DE102022110913A1

DE102022110913A1 - SEAT ADJUSTMENT

Info

Publication number: DE102022110913A1
Application number: DE102022110913.5A
Authority: DE
Inventors: Fling Finn Tseng; Shiqi Qiu; Johannes Geir Kristinsson; Patrick Maloney; Alex Perkins; Himanshu Verma; Nikil Kaila Jamdade; Vishal Vinayak Nageshkar; Victoria Leigh Schein; Samuel Laidlaw; Bhagyashri Satyabodha Katti; Kalyani Purushottam Sonawane
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2022-05-03
Filing date: 2022-05-03
Publication date: 2023-11-09

Abstract

Ein Computer beinhaltet einen Prozessor und einen Speicher, der durch den Prozessor ausführbare Anweisungen speichert zum Empfangen einer Reihe von Druckkarten, die eine jeweilige Reihe von Sitzpositionen eines Insassen auf einem Sitz angibt, wobei die Druckkarten eine aktuelle Druckkarte beinhalten; Aktualisieren eines Profils des Insassen auf Grundlage der Druckkarten, wobei das Profil eine Vielzahl von Clustern von Sitzpositionen und Klassifizierungen der Cluster als bevorzugt oder nicht bevorzugt beinhaltet und das Aktualisieren des Profils Einordnen einer der Sitzpositionen in einen der Cluster, der als bevorzugt klassifiziert ist, als Reaktion darauf, dass der Insasse länger als eine Schwellenzeit in dieser Sitzposition bleibt, beinhaltet; und Einstellen einer physischen Konfiguration des Sitzes als Reaktion darauf, dass sich die aktuelle Sitzposition in einem der Cluster befindet, der als nicht bevorzugt klassifiziert ist.A computer includes a processor and a memory that stores instructions executable by the processor for receiving a series of print cards indicating a respective row of seating positions of an occupant in a seat, the print cards including a current print card; updating a profile of the occupant based on the pressure maps, the profile including a plurality of clusters of seating positions and classifications of the clusters as preferred or non-preferred, and updating the profile classifying one of the seating positions into one of the clusters classified as preferred Responding to the occupant remaining in that seating position for longer than a threshold time includes; and adjusting a physical configuration of the seat in response to the current seating position being in one of the clusters that is classified as non-preferred.

Description

GEBIET DER TECHNIKFIELD OF TECHNOLOGY

Diese Offenbarung betrifft Systeme und Verfahren für eine Sitzeinstellung in einem Fahrzeug.This disclosure relates to systems and methods for seat adjustment in a vehicle.

ALLGEMEINER STAND DER TECHNIKGENERAL STATE OF THE ART

Fahrzeuge beinhalten typischerweise eine Fahrgastkabine, um Insassen des Fahrzeugs unterzubringen. Die Fahrgastkabine beinhaltet typischerweise einen oder mehrere Vordersitze, die vorn in der Fahrgastkabine angeordnet sind, einen oder mehrere Rücksitze, die hinter den Vordersitzen angeordnet sind, und möglicherweise Sitze einer dritten Reihe hinten in der Fahrgastkabine.Vehicles typically include a passenger cabin to accommodate occupants of the vehicle. The passenger cabin typically includes one or more front seats located at the front of the passenger cabin, one or more rear seats located behind the front seats, and possibly third row seats at the rear of the passenger cabin.

Jeder Sitz beinhaltet typischerweise eine Sitzlehne, eine Sitzfläche und eine Kopfstütze. Die Kopfstütze wird durch die Sitzlehne gestützt und kann relativ zu der Sitzlehne stationär oder bewegbar sein. Die Sitzlehne wird durch die Sitzfläche gestützt und kann relativ zu der Sitzfläche stationär oder bewegbar sein. Die Sitzlehne, die Sitzfläche und/oder die Kopfstütze sind häufig in mehreren Freiheitsgraden einstellbar.Each seat typically includes a seat back, a seat base and a headrest. The headrest is supported by the seat back and may be stationary or movable relative to the seat back. The seat back is supported by the seat surface and may be stationary or movable relative to the seat surface. The seat back, the seat and/or the headrest are often adjustable in several degrees of freedom.

KURZDARSTELLUNGSHORT PRESENTATION

Das Einstellen der physischen Konfiguration des Sitzes kann auf dem einen der Cluster basieren, in den der Cluster, der die aktuelle Sitzposition beinhaltet, am wahrscheinlichsten übergeht. Das Profil kann eine Wahrscheinlichkeitsmatrix des Übergangs von jeweiligen Clustern in jeweilige andere Cluster beinhalten und die Matrix basiert auf der Reihe von Druckkarten.Setting the physical configuration of the seat may be based on which one of the clusters the cluster containing the current seating position is most likely to transition into. The profile may include a probability matrix of transition from respective clusters to respective other clusters and the matrix is based on the series of pressure maps.

Die Anweisungen können Anweisungen zum Einordnen jeder der Reihe von Sitzpositionen in einen der Cluster auf Grundlage von Ähnlichkeitsmaßen zwischen dieser Sitzposition und jedem der Cluster beinhalten. Die Anweisungen können Anweisungen zum, als Reaktion darauf, dass keines der Ähnlichkeitsmaße zwischen einer der Sitzpositionen und jedem der Cluster über einer Schwellenähnlichkeit liegt, Erstellen eines neuen Clusters und Einordnen dieser Sitzposition in den neuen Cluster beinhalten.The instructions may include instructions for classifying each of the series of seating positions into one of the clusters based on similarity measures between that seating position and each of the clusters. The instructions may include instructions for, in response to none of the similarity measures between any of the sitting positions and each of the clusters being above a threshold similarity, creating a new cluster and classifying that sitting position into the new cluster.

Die Cluster können auf den Sitzpositionen einer Vielzahl von anderen Insassen basieren. Die Anweisungen können Anweisungen zum Bestimmen einer Vielzahl von Merkmalen des Insassen beinhalten und wobei die Cluster nur auf den Sitzpositionen des Insassen und der anderen Insassen mit den gleichen Merkmalen wie der Insasse basieren können. Die Merkmale können einen Fahrzeugtyp beinhalten, in dem die jeweiligen Insassen in den Sitzpositionen gesessen haben.The clusters may be based on the seating positions of a variety of other occupants. The instructions may include instructions for determining a variety of characteristics of the occupant and wherein the clusters may be based only on the seating positions of the occupant and the other occupants with the same characteristics as the occupant. The features may include a type of vehicle in which the respective occupants were seated in the seating positions.

Die Merkmale können demografische Informationen über die Insassen beinhalten.The characteristics may include demographic information about the inmates.

Die Cluster können mindestens teilweise auf den Sitzpositionen der anderen Insassen basieren, bis sich eine Sammlungsstrecke oder eine Sammlungszeit der Reihe von Druckkarten des Insassen über einen jeweiligen Streckenschwellenwert oder Zeitschwellenwert erhöht, nach dem die Cluster vollständig auf der Reihe von Sitzpositionen des Insassen basieren können. Die Anweisungen können Anweisungen zum Klassifizieren jedes Clusters als bevorzugt oder nicht bevorzugt auf Grundlage einer Dauer des Bleibens in den Sitzpositionen in diesem Cluster beinhalten und wobei eine höhere Dauer eine Likelihood dafür erhöhen kann, dass die Klassifizierung bevorzugt lautet.The clusters may be based at least in part on the seating positions of the other occupants until a collection distance or a collection time of the occupant's series of pressure cards increases above a respective distance threshold or time threshold, after which the clusters may be based entirely on the series of occupants' seating positions. The instructions may include instructions for classifying each cluster as preferred or non-preferred based on a duration of remaining in the sitting positions in that cluster, and where a higher duration may increase a likelihood that the classification is preferred.

Die Anweisungen können Anweisungen zum Klassifizieren jedes Clusters als bevorzugt oder nicht bevorzugt auf Grundlage einer Variation unter den Sitzpositionen in diesem Cluster beinhalten und wobei eine höhere Variation eine Likelihood dafür erhöhen kann, dass die Klassifizierung nicht bevorzugt lautet.The instructions may include instructions for classifying each cluster as preferred or non-preferred based on variation among the seating positions in that cluster, and where higher variation may increase a likelihood that the classification is non-preferred.

Die Anweisungen können Anweisungen zum Klassifizieren jedes Clusters als bevorzugt oder nicht bevorzugt auf Grundlage einer Rückkehrzeit vom Wechseln aus einer beliebigen der Sitzpositionen in diesem Cluster zum Wechseln zurück in eine der Sitzpositionen in diesem Cluster beinhalten und wobei eine höhere Rückkehrzeit eine Likelihood dafür erhöhen kann, dass die Klassifizierung nicht bevorzugt lautet.The instructions may include instructions for classifying each cluster as preferred or non-preferred based on a return time from changing from any of the seating positions in that cluster to changing back into one of the seating positions in that cluster, and where a higher return time may increase a likelihood that the classification is not preferred.

Die Anweisungen können Anweisungen zum Kombinieren von zwei Clustern zu einem einzelnen Cluster auf Grundlage einer Überschneidung zwischen den zwei Clustern beinhalten. The instructions may include instructions for combining two clusters into a single cluster based on an overlap between the two clusters.

Das Kombinieren von zwei Clustern kann nur stattfinden, wenn die zwei Cluster beide als bevorzugt klassifiziert sind oder beide als nicht bevorzugt klassifiziert sind.Combining two clusters can only take place if the two clusters are both classified as preferred or both are classified as non-preferred.

Die Anweisungen können Anweisungen zum Identifizieren des Insassen und Laden des Profils des Insassen auf Grundlage der Identifizierung des Insassen beinhalten.The instructions may include instructions for identifying the occupant and loading the occupant's profile based on the occupant's identification.

Ein System beinhaltet einen Sitz mit einer physischen Konfiguration, die einstellbar ist, und einen Computer, der kommunikativ an den Sitz gekoppelt ist. Der Computer ist programmiert zum Empfangen einer Reihe von Druckkarten, die eine jeweilige Reihe von Sitzpositionen eines Insassen auf dem Sitz angibt, wobei die Druckkarten eine aktuelle Druckkarte beinhalten; Aktualisieren eines Profils des Insassen auf Grundlage der Druckkarten, wobei das Profil eine Vielzahl von Clustern von Sitzpositionen und Klassifizierungen der Cluster als bevorzugt oder nicht bevorzugt beinhaltet und das Aktualisieren des Profils Einordnen einer der Sitzpositionen in einen der Cluster, der als bevorzugt klassifiziert ist, als Reaktion darauf, dass der Insasse länger als eine Schwellenzeit in dieser Sitzposition bleibt, beinhaltet; und Einstellen der physischen Konfiguration des Sitzes als Reaktion darauf, dass sich die aktuelle Sitzposition in einem der Cluster befindet, der als nicht bevorzugt klassifiziert ist.A system includes a seat with a physical configuration that is adjustable and a computer that is communicatively coupled to the seat. The computer is programmed to receive a series of pressure cards indicating a respective series of seating positions of an occupant on the seat, the pressure cards including a current pressure card; updating a profile of the occupant based on the pressure maps, the profile including a plurality of clusters of seating positions and classifications of the clusters as preferred or non-preferred, and updating the profile classifying one of the seating positions into one of the clusters classified as preferred Responding to the occupant remaining in that seating position for longer than a threshold time includes; and adjusting the physical configuration of the seat in response to the current seating position being in one of the clusters that is classified as non-preferred.

Die physische Konfiguration kann mindestens eines von einer Neigung des Sitzes, einer Höhe des Sitzes, eines Zurücklehnungswinkels des Sitzes oder einer Lendenstützposition des Sitzes beinhalten.The physical configuration may include at least one of a tilt of the seat, a height of the seat, a recline angle of the seat, or a lumbar support position of the seat.

Der Sitz kann eine Sitzfläche beinhalten, die eine Vielzahl von Blasen beinhaltet, und die physische Konfiguration kann Füllstände der jeweiligen Blasen beinhalten.The seat may include a seating surface that includes a plurality of bladders, and the physical configuration may include levels of the respective bladders.

Ein Verfahren beinhaltet Empfangen einer Reihe von Druckkarten, die eine jeweilige Reihe von Sitzpositionen eines Insassen auf einem Sitz angibt, wobei die Druckkarten eine aktuelle Druckkarte beinhalten; Aktualisieren eines Profils des Insassen auf Grundlage der Druckkarten, wobei das Profil eine Vielzahl von Clustern von Sitzpositionen und Klassifizierungen der Cluster als bevorzugt oder nicht bevorzugt beinhaltet und das Aktualisieren des Profils Einordnen einer der Sitzpositionen in einen der Cluster, der als bevorzugt klassifiziert ist, als Reaktion darauf, dass der Insasse länger als eine Schwellenzeit in dieser Sitzposition bleibt, beinhaltet; und Einstellen einer physischen Konfiguration des Sitzes als Reaktion darauf, dass sich die aktuelle Sitzposition in einem der Cluster befindet, der als nicht bevorzugt klassifiziert ist.A method includes receiving a series of pressure maps indicating a respective series of seating positions of an occupant in a seat, the pressure maps including a current pressure map; updating a profile of the occupant based on the pressure maps, the profile including a plurality of clusters of seating positions and classifications of the clusters as preferred or non-preferred, and updating the profile classifying one of the seating positions into one of the clusters classified as preferred Responding to the occupant remaining in that seating position for longer than a threshold time includes; and adjusting a physical configuration of the seat in response to the current seating position being in one of the clusters that is classified as non-preferred.

KURZE BESCHREIBUNG DER ZEICHNUNGENBRIEF DESCRIPTION OF THE DRAWINGS

1 is a top view of an exemplary vehicle with a passenger cabin exposed for illustrative purposes.
2 is a perspective view of a seat of the vehicle.
3 is a block diagram of a system for the seat.
4 is a pressure map that represents a seating position of an occupant on the seat.
5 is a process flow diagram of an example process for initializing a profile of seating positions for the occupant.
6 is a process flow diagram of an example process for updating the profile.
7 is a process flow diagram of an example process for setting a physical configuration of the seat.

DETAILLIERTE BESCHREIBUNGDETAILED DESCRIPTION

Unter Bezugnahme auf die Figuren beinhaltet ein Computer 102 eines Fahrzeugs 100 einen Prozessor und einen Speicher, der durch den Prozessor ausführbare Anweisungen speichert zum Empfangen einer Reihe von Druckkarten 104, die eine jeweilige Reihe von Sitzpositionen eines Insassen auf einem Sitz 106 angibt, wobei die Druckkarten 104 eine aktuelle Druckkarte 104 beinhalten; Aktualisieren eines Profils des Insassen auf Grundlage der Druckkarten 104, wobei das Profil eine Vielzahl von Clustern von Sitzpositionen und Klassifizierungen der Cluster als bevorzugt oder nicht bevorzugt beinhaltet und das Aktualisieren des Profils Einordnen einer der Sitzpositionen in einen der Cluster, der als bevorzugt klassifiziert ist, als Reaktion darauf, dass der Insasse länger als eine Schwellenzeit in dieser Sitzposition bleibt, beinhaltet; und Einstellen einer physischen Konfiguration des Sitzes 106 als Reaktion darauf, dass sich die aktuelle Sitzposition in einem der Cluster befindet, der als nicht bevorzugt klassifiziert ist.Referring to the figures, a computer 102 of a vehicle 100 includes a processor and a memory that stores instructions executable by the processor for receiving a series of print cards 104 indicating a respective row of seating positions of an occupant on a seat 106, the print cards 104 include a current print card 104; updating a profile of the occupant based on the pressure maps 104, the profile including a plurality of clusters of seating positions and classifications of the clusters as preferred or not preferred, and updating the profile classifying one of the seating positions into one of the clusters that is classified as preferred, in response to the occupant remaining in that seated position for longer than a threshold time; and adjusting a physical configuration of the seat 106 in response to the current seating position being in one of the clusters that is classified as non-preferred.

Der Computer 102 kann den Sitz 106 auf eine Weise konfigurieren, die der Insasse am bequemsten findet, und auf eine Weise, die den Insassen dazu ermutigt, eine Sitzposition zu verwenden, die der Insasse bequem findet. Das Profil kann mehrere Sitzpositionen verfolgen, die der Insasse bequem findet, und das Profil kann im Zeitverlauf aktualisiert werden, wenn sich die Präferenzen des Insassen ändern.The computer 102 may configure the seat 106 in a manner that the occupant finds most comfortable and in a manner that encourages the occupant to use a seating position that the occupant finds comfortable. The profile can track multiple seating positions that the occupant finds comfortable and the profile can over time be updated as the occupant's preferences change.

Unter Bezugnahme auf die 1 kann es sich bei dem Fahrzeug 100 um einen beliebigen geeigneten Typ von Kraftfahrzeug handeln, z. B. einen Personen- oder Nutzkraftwagen, wie etwa eine Limousine, ein Coupe, einen Truck, einen Geländewagen, ein Crossover-Fahrzeug, einen Van, einen Minivan, ein Taxi, einen Bus usw. Das Fahrzeug 100 kann zum Beispiel autonom sein. Anders ausgedrückt kann das Fahrzeug 100 derart autonom betrieben werden, dass das Fahrzeug 100 ohne ständige Aufmerksamkeit eines Fahrers gefahren werden kann, d. h., das Fahrzeug 100 kann ohne menschliche Eingabe selbst fahren.With reference to the 1 The vehicle 100 may be any suitable type of motor vehicle, e.g. B. a passenger or commercial vehicle, such as a sedan, coupe, truck, SUV, crossover vehicle, van, minivan, taxi, bus, etc. The vehicle 100 may be autonomous, for example. In other words, the vehicle 100 can be operated autonomously such that the vehicle 100 can be driven without constant attention from a driver, that is, the vehicle 100 can drive itself without human input.

Das Fahrzeug 100 beinhaltet eine Fahrgastkabine 108, um gegebenenfalls Insassen des Fahrzeugs 100 unterzubringen. Die Fahrgastkabine 108 beinhaltet einen oder mehrere Vordersitze 106, die vorn in der Fahrgastkabine 108 angeordnet sind, und einen oder mehrere Rücksitze 106, die hinter den Vordersitzen angeordnet sind. Die Fahrgastkabine 108 kann zudem Sitze 106 einer dritten Reihe (nicht gezeigt) hinten in der Fahrgastkabine 108 beinhalten. In 1 handelt es sich der Darstellung nach bei den Vordersitzen 106 um Schalensitze und bei den Rücksitzen 106 handelt es sich der Darstellung nach um eine Sitzbank, allerdings kann es sich bei den Sitzen 106 um andere Typen handeln.The vehicle 100 includes a passenger cabin 108 to accommodate occupants of the vehicle 100 if necessary. The passenger cabin 108 includes one or more front seats 106 located at the front of the passenger cabin 108 and one or more rear seats 106 located behind the front seats. The passenger cabin 108 may also include third row seats 106 (not shown) in the rear of the passenger cabin 108. In 1 The front seats 106 are shown to be bucket seats and the rear seats 106 are shown to be a bench seat, although the seats 106 may be other types.

Unter Bezugnahme auf 2 kann der durch den Insassen belegte Sitz 106 eine Sitzlehne 110, eine Sitzfläche 112 und eine Kopfstütze 114 beinhalten. Die Kopfstütze 114 kann von der Sitzlehne 110 gestützt werden und kann relativ zu der Sitzlehne 110 stationär oder bewegbar sein. Die Sitzlehne 110 kann von der Sitzfläche 112 gestützt werden und kann relativ zu der Sitzfläche 112 stationär oder bewegbar sein. Die Sitzlehne 110, die Sitzfläche 112 und/oder die Kopfstütze 114 können in mehreren Freiheitsgraden einstellbar sein. Insbesondere können die Sitzlehne 110, die Sitzfläche 112 und/oder die Kopfstütze 114 selbst, oder anders ausgedrückt, einstellbare Komponenten innerhalb der Sitzlehne 110, der Sitzfläche 112 und/oder der Kopfstütze 114 einstellbar sein und/oder relativ zueinander einstellbar sein. Der Sitz 106 weist eine physische Konfiguration auf, die einstellbar ist. Die physische Konfiguration ist eine Kombination aus Positionen oder Einstellungen der einstellbaren Komponenten, z. B. der Sitzlehne 110, der Kopfstütze 114, der Sitzfläche 112, der Armlehnen usw., des Sitzes 106. Die physische Konfiguration beinhaltet mindestens eines von einer Neigung des Sitzes 106, einer Höhe des Sitzes 106, eines Zurücklehnungswinkels des Sitzes 106 oder einer Lendenstützposition des Sitzes 106. Die Neigung des Sitzes 106 ist ein Winkel der Sitzfläche 112 relativ zu der Fahrgastkabine 108 um eine Seitenachse, d. h. ein Anstellwinkel der Sitzfläche 112. Die Höhe des Sitzes 106 ist eine vertikale Strecke eines Referenzpunkts auf der Sitzfläche 112 relativ zu der Fahrgastkabine 108. Der Zurücklehnungswinkel des Sitzes 106 ist ein Winkel der Sitzlehne 110 relativ zu der Sitzfläche 112. Die Lendenstützposition ist eine Fahrzeugvorwärtsposition einer sich in der Sitzlehne 110 befindlichen Lendenstützstange 116 relativ zu der Sitzlehne 110. Zusätzlich oder alternativ kann der Sitz 106 in anderen Freiheitsgraden einstellbar sein.With reference to 2 The seat 106 occupied by the occupant may include a seat back 110, a seat surface 112 and a headrest 114. The headrest 114 may be supported by the seat back 110 and may be stationary or movable relative to the seat back 110. The seat back 110 may be supported by the seat surface 112 and may be stationary or movable relative to the seat surface 112. The seat back 110, the seat 112 and/or the headrest 114 can be adjustable in several degrees of freedom. In particular, the seat back 110, the seat surface 112 and/or the headrest 114 itself, or in other words, adjustable components within the seat back 110, the seat surface 112 and/or the headrest 114 may be adjustable and/or adjustable relative to one another. The seat 106 has a physical configuration that is adjustable. The physical configuration is a combination of positions or settings of the adjustable components, e.g. B. the seat back 110, the headrest 114, the seat 112, the armrests, etc., of the seat 106. The physical configuration includes at least one of a tilt of the seat 106, a height of the seat 106, a recline angle of the seat 106, or a lumbar support position of the seat 106. The inclination of the seat 106 is an angle of the seat surface 112 relative to the passenger cabin 108 about a side axis, ie an angle of attack of the seat surface 112. The height of the seat 106 is a vertical distance of a reference point on the seat surface 112 relative to the passenger cabin 108. The recline angle of the seat 106 is an angle of the seat back 110 relative to the seat surface 112. The lumbar support position is a vehicle forward position of a lumbar support rod 116 located in the seat back 110 relative to the seat back 110. Additionally or alternatively, the seat 106 may be adjustable to other degrees of freedom be.

Der Sitz 106 beinhaltet eine Vielzahl von Sitzaktoren 118, welche die Positionen oder Einstellungen der Komponenten des Sitzes 106 einstellen. Zum Beispiel können die Sitzaktoren 118 einen Drehaktor zum Zurücklehnen der Sitzlehne 110 relativ zur Sitzfläche 112, Linearaktoren unter einer Vorderseite und einer Rückseite der Sitzfläche 112 zum Anheben oder Absenken der Vorderseite oder Rückseite der Sitzfläche 112, um die Höhe und Neigung des Sitzes 106 einzustellen, und einen Linearaktor in der Sitzlehne 110, um die Position der Lendenstützstange 116 einzustellen, beinhalten.The seat 106 includes a plurality of seat actuators 118 that adjust the positions or settings of the components of the seat 106. For example, the seat actuators 118 may include a rotary actuator for reclining the seat back 110 relative to the seat bottom 112, linear actuators under a front and a back of the seat bottom 112 for raising or lowering the front or back of the seat bottom 112 to adjust the height and inclination of the seat 106, and a linear actuator in the seat back 110 to adjust the position of the lumbar support rod 116.

Die Sitzfläche 112 und möglicherweise die Sitzlehne 110 können eine Vielzahl von Blasen 120 beinhalten. Die Blasen 120 sind flexible Taschen, die mit Fluid (Flüssigkeit oder Gas) füllbar sind. Die Blasen 120 können in einer Ebene angeordnet sein, die im Allgemeinen parallel zur Sitzfläche 112 verläuft, z. B. in horizontal angeordneten Reihen. Die Blasen 120 weisen jeweils einen Füllstand auf, bei dem es sich um eine Fluidmenge in der jeweiligen Blase 120 handelt. Die Blasen 120 können durch einen Verdichter oder eine Pumpe und Ventile (nicht gezeigt) für die jeweiligen Blasen 120 versorgt werden. Die physische Konfiguration kann die Füllstände der jeweiligen Blasen 120 beinhalten.The seat 112 and possibly the seat back 110 may include a variety of bladders 120. The bladders 120 are flexible bags that can be filled with fluid (liquid or gas). The bladders 120 may be arranged in a plane that is generally parallel to the seat surface 112, e.g. B. in horizontally arranged rows. The bubbles 120 each have a fill level, which is an amount of fluid in the respective bubble 120. The bladders 120 may be supplied by a compressor or pump and valves (not shown) for the respective bladders 120. The physical configuration may include the fill levels of the respective bubbles 120.

Der Sitz 106 beinhaltet eine Vielzahl von Drucksensoren 122, die in der Sitzfläche 112 angeordnet sind. Die Drucksensoren 122 können von einem beliebigen geeigneten Typ zum Messen eines Drucks sein, der durch den Insassen an den jeweiligen Punkten ausgeübt wird, an denen sich die Drucksensoren 122 befinden, z. B. Dehnungsmessstreifen, piezoelektrisch usw. Der Drucksensor 122 kann z. B. in einem Gittermuster angeordnet sein.The seat 106 includes a plurality of pressure sensors 122 which are arranged in the seat surface 112. The pressure sensors 122 may be of any suitable type for measuring pressure exerted by the occupant at the respective points where the pressure sensors 122 are located, e.g. B. strain gauges, piezoelectric, etc. The pressure sensor 122 can z. B. be arranged in a grid pattern.

Unter Bezugnahme auf 3 ist der Computer 102 eine mikroprozessorbasierte Rechenvorrichtung, z. B. eine generische Rechenvorrichtung, die einen Prozessor und einen Speicher beinhaltet, eine elektronische Steuerung oder dergleichen, ein feldprogrammierbares Gate-Array (FPGA), eine anwendungsspezifische integrierte Schaltung (Application-Specific Integrated Circuit - ASIC) usw. Der Computer 102 kann somit einen Prozessor, einen Speicher usw. beinhalten. Der Speicher des Computers 102 kann Medien zum Speichern von durch den Prozessor ausführbaren Anweisungen sowie zum elektronischen Speichern von Daten und/oder Datenbanken beinhalten und/oder der Computer 102 kann Strukturen beinhalten, wie etwa die Vorangehenden, durch die eine Programmierung bereitgestellt wird. Der Computer 102 kann aus mehreren miteinander gekoppelten Computern bestehen.With reference to 3 is the computer 102 a microprocessor-based computing device, e.g. B. a generic computing device that includes a processor and memory, an electronic controller or the like, a field programmable gate array (FPGA), an application-specific integrated circuit (ASIC), etc. The computer 102 can thus be one processor, one include storage, etc. The memory of the computer 102 may include media for storing processor-executable instructions as well as electronic storage of data and/or databases, and/or the computer 102 may include structures, such as the foregoing, through which programming is provided. The computer 102 may consist of multiple computers coupled together.

Der Computer 102 kann Daten durch ein Kommunikationsnetzwerk 124 übertragen und empfangen, wie etwa einen Controller-Area-Network-Bus (CAN-Bus), Ethernet, WiFi, ein Local Interconnect Network (LIN), einen On-Board-Diagnoseanschluss (OBD-II) und/oder durch ein beliebiges anderes drahtgebundenes oder drahtloses Kommunikationsnetzwerk. Der Computer 102 kann über das Kommunikationsnetzwerk 124 kommunikativ an den Sitz 106 (d. h. die Sitzaktoren 118 und/oder die Blasen 120), die Drucksensoren 122, einen Transceiver 126 und andere Komponenten gekoppelt sein.The computer 102 may transmit and receive data through a communications network 124, such as a controller area network bus (CAN bus), Ethernet, WiFi, a local interconnect network (LIN), an on-board diagnostic port (OBD). II) and/or through any other wired or wireless communications network. The computer 102 may be communicatively coupled to the seat 106 (i.e., the seat actuators 118 and/or the bladders 120), the pressure sensors 122, a transceiver 126, and other components via the communications network 124.

Der Transceiver 126 kann dazu ausgelegt sein, Signale drahtlos durch ein beliebiges geeignetes Protokoll zur drahtlosen Kommunikation, wie etwa Bluetooth®, WiFi, IEEE 802.11a/b/g, andere HF(Hochfrequenz)-Kommunikation usw., zu übertragen. Der Transceiver 126 kann dazu ausgelegt sein, mit einem Remote-Server zu kommunizieren, das heißt einem Server, der von dem Fahrzeug 100 getrennt und von diesem beabstandet ist. Der Remote-Server kann sich außerhalb des Fahrzeugs 100 befinden. Der Remote-Server kann zum Beispiel mit einem anderen Fahrzeug 100 (z. B. V2V-Kommunikation), einer Infrastrukturkomponente (z. B. V2I-Kommunikation über dedizierte Nahbereichskommunikation (Dedicated Short-Range Communications - DSRC) oder dergleichen), einem Ersthelfer, einer mobilen Vorrichtung, die mit dem Halter des Fahrzeugs 100 assoziiert ist, usw. assoziiert sein. Der Transceiver 126 kann eine Vorrichtung sein oder kann einen separaten Sender und Empfänger beinhalten. Unter Bezugnahme auf 4 erzeugen die Daten von den Drucksensoren 122 gemeinsam die Druckkarte 104. Für die Zwecke dieser Offenbarung ist eine „Druckkarte“ ein Satz von Positionen und Werten für Drücke, die an diesen Positionen gleichzeitig gemessen werden. Jeder Druckwert in der Druckkarte 104 kann durch einen der Drucksensoren 122 detektiert werden. Zum Beispiel können Positionen der Drucksensoren 122 auf der Sitzfläche 112 durch zweidimensionale Koordinaten (x, y) dargestellt werden, wobei x eine Längsposition darstellt, d. h. entlang einer Fahrzeugvorwärtsachse, und y eine Seitenposition darstellt, d. h. entlang einer Fahrzeuglinksachse. Die Druckkarte 104 beinhaltet einen Wert für einen Druck an jeder Position. Die Werte für den Druck sind in Krafteinheiten pro Fläche, z. B. MPa, angegeben. 4 zeigt die Positionen (x, y) entlang zweier horizontaler Achsen und die Werte für den Druck, die durch vertikale Höhe und Schattierung dargestellt sind. Die Druckkarte 104 kann auf unterschiedliche Weisen organisiert sein. Wenn die Drucksensoren 122 zum Beispiel in einem n-×-m-Gitter angeordnet sind, kann die Druckkarte 104 als ein Vektor organisiert sein, in dem jeder Eintrag in dem Vektor der Wert für den Druck an einer der Positionen ist, z. B. <p₁, p₂, ... p_n, p_n+1, ... p_n*m>, wobei p₁ der Wert für den Druck ist bei (x₁, y₁), p₂ bei (x₂, y₁), p_n bei (x_n, y₁), p_n+1 bei (x₁, y₂), p_n*m bei (x_n, y_m). Das Organisieren der Druckkarte 104 als Vektor kann die Verarbeitung beschleunigen, wenn die Druckkarten 104 verwendet werden.The transceiver 126 may be configured to transmit signals wirelessly through any suitable wireless communications protocol, such as Bluetooth®, WiFi, IEEE 802.11a/b/g, other RF (radio frequency) communications, etc. The transceiver 126 may be configured to communicate with a remote server, that is, a server that is separate and spaced from the vehicle 100. The remote server may be located outside of the vehicle 100. The remote server may, for example, communicate with another vehicle 100 (e.g., V2V communications), an infrastructure component (e.g., V2I communications via Dedicated Short-Range Communications (DSRC), or the like), a first responder , a mobile device associated with the owner of the vehicle 100, etc. The transceiver 126 may be a device or may include a separate transmitter and receiver. With reference to 4 The data from the pressure sensors 122 collectively generate the pressure map 104. For purposes of this disclosure, a “pressure map” is a set of positions and values for pressures measured at those positions simultaneously. Each pressure value in the pressure map 104 can be detected by one of the pressure sensors 122. For example, positions of the pressure sensors 122 on the seat surface 112 may be represented by two-dimensional coordinates (x, y), where x represents a longitudinal position, ie, along a vehicle forward axis, and y represents a lateral position, ie, along a vehicle left axis. The pressure map 104 includes a value for pressure at each position. The pressure values are in force units per area, e.g. B. MPa. 4 shows the positions (x, y) along two horizontal axes and the values for pressure represented by vertical height and shading. The print card 104 can be organized in different ways. For example, if the pressure sensors 122 are arranged in an n x m grid, the pressure map 104 may be organized as a vector in which each entry in the vector is the value for the pressure at one of the positions, e.g. B. <p ₁ , p ₂ , ... p _n , p _n+1 , ... p _n*m >, where p ₁ is the value for the pressure at (x ₁ , y ₁ ), p ₂ at (x ₂ , y ₁ ), p _n at (x _n , y ₁ ), p _n+1 at (x ₁ , y ₂ ), p _n*m at (x _n , y _m ). Organizing the print map 104 as a vector can speed up processing when the print maps 104 are used.

Die Druckkarten 104 geben die Sitzpositionen an. Die Sitzpositionen sind Anordnungen des Körpers des Insassen; zum Beispiel kann das Gewicht des Insassen zentriert oder mehr in Richtung einer Seite verlagert sein, kann er sich nach hinten oder vorne lehnen, kann er seine Oberschenkel angehoben oder abgesenkt haben usw. Die jeweiligen Sitzpositionen können durch entsprechend unterschiedliche Druckkarten 104 definiert sein. Zum Beispiel ist in der Druckkarte 104 in 4 das Gewicht des Insassen seitlich zentriert und mehr nach hinten verlagert, wobei sein linker Oberschenkel im Vergleich zu seinem rechten Oberschenkel angehoben ist.The pressure cards 104 indicate the seating positions. The seating positions are arrangements of the occupant's body; for example, the occupant's weight may be centered or shifted more towards one side, he may lean backwards or forwards, he may have his thighs raised or lowered, etc. The respective seating positions may be defined by correspondingly different pressure maps 104. For example, in the print card is 104 in 4 the occupant's weight is centered laterally and shifted more rearward, with his left thigh elevated compared to his right thigh.

Der Speicher des Computers 102 kann ein Profil für jeden einer Vielzahl von möglichen Insassen speichern. Jedes Profil kann eine Vielzahl von Clustern der Sitzpositionen, Klassifizierungen der Cluster als bevorzugt oder nicht bevorzugt und eine Wahrscheinlichkeitsmatrix des Übergangs von jeweiligen Clustern in jeweilige andere Cluster beinhalten, wie jeweils nachstehend detaillierter beschrieben.The memory of computer 102 may store a profile for each of a plurality of possible occupants. Each profile may include a plurality of clusters of seating positions, classifications of the clusters as preferred or non-preferred, and a probability matrix of transition from respective clusters to respective other clusters, each as described in more detail below.

Die Cluster sind Gruppierungen ähnlicher Sitzpositionen des Insassen. Ähnliche Sitzpositionen sind Sitzpositionen, die ausreichend nahe beieinander liegen, sodass Insassen im Durchschnitt wahrnehmen, dass sie effektiv gleich sind. Ähnliche Sitzpositionen können zum Beispiel durch empirische Tests mit einer Vielzahl von Testinsassen bestimmt werden. Wie nachstehend beschrieben, werden die Sitzpositionen durch maschinelles Lernen, z. B. nicht überwachtes Lernen, in die Cluster organisiert. Unterschiedliche Ähnlichkeitsmaße können für das maschinelle Lernen verwendet werden, wie nachstehend beschrieben, z. B. Kullback-Leibler-Divergenz, Kosinusähnlichkeit usw. Jeder Cluster beinhaltet Sitzpositionen, die sich für den Insassen ähnlich anfühlen. Die Cluster können durch ihre Schwerpunkte (wie nachstehend beschrieben) oder durch Prototypen, d. h. Datenpunkte (in diesem Fall die Druckkarten 104), die jeweilige Cluster darstellen, dargestellt werden. Jeder Cluster wird als bevorzugt oder nicht bevorzugt klassifiziert, d. h., ob der Insasse es bevorzugt, in der Sitzposition in dem Cluster zu sitzen oder nicht.The clusters are groupings of similar seating positions of the occupant. Similar seating positions are seating positions that are sufficiently close together that occupants perceive, on average, that they are effectively the same. Similar seating positions can be determined, for example, through empirical tests with a large number of test occupants. As described below, the seating positions are determined by machine learning, e.g. B. unsupervised learning, organized into clusters. Different similarity measures can be used for machine learning as described below, e.g. B. Kullback-Leibler divergence, cosine similarity, etc. Each cluster contains seating positions that feel similar to the occupant. The clusters can be represented by their centroids (as described below) or by prototypes, ie data points (in this case the print maps 104) that represent respective clusters. Each cluster is classified as preferred or non-preferred, that is, whether the Occupant prefers to sit in the seating position in the cluster or not.

Das Profil kann eine Wahrscheinlichkeitsmatrix T des Übergangs von jeweiligen Clustern in jeweilige andere Cluster beinhalten $T = [\begin{matrix} 0 & p_{21} & \dots & p_{N 1} \\ p_{12} & 0 & p_{N 2} \\ ⋮ & ⋱ & ⋮ \\ p_{1 N} & p_{2 N} & \dots & 0 \end{matrix}]$

The profile may contain a probability matrix T of the transition from respective clusters to respective other clusters

T = [\begin{matrix} 0 & p_{21} & \dots & p_{N 1} \\ p_{12} & 0 & p_{N 2} \\ ⋮ & ⋱ & ⋮ \\ p_{1 N} & p_{2 N} & \dots & 0 \end{matrix}]

Die Matrix ist eine N-×-N-Matrix, wobei N die Anzahl der Cluster in dem Profil ist. Die Spalten können einen aktuellen Cluster darstellen, in dem der Insasse sitzt, und die Zeilen können einen nächsten Cluster darstellen, in dem der Insasse sitzen wird (oder umgekehrt); d. h., der Wert p_ij in der i-ten Spalte und der j-ten Zeile ist eine Wahrscheinlichkeit des Übergangs als Nächstes zu dem j-ten Cluster, vorausgesetzt, dass sich der Insasse aktuell in dem i-ten Cluster befindet. The matrix is an N × N matrix, where N is the number of clusters in the profile. The columns may represent a current cluster in which the occupant sits and the rows may represent a next cluster in which the occupant will sit (or vice versa); that is, the value p _ij in the i-th column and j-th row is a probability of transitioning next to the j-th cluster, assuming that the occupant is currently in the i-th cluster.

Die Wahrscheinlichkeit p_ii des Übergangs von einem Cluster in denselben Cluster ist als null definiert. Jede Spalte ergibt die Summe 1. Wie nachstehend beschrieben, basiert die Matrix T auf der Reihe von Druckkarten 104 von den Sitzpositionen des Insassen.The probability p _ii of transitioning from a cluster to the same cluster is defined as zero. Each column sums to 1. As described below, the matrix T is based on the series of pressure maps 104 of the occupant's seating positions.

5 ist ein Prozessablaufdiagramm, das einen beispielhaften Prozesses 500 zum Initialisieren des Profils der Sitzpositionen des Insassen veranschaulicht. Der Speicher des Computers 102 speichert ausführbare Anweisungen zum Ausführen der Schritte des Prozesses 500 und/oder eine Programmierung kann in Strukturen, wie etwa vorstehend erwähnt, umgesetzt sein. Als allgemeiner Überblick über den Prozess 500 identifiziert der Computer 102 den Insassen, empfängt kategorische Daten über den Insassen, wie etwa Fahrzeugtyp und demografische Informationen, lädt das Profil entweder mit Clustern der Sitzpositionen des Insassen oder Sitzpositionen ähnlicher Insassen, in Abhängigkeit davon, ob ausreichend Daten über die Sitzpositionen des Insassen erfasst wurden, und klassifiziert die Cluster in dem Profil als bevorzugt oder nicht bevorzugt. 5 is a process flow diagram illustrating an example process 500 for initializing the profile of occupant seating positions. The memory of the computer 102 stores executable instructions for carrying out the steps of the process 500 and/or programming may be implemented in structures such as those mentioned above. As a general overview of the process 500, the computer 102 identifies the occupant, receives categorical data about the occupant, such as vehicle type and demographic information, loads the profile with either clusters of the occupant's seating positions or seating positions of similar occupants, depending on whether there is sufficient data about the occupant's seating positions were recorded and classifies the clusters in the profile as preferred or not preferred.

Der Prozess 500 beginnt in einem Block 505, in dem der Computer 102 den Insassen identifiziert. Zum Beispiel kann der Insasse einen Funkschlüssel verwenden, um das Fahrzeug 100 zu starten, und der Funkschlüssel weist ein RFID-Tag oder dergleichen auf, das den Insassen unter anderen potenziellen Insassen, die das Fahrzeug 100 regelmäßig verwenden, eindeutig spezifiziert. Das RFID-Signal kann mit dem Insassen im Speicher assoziiert sein. Als ein anderes Beispiel kann sich ein Mobiltelefon oder eine mobile Vorrichtung des Insassen z. B. mit einer Benutzerschnittstelle des Fahrzeugs 100 koppeln. Das Mobiltelefon oder die mobile Vorrichtung kann mit dem Insassen im Speicher assoziiert sein. Als ein anderes Beispiel kann der Computer 102 Daten von einer Innenkamera empfangen, die ein Sichtfeld aufweist, das ein Gesicht des Insassen beinhaltet, und kann den Insassen unter Verwendung von bekannten Bilderkennungstechniken identifizieren. Als ein anderes Beispiel kann der Insasse identifizierende Informationen, wie etwa einen Benutzernamen und ein Passwort, in eine Benutzerschnittstelle eingeben.The process 500 begins in a block 505 in which the computer 102 identifies the occupant. For example, the occupant may use a remote key to start the vehicle 100, and the remote key includes an RFID tag or the like that uniquely identifies the occupant among other potential occupants who regularly use the vehicle 100. The RFID signal may be associated with the occupant in memory. As another example, an occupant's cell phone or mobile device may be, e.g. B. couple with a user interface of the vehicle 100. The cell phone or mobile device may be associated with the occupant in memory. As another example, the computer 102 may receive data from an interior camera that has a field of view that includes a face of the occupant, and may identify the occupant using known image recognition techniques. As another example, the occupant may enter identifying information, such as a username and password, into a user interface.

Als Nächstes bestimmt der Computer 102 in einem Block 510 eine Vielzahl von Merkmalen des Insassen. Die Merkmale sind für den Insassen spezifische Fakten. Zum Beispiel können die Merkmale demografische Informationen über den Insassen beinhalten, z. B. Größe, Gewicht, Alter, Geschlecht, Wohnsitzstaat usw. Die demografischen Informationen können im Speicher gespeichert und mit dem Profil des Insassen assoziiert werden. Als ein anderes Beispiel können die Merkmale einen Fahrzeugtyp des Fahrzeugs 100 beinhalten, in dem der Insasse sitzt. Der Computer 102 kann den Typ des Fahrzeugs 100, in dem er installiert ist, im Speicher speichern.Next, in a block 510, the computer 102 determines a variety of characteristics of the occupant. The characteristics are facts specific to the occupant. For example, the characteristics may include demographic information about the occupant, e.g. E.g., height, weight, age, gender, state of residence, etc. The demographic information may be stored in memory and associated with the occupant's profile. As another example, the features may include a vehicle type of vehicle 100 in which the occupant is seated. The computer 102 may store in memory the type of vehicle 100 in which it is installed.

Als Nächstes bestimmt der Computer 102 in einem Entscheidungsblock 515, ob ausreichend Daten über die Sitzpositionen des Insassen gesammelt wurden, damit das Profil nur auf den Daten des Insassen basiert. Zum Beispiel kann der Computer 102 bestimmen, ob sich eine Sammlungsstrecke, d. h. eine Anzahl von Meilen, die das Fahrzeug 100 gefahren ist, während die Sitzpositionen des Insassen aufgezeichnet wurden, über einen Streckenschwellenwert erhöht hat. Der Streckenschwellenwert kann so gewählt sein, dass er ausreichend lang ist, sodass der Computer 102 keine neuen Sitzpositionen mehr sammelt. Als ein anderes Beispiel kann der Computer 102 bestimmen, ob sich eine Sammlungszeit, d. h. eine Sammeldauer, während welcher das Fahrzeug 100 gefahren ist, während die Sitzpositionen des Insassen aufgezeichnet wurden, über einen Zeitschwellenwert erhöht hat. Der Zeitschwellenwert kann so gewählt sein, dass er ausreichend lang ist, sodass der Computer 102 keine neuen Sitzpositionen mehr sammelt. Wenn ausreichend Daten erfasst wurden, geht der Prozess 500 zu einem Block 520 über. Wenn nicht ausreichend Daten erfasst wurden, geht der Prozess 500 zu einem Block 525 über.Next, in a decision block 515, the computer 102 determines whether sufficient data about the occupant's seating positions has been collected so that the profile is based only on the occupant's data. For example, the computer 102 can determine whether a collection route, i.e. H. a number of miles the vehicle traveled while the occupant's seating positions were recorded increased above a distance threshold. The distance threshold may be chosen to be long enough so that the computer 102 no longer collects new seating positions. As another example, the computer 102 may determine whether a collection time, i.e. H. a collection period during which the vehicle 100 was driven while the occupant's seating positions were recorded increased above a time threshold. The time threshold can be chosen to be long enough so that the computer 102 no longer collects new seating positions. If sufficient data has been collected, the process 500 proceeds to a block 520. If insufficient data has been collected, process 500 proceeds to block 525.

In dem Block 520 lädt der Computer 102 ein Profil für den Insassen, das Cluster der Sitzpositionen des Insassen und der Sitzpositionen einer Vielzahl von anderen Insassen aufweist. Die Cluster können auf den Sitzpositionen nur von anderen Insassen basieren, welche die gleichen Merkmale wie der Insasse aufweisen, z. B. einen gleichen Fahrzeugtyp und gleiche demografischen Informationen. Die Sitzpositionen in dem Profil können unter Verwendung von nicht überwachtem Lernen, z. B. bekannten Algorithmen, wie etwa k-Means, hierarchische Aggregation, selbstorganisierende Merkmalskarten usw., in Cluster eingeordnet werden. Der Computer 102 kann Cluster von Insassen mit den gleichen Merkmalen wie der Insasse von einem Remote-Server unter Verwendung des Transceivers 126 abrufen. Die Verwendung von Sitzpositionen von anderen Insassen mit den gleichen Merkmalen stellt eine gute Schätzung der wahrscheinlichen Präferenzen des Insassen in der Situation bereit, in der nicht ausreichend Daten über den Insassen vorliegen. Nach dem Block 520 geht der Prozess 500 zu dem Block 530 über.In block 520, the computer 102 loads a profile for the occupant that includes clusters of the occupant's seating positions and the seating positions of a plurality of other occupants. The clusters can only be used by other occupants in the seating positions based that have the same characteristics as the occupant, e.g. B. the same vehicle type and demographic information. The seating positions in the profile can be determined using unsupervised learning, e.g. B. well-known algorithms, such as k-means, hierarchical aggregation, self-organizing feature maps, etc., can be classified into clusters. The computer 102 may retrieve clusters of occupants with the same characteristics as the occupant from a remote server using the transceiver 126. Using seating positions of other occupants with the same characteristics provides a good estimate of the occupant's likely preferences in the situation where there is insufficient data about the occupant. After block 520, process 500 proceeds to block 530.

In dem Block 525 lädt der Computer 102 ein Profil für den Insassen, das Cluster aufweist, die vollständig auf den Sitzpositionen des Insassen basieren, d. h. nicht auf beliebigen anderen Insassen. Die Sitzpositionen in dem Profil können unter Verwendung von nicht überwachtem Lernen, z. B. bekannten Algorithmen, wie etwa k-Means, hierarchische Aggregation, selbstorganisierende Merkmalskarten usw., in Cluster eingeordnet werden. Nach dem Block 525 geht der Prozess 500 zu einem Block 530 über.In block 525, the computer 102 loads a profile for the occupant that includes clusters based entirely on the occupant's seating positions, i.e., H. not on any other occupants. The seating positions in the profile can be determined using unsupervised learning, e.g. B. well-known algorithms, such as k-means, hierarchical aggregation, self-organizing feature maps, etc., can be classified into clusters. After block 525, process 500 proceeds to block 530.

In dem Block 530 klassifiziert der Computer 102 jedes Cluster in dem geladenen Profil als bevorzugt oder nicht bevorzugt. Der Computer 102 kann einen Algorithmus des maschinellen Lernens zum Klassifizieren von Elementen in eine bekannte Anzahl von Kategorien verwenden, z. B. naive Bayes-, Nearest-Neighbor-, Polynomlassifikatoren, künstliche neuronale Netzwerke usw. Eingaben in den Algorithmus des maschinellen Lernens können eine Dauer des Bleibens in den Sitzpositionen in demselben Cluster, eine Variation unter den Sitzpositionen jedes Clusters, eine Rückkehrzeit vom Wechseln aus einer beliebigen der Sitzpositionen in jedem Cluster zum Wechseln zurück in eine der Sitzpositionen in demselben Cluster usw. beinhalten. Eine höhere Dauer des Bleibens in den Sitzpositionen in einem Cluster erhöht eine Likelihood dafür, dass die Klassifizierung bevorzugt lautet. Eine höhere Variation unter den Sitzpositionen eines Clusters erhöht die Likelihood dafür, dass die Klassifizierung nicht bevorzugt lautet. Eine höhere Rückkehrzeit vom Wechseln aus einer beliebigen der Sitzpositionen in einem Cluster zum Wechseln zurück in eine der Sitzpositionen in demselben Cluster erhöht eine Likelihood dafür, dass die Klassifizierung nicht bevorzugt lautet. Anders ausgedrückt gibt ein längeres Bleiben in einer Sitzposition und ein schnelleres und/oder häufigeres Zurückwechseln in diese Sitzposition an, dass der Insasse diese Sitzposition bevorzugt, und gibt das schnellere Übergehen von einer Sitzposition und ein größere Unruhe in dieser Sitzposition an, dass der Insasse diese Sitzposition nicht bevorzugt. Andere Eingaben können ebenfalls verwendet werden. Trainingsdaten für den Algorithmus des maschinellen Lernen können z. B. durch Experimente erzeugt werden, bei denen Insassen über den Komfort beim Wechseln zwischen unterschiedlichen Sitzpositionen befragt werden. Zum Beispiel können die Trainingsdaten erzeugt werden, indem eine Reihe der Druckkarten 104 von Insassen aufgezeichnet wird und die Insassen aufgefordert werden, zu antworten, ob die Sitzposition bequem oder unbequem ist, während die Insassen ein Fahrzeug fahren. Wenn der antwortende Insasse darlegt, dass eine Sitzposition bequem ist, wird die Sitzposition in den Trainingsdaten als bevorzugt klassifiziert, und wenn der antwortende Insasse darlegt, dass eine Sitzposition unbequem ist, wird die Sitzposition in den Trainingsdaten als nicht bevorzugt klassifiziert, z. B. kann die Klassifizierung eine binäre Auswahl von 1 für bevorzugt und 0 für nicht bevorzugt sein. Alternativ kann jede Sitzposition eine Bewertung für bevorzugt und eine Bewertung für nicht bevorzugt aufweisen und wird die Sitzposition danach klassifiziert, welche der beiden Bewertungen höher ist. Nach dem Block 530 endet der Prozess 500.At block 530, the computer 102 classifies each cluster in the loaded profile as preferred or non-preferred. The computer 102 may use a machine learning algorithm to classify items into a known number of categories, e.g. B. naive Bayes, nearest neighbor, polynomial classifiers, artificial neural networks, etc. Inputs to the machine learning algorithm can include a duration of staying in the sitting positions in the same cluster, a variation among the sitting positions of each cluster, a return time from switching any of the seating positions in each cluster to change back to one of the seating positions in the same cluster, etc. A longer duration of staying in the sitting positions in a cluster increases the likelihood that the classification is preferred. A higher variation among the seating positions of a cluster increases the likelihood that the classification is not preferred. A higher return time from moving from any of the seating positions in a cluster to moving back to any of the seating positions in the same cluster increases a likelihood that the classification is non-preferred. In other words, staying longer in a sitting position and changing back to that sitting position more quickly and/or more frequently indicates that the occupant prefers that sitting position, and transitioning from a sitting position more quickly and being more restless in that sitting position indicates that the occupant prefers it Sitting position not preferred. Other inputs can also be used. Training data for the machine learning algorithm can e.g. B. can be generated through experiments in which occupants are asked about the comfort when changing between different seating positions. For example, the training data may be generated by recording a series of the occupant pressure maps 104 and asking the occupants to respond as to whether the seating position is comfortable or uncomfortable while the occupants are driving a vehicle. If the responding occupant demonstrates that a seating position is comfortable, the seating position is classified as preferred in the training data, and if the responding occupant demonstrates that a seating position is uncomfortable, the seating position is classified as non-preferred in the training data, e.g. B. the classification may be a binary choice of 1 for preferred and 0 for not preferred. Alternatively, each seating position may have a preferred rating and a non-preferred rating, and the seating position is classified according to which of the two ratings is higher. After block 530, process 500 ends.

6 ist ein Prozessablaufdiagramm, das einen beispielhaften Prozesses 600 zum Aktualisieren des Profils des Insassen veranschaulicht. Der Speicher des Computers 102 speichert ausführbare Anweisungen zum Ausführen der Schritte des Prozesses 600 und/oder eine Programmierung kann in Strukturen, wie etwa vorstehend erwähnt, umgesetzt sein. Der Prozess 600 kann z. B. beginnen, wenn das Fahrzeug 100 startet, und fortgesetzt werden, solange das Fahrzeug 100 eingeschaltet ist. Als allgemeiner Überblick über den Prozess 600 lädt der Computer 102 das Profil und empfängt eine Reihe von Druckkarten 104. Jedes Mal, wenn sich die Sitzposition des Insassen ändert, speichert der Computer 102 Daten über die Sitzposition und fügt in Abhängigkeit davon, ob ein Ähnlichkeitsmaß zwischen der Sitzposition und dem nächstgelegenen Cluster größer als ein Schwellenwert ist, die Sitzposition zu dem nächstgelegenen Cluster hinzu oder erstellt einen neuen Cluster. In regelmäßigen Abständen aktualisiert der Computer 102 die Cluster durch Zusammenführen oder Teilen. 6 is a process flow diagram illustrating an example process 600 for updating the occupant's profile. The memory of the computer 102 stores executable instructions for carrying out the steps of the process 600 and/or programming may be implemented in structures such as those mentioned above. The process 600 can e.g. B. begin when the vehicle 100 starts and continue as long as the vehicle 100 is turned on. As a general overview of the process 600, the computer 102 loads the profile and receives a series of pressure maps 104. Each time the occupant's seating position changes, the computer 102 stores data about the seating position and adds a similarity measure depending on whether of the sitting position and the nearest cluster is greater than a threshold, adds the sitting position to the nearest cluster or creates a new cluster. Periodically, the computer 102 updates the clusters by merging or splitting them.

Der Prozess 600 beginnt mit dem Durchführen des vorstehend beschriebenen Prozesses 500, um das Profil für den Insassen zu laden.Process 600 begins by performing process 500 described above to load the profile for the occupant.

Als Nächstes empfängt der Computer 102 in einem Block 605 eine aktuelle Druckkarte 104 von den Drucksensoren 122.Next, in a block 605, the computer 102 receives a current pressure map 104 from the pressure sensors 122.

Als Nächstes bestimmt der Computer 102 in einem Entscheidungsblock 610, ob sich die Sitzposition des Insassen geändert hat. Der Computer 102 kann bestimmen, ob die aktuelle Druckkarte 104 eine andere Sitzposition als die nächstjüngste Druckkarte 104 angibt. Zum Beispiel kann der Computer 102 bestimmen, ob sich beliebige der Werte für den Druck in der Druckkarte 104 um mehr als einen Druckschwellenwert geändert haben. Der Druckschwellenwert kann z. B. auf Grundlage eines bekannten Rauschniveaus des Drucksensors 122 gewählt werden, das z. B. durch empirische Tests bestimmt wurde, durch einen Sensorhersteller spezifiziert wurde usw. Wenn sich die Sitzposition nicht geändert hat, kehrt der Prozess 600 zu dem Block 605 zurück, um die nächste aktuelle Druckkarte 104 zu empfangen. Während der Prozess 600 zwischen den Blöcken 605 und 610 pendelt, empfängt der Computer 102 die Reihe von Druckkarten 104. Wenn sich die Sitzposition geändert hat, geht der Prozess 600 zu einem Block 615 über.Next, in a decision block 610, the computer 102 determines whether the occupant's seating position has changed. The computer 102 may determine whether the current print card 104 indicates a different seating position than the next most recent print card 104. For example, the computer 102 may determine whether any of the pressure values in the pressure card 104 have changed by more than a pressure threshold. The pressure threshold can e.g. B. can be selected based on a known noise level of the pressure sensor 122, which z. B. was determined by empirical testing, was specified by a sensor manufacturer, etc. If the seating position has not changed, the process 600 returns to block 605 to receive the next current pressure map 104. As process 600 shuttles between blocks 605 and 610, computer 102 receives the series of print cards 104. If the seating position has changed, process 600 proceeds to block 615.

In dem Block 615 aktualisiert der Computer 102 das Profil so, dass es die unmittelbar vorherige Sitzposition beinhaltet, d. h. die Sitzposition, aus welcher der Insasse gerade übergegangen ist. Der Computer 102 speichert zudem Daten in Bezug auf diese Sitzposition, beinhaltend die Dauer, für die der Insasse in dieser Sitzposition geblieben ist, und die aktuelle Sitzposition, in die der Insasse gerade übergegangen ist. Diese Daten werden verwendet, wenn in einem nachfolgenden Block 625 die unmittelbar vorhergehende Sitzposition in einen der Cluster eingeordnet wird und die Matrix T aktualisiert wird.In block 615, the computer 102 updates the profile to include the immediately previous seating position, i.e. H. the sitting position from which the occupant has just moved. The computer 102 also stores data related to that seating position, including the length of time the occupant has remained in that seating position and the current seating position to which the occupant has just transitioned. This data is used when, in a subsequent block 625, the immediately preceding sitting position is classified into one of the clusters and the matrix T is updated.

Als Nächstes bestimmt der Computer 102 in einem Entscheidungsblock 620, ob die unmittelbar vorhergehende Sitzposition einem beliebigen der Cluster in dem Profil ausreichend ähnlich ist. Der Computer 102 kann Ähnlichkeitsmaße zwischen der aktuellen Druckkarte 104 und jedem Cluster in dem Profil berechnen. Wenn das höchste Ähnlichkeitsmaß über einer Schwellenähnlichkeit liegt, dann ist die unmittelbar vorhergehende Sitzposition dem entsprechenden Cluster ausreichend ähnlich; andernfalls ist die unmittelbar vorhergehende Sitzposition keinem der Cluster ausreichend ähnlich. Der Ähnlichkeitsschwellenwert kann z. B. experimentell gewählt werden, indem Insassen über den Komfort beim Wechseln zwischen unterschiedlichen Sitzpositionen befragt werden, wie z. B. vorstehend in Bezug auf den Block 530 beschrieben, und ein Wert eines Ähnlichkeitsmaßes identifiziert wird, bei dem sich Meinungen zum Komfort ändern, z. B. ein Wert eines Ähnlichkeitsmaßes, der zu Clustern in den Trainingsdaten mit Sitzpositionen führt, die durch die antwortenden Insassen nahezu einheitlich als bequem oder als unbequem klassifiziert werden, d. h., die Cluster sind nahezu einheitlich bevorzugt oder nicht bevorzugt, z. B. ist mindestens ein Schwellenanteil jedes Clusters bevorzugt oder nicht bevorzugt. Der Schwellenanteil kann so gewählt sein, dass er nahezu einheitlich ist, während Ausreißer berücksichtigt werden, z. B. 95 %. Ein Beispiel für ein Ähnlichkeitsmaß ist die Kullback-Liebler-Divergenz: $D_{K L} (P ‖ Q) = \sum_{x \in X} P (x) log (\frac{P (x)}{Q (x)})$

wobei x eine Variable ist, welche die Positionen der Druckkarte 104 darstellt, P die Druckkarte 104 ist, das als eine Wahrscheinlichkeitsverteilung von Druckwerten über x dargestellt ist, und Q der Schwerpunkt des Clusters von Interesse ist, der als eine Wahrscheinlichkeitsverteilung dargestellt ist. Der Schwerpunkt eines Clusters ist eine Druckkarte 104, bei welcher der Druckwert an jeder Stelle der Mittelwert der Drücke an dieser Stelle über die Druckkarten 104 in diesem Cluster hinweg ist. Ein weiteres Beispiel für ein Ähnlichkeitsmaß ist die Kosinusähnlichkeit, die ein inneres Produkt zwischen der Druckkarte 104 und dem Schwerpunkt des Clusters von Interesse ist, die beide als Vektoren dargestellt sind:

\ddot{A} h n l i c h k e i t = \frac{A \cdot B}{‖ A ‖ \cdot ‖ B ‖}

wobei A die Druckkarte 104 ist, die als Vektor dargestellt ist, und B der Schwerpunkt des Clusters von Interesse ist. Stattdessen könnten andere Ähnlichkeitsmaße verwendet werden, z. B. der euklidische Abstand zum Schwerpunkt, der Mahalanobis-Abstand zum Schwerpunkt usw. Als Reaktion darauf, dass mindestens eines der Ähnlichkeitsmaße zwischen der unmittelbar vorhergehenden Sitzposition und jedem der Cluster über der Schwellenähnlichkeit liegt, geht der Prozess 600 zu einem Block 625 über. Als Reaktion darauf, dass keines der Ähnlichkeitsmaße zwischen der unmittelbar vorhergehenden Sitzposition und jedem der Cluster über der Schwellenähnlichkeit liegt, geht der Prozess 600 zu einem Block 630 über.Next, in a decision block 620, the computer 102 determines whether the immediately preceding sitting position is sufficiently similar to any of the clusters in the profile. The computer 102 may calculate similarity measures between the current print map 104 and each cluster in the profile. If the highest similarity measure is above a threshold similarity, then the immediately preceding sitting position is sufficiently similar to the corresponding cluster; otherwise, the immediately preceding sitting position is not sufficiently similar to any of the clusters. The similarity threshold can e.g. B. can be chosen experimentally by asking occupants about the comfort when changing between different seating positions, such as. B. described above with respect to block 530, and a value of a similarity measure is identified at which opinions about comfort change, e.g. B. a value of a similarity measure that results in clusters in the training data with seating positions that are almost uniformly classified as comfortable or uncomfortable by the responding occupants, ie, the clusters are almost uniformly preferred or not preferred, e.g. B. at least one threshold proportion of each cluster is preferred or not preferred. The threshold proportion can be chosen to be almost uniform while accounting for outliers, e.g. B. 95%. An example of a similarity measure is the Kullback-Liebler divergence:

D_{K L} (P ‖ Q) = \sum_{x \in X} P (x) log (\frac{P (x)}{Q (x)})

where x is a variable representing the positions of the pressure map 104, P is the pressure map 104 represented as a probability distribution of pressure values over x, and Q is the centroid of the cluster of interest, represented as a probability distribution. The centroid of a cluster is a pressure map 104 where the pressure value at each location is the average of the pressures at that location across the pressure maps 104 in that cluster. Another example of a similarity measure is cosine similarity, which is an inner product between the pressure map 104 and the centroid of the cluster of interest, both represented as vectors:

\ddot{A} H n l i c H k e i t = \frac{A \cdot b}{‖ A ‖ \cdot ‖ b ‖}

where A is the pressure map 104, represented as a vector, and B is the centroid of the cluster of interest. Other similarity measures could be used instead, e.g. B. the Euclidean distance to the centroid, the Mahalanobis distance to the centroid, etc. In response to at least one of the similarity measures between the immediately preceding sitting position and each of the clusters being above the threshold similarity, the process 600 proceeds to a block 625. In response to none of the similarity measures between the immediately preceding sitting position and each of the clusters being above the threshold similarity, the process 600 proceeds to a block 630.

In dem Block 625 ordnet der Computer 102 die unmittelbar vorhergehende Sitzposition auf Grundlage der Ähnlichkeitsmaße zwischen dieser Sitzposition und jedem der Cluster in einen der Cluster ein, insbesondere in den Cluster, mit dem diese Sitzposition das höchste Ähnlichkeitsmaß aufweist. Wenn der Insasse länger als eine Schwellenzeit in dieser Sitzposition geblieben ist, ordnet der Computer 102 diese Sitzposition in den Cluster ein, der als bevorzugt klassifiziert ist und das höchste Ähnlichkeitsmaß aufweist. Die Wahrscheinlichkeiten in der Matrix T werden ebenfalls aktualisiert. Nach dem Block 625 geht der Prozess 600 zu einem Entscheidungsblock 635 über.In block 625, the computer 102 classifies the immediately preceding sitting position into one of the clusters based on the similarity measures between that sitting position and each of the clusters, particularly the cluster with which that sitting position has the highest similarity measure. If the occupant has remained in that seating position for longer than a threshold time, the computer 102 places that seating position in the cluster that is classified as preferred and has the highest level of similarity. The probabilities in the matrix T are also updated. After block 625, process 600 proceeds to a decision block 635.

In dem Block 630 erstellt der Computer 102 einen neuen Cluster und ordnet die unmittelbar vorhergehende Sitzposition in den neuen Cluster ein. Der Cluster kann als bevorzugt klassifiziert sein, wenn der Insasse mindestens für die Schwellenzeit in dieser Sitzposition geblieben ist, und andernfalls als nicht bevorzugt. Nach dem Block 630 geht der Prozess 600 zu dem Entscheidungsblock 635 über.In block 630, the computer 102 creates a new cluster and places the immediately previous seating position into the new cluster. The cluster may be classified as preferred if the occupant remained in that seating position for at least the threshold time and as non-preferred otherwise. After block 630, process 600 proceeds to decision block 635.

In dem Entscheidungsblock 635 bestimmt der Computer 102, ob das Profil aktualisiert werden muss. Zum Beispiel kann der Computer 102 bestimmen, ob eine Schwellenaktualisierungszeit seit der letzten Aktualisierung verstrichen ist, d. h., seit der Computer 102 einen Block 640 das letzte Mal ausgeführt hat. Die Schwellenaktualisierungszeit kann so gewählt sein, dass sie ausreichend lang ist, sodass es wahrscheinlich ist, dass eine Überschneidung zwischen zwei Clustern aufgetreten ist. Wenn das Profil nicht aktualisiert werden muss, kehrt der Prozess 600 zu dem Block 605 zurück, um mit dem Empfangen der Reihe von Druckkarten 104 fortzufahren. Wenn das Profil aktualisiert werden muss, geht der Prozess 600 zu einem Block 640 über.In decision block 635, computer 102 determines whether the profile needs to be updated. For example, the computer 102 may determine whether a threshold update time has elapsed since the last update, i.e. that is, since the computer 102 last executed a block 640. The threshold update time can be chosen to be long enough so that it is likely that an overlap between two clusters has occurred. If the profile does not need to be updated, the process 600 returns to block 605 to continue receiving the series of print cards 104. If the profile needs to be updated, the process 600 proceeds to a block 640.

In dem Block 640 kombiniert der Computer 102 beliebige Paare von Clustern, die einander überschneiden, zu einem einzelnen Cluster. Das Kombinieren von zwei Clustern zu einem einzelnen Cluster findet nur statt, wenn die zwei Cluster beide als bevorzugt klassifiziert sind oder beide als nicht bevorzugt klassifiziert sind. Die Matrix T wird entsprechend aktualisiert. Als Nächstes bestimmt der Computer 102 in einem Entscheidungsblock 645, ob das Fahrzeug 100 noch eingeschaltet ist. Wenn das Fahrzeug 100 noch eingeschaltet ist, kehrt der Prozess 600 zu dem Block 605 zurück, um mit dem Empfangen der Reihe von Druckkarten 104 fortzufahren. Wenn das Fahrzeug 100 ausgeschaltet wurde, endet der Prozess 600.In block 640, computer 102 combines any pairs of clusters that overlap into a single cluster. Combining two clusters into a single cluster only occurs if the two clusters are both classified as preferred or both are classified as non-preferred. The matrix T is updated accordingly. Next, in a decision block 645, the computer 102 determines whether the vehicle 100 is still on. If the vehicle 100 is still powered on, the process 600 returns to block 605 to continue receiving the series of print cards 104. When the vehicle 100 has been turned off, the process 600 ends.

7 ist ein Prozessablaufdiagramm, das einen beispielhaften Prozesses 700 zum Einstellen der physischen Konfiguration des Sitzes 106 veranschaulicht. Der Speicher des Computers 102 speichert ausführbare Anweisungen zum Ausführen der Schritte des Prozesses 700 und/oder eine Programmierung kann in Strukturen, wie etwa vorstehend erwähnt, umgesetzt sein. Der Prozess 700 kann gleichzeitig mit dem Prozess 600 ausgeführt werden und kann weiter ausgeführt werden, solange das Fahrzeug 100 eingeschaltet ist. Als ein allgemeiner Überblick über den Prozess 700 identifiziert der Computer 102 den Insassen, empfängt die aktuelle Druckkarte 104, identifiziert den Cluster, zu dem die Druckkarte 104 gehört, und stellt, wenn dieser Cluster nicht bevorzugt ist, die Konfiguration des Sitzes 106 ein, um den Insassen zu ermutigen, eine andere Sitzposition einzunehmen. 7 is a process flow diagram illustrating an example process 700 for adjusting the physical configuration of the seat 106. The memory of the computer 102 stores executable instructions for carrying out the steps of the process 700 and/or programming may be implemented in structures such as those mentioned above. Process 700 may be executed concurrently with process 600 and may continue to execute as long as vehicle 100 is powered on. As a general overview of the process 700, the computer 102 identifies the occupant, receives the current pressure card 104, identifies the cluster to which the pressure card 104 belongs, and if that cluster is not preferred, adjusts the configuration of the seat 106 encourage the occupant to adopt a different seating position.

Der Prozess 700 beginnt in einem Block 705, in dem der Computer 102 den Insassen identifiziert, wie vorstehend in Bezug auf den Block 505 des Prozesses 500 beschrieben.The process 700 begins in a block 705 in which the computer 102 identifies the occupant, as described above with respect to block 505 of the process 500.

Als Nächstes weist der Computer 102 in einem Block 710 die Sitzaktoren 118 und/oder die Blasen 120 an, die physische Konfiguration des Sitzes 106 einzustellen, um z. B. mindestens eines von der Neigung des Sitzes 106, der Höhe des Sitz 106, des Zurücklehnungswinkels des Sitzes 106 oder der Lendenstützposition des Sitzes 106 einzustellen und/oder um einen oder mehrere der Füllstände der Blasen 120 einzustellen. Das Einstellen der physischen Konfiguration des Sitzes 106, d. h. Auswählen, welche Sitzaktoren 118 und/oder Blasen 120 betätigt werden sollen und in welchem Ausmaß, basiert auf einem wahrscheinlichsten Cluster für den Insassen gemäß der Matrix T. Zum Beispiel kann der Computer 102 eine stationäre Matrix T_S berechnen oder sich daran annähern, welche die Wahrscheinlichkeiten dafür darstellt, nach einem willkürlich langen Zeitraum in jedem Cluster zu sein: $T_{S} = lim_{k \to \infty} T^{k} = [\begin{matrix} p_{1} & p_{2} & \dots & p_{N} \\ p_{1} & p_{2} & \dots & p_{N} \\ ⋮ & ⋮ & ⋮ \end{matrix}]$

wobei p_i die Wahrscheinlichkeit dafür ist, nach einem willkürlich langen Zeitraum im i-ten Cluster zu sein. Die Einträge in einer Spalte konvergieren alle zum gleichen Wert p_i. Der stationären Matrix T_s kann sich durch Anheben der Matrix T auf eine hohe Potenz, z. B. T¹⁰, genähert werden. Der Computer 102 kann die physische Konfiguration auf eine Weise einstellen, die den Insassen ermutigt, im wahrscheinlichsten Cluster zu sitzen, d. h. dem Cluster mit dem größten Wert von p_i in der stationären Matrix T_s. Der Computer 102 kann die Ausgabe eines Algorithmus des maschinellen Lernens verwenden, der die möglichen physischen Konfigurationen des Sitzes 106 danach klassifiziert, zu welchem Cluster sie den Insassen am wahrscheinlichsten ermutigen, überzugehen, z. B. naive Bayes-, Nearest-Neighbor-, Polynomlassifikatoren, künstliche neuronale Netzwerke usw. Trainingsdaten für den Algorithmus des maschinellen Lernens können z. B. durch Experimente erzeugt werden, bei denen der Sitz 106 zu unterschiedlichen physischen Konfigurationen geändert wird, während die Druckkarten 104 aufgezeichnet werden, die zeigen, wie sich die Sitzpositionen der Insassen ändern. Die Trainingsdaten beinhalten somit physische Konfigurationen des Sitzes 106 und entsprechende aktuelle und anschließende Sitzpositionen, aus denen der Algorithmus des maschinellen Lernens lernen kann, welche physische Konfiguration die anschließende Sitzposition produzieren kann. Beim Ausführen des Algorithmus des maschinellen Lernens wird die anschließende Sitzposition als der wahrscheinlichste Cluster aus der stationären Matrix T_s ausgewählt.Next, in a block 710, the computer 102 instructs the seat actuators 118 and/or the bladders 120 to adjust the physical configuration of the seat 106, e.g. B. to adjust at least one of the inclination of the seat 106, the height of the seat 106, the recline angle of the seat 106 or the lumbar support position of the seat 106 and / or to adjust one or more of the fill levels of the bladders 120. Setting the physical configuration of the seat 106, ie, selecting which seat actuators 118 and/or bladders 120 to actuate and to what extent, is based on a most likely cluster for the occupant according to the matrix T. For example, the computer 102 may have a stationary matrix Calculate or approximate T _S , which represents the probabilities of being in each cluster after an arbitrarily long period of time:

T_{S} = lim_{k \to \infty} T^{k} = [\begin{matrix} p_{1} & p_{2} & \dots & p_{N} \\ p_{1} & p_{2} & \dots & p_{N} \\ ⋮ & ⋮ & ⋮ \end{matrix}]

where p _i is the probability of being in the i-th cluster after an arbitrarily long period of time. The entries in a column all converge to the same value p _i . The stationary matrix T _s can be increased by raising the matrix T to a high power, e.g. B. T ¹⁰ , can be approximated. The computer 102 may adjust the physical configuration in a manner that encourages the occupant to sit in the most likely cluster, ie, the cluster with the largest value of p _i in the stationary matrix T _s . The computer 102 may use the output of a machine learning algorithm that classifies the possible physical configurations of the seat 106 according to which cluster they are most likely to encourage the occupant to transition to, e.g. B. naive Bayes, nearest neighbor, polynomial classifiers, artificial neural networks, etc. Training data for the machine learning algorithm can e.g. B. can be generated by experiments in which the seat 106 is changed to different physical configurations while the pressure maps 104 are recorded showing how the seating positions of the occupants change. The training data thus includes physical configurations of the seat 106 and corresponding current and subsequent seating positions, from which the machine learning algorithm can learn which physical configuration the subsequent seating position can produce. When running the machine learning algorithm, the subsequent Sitting position selected as the most likely cluster from the stationary matrix T _s .

Als Nächstes empfängt der Computer 102 in einem Block 715 eine aktuelle Druckkarte 104 von den Drucksensoren.Next, in a block 715, the computer 102 receives a current pressure map 104 from the pressure sensors.

Als Nächstes identifiziert der Computer 102 in einem Block 720 den Cluster, zu dem die aktuelle Druckkarte 104 gehört. Der Computer 102 kann unter Verwendung des gleichen Ähnlichkeitsmaßes, das in dem vorstehenden Entscheidungsblock 620 verwendet wurde, bestimmen, zu welchem Cluster die aktuelle Druckkarte 104 das höchste Ähnlichkeitsmaß aufweist.Next, in a block 720, the computer 102 identifies the cluster to which the current print card 104 belongs. The computer 102 may determine which cluster the current print map 104 has the highest similarity measure to using the same similarity measure used in decision block 620 above.

Als Nächstes bestimmt der Computer 102 in einem Entscheidungsblock 725, ob der in dem Block 720 identifizierte Cluster als bevorzugt oder nicht bevorzugt klassifiziert ist. Wenn sich die aktuelle Sitzposition in einem der Cluster befindet, der als nicht bevorzugt klassifiziert ist, geht der Prozess 700 zu einem Block 730 über. Wenn sich die aktuelle Sitzposition in einem der Cluster befindet, der als bevorzugt klassifiziert ist, geht der Prozess 700 zu einem Entscheidungsblock 735 über.Next, in a decision block 725, the computer 102 determines whether the cluster identified in the block 720 is classified as preferred or non-preferred. If the current seating position is in one of the clusters that is classified as non-preferred, the process 700 proceeds to a block 730. If the current seating position is in one of the clusters that is classified as preferred, the process 700 proceeds to a decision block 735.

In dem Block 730 weist der Computer 102 die Sitzaktoren 118 und/oder die Blasen 120 an, die physische Konfiguration des Sitzes 106 einzustellen, um z. B. mindestens eines von der Neigung des Sitzes 106, der Höhe des Sitz 106, des Zurücklehnungswinkels des Sitzes 106 oder der Lendenstützposition des Sitzes 106 einzustellen und/oder um einen oder mehrere der Füllstände der Blasen 120 einzustellen. Das Einstellen der physischen Konfiguration des Sitzes 106, d. h. Auswählen, welche Sitzaktoren 118 und/oder Blasen 120 betätigt werden sollen und in welchem Ausmaß, basiert auf dem Cluster, in den der identifizierte Cluster am wahrscheinlichsten übergeht, gemäß der Matrix T. Der Computer 102 kann die physische Konfiguration auf eine Weise einstellen, die den Insassen ermutigt, von dem identifizierten Cluster zu dem Cluster mit dem wahrscheinlichsten Übergang überzugehen. Der Computer 102 kann die Ausgabe eines Algorithmus des maschinellen Lernens verwenden, der die möglichen physischen Konfigurationen des Sitzes 106 danach klassifiziert, zu welchem Cluster sie den Insassen am wahrscheinlichsten ermutigen, überzugehen, z. B. naive Bayes-, Nearest-Neighbor-, Polynomlassifikatoren, künstliche neuronale Netzwerke usw. Trainingsdaten für den Algorithmus des maschinellen Lernens können z. B. durch Experimente erzeugt werden, bei denen der Sitz 106 zu unterschiedlichen physischen Konfigurationen geändert wird, während die Druckkarten 104 aufgezeichnet werden, die zeigen, wie sich die Sitzpositionen der Insassen ändern. Die Trainingsdaten beinhalten somit physische Konfigurationen des Sitzes 106 und entsprechende aktuelle und anschließende Sitzpositionen, aus denen der Algorithmus des maschinellen Lernens lernen kann, welche physische Konfiguration die anschließende Sitzposition angesichts der aktuellen Sitzposition produzieren kann. Beim Ausführen des Algorithmus des maschinellen Lernens wird die anschließende Sitzposition auf Grundlage der aktuellen Sitzposition aus der Matrix T ausgewählt. Alternativ kann der Cluster mit dem wahrscheinlichsten Übergang, wie vorstehend beschrieben, nur verwendet werden, wenn dieser Cluster als bevorzugt klassifiziert ist. Wenn der Cluster mit dem wahrscheinlichsten Übergang als nicht bevorzugt klassifiziert ist, kann die gleiche Prozedur verwendet werden, jedoch mit dem wahrscheinlichsten Cluster, d. h. dem Cluster mit dem größten Wert von p_i in der stationären Matrix T_s, anstelle des Clusters mit dem wahrscheinlichsten Übergang. Nach dem Block 730 geht der Prozess 700 zu dem Entscheidungsblock 735 über.In block 730, the computer 102 instructs the seat actuators 118 and/or the bladders 120 to adjust the physical configuration of the seat 106, for example. B. to adjust at least one of the inclination of the seat 106, the height of the seat 106, the recline angle of the seat 106 or the lumbar support position of the seat 106 and / or to adjust one or more of the fill levels of the bladders 120. Setting the physical configuration of the seat 106, ie, selecting which seat actuators 118 and/or bladders 120 to actuate and to what extent, is based on the cluster that the identified cluster is most likely to transition into, according to the matrix T. The computer 102 may adjust the physical configuration in a manner that encourages the occupant to transition from the identified cluster to the most likely transition cluster. The computer 102 may use the output of a machine learning algorithm that classifies the possible physical configurations of the seat 106 according to which cluster they are most likely to encourage the occupant to transition to, e.g. B. naive Bayes, nearest neighbor, polynomial classifiers, artificial neural networks, etc. Training data for the machine learning algorithm can e.g. B. can be generated by experiments in which the seat 106 is changed to different physical configurations while the pressure maps 104 are recorded showing how the seating positions of the occupants change. The training data thus includes physical configurations of the seat 106 and corresponding current and subsequent seating positions from which the machine learning algorithm can learn what physical configuration the subsequent seating position can produce given the current seating position. When executing the machine learning algorithm, the subsequent sitting position is selected from the matrix T based on the current sitting position. Alternatively, the cluster with the most likely transition, as described above, may only be used if that cluster is classified as preferred. If the cluster with the most likely transition is classified as non-preferred, the same procedure can be used, but with the most likely cluster, that is, the cluster with the largest value of p _i in the stationary matrix T _s , instead of the cluster with the most likely transition . After block 730, process 700 proceeds to decision block 735.

In dem Entscheidungsblock 735 bestimmt der Computer 102, ob das Fahrzeug 100 noch eingeschaltet ist. Wenn das Fahrzeug 100 noch eingeschaltet ist, kehrt der Prozess 700 zu dem Block 715 zurück, um mit dem Empfangen der Reihe von Druckkarten 104 fortzufahren. Wenn das Fahrzeug 100 ausgeschaltet wurde, endet der Prozess 700.In decision block 735, computer 102 determines whether vehicle 100 is still on. If the vehicle 100 is still powered on, the process 700 returns to block 715 to continue receiving the series of print cards 104. When the vehicle 100 has been turned off, the process 700 ends.

Computerausführbare Anweisungen können von Computerprogrammen zusammengestellt oder interpretiert werden, die unter Verwendung einer Vielfalt von Programmiersprachen und/oder -techniken erstellt wurden, beinhaltend unter anderem, entweder allein oder in Kombination, Java™, C, C++, Visual Basic, Java Script, Perl, HTML usw. Im Allgemeinen empfängt ein Prozessor (z. B. ein Mikroprozessor) Anweisungen, z. B. von einem Speicher, einem computerlesbaren Medium usw., und führt diese Anweisungen aus, wodurch er einen oder mehrere Prozesse durchführt, beinhaltend einen oder mehrere der in dieser Schrift beschriebenen Prozesse. Derartige Anweisungen und andere Daten können unter Verwendung einer Vielfalt von computerlesbaren Medien gespeichert und übertragen werden. Eine Datei in einer vernetzten Vorrichtung ist im Allgemeinen eine Sammlung von Daten, die auf einem computerlesbaren Medium, wie etwa einem Speichermedium, einem Direktzugriffsspeicher usw. gespeichert ist. Ein computerlesbares Medium beinhaltet ein beliebiges Medium, das an der Bereitstellung von Daten (z. B. Anweisungen) beteiligt ist, die von einem Computer gelesen werden können. Ein derartiges Medium kann viele Formen annehmen, beinhaltend unter anderem nicht flüchtige Medien, flüchtige Medien usw. Nicht flüchtige Medien beinhalten zum Beispiel optische oder magnetische Platten und andere Dauerspeicher. Flüchtige Medien beinhalten dynamischen Direktzugriffsspeicher (dynamic random access memory - DRAM), der in der Regel einen Hauptspeicher darstellt. Gängige Formen computerlesbarer Medien beinhalten beispielsweise eine Diskette, eine Folienspeicherplatte, eine Festplatte, ein Magnetband, ein beliebiges anderes magnetisches Medium, eine CD-ROM, eine DVD, ein beliebiges anderes optisches Medium, Lochkarten, Lochstreifen, ein beliebiges anderes physisches Medium mit Lochmustern, einen RAM, einen PROM, einen EPROM, einen FLASH-EEPROM, einen beliebigen anderen Speicherchip oder eine beliebige andere Speicherkassette oder ein beliebiges anderes Medium, das von einem Computer gelesen werden kann.Computer-executable instructions may be composed or interpreted by computer programs created using a variety of programming languages and/or techniques including, but not limited to, either alone or in combination, Java™, C, C++, Visual Basic, Java Script, Perl, HTML etc. Generally, a processor (e.g. a microprocessor) receives instructions, e.g. B. from a memory, a computer-readable medium, etc., and executes these instructions, thereby performing one or more processes, including one or more of the processes described in this document. Such instructions and other data may be stored and transmitted using a variety of computer-readable media. A file in a networked device is generally a collection of data stored on a computer-readable medium, such as a storage medium, random access memory, etc. A computer-readable medium includes any medium that is involved in providing data (e.g., instructions) that can be read by a computer. Such media may take many forms, including, but not limited to, non-volatile media, volatile media, etc. Non-volatile media includes, for example, optical or magnetic disks and other persistent storage devices. Volatile media includes dynamic random access memory (DRAM), which is typically represents a main memory. Common forms of computer-readable media include, for example, a floppy disk, a foil disk, a hard drive, a magnetic tape, any other magnetic medium, a CD-ROM, a DVD, any other optical medium, punched cards, punched tape, any other physical medium with hole patterns, a RAM, a PROM, an EPROM, a FLASH-EEPROM, any other memory chip or memory cartridge, or any other medium that can be read by a computer.

Die Offenbarung wurde auf veranschaulichende Weise beschrieben und es versteht sich, dass die Terminologie, die verwendet wurde, beschreibenden und nicht einschränkenden Charakters sein soll. Die Verwendung von „als Reaktion auf‟ und „nach (dem) Bestimmen“ gibt eine kausale Beziehung an, nicht nur eine rein temporale Beziehung. In Anbetracht der vorstehenden Lehren sind viele Modifikationen und Variationen der vorliegenden Offenbarung möglich und kann die Offenbarung anders als konkret beschrieben umgesetzt werden. Gemäß der vorliegenden Erfindung wird ein Computer bereitgestellt, der einen Prozessor und einen Speicher aufweist, der durch den Prozessor ausführbare Anweisungen speichert zum: Empfangen einer Reihe von Druckkarten, die eine jeweilige Reihe von Sitzpositionen eines Insassen auf einem Sitz angibt, wobei die Druckkarten eine aktuelle Druckkarte beinhalten; Aktualisieren eines Profils des Insassen auf Grundlage der Druckkarten, wobei das Profil eine Vielzahl von Clustern von Sitzpositionen und Klassifizierungen der Cluster als bevorzugt oder nicht bevorzugt beinhaltet und das Aktualisieren des Profils Einordnen einer der Sitzpositionen in einen der Cluster, der als bevorzugt klassifiziert ist, als Reaktion darauf, dass der Insasse länger als eine Schwellenzeit in dieser Sitzposition bleibt, beinhaltet; und Einstellen einer physischen Konfiguration des Sitzes als Reaktion darauf, dass sich die aktuelle Sitzposition in einem der Cluster befindet, der als nicht bevorzugt klassifiziert ist.The disclosure has been described in an illustrative manner, and it is understood that the terminology used is intended to be descriptive rather than limiting. The use of “in response to” and “after determining” indicates a causal relationship, not just a purely temporal relationship. Many modifications and variations of the present disclosure are possible in light of the above teachings, and the disclosure may be implemented other than as specifically described. According to the present invention, there is provided a computer having a processor and a memory storing instructions executable by the processor for: receiving a series of print cards indicating a respective row of seating positions of an occupant on a seat, the print cards representing a current Include print card; updating a profile of the occupant based on the pressure maps, the profile including a plurality of clusters of seating positions and classifications of the clusters as preferred or non-preferred, and updating the profile classifying one of the seating positions into one of the clusters classified as preferred Responding to the occupant remaining in that seating position for longer than a threshold time includes; and adjusting a physical configuration of the seat in response to the current seating position being in one of the clusters that is classified as non-preferred.

Gemäß einer Ausführungsform basiert das Einstellen der physischen Konfiguration des Sitzes auf dem einen der Cluster, in den der Cluster, der die aktuelle Sitzposition beinhaltet, am wahrscheinlichsten übergeht.According to one embodiment, adjusting the physical configuration of the seat is based on which one of the clusters the cluster containing the current seating position is most likely to transition into.

Gemäß einer Ausführungsform beinhaltet das Profil eine Wahrscheinlichkeitsmatrix des Übergangs von jeweiligen Clustern in jeweilige andere Cluster und basiert die Matrix auf der Reihe von Druckkarten.According to one embodiment, the profile includes a probability matrix of transition from respective clusters to respective other clusters and bases the matrix on the series of pressure maps.

Gemäß einer Ausführungsform beinhalten die Anweisungen Anweisungen zum Einordnen jeder der Reihe von Sitzpositionen in einen der Cluster auf Grundlage von Ähnlichkeitsmaßen zwischen dieser Sitzposition und jedem der Cluster.According to one embodiment, the instructions include instructions for classifying each of the series of seating positions into one of the clusters based on similarity measures between that seating position and each of the clusters.

Gemäß einer Ausführungsform beinhalten die Anweisungen Anweisungen zum, als Reaktion darauf, dass keines der Ähnlichkeitsmaße zwischen einer der Sitzpositionen und jedem der Cluster über einer Schwellenähnlichkeit liegt, Erstellen eines neuen Clusters und Einordnen dieser Sitzposition in den neuen Cluster.According to one embodiment, the instructions include instructions for, in response to none of the similarity measures between any of the seating positions and each of the clusters being above a threshold similarity, creating a new cluster and classifying that seating position into the new cluster.

Gemäß einer Ausführungsform basieren die Cluster auf den Sitzpositionen einer Vielzahl von anderen Insassen.According to one embodiment, the clusters are based on the seating positions of a plurality of other occupants.

Gemäß einer Ausführungsform beinhalten die Anweisungen Anweisungen zum Bestimmen einer Vielzahl von Merkmalen des Insassen und wobei die Cluster nur auf den Sitzpositionen des Insassen und der anderen Insassen mit den gleichen Merkmalen wie der Insasse basieren. Gemäß einer Ausführungsform beinhalten die Merkmale einen Fahrzeugtyp, in dem die jeweiligen Insassen in den Sitzpositionen gesessen haben.According to one embodiment, the instructions include instructions for determining a plurality of characteristics of the occupant and wherein the clusters are based only on the seating positions of the occupant and the other occupants with the same characteristics as the occupant. According to one embodiment, the features include a vehicle type in which the respective occupants were seated in the seating positions.

Gemäß einer Ausführungsform beinhalten die Merkmale demografische Informationen über die Insassen.According to one embodiment, the features include demographic information about the occupants.

Gemäß einer Ausführungsform basieren die Cluster mindestens teilweise auf den Sitzpositionen der anderen Insassen, bis sich eine Sammlungsstrecke oder eine Sammlungszeit der Reihe von Druckkarten des Insassen über einen jeweiligen Streckenschwellenwert oder Zeitschwellenwert erhöht, nach dem die Cluster vollständig auf der Reihe von Sitzpositionen des Insassen basieren.According to one embodiment, the clusters are based at least in part on the seating positions of the other occupants until a collection distance or a collection time of the occupant's series of pressure cards increases above a respective distance threshold or time threshold, after which the clusters are based entirely on the series of occupants' seating positions.

Gemäß einer Ausführungsform beinhalten die Anweisungen Anweisungen zum Klassifizieren jedes Clusters als bevorzugt oder nicht bevorzugt auf Grundlage einer Dauer des Bleibens in den Sitzpositionen in diesem Cluster und wobei eine höhere Dauer eine Likelihood dafür erhöht, dass die Klassifizierung bevorzugt lautet.According to one embodiment, the instructions include instructions for classifying each cluster as preferred or non-preferred based on a duration of remaining in the seating positions in that cluster, and where a higher duration increases a likelihood that the classification is preferred.

Gemäß einer Ausführungsform beinhalten die Anweisungen Anweisungen zum Klassifizieren jedes Clusters als bevorzugt oder nicht bevorzugt auf Grundlage einer Variation unter den Sitzpositionen in diesem Cluster und wobei eine höhere Variation eine Likelihood dafür erhöht, dass die Klassifizierung nicht bevorzugt lautet.According to one embodiment, the instructions include instructions for classifying each cluster as preferred or non-preferred based on variation among the seating positions in that cluster, and wherein higher variation increases a likelihood that the classification is non-preferred.

Gemäß einer Ausführungsform beinhalten die Anweisungen Anweisungen zum Klassifizieren jedes Clusters als bevorzugt oder nicht bevorzugt auf Grundlage einer Rückkehrzeit vom Wechseln aus einer beliebigen der Sitzpositionen in diesem Cluster zum Wechseln zurück in eine der Sitzpositionen in diesem Cluster und wobei eine höhere Rückkehrzeit eine Likelihood dafür erhöht, dass die Klassifizierung nicht bevorzugt lautet.According to one embodiment, the instructions include instructions for classifying each cluster as preferred or non-preferred based on a return time from changing from any of the seating positions therein Cluster to change back to one of the seating positions in that cluster and where a higher return time increases a likelihood that the classification is not preferred.

Gemäß einer Ausführungsform beinhalten die Anweisungen Anweisungen zum Kombinieren von zwei Clustern zu einem einzelnen Cluster auf Grundlage einer Überschneidung zwischen den zwei Clustern.According to one embodiment, the instructions include instructions for combining two clusters into a single cluster based on an overlap between the two clusters.

Gemäß einer Ausführungsform findet das Kombinieren von zwei Clustern nur statt, wenn die zwei Cluster beide als bevorzugt klassifiziert sind oder beide als nicht bevorzugt klassifiziert sind.According to one embodiment, combining two clusters only occurs if the two clusters are both classified as preferred or both are classified as non-preferred.

Gemäß einer Ausführungsform beinhalten die Anweisungen Anweisungen zum Identifizieren des Insassen und Laden des Profils des Insassen auf Grundlage der Identifizierung des Insassen. Gemäß der vorliegenden Erfindung wird ein System bereitgestellt, das Folgendes aufweist: einen Sitz mit einer physischen Konfiguration, die einstellbar ist; und einen Computer, der kommunikativ an den Sitz gekoppelt ist; wobei der Computer zu Folgendem programmiert ist: Empfangen einer Reihe von Druckkarten, die eine jeweilige Reihe von Sitzpositionen eines Insassen auf dem Sitz angibt, wobei die Druckkarten eine aktuelle Druckkarte beinhalten; Aktualisieren eines Profils des Insassen auf Grundlage der Druckkarten, wobei das Profil eine Vielzahl von Clustern von Sitzpositionen und Klassifizierungen der Cluster als bevorzugt oder nicht bevorzugt beinhaltet und das Aktualisieren des Profils Einordnen einer der Sitzpositionen in einen der Cluster, der als bevorzugt klassifiziert ist, als Reaktion darauf, dass der Insasse länger als eine Schwellenzeit in dieser Sitzposition bleibt, beinhaltet; und Einstellen der physischen Konfiguration des Sitzes als Reaktion darauf, dass sich die aktuelle Sitzposition in einem der Cluster befindet, der als nicht bevorzugt klassifiziert ist.According to one embodiment, the instructions include instructions for identifying the occupant and loading the occupant's profile based on the occupant's identification. According to the present invention there is provided a system comprising: a seat having a physical configuration that is adjustable; and a computer that is communicatively coupled to the seat; wherein the computer is programmed to: receive a series of pressure cards indicating a respective series of seating positions of an occupant on the seat, the pressure cards including a current pressure card; updating a profile of the occupant based on the pressure maps, the profile including a plurality of clusters of seating positions and classifications of the clusters as preferred or non-preferred, and updating the profile classifying one of the seating positions into one of the clusters classified as preferred Responding to the occupant remaining in that seating position for longer than a threshold time includes; and adjusting the physical configuration of the seat in response to the current seating position being in one of the clusters that is classified as non-preferred.

Gemäß einer Ausführungsform beinhaltet die physische Konfiguration mindestens eines von einer Neigung des Sitzes, einer Höhe des Sitzes, eines Zurücklehnungswinkels des Sitzes oder einer Lendenstützposition des Sitzes.According to one embodiment, the physical configuration includes at least one of a tilt of the seat, a height of the seat, a recline angle of the seat, and a lumbar support position of the seat.

Gemäß einer Ausführungsform beinhaltet der Sitz eine Sitzfläche, die eine Vielzahl von Blasen beinhaltet, und beinhaltet die physische Konfiguration Füllstände der jeweiligen Blasen.According to one embodiment, the seat includes a seating surface that includes a plurality of bladders and includes the physical configuration of fill levels of the respective bladders.

Gemäß der vorliegenden Erfindung beinhaltet ein Verfahren Folgendes: Empfangen einer Reihe von Druckkarten, die eine jeweilige Reihe von Sitzpositionen eines Insassen auf einem Sitz angibt, wobei die Druckkarten eine aktuelle Druckkarte beinhalten; Aktualisieren eines Profils des Insassen auf Grundlage der Druckkarten, wobei das Profil eine Vielzahl von Clustern von Sitzpositionen und Klassifizierungen der Cluster als bevorzugt oder nicht bevorzugt beinhaltet und das Aktualisieren des Profils Einordnen einer der Sitzpositionen in einen der Cluster, der als bevorzugt klassifiziert ist, als Reaktion darauf, dass der Insasse länger als eine Schwellenzeit in dieser Sitzposition bleibt, beinhaltet; und Einstellen einer physischen Konfiguration des Sitzes als Reaktion darauf, dass sich die aktuelle Sitzposition in einem der Cluster befindet, der als nicht bevorzugt klassifiziert ist.According to the present invention, a method includes: receiving a series of pressure cards indicating a respective series of seating positions of an occupant in a seat, the pressure cards including a current pressure card; updating a profile of the occupant based on the pressure maps, the profile including a plurality of clusters of seating positions and classifications of the clusters as preferred or non-preferred, and updating the profile classifying one of the seating positions into one of the clusters classified as preferred Responding to the occupant remaining in that seating position for longer than a threshold time includes; and adjusting a physical configuration of the seat in response to the current seating position being in one of the clusters that is classified as non-preferred.

Claims

Method comprising: receiving a series of pressure maps indicating a respective series of seating positions of an occupant in a seat, the pressure maps including a current pressure map; updating a profile of the occupant based on the pressure maps, the profile including a plurality of clusters of seating positions and classifications of the clusters as preferred or non-preferred, and updating the profile classifying one of the seating positions into one of the clusters classified as preferred Responding to the occupant remaining in that seating position for longer than a threshold time includes; and Adjusting a physical configuration of the seat in response to the current seating position being in one of the clusters that is classified as non-preferred.

Procedure according to Claim 1 , where setting the physical configuration of the seat is based on which one of the clusters the cluster containing the current seating position is most likely to transition into.

Procedure according to Claim 2 , where the profile includes a probability matrix of transition from respective clusters to respective other clusters and the matrix is based on the series of pressure maps.

Procedure according to Claim 1 , further comprising classifying each of the series of seating positions into one of the clusters based on similarity measures between that seating position and each of the clusters.

Procedure according to Claim 4 , further comprising, in response to none of the similarity measures between any of the seating positions and each of the clusters being above a threshold similarity, creating a new cluster and classifying that seating position into the new cluster.

Procedure according to Claim 1 , with the clusters based on the seating positions of a variety of other occupants.

Procedure according to Claim 6 , further comprising determining a plurality of characteristics of the occupant and wherein the clusters are based only on the seating positions of the occupant and the other occupants with the same characteristics as the occupant.

Procedure according to Claim 6 , wherein the clusters are based at least in part on the seating positions of the other occupants until a collection distance or a collection time of the occupant's series of pressure cards increases above a respective distance threshold or time threshold, after which the clusters are based entirely on the series of occupants' seating positions.

Procedure according to Claim 1 , further comprising classifying each cluster as preferred or non-preferred based on a duration of remaining in the sitting positions in that cluster, and wherein a higher duration increases a likelihood that the classification is preferred.

Procedure according to Claim 1 , further comprising classifying each cluster as preferred or non-preferred based on variation among the seating positions in that cluster, and wherein higher variation increases a likelihood that the classification is non-preferred.

Procedure according to Claim 1 , further comprising classifying each cluster as preferred or non-preferred based on a return time from changing from any of the seating positions in that cluster to changing back to one of the seating positions in that cluster, and wherein a higher return time increases a likelihood that the classification is not preferred is.

Procedure according to Claim 1 , further comprising combining two clusters into a single cluster based on an overlap between the two clusters, wherein combining two clusters occurs only if the two clusters are both classified as preferred or both are classified as non-preferred.

Computer comprising a processor and a memory storing instructions executable by the processor for carrying out the method according to one of the Claims 1 - 12 to carry out.

System comprising: a seat having a physical configuration that is adjustable; and the computer Claim 13 , which is communicatively linked to the seat; wherein the physical configuration includes at least one of a tilt of the seat, a height of the seat, a recline angle of the seat, and a lumbar support position of the seat.

System after Claim 14 , wherein the seat includes a seating surface that includes a plurality of bladders, and the physical configuration includes levels of the respective bladders.