CN105843207B - 车辆状态预测系统 - Google Patents
车辆状态预测系统 Download PDFInfo
- Publication number
- CN105843207B CN105843207B CN201610061630.9A CN201610061630A CN105843207B CN 105843207 B CN105843207 B CN 105843207B CN 201610061630 A CN201610061630 A CN 201610061630A CN 105843207 B CN105843207 B CN 105843207B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- state
- node
- vehicles
- path
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000012545 processing Methods 0.000 claims description 75
- 230000005012 migration Effects 0.000 claims description 61
- 238000013508 migration Methods 0.000 claims description 61
- 230000004913 activation Effects 0.000 claims description 34
- 230000008859 change Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 238000000034 method Methods 0.000 description 15
- 238000000605 extraction Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 230000009471 action Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 230000007704 transition Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000005096 rolling process Methods 0.000 description 4
- 101150042248 Mgmt gene Proteins 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000002401 inhibitory effect Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000003252 repetitive effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 102220210791 rs1057521541 Human genes 0.000 description 2
- 102220206784 rs112192052 Human genes 0.000 description 2
- 102220042699 rs113155624 Human genes 0.000 description 2
- 102220102820 rs118089506 Human genes 0.000 description 2
- 102220270363 rs150211233 Human genes 0.000 description 2
- 102220103881 rs201490575 Human genes 0.000 description 2
- 102220014817 rs397517263 Human genes 0.000 description 2
- 102220008303 rs4904 Human genes 0.000 description 2
- 102220091166 rs876657475 Human genes 0.000 description 2
- 102220471758 Proteasome subunit alpha type-7_S24A_mutation Human genes 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 102220008684 rs2017800 Human genes 0.000 description 1
- 102220067306 rs34014008 Human genes 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/02—Registering or indicating driving, working, idle, or waiting time only
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0097—Predicting future conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/06—Improving the dynamic response of the control system, e.g. improving the speed of regulation or avoiding hunting or overshoot
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0002—Automatic control, details of type of controller or control system architecture
- B60W2050/0014—Adaptive controllers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0019—Control system elements or transfer functions
- B60W2050/0026—Lookup tables or parameter maps
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
- B60W2050/0095—Automatic control mode change
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/10—Historical data
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明提供一种车辆状态预测系统。状态预测部从第1节点至第2节点的多个路径中,预测表示将来的车辆状态的推移的路径。第1节点对应于当前的车辆状态。第2节点对应于从第1节点迁移了预定次数之后的车辆状态。状态预测部从多个所述路径中,每次将所述节点的累计值、所述链接的累计值或者所述节点的累计值与所述链接的累计值的合计值最多的节点或链接设为存在于表示将来的车辆状态的推移的路径上的节点或链接。
Description
技术领域
本公开涉及预测车辆将来的状态的车辆状态预测系统。
背景技术
以往,作为这种车辆状态预测系统,已知例如日本特开2003-252130号公报记载的系统。该车辆状态预测系统具有的对策选择表格以预先设定的车辆的状况与来自驾驶员(司机)的指示或者来自车载设备的通知的组合为条件,针对这些条件的每一个条件,将在各状况下接受到指示或者通知时的驾驶员的对策关联起来。该车辆状态预测系统在当前的车辆的状况下接受到指示或者通知时,算出对应的条件,根据算出的条件预测驾驶员的对策,对驾驶员提示结果。
但是,在上述日本特开2003-252130号公报记载的系统中,如果想要遍历多个方面地登记可应对的车辆的状况、来自驾驶员的指示以及来自车载设备的通知,则这些组合的数量庞大,以至于对应选择表格的数据容量也变得庞大。
另一方面,如果为了抑制对策选择表格的数据容量而要限制可应对的车辆的状况、来自驾驶员的指示以及来自车载设备的通知,则基于对策选择表格的驾驶员的对策的预测精度自然而然地降低。也就是说,在该车辆状态预测系统中,对策选择表格的数据容量与驾驶员的对策的预测精度处于折衷的关系,难以实现双赢。
本公开的目的之一在于提供一种车辆状态预测系统,能够在抑制数据容量的同时,以能够得到高的可靠性的方式预测车辆的将来的状态。
发明内容
通过本公开的一个方面提供的车辆状态预测系统,具备:符号化部,构成为使用一个以上的车辆信号的时间序列信息,对车辆状态进行符号化;网络生成部,将表示符号化了的所述车辆状态的符号按照出现顺序定义为节点,并且所述网络生成部构成为将这些节点间的推移定义为链接,通过分别累计所述节点的出现次数和所述链接的通过次数来生成网络构造;以及状态预测部,构成为从第1节点至第2节点的多个路径中预测表示将来的车辆状态的推移的路径,所述第1节点对应于当前的车辆状态,所述第2节点对应于从所述第1节点迁移了预定次数之后的车辆状态,所述状态预测部构成为从多个所述路径中,每次将所述节点的累计值、所述链接的累计值或所述节点的累计值与所述链接的累计值的合计值最多的节点和/或链接作为存在于表示将来的车辆状态的推移的所述路径上的节点和/或链接。
根据上述结构,使用一个以上的车辆信号的时间序列信息对车辆状态进行符号化,将所得到的符号按照出现顺序设为节点。将这些节点间的推移设为链接,分别累计节点的出现次数以及链接的通过次数来构筑网络构造。也就是说,即使规定车辆状态的车辆信号的种类遍历多个方面,这些车辆信号的群也通过符号化而被汇集为一个符号。即,通过符号化,能够避免重复登记同一车辆状态,按照仅累计出现次数、通过次数的形式进行计数。因此,即使规定车辆状态的车辆信号的种类遍历多个方面,仍能够抑制网络构造内的节点的数据容量变得庞大。另外,与将网络构造作为迁移概率模型来处理的情况不同,在累计节点的出现次数、链接的通过次数时,除了作为对象的节点或者链接以外,无需重新运算既存的信息,所以能够抑制网络构造更新时的运算负荷。另外,在生成网络构造的过去的时间点,设想包括出现次数最多的节点以及通过次数最多的链接的网络上的路径,即便将来仍表示出现频度最高的车辆状态的推移。因此,通过每次求出节点的出现次数的累计值、链接的通过次数的累计值或所述节点的累计值与所述链接的累计值的合计值最多的节点和/或链接所存在的路径,能够在抑制数据容量的同时,将与存在于该路径上的节点对应的车辆状态以能够得到高的可靠性的方式预测为将来的车辆状态。
在一个方式的上述车辆状态预测系统中,所述状态预测部构成为每次将所述第1节点至所述第2节点的多个所述路径中的、所述链接的通过次数最多的链接预测为存在于表示将来的车辆状态的推移的所述路径上的链接。
根据上述结构,例如针对从预定基准值减去链接的通过次数而得到的值,作为求出在连结网络内的二个节点间的路径中权重最小的路径的最优化问题、所谓最短路径问题的解法的一种即迪杰斯特拉法等。由此,能够迅速地计算表示将来的车辆状态的推移的路径。
在一个方式的上述车辆状态预测系统中,既存的节点构成所述网络构造,当即使从所述车辆状态与所述既存的节点中的任意一个都不对应的时间点起经过一定期间,所述车辆状态仍未迁移到与所述既存的节点对应的车辆状态时,所述状态预测部构成为将所述既存的节点中的、对应于与当前时间点的差异最小的车辆状态的节点作为起点,预测表示将来的车辆状态的推移的所述路径。
构成网络构造的既存的节点表示在直至当前时间点之前推移过的车辆状态的历史。因此,成为与既存的节点中的任意一个都不对应的车辆状态意味着,在当前时间点被置于新的车辆状态。设想在即使从该时间点起经过一定期间仍未迁移到与既存的节点对应的车辆状态时进行不习惯的车辆操作的状况,在这样的状况时,为了通过声音对话引导车辆操作等,特别需要预测将来的车辆状态。关于这一点,根据上述结构,在被置于上述状况时,即使当前时间点的车辆状态是与既存节点中的任意一个都不对应的车辆状态,也能够将对应于与当前时间点的差异最小的车辆状态的节点作为起点,迅速地进行将来的车辆状态的预测。
在一个方式的上述车辆状态预测系统中,所述车辆状态预测系统还具备:多个声音数据库,储存有相互不同的声音模式群;以及声音处理部,通过声音识别处理使车辆状态迁移,所述声音处理部通过将所输入的声音与从所述多个声音数据库中选择出的声音数据库进行对照,进行所述声音识别处理,所述声音处理部构成为将所述声音数据库切换到适合于由所述状态预测部预测出的路径所包含的车辆状态的声音数据库。
根据上述结构,在预测在将来的车辆状态下要执行的声音识别处理的同时,预先切换为适合于声音识别处理的声音数据库。由此,能够提高声音识别处理的识别精度。
在一个方式的上述车辆状态预测系统中,以由所述状态预测部预测出的路径包括对应于经过所述声音识别处理而迁移过的车辆状态的节点为条件,所述声音处理部构成为切换所述声音数据库。
根据上述结构,在预测出的将来的车辆状态下切换之后的声音数据库实际被使用的可能性高。因此,能够以能够得到高的可靠性的方式通过切换声音数据库而提高声音识别精度。
在一个方式的上述车辆状态预测系统中,所述状态预测部构成为通过将对应于过去通过所述声音识别处理而迁移过的车辆状态的节点设为所述第2节点,来预测表示将来的车辆状态的推移的所述路径,所述声音处理部构成为将所述声音数据库切换到向由所述状态预测部预测出的路径中的所述第2节点的迁移中使用过的声音数据库。
根据上述结构,使向适于声音识别处理的声音数据库的切换更适合于实际状况。由此,能够更进一步提高声音识别处理的识别精度。
在一个方式的上述车辆状态预测系统中,当对应于经过所述声音识别处理而迁移过的车辆状态的节点存在多个时,所述状态预测部构成为离节点的距离越短,对这些节点设定越高的优先级,向所述节点的迁移中使用所述声音数据库,所述声音处理部构成为将所述声音识别处理中使用的声音数据库从向所设定的优先级高的所述节点的迁移中所使用过的声音数据库开始依次切换。
根据上述结构,即使在对应于经过声音识别处理而迁移过的车辆状态的节点存在多个时,也能够进行适合于这些声音识别处理的声音数据库的切换,所以能够提高通用性。
在一个方式的上述车辆状态预测系统中,所述第1节点与所述第2节点之间车辆信号不同,所述声音处理部构成为以能够通过所述声音识别处理操作所述车辆信号为条件,切换所述声音数据库。
根据上述结构,通过使向适于声音识别处理的声音数据库的切换更进一步适合于实际状况,能够进一步提高声音识别处理的识别精度。
在一个方式的上述车辆状态预测系统中,所述车辆状态预测系统还具备服务执行部,该服务执行部能够执行伴随车辆状态的迁移的一个或多个服务,所述服务执行部构成为当包含于由所述状态预测部预测出的路径中的节点满足预定的服务起动条件时,执行所述服务。
根据上述结构,在预测在将来的车辆状态下要执行的服务的同时,不伴随任何车辆操作而执行所预测出的服务。由此,能够便利性良好地提供适合于将来的车辆状态的服务。
在一个方式的上述车辆状态预测系统中,所述服务执行部构成为以由所述状态预测部预测出的路径中的终端节点与预定服务执行之后的车辆状态一致为条件,判定所述服务起动条件。
根据上述结构,在服务的起动条件的判定处理之前缩减了作为对象的服务的范围,所以能够降低用于预测在将来的车辆状态下要执行的服务的处理负荷。
在一个方式的上述车辆状态预测系统中,车辆信号规定服务执行之后的车辆状态,在多个服务的各个中由所述状态预测部预测出的路径中的终端节点与服务执行之后的车辆状态一致的情况下,所述服务执行部构成为从规定服务执行之后的车辆状态的所述车辆信号的数量最多的服务开始依次判定所述服务起动条件。
根据上述结构,即使例举出在将来的车辆状态下要执行的服务的多个候补,也能够针对这些作为候补的服务依次进行起动条件的判定,所以能够提高通用性以及便利性。
在一个方式的上述车辆状态预测系统中,所述车辆状态预测系统还具备电源管理部,该电源管理部管理检测车辆信号的传感器的电源,车辆信号的输出值被分别从所述节点得到,在所述车辆信号的输出值在由所述状态预测部预测出的路径上的节点彼此间不变化的情况下,所述电源管理部构成为将检测所述车辆信号的传感器的电源设定为断开。
根据上述结构,设想在有被预测输出值将来不变化的车辆信号时,变得不需要检测车辆信号的传感器的动作。因此,通过将这样的传感器的电源事先设定为断开,能够节减作为系统整体的功耗。
在一个方式的上述车辆状态预测系统中,第2路径从对应于过去的车辆状态的节点至对应于当前的车辆状态的节点,所述电源管理部构成为进一步以所述车辆信号的输出值在所述第2路径上的节点彼此间不变化为条件,将所述传感器的电源设定为断开。
根据上述结构,在用于将传感器的电源事先设定为断开的条件中增加了在从过去的车辆状态至当前的车辆状态的期间中传感器的输出值未变化的点。因此,能够在更加慎重地选择从检测对象去掉的车辆信号的同时,削减作为系统整体的功耗。
在一个方式的上述车辆状态预测系统中,所述车辆状态预测系统还具备电源管理部,该电源管理部管理检测车辆信号的传感器的电源,车辆信号的输出值被分别从所述节点得到,在由所述状态预测部预测出的路径上的节点包括表示与当前的车辆状态不同的输出值的车辆信号时,所述电源管理部构成为将检测所述车辆信号的传感器的电源设定为接通。
根据上述结构,在有被预测输出值变化的车辆信号时,通过使检测车辆信号的传感器的动作事先开始,能够可靠地进行检测动作。
在一个方式的上述车辆状态预测系统中,所述车辆状态预测系统还包括管理中心,该管理中心经由无线通信来管理作为对象的多个车辆的行驶信息,所述网络生成部设置于所述管理中心,所述网络生成部构成为通过将基于从多个车辆接收到的每次的车辆信号的车辆状态定义为节点,而生成所述网络构造,所述网络生成部构成为在所述网络构造中,将多个车辆中共同的所述节点的累计值以及所述链接的累计值分别合计,所述状态预测部设置于所述管理中心,所述状态预测部构成为根据所述网络构造,预测表示将来的车辆状态的推移的路径,所述状态预测部将预测出的所述路径分发到各车辆。
根据上述结构,按照共享多个车辆中的车辆状态的迁移的历史的形式生成网络构造。因此,即使对于本车辆为新的车辆状态,对于其它车辆也有时为既存的车辆状态,相比于针对每个车辆生成网络构造的情况,更易于扩展网络构造的范围。因此,在根据网络构造预测将来的车辆状态时,能够进一步提高通用性以及实用性。
本公开的其它特征和优点根据以下的详细的说明和为了说明本公开的特征而附随的附图将更加明确。
附图说明
认为本公开是新颖的特征特别在所附的权利要求书中明确。通过与所附的附图一起参照以下所示的当前时间点的优选的实施方式的说明,可理解伴随目的和利益的本公开。
图1是示出车辆状态预测系统的第1实施方式的概略结构的框图。
图2是示出基于车辆信号的时间序列信息的符号化的样式的一个例子的示意图。
图3是示出取得各时刻的车辆信号的组合时的数据结构的一个例子的示意图。
图4是示出该实施方式的节点数据表格所储存的数据内容的示意图。
图5是示出该实施方式的链接数据表格所储存的数据内容的示意图。
图6是示出该实施方式的车辆状态预测系统生成的网络构造的一个例子的示意图。
图7是示出该实施方式的车辆状态预测系统执行的预测处理的处理步骤的流程图。
图8是示出第2实施方式的车辆状态预测系统中的链接数据表格所储存的数据内容的示意图。
图9是示出该实施方式的车辆状态预测系统生成的网络构造的一个例子的示意图。
图10是示出车辆状态预测系统的第3实施方式的概略结构的框图。
图11是示出该实施方式的服务条件表格所储存的数据内容的示意图。
图12是示出该实施方式的车辆状态预测系统执行的预测处理的处理步骤的流程图。
图13是示出服务执行判定处理的处理步骤的流程图。
图14是用于说明服务执行判定处理的处理内容的示意图。
图15是示出车辆状态预测系统的第4实施方式的概略结构的框图。
图16是示出该实施方式的车辆状态预测系统生成的网络构造的一个例子的示意图。
图17是示出从开始状态至预测状态的各种传感器的传感器值的推移的一个例子的示意图。
图18是示出车辆状态预测系统的第5实施方式的概略结构的框图。
图19是示出该实施方式的节点数据表格所储存的数据内容的示意图。
图20是示出该实施方式的链接数据表格所储存的数据内容的示意图。
图21是示出该实施方式的车辆状态预测系统生成的网络构造的一个例子的示意图。
具体实施方式
(第1实施方式)
以下,参照图1~图7,说明车辆状态预测系统的第1实施方式。
本实施方式的车辆状态预测系统例如由提供针对车辆的乘员的各种信息的代理ECU(电子控制装置)构成。代理ECU例如具有声音对话功能,根据从车辆的乘员输入的声音的识别内容来控制车载设备的动作或者执行与识别内容对应的声音发声。代理ECU使用车辆信号的时间序列信息,将车辆状态的过去的历史积蓄为网络构造。并且,代理ECU构成为通过使用该积蓄的网络构造预测将来的车辆状态的推移,使适于车辆状态的声音识别词典(声音数据库)预先待机,从而提高声音识别的精度。
具体而言,如图1所示,代理ECU100经由由例如CAN(控制器局域网)等构成的车辆网络NW而连接到其它ECU群120、传感器群130以及开关群140。代理ECU100由各种电路、计算机软件或它们的组合构成。
其它ECU群120是控制各种车载设备的动作的车载ECU,构成为包括控制例如引擎、制动器、转向器等各种车辆驱动系统的车载设备的车载ECU、控制例如空调以及显示车辆200的各种状态的仪表等车身系统的车载设备的车载ECU以及控制以进行例如从当前地至目的地的路径引导等的车辆导航系统为首的信息系统的车载设备的车载ECU。
传感器群130是用于检测各种车辆状态的传感器群,例如包括在以下的(A)~(R)中列举的传感器。
(A)GPS传感器(纬度经度、海拔、时刻)
(B)激光、红外线、超声波传感器(前方/后方车间距离、与障碍物的距离)
(C)雨滴传感器
(D)环境温度传感器
(E)车厢内温度传感器
(F)落座传感器
(G)安全带佩戴状态传感器
(H)智能钥匙(注册商标)传感器(钥匙位置信息)
(I)侵入监视传感器
(J)可见光/红外线图像传感器(照相机图像)
(K)花粉等微粒子传感器
(L)加速度传感器(倾斜等车辆举动)
(M)照度传感器
(N)电场强度传感器(任意频带的电场强度)
(O)驾驶员监视器(脸朝向、视线)
(P)车速传感器
(Q)操舵角传感器
(R)偏航率传感器
开关群140是用于切换各种车载设备的动作的开关群,例如包括在以下的(a)~(n)中列举的开关。
(a)转向手柄开关
(b)雨刮器操作开关
(c)灯操作开关
(d)转向开关
(e)导航音响操作开关
(f)车窗操作开关
(g)门/后备箱开闭/锁定开关
(h)空调操作开关
(i)座椅加热/通风开关
(j)座椅位置调整/预设记忆开关
(k)侵入监视系统开关
(l)反射镜操作开关
(m)ACC(自适应巡航控制)开关
(n)引擎开关
代理ECU100通过数据接收部101取得从这些其它ECU群120、传感器群130以及开关群140经由车辆网络NW输入的车辆信号,并且将这些取得的车辆信号输入到符号化部102。符号化部102使用取得的车辆信号对车辆状态进行符号化,并且将这些符号化了的符号的信息存储到存储部103。符号化部102以及存储部103由各种电路、计算机软件或它们的组合构成。
在图2中,示出了基于车辆信号的时间序列信息的符号化的样式的一个例子。在该图中,将从其它ECU群120针对每一定的时间间隔作为车辆信号而取得的ECU信号值表示为“○”标志,并且将从传感器群130在同一时刻取得的传感器值分别表示为“△”标志、“□”标志,进而将在同一时刻从开关群140作为车辆信号而取得的开关信号表示为条形显示。在图2中作为一个例子图示有ACC开关信号以及引擎开关信号。针对这些ECU信号值、传感器值以及开关信号的每个组合,随着时间的推移而赋予状态编号。在图2所示的例子中,从时刻t1到时刻t3,这些ECU信号值、传感器值以及开关信号中的任意一个都不变化,所以在这些时刻t1~t3赋予同一状态编号“S1”。另一方面,在时刻t4,虽然未看到ECU信号值“○”、传感器值“□”以及ACC开关以及引擎开关这两方开关信号的变化,但看到传感器值“△”的变化,所以在时刻t4赋予了新的状态编号“S2”。在时刻t5,虽然未看到ECU信号值“○”、传感器值“△”以及引擎开关的开关信号的变化,但看到传感器值“□”以及ACC开关的开关信号的变化,所以在时刻t5赋予了新的状态编号“S3”。在时刻t8,相比于时刻t7,看到了传感器值“△”的变化,但若与时刻t5的比较,ECU信号值、传感器值以及开关信号全部一致。因此,在时刻t8赋予了时刻t5的既存的状态编号“S3”。即,构成为只要从其它ECU群120作为车辆信号取得的ECU信号值、从传感器群130作为车辆信号取得的传感器值以及从开关群140作为车辆信号取得的开关信号中的任意一个与当前时刻前取得过的ECU信号值、传感器值以及开关信号不同,就在该时刻赋予新的状态编号。另一方面,构成为如果从其它ECU群120作为车辆信号取得的ECU信号值、从传感器群130作为车辆信号取得的传感器值以及从开关群140作为车辆信号取得的开关信号全部与当前时刻前取得过的ECU信号值、传感器值以及开关信号一致,则在该时刻赋予既存的状态编号。
在图3中,示出了取得各时刻的车辆信号的组合时的数据结构的一个例子。在该图中,作为成为取得对象的传感器值例示了“车速”、“操舵角”、“偏航率”、“环境温度”,并且作为成为取得对象的开关信号例示了“挡位”、“停车制动器状态”。这些取得间隔针对每个车辆信号相互不同,在该图所示的例子中,“车速”、“操舵角”、“偏航率”这样的车辆信号的取得间隔比较短(例如100ms),“挡位”、“停车制动器状态”、“环境温度”这样的车辆信号的取得间隔比较长(例如1000ms)。
这些取得顺序并非始终固定,也有时根据当前的来自其它ECU群120、传感器群130以及开关群140的车辆信号的输出定时而变更。在该图所示的例子中,按照代理ECU经由车辆网络接收到发送帧的顺序排列有“发送帧1”~“发送帧8”,在这些发送帧中各包括一个车辆信号。在该例子中,在上述取得间隔比较短的车辆信号的群(“车速”、“操舵角”、“偏航率”)中它们的发送频度也相互不同,从发送频度高的车辆信号开始依次为“车速”、“操舵角”、“偏航率”。因此,在该例子中,成为在应用按照时刻从早到晚的顺序取得的车辆信号时,在时刻t1,“车速”、“操舵角”、“偏航率”全部到齐,但在时刻t2“偏航率”未到,在时刻t3“操舵角”以及“偏航率”未到的状态。因此,如果之后发送的车辆信号是“车速”,则将“车速”用作时刻t4的车辆信号。另一方面,如果之后发送的车辆信号是“操舵角”,则将“操舵角”用作时刻t3下的车辆信号。如果之后发送的车辆信号是“偏航率”,则将“偏航率”用作时刻t2下的车辆信号。也就是说,关于取得间隔比较短的车辆信号的群,如果在某个时刻未到齐全部的车辆信号,则在取得了相应的车辆信号的时间点,用作该时刻的车辆信号。因此,如上所述,尽管在车辆信号的输出定时变更了的情况下,各时刻的车辆信号仍可靠地到齐。
在该例子中,关于上述取得间隔比较长的车辆信号的群(“挡位”、“停车制动器状态”、“环境温度”),在按照时刻从早到晚的顺序应用车辆信号时,成为在时刻t1,“挡位”、“停车制动器状态”、“环境温度”全部到齐,但在时刻t2以及时刻t3,取得间隔比较长,所以是这些车辆信号未全部到的状态。此处,在时刻t2以及时刻t3,将时刻t1的“挡位”、“停车制动器状态”、“环境温度”用作车辆信号。即,关于取得间隔比较长的车辆信号的群,如果在某个时刻车辆信号未到齐,则将最近取得的车辆信号用作该时刻的车辆信号。因此,尽管在以取得间隔相互不同的车辆信号为取得对象的情况下,各时刻的车辆信号在抑制时滞的同时可靠地到齐。能够使用这些车辆信号对与各时刻对应的车辆状态进行符号化。
如图1所示,代理ECU100具备网络生成部104,该网络生成部104将符号化了的表示车辆状态的符号按照出现顺序定义为节点,并且将这些节点间的迁移定义为链接而生成网络构造。在生成该网络构造时,网络生成部104在储存于存储部103的节点数据表格T1中改写更新所定义的节点的信息,并且在储存于存储部103的链接数据表格T2中改写更新所定义的链接的信息。网络生成部104由各种电路、计算机软件或它们的组合构成。
如图4所示,在节点数据表格T1中,将符号化了的车辆状态的状态编号301(节点ID)、规定这些车辆状态的车辆信号的群302以及作为车辆状态(节点)的出现次数累计值的计数值303关联起来。在该图所示的节点数据表格T1中,每当在符号化部102中赋予新的状态编号时追加符号化了的车辆状态的状态编号的数。每当在符号化部102中对应的状态编号被赋予为既存的状态编号时,对与这些状态编号301关联起来的计数值303进行累计。
另一方面,如图5所示,在链接数据表格T2中,将与符号化了的车辆状态间的迁移对应的链接ID304、表示迁移前的车辆状态的状态编号的始端节点ID305、表示迁移后的车辆状态的状态编号的终端节点ID306以及作为车辆状态间的迁移次数(通过次数)的累计值的计数值307关联起来。在该图所示的链接数据表格T2中,不管在符号化部102中符号化了的状态编号是新的状态编号和既存的状态编号中的哪一个,每当向这些状态编号的迁移是新的迁移时,链接ID304的数都被追加。每当向在符号化部102中符号化了的状态编号的迁移是既存的迁移时,对与这些链接ID304关联起来的计数值307进行累计。
如图1所示,代理ECU100在所生成的网络构造中从与当前的车辆状态对应的节点至与迁移了预定次数之后的车辆状态对应的节点的多个路径中,经由搜索部105搜索基于预定算法的最佳路径。代理ECU100经由状态预测部106,将与存在于所搜索到的最佳路径上的节点对应的车辆状态预测为将来的车辆状态。搜索部105以及状态预测部106由各种电路、计算机软件或它们的组合构成。
此处,参照图6,说明基于预定算法的最佳路径的搜索方法。在图6所示的网络构造中,将与车辆状态对应的节点的计数值表示为块的层叠体的高度,并且将与车辆状态间的迁移对应的链接的计数值表示为箭头的粗度。在该图所示的网络构造中,层叠体的各块对应于累积观测频度。在该图所示的网络构造中,为便于说明,仅简化而图示有与车辆状态间的迁移对应的链接的一部分。
此处,在搜索最佳路径时,作为最初从与当前的车辆状态对应的节点(状态编号S2)延伸的链接,抽出与向节点(状态编号S4)的迁移对应的链接以及与向节点(状态编号S6)的迁移对应的链接。作为在这些抽出的链接中计数值最大的链接,选择与向节点(状态编号S6)的迁移对应的链接。
接下来,确认是否满足作为迁移目的地的节点(状态编号S6)的计数值为作为搜索结束条件的一个例子的预定阈值以上(例如层叠体的块数是5个以上)。在该情况下,节点(状态编号S6)的计数值(2个)小于预定阈值,所以作为从该节点延伸的链接,抽出与向节点(状态编号S6)的迁移(待机)对应的链接、与向节点(状态编号S7)的迁移对应的链接以及与向节点(状态编号S9)的迁移对应的链接。作为在这些抽出的链接中计数值最大的链接,选择与向节点(状态编号S7)的迁移对应的链接。在该情况下,作为迁移目的地的节点(状态编号S7)的计数值(1个)仍小于预定阈值,所以接着抽出从该节点延伸的链接。
之后,直至作为迁移目的地的节点的计数值成为预定阈值以上,反复进行从作为迁移目的地的节点延伸的链接的抽出以及在这些抽出的链接中计数值最大的链接的选择。在图6所示的例子中,在到达节点(状态编号S9)的时间点,节点的计数值成为预定阈值以上,所以将包括直至该节点的期间所选择过的全部的节点的路径(状态编号S2→状态编号S6→状态编号S7→状态编号S8→状态编号S9)搜索为最佳路径。该最佳路径是在从与当前的车辆状态对应的节点至与迁移了预定次数(在图6所示的例子中4次)之后的车辆状态对应的节点的多个路径中,每次的链接的计数值最多的链接所存在的路径。即,该最佳路径在生成网络构造的过去的时间点为每次的计数值最多的链接所存在的路径,所以设想了表示将来也出现频度高的车辆状态的推移。因此,存在于该最佳路径上的车辆状态(状态编号S2→状态编号S6→状态编号S7→状态编号S8→状态编号S9)被预测为将来的车辆状态的推移即规定车辆状态的各车辆信号的推移。
另外,虽然省略了详细说明,但还能够如下所述地搜索最佳路径。
即,每次抽出作为从与当前的车辆状态对应的节点开始的每一个链接的迁移目的地的节点,在这些抽出的各节点中,将作为出现次数的计数值最大的节点作为存在于最佳路径上的节点,并将向该节点的链接预测为存在于最佳路径上的链接。这样预测出的最佳路径在生成网络构造的过去的时间点为每次的计数值最多的节点所存在的路径,所以设想表示将来也出现频度高的车辆状态的推移。
进而,在搜索最佳路径时,也可以将对作为从与当前的车辆状态对应的节点延伸的链接的通过次数的计数值与作为迁移目的地的节点的出现次数的计数值合计而得到的合计值最大的节点以及向该节点的链接预测为存在于最佳路径上的节点以及链接。另外,这样预测出的最佳路径在生成网络构造的过去的时间点为每次的合计值最多的节点以及向该节点的链接所存在的路径,所以设想表示将来也出现频度高的车辆状态的推移。
如图1所示,代理ECU100例如作为控制在与车辆200的乘员之间进行的声音对话的声音处理部而具备对话控制部110。对话控制部110经由声音识别处理部111识别从车辆的乘员经由麦克风等声音输入部150输入的声音。使用在对话控制部110具备的存储部112中储存的声音识别词典DA~DC,进行该声音识别处理。在各声音识别词典DA~DC中规定有单词以及单词的排列方法等,针对所设想的每个车辆状态对这些声音识别词典DA~DC进行最优化。例如,如果车辆状态是伴随车载设备的声音操作的状态,则最优化声音识别词典DA~DC以使得大量包括声音识别时所使用的单词。对话控制部110根据状态预测部106所取得的将来的车辆状态的推移,从储存在存储部112的声音识别词典DA~DC中选择适于成为推移过程的车辆状态的声音识别词典,并使其预先待机。对话控制部110由各种电路、计算机软件或它们的组合构成。
对话控制部110根据识别出的声音的内容,经由声音合成处理部113生成合成声音。在该情况下,如果之前待机的声音识别词典DA~DC中收录有在将来的车辆状态的声音操作中使用的操作命令等,则读出所收录的操作命令而生成为合成声音。对话控制部110将所生成的合成声音输出到扬声器等声音输出部160。对话控制部110经由图像描绘处理部114生成与声音对话时的图像输出要求对应的图像信号,并且将所生成的图像信号输出到LCD(液晶显示器)以及HUD(抬头显示器)等图像输出部170。
接下来,作为本实施方式的动作例,关于上述代理ECU100执行的车辆状态的预测处理,说明具体的处理步骤。代理ECU100在车辆200的点火开关接通(ON)的IG接通的条件下,执行图7所示的处理。
如图7所示,代理ECU100周期性地接收用于规定车辆状态的车辆数据(步骤S10),通过依照图3所示的步骤排列该接收到的车辆数据,构筑各时刻的车辆数据的组合(步骤S11)。使用该构筑的车辆数据的组合,按照时刻从早到晚的顺序,对与各时刻对应的车辆状态进行符号化。
在符号化了的车辆状态是新的状态时(步骤S12=“是”),对车辆状态赋予新的状态编号(节点ID)(步骤S13)。另一方面,在符号化了的车辆状态是既存的状态时(步骤S12=“否”),对与车辆状态对应的节点的计数值进行累计(步骤S14)。
接下来,代理ECU100判定车辆状态的迁移是否为新的迁移(步骤S15)。在车辆状态的迁移是新的迁移时(步骤S15=“是”),对车辆状态的迁移赋予新的链接ID(步骤S16)。另一方面,在车辆状态的迁移是既存的迁移时(步骤S15=“否”),对与车辆状态的迁移对应的链接的计数值进行累积(步骤S17)。
另外,在车辆状态为新的车辆状态的情况下,从该新的车辆状态开始的迁移都是新的迁移,所以当在步骤S12中判断为车辆状态为新的车辆状态的情况下,在赋予节点ID之后,也可以直接转移到步骤S16的处理。
然后,接下来,代理ECU100判定当前的车辆状态是否到达包含于当前时间点生成的网络构造中的任意的既存节点、即当前的车辆状态是否迁移到任意的既存节点(步骤S18)。在当前的车辆状态到达了任意的既存节点时(步骤S18=“是”),使用所生成的网络构造,将当前的车辆状态作为起点,预测表示将来的车辆状态的路径(步骤S23)。
代理ECU100在当前的车辆状态未到达任意的既存节点时(步骤S18=“否”),计算当前的车辆状态和既存节点的差分(步骤S19)。例如,如图6的细线的虚线所示,在当前的车辆状态是与状态编号SX对应的新节点时,计算该新节点与既存节点的差分。通过参照例如图4例示的节点数据表格T1,评价与各节点对应的车辆信号彼此之差,从而计算这些节点的差分。将计算出的节点的差分项目经由声音输出部160或者图像输出部170通知给车辆200的乘员(步骤S20)。即,构成网络构造的既存节点表示到达当前时间点前推移过的车辆状态的历史,成为与既存节点中的任意一个都不对应的车辆状态意味着正在进行与通常不同的车辆操作。因此,还有车辆操作是错误的操作的可能性,所以需要对车辆的乘员通知该意思,因此构成为进行上述通知。
在从判定为当前的车辆状态未到达任意的既存节点起未经过一定期间时(步骤S21=“否”),反复进行前面的步骤S10~步骤S21的处理,直至经过固定期间为止。
另一方面,在从判定为当前的车辆状态未到达任意的既存节点起经过了一定期间时(步骤S21=“是”),选择与当前的车辆状态的差异最小的既存节点(步骤S22)。作为差异最小的既存节点,既可以选择新节点的最近(节点的距离最短或最近)的既存节点,也可以选择全部的既存节点中的评价值(即节点的计数值)的合计结果最小的既存节点。在图6所示的例子中,作为与当前的车辆状态的差异最小的既存节点,选择了与状态编号S7对应的既存节点。接下来,代理ECU100使用所生成的网络构造,将在前面的步骤S22中选择的既存节点作为起点,预测表示将来的车辆状态的路径(步骤S23)。其原因为,在进行了与通常不同的车辆操作的状况时,为了实现基于声音对话的车辆操作的引导等,即使是严格来说与当前的车辆状态不同的既存节点,也期望将这样的既存节点作为起点来迅速地执行将来的车辆状态的预测。
然后,接下来,根据需要,代理ECU100例如也可以从储存于存储部103的声音识别词典DA~DC中选择适于在前面的步骤S23中预测出的路径上存在的车辆状态的声音识别词典,并使其预先待机(步骤S24)。
之后,只要车辆200的点火开关未被切换为断开(OFF)(步骤S25=“否”),就反复进行前面的步骤S10~步骤S25的处理。另一方面,在车辆200的点火开关被切换为断开时(步骤S25=“是”),结束图7所示的预测处理。
如以上说明,根据上述第1实施方式,能够得到以下所示的效果。
(1)第1实施方式的装置构成为使用多个车辆信号的时间序列信息对车辆状态进行符号化,将得到的符号按照出现顺序设为节点,并且将这些节点间的推移设为链接,分别累计这些节点的出现次数以及链接的通过次数而构筑网络构造。即,即使规定车辆状态的车辆信号的种类遍历多个方面,也通过符号化将这些车辆信号的群汇集为一个符号。即,通过符号化避免了重复登记同一车辆状态,并且按照仅累计出现次数、通过次数的形式进行计数。因此,即使规定车辆状态的车辆信号的种类遍历多个方面,仍能够抑制网络构造内的节点的数据容量变得庞大。另外,与将网络构造作为迁移概率模型来处置的情况不同,在累计节点的出现次数、链接的通过次数时无需关于作为对象的节点或者链接以外重新运算既存的信息,所以能够抑制网络构造的更新时的运算负荷。另外,设想在生成网络构造的过去的时间点,包括出现次数多的节点以及通过次数多的链接的网络上的路径,即便将来仍表示出现频度高的车辆状态的推移。因此,在每次预测将来的车辆状态时,通过求出节点的出现次数的累计值、链接的通过次数的累计值或者所述节点的累计值与所述链接的累计值的合计值最多的节点和/或链接所存在的路径,能够在抑制数据容量的同时,以能够得到高的可靠性的方式将与存在于该路径上的节点对应的车辆状态预测为将来的车辆状态。
(2)例如,构成为从车辆状态成为与构成网络构造的既存的节点中的任意一个都不对应的车辆状态的时间点起经过一定期间仍未迁移到与既存的节点对应的车辆状态时,将既存的节点中的对应于与当前时间点的差异小的车辆状态的节点作为起点来进行路径的预测。因此,即使置身于与既存的节点中的任意一个都不对应的车辆状态的状况下,也能够将对应于与当前时间点的差异小的车辆状态的节点作为起点,迅速地进行将来的车辆状态的预测。
(3)例如,代理ECU100构成为进行向适于状态预测部106所预测出的路径中包含的车辆状态的声音识别词典的切换。因此,通过在预测在将来的车辆状态下要执行的声音识别处理的同时,预先切换为适于声音识别处理的声音识别词典,能够提高声音识别处理的识别精度。
(4)例如,即使在将声音对话中的车辆200的乘员发声作为契机而开始对话的情况下,在车辆200的乘员实际发声之前的阶段,预测在将来的车辆状态下要执行的声音识别处理。由此,能够预先切换为适于声音识别处理的声音识别词典。
(第2实施方式)
接下来,参照图8~图9,说明车辆状态预测系统的第2实施方式。在第2实施方式中,表示将来的车辆状态的路径的预测方式与第1实施方式不同。因此,在以下的说明中,主要说明与第1实施方式不同的结构,关于与第1实施方式相同或者对应的结构,省略重复的说明。
如图8所示,在本实施方式中,在储存于存储部103(图1)的链接数据表格T2a中,除了与符号化了的车辆状态间的迁移对应的链接ID304、表示迁移前的车辆状态的状态编号的始端节点ID305、表示迁移后的车辆状态的状态编号的终端节点ID306以及车辆状态间的迁移次数(通过次数)的计数值307以外,还一并关联有表示车辆状态的迁移是否是基于声音识别操作的迁移的属性信息308。在搜索最佳路径时,首先最初根据链接数据表格T2a的终端节点ID306以及属性信息308,抽出构成网络构造的节点中的、与过去通过声音识别操作成为过迁移目的地的车辆状态对应的节点。
在与前面的图6对应的例如图9所示的网络构造中,用基于点的阴影线显示有与通过声音识别操作迁移了时的车辆状态对应的层叠体的块,作为通过声音识别操作而成为迁移目的地的车辆状态,抽出节点(状态编号S1)以及节点(状态编号S10)。将这些抽出的节点(状态编号S1)以及节点(状态编号S10)规定为最佳路径的终端节点。
接下来,作为从与当前的车辆状态对应的节点(状态编号S3)延伸的链接,抽出与向节点(状态编号S1)的迁移对应的链接以及与向节点(状态编号S5)的迁移对应的链接。作为在这些抽出的链接中计数值最大的链接,选择与向节点(状态编号S1)的迁移对应的链接。
然后接下来,确认作为迁移目的地的节点(状态编号S1)是否与之前规定的终端节点相当。在该情况下,节点(状态编号S1)与之前规定的终端节点相当,所以将包括在直至该节点的期间所选择的全部的节点的路径(状态编号S3→状态编号S1)搜索为最佳路径(“路径1”)。该最佳路径(“路径1”)为从与当前的车辆状态对应的节点至与迁移了预定次数(在图9所示的例子中1次)之后的车辆状态对应的节点的多个路径中的、链接的计数值最多的链接所存在路径。当然,也能够根据节点的计数值或者节点的计数值与链接的计数值的合计值来搜索最佳路径。
接下来,作为从与当前的车辆状态对应的节点延伸的链接中的、未包含在之前搜索到的“路径1”中的链接,抽出与向节点(状态编号S5)的迁移对应的链接。此处抽出的链接仅为一个,但如果抽出的链接为多个,则选择在这些抽出的链接中计数值最大的链接。
然后,接下来,确认与作为迁移目的地的车辆状态对应的节点(状态编号S5)是否与之前规定的终端节点相当。在该情况下,节点(状态编号S5)不相当于之前规定的终端节点,所以作为从该节点延伸的链接,抽出与向节点(状态编号S6)的迁移对应的链接以及与向节点(状态编号S10)的迁移对应的链接。作为在这些抽出的链接中计数值最大的链接,选择与向节点(状态编号S6)的迁移对应的链接。在该情况下,作为迁移目的地的节点(状态编号S6)也不相当于之前规定的终端节点,所以接着抽出从该节点延伸的链接。
之后,直至作为迁移目的地的节点与之前规定的终端节点相当为止,反复进行从成为迁移目的地的节点延伸的链接的抽出和这些抽出的链接中计数值最大的链接的选择。在图9所示的例子中,在到达节点(状态编号S10)的时间点,与之前规定的终端节点相当,所以将包括在直至该节点的期间选择的全部的节点的路径(状态编号S3→状态编号S5→状态编号S6→状态编号S7→状态编号S8→状态编号S9→状态编号S10)搜索为最佳路径(“路径2”)。该最佳路径为从与当前的车辆状态对应的节点至与迁移了预定次数(在图9所示的例子中6次)之后的车辆状态对应的节点的多个路径中的、链接的计数值最多的链接所存在路径。当然,也能够根据节点的计数值或者节点的计数值和链接的计数值的合计值来搜索最佳路径。
在搜索到的最佳路径(“路径1”、“路径2”)中,从距离最短的、即从与当前的车辆状态对应的节点至终端节点的链接的个数最少的最佳路径开始依次设定高的优先级(“路径1”>“路径2”)。从优先级高的最佳路径的终端节点开始,依次和与当前的车辆状态对应的节点进行比较,以能够经由声音识别操作在这些被比较的节点彼此间不同的车辆信号为条件,使相应的声音识别词典依次待机。关于这些声音识别词典,在从车辆200的乘员有了声音的输入时,确认在输入的声音中所使用的单词是否包含于优先级最高的声音识别词典,在未包含声音所使用的单词时,按照优先级从高到低的顺序,切换作为对象的声音识别词典。
如以上说明,根据上述第2实施方式,除了第1实施方式的上述(1)~(4)的效果以外,还能够得到以下所示的效果。
(5)代理ECU100构成为以状态预测部106所预测出的路径中包括与经过声音识别处理迁移过的车辆状态对应的节点为条件,切换声音识别词典。因此,在预测出的将来的车辆状态下实际使用切换之后的声音识别词典的可能性高,所以以能够得到高的可靠性的方式,能够通过切换声音识别词典的切换而提高声音识别精度。
(6)代理ECU100构成为将与过去经过声音识别处理迁移过的车辆状态对应的节点作为终端节点而进行路径的预测,并切换到向所预测出的路径中的终端节点的迁移中所使用过的声音识别词典。因此,通过使向适于声音识别处理的声音识别词典的切换适合于实际状况,能够更进一步提高声音识别处理的识别精度。
(7)代理ECU100构成为在与经过声音识别处理迁移过的车辆状态对应的节点存在多个时,对这些节点设定优先级,从向所设定的优先级高的节点的迁移中使用过的声音识别词典开始,依次切换为声音识别处理所使用的声音识别词典。因此,即使在与经过声音识别处理迁移过的车辆状态对应的节点存在多个时,也能够进行适于这些声音识别处理的声音识别词典的切换,所以能够提高通用性。
(8)代理ECU100构成为以能够经由声音识别处理操作在与当前的车辆状态对应的节点和与经过声音识别处理迁移过的车辆状态对应的节点之间不同的车辆信号为条件,进行声音识别词典的切换。因此,通过使向适合于声音识别处理的声音识别词典的切换更进一步适合于实际状况,能够进一步提高声音识别处理的识别精度。
(第3实施方式)
接下来,参照图10~图14,说明车辆状态预测系统的第3实施方式。在第3实施方式中,在服务起动的判定中使用了将来的车辆状态的预测结果的点与第1或者第2实施方式不同。因此,在以下的说明中,为便于说明,主要说明与第1实施方式不同的结构,关于与第1实施方式相同或者对应的结构,省略重复的说明。
如图10所示,在本实施方式中,代理ECU100A具备执行与车辆的状态对应的一个或多个信息提供服务的服务执行部180。服务执行部180的应用管理部181在经由传感器群130或者开关群140进行了服务的起动操作时,从储存在存储部182的一个或多个服务中抽出相应的服务,并且起动/执行所抽出的服务。在应用管理部181中执行的服务经由声音输出部160或者图像输出部170被提供给车辆200的乘员。
应用管理部181构成为将状态预测部106预测出的将来的车辆状态与从存储部182读出的服务条件表格T3进行对照,在该对照成立了时,不伴随任何的起动操作而事先进行相应的服务的起动。
如图11所示,在服务条件表格T3中,将作为对照的对象的服务的种类310、这些服务的服务起动条件311以及这些服务执行之后的车辆状态312关联起来。服务起动条件311通过组合从其它ECU群120、传感器群130以及开关群140取得的车辆信号的群的至少一部分而构成,组合针对服务的每个种类而不同。另外,同样地,服务执行之后的车辆状态也通过组合从其它ECU群120、传感器群130以及开关群140取得的车辆信号的群的至少一部分而构成,组合针对服务的每个种类而不同。
接下来,关于代理ECU100执行的车辆状态的预测处理,说明具体的处理步骤。如图12所示,在本实施方式的预测处理中,代替图7所示的流程图的步骤S24中的声音识别词典的切换处理,而执行服务执行判定处理(步骤S24A)的点与第1实施方式不同。因此,参照图13,说明该服务执行判定处理。
如图13所示,代理ECU100例如首先判定状态预测部106所预测出的路径的终端节点与服务执行之后的车辆状态是否一致(步骤S30)。即,如果预测出的路径的终端节点与服务执行之后的车辆状态一致,则在预测出的路径上的车辆状态的迁移过程中也有执行该服务的可能性,所以作为用于使服务起动条件成立的前提条件,规定了步骤S30。在预测出的路径的终端节点与服务执行之后的车辆状态不一致时(步骤S30=“否”),连用于使服务起动条件成立的前提条件都未满足,所以结束图13所示的服务执行判定处理。
另一方面,在预测出的路径的终端节点与服务执行之后的车辆状态一致时(步骤S30=“是”),判定相应的车辆状态是否为多个(步骤S31)。在相应的车辆状态是多个时(步骤S31=“是”),按照规定服务执行之后的车辆状态的车辆信号的个数从多到少的顺序,对服务起动条件列表进行排序(步骤S32)。其原因为,规定服务执行之后的车辆状态的车辆信号的个数越多,越难以满足上述的前提条件,所以关于满足这样严格的条件的服务,认为在预测出的路径上的车辆状态的迁移过程中该服务被执行的可能性更进一步提高。
在图14中,示出了以“服务A”为对象的服务执行判定处理的处理内容的一个例子。在该图所示的例子中,状态预测部106预测出的路径(状态编号S2→状态编号S6→状态编号S7→状态编号S8→状态编号S9)的终端节点(状态编号S9)和“服务A”执行之后的车辆状态一致。规定相应的车辆状态的车辆信号的数量为“车辆信号1”至“车辆信号α”这α个。
然后,接下来,如图13所示,从预测出的路径的始端节点开始,依次与包含在服务起动条件列表中的服务起动条件进行比较(步骤S33)。在未达到所预测出的路径中的终端节点时(步骤S34=“是”),判定在预测出的路径中是否包括与服务起动条件一致的全部车辆信号(步骤S35)。此处,在未包括与服务起动条件一致的全部车辆信号时(步骤S35=“否”),使作为比较对象的节点一个一个地向终端节点侧转移(步骤S36)。之后,在未达到所预测出的路径中的终端节点的期间,在使作为比较对象的节点一个一个地向终端节点侧转移的同时,反复判定是否在预测出的路径中包括与服务起动条件一致的全部车辆信号。在该期间包括与服务起动条件一致的全部车辆信号时(步骤S35=“是”),经由在当前时间点作为比较的对象的服务的起动准备(步骤S37),起动该服务(步骤S44)。即,如果在预测出的路径上的车辆状态的迁移过程中服务起动条件成立,则预测为将来该服务被执行。因此,在这样的状况下,通过不伴随任何起动操作而使服务的起动事先开始,能够提高便利性。
在图14所示的例子中,关于预测出的路径的始端节点(状态编号S2),不包括与服务A的服务起动条件一致的车辆信号。接下来,在使作为比较对象的节点转移(状态编号S2→状态编号S6)后,关于该节点(状态编号S6),作为与服务A的服务起动条件一致的车辆信号而包括“车辆信号1”。但是,关于作为服务A的服务起动条件的“车辆信号3”尚未满足,所以作为比较对象的节点被再次转移(状态编号S6→状态编号S7)。关于该节点(状态编号S7),作为与服务A的服务起动条件一致的车辆信号而包括“车辆信号3”。在该例子中,在该时间点包括服务A的全部的服务起动条件,所以不进行其它判定处理而开始服务A的起动的准备。
如图13所示,在未包括与服务起动条件一致的全部的车辆信号的状态下到达预测出的路径的终端节点时(步骤S34=“否”),判定是否在预测出的路径中仅包括与服务起动条件一致的车辆信号的一部分(步骤S38)。在仅包括一致的车辆信号的一部分时(步骤S38=“是”),计算一致的车辆信号的个数(步骤S39),将在当前时间点作为比较的对象的服务追加到起动候补列表(步骤S40),之后,使处理转移到步骤S41。即,即使在预测出的路径上的车辆状态的迁移过程中服务起动条件未完全成立,只要一部分成立,也能够充分考虑将来执行该服务的可能性。因此,在这样的状况时,构成为使该服务包含于起动候补列表,根据与其它服务的比较的结果,开始该服务的起动的准备。
在预测出的路径中未包括与服务起动条件一致的全部车辆信号时(步骤S38=“否”),不经由前面的步骤S39以及步骤S40的处理,使处理转移到步骤S41。在步骤S41中,判定是否比较了包含在服务起动条件列表中的全部的服务起动条件。此处,在未比较完全部的服务起动条件时(步骤S41=“否”),在变更作为比较对象的服务起动条件之后(步骤S42),使处理返回到步骤S33,关于新的作为比较对象的服务,判定有无服务起动条件成立。另一方面,在比较了全部的服务起动条件时(步骤S41=“是”),经由起动候补列表中的、一致的车辆信号的个数最多的服务的起动准备(步骤S43),起动该服务(步骤S44)。
如以上说明,根据上述第3实施方式,除了第1实施方式的上述(1)、(2)的效果以外,还能够得到以下所示的效果。
(9)代理ECU100例如构成为具备能够执行伴随车辆状态的迁移的一个或多个服务的服务执行部180,服务执行部180在包含于状态预测部106所预测出的路径中的节点满足服务起动条件时执行该服务。因此,通过在预测在将来的车辆状态下要执行的服务的同时,不伴随任何车辆操作而执行所预测出的服务,能够便利性良好地提供依据将来的车辆状态的服务。
(10)服务执行部180例如构成为以状态预测部106所预测出的路径中的终端节点与服务执行之后的车辆状态一致为条件,进行该服务的起动条件的判定。因此,在服务的起动条件的判定处理之前缩小了作为对象的服务的范围,所以能够降低用于预测在将来的车辆状态下要执行的服务的处理负荷。
(11)服务执行部180例如构成为从规定服务执行之后的车辆状态的车辆信号的数量最多的服务开始,依次进行服务的起动条件的判定。因此,即使例举出多个在将来的车辆状态下要执行的服务的候补,也能够针对这些作为候补的服务依次进行起动条件的判定,所以能够提高通用性以及便利性。
(第4实施方式)
接下来,参照图15~图17,说明车辆状态预测系统的第4实施方式。在第4实施方式中,在传感器的电源管理中使用将来的车辆状态的预测结果的点与第1~第3实施方式不同。因此,在以下的说明中,为便于说明,主要说明与第1实施方式不同的结构,关于与第1实施方式相同或者对应的结构,省略重复的说明。
如图15所示,在本实施方式中,车辆200具备与车辆网络NW连接的电源管理ECU190。电源管理ECU190例如经由车辆网络NW进行各种车载设备的电源的管理。考虑从代理ECU100B的状态预测部106输入的将来的车辆状态,进行该车载设备的电源管理。电源管理ECU190由各种电路、计算机软件或它们的组合构成。
具体而言,在与前面的图6对应的例如图16所示的网络构造中,接通点火开关而开始网络生成时的过去的车辆状态对应于节点(状态编号S1),并且当前的车辆状态对应于节点(状态编号S4),进而,处于从这些过去的车辆状态至当前的车辆状态的迁移过程中的车辆状态对应于节点(状态编号S2)。以与当前的车辆状态对应的节点(状态编号S4)为起点的最佳路径(状态编号S4→状态编号S7→状态编号S8→状态编号S9)被搜索为表示将来的车辆状态的推移的路径。
另一方面,图17中示出了从与开始网络生成时的车辆状态对应的节点(状态编号S1)至被预测为将来的车辆状态的路径的终端节点(状态编号S9)的各种传感器的传感器值的推移的一个例子。在该图所示的例子中,关于“传感器值3”,虽然在与当前的车辆状态对应的节点(状态编号S4)未检测到输出,但在存在于被预测为将来的车辆状态的路径上的节点(状态编号S8)检测到输出。即,关于“传感器值3”,状态预测部106所预测出的路径上的节点示出与当前的车辆状态不同的输出值,所以要求准确的检测的可能性高。因此,在这样的状况时,电源管理ECU190构成为如果作为“传感器值3”的取得源的传感器的电源被设定为断开,则不伴随任何车辆操作而将该传感器的电源切换为接通。在该图所示的例子中,关于“传感器值4”,在从与开始网络生成时的车辆状态对应的节点(状态编号S1)至被预测为将来的车辆状态的路径的终端节点(状态编号S9)的期间,始终未检测到输出。即,关于“传感器值4”,在从与过去的车辆状态对应的节点至与当前的车辆状态对应的节点的路径上以及状态预测部106所预测出的路径上的节点彼此间的输出值不变化,不需要检测的可能性高。因此,在这样的状况时,电源管理ECU190构成为如果作为“传感器值4”的取得源的传感器的电源被设定为接通,则不伴随任何车辆操作而将该传感器的电源切换为断开。
如以上说明,根据第4实施方式,除了第1实施方式的上述(1)、(2)的效果以外,还能够得到以下所示的效果。
(12)电源管理ECU190例如构成为当包含在状态预测部106所预测出的路径上的节点彼此间输出值不变化的传感器值时,将检测传感器值的传感器的电源设定为断开。即,设想在有被预测将来输出值不变化的传感器值时,变得不需要检测传感器值的传感器的动作,所以通过将这样的传感器的电源事先设定为断开,能够节减作为系统整体的功耗。
(13)将传感器的电源设定为断开的条件例如还可以包括从与过去的车辆状态对应的节点至与当前的车辆状态对应的节点的路径上的节点彼此间车辆信号的输出值不变化。因此,能够在更进一步慎重地选择从检测对象中去掉的车辆信号的同时,削减作为系统整体的功耗。
(14)电源管理ECU190例如构成为在状态预测部106所预测出的路径上的节点包含表示与当前的车辆状态不同的输出值的传感器值时,将检测传感器值的传感器的电源设定为接通。即,在有被预测输出值变化的传感器值时,通过使检测传感器值的传感器的动作事先开始,能够可靠地进行检测动作。
(第5实施方式)
接下来,参照图18~图21,说明车辆状态预测系统的第5实施方式。在第5实施方式中,管理多个车辆的行驶信息的管理中心进行将来的车辆状态的预测的点与第1~第4实施方式不同。因此,在以下的说明中,为便于说明,主要说明与第1实施方式不同的结构,关于与第1实施方式相同或者对应的结构,省略重复的说明。
本实施方式的车辆状态预测系统构成为设置于管理中心,使用从作为对象的多个车辆接收到的车辆信号来生成网络构造,将使用网络构造预测出的将来的车辆状态分发给各车辆。例如,各车辆通过使适于所分发的将来的车辆状态的声音识别词典预先待机,从而提高利用代理ECU的声音识别的精度。
具体而言,如图18所示,车辆200例如将从其它ECU群120、传感器群130以及开关群140输出到车辆网络NW的车辆信号经由车载通信机191发送到管理中心400。
管理中心400具备中心通信机401,该中心通信机401在与车载通信机191之间对包括上述车辆信号的各种信息进行通信。管理中心400将从车辆200经由中心通信机401接收到的车辆信号经由数据接收部402输入到符号化部403。符号化部403使用所输入的车辆信号对车辆状态进行符号化,并且将这些符号化了的符号的信息储存到存储部404。符号化部403以及存储部404由各种电路、计算机软件或者它们的组合构成。
管理中心400具备网络生成部405,该网络生成部405将表示符号化了的车辆状态的符号按照出现顺序定义为节点,并且将这些节点间的迁移定义为链接而生成网络构造。在生成该网络构造时,网络生成部405在储存于存储部404的节点数据表格T1A中改写更新所定义的节点的信息,并且在储存于存储部404的链接数据表格T2A中改写更新所定义的链接的信息。网络生成部405由各种电路、计算机软件或者它们的组合构成。
如图19所示,在节点数据表格T1A中,以针对车辆的每个车种501而划分的方式,将符号化了的车辆状态的状态编号502(节点ID)、规定这些车辆状态的车辆信号的群503以及车辆状态(节点)的出现次数的计数值504关联起来。在该图所示的节点数据表格T1A中,每当在符号化部403中赋予新的状态编号时追加符号化了的车辆状态的状态编号的数。每当在符号化部403中将对应的状态编号设为既存的状态编号而赋予时,对与这些状态编号502关联起来的计数值504进行累计。即使在从多个车辆接收到车辆信号时,如果这些车辆是共同的车种、并且规定车辆状态的车辆信号的群503也是共同的,则对车辆状态赋予共同的状态编号502,并且也合计计数值504。
如图20所示,在链接数据表格T2A中,以针对车辆的每个车种505而划分的样式,将与符号化了的车辆状态间的迁移对应的链接ID506、表示迁移前的车辆状态的状态编号的始端节点ID507、表示迁移后的车辆状态的状态编号的终端节点ID508以及车辆状态间的迁移次数(通过次数)的计数值509关联起来。在该图所示的链接数据表格T2A中,不管在符号化部403中符号化了的状态编号是新的状态编号和既存的状态编号中的哪一个,每当向这些状态编号的迁移是新的迁移时追加链接ID506的数。每当向在符号化部403中符号化了的状态编号的迁移是既存的迁移时,对与这些链接ID506关联起来的计数值509进行累计。即使在从多个车辆接收到车辆信号时,如果这些车辆是共同的车种、并且迁移前以及迁移后的车辆状态也是共同的,则对车辆状态的迁移赋予共同的链接ID506,并且也合计计数值509。
图21示出如上所述生成的网络构造的一个例子,用实线表示根据本车辆的车辆信号生成的网络部分,并且用虚线表示根据其它车辆的车辆信号生成的网络部分。如该图所示,使用多个车辆信号来构筑网络构造,所以相比于仅由本车辆构筑网络构造的情况,网络构造的范围被扩展。
如图18所示,管理中心400经由搜索部406搜索在所生成的网络构造中从与当前的车辆状态对应的节点至与迁移了预定次数之后的车辆状态对应的节点的多个路径中的、基于预定算法的最佳路径。管理中心400经由状态预测部407,将与存在于所搜索到的最佳路径上的节点对应的车辆状态预测为将来的车辆状态,并且将预测出的将来的车辆状态经由中心通信机401分发给各车辆200。搜索部406以及状态预测部407由各种电路、计算机软件或者它们的组合构成。
之后,车辆200的代理ECU100C例如经由车载通信机191接收从管理中心400分发的将来的车辆状态的预测结果,并且根据接收到的预测结果,从储存在存储部112中的声音识别词典DA~DC中选择适于将来的车辆状态的声音识别词典,并使其预先待机。
如以上说明,根据第5实施方式,除了第1实施方式的上述(1)~(4)的效果以外,还能够得到以下所示的效果。
(15)管理中心400将基于从多个车辆接收的每次的车辆信号的车辆状态定义为节点而生成所述网络构造,并且在所生成的网络构造中,合计多个车辆的节点以及链接的累计值。构成为根据所生成的网络构造,预测表示将来的车辆状态的推移的路径,并且将预测出的路径分配给各车辆。在该情况下,按照共享多个车辆中的车辆状态的迁移的历史的形式生成网络构造。因此,即使对于本车辆为新的车辆状态,对于其它车辆也有时为既存的车辆状态,相比于针对每个车辆生成网络构造的情况,易于扩展网络构造的范围。因此,在根据网络构造预测将来的车辆状态时,能够进一步提高通用性以及实用性。
(其它实施方式)
上述各实施方式还能够通过以下那样的方式来实施。
·上述第1或者第5实施方式例如也可以以状态预测部106、407所预测出的路径中包括与经由声音识别处理而迁移过的车辆状态对应的节点为条件,进行声音识别词典DA~DC的切换。
·在上述第2实施方式中,在搜索到多个最佳路径时,针对这些路径的优先级作为设定样式也可以如接下来例示的那样。即,既可以按照构成路径的链接的计数值从大到小的顺序设定从高到低的优先级,也可以按照构成路径的节点的计数值从大到小的顺序(或者从小到大的顺序)设定从高到低的优先级。还可以计算这些路径中的、构成路径的节点的计数值相对构成路径的链接的计数值的积或者商,按照计算值从大到小的顺序(或者从小到大的顺序)来设定从高到低的优先级。
·在上述第3实施方式中,当由状态预测部106预测出的路径的终端节点与服务执行之后的车辆状态一致的服务存在多个时,也可以起动/执行全部的这些服务。
·在上述第3实施方式中,作为服务起动条件判定的前提条件,也可以不包括状态预测部106所预测出的路径中的终端节点是否与服务执行之后的车辆状态一致。即,也可以网罗地判定存在于状态预测部106所预测出的路径上的车辆状态是否满足包含于服务条件表格T3中的服务的服务起动条件。
·在上述第3实施方式中,也可以仅在状态预测部106所预测出的路径中包括与服务起动条件一致的车辆信号的全部时,进行该服务的起动/执行。
·在上述第4实施方式中,作为将传感器的电源设定为接通时的判定基准,不仅考虑存在于状态预测部106所预测出的路径上的车辆状态的迁移过程,还可以将从过去到当前的车辆状态的迁移过程也考虑在内。
·在上述第4实施方式中,作为将传感器的电源设定为断开时的判定基准的过去的车辆状态,不限于操作了点火开关时的车辆状态,例如,还能够应用车辆的行驶开始后的车辆状态以及开始了利用导航装置的路径引导时的车辆状态等任意的车辆状态。
·在上述第4实施方式中,作为将传感器的电源设定为断开时的判定基准,也可以不考虑从过去到当前的车辆状态而仅考虑存在于状态预测部106所预测出的路径上的车辆状态。
·在上述第5实施方式中,也可以不针对车辆信号的取得源的每个车种划分管理中心400管理的节点以及链接的信息,而在全部车种中设为共同的。
·在上述各实施方式中,作为构成网络构造的链接信息,也可以改写更新从预定基准值减去链接的计数值而得到的值。在该结构中,求出从与当前的车辆状态对应的节点至与迁移了预定次数之后的车辆状态对应的节点的多个路径中的存在于这些路径上的链接的计数值最多的路径和求出存在于这些路径上的链接信息最小的路径被视为相同。因此,如果将该链接信息作为参数,则作为在最佳路径的搜索中使用的预定算法,能够应用求出连结网络内的二个节点间的路径中权重最小的路径的最优化问题(所谓最短路径问题)的解法的一种即迪杰斯特拉法以及A*(A星)算法等,迅速地计算表示将来的车辆状态的推移的路径。
·在上述各实施方式中,作为最佳路径的搜索方法,也可以是以下例示那样的方法。即,也可以将从与当前的车辆状态对应的节点至与迁移了预定次数之后的车辆状态对应的节点的多个路径中的、节点的计数值最多的路径、以及节点和链接的计数值的合计值最多的节点和链接搜索为存在于最佳路径的节点以及链接。
·在上述各实施方式中,作为搜索最佳路径时的搜索结束条件,也可以是以下例示那样的条件。即,也可以在构成搜索到的路径的节点的计数值为阈值以上时、构成所搜索到的路径的链接的计数值为阈值以上时以及构成所搜索到的路径的节点以及链接的计数值为阈值以上时等,结束最佳路径的搜索。
·在上述各实施方式中,作为网络构造也可以采用包括无指向性的链接的构造。
·在上述各实施方式中,为了规定车辆状态,也可以使用单一的车辆信号的时间序列信息。
·还包括上述各变形例在内,上述第1~第5实施方式都能够组合结构、功能来实施。
Claims (15)
1.一种车辆状态预测系统,其特征在于,具备:
符号化部,构成为使用一个以上的车辆信号的时间序列信息,对车辆状态进行符号化;
网络生成部,构成为将表示符号化了的所述车辆状态的符号按照出现顺序定义为节点,并且所述网络生成部构成为将这些节点间的推移定义为链接,通过分别累计所述节点的出现次数和所述链接的通过次数来生成网络构造;以及
状态预测部,构成为从第1节点至第2节点的多个路径中预测表示将来的车辆状态的推移的路径,所述第1节点对应于当前的车辆状态,所述第2节点对应于从所述第1节点迁移了预定次数之后的车辆状态,所述状态预测部构成为从多个所述路径中,每次将所述节点的累计值、所述链接的累计值或者所述节点的累计值与所述链接的累计值的合计值最多的节点以及/或链接设为存在于表示将来的车辆状态的推移的所述路径上的节点或链接。
2.根据权利要求1所述的车辆状态预测系统,其特征在于,
所述状态预测部构成为每次将所述第1节点至所述第2节点的多个所述路径中的、所述链接的通过次数最多的链接预测为存在于表示将来的车辆状态的推移的所述路径上的链接。
3.根据权利要求1或2所述的车辆状态预测系统,其特征在于,
既存的节点构成所述网络构造,
当即使从所述车辆状态与所述既存的节点中的任意一个都不对应的时间点起经过一定期间,所述车辆状态仍未迁移到与所述既存的节点对应的车辆状态时,所述状态预测部构成为将所述既存的节点中的、对应于与当前时间点的差异最小的车辆状态的节点作为起点,预测表示将来的车辆状态的推移的所述路径。
4.根据权利要求1或者2所述的车辆状态预测系统,其特征在于,
所述车辆状态预测系统还具备:多个声音数据库,储存有相互不同的声音模式群;以及声音处理部,通过声音识别处理使车辆状态迁移,
所述声音处理部通过将所输入的声音与从所述多个声音数据库中选择出的声音数据库进行对照,进行所述声音识别处理,
所述声音处理部构成为将所述声音数据库切换到适合于由所述状态预测部预测出的路径所包含的车辆状态的声音数据库。
5.根据权利要求4所述的车辆状态预测系统,其特征在于,
以由所述状态预测部预测出的路径包括对应于经过所述声音识别处理而迁移过的车辆状态的节点为条件,所述声音处理部构成为切换所述声音数据库。
6.根据权利要求5所述的车辆状态预测系统,其特征在于,
所述状态预测部构成为通过将对应于过去通过所述声音识别处理而迁移过的车辆状态的节点设为所述第2节点,来预测表示将来的车辆状态的推移的所述路径,
所述声音处理部构成为将所述声音数据库切换到向由所述状态预测部预测出的路径中的所述第2节点的迁移中使用过的声音数据库。
7.根据权利要求6所述的车辆状态预测系统,其特征在于,
当对应于经过所述声音识别处理而迁移过的车辆状态的节点存在多个时,所述状态预测部构成为离节点的距离越短,对这些节点设定越高的优先级,
向所述节点的迁移中使用所述声音数据库,
所述声音处理部构成为将所述声音识别处理中使用的声音数据库从向所设定的优先级高的所述节点的迁移中所使用过的声音数据库开始依次切换。
8.根据权利要求5所述的车辆状态预测系统,其特征在于,
所述第1节点与所述第2节点之间车辆信号不同,
所述声音处理部构成为以能够通过所述声音识别处理操作所述车辆信号为条件,切换所述声音数据库。
9.根据权利要求1或者2所述的车辆状态预测系统,其特征在于,
所述车辆状态预测系统还具备服务执行部,该服务执行部能够执行伴随车辆状态的迁移的一个或多个服务,
所述服务执行部构成为当包含于由所述状态预测部预测出的路径中的节点满足预定的服务起动条件时,执行所述服务。
10.根据权利要求9所述的车辆状态预测系统,其特征在于,
所述服务执行部构成为以由所述状态预测部预测出的路径中的终端节点与预定服务执行之后的车辆状态一致为条件,判定所述服务起动条件。
11.根据权利要求10所述的车辆状态预测系统,其特征在于,
车辆信号规定服务执行之后的车辆状态,
在多个服务的各个中由所述状态预测部预测出的路径中的终端节点与服务执行之后的车辆状态一致的情况下,所述服务执行部构成为从规定服务执行之后的车辆状态的所述车辆信号的数量最多的服务开始依次判定所述服务起动条件。
12.根据权利要求1或者2所述的车辆状态预测系统,其特征在于,
所述车辆状态预测系统还具备电源管理部,该电源管理部管理检测车辆信号的传感器的电源,
从各个所述节点得到车辆信号的输出值,
在所述车辆信号的输出值在由所述状态预测部预测出的路径上的节点彼此间不变化的情况下,所述电源管理部构成为将检测所述车辆信号的传感器的电源设定为断开。
13.根据权利要求12所述的车辆状态预测系统,其特征在于,
第2路径从对应于过去的车辆状态的节点至对应于当前的车辆状态的节点,
所述电源管理部构成为进一步以所述车辆信号的输出值在所述第2路径上的节点彼此间不变化为条件,将所述传感器的电源设定为断开。
14.根据权利要求1或者2所述的车辆状态预测系统,其特征在于,
所述车辆状态预测系统还具备电源管理部,该电源管理部管理检测车辆信号的传感器的电源,
从各个所述节点得到车辆信号的输出值,
在由所述状态预测部预测出的路径上的节点包括表示与当前的车辆状态不同的输出值的车辆信号时,所述电源管理部构成为将检测所述车辆信号的传感器的电源设定为接通。
15.根据权利要求1或者2所述的车辆状态预测系统,其特征在于,
所述车辆状态预测系统还包括管理中心,该管理中心经由无线通信来管理作为对象的多个车辆的行驶信息,
所述网络生成部设置于所述管理中心,
所述网络生成部构成为通过将基于从多个车辆接收到的每次的车辆信号的车辆状态定义为节点,而生成所述网络构造,
所述网络生成部构成为在所述网络构造中,将多个车辆中的共同的所述节点的累计值以及所述链接的累计值分别合计,
所述状态预测部设置于所述管理中心,
所述状态预测部构成为根据所述网络构造,预测表示将来的车辆状态的推移的路径,
所述状态预测部构成为将预测出的所述路径分发到各车辆。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015-018809 | 2015-02-02 | ||
JP2015018809A JP6225927B2 (ja) | 2015-02-02 | 2015-02-02 | 車両状態予測システム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105843207A CN105843207A (zh) | 2016-08-10 |
CN105843207B true CN105843207B (zh) | 2018-09-21 |
Family
ID=55446588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610061630.9A Expired - Fee Related CN105843207B (zh) | 2015-02-02 | 2016-01-29 | 车辆状态预测系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9818238B2 (zh) |
EP (1) | EP3050770B1 (zh) |
JP (1) | JP6225927B2 (zh) |
CN (1) | CN105843207B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014211550B3 (de) * | 2014-06-17 | 2015-12-03 | Continental Automotive Gmbh | Verfahren zur Ermittlung eines Parkhinweises für ein Kraftfahrzeug sowie Parkhinweisgeber für ein Kraftfahrzeug |
US10757114B2 (en) * | 2015-09-17 | 2020-08-25 | Harman International Industries, Incorporated | Systems and methods for detection of malicious activity in vehicle data communication networks |
EP3144918B1 (en) * | 2015-09-21 | 2018-01-10 | Urban Software Institute GmbH | Computer system and method for monitoring a traffic system |
JP6604288B2 (ja) * | 2016-08-12 | 2019-11-13 | 株式会社デンソー | パーティクルカウンタ付きレインライトセンサ |
JP6565883B2 (ja) * | 2016-12-02 | 2019-08-28 | トヨタ自動車株式会社 | 車両用制御装置 |
JP6565882B2 (ja) * | 2016-12-02 | 2019-08-28 | トヨタ自動車株式会社 | 予測用データ生成装置および車両用制御装置 |
US11409307B2 (en) | 2017-08-08 | 2022-08-09 | Lg Electronics Inc. | Apparatus for providing map |
US11354406B2 (en) * | 2018-06-28 | 2022-06-07 | Intel Corporation | Physics-based approach for attack detection and localization in closed-loop controls for autonomous vehicles |
CN109147391A (zh) * | 2018-09-06 | 2019-01-04 | 南京邮电大学 | 基于可见光通信智能交通系统及告警方法和车距保持方法 |
US11364929B2 (en) | 2019-01-04 | 2022-06-21 | Toyota Research Institute, Inc. | Systems and methods for shared control of a vehicle |
US11386204B2 (en) * | 2020-09-24 | 2022-07-12 | Intel Corporation | Agile reconfigurable approach for real-time replacement of on-chip safety-critical modules |
US20230135386A1 (en) * | 2021-11-02 | 2023-05-04 | Fortinet, Inc. | Remote cost based network traffic steering for heterogeneous links in a sdwan (software defined wide area network) |
US11803365B2 (en) * | 2022-03-25 | 2023-10-31 | GM Global Technology Operations LLC | System and process for vehicle software configuration coverage measurement for update validation |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393079A (zh) * | 2008-11-06 | 2009-03-25 | 上海交通大学 | 汽车车身结构疲劳寿命预测系统 |
CN103745111A (zh) * | 2014-01-15 | 2014-04-23 | 华南农业大学 | 纯电动乘用车续驶里程预测方法 |
Family Cites Families (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3582159B2 (ja) * | 1995-07-28 | 2004-10-27 | マツダ株式会社 | 車載用地図表示装置 |
US6453281B1 (en) * | 1996-07-30 | 2002-09-17 | Vxi Corporation | Portable audio database device with icon-based graphical user-interface |
US6240347B1 (en) * | 1998-10-13 | 2001-05-29 | Ford Global Technologies, Inc. | Vehicle accessory control with integrated voice and manual activation |
JP2003252130A (ja) | 2002-03-01 | 2003-09-10 | Denso Corp | 車両エージェントシステム,ecu |
JP4390492B2 (ja) * | 2003-07-30 | 2009-12-24 | パイオニア株式会社 | 案内誘導装置、そのシステム、その方法、そのプログラム、および、そのプログラムを記録した記録媒体 |
US7360615B2 (en) * | 2004-06-09 | 2008-04-22 | General Motors Corporation | Predictive energy management system for hybrid electric vehicles |
US8271175B2 (en) * | 2005-08-05 | 2012-09-18 | Honda Motor Co., Ltd. | Vehicle control device |
JP2007058344A (ja) * | 2005-08-22 | 2007-03-08 | Fujitsu Ten Ltd | 車両診断システム、車両情報送信装置、及び車両情報送信方法 |
US20070208498A1 (en) * | 2006-03-03 | 2007-09-06 | Inrix, Inc. | Displaying road traffic condition information and user controls |
JP4188989B2 (ja) | 2006-09-15 | 2008-12-03 | 本田技研工業株式会社 | 音声認識装置、音声認識方法、及び音声認識プログラム |
JP4427759B2 (ja) * | 2007-06-29 | 2010-03-10 | アイシン・エィ・ダブリュ株式会社 | 車両挙動学習装置及び車両挙動学習プログラム |
JP2009067375A (ja) * | 2007-08-21 | 2009-04-02 | Tokai Rika Co Ltd | 車両の操舵装置 |
CN101778729A (zh) * | 2007-09-11 | 2010-07-14 | 夏普株式会社 | 仪表面板图像显示装置、仪表面板图像变更方法、车辆、服务器、仪表面板图像变更系统、仪表面板图像显示程序、存储有仪表面板图像显示程序的计算机可读取的存储介质 |
US8290885B2 (en) | 2008-03-13 | 2012-10-16 | Sony Corporation | Information processing apparatus, information processing method, and computer program |
JP4687732B2 (ja) | 2008-03-13 | 2011-05-25 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
US8290637B2 (en) * | 2008-06-16 | 2012-10-16 | GM Global Technology Operations LLC | Vehicle control using stochastic information |
CN102132130B (zh) * | 2008-08-25 | 2013-06-26 | 本田技研工业株式会社 | 导航服务器 |
US8489317B2 (en) * | 2008-08-29 | 2013-07-16 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for stochastically predicting the future states of a vehicle |
EP2169500B1 (en) * | 2008-09-25 | 2012-04-04 | Volvo Car Corporation | Method of assessing vehicle paths in a road environment and a vehicle path assessment system. |
WO2010048146A1 (en) * | 2008-10-20 | 2010-04-29 | Carnegie Mellon University | System, method and device for predicting navigational decision-making behavior |
US8483949B2 (en) * | 2009-04-13 | 2013-07-09 | Toyota Jidosha Kabushiki Kaisha | Running pattern calculating apparatus and running pattern calculating method |
JP4957752B2 (ja) * | 2009-06-12 | 2012-06-20 | トヨタ自動車株式会社 | 進路評価装置 |
JP2011048470A (ja) | 2009-08-25 | 2011-03-10 | Toyota Motor Corp | 環境予測装置 |
DE102009045511A1 (de) * | 2009-10-09 | 2011-04-14 | Robert Bosch Gmbh | Erlernen einer Bedienhilfefunktion |
JP5440101B2 (ja) * | 2009-11-04 | 2014-03-12 | アイシン・エィ・ダブリュ株式会社 | 案内制御装置、案内制御方法、及び案内制御プログラム |
JP5633734B2 (ja) * | 2009-11-11 | 2014-12-03 | ソニー株式会社 | 情報処理装置、情報処理方法、及び、プログラム |
US9221452B2 (en) * | 2010-07-21 | 2015-12-29 | Eaton Corporation | System and method for optimizing fuel economy using predictive environment and driver behavior information |
US9043106B2 (en) * | 2010-10-04 | 2015-05-26 | W. Morrison Consulting Group, Inc. | Vehicle control system and methods |
US20130046466A1 (en) * | 2011-08-18 | 2013-02-21 | Sermet Yücel | Selecting a Route to Optimize Fuel Efficiency for a Given Vehicle and a Given Driver |
ITTO20111243A1 (it) * | 2011-12-30 | 2013-07-01 | Magneti Marelli Spa | Sistema e procedimento per la stima del percorso stradale piu'probabile per un veicolo in marcia |
EP2615598B1 (en) | 2012-01-11 | 2017-12-06 | Honda Research Institute Europe GmbH | Vehicle with computing means for monitoring and predicting traffic participant objects |
JP2013205170A (ja) * | 2012-03-28 | 2013-10-07 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
US8706416B2 (en) * | 2012-04-03 | 2014-04-22 | Ford Global Technologies, Llc | System and method for determining a vehicle route |
JP5867296B2 (ja) * | 2012-05-30 | 2016-02-24 | 株式会社デンソー | 運転シーン認識装置 |
JP2014174079A (ja) * | 2013-03-12 | 2014-09-22 | Panasonic Corp | ナビゲーション装置 |
US10222222B2 (en) * | 2013-03-15 | 2019-03-05 | Abalta Technologies, Inc. | Roundtrip range projection |
US9434389B2 (en) * | 2013-11-18 | 2016-09-06 | Mitsubishi Electric Research Laboratories, Inc. | Actions prediction for hypothetical driving conditions |
US9187099B2 (en) * | 2013-10-17 | 2015-11-17 | Richard M. Powers | Systems and methods for predicting weather performance for a vehicle |
US9396256B2 (en) * | 2013-12-13 | 2016-07-19 | International Business Machines Corporation | Pattern based audio searching method and system |
US9605606B2 (en) * | 2014-03-31 | 2017-03-28 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for improving energy efficiency of a vehicle based on determined relationships between a plurality of routes |
-
2015
- 2015-02-02 JP JP2015018809A patent/JP6225927B2/ja active Active
-
2016
- 2016-01-11 US US14/992,111 patent/US9818238B2/en active Active
- 2016-01-29 CN CN201610061630.9A patent/CN105843207B/zh not_active Expired - Fee Related
- 2016-01-29 EP EP16153450.8A patent/EP3050770B1/en not_active Not-in-force
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393079A (zh) * | 2008-11-06 | 2009-03-25 | 上海交通大学 | 汽车车身结构疲劳寿命预测系统 |
CN103745111A (zh) * | 2014-01-15 | 2014-04-23 | 华南农业大学 | 纯电动乘用车续驶里程预测方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3050770B1 (en) | 2017-08-23 |
EP3050770A1 (en) | 2016-08-03 |
US20160225201A1 (en) | 2016-08-04 |
JP2016141271A (ja) | 2016-08-08 |
CN105843207A (zh) | 2016-08-10 |
US9818238B2 (en) | 2017-11-14 |
JP6225927B2 (ja) | 2017-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105843207B (zh) | 车辆状态预测系统 | |
US10584976B2 (en) | Method and system to control vehicle based on predicting destination | |
JP6950432B2 (ja) | 運転支援装置、情報処理装置、運転支援システム、運転支援方法 | |
KR20170106227A (ko) | 정보 제공 장치 및 정보 제공 프로그램을 저장하는 기록 매체 | |
US20030167112A1 (en) | Vehicle agent system acting for driver in controlling in-vehicle devices | |
US20020161518A1 (en) | Methods and device for managing traffic disturbances for navigation devices | |
CA3151931C (en) | System and method for generating real-time routing for on-demand transportation | |
CN109086287A (zh) | 用于选择自主车辆中的音景选择的系统和方法 | |
CN106197442A (zh) | 导航方法以及设备 | |
CN108146442B (zh) | 预测数据生成设备和车辆控制设备 | |
JP2017096636A (ja) | 推奨予定経路取得システム、方法およびプログラム | |
JPWO2019043776A1 (ja) | 車両制御装置 | |
US20230260336A1 (en) | Vehicle data collection device, vehicle data collection system, and vehicle data collection method | |
WO2013125035A1 (ja) | 車両状態推定システム、車両状態推定方法、及び運転支援システム | |
CN110203154A (zh) | 车辆功能的推荐方法、装置、电子设备和计算机存储介质 | |
JP2019032681A (ja) | デジタルサイネージ制御装置、デジタルサイネージ制御方法、プログラム、記録媒体 | |
CN110307856A (zh) | 一种导航路线推荐方法及装置 | |
US20160140782A1 (en) | Electronic control unit that performs a life-extending control, and a vehicle control system that includes the electronic control unit | |
JP2018185596A (ja) | 情報提供装置及び情報提供方法 | |
CN112119283A (zh) | 用于输出导航信息的设备和方法以及车辆 | |
CN109808689A (zh) | 无人车控制方法、装置及设备 | |
Farver et al. | Hybrid vehicle-centric route guidance | |
WO2016155790A1 (en) | Method for providing configuration information for a system comprising a plurality of moving objects | |
CN109612495A (zh) | 一种汽车联网导航方法及装置 | |
CN115497321B (zh) | 化妆路径推荐方法、装置、电子设备及车辆 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180921 |