the process of loop A and the teacher quantities generated in the process of loop A.
  • a learned second model is generated by learning.
  • the information processing device performs inference processing (A11). Specifically, the trained second model processing unit 17 uses the trained second model generated in A9 and the second device measurement data of each processing target (in the example of FIG. 2, the second device measurement data set). The various quantities are calculated based on the included second device measurement data). Then, the calculation results are taken as various quantity inference results. The information processing device then ends the process.
  • step A11 may be omitted and the processing up to the generation of the model may be performed.
  • step A3 may be used, and the process may be performed up to generating the estimated second device measurement data based on the first device measurement data.
  • the measurement target can be, for example, information regarding a moving object.
  • the mobile object may include at least one of the following, for example.
  • ⁇ Four-wheeled vehicles ⁇ Two-wheeled vehicles ⁇ Personal mobility ⁇ Ships ⁇ Railroads ⁇ Aerial vehicles (at least one of a drone and an aircraft)
  • the information regarding the mobile object may include, for example, at least one of the following.
  • ⁇ Position information of the moving object ⁇ Speed information of the moving object ⁇ Acceleration information of the moving object ⁇ Direction information of the moving object (direction information) ⁇ Angular velocity information of a moving object ⁇ Time information of a moving object (time information, etc.)
  • information including at least one of these pieces of information may be used as traveling information of a moving object.
  • the measurement target is not limited to information related to a moving body (driving information, etc.), and may be other information.
  • the same process as above may be performed by setting the measurement target to "sound", setting the sampling unit of the first device to "time”, and setting the sampling unit of the second device to "frequency".
  • processing similar to the above may be performed using information regarding a living body (blood pressure, pulse rate, heart rate, respiratory rate, body temperature, brain waves, etc.) as a measurement target.
  • the same processing as above may be performed, for example, by setting the sampling unit of the first device to "time” and setting the sampling unit of the second device to "frequency.”
  • a server that is an example of the above information processing device.
  • the information processing device is not limited to a server, and may be an electronic device (also referred to as a terminal) such as a personal computer, a mobile phone including a smartphone, a PDA, and various tablet terminals.
  • these devices including servers may also be referred to as computer devices.
  • the embodiments to which the present invention can be applied are not limited to the embodiments described below.
  • ETC2.0 is becoming popular these days.
  • insurance products such as telematics insurance as a service (business) based on this ETC 2.0.
  • this requires measurement data obtained by having a driver actually drive a vehicle equipped with an ETC 2.0 compatible device (for example, an ETC 2.0 compatible onboard device or a DSRC (Dedicated Short Range Communications) compatible onboard device).
  • ETC 2.0 compatible device for example, an ETC 2.0 compatible onboard device or a DSRC (Dedicated Short Range Communications) compatible onboard device.
  • data such as accident data and corresponding accident data are required, which incurs time and monetary costs.
  • a driving score model of a score related to the driver's driving (driving quality) (hereinafter referred to as the “driving score model” (driving quality score model)).
  • driving score model a driving score model
  • a driving score model should be constructed as a model in which at least one of the following elements (including elements standardized per unit time or unit distance, etc.) influences the score value. I can do it.
  • ⁇ Sudden steering frequency (or sudden steering frequency or distribution of steering wheel operation degree including sudden steering)
  • ⁇ Number of sudden decelerations or sudden deceleration frequency or distribution of deceleration rate including sudden deceleration
  • ⁇ Number of sudden accelerations or sudden acceleration frequency or distribution of acceleration including sudden acceleration
  • ⁇ Number of times of overspeeding or frequency of overspeeding or distribution of speeds including overspeeding
  • a driving score model can be constructed in which the higher the number of these elements (or the higher the frequency or sudden maneuver/excessive speed), the higher the accident risk and the higher the driving score (or conversely, the lower the driving score). can do.
  • One of the uses (methods of utilization) of this driving score is, for example, to reflect the driving score in the insurance premium of telematics insurance (determine the insurance premium based on the driving score).
  • estimated ETC2.0 measurement data that reflects at least the general driving tendency of the driver is generated, and the generated estimated A method of generating a driving score model based on ETC2.0 measurement data will be described.
  • FIG. 4 is a diagram showing an example of the functional configuration of the server 100 in this embodiment.
  • the server 100 includes, for example, a processing section (control section) 110, an operation section 120, a display section 130, a sound output section 140, a communication section 150, a clock section 160, and a storage section 190. It may be a computer system connected by bus B.
  • the processing unit 110 is, for example, a processing device or a control device that centrally controls each part of the server 100 or performs various processes according to various programs such as a system program stored in the storage unit 190. It is composed of processors such as GPU (Graphics Processing Unit), DSP (Digital Signal Processor), and integrated circuits such as ASIC (Application Specific Integrated Circuit) and FPGA (Field Programmable Gate Array).
  • processors such as GPU (Graphics Processing Unit), DSP (Digital Signal Processor), and integrated circuits such as ASIC (Application Specific Integrated Circuit) and FPGA (Field Programmable Gate Array).
  • the operation unit 120 is configured with input devices such as operation buttons and operation switches for the user to input various operations to the server 100. Further, the operation unit 120 may include a touch panel configured integrally with the display unit 130, and this touch panel may function as an input interface between the user and the server 100. The operation unit 120 outputs an operation signal according to the user's operation to the processing unit.
  • the display unit 130 is a display device including an LCD or the like, and performs various displays based on display signals output from the processing unit 110.
  • the display unit 130 may be integrally configured with a touch panel to form a touch screen.
  • the sound output unit 140 is a sound output device including a speaker and the like, and outputs various sounds based on the sound output signal output from the processing unit 110.
  • the communication unit 150 is a communication device for transmitting and receiving information used within the device to and from an external device.
  • the communication method of the communication unit 150 includes a wired connection via a cable that complies with a predetermined communication standard, a connection via an intermediate device called a cradle that also serves as a charger, and a wireless connection using wireless communication.
  • Various methods such as connection formats can be applied.
  • the clock unit 160 is a built-in clock of the server 100, and outputs time information (timekeeping information).
  • the clock unit 160 includes, for example, a clock using a crystal oscillator.
  • the clock unit 160 may be configured with a clock that conforms to the NITZ (Network Identity and Time Zone) standard or the like.
  • the storage unit 190 is a storage device that includes volatile or nonvolatile memory such as ROM, EEPROM, flash memory, and RAM, a hard disk device, and the like.
  • the storage unit 190 includes, for example, a driving score model processing program 191, a cigarette socket type device measurement database 192, an ETC2.0 measurement database 193, an estimated ETC2.0 measurement database 194, and a first driving Score model data 195 and learned second driving score model data 196 are stored.
  • the driving score model processing program 191 is a program that is read out by the processing unit 110 and executed as a driving score model processing described later.
  • the cigarette socket type device measurement database 192 is, for example, a database in which cigarette socket type device measurement data including travel information measured by a cigarette socket type device mounted on a vehicle is stored.
  • the cigarette socket type device is a type of first device, and the cigarette socket type device measurement data can be a type of first measurement data (first device measurement data).
  • the processing unit 110 may process the first device measurement data by adding, for example, at least one of the following information (attribute information) in addition to the information regarding the vehicle (moving object).
  • attribute information attribute information
  • ⁇ Vehicle information car model, year, model, etc.
  • Driver information gender, age, address, purpose, etc.
  • a cigarette socket type device is a device that can be used by inserting it into a vehicle's accessory socket. Traveling information (information regarding the moving body) can be measured.
  • the first device is not limited to a cigarette socket type device.
  • the first device may be any device that is directly or indirectly provided on the moving body and is capable of acquiring information regarding the moving body.
  • the first device may be at least one of the following devices.
  • ⁇ Drive recorder ⁇ Digital tachograph (digital tachograph) ⁇ Some kind of on-board equipment installed or built into a vehicle (may include connected cars) ⁇ In-vehicle devices and their terminals that have a communication function (e.g. Bluetooth (registered trademark) communication function) that collects data in cooperation with terminals such as smartphones ⁇ Single devices including terminals such as smartphones ⁇ In-vehicle devices including these Devices including retrofitted in-vehicle equipment or terminals such as smartphones
  • a communication function e.g. Bluetooth (registered trademark) communication function
  • the traveling information can include, for example, information such as position, speed, acceleration, and angular velocity, and any sensor or the like that can measure this information can be provided in the cigarette socket type device.
  • the device may be configured to be able to measure at least one of these pieces of information.
  • the travel information measured by the cigarette socket type device can be transmitted to the server 100 or the cloud server, for example, at any time or at regular timing.
  • the position is calculated using a satellite positioning unit (satellite positioning sensor), which is a unit (sensor) that detects position and speed using a satellite positioning system such as GPS (Global Positioning System), or UWB (Ultra Wide Band).
  • satellite positioning unit which is a unit (sensor) for this purpose, may be provided in a cigarette socket type device.
  • the satellite positioning unit includes, for example, an RF receiving circuit that converts an RF (Radio Frequency) signal including a positioning satellite signal transmitted from a positioning satellite received by an antenna (not shown) into a digital signal, or A baseband processing circuit that performs correlation calculation processing etc. on the output digital signal, captures the positioning satellite signal, and outputs information such as satellite orbit data and time data extracted from the positioning satellite signal as positioning information. etc. Note that information such as not only the position but also the speed may be detected by Doppler positioning or the like.
  • RF Radio Frequency
  • the inertial measurement unit can include, for example, an inertial sensor that detects information necessary to calculate driving information by inertial navigation calculation.
  • the inertial sensor may include, for example, a 3-axis acceleration sensor or a 3-axis gyro sensor, and can output the acceleration detected by the acceleration sensor or the angular velocity detected by the gyro sensor.
  • the UWB positioning unit includes, for example, an ultra-wideband RF receiving circuit that converts an ultra-wideband RF signal including an ultra-wideband pulse signal for positioning transmitted from a positioning beacon received by an antenna (not shown) into a digital signal
  • the device may include a relative position calculation processing circuit that calculates the relative position between the device itself and the positioning beacon based on the digital signal output from the RF receiving circuit.
  • the UWB positioning unit may function as a positioning beacon by transmitting an ultra-wideband RF signal including an ultra-wideband pulse signal for positioning from an antenna (not shown), or it may not do so. You can.
  • the cigarette socket type device measurement database 192 can store measurement data of a plurality of drivers for each measurement period. That is, measurement data of a plurality of drivers can be stored in association with a measurement period.
  • the measurement period may be, for example, a monthly period (1 month, 2 months, . . . , 6 months, etc.) or a period of other units.
  • the measurement data may be classified and stored by road type, region, or the like.
  • the ETC 2.0 measurement database 193 includes, for example, measurements taken by an ETC 2.0 on-vehicle device (ETC 2.0-compatible on-vehicle device, DSRC-compatible on-vehicle device) installed in a vehicle or an ETC 2.0-compatible car navigation device that can be linked with this.
  • This is a database in which ETC2.0 measurement data including driving information is accumulated and stored.
  • the ETC2.0 onboard device is a type of first device, and the ETC2.0 measurement data can be a type of second measurement data (second device measurement data).
  • ETC2.0 measurement data is based on the probe information recorded in the ETC2.0 on-vehicle device from devices such as ITS spots and route information collection devices installed (deployed) on roads (hereinafter collectively referred to as "roadside devices"). ) may be obtained by the server 100 based on the data collected by the server 100.
  • Roadside units are installed at several thousand locations on expressways and national highways nationwide.
  • the roadside device and the ETC 2.0 onboard device are configured to enable two-way communication, for example, and the roadside device collects probe information from the ETC onboard device, as well as route guidance information based on road conditions, obstacle locations in front, etc. It is possible to provide information that supports safe driving, such as information on traffic conditions and information on accident-prone locations, from the roadside device to the ETC 2.0 onboard device.
  • the ETC 2.0 on-vehicle device also includes, for example, the various sensors and units described above, and can measure and record various driving information. Then, when a vehicle equipped with the ETC 2.0 on-vehicle device passes near the roadside device, probe information can be transmitted to the server 100 and the probe server via the roadside device.
  • various sensors and units are installed in the ETC 2.0 compatible car navigation device, etc., and various driving information is sent to the ETC 2.0 onboard device based on the information output (transmitted) from the ETC 2.0 compatible car navigation device. It may also be recorded.
  • the probe information can include, for example, the following information. ⁇ Basic information ⁇ Driving history information ⁇ Behavior history information
  • the basic information can include, for example, information regarding the ETC 2.0 onboard device, information regarding the ETC 2.0 compatible car navigation device, information regarding the vehicle, and the like.
  • the travel history information can include, for example, time information, position information, speed information, and the like. This travel history information can be recorded (accumulated) each time it is detected that the vehicle has traveled "200 m", for example. In addition to this, for example, the information may be recorded when the traveling direction of the vehicle changes by "45 degrees" or more.
  • the value "200 m” is a value based on the specifications of ETC 2.0, but is not limited to this, and may be, for example, "100 m”.
  • "45 degrees” may be set to, for example, "22.5 degrees”.
  • a distance such as "200 m” based on this ETC 2.0 specification is conveniently referred to as a "unit distance”. Note that, as will be described later, it is also possible to change the unit distance depending on the road type or speed zone.
  • the behavior history information can include, for example, information such as time information, position information, azimuth information, acceleration information (information such as longitudinal acceleration and lateral acceleration), and angular velocity information (for example, yaw angular velocity information).
  • this behavior history information for example, any one of longitudinal acceleration, lateral acceleration, and yaw angular velocity has a threshold (for example, longitudinal acceleration threshold "-0.25G", lateral acceleration threshold “ ⁇ 0.25G”, yaw angular velocity threshold It is possible to record (accumulate) the peak value when it exceeds a threshold value such as " ⁇ 8.5 deg/sec" (these threshold values are just an example).
  • longitudinal acceleration of "0.25G" or more indicates sudden behavior, which may indicate that an action such as crisis avoidance has been taken.
  • driving history information and behavior history information may include road type information (information such as expressway, urban expressway, general road, etc., information on speed zone, etc.).
  • At least one of the driving history information and the behavior history information may be used as the driving information.
  • the travel start point for example, within a range of 500 m from the travel start point
  • the travel end point for example, within a range of 500 m from the travel end point
  • Information for example, at least driving history information
  • not being acquired may mean not being recorded in the ETC 2.0 onboard device or not being transmitted to the roadside device.
  • the estimated ETC 2.0 measurement database 194 is a database in which estimated ETC 2.0 measurement data generated based on cigarette socket type device measurement data is stored in an accumulative manner.
  • the estimated ETC2.0 measurement data can be a type of estimation data (estimated second device measurement data).
  • the first driving score model data 195 is data of a first driving score model that is the basis of a driving score used to determine vehicle insurance premiums and the like.
  • the learned second driving score model data 196 is data of a driving score model generated by learning using estimated ETC 2.0 measurement data and the like.
  • the driving score model can be, for example, a mathematical model for calculating a driving score for telematics insurance.
  • an insurance company obtains driving information such as travel information, driving speed, and braking method measured by a device installed in a vehicle (automobile, etc.), and uses that information to analyze the driver's accident risk. insurance premiums may be calculated based on
  • the driving score model is, for example, a model that can estimate the driver's accident risk (accident risk), and the driving score is set as a value in a numerical range such as "0 to 1,""0 to 10," or "0 to 100.” It can be a calculated model.
  • a model may be used in which it is estimated that the higher the driving score, the higher the accident risk (the lower the driving score, the lower the accident risk).
  • the insurance company can make the insurance premium higher as the driving score is higher, and lower the insurance premium as the driving score is lower.
  • a model may be used in which it is estimated that the higher the driving score, the lower the accident risk.
  • the input to the driving score model can be the measured data of driving information, and the driving score can be calculated based on the measured data of driving information.
  • a learned second driving score model is generated using the existing first driving score model as a base and using the method described below. Then, by inputting the driver's actual ETC2.0 measurement data into the learned second driving score model, the driver's driving score can be calculated.
  • the server 100 may be a cloud server. Furthermore, when the server 100 is separate from the cloud server, the server 100 may acquire the cigarette lighter socket type device measurement data from the cloud server. The server that performs the processing described below may acquire and store data similar to the data stored in the storage unit 190 of the server 100.
  • the probe server may be the server 100.
  • the server 100 may acquire ETC2.0 measurement data from the probe server.
  • the server that performs the processing described below may acquire and store data similar to the data stored in the storage unit 190 of the server 100.
  • FIG. 5 is a diagram for explaining the principle of learning and inference using estimated ETC2.0 measurement data in this embodiment, and corresponds to FIG. 2.
  • the processing unit 110 of the server 100 includes, for example, an ETC2.0 measurement data estimation unit 111, a first driving score model processing unit 113, and a second driving score model. It has a generation unit 115 as a functional unit.
  • the ETC2.0 measurement data estimation unit 111 can be a type of the second device measurement data estimation unit 11 in FIG. 2(1).
  • the first driving score model processing unit 113 can be a type of the first model processing unit 13 in FIG. 2(1).
  • the second driving score model generation unit 115 can be a type of the second model generation unit 15 in FIG. 2(1).
  • FIG. 6 and 7 are diagrams showing an example of a method for generating estimated ETC2.0 measurement data.
  • the left side of the drawing shows the time change of the measured position of the vehicle (hereinafter referred to as "cigar socket type device measurement position") measured every second by the cigarette socket type device.
  • it shows the time change of the measurement position included in one cigarette socket type device measurement data.
  • time changes in estimated ETC2.0 measurement positions selected from the cigarette socket type device measurement positions and serving as data elements of estimated ETC2.0 measurement data are shown.
  • Each hatched rectangle is an estimated ETC2.0 measurement position.
  • a method of generating estimated ETC2.0 measurement data based on position information included in travel information will be exemplified.
  • this cigarette socket type device measurement data is referred to as "D1", and the cigarette socket type device measurement position included in the cigarette socket type device measurement data "D1” is expressed as “D1(p(t))” (t: time).
  • the estimated ETC2.0 measurement data is expressed as "D2”, and the estimated ETC2.0 measurement position included in this estimated ETC2.0 measurement data is expressed as "D2(p(t))" (t: time).
  • the measurement position is shown as two-dimensional position information excluding the altitude direction (height direction) (an overhead view of the measurement position). Note that the same can be applied to three-dimensional position information. Furthermore, the illustrated measurement positions are merely for convenience of explanation and are not necessarily accurate.
  • the processing unit 110 collects travel information within a range of "500m” from the travel start point and "500m” from the travel end point among the measurement positions of the cigarette socket type device. ” will be excluded from processing. Alternatively, if the measurement data includes travel information within these ranges, it is deleted.
  • the processing unit 110 selects, for example, the first cigarette socket type device measurement position D1 (p(1)) outside the range of 500 m from the travel start point, and selects this as the first estimated ETC2.0 measurement position D2. (p(1)). Also, for example, information such as speed, acceleration, angular velocity, etc. of the cigarette socket type device measurement data corresponding to the time is acquired.
  • the processing unit 110 first deviates on the time axis from a circle with a radius of 200 m based on the unit distance (hereinafter referred to as "unit circle” for convenience) centered on the cigarette socket type device measurement position P11.
  • the measured cigarette socket type device measurement position D1 (p(q)) is selected and is set as the second estimated ETC2.0 measurement position D2 (p(2)). Also, for example, information such as speed, acceleration, angular velocity, etc. of the cigarette socket type device measurement data corresponding to the time is acquired.
  • the processing unit 110 repeats this process, and determines the cigarette socket type device measurement position [D1(p(1)), D1(p(q)), D1(p(r)), D1(p(s)), . ] is selected, the estimated ETC2.0 measurement position [D2(p(1)), D2(p(2)), D2(p(3)), D2(p(4)),...] is selected. ...] is obtained. Information such as velocity, acceleration, angular velocity, etc. can be similarly acquired. Then, data in which these driving information are associated with time can be used as estimated ETC2.0 measurement data.
  • processing unit 110 performs processing with the unit distance as "200 m", but in accordance with the specifications of ETC 2.0, the processing may be performed with the unit distance as the aforementioned "100 m", etc. You can.
  • the processing unit 110 may perform processing by changing the unit distance depending on the road type or speed zone. For example, if the road type is "expressway", the unit distance may be longer than if the road type is "general road” because there is a possibility of relatively stable driving even though the vehicle is traveling at high speed. Conversely, considering the risk of high-speed driving, the unit distance may be shorter than that for the road type "general road.” Similarly, regarding the speed zone, the unit distance may be made longer (or shorter) as the speed zone is higher.
  • the road type and speed zone can be specified, for example, from road type information.
  • the estimated ETC2.0 measurement data is generated by selecting travel information included in the cigarette socket type device measurement data based on the distance (unit distance), but the present invention is not limited thereto.
  • the estimated ETC2.0 measurement data may be generated by selecting travel information included in the cigarette socket type device measurement data based on time. Specifically, for example, the time required to travel a unit distance is calculated based on the speed information included in the data measured by the cigarette socket type device, and the travel information at the corresponding time is selected based on the calculated time.
  • Estimated ETC2.0 measurement data may be generated by performing the following steps. Alternatively, assuming that the vehicle travels at a constant speed (for example, 60 km/h), estimated ETC2.0 measurement data may be generated in the same way by calculating the time required to travel a unit distance. good.
  • ETC 2.0 there is a specification that, for example, when the traveling direction of the vehicle changes by 45 degrees or more, driving information is recorded. Therefore, travel information may be acquired by additionally applying at least one of the conditions exemplified below. However, it is not necessary to apply these conditions.
  • FIG. 7(1) shows, as condition A, a condition regarding a change in the traveling direction (traveling azimuth) of the vehicle.
  • the cigarette socket type device measurement position D1 (p(u)) is greater than or equal to the threshold angle with respect to the most recent cigarette socket type device measurement position or the average of multiple past most recent cigarette socket type device measurement positions. (or exceeding the threshold angle), this indicates that the cigarette socket type device measurement position D1 (p(u)) is selected as the estimated ETC2.0 measurement position.
  • the threshold angle can be set to a value such as "45 degrees". That is, a measurement position in the vicinity of a position where the change in the traveling direction has been greater than or equal to the threshold angle may be appropriately selected.
  • processing unit 110 performs processing with the threshold angle set to "45 degrees,” but in accordance with the specifications of ETC 2.0, the processing unit 110 may perform processing with the threshold angle set to "22.5 degrees" as described above. You may also do this.
  • FIG. 7(2) shows, as condition B, a condition based on the traveling distance of the vehicle.
  • the cigarette socket type device measurement position D1(p(n)) that first deviates from the unit circle is the cigarette socket type device measurement position D1(p(n)) which was previously selected as the estimated ETC2.0 measurement position. m)), this indicates that the cigarette socket type device measurement position D1 (p(n)) is not selected.
  • the threshold distance is determined based on the vehicle speed calculated based on data measured by a cigarette socket type device or a predetermined vehicle speed (for example, 60 km/h), in which the vehicle advances from the previous selected point. It is possible to set a value that is difficult to assume as a distance.
  • the measurement position D1 (p(n-1)) immediately before the measurement position D1 (p(n)) may be selected as the estimated ETC2.0 measurement position.
  • the measurement position D1 (p(n+1)) next to the measurement position D1 (p(n)) may be selected as the estimated ETC2.0 measurement position. That is, a measurement position near the end of the unit circle may be appropriately selected.
  • the range serving as the selection reference is not limited to the unit circle, but may be any range (for example, an ellipse, a rectangle, etc.) based on the position of the reference data.
  • the average (or an arithmetic average or a weighted average) of the measurement position D1 (p(n)) and the measurement position D1 (p(m)) is calculated, and the calculated position is estimated by the ETC2.
  • the measurement position may be set to .0 measurement position.
  • the calculation is not limited to calculating the average, and for example, a position obtained by dividing the measurement position D1 (p(n)) and the measurement position D1 (p(m)) at an arbitrary ratio (for example, 2:1, etc.) may be used as the estimated ETC2.0 measurement position, or if the value between them is obtained using measurement position D1 (p(n)) and measurement position D1 (p(m)), the contents are particularly limited. Not done.
  • a temporal margin may be provided instead of a distance margin, and similar processing may be performed.
  • a peak value is recorded when any one of longitudinal acceleration, lateral acceleration, and yaw angular velocity exceeds a threshold value. Conditions for reproducing this may be set, and travel information may be selected based on acceleration information and angular velocity information included in the data measured by the cigarette socket type device.
  • an estimated ETC2.0 measurement data can be generated based on speed information and time information. Measurement data may be generated in the same way.
  • the estimated ETC2.0 measurement data generated as described above is included in the cigarette socket type device measurement data.
  • a highly valid driving score model can be generated.
  • a data sequence generated by extracting a part of a measurement data sequence measured and acquired by a certain device based on some condition may be used as at least a part of the estimated data sequence of the target device.
  • the conditions for extracting a part of the data may be arbitrary, for example, distance conditions, time conditions, azimuth conditions, or any combination of these conditions. .
  • a string of measurement data [D1(1), D1(2), D1(3), D1(4), ...;
  • the estimated data column [D2(1), D2( 2), D2(3), D2(4), . . . are rows of white circles, and the numbers indicate the row numbers.] may be extracted.
  • s, t, x1, y1, x2, y2, x3, and y3 are each natural numbers.
  • interpolation, extrapolation, etc. are used to generate data between the measurement data, and the The generated data may be at least part of the estimated data of the second device.
  • a recent function for the sequence of measurement data of the first device is generated, and the approximation function is given an argument that satisfies a predetermined condition (for example, for each unit distance, each unit time, and each unit azimuth).
  • a sequence of estimated data of the second device may be acquired based on each occurrence of a change. For example, as shown in the example shown in FIG. 8(2), by finding the approximate function corresponding to the data string of D1, D2(1) is between D1(1) and D1(2), and D2(2) may be located between D1(4) and D1(5), and D2(3) may be located between D1(7) and D1(8).
  • At least a part of the estimated data of the second device may be generated by extracting a part of the measurement data string of the first device based on some condition, or the measurement data of the first device An approximation function may be generated for the sequence of , and at least a portion of the estimated data of the second device may be generated based on an argument based on some condition.
  • the first driving score model processing unit 113 calculates a driving score by using, for example, the cigarette socket type device measurement data as input to the first driving score model.
  • the second driving score model generation unit 115 uses, for example, the estimated ETC2.0 measurement data estimated by the ETC2.0 measurement data estimation unit 111 and the driving score (teacher driving score) calculated by the first driving score model processing unit 113.
  • a second driving score model is generated by, for example, performing learning (for example, supervised learning) on the first driving score model using the first driving score model as a learning data set. The model for which learning has been completed becomes the learned second driving score model.
  • the processing unit 110 of the server 100 includes, for example, a learned second driving score model processing unit 117 as a functional unit.
  • the learned second driving score model processing section 117 can be a type of the learned second model processing section 17 shown in FIG. 2(2).
  • the learned second driving score model processing unit 117 calculates a driving score by using, for example, the ETC2.0 measurement data stored in the ECT2.0 measurement database 194 as input to the learned second driving score model.
  • the learned second driving score model processing unit 117 receives ETC2.0 measurement data measured by the ETC2.0 onboard device actually installed in the vehicle and uses the learned second driving score model to drive the vehicle.
  • the score is inferred and a driving score inference result, which is the inference result, is output.
  • the first driving score model can be, for example, an existing driving score model.
  • the cigarette socket type device measurement data inputted to the first driving score model processing unit 113 includes driving information such as vehicle position, acceleration (velocity when integrated over time), and angular velocity (orientation when integrated over time). Contains information about Therefore, the driving situation of the driver is reflected in the data measured by the cigarette socket type device, and the driving score calculated by the first driving score model processing unit 113 can be a value that reflects the driving situation of the driver. There is sex. This can be used for learning as teacher data.
  • estimated ETC2.0 measurement data is used as input data to the first driving score model, and various types including cigarette socket type devices accumulated from the past are used.
  • the second driving score model may be generated by machine learning or the like using some data held in the past corresponding to the first device measurement data measured by the first device as the teacher data.
  • the teacher data in this case is just an example, it may also be data related to vehicle accidents (data such as the presence or absence of accidents, the number of accidents (frequency, ratio), etc.).
  • FIG. 9 is a flowchart showing an example of the flow of driving score model processing executed by the processing unit 110 of the server 100 in this embodiment.
  • the processing unit 110 of the server 100 performs a learning data set generation process.
  • the processing unit 110 performs loop B processing on the cigarette socket type device measurement data to be processed (S1 to S7).
  • the cigarette socket type device measurement data to be processed is, for example, among the cigarette socket type device measurement data stored in the cigarette socket type device measurement database 192 under similar conditions (for example, the same measurement period, the same road type, the same (e.g. those measured locally). However, it is not limited to this.
  • the processing unit 110 In the process of loop B, the processing unit 110 generates estimated ETC2.0 measurement data based on the cigarette socket type device measurement data (S3). Then, the processing unit 110 associates the generated estimated ETC 2.0 measurement data with the cigarette socket type device measurement data (for example, associates it with identification information (data number, etc.) of the cigarette socket type device measurement data), It is stored in the estimated ETC2.0 measurement database 194. Furthermore, the processing unit 110 calculates a teacher driving score based on the cigarette socket type device measurement data and the first driving score model (S5). Then, the processing unit 110 stores the calculated teacher driving score in the storage unit 190 in association with the cigarette socket type device measurement data. The processing unit 110 then moves on to the next cigarette socket type device measurement data.
  • S3 estimated ETC2.0 measurement data
  • the processing unit 110 associates the generated estimated ETC 2.0 measurement data with the cigarette socket type device measurement data (for example, associates it with identification information (data number, etc.) of the cigarette socket type device measurement data), It is stored in the
  • the processing unit 110 After performing the processes in S3 and S5 for all the cigarette socket type device measurement data to be processed, the processing unit 110 ends the process in loop B (S7).
  • the processing unit 110 performs a learning process (S9). Specifically, each estimated ETC 2.0 measurement data stored in the estimated ETC 2.0 measurement database 194 and the corresponding teacher driving score (identification information of the cigarette socket type device measurement data is the same) The model is trained based on the above, and a trained second driving score model is generated.
  • the processing unit 110 performs inference processing (S11). Specifically, the learned second driving score model generated in S9 and the ETC2.0 measurement data of each processing target (for example, each ETC2.0 measurement data stored in the ETC2.0 measurement data) A second driving score is calculated based on. Then, the calculation results are taken as various quantity inference results. Then, the processing unit 110 ends the process.
  • step S11 may be omitted and the process may be performed until the second driving score model is generated.
  • step S3 may be used, and the process may be performed until the estimated ETC2.0 measurement data is generated based on the cigarette socket type device measurement data.
  • the processing unit 110 may cause the display unit 130 to display the calculated value of the second driving score (inference result). Further, instead of displaying the calculated second driving score value itself on the display unit 130, or in addition to this, the processing unit 110 may classify drivers based on the calculated second driving score value.
  • Information such as rank may be displayed on the display unit 130. Specifically, for example, the following rank information may be displayed on the display unit 130. ⁇ In descending order of rank: 5 stars, 4 stars, 3 stars, 2 stars, 1 star ⁇ In descending order of rank: “ ⁇ , ⁇ , ⁇ , ⁇ ” ⁇ In descending order of rank: "A (A rating), B (B rating), C (C rating)" ⁇ Gold, Silver, Bronze in descending order of rank
  • the insurance company that has acquired this information from the server 100 presents the calculated insurance premium to the customer, it also presents the customer's second driving score value and rank information. Good too.
  • the processing unit 110 estimates how much G is applied in which direction due to the driver's acceleration/deceleration, left/right handling operations, etc., based on data measured by the cigarette socket type device, and converts it into a graphic.
  • the information may also be displayed on the display unit 130.
  • estimated ETC2.0 measurement data was generated by selecting travel information from the cigarette socket type device measurement data, for example, based on unit distance or unit time. In this case, it is considered that the information such as sudden deceleration or sudden acceleration described above is not always accurately reflected in the estimated ETC2.0 measurement data (so-called near-misses, etc. are reflected).
  • the inventor of the present application believes that by using the estimated ETC2.0 measurement data generated as described above, the general driving tendencies of the driver (such as a tendency toward safe driving or a tendency toward dangerous driving) can be reflected.
  • the server 100 stores cigarette socket type device measurement data (first measurement data) including driving information measured by a device such as a cigarette socket type device (an example of a first device).
  • the second measurement data that is measured by the second device that measures information about the moving object and which is different from the first device. Estimated data of two measurement data can be generated.
  • the sampling unit when measuring data is different between a device such as a cigarette socket type device (an example of the first device) and an ETC2.0 onboard device (an example of the second device).
  • the second measurement is performed by the second device that measures information regarding the moving object based on the first measurement data in which information regarding the moving object is measured by the first device of the two devices having different sampling units. It becomes possible to generate estimated data.
  • the sampling unit of the device such as a cigarette socket type device (an example of the first device) is time
  • the sampling unit of the ETC2.0 onboard device an example of the second device
  • the second measurement data measured by the second device whose sampling unit is distance for measuring information regarding the moving object is determined. It becomes possible to generate estimated data of two measurement data.
  • the device such as a cigarette socket type device (an example of the first device) may measure at predetermined time intervals
  • the ETC2.0 onboard device an example of a second device
  • the second measurement data measured by the second device that measures the information about the moving object at predetermined distance intervals. Estimated data of measured data can be generated.
  • a device such as a cigarette socket type device (an example of a first device) measures at predetermined time intervals
  • an ETC 2.0 onboard device an example of a second device measures at predetermined distance intervals
  • the processing unit 110 of the server 100 measures is estimated ETC 2.0 measurement data (an example of estimated data) based on cigarette socket type device measurement data (an example of first measurement data), a predetermined distance interval measured by the ETC 2.0 onboard device, and a predetermined condition. may be generated.
  • ETC 2.0 measurement data an example of estimated data
  • a predetermined distance interval measured by the ETC 2.0 onboard device measures at predetermined distance intervals
  • a predetermined condition measured by the ETC 2.0 onboard device
  • the predetermined conditions may include at least a condition regarding a change in the direction of the moving body based on the position included in the cigarette socket type device measurement data (an example of the first measurement data). This makes it possible to generate estimated data that takes into account (reflects) a change in the direction of the moving object based on the position included in the first measurement data.
  • the processing unit 110 of the server 100 may generate a model for calculating various quantities based on estimated ETC2.0 measurement data (an example of estimated data). Thereby, a model for calculating various quantities can be appropriately generated based on the estimated data.
  • the processing unit 110 of the server 100 may generate a model such as a driving score model by machine learning using at least estimated ETC 2.0 measurement data (an example of estimated data) as learning data. .
  • a model that can appropriately calculate various quantities can be generated based on the estimated data.
  • the processing unit 110 of the server 100 may calculate various quantities such as the driving score based on the ETC 2.0 measurement data and the generated model such as the driving score model. Thereby, various quantities can be appropriately calculated based on the second measurement data and the generated model.
  • the cigarette socket type device (an example of the first device) and the ETC2.0 on-vehicle device (an example of the second device) measure driving information, and the various quantities are of the mobile object whose driving information is measured.
  • the driving score is related to insurance
  • the model may be a second driving score model for calculating the driving score based on ETC 2.0 measurement data.
  • a model for calculating the driving score can be generated based on the second measurement data.
  • the processing unit 110 of the server 100 generates a driving score (first measurement data) based on the estimated ETC2.0 measurement data (an example of estimation data) and the cigarette socket type device measurement data (an example of first measurement data).
  • the second driving score model may be generated by machine learning using as learning data an example of information based on . Thereby, it becomes possible to generate a model with high validity for calculating the driving score based on the second measurement data.
  • the first device and the second device may be reversed to perform similar processing.
  • - First device ETC 2.0 on-vehicle device
  • Second device Cigarette socket type device
  • the cigarette socket type device measurement data may be estimated based on the ETC 2.0 measurement data.
  • the sampling unit of one of the first device and the second device may be time, and the sampling unit of the other may be distance. Further, one of the first device and the second device may measure at predetermined time intervals, and the other may measure at predetermined distance intervals.
  • the estimated ETC2.0 measurement data is generated based on the driving information of the time-series discrete cigarette socket type device measurement data, but the present invention is not limited thereto.
  • a continuous function may be calculated that approximates the driving information included in the cigarette socket type device measurement data, and estimated ETC2.0 measurement data may be generated based on the calculated function.
  • the estimated ETC2.0 measurement data may be generated using the following.
  • the second driving score model generation unit 115 generates the driving score model through learning using at least the estimated ETC2.0 measurement data and the ETC2.0 measurement data as learning data. Good too.
  • driving A score model may also be generated.
  • the processing unit 110 of the server 100 uses at least estimated ETC2.0 measurement data (for example, an example of estimated data) and ETC2.0 measurement data (for example, an example of second measurement data) for learning.
  • a model is generated by machine learning using data. This makes it possible to generate a more accurate model.
  • ETC2.0 measurement data obtained by having a driver drive a vehicle equipped with an ETC2.0 onboard device under similar conditions, and estimated ETC2.0 generated as in the above example. Obtain measurement data. Then, the processing unit 110 of the server 100 calculates a value (correlation value) indicating the correlation between these measurement data, and, for example, when it is determined that the correlation value is equal to or higher than a predetermined threshold (or exceeds the threshold) (there is a correlation between the two). ), it may be determined that the estimation of the ETC2.0 measurement data is appropriate. In this case, by performing the above processing on a certain number of data, validity can be verified more appropriately.
  • the validity of the driving score model generated as in the above embodiment may be verified.
  • ETC2.0 measurement data obtained by having a driver drive a vehicle equipped with an ETC2.0 onboard device, and generated as in the above example.
  • the processing unit 110 of the server 100 then generates a driving score obtained by inputting the ETC2.0 measurement data into the driving score model and a driving score obtained by inputting the estimated ETC2.0 measurement data into the driving score model. If the difference between these driving scores is less than a predetermined threshold (or below a threshold), the driving score model may be determined to be appropriate. In this case, by performing the above processing on a certain number of data, validity can be verified more appropriately.
  • the user has entered into a car insurance contract with an insurance company, during the contract period, the user changes the device installed in the car from the first device (e.g., cigarette socket type device) to the second device (e.g., There may be cases where the vehicle needs to be changed (switched) to ETC 2.0 on-board device).
  • the first device e.g., cigarette socket type device
  • the second device e.g., There may be cases where the vehicle needs to be changed (switched) to ETC 2.0 on-board device.
  • the processing unit 110 of the server 100 determines whether a device installed in a car (used to measure measurement data) is When changing from the first device to the second device, the measurement data of the first device during at least the first period from the start of the contract period to the device change (for example, the first device measured from the insurance start date to the device change date) Estimated data based on the device measurement data) and measurement data of the second device in the second period from the device change to the end of the contract period (for example, the data measured from the device change date to the driving score calculation date (continuation procedure date))
  • the driving score for continuing automobile insurance may be calculated based on the second device measurement data).
  • the driving score may be calculated using any of the following methods, for example. ⁇ Learn the first score value calculated by inputting the estimated data (e.g., estimated ETC2.0 measurement data) into the learned second driving score model and the second device measurement data (e.g., ETC2.0 measurement data) It is calculated by averaging the second score value calculated by inputting it into the second driving score model. - Calculate by inputting data obtained by integrating estimated data (for example, estimated ETC2.0 measurement data) and second device measurement data (for example, ETC2.0 measurement data) into the learned second driving score model.
  • estimated data e.g., estimated ETC2.0 measurement data
  • the second device measurement data e.g., ETC2.0 measurement data
  • the driving score may be calculated using the following method, for example. ⁇ The first score value calculated by inputting the first device measurement data (for example, cigarette socket type device measurement data) into the first driving score model and the second device measurement data (for example, ETC2.0 measurement data) It is calculated by averaging the second score value calculated by inputting it into the learned second driving score model.
  • first device measurement data for example, cigarette socket type device measurement data
  • second device measurement data for example, ETC2.0 measurement data
  • ⁇ Second example> In the first embodiment, an example related to an insurance product such as telematics insurance has been described. However, when developing services based on ETC 2.0, including services for such telematics insurance products, there are many issues such as how many people can use the service, the size of the market, and whether it can be provided equitably across the country. It is necessary to evaluate whether the service is suitable or not.
  • the second example is an example related to this evaluation. Note that the content described in the second embodiment is applicable to any of the other embodiments and other modifications.
  • FIG. 10 is a diagram showing an example of information stored in the storage unit 190 of the server 100 in this embodiment.
  • the storage unit 190 includes, for example, a first ETC 2.0 service evaluation support processing program 197 that is read out by the processing unit 110 and executed as an ETC 2.0 service evaluation support process, and the aforementioned cigarette socket type device measurement database 192. , a roadside machine information database 198, and a creation histogram database 199 are stored.
  • the cigarette socket type device measurement database 192 can store measurement data of a plurality of drivers for each measurement period, for example.
  • the measurement period may be, for example, a monthly period (1 month, 2 months, . . . , 6 months, etc.) or a period of other units. Further, for example, the information may be classified and stored by road type or region.
  • the roadside machine information database 198 is a database that stores information including, for example, location information of roadside machines nationwide.
  • the created histogram database 199 is a database that stores histogram data created by the processing unit 110 in order to perform evaluations and the like regarding services based on ETC 2.0, which will be described later.
  • the aforementioned estimated ETC2.0 measurement database 194 and the like may be stored in the storage unit 190.
  • ETC 2.0 ⁇ Specifications of ETC2.0 onboard equipment>
  • probe information including traveling information is collected by a roadside device from an ETC 2.0 onboard device, for example.
  • the ETC2.0 on-vehicle device may only be able to record travel information for a predetermined distance, such as a maximum of 80 km, and travel information exceeding the predetermined distance will not be recorded. It may be discarded. For this reason, if a vehicle equipped with an ETC 2.0 onboard device does not pass near the roadside device for a long time, the roadside device may not collect the travel information that has been recorded.
  • the specifications of ETC 2.0 may be updated in the future.
  • the above-mentioned unit distance for example, 200 m
  • the method of the present invention can also cope with such changes in the specifications of ETC 2.0, and only needs to adjust the values of various parameters.
  • FIG. 11 is a diagram showing an example of the flow of the first ETC 2.0 service evaluation support process performed by the processing unit 110 of the server 100 in this embodiment.
  • the processing unit 110 performs the following processing on each piece of cigarette socket type device measurement data included in the cigarette socket type device measurement database 192.
  • the processing unit 110 performs the following processing on the travel information included in the cigarette socket type device measurement data, for example, in order from the oldest travel information in chronological order.
  • the processing unit 110 determines whether the measured position of the vehicle included in the travel information is included in the area of the roadside machine (new roadside machine) (S21).
  • the roadside machine area can be set, for example, as an area within a radius of 5 m or an area within a radius of 10 m from the position of the roadside machine.
  • the processing unit 110 determines whether the measured position of the vehicle included in the travel information is included in the roadside device area of the roadside device based on the location information of the roadside device stored in the roadside device information database 198. Determine whether or not.
  • the processing unit 110 determines whether the measured position of the vehicle exceeds "80 km" from the position of the previous roadside device (S23).
  • the processing unit 110 selects a set of travel information within 80 km from the location of the roadside device, from among the travel information included in the cigarette socket type device measurement data.
  • the transmission flag (collection flag) is set to "ON" (S25).
  • the transmission flag can be a flag that simulates transmission of travel information to the roadside device when a vehicle equipped with the ETC 2.0 onboard device passes near the roadside device.
  • a flag that simulates transmission of travel information to the roadside device when a vehicle equipped with the ETC 2.0 onboard device passes near the roadside device.
  • we will use data measured by a cigarette socket type device (obtained cigarette socket type device measurement data) to virtually create an ETC 2.0 in-vehicle service. This reproduces (simulates) the transmission of travel information (collection of travel information by the roadside device) when a vehicle equipped with the device passes near the roadside device.
  • step S25 a transmission flag "ON" is set for the set of travel information within "80 km” from the position of the roadside device, excluding the travel information exceeding "80 km".
  • the processing unit 110 selects one of the driving information included in the cigarette socket type device measurement data.
  • a transmission flag "ON" is set for the travel information set from the previous roadside device position (S27).
  • the processing unit 110 determines whether or not to end the process (S29), and if it is determined to continue the process (S29: NO), returns the process to S1. On the other hand, if it is determined to end the process (S29: YES), the processing unit 110 ends the first ETC2.0 service evaluation support process.
  • FIG. 12 is a diagram showing an example of a histogram for ETC 2.0 service evaluation generated by the processing unit 110 of the server 100 based on the processing result of the first ETC 2.0 service evaluation support process in this embodiment. be.
  • the processing unit 110 sets the horizontal axis (class) to the estimated collection time (h) at the roadside device and the vertical axis (frequency) for each measurement period of the cigarette socket type device measurement data.
  • the expected collection time at the roadside device can be derived, for example, from the travel information (set of travel information) for which the transmission flag is set to "ON," so it is virtually impossible for the expected collection time to be collected at the roadside device. It can also be said that it is synonymous with the number of data created. Therefore, the horizontal axis may be used as the estimated number of collected data. Alternatively, the vertical axis may be expressed as the number of times the vehicle travels (times).
  • This figure shows an example of a histogram for a measurement period of "1 month", and as an example, the horizontal axis shows sections in which the estimated collection time at the roadside machine is divided into "1 h" as classes. Furthermore, the number of vehicles included in each section is shown as a frequency on the vertical axis. The total number of vehicles is the sum of the number of vehicles in all sections. Note that the values on the horizontal axis and the vertical axis are only examples, and are not limited to these.
  • FIG. 13 shows an example of a histogram similarly created for the measurement period "2 months". The view of the figure is the same as that of FIG.
  • the processing unit 110 sets the threshold value of the estimated collection time to "3h", and the ratio of the number of vehicles to the total number of vehicles for which the estimated collection time exceeds the threshold value "3h” (hereinafter referred to as "number of vehicles ratio”). ) is calculated.
  • number of vehicles ratio the ratio of the number of vehicles to the total number of vehicles for which the estimated collection time exceeds the threshold value "3h”
  • the vehicle number ratio is calculated based on the histogram for the measurement period "1 month” in FIG.
  • the vehicle number ratio is calculated based on the histogram for the measurement period "2 months” in FIG.
  • the result of calculating is, for example, "80%”.
  • the target value of the number of vehicles is set to 75% when the estimated collection time threshold is 3 hours, the ratio of vehicles will reach the target value during the measurement period of "1 month” in Figure 12. However, during the measurement period “2 months” in FIG. 13, the vehicle number ratio has reached the target value. Therefore, in this example, it can be determined that there is no problem even if the measurement data of ETC 2.0 is reproduced by using the cigarette socket type device measurement data whose measurement period is "2 months".
  • the processing unit 110 of the server 100 creates a histogram by updating the measurement periods in order of shortest measurement period until the vehicle number ratio reaches a target value, for example. Then, when the ratio of the number of vehicles reaches the target value, that measurement period is set as the measurement period to be operated.
  • a target value for example.
  • that measurement period is set as the measurement period to be operated.
  • only the set of cigarette socket type device measurement data for the set measurement period is used. may be retained, and cigarette socket type device measurement data sets for other measurement periods may be deleted.
  • the processing unit 110 generates the estimated ETC2.0 measurement data described in the first embodiment using, for example, the set of cigarette socket type device measurement data of the set measurement period, and generates a driving score model. It can be done. By doing this, it becomes possible to create a telematics insurance product with guaranteed reliability.
  • the processing unit 110 sets a period of "2 months" as the measurement period of the cigarette socket type device measurement data
  • the driving score model is created using the cigarette socket type device measurement data of this "2 months" measurement period. generate.
  • the processing unit 110 similarly generates a driving score model using the estimated ETC2.0 measurement data for this "two month” measurement period. Then, if the processing unit 110 inputs predetermined measurement data into these generated driving score models, it determines whether similar results can be obtained (for example, the difference between the models is less than or equal to a predetermined threshold (or less than a threshold)). If similar results are obtained, the measurement period of ETC2.0 measurement data used to calculate driving scores (used for evaluation of driving) will be changed to 2 months. Set.
  • the measurement period of the ETC 2.0 measurement data used to calculate the driving score may not be enough for 2 months, so the process will be processed.
  • the unit 110 sets the measurement period of the ETC2.0 measurement data used for calculating the driving score to a measurement period longer than "2 months” (for example, any period from "3 months” to "6 months”). You may also set it to .
  • estimated ETC2.0 measurement data is generated by thinning out (resampling) the travel information of the cigarette socket type device measurement data. This is because it may not be appropriate to apply the measurement period of the measurement data as is. Therefore, as described above, two driving score models are compared and verified, and the measurement period of ETC2.0 measurement data used for calculating the driving score is set (determined) based on the results of the comparison and verification. good.
  • ETC 2.0 for example, cigarette socket type device measurement data
  • roadside equipment included in the area covered by telematics insurance for example, the metropolitan area, etc.
  • An estimated collection time is calculated for each vehicle based on the location information. Then, for all target vehicles, how much driving information is virtually collected by the roadside device (or conversely, how much driving information is discarded) is calculated using the above-mentioned histogram, etc. It can be evaluated.
  • the processing unit 110 of the server 100 generates, for example, a histogram of how much driving information is collected per month based on measurement data of the cigarette socket type device during a predetermined measurement period. 12 and FIG. 13. Then, the processing unit 110 of the server 100 sets a threshold value (for example, 7 hours, 10 hours, etc.) for the estimated collection time at the roadside device, and sets the number of vehicles (or the number of vehicles) for which the estimated collection time is equal to or greater than the threshold (or exceeds the threshold). If the ratio) is equal to or greater than a set value (or exceeds a set value), it can be determined that the business of a general insurance product is viable.
  • a threshold value for example, 7 hours, 10 hours, etc.
  • processing may be performed using a period of "1 month” as a predetermined measurement period, or processing may be performed using a period of "2 months” or "3 months” as a predetermined measurement period.
  • the estimated collection time in a predetermined measurement period may be used as is, or the estimated collection time per month may be used.
  • the time calculated by creating a histogram from the cigarette socket type device measurement data of a plurality of different measurement periods and averaging the estimated collection time of each measurement period may be used.
  • the above-mentioned estimated number of collected data may be used instead of the estimated collection time. Further, similar processing may be performed based on the number of data (estimated number of discarded data) or time (estimated discarded time) indicating how much driving information is virtually discarded without being collected by the roadside device. This is the rate (degree) of data loss in estimated ETC2.0 measurement data generated based on cigarette socket type device measurement data (pseudo ETC2.0 measurement data generated based on cigarette socket type device measurement data). ) (data loss rate information (data loss degree information)).
  • determining the success or failure of the above insurance product as a business is based on the above data loss rate information, estimated ETC 2.0 measurement data generated based on cigarette socket type device measurement data (cigarette socket type device measurement data) It can also be said that the validity of pseudo ETC 2.0 measurement data generated based on measurement data is determined.
  • the server 100 may or may not actually generate the estimated ETC2.0 measurement data.
  • the estimated ETC2.0 measurement data may be generated based on the cigarette socket type device measurement data, and then the validity of the generated estimated ETC2.0 measurement data may be determined by the above method.
  • the validity of the generated estimated ETC 2.0 measurement data is determined by the above method. You can do it like this.
  • the processing unit 110 of the server 100 sets the measurement period based on the method described in ⁇ Measurement period setting> above, and then performs the set measurement period.
  • the estimated ETC2.0 measurement data described in the first embodiment may be generated using a set of cigarette socket type device measurement data for the period, and the driving score model may be generated.
  • the processing unit 110 of the server 100 may perform any of the following. ⁇ Do not generate estimated ETC2.0 measurement data ⁇ Generate estimated ETC2.0 measurement data but do not use it
  • the processing unit 110 of the server 100 uses estimated ETC2.0 measurement data instead of the cigarette socket type device measurement data, and similarly You may also perform an evaluation.
  • the server 100 transmits ETC2.0 measurement data (an example of second measurement data) to a roadside device (an example of a third device) installed at a predetermined location. Based on the cigarette socket type device measurement data (an example of the first measurement data) and the position information of the roadside device, it is determined whether estimated ETC 2.0 measurement data is to be generated. Thereby, it can be appropriately determined whether or not to generate estimated data of the second measurement data based on the first measurement data and the position information of the third device installed at a predetermined position.
  • the server 100 transmits ETC2.0 measurement data (an example of second measurement data) to a roadside device (an example of a third device) installed at a predetermined position. Based on the cigarette socket type device measurement data (an example of the first measurement data) and the location information of the roadside device, it is determined whether or not to use the estimated ETC 2.0 measurement data transmitted from the device (an example of the device). judge. Thereby, it is possible to appropriately determine whether or not to use the estimated data of the second measurement data based on the first measurement data and the position information of the third device installed at a predetermined position.
  • the server 100 transmits ETC2.0 measurement data (an example of second measurement data) to a roadside device (an example of a third device) installed at a predetermined position.
  • Cigarette socket type device measurement data used to generate ETC2.0 measurement data based on the cigarette socket type device measurement data (an example of the first measurement data) and the position information of the roadside device. Determine the measurement period.
  • the measurement period of the first measurement data used to generate the estimated data of the second measurement data can be appropriately determined based on the first measurement data and the position information of the third device installed at a predetermined position. I can do it.
  • the server 100 is necessary for driving evaluation based on ETC 2.0 measurement data measured by an ETC 2.0 onboard device, based on cigarette socket type device measurement data measured by a cigarette socket type device.
  • the device includes a processing unit 110 that determines a measurement period of cigarette socket type device measurement data. Thereby, based on the first measurement data measured by the first device that measures information about the moving object, the second measurement data that is measured by the second device that measures information about the moving object and which is different from the first device. The measurement period of the first measurement data necessary for evaluation of driving based on the second measurement data can be appropriately determined.
  • the server 100 measures ETC2.0 measurement data necessary for driving evaluation based on the ETC2.0 measurement data, based on the cigarette socket type device measurement data of the measurement period determined as described above. Determine the period. This makes it possible to appropriately determine the measurement period of the second measurement data, which is necessary for the evaluation of driving based on the second measurement data, based on the first measurement data of the measurement period determined as described above. can.
  • the server 100 Furthermore, the server 100 generates pseudo ETC 2.0 measurement data for a predetermined period based on the cigarette socket type device measurement data, and acquires data loss rate information in this pseudo ETC 2.0 measurement data. Then, the server 100 determines the validity of this pseudo ETC 2.0 measurement data based on the acquired data loss rate information. Thereby, the validity of the pseudo second measurement data generated based on the first measurement data for a predetermined period can be appropriately determined based on the data loss rate information.
  • the server 100 uses cigarette socket type device data and estimated ETC 2.0 measurement data that are measured with a leisure area etc. as the destination (for example, when the user is located within the range of the leisure area for a predetermined time). Based on this, it may be determined whether or not business for insurance products for leisure (leisure use) is viable using the same method as described in the above embodiment. If it is determined that this is true, the insurance company may provide a special insurance product for leisure use.
  • the server 100 determines that it can be established as a general insurance product based on evaluation based on cigarette socket type device measurement data and estimated ETC 2.0 measurement data in the metropolitan area etc. If this is the case, insurance companies will uniformly provide general insurance products that are determined to be valid, regardless of whether they are for leisure use or not.
  • the server 100 determines that it is not viable as a general insurance product based on the evaluation based on the cigarette socket type device measurement data and estimated ETC 2.0 measurement data in the metropolitan area, etc., the server 100 performs the above-mentioned In this way, it may be determined whether or not business for leisure insurance products is viable. If it is determined that this is true, the insurance company may provide a special insurance product for leisure use.
  • ITS spots new roadside devices that acquire driving information from devices compatible with ETC 2.0 placed on vehicles. It can be expected to collect driving information. Therefore, under the system based on ETC2.0, we measured the degree of collection of driving information that would be collected assuming that a new roadside unit was installed in addition to the existing roadside unit, and based on the measured degree of collection.
  • An example of determining the feasibility of a service related to ETC 2.0 will be described as a third embodiment. Note that the content described in the third embodiment is applicable to any of the other embodiments and other modifications.
  • FIG. 14 is a diagram showing an example of information stored in the storage unit 190 of the server 100 in this embodiment.
  • the storage unit 190 includes, for example, a second ETC 2.0 service evaluation support processing program 201 that is read out by the processing unit 110 and executed as the ETC 2.0 service evaluation support process, map information 202, and a roadside machine information database 198. , a cigarette socket type device measurement database 192 , and a facility information database 203 where new roadside devices can be installed are stored.
  • the map information database 201 is, for example, a database that stores information including road information, topography, etc. nationwide.
  • the roadside machine information database 198 is a database that stores information including, for example, location information of roadside machines nationwide.
  • the cigarette socket type device measurement database 192 is, for example, a database in which cigarette socket type device measurement data including driving information measured by a cigarette socket type device mounted on a vehicle is stored.
  • the travel information includes at least position information.
  • the roadside unit new installation facility information database 203 stores, for example, location information of facilities where new roadside units can be installed.
  • each piece of location information is stored in association with facility property information (including chain store names, for example, shopping mall names, gas station names, convenience store names, etc.). It is now possible to extract a set of industries (gas stations, etc.) operated by the same company based on the property information obtained.
  • FIG. 15 is a diagram showing an example of the distribution of already installed ETC 2.0 roadside units on a map, generated with reference to information stored in the map information database 201 and the roadside unit database 198. .
  • area information that is a guideline for the acquisition position range of travel information that is likely to be collected is also displayed. Note that such area information is preferably stored in advance or calculated based on the position information of each roadside unit, surrounding road information, etc. in a new roadside unit installation position derivation process to be described later. Details of the area information will be described later.
  • the position of the roadside machine is indicated by a diamond in a manner superimposed on the map information.
  • the roadside device when a vehicle equipped with a device compatible with ETC 2.0 is located nearby, travel information stored in the device is acquired. Further, with reference to the area information, a circle with a predetermined length r as a radius and centered on the position where the roadside machine is placed is drawn for each roadside machine.
  • the predetermined length r which is the radius in the guideline range, may be 80 km, which is the maximum amount of travel information that can be recorded in the ETC 2.0 onboard device, or the distance of 80 km including curves, etc.
  • the range may be a circle with a radius of less than 80 km (for example, 50 km) from the roadside machine, instead of a circle of 80 km assuming a straight line distance from the roadside machine.
  • a plurality of reference ranges may be shown, such as a circle with a radius of 80 km and a circle with a radius of less than 80 km.
  • the range of the guideline may not be a circle centered on the roadside machine position, but may be an arbitrary range based on the roadside machine position.
  • the calculated range may be set as a distance of 80 km from the roadside device position and reflect the actual road distance in consideration of road curves, etc., and this range may be indicated.
  • roadside units are installed in all locations, it will be possible to collect all travel information, but this is difficult due to cost considerations, and the number of roadside units that can be installed is limited.
  • a new roadside unit for example, it is possible to cooperate with a private company and have it installed at a private business facility. For example, it is possible to cooperate through an arrangement in which a private company pays for data to be provided from the installed roadside equipment in exchange for having it installed at their own business facilities at a private company's expense.
  • FIG. 16 shows the information of installation candidate facilities superimposed on the diagram shown in FIG. 15.
  • the roadside unit new installation possible facility information database 203 for example, shopping mall X, gas station Y, and convenience store Z are selected as installation candidate facilities. Extracted and shown.
  • the types of installation candidate facilities are not limited to these, and any type can be set.
  • each gas station Y has a hollow diamond shape that indicates the installation location of a new roadside unit, and based on the location of each gas station Y, there is a guideline for obtaining travel information.
  • the range is indicated by a dotted line.
  • FIG. 18 is a diagram showing an example of the flow of the second ETC 2.0 service evaluation support process performed by the processing unit 110 of the server 100 in this embodiment.
  • the second ETC 2.0 service evaluation support process has some of the same content as the first ETC 2.0 service evaluation support process, so a description of the similar content will be omitted.
  • the processing unit 110 performs the following process for each cigarette socket type device measurement data included in the cigarette socket type device measurement database 192, for example.
  • the processing unit 110 processes the driving information included in the cigarette socket type device measurement data, for example, in order from the oldest driving information in chronological order (of course, it may start from the newest driving information, and the order does not matter), as follows: Process.
  • the processing unit 110 determines whether any of the travel information for a predetermined distance (for example, 80 km) after the travel information is included in the roadside device area of an existing roadside device or a newly installed roadside device. A determination is made (S31).
  • the ETC 2.0 on-vehicle device may only be able to record travel information for a predetermined distance, such as a maximum of 80 km, and travel information for a distance exceeding the predetermined distance may not be recorded. This is to determine whether such traveling information will ultimately be acquired by the roadside device or whether it will be discarded without being recorded.
  • the processing unit 110 sets a transmission flag (collection flag) “ON” to the travel information that is determined to be included in the roadside device area. (S32).
  • the processing unit 110 determines whether to end the process (S33). That is, it is determined whether there is any remaining travel information to be processed, and if so, the process is continued; if not, the process is ended. (S33: NO), the process returns to S31. On the other hand, if it is determined to end the process (S33: YES), the processing unit 110 ends the second ETC2.0 service evaluation support process.
  • the determination criterion is whether or not the roadside device area is passed in the subsequent travel information for a predetermined distance, but the determination criterion is not limited to this, and the determination criterion is not limited to this. Any criteria based on the above criteria can be applied.
  • the determination criterion may be whether each piece of travel information is included in an area that is a guideline for the travel information acquisition position range described above.
  • the determination criterion may be whether the range is within a predetermined distance (for example, 80 km) from the roadside device position, and is included in a range that reflects the actual road distance in consideration of road curves and the like.
  • selection degree information information indicating the degree of collection. For example, a histogram similar to that shown in FIGS. 12 and 13 in the second embodiment is created. Then, for example, the processing unit 110 appropriately sets a threshold value for the estimated collection time (for example, "3 hours"), and calculates the proportion of the number of vehicles whose estimated collection time is equal to or greater than this threshold value.
  • the method for evaluating the collection degree information is not limited to the method using the threshold value of the assumed collection time mentioned above, and any method can be applied.
  • collection degree information may be obtained for each region, and an evaluation may be performed such as whether the collection degree is greater than or equal to a predetermined threshold in an area.
  • the collection degree information may be evaluated by, for example, visually representing the locations where travel information was acquired on map information, and having the user visually confirm the distribution of these locations. Thereby, it is possible to evaluate whether travel information is collected in a specific area, whether travel information is collected uniformly in a specific area (or all areas), etc.
  • the processing unit 110 sets a period of "2 months" as the measurement period of the cigarette lighter socket type device measurement data, and the collection degree information calculated based on the measurement data during this measurement period is used to determine whether the collection degree information (For example, if the estimated collection time threshold is set to 3 hours, and the ratio of the number of vehicles to the total number of vehicles for which the estimated collection time exceeds 3 hours is 75%, and the specified business is being carried out) 70%), it is determined that the predetermined business can be established. On the other hand, if the conditions are not met, it is determined that it is difficult to establish the predetermined business.
  • the collection degree information is calculated under the assumption that a new roadside unit is installed in the first pattern, which is a combination of roadside units, and the combination of roadside units that is different from the first pattern.
  • the second pattern may be compared with the collection degree information under an assumed situation in which a new roadside unit is installed, and the difference may be determined. For example, in a situation where a period of "2 months" is set as the measurement period, the ratio of the number of vehicles to the total number of vehicles for which the expected collection time in the former case exceeds "3 hours” is "75%", and the expected collection time in the latter case is 75%.
  • the difference is 5 points.
  • the 5 points of this difference can be said to be the difference in effect when a new roadside unit is installed in the first pattern and the second pattern.
  • the collection degree information calculated under the assumed situation where a new roadside unit is installed is compared with the collection degree information under a situation where no new roadside unit is installed, It is also possible to calculate the difference. For example, in a situation where a period of "2 months" is set as the measurement period, the ratio of the number of vehicles to the total number of vehicles for which the expected collection time in the former case exceeds "3 hours” is "75%", and the expected collection time in the latter case is 75%. It can be seen that when the ratio of the number of vehicles to the total number of vehicles for which the time exceeds "3 hours” is "65%", the difference is 10 points. This difference of 10 points can be said to be the effect of installing a new roadside unit.
  • an optimization method can be used to identify a new roadside unit from among the candidate facilities where new roadside units can be installed, so that the collection level is as high as possible while installing as few new roadside units as possible.
  • the new roadside machine to be installed may be differentiated by business type, region, etc., as described above.
  • the search is limited to gas station Y and shopping mall X
  • area B all candidates for gas station Y, shopping mall X, and convenience store Z are extracted.
  • any one (or any plurality) may be specified as a new roadside machine installation target.
  • the collection degree information may be calculated for patterns of combinations of a plurality of candidates, and a new combination of roadside machine candidates for which the collection degree information is optimal may be determined.
  • the collection degree information may be calculated in a manner that does not include any new roadside devices. In other words, based on the location information of existing roadside units, user input, etc., those that are not included in the newly installed roadside units are identified (for example, out of the set of "gas station Y", those that are not included are identified based on some criteria). It is also possible to calculate the collection degree information in a manner that does not include such roadside machines. Alternatively, collection degree information may be calculated for a plurality of patterns including patterns that do not include such specific roadside machines, and a pattern with optimal collection degree information may be determined.
  • the server 100 transmits the cigarette socket type device measurement data based on the location of the existing roadside device and the location of the facility where the new roadside device can be installed, based on the method compatible with ETC 2.0.
  • the degree of collection of the measurement data is calculated by imitating the manner in which the measurement data is collected by each roadside machine. Furthermore, based on the degree of collection, the feasibility of a predetermined service related to ETC 2.0 is determined. In addition, the difference in the collection degree when a new roadside unit is installed in different patterns, and the difference in the collection rate between when a new roadside unit is installed and when no roadside unit is installed are determined, and the effect thereof is determined.
  • a combination of facility candidates for installing new roadside units is determined using an optimization method, taking into consideration the installation cost of roadside units and the level of collection. This makes it possible to evaluate the collection level under the assumption that a new roadside device is installed without installing a new roadside device.
  • FIG. 19 is a diagram showing an example of information stored in the storage unit 190 of the server 100 in this embodiment.
  • the storage unit 190 includes, for example, a new roadside unit installation position derivation processing program 204 that is read by the processing unit 110 and executed as a process for deriving a new roadside unit installation position, a map information database 202, and a roadside unit information database. 198, a cigarette socket type device measurement database 192, and a facility information database 203 where new roadside devices can be installed are stored.
  • These data structures are the same as those in the storage unit 190 in the third embodiment except that the second ETC 2.0 service evaluation support processing program 201 has become the new roadside unit installation position derivation processing program 204, so the details will be explained below. Further explanation will be omitted.
  • FIG. 15 shows an example of the distribution of already placed ETC 2.0 roadside units on a map, which is generated with reference to the information stored in the map information database 201 and the roadside unit database 198, as described above.
  • FIG. 15 shows an example of the distribution of already placed ETC 2.0 roadside units on a map, which is generated with reference to the information stored in the map information database 201 and the roadside unit database 198, as described above.
  • FIG. 15 Ultimately, if roadside units are installed in all locations, it will be possible to collect all driving information, but this is difficult due to cost considerations, and the number of roadside units that can be installed is limited. Therefore, it is necessary to install roadside machines in locations where collection efficiency is as high as possible. In the example shown in FIG. 15, four roadside units are installed, but there is an area near the center of the map that is outside the approximate range of travel information acquisition by each roadside unit. This indicates that there may be many omissions in information acquisition.
  • FIG. 20 is a diagram showing a situation assumed when a fifth roadside unit is newly installed compared to the situation in FIG. 15.
  • the position of the newly installed roadside unit is indicated by a hollow diamond, and the circle, which is a guideline for the traveling information position covered by the new roadside unit, is indicated by a dotted line.
  • FIG. 21 is a flowchart showing an example of the flow of a new roadside device installation position derivation process executed by the processing unit 110 of the server 100 in this embodiment.
  • the processing unit 110 of the server 100 identifies an area where a new roadside unit is to be installed (S41).
  • the region is specified, for example, by receiving a region designation input by a user via the operation unit 120 or the communication unit 150.
  • specifying an area through user input may be, for example, specifying a range using a mouse operation or pinch operation, or specifying an address by inputting characters such as "3-chome, C-cho, B-city, A-prefecture.” It may be something that does.
  • the identification of the area where a new roadside unit is to be installed, which is performed in step S41 is not limited to the above-mentioned method, and any method may be applied.
  • an area containing a group of areas that cannot be covered by the acquisition of travel information by the existing roadside unit is extracted, and the area is set as one of the extracted areas. It may also be a thing.
  • the location of the newly installed roadside unit is specified (S43).
  • the user specifies the location by looking at the content presented via the display unit 130, etc.
  • multiple recommended locations may be specified based on existing roadside unit location information, etc., and the user may be asked to specify one of the multiple recommended locations. It may also be a thing. The latter case will be explained below with reference to several examples.
  • An example of a method for specifying the installation position of a new roadside unit is a method based on position information of existing roadside units existing in the vicinity.
  • the farthest position from each existing roadside unit within the designated area may be specified as the installation position of the new roadside unit, as shown in FIG. 22. .
  • set a score that decreases as the distance from each existing roadside device increases e.g., inversely proportional to the length of the distance
  • the aggregate value of the scores e.g., the total value is the lowest
  • It may also be specified as the installation position of a new roadside unit.
  • a new roadside device can be installed.
  • the installation position It may also be specified as the installation position. Furthermore, based on the approximate range of travel information acquisition by each roadside unit, the location farthest from the range may be specified as the installation position of the new roadside unit. Furthermore, the approximate range of travel information acquisition by each roadside unit and the approximate range of travel information acquisition by a new roadside unit (for example, a circular area with radius s; s may be the same as r, or It is also possible to specify the installation position of a new roadside unit, taking into consideration the smallness of the overlapping area.
  • Another example of a method for specifying the installation position of a new roadside device is a method based on the density of position information of a plurality of moving bodies that is separately acquired.
  • FIG. 23 shows a superimposed display based on the density of positional information included in travel information measured by a cigarette socket type device with reference to the cigarette socket type device measurement database 192 for the situation in FIG. 15.
  • a circle indicates a position where position information is observed at a predetermined density (for example, 20 times/day) or more, and the larger the circle, the greater the density.
  • the location with the highest density may be specified as the installation location of a new roadside device, and the new roadside device may acquire traveling information.
  • the roadside machine position where the density is highest in the range of the guideline may be specified as the installation position of the new roadside machine.
  • a plurality of candidate positions are derived using the method described above, the plurality of candidate positions are presented to the user via the display unit 130, etc., and the user selects one of them. This may be used to specify the installation position of a new roadside unit.
  • the position information used in this embodiment is included in the traveling information stored in the cigarette socket type device measurement database 192, but is not limited thereto.
  • location information collected by other means may be used. This other means may be a device compatible with ETC 2.0.
  • FIG. 24 shows installation candidate locations superimposed near the center of the map shown in FIG. 15.
  • a shopping mall, a gas station, and a convenience store are extracted and shown as installation candidate locations with reference to the roadside unit new installable facility information database 203 for the situation in FIG. 15.
  • the types of installation candidate sites are not limited to these, and any type can be set.
  • a shopping mall is identified as the location of a new roadside unit to be installed, and there is a hollow mark in the shopping mall indicating that it is a new installation location.
  • Diamond shapes are arranged, and dotted lines indicate the approximate range of travel information acquisition based on the location of the shopping mall.
  • the map information of the area where a new roadside unit is to be installed includes the existing roadside unit and the range of travel information positions covered by the existing roadside unit, as well as installation candidates for the roadside unit.
  • the display unit 130 or the like may display a superimposed image of the roadside unit to the user, and allow the user to select one of the installation candidate sites, thereby specifying it as the installation location of a new roadside unit. good.
  • the range of travel information position guides covered by each existing roadside unit is compared with the range of travel information position guides that the new roadside unit is expected to cover, and the overlap is determined.
  • the installation position of a new roadside unit may be specified taking into consideration the small area where the roadside unit is to be installed.
  • the method of identifying the installation position of a new roadside unit has been described above, the method is not limited to these, and any method may be used. For example, a combination of multiple methods among the three methods described above may be used. That is, for example, in a state where the density information of the location where the traveling information is acquired and the installation candidate site information of the facility where the roadside unit can be installed are known in advance and are shown superimposed on the map information, such density information and installation candidate A plurality of new roadside unit installation candidate positions are derived based on the location information and shown to the user via the display unit 130 etc., and by selecting one of them, the user can select the new roadside unit installation position. It may also be specified.
  • the locations of a plurality of new roadside devices may be specified. That is, after specifying one location of a new roadside unit, the location of the next new roadside unit may be specified assuming that it has already been installed, or the locations of multiple new roadside units may be specified as described above. They may be specified simultaneously based on the specified elements.
  • the expected degree of acquisition of travel information before and after installation of the new roadside unit is compared, and how much increase in the amount of travel information acquisition is expected is determined.
  • a threshold value By comparing the amount of acquired driving information after installation with a threshold value, it is possible to evaluate whether the acquisition status of driving information is sufficient or not. In turn, for example, it can be determined whether an insurance product business or the like is viable based on the amount of travel information expected to be acquired due to the installation of a new roadside device.
  • the server 100 creates new information based on user input, location information of existing roadside devices, density of location information obtained from multiple moving objects, location information of facilities where roadside devices can be installed, etc. Identify the location where the roadside unit will be installed. As a result, it is possible to know in advance an effective position to install a roadside device that acquires driving information using a method compatible with ETC 2.0, without installing a new roadside device.
  • the server 100 in the above embodiment is configured as a plurality of physically separated servers, and the first server performs some of the processing described in the above embodiment, and the second server performs other processing. You may also do something like this.
  • a server system may be considered to be composed of a plurality of servers.
  • the moving object is not limited to a four-wheeled vehicle, but as described above, it may be a two-wheeled vehicle, a personal mobility vehicle, a ship, a railway, an aircraft, etc.
  • the same processing as in the above embodiment can be performed by using various measuring devices as the first device and second device mounted or built in the moving body.
  • the same processing as above may be performed by, for example, setting the measurement target as "sound”, setting the sampling unit of the first device as “time”, and setting the sampling unit of the second device as "frequency”. You may do so. Further, for example, processing similar to the above may be performed using information regarding a living body (blood pressure, pulse rate, heart rate, respiratory rate, body temperature, brain waves, etc.) as a measurement target. In this case as well, the same processing as above may be performed, for example, by setting the sampling unit of the first device to "time” and setting the sampling unit of the second device to "frequency.”
  • the server 100 when a user to be insured is driving a vehicle, information regarding the living body of the user is measured by the first device. Then, the server 100 generates estimated second device measurement data when information related to the living body of the user is measured by the second device, based on the first device measurement data in which information related to the living body is measured by the first device. You may also generate one. Further, in this case, the travel information of the vehicle being driven by this user may be measured by a cigarette socket type device or the like, and the server 100 may generate the estimated ETC 2.0 measurement data described above. That is, the user to be insured and the vehicle may be linked, and the server 100 may generate estimated data of information regarding the living body in addition to generating estimated ETC 2.0 measurement data. In addition to evaluating the user's driving (driving quality), the user's health condition may also be evaluated. Note that the estimated data of information regarding the user's biological body may be generated not only when driving but also at times other than driving.
  • cigarette socket type device measurement data and ETC 2.0 measurement data are acquired from a vehicle equipped with the cigarette socket type device measurement data and the ETC 2.0 onboard device. Then, in the estimated ETC2.0 measurement data generated based on the cigarette socket type device measurement data, the ratio of data loss to the actual ETC2.0 measurement data is calculated. Good too.
  • the score calculated by inputting the estimated ETC2.0 measurement data into the second driving score model is compared with the score calculated by inputting the actual ETC2.0 measurement data into the second driving score model. However, if the difference is less than or equal to a threshold (or less than a threshold), it may be determined that the estimated ETC2.0 measurement data is valid.
  • each device includes internal storage devices such as ROM, EEPROM, flash memory, hard disk, and RAM, as well as memory cards (SD cards), compact flash (registered trademark) cards, memory sticks, USB memories, and CDs.
  • ROM read-only memory
  • EEPROM electrically erasable programmable read-only memory
  • flash memory electrically erasable programmable read-only memory
  • RAM random access memory
  • server 110 processing section 120 operation section 130 display section 140 sound output section 150 communication section 160 clock section 190 storage section

Landscapes

  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

情報処理装置は、移動体に関する情報を計測する第１装置によって計測された第１計測データに基づいて、移動体に関する情報を計測する装置であって前記第１装置とは異なる第２装置によって計測される第２計測データの推定データを生成するデータ生成部と、前記推定データに基づいて、前記第２装置を用いた前記移動体に関する諸量を算出するためのモデルを生成するモデル生成部と、を備え、前記データ生成部は、前記第２計測データの推定データが前記第１計測データに数学的に包含される関係になるように生成する。

Description

情報処理装置、情報処理方法、プログラム及び学習済みモデル
　本発明は、情報処理装置、情報処理方法、プログラム等に関する。
　ある計測対象を計測する装置（システム）として、例えば、車両の位置情報や加速度情報などの走行情報を計測可能なものがある（例えば、特許文献１）。
特開２０２２－５８４２１号公報
　あくまで一例であるが、上記のように所定の計測対象を計測する装置によって計測された計測データを用いて新しいサービス（ビジネス）を開発するようなことを考える場合、その装置を実際に用いて計測データとして膨大な数の計測データを取得して評価を行うのが通常であり、時間的なコストや金銭的なコストが生じてしまう。
　また、現状、計測する装置が設置されている箇所は限定されており、より多くの計測する装置の設置が望まれている。しかしながら、コストの問題から、効率よくデータを計測できる場所に設置することが必要となっている。
　本発明の第１の態様によると、情報処理装置は、移動体に関する情報を計測する第１装置によって計測された第１計測データに基づいて、移動体に関する情報を計測する装置であって第１装置とは異なる第２装置によって計測される第２計測データの推定データを生成するデータ生成部、を備える。
　本発明の第２の態様によると、情報処理方法は、移動体に関する情報を計測する第１装置によって計測された第１計測データに基づいて、移動体に関する情報を計測する装置であって第１装置とは異なる第２装置によって計測される第２計測データの推定データを生成すること、を含む。
　本発明の第３の態様によると、コンピュータに実行させるためのプログラムは、移動体に関する情報を計測する第１装置によって計測された第１計測データに基づいて、移動体に関する情報を計測する装置であって第１装置とは異なる第２装置によって計測される第２計測データの推定データを生成すること、をコンピュータに実行させる。
　本発明の第４の態様によると、情報処理装置は、移動体に関する情報を計測する第１装置によって計測された第１計測データに基づいて、移動体に関する情報を計測する装置であって第１装置とは異なる第２装置によって計測される第２計測データに基づく運転の評価に必要な第１計測データの計測期間を判定する第１判定部、を備える。
　本発明の第５の態様によると、情報処理方法は、移動体に関する情報を計測する第１装置によって計測された第１計測データに基づいて、移動体に関する情報を計測する装置であって第１装置とは異なる第２装置によって計測される第２計測データに基づく運転の評価に必要な第１計測データの計測期間を判定すること、を含む。
　本発明の第６の態様によると、コンピュータに実行させるためのプログラムは、移動体に関する情報を計測する第１装置によって計測された第１計測データに基づいて、移動体に関する情報を計測する装置であって第１装置とは異なる第２装置によって計測される第２計測データに基づく運転の評価に必要な第１計測データの計測期間を判定すること、をコンピュータに実行させる。
　本発明の第７の態様によると、情報処理装置は、移動体に関する情報を計測する第１装置によって計測された第１計測データに基づいて、移動体に関する情報を計測する装置であって第１装置とは異なる第２装置によって計測される第２計測データを擬似的に所定期間について生成する生成部と、生成された擬似的第２計測データにおけるデータ損失割合情報を取得する取得部と、データ損失割合情報に基づいて、所定期間における擬似的第２計測データの有効性を判定する判定部と、を備える。
　本発明の第８の態様によると、情報処理方法は、移動体に関する情報を計測する第１装置によって計測された第１計測データに基づいて、移動体に関する情報を計測する装置であって第１装置とは異なる第２装置によって計測される第２計測データを擬似的に所定期間について生成することと、生成された擬似的第２計測データにおけるデータ損失割合情報を取得することと、データ損失割合情報に基づいて、所定期間における擬似的第２計測データの有効性を判定することと、を含む。
　本発明の第９の態様によると、コンピュータに実行させるためのプログラムは、移動体に関する情報を計測する第１装置によって計測された第１計測データに基づいて、移動体に関する情報を計測する装置であって第１装置とは異なる第２装置によって計測される第２計測データを擬似的に所定期間について生成することと、生成された擬似的第２計測データにおけるデータ損失割合情報を取得することと、データ損失割合情報に基づいて、所定期間における擬似的第２計測データの有効性を判定することと、をコンピュータに実行させる。
　本発明の第１０の態様によると、情報処理装置は、ＥＴＣ２．０に対応する方式に基づいて移動体の走行に関する情報を収集する路側機であって、既に設置されている既存路側機の位置情報である既存路側機位置情報を取得する既存路側機位置情報取得部と、前記路側機を新規に設置可能な少なくとも１つの施設の位置情報である第１設置候補施設位置情報を取得する第１設置候補施設位置情報取得部と、ＥＴＣ２．０に対応する方式とは異なる方式に基づいて収集された走行情報であって、少なくとも移動体の位置に関する情報を含む走行情報を取得する走行情報取得部と、ＥＴＣ２．０に対応する方式に基づいて、前記既存路側機位置情報及び前記第１設置候補施設位置情報に対応する路側機によって前記走行情報を収集したと想定した場合の収集度合いに関する第１収集度合い情報を算出する算出部と、を備える。
　本発明の第１１の態様によると、情報処理方法は、ＥＴＣ２．０に対応する方式に基づいて移動体の走行データを取得する路側機であって、既に設置されている既存路側機の位置情報である既存路側機位置情報を取得することと、前記路側機を新規に設置可能な少なくとも１つの施設の位置情報である第１設置候補施設位置情報を取得することと、ＥＴＣ２．０に対応する方式とは異なる方式に基づいて計測された走行情報であって、少なくとも移動体の位置に関する情報を含む走行情報を取得することと、前記既存路側機位置情報及び前記第１設置候補施設位置情報に基づいて、仮想的にＥＴＣ２．０に対応する方式に基づいて計測を行った場合の前記走行情報の収集度合いに関する第１収集度合い情報を算出することと、を含む。
　本発明の第１２の態様によると、コンピュータに実行させるためのプログラムは、ＥＴＣ２．０に対応する方式に基づいて移動体の走行データを取得する路側機であって、既に設置されている既存路側機の位置情報である既存路側機位置情報を取得することと、前記路側機を新規に設置可能な少なくとも１つの施設の位置情報である第１設置候補施設位置情報を取得することと、ＥＴＣ２．０に対応する方式とは異なる方式に基づいて計測された走行情報であって、少なくとも移動体の位置に関する情報を含む走行情報を取得することと、前記既存路側機位置情報及び前記第１設置候補施設位置情報に基づいて、仮想的にＥＴＣ２．０に対応する方式に基づく計測を行った場合の前記走行情報の収集度合いに関する第１収集度合い情報を算出することと、をコンピュータに実行させる。
　本発明の第１０の態様によると、情報処理装置は、移動体に備えられた第１の装置から、ＥＴＣ２．０に対応する方式とは異なる方式に基づいて移動体位置情報を取得する移動体位置情報取得部と、前記取得した移動体位置情報に基づいて、前記移動体位置情報の密度情報を取得する密度情報取得部と、前記取得した密度情報に基づいて、ＥＴＣ２．０に対応する方式に基づいて走行情報を取得する新規の路側機を設置するための位置を特定する特定部と、を備える。
　本発明の第１１の態様によると、情報処理装置は、少なくとも１つの既存路側機の位置情報である既存路側機位置情報を取得する路側機位置情報取得部と、前記路側機位置情報を出力する出力部と、前記出力に対応して行われるユーザ入力に基づいて、新規路側機を設置する設置するための位置を特定する特定部と、を備える。
　本発明の第１２の態様によると、情報処理装置は、ＥＴＣ２．０に対応する方式に基づいて走行情報を取得する少なくとも１つの既存路側機の位置情報である既存路側機位置情報を取得する既存路側機位置情報取得部と、前記既存路側機位置情報に基づいて、新規路側機を設置するための位置を特定する特定部と、を備える。
　本発明の第１３の態様によると、情報処理装置は、ＥＴＣ２．０に対応する方式に基づいて走行情報を取得する路側機を新規に設置可能である施設の位置情報である施設位置情報を取得する施設位置情報取得部と、前記施設位置情報に基づいて、前記新規路側機を設置するための位置を特定する特定部と、を備える。
　本発明の第１４の態様によると、情報処理方法は、移動体に備えられた第１の装置から、ＥＴＣ２．０に対応する方式とは異なる方式に基づいて移動体位置情報を取得することと、前記取得した移動体位置情報に基づいて、前記移動体位置情報の密度情報を取得することと、前記取得した密度情報に基づいて、ＥＴＣ２．０に対応する方式に基づいて走行情報を取得する新規の路側機を設置するための位置を特定することと、を含む。
　本発明の第１５の態様によると、情報処理方法は、少なくとも１つの既存路側機の位置情報である既存路側機位置情報を取得することと、前記路側機位置情報を出力することと、前記出力に対応して行われユーザ入力に基づいて、新規路側機を設置するための位置を特定することと、を含む。
　本発明の第１６の態様によると、情報処理方法は、ＥＴＣ２．０に対応する方式に基づいて走行情報を取得する少なくとも１つの既存路側機の位置情報である既存路側機位置情報を取得することと、前記既存路側機位置情報に基づいて、新規路側機を設置するための位置を特定することと、を含む。
　本発明の第１７の態様によると、情報処理方法は、ＥＴＣ２．０に対応する方式に基づいて走行情報を取得する路側機を新規に設置可能である施設の位置情報である施設位置情報を取得することと、前記施設位置情報に基づいて、前記新規路側機を設置するための位置を特定することと、を含む。
　本発明の第１８の態様によると、コンピュータに実行させるためのプログラムは、移動体に備えられた第１の装置から、ＥＴＣ２．０に対応する方式とは異なる方式に基づいて移動体位置情報を取得することと、前記取得した移動体位置情報に基づいて、前記移動体位置情報の密度情報を取得することと、前記取得した密度情報に基づいて、ＥＴＣ２．０に対応する方式に基づいて走行情報を取得する新規の路側機を設置するための位置を特定することと、をコンピュータに実行させる。
　本発明の第１９の態様によると、コンピュータに実行させるためのプログラムは、少なくとも１つの既存路側機の位置情報である既存路側機位置情報を取得することと、前記路側機位置情報を出力することと、前記出力に対応して行われユーザ入力に基づいて、新規路側機を設置するための位置を特定することと、をコンピュータに実行させる。
　本発明の第２０の態様によると、コンピュータに実行させるためのプログラムは、ＥＴＣ２．０に対応する方式に基づいて走行情報を取得する少なくとも１つの既存路側機の位置情報である既存路側機位置情報を取得することと、前記既存路側機位置情報に基づいて、新規路側機を設置するための位置を特定することと、をコンピュータに実行させる。
　本発明の第２１の態様によると、コンピュータに実行させるためのプログラムは、ＥＴＣ２．０に対応する方式に基づいて走行情報を取得する路側機を新規に設置可能である施設の位置情報である施設位置情報を取得することと、前記施設位置情報に基づいて、前記新規路側機を設置するための位置を特定することと、をコンピュータに実行させる。
実施形態に係る原理の説明図。 実施形態に係る原理の説明図。 実施形態に係る処理の流れの一例を示すフローチャート。 第１実施例に係るサーバの機能構成の一例を示す図。 第１実施例に係る原理の説明図。 第１実施例に係る原理の説明図。 第１実施例に係る原理の説明図。 第１実施例に係る原理の説明図。 第１実施例に係る処理の流れの一例を示すフローチャート。 第２実施例に係るサーバの記憶部に記憶される情報の一例を示す図。 第２実施例に係る処理の流れの一例を示すフローチャート。 第２実施例に係るヒストグラムの一例を示す図。 第２実施例に係るヒストグラムの一例を示す図。 第３実施例に係るサーバの記憶部に記憶される情報の一例を示す図。 第３実施例に係る原理の説明図。 第３実施例に係る原理の説明図。 第３実施例に係る原理の説明図。 第３実施例に係る処理の流れの一例を示すフローチャート 第４実施例に係るサーバの記憶部に記憶される情報の一例を示す図 第４実施例に係る原理の説明図。 第４実施例に係る処理の流れの一例を示すフローチャート 第４実施例に係る原理の説明図。 第４実施例に係る原理の説明図。 第４実施例に係る原理の説明図。
　以下、本発明を実施するための形態の一例について図面を参照して説明する。
　なお、図面の説明において同一の要素には同一の符号を付して、重複する説明を省略する場合がある。
　ただし、この実施形態に記載されている構成要素はあくまで例示であり、本発明の範囲をそれらに限定する趣旨のものではない。
＜実施形態＞
　以下、本発明を実現するための実施形態の一例について説明する。
＜原理＞
１．１．データ推定の原理
　図１は、本実施形態の一態様に係る情報処理装置が行う処理の流れを示す図である。
　情報処理装置は、例えば、計測対象が第１装置によって計測されたデータ（以下、「第１装置計測データ」と称する。）に基づいて、その計測対象が第１装置とは異なる第２装置で計測される場合のデータを生成（推定）する第２装置計測データ推定部１１を機能部として有する。なお、計測は、検出や測定としてもよい。以下同様とすることができる。また、第２装置計測データ推定部１１によって生成されるデータのことを「推定第２装置計測データ」と称する。
　第１装置は、例えば、所定の時間間隔（以下、「所定時間間隔」と称する。）で計測対象を計測する装置としてもよい。この場合、第１装置計測データは、所定時間間隔ごとに第１装置によって計測対象が計測されたデータとなる。
　第２装置は、例えば、計測対象を計測するときのサンプリング単位（計測の単位と言ってもよい。）が第１装置とは異なる装置とすることができる。例えば、上記のように第１装置がサンプリング単位を時間として、例えば、所定時間間隔ごとに計測対象を計測する装置であれば、第２装置は、時間以外をサンプリング単位として計測対象を計測する装置とすることができる。
　なお、以下説明する学習等の処理を行うにあたっては、教師データは第２装置による計測データを使うことが好ましいことはもちろんであるが、第１装置による計測データから生成したデータを用いることができることが本願発明の特徴である。なお、他データを対象データの処理に用いるアプローチ手法として、例えば転移学習が挙げられるが、転移学習は、あるタスク向けに学習したモデルを、類似したタスクを実行するモデルの開始点として使用する手法に過ぎず、他データから生成したデータをゼロベースで用いる本願発明とは根本的に異なる。
　例えば、計測対象を装置の位置（位置情報）とするのであれば、第１装置は、所定時間間隔で位置を計測する装置とすることができる。
　また、この場合、第２装置を、例えばサンプリング単位を「距離」として位置を計測する装置とし、所定の距離間隔（以下、「所定距離間隔」と称する。）で位置を計測する装置とすることができる。
　この例において、所定時間間隔を「１秒間隔」とし、所定距離間隔を「１００ｍ」とするのであれば、第２装置計測データ推定部１１は、例えば、第１装置計測データに含まれる１秒ごとの位置の計測データを、それらの位置情報に基づいて「１００ｍ」ごとに間引く（リサンプリングする）ことで、推定第２装置計測データを生成することができる。
　複数の第１装置計測データのセットを「第１装置計測データセット」とする場合、第２装置計測データ推定部１１は、上記の処理を、第１装置計測データセットに含まれる各々の第１装置計測データに対して行うことで、各々の第１装置計測データに対応する推定第２装置計測データを生成することができる。このようにして生成される推定第２装置計測データのセットを「推定第２装置計測データセット」と称する場合がある。
　なお、第１装置と第２装置との少なくともいずれか一方を、複数のサンプリング単位に基づいて計測対象を計測する装置（例えば、距離と加速度：加速度の値が閾値以上（または閾値超）となったら距離を取得するなどする装置）としてもよい。
　これ以外の装置としてもよい。
１．２．推定計測データを用いた機械学習
　図２は、本実施形態における推定計測データを用いた学習および推論の原理を説明するための図である。
（１）学習時
　図２（１）に示すように、情報処理装置は、例えば、前述した第２装置計測データ推定部１１と、第１モデル処理部１３と、第２モデル生成部１５とを機能部として有する。
　第１モデル処理部１３は、例えば、所定のモデル（既存のモデル）を第１モデルとし、ある計測データを第１モデルへの入力として、所定の諸量を算出（演算）する機能部とすることができる。なお、諸量は、算出対象と捉えてもよい。以下同様とすることができる。
　本実施形態において、第１モデル処理部１３は、前述した第１装置計測データを第１モデルへの入力として所定の諸量を算出する。
　第２モデル生成部１５は、例えば、上記の第１モデルと同じ諸量を算出可能な第２モデルを生成する機能部とすることができる。
　本実施形態において、第２モデル生成部１５は、例えば、前述した第２装置計測データ推定部１１によって生成された推定第２装置計測データと、第１モデル処理部１３によって算出された諸量とを学習用データセットとする機械学習によって第２モデルを生成する。このようにして生成される第２モデルを「学習済み第２モデル」と称する。
　なお、第２モデルは、機械学習モデルに限定されない。例えば、第２モデル生成部１５を線形及び非線形回帰モデル等の数理統計モデルや、ＤＮＮ（Deep Neural Network）等のコネクショニストモデルとしてもよい。
　第１モデル処理部１３によって算出された諸量は、既存の第１モデルを用いて算出される、いわば望ましいデータ（いわば正しいデータ）とも言えるため、ここでは「教師用諸量」（教師用データ）と称する。
（２）推論時
　図２（２）に示すように、情報処理装置は、例えば、学習済み第２モデル処理部１７を機能部として有する。
　学習済み第２モデル処理部１７は、例えば、第２装置によって計測対象が計測されたデータ（以下、「第２装置計測データ」と称する。）を学習済み第２モデルへの入力として、所定の諸量を算出する機能部とすることができる。
　つまり、学習済み第２モデル処理部１７は、第２装置によって実際に計測対象が計測されたデータを入力として、学習済み第２モデルを用いて所定の諸量を推論し、その推論結果（以下、「諸量推論結果」と称する。）を出力する。
　なお、上記の他にも、例えば、推定第２装置計測データを第１モデルへの入力データとし、過去より蓄積される第１装置計測データに対応する、過去に保有しているなんらかのデータ（例えば、諸量に影響を与え得る要素のデータ、諸量と関連性を有する要素のデータ）を教師用データとして用いて、機械学習等によって第２モデルを生成するようにしてもよい。
＜処理＞
　図３は、図２に示した処理の流れの一例を示すフローチャートである。
　最初に、情報処理装置は、学習用データセット生成処理を行う。
　学習用データセット生成処理では、情報処理装置は、各処理対象の第１装置計測データ（図２の例では、第１装置計測データセットに含まれる各々の第１装置計測データ）を対象として、ループＡの処理を行う（Ａ１～Ａ７）。
　処理対象の第１装置計測データは、例えば計測期間が同じであるデータ等としてもよい。
　ループＡの処理では、第２装置計測データ推定部１１が、当該第１装置計測データに基づいて、推定第２装置計測データを生成する（Ａ３）。
　また、第１モデル処理部１３が、当該第１装置計測データと、第１モデルとに基づいて、教師用諸量を算出する（Ａ５）。
　そして、情報処理装置は、次の第１装置計測データに処理を移す。
　例えば、全ての処理対象の第１装置計測データについてＡ３，Ａ５の処理を行ったならば、情報処理装置は、ループＡの処理を終了する（Ａ７）。
　その後、情報処理装置は、学習処理を行う（Ａ９）。具体的には、第２モデル生成部１５が、ループＡの処理で生成された推定第２装置計測データと、ループＡの処理で生成された教師用諸量とに基づいて、例えば、教師あり学習によって学習済み第２モデルを生成する。
　次いで、情報処理装置は、推論処理を行う（Ａ１１）。具体的には、学習済み第２モデル処理部１７が、Ａ９で生成された学習済み第２モデルと、各処理対象の第２装置計測データ（図２の例では、第２装置計測データセットに含まれる各々の第２装置計測データ）とに基づいて諸量を算出する。そして、その算出結果を諸量推論結果とする。
　そして、情報処理装置は、処理を終了する。
　なお、Ａ１１のステップを省略し、モデルを生成するまでの処理としてもよい。
　また、Ａ３のステップのみとし、第１装置計測データに基づいて推定第２装置計測データを生成するまでの処理としてもよい。
　以上、原理について説明したが、計測対象は、例えば移動体に関する情報とすることができる。
　移動体には、例えば、以下のうちの少なくともいずれか１つを含めてよいものとする。
　・四輪車
　・二輪車
　・パーソナルモビリティ
　・船舶
　・鉄道
　・飛行体（ドローンおよび航空機の少なくとも１つ）
　また、移動体に関する情報には、例えば、以下のうちの少なくともいずれか１つを含めてよいものとする。
　・移動体の位置情報
　・移動体の速度情報
　・移動体の加速度情報
　・移動体の方位情報（向きの情報）
　・移動体の角速度情報
　・移動体の時間情報（時刻情報等）
　なお、これらの情報のうちの少なくともいずれか１つを含む情報を、移動体の走行情報としてもよい。
　また、計測対象は、移動体に関する情報（走行情報等）に限定されず、これ以外の情報としてもよい。
　例えば、計測対象を「音」とし、第１装置のサンプリング単位を「時間」とし、第２装置のサンプリング単位を「周波数」とするなどして、上記と同様の処理を行ってもよい。
　また、例えば、生体に関する情報（血圧、脈拍、心拍数、呼吸数、体温、脳波等）を計測対象として、上記と同様の処理を行ってもよい。この場合も、例えば、第１装置のサンプリング単位を「時間」とし、第２装置のサンプリング単位を「周波数」とするなどして、上記と同様の処理を行ってもよい。
＜実施例＞
　次に、上記の情報処理装置の一例であるサーバの実施例について説明する。
　以下では、移動体として四輪自動車等の車両を適用する場合の実施例について説明する。
　なお、情報処理装置は、サーバに限らず、例えば、パソコン、スマートフォンを含む携帯電話機、ＰＤＡ、各種のタブレット端末等の電子機器（端末と言ってもよい。）としてもよい。また、サーバを含むこれらの装置は、コンピュータ装置と言ってもよい。
　ただし、本発明を適用可能な実施例が、以下説明する実施例に限定されるわけでない。
＜第１実施例＞
　昨今、ＥＴＣ２．０が普及しつつある。例えば、このＥＴＣ２．０をベースとしたサービス（ビジネス）としてテレマティクス保険の保険商品等を開発することが考えられる。
　しかし、これには、ＥＴＣ２．０に対応した装置（例えば、ＥＴＣ２．０対応車載器やＤＳＲＣ（Dedicated Short Range Communications）対応車載器）を搭載した車両を実際にドライバーに運転させ取得される計測データや、それに対応する事故データ等のデータが必要となり、時間的なコストや金銭的なコストが生ずる。
　この場合、例えば、ＥＴＣ２．０に対応した装置とは異なる装置で計測済みのデータ（取得済みのデータ）から、ＥＴＣ２．０に対応した装置で計測されるデータを推定（再現）することで、ＥＴＣ２．０に対応した装置でのデータ収集を省略して、保険商品等の開発を行うことができると考えられる。
　テレマティクス保険の保険商品の開発にあたり、例えばドライバーの運転（運転品質）に関するスコア（以下、「運転スコア」（運転品質スコア）と称する。）のモデル（以下、「運転スコアモデル」（運転品質スコアモデル）と称する。）を生成することが考えられる。
　一般的に考えるのであれば、運転スコアモデルは、例えば、少なくとも以下のいずれかの要素（単位時間ないしは単位距離あたり等に基準化した要素含む。）がスコア値に影響を与えるモデルとして構築することができる。
　・急ハンドル回数（または急ハンドル頻度ないしは急ハンドル含むハンドル操作度合の分布）
　・急減速回数（または急減速頻度ないしは急減速含む減速度合の分布）
　・急加速回数（または急加速頻度ないしは急加速含む加速度合の分布）
　・速度超過回数（または速度超過頻度ないしは速度超過含む速度の分布）
　例えば、これらの要素の回数が多いほど（または頻度ないしは急操作・速度超過度合が高いほど）、事故リスクが高く、運転スコアが大きくなる（または、逆に小さくなる）ような運転スコアモデルを構築することができる。
　そして、この運転スコアの用途（活用方法）の１つとして、例えば、運転スコアをテレマティクス保険の保険料に反映させる（運転スコアに基づいて保険料を決める）などすることができる。
　本実施例では、上記の要素が必ずしも厳密に反映されているとは限らないが、少なくともドライバーの大まかな運転の傾向が反映された推定ＥＴＣ２．０計測データを生成した上で、この生成した推定ＥＴＣ２．０計測データに基づいて運転スコアモデルを生成する手法について説明する。
　なお、第１実施例に記載の内容は、他の各実施例や他の各変形例のいずれにも適用可能である。
＜機能構成＞
　図４は、本実施例におけるサーバ１００の機能構成の一例を示す図である。
　サーバ１００は、例えば、処理部（制御部）１１０と、操作部１２０と、表示部１３０と、音出力部１４０と、通信部１５０と、時計部１６０と、記憶部１９０とを備え、これらがバスＢによって接続されるコンピュータシステムとすることができる。
　処理部１１０は、例えば、記憶部１９０に記憶されているシステムプログラム等の各種プログラムに従ってサーバ１００の各部を統括的に制御したり、各種の処理を行う処理装置や制御装置であり、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＤＳＰ（Digital Signal Processor）等のプロセッサーやＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field Programmable Gate Array）等の集積回路を有して構成される。
　操作部１２０は、操作ボタンや操作スイッチといった、ユーザがサーバ１００に対する各種の操作入力を行うための入力装置を有して構成される。また、操作部１２０は、表示部１３０と一体的に構成されたタッチパネルを有してもよく、このタッチパネルは、ユーザとサーバ１００との間の入力インターフェースとして機能してもよい。操作部１２０からは、ユーザ操作に従った操作信号が処理部に出力される。
　表示部１３０は、ＬＣＤ等を有して構成される表示装置であり、処理部１１０から出力される表示信号に基づいた各種の表示を行う。表示部１３０は、タッチパネルと一体的に構成されてタッチスクリーンを形成してもよい。
　音出力部１４０は、スピーカ等を有して構成される音出力装置であり、処理部１１０から出力される音出力信号に基づいた各種の音出力を行う。
　通信部１５０は、装置内部で利用される情報を外部装置との間で送受するための通信装置である。通信部１５０の通信方式としては、所定の通信規格に準拠したケーブルを介して有線接続する形式や、クレイドルと呼ばれる充電器と兼用の中間装置を介して接続する形式、無線通信を利用して無線接続する形式等、種々の方式を適用可能である。
　時計部１６０は、サーバ１００の内蔵時計であり、時刻情報（計時情報）を出力する。時計部１６０は、例えば、水晶発振器を利用したクロック等を有して構成される。
　なお、時計部１６０は、ＮＩＴＺ（Network Identity and Time Zone）規格等を適用したクロックを有して構成されてもよい。
　記憶部１９０は、ＲＯＭやＥＥＰＲＯＭ、フラッシュメモリ、ＲＡＭ等の揮発性又は不揮発性のメモリや、ハードディスク装置等を有して構成される記憶装置である。
　本実施例では、記憶部１９０には、例えば、運転スコアモデル処理プログラム１９１と、シガーソケット型デバイス計測データベース１９２と、ＥＴＣ２.０計測データベース１９３と、推定ＥＴＣ２．０計測データベース１９４と、第１運転スコアモデルデータ１９５と、学習済み第２運転スコアモデルデータ１９６とが記憶される。
　運転スコアモデル処理プログラム１９１は、処理部１１０によって読み出され、後述する運転スコアモデル処理として実行されるプログラムである。
　シガーソケット型デバイス計測データベース１９２は、例えば、車両に搭載されるシガーソケット型デバイスによって計測された走行情報を含むシガーソケット型デバイス計測データが蓄積記憶されたデータベースである。
　シガーソケット型デバイスは第１装置の一種であり、シガーソケット型デバイス計測データは第１計測データ（第１装置計測データ）の一種とすることができる。
　なお、処理部１１０が、第１装置計測データとして、車両（移動体）に関する情報の他、例えば以下の少なくともいずれかの情報（属性情報）を加えて処理を行うようにしてもよい。
　・車両の情報（車種、年式、型式等）
　・ドライバーの情報（性別、年齢、住所、用途等）
　シガーソケット型デバイスは、車両のアクセサリーソケットに挿して利用することが可能なデバイスであり、例えば、内蔵された各種のセンサ・慣性計測装置（ＩＭＵ（Inertial Measurement Unit））等に基づいて、車両の走行情報（移動体に関する情報）を計測するようにすることができる。
　なお、第１装置はシガーソケット型デバイスに限定されない。移動体に関する情報を取得可能な、移動体に直接的又は間接的に備えられる任意の装置であればよく、例えば、第１装置を以下のうちの少なくともいずれか１つの装置としてもよい。
　・ドライブレコーダー
　・デジタルタコグラフ（デジタコ）
　・車両に搭載または内蔵されるなんらかの車載器（コネクテッドカーを含めてよい。）
　・スマートフォン等の端末と連携してデータを収集する通信機能（例えば、ブルートゥース（登録商標）通信機能）付きの車載器およびその端末
　・スマートフォン等の端末を含むデバイス単体
　・これらを含む車両内蔵型および後付け型車載器ないしはスマートフォン等の端末を含むデバイス
　走行情報には、例えば、位置、速度、加速度、角速度等の情報を含めることができ、これらの情報を計測可能なセンサ等であれば、シガーソケット型デバイスに設けることができる。これらの情報のうちの少なくともいずれか１つの情報を計測可能に構成されていてもよい。
　シガーソケット型デバイスによって計測された走行情報は、例えば、随時または定期的なタイミングで、サーバ１００やクラウドサーバに送信されるようにすることができる。
　また、ＧＰＳ（Global Positioning System）等の衛星測位システムによって位置や速度を検出するユニット（センサ）である衛星測位ユニット（衛星測位センサ）や、ＵＷＢ（Ultra Wide Band）を利用して位置を算出するためのユニット（センサ）であるＵＷＢ測位ユニット（ＵＷＢ測位センサ）等を、シガーソケット型デバイスに設けることとしてもよい。
　衛星測位ユニットは、例えば、不図示のアンテナで受信される測位用衛星から発信されている測位用衛星信号を含むＲＦ（Radio Frequency）信号をデジタル信号に変換するＲＦ受信回路や、ＲＦ受信回路から出力されるデジタル信号に対して相関演算処理等を行って測位用衛星信号を捕捉し、測位用衛星信号から取り出した衛星軌道データや時刻データ等の情報を測位用情報として出力するベースバンド処理回路等を有するようにすることができる。なお、ドップラー測位等によって、位置に限らず速度等の情報も検出するようにしてもよい。
　慣性計測ユニット（ＩＭＵ）は、例えば、慣性航法演算によって走行情報を算出するために必要な情報を検出する慣性センサを有するようにすることができる。慣性センサには、例えば、３軸の加速度センサや３軸のジャイロセンサが含まれてよく、加速度センサによって検出された加速度やジャイロセンサによって検出された角速度を出力するようにすることができる。
　ＵＷＢ測位ユニットは、例えば、不図示のアンテナで受信される測位用ビーコンから発信されている測位用超広帯域パルス信号を含む超広帯域ＲＦ信号をデジタル信号に変換する超広帯域ＲＦ受信回路や、超広帯域ＲＦ受信回路から出力されるデジタル信号に基づいて自装置と測位用ビーコンとの相対位置を算出する相対位置算出処理回路等を有するようにすることができる。
　なお、ＵＷＢ測位ユニットが、不図示のアンテナから測位用超広帯域パルス信号を含む超広帯域ＲＦ信号を送信するようにすることで、自装置を測位用ビーコンとして機能させてもよいし、そうしなくてもよい。
　シガーソケット型デバイス計測データベース１９２には、例えば、計測期間ごとに、複数のドライバーの計測データを記憶させるようにすることができる。つまり、計測期間と関連付けて、複数のドライバーの計測データを記憶させるようにすることができる。
　計測期間は、例えば、月単位の期間（１か月、２か月、・・・、６か月等）としてもよいし、それ以外の単位の期間としてもよい。また、例えば、道路種別ごとや地域ごとなどに分類して計測データを記憶させるようにしてもよい。
　ＥＴＣ２．０計測データベース１９３は、例えば、車両に搭載されるＥＴＣ２．０車載器（ＥＴＣ２．０対応車載器、ＤＳＲＣ対応車載器）やこれと連動可能なＥＴＣ２．０対応カーナビゲーション装置によって計測された走行情報を含むＥＴＣ２．０計測データが蓄積記憶されたデータベースである。
　ＥＴＣ２．０車載器は第１装置の一種であり、ＥＴＣ２．０計測データは第２計測データ（第２装置計測データ）の一種とすることができる。
　ＥＴＣ２．０計測データは、ＥＴＣ２．０車載器に記録されたプローブ情報が、道路に設置（配備）されるＩＴＳスポットや経路情報収集装置等の装置（以下、包括的に「路側機」と称する。）によって収集されることに基づいて、サーバ１００で取得されるようにすることができる。
　路側機は、全国の高速道路や直轄国道に、例えば数千箇所ほど設置されている。
　路側機とＥＴＣ２．０車載器とは、例えば双方向通信可能に構成され、路側機でＥＴＣ車載器からプローブ情報が収集される他、道路状況に応じたルートガイダンスの情報や前方の障害箇所等の情報、事故多発地点の情報等、安全運転を支援する情報が、路側機からＥＴＣ２．０車載器に提供されるようにすることができる。
　ＥＴＣ２．０車載器も、例えば前述した各種のセンサやユニット等を有し、各種の走行情報を計測して記録するようにすることができる。
　そして、ＥＴＣ２．０車載器が搭載された車両が路側機の近傍を通過する際に、プローブ情報が路側機を介してサーバ１００やプローブサーバに送信されるようにすることができる。
　なお、ＥＴＣ２．０対応カーナビゲーション装置等に各種のセンサやユニット等を設け、ＥＴＣ２．０対応カーナビゲーション装置から出力（送信）される情報に基づいて、ＥＴＣ２．０車載器に各種の走行情報が記録されるようにしてもよい。
　ここで、プローブ情報には、例えば以下の情報を含めることができる。
　・基本情報
　・走行履歴情報
　・挙動履歴情報
　基本情報には、例えば、ＥＴＣ２．０車載器に関する情報、ＥＴＣ２．０対応カーナビゲーション装置に関する情報、車両に関する情報等の情報を含めることができる。
　走行履歴情報には、例えば、時刻情報、位置情報、速度情報等を含めることができる。
　この走行履歴情報は、例えば、車両が「２００ｍ」走行したことが検知されるごとに記録（蓄積）されるようにすることができる。この他にも、例えば、車両の進行方位が「４５度」以上変化した場合に記録されるようにしてもよい。
　なお、「２００ｍ」という値はＥＴＣ２．０の仕様に基づく値であるが、これに限定されるわけではなく、例えば「１００ｍ」等としてもよい。「４５度」についても同様に、例えば「２２．５度」等としてもよい。このＥＴＣ２．０の仕様に基づく「２００ｍ」等の距離を、便宜的に「単位距離」と称する。
　なお、後述するが、道路種別や速度帯によって単位距離を変えるなどすることも考えられる。
　挙動履歴情報には、例えば、時刻情報、位置情報、方位情報、加速度情報（前後加速度、左右加速度等の情報）、角速度情報（例えば、ヨー角速度情報）等の情報を含めることができる。
　この挙動履歴情報は、例えば、前後加速度、左右加速度、ヨー角速度のいずれかが閾値（例えば、前後加速度の閾値「－０．２５Ｇ」、左右加速度の閾値「±０．２５Ｇ」、ヨー角速度の閾値「±８．５ｄｅｇ／ｓｅｃ」など。これらの閾値は一例である。）を超えたときのピーク値が記録（蓄積）されるようにすることができる。例えば、「０．２５Ｇ」以上の前後加速度は急激な挙動を示し、危機回避等の行動が行われたことを示している可能性がある。
　なお、走行履歴情報や挙動履歴情報に、道路種別情報（高速道路、都市高速道路、一般道、その他等の情報、速度帯の情報等）を含めてもよい。
　また、上記の情報のうち、例えば、走行履歴情報と挙動履歴情報とのうちの少なくともいずれか一方の情報を走行情報としてもよい。
　また、ＥＴＣ２．０では、個人情報保護の観点から、例えば、走行開始地点（例えば、走行開始始点から５００ｍの範囲内）と、走行終了地点（例えば、走行終了地点から５００ｍの範囲内）の走行情報（例えば、少なくとも走行履歴情報）は取得されないようにすることができる。
　なお、取得されないとは、ＥＴＣ２．０車載器に記録されないこととしてもよいし、路側機に送信されないこととしてもよい。
　推定ＥＴＣ２．０計測データベース１９４は、シガーソケット型デバイス計測データに基づいて生成される推定ＥＴＣ２．０計測データが蓄積的に記憶されるデータベースである。
　推定ＥＴＣ２．０計測データは、推定データ（推定第２装置計測データ）の一種とすることができる。
　第１運転スコアモデルデータ１９５は、車両の保険料等を決定するために用いられる運転スコアのベースとなる第１運転スコアモデルのデータである。
　学習済み第２運転スコアモデルデータ１９６は、推定ＥＴＣ２．０計測データ等を用いた学習によって生成される運転スコアのモデルのデータである。
　ここで、運転スコアモデルは、例えばテレマティクス保険の運転スコアを算出するための数学的なモデルとすることができる。
　テレマティクス保険は、例えば、車両（自動車等）に設置した装置で計測した走行情報や運転速度・ブレーキのかけ方などの運転情報を保険会社が取得し、その情報から運転者の事故リスクを分析して保険料を算定するものとすることができる。
　運転スコアモデルは、例えばドライバーの事故の危険性（事故リスク）を推定可能なモデルとし、例えば「０～１」、「０～１０」、「０～１００」といった数値範囲の値として運転スコアが算出されるモデルとすることができる。例えば、運転スコアが大きいほど事故リスクが高いと推定される（運転スコアが小さいほど事故リスクが低いと推定される）モデルとすることができる。この場合、保険会社は、運転スコアが大きいほど保険料を高くし、運転スコアが小さいほど保険料を低くするようにすることができる。
　なお、逆に、運転スコアが大きいほど、事故リスクが低いと推定されるモデルとしてもよい。
　また、運転スコアモデルへの入力は走行情報の計測データとすることができ、走行情報の計測データに基づいて、運転スコアが算出されるようにすることができる。
　本実施例では、例えば、既存の第１運転スコアモデルをベースとし、以下説明する手法によって学習済み第２運転スコアモデルを生成する。
　そして、ドライバーの実際のＥＴＣ２．０計測データを学習済み第２運転スコアモデルに入力することによって、そのドライバーの運転スコアを算出可能とする。
　なお、クラウドサーバをサーバ１００としてもよい。
　また、サーバ１００をクラウドサーバと別体とする場合、サーバ１００がクラウドサーバからシガーソケット型デバイス計測データを取得するようにしてもよい。
　以下説明する処理を行うサーバは、サーバ１００の記憶部１９０に記憶されているデータと同様のデータを取得するなどして記憶するようにすればよい。
　同様に、プローブサーバをサーバ１００としてもよい。
　また、サーバ１００をプローブサーバとは別体とする場合、サーバ１００がプローブサーバからＥＴＣ２．０計測データを取得するようにしてもよい。
　以下説明する処理を行うサーバは、サーバ１００の記憶部１９０に記憶されているデータと同様のデータを取得するなどして記憶するようにすればよい。
＜原理＞
　図５は、本実施例における推定ＥＴＣ２．０計測データを用いた学習および推論の原理を説明するための図であり、図２に対応するものである。
（１）学習時
　図５（１）に示すように、サーバ１００の処理部１１０は、例えば、ＥＴＣ２．０計測データ推定部１１１と、第１運転スコアモデル処理部１１３と、第２運転スコアモデル生成部１１５とを機能部として有する。
　ＥＴＣ２．０計測データ推定部１１１は、図２（１）の第２装置計測データ推定部１１の一種とすることができる。
　第１運転スコアモデル処理部１１３は、図２（１）の第１モデル処理部１３の一種とすることができる。
　第２運転スコアモデル生成部１１５は、図２（１）の第２モデル生成部１５の一種とすることができる。
　図６～図７は、推定ＥＴＣ２．０計測データを生成する手法の一例を示す図である。
　図６では、図面向かって左側に、１秒ごとにシガーソケット型デバイスによって計測された車両の計測位置（以下、「シガーソケット型デバイス計測位置」と称する。）の時間変化を示している。なお、ある１つのシガーソケット型デバイス計測データに含まれる計測位置の時間変化を示すものである。
　また、図面向かって右側に、シガーソケット型デバイス計測位置から選択されて推定ＥＴＣ２．０計測データのデータ要素となる推定ＥＴＣ２．０計測位置の時間変化を示している。ハッチングを施した矩形の１つ１つが推定ＥＴＣ２．０計測位置である。
　ここでは一例として、走行情報に含まれる位置情報に基づいて、推定ＥＴＣ２．０計測データを生成する手法を例示する。
　また、このシガーソケット型デバイス計測データを「Ｄ１」とし、シガーソケット型デバイス計測データ「Ｄ１」に含まれるシガーソケット型デバイス計測位置を「Ｄ１（ｐ（ｔ））」（ｔ：時刻）と表す。
　また、推定ＥＴＣ２．０計測データを「Ｄ２」とし、この推定ＥＴＣ２．０計測データに含まれる推定ＥＴＣ２．０計測位置を「Ｄ２（ｐ（ｔ））」（ｔ：時刻）と表す。
　ここでは一例として、高度方向（高さ方向）を除いた二次元の位置情報として計測位置を表したもの（計測位置を俯瞰したもの）を示している。なお、三次元の位置情報とする場合も同様とすることができる。
　また、図示している計測位置はあくまで説明の便宜上のものに過ぎず、必ずしも正確なものではない。
　処理部１１０は、前述したＥＴＣ２．０の個人情報保護の観点から、例えば、シガーソケット型デバイス計測位置のうち、走行開始地点から「５００ｍ」の範囲内の走行情報と、走行終了地点から「５００ｍ」の範囲内の走行情報とを処理対象から除外する。または、これらの範囲内の走行情報が計測データに含まれる場合は削除する。
　次いで、処理部１１０は、例えば、走行開始地点から５００ｍの範囲外の１番目のシガーソケット型デバイス計測位置Ｄ１（ｐ（１））を選択し、これを１番目の推定ＥＴＣ２．０計測位置Ｄ２（ｐ（１））とする。また、例えば、その時刻に対応する、シガーソケット型デバイス計測データの速度、加速度、角速度等の情報を取得する。
　次に、処理部１１０は、シガーソケット型デバイス計測位置Ｐ１１を中心とする、単位距離に基づく半径２００ｍの円（以下、便宜的に「単位円」と称する。）から時間軸上で最初に外れたシガーソケット型デバイス計測位置Ｄ１（ｐ（ｑ））を選択し、これを２番目の推定ＥＴＣ２．０計測位置Ｄ２（ｐ（２））とする。また、例えば、その時刻に対応する、シガーソケット型デバイス計測データの速度、加速度、角速度等の情報を取得する。
　以下、処理部１１０はこれを繰り返し、シガーソケット型デバイス計測位置［Ｄ１（ｐ（１）），Ｄ１（ｐ（ｑ）），Ｄ１（ｐ（ｒ）），Ｄ１（ｐ（ｓ）），・・・］が選択されることによって、推定ＥＴＣ２．０計測位置［Ｄ２（ｐ（１）），Ｄ２（ｐ（２）），Ｄ２（ｐ（３）），Ｄ２（ｐ（４）），・・・］が得られる。速度、加速度、角速度等の情報も同様に取得することができる。
　そして、これらの走行情報を時刻と関連付けたデータを、推定ＥＴＣ２．０計測データとすることができる。
　このように、基本的には、ＥＴＣ２．０の仕様に基づき、単位距離に基づいてシガーソケット型デバイス計測データから推定ＥＴＣ２．０計測データとする走行情報を取得するようにすることができる。
　なお、ここでは、処理部１１０が、単位距離を「２００ｍ」として処理を行う例を示したが、ＥＴＣ２．０の仕様に応じて、単位距離を前述した「１００ｍ」等として処理を行うようにしてもよい。
　また、処理部１１０が、道路種別や速度帯によって単位距離を変えて処理を行うようにしてもよい。例えば、道路種別が「高速道路」であれば、高速走行ではあるものの比較的安定した運転が行われる可能性があるため、道路種別「一般道」よりも単位距離を長くしてもよい。逆に、高速走行のリスクを考慮し、道路種別「一般道」よりも単位距離を短くしてもよい。
　速度帯についても同様に、高速度帯であるほど単位距離をより長くする（または短くする）ようにしてもよい。
　道路種別や速度帯は、例えば道路種別情報から特定可能とすることができる。
　また、ここでは、距離（単位距離）に基づいてシガーソケット型デバイス計測データに含まれる走行情報を選択することによって推定ＥＴＣ２．０計測データを生成することとしたが、これに限定されない。
　これに代えて、またはこれに加えて、時間に基づいてシガーソケット型デバイス計測データに含まれる走行情報を選択することによって推定ＥＴＣ２．０計測データを生成するようにしてもよい。具体的には、例えば、シガーソケット型デバイス計測データに含まれる速度情報に基づいて単位距離を走行するのに要する時間を算出し、算出した時間に基づいて、対応する時刻の走行情報を選択していくことによって、推定ＥＴＣ２．０計測データを生成するようにしてもよい。
　また、車両が一定の速度（例えば、６０ｋｍ／ｈ）で走行すると仮定し、単位距離を走行するのに要する時間を算出することによって、同様に推定ＥＴＣ２．０計測データを生成するようにしてもよい。
　ここで、ＥＴＣ２．０では、前述したように、例えば車両の進行方位が「４５度」以上変化した場合に、走行情報が記録されるなどの仕様がある。そこで、以下例示する少なくともいずれか１つの条件を追加適用して、走行情報を取得するようにしてもよい。
　ただし、これらの条件を適用することは必ずしも必須ではない。
　図７（１）には、条件Ａとして、車両の進行方向（進行方位）の変化に関する条件を示している。
　この例では、シガーソケット型デバイス計測位置Ｄ１（ｐ（ｕ））が、過去直近のシガーソケット型デバイス計測位置や過去直近の複数のシガーソケット型デバイス計測位置を平均した位置に対して閾値角度以上（または閾値角度超）変化している場合、シガーソケット型デバイス計測位置Ｄ１（ｐ（ｕ））を推定ＥＴＣ２．０計測位置として選択することを示している。これは、車両の進行方位が大きく変化した場合等に相当する。閾値角度は、「４５度」等の値を設定することができる。
　すなわち、進行方向に関して閾値角度以上または閾値角度超の変化があった位置の近傍にある計測位置を適宜選択することとしてもよい。
　なお、ここでは、処理部１１０が、閾値角度を「４５度」として処理を行う例を示したが、ＥＴＣ２．０の仕様に応じて、閾値角度を前述した「２２．５度」等として処理を行うようにしてもよい。
　図７（２）には、条件Ｂとして、車両の進行距離に基づく条件を示している。
　この例では、単位円から最初に外れたシガーソケット型デバイス計測位置Ｄ１（ｐ（ｎ））が、１つ前に推定ＥＴＣ２．０計測位置として選択されたシガーソケット型デバイス計測位置Ｄ１（ｐ（ｍ））から閾値距離以上（または閾値距離超）離れている場合、シガーソケット型デバイス計測位置Ｄ１（ｐ（ｎ））は選択しないことを示している。閾値距離は、シガーソケット型デバイス計測データに基づいて算出される車両の速度や、あらかじめ定められた車両の速度（例えば、６０ｋｍ／ｈ）に基づいて、１つ前に選択したポイントから車両が進む距離として想定しづらい値を設定するようにすることができる。
　つまり、距離的なマージンを設け、距離的なマージンに収まっていれば走行情報を選択するが、距離的なマージンに収まっていなければ走行情報を選択しないようにすることができる。
　なお、この場合、例えば、計測位置Ｄ１（ｐ（ｎ））の１つ前の計測位置Ｄ１（ｐ（ｎ－１））を推定ＥＴＣ２．０計測位置として選択するようにしてもよい。
　また、例えば、計測位置Ｄ１（ｐ（ｎ））の次の計測位置Ｄ１（ｐ（ｎ＋１））を推定ＥＴＣ２．０計測位置として選択するようにしてもよい。
　すなわち、単位円の端部の近傍にある計測位置を適宜選択することとしてもよい。また、選択の基準となる範囲は単位円に限られず、基準データの位置に基づく任意の範囲（例えば、楕円、矩形等）としてよい。
　また、例えば、計測位置Ｄ１（ｐ（ｎ））と計測位置Ｄ１（ｐ（ｍ））とを平均（算術平均としてもよいし加重平均としてもよい。）を算出し、算出した位置を推定ＥＴＣ２．０計測位置とするなどしてもよい。また、平均を算出することに限られず、例えば、任意の割合（例えば２：１等）で計測位置Ｄ１（ｐ（ｎ））と計測位置Ｄ１（ｐ（ｍ））との間を分割した位置を推定ＥＴＣ２．０計測位置としてもよいし、計測位置Ｄ１（ｐ（ｎ））と計測位置Ｄ１（ｐ（ｍ））を用いてその間の値を取得するものであれば、その内容は特に限定されない。
　また、図７（２）の条件に関して、距離的なマージンではなく、時間的なマージンを設けて、同様の処理を行うようにしてもよい。
　また、ＥＴＣ２．０の仕様では、前述したように、前後加速度、左右加速度、ヨー角速度のいずれかが閾値を超えたときにピーク値を記録される。これを再現する条件を設定し、シガーソケット型デバイス計測データに含まれる加速度情報や角速度情報に基づいて、走行情報を選択するようにしてもよい。
　また、上記では、位置情報に基づいて推定ＥＴＣ２．０計測データを生成する手法を例示したが、これに代えて、またはこれに加えて、例えば速度情報と時刻情報とに基づいて推定ＥＴＣ２．０計測データを同様に生成するようにしてもよい。
　数学的に、上記のようにして生成される推定ＥＴＣ２．０計測データは、シガーソケット型デバイス計測データに包含される関係にあるといえる。
　このようにして生成される推定ＥＴＣ２．０計測データを用いて運転スコアモデルを生成することで、妥当性の高い運転スコアモデルを生成することができる。
　すなわち、あるデバイスによって計測され取得された計測データの列について、何らかの条件に基づいて一部を抽出することによって生成したデータの列を、対象デバイスの推定データの列の少なくとも一部としてもよい。そしてその一部を抽出するための条件は任意でよく、例えば、距離的条件、時間的条件、方位角的条件のいずれかであってよく、又はこれらを任意に組み合わせたものであってもよい。
　例えば、図８（１）に示すように、計測するデバイスである第１装置による計測データの列［Ｄ１（１），Ｄ１（２），Ｄ１（３），Ｄ１（４），・・・；灰色の四角形の列であり、数字は列の番号を示す］があるとした場合、例えば以下の条件に基づいて、対象デバイスである第２装置の推定データの列［Ｄ２（１），Ｄ２（２），Ｄ２（３），Ｄ２（４），・・・；白色の丸の列であり、数字は列の番号を示す］の少なくとも一部を抽出することとしてもよい。
　・距離条件；例えば、Ｄ２（ｔ）＝Ｄ１（ｓ）であるとき（図８（１）においては、Ｄ２（１）＝Ｄ１（３））、Ｄ１（ｓ）から単位距離離れた位置から最も近いＤ１（ｓ＋ｘ１）又は単位距離の範囲内で最も遠いＤ１（ｓ＋ｙ１）をＤ２（ｔ＋１）とする（図８（１）においては、Ｄ２（２）＝Ｄ１（６））。
　・時間条件；例えば、Ｄ２（ｔ）＝Ｄ１（ｓ）であるとき（図８（１）においては、Ｄ２（１）＝Ｄ１（３））、Ｄ１（ｓ）から単位時間経過した位置から最も近いＤ１（ｓ＋ｘ２）又は単位時間の範囲内で最も時間経過量が大きいＤ１（ｓ＋ｙ２）をＤ２（ｔ＋１）とする（図８（１）においては、Ｄ２（２）＝Ｄ１（６））。
　・方位角条件；例えば、Ｄ２（ｔ）＝Ｄ１（ｓ）であるとき（図８（１）においては、Ｄ２（２）＝Ｄ１（６））、Ｄ１（ｓ）から始まる点列で初めて所定の方位角以上の変化が発生した位置から最も近いＤ１（ｓ＋ｘ３）をＤ２（ｔ＋１）とする（図８（１）においては、Ｄ２（３）＝Ｄ１（８））。
　ここで、ｓ，ｔ，ｘ１，ｙ１，ｘ２，ｙ２，ｘ３，ｙ３はそれぞれ自然数とする。
　または、例えば、図８（２）に示すように、第１装置の計測データから一部を抽出するのではなく、内挿、外挿などを用いて計測データの間のデータを生成し、その生成したデータを第２装置の推定データの少なくとも一部としてもよい。更に例えば、後述するように、第１装置の計測データの列についての近時関数を生成し、その近似関数に所定の条件を満たす引数（例えば、単位距離ごと、単位時間ごと、単位方位角の変化が発生するごと）に基づいて第２装置の推定データの列を取得することとしてもよい。例えば、図８（２）に示す例のように、Ｄ１のデータ列に対応する近似関数を求めることで、Ｄ２（１）はＤ１（１）とＤ１（２）との間、Ｄ２（２）はＤ１（４）とＤ１（５）との間、そしてＤ２（３）はＤ１（７）とＤ１（８）との間に位置するようにしてもよい。
　すなわち、第１装置よる計測データの列を、何らかの条件に基づいて一部を抽出することにより第２装置の推定データの少なくとも一部を生成してもよいし、又は、第１装置による計測データの列について近似関数を生成し、何らかの条件に基づいた引数に基づいて第２装置の推定データの少なくとも一部を生成してもよい。
　図５に戻り、第１運転スコアモデル処理部１１３は、例えば、シガーソケット型デバイス計測データを第１運転スコアモデルへの入力として運転スコアを算出する。
　第２運転スコアモデル生成部１１５は、例えば、ＥＴＣ２．０計測データ推定部１１１によって推定された推定ＥＴＣ２．０計測データと、第１運転スコアモデル処理部１１３によって算出された運転スコア（教師用運転スコア）とを学習用データセットとして、例えば第１運転スコアモデルに対する学習（例えば、教師あり学習）を行うことによって、第２運転スコアモデルを生成する。学習が完了したものが学習済み第２運転スコアモデルとなる。
（２）推論時
　図５（２）に示すように、サーバ１００の処理部１１０は、例えば、学習済み第２運転スコアモデル処理部１１７を機能部として有する。
　学習済み第２運転スコアモデル処理部１１７は、図２（２）の学習済み第２モデル処理部１７の一種とすることができる。
　学習済み第２運転スコアモデル処理部１１７は、例えば、ＥＣＴ２．０計測データベース１９４に記憶されたＥＴＣ２．０計測データを学習済み第２運転スコアモデルへの入力として、運転スコアを算出する。
　つまり、学習済み第２運転スコアモデル処理部１１７は、車両に実際に搭載されたＥＴＣ２．０車載器によって計測されたＥＴＣ２．０計測データを入力として、学習済み第２運転スコアモデルを用いて運転スコアを推論し、その推論結果である運転スコア推論結果を出力する。
　第１運転スコアモデルは、例えば、既存の運転スコアモデルとすることができる。
　ここで、第１運転スコアモデル処理部１１３に入力されるシガーソケット型デバイス計測データは、例えば、車両の位置、加速度（時間積分すると速度）、角速度（時間積分すると向き）といった走行情報が計測された情報が含まれる。このため、シガーソケット型デバイス計測データにはドライバーの運転の状況が反映されており、第１運転スコアモデル処理部１１３によって算出される運転スコアは、ドライバーの運転の状況を反映した値となる可能性がある。これを教師用データとして学習に用いることができる。
　なお、実施形態の原理で説明したように、この他にも、例えば、推定ＥＴＣ２．０計測データを第１運転スコアモデルへの入力データとし、過去より蓄積される、シガーソケット型デバイスを含む各種の第１装置によって計測された第１装置計測データに対応する、過去に保有しているなんらかのデータを教師用データとして用いて、機械学習等によって第２運転スコアモデルを生成するようにしてもよい。
　この場合における教師用データは、あくまで一例であるが、車両の事故に関するデータ（事故の有無、事故の回数（頻度、割合）等のデータ）としてもよい。
＜処理＞
　図９は、本実施例においてサーバ１００の処理部１１０が実行する運転スコアモデル処理の流れの一例を示すフローチャートである。
　最初に、サーバ１００の処理部１１０は、学習用データセット生成処理を行う。
　学習用データセット生成処理では、処理部１１０は、各処理対象のシガーソケット型デバイス計測データを対象として、ループＢの処理を行う（Ｓ１～Ｓ７）。
　処理対象のシガーソケット型デバイス計測データは、例えば、シガーソケット型デバイス計測データベース１９２に記憶されているシガーソケット型デバイス計測データのうち、同様の条件下（例えば、同じ計測期間、同じ道路種別、同じ地域で計測されたものなど）とすることができる。ただし、これに限定されるものではない。
　ループＢの処理では、処理部１１０は、当該シガーソケット型デバイス計測データに基づいて、推定ＥＴＣ２．０計測データを生成する（Ｓ３）。そして、処理部１１０は、生成した推定ＥＴＣ２．０計測データを、当該シガーソケット型デバイス計測データと関連付けて（例えば、当該シガーソケット型デバイス計測データの識別情報（データ番号等）と関連付けて）、推定ＥＴＣ２．０計測データベース１９４に記憶させる。
　また、処理部１１０は、当該シガーソケット型デバイス計測データと、第１運転スコアモデルとに基づいて、教師用運転スコアを算出する（Ｓ５）。そして、処理部１１０は、算出した教師用運転スコアを、当該シガーソケット型デバイス計測データと関連付けて、記憶部１９０に記憶させる。
　そして、処理部１１０は、次のシガーソケット型デバイス計測データに処理を移す。
　全ての処理対象のシガーソケット型デバイス計測データについてＳ３，Ｓ５の処理を行ったならば、処理部１１０は、ループＢの処理を終了する（Ｓ７）。
　その後、処理部１１０は、学習処理を行う（Ｓ９）。具体的には、推定ＥＴＣ２．０計測データベース１９４に記憶されている各々の推定ＥＴＣ２．０計測データと、その各々に対応する教師用運転スコア（シガーソケット型デバイス計測データの識別情報が同じもの）とに基づいてモデルを学習させ、学習済み第２運転スコアモデルを生成する。
　次いで、処理部１１０は、推論処理を行う（Ｓ１１）。具体的には、Ｓ９で生成された学習済み第２運転スコアモデルと、各処理対象のＥＴＣ２．０計測データ（例えば、ＥＴＣ２．０計測データに記憶されている各々のＥＴＣ２．０計測データ）とに基づいて第２運転スコアを算出する。そして、その算出結果を諸量推論結果とする。
　そして、処理部１１０は、処理を終了する。
　なお、Ｓ１１のステップを省略し、第２運転スコアモデルを生成するまでの処理としてもよい。
　また、Ｓ３のステップのみとし、シガーソケット型デバイス計測データに基づいて、推定ＥＴＣ２．０計測データを生成するまでの処理としてもよい。
　また、処理部１１０が、算出した第２運転スコアの値（推論結果）を表示部１３０に表示させるようにしてもよい。
　また、処理部１１０が、算出した第２運転スコアの値そのものを表示部１３０に表示させるのに代えて、またはこれに加えて、算出した第２運転スコアの値に基づいて分類した、ドライバーのランク等の情報（順序関係のある情報）を表示部１３０に表示させるようにしてもよい。具体的には、例えば、以下のようなランクの情報を表示部１３０に表示させるようにしてもよい。
　・ランクが高い順に「星５つ、星４つ、星３つ、星２つ、星１つ」
　・ランクが高い順に「◎、〇、△、×」
　・ランクが高い順に「Ａ（Ａ評価）、Ｂ（Ｂ評価）、Ｃ（Ｃ評価）」
　・ランクが高い順に「ゴールド、シルバー、ブロンズ」
　また、例えば、サーバ１００からこれらの情報を取得した保険会社が、算定した保険料を顧客に提示する際に、その顧客の第２運転スコアの値やランクの情報を併せて提示するようにしてもよい。
　また、処理部１１０が、シガーソケット型デバイス計測データに基づいて、ドライバーの加速減速、左右のハンドリング操作等によって、どの向きにどのぐらいのＧが掛かっているかなどを推定したり、それをグラフィック化して表示部１３０に表示させるなどしてもよい。
＜第１実施例の効果＞
　本実施例では、上記のように、例えば単位距離や単位時間に基づいてシガーソケット型デバイス計測データから走行情報を選択することによって、推定ＥＴＣ２．０計測データを生成した。
　この場合、前述した急減速や急加速等の情報が推定ＥＴＣ２．０計測データに正確に反映される（いわゆるヒヤリハット等が反映される）とは限らないとも考えられる。
　しかし、本願発明者は、上記のようにして生成した推定ＥＴＣ２．０計測データを用いれば、ドライバーの大まかな運転の傾向（安全運転の傾向がある、危険運転の傾向があるなど）が反映された推定ＥＴＣ２．０計測データを得ることができ、その結果、妥当性の高い運転スコアモデルを生成可能である知見を得た。
　本実施例は、サーバ１００（情報処理装置の一例）は、シガーソケット型デバイス等の装置（第１装置の一例）によって計測された走行情報を含むシガーソケット型デバイス計測データ（第１計測データの一例）に基づいて、ＥＴＣ２．０車載器等の装置（第１装置とは異なる第２装置の一例）によって計測されるＥＴＣ２．０計測データ（第２計測データの一例）の推定データである推定ＥＴＣ２．０計測データを生成する処理部１１０を備える。
　これにより、移動体に関する情報を計測する第１装置によって計測された第１計測データに基づいて、移動体に関する情報を計測する装置であって第１装置とは異なる第２装置によって計測される第２計測データの推定データを生成することができる。
　また、この場合、シガーソケット型デバイス等の装置（第１装置の一例）と、ＥＴＣ２．０車載器（第２装置の一例）とで、データを計測するときのサンプリング単位が異なるようにしてもよい。
　これにより、サンプリング単位が異なる２つの装置のうちの第１装置によって移動体に関する情報が計測された第１計測データに基づいて、移動体に関する情報を計測する第２装置によって計測される第２計測データの推定データを生成することが可能となる。
　また、この場合、シガーソケット型デバイス等の装置（第１装置の一例）のサンプリング単位は時間であり、ＥＴＣ２．０車載器（第２装置の一例）のサンプリング単位は距離であるようにしてもよい。
　これにより、サンプリング単位が時間である第１装置によって移動体に関する情報が計測された第１計測データに基づいて、移動体に関する情報を計測するサンプリング単位が距離である第２装置によって計測される第２計測データの推定データを生成することが可能となる。
　また、この場合、シガーソケット型デバイス等の装置（第１装置の一例）は所定時間間隔で計測し、ＥＴＣ２．０車載器（第２装置の一例）は所定距離間隔で計測するようにしてもよい。
　これにより、移動体に関する情報を所定時間間隔で計測をする第１装置によって計測された第１計測データに基づいて、移動体に関する情報を所定距離間隔で計測する第２装置によって計測される第２計測データの推定データを生成することができる。
　また、シガーソケット型デバイス等の装置（第１装置の一例）は所定時間間隔で計測し、ＥＴＣ２．０車載器（第２装置の一例）は所定距離間隔で計測し、サーバ１００の処理部１１０は、シガーソケット型デバイス計測データ（第１計測データの一例）と、ＥＴＣ２．０車載器が計測する所定距離間隔と、所定条件とに基づいて、推定ＥＴＣ２．０計測データ（推定データの一例）を生成するようにしてもよい。
　これにより、第１計測データと、所定距離間隔と、所定条件とに基づいて、推定データを適切に生成することが可能となる。
　また、この場合、所定条件は、少なくとも、シガーソケット型デバイス計測データ（第１計測データの一例）に含まれる位置に基づく移動体の方向の変化に関する条件を含むようにしてもよい。
　これにより、第１計測データに含まれる位置に基づく移動体の方向の変化が考慮（反映）された推定データを生成することが可能となる。
　また、サーバ１００の処理部１１０、推定ＥＴＣ２．０計測データ（推定データの一例）に基づいて、諸量を算出するためのモデルを生成するようにしてもよい。
　これにより、推定データに基づいて、諸量を算出するためのモデルを適切に生成することができる。
　また、この場合、サーバ１００の処理部１１０は、少なくとも推定ＥＴＣ２．０計測データ（推定データの一例）を学習用データとする機械学習によって、運転スコアモデル等のモデルを生成するようにしてもよい。
　これにより、推定データに基づいて、諸量を適切に算出可能なモデルを生成することができる。
　また、この場合、サーバ１００の処理部１１０は、ＥＴＣ２．０計測データと、生成された運転スコアモデル等のモデルとに基づいて、運転スコア等の諸量を算出するようにしてもよい。
　これにより、第２計測データと、生成されたモデルとに基づいて、諸量を適切に算出することができる。
　また、この場合、シガーソケット型デバイス（第１装置の一例）とＥＴＣ２．０車載器（第２装置の一例）とは走行情報を計測し、諸量は、走行情報が計測される移動体の保険に関する運転スコアであり、モデルは、ＥＴＣ２．０計測データに基づいて運転スコアを算出するための第２運転スコアモデルであるようにしてもよい。
　これにより、第２計測データに基づいて運転スコアを算出するためのモデルを生成することができる。
　また、この場合、サーバ１００の処理部１１０は、推定ＥＴＣ２．０計測データ（推定データの一例）と、シガーソケット型デバイス計測データ（第１計測データの一例）に基づく運転スコア（第１計測データに基づく情報の一例）とを学習用データとする機械学習によって、第２運転スコアモデルを生成するようにしてもよい。
　これにより、第２計測データに基づいて運転スコアを算出するための妥当性の高いモデルを生成することが可能となる。
＜変形例（１）＞
　上記の実施例において、第１装置と第２装置とを逆にして同様の処理を行うようにしてもよい。
　具体的には、例えば、
　・第１装置：ＥＴＣ２．０車載器
　・第２装置：シガーソケット型デバイス
　とし、ＥＴＣ２．０計測データに基づいて、シガーソケット型デバイス計測データを推定するようにしてもよい。
　つまり、上記の実施例を含め、第１装置と第２装置との一方のサンプリング単位は時間であり、他方のサンプリング単位は距離としてもよい。また、第１装置と第２装置との一方は所定時間間隔で計測し、他方は所定距離間隔で計測してよい。
＜変形例（２）＞
　上記の実施例では、時系列の離散的なシガーソケット型デバイス計測データの走行情報に基づいて推定ＥＴＣ２．０計測データを生成することとしたが、これに限定されない。
　シガーソケット型デバイス計測データに含まれる走行情報を近似した連続的な関数を算出し、算出した関数に基づいて、推定ＥＴＣ２．０計測データを生成するようにしてもよい。
　例えば、シガーソケット型デバイス計測データに含まれる時系列の二次元の位置情報に基づいて、時間「ｔ」をパラメータとする二次元の位置（Ｘ，Ｙ）の関数「（Ｘ，Ｙ）＝ｆ（ｔ）」を求める。
　そして、例えば、シガーソケット型デバイス計測データに含まれる速度情報から単位距離を走行するのに要する時間を算出し、算出した時間に基づいて、対応する時刻「ｔ」の位置情報を関数「（Ｘ，Ｙ）＝ｆ（ｔ）」から算出することによって、推定ＥＴＣ２．０計測データを生成するようにしてもよい。
　なお、三次元の位置情報とする場合も同様とすることができる。
　なお、車両が一定の速度（例えば、６０ｋｍ／ｈ）で走行すると仮定し、単位距離を走行するのに要する時間を算出することによって、同様に関数「（Ｘ，Ｙ）＝ｆ（ｔ）」を用いて推定ＥＴＣ２．０計測データを生成するようにしてもよい。
＜変形例（３）＞
　上記の実施例において、第２運転スコアモデル生成部１１５が、少なくとも、推定ＥＴＣ２．０計測データと、ＥＴＣ２．０計測データとを学習用データとする学習によって、運転スコアモデルを生成するようにしてもよい。
　具体的には、例えば、教師用運転スコアと、ＥＴＣ２．０計測データとを教師用データとし、これらに加えて推定ＥＴＣ２．０計測データを学習用データセットする教師あり学習を行うことによって、運転スコアモデルを生成するようにしてもよい。
　本変形例では、サーバ１００の処理部１１０は、少なくとも、推定ＥＴＣ２．０計測データ（例えば、推定データの一例）と、ＥＴＣ２．０計測データ（例えば、第２計測データの一例）とを学習用データとする機械学習によって、モデルを生成する。
　これにより、より高精度なモデルを生成することが可能となる。
＜変形例（４）＞
　上記の実施例で説明したＥＴＣ２．０計測データの推定の妥当性の検証を行うようにしてもよい。
　具体的には、例えば、同様の条件下で、ＥＴＣ２．０車載器を搭載した車両をドライバーに運転させ取得したＥＴＣ２．０計測データと、上記の実施例のようにして生成した推定ＥＴＣ２．０計測データとを取得する。そして、サーバ１００の処理部１１０は、これらの計測データの相関を示す値（相関値）を算出し、例えば相関値が所定の閾値以上（または閾値超）であると判定した場合（両者に相関があると判定した場合）、ＥＴＣ２．０計測データの推定が妥当と判定するようにしてもよい。
　この場合、ある程度の数のデータについて上記の処理を行うことで、妥当性の検証をより適切に行うことができる。
　また、上記の実施例のようにして生成された運転スコアモデルの妥当性の検証を行うようにしてもよい。
　具体的には、上記と同様に、例えば、同様の条件下で、ＥＴＣ２．０車載器を搭載した車両をドライバーに運転させ取得したＥＴＣ２．０計測データと、上記の実施例のようにして生成した推定ＥＴＣ２．０計測データとを取得する。そして、サーバ１００の処理部１１０は、ＥＴＣ２．０計測データを運転スコアモデルに入力することで得られた運転スコアと、推定ＥＴＣ２．０計測データを運転スコアモデルに入力することで得られた運転スコアとを比較し、これらの運転スコアの差が所定の閾値未満（または閾値以下）であれば、運転スコアモデルは妥当と判定するようにしてもよい。
　この場合、ある程度の数のデータについて上記の処理を行うことで、妥当性の検証をより適切に行うことができる。
＜変形例（５）＞
　ユーザが保険会社との間で自動車保険の契約を行ったものの、契約期間の途中などで、自動車に搭載される装置を、第１装置（例えば、シガーソケット型デバイス）から第２装置（例えば、ＥＴＣ２．０車載器）に変更する（切り替える）ような場合があり得る。
　そこで、サーバ１００の処理部１１０が、例えば、自動車保険の契約期間（保険開始日から終了日（満期日）までの期間）において、自動車に搭載される（計測データの計測に使用する）装置が第１装置から第２装置に変更された場合、少なくとも契約期間の開始から装置変更までの第１期間における第１装置の計測データ（例えば、保険開始日から装置変更日までに計測された第１装置計測データ）に基づく推定データと、装置変更から契約期間の終了までの第２期間における第２装置の計測データ（例えば、装置変更日から運転スコアの算出日（継続手続日）までに計測された第２装置計測データ）とに基づいて、自動車保険を継続する場合の運転スコアを算出するようにしてもよい。
　この場合、例えば以下のうちのいずれの手法によって運転スコアを算出するようにしてもよい。
　・推定データ（例えば、推定ＥＴＣ２．０計測データ）を学習済み第２運転スコアモデルに入力して算出される第１スコア値と、第２装置計測データ（例えば、ＥＴＣ２．０計測データ）を学習済み第２運転スコアモデルに入力して算出される第２スコア値とを平均するなどして算出する。
　・推定データ（例えば、推定ＥＴＣ２．０計測データ）と第２装置計測データ（例えば、ＥＴＣ２．０計測データ）とを統合したデータを学習済み第２運転スコアモデルに入力して算出する。
　なお、契約期間の開始から装置変更までの第１期間における第１装置計測データに基づく推定データに代えて、契約期間の開始から装置変更までの第１期間における第１装置計測データを用いるようにしてもよい。この場合、例えば以下の手法によって運転スコアを算出するようにしてもよい。
　・第１装置計測データ（例えば、シガーソケット型デバイス計測データ）を第１運転スコアモデルに入力して算出された第１スコア値と、第２装置計測データ（例えば、ＥＴＣ２．０計測データ）を学習済み第２運転スコアモデルに入力して算出された第２スコア値とを平均するなどして算出する。
＜第２実施例＞
　第１実施例では、例えばテレマティクス保険の保険商品に関する実施例について説明した。しかし、このようなテレマティクス保険の保険商品のサービスを含む、ＥＴＣ２．０をベースとするサービスを開発する場合、どれだけの人が使えるサービスであるか、マーケットの大きさ、全国で公平に提供可能なサービスであるか、などを評価することが必要となる。第２実施例は、この評価に関連する実施例である。
　なお、第２実施例に記載の内容は、他の各実施例や他の各変形例のいずれにも適用可能である。
＜データ構成＞
　図１０は、本実施例においてサーバ１００の記憶部１９０に記憶される情報の一例を示す図である。
　記憶部１９０には、例えば、処理部１１０によって読み出され、ＥＴＣ２．０サービス評価支援処理として実行される第１ＥＴＣ２．０サービス評価用支援処理プログラム１９７と、前述したシガーソケット型デバイス計測データベース１９２と、路側機情報データベース１９８と、作成ヒストグラムデータベース１９９とが記憶される。
　シガーソケット型デバイス計測データベース１９２には、前述したように、例えば、計測期間ごとに、複数のドライバーの計測データを記憶させるようにすることができる。計測期間は、例えば、月単位の期間（１か月、２か月、・・・、６か月等）としてもよいし、それ以外の単位の期間としてもよい。また、例えば、道路種別ごとや地域ごとなどに分類して記憶させるようにしてもよい。
　路側機情報データベース１９８は、例えば、全国の路側機の位置情報等を含む情報が記憶されたデータベースである。
　作成ヒストグラムデータベース１９９は、後述するＥＴＣ２．０をベースとするサービスに関する評価等を行うために処理部１１０によって作成されるヒストグラムのデータが記憶されるデータベースである。
　なお、前述した推定ＥＴＣ２．０計測データベース１９４等を記憶部１９０に記憶させるようにしてもよい。
＜ＥＴＣ２．０車載器の仕様＞
　ＥＴＣ２．０では、前述したように、例えば路側機で走行情報を含むプローブ情報がＥＴＣ２．０車載器から収集される。
　その一方で、ＥＴＣ２．０車載器は、例えば最大で「８０ｋｍ」分などの所定距離分の走行情報しか記録することができない場合があり、所定距離を超えた分の走行情報は記録されずに破棄されてしまう場合がある。このため、ＥＴＣ２．０車載器を搭載した車両が路側機近傍をいつまでも通過しない場合、せっかく記録された走行情報が路側機で収集されない場合があり得る。
　なお、ＥＴＣ２．０の仕様は、今後アップデートされる可能性がある。
　例えば、前述した単位距離（例えば２００ｍ）が変更される可能性もあり、場合によっては、ＥＴＣ２．０車載器のメモリを増設する必要なども生ずる可能性もある。
　しかし、本発明の手法は、このようなＥＴＣ２．０の仕様の変更に対しても対応可能であり、各種のパラメータの値を調整すれば済む。
＜処理＞
　図１１は、本実施例においてサーバ１００の処理部１１０が行う第１ＥＴＣ２．０サービス評価支援処理の流れの一例を示す図である。
　処理部１１０は、例えば、シガーソケット型デバイス計測データベース１９２に含まれる各々のシガーソケット型デバイス計測データを対象として、以下の処理を行う。
　まず、処理部１１０は、当該シガーソケット型デバイス計測データに含まれる走行情報について、例えば時系列で一番古い走行情報から順番に、以下の処理を行う。
　処理部１１０は、当該走行情報に含まれる車両の計測位置が、路側機（新たな路側機）の領域に含まれるか否かを判定する（Ｓ２１）。
　ここで、路側機近傍の領域のことを「路側機領域」と称する。路側機領域は、例えば、その路側機の位置から半径５ｍ以内以内の領域や半径１０ｍ以内の領域等として設定することができる。
　具体的には、処理部１１０は、路側機情報データベース１９８に記憶されている路側機の位置情報に基づき、当該走行情報に含まれる車両の計測位置が、その路側機の路側機領域に含まれるか否かを判定する。
　含まれると判定したならば（Ｓ２１：ＹＥＳ）、処理部１１０は、その車両の計測位置が、１つ前の路側機の位置から「８０ｋｍ」を超えているか否かを判定する（Ｓ２３）。
　超えていると判定したならば（Ｓ２３）、処理部１１０は、当該シガーソケット型デバイス計測データに含まれる走行情報のうち、当該路側機の位置から遡って「８０ｋｍ」以内の走行情報のセットに送信フラグ（収集フラグ）「ＯＮ」を設定する（Ｓ２５）。
　送信フラグは、ＥＴＣ２．０車載器が搭載された車両が路側機の近傍を通過することで走行情報が路側機に送信されることを模擬したフラグとすることができる。
　本実施例では、ＥＴＣ２．０ベースでのサービスに関する評価を行うため、シガーソケット型デバイスによって計測されたデータ（取得済みのシガーソケット型デバイス計測データ）を用いて、仮想的に、ＥＴＣ２．０車載器が搭載された車両が路側機の近傍を通過した場合の走行情報の送信（路側機での走行情報の収集）を再現（模擬）する。
　例えば、当該走行情報に含まれる車両の計測位置が１つ前の路側機の位置から「１００ｋｍ」離れているのであれば、前述したＥＴＣ２．０の仕様によれば、１つ前の路側機の位置から「８０ｋｍ」を超えた「２０ｋｍ」分の走行情報はＥＴＣ２．０車載器から破棄されてしまう。これを再現するため、Ｓ２５のステップでは、「８０ｋｍ」を超えた分を除く、当該路側機の位置から遡って「８０ｋｍ」以内の走行情報のセットに送信フラグ「ＯＮ」を設定する。
　一方、１つ前の路側機の位置から「８０ｋｍ」を超えていないと判定したならば（Ｓ２３：ＮＯ）、処理部１１０は、当該シガーソケット型デバイス計測データに含まれる走行情報のうち、１つ前の路側機の位置からの走行情報のセットに送信フラグ「ＯＮ」を設定する（Ｓ２７）。
　Ｓ２５またはＳ２７の後、処理部１１０は、処理を終了するか否かを判定し（Ｓ２９）、処理を継続すると判定したならば（Ｓ２９：ＮＯ）、Ｓ１に処理を戻す。
　一方、処理を終了すると判定したならば（Ｓ２９：ＹＥＳ）、処理部１１０は、第１ＥＴＣ２．０サービス評価支援処理を終了する。
＜計測期間の設定＞
　図１２は、本実施例において、上記の第１ＥＴＣ２．０サービス評価支援処理の処理結果に基づいて、サーバ１００の処理部１１０によって生成されるＥＴＣ２．０サービス評価用のヒストグラムの一例を示す図である。
　処理部１１０は、上記の処理結果に基づき、例えば、シガーソケット型デバイス計測データの計測期間ごとに、横軸（階級）を路側機での想定収集時間（ｈ）とし、縦軸（度数）を車両台数（台）とするヒストグラムを作成する。
　路側機での想定収集時間は、例えば、送信フラグが「ＯＮ」に設定された走行情報（走行情報のセット）から導出することができるため、実質的に、想定される路側機で収集することができたデータ数と同義とも言える。このため、横軸を想定収集データ数としてもよい。
　また、縦軸を走行回数（回）としてもよい。
　この図は、計測期間「１か月」のヒストグラムの一例を示しており、一例として、横軸に路側機での想定収集時間を「１ｈ」ごとに区切った区間を階級として示している。また、縦軸に、各々の区間に含まれる車両台数を度数として示している。全ての区間の車両台数を合算したものが総車両台数となる。なお、横軸や縦軸の値は一例に過ぎず、これらに限定されるものではない。
　図１３は、計測期間「２か月」について同様に作成したヒストグラムの一例を示している。図の見方は、図１２と同様である。
　処理部１１０は、例えば、想定収集時間の閾値を「３ｈ」として設定し、想定収集時間が閾値「３ｈ」超となる総車両台数に対する車両台数の割合（以下、「車両台数割合」と称する。）を算出する。
　図１２の計測期間「１か月」のヒストグラムに基づいて車両台数割合を算出した結果、例えば「６０％」と算出され、図１３の計測期間「２か月」のヒストグラムに基づいて車両台数割合を算出した結果、例えば「８０％」と算出されたとする。
　例えば、想定収集時間の閾値を「３ｈ」とする場合の車両台数割合の目標値として「７５％」を設定する場合、図１２の計測期間「１か月」では車両台数割合は目標値に達していないが、図１３の計測期間「２か月」では車両台数割合が目標値に達している。
　このため、この例では、計測期間が「２か月」であるシガーソケット型デバイス計測データを用いれば、ＥＴＣ２．０の計測データを再現しても問題ないと判断することができる。
　実際の処理としては、サーバ１００の処理部１１０は、例えば、計測期間が短い順に、車両台数割合が目標値に達するまで、計測期間を更新してヒストグラムを作成する。そして、車両台数割合が目標値に達した場合、その計測期間を運用する計測期間として設定する。
　この場合、例えば、記憶部１９０のシガーソケット型デバイス計測データベース１９２に記憶されている計測期間ごとのシガーソケット型デバイス計測データのセットのうち、設定した計測期間のシガーソケット型デバイス計測データのセットのみを残し、他の計測期間のシガーソケット型デバイス計測データのセットは削除してもよい。
　そして、処理部１１０は、例えば、設定した計測期間のシガーソケット型デバイス計測データのセットを用いて、第１実施例で説明した推定ＥＴＣ２．０計測データを生成し、運転スコアモデルを生成するようにすることができる。
　このようにすることで、信頼性が保証されたテレマティクス保険の保険商品を作ることが可能となる。
　なお、以下のような処理を行うようにしてもよい。
　処理部１１０が、例えばシガーソケット型デバイス計測データの計測期間として「２か月」の期間を設定した場合、この「２か月」の計測期間のシガーソケット型デバイス計測データを用いて運転スコアモデルを生成する。同様に、処理部１１０が、この「２か月」の計測期間の推定ＥＴＣ２．０計測データを用いて運転スコアモデルを同様に生成する。
　そして、処理部１１０が、生成したこれらの運転スコアモデルに所定の計測データを入力した場合に同様の結果が得られるか否か（例えば、モデル間の差が所定の閾値以下（または閾値未満）となるか否か）を判定するなどし、同様の結果が得られたならば、運転スコアの算出に用いる（運転の評価に用いる）ＥＴＣ２．０計測データの計測期間を「２か月」に設定する。
　一方、同様の結果が得られなかったならば、運転スコアの算出に用いる（運転の評価に用いる）ＥＴＣ２．０計測データの計測期間が「２か月」では足りない可能性があるため、処理部１１０は、運転スコアの算出に用いるＥＴＣ２．０計測データの計測期間を、「２か月」よりも長い計測期間（例えば、「３か月」～「６か月」のいずれかの期間）に設定するようにしてもよい。
　これは、本発明の手法では、シガーソケット型デバイス計測データの走行情報を間引く（リサンプリングする）ことによって推定ＥＴＣ２．０計測データを生成しているため、ＥＴＣ２．０計測データにシガーソケット型デバイス計測データの計測期間をそのまま適用することが妥当であるとは限らない可能性があり得るためである。
　そこで、上記のように、２つの運転スコアモデルを比較検証し、その比較検証の結果に基づいて、運転スコアの算出に用いるＥＴＣ２．０計測データの計測期間を設定（判定）するようにしてもよい。
＜保険商品のビジネスの評価＞
　上記のようにしてサーバ１００によって作成されるヒストグラムを用いて、ＥＴＣ２．０をベースとする保険商品のビジネスとしての成否を評価することもできる。
　ＥＴＣ２．０の走行情報に基づいて保険商品を作ることを考える場合、実際にＥＴＣ２．０車載器を搭載した車両をユーザに運転してもらい、その計測データを収集する必要がある。これには、前述したようにコストが掛かるという問題があるし、そもそもＥＴＣ２．０の仕組みで走行情報を十分に収集することができないという事実が判明すれば、そもそも保険商品のビジネスとして成り立たない場合がある。つまり、前述したが、ＥＴＣ２．０車載器を搭載した車両が路側機近傍を通過することなく、例えば「８０ｋｍ」以上走行することで、データロスが発生してしまうことが想定される。これは、実際にＥＴＣ２．０車載器を搭載した車両によって実証実験してみなければ分からない。
　そこで、例えば、ＥＴＣ２．０によらない他の手段で収集したデータ（例えば、シガーソケット型デバイス計測データ）と、テレマティクス保険の対象とするエリア（例えば、首都圏エリアなど）に含まれる路側機の位置情報とに基づいて、各々の車両について想定収集時間を算出する。そして、対象とする全車両について、仮想的にどれだけの走行情報が路側機で収集されるか（または、逆にどれだけの走行情報が破棄されるか）を、前述したヒストグラム等を用いて評価するようにすることができる。
　具体的には、サーバ１００の処理部１１０は、例えば、所定の計測期間におけるシガーソケット型デバイス計測データに基づいて、例えば、ひと月あたりにどれだけの走行情報が収集されるかのヒストグラムを、図１２や図１３と同様に作成する。
　そして、サーバ１００の処理部１１０は、路側機での想定収集時間に対する閾値（例えば、７ｈや１０ｈなど）を設定し、想定収集時間が閾値以上（または閾値超）となる車両台数（または車両台数割合）が設定値以上（または設定値超）であれば、一般的な保険商品のビジネスとして成立すると判定するようにすることができる。
　なお、この場合、例えば、「１か月」の期間を所定の計測期間として処理を行ってもよいし、「２か月」や「３か月」の期間を所定の計測期間として処理を行ってもよい。この場合、所定の計測期間における想定収集時間をそのまま用いてもよいし、ひと月あたりの想定収集時間を用いてもよい。
　また、異なる複数の計測期間のシガーソケット型デバイス計測データからヒストグラムを作成し、各々の計測期間の想定収集時間を平均するなどして算出した時間を用いてもよい。
　また、想定収集時間に代えて、前述した想定収集データ数を用いてもよい。
　また、仮想的にどれだけの走行情報が路側機で収集されずに破棄されたかを示すデータ数（想定破棄データ数）や時間（想定破棄時間）に基づいて同様の処理を行ってよい。これは、シガーソケット型デバイス計測データに基づいて生成される推定ＥＴＣ２．０計測データ（シガーソケット型デバイス計測データに基づいて生成される擬似的なＥＴＣ２．０計測データ）におけるデータ損失の割合（度合）を示す情報（データ損失割合情報（データ損失度合情報））と捉えることもできる。
　また、上記の保険商品のビジネスとしての成否を判定することは、上記のデータ損失割合情報に基づいて、シガーソケット型デバイス計測データに基づいて生成される推定ＥＴＣ２．０計測データ（シガーソケット型デバイス計測データに基づいて生成される擬似的なＥＴＣ２．０計測データ）の有効性を判定することとも言える。
　なお、この場合、サーバ１００は、推定ＥＴＣ２．０計測データを実際に生成してもよいし、生成しなくてもよい。つまり、シガーソケット型デバイス計測データに基づいて推定ＥＴＣ２．０計測データを生成した上で、生成した推定ＥＴＣ２．０計測データの有効性を上記の手法によって判定するようにしてもよいし、推定ＥＴＣ２．０計測データを生成せず、シガーソケット型デバイス計測データに基づいて推定ＥＴＣ２．０計測データを生成する場合の、その生成される推定ＥＴＣ２．０計測データの有効性を上記の手法によって判定するようにしてもよい。
　なお、一般的な保険商品のビジネスとして成立すると判定した場合、サーバ１００の処理部１１０は、上記の＜計測期間の設定＞で説明した手法に基づいて計測期間を設定した上で、設定した計測期間のシガーソケット型デバイス計測データのセットを用いて、第１実施例で説明した推定ＥＴＣ２．０計測データを生成し、運転スコアモデルを生成するようにしてもよい。
　逆に、サーバ１００の処理部１１０は、一般的な保険商品のビジネスとして成立しないと判定した場合、以下のいずれかを行うようにしてもよい。
　・推定ＥＴＣ２．０計測データを生成しない
　・推定ＥＴＣ２．０計測データを生成するが使用しない
　また、上記の＜計測期間の設定＞や＜保険商品のビジネスの評価＞において、サーバ１００の処理部１１０が、シガーソケット型デバイス計測データに代えて、推定ＥＴＣ２．０計測データを用いて、同様の評価を行うようにしてもよい。
＜第２実施例の効果＞
　本実施例は、サーバ１００は、ＥＴＣ２．０計測データ（第２計測データの一例）は、所定位置に設置された路側機（第３装置の一例）にＥＴＣ２．０車載器（第２装置の一例）から送信され、シガーソケット型デバイス計測データ（第１計測データの一例）と、路側機の位置情報とに基づいて、推定ＥＴＣ２．０計測データを生成するか否かを判定する。
　これにより、第１計測データと、所定位置に設置された第３装置の位置情報とに基づいて、第２計測データの推定データを生成するか否かを適切に判定することができる。
　また、本実施例は、サーバ１００は、ＥＴＣ２．０計測データ（第２計測データの一例）は、所定位置に設置された路側機（第３装置の一例）にＥＴＣ２．０車載器（第２装置の一例）から送信され、シガーソケット型デバイス計測データ（第１計測データの一例）と、路側機の位置情報とに基づいて、生成された推定ＥＴＣ２．０計測データを使用するか否かを判定する。
　これにより、第１計測データと、所定位置に設置された第３装置の位置情報とに基づいて、第２計測データの推定データを使用するか否かを適切に判定することができる。
　また、本実施例は、サーバ１００は、ＥＴＣ２．０計測データ（第２計測データの一例）は、所定位置に設置された路側機（第３装置の一例）にＥＴＣ２．０車載器（第２装置の一例）から送信され、シガーソケット型デバイス計測データ（第１計測データの一例）と、路側機の位置情報とに基づいて、ＥＴＣ２．０計測データの生成に用いるシガーソケット型デバイス計測データの計測期間を判定する。
　これにより、第１計測データと、所定位置に設置された第３装置の位置情報とに基づいて、第２計測データの推定データの生成に用いる第１計測データの計測期間を適切に判定することができる。
　また、本実施例は、サーバ１００は、シガーソケット型デバイスによって計測されたシガーソケット型デバイス計測データに基づいて、ＥＴＣ２．０車載器によって計測されるＥＴＣ２．０計測データに基づく運転の評価に必要なシガーソケット型デバイス計測データの計測期間を判定する処理部１１０を備える。
　これにより、移動体に関する情報を計測する第１装置によって計測された第１計測データに基づいて、移動体に関する情報を計測する装置であって第１装置とは異なる第２装置によって計測される第２計測データに基づく運転の評価に必要な第１計測データの計測期間を適切に判定することができる。
　また、この場合、サーバ１００は、上記のようにして判定された計測期間のシガーソケット型デバイス計測データに基づいて、ＥＴＣ２．０計測データに基づく運転の評価に必要なＥＴＣ２．０計測データの計測期間を判定する。
　これにより、上記のようにして判定された計測期間の第１計測データに基づいて、第２計測データに基づく運転の評価に必要な、この第２計測データの計測期間を適切に判定することができる。
　また、サーバ１００は、シガーソケット型デバイス計測データに基づいて、ＥＴＣ２．０計測データを擬似的に所定期間について生成し、この擬似的なＥＴＣ２．０計測データにおけるデータ損失割合情報を取得する。そして、サーバ１００は、取得したデータ損失割合情報に基づいて、この擬似的なＥＴＣ２．０計測データの有効性を判定する。
　これにより、第１計測データに基づいて生成した、所定期間における擬似的第２計測データの有効性を、データ損失割合情報に基づいて適切に判定することができる。
＜変形例＞
　上記の実施例において、サーバ１００が、レジャー地などを目的地（例えば、所定時間そのレジャー地域範囲内に位置していた場合）として計測されたシガーソケット型デバイスデータや推定ＥＴＣ２．０計測データに基づいて、上記の実施例で説明した同様の手法によって、レジャー用（レジャーの用途）の保険商品のビジネスが成立するか否かを判定するようにしてもよい。そして、成立すると判定した場合、保険会社が、レジャー用の特別な保険商品を提供するようにしてもよい。
　また、この場合、上記の実施例で説明したように、サーバ１００により、首都圏エリアなどのシガーソケット型デバイス計測データや推定ＥＴＣ２．０計測データに基づく評価によって一般的な保険商品として成立すると判定された場合は、保険会社は、レジャー用であるか否かに関わらず、成立すると判定された一般的な保険商品を一律に提供するようにする。
　それに対し、サーバ１００により、首都圏エリアなどのシガーソケット型デバイス計測データや推定ＥＴＣ２．０計測データに基づく評価によって一般的な保険商品としては成立しないと判定された場合、サーバ１００は、上記のように、レジャー用の保険商品のビジネスが成立するか否かを判定するようにしてもよい。そして、成立すると判定した場合、保険会社が、レジャー用の特別な保険商品を提供するようにしてもよい。
＜第３実施例＞
　ＥＴＣ２．０に基づく仕組み下において走行情報を収集するにあたり、車両に配置されたＥＴＣ２．０に対応した装置から走行情報を取得する路側機(ＩＴＳスポット)を新規に配置することで、より多くの走行情報を収集することが期待できる。そこで、ＥＴＣ２．０に基づく仕組み下において、既存の路側機に加えて新規に路側機を配置したと想定した場合において収集される走行情報の収集度合いを測定し、またその測定した収集度合いに基づいてＥＴＣ２．０に関連するサービスの成立性を判定する例を第３実施例として説明する。
　なお、第３実施例に記載の内容は、他の各実施例や他の各変形例のいずれにも適用可能である。
＜データ構成＞
　図１４は、本実施例においてサーバ１００の記憶部１９０に記憶される情報の一例を示す図である。
　記憶部１９０には、例えば、処理部１１０によって読み出され、ＥＴＣ２．０サービス評価支援処理として実行される第２ＥＴＣ２．０サービス評価用支援処理プログラム２０１と、地図情報２０２と、路側機情報データベース１９８と、シガーソケット型デバイス計測データベース１９２と、路側機新規設置可能施設情報データベース２０３とが記憶される。
　地図情報データベース２０１は、例えば、全国の道路情報、地形等を含む情報が記憶されたデータベースである。
　路側機情報データベース１９８は、前述したように、例えば、全国の路側機の位置情報等を含む情報が記憶されたデータベースである。
　シガーソケット型デバイス計測データベース１９２には、前述したように、例えば、車両に搭載されるシガーソケット型デバイスによって計測された走行情報を含むシガーソケット型デバイス計測データが蓄積記憶されたデータベースである。
　なお、本実施形態においては、走行情報には少なくとも位置情報が含まれているものとする、
　路側機新規設置可能施設情報データベース２０３には、例えば、新規に路側機を設置することが可能な施設の位置情報が記憶されている。なお、好ましくは、各位置情報には施設の性質情報（チェーン店名称などが挙げられ、例えば、ショッピングモール名称、ガソリンスタンド名称、コンビニエンスストア名称等）が紐づけて記憶されており、紐づけられた性質情報を基に、同一の企業により運営されているある業種（ガソリンスタンド等）の集合を抽出することが可能となっている
　図１５は、地図情報データベース２０１及び路側機データベース１９８に記憶されている情報を参照して生成された、既に配置されているＥＴＣ２．０の路側機の地図上における分布の例を示す図である。なお、本実施形態においては、各路側機について、収集される可能性が高い走行情報の取得位置範囲の目安となる領域情報も合わせて表示している。なお、かかる領域情報は予め記憶されているか、または後述する新規路側機設置位置導出処理において各路側機の位置情報と周辺の道路情報等に基づいて算出されることが好ましい。領域情報の詳細については後述する。
　図１５に示すように、地図情報に重畳する態様で、路側機の位置が菱形によって示されている。上述したように、路側機においては、ＥＴＣ２．０に対応した装置を搭載した車両が近傍に位置することで、かかる装置に蓄積された走行情報が取得される。また、領域情報を参照して、各路側機について、路側機が配置された位置を中心とした所定の長さｒを半径とした円が描写されている。
　なお、目安の範囲における半径となる所定の長さｒは、ＥＴＣ２．０車載器における走行情報の最大の記録可能量である８０ｋｍとしてもよく、または、８０ｋｍの距離をカーブ等を含めて走行することを考慮して、路側機からの直線距離を想定した８０ｋｍの円ではなく、路側機からの８０ｋｍ未満の半径（例えば、５０ｋｍ）の円を目安の範囲としてもよい。更には、例えば、半径８０ｋｍを半径とする円と８０ｋｍ未満の長さを半径とする円の２つを示す等、複数の目安の範囲を示すこととしてもよい。また、目安の範囲としては、路側機位置を中心とする円ではなく、路側機位置を基準とした任意の範囲としてもよい。例えば、路側機位置から８０ｋｍの距離として、道路のカーブ等を鑑みての実際の道路距離を反映した範囲を算出した範囲とし、かかる範囲を示すこととしてもよい。
　究極的には、あらゆる場所に路側機を設置すれば、漏れなく走行情報を収集することが可能であるが、コスト上困難であることから、設置する路側機の数は限られる。
　また、新規に路側機を設置するにあたっては、例えば、民間企業と協力することで、民間のビジネス設備に設置してもらうことが考えられる。例えば、民間企業の費用によって自身のビジネス設備に設置してもらう代償として、設置された路側機からデータを提供してもらう代金を支払う、といった取り決めによる協力が可能である。
　このような協力に基づいて、かかる民間企業が経営する複数のビジネス施設において新規に路側機を設置する場合を考える。
　図１６は、図１５に示す図において、設置候補施設の情報を重畳させて示したものである。具体的には、図１６において、図１５における状況に対して、路側機新規設置可能施設情報データベース２０３を参照して、例えば、ショッピングモールＸ、ガソリンスタンドＹ、及びコンビニエンスストアＺが設置候補施設として抽出され示されている。無論、設置候補施設の種類はこれらに限定されるものではなく、任意のものを設定可能である。
　そして、図１７に示す例においては、これらの候補施設のうち、ガソリンスタンドＹに新規に路側機を設置した場合を想定した状況を示したものである。図１７に示すように、各ガソリンスタンドＹには新規の路側機の設置位置であることを示す中空の菱形が配置されており、また各ガソリンスタンドＹの位置に基づいて走行情報取得の目安の範囲が点線で示されている。
　図１７に示す状況について、ＥＴＣ２．０に対応する方式とは異なる方式により収集された走行情報に基づいて、ＥＴＣ２．０に関連するサービスを提供する際に想定される走行情報の収集状況を仮想的に取得することができ、またその評価を行うことで、ＥＴＣ２．０に関連するサービスの実現性、有効性等について判断を行うことができる。以下、これらの処理について具体的に説明する。
＜処理＞
　以下、新規に路側機を設置した場合を想定して、その想定状況下における走行情報の収集度合いを取得する処理、及び、その収集度合いを評価することでＥＴＣ２．０に関連するサービスの実現性等について判断するための処理について説明する。
　図１８は、本実施例においてサーバ１００の処理部１１０が行う第２ＥＴＣ２．０サービス評価支援処理の流れの一例を示す図である。なお、第２ＥＴＣ２．０サービス評価支援処理は、第１ＥＴＣ２．０サービス評価支援処理と一部同様の内容であるため、かかる同様の内容については説明を省略する。
　処理部１１０は、第１ＥＴＣ２．０サービス評価支援処理と同様に、例えば、シガーソケット型デバイス計測データベース１９２に含まれる各々のシガーソケット型デバイス計測データを対象として、以下の処理を行う。
　まず、処理部１１０は、当該シガーソケット型デバイス計測データに含まれる走行情報について、例えば時系列で一番古い走行情報から順番に（無論、新しい走行情報からでもよく、順番は問わない）、以下の処理を行う。
　処理部１１０は、当該走行情報以降における所定距離（例えば、８０ｋｍ）の分の走行情報のいずれかにおいて、既存の路側機または新規に設置したとする路側機における路側機領域に含まれるかどうかを判定する（Ｓ３１）。すなわち、上述した通り、ＥＴＣ２．０車載器は、例えば最大で「８０ｋｍ」分などの所定距離分の走行情報しか記録することができない場合があり、所定距離を超えた分の走行情報は記録されずに破棄されてしまうという背景から、かかる走行情報が最終的に路側機によって取得されるか、又は記録されずに破棄されてしまうかを判定するものである。
　路側機領域に含まれると判定したならば（Ｓ３１：ＹＥＳ）、処理部１１０は、路側機領域の領域に含まれると判断された走行情報に、送信フラグ（収集フラグ）「ＯＮ」を設定する（Ｓ３２）。
　一方、路側機領域を通過しないと判定したならば（Ｓ３１：ＮＯ）、走行情報には何らのフラグは設定しない（送信フラグは「ＯＦＦ」）。
　Ｓ３１またはＳ３２の後、処理部１１０は、処理を終了するか否かを判定する（Ｓ３３）。すなわち、また処理を行う対象である走行情報が残っているかどうかを判定し、残っていれば処理を継続し、残っていなければ処理を終了する。（Ｓ３３：ＮＯ）、Ｓ３１に処理を戻す。
　一方、処理を終了すると判定したならば（Ｓ３３：ＹＥＳ）、処理部１１０は、第２ＥＴＣ２．０サービス評価支援処理を終了する。
　なお、本実施例においては、各走行情報において、以降の所定距離分の走行情報において路側機領域を通過するかどうかを判定基準としているが、判定基準はこれに限られず、路側機の位置に基づいた任意の判定基準を適用可能である。例えば、各走行情報が、上述した走行情報の取得位置範囲の目安となる領域に含まれているかどうかを判定基準としてもよい。また例えば、路側機位置から所定距離（例えば、８０ｋｍ）の範囲として、道路のカーブ等を鑑みての実際の道路距離を反映した範囲に含まれているかどうかを判断基準としてもよい。
　第３実施例においても、第２実施例と同様に、上記の第２ＥＴＣ２．０サービス評価支援処理の処理結果に基づいて、収集の度合いがどの程度となりうるかを示す情報（以降、「収集度合い情報」という）を算出する。例えば、第２実施例における図１２、図１３に示すものと同様のヒストグラムを作成する。そして、処理部１１０は、例えば、想定収集時間の閾値を適宜（例えば「３ｈ」）設定し、想定収集時間がこの閾値以上又は閾値超となる車両台数割合を算出する。
　なお、収集度合い情報の評価手法は、上記に挙げた想定収集時間の閾値によるものに限られず、任意の手法を適用可能である。例えば、収集度合い情報を地域ごとに求め、収集度合いが所定の閾値以上である地域が所定値以上であるかどうかといった評価を行ってもよい。
　更には、収集度合い情報を、例えば走行情報が取得された位置を視覚的に地図情報上に表して、ユーザが視覚的にこれら位置の分布を確認することで評価を行うこととしてもよい。これにより、特定の領域において走行情報が収集されているか、特定の領域（または全領域）において走行情報の収集が一様になされているか、等を評価することができる。
＜所定ビジネスの成立性の判定＞
　そして、上記のようにしてサーバ１００によって作成されるヒストグラム等、収集度合い情報を用いて、第２実施例と同様に、ＥＴＣ２．０をベースとする所定ビジネスとしての成立性を判定することもできる。
　所定ビジネスとしての成立性を判定するにあたり、限定ではなく例として、以下のような判定手法が適用可能である。
　処理部１１０が、例えばシガーソケット型デバイス計測データの計測期間として「２か月」の期間を設定し、かかる計測期間による計測データに基づいて算出した収集度合い情報が、所定ビジネスの実現に関する何らかの条件を満たしている（例えば、想定収集時間の閾値を「３ｈ」として設定し、想定収集時間が「３ｈ」超となる総車両台数に対する車両台数の割合が「７５％」であり、所定ビジネスの実施上必要である車両台数の割合の閾値「７０％」を超えている）場合は、所定ビジネスが成立しうると判定する。
　一方で、条件を満たしていない場合は、所定ビジネスの成立は困難であると判定する。
　例えば、新規の路側機の設置パターンを複数用意しておき（例えば、パターン１：「ガソリンスタンドＹ」に設置する、パターン２：「ショッピングモールＸ」及び「ガソリンスタンドＹ」に設置する、パターン３：「ショッピングモールＸ」、「ガソリンスタンドＹ」及び「コンビニエンスストアＺ」に設置する）、そのそれぞれについて所定ビジネスがしうるかどうかを判定することができる。すなわち、例えば、パターン１においては所定ビジネスの成立は困難であると判定されたとしても、パターン２やパターン３においては所定ビジネスが成立しうると判定された場合、パターン２やパターン３に基づいて新規の路側機を設置する、という判断を行うことができる。
＜変形例＞
　上記の実施例において、ある路側機の組み合わせである第１パターンで新規に路側機を設置したとする想定状況下において算出された収集度合い情報と、第１パターンとは異なる路側機の組み合わせである第２パターンで新規に路側機を設置したとする想定状況下における収集度合い情報とを比較して、その差分を求めることとしてもよい。例えば、計測期間として「２ヶ月」の期間を設定した状況下で、前者における想定収集時間が「３ｈ」超となる総車両台数に対する車両台数の割合が「７５％」であり、後者における想定収集時間が「３ｈ」超となる総車両台数に対する車両台数の割合が「７０％」ある場合、その差分は５ポイントであることがわかる。そして、この差分の５ポイントが、第１パターン及び第２パターンにおいて新規に路側機を設置した場合の効果の差ということができる。
　更に、上記の実施例において、新規に路側機を設置したとする想定状況下において算出された収集度合い情報と、新規に路側機を設置していない状況下における収集度合い情報とを比較して、その差分を求めることとしてもよい。例えば、計測期間として「２ヶ月」の期間を設定した状況下で、前者における想定収集時間が「３ｈ」超となる総車両台数に対する車両台数の割合が「７５％」であり、後者における想定収集時間が「３ｈ」超となる総車両台数に対する車両台数の割合が「６５％」ある場合、その差分は１０ポイントであることがわかる。そして、この差分の１０ポイントが、新規に路側機を設置した場合の効果ということができる。
　更に、例えば、新規の路側機を設置可能な施設の候補の中から、なるべく少ない数の新規の路側機を設置しつつ、なるべく高い収集度合いとなるような新規の路側機を特定する最適化手法を用いて、設置すべき新規の路側機の組み合わせを特定することとしてもよい。すなわち、既存の路側機の位置情報、新規の路側機を設置可能な候補施設の位置情報、及び走行情報に基づいて、最適化手法、限定ではなく例として、最急降下法等を用いて、最適となる新規の路側機を設置可能な施設の候補の組み合わせを特定する。
　更に、例えば、処理対象となる新規の路側機を選定するにあたり、上述するようにビジネスの種別や、地域等によって設置する新規の路側機の区別をすることとしてもよく、具体的に例えば、「Ａ地域においてはガソリンスタンドＹとショッピングモールＸに限定し、Ｂ地域においてはガソリンスタンドＹ、ショッピングモールＸ及びコンビニエンスストアＺの全候補を抽出する」などとしてもよい。更には、任意の１つ（または任意の複数個）を新規の路側機の設置対象として特定してもよい。なお、収集度合い情報の算出を複数の候補の組み合わせのパターンについて行い、収集度合い情報が最適となる新規の路側機の候補の組み合わせを求めることとしてもよい。
　更に、例えば、新規に路側機が設置可能な位置が、既存の路側機とほぼ同一の場所である等、設置してもあまり追加の効果を期待できない場合がありうる。そのような場合を考慮して、任意の新規の路側機を含まない態様で収集の度合い情報を算出することとしてもよい。すなわち、既存の路側機の位置情報や、ユーザ入力等に基づいて、新規に設置する路側機に含まないものを特定（例えば、「ガソリンスタンドＹ」の集合のうち、何らかの基準に基づいて特定された一部の「ガソリンスタンドＹ」を除いた集合とする）し、かかる路側機を含まない態様で収集度合い情報を算出することとしてもよい。また、そのような特定の路側機を含まないパターンも含めた複数のパターンについて収集度合い情報を算出し、収集度合い情報が最適となるパターンを求めることとしてもよい。
＜第３実施例の効果＞
　本実施例は、サーバ１００は、既存の路側機の位置、及び新規に路側機を設置可能な施設の位置に基づいて、シガーソケット型デバイス計測データを、ＥＴＣ２．０に対応する方式に基づいて各路側機により収集される態様に模して、前記計測データの収集度合いを算出する。また、その収集度合いに基づいて、ＥＴＣ２．０に関連する所定サービスの成立性を判断する。また、異なるパターンで新規に路側機を設置した場合の収集度合いに関する差分や、新規に路側機を設置した場合としていない場合との収集度合いに関する差分を求め、その効果を求める。更には、路側機の設置コスト及び収集度合いの高さを考慮して最適化手法により新規路側機を設置する施設候補の組み合わせを求める。
　これにより、新規に路側機を設置することなく、新規に路側機を設置した想定下での収集度合いに関する評価等を行うことができる。
＜第４実施例＞
　ＥＴＣ２．０に基づく仕組み下において走行情報を収集するにあたり、車両に配置されたＥＴＣ２．０に対応した装置から走行情報を取得する路側機(ＩＴＳスポット)を新規に配置することで、より多くの走行情報を収集することが期待できる。そこで、ＥＴＣ２．０に基づく仕組み下において、効果的に走行情報を収集可能な新規の路側機の設置位置を導出する例を第４実施例として説明する。
　なお、第４実施例に記載の内容は、他の各実施例や他の各変形例のいずれにも適用可能である。
＜データ構成＞
　図１９は、本実施例においてサーバ１００の記憶部１９０に記憶される情報の一例を示す図である。
　記憶部１９０には、例えば、処理部１１０によって読み出され、新規路側機設置位置を導出する処理として実行される新規路側機設置位置導出処理プログラム２０４と、地図情報データベース２０２と、路側機情報データベース１９８と、シガーソケット型デバイス計測データベース１９２と、路側機新規設置可能施設情報データベース２０３とが記憶される。
　これらのデータ構成は、第３実施例における記憶部１９０におけるデータ構成において第２ＥＴＣ２．０サービス評価用支援処理プログラム２０１が新規路側機設置位置導出処理プログラム２０４となった以外は同様であるので、詳細な説明は省略する。
　図１５は、上述したように、地図情報データベース２０１及び路側機データベース１９８に記憶されている情報を参照して生成された、既に配置されているＥＴＣ２．０の路側機の地図上における分布の例を示す図である。
　究極的には、あらゆる場所に路側機を設置すれば、漏れなく走行情報を収集することが可能であるが、コスト上困難であり、設置できる路側機の数は限られる。そこで、できるだけ収集効率が良い場所に路側機を設置することが必要となる。
　図１５に示す例では、４つの路側機が設置されているが、各路側機による走行情報取得の目安の範囲の外となる領域が地図の中央部近辺に存在しており、かかる領域における走行情報の取得に漏れが多く発生する可能性があることを示している。
　図２０は、図１５における状況に対して新規に５つ目の路側機を設置した場合に想定される状況を示す図である。図２０に示すように、新規に設置する路側機の位置は中空の菱形で示されており、かかる新規の路側機がカバーする走行情報位置の目安である円が点線にて示されている。このように、既存の路側機による走行情報取得ではカバーしきれない領域を埋めるような態様で新規の路側機を設置することにより、より効果的な走行情報の収集が期待できる。
＜新規路側機設置位置導出処理＞
　以下、新規に路側機を設置するに際して、その適切な位置を導出するための処理について説明する。
　図２１は、本実施例においてサーバ１００の処理部１１０が実行する新規の路側機設置位置導出処理の流れの一例を示すフローチャートである。
　最初に、サーバ１００の処理部１１０は、新規に路側機を設置しようとする地域を特定する（Ｓ４１）。かかる地域の特定にあたっては、例えば、ユーザ入力による地域の指定を操作部１２０や通信部１５０を介して受信することによって行われる。また、かかるユーザ入力による地域の特定は、例えば、マウス操作やピンチ操作等により範囲を指定するものであってよいし、「Ａ県Ｂ市Ｃ町３丁目」のように文字入力により住所を指定するものであってもよい。
　なお、ステップＳ４１において行われる新規に路側機を設置しようとする地域の特定は、上述の方法に限定されず、任意の方法を適用してよい。例えば、既存の路側機の位置情報に基づいて、既存の路側機による走行情報の取得ではカバーしきれない領域がまとまって存在している領域を抽出し、その抽出した領域のうちの一つとすることとしてもよい。
　次に、地図情報データベース２０２及び路側機情報データベース１９８を参照して、Ｓ３１にて特定された地域に対応した図２０に示すような情報を表示部１３０に表示する（Ｓ４２）。この際、各路側機による走行情報取得の目安の範囲の情報も合わせて表示することが好ましい。
　次に、新規に設置する路側機の位置を特定する（Ｓ４３）。新規に設置する路側機の位置の特定に際しては、例えば、表示部１３０等を介して提示されている内容を見てユーザが位置を指定する（例えば、既存の路側機による目安のカバー範囲となるべく重複しないような位置を手動で指定する）こととしてもよく、また、既存の路側機の位置情報等に基づいて推奨位置を複数特定し、複数の推奨位置のうちの一つをユーザに指定させることとしてもよい。
　後者の場合について以下複数の例を挙げて説明する。
＜既存の路側機の位置情報に基づいて新規路側機の位置を特定＞
　新規の路側機の設置位置の特定する方法の一例として、周辺に存在する既存の路側機の位置情報に基づいて行う方法が挙げられる。
　具体的な方法として、限定ではなく例として、図２２に示すように、指定された領域内部において、各既存の路側機から最も遠い位置を新規の路側機の設置位置として特定することとしてもよい。又は、各既存の路側機からの距離が大きくなればなるほど小さくなる（例えば、距離の長さに反比例する）スコアを設定し、そのスコアの集計値に基づいて（例えば、合計値が最も低い）新規の路側機の設置位置として特定することとしてもよい。更には、かかる方法にて複数の候補位置を導出し、それら複数の候補位置を表示部１３０等を介してユーザに提示して、そのうちの一つをユーザに選択させることで新規の路側機の設置位置として特定することとしてもよい。
　また、各路側機による走行情報取得の目安の範囲に基づいて、それらの範囲から最も遠い位置を新規の路側機の設置位置を特定することとしてもよい。更には、各路側機による走行情報取得の目安の範囲と、新規の路側機による走行情報取得の目安の範囲（例えば、半径ｓの円領域；ｓはｒと同一であってもよいし、同一でなくともよい）とを比較し、重複する領域の少なさも考慮して新規の路側機の設置位置を特定することとしてもよい。
＜別途取得した複数の移動体の位置情報の密度に基づいて新規路側機の位置を特定＞
　また、新規の路側機の設置位置を特定する方法の別の一例として、別途取得した複数の移動体の位置情報の密度に基づいて行う方法が挙げられる。
　図２３は、図１５における状況に対して、シガーソケット型デバイス計測データベース１９２を参照して、シガーソケット型デバイスによって計測された走行情報に含まれる位置情報の密度に基づく表示を更に重畳して示した図である。丸印は位置情報が所定の密度（例えば、２０回／日）以上で観測された位置であることを示しており、丸の大きさが大きいほど、密度が大きいことを示している。
　図２３に示すような位置情報の密度であることに基づいて、例えば、最も密度が大きい位置を新規の路側機の設置位置として特定することとしてもよく、また、新規の路側機による走行情報取得の目安の範囲における密度が最も高くなる路側機位置を新規の路側機の設置位置として特定することとしてもよい。
　更には、前述の方法と同様に、上記方法にて複数の候補位置を導出し、それら複数の候補位置を表示部１３０等を介してユーザに提示して、そのうちの一つをユーザに選択させることで新規の路側機の設置位置として特定することとしてもよい。また、各既存の路側機による走行情報取得の目安の範囲と、新規の路側機による走行情報取得の目安の範囲とを比較し、重複する領域の少なさも考慮して新規の路側機の設置位置を特定することとしてもよい。
　なお、本実施形態において用いる位置情報としては、シガーソケット型デバイス計測データベース１９２に記憶された走行情報に含まれるものとしたが、これに限定されない。例えば、別の手段によって収集した位置情報を用いることとしてもよい。この別の手段としては、ＥＴＣ２．０に対応した装置によるものであってもよい。
＜路側機を新規に設置可能な施設の位置に基づいて特定＞
　また、新規の路側機の設置位置を特定する方法の更に別の一例として、路側機を新規に設置可能な施設を設置候補地として事前に抽出しておき、かかる設置候補地から新規の路側機の設置位置を特定することとしてもよい。
　図２４は、図１５に示す地図の中心部近辺において、設置候補地を重畳させて示したものである。図２４においては、図１５における状況に対して、路側機新規設置可能施設情報データベース２０３を参照して、例えば、ショッピングモール、ガソリンスタンド、及びコンビニエンスストアが設置候補地として抽出され示されている。無論、設置候補地の種類はこれらに限定されるものではなく、任意のものを設定可能である。
　そして、図２４に示す例においては、これらの候補地のうち、ショッピングモールを新規に設置する路側機の位置として特定したものであり、ショッピングモールには新規の設置位置であることを示す中空の菱形が配置されており、またショッピングモールの位置に基づいて走行情報取得の目安の範囲が点線で示されている。
　すなわち、図２４のように、新規の路側機を設置しようとする地域の地図情報に、既存の路側機及び既存の路側機がカバーする走行情報位置の目安の範囲、更には路側機の設置候補地を重畳して示したものを表示部１３０等を介してユーザに提示して、設置候補地のうちの一つをユーザに選択させることで新規の路側機の設置位置として特定することとしてもよい。
　更には、前述の方法と同様に、各既存の路側機がカバーする走行情報位置の目安の範囲と、新規の路側機がカバーすると想定される走行情報位置の目安の範囲とを比較し、重複する領域の少なさも考慮して新規の路側機の設置位置を特定することとしてもよい。
　このように、新規の路側機の設置位置を特定する方法を説明したが、方法はこれらに限られず、任意の方法を用いてよい。例えば、上述の３つの方法のうち複数の方法を合わせた方法としてもよい。すなわち、例えば、走行情報が取得される位置の密度情報及び路側機が設置可能な施設を設置候補地情報が事前に把握され、地図情報に重畳して示した状態において、かかる密度情報及び設置候補地情報に基づいて複数の新規の路側機の設置候補位置が導出され表示部１３０等を介してユーザに示され、そのうちの一つをユーザが選択することによって、新規の路側機の設置位置を特定することとしてもよい。
　なお、上述の説明においては、既に路側機がある程度設置されている前提であったが、これに限られず、路側機が設置されていない領域において新規に路側機の設定位置を特定することとしてもよい。
　また、１つの新規の路側機位置を特定するのみでなく、複数の新規の路側機の位置を特定することとしてもよい。すなわち、新規の路側機の位置の一つを特定した後、それが既に設置されたものとして次の新規の路側機の位置を特定してもよいし、複数の新規の路側機の位置を上述した要素に基づいて同時に特定することとしてもよい。
　なお、第２実施例と同様に、新規の路側機の設置前と後とで想定される走行情報の取得度合いを比較し、どれだけの走行情報の取得量の増加が想定されるか、更には、設置後の走行情報の取得量を閾値と比較する等行うことで、走行情報の取得状況が十分であるかどうか等について評価することができる。転じて、例えば、新規の路側機の設置によって想定される走行情報の取得量に基づいて、保険商品のビジネス等が成立するかを判定することができる。
＜第４実施例の効果＞
　本実施例は、サーバ１００は、ユーザ入力、既存の路側機の位置情報、複数の移動体から取得される位置情報の密度、路側機を設置可能な施設の位置情報等に基づいて、新規に路側機を設置する位置を特定する。
　これにより、新規に路側機を設置することなく、ＥＴＣ２．０に対応する方式により走行情報を取得する路側機を設置すべき効果的な位置を事前に把握することができる。
＜その他＞
　上記の実施例におけるサーバ１００を、物理的に分離された複数のサーバとして構成し、上記の実施例で説明した処理の一部を第１のサーバが行い、他の処理を第２のサーバが行うようにするなどしてもよい。複数のサーバによって、サーバシステムが構成されると考えてもよい。
　また、移動体は四輪車に限らず、前述したように、二輪車、パーソナルモビリティ、船舶、鉄道、飛行体等としてもよい。この場合は、各種の計測装置を、移動体に搭載または内蔵される第１装置、第２装置として、上記の実施例と同様の処理を行うことができる。
　また、前述したように、例えば、計測対象を「音」とし、第１装置のサンプリング単位を「時間」とし、第２装置のサンプリング単位を「周波数」とするなどして、上記と同様の処理を行ってもよい。
　また、例えば、生体に関する情報（血圧、脈拍、心拍数、呼吸数、体温、脳波等）を計測対象として、上記と同様の処理を行ってもよい。この場合も、例えば、第１装置のサンプリング単位を「時間」とし、第２装置のサンプリング単位を「周波数」とするなどして、上記と同様の処理を行ってもよい。
　この用途の一例として、保険対象のユーザが車両を運転している際に、このユーザの生体に関する情報を第１装置によって計測するようにする。そして、サーバ１００が、この第１装置によって生体に関する情報が計測された第１装置計測データに基づいて、このユーザの生体に関する情報が第２装置で計測される場合の推定第２装置計測データを生成するようにしてもよい。
　また、この場合、このユーザが運転している車両の走行情報をシガーソケット型デバイス等によって計測するようにし、サーバ１００が、前述した推定ＥＴＣ２．０計測データを生成するようにしてもよい。つまり、保険対象のユーザと車両とを紐づけ、サーバ１００が、推定ＥＴＣ２．０計測データの生成と併せて、生体に関する情報の推定データの生成を行うようにしてもよい。そして、ユーザの運転（運転品質）の評価と併せて、ユーザの健康状態の評価を行うようにしてもよい。
　なお、運転時に限らず、運転時以外にも、ユーザの生体に関する情報の推定データを生成するようにしてもよい。
　また、シガーソケット型デバイス計測データと、ＥＴＣ２．０車載器とを搭載した車両から、シガーソケット型デバイス計測データと、ＥＴＣ２．０計測データとを取得する。そして、シガーソケット型デバイス計測データに基づいて生成される推定ＥＴＣ２．０計測データにおいて、実際のＥＴＣ２．０計測データに対してどれだけデータが損失しているか否かの割合を算出するようにしてもよい。
　また、推定ＥＴＣ２．０計測データを第２運転スコアモデルに入力することで算出されるスコアと、実際のＥＴＣ２．０計測データを第２運転スコアモデルに入力することで算出されるスコアとを比較し、その差が閾値以下（または閾値未満）である場合に、推定ＥＴＣ２．０計測データは有効であると判定するようにしてもよい。
　また、上記の実施例では、各種の処理に係る各種のプログラムやデータが、記憶部に記憶されており、処理部がこれらのプログラムを読み出して実行することで、上記の各実施例における処理が実現された。この場合、各装置の記憶部は、ＲＯＭやＥＥＰＲＯＭ、フラッシュメモリ、ハードディスク、ＲＡＭといった内部記憶装置の他に、メモリカード（ＳＤカード）やコンパクトフラッシュ（登録商標）カード、メモリスティック、ＵＳＢメモリ、ＣＤ－ＲＷ（光学ディスク）、ＭＯ（光磁気ディスク）といった記録媒体（記録メディア、外部記憶装置、記憶媒体）を有していてもよく、これらの記録媒体に上記の各種のプログラムやデータを記憶させることとしてもよい。
　　１００　　　　サーバ
　　１１０　　　　処理部
　　１２０　　　　操作部
　　１３０　　　　表示部
　　１４０　　　　音出力部
　　１５０　　　　通信部
　　１６０　　　　時計部
　　１９０　　　　記憶部

Claims (17)

  1. 　情報処理装置であって、
    　移動体に関する情報を計測する第１装置によって計測された第１計測データに基づいて、移動体に関する情報を計測する装置であって前記第１装置とは異なる第２装置によって計測される第２計測データの推定データを生成するデータ生成部と、
    　前記推定データに基づいて、前記第２装置を用いた前記移動体に関する諸量を算出するためのモデルを生成するモデル生成部と、
    　を備え、
    　前記データ生成部は、前記第２計測データの推定データが前記第１計測データに数学的に包含される関係になるように生成する、
    　情報処理装置。
  2. 　請求項１に記載の情報処理装置であって、
    　前記データ生成部は、前記第１計測データを所定の条件に基づいて一部を抽出することで、前記第２計測データの推定データの少なくとも一部を生成し、
    　前記所定の条件は、時間に関する条件、距離に関する条件、及び方位角に関する条件の少なくとも１つである、
    　情報処理装置。
  3. 　請求項１に記載の情報処理装置であって、
    　前記第１計測データに基づいて、前記第１計測データを近似した関数を生成する関数生成部と、
    　を備え、
    　前記データ生成部は、前記生成された関数と所定の条件に基づく引数に基づいて、前記第２計測データの推定データの少なくとも一部を生成する、
    　情報処理装置。
  4. 　請求項３に記載の情報処理装置であって、前記所定の条件は、時間に関する条件、距離に関する条件、及び方位角に関する条件の少なくとも１つである、
    　情報処理装置。
  5. 　請求項１乃至請求項４のいずれかに記載の情報処理装置であって、
    　前記モデル生成部は、少なくとも前記推定データを学習用データとする機械学習によって、前記モデルを生成する、
    　情報処理装置。
  6. 　請求項５に記載の情報処理装置であって、
    　前記モデル生成部は、少なくとも、前記推定データと、前記第２計測データとを学習用データとする機械学習によって、前記モデルを生成する、
    　情報処理装置。
  7. 　請求項１乃至請求項４のいずれかに記載の情報処理装置であって、
    　前記第２計測データと、生成された前記モデルとに基づいて、前記諸量を算出する算出部、
    　を備える情報処理装置。
  8. 　請求項１乃至請求項４のいずれかに記載の情報処理装置であって、
    　前記第１装置と前記第２装置とは走行情報を計測し、
    　前記諸量は、前記走行情報が計測される移動体の運転に関する運転スコアであり、
    　前記モデルは、前記第２計測データに基づいて前記運転スコアを算出するためのモデルである、
    　情報処理装置。
  9. 　請求項８に記載の情報処理装置であって、
    　前記モデル生成部は、前記推定データと、前記第１計測データに基づく情報とを学習用データとする機械学習によって、前記運転スコアを算出するためのモデルを生成する、
    　情報処理装置。
  10. 　請求項１乃至請求項４のいずれかに記載の情報処理装置であって、
    　前記第２計測データは、所定位置に設置された路側機に前記第２装置から送信され、
    　前記第１計測データと、前記路側機の位置情報とに基づいて、前記推定データを生成するか否かを判定する判定部、
    　を備える情報処理装置。
  11. 　請求項１乃至請求項４のいずれかに記載の情報処理装置であって、
    　前記第２計測データは、所定位置に設置された路側機に前記第２装置から送信され、
    　前記第１計測データと、前記路側機の位置情報とに基づいて、生成された前記推定データを使用するか否かを判定する判定部、
    　を備える情報処理装置。
  12. 　請求項１乃至請求項４のいずれかに記載の情報処理装置であって、
    　前記第２計測データは、所定位置に設置された路側機に前記第２装置から送信され、
    　前記第１計測データと、前記路側機の位置情報とに基づいて、前記推定データの生成に用いる前記第１計測データの計測期間を判定する判定部、
    　を備える情報処理装置。
  13. 　情報処理方法であって、
    　移動体に関する情報を計測する第１装置によって計測された第１計測データに基づいて、移動体に関する情報を計測する装置であって前記第１装置とは異なる第２装置によって計測される第２計測データの推定データを生成することと、
    　前記推定データに基づいて、前記第２装置を用いた前記移動体に関する諸量を算出するためのモデルを生成することと、
    　を含み、
    　前記推定データを生成することは、前記第２計測データの推定データを、前記第１計測データに数学的に包含される関係になるように生成することを含む、
    　情報処理方法。
  14. 　コンピュータに、
    　移動体に関する情報を計測する第１装置によって計測された第１計測データに基づいて、移動体に関する情報を計測する装置であって前記第１装置とは異なる第２装置によって計測される第２計測データの推定データを生成することと、
    　前記推定データに基づいて、前記第２装置を用いた前記移動体に関する諸量を算出するためのモデルを生成することと、
    　を実行させるためのプログラムであって、
    　前記推定データを生成することは、前記第２計測データの推定データを、前記第１計測データに数学的に包含される関係になるように生成することを含む、
    　プログラム。
  15. 　第２装置により取得された移動体に関する情報に基づいて、前記第２装置を用い前記移動体に関する諸量を出力するようコンピュータを機能させるための学習済みモデルであって、
    　前記第２装置とは異なる第１装置によって計測された第１計測データに基づいて生成される、前記第２装置によって計測される第２計測データの推定データに基づいて学習され、
    　前記推定データは、前記第２計測データの推定データを、前記第１計測データに数学的に包含される関係になるように生成される、
    　学習済みモデル。
  16. 　情報処理装置であって、
    　ＥＴＣ２．０に対応する方式に基づいて移動体の走行に関する情報を収集する路側機であって、既に設置されている既存路側機の位置情報である既存路側機位置情報を取得する既存路側機位置情報取得部と、
    　前記路側機を新規に設置可能な少なくとも１つの施設の位置情報である第１設置候補施設位置情報を取得する第１設置候補施設位置情報取得部と、
    　ＥＴＣ２．０に対応する方式とは異なる方式に基づいて収集された走行情報であって、少なくとも移動体の位置に関する情報を含む走行情報を取得する走行情報取得部と、
    　ＥＴＣ２．０に対応する方式に基づいて、前記既存路側機位置情報及び前記第１設置候補施設位置情報に対応する路側機によって前記走行情報を収集したと想定した場合の収集度合いに関する第１収集度合い情報を算出する算出部と、
    　を備える、情報処理装置。
  17. 　情報処理装置であって、
    　移動体に備えられた第１の装置から、ＥＴＣ２．０に対応する方式とは異なる方式に基づいて移動体位置情報を取得する移動体位置情報取得部と、
    　前記取得した移動体位置情報に基づいて、前記移動体位置情報の密度情報を取得する密度情報取得部と、
    　前記取得した密度情報に基づいて、ＥＴＣ２．０に対応する方式に基づいて走行情報を取得する新規の路側機を設置するための位置を特定する特定部と、
    　を備える、情報処理装置。
     
     
PCT/JP2023/024922 2022-07-15 2023-07-05 情報処理装置、情報処理方法、プログラム及び学習済みモデル WO2024014375A1 (ja)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2022-114384 2022-07-15
JP2022114384A JP7178147B1 (ja) 2022-07-15 2022-07-15 情報処理装置、情報処理方法、プログラム
JP2022144741A JP7186413B1 (ja) 2022-09-12 2022-09-12 情報処理装置、情報処理方法、プログラム
JP2022-144741 2022-09-12

Publications (1)

Publication Number Publication Date
WO2024014375A1 true WO2024014375A1 (ja) 2024-01-18

Family

ID=89536669

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/024922 WO2024014375A1 (ja) 2022-07-15 2023-07-05 情報処理装置、情報処理方法、プログラム及び学習済みモデル

Country Status (1)

Country Link
WO (1) WO2024014375A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020052564A (ja) * 2018-09-25 2020-04-02 株式会社スマートドライブ 情報処理装置、サーバ、及びプログラム
CN112631151A (zh) * 2021-03-09 2021-04-09 中智行科技有限公司 一种仿真测试方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020052564A (ja) * 2018-09-25 2020-04-02 株式会社スマートドライブ 情報処理装置、サーバ、及びプログラム
CN112631151A (zh) * 2021-03-09 2021-04-09 中智行科技有限公司 一种仿真测试方法及装置

Similar Documents

Publication Publication Date Title
US11735037B2 (en) Method and system for determining traffic-related characteristics
US11107164B1 (en) Recommendations to an operator of vehicle based upon vehicle usage detected by in-car audio signals
US9812007B2 (en) Map generation system, map generation device, map generation method, and program
EP3129970B1 (en) Driving action classifying apparatus and driving action classifying method
US12049218B2 (en) Evaluating the safety performance of vehicles
US11636633B2 (en) Vehicular telematic systems and methods for generating interactive animated guided user interfaces
US20220057218A1 (en) Method and apparatus for automatic generation of context-based guidance information from behavior and context-based machine learning models
US20210232281A1 (en) Vehicular telematic systems and methods for generating interactive animated guided user interfaces
Obuhuma et al. Driver behaviour profiling using dynamic Bayesian network
KR20110025928A (ko) 정보 제공 장치 및 정보 제공 시스템
WO2024014375A1 (ja) 情報処理装置、情報処理方法、プログラム及び学習済みモデル
EP3521757B1 (en) Information processing apparatus and automatic driving track management system
JP7186413B1 (ja) 情報処理装置、情報処理方法、プログラム
JP7178147B1 (ja) 情報処理装置、情報処理方法、プログラム
JP2022003455A (ja) 情報処理装置、情報処理システム、情報処理方法およびプログラム
JP2022003454A (ja) 情報処理装置、情報処理システム、情報処理方法およびプログラム
JP2017168040A (ja) 保険条件決定装置、保険条件決定方法、およびプログラム
JP2021131758A (ja) 運転支援システム、運転支援方法、および運転支援プログラム
WO2015170385A1 (ja) 移動手段判別システム、移動手段判別方法、及び計算機読み取り可能な非一時的な記憶媒体
JP2019153083A (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP2019153082A (ja) 測定依頼装置、情報処理装置、測定依頼方法、測定依頼プログラム、情報処理方法及び情報処理プログラム
Thareja et al. IoT Based Pothole Detection System
Levison et al. Measuring the operational effects of highway geometrics: beyond spot speed
JP2019003395A (ja) 危険度算出装置、危険度算出方法、および危険度算出プログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23839547

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2401006327

Country of ref document: TH