JP7762788B2 - 特装車の積載重量推定システム - Google Patents

Description

本発明は、特装車の積載重量推定システムに関する。

近年、トラック等の大型車両において、自重（積載重量）を計測する自重計が搭載されたものが知られている。

従来の自重計では、フロント及びリアの車軸両端部に取り付けられた荷重センサを用いて、前後左右の各タイヤに掛かる荷重を計測し、各荷重センサの出力の合計から積載重量を求めている。

特開２００４－１３２８７１号公報

しかしながら、従来の自重計では、各荷重センサの出力の合計を積載重量に換算する方式が取られているので、車両が傾斜地に存在する場合、荷台上の積み荷のバランスが均等でない場合等において、正しい積載重量を計測できないことがある。

本発明は、積載重量を精度良く推定し、推定結果を報知できる特装車の積載重量推定システムを提供することを目的とする。

本発明の一態様に係る特装車の積載重量推定システムは、積載物による荷重が作用する特装車の複数部位の変位量を夫々計測する複数の変位センサから、前記変位量に係る計測データを取得する取得部と、前記変位量に係る計測データの入力に応じて、積載重量についての演算結果を出力するように構成される学習モデルに、前記取得部にて取得した計測データを入力することにより、積載重量を推定する推定部と、該推定部が推定した積載重量に関する情報を報知する報知部とを備える。
なお、前記変位量は、特装車における複数の部位に負荷がかかる際に、「当該部位そのものに生じる変位の大きさ」または「当該部位が他の部位と比較した相対的な変位の大きさ」の少なくともいずれかを指している。また、前記変位センサは、前記複数の部位に直接的に取り付けられるセンサだけでなく、当該部位に取り付けられる計測部材（例えばロードセル）に内蔵されたセンサも指している。

前記取得部は、自車両の傾斜を計測する傾斜計から、前記傾斜に係る計測データを取得し、前記推定部は、前記変位量及び前記傾斜に係る計測データの入力に応じて、積載重量についての演算結果を出力するように構成される学習モデルに、前記取得部にて取得した前記変位量及び前記傾斜の計測データを入力することにより、積載重量を推定することが好ましい。

また、前記変位センサは、自車両の前後方向又は左右方向に離隔して、シャシフレームに固定される構造物の複数箇所に取り付けてあることが好ましい。

また、前記変位センサは、自車両の前後方向又は左右方向に離隔して、車軸の複数箇所に取り付けてあることが好ましい。

本発明の一態様に係る特装車の積載重量推定システムは、荷箱を昇降させるための油圧アクチュエータを備える特装車に関して、前記油圧アクチュエータに作用する油圧の大きさを計測する圧力計から、前記油圧の大きさに係る計測データを取得する取得部と、前記荷箱が上昇後に停止した第１停止状態と、前記荷箱が下降後に停止した第２停止状態とを区別して特定する特定部と、該特定部が特定した停止状態に応じて、前記第１停止状態にて計測された油圧の大きさを含む計測データを入力した場合、積載重量についての演算結果を出力するよう構成される第１学習モデル、および、前記第２停止状態にて計測された油圧の大きさを含む計測データを入力した場合、積載重量についての演算結果を出力するよう構成される第２学習モデルの何れか一方を選択的に用いて、前記荷箱における積載重量を推定する推定部と、該推定部が推定した積載重量に関する情報を報知する報知部とを備える。

また、積載重量の推定指示が与えられた場合、前記荷箱が上昇した後に停止するよう前記油圧アクチュエータの動作を制御する制御部を備え、前記制御部の制御により前記荷箱が上昇後に停止した場合、前記推定部は、前記取得部が取得した計測データを前記第１学習モデルに入力することによって、前記荷箱における積載重量を推定することが好ましい。

また、前記第１学習モデル及び前記第２学習モデルへの入力は、前記特装車の傾斜角度、歪み、及び温度の少なくとも１つを更に含むことが好ましい。

また、前記推定部による推定結果を個々の特装車に応じて校正する校正部を備えることが好ましい。

また、前記推定部により推定された積載重量に応じて、前記積載物の積載状態を判定する判定部を備え、前記報知部は、前記判定部の判定結果に応じた態様にて前記積載状態を報知することが好ましい。

また、前記報知部は、前記積載物が積載される荷箱の視認可能な部位に設けられる表示装置を含み、前記判定結果に応じた表示態様にて前記積載状態を前記表示装置に表示することが好ましい。

また、自車両の状態を検知する状態検知部を備え、前記報知部は、前記状態検知部が検知した状態に関する情報を報知することが好ましい。

また、前記状態検知部が検知する状態は、前記積載物が積載される荷箱の状態、及び前記積載物の積載状態の少なくとも１つを含むことが好ましい。

本願によれば、積載重量を精度良く推定し、推定結果を報知できる。

実施の形態１に係る特装車の全体構成を示す側面図である。 実施の形態１に係る特装車の全体構成を示す平面図である。 荷箱を起立させた状態の側面図である。 積載重量推定システムの構成を説明するブロック図である。 計測値テーブルの一例を示す概念図である。 学習モデルの構成を説明する模式図である。 学習モデルの生成手順を説明するフローチャートである。 学習モデルを用いた積載重量の推定手順を説明するフローチャートである。 積載重量の表示例を示す模式図である。 計測結果を示すグラフである。 学習モデルの推定結果を示すグラフである。 実施の形態２に係る特装車の全体構成を示す側面図である。 特装車における荷箱の昇降機構を説明する説明図である。 トラックシャシのピッチ角度と油圧値との関係を示すグラフである。 実施の形態３における積載重量推定システムの構成を説明するブロック図である。 学習モデルの構成を説明する模式図である。 実施の形態３における積載重量の推定手順を説明するフローチャートである。 実施の形態４における積載重量推定システムの構成を説明するブロック図である。 実施の形態４における積載重量の推定手順を説明するフローチャートである。 校正手法を説明する説明図である。 積載状態を報知する手順を説明するフローチャートである。 積載状態の報知例を示す模式図である。 実施の形態７に係る特装車の全体構成を示す側面図である。 実施の形態７における推定装置が実行する処理の手順を説明するフローチャートである。 荷箱の状態の報知例を示す模式図である。 実施の形態７における学習モデルの構成を説明する模式図である。 荷箱の積載状態の報知例を示す模式図である。

以下、本発明をその実施の形態を示す図面に基づいて具体的に説明する。
（実施の形態１）
図１は実施の形態１に係る特装車１の全体構成を示す側面図、図２はその平面図、図３は荷箱を起立させた状態の側面図である。図１～図３に例示する特装車１は、走行部であるトラックシャシ２と、走行部に搭載される架装装置の一例であるダンプ装置３とを備えるダンプトラックである。以下の説明において、前後、左右、上下の各方向は、トラックシャシ２の運転席に座った運転手から見た前後、左右、上下の各方向を表すものとする。なお、図２では、説明のために、ダンプ装置３を取り除いた状態を示している。

トラックシャシ２は、運転席が設けられるキャブ２０と、キャブ２０を支持するシャシフレーム２１とを備える。シャシフレーム２１は、前後方向に延びる左右一対のメインフレーム（縦根太）２１Ａ，２１Ａと、左右一対のメインフレーム２１Ａ，２１Ａを連結するクロスメンバ（横根太）２１Ｂ，２１Ｂ，…，２１Ｂとにより構成される（図２を参照）。トラックシャシ２の前輪２２Ｆ及び後輪２２Ｒは不図示の懸架装置を介してメインフレームに回転可能に取り付けられる。トラックシャシ２は、図に示していないエンジン（原動機）と、このエンジンにクラッチを介して連結される変速機とを備えており、駆動輪（例えば前輪２２Ｆ）の駆動系にエンジンの駆動力を変速機を介して伝達することによって、走行するように構成されている。

ダンプ装置３は、シャシフレーム２１上に固定されるサブフレーム３０と、サブフレーム３０によって支持され、土砂などの荷が積載される荷箱４とを備える。荷箱４は、サブフレーム３０の後端部にて左右方向に延びるヒンジ軸３１の回りに回動可能に支持されている。荷箱４は、上方が開放された箱体であり、矩形状の底部４０を囲むように配置されたフロントパネル４１、左右一対のサイドパネル４２、及びリアパネル（後アオリ）４３を備える。リアパネル４３は開閉可能に構成されている。

ダンプ装置３は、荷箱４を傾斜させるためのホイスト機構５を備える。ホイスト機構５は、例えば、リフトアーム５１、油圧シリンダ５２、テンションリンク５３を備える。油圧シリンダ５２が収縮した状態において、荷箱４は水平な姿勢に保たれる。一方、油圧シリンダ５２が伸長すると、荷箱４はその前部が持ち上げられ、ヒンジ軸３１の回りに回動する。その結果、図３に示すように荷箱４は後下がりに傾斜する。

特装車１は、車両状態を検出する様々なセンサを備える。特装車１は、例えば、積載物による荷重が作用する複数の部位における変位量を計測する変位センサの一例として、歪センサ８１Ａ～８１Ｄを備える。歪センサ８１Ａ～８１Ｄは、例えば歪ゲージにより構成される。ここで、歪センサ８１Ａは前輪２２Ｆの車軸２３Ｆの右端付近に取り付けられ、歪センサ８１Ｂは前輪２２Ｆの車軸２３Ｆの左端付近に取り付けられる。歪センサ８１Ｃは後輪２２Ｒの車軸２３Ｒの右端付近に取り付けられ、歪センサ８１Ｄは後輪２２Ｒの車軸２３Ｒの左端付近に取り付けられる。歪センサ８１Ａ，８１Ｂ並びに歪センサ８１Ｃ，８１Ｄは、例えば、特装車１の前後方向の中心線に対して左右対称に取り付けられる。歪センサ８１Ａ～８１Ｄは、荷重に応じた車軸２３Ｆ，２３Ｒの歪量を時系列的に計測し、計測した歪量に係る計測データを出力する。なお、以下の説明において、歪センサ８１Ａ～８１Ｄのそれぞれを個別に説明する必要がない場合、単に歪センサ８１とも記載する（図４を参照）。

特装車１は、トラックシャシ２の傾斜を計測する傾斜計８２を備えてもよい。傾斜計８２は、シャシフレーム２１の適宜箇所（例えば前後方向及び左右方向の中央付近）に取り付けられる。傾斜計８２は、トラックシャシ２の前後方向の傾斜（ピッチ）、及び左右方向の傾斜（ロール）を時系列的に計測し、計測した傾斜に係る計測データを出力する。特装車１は、荷箱４の傾斜を計測する傾斜計（不図示）を備えてもよく、荷箱４の前後方向の傾斜（ピッチ）及び左右方向の傾斜（ロール）に係る計測データを時系列的に取得してもよい。

特装車１は、歪センサ８１の取り付け位置及びその近傍の温度（環境温度）を計測する温度計８３を備えてもよい。温度計８３により計測される環境温度は歪センサ８１の値を校正するために用いることができるので、温度計８３は、歪センサ８１の環境温度を計測するのに適した場所に取り付けられる。例えば、温度計８３は、シャシフレーム２１、サブフレーム３０、車軸２３Ｆ，２３Ｒなどの少なくとも一箇所に取り付けられる。温度計８３は、環境温度を時系列的に計測し、計測した温度に係る計測データを出力する。

特装車１は、油圧シリンダ５２のシリンダ圧を計測する圧力計８４を備えてもよい。圧力計８４は、油圧シリンダ５２のシリンダ圧を時系列的に計測し、計測したシリンダ圧に係る計測データを出力する。

特装車１は、歪センサ８１により計測される歪量を含む計測データに基づき、積載物の重量（積載重量）を推定する推定装置１００を備える。本実施の形態において、積載重量は、荷箱４に積載されている積載物、特装車１に乗車している乗員、特装車１に積まれている燃料など、特装車１を構成する走行部及び架装装置以外の重量の合計を表す。なお、荷を積んでいないときの走行部及び架装装置の重量の合計（以下、車両重量という）は既知であるとする。推定装置１００の内部構成、及び推定装置１００が実行する処理の内容については後に詳述することとするが、本実施の形態では、歪量を含む計測データと特装車１の積載重量との関係が学習された学習モデルＬＭ１を用いて、特装車１の積載重量を推定する。推定装置１００は、例えばシャシフレーム２１に取り付けられる。代替的に、推定装置１００は、キャブ２０の内部に設けられてもよい。

本実施の形態では、特装車１の一例としてダンプ装置３を備えたダンプトラックについて説明するが、特装車１は、ダンプトラックに限らず、ドライバン、冷凍冷蔵車、液体運搬車、粉体運搬車、給水車、散水車、塵芥収集車など、積載物によって積載重量が変化し得る任意の特装車であってもよい。

以下、本実施の形態に係る積載重量推定システムの構成について説明する。
図４は積載重量推定システムの構成を説明するブロック図である。積載重量表示システムは、歪センサ８１により計測される歪量を含む計測データを取得し、取得した計測データに基づき、特装車１の積載重量を推定する推定装置１００と、推定装置１００が推定した積載重量に関する情報を報知するための表示装置１２０とを備える。

推定装置１００は、専用又は汎用のコンピュータであり、制御部１０１、記憶部１０２、操作部１０３、入力部１０４、出力部１０５、及び通信部１０６を備える。

制御部１０１は、例えば、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）などを備える。制御部１０１が備えるＲＯＭには、推定装置１００が備えるハードウェア各部の動作を制御する制御プログラム等が記憶される。制御部１０１内のＣＰＵは、ＲＯＭに記憶された制御プログラムや後述する記憶部１０２に記憶された各種コンピュータプログラムを実行し、ハードウェア各部の動作を制御することによって、本実施の形態における推定装置１００としての機能を実現する。制御部１０１が備えるＲＡＭには、演算の実行中に利用されるデータ等が一時的に記憶される。

制御部１０１は、ＣＰＵ、ＲＯＭ、及びＲＡＭを備える構成としたが、代替的に、ＧＰＵ（Graphics Processing Unit）、ＦＰＧＡ（Field Programmable Gate Array）、ＤＳＰ（Digital Signal Processor）、量子プロセッサ、揮発性又は不揮発性のメモリ等を備える１又は複数の演算回路又は制御回路であってもよい。また、制御部１０１は、日時情報を出力するクロック、計測開始指示を与えてから計測終了指示を与えるまでの経過時間を計測するタイマ、数をカウントするカウンタ等の機能を備えていてもよい。

記憶部１０２は、ハードディスク、フラッシュメモリなどを用いた記憶装置を備える。記憶部１０２には、制御部１０１によって実行されるコンピュータプログラム、外部から取得した各種データ、推定装置１００の内部にて生成した各種データ等が記憶される。

記憶部１０２に記憶されるコンピュータプログラムは、学習モデルＬＭ１を生成するための学習プログラムＰＧ１、及び学習モデルＬＭ１を用いて特装車１の積載重量を推定するための推定プログラムＰＧ２等を含む。

これらのコンピュータプログラムは、コンピュータプログラムを読み取り可能に記録した非一時的な記録媒体Ｍにより提供されてもよい。記録媒体Ｍは、例えば、ＣＤ－ＲＯＭ、ＵＳＢメモリ、ＳＤ（Secure Digital）カードなどの可搬型メモリである。制御部１０１は、図に示していない読取装置を用いて、記録媒体Ｍから各種プログラムを読み取り、読み取った各種プログラムを記憶部１０２に記憶させる。

記憶部１０２は、歪センサ８１、傾斜計８２、温度計８３、及び圧力計８４から得られる計測データを時系列的に記憶する計測値テーブルＴＢ１を備えてもよい。図５は計測値テーブルＴＢ１の一例を示す概念図である。計測値テーブルＴＢ１は、歪センサ８１により計測される歪量、傾斜計８２により計測される特装車１の傾斜角度（ピッチ及びロール）、温度計８３により計測される環境温度、及び圧力計８４により計測される油圧シリンダ５２のシリンダ圧の計測データを時間（計測時刻）に関連付けて記憶したテーブルである。計測値テーブルＴＢ１は、積載重量を１トンに固定して計測した計測値を記憶するテーブル、積載重量を２トンに固定して計測した計測値を記憶するテーブル、積載重量を３トンに固定して計測した計測値を記憶するテーブルといったように積載重量毎に用意される。なお、計測値テーブルＴＢ１に記憶される値は、センサの出力値であってもよく、センサの出力値から換算した物理量であってもよい。

記憶部１０２は、歪量を含む計測データから特装車１の積載重量を推定するための学習モデルＬＭ１を備えてもよい。学習モデルＬＭ１は、歪量を含む計測データが入力された場合、積載重量に関する演算結果を出力するように構成される。学習モデルＬＭ１は、その定義情報によって定義される。学習モデルＬＭ１の定義情報には、例えば、学習モデルＬＭ１の構造（層の種類や数、ノードの数など）を規定する情報や学習によって定められる結合荷重などのパラメータなどが含まれる。学習モデルＬＭ１の詳細については後に詳述する。

操作部１０３は、スイッチやボタンなどにより構成されており、各種の操作を受付ける。制御部１０１は、操作部１０３を通じて受付けた操作に基づき、適宜の処理を実行する。なお、本実施の形態では、推定装置１００が操作部１０３を備える構成としたが、操作部１０３は必須ではなく、外部に接続された機器や通信部１０６を介して操作を受付ける構成であってもよい。

入力部１０４は、各種センサを接続するためのインタフェースを備え、歪センサ８１、傾斜計８２、温度計８３、圧力計８４などのセンサが接続される。入力部１０４には、これらのセンサが有線によって接続されてもよく、無線によって接続されてもよい。入力部１０４には、歪センサ８１より出力される歪量に係る計測データ、傾斜計８２より出力される特装車１の傾斜に係る計測データ、温度計８３より出力される温度に係る計測データ、圧力計８４より出力される油圧シリンダ５２のシリンダ圧に係る計測データ等が適宜入力される。

出力部１０５は、液晶モニタなどの表示装置１２０を接続するための出力インタフェースを備える。表示装置１２０は、例えばキャブ２０の運転席近傍に設けられる。代替的に、表示装置１２０は、フロントパネル４１の後面側に設けられてもよい。出力部１０５が備える出力インタフェースは、アナログ形式の映像信号を出力する出力インタフェースであってもよく、ＤＶＩ（Digital Visual Interface）やＨＤＭＩ（High-Definition Multimedia Interface、登録商標）などのデジタル形式の映像信号を出力する出力インタフェースであってもよい。出力部１０５は、例えば、学習モデルＬＭ１を用いた積載重量の推定結果を表示装置１２０に表示させるべく、表示データを表示装置１２０へ出力する。

本実施の形態では、推定装置１００の外部に表示装置１２０を接続する構成としたが、推定装置１００が表示装置１２０を搭載するものであってもよい。

通信部１０６は、外部機器との間で各種のデータを送受信する通信インタフェースを備える。推定装置１００が通信部１０６を介して通信する相手先の一例は、特装車１に搭載される各種ＥＣＵ（Electronic Controller Unit）やＰＬＣ（Programmable Logic Controller）である。この場合、通信部１０６は、特装車１に搭載される各種ＥＣＵやＰＬＣと通信するために、例えばＲＳ－４８５に準拠した通信ポートを備えてもよく、ＣＡＮ（Controller Area Network）などの車内通信用の通信規格に準拠した通信インタフェースを備えてもよい。推定装置１００が通信部１０６を介して通信する相手先の他の例は、特装車１の外部に設置されるサーバ装置やユーザが所持する携帯端末などである。この場合、通信部１０６は、外部のサーバ装置などと通信するために、ＷｉＦｉ（登録商標）、３Ｇ、４Ｇ、５Ｇ、ＬＴＥ（Long Term Evolution）等の無線通信の通信規格に準じた通信インタフェースを備えてもよい。

以下、学習モデルＬＭ１について説明する。
図６は学習モデルＬＭ１の構成を説明する模式図である。本実施の形態における学習モデルＬＭ１は、例えばサポートベクタ回帰モデルであり、各種計測データが入力される入力層と、入力層に入力された計測データに基づき所定の演算を行うカーネルを含む中間層と、中間層からの出力を結合し、演算結果を出力する出力層とを備える。

学習モデルＬＭ１の入力層、中間層、及び出力層には、１つまたは複数のノードが存在し、各層のノードは前後の層に存在するノードと一方向に結合荷重で結合されている。なお、カーネルトリックを用いて非線形に拡張したサポートベクタマシンでは、中間層から出力層への結合荷重が学習により適応的に決定される。一方、入力層から中間層への結合荷重は固定であり、訓練データから機械的に求められる。

学習モデルＬＭ１の入力層には歪量を含む計測データが入力される。例えば、図６に示すように、前輪右車軸の歪量（歪センサ８１Ａによって計測される歪量）、前輪左車軸の歪量（歪センサ８１Ｂによって計測される歪量）、後輪右車軸の歪量（歪センサ８１Ｃによって計測される歪量）、後輪左車軸の歪量（歪センサ８１Ｄによって計測される歪量）、ロール及びピッチを含む傾斜（傾斜計８２によって計測される傾斜）、並びに、環境温度（温度計８３によって計測される温度）に係る計測データが学習モデルＬＭ１の入力層に入力される。

入力層に入力された計測データは、訓練データを用いて決定された結合荷重により重み付けされて中間層へ出力される。中間層は、入力層から入力されたデータに基づきカーネルを用いた演算を実行する。中間層の各カーネルにおいて演算されたデータは、学習によって決定された結合荷重により重み付けされて出力層へ出力される。出力層は、中間層から入力されたデータを結合することにより、積載重量に関する演算結果を出力する。ここで、出力層が出力する演算結果は、積載重量の推定値であってもよく、ある積載重量に該当する確率であってもよい。後者の場合、出力層は、複数のノードにより構成され、第１ノードからは積載重量が１トンである確率、第２ノードからは積載重量が２トンである確率、…、第Ｎノード（Ｎは２以上の整数）からは積載重量がＮトンである確率といったように、ある積載重量である確率を出力すればよい。

図６に示す学習モデルＬＭ１は、歪センサ８１によって計測される歪量、傾斜計８２によって計測される傾斜、及び温度計８３によって計測される環境温度に係る計測データの入力に応じて、積載重量に関する演算結果を出力する構成としたが、学習モデルＬＭ１における入出力の関係は上記に限定されるものではなく、適宜設定することが可能である。例えば、学習モデルＬＭ１は、圧力計８４により計測される油圧シリンダ５２のシリンダ圧を更に含む計測データの入力に応じて、積載重量に関する演算結果を出力する構成としてもよい。また、学習モデルＬＭ１は、歪センサ８１によって計測される歪量に係る計測データを入力とし、積載重量に関する演算結果を出力する構成としてもよい。更に、歪センサ８１Ａ～８１Ｄの計測データのうち、選択した２つ又は３つの計測データを学習モデルＬＭ１へ入力し、積載重量に関する演算結果を出力する構成としてもよい。また、学習モデルＬＭ１は、歪量の計測データと、傾斜又は環境温度の計測データの何れか一方を入力とし、積載重量に関する演算結果を出力する構成としてもよい。

更に、制御部１０１は、温度計８３により計測される環境温度を用いて、歪センサ８１によって計測される歪量を補正する前処理を行い、補正後の歪量を含むデータを学習モデルＬＭ１へ入力してもよい。

推定装置１００は、運用を開始する前段階の学習フェーズにおいて、歪量を含む計測データを収集し、収集した計測データを訓練データに用いて学習することにより、上述したような学習モデルＬＭ１を生成する。

図７は学習モデルＬＭ１の生成手順を説明するフローチャートである。推定装置１００の制御部１０１は、学習に先立ち、複数の歪センサ８１により計測される歪量を含む計測データを収集する（ステップＳ１０１）。このとき、制御部１０１は、積載重量を固定して歪量を含む計測データを収集し、その積載重量について計測データが十分得られた場合、積載重量を変更し、変更した積載重量にて歪量を含む計測データを収集する。制御部１０１は、積載重量を変更しながら、順次計測データを収集すればよい。このようにして、積載重量を様々に変更したときの歪量を含む計測データが得られる。なお、歪量などを計測する際の特装車１の姿勢は、水平姿勢だけでなく、前下がり、後下がり、左下がり、右下がりといった様々な傾斜姿勢をとってもよい。積載重量については、重量が既知の物品を荷箱４に積載することによって与えてもよく、トラックスケールなどの計測器を用いて実測してもよい。ステップＳ１０１で収集した計測データは、記憶部１０２の計測値テーブルＴＢ１に積載重量毎に記憶される。

なお、ステップＳ１０１において収集する計測データの種類は、生成する学習モデルＬＭ１の構成に応じて選択すればよい。例えば、歪量、傾斜、及び環境温度に係る計測データの入力に応じて、積載重量に関する演算結果を出力する学習モデルＬＭ１を生成する場合、制御部１０１は、歪センサ８１によって計測される歪量、傾斜計８２によって計測される傾斜、及び温度計８３によって計測される環境温度に係る計測データを収集すればよい。入出力の関係が上記とは異なる学習モデルＬＭ１を生成する場合についても同様であり、例えば、歪量に係る計測データの入力に応じて、積載重量に関する演算結果を出力する学習モデルＬＭ１を生成する場合、制御部１０１は、歪センサ８１によって計測される歪量に係る計測データのみを収集してもよい。

計測データの収集後、制御部１０１は、記憶部１０２から学習プログラムＰＧ１を読み出して実行することにより、以下の処理を実行する。

制御部１０１は、計測値テーブルＴＢ１から一組の訓練データを選択する（ステップＳ１０２）。訓練データは、同じ時間に計測された一連の計測データと、これらの計測データが得られたときの積載重量の値とを含む。

次いで、制御部１０１は、選択した訓練データを学習モデルＬＭ１へ入力し（ステップＳ１０３）、学習モデルＬＭ１による演算を実行する（ステップＳ１０４）。すなわち、制御部１０１は、学習モデルＬＭ１の入力層を構成するノードに、歪量、傾斜、環境温度などの計測データを入力し、中間層のカーネルを用いた演算を実行し、演算結果を出力層から出力する処理を行う。なお、学習が開始される前の初期段階には、学習モデルＬＭ１を記述する定義情報には初期値が与えられる。

次いで、制御部１０１は、ステップＳ１０４で得られた演算結果を評価し（ステップＳ１０５）、学習が完了したか否かを判断する（ステップＳ１０６）。具体的には、制御部１０１は、ステップＳ１０４で得られる演算結果と訓練データとに基づく誤差関数（目的関数、損失関数、コスト関数ともいう）を用いて、演算結果を評価することができる。制御部１０１は、例えば、最急降下法などの勾配降下法により誤差関数を最適化（最小化又は最大化）する課程で、誤差関数が閾値以下（又は閾値以上）となった場合、学習が完了したと判断してもよい。なお、過学習の問題を避けるために、交差検定、早期打ち切りなどの手法を取り入れ、適切なタイミングにて学習を終了させてもよい。

学習が完了してないと判断した場合（Ｓ１０６：ＮＯ）、制御部１０１は、学習モデルＬＭ１のノード間における結合荷重を更新して（ステップＳ１０７）、処理をステップＳ１０２へ戻し、別の訓練データを用いた学習を継続する。制御部１０１は、学習モデルＬＭ１の出力層から入力層に向かって、ノード間の結合荷重を順次更新する誤差逆伝搬法を用いて、ノード間の結合荷重を更新することができる。

学習が完了したと判断した場合（Ｓ１０６：ＹＥＳ）、制御部１０１は、学習済みの学習モデルＬＭ１として記憶部１０２に記憶させ（ステップＳ１０８）、本フローチャートによる処理を終了する。

以上のように、本実施の形態に係る推定装置１００は、積載重量が既知である場合の歪量を含む計測データを収集し、積載重量及び計測データを訓練データに用いることにより、学習モデルＬＭ１を生成することができる。

なお、本実施の形態では、推定装置１００において学習モデルＬＭ１を生成する構成としたが、学習モデルＬＭ１を生成する外部サーバ（不図示）を設け、外部サーバにて学習モデルＬＭ１を生成してもよい。この場合、外部サーバは、特装車１により収集される訓練データを通信等により取得し、取得した訓練データを用いて学習モデルＬＭ１を生成すればよい。また、推定装置１００は、通信等により、外部サーバから学習済みの学習モデルＬＭ１を取得し、取得した学習モデルＬＭ１を記憶部１０２に記憶させればよい。

推定装置１００は、運用フェーズにおいて、歪量を含む計測データを学習済みの学習モデルＬＭ１へ入力することにより、積載重量を推定することができる。

図８は学習モデルＬＭ１を用いた積載重量の推定手順を説明するフローチャートである。推定装置１００の制御部１０１は、記憶部１０２から推定プログラムＰＧ２を読み出して実行することにより、以下の処理を実行する。

制御部１０１は、入力部１０４を通じて、複数の歪センサ８１により計測される歪量を含む計測データを取得した場合、取得した計測データを学習モデルＬＭ１へ入力し（ステップＳ１２１）、学習モデルＬＭ１による演算を実行する（ステップＳ１２２）。このとき、制御部１０１は、取得した計測データを学習モデルＬＭ１の入力層を構成するノードに与える。入力層に与えられたデータは、訓練データを用いて決定された結合荷重により重み付けされて中間層へ出力される。中間層では、カーネルを用いた演算が実行され、学習によって決定された結合荷重により重み付けされて出力層へ出力される。出力層のノードは積載重量に関する演算結果を出力する。

制御部１０１は、学習モデルＬＭ１の演算結果に基づき積載重量を推定する（ステップＳ１２３）。学習モデルＬＭ１が積載重量の推定値を出力する構成としてある場合、制御部１０１は、学習モデルＬＭ１の出力値を積載重量として推定すればよい。また、学習モデルＬＭ１がある特定の積載重量である確率を出力する構成としてある場合、制御部１０１は、確率が最も高い積載重量の値を選択することにより、積載重量を推定することができる。

次いで、制御部１０１は、推定した積載重量を報知する（ステップＳ１２４）。このとき、制御部１０１は、推定した積載重量の情報を出力部１０５より出力し、表示装置１２０に表示させる。図９は積載重量の表示例を示す模式図である。図９では、積載重量の推定値、積載率、及び推定日時の情報を文字情報として表示装置１２０に表示させた例を示している。ここで、積載重量の推定値は、上述した学習モデルＬＭ１を用いて推定した積載重量の値である。積載率は、上限値に対する積載重量（推定値）の割合として算出される値である。推定日時は、学習モデルＬＭ１を用いて積載重量を推定した日時であり、例えば制御部１０１の内蔵クロックから得られる情報である。制御部１０１は、学習モデルＬＭ１を用いて推定した積載重量の推定値、上限値に対する割合として算出される積載率、内蔵クロックから得られる日時の情報に基づき、表示画面のデータを生成し、生成した表示画面のデータを表示装置１２０へ出力することにより、図９に示すような画面を表示装置１２０に表示させることができる。

なお、本実施の形態では、推定した積載重量を文字情報として表示装置１２０に表示させる構成したが、グラフ表示やメータ表示などにより、積載重量の推定値を模式的に表示してもよい。
また、本実施の形態では、推定した積載重量を表示装置１２０に表示させる構成としたが、推定した積載重量の情報を通信部１０６より送信することにより、ユーザ端末等に通知してもよい。推定装置１００にスピーカなどの音声出力装置が接続されている場合、推定した積載重量の情報を音声として出力してもよい。

以下、計測データの実測値、及び学習モデルＬＭ１による推定結果の一例を示す。
図１０は計測結果を示すグラフである。図１０に示すグラフは、特装車１が既知の重量（この例では４０００ｋｇ）の積載物を積載して一般道を走行し、到着した目的地において積載物を排出して、さらに積載物が存在しない状態で走行する間において、停車時に歪センサ８１、傾斜計８２、温度計８３を用いて、歪量、傾斜角度、及び環境温度を計測した結果を示している。グラフの横軸は経過時間（より正確には計測タイミング）を表し、縦軸は歪量（μＳＴ）、傾斜角度（度）、又は環境温度（℃）を表す。

図１０に示すグラフにおいて、前輪右車軸の歪量は、前輪２２Ｆの車軸２３Ｆの右端付近に取り付けられた歪センサ８１Ａにより計測された歪量を表す。同様に、前輪左車軸、後輪右車軸、後輪左車軸の歪量は、前輪２２Ｆの車軸２３Ｆの左端付近、後輪２２Ｒの車軸２３Ｒの右端付近、後輪２２Ｒの車軸２３Ｒの左端付近にそれぞれ取り付けられた歪センサ８１Ｂ～８１Ｄにより計測された歪量を表す。また、傾斜（ロール及びピッチ）は、傾斜計８２により計測された特装車１の傾斜角度（ロール及びピッチ）を表し、環境温度は、温度計８３により計測された温度を表す。図１０に示すように、歪センサ８１により計測される歪量は、特装車１が前後方向及び左右方向に±５度の範囲で傾斜した場合の計測値、環境温度が様々に変化した場合の計測値を含む。これらの計測値は、経過時間に対応付けられて計測値テーブルＴＢ１に記憶される。

図１１は学習モデルＬＭ１の推定結果を示すグラフである。グラフの横軸は経過時間を表し、縦軸は積載重量の推定値（ｋｇ）を表す。図１１の例では、積載重量が４０００ｋｇであるときの計測データ（図１０を参照）の一部と、積載重量が０ｋｇであるときの計測データ（不図示）の一部を訓練データに用いて、学習モデルＬＭ１を生成し、残りの計測データを学習済みの学習モデルＬＭ１に入力することにより、特装車１の積載重量を推定した。より具体的には、計測された歪量、傾斜角度、及び環境温度の４８０９組の計測値のうち、７０％を訓練データに用いて学習モデルＬＭ１を生成し、残りの３０％を学習モデルＬＭ１に入力して特装車１の積載重量を推定した。なお、計測データに関しては、積載重量が４０００ｋｇと０ｋｇだけに限らず、他の積載重量に基づく計測データを用いることも可能である。

学習済みの学習モデルＬＭ１を用いて推定した推定結果を実線（補正後）のグラフにより示す。また、参考として、従来の自重計により計測した積載重量の計測結果を破線（補正前）のグラフにより示す。特装車１の積載重量を４０００ｋｇとしたとき、従来の自重計は、およそ２２００ｋｇから４５００ｋｇの計測値を示しており、中央値を３３５０ｋｇとして±１１５０ｋｇの誤差を有していることが分かる。これに対し、学習モデルＬＭ１を用いて特装車１の積載重量を推定した結果、およそ４０００±５０ｋｇの推定値が得られており、従来の自重計と比較して精度良く積載重量を推定できていることが分かる。

なお、図１１に示す推定結果は、積載重量が４０００ｋｇであるときの計測データの一部と、積載重量が０ｋｇであるときの計測データの一部とを訓練データに用いて生成した学習モデルＬＭ１による推定結果を示したものであるが、積載重量を様々に変更して計測データを収集し、収集した計測データを用いて学習モデルＬＭ１を生成することにより、様々な積載重量を推定することが可能である。

また、図１１では、歪センサ８１によって計測される歪量、傾斜計８２によって計測される傾斜、及び温度計８３によって計測される環境温度に係る計測データの入力に応じて、積載重量に関する演算結果を出力するよう構成された学習モデルＬＭ１を用いて積載重量を推定した結果を示したが、学習モデルＬＭ１における入出力の関係は上記に限定されるものではなく、適宜設定することが可能である。上述したように、学習モデルＬＭ１は、圧力計８４により計測される油圧シリンダ５２のシリンダ圧を更に含む計測データの入力に応じて、積載重量に関する演算結果を出力する構成としてもよい。また、学習モデルＬＭ１は、歪センサ８１によって計測される歪量に係る計測データを入力とし、積載重量に関する演算結果を出力する構成としてもよい。更に、歪センサ８１Ａ～８１Ｄの計測データのうち、選択した２つ又は３つの計測データを学習モデルＬＭ１へ入力し、積載重量に関する演算結果を出力する構成としてもよい。また、学習モデルＬＭ１は、歪量の計測データと、傾斜又は環境温度の計測データの何れか一方を入力とし、積載重量に関する演算結果を出力する構成としてもよい。

以上のように、本実施の形態では、歪量を含む計測データと積載重量との関係が学習された学習モデルＬＭ１を用いることにより、特装車１の傾斜の有無に関わらず、積載重量を精度良く推定し、推定した積載重量を報知することができる。

なお、本実施の形態では、学習モデルＬＭ１の一例としてサポートベクタ回帰モデルについて説明したが、線形回帰、ロジスティック回帰等の回帰分析手法を用いてもよい。また、決定木、回帰木、ランダムフォレスト、勾配ブースティング木等の探索木を用いた手法、単純ベイズ等を含むベイズ推定法、ＡＲ（Auto Regressive）、ＭＡ（Moving Average）、状態空間モデル等を含む時系列予測手法、Ｋ近傍法等を含むクラスタリング手法、ブースティング、バギング等を含むアンサンブル学習を用いた手法、階層型クラスタリング、非階層型クラスタリング、トピックモデル等を含むクラスタリング手法、アソシエーション分析、強調フィルタリング等を含むその他の手法により学習された学習モデルを用いてもよい。また、学習モデルＬＭ１を、深層学習によるニューラルネットワーク、畳み込みニューラルネットワーク、再帰型ニューラルネットワークなどにより構成してもよい。

上記実施形態では、歪センサ８１は、歪ゲージからなるものであったが、本発明はこれに限らず、歪センサ８１を、歪ゲージ式のロードセルとすることもできる。その場合、ロードセルの形状は、バー型とピン型のどちらであってもよい。

また、上記実施形態では、歪センサ８１は、車軸２３Ｆ，２３Ｒまたはサブフレーム３０に取り付けられていたが、本発明はこれに限らず、歪センサ８１を他の場所に取り付けてもよい。例えば、歪センサを、ダンプ装置３における荷箱４に取り付けたり、荷箱４とサブフレーム３０とを連結するヒンジ軸３１に取り付けたりしてもよい。また、歪センサ８１を、シャシフレーム２１や懸架装置（不図示）に取り付けてもよい。例えば、懸架装置に取り付ける際には、歪センサ８１の取付部位が他の部位と比較してどの程度沈み込むかを計測することも有用である。そのため、こうした場合には取付部位の歪量を計測するのではなく他の部位に対する沈み込み量を計測する変位センサ（レーザー距離センサなど）を用いても良い。なお、沈み込み量などの変位量を計測する場合には、特装車１における前輪２２Ｆもしくは後輪２２Ｒの空気圧の影響も受けやすいことから、タイヤプレッシャモニタなどを用いてこれらの計測データも計測値テーブルＴＢ１に加えるとさらに好ましい。

また、上記実施形態では、推定装置１００は、特装車１のシャシフレーム２１やキャブ２０の内部に設けられていたが、本発明はこれに限らず、推定装置１００を、管理センタ等の特装車１とは別の離れた場所に設けるようにしてもよい。その場合、特装車１には、歪センサ８１、傾斜計８２、温度計８３、圧力計８４等の各種センサと通信装置と表示装置とを設け、これらの各種センサからのデータを当該通信装置により推定装置１００に送信するようにすればよい。推定装置１００では、受信した各種センサからデータを処理して、結果を特装車１の通信装置へ送信し、これにより、特装車１の表示装置に積載重量の推定結果を表示させるようにしてもよい。

さらに、上記実施形態では、複数の歪センサ８１から歪量に係る計測データに基づいて積載重量を推定するものとしているが、複数の油圧センサからの油圧変化量に係る計測データに基づいて積載重量を推定するものなど、他の指標に基づくものであっても構わない。例えばホイスト機構５内の油圧シリンダ５２のシリンダ圧を計測する圧力計８４とともに、ヒンジ軸３１付近に油圧式のロードセルを設けた構成とすると良い。この場合、わずかに油圧シリンダ５２を伸長させて荷箱４をわずかに傾斜させた状態とし、圧力計８４及び上記ロードセルにおける油圧の計測データに基づいて積載重量を推定する。こうした計測データは、上述した歪、油圧などに限定されず、他の変位量も適宜計測対象とすることができる。

（実施の形態２）
実施の形態１では、車軸２３Ｆ，２３Ｒに取り付けられた歪センサ８１から歪量に係る計測データを取得する構成としたが、歪センサ８１の取り付け箇所は、車軸２３Ｆ，２３Ｒに限定されるものではない。
実施の形態２では、シャシフレーム２１に固定される構造物に歪センサ８１を取り付けた構成について説明する。

図１２は実施の形態２に係る特装車１の全体構成を示す側面図である。図１２に示す特装車１は、歪センサ８１の取り付け箇所のみが実施の形態１と異なる。実施の形態２における歪センサ８１は、シャシフレーム２１に固定される構造物の複数箇所に取り付けられる。シャシフレーム２１に固定される構造物の一例はサブフレーム３０である。図１２の例は、このサブフレーム３０の前後方向に離隔した２箇所に歪センサ８１を取り付けた構成を示している。

なお、図１２では、サブフレーム３０の前後方向に離隔した２箇所に歪センサ８１を取り付ける構成としたが、特装車１の前後方向の中心線に対して左右対称の２箇所に歪センサ８１を取り付けてもよい。また、取り付ける歪センサ８１の個数は２個に限定されるものではなく、３箇所以上の歪センサ８１が取り付けられてもよい。更に、歪センサ８１を取り付けるための専用ブラケットを用意し、専用ブラケットを介して歪センサ８１をサブフレーム３０に取り付けてもよい。

推定装置１００は、サブフレーム３０に取り付けられた歪センサ８１により計測される歪量を含む計測データを用いて、実施の形態１と同様の学習モデルＬＭ１を生成し、生成した学習モデルＬＭ１を用いて、荷箱４に積載される積載物の重量を推定することができる。

以上のように、実施の形態２では、歪センサ８１をサブフレーム３０に取り付ける構成としたので、トラックシャシ２に対して何ら改変を加えることなく、積載重量の推定が可能となる。

（実施の形態３）
実施の形態３では、荷箱４を昇降させるための油圧アクチュエータ（本実施の形態では油圧シリンダ５２）に作用する油圧の大きさを計測し、計測した油圧の大きさに基づき、積載重量を推定する構成について説明する。

図１３は特装車１における荷箱４の昇降機構を説明する説明図である。特装車１は荷箱４を昇降させるための機構としてホイスト機構５を備える。ホイスト機構５は、上述したように、リフトアーム５１、油圧シリンダ５２、テンションリンク５３を備える。ホイスト機構５の油圧シリンダ５２を伸長させると、荷箱４は、その前部が持ち上げられ、傾斜角度が大きくなる方向に回動する。傾斜角度が大きくなる方向への荷箱４の回動を、本実施の形態では荷箱４の上昇ともいう。一方、ホイスト機構５の油圧シリンダ５２を短縮させると、荷箱４は、その前部が下げられ、傾斜角度が小さくなる方向に回動する。傾斜角度が小さくなる方向への荷箱４の回動を、本実施の形態では荷箱４の下降ともいう。

油圧シリンダ５２を伸縮させる油圧機構は、油圧ポンプ６１、作動油タンク６２、制御弁６３などを備える。油圧供給源である油圧ポンプ６１は、ＰＴＯ７１（Power Take-Off）を介して伝達されるエンジン７０の動力によって駆動されることにより、油圧配管６４を通じて作動油タンク６２内の作動油を汲み上げ、吐出口に接続された主管６５を通じて油圧シリンダ５２に作動油（圧油）を供給する。なお、エンジン７０の動力伝達の断接は、キャブ２０内に設けられるＰＴＯスイッチ７２により切り替えられる。

油圧ポンプ６１から吐出される作動油の供給方向は、手動式の操作レバー６７によって操作される制御弁６３により切り替えられる。例えば、操作レバー６７の操作により制御弁６３が中立位置にあると、油圧ポンプ６１から油圧シリンダ５２に作動油は供給されず、荷箱４の傾動動作は行われない。操作レバー６７が上昇位置に操作されると、制御弁６３が切り替えられ、油圧ポンプ６１から油圧シリンダ５２に作動油（圧油）が供給される。油圧シリンダ５２は、作動油が供給されることによって伸長し、荷箱４を上昇させる。一方、操作レバー６７が下降位置に操作されると、制御弁６３が切り替えられ、油圧シリンダ５２に供給された作動油は作動油タンク６２に還流する。これに伴い、油圧シリンダ５２は短縮し、荷箱４を下降させる。

油圧機構には、油圧シリンダ５２に作用する油圧の大きさを計測するための圧力計８４が設けられている。また、特装車１には、トラックシャシ２の傾斜（ピッチ及びロール）を計測するための傾斜計８２と、荷箱４の傾斜（ピッチ及びロール）を計測するための傾斜計８５が設けられている。更に、特装車１には、実施の形態１において説明した歪センサ８１や温度計８３が設けられてもよい。

本願発明者らは、トラックシャシ２のピッチ角度と油圧値との関係を詳細に調べたところ、荷箱４を上昇させた後に停止させた場合の油圧値と、荷箱４を下降させた後に停止させた場合の油圧値との間にギャップが生じることを見出した。

図１４はトラックシャシ２のピッチ角度と油圧値との関係を示すグラフである。グラフの横軸はトラックシャシ２のピッチ角度（ｄｅｇ）を表し、縦軸は油圧値（ＭＰａ）を表す。図１４に示すグラフは、トラックシャシ２のピッチ角度と荷箱４の既知の積載重量とを様々に変更しながら油圧値を計測した結果を示している。なお、ピッチ角度が０度未満の場合、特装車１は前下がりの状態にあり、ピッチ角度が０度超の場合、特装車１は前上がりの状態にある。

図１４のグラフでは、荷箱４を上昇させた後に所定のダンプ角度（例えば０．５度）で停止させて計測したときの油圧値を黒丸で示している。また、荷箱４を下降させた後に所定のダンプ角度（例えば０．５度）で停止させて計測したときの油圧値を白丸で示している。なお、ダンプ角度は、トラックシャシ２に対する荷箱４の相対角度であり、荷箱４の傾斜角度（傾斜計８５の計測値）からトラックシャシ２の傾斜角度（傾斜計８２の計測値）を差し引くことにより算出される値である。

また、図１４のグラフにおける各破線は、当該グラフの上記黒丸全体のうち、所定の既知の積載重量（例えば１０ｔｏｎ）においてトラックシャシ２のピッチ角度を変更していったときに計測された複数の黒丸の回帰直線である。また、図１４のグラフにおける各一点鎖線は、当該グラフの上記白丸全体のうち、所定の既知の積載重量（例えば１０ｔｏｎ）においてトラックシャシ２のピッチ角度を変更していったときに計測された複数の白丸の回帰直線である。

図１４に示すグラフから、同一の積載重量であってもトラックシャシ２のピッチ角度が小さくなる程（前下がりになる程）、油圧値が大きくなることが読み取れる。また、同一の積載重量であっても、荷箱４を上昇させた後に所定のダンプ角度で停止させて計測した油圧値（黒丸で示す油圧値）と、荷箱４を下降させた後に所定のダンプ角度で停止させて計測した油圧値（白丸で示す油圧値）との間にはギャップが生じていることが読み取れる。更に、そのギャップは、積載重量が増える程、拡大することが読み取れる。

実施の形態３における積載重量推定システムは、油圧値を含む計測データを用いて荷箱４に積載されている積載物の重量（積載重量）を推定する。本願発明者らの検討により、荷箱４を上昇後に停止させた場合の油圧値と、荷箱４を下降後に停止させた場合の油圧値との間にはギャップが生じることが分かったので、実施の形態３における積載重量推定システムでは、荷箱４を上昇後に停止させた場合と、荷箱４を下降後に停止させた場合とで異なる学習モデルを用いて積載重量の推定を行う。

図１５は実施の形態３における積載重量推定システムの構成を説明するブロック図である。推定装置１００は、制御部１０１、記憶部１０２、操作部１０３、入力部１０４、出力部１０５、及び通信部１０６を備える。これらハードウェア各部の構成は実施の形態１において説明したものと同様であるため、その説明を省略する。

実施の形態３では、荷箱４が上昇後に停止した状態（第１停止状態）と、荷箱４が下降後に停止した状態（第２停止状態）とを区別し、両者で異なる学習モデルを用いて、荷箱４の積載重量を推定する。すなわち、実施の形態３では、第１停止状態にて計測された油圧値を含む計測データを用いて積載重量を推定するための学習モデルＬＭ１０と、第２停止状態にて計測された油圧値を含む計測データを用いて積載重量を推定するための学習モデルＬＭ２０とが用意される。学習モデルＬＭ１０，ＬＭ２０は、それぞれの定義情報によって定義され、例えば記憶部１０２に記憶される。学習モデルＬＭ１０，ＬＭ２０の定義情報は、層の種類や数、ノード数などモデル構造を規定するパラメータ、及びノード間に設定される結合加重など学習により定められるパラメータを含む。

推定装置１００の制御部１０１は、第１停止状態において計測された油圧値を含む計測データを取得した場合、取得した計測データを学習モデルＬＭ１０に入力し、学習モデルＬＭ１０による演算を行うことにより荷箱４の積載重量を推定する。また、制御部１０１は、第２停止状態において計測された油圧値を含む計測データを取得した場合、取得した計測データを学習モデルＬＭ２０に入力し、学習モデルＬＭ２０による演算を行うことにより荷箱４の積載重量を推定する。なお、推定装置１００の入力部１０４には、キャブ２０の内部に設けられ、推定処理の開始指示を与えるための計量スイッチ８９が接続されてもよい。

図１６は学習モデルＬＭ１０，ＬＭ２０の構成を説明する模式図である。学習モデルＬＭ１０，ＬＭ２０は、実施の形態１において説明した学習モデルＬＭ１と同様であり、各種計測データが入力される入力層と、入力層に入力された計測データに基づき所定の演算が実行される中間層と、中間層からの出力を結合し、演算結果を出力する出力層とを備える。

図１６Ａは学習モデルＬＭ１０の構成を示している。学習モデルＬＭ１０の入力層には、第１停止状態（荷箱４の上昇停止後の状態）において圧力計８４により計測される油圧値が入力される。また、学習モデルＬＭ１の入力層に入力される計測データは、傾斜計８２により計測されるトラックシャシ２の傾斜角度、歪センサ８１により計測される車軸２３Ｆ，２３Ｒの歪み、及び温度計８３により計測される環境温度の少なくとも１つが更に含まれてもよい。環境温度は、特装車１の周囲の温度であってもよく、油温であってもよい。中間層は複数の層を有し、各層は複数のノードにより構成されている。学習モデルＬＭ１０の入力層に上記計測データが入力された場合、推定装置１００の制御部１０１は、中間層を構成する各ノードに設定されているパラメータを用いて所定の演算を実行する。出力層は、中間層からの出力を結合し、荷箱４における積載重量の推定値を演算結果として出力する。

学習モデルＬＭ１０は、上述した各種計測データの入力に応じて荷箱４の積載重量の推定値に係る情報を出力するよう学習される。学習モデルＬＭ１０を生成する場合、例えば推定装置１００は、荷箱４に積載する積載物の重量（既知とする）を様々に変更にしながら上述した各種計測データを収集する。推定装置１００は、収集した計測データと、既知の積載重量とを多数含むデータセットを訓練データに用いて、計測データの入力に応じて積載重量の推定値に係る情報を学習モデルＭＬ１０が出力するよう学習する。学習アルゴリズムは実施の形態１と同様であるため、その説明を省略する。学習モデルＬＭ１０は外部サーバ（不図示）において生成されてもよい。この場合、推定装置１００は、通信により学習モデルＬＭ１０を取得し、記憶部１０２に記憶させるとよい。

図１６Ｂは学習モデルＬＭ２０の構成を示している。学習モデルＬＭ２０は、第１停止状態での油圧値に代えて、第２停止状態（荷箱４の下降停止後の状態）での油圧値が入力層に入力される点が学習モデルＬＭ１０と異なり、その他の構成は学習モデルＬＭ１０と同様である。学習モデルＬＭ２０は、第２停止状態において計測された油圧値を含む計測データと、既知の積載重量とを含むデータセットを訓練データに用いて学習することにより生成される。

図１７は実施の形態３における積載重量の推定手順を説明するフローチャートである。推定装置１００の制御部１０１は、入力部１０４を通じて入力される信号を監視することにより、計量スイッチ８９がオンされたか否かを判断する（ステップＳ３０１）。オンされていない場合（Ｓ３０１：ＮＯ）、制御部１０１は、計量スイッチ８９がオンされるまで待機する。

計量スイッチ８９がオンされた場合（Ｓ３０１：ＹＥＳ）、制御部１０１は積載重量の推定処理を開始する。推定処理を開始する際、ダンプ角度を所定角度に調整するようユーザに指示を与えてもよい。所定角度は、例えば０．１度より大きく、０．８度より小さい範囲の角度である。制御部１０１は、表示装置１２０に文字情報などを表示することにより指示を与えてもよく、図に示していないスピーカより音声を出力することにより指示を与えてもよい。実施の形態３において、ダンプ角度は操作レバー６７を用いて手動により調整される。

制御部１０１は、入力部１０４を通じて、傾斜計８２，８５にて時系列的に計測される傾斜角度の計測データを順次取得し、取得した計測データに基づき、現在のダンプ角度を検出する（ステップＳ３０２）。制御部１０１は、傾斜計８５の計測値として得られる荷箱４の傾斜角度から傾斜計８２の計測値として得られるトラックシャシ２の傾斜角度を差し引くことにより、ダンプ角度を求めることができる。制御部１０１は、検出したダンプ角度を時系列的に記憶部１０２に記憶させる。

制御部１０１は、ステップＳ３０２で検出したダンプ角度が最小角度θ１より大きいか否かを判断する（ステップＳ３０３）。最小角度θ１は、荷箱４の積載重量を計測するのに適した角度範囲の最小値として設定される値である。最小角度θ１の一例は０．１度である。

現在のダンプ角度が最小角度θ１以下であると判断した場合（Ｓ３０３：ＮＯ）、制御部１０１は、ユーザに対して荷箱４の上昇を指示する（ステップＳ３０４）。制御部１０１は、荷箱４を上昇させるべき旨の文字情報を表示装置１２０に表示させることにより、ユーザへの指示を行う。代替的に、制御部１０１は、荷箱４を上昇させるべき旨の音声を図に示していないスピーカから出力させることにより、ユーザへの指示を行ってもよい。制御部１０１は、ユーザへの指示を行った後、処理をステップＳ３０２へ戻す。

現在のダンプ角度が最小角度θ１より大きいと判断した場合（Ｓ３０３：ＹＥＳ）、制御部１０１は、現在のダンプ角度が最大角度θ２より小さいか否かを判断する（ステップＳ３０５）。最大角度θ２は、荷箱４の積載重量を計測するのに適した角度範囲の最大値として設定される値である。最大角度θ２の一例は０．８度である。

現在のダンプ角度が最大角度θ２以上であると判断した場合（Ｓ３０５：ＮＯ）、制御部１０１は、ユーザに対して荷箱４の下降を指示する（ステップＳ３０６）。制御部１０１は、例えば、荷箱４を下降させるべき旨の文字情報を表示装置１２０に表示させてユーザへの指示を行う。代替的に、制御部１０１は、荷箱４を下降させるべき旨の音声を図に示していないスピーカから出力させてユーザへの指示を行ってもよい。制御部１０１は、ユーザへの指示を行った後、処理をステップＳ３０２へ戻す。

現在のダンプ角度が最大角度θ２より小さいと判断した場合（Ｓ３０５：ＹＥＳ）、制御部１０１は、内蔵タイマの出力を参照して、ダンプ角度が設定された角度範囲に入ってから所定時間が経過したか否かを判断する（ステップＳ３０７）。所定時間が経過していない場合（Ｓ３０７：ＮＯ）、制御部１０１は、所定時間が経過するまで待機する。

所定時間が経過したと判断した場合（Ｓ３０７：ＹＥＳ）、制御部１０１は、所定時間が経過するまでの間、荷箱４が停止状態であったか否かを判断する（ステップＳ３０８）。制御部１０１は、記憶部１０２に記憶させたダンプ角度の履歴データから変化の有無を判断することにより、荷箱４が停止状態であったか否かを判断することができる。停止状態でなかった場合（Ｓ３０８：ＮＯ）、制御部１０１は、処理をステップＳ３０２へ戻す。

所定時間が経過するまでの間、荷箱４が停止状態であった場合（Ｓ３０８：ＹＥＳ）、制御部１０１は、積載重量の計量の準備ができた旨をユーザに報知する（ステップＳ３０９）。制御部１０１は、例えば、積載重量の計量の準備ができた旨の文字情報を表示装置１２０に表示させる。代替的に、制御部１０１は、積載重量の計量の準備ができた旨の音声を図に示していないスピーカから出力させてもよい。

次いで、制御部１０１は、荷箱４は上昇後に停止したか否かを判断する（ステップＳ３１０）。制御部１０１は、記憶部１０２に記憶させたダンプ角度の履歴データから、荷箱４が上昇後に停止したか否かを判断することができる。

制御部１０１は、荷箱４が上昇後に停止したと判断した場合（Ｓ３１０：ＹＥＳ）、積載重量の推定に用いる学習モデルを上昇停止用の学習モデルＬＭ１０に設定し（ステップＳ３１１）。一方、制御部１０１は、荷箱４が下降後に停止したと判断した場合（Ｓ３１０：ＮＯ）、積載重量の推定に用いる学習モデルを下降停止用の学習モデルＬＭ２０に設定する（ステップＳ３１２）。

制御部１０１は、油圧値を含む計測データを入力部１０４より取得し、ステップＳ３１１で設定した上昇停止用の学習モデルＬＭ１０、又はステップＳ３１２で設定した下降停止用の学習モデルＬＭ２０に取得した計測データを入力することによって、荷箱４における積載重量を推定する（ステップＳ３１３）。このとき、制御部１０１は、取得した計測データを学習モデルＬＭ１０（又は学習モデルＬＭ２０）の入力層を構成する各ノードに与え、中間層による演算を実行し、出力層から出力される演算結果を取得することにより、荷箱４の積載重量を推定すればよい。なお、入力層のノードに与える計測データは、油圧値のみであってもよく、油圧値に加え、トラックシャシ２の傾斜角度、車軸２３Ｆ，２３Ｒの歪み、及び環境温度の少なくとも１つを更に含んでもよい。

次いで、制御部１０１は、推定した積載重量を報知する（ステップＳ３１４）。このとき、制御部１０１は、推定した積載重量の情報を出力部１０５より出力し、表示装置１２０に表示させる。制御部１０１は、積載重量の情報を文字情報として表示装置１２０に表示させてもよく、グラフ表示やメータ表示などの模式的な表示方法を用いてもよい。また、制御部１０１は、推定した積載重量の情報を図に示していないスピーカから音声として出力させる構成としてもよい。これらの一連の処理が終了した後、荷箱４は、計量スイッチ８９がオフされることにより、ダンプ角度が０度となるまで下降される。

本願発明者らにより、圧力計８４により計測される油圧値は、たとえダンプ角度が同一であったとしても、荷箱４が上昇後に停止した状態と、荷箱４が下降後に停止した状態とでは値が異なることが分かった。このため、両者で同一の学習モデルを用いて積載重量を推定した場合には、推定精度が低くなる可能性があるが、実施の形態３では、上昇停止用の学習モデルＬＭ１０と下降停止用の学習モデルＬＭ２０とを選択的に用いて積載重量を推定するので、推定精度の低下を抑えることができる。

（実施の形態４）
実施の形態４では、ダンプ角度を自動で調整する構成について説明する。なお、特装車１の構成は実施の形態３と同様であるため、その説明を省略する。

図１８は実施の形態４における積載重量推定システムの構成を説明するブロック図である。実施の形態４に係る積載重量推定システムは、推定装置１００と、推定装置１００に接続される昇降制御装置２００とを備える。推定装置１００は、実施の形態３において説明したものと同様であり、制御部１０１、記憶部１０２、操作部１０３、入力部１０４、出力部１０５、及び通信部１０６を備える。

昇降制御装置２００は、入力部２０１、制御部２０２、及び出力部２０３を備えており、特装車１が備える油圧機構の動作を制御することにより、荷箱４の昇降を制御する。入力部２０１は入力インタフェースを備える。入力部２０１には、推定装置１００から出力される情報、操作レバー６７の操作情報、ＰＴＯスイッチ７２の操作情報などが入力される。入力部２０１に入力された情報は制御部２０２に出力される。

制御部２０２は、例えばＰＬＣ（Programmable Logic Controller）により構成される。制御部２０２は、プログラムされたロジックに従って、入力部２０１を通じて入力された情報に基づき荷箱４を昇降制御するための制御信号を生成する。制御部２０２は、生成した制御信号を出力部２０３より制御弁６３へ出力する。出力部２０３は、出力インタフェースを備えており、制御弁６３や推定装置１００などが接続されている。なお、実施の形態４における制御弁６３は、電気的に制御可能な電磁制御弁として構成されているものとする。

本実施の形態では、積載重量推定システムが推定装置１００と昇降制御装置２００とを別体として備える構成としたが、両者が一体の構成であってもよい。

図１９は実施の形態４における積載重量の推定手順を説明するフローチャートである。推定装置１００の制御部１０１は、入力部１０４を通じて入力される信号を監視することにより、計量スイッチ８９がオンされたか否かを判断する（ステップＳ４０１）。オンされていない場合（Ｓ４０１：ＮＯ）、制御部１０１は、計量スイッチ８９がオンされるまで待機する。

計量スイッチ８９がオンされた場合（Ｓ４０１：ＹＥＳ）、制御部１０１は、ＰＴＯスイッチ７２がオンであるか否かを判断する（ステップＳ４０２）。ＰＴＯスイッチ７２がオンでない場合（Ｓ４０２：ＮＯ）、制御部１０１は、ユーザに対してＰＴＯスイッチ７２をオンするように指示し（ステップＳ４０３）、エンジン７０の動力伝達先を油圧ポンプ６１に切り替えさせる。ユーザへの指示は、表示装置１２０に文字情報を表示することにより行ってもよく、図に示していないスピーカより音声として出力することにより行ってもよい。

ＰＴＯスイッチ７２がオンである場合（Ｓ４０２：ＹＥＳ）、制御部１０１は、ダンプ角度を調整する旨をユーザに報知する（ステップＳ４０４）。制御部１０１は、例えば、ダンプ角度を調整する旨の文字情報を表示装置１２０に表示させる。代替的に、制御部１０１は、ダンプ角度を調整する旨の音声を図に示していないスピーカから出力させてもよい。

次いで、制御部１０１は、荷箱４の上昇を昇降制御装置２００に指示する（ステップＳ４０５）。具体的には、制御部１０１は、荷箱４の上昇を指示する制御信号を生成し、生成した制御信号を出力部１０５より昇降制御装置２００へ出力することにより、昇降制御装置２００への指示を行う。昇降制御装置２００の制御部２０２は、推定装置１００からの指示に応じて、荷箱４を上昇させるための制御信号を制御弁６３へ出力することにより、荷箱４を上昇させる。

制御部１０１は、入力部１０４を通じて、傾斜計８２，８５にて時系列的に計測される傾斜角度の計測データを順次取得し、取得した計測データに基づき、現在のダンプ角度を検出する（ステップＳ４０６）。

制御部１０１は、ステップＳ４０６で検出したダンプ角度が最小角度θ１より大きいか否かを判断する（ステップＳ４０７）。最小角度θ１は、荷箱４の積載重量を計測するのに適した角度範囲の最小値として設定される値である。最小角度θ１の一例は０．１度である。

現在のダンプ角度が最小角度θ１以下であると判断した場合（Ｓ４０７：ＮＯ）、制御部１０１は、処理をステップＳ４０５へ戻し、荷箱４の上昇制御を継続させる。

現在のダンプ角度が最小角度θ１より大きいと判断した場合（Ｓ４０７：ＹＥＳ）、制御部１０１は、現在のダンプ角度が最大角度θ２より小さいか否かを判断する（ステップＳ４０８）。最大角度θ２は、荷箱４の積載重量を計測するのに適した角度範囲の最大値として設定される値である。最大角度θ２の一例は０．８度である。

現在のダンプ角度が最大角度θ２以上であると判断した場合（Ｓ４０８：ＮＯ）、制御部１０１は、荷箱４の傾斜角度が積載重量を計測するのに適した角度範囲から外れているため、エラーを報知し（ステップＳ４０９）、本フローチャートによる処理を終了する。エラーを報知した後、制御部１０１は、荷箱４の下降を昇降制御装置２００に指示してもよい。

現在のダンプ角度が最大角度θ２より小さいと判断した場合（Ｓ４０８：ＹＥＳ）、制御部１０１は、荷箱４の上昇後の停止を指示する（ステップＳ４１０）。具体的には、制御部１０１は、荷箱４の停止を指示する制御信号を生成し、生成した制御信号を出力部１０５より昇降制御装置２００へ出力することにより、昇降制御装置２００への指示を行う。昇降制御装置２００の制御部２０２は、推定装置１００からの指示に応じて、荷箱４を停止させるための制御信号を制御弁６３へ出力することにより、荷箱４を停止させる。

次いで、制御部１０１は、積載重量の計量の準備ができた旨をユーザに報知する（ステップＳ４１１）。制御部１０１は、例えば、積載重量の計量の準備ができた旨の文字情報を表示装置１２０に表示させる。代替的に、制御部１０１は、積載重量の計量の準備ができた旨の音声情報を図に示していないスピーカから出力させてもよい。

次いで、制御部１０１は、積載重量の推定に用いる学習モデルを上昇停止用の学習モデルＬＭ１０に設定し（ステップＳ４１２）。制御部１０１は、油圧値を含む計測データを入力部１０４より取得し、ステップＳ４１２で設定した上昇停止用の学習モデルＬＭ１０に取得した計測データを入力することによって、荷箱４における積載重量を推定する（ステップＳ４１３）。

次いで、制御部１０１は、推定した積載重量を報知する（ステップＳ４１４）。このとき、制御部１０１は、推定した積載重量の情報を出力部１０５より出力し、表示装置１２０に表示させる。制御部１０１は、積載重量の情報を文字情報として表示装置１２０に表示させてもよく、グラフ表示やメータ表示などの模式的な表示方法を用いてもよい。また、制御部１０１は、推定した積載重量の情報を図に示していないスピーカから音声情報として出力させる構成としてもよい。

制御部１０１は、積載重量を推定し、ユーザに報知した後、荷箱４を下降させる指示を昇降制御装置２００に与えてもよい。昇降制御装置２００の制御部２０２は、推定装置１００からの指示に応じて、荷箱４を下降させるための制御信号を制御弁６３へ出力することにより、荷箱４を下降させればよい。

積載重量を手動計測する場合、ダンプ角度を所定角度（例えば０．５度）に合わせる必要があるため、ユーザに操作の煩わしさを感じさせる場合がある。これに対し、本実施の形態では、計量スイッチ８９の操作によって自動的に積載重量を計測することができるので、操作の煩わしさを軽減できる。

なお、実施の形態４では、荷箱４の上昇停止後に積載重量を推定する構成であるため、記憶部１０２には、上昇停止用の学習モデルＬＭ１０が記憶されていればよく、下降停止用の学習モデルＬＭ２０は記憶されていなくてもよい。

（実施の形態５）
実施の形態５では、学習モデルＬＭ１の推定結果を個々の特装車１に応じて校正する構成について説明する。

図２０は校正手法を説明する説明図である。実施の形態５では、学習モデルＬＭ１の後段に校正層ＣＬが設けられる。校正層ＣＬは、学習モデルＬＭ１の出力（積載重量）を個々の特装車１に応じて校正する。校正するためのパラメータは、特装車１の出荷時において定められる。例えば、重量が既知の積載物を積んだときの学習モデルＬＭ１の出力を取得し、学習モデルＬＭ１の出力を実際の積載重量に変換するようなパラメータを事前に導出すればよい。例えば、学習モデルＬＭ１の出力をＸ１、実際の積載重量をＸ２とした場合、Ｘ２＝ａＸ１＋ｂを満たすようなパラメータａ、ｂを導出すればよい。

推定装置１００の記憶部１０２には、事前に導出された校正パラメータ（上記の例では、パラメータａ，ｂ）が記憶される。制御部１０１は、計測データを学習モデルＬＭ１に入力し、学習モデルＬＭ１の演算結果を取得した場合、記憶部１０２に記憶された校正パラメータを読み出して、演算結果を校正することにより、校正後の積載重量の推定値が得られる。

以上のように、実施の形態５では、相互に荷箱４の大きさ、形状、重量等が異なる複数の特装車１に対応して学習モデルＬＭ１の演算結果を校正できるので、個々の特装車１に依存するような学習モデルＬＭ１を生成する必要はなく、標準的な学習モデルを外部のコンピュータにおいて生成しておき、個々の推定装置１００にインストールすればよい。

なお、上述した校正手法は、実施の形態１において説明した学習モデルＬＭ１に適用できるだけでなく、実施の形態３で説明した学習モデルＬＭ１０，ＬＭ２０、後述する実施の形態７において説明する学習モデルＬＭ２に適用することが可能である。

（実施の形態６）
実施の形態６では、推定した積載重量から積載状態を判定し、判定結果に応じた態様にて積載状態を報知する構成について説明する。

図２１は積載状態を報知する手順を説明するフローチャートである。推定装置１００の制御部１０１は、例えば、荷箱４への積み込み作業が開始された後の定期的なタイミングにて以下の処理を実行する。

制御部１０１は、図８のフローチャートに示す手順と同様の手順により、積載重量を推定する。すなわち、制御部１０１は、複数の歪センサ８１により計測される歪量を含む計測データを学習モデルＬＭ１へ入力し（ステップＳ６０１）、学習モデルＬＭ１による演算を実行し（ステップＳ６０２）、学習モデルＬＭ１の演算結果に基づき積載重量を推定する（ステップＳ６０３）。

制御部１０１は、推定した積載重量に基づき積載状態を判定する（ステップＳ６０４）。例えば、制御部１０１は、推定した積載重量を内蔵メモリに記憶させておき、ステップＳ６０３において推定した積載重量と予め設定された上限値とを比較し、推定した積載重量にまだ余裕がある場合（例えば上限値の９０％未満である場合）、積載状態が「積み込み可」であると判定する。また、制御部１０１は、推定した積載重量と予め設定された上限値とを比較し、推定した積載重量が上限値に近い場合（例えば上限値の９０％を超え、１００％未満である場合）、積載状態が「上限値間近」であると判定してもよい。更に、制御部１０１は、推定した積載重量が上限値に達した場合、積載状態が「積み込みストップ」の状態であると判定してもよい。更に、制御部１０１は、推定した積載重量が予め設定された積載重量の上限値を超えた場合、積載状態が「過積載」であると判定してもよい。

制御部１０１は、ステップＳ６０４の判定結果に応じた態様にて積載状態を報知する（ステップＳ６０５）。

図２２は積載状態の報知例を示す模式図である。図２２は特装車１を後側から眺めた状態を示している。図２２の例において、表示装置１２０は、青色又は赤色にて点灯・点滅・消灯が可能な表示灯により構成されており、フロントパネル４１の後面側の上部に設けられている。

図２２Ａは、積載状態が「積み込み可」であると判定された場合の報知例を示している。制御部１０１は、学習モデルＬＭ１を用いて推定した積載重量に基づき、現在の積載状態が「積み込み可」であると判定した場合、表示装置１２０を例えば青色にて１秒間に１回だけ点滅させる制御を実行する。この結果、表示装置１２０は、消灯状態から青色でゆっくりと点滅した状態に遷移する。作業者は、表示装置１２０における表示態様（この場合、青色でゆっくり点滅）を確認することにより、現在の積載状態が「積み込み可」であると把握することができる。

図２２Ｂは、積載状態が「上限値間近」であると判定された場合の報知例を示している。制御部１０１は、学習モデルＬＭ１を用いて推定した積載重量に基づき、現在の積載状態が「上限値間近」であると判定した場合、表示装置１２０を例えば青色にて１秒間に５回点滅させる制御を実行する。この結果、表示装置１２０はゆっくりとした点滅状態から早い点滅状態に遷移する。作業者は、表示装置１２０における表示態様（この場合、青色で早く点滅）を確認することにより、現在の積載状態が「上限値間近」であると把握することができる。

図２２Ｃは、積載状態が「積み込みストップ」であると判定された場合の報知例を示している。制御部１０１は、学習モデルＬＭ１を用いて推定した積載重量に基づき、現在の積載状態が「積み込みストップ」であると判定した場合、表示装置１２０を例えば青色で点灯させる制御を実行する。この結果、表示装置１２０は、青色の点滅状態から点灯状態に遷移する。作業者は、表示装置１２０における表示態様（この場合、青色で点灯）を確認することにより、現在の積載状態が「積み込みストップ」であると把握することができる。

図２２Ｄは、積載状態が「過積載」であると判定された場合の報知例を示している。制御部１０１は、学習モデルＬＭ１を用いて推定した積載重量に基づき、現在の積載重量が「過積載」であると判定した場合、表示装置１２０を例えば赤色で点滅させる制御を実行する。この結果、表示装置１２０は、青色の点灯状態から赤色の点滅状態に遷移する。作業者は、表示装置１２０における表示態様（この場合、赤色で点滅）を確認することにより、現在の積載状態が「過積載」であると把握することができる。

以上のように、本実施の形態では、表示装置１２０における表示態様を異ならせることによって、荷箱４における現在の積載状態を作業者に報知することができる。

本実施の形態では、一例として、表示装置１２０をフロントパネル４１の後面側の上部に設けた構成について説明したが、表示装置１２０の設置場所は図２２に示した場所に限定されるものではなく、作業者が視認できる場所であれば任意の設置場所に設置してもよい。例えば、表示装置１２０は、フロントパネル４１の側面部に設置されてもよく、フロントパネル４１以外のサイドパネル４２やリアパネル４３に設置されてもよい。また、表示装置１２０は、運転席の近傍に設置されてもよい。更に、作業者が所持する携帯端末に通信により報知する構成としてもよい。

また、本実施の形態では、色及び点灯・点滅状態を変更することによって表示装置１２０における表示態様を積載状態に応じて異ならせる構成としたが、積載状態に応じた文字又は図形を表示装置１２０に表示させてもよい。また、表示装置１２０による表示だけでなく、音や音声によって積載状態を報知してもよい。

（実施の形態７）
実施の形態７では、自車両の状態を検知し、検知した自車両の状態に関する情報を報知する構成について説明する。

図２３は実施の形態７に係る特装車１の全体構成を示す側面図である。実施の形態７に係る特装車１は、上述した構成に加え、荷台の傾斜を計測する傾斜計８５、及び荷箱４の内部を撮像する撮像装置８６を備える。特装車１は、更に、自車両の現在位置を測位するＧＰＳ（Global Positioning System）受信機８７を備えてもよい。

傾斜計８５は、荷箱４の適宜箇所に取り付けられ、荷箱４の前後方向の傾斜（ピッチ）を時系列的に計測し、計測した傾斜に係る計測データを推定装置１００へ出力する。傾斜計８５は、荷箱の前後方向の傾斜（ピッチ）に加え、左右方向の傾斜（ロール）を時系列的に計測してもよい。

撮像装置８６は、例えばフロントパネル４１の上部から斜め下後方の範囲を撮像するように設置され、荷箱４の内部を時系列的に撮像する。撮像装置８６は、例えばＣＭＯＳ（Complementary Metal Oxide Semiconductor）などの固体撮像素子を備え、固体撮像素子より得られるデジタル形式の画像データを推定装置１００へ出力する。撮像装置８６は、ステレオカメラや距離画像センサなどの距離情報を取得できるものがより好ましい。

ＧＰＳ受信機８７は、ＧＰＳ衛星（不図示）から送信される電波を受信し、特装車１の現在位置を時系列的に測位する。ＧＰＳ受信機８７は、特装車１の現在位置に係る位置情報を推定装置１００へ出力する。

図２４は実施の形態７における推定装置１００が実行する処理の手順を説明するフローチャートである。推定装置１００の制御部１０１は、入力部１０４を通じて、傾斜計８５から出力される計測データを取得した場合（ステップＳ７０１）、取得した計測データに基づき荷箱４の状態を判定する（ステップＳ７０２）。このとき、制御部１０１は、荷箱４がシャシフレーム２１に対して傾斜した状態（リフトアップした状態）であるか否かを判定してもよい。また、制御部１０１は、荷箱４の状態として、傾斜角から荷箱４の最上位の高さ（車両高さ）を算出してもよい。

制御部１０１は、ステップＳ７０２において判定した荷箱４の状態を報知する（ステップＳ７０３）。図２５は荷箱４の状態の報知例を示す模式図である。制御部１０１は、ダンプの状態を示す文字や図形を出力部１０５より表示装置１２０へ出力することにより、ダンプの状態を報知することができる。図２５Ａはダンプ中である旨を文字情報として表示装置１２０に表示させた状態を示している。図２５Ｂは荷箱４の最上位の高さが４．８ｍに達していることを表示装置１２０に模式的に表示させた状態を示している。また、制御部１０１は、算出した荷箱４の最上位の高さが設定値を超える場合、アラートを出力してもよい。

制御部１０１は、入力部１０４を通じて、撮像装置８６から出力される画像データを取得した場合（ステップＳ７０４）、取得した画像データに基づき荷箱４における積載状態を判定する（ステップＳ７０５）。制御部１０１は、例えば、荷箱４の内部が撮像された画像データの入力に応じて、積載状態に関する情報を出力するように構成された学習モデルＬＭ２（図２６を参照）を用いて、積載状態を判定することができる。

図２６は実施の形態７における学習モデルＬＭ２の構成を説明する模式図である。実施の形態７における学習モデルＬＭ２は、例えば、ＣＮＮ（Convolutional Neural Networks）による学習モデルであり、入力層、中間層及び出力層を備える。学習モデルＬＭ２は、荷箱４の内部を撮像して得られる画像データの入力に対して、例えば積載物の高さに関する情報を出力するように予め学習される。

入力層には、荷箱４の内部を撮像して得られる撮像装置８６からの画像データが入力される。入力層に入力された画像データは、入力層を構成するノードを通じて中間層へ送出される。

中間層は、例えば、畳み込み層、プーリング層、及び全結合層により構成される。畳み込み層及びプーリング層は交互に複数設けられてもよい。畳み込み層及びプーリング層は、各層のノードを用いた演算によって、入力層を通じて入力される画像の特徴を抽出する。全結合層は、畳み込み層及びプーリング層によって特徴部分が抽出されたデータを１つのノードに結合し、活性化関数によって変換された特徴変数を出力する。特徴変数は、全結合層を通じて出力層へ出力される。

出力層は、１つ又は複数のノードを備える。出力層は、中間層の全結合層から入力される特徴変数を基に、ソフトマックス関数を用いて確率に変換し、積載物の高さに関する推定結果を出力する。出力層による推定結果の出力形態は任意である。例えば、出力層を第１ノードから第ｎノードまでのｎ個のノードで構成し、第１ノードから積載物の高さが上限値を超えている確率、第２ノードから積載物の高さが上限値に達している確率、第３ノードから積載物の高さが上限値の９０％である確率、第４ノードから積載物の高さが上限値の８０％である確率、…といったように、出力層を構成する各ノードから積載物の高さに関する確率を出力すればよい。出力層を構成するノードの数、及び各ノードから出力する内容は、上記に限定されるものではなく、適宜設計することが可能である。

推定装置１００は、撮像装置８６により撮像された画像データと、画像データを撮像したときの積載物の高さのデータ（例えば実測値）とを多数収集し、収集した画像データと高さのデータとを訓練データに用いて学習することにより、図２６に示すような学習モデルＬＭ２を生成することができる。また、推定装置１００にて学習モデルＬＭ２を生成する構成に代えて、外部サーバにて学習モデルＬＭ２を生成し、学習済みの学習モデルＬＭ２を外部サーバから取得する構成としてもよい。推定装置１００は、自装置にて生成した学習モデルＬＭ２又は外部サーバから取得した学習モデルＬＭ２を記憶部１０２に記憶させる。

推定装置１００の制御部１０１は、図２６に示すフローチャートのステップＳ７０４において撮像装置８６から出力される画像データを取得した場合、取得した画像データを学習モデルＬＭ２に入力し、学習モデルＬＭ２を用いた演算を実行する。制御部１０１は、学習モデルＬＭ２による演算結果を参照し、積載状態（この例では積載物の高さ）を判定する。このとき、制御部１０１は、出力層の各ノードから出力される確率のうち、最も確率が高い状態を選択することにより、荷箱４における積載状態を判定することができる。

制御部１０１は、ステップＳ７０５において判定した荷箱４の積載状態を報知する（ステップＳ７０６）。図２７は荷箱４の積載状態の報知例を示す模式図である。制御部１０１は、積載物の高さを示す文字情報を出力部１０５より表示装置１２０へ出力することにより、積載状態を報知することができる。図２７の例は積載物の高さが上限値を超えている旨の文字情報を表示装置１２０に表示させた状態を示している。

以上のように、本実施の形態では、特装車１の状態を検知し、検知した特装車１の状態を乗員に報知することができる。

なお、図２４に示すフローチャートでは、荷箱４の状態の判定及び報知を実行した後に、積載状態の判定及び報知を実行する手順としたが、これらの実行順序は任意に設定してもよい。また、荷箱４の状態の判定及び報知、および、積載状態の判定及び報知の何れか一方のみを実行してもよい。

また、本実施の形態では、特装車１の状態として、荷箱４の状態及び荷箱４における積載物の状態を検知し、検知結果を報知する構成について説明したが、傾斜計８２により計測される特装車１の傾斜（ロール及びピッチ）及び傾斜に対する上限値を報知してもよい。

また、本実施の形態では、特装車１の状態を表示装置１２０に表示させる構成としたが、外部の管理サーバへ通知してもよい。このとき、特装車１を識別する識別子、及びＧＰＳ受信機８７により測位される特装車１の位置情報を付加し、特装車１毎に位置情報及び特装車１の状態を管理サーバに管理させてもよい。また、表示装置１２０は、荷箱４の視認可能な部位に設けるものに限らず、作業者が所持しているスマートフォン等の携帯端末であってもよい。

また、本実施の形態では、学習モデルＬＭ２を用いて積載物の高さを推定する構成としたが、撮像装置８６より得られる画像を解析し、画像内で積載物の高さ位置を特定することによって積載物の高さを推定する構成としてもよい。

今回開示された実施形態は、全ての点において例示であって、制限的なものではないと考えられるべきである。本発明の範囲は、上述した意味ではなく、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範囲内での全ての変更が含まれることが意図される。

例えば、本実施の形態では、特装車１として、積載重量を推定する推定装置１００と、推定装置１００が推定した積載重量に関する情報を報知する表示装置１２０と、ダンプ装置３とを備えるダンプトラックを例に挙げて説明したが、本発明はダンプトラックに限らず、種々の特装車に適用可能である。例えば、塵芥車、ミキサ車、タンクローリ、吸引車、コンテナ脱着車等の特装車に適用できる。

また、実施の形態１～７では、特装車１が推定装置１００を備える構成としたが、推定装置１００は、特装車１の外部に設けられるコンピュータであってもよい。例えば、当該コンピュータは、特装車１に搭載される制御装置と通信可能に接続されるサーバ装置であってもよい。この場合、推定装置１００は、特装車１に搭載される制御装置から歪量、油圧値、傾斜角度、温度などの計測データを通信により取得し、取得した計測データを学習モデルＬＭ１等に入力することによって、特装車１における積載重量を推定してもよい。

１ 特装車
２ トラックシャシ
３ ダンプ装置
４ 荷箱
５ ホイスト機構
２０ キャブ
２１ シャシフレーム
２２Ｆ 前輪
２２Ｒ 後輪
２３Ｆ，２３Ｒ 車軸
３０ サブフレーム
８１ 歪センサ
８２ 傾斜計
８３ 温度計
８４ 圧力計
８５ 傾斜計
８６ 撮像装置
８７ ＧＰＳ受信機
１００ 推定装置
１０１ 制御部
１０２ 記憶部
１０３ 操作部
１０４ 入力部
１０５ 出力部
１０６ 通信部
ＰＧ１ 学習プログラム
ＰＧ２ 推定プログラム
ＴＢ１ 計測値テーブル
ＬＭ１，ＬＭ２ 学習モデル

Claims (8)

1. 荷箱を昇降させるための油圧アクチュエータを備える特装車に関して、前記油圧アクチュエータに作用する油圧の大きさを計測する圧力計から、前記油圧の大きさに係る計測データを取得する取得部と、
   前記荷箱が上昇後に停止した第１停止状態と、前記荷箱が下降後に停止した第２停止状態とを区別して特定する特定部と、
   該特定部が特定した停止状態に応じて、前記第１停止状態にて計測された油圧の大きさを含む計測データを入力した場合、積載重量についての演算結果を出力するよう構成される第１学習モデル、および、前記第２停止状態にて計測された油圧の大きさを含む計測データを入力した場合、積載重量についての演算結果を出力するよう構成される第２学習モデルの何れか一方を選択的に用いて、前記荷箱における積載重量を推定する推定部と、
   該推定部が推定した積載重量に関する情報を報知する報知部と
   を備える特装車の積載重量推定システム。
2. 積載重量の推定指示が与えられた場合、前記荷箱が上昇した後に停止するよう前記油圧アクチュエータの動作を制御する制御部を備え、
   前記制御部の制御により前記荷箱が上昇後に停止した場合、前記推定部は、前記取得部が取得した計測データを前記第１学習モデルに入力することによって、前記荷箱における積載重量を推定する
   請求項１に記載の特装車の積載重量推定システム。
3. 前記第１学習モデル及び前記第２学習モデルへの入力は、前記特装車の傾斜角度、歪み、及び温度の少なくとも１つを更に含む
   請求項１に記載の特装車の積載重量推定システム。
4. 前記推定部による推定結果を個々の特装車に応じて校正する校正部
   を備える請求項１に記載の特装車の積載重量推定システム。
5. 前記推定部により推定された積載重量に応じて、前記特装車における積載物の積載状態を判定する判定部
   を備え、
   前記報知部は、前記判定部の判定結果に応じた態様にて前記積載状態を報知する
   請求項１に記載の特装車の積載重量推定システム。
6. 前記報知部は、前記積載物が積載される荷箱の視認可能な部位に設けられる表示装置を含み、前記判定結果に応じた表示態様にて前記積載状態を前記表示装置に表示する
   請求項５に記載の特装車の積載重量推定システム。
7. 自車両の状態を検知する状態検知部
   を備え、
   前記報知部は、前記状態検知部が検知した状態に関する情報を報知する
   請求項１に記載の特装車の積載重量推定システム。
8. 前記状態検知部が検知する状態は、積載物が積載される荷箱の状態、及び前記積載物の積載状態の少なくとも１つを含む
   請求項７に記載の特装車の積載重量推定システム。