JP7655277B2 - 路面損傷検出装置、路面損傷検出方法、及び路面損傷検出プログラム - Google Patents

Description

本発明は、複数の車両の挙動に係る時系列データから路面の損傷個所を検出する路面損傷検出装置、路面損傷検出方法、及び路面損傷検出プログラムに関する。

道路の路面は、車両の走行等により劣化し、走行車両の車輪によって路面が進行方向に溝状に変形する轍掘れ、又は舗装が部分的に剥離して生じるポットホール等の損傷が生じ得る。特に、ポットホールは、走行車両のタイヤをパンクさせる原因になるのみならず、事故の原因にもなり得るので、逸早く発見して補修することが求められる。

しかしながら、ポットホール等の路面損傷の発見は、主として人員が道路を点検することに依存しており、効率的とは言い難く、発生した路面損傷を迅速に発見することが容易ではない。

特許文献１には、複数の車両の車輪速の変化に基づいて路面損傷を検出する路面損傷検出装置、路面損傷検出方法、及びプログラムの発明が開示されている。

特開２０２１－０８６４７６号公報

しかしながら、特許文献１に記載の発明は、主として、車輪速の最大変動が閾値以上であるか否かで路面損傷を検出している。車輪速の最大変動は、路面損傷とは別の、砂利等の一時的な落下物、マンホール、側溝の蓋、及び踏切等の構造物、並びに車両の回避挙動等によっても検出され得る。従って、路面損傷の場合と路面損傷ではない場合とを識別することが困難になるおそれがあった。

本発明は、上記事実を考慮し、路面損傷を適切に検出することが可能な路面損傷検出装置、路面損傷検出方法、及び路面損傷検出プログラムを得ることを目的とする。

上記目的を達成するために請求項１に記載の路面損傷検出装置は、複数の車両の各々の挙動を示す物理量を各々検出する物理量検出部と、前記物理量検出部が検出した物理量の単位時間あたりの変動の、第１所定期間における平均値である区間平均変動、及び前記第１所定期間における最大値である区間最大変動の各々を、前記第１所定期間よりも長い第２所定期間で集計する演算集計部と、前記演算集計部による集計結果からノイズ成分を除去するフィルタリング部と、前記フィルタリング部が出力した結果に基づいて路面損傷箇所を検出する路面損傷検出部と、を含む。

請求項１に記載の路面損傷検出装置によれば、分析データをフィルタ処理することにより、ノイズ成分となり得る路面損傷とは別の、砂利等の一時的な落下物、マンホール、側溝の蓋、及び踏切等の構造物、並びに車両の回避挙動等によっても検出され得る顕著な物理量の変動を抑制したデータに基づいて路面損傷を検出することができる。

請求項２に記載の路面損傷検出装置は、前記フィルタリング部は、移動平均、ガウスフィルタ、及び深層学習によるフィルタを含むフィルタによって前記演算集計部による集計結果からノイズ成分を除去する請求項１に記載の路面損傷検出装置。

請求項２に記載の路面損傷検出装置によれば、フィルタ処理によって、処理前のデータを平滑化することにより、路面損傷の誤検出を抑制する。

請求項３に記載の路面損傷検出装置は、前記路面損傷検出部は、前記フィルタリング部が出力した結果に含まれる、前記区間平均変動が所定の第１閾値以上で、かつ前記フィルタリング部が出力した結果に含まれる、前記区間最大変動が前記第１閾値より大きな所定の第２閾値以下の場合に路面損傷の可能性があると判定する。

請求項３に記載の路面損傷検出装置によれば、車両の挙動を示す物理量の区間平均変動を所定の閾値と比較することにより、路面損傷の可能性を判定できる。

請求項４に記載の路面損傷検出装置は、前記路面損傷検出部は、前記フィルタリング部が出力した結果に含まれる、前記区間平均変動の前記第１所定期間単位での変化量が所定の変化量閾値以上の場合、及び前記第２所定期間における前記区間最大変動と前記区間平均変動との差が所定の第３閾値以上の場合のいずれかの場合に急激な路面損傷が生じたと判定する。

請求項４に記載の路面損傷検出装置によれば、車両の挙動を示す物理量の変化の態様に基づいて、急激な路面損傷の発生を検出できる。

請求項５の路面損傷検出装置は、前記路面損傷検出部は、前記フィルタリング部が出力した結果に含まれる、前記区間平均変動の時系列での変化が、下に凸の曲線状を呈して増大する場合に路面が経年劣化していると判定し、平坦な場合は前記路面の状態は変化なしと判定し、階段状に変化している場合は前記路面の切削工事、補修、及び舗装の張替えのいずれかが実施されたと判定する。

請求項５に記載の路面損傷検出装置によれば、車両の挙動を示す物理量の時系列変化の態様によって、路面損傷、又は路面の工事の有無を判定できる。

請求項６の路面損傷検出装置は、前記物理量検出部は、前記車両の車輪速を前記物理量として検出する車輪速センサである。

請求項６に記載の路面損傷検出装置によれば、車両が普遍的に備える車輪速センサで検出した車輪速に基づいて路面損傷を検出することができる。

請求項７の路面損傷検出装置は、前記車輪速センサは、前記車両が備える４つの車輪の各々の車輪速を検出し、前記路面損傷検出部は、前記第１所定期間において、左右一方の車輪の車輪速の単位時間あたりの変動の前記複数の車両についての平均値と、左右他方の車輪の車輪速の単位時間あたりの変動の前記複数の車両についての平均値との差が、所定の第４閾値以上の場合に、路面損傷があると判定する。

請求項７に記載の路面損傷検出装置によれば、４輪で独立して検出した車輪速の、左右の車輪での差異に基づいて路面損傷を検出することができる。

請求項８の路面損傷検出装置は、前記物理量検出部は、前記車両の姿勢角の角速度、及び前記車両の加速度を前記物理量として検出する慣性計測装置である。

請求項８に記載の路面損傷検出装置によれば、車両の姿勢角の角速度、及び当該車両の加速度の各々の時系列データに基づいて路面損傷を検出することができる。

請求項９の路面損傷検出装置は、前記物理量検出部は、前記車両の操舵角を前記物理量として検出する操舵角センサである。

請求項９に記載の路面損傷検出装置によれば、車両の操舵角の時系列データに基づいて路面損傷を検出することができる。

請求項１０の路面損傷検出装置は、前記物理量検出部は、前記車両の減速を示すスロットル開度を前記物理量として検出するスロットルセンサである。

請求項１０に記載の路面損傷検出装置によれば、車両の減速を示すスロットル開度に基づいて路面損傷を検出することができる。

請求項１１の路面損傷検出装置は、前記物理量検出部は、前記車両の減速を示すブレーキペダルの踏力を前記物理量として検出するブレーキペダルセンサである。

請求項１１に記載の路面損傷検出装置によれば、車両の減速を示すブレーキペダルの踏力に基づいて路面損傷を検出することができる。

上記目的を達成するために請求項１２の路面損傷検出方法は、複数の車両の各々の挙動を示す物理量を各々検出する工程と、前記検出した物理量の単位時間あたりの変動の、第１所定期間における平均値である区間平均変動、及び前記第１所定期間における最大値である区間最大変動の各々を、前記第１所定期間よりも長い第２所定期間で集計する工程と、前記集計した結果からノイズ成分を除去する工程と、前記ノイズ成分を除去した結果に基づいて路面損傷箇所を検出する工程と、を含む。

請求項１２に記載の路面損傷検出方法によれば、分析データをフィルタ処理することにより、ノイズ成分となり得る路面損傷とは別の、砂利等の一時的な落下物、マンホール、側溝の蓋、及び踏切等の構造物、並びに車両の回避挙動等によっても検出され得る顕著な物理量の変動を抑制したデータに基づいて路面損傷を検出することができる。

上記目的を達成するために請求項１３の路面損傷検出プログラムは、コンピュータを、複数の車両の各々の挙動を示す物理量の単位時間あたりの変動の、第１所定期間における平均値である区間平均変動、及び前記第１所定期間における最大値である区間最大変動の各々を、前記第１所定期間よりも長い第２所定期間で集計する演算集計部、前記演算集計部による集計結果からノイズ成分を除去するフィルタリング部、並びに前記フィルタリング部が出力した結果に基づいて路面損傷箇所を検出する路面損傷検出部、として機能させる。

請求項１３に記載の路面損傷検出プログラムによれば、分析データをフィルタ処理することにより、ノイズ成分となり得る路面損傷とは別の、砂利等の一時的な落下物、マンホール、側溝の蓋、及び踏切等の構造物、並びに車両の回避挙動等によっても検出され得る顕著な物理量の変動を抑制したデータに基づいて路面損傷を検出することができる。

以上説明したように、本発明に係る路面損傷検出装置、路面損傷検出方法、及び路面損傷検出プログラムによれば、路面損傷を適切に検出することが可能となる。

本実施形態に係る路面損傷検出装置の構成を示す概略図である。 車両の構成を示したブロック図である。 本実施形態に係る計算サーバの具体的な構成の一例を示すブロック図である。 本実施形態に係る計算サーバのＣＰＵの機能ブロック図である。 本実施形態に係る計算サーバの処理の一例を示したフローチャートである。 区間平均変動の第２所定期間における時系列変化の一例を示した概略図である。 区間最大変動の第２所定期間における時系列変化の一例を示した概略図である。 車両の左右の車輪の車輪速の相違に基づいて路面損傷を検出する場合の説明図である。 本実施形態に係る路面損傷検出装置の処理の一例を示したシーケンス図である。

以下、図１を用いて、本実施形態に係る路面損傷検出装置１００について説明する。図１に示した路面損傷検出装置１００は、ネットワークへの常時接続機能を備えた、いわゆるコネクテッドカーである複数の車両２００からデータを取得する通信装置１１０と、通信装置１１０が受信したデータを蓄積するデータストレージ１２０と、データストレージ１２０に蓄積したデータに基づいて、路面損傷を検出する計算サーバ１０と、計算サーバ１０が検出した路面損傷の情報を閲覧可能な端末１３０を含む。

データストレージ１２０は、後述するように、データベースを備えたデータサーバであり、計算サーバ１０は、高度な演算処理を高速で実行できるコンピュータである。データストレージ１２０及び計算サーバ１０の各々は、単体のサーバでもよいが、処理負荷を分散できるクラウドでもよい。データストレージ１２０及び計算サーバ１０は、同一のサーバでもよい。端末１３０は、必須の構成ではなく、例えば、計算サーバ１０にキーボード、及びマウス等の入力装置と、ディスプレイ等の出力装置が備わっていれば省略してもよい。

図２は、車両２００の構成を示したブロック図である。車両２００は、演算装置１４の演算に必要なデータ及び演算装置１４による演算結果を記憶する記憶装置１８と、人工衛星（以下、「衛星」と略記）から発信される信号を用いて位置推定を行うＧＮＳＳ（Global Navigation Satellite System）装置２０と、車速センサ２４が検出した車輪速、ＩＭＵ（慣性計測装置）２６が検出した車両２００の姿勢角の角速度及び加速度、操舵角センサ２８が検出した車両２００の操舵角、スロットルセンサで検出した車両２００のスロットル開度、ブレーキペダルセンサ３２で検出した車両２００のブレーキペダルの踏力、並びにＶ２Ｘ通信部３４が無線通信で取得した情報が各々入力される入力装置１２と、入力装置１２から入力された入力データ及び記憶装置１８に記憶されたデータに基づいて、車輪速等の車両２００の挙動を示す情報を算出すると共に、当該情報をＧＮＳＳ装置２０等で検出した車両２００の位置情報に紐づけて出力する演算装置１４と、演算装置１４での演算結果をＶ２Ｘ通信部３４に出力する出力装置１６と、で構成されている。車速センサ２４は、車両２００の４つの車輪速を各々検出可能に構成されている。また、車両２００には、ブレーキペダルセンサ３２に加えて、ブレーキのマスタシリンダ内の圧力を検出するマスタシリンダセンサを別途備えていてもよい。

前述のように車両２００は、いわゆるコネクテッドカーであるが、コネクテッドカーでなくとも、車両２００に搭載された搭載機器から送信された走行データを分析・活用する、いわゆるトランスログ等の後付けの通信機器、及び走行データを取得する各種センサを後付けした車両でもよい。

図３は、本発明の実施形態に係る計算サーバ１０の具体的な構成の一例を示すブロック図である。計算サーバ１０は、コンピュータ４０を含んで構成されている。コンピュータ４０は、ＣＰＵ（Central Processing Unit）４２、ＲＯＭ（Read Only Memory）４４、ＲＡＭ（Random Access Memory）４６、及び入出力ポート４８を備える。一例としてコンピュータ４０は、高度な演算処理を高速で実行できる機種であることが望ましい。

コンピュータ４０では、ＣＰＵ４２、ＲＯＭ４４、ＲＡＭ４６、及び入出力ポート４８がアドレスバス、データバス、及び制御バス等の各種バスを介して互いに接続されている。入出力ポート４８には、各種の入出力機器として、ディスプレイ５０、マウス５２、キーボード５４、ハードディスク（ＨＤＤ）５６、及び各種ディスク（例えば、ＣＤ－ＲＯＭやＤＶＤ等）５８から情報の読み出しを行うディスクドライブ６０が各々接続されている。

また、入出力ポート４８には、ネットワーク６２が接続されており、ネットワーク６２に接続された各種機器と情報の授受が可能とされている。本実施形態では、ネットワーク６２には、データベース（ＤＢ）１２２が接続されたデータサーバであるデータストレージ１２０が接続されており、ＤＢ１２２に対して情報の授受が可能とされている。

ＤＢ１２２には、通信装置１１０を介して取得した複数の車両２００の時系列データ等が記憶される。ＤＢ１２２へのデータの記憶は、通信装置１１０を介する以外に、コンピュータ４０やネットワーク６２に接続された他の機器によって登録するようにしてもよい。

本実施形態では、データストレージ１２０に接続されたＤＢ１２２に、複数の車両２００の時系列データ等が記憶されるものとして説明するが、コンピュータ４０に内蔵されたＨＤＤ５６や外付けのハードディスク等の外部記憶装置にＤＢ１２２の情報を記憶するようにしてもよい。

コンピュータ４０のＨＤＤ５６には、路面損傷を検出するプログラム等がインストールされている。本実施形態では、ＣＰＵ４２が当該プログラムを実行することにより、データストレージから取得したデータに基づいて路面損傷を検出する。

本実施形態の路面損傷検出に係るプログラムをコンピュータ４０にインストールするには、幾つかの方法があるが、例えば、当該プログラムをセットアッププログラムと共にＣＤ－ＲＯＭやＤＶＤ等に記憶しておき、ディスクドライブ６０にディスクをセットし、ＣＰＵ４２に対してセットアッププログラムを実行することによりＨＤＤ４６に当該プログラムをインストールする。または、公衆電話回線又はネットワーク６２を介してコンピュータ４０と接続される他の情報処理機器と通信することで、ＨＤＤ４６に当該プログラムをインストールするようにしてもよい。

図４は、計算サーバ１０のＣＰＵ４２の機能ブロック図を示す。計算サーバ１０のＣＰＵ４２が路面損傷検出に係るプログラムを実行することで実現される各種機能について説明する。路面損傷検出に係るプログラムは、分析データの準備をする前処理機能、取得した分析データの変動、当該変動の平均値、及び当該変動の最大値等を算出する集計機能、集計機能で処理したデータにフィルタを適用してノイズ等を除去するフィルタリング機能、並びに路面損傷を検出する判定機能を備えている。ＣＰＵ４２がこの各機能を有する機械学習に係るプログラムを実行することで、ＣＰＵ４２は、図４に示すように、前処理部７２、集計部７４、フィルタリング部７６、及び判定部７８として機能する。

図５は、本実施形態に係る路面損傷検出装置１００を構成する計算サーバ１０の処理の一例を示したフローチャートである。ステップＳ１００では、データストレージ１２０から分析データを取得する。

ステップＳ１０２では、前処理部７２において、分析データの準備が行われる。ステップＳ１０２における分析データの準備は、具体的には、不特定多数の車両２００により収集された時系列データのうち、車両２００の位置情報に紐づけられた車両２００の４輪の車輪速等の情報を、第１所定期間（例えば１日）に分けて取得すると共に、 第１所定期間よりも長期の第２所定期間（例えば３０日）分取得する等の処理である。以下、本実施形態では、４輪の車輪速を、路面損傷検出に供する分析データの代表として説明するが、これに限定されない。例えば、ＩＭＵ２６が検出した車両２００の姿勢角の角速度及び加速度等であってもよいし、操舵角センサ２８、スロットルセンサ３０及びブレーキペダルセンサ３２で検出した車両２００の挙動に係る情報でもよい。また、第１所定期間は、１日ではなく、２日～７日間でもよく、第２所定期間は、３０日ではなく、３１日～１８０日等でもよい。

ステップＳ１０４では、集計部７４が、第１所定期間毎、又は車両２００のトリップ毎に、車両２００の４輪の車輪速の変動を各車輪毎に算出する。車輪速は、低速時では路面損傷を検出する際の有効な資料となり難いので、本実施形態では、所定速度以上の車輪速の情報を路面損傷を検出するための分析データとして供する。所定速度は、例えば１５ｋｍ／ｈ等であるが、制限速度が高い高速道路等の路面損傷を検出する場合は、より大きな速度であってもよい。

本実施形態では、車輪速変動に基づいて路面損傷を検出する。車輪速変動は、下記の式（１）に示したように、単位時間Δｔあたりの車輪速の変化Δ（車輪速）をハイパスフィルタ（ＨＰＦ）で処理してノイズを除去したものの絶対値（ＡＢＳ）である。
車輪速変動＝ＡＢＳ（ＨＰＦ（Δ（車輪速）/Δｔ）） …（１）

また、ステップＳ１０４において、車輪速変動最大値は、４輪の車輪速変動のうち、各時刻毎に複数の車両２００の（４輪の中の）最大値を選定した時系列データとして定義され、算出される。

ステップＳ１０６では、集計部７４が、車輪速変動と場所との対応付けを行う。前述のように、本実施形態では、車両２００の車輪速の情報は、車両２００が備えるＧＮＳＳ装置２０等によって検出した車両２００の位置情報と紐付けられている。ステップＳ１０６では、車輪速変動を場所に対応付けるための道路区間情報を取得する。ステップＳ１０６では、主として、以下のような手順で道路区間情報を取得する。
（１）対象エリア（例：豊田市全域）を、評価区間（例：１０ｍ×１０ｍ）に分割する。
（２）対象エリア（例：豊田市全域）の道路リンク情報（道路の起点終点の座標）を取得する。

ＧＮＳＳによる測位は往々にして誤差を含むので、後述するステップＳ１０８で、（２）の道路リンク情報を参照することにより、ＧＮＳＳに測位の誤差を補正する。道路リンク情報は、データストレージ１２０に予め格納していてもよいし、通信装置１１０等を介して外部のサーバ等から取得してもよい。また、（１）で対象エリアを１０ｍ×１０ｍ程度の評価区間に分割するのは、演算負荷を軽減するためである。計算サーバ１０の演算能力が高い場合は、評価区間を１０ｍ×１０ｍよりも拡大してもよい。

ステップＳ１０８では、集計部７４が、路面状態指標の算出を行う。具体的には、車輪速変動と道路区間とを、ステップＳ１０６で取得した道路リンク情報に含まれる緯度経度座標を用いて紐付けて、評価区間ごとに路面状態指標を算出する。本実施形態における路面状態指標は、複数の車両２００における車輪速変動最大値の平均値である区間平均変動と、複数の車両２００における車輪速変動最大値の最大値である区間最大変動等である。具体的には、区間平均変動は、複数の車両２００の各々における車輪速変動最大値の合計を、複数の車両２００の台数で除算して得た商であり、区間最大変動は、全車両２００の車輪速変動最大値の最大値である。

ステップＳ１０８では、路面状態指標として、複数の車両２００の各々における４輪の各々の車輪速変動の複数の車両２００についての平均値と、複数の車両２００の各々における４輪の各々について車輪速変動の最大値も算出する。

ステップＳ１０８では、上述のような路面状態指標の算出を、「第２所定期間÷第１所定期間（例えば３０）」回分繰り返す。

ステップＳ１１０では、集計部７４は、経時変化データを作成する。具体的には、ステップＳ１０８で算出した、例えば３０日分の路面状態指標を、経時変化データとして記憶装置であるＨＤＤ５６又はデータストレージ１２０等に格納する。

ステップＳ１１２では、時系列データである経時変化データのノイズ成分を除去又は抑制して、真の路面状態に対応した物理量とするために、フィルタリング部７６がフィルタ処理を行う。ステップＳ１１２で適用するフィルタは、例えば、移動平均、ガウスフィルタ、及びＬＳＴＭ（Long short-term memory）等の深層学習等である。移動平均には、単純移動平均、加重移動平均、及び指数移動平均等が存在するが、時系列データからノイズ成分を除去して、当該時系列データを平滑化できるのであれば、いずれの移動平均であってもよい。また、単純移動平均、加重移動平均、及び指数移動平均では、直近の所定数（ｎ個）のデータについて平均値を算出するが、所定数ｎについても、移動平均処理後の時系列データの態様が路面損傷の検出に適した状態となるように設定する。路面損傷の検出に適した状態は、図６、及び図７に示したように、時系列データが平滑化されながらも、第１所定期間毎の変化が確認できる程度の状態である。

ステップＳ１１２では、上述の移動平均のみならず、ガウスフィルタ又はＬＳＴＭ等を用いてもよい。移動平均、ガウスフィルタ、及びＬＳＴＭのいずれかを用いるかは、各々のフィルタを時系列データに適用した結果が、図６、及び図７に示したように、時系列データが平滑化されながらも、第１所定期間毎の変化が確認できる程度の状態であるか否かによって判断してもよい。

また、道路仕様（幹線道路か、生活道路かというような道路規格の違い、又は路面の荒れ度合い等）、さらには道路の使用環境（週末は交通量が増える、若しくは減る等の週次変動、又は月末は交通量が増える、若しくは減る等の月次変動等）に応じて、上記のフィルタを選択してもよい。さらには、選択したフィルタのパラメータ（移動平均であれば所定数ｎ、加重移動平均であれば所定数ｎ又は重み）を道路仕様、又は使用環境に応じて設定してもよい。

図６は、区間平均変動の第２所定期間における時系列変化の一例を示した概略図である。図６に示した破線は、第２所定期間における区間平均変動のフィルタ処理前の生データ２０２であり、実線は、第２所定期間における区間平均変動のフィルタ処理後データ２０４である。図６に示した例では、フィルタに加重移動平均を採用している。図６に示したように、フィルタ処理後データ２０４は、生データ２０２に対して平滑化され、ノイズ成分が除去又は抑制されたことが窺える。

図７は、区間最大変動の第２所定期間における時系列変化の一例を示した概略図である。図７に示した破線は、第２所定期間における区間最大変動のフィルタ処理前の生データ３００であり、実線は、第２所定期間における区間最大変動のフィルタ処理後データ３０２である。図７に示した例では、フィルタに加重移動平均を採用している。図７に示したように、フィルタ処理後データ３０２は、生データ３００に対して平滑化され、ノイズ成分が除去又は抑制されたことが窺える。

ステップＳ１１４では、判定部７８が路面損傷区間の特定を行う。具体的には、図６に示した区間平均変動のフィルタ処理後データ２０４が、所定の第１閾値２１２以上で、かつ図７に示した区間最大変動のフィルタ処理後データ３０２が、第１閾値２１２より大きな所定の第２閾値３１０以下の場合に路面損傷の可能性があると判定する。

区間平均変動のフィルタ処理後データ２０４が、所定の第１閾値２１２よりも小さい場合は、路面は十分にきれいな状態であると判断でき、ポットホール等が発生するリスクは少ないと判断できる。また、区間最大変動のフィルタ処理後データ３０２が、第１閾値２１２より大きな所定の第２閾値３１０より大きい場合は、道路の切削工事等で、路面が荒れている、又は一時的に砂利敷きになっている状態であると推定されるので、かかる場合も、ポットホール等路面損傷が生じている場合に含めない。一例として、第１閾値２１２は、路面が平滑な場合での区間平均変動のフィルタ処理後データ２０４に基づいて、第２閾値３１０は、道路の切削工事等で、路面が荒れている場合での区間最大変動のフィルタ処理後データ３０２に基づいて具体的に決定する。

判定部７８は、図６に示した区間平均変動の前日からの変化量（すなわち、第１所定期間単位での変化量）が所定の変化量閾値２１０以上の場合、及び第２所定期間内の同日（同じ第１所定期間）における区間最大変動と区間平均変動との差が所定の第３閾値以上の場合のいずれかの場合に急激な路面損傷が生じたと判定する。一例として、変化量閾値２１０及び第３閾値の各々は、急激に路面損傷が生じた場合のデータの変化に基づいて具体的に決定する。

また、判定部７８は、区間平均変動の波形から路面損傷を特定してもよい。例えば、区間平均変動の時系列での変化が、右肩上がり、又は指数関数的に増大している場合は、路面の経年変化が生じていると判定する。右肩上がりの変化は、区間平均変動の時系列での変化を示す曲線が下に凸の状態で増大する場合である。数学的に下に凸の曲線は、当該曲線を示す関数の二階導関数の値が正を示す。しかしながら、図６に示した区間平均変動は、離散的なデータなので、微分不能である。一例として本実施形態では、図６に示したような区間平均変動の時系列での変化に、曲線あてはめを行って近似的に得た微分可能な関数の二階導関数を調べることで、区間平均変動の時系列での変化を示す曲線が下に凸であるか否かを判定する。

また、判定部７８は、区間平均変動の時系列での変化を示す曲線が、平坦な場合は、路面の状態は変化なしと判定し、階段状に変化している場合は、路面の切削工事、補修、及び舗装の張替えのいずれかが実施されたと判定する。以上の波形による判定の機構は、例えば、ＬＳＴＭ等の深層学習によって構築することができる。

さらに、判定部７８は、車両２００の左右の車輪における車輪速変動の差に基づいて路面損傷を検出してもよい。図８は、車両２００の左右の車輪の車輪速の相違に基づいて路面損傷を検出する場合の説明図である。図８に示したように、路面損傷有りの場合は、路面損傷無しの場合に比して、車輪速変動が大きくなる。一例として、本実施形態では、第１所定期間において、左右一方の車輪速の変動の複数の車両２００についての平均値と、左右他方の車輪速の変動の複数の車両２００についての平均値との差が、所定の第４閾値以上の場合に、路面損傷があると判定する。路面に発生するポットホール等の損傷は、差し渡し１５ｃｍ～２０ｃｍ程度なので、左右どちらかの車輪でしか検出できない場合があるからである。一例として、第４閾値は、左右いずれかの車輪がポットホール等の路面損傷が乗り上げた場合のデータの変化に基づいて具体的に決定する。

以上説明したように、本実施形態では、一例として車両２００の車輪速の変動に基づいて路面損傷を検出した。路面損傷の検出には、車両２００の車輪速の変動に限定されない。前述したように、ＩＭＵ２６で検出した車両２００の姿勢角の角速度、及び加速度の時系列データを分析データとして扱ってもよい。以下、路面のポットホール等に車両２００の車輪が乗り上げた際の車両２００の姿勢角の角速度、及び加速度のデータのうち、路面損傷の影響を有意に受けやすいデータとして、例えば、Ｚ軸方向（車両２００の鉛直方向）の車両２００の加速度を分析データとした場合を説明する。

かかる場合に、集計部７４は、第１所定期間毎、又は車両２００のトリップ毎に、車両２００のＺ軸方向の加速度の変動（以下、「加速度変動」と略記）を算出する。加速度変動は、下記の式（２）に示したように、単位時間Δｔあたりの加速度の変化Δ（加速度）をハイパスフィルタ（ＨＰＦ）で処理してノイズを除去したものの絶対値（ＡＢＳ）である。
加速度変動＝ＡＢＳ（ＨＰＦ（Δ（加速度）/Δｔ）） …（２）

また、集計部７４は、加速度変動最大値は、加速度変動のうち、各時刻毎に複数の車両２００の最大値を選定した時系列データとして定義し、算出する。

上記のように算出した加速度変動、及び加速度変動最大値は、集計部７４において、車輪速変動の場合と同様に、場所（道路リンク情報）との対応付けを行い、路面状態指標の算出を行う。具体的には、加速度変動と道路区間とを、道路リンク情報に含まれる緯度経度座標を用いて紐付けて、評価区間ごとに路面状態指標を算出する。本実施形態における路面状態指標は、複数の車両２００における加速度変動最大値の平均値である区間平均加速度変動と、複数の車両２００における加速度変動最大値の最大値である区間最大加速度変動等である。具体的には、区間平均加速度変動は、複数の車両２００の各々における加速度変動最大値の合計を、複数の車両２００の台数で除算して得た商であり、区間最大加速度変動は、全車両２００の車輪速変動最大値の最大値である。

算出した区間平均加速度変動、及び区間最大加速度変動は、フィルタリング部で、ノイズ成分を除去又は抑制するフィルタ処理を行う。適用するフィルタは、前述のように、移動平均、ガウスフィルタ、及びＬＳＴＭ等の深層学習等である。

フィルタ処理の結果、区間平均加速度変動は、図６に示したフィルタ処理後データ２０４のように、区間最大加速度変動は、図７に示したフィルタ処理後データ３０２のように、各々平滑化され、ノイズ成分が除去又は抑制される。

そして、判定部７８は、平滑化された区間平均加速度変動、及び区間最大加速度変動に基づいて路面損傷区間の特定を行う。具体的には、区間平均加速度変動のフィルタ処理後データが、所定の第１閾値以上で、かつ区間最大加速度変動のフィルタ処理後データが、第１閾値より大きな所定の第２閾値以下の場合に路面損傷の可能性があると判定する。

区間平均加速度変動のフィルタ処理後データが、所定の第１閾値よりも小さい場合は、路面は十分にきれいな状態であると判断でき、ポットホール等が発生するリスクは少ないと判断できる。また、区間最大加速度変動のフィルタ処理後データが、第１閾値より大きな所定の第２閾値より大きい場合は、道路の切削工事等で、路面が荒れている、又は一時的に砂利敷きになっている状態であると推定されるので、かかる場合も、ポットホール等路面損傷が生じている場合に含めない。

判定部７８は、区間平均加速度変動の前日からの変化量（すなわち、第１所定期間単位での変化量）が所定の変化量閾値以上の場合、及び第２所定期間内の同日（同じ第１所定期間）における区間最大加速度変動と区間平均加速度変動との差が所定の第３閾値以上の場合のいずれかの場合に急激な路面損傷が生じたと判定する。

また、判定部７８は、区間平均加速度変動の波形から路面損傷を特定してもよい。例えば、区間平均変動の時系列での変化が、右肩上がり、又は指数関数的に増大している場合は、路面の経年変化が生じていると判定する。

また、判定部７８は、区間平均加速度変動の時系列での変化を示す曲線が、平坦な場合は、路面の状態は変化なしと判定し、階段状に変化している場合は、路面の切削工事、補修、及び舗装の張替えのいずれかが実施されたと判定する。

以上のように、ＩＭＵ２６が検出した、車両２００のＺ軸方向の加速度に基づいて、路面損傷の検出を行うことができる。ＩＭＵ２６は、Ｚ軸方向の加速度のほかに、Ｘ軸方向（車両２００の前後方向）の加速度、Ｙ軸方向（車両２００の横方向）の加速度、車両２００のピッチ方向の角速度、ロール方向の角速度、及びヨー方向の角速度を各々検出可能なので、これらの加速度の変動、及び角速度の変動を用いて路面損傷の検出を行ってもよい。

また、路面損傷の検出には、前述のように、操舵角センサ２８、スロットルセンサ３０及びブレーキペダルセンサ３２で検出した車両２００の挙動に係る情報を供してもよい。かかる場合は、例えば、操舵角センサ２８で検出した車両２００の操舵角の変動に基づいて、路面損傷を検出する。運転者が前方に路面損傷を認めると、多くの場合、回避運動を試みるからである。また、運転者が前方に路面損傷を認めると、多くの場合、車両２００を減速させることから、スロットルセンサ３０で検出したスロットル開度が減少方向に変動した場合、又はブレーキペダルセンサ３２で検出したブレーキペダルの踏力が増大方向に変動した場合における各々の変動量から路面損傷を検出してもよい。

図９は、本実施形態に係る路面損傷検出装置１００の処理の一例を示したシーケンス図である。ステップＳ１では、複数の車両２００から、車速センサ２４で検出した車輪速のデータ、ＩＭＵ２６で検出した車両２００の姿勢角の角速度、及び加速度のデータ、操舵角センサ２８で検出した車両２００の操舵角のデータ、スロットルセンサ３０で検出した車両２００のスロットル開度のデータ、並びにブレーキペダルセンサ３２で検出したブレーキペダルの踏力のデータ等が送信される。

ステップＳ２では、通信装置１１０が、複数の車両２００から送信されたデータを受信し、ステップＳ３では、受信したデータを、データストレージ１２０に送信する。

ステップＳ４では、データストレージ１２０が受信したデータを蓄積する。データストレージ１２０は、ステップＳ５で、蓄積したデータを計算サーバ１０に送信する。

ステップＳ６では、計算サーバ１０は、蓄積データを受信する。そして、ステップＳ７では、計算サーバ１０は、例えば、車輪速変動を算出する。路面損傷検出にＩＭＵ２６が検出したデータを用いるのであれば、車両２００の姿勢角の角速度の変動、又は車両２００の加速度の変動を算出する。また、車両２００の操舵角センサ２８、スロットルセンサ３０又はブレーキペダルセンサ３２の各々が検出した時系列データの変動を算出する。

ステップＳ８では、計算サーバ１０は、車輪速変動と場所（道路リンク情報）との対応付けを行う。ステップＳ８では、車両２００の姿勢角の角速度の変動と場所、車両２００の加速度の変動と場所、車両２００の操舵角センサ２８、スロットルセンサ３０又はブレーキペダルセンサ３２の各々が検出した時系列データの変動と場所とを、対応付けてもよい。

ステップＳ９では、計算サーバ１０は、路面状態指標の算出を行う。具体的には、車輪速変動（又は車両２００の姿勢角の角速度の変動、車両２００の加速度の変動、若しくは車両２００の挙動の変動）と道路区間とを、ステップＳ８で取得した道路リンク情報に含まれる緯度経度座標を用いて紐付けて、評価区間ごとに路面状態指標を算出する。

ステップＳ１０では、計算サーバ１０は、経時変化データを作成する。作成した経時変化データは記憶装置であるＨＤＤ５６又はデータストレージ１２０等に格納する。

ステップＳ１１では、計算サーバ１０は、時系列データである経時変化データのノイズ成分を除去又は抑制するためのフィルタ処理を行う。

ステップＳ１２では、計算サーバ１０は、路面損傷区間の特定を行い、ステップＳ１３では、路面損傷区間データをデータストレージ１２０に送信する。

ステップＳ１４では、データストレージ１２０は、路面損傷区間データを受信し、ステップＳ１５で受信した路面損傷区間データを蓄積する。

ステップＳ１６では、端末１３０から、路面損傷区間データ閲覧要求が送信される。路面損傷区間データ閲覧要求は、計算サーバ１０を介してもよい。計算サーバ１０のＨＤＤ５６等に路面損傷区間データが記憶されている場合は、計算サーバ１０に路面損傷区間データ閲覧要求を送信してもよい。

ステップＳ１７では、データストレージ１２０は、端末１３０からの路面損傷区間データ閲覧要求に応じて、路面損傷区間データを送信する。

ステップＳ１８では、端末１３０は、データストレージ１２０から路面損傷区間データを受信する。

以上説明したように、本実施形態は、多数の車両２００から得た、いわゆるビッグデータに基づいて、路面損傷を検出する。本実施形態で路面損傷の検出に供するビッグデータは、複数の車両２００の各々における、車速センサ２４で検出した車両２００の４輪の車輪速の変動、ＩＭＵ２６が検出した車両２００の姿勢角の角速度の変動及び加速度の変動、操舵角センサ２８で検出した車両２００の操舵角の変動、スロットルセンサ３０で検出したスロットル開度の変動、並びにブレーキペダルセンサ３２で検出したブレーキペダル踏力の変動等の車両２００の挙動に係る物理量である。本実施形態では、かかる物理量の変動を所定の閾値と比較することにより、路面損傷を検出する。

各々のセンサからの出力に基づいて算出した、例えば車輪速の変動等の物理量の生データは、路面損傷の誤検出の原因になり得るノイズ成分を含む。本実施形態では、移動平均、ガウスフィルタ、及びＬＳＴＭ等のフィルタを適用し、生データを平滑化することにより、ノイズ成分を抑制する。かかるフィルタ処理により、本実施形態では、路面損傷とは別の、砂利等の一時的な落下物、マンホール、側溝の蓋、及び踏切等の構造物、並びに車両の回避挙動等によっても検出され得る顕著な物理量の変動を抑制している。

また、ノイズ成分の発生要因には、車両２００の回避挙動、若しくは路面への落下物等による物理量の一時的な変動と、マンホール、側溝の蓋、及び踏切等の構造物による物理量の恒久的な変動とが考えられる。本実施形態では、当該物理量を複数の異なる閾値と比較する、又は物理量の時系列での波形の変化を検討することにより、路面損傷の検出に際するノイズ成分の影響を抑制している。

例えば、フィルタ処理後のデータに含まれる、検出した物理量の単位時間あたりの変動の、第１所定期間における複数の車両の各々による複数の最大値の、前記複数の車両についての平均値である区間平均変動が所定の第１閾値以上で、かつフィルタ処理後のデータに含まれる、第１所定期間における車両２００の挙動を示す物理量の変動の複数の車両２００における最大値である区間最大変動が、第１閾値より大きな所定の第２閾値以下の場合に路面損傷の可能性があると判定する。第１閾値は、路面が平滑な状態を想定しており、車両２００の挙動を示す物理量の変動が第１閾値よりも小さいのであれば、路面損傷は存在しないと判断できる。また、第２閾値は、道路工事等で路面が極端に荒れた場合を想定しており、車両２００の挙動を示す物理量の変動が第２閾値よりも大きな場合は、当該変動は路面損傷ではなく、道路工事に起因するものであると推定できる。

また、フィルタ処理後のデータに含まれる、区間平均変動の第１所定期間単位での変化量が所定の変化量閾値以上の場合、及び同一の第１所定期間における区間最大変動と区間平均変動との差が所定の第３閾値以上の場合のいずれかの場合に急激な路面損傷が生じたと判定する。このように、本実施形態では、車両２００の挙動を示す物理量の変化の態様に基づいて、急激な路面損傷の発生を検出できる。

また、区間平均変動の時系列での変化が、下に凸の曲線状を呈して増大する場合に路面が経年劣化していると判定し、平坦な場合は前記路面の状態は変化なしと判定し、階段状に変化している場合は前記路面の切削工事、補修、及び舗装の張替えのいずれかが実施されたと判定する。このように、本実施形態では、車両２００の挙動を示す物理量の時系列変化の態様によって、路面損傷、又は路面の工事の有無を判定できる。

さらに本実施形態では、車両２００の挙動を示す物理量が、４輪で独立して検出した車輪速の変動の平均値の場合、左右の車輪での差異に基づいて路面損傷を検出することができる。

なお、特許請求の範囲に記載の「物理量検出部」は、明細書の発明の詳細な説明に記載の「車速センサ２４」、「ＩＭＵ２６」、「操舵角センサ２８」、「スロットルセンサ３０」及び「ブレーキペダルセンサ３２」に各々該当する。また、特許請求の範囲に記載の「演算集計部」は、明細書の発明の詳細な説明に記載の「集計部７４」に、同「路面損傷検出部」は、明細書の発明の詳細な説明に記載の「判定部７８」に該当する。

なお、上記各実施形態でＣＰＵがソフトウェア（プログラム）を読み込んで実行した処理を、ＣＰＵ以外の各種のプロセッサが実行してもよい。この場合のプロセッサとしては、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）等の製造後に回路構成を変更可能なＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ）、及びＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が例示される。また、処理を、これらの各種のプロセッサのうちの１つで実行してもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡ、及びＣＰＵとＦＰＧＡとの組み合わせ等）で実行してもよい。また、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子等の回路素子を組み合わせた電気回路である。

また、上記各実施形態では、プログラムがディスクドライブ６０等に予め記憶（インストール）されている態様を説明したが、これに限定されない。プログラムは、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＤＶＤ－ＲＯＭ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、及びＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリ等の非一時的（ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ）記憶媒体に記憶された形態で提供されてもよい。また、プログラムは、ネットワークを介して外部装置からダウンロードされる形態としてもよい。

（付記項１）
メモリと、
前記メモリに接続された少なくとも１つのプロセッサと、
を含み、
前記プロセッサは、
検出した複数の車両の各々の挙動を示す物理量の単位時間あたりの変動の、第１所定期間における平均値である区間平均変動、及び前記第１所定期間における最大値である区間最大変動の各々を、前記第１所定期間よりも長い第２所定期間で集計し、前記集計した結果からノイズ成分を除去し、前記ノイズ成分を除去した結果に基づいて路面損傷箇所を検出する、
ように構成されている情報処理装置。

１０ 計算サーバ
１２ 入力装置
１４ 演算装置
１６ 出力装置
１８ 記憶装置
２０ ＧＮＳＳ装置
２４ 車速センサ
２８ 操舵角センサ
３０ スロットルセンサ
３２ ブレーキペダルセンサ
３４ Ｖ２Ｘ通信部
４０ コンピュータ
４２ ＣＰＵ
４４ ＲＯＭ
４６ ＲＡＭ
４８ 入出力ポート
５０ ディスプレイ
５２ マウス
５４ キーボード
６０ ディスクドライブ
６２ ネットワーク
７２ 前処理部
７４ 集計部
７６ フィルタリング部
７８ 判定部
１００ 路面損傷検出装置
１１０ 通信装置
１２０ データストレージ
１３０ 端末
２００ 車両
２０２ 生データ
２０４ フィルタ処理後データ
２１０ 変化量閾値
２１２ 第１閾値
３００ 生データ
３０２ フィルタ処理後データ
３１０ 第２閾値

Claims (13)

1. 複数の車両の各々の挙動を示す物理量を各々検出する物理量検出部と、
   前記物理量検出部が検出した物理量の単位時間あたりの変動の、第１所定期間における平均値である区間平均変動、及び前記第１所定期間における最大値である区間最大変動の各々を、前記第１所定期間よりも長い第２所定期間で集計する演算集計部と、
   前記演算集計部による集計結果からノイズ成分を除去するフィルタリング部と、
   前記フィルタリング部が出力した結果に基づいて路面損傷箇所を検出する路面損傷検出部と、
   を含む路面損傷検出装置。
2. 前記フィルタリング部は、移動平均、ガウスフィルタ、及び深層学習によるフィルタを含むフィルタによって前記演算集計部による集計結果からノイズ成分を除去する請求項１に記載の路面損傷検出装置。
3. 前記路面損傷検出部は、前記フィルタリング部が出力した結果に含まれる、前記区間平均変動が所定の第１閾値以上で、かつ前記フィルタリング部が出力した結果に含まれる、前記区間最大変動が前記第１閾値より大きな所定の第２閾値以下の場合に路面損傷の可能性があると判定する請求項２に記載の路面損傷検出装置。
4. 前記路面損傷検出部は、前記フィルタリング部が出力した結果に含まれる、前記区間平均変動の前記第１所定期間単位での変化量が所定の変化量閾値以上の場合、及び前記第２所定期間における前記区間最大変動と前記区間平均変動との差が所定の第３閾値以上の場合のいずれかの場合に急激な路面損傷が生じたと判定する請求項３に記載の路面損傷検出装置。
5. 前記路面損傷検出部は、前記フィルタリング部が出力した結果に含まれる、前記区間平均変動の時系列での変化が、下に凸の曲線状を呈して増大する場合に路面が経年劣化していると判定し、平坦な場合は前記路面の状態は変化なしと判定し、階段状に変化している場合は前記路面の切削工事、補修、及び舗装の張替えのいずれかが実施されたと判定する請求項３に記載の路面損傷検出装置。
6. 前記物理量検出部は、前記車両の車輪速を前記物理量として検出する車輪速センサである請求項４又は５に記載の路面損傷検出装置。
7. 前記車輪速センサは、前記車両が備える４つの車輪の各々の車輪速を検出し、
   前記路面損傷検出部は、前記第１所定期間において、左右一方の車輪の車輪速の単位時間あたりの変動の前記複数の車両についての平均値と、左右他方の車輪の車輪速の単位時間あたりの変動の前記複数の車両についての平均値との差が、所定の第４閾値以上の場合に、路面損傷があると判定する請求項６に記載の路面損傷検出装置。
8. 前記物理量検出部は、前記車両の姿勢角の角速度、及び前記車両の加速度を前記物理量として検出する慣性計測装置である請求項４又は５に記載の路面損傷検出装置。
9. 前記物理量検出部は、前記車両の操舵角を前記物理量として検出する操舵角センサである請求項４又は５に記載の路面損傷検出装置。
10. 前記物理量検出部は、前記車両の減速を示すスロットル開度を前記物理量として検出するスロットルセンサである請求項４又は５に記載の路面損傷検出装置。
11. 前記物理量検出部は、前記車両の減速を示すブレーキペダルの踏力を前記物理量として検出するブレーキペダルセンサである請求項４又は５に記載の路面損傷検出装置。
12. 複数の車両の各々の挙動を示す物理量を各々検出する工程と、
    前記検出した物理量の単位時間あたりの変動の、第１所定期間における平均値である区間平均変動、及び前記第１所定期間における最大値である区間最大変動の各々を、前記第１所定期間よりも長い第２所定期間で集計する工程と、
    前記集計した結果からノイズ成分を除去する工程と、
    前記ノイズ成分を除去した結果に基づいて路面損傷箇所を検出する工程と、
    を含む路面損傷検出方法。
13. コンピュータを、
    複数の車両の各々の挙動を示す物理量の単位時間あたりの変動の、第１所定期間における平均値である区間平均変動、及び前記第１所定期間における最大値である区間最大変動の各々を、前記第１所定期間よりも長い第２所定期間で集計する演算集計部、前記演算集計部による集計結果からノイズ成分を除去するフィルタリング部、並びに前記フィルタリング部が出力した結果に基づいて路面損傷箇所を検出する路面損傷検出部、
    として機能させる路面損傷検出プログラム。