SERVICE

CANデータを活用した自動車のバッテリー劣化予測

産業
分析テーマ
活用データ
分析手法
目的
車両から取得したデータを用いて、バッテリーの劣化状況を予測したい。
結果
数ヶ月後のバッテリー劣化状況を予測し、交換が必要なユーザー(会員)に事前に通知する仕組みを実現。

バッテリー劣化予測

「CAN」は「Controller Area Network」の略で、主に自動車で活用されている車載ネットワークデータです。
CANによって取得できるデータは多く「速度」、「加速度」、「GPS」、「ブレーキの回数」、「エンジン回転数」、「バッテリー電圧」、「ウィンカー回数」、「ハンドル操作角」など自動車の挙動や走行に関する様々なデータを収集することが可能です。

CANデータのみで分析するのではなく、CANデータから得られた情報をもとに別の新しい特徴量を作成します。これらのデータを用いて、回帰モデルを構築し、バッテリーの劣化状況を予測する仕組みを構築しました。

◼CANデータが注目されている分野
・コネクテッドカー
ICT端末としての機能を有する自動車のことであり、車両の状態や周囲の道路状況などの様々なデータをセンサーにより取得し、ネットワークを介して集積・分析することで、新たな価値を生み出すことが期待されています。

◼コネクテッドカーを使用したサービス
・自動車事故によって失われる人命を減らすため、自動車事故発生時に自動で警察や消防などの緊急対応機関へ緊急通報を行うシステム。
・利用者の運転中の行動(ブレーキの回数や加減速動作など)や時間帯を収集し、利用者の運転行動・振る舞い(How)に基づき運転の危険度を評価し、
保険料を策定するPHYD(Pay How You Drive)を提供。
・車両の盗難が判明した場合に車両の位置を追跡することができる盗難車両追跡システム。

参考:総務省ホームページ
その他CANデータ活用一例:https://www.albert2005.co.jp/service/case/can_data

◼多変量解析とは
複数の変数に関するデータをもとに、これらの変数間の関連性を分析する手法の総称です。

◼多変量解析の中でも予測に使われる分析手法
・単回帰分析
1つの目的変数(y)を1つの説明変数(x)で予測する最も簡単な分析手法です。単回帰分析は理解しやすい単純なモデルですが、モデル精度を高める事が難しい手法です。式はy=ax+b(aとbは定数)となります。

・重回帰分析
1つの目的変数を複数の説明変数(数値)で予測する分析手法です。

・ロジスティック回帰分析
データからある事象の発生率を求める手法です。 よく二値分類で使われる手法ですが、確率を求めるので予測にも使われます。
起こる確率はシグモイド関数を用いて0~1で表されます。

・ランダムフォレスト
決定木と呼ばれる特徴量の値で分析結果を分岐させるモデルを複数用いて、多数決や平均で代表値を決定して予測させる手法です。

決定木単体だと未知のデータに対するデータの精度が低いですが、複数決定木を使うことにより未知のデータに対する精度を高めることができます。

多変量解析について詳しい内容はALBERTデータ分析基礎知識:多変量解析の手法をご参照下さい。

ALBERTには、他にもAI活用事例が多数ございますので、CANデータの利活用に関するご相談やAI導入・分析のお悩みはぜひご相談ください。

お問い合わせ

ALBERTは、あらゆるデータに高度な分析力で挑み、独自のソリューションでビジネス課題の最適解を導きます。
詳しくは、下記までお問い合わせください。