油诊断装置、油诊断方法以及存储介质与流程

1.本发明涉及用于诊断驾驶的油诊断装置、油诊断方法以及存储介质。


背景技术：

2.日本未审查专利申请公开第2019-14437号(jp 2019-14437 a)公开了一种诊断系统，其从车载单元获取与车辆驾驶操作有关的驾驶信息，并且通过使用所述驾驶信息来诊断驾驶技术。


技术实现要素：

3.真正的车载单元是昂贵的，并且因此可以安装便宜的记录装置(记录器)以记录车辆的驾驶信息。然而，能够由便宜的记录装置获取的驾驶信息是有限的。因此，与车载单元兼容的诊断系统不能总是通过使用从便宜的记录装置获取的驾驶信息来进行诊断。
4.本发明的目的在于提供油诊断装置、油诊断方法以及存储介质，其中与车载单元兼容的诊断系统能够通过使用从便宜的记录装置获取的驾驶信息来进行诊断。
5.根据第一方案的油诊断装置包括：生成部，其配置为通过使用第一数据生成示出多个种类的驾驶信息之间的相关性的统计因果搜索模型，所述第一数据为预先从连接至安装在车辆上的车载单元的传感器获取的各种类的驾驶信息；获取部，其配置为获取第二数据，所述第二数据为从安装在所述车辆上并且独立于所述车载单元设置的传感器获取的驾驶信息；估计部，其配置为通过使用所述统计因果搜索模型来估计对应于所述第二数据的所述驾驶信息；以及推导部，其配置为从估计出的所述驾驶信息推导出所述车辆的前质(precursor)积累量。
6.根据第一方案的油诊断装置通过使用第二数据来对油进行诊断，所述第二数据为从安装在车辆上并且独立于车载单元设置的传感器获取的驾驶信息。当对油进行诊断时，油诊断装置通过使用第一数据生成示出多个种类的驾驶信息之间的相关性的统计因果搜索模型，通过使用所述统计因果搜索模型估计对应于第二数据的驾驶信息，并且推导出前质积累量，所述第一数据为预先从安装在车载单元上的传感器获取的驾驶信息。即，油诊断装置通过利用预先从连接至车载单元的传感器获取的驾驶信息，基于从改装至车辆的传感器获取的驾驶信息对油进行诊断。因此，与车载单元兼容的诊断系统能够通过使用从便宜的测量装置获取的测量信息进行诊断。
7.在根据第一方案的油诊断装置中，所述推导部可以配置为，通过使用经培训模型来推导所述前质积累量，所述经培训模型通过使用所述第一数据经历所述驾驶信息与所述前质积累量之间的关系的机器学习。
8.根据第一方案的油诊断装置，能够利用从车载单元获取的第一数据对油进行诊断。
9.在根据第一方案的油诊断装置中，所述估计部可以配置为估计包括燃料消耗量的平均值、发动机转速的积分值以及所述发动机转速的最大值中的至少一个的驾驶信息。
10.根据第一方案的油诊断装置，能够通过阐明关系来推导出前质积累量。
11.根据第二方案的油诊断方法包括：通过使用第一数据生成示出多个种类的驾驶信息之间的相关性的统计因果搜索模型，所述第一数据为预先从连接至安装在车辆上的车载单元的传感器获取的各种类的驾驶信息；获取第二数据，所述第二数据为从安装在所述车辆上并且独立于所述车载单元设置的传感器获取的驾驶信息；通过使用所述统计因果搜索模型来估计对应于所述第二数据的所述驾驶信息；以及从估计出的所述驾驶信息推导出所述车辆的前质积累量。
12.在根据第二方案的油诊断方法中，通过使用第二数据来对油进行诊断，所述第二数据为从安装在车辆上并且独立于车载单元设置的传感器获取的驾驶信息。当在油诊断方法中对油进行诊断时，通过使用第一数据生成示出多个种类的驾驶信息之间的相关性的统计因果搜索模型，通过使用所述统计因果搜索模型估计对应于第二数据的驾驶信息，并且推导出前质积累量，所述第一数据为预先从安装在车载单元上的传感器获取的驾驶信息。即，根据油诊断方法，通过利用预先从连接至车载单元的传感器获取的驾驶信息，基于从改装至车辆的传感器获取的驾驶信息对油进行诊断。因此，与车载单元兼容的诊断系统能够通过使用从便宜的测量装置获取的测量信息进行诊断。
13.根据第三方案的存储介质存储使计算机执行处理的油诊断程序，所述处理包括：通过使用第一数据生成示出多个种类的驾驶信息之间的相关性的统计因果搜索模型，所述第一数据为预先从连接至安装在车辆上的车载单元的传感器获取的各种类的驾驶信息；获取第二数据，所述第二数据为从安装在所述车辆上并且独立于所述车载单元设置的传感器获取的驾驶信息；通过使用所述统计因果搜索模型来估计对应于所述第二数据的所述驾驶信息；以及从估计出的所述驾驶信息推导出所述车辆的前质积累量。
14.执行根据第三方案的油诊断程序的计算机通过使用第二数据对油进行诊断，所述第二数据为从安装在车辆上并且独立于车载单元设置的传感器获取的驾驶信息。当对油进行诊断时，计算机通过使用第一数据生成示出多个种类的驾驶信息之间的相关性的统计因果搜索模型，通过使用所述统计因果搜索模型估计对应于第二数据的驾驶信息，并且推导出前质积累量，所述第一数据为预先从安装在车载单元上的传感器获取的驾驶信息。即，计算机通过利用预先从连接至车载单元的传感器获取的驾驶信息，基于从改装至车辆的传感器获取的驾驶信息对油进行诊断。因此，与车载单元兼容的诊断系统能够通过使用从便宜的测量装置获取的测量信息进行诊断。
15.根据本发明，与车载单元兼容的诊断系统能够通过使用从便宜的记录装置获取的驾驶信息进行诊断。
附图说明
16.将在下文中参照附图描述本发明的示例性实施例的特征、优点以及技术和工业方面的重要性，其中相同的附图标记表示相同的元件，并且其中：
17.图1为示出根据实施例的油诊断系统的示意性配置的图；
18.图2为示出根据实施例的车辆的硬件配置的框图；
19.图3为示出根据实施例的车载单元的功能配置的框图；
20.图4为示出根据实施例的测量装置的硬件配置的框图；
21.图5为示出根据实施例的测量装置的功能配置的框图；
22.图6为示出根据实施例的中央服务器的硬件配置的框图；
23.图7为示出根据实施例的统计因果搜索模型的示例的示意图；
24.图8为示出根据实施例的中央服务器的功能配置的框图；
25.图9为示出将要在根据实施例的中央服务器中实行的处理的数据流的示例的数据流图；
26.图10为示出将要在根据实施例的中央服务器中实行的油诊断处理的流程的流程图；
27.图11为示出将要在根据实施例的中央服务器中实行的生成处理的流程的流程图；以及
28.图12为示出将要在根据实施例的中央服务器中实行的机器学习处理的流程的流程图。
具体实施方式
29.将描述包括本发明的油诊断装置的油诊断系统。油诊断系统通过使用与从安装在车辆上但未连接至车辆的测量装置的传感器获取的驾驶操作有关的数据来诊断积聚在发动机中的前质(积累物质)的积累量。在本发明中，当通过使用与从测量装置的传感器获取的驾驶操作有关的数据进行诊断时，利用与从连接至车辆的车载单元的传感器获取的驾驶操作有关的数据。
30.整体配置
31.如图1所示，根据本发明的实施例的油诊断系统10包括多个车辆12和用作油诊断装置的中央服务器40。车辆12包括车辆12a和车辆12b，所述车辆12a包括车载单元20，所述车辆12b包括测量装置30。车载单元20和测量装置30经由网络n连接至中央服务器40。
32.虽然图1示出针对一个中央服务器40包括车载单元20或者测量装置30的两个车辆12，但车辆12、车载单元20以及测量装置30的数量并不限于这些数量。
33.车载单元20获取与对车辆12的操作有关的驾驶信息，并且将驾驶信息发送至中央服务器40。
34.测量装置30获取测量出的驾驶信息，并且将驾驶信息发送至中央服务器40。与安装在车辆12a上的车载单元20相比，连接至测量装置30的传感器的类型受到限制。连接至测量装置30的传感器在获取的数据的准确性方面低于连接至车载单元20的传感器。因此，测量装置30以低于车载单元20的价格交易，并且安装在车辆12b上。
35.中央服务器40例如安装在车辆12的制造商或者附属于制造商的汽车经销商中。
36.在下文中将从车载单元20获取的驾驶信息称作“驾驶信息”，而在下文中将从测量装置30获取的驾驶信息称作“测量信息”。例如，在本实施例中，驾驶信息包括车速、加速度、偏航率、转向角、加速器操作量、制动踏板踏力、冲程发动机转速、燃料消耗量以及行驶距离，而测量信息包括定位信息和加速度。驾驶信息为“第一数据”的示例，测量信息为“第二数据”的示例。
37.车辆
38.如图2所示，根据本实施例的车辆12a包括车载单元20、多个电子控制单元(ecu)22
以及多个车载装置24。
39.车载单元20包括中央处理单元(cpu)20a、只读存储器(rom)20b、随机存取存储器(ram)20c、车载通信接口(i/f)20d以及无线通信i/f 20e。将cpu 20a、rom 20b、ram 20c、车载通信i/f 20d以及无线通信i/f 20e连接，以便能够经由内部总线20g相互通信。
40.cpu 20a为执行各种程序并且控制各种单元的中央处理单元。即，cpu 20a从rom 20b读取程序并且使用ram 20c作为工作区来执行程序。
41.rom 20b存储各种程序和各种数据。本实施例的rom 20b存储收集程序100，所述收集程序100从ecu 22收集与车辆12a的状况和控制有关的驾驶信息。随着收集程序100的执行，车载单元20执行将驾驶信息发送至中央服务器40的处理。rom 20b还存储作为驾驶信息的备份数据的历史信息110。ram 20c作为工作区临时存储程序或者数据。
42.车载通信i/f 20d为用于连接至每个ecu 22的接口。对于所述接口，使用基于控制器局域网(can)协议的通信标准。车载通信i/f 20d连接至外部总线20f。
43.无线通信i/f 20e为用于与中央服务器40进行通信的无线通信模块。对于所述无线通信模块，例如，使用诸如第五代(5g)、长期演进(lte)、wi-fi(注册商标)的通信标准。无线通信i/f 20e连接至网络n。
44.ecu 22至少包括先进驾驶员辅助系统(adas，advanced driver assistance system)-ecu 22a、转向ecu 22b、制动ecu 22c以及发动机ecu 22d。
45.adas-ecu 22a以综合的方式控制先进驾驶员辅助系统。构成车载装置24的车速传感器24a、偏航率传感器24b以及外部传感器24c连接至adas-ecu 22a。外部传感器24c为用于检测车辆12a的周围环境的传感器组。例如，外部传感器24c包括拍摄车辆12a的周围区域的图像的相机，发送探测波并且接收反射波的毫米波雷达，以及扫描车辆12a前方的区域的激光成像、检测和测距(lidar)传感器。
46.转向ecu 22b控制动力转向。构成车载装置24的转向角传感器24d连接至转向ecu 22b。转向角传感器24d检测方向盘的转向角。
47.制动ecu 22c控制车辆12a的制动系统。构成车载装置24的制动致动器24e连接到制动ecu 22c。
48.发动机ecu 22d控制车辆12a的发动机。构成车载装置24的节气门致动器24f和传感器24g连接至发动机ecu 22d。传感器24g包括用于测量发动机油的油温的油温传感器、用于测量发动机油的油压的油压传感器以及用于检测发动机的转速的旋转传感器。
49.根据本实施例的车速传感器24a、偏航率传感器24b、外部传感器24c、转向角传感器24d、制动致动器24e、节气门致动器24f以及传感器24g为“连接至车载单元的传感器”的示例。
50.如图3所示，在根据本实施例的车载单元20中，cpu 20a通过执行收集程序100而用作收集部200和输出部210。
51.收集部200具有从车辆12a的ecu 22获取与车载装置24的状况以及从车载装置24获得的车辆12a的驾驶有关的驾驶信息的功能。驾驶信息可以包括由用作外部传感器24c的相机拍摄的车辆12a外部区域的图像。
52.输出部210具有将由收集部200收集的驾驶信息输出至中央服务器40的功能。
53.测量装置
54.如图4所示，测量装置30包括cpu 30a、rom 30b、ram 30c、存储部30d、通信i/f 30e、传感器30f以及全球定位系统(gps)装置30g。将cpu 30a、rom 30b、ram 30c、存储部30d、通信i/f 30e、传感器30f以及gps装置30g连接，以便能够经由内部总线30h相互通信。cpu 30a、rom 30b、ram 30c以及通信i/f 30e的功能与上述车载单元20的cpu 20a、rom 20b、ram 20c以及无线通信i/f 20e的功能相同。
55.用作存储器的存储部30d为硬盘驱动器(hdd)或者固态驱动器(ssd)，并且存储与从传感器30f和gps装置30g获取的车辆12的驾驶有关的各种程序和测量信息。本实施例的存储部30d存储收集程序120。rom 30b可以存储收集程序120。
56.传感器30f包括对安装在车辆上的测量装置30上的加速度进行检测的加速度传感器，以及检测偏航方向上的角速度的角速度传感器。
57.gps装置30g通过从多个gps卫星接收通过测量安装在车辆12b上的测量装置30的位置而获得的定位信息来检测位置。gps装置30g包括从gps卫星接收定位信息的天线(未示出)。
58.用作程序的收集程序120执行获取定位信息、加速度以及角速度作为测量信息并且将测量信息发送至中央服务器40的处理。
59.根据本实施例的传感器30f和gps装置30g为“安装在车辆上并且独立于车载单元设置的传感器”的示例。短语“独立设置”意味着传感器安装在车辆12上并且连接至不同于车载单元20的测量装置30。
60.如图5所示，在根据本实施例的测量装置30中，cpu 30a通过执行收集程序120而用作收集部300和输出部310。
61.收集部300从gps装置30g收集安装在车辆12b上的测量装置30的定位信息并且从传感器30f收集车辆12b的加速度和角速度作为测量信息。
62.输出部310具有将由收集部300收集的测量信息输出至中央服务器40的功能。
63.中央服务器
64.如图6所示，中央服务器40包括cpu 40a、rom 40b、ram 40c、存储部40d以及通信i/f 40e。将cpu 40a、rom 40b、ram 40c、存储部40d以及通信i/f 40e连接，以便能够经由内部总线40f相互通信。cpu 40a、rom 40b、ram 40c以及通信i/f 40e的功能与上述车载单元20的cpu 20a、rom 20b、ram 20c以及无线通信i/f 20e的功能相同。通信i/f 40e可以执行有线通信。
65.用作存储器的存储部40d为硬盘驱动器(hdd)或者固态驱动器(ssd)，并且存储各种程序和各种数据。本实施例的存储部40d存储油诊断程序130、驾驶信息数据库(db)140、搜索模型150、推导模型160以及学习数据170。rom 40b可以存储油诊断程序130、驾驶信息数据库(db)140、搜索模型150、推导模型160以及学习数据170。
66.用作程序的油诊断程序130控制中央服务器40。随着油诊断程序130的执行，中央服务器40执行包括用于诊断车辆12的前质的积累量的油诊断处理的处理。
67.驾驶信息db 140存储从车载单元20接收的驾驶信息以及从测量装置30接收的测量信息。
68.搜索模型150示出通过使用从车载单元20获取的驾驶信息而生成的与车辆的驾驶有关的数据之间的相关性。具体地，搜索模型150为如下的模型：通过使用针对数据之间的
相关性的统计因果搜索(lingam，linear non-gaussian acyclic model，线性非高斯非循环模型)，与包括在驾驶信息中的数据关联地估计数据之间的相关性。
69.例如，如图7所示，搜索模型150示出关于包括在驾驶信息中的车速、发动机转速、发动机转速的积分值、燃料消耗量以及行驶距离的数据之间的相关性，并且能够从数据之间的相关性估计每个数据。例如，根据搜索模型150，能够从车速估计发动机转速、燃料消耗量以及行驶距离，并且能够从发动机转速估计发动机转速的积分值和燃料消耗量。根据搜索模型150，能够从发动机转速的积分值估计燃料消耗量和行驶距离，并且能够从燃料消耗量估计行驶距离。
70.即，能够通过将车速输入到搜索模型150中来估计发动机转速、发动机转速的积分值、燃料消耗量以及行驶距离。
71.推导模型160为如下的模型：经历后述的学习数据170中的驾驶信息与前质积累量之间的关系的机器学习以推导出发动机的前质的积累量的经培训模型。根据本实施例的推导模型160通过输入发动机转速的最大值、发动机转速的积分值以及燃料消耗量来输出对应的前质积累量。
72.学习数据170为用于培训推导模型160的数据。学习数据170为如下的数据：包括发动机转速的最大值、发动机转速的积分值以及燃料消耗量的预先存储的驾驶信息为输入数据，并且对应于驾驶信息的前质积累量为教学数据。
73.如图8所示，在本实施例的中央服务器40中，cpu 40a通过执行油诊断程序130而用作获取部400、存储部410、估计部420、推导部430、输出部440、生成部450以及学习部460。
74.获取部400具有从车辆12a的车载单元20和车辆12b的测量装置30获取驾驶信息和测量信息的功能。获取部400在任意时刻获取从车载单元20和测量装置30发送的驾驶信息和测量信息。
75.存储部410存储通过使用从车载单元20获取的驾驶信息生成的搜索模型150和推导模型160。
76.估计部420通过使用搜索模型150估计对应于与测量信息有关的数据的车辆12的驾驶信息。具体地，估计部420从包括在测量信息中的定位信息、加速度以及角速度来估计车辆12的车速，并且通过使用搜索模型150来估计对应于车速的驾驶信息。例如，估计部420估计发动机转速、发动机转速的积分值以及燃料消耗量作为驾驶信息。
77.推导部430通过使用推导模型160从估计出的驾驶信息推导出前质积累量。例如，根据本实施例的推导部430通过使用推导模型160从估计出的发动机转速的最大值、发动机转速的积分值以及燃料消耗量的平均值推导出前质积累量。
78.输出部440输出来自推导部430的推导结果。为了输出推导结果，输出部440可以将推导结果发送至车载单元20、测量装置30等，或者将推导结果显示在设置在中央服务器40中的监视器(未示出)上。
79.生成部450通过使用预先从车载单元20获取并且存储在驾驶信息db140中的驾驶信息来生成搜索模型。例如，生成部450通过分析诸如与驾驶信息有关的发动机转速、发动机转速的积分值以及燃料消耗量的数据来估计数据之间的相关性，并且生成能够估计对应于另一个数据的一个数据的值的搜索模型。
80.学习部460通过使用预先从车载单元20获取并且存储在驾驶信息db140中的驾驶
信息来生成作为经历用于推导出前质积累量的机器学习的经培训模型的推导模型。具体地，学习部460通过执行监督学习来生成推导模型，在所述监督学习中，从车辆12获取的驾驶信息为输入数据并且对应于驾驶信息的前质积累量为教学数据。
81.在描述油诊断系统10的操作之前，将参照图9描述用作油诊断装置的中央服务器40中的数据流。图9为示出中央服务器40中的数据流的示例的数据流图。
82.例如，如图9所示，生成部450通过使用存储在驾驶信息db 140中的驾驶信息来生成搜索模型150，并且将搜索模型150输出至估计部420。
83.学习部460通过使用包括驾驶信息和前质积累量的学习数据170来生成经历对应于驾驶信息的前质积累量的学习的推导模型，并且将推导模型输出至推导部430。
84.获取部400从测量装置30获取测量信息，并且将获取的测量信息输入至估计部420。估计部420通过使用搜索模型150来估计发动机转速的最大值、发动机转速的积分值以及燃料消耗量的平均值作为对应于与测量信息有关的数据的驾驶信息，并且将估计出的驾驶信息输入至推导部430。推导部430通过使用由学习部460生成的推导模型160从估计出的驾驶信息推导出前质积累量，并且输出前质积累量作为诊断结果。
85.控制的流程
86.将参照图10的流程图描述将要由本实施例的油诊断系统10执行的处理的流程。中央服务器40中的各处理由用作获取部400、存储部410、估计部420、推导部430、输出部440、生成部450以及学习部460的中央服务器40的cpu 40a执行。例如，当输入执行油诊断的指令时，执行图10所示的油诊断处理。
87.在步骤s100中，cpu 40a获取存储的搜索模型150以及存储的推导模型160。
88.在步骤s101中，cpu 40a从测量装置30获取测量信息。
89.在步骤s102中，cpu 40a通过使用搜索模型150从测量信息估计发动机转速的最大值、发动机转速的积分值以及燃料消耗量的平均值作为驾驶信息。
90.在步骤s103中，cpu 40a通过使用推导模型160从估计出的发动机转速的最大值、估计出的发动机转速的积分值以及估计出的燃料消耗量的平均值推导出前质积累量。
91.在步骤s104中，cpu 40a输出推导出的前质积累量。
92.在步骤s105中，cpu 40a判定是否终止油诊断处理。当做出终止油诊断处理的判定时(步骤s105：是)，终止油诊断处理。当做出不终止油诊断处理的判定时(步骤s105：否)，cpu 40a进行至步骤s101以获取测量信息。
93.接下来，将参照图11的流程图描述将要由本实施例的油诊断系统10执行以通过使用预先从车载单元20获取的驾驶信息来生成搜索模型150的处理。例如，当输入执行用于生成搜索模型150的处理的指令时，执行图11所示的处理。
94.在步骤s200中，cpu 40a获取通过预先从车载单元20获取而存储的驾驶信息。
95.在步骤s201中，cpu 40a通过使用获取的驾驶信息来生成搜索模型150。
96.在步骤s202中，cpu 40a判定是否终止用于生成搜索模型150的处理。当做出终止用于生成搜索模型150的处理的判定时(步骤s202：是)，处理进行至步骤s203。当做出不终止用于生成搜索模型150的处理的判定时(步骤s202：否)，cpu 40a进行至步骤s200以获取驾驶信息。
97.在步骤s203中，cpu 40a将生成的搜索模型150存储在存储部40d中，并且终止用于
生成搜索模型150的处理。
98.接下来，将参照图12的流程图描述将要由本实施例的油诊断系统10执行以通过使用预先从车载单元20获取的驾驶信息来培训推导模型160的处理。例如，当输入执行用于生成推导模型160的处理的指令时，执行图12所示的学习处理。
99.在步骤s300中，cpu 40a获取驾驶信息和前质积累量作为学习数据。
100.在步骤s301中，cpu 40a通过使用获取的驾驶信息和获取的前质积累量执行机器学习来生成推导模型160。
101.在步骤s302中，cpu 40a判定是否终止用于生成推导模型160的处理。当做出终止用于生成推导模型160的处理的判定时(步骤s302：是)，处理进行至步骤s303。当做出不终止用于生成推导模型160的处理的判定时(步骤s302：否)，cpu 40a进行至步骤s300以获取驾驶信息和前质积累量。
102.在步骤s303中，cpu 40a将生成的推导模型160存储在存储部40d中，并且终止用于生成推导模型160的处理。
103.根据上述的本实施例，与车载单元兼容的诊断系统能够通过使用从便宜的记录装置获取的驾驶信息来进行诊断。
104.总结
105.用作本实施例的油诊断装置的中央服务器40，通过使用作为从安装在车辆上并且独立于车载单元20设置的传感器获取的测量信息的第二数据对油进行诊断。当对油进行诊断时，油诊断装置通过使用作为预先从安装在车载单元20上的传感器获取的驾驶信息的第一数据生成示出多种驾驶信息之间的相关性的统计因果搜索模型，通过使用所述统计因果搜索模型估计对应于第二数据的驾驶信息，并且推导出前质积累量。即，油诊断装置通过利用预先从车载单元20获取的驾驶信息，基于从改装至车辆的测量装置30获取的测量信息对油进行诊断。因此，与车载单元20兼容的诊断系统10能够通过使用从便宜的测量装置30获取的测量信息进行诊断。
106.备注
107.在上述实施例中，中央服务器40用作油诊断装置。然而，本发明并不限于上述实施例。车载单元20可以用作油诊断装置。在车载单元20用作油诊断装置的情况下，车载单元20获取与安装在车辆12上的测量装置30有关的测量信息，并且通过使用预先存储的搜索模型150和推导模型160执行油诊断处理。
108.在上述实施例中，通过获取测量信息并且估计驾驶信息来推导前质积累量。然而，本发明并不限于上述实施例。可以通过获取驾驶信息来推导出前质积累量。例如，在获取驾驶信息的情况下，可以通过没有估计部420介入地直接将驾驶信息输入至推导部430来推导出前质积累量，或者可以做出是否依据获取的信息由估计部420估计驾驶信息的判定。
109.在上述实施例中，发动机转速的最大值、发动机转速的积分值以及燃料消耗量的平均值被用作驾驶信息。然而，本发明并不限于上述实施例。可以将发动机转速的最大值、发动机转速的积分值以及燃料消耗量的平均值中的至少一个用作驾驶信息。
110.根据上述实施例的推导部430通过使用发动机转速的最大值、发动机转速的积分值以及燃料消耗量的平均值来推导出前质积累量。然而，本发明并不限于上述实施例。例如，推导部430可以通过使用车速、行驶距离、发动机油的类型、安装在车辆12上的发动机的
类型或者车辆12的类型来推导出前质积累量。
111.根据上述实施例的推导部430推导出前质积累量。然而，本发明并不限于上述实施例。例如，可以估计车辆12的部件(诸如轮胎和前照灯)的更换时间。
112.根据上述实施例的测量装置30包括传感器30f和gps装置30g。然而，本发明并不限于上述实施例。可以只安装传感器30f或者只安装gps装置30g。
113.根据上述实施例的测量装置30通过gps装置30g测量车辆12b的位置。然而，本发明并不限于上述实施例。例如，可以通过使用通信i/f 30e来测量车辆12b的位置。例如，当通信i/f 30e为wi-fi(注册商标)时，能够通过存储wi-fi(注册商标)的已连接的接入点以及连接至接入点的时间来估计车辆12b的位置和速度。
114.除了cpu以外的各种处理器可以执行在上述实施例中通过cpu 20a、cpu 30a和cpu 40a读取软件(程序)而执行的各种处理。这种情况下的处理器的示例包括可编程逻辑装置(pld)，诸如在生产之后能够改变电路配置的现场可编程门阵列(fpga)，以及作为具有针对执行特定处理而专门设计的电路配置的处理器的专用电路，诸如专用集成电路(asic)。上述每个处理可以由各种处理器之一执行，或者由相同类型或者不同类型的两个以上的处理器的组合(例如，多个fpga的组合或者cpu与fpga的组合)来执行。更具体地，各种处理器中的每个的硬件结构为组合了诸如半导体元件的电路元件的电路。
115.在上述实施例中，每个程序被预存储(预安装)在非暂时性计算机可读记录介质中。例如，车载单元20中的收集程序100被预存储在rom 20b中，测量装置30中的收集程序120被预存储在存储部30d中，而中央服务器40中的油诊断程序130被预存储在存储部40d中。然而，本发明并不限于这种情况。每个程序可以通过记录在非暂时性记录介质(诸如压缩光盘只读存储器(cd-rom)、数字多功能光盘只读存储器(dvd-rom)或者通用串行总线(usb)存储器)上来提供。此外，可以经由网络从外部装置下载程序。
116.上述实施例中的处理流程是例证性的，并且在不脱离主旨的情况下，可以省略不必要的步骤，可以增加新的步骤，或者可以改变处理顺序。