CN118140260A - 信息处理装置、程序 - Google Patents
信息处理装置、程序 Download PDFInfo
- Publication number
- CN118140260A CN118140260A CN202280058296.5A CN202280058296A CN118140260A CN 118140260 A CN118140260 A CN 118140260A CN 202280058296 A CN202280058296 A CN 202280058296A CN 118140260 A CN118140260 A CN 118140260A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- simulation
- similarity
- behavior
- information
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 77
- 238000000034 method Methods 0.000 claims abstract description 66
- 238000004088 simulation Methods 0.000 claims abstract description 60
- 230000008569 process Effects 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims description 43
- 230000009467 reduction Effects 0.000 abstract description 5
- 230000006399 behavior Effects 0.000 description 88
- 230000005856 abnormality Effects 0.000 description 41
- 238000004891 communication Methods 0.000 description 23
- 230000001133 acceleration Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供实现与车辆的异常项目的确定相关的作业负担减轻的信息处理装置、程序。本发明的信息处理装置执行:模拟处理,使用参数设定不同的多个车辆模型来进行车辆行为的模拟的模拟处理;以及模型确定处理,针对通过模拟处理而获得的每个车辆模型的车辆行为来评价与实测出的车辆的车辆行为即实测车辆行为之间的相似性,确定满足预定的相似性条件的车辆模型。
Description
技术领域
本发明涉及信息处理装置和程序,特别涉及使用了车辆模型的车辆行为的模拟的技术领域。
背景技术
在下述专利文献1中公开了如下技术:基于使服务器上的数字孪生车辆行驶于在虚拟空间上再现的行驶环境中时的车辆行为的模拟结果,进行故障的发生预测,即车辆所包含的构成要素在将来的时刻发生故障的情况的预测。通过预测故障,从而能够实现车辆的维护服务的高效化、以及预防发生因故障引起的事故。
现有技术文献
专利文献
专利文献1:日本特许第6825634号
发明内容
技术问题
在此,在确定车辆的故障部位等车辆所产生的异常的项目(以下记为“异常项目”)时,由作业人员在维修工厂等对车辆进行检查。
然而,进行这样的检查有可能导致人的作业负担的增大,并不优选。例如,也存在根据所产生的异常的种类而难以进行异常的产生部位的确定的情况,在这样的情况下,用于确定异常项目的作业负担增大。另外,虽然也考虑根据异常的种类而要求估计异常的产生程度为何种程度,但是在检查中,除了估计有无产生异常以外还要估计到异常的产生程度,这会导致作业负担的增大。
本发明是鉴于上述情况而完成的,其目的在于实现与车辆的异常项目的确定相关的作业负担减轻。
技术方案
本发明的信息处理装置具备:一个或多个处理器;以及一个或多个存储介质,其存储有由所述一个或多个处理器执行的程序,所述程序包含一个或多个指示,所述指示使所述一个或多个处理器执行:模拟处理,基于车辆的驾驶操作信息,使用参数设定不同的多个车辆模型来进行车辆行为的模拟;模型确定处理,针对通过所述模拟处理而获得的每个所述车辆模型的车辆行为来评价与实测出的所述车辆的车辆行为即实测车辆行为之间的相似性,确定满足预定的相似性条件的所述车辆模型。
技术效果
根据本发明,能够实现与车辆的异常项目的确定相关的作业负担减轻。
附图说明
图1是示出具备作为本发明的实施方式的信息处理装置而构成的信息处理***的构成概要的图。
图2是示出实施方式的车辆的构成例的框图。
图3是示出作为实施方式的信息处理装置的构成例的框图。
图4是用于说明作为实施方式的异常项目确定方法的图。
图5是示出与车轮的束角相关的异常项目的区分例的图。
图6是示出用于实现作为实施方式的异常项目确定方法的处理顺序例的流程图。
符号说明
1 车辆控制***
50 车辆
NT 网络
11 CPU
12 ROM
13 RAM
14 总线
15 输入输出接口
16 输入部
17 显示部
18 声音输出部
19 存储部
20 通信部
21 驱动器
22 可移除记录介质
51 传感器部
51a 横摆率传感器
51b 加速度传感器
51c 车辆姿态传感器
51d GNSS传感器
51e 方向盘角度传感器
51f 车轮速度传感器
52 控制部
53 存储器部
54 通信部
具体实施方式
<1.***构成>
以下,参照附图,对本发明的实施方式进行说明。
图1是示出具备作为本发明的实施方式的信息处理装置而构成的信息处理***的构成概要的图。
信息处理***构成为至少具备服务器装置1和车辆50。服务器装置1是本发明的信息处理装置的一实施方式,并且构成为具有CPU的计算机装置。
车辆50例如构成为四轮汽车,能够将发动机或马达作为驱动源而行驶。在本实施方式的车辆50设置有能够在与外部装置之间进行通信的计算机装置。
在本例中,车辆50能够经由设为例如因特网等通信网络的网络NT而在其与服务器装置1之间进行数据通信。由此,车辆50能够对服务器装置1输入各种信息,例如,表示对车辆50的驾驶操作的信息即驾驶操作信息、表示与该驾驶操作相应的车辆50的行为的信息即车辆行为信息等。
在此,从车辆50向服务器装置1的信息输入也能够通过除经由网络NT的通信以外的手段来进行。例如,考虑将车辆50和服务器装置1有线连接并利用有线通信从车辆50向服务器装置1输入上述驾驶操作信息和/或车辆行为信息等对象信息。或者,也考虑经由例如USB(Universal Serial Bus:通用串行总线)存储器等可移除记录介质而向服务器装置1输入在车辆50中存储的驾驶操作信息和/或车辆行为信息等对象信息这样的方法。此外,还考虑将存储于车辆50的对象信息传送到驾驶员等用户的计算机装置、例如智能电话或PC(个人计算机)等的基础上,经由网络NT从该计算机装置向服务器装置1输入对象信息的方法。
可考虑各种用于如此地从车辆50向服务器装置1输入信息的方法,并且不限于特定的方法。
图2是示出车辆50的构成例的框图。应予说明,在图2中,仅提取并示出车辆50所具有的各构成要素中的特别是实施方式涉及的电的构成要素。
如图所示,车辆50具备传感器部51、控制部52、存储器部53、以及通信部54。
传感器部51总括地示出车辆50所具有的各种传感器类中的特别是实施方式涉及的传感器类。
如图所示,传感器部51具有横摆率传感器51a、加速度传感器51b、车辆姿态传感器51c、GNSS(Global Navigation Satellite System:全球导航卫星***)传感器51d、方向盘角度传感器51e、以及车轮速度传感器51f。
横摆率传感器51a检测车辆50的横摆率。加速度传感器51b检测作用于车辆50的特定方向的加速度(G),在本实施方式中,至少能够检测车辆50的前后G以及横向G。
车辆姿态传感器51c检测车辆50的姿态,具体而言,检测侧倾方向的姿态(侧倾角度)和俯仰方向的姿态(俯仰角度)。
GNSS传感器51d检测车辆50在地球上的位置。
方向盘角度传感器51e检测车辆50中的作为转向装置的方向盘的旋转角度。
车轮速度传感器51f检测车辆50所具有的车轮(在本例中为四轮)的旋转速度。
控制部52构成为例如具备具有CPU(Central Processing Unit:中央处理器)、ROM(Read Only Memory:只读存储器)、RAM(Random Access Memory:随机存取存储器)等的微型计算机,相当于车辆50所具有的各种ECU(Electronic Control Unit:电子控制单元)中的执行实施方式的处理的ECU。
如图所示,在控制部52连接有存储器部53和通信部54。
存储器部53例如是HDD(Hard Disk Drive:硬盘驱动器)、SSD(Solid StateDrive:固态驱动器)等非易失性的存储设备,通信部54是用于利用有线或无线在其与车辆50的外部装置之间进行按照预定的通信标准的网络通信和/或设备间通信等的通信设备。
控制部52能够接收传感器部51所具有的上述各传感器的检测信息。另外,控制部52能够将所接收的各传感器的检测信息存储于存储器部53,或者经由通信部54而发送到例如服务器装置1等外部装置。
图3是示出服务器装置1的构成例的框图。
如图所示,服务器装置1具备CPU 11。CPU 11构成为至少具有CPU的信号处理单元,并作为执行各种处理的运算处理部而发挥功能。
CPU 11按照存储于ROM 12的程序或从存储部19加载到RAM 13中的程序来执行各种处理。RAM 13还适当地存储在CPU 11执行各种处理时所需的数据等。
CPU 11、ROM 12、以及RAM 13经由总线14而彼此连接。在该总线14还连接有输入输出接口(I/F)15。
在输入输出接口15连接有由操作元件和/或操作设备构成的输入部16。例如,作为输入部16,设想有键盘、鼠标、按键、拨盘、触摸面板、触摸板、遥控器等各种操作元件和/或操作设备。
由输入部16检测用户的操作,由CPU 11解释与所输入的操作相应的信号。
另外,在输入输出接口15一体地或分体地连接有由LCD(Liquid CrystalDisplay:液晶显示器)或有机EL(Electro-Luminescence:电致发光)显示器等能够进行图像显示的显示器设备构成的显示部、由扬声器等构成的声音输出部18。
显示部17用于各种信息显示,例如由设置于服务器装置1的壳体的显示器设备、与服务器装置1连接的分体的显示设备等构成。
显示部17基于CPU 11的指示,在显示画面上执行用于各种图像处理的图像和/或处理对象的运动图像等的显示。另外,显示部17基于CPU 11的指示来进行各种操作菜单、图标、消息等,即,作为GUI(Graphical User Interface:图形用户界面)的显示。
有时在输入输出接口15也连接有由HDD和/或固态存储器等构成的存储部19、和/或由调制解调器等构成的通信部20。
通信部20进行经由因特网等传送路径的通信处理、基于与各种设备之间的有线/无线通信、总线通信等的通信。
在输入输出接口15根据需要还连接有驱动器21,并且适当地安装有磁盘、光盘、磁光盘或半导体存储器等可移除记录介质22。
利用驱动器21能够从可移除记录介质22读取出用于各处理的程序等的数据文件等。读取出的数据文件被存储于存储部19,或者被显示部17和/或声音输出部18输出数据文件所包含的图像或声音。另外,从可移除记录介质22读取出的计算机程序等根据需要而被安装于存储部19。
在具有上述硬件结构的服务器装置1中,例如,能够经由基于通信部20进行的网络通信或可移除记录介质22来安装用于本实施方式的处理的软件。或者,该软件也可以预先存储于ROM 12、存储部19等。
通过CPU 11基于各种程序进行处理,从而执行后述那样的作为服务器装置1的必要的信息处理和/或通信处理。
<2.作为实施方式的异常项目确定方法>
参照图4,对作为实施方式的异常项目确定方法进行说明。
在本实施方式中,在确定车辆50的异常项目时,在服务器装置1中,如图中表示为车辆模型组那样地准备多个车辆模型。此处的车辆模型是数字孪生技术中的车辆模型,是指构成为能够再现针对驾驶操作的车辆行为的运算模型。
在本实施方式中,准备各自被进行了与车辆50的异常项目中的不同的异常项目相应的参数设定的车辆模型作为这些多个车辆模型。在设想的异常项目为从异常项目M1到异常项目Mn的n个的情况下,如图所示,准备与各个异常项目相对应的n个车辆模型作为车辆模型。
在此,车辆50的异常项目能够改称为车辆50所产生的异常的种类,例如不仅能够定义基于车轮的对准异常、制动块的异常、节气门的异常等异常的产生部位不同的种类,还能够定义基于即使是相同的部位其异常的产生方式也不同(例如如果是车轮的对准异常则是束角的异常还是外倾角的异常这样的不同,如果是节气门的异常则是响应速度的异常还是开闭量的异常这样的不同等)、异常的程度不同的种类。
作为一例,在图5中示出与车轮的束角相关的异常项目的区分例。
在图5的例子中,针对束角的异常项目进行考虑了左右车轮的前束(toe_in)/后束(toe_out)的不同、以及这些前束(toe_in)/后束(toe_out)的量的不同(异常的程度)的区分。
应予说明,关于异常项目的区分,不是必须设为如此地考虑到异常的程度的区分。另外,关于某个部位的异常,也不是必须进行基于异常的产生方式不同的区分。
在图4中,在用作车辆模型组的各个车辆模型中设定有与关于车辆50的车辆规格信息、即例如车辆50的尺寸(全宽、全长、全高、轴距等)、重量等信息相应的参数。由此,能够适当地模拟关于车辆50的车辆行为。
在此,在确定车辆50的异常项目时,向服务器装置1输入车辆50的驾驶操作信息作为针对车辆模型的输入信息。在本例中,如图所示,从车辆50向服务器装置1输入方向盘角度和车轮速度的信息作为该输入信息的驾驶操作信息。
车轮速度的信息是作为相当于作为车辆50的加速器操作、制动器操作的驾驶操作的信息而输入的信息。关于该车轮速度,在作为车辆模型而使用所谓的二轮模型的情况下,输入至少针对对应的两个车轮而检测出的信息即可。
在本例中,作为异常项目,以仅将与转向相关的异常项目作为对象来进行异常项目的确定为前提。因此,作为驾驶操作信息,仅输入车轮速度的信息以及方向盘角度的信息。
应予说明,例如在进行节气门的异常等与车辆50的加速相关的异常项目的确定的情况下,作为输入信息(驾驶操作信息),包含表示加速器开度和/或节气门开度的信息即可。另外,例如在进行制动块的异常等与车辆50的减速相关的异常项目的确定的情况下,作为输入信息,包含表示制动器的踩踏量的信息即可。
若为了确认而进行说明,则驾驶操作信息所包含的方向盘角度、车轮速度的信息分别由方向盘角度传感器51e、车轮速度传感器51f来检测。
另外,在确定车辆50的异常项目时,从车辆50对服务器装置1输入实测车辆行为的信息。实测车辆行为是指在车辆50中实测出的车辆50的车辆行为,具体而言,是在车辆50中实测针对进行了向车辆模型输入的驾驶操作信息所表示的驾驶操作的车辆行为而得的。
在本例中,作为实测车辆行为的信息,如图示那样地从车辆50向服务器装置1输入横摆率、加速度(前后G、横向G)、以及车辆姿态(侧倾、俯仰)的信息。
作为实测车辆动作的信息使用的上述横摆率、加速度、以及车辆姿态的信息分别由横摆率传感器51a、加速度传感器51b、车辆姿态传感器51c来检测。
应予说明,使用什么样的信息作为实测车辆行为的信息应当根据以什么样的异常项目为确定对象来决定,并不限定于上述例示的信息。
在此,在本例中,在服务器装置1输入车辆50利用GNSS传感器51d检测到的车辆50的位置信息。具体而言,作为该位置信息,输入表示进行了向车辆模型输入的驾驶操作信息所表示的驾驶操作时的车辆50的位置的信息。
服务器装置1在执行基于各车辆模型进行的模拟之前的阶段,进行将该位置信息转换为表示车辆50的行驶路面状况的路面状况信息的处理。例如,考虑该转换处理使用表示位置信息与行驶路面状况之间的对应关系的数据库来进行等。
然后,服务器装置1对各车辆模型进行与通过上述转换处理获得的路面状况信息相应的参数设定。
由此,基于车辆50的驾驶操作信息的车辆行为的模拟使用进行了与车辆的行驶路面状况相应的参数设定后的车辆模型来进行。
由此,能够进行反映了车辆50的实际的行驶路面状况的车辆行为的模拟,实现基于各车辆模型进行的车辆行为的模拟精度的提高。
应予说明,作为路面状况,也考虑进行潮湿路面/干燥路面的区分等,在该情况下,还考虑对各车辆模型设定与行驶路面状况相应的参数,该行驶路面状况是不仅根据车辆50的位置信息,而且还根据该位置信息所示的位置处的天气信息而推定出的状况。
服务器装置1使用从车辆50输入的驾驶操作信息和实测车辆行为的信息、以及多个车辆模型,以如下方式确定车辆50的异常项目。
即,通过提供驾驶操作信息作为各车辆模型的输入信息,从而针对每个车辆模型(即每个异常项目)进行车辆行为的模拟。由此,如图所示,获得针对每个异常项目的车辆行为的模拟结果。
在本例中,各车辆模型构成为至少输出与实测车辆行为的信息同样的信息、即横摆率、加速度(前后G、横向G)以及车辆姿态(侧倾、俯仰)的信息作为表示车辆行为的信息。
然后,服务器装置1进行如下处理:针对如上述那样地获得的每个车辆模型的车辆行为来评价与实测车辆行为之间的相似性,确定满足预定的相似性条件的车辆模型。
在本例中,与如上所述地使用横摆率、加速度以及车辆姿态的信息作为实测车辆行为的信息相对应地,在相似性的评价中,使用通过各车辆模型获得的车辆行为的信息中的横摆率、加速度以及车辆姿态的信息。即,使在相似性的评价中使用的车辆动作信息的种类一致。
在本实施方式中,以如下方式为前提:作为驾驶操作信息和实测车辆行为的信息,从车辆50对服务器装置1分别输入非暂时性而是例如几分钟、几十秒等一定期间内的时间波形的信息(时间序列采样信息)。而且,在服务器装置1中,在上述的相似性的评价中,使用基于这样的时间波形的信息作为基于各车辆模型的车辆行为和实测车辆行为这两者的信息。即,该情况下的服务器装置1针对通过基于车辆模型进行的模拟而获得的车辆行为和实测车辆行为,基于表示车辆行为的时间波形来评价相似性。
具体而言,本例中的服务器装置1在模拟出的车辆行为与实测车辆行为的相似性的评价中,计算两车辆行为之间的相似度Sv。例如,针对模拟出的车辆行为和实测车辆行为这两者的横摆率、前后G、横向G、侧倾角、俯仰角各自的时间波形,将该相似度Sv计算为使用互相关函数计算出的相关值(1为最大值=相关性最高)的合计值。在该情况下,用于评价的时间波形的种类为五个,因此相似度Sv的最大值成为“5”。
服务器装置1确定如上述那样地计算出的相似度成为预定的阈值THd以上的车辆模型。换而言之,确定作为模拟结果而获得的车辆行为与实测车辆行为的相似度高的车辆模型。
通过进行这样的车辆模型的确定处理,从而确定出车辆50的异常项目。
应予说明,在上述中,设为通过对每个车辆模型(即每个异常项目)通用的计算方法来计算相似度Sv的例子,但是对于相似度Sv而言,也考虑根据异常项目的种类而使计算方法不同。例如,考虑根据异常项目的种类等,使将针对每个时间波形计算出的相关值进行合计时的权重不同。
另外,关于阈值THd,也考虑根据异常项目的种类而不同。
在此,在本例中,服务器装置1在执行上述那样的基于多个车辆模型的模拟结果与实测车辆行为之间的相似性的异常项目的确定处理之前,进行使用了针对车辆50的标准的车辆模型(以下记为“标准车辆模型”)的有无异常的判定处理。
此处所说的标准车辆模型是指,例如以再现新车时期的车辆50等未产生异常的车辆50中的针对驾驶操作的车辆行为的方式进行了参数设定而得的车辆模型。作为该标准车辆模型,至少使用进行了与设想的异常项目所相应的参数设定不同的参数设定的车辆模型即可。
作为使用了标准车辆模型的有无异常的判定处理,服务器装置1首先进行使用了标准车辆模型的车辆行为的模拟。然后,判定通过该模拟获得的车辆行为与实测车辆行为的相似度是否为预定的相似度以下。
应予说明,作为该情况下的相似度,考虑使用通过与上述相似度Sv相同的计算方法而计算出的值。
然后,服务器装置1以通过上述的判定而判定为与实测车辆行为的相似度为预定的相似度以下的情况为条件,进行上述说明的用于确定异常项目的处理,即,进行基于作为车辆模型组的多个车辆模型的模拟结果与实测车辆行为之间的相似性的车辆模型的确定处理。
由此,在判定为在车辆没有异常的情况下,不需要进行用于基于使用了多个车辆模型的模拟结果的异常项目确定的处理,能够实现处理效率的提高。
服务器装置1在确定了异常项目的情况下,进行对用户等通知对象通知所确定的异常项目的处理。另外,服务器装置1在上述有无异常的判定处理的结果是判定为没有异常的情况下,进行对通知对象通知表示该意思的信息的处理。
作为这些通知的方式,考虑例如经由车辆50的用户使用的智能手机、PC等计算机装置、或者配置于经销商等维修设施的计算机装置等来进行的方式。或者,如果车辆50与服务器装置1以可通信的方式连接,则也考虑经由设置于车辆50的显示部来进行的方式等。
<4.处理顺序>
参照图6的流程图,对用于实现作为上述说明的实施方式的异常项目确定方法的具体的处理顺序例进行说明。
图6所示的处理由服务器装置1的CPU 11按照例如存储于ROM 12、存储部19等预定的存储装置的程序来执行。
在本例中,在开始图6所示的处理时,假定处于对象期间内的驾驶操作信息和实测车辆行为的信息已从车辆50输入到服务器装置1的状态。
应予说明,也可考虑使用从车辆50实时地输入的驾驶操作信息和实测车辆行为的信息来执行图6所示的处理。
首先,在步骤S101中,CPU 11执行使用了标准车辆模型的模拟。即,提供从车辆50输入的驾驶操作信息作为上述的标准车辆模型的输入信息,执行车辆行为的模拟。
在步骤S101后续的步骤S102中,CPU 11计算与实测车辆行为之间的相似度。即,计算通过在步骤S101中执行的模拟而获得的车辆行为与实测车辆行为之间的相似度Sv。
在步骤S102后续的步骤S103中,CPU 11判定相似度Sv是否为阈值THp以下。根据前面的说明可知,该判定处理相当于车辆50的有无异常的判定处理。
应予说明,阈值THp可以是与上述的阈值THd相同的值,也可以是不同的值。
在步骤S103中判定为相似度Sv不为阈值THp以下的情况下,CPU 11进入步骤S112而执行无异常通知处理。即,如之前说明的那样,执行用于对用户等通知对象通知表示车辆50没有异常的意思的信息的处理。
CPU 11与执行了步骤S112的处理相应地结束图6所示的一系列的处理。
另一方面,在步骤S103中判定为相似度Sv为阈值THp以下的情况下,CPU 11进入步骤S104,进行将异常项目标识符M设置为“1”的处理。异常项目标识符M是用于标识异常项目M1至异常项目Mn中的作为处理对象的异常项目的标识符。
在步骤S104后续的步骤S105中,CPU 11执行使用了第M个异常项目的车辆模型的模拟。即,执行针对第M个异常项目的车辆模型提供从车辆50输入的驾驶操作信息作为输入信息的车辆行为的模拟。
在步骤S105后续的步骤S106中,CPU 11计算与实测车辆行为之间的相似度Sv,进而在后续的步骤S107中,判定相似度Sv是否为阈值THd以上。
在步骤S107中,在判定为相似度Sv为阈值THd以上的情况下,CPU 11进入步骤S108,进行存储第M个异常项目的处理、即将表示第M个异常项目的信息存储到例如RAM 13、存储部19等预定的存储装置的处理。
然后,使处理进入步骤S109。
另一方面,在步骤S107中判定为相似度Sv不为阈值THd以上的情况下,CPU 11越过步骤S108的存储处理而使处理进入步骤S109。
在步骤S109中,CPU 11判定异常项目标识符M是否为最大值Mmax以上。此处,最大值Mmax=“n”。
在步骤S109中,在判定为异常项目标识符M不为最大值Mmax以上的情况下(即,在成为处理完毕的异常项目小于n个的情况下),CPU 11使处理进入步骤S110,使异常项目标识符M递增1而返回步骤S105。由此,进行以下一个异常项目为对象的处理。
另一方面,在步骤S109中判定为异常项目标识符M为最大值Mmax以上的情况下,CPU 11进入步骤S111,执行所确定的异常项目的通知处理。即,执行用于对用户等通知对象通知表示在之前的步骤S108的存储处理中存储的异常项目的信息的处理。
CPU 11与执行了步骤S111的处理的情况相应地结束图6所示的一系列的处理。
应予说明,在上述中,设为按照每个异常项目分开执行基于车辆模型的模拟(S105)、相似度Sv的计算(S106)、基于相似度Sv的相似判定(S107)的例子,但也能够取而代之,在集中执行基于多个车辆模型的模拟而求出针对每个异常项目的车辆行为的基础上,按照这些车辆行为的每一种来进行相似度Sv的计算(S106)以及基于相似度Sv的相似判定(S107)。
<5.变形例>
以上,对本发明的实施方式进行了说明,但作为本发明并不限定于上述的具体例,可以采用作为多种变形例的结构。
例如,在上述中,作为通过基于车辆模型的模拟而获得的车辆行为与实测车辆行为是否满足预定的相似性条件的判定(以下记为“车辆行为的相似判定”),列举出进行相似度Sv是否为阈值THd以上的判定的例子,但关于车辆行为的相似判定的具体的方法,可以考虑多种方法,并不限定于特定方法。
例如,也考虑使用判定用的AI(人工智能)来进行车辆行为的相似判定。在该情况下,作为判定用的AI,考虑使用以将实测车辆行为和基于车辆模型的模拟车辆行为作为输入数据而输出相似/不相似的判定结果的方式进行了机器学习的AI,或者以输出表示相似程度的值的方式进行了机器学习的AI。
另外,在上述中提及了向用户通知所确定的异常项目等,但可考虑定期地进行基于车辆模型的模拟,配合异常的进展来进行通知。例如,在根据定期的模拟而判定为异常缓慢地进展的情况下,能够估计为故障风险低,因此进行维护通知。另一方面,在根据定期的模拟而判定为异常急剧地进展的情况下,能够估计为故障风险高,因此进行修理通知等。
另外,也考虑按照车辆50的每一种行驶方式而分开进行基于车辆模型的车辆行为的模拟和车辆行为的相似判定。例如,可考虑在车辆50处于直行过程中、转弯过程中等分开进行等。
<6.实施方式的总结>
如以上说明的那样,作为实施方式的信息处理装置(服务器装置1)具备:一个或多个处理器(CPU 11);以及一个或多个存储介质(ROM 12或存储部19),其存储有由一个或多个处理器执行的程序,程序包含一个或多个指示,指示使一个或多个处理器执行以下的处理。
即,执行如下处理:模拟处理,基于车辆(车辆50)的驾驶操作信息,使用参数设定不同的多个车辆模型来进行车辆行为的模拟;以及模型确定处理,针对通过模拟处理获得的每个车辆模型的车辆行为来评价与实测出的车辆的车辆行为即实测车辆行为之间的相似性,确定满足预定的相似性条件的车辆模型。
根据上述构成,作为多个车辆模型,通过准备再现出车辆的异常项目的车辆模型,从而通过由模型确定处理进行的车辆模型的确定来确定车辆的异常项目。即,即使不进行车辆的检查作业,也能够确定车辆的异常项目。
因此,能够实现与车辆的异常项目的确定相关的作业负担减轻。
另外,在作为实施方式的信息处理装置中,在模拟处理中使用的多个车辆模型是各自被进行了与车辆的异常项目中的不同的异常项目相应的参数设定的车辆模型。
由此,通过模型确定处理进行车辆模型的确定,从而确定出车辆的异常项目。
因此,能够实现与车辆的异常项目的确定相关的作业负担减轻。
此外,在作为实施方式的信息处理装置中,在模拟处理中,使用被进行了与车辆的行驶路面状况相应的参数设定的车辆模型作为多个车辆模型来进行模拟,所述车辆的行驶路面状况根据车辆的位置信息推定出。
由此,能够进行反应了车辆的实际的行驶路面状况的车辆行为的模拟。
因此,能够实现车辆行为的模拟精度的提高,并能够实现异常项目的确定精度的提高。
此外,在作为实施方式的信息处理装置中,在模型确定处理中,针对通过模拟处理而获得的车辆行为和实测车辆行为,基于车辆行为的时间波形来评价相似性。
由此,模拟出的车辆行为与实测车辆行为之间的相似性评价能够不基于两行为的暂时的相关性,而是基于某段期间内的相关性来进行。
因此,能够实现相似性评价的精度提高。
另外,在作为实施方式的信息处理装置中,指示使一个或多个处理器使用被进行了与异常项目所相应的参数设定不同的参数设定的车辆模型来进行车辆行为的模拟,并执行对通过该模拟获得的车辆行为与实测车辆行为的相似度是否为预定的相似度以下进行判定的判定处理,并且以通过判定处理而获得了相似度为预定的相似度以下的判定结果为条件来执行模拟处理。
如上所述,通过使用被进行了与异常项目所相应的参数设定不同的参数设定的车辆模型的模拟结果的判定处理,从而能够进行车辆的有无异常的判定。
因此,根据上述构成,在判定为车辆没有异常的情况下,不需要进行用于基于使用了多个车辆模型的模拟结果的异常项目确定的处理,能够实现处理效率的提高。
另外,作为实施方式的程序是计算机装置能够读取的程序,所述程序使计算机装置执行如下处理:模拟处理,基于作为对象的车辆的驾驶操作信息,使用参数设定不同的多个车辆模型来进行车辆行为的模拟;以及模型确定处理,针对通过模拟处理而获得的每个车辆模型的车辆行为来评价与实测出的车辆的行为即实测车辆行为之间的相似性,确定满足预定的相似性条件的车辆模型。
通过这样的程序,能够使计算机装置作为上述的实施方式的信息处理装置而发挥功能。
Claims (6)
1.一种信息处理装置,其特征在于,具备:
一个或多个处理器;以及
一个或多个存储介质,其存储有由所述一个或多个处理器执行的程序,
所述程序包含一个或多个指示,
所述指示使所述一个或多个处理器执行:
模拟处理,基于车辆的驾驶操作信息,使用多个车辆模型来进行车辆行为的模拟,所述多个车辆模型的参数设定不同;以及
模型确定处理,针对通过所述模拟处理而获得的每个所述车辆模型的车辆行为来评价与实测出的所述车辆的车辆行为即实测车辆行为之间的相似性,确定满足预定的相似性条件的所述车辆模型。
2.根据权利要求1所述的信息处理装置,其特征在于,
在所述模拟处理中使用的所述多个车辆模型是各自被进行了与所述车辆的异常项目中的不同的异常项目相应的参数设定的车辆模型。
3.根据权利要求1所述的信息处理装置,其特征在于,
在所述模拟处理中,使用被进行了与所述车辆的行驶路面状况相应的参数设定的车辆模型作为所述多个车辆模型来进行所述模拟,所述车辆的行驶路面状况根据所述车辆的位置信息而推定出。
4.根据权利要求1所述的信息处理装置,其特征在于,
在所述模型确定处理中,针对通过所述模拟处理而获得的车辆行为和所述实测车辆行为,基于车辆行为的时间波形来评价所述相似性。
5.根据权利要求2所述的信息处理装置,其特征在于,
所述指示使所述一个或多个处理器执行:
使用被进行了与所述异常项目所相应的参数设定不同的参数设定的车辆模型来进行车辆行为的模拟,并执行对通过该模拟获得的车辆行为与所述实测车辆行为的相似度是否为预定的相似度以下进行判定的判定处理,并且
以通过所述判定处理而获得了所述相似度为所述预定的相似度以下的判定结果为条件来执行所述模拟处理。
6.一种程序,其特征在于,是计算机装置能够读取的程序,
所述程序使所述计算机装置执行:
模拟处理,基于作为对象的车辆的驾驶操作信息,使用多个车辆模型来进行车辆行为的模拟,所述多个车辆模型的参数设定不同;以及
模型确定处理,针对通过所述模拟处理而获得的每个所述车辆模型的车辆行为来评价与实测出的所述车辆的行为即实测车辆行为之间的相似性,确定满足预定的相似性条件的所述车辆模型。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2022/037008 WO2024075164A1 (ja) | 2022-10-03 | 2022-10-03 | 情報処理装置、プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118140260A true CN118140260A (zh) | 2024-06-04 |
Family
ID=90607771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280058296.5A Pending CN118140260A (zh) | 2022-10-03 | 2022-10-03 | 信息处理装置、程序 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN118140260A (zh) |
WO (1) | WO2024075164A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014202100A1 (en) * | 2013-06-19 | 2014-12-24 | Volvo Truck Corporation | A method for a vehicle |
US10466142B2 (en) * | 2016-07-13 | 2019-11-05 | Hitachi, Ltd. | Equipment control based on failure determination |
JP7344078B2 (ja) * | 2019-10-15 | 2023-09-13 | 株式会社デンソーテン | 異常判定装置および異常判定方法 |
JP7234897B2 (ja) * | 2019-10-17 | 2023-03-08 | トヨタ自動車株式会社 | 車両用故障原因特定装置 |
JP2021193516A (ja) * | 2020-06-08 | 2021-12-23 | 株式会社デンソー | 故障推定装置 |
-
2022
- 2022-10-03 CN CN202280058296.5A patent/CN118140260A/zh active Pending
- 2022-10-03 WO PCT/JP2022/037008 patent/WO2024075164A1/ja unknown
Also Published As
Publication number | Publication date |
---|---|
WO2024075164A1 (ja) | 2024-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11830296B2 (en) | Predictive maintenance of automotive transmission | |
JP7504163B2 (ja) | 異常予知装置、異常予知システム、異常予知方法及び異常予知プログラム | |
JP5096352B2 (ja) | システムの行動における故障の影響をモデル化する方法 | |
CN116108717B (zh) | 一种基于数字孪生的交通运输设备运行预测方法及装置 | |
CN101308387A (zh) | 用于监视设备状态的装置和方法以及计算机可读介质 | |
CN112906900A (zh) | 用于监视车辆的状况和用于告警反常/缺陷的方法和*** | |
CN113779838B (zh) | 一种模型与数据融合驱动的提升机主轴装置智能维护方法 | |
GB2501291A (en) | Diagnostic system with predicted problem cause feedback | |
US11921005B2 (en) | System, apparatus and method for estimating remaining useful life of a bearing | |
US11879810B2 (en) | Predicting tire imbalance and/or wheel misalignment | |
CN118140260A (zh) | 信息处理装置、程序 | |
CN116776289A (zh) | 数控机床加工方法、装置、电子设备及可读存储介质 | |
CN115031994B (zh) | 一种车辆耐久试验方法和*** | |
CN118140259A (zh) | 信息处理装置、程序 | |
CN113704067A (zh) | 无形资产管理***监控方法 | |
He et al. | Probabilistic model based algorithms for prognostics | |
WO2021042233A1 (en) | Remote diagnosis system, apparatus and method for power tool | |
US20200143004A1 (en) | Visualization of machine structure damage from machine sensor data using machine learning | |
US11928812B2 (en) | Systems and methods for inspecting multi-mode asset status in communication-denied environments | |
US20230243131A1 (en) | Anomalous operating characteristic detection system, and associated devices and methods | |
CN116893948A (zh) | 监视自动驾驶功能的功能能力的计算机实现的***和方法 | |
US8977529B2 (en) | Method and apparatus for providing on-board diagnostics | |
Dabell et al. | Inferential sensing techniques to enable condition based maintenance | |
KR20240078377A (ko) | 차량의 원격 건전성 관리를 수행하는 장치 및 방법 | |
CN118276556A (zh) | 应用于服务器端的车辆故障诊断方法、***、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |