特許 7284049 冠水検知装置、冠水検知システム、及び冠水検知プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2023-05-22

(45)【発行日】2023-05-30

(54)【発明の名称】冠水検知装置、冠水検知システム、及び冠水検知プログラム

(51)【国際特許分類】

   G08G 1/00 20060101AFI20230523BHJP

   G08G 1/13 20060101ALI20230523BHJP

   G01W 1/00 20060101ALN20230523BHJP

【ＦＩ】

G08G1/00 J

G08G1/13

G01W1/00 J

【請求項の数】 7

(21)【出願番号】P 2019167664

(22)【出願日】2019-09-13

(65)【公開番号】P2021043910

(43)【公開日】2021-03-18

【審査請求日】2021-09-17

(73)【特許権者】

【識別番号】000003207

【氏名又は名称】トヨタ自動車株式会社

(73)【特許権者】

【識別番号】595168749

【氏名又は名称】株式会社ウェザーニューズ

(74)【代理人】

【識別番号】100084995

【弁理士】

【氏名又は名称】加藤 和詳

(74)【代理人】

【識別番号】100099025

【弁理士】

【氏名又は名称】福田 浩志

(72)【発明者】

【氏名】石原 直樹

(72)【発明者】

【氏名】河合 英紀

(72)【発明者】

【氏名】山部 尚孝

(72)【発明者】

【氏名】西 祐一郎

(72)【発明者】

【氏名】矢野 裕幸

【審査官】田中 将一

(56)【参考文献】

【文献】特開２０１７－０２４４６０（ＪＰ，Ａ）

【文献】特開２００３－１６１６２８（ＪＰ，Ａ）

【文献】特開２０１５－２０７１０６（ＪＰ，Ａ）

【文献】特開２０１１－１８５８３８（ＪＰ，Ａ）

【文献】特開２０１６－１０３２６７（ＪＰ，Ａ）

【文献】特開２００７－０５１９７４（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０８Ｇ １／００ － ９９／００

(57)【特許請求の範囲】

【請求項1】

車速を含む車両の走行に関する複数種類の走行状態データと、複数の車両から収集した前記走行状態データを用いて予め導出した、車速を求める車種毎の車両挙動モデルと、に基づいて、前記車両が走行する道路の冠水を検知した検知結果を取得する検知結果取得部と、
前記車両が走行する地域の降雨実績量を表す降雨情報を含む気象情報を取得する気象情報取得部と、
前記検知結果取得部及び前記気象情報取得部の各々の取得結果を用いて、冠水が検知された位置で予め定めた閾値以上の降雨実績量がある位置を前記道路の冠水ポイントとして検出する検出部と、
を含む冠水検知装置。

【請求項2】

ソーシャル・ネットワーキング・サービスの投稿情報を収集する収集部を更に含み、
前記検出部が、前記検知結果取得部及び前記気象情報取得部の各々の取得結果と、前記収集部の収集結果とを用いて、冠水が検知された位置で予め定めた閾値以上の降雨実績量がある位置、及び前記投稿情報がある冠水が検知された位置の少なくとも一方を前記冠水ポイントとして検出する請求項１に記載の冠水検知装置。

【請求項3】

前記走行状態データと、予め導出した車種毎の車両挙動モデルとに基づいて、前記車両が走行する道路の冠水を検知する検知部を更に含み、前記検知結果取得部が前記検知部から前記検知結果を取得する請求項１又は請求項２に記載の冠水検知装置。

【請求項4】

前記検知結果取得部は、前記走行状態データと、予め導出した車種毎の車両挙動モデルとに基づいて、前記車両が走行する道路の冠水を検知する検知部を備えた車両から前記検知結果を取得する請求項１又は請求項２に記載の冠水検知装置。

【請求項5】

前記気象情報は、降雨予測量を表す降雨予測情報を更に含み、
前記検出部によって検出された前記冠水ポイントを、前記検出部による冠水の検出時に用いられた前記気象情報と共に記録する記録部と、
前記気象情報取得部が取得した前記降雨予測情報が表す降雨予測量と、前記記録部に記録された前記冠水ポイントにおける前記降雨情報が表す降雨実績量とを用いて、前記記録部に記録された前記冠水ポイントの冠水を予測する冠水予測部と、を更に含む請求項１～４の何れか１項に記載の冠水検知装置。

【請求項6】

車両の走行に関する複数種類の走行状態データを検出する走行検出部と、
前記走行検出部が検出した前記複数種類の走行状態データを複数の前記車両から取得する取得部と、
車速を求める車種毎の車両挙動モデルを、前記取得部が複数の前記車両から予め取得した前記複数種類の走行状態データと、予め定めた学習モデルとを用いて導出する導出部と、
前記導出部が導出した前記車両挙動モデルと、予め定めた注目車両から前記取得部が取得した現在の前記複数種類の走行状態データとを用いて予測した前記車速と、前記注目車両から前記取得部が取得した現在の前記走行状態データから得られる前記車速とを用いて、前記注目車両が走行する道路の冠水を検知する検知部と、
前記車両が走行する地域の降雨実績量を表す降雨情報を含む気象情報を取得する気象情報取得部と、
前記検知部の検知結果及び前記気象情報取得部の取得結果の各々を用いて、冠水が検知された位置で予め定めた閾値以上の降雨実績量がある位置を前記道路の冠水ポイントとして検出する検出部と、
を含む冠水検知システム。

【請求項7】

コンピュータを、請求項１～５の何れか１項に記載の冠水検知装置の各部として機能させるための冠水検知プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、冠水検知装置、冠水検知システム、及び冠水検知プログラムに関する。

【背景技術】

【0002】

大量の降雨や他の場所に降った雨水などが流入することにより、道路が冠水することがある。このような道路の冠水を検知する技術としては、例えば、特許文献１、２の技術が提案されている。

【0003】

特許文献１では、車両に液状有体物の存在を検知可能に構成された冠水センサを備えて道路の冠水を検知し、センタサーバに検知結果を送信し、他の車両に通過不能な冠水を通らないルートを設定して迂回ルートの案内を行うことが提案されている。

【0004】

特許文献２では、車両のワイパの拭き取り速度と動作時間とに基づいて、車両が走行している位置の降雨量を予測し、他車からの予測降雨量を基に、走行ルートに冠水が発生するか否かを予測することが提案されている。

【先行技術文献】

【特許文献】

【0005】

【文献】特開２００４－３４１７９５号公報

【文献】特開２０１２－２１６１０３号公報

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかしながら、特許文献１の技術では、冠水センサが必要であり、より簡易に冠水を判定するためには改善の余地がある。

【0007】

また、特許文献２の技術では、降雨量が同じでも全ての運転者が同じワイパ速度で作動させるとは限らず、冠水を正確に検出するためには改善の余地がある。

【0008】

本発明は、上記事実を考慮して成されたもので、簡易かつ高精度に道路の冠水を検出可能な冠水検知装置、冠水検知システム、及び冠水検知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】

【0009】

上記目的を達成するために請求項１に記載の冠水検知装置は、車速を含む車両の走行に関する複数種類の走行状態データと、複数の車両から収集した前記走行状態データを用いて予め導出した、車速を求める車種毎の車両挙動モデルと、に基づいて、前記車両が走行する道路の冠水を検知した検知結果を取得する検知結果取得部と、前記車両が走行する地域の降雨実績量を表す降雨情報を含む気象情報を取得する気象情報取得部と、前記検知結果取得部及び前記気象情報取得部の各々の取得結果を用いて、冠水が検知された位置で予め定めた閾値以上の降雨実績量がある位置を前記道路の冠水ポイントとして検出する検出部と、を含む。

【0010】

請求項１に記載の発明によれば、検知結果取得部では、車両の走行に関する複数種類の走行状態データと、複数の車両から収集した前記走行状態データを用いて予め導出した、車速を求める車種毎の車両挙動モデルと、に基づいて、車両が走行する道路の冠水を検知した検知結果が取得される。

【0011】

気象情報取得部では、車両が走行する地域の降雨実績量を表す降雨情報、及び降雨予測情報の少なくとも一方を含む気象情報が取得される。

【0012】

そして、検出部では、検知結果取得部及び気象情報取得部の各々の取得結果を用いて、冠水が検知された位置で予め定めた閾値以上の降雨実績量がある位置を道路の冠水ポイントとして検出される。これにより、冠水検知センサを用いることなく、冠水を容易に検知することができると共に、高精度に道路の冠水を検出することが可能となる。

【0013】

なお、請求項２に記載の発明のように、ソーシャル・ネットワーキング・サービスの投稿情報を収集する収集部を更に含み、検出部が、検知結果取得部及び気象情報取得部の各々の取得結果と、収集部の収集結果とを用いて、冠水が検知された位置で予め定めた閾値以上の降雨実績がある位置、及び投稿情報がある冠水が検知された位置の少なくとも一方を冠水ポイントとして検出してもよい。これにより、道路の冠水の検出精度を更に向上することが可能となる。

【0014】

また、請求項３に記載の発明のように、走行状態データと、予め導出した車種毎の車両挙動モデルとに基づいて、車両が走行する道路の冠水を検知する検知部を更に含み、検知結果取得部が検知部から検知結果を取得してもよい。

【0015】

また、請求項４に記載の発明のように、検知結果取得部は、走行状態データと、予め導出した車種毎の車両挙動モデルとに基づいて、車両が走行する道路の冠水を検知する検知部を備えた車両から検知結果を取得してもよい。

【0016】

また、請求項５に記載の発明のように、気象情報は、降雨予測量を表す降雨予測情報を更に含み、検出部によって検出された冠水ポイントを、検出部による冠水の検出時に用いられた気象情報と共に記録する記録部と、気象情報取得部が取得した降雨予測情報が表す降雨予測量と、記録部に記録された冠水ポイントにおける降雨情報が表す降雨実績量とを用いて、記録部に記録された冠水ポイントの冠水を予測する冠水予測部と、を更に含んでもよい。

【0017】

一方、請求項６に記載の冠水検知システムは、車両の走行に関する複数種類の走行状態データを検出する走行検出部と、前記走行検出部が検出した前記複数種類の走行状態データを複数の前記車両から取得する取得部と、車速を求める車種毎の車両挙動モデルを、前記取得部が複数の前記車両から予め取得した前記複数種類の走行状態データと、予め定めた学習モデルとを用いて導出する導出部と、前記導出部が導出した前記車両挙動モデルと、予め定めた注目車両から前記取得部が取得した現在の前記複数種類の走行状態データとを用いて予測した前記車速と、前記注目車両から前記取得部が取得した現在の前記走行状態データから得られる前記車速とを用いて、前記注目車両が走行する道路の冠水を検知する検知部と、前記車両が走行する地域の降雨実績量を表す降雨情報を含む気象情報を取得する気象情報取得部と、前記検知部の検知結果及び前記気象情報取得部の取得結果の各々を用いて、冠水が検知された位置で予め定めた閾値以上の降雨実績量がある位置を前記道路の冠水ポイントとして検出する検出部と、を含む。

【0018】

請求項６に記載の発明によれば、検出部では、車両の走行に関する複数種類の走行状態データが検出される。

【0019】

取得部では、検出部が検出した複数種類の走行状態データが複数の車両から取得される。

【0020】

導出部では、車速を求める車種毎の車両挙動モデルが、取得部が複数の車両から予め取得した複数種類の走行状態データと、予め定めた学習モデルとを用いて導出される。

【0021】

検知部では、導出部が導出した車両挙動モデルと、予め定めた注目車両から取得部が取得した現在の複数種類の走行状態データとを用いて予測した車速と、注目車両から取得部が取得した現在の走行状態データから得られる車速とを用いて、注目車両が走行する道路の冠水が検知される。

【0022】

気象情報取得部では、車両が走行する地域の降雨実績量を表す降雨情報を含む気象情報が取得される。

【0023】

そして、検出部では、検知部の検知結果及び気象情報取得部の取得結果の各々を用いて、冠水が検知された位置で予め定めた閾値以上の降雨実績がある位置を道路の冠水ポイントとして検出される。これにより、冠水検知センサを用いることなく、冠水を容易に検知することができる。また、走行状態データだけではなく気象情報を加味して冠水を検出するので、高精度に道路の冠水を検出することが可能となる。

【0024】

なお、コンピュータを、請求項１～６の何れか１項に記載の冠水検知装置の各部として機能させるための冠水検知プログラムとしてもよい。

【発明の効果】

【0025】

以上説明したように本発明によれば、簡易かつ高精度に道路の冠水を判定可能な冠水検知装置を提供できる、という効果がある。

【図面の簡単な説明】

【0026】

【図1】本実施形態に係る冠水検知システムの概略構成を示すブロック図である。

【図2】車速の予測値と実測値を用いたエラー（冠水）判定の一例を説明するための図である。

【図3】車種とモデルの係数とを対応づけたテーブルの一例を示す図である。

【図4】本実施形態に係る冠水検知システムの冠水判定センタにおいて、車両挙動モデルを機械学習によって導出する際に中央処理部で行われる処理の流れの一例を示すフローチャートである。

【図5】本実施形態に係る冠水検知システムの冠水判定センタにおいて、冠水を判定する際に中央処理部で行われる処理の流れの一例を示すフローチャートである。

【図6】本実施形態に係る冠水検知システムにおいて、情報収集部が収集したＳＮＳの投稿情報や、気象データを用いて、中央処理部が行う冠水判定の精度を向上する処理の流れの一例を示すフローチャートである。

【図7】本実施形態に係る冠水検知システムの冠水予測部で行われる冠水予測処理の流れの一例を示すフローチャートである。

【図8】ＣＡＮデータによる冠水判定処理で冠水判定された位置において降雨実績がある場合、及び冠水報告を表すＳＮＳの投稿情報がある場合のそれぞれの場合に、冠水ポイントとして冠水ポイントデータベースに記録する場合の処理の流れの一例を示すフローチャートである。

【図9】ＣＡＮデータによる冠水判定処理で冠水判定された位置において降雨実績がある場合、及びＣＡＮデータによる冠水判定処理で冠水判定された位置における冠水報告を表すＳＮＳの投稿情報がある場合のそれぞれの場合に、冠水ポイントとして冠水ポイントデータベースに記録する場合の処理の流れの一例を示すフローチャートである。

【図10】ＣＡＮデータを用いた冠水判定を各車両に搭載された情報提供装置側で行う場合の冠水検知システムの構成例を示すブロック図である。

【図11】気象情報センタ６０が、気象データ、冠水検出情報、及びＳＮＳの投稿情報を収集して、冠水エリアマップを提供するサービスを行う例を示す図である。

【図12】車両挙動モデルの他の例を説明するための図である。

【発明を実施するための形態】

【0027】

以下、図面を参照して本発明の実施の形態の一例を詳細に説明する。図１は、本実施形態に係る冠水検知システムの概略構成を示すブロック図である。

【0028】

本実施形態に係る冠水検知システム１０は、複数の車両１２に搭載された情報提供装置１４、冠水判定センタ３６、気象情報センタ６０、及びＳＮＳ（ソーシャル・ネットワーキング・サービス）サーバ６２の各々が通信ネットワーク３４を介して接続されている。

【0029】

気象情報センタ６０は、気象に関する各種気象データを気象情報として通信ネットワーク３４に接続された装置に提供する。気象情報としては、例えば、場所毎の降雨実績量及び降雨予測量の少なくとも一方の気象データを含む。なお、以下の説明では、気象データは主に降雨実績量として説明するが、降雨実績量を検出できない地域等では、降雨予測量を用いてもよい。

【0030】

ＳＮＳサーバ６２は、予め登録されたユーザ間でコミュニケーションを取るサービスを提供する。例えば、ユーザが各種情報を投稿情報としてＳＮＳサーバ６２に投稿し合うことでユーザ間のコミュニケーションを取る。

【0031】

冠水判定センタ３６は、複数の車両１２に搭載された情報提供装置１４から車両１２の走行状態データをＣＡＮ（Controller Area Network）データとして収集すると共に、気象情報センタ６０から気象データを取得する。そして、収集したＣＡＮデータ、気象データ、及びＳＮＳの投稿情報等を用いて各車両１２が走行している道路の冠水を判定する処理を行う。また、冠水判定センタ３６は、冠水判定された冠水ポイントの履歴と気象データとを用いて冠水予測を行う。

【0032】

各車両１２に搭載された情報提供装置１４は、演算部１６、ＧＰＳ受信部１８、加速度センサ２０、表示部２２、車速センサ２４、通信部２６、勾配センサ２８、アクセルペダルセンサ３０、及びブレーキペダルセンサ３２を備えている。なお、加速度センサ２０、車速センサ２４、勾配センサ２８、アクセルペダルセンサ３０、及びブレーキペダルセンサ３２は、走行検出部に対応する。

【0033】

演算部１６は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、及びＲＡＭ（Random Access Memory）等を含む一般的なマイクロコンピュータで構成されている。

【0034】

ＧＰＳ受信部１８は、ＧＰＳ（Global Positioning System）衛星からの信号を受信して受信したＧＰＳ信号を演算部１６に出力する。これにより、演算部１６は、複数のＧＰＳ衛星からのＧＰＳ信号に基づいて、自車両１２の位置を測位する。

【0035】

加速度センサ２０は、自車両１２に加わる加速度を走行状態データとして検出し、検出結果を演算部１６に出力する。加速度は、車両１２の前後方向、幅方向、及び上下方向の各々の方向を検出してもよいが、車両１２の前後方向の加速度のみを検出してもよい。

【0036】

表示部２２は、冠水判定センタ３６によって冠水判定された冠水ポイントの情報（例えば、地図情報等）や、各種情報を表示する。

【0037】

車速センサ２４は、自車両１２の走行速度を走行状態データとして検出し、検出結果を演算部１６に出力する。

【0038】

通信部２６は、通信ネットワーク３４と無線通信を行うことにより、冠水判定センタ３６や、他の車両１２に搭載された情報提供装置１４と通信する。通信ネットワーク３４としては、例えば、携帯電話回線網等の無線通信回線網を含む。

【0039】

勾配センサ２８は、車両１２の傾きを検出することにより、車両１２が走行している勾配を走行状態データとして検出し、検出結果を演算部１６に出力する。勾配は、車両１２の前後方向の勾配のみを検出してもよいし、車幅方向の勾配も加えて検出してもよい。

【0040】

アクセルペダルセンサ３０は、アクセルペダルの踏み込み量を走行状態データとして検出し、検出結果を演算部１６に出力する。

【0041】

ブレーキペダルセンサ３２は、ブレーキペダルの操作状態を走行状態データとして検出し、検出結果を演算部１６に出力する。

【0042】

本実施形態では、走行状態データとして、加速度センサ２０、車速センサ２４、勾配センサ２８、アクセルペダルセンサ３０、及びブレーキペダルセンサ３２の検出結果を一例として検出する例を説明するが、これらに限るものではない。

【0043】

演算部１６は、各センサから取得した複数種類の走行状態データ及び車種を識別する車種ＩＤを、通信部２６及び通信ネットワーク３４を介して冠水判定センタ３６に送信する。

【0044】

一方、冠水判定センタ３６は、中央処理部３８、中央通信部４８、モデル記憶部５０、ＣＡＮデータベース５２、及び冠水ポイントデータベース５６を備えている。

【0045】

中央通信部４８は、通信ネットワーク３４と無線通信を行うことにより、各車両１２に搭載された情報提供装置１４と通信する。

【0046】

モデル記憶部５０は、車両１２が走行することにより変化する物理量（詳細は後述）を求める車両挙動モデルと、車種毎に設定された係数テーブルを記憶する。

【0047】

ＣＡＮデータベース５２は、各車両１２に搭載された情報提供装置１４から取得した走行状態データをＣＡＮデータとして記憶する。

【0048】

中央処理部３８は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、及びＲＡＭ（Random Access Memory）等を含む一般的なコンピュータで構成されている。中央処理部３８は、予測部４０、判定部４２、モデル更新部４６、情報収集部５４、及び冠水予測部４４の機能を有する。各機能は、ＲＯＭ等に記憶されたプログラムを実行することにより実現される。なお、中央処理部３８の各機能は、検知結果取得部、気象情報取得部、検出部、収集部、検知部、記録部、冠水予測部、取得部、及び導出部に相当し、詳細は後述する処理に対応する。

【0049】

情報収集部５４は、各種ＳＮＳサーバ６２を介してユーザ間でやり取りされるＳＮＳの投稿情報に含まれる冠水情報や、気象情報センタ６０が提供する気象データ等の情報を収集する。

【0050】

予測部４０は、モデル記憶部５０に予め記憶した車両挙動モデルを読み出し、車種ＩＤから車種を特定して、車種に対応する係数を選択して車両挙動モデルに適用することで車種毎の車両挙動モデルを導出する。そして、導出した車両挙動モデルにＣＡＮデータを代入することにより、物理量の予測値を算出する。本実施形態では、予測する物理量として車速を適用し、車速を求めるために予め導出した車両挙動モデルに、車種に対応する予め求めた係数を適用して、車速の予測値を算出する。なお、車速を求める車両挙動モデルの詳細については後述する。

【0051】

判定部４２は、予測部４０によって予測した車速と、情報提供装置１４から取得した実際の車速とを比較して、道路の冠水の有無を判定する。具体的には、予測値と実測値との差が予め定めた閾値以上の場合に冠水と判定することにより道路の冠水を検知する。例えば、図２に示すように、時間経過に対して、実測値と予測値が変化した場合には、実測値と予測値との差が予め定めた閾値以上の状態が所定時間（例えば、５秒以上）継続した区間で、判定部４２は、エラー（冠水）と判定する。さらに、判定部４２は、情報収集部５４が収集したＳＮＳの投稿情報や、気象データを用いて、ＣＡＮデータによる冠水判定の精度を向上する処理を行う。

【0052】

モデル更新部４６は、ＣＡＮデータベース５２に記憶されたＣＡＮデータを用いて車両挙動モデルの係数を機械学習によって導出し、モデル記憶部５０に記憶すると共に、随時モデルの係数テーブルを更新する。

【0053】

続いて、上述の車速を求める車両挙動モデルの一例について詳細に説明する。本実施形態では、運動方程式を用いて物理量として車速を求める車両挙動モデルを導出する。

【0054】

まず、運動方程式は、以下の（１）式で表せる。

【0055】

Ｍ×（ｄｖ/ｄｔ）＝Ｆ ・・・（１）

【0056】

なお、Ｍは車両重量、ｄｖ/ｄｔは加速度、Ｆは車両１２が前に進む力である。

【0057】

ここで、ｄｖ/ｄｔは近似的に以下の（２）式で表せる。

【0058】

ｄｖ/ｄｔ＝（ｖ（ｔ＋Δｔ）－ｖ（ｔ））／Δｔ ・・・（２）

【0059】

なお、ｖ（ｔ＋Δｔ）はΔｔ秒後の車速（予測した車速）、ｔは時間、ｖ（ｔ）は現在の時刻の車速である。

【0060】

（２）式を（１）式に代入すると、以下の（３）式が得られる。

【0061】

Ｍ×（ｖ（ｔ＋Δｔ）－ｖ（ｔ））／Δｔ＝Ｆ ・・・（３）

【0062】

ｖ（ｔ＋Δｔ）について整理すると、以下の（４）式となる。

【0063】

ｖ（ｔ＋Δｔ）＝ｖ（ｔ）＋（Ｆ／Ｍ）×Δｔ ・・・（４）

【0064】

ここで、Ｆの項は、Ｆ＝Ｆ１（車両１２の駆動力）－Ｆ２（車両１２が受ける抵抗）であるが、ＣＡＮデータを用いると、

【0065】

Ｆ１＝Ｃ1×Ｒ ・・・（５）

【0066】

なお、Ｃ1は係数、Ｒはアクセル踏込み量であり、ＣＡＮデータから得られる。

【0067】

Ｆ２＝空気抵抗＋勾配抵抗＋転がり抵抗＋加速抵抗 ・・・（６）

【0068】

空気抵抗＝Ｃ21×ｖ（ｔ）^２

【0069】

勾配抵抗＝Ｃ22×sinθ

【0070】

転がり抵抗＝Ｃ23×ｖ（ｔ）

【0071】

加速抵抗＝Ｃ24×ａ（ｔ）

【0072】

なお、Ｃ21、Ｃ22、Ｃ23、Ｃ24は係数、θは路面勾配、ｖ（ｔ）は車速、ａ（ｔ）は加速度であり、ＣＡＮデータから得られる。

【0073】

（５）式及び（６）式を（４）式に代入して、下記の重回帰式を車両挙動モデルとして得ることができる。

【0074】

ｖ（ｔ＋Δｔ）＝ｖ（ｔ）＋｛Ｃ1×Ｒ－（Ｃ21×ｖ（ｔ）^２＋Ｃ22×sinθ＋Ｃ23×ｖ（ｔ）＋Ｃ24×ａ（ｔ））｝×（Δｔ／Ｍ） ・・・（７）

【0075】

各係数は、複数の車両１２から収集してＣＡＮデータベースに記憶された大量のＣＡＮデータを用いて、重回帰分析の学習モデルにより求めて係数テーブルとしてモデル記憶部５０に記憶する。また、ＣＡＮデータを新たに取得する毎に、モデル記憶部５０に記憶された係数を更新する。また、車種毎に係数が異なるため、車種毎に係数を求めて更新する。例えば、モデル記憶部５０に記憶する係数は、図３に示すように、車種とモデルの係数とを対応づけてテーブルとして記憶する。

【0076】

続いて、上述のように構成された本実施形態に係る冠水検知システム１０において、冠水判定センタ３６において中央処理部３８が車両挙動モデルを導出する際の処理について説明する。図４は、本実施形態に係る冠水検知システム１０の冠水判定センタ３６において、車両挙動モデルを機械学習によって導出する際に中央処理部３８で行われる処理の流れの一例を示すフローチャートである。なお、図４の処理は、車両挙動モデルの初期の係数を導出する際に行われると共に、ＣＡＮデータベース５２にＣＡＮデータが収集される毎に行われる。

【0077】

ステップ１００では、モデル更新部４６が、中央通信部４８を介してＣＡＮデータベース５２に収集した走行状態データとしてのＣＡＮデータを取得してステップ１０２へ移行する。なお、ステップ１００は取得部に相当する。

【0078】

ステップ１０２では、モデル更新部４６が、取得したＣＡＮデータの前処理を行ってステップ１０４へ移行する。前処理としては、例えば、日時及び車種毎にＣＡＮデータをソートし、時間毎及び車種毎に分類する。また、ＣＡＮデータ毎に、時間を統一してデータの欠損に対して補間等の処理を行ってもよい。

【0079】

ステップ１０４では、モデル更新部４６が、モデル式を決定し、モデル記憶部５０に記憶して一連の処理を終了する。すなわち、ＣＡＮデータを用いて上述の車両挙動モデルとしての重回帰式の各係数を機械学習により導出してモデル記憶部５０に記憶する。既に各係数が記憶されている場合には、各係数を更新する。なお、ステップ１０４は導出部に相当する。

【0080】

次に、冠水判定センタ３６において中央処理部３８が各車両１２からのＣＡＮデータに基づいて冠水を判定する際に行われる処理について説明する。図５は、本実施形態に係る冠水検知システム１０の冠水判定センタ３６において、冠水を判定する際に中央処理部３８で行われる処理の流れの一例を示すフローチャートである。なお、図５の処理は、後述する冠水判定の精度を向上する処理中に行われるものとする。

【0081】

ステップ２００では、中央処理部３８が、中央通信部４８及び通信ネットワーク３４を介して情報提供装置１４からＣＡＮデータを取得してステップ２０２へ移行する。なお、ステップ２００は取得部に相当し、以降のステップ２０２～２１０の処理が検知部に相当する。

【0082】

ステップ２０２では、予測部４０が、取得したＣＡＮデータと車両挙動モデルとを用いて車速の予測値を算出してステップ２０４へ移行する。すなわち、モデル記憶部５０に記憶した車両挙動モデルを読み出して、車種ＩＤから車種を特定して車種に対応する係数を選択して車両挙動モデルに適用する。そして、取得したＣＡＮデータを車両挙動モデルに代入することで、車速の予測値を算出する。

【0083】

ステップ２０４では、判定部４２が、車速の予測値と、情報提供装置１４から取得した実際のＣＡＮデータの車速の実測値とを比較してステップ２０６へ移行する。

【0084】

ステップ２０６では、判定部４２が、予測値と実測値との差が予め定めた閾値以上であるか否かを判定する。該判定が否定された場合にはステップ２０８へ移行し、肯定された場合にはステップ２１０へ移行する。

【0085】

ステップ２０８では、判定部４２が、ＣＡＮデータを取得した車両１２が走行する道路が冠水していない非冠水であると判定して一連の処理を終了する。

【0086】

一方、ステップ２１０では、判定部４２が、ＣＡＮデータを取得した車両１２が走行する道路が冠水していると判定して一連の処理を終了する。

【0087】

続いて、本実施形態に係る冠水検知システム１０において、情報収集部５４が収集したＳＮＳの投稿情報や、気象データを用いて、中央処理部３８が行う冠水判定の精度を向上する処理について説明する。図６は、本実施形態に係る冠水検知システム１０において、情報収集部５４が収集したＳＮＳの投稿情報や、気象データを用いて、中央処理部３８が行う冠水判定の精度を向上する処理の流れの一例を示すフローチャートである。なお、図７の処理は、例えば、各車両１２の情報提供装置１４からＣＡＮデータを取得する毎、或いは、予め定めた量のＣＡＮデータを取得する毎に開始する。

【0088】

ステップ３００では、中央処理部３８が、ＣＡＮデータによる冠水判定処理を行ってステップ３０２へ移行する。すなわち、上述の図５に示す冠水判定処理を行うことにより冠水判定結果を取得する。なお、ステップ３００は、検知結果取得部に相当する。

【0089】

ステップ３０２では、情報収集部５４が、中央通信部４８及び通信ネットワーク３４を介してＳＮＳサーバ６２にアクセスすることにより、冠水情報を含むＳＮＳの投稿情報を収集してステップ３０４へ移行する。なお、ステップ３０２は、収集部に相当する。

【0090】

ステップ３０４では、情報収集部５４が、中央通信部４８及び通信ネットワーク３４を介して気象情報センタ６０にアクセスすることにより、気象データを取得してステップ３０６へ移行する。なお、ステップ３０４は、気象情報取得部に相当する。

【0091】

ステップ３０６では、判定部４２が、ステップ３００によるＣＡＮデータによる冠水判定処理において冠水判定された位置で、予め定めた閾値以上の降雨実績があるか否かを気象データに基づいて判定する。該判定が肯定された場合にはステップ３０８へ移行し、否定された場合には一連の処理を終了する。なお、ステップ３０６の判定は、予め定めた閾値以上の降雨実績があるエリア内でステップ３００によるＣＡＮデータによる冠水判定処理で冠水判定があるか否かを判定してもよい。

【0092】

ステップ３０８では、判定部４２が、ステップ３０６の閾値以上の降雨実績がある冠水判定された位置のユーザ報告があるか否かを判定する。該判定は、ステップ３００によるＣＡＮデータによる冠水判定処理によって冠水判定された位置における冠水報告を表すＳＮＳの投稿情報を取得したか否かを判定する。該判定が肯定された場合にはステップ３１０へ移行し、否定された場合には一連の処理を終了する。

【0093】

ステップ３１０では、判定部４２が、冠水ポイントデータベース５６に冠水ポイントを記録して一連の処理を終了する。冠水ポイントを記録する際には、降雨実績量や降雨予想量等の気象データを共に記録する。なお、冠水ポイントデータベース５６に記録した冠水ポイントは、例えば、中央通信部４８を介して通信ネットワーク３４に接続されている情報提供装置１４に対して冠水情報を配信してもよい。これにより、各情報提供装置１４を搭載した車両１２では、冠水ポイントが分かるので、冠水ポイントを通行しないルートを選択することが可能となる。例えば、ナビゲーション装置により、冠水ポイントを通るルート案内が行われている場合に、冠水ポイントを避けるルートをリルートすることが可能となる。或いは、冠水ポイントの情報を必要としている天気予報会社等に配信して対価を得るようにしてもよい。なお、ステップ３０６～３１０は検出部に相当すると共に、ステップ３１０は記録部に相当する。

【0094】

続いて、本実施形態に係る冠水検知システムの冠水予測部４４で行われる冠水予測処理について説明する。図７は、本実施形態に係る冠水検知システム１０の冠水予測部４４で行われる冠水予測処理の流れの一例を示すフローチャートである。なお、図７の処理は、例えば、車両１２の乗員が情報提供装置１４から冠水予測の要求を冠水判定センタ３６に対して行った場合に開始してもよい。或いは、気象情報センタ６０から大雨警報、洪水警報、土砂災害警戒情報等の降雨に関する警報が発表された場合等に開始してもよい。

【0095】

ステップ４００では、冠水予測部４４が、中央通信部４８及び通信ネットワーク３４を介して気象情報センタ６０から、降雨予測量や雨雲予測等の気象データを取得してステップ４０２へ移行する。

【0096】

ステップ４０２では、冠水予測部４４が、冠水ポイントデータベース５６に記録された冠水記録を読み出してステップ４０４へ移行する。

【0097】

ステップ４０４では、冠水予測部４４が、降雨予測量と冠水記録を照合してステップ４０６へ移行する。すなわち、気象データとして取得した降雨予測量と、冠水ポイントとして記録された冠水ポイントの降雨実績量とを照合する。

【0098】

ステップ４０６では、冠水予測部４４が、ステップ４０４の照合結果から、冠水ポイントにおける降雨予測量が冠水時の降雨実績量を超えるか否かを判定する。該判定が否定された場合にはそのまま処理を終了し、肯定された場合にはステップ４０８へ移行する。

【0099】

ステップ４０８では、冠水予測部４４が、冠水を予測して一連の処理を終了する。なお、冠水を予測した場合には、中央通信部４８を介して通信ネットワーク３４に接続されている情報提供装置１４に対して冠水予測情報を配信してもよい。

【0100】

なお、上記の実施形態における図６の冠水判定の精度を向上する処理では、ＣＡＮデータによる冠水判定処理の判定結果、気象データ、及びＳＮＳの投稿情報を用いて冠水判定を行うようにしたが、これに限るものではない。例えば、図６のステップ３０２、３０８を省略して、ＳＮＳの投稿情報は利用しないで冠水判定を行う形態としてもよい。或いは、ステップ３０４、３０６を省略して、ステップ３０８はＣＡＮデータによる冠水判定処理で冠水判定された位置のユーザ報告があるか否かを判定することで、気象データは利用しないで冠水判定を行う形態としてもよい。

【0101】

また、上記の実施形態における図６の冠水判定の精度を向上する処理では、ＣＡＮデータによる冠水判定処理で冠水判定された位置で降雨実績があり、かつユーザ報告がある場合に冠水ポイントとして冠水ポイントデータベース５６に記録したが、これに限るものではない。例えば、ＣＡＮデータによる冠水判定処理で冠水判定された位置において降雨実績がある場合と、冠水位置の報告を表すＳＮＳの投稿情報がある場合のそれぞれの場合に、冠水ポイントとして冠水ポイントデータベース５６に記録する形態としてもよい。この場合には、図８に示す処理を行う。図８は、ＣＡＮデータによる冠水判定処理で冠水判定された位置において降雨実績がある場合、及び冠水報告を表すＳＮＳの投稿情報がある場合のそれぞれの場合に、冠水ポイントとして冠水ポイントデータベース５６に記録する場合の処理の流れの一例を示すフローチャートである。なお、図６と同一処理については同一符号を付して詳細な説明は省略する。

【0102】

まず、図６と同様に、上述のステップ３００～３０４の処理を行ってステップ３０６へ移行する。

【0103】

ステップ３０６では、図６と同様に、判定部４２が、ステップ３００によるＣＡＮデータによる冠水判定処理において冠水判定された位置で、予め定めた閾値以上の降雨実績があるか否かを気象データに基づいて判定する。該判定が否定された場合にはステップ３０７へ移行し、肯定された場合にはステップ３１０へ移行する。

【0104】

ステップ３０７では、判定部４２が、冠水位置を表すユーザ報告があるか否かを判定する。該判定は、冠水位置を表すＳＮＳの投稿情報を取得したか否かを判定する。該判定が肯定された場合にはステップ３１０へ移行し、否定された場合には一連の処理を終了する。

【0105】

或いは、ＣＡＮデータによる冠水判定処理で冠水判定された位置において降雨実績がある場合と、ＣＡＮデータによる冠水判定処理で冠水判定された位置における冠水報告を表すＳＮＳの投稿情報がある場合のそれぞれの場合に、冠水ポイントとして冠水ポイントデータベース５６に記録する形態としてもよい。この場合には、図９に示す処理を行う。図９は、ＣＡＮデータによる冠水判定処理で冠水判定された位置において降雨実績がある場合、及びＣＡＮデータによる冠水判定処理で冠水判定された位置における冠水報告を表すＳＮＳの投稿情報がある場合のそれぞれの場合に、冠水ポイントとして冠水ポイントデータベース５６に記録する場合の処理の流れの一例を示すフローチャートである。なお、図８と同一処理については同一符号を付して詳細な説明は省略する。

【0106】

すなわち、図８のステップ３０７の代わりステップ３０９を実行する。ステップ３０９では、判定部４２が、ステップ３００によるＣＡＮデータによる冠水判定で冠水判定された位置のユーザ報告があるか否かを判定する。該判定は、ステップ３００によるＣＡＮデータによる冠水判定で冠水判定された位置における冠水報告を表すＳＮＳの投稿情報を取得したか否かを判定する。該判定が肯定された場合にはステップ３１０へ移行し、否定された場合には一連の処理を終了する。

【0107】

また、上記の実施形態では、冠水判定センタ３６側でＣＡＮデータを用いた冠水判定を行う例を説明したが、これに限るものではない。例えば、ＣＡＮデータを用いた冠水判定は、各車両１２に搭載された情報提供装置１４側で行うようにしてもよい。図１０は、ＣＡＮデータを用いた冠水判定を各車両１２に搭載された情報提供装置１４側で行う場合の冠水検知システムの構成例を示すブロック図である。この場合には、図１０に示すように、予測部４０、判定部４２、及びモデル記憶部５０の機能を情報提供装置１４に持たせる。すなわち、モデル記憶部５０には、情報提供装置１４を搭載する車両１２の車種に応じた車両挙動モデルを予め導出して記憶しておく。或いは、車種毎の複数の車両挙動モデルを予め導出して記憶しておき、使用する際に自車両に対応する車両挙動モデルを選択する構成とする。そして、図５の処理を情報提供装置１４の演算部１６が実行することにより、予測部４０によって予測値を算出して判定部４２による冠水判定を上記実施形態と同様に行うことが可能となる。なお、冠水判定を各車両１２に搭載された情報提供装置１４側で行う場合は、図５の処理を演算部１６が行う処理に適宜変換して行うものとする。また、この場合の演算部１６が実行するステップ２００の処理は取得部に相当し、ステップ２０２～２１０の処理は検知部に相当する。

【0108】

また、上記の実施形態では、冠水判定センタ３６において、気象データ、ＳＮＳの投稿情報、及び走行状態データを収集する例を説明したが、これに限るものではない。例えば、気象情報センタ６０が、気象データを収集すると共に、冠水判定センタ３６から冠水判定結果を表す冠水検出情報を収集し、ＳＮＳサーバ６２から投稿情報を収集する形態としてもよい。図１１は、気象情報センタ６０が、気象データ、冠水検出情報、及びＳＮＳの投稿情報を収集して、冠水エリアマップを提供するサービスを行う例を示す図である。図１１の例では、冠水判定センタ３６が、各車両１２からＣＡＮデータを収集してＣＡＮデータベース５２に蓄積し、上記の実施形態と同様に、中央処理部３８がＣＡＮデータを用いて冠水を判定する冠水判定ロジックを行うことで冠水を判定する。また、気象情報センタ６０が、冠水判定ロジックの冠水判定結果を表す冠水検出情報を収集すると共に、気象データ及びＳＮＳの投稿情報を収集する。そして、気象情報センタ６０が、冠水検出情報、気象データ、及びＳＮＳの投稿情報を用いて図６の処理を行って情報統合化を行うと共に、ＧＵＩ（Graphical User Interface）化して、図１１に示すように、地図上に冠水場所を表示した冠水エリアマップ７０をお客様の携帯端末装置等に提供する。冠水エリアマップ７０は、例えば、５分毎等の予め定めた時間毎、或いは、更新指示が行われた場合に更新する。

【0109】

また、上記の実施形態では、車両挙動モデルとして重回帰式を用いた例を説明したが、車両挙動モデルは、重回帰式による機械学習に限定されるものではない。例えば、車両挙動モデルは、図１２に示すように、ＣＡＮデータ（アクセル踏み込み量Ｒ、車速ｖ（ｔ）、路面勾配θ、加速度ｄｖ/ｄｔ等）を予測式の説明変数の各項に用いてΔｔ秒後の予測値ｖ（ｔ＋Δｔ）を求める種々の予測モデルを適用できる。重回帰分析以外の予測モデルの一例としては、ニューラルネットワークや、サポートベクター回帰(SVR：Support Vector Regression)等の各種機械学習モデルを適用してもよい。

【0110】

また、上記の実施形態では、物理量として車速を求める車両挙動モデルを用いたが、物理量はこれに限るものではなく、例えば、加速度や、加速度の変化率など他の物理量を求める車両挙動モデルを用いてもよい。

【0111】

また、上記の実施形態では、空気抵抗、勾配抵抗、転がり抵抗、及び加速抵抗を車両が受ける抵抗Ｆ２として、車両挙動モデルを導出したが、車両が受ける抵抗Ｆ２はこれに限定されるものではない。例えば、転がり抵抗及び加速抵抗は他の抵抗に比べて小さいので、少なくとも一方の抵抗を省略してもよい。

【0112】

また、上記の各実施形態における冠水検知システム１０の各部で行われる処理は、プログラムを実行することにより行われるソフトウエア処理として説明したが、これに限るものではない。例えば、ハードウエアで行う処理としてもよい。或いは、ソフトウエア及びハードウエアの双方を組み合わせた処理としてもよい。また、ソフトウエアの処理とした場合には、プログラムを各種記憶媒体に記憶して流通させるようにしてもよい。

【0113】

さらに、本発明は、上記に限定されるものでなく、上記以外にも、その主旨を逸脱しない範囲内において種々変形して実施可能であることは勿論である。

【符号の説明】

【0114】

１０ 冠水検知システム
１２ 車両
１４ 情報提供装置
１６ 演算部
３６ 冠水判定センタ
３８ 中央処理部
４０ 予測部
４２ 判定部
４４ 冠水予測部
４６ モデル更新部
５０ モデル記憶部
５２ ＣＡＮデータベース
５４ 情報収集部
５６ 冠水ポイントデータベース
６０ 気象情報センタ
６２ ＳＮＳサーバ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】