水淹检知装置、系统及方法以及水淹检知程序存储介质与流程

本公开涉及水淹检知装置、水淹检知系统、水淹检知程序存储介质及水淹检知方法。

背景技术：

由于大量的降雨或下到其他场所的雨水等流入，道路有时会发生水淹。作为检知这样的道路的水淹的技术，例如提出了日本特开2004-341795号公报及日本特开2012-216103号公报的技术。

在日本特开2004-341795号公报中提出了：在车辆设置构成为能够检知液状有形物的存在的水淹传感器而检知道路的水淹，向中心服务器发送检知结果，对其他车辆设定不通过不能通过的水淹的路线来进行绕行路线的引导。

在日本特开2012-216103号公报中提出了：基于车辆的刮水器的刮擦速度和动作时间来预测车辆正在行驶的位置的降雨量，基于来自其他车辆的预测降雨量来预测在行驶路线上是否会发生水淹。

然而，在日本特开2004-341795号公报的技术中，需要水淹传感器，为了更简易地判定水淹，还有改善的余地。

另外，在日本特开2012-216103号公报的技术中，即使降雨量相同，全部驾驶员也不一定会以相同的刮水器速度使刮水器工作，为了准确地检测水淹，还有改善的余地。

技术实现要素：

本公开考虑上述事实而完成，提供能够简易且高精度地检测道路的水淹的水淹检知装置、水淹检知系统及水淹检知程序存储介质。

本公开的第一方案是一种水淹检知装置，其中，包括：检知结果取得部，取得基于与车辆的行驶相关的多个种类的行驶状态数据而检知了所述车辆行驶的道路的水淹的检知结果；气象信息取得部，取得包括表示所述车辆行驶的地域的实际降雨量的降雨信息及表示降雨预测量的降雨预测信息的至少一方的气象信息；及检测部，使用所述检知结果取得部及所述气象信息取得部各自的取得结果来检测所述道路的水淹。

根据第一方案，在检知结果取得部中，取得基于与车辆的行驶相关的多个种类的行驶状态数据而检知了车辆行驶的道路的水淹的检知结果。

在气象信息取得部中，取得包括表示车辆行驶的地域的实际降雨量的降雨信息及降雨预测信息的至少一方的气象信息。

并且，在检测部中，使用检知结果取得部及气象信息取得部各自的取得结果来检测道路的水淹。由此，不用使用水淹检知传感器就能够容易地检知水淹。另外，与检知道路的水淹的情况相比，能够高精度地检测道路的水淹。

需要说明的是，在第一方案中，可以是，还包括收集社交网络服务的发布信息的收集部，检测部使用检知结果取得部及气象信息取得部各自的取得结果和收集部的收集结果来检测道路的水淹。由此，能够进一步提高道路的水淹的检测精度。

另外，在第一方案中，可以是，还包括基于行驶状态数据来检知车辆行驶的道路的水淹的检知部，检知结果取得部从检知部取得检知结果。

另外，在第一方案中，可以是，检知结果取得部从具备基于行驶状态数据来检知车辆行驶的道路的水淹的检知部的车辆取得检知结果。

另外，在第一方案中，可以是，气象信息至少包括降雨预测信息，水淹检知装置还包括：记录部，将由检测部检测到道路的水淹的水淹点与检测部进行水淹的检测时使用的气象信息一起记录；及水淹预测部，使用气象信息取得部取得的降雨预测信息所表示的降雨预测量和记录于记录部的水淹点处的气象信息来预测记录于记录部的水淹点的水淹。

本公开的第二方案是一种水淹检知系统，包括：行驶检测部，检测与车辆的行驶相关的多个种类的行驶状态数据；取得部，从多个所述车辆取得所述行驶检测部检测到的所述多个种类的行驶状态数据；导出部，使用所述取得部从多个所述车辆预先取得的所述多个种类的行驶状态数据和预先确定的学习模型，来导出用于求出因所述车辆行驶而变化的物理量的车辆行为模型；检知部，使用利用所述导出部导出的所述车辆行为模型和所述取得部从预先确定的关注车辆取得的当前的所述多个种类的行驶状态数据而预测出的所述物理量和从所述取得部从所述关注车辆取得的当前的所述行驶状态数据得到的所述物理量，来检知所述关注车辆行驶的道路的水淹；气象信息取得部，取得包括表示所述车辆行驶的地域的实际降雨量的降雨信息及表示降雨预测量的降雨预测信息的至少一方的气象信息；及检测部，使用所述检知部的检知结果及所述气象信息取得部的取得结果的各个来检测所述道路的水淹。

根据第二方案，在检测部中，检测与车辆的行驶相关的多个种类的行驶状态数据。

在取得部中，从多个车辆取得检测部检测到的多个种类的行驶状态数据。

在导出部中，使用取得部从多个车辆预先取得的多个种类的行驶状态数据和预先确定的学习模型，来导出用于求出因车辆行驶而变化的物理量的车辆行为模型。

在检知部中，使用利用导出部导出的车辆行为模型和取得部从预先确定的关注车辆取得的当前的多个种类的行驶状态数据而预测出的物理量和从取得部从关注车辆取得的当前的行驶状态数据得到的物理量，来检知关注车辆行驶的道路的水淹。

在气象信息取得部中，取得包括表示车辆行驶的地域的实际降雨量的降雨信息及表示降雨预测量的降雨预测信息的至少一方的气象信息。

并且，在检测部中，使用检知部的检知结果及气象信息取得部的取得结果的各个来检测道路的水淹。由此，不用使用水淹检知传感器就能够容易地检知水淹。另外，由于不仅考虑行驶状态数据也考虑气象信息来检测水淹，所以能够高精度地检测道路的水淹。

本公开的第三方案是一种非暂时性存储介质，存储有使计算机执行水淹检知处理的程序，所述水淹检知处理包括以下步骤：取得基于与车辆的行驶相关的多个种类的行驶状态数据而检知了所述车辆行驶的道路的水淹的检知结果，取得包括表示所述车辆行驶的地域的实际降雨量的降雨信息及表示降雨预测量的降雨预测信息的至少一方的气象信息，使用所述检知结果及所述气象信息来检测所述道路的水淹。

本公开的第四方案是一种水淹检知方法，包括以下步骤：取得基于与车辆的行驶相关的多个种类的行驶状态数据而检知了所述车辆行驶的道路的水淹的检知结果，取得包括表示所述车辆行驶的地域的实际降雨量的降雨信息及表示降雨预测量的降雨预测信息的至少一方的气象信息，使用所述检知结果及所述气象信息来检测所述道路的水淹。

如以上说明那样，根据本公开，能够提供能够简易且高精度地判定道路的水淹的水淹检知装置、水淹检知系统、水淹检知程序存储介质及水淹检知方法。

附图说明

图1是示出本实施方式的水淹检知系统的概略结构的框图。

图2是用于说明使用了车速的预测值和实测值的错误(水淹)判定的一例的图。

图3是示出将车型与模型的系数建立了对应的表的一例的图。

图4是示出在本实施方式的水淹检知系统的水淹判定中心中在利用机器学习导出车辆行为模型时由中央处理部进行的处理的流程的一例的流程图。

图5是示出在本实施方式的水淹检知系统的水淹判定中心中在判定水淹时由中央处理部进行的处理的流程的一例的流程图。

图6是示出在本实施方式的水淹检知系统中使用信息收集部收集到的sns的发布信息、气象数据来提高中央处理部进行的水淹判定的精度的处理的流程的一例的流程图。

图7是示出由本实施方式的水淹检知系统的水淹预测部进行的水淹预测处理的流程的一例的流程图。

图8是示出在基于can数据的水淹判定处理中作出了水淹判定的位置处存在实际降雨的情况及存在表示水淹报告的sns的发布信息的情况的各情况下作为水淹点而向水淹点数据库记录的情况下的处理的流程的一例的流程图。

图9是示出在基于can数据的水淹判定处理中作出了水淹判定的位置处存在实际降雨的情况及存在表示在基于can数据的水淹判定处理中作出了水淹判定的位置处的水淹报告的sns的发布信息的情况的各情况下作为水淹点而向水淹点数据库记录的情况下的处理的流程的一例的流程图。

图10是示出将使用了can数据的水淹判定在搭载于各车辆的信息提供装置侧进行的情况下的水淹检知系统的结构例的框图。

图11是示出气象信息中心60收集气象数据、水淹检测信息及sns的发布信息来进行提供水淹区域地图的服务的例的图。

图12是用于说明车辆行为模型的其他例的图。

具体实施方式

以下，参照附图对本公开的实施方式的一例进行详细说明。图1是示出本实施方式的水淹检知系统的概略结构的框图。

在本实施方式的水淹检知系统10中，搭载于多个车辆12的信息提供装置14、水淹判定中心36、气象信息中心60及sns(社交网络服务)服务器62的各个经由通信网络34而连接。

气象信息中心60将与气象相关的各种气象数据作为气象信息而向连接于通信网络34的装置提供。作为气象信息，例如包括每个地方的实际降雨量及降雨预测量的至少一方的气象数据。需要说明的是，在以下的说明中，将气象数据主要设为实际降雨量来进行说明，但在无法检测实际降雨量的地域等中，也可以使用降雨预测量。

sns服务器62提供在预先注册的用户间取得交流的服务。例如，通过用户将各种信息作为发布信息向sns服务器62互相发布来取得用户间的交流。

水淹判定中心36从搭载于多个车辆12的信息提供装置14收集车辆12的行驶状态数据作为can(controllerareanetwork：控制器局域网)数据，并且从气象信息中心60取得气象数据。并且，进行使用收集到的can数据、气象数据及sns的发布信息等来判定各车辆12正在行驶的道路的水淹的处理。另外，水淹判定中心36使用作出了水淹判定的水淹点的履历和气象数据来进行水淹预测。

搭载于各车辆12的信息提供装置14具备运算部16、gps接收部18、加速度传感器20、显示部22、车速传感器24、通信部26、坡度传感器28、加速器踏板传感器30及制动器踏板传感器32。需要说明的是，加速度传感器20、车速传感器24、坡度传感器28、加速器踏板传感器30及制动器踏板传感器32对应于行驶检测部。

运算部16由包括cpu(centralprocessingunit：中央处理单元)、rom(readonlymemory：只读存储器)及ram(randomaccessmemory：随机存取存储器)等的一般的微型计算机构成。

gps接收部18接收来自gps(globalpositioningsystem：全球定位系统)卫星的信号并将接收到的gps信号向运算部16输出。由此，运算部16基于来自多个gps卫星的gps信号来测定本车辆12的位置。

加速度传感器20将向本车辆12施加的加速度作为行驶状态数据而检测，将检测结果向运算部16输出。关于加速度，可以检测车辆12的前后方向、宽度方向及上下方向的各方向，也可以仅检测车辆12的前后方向的加速度。

显示部22显示由水淹判定中心36作出了水淹判定的水淹点的信息(例如，地图信息等)和各种信息。

车速传感器24将本车辆12的行驶速度作为行驶状态数据而检测，将检测结果向运算部16输出。

通信部26通过与通信网络34进行无线通信来与水淹判定中心36、搭载于其他的车辆12的信息提供装置14通信。作为通信网络34，例如包括便携电话线路网等无线通信线路网。

坡度传感器28通过检测车辆12的倾斜来将车辆12正在行驶的坡度作为行驶状态数据而检测，将检测结果向运算部16输出。关于坡度，可以仅检测车辆12的前后方向的坡度，也可以进一步检测车宽方向的坡度。

加速器踏板传感器30将加速器踏板的踩踏量作为行驶状态数据而检测，将检测结果向运算部16输出。

制动器踏板传感器32将制动器踏板的操作状态作为行驶状态数据而检测，将检测结果向运算部16输出。

在本实施方式中，作为行驶状态数据，说明将加速度传感器20、车速传感器24、坡度传感器28、加速器踏板传感器30及制动器踏板传感器32的检测结果作为一例而检测的例子，但不限于它们。

运算部16将从各传感器取得的多个种类的行驶状态数据及识别车型的车型id经由通信部26及通信网络34而向水淹判定中心36发送。

另一方面，水淹判定中心36具备中央处理部38、中央通信部48、模型存储部50、can数据库52及水淹点数据库56。

中央通信部48通过与通信网络34进行无线通信来与搭载于各车辆12的信息提供装置14通信。

模型存储部50存储求出因车辆12行驶而变化的物理量(详情后述)的车辆行为模型和针对每个车型设定的系数表。

can数据库52将从搭载于各车辆12的信息提供装置14取得的行驶状态数据作为can数据而存储。

中央处理部38由包括cpu(centralprocessingunit：中央处理单元)、rom(readonlymemory：只读存储器)及ram(randomaccessmemory：随机存取存储器)等的一般的计算机构成。中央处理部38具有预测部40、判定部42、模型更新部46、信息收集部54及水淹预测部44的功能。这些各功能通过中央处理部38的cpu执行存储于rom等的程序而实现。需要说明的是，中央处理部38的各功能相当于检知结果取得部、气象信息取得部、检测部、收集部、检知部、记录部、水淹预测部、取得部及导出部，详情对应于后述的处理。

信息收集部54收集经由各种sns服务器62而在用户间交换的sns的发布信息中包含的水淹信息、气象信息中心60提供的气象数据等信息。

预测部40读出预先存储于模型存储部50的车辆行为模型，根据车型id来确定车型，选择与车型对应的系数并向车辆行为模型应用，由此导出每个车型的车辆行为模型。并且，通过向导出的车辆行为模型代入can数据来算出物理量的预测值。在本实施方式中，作为预测的物理量而应用车速，向为了求出车速而预先导出的车辆行为模型应用与车型对应的预先求出的系数，算出车速的预测值。需要说明的是，关于求出车速的车辆行为模型的详情将在后文叙述。

判定部42将由预测部40预测出的车速与从信息提供装置14取得的实际的车速进行比较，判定道路的水淹的有无。具体而言，通过在预测值与实测值之差为预先确定的阈值以上的情况下判定为水淹来检知道路的水淹。例如，如图2所示，在实测值和预测值相对于时间经过发生了变化的情况下，在实测值与预测值之差为预先确定的阈值以上的状态持续了规定时间(例如，5秒以上)的区间中，判定部42判定为错误(水淹)。而且，判定部42进行使用信息收集部54收集到的sns的发布信息、气象数据来提高基于can数据的水淹判定的精度的处理。

模型更新部46使用存储于can数据库52的can数据来利用机器学习导出车辆行为模型的系数，将该系数向模型存储部50存储，并且随时更新模型的系数表。

接着，对上述的求出车速的车辆行为模型的一例进行详细说明。在本实施方式中，使用运动方程式来导出用于求出车速作为物理量的车辆行为模型。

首先，运动方程式能够由以下的(1)式表示。

m×(dv/dt)＝f…(1)

需要说明的是，m是车辆重量，dv/dt是加速度，f是车辆12前进的力。

在此，dv/dt能够近似地由以下的(2)式表示。

dv/dt＝(v(t+δt)-v(t))/δt…(2)

需要说明的是，v(t+δt)是δt秒后的车速(预测出的车速)，t是时间，v(t)是当前的时刻的车速。

若将(2)式代入(1)式，则得到以下的(3)式。

m×(v(t+δt)-v(t))/δt＝f…(3)

若关于v(t+δt)进行整理，则成为以下的(4)式。

v(t+δt)＝v(t)+(f/m)×δt…(4)

在此，f的项是f＝f1(车辆12的驱动动力)-f2(车辆12受到的阻力)，但若使用can数据则成为，

f1＝c1×r…(5)

需要说明的是，c1是系数，r是加速器踩踏量，从can数据得到。

f2＝空气阻力+坡度阻力+滚动阻力+加速阻力…(6)

空气阻力＝c21×v(t)²

坡度阻力＝c22×sinθ

滚动阻力＝c23×v(t)

加速阻力＝c24×a(t)

需要说明的是，c21、c22、c23、c24是系数，θ是路面坡度，v(t)是车速，a(t)是加速度，从can数据得到。

将(5)式及(6)式代入(4)式，能够得到下述的多元回归式作为车辆行为模型。

v(t+δt)＝v(t)+{c1×r-(c21×v(t)²+c22×sinθ+c23×v(t)

+c24×a(t))}×(δt/m)…(7)

关于各系数，使用从多个车辆12收集并存储于can数据库的大量的can数据，通过多元回归分析的学习模型而求出，作为系数表而向模型存储部50存储。另外，每当新取得了can数据时，更新存储于模型存储部50的系数。另外，由于系数针对每个车型不同，所以针对每个车型求出并更新系数。例如，关于向模型存储部50存储的系数，如图3所示，将车型与模型的系数建立对应并作为表而存储。

接着，对在如上述这样构成的本实施方式的水淹检知系统10中在水淹判定中心36中中央处理部38导出车辆行为模型时的处理进行说明。图4是示出在本实施方式的水淹检知系统10的水淹判定中心36中在利用机器学习导出车辆行为模型时由中央处理部38进行的处理的流程的一例的流程图。需要说明的是，图4的处理在导出车辆行为模型的初始的系数时进行，并且每当向can数据库52收集了can数据时进行。

在步骤100中，模型更新部46取得作为经由中央通信部48而收集到can数据库52的行驶状态数据的can数据，移向步骤102。需要说明的是，步骤100相当于取得部。

在步骤102中，模型更新部46进行取得的can数据的前处理，移向步骤104。作为前处理，例如，针对时期时刻及每个车型将can数据排序，针对每个时间及每个车型进行分类。另外，也可以针对每个can数据，将时间统一并对数据的缺损进行插值等处理。

在步骤104中，模型更新部46决定模型式，将模型式向模型存储部50存储，结束一系列处理。即，使用can数据，将作为上述的车辆行为模型的多元回归式的各系数通过机器学习而导出并向模型存储部50存储。在已经存储有各系数的情况下，更新各系数。需要说明的是，步骤104相当于导出部。

接着，对在水淹判定中心36中在中央处理部38基于来自各车辆12的can数据来判定水淹时进行的处理进行说明。图5是示出在本实施方式的水淹检知系统10的水淹判定中心36中在判定水淹时由中央处理部38进行的处理的流程的一例的流程图。需要说明的是，图5的处理设为在后述的提高水淹判定的精度的处理中进行。

在步骤200中，中央处理部38经由中央通信部48及通信网络34而从信息提供装置14取得can数据，移向步骤202。需要说明的是，步骤200相当于取得部，以后的步骤202～210的处理相当于检知部。

在步骤202中，预测部40使用取得的can数据和车辆行为模型来算出车速的预测值，移向步骤204。即，读出存储于模型存储部50的车辆行为模型，根据车型id来确定车型，选择与车型对应的系数并向车辆行为模型应用。并且，通过将取得的can数据代入车辆行为模型来算出车速的预测值。

在步骤204中，判定部42将车速的预测值与从信息提供装置14取得的实际的can数据的车速的实测值进行比较，移向步骤206。

在步骤206中，判定部42判定预测值与实测值之差是否为预先确定的阈值以上。在该判定为否定的情况下，移向步骤208，在该判定为肯定的情况下，移向步骤210。

在步骤208中，判定部42判定为取得了can数据的车辆12所行驶的道路未发生水淹的非水淹，结束一系列处理。

另一方面，在步骤210中，判定部42判定为取得了can数据的车辆12所行驶的道路发生了水淹，结束一系列处理。

接着，对在本实施方式的水淹检知系统10中使用信息收集部54收集到的sns的发布信息、气象数据来提高中央处理部38进行的水淹判定的精度的处理进行说明。图6是示出在本实施方式的水淹检知系统10中使用信息收集部54收集到的sns的发布信息、气象数据来提高中央处理部38进行的水淹判定的精度的处理的流程的一例的流程图。需要说明的是，图7的处理例如每当从各车辆12的信息提供装置14取得了can数据时或每当取得了预先确定的量的can数据时开始。

在步骤300中，中央处理部38进行基于can数据的水淹判定处理，移向步骤302。即，通过进行上述的图5所示的水淹判定处理来取得水淹判定结果。需要说明的是，步骤300相当于检知结果取得部。

在步骤302中，信息收集部54通过经由中央通信部48及通信网络34访问sns服务器62来收集包括水淹信息的sns的发布信息，移向步骤304。需要说明的是，步骤302相当于收集部。

在步骤304中，信息收集部54通过经由中央通信部48及通信网络34访问气象信息中心60来取得气象数据，移向步骤306。需要说明的是，步骤304相当于气象信息取得部。

在步骤306中，判定部42基于气象数据来判定在步骤300的基于can数据的水淹判定处理中作出了水淹判定的位置处是否存在预先确定的阈值以上的实际降雨。在该判定为肯定的情况下移向步骤308，在该判定为否定的情况下结束一系列处理。需要说明的是，步骤306的判定也可以判定在存在预先确定的阈值以上的实际降雨的区域内是否存在步骤300的基于can数据的水淹判定处理中的水淹判定。

在步骤308中，判定部42判定是否存在步骤306的存在阈值以上的实际降雨的作出了水淹判定的位置的用户报告。该判定对是否取得了表示通过步骤300的基于can数据的水淹判定处理而作出了水淹判定的位置处的水淹报告的sns的发布信息进行判定。在该判定为肯定的情况下移向步骤310，在该判定为否定的情况下结束一系列处理。

在步骤310中，判定部42向水淹点数据库56记录水淹点，结束一系列处理。在记录水淹点时，将实际降雨量、降雨预想量等气象数据一起记录。需要说明的是，记录于水淹点数据库56的水淹点例如也可以经由中央通信部48而对连接于通信网络34的信息提供装置14分发水淹信息。由此，在搭载有各信息提供装置14的车辆12中，由于知道水淹点，所以能够选择不通过水淹点的路线。例如，在由导航装置进行着通过水淹点的路线引导的情况下，能够改道成避开水淹点的路线。或者，也可以对需要水淹点的信息的天气预报公司等分发而得到回报。需要说明的是，步骤306～310相当于检测部，并且步骤310相当于记录部。

接着，对由本实施方式的水淹检知系统的水淹预测部44进行的水淹预测处理进行说明。图7是示出由本实施方式的水淹检知系统10的水淹预测部44进行的水淹预测处理的流程的一例的流程图。需要说明的是，图7的处理例如可以在车辆12的乘员从信息提供装置14对水淹判定中心36进行了水淹预测的要求的情况下开始。或者，也可以在从气象信息中心60发布了大雨警报、洪水警报、泥沙灾害警戒信息等与降雨相关的警报的情况等下开始。

在步骤400中，水淹预测部44经由中央通信部48及通信网络34而从气象信息中心60取得降雨预测量、雨云预测等气象数据，移向步骤402。

在步骤402中，水淹预测部44读出记录于水淹点数据库56的水淹记录，移向步骤404。

在步骤404中，水淹预测部44将降雨预测量与水淹记录进行对照，移向步骤406。即，将作为气象数据而取得的降雨预测量与作为水淹点而记录的水淹点的实际降雨量进行对照。

在步骤406中，水淹预测部44根据步骤404的对照结果来判定水淹点处的降雨预测量是否超过水淹时的实际降雨量。在该判定为否定的情况下，直接结束处理，在该判定为肯定的情况下，移向步骤408。

在步骤408中，水淹预测部44预测水淹，结束一系列处理。需要说明的是，在预测到水淹的情况下，也可以经由中央通信部48而对连接于通信网络34的信息提供装置14分发水淹预测信息。

需要说明的是，在上述的实施方式中的图6的提高水淹判定的精度的处理中，使用基于can数据的水淹判定处理的判定结果、气象数据及sns的发布信息来进行水淹判定，但不限于此。例如，也可以省略图6的步骤302、308，设为以不利用sns的发布信息的方式进行水淹判定的方式。或者，也可以省略步骤304、306，设为通过步骤308判定是否存在在基于can数据的水淹判定处理中作出了水淹判定的位置的用户报告而以不利用气象数据的方式进行水淹判定的方式。

另外，在上述的实施方式中的图6的提高水淹判定的精度的处理中，在基于can数据的水淹判定处理中作出了水淹判定的位置处存在实际降雨且存在用户报告的情况下作为水淹点而向水淹点数据库56记录，但不限于此。例如，也可以设为在基于can数据的水淹判定处理中作出了水淹判定的位置处存在实际降雨的情况和存在表示水淹位置的报告的sns的发布信息的情况的各情况下作为水淹点而向水淹点数据库56记录的方式。在该情况下，进行图8所示的处理。图8是示出在基于can数据的水淹判定处理中作出了水淹判定的位置处存在实际降雨的情况及存在表示水淹报告的sns的发布信息的情况的各情况下作为水淹点而向水淹点数据库56记录的情况下的处理的流程的一例的流程图。需要说明的是，对与图6相同的处理标注同一标号，省略详细的说明。

首先，与图6同样，进行上述的步骤300～304的处理，移向步骤306。

在步骤306中，与图6同样，判定部42基于气象数据来判定在步骤300的基于can数据的水淹判定处理中作出了水淹判定的位置处是否存在预先确定的阈值以上的实际降雨。在该判定为否定的情况下移向步骤307，在该判定为肯定的情况下移向步骤310。

在步骤307中，判定部42判定是否存在表示水淹位置的用户报告。该判定对是否取得了表示水淹位置的sns的发布信息进行判定。在该判定为肯定的情况下移向步骤310，在该判定为否定的情况下结束一系列处理。

或者，也可以设为在基于can数据的水淹判定处理中作出了水淹判定的位置处存在实际降雨的情况和存在表示在基于can数据的水淹判定处理中作出了水淹判定的位置处的水淹报告的sns的发布信息的情况的各情况下作为水淹点而向水淹点数据库56记录的方式。在该情况下，进行图9所示的处理。图9是示出在基于can数据的水淹判定处理中作出了水淹判定的位置处存在实际降雨的情况及存在表示在基于can数据的水淹判定处理中作出了水淹判定的位置处的水淹报告的sns的发布信息的情况的各情况下作为水淹点而向水淹点数据库56记录的情况下的处理的流程的一例的流程图。需要说明的是，对与图8相同的处理标注同一标号，省略详细的说明。

即，取代图8的步骤307而执行步骤309。在步骤309中，判定部42判定是否存在在步骤300的基于can数据的水淹判定中作出了水淹判定的位置的用户报告。该判定对是否取得了表示在步骤300的基于can数据的水淹判定中作出了水淹的位置处的水淹报告的sns的发布信息进行判定。在该判定为肯定的情况下移向步骤310，在该判定为否定的情况下结束一系列处理。

另外，在上述的实施方式中，说明了在水淹判定中心36侧进行使用了can数据的水淹判定的例子，但不限于此。例如，使用了can数据的水淹判定也可以在搭载于各车辆12的信息提供装置14侧进行。图10是示出将使用了can数据的水淹判定在搭载于各车辆12的信息提供装置14侧进行的情况下的水淹检知系统的结构例的框图。在该情况下，如图10所示，使信息提供装置14具有预测部40、判定部42及模型存储部50的功能。即，在模型存储部50中，将与搭载信息提供装置14的车辆12的车型对应的车辆行为模型预先导出并存储。或者，将针对每个车型的多个车辆行为模型预先导出并存储，设为在使用时选择与本车辆对应的车辆行为模型的结构。并且，通过信息提供装置14的运算部16执行图5的处理，能够利用预测部40算出预测值并与上述实施方式同样地进行判定部42的水淹判定。需要说明的是，在将水淹判定在搭载于各车辆12的信息提供装置14侧进行的情况下，将图5的处理适当变换为运算部16进行的处理并进行。另外，该情况下的运算部16执行的步骤200的处理相当于取得部，步骤202～210的处理相当于检知部。

另外，在上述的实施方式中，说明了在水淹判定中心36中收集气象数据、sns的发布信息及行驶状态数据的例子，但不限于此。例如，也可以设为气象信息中心60收集气象数据并且从水淹判定中心36收集表示水淹判定结果的水淹检测信息且从sns服务器62收集发布信息的方式。图11是示出气象信息中心60收集气象数据、水淹检测信息及sns的发布信息并进行提供水淹区域地图的服务的例的图。在图11的例中，水淹判定中心36从各车辆12收集can数据并向can数据库52蓄积，与上述的实施方式同样，中央处理部38通过进行使用can数据判定水淹的水淹判定逻辑来判定水淹。另外，气象信息中心60收集表示水淹判定逻辑的水淹判定结果的水淹检测信息，并且收集气象数据及sns的发布信息。并且，气象信息中心60使用水淹检测信息、气象数据及sns的发布信息来进行图6的处理，进行信息统合化，并且进行gui(graphicaluserinterface：图形用户界面)化，如图11所示，将在地图上显示了水淹地区的水淹区域地图70向客户的便携终端装置等提供。水淹区域地图70例如每隔5分钟等预先确定的时间或在接受了更新指示的情况下更新。

另外，在上述的实施方式中，说明了使用多元回归式作为车辆行为模型的例子，但车辆行为模型不限定于基于多元回归式的机器学习。例如，如图12所示，车辆行为模型能够应用在预测式的说明变量的各项中使用can数据(加速器踩踏量r、车速v(t)、路面坡度θ、加速度dv/dt等)来求出δt秒后的预测值v(t+δt)的各种预测模型。作为多元回归分析以外的预测模型的一例，也可以应用神经网络、支持向量回归(svr：supportvectorregression)等各种机器学习模型。

另外，在上述的实施方式中，使用了求出车速作为物理量的车辆行为模型，但物理量不限于此，例如也可以使用求出加速度、加速度的变化率等其他物理量的车辆行为模型。

另外，在上述的实施方式中，将空气阻力、坡度阻力、滚动阻力及加速阻力作为车辆承受的阻力f2而导出了车辆行为模型，但车辆承受的阻力f2不限定于此。例如，滚动阻力及加速阻力比其他阻力小，因此也可以省略至少一方的阻力。

另外，由上述的各实施方式中的水淹检知系统10的各部进行的处理设为通过执行程序而进行的软件处理进行了说明，但不限于此。例如，也可以设为利用硬件进行的处理。或者，还可以设为将软件及硬件双方组合而成的处理。另外，在设为了软件的处理的情况下，也可以将程序存储于各种存储介质并使其流通。

而且，本公开不限定于上述，除了上述以外，当然也能够在不脱离其主旨的范围内各种变形而实施。