特開 2022-154247 摩耗量推定システム、演算モデル生成システムおよび摩耗量推定方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2022154247

(43)【公開日】2022-10-13

(54)【発明の名称】摩耗量推定システム、演算モデル生成システムおよび摩耗量推定方法

(51)【国際特許分類】

   G06Q 50/30 20120101AFI20221005BHJP

【ＦＩ】

G06Q50/30

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2021057175

(22)【出願日】2021-03-30

(71)【出願人】

【識別番号】000003148

【氏名又は名称】ＴＯＹＯ ＴＩＲＥ株式会社

(74)【代理人】

【識別番号】100105924

【弁理士】

【氏名又は名称】森下 賢樹

(72)【発明者】

【氏名】石坂 信吉

(72)【発明者】

【氏名】吉成 昭夫

【テーマコード（参考）】

5L049

【Ｆターム（参考）】

5L049CC42

(57)【要約】

【課題】タイヤの摩耗量の推定精度を向上することができる摩耗量推定システム、演算モデル生成システムおよび摩耗量推定方法を提供する。
【解決手段】摩耗量推定システム１００の車両情報取得部１２は、車両６の車内に輸送のために積載された積載物である乗客を検出した映像データを取得する。画像認識部１３は、車両情報取得部１２によって取得された映像データから乗客の位置を認識する。分布算出部１４は、画像認識部１３によって認識された乗客の位置に基づいて、停車地としての停留所で区切られる各区間の乗客による重みの分布状況を算出する。摩耗量算出部１６は、入力された情報に基づいてタイヤ７の摩耗量を算出する演算モデル１６ａを有し、分布算出部１４によって算出した分布状況を演算モデル１６ａに入力してタイヤ７の摩耗量を算出する。
【選択図】図１

【特許請求の範囲】

【請求項1】

車両の車内に輸送のために積載された積載物を検出したデータを取得する車両情報取得部と、
前記車両情報取得部によって取得されたデータから積載物の位置を認識する認識部と、
前記認識部によって認識された積載物の位置に基づいて、停車地で区切られる各区間の積載物による重みの分布状況を算出する分布算出部と、
入力された情報に基づいてタイヤの摩耗量を算出する演算モデルを有し、前記分布算出部によって算出した前記分布状況を前記演算モデルに入力して前記タイヤの摩耗量を算出する摩耗量算出部と、
を備えることを特徴とする摩耗量推定システム。

【請求項2】

前記区間の距離をタイヤ摩耗に対する過酷度情報として生成するタイヤ過酷度生成部を更に備え、
前記摩耗量算出部は、前記タイヤ過酷度生成部によって生成した過酷度情報を前記演算モデルに入力して前記タイヤの摩耗量を算出することを特徴とする請求項１に記載の摩耗量推定システム。

【請求項3】

前記タイヤ過酷度生成部は、前記区間における前記車両の旋回に関する情報を前記過酷度情報として生成することを特徴とする請求項２に記載の摩耗量推定システム。

【請求項4】

前記タイヤ過酷度生成部は、停車地における停車時および発車時の加速度を前記過酷度情報として生成することを特徴とする請求項２に記載の摩耗量推定システム。

【請求項5】

前記タイヤ過酷度生成部は、前記区間における高低差に関する情報を前記過酷度情報として生成することを特徴とする請求項２に記載の摩耗量推定システム。

【請求項6】

車両の車内に輸送のために積載された積載物を検出したデータを取得する車両情報取得部と、
前記車両情報取得部によって取得されたデータから積載物の位置を認識する認識部と、
前記認識部によって認識された積載物の位置に基づいて、停車地で区切られる各区間の積載物による重みの分布状況を算出する分布算出部と、
入力された情報に基づいてタイヤの摩耗量を算出する演算モデルを有し、前記分布算出部によって算出した前記分布状況を前記演算モデルに入力して前記タイヤの摩耗量を算出する摩耗量算出部と、
前記タイヤで計測される摩耗量と前記摩耗量算出部により算出された摩耗量とを比較して前記演算モデルを学習させる学習処理部と、
を備えることを特徴とする演算モデル生成システム。

【請求項7】

車両の車内に輸送のために積載された積載物を検出したデータを取得する車両情報取得ステップと、
前記車両情報取得ステップによって取得されたデータから積載物の位置を認識する認識ステップと、
前記認識ステップによって認識された積載物の位置に基づいて、停車地で区切られる各区間の積載物による重みの分布状況を算出する分布算出ステップと、
入力された情報に基づいてタイヤの摩耗量を算出する演算モデルを有し、前記分布算出ステップによって算出した前記分布状況を前記演算モデルに入力して前記タイヤの摩耗量を算出する摩耗量算出ステップと、
を備えることを特徴とする摩耗量推定方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、車両に装着されるタイヤの摩耗量を推定する摩耗量推定システム、演算モデル生成システムおよび摩耗量推定方法に関する。

【背景技術】

【0002】

一般に、タイヤは走行状態や走行距離等に応じて摩耗が進行する。また昨今ではタイヤの圧力および温度を計測するセンサをタイヤに取り付け、計測した圧力および温度を表示する装置などが製品化されている。

【0003】

特許文献１にはタイヤ摩耗を推定する従来のタイヤメンテナンス支援システムが記載されている。このタイヤメンテナンス支援システムは、装着ポジションのそれぞれにおけるトレッド及びサイド部の摩耗進行度を取得する摩耗進行度取得部と、取得した摩耗進行度に基づいて、車両のメンテナンス時期までの装着ポジションのそれぞれにおけるトレッド及びサイド部の摩耗量である予測摩耗量を演算する摩耗量演算部と、演算した予測摩耗量に基づいて、タイヤを所定ポジションから他の装着ポジションに入れ替える複数のローテーションプランの中から、少なくとも何れかのローテーションプランを選択するローテーションプラン選択部とを備える。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１８－１５６１２５号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

特許文献１に記載のタイヤメンテナンス支援システムでは、装着ポジションのそれぞれにおけるトレッド及びサイド部の摩耗進行度に基づいて、タイヤの予測摩耗量が演算されている。本発明者は、例えば路線バスのように乗客等の積載物を輸送する車両では、積載物の位置によって各タイヤの摩耗量が変動することから、タイヤの摩耗量推定に改善の余地があることに気づいた。また、発停車する停留所等の停車地で区切られる各区間の距離、停車地における車両の加減速などの要因によってもタイヤの摩耗量が変動するため、これらの要因を加味することでタイヤの摩耗量推定が改善し得ることに本発明者は気づいた。

【0006】

本発明は、斯かる事情に鑑みてなされたものであり、その目的とするところは、タイヤの摩耗量の推定精度を向上することができる摩耗量推定システム、演算モデル生成システムおよび摩耗量推定方法を提供することにある。

【課題を解決するための手段】

【0007】

本発明のある態様の摩耗量推定システムは、車両の車内に輸送のために積載された積載物を検出したデータを取得する車両情報取得部と、前記車両情報取得部によって取得されたデータから積載物の位置を認識する認識部と、前記認識部によって認識された積載物の位置に基づいて、停車地で区切られる各区間の積載物による重みの分布状況を算出する分布算出部と、入力された情報に基づいてタイヤの摩耗量を算出する演算モデルを有し、前記分布算出部によって算出した前記分布状況を前記演算モデルに入力して前記タイヤの摩耗量を算出する摩耗量算出部と、を備える。

【0008】

本発明の別の態様は演算モデル生成システムである。演算モデル生成システムは、車両の車内に輸送のために積載された積載物を検出したデータを取得する車両情報取得部と、前記車両情報取得部によって取得されたデータから積載物の位置を認識する認識部と、前記認識部によって認識された積載物の位置に基づいて、停車地で区切られる各区間の積載物による重みの分布状況を算出する分布算出部と、入力された情報に基づいてタイヤの摩耗量を算出する演算モデルを有し、前記分布算出部によって算出した前記分布状況を前記演算モデルに入力して前記タイヤの摩耗量を算出する摩耗量算出部と、前記タイヤで計測される摩耗量と前記摩耗量算出部により算出された摩耗量とを比較して前記演算モデルを学習させる学習処理部と、を備える。

【0009】

本発明の別の態様は摩耗量推定方法である。摩耗量推定方法は、車両の車内に輸送のために積載された積載物を検出したデータを取得する車両情報取得ステップと、前記車両情報取得ステップによって取得されたデータから積載物の位置を認識する認識ステップと、前記認識ステップによって認識された積載物の位置に基づいて、停車地で区切られる各区間の積載物による重みの分布状況を算出する分布算出ステップと、入力された情報に基づいてタイヤの摩耗量を算出する演算モデルを有し、前記分布算出ステップによって算出した前記分布状況を前記演算モデルに入力して前記タイヤの摩耗量を算出する摩耗量算出ステップと、を備える。

【発明の効果】

【0010】

本発明によれば、タイヤの摩耗量の推定精度を向上することができる。

【図面の簡単な説明】

【0011】

【図1】実施形態に係る摩耗量推定システムの機能構成を示すブロック図である。

【図2】車載計測装置の機能構成を示すブロック図である。

【図3】車両の車内を上方から見た平面図である。

【図4】タイヤ過酷度生成部によって生成するタイヤ過酷度情報の例を示す図表である。

【図5】車両が走行する路線の一例を示す模式図である。

【図6】演算モデルの摩耗量推定および学習について説明するための模式図である。

【図7】演算モデル生成システムの機能構成を示すブロック図である。

【図8】演算モデル生成システムによる演算モデル生成の手順を示すフローチャートである。

【発明を実施するための形態】

【0012】

以下、本発明を好適な実施の形態をもとに図１から図８を参照しながら説明する。各図面に示される同一または同等の構成要素、部材には、同一の符号を付するものとし、適宜重複した説明は省略する。また、各図面における部材の寸法は、理解を容易にするために適宜拡大、縮小して示される。また、各図面において実施の形態を説明する上で重要ではない部材の一部は省略して表示する。

【0013】

（実施形態）
図１は、実施形態に係る摩耗量推定システム１００の機能構成を示すブロック図である。摩耗量推定システム１００は、車両６に搭載された車載計測装置７０と、気象情報サーバ装置８０と、車両６に装着された各タイヤ７の摩耗量を推定する摩耗量推定装置１０とを備える。

【0014】

摩耗量推定システム１００は、定められた路線を走行して乗客等の積載物を輸送する車両６に装着された各タイヤ７の摩耗量を推定する。車両６は、例えば路線バスであり、停車地として始発停留所および終着停留所を含み、始発停留所から終着停留所までの間に設けられた停車地としての停留所を経由し、各停留所で乗客を乗降させて輸送する。始発停留所と終着停留所とが同じであっても異なっていてもよい。また車両６は、予め経路が設定された輸送トラックであり、出発地点、到着地点および途中の経由地点を含む停車地で荷物等の積載物を積載し、荷下ろしして輸送する。以下、車両６として路線バスの場合を例にして説明するが、車両６が輸送トラックの場合も同等であり、路線バスの停留所を輸送トラックの停車地点に置き換え、車両６に積載する乗客を輸送トラックに載せる荷物に置き換えられる。本発明における車両６の停車地は、輸送トラックの場合、出発地点、到着地点、並びに荷積みおよび荷下ろしする停車地点であり、路線バスの場合は各停留所である。

【0015】

また路線は、各停留所で区切られた区間を繋ぎ合わせて構成されている。摩耗量推定システム１００は、後述するように各区間における既知の走行距離、旋回回数、旋回方向および高低差などの情報、並びに走行中に計測される車両６の加速度や乗客の重みの分布状況などの情報を用いて、各タイヤ７の摩耗量を推定する。尚、路線は、予め定められているものに限られず、出発地から目的地までの経路を含む運行予定が立案されたときに当該経路の走行距離や旋回回数などの情報を、外部のコンピュータ支援による地図ルーティングサービスから取得してもよい。

【0016】

摩耗量推定装置１０は、例えばインターネット等の通信ネットワーク９を介して車両６に搭載された車載計測装置７０から車両６の速度、加速度および位置情報等の車両計測情報、並びにタイヤ７で計測されるタイヤ計測情報を取得する。また摩耗量推定装置１０は、気象情報サーバ装置８０から気象情報を取得する。摩耗量推定装置１０は、取得した情報に基づいて学習型の演算モデルによる演算を行って各タイヤ７の摩耗量を推定する。

【0017】

図２は、車載計測装置７０の機能構成を示すブロック図である。車載計測装置７０は、車両計測部７１、タイヤ計測部７２、車内撮像部７３、情報取得部７４および通信部７５を備える。車載計測装置７０における各部は、ハードウェア的には、コンピュータのＣＰＵをはじめとする電子素子や機械部品などで実現でき、ソフトウェア的にはコンピュータプログラムなどによって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウェア、ソフトウェアの組合せによっていろいろな形態で実現できることは、当業者には理解されるところである。

【0018】

車両計測部７１は、車両６に搭載された速度メータ７１ａおよび加速度センサ７１ｂを有する。速度メータ７１ａは、車両の速度を計測する。加速度センサ７１ｂは、車両６の３軸方向の加速度を計測する。車両計測部７１は、車両６の位置情報を計測する装置を有していてもよい。

【0019】

タイヤ計測部７２は、温度センサ７２ａおよび圧力センサ７２ｂを有する。温度センサ７２ａおよび圧力センサ７２ｂは、車両６に装着されたタイヤ７のエアバルブ等に配設されていたり、あるいはベルト等でホイールに強固に巻き付け固定されており、タイヤ７の温度および空気圧を計測する。温度センサ７２ａは、タイヤ７のインナーライナー等に配設されていてもよい。また、更に詳細なタイヤ情報を得ることができるようにタイヤ計測部７２の構成に、加速度センサが含まれていてもよい。

【0020】

車内撮像部７３は、例えばＣＣＤ等の検出器を有するカメラ装置であり、車内を撮影し、車内の映像データを生成する。車内撮像部７３は、車内を撮影した映像データに撮影された時刻情報および停留所での着発停時刻などの情報を付加するようにしてもよい。

【0021】

情報取得部７４は、車両計測部７１で計測された車両計測情報（速度および加速度等）、タイヤ計測部７２で計測されたタイヤ計測情報（タイヤの温度および空気圧等）、および車内撮像部７３で撮影された映像データを取得する。情報取得部７４は、車両計測情報およびタイヤ計測情報に含まれる各計測データに対して、計測された時刻情報、または取得した時刻情報を対応付ける。

【0022】

情報取得部７４は、車両計測情報およびタイヤ計測情報を各計測データに対応付けられた時刻情報とともに通信部７５から摩耗量推定装置１０へ送信する。また情報取得部７４は、車内撮像部７３によって撮影された映像データを通信部７５から摩耗量推定装置１０へ送信する。

【0023】

情報取得部７４は、車両６にデジタルタコメータ等の装置が搭載されている場合には、当該装置において収集した車両６の速度および加速度等の情報を取得するようにしてもよい。通信部７５は、例えばＷｉＦｉ（登録商標）等の無線通信によって通信ネットワーク９に通信接続し、情報取得部７４が取得した映像データ、車両計測情報およびタイヤ計測情報（時刻情報を含む）を通信ネットワーク９を介して摩耗量推定装置１０へ送信する。

【0024】

図１に戻り、気象情報サーバ装置８０は各地における気象情報を提供する。気象情報サーバ装置８０が提供する気象情報は、各地における降水量、積雪量、降雪量、気温および日照時間等を含む情報である。摩耗量推定装置１０は、気象情報サーバ装置８０から車両６が走行している場所における気象情報を取得する。

【0025】

摩耗量推定装置１０は、通信部１１、車両情報取得部１２、画像認識部１３、分布算出部１４、タイヤ過酷度生成部１５、摩耗量算出部１６および記憶部１７を備える。摩耗量推定装置１０における各部は、ハードウェア的には、コンピュータのＣＰＵをはじめとする電子素子や機械部品などで実現でき、ソフトウェア的にはコンピュータプログラムなどによって実現されるが、ここでは、それらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックはハードウェア、ソフトウェアの組合せによっていろいろな形態で実現できることは、当業者には理解されるところである。

【0026】

通信部１１は、無線または有線通信によって通信ネットワーク９に通信接続し、車載計測装置７０の通信部７５との間で通信する。また通信部１１は、通信ネットワーク９を介して気象情報サーバ装置８０との間で通信する。

【0027】

車両情報取得部１２は、車両６に搭載された車載計測装置７０から送信された車両計測情報、タイヤ計測情報および車内を撮影した映像データを取得する。車両情報取得部１２は、取得した映像データを画像認識部１３へ出力する。車両情報取得部１２は、取得したタイヤ計測情報（タイヤの温度および空気圧等）を摩耗量算出部１６へ出力する。車両情報取得部１２は、車両計測情報（速度および加速度）の情報をタイヤ過酷度生成部１５へ出力する。

【0028】

車両情報取得部１２は、車両仕様データ１７ａ、タイヤ仕様データ１７ｂおよびタイヤ位置データ１７ｃのうちタイヤ７の摩耗量の推定に用いるデータを記憶部１７から取得し、摩耗量算出部１６へ出力する。また車両情報取得部１２は、路線データ１７ｄを記憶部１７から取得し、タイヤ過酷度生成部１５へ出力する。尚、路線データ１７ｄは出発地、経由地および到着地を含む各停車地に基づいて、外部のコンピュータ支援による地図ルーティングサービスから取得してもよい。

【0029】

記憶部１７は、例えばＳＳＤ（Solid State Drive）、ハードディスク、ＣＤ－ＲＯＭ、ＤＶＤ等によって構成される記憶装置であり、予め各種の車両およびタイヤ７の仕様に関して提供されているデータ、並びに車両６が走行する路線に関する路線データを記憶している。

【0030】

車両仕様データ１７ａには、例えばメーカー、車両名、車両型式、車体重量、ドライブトレーン、全長、車幅、車高、最大積載荷重などの車両の性能等に関する情報が含まれる。タイヤ仕様データ１７ｂには、例えばメーカー、商品名、タイヤサイズ、タイヤ幅、扁平率、耐摩耗性能、タイヤ強度、静的剛性、動的剛性、タイヤ外径、ロードインデックス、製造年月日など、タイヤ７の性能に関する情報が含まれる。また、タイヤ位置データ１７ｃには、摩耗予測するタイヤの車両における位置や取り付けられている車軸に関する情報が含まれる。路線データ１７ｄは、停留所間の各区間の距離、旋回に関する情報、高度変化量、高度変化回数および高度変化量等のデータを含む。

【0031】

画像認識部１３は、車内を撮影した映像データから乗客、および車内における乗客の位置を画像認識する。画像認識部１３は、乗客が複数存在する場合には乗客毎にその位置を認識する。画像認識部１３は、画像認識された各乗客の位置を分布算出部１４へ出力する。尚、画像認識部１３は、画像認識の技術分野において、撮影した映像データから人を認識する種々の公知の画像認識方法を用いることができ、例えば学習モデルを用いて画像認識方法などを用いることができる。尚、画像認識部１３は、本発明における認識部に相当する。また、画像認識部１３が用いる映像データは、認識部が積載物の位置を認識するために用いるデータに相当する。また、乗客の位置を検出する構成は、画像認識部１３による構成に限られず、超音波または電波（ミリ波）を用いて、例えばエコーロケーション技術等によって物体検出を行うセンサ装置を含む構成となっていてもよい。

【0032】

分布算出部１４は、画像認識部１３によって認識された車内の各乗客の位置に基づいて、乗客による重みの分布状況を算出し、摩耗量算出部１６へ出力する。図３は、車両６の車内を上方から見た平面図である。車両６の最前部右側には運転席６１が設けられ、運転席６１の後方から車両６の最後部まで座席６２が設けられている。タイヤ７は、車両６の前部および後部の左右に装着されている。

【0033】

図３に示す例では、右前輪を含む領域Ａ１、左前輪を含む領域Ａ２、右後輪を含む領域Ａ３および左後輪を含む領域Ａ４の４つの領域に車内を分割している。分布算出部１４は、各乗客の位置に基づいて各乗客が領域Ａ１～Ａ４のいずれに該当するかを判定し、各領域に存在する乗客の数を算出する。尚、運転手の１名は、領域Ａ１の乗客に含ませて乗客の数を算出する。

【0034】

分布算出部１４は、乗客の重みが同一であると仮定して乗客による重みの分布状況を算出する。分布算出部１４は、例えば領域Ａ１に４人、領域Ａ２に３人、領域Ａ３に３人、領域Ａ４に２人が存在すると判定した場合に、乗客による重みの分布状況を、領域Ａ１で３、領域Ａ２で３、領域Ａ３で３、領域Ａ４で２と算出する。画像認識部１３において大人と子供の画像認識が可能である場合には、分布算出部１４は、大人の重み１に対して子供の重みを０．５などとしても良い。また分布算出部１４は、乗客の重みを例えば６０ｋｇであるとし、領域Ａ１に４人の乗客が存在する場合に、領域Ａ１における分布状況が２４０ｋｇであると算出してもよい。更に、車両乗車口に乗客の重量を計測できる装置などを搭載して、実際の乗客の重みを計測し、更に詳細な重量分布状況を算出してもよい。

【0035】

タイヤ過酷度生成部１５は、車両６が走行する路線における各区間の距離などの情報に基づいてタイヤ摩耗に対する過酷度情報（以下、タイヤ過酷度情報と表記する。）を生成し、摩耗量算出部１６へ出力する。

【0036】

図４は、タイヤ過酷度生成部１５によって生成するタイヤ過酷度情報の例を示す図表である。タイヤ過酷度情報は、走行関連、旋回関連、発停車関連、高低差関連の４つに分類される。タイヤ過酷度生成部１５は、走行関連では、停留所によって区切られる各区間の距離および車両の速度をタイヤ過酷度情報として生成する。各区間の距離が長く、各区間における車両の速度が高いほど、タイヤ７の摩耗量が増加する。尚、図４の備考欄には、タイヤ過酷度情報として用いられるデータの取得元を示している。各区間の距離は路線に依存して既知であり、路線データ１７ｄから取得される。また、車両の速度は、速度メータ７１ａによって計測され、車載計測装置７０から取得される。

【0037】

図５は、車両６が走行する路線の一例を示す模式図である。図５に示す路線の例では、車両６は、停留所ＳＴ１を始発および終着停留所とし、停留所ＳＴ２および停留所ＳＴ３を経由して循環する。例えば停留所ＳＴ１および停留所ＳＴ２の間には旋回箇所Ｐ１～Ｐ３が存在する。車両６が走行する旋回箇所Ｐ１～Ｐ９は、路線に応じて既知であり、路線データ１７ｄに含まれている。

【0038】

タイヤ過酷度生成部１５は、旋回関連では、停留所によって区切られる各区間における旋回箇所での旋回半径、旋回方向、旋回速度および横方向加速度をタイヤ過酷度情報として生成する。旋回箇所における旋回半径が小さく、旋回速度および横方向加速度が大きいほど、タイヤ７の摩耗量が増加する。また、旋回方向に依存して車両６の右側または左側のタイヤ７の摩耗量が増加する。各旋回箇所における旋回速度および横方向加速度は、速度メータ７１ａおよび加速度センサ７１ｂによって計測され、車載計測装置７０から取得される。

【0039】

タイヤ過酷度生成部１５は、発停車関連では、各停留所における停車時の速度および加速度、並びに発車時の速度および加速度をタイヤ過酷度情報として生成する。停車時および発車時における速度および横方向加速度が大きいほど、タイヤ７の摩耗量が増加する。各停留所における車両の停車時の速度および加速度、並びに発車時の速度および加速度は、速度メータ７１ａおよび加速度センサ７１ｂによって計測され、車載計測装置７０から取得される。

【0040】

タイヤ過酷度生成部１５は、高低差関連では、各区間における高度変化量、高度変化回数および高度変化方向をタイヤ過酷度情報として生成する。高度変化量は、例えば各区間における道路の上りによる高度差、および下りによる高度差の絶対値を積算した総変化量とする。高度変化回数は、例えば各区間における道路の上りの回数、および下りの回数を積算した総変化回数とする。高度変化方向は、例えば各区間で総合して上りとなっているか下りとなっているかを表す。

【0041】

各区間における高度変化量および高度変化回数が大きいほど、タイヤ７の摩耗量が増加する。また高度変化方向に応じて、前輪側または後輪側のタイヤ７の摩耗量が増加する。各区間における高度変化量、高度変化回数および高度変化方向は、既知であり、路線データ１７ｄに含まれている。

【0042】

摩耗量算出部１６は、演算モデル１６ａを有し、タイヤ７の摩耗量を推定する。演算モデル１６ａは、入力された情報に基づいてタイヤ７の摩耗量を算出する学習型モデルである。図６は、演算モデル１６ａの摩耗量推定および学習について説明するための模式図である。演算モデル１６ａへの入力データは、概ね車両計測情報、タイヤ計測情報、乗客の重みの分布状況、タイヤ過酷度情報およびその他情報の各系統に分類される。

【0043】

車両計測情報関連の入力データは、車両６の速度および加速度を含む。タイヤ過酷度生成部１５では、発停車時の速度および加速度をタイヤ過酷度情報として用いているが、区間内における走行中の速度および加速度を演算モデル１６ａへの入力データとしてもよい。タイヤ計測情報関連の入力データは、タイヤ７の温度および空気圧を含む。

【0044】

タイヤ過酷度情報関連の入力データは、タイヤ過酷度生成部１５において算出されたタイヤ過酷度情報である。タイヤ過酷度情報は、上述のように走行、旋回、発停車および高低差の各関連のデータである。

【0045】

その他情報による入力データは、気象情報に基づいて推定される路面状態、気温および降水量等、車両仕様データ１７ａに含まれる車両の最大積載荷重、並びにタイヤ仕様データ１７ｂに含まれるタイヤ７の耐摩耗性能等である。タイヤ７の耐摩耗性能は、例えばランボーン摩耗試験に基づき標準配合を１００として各種トレッド配合の耐摩耗性能を指標化したタイヤ摩耗指標値等を用いる。また、その他情報による入力データは、タイヤ位置データ１７ｃに含まれるタイヤ７の位置や車軸に関する情報である。

【0046】

演算モデル１６ａは、例えばニューラルネットワーク等の学習型モデルを用いる。演算モデル１６ａは、例えばＤＮＮ（Deep Neural Network）や、決定木などの手法を用いて構築される。また演算モデル１６ａは、例えば入力情報に対する多重線形回帰モデルとし、学習によってモデル生成されるものであってもよい。

【0047】

図７は、演算モデル生成システム１１０の機能構成を示すブロック図である。演算モデル生成システム１１０は、摩耗量推定システム１００の構成に加えて、タイヤ摩耗量計測装置６０、および学習処理部２１を有する演算モデル生成装置２０を備える。

【0048】

タイヤ摩耗量計測装置６０は、タイヤ７のトレッドに設けられた溝の深さを直接計測し、タイヤ７の摩耗量を取得する。作業者が計測器具やカメラ、目視等によって各溝の深さを計測し、タイヤ摩耗量計測装置６０は、作業者が入力する計測データを記憶するものであってもよい。また、タイヤ摩耗量計測装置６０は、機械的あるいは光学的な方法によって溝の深さを計測して摩耗量を記憶する専用の装置であってもよい。

【0049】

具体的には、タイヤ摩耗量計測装置６０は、例えば、タイヤの溝が４本あった場合に、幅方向の４か所で計測し、さらに同一溝の周方向、例えば１２０°間隔で、３か所計測する。これにより、タイヤの幅方向または周方向での偏摩耗データもタイヤ摩耗量計測装置６０に記憶される。なお、タイヤ摩耗量計測装置６０は、タイヤの摩耗で直径が変わるため、走行距離とタイヤの回転数・速度の情報から計算によって溝の深さを間接的に計測してもよい。加えて、溝の深さを直接計測するものに、走行距離とタイヤの回転数・速度から計算によって予測するもの、とを併用してもよい。

【0050】

演算モデル生成装置２０は、摩耗量推定装置１０の各構成に加えて学習処理部２１を有する。演算モデル生成装置２０における摩耗量推定装置１０の各構成に相当する部分は、摩耗量推定装置１０のそれらと同等の機能を有するが、演算モデル１６ａは学習前または学習中のものとなる。

【0051】

学習処理部２１は、通信部１１を介してタイヤ摩耗量計測装置６０からタイヤ７の摩耗量を取得する。図６を参照し、演算モデル１６ａの学習過程では、入力情報に基づいて演算モデル１６ａによって出力データとしてのタイヤ７の摩耗量を推定し、教師データと比較する。教師データは、タイヤ摩耗量計測装置６０によって計測されたタイヤ７の摩耗量を用いる。

【0052】

学習処理部２１は、演算モデル１６ａによって推定したタイヤ７の摩耗量と教師データとを比較し、重みづけ等の演算過程における各種係数を演算モデル１６ａに新たに設定し、モデルの更新を繰り返すことで学習を実行する。摩耗量推定システム１００は、演算モデル生成システム１１０によって学習済みの演算モデル１６ａを用いてタイヤ７の摩耗量を推定する。尚、学習処理部２１は、勾配ブースティングなどの公知の学習方法を用いることができる。また演算モデル１６ａの検証には、ランダムデータサンプリングや交差検証などの公知の検証方法を用いることができる。

【0053】

次に摩耗量推定システム１００および演算モデル生成システム１１０の動作を説明する。図８は、演算モデル生成システム１１０による演算モデル生成の手順を示すフローチャートである。演算モデル生成装置２０の車両情報取得部１２は、車両計測情報、タイヤ計測情報および映像データの取得を開始する（Ｓ１）。また車両情報取得部１２は、ステップＳ１において、その他情報として車両仕様、タイヤ仕様、タイヤ位置、車両の最大積載荷重、タイヤの耐摩耗性能および路線データなど必要な情報を記憶部１７から読み出す。画像認識部１３は、映像データに基づき乗客および乗客の位置を画像認識する（Ｓ２）。分布算出部１４は、画像認識された各乗客の位置に基づいて、乗客による重みの分布状況を算出する（Ｓ３）。

【0054】

タイヤ過酷度生成部１５は、走行、旋回、発停車および高低差の各関連データに基づいてタイヤ過酷度情報を生成する（Ｓ３）。上述のように、タイヤ過酷度情報の生成には、車載計測装置７０で計測された車両６の速度および加速度の情報、並びに路線データ１７ｄに含まれるデータが用いられる。

【0055】

摩耗量算出部１６は、車両情報取得部１２およびタイヤ過酷度生成部１５からの入力データを取得し、演算モデル１６ａによってタイヤ７の摩耗量を算出して推定する（Ｓ５）。尚、路面状態等を演算モデル１６ａの入力データとする場合には、路面状態を推定する処理部（図示略）を設け、当該処理部から摩耗量算出部１６へ推定した路面状態を入力する。

【0056】

学習処理部２１は、演算モデル１６ａによって算出されたタイヤ７の摩耗量と、タイヤ摩耗量計測装置６０によって計測された教師データとしてのタイヤ７の摩耗量とを比較する（Ｓ６）。学習処理部２１は、ステップＳ６による比較結果に基づいて演算モデル１６ａを更新し（Ｓ７）、処理を終了する。演算モデル生成装置２０は、これらの処理を繰り返すことによって、演算モデル１６ａを更新し、タイヤ摩耗量の推定の精度が高められる。

【0057】

摩耗量推定システム１００は、演算モデル生成装置２０によって生成された学習済みの演算モデル１６ａを利用して、タイヤ７の摩耗量を推定する。摩耗量推定システム１００は、図８に示したフローチャートにおけるステップＳ１からステップＳ５までの処理を実行することによって、タイヤ７の摩耗量を推定する。

【0058】

摩耗量推定システム１００は、車内を撮影した映像データに基づいて乗客による重みの分布状況を算出し、演算モデル１６ａの入力データとして用いることにより、タイヤ７の摩耗量推定の精度を向上することができる。同様に、演算モデル生成システム１１０は、車内を撮影した映像データに基づいて乗客による重みの分布状況を算出し、演算モデル１６ａの入力データとして用いることで、タイヤ７の摩耗量を精度良く推定する演算モデル１６ａを生成することができる。

【0059】

また、摩耗量推定システム１００は、タイヤ７の偏摩耗量を出力する演算モデル１６ａを構築し、偏摩耗量の推定をすることも可能である。この場合、摩耗量推定システム１００は、乗客による重みの分布状況等によって生じるタイヤ７の偏摩耗を推定する。また、演算モデル生成システム１１０は、タイヤの各溝で計測された摩耗量を偏摩耗の教師データとして演算モデル１６ａを学習させることによって、偏摩耗量を推定する演算モデル１６ａを生成することができる。

【0060】

タイヤ過酷度生成部１５は、停留所で区切られる各区間の距離をタイヤ摩耗に対する過酷度情報として生成している。摩耗量推定システム１００は、各区間の距離、および乗客による重みの分布状況を演算モデル１６ａの入力データとすることによって、タイヤ７の摩耗量推定の精度をより向上することができる。

【0061】

摩耗量推定システム１００は、上述のように走行、旋回、発停車および高低差の各関連においてタイヤ７の摩耗量に寄与する各データを用いることによって、タイヤ７の摩耗量推定の精度をより向上することができる。摩耗量推定システム１００は、走行関連では、各区間における距離および車両の速度を、旋回関連では、旋回半径、旋回方向、旋回速度、および横方向加速度などをタイヤ過酷度情報として用いることによって、タイヤ７の摩耗量推定の精度をより向上することができる。

【0062】

摩耗量推定システム１００は、発停車関連では、停車時の速度および加速度、並びに発車時の速度および加速度をタイヤ過酷度情報として用いることによって、タイヤ７の摩耗量推定の精度をより向上することができる。摩耗量推定システム１００は、高低差関連では、各区間の高度変化量、高度変化回数および高度変化方向などをタイヤ過酷度情報として用いることによって、タイヤ７の摩耗量推定の精度をより向上することができる。

【0063】

演算モデル生成システム１１０は、走行、旋回、発停車および高低差の各関連においてタイヤ摩耗量に寄与する各データを演算モデル１６ａの入力データとして用いることで、タイヤ摩耗量を精度良く推定する演算モデル１６ａを生成することができる。

【0064】

摩耗量推定システム１００は、ＧＰＳ（Global Positioning Satellite）による位置情報を取得するＧＰＳセンサを搭載している場合には、ＧＰＳセンサによって取得される位置情報を利用する構成としてもよい。即ち、摩耗量推定システム１００は、ＧＰＳセンサによって取得される位置情報に基づき、車両計測情関連等の入力データに代えて、旋回半径、旋回方向、旋回速度、発車、停車時の速度、高度変化量、高度変化回数、高度変化方向などの情報を算出して、演算モデル１６ａへの入力データとしてもよい。同様に、演算モデル生成システム１１０は、ＧＰＳセンサによって取得される位置情報に基づき、車両計測情関連等の入力データに代えて、旋回半径、旋回方向、旋回速度、発車、停車時の速度、高度変化量、高度変化回数、高度変化方向などの情報を算出して、演算モデル１６ａへの入力データとしてもよい。

【0065】

次に各実施形態に係る摩耗量推定システム１００、および演算モデル生成システム１１０の特徴について説明する。
摩耗量推定システム１００は、車両情報取得部１２、認識部としての画像認識部１３、分布算出部１４および摩耗量算出部１６を備える。車両情報取得部１２は、車両６の車内に輸送のために積載された積載物である乗客を検出した映像データを取得する。分布算出部１４は、画像認識部１３によって認識された乗客の位置に基づいて、停車地としての停留所で区切られる各区間の乗客による重みの分布状況を算出する。摩耗量算出部１６は、入力された情報に基づいてタイヤ７の摩耗量を算出する演算モデル１６ａを有し、分布算出部１４によって算出した分布状況を演算モデル１６ａに入力してタイヤ７の摩耗量を算出する。これにより、摩耗量推定システム１００は、車内の乗客による重みの分布状況を演算モデル１６ａの入力データとして用いて、タイヤ７の摩耗量推定の精度を向上することができる。

【0066】

摩耗量推定システム１００は、停留所で区切られる区間の距離をタイヤ摩耗に対する過酷度情報として生成するタイヤ過酷度生成部１５を更に備える。摩耗量算出部１６は、タイヤ過酷度生成部１５によって生成した過酷度情報を演算モデル１６ａに入力してタイヤ７の摩耗量を算出する。これにより、摩耗量推定システム１００は、各区間の距離、および乗客による重みの分布状況を演算モデル１６ａの入力データとして用いて、タイヤ７の摩耗量推定の精度をより向上することができる。

【0067】

またタイヤ過酷度生成部１５は、停留所で区切られる区間における車両６の旋回に関する情報を過酷度情報として生成する。これにより、摩耗量推定システム１００は、車両６の旋回に関する情報を演算モデル１６ａの入力データとして用いて、タイヤ７の摩耗量推定の精度をより向上することができる。

【0068】

またタイヤ過酷度生成部１５は、停留所における停車時および発車時の加速度を過酷度情報として生成する。これにより、摩耗量推定システム１００は、停車時および発車時の加速度を演算モデル１６ａの入力データとして用いて、タイヤ７の摩耗量推定の精度をより向上することができる。

【0069】

またタイヤ過酷度生成部１５は、停留所で区切られる区間における高低差に関する情報を過酷度情報として生成する。これにより、摩耗量推定システム１００は、高低差に関する情報を演算モデル１６ａの入力データとして用いて、タイヤ７の摩耗量推定の精度をより向上することができる。

【0070】

演算モデル生成システム１１０は、車両情報取得部１２、認識部としての画像認識部１３、分布算出部１４、摩耗量算出部１６および学習処理部２１を備える。車両情報取得部１２は、車両６の車内に輸送のために積載された積載物である乗客を検出した映像データを取得する。分布算出部１４は、画像認識部１３によって認識された乗客の位置に基づいて、停車地としての停留所で区切られる各区間の乗客による重みの分布状況を算出する。摩耗量算出部１６は、入力された情報に基づいてタイヤ７の摩耗量を算出する演算モデル１６ａを有し、分布算出部１４によって算出した分布状況を演算モデル１６ａに入力してタイヤ７の摩耗量を算出する。学習処理部２１は、タイヤ７で計測される摩耗量と摩耗量算出部１６により算出された摩耗量とを比較して演算モデル１６ａを学習させる。これにより、演算モデル生成システム１１０は、タイヤ７の摩耗量を精度良く推定する演算モデル１６ａを生成することができる。

【0071】

摩耗量推定方法は、車両情報取得ステップ、認識ステップとしての画像認識ステップ、分布算出ステップおよび摩耗量算出ステップを備える。車両情報取得ステップは、車両６の車内に輸送のために積載された積載物である乗客を検出した映像データを取得する。画像認識ステップは、車両情報取得ステップによって取得された映像データから乗客の位置を認識する。分布算出ステップは、画像認識ステップによって認識された乗客の位置に基づいて、停車地としての停留所で区切られる各区間の乗客による重みの分布状況を算出する。摩耗量算出ステップは、入力された情報に基づいてタイヤ７の摩耗量を算出する演算モデル１６ａを有し、分布算出ステップによって算出した分布状況を演算モデル１６ａに入力してタイヤ７の摩耗量を算出する。この方法によれば、車内の乗客による重みの分布状況を演算モデル１６ａの入力データとして用いて、摩耗量推定の精度を向上することができる。

【0072】

以上、本発明の実施の形態をもとに説明した。これらの実施の形態は例示であり、いろいろな変形および変更が本発明の特許請求範囲内で可能なこと、またそうした変形例および変更も本発明の特許請求の範囲にあることは当業者に理解されるところである。従って、本明細書での記述および図面は限定的ではなく例証的に扱われるべきものである。

【符号の説明】

【0073】

６ 車両、 ７ タイヤ、１２ 車両情報取得部、 １３ 画像認識部（認識部）、
１４ 分布算出部、 １５ タイヤ過酷度生成部、 １６ 摩耗量算出部、
１６ａ 演算モデル、 ２１ 学習処理部、
１００ 摩耗量推定システム、 １１０ 演算モデル生成システム。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】