【０００１】
【発明の属する技術分野】
本発明は、制御対象の運転状況を抽出する方法に係り、特に、連続して変化する多種多様な運転状況からそれぞれの運転状況の抽出を行うのに好適な運転状況抽出方法に関する。
【０００２】
【従来の技術】
従来、車両の運転状況の抽出は、運転者や環境などにより変化する状況に応じて燃費や動力性能等を変化させられることから、制御特性の最適化の幅が広がる点で重視されている。
また、車両などの非線形な制御特性を有する制御対象の運転状況は、制御結果のデータを各種センサによって検出し、その検出結果に基づいてその時点の運転状況がどのようなものかを判断していた。運転状況は、市街地の走行、高速道路の走行、山岳路の走行などの走行場所、渋滞などの交通状況、運転者の操作内容等によって大きく変化するものである。従って、多種多様な運転状況に対応した制御を行うためには、これら運転状況を正確に判断する必要がある。
【０００３】
【発明が解決しようとする課題】
しかしながら、運転状況の変化は連続であり、且つ、急激な変化を伴うこともあり得る。加えて、各運転状況間は互いに似たような状況も含む点から内包の関係になり得るため、単純に運転状況を規定することはできないという問題があった。
【０００４】
そこで、本発明は、このような従来の技術の有する未解決の課題に着目してなされたものであって、連続して変化する多種多様な運転状況からそれぞれの運転状況を抽出するのに好適な運転状況抽出方法、運転状況抽出装置、制御対象の制御装置及び運転状況抽出プログラムを提供することを目的としている。
【０００５】
【課題を解決するための手段】
上記目的を達成するために、本発明に係る請求項１記載の運転状況抽出方法は、制御対象の制御結果を示す時系列信号を、原信号の急峻な変化成分を保持しながら平滑化する特性を有するフィルタによってフィルタ処理し、更に、このフィルタ処理した信号を所定のクラスタリング方法によってクラスタリングして、このクラスタリング結果に含まれる各クラスタを制御対象の運転状況として抽出することを特徴としている。
【０００６】
つまり、原信号の急峻な変化成分を保持しながら平滑化する特性を有するフィルタによるフィルタ処理を行った後でクラスタリングを行うことにより、クラスタリング対象となる時系列データの特徴を明確化し、クラスタリングを容易にすることができる。このことから、制御対象から観測される連続性を有する時系列データを運転状況として抽出し、それぞれを明確化することが可能となる。
【０００７】
ここで、原信号とは、制御対象から検出される制御結果の信号そのもののことであり、信号の伝送途中においてノイズ等が混入する前の信号のことである。
また、請求項２に係る発明は、請求項１記載の運転状況抽出方法において、前記フィルタ処理において、前記時系列信号に含まれる複数のデータを、当該複数のデータとその平均値との距離に基づいたデータに変換することを特徴としている。
【０００８】
つまり、複数データとその平均値との距離を利用したフィルタ処理を行うことで、同傾向のデータの集合性を高められることによるクラスタリングの補助と、急激なデータの変化を状況の変化として認識が可能となる。
また、請求項３に係る発明は、請求項１又は請求項２記載の運転状況抽出方法において、前記制御対象が車両であることを特徴としている。
【０００９】
つまり、制御対象を、運転者の操作内容や走行場所等によって多種多様な運転状況が発生する車両とすることで、効果的な運転状況の抽出を行うことが可能となる。
また、請求項４に係る発明は、請求項２又は請求項３記載の運転状況抽出方法において、前記車両から観測する時系列信号は、車両操作機器の操作量の情報を含む信号であることを特徴としている。
【００１０】
つまり、車両から観測する時系列信号を、例えば、スロットル、ブレーキ、ハンドルなどの車両操作機器の操作量の情報を含む信号とし、この信号をフィルタ処理及びクラスタリング処理することで、運転者の意図を反映した運転状況の抽出が可能となる。なお、このときの有段変速機のギアの位置や無段変速機の変速比なども運転状況に反映させても良い。
【００１１】
また、請求項５に係る発明は、請求項２乃至請求項４記載の運転状況算出方法において、前記車両から観測する時系列信号は、車両操作機器の操作速度の情報を含む信号であることを特徴としている。
つまり、車両から観測する時系列信号を、例えば、スロットル、ブレーキ、ハンドルなどの車両操作機器の操作速度の情報を含む信号とし、この信号をフィルタ処理及びクラスタリング処理することで、運転者の意図を反映した運転状況の抽出が可能となる。なお、このときの有段変速機のギアの位置や無段変速機の変速比なども運転状況に反映させても良い。
【００１２】
また、請求項６に係る発明は、請求項２乃至請求項５のいずれか１項に記載の運転状況抽出方法において、前記車両から観測する時系列信号は、エンジン回転数、車両の速度及びモータ回転数のうち少なくとも一の情報を含む信号であることを特徴としている。
つまり、車両から観測する時系列信号を、エンジン回転数、車両の速度及びモータ回転数のうち少なくとも一の情報を含む信号とし、この信号をフィルタ処理及びクラスタリング処理することで、運転者の意図を反映した運転状況の抽出が可能となる。
【００１３】
また、請求項７に係る発明は、請求項２乃至請求項６のいずれか１項に記載の運転状況抽出方法において、前記車両から観測する時系列信号は、エンジン回転数、車両の速度及びモータ回転数のうち少なくとも一の変化速度の情報を含む信号であることを特徴としている。
つまり、車両から観測する時系列信号を、エンジン回転数、車両の速度及びモータ回転数のうち少なくとも一の変化速度の情報を含む信号とし、この信号をフィルタ処理及びクラスタリング処理することで、運転者の意図を反映した運転状況の抽出が可能となる。
【００１４】
また、請求項８に係る発明は、請求項１乃至請求項７のいずれか１項に記載の運転状況抽出方法において、前記制御対象の運転中に前記運転状況の抽出処理を行うことを特徴としている。
つまり、実際の制御対象の運転中に処理を行うことで、時々刻々と変化する運転状況の抽出が可能となり、その抽出結果のより効果的な利用が可能となる。
【００１５】
また、請求項９に係る発明は、請求項１乃至請求項８のいずれか１項に記載の運転状況抽出方法において、前記クラスタリング方法は、ＩＳＯＤＡＴＡ（Ｉｔｅｒａｔｉｖｅ Ｓｅｌｆ−Ｏｒｇａｎｉｚｉｎｇ Ｄａｔａ Ａｎａｌｙｓｉｓ Ｔｅｃｈｎｉｑｕｅ Ａ）法であることを特徴としている。
つまり、クラスタリング方法を、教師無し分類法の中でも非階層的クラスタリングに属するＩＳＯＤＡＴＡ法とすることで、どのようなクラスが存在するか不明確な制御対象にも対応させることが可能となる。また、非階層的クラスタリングは、クラスタ間の構成要素を組み換えることにより分離度の高いクラスタが求められ、初期値の設定が難しい条件下においても、初期設定がクラスタ数と閾値だけでクラスタリングを行うことができるといった利点を有している。
【００１６】
また、本発明に係る請求項１０記載の運転状況抽出装置は、制御対象の制御結果を示す時系列信号を、原信号の急峻な変化成分を保持しながら平滑化する特性を有するフィルタによってフィルタ処理するフィルタ処理手段と、このフィルタ処理した信号を所定のクラスタリング方法によってクラスタリングするクラスタリング手段と、このクラスタリング結果に含まれるクラスタに基づき前記制御対象の各制御特性の運転状況を抽出する運転状況抽出手段と、を備えることを特徴としている。
【００１７】
このような構成であれば、ファイルタ処理手段によって、制御対象からの時系列信号を原信号の急峻な変化成分を保持しながら平滑化することが可能なフィルタによりフィルタ処理することが可能であり、クラスタリング手段によって、フィルタ処理された信号を所定のクラスタリング方法によってクラスタリングすることが可能であり、運転状況抽出手段によって、クラスタリングされた各クラスタに基づき制御対象の運転状況を抽出することが可能である。
【００１８】
従って、原信号の急峻な変化成分を保持しながら平滑化する特性を有するフィルタによるフィルタ処理とクラスタリングを組み合わせることにより、クラスタリング対象となる時系列データの特徴を明確化し、クラスタリングを容易にすることができる。このことから、制御対象から観測される連続性を有する時系列データを運転状況として抽出し、それぞれを明確化することが可能となる。
【００１９】
また、請求項１１に係る発明は、請求項１０記載の運転状況抽出装置において、前記フィルタ処理手段は、前記フィルタ処理において、前記時系列信号に含まれる複数のデータを、当該複数のデータとその平均値との距離に基づいたデータに変換することを特徴としている。
つまり、複数データとその平均値との距離を利用したフィルタ処理を行うことで、同傾向のデータの集合性を高められることによるクラスタリングの補助と、急激なデータの変化を状況の変化として認識が可能となる。
【００２０】
また、請求項１２に係る発明は、請求項１０又は請求項１１記載の運転状況抽出装置において、前記制御対象が車両であることを特徴としている。
つまり、制御対象を、運転者の操作内容や走行場所等によって多種多様な運転状況が発生する車両とすることで、効果的な運転状況の抽出を行うことが可能となる。
【００２１】
また、請求項１３に係る発明は、請求項１２記載の運転状況抽出装置において、前記車両から観測する時系列信号は、車両操作機器の操作量の情報を含む信号であることを特徴としている。
つまり、車両から観測する時系列信号を、例えば、スロットル、ブレーキ、ハンドルなどの車両操作機器の情報を含む信号とし、この信号をフィルタ処理及びクラスタリング処理することで、運転者の意図を反映した運転状況の抽出が可能となる。なお、このときの有段変速機のギアの位置や無段変速機の変速比なども運転状況に反映させても良い。
【００２２】
また、請求項１４に係る発明は、請求項１２又は請求項１３記載の運転状況抽出装置において、前記車両から観測する時系列信号は、車両操作機器の操作速度の情報を含む信号であることを特徴としている。
つまり、車両から観測する時系列信号を、例えば、スロットル、ブレーキ、ハンドルなどの車両操作機器の情報を含む信号とし、この信号をフィルタ処理及びクラスタリング処理することで、運転者の意図を反映した運転状況の抽出が可能となる。なお、このときの有段変速機のギアの位置や無段変速機の変速比なども運転状況に反映させても良い。
【００２３】
また、請求項１５に係る発明は、請求項１２乃至請求項１４のいずれか１項に記載の運転状況抽出装置において、前記車両から観測する時系列信号は、エンジン回転数、車両の速度及びモータ回転数のうち少なくとも一の情報を含む信号であることを特徴としている。
つまり、車両から観測する時系列信号を、エンジン回転数、車両の速度及びモータ回転数のうち少なくとも一の情報を含む信号とし、この信号をフィルタ処理及びクラスタリング処理することで、運転者の意図を反映した運転状況の抽出が可能となる。
【００２４】
また、請求項１６に係る発明は、請求項１２乃至請求項１５のいずれか１項に記載の運転状況抽出装置において、前記車両から観測する時系列信号は、エンジン回転数、車両の速度及びモータ回転数のうち少なくとも一の変化速度の情報を含む信号であることを特徴としている。
つまり、車両から観測する時系列信号を、エンジン回転数、車両の速度及びモータ回転数のうち少なくとも一の変化速度の情報を含む信号とし、この信号をフィルタ処理及びクラスタリング処理することで、運転者の意図を反映した運転状況の抽出が可能となる。
【００２５】
また、請求項１７に係る発明は、請求項１０乃至請求項１６のいずれか１項に記載の運転状況抽出装置において、前記制御対象の運転中に前記運転状況の抽出処理を行うことを特徴としている。
つまり、実際の制御対象の運転中に処理を行うことで、時々刻々と変化する運転状況の抽出が可能となり、その抽出結果のより効果的な利用が可能となる。
【００２６】
また、請求項１８に係る発明は、請求項１０乃至請求項１７のいずれか１項に記載の運転状況抽出装置において、前記クラスタリング方法は、ＩＳＯＤＡＴＡ（Ｉｔｅｒａｔｉｖｅ Ｓｅｌｆ−Ｏｒｇａｎｉｚｉｎｇ Ｄａｔａ Ａｎａｌｙｓｉｓ Ｔｅｃｈｎｉｑｕｅ Ａ）法であることを特徴としている。
つまり、クラスタリング方法を、教師無し分類法の中でも非階層的クラスタリングに属するＩＳＯＤＡＴＡ法とすることで、どのようなクラスが存在するか不明確な制御対象にも対応させることが可能となる。
【００２７】
また、本発明に係る請求項１９記載の制御対象の制御装置は、請求項１０乃至請求項１８のいずれか１項に記載の運転状況抽出装置と、当該運転状況抽出装置の抽出結果に基づき、前記制御対象に係る非線形制御特性を適切なものに切り替える制御特性切り替え手段と、を備えることを特徴としている。
このような構成であれば、制御特性切り替え手段によって、運転状況抽出装置の抽出結果に基づき制御対象に係る非線形制御特性を適切なものに切り替えることが可能となるので、運転状況に最も適した非線形制御特性を選択することが可能となる。
【００２８】
また、本発明に係る請求項２０記載の運転状況抽出プログラムは、コンピュータ実行可能なプログラムであって、制御対象の制御結果を示す時系列信号を、原信号の急峻な変化成分を保持しながら平滑化する特性を有するフィルタによってフィルタ処理し、更に、このフィルタ処理した信号を所定のクラスタリング方法によってクラスタリングして、このクラスタリング結果に含まれる各クラスタを制御対象の運転状況として抽出することを特徴としている。
【００２９】
つまり、原信号の急峻な変化成分を保持しながら平滑化する特性を有するフィルタによるフィルタ処理とクラスタリングを組み合わせることにより、クラスタリング対象となる時系列データの特徴を明確化し、クラスタリングを容易にすることができる。このことから、制御対象から観測される連続性を有する時系列データを運転状況として抽出し、それぞれを明確化することが可能となる。
【００３０】
【発明の実施の形態】
以下、本発明の実施の形態を図面に基づき説明する。図１乃至図９は、本発明に係る運転状況抽出装置を備えた制御対象の制御装置を適用した制御システムの実施の形態を示す図である。
まず、本発明に係る制御システムの構成を図１に基づき説明する。図１は、本発明に係る制御システムの構成を示すブロック図である。
【００３１】
制御システム１は、制御対象の制御装置１０と、制御対象１１と、を含んだ構成となっている。
制御対象の制御装置１０は、運転状況抽出装置１００と、制御部１０１と、を含んだ構成となっている。
運転状況抽出装置１００は、状況抽出データ収集部１００ａと、ε−フィルタ処理部１００ｂと、クラスタリング部１００ｃと、を含んだ構成となっている。
【００３２】
状況抽出データ収集部１００ａは、制御対象の動作結果の時系列データを収集し、ε−フィルタ処理部１００ｂにその収集したデータを伝送するものである。ε−フィルタ処理部１００ｂは、ε−フィルタによって、取得した収集データをフィルタ処理するものである。ここで、ε−フィルタは、入力と出力の差を有限値以内に保ちながら信号の平滑を行うもので、信号の急峻な変化を保持しながら、小振幅のランダム雑音の除去を行うことが可能なフィルタである。
【００３３】
クラスタリング部１００ｃは、収集データが所定数以上になったときに、ε−フィルタ処理部１００ｂにおいてフィルタ処理された信号に含まれるデータを非階層型クラスタリング方法であるＩＳＯＤＡＴＡ法に基づいて様々な運転状況に対応したクラスタに分類するものである。
制御部１０１は、複数の制御特性の中から、抽出された運転状況に基づき適切な制御特性を選択しこの制御特性に基づき制御対象を制御するものである。
【００３４】
制御対象１２は、選択された制御特性に応じて動作し、非線形特性を有する制御結果を出力するものである。
更に、図示しないが、制御システム１は、各部の演算処理等を行うプログラムの記憶されたＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）と、演算に必要な情報を記憶するためのＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）と、プログラムを実行するためのＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）と、を備えている。
【００３５】
次に、図２に基づき、制御システム１における制御対象の制御装置１００の動作処理の流れを説明する。図２は、制御システム１における制御対象の制御装置１００の動作処理を示すフローチャートである。
図２に示すように、まずステップＳ２００に移行し、状況抽出データ収集部１００ａにおいて、制御対象の制御結果から状況抽出用のデータを収集してステップＳ２０２に移行する。
ステップＳ２０２では、ε−フィルタ処理部１００ｂにおいて、収集されたデータをフィルタ処理してステップＳ２０４に移行する。ここで、以下に、式（１）としてε−フィルタの一般型を示す。
【００３６】
【数１】
【００３７】
つまり、第ｎ番目の入力信号ｘｎが得られたとき、ｙｎがε−フィルタの出力信号となる。ここで、Ａｋは、図３に示す特性を有する関数である。図３は、フィルタ係数Ａｋとなる関数の特性を示す図である。なお、信号の直流レベルを変化させないために、フィルタの係数の総和は１とする。従って、以下の式（２）に示す関係が成立することになる。
【００３８】
【数２】
【００３９】
また、図３に示すεはフィルタ処理対象である過去Ｎ個のデータにおける標準偏差をΣとして、３Σを平均からの除外閾値とする。従って、εは以下に示す式（３）として表される。ここで、３Σに関して説明すると、扱うデータが正規分布に従うと考えられる場合、±１Σ内にデータの６８．３％が、±３Σ内にデータの９９．７パーセントが分布すると考えることができる。反対に、±３Σより外に外れる確率は、０．３％（１０００回に３回程度）であり、ほとんどのデータは、±３Σに収まると考えてよく、このことから、±３Σよりデータが飛び出すときは「分布が変わった」「母集団の平均値が変化した」と疑ってみる必要がある。この考え方は、３シグマルールと呼ばれ、管理図の管理限界線算出の根拠となっている。
【００４０】
【数３】
【００４１】
上記ε−フィルタの特徴は、データの平均化条件として、信号差分と標準偏差との比較を行うことである。この効果として、信号差分が所定範囲内（３Σ）にある入力データに対する出力の緩やかな変化と、範囲外にある入力データに対する出力の急激な変化の両条件を実現できる。
ステップＳ２０４では、状況抽出用のデータが所定数以上収集されたか否かを判定し、収集されたと判定された場合（Ｙｅｓ）はステップＳ２０６に移行し、そうでない場合（Ｎｏ）はステップＳ２００に移行する。
【００４２】
ステップＳ２０６に移行した場合は、クラスタリング部１００ｃにおいて、クラスタリングを行いステップＳ２０８に移行する。ここで、クラスタリング方法は、教師なし分類法の中でも非階層的クラスタリング（再配置法）に属するＩＳＯＤＡＴＡ法を用いる。クラスタリングにより分類される各集合がクラスタであり、各クラスタの重心ベクトルがクラスタ重心である。クラスタリングの手順としては、最初に運転状況抽出用データが所定数以上収集された時点で初期クラスタ重心を設定し、その後、データの入力とそれに伴うクラスタ重心の再設定を繰り返す。なお、本実施の形態においては、クラスタ数の増減は行わないこととする。
【００４３】
また、初期クラスタ重心は、クラスタリング対象データのうち、原点からのユークリッド距離が最短の点と最長の点とする。または、全データの平均ベクトルを算出し、平均から標準偏差の距離に設定するなどしても良い。
ステップＳ２０８では、最新の運転状況抽出用データの属するクラスタを現在の運転状況とし、その運転状況に適用されている制御特性に制御対象１１の制御特性を切り替えて一連の処理を終了する。
【００４４】
更に、図４に基づき、クラスタリング部１００ｃにおけるクラスタ重心の再設定処理の流れを説明する。図４は、クラスタリング部１００ｃにおけるクラスタ重心の再設定処理を示すフローチャートである。
図４に示すように、まずステップＳ４００に移行し、新規に得られた運転状況抽出用のデータをクラスタリング対象データに追加してステップＳ４０２に移行する。ここで、本実施の形態においては、クラスタリングデータ数を一定とするため、追加されたデータと同数のデータをクラスタリング対象データから削除する。
【００４５】
ステップＳ４０２では、クラスタリング対象のデータ全てに対しクラスタ重心とのユークリッド距離を算出し、距離が最短となるクラスタにデータを配置する処理を行い、全データの配置が終了するとステップＳ４０４に移行する。
ステップＳ４０４では、クラスタに属するデータの重心ベクトルにクラスタ重心を再設定してステップＳ４０６に移行する。
【００４６】
ステップＳ４０６では、クラスタ移動データ数が所定数より少ないか否かを判定し、少ないと判定された場合（Ｙｅｓ）はステップＳ４０８に移行し、そうでない場合（Ｎｏ）はステップＳ４０２に移行する。つまり、収束条件として、クラスタ重心の移動に伴い、所属するクラスタを変えたデータ数が所定数より少なくなるまでクラスタ重心の再設定処理を行う。
【００４７】
ステップＳ４０８に移行した場合は、データ数が所定数より少なくなり、すなわち収束条件を満足したとして、クラスタ重心の再設定処理を終了する。
更に、図５乃至図９に基づき、具体例として車両の加速運転に関する運転状況を抽出し、状況に応じて加速制御特性を切り替える第２の制御システムを説明する。図５は、第２の制御システムの構成を示すブロック図であり、図６は、第２の制御システム５０におけるエンジン制御装置５０の動作処理を示すフローチャートであり、図７は、ε−フィルタ処理を行った結果の一例を示す図であり、図８は、スロットル開度量及びスロットル開度変化率の収集データに対してクラスタリングを行った結果の一例を示す図であり、図９は、スロットル開度変化率及びギアの操作量の収集データに対するクラスタリングを行った結果の一例を示す図である。ここで、図８及び図９は、各収集データを規格化したものにより表している。
【００４８】
図５に示すように、第２の制御システム５は、エンジン制御装置５０と、制御対象であるエンジン５１と、を含んだ構成となっている。
エンジン制御装置５０は、加速運転状況抽出装置５００と、制御部５０１と、を含んだ構成となっている。
加速運転状況抽出装置５００は、加速運転状況抽出データ収集部５００ａと、ε−フィルタ処理部５００ｂと、クラスタリング部５００ｃと、を含んだ構成となっている。
【００４９】
加速運転状況抽出データ収集部５００ａは、エンジンの動作結果であるスロットル開度及びギヤポジションの時系列データを収集し、ε−フィルタ処理部５００ｂにその収集データを伝送するものである。
ε−フィルタ処理部５００ｂは、ε−フィルタによって、取得した収集データをフィルタ処理するものである。
【００５０】
クラスタリング部５００ｃは、所定数以上のデータが収集されフィルタ処理されたときに、フィルタ処理された信号に含まれるデータを非階層型クラスタリング方法であるＩＳＯＤＡＴＡ法に基づいて様々な加速運転状況に対応したクラスタに分類するものである。
制御部５０１は、複数の加速制御特性の中から選択された制御特性に基づきエンジンを制御するものである。
【００５１】
更に、図示しないが、第２の制御システム５は、各部の演算処理等を行うプログラムの記憶されたＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）と、演算に必要な情報を記憶するためのＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）と、プログラムを実行するためのＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）と、を備えている。
更に、図６に基づき、第２の制御システム５におけるエンジン制御装置５０の動作処理の流れを説明する。
【００５２】
図６に示すように、まずステップＳ６００に移行し、車両から観測される加速運転に関する時系列信号（加速運転状況抽出用データ）を収集してステップＳ６０２に移行する。ここで、加速運転状況抽出用データとは、加速運転の操作から抽出されるデータであり、具体的には、加速の際の、スロットル操作量、スロットル操作速度、ギアのポジションなどである。
【００５３】
ステップＳ６０２では、ε−フィルタ処理部５００ｂにおいて、収集された加速運転状況抽出用データに対して、ε−フィルタ処理を行いステップＳ６０４に移行する。
ここで、フィルタ処理は上記した式（１）〜式（３）に基づいて行われる。フィルタ処理結果の具体例として、各加速から得られたスロットル操作量の時系列データに対してε−フィルタ処理を行った結果を図７に示す。図７に見られるように、ε−フィルタの効果として、信号差分が所定範囲外にある入力データに対する出力の急激な変化が保存されている（図中丸印の部分）。これにより、運転状況の急激な変化に対しても対応が可能となる。
【００５４】
ステップＳ６０４では、データが所定数以上収集されたか否かを判定し、所定数以上収集されたと判定された場合（Ｙｅｓ）はステップＳ６０６に移行し、そうでない場合（Ｎｏ）はステップＳ６００に移行する。
ステップＳ６０６に移行した場合は、所定数以上の収集データに対してクラスタリングを行いステップＳ６０８に移行する。
【００５５】
ここで、クラスタリング結果の具体例として、市街地走行と山岳路走行から得られた加速運転状況抽出用データに対して、上記したＩＳＯＤＡＴＡ法を利用したクラスタリングを実施した結果を図８及び図９に示す。図８に示すように、図中第１の三角点８０及び第２の三角点８１を各クラスタの重心として、第１の三角点８０を重心としたクラスタに含まれるものが市街地を走行中の運転状況を示すデータとなり、第２の三角点８１を重心としたクラスタに含まれるものが山岳路を走行中の運転状況を示すデータとなり、図９に示すように、第３の三角点９０及び第４の三角点９１を各クラスタの重心として、第１の三角点８０を重心としたクラスタに含まれるものが市街地を走行中の運転状況を示すデータとなり、第２の三角点８１を重心としたクラスタに含まれるものが山岳路を走行中の運転状況を示すデータとなる。
【００５６】
ステップＳ６０８では、最新の加速運転状況抽出用データが属するクラスタを現在の運転状況とし、その運転状況に適用されている加速制御特性に車両の制御特性を切り替えて処理を終了する。ここで、選択する加速制御特性の具体例としては、現在の運転状況が市街地であるならば、緩やかな加速特性が得られる制御特性を選択し、また山岳路であるならば、俊敏な加速特性が得られる制御特性を選択する。
【００５７】
以上、上記実施の形態において、制御対象から得られる時系列の特徴抽出用データが含まれる信号を収集し、この信号に対してε−フィルタによってフィルタ処理を施すようにしたので、同傾向のデータの集合性を高めることが可能であり、急激なデータの変化を状況の変化として認識が可能となる。また、所定数以上の特徴抽出用データを収集して、ε−フィルタによってフィルタ処理されたこの収集データに対して、ＩＳＯＤＡＴＡ法によるクラスタリングを行うことで、制御対象の運転状況ごとのデータ分類を容易にすることが可能となる。
【００５８】
ここで、図５に示す、エンジン制御装置５０は、請求項１９記載の制御対象の制御装置に対応し、加速運転状況抽出装置５００は、請求項１０乃至請求項１９記載の運転状況抽出装置に対応し、図１及び図５に示す、ε−フィルタ処理部１００ｂ及び５００ｂは、請求項１０及び請求項１１記載のフィルタ処理手段に対応し、クラスタリング部１００ｃ及び５００ｃは、請求項１０記載のクラスタリング手段に対応する。
【００５９】
なお、上記実施の形態においては、車両の加速運転状況の抽出を例として行っているが、これに限らず、車両におけるどのような運転状況に適用しても良い。また、上記実施の形態においては、運転状況抽出用データとして、加速の際の、スロットル操作量、スロットル操作速度、ギアのポジション（操作量）を例として説明しているが、これに限らず、抽出する運転状況に応じて、スロットル、ブレーキ、ハンドル及びギヤの操作量や操作速度、エンジン回転数、車両の速度及びモータ回転数及びこれらの変化速度など、どのようなデータを抽出用データとして扱うようにしても良い。
【００６０】
また、上記実施の形態においては、運転状況抽出用データのフィルタ処理において、ε−フィルタを用いているが、これに限らず、制御対象に適したフィルタであれば、どのようなフィルタを用いるようにしても良い。
また、上記実施の形態においては、クラスタリング部において用いるクラスタリング方法としてＩＳＯＤＡＴＡ法を用いているが、これに限らず、制御対象や抽出する運転状況に合わせて、別のフィルタを用いるようにしても良い。
【００６１】
また、上記実施の形態において、図２、図４及び図６のフローチャートに示す処理を実行するにあたっては、ＲＯＭにあらかじめ格納されているプログラムを実行する場合について説明したが、これに限らず、これらの手順を示したプログラムが記録された記録媒体から、そのプログラムをＲＡＭに読み込んで実行するようにしてもよい。
【００６２】
ここで、記録媒体とは、ＲＡＭ、ＲＯＭ等の半導体記録媒体、ＦＤ、ＨＤ等の磁気記録型記録媒体、ＣＤ、ＣＤＶ、ＬＤ、ＤＶＤ等の光学的読取方式記録媒体、ＭＯ等の磁気記録型／光学的読取方式記録媒体であって、電子的、磁気的、光学的等の読み取り方法のいかんにかかわらず、コンピュータで読み取り可能な記録媒体であれば、あらゆる記録媒体を含むものである。
【００６３】
【発明の効果】
以上説明したように、本発明に係る運転状況抽出方法及び運転状況抽出装置によれば、原信号の急峻な変化成分を保持しながら平滑化する特性を有するフィルタによるフィルタ処理とクラスタリングを組み合わせてデータを処理するようにしたので、クラスタリング対象となる時系列データの特徴を明確化し、クラスタリングを容易にすることが可能である。このことから、制御対象から観測される連続性を有する時系列データを運転状況として抽出し、それぞれを明確化することが可能となる。
【００６４】
また、本発明に係る制御対象の制御装置によれば、本発明に係る運転状況抽出装置によって抽出された運転状況に基づき制御対象の制御特性を切り替えるようにしたので、運転状況に最も適した制御特性を選択して切り替えることが可能となる。
ここで、本発明に係る運転状況抽出プログラムは、本発明に係る運転状況抽出装置を制御するためのプログラムであり、その効果は重複するので記載を省略する。
【図面の簡単な説明】
【図１】本発明に係る制御システムの構成を示すブロック図である。
【図２】制御システム１における制御対象の制御装置１００の動作処理を示すフローチャートである。
【図３】フィルタ係数Ａｋとなる関数の特性を示す図である。
【図４】クラスタリング部１００ｃにおけるクラスタ重心の再設定処理を示すフローチャートである。
【図５】第２の制御システムの構成を示すブロック図である。
【図６】第２の制御システム５０におけるエンジン制御装置５０の動作処理を示すフローチャートである。
【図７】ε−フィルタ処理を行った結果の一例を示す図である。
【図８】スロットル開度量及びスロットル開度変化率の収集データに対してクラスタリングを行った結果の一例を示す図である。
【図９】スロットル開度変化率及びギアの操作量の収集データに対するクラスタリングを行った結果の一例を示す図である。
【符号の説明】
１ 制御システム
５ 第２の制御システム
１０ 制御対象の制御装置
１１ 制御対象
５０ エンジン制御装置
５１ エンジン
１００ 運転状況抽出装置
１００ａ 状況抽出データ収集部
１００ｂ ε−フィルタ処理部
１００ｃ クラスタリング部
１０１ 制御部
５００ 加速運転状況抽出装置
５００ａ 加速運転状況データ収集部
５００ｂ ε−フィルタ処理部
５００ｃ クラスタリング部
５０１ 制御部[0001]
TECHNICAL FIELD OF THE INVENTION
The present invention relates to a method for extracting an operating condition of a control target, and more particularly to an operating condition extracting method suitable for extracting each operating condition from a variety of continuously changing operating conditions.
[0002]
[Prior art]
2. Description of the Related Art Conventionally, extraction of a driving condition of a vehicle has been emphasized in that the range of optimizing control characteristics is widened because fuel efficiency, power performance, and the like can be changed according to a condition that changes depending on a driver, an environment, and the like.
In addition, for the driving situation of a controlled object having a non-linear control characteristic such as a vehicle, data of a control result is detected by various sensors, and the driving situation at that time is determined based on the detection result. Was. The driving situation greatly changes depending on a traveling place such as traveling on an urban area, traveling on a highway, traveling on a mountain road, traffic conditions such as traffic congestion, operation details of a driver, and the like. Therefore, in order to perform control corresponding to various operating conditions, it is necessary to accurately determine these operating conditions.
[0003]
[Problems to be solved by the invention]
However, the change of the driving situation is continuous and may be accompanied by a sudden change. In addition, there is a problem that the driving situations cannot be simply defined because the driving situations may be inclusive because they include situations similar to each other.
[0004]
Therefore, the present invention has been made by focusing on such unresolved problems of the conventional technology, and is suitable for extracting each driving situation from a variety of continuously changing driving situations. It is an object of the present invention to provide a driving state extraction method, a driving state extraction device, a control target control device, and a driving state extraction program.
[0005]
[Means for Solving the Problems]
In order to achieve the above object, according to the first aspect of the present invention, there is provided a driving situation extracting method for smoothing a time-series signal indicating a control result of a control object while retaining a steep change component of an original signal. , And further, the filtered signals are clustered by a predetermined clustering method, and each cluster included in the clustering result is extracted as the operation state of the control target.
[0006]
In other words, by performing filtering using a filter having a characteristic of smoothing while retaining a steep change component of the original signal and then performing clustering, the characteristics of the time-series data to be clustered are clarified, thereby facilitating clustering. Can be From this, it is possible to extract time-series data having continuity observed from the control target as the driving situation and clarify each of them.
[0007]
Here, the original signal is a signal itself as a control result detected from the control target, and is a signal before noise or the like is mixed during signal transmission.
According to a second aspect of the present invention, in the driving situation extracting method according to the first aspect, in the filtering, a plurality of data included in the time-series signal is set to a distance between the plurality of data and an average value thereof. It is characterized in that it is converted into data based on it.
[0008]
In other words, by performing filter processing using the distance between multiple data and the average value, it is possible to enhance clustering by increasing the collectiveness of data having the same tendency, and recognize rapid changes in data as changes in the situation. It becomes possible.
According to a third aspect of the present invention, in the driving situation extracting method according to the first or second aspect, the controlled object is a vehicle.
[0009]
That is, by setting the control target to a vehicle in which various driving situations occur depending on the operation content of the driver, the traveling place, and the like, it is possible to extract the effective driving situation.
According to a fourth aspect of the present invention, in the driving situation extracting method according to the second or third aspect, the time-series signal observed from the vehicle is a signal including information on an operation amount of a vehicle operation device. Features.
[0010]
In other words, the time-series signal observed from the vehicle is, for example, a signal including information on the amount of operation of a vehicle operation device such as a throttle, a brake, and a steering wheel, and the signal is filtered and clustered to obtain the intention of the driver. The reflected operation status can be extracted. At this time, the gear position of the stepped transmission, the gear ratio of the continuously variable transmission, and the like may also be reflected in the driving situation.
[0011]
According to a fifth aspect of the present invention, in the driving situation calculation method according to any one of the second to fourth aspects, the time-series signal observed from the vehicle is a signal including information on an operation speed of a vehicle operation device. Features.
In other words, the time series signal observed from the vehicle is, for example, a signal including information on the operation speed of a vehicle operation device such as a throttle, a brake, and a steering wheel. The reflected operation status can be extracted. At this time, the gear position of the stepped transmission, the gear ratio of the continuously variable transmission, and the like may also be reflected in the driving situation.
[0012]
According to a sixth aspect of the present invention, in the driving situation extracting method according to any one of the second to fifth aspects, the time series signal observed from the vehicle includes an engine speed, a vehicle speed, and a motor speed. The signal is characterized by being a signal including at least one information of the number of rotations.
That is, the time series signal observed from the vehicle is a signal including at least one of the engine speed, the vehicle speed, and the motor speed, and the signal is subjected to the filtering process and the clustering process. The reflected operation status can be extracted.
[0013]
According to a seventh aspect of the present invention, in the driving situation extracting method according to any one of the second to sixth aspects, the time series signal observed from the vehicle includes an engine speed, a vehicle speed, and a motor speed. It is a signal including information on at least one change speed among the rotation speeds.
In other words, the time series signal observed from the vehicle is a signal including information on at least one of the engine speed, the vehicle speed, and the motor speed, and the signal is filtered and clustered, whereby the driver It is possible to extract the driving situation reflecting the intention of the driver.
[0014]
According to an eighth aspect of the present invention, in the driving situation extracting method according to any one of the first to seventh aspects, the driving situation extracting process is performed during the operation of the control target. I have.
That is, by performing the processing during the actual operation of the control target, it is possible to extract the operating condition that changes every moment, and it is possible to use the extraction result more effectively.
[0015]
According to a ninth aspect of the present invention, in the driving situation extracting method according to any one of the first to eighth aspects, the clustering method is an ISODATA (Iterative Self-Organizing Data Analysis Technology A) method. It is characterized by:
That is, by using the ISODATA method belonging to the non-hierarchical clustering among the unsupervised classification methods as the clustering method, it is possible to cope with a control target in which it is unclear what class exists. Also, in non-hierarchical clustering, clusters with a high degree of separation are obtained by rearranging the components between clusters, and even under conditions where initial values are difficult to set, clustering is performed only with the number of clusters and thresholds in the initial setting. It has the advantage that it can be done.
[0016]
The driving situation extracting apparatus according to claim 10 of the present invention is configured such that a time-series signal indicating a control result of a control target is filtered by a filter having a characteristic of smoothing while maintaining a steep change component of an original signal. Filter processing means, clustering means for clustering the filtered signal by a predetermined clustering method, and operation status extraction means for extracting an operation status of each control characteristic of the control target based on a cluster included in the clustering result. , Is provided.
[0017]
With such a configuration, it is possible to filter the time-series signal from the control target with a filter capable of smoothing while maintaining a steep change component of the original signal by the filter processing unit. The filtered signal can be clustered by a predetermined clustering method by the clustering means, and the operating state of the control target can be extracted based on each of the clustered clusters by the operating state extracting means. .
[0018]
Therefore, by combining filtering with a filter having a characteristic of smoothing while retaining a steep change component of the original signal and clustering, it is possible to clarify the characteristics of the time-series data to be clustered and facilitate clustering. it can. From this, it is possible to extract time-series data having continuity observed from the control target as the driving situation and clarify each of them.
[0019]
According to an eleventh aspect of the present invention, in the driving situation extraction device according to the tenth aspect, the filter processing unit may include, in the filtering, a plurality of data included in the time-series signal, the plurality of data and It is characterized in that it is converted into data based on the distance from the average value.
In other words, by performing filter processing using the distance between multiple data and the average value, it is possible to enhance clustering by increasing the collectiveness of data having the same tendency, and recognize rapid changes in data as changes in the situation. It becomes possible.
[0020]
According to a twelfth aspect of the present invention, in the driving situation extracting device according to the tenth or eleventh aspect, the controlled object is a vehicle.
That is, by setting the control target to a vehicle in which various driving situations occur depending on the operation content of the driver, the traveling place, and the like, it is possible to extract the effective driving situation.
[0021]
According to a thirteenth aspect of the present invention, in the driving situation extracting device according to the twelfth aspect, the time-series signal observed from the vehicle is a signal including information on an operation amount of a vehicle operation device.
In other words, the time series signal observed from the vehicle is, for example, a signal including information on a vehicle operating device such as a throttle, a brake, and a steering wheel. The signal is subjected to a filtering process and a clustering process so that the driving reflecting the driver's intention is performed. The situation can be extracted. At this time, the gear position of the stepped transmission, the gear ratio of the continuously variable transmission, and the like may also be reflected in the driving situation.
[0022]
According to a fourteenth aspect of the present invention, in the driving situation extracting device according to the twelfth or thirteenth aspect, the time-series signal observed from the vehicle is a signal including information on an operation speed of a vehicle operation device. Features.
In other words, the time series signal observed from the vehicle is, for example, a signal including information on a vehicle operating device such as a throttle, a brake, and a steering wheel. The signal is subjected to a filtering process and a clustering process so that the driving reflecting the driver's intention is performed. The situation can be extracted. At this time, the gear position of the stepped transmission, the gear ratio of the continuously variable transmission, and the like may also be reflected in the driving situation.
[0023]
According to a fifteenth aspect of the present invention, in the driving situation extraction device according to any one of the twelfth to fourteenth aspects, the time series signal observed from the vehicle includes an engine speed, a vehicle speed, and a motor speed. The signal is characterized by being a signal including at least one information of the number of rotations.
That is, the time series signal observed from the vehicle is a signal including at least one of the engine speed, the vehicle speed, and the motor speed, and the signal is subjected to the filtering process and the clustering process. The reflected operation status can be extracted.
[0024]
According to a sixteenth aspect of the present invention, in the driving situation extracting device according to any one of the twelfth to fifteenth aspects, the time series signal observed from the vehicle includes an engine speed, a vehicle speed, and a motor speed. It is a signal including information on at least one change speed among the rotation speeds.
In other words, the time series signal observed from the vehicle is a signal including information on at least one of the engine speed, the vehicle speed, and the motor speed, and the signal is filtered and clustered, whereby the driver It is possible to extract the driving situation reflecting the intention of the driver.
[0025]
According to a seventeenth aspect of the present invention, in the driving situation extracting apparatus according to any one of the tenth to sixteenth aspects, the driving situation extracting process is performed during the operation of the controlled object. I have.
That is, by performing the processing during the actual operation of the control target, it is possible to extract the operating condition that changes every moment, and it is possible to use the extraction result more effectively.
[0026]
The invention according to claim 18 is the driving situation extraction device according to any one of claims 10 to 17, wherein the clustering method is an ISODATA (Iterative Self-Organizing Data Analysis Technology A) method. It is characterized by:
That is, by using the ISODATA method belonging to the non-hierarchical clustering among the unsupervised classification methods as the clustering method, it is possible to cope with a control target in which it is unclear what class exists.
[0027]
A control device for a control object according to claim 19 according to the present invention is based on the operation status extraction device according to any one of claims 10 to 18 and an extraction result of the operation status extraction device. Control characteristic switching means for switching the nonlinear control characteristic of the control target to an appropriate one.
With such a configuration, the control characteristic switching means makes it possible to switch the nonlinear control characteristic of the control target to an appropriate one based on the extraction result of the driving situation extraction device. It is possible to select a control characteristic.
[0028]
An operation status extraction program according to claim 20 of the present invention is a computer-executable program, which smoothes a time-series signal indicating a control result of a control object while holding a steep change component of an original signal. Filtering is performed by a filter having characteristics to be converted, and further, the filtered signal is clustered by a predetermined clustering method, and each cluster included in the clustering result is extracted as an operation state of a control target. .
[0029]
In other words, by combining filtering with a filter having a characteristic of smoothing while retaining a steep change component of the original signal and clustering, it is possible to clarify the characteristics of the time-series data to be clustered and facilitate clustering. it can. From this, it is possible to extract time-series data having continuity observed from the control target as the driving situation and clarify each of them.
[0030]
BEST MODE FOR CARRYING OUT THE INVENTION
Hereinafter, embodiments of the present invention will be described with reference to the drawings. FIG. 1 to FIG. 9 are diagrams showing an embodiment of a control system to which a control target control device provided with a driving situation extraction device according to the present invention is applied.
First, the configuration of a control system according to the present invention will be described with reference to FIG. FIG. 1 is a block diagram showing a configuration of a control system according to the present invention.
[0031]
The control system 1 includes a control device 10 to be controlled and a control target 11.
The control device 10 to be controlled has a configuration including an operating condition extraction device 100 and a control unit 101.
The driving situation extraction device 100 includes a situation extraction data collection unit 100a, an ε-filter processing unit 100b, and a clustering unit 100c.
[0032]
The situation extraction data collection unit 100a collects time series data of the operation result of the control target, and transmits the collected data to the ε-filter processing unit 100b. The ε-filter processing unit 100b filters the acquired collected data using an ε-filter. Here, the ε-filter performs signal smoothing while keeping the difference between input and output within a finite value, and can remove small-amplitude random noise while maintaining sharp changes in the signal. Filter.
[0033]
When the number of collected data becomes equal to or more than a predetermined number, the clustering unit 100c converts the data included in the signal filtered by the ε-filter processing unit 100b into various operating conditions based on the ISODATA method which is a non-hierarchical clustering method. Are classified into clusters corresponding to.
The control unit 101 selects an appropriate control characteristic from the plurality of control characteristics based on the extracted operating condition, and controls the control target based on the selected control characteristic.
[0034]
The control target 12 operates according to the selected control characteristic, and outputs a control result having a non-linear characteristic.
Further, although not shown, the control system 1 includes a ROM (Read Only Memory) in which a program for performing arithmetic processing of each unit is stored, a RAM (Random Access Memory) for storing information required for the arithmetic, and a program. (Central Processing Unit) for executing the program.
[0035]
Next, a flow of an operation process of the control device 100 to be controlled in the control system 1 will be described with reference to FIG. FIG. 2 is a flowchart illustrating an operation process of the control device 100 to be controlled in the control system 1.
As shown in FIG. 2, the process first proceeds to step S200, in which the situation extraction data collection unit 100a collects situation extraction data from the control result of the control target, and proceeds to step S202.
In step S202, the collected data is filtered by the ε-filter processing unit 100b, and the process proceeds to step S204. Here, a general type of the ε-filter is shown below as Expression (1).
[0036]
(Equation 1)
[0037]
That is, the n-th input signal x n Is obtained, y n Is the output signal of the ε-filter. Where A k Is a function having the characteristics shown in FIG. FIG. 3 shows the filter coefficient A k FIG. 9 is a diagram illustrating characteristics of a function that becomes Note that the sum of the coefficients of the filter is set to 1 so as not to change the DC level of the signal. Therefore, the relationship shown in the following equation (2) is established.
[0038]
(Equation 2)
[0039]
In FIG. 3, ε is the standard deviation of the past N pieces of data to be filtered, and フ ィ ル タ is 3 除外 as the threshold for exclusion from the average. Therefore, ε is expressed as the following equation (3). Here, regarding 3Σ, when the data to be handled is considered to follow a normal distribution, it can be considered that 68.3% of the data is distributed within ± 1Σ and 99.7% of the data is distributed within ± 3Σ. Conversely, the probability of deviating outside ± 3 ° is 0.3% (about three times in 1000), and most data can be considered to be within ± 3 °. When popping out, it is necessary to suspect that the distribution has changed and that the average value of the population has changed. This concept is called a three-sigma rule and is the basis for calculating the control limit line of the control chart.
[0040]
[Equation 3]
[0041]
The feature of the ε-filter is that a signal difference is compared with a standard deviation as a data averaging condition. As an effect of this, it is possible to realize both conditions of a gradual change in output for input data whose signal difference is within a predetermined range (3 °) and a rapid change of output for input data outside the range.
In step S204, it is determined whether or not a predetermined number or more of situation extraction data has been collected. If it is determined that data has been collected (Yes), the process proceeds to step S206; otherwise (No), the process proceeds to step S200. I do.
[0042]
When the process proceeds to step S206, the clustering unit 100c performs clustering and proceeds to step S208. Here, the clustering method uses the ISODATA method belonging to non-hierarchical clustering (relocation method) among unsupervised classification methods. Each set classified by clustering is a cluster, and the centroid vector of each cluster is the cluster centroid. As a clustering procedure, an initial cluster centroid is first set when a predetermined number or more of operation state extraction data is collected, and thereafter, input of data and resetting of the cluster centroid associated therewith are repeated. In this embodiment, the number of clusters is not increased or decreased.
[0043]
In addition, the initial cluster centroid is a point at which the Euclidean distance from the origin is the shortest point and the longest point in the clustering target data. Alternatively, an average vector of all data may be calculated and set to a distance of a standard deviation from the average.
In step S208, the cluster to which the latest operation status extraction data belongs is set as the current operation status, the control characteristics of the control target 11 are switched to the control characteristics applied to the current operation status, and a series of processing ends.
[0044]
Furthermore, the flow of the process of resetting the center of gravity of the cluster in the clustering unit 100c will be described with reference to FIG. FIG. 4 is a flowchart illustrating a process of resetting the center of gravity of the cluster in the clustering unit 100c.
As shown in FIG. 4, the process first proceeds to step S400, where the newly obtained driving situation extraction data is added to the clustering target data, and then the process proceeds to step S402. Here, in the present embodiment, in order to keep the number of clustering data constant, the same number of data as the added data is deleted from the clustering target data.
[0045]
In step S402, the Euclidean distance from the cluster center of gravity is calculated for all data to be clustered, and processing for arranging data in the cluster having the shortest distance is performed. When the arrangement of all data is completed, the process proceeds to step S404.
In step S404, the center of gravity of the cluster is reset to the center of gravity vector of the data belonging to the cluster, and the process proceeds to step S406.
[0046]
In step S406, it is determined whether or not the number of cluster movement data is smaller than a predetermined number. If it is determined that the number is smaller (Yes), the process proceeds to step S408; otherwise (No), the process proceeds to step S402. That is, as the convergence condition, the cluster barycenter resetting process is performed until the number of pieces of data obtained by changing the clusters belonging to the cluster barycenter becomes smaller than a predetermined number.
[0047]
When the process proceeds to step S408, it is determined that the number of data is less than the predetermined number, that is, the convergence condition is satisfied, and the process of resetting the cluster centroid ends.
Further, based on FIGS. 5 to 9, a second control system will be described as a specific example in which the driving condition relating to the acceleration driving of the vehicle is extracted and the acceleration control characteristic is switched according to the condition. FIG. 5 is a block diagram showing a configuration of the second control system, FIG. 6 is a flowchart showing an operation process of the engine control device 50 in the second control system 50, and FIG. FIG. 8 is a diagram showing an example of a result of performing clustering on collected data of a throttle opening amount and a throttle opening change rate, and FIG. FIG. 14 is a diagram illustrating an example of a result of performing clustering on collected data of a degree change rate and a gear operation amount. Here, FIG. 8 and FIG. 9 are represented by standardizing each collected data.
[0048]
As shown in FIG. 5, the second control system 5 has a configuration including an engine control device 50 and an engine 51 to be controlled.
The engine control device 50 has a configuration including an acceleration operation state extraction device 500 and a control unit 501.
The accelerating operation status extraction device 500 includes an accelerating operation status extraction data collection unit 500a, an ε-filter processing unit 500b, and a clustering unit 500c.
[0049]
The acceleration operation status extraction data collection unit 500a collects time series data of the throttle opening and the gear position, which are the operation results of the engine, and transmits the collected data to the ε-filter processing unit 500b.
The ε-filter processing unit 500b filters the acquired collected data using an ε-filter.
[0050]
When a predetermined number or more of data is collected and filtered, the clustering unit 500c handles data included in the filtered signal in various acceleration driving situations based on the ISODATA method that is a non-hierarchical clustering method. They are classified into clusters.
The control unit 501 controls the engine based on a control characteristic selected from a plurality of acceleration control characteristics.
[0051]
Further, although not shown, the second control system 5 includes a ROM (Read Only Memory) storing a program for performing arithmetic processing of each unit and a RAM (Random Access Memory) for storing information necessary for the arithmetic operation. And a CPU (Central Processing Unit) for executing the program.
Further, a flow of an operation process of the engine control device 50 in the second control system 5 will be described with reference to FIG.
[0052]
As shown in FIG. 6, the process first proceeds to step S600, where a time-series signal (acceleration operation status extraction data) regarding the acceleration operation observed from the vehicle is collected, and the process proceeds to step S602. Here, the acceleration operation status extraction data is data extracted from the operation of the acceleration operation, and specifically, includes a throttle operation amount, a throttle operation speed, a gear position, and the like during acceleration.
[0053]
In step S602, the ε-filter processing unit 500b performs ε-filter processing on the collected acceleration operation state extraction data, and proceeds to step S604.
Here, the filtering process is performed based on the above equations (1) to (3). As a specific example of the filter processing result, FIG. 7 shows the result of performing ε-filter processing on the time series data of the throttle operation amount obtained from each acceleration. As shown in FIG. 7, as an effect of the ε-filter, a rapid change in output with respect to input data having a signal difference outside a predetermined range is preserved (circled portion in the figure). This makes it possible to respond to a sudden change in the driving situation.
[0054]
In step S604, it is determined whether or not a predetermined number or more of data has been collected. If it is determined that the predetermined number or more of data has been collected (Yes), the process proceeds to step S606; otherwise (No), the process proceeds to step S600. .
When the process proceeds to step S606, clustering is performed on a predetermined number or more of collected data, and the process proceeds to step S608.
[0055]
Here, as a specific example of the clustering result, FIGS. 8 and 9 show the result of performing the above-described clustering using the ISODATA method on the acceleration driving situation extraction data obtained from the urban area running and the mountain road running. . As shown in FIG. 8, the first triangular point 80 and the second triangular point 81 in the figure are set as the center of gravity of each cluster, and those included in the cluster having the first triangular point 80 as the center of gravity are traveling in the city area. Data indicating the driving condition, data included in the cluster having the second triangular point 81 as the center of gravity becomes data indicating the driving condition while traveling on the mountain road, and as shown in FIG. The data included in the cluster having the fourth triangular point 91 as the center of gravity of each cluster and the first triangular point 80 as the center of gravity serves as data indicating the driving condition while traveling in the city, and the second triangular point 81 as the center of gravity. The data included in the cluster thus obtained is data indicating the driving situation while traveling on the mountain road.
[0056]
In step S608, the cluster to which the latest acceleration driving status extraction data belongs is set as the current driving status, the control characteristics of the vehicle are switched to the acceleration control characteristics applied to the driving status, and the process ends. Here, as a specific example of the acceleration control characteristic to be selected, if the current driving situation is in an urban area, a control characteristic that provides a gentle acceleration characteristic is selected. Is selected to obtain a control characteristic.
[0057]
As described above, in the above embodiment, a signal including time-series feature extraction data obtained from a control target is collected, and the signal is subjected to a filtering process by an ε-filter. Can be improved, and a rapid change in data can be recognized as a change in situation. In addition, by collecting a predetermined number or more of data for feature extraction and performing clustering by ISODATA on the collected data filtered by the ε-filter, data classification for each driving condition of a control target can be easily performed. It becomes possible to.
[0058]
Here, the engine control device 50 shown in FIG. 5 corresponds to the control device of the control target according to claim 19, and the acceleration operation status extraction device 500 corresponds to the operation status extraction device according to claims 10 to 19. Correspondingly, the ε-filter processing units 100b and 500b shown in FIGS. 1 and 5 correspond to the filter processing means according to claim 10 and claim 11, and the clustering units 100c and 500c correspond to the clustering method according to claim 10. Corresponding to the means.
[0059]
In the above embodiment, the extraction of the accelerated driving state of the vehicle is described as an example. However, the present invention is not limited to this, and may be applied to any driving state of the vehicle. Further, in the above-described embodiment, the throttle operation amount, the throttle operation speed, and the gear position (operation amount) at the time of acceleration are described as examples of the driving situation extraction data, but the present invention is not limited to this. According to the driving conditions to be extracted, any data such as the operation amounts and operation speeds of the throttle, brake, steering wheel and gear, engine speed, vehicle speed and motor speed, and their changing speeds are handled as extraction data. You may do it.
[0060]
Further, in the above embodiment, the ε-filter is used in the filtering process of the driving condition extraction data. However, the filter is not limited to this, and any filter suitable for the control target may be used. You may do it.
Further, in the above embodiment, the ISODATA method is used as the clustering method used in the clustering unit. However, the present invention is not limited to this, and another filter may be used in accordance with the control target or the driving situation to be extracted. .
[0061]
Further, in the above-described embodiment, when executing the processing shown in the flowcharts of FIGS. 2, 4, and 6, the case where the program stored in the ROM is executed has been described, but the present invention is not limited to this. The program may be read from a recording medium on which the program indicating the above procedure is recorded, loaded into the RAM, and executed.
[0062]
Here, the recording medium is a semiconductor recording medium such as a RAM or a ROM, a magnetic recording type recording medium such as an FD or an HD, an optical reading type recording medium such as a CD, CDV, LD, or DVD, or a magnetic recording type such as an MO. / Optical reading method A recording medium includes any recording medium that can be read by a computer, regardless of an electronic, magnetic, optical, or other reading method.
[0063]
【The invention's effect】
As described above, according to the driving situation extraction method and the driving situation extraction device according to the present invention, data is obtained by combining filtering with a filter having a characteristic of smoothing while retaining a steep change component of an original signal and clustering. Is processed, it is possible to clarify the characteristics of the time-series data to be clustered and to facilitate clustering. From this, it is possible to extract time-series data having continuity observed from the control target as the driving situation and clarify each of them.
[0064]
According to the control device for a control object according to the present invention, the control characteristic of the control object is switched based on the operation condition extracted by the operation condition extraction device according to the present invention. It is possible to select and switch characteristics.
Here, the operating condition extraction program according to the present invention is a program for controlling the operating condition extracting device according to the present invention, and the description thereof will be omitted because the effects are duplicated.
[Brief description of the drawings]
FIG. 1 is a block diagram showing a configuration of a control system according to the present invention.
FIG. 2 is a flowchart showing an operation process of a control device 100 to be controlled in the control system 1.
FIG. 3 shows a filter coefficient A k FIG. 9 is a diagram illustrating characteristics of a function that becomes
FIG. 4 is a flowchart illustrating a process of resetting the center of gravity of a cluster in a clustering unit 100c.
FIG. 5 is a block diagram showing a configuration of a second control system.
FIG. 6 is a flowchart showing an operation process of the engine control device 50 in the second control system 50.
FIG. 7 is a diagram illustrating an example of a result of performing ε-filter processing.
FIG. 8 is a diagram illustrating an example of a result of performing clustering on collected data of a throttle opening amount and a throttle opening change rate.
FIG. 9 is a diagram showing an example of a result of performing clustering on collected data of a throttle opening change rate and a gear operation amount.
[Explanation of symbols]
1 control system
5 Second control system
10 Control device to be controlled
11 Control target
50 Engine control device
51 Engine
100 Operating condition extraction device
100a Situation extraction data collection unit
100b ε-filter processing unit
100c clustering part
101 control unit
500 Acceleration operation status extraction device
500a Acceleration operation status data collection unit
500b ε-filter processing unit
500c clustering unit
501 control unit
