[go: up one dir, main page]

JP7013993B2 - 診断装置及び診断方法 - Google Patents

診断装置及び診断方法 Download PDF

Info

Publication number
JP7013993B2
JP7013993B2 JP2018058559A JP2018058559A JP7013993B2 JP 7013993 B2 JP7013993 B2 JP 7013993B2 JP 2018058559 A JP2018058559 A JP 2018058559A JP 2018058559 A JP2018058559 A JP 2018058559A JP 7013993 B2 JP7013993 B2 JP 7013993B2
Authority
JP
Japan
Prior art keywords
learning
vehicle
value
learning value
sensor
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.)
Active
Application number
JP2018058559A
Other languages
English (en)
Other versions
JP2019168430A (ja
Inventor
政善 飯島
岳大 内田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Priority to JP2018058559A priority Critical patent/JP7013993B2/ja
Priority to US16/299,316 priority patent/US11132851B2/en
Priority to EP19162647.2A priority patent/EP3547058B1/en
Priority to CN201910203417.0A priority patent/CN110362059B/zh
Publication of JP2019168430A publication Critical patent/JP2019168430A/ja
Application granted granted Critical
Publication of JP7013993B2 publication Critical patent/JP7013993B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0237—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on parallel systems, e.g. comparing signals produced at the same time by same type systems and detect faulty ones by noticing differences among their responses
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2637—Vehicle, car, auto, wheelchair
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • G07C5/0825—Indicating performance data, e.g. occurrence of a malfunction using optical means

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Traffic Control Systems (AREA)

Description

本発明は、車両に搭載された機器の異常予兆を診断する診断装置及び診断方法に関する。
近年、機器の異常予兆を診断する技術が開発されている。例えば、特許文献１には、点検の対象機器及び前記対象機器と同種の複数の同種機器の計測値の累積データから特徴量を抽出したクラスタ集合を生成するクラスタ集合生成手段と、前記生成したクラスタ集合と前記対象機器の計測値とに基づき、異常度を算出する異常度計算手段と、前記算出された異常度に基づいて前記対象機器の点検時期の予測に用いるクラスタを前記クラスタ集合から選択するクラスタ選択手段と、前記選択したクラスタに基づいて前記対象機器の機器状態の予測値を算出し、前記予測値と所定閾値に基づいて前記対象機器の点検時期を予測する点検時期予測手段とを有する予兆診断システムが開示されている。
特開２０１６－１５２７０６号公報
特許文献１に記載の技術は、各機器が同様な環境下にあることが前提である。そのため、車両に搭載された機器のように、車両が走行している道路の路面形状、道路の勾配、天候などの外部環境によって機器のデータが変化しうる場合には、異常予兆の診断を正しく行うことが困難であった。
かかる事情に鑑みてなされた本発明の目的は、車両に搭載された機器の異常予兆の診断を精度良く行うことが可能な診断装置及び診断方法を提供することにある。
上記課題を解決するため、本発明に係る診断装置は、第２車両から所定の範囲内に存在する第１車両に搭載された第１機器の学習値を取得する学習情報取得部と、前記第１機器の学習値を用いて、前記第２車両に搭載された第２機器の学習値を算出する学習部と、前記第２機器の検出値及び学習値を比較することにより、前記第２機器の動作状態を診断する診断部と、を備え、前記学習部は、前記第１機器の検出値及び前記第１機器の学習値の差が閾値以下である場合に、前記第１機器の学習値を用いて前記第２機器の学習値を算出することを特徴とする。
さらに、本発明に係る診断装置において、前記第１機器の学習値は、第３車両に搭載された第３機器の学習値に基づいて算出され、前記学習情報取得部は、前記第１機器の学習値と、前記第１機器の学習値の算出に係る前記第３車両の台数を示す学習台数とを対応付けて取得し、前記学習部は、前記第１機器の学習値及び前記学習台数を用いて、前記第２機器の学習値を算出することを特徴とする。
さらに、本発明に係る診断装置において、前記学習部は、前記第１機器の学習値に対応付けられた前記学習台数が閾値を超える場合に、前記第１機器の学習値を用いて前記第２機器の学習値を算出することを特徴とする。
さらに、本発明に係る診断装置において、前記第１機器の学習値は、前記第１車両の修理又は検査が行われた場合にリセットされることを特徴とする。
また、上記課題を解決するため、本発明に係る診断方法は、第１車両に搭載された第１機器の学習値を取得する学習情報取得ステップと、前記第１機器の学習値を用いて、前記第１車両から所定の範囲内に存在する第２車両に搭載された第２機器の学習値を算出する学習ステップと、前記第２機器の検出値及び学習値を比較することにより、前記第２機器の動作状態を診断する診断ステップと、を含み、前記学習ステップは、前記第１機器の検出値及び前記第１機器の学習値の差が閾値以下である場合に、前記第１機器の学習値を用いて前記第２機器の学習値を算出することを特徴とする。
本発明によれば、車両に搭載された機器の異常予兆の診断を精度良く行うことが可能となる。
本発明の第１の実施形態に係る診断装置を備える車両の概略構成を示す図である。 本発明の第１の実施形態に係る診断装置を用いた診断方法の手順の一例を示すフローチャートである。 本発明の第１の実施形態に係る診断装置の構成例を示す図である。 本発明の第１の実施形態に係る診断装置による診断例を説明する図である。 本発明の第２の実施形態に係る診断装置を備えるシステムの概略構成を示す図である。 本発明の第３の実施形態に係る診断システムの概略構成を示す図である。 本発明の第３の実施形態に係る診断システムを用いた診断方法の手順の一例を示すフローチャートである。
以下、本発明の実施形態について、図面を参照して詳細に説明する。
（第１の実施形態）
図１は、第１の実施形態に係る診断装置を備える車両の概略構成を示す図である。各車両１は、診断装置１０と、ＥＣＵ（Electronic Control Unit）２０と、機器３０と、車車間通信部４０と、表示部５０とを備える。説明の便宜上、図１では構成が同一の３台の車両１－１，１－２，１－３のみを示しており、本実施形態では、車両１－１を自車両（第２車両）とし、車両１－２及び車両１－３を、車両１－１から所定の範囲に存在する周辺車両（第１車両）として説明する。ここで、所定の範囲とは、例えば車車間通信が可能な範囲である。
センサは経年劣化するため、センサの検出値は、正常値から徐々にずれが生じることがあり、そうすると、センサの検出値に基づくアクチュエータの制御値も正常値からずれが生じる。そこで、本発明では、センサの検出値又はアクチュエータの制御値を監視し、センサの診断を行う。
機器３０は、センサ又はアクチュエータであり、機器３０の検出値とは、センサの検出値（センサ値）又はアクチュエータの制御値を意味する。以下、本明細書の実施形態において、機器３０をセンサ３０として説明する。車両１には、外気温センサ、吸気温センサ、水温センサ、車速センサ、Ｏ2センサ、ステアリングセンサ、空気圧センサ、超音波センサ、ジャイロセンサ、障害物センサなど、様々なセンサ３０が搭載されている。センサ３０の検出値は、該検出値を用いて処理を行うＥＣＵ２０に出力される。
ＥＣＵ２０は、車両１に複数搭載され、車両１の様々な動作を電子制御する。例えば、エンジン用のＥＣＵ２０は、吸気温センサ、水温センサ、車速センサ、Ｏ2センサなどの各センサ３０からの情報を元に、アクチュエータを駆動させ、エンジンの燃料噴射量や噴射時間を制御する。
車車間通信部４０は、あらかじめ割り当てられた周波数帯域の電波を用いて、車両１同士で直接通信（車車間通信）を行い、周辺車両１－２，１－３から、周辺車両１－２，１－３に搭載されたセンサ３０（第１機器）の学習情報を受信し、復調する。また、車車間通信部４０は、自車両１－１に搭載されたセンサ３０（第２機器）の学習情報を変調して、周辺車両１－２，１－３に送信する。車車間通信部４０は、電波の届く範囲内に存在する周辺車両と通信可能であり、電波の届く範囲は、電波強度を調整することにより適宜調整可能である。車車間通信部４０は、受信した学習情報を診断装置１０に出力する。なお、車車間通信部４０が学習情報を送受信する頻度は任意であるが、同一の車両と何度も通信を行うことを防止するために、同一の車両とは一度通信を行うと所定期間が経過するまで通信を行わないようにしてもよい。
診断装置１０は、車車間通信により車車間通信部４０が受信した学習情報に基づいて、自車両１－１に搭載されたセンサ３０について故障などの異常の予兆があるか否かを判定する。
表示部５０は、例えばパネルディスプレイ、又はヘッドアップディスプレイなどであり、診断装置１０による診断結果などを表示する。
診断装置１０の処理内容について、図２を参照して概要を説明した後、図３及び図４を参照してより詳細に説明する。図２は、診断装置１０を用いた診断方法の手順の一例を示すフローチャートである。
診断装置１０は、車車間通信によって周辺車両１－２，１－３に搭載されたセンサ３０についての学習情報を取得する（ステップＳ１１）。次に、診断装置１０は、取得した学習情報から信頼度の高い学習値を選択する（ステップＳ１２）。そして、信頼度の高い学習値を用いて、自車両１－１に搭載されたセンサ３０の学習値を算出する（ステップＳ１３）。センサ３０の学習値とは、センサ３０の検出値の正常値を推定した値を示すものである。ステップＳ１２及びステップＳ１３の処理の具体例については後述する。なお、ステップＳ１２の処理は省略可能である。
そして、診断装置１０は、自車両１－１に搭載されたセンサ３０の検出値及び算出した学習値を比較し（ステップＳ１４）、両者が乖離している場合には（ステップＳ１４－Ｙｅｓ）、自車両１－１に搭載されたセンサ３０の異常予兆ありと判定し（ステップＳ１５）、両者が乖離していない場合には（ステップＳ１４－Ｎｏ）、自車両１－１に搭載されたセンサ３０の異常予兆なしと判定する（ステップＳ１６）。
図３は、診断装置１０の構成例を示す図である。図３に示す診断装置１０は、学習情報取得部１１０と、学習部１２０と、診断部１３０と、記憶部１４０とを備える。
学習情報取得部１１０は、上記ステップＳ１１の処理を行う。すなわち、学習情報取得部１１０は、車車間通信部４０に対し、車車間通信により周辺車両１－２，１－３の学習情報を受信するように命令する。そして、学習情報取得部１１０は、車車間通信部４０から、周辺車両１－２，１－３に搭載されたセンサ３０の学習情報を取得し、取得した学習情報を記憶部１４０に出力する。
学習部１２０は、上記ステップＳ１２及びステップＳ１３の処理を行う。すなわち、学習部１２０は、記憶部１４０に記憶された学習情報に含まれる学習値の信頼度を判定し、信頼度が低い学習値を含む学習情報は破棄する。そして、学習部１２０は、信頼度の高い学習値に基づいて自車両１－１に搭載されたセンサ３０の学習値を算出し、算出した学習値を診断部１３０に出力する。
診断部１３０は、上記ステップＳ１４～ステップＳ１６の処理を行う。すなわち、診断部１３０は、自車両１－１に搭載されたセンサ３０ごとに、センサ３０の検出値と学習部１２０により算出された学習値とを比較し、両者の差があらかじめ設定した閾値を超える場合（自車両１－１の検出値が学習値から乖離している場合）には、該センサ３０の異常予兆ありと判定し、両者の差が閾値以下である場合（自車両１－１の学習値が妥当値から乖離していない場合）には、該センサ３０の異常予兆なしと判定する。診断部１３０は、診断結果を表示部５０、スピーカ、又は外部のサーバなどに出力する。診断部１３０は、自車両１－１のセンサ３０の異常予兆ありと判定した場合には、該センサ３０の学習情報を周辺車両１－２，１－３に送信しないようにしてもよい。
図４は、診断装置１０による検出値の診断の具体例を説明する図である。図４に示す例では、自車両１－１が、新たに周辺車両１－２，１－３からセンサ３０の学習情報を受信したものとする。ある車両に搭載されたセンサ３０の学習値は、該車両から所定の範囲内に存在する周辺車両に搭載されたセンサ３０の学習情報に基づいて算出される。つまり、自車両１－１に搭載されたセンサ３０の学習値は、周辺車両１－２，１－３に搭載されたセンサ３０の学習情報に基づいて算出される。また、車両１－２に搭載されたセンサ３０の学習値は、車両１－２の周辺車両に搭載されたセンサ３０の学習情報に基づいて算出され、車両１－３に搭載されたセンサ３０の学習値は、車両１－３の周辺車両に搭載されたセンサ３０の学習情報に基づいて算出される。
センサ３０の検出値がＸ、学習値がＹである場合、学習値に誤差値の情報を含め、誤差値を「検出値Ｘ、誤差値（Ｙ－Ｘ）」と表してもよい。すなわち、学習値は、検出値と誤差値の和である。例えば、図４（ａ）の車両１－１では、学習値を「２０℃」と表す代わりに、「検出値２１℃、誤差値－１℃」と表してもよい。誤差値の情報を含めることにより、誤差値が大きい場合には、学習値の信頼度が低い可能性があると推測することもできるようになる。そのため、学習部１２０は、記憶部１４０に記憶された学習情報のうち、誤差値が閾値を超える場合には該学習情報を破棄し、誤差値（検出値との差）が閾値以下の学習値を用いて自車両１－１に搭載されたセンサ３０の学習値を算出してもよい。
自車両１－１は、一度学習情報を受信した周辺車両１－２，１－３からは、所定時間以上経過するまでは学習情報を受信しないようにしてもよい。例えば、学習情報に車両を識別する識別ＩＤを含め、学習情報取得部１１０は、新しく取得した学習情報に含まれる識別ＩＤが過去に取得した学習情報に含まれる識別ＩＤと同一であり、かつ学習情報の取得時間の差が所定時間以下である場合には、新しく取得した学習情報を破棄するようにしてもよい。
図４（ａ）（ｂ）においては、学習情報を外気温センサ３０についての学習情報とし、図４（ｃ）においては、学習情報を油温センサ３０についての学習情報とする。図４（ａ）において、自車両１－１の学習部１２０が、周辺車両１－２，１－３から取得した学習情報を用いて、自車両１－１に搭載された外気温センサ３０の学習値を算出する場合、自車両１－１に搭載された外気温センサ３０の学習値を、例えば、自車両１－１及び周辺車両１－２，１－３に搭載された外気温センサ３０の学習値の平均値（２２＋２０＋２４）／３＝２２［℃］とする。
また、図４（ｂ）に示すように、学習情報に、学習値の算出に係る車両１の台数（学習台数）を含め、学習値及び学習台数を対応付けてもよい。車両１－２の学習情報は、「１０台」分の車両１の外気温センサ３０の学習情報を用いて学習値「２２℃」を算出したことを示している。なお、学習台数が「１台」の場合は、この学習値は初期値又はリセット後の値であることを意味する。学習値の初期値は、例えば検出値そのものとする。
学習台数が少ない場合には、学習値の信頼度が低い可能性がある。そのため、学習部１２０は、記憶部１４０に記憶された学習値のうち、閾値以下の学習台数に対応付けられた学習値は破棄し、閾値を超える学習台数に対応付けられた学習値を用いて、自車両１－１に搭載されたセンサ３０の学習値を算出してもよい。
図４（ｂ）において、自車両１－１の学習部１２０が、周辺車両１－２，１－３から取得した学習情報を用いて、自車両１－１に搭載された外気温センサ３０の学習値を算出する場合、自車両１－１及び周辺車両１－２，１－３に搭載された外気温センサ３０の学習値について、学習台数に応じた重み付けをした加重平均値を、自車両１－１に搭載された外気温センサ３０の学習値とする。例えば、式（１）により自車両１－１に搭載されたセンサ３０の学習値ｘ＾を算出する。ｘiは車両１－ｉに搭載されたセンサ３０についての学習値であり、ｗiは車両１－ｉに搭載されたセンサ３０についての学習台数である。図４（ｂ）の例では、式（１）を用いると、車両１－１に搭載された外気温センサ３０について、学習後の学習値ｘ＾は、（２０×５＋２２×１０＋２４×５）／（５＋１０＋５）＝２２［℃］となる。
Figure 0007013993000001
図４（ｂ）において、自車両１－１の学習後の学習台数は、５＋１０＋５＝２０［台］となる。学習台数は、周辺車両１－２，１－３から学習情報を取得して学習するごとに増加する。そこで、学習部１２０は、自車両１－１の学習台数が閾値を超える場合には、記憶部１４０に記憶された学習値のうち、最初に記憶した学習値を破棄するようにしてもよい。また、記憶部１４０は、記憶時間が所定時間以上経過した古い学習値を削除するようにしてもよい。
また、修理又は自動車検査登録制度に基づく検査（車検）を行った場合には、学習値として正確な値を得ることができるため、記憶部１４０に記憶されている学習情報を削除し、学習値をリセットしてもよい。また、センサ３０の正常値（正確な学習値）を含む学習情報を送信する検定車両を走らせたり、センサ３０の正常値を含む学習情報を送信する基地局を配置したりするなどにより、車両１がセンサ３０の正常値を取得する手段を設けることも可能である。そして、正常値を受信した車両１は、記憶部１４０に記憶されている学習情報を削除し、学習値をリセットしてもよい。また、センサ３０の正確な学習値を取得した場合には、学習情報として、学習値の信頼度が高いことを示す信頼度情報を含め、学習部１２０は信頼度情報を考慮して学習値を算出するようにしてもよい。
センサ３０が外気温センサである場合には、外部環境以外の影響を受けにくい。そして、自車両１－１と周辺車両１－２，１－３との間では、外部環境が類似していることが想定される。したがって、外気温センサについては周辺車両１－２，１－３の全ての学習値を用いて学習することができる。しかし、例えば水温センサ、油温センサ、気圧センサなどはエンジン起動後の経過時間によって正常値が異なるため、周辺車両１－２，１－３ののうち、走行環境が類似する車両の学習値を用いて学習することが望ましい。そこで、走行環境が類似しているか否かを判断可能とするために、図４（ｃ）に示すように、学習情報に、エンジン起動後の経過時間などの走行環境を示すパラメータを含めてもよい。
センサ３０の種類によっては、自車両１－１と上記パラメータの差が大きい周辺車両の学習値は信頼度が低い可能性がある。そのため、学習部１２０は、センサ３０の種類に応じて、記憶部１４０に記憶された学習情報のうち、自車両１－１とパラメータの差が閾値を超える場合には該学習情報を破棄し、自車両１－１とパラメータの差が閾値以下の学習値を用いて、自車両１－１に搭載されたセンサ３０の学習値を算出してもよい。
例えば、図４（ｃ）において、自車両１－１と周辺車両１－３とのパラメータの差が大きいため、自車両１－１の学習部１２０は、周辺車両１－３から取得した油温センサ３０についての学習情報を破棄し、周辺車両１－２から取得した学習情報を用いて、自車両１－１に搭載された油温センサ３０の学習値を算出する。式（１）を用いると、車両１－１に搭載された油温センサ３０について、学習値ｘ＾は、（９２×８＋９０×５）／（８＋５）＝９１．２［℃］となり、学習台数は、８＋５＝１３［台］となる。
このように、第１の実施形態に係る診断装置１０及びその診断方法は、周辺車両１－２，１－３に搭載されたセンサ３０の学習値を取得し、取得した学習値を用いて、周辺車両１－２，１－３から所定の範囲内に存在する自車両１－１に搭載されたセンサ３０の学習値を算出する。換言すると、自車両１－１から所定の範囲内に存在する周辺車両１－２，１－３の学習値を取得し、取得した学習値を用いて、自車両１－１に搭載されたセンサ３０の学習値を算出する。そして、自車両１－１に搭載されたセンサ３０の検出値及び学習値を比較することにより、自車両１－１に搭載されたセンサ３０の動作状態を診断する。そのため、本発明の第１の実施形態によれば、センサ３０の正常値を正しく推定することができ、自車両１－１に搭載されたセンサ３０の異常予兆の診断を精度良く行うことが可能となる。
また、周辺車両１－２，１－３から取得した学習情報のうち、信頼度の高い学習値を選択し、選択した学習値を用いて車両１－１に搭載されたセンサ３０の学習値を算出することにより、自車両１－１に搭載されたセンサ３０の異常予兆の診断をより高精度に行うことが可能となる。
また、周辺車両１－２，１－３から取得する学習値は、複数の車両の学習情報に基づく学習結果であるため、例えば、図４（ｂ）に示す例では、車両１－１は周辺車両１－２，１－３から学習情報を受信することにより、学習台数は５台から２０台に増加する。よって、本発明の第１の実施形態によれば、少ない台数の周辺車両１－２，１－３から学習情報を受信しただけであっても、実質的に多くの車両の学習情報に基づく学習が可能となり、学習速度を向上させることが可能となる。
（第２の実施形態）
次に、第２の実施形態に係る診断装置について説明する。第１の実施形態では、診断装置１０が各車両１に搭載されている例を示したが、第２の実施形態に係る診断装置１０は、車両１の外部に備えられる。
図５は、第２の実施形態に係る診断装置を備えるシステムの概略構成を示す図である。各車両１は、ＥＣＵ２０と、機器（本実施形態では、センサ）３０と、表示部５０と、広域通信部６０とを備える。サーバ２は、広域通信部２１と、診断装置１０とを備える。サーバ２は、クラウドサーバであってもよいし、データセンターであってもよい。
広域通信部６０は、あらかじめ割り当てられた周波数帯域の電波を用いて、車両１に搭載されたセンサ３０についての学習情報を変調し、広域通信網を介してサーバ２に送信する。
広域通信部２１は、あらかじめ割り当てられた周波数帯域の電波を用いて、各車両１から、広域通信網を介して各車両１に搭載されたセンサ３０についての学習情報を受信して復調し、復調した学習情報を、診断装置１０に出力する。
第２の実施形態に係る診断方法は、図２を参照して説明した第１の実施形態の実施形態の診断方法と同様である。ただし、第２の実施形態においては、自車両１－１とは診断対象車両を意味し、周辺車両１－２，１－３とは診断対象車両１－１から所定の範囲内に存在する車両を意味する。
診断装置１０が車両１－１に搭載されたセンサ３０の診断を行う場合には、学習情報取得部１１０により、広域通信部２１から、診断対象車両１－１及びその周辺車両１－２，１－３の学習情報を取得し、学習部１２０により、診断対象車両１－１及び周辺車両１－２，１－３の学習情報に基づいて学習値を算出し、診断部１３０により、診断対象車両１－１の検出値及び学習値を比較して、センサ３０の動作状態を診断する。診断結果は、サーバ２内で記憶してもよいし、広域通信部２１に出力して、診断対象車両１－１に送信してもよい。
このように、第２の実施形態に係る診断装置１０は、車外のサーバ２に配置される。そのため、本発明の第２の実施形態によれば、車両１における通信量及び計算負荷を少なくすることが可能となる。また、サーバ２内で車両１の大量なデータを一括管理することが可能となる。
（第３の実施形態）
次に、第３の実施形態に係る診断システムについて説明する。第３の実施形態に係る診断システムは、各車両１及びサーバ２の双方でセンサ３０の診断を行うことを可能とするために、診断装置１０が各車両１及びサーバ２に配置される。
図６は、第３の実施形態に係る診断システムの概略構成を示す図である。各車両１は、診断装置１０と、ＥＣＵ２０と、機器（本実施形態では、センサ）３０と、車車間通信部４０と、表示部５０と、広域通信部６０とを備える。サーバ２は、広域通信部２１と、診断装置１０とを備える。
車両１に搭載された診断装置１０の処理内容について、図７を参照して説明する。図７は、第３の実施形態に係る診断システムを用いた診断方法の手順の一例を示すフローチャートである。
車両１側の診断装置１０は、広域通信部６０がサーバ２との通信に成功した場合には（ステップＳ３１－Ｙｅｓ）、サーバ２から、サーバ２に配置された診断装置１０による診断結果を取得する（ステップＳ３２）。
一方、広域通信部６０が電波障害やサーバ２の故障などの理由によりサーバ２との通信に失敗した場合には（ステップＳ３１－Ｎｏ）、周辺車両１－２，１－３と車車間通信を行い、周辺車両１－２，１－３から学習情報を取得する（ステップＳ１１）。
学習情報を取得してからの手順は第１の実施形態と同様であり、診断装置１０は、取得した学習情報から信頼度の高い学習値を選択し（ステップＳ１２）、信頼度の高い学習値を用いて自車両１－１の学習値を算出する（ステップＳ１３）。そして、自車両１－１の検出値及び算出した学習値を比較し（ステップＳ１４）、両者が乖離している場合には（ステップＳ１４－Ｙｅｓ）、自車両１－１に搭載されたセンサ３０の異常予兆ありと判定し（ステップＳ１５）、両者が乖離していない場合には（ステップＳ１４－Ｎｏ）、自車両１－１に搭載されたセンサ３０の異常予兆なしと判定する（ステップＳ１６）。
車両１側の診断装置１０の学習情報取得部１１０は、上記ステップＳ３１、ステップＳ３２、及びステップＳ１１の処理を行う。すなわち、学習情報取得部１１０は広域通信部６０に対し、サーバ２との通信により周辺車両１－２，１－３の学習情報を受信するように命令する。広域通信部６０が通信に失敗した場合には、学習情報取得部１１０は車車間通信部４０に対し、車車間通信により周辺車両１－２，１－３の学習情報を受信するように命令する。そして、学習情報取得部１１０は、車車間通信部４０から学習情報を取得し、取得した学習値を記憶部１４０に出力する。
車両１側の診断装置１０の学習部１２０は、第１の実施形態と同様に上記ステップＳ１２の処理を行う。すなわち、学習部１２０は、学習情報取得部１１０から入力された学習情報に基づいて自車両１－１の学習値を算出し、算出した学習値を診断部１３０に出力する。
車両１側の診断装置１０の診断部１３０は、第１の実施形態と同様に上記ステップＳ１３～ステップＳ１５の処理を行う。すなわち、診断部１３０は、センサ３０ごとに、自車両１－１の検出値と学習部１２０から入力された学習値とを比較し、両者の差があらかじめ設定した閾値を超える場合には、該センサ３０の異常予兆ありと判定し、両者の差が閾値以下である場合には、該センサ３０の異常予兆なしと判定する。診断部１３０は、診断結果を車内の表示部５０、スピーカなどに出力してもよいし、サーバ２に出力してもよい。
このように、第３の実施形態に係る診断システムでは、車両１側の診断装置１０は、車両１がサーバ２との通信に失敗した場合にのみ、車車間通信によって、周辺車両１－２，１－３の学習情報を取得する。そのため、本発明の第３の実施形態によれば、車両１における通信量及び計算負荷を少なくすること、及びサーバ２内で車両１の大量なデータを一括管理することが可能となる。また、車両１がサーバ２との通信に失敗した場合でも、車車間通信によって周辺車両１－２，１－３の学習情報を取得して自車両１－１に搭載されたセンサ３０の診断を行うことが可能となる。
なお、上記の本発明に係る診断装置１０として機能させるためにコンピュータを用いることも可能である。そのようなコンピュータは、診断装置１０の各機能を実現する処理内容を記述したプログラムを該コンピュータの記憶部に格納しておき、該コンピュータのＣＰＵによってこのプログラムを読み出して実行させることで実現することができる。
また、このプログラムは、コンピュータ読取り可能媒体に記録されていてもよい。コンピュータ読取り可能媒体を用いれば、コンピュータにインストールすることが可能である。ここで、プログラムが記録されたコンピュータ読取り可能媒体は、非一過性の記録媒体であってもよい。非一過性の記録媒体は、特に限定されるものではないが、例えば、ＣＤ－ＲＯＭやＤＶＤ－ＲＯＭなどの記録媒体であってもよい。
上述の実施形態は代表的な例として説明したが、本発明の趣旨及び範囲内で、多くの変更及び置換ができることは当業者に明らかである。したがって、本発明は、上述の実施形態によって制限するものと解するべきではなく、特許請求の範囲から逸脱することなく、種々の変形や変更が可能である。例えば、実施形態の構成図に記載の複数の構成ブロック又はステップを１つに組み合わせたり、あるいは１つの構成ブロック又はステップを分割したりすることが可能である。
１ 車両
２ サーバ
２１ 広域通信部
１０ 診断装置
２０ ＥＣＵ
３０ センサ
４０ 車車間通信部
５０ 表示部
６０ 広域通信部
１１０ 学習情報取得部
１２０ 学習部
１３０ 診断部
１４０ 記憶部

Claims (5)

  1. 第２車両から所定の範囲内に存在する第１車両に搭載された第１機器の学習値を取得する学習情報取得部と、
    前記第１機器の学習値を用いて、前記第２車両に搭載された第２機器の学習値を算出する学習部と、
    前記第２機器の検出値及び学習値を比較することにより、前記第２機器の動作状態を診断する診断部と、
    を備え、
    前記学習部は、前記第１機器の検出値及び前記第１機器の学習値の差が閾値以下である場合に、前記第１機器の学習値を用いて前記第２機器の学習値を算出することを特徴とする診断装置。
  2. 前記第１機器の学習値は、第３車両に搭載された第３機器の学習値に基づいて算出され、
    前記学習情報取得部は、前記第１機器の学習値と、前記第１機器の学習値の算出に係る前記第３車両の台数を示す学習台数とを対応付けて取得し、
    前記学習部は、前記第１機器の学習値及び前記学習台数を用いて、前記第２機器の学習値を算出することを特徴とする、請求項１に記載の診断装置。
  3. 前記学習部は、前記第１機器の学習値に対応付けられた前記学習台数が閾値を超える場合に、前記第１機器の学習値を用いて前記第２機器の学習値を算出することを特徴とする、請求項２に記載の診断装置。
  4. 前記第２機器の学習値は、前記第２車両の修理又は検査が行われた場合にリセットされることを特徴とする、請求項１から３のいずれか一項に記載の診断装置。
  5. 第１車両に搭載された第１機器の学習値を取得する学習情報取得ステップと、
    前記第１機器の学習値を用いて、前記第１車両から所定の範囲内に存在する第２車両に搭載された第２機器の学習値を算出する学習ステップと、
    前記第２機器の検出値及び学習値を比較することにより、前記第２機器の動作状態を診断する診断ステップと、
    を含み、
    前記学習ステップは、前記第１機器の検出値及び前記第１機器の学習値の差が閾値以下である場合に、前記第１機器の学習値を用いて前記第２機器の学習値を算出することを特徴とする診断方法。
JP2018058559A 2018-03-26 2018-03-26 診断装置及び診断方法 Active JP7013993B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2018058559A JP7013993B2 (ja) 2018-03-26 2018-03-26 診断装置及び診断方法
US16/299,316 US11132851B2 (en) 2018-03-26 2019-03-12 Diagnosis device and diagnosis method
EP19162647.2A EP3547058B1 (en) 2018-03-26 2019-03-13 Diagnosis device and diagnosis method
CN201910203417.0A CN110362059B (zh) 2018-03-26 2019-03-18 诊断装置和诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018058559A JP7013993B2 (ja) 2018-03-26 2018-03-26 診断装置及び診断方法

Publications (2)

Publication Number Publication Date
JP2019168430A JP2019168430A (ja) 2019-10-03
JP7013993B2 true JP7013993B2 (ja) 2022-02-01

Family

ID=65861208

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018058559A Active JP7013993B2 (ja) 2018-03-26 2018-03-26 診断装置及び診断方法

Country Status (4)

Country Link
US (1) US11132851B2 (ja)
EP (1) EP3547058B1 (ja)
JP (1) JP7013993B2 (ja)
CN (1) CN110362059B (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7013993B2 (ja) * 2018-03-26 2022-02-01 トヨタ自動車株式会社 診断装置及び診断方法
JP6962435B1 (ja) * 2020-10-12 2021-11-05 トヨタ自動車株式会社 機械学習装置
CN114706372A (zh) * 2022-04-18 2022-07-05 中国第一汽车股份有限公司 一种测试方法、装置、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006053016A (ja) 2004-08-11 2006-02-23 Hitachi Ltd 車両故障診断装置および車載端末
JP2009157617A (ja) 2007-12-26 2009-07-16 Toyota Motor Corp 交通情報配信システム並びにそのシステムを構成するプローブ情報生成装置及び交通情報配信装置
JP2012093309A (ja) 2010-10-28 2012-05-17 Honda Motor Co Ltd 故障診断方法及び故障診断装置
JP2016128985A (ja) 2015-01-09 2016-07-14 株式会社デンソー 車載機、車載機診断システム
JP2017078709A (ja) 2015-08-28 2017-04-27 ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツングＲｏｂｅｒｔ Ｂｏｓｃｈ Ｇｍｂｈ 少なくとも一つの第１の車両の少なくとも一つの第１のセンサの少なくとも一つのセンサ機能不全を識別するための方法及び装置
JP2017128239A (ja) 2016-01-21 2017-07-27 株式会社デンソー 制御装置
JP2019038391A (ja) 2017-08-25 2019-03-14 株式会社デンソー 車両用測定装置

Family Cites Families (46)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006234431A (ja) * 2005-02-22 2006-09-07 Toyota Motor Corp 試験装置およびそれを用いて生産された車両
CN100374332C (zh) * 2005-09-09 2008-03-12 中国科学院自动化研究所 一种车载嵌入式系统
US7650211B2 (en) 2007-02-01 2010-01-19 Gm Global Technology Operations, Inc. Method and apparatus to monitor ambient sensing devices
JP4836274B2 (ja) * 2007-07-12 2011-12-14 オムロンオートモーティブエレクトロニクス株式会社 送信装置および方法
JP4453764B2 (ja) * 2008-02-22 2010-04-21 トヨタ自動車株式会社 車両診断装置、車両診断システム、診断方法
US9615213B2 (en) * 2009-07-21 2017-04-04 Katasi Llc Method and system for controlling and modifying driving behaviors
US20170069146A1 (en) * 2009-09-29 2017-03-09 Auto E-Diagnostics Services, Inc. Vehicle diagnostic systems and methods therefor
CN102103377B (zh) * 2009-12-16 2013-08-21 财团法人工业技术研究院 车辆信息学习与诊断方法与系统及运算装置可读存储介质
CN101811473A (zh) * 2009-12-25 2010-08-25 奇瑞汽车股份有限公司 一种led车灯故障检测系统
JP5608696B2 (ja) * 2012-03-07 2014-10-15 株式会社日立製作所 水使用状況監視システム
JP6076751B2 (ja) * 2013-01-22 2017-02-08 株式会社日立製作所 異常診断方法およびその装置
JP6179191B2 (ja) * 2013-05-27 2017-08-16 富士通株式会社 運転診断装置，運転診断方法及びプログラム
WO2014207789A1 (ja) * 2013-06-24 2014-12-31 株式会社 日立製作所 状態監視装置
DE102013212505A1 (de) * 2013-06-27 2014-12-31 Robert Bosch Gmbh Werkstatt-Diagnosesystem
US9677529B2 (en) * 2013-12-25 2017-06-13 Denso Corporation Vehicle diagnosis system and method
JP6361175B2 (ja) * 2014-03-06 2018-07-25 株式会社豊田中央研究所 異常診断装置及びプログラム
US10570837B2 (en) * 2014-03-11 2020-02-25 Kenneth Carl Steffen Winiecki Method of calculating average revolutions per independent unit with a GPS navigation system
EP2922033B1 (en) * 2014-03-18 2018-11-21 Volvo Car Corporation A vehicle sensor diagnosis system and method and a vehicle comprising such a system
JP6112063B2 (ja) * 2014-05-13 2017-04-12 トヨタ自動車株式会社 車両用油圧回路の異常判定装置
US10055794B1 (en) * 2014-05-20 2018-08-21 State Farm Mutual Automobile Insurance Company Determining autonomous vehicle technology performance for insurance pricing and offering
JP6438405B2 (ja) * 2014-09-29 2018-12-12 株式会社東芝 製造ライン監視装置、製造ライン監視プログラム、製造ライン監視方法、製造ライン監視システム
JP6492677B2 (ja) * 2015-01-15 2019-04-03 株式会社デンソー 車載機
JP6398739B2 (ja) * 2015-01-19 2018-10-03 株式会社デンソー 車載機、車載機診断システム
JP2016157206A (ja) 2015-02-23 2016-09-01 株式会社日立製作所 予兆診断システム、予兆診断方法および予兆診断装置
US20170103101A1 (en) * 2015-10-07 2017-04-13 Telogis, Inc. System for database data quality processing
US10259466B2 (en) * 2015-11-19 2019-04-16 Depura Partners, Llc System for monitoring and classifying vehicle operator behavior
JP6588814B2 (ja) * 2015-12-17 2019-10-09 株式会社東芝 異常診断装置及び方法
JP6578224B2 (ja) * 2016-02-22 2019-09-18 ルネサスエレクトロニクス株式会社 車載システム、プログラムおよびコントローラ
EP3239686B1 (en) * 2016-04-26 2024-09-18 Walter Steven Rosenbaum Method for determining driving characteristics of a vehicle
JP6368958B2 (ja) * 2016-05-12 2018-08-08 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム
JP6671248B2 (ja) * 2016-06-08 2020-03-25 株式会社日立製作所 異常候補情報分析装置
US10186089B2 (en) * 2016-07-29 2019-01-22 Faraday & Future Inc. Informational visual display for vehicles
CN206049557U (zh) * 2016-09-30 2017-03-29 常州众智汽车科技有限公司 一种汽车智能控制系统
US10543846B2 (en) * 2016-10-28 2020-01-28 Hall Labs Llc Determining vehicle power
CN206209401U (zh) * 2016-11-10 2017-05-31 北京经纬恒润科技有限公司 一种汽车故障诊断系统
US10672199B2 (en) * 2017-01-18 2020-06-02 Ford Global Technologies, Llc Method for monitoring component life
US20180229744A1 (en) * 2017-02-10 2018-08-16 Slick Technologies, LLC Engine monitoring and maintenance dispatch system
JP7013993B2 (ja) * 2018-03-26 2022-02-01 トヨタ自動車株式会社 診断装置及び診断方法
US10816981B2 (en) * 2018-04-09 2020-10-27 Diveplane Corporation Feature analysis in computer-based reasoning models
US10816980B2 (en) * 2018-04-09 2020-10-27 Diveplane Corporation Analyzing data for inclusion in computer-based reasoning models
US11262742B2 (en) * 2018-04-09 2022-03-01 Diveplane Corporation Anomalous data detection in computer based reasoning and artificial intelligence systems
US20200143609A1 (en) * 2018-11-07 2020-05-07 GM Global Technology Operations LLC Systems and methods for diagnosing faults associated with the use of a primary power supply and a backup power supply
JP7143733B2 (ja) * 2018-11-14 2022-09-29 トヨタ自動車株式会社 環境状態推定装置、環境状態推定方法、環境状態推定プログラム
US11153721B2 (en) * 2018-12-27 2021-10-19 Intel Corporation Sensor network enhancement mechanisms
US11087566B2 (en) * 2019-04-16 2021-08-10 Verizon Patent And Licensing Inc. Determining vehicle service timeframes based on vehicle data
US11775941B2 (en) * 2019-07-12 2023-10-03 Toyota Motor North America, Inc. System and method for prompting vehicle service based on proximity and wait time

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006053016A (ja) 2004-08-11 2006-02-23 Hitachi Ltd 車両故障診断装置および車載端末
JP2009157617A (ja) 2007-12-26 2009-07-16 Toyota Motor Corp 交通情報配信システム並びにそのシステムを構成するプローブ情報生成装置及び交通情報配信装置
JP2012093309A (ja) 2010-10-28 2012-05-17 Honda Motor Co Ltd 故障診断方法及び故障診断装置
JP2016128985A (ja) 2015-01-09 2016-07-14 株式会社デンソー 車載機、車載機診断システム
JP2017078709A (ja) 2015-08-28 2017-04-27 ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツングＲｏｂｅｒｔ Ｂｏｓｃｈ Ｇｍｂｈ 少なくとも一つの第１の車両の少なくとも一つの第１のセンサの少なくとも一つのセンサ機能不全を識別するための方法及び装置
JP2017128239A (ja) 2016-01-21 2017-07-27 株式会社デンソー 制御装置
JP2019038391A (ja) 2017-08-25 2019-03-14 株式会社デンソー 車両用測定装置

Also Published As

Publication number Publication date
EP3547058B1 (en) 2022-06-29
US20190295337A1 (en) 2019-09-26
CN110362059A (zh) 2019-10-22
EP3547058A1 (en) 2019-10-02
CN110362059B (zh) 2022-04-19
JP2019168430A (ja) 2019-10-03
US11132851B2 (en) 2021-09-28

Similar Documents

Publication Publication Date Title
EP3358303B1 (en) An apparatus and associated methods for use in updating map data
KR101967339B1 (ko) 심층학습 기반의 ａｄａｓ 센서 고장 진단 및 백업을 위한 장치 및 방법
CN105976450A (zh) 无人驾驶车辆的数据处理方法和装置、黑匣子系统
JP7013993B2 (ja) 診断装置及び診断方法
CN111724583B (zh) 用于验证道路车辆的限速信息的方法和布置
WO2015129512A1 (ja) 移動体の診断装置
CN106918341B (zh) 用于构建地图的方法和设备
JP2011203116A (ja) 車両用異常予測装置及び方法
JP6988674B2 (ja) 診断装置、診断システム、及び診断方法
JP2009294004A (ja) 異常解析装置及び異常解析方法
Zheng et al. Unsupervised driving performance assessment using free-positioned smartphones in vehicles
JP2003516275A (ja) 自動車のエラーを識別する方法
JP2014148294A (ja) 診断装置
US20070136015A1 (en) Diagnosis apparatus for diagnosing state of equipment
CN110333517B (zh) 障碍物感知方法、装置及存储介质
JP6950481B2 (ja) 診断システム
JP7028051B2 (ja) 診断装置、診断システム、及び診断方法
US20200363214A1 (en) Method for using a feature-based localization map for a vehicle
CN105684062B (zh) 用于提供关于临近车辆的事件的事件消息的方法和装置
JP4286721B2 (ja) 車両診断情報取得装置および車両診断情報取得方法
JP5572966B2 (ja) データ類似度計算方法、システム、およびプログラム
JP7609176B2 (ja) 車載装置、路面画像の送信方法及びプログラム
JP7570533B2 (ja) 路面状態推定システム、路面状態推定装置、および路面状態推定プログラム
JPWO2019116537A1 (ja) 情報取得方法、情報取得装置、車載装置、路上センサ装置、及び情報取得システム
JP2024048215A (ja) 道路監視システム、情報処理装置、道路監視方法及びプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201026

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210922

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211019

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211122

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: 20211221

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220103

R151 Written notification of patent or utility model registration

Ref document number: 7013993

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151