特開 2025-8063 降水レベル推定システム及びプログラム

(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】P2025008063

(43)【公開日】2025-01-20

(54)【発明の名称】降水レベル推定システム及びプログラム

(51)【国際特許分類】

   G01W 1/00 20060101AFI20250109BHJP

   G01W 1/02 20060101ALI20250109BHJP

【ＦＩ】

G01W1/00 Z

G01W1/02 C

G01W1/02 A

【審査請求】未請求

【請求項の数】5

【出願形態】ＯＬ

(21)【出願番号】P 2023109917

(22)【出願日】2023-07-04

(71)【出願人】

【識別番号】000003207

【氏名又は名称】トヨタ自動車株式会社

(74)【代理人】

【識別番号】100099759

【弁理士】

【氏名又は名称】青木 篤

(74)【代理人】

【識別番号】100123582

【弁理士】

【氏名又は名称】三橋 真二

(74)【代理人】

【識別番号】100092624

【弁理士】

【氏名又は名称】鶴田 準一

(74)【代理人】

【識別番号】100147555

【弁理士】

【氏名又は名称】伊藤 公一

(74)【代理人】

【識別番号】100123593

【弁理士】

【氏名又は名称】関根 宣夫

(74)【代理人】

【識別番号】100133835

【弁理士】

【氏名又は名称】河野 努

(72)【発明者】

【氏名】宇野 智

(57)【要約】

【課題】車両から取得された降水に関連するデータを取得し、機械学習に基づく推定方法を用いて降水レベルを正確に算出可能な降水レベル推定システム及びプログラムを提供する。
【解決手段】観測対象領域ＲＸに存在する複数の車両Ｍｎにより検出された、降水に関連する検出データを取得し、検出データに基づいて、観測対象領域に含まれる所定の領域Ｒｍにおける降水量を算出する演算部１２を備え、演算部は、所定の領域を含む第１領域から取得される第１検出データに基づいて、現在に比して過去の第１所定期間における第１特徴量を算出し、第１領域に隣接する第２領域において取得される第２検出データに基づいて、第２領域における第１所定期間に比して過去の第２所定期間における第２特徴量を算出し、第１特徴量と第２特徴量とを変数とする降水量推定モデルを用いて降水量を算出し、降水量に応じた降水レベルを算出する、降水レベル推定システム１である。
【選択図】図１

【特許請求の範囲】

【請求項1】

観測対象領域に存在する複数の車両により検出された、降水に関連する検出データを取得し、
前記検出データに基づいて、前記観測対象領域に含まれる所定の領域における降水量を算出する演算部を備え、
前記演算部は、
前記所定の領域を含む第１領域から取得される第１検出データに基づいて、現在に比して過去の第１所定期間における第１特徴量を算出し、
前記第１領域に隣接する第２領域において取得される第２検出データに基づいて、前記第２領域における前記第１所定期間に比して過去の第２所定期間における第２特徴量を算出し、
前記第１特徴量と前記第２特徴量とを変数とする降水量推定モデルを用いて前記降水量を算出し、前記降水量に応じた降水レベルを算出する、
降水レベル推定システム。

【請求項2】

前記演算部は、
前記検出データのうち前記車両に設けられたワイパー装置の稼働状態を示すワイパー稼働データに基づいて、前記ワイパー装置が稼働した時間割合に関する前記第１特徴量と、前記ワイパー装置が稼働した台数割合に関する前記第２特徴量と、を含む特徴量を算出し、前記特徴量に基づいて、前記降水量を算出する、
請求項１に記載の降水レベル推定システム。

【請求項3】

前記演算部は、前記領域における前記降水レベルを算出し、前記観測対象領域において複数の前記領域毎に前記降水レベルをマッピングしたマッピングデータを生成する、
請求項１に記載の降水レベル推定システム。

【請求項4】

前記演算部は、前記マッピングデータに基づいて、前記観測対象領域のうち前記降水量が基準以上である前記降水レベルとなる前記領域を抽出し、前記領域に存在するユーザに前記降水レベルに関する情報を提供する、
請求項３に記載の降水レベル推定システム。

【請求項5】

観測対象領域に存在する複数の車両により検出された降水に関連する検出データを取得し、
前記観測対象領域に含まれる第１領域から取得される第１検出データに基づいて、現在に比して過去の第１所定期間における第１特徴量を算出し、
前記第１領域に隣接する第２領域において取得される第２検出データに基づいて、前記第２領域における前記第１所定期間に比して過去の第２所定期間における第２特徴量を算出し、
前記第１特徴量と前記第２特徴量とを変数とする降水量推定モデルを用いて前記観測対象領域に含まれる所定の領域における降水量を算出し、前記降水量に応じた降水レベルを算出する処理をコンピュータに実行させるプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、降水量を推定可能な降水レベル推定システム及びプログラムに関する。

【背景技術】

【0002】

近年、局所的な豪雨の発生に対する防災意識が高まっている。特許文献１には、車両のワイパー装置の作動モードに関するデータに基づいて車両が含まれる領域の降水の強さを示す指標を算出する技術が記載されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２０－０５２９６２号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

ワイパーの作動モードは、例えば、弱、中、強等の３段階の作動モードが設けられている。特許文献１に記載された技術によれば、ワイパーの作動モードに関するデータに基づいて降水の強さを推定している。ワイパーの作動モードは、特に強い降水が発生している場合において、強の段階に固定され、ワイパーの動作モードと降水量との関連性が少なくなる。そのため、特許文献１に記載された技術によれば、ある領域における降水レベルを正確に推定することに困難性が生じる可能性があった。

【0005】

本発明は、車両から取得された降水に関連するデータを利用し、機械学習に基づく推定方法を用いて降水レベルを正確に算出可能な降水レベル推定システム及びプログラムを提供することを目的とする。

【課題を解決するための手段】

【0006】

本発明の一態様は、観測対象領域に存在する複数の車両により検出された、降水に関連する検出データを取得し、前記検出データに基づいて、前記観測対象領域に含まれる所定の領域における降水量を算出する演算部を備え、前記演算部は、前記所定の領域を含む第１領域から取得される第１検出データに基づいて、現在に比して過去の第１所定期間における第１特徴量を算出し、前記第１領域に隣接する第２領域において取得される第２検出データに基づいて、前記第２領域における前記第１所定期間に比して過去の第２所定期間における第２特徴量を算出し、前記第１特徴量と前記第２特徴量とを変数とする降水量推定モデルを用いて前記降水量を算出し、前記降水量に応じた降水レベルを算出する、降水レベル推定システムである。

【発明の効果】

【0007】

本発明によれば、車両から取得された降水に関連するデータを利用し、機械学習に基づく推定方法を用いて降水レベルを正確に算出することができる。

【図面の簡単な説明】

【0008】

【図1】実施形態に係る降水レベル推定システムの構成を示すブロック図である。

【図2】観測対象領域における観測方法を示す図である。

【図3】観測対象領域内の所定の領域を示す図である。

【図4】複数の特徴量の内容を示す図である。

【図5】降水レベルが表示されたマッピングデータを示す図である。

【図6】マッピングデータにおける経時的な降水レベルの推移を示す図である。

【図7】降水レベル推定方法の処理の流れ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】

【0009】

図１に示されるように、降水レベル推定システム１は、ネットワークＮＷに接続されたサーバ装置１０と、複数の車両Ｍｎ（ｎ：任意の自然数）とにより構成されている。複数の車両Ｍｎは、観測対象となる観測対象領域ＲＸに存在している。観測対象領域ＲＸは、例えば、所定の面積の矩形の領域に設定されている。サーバ装置１０は、複数の車両Ｍｎと通信し、降水に関する検出データを取得している。サーバ装置１０は、検出データに基づいて観測対象領域ＲＸにおける降水レベルを算出する。

【0010】

降水レベルは、例えば、後述のように降水量に応じて、３段階のレベルに設定されている。サーバ装置１０は、算出結果に基づいて観測対象領域ＲＸ内の車両Ｍｎに降水レベルを含む情報を提供する。サーバ装置１０は、車両Ｍｎ以外にネットワークＮＷに接続された端末装置２０にも情報を提供してもよい。

【0011】

端末装置２０は、例えば、パーソナルコンピュータやスマートフォン等の情報処理端末装置により構成されている。端末装置２０は、例えば、情報を表示する表示部２６を備えている。表示部２６は、例えば、液晶ディスプレイ等の表示装置により構成されている。端末装置２０は、ネットワークＮＷと通信可能な通信部２８を備えている。通信部２８は、ネットワークＮＷと接続可能な通信インタフェースにより構成されている。端末装置２０は、通信及び情報の表示処理を実行する制御部２２を備えている。

【0012】

端末装置２０は、制御に必要なデータ及びプログラムが記憶された記憶部２４を備えている。制御部２２は、少なくとも１つのＣＰＵ（Central Processing Unit）等のハードウェアプロセッサにより構成されている。記憶部２４は、ハードディスクドライブ（ＨＤＤ）、ソリッドステートディスク（ＳＳＤ）等の非一時的記憶媒体により構成されている。

【0013】

サーバ装置１０は、種々の演算処理を行う演算部１２と、演算処理に必要なデータ及びプログラムが記憶された記憶部１４と、ネットワークＮＷと通信する通信部１６とにより構成されている。演算部１２は、少なくとも１つのＣＰＵ等のハードウェアプロセッサにより構成されている。記憶部１４は、ハードディスクドライブ、ソリッドステートディスク等の非一時的記憶媒体により構成されている。通信部１６は、ネットワークＮＷと接続可能な通信インタフェースにより構成されている。

【0014】

演算部１２は、観測対象領域ＲＸに存在する複数の車両Ｍｎにより検出された、降水に関連する検出データを取得する。演算部１２は、検出データに基づいて、観測対象領域ＲＸの降水量を算出する。演算部１２の演算処理の内容については後述する。演算部１２は、算出結果に基づいて、観測対象領域ＲＸにおける降水レベルの分布を算出する。演算部１２は、ネットワークＮＷを介してユーザが利用する車両Ｍｎに降水量に関する情報を提供する。

【0015】

車両Ｍｎは、ネットワークＮＷを介してサーバ装置１０と通信可能に構成されている。車両Ｍｎは、例えば、種々のデータを検出する検出部ＭＳを備えている。検出部ＭＳは、車両Ｍｎに設けられた複数の装置類やセンサ類等の車両用機器により構成されている。検出部ＭＳは、制御に必要な制御信号、動作に必要な電流値、車両Ｍｎの制御に必要なデータを取得可能な車両用機器により構成されている。検出部ＭＳは、例えば、車両Ｍｎの窓を払拭するワイパー装置ＭＮを備えている。

【0016】

ワイパー装置ＭＮは、車両Ｍｎのフロントウィンドウやリアウィンドウに設けられている。ワイパー装置ＭＮは、例えば、弱、中、強等の３段階の作動モードに基づいて動作する。作動モードは、弱、中、強の順に作動速度が増加する。作動速度は、例えば、単位時間当たりの払拭回数（回数／分）により設定されている。作動モードには、単位時間当たりの払拭回数を任意に調整可能な速度調整モードが設けられていてもよい。ワイパー装置ＭＮは、車両Ｍｎの乗員の操作に基づいて動作する。ワイパー装置ＭＮは、乗員の操作に対応する制御信号に基づいて動作する。制御信号は、段階的な作動モードや速度調整モードに対応して設定されている。

【0017】

ワイパー装置ＭＮには、降雨を検出するレインセンサＭＥが設けられていてもよい。レインセンサＭＥは、フロントウィンドウの内側に設けられ、フロントウィンドウの光の透過率の変化を検出する。ワイパー装置ＭＮは、例えば、レインセンサＭＥにより降雨が検出された場合、自動的に作動する。ワイパー装置ＭＮは、レインセンサＭＥにより検出された信号の変化に応じて作動モードが自動的に設定されて動作する。

【0018】

検出部ＭＳは、画像を撮像可能なカメラＭＣが設けられている。カメラＭＣは、車両Ｍｎの外部環境を撮像する。カメラＭＣにより撮像された撮像データは、例えば、車両Ｍｎの制御に用いられる。検出部ＭＳは、レーザ波を放射するライダー装置ＭＤが設けられている。ライダー装置ＭＤは、放射したレーザ波の反射波を受信し、車両Ｍｎの周囲に存在する物体を検出する。検出部ＭＳは、車両Ｍｎの現在位置を検出する位置センサＭＧが設けられている。位置センサＭＧは、例えば、ＧＰＳ（Global Positioning System）センサにより構成されている。

【0019】

車両Ｍｎには、種々の制御を実行する制御部ＭＰが設けられている。制御部ＭＰは、車両Ｍｎの走行に関する制御を実行する。制御部ＭＰは、検出部ＭＳにより検出されたデータのうち、降水に関連するデータをサーバ装置１０に送信する。制御部ＭＰは、少なくとも１つのＣＰＵ等のハードウェアプロセッサにより構成されている。

【0020】

車両Ｍｎは、種々の情報を報知する報知部ＭＬが設けられている。報知部ＭＬは、例えば、報知部ＭＬは、例えば、報知内容を含む画像を表示可能な表示装置により構成されている。報知部ＭＬは、音声により報知内容を出力するスピーカにより構成されていてもよい。車両Ｍｎは、ネットワークＮＷに接続可能な通信部ＭＵを備えている。通信部ＭＵは、例えば、無線通信可能な通信インタフェースにより構成されている。

【0021】

車両Ｍｎは、走行中において検出部ＭＳにより種々のデータを取得する。制御部ＭＰは、取得されたデータに基づいて車両Ｍｎの走行を制御する。制御部ＭＰは、検出部ＭＳにより取得されたデータのうち、降水に関連するデータをサーバ装置１０に送信する。制御部ＭＰは、例えば、ワイパー装置ＭＮの制御に関するデータをサーバ装置１０に送信する。サーバ装置１０においてデータは、記憶部１４に記憶される。演算部１２は、記憶部１４に記憶されたデータに基づいて、観測対象領域ＲＸにおける降水量を算出する。

【0022】

図２に示されるように、観測対象領域ＲＸの地図データには、領域Ｒｍ（ｍ：自然数）が含まれている。領域Ｒｍは、例えば、１ｋｍ四方の矩形領域に設定されている。領域Ｒｍの大きさ、位置、形状は、任意に設定される。領域Ｒｍは、位置に対応してＩＤ番号が設定されている。領域Ｒｍは、サーバ装置１０により管理される。サーバ装置１０は、観測対象領域ＲＸ内に存在する複数の車両Ｍｎと通信する。サーバ装置１０において演算部１２は、各車両Ｍｎの位置データ及び車両Ｍｎを識別するＩＤデータを取得する。

【0023】

図３に示されるように、演算部１２は、領域ＲｍのＩＤデータＲＤと車両Ｍｎから取得したデータとを比較して、領域Ｒｍ内に存在する車両Ｍｎを認識する。演算部１２は、領域Ｒｍ内に存在する複数の車両Ｍｎから降水に関連する検出データを取得する。降水に関連する検出データは、例えば、ワイパー装置ＭＮの作動状態に関するデータ、車両ＩＤデータ、車両位置データ、時刻データ等のデータが含まれている。演算部１２は、領域Ｒｍに存在する車両Ｍｎから所定周期（例えば、１分周期）毎に検出データを取得する。演算部１２は、取得した検出データを記憶部１４に記憶する。

【0024】

演算部１２は、領域Ｒｍにおける降水量を算出する。領域Ｒｍには、サーバ装置１０から降水に関する情報提供を受けるユーザが存在しているユーザ位置が含まれている。ユーザの位置情報は、現在乗車している車両Ｍｎ、或いは所持している端末装置２０を介してサーバ装置１０に提供される。演算部１２は、ユーザから提供される位置情報に基づいて、ユーザ位置を含む領域Ｒｍにおける降水量を算出する。

【0025】

図４に示されるように、演算部１２は、検出データに基づいて、所定周期（例えば、１０分周期）毎に降水量の推定に用いる複数の特徴量Ｂ～Ｙを生成する。複数の特徴量Ｂ～Ｙは、例えば、ワイパー装置ＭＮの速度成分、時間成分、車両Ｍｎの台数成分、領域成分等の２４種類の要素に分類されている。複数の特徴量Ｂ～Ｙは、ワイパー装置ＭＮの作動状態を示すデータに基づいて、ユーザ位置における降水量の算出において特徴が出現するように設定されている。

【0026】

演算部１２は、例えば、観測対象領域ＲＸに含まれる第１領域Ｒａから取得される第１検出データに基づいて、第１特徴量Ｔａ（特徴量Ｂ～Ｍ）を生成する。第１領域Ｒａは、例えば、ユーザ位置とその周辺地点を含む複数のサンプルデータ収集領域により設定されている。複数のサンプルデータ収集領域は、例えば、ユーザ位置を含む１ｋｍ四方の領域Ｒｍと、ユーザ位置から所定距離離間した周辺地点を含む１ｋｍ四方の複数の周辺領域とにより設定されている。

【0027】

周辺地点は、例えば、ユーザ位置から５ｋｍ離間した地点と、ユーザ位置から１０ｋｍ離間した地点とを含んでいる。演算部１２は、ユーザ位置と、ユーザ位置から任意の方向における周辺地点を含む第１領域Ｒａの第１検出データを収集する。データを収集する方向は、サンプルデータの収集方法に基づいて任意に設定される。演算部１２は、例えば、ユーザ位置から東、西、南、北の４方位方向における第１領域Ｒａのデータを収集する。演算部１２は、東、西、南、北方向に北東、北西、南西、南東方向を加えた８方位方向等の任意の方向要素が含まれる第１領域のデータを収集してもよい。

【0028】

演算部１２は、現在に比して過去の第１所定期間ｔ１における第１領域Ｒａの第１検出データを取得する。第１所定期間ｔ１は、例えば、現在時刻から過去の１時間である。演算部１２は、例えば、第１領域Ｒａにおいて取得した第１検出データに基づいて、４方位方向における特徴量Ｂ～Ｍをそれぞれ生成する。演算部１２は、例えば、車両に設けられたワイパー装置の稼働状態を示すワイパー稼働データに基づいて特徴量Ｂ～Ｍを生成する。

【0029】

演算部１２は、例えば、ワイパー装置ＭＮの稼働状態を示すワイパー作動時間割合に関する特徴量を算出する。ワイパー作動時間割合は、所定期間毎においてワイパー装置が作動した時間の割合である。ワイパー作動時間割合には、所定期間（例えば、１０分間）毎においてワイパー装置が作動した最大時間により算出される特徴量Ｂ，Ｃ，Ｄと、所定期間（例えば、６０分間）においてワイパー装置が作動した時間の総和により算出される特徴量Ｅ，Ｆ，Ｇと、が含まれている。

【0030】

降水レベルを示す特徴量Ｂ，Ｃ，Ｄは、１０分間毎の集計間隔において１時間の間に計６個サンプリングされる。特徴量Ｂ，Ｃ，Ｄを短時間にサンプリングし、１時間の間のそれらの最大値と、ワイパー装置が作動した時間の１時間の間における総和を示す特徴量Ｅ，Ｆ，Ｇを利用することで強い降水を示す降水ピーク値を正確に捕捉することができる。

【0031】

特徴量Ｂ及び特徴量Ｅは、ユーザ位置を含む１ｋｍ四方の矩形領域において算出される。特徴量Ｃ及び特徴量Ｆは、ユーザ位置から所定方向に５ｋｍ離間した地点を含む１ｋｍ四方の矩形の領域５Ｒｍ（図２参照）において算出される。特徴量Ｄ及び特徴量Ｇは、ユーザ位置から所定方向に１０ｋｍ離間した地点を含む１ｋｍ四方の矩形の領域１０Ｒｍ（図２参照）において算出される。

【0032】

降水レベルを示す上記特徴量は、第１領域Ｒａにおいて、ユーザ位置を含む領域Ｒｍの１ｋｍ四方だけでなく、領域Ｒｍを中心とした４方位において離間した領域５Ｒｍ，１０Ｒｍも算出される。特徴量の算出の根拠となるサンプリング地点を方向に応じて広域化するほど、データを収集可能な車両Ｍｎの台数が増加する。また、方向に応じたサンプリングをすることで、降水傾向を捕捉することができる。

【0033】

演算部１２は、例えば、ワイパー装置の稼働状態を示すワイパー作動台数割合を算出する。ワイパー作動台数割合には、所定期間（例えば、１０分間）毎においてワイパー装置が作動した車両Ｍｎの最大台数により算出される特徴量Ｈ，Ｉ，Ｊと、所定期間（例えば、６０分間）においてワイパー装置が作動した車両Ｍｎの台数の総和により算出される特徴量Ｋ，Ｌ，Ｍと、が含まれている。

【0034】

例えば、全ての車両Ｍｎが走行時間の１０％をワイパー速度（例：５０回／分）で作動させていた場合、ワイパー作動時間割合の特徴量は、１０％と算出される。この場合、全ての車両Ｍｎが６０分間においてワイパー装置が作動したので、ワイパー作動台数割合の特徴量は、１００％と算出される。

【0035】

特徴量の算出において、ワイパー装置ＭＮの作動頻度回数ではなく作動割合［％］を算出ことで、計算対象となる領域内に存在する車両Ｍｎの走行台数の違いによって生じる算出値のばらつきを抑制することができる。ワイパー作動時間割合に関する特徴量を算出することにより、強い降水を捕捉しやすくすることができる。特徴量の算出において、「時間」の観点に加えて、「台数」の観点も用いることで、強い降水を捕捉しやすくすることができる。

【0036】

演算部１２は、例えば、観測対象領域ＲＸに含まれる第１領域Ｒａに隣接する第２領域Ｒｂから取得される第２検出データに基づいて、第２特徴量Ｔｂ（特徴量Ｎ～Ｙ）を生成する。第２領域Ｒｂは、例えば、第１領域Ｒａに隣接する周辺地点を含む複数のデータ収集領域により設定されている。複数のデータ収集領域は、例えば、ユーザ位置から所定距離離間した周辺地点を含む１ｋｍ四方の矩形領域により設定されている。周辺地点は、例えば、ユーザ位置から所定方向に１０ｋｍ離間した地点と、ユーザ位置から２０ｋｍ離間した地点と、ユーザ位置から所定方向に３０ｋｍ離間した地点と、を含んでいる。

【0037】

降水レベルを示す上記特徴量は、第２領域Ｒｂにおいて、領域Ｒｍを中心とした４方位において離間した領域１０Ｒｍ，２０Ｒｍ，３０Ｒｍが算出される。特徴量の算出の根拠となるサンプリング地点を方向に応じて広域化するほど、データを収集可能な車両Ｍｎの台数が増加する。また、領域Ｒｍに対して方向に応じたサンプリングをすることで、降水傾向を捕捉することができる。

【0038】

演算部１２は、例えば、ユーザ位置から第２領域Ｒｂの第２検出データを収集する。演算部１２は、第１所定期間ｔ１に比して過去の第２所定期間ｔ２における第２領域Ｒｂの第２検出データを取得する。第２所定期間ｔ２は、例えば、第１所定期間ｔ１の開始時刻から過去の１時間である。演算部１２は、例えば、第２領域Ｒｂにおいて取得した第２検出データに基づいて、４方位方向における特徴量Ｎ～Ｙをそれぞれ生成する。演算部１２は、例えば、車両に設けられたワイパー装置の稼働状態を示すワイパー稼働データに基づいて特徴量Ｎ～Ｙを生成する。

【0039】

演算部１２は、例えば、ワイパー装置ＭＮの稼働状態を示すワイパー作動時間割合を算出する。ワイパー作動時間割合には、所定期間（例えば、１０分間）毎においてワイパー装置ＭＮが作動した最大時間により算出される特徴量Ｎ，Ｏ，Ｐと、所定期間（例えば、６０分間）においてワイパー装置ＭＮが作動した時間の総和により算出される特徴量Ｑ，Ｒ，Ｓと、が含まれている。

【0040】

特徴量Ｎ及び特徴量Ｑは、ユーザ位置から１０ｋｍ離間した地点を含む１ｋｍ四方の矩形の領域１０Ｒｍ（図２参照）において算出される。特徴量Ｏ及び特徴量Ｒは、ユーザ位置から２０ｋｍ離間した地点を含む１ｋｍ四方の矩形の領域２０Ｒｍ（図２参照）において算出される。特徴量Ｐ及び特徴量Ｓは、ユーザ位置から３０ｋｍ離間した地点を含む１ｋｍ四方の矩形の領域３０Ｒｍ（図２参照）において算出される。

【0041】

演算部１２は、例えば、ワイパー装置ＭＮの稼働状態を示すワイパー作動台数割合を算出する。ワイパー作動台数割合には、所定期間（例えば、１０分間）毎においてワイパー装置が作動した車両Ｍｎの最大台数により算出される特徴量Ｔ，Ｕ，Ｖと、所定期間（例えば、６０分間）においてワイパー装置が作動した車両Ｍｎの台数の総和により算出される特徴量Ｗ，Ｘ，Ｙと、が含まれている。演算部１２は、第１特徴量Ｔａ及び第２特徴量Ｔｂを含む特徴量をユーザ位置から４方位において算出する。

【0042】

上述したようにユーザ位置を含む第１領域Ｒａにおける第１特徴量Ｔａは、直近の第１所定期間ｔ１において算出される。ユーザ位置から遠方の第２領域Ｒｂにおける第２特徴量Ｔｂは、第１所定期間ｔ１に比して過去の第２所定期間ｔ２において算出される。演算部１２は、算出した第１特徴量及び第２特徴量を、予め設定された降水量推定モデルに入力し、観測対象領域ＲＸに含まれる第１領域Ｒａにおける現在から将来における降水量を算出する。

【0043】

降水量推定モデルは、例えば、複数の特徴量を変数としてユーザ位置を含む領域Ｒｍの降水量の推定値を算出する多項式の非線形回帰式により設定されている。非線形回帰式は、降水量を算出可能な関数に任意に設定される。降水量とワイパー装置ＭＮの稼働状態に関する特徴量との関係は、線形的な関係から徐々に曲線的な関係に変化する。従って、非線形回帰を用いた降水量推定モデルは、強い降水レベルと弱い降水レベルとの異なる傾向をより正確に再現可能となる。

【0044】

降水量推定モデルにおいて、複数の特徴量からなる多項式に対応する複数のパラメータは、演算部１２において予め行われる機械学習に基づいて設定されている。演算部１２は、例えば、ニューラルネットワークを用いたディープラーニングによる機械学習を繰り返し実行する。

【0045】

演算部１２は、過去の検出データに基づいて算出された特徴量を教師データとして用い、特徴量に基づいて降水量の推定値を算出する機械学習を繰り返し実行することにより降水量推定モデルに設定されているパラメータを調整する。パラメータを調整した降水量推定モデルに、検出データを用いて算出された特徴量を入力することにより、降水量の推定値が算出される。パラメータを調整した降水量推定モデルは、コンピュータプログラムとして記憶部１４に記憶される。演算部１２は、検出データを用いて算出された特徴量を降水量推定モデルに入力することで任意の地点における降水量を算出する。

【0046】

演算部１２は、観測対象領域ＲＸに存在する複数の車両Ｍｎにより検出された、降水に関連する検出データを取得する。演算部１２は、検出データに基づいて、観測対象領域ＲＸに含まれる所定の領域の現在から将来における降水量を算出する。

【0047】

演算部１２は、例えば、第１領域Ｒａから取得される第１検出データに基づいて、現在に比して過去の第１所定期間ｔ１における複数の第１特徴量Ｔａを算出する。演算部１２は、例えば、第１領域Ｒａに隣接する第２領域Ｒｂにおいて取得される第２検出データに基づいて、第２領域Ｒｂにおける前記第１所定期間に比して過去の第２所定期間ｔ２における第２特徴量Ｔｂを算出する。演算部１２は、検出データのうち車両Ｍｎに設けられたワイパー装置ＭＮの稼働状態を示すワイパー稼働データに基づいて、ワイパー装置ＭＮが稼働した時間割合に関する第１特徴量Ｔａと、ワイパー装置が稼働した台数割合に関する第２特徴量Ｔｂと、を含む特徴量を算出する。

【0048】

演算部１２は、第１特徴量Ｔａと第２特徴量Ｔｂとを変数とする降水量推定モデルを用いて領域Ｒｍにおける現在の降水量を算出する。演算部１２は、降水量に応じて設定された降水レベルと降水量の算出値を比較して、領域Ｒｍにおける降水レベルを算出する。演算部１２は、例えば、予め設定された基準となる降水量との比較結果に基づいて、以下の３段階の降水レベルを判定する。

【0049】

演算部１２は、降水量が予め設定された第１降水量Ｖ１（例えば、２０ｍｍ／ｈ）以上である場合、「強い降水レベル（Ｈｉｇｈ）」であると判定する。強い降水レベルは、注意が必要な基準（例えば、２０ｍｍ／ｈ）以上の降水量以上に設定されている。基準は、任意の降水量に設定される。演算部１２は、降水量が第１降水量Ｖ１未満であり、且つ、予め設定された第２降水量Ｖ２（例えば、１ｍｍ／ｈ）以上である場合、「弱い降水レベル（Ｍｉｄ）」であると判定する。演算部１２は、降水量が第２降水量Ｖ２（１ｍｍ／ｈ）未満である場合、「降水無し（Ｌｏｗ）」であると判定する。

【0050】

演算部１２は、ユーザ位置を含む領域Ｒｍにおける降水レベルだけでなく、上記と同様の演算処理を繰り返し実行することにより、観測対象領域ＲＸにおける他の全ての領域Ｒｍにおける降水レベルを算出してもよい。演算部１２は、観測対象領域ＲＸにおいて他の全ての領域Ｒｍを必ずしも算出しなくてもよく、観測対象領域ＲＸを任意の大きさの矩形領域に含まれる一つの領域Ｒｍを代表値として算出し、任意の大きさの矩形領域により分割された観測対象領域ＲＸのマッピングデータを生成してもよい。

【0051】

図５に示されるように、演算部１２は、観測対象領域ＲＸにおいて領域Ｒｍ毎に降水レベルをマッピングしたマッピングデータＰＰを生成してもよい。図示するように、マッピングデータＰＰにおいて、現在の強い降水レベル（Ｈｉｇｈ）の領域の分布と、弱い降水レベル（Ｍｉｄ）の領域の分布と、降水無し（Ｌｏｗ）の領域の分布が示されている。

【0052】

降水量推定モデルは、過去の検出データに基づいて機械学習を繰り返し実行することにより、現在の降水量だけでなく、将来の降水量を算出するように設定されていてもよい。従って、演算部１２は、降水量推定モデルに基づいて、領域Ｒｍにおける過去及び将来の降水レベルを算出してもよい。演算部１２は、例えば、ユーザ位置を含む領域Ｒｍにおける所定時間前の降水量、現在の降水量、所定時間後の降水量を算出してもよい。演算部１２は、任意の時間間隔において過去、現在、将来の降水量を算出してもよい。演算部１２は、蓄積された検出データを用いて所定のタイミングにおいて降水レベル推定モデルを更新してもよい。

【0053】

一般的に、強い降水現象は、雨雲の移動に連動して遠方から大きな塊となって移動してくる場合が多い。従って、第１所定期間ｔ１において第１特徴量Ｔａを算出することに加えて、第２所定期間ｔ２において第２特徴量Ｔｂを算出することで降水が移動する傾向を算出することができる。

【0054】

演算部１２は、生成したマッピングデータに基づいて、観測対象領域ＲＸのうち降水量が基準以上である強い降水レベルとなる領域Ｒｍを抽出し、領域Ｒｍに存在するユーザに降水量に関する情報を提供してもよい。演算部１２は、ネットワークＮＷを介して、抽出された領域Ｒｍ内のユーザが搭乗している車両Ｍｎの報知部ＭＬに、強い降水レベルである旨の所定の情報を報知させてもよい。演算部１２は、生成したマッピングデータに基づいて、将来的な所定時間の間に強い降水レベルとなる領域Ｒｍを抽出し、領域Ｒｍに存在するユーザに降水量に関する情報を提供してもよい。将来的な所定時間は、任意に設定されてもよい。

【0055】

車両Ｍｎは、提供された所定の情報に基づいて、降雨に対応する走行制御を行ってもよい。降雨に対応する走行制御は、自動運転に基づいて走行する車両Ｍｎに適用されてもよい。降雨に対応する走行制御は、手動運転に基づいて走行する車両Ｍｎの走行支援であってもよい。演算部１２は、ネットワークＮＷを介して、ユーザの端末装置２０の表示部２６に第１降水レベルに関する所定の情報を表示させてもよい。

【0056】

表示部２６には、例えば、強い降水レベルの降雨の状態に関する情報や強い降水レベルの降雨が接近している旨の情報が表示される。ユーザの端末装置２０は、必ずしも抽出された領域Ｒｍ内に存在していなくてもよい。ユーザは、降水レベルの情報を提供されるサービスの利用者であればよい。

【0057】

図７には、降水レベル推定システム１において実行される降水レベル推定方法の処置の流れがフローチャートにより示されている。降水レベル推定方法は、降水レベル推定システム１を構成するコンピュータにインストールされたプログラムに基づいて処理される。プログラムは、コンピュータに降水レベル推定方法に係る以下の各ステップを実行させる。

【0058】

演算部１２は、観測対象領域に存在する複数の車両により検出された降水に関連する検出データを取得する（ステップＳ１００）。演算部１２は、観測対象領域ＲＸに含まれる第１領域Ｒａから取得される第１検出データに基づいて、現在に比して過去の第１所定期間における第１特徴量を算出する（ステップＳ１０２）。演算部１２は、第１領域Ｒａに隣接する第２領域Ｒｂにおいて取得される第２検出データに基づいて、第２領域Ｒｂにおける第１所定期間ｔ１に比して過去の第２所定期間ｔ２における第２特徴量を算出する（ステップＳ１０４）。

【0059】

演算部１２は、第１特徴量Ｔａと第２特徴量Ｔｂとを変数とする降水量推定モデルを用いて観測対象領域ＲＸに含まれる所定の領域Ｒｍにおける降水量を算出する（ステップＳ１０６）。演算部１２は、降水量が第１降水量Ｖ１以上か否かを判定する（ステップＳ１０８）。演算部１２は、降水量が第１降水量Ｖ１以上である場合、「強い降水レベル」であると判定する（ステップＳ１１０）。

【0060】

演算部１２は、降水量が第１降水量Ｖ１未満である場合、降水量が第２降水量Ｖ２以上か否かを判定する（ステップＳ１１２）。演算部１２は、降水量が第２降水量Ｖ２以上である場合、「弱い降水レベル」であると判定する（ステップＳ１１４）。演算部１２は、降水量が第２降水量Ｖ２未満である場合、「降水無し」と判定する（ステップＳ１１６）。演算部１２は、強い降水レベルとなる領域に存在するユーザに降水レベルに関する情報を提供する（ステップＳ１１８）。

【0061】

上述したように降水レベル推定システム１によれば、ワイパー装置ＭＮの稼働状態に関する検出データに基づいて複数の特徴量を算出することにより、降水レベルの推定を正確に行うことができる。降水レベル推定システム１によれば、機械学習に基づいてパラメータを調整した降水量推定モデルに複数の特徴量を入力することにより、降水レベルの推定を正確に行うことができる。降水レベル推定システム１によれば、降水量推定モデルに非線形回帰を用いることにより、降水レベルの推定を正確に行うことができる。

【0062】

上述した実施形態において、特徴量は、ワイパー装置ＭＮの稼働状態のデータに基づいて算出した。特徴量は、ワイパー装置ＭＮの検出データだけでなく、レインセンサＭＥの検出データ、カメラＭＣによる車両Ｍｎの周囲環境の撮像データ、ライダー装置ＭＤにより検出された検出データに基づいて算出されてもよい。特徴量は、カメラＭＣにより降雨の状況が撮像された撮像データに基づいて演算部１２が機械学習を繰り返し実行することにより算出されてもよい。

【0063】

特徴量は、レインセンサＭＥにより検出された降雨の検出データに基づいて演算部１２が機械学習を繰り返し実行することにより算出されてもよい。ライダー装置ＭＤの検出データは、降雨の発生により劣化が生じるため、特徴量は、ライダー装置ＭＤの検出データに基づいて演算部１２が機械学習を繰り返し実行することにより算出されてもよい。特徴量は、ワイパー装置ＭＮ、カメラＭＣ、レインセンサＭＥ、ライダー装置ＭＤの検出データうち１つ以上の組み合わせにより算出されてもよい。特徴量は、降水に関連する検出データが検出できればどのようなものを用いて算出されてもよい。

【0064】

降水レベル推定システム１の各構成において実行されるコンピュータプログラムは、半導体メモリ、磁気記録媒体または光記録媒体といった、コンピュータ読取可能な可搬性の記録媒体に記録された形で提供されてもよい。

【符号の説明】

【0065】

１ 降水レベル推定システム、１０ サーバ装置、１２ 演算部、１４ 記憶部、１６ 通信部、２０ 端末装置、２２ 制御部、２４ 記憶部、２６ 表示部、２８ 通信部、ＭＣ カメラ、ＭＤ ライダー装置、ＭＥ レインセンサ、ＭＧ 位置センサ、ＭＬ 報知部、Ｍｎ 車両、ＭＮ ワイパー装置、ＭＰ 制御部、ＭＳ 検出部、ＭＵ 通信部、ＮＷ ネットワーク、ＰＰ マッピングデータ、Ｒａ 第１領域、Ｒｂ 第２領域、Ｒｍ 領域、ＲＸ 観測対象領域

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】