CN110969840B - 降水指标估计装置 - Google Patents

降水指标估计装置 Download PDF

Info

Publication number
CN110969840B
CN110969840B CN201910745663.9A CN201910745663A CN110969840B CN 110969840 B CN110969840 B CN 110969840B CN 201910745663 A CN201910745663 A CN 201910745663A CN 110969840 B CN110969840 B CN 110969840B
Authority
CN
China
Prior art keywords
precipitation
operation mode
data
vehicle
mode
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.)
Active
Application number
CN201910745663.9A
Other languages
English (en)
Other versions
CN110969840A (zh
Inventor
大角良太
斋藤纪明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Priority to CN202111505971.8A priority Critical patent/CN114187762A/zh
Publication of CN110969840A publication Critical patent/CN110969840A/zh
Application granted granted Critical
Publication of CN110969840B publication Critical patent/CN110969840B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
    • B60S1/00—Cleaning of vehicles
    • B60S1/02—Cleaning windscreens, windows or optical devices
    • B60S1/04—Wipers or the like, e.g. scrapers
    • B60S1/06—Wipers or the like, e.g. scrapers characterised by the drive
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
    • B60S1/00—Cleaning of vehicles
    • B60S1/02—Cleaning windscreens, windows or optical devices
    • B60S1/04—Wipers or the like, e.g. scrapers
    • B60S1/06—Wipers or the like, e.g. scrapers characterised by the drive
    • B60S1/08—Wipers or the like, e.g. scrapers characterised by the drive electrically driven
    • B60S1/0818—Wipers or the like, e.g. scrapers characterised by the drive electrically driven including control systems responsive to external conditions, e.g. by detection of moisture, dirt or the like
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W2001/006—Main server receiving weather information from several sub-stations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/40—Bus networks
    • H04L12/40006—Architecture of a communication node
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/40—Bus networks
    • H04L2012/40208—Bus networks characterized by the use of a particular bus standard
    • H04L2012/40215—Controller Area Network CAN
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/40—Bus networks
    • H04L2012/40267—Bus for use in transportation systems
    • H04L2012/40273—Bus for use in transportation systems the transportation system being a vehicle
    • 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
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Hydrology & Water Resources (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

降水指标估计装置(10)包括运行模式数据收集单元(32)和估计处理单元(40)。该数据收集单元(32)配置为收集指示挡风玻璃刮水器的运行模式的运行模式数据，该运行模式数据是在预定时段内在位于预定区域中的一个或多个车辆中获取的。该估计处理单元(40)配置为基于多种运行模式中的每种运行模式的比例，估计指示在该预定时段内在该预定区域中的降水强度的降水指标，该比例是从所收集的运行模式数据推导出的。

Description

降水指标估计装置
技术领域
本发明涉及一种基于车辆中获取的信息来估计指示降水强度的降水指标的技术。
背景技术
日本未审查的专利申请公开No.2012-215969公开了一种汽车导航设备，该汽车导航设备将指示车辆的挡风玻璃刮水器是否正在被运行的信息与当前时间信息或当前位置信息一起，发送至管理设备。通过接收指示车辆的挡风玻璃刮水器是否正在被运行的信息，管理设备设定安装有光伏发电设备的观测点的天气。
发明内容
通常地，已经提供了将每个区域中当前降水量的估计值呈现给用户的服务。特别地，近几年中，经常发生由于不稳定的大气条件而导致的突然的且局部的大雨。因此，需要高精度地估计当前降水量，以预防灾害等。
本发明提供一种基于车辆中获取的信息来估计指示降水强度的降水指标的技术。
根据本发明的一方面的降水指标估计装置包括数据收集单元和估计处理单元。该数据收集单元配置为收集指示挡风玻璃刮水器的运行模式的运行模式数据，该运行模式数据是在预定时段内在位于预定区域中的一个或多个车辆中获取的。该估计处理单元配置为基于多种运行模式中的每种运行模式的比例，估计指示在该预定时段内在该预定区域中的降水强度的降水指标，该比例是从所收集的运行模式数据推导出的。
通过上述方面，由于该估计处理单元基于其中在预定时段内挡风玻璃刮水器实际运行的每种运行模式的比例来估计预定时段内的降水指标，能够提高估计降水指标的精度。
该估计处理单元可以包括比例推导单元，该比例推导单元配置为：针对所收集的运行模式数据中指示的多种运行模式中的每种运行模式，统计运行模式数据的条数；以及推导该多种运行模式中的每种运行模式的比例。
该估计处理单元可以包括比例推导单元，该比例推导单元配置为：针对一个或多个车辆中的每个车辆，确定多种运行模式中的一种运行模式；针对多种运行模式中的每种运行模式，统计被确定为该种运行模式的车辆的数量；以及推导多种运行模式中的每种运行模式的比例。
该比例推导单元可以配置为使得当在该预定时段内在包括在该一个或多个车辆中的车辆中获取的该运行模式数据的条数小于预定值时，该比例推导单元不去确定针对该车辆的任何运行模式。
该估计处理单元可以包括：指标推导单元，其配置为基于多种运行模式中的每种运行模式的比例，推导指示该挡风玻璃刮水器的运行模式的阶段的运行模式指标；以及降水指标估计单元，其配置为根据该运行模式指标估计降水指标。
该多种运行模式可以至少包括：(i)停止模式，在该停止模式中该挡风玻璃刮水器的运行开关被断开；(ii)间歇模式，在该间歇模式中该挡风玻璃刮水器以规律的间隔运行；(iii)低速模式，在该低速模式中该挡风玻璃刮水器以低速连续地运行；和(iv)高速模式，在该高速模式中该挡风玻璃刮水器以高速连续地运行。
利用本发明的前述方面，能够提供基于车辆中获取的信息来估计降水指标的技术。
附图说明
本发明的示例性实施例的特征、优点以及技术和工业显著性将在下文中参照附图而加以描述，其中相似标号表示相似元素，且其中：
图1为示出根据实施例的信息处理系统的概况的图；
图2A为示出车辆状态信息的示例的清单；
图2B为示出车辆状态信息的另一示例的清单；
图3为示出单元区域的图，其中，针对每个单元区域估计降水指标；
图4为示出降水指标估计装置的功能块的图；
图5为示出所收集的运行模式数据的示例的表；
图6为示出针对每种运行模式统计运行模式数据的条数的结果的表；
图7示出了降水等级对应表；
图8示出了权重对应表；
图9为示出每个车辆的示例的运行模式的表；
图10为示出在获取运行模式数据时的车辆速度的表；
图11为示出针对每种运行模式统计运行模式数据的条数的结果的表；
图12为示出所收集的降雨量数据的示例的表；以及
图13为针对每个车辆所推导的指标的示例的表。
具体实施方式
图1示出了根据实施例的信息处理系统1的概况。该信息处理系统1包括服务器装置3、连接至该服务器装置3的降水指标估计装置10、将天气信息呈现至用户的天气信息呈现装置7、多个无线站4以及多个车辆5。该服务器装置3、天气信息呈现装置7和多个无线站4可以经由网络2(例如互联网)彼此连接。
搭载在每个车辆5上的控制设备6具有无线通信功能，并经由作为基站的无线站4连接至服务器装置3。车辆5的数量不限于3个。在根据本实施例的信息处理系统1中，假定大量的车辆5生成车辆状态信息并周期性地发送车辆状态信息至服务器装置3。
服务器装置3安装在数据中心中，并接收从每个车辆5的控制设备6发送的车辆状态信息。该车辆状态信息包括由车载导航设备生成的交通信息，以及由设置在车辆5中的电子控制单元(Electronic Control Unit，ECU)或各种传感器生成并在控制器局域网(controller area network，CAN)上发送的控制器局域网(CAN)信息。该降水指标估计装置10收集包括在由服务器装置3接收的车辆状态信息中的雨水相关数据，并执行估计指示每个预定时段的降水强度的降水指标的处理。在本实施例中，估计降水指标的处理包括估计与降水量相关联的指标的处理，并且，例如，可以推导所估计的降水等级。服务器装置3和降水指标估计装置10可以相互集成，且服务器装置2可以配备有降水指标估计装置10的降水指标估计功能。
降水指标估计装置10，例如每4分钟，估计多个区域的每个区域中的降水指标，并经由服务器装置3将所估计的降水指标数据提供至天气信息呈现装置7。服务器装置3和天气信息呈现装置7可以经由专用线路彼此连接。基于从降水指标估计装置10发送的降水指标数据、从遍布全国安装的雨云雷达(rain cloud radar)获取的雨云状态等，天气信息呈现装置7生成多个区域的每个区域中的当前降水量的估计值，并将该当前降水量的估计值在网页等上呈现至用户。通过考虑由降水指标估计装置10基于车辆状态信息而估计的降水指标数据，天气信息呈现装置7能够高精度地获取当前降水量的估计值。
图2A和2B示出了车辆状态信息的示例。车辆状态信息包括交通信息8和CAN信息9。图2A示出了包括在交通信息8中的条目。该交通信息8包括以下条目，例如车辆识别号码(vehicle identification number，VIN)、车辆5行驶过的道路路段(road link)的ID、进入道路路段的日期和时间、车辆5行驶过的道路的拥挤度以及平均车辆速度。车辆5中，车载导航设备生成交通信息8。控制设备6以预定的第一周期将交通信息8发送至服务器装置3。该第一周期可以是几分钟。所发送的交通信息8包括自前一交通信息的发送起车辆5已经经过的道路路段的信息。
图2B示出了包括在CAN信息9中的条目。CAN信息9包括以下条目，例如VIN、日期和时间、纬度和经度、车辆速度、加速度、运行数据、雨水相关数据和座椅安全带的状态。控制设备6获取关于每个条目的数据并生成CAN信息9。控制设备6以预定的第二周期将CAN信息9发送至服务器装置3。该第二周期可以从几十秒至一分钟。
数据采样周期可以根据条目而变化。例如，关于车辆速度的数据和关于加速度的数据可以各自以几百毫秒的周期获取，而雨水相关数据可以以几十秒的周期获取。关于条目的每个条目(例如车辆速度、加速度、运行数据、雨水相关数据和座椅安全带的状态)的数据与该数据获取的日期和时间以及该数据获取的纬度和经度相关联。
包括在CAN信息9中的雨水相关数据用于估计指示降水强度的降水指标，并用于由降水指标估计装置10执行的估计降水指标的处理中。在本实施例中，雨水相关数据包括指示挡风玻璃刮水器的运行模式的运行模式数据和/或关于由降雨量传感器检测的降雨量的数据。
每个车辆5的挡风玻璃刮水器是用于从前挡风玻璃等刮去雨水的设备，且具有多种运行模式。根据本实施例的挡风玻璃刮水器具有以下四种运行模式，且包括在CAN信息9中的运行模式数据指示从该四种运行模式中选择的运行模式。
(1)停止模式
在停止模式中，挡风玻璃刮水器的运行开关被断开。在该停止模式中，挡风玻璃刮水器不运行。
(2)间歇模式
在间歇模式中，挡风玻璃刮水器以规律的间隔运行。该间歇模式通常在当降雨弱时被选择。
(3)低速模式
在低速模式中，挡风玻璃刮水器以低速连续地运行。该低速模式通常在当降雨稍强时(例如当每小时降雨量为10mm或更多、且少于20mm时)被选择。
(4)高速模式
在高速模式中，挡风玻璃刮水器以高速连续地运行。该高速模式通常在当降雨为高强度时(例如当每小时降雨量为20mm或更多时)被选择。
降雨量传感器搭载在根据本实施例的每个车辆5上。降雨量传感器(也被称为雨水传感器)附连至例如前挡风玻璃的上部。降雨量传感器可以包括红外光的光发射元件、红外光的光接收元件和微型计算机，该微型计算机执行控制光发射元件的发射和检测降雨量的处理。在降雨量传感器中，从光发射元件发射的红外光被前挡风玻璃反射，并进入光接收元件。然而，当前挡风玻璃上有雨滴时，一些红外光穿透挡风玻璃，因而进入光接收元件的红外光的量减少。因此，当挡风玻璃上有许多雨滴时，光接收元件所接收的光量相对较小，然而当挡风玻璃上雨滴少时，光接收元件所接收的光量相对较大。以这种方式，光接收元件所接收的光量与降雨量相关。微型计算机具有根据光接收元件所接收的光量来检测降雨量(mm/h)的功能。
根据本实施例的雨水相关数据可以包括指示挡风玻璃刮水器的运行模式的运行模式数据，可以包括关于降雨量传感器检测的降雨量的数据，或者可以包括它们两者。
降水指标估计装置10具有获取从每个车辆5发送的车辆状态信息和估计指示在预定时段内在预定区域中的降水强度的降水指标的功能。图3示出了单元区域，其中，针对每个单元区域估计在预定时段内的降水指标。降水指标估计装置10针对通过利用纵向线和横向线划分地图来定义的每个单元区域，估计在预定时段内的降水指标。地图可以被划分为多个区域以使得这些区域具有大致相同的尺寸。替代性地，区域的尺寸可以根据例如人口密度而不同。
地图可以以任意给定的方法被划分为多个区域。在图3示出的示例中，基于纬度和经度将地图划分为具有大致相同的尺寸的网格。例如，在日本，存在用于在每个区域上统计的基于纬度和经度设定的标准区域网格。降水指标估计装置10可以使用该标准区域网格作为用于降水指标的估计的单元区域。此外，在标准区域网格中，定义了不同尺寸的初级网格至三级网格，三级网格的一个边的长度约为1km。降水指标估计装置10可以将三级网格设定为用于降水指标的估计的单元区域，但是更小的网格或更大的网格也可以被设定为用于降水指标的估计的单元区域。
图4示出了降水指标估计装置10的功能块。降水指标估计装置10包括车辆状态信息获取单元20、多个数据收集单元30a、30b、……、30z(以下称为“数据收集单元30”，除非另外特别地区分)和多个估计处理单元40a、40b、……、40z(以下称为“估计处理单元40”，除非另外特别地区分)。数据收集单元30具有收集在预定时段内的雨水相关数据的功能。估计处理单元40具有统计地处理所收集的雨水相关数据从而估计指示在预定时段内的降水强度的降水指标的功能。
数据收集单元30包括运行模式数据收集单元32和降雨量数据收集单元34。估计处理单元40包括统计处理单元42、降水指标估计单元48、校正单元50、使用确定单元52和存储单元54。统计处理单元42具有统计地处理雨水相关数据的功能，并包括比例推导单元44和指标推导单元46。
降水指标估计装置10的每个功能可以通过包括电路块(circuit block)、存储器(memory)和其它元件的大规模集成电路(large-scale integration，LSI)以硬件形式实现，也可以通过加载于存储器中的系统软件、应用程序等以软件形式实现。因此，本领域技术人员将理解，降水指标估计装置10的每个功能可以仅通过硬件、仅通过软件或通过硬件和软件的结合以多种形式实施，且并不限于其中任意一者。
车辆状态信息获取单元20获取服务器装置3接收的所有的车辆状态信息。当服务器装置3从车辆5接收车辆状态信息并将它存储在指定的存储设备中时，车辆状态信息获取单元20可以立即从该存储设备读取并从而获取该车辆状态信息。当降水指标估计装置10被设置为服务器装置3的一个功能时，车辆状态信息获取单元20可以从服务器装置3的接收单元接收车辆状态信息。
一个数据收集单元30和一个估计处理单元40的组合被分配至一个单元区域。例如，数据收集单元30a和估计处理单元40a的组合被分配为估计第一区域的降水指标，数据收集单元30b和估计处理单元40b的组合被分配为估计第二区域的降水指标。因此，数据收集单元30和估计处理单元40的组合的数量可以等于通过划分地图来定义的区域的数量。
数据收集单元30从一个或多个车辆中生成的车辆状态信息，收集用于估计在预定时段内的降水指标的雨水相关数据。具体地，数据收集单元30从车辆状态信息获取单元20获取的CAN信息9中，收集其被分配至的区域中获取的雨水相关数据。如图2B示出的，雨水相关数据与获取该雨水相关数据的日期和时间以及获取该雨水相关数据的纬度和经度相关联，数据收集单元30收集与该数据收集单元30被分配至的区域的纬度和经度相关联的雨水相关数据。
第一实施例
在第一实施例中，运行模式数据收集单元32收集指示挡风玻璃刮水器的运行模式的运行模式数据，该运行模式数据是在预定时段内位于预定区域中的一个或多个车辆中获取的。基于从收集的运行模式数据推导的多种运行模式中每种运行模式的比例，降水指标估计单元48估计指示在预定时段内在预定区域中的降水强度的降水指标。通过使用通过统计处理而获取的每种运行模式的比例，降水指标估计单元48能够高精度地估计预定时段内的降水指标。
图5示出了运行模式数据收集单元32收集的运行模式数据的示例。运行模式数据收集单元32从车辆状态信息获取单元20获取的车辆状态信息中，收集从15:00:00至15:03:59的时段内位于具有区域ID“XXXXXX”的区域中的一个或多个车辆中获取的运行模式数据。
在图5中示出的示例中，存在从15:00:00至15:03:59的时段内在具有区域ID“XXXXXX”的区域中行驶的五个车辆5——车辆A、车辆B、车辆C、车辆D和车辆E。在该五个车辆5之中，车辆A、车辆B、车辆C和车辆D在从15:00:00至15:03:59的四分钟在该区域中行驶，而车辆E从15:03:00开始在该区域中行驶。
比例推导单元44针对所收集的运行模式数据中指示的多种运行模式中的每种运行模式，统计运行模式数据的条数，并推导多种运行模式中每种运行模式的比例。图6示出了针对多种运行模式中的每种运行模式，统计车辆中获取的运行模式数据的条数的结果。例如，在车辆A中，在四分钟的时段期间，没有获取指示停止模式的运行模式数据、指示间歇模式的运行模式数据和指示低速模式的运行模式数据，获取了12条指示高速模式的运行模式数据，即，获取了12次指示高速模式的运行模式数据。
比例推导单元44针对多种运行模式中的每种运行模式，统计在所有车辆中获取的运行模式数据的次数如下：
停止模式：0次；
间歇模式：3次；
低速模式：9次；
高速模式：39次。
基于上述统计结果，比例推导单元44推导多种运行模式中的每种运行模式的比例如下：
停止模式：0.000；
间歇模式：0.059；
低速模式：0.176；
高速模式：0.765。
基于多种运行模式中的每种运行模式的比例，降水指标估计单元48估计在预定时段内其被分配至的区域中的降水指标。
图7示出了存储在存储单元54中的降水等级对应表。在降水等级对应表中，针对每种运行模式定义了所估计的降水等级。降水指标估计单元48可以从存储单元54中读取与最高比例的运行模式相对应的所估计的降水等级，并将该所估计的降水等级推导为降水指标。在本示例中，由于高速模式的比例是最高的，降水指标估计单元48从存储单元54中读取所估计的降水等级“强”，并因此确定所分配的区域中的降水等级为“强”。
每个估计处理单元40根据从15:00:00至15:03:59的四分钟期间的运行模式数据，估计所分配的区域中的降水指标(在本示例中，降水等级)。降水指标估计装置10将针对预定时段内的所有区域的降水指标数据供应至服务器装置3，服务器装置3将针对所有区域的降水指标数据发送至天气信息呈现装置7。在本实施例中，降水指标估计装置10将针对所有区域的降水指标数据每四分钟提供至天气信息呈现装置7，使得天气信息呈现装置7能够每四分钟高精度地更新实时天气信息并将其呈现至用户。
降水指标估计单元48可以基于统计处理单元42执行的另一统计处理的结果来估计降水指标。根据该估计方法，降水指标估计单元48使用通过统计处理而推导的挡风玻璃刮水器运行模式指标，从而增加估计降水指标的精度。
具体地，统计处理单元42的指标推导单元46基于多种运行模式中的每种运行模式的比例，推导指示挡风玻璃刮水器的运行模式的阶段的运行模式指标。针对每种运行模式，定义了用于计算该指标的权重。指标推导单元46可以通过将每种运行模式的比例乘以针对该运行模式的权重，并累加通过针对所有运行模式执行的乘法所获取的值，计算指示运行模式的阶段的运行模式指标。
图8示出了存储在存储单元54中的权重对应表。在权重对应表中，针对每种运行模式定义了用于计算指标的权重。指标推导单元46参考权重对应表并使用下述计算公式计算指示运行模式的阶段的指标(运行模式指标)。运行模式指标的最小值为0，运行模式指标的最大值为10。
(运行模式指标)＝Σ(每种运行模式的比例)×(运行模式的权重)
如图6中所示，使用多种运行模式中每种运行模式的比例来计算运行模式指标如下。
(运行模式指标)＝0.000×0+0.059×2+0.176×6+0.765×10＝8.824
运行模式指标被用于估计降水指标。可以通过四舍五入小数位而将所计算的指标转换为整数值。
当所有的挡风玻璃刮水器都在高速模式中运行时，运行模式指标为最大值10。所计算的运行模式指标表达该挡风玻璃刮水器运行状态相对于最大值的程度，且所计算的运行模式指标与降水量高度地相关。降水指标估计单元48根据指标推导单元46推导的运行模式指标，估计在预定时段内所分配的区域中的降水指标。例如，当天气信息呈现装置7在等级1至等级10的范围上表达降水量并将其呈现至用户时，降水指标估计单元48可以推导与运行模式指标相对应的降水量的等级，作为降水指标数据。存储单元54可以存储示出运行模式指标和降水量的等级之间的对应关系的对应表，降水指标估计单元48可以通过参考该对应表来推导要被用作降水指标的降水量的等级。此外，降水指标估计单元48可以通过利用预定的校正函数校正运行模式指标，来获取降水量的等级。
根据上述方法，比例推导单元44根据在预定时段内获取的挡风玻璃刮水器的所有运行模式数据，推导多种运行模式中每种运行模式的比例。利用该统计处理方法，导出选择预定时段内的挡风玻璃刮水器运行模式的趋势。
这里，已知挡风玻璃刮水器的运行模式趋向于反映驾驶员的偏好。例如，一些驾驶员在小雨的情况中选择高速模式，而其他驾驶员在大雨的情况中选择低速模式。在图5所示的示例中，尽管高速模式被选择并贯穿4分钟地在车辆A和车辆D中保持，但是不能否定无论雨的强度如何驾驶员都更偏好高速模式的可能性。
当获取到大量条数的反映驾驶员的偏好的运行模式数据时，降水指标的估计高度地受驾驶员的偏好影响。因此，为了减少多个车辆5之间不同的所获取的数据的条数对降水指标的估计所施加的影响，可以执行下述处理。比例推导单元44可以确定针对每个车辆的一种运行模式。然后，针对每种运行模式，比例推导单元44统计被确定为该种运行模式的车辆5的数量。然后比例推导单元44推导多种运行模式中的每种运行模式的比例。
图9示出了针对每个车辆确定的运行模式的示例。针对每个车辆，比例推导单元44可以将最高频率地获取的运行模式数据中指示的运行模式，确定为该车辆的运行模式。在图9所示的示例中，比例推导单元44确定每个车辆的运行模式如下：
车辆A：高速模式；
车辆B：高速模式；
车辆C：低速模式；
车辆D：高速模式；
车辆E：高速模式。
针对每种运行模式，比例推导单元44统计被确定为该种运行模式的车辆的数量。统计的结果如下：
停止模式：0；
间歇模式：0；
低速模式：1；
高速模式：4。
基于上述统计结果，比例推导单元44推导多种运行模式中的每种运行模式的比例如下：
停止模式：0.000；
间歇模式：0.000；
低速模式：0.200；
高速模式：0.800。
基于每种运行模式的比例，降水指标估计单元48估计在预定时段内在所分配的区域中的降水指标。降水指标估计单元48可以从存储单元54读取针对具有最高比例的运行模式的所估计的降水等级(见图7)，并估计降水指标。在本示例中，由于高速模式的比例是最高的，因此降水指标估计单元48从存储单元54中读取所估计的降水等级“强”，并确定所分配的区域中的降水等级为“强”。
降水指标估计单元48可以使用指标推导单元46推导的运行模式指标，估计在预定时段内在所分配的区域中的降水指标。指标推导单元46根据下述计算公式来计算该运行模式指标：
(运行模式指标)＝Σ(每种运行模式的比例)×(运行模式的权重)。
即，指标推导单元46计算运行模式指标如下：
(运行模式指标)＝0.000×0+0.000×2+0.200×6+0.800×10＝8.4
降水指标估计单元48根据指标推导单元46推导的运行模式指标，估计在预定时段内在所分配的区域中的降水指标。如上所述，降水指标估计单元48可以推导与运行模式指标相对应的降水量的等级，作为降水指标数据。存储单元54可以存储示出运行模式指标和降水量的等级之间的对应关系的对应表，降水指标估计单元48可以通过参考该对应表来推导降水量的等级。此外，降水指标估计单元48可以通过利用预定的校正函数校正运行模式指标，获取降水量的等级。
在上述其中比例推导单元44针对每个车辆确定一种运行模式的示例中，当在预定时段内车辆中获取的运行模式数据的条数小于预定值时，比例推导单元44不需要确定针对该车辆的运行模式。例如，在图9所示的示例中，尽管在车辆A至D的每个车辆中都获取了12条运行模式数据，但是在车辆E中只获取了三条运行模式数据。当用于确定针对车辆的运行模式所必需的样本的最小数量为5时，比例推导单元44不需要针对获取了少于5条运行模式数据的车辆E确定运行模式。在这种情况下，比例推导单元44基于车辆A至D的运行模式，来推导多种运行模式中的每种运行模式的比例。
注意，已知击打前挡风玻璃的雨滴量根据车辆速度而变化。随着车辆速度增大，击打前挡风玻璃的雨滴量增加，而随着车辆速度减小，击打前挡风玻璃的雨滴量减少。因此，当车辆正在高速路上行驶时，尽管雨没那么大，但是击打前挡风玻璃的雨滴量也增加。相应地当车辆正在以高速行驶时，驾驶员趋向于以高速模式运行挡风玻璃刮水器。
因此，尽管挡风玻璃刮水器的运行模式数据指示高速模式，也存在实际的降水量并不大的情况，这取决于在获取运行模式数据时的车辆速度。因此，在统计处理单元42统计处理之前，校正单元50可以根据在获取运行模式数据时的车辆速度，校正要用于统计处理的运行模式数据的值。
图10示出了在获取运行模式数据时的车辆速度。校正单元50校正运行模式数据的值，使得随着在获取运行模式数据时的车辆速度越高，基于运行模式数据所估计的降水指标越小。校正单元50可以仅仅将当车辆正以高速行驶时所获取的运行模式数据设定为要被校正的运行模式数据。可以基于车辆速度是否高于或等于预定车辆速度(例如，80km/h)来确定车辆是否正以高速行驶。
在图10所示的示例中，校正单元50确定车辆E正以高速行驶，并将车辆E的三条运行模式数据的值指定为要校正的运行模式数据。校正单元50如下校正当车辆正以高速行驶时所获取的运行模式数据的值。
在上述示例中，比例推导单元44针对多种运行模式中的每种运行模式，统计所有车辆中获取的运行模式数据的条数，并执行用于推导每种运行模式的比例的统计处理。在该统计处理中，统计了每个指示一种运行模式的运行模式数据的条数，因此在统计处理中，一条运行模式数据被统计为一条指示一种运行模式的运行模式数据。
在针对每种运行模式数据统计运行模式数据的条数之前，校正单元50将当车辆正以高速行驶时所获取的一条运行模式数据校正为s(s<1)条。例如，当s被设定为0.5(s＝0.5)时，比例推导单元44将车辆E中获取的三条高速模式数据(换句话说，车辆E中获取了三次高速模式数据)统计为1.5(＝3×s)条。
图11示出了针对多种运行模式中的每种运行模式，统计在车辆中获取的运行模式数据的条数的结果。校正单元50将车辆E中获取的一条高速模式数据校正为0.5条。使用校正单元50所校正的运行模式数据，比例推导单元44针对多种运行模式中的每种运行模式，统计在所有车辆中获取的运行模式数据的次数如下：
停止模式：0次；
间歇模式：3次；
低速模式：9次；
高速模式：37.5次；
校正单元50将车辆E中获取的一条运行模式数据校正为0.5条。作为校正的结果，所统计的高速模式数据的值已经从图6中所示的统计结果中改变。基于图11中所示的统计结果，比例推导单元44推导多种运行模式中的每种运行模式的比例，如下：
停止模式：0.000；
间歇模式：0.060；
低速模式：0.182；
高速模式：0.758。
降水指标估计单元48基于每种运行模式的比例，估计在预定时段内所分配的区域中的降水指标。
基于图11中所示的统计处理结果，指标推导单元46如下推导运行模式指标：
(运行模式指标)＝0.000×0+0.060×2+0.182×6+0.758×10＝8.792
基于图6所示的统计处理结果所计算的运行模式指标为8.824。可见，基于图11中所示的统计处理结果所计算的运行模式指标比基于图6所示的统计处理结果所计算的运行模式指标低。以这种方式，当在获取运行模式数据时的车辆速度高时，校正单元50可以校正用于该运行模式数据的统计处理的值，使得统计处理单元42所推导的运行模式指标比校正之前的运行模式指标更小。如此，统计处理单元42能够高精度地推导统计处理结果。
存在一些当正在下雨时例外的挡风玻璃刮水器的运行状态。例如，当车辆5正在隧道中行驶时，驾驶员不运行挡风玻璃刮水器。因此，当车辆正在隧道中行驶时获取的运行模式数据指示停止模式。然而，该运行模式不反映天气条件。因此，使用确定单元52基于在获取运行模式数据时车辆正在其上行驶的道路，确定是否将该运行模式数据用于统计处理。
通过使用包括在交通信息8中的道路路段ID以及包括在CAN信息9中的纬度和经度，使用确定单元52在获取运行模式数据时，确定车辆5是否正行驶在挡风玻璃刮水器的运行是不必要的道路(无需挡风玻璃刮水器道路)上。无需挡风玻璃刮水器道路通常为隧道，但无需挡风玻璃刮水器道路的示例也包括位于高架道路下方的道路。使用确定单元52可以通过从道路路段ID指定道路路段，从纬度和经度指定车辆5在该道路路段上的位置，以及参考地图数据库，确定在获取运行模式数据时车辆5是否正行驶在无需挡风玻璃刮水器道路上。进一步地，在地图数据库中，指示道路类型(例如隧道等)的属性数据与道路路段上的位置关联。
当车辆5正行驶在无需挡风玻璃刮水器道路上时，使用确定单元52确定从统计处理中排除运行模式数据。另一方面，当车辆5正行驶在不是无需挡风玻璃刮水器道路的道路上时，使用确定单元52确定将在相应的车辆5中获取的运行模式数据包括在统计处理中，即，将该运行模式数据用于统计处理。如此，使用确定单元52确定运行模式数据是否要被使用，使得统计处理单元42能够使用反映天气条件的运行模式数据来适当地执行统计处理。
第二实施例
在第二实施例中，降雨量数据收集单元34收集在预定时段内位于预定区域中的一个或多个车辆中的降雨量传感器检测的降雨量数据。基于所收集的降雨量数据，降水指标估计单元48估计指示在预定时段内在预定区域中的降水强度的降水指标。
图12示出了降雨量数据收集单元34收集的降雨量数据的示例。在图12中，在每个时间显示的降雨量数据的值指示降雨量传感器检测的降雨量(mm/h)。降雨量数据收集单元34从车辆状态信息获取单元20获取的车辆状态信息中，收集从15:00:00至15:03:59的时段内位于具有区域ID“XXXXXX”的区域中的一个或多个车辆中获取的降雨量数据。
在图12中示出的示例中，存在有在从15:00:00至15:03:59的时段内在具有区域ID“XXXXXX”的区域中行驶的五个车辆5——车辆A、车辆B、车辆C、车辆D和车辆E。在这五个车辆5之中，车辆A、车辆B、车辆C和车辆D在从15:00:00至15:03:59的四分钟在该区域中行驶，而车辆E从15:03:00开始在该区域中行驶。
指标推导单元46推导代表所收集的降雨量数据的降雨量指标。指标推导单元46可以将预定时段内的降雨量的平均值推到为降雨量指标。在图12所示的示例中，降雨量的平均值计算为19.3mm/h。
降水指标估计单元48根据指标推导单元46推导的降雨量指标，估计在预定时段内在所分配的区域中的降水指标。降水指标估计单元48可以利用预定的校正函数来校正降雨量的平均值，从而估计降水指标。
如第一实施例中所描述的，击打前挡风玻璃的雨滴量根据车辆速度而变化。由于这个原因，存在这样的可能性：当车辆正在行驶时，降雨量传感器可以检测到比实际的降水量更大的降雨量(mm/h)。因此，降水指标估计单元48可以通过考虑获取降雨量数据时的车辆速度，估计在预定时段内的降水指标。例如，降水指标估计单元48可以计算在获取降雨量数据时的车辆速度的平均值Vave，并通过将降雨量的平均值(19.3mm/h)乘以从车辆速度的平均值Vave获取的校正系数α(α<1)来估计降水指标。车辆速度的平均值Vave越高，所计算的校正系数α则越小。如此，在第二实施例中，指标推导单元46推导代表所收集的降雨量数据的降雨量指标，并且降水指标估计单元48根据该降雨量指标估计降水指标。在第二实施例中，通过使用降雨量传感器检测的值，指标推导单元46能够高精度地估计在预定时段内的降水指标。
此外，指标推导单元46可以将在预定时段内的降雨量的中值(median value)或众数值(mode value)，推导为降雨量指标。
在上述方法中，指标推导单元46根据在预定时段内获取的所有降雨量数据，推导代表降雨量数据的指标。通过该统计处理方法，推导出在预定时段内的降雨量数据的趋势。
存在这种可能性：搭载在每个车辆5上的降雨量传感器，根据传感器的灵敏度或该降雨量传感器被搭载在车辆5上的方式，在检测特性方面可能不同。因此，当获取到降雨量传感器检测的大量条数的不具有合适的检测特性的降雨量数据时，降水指标的估计高度地受此降水量传感器检测的值的影响。因此，为了减少在多个车辆5之间不同的所获取的数据条数对降水指标的估计所施加的影响，可以执行下述处理。指标推导单元46可以首先确定代表针对每个车辆的降雨量数据的指标，然后使用针对每个车辆的指标来推导代表针对多个车辆的降雨量数据的指标。
图13示出了针对每个车辆所推导的指标的示例。指标推导单元46将预定时段内的降雨量的平均值推导为针对每个车辆的指标。在图13中所示的示例中，指标推导单元46确定每个车辆的指标，如下：
车辆A：17.8(mm/h)；
车辆B：17.8(mm/h)；
车辆C：17.7(mm/h)；
车辆D：17.6(mm/h)；
车辆E：45(mm/h)。
使用每个车辆的指标，指标推导单元46推导代表针对多个车辆的降雨量数据的降雨量指标。当所有车辆的指标的平均值被用作指标时，该代表针对所有车辆的降雨量的指标为23.2(mm/h)。指标推导单元46可以将在预定时段内的降雨量的中值或众数值推导为指标。
降水指标估计单元48根据指标推导单元46推导的降雨量指标，估计在预定时段内在所分配的区域中的降水指标。降水指标估计单元48可以利用预定的校正函数来校正降雨量的平均值，从而估计降水指标。
在上述指标推导单元46确定代表针对每个车辆的降雨量数据的指标的示例中，当在预定时段内在车辆中获取的降雨量数据的条数小于预定值时，指标推导单元46无需确定代表针对该车辆的降雨量数据的指标。例如，在图12所示的示例中，尽管在车辆A至D的每个车辆中都获取了12条降雨量数据，但是在车辆E中只获取了三条降雨量数据。当用于确定代表针对车辆的降雨量数据的指标所需的最小样本数量为5时，指标推导单元46不需要确定针对获取了少于5条降雨量数据的车辆E的指标。在此情况下，指标推导单元46基于针对车辆A至D的指标，推导代表预定时段内的降雨量数据的降雨量指标。
在第二实施例中，以与第一实施例相似的方式，在统计处理单元42的统计处理之前，校正单元50可以根据在获取降雨量数据时的车辆速度来校正每条降雨量数据的值。校正单元50校正降雨量数据的值，使得随着在获取降雨量数据时的车辆速度越高，基于降雨量数据估计的降水指标越小。校正单元50可以仅仅将当车辆正以高速行驶时获取的降雨量数据设定为要校正的降雨量数据。
在图12所示的示例中，校正单元50确定车辆E正以高速行驶，并将车辆E的三条降雨量数据的值指定为要校正的降雨量数据。校正单元50可以通过将降雨量数据的值乘以从在获取降雨量数据时的车辆速度获取的校正系数β(β≤1)，校正降雨量数据的值。车辆速度越高，所计算的校正系数β则越小。
此外，在第二实施例中，校正单元50可以将所有的降雨量数据指定为要校正的降雨量数据，并通过将所有的降雨量数据的值乘以校正系数β来校正降雨量数据。当车辆速度为零时，校正系数β可以为一(β＝1)。由于车载降雨量传感器检测的值包括与车辆速度相对应的误差，校正单元50可以从降雨量数据中去除该误差，因此降水指标估计单元48能够高精度地估计降水指标。
以与第一实施例相似的方式中，使用确定单元52可以基于在获取降雨量数据时车辆5正在其上行驶的道路，确定是否将该降雨量数据用于统计处理。通过使用包括在交通信息8中的道路路段ID以及包括在CAN信息9中的纬度和经度，使用确定单元52确定在获取降雨量数据时车辆5是否正行驶在挡风玻璃刮水器的运行是不必要的道路(无需挡风玻璃刮水器道路)上。使用确定单元52可以通过从道路路段ID指定道路路段，从纬度和经度指定车辆5在该道路路段上的位置，确定在获取降雨量数据时车辆5是否正行驶在无需挡风玻璃刮水器道路上。
当车辆5正行驶在无需挡风玻璃刮水器道路上时，使用确定单元52确定从统计处理中排除降雨量数据。另一方面，当车辆5正行驶在不是无需挡风玻璃刮水器道路的道路上时，使用确定单元52确定将在相应的车辆5中获取的降雨量数据包括在统计处理中，即，将该降雨量数据用于统计处理。如此，使用确定单元52确定降雨量数据是否要被使用，使得统计处理单元42能够使用反映天气条件的降雨量数据来适当地执行统计处理。
本发明已基于实施例和多个示例进行描述。本发明不限于上述实施例和示例，可以基于本领域技术人员的知识做出改变，例如设计修改等。
在第一实施例中，估计处理单元40基于挡风玻璃刮水器的运行模式数据来估计降水指标。在第二实施例中，估计处理单元40基于降雨量传感器检测的降雨量数据来估计降水指标。在修改的示例中，估计处理单元40可以基于挡风玻璃刮水器的运行模式数据以及降雨量数据来估计降水指标。
尽管所有的车辆5均设置有挡风玻璃刮水器，假设不是所有的车辆5都设置有降雨量传感器。因此，在信息处理系统1中，可能存在能够将挡风玻璃刮水器的运行模式数据和降雨量数据二者发送至服务器装置3的车辆5，以及仅能够将挡风玻璃刮水器的运行模式数据发送至服务器装置3的车辆5。当车辆5能够发送挡风玻璃刮水器的运行模式数据和降雨量数据二者时，估计处理单元40可以基于降雨量数据来估计降水指标。估计处理单元40可以在相同时段内，生成基于降雨量数据估计的第一降水指标数据以及基于运行模式数据估计的第二降水指标数据。通过考虑第一降水指标数据和第二降水指标数据，估计处理单元40可以生成要提供至天气信息呈现装置7的降水指标数据。

Claims (4)

1.降水指标估计装置，其特征在于，包括：
数据收集单元，其配置为收集指示挡风玻璃刮水器的运行模式的运行模式数据，所述运行模式数据是在预定时段内的多个时间间隔期间从位于预定区域中的多个车辆中的每个车辆获取的，其中，所述数据收集单元配置为针对所述多个车辆中的每个车辆收集多条运行模式数据；以及
估计处理单元，其配置为基于所述挡风玻璃刮水器的多个运行模式中的每个运行模式的比例，估计指示在所述预定时段内在所述预定区域中的降水强度的降水指标，其中，所述估计处理单元包括比例推导单元，该比例推导单元配置为：
基于在所述预定时段内的所述多个时间间隔期间从所述多个车辆中的每个车辆获取的所述多条运行模式数据，从所述挡风玻璃刮水器的所述多个运行模式中，为所述多个车辆中的每个车辆确定最高频率地使用的运行模式，所述最高频率地使用的运行模式是针对所述多个车辆中的相应车辆在所述预定时段内最高频率地获取的运行模式数据中指示的运行模式；
针对所述多个运行模式中的每个运行模式，统计该运行模式被确定为是最高频率地使用的运行模式的车辆的数量；以及
基于统计结果，推导所述多个运行模式中的每个运行模式的比例。
2.根据权利要求1所述的降水指标估计装置，其特征在于，当在所述预定时段内从所述多个车辆中的车辆中获取的所述运行模式数据的条数小于预定值时，所述比例推导单元不去确定针对所述车辆的最高频率地使用的运行模式。
3.根据权利要求1所述的降水指标估计装置，其特征在于，所述估计处理单元包括：
指标推导单元，其配置为：基于所述多个运行模式中的每个运行模式的比例，推导指示所述挡风玻璃刮水器的所述运行模式的阶段的运行模式指标；以及
降水指标估计单元，其配置为根据所述运行模式指标估计所述降水指标。
4.根据权利要求1至3中任意一项所述的降水指标估计装置，其特征在于，所述多个运行模式至少包括：(i)停止模式，在所述停止模式中所述挡风玻璃刮水器的运行开关被断开；(ii)间歇模式，在所述间歇模式中所述挡风玻璃刮水器以规律的间隔运行；(iii)低速模式，在所述低速模式中所述挡风玻璃刮水器以低速连续地运行；和(iv)高速模式，在所述高速模式中所述挡风玻璃刮水器以高速连续地运行。
CN201910745663.9A 2018-09-28 2019-08-13 降水指标估计装置 Active CN110969840B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111505971.8A CN114187762A (zh) 2018-09-28 2019-08-13 降水指标估计装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018184594A JP7081426B2 (ja) 2018-09-28 2018-09-28 降水指標推定装置
JP2018-184594 2018-09-28

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202111505971.8A Division CN114187762A (zh) 2018-09-28 2019-08-13 降水指标估计装置

Publications (2)

Publication Number Publication Date
CN110969840A CN110969840A (zh) 2020-04-07
CN110969840B true CN110969840B (zh) 2023-02-21

Family

ID=69945029

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201910745663.9A Active CN110969840B (zh) 2018-09-28 2019-08-13 降水指标估计装置
CN202111505971.8A Pending CN114187762A (zh) 2018-09-28 2019-08-13 降水指标估计装置

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202111505971.8A Pending CN114187762A (zh) 2018-09-28 2019-08-13 降水指标估计装置

Country Status (3)

Country Link
US (1) US11156745B2 (zh)
JP (1) JP7081426B2 (zh)
CN (2) CN110969840B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5059877A (en) * 1989-12-22 1991-10-22 Libbey-Owens-Ford Co. Rain responsive windshield wiper control
CN102782738A (zh) * 2010-03-31 2012-11-14 本田技研工业株式会社 气象信息处理设备以及气象信息处理系统
CN104786964A (zh) * 2014-01-17 2015-07-22 福特全球技术公司 自主车辆降水检测
CN107918311A (zh) * 2016-10-06 2018-04-17 福特全球技术公司 多传感器降水分级设备和方法
JP2018109820A (ja) * 2016-12-28 2018-07-12 本田技研工業株式会社 気象情報処理装置、気象情報処理方法、およびプログラム

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11272986A (ja) * 1998-03-25 1999-10-08 Isuzu Motors Ltd 車両運行管理システム
US7999702B2 (en) * 2006-08-02 2011-08-16 Qualcomm Incorporated Method and apparatus for obtaining weather information from road-going vehicles
JP2010210354A (ja) * 2009-03-09 2010-09-24 Tokyo Electric Power Co Inc:The 気象情報管理システム及び情報処理装置
KR101130540B1 (ko) * 2010-07-02 2012-03-30 (주)경봉 와이퍼 작동을 이용한 실시간 기상정보 제공 방법 및 시스템
GB201018815D0 (en) * 2010-11-08 2010-12-22 Tomtom Int Bv High-definition weather for improved routing and navigation systems
JP5394430B2 (ja) * 2011-03-31 2014-01-22 中国電力株式会社 ライフサイクル利用システム及びライフサイクル利用方法
JP2013053805A (ja) * 2011-09-04 2013-03-21 Denso Corp ハイブリッドシステム
JP2013108830A (ja) * 2011-11-21 2013-06-06 Stanley Electric Co Ltd 天候情報処理システム、天候情報処理サーバ、情報処理装置
KR101695073B1 (ko) * 2012-01-11 2017-01-10 쌩-고벵 글래스 프랑스 와이퍼 제어부
JP2013196090A (ja) * 2012-03-16 2013-09-30 Mitsubishi Electric Corp 豪雨警報システム
CN202771018U (zh) * 2012-08-10 2013-03-06 杭州九树网络科技有限公司 利用雨感设备实时天气预报系统
CN102809767B (zh) * 2012-08-10 2015-02-25 杭州九树网络科技有限公司 利用雨感设备实时天气预报系统及预报方法
JP2015025718A (ja) * 2013-07-25 2015-02-05 株式会社オートネットワーク技術研究所 降雨情報提供システム、及び降雨情報送信装置
ITRM20130469A1 (it) * 2013-08-09 2015-02-10 Univ Degli Studi Genova Metodo per la determinazione della intensita' di precipitazione da un veicolo/natante in movimento, e sistema per la caratterizzazione spazio-temporale di un campo di precipitazione su aree estese del territorio.
JP2015158451A (ja) * 2014-02-25 2015-09-03 株式会社デンソー 気象観測システム
JP6081418B2 (ja) * 2014-08-08 2017-02-15 本田技研工業株式会社 車両用ワイパー装置
GB2532456B (en) * 2014-11-19 2018-07-04 Jaguar Land Rover Ltd Controller for a vehicle component
JP6325429B2 (ja) * 2014-12-16 2018-05-16 日本電信電話株式会社 環境変化検出システム、環境変化検出装置及び環境変化検出方法
JP6464390B2 (ja) * 2014-12-26 2019-02-06 三菱自動車工業株式会社 自動車
KR20170128868A (ko) * 2016-05-16 2017-11-24 노아에스앤씨 주식회사 강우센서와 수집 전달 표출 알고리즘을 이용한 기상정보 제공 시스템
CN106394501A (zh) * 2016-11-17 2017-02-15 长沙理工大学 一种自动雨刮系统及其雨量大小的评估方法
CN107719375B (zh) * 2017-09-22 2019-09-10 深圳市汉普电子技术开发有限公司 一种智能行车辅助方法、智能设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5059877A (en) * 1989-12-22 1991-10-22 Libbey-Owens-Ford Co. Rain responsive windshield wiper control
CN102782738A (zh) * 2010-03-31 2012-11-14 本田技研工业株式会社 气象信息处理设备以及气象信息处理系统
CN104786964A (zh) * 2014-01-17 2015-07-22 福特全球技术公司 自主车辆降水检测
CN107918311A (zh) * 2016-10-06 2018-04-17 福特全球技术公司 多传感器降水分级设备和方法
JP2018109820A (ja) * 2016-12-28 2018-07-12 本田技研工業株式会社 気象情報処理装置、気象情報処理方法、およびプログラム

Also Published As

Publication number Publication date
JP7081426B2 (ja) 2022-06-07
CN110969840A (zh) 2020-04-07
JP2020052007A (ja) 2020-04-02
US20200103551A1 (en) 2020-04-02
US11156745B2 (en) 2021-10-26
CN114187762A (zh) 2022-03-15

Similar Documents

Publication Publication Date Title
CN110969841B (zh) 降水指标估计装置
US7617041B2 (en) Traffic jam prediction device and method
US9154909B2 (en) Vehicle data system and method
EP2040238A2 (en) Statistical processing server, probe information statistical method and probe information statistical program
CN110969884B (zh) 降水指标估计装置
CN112712693A (zh) 水淹检测装置、水淹检测系统以及计算机可读存储介质
US9476732B2 (en) Poor visibility estimation system and poor visibility estimation method
US11346980B2 (en) Precipitation index estimation apparatus
CN110969840B (zh) 降水指标估计装置
CN110969842A (zh) 降水指标估计装置
CN110962799B (zh) 处理装置以及处理方法
JP2002206936A (ja) 経路計算方法及びそれを実施する装置
JP7196407B2 (ja) 推定装置
CN112644501B (zh) 一种车辆控制方法、装置、设备及计算机存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant