CN101158496B - 车辆用空调装置以及其控制方法 - Google Patents

Abstract

本发明涉及一种车辆用空调装置，具有：向车内供给空调空气的空调部；取得表示与车辆有关的状态的状态信息的信息取得部；具有至少一个用于算出乘员进行规定的设定操作的推荐概率的概率模型，将状态信息输入该至少一个的概率模型而算出进行规定的设定操作的推荐概率，对应推荐概率，修正与乘员的设定操作关联的设定信息或控制信息以使其成为规定的设定操作的控制信息修正部；根据被修正了的设定信息或控制信息控制空调部的空调控制部。

Description

车辆用空调装置以及其控制方法

技术领域

本发明涉及一种车辆用空调装置(Air conditioner for vehicle)以及其控制方法，尤其涉及一种应对乘员的温感或者状况自动地使空调状态最适化的车辆用空调装置以及其控制方法。

背景技术

一般地，车辆用空调装置，应对设定温度、外界气体温度、室内气体温度、日照量等的各种参数，自动地决定从各吹出口送出的空调空气的温度、风量等。但是，对于乘员的温感(怕热、怕冷等)存在个人差。因此，自动地被决定了的空调空气的温度、风量等的值，不得不是作为乘员最适合的值。像那样的情况下，乘员应对必要，通过操作面板，调高设定温度，或者调低，或者，增加风量或者减少来调节空调装置。因此，乘员通过操作面板，变更设定温度、风量等的设定值的情况下，利用此时的各种参数，编入修正决定空调空气的温度或风量的关系式的学习控制的空调控制装置被开发(参照日本特开2000-293204号公报)。

可是，乘员变更空调装置的设定，不一定是由于温感等的不同。在特定的情况下由于外部环境的要因乘员也会变更其设定。例如，乘员将要进行驾驶之前进行了运动的情况下，也会使设定温度比通常更低。另外，汽车总是来到堵塞的地点的情况下，为了防止车的废气充满车内，乘员也会设定为室内气体循环方式。但是，在日本特开2000-29204号公报中所述的空调控制装置，不能区分是由于在特定情况下外部环境的要因的原因乘员变更了空调装置的设定，还是由于根据空调装置自动调节了的设定值不符合乘员的温感、乘员变更了其设定。

另一方面，通过将表示行车中的车辆的位置的数据加到学习数据上，作为可以识别温调学习和除此以外的学习的汽车用空气调和装置被开发(参照日本特开2000-62431号公报)。日本特开2000-62431号公报所述的汽车用空气调和装置，参照车辆的位置及日期和时间，决定是否温调学习。但是，日本特开2000-62431号公报没有明确指示是否温调学习的具体方法。并且，像上述那样的特定情况也没有明确指示使空调温度最适化。

为此，寻求开发在像上述那样的特定情况也使空调温度自动地最适化的空调装置。

发明内容

本发明的目的在于提供一种应对特定情况可以自动地使空调设定最适化的车辆用空调装置及其控制方法。

本发明的其他目的在于提供一种对于特定情况可以自动地学习最适的空调设定的车辆用空调装置及其控制方法。

本发明的另一其他目的在于提供一种不受特定情况影响，对乘员的温感也可以自动地学习空调设定的车辆用空调装置以及其控制方法。

本发明的另一其他目的在于提供一种可以利用少的资源进行对于乘员的温感或者特定情况的最适的空调设定的学习的车辆用空调装置以及其控制方法。

根据本发明的一个侧面，提供车辆用空调装置。有关车辆用空调装置至少具有一个向车辆内供给空调空气的空调部；取得表示与车辆有关的状态的状态信息的信息取得部；用于算出乘员进行规定的设定操作的推荐概率的概率模型，将状态信息至少输入一个概率模型进行其规定的设定操作算出推荐概率，对应被算出的概率模型，具有将与乘员的设定操作关联的设定信息或控制信息成为像规定的设定操作那样进行修正的控制信息修正部；和按照被修正了的设定信息或控制信息、控制空调部的空调控制部。

车辆用空调装置，由于具有相关的结构，能对应于特定状况自动地使车内的空调设定成最优化。还有，状态信息是表示有关车辆的状态，至少包含有关车辆的空调信息(具体的，室外气温、室内气温及日照量)、车辆的位置信息、车辆的举动信息、时间信息或车辆的乘员的生物信息的一个。另外，所谓规定的设定操作，设定温度的变更、风量的变更、设定为室内气体循环方式，称为使除霜器工作或停止，称为变更车辆用空调装置的工作状态的操作。另外，所谓设定信息是指设定温度、风量、内外气体的吸气比、从各吹出口送出的空调空气的风量比等、规定车辆用空调装置的动作的信息。并且，所谓控制信息是指空调空气的温度、鼓风机的回转数、空气混合门的开度等、基于设定信息求得的、控制空调部的各部的动作的信息。

另外，在控制信息修正部优选在推荐概率在第一阈值以上的情况下，修正设定信息或者控制信息。

并且，与本发明有关的车辆用空调装置具有：推荐概率在不到第一阈值、且比第一阈值的低的第二阈值以上的情况下、将规定的设定操作的内容报告乘员、且乘员确认是否进行规定的设定操作的确认操作部，通过确认操作部进行规定的设定操作被确认了的情况下，控制信息修正部，最好修正设定信息或者控制信息。

车辆用空调装置，由于具有有关结构，乘员考虑实行规定的操作几乎确实的情况下，自动地实行该设定操作。另外，虽不能说实行该设定操作几乎确实，在其可能性高的情况下，乘员只是进行确认进行该设定操作的操作，车辆用空调装置，实行该设定操作，因此由简单的操作使空调设定最优化。

并且，控制信息修正部，具有多个与规定的控制信息相关的概率模型，基于多个概率模型的各自被算出的概率内，最好将最高概率作为推荐概率。

车辆用空调装置，通过具有相关结构，对于各种状况，能各自别个地准备概率模型，因此对应这些状况能自动地使空调设定最优化。另外，车辆用空调装置，关于多个概率模型的各自求出的概率内，由于使用最高的概率，能防止进行矛盾的设定操作。

另外，与本发明有关的车辆用空调装置具有：取得乘员的信息的乘员信息取得部和利用乘员的信息、乘员和预先被存储了的至少一人的登记完毕利用者进行对照的对照部，控制值修正部，最好基于与对照部判定为乘员的登记完毕利用者引起关联的概率模型算出推荐概率。

车辆用空调装置，通过具有相关结构，按照乘员能使用不同的概率模型，因此能按照乘员使空调设定最优化。

另外，与本发明有关的车辆用空调装置最好具有：进行空调装置的空调设定的操作部和，通过操作部每次进行规定的设定操作、在规定的设定操作时将状态信息与规定的设定操作引起关联进行存储的存储部和，利用与规定的设定操作引起关联并在存储部中存储的状态信息构筑用于算出进行规定的设定操作的推荐概率的第一概率模型的学习部。

车辆用空调装置，通过具有相关结构，伴随乘员进行车辆用空调装置的设定操作重新构筑概率模型，因此伴随继续使用，能对应更加各种各样的状况自动地实行设定操作。

另外，学习部利用在存储部与规定的操作引起关联并被存储了的状态信息，决定概率模型的图表构造及包含在该图表构造中的节点的附带条件概率构筑临时的概率模型，临时的概率模型内，跟随规定的判定基准最好选择最适合的临时的概率模型作为第一概率模型。

另外，学习部具有多个有规定的图表构造的标准模型，关于多个的标准模型的各个，利用上述状态信息决定在规定的图表构造中包含的节点的附带条件概率构筑临时的概率模型，临时的概率模型内，遵照规定的判定基准最好选择最适合的临时的概率模型作为第一概率模型。

并且，规定的判定基准是信息基准，学习部最好将关于临时的概率模型的各个算出的信息量基准的值成为最小或者最大的临时的概率模型作为第一概率模型。

车辆用空调装置，通过具有相关结构，构筑概率模型时，能限定探索概率模型的图表构造的范围，因此能由少的计算资源及计算时间构筑概率模型。另外车辆用空调装置，利用信息量基准评价概率模型，因此不会陷入过学习，能选择真正的只输入了对推荐概率的计算具有贡献的概率模型。

并且，学习部进行了规定的设定操作的操作次数成为第一规定次数以上的情况下，最好构筑第一概率模型。

在此时，学习部进行了规定的设定操作的操作次数成为第二规定次数时，将与规定的操作引起关联并被存储了的状态信息从存储部消去，初始化操作次数，且之后规定的设定操作进行了第一规定次数的情况下，最好利用操作次数在成为第二规定次数之后每次进行规定的设定操作与规定的设定操作引起关联并在存储部中存储的状态信息构筑用于算出进行规定的设定操作的推荐概率的第二概率模型。

车辆用空调装置，通过具有相关结构，废弃用于概率模型的构筑的信息进行更新，之后只利用被积蓄了的信息构筑别的概率模型。因此，车辆用空调装置，对于相同设定操作具有多个癖好的乘员也能应对，且能构筑对应每个状况的概率模型。

另外，与本发明有关的车辆用空调装置具有：取得乘员的信息的乘员信息取得部和，利用乘员信息、乘员和预先被存储了的至少一人的登记完毕利用者进行对照的对照部，存储部，对照部与判定为乘员的登记完毕利用者引起关联存储状态信息，学习部，对操作次数安装登记完毕利用者进行计数，且关于任何的登记完毕利用者当被计数了的操作次数为第一规定次数以上时，最好利用与登记完毕利用者引起关联的状态信息构筑第一概率模型。

车辆用空调装置，通过具有相关结构，能构筑按照乘员的不同概率模型。因此，车辆用空调装置，能构筑用于对应各乘员的温感或者各乘员所固有的特定状况实行空调设定的概率模型。

并且，车辆用空调装置最好具有：设置在车辆外的服务器和，进行空调装置的空调设定的操作部和，装载到车辆、是用于与服务器进行无线通信的第一通信部、每次规定期间经过、或者每次通过操作部进行规定的设定操作或每次该规定的设定操作进行规定次数、在该规定的设定操作时与表示规定的设定操作的设定操作信息一起向服务器发送状态信息的第一通信部。然后服务器具有：基于接收了的设定操作信息、将在规定的设定操作时的状态信息与该规定的设定操作引起关联并进行存储的存储部和，利用与该规定的设定操作引起关联的在存储部中存储的状态信息构筑用于算出进行该规定的设定操作的推荐概率的第一概率模型的学习部和，是用于与车辆进行无线通信的第二通信部、为使控制信息修正部能使用第一概率模型那样、将被构筑的第一概率模型向车辆发送的第二通信部。

车辆用空调装置，通过具有相关构成，演算量多、用于概率模型的学习处理能由设置在车辆外的服务器实行，因此不给车载的处理器添加大的演算负荷、也能构筑概率模型。

并且，车辆用空调装置，最好具有：取得乘员的信息的乘员信息取得部和，利用乘员信息、乘员和预先被存储了的至少一人的登记完毕利用者进行对照的对照部。在此时，第一通信部，将由对照部被判定为登记完毕利用者的识别信息，与状态信息及设定操作信息一起送入服务器，存储部，基于识别信息，将状态信息与被判定了的登记完毕利用者引起关联进行存储，学习部对操作次数按照登记完毕利用者进行计数，且关于任何的登记完毕利用者当被计数了的操作次数成为第一规定次数以上时，利用与登记完毕利用者引起关联的状态信息构筑第一概率模型。

另外，根据本发明的别的侧面，提供具有向车辆内供给空调空气的空调部的车辆用空调装置的控制方法。相关控制方法包含：取得表示与车辆相关的状态的状态信息，向用于乘员算出乘员进行规定的设定操作的推荐概率的至少一个的概率模型输入状态信息并算出规定的设定操作，被算出的推荐概率满足规定的条件的情况下，对应推荐概率，修正与乘员的设定操作关联的设定信息或控制信息以使成为该规定的设定操作，按照被修正了的设定信息或控制信息控制空调部。

另外，空调装置还具有进行空调设定的操作部和存储部，相关控制方法最好还包含：每次通过操作部进行规定的设定操作，将规定的设定操作时的状态信息，与规定的设定操作引起关联的在存储部中存储，利用与规定的操作引起关联的在存储部中存储的状态信息构筑用于算出进行规定的设定操作的推荐概率的第一概率模型。

另外，相关控制方法还包含，将进行了规定的设定操作的操作次数与第一规定次数进行比较。构筑第一概率模型，最好在操作次数为第一规定次数以上的情况下，构筑第一概率模型。

在此时，相关控制方法还最好包含：将操作次数与第二规定次数进行比较，在操作次数为第二规定次数时，从存储部消去与规定的操作引起关联而存储的状态信息，且初始化操作次数，其初始化后通过操作部进行规定的设定操作的情况下，重复存储状态信息及比较操作次数和第一规定次数，操作次数被判定为在第一规定次数以上的情况下，利用与规定的操作引起关联的在存储部中存储的状态信息构筑用于算出进行规定的设定操作的推荐概率的第二概率模型。

根据本发明的又一别的侧面，提供车辆用空调装置。相关车辆用空调装置具有：向车内供给空调空气的空调部；包含车辆的位置信息、车辆的举动信息、时间信息或者车辆的乘员的生物信息中的至少一个和车辆的空调信息，取得表示与车辆有关的状态的状态信息的信息取得部；具有基于取得与乘员的设定操作关联的设定信息的操作部、空调信息及设定信息算出控制信息的控制式，按照由该控制式算出的控制信息，控制空调部的空调控制部；每次通过操作部进行规定的设定操作，存储在该设定操作时的状态信息的存储部；进行了规定的设定操作的操作次数为规定次数以上的情况下，基于在存储部中存储的状态信息，选择与该设定操作关联的状态信息，该被选择了的状态信息不包括空调信息以外的信息的情况下，具有修正控制式的学习部。

车辆用空调装置，通过具有相关构成，不影响特定状况，能配合乘员的温感学习空调设定。这里，控制式不限定于由函数的形式被记述，表示对于输入值的输出值的参照工作台也可以是模型及程序。

另外，与本发明有关车辆用空调装置，具有与规定的设定操作关联的至少一个的概率模型，最好还具有，算出将状态信息输入该至少一个的概率模型并进行规定的设定操作的推荐概率，对应被算出的推荐概率，修正设定信息或者控制信息以使成为规定的设定操作的控制信息修正部。此时，学习部被选择了的状态信息包含空调信息以外的信息的情况下，最好构筑与规定的设定操作相关的概率模型。

车辆用空调装置，通过具有相关结构，不只是配合乘员的温感进行空调设定，也能对应特定的状况使空调设定最优化。

并且，学习部利用在存储部中与规定的操作引起关联而存储的状态信息，通过决定概率模型的图表构造及包含在该图表构造中的节点的附带条件的概率，构筑算出推荐概率的临时的概率模型，临时的概率模型内，选择按照规定的判定基准最适合的临时的概率模型，最好将成为被选择了的临时的概率模型的输入信息的状态信息作为与规定的设定操作关联的状态信息进行选择。

或者，学习部具有多个具有规定的图表构造的标准模型，操作次数为规定次数以上的情况下，关于多个标准模型的各自，通过利用在存储部中存储的状态信息决定包含在规定的图表构造中的节点的附带条件的概率，构筑算出推荐概率的临时的概率模型，临时的概率模型内，按照规定的判定基准选择最适合的临时的概率模型，最好将成为被选择了的临时的概率模型的输入信息的状态信息作为与规定的设定操作关联的状态信息进行选择。

车辆用空调装置，通过具有相关的构成，从多数具有的状态信息内，对与规定的设定操作关联的状态信息，即，考虑判断是否进行该规定的设定操作的要因的状态信息，能进行适当的选择。

并且，规定的判定基准是信息量基准，学习部最好选择关于临时的概率模型的各自成为被算出了的信息量基准的值最小或者最大的临时的概率模型。

车辆用空调装置，乘员求出算出进行规定的设定操作的推荐概率的概率模型，通过调查该输入信息，能选择真正存在与操作关联的信息。

并且，学习部被选择了的状态信息包含空调信息以外的信息的情况下，最好将被选择了的临时的概率模型作为与规定的设定操作相关的概率模型。

根据本发明的又一别的侧面，提供车辆用空调装置的控制方法，其中，车辆用空调装置具有：向车辆的车室内供给空调空气的空调部；包含车辆的位置信息、车辆的举动信息、时间信息或者车辆的乘员的生物信息中的至少一个、车辆的空调信息，取得表示与车辆相关的状态的状态信息的信息取得部；取得与乘员的设定操作关联的设定信息的操作部；具有基于空调信息及设定信息算出控制信息的控制式，按照由该控制式算出的控制信息，控制空调部的空调控制部。相关控制方法包含：每次通过操作部进行规定的设定操作，存储在该设定操作时的状态信息，基于在存储部中存储的状态信息，选择与规定的设定操作关联的状态信息，判定是否包含被选择了的状态信息在空调信息以外的信息，在该判定中，判定被选择了的状态信息不包含空调信息以外的信息的情况下，修正控制式。

另外，车辆用空调装置，具有至少一个用于算出乘员进行规定的设定操作的推荐概率的概率模型，将状态信息输入其至少一个的概率模型算出进行规定的设定操作的推荐概率，对应被算出的推荐概率，还具有修正设定信息或者控制信息以使成为规定的设定操作的控制信息修正部，与本发明相关的控制方法，在上述判定中，被选择了的状态信息被判定包含空调信息以外的信息的情况下，最好包含构筑上述的概率模型。

根据本发明的又一别的侧面，提供控制装置。相关控制装置具有：取得包含第一信息和第二信息的状态信息的信息取得部；输出对应成为控制对象的装置的设定操作的设定信息的操作部；通过向规定的控制式输入第一信息及设定信息算出控制信息，按照该控制信息控制成为控制对象的装置的控制部；每次通过操作部进行规定的设定操作，存储在该规定的设定操作时的装置信息的存储部；基于在存储部中存储的状态信息，选择与规定的设定信息关联的状态信息，该被选择了的状态信息不包含第一信息以外的信息的情况下，修正该控制式的学习部。

附图说明

图1是表示有关本发明的第一实施方式的车辆用空调装置的整体结构的构成图。

图2是车辆用空调装置的控制部的功能的框图。

图3是表示特定情况的一例的图。

图4是表示用于车辆用空调装置的设定值的自动调节的概率模型的一例的图表的构造的图。

图5A-图5D是各自表示关于图4所示的概率模型的各节点的带条件的概率表的图。

图6A-图6D是各自表示具有成为概率模型的基础的构造的标准模型的图。

图7是表示有关本发明的第一实施方式的车辆用空调装置的概率模型的构筑动作的流程图。

图8A及图8B是表示有关本发明的第一实施方式的车辆用空调装置的控制动作的流程图。

图9是表示有关本发明的第一实施方式的车辆用空调装置的控制动作的流程图。

图10是表示有关本发明的第二的实施方式的车辆用空调装置的控制动作的流程图。

图11是表示有关本发明的第三实施方式的车辆用空调装置的整体结构的构成图。

图12是有关本发明的第三实施方式的车辆用空调装置的控制部的功能框图。

图13是有关本发明的第三实施方式的车辆用空调装置的服务器的功能的框图。

图14是表示有关本发明的第三实施方式的车辆用空调装置的动作的流程图。

具体实施方式

本发明这里所示的特征以及其他的特征和优点，通过与以下的附图一同参照详细的说明，可以被更好的理解。

参照以下附图，对于有关本发明的车辆用空调装置进行说明。但是，本发明不被限定于以下的说明，希望注意涉及专利权利要求的所述发明和其均等物的点。

以下，对于本发明的第一实施方式的车辆用空调装置进行说明。

有关本发明的第一实施方式的车辆用空调装置，基于乘员的温感或者特定情况同时被学习的至少一个的概率模型，乘员推定进行中的空调设定操作，自动地实行空调设定。尤其，车辆用空调装置，随着概率模型的学习的进展，通过追加生成与以前作成的概率模型不同的概率模型，各自生成对应各种情况的概率模型。因此，车辆用空调装置，不只配合乘员的温感，且配合特定的情况能使空调设定自动地最适化。

图1是表示有关本发明的第一实施方式的车辆用空调装置1的整体结构的构成图。如图1所示，车辆用空调装置1，主要具有由机械的构成形成的空调部10和控制该空调部10的控制部60。

首先，说明空调部10的冷冻循环R的构成。车辆用空调装置1的冷冻循环R由闭合回路构成，该闭合回路包含通过压缩机11顺时针旋转的电容器15、接收器16、膨胀阀17及蒸发器18。然后，压缩机11将致冷剂压缩成高压气体。另外，压缩机11，具备经由传送带12由车载发动机13传递的动力间断用的电磁离合器14。电容器15冷却并液化由压缩机11送来的高温、高压的致冷剂气体。接收器16储存被液化了的致冷剂气体。另外，接收器16，为了防止冷却性能的降低，除去包含被液化了的致冷剂的气状的气泡，只将完全被液化了的致冷剂送入膨胀阀17。膨胀阀17，将液化了的致冷剂间断膨胀并低温、低压化，送入蒸发器18。蒸发器18，在被低温、低压化了的致冷剂和被送入蒸发器18的空气之间进行热交换冷却该空气。

接着，关于空调部的空调箱20内的构成进行说明。在蒸发器18的上游侧，配置鼓风机21。鼓风机21由离心式鼓风风扇构成，由驱动用发动机22回转驱动。在鼓风机21的吸入侧，配置内外气体变换箱23。在内外气体变换箱23内，配置由内外气体伺服电动机24驱动的内外气体变换门25。然后内外气体变换门25，切换室内气体吸入口26和外界气体吸入口27进行关闭。然后，来自室内气体吸入口26或者外界气体吸入口27的空气，经由内外气体变换箱23，由鼓风机21送入蒸发器18。还有，通过调整鼓风机21的回转速度，能调节从车辆用空调装置1送出的风量。

在蒸发器18的下游侧，从蒸发器18侧按顺序配置空气混合门28及加热磁芯29。向加热磁芯29，为了加热通过加热磁芯29的空气，循环供应在车载发动机13的冷却中被使用的冷却水。另外，在空调箱20中行成旁通加热磁芯29的分流通路30。空气混合门28，通过温调伺服电动机31回动，为了使从各吹出口送出的空气为一定的温度，调整来自通过加热磁芯29的通路32的暖风和通过分流通路30的冷风的风量比例。

并且，在经由了分流通路30的冷风和来自通过加热磁芯29的通路32的暖风被混合的空气混合部33的下游侧，设置将空调空气吹出车室内的底吹出口34、面吹出口35、除霜器吹出口36。然后，在各吹出口上，各自设置用于开关各吹出口的底门37、面门38及除霜器门39。还有，底吹出口34从驾驶座或者助手座的脚下送出空调空气。另外，面吹出口35，从前面板向驾驶座或者助手座送出空调空气。并且，除霜器吹出口36向前面玻璃送出空调空气。各门37、38、39由模伺服电动机40驱动。

接着，关于作为车辆用空调装置1具有的信息取得部发挥功能的各种传感器进行说明。室内气温传感器51，为了测定车室内的温度T_r，在驾驶盘的近旁的仪表面板等上与吸气器一同被设置。另外，室外气温传感器52，为了测定车室外的温度T_am，被设置在电容器15的外侧的前面的车辆前方的散热器护栅上。并且，为了测定照进车室内的日照光的强度(日照量)S，日照传感器53被安装在车室内的前玻璃近旁。还有，日照传感器53由光电二极管构成。

并且，设置用于测定从蒸发器18被吹出的空气的温度(蒸发器出口温度)的蒸发器出口温度传感器、用于测定向加热磁芯29的发动机冷却水的冷却水的水温的加热器入口水温传感器及用于测定在冷冻循环R内循环的致冷剂的压力的压力传感器。其他，在车室内设置作为乘员信息取得部也发挥功能的用于对在驾驶座及其他座位上的乘员的脸进行照相的一台以上的车内照相机54。另外，设置对车外的样子进行照相的车外照相机55。

车辆用空调装置1，从上述的各传感器取得传感检测信息。并且车辆用空调装置1，从导航系统56取得车辆的目前位置、行进方向、周边地域信息、Gbook信息等的位置信息。另外，车辆用空调装置1，从车辆操作机器57，取得加速器开度、驾驶盘、刹车、能量窗口开度、刮水器、匝间杠杆或车辆音频的ON/OFF等的各种操作信息及车速、车辆举动信息等。并且，车辆用空调装置1，由车载时钟58取得星期、目前时刻等的时间信息。另外，车辆用空调装置1，也可以在驾驶座上设置心电检测传感器、心拍·呼吸传感器、体温传感器或皮肤温度传感器等取得乘员的生物信息。

如此，导航系统56、车辆操作机器57及车载时钟58另外也作为信息取得部发挥功能。

图2是车辆用空调装置1的控制部60的功能框图。

控制部60具有：由图未示CPU、ROM、RAM等构成的1个或者多个的图未示微机及其周边回路和，由可以电切换的不发挥性存储器等构成的存储部61和，各种传感器，导航系统56还有车辆用操作机器57等跟随如控制区域网络(CAN)的车载通信规格进行通信的通信部62。

并且，控制部60具有微机及作为通过在微机上被实行的微机程序被实现的组件的对照部63、控制信息修正部64、空调控制部65及学习部66。

控制部60，从各种的传感器、导航系统、车辆操作机器等取得的上述传感检测信息、位置信息、车辆举动信息等的状态信息，将这些在RAM中进行暂时存储。同样地，控制部60有也将从操作部即A/C操作面板59取得的操作信号在RAM中进行暂时存储。然后控制部60基于这些状态信息及操作信号控制空调部10。例如，控制部60，控制电磁离合器14且对压缩机11的ON/OFF进行切换，控制用于鼓风机21的回转数调整的驱动用发动机22。另外控制部60控制内外气体伺服电动机24、温调伺服电动机31及模伺服电动机40调节各门的开度。控制部60，通过对这些控制的实行，使车室内的温度接近乘员设定的温度那样，调节从各吹出口被送出的空调空气的风量比、全体的风量及温度。这里控制部60，为了决定空调空气的温度或者风量等，向可以利用的概率模型，输入规定的状态信息，乘员实行规定的操作(例如，降低设定温度，使风量最大，设定为室内气体循环方式等)推定概率。控制部60，该概率在规定值以上的情况下，自动地实行该规定的操作。

并且控制部60，在乘员对车辆用空调装置1进行操作的情况下，积蓄该操作内容及该操作时的各种信息。然后，控制部60，一定数的像这样的信息被积蓄后，进行统计的学习处理并生成概率模型。以下，对进行这些动作的各功能组件进行说明。

对照部63，使发动机开关ON后，基于由车内照相机54拍摄的画像和有关在车辆用空调装置1上预先被登记的登记完毕利用者的对照信息，进行乘员的对照及认证，判定乘员是否符合任何的登记完毕利用者。然后，对照部63，将被判定为乘员的登记完毕利用者的识别信息(ID)及与登记完毕利用者关联的个人信息从存储部61读出。

这里，对照部63，例如由以下的方法对乘员进行对照并认证。对照部63，对由车内照相机54拍摄的画像进行2价值化，测出年龄并识别与乘员的脸相当的领域。然后，对照部63，从被识别的脸的领域，由年龄测出等的手段测出眼睛、鼻子、嘴唇等特征的部分，将该特征的部分的大小、相对的位置关系等作为特征量的组抽出。接着，对照部63，将被抽出的特征量的组，与预先在存储部61内被存储、与各登记完毕利用者相关且被寻求的特征量的组相比较，利用相关演算计算出一致度。然后，最高一致度，在成为规定的值以上的情况下，对照部63，对乘员作为成为该最高一致度的登记完毕利用者进行认证。还有，上述的对照方法，不过是一例，对照部63，使用其他的周知的对照方法，能对乘员进行对照、认证。例如，对照部63，能利用在特开2005-202786号公报中所述的车辆用面部认证系统。另外，对照部63，也可以利用智能钥匙系统对乘员进行对照、认证。并且，也可以在特开2005-67353号公报所述的车辆用失盗防止装置那样，将智能钥匙系统和画像认证组合对乘员进行对照、认证。并且，对照部63，手的平或手指的静脉图案、指纹等由传感器读取，也可以为了对照乘员而使用。

控制信息修正部64，基于概率模型，决定是否自动调整设定温度T_set、风量W等、乘员可以设定的设定信息即空调装置1的设定参数。即，控制信息修正部(64)，具有与规定的设定操作引起关联的至少一个的概率模型，向概率模型输入状态信息计算出进行规定的设定操作的推荐概率，基于与推荐概率和与概率模型引起关联的修正信息修正与规定的设定操作关联的设定信息或者控制信息。还有，在由该概率模型规定的修正上，设定信息或者控制信息的修正后的值，或者，加上用于将设定信息或者控制信息变更微希望的修正值的设定信息或者控制信息，称与概率模型引起关联的修正信息为乘以修正量。

在本实施方式中，作为概率模型，采用贝氏网络(bayesian network)。贝氏网络使多个事像的概率的因果关系模型化。另外贝氏网络，是由附带条件的概率寻求各节点之间的传播，由非循环有向玻璃表示的网络。还有，关于贝氏网络的详细，明确指示本村阳一、岩崎弘利著、《贝氏网络技术》、初版、电机大出版局、2006年7月、繁树算男他著、《贝氏网络概述》、初版、培风馆、2006年7月、或者尾上守夫监修、《图案识别》、初版、新技术交流图、2001年7月等。

在本实施方式中，概率模型，在车辆用空调装置中被登记的每个利用者中被生成。另外，概率模型，砸每设定操作中(例如，降低设定温度T_set或者升高，调节风量W，作为室内其他循环方式等)被生成。然后，存储部61，概率模型的构造信息，与各利用者信息及设定操作引起关联而被存储。具体的，表示构成概率模型的各节点间的连续关系的图表构造，给于输入节点的输入信息的类型，各节点的附带条件的概率表(以下，称CPT)，由各概率模型依次被规定，在存储部61中被存储。并且，利用者的识别号码(ID)、设定操作的内容和一意对应的设定操作号码k、由该设定操作被修正的设定参数及在该修正值(例如，在设定温度下降3℃的情况下(T_set，-3)，使风量W为最大值W_max的情况下(W，W_max)等)也由各概率模型依次被规定，在与概率模型引起关联的存储部61被存储。

控制信息修正部64，将由对照部63作为乘员被特定的与登记完毕利用者引起关联的概率模型从存储部61读出。控制信息修正部64，向被读出的1以上的各个概率模型，输入规定的状态信息，寻求乘员实行与各概率模型引起关联的设定操作的概率(即，推荐概率或者出现概率)。即，控制信息修正部64，关于各概率模型一意地被规定，寻求实行与各概率模型一起在存储部61中被存储了的由操作号码k表示的设定操作的概率。该概率，例如利用概率传播法能进行计算。然后，控制信息修正部64，所求得的概率的第一阈值Th1(例如，Th1＝0.9)以上的情况(即，可认为乘员实行该设定操作的情况几乎确实的情况)，自动地实行该设定操作。具体的，控制信息修正部64，利用与概率模型引起关联的设定参数的修正值，即，对于该概率模型一意地被规定、与该概率模型一起在存储部61中被存储ide设定参数的修正值对与该设定操作关联的设定参数的值进行修正。

另外，求得的概率的第一阈值Th1未满的情况、第二阈值Th2(例如，Th2＝0.6)以上的情况下(即，考虑乘员实行该设定操作的可能性高的情况)，控制信息修正部64，通过A/C操作面板59或者导航系统56等的表示部表示该设定操作内容，向乘员通知该设定操作内容。然后，控制信息修正部64确认是否向乘员进行该设定操作。然后，通过A/C操作面板59等进行乘员承认进行该设定操作的操作(例如，按下规定的操作按钮)的情况下，控制信息修正部64实行该设定操作。另外，控制信息修正部64，通过A/C操作面板59或者导航系统56也可以由语音向乘员通知设定操作内容。另外，控制信息修正部64在车辆用空调装置1上连接麦克风，在控制部60上装载语音识别系统，也可以确认是否应对乘员的语音实行设定操作。

以下，以使设定温度T_set降低3℃为例进行说明。这里，使上述的第一阈值Th1为0.9，第二阈值Th2为0.6。

图3表示像这样的特定情况的一例。在这里所示的状况，是所谓乘员(A君)，星期六的下午总是在运动公园打网球，之后，4点左右乘自家用车的状况。A君在这样的状况下，使车辆用空调装置的设定温度比平常降低为好。一方面，除此以外的情况下，例如，从工作岗位回家时等，不实行像这样的设定操作。

图4，表示用于自动调节车辆用空调装置的设定参数的概率模型的一例的图表构造。在图4所示的概率模型101中，3个输入节点102、103、104连接各自的输出节点105。另外，向各输入节点102、103、104给予作为各自被输入状态信息的星期(x₁)、时间带(x₂)、目前位置(x₃)。然后，输出节点105输出使设定温度降低3℃的概率。

图5A-图5D表示关于图4所示的概率模型101的各节点的CPT106-109。CPT106-108，对应各自输入节点102-104。然后，CPT106-108对于被输入的状态信息规定事前概率。另外，CPT109应对输出节点105，规定按各输入节点的信息的值被分配的带条件的概率分布。

这里，星期为星期六(x₁＝1)、时间带为白天(x₂＝1)、目前位置为公园(x₃＝1)和给予各输入节点的信息全部已知的情况下，使设定温度T_set降低3℃的概率P(x₄＝1/x₁＝1，x₂＝1，x₃＝1)，如果参照图5D，可知成为0.95的情况。因此，由于所得概率在第一阈值Th1一闪控制信息修正部64，使设定温度T_set降低3℃那样修正设定参数。

另外，星期为星期六(x₁＝1)、时间带为白天(x₂＝1)的情况下，例如，导航系统56的电源不接入，目前位置未知的情况下，利用图5C所示的目前位置是公园的情况的事前概率P(x₃)，计算P(x₄＝1/x₁＝1，x₂＝1，x₃＝1)。此时，

P(x₄＝1/x₁＝1，x₂＝1，x₃)

＝P(x₄＝1/x₁＝1，x₂＝1，x₃＝1)·P  (x₃＝1)

+P(x₄＝1/x₁＝1，x₂＝1，x₃＝0)·P   (x₃＝0)

＝0.95·0.15+0.55·0.85＝0.61

因此，所得概率，比第一阈值Th1小，但是由于在第二阈值Th2以上，控制信息修正部64，是否使设定温度T_set降低3℃通过A/C操作面板59向乘员确认。

并且，星期为星期一(x₁＝0)、时间带为夜晚(x₂＝0)、目前位置为公园(x₃＝0)的情况下，使设定温度降低3℃的概率P(x₄＝0/x₁＝0，x₂＝0，x₃＝0)，参照图5D，可知成为0.1。因此，所得概率由于第一阈值Th1及第二阈值Th2小，控制信息修正部64，不变更设定温度T_set，关于变更设定温度T_set，也可以向乘员确认。

还有，在上述的例中，为了简单化，由2层的网络构成概率模型，但也可以由含有中间层、3层以上的网络构成。另外，将作为输入信息的星期区分为星期六和除此以外，但其他的区分，例如，也可以按各星期区分。同样的，关于目前位置，不区分为公园和其他，也可以按乘员访问频度高的场所进行区分。并且，关于时间带，更加细分化，也可以区分为上午、下午等。

另外，与同一的操作群(例如，各群分类成设定温度的修正、风量的变更、内外气体的切换或风量比的设定等)引起关联的概率模型多个存在的情况下，即，输出修正特定的设定参数的概率的概率模型多个存在的情况下，控制信息修正部64，对于这些多个的概率模型各自计算该概率。还有，特定的设定参数也包含风量、内外气体的切、风量比等。然后，控制信息修正部64，在所得的概率内选择最大的并实行上述的处理。例如，考虑与风量设定有关的概率模型M1(使风量W最大)和M2(使风量W中等程度)存在的情况。此时，控制信息修正部64，基于概率模型M1求出使风量W最大的概率P_M1，同样的，基于概率模型M2计算出使风量W中等程度的概率P_M2。然后，控制信息修正部64，如果P_M1＞P_M2，将P_M1与上述的阈值Th1、Th2相比较，决定是否使风量W最大。反之，如果P_M2＞P_M1，控制信息修正部64将P_M2与上述的阈值Th1、Th2相比较，决定是否使风量W为中等程度。

还有，在上述中，为了容易理解，概率模型M1和M2，与不同的设定操作引起关联的那样被规定的。但是，概率模型M1和M2也可以与相同设定操作引起关联(例如，同时使风量W最大)。这种情况，对应例如、乘员在2种以上不同的状况(一方面，正午时晴天的情况下，另一方面，体育拳击练习场的归途的情况等)下、具有进行同一操作的情况。应对各自的状况如果生成概率模型，这些概率模型，与属于同一操作群的设定操作引起关联。

控制信息修正部64，通过上述的处理，对设定温度T_set、风量W等的各设定参数应对需要进行修正后，可以在控制部60的各部利用这些设定参数那样，在控制部的RAM中进行暂时的存储。

空调控制部65，从RAM读出各设定参数的值及从各传感器取得的传感检测信息，基于这些值，控制空调部10。因此，空调控制部65，具有温度调节部651、压缩机控制部652、吹出口控制部653、吸入口控制部654及送风量设定部655。另外，空调控制部65，在控制信息修正部64中被修正了的设定参数在RAM中被存储了的情况下，读出该被修正了的参数并使用。

温度调节部651，基于设定温度T_set及各温度传感器及日照传感器53的测定信号，决定从各吹出口被送出的空调空气的必要出口温度(空调温度T_ao)。温度调节部651，该空调空气的温度成为空调温度T_ao那样，决定空气混合门28的开度。然后温度调节部651，向温调伺服发动机31，空气混合门28的开度到被设定的位置那样发送控制信号。例如，空气混合门28的开度，基于将由室外气温T_au、日照量S等补正的值作为输入并将空气混合门28的开度作为输入的关系式决定室内气温T_r和设定温度T_set的差。这里，温度调节部651，按一定的时间间隔(例如，5秒间隔)决定空气混合门28的开度。像这样用于控制空气混合门28的各测定值和空气混合门28的开度的关系式如下所示。

T_ao＝k_setT_set-k_rT_r-k_amT_am-k_sS+C

Do＝aT_ao+b

这里，Do表示空气混合门28。另外，系数k_set、k_r、k_am、k_s、C、a、b是定数，T_set、T_r、T_am、S各自表示设定温度、室内气温、室外气温及日照量。这里，控制信息修正部64修正设定温度T_set的情况下，温度调节部651，使用该被修正了的设定温度T_set。另外，空气混合门28的开度Do，关闭了经由加热磁芯29的通路32的状态(即，只是冷气进行动作的状态)被设定为0％，关闭了分流通路30的状态(即，只是暖气动作的状态)被设定为100％。求解温调控制式的各系数T_set、T_r、T_am、k_s、C及空气混合门的开度的关系式的系数a、b，作为温调控制参数，按登记利用者被设定。该参数被包含在登记利用者的个人设定信息中。

还有，温度调节部651，也可以利用利用了神经网络的控制或模糊控制等、其他的周知的控制方法决定空调温度T_ao及空气混合门28的开度。

压缩机控制部652，基于由温度调节部651求出的空调温度(必要吹出温度)T_ao、设定温度T_set及蒸发器出口温度等，控制压缩机11的ON/OFF。压缩机控制部652，在车室内开空调的情况下，在使除霜装置工作的情况下，作为原则使压缩机11工作并使冷冻循环R工作。但是，蒸发器18为了避免冰冻，蒸发器出口温度降低到接近蒸发器18冰冻的温度，蒸发器控制部652，停止蒸发器11。然后，蒸发器出口温度上升到一定温度后，蒸发器控制部652，再度使压缩机11工作。还有，压缩机11的控制，由于利用可变容量控制等周知的方法而进行，这里省略详细的说明。

吹出口控制部653，基于通过A/C操作面板59的乘员设定了的风量比的设定值、由温度调节部651求得的空调温度T_ao、设定温度T_set等，求出从各吹出口被送出的空调空气的风量比。然后吹出口控制部653，应对该风量比那样，决定底门37、面门38及除霜器门39的开度。吹出口控制部653跟随表示风量比的设定值、空调温度T_ao、设定温度T_set等和各门37～39的开度的关系决定各门37～39的开度。像这样的关系式预先被规定，被编入在控制部60中被实行的计算机程序中。还有，吹出口控制部653，利用其他的周知的方法，也能决定各门37～39的开度。然后，吹出口控制部653，各门37～39成为被决定了开度那样控制模伺服电动机40。

另外，吹出口控制部653，在控制信息修正部64修正风量比的设定值或者设定温度T_set的情况下，使用该被修正了的设定值或设定温度T_set决定各门37～39的开度。

吸入口控制部654，基于从A/C操作面板59取得的吸入口设定、设定温度T_set、空调温度T_ao、室内气温等，车辆用空调装置1设定从室内气体吸气口26吸入的空气和从外界气体吸入的空气的比率。吸入口控制部654，跟随表示室外气温T_ao、室内气温T_r和设定温度T_set的差等和吸气比的关系的关系式决定内外气体变换门25的开度。像这样的关系式预先被设定，被编入在控制部60中被实行的计算机程序。还有，吸入口控制部654，利用其他的周知的方法，也能决定内外气体变换门25的开度。吸入口控制部654，控制内外气体伺服电动机24，使内外气体变换门25成为求得的吸气比那样的回动。另外，吸入口控制部654，控制信息修正部64在修正吸气设定值或设定温度T_set的情况下，使用该被修正了的吸气设定值或设定温度T_set决定内外气体变换门25的开度。

送风量设定部655，基于从A/C操作面板59取得的风量W、设定温度T_set、空调温度T_ao、室内气温T_r、室外气温T_am及日照量S，决定鼓风机21的回转速度。然后送风量设定部655，向驱动用电动机22发送鼓风机21的回转速度成为设定值那样的控制信号。例如，在风量设定成为手动设定的情况下，送风量设定部655，决定鼓风机21的回转速度以使成为从操作面板59取得的风量W那样。另外，在风量设定为自动设定的情况下，送风量设定部655，跟随表示室内气温T_r、空调温度T_ao等和风量W的关系的风量控制式决定鼓风机21的回转速度。或者，送风量设定部655，也可以使用直接表示设定温度T_set及空调信息(室内气温T_r、室外气温T_am及日照量S)和风量W的关系的风量控制式。送风量设定部655，作为像这样的控制式，能利用周知的各种结构。还有，像这样的风量控制式预先被设定，被编入砸控制部60中被实行的计算机程序。或者，送风量设定部655，预先准备好定了空调信息和风量W的关系的模型及程序，基于决定对应参照该模型及程序被测定了的空调信息的风量W的模型及程序控制也可以决定鼓风机21的回转速度。并且，送风量设定部655，利用其他的周知的方法，也能决定鼓风机21的回转速度。另外，送风量设定部655，控制信息修正部64修正风量W或设定温度T_set的情况下，使用该被修正了的风量W或设定温度T_set决定鼓风机21的回转速度。

学习部66，在乘员操作了车辆用空调装置1的情况下，判定是否生成新的概率模型，或者是否更新既存的概率模型。然后学习部66，在判定了概率模型的生成或者更新为必要的情况下，生成或更新概率模型。

一般的，车室内不为作为乘员适合的空调状态的情况下，乘员实行车辆用空调装置1的设定操作。因此，乘员频繁的实行车辆用空调装置1的设定操作的情况下，可认为构筑推定乘员的设定操作的概率模型是必要。但是，为了构筑适合的概率模型，统计性的正确的推定必需足够的数据。因此，学校部66，每次实行车辆用空调装置1的设定操作时，将在该操作时取得的状态信息(室外气温T_am等的空调信息、车辆的目前位置等的位置信息、车速等的车辆举动信息、心拍等的生物信息)作为学习信息D_AK在存储部61中存储。并且，在学习信息D_AK中，上述设定操作号码k及乘员的ID能关联上。另外，将某乘员(例如，乘员A)进行对应设定操作号码k的设定操作α(例如，使设定温度下降3℃、使风量W最大等)的操作次数i_AK也在存储部61中被存储。还有，上述的学习信息D_AK，例如如下式表示。

这里，d_ijk是各状态信息的值。I是表示上述的操作次数i_AK。另外，j是对于状态信息的各值方便的被指定的状态项目号码。在本实施方式中，对于j＝1，室内气温T_r能分配。同样的，对于j＝2的室外气温、对于j＝3的日照量S能分配。然后，j＝4以后，位置信息、车辆举动信息、生物信息等能分配。另外，k是设定操作号码。

这些学习信息D_AK及操作次数i_AK，按登记完毕利用者及设定操作别个的在存储部61中被存储。

学习部66，操作次数i_AK，与规定次数n1(例如，10回)相等时，利用在存储部61中被存储的学习信息D_AK，构筑与该设定操作相关的概率模型M_Aqk。还有，q(＝1，2，..)，表示关于乘员A的设定操作α(设定操作号码k)的被构筑了的概率模型的号码。之后，乘员A，再次重复设定操作α的情况下，学习部66，每次上次的概率模型M_Aqk构筑后的该操作次数i_AK到达n1回时(即，操作次数i_AK＝n1·j(但是，j＝1，2，..)的情况)，利用在存储部61中被存储的学习信息D_AK，更新概率模型M_Aqk。

然后，该操作次数i_AK，与规定次数n2(例如，30回)相等时，学习部66，决定在该时刻确立在存储部61中被存储了的概率模型M_Aqk，以后不更新该概率模型M_Aqk。然后，学习部66，消去在存储部61中被存储的学习信息D_AK，使操作次数i_AK初始化，使该值复位为0。还有，规定次数n2，是比n1更大的数，对应考虑可以构筑统计的十分正确的概率模型的数据数。规定次数n1及n2，能使经验上的、实验上的最优化。

学习部66，对于被确立了的概率模型M_Aqk，付表示不更新情况的图表信息。例如，该更新图表f为′1′的情况下，表示禁止更新对应的概率模型(即，改写)，更新图表f为′0′的情况下，表示可以更新对应的概率模型。因此，学习部66，通过参照更新图表f，能判别可否进行对应概率模型的更新。然后学习部66，重新生成概率模型后，设置对应的更新图表f，设定该值为′0′。之后，对应该概率模型的操作次数，与规定次数n2相等后，学习部66，将对应的更新图表f改写为′1′。

概率模型M_Aqk被确立后，在乘员A再次重复相同的设定操作α的情况下，学习部66，按照与上述相同的顺序，构筑新的概率模型M_Aqk。如此，对应需要通过构筑多个概率模型，学习部66，即使同一种类的设定操作进行的特定状况多个存在的情况(例如，作为设定为室内气体循环方式的操作被进行的状况，具有所谓进入隧道的状况和所谓成为大型卡车的后面的状况的情况)，对应各自的特定状况也能使空调设定最优化。另外，关于发生频度高的特定状况，对应该状况的信息多数被包含在学习信息中，因此早期构筑对应该特定状况的概率模型。然后，对于对应的概率模型被构筑了的特定状况，控制部60，基于该概率模型由概率推论自动的实行设定操作，因此乘员渐渐不实行车辆用空调装置1的设定操作。因此，伴随学习的进展，只在发生频度的特定状况发生时，乘员实行设定操作，因此学习部66，也能构筑对应发生频度低的特定状况的概率模型。

接着，关于概率模型的构筑次序进行说明。

为了构筑可以对应各种的状况、通用的概率模型，必需构筑包含多数的节点、非常大的概率模型。但是，对于像这样的大的概率模型的学习，需要非常长的计算时间。另外，在学习中需要的硬件资源也变得庞大。因此，在本实施方式中，构筑对于一个特定状况算出一个设定操作的推荐概率的概率模型，准备成为该基础的15种类的标准模型。各标准模型，状态信息内，将与设定操作具有特别深的关联的信息作为几个输入参数选择，具有通过对于这些输入参数的组合的附带条件的概率实行设定操作求出概率的2层构成的图表构造。但是，标准模型的数目，仅限于15种。标准模型的数目，对应获得的状态信息的数目或作为学习对象的设定操作的种类，能适当的最优化。另外，标准模型，可以只取一个输入参数或也可以将可能取得的全部的状态信息作为输入参数。并且，标准模型，不仅限于2层构成的图表构造，对应构成控制部60的CPU的能力，也可以将3层以上的图表构造作为标准模型使用。

这些标准模型，在存储部61中被存储。然后在学习时，学习部66，关于各标准模型，决定在各标准模型中被包含的各节点的附带条件的概率表(CPU)且构筑临时的概率模型。之后，学习部66，利用信息量基准，选择具有最适合的图表构造的临时的概率模型。该被选择的模型，成为被构筑的概率模型。

以下，利用图进行详细的说明。在图6A-图6D中，15个的标准模型内的4个作为示例。在图6A-图6D中所示的标准模型501-504，全都是由输入节点和输出节点构成的2层构成的贝氏网络。各标准模型501-504，给予输入节点的参数不同。

另外，对于各标准模型501-504的输入节点，规定对于在该输入节点被分配的输入参数的事前概率的CPT被设定。还有，输入信息的区分利用族环状存储等的手法决定。例如，学习部66，在图6B所示的标准模型502中，关于将目前位置作为输入参数(参数y₁₁)的输入节点，对包含在学习信息中的目前位置信息利用k-平均法等的手法进行族环状存储。然后学习部66，基于对应各族的参数值的范围，决定参数值的区分。或者，自家时y₁₁＝0，工作岗位时y₁₁＝1，近处的公园时y₁₁＝2那样，参数值的区分也可以预先被决定。同样的，对于输出节点，表示对于给予输入节点的输入参数且进行规定的设定操作的附带条件的概率的分布的CPT被设定。还有，在起始状态下，CPT对于全部的状态成为相等的值那样被设定。

图7是表示构筑概率模型的次序的流程图。

学习开始后，学习部66，首先，对于各标准模型，抽出从学习信息D_AK成为对象的输入参数并求出各节点的附带条件的概率，作为CPT构筑概率模型(步骤S201)。

因此，学习部66，从存储部61读出，从学习信息D_AK，关于各节点，按各参数的状态为符合的数n计数。然后，将该数n由全现象数除去了的值作为事前概率及附带条件的概率的值。例如，将图6B所示的标准模型502作为一例进行说明。这里，学习信息D_AK，作为包含30个的数据的组的部分。其间，关于输入节点的一个被分配的目前位置，自家即次数(y₁₁＝0)为15次，工作岗位即次数(y₁₁＝1)为12次，近所的公园即次数(y₁₁＝2)为3次。此时，对于目前位置的事前概率P(y₁₁)，各自为P(y₁₁＝0)＝0.5、P(y₁₁＝1)＝0.4、P(y₁₁＝2)＝0.1。同样的，关于输出节点，学习部66，关于给予父母节点即各输入节点的输入信息的目前位置(y₁₁)、星期(y₁₂)、时间带(y₁₃)的取得值的组合的各自，计算在学习信息D_AK中出现的数。然后学习部66，通过该出现数由全数据数即30除，求得附带条件概率。如此，通过求得事前概率及附带条件概率，学习部66，决定对应各节点的CPT。

还有，学习部66，在考虑用于学习的数据数不足的情况下，也可以利用β分布推定概率分布。另外，学习信息D_AK中，一部分的输入信息的值的组不存在，即，未观测数据存在的情况下，学习部66，推定对于未观测数据的概率分布。然后学习部66，通过基于该分布计算期待值，计算对应未观测数据的附带条件概率。关于像这样的附带条件概率的学习，例如，繁树算男他著，《贝氏网络概述》，初版，培风馆，2006年7月，能利用p.35-38，p.85-87中所述方法。

求出对于各标准模型的CPT后，学习部66，为了评价被构筑的概率模型，算出关于各概率模型的信息量基准(步骤S202)。

在本实施例中，作为信息量基准，利用AIC(赤池信息量基准)。AIC，输入概率模型的最大对数优秀度和参数数，基于以下的式子能求得。

AIC_m＝-21_m(θ_m/X)+2k_m

这里，AIC_m表示对于概率模型M的AIC。另外，θ_m表示概率模型M的参数集合，1_m(θ_m/X)表示所与数据X时的概率模型M中的该数据的最大对数优秀度的值，k_m表示概率模型M的参数。这里1_m(θ_m/X)由一下次序能计算。首先，学习部66，在各节点中，关于父母节点的变数的各组合，求出来自学习信息D_AK的出现频度。学习部66，求出在该出现频度上乘以附带条件概率的对数值的值。学习部66，最后时使这些值相加算出。1_m(θ_m/X)。另外，k_m在各节点中，通过将父母节点变数的组合的数相加求得。

学习部66，求出关于全部的概率模型的AIC后，选择AIC的值最小的模型作为使用的概率模型(即，被构筑的概率模型)，保存在存储部61中(步骤S203)。然后，消去其他的概率模型(步骤S204)。

还有，关于利用信息量基准的概率模型的选择(换言之，图表构造的学习)，学习部66，也可以利用ベイズ信息量基准(BIC)、竹内信息量基准(TIC)、最小记述长(MDL)基准等其他的信息量基准。并且，学习部66，也可以将这些信息量基准的正负反转作为信息量基准。此时，学习部66，将信息量基准的值成为最大的概率模型作为使用的概率模型进行选择。

学习部66，将被构筑了的概率模型在存储部61中被存储。另外，取得与学习信息D_AK引起关联的乘员的ID、设定操作号码k，在与被构筑了的概率模型引起关联的存储部61中存储。并且，学习部66，将基于该概率模型的被修正了的设定参数及修正值，基于设定操作号码k特别指定，在与该概率模型引起关联的存储部61中存储。还有，设定操作号码k和被修正了的设定参数及修正值的关系，例如作为市场活跃工作台预先被规定，在存储部61中被保持。

以下，参照图8A、图8B及图9所示的流程图，关于与本发明的第一实施方式有关的车辆用空调装置1的空调控制动作进行说明。还有，空调控制动作，通过控制部60，跟随编入控制部60的计算机程序进行。

如图8A所示，首先，发动机开关为ON后，控制部60，使车辆用空调装置1启动。然后控制部60，通过通信部62，从各传感器、导航系统56、车辆操作机器57等取得各状态信息(步骤S101)。同样的，控制部60，从存储部60取得各设定信息。接着，控制部60的对照部63，对照并认证乘员(步骤S102)。然后控制部60，将被判定为乘员的登记完毕利用者的个人设定信息从存储部61读出(步骤S103)。

接着，控制部60，乘员是否实行车辆用空调装置1的设定操作，即，判定是否变更该设定(步骤S104)。控制部60，从A/C操作面板接收操作信号后，判定实行了设定操作。

如图8B所示，乘员不实行设定操作的情况下，控制部60的控制信息修正部64，与该乘员引起关联的概率模型M_Aqk内，向与任何操作群引起关联的设定参数(例如，设定温度T_set)的修正相关的概率模型，输入被观测的状态信息。然后，控制信息修正部64，算出进行与该概率模型引起关联的设定操作的概率(步骤S105)。控制信息修正部64，关于与该设定参数关联的同一操作群内的设定操作被算出的概率内，将最高概率作为推荐概率(或出现概率)P求得。

接着，控制信息修正部64，将推荐概率P与第一的规定值Th1进行比较(步骤S106)。推荐概率P在与第一的规定值Th1(例如，0.9)以上的情况下，控制信息修正部64，基于与输入了推荐概率P的概率模型(以下，称为选择概率模型)引起关联的修正信息，修正对应的车辆用空调装置1的设定参数(步骤S107)。一方面，推荐概率P，第一的规定值Th1未满的情况下，控制信息修正部64，将推荐概率P与第二的规定值Th2(例如，0.6)进行比较(步骤S108)。然后，推荐概率P如果在第二的规定值Th2以上，控制信息修正部64，通过A/C操作面板59的表示部等，表示对应与选择概率模型引起关联的设定操作号码k的设定操作，确认是否实行该设定操作(步骤S109)。然后，乘员承认了实行该设定操作的情况下，控制信息修正部64，基于与选择概率模型引起关联的修正信息修正设定参数(步骤S107)。一方面，在乘员未承认的情况下，控制信息修正部64，不修正该设定参数。即，控制信息修正部64，不实行与选择概率模型引起关联的设定参数的设定操作。另外，在步骤S108中，推荐概率P为第二的规定值Th2未满的情况下，控制信息修正部64也不修正该设定参数。

之后，控制信息修正部64，通过确认是否算出与全部的概率模型相关的概率，判定是否结束全部的设定参数的调节(步骤S110)。存在概率还未算出的概率模型的情况下，即，在存在未调查设定信息的有无的操作群的情况下，控制部60，使控制返回步骤S105。一方面，关于全部的概率模型，使概率算出终了的情况下，控制部60的空调控制部65，基于应对必要被修正了的设定参数，调节空气混合门、鼓风机的回转数、各吹出口的门的开度以使获得希望的空调温度、风量等(步骤S111)。

如图9所示，在图8A中所示的步骤S104中，乘员实行了车辆用空调装置1的设定操作的情况下，参照设定信号特别指定实行了哪个设定操作(步骤S112)。然后控制部60，将乘员的ID和对应被实行了的设定操作的设定操作号码和实行该设定操作的操作次数i_Ak引起关联而取得的各状态信息作为学习信息D_AK的要素在存储部61中存储(步骤S113)。

之后，控制部60的学习部66，判定操作次数i_Ak是否与规定次数n1*j(j＝1，2，3)相等(步骤S114)。还有，规定次数n1，例如是10回。然后，学习部66，判定i_Ak＝n1*j了的情况下，利用与该乘员及设定操作号码k引起关联的存储部61中被存储的学习信息D_AK，构筑概率模型M_Aqk(步骤S115)。还有，概率模型M_Aqk，按照图7的流程图所示的次序被构筑。然后学习部6，将该概率模型M_Aqk在与乘员的ID等引起关联的存储部61中被存储。一方面，控制部60，在步骤S114中，i_Ak与n1*j不相当的情况下，将控制移动到步骤S116。

接着，学习部66，判定操作次数i_Ak是否与规定次数n2(例如，n2＝30)相当(步骤S116)。如果i_Ak与n2不相等，i_Ak增加1(步骤S117)，使控制向如图8B所示的步骤S111移动。一方面，在步骤S116中，如果i_Ak＝2，学习部66，消去与该乘员及设定操作号码k引起关联的存储部61中被存储的学习信息D_Ak(步骤S118)。另外，将i_Ak初始化，使i_Ak＝0。之后，控制部60，使控制移动到步骤S111。

另外，在上述的流程图的步骤S114中，学习部66，为了判定是否构筑概率模型，代替和操作次数i_Ak比较规定次数n1*j(j＝1，2，3)，也可以判定从上次构筑了与同一的上次操作关联的概率模型时的经过时间是否经过了第一的规定时间(例如，1周、1个月)。此时，学习部66，该经过时间成为第一的规定时间以上时，构筑概率模型。即，学习部66，实行上述的步骤S115～S118的处理。如此，基于经过时间判定是否构筑概率模型，控制部61，将概率模型被构筑时的作成时刻在与该概率模型引起关联的存储部61中存储。然后，学习部66，算出经过时间时，与设定操作α关联的概率模型内，将与最新的概率模型引起关联的作成时刻从存储部61取得，通过求出与目前的时间的差算出经过时间。

并且，学习部66基于经过时间判定是否构筑概率模型的情况下，在上述的步骤S116中，学习部66，也可以将经过时间与比第一的规定时间长的第二的规定时间(例如，4周、6个月)比较。然后，经过时间比第二的规定时间长的情况下，学习部66，消去学习信息D_AK，改写更新图表f的值。

以后，车辆用空调装置1，到工作停止为止重复上述的步骤S101～S108的控制。

像以上所作的说明那样，与本发明的第一实施方式相关的车辆用空调装置，基于与乘员的温感或特定状况一起被学习了的至少一个的概率模型，推定乘员的空调设定。因此，有关车辆用空调装置，能对应乘员的温感或状况自动地使空调设定最优化。尤其，越继续使用，对应了各状况的概率模型被生成别个，因此有关车辆用空调装置对应各种状况能使空调设定最优化。

接着，关于与本发明的第二实施方式相关的车辆用空调装置进行说明。与本发明的第二实施方式相关的车辆用空调装置，对对应了乘员的温感的温调控制的学习和对应特定状况的空调设定的学习进行自动地判别。

与本发明的第二实施方式相关的车辆用空调装置，和与第一实施方式相关的车辆用空调装置比较，只有控制部60的学习部66的功能不同。因此，以下，关于学习部66进行说明，省略关于其他的构成要素的说明。另外，关于车辆用空调装置的各部的构成，希望参照图1及图2。

在本发明的第二实施方式中，学习部66，乘员操作车辆用空调装置的情况下，判定是否生成新的概率模型，或是否更新既存的概率模型，必要的情况下，生成或更新概率模型。另外，学习部66，对应需要，修正上述温调控制式或风量控制式等的控制式。

这里，学习部66，与图7一起安装上述次序被构筑了的概率模型的输入参数，温调控制式等的控制式的输入参数，即判定是否只包含空调信息(室内气温T_r、室外气温T_am及日照量S)。然后，在输入参数只包含空调信息的情况下，由于考虑专门对于乘员的温感温调控制未被最优化，学习部66修正该控制式。还有，是否修正任何的控制式，与设定操作α关联被决定。设定操作α如果与空调温度的设定相关，学习部66修正温调控制式，设定操作α如果与风量的设定相关，学习部66修正风量控制式。

一方面，输入参数包含空调信息以外的信息(例如，时刻、目前位置)的情况下，考虑对应特定状况进行空调设定的概率模型给构筑。因此，此时，学习部66不修正控制式。

接着，关于控制式的修正进行说明。

作为一例，修正温调控制式的情况下，学习部66，基于学习信息D_AK和设定操作后的设定温度T_set及空调温度T_ao，将温调控制参数K_set、K_r、K_am、K_s及C作为变量连立方程式。学习部66，通过求解该连立方程式求出修正后的温调控制参数。或者，学习部66，如特开平5-147421号公报所述那样，基于乘员变更了设定温度T_set的量ΔT_set和实行了该设定操作时的日照量S的分布，由日照量S的1次式近似的表示设定温度变更量ΔT_set，基于该近似结果也可以修正温调控制参数K_s。并且，学习部66，特开2000-293204号公报、特开2000-071060号公报、特开平5-208610号公报或者特开平5-169963号公报所述那样，利用其他的各种周知的方法也可以修正温调控制式或者风量控制式。另外，在通过模型及程序决定风量等的情况下，学习部66，基于周知的方法，利用学习信息D_AK能修正该模型及程序。

以下，关于与本发明的第二实施方式有关的车辆用空调装置1的空调控制动作进行说明。该空调控制动作，由控制部60，按照被编入控制部60的计算机程序进行。还有，与本发明的第二实施方式有关的车辆用空调装置1的空调控制动作，与上述第一实施方式有关的车辆用空调装置1的空调控制动作相比较，只在图9所示与学习处理相关的部分相异。因此，以下，只关于该相异点进行说明。关于在其他的步骤中进行的处理，希望参照图8A、图8BJ及上述的本发明的第一实施方式有关的车辆用空调装置1的空调控制动作相关的说明。

图10是表示与本发明的第二实施方式有关的车辆用空调装置1的学习处理的动作流程图。

如图10所示，在图8所示步骤S104中，乘员实行了车辆用空调装置1的设定操作的情况下，参照设定信号特别指定实行哪个设定操作(步骤S112)。然后，将乘员的ID和对应被实行了的设定操作的设定操作号码k和实行了该设定操作的操作次数i_Ak引起关联、并被取得了的各状态信息作为学习信息D_AK的要素在存储部61中存储(步骤S113)。

之后，控制部60的学习部66，判定操作次数i_Ak是否和规定次数n1*j(j＝1，2，3)相等。然后，学习部66，判定了i_Ak＝n1*j的情况下，利用与该乘员及设定操作号码K引起关联的存储部61中被存储了的学习信息D_AK，构筑概率模型M_Aqk(步骤S115)。还有，概率模型M_Aqk，按照图7的流程图所示的次序被构筑。然后，将该概率模型M_Aqk在与乘员的ID等引起关联的存储部61中存储。一方面，在步骤S114中，i_Ak与n1*j不相等的情况下，控制部60，将控制移动到步骤S116。

接着，学习部66，判定概率模型M_Aqk的输入参数是否只由空调信息(室内气温T_r、室外气温T_am及日照量S)构成(步骤S1151)。概率模型M_Aqk只将与空调信息相关的参数作为输入参数的情况下，学习部66，对于乘员的温感判定温调控制不是最优化。然后学习部66，修正与设定操作α关联的控制式(例如，设定操作α在设定温度的变更的情况下，调整温调控制式的各定数K_set、K_r、K_am、K_s及C)(步骤S1152)。然后，废弃概率模型M_Aqk。一方面，在步骤S1151中，包含与概率模型M_Aqk的输入参数、空调信息以外的信息相关的参数的情况下，学习部66，判断构筑了对应特定的状况的概率模型。此时，学习部66，不修正与设定操作α关联的控制式，将控制移动到步骤S116。

接着，学习部66，判定操作次数i_Ak是否与规定次数n2(例如，n2＝30)(步骤S116)。如果i_Ak与n2不相等，i_Ak增加1(步骤S1167)，使控制移动到图8B所示步骤S111。一方面，在步骤S116中，如果i_Ak＝2，学习部66在存储部61中被存储，消去与该乘员及设定操作号码k引起关联且在存储部61中被存储的学习信息D_Ak(步骤S118)。另外，将i_Ak初始化，使i_Ak＝0。之后，使控制移动到步骤S111。

以后，车辆用空调装置1，到工作停止为止重复上述的步骤S101-S118的控制。还有，在上述的步骤S114及S116中，与第一实施方式同样的，代替将操作次数与规定次数比较判定是否进行学习，也可以判定是否经过了规定的经过时间。

如以上说明的那样，与本发明的第二实施方式相关的车辆用空调装置，对应乘员的温感的温调控制的学习和对应特定状况额空调设定的学习自动地进行判别。因此，相关车辆用空调装置，自动地使适合乘员的温感的空调设定最优化的同时，能自动地使对应特定的状况的空调设定最优化。

接着，关于与本发明的第三实施方式相关的车辆用空调装置进行说明。与本发明的第三实施方式相关的车辆用空调装置，将与上述的第一或第二的实施方式相关的车辆用空调装置的学习部及存储部设置在被设置在独立于车辆的服务器上，由该服务器学习概率模型或者温调控制式等的控制式。

图11表示与本发明的第三实施方式有关的车辆用空调装置2的概略系统结构。在与本发明的第三实施方式相关的车辆用空调装置2中，具有在车辆4上被装载的空调装置本体3和设置在服务中心等的服务器7。然后，空调装置本体3和服务器7，通过例如手机网那样的无线通信网8，互相发送并接收数据。

图12表示空调装置本体3的控制部60′的功能框图。控制部60′和与第一实施方式有关的车辆用空调装置1的控制部60比较，学习部66被省略，代替有无线通信部67，在这点上不同。还有，控制信息修正部64、空调控制部65等控制部60′的其他的部分及空调部、A/C操作面板等，空调装置本体3的其他的构成要素，与第一实施方式有关的车辆用空调装置1具有相同的构成，因此这里省略说明。

无线通信部67，按照规定的通信协议，由通过无线通信网8用于发送并接收数据的无线通信接口、其控制回路及控制程序构成。然后无线通信部67，将上述的学习信息D_AK及设定操作号码k，与用于一意的识别乘员的ID及空调装置本体3被装载了的车辆的车辆ID一起，向服务器7发送。还有，乘员ID及车辆ID，遵照预先规定的规则定。例如，乘员ID及车辆ID由各自按乘员及车辆一意的定下的10行的数值表示。另外，无线通信部67，从服务器7接收新规中被构筑了的概率模型或者被更新了的概率模型。然后，被接收的概率模型，可以由控制信息修正部64使用那样，上述概率模型的关联信息(概率模型的构筑信息、乘员的识别号码(ID)、设定操作号码k、由该设定操作修正的设定参数及该修正值等)一起，在存储部61中被存储。或者，无线通信部67，从服务器7接由收温调控制式使用的温调控制参数(例如，K_set、K_r、K_am、K_s)。

图13表示服务器7的功能框图。服务器7由所谓数据存储服务器或者PC等构成。然后服务器7，具有：由遵照规定的通信协议的通过无线通信网8用于发送和接收数据的无线通信的通信接口、其控制回路及控制程序构成的无线通信部71和、由RAM等的半导体存储器、磁盘或者光盘及这些的读取装置构成的存储部72和、作为在CPU等的处理器上动作的程序组件被实现的学习部72及控制部74。然后，服务器7的各部，通过控制部74被控制。

无线通信部71，经由空调装置本体3和无线通信网8发送并接收数据。具体的，无线通信部71，从空调装置本体3接收学习信息D_AK、设定操作号码k、乘员ID及车辆ID。另外，无线通信部71，由学习部73构筑或者更新的概率模型，或者向空调装置本体3发送被温调控制式使用的温调控制参数。此时，发送地通过参照车辆用ID被特别指定。

存储部72将从空调装置本体3接收的学习信息D_AK与设定操作号码k、乘员ID及车辆ID引起关联并存储。另外存储部72，存储在空调装置本体3中可以利用的全部的概率模型及温调控制参数。

学习部73基于在存储部72中被存储的学习信息D_AK，构筑并更新概率模型。并且学习部73，也可以修正温调控制参数。还有，学习部73的动作，与上述第一实施方式或者第二实施方式中的学习部66是相同的，学习部73，按照图7所示流程图构筑概率模型。因此，关于在学习部73中进行的处理，这里省略详细说明。还有，学习部73每构筑新的概率模型，服务器7通过无线通信部71向空调装置本体3发送该概率模型的同时，将该概率模型作为备份在存储部72中保存。同样的，修正了温调控制参数的情况下，服务器7，也可以将这些参数作为备份在存储部72中保存。

接着，说明与本发明的第三实施方式有关的车辆用空调装置2的动作。车辆用空调装置2的动作，与上述第一实施方式有关的车辆用空调装置1的动作比较，只有图9所示与学习处理有关部分相异。因此，以下，只关于该相异点进行说明。关于其他的步骤中进行的处理，希望参照图8A、图8B及上述的本发明的第一实施方式有关的车辆用空调装置1的空调控制动作有关的说明。

图14表示车辆用空调装置2的学习处理的动作流程图。

如图14所示那样，在图8A所示步骤S104中，乘员实行了车辆用空调装置1的设定操作的情况下，即，乘员变更了车辆用空调装置1的设定的情况下，参照设定信号特别指定实行哪个设定操作(步骤S121)。然后，乘员的ID和、对应被实行的设定操作的设定操作号码k和、该设定操作被进行的操作次数i_Ak引起关联，将取得的各状态信息作为学习信息D_AK，在空调装置本体3的存储部61中进行暂时的存储(步骤S122)。

之后，空调装置本体3的控制部60′，判定操作次数i_Ak是否与规定次数n1*j(j＝1，2，3)相等(步骤S123)。还有，规定次数n1，例如是10回。然后，控制部60′在判定了i_Ak＝n1*j的情况下，将与该乘员及设定操作号码k引起关联的在存储部61中被存储的学习信息D_AK，与乘员ID及车辆ID一起，向服务器7发送(步骤S124)。然后服务器7，接收学习信息D_AK等的数据后，向存储部72存储这些数据的同时，构筑概率模型M_Aqk(步骤S125)。还有，概率模型M_Aqk，按照图7的流程图所示的次序被构筑。然后服务器7，将概率模型M_Aqk该与乘员的ID等引起关联并在存储部72中存储。之后，服务器7，将被构筑的概率模型M_Aqk，参照车辆ID，送回学习信息D_AK的发送原的空调装置本体3(步骤S126)。一方面，在步骤S123中，i_Ak与n1*j不相等的情况下，控制部60′将控制移动到步骤S127。

接着，控制部60′，判定操作次数i_Ak与规定次数n2(例如，n2＝30)是否相等(步骤S127)。如果i_Ak与n2不相等，i_Ak增加1(步骤S128)，将控制移动到图8B所示的步骤S111。一方面，在步骤S127中，如果i_Ak＝2，控制部60′，向服务器7发送消去学习信息D_AK的命令和乘员ID、车辆ID及设定操作号码k。然后服务器7，接收该命令后，消去与乘员ID、车辆ID及设定操作号码k引起关联的并在存储部72中被存储的学习信息D_AK(步骤S129)。另外控制部60′，初始化i_Ak，使i_Ak＝0。之后，控制部60′将控制移动到图8B所示的步骤S111。然后控制部60′结束学习处理。还有，在上述步骤S123及S127中，与第一实施方式相同，代替判定是否将操作次数与规定次数比较并学习，也可以由是否经过了规定的经过时间判定。

在上述的实施方式中，在步骤S124中，将多次的设定操作部分的学习信息一次发送到服务器7中。但是，本发明，不仅限于该实施方式。例如，控制部60′，每次乘员通过A/C操作面板59实行设定操作，也可以向服务器7发送学习信息。或者，控制部60′，每次实行比上述的规定次数n1少的一定的次数(例如，3回、5回等)的设定操作时，也可以向服务器7发送学习信息。此时，控制部60′，能减少一次发送的数据量。并且，控制部60′，每次经过一定期间(例如，一周、一个月)，也可以将在该一定期间中被积蓄的学习信息发送到服务器7。

另外，在上述的实施方式中，操作次数i_Ak由空调装置本体3的控制部60′管理，但是操作次数i_Ak也由服务器7的控制部74管理，控制部74也可以实行上述的步骤S123及S127～S129的处理。此时，服务器7的控制部74，为了正确能正确计算操作次数i_Ak那样，控制部60′，每次通过A/C操作面板59实行设定操作，将设定操作号码k、乘员ID及车辆ID向服务器7发送。并且，在本实施方式中，不需要车载存储部72，能利用作为存储部72的大容量的磁盘等。因此，服务器7，代替在步骤S129中消去学习信息，也可以对该学习信息设定表示在概率模型的构筑中不使用的情况的图表。如此通过不保存学习信息，服务器7，例如，将学习信息作为修正概率模型时的参照信息进行利用。

如以上说明，与本发明的第三实施方式有关的车辆用空调装置，将比较的演算量多的学习处理，在设置在与车辆别个上的服务器进行。因此，有关车辆用空调装置，能减轻在装载在车辆上的空调装置本体中的演算负荷。另外，学习信息及概率模型在服务器上被保管，因此例如即使利用者换买车辆的情况下，通过对学习信息及概率模型的新的车辆ID的对应上，即使装载在该新的车辆上的空调装置本体，也能利用到那为止被构筑了的概率模型等。因此，利用者，不再花费重新做学习的功夫，通过根据本发明的车辆用空调装置，能接受应对特定状况的最适合的空调设定的推荐。

还有，本发明，不仅限于上述的实施方式。例如，乘员不限于驾驶者。通过判定由谁进行车辆用空调装置的设定操作，在驾驶者以外的同乘者操作时也能适当的利用本发明。例如，车辆用空调装置的A/C操作面板59，驾驶座有哪个和助手座用的2个被准备的情况下，控制部60、60′，通过操作哪个A/C操作面板59，也可以判定是驾驶者操作的还是同乘者操作的。另外，控制部60、60′，如特开2002-29239号公报所述那样，在A/C操作面板59上设置由红外线温度传感器等构成的操作乘员测出传感器，也可以判定驾驶者还是同乘者操作的。

控制部60、60′，在同乘者操作的情况下，与对照并认证驾驶者相同，基于车内照相机54拍摄的画像数据，对照并认证同乘者。然后，控制部60、60′，将该操作时的各传感器值等的状态信息作为学习信息，不与驾驶者而与该同乘者引起关联并存储。

另外，乘员被限定于特定的认定的情况下，或者，关于无论谁驾驶的情况那样的设定操作构筑概率模型的情况下，也可以省略对照部63。此时，用于概率模型及概率模型的学习的学习信息，乘员无论是谁都共通并被使用。

另外，用于利用概率模型的构筑及概率模型的设定操作的状态信息，也可以包含状态信息取得时的车辆用空调装置的设定信息(设定温度、风量等)。

并且，在上述的实施方式中，在控制信息修正部64中被修正了的参数，作为与设定温度及风量等，通过A/C操作面板59乘员能直接设定的有关设定信息的参数。但是，控制信息修正部64，利用温调控制式算出的空调温度Tao或利用风量控制式算出的鼓风机21的回转数、空气混合门28的开度等、与控制空调部10的各部的动作的控制信息相关的参数，也可以利用概率模型进行修正。

另外，本发明，基于与空调无直接关系的状态信息，自动的控制空调装置那样的情况下能广泛适用。例如，控制部60接受使刮水器动作的信号时工作除霜器，在使用雪茄打火机的情况下，采用外界气体方式，在车辆音频的开关为ON的情况下，能自动的进行所谓降低风量的控制。并且，自动的修正的对象的参数，也可以是与车辆用空调装置的控制无直接的关系的参数。例如，风量被设定为0时也可以自动的开放自动窗。像这样的情况下，将从控制部60向车辆的操作装置发送信号。

另外，在概率模型的构筑中，在上述的实施方式中，准备预先规定了的图表构筑的标准模型。但是，代替准备像这样的概率模型，学习部66、73，利用K2算法或遗传的算法也可以进行图表构筑的探索。例如在利用遗传的算法的情况下，多个将各节点间的连接的有无作为“遗传子”被准备。然后，学习部66、73，实行对适应度为规定以上的遗传子进行选择、交叉、突然变异等的操作作成次世代的遗传子。学习部66、73，多次重复像这样的操作，现在适合度最高的遗传子。学习部66、73，也可以组合并利用这些算法和来自标准模型的概率模型的构筑。

并且，在上述的实施方式中，利用了作为概率模型的贝氏网络，但是例如，被隐藏的算法那样，也可以利用其他的概率模型。

另外，在上述的实施方式中，乘员操作了车辆用空调装置1的情况下积蓄了各种信息。但是，学习部66、73，不只在乘员操作了后，也可以积蓄其前后的履历信息或定期的(例如，10分钟间隔)取得的信息在学习中使用。

还有，使用本发明的空调装置，也可以是前面单个、左右独立、后面独立、4座独立、上下独立的任何种类。在任何的独立类型的空调装置中适用本发明的情况下，也可以装载多个室内气体传感器、日照传感器等。

如上所述，在本发明的范围内可以进行各种修正。

Claims (29)

1.一种车辆用空调装置，其特征在于，具有：

向车辆内供给空调空气的空调部；

取得表示与所述车辆相关的状态的状态信息的信息取得部；

控制信息修正部，具有至少一个用于算出乘员进行规定的设定操作的推荐概率的概率模型，将所述状态信息输入该至少一个的概率模型而算出进行该规定的设定操作的推荐概率，根据该推荐概率，将与乘员的设定操作关联的设定信息或控制信息以成为所述的设定操作的方式进行修正；

按照所述被修正了的设定信息或控制信息，控制所述空调部的空调部控制部。

2.如权利要求1所述的车辆用空调装置，其特征在于，

所述控制信息修正部，在所述推荐概率为第一阈值以上的情况下，修正所述设定信息或控制信息。

3.如权利要求2所述的车辆用空调装置，其特征在于，

还具有确认操作部，该确认操作部在所述推荐概率小于所述第一阈值且大于或等于比所述第一阈值低的第二阈值的情况下，向乘员报告所述规定的设定操作的内容，并向乘员确认是否进行所述规定的设定操作，

在通过所述确认操作部确认了进行所述规定的设定操作的情况下，所述控制信息修正部修正所述设定信息或者控制信息。

4.如权利要求1所述的车辆用空调装置，其特征在于，

所述控制信息修正部具有多个与规定的控制信息关联的所述概率模型，在基于所述多个概率模型的分别算出的概率当中，将最高概率作为所述推荐概率。

5.如权利要求1所述的车辆用空调装置，其特征在于，

还具有取得乘员的信息的乘员信息取得部、和利用所述乘员信息而将乘员和预先被存储了的至少一人的登记完毕利用者进行对照的对照部，

所述控制信息修正部基于与所述对照部判定为乘员的登记完毕利用者引起关联的概率模型算出所述推荐概率。

6.如权利要求1所述的车辆用空调装置，其特征在于，还具有，

用于进行所述空调装置的设定操作的操作部；

每次通过所述操作部进行所述规定的设定操作时，将在进行所述规定的设定操作时的所述状态信息与所述设定的设定操作引起关联而存储的存储部；

利用与所述规定的设定操作引起关联而在所述存储部中存储的所述状态信息构筑用于算出进行所述规定的设定操作的推荐概率的第一概率模型的学习部。

7.如权利要求6所述的车辆用空调装置，其特征在于，

所述学习部，利用在所述存储部中与所述规定的操作引起关联而存储的所述状态信息，决定概率模型的图表构造及包含在该图表构造中的节点的附带条件概率从而构筑临时的概率模型，在所述临时的概率模型中，根据规定的判定基准选择最适合的临时的概率模型作为所述第一概率模型。

8.如权利要求6所述的车辆用空调装置，其特征在于，

所述学习部具有多个具有规定的图表构造的标准模型，关于多个标准模型的各自，利用在所述存储部中与所述规定的操作引起关联而存储的所述状态信息决定包含在所述规定的图表构造的节点的附带条件的概率进而构筑临时的概率模型，在所述临时的概率模型中，根据规定的判定基准选择最合适的临时的概率模型作为所述第一概率模型。

9.如权利要求7或者8所述的车辆用空调装置，其特征在于，

所述设定的判定基准是信息量基准，所述学习部，将关于所述临时的概率模型分别算出的该信息量基准的值成为最小或者最大的临时的概率模型作为第一概率模型。

10.如权利要求6所述的车辆用空调装置，其特征在于，

所述学习部，在进行所述规定的设定操作的操作次数为第一规定次数以上的情况下，构筑所述第一概率模型。

11.如权利要求10所述的车辆用空调装置，其特征在于，

所述学习部，在进行所述规定的设定操作的操作次数为第二规定次数时，将与所述规定的操作引起关联而存储的所述状态信息从所述存储部消去，初始化所述操作次数，并且，在之后所述设定的设定操作进行所述第一规定次数的情况下，使用所述操作次数成为所述第二规定次数后每次进行所述规定的设定操作时与所述设定的设定操作引起关联而在所述存储部中存储的所述状态信息，构筑用于算出进行所述规定的设定操作的推荐概率的第二概率模型。

12.如权利要求10所述的车辆用空调装置，其特征在于，还具有，

取得乘员的信息的乘员信息取得部；

利用所述乘员信息，将乘员和预先被存储了的至少一人的登记完毕利用者进行对照的对照部，

所述存储部，将所述状态信息与所述对照部判定为乘员的登记完毕利用者引起关联而存储，所述学习部，对每个登记完毕利用者将所述操作次数进行计数，且在关于任何的登记完毕利用者当被计数了的所述操作次数为所述第一规定次数以上时，利用与所述登记完毕利用者引起关联的所述状态信息构筑所述第一概率模型。

13.如权利要求1所述的车辆用空调装置，其特征在于，还具有，

设置在所述车辆外的服务器；

用于进行所述空调装置的设定操作的操作部；

装载在所述车辆上，用于与所述服务器进行无线通信的第一的通信部，每次规定期间经过时，或者每次通过所述操作部进行所述规定的设定操作或每次所述规定的设定操作进行规定次数时，将在所述规定的设定操作时的所述状态信息与表示所述规定的设定操作的设定操作信息一起向所述服务器发送，

其中，所述服务器，具有：

基于所述设定操作信息，将在所述规定的设定操作时的所述状态信息与所述规定的设定操作引起关联而存储的存储部；

利用与所述规定的设定操作引起关联而在所述存储部中存储的所述状态信息构筑用于算出进行所述规定的设定操作的推荐概率的第一概率模型的学习部；

用于与所述车辆进行无线通信的第二的通信部，其将所述被构筑了的第一概率模型向所述车辆发送，以使所述控制信息修正部能使用所述第一概率模型。

14.如权利要求13所述的车辆用空调装置，其特征在于，

所述学习部，利用与所述规定的操作引起关联而在所述存储部中存储的所述状态信息，决定概率模型的图表构造及包含在该图表构筑中的节点的附带条件的概率并构筑临时的概率模型，在所述临时的概率模型中，按照规定的判定基准选择最适合的临时的概率模型作为所述第一概率模型。

15.如权利要求13所述的车辆用空调装置，其特征在于，

所述学习部，具有多个具有规定的图表构造的标准模型，关于所述的多个标准模型的各自，利用与所述规定的操作引起关联而在所述存储部中存储的所述状态信息决定包含在所述规定的图表构造的节点的附带条件的概率并构筑临时的概率模型，在所述临时的概率模型中，按照规定的判定基准选择最适合的临时的概率模型作为所述第一概率模型。

16.如权利要求14或者15所述的车辆用空调装置，其特征在于，

所述规定的判定基准是信息量基准，所述学习部，将关于所述临时的概率模型分别算出的该信息量基准的值成为最小或者最大的临时的概率模型作为所述第一概率模型。

17.如权利要求13所述的车辆用空调装置，其特征在于，

所述学习部，在进行所述规定的设定操作的操作次数为第一规定次数以上的情况下，构筑第一概率模型。

18.如权利要求17所述的车辆用空调装置，其特征在于，

所述学习部，在进行所述规定的设定操作的操作次数为第二规定次数时，将与规定的操作引起关联而存储的所述状态信息从所述存储部消去，初始化所述操作次数，并且，在之后所述规定的设定操作为所述第一规定次数时，利用所述操作次数为所述第二的所述次数后每次进行所述规定的设定操作时与所述规定的设定操作引起关联而在所述存储部中存储的所述状态信息，构筑用于算出进行所述规定的设定操作的推荐概率的第二概率模型。

19.如权利要求17所述的车辆用空调装置，其特征在于，

还具有取得乘员的信息的乘员信息取得部、和利用所述乘员信息而将乘员和预先被存储了的至少一人的登记完毕利用者进行对照的对照部，

所述第一的通信部，将由所述对照部被判定为乘员的登记完毕利用者的识别信息，与所述状态信息及所述设定操作信息一起向所述服务器发送；

所述存储部，根据所述识别信息，将所述状态信息与被判定为所述乘员的登记完毕利用者引起关联而存储，所述学习部，对每个登记完毕利用者按照所述操作次数进行计数，且关于任何的登记完毕利用者当被计数了的所述操作次数为所述第一规定次数以上时，利用与所述登记完毕利用者引起关联的所述状态信息构筑所述第一概率模型。

20.一种具有向车辆内供给空调空气的空调部的车辆用空调装置的控制方法，其特征在于，

取得表示与所述车辆有关的状态的状态信息；

向用于算出乘员进行规定的设定操作的推荐概率的至少一个概率模型中输入所述状态信息，进行所述规定的设定操作，算出推荐概率；

在所述推荐概率满足规定的条件的情况下，对应所述推荐概率，修正与乘员的设定操作关联的设定信息或者控制信息以使成为所述规定的设定操作；

按照所述被修正了的设定信息或控制信息，控制所述空调部。

21.如权利要求20所述的控制方法，其特征在于，

所述空调装置还具有进行空调设定的操作部和存储部，

所述控制方法还包括以下步骤：

每次通过所述操作部进行所述规定的设定操作时，将在所述规定的设定操作时的所述状态信息，与所述规定的设定操作引起关联而在所述存储部中存储；

利用与所述规定的操作引起关联而在所述存储部中存储的所述状态信息，构筑用于算出进行所述规定的设定操作的推荐概率的第一概率模型。

22.如权利要求20所述的控制方法，其特征在于，

还包括将进行了所述规定的设定操作的操作次数与第一规定次数进行比较的步骤，在构筑所述第一概率模型的步骤中，在所述操作次数为所述的1的规定次数以上的情况下，构筑所述第一概率模型。

23.如权利要求22所述的控制方法，其特征在于，还包括以下步骤：

将所述操作次数与第二规定次数进行比较；

所述操作次数为第二规定次数时，将与所述规定的操作引起关联而存储的所述状态信息从所述存储部消去，且初始化所述操作次数；

在所述初始化后通过所述操作部进行所述规定的设定操作的情况下，重复存储所述状态信息及将所述操作次数与所述第一规定次数进行比较，在所述操作次数被判定为在所述第一规定次数以上的情况下，利用与所述的操作引起关联而在所述存储部中存储的所述状态信息，构筑用于算出进行所述规定的设定操作的推荐概率的第二概率模型。

24.一种车辆用空调装置，其特征在于，具有：

向车内供给空调空气的空调部；

取得含有所述车辆的位置信息、所述车辆的举动信息、时间信息或者所述车辆的乘员的生物信息中的至少一个和所述车辆的空调信息，表示与所述车辆相关的状态的状态信息的信息取得部；

取得与乘员的设定操作关联的设定信息的操作部；

至少具有一个用于算出乘员进行规定的设定操作的推荐概率的概率模型，将所述状态信息输入该至少一个的概率模型算出进行所述规定的设定操作的推荐概率，根据该推荐概率，修正所述设定信息或控制信息以使成为所述规定的设定操作的控制信息修正部；

具有基于所述空调信息及所述设定信息算出控制信息的控制式，按照由该控制式算出的控制信息控制所述空调部的空调控制部；

每次通过所述操作部进行所述规定的设定操作时，将在所述规定的设定操作时的所述状态信息进行存储的存储部；

学习部，该学习部在进行了所述规定的设定操作的操作次数为规定次数以上的情况下，基于在所述存储部中存储的所述状态信息，选择与所述规定的设定操作关联的状态信息，而在该被选择了的状态信息不包含所述空调信息以外的信息的情况下，修正所述控制式，在所述被选择了的状态信息包含所述空调信息以外的信息的情况下，构筑关于所述规定的设定操作的概率模型。

25.如权利要求24所述的车辆用空调装置，其特征在于，

所述学习部，利用在所述存储部中与所述规定的操作引起关联而存储的所述状态信息，通过决定概率模型的图表构造及在该图表构造中包含的节点的附带条件的概率，构筑算出所述推荐概率的临时的概率模型；

在所述临时的概率模型中，按照规定的判定基准选择最合适的临时的概率模型

将成为该被选择了的临时的概率模型的输入信息的状态信息，作为与所述规定的设定操作关联的状态信息进行选择。

26.如权利要求24所述的车辆用空调装置，其特征在于，

所述学习部具有多个具有规定的图表构造的标准模型，

在所述操作次数为所述规定次数以上的情况下，对于各个所述多个标准模型，利用在所述存储部中存储的所述状态信息，通过决定包含所述规定的图表构造的节点的附带条件的概率，构筑算出所述推荐概率的临时的概率模型；

在所述临时的概率模型中，按照规定的判定基准选择最适合的临时的概率模型；

将成为该被选择了的临时的概率模型的输入信息的状态信息作为与所述规定的设定操作关联的状态信息进行选择。

27.如权利要求25或者26所述的车辆用空调装置，其特征在于，

所述规定的判定基准是信息量基准，所述学习部选择关于所述临时的概率模型分别算出的该信息量基准的值成为最小或者最大的临时的概率模型。

28.如权利要求25或者26所述的车辆用空调装置，其特征在于，

所述学习部，在所述被选择了的状态信息包含所述空调信息以外的信息的情况下，将所述被选择了的临时的概率模型作为与所述规定的设定操作相关的概率模型。

29.一种车辆用空调装置的控制方法，

该车辆用空调装置具有：向车辆内供给空调空气的空调部；含有所述车辆的位置信息、所述车辆的举动信息、时间信息或者所述车辆的乘员的生物信息中的至少一个和所述车辆的空调信息，取得表示与所述车辆相关的状态的状态信息的信息取得部；取得与乘员的设定操作关联的设定信息的操作部；具有至少一个用于算出乘员进行规定的设定操作的推荐概率的概率模型，将所述状态信息输入该至少一个的概率模型而算出进行所述规定的设定操作的概率模型，根据该推荐概率，修正所述设定信息或控制信息以使成为所述规定的设定操作的控制信息修正部；具有基于所述空调信息及所述设定信息算出控制信息的控制式，按照由该控制式算出的控制信息控制所述空调部的空调控制部，

该车辆用空调装置的控制方法的特征在于，包括：

每次通过所述操作部进行所述规定的设定操作时，存储所述规定的设定操作时的所述状态信息；

在进行了所述规定的设定操作的操作次数为规定次数以上的情况下，基于在所述存储部中存储的所述状态信息，选择与所述规定的设定操作关联的状态信息；

判定所述被选择了的状态信息是否包含所述空调信息以外的信息；

在所述判定中，判定所述被选择了的状态信息不包含所述空调信息以外的信息的情况下，修正所述控制式，在所述判定中判定所述被选择了的状态信息包含所述空调信息以外的信息的情况下，构筑所述概率模型。

Images