特開 2024-77455 タイヤ状態推定システム、タイヤ状態推定方法および演算モデル生成方法

(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】P2024077455

(43)【公開日】2024-06-07

(54)【発明の名称】タイヤ状態推定システム、タイヤ状態推定方法および演算モデル生成方法

(51)【国際特許分類】

   B60C 19/00 20060101AFI20240531BHJP

   G01M 17/02 20060101ALI20240531BHJP

   B60C 23/00 20060101ALI20240531BHJP

【ＦＩ】

B60C19/00 Z

G01M17/02

B60C23/00 Z

【審査請求】未請求

【請求項の数】6

【出願形態】ＯＬ

(21)【出願番号】P 2022189563

(22)【出願日】2022-11-28

(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】土本 壮至

【テーマコード（参考）】

3D131

【Ｆターム（参考）】

3D131LA34

(57)【要約】

【課題】タイヤの状態の推定精度を向上することができるタイヤ状態推定システム、タイヤ状態推定方法および演算モデル生成方法を提供する。
【解決手段】タイヤ状態推定システム１００は、車両情報取得部１２、原点シフト量算出部１３、補正処理部１４およびタイヤ状態推定部１５を備える。車両情報取得部１２は、車両で計測される加速度データを含む情報を取得する。原点シフト量算出部１３は、車両情報取得部１２によって取得した加速度データに生じている原点シフト量を算出する。補正処理部１４は、車両情報取得部１２によって取得した加速度データを原点シフト量に基づいて補正する。タイヤ状態推定部１５は、補正処理部１４によって補正された加速度データを演算モデル１５ａに入力し、タイヤ７の状態を推定する。
【選択図】図１

【特許請求の範囲】

【請求項1】

車両で計測される加速度データを含む情報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した加速度データに生じている原点シフト量を算出する原点シフト量算出部と、
前記車両情報取得部によって取得した加速度データを前記原点シフト量に基づいて補正する補正処理部と、
前記補正処理部によって補正された加速度データを演算モデルに入力し、タイヤの状態を推定するタイヤ状態推定部と、
を備えることを特徴とするタイヤ状態推定システム。

【請求項2】

前記車両情報取得部は、車両の走行速度を取得し、
前記原点シフト量算出部は、前記車両情報取得部により取得した走行速度が所定値以下である場合の加速度データを用いて原点シフト量を算出することを特徴とする請求項１に記載のタイヤ状態推定システム。

【請求項3】

前記原点シフト量算出部は、走行速度が所定値以下である場合の加速度データの平均値を原点シフト量とすることを特徴とする請求項２に記載のタイヤ状態推定システム。

【請求項4】

前記原点シフト量算出部は、前記演算モデルの学習において教師データとして用いるタイヤの状態の計測期間よりも短い期間ごとに加速度データを補正することを特徴とする請求項１から３のいずれか１項に記載のタイヤ状態推定システム。

【請求項5】

車両で計測される加速度データを含む情報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した加速度データに生じている原点シフト量を算出する原点シフト量算出ステップと、
前記車両情報取得ステップによって取得した加速度データを前記原点シフト量に基づいて補正する補正処理ステップと、
前記補正処理ステップによって補正された加速度データを演算モデルに入力し、タイヤの状態を推定するタイヤ状態推定ステップと、
を備えることを特徴とするタイヤ状態推定方法。

【請求項6】

車両で計測される加速度データを含む情報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した加速度データに生じている原点シフト量を算出する原点シフト量算出ステップと、
前記車両情報取得ステップによって取得した加速度データを前記原点シフト量に基づいて補正する補正処理ステップと、
前記補正処理ステップによって補正された加速度データを演算モデルに入力し、タイヤの状態を推定するタイヤ状態推定ステップと、
タイヤにおいて計測されたタイヤの状態を教師データとして前記演算モデルを学習させる学習処理ステップと、
を備えることを特徴とする演算モデル生成方法。

【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状態を推定するタイヤ状態推定システム、タイヤ状態推定方法および演算モデル生成方法に関する。

【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には従来のタイヤ摩耗推定システムが記載されている。このタイヤ摩耗推定システムは、第１の予測変数を生成するためにタイヤに取り付けられた少なくとも１つのセンサと、第２の予測変数に関するデータを記憶するルックアップテーブルおよびデータベースの少なくとも一方と、少なくとも１つの乗物影響を含む予測変数のうちの一方と、予測変数を受け取り、少なくとも１つのタイヤに関する推定摩耗率を生成するモデルと、を有する。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１８－１５８７２２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に記載のタイヤ摩耗推定システムは、センサ出力から第１の予測変数を生成し、例えばホイール位置およびドライブトレーンを乗物影響として用いてタイヤの摩耗量を推定する。本発明者は、車両で計測される加速度データを演算モデルに入力して摩耗量等のタイヤの状態を推定する場合に、加速度センサによる計測データにおいて原点シフトが生じることがあり、タイヤの状態の推定精度が劣化していることに気づいた。

【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、タイヤの状態の推定精度を向上することができるタイヤ状態推定システム、タイヤ状態推定方法および演算モデル生成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タイヤ状態推定システムは、車両で計測される加速度データを含む情報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した加速度データに生じている原点シフト量を算出する原点シフト量算出部と、前記車両情報取得部によって取得した加速度データを前記原点シフト量に基づいて補正する補正処理部と、前記補正処理部によって補正された加速度データを演算モデルに入力し、タイヤの状態を推定するタイヤ状態推定部と、を備える。

【0008】

本発明の別の態様はタイヤ状態推定方法である。タイヤ状態推定方法は、車両で計測される加速度データを含む情報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した加速度データに生じている原点シフト量を算出する原点シフト量算出ステップと、前記車両情報取得ステップによって取得した加速度データを前記原点シフト量に基づいて補正する補正処理ステップと、前記補正処理ステップによって補正された加速度データを演算モデルに入力し、タイヤの状態を推定するタイヤ状態推定ステップと、を備える。

【0009】

本発明の別の態様は演算モデル生成方法である。演算モデル生成方法は、車両で計測される加速度データを含む情報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した加速度データに生じている原点シフト量を算出する原点シフト量算出ステップと、前記車両情報取得ステップによって取得した加速度データを前記原点シフト量に基づいて補正する補正処理ステップと、前記補正処理ステップによって補正された加速度データを演算モデルに入力し、タイヤの状態を推定するタイヤ状態推定ステップと、タイヤにおいて計測されたタイヤの状態を教師データとして前記演算モデルを学習させる学習処理ステップと、を備える。

【発明の効果】

【0010】

本発明によれば、タイヤの状態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１に係るタイヤ状態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】演算モデルのタイヤ状態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4】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5】タイヤ状態推定システムによるタイヤ摩耗量の推定処理の手順を示すフローチャートである。

【図6】演算モデル生成システムによる演算モデルの生成処理の手順を示すフローチャートである。

【図7】実施形態２に係るタイヤ状態推定システムの機能構成を示すブロック図である。

【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７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１）
図１は、実施形態１に係るタイヤ状態推定システム１００の機能構成を示すブロック図である。タイヤ状態推定システム１００は、車両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、車両に装着された各タイヤ７の状態を推定するタイヤ状態推定装置１０とを備える。

【0014】

タイヤ状態推定装置１０は、例えばインターネット等の通信ネットワーク９を介して車両に搭載された車載計測装置７０から車両の速度、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。またタイヤ状態推定装置１０は、気象情報サーバ装置８０から気象情報を取得する。タイヤ状態推定装置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の状態を推定する。

【0015】

タイヤ状態推定装置１０が推定する各タイヤ７の状態は、タイヤ７の摩耗量、摩耗率などの情報によって表されるタイヤ７の摩耗状態や、タイヤ７の材質における物性の変化によって表されるタイヤ７の劣化状態を含む。タイヤ７の摩耗状態は、摩耗量を比率で表す場合を含んでおり、例えば摩耗した量（１ｍｍ等の値）であってもよいし、初期の溝深さに対する摩耗した量の比率（１０％等の値）であってもよい。タイヤ７の物性は、ゴム硬度、ゴムの破断伸び、１００％モジュラスなどであり、タイヤゴムの経年的な酸化や、タイヤゴムに加えられる熱環境にも依存して変化する。タイヤ７の劣化状態は、経年的に、または熱環境等の外部要因によって変化して劣化するタイヤ７の物性値に関する情報によって表される。

【0016】

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、情報取得部７３および通信部７４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。

【0017】

車両計測部７１は、車両に搭載された速度メータ７１ａ、ＧＰＳ受信機７１ｂおよび加速度センサ７１ｃを有する。速度メータ７１ａは、車両の走行速度を計測する。ＧＰＳ受信機７１ｂは、車両の現在の位置情報（緯度、経度および高度）を計測する。加速度センサ７１ｃは、車両の３軸方向の加速度を計測する。３軸方向は、例えば車両の前後方向、左右方向および上下方向とする。

【0018】

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。尚、加速度センサ７１ｃがタイヤ７のインナーライナーに配設されていてもよい。

【0019】

情報取得部７３は、車両計測部７１で計測された車両計測情報（走行速度、位置情報、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）および後述するタイヤ識別情報等を取得する。情報取得部７３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。情報取得部７３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７４からタイヤ状態推定装置１０へ送信する。

【0020】

情報取得部７３は、車両の電子制御装置または車両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の走行速度、加速度および位置情報等を取得するようにしてもよい。通信部７４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７３が取得した車両計測情報、タイヤ計測情報および時刻情報を通信ネットワーク９を介してタイヤ状態推定装置１０へ送信する。

【0021】

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。タイヤ状態推定装置１０は、気象情報サーバ装置８０から車両が走行している場所における気象情報を取得する。

【0022】

タイヤ状態推定装置１０は、通信部１１、車両情報取得部１２、原点シフト量算出部１３、補正処理部１４、タイヤ状態推定部１５および記憶部１６を備える。タイヤ状態推定装置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。

【0023】

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７４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。

【0024】

車両情報取得部１２は、車両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（走行速度、位置情報、加速度等）およびタイヤ計測情報（タイヤの温度および空気圧等）を取得する。車両情報取得部１２は、車両計測情報に基づいて車両の走行距離を算出して取得する。

【0025】

車両情報取得部１２は、車両計測情報の位置情報に基づいて走行距離を算出して取得することができる。また、車両の走行距離は、車両計測情報における走行速度のデータと、当該データに対応付けられた時刻のデータに基づいて算出してもよい。即ち、時系列的に並んだ速度データに、次の時点までの時間差分を乗算することによって車両の走行距離を算出することができる。車両の走行速度は、時系列的に並んだ位置情報に基づく車両の走行距離と位置情報の取得間隔から算出したものを使用してもよい。

【0026】

車両情報取得部１２は、車両の走行距離に関する情報が車両または車両管理用の外部装置等から提供されていれば、自ら走行距離を算出する必要はなく、車両または外部装置から走行距離に関する情報を取得してもよい。

【0027】

車両情報取得部１２は、取得した走行距離をタイヤ状態推定部１５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）をタイヤ状態推定部１５へ出力する。車両情報取得部１２は、車両計測情報における走行速度のデータおよび加速度データを原点シフト量算出部１３へ出力する。

【0028】

また車両情報取得部１２は、車両仕様データ１６ａ、タイヤ仕様データ１６ｂおよびタイヤ位置データ１６ｃ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１６から取得し、タイヤ状態推定部１５へ出力する。記憶部１６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を記憶している。

【0029】

車両仕様データ１６ａ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。また、タイヤ仕様データ１６ｂ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１６ｃには、摩耗量等の状態を推定するタイヤの車両における位置、タイヤ識別情報や取り付けられている車軸に関する情報が含まれる。タイヤ識別情報は、各タイヤを特定するために各タイヤに付された例えば製造番号などの一連番号である。タイヤ識別情報、タイヤの配置位置および車軸に関する情報は、例えば車両へのタイヤ装着時などに作業者が入力操作することによって記憶部１６に記憶させるようにするとよい。

【0030】

原点シフト量算出部１３は、車両情報取得部１２から入力された加速度データに生じている原点シフト量を算出する。原点シフト量は、加速度センサ７１ｃで加速度を計測する際に生じる計測値の原点の変動量を表しており、原点のオフセット量、原点のずれ量などとも呼ばれる。加速度センサ７１ｃによる計測値の原点シフトは、例えば車両における加速度センサ７１ｃの設置アライメントが初期状態からずれていることや、内部構造および電気回路における特性が時間の経過とともに変化することなどによって生じる。

【0031】

原点シフト量算出部１３は、車両情報取得部１２から入力された走行速度が０（ゼロ）であるときの加速度データを抽出し、３軸方向の加速度データの原点シフト量を算出する。原点シフト量算出部１３は、車両情報取得部１２から入力された走行速度が所定値（例えば数ｍ／ｓ）以下であるときの加速度データを抽出して原点シフト量を算出するようにしてもよい。

【0032】

原点シフト量算出部１３は、例えば、走行速度が所定値以下である場合の加速度データの平均値を原点シフト量とする。原点シフト量算出部１３は、加速度データの原点シフト量を他の統計学的な手法を用いて算出するようにしてもよい。原点シフト量算出部１３は、算出した原点シフト量と、車両情報取得部１２から入力された加速度データとを補正処理部１４へ出力する。

【0033】

補正処理部１４は、原点シフト量算出部１３から入力された原点シフト量に基づいて加速度データを補正し、タイヤ状態推定部１５へ出力する。

【0034】

タイヤ状態推定部１５は、演算モデル１５ａを有し、摩耗量等のタイヤ７の状態を推定する。演算モデル１５ａは、入力された情報に基づいてタイヤ７の状態を算出する学習型モデルである。図３は、演算モデル１５ａのタイヤ状態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１５ａへの入力データは、概ね車両計測情報、タイヤ計測情報およびその他情報の各系統に分類される。

【0035】

車両計測情報関連の入力データは、車両の加速度および走行距離を含む。走行距離は、上述のように車両情報取得部１２において取得される。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。尚、加速度データは、上述のように補正処理部１４によって補正されている。

【0036】

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１６ａ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１６ｂ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１４ｃに含まれるタイヤ７の位置、タイヤ識別情報や車軸に関する情報である。

【0037】

演算モデル１５ａ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１５ａ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１５ａ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。

【0038】

教師データである摩耗量等のタイヤ７の状態は、タイヤ７の摩耗量やタイヤゴムの物性値等を計測することによって取得される。ここではタイヤ７の摩耗量の計測について説明するが、他の物性値等についても例えば硬さ試験などの公知の手法を用いて計測される。タイヤ７の摩耗量は、タイヤ７のトレッドに設けられた溝の深さを直接計測することによって取得される。タイヤ７の各溝の深さは、計測器具やカメラ、作業者の目視等によって計測される。また、タイヤ７の各溝の深さは、機械的あるいは光学的な方法によって自動的に計測されてもよい。

【0039】

タイヤ７の溝深さは、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か所計測される。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を取得することができる。尚、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。

【0040】

図４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、タイヤ状態推定システム１００の構成に加えて、学習処理部２１を有する演算モデル生成装置２０を備える。演算モデル生成装置２０は、タイヤ状態推定装置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におけるタイヤ状態推定装置１０の各構成に相当する部分は、タイヤ状態推定装置１０のそれらと同等の機能を有するが、演算モデル１５ａは学習前または学習中のものとなる。

【0041】

演算モデル１５ａの学習過程において、学習処理部２１は、入力情報に基づいて演算モデル１５ａによって推定された摩耗量等のタイヤ７の状態と、教師データとを比較する。演算モデル１５ａの学習過程においても、補正処理部１４は加速度データの原点シフト量を算出して加速度データを補正している。

【0042】

学習処理部２１は、推定した摩耗量等のタイヤ７の状態と教師データとの比較結果に基づき、重みづけ等の演算過程における各種係数を演算モデル１５ａ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。尚、演算モデル１５ａの学習過程では、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１５ａ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。

【0043】

次にタイヤ状態推定システム１００の動作を説明する。図５は、タイヤ状態推定システム１００によるタイヤ摩耗量の推定処理の手順を示すフローチャートである。車両情報取得部１２は、車両計測情報およびタイヤ計測情報の取得を開始する（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、およびタイヤの耐摩耗性能など必要な情報を記憶部１６から読み出す。車両情報取得部１２は、走行距離の算出を開始する（Ｓ２）。

【0044】

原点シフト量算出部１３は、車両の走行速度が所定値以下である場合の加速度データを抽出し、原点シフト量を算出する（Ｓ３）。補正処理部１４は、ステップＳ３により算出した原点シフト量に基づき加速度データを補正する（Ｓ４）。

【0045】

タイヤ状態推定部１５は、車両情報取得部１２および補正処理部１４からの入力データを取得し、演算モデル１５ａによってタイヤ７の摩耗量を算出して推定し（Ｓ５）、処理を終了する。尚、タイヤ状態推定システム１００によって、他の物性値等のタイヤ７の状態を推定する場合も、上記の推定処理と同等の処理が実行される。

【0046】

タイヤ状態推定システム１００は、演算モデル１５ａへの入力データとして用いる加速度データに生じている原点シフト量を補正することによって、摩耗量等のタイヤ７の状態の推定精度を向上することができる。原点シフト量算出部１３は３軸方向の加速度データについて、それぞれ原点シフト量を算出し、補正処理部１４によって補正を行う。

【0047】

原点シフト量算出部１３は、車両の走行速度が所定値以下である場合の加速度データを抽出し、抽出した加速度データを用いて原点シフト量を算出することによって、より正確に加速度データの原点シフト量を算出することができる。原点シフト量算出部１３は、車両の走行速度が０である場合の加速度データを抽出し、抽出した加速度データを用いて原点シフト量を算出してもよい。

【0048】

原点シフト量算出部１３は、車両の走行速度が所定値以下である場合の加速度データを抽出し、抽出した加速度データの平均値を軸方向ごとに算出して原点シフト量を求めるようにしてもよい。これにより、原点シフト量算出部１３は、簡潔的に原点シフト量を算出することができる。原点シフト量算出部１３は、車両の走行速度が０である場合の加速度データを抽出し、抽出した加速度データの平均値を軸方向ごとに算出して原点シフト量を求めるようにしてもよい。

【0049】

また原点シフト量算出部１３は、演算モデル１５ａの学習において教師データとして用いる摩耗量等のタイヤ７の状態の計測期間よりも短い期間ごとに加速度データを補正するようにしてもよい。例えば、摩耗量等のタイヤ７の状態が１か月ごとに計測され、演算モデル１５ａの学習に用いられている場合、原点シフト量算出部１３によって、１週間ごとに加速度データの原点シフト量を算出し、補正処理部１４によって、加速度データを補正する。これにより、タイヤ状態推定装置１０は、より細かい期間ごとに加速度データを補正することができ、摩耗量等のタイヤ７の状態の推定精度を向上することができる。

【0050】

また原点シフト量算出部１３は、例えば車両が所定期間（３０分間など）の間、停車する事象が発生する度に停車期間中の加速度データによって原点シフト量を算出するようにしてもよい。補正処理部１４は、算出された原点シフト量によって停車期間の前または後に計測される加速度データを補正する。補正処理部１４は、車両が停車する事象が発生する度に、逐次、算出された原点シフト量によって加速度データを補正する。これにより、タイヤ状態推定装置１０は、より細かい期間ごとに加速度データを補正することができ、タイヤ７の状態の推定精度を向上することができる。

【0051】

また原点シフト量算出部１３は、一定期間に亘って取得された加速度データから、車両が停車する事象が発生している複数の期間を求め、各期間において原点シフト量を算出してもよい。補正処理部１４は、原点シフト量算出部１３によって算出された原点シフト量に基づいて、一定期間における加速度データを補正する。これにより、タイヤ状態推定装置１０は、より細かい期間ごとに加速度データを補正することができ、タイヤ７の状態の推定精度を向上することができる。

【0052】

図６は、演算モデル生成システム１１０による演算モデル１５ａの生成処理の手順を示すフローチャートである。図６に示すステップＳ１１からＳ１５までの処理は、図５に示すステップＳ１からＳ５までの処理と同等であり、記載の簡潔化のため説明を省略する。演算モデル生成装置２０の学習処理部２１は、演算モデル１５ａによって算出されたタイヤ７の摩耗量と、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（Ｓ１６）。学習処理部２１は、ステップＳ１６による比較結果に基づいて演算モデル１５ａを更新し（Ｓ１７）、処理を終了する。

【0053】

演算モデル生成装置２０は、ステップＳ１１からＳ１７までの処理を繰り返すことによって演算モデル１５ａを更新し、演算モデル１５ａの学習を実行する。尚、演算モデル生成システム１１０によって、他の物性値等のタイヤ７の状態を推定する演算モデルを生成する場合も、上記の生成処理と同等の処理が実行される。演算モデル生成システム１１０は、演算モデル１５ａへの入力データとして用いる加速度データに生じている原点シフト量を補正することによって、摩耗量等のタイヤ７の状態を精度良く推定する演算モデル１５ａを生成することができる。

【0054】

（実施形態２）
図７は、実施形態２に係るタイヤ状態推定システム１００の機能構成を示すブロック図である。タイヤ状態推定システム１００は、実施形態１において説明した各部の構成に加えて、タイヤ過酷度生成部１７を備える。タイヤ過酷度生成部１７は、車両情報取得部１２から車両の走行距離の情報を取得し、補正処理部１４から補正された加速度データを取得する。

【0055】

タイヤ過酷度生成部１７は、車両の加速度の二乗和に基づいて算出される値を、タイヤ摩耗等のタイヤの状態に対する過酷度情報（以下、タイヤ過酷度情報と表記する。）として生成する。タイヤ過酷度生成部１７は、３軸方向の加速度のうち、任意の１軸方向または２軸方向の加速度について二乗和を求めるようにしてもよい。

【0056】

タイヤ過酷度生成部１７は、加速度の二乗和（Ｖ１）、加速度の二乗和に当該加速度で車両が走行した距離を乗算した値を時々刻々算出し積算した値（Ｖ２）、および加速度の二乗和に当該加速度で車両が走行した距離を乗算した値を時々刻々算出し積算した値を全走行距離で除算した値（Ｖ３）をタイヤ過酷度情報として生成する。タイヤ過酷度生成部１７は、これらの３つの値のうち、任意の一つ、または二つの値をタイヤ過酷度情報として生成してもよい。

【0057】

タイヤ７の摩耗において車両の加速度が大きくなることによって、顕著に摩耗や物性の劣化等が進行する傾向にあることから、加速度の二乗和の値（Ｖ１）を求めてタイヤ過酷度情報の一つの指標としている。

【0058】

値Ｖ２は、時々刻々変化する加速度で、車両がどれだけの距離を移動したかを考慮している。大きな加速度が発生した状態で、車両の走行距離が大きい場合に摩耗量や物性値変化は多くなることに対して、大きな加速度が発生した状態であっても、車両の走行距離が小さい場合には摩耗量や物性値変化は少ないと考えられる。

【0059】

値Ｖ３は、値Ｖ２を全走行距離で除算して得られる。タイヤ状態の推定は、一時点における推定から次の時点における推定まで期間を空けて行うが、当該期間内における車両の全走行距離で値Ｖ２を除算することで、各期間における値Ｖ２を走行距離に関して平準化して評価する。

【0060】

タイヤ過酷度生成部１７は、生成したタイヤ過酷度情報をタイヤ状態推定部１５へ出力する。タイヤ状態推定部１５は、タイヤ過酷度生成部１７から入力されたタイヤ過酷度情報を演算モデル１５ａの入力データとして用いて摩耗量等のタイヤ７の状態を推定する。

【0061】

タイヤ状態推定システム１００は、走行距離、および車両の加速度の二乗和に基づくタイヤ過酷度情報を演算モデル１５ａの入力データとして用いることにより、摩耗量等のタイヤ７の状態の推定精度を向上することができる。またタイヤ状態推定システム１００は、補正処理部１４において原点シフト量が補正された加速度データに基づいてタイヤ過酷度情報が算出されており、摩耗量等のタイヤ７の状態の推定精度をより向上することができる。

【0062】

次に実施形態に係るタイヤ状態推定システム１００、タイヤ状態推定方法および演算モデル生成方法の特徴について説明する。
タイヤ状態推定システム１００は、車両情報取得部１２、原点シフト量算出部１３、補正処理部１４およびタイヤ状態推定部１５を備える。車両情報取得部１２は、車両で計測される加速度データを含む情報を取得する。原点シフト量算出部１３は、車両情報取得部１２によって取得した加速度データに生じている原点シフト量を算出する。補正処理部１４は、車両情報取得部１２によって取得した加速度データを原点シフト量に基づいて補正する。タイヤ状態推定部１５は、補正処理部１４によって補正された加速度データを演算モデル１５ａに入力し、タイヤ７の状態を推定する。これにより、タイヤ状態推定システム１００は、摩耗量等のタイヤ７の状態の推定精度を向上することができる。

【0063】

また車両情報取得部１２は、車両の走行速度を取得する。原点シフト量算出部１３は、車両情報取得部１２により取得した走行速度が所定値以下である場合の加速度データを用いて原点シフト量を算出する。これにより、タイヤ状態推定システム１００は、より正確に加速度データの原点シフト量を算出することができる。

【0064】

また原点シフト量算出部１３は、走行速度が所定値以下である場合の加速度データの平均値を原点シフト量とする。これにより、タイヤ状態推定システム１００は、簡潔的に原点シフト量を算出することができる。

【0065】

また原点シフト量算出部１３は、演算モデル１５ａの学習において教師データとして用いるタイヤ７の状態の計測期間よりも短い期間ごとに加速度データを補正する。これにより、タイヤ状態推定システム１００は、より細かい期間ごとに加速度データを補正することができ、摩耗量等のタイヤ７の状態の推定精度を向上することができる。

【0066】

タイヤ状態推定方法は、車両情報取得ステップ、原点シフト量算出ステップ、補正処理ステップおよびタイヤ状態推定ステップを備える。車両情報取得ステップは、車両で計測される加速度データを含む情報を取得する。原点シフト量算出ステップは、車両情報取得ステップによって取得した加速度データに生じている原点シフト量を算出する。補正処理ステップは、車両情報取得ステップによって取得した加速度データを原点シフト量に基づいて補正する。タイヤ状態推定ステップは、補正処理ステップによって補正された加速度データを演算モデル１５ａに入力し、タイヤ７の状態を推定する。この方法によれば、摩耗量等のタイヤ７の状態の推定精度を向上することができる。

【0067】

演算モデル生成方法は、車両情報取得ステップ、原点シフト量算出ステップ、補正処理ステップ、摩耗量算出ステップおよび学習処理ステップを備える。車両情報取得ステップは、車両で計測される加速度データを含む情報を取得する。原点シフト量算出ステップは、車両情報取得ステップによって取得した加速度データに生じている原点シフト量を算出する。補正処理ステップは、車両情報取得ステップによって取得した加速度データを原点シフト量に基づいて補正する。タイヤ状態推定ステップは、補正処理ステップによって補正された加速度データを演算モデル１５ａに入力し、タイヤ７の状態を推定する。学習処理ステップは、タイヤ７において計測されたタイヤの状態を教師データとして演算モデル１５ａを学習させる。この方法によれば、摩耗量等のタイヤ７の状態を精度良く推定する演算モデル１５ａを生成することができる。

【0068】

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】

【0069】

７ タイヤ、１２ 車両情報取得部、 １３ 原点シフト量算出部、
１４ 補正処理部、 １５ タイヤ状態推定部、 １５ａ 演算モデル、
１００ タイヤ状態推定システム。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】