JP2005536396A - 支持面の占有形式を識別するための装置 - Google Patents

Abstract

本発明は、支持面、特に自動車シート（２）の占有形式の識別を、力センサ支援信号を用いて行う方法および装置に関する。最近のセンサ信号ｓ_ｉまたはそれから導かれる量が、いつでも解析に利用可能なように、また占有形式が、これらの記憶値から、少なくとも２つの独立な計算方法またはニューラルネットワークを使用して導かれるように、所定の時点ｔ_ｉにおいて記録されるセンサ信号ｓ_ｉまたはそれから導かれる量が、メモリ（４）内に記憶される。

Description

発明の詳細な説明

発明の分野および背景
本発明は、力センサ支援信号を使用して、支持面、特に自動車シートの占有形式（type of occupancy）を識別する方法に関する。

本発明は、さらに、支持面、特に自動車シートの占有形式を識別する装置に関する。この装置においては、少なくとも３つの力センサまたは、少なくとも１つの力センサと一緒に少なくとも１つの回転軸を、支持面に配置する。これらのセンサは、センサに接続された計測電子回路を用いて、支持面に作用する力を計測するのに使用される。計測電子回路に接続した制御ユニットによって、計測値の関数として、装置を制御することが可能になる。

支持面、例えばシート、ベッドまたは積載領域上の荷重を検出および区別することは、最近の計量技術の開発目標であり、これは、この分野を超えて、例えば自動車技術の分野において重要性を増している。
自動車においては、安全の理由から、また傷害を防止するために、衝突が発生したときに、対応する車両シートがチャイルドシート内の子供によって占有されている場合には、エアバッグを起動しないか、または、力を弱めて起動または膨張させなくてはならない。
重量を計測して、計測した合計重量から占有形式を推測する、力センサをシート内に配設することが知られている。この計測結果を、エアバッグ制御ユニットが使用することができる。

この配設の問題は、安全ベルトを用いるチャイルドシートの通常の固定が、制御ユニットを誤誘導する可能性があることである。チャイルドシートが安全ベルトによって固定されるときに、ベルトは、締め付けの結果として大きな力を発生させて、これが、組込みセンサに対して、子供およびチャイルドシートの実際の重量に対応するよりも大きな重力の信号を出す。その結果として、エアバッグ制御が、子供ではなく軽量の成人がシートを占有していると誤って推測する可能性がある。衝突が発生すると、次いで、エアバッグが、チャイルドシートおよび子供とがシートを占有しているにもかかわらず、正常に展開されることになる。チャイルドシートを固定するときには、最高１００ｋｇまでの力がかかる可能性があり、その結果として、シートを占有する質量の計測のみに基づいて、成人とチャイルドシートとを区別することは、完全に不可能となる。特に、ベルトの締め付けと、チャイルドシートを固定した後の車両シートの電動の高さ調整とが組み合わされると、最高１００ｋｇまでの高いベルト力もまれではない。ベルトが締められていないか、または弱く締められている場合でも、市販されているチャイルドシートのモデルには、子供の重量と合わせてそれ自体の重量が大きいために、自動車工学において、「５パーセンタイル女性」として知られている、重量範囲に入る可能性があり、そのために、シートを占有する質量に基づく区別を行うことのできないものがある。

自動車シートを占有する実際の重量を測定する改良型の方法が、ＷＯ０１／１８５０７Ａ１（Method and apparatus for measuring seat occupant weight）に開示されている。この場合には、合計重量に加えて、シート上の質量の重心または分布が使用される。この目的で、シートの各隅に１つづつ４つの力センサが、シートに一体化されている。この方法は、チャイルドシートを固定しているときに、シートベルトの締付けを増大させると、成人による占有およびベルトの固定とは異なり、ベルト装着に隣接するセンサの領域における、重量分布に非対称が生じるという事実に基づいている。増大する力ベクトルは、ベルト装着具の方向に向けられる。合計重量に対する、計測した非対称重量が、所定の限界を超えると、補償係数が計算されて、計測した合計重量を下方調整するのに使用される。これは、エアバッグの誤作動を防止するためである。好ましい一実施態様においては、固定限界（最小重量／最大重量）が、補正係数に適用される。これらの限界の範囲外では、補正係数は使用せず、これらの範囲内では、線形依存性が使用される。

この公知の方法の欠点は、あるチャイルドシートモデルでは重量分布が発生し、これが非対称を生成しないか、またはこの方法を機能させるのに必要とされるより小さな非対称性を生成し、その結果、シート占有の誤判定を除外できないことである。チャイルドシートが固定されるときに、重心の移動が発生する可能性があるが、それは、対応するチャイルドシートの設計および対応する操作者の取り扱いに強く依存する。さらに、シートの一方向荷重を伴う着座位置を仮定することによって、成人が、非対称重量分布を引き起こすことを、除外することはできない。したがって、従来方法は、安全に関係する車両機器用システムに対する、特に高い信頼性要件を満足することができない。

ＷＯ０１／１２４７３Ａ１は、車両乗員位置検出装置およびエアバッグ制御システムを開示している。この場合には、シート乗員の合計重量およびある範囲外への重心の移動に加えて、シートバックの傾斜角度が考慮されている。この目的は、エアバッグを起動もしくは起動停止すること、またはそれを、乗員重量および着座位置の関数として小さい力で起動させることである。シートバックの傾斜角は、２つのセンサでそれぞれ計測された、前方シート領域と後方シート領域の質量比とともに、この計測値を所定の記憶比較値と比較することによって、間接的に求められる。直立着座位置またはシートの前方領域での着座位置に対しては、乗員の後傾着座位置に対するよりも、重量比の高い値が予期される。比較的直立または前方に移動した着座位置が推測される場合には、エアバッグは小さな力で起動するか、または起動停止される。さらに、計測した合計乗員重量に基づいて、成人による占有と子供による占有の区別を行う。計測値が、ある最小値より低くなると、エアバッグは、起動停止されるか、または比較的小さな力で展開される。

以上の説明のように、欠点としては、乗員が、チャイルドシート内の子供の場合でも、高い重力が発生する可能性があることである。これは、チャイルドシートが特に重いモデルである場合や、ベルトの締結によっても生じる可能性がある。その結果として、チャイルドシートが占有するシートと、成人が占有するシートとを区別する唯一の基準として、合計重量を使用するのは、実際的ではない。さらなる欠点として、チャイルドシートは、異なる設計、寸法および重量のため、またそれらを固定するときのベルトの締結によって、異なる重量分布を生成して、その結果、前方または後方シート領域の重心を発生させるか、または均一な重量分布を生成する可能性がある。成人に対しては、既知の方法による重量比を使用して、乗員が、比較的に直立着座位置または後傾着座位置にあるかを判定することができるが、質量だけに基づく成人の識別は、比較的不確実であるので、重心が後方に移動したチャイルドシートを、後傾する人として誤識別する可能性がある。これによって、シートがチャイルドシート内の子供によって占有されているにもかかわらず、誤ってエアバッグの起動につながることになる。

要約すると、重量および重量分布の計測によっては、チャイルドシート内の子供が占有するシートと、成人が占有するシートとの確実な区別は、簡単にはできない。

発明の目的
したがって、本発明の目的は、支持面の占有形式の確実な識別を可能にする方法、特に、自動車シートが成人によって占有されているのか、またはチャイルドシート内の子供によって占有されているのかを確実に区別する方法を開発することである。

発明の概要
本発明によれば、この目的は、請求項１のプリアンブルと合わせて、ある所定の時点ｔ_ｉにおいて検出されるセンサ信号ｓ_ｉをメモリに連続的に記憶すること、近い過去のセンサ信号ｓ_ｉまたはそれから導かれる量を、いつでも評価のために利用可能にすること、およびこれらの記憶された値から、少なくとも２つの独立の計算方法またはニューラルネットワークを使用して、占有形式を推測することによって、達成される。

支持面の中またはその下に配設された力センサは、上記のような方法でセンサ信号を供給し、このセンサ信号は、支持面にかかる重力と、直接的な物理的関係を有する。自動車用シートの占有を識別する従来方法においては、これらの信号から、占有質量、すなわち乗員の重量、および占有質量の重心が導き出された。しかしながら、計測された重力は、実際の乗員の重量を必ずしも反映しない。上記に説明したように、ベルト力が、これらの値を歪曲する可能性がある。計測された占有質量は、支持面に載っている実際の質量ｍ_０、および支持面上に作用する他のすべての力の結果である。重心が、それ自体では十分な情報を提供しないのは、上記で説明したように、ある特定の質量分布が、様々な状態で発生する可能性があるためである。従来式方法では、占有における現在の断片（snapshot）が考慮されるだけであり、その履歴は考慮されない。それとは異なり、本発明による方法では、メモリに記憶されている、所定の間隔で特定の時間にわたって記録されたセンサ信号ｓ_ｉまたそれからの導かれる量の数の大きさに基づく、時間による質量の変化量を考慮に入れる。

好ましい実施態様によれば、上記メモリは、シフトレジスタとして構成される。一方で、シフトレジスタは、従来的な意味では、時間と共に移動する電子ウィンドウと理解すべきであり、この電子ウィンドウは、時間と共に変化する対応する計測量の組を含む。レジスタがシフトすると、最も古いデータが廃棄される。他方で、シフトレジスタは、もっと一般的な意味で、時間経過とともに記録したすべての情報が保持される、電子ウィンドウとして構成することも可能である。特に、考えられるシフトレジスタとしては、情報（ＩＮＦＯ）に、時間経過とともに重みｃ（ｔ）を与え、例えば、ＩＮＦＯ＝ＩＮＦＯ（ｔ）^＊ｃ（ｔ）とし、ここでｔ＞ｔ_０、ｔ_０：計測の開始に対して、１／２≦ｃ（ｔ）≦１であるとともに、ｔ→∞に対してｃ（ｔ）→０とするものがある。シフトレジスタの作用によって、すべての過去の情報を使用して、時間とともに変化する重みを、情報に与えることができる。

最大で、３つの独立の量を計測することができる。第１の計測量は、質量

ここでＲ：センサ数であり、これは、すなわち所与のサンプリング時点における、既存の数のセンサついての、センサ信号の合計としての質量である。時間履歴が評価されるので、絶対値は必ずしも必要ではない。最大値に対して正規化した質量尺度を使用することができる。第２および第３の計測量は、重心座標

および

であり、ここでａ_ｒおよびｂ_ｒは、センサ配置から生じる、応力中心距離（lever arm）（デカルト座標系におけるｘおよびｙ方向の距離）である。センサの数がＲ＞３であれば、情報は冗長であり、すなわち例えば、Ｒ＝４のセンサ信号からの、３つの情報だけが使用される。Ｒ≦３の場合には、すべてのセンサ情報が考慮される。

支持面の占有の時間履歴から、多量の情報を得て確実な識別が可能になる。さらに、従属請求項に詳細に記載するように、絶対質量値を追加の情報として考慮することができる。とりわけ、センサ信号の時間履歴およびそれから導かれる量から、典型的な構造特徴が生じ、これを使用して、成人乗員と子供または物体荷重とを区別することができる。例えば、質量における大きな増加や、比較的一定の計測信号が確立されるまでに要する時間間隔を、使用することができる。好適な計算方法、例えば、現在計測値を、評価アルゴリズムがすでに学習した構造特徴と比較するとともに、計測量の時間履歴を考慮する、統計的方法を用いて、構造特徴を評価することによって、占有形式に関する確実な判定をすることが可能である。

この目的で、上記アルゴリズムは、指定時間間隔にわたって計測された特定の数のデータを包含する、分類ウィンドウからの計測データの組を評価し、これらのデータを使用して、最終的にシートの占有形式を識別する。
判定の信頼性は、使用する計算方法の数によって、また追加の情報、例えば、絶対質量もしくは移動中の加速度などによって改善することが可能であり、これらを、従属請求項に記載してある。
本発明の好ましい実施態様によれば、成人による車両シートの占有は、チャイルドシート内の子供による占有と区別される。

この方法は、成人による車両シートの占有と、チャイルドシート内の子供による占有とを区別するのに特に好適である。チャイルドシートは、成人の占有パターンとは異なる占有パターンを生成する。その結果として、例えば、いわゆる５パーセンタイル女性による占有と、同等の重量のチャイルドシート内の子供による占有とを、区別することが可能である。大きな力で固定されたチャイルドシートと、同等の重量の成人との、安全で確実な区別も行われる。分類が正確であることから、この方法は、エアバッグなどの安全関係の車両装置を制御するのに特に好適である。
本発明の別の好ましい実施態様によれば、センサ信号ｓ_ｉの記録が、外部開始信号に基づいて開始される。外部開始信号は、車両ドアの開放によって供給し、センサ信号は、少なくとも着座過程が終了するまで連続的に記録することができる。

いわゆる着座過程の時間履歴を考慮することは、シート占有の構造的特徴を検出するのに特に好適である。この目的で、成人による着座とシートベルト固定は、チャイルドシートを固定して、続いて子供を着座させてシートベルトを締結するよりも、はるかに速いという経験知識を利用する。通常、成人の着座過程には、数秒しかかからない。チャイルドシートの着座過程は、数分を要する可能性がある。この期間において、異なる質量の変化が記録されるが、これらは通常の操作、例えばシートベルトを複数回締結すること、膝にブレーシングすること、子供を着座させること、などの結果であり、これらによってチャイルドシートの特徴的構造が生成される。次いで、これらの特徴を、使用する計算方法（単数または複数）によって、解釈する。着座過程が終了したときから、占有に関する判定が行われるまでに約３秒を要する。車両ドアの開放を、計測を開始するための開始信号として使用することができる。しかしながら、基本的に、その他の開始信号を単独または組み合わせで使用することができる。

本発明のさらに別の好ましい実施態様によれば、センサ信号ｓ_ｉまたはそれから導かれる量を連続的に記録して評価することによって、占有形式が連続的に監視される。
連続監視によって、支持面の使用中に発生する変化を検出することも可能となる。連続監視とは、所定の間隔で識別が反復されるか、または占有の変化に応答して、システムが自動的に再識別を開始することを意味すると理解すべきである。これによって、特に、運転中の自動車内の何らかのシート変化―これは基本的に例えばモーターホーム（motor home）において発生する可能性がある―を検出して、例えばエアバッグシステム用の対応する制御信号を生成することが可能となる。

従属請求項７〜１２には、好ましい実施態様における方法の個々のステップを記載してある。
計算方法（単数または複数）は、時点ｔ_ｉ（ｉ＝１．．．ｎ）におけるｎ個（従属請求項１０によれば好ましくはｎ＝６４）の計測値から、支持面または車両シートの異なる占有形式に対する、占有確率Ｗ_ｋ（ｔ_ｉ）を提供する（従属請求項７）。これらの占有形式は次のように分類される（従属請求項８）：
「一定（ＣＯＮＳＴＡＮＴ）」
「非占有（ＵＮＯＣＣＵＰＩＥＤ）」
「人（ＰＥＲＳＯＮ）」
「チャイルドシート（ＣＨＩＬＤ ＳＥＡＴ）」
「一定（ＣＯＮＳＴＡＮＴ）」は、評価過程が、「安定」結果に到達して、さらなる再分類が実施されないことを意味する。この結果は、「非占有」すなわち、シートが空である可能性がある。その場合には、履歴、すなわち以前の占有の消去、すなわち新規の識別過程に対する初期状態の設定が行われる。結果が「人」または「チャイルドシート」の場合には、対応する種類（class）が判定されて、対応する制御信号が生成される。エアバッグに対しては、この信号は、好ましくは「エアバッグ・オン」または「エアバッグ・オフ」である（従属請求項１３および１４）。これらの計算方法は、本質的に決定論的であるが、結果は確率としての出力である。

種類（class）を定義する前に、この分類は、信頼アルゴリズム（confidence algorithm）を使用して検証される（従属請求項２３）。この目的で、使用する個々の方法は、信頼因子（confidence factor）ｃ_ｊで重み付けされて、総計として、所与のサンプリング時点ｔ_ｉにおける、全体確率Ｗ_ｋ（ｔ_ｉ）を与える（従属請求項２３）。分類を行うためには、「人」に対する種類ｋ＝ｐまたは、「チャイルドシート」に対する種類ｋ＝ｃｓの確率Ｗ_ｋ（ｔ_ｉ）が、最小値を超えなくてはならない。好ましくは、この最小値は、Ｗ_ｌｉｍ＝０．９（従属請求項１１）、すなわち９０％の確率である。さらなる検証のために、種類を判定する前に、分類の履歴も考慮しなくてはならない。ｎ個の時点ｔ_ｉにわたる確率Ｗ_ｋ（ｔ_ｉ）が記憶された、分類ウィンドウを、この目的で評価しなくてはならない。使用する基準は、分類が変化しない、値の範囲の大きさである。これによって、信頼係数（confidence coefficient）Ｃ_ｋが得られる。種類（class）は、信頼係数Ｃ_ｋが最小値、好ましくはＣ_ｌｉｍ＝０．７５（７５％）を超えない限り、最終的には確立されない（従属請求項１２）。この手続きによって、評価結果に最大の確信度（degree of certainty）を得ることができる。特に、成人が占有するシートと、チャイルドシート内の子供が占有するシートとの区別は、非常に高い信頼性で実施され、これは自動車技術における安全要求を満足する。

信頼アルゴリズムは、追加の境界条件、例えば、劣悪な信号／雑音比が原因となる「分類不能」の評価、または成人に対する所定の最小重量ｍ_{ｐ ｍｉｎ}を検査するための絶対質量値（従属請求項１５および１６）、または運転中にシートに作用する加速度力を考慮することによって、重量計測におけるベルト力を除去すること（従属請求項１７）、またはシートの下にしまい込まれて、上方に押し上げている物体によって生じる力（従属請求項１８）を考慮することによって、さらに識別の信頼性を向上させることができる。

本方法は、従来方法と異なり、市販されているすべてのチャイルドシートモデルに対して原理的に使用することが可能であり、高いベルト力、特殊な着座位置または異常な質量分布による干渉を受けない。
従属請求項１３および１４には、エアバッグシステムを制御する、本発明の好ましい実施態様を示してある。したがって、車両シートに関連するエアバッグシステムは、占有種類ｋ＝ｃｓが判定される場合には、制御信号によって起動停止され、占有種類ｋ＝ｐが判定される場合には、起動される。トリガーされると、判定された占有種類がｋ＝ｃｓの場合には、エアバッグをより小さな力で膨張させ、判定された占有種類がｋ＝ｐの場合には、最大力で膨張させるように、制御信号によって、車両に関連するエアバッグシステムを起動することも可能である。

占有識別は、エアバッグの状況依存制御に対して有利に使用することができる。子供が車両シートに着座している場合に、エアバッグを起動停止または膨張力を低減することによって、最大力で膨張するエアバッグによる子供の傷害が回避される。エアバッグの膨張力を低減することによっても、エアバッグ自体が傷害の潜在的な発生源となることなく、子供に対してエアバッグの保護機能が最適に使用される。さらに、非占有シートの、すべてのエアバッグのスイッチを切ることができる。これには、衝突後の修理コストを場合によっては低減するという利点がある。対応するシート上に物体が置かれている場合にも、エアバッグのスイッチを切ることができる。

従属請求項１５および１６には、占有質量の絶対値の使用に関する、本発明の好ましい実施態様を記載してある。
シートを占有する絶対占有質量を計算することによって、追加の情報を得ることが可能であり、これによって本方法の信頼性がさらに改善される。好ましくは、限界値ｍ_{ｐ ｍｉｎ}は、成人に対する最小重量（ｍ_{ｐ ｍｉｎ}＝３２．５ｋｇ）として仮定し、これが、成人がシートを占有するときの最小荷重として計測されなくてはならない。言い換えると、計測された値が、ｍ_{ｐ ｍｉｎ}未満の場合には、種類ｐは除外される。次いで、エアバッグを安全上の理由から、実際の占有とは無関係に、起動停止とすることもできる。以上に述べたことに基づいて、この逆は、もちろんのこと不可能である。同等の情報を、重心を求めることによって得ることができる。

従属請求項１７および１８には、運転効果および／またはシートの下にしまい込まれた物体による潜在的な影響を除去することに関する、本発明の好ましい実施態様を記載してある。
従属請求項１７に記載の本発明の好ましい実施態様によれば、車両の運転中に車両にかかる運転効果によって生じ、センサ信号ｓ_ｉを介して記録される加速力は、分類には考慮されない。

本方法は、シート上の真質量ｍ_０を検出するのに使用する。真質量とは、シートベルト力を除いた荷重を意味する。この方法は、理想的な場合には、着座過程の終了後３秒以内での識別が可能である上述の構造特徴検出とは異なり、数分の運転の後においてのみ作動するものである。したがって、追加の「再保証」であると考えられ、これによって、先に行われた判定に対する追加の証拠が与えられる。その結果として、本方法の信頼性は、さらに向上する。以下の試験では、典型的な値を使用して、本方法の機能を説明する。

第１の効果は、追加の車両加速度によって生成される。見かけ質量ｍおよび重心座標（ｘ，ｙ）が、運転中に時間の関数として計測されて、それから統計パラメータ（標準偏差）が導き出される。今、追加の垂直加速度が、シャシーの不安定性のために質量ｍ_０に影響を及ぼすと仮定する。ｍ_０＝９０ｋｇの人と、ｍ_０＝３０ｋｇのチャイルドシートおよび６０ｋｇの追加のシートベルト力、すなわち、ｍ＝ｍ_０＋６０ｋｇ＝９０ｋｇとを考える。すなわち、荷重指標ｍがそれぞれに対して９０ｋｇであるのに対して、例えば±０．１ｇの垂直加速度変化を伴うシャシー不安定性に対する典型的な応答は、人に対してδｍ＝±９ｋｇ、チャイルドシートに対してδｍ＝±３ｋｇであり、すなわち指示荷重ｍの１／３となる。この効果は、δｍ減少（reduction）と呼ばれる。

第２の効果は、シートベルト力の結果として、重心の水平移動の緊縮（constriction）によって生じる。シートベルト力に応じて、この効果は、重心の動きやすさを、１０分の１まで低減する可能性がある。この特徴は、時間履歴において非常に顕著であり、（重心が、トルク／質量として定義されるので）非拘束（固定されていない）質量ｍ_０または荷重指示ｍと独立している。この効果は、δ（ｘ，ｙ）減少と呼ばれる。
従属請求項１９に記載の、本発明の別の好ましい実施態様によれば、長時間効果の結果として生じる、計測量の変化δｍ、δｘ、δｙが、分類において考慮される。

長時間効果は、例えば、いわゆるシートベルト力の沈下（settling）である。これは、チャイルドシートを固定するためにシートベルトを締結した直後に、重心および質量測定値が、長時間にわたってほぼ一定であるレベルに落ち着くことによって現われる。シートベルト力は、移動および静止車両の両方において沈下する可能性がある。運転中に、シートベルト力の沈下は、シャシー不安定によって加速される可能性がある。
従属請求項２０〜２５には、様々な好適な計算方法に関係する、本発明の好ましい実施態様を記載してある。
従属請求項２０に記載の本発明の好ましい一実施態様による、車両シートの占有検出は、ニューラルネットワークを用いて、メモリ内容を評価することによって、シート占有形式に対して特徴的なシート占有パターを検出することに基づいている。

ニューラルネットワークは、統計的な計測データのパターンを検出するための有効な手段である。これらの機能は、例えば、ＷＯ９５／２４６１６より、本質的に既知である。このニューラルネットワークは、従属請求項２１に記載の固有の特徴を有する。計測量ｍ、ｘ、ｙは、メモリまたはシフトレジスタの内容を形成する。すべての既存のパターンを実施する場合には、ニューラルネットワークは、唯一の計算方法として使用する場合にも、シート占有を確実に識別するのに十分である。ニューラルネットワークは、ｍ（ｔ）と一定の所定パターンとの対応関係を求めるという目標を有する非決定論的方法である。ｐおよびｃｓの確率が、出力値として求められる。

従属請求項２２に記載する本発明の実施態様によれば、少なくとも２つの独立した計算方法が提供される。第１の計算方法は、例えば、回帰分析を使用してメモリまたはシフトレジスタの内容を評価することによって、シート占有の構造的特徴を検出することに基づいている。第２の計算方法は、例えば、占有エントロピー分析を使用してメモリまたはシフトレジスタの内容を評価することによって、構造特徴を検出することに基づいている。

占有エントロピー分析と組み合わせた回帰分析によって、特に確実なシート占有の識別が実現される。さらに、メモリ要件が比較的小さい。従属請求項２５および２６に定義される特別のステップが提供される。この回帰分析は、決定論的方法（注、最小誤差２乗法（method of the smallest error square））である。相関係数および定量値（ステップの高さ、．．．、勾配，．．．）を出力として求める。この値が、いわゆるメンバ関数に供給されるか、あるいは言い換えると、０（起こりそうにない）から１（高い見込みがある）までに（通常は非線形に）マッピングされる。占有エントロピーは、特定のパターンのない、統計的方法である。エントロピー値Ｓが、出力として求められる。低いエントロピーは、一定占有または人による占有を示し、それに対して高いエントロピーは、チャイルドシートを示す。

従属請求項２７および２８に記載の、本発明のその他の好ましい実施態様によれば、メモリ内容の高速フーリエ変換解析によるシート占有の構造特徴検出が、追加の計算方法として提供される。メモリ内容の自己相関分析を使用する構造特徴検出も、追加の計算方法として提供される。
高速フーリエ変換解析においては、高速フーリエ変換ＦＦＴが、複数の時点ｔ_ｉにおいて計算される。検査によって、時間移動がある場合には、全体構造が自己類似（self-similar）のままかどうかが判定される。イエスの場合には、フーリエ変換が、異なる時点において簡単な方法で、相互結合される。予期される自己類似性は、構造「人」および「一定」に適用されるが、構造「チャイルドシート」には適用されない。自己相関解析は、同等の結果を導く。追加の方法として、特に相関解析を補うために使用するとき、これらの２つの方法は、分類に関する信頼性をさらに増大させる。

すべての重要なパターンが実施される場合には、ニューラルネットワーク法は、単独の方法として機能するのに対して、その他の方法は組み合わせとして、特に、回帰分析と占有エントロピーと組み合わせとして機能する。これらの方法は、構造特徴のみを必要とし、すなわちニューラルネットワークのような固定形態（fixed morphology）を必要としない。その結果として、これらの方法は、さらに一般的に使用することができる。これらの方法は、多くのパラメータによって制御されるので、異なる問題分野に適合させるときに、非常に柔軟性がある。特に有利なのは、これらの２つの方法を、高速フーリエ変換と組み合わせることができることである。最終的に、論述したすべての方法を組み合わせる場合には、得られる情報は部分的に冗長である。これによって、精度がさらに改善される。

概要を示すために、人およびチャイルドシートに対する構造特徴のいくつかを、以下にまとめて示す。
人に対する必要な構造特徴は次のものがある。すなわち、ｍにおける大きなステップ、ステップの急な勾配ｄｍ／ｄｔ、計測ステップとシータ（theta）関数（跳躍関数）との高い相関、ステップ数＝１、下方ステップなし、ノイズを例外として重要な追加の構造がない、低い占有エントロピー（Ｓ＝０）、時間経過に対する変容的不変パターン（translationally variant pattern）、パターンｐがニューラルネットワークによって検出されることである。人に対する任意選択の構造特徴には次のものがある。すなわち、人の動きによるｘ（ｔ）およびｙ（ｔ）における高いノイズ、ｍ（ｔ）が比較的長時間にわたっても高いレベルのままであることである。

チャイルドシートに対する必要構造特徴は次のものである。占有エントロピーが大きい（Ｓ＝２）。パターンｃｓがニューラルネットワークによって検出される。任意選択の構造特徴としては次のものがある。ｘ（ｔ）またはｙ（ｔ）における一方向の明確な傾向（横方向または下方向）、ｘ（ｔ）およびｙ（ｔ）が最終的にほとんど変化しない（少ないノイズ）、ｍ（ｔ）における本質的構造（いくつかのステップ）、ｍ（ｔ）またはｘ（ｔ）、ｙ（ｔ）における高い短時間変移（short-term excursions）（ピーク）がある。
支持面の占有質量を特定するための既知の装置は、占有形式を首尾一貫して識別するには不適当であるという欠点がある。

したがって、本発明のさらなる目的は、既知の装置を改善することによって、信頼性および情報多様性の要件を満足する、支持面の占有形式を識別する方法を実行するのに使用できるようにすることである。
本発明によれば、この目的は、請求項２９のプリアンブルと合わせて、計測電子回路をメモリに接続し、このメモリ内に、所定の時点ｔ_ｉに記録されるセンサ信号ｓ_ｉまたはそれから導かれる量を、連続的に記憶して、最近のセンサ信号ｓ_ｉまたはそれから導かれる量が、いつでも解析に利用可能とすることによって達成される。少なくとも２つの独立の計算方法またはニューラルネットワークを使用して、メモリに記憶された値から占有形式を特定する、データ処理ユニットが提供される。

センサ信号ｓ_ｉまたは計測量ｍ、ｘ、ｙは、時間とともにメモリ内に連続的に記憶することが可能であり、それによって、支持面の占有の時間履歴が記録される。データ処理ユニットは、アルゴリズムに計測データを供給する。このアルゴリズムは、データの時間履歴から、支持面の占有形式を識別するとともに、さらに一時的または連続的な監視のために多量の情報を抽出するのに使用する方法に対する基礎となる。これによって、支持面の占有形式と関係して装置を制御するための、大幅に拡張した選択肢が提供される。

本発明の好ましい一実施態様によれば、制御される装置は、エアバッグシステムである。
この装置は、特に、自動車技術のエアバッグシステムを制御するのに有利に使用される。この装置は、意図的にエアバッグのスイッチを投入／切断するか、またはより小さな力で膨張させることができる。その結果として、エアバッグを、実際のシートの占有状態に個別に適合させて、特に子供をエアバッグによる潜在的な傷害から保護することができる。

本発明の別の好ましい実施態様によれば、車両電源と独立した結果メモリが設けられて、データ処理ユニットが評価したデータが記憶される。この結果メモリは、（シートが占有されていない場合には）少なくともメモリまたはシフトレジスタが完全に消去されるときに、消去される。
結果メモリを用いることによって、シート占有の履歴を、車両電源と独立して記憶して、確保することができる。これによって、例えば、欠陥などによって電源が中断されるか、またはバッテリが切断された場合でも、制御信号による、シート占有形式の関数としてのエアバッグ制御の動作が、保証かつ維持される。これによって、エアバッグシステムの機能的安全および信頼性の程度が、さらに向上する。

この方法および装置は、自動車シートの占有状態の識別に限定されるものではない。原理的には、本発明による方法は、占有質量を力センサによって計測することのできるすべての種類の支持面に対して好適である。特に、本発明による方法は、病院ベッドおよび車椅子用として、例えば、睡眠研究における患者の動き、例えば、不休脚症候群（restless leg syndrome）と関係する特定の治療画像の検出、または患者の重量移動の検出にも好適である。本発明による方法は、特に、自動車シートの占有の識別を対象としているが、同等の手続きによって、特殊病院ベッドまたは車椅子の要件に適合させることができる。特に、回帰分析および占有エントロピー解析の方法は、システムパラメータを読み込むことによる、対応する適合化に好適である。

好ましい実施態様の詳細な説明
本発明のさらなる詳細を、添付の図面に示した、本発明の好ましい実施態様を参照して、例を挙げて説明する。
自動車シート２の占有形式を識別する装置は、本質的に、４つの力センサ１からなり、これらのセンサは、計測電子回路３およびメモリ４に接続されている。データ処理ユニット５が、計測電子回路３の下流に接続されて、制御ユニット６を経由してエアバッグシステム７を制御するのに使用される。

車両シートの内部または下部に、４つの力センサ１が、上述のように、シートの隅領域に配置されている。これらを使用して、シートに作用する重力または質量を、計測電子回路３を用いて計測する。少なくとも１つの力センサと合わせた１つの回転軸、またはセンサ箔も考慮することができるが、基本的に、センサは少なくとも３つの力センサ１である。センサは、占有質量およびシート全体の荷重分布を計測するのに使用される。計測電子回路３は、最近の時点から所定の時点ｔ_ｉにおいてメモリ４中に記録されるセンサ信号ｓ_ｉまたはそれから導かれる量を、事前設定可能なサンプリング速度で、連続的に記憶するように構成される。センサ信号ｓ_ｉは、データ処理ユニット５によって受け入れられて、少なくとも２つの独立な計算方法またはニューラルネットワークによって処理される。結果として制御信号が供給されて、この制御信号は、制御ユニット６によって評価して、エアバッグシステム７の待機モードを起動または起動停止するか、または低い作用力で起動することができる。車両電源と独立して、データ処理ユニット５によって評価されるデータを記憶する結果メモリ８は、データ処理ユニット５と通信する。

自動車シート２の占有形式を識別する方法は、所定の時点ｔ_ｉに記録されて、メモリ、例えばシフトレジスタとして機能する時間ウィンドウ、に記憶されたセンサ信号の量および時間履歴から、占有形式を導き出す。
次に、ニューラルネットワークによるシート占有形式の識別を、１つの可能な実施態様として記述する。

この方法は、シート占有パターンの検出に基づいている。時間履歴、例えば計測量ｍ（ｔ）の着座パターンの時間履歴、および／または重心ベクトル（ｘ，ｙ）（ｔ）の時間履歴を試験する。この場合の着座パターンとは、時間依存の計測量ｍ（ｔ）またはそのような特徴量のフーリエ変換を意味する。
計測量ｍ（ｔ）は、絶対質量として知る必要がない。その代わりに、０〜１の正規化荷重を使用する。成人およびチャイルドシートは、典型的な着座パターンを生成し、これらを図２ａおよび図２ｂに示してある。（計測の開始後）最後の６４秒のデータｍ（ｔ）を分類ウィンドウ、すなわち通常のサンプリング速度１秒において６４のサンプリング時点として使用する。これらのサンプリング時点は、図における分類ウィンドウ（ｘ軸）を形成する。これに対してプロットしてあるのは、正規化荷重（ｙ軸）である。図に示す曲線は、計算機シミュレーションの結果であり、これには、広範囲のチャイルドシートおよび異なる成人による試験例からの計測データが使用されている。すなわち、これらのカーブは、実際におけるシート占有の、非常に現実的なパターンを表している。これらの占有パターンを用いて、ニューラルネットワークを試験し、それから相関係数を計算した。
結果として得られる情報は、信号ノイズ（車両エンジンの運転、シャシーの不安定性、など）に起因する外乱にもかかわらず、例えば、「人と９％の相関、チャイルドシートと８７％の相関」などである。

図２ａは、５人の異なる人、Ｐ−ＩＮ−１、Ｐ−ＩＮ−２、Ｐ−ＩＮ−３、Ｐ−ＩＮ−４、Ｐ−ＩＮ−５によるシート占有に対する典型的な着座パターンを示す。対応する人が、車両ドアを開けて、着座して安全ベルトを締める。分類は、着座過程の終了後、３秒で完了する。分類ウィンドウにおいて足りないデータは、背後で最初に検出された値を追加することによって完成させ、その結果、ウィンドウは常に６４の値で満たされている。分類ウィンドウは、シフトレジスタによって変化し、その結果、対応する分類は、基本的な例として以下に示すもののようになる（背後で、追加した値は筆記体で示す）。

示されている信頼度（表の最後の列）は、分類「人」がすべての時点において発生したとの仮定に基づいている。別の分類、例えば「チャイルドシート」または「分類不能」が、ある時点で生じる場合には、信頼レベルは、１００％に到達しなかった。継続的な再分類の極端な場合には、信頼レベルは０％に留まった。
すなわち、分類ウィンドウを満たす時間間隔ｔ_ｉ（ｉ＝１．．．６４）の間に、分類が連続的に確認される。結果として分類「一定」を得るためには、フィルタリングされない計測値｛ｍ｝が最初に分類アルゴリズムに入力された後に、フィルタリングされた値｛Ｍ｝を供給して、ノイズの多い信号による再分類を抑制する。ニューラルネットワークは、対応して構成する場合には、自動的にフィルタリングを行い、したがって、ノイズレベルが導入されても、平均して一定荷重の検出は、「一定−人」となる事実を利用する。

図２ａにおいて明白なのは、すべての着座曲線において、大きな重量ジャンプと１００ｋｇ／ｓｅｃまでの増大とを伴う「鋭角」の輪郭を有するステップがあることである。
図２ｂは、４つの異なるチャイルドシート（子供を除く）、ＣＳ−ＩＮ−１、ＣＳ−ＩＮ−２、ＣＳ−ＩＮ−３、ＣＳ−ＩＮ−４に対する着座過程の特性図を示す。以下の表には、例として、２つの代表的な分類特性を示してある。

図２ａと比較して、図２ｂは、より差の大きい曲線を示す。特に、明らかなことは、チャイルドシートでの着座過程の途中では、時折、パーソンパター（person patter）を含むことである。したがって、このことは、ニューラルネットワークに対するパラメータを入力するときに、明白に許容される。いくつかの連続するコンポーネントが、チャイルドシートに対する検出特徴として、ニューラルネットワークに入力される：
−子供を除くチャイルドシートの設置：質量は、比較的低いレベルに迅速に変化し、その後は時間の経過に対してほぼ一定である。
−１回または２回以上の操作によるシートベルトの締結（高荷重）：膝のブレースのために非常にノイズの多い信号、その後は約１０ｋｇ／ｓｅｃでのほぼ線形の増加。
−最大に到達した力の、いわゆるベルト力沈下のために、約１０％低い平衡値への、緩やかな指数関数的減少。

同じ方法で、設置したチャイルドシートに子供を着座させる場合、および子供を降ろす場合に対する、別のグラフおよびパターンを確立することができる。しかしながら、それらは、分類において、補完的、従属的な役割だけを果たすものである。
全体として、ニューラルネットワークによって学習された特徴に基づいて、可能な区別：
「一定」
「人」
「チャイルドシート」
「分類不能」および／または
「除去」
が、確信度と信頼性をもってシート占有形式を識別する確率として得られる。

自動車シートの占有形式を識別するためのブロック図である。 異なる占有形式に対する、自動車シートの占有の時間履歴を示す図である。

Claims (32)

1. 支持面、特に自動車シート（２）の占有形式を、センサ支援信号を用いて、特定する方法であって、所定の時点ｔ_ｉに記録されるセンサ信号ｓ_ｉまたはそれから導かれる量を、メモリ（４）に連続的に記憶すること、最近のセンサ信号ｓ_ｉまたはそれから導き出される量を、いつでも評価に利用可能にすること、および２つの独立の計算方法、またはニューラルネットワークを使用して、これらの記憶値から占有形式を導くことを特徴とする、前記方法。
2. 成人による自動車シート（２）の占有が、チャイルドシートと子供とによる占有と区別されることを特徴とする、請求項１に記載の方法。
3. センサ信号ｓ_ｉまたはそれから導かれる量の記録が、外部開始信号を介して開始されることを特徴とする、請求項１または２に記載の方法。
4. 外部開始信号が、車両ドアの開放によって供給されること、およびセンサ信号ｓ_ｉまたはそれから導かれる量が、少なくとも着座過程が完了するまで連続的に記録されることを特徴とする、請求項３に記載の方法。
5. センサ信号ｓ_ｉまたはそれから導かれる量を連続的に記録かつ評価することによって、占有形式を連続的に監視することを特徴とする、請求項１〜４のいずれかに記載の方法。
6. 記録されたセンサ信号ｓ_ｉまたはそれから導かれる量が、シフトレジスタに記憶されることを特徴とする、請求項１〜５のいずれかに記載の方法。
7. 少なくとも次のステップ：
   （ａ）時点ｔ_ｉ、ｉ＝１．．．ｎにおいて、シフトレジスタからシフトレジスタ番号ｎのセンサ信号ｓ_ｉを読み出し、占有質量ｍ（ｔ_ｉ）および重心位置（ｘ，ｙ）（ｔ_ｉ）の計測量を形成し、該計測量をシフトレジスタ内に記憶し、第１の値を消去し、かつシフトレジスタを１ステップだけシフトさせるステップ、
   （ｂ）少なくとも２つの計算方法またはニューラルネットワークを使用して、シフトレジスタの内容から特定される占有確率Ｗ_ｋ（ｔ_ｉ）を用いて、複数の分類状態に基づいてシート占有を分類するステップ、
   （ｃ）確率限界値Ｗ_ｌｉｍとして占有確率条件Ｗ_ｋ（ｔ_ｉ）＞Ｗ_ｌｉｍを満足する、人による占有に対する占有種類ｋ＝ｐおよびチャイルドシートによる占有に対する占有種類ｋ＝ｃｓを計算して、分類ウィンドウに値を記憶するステップ、
   （ｄ）ｎから開始して、最新のｎ個の値の分類ウィンドウを過去に遡って数えて、その値を信頼アルゴリズムに入れるステップ、
   （ｅ）信頼アルゴリズムを実行するステップ、
   （ｆ）信頼係数Ｃ_ｋ＞Ｃ_ｌｉｍ、但しＣ_ｌｉｍ：信頼限界、が判定されるまで、ステップ（ａ）〜（ｅ）を反復するか、または廃棄条件を満足するときにはそれらを廃棄するステップ、
   （ｇ）この分類に対する計算された信頼係数Ｃ_ｋを用いて、占有種類ｋを確定するステップ、
   （ｈ）確定した占有種類ｋの関数として、制御信号を提供するステップを実行することを特徴とする、請求項６に記載の方法。
8. 分類が、少なくとも４つの分類状態：
   （Ａ）「一定」、
   （Ｂ）「非占有」、
   （Ｃ）「人」、
   （Ｄ）「チャイルドシート」
   に基づいて行われることを特徴とする、請求項７に記載の方法。
9. 信頼アルゴリズムを、Ｗ_ｋ（ｔ_ｉ）＞Ｗ_ｌｉｍの条件を満足する、連続する占有種類ｐおよびｃｓの対応する数Ｎ_ｋから、境界条件：
   （ａ）時点ｔ_ｉにおいて再分類が行われる場合、または分類「非分類」が発生する場合には、式Ｃ_ｋ＝（Ｎ_ｋ−１）／ｎに従って信頼係数を低減する、
   （ｂ）分類状態「非占有」が判定される場合には、前回の分類ウィンドウの割り当てを消去して、Ｃ_ｋ＝０を設定し、分類状態「一定」が判定される場合にはＣ_ｋを出力する、
   を考慮して、分類ｋ＝ｐおよびｋ＝ｃｓに対して、式Ｃ_ｋ＝Ｎ_ｋ／ｎによって信頼係数を計算することによって、実行することを特徴とする、請求項７または８に記載の方法。
10. シフトレジスタメモリ数がｎ＝６４であることを特徴とする、請求項７〜９のいずれかに記載の方法。
11. 確率限界Ｗ_ｌｉｍ＝０．９であることを特徴とする、請求項７〜１０のいずれかに記載の方法。
12. 信頼限界Ｃ_ｌｉｍ＝０．７５であることを特徴とする、請求項６〜１０のいずれかに記載の方法。
13. 占有種類ｋ＝ｃｓが判定される場合に、自動車シート（２）に付随するエアバッグシステム（７）を起動停止すること、および占有種類ｋ＝ｐが判定される場合に、エアバッグシステムを起動することを特徴とする、請求項１〜１２のいずれかに記載の方法。
14. 占有種類ｋ＝ｃｓが判定される場合には、自動車シート（２）に付随するエアバッグシステム（７）を、制御信号を介して起動停止して、トリガーされるとエアバッグシステムを小さな圧力で膨張させるとともに、占有種類ｋ＝ｐが判定される場合には、トリガーされるとエアバッグシステム（７）を全圧力で膨張させることを特徴とする、請求項１〜１２のいずれかに記載の方法。
15. 自動車シート（２）の占有として計測される占有質量ｍ（ｔ_ｉ）を、所定の最小占有質量ｍ_{ｐ ｍｉｎ}と比較すること、および比較結果を分類の考慮に入れることを特徴とする、請求項１〜１４のいずれかに記載の方法。
16. 最小占有質量ｍ_{ｐ ｍｉｎ}＝３２．５ｋｇであることを特徴とする、請求項１５に記載の方法。
17. 自動車の運転中に運転効果によって発生して、車両シート（２）上に作用する加速力を、センサ信号ｓ_ｉを介して記録するとともに、分類の考慮に入れることを特徴とする、請求項１〜１６のいずれかに記載の方法。
18. 車両シート（２）内に詰め込まれて、車両シート（２）に力を及ぼし、センサ信号ｓ_ｉに影響を与える、物体による影響を、分類の考慮に入れることを特徴とする、請求項１〜１７のいずれかに記載の方法。
19. 長期効果の結果としての、計測量の変化δｍ、δｘ、δｙを、分類の考慮に入れることを特徴とする、請求項１〜１８のいずれかに記載の方法。
20. 自動車シートの占有検出が、ニューラルネットワークを使用してメモリ内容を評価することによって、シート占有形式に特徴的なシート占有パターンを検出することに基づくことを特徴とする、請求項１〜１９のいずれかに記載の方法。
21. ニューラルネットワークが、少なくとも次のステップ：
    （ａ）絶対質量値ではなく正規化質量尺度［０，１］、ステップ関数、および典型的なチャイルドシートパターンを使用して、時間経過による質量特性ｍ（ｔ）を入力し、学習記録を生成するステップ、
    （ｂ）メモリから現在のｎ個の値を供給するステップ、
    （ｃ）少なくとも次の状態：
    「一定」
    「人」
    「チャイルドシート」
    「分類不能」および／または
    「除去」
    に基づいて占有確率の出力ニューロンを計算するステップ、を含むことを特徴とする請求項２０に記載の方法。
22. 少なくとも２つの独立する計算方法を提供することを特徴とする、請求項１〜１９のいずれかに記載の方法。
23. 占有確率Ｗ_ｋ（ｔ_ｉ）を、次式
    

    

    ：ここでｃ_ｊは方法ｊの信頼因子、ｕは計算方法の数である、に基づいて、使用する個々の計算方法からの合計占有確率として求めることを特徴とする、請求項２２に記載の方法。
24. 第１の計算方法が、回帰分析を使用してメモリ内容を評価することによるシート占有の構造特徴検出に基づくこと、および第２の計算方法が、占有エントロピー分析を使用してメモリ内容を評価することによる構造特徴検出に基づくことを特徴とする、請求項２２または２３に記載の方法。
25. 回帰分析が、少なくとも次のステップ：
    （ａ）相関係数およびステップ点ｔ_ｓｔｅｐ、「ステップアップ」または「ステップダウン」を、ｎ個の値にわたる、人によるシート占有の構造特徴の分析から、特定するステップ、
    （ｂ）ｔ_ｓｔｅｐの近傍の「ステップアップ」を、所定の数ｖ＜ｎ値にわたって分析することによって、相関係数、勾配［ｋｇ／ｓｅｃ］、およびステップ［ｋｇ］を特定するステップ、
    （ｃ）成人に対する所定の最小質量ｍ_{ｐ ｍｉｎ}より大きい、「ステップアップ」の数Ｎ_ｓｔｅｐを数えるステップ、
    （ｄ）メンバー関数における正規化値Ｎｏｒｍ１に対するステップの高さおよび正規化値Ｎｏｒｍ２に対する勾配の大きさから、人に対する占有確率を、次の関係：
    Ｗ_ｐ＝１／３^＊（ステップ／Ｎｏｒｍ１）＋１／３^＊（勾配／Ｎｏｒｍ２）＋１／３^＊δ_Ｎ１、ここで（Ｎｓｔｅｐ＝１に対して）δ_Ｎ１＝１、（Ｎｓｔｅｐ≠１に対して）δ_Ｎ１＝０である、から計算するステップ、および
    （ｅ）一定占有に対する構造特徴を検査するステップとを含むことを特徴とする、請求項２４に記載の方法。
26. 占有エントロピー分析が、少なくとも次のステップ：
    （ａ）質量尺度を［０，１］に正規化するステップ、
    （ｂ）正規化質量尺度をｚ＜ｎ個のセルに分割するステップ、
    （ｃ）分類ウィンドウ全体にわたって、各セルに対する値ｗ_ｉの数を数えるステップ、
    （ｄ）占有エントロピーの計算を、次式
    

    

    ：ここでｃ_ｉは、尺度［０，１］の両端近傍には負の重み、尺度の両端間のセルに高い重みを与え、全エントロピーＳ_{ｔｏｔａｌ}に正規化する、に基づき行うステップ、
    （ｅ）関係Ｗ_ＣＳ＝Ｓ／Ｓ_{ｔｏｔａｌ}−１、ここでＳ／Ｓ_{ｔｏｔａｌ}＞１に対してｋ＝ｃｓ、および関係Ｗ_ｐ＝１−Ｓ／Ｓ_{ｔｏｔａｌ}、ここでＳ／Ｓ_{ｔｏｔａｌ}＜１に対してｋ＝ｐ、に基づいてシート占有の確率を計算するステップを含むことを特徴とする、請求項２４または２５に記載の方法。
27. 追加の計算方法として、メモリ内容の高速フーリエ変換解析を使用する、シート占有の構造特徴検出を提供することを特徴とする、請求項２２〜２６のいずれかに記載の方法。
28. 追加の計算方法として、メモリ内容の自己相関解析を使用する、シート占有の構造特徴検出を提供することを特徴とする、請求項２２〜２７のいずれかに記載の方法。
29. 支持面、特に自動車シート（２）の占有形式を識別するための装置において、少なくとも３つの力センサ（１）または少なくとも１つの力センサ（１）と一緒に少なくとも１つの回転軸が、前記支持面に配置されて、前記力センサ（１）と接続された計測電子回路（３）を介して、前記支持面上に作用する力を計測するのに使用されるとともに、前記計測電子回路（３）と接続された制御ユニット（６）を介して、前記計測値の関数として制御が可能である、装置であって、前記計測電子回路（３）がメモリ（４）と接続されており、このメモリに、所定の時点ｔ_ｉに記録されたセンサ信号ｓ_ｉまたはそれから導かれる量を、連続的に記憶して、それによって最近のセンサ信号ｓ_ｉまたはそれから導かれる量が、いつでも評価に利用可能であること、およびデータ処理ユニット（５）が設けられており、このデータ処理ユニットが、少なくとも２つの独立した計算方法を使用するか、またはニューラルネットワークを使用して、前記メモリ（４）内に記憶された値から占有形式を特定することを特徴とする、前記装置。
30. メモリ（４）が、シフトレジスタとして構成されていることを特徴とする、請求項２９に記載の装置。
31. 制御される装置が、エアバッグシステム（７）であることを特徴とする、請求項２９または３０に記載の装置。
32. 車両電源と独立した結果メモリ（８）が、データ処理ユニット（５）によって評価するデータを記憶するために、設けられていることを特徴とする、請求項２９〜３１のいずれかに記載の装置。

Images