JP4989399B2 - Information processing apparatus, information processing method, and program - Google Patents
Information processing apparatus, information processing method, and program Download PDFInfo
- Publication number
- JP4989399B2 JP4989399B2 JP2007250994A JP2007250994A JP4989399B2 JP 4989399 B2 JP4989399 B2 JP 4989399B2 JP 2007250994 A JP2007250994 A JP 2007250994A JP 2007250994 A JP2007250994 A JP 2007250994A JP 4989399 B2 JP4989399 B2 JP 4989399B2
- Authority
- JP
- Japan
- Prior art keywords
- value
- vehicle
- section
- vehicle dynamic
- characteristic evaluation
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
Description
本発明は、鉄道車両等の所定の路線を移動する車両の動態を管理する技術に関する。 The present invention relates to a technique for managing the dynamics of a vehicle moving on a predetermined route such as a railway vehicle.
従来の、鉄道車両の車両動態情報を観測し特異性を判定する技術としては、車両上に搭載されたセンサーから蓄積された情報を元に、時系列分析や周波数解析、その他データマイニング手法によって本来の値を推定し、推定値と新たな観測値との差が大きい場合を異常として検知する技術（例えば、特許文献１）がある。
また、鉄道車両の車両動態情報を地上の特定地点から観測し、鉄道車両がその地点を通過する度に取得した情報から異常を検知する技術（例えば、特許文献２）がある。
Further, there is a technique (for example, Patent Document 2) that observes vehicle dynamics information of a railway vehicle from a specific point on the ground and detects an abnormality from information acquired every time the railway vehicle passes through the point.
一般に、鉄道車両に搭載するセンサーは、サイズ・コストなどの面から制約が多く、機構が単純になる時間間隔一定のサンプリングとなることが多い。
また、このようなデータ蓄積型の分析では、データ転送速度や列車内でのデータの蓄積可能量などの制約から、生成されるデータ量を削減するためサンプリング周期を長く（数百ｍｓ〜）設定することが多く、従って周波数分析が十分に機能する密度のデータにならないという課題がある。
さらに、通常車両上のセンサー単体では、総走行距離を自動で算出する際に誤差が生じ、そのため従来の手法で高精度な分析を行うためには、より高コストなデータ環境を車両に搭載する必要があった。
しかしそのようなアプローチは、多数の車両に搭載し、常時監視を行うような商用の車両動態監視システムとしては、コスト面から課題があった。
In general, a sensor mounted on a railway vehicle has many restrictions in terms of size and cost, and sampling is often performed at a constant time interval to simplify the mechanism.
In addition, in such a data accumulation type analysis, the sampling period is set long (several hundred ms or less) to reduce the amount of data generated due to restrictions such as the data transfer speed and the amount of data that can be stored in the train. Therefore, there is a problem that the frequency analysis does not result in data with sufficient function.
In addition, a sensor alone on a normal vehicle causes an error when automatically calculating the total mileage. Therefore, in order to perform high-precision analysis using the conventional method, a higher-cost data environment is installed in the vehicle. There was a need.
However, such an approach has a problem in terms of cost as a commercial vehicle dynamics monitoring system that is mounted on many vehicles and constantly monitors.
この発明は、上記のような課題を解決することを主な目的の一つとしており、低コストで高精細な車両動態管理技術を提供することを主な目的とする。 One of the main objects of the present invention is to solve the above-described problems, and it is a main object of the present invention to provide a low-cost and high-definition vehicle dynamics management technique.
本発明に係る情報処理装置は、
各々が二以上の小区間からなる複数の区間に区分されて管理されている路線を移動する車両の車両動態を管理する情報処理装置であって、
前記車両の移動中に前記車両において収集された、前記車両の車両動態が示される車両動態値を順次受信する車両動態値受信部と、
前記車両動態値受信部により受信された車両動態値がいずれの区間のいずれの小区間での車両動態を示すのかを判定し、判定した区間及び小区間に対応づけて車両動態値を格納する車両動態値格納部と、
区間ごとに、各小区間の車両動態値を用いて、当該区間での車両動態の特性を示す特性評価値を算出する特性評価値算出部と、
区間ごとに、特性評価値が正常な値か否かを判定するための基準値を記憶する基準値記憶部と、
前記特定評価値算出部により算出された特性評価値と、当該特性評価値と同じ区間の基準値とを比較し、前記特性評価値が正常な値か否かを判定する比較判定部とを有することを特徴とする。
An information processing apparatus according to the present invention includes:
An information processing apparatus for managing vehicle dynamics of a vehicle moving on a route that is divided into a plurality of sections each managed by two or more small sections,
A vehicle dynamics value reception unit that sequentially receives vehicle dynamics values collected in the vehicle during the movement of the vehicle and indicating vehicle dynamics of the vehicle;
A vehicle that determines whether the vehicle dynamic value received by the vehicle dynamic value receiving unit indicates the vehicle dynamic in which small section of which section, and stores the vehicle dynamic value in association with the determined section and the small section A dynamic value storage unit;
For each section, a characteristic evaluation value calculation unit that calculates a characteristic evaluation value indicating a characteristic of vehicle dynamics in the section using the vehicle dynamic value of each small section;
A reference value storage unit that stores a reference value for determining whether or not the characteristic evaluation value is a normal value for each section;
A comparison determination unit that compares the characteristic evaluation value calculated by the specific evaluation value calculation unit with a reference value in the same section as the characteristic evaluation value and determines whether the characteristic evaluation value is a normal value; It is characterized by that.
本発明によれば、低コストで高精細な車両動態管理を行うことができる。
つまり、車両により収集された車両動態値を小区間ごとに管理し、小区間ごとの車両動態値を用いて車両の動態を分析するため、路線上の多数の地点に固定センサーを設置して網羅的に車両動態値を観測した場合と同様の効果を、固定センサーを配置することなく得ることができる。
また、データの取得間隔についても、一つの値ではなく区間に対する特性評価値を算出することで、距離算出の誤差を吸収し、また、同一小区間に対して複数の値が得られた場合は集約処理を行い、値が欠損した小区間に対しては推定処理を行うことにより、正確な特性評価値を得ることでき、高精細な車両動態管理を行うことができる。
According to the present invention, high-definition vehicle dynamics management can be performed at low cost.
In other words, in order to manage the vehicle dynamics collected by the vehicle for each small section and analyze the vehicle dynamics using the vehicle dynamics for each small section, it is possible to cover by installing fixed sensors at many points on the route. In addition, the same effect as when the vehicle dynamic value is observed can be obtained without arranging a fixed sensor.
Also, with regard to the data acquisition interval, by calculating the characteristic evaluation value for the section instead of one value, the error of distance calculation is absorbed, and when multiple values are obtained for the same small section By performing an aggregation process and performing an estimation process on a small section having a missing value, an accurate characteristic evaluation value can be obtained, and high-definition vehicle dynamics management can be performed.
実施の形態１．
図１は、本実施の形態に係る車両動態管理装置１００の構成例を示す図である。
本実施の形態に係る車両動態管理装置１００は、例えば、鉄道会社の管理センターに配置され、各路線を走行する鉄道車両２００から例えば無線にて送信される車両動態情報をネットワーク３００経由で受信する。車両動態管理装置１００は、情報処理装置の例である。
なお、本実施の形態では、所定の路線を走行する鉄道車両２００を車両の例として説明するが、例えばバスや路面電車等の所定の路線を走行する他の種類の車両であってもよい。
FIG. 1 is a diagram illustrating a configuration example of a vehicle
The vehicle
In the present embodiment, railcar 200 that travels on a predetermined route will be described as an example of the vehicle, but other types of vehicles that travel on a predetermined route such as a bus or a tram may be used.
鉄道車両２００が走行する路線は、複数の区間に区分されて管理され、また、各区間は二以上の小区間からなる。
例えば、小区間を１０メートルとし、２０個の小区間により一つの区間が形成される（１区間は２００メートル）構成が考えられる。
また、車両動態情報とは、一つ以上の車両動態の値（車両動態値）が含まれる情報である。
車両動態値とは、車両が路線上にある際（走行時、駅等での停車時の両者を含む）の車両の状態を示す値をいい、変動し得る状態を示す値である。車両動態の具体例としては、例えば、車両の速度、加速度、車両の特定部位の温度、外気温、車両の走行時の振動数、車両内部のコンデンサの電圧、パンタグラフから供給される電圧等がある。なお、これらのうちの一部の車両動態値のみを車両動態情報に含ませてもよいし、これら以外の車両動態値を車両動態情報に含ませてもよい。
鉄道車両２００には、上記の車両動態値の種類に対応させて各種のセンサーが搭載されており、一定の周期でセンサーにより車両動態値を計測する。このため、センサーの計測周期及び鉄道車両の走行速度によっては、複数個の車両動態値が計測される小区間も存在するし、車両動態値が一つも計測されない小区間も存在する。
また、車両動態情報には、車両動態値以外に、鉄道車両２００の識別子、路線の識別子、車両動態値が計測された位置を示す位置情報が含まれる。車両動態値が計測された位置を示す位置情報は、例えば、路線における特定位置（始発駅又は終着駅）からの距離を示す。
The route on which the railway vehicle 200 travels is managed by being divided into a plurality of sections, and each section includes two or more small sections.
For example, a configuration in which a small section is 10 meters and one section is formed by 20 small sections (one section is 200 meters) can be considered.
The vehicle dynamic information is information including one or more vehicle dynamic values (vehicle dynamic values).
The vehicle dynamic value refers to a value indicating the state of the vehicle when the vehicle is on a route (including both when traveling and when stopping at a station, etc.), and is a value indicating a state that can fluctuate. Specific examples of vehicle dynamics include, for example, vehicle speed, acceleration, the temperature of a specific part of the vehicle, the outside air temperature, the vibration frequency when the vehicle travels, the voltage of a capacitor inside the vehicle, the voltage supplied from a pantograph, and the like. . It should be noted that only some of the vehicle dynamic values may be included in the vehicle dynamic information, or other vehicle dynamic values may be included in the vehicle dynamic information.
The railway vehicle 200 is equipped with various sensors corresponding to the types of vehicle dynamic values described above, and the vehicle dynamic values are measured by the sensors at regular intervals. For this reason, depending on the measurement cycle of the sensor and the traveling speed of the railway vehicle, there are small sections in which a plurality of vehicle dynamic values are measured, and there are also small sections in which no vehicle dynamic values are measured.
In addition to the vehicle dynamic value, the vehicle dynamic information includes an identifier of the railway vehicle 200, a route identifier, and position information indicating a position where the vehicle dynamic value is measured. The position information indicating the position where the vehicle dynamic value is measured indicates, for example, a distance from a specific position (first station or last station) on the route.
次に、車両動態管理装置１００の内部構成例について説明する。
Next, an internal configuration example of the vehicle
車両動態情報受信部１は、鉄道車両２００が移動中に鉄道車両２００にて収集され、送信された車両動態情報をネットワーク３００より順次受信する。
車両動態情報受信部１は、車両動態値受信部の例である。
The vehicle dynamics
The vehicle dynamic
小区間判定部１３は、車両動態情報受信部１により受信された車両動態情報がいずれの区間のいずれの小区間での車両動態を示すのかを判定する。前述のように、車両動態情報には、車両動態値が計測された位置の情報が含まれるので、小区間判定部１３は、車両動態値が計測された位置の情報より対応する区間及び小区間を判定することができる。
小区間バッファ２は、小区間判定部１３により判定された区間の小区間に対応づけて車両動態値を格納する。
小区間判定部１３及び小区間バッファ２が、車両動態値格納部の例となる。
The small section determination unit 13 determines whether the vehicle movement information received by the vehicle movement
The
The small section determination unit 13 and the
なお、以下では、説明の簡明のために、一路線の一鉄道車両２００から車両動態情報を受信する例を説明するが、実際の運用においては、車両動態管理装置１００は、複数路線の複数鉄道車両２００から車両動態情報を受信することになる。複数路線の複数鉄道車両２００からの車両動態情報に対しては、以下に述べる処理を複数路線分、複数鉄道車両分行うことになる。
また、同様に、説明の簡明のため、以下では、車両動態情報に１種類の車両動態値のみ（例えば鉄道車両の速度のみ）が含まれる例を前提にして説明するが、車両動態情報に２種類以上の車両動態値（例えば鉄道車両の速度と振動数等）が含まれる場合には、種類ごとに車両動態値を区別して格納する必要がある。
また、車両動態情報に２種類以上の車両動態値（例えば鉄道車両の速度と振動数等）が含まれる場合には、後述する車両動態値の集計、車両動態値の補完、特性評価値の算出、帰属確率の算出、特異性の判定等の処理も種類ごとに車両動態値を区別して実施する必要がある。
In the following, for the sake of simplicity, an example will be described in which vehicle dynamics information is received from one railcar 200 on a single line. However, in actual operation, the vehicle
Similarly, for the sake of simplicity, the following description will be made on the assumption that only one type of vehicle dynamic value (for example, only the speed of a railway vehicle) is included in the vehicle dynamic information. When more than one type of vehicle dynamic value (for example, the speed and frequency of a railway vehicle) is included, it is necessary to store the vehicle dynamic value separately for each type.
In addition, when the vehicle dynamics information includes two or more types of vehicle dynamics (for example, the speed and vibration frequency of a railway vehicle), the vehicle dynamics will be described later, vehicle dynamics will be supplemented, and characteristic evaluation values will be calculated. Further, it is necessary to carry out processing such as calculation of attribution probability and determination of specificity by distinguishing vehicle dynamic values for each type.
値集計部３は、車両位置が対象の小区間を外れた際に、小区間バッファ２に格納された値の集合を集計した集計値を算出して区間バッファ５に格納する。
つまり、値集計部３は、小区間バッファ２においていずれかの小区間に対して複数の車両動態値が格納されている場合に、複数の車両動態値を集約し、集約後の集計値を区間バッファ５に格納する。
集計値としては、例えば、複数の車両動態値の平均値、加重平均値、分散値等がある。
値集計部３は、車両動態値集約部の例である。
The
That is, the
Examples of the total value include an average value, a weighted average value, and a variance value of a plurality of vehicle dynamic values.
The
値補完部４は、車両位置が対象の小区間を外れ、かつ小区間バッファ２にデータが存在しない場合に使用される。過去動態特性ＤＢ（Ｄａｔａ Ｂａｓｅ）６から過去の特性情報を読み取り、算出される評価値が過去の特性評価値との差異が最小となるような値を算出し、補完値として集計値の代わりに区間バッファ５に格納する。
つまり、値補完部４は、小区間バッファ２においていずれかの小区間に対して車両動態値が格納されていない場合に、過去動態特性ＤＢ６の過去の特性情報に基づいて、当該小区間の車両動態値を推定する。
詳細は後述するが、過去動態特性ＤＢ６には、区間ごとに、過去に車両動態情報受信部１により受信された車両動態値の特性を示す情報が記憶されており、値補完部４は、小区間バッファ２に車両動態値が格納されていない小区間が属する区間についての特性情報から補完値を推定する。
値補完部４は、車両動態値推定部の例である。
The
That is, when the vehicle dynamic value is not stored for any of the small sections in the
Although details will be described later, in the past dynamic characteristic DB 6, information indicating the characteristics of the vehicle dynamic value received by the vehicle dynamic
The
区間バッファ５は、指定された個数の連続した小区間からなる区間を車両が通行した際の車両動態値を、小区間ごとの集計値・補完値として蓄積する。
車両位置が対象の区間を外れたとき、区間バッファ５は必ず小区間と同数の車両動態値（集計値、補完値）を格納している。
つまり、ある小区間に対して小区間バッファ２に一つの車両動態値が格納されていた場合は、値集計部３によりその車両動態値がそのまま集計値として出力されて当該小区間に対して一つの車両動態値が得られ、ある小区間に対して小区間バッファ２に複数の車両動態値が格納されていた場合は、値集計部３により集約された集計値が出力されて当該小区間に対して一つの車両動態値（集計値）が得られ、ある小区間に対して小区間バッファ２に車両動態値が格納されていなかった場合は、値補完部４により推定された車両動態値である補完値が出力されて当該小区間に対して一つの車両動態値（補完値）が得られ、この結果、区間バッファ５には必ず小区間と同数の値が格納されることになる。
The
When the vehicle position deviates from the target section, the
That is, when one vehicle dynamic value is stored in the
過去動態特性ＤＢ６は、区間バッファ５内に格納された車両動態値から、特性評価値を算出するための係数情報を格納している。
この係数情報は、過去の車両動態値から算出され、新たな車両動態情報が入力されると、その車両動態値に応じて更新される。
係数情報とは、区間ごとに、当該区間の小区間について過去に受信された車両動態値から得られる車両動態値の傾向を示す情報である。例えば、小区間が２０個（小区間１〜小区間２０）ある場合に、１）小区間１から小区間２０の全域に渡って車両動態値がほぼ一定である、２）小区間１から小区間２０まで、小区間ごとにＸ％の比率で車両動態値が上昇している、３）小区間１０まではＸ％の比率で上昇しているが、小区間１０以降はＹ％の比率で下降している等の区間ごとの車両動態値の傾向を示す情報である（なお、前述の１）〜３）は説明の簡明のために、単純な例の係数情報を挙げたものであり、実際の運用では、より複雑な内容の係数情報となると考えられる）。
The past dynamic characteristic DB 6 stores coefficient information for calculating a characteristic evaluation value from the vehicle dynamic value stored in the
This coefficient information is calculated from past vehicle dynamic values, and is updated according to the vehicle dynamic values when new vehicle dynamic information is input.
Coefficient information is information which shows the tendency of the vehicle dynamic value obtained from the vehicle dynamic value received in the past about the small area of the said area for every area. For example, when there are 20 small sections (
特性評価値算出部８は、区間バッファ５内の小区間毎の車両動態値（集計値、補完値）に対して、過去動態特性ＤＢ６から引用した係数情報による演算を施し、入力された車両動態情報に対する特性評価値を算出する。
つまり、特性評価値算出部８は、区間ごとに、各小区間の車両動態値に対して過去動態特性ＤＢ６から引用した係数情報を用いて、当該区間での車両動態の特性を示す特性評価値を算出する。
The characteristic evaluation
That is, the characteristic evaluation
過去特性評価値ＤＢ７は、過去に入力された車両動態値に対して算出された特性評価値を格納している。
つまり、過去特性評価値ＤＢ７は、同じ区間に対して過去に特性評価値算出部８により算出された特性評価値の集合を記憶している。
過去特性評価値ＤＢ７に記憶されている特性評価値の集合は、特性評価値算出部８により新たに算出された特性評価値が正常な値か否かを判定するための基準値となる。
過去特性評価値ＤＢ７は、基準値記憶部の例である。
The past characteristic
That is, the past characteristic
The set of characteristic evaluation values stored in the past characteristic
The past characteristic
帰属確率算出部９は、特性評価値算出部８にて算出された、入力された車両動態値の特性評価値と、過去特性評価値ＤＢ７に格納された、過去に入力された車両動態値に対する特性評価値の集合とを比較し、特性評価値算出部８により新たに得られた特性評価値が過去の特性評価値の集合の中で正常な位置にあるかどうかを統計的、確率的に表現する定量的な指標として、帰属確率を算出する。
特異性判定部１０では、得られた帰属確率が、あらかじめ定められた閾値を下回る場合に、警告情報を出力する。
つまり、帰属確率算出部９及び特異性判定部１０は、特性評価値算出部８により算出された特性評価値と、当該特性評価値と同じ区間の基準値（過去の特性評価値の集合）とを比較し、新たな特性評価値が正常な値か否かを判定するものであり、比較判定部の例である。
The attribute
The
In other words, the attribution
特性情報更新部１１は、過去動態特性ＤＢ６および過去特性評価値ＤＢ７の内容、および取得された車両動態値に対する特性評価値から、過去動態特性および過去特性評価値を更新し、それぞれ過去動態特性ＤＢ６および過去特性評価値ＤＢ７へ書き戻す。
The characteristic
表示部１２は、特異性判定部１０から出力された警告情報を表示する。
なお、警告情報の出力形態は、表示の他、音声の出力でもよく、表示部１２の代わりに、または表示部１２とともに音声出力部が配置されていてもよい。
The
The output form of the warning information may be an audio output in addition to the display, and an audio output unit may be arranged instead of the
次に、動作について説明する。
図２に動作のフローチャートを示す。
本明細書では、過去の車両動態情報から指定区間の特性評価値を算出する演算手法を「特性モデル」と呼ぶ。また、特性モデルを構成するパラメータを「係数情報」と呼ぶ。
Next, the operation will be described.
FIG. 2 shows a flowchart of the operation.
In this specification, a calculation method for calculating a characteristic evaluation value of a specified section from past vehicle dynamics information is referred to as a “characteristic model”. Further, the parameters constituting the characteristic model are referred to as “coefficient information”.
まず、車両動態情報受信部１が走行中の鉄道車両２００からネットワーク３００を介して位置情報（もしくは位置を近似的に推定可能な情報）を含む車両動態情報を取得する（Ｓ２０１）（車両動態値受信ステップ）。
ここで、位置情報とは、例えば、路線の始発駅又は終着駅からの道のり（距離）で示される。
また、前述したように、始発駅から終発駅までの路線は指定された数の区間で分割され、さらに各区間は定められた数の小区間に分割されているものとする。
区間バッファ５および小区間バッファ２には、それぞれに区間、小区間が対応付けられており、その小区間はその区間に属する小区間である。区間バッファ５は、時間の経過（鉄道車両２００の所在）とともに車両動態値の蓄積の対象とする区間を順次更新していき、小区間バッファ２は、区間バッファ５が対象としている区間の小区間に対応し、時間の経過（鉄道車両２００の所在）とともに車両動態値の蓄積の対象とする小区間を順次更新していく。
First, the vehicle dynamics
Here, the position information is indicated by, for example, a route (distance) from the first station or the last station on the route.
Further, as described above, the route from the first station to the last station is divided into a designated number of sections, and each section is further divided into a predetermined number of subsections.
Each of the
次に、小区間判定部１３が、位置情報により車両動態値が計測された区間を判定し、判定した区間が現在解析対象としている対象区間に一致するか否かを判定し（Ｓ２０２）、対象区間内であれば、Ｓ２０３に移行し、対象区間外である場合（車両が対象区間を通過している場合）は、Ｓ２１０に移行する。
次に、小区間判定部１３は、位置情報により車両動態値が計測された小区間を判定し、判定した小区間が現在解析対象としている対象小区間に一致するか否かを判定し（Ｓ２０３）（車両動態値格納ステップ）、対象小区間内であれば、受信値（車両動態値）を小区間バッファ２に蓄積させた後（Ｓ２０４）（車両動態値格納ステップ）、車両動態情報受信部１が次の車両動態情報を受信するまで待機する。
他方、対象小区間外である場合（車両が対象小区間を通過している場合）は、Ｓ２０５に移行する。
Next, the small section determination unit 13 determines a section in which the vehicle dynamic value is measured based on the position information, determines whether or not the determined section matches the target section currently being analyzed (S202), and the target If it is within the section, the process proceeds to S203, and if it is outside the target section (when the vehicle passes through the target section), the process proceeds to S210.
Next, the small section determination unit 13 determines the small section in which the vehicle dynamic value is measured based on the position information, and determines whether or not the determined small section matches the target small section currently being analyzed (S203). ) (Vehicle dynamic value storage step), if it is within the target small section, the received value (vehicle dynamic value) is accumulated in the small section buffer 2 (S204) (vehicle dynamic value storage step), then the vehicle dynamic information receiving unit Wait until 1 receives the next vehicle activity information.
On the other hand, when it is outside the target small section (when the vehicle passes through the target small section), the process proceeds to S205.
Ｓ２０３においてＮＯの場合、すなわち、車両動態値の計測位置が対象小区間ではない場合（車両が対象小区間を通り過ぎている場合）、値集計部３が、小区間バッファ２内に車両動態値が蓄積されているか否かを判断し（Ｓ２０５）、小区間バッファ２に車両動態値が存在すれば（Ｓ２０５でＮＯ）、小区間バッファ２内の値を全て用いて集計（例えば、標準偏差の算出）を行い、集計値を得る（Ｓ２０６）。
他方、小区間バッファ２に車両動態値が存在しない場合（Ｓ２０５でＹＥＳ）は、値補完部４が、過去動態特性ＤＢ６から取得した過去動態特性から、過去特性に従った推定（例えば、過去動態特性から求められる特徴空間と最も距離が近づく値の算出）を行い、推定値を得る（Ｓ２０７）。
得られた集計値もしくは推定値は、それぞれ値集計部３又は値補完部４が、区間バッファ５に蓄積する（Ｓ２０８）。
次に、小区間バッファ２をクリアして、小区間バッファ２が対象とする小区間を、車両の進行方向の一つ隣の小区間に変更し、Ｓ２０３以降の処理を変更後の小区間について実行する。
In the case of NO in S203, that is, when the measurement position of the vehicle dynamic value is not the target small section (when the vehicle passes the target small section), the
On the other hand, when the vehicle dynamic value does not exist in the small section buffer 2 (YES in S205), the
The obtained total value or estimated value is accumulated in the
Next, the
例えば、図３に示すように、小区間バッファ２が対象とする小区間が小区間ＩＤ：１の小区間であるときに、小区間ＩＤ：１の小区間に対する受信値が１つ蓄積されている場合は（Ｓ２０５でＮＯ）、受信値が一つなので値集計部３は集計値として受信値をそのまま区間バッファ５に格納する（Ｓ２０６、Ｓ２０８）。
また、小区間バッファ２が対象とする小区間が小区間ＩＤ：２の小区間であるときに、小区間ＩＤ：２の小区間に対する受信値が２つ蓄積されている場合は（Ｓ２０５でＮＯ）、値集計部３は２つの受信値の集計値を算出して、集計値を区間バッファ５に格納する（Ｓ２０６、Ｓ２０８）。
また、小区間バッファ２が対象とする小区間が小区間ＩＤ：３の小区間であるときに、小区間ＩＤ：３の小区間に対する受信値が蓄積されていない場合は（Ｓ２０５でＹＥＳ）、値補完部４は過去動態特性ＤＢ６の過去動態特性に基づく推定を行い、補完値を算出して、補完値を区間バッファ５に格納する（Ｓ２０７、Ｓ２０８）。
過去動態特性は、図３に概念をグラフとして例示しているが、区間ごとに、当該区間について過去に受信された車両動態値から得られる車両動態値の傾向を示す情報である。
例えば、区間Ａの過去動態特性には、小区間が進むごとに、車両動態値が一定の比率で増加していくという傾向が示され、区間Ｂの過去動態特性には、車両動態値が脈動するという傾向が示される。
値補完部４は、この区間ごとの過去動態特性に基づいて、補完値を算出する。
For example, as shown in FIG. 3, when the small section targeted by the
Further, when the small section targeted by the
In addition, when the small section targeted by the
The past dynamic characteristics are conceptually illustrated as a graph in FIG. 3, but are information indicating the tendency of the vehicle dynamic values obtained from the vehicle dynamic values received in the past for the section for each section.
For example, the past dynamic characteristic of the section A shows a tendency that the vehicle dynamic value increases at a constant rate as the small section advances, and the past dynamic characteristic of the section B has a pulsation of the vehicle dynamic value. The tendency to do is shown.
The
次に、Ｓ２０５でＮＯであった場合、すなわち、車両位置が対象区間外であるとき（車両が対象区間を通り過ぎたとき）は、区間バッファ５には、区間に存在する小区間と同数の車両動態値（集計値、補完値）が格納されているので、特性評価値算出部８において、過去動態特性ＤＢ６を参照し、過去動態の特性を示す係数情報を取得する（Ｓ２１０）。
そして、特性評価値算出部８が、その係数情報と、区間バッファ５に格納されている車両動態値（集計値、補完値）に対して演算処理を行うことで、特性評価値を算出する（Ｓ２１１）（特性評価値算出ステップ）。
特性評価値は、複数の値を持つことを許す。
特性モデルが特異値分解である場合は、係数情報は過去の車両動態値に対して特異値分解を施して得られる主成分行列および特異値を意味し、車両動態値（集計値、補完値）に対する演算処理とは主成分行列と車両動態値（集計値、補完値）からなるベクトルの積を意味する。
Next, in the case of NO in S205, that is, when the vehicle position is outside the target section (when the vehicle has passed the target section), the same number of vehicles as the small sections existing in the section are stored in the
And the characteristic evaluation
The characterization value allows multiple values.
When the characteristic model is singular value decomposition, the coefficient information means the principal component matrix and singular values obtained by performing singular value decomposition on past vehicle dynamic values, and vehicle dynamic values (aggregate values, complementary values) The arithmetic processing for means a product of a vector composed of a principal component matrix and a vehicle dynamic value (total value, complementary value).
そのようにして得られた特性評価値は、帰属確率算出部９において、過去特性評価値ＤＢ７に格納している、過去の車両動態値に対して算出された特性評価値の集合と比較して、どの程度妥当な値であるかを統計的・定量的に評価し、正常である確率として帰属確率として出力される（Ｓ２１２）（比較判定ステップ）。
例えば、その帰属確率は、過去の特性評価値の集合がカイ二乗分布をしていると仮定し、過去の特性評価値の集合の中心からの、現在の特性評価値のマハラノビス距離を算出する。そのマハラノビス距離に対して、カイ二乗分布表から、対応する帰属確率を求める。
The characteristic evaluation value thus obtained is compared with a set of characteristic evaluation values calculated for past vehicle dynamic values stored in the past characteristic
For example, assuming that the set of past characteristic evaluation values has a chi-square distribution, the membership probability is calculated as the Mahalanobis distance of the current characteristic evaluation value from the center of the past characteristic evaluation value set. For the Mahalanobis distance, a corresponding attribution probability is obtained from the chi-square distribution table.
そして、特異性判定部１０が、帰属確率が定められた閾値以下であるかを判定し（Ｓ２１３）（比較判定ステップ）、閾値以下の場合は警告を発するか、もしくは警告を発生すべき状況であることを他のシステムに伝達する（Ｓ２１４）。
また、特異性判定部１０が警告を発する際に、警告対象のデータ周辺の分析を行う外部ツールを起動するようにしてもよい。
他方、帰属確率が閾値を超えている場合は、そのままＳ２１５に移行する。
Then, the
Further, when the
On the other hand, if the attribution probability exceeds the threshold, the process proceeds to S215 as it is.
次に、特性情報更新部１１が、過去動態特性ＤＢ６および過去特性評価値ＤＢ７の情報を読み出し、特性評価値算出部８が算出した新たな特性評価値の影響を考慮して、過去動態特性および過去動態評価値の更新を行い、過去動態特性ＤＢ６および過去特性評価値ＤＢ７を更新する（Ｓ２１５）。
特性モデルが特異値分解である場合は、過去動態特性である主成分行列・特異値および特性評価値情報から、過去の車両動態情報の車両動態値（集計値、補完値）が並べられた行列（車両動態情報集計行列）を近似的に再現する。新しい車両動態情報の車両動態値（集計値、補完値）集合を行（もしくは列）に追加し、再度特異値分解を行うことで、過去動態特性および過去特性評価値の更新を行う。
特性モデルに特異値分解を用いる方式では他に、特開２００６−３１６７６４号公報「加算的特異値分解方法」に記載されている方法を用いることで、現段階で新たに考慮すべきデータ項目を加算的に追加し、新しい特徴空間情報を作成することが可能である。この方法により、入力が複数の段階にわたる場合でも、保存・伝達するデータ量を少なく抑制しつつ、全体の特徴を反映した妥当性判定を行うことができる。
ここでは特性モデルが特異値分解の場合を記述したが、もちろんその方式に限定するものではなく、ベータ推定やニューラルネットワークなどを用いてもよい。
Next, the characteristic
When the characteristic model is singular value decomposition, a matrix in which vehicle dynamic values (aggregated values and complementary values) of past vehicle dynamic information are arranged from the principal component matrix / singular values and characteristic evaluation value information that are past dynamic characteristics Approximate reproduction of (vehicle movement information aggregation matrix). The past dynamic characteristics and past characteristic evaluation values are updated by adding a set of vehicle dynamic values (aggregated value, complementary value) of new vehicle dynamic information to a row (or column) and performing singular value decomposition again.
In addition to the method using singular value decomposition in the characteristic model, by using the method described in Japanese Patent Application Laid-Open No. 2006-316664 “Additive Singular Value Decomposition Method”, data items to be newly considered at this stage can be obtained. In addition, it is possible to create new feature space information. By this method, even when the input is performed in a plurality of stages, it is possible to perform the validity determination reflecting the overall characteristics while suppressing the amount of data to be stored / transmitted to be small.
Although the case where the characteristic model is singular value decomposition is described here, of course, the method is not limited to this method, and beta estimation, a neural network, or the like may be used.
以上の処理が完了したら、区間バッファ５をクリアし、区間バッファ５に対応する区間を、車両進行方向に一つ隣である区間へ変更し（Ｓ２１６）、次の車両動態情報が受信されるまで待機する。
When the above processing is completed, the
以上では、小区間バッファ２は一つの小区間のみを対象としている例を説明した。
小区間バッファ２の対象小区間が一つなので、図２のＳ２０３で車両位置が対象小区間外である場合（Ｓ２０３でＮＯの場合）は、新たに受信した車両動態値（計測地点が対象小区間外の車両動態値）は小区間バッファ２に格納されないことになる。
このため、小区間バッファ２を２つ用意し、一方を対象小区間用とし、他方を対象小区間の次の（隣の）小区間用とし、図２のＳ２０３で車両位置が対象小区間外である場合（Ｓ２０３でＮＯの場合）は、新たに受信した車両動態値を次の小区間用の小区間バッファ２に格納するようにしてもよい。
この場合は、Ｓ２０９において対象小区間を次の小区間にシフトする際に、次の小区間用としていた小区間バッファ２を対象小区間用とし、他方の小区間バッファ２を次の小区間用とする。
In the above, an example in which the
Since there is one target small section in the
For this reason, two
In this case, when the target subsection is shifted to the next subsection in S209, the
以下に、動作の具体例を例示する。
ここで、特異値分解について、次のような例を用いて解説する。
既に３つの小区間からなる区間の車両動態情報が４件取得済みである場合を考える。
第ｉ番目の車両動態情報の各項目の値を（ｐｉ，ｑｉ、ｒｉ）とおく。
このとき車両動態情報集計行列は、以下で表される。
A specific example of the operation is illustrated below.
Here, singular value decomposition will be explained using the following example.
Consider a case where four pieces of vehicle dynamics information have already been acquired in a section composed of three small sections.
The value of each item of the i-th vehicle movement information is set as (p i , q i , r i ).
At this time, the vehicle dynamics information aggregation matrix is expressed as follows.
特異値分解を用いることで、Ｐを次のように分解することができる。
Ｐ＝ＵＳＶＴ
ここで、ＶＴはＶの転置行列（行と列を入れ替えた行列）である。
ただし、Ｕ，Ｓ，Ｖはそれぞれ、以下に示す行列である。
By using singular value decomposition, P can be decomposed as follows.
P = USV T
Here, V T is a transpose matrix of V (matrix in which rows and columns are exchanged).
However, U, S, and V are the matrices shown below, respectively.
またＵ，Ｖの転置行列をＵＴ，ＶＴとすると、以下が成り立つという性質がある。 Further, when U and V transposed matrices are U T and V T , the following holds.
このとき、過去の車両動態の特性はＵの各列で代表させることができる。
Ｕの各列は主成分軸と呼ばれ、主成分軸からなる空間（主成分空間）は特徴空間とも呼ばれる。
さて、ｓ１がｓ２やｓ３よりも十分大きい場合を考えると、第ｉ番目の車両動態情報は、Ｕの第１列の値の定数倍で近似できる。ここで、未確定値を含む新しい車両動態情報が、過去動態特性に従うならば、Ｕの第１列の値の定数倍で近似できるはずである。全体として最良の精度で近似させるために、各値の誤差を全体として最小とするように、最小二乗法を用いることで、未確定値の推定値を算出することができる。
At this time, past vehicle dynamics characteristics can be represented by each column of U.
Each column of U is called a principal component axis, and a space (principal component space) made up of principal component axes is also called a feature space.
Now, considering the case where s 1 is sufficiently larger than s 2 and s 3 , the i-th vehicle movement information can be approximated by a constant multiple of the value in the first column of U. Here, if new vehicle dynamic information including an uncertain value follows the past dynamic characteristics, it should be able to be approximated by a constant multiple of the value in the first column of U. In order to approximate with the best accuracy as a whole, an estimated value of an undetermined value can be calculated by using the least square method so that the error of each value is minimized as a whole.
既に過去動態特性ＤＢ６および過去特性評価値ＤＢ７には既に５０件分の過去動態特性および過去特性評価値が格納されており、区間バッファ５へ、区間ごとの小区間数分の集計値（補完値）が格納されているものとする。
特性評価値算出部は、取得した車両動態情報を基に、ｎ行１列の数値行列を作成する。ここでｎは区間ごとの小区間数を示し、ｉ行１列目（ｉ＝１，…，ｎ）は対象の区間内の第ｉ番目の小区間に対応する集計値（補完値）である。
作成された数値行列に対して、過去動態特性ＤＢ６に格納された係数情報からなる行列との行列積を計算し、結果として特性評価値を示すｎ行１列の行列ｘが生成される。過去特性評価値ＤＢには、ここで得られた特性評価値行列と同じ形式の過去の特性評価値が５０件格納されている。その５０件の１行ｎ列の行列を行方向に連結した５０行ｎ列の行列に対して、ｎ行ｎ列の分散共分散行列Σを作成する。このとき、ｘＴΣ−１ｘがマハラノビス距離である（ｘＴはｘの転置行列、Σ−１はΣの逆行列）。
ｘＴΣ−１ｘの値を、カイ二乗分布表と照合することで、帰属確率が求められる（カイ二乗分布表としては、例えば東京大学出版会「基礎統計学Ｉ 統計学入門」東京大学教養学部統計学教室編の「付表３ χ２分布表（パーセント点）」を利用する）。
以上の処理により、過去の車両動態情報から作成された過去動態特性と過去特性評価値から、新たに入力された車両動態情報に対して、その特異性を定量化することができる。
The past dynamic characteristic DB 6 and the past characteristic
The characteristic evaluation value calculation unit creates a numerical matrix of n rows and 1 column based on the acquired vehicle movement information. Here, n indicates the number of small sections for each section, and i-th row, first column (i = 1,..., N) is a total value (complementary value) corresponding to the i-th small section in the target section. .
A matrix product of the created numerical matrix and a matrix composed of coefficient information stored in the past dynamic characteristic DB 6 is calculated, and as a result, a matrix x having n rows and one column indicating characteristic evaluation values is generated. The past characteristic evaluation value DB stores 50 past characteristic evaluation values in the same format as the characteristic evaluation value matrix obtained here. An n-by-n variance-covariance matrix Σ is created for the 50 rows and n-column matrix obtained by connecting the 50 1-row and n-column matrices in the row direction. At this time, x T Σ −1 x is the Mahalanobis distance (x T is a transposed matrix of x, and Σ −1 is an inverse matrix of Σ).
By comparing the value of x T Σ −1 x with the chi-square distribution table, the attribution probability can be obtained (for example, the Chi-square distribution table is “Introduction to Basic Statistics I Statistics”, University of Tokyo “
Through the above processing, the specificity of the newly input vehicle dynamic information can be quantified from the past dynamic characteristics and the past characteristic evaluation values created from the past vehicle dynamic information.
以上のように、逐次取得される車両動態情報に対して、区間ごとに、過去の動態特性を考慮して、その特異性を定量的かつ高精度に評価することが可能となり、適切に警告を判定することができる。 As described above, it is possible to evaluate the specificity quantitatively and with high accuracy for each section, taking into account the past dynamic characteristics, for each section of the vehicle movement information that is acquired sequentially, and warn appropriately. Can be determined.
また、本実施の形態によれば、車両に搭載されたセンサーによる観測値を、一定の走行区間ごとに区切って管理することにより、場所を固定して網羅的に観測するのと同等の効果を、低コストで得ることができる。
つまり、車両に搭載されたセンサーによる観測値を小区間ごとに管理し、小区間ごとの観測値を用いて車両の動態を分析するため、路線上の多数の地点に固定センサーを設置して網羅的に観測した場合と同様の効果を、固定センサーを配置することなく得ることができる。
In addition, according to the present embodiment, the observation value obtained by the sensor mounted on the vehicle is divided and managed for each fixed travel section, so that an effect equivalent to that of comprehensive observation with a fixed location is obtained. Can be obtained at low cost.
In other words, in order to manage the observation values of the sensors mounted on the vehicle for each small section and analyze the dynamics of the vehicle using the observation values for each small section, fixed sensors are installed at many points on the route. The same effect as that observed in the case of observation can be obtained without arranging a fixed sensor.
また、従来の課題であったデータの取得間隔の長さについても、一つの値ではなく区間に対する特異性推定を行うことで、距離算出の誤差を吸収し、欠損した値に対する補完処理により、異常判定の精度を低下させずに処理を行うことを可能としている。 In addition, the length of the data acquisition interval, which has been a problem in the past, is also estimated by performing specificity estimation for a section instead of a single value, so that the error in distance calculation is absorbed, and an error is detected by complementing the missing value. It is possible to perform processing without degrading the accuracy of determination.
また、本実施の形態に係る車両動態管理装置は、鉄道車両の車両動態情報が、規定の線路上を走行するという特性から、場所依存性が非常に強いという特性を利用している。
時系列的な相関が薄い車両動態情報（特に振動）では、全運行を対象とした分析と比較して精度が過度に低下するということはない。
また、行列演算により分析対象のデータを分割して独立に分析処理を行うことで、全てのデータに対して分析処理を行う場合と比べて、複雑な判定を行うほど処理速度が高速になる。
Moreover, the vehicle dynamics management apparatus according to the present embodiment uses the characteristic that the vehicle dynamics information of the railway vehicle is very strong in location dependence from the characteristic that it travels on a prescribed track.
Vehicle dynamics information (especially vibration) with a light time-series correlation does not cause an excessive decrease in accuracy compared with analysis for all operations.
In addition, by dividing the data to be analyzed by matrix calculation and performing the analysis processing independently, the processing speed becomes faster as the complex determination is performed as compared with the case where the analysis processing is performed on all the data.
本実施の形態は、対象とする区間内の各小区間の値を推定するのではなく、対象とする区間の小区間の集約値、推定値から、過去のその区間での観測値の大小関係、ゆらぎなどを考慮した特性評価値を算出し、過去の特性評価値と比較しで判定を行う点で、観測対象の値そのものを推定する方法よりも精度の高い異常判定を提供するものである。 This embodiment does not estimate the value of each small section in the target section, but from the aggregated value and estimated value of the small section of the target section, the magnitude relationship between the observed values in the past section It provides a more accurate determination of abnormality than the method of estimating the value of the observation target in terms of calculating the characteristic evaluation value considering fluctuations and comparing it with the past characteristic evaluation value. .
また、本実施の形態に係る車両動態管理装置によって、鉄道車両の車両動態情報のサンプリング間隔が長く、周波数解析が困難であるような場合でも、取得されたデータの特異挙動を高精度に検出し、異常の兆候を捉えることができる。
また、センサーにより測定される（もしくは測定された値によって推測される）車両位置情報に誤差が含まれているような場合でも、位置に関する誤差から過度に影響を受けないよう、特異性を評価することができる。
In addition, the vehicle dynamics management device according to the present embodiment detects the specific behavior of the acquired data with high accuracy even when the sampling interval of the vehicle dynamics information of the railway vehicle is long and frequency analysis is difficult. Can catch signs of abnormalities.
Also, even if the vehicle position information measured by the sensor (or estimated by the measured value) contains an error, the specificity is evaluated so that it is not excessively affected by the position error. be able to.
以上、本実施の形態では、車両から一定の周期で車両動態情報を取得する車両動態情報受信部１と、観測された値を、路線上の指定された区間を一定数に細分した小区間内のデータについて格納する小区間バッファ２と、小区間バッファ２に蓄積された車両動態情報を集計する値集計部３と、小区間バッファ２に値が蓄積されないまま小区間が切り替わった際に値を補完する値補完部４と、区間内の集計値もしくは補完値について格納する区間バッファ５と、過去動態特性ＤＢ６内の過去の特性情報から、区間バッファ５に格納されている集計値の特性が過去の特性に従うか否かを定量的に評価する特性評価値算出部８と、過去動態特性ＤＢ６および過去特性評価値ＤＢ７と区間バッファ５の情報から特性情報を更新し、過去動態特性ＤＢ６および過去特性評価値ＤＢ７を更新する特性情報更新部１１と、特性評価値算出部８が導出した評価値と過去特性評価値ＤＢ７の値から、観測した区間の値が正当である確率を算出する帰属確率算出部９と、帰属確率がしきい値以下である場合に警告を発する特異性判定部１０からなる車両動態情報の特異挙動を検知する車両動態管理装置について説明した。
As described above, in the present embodiment, the vehicle dynamics
また、本実施の形態では、上記に加え、特異性判定部１０が発する警告時に、警告対象のデータ周辺の分析を行う外部ツールを起動する車両動態管理装置について説明した。
Further, in the present embodiment, in addition to the above, the vehicle behavior management device that activates an external tool that performs analysis around the data to be warned at the time of a warning issued by the
最後に、実施の形態１に示した車両動態管理装置１００のハードウェア構成例について説明する。
図４は、実施の形態１に示す車両動態管理装置１００のハードウェア資源の一例を示す図である。
なお、図４の構成は、あくまでも車両動態管理装置１００のハードウェア構成の一例を示すものであり、車両動態管理装置１００のハードウェア構成は図４に記載の構成に限らず、他の構成であってもよい。
Finally, a hardware configuration example of the vehicle
FIG. 4 is a diagram illustrating an example of hardware resources of the vehicle
Note that the configuration in FIG. 4 is merely an example of the hardware configuration of the vehicle
図４において、車両動態管理装置１００は、プログラムを実行するＣＰＵ９１１（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサともいう）を備えている。
ＣＰＵ９１１は、バス９１２を介して、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）９１３、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）９１４、通信ボード９１５、表示装置９０１、キーボード９０２、マウス９０３、磁気ディスク装置９２０と接続され、これらのハードウェアデバイスを制御する。
更に、ＣＰＵ９１１は、ＦＤＤ９０４（Ｆｌｅｘｉｂｌｅ Ｄｉｓｋ Ｄｒｉｖｅ）、コンパクトディスク装置９０５（ＣＤＤ）、プリンタ装置９０６、スキャナ装置９０７と接続していてもよい。また、磁気ディスク装置９２０の代わりに、光ディスク装置、メモリカード（登録商標）読み書き装置などの記憶装置でもよい。
ＲＡＭ９１４は、揮発性メモリの一例である。ＲＯＭ９１３、ＦＤＤ９０４、ＣＤＤ９０５、磁気ディスク装置９２０の記憶媒体は、不揮発性メモリの一例である。これらは、記憶装置の一例である。
通信ボード９１５、キーボード９０２、マウス９０３、スキャナ装置９０７、ＦＤＤ９０４などは、入力装置の一例である。
また、通信ボード９１５、表示装置９０１、プリンタ装置９０６などは、出力装置の一例である。
In FIG. 4, the vehicle
The
Further, the
The
A
The
磁気ディスク装置９０２、ＲＡＭ９１４またはその他の記憶装置は、小区間バッファ２、区間バッファ５、過去動態特性ＤＢ６、過去特性評価値ＤＢ７を構成する。
通信ボード９１５は、図１に示すように、ネットワーク３００に接続されている。例えば、通信ボード９１５は、ＬＡＮ（ローカルエリアネットワーク）、インターネット、ＷＡＮ（ワイドエリアネットワーク）などに接続されていても構わない。
The
The
磁気ディスク装置９２０には、オペレーティングシステム９２１（ＯＳ）、ウィンドウシステム９２２、プログラム群９２３、ファイル群９２４が記憶されている。プログラム群９２３のプログラムは、ＣＰＵ９１１、オペレーティングシステム９２１、ウィンドウシステム９２２により実行される。
The
ＲＯＭ９１３には、ＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）プログラムが格納され、磁気ディスク装置９２０にはブートプログラムが格納されている。
車両動態管理装置１００の起動時には、ＲＯＭ９１３のＢＩＯＳプログラム及び磁気ディスク装置９２０のブートプログラムが実行され、ＢＩＯＳプログラム及びブートプログラムによりオペレーティングシステム９２１が起動される。
The
When the vehicle
上記プログラム群９２３には、実施の形態１の説明において「〜部」として説明している機能を実行するプログラムが記憶されている。プログラムは、ＣＰＵ９１１により読み出され実行される。
The
ファイル群９２４には、実施の形態１の説明において、「〜の判断」、「〜の計算」、「〜の算出」、「〜の集計」、「〜の集約」、「〜の推定」、「〜の比較」、「〜の判定」、「〜の評価」、「〜の更新」、「〜の設定」、「〜の登録」、「〜の選択」等として説明している処理の結果を示す情報やデータや信号値や変数値やパラメータが、「〜ファイル」や「〜データベース」の各項目として記憶されている。
「〜ファイル」や「〜データベース」は、ディスクやメモリなどの記録媒体に記憶される。ディスクやメモリなどの記憶媒体に記憶された情報やデータや信号値や変数値やパラメータは、読み書き回路を介してＣＰＵ９１１によりメインメモリやキャッシュメモリに読み出され、抽出・検索・参照・比較・演算・計算・処理・編集・出力・印刷・表示などのＣＰＵの動作に用いられる。
抽出・検索・参照・比較・演算・計算・処理・編集・出力・印刷・表示のＣＰＵの動作の間、情報やデータや信号値や変数値やパラメータは、メインメモリ、レジスタ、キャッシュメモリ、バッファメモリ等に一時的に記憶される。
また、実施の形態１で説明しているフローチャートの矢印の部分は主としてデータや信号の入出力を示し、データや信号値は、ＲＡＭ９１４のメモリ、ＦＤＤ９０４のフレキシブルディスク、ＣＤＤ９０５のコンパクトディスク、磁気ディスク装置９２０の磁気ディスク、その他光ディスク、ミニディスク、ＤＶＤ等の記録媒体に記録される。また、データや信号は、バス９１２や信号線やケーブルその他の伝送媒体によりオンライン伝送される。
In the description of the first embodiment, the
The “˜file” and “˜database” are stored in a recording medium such as a disk or a memory. Information, data, signal values, variable values, and parameters stored in a storage medium such as a disk or memory are read out to the main memory or cache memory by the
Information, data, signal values, variable values, and parameters are stored in the main memory, registers, cache memory, and buffers during the CPU operations of extraction, search, reference, comparison, calculation, processing, editing, output, printing, and display. It is temporarily stored in a memory or the like.
In addition, the arrows in the flowchart described in the first embodiment mainly indicate input and output of data and signals. The data and signal values are the
また、実施の形態１の説明において「〜部」として説明しているものは、「〜回路」、「〜装置」、「〜機器」であってもよく、また、「〜ステップ」、「〜手順」、「〜処理」であってもよい。すなわち、「〜部」として説明しているものは、ＲＯＭ９１３に記憶されたファームウェアで実現されていても構わない。或いは、ソフトウェアのみ、或いは、素子・デバイス・基板・配線などのハードウェアのみ、或いは、ソフトウェアとハードウェアとの組み合わせ、さらには、ファームウェアとの組み合わせで実施されても構わない。ファームウェアとソフトウェアは、プログラムとして、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、ＤＶＤ等の記録媒体に記憶される。プログラムはＣＰＵ９１１により読み出され、ＣＰＵ９１１により実行される。すなわち、プログラムは、実施の形態１の「〜部」としてコンピュータを機能させるものである。あるいは、実施の形態１の「〜部」の手順や方法をコンピュータに実行させるものである。
In addition, what is described as “˜unit” in the description of
このように、実施の形態１に示す車両動態管理装置１００は、処理装置たるＣＰＵ、記憶装置たるメモリ、磁気ディスク等、入力装置たるキーボード、マウス、通信ボード等、出力装置たる表示装置、通信ボード等を備えるコンピュータであり、上記したように「〜部」として示された機能をこれら処理装置、記憶装置、入力装置、出力装置を用いて実現するものである。
As described above, the vehicle
１ 車両動態情報受信部、２ 小区間バッファ、３ 値集計部、４ 値補完部、５ 区間バッファ、６ 過去動態特性ＤＢ、７ 過去特性評価値ＤＢ、８ 特性評価値算出部、９ 帰属確率算出部、１０ 特異性判定部、１１ 特性情報更新部、１２ 表示部、１３ 小区間判定部、１００ 車両動態管理装置、２００ 鉄道車両、３００ ネットワーク。
DESCRIPTION OF
Claims (7)
前記車両の移動中に前記車両において収集された、前記車両の車両動態が示される車両動態値を順次受信する車両動態値受信部と、
前記車両動態値受信部により受信された車両動態値がいずれの区間のいずれの小区間での車両動態を示すのかを判定し、判定した区間及び小区間に対応づけて車両動態値を格納する車両動態値格納部と、
区間ごとに、各小区間の車両動態値を用いて、当該区間での車両動態の特性を示す特性評価値を算出する特性評価値算出部と、
区間ごとに、特性評価値が正常な値か否かを判定するための基準値を記憶する基準値記憶部と、
前記特定評価値算出部により算出された特性評価値と、当該特性評価値と同じ区間の基準値とを比較し、前記特性評価値が正常な値か否かを判定する比較判定部とを有することを特徴とする情報処理装置。 An information processing apparatus for managing vehicle dynamics of a vehicle moving on a route that is divided into a plurality of sections each managed by two or more small sections,
A vehicle dynamics value reception unit that sequentially receives vehicle dynamics values collected in the vehicle during the movement of the vehicle and indicating vehicle dynamics of the vehicle;
A vehicle that determines whether the vehicle dynamic value received by the vehicle dynamic value receiving unit indicates the vehicle dynamic in which small section of which section, and stores the vehicle dynamic value in association with the determined section and the small section A dynamic value storage unit;
For each section, a characteristic evaluation value calculation unit that calculates a characteristic evaluation value indicating a characteristic of vehicle dynamics in the section using the vehicle dynamic value of each small section;
A reference value storage unit that stores a reference value for determining whether or not the characteristic evaluation value is a normal value for each section;
A comparison determination unit that compares the characteristic evaluation value calculated by the specific evaluation value calculation unit with a reference value in the same section as the characteristic evaluation value and determines whether the characteristic evaluation value is a normal value; An information processing apparatus characterized by that.
前記車両動態値格納部においていずれかの小区間に対して車両動態値が格納されていない場合に、当該小区間が属する区間について過去に前記車両動態値受信部により受信された車両動態値に基づいて、当該小区間の車両動態値を推定する車両動態値推定部を有し、
前記特性評価値算出部は、
区間ごとに、前記車両動態値格納部に格納されている各小区間の車両動態値と、前記車両動態値推定部により推定された車両動態値とを用いて、特性評価値を算出することを特徴とする請求項１に記載の情報処理装置。 The information processing apparatus further includes:
Based on the vehicle dynamic value received by the vehicle dynamic value receiving unit in the past for the section to which the small section belongs when no vehicle dynamic value is stored in any of the small sections in the vehicle dynamic value storage unit And a vehicle dynamic value estimation unit for estimating the vehicle dynamic value of the small section,
The characteristic evaluation value calculation unit includes:
A characteristic evaluation value is calculated for each section using the vehicle dynamic value of each small section stored in the vehicle dynamic value storage unit and the vehicle dynamic value estimated by the vehicle dynamic value estimation unit. The information processing apparatus according to claim 1.
前記車両動態値格納部においていずれかの小区間に対して複数の車両動態値が格納されている場合に、複数の車両動態値を集約する車両動態値集約部を有し、
前記特性評価値算出部は、
区間ごとに、前記車両動態値格納部に格納されている各小区間の車両動態値と、前記車両動態値集約部により集約された車両動態値とを用いて、特性評価値を算出することを特徴とする請求項１又は２に記載の情報処理装置。 The information processing apparatus further includes:
When a plurality of vehicle movement values are stored for any of the small sections in the vehicle movement value storage section, the vehicle movement value collection section has a vehicle movement value collection section for collecting a plurality of vehicle movement values,
The characteristic evaluation value calculation unit includes:
A characteristic evaluation value is calculated for each section using the vehicle dynamic value of each small section stored in the vehicle dynamic value storage unit and the vehicle dynamic value aggregated by the vehicle dynamic value aggregation unit. The information processing apparatus according to claim 1, wherein the information processing apparatus is characterized.
基準値として、同じ区間に対して過去に前記特性評価値算出部により算出された特性評価値の集合を記憶していることを特徴とする請求項１〜３のいずれかに記載の情報処理装置。 The reference value storage unit
The information processing apparatus according to claim 1, wherein a set of characteristic evaluation values calculated by the characteristic evaluation value calculation unit in the past for the same section is stored as a reference value. .
車両動態値が収集された位置を前記路線の特定位置からの距離として示す位置情報を車両動態値とともに受信し、
前記車両動態値格納部は、
前記車両動態値受信部により受信された位置情報に基づき、前記車両動態値受信部により受信された車両動態値がいずれの区間のいずれの小区間での車両動態を示すのかを判定することを特徴とする請求項１〜４のいずれかに記載の情報処理装置。 The vehicle dynamic value receiving unit
Receiving the position information indicating the position where the vehicle dynamic value is collected as a distance from the specific position of the route together with the vehicle dynamic value;
The vehicle dynamic value storage unit
Based on the position information received by the vehicle dynamic value receiving unit, it is determined whether the vehicle dynamic value received by the vehicle dynamic value receiving unit indicates the vehicle dynamics in which small section of which section. The information processing apparatus according to claim 1.
前記コンピュータが、前記車両動態値受信ステップにより受信された車両動態値がいずれの区間のいずれの小区間での車両動態を示すのかを判定し、判定した区間及び小区間に対応づけて車両動態値を格納する車両動態値格納ステップと、
前記コンピュータが、区間ごとに、各小区間の車両動態値を用いて、当該区間での車両動態の特性を示す特性評価値を算出する特性評価値算出ステップと、
前記コンピュータが、特性評価値が正常な値か否かを判定するための基準値を区間ごとに記憶している基準値記憶部から前記特定評価値算出ステップにより算出された特性評価値と同じ区間の基準値を取得し、前記特定評価値算出ステップにより算出された特性評価値と、取得した基準値とを比較し、前記特性評価値が正常な値か否かを判定する比較判定ステップとを有することを特徴とする情報処理方法。 A computer that manages vehicle dynamics of a vehicle moving on a route that is divided into a plurality of sections each managed by two or more small sections is collected in the vehicle during the movement of the vehicle. Vehicle dynamic value receiving step for sequentially receiving vehicle dynamic values indicating vehicle dynamics;
The computer determines whether the vehicle dynamic value received in the vehicle dynamic value receiving step indicates the vehicle dynamic in which small section of which section, and associates the determined section and the small section with the vehicle dynamic value Vehicle dynamic value storage step for storing,
A characteristic evaluation value calculation step in which the computer calculates a characteristic evaluation value indicating a characteristic of vehicle dynamics in the section using the vehicle dynamic value of each small section for each section;
The same section as the characteristic evaluation value calculated by the specific evaluation value calculating step from the reference value storage unit storing the reference value for determining whether the characteristic evaluation value is a normal value for each section. A comparison determination step of comparing the characteristic evaluation value calculated in the specific evaluation value calculation step with the acquired reference value and determining whether the characteristic evaluation value is a normal value. An information processing method comprising:
前記車両の移動中に前記車両において収集された、前記車両の車両動態が示される車両動態値を順次受信する車両動態値受信処理と、
前記車両動態値受信処理により受信された車両動態値がいずれの区間のいずれの小区間での車両動態を示すのかを判定し、判定した区間及び小区間に対応づけて車両動態値を格納する車両動態値格納処理と、
区間ごとに、各小区間の車両動態値を用いて、当該区間での車両動態の特性を示す特性評価値を算出する特性評価値算出処理と、
区間ごとに特性評価値が正常な値か否かを判定するための基準値を記憶している基準値記憶部から前記特定評価値算出処理により算出された特性評価値と同じ区間の基準値を取得し、前記特定評価値算出処理により算出された特性評価値と、取得した基準値とを比較し、前記特性評価値が正常な値か否かを判定する比較判定処理とを実行させることを特徴とするプログラム。 A computer that manages the vehicle dynamics of a vehicle traveling on a route that is divided into a plurality of sections each managed by two or more small sections,
Vehicle dynamic value reception processing for sequentially receiving vehicle dynamic values collected in the vehicle during the movement of the vehicle and indicating vehicle dynamics of the vehicle;
A vehicle that determines whether the vehicle dynamic value received by the vehicle dynamic value reception process indicates the vehicle dynamic in which small section of which section, and stores the vehicle dynamic value in association with the determined section and the small section Dynamic value storage processing,
A characteristic evaluation value calculation process for calculating a characteristic evaluation value indicating a characteristic of vehicle dynamics in the section using the vehicle dynamic value of each small section for each section;
The reference value of the same section as the characteristic evaluation value calculated by the specific evaluation value calculation process from the reference value storage unit storing the reference value for determining whether or not the characteristic evaluation value is normal for each section Obtaining and comparing the characteristic evaluation value calculated by the specific evaluation value calculation process with the acquired reference value, and executing a comparison determination process for determining whether or not the characteristic evaluation value is a normal value. A featured program.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2007250994A JP4989399B2 (en) | 2007-09-27 | 2007-09-27 | Information processing apparatus, information processing method, and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2007250994A JP4989399B2 (en) | 2007-09-27 | 2007-09-27 | Information processing apparatus, information processing method, and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2009078764A JP2009078764A (en) | 2009-04-16 |
| JP4989399B2 true JP4989399B2 (en) | 2012-08-01 |
Family
ID=40653842
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2007250994A Expired - Fee Related JP4989399B2 (en) | 2007-09-27 | 2007-09-27 | Information processing apparatus, information processing method, and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4989399B2 (en) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5579139B2 (en) * | 2011-09-02 | 2014-08-27 | 三菱電機株式会社 | Control data collection and evaluation apparatus and control data collection and evaluation method |
| JP6252295B2 (en) * | 2014-03-26 | 2017-12-27 | 富士通株式会社 | POSITIONING DEVICE, PROGRAM, AND METHOD |
| JP6302315B2 (en) * | 2014-03-26 | 2018-03-28 | 株式会社総合車両製作所 | Condition monitoring device |
| KR101635918B1 (en) * | 2014-06-18 | 2016-07-08 | 케이티엠엔지니어링(주) | System for Preventing Risk From Occurring by Analyzing Vibration |
| JP6293697B2 (en) * | 2015-03-27 | 2018-03-14 | 三菱電機株式会社 | Device diagnostic apparatus and device diagnostic method |
| JP6588814B2 (en) * | 2015-12-17 | 2019-10-09 | 株式会社東芝 | Abnormality diagnosis apparatus and method |
| JP6257851B1 (en) * | 2016-11-14 | 2018-01-10 | 三菱電機株式会社 | Data management apparatus and data management program |
| JP7048216B2 (en) * | 2017-03-29 | 2022-04-05 | 三菱重工業株式会社 | Information processing equipment, information processing methods and programs |
| CN111292442B (en) * | 2018-12-07 | 2022-02-15 | 江苏迪纳数字科技股份有限公司 | Recalculation method for correcting vehicle travel segment based on vehicle report supplementing data |
| JP7402127B2 (en) | 2020-06-30 | 2023-12-20 | 株式会社日立製作所 | Track maintenance necessity determination method, maintenance necessity determination device, and vehicle |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6045466A (en) * | 1983-08-20 | 1985-03-11 | 三菱電機株式会社 | Method of monitoring track and moving body |
| JPH04287766A (en) * | 1991-03-18 | 1992-10-13 | Hitachi Ltd | Preparation of train operation system |
| JP2598614Y2 (en) * | 1993-10-22 | 1999-08-16 | 小糸工業株式会社 | Ride rate analysis system |
| JP3297182B2 (en) * | 1994-02-16 | 2002-07-02 | 株式会社東芝 | Electric vehicle mileage calculation device |
| JPH09272438A (en) * | 1996-04-05 | 1997-10-21 | Nippon Signal Co Ltd:The | Train control device |
| JP3529002B2 (en) * | 1996-04-19 | 2004-05-24 | 株式会社ダイフク | Travel control device for transport train |
| JP2001124567A (en) * | 1999-10-27 | 2001-05-11 | Equos Research Co Ltd | Apparatus and method for correcting database |
| JP2004291889A (en) * | 2003-03-27 | 2004-10-21 | Toyoda Gosei Co Ltd | Steering wheel with temperature adjustment function |
| JP4588346B2 (en) * | 2004-03-31 | 2010-12-01 | 京セラ株式会社 | Operation management system |
| JP4232015B2 (en) * | 2003-07-24 | 2009-03-04 | 西日本旅客鉄道株式会社 | Train approach warning system |
| JP2005353004A (en) * | 2004-06-14 | 2005-12-22 | Sumitomo Electric Ind Ltd | Vehicle traveling measurement system and vehicle tracking method |
| JP2006327551A (en) * | 2005-05-30 | 2006-12-07 | Tmp:Kk | Vehicle operation management system, vehicle using the system, and track abnormality diagnostic method |
| JP4925647B2 (en) * | 2005-11-15 | 2012-05-09 | 三菱電機株式会社 | Vehicle condition monitoring device |
-
2007
- 2007-09-27 JP JP2007250994A patent/JP4989399B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2009078764A (en) | 2009-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4989399B2 (en) | Information processing apparatus, information processing method, and program | |
| Gong et al. | Identification of activity stop locations in GPS trajectories by density-based clustering method combined with support vector machines | |
| JP6889057B2 (en) | Information processing equipment, information processing methods and computer programs | |
| US20190146982A1 (en) | Cluster evaluation in unsupervised learning of continuous data | |
| JP5868216B2 (en) | Clustering apparatus and clustering program | |
| US9892012B2 (en) | Detecting anomalous sensors | |
| US11796989B2 (en) | Monitoring system and monitoring method | |
| JP6705179B2 (en) | Traffic flow rate calculation method, device, and program | |
| KR20140031435A (en) | Diagnostic system and method for the analysis of driving behavior | |
| CN110864704B (en) | Automatic driving mileage statistical method, device and equipment | |
| CN104798120A (en) | Apparatus for processing probe data, method for processing probe data, program, and system for processing probe data | |
| CN107450511A (en) | Assess method, apparatus, equipment and the computer-readable storage medium of wagon control model | |
| Cunillera et al. | A literature review on train motion model calibration | |
| Liu et al. | Detecting anomalies in longitudinal elevation of track geometry using train dynamic responses via a variational autoencoder | |
| JP2003296891A (en) | Travel time estimation device, method therefor and computer program | |
| JP6478931B2 (en) | Abnormality diagnosis apparatus, method, and program | |
| Aimar et al. | Study and results of an onboard brake monitoring system for freight wagons | |
| CN116562437A (en) | Track circuit compensation capacitor fault prediction method and device | |
| CN102341831A (en) | Road traffic information creation device and road traffic information creation method | |
| Liu et al. | Identification of subway track irregularities based on detection data of portable detector | |
| Samal et al. | Speedpro: A predictive multi-model approach for urban traffic speed estimation | |
| Han et al. | Modeling System-Wide Urban Rail Transit Energy Consumption: A Case Study of Boston | |
| JP6997356B2 (en) | Condition monitoring and analysis equipment and methods for railway vehicles | |
| JP6833604B2 (en) | Data processing device and data processing method | |
| JP7458347B2 (en) | Railway maintenance data analysis support method and railway maintenance data analysis support system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100702 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20111219 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120403 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120427 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4989399 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150511 Year of fee payment: 3 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |