JP4182472B2 - 遠隔故障予測システム - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、遠隔から車両に接続しての故障を予測する遠隔故障予測システム及び車車間通信を利用して故障を予測する故障予測システムに関する。
【０００２】
【従来の技術】
従来、ネットワークを介して故障した車両と接続し、その故障個所を診断する故障診断システムが提案されている（例えば、特許文献１）。この従来技術によれば、故障診断システムと車両とを遠隔的に接続することで、顧客がサービス工場に出向かなくとも、車両が故障しているかどうかや故障個所を把握でき、大変便利なものであった。
【０００３】
しかしながら、顧客にとってみれば故障してから故障個所を把握できるよりも、故障の前に故障の発生を予知できれば、なおさら便利である。なぜなら、故障が予知できれば、故障する前にサービス工場へと車両を入庫させ、問題の部品を交換することが可能になり、その結果、不意に車両が故障して立ち往生するといった最悪の事態を回避できるからである。
【０００４】
従来、故障を予測する遠隔システムとしては、例えば特許文献２に記載された発明がある。この従来技術は、個々の車両に搭載されているセンサの出力を学習させ、学習により得られた学習値が正常範囲にない場合には異常ありと判断するものであった。
【０００５】
【特許文献１】
特開２００２−２２８５５２号公報
【特許文献２】
特開２００２−２０２００３号公報。
【０００６】
【発明が解決しようとする課題】
しかしながら、上記従来技術においては、「車両ごとに」学習値を取得し、取得された学習値と正常範囲とを比較する手法であった。すなわち、自己の車両から得られた車両データだけを利用して故障を診断していた。
【０００７】
このような判断手法では、他車の車両データは必要ないため、わざわざネットワークを介して遠隔から診断せずとも、車両内において実行可能である。従って、従来技術のようにネットワーク化すればコスト面で有利とはいえない。ネットワークを利用するからにはコストに見合った付加価値が必要である。
【０００８】
そこで、本発明では、ネットワークを介して収集された他の車両のデータ（例えば、同型車両の車両データなど）を利用することで、ネットワーク接続の利点を生かすとともに、故障予測の信頼性を向上させることを目的とする。
【０００９】
以上のように本発明では、ネットワーク化の利点が十分に活かされるが、場合によってはより簡易な予測でも十分な場合もある。
【００１０】
そこで、さらに他の発明では、複数の同型車両が車車間通信を用いて車両データを交換することで故障を予測する故障予測システムを提供する。
【００１１】
【課題を解決するための手段】
上記の目的を達成するため、本発明に係る遠隔故障予測システムは、以下の構成を特徴とする。
【００１２】
本願の第１の発明は、故障予測対象車両に対して遠隔から故障の発生予測を行い、故障予測結果を顧客に送信する遠隔故障予測システムであって、ネットワークを介して接続された故障予測対象車両からの車両データ、及び該故障予測対象車両と同型である他の一以上の車両からの車両データを受信する受信手段と、前記受信された故障予測対象車両からの車両データと、前記他の車両からの車両データを記憶する記憶手段と、前記記憶されている故障予測対象車両からの車両データと、前記他の車両からの車両データとを読み出す読出手段と、前記故障予測対象車両からの車両データと、前記他の車両からの車両データとを比較し、比較結果に基づいて故障の発生を予測する故障予測手段と、前記故障予測手段による故障予測結果を前記故障予測対象車両の顧客に対して送信する送信手段とを有することを特徴とする。
【００１３】
また、前記他の車両のうち、前記故障予測対象車両と同一又は類似の走行状況にある他の車両の車両データを抽出する抽出手段をさらに備え、前記故障予測手段は、同一又は類似の走行状況にある他の車両の車両データを用いて故障の発生を予測する遠隔故障予測システムも提供される。
【００１４】
ここで、走行状況としては、例えば、加減速の種別、道路の種別、道路の曲率、道路の勾配、気温、天候、曜日、時刻、時間帯、及び渋滞状況のうち少なくとも１つが含まれてもよい。
【００１５】
また、前記他の車両のうち、前記故障予測対象車両と同一又は類似の年式若しくは走行距離にある車両の車両データを抽出する抽出手段をさらに備え、前記故障予測手段は、同一又は類似の年式若しくは走行距離にある他の車両の車両データを用いて故障の発生を予測することを特徴とする遠隔故障予測システムが提供される。
【００１６】
また、上記の何れかの遠隔故障予測システムであって、前記車両データに含まれる走行位置に関する情報に基づいて、前記故障予測対象車両と近接した場所を走行している他の車両の車両データを用いて故障の発生を予測する遠隔故障予測システムが提供される。
【００１７】
また、前記他の車両が、さらに前記故障予測対象車両と同一の走行車線を走行しているか、又は同一の方向に走行している車両であれば、より予測の精度が向上しよう。
【００１８】
また、前記車両データに含まれる走行位置に関する情報に基づいて、前記故障予測対象車両と同一又は近接した場所を過去に走行した他の車両を特定し、該他の車両が前記故障予測対象車両と同一又は近接した場所を走行したときに取得した車両データを用いて故障の発生を予測することで、比較対象となる他の車両データが増加するため、より予測の精度が向上しよう。このように、過去に遡れば、その場所を走行した同型車両も多数存在すると考えられるため、故障予測対象車両と同一又は近接した場所を走行している車両が現時点では存在しない場合でも故障予測を実行できる。
【００１９】
尚、同目的は、上記遠隔故障予測システムに対応する遠隔故障予測方法によっても達成される。また、同目的は、上記遠隔故障予測システムに含まれる各手段又は各ステップを、コンピュータによって実現するためのプログラム、及びそのプログラムコードが格納されているコンピュータ読み取り可能な記憶媒体によっても達成される。
【００２０】
本願の第２の発明では、上記のいずれかの遠隔故障予測システムにより故障を予測される車両を提供する。
【００２１】
すなわち、本発明の車両は、車両の動作状態に関する情報を検出する手段と、前記検出された車両の動作状態に関する情報を車両データとして記憶する手段と、前記記憶されている車両データを前記遠隔故障予測システムに送信する手段と、前記遠隔故障予測システムからの故障予測結果を受信する手段と、前記受信された故障予測結果を出力する手段とを有することを特徴とする。
【００２２】
本願の第３の発明によれば、動作状態に関する車両データを蓄積する車両について故障の発生予測を行う故障予測システムが提供される。
【００２３】
すなわち、本発明に係る故障予測システムは、他の車両と通信するための車車間通信手段と、前記車車間通信手段により通信可能な他の車両であって、前記故障の発生予測の対象となる故障予測対象車両と同型の他の車両を探索する探索手段と、前記探索手段により発見された他の一以上の車両から受信した車両データと、前記故障予測対象車両の車両データとを記憶する記憶手段と、前記記憶されている他の一以上の車両から受信した車両データと、前記故障予測対象車両の車両データとを読み出す読出手段と、前記読み出された他の一以上の車両から受信した車両データと、前記故障予測対象車両の車両データとを比較し、比較結果に基づいて故障の発生を予測する故障予測手段と、前記故障予測手段による予測結果を出力する出力手段とを有することを特徴とする。
【００２４】
また、本願では、前記他の車両のうち、前記故障予測対象車両と同一又は類似の走行状況にある他の車両の車両データを抽出する抽出手段をさらに備え、前記故障予測手段は、同一又は類似の走行状況にある他の車両の車両データを用いて故障の発生を予測することを特徴とす故障予測システムも提供される。
【００２５】
また、走行状況には、例えば、加減速の種別、道路の種別、道路の曲率、道路の勾配、気温、天候、曜日、時刻、時間帯、及び渋滞状況のうち少なくとも１つが含まれよう。
【００２６】
また、本願によれば、前記他の車両のうち、前記故障予測対象車両と同一又は類似の年式若しくは走行距離にある車両の車両データを抽出する抽出手段をさらに備え、前記故障予測手段は、同一又は類似の年式若しくは走行距離にある他の車両の車両データを用いて故障の発生を予測することを特徴とする故障予測システムも提供される。
【００２７】
また、本願によれば、前記車両データに含まれる走行位置に関する情報に基づいて、前記故障予測対象車両と近接した場所を走行している他の車両の車両データを用いて故障の発生を予測することを特徴とする故障予測システムも提供される。
【００２８】
また、前記他の車両がさらに前記故障予測対象車両と同一の走行車線を走行しているか、又は同一の方向に走行している車両であれば、予測の精度がより向上しよう。
【００２９】
尚、同目的は、上記故障予測システムに対応する故障予測方法によっても達成される。また、同目的は、上記故障予測システムに含まれる各手段又は各ステップを、コンピュータによって実現するためのプログラム、及びそのプログラムコードが格納されているコンピュータ読み取り可能な記憶媒体によっても達成される。
【００３０】
本願の第４の発明によれば、上述のいずれかに記載の故障予測システムを搭載した車両が提供される。
【００３１】
【発明の効果】
本発明によれば、従来技術よりも故障予測の信頼性を向上させることが可能な遠隔故障予測システム、遠隔故障予測方法及び遠隔故障予測プログラム等が実現される。
【００３２】
即ち、請求項１、４、９、１０、１５に記載の発明によれば、ネットワーク接続の利点を生かし、故障予測対象車両の車両データと、当該故障予測対象車両の同型の他の車両の車両データとに基づいて故障予測対象車両の故障の発生を予測することで、故障予測の信頼性を向上させることができる。すなわち、本来同様の傾向を示すと考えられる同型車同士の車両データが、統計的に同様の傾向を示していなければ、故障予測対象車両に何らかの異変が発生していると考えられる。この異変は、故障自体又は故障の予兆現象に依拠する可能性がある。よって、この異変を察知することで故障を予測できるのである。
【００３３】
請求項１、４、９、１０、１５に記載の発明によれば、走行状況が同一又は類似の車両間で車両データを比較しているため、より故障予測の信頼性を向上させることができる。比較の対象となる他の車両と故障予測の対象となる車両とが同型であれば、双方の車両データは自ずと同一又は類似となるはずである。しかしながら、一方が直線道路を走行しているときの車両データであり、他方がカーブを曲がっているときの車両データであれば、同型車であるにもかかわらずデータが相異することが予想される。そのような場合に、両者のデータは不一致となるため、一方に故障があると判定される恐れがある。そこで、比較の対象となる他の車両と故障予測の対象となる車両との走行状況等を考慮して故障を予測することで、より故障の予測精度を向上させている。
【００３４】
請求項３又は１１に記載の発明によれば、故障予測対象車両と同一又は類似の年式若しくは走行距離にある車両の車両データを用いて故障を予測するため、故障予測の信頼性を向上させることができる。すなわち、双方の車両が同一又は類似の年式若しくは走行距離であれば、経年変化の進み具合もほぼ同様の傾向と考えられるため、仮に双方の車両データが符合しなければ、一方に故障が発生している可能性がある。
【００３５】
請求項４又は１２に記載の発明によれば、双方の車両が相互に近接した場所を走行していれば、より走行条件が近似することになるため、徴少な異変をも検出でき、故障予測の精度を向上させることができる。
【００３６】
請求項５又は１３に記載の発明によれば、同一の走行車線を走行しているか、又は同一の方向に走行している車両間の車両データを用いることで、より走行条件が近似し、徴少な異変をも検出でき、さらには、故障予測の精度を向上させることができる。例えば、複数の車両が近接した場所を走行していたとして、そこが交差点であれば、走行方向が相異し、ときには走行状況が大きく異なることもあろう。そこで、このような付加的な条件を課すことで、故障予測の精度を向上させることができるのである。
【００３７】
請求項６に記載の発明によれば、故障予測対象車両と同一又は近接した場所を過去に走行した他の車両の車両データを用いて故障の発生を予測することで、比較対象となる他の車両データが増加し、予測の精度が向上しよう。
【００３８】
請求項７又は１４に記載の発明によれば、上述の遠隔故障予測システムと連携することで、故障の予測結果をドライバなどの顧客に報告することができる。
【００３９】
請求項８、１６又は１７に記載の発明によれば、車車間通信により同型車と車両データを交換できるため、大規模なネットワークを必要とすることなく、簡易に故障の発生を予測することが可能となる。
【００４０】
【発明の実施の形態】
以下、本発明に係る遠隔故障予測システムについての一実施形態を、図面を参照して詳細に説明する。なお、以下では、一見すると特許請求の範囲には記載されていないと思われる実施形態が存在するかもしれないが、これらは意識的に除外したものではなく、特許請求の範囲に記載の発明と均等であるためにあえて、特許請求の範囲には記載していないことを理解していただきたい。
【００４１】
［第１の実施形態］
図１は、本実施形態に係るシステムの構成例を示した図である。情報センター１００は、顧客の車両１１０、１１１やサービス工場１２０などから送信される各種の情報を蓄積するとともに、故障予測結果を提供するコンピュータ群である。情報センター１００は、顧客の車両１１０、１１１とインターネット１３０やモバイル通信回線などを経由して接続している。顧客の車両１１０及び１１１は、故障の予測に必要なデータを取得して情報センター１００に送信する。
【００４２】
ここでは、車両１１０が故障予測の対象となる車両である。同型車両１１１は、車両１１０と同型の車両であり、故障予測の際には比較対象となる。図１では、同型車両１１１が１台しか示されていないが、統計処理をする場合又は故障予測の精度を向上させるためには、複数又は多数であることが望ましい。
【００４３】
情報センター１００には、故障の予測処理を実行する故障予測サーバ１０１と、顧客（全ての顧客又は故障予測サービスの契約者）の情報を格納した顧客情報データベース１０２と、故障予測診断の診断条件を格納する診断条件データベース１０３と、顧客の車両１１０、１１１から送信されてきた車両データを蓄積する車両情報データベース１０４と、地図データを格納した地図データベース１０６と、故障を診断又は予測するための各種プログラムを格納した診断プログラムデータベース１０７とを含んでいる。故障予測サーバ１０１は、一種のコンピュータであり、ＣＰＵ、メモリ、ハードディスクドライブ及び通信インタフェースなどを備えている。以下の説明では、フローチャートに対応するプログラムをＣＰＵが実行することにより、各種の処理が実行されることになる。
【００４４】
例えば、上述の故障予測サーバ１０１によれば、ネットワークを介して接続された故障予測対象車両（車両１１０）からの車両データ、及び該故障予測対象車両と同型の他の一以上の車両（車両１１１）からの車両データを受信する受信手段（通信インタフェース）と、 前記受信された故障予測対象車両からの車両データと、該故障予測対象車両と同型である他の一以上の車両からの車両データを記憶する記憶手段（ハードディスクドライブ又はメモリ）と、前記記憶されている故障予測対象車両からの車両データと、前記他の一以上の車両からの車両データとを読み出す読出手段（ＣＰＵ、故障予測プログラム）と、前記故障予測対象車両からの車両データと、前記他の車両からの車両データとを比較し、比較結果に基づいて故障の発生を予測する故障予測手段（ＣＰＵ、故障予測プログラム）と、前記故障予測手段による故障予測結果を前記故障予測対象車両の顧客に対して送信する送信手段（通信インタフェース）とを有する遠隔故障予測システムを構成することができる。
【００４５】
図２は、本実施形態に係る車両の構成例を示したブロック図である。遠隔車両用クライアント装置２００は、ＣＰＵ、メモリなどからなるメインコントローラであり、各種制御ユニットやセンサから制御データやセンサ出力を取得し、メモリに蓄積したり、蓄積した情報をモバイル端末（モバイル通信インタフェース）２５０や近距離無線通信インタフェース２５５を介して情報センター１００に送信したり、情報センター１００から故障予測結果を受信したりする。近距離無線通信インタフェース２２５は、無線ＬＡＮ、ブルートゥース及びＥＴＣ用の無線規格などを採用できる。
【００４６】
ボディー系システム２１０は、パワーウインドウユニット２１１、ヘッドライトユニット２１２、オーディオユニット２１３、エアコンユニット２１４、ワイパーユニット２１５及びドアロックユニット２１６などを含み、制御結果や電流・電圧などのデータを車両用クライアント装置２００へと出力する。
【００４７】
制御系システム２２０には、ブレーキがロックしないように制御するＡＢＳ（アンチロック・ブレーキ・システム）２２１、車両の挙動を制御するＤＳＣ（ダイナミック・スタビリティ・コントローラ）２２２、燃料の供給を制御するＥＧＩ（エレクトリック・ガス・インジェクション）２２３、自動変速機を制御するＥＡＴ（エレクトリック・オートマティック・トランスミッション）２２４及び自動走行などドライバの運転を補助するＩＣＣＷ（インテリジェント・クルーズ・コントロール＆ワーニング）２２５などを含み、車両用クライアント装置２２０に対して制御結果などを通知する。
【００４８】
また車両には各種のセンサ群が搭載されている。例えば、ＧＰＳ（グローバル・ポジショニング・システム）衛星からの電波を受信して車両の現在位置を算出するＧＰＳセンサ２３１、渋滞情報などを受信するＶＩＣＳ情報受信機２３２、車両の速度を検出する車速センサ２３３、前方の車両など他の車両との距離を計測する車間距離センサ２３４、車両のヨーレートを検出するヨーレートセンサ２３５、車両の加速度を検出する加速度センサ、車両の操舵角を検出する操舵角センサ２３７、スロットルの開度を検出するスロットル開度センサ２３８、ブレーキの踏み込み圧力を検出するブレーキ圧センサ２３９、ウインカスイッチの動作状態を検出するウインカＳＷセンサ２４０、外気温を測定するための外気温センサ２４１及び雨が降っているか否かや雨量を測定するレインセンサ２４２などが車両には搭載されている。
【００４９】
ナビゲーション・コントローラ２６０は、ＧＰＳセンサ２３１からの測位データに基づいて、ハードディス・クドライブなどに記憶されている地図情報を検索し、現在位置の地図を表示する装置である。顧客たるドライバへの入出力装置２７０は、液晶ディスプレイなどの表示装置と音声主力装置などを含んでおり、ナビゲーション・コントローラ２６０からの地図データを出力したり、情報センター１００からの故障予測結果を出力したりする。
【００５０】
このように本実施形態では、上述の遠隔故障予測システムにより故障を予測される車両であって、車両の動作状態に関する情報を検出する手段（例：ＧＰＳセンサ２３１など）と、前記検出された車両の動作状態に関する情報を車両データとして記憶する手段（例：メモリなど）と、前記記憶されている車両データを前記遠隔故障予測システムに送信する手段（例：モバイル通信インタフェース２５０や近距離無線通信インタフェース２５５など）と、前記遠隔故障予測システムからの故障予測結果を受信する手段（例：モバイル通信インタフェース２５０や近距離無線通信インタフェース２５５）と、前記受信された故障予測結果を出力する手段（例：入出力装置２７０）とを有する車両が提供される。
【００５１】
図３は、本実施形態に係る車両データの収集に関するフローチャートである。ステップＳ３００において、車両用クライアント装置２００に搭載されているＣＰＵは、各種センサやユニットからの出力を、それぞれ適切なタイミングでサンプリングし、メモリに記憶する。
【００５２】
ステップＳ３０２において、車両用クライアント装置２００に搭載されているＣＰＵは所定のタイミング（例えば、定期的、エンジン始動時、エンジン始動が所定時間経過後、及びドライバによる明示的な指示が入力されたときなど）になったと判断すると、メモリに記憶されている車両データを読み出し、車両又はドライバを特定する情報を付加し、モバイル通信インタフェース２５０又は近距離無線通信インタフェース２５５を介して情報センター１００に送信する。
【００５３】
ステップＳ３１０において、情報センター１００の故障予測サーバ１０１は、モバイル通信インタフェースなどを介して車両から送信された車両データを受信する。ステップＳ３１２において、故障予測サーバ１０１は、受信した車両データを、対応する車両又はドライバを特定する情報と関連付けて車両情報データベース１０４に記憶する。以上の手順により、各車両の車両データが車両データベース１０４に格納される。
【００５４】
図４は、本実施形態に係る遠隔故障予測処理についてのフローチャートである。ステップＳ４００において、車両側で故障予測がトリガーされる。例えば、車両用クライアント装置２００は、車両の搭乗者により入出力装置２７０が操作され故障予測の要求を受け付ける。ステップＳ４０２において、車両用クライアント装置２００は、メモリに記憶されていた所定期間の車両データを読み出し、故障予測サーバ１０１に送信する。
【００５５】
ステップＳ４０４において、故障予測サーバ１０１は、インターネット１３０を経由して車両データを受信する。ステップＳ４０６において、故障予測サーバ１０１は、受信した車両データを用いて故障発生予測処理を実行する。ステップＳ４０８において、故障予測サーバ１０１は、故障予測を要求してきた車両に対して、予測結果を送信する。
【００５６】
ステップＳ４１０において、車両用クライアント装置２００は、故障予測結果を受信する。ステップＳ４１２において、車両用クライアント装置２００は、受信した故障予測結果を、入出力装置２７０に出力させる。以上のようなフローで故障の予測が実行される。
【００５７】
図５は、本実施形態に故障予測処理に関するフローチャートである。本フローチャートに相当する故障予測プログラムが故障予測サーバ１０１の記憶装置に格納されている。また、図６は、本フローチャートの処理を概念的に説明した図である。
【００５８】
ステップＳ５００において、故障予測サーバ１０１は、ｉ番目の診断条件を診断条件データベース１０３から読み出し、読み出されたｉ番目の診断条件を満たす予測対象車両１１０の車両データを車両情報データベース１０４から検索により抽出する。なお、ここで抽出される車両データの時間幅をＴとする。このＴがあまりに長すぎると、予測処理に時間がかかってしまうため、故障予測精度を十分に保つのに相応しく、かつ、できる限り短い時間幅に設定することが望ましいであろう。
【００５９】
あるいは、各診断条件ごとに必要となる時間幅は異なる可能性があることを考慮し、診断条件ごとに時間幅Ｔを可変とし、適切な値に設定してもよい。この場合は、経験的に各診断条件ごとに必要となる時間幅Ｔを決定すればよい。
【００６０】
診断条件としては、同型車であることを条件としたり、それに加え、同一又は類似の走行状況であることを追加の条件としてもよい。走行状況としては、例えば、加減速の種別、道路の種別、道路の曲率、道路の勾配、気温、天候、曜日、時刻、時間帯、及び渋滞状況などが考えられるが、もちろん他の条件を用いてもよい。
【００６１】
これらの情報は、何れも車両データに直接含まれているか、又は車両データに含まれている情報から間接的に導出される情報である。例えば、ＧＰＳセンサ２３１により取得され、車両データに含まれている位置情報に基づいて、地図データベース１０６を検索することで、車両が走行している道路が、高速道路なのか又は一般道路なのか、あるいは直線であるのかカーブであるのか、勾配がどの程度であるのかが分かる。また、車両データに含まれる車速データの時間変化を求めることで、車両が加速しているか、減速しているのかを判別できる。気温や天候なども、車両に搭載されいる外気温センサ２４１やレインセンサ２４２からの車両データにより判別できる。また、渋滞状況は、車両データに含まれているＶＩＣＳ情報受信機２３２のデータにより判別できる。
【００６２】
また、同一又は類似の年式若しくは走行距離にあることを追加の条件としてもよい。年式や走行距離のデータも、車両用クライアント装置２００によりＲＯＭなどから読み出され、車両データに格納される。なお、年式については顧客データベース１０２に登録されているものを、故障予測サーバ１０１が読み出して取得してもよい。
【００６３】
また、近接している場所を走行していることを追加の条件としてもよい。近接した場所に位置しているかどうかは、ＧＰＳセンサ２３１により取得され、車両データに格納された位置情報により判定することが可能である。なお、近接しているとは、故障予測対象車両１１０と同型車両１１１とがともに正常であれば双方の車両データが同一又は類似の傾向を示す程度の距離関係をいう。
【００６４】
同一の走行車線を走行しているか、又は同一の方向に走行していることを追加の条件としてもよい。同一の走行車線を走行しているか、又は又は同一の方向に走行しているかは、ＧＰＳセンサ２３１により取得され車両データに格納されている位置情報、その位置情報の時間変化、及びその位置情報に基づいて地図データベース１０６から抽出された道路情報により判定することができる。なお、片側三車線の道路であれば、何れの車線の同一の車線に含まれるが、同一道路内の対向車線は異なる車線となろう。
【００６５】
なお、比較対象となる車両は現在走行中の車両だけを対象としてもよいし、過去に同一の場所またはその周辺の場所を走行した他の車両を対象としてもよい。例えば、現在走行中の他の車両の数はそれほど多くないであろうが、過去に同一の場所またはその周辺の場所を走行した他の車両は多数存在する。そのため統計処理により故障予測を実行する場合は、母数が多いほど故障の予測精度が向上するであろう。
【００６６】
以上の例示した条件は、単独で用いてもよいし、考えられる全ての組み合わせから適宜の組み合わせを選択して用いてもよい。
【００６７】
診断条件は、特定の故障と対応させてもよい。すなわち、経験的に特定の故障を検出可能な診断条件を適宜特定しておき、データベースに登録しておくのである。例えば、タイヤの磨耗を検出するための診断条件を、雨天時、１３０Ｒのカーブを走行しているとき、かつ、横滑り現象が発生している、といった具合である。
【００６８】
図６の例では、１番目の診断条件として同型車（型式ＧＦ−ＦＤ３Ｓ）、天候が晴れ、かつ、高速道路を走行といった診断条件が抽出され、さらに１番目の診断条件を満たす故障予測対象車両のデータが抽出される。
【００６９】
ステップＳ５０２において、故障予測サーバ１０１は、故障予測対象車両１１０の車両データのうち、ｉ番目の診断条件を満たすものが抽出されたかを判定する。抽出されていればステップＳ５０４に進む。抽出されていなければ、ステップＳ５２０へ進み、ｉをインクリメントした後、ステップＳ５００へと戻る。
【００７０】
ステップＳ５０４において、故障予測サーバ１０１は、ｉ番目の診断条件を満たす他の同型車両１１１の車両データを車両情報データベース１０４から検索により抽出する。ここで、抽出される車両データは１台のものであってもよいが、予測精度を高めるためには複数又は多数であることが望ましい。
【００７１】
図６の例では、１番目の診断条件として同型車（型式ＧＦ−ＦＤ３Ｓ）、天候が晴れ、かつ、高速道路を走行といった診断条件が抽出され、さらに１番目の診断条件を満たす他の複数の同型車両のデータが抽出される。
【００７２】
ステップＳ５０６において、故障予測サーバ１０１は、抽出された他の同型車両１１１（他の車両群）の車両データを統計処理する。例えば、平均値や標準偏差を求める。図６の例では、２台の他の同型車両について、Ｔ分間の空燃比データの平均値を求めている。
【００７３】
ステップＳ５０８において、故障予測サーバ１０１は、予測対象車両１１０の車両データと、統計処理された他の車両群の車両データとが、統計的に同一又は類似であるかを判定する。例えば、予測対象車両１１０の車両データが、他の車両群の車両データの平均値と同一又は近似しているか、あるいは誤差の範囲内であるかを判定する。
【００７４】
図６の例では、故障予測対象車両１１０の空燃比データと統計処理された他の車両群の空燃比データとが比較され、同一又は類似の傾向にあるかが判定される。統計的に同一・又は類似の傾向にあれば、ステップＳ５１０に進み、そうでなければステップＳ５１２へと進む。
【００７５】
ステップＳ５１０において、故障予測サーバ１０１は、ｉ番目の診断条件を故障リストに追加する。故障リストは、メモリ又はハードディスクドライブなどの記憶手段に格納される。なお、ｉ番目の診断条件に対応する故障識別コードを故障リストに記憶してもよい。診断条件と故障識別コードとの対応関係は、診断条件データベース１０３に記憶しておいてもよいし、他のデータベースに登録しておいてもよい。
【００７６】
ステップＳ５１２において、故障予測サーバ１０１は、全ての故障予測サーバについて故障予測を終了したかを判定する。終了していなければ、ステップＳ５２０へと進みｉの値をインクリメントしてステップＳ５００へと戻り、次の診断条件について故障予測を行なう。
【００７７】
ステップＳ５１４において、故障予測サーバ１０１は、記憶手段に記憶されている故障リストを読み出し、何れかの診断条件又は故障識別コードが登録されているかを判定する。何れかの診断条件の診断条件が登録されていれば、何らかの故障が発生しているか、あるいは将来において何らかの故障が発生する可能性がある。また、いずれかの故障識別コードが登録されていれば、その故障識別コードに対応する故障が近い将来において発生すると予測されたことになる。故障の発生が予測されていなければステップＳ５１８に進む。故障の発生が予測された場合にはステップＳ５１６へと進む。
【００７８】
ステップＳ５１６において、故障予測サーバ１０１は、ドライバに報告するための故障予測結果（予測レポート）を作成する。例えば、故障リストに登録されている診断条件又は故障識別コードについて、緊急度ごとにソートして故障予測結果を作成してもよい。この故障予測結果には、例えば、予測された全ての故障を含ませてもよいし、あるいは運行の支障をきたすようなものや、安全性に直結するような緊急度の高い故障のみを含ませてもよい。なぜなら、緊急度の低いものを通知すると、過度に不安になるドライバも存在するかもしれないので、緊急度の高いもののみを通知させる利点がある。
【００７９】
また、故障の緊急度が高い場合には、その緊急度を反映させ、ドライバにとって緊急の度合いが分かりやすいような故障予測結果を作成してもよい。
【００８０】
ステップＳ５１８において、故障予測サーバ１０１は、故障なしを示す予測結果を作成し記憶手段に記憶する。予測結果としては、例えば、「故障の発生は予測されませんでした。快適なドライビングをお楽しみ下さい。」とか、「現時点では故障の発生は予測されませんでした。この故障予測は、故障しないことを保証するものではありません。」とか、「現時点では故障の発生は予測されませんでした。但し、不意に故障が発生することもありますので、運行前点検や定期点検などは必ず実行しましょう。」などのメッセージとすればよいだろう。
【００８１】
以上のように本実施形態によれば、実際の故障車両の車両データに基づいて故障を予測するため、従来よりも故障予測の精度を上昇させることができる。
【００８２】
［第２の実施形態］
上述した第１の実施形態に係る遠隔故障予測システムを基本とする第２の実施形態を説明する。以下の説明においては、第１の実施形態と同様な構成については重複する説明を省略し、本実施形態における特徴的な部分を中心に説明する。
【００８３】
第２の実施形態では、通常の車両データを車両情報データベース１０３に登録した際にも、故障予測処理を実行するものである。
【００８４】
図７は、第２の実施形態にかかる故障予測に関するフローチャートである。図３及び図４と共通のステップについては同一の引用符号を付すことで説明を簡潔にする。本実施形態では、ステップＳ３００からステップＳ３１２を実行した後、ステップＳ７１４以降を追加している。
【００８５】
ステップＳ７１４において、故障予測サーバ１０１は、前回の予測処理から所定時間が経過しているかを判定する。このように所定期間が経過したときに予測結果を提供するのは次の理由による。車両の故障はそれほど頻繁に発生するものではないところ、車両データが届くたびに故障の予測処理を実行すれば、無駄にシステムの負荷を増加させてしまう。よって、故障予測をするのに適切なタイミングでのみ実行すれば十分なのである。
【００８６】
処理を具体的に説明すると、故障予測サーバ１０１は、車両データを送信してきた車両について、前回故障予測処理を行なった時刻を顧客データベース１０２から読み出す一方で、現在の時刻をタイマーから取得し、両者の差分をとる。この差分が所定時間を超えていればステップＳ４０６へと進み、故障発生の予測処理を実行する。
【００８７】
一方、この差分が所定時間を超えていなければ、すなわち、前回の予測処理から十分に時間が経過していなければ、予測処理を実行せず処理を終了する。
【００８８】
なお、ステップＳ４０６において得られた故障予測の結果、故障が予測されなかった場合には、ドライバに予測結果を通知することなく処理を終了してもよい。
【００８９】
本実施形態では、車両データを送信したタイミングで、故障予測を行なうため、ドライバが故障予測の実行を失念しているときでも、自動で故障予測結果を報告することができる。
【００９０】
また、車両データを送信したタイミングであっても、前回の予測処理から十分に時間が経過していなければ、予測処理を実行せず処理を終了するようにしたので、無駄な予測処理の実行を抑制することができる。
【００９１】
また、故障が予測されなかった場合には、ドライバに予測結果を通知することなく終了するため、ドライバに無駄な情報が送信されることを抑制できる。本実施形態では、ドライバが意識せずとも、故障予測を実行しているため、故障の発生が予測されない場合には、そのままドライバに意識させないようにする方が運転に集中でき、好ましいかもしれない。
【００９２】
［第３の実施形態］
上述の実施形態では、インターネット１３０のような大規模ネットワークを用いて情報センター１００にて車両データを収集するものであった。これは、同一の日時に近接した場所を走行している他の同型車両１１０が存在していなくても、過去に同一の場所を走行した他の同型車両１１０の車両データが車両情報データベース１０４に存在すれば、故障の予測が可能であった。
【００９３】
さらに、多数の同型車のデータを車両情報データベース１０４に蓄積し、統計処理を実行するため、故障予測の精度が比較的に高い方式であった。
【００９４】
しかしながら、上述の実施形態では、故障予測精度は高いものの、故障予測サーバ１０１や各種のデータベースを設置して管理する必要があるため、コストの面では不利であった。また、故障精度については劣るかもしれないが比較的に簡易な故障予測でも十分な場合もありえよう。
【００９５】
そこで、第３の実施形態では、車車間通信を応用することで、より簡易に故障予測システムを実現する。すなわち、インターネット１３０のような大規模なネットワークは必須ではなく、車車間ネットワークを組むだけでも故障予測が可能となる。
【００９６】
なお、第３の実施形態では車車間通信を利用するが、車車間通信の通信可能範囲は数ｍから１００ｍ程度である。従って、故障予測対象車両１１０と他の同型車両１１１とが通信可能であれば、双方の車両は半径や役１００ｍ以内に接近していることになるから、両者は概ね同一又は類似の走行状況にあるといえる。例えば、半径１００ｍの範囲であれば同一の気象条件であることは事実であろう。従って、本実施形態では、類似の走行状況にある車両データを抽出せずとも、双方の車両データは自ずと同一又は類似の走行状況において取得されたデータとなっているといった利点がある。
【００９７】
また、リアルタイムで車両データを取得できるため、長時間にわたって車両データを保持している必要はなく、故障予測処理に使用された車両データはすぐに廃棄してしまってもよい。これにより、メモリやハードディスクドライブを有功に利用できる。
【００９８】
図８は、第３の実施形態の概念を示した図である。上述の実施形態では、車両により取得された車両データは車両情報データベース１０４にアップロードされていたが、本実施形態では、車車間通信により他の同型車１１１から車両データを取得する。そして、故障予測対象車両１１０に搭載されている車両用クライアントにより故障を予測する。この意味で、車両用クライアントは故障予測システム又は故障予測装置と観念できよう。
【００９９】
図９は、第３の実施形態おける車両１１０及び１１１の構成例を示したブロック図である。図２と同様の構成については同一の参照符号を付すことで説明を省略する。ここでは、故障予測対象車両１１０に搭載されている車両用クライアントが故障予測装置９００として機能する。一方、同型車両１１１に搭載されている車両用クライアント又は故障予測装置９００は、車両データを収集し、収集した車両データを故障予測対象車両１１０に搭載されている故障予測装置９００へと送信する車両データ収集・送信装置として機能することになる。もちろん、車両用クライアント２００には、故障予測装置としての機能と車両データ収集・送信装置としての機能の双方が含まれていてもよい。
【０１００】
故障予測装置９００は、車両用クライアント２００に故障予測プログラムを搭載したものである。ＣＰＵ２０１は、故障予測装置９００の中核を成し、ＲＯＭ２０２に記憶されている故障予測プログラム２０４に従って故障予測を実行する。ＲＯＭ２０２は、同型車かどうかを判定する基準情報となる車両型式データ２０３や、上述の故障予測プログラム２０４を記憶している。ＲＡＭ２０５は、他の同型車１１１から受信した車両データ２０６、自己の車両データ２０８、及び故障予測リスト２０９を記憶している。また、車車間通信ユニット２５６も各車両には搭載されている。
【０１０１】
図１０は、第３の実施形態に係る故障発生予測プログラムのフローチャートである。図５で説明した処理と同様の処理については同一の参照符号を付すことで説明を省略する。
【０１０２】
ステップＳ１０００において、故障予測装置９００は、故障予測対象車両の通信可能範囲に同型の車両が存在するかをサーチする。例えば、ＣＰＵ２０１は、車車間通信ユニット２５６を制御して、周辺に位置する車両が送信するビーコンを受信し、当該ビーコンに含まれる車両型式データから同型の車両であるか判定する。そして、ＣＰＵ２０１は、周囲の他の車両が同型車両であると判定されると、車車間通信ユニット２５６を制御してさらに詳細な車両データを要求する。同型車両１１１は、この要求に応じ、車両データを送信する。ＣＰＵ２０１は、車車間通信ユニット２５６により受信された車両データをＲＡＭ２０５に記憶する。なお、複数の該当車両が存在する場合には、できるだけ多くの同型車両から車両データを受信してＲＡＭ２０５に記憶する。
【０１０３】
ステップＳ１００２において、ＣＰＵ２０１は、ＲＡＭ２０５に記憶されている車両データがｉ番目の診断条件を満たすか否かを判定する。満たす車両がなければ、ステップＳ１０２２に進み、予測不可能を表すメッセージを作成し、入出力装置２７０から出力する。条件を満たすものがあればステップＳ５０６に進む。
【０１０４】
その後、Ｓ５０６乃至Ｓ５１８までの処理を終了し予測結果が得られると、ステップＳ４１２において予測結果を出力する。
【０１０５】
なお、故障予測において、例えばＴ分間の車両データを用いるとすれば、予めＴ分間の車両データを取得し終えた後に、ステップＳ１００２以下を実行してもよいし、あるいは、Ｔよりも短いｔ秒間の車両データを他の同型車両１１１からリアルタイムで受信するとともに、故障対象予測車両１１０においてもリアルタイムで車両データを取得し、これらを比較し、Ｔ＝ｎ・ｔとなったときにｔ区間ごとの比較結果を統計処理してＴ区間全体での判定を実行し、故障を予測してもよい。
【０１０６】
このように、第３の実施形態では、他の実施形態よりも簡潔な構成により故障の発生を予測することができる。しかも、他の車両データを用いているので、従来技術に比較して予測精度が向上している。
【０１０７】
［他の実施形態］
上述の実施形態では、複数の同型車両間の車両データを比較することで故障の発生を予測していたが、車種の違いに依存しない車両データを用いるのであれば、異種車両間でも上述の実施形態を適用することができる。
【０１０８】
なお、上述の統計処理は、故障対象車両１１０の車両データが統計的に他の同型車両１１１の車両データから逸脱している場合に故障と判定していた。しかしながら、これでは、故障対象車両１１０の車両データが相対的に他の同型車両１１１の車両データよりも優れていることにより統計的に符合しない場合にも、故障と判定される恐れがある。そこで、このように優れている方向に逸脱している場合、故障予測サーバ１０１又は故障予測装置９００は、故障と判定しない制御を実行する。例えば、燃費等が優れている方向に逸脱しているのであれば、それはユーザにとって喜ばしいいことであるので、故障とは判断しない。なお、符合とは、同一又は類似の傾向を示すことをいい、完全一致を意味するわけではない。
【０１０９】
また、故障の予測結果については、故障予測サーバ１１０から車両用クライアント装置２００に対して直接送信してもよいが、電子メールとして顧客に送信してもよい。例えば、故障予測サーバ１１０は、故障予測対象車両１１０の車両番号に基づいて顧客データベース１０２を検索し、顧客の電子メールアドレスを抽出する。そして、故障予測サーバ１１０は、抽出された電子メールアドレスに対して予測結果を送信する。
【０１１０】
なお、ドライバの電子メールアドレスだけでなく、そのドライバが所属する会社の電子メールアドレスなどのように複数の電子メールアドレスを顧客データベースに登録しておけば、故障予測サーバ１１０は、ドライバだけでなく、そのドライバが所属する会社にも予測結果を配信できるため、会社全体として安全管理に役立てられる利点がある。
【図面の簡単な説明】
【図１】図１は、本実施形態に係るシステムの構成例を示した図である。
【図２】図２は、本実施形態に係る車両の構成例を示したブロック図である。
【図３】図３は、本実施形態に係る車両データの収集に関するシーケンスである。
【図４】図４は、本実施形態に係る遠隔故障予測処理のシーケンスである。
【図５】図５は、本実施形態に係る遠隔故障予測処理のフローチャートである。
【図６】図６は、本実施形態に係る遠隔故障予測処理の概念を示した図である。
【図７】図７は、第２の実施形態に係る遠隔故障予測処理についてのシーケンスである。
【図８】図８は、第３の実施形態に係るシステムの構成例を示した図である。
【図９】図９は、第３の実施形態に係る車両の構成例を示したブロック図である。
【図１０】図１０は、第３の実施形態に係る遠隔故障予測処理に関するフローチャートである。
【符号の説明】
１００…情報センター
１０１…故障予測サーバ
１１０…故障予測対象車両
１１１…他の同型車両

Claims (17)

1. 故障予測対象車両に対して遠隔から故障の発生予測を行い、故障予測結果を顧客に送信する遠隔故障予測システムにおいて、
   ネットワークを介し、前記故障予測対象車両からの車両データ、及び該故障予測対象車両と同型である他の一以上の車両からの車両データを受信する受信手段と、
   前記受信された故障予測対象車両からの車両データと、前記他の車両からの車両データを記憶する記憶手段と、
   前記記憶されている故障予測対象車両からの車両データと、前記他の車両からの車両データとを読み出す読出手段と、
   前記故障予測対象車両からの車両データと、前記他の車両からの車両データとを比較し、比較結果に基づいて故障の発生を予測する故障予測手段と、
   前記故障予測手段による故障予測結果を前記故障予測対象車両の顧客に対して送信する送信手段と、
   前記他の車両のうち、前記故障予測対象車両と同一又は類似の走行状況にある他の車両の車両データを抽出する抽出手段と
   を備え、
   前記故障予測手段は、同一又は類似の走行状況にある他の車両の車両データを用いて故障の発生を予測することを特徴とする遠隔故障予測システム。
2. 前記走行状況には、加減速の種別、道路の種別、道路の曲率、道路の勾配、気温、天候、曜日、時刻、時間帯、及び渋滞状況のうち少なくとも１つが含まれていることを特徴とする請求項１に記載の遠隔故障予測システム。
3. 前記他の車両のうち、前記故障予測対象車両と同一又は類似の年式若しくは走行距離にある車両の車両データを抽出する抽出手段をさらに備え、
   前記故障予測手段は、同一又は類似の年式若しくは走行距離にある他の車両の車両データを用いて故障の発生を予測することを特徴とする請求項１に記載の遠隔故障予測システム。
4. 前記車両データに含まれる走行位置に関する情報に基づいて、前記故障予測対象車両と近接した場所を走行している他の車両を特定し、該他の車両の車両データを用いて故障の発生を予測することを特徴とする請求項１乃至請求項３の何れかに記載の遠隔故障予測システム。
5. 前記他の車両はさらに前記故障予測対象車両と同一の走行車線を走行しているか、又は同一の方向に走行している車両であることを特徴とする請求項４に記載の遠隔故障予測システム。
6. 前記車両データに含まれる走行位置に関する情報に基づいて、前記故障予測対象車両と同一又は近接した場所を過去に走行した他の車両を特定し、該他の車両の車両データを用いて故障の発生を予測することを特徴とする請求項１乃至請求項３の何れかに記載の遠隔故障予測システム。
7. 請求項１乃至請求項６の何れかに記載の遠隔故障予測システムにより故障を予測される車両であって、
   車両の動作状態に関する情報を検出する手段と、
   前記検出された車両の動作状態に関する情報を車両データとして記憶する手段と、
   前記記憶されている車両データを前記遠隔故障予測システムに送信する手段と、
   前記遠隔故障予測システムからの故障予測結果を受信する手段と、
   前記受信された故障予測結果を出力する手段と
   を有することを特徴とする車両。
8. 動作状態に関する車両データを蓄積する車両について故障の発生予測を行う故障予測システムにおいて、
   他の車両と通信するための車車間通信手段と、
   前記車車間通信手段により通信可能な他の車両であって、前記故障の発生予測の対象となる故障予測対象車両と同型の他の車両を探索する探索手段と、
   前記探索手段により発見された他の一以上の車両から受信した車両データと、前記故障予測対象車両の車両データとを記憶する記憶手段と、
   前記記憶されている他の一以上の車両から受信した車両データと、前記故障予測対象車両の車両データとを読み出す読出手段と、
   前記読み出された他の一以上の車両から受信した車両データと、前記故障予測対象車両の車両データとを比較し、比較結果に基づいて故障の発生を予測する故障予測手段と、
   前記故障予測手段による故障予測結果を出力する出力手段と
   を有する故障予測システム。
9. 前記他の車両のうち、前記故障予測対象車両と同一又は類似の走行状況にある他の車両の車両データを抽出する抽出手段をさらに備え、
   前記故障予測手段は、同一又は類似の走行状況にある他の車両の車両データを用いて故障の発生を予測することを特徴とする請求項８に記載の故障予測システム。
10. 前記走行状況には、加減速の種別、道路の種別、道路の曲率、道路の勾配、気温、天候、曜日、時刻、時間帯、及び渋滞状況のうち少なくとも１つが含まれていることを特徴とする請求項９に記載の故障予測システム。
11. 前記他の車両のうち、前記故障予測対象車両と同一又は類似の年式若しくは走行距離にある車両の車両データを抽出する抽出手段をさらに備え、
    前記故障予測手段は、同一又は類似の年式若しくは走行距離にある他の車両の車両データを用いて故障の発生を予測することを特徴とする請求項８に記載の故障予測システム。
12. 前記車両データに含まれる走行位置に関する情報に基づいて、前記故障予測対象車両と近接した場所を走行している他の車両を抽出し、該他の車両の車両データを用いて故障の発生を予測することを特徴とする請求項８乃至請求項１１の何れかに記載の故障予測システム。
13. 前記他の車両はさらに前記故障予測対象車両と同一の走行車線を走行しているか、又は同一の方向に走行している車両であることを特徴とする請求項１２に記載の故障予測システム。
14. 請求項８乃至請求項１３のいずれかに記載の故障予測システムを搭載した車両。
15. 故障予測対象車両に対して遠隔から故障の発生予測を行い、故障予測結果を顧客に送信する遠隔故障予測方法において、
    ネットワークを介して故障予測対象車両からの車両データ、及び該故障予測対象車両と同型である他の一以上の車両からの車両データを受信するステップと、
    前記受信された故障予測対象車両の車両データと、前記他の車両からの車両データを記憶するステップと、
    前記記憶されている故障予測対象車両からの車両データと、前記他の車両からの車両データとを読み出すステップと、
    前記故障予測対象車両からの車両データと、前記他の車両からの車両データとを比較し、比較結果に基づいて故障の発生を予測するステップと、
    前記故障予測手段による予測結果を前記故障予測対象車両の顧客に対して送信するステップと、
    前記他の車両のうち、前記故障予測対象車両と同一又は類似の走行状況にある他の車両の車両データを抽出するステップと
    を備え、
    前記故障の発生を予測するステップは、同一又は類似の走行状況にある他の車両の車両データを用いて故障の発生を予測するステップであることを特徴とする遠隔故障予測方法。
16. 動作状態に関する車両データを蓄積する車両について故障の発生予測を行う故障予測方法において、
    前記故障の発生予測の対象となる故障予測対象車両と同型の他の車両を車車間通信により探索するステップと、
    前記探索により発見された他の一以上の車両から車車間通信により車両データを受信するステップと、
    前記探索手段により発見された他の一以上の車両から受信した車両データと、前記故障予測対象車両の車両データとを記憶するステップと、
    前記記憶されている他の一以上の車両から受信した車両データと、前記故障予測対象車両の車両データとを読み出すステップと、
    前記読み出された他の一以上の車両から受信した車両データと、前記故障予測対象車両の車両データとを比較し、比較結果に基づいて故障の発生を予測するステップと、
    前記予測の結果を出力するステップと
    を有する故障予測方法。
17. 動作状態に関する車両データを蓄積する車両について故障の発生予測を行う故障予測プログラムにおいて、
    前記故障の発生予測の対象となる故障予測対象車両と同型の他の車両を車車間通信により探索するステップと、
    前記探索により発見された他の一以上の車両から車車間通信により車両データを受信するステップと、
    前記探索手段により発見された他の一以上の車両から受信した車両データと、前記故障予測対象車両の車両データとを記憶するステップと、
    前記記憶されている他の一以上の車両から受信した車両データと、前記故障予測対象車両の車両データとを読み出すステップと、
    前記読み出された他の一以上の車両から受信した車両データと、前記故障予測対象車両の車両データとを比較し、比較結果に基づいて故障の発生を予測するステップと、
    前記予測の結果を出力するステップと
    をコンピュータに実行させるための故障予測プログラム。

Images