図面 (/)

技術 情報管理装置および情報管理方法

出願人 オムロン株式会社
発明者 江上慎笠井一希谷口晴香今林知柔佐久間淳北村栄造加藤重之與茂泰秀
出願日 2018年9月10日 (2年3ヶ月経過) 出願番号 2018-168836
公開日 2020年3月19日 (9ヶ月経過) 公開番号 2020-042490
状態 拒絶査定
技術分野
  • -
主要キーワード ニューロチップ 共用物 所定動 足のせ 識別計算 ソフトマージン 多層ニューラルネットワーク 認識対象データ
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2020年3月19日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (9)

課題

カーシェアリング等に提供した車両において利用者の行った不正行為等に基づいて、当該利用者への車両の貸出を制限する。

解決手段

車両CRに設置されたセンサからセンサデータを受信する受信装置10と、受信装置が受信したセンサデータを利用者と対応付けて利用者の行為に関するデータとして記憶する利用実績記録装置データ蓄積部20)と、利用実績記録装置が記録した利用者の行為に関するデータから利用者の不正行為を分類する分類装置30と、分類装置が分類した不正行為の種類に基づいて利用者を対応付け、成績と所定の貸出基準に基づいて、利用者による車両の利用可否を判断する制御装置60と、を備える情報管理装置100を提供する。

概要

背景

従来から、カーシェアリングシステムなどの共用物を管理する技術が提案されている。例えば、特許文献1は、車内を監視することが可能なカーシェアリングシステムにおける車内監視システム等を開示する。この車内監視システムは、利用者からの予約に応じて車両を管理し、認証処理を行って、利用者への車両の貸出および返却を行うとともに、車両内撮影を行って車両内を監視するカーシェアリングシステムにおける車内監視システムである。この車内監視システムは、車両において利用者による車両利用後の認証処理が完了したかを監視する認証処理監視手段と、認証処理監視手段における車両利用の認証処理が完了したとの監視結果を受けて、車両内の撮影を行う撮影手段と、撮影手段により撮影された画像情報を管理者に通知する通知手段とを有する。

また、貸し出した車両において行った利用者の行為に基づいて車両の利用を制限する技術が提案されている。たとえば、特許文献2は、素行の悪い利用者に対して車両の利用を制限するとともに、優良な利用者に対して車両を制限することなく利用させる情報管理装置を開示する。この情報管理装置は、車両の貸し出しをおこなう貸車ステムに用いられる。情報管理装置は、格納部と、識別情報取得部と、抽出部と、出力部と、を備えて構成される。格納部は、利用者を識別する識別情報に対応し、車両の貸し出しの可否に関する情報を予め格納する。識別情報取得部は、利用者の識別情報を取得する。抽出部は、識別情報取得部によって取得された識別情報を用いて、格納部に格納されている当該識別情報に対応する可否情報を抽出する。出力部は、抽出部によって抽出された可否情報を出力する。

また、画像などのデータから対象物を検出する識別器として多層ニューラルネットワークを用いたディープラーニングや、教師データを用いて学習させることによって性能を向上させる技術が提案されている。たとえば、特許文献3は、ニューラルネットワークを用いたパターン認識における最適な認識カテゴリ毎の学習データの自動選択と最適な特徴量の選択の実現によって認識時間学習時間、及び認識性能の向上を実現させ、また、環境の変化に起因する認識性能の低下を防止する学習支援装置等を開示する。この学習支援装置等は、特徴量演算部と、統計解析部と、ニューラルネットワーク部と備える。特徴量演算部は、各画像データに対し、特徴量を演算する。統計解析部は、各画像データに対応する特徴量の各組に対して、クラスタ分析を実行することによって、上記各特徴量の組を、画像データの各カテゴリに対応する複数のクラスタ分類し、分類された各クラスタを代表する特徴量の組を、学習データとして選択する。これらの特徴量の組は、正規化部で正規化された後、ニューラルネットワーク部の学習に使用される。

また、映像から動作の特徴ベクトルを得ることにより動作を検出する技術が提案されている。たとえば、特許文献4は、映像を解析することにより、映像の中で頻繁に現れる特徴的な特定動作を、高速かつ正確に検出する特定動作検出装置を開示する。この特定動作検出装置では、特定動作テンプレート作成部には、特定動作の特徴ベクトルがテンプレートとして予め記憶されている。特徴量計算部は、映像から特徴ベクトルを計算し、識別計算部は、特徴量計算部により計算された特徴ベクトルと、特定動作テンプレート作成部により記憶された特徴ベクトルとを比較し、特定動作を識別する。この特徴ベクトルは、フレーム番号、動き方位番号及びブロック番号による要素、すなわち、所定フレーム所定ブロック内に存在する所定動方位画素数を要素にしたベクトルである。動き方位に着目した特徴ベクトルのマッチング処理を、予め記憶した特定動作の特徴ベクトルと、計算した特徴ベクトルとの間で行うから、映像の中から特定動作を検出することができる。

また、学習用画像データの特徴量を用いて行動を認識する技術が提案されている。たとえば、特許文献5は、複雑で多様な人物の行動を認識するとともに、行動認識の精度の向上を図ることができる行動認識システムを開示する。この行動認識システムは、行動認識の対象となる人物を含む認識対象画像データを用いて、認識対象データを生成する認識対象データ生成部と、人物の行動をモデル化したデータである複数の行動モデルデータと認識対象データ生成部によって生成された認識対象データとを比較し、複数の行動モデルデータのそれぞれに対する認識対象データの尤度を算出する尤度算出部と、予め生成された対象物のテンプレートデータと認識対象画像データとを比較する画像マッチング部と、尤度算出部による算出結果及び画像マッチング部によるマッチング結果に基づいて、認識結果とする人物の行動を特定する認識結果判定部とを備える。

概要

カーシェアリング等に提供した車両において利用者の行った不正行為等に基づいて、当該利用者への車両の貸出を制限する。車両CRに設置されたセンサからセンサデータを受信する受信装置10と、受信装置が受信したセンサデータを利用者と対応付けて利用者の行為に関するデータとして記憶する利用実績記録装置データ蓄積部20)と、利用実績記録装置が記録した利用者の行為に関するデータから利用者の不正行為を分類する分類装置30と、分類装置が分類した不正行為の種類に基づいて利用者を対応付け、成績と所定の貸出基準に基づいて、利用者による車両の利用可否を判断する制御装置60と、を備える情報管理装置100を提供する。

目的

本発明は、かかる事情を鑑みて考案されたものであり、カーシェアリングやレンタカーに提供した車両において利用者の行った破損や喫煙などの不正行為等に基づいて、当該利用者への車両の貸出を制限することのできる情報管理装置および情報管理方法を提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

該当するデータがありません

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

複数の利用者共同利用する車両の貸し出しを行うカーシェアリングシステムに用いられる情報管理装置であって、車両に設置されたセンサからセンサデータを受信する受信装置と、前記受信装置が受信した前記センサデータを利用者と対応付けて利用者の行為に関するデータとして記憶する利用実績記録装置と、前記利用実績記録装置が記録した前記利用者の行為に関するデータから利用者の不正行為を分類する分類装置と、前記分類装置が分類した前記不正行為の種類に基づいて利用者の成績を付け、前記成績と所定の貸出基準に基づいて、利用者による車両の利用可否を判断する制御装置と、を備える情報管理装置。

請求項2

前記所定の貸出基準は、車両の所有者ごとに設定されることを特徴とする請求項1に記載の情報管理装置。

請求項3

車両の提供者が操作する提供者端末との通信を行う端末通信装置を備え、前記制御装置は、前記端末通信装置で受信する前記提供者端末からの情報に応じて、前記利用者の行為に関するデータの送信および前記成績の変更を許可することを特徴とする請求項1または2に記載の情報管理装置。

請求項4

前記制御装置は、前記分類装置が行う分類の信頼度が低い前記利用者の行為に関するデータを前記提供者端末に送信することを特徴とする請求項3に記載の情報管理装置。

請求項5

前記分類装置を学習させる学習装置をさらに備え、前記学習装置は、前記提供者端末から送信される前記車両の提供者が前記利用者の行為に関するデータに対して付与する不正行為のラベルを受信し、前記不正行為のラベルを教師データとして用いて前記分類装置を学習させることを特徴とする請求項3または4に記載の情報管理装置。

請求項6

複数の利用者が共同利用する車両の貸し出しを行うカーシェアリングシステムに用いられる情報管理方法であって、車両に設置されたセンサからセンサデータを受信し、受信したセンサデータを利用者と対応付けて利用者の行為に関するデータとして記憶し、前記利用者の行為に関するデータから利用者の不正行為を分類し、前記不正行為の種類に基づいて利用者の成績を付け、前記成績と所定の貸出基準に基づいて、利用者による車両の利用可否を判断する、情報管理方法。

技術分野

0001

本発明は、共同利用する車両の貸し出しについての情報管理装置および情報管理方法に関する。

背景技術

0002

従来から、カーシェアリングシステムなどの共用物を管理する技術が提案されている。例えば、特許文献1は、車内を監視することが可能なカーシェアリングシステムにおける車内監視システム等を開示する。この車内監視システムは、利用者からの予約に応じて車両を管理し、認証処理を行って、利用者への車両の貸出および返却を行うとともに、車両内撮影を行って車両内を監視するカーシェアリングシステムにおける車内監視システムである。この車内監視システムは、車両において利用者による車両利用後の認証処理が完了したかを監視する認証処理監視手段と、認証処理監視手段における車両利用の認証処理が完了したとの監視結果を受けて、車両内の撮影を行う撮影手段と、撮影手段により撮影された画像情報を管理者に通知する通知手段とを有する。

0003

また、貸し出した車両において行った利用者の行為に基づいて車両の利用を制限する技術が提案されている。たとえば、特許文献2は、素行の悪い利用者に対して車両の利用を制限するとともに、優良な利用者に対して車両を制限することなく利用させる情報管理装置を開示する。この情報管理装置は、車両の貸し出しをおこなう貸車ステムに用いられる。情報管理装置は、格納部と、識別情報取得部と、抽出部と、出力部と、を備えて構成される。格納部は、利用者を識別する識別情報に対応し、車両の貸し出しの可否に関する情報を予め格納する。識別情報取得部は、利用者の識別情報を取得する。抽出部は、識別情報取得部によって取得された識別情報を用いて、格納部に格納されている当該識別情報に対応する可否情報を抽出する。出力部は、抽出部によって抽出された可否情報を出力する。

0004

また、画像などのデータから対象物を検出する識別器として多層ニューラルネットワークを用いたディープラーニングや、教師データを用いて学習させることによって性能を向上させる技術が提案されている。たとえば、特許文献3は、ニューラルネットワークを用いたパターン認識における最適な認識カテゴリ毎の学習データの自動選択と最適な特徴量の選択の実現によって認識時間学習時間、及び認識性能の向上を実現させ、また、環境の変化に起因する認識性能の低下を防止する学習支援装置等を開示する。この学習支援装置等は、特徴量演算部と、統計解析部と、ニューラルネットワーク部と備える。特徴量演算部は、各画像データに対し、特徴量を演算する。統計解析部は、各画像データに対応する特徴量の各組に対して、クラスタ分析を実行することによって、上記各特徴量の組を、画像データの各カテゴリに対応する複数のクラスタ分類し、分類された各クラスタを代表する特徴量の組を、学習データとして選択する。これらの特徴量の組は、正規化部で正規化された後、ニューラルネットワーク部の学習に使用される。

0005

また、映像から動作の特徴ベクトルを得ることにより動作を検出する技術が提案されている。たとえば、特許文献4は、映像を解析することにより、映像の中で頻繁に現れる特徴的な特定動作を、高速かつ正確に検出する特定動作検出装置を開示する。この特定動作検出装置では、特定動作テンプレート作成部には、特定動作の特徴ベクトルがテンプレートとして予め記憶されている。特徴量計算部は、映像から特徴ベクトルを計算し、識別計算部は、特徴量計算部により計算された特徴ベクトルと、特定動作テンプレート作成部により記憶された特徴ベクトルとを比較し、特定動作を識別する。この特徴ベクトルは、フレーム番号、動き方位番号及びブロック番号による要素、すなわち、所定フレーム所定ブロック内に存在する所定動方位画素数を要素にしたベクトルである。動き方位に着目した特徴ベクトルのマッチング処理を、予め記憶した特定動作の特徴ベクトルと、計算した特徴ベクトルとの間で行うから、映像の中から特定動作を検出することができる。

0006

また、学習用画像データの特徴量を用いて行動を認識する技術が提案されている。たとえば、特許文献5は、複雑で多様な人物の行動を認識するとともに、行動認識の精度の向上を図ることができる行動認識システムを開示する。この行動認識システムは、行動認識の対象となる人物を含む認識対象画像データを用いて、認識対象データを生成する認識対象データ生成部と、人物の行動をモデル化したデータである複数の行動モデルデータと認識対象データ生成部によって生成された認識対象データとを比較し、複数の行動モデルデータのそれぞれに対する認識対象データの尤度を算出する尤度算出部と、予め生成された対象物のテンプレートデータと認識対象画像データとを比較する画像マッチング部と、尤度算出部による算出結果及び画像マッチング部によるマッチング結果に基づいて、認識結果とする人物の行動を特定する認識結果判定部とを備える。

先行技術

0007

特開2012−043042号公報
特開2009−271632号公報
特開平09−330406号公報
特開2010−267029号公報
特開2007−213528号公報

発明が解決しようとする課題

0008

近年、カーシェアリングニーズが高まっている。一方、車両をカーシェアリングに提供する車両の提供者(車両の所有者およびカーシェアリングシステムを提供している企業や団体で働いている人たちを含む)にとって、自分の車がどのように使われることになるのか分からないため、見ず知らずの人に気軽に車をシェアできないという問題がある。そのため、車両の提供者が自分の車両をシェアカーとして提供するための阻害要因となっている。また、貸し出した車両に対して利用者が行う不正行為(貸出条件として行ってはならないとされた禁止行為)の許容範囲は、提供者によって異なる場合がある。

0009

本発明は、かかる事情を鑑みて考案されたものであり、カーシェアリングやレンタカーに提供した車両において利用者の行った破損や喫煙などの不正行為等に基づいて、当該利用者への車両の貸出を制限することのできる情報管理装置および情報管理方法を提供する。

課題を解決するための手段

0010

上記課題を解決するために、複数の利用者が共同利用する車両の貸し出しを行うカーシェアリングシステムに用いられる情報管理装置であって、車両に設置されたセンサからセンサデータを受信する受信装置と、受信装置が受信したセンサデータを利用者と対応付けて利用者の行為に関するデータとして記憶する利用実績記録装置と、利用実績記録装置が記録した利用者の行為に関するデータから利用者の不正行為を分類する分類装置と、分類装置が分類した不正行為の種類に基づいて利用者の成績を付け、成績と所定の貸出基準に基づいて、利用者による車両の利用可否を判断する制御装置と、を備える情報管理装置が提供される。
これによれば、カーシェアリング等に提供した車両において利用者の行った不正行為と貸出基準に基づいて、当該利用者への車両の貸出を制限する情報管理装置を提供できる。

0011

さらに、所定の貸出基準は、車両の所有者ごとに設定されることを特徴としてもよい。
これによれば、車両の貸出基準が一律の場合には所有者ごとに許容できる範囲は異なるので所有者によっては不快になる事があるが、所有者ごとに自身が満足できる貸出基準を設定できることで、所有者が不快になることを回避できる。

0012

さらに、車両の提供者が操作する提供者端末との通信を行う端末通信装置を備え、制御装置は、端末通信装置で受信する提供者端末からの情報に応じて、利用者の行為に関するデータの送信および成績の変更を許可することを特徴としてもよい。
これによれば、提供者が直接データを検査し、不正行為の有無を判断できるので、また機械の不正行為分類が誤っていても手動で成績を修正できるので、不正行為の正確な分類ができるようになる。

0013

さらに、制御装置は、分類装置が行う分類の信頼度が低い利用者の行為に関するデータを提供者端末に送信することを特徴としてもよい。
これによれば、分類があやしいデータを提供者に通知することによって、成績の見直しや分類装置の学習を促すことができる。

0014

さらに、分類装置を学習させる学習装置をさらに備え、学習装置は、提供者端末から送信される車両の提供者が利用者の行為に関するデータに対して付与する不正行為のラベルを受信し、不正行為のラベルを教師データとして用いて分類装置を学習させることを特徴としてもよい。
これによれば、提供者によって分類装置を学習させることで、分類装置の性能を向上させることができる。

0015

上記課題を解決するために、複数の利用者が共同利用する車両の貸し出しを行うカーシェアリングシステムに用いられる情報管理方法であって、車両に設置されたセンサからセンサデータを受信し、受信したセンサデータを利用者と対応付けて利用者の行為に関するデータとして記憶し、利用者の行為に関するデータから利用者の不正行為を分類し、不正行為の種類に基づいて利用者の成績を付け、成績と所定の貸出基準に基づいて、利用者による車両の利用可否を判断する情報管理方法が提供される。
これによれば、カーシェアリング等に提供した車両において利用者の行った不正行為等に基づいて、当該利用者への車両の貸出を制限する情報管理方法を提供できる。

発明の効果

0016

以上説明したように、本発明によれば、カーシェアリングやレンタカーに提供した車両において利用者の行った破損や喫煙などの不正行為等に基づいて、当該利用者への車両の貸出を制限する情報管理装置および情報管理方法を提供できる。

図面の簡単な説明

0017

本発明に係る第一実施例のカーシェアリングシステムのブロック構成図。
本発明に係る第一実施例の情報管理装置のブロック構成図。
本発明に係る第一実施例の分類装置および学習装置のブロック構成図。
本発明に係る第一実施例の分類装置および学習装置のブロック構成図(分類器に多層ニューラルネットワークを使用した場合)。
本発明に係る第一実施例のカーシェアリングシステムにおける車両の利用開始時のフローチャート
本発明に係る第一実施例のカーシェアリングシステムにおける車両の利用終了時のフローチャート。
本発明に係る不正行為と発生率に関する例。
本発明に係る第一実施例の分類装置の分類器に多層ニューラルネットワークを使用した場合における出力値ラベルデータの例。

実施例

0018

以下では、図面を参照しながら、本発明に係る実施例について説明する。

0019

<第一実施例>
図1乃至図4を参照し、本実施例における情報管理装置100を説明する。情報管理装置100は、複数の利用者が共同利用する車両CRの貸し出しを行うカーシェアリングシステム1に用いられる。カーシェアリングシステム1は、情報管理装置100と、車両CRと、車両CRの利用者が利用予約申請を行うときに操作する利用者端末TM2と、車両CRの利用者が利用予約の申請を行うときに利用者端末TM2と通信を行う車両貸出管理装置RTSと、車両CRの利用者が利用時に所持する電子キーEKと、車両CRの提供者が操作して情報管理装置100と通信を行う提供者端末TM1と、を備える。なお、本明細書におけるカーシェアリングとは、車両CRを所有している所有者が、所定の団体やコミュニティの中で車両CRを共同利用するために提供し、その団体やコミュニティ内の複数の利用者に貸し出すため、貸出の管理などを行うシステムを言う。

0020

提供者端末TM1と利用者端末TM2は、情報管理装置100や車両貸出管理装置RTSとインターネット公衆回線を介して通信を行う通信機能と共に、情報管理装置100や車両貸出管理装置RTSからの情報を表示する表示機能、提供者や利用者が情報を入力する入力機能、表示機能や入力機能を実現するための制御機能記憶機能を備える。提供者端末TM1と利用者端末TM2は、たとえば、パーソナルコンピュータスマートフォンである。たとえば、パーソナルコンピュータである場合、表示機能はディスプレイ、入力機能はキーボード、制御機能はCPU(Central Processing Unit)、記憶機能はメモリハードディスクである。

0021

車両貸出管理装置RTSは、利用者が利用者端末TM2を操作して車両CRの利用を申請する際にアクセスされる。車両貸出管理装置RTSは、利用申請時に、利用を希望する車両CR、利用する期間、返却場所などの情報を受け付けて、ネットワークを介して接続された情報管理装置100にこの利用申請を許可できるか否かを問い合わせる。なお、車両貸出管理装置RTSと情報管理装置100を接続するネットワークは、インターネットであってもよいし、専用回線であってもよい。車両貸出管理装置RTSは、情報管理装置100から許可される旨の情報を受信した場合には、利用可能な車両CRでの貸し出しのための予定を作成したり、利用者に対する費用処理を行い、その内容を利用者端末TM2に送信する。また、車両貸出管理装置RTSは、不許可の旨の情報を受信した場合には、希望した車両CRは貸し出すことができない旨を利用者端末TM2に送信する。車両貸出管理装置RTSは、多数の利用者端末TM2からアクセスされるので、パーソナルコンピュータより高性能な制御機能、記憶機能、通信機能を有するサーバであることが好ましい。

0022

車両CRは、車両管理システムCCを備える。車両管理システムCCは、情報管理装置100とネットワークを介して通信を行う車両側通信部CR1と、利用者の行為、行動、動作や、その結果として生じた状態などを検出するセンサである画像センサCR2と、車両CRの運転状態使用状態を監視する車両状態監視部CR3と、これらの制御を行う車両側制御部CR4と、電子キーEKと通信し認証を行う車両側認証部CR5と、エンジンの制御を行うエンジンECUCR6と、電源制御を行う電源ECUCR7と、ドア施解錠を制御するドアロックECUCR8と、を備える。

0023

車両側通信部CR1は、情報管理装置100と通信を行い、利用開始時に車両CRに対応した電子キーEKの識別コードを受信したり、利用終了時に画像センサCR2が検出した情報を送信したりする。なお、情報管理装置100と車両CRとの間のネットワークは、無線通信可能なネットワークであれば特に限定されない。

0024

画像センサCR2は、同乗者を含む車両CRの利用者の行為/行動/動作、およびその結果として生じた状態などを検出するセンサであり、典型的には監視カメラのような動画として検出するセンサであり、たとえば可視光赤外線撮像することのできるカメラである。画像センサCR2は、車両CRの車室内運転者同乗車を撮像できるように車両CRに設置される。画像センサCR2は、利用者の喫煙、飲食ダッシュボードへの足のせ、箱乗り運転中のマナー等の行為等、またゴミ放置等の行為等の結果として生じた状態など、車両CRを提供した提供者が望ましくないと考える行為等や状態を認識できる情報を検出し、記録できればよく、音声データも検出できることが好ましい。画像センサCR2は、運転者の生体信号バイタルサイン反射随意運動など)を検出できる機能を有し、運転者の緊張状態感情を取得できるものであってもよい。画像センサCR2は、必要以上の緊張状態での運転など、車両CRを提供した提供者が望ましくないと考える状態も検出できる。

0025

車両状態監視部CR3は、様々なセンサを用いて車両CRの状態を監視する。たとえば、車両状態監視部CR3に用いられるセンサは、加速操舵制動主制御系統に関連するセンサを含む、加速度センサ車速センサ操舵角センサ振動センサヨーレートセンサジャイロスコープ車間距離センサ、前方/後方カメラ、LIDAR、位置センサ(GPS:Global Positioning System)などである。車両状態監視部CR3は、このようなセンサから得られるデータに基づき、たとえば、急発進/急ブレーキ等の行為等、また極端に短い車間距離等の結果として生じた車両の状態など、車両CRを提供した提供者が望ましくないと考える行為等や車両の状態を認識できる情報を検出し、監視する。なお、本明細書では、画像センサCR2や車両状態監視部CR3が検出する利用者の行為/行動/動作、その結果として生じた状態、および車両の状態についての情報を利用者の行為に関するデータと言う。

0026

車両管理システムCCは、図示する、エンジンの制御を行うエンジンECUCR6、電源制御を行う電源ECUCR7、ドアの施解錠を制御するドアロックECUCR8以外にも、上記したような車両の状態を検出し制御を行う多数のECU(Electronic Control Unit)を備える。たとえば、ステアリング制御ECU、ブレーキ制御ECUなどである。

0027

車両側認証部CR5は、電子キーEKと通信を行い、車両CRを利用できる電子キーEKを適格に所持する者であることを認証する。認証できた場合、車両側認証部CR5は、ドアロックECUCR8にドアの解錠、電源ECUCR7に主電源オン、エンジンECUCR6にエンジンのスタータモータの回転を指示すると共に、車両側制御部CR4に車両側通信部CR1等の制御の開始を指示する。

0028

電子キーEKは、直接受け渡しできる場合には車両CRに固有車両キーFOB)でもよいし、利用者が事前登録したスマートフォンやICカードであってもよい。また、電子キーEKを用いず、利用者を特定できる指紋や顔を用いてもよい。この場合、車両側認証部CR5は、指紋認証顔認証を行う機能を有する。

0029

情報管理装置100は、図2に示すように、車両CRに設置されたセンサからセンサデータを受信する受信装置10と、受信装置10が受信したセンサデータを利用者と対応付けて、利用者の行為に関するデータとして記憶するデータ蓄積部20(利用実績記録装置)と、データ蓄積部20が記録した利用者の行為に関するデータから利用者の不正行為を分類する分類装置30と、分類装置30を学習させる学習装置70と、車両CRに関する情報およびその車両CRの提供者に関する情報を記録する車両データベース50と、車両CRに対して利用可能な電子キーEKの識別コードを送信する送信装置80と、これらの装置やデータベース等を全体的に制御すると共に、分類装置30が分類した不正行為の種類に基づいて利用者の成績を付け、成績と所定の貸出基準に基づいて利用者による車両の利用可否を判断する制御装置60と、を備える。

0030

受信装置10は、車両CRの車両側通信部CR1と、無線通信可能なネットワーク(たとえば、無線電話回線無線LANなど)に接続されたネットワークを介して通信を行うネットワークインターフェース機能を有する。さらに受信装置10は、これらのネットワークを介して提供者端末TM1と通信する端末通信装置の受信機能を備えても良い。なお、提供者端末TM1と通信する端末通信装置は専用の装置として別途、学習装置70などに設けてもよい。また、受信装置10は、これらのネットワークを介して、利用終了時などに車両CRに設置された上述した様々なセンサが検出したセンサデータを受信する。受信装置10は、車両貸出管理装置RTSとも通信を行い、車両CRの利用予約の申請に関する情報等(たとえば、利用者や利用する期間などの情報)を受信する。

0031

データ蓄積部20は、受信装置10が受信したセンサデータを利用者と対応付けて、車両CRの利用者の行為に関するデータとして記憶する。データ蓄積部20は、画像センサCR2が検出した画像データや、車両状態監視部CR3の加速度センサや操舵角センサなどが検出した急発進/急ブレーキなどの運転データと、利用者ID(会員番号運転免許証番号、氏名など)とをづけて記録する。画像データは、利用者(運転者および同乗者)の乗車中における様々な行い、たとえば車内カメラによる車内での喫煙、飲食、ゴミの放置だけでなく、車外カメラによる歩行者への接近や前方車両への接近(煽り運転)などの運転行為が判明する画像などを含むことが好ましい。データ蓄積部20は、このような、画像センサCR2や車両状態監視部CR3が検出した利用者の行為/行動/動作、その結果として生じた状態、および車両の状態についての情報を、利用者の利用実績として記録する。

0032

分類装置30は、データ蓄積部20が記録した利用者の行為に関するデータに基づき利用者の不正行為を分類する。分類装置30は、図3に示すように、データ蓄積部20から利用者の利用実績の情報を読み込むデータ入力部31と、データ入力部31が読み込んだ利用実績情報からその特徴量を演算する特徴量演算部32と、特徴量演算部32が算出した特徴量に基づき不正行為を分類する分類器33とを備える。特徴量演算部32は、たとえばデータが画像データの場合、画像中の物体全体の輝度分布(Wavelet)や、物体の局所の特徴量であるHaar−like特徴量、HOG特徴量、EOH特徴量などを算出する。複数の特徴量を使用しても良い。また、眼口の特徴点、手の指の特徴点、これらの時系列的変化の特徴点を抽出しても良い。また、必要に応じ前処理としてノイズ除去や正規化などを行っても良い。さらに、特徴量演算部32を用いずに、画像データの各画素の値(明度色情報)などを直接、分類器33へ入力するような構成としても良い。

0033

分類器33は、入力された特徴量が予めラベル付けされた不正行為の内どの不正行為に該当するかを分類する。分類器33は、入力されたデータ(画像、動画、音声データなど)を決められたカテゴリ(クラス)に分けることができる分類手法を利用する分類器であれば良い。分類器33は、機械学習できる分類器が望ましい。分類器33は、図4に示すように、多層ニューラルネットワーク33であってもよい。多層ニューラルネットワーク33は、算出された特徴量を予め深層学習(ディープラーニング)などにより学習されたノード構成ノード間の結合重みにより構成されている入力層/複数の中間層/出力層から成る。

0034

より具体的には、多層ニューラルネットワーク33は、ラベル付けされた不正行為の種類と同じ数またはそれ以上の出力ノードを有する。たとえば、分類すべき不正行為が、図7に示すように、喫煙、ゴミ放置、飲食、足のせ、通話、煽り運転の6つあった場合、出力層には、これらの不正行為に対応する出力ノードを有する。入力された特徴量が、図8に示すような喫煙にも飲食にも該当すると識別されるが喫煙の可能性が高い場合には、出力は、(喫煙:ゴミ放置:飲食:足のせ:通話:煽り運転)=(0.8:0:0.2:0:0:0)のように出力する。

0035

たとえば、利用者の口に手が近づいていて、手が何か物を持っている画像を「飲食」というラベルを付けて学習させ、同様に、利用者の口に手が近づいていて、口元で光が明滅する画像を「喫煙」というラベルを付けて学習しておく。これらと類似の画像が入力されると、「飲食」または「喫煙」の出力値が大きく出力される。なお、提供者が新たな不正行為を追加する場合には、多層ニューラルネットワーク33は、出力層の出力ノードが追加され、それに伴い、複数の中間層におけるノード構成やノード間の結合重みが再学習されて構築される。

0036

なお、分類装置30は、多層ニューラルネットワーク33による分類方法に限定されない。たとえば、サポートベクターマシンロジスティック回帰ランダムフォレストブースティングなどのように、学習データを利用して学習できるものが望ましい。また、分類器33は複数を組み合わせて用いても良い。また、多層ニューラルネットワーク33に畳み込みニューラルネットワークを用いても良い。畳み込みニューラルネットワークを用いる場合には、特徴量演算部32を用いずに、画像の画素データを直接、畳み込みニューラルネットワークの入力層に入力する。畳み込みニューラルネットワークの入力層の次の層として畳み込み層とプーリング層が設けられており、これらの層が特徴量の抽出を実行する。また、たとえば、テンプレートとのマッチングによって分類する方法を用いる場合には、不正行為ごとにテンプレートを作成しておき、同じラベルのテンプレートの平均値を用いて、被分類対象とマッチングを行っても良い。また、すべてのテンプレートと順次マッチングさせても良い。提供者がデータにラベルを付けて学習させる時にはテンプレートが増加する。分類装置30は、上述したように、データ蓄積部20から入力された画像データなどのデータを分類して、制御装置60に出力する。

0037

制御装置60は、データベースを含む情報管理装置100の全体的な制御を行う。制御装置60は、受信装置10、送信装置80、データ蓄積部20、分類装置30、学習装置70、利用者データベース40、車両データベース50と相互通信を行って協調させながら、車両CRから取得したデータに基づいて、利用者の不正行為を分類させる。さらに、制御装置60(成績付与部62)は、分類された不正行為に基づいて、利用者の成績を定めることも行う。また、制御装置60は、提供者端末TM1からの情報に基づいて、受信装置10、送信装置80、データ蓄積部20、分類装置30、学習装置70、利用者データベース40、車両データベース50に対してさまざまな制御を行う。なお、端末通信装置は、受信装置10と送信装置80の機能を含むものであってもよいし、後述する学習データ入力部71に設けられてもよい。

0038

制御装置60(成績付与部62)は、分類装置30が出力した分類結果に基づいて利用者の成績を作成して利用者データベース40に格納する。利用者の成績は、利用者が行った不正行為の種類そのものや、不正行為の種類ごとに付与されている点数の合計や、後述する発生率などである。利用者データベース40は、利用者の成績を記録する(成績記録装置)。利用者データベース40は、図7に示すように、利用者(利用者ID)ごとに不正行為ごとの発生率を蓄積する。発生率は、発生率=不正行為の回数÷車両貸出回数の式で計算して求められる。たとえば、本図では、この利用者においては、不正行為の喫煙が貸出毎に行われており、足のせは貸出2回に1回の割合で行われていることを示している。また、利用者データベース40は、データ蓄積部20の当該データへのリンクを含んでいてもよい。

0039

制御装置60は、車両CRに関する情報およびその提供者に関する情報を車両データベース50に書き込んだり、逆に車両データベース50から読み出す等の制御も行う。車両データベース50は、車両CRの提供者に関する情報として提供者ごとの貸出基準を含んで記録する。提供者ごとの貸出基準は、所定の不正行為に対する許容度である。たとえば、ゴミ放置や運転中通話の不正行為の発生率が50%未満では貸し出しを許可するが、50%以上では貸し出しを禁止する、また、喫煙や煽り運転の不正行為の発生率は、1回の発生を以って貸し出しを禁止するなどの如くである。発生率などを用いずに、その利用者が行った不正行為の種類を列挙して車両データベース50に記録するようにしても良い。そして、所定の不正行為が記録されていれば、貸し出しを禁止するようにしてもよい。

0040

制御装置60は、情報管理装置100の全体的な制御を行うと共に、内部に判断部61と成績付与部62を備える。判断部61は、利用者データベース40が記録した利用者の成績と車両データベース50が有する貸出基準に基づいて、利用者による車両CRの利用可否を判断する。これによれば、カーシェアリングに提供した車両CRにおいて利用者の行った不正行為と提供者自ら定めた貸出基準に基づいて、当該利用者への車両CRの貸出を制限することができる。貸出基準は、カーシェアリングシステム1を提供している企業として一律であってもよいが、車両を提供している所有者ごとに貸出基準を設定するようにしても良い。車両を提供している所有者ごとに許容できる範囲は異なることも有るので、ある所有者にとっては問題がない行為であっても他の所有者にとっては不快になる事がある。所有者ごとに自身が満足できる貸出基準を設定できることで、所有者が不快になることを回避できる。

0041

判断部61が、利用申請した利用者が車両CRの貸出基準を満たし、貸出を許可した場合には、制御装置60は送信装置80を制御し、車両貸出管理装置RTSに対して利用予約の許可する旨を送信し、許可されなかった場合には許可しない旨を送信する。また、制御装置60は送信装置80を制御し、貸出を許可された場合であって利用者が実際に車両CRを利用する時には、車両CRに対して利用可能な電子キーEKの識別コードを送信する。これにより、利用者は、車両CRを利用申請通りに利用を開始できる。

0042

制御装置60は、端末との通信を行う端末通信装置としての受信装置10および送信装置80を介して、車両CRの提供者が操作する提供者端末TM1と通信を行い、提供者端末TM1からの命令に応じて、データ蓄積部20に蓄積されたデータの送信や利用者データベース40に蓄積された利用者の成績の変更を許可する。なお、端末通信装置は専用の装置として設けられるようにしても良い。データの送信は、提供者等からの要求があった場合に送信してもよいし、自動で送信してもよい。なお、送信の時には動画では情報量が多すぎるので、ダイジェストや判定に利用した時のデータに絞って送信してもよい。データ蓄積部20に蓄積されたデータの提供者端末TM1への送信は、送信装置80を介して行われる。なお、提供者端末TM1との通信を行う専用の端末通信装置を別途設置しても良い。このように、提供者は利用者の利用時のデータを自分で確認して分類装置30の判定が間違っている場合には、提供者端末TM1を用いて、その利用者の成績を修正できることが好ましい。このように、車両CRの提供者が直接データを検査し、不正行為の有無を判断できるので、機械の不正行為分類が誤っているために成績が正しく付けられていない場合でも手動で成績を修正できる。

0043

上述したように、端末からの命令に応じてデータ蓄積部20に蓄積されたデータの送信が行われる以外に、制御装置60が自動的に端末に送信するようにしても良い。この場合には、制御装置60は分類装置30からの出力を受信し、例えば、分類装置30が行う分類の信頼度が低いデータを、提供者端末TM1に送信する。信頼度が低いデータとは、上述したように、分類装置30からの出力が、(喫煙:ゴミ放置:飲食:足のせ:通話:煽り運転)=(0.6:0:0.4:0:0:0)のように、入力された特徴量が不正行為として喫煙なのか飲食なのかはっきり識別できないようなデータを言う。このように、信頼度が低く分類があやしい場合には、その時の分類装置30からの出力とその時に入力された画像データを提供者等に通知することによって、成績の見直しや分類装置30の学習を促すことができる。

0044

制御装置60は、提供者端末TM1からの命令を受け付け、その命令に応じて、学習装置70を制御することによって、分類装置30を学習させる。学習装置70は、図3に示すように、提供者端末TM1から送信されたデータを受け付ける学習データ入力部71と、学習データ入力部71が受け付けたデータを記憶する学習データ記憶部72と、学習データ記憶部72に蓄えられたデータや分類器33からの出力などに基づき分類器33のパラメータを演算するパラメータ演算部73と、演算されたパラメータの値を記憶するパラメータ値記憶部74と、分類器33のパラメータを記憶された値に更新するパラメータ更新部75とを備える。学習データ入力部71が提供者端末TM1から直接データを受信しても良いし、情報管理装置100の受信装置10が受信したデータが制御装置60によって転送されて受信するようにしても良い。学習データ記憶部72には予め学習のための多数の学習入力データと各学習入力データの教師データであるラベルデータが記憶されている。画像を分類する場合であれば、学習入力データは画像データであり、ラベルデータはその画像データが何の画像かを示すデータである。

0045

分類器33に多層ニューラルネットワークを用いた場合の学習装置70の説明を行う。学習装置70は、図4に示すように、提供者端末TM1からデータを受け付ける学習データ入力部71と、学習データ入力部71が受け付けたデータを記憶する学習データ記憶部72と、学習データ記憶部72に蓄えられたデータに基づきノード間の結合重みを演算する重み演算部73と、演算された結合重みを記憶する重みデータ記憶部74と、多層ニューラルネットワーク33のノード間の結合重みを記憶された結合重みに更新する重み更新部75とを備える。なお、学習データ記憶部72には予め学習のための多数の学習画像データとそれぞれに付与されたラベルのデータが蓄えられている。また、学習データ記憶部72は、特徴量演算部32から出力される特徴量を各データと紐づけて記憶するようにしても良い。なお、学習データ記憶部72には予め多数の学習データが蓄積されており、この学習データを用いて、多層ニューラルネットワーク33は学習済みである。

0046

提供者は、提供者端末TM1で、データ蓄積部20に蓄積されたデータを受信した後、自ら直接データを検査し、不正行為の有無を判断し、不正行為である場合にはどの不正行為であるかのラベル付けを行う。提供者は、たとえば、信頼度が低い喫煙なのか飲食なのかはっきり識別できないデータを見て、自らこれは喫煙であると認定しそのデータのラベル付けを行う。

0047

学習データ入力部71は、画像データAと提供者が付与したラベルデータAを、学習のためのデータとして提供者端末TM1から受け付ける。なお、ラベルデータは多層ニューラルネットワーク33の出力層のノードに対応したデータである。例えば、ラベルが喫煙の場合には、図8で示すように、そのラベルデータAは(1:0:0:0:0:0)である。ラベル(喫煙)からラベルデータへの変換は、専用のアプリケーションソフト実装された提供者端末TM1が実行しても良いし、学習データ入力部71が実行しても良い。

0048

学習データ入力部71が受け付けた画像データAと当該画像データに対応するラベルデータAは、学習用のデータとして学習データ記憶部72に記憶される。学習装置70は、この学習用の画像データAを分類装置30のデータ入力部31に入力し、特徴量演算部32はこの学習用の画像データAの特徴量を演算して、多層ニューラルネットワーク33に入力する。学習装置70の重み演算部73には、この時の多層ニューラルネットワーク33の出力層からの出力値および内部のノードの各出力値が入力される。さらに、学習データ記憶部72からラベルデータAも入力される。

0049

また、多層ニューラルネットワーク33の現在の結合重みであるデータを重みデータ記憶部74から入力される。重み演算部73は、出力層からの出力値とラベルデータとの誤差、例えば2乗誤差を小さくするために、誤差逆伝播法などの方法を用いてノードとノードの結合重みを修正する。重み演算部73は、学習データ記憶部72に記憶されている、画像データA以外の複数の学習データに対しても同様に誤差逆伝播法などの方法を用いてノードとノードの結合重みを修正していく。そして、学習装置70は、全ての学習データに関して、出力層からの出力値とラベルデータとの誤差が所定の閾値収束したことを確認すると、分類装置30の学習を終了する。そして、重みデータ記憶部74は、学習終了時の結合重みを記憶し、その結合重みを重み更新部75に出力する。重み更新部75は、多層ニューラルネットワーク33のノード間の結合重みの値を学習終了時の結合重みの値に更新する。

0050

また、分類器33としてサポートベクターマシンを用いた場合には、学習装置70では、学習データ記憶部72に蓄積されている複数の学習データを用いて、サポートベクターマシンを学習させる。具体的には、各画像データがそれぞれに付与されているクラスに区分けできる識別関数のパラメータを調整する。単純な例として、特徴量が2次元(x1,x2)の場合を考えると、識別関数y=a1x1+a2x2+bのパラメータであるa1,a2,bの値を算出する。算出には、例えば「マージン最大化」という方法で行う。

0051

このようにして、パラメータ演算部73は、一度、学習データ記憶部72に蓄積されている複数の学習データを用いて、パラメータ値を算出する。そして、パラメータ値記憶部74は、そのパラメータ値を記憶し、パラメータ更新部75を介して当該パラメータ値に現状のサポートベクターマシンのパラメータ値を更新させる。その後、サポートベクターマシンの判定を提供者が確認した時に、サポートベクターマシンが判定を間違った画像データAに対して提供者が正しいラベルデータを付与して、学習データ入力部71に画像データAとラベルデータAを追加する。この追加された学習データが正しく分類できるように再度、パラメータ演算部73は識別関数のパラメータ値を算出する。そして、パラメータ更新部75は、算出された新しいパラメータ値にサポートベクターマシンのパラメータ値を更新する。「マージン最大化」以外にも「ソフトマージン」、「カーネルトリック」などの方法を用いて識別関数のパラメータを調整しても良い。

0052

また、ブースティングの1つであるAdaboostが分類器として知られている。Adaboostの分類器は、複数の弱識別器から構成されており、弱識別器からの出力値と弱識別器それぞれに付与されている信頼度の積を、全ての弱識別器ごとに算出し、これらの積を合計した値に基づいて最終的な分類を行うものである。分類器を学習させる場合には、学習用の入力データに、それぞれ重みを付与して、この重みを基に弱識別器それぞれの誤検出率を計算する。この誤検出率に基づいて弱識別器の信頼度を計算する。学習用の入力データの各重みは、弱識別器が分類を間違った入力データに対しては重みを大きく設定される。

0053

分類器であるAdaboostが分類を間違った画像データAを用いて学習させるので、パラメータ演算部73は、この画像データAの重みを大きくして、学習データ記憶部72に記憶されている他の複数の学習入力データ全ての重みを付け直して、弱識別器それぞれの信頼度を計算しなおす。弱識別器ごとに算出された信頼度をパラメータ値記憶部74に記憶し、パラメータ更新部75を介して、分類器の弱識別器それぞれの信頼度を更新する。なお、分類装置30と学習装置70は、コンピュータソフトウェアを用いて実現される。分類装置30と学習装置70を同じコンピュータで実現しても良い。分類装置30と学習装置70の一部は、専用のハードウェアを用いても良い。例えば、分類装置30の分類器33が多層ニューラルネットワークの場合には、複数のニューロチップ等を用いて分類器33を実現しても良い。学習装置70のパラメータ演算部73に、分類器33と同じものを構成して、分類器33からの出力を受け取らずにパラメータを演算するようにしても良い。使用する分類器ごとに、その分類器に対応した異なるソフトウェアを学習装置70のパラメータ演算部73に実装することによって、様々は分類器に対応させることができる。上述したように、分類装置30を学習させることで、分類装置30の性能を向上させることができる。

0054

図5を参照し、カーシェアリングシステム1における車両CRの利用開始時の流れについて説明する。利用者は、S100において、利用者端末TM2から車両貸出管理装置RTSにアクセスして、利用期間などを入力して車両CRの利用予約の申請を行う。車両貸出管理装置RTSは、利用者から申請を受けると、S102において、情報管理装置100に対して利用者IDを送信して利用可否の判断の要請を行う。なお、利用者IDは、たとえば免許証番号であってもよいし、予め情報管理装置100に登録したIDであってもよい。

0055

情報管理装置100は、利用者IDを受信すると、S104において、そのIDの認証を行う。情報管理装置100は、認証に成功した場合、S106において、利用者データベース40にアクセスし、その利用者の車両CRの貸出時における不正行為に関する利用者の成績を確認する。情報管理装置100は、S108において利用が貸出条件に合わないとか既に予約済みであったような場合には、S110において不許可の回答を車両貸出管理装置RTSに送信する。車両貸出管理装置RTSは、その回答を受信すると、S112において、利用者に対して利用不可の回答を送信する。また、情報管理装置100は、車両CRが利用不可の場合、他の予約可能な車両であって、その利用者の成績で貸出条件に適合する車両を推奨してもよい。

0056

情報管理装置100は、S110において予約可能でありその利用者が貸出条件に適合する場合には、S114において、車両貸出管理装置RTSに対して利用を許諾する旨の回答を行う。車両貸出管理装置RTSは、その旨受信すると、S116において、送信装置80から許可された車両CRのキーIDを送信する。利用者は、そのキーIDを自分のスマートフォンなどにダウンロードして、S118において、車両CRを利用する時接近してドアを開錠する信号を発信する。車両CRは、その信号を受けると、S120においてキーIDの認証を行い、認証に成功した場合は、S122において車両CRのドアを開錠する。このように、利用者の行った過去の不正行為に照らして提供者の貸出基準に適合した利用者のみに車両CRの貸し出しを許可し、適合しない利用者には自動的に不許可とすることで、車両CRの提供者は安心して、カーシェアリングシステム1に車両CRを提供することができる。

0057

図6を参照し、カーシェアリングシステム1における車両CRの利用終了時の流れについて説明する。車両CRは、利用時には、S200において画像センサCR2により利用者の行為/行動/動作、およびその結果として生じた状態などを検出し続け、また、S202において車両状態監視部CR3により車両CRの運転状態/使用状態を監視し続けている。

0058

利用者は、車両CRの利用を終了する場合、S204において車両CRを降車し、S206において車両CRに対してキーIDを発信して施錠を行う。車両CRは、キーIDを受信すると、S208においてドアを施錠する。車両CRは、利用の終了を認識すると、S210において、画像センサCR2、車両状態監視部CR3などのセンサが検出したデータを情報管理装置100に送信する。なお、本実施例では、センサが検出したデータを送信するのは利用終了時であるが、これに限定されず、利用最中にリアルタイムにデータを送信してもよい。

0059

情報管理装置100は、車両CRからデータを受信すると、S212において、そのデータに基づき分類装置30が不正行為に該当するものを分類し、当該利用者の成績を利用実績に基づき判定する。情報管理装置100は、S214において、その判定結果を車両CRの提供者および利用者に通知する。情報管理装置100は、S216において、利用者データベース40の当該利用者の成績記録を最新のデータを含めて更新する。

0060

提供者は、自分の好きなタイミングで、S218において、提供者端末TM1から利用者の成績や利用実績へのアクセスを要求してもよい。提供者は、このタイミングでのアクセスに限定されず、情報管理装置100が利用可否判断を行うタイミングで提供者に通知して、その時判断してもよい。情報管理装置100は、かかるアクセス要求を受け、S220において、送信装置80から利用者の成績や利用実績の画像データ等のダイジェストを送信する。

0061

提供者は、そのダイジェストを受け取ると、S222において、利用者の成績を修正したり、分類装置30が誤って分類した不正行為の画像データについてラベルを付けなおしたりして、提供者端末TM1から情報管理装置100に送信する。たとえば、分類装置30は、飲食と分類した画像データは、実は喫煙であったような場合である。情報管理装置100は、提供者端末TM1からかかる内容を受信すると、S224において、利用者データベース40の当該利用者の成績を更新する。そして、情報管理装置100の学習装置70は、S226において、その新たな学習データを用いて、分類装置30の多層ニューラルネットワーク33を学習させる。このように、提供者が利用者の実績データをチェックし、分類装置30の分類に誤りがある場合には、再度その実績データにより分類装置30を学習させることで、分類装置30の性能を向上させることができる。

0062

上述したことは、複数の利用者が共同利用する車両CRの貸し出しを行うカーシェアリングシステム1に用いられる情報管理方法でもある。すなわち、上述した情報管理方法は、車両CRに設置されたセンサからセンサデータを受信し、受信したセンサデータから、利用者の行為に関するデータを記憶し、そのデータから利用者の不正行為を分類し、不正行為の種類に基づいた利用者の成績を記録し、その成績と所定の貸出基準に基づいて、利用者による車両の利用可否を判断する情報管理方法である。これによれば、カーシェアリング等に提供した車両において利用者の行った不正行為等に基づいて、当該利用者への車両の貸出を制限する情報管理方法を提供できる。

0063

なお、本発明は、例示した実施例に限定するものではなく、特許請求の範囲の各項に記載された内容から逸脱しない範囲の構成による実施が可能である。すなわち、本発明は、主に特定の実施形態に関して特に図示され、かつ説明されているが、本発明の技術的思想および目的の範囲から逸脱することなく、以上述べた実施形態に対し、数量、その他の詳細な構成において、当業者が様々な変形を加えることができるものである。

0064

1カーシェアリングシステム
100情報管理装置
10受信装置
20データ蓄積部/画像データ蓄積部(利用実績記録装置)
30分類装置
31データ入力部/画像データ入力
32特徴量演算部
33分類器(多層ニューラルネットワーク)
40利用者データベース(成績記録装置)
50車両データベース
60制御装置
61 判断部
62 成績付与部
70学習装置
71 学習データ入力部
72 学習データ記憶部
73パラメータ演算部(重み演算部)
74パラメータ値記憶部(重みデータ記憶部)
75パラメータ更新部(重み更新部)
80送信装置
RTS車両貸出管理装置
TM1提供者端末(操作端末
TM2利用者端末
CR 車両
CR1車両側通信部
CR2画像センサ
CR3車両状態監視部
CR4 車両側制御部
CR5 車両側認証部
CR6エンジンECU
CR7電源ECU
CR8ドアロックECU
CC車両管理システム
EK 電子キー

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

該当するデータがありません

関連する公募課題

該当するデータがありません

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

該当するデータがありません

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

この 技術と関連性が強い技術

該当するデータがありません

この 技術と関連性が強い法人

該当するデータがありません

この 技術と関連性が強い人物

該当するデータがありません

この 技術と関連する社会課題

該当するデータがありません

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ