JP6225927B2 - 車両状態予測システム - Google Patents

Description

本発明は、車両の将来の状態を予測する車両状態予測システムに関する。

従来、この種の車両状態予測システムとしては、例えば特許文献１に記載のシステムが知られている。このシステムは、予め設定した車両の状況とドライバ（運転手）からの指示又は車載機器からの通知との組み合わせを条件として、それら条件ごとに各状況において指示又は通知を受けたときのドライバの対応を関連付けた対応選択テーブルを有している。そして、このシステムでは、現在の車両の状況において指示又は通知を受けたときに対応する条件を割り出し、その割り出した条件からドライバの対応を予測してその結果をドライバに提示するようにしている。

特開２００３−２５２１３０号公報

ところで、上記文献に記載のシステムでは、対応可能とする車両の状況、ドライバからの指示、及び車載機器からの通知を多岐に亘って登録しようとすれば、それら組み合わせの数が膨大となり、ひいては対応選択テーブルのデータ容量も膨大となる。一方、対応選択テーブルのデータ容量を抑えるべく、対応可能とする車両の状況、ドライバからの指示、及び車載機器からの通知を制限しようとすれば、対応選択テーブルに基づくドライバの対応の予測精度は自ずと低下する。すなわちこのシステムにおいて、対応選択テーブルのデータ容量とドライバの対応の予測精度とはトレードオフの関係にあり、それらの両立を図ることは困難となっている。

本発明は、このような実情に鑑みてなされたものであり、その目的は、データ容量を抑えつつ、車両の将来の状態を高い信頼性をもって予測することのできる車両状態予測システムを提供することにある。

以下、上記課題を解決するための手段及びその作用効果について記載する。
上記課題を解決する車両状態予測システムは、一つ以上の車両信号の時系列情報を用いて車両状態を記号化する記号化部と、前記記号化された車両状態を表す記号を出現順にノードとして定義するとともにそれらノード間の推移をリンクとして定義して前記ノードの出現回数及び前記リンクの通過回数をそれぞれ加算してネットワーク構造を生成するネットワーク生成部と、その都度の車両状態に対応する第１のノードから所定回数だけ遷移した後の車両状態に対応する第２のノードに至る複数の経路のうち、それら経路上にあるノード及びリンクの少なくとも一方の加算値が多い経路を将来の車両状態の推移を示す経路として予測する状態予測部とを備え、前記状態予測部は、車両状態が前記ネットワーク構造を構成する既存のノードの何れにも対応しない車両状態にある時点から一定期間が経過しても既存のノードに対応する車両状態に遷移しないときには、既存のノードのうち、現時点との相違の少ない車両状態に対応するノードを起点として経路の予測を行う。

上記構成によれば、一つ以上の車両信号の時系列情報を用いて車両状態を記号化し、得られた記号を出現順にノードとするとともにそれらノード間の推移をリンクとしてそれらノードの出現回数及びリンクの通過回数をそれぞれ加算してネットワーク構造を構築するようにしている。すなわち、車両状態を規定する車両信号の種類が多岐に亘ったとしてもそれら車両信号の群が記号化によって一つの記号に集約される。また、その記号化によって同一の車両状態が重複して登録されることが避けられるとともにその出現回数や通過回数だけが加算されるかたちでカウントされる。そのため、車両状態を規定する車両信号の種類が多岐に亘ったとしても、ネットワーク構造内におけるノードのデータ容量が膨大となることが抑えられる。また、ネットワーク構造を遷移確率モデルとして扱う場合とは異なり、ノードの出現回数やリンクの通過回数を加算するにあたって対象となるノード又はリンク以外について既存の情報を演算し直す必要がないため、ネットワーク構造の更新時における演算負荷が抑えられる。また、ネットワーク構造を生成した過去の時点において、出現回数の多いノード及び通過回数の多いリンクを含むネットワーク上の経路は、将来に亘っても出現頻度の高い車両状態の推移を示すことが想定される。そのため、ノードの出現回数及びリンクの通過回数の少なくとも一方の加算値が多い経路を求めることにより、データ容量を抑えつつ、同経路上にあるノードに対応する車両状態を将来の車両状態として高い信頼性をもって予測することが可能となる。
また、ネットワーク構造を構成する既存のノードは、現時点に至るまでに推移したことのある車両状態の履歴を示すものである。そのため、既存のノードの何れにも対応しない車両状態にあることは、その時点において新規な車両状態に置かれていることを意味している。そして、同時点から一定期間が経過しても既存のノードに対応する車両状態に遷移しないときには、不慣れな車両操作が行われている状況が想定され、このような状況にあっては、音声対話による車両操作の案内等を実現するために、将来の車両状態の予測が特に必要となる。この点、上記構成によれば、上記状況に置かれたときには、現時点の車両状態が既存ノードの何れにも対応しない車両状態であったとしても、現時点と相違の少ない車両状態に対応するノードを起点として、将来の車両状態の予測を速やかに行うことが可能となる。
また、上記課題を解決する車両状態予測システムは、一つ以上の車両信号の時系列情報を用いて車両状態を記号化する記号化部と、前記記号化された車両状態を表す記号を出現順にノードとして定義するとともにそれらノード間の推移をリンクとして定義して前記ノードの出現回数及び前記リンクの通過回数をそれぞれ加算してネットワーク構造を生成するネットワーク生成部と、その都度の車両状態に対応する第１のノードから所定回数だけ遷移した後の車両状態に対応する第２のノードに至る複数の経路のうち、それら経路上にあるノード及びリンクの少なくとも一方の加算値が多い経路を将来の車両状態の推移を示す経路として予測する状態予測部と、互いに異なる音声パターン群が格納された複数の音声データベースと、入力される音声と前記複数の音声データベースのうちから選択した音声データベースとの照合を通じた音声認識処理により車両状態を遷移させる音声処理部とを備え、前記音声処理部は、前記状態予測部が予測した経路に含まれる車両状態に適した音声データベースへの切り替えを行い、前記音声データベースの切り替えは、前記状態予測部が予測した経路に前記音声認識処理を通じて遷移したことのある車両状態に対応するノードが含まれることを条件に行われる。
上記構成によれば、一つ以上の車両信号の時系列情報を用いて車両状態を記号化し、得られた記号を出現順にノードとするとともにそれらノード間の推移をリンクとしてそれらノードの出現回数及びリンクの通過回数をそれぞれ加算してネットワーク構造を構築するようにしている。すなわち、車両状態を規定する車両信号の種類が多岐に亘ったとしてもそれら車両信号の群が記号化によって一つの記号に集約される。また、その記号化によっ
て同一の車両状態が重複して登録されることが避けられるとともにその出現回数や通過回数だけが加算されるかたちでカウントされる。そのため、車両状態を規定する車両信号の種類が多岐に亘ったとしても、ネットワーク構造内におけるノードのデータ容量が膨大となることが抑えられる。また、ネットワーク構造を遷移確率モデルとして扱う場合とは異なり、ノードの出現回数やリンクの通過回数を加算するにあたって対象となるノード又はリンク以外について既存の情報を演算し直す必要がないため、ネットワーク構造の更新時における演算負荷が抑えられる。また、ネットワーク構造を生成した過去の時点において、出現回数の多いノード及び通過回数の多いリンクを含むネットワーク上の経路は、将来に亘っても出現頻度の高い車両状態の推移を示すことが想定される。そのため、ノードの出現回数及びリンクの通過回数の少なくとも一方の加算値が多い経路を求めることにより、データ容量を抑えつつ、同経路上にあるノードに対応する車両状態を将来の車両状態として高い信頼性をもって予測することが可能となる。
また、上記構成によれば、将来の車両状態において実行される音声認識処理を予測しつつ、その音声認識処理に適した音声データベースに予め切り替えておくことにより、音声認識処理の認識精度を高めることができる。
また、上記構成によれば、予測された将来の車両状態において切り替え後の音声データベースが実際に用いられる可能性が高まるため、音声データベースの切り替えによる音声認識精度の向上を高い信頼性をもって実現することができる。
また、上記課題を解決する車両状態予測システムは、一つ以上の車両信号の時系列情報を用いて車両状態を記号化する記号化部と、前記記号化された車両状態を表す記号を出現順にノードとして定義するとともにそれらノード間の推移をリンクとして定義して前記ノードの出現回数及び前記リンクの通過回数をそれぞれ加算してネットワーク構造を生成するネットワーク生成部と、その都度の車両状態に対応する第１のノードから所定回数だけ遷移した後の車両状態に対応する第２のノードに至る複数の経路のうち、それら経路上にあるノード及びリンクの少なくとも一方の加算値が多い経路を将来の車両状態の推移を示す経路として予測する状態予測部と、車両状態の遷移を伴う一乃至複数のサービスを実行可能なサービス実行部を備え、前記サービス実行部は、前記状態予測部が予測した経路に含まれるノードが所定のサービスの起動条件を満たすときに当該サービスを実行するものであり、前記状態予測部が予測した経路における終端ノードが所定のサービスの実行後の車両状態と一致することを条件に、サービスの起動条件の判定を行い、前記状態予測部が予測した経路における終端ノードがサービスの実行後の車両状態と一致するサービスが複数あるときには、サービス実行後の車両状態を規定する車両信号の数が多いサービスから順に、サービスの起動条件の判定を行う。
上記構成によれば、一つ以上の車両信号の時系列情報を用いて車両状態を記号化し、得られた記号を出現順にノードとするとともにそれらノード間の推移をリンクとしてそれらノードの出現回数及びリンクの通過回数をそれぞれ加算してネットワーク構造を構築するようにしている。すなわち、車両状態を規定する車両信号の種類が多岐に亘ったとしてもそれら車両信号の群が記号化によって一つの記号に集約される。また、その記号化によって同一の車両状態が重複して登録されることが避けられるとともにその出現回数や通過回数だけが加算されるかたちでカウントされる。そのため、車両状態を規定する車両信号の種類が多岐に亘ったとしても、ネットワーク構造内におけるノードのデータ容量が膨大となることが抑えられる。また、ネットワーク構造を遷移確率モデルとして扱う場合とは異なり、ノードの出現回数やリンクの通過回数を加算するにあたって対象となるノード又はリンク以外について既存の情報を演算し直す必要がないため、ネットワーク構造の更新時における演算負荷が抑えられる。また、ネットワーク構造を生成した過去の時点において、出現回数の多いノード及び通過回数の多いリンクを含むネットワーク上の経路は、将来に亘っても出現頻度の高い車両状態の推移を示すことが想定される。そのため、ノードの出現回数及びリンクの通過回数の少なくとも一方の加算値が多い経路を求めることにより、データ容量を抑えつつ、同経路上にあるノードに対応する車両状態を将来の車両状態として高い信頼性をもって予測することが可能となる。
また、上記構成によれば、将来の車両状態において実行されるサービスを予測しつつ、その予測されたサービスを何らの車両操作も伴うことなく実行するようにすることで、将来の車両状態に則したサービスを利便性よく提供することが可能となる。
また、上記構成によれば、サービスの起動条件の判定処理に先立って対象となるサービスが絞られることから、将来の車両状態において実行されるサービスを予測する上での処理負荷を低減することが可能となる。
また、上記構成によれば、将来の車両状態において実行されるサービスの候補が複数挙がったとしても、それら候補となるサービスに対し起動条件の判定を順次行うことが可能となるため、その汎用性、並びに利便性を高めることができるようになる。

上記車両状態予測システムにおいて、前記状態予測部は、前記第１のノードから前記第２のノードに至る複数の経路のうち、それら経路上にある前記リンクの通過回数が最も多い経路を将来の車両状態の推移を示す経路として予測することが好ましい。

上記構成によれば、例えば所定の基準値からリンクの通過回数を減算した値に対し、ネットワーク内の二つのノード間を結ぶ経路の中で重みが最小の経路を求める最適化問題（いわゆる、最短経路問題）の解法の一種であるダイクストラ法等を適用することで、将来の車両状態の推移を示す経路を迅速に算出することが可能となる。

上記車両状態予測システムにおいて、互いに異なる音声パターン群が格納された複数の音声データベースと、入力される音声と前記複数の音声データベースのうちから選択した音声データベースとの照合を通じた音声認識処理により車両状態を遷移させる音声処理部とを備え、前記音声処理部は、前記状態予測部が予測した経路に含まれる車両状態に適した音声データベースへの切り替えを行うことが好ましい。

上記構成によれば、将来の車両状態において実行される音声認識処理を予測しつつ、その音声認識処理に適した音声データベースに予め切り替えておくことにより、音声認識処理の認識精度を高めることができる。

上記車両状態予測システムにおいて、前記音声データベースの切り替えは、前記状態予測部が予測した経路に前記音声認識処理を通じて遷移したことのある車両状態に対応するノードが含まれることを条件に行われることが好ましい。

上記構成によれば、予測された将来の車両状態において切り替え後の音声データベースが実際に用いられる可能性が高まるため、音声データベースの切り替えによる音声認識精度の向上を高い信頼性をもって実現することができる。

上記車両状態予測システムにおいて、前記状態予測部は、過去に前記音声認識処理を通じて遷移したことのある車両状態に対応するノードを前記第２のノードとして経路の予測を行い、前記音声処理部は、前記状態予測部が予測した経路における前記第２のノードへの遷移に用いた音声データベースへの切り替えを行うことが好ましい。

上記構成によれば、音声認識処理に適した音声データベースへの切り替えをより実情に適合させることにより、音声認識処理の認識精度をより一層高めることができる。
上記車両状態予測システムにおいて、前記状態予測部は、前記音声認識処理を通じて遷移したことのある車両状態に対応するノードが複数あるときには、それらノードにノードの距離が短いほど高い優先度を設定し、前記音声処理部は、前記設定された優先度の高いノードへの遷移に用いた音声データベースから順に、前記音声認識処理に用いる音声データベースとして切り替えることが好ましい。

上記構成によれば、音声認識処理を通じて遷移したことのある車両状態に対応するノードが複数あるときであっても、それら音声認識処理に適した音声データベースの切り替えが可能となるため、その汎用性を高めることができる。

上記車両状態予測システムにおいて、前記音声処理部は、前記第１のノードと前記第２のノードとの間で相違する車両信号が前記音声認識処理を通じて操作可能なものであることを条件に、前記音声データベースの切り替えを行うことが好ましい。

上記構成によれば、音声認識処理に適した音声データベースへの切り替えをより一層実情に適合させることにより、音声認識処理の認識精度を更に高めることができる。
上記車両状態予測システムにおいて、車両状態の遷移を伴う一乃至複数のサービスを実行可能なサービス実行部を備え、前記サービス実行部は、前記状態予測部が予測した経路に含まれるノードが所定のサービスの起動条件を満たすときに当該サービスを実行することが好ましい。

上記構成によれば、将来の車両状態において実行されるサービスを予測しつつ、その予測されたサービスを何らの車両操作も伴うことなく実行するようにすることで、将来の車両状態に則したサービスを利便性よく提供することが可能となる。

上記車両状態予測システムにおいて、前記サービス実行部は、前記状態予測部が予測した経路における終端ノードが所定のサービスの実行後の車両状態と一致することを条件に、サービスの起動条件の判定を行うことが好ましい。

上記構成によれば、サービスの起動条件の判定処理に先立って対象となるサービスが絞られることから、将来の車両状態において実行されるサービスを予測する上での処理負荷を低減することが可能となる。

上記車両状態予測システムにおいて、車両信号を検知するセンサの電源を管理する電源管理部を備え、前記電源管理部は、前記状態予測部が予測した経路上のノード同士で出力値が変化しない車両信号を含むときには、その車両信号を検知するセンサの電源をオフに設定することが好ましい。

上記構成によれば、将来に亘って出力値が変化しないことが予測される車両信号があるときには、その車両信号を検知するセンサの動作が不要となることが想定される。そのため、こうしたセンサの電源を事前にオフに設定することにより、システム全体としての消費電力を節減することが可能となる。

上記車両状態予測システムにおいて、前記センサの電源をオフに設定する条件には、過去の車両状態に対応するノードからその都度の車両状態に対応するノードに至る経路上のノード同士で車両信号の出力値が変化しないことが更に含まれることが好ましい。

上記構成によれば、センサの電源を事前にオフに設定するための条件として、過去の車両状態からその都度の車両状態に至るまでの間にもセンサの出力値が変化しなかった点が加わることとなる。そのため、より一層の慎重を期して検知対象から除外する車両信号を選択しつつも、システム全体としての消費電力を削減することが可能となる。

上記車両状態予測システムにおいて、車両信号を検知するセンサの電源を管理する電源管理部を備え、前記電源管理部は、前記状態予測部が予測した経路上のノードがその都度の車両状態と異なる出力値を示す車両信号を含むときには、その車両信号を検知するセンサの電源をオンに設定することが好ましい。

上記構成によれば、出力値の変化が予測される車両信号があるときには、その車両信号を検知するセンサの動作を事前に開始させることにより検知動作を的確に行うことが可能となる。

上記車両状態予測システムにおいて、当該車両状態予測システムは、対象とする複数の車両の走行情報を無線通信を通じて管理する管理センターを含んで構成され、前記ネットワーク生成部は、前記管理センターに設けられて複数の車両から受信したその都度の車両信号に基づく車両状態をノードとして定義して前記ネットワーク構造を生成するとともに、その生成したネットワーク構造において、複数の車両におけるノード及びリンクの加算値を合算し、前記状態予測部は、同じく管理センターに設けられて前記ネットワーク構造に基づき将来の車両状態の推移を示す経路を予測するとともに、その予測した経路を各車両に配信することが好ましい。

上記構成によれば、複数の車両における車両状態の遷移の履歴が共有されるかたちでネットワーク構造が生成される。そのため、自車両にとっては新規の車両状態であったとしても、他車両にとっては既存の車両状態となることもあり、車両ごとにネットワーク構造を生成する場合よりもその範囲を拡張しやすくなる。したがって、ネットワーク構造に基づき将来の車両状態を予測するにあたり、その汎用性、並びに実用性を更に高めることが可能となる。

車両状態予測システムの第１の実施の形態の概略構成を示すブロック図。 車両信号の時系列情報に基づく記号化の態様の一例を示す模式図。 各時刻における車両信号の組み合わせを取得するときのデータ構造の一例を示す模式図。 同実施の形態のノードデータテーブルが格納するデータ内容を示す模式図。 同実施の形態のリンクデータテーブルが格納するデータ内容を示す模式図。 同実施の形態の車両状態予測システムが生成するネットワーク構造の一例を示す模式図。 同実施の形態の車両状態予測システムが実行する予測処理の処理手順を示すフローチャート。 第２の実施の形態の車両状態予測システムにおけるリンクデータテーブルが格納するデータ内容を示す模式図。 同実施の形態の車両状態予測システムが生成するネットワーク構造の一例を示す模式図。 車両状態予測システムの第３の実施の形態の概略構成を示すブロック図。 同実施の形態のサービス条件テーブルが格納するデータ内容を示す模式図。 同実施の形態の車両状態予測システムが実行する予測処理の処理手順を示すフローチャート。 サービス実行判定処理の処理手順を示すフローチャート。 サービス実行判定処理の処理内容の説明するための模式図。 車両状態予測システムの第４の実施の形態の概略構成を示すブロック図。 同実施の形態の車両状態予測システムが生成するネットワーク構造の一例を示す模式図。 開始状態から予測状態に至るまでの各種センサのセンサ値の推移の一例を示す模式図。 車両状態予測システムの第５の実施の形態の概略構成を示すブロック図。 同実施の形態のノードデータテーブルが格納するデータ内容を示す模式図。 同実施の形態のリンクデータテーブルが格納するデータ内容を示す模式図。 同実施の形態の車両状態予測システムが生成するネットワーク構造の一例を示す模式図。

（第１の実施の形態）
以下、車両状態予測システムの第１の実施の形態について図面を参照して説明する。
本実施の形態の車両状態予測システムは、車両の乗員に対する各種情報の提供を行うエージェントＥＣＵ（電子制御装置）により構成されている。エージェントＥＣＵは、音声対話機能を有しており、車両の乗員から入力された音声の認識内容に基づき車載機器の動作を制御したり、その認識内容に応じた音声発話を実行したりする。また、エージェントＥＣＵは、車両信号の時系列情報を用いて車両状態の過去の履歴をネットワーク構造として蓄積している。この蓄積したネットワーク構造を用いて将来の車両状態の推移を予測しておき、その車両状態に適した音声認識辞書（音声データベース）を予め待機させておくことにより、音声認識の精度を向上させるようにしている。

具体的には、図１に示すように、エージェントＥＣＵ１００は、例えばＣＡＮ（コントローラエリアネットワーク）等からなる車両ネットワークＮＷを介して他ＥＣＵ群１２０、センサー群１３０、及びスイッチ群１４０に対して接続されている。

他ＥＣＵ群１２０は、各種の車載機器の動作を制御する車載ＥＣＵであり、例えばエンジン、ブレーキ、ステアリング等の各種車両駆動系の車載機器を制御する車載ＥＣＵと、例えばエアコン及び車両２００の各種状態を表示するメータ等のボディ系の車載機器を制御する車載ＥＣＵと、例えば現在地から目的地までの経路案内等を行うカーナビゲーションシステムをはじめとする情報系の車載機器を制御する車載ＥＣＵとを含んで構成されている。

センサー群１３０は、各種の車両状態を検知するためのセンサ群であり、以下の（Ａ）〜（Ｒ）に列挙するセンサが含まれる。

（Ａ）ＧＰＳセンサ（緯度経度、標高、時刻）
（Ｂ）レーザ、赤外線、超音波センサ（前方・後方車間距離、障害物との距離）
（Ｃ）雨滴センサ
（Ｄ）外気温センサ
（Ｅ）車室内温度センサ
（Ｆ）着座センサ
（Ｇ）シートベルト着用状態センサ
（Ｈ）スマートキー（登録商標）センサ（キー位置情報）
（Ｉ）侵入監視センサ
（Ｊ）可視光・赤外線画像センサ（カメラ画像）
（Ｋ）花粉等微粒子センサ
（Ｌ）加速度センサ（傾き等車両挙動）
（Ｍ）照度センサ
（Ｎ）電界強度センサ（任意周波数帯の電界強度）
（Ｏ）ドライバモニタ（顔向き、視線）
（Ｐ）車速センサ
（Ｑ）操舵角センサ
（Ｒ）ヨーレートセンサ

スイッチ群１４０は、各種の車載機器の動作を切り替えるためのスイッチ群であり、以下の（ａ）〜（ｎ）に列挙されるスイッチが含まれる。

（ａ）ウインカーレバースイッチ
（ｂ）ワイパー操作スイッチ
（ｃ）ライト操作スイッチ
（ｄ）ステアリングスイッチ
（ｅ）ナビ・オーディオ操作スイッチ
（ｆ）窓操作スイッチ
（ｇ）ドア・トランク開閉・ロックスイッチ
（ｈ）エアコン操作スイッチ
（ｉ）シートヒータ・ベンチレーションスイッチ
（ｊ）シートポジション調整・プリセットメモリスイッチ
（ｋ）侵入監視システムスイッチ
（ｌ）ミラー操作スイッチ
（ｍ）ＡＣＣ（アダプティブ・クルーズ・コントロール）スイッチ
（ｎ）エンジンスイッチ

そして、エージェントＥＣＵ１００は、これら他ＥＣＵ群１２０、センサー群１３０、及びスイッチ群１４０から車両ネットワークＮＷを介して入力される車両信号をデータ受信部１０１を通じて取得するとともに、それら取得した車両信号を記号化部１０２に入力する。記号化部１０２は、取得した車両信号を用いて車両状態を記号化するとともに、それら記号化した記号の情報を記憶部１０３に格納する。

図２には、車両信号の時系列情報に基づく記号化の態様の一例を示している。この図では、他ＥＣＵ群１２０から一定の時間間隔ごとに車両信号として取得するＥＣＵ信号値を「○」印として表記するとともに、センサー群１３０から同時刻において取得するセンサ値を「△」印、「□」印としてそれぞれ表記し、更に同時刻においてスイッチ群１４０から車両信号として取得するスイッチ信号（図２には、ＡＣＣスイッチ信号及びエンジンスイッチ信号を一例として図示）をバー表示として表記している。そして、これらＥＣＵ信号値、センサ値、及びスイッチ信号の組み合わせごとに状態番号を時間の経過とともに付与していく。図２に示す例では、時刻ｔ１から時刻ｔ３に亘ってはこれらＥＣＵ信号値、センサ値、及びスイッチ信号の何れもが変化しないため、これら時刻ｔ１〜ｔ３では同一の状態番号「Ｓ１」が付与されている。一方、時刻ｔ４においては、ＥＣＵ信号値「○」、センサ値「□」、及び、ＡＣＣスイッチ及びエンジンスイッチの双方のスイッチ信号の変化は見られないものの、センサ値「△」の変化が見られるため、時刻ｔ４では新規の状態番号「Ｓ２」が付与されている。また、時刻ｔ５においては、ＥＣＵ信号値「○」、センサ値「△」、及びエンジンスイッチのスイッチ信号の変化は見られないものの、センサ値「□」及びＡＣＣスイッチのスイッチ信号の変化が見られるため、時刻ｔ５では新規の状態番号「Ｓ３」が付与されている。また、時刻ｔ８においては、時刻ｔ７との比較であればセンサ値「△」の変化は見られるものの、時刻ｔ５との比較ではＥＣＵ信号値、センサ値、及びスイッチ信号の全てが一致する。そのため、時刻ｔ８では時刻ｔ５における既存の状態番号「Ｓ３」が付与されている。すなわち、他ＥＣＵ群１２０から車両信号として取得するＥＣＵ信号値、センサー群１３０から車両信号として取得するセンサ値、及び、スイッチ群１４０から車両信号として取得するスイッチ信号の何れか一つでもその時刻までに取得したＥＣＵ信号値、センサ値、及びスイッチ信号と異なるものであれば、同時刻に新規の状態番号を付与するようにしている。一方、他ＥＣＵ群１２０から車両信号として取得するＥＣＵ信号値、センサー群１３０から車両信号として取得するセンサ値、及び、スイッチ群１４０から車両信号として取得するスイッチ信号の全てがその時刻までに取得したＥＣＵ信号値、センサ値、及びスイッチ信号と一致するものであれば、同時刻に、既存の状態番号を付与するようにしている。

なお、図３には、各時刻における車両信号の組み合わせを取得するときのデータ構造の一例を示している。同図には、取得対象となるセンサ値として「車速」、「操舵角」、「ヨーレート」、「外気温」を例示するとともに、取得対象となるスイッチ信号として「シフトポジション」、「パーキングブレーキ状態」を例示している。これら取得間隔は車両信号ごとに異なっており、同図に示す例では、「車速」、「操舵角」、「ヨーレート」といった車両信号の取得間隔は比較的短く（例えば、１００ｍｓ）、「シフトポジション」、「パーキングブレーキ状態」、「外気温」といった車両信号の取得間隔は比較的長くなっている（例えば、１０００ｍｓ）。

また、これら取得順序は常に一定のものではなく、その都度の他ＥＣＵ群１２０、センサー群１３０、及びスイッチ群１４０からの車両信号の出力タイミングによっては変更となることもある。同図に示す例では、エージェントＥＣＵが車両ネットワークを介して送信フレームを受信した順に「送信フレーム１」〜「送信フレーム８」が並んでおり、これら送信フレームには車両信号が一つずつ含まれている。そして、この例では、上述した取得間隔が比較的短い車両信号の群（「車速」、「操舵角」、「ヨーレート」）のうちでもそれら送信頻度は互いに異なっており、送信頻度の高い車両信号から順に、「車速」、「操舵角」、「ヨーレート」となっている。そのため、この例では、時刻の早い順に取得した車両信号を適用していくと、時刻ｔ１においては「車速」、「操舵角」、「ヨーレート」の全てが揃うこととなるが、時刻ｔ２においては「ヨーレート」が揃わず、時刻ｔ３においては「操舵角」及び「ヨーレート」が揃わない状態となる。そこで、その後に送信された車両信号が「車速」であれば、その「車速」を時刻ｔ４における車両信号として適用することとなる。一方、その後に送信された車両信号が「操舵角」であれば、その「操舵角」を時刻ｔ３における車両信号として適用することとなる。また、その後に送信された車両信号が「ヨーレート」であれば、その「ヨーレート」を時刻ｔ２における車両信号として適用することとなる。すなわち、取得間隔が比較的短い車両信号の群については、ある時刻において全ての車両信号が揃っていないのであれば、該当する車両信号を取得した時点で同時刻における車両信号として適用することとなる。そのため、上述したように車両信号の出力タイミングが変更となった場合であれ、各時刻における車両信号が確実に揃うこととなる。

また、この例では、上述した取得間隔が比較的長い車両信号の群（「シフトポジション」、「パーキングブレーキ状態」、「外気温」）については、時刻の早い順に車両信号を適用していくと、時刻ｔ１においては「シフトポジション」、「パーキングブレーキ状態」、「外気温」の全てが揃うこととなるが、時刻ｔ２及び時刻ｔ３においては、取得間隔が比較的長いことからそれら車両信号の全てが揃わない状態となる。ここで、時刻ｔ２及び時刻ｔ３においては、時刻ｔ１における「シフトポジション」、「パーキングブレーキ状態」、「外気温」を車両信号として適用することとなる。すなわち、取得間隔が比較的長い車両信号の群については、ある時刻において車両信号が揃っていないのであれば、直近で取得した車両信号を同時刻における車両信号として適用することとなる。そのため、取得間隔が互いに異なる車両信号が取得対象とされる場合であれ、各時刻における車両信号がタイムラグを抑えつつ確実に揃うこととなる。そして、それら車両信号を用いて各時刻に対応する車両状態を記号化することが可能となる。

また、図１に示すように、エージェントＥＣＵ１００は、記号化された車両状態を表す記号を出現順にノードとして定義するとともにそれらノード間の遷移をリンクとして定義してネットワーク構造を生成するネットワーク生成部１０４を備えている。このネットワーク構造を生成する際、ネットワーク生成部１０４は、定義したノードの情報を記憶部１０３に格納されたノードデータテーブルＴ１に書換更新するとともに、定義したリンクの情報を記憶部１０３に格納されたリンクデータテーブルＴ２に書換更新する。

図４に示すように、ノードデータテーブルＴ１には、記号化された車両状態の状態番号３０１（ノードＩＤ）と、それら車両状態を規定する車両信号の群３０２と、車両状態（ノード）の出現回数のカウント値３０３とが関連付けられている。同図に示すノードデータテーブルＴ１では、記号化された車両状態の状態番号の数は、記号化部１０２において新規の状態番号が付与されるごとに追加される。また、これら状態番号３０１に関連付けられたカウント値３０３は、記号化部１０２において対応する状態番号が既存の状態番号として付与されるごとに加算される。

一方、図５に示すように、リンクデータテーブルＴ２には、記号化された車両状態間の遷移に対応するリンクＩＤ３０４と、遷移前の車両状態の状態番号を表す始端ノードＩＤ３０５と、遷移後の車両状態の状態番号を表す終端ノードＩＤ３０６と、車両状態間の遷移回数（通過回数）のカウント値３０７とが関連付けられている。同図に示すリンクデータテーブルＴ２では、リンクＩＤ３０４の数は、記号化部１０２において記号化された状態番号が新規の状態番号及び既存の状態番号のいずれであれ、それら状態番号への遷移が新規なものであるごとに追加される。また、これらリンクＩＤ３０４に関連付けられたカウント値３０７は、記号化部１０２において記号化された状態番号への遷移が既存のものであるごとに加算される。

また、図１に示すように、エージェントＥＣＵ１００は、生成したネットワーク構造において現在の車両状態に対応するノードから所定回数だけ遷移した後の車両状態に対応するノードに至る複数の経路のうち、所定のアルゴリズムに基づいた最適経路を探索部１０５を通じて探索する。また、エージェントＥＣＵ１００は、探索された最適経路上にあるノードに対応する車両状態を将来の車両状態として状態予測部１０６を通じて予測する。

ここで、所定のアルゴリズムに基づいた最適経路の探索方法を図６を参照して説明する。なお、図６に示すネットワーク構造では、車両状態に対応するノードのカウント値をブロックの積層体の高さとして表すとともに、車両状態間の遷移に対応するリンクのカウント値を矢印の太さとして表している。また、同図に示すネットワーク構造では、積層体の各ブロックは累積観測頻度に対応している。また、同図に示すネットワーク構造では、説明の便宜上、車両状態間の遷移に対応するリンクの一部のみを簡略化して図示している。

ここで、最適経路を探索する際には、まず最初に現在の車両状態に対応するノード（状態番号Ｓ２）から延びるリンクとして、ノード（状態番号Ｓ４）への遷移に対応するリンク、及び、ノード（状態番号Ｓ６）への遷移に対応するリンクを抽出する。そして、これら抽出したリンクの中でカウント値が最大となるリンクとして、ノード（状態番号Ｓ６）への遷移に対応するリンクを選択する。

続いて、遷移先となるノード（状態番号Ｓ６）のカウント値が探索終了条件の一例である所定の閾値以上（例えば、積層体のブロック数が５個以上）であることを満たす否かを確認する。この場合、ノード（状態番号Ｓ６）のカウント値（２個）は所定の閾値未満であることから、同ノードから延びるリンクとして、ノード（状態番号Ｓ６）への遷移（待機）に対応するリンク、ノード（状態番号Ｓ７）への遷移に対応するリンク、及び、ノード（状態番号Ｓ９）への遷移に対応するリンクを抽出する。そして、これら抽出したリンクの中でカウント値が最大となるリンクとして、ノード（状態番号Ｓ７）への遷移に対応するリンクを選択する。この場合にも、遷移先となるノード（状態番号Ｓ７）のカウント値（１個）は所定の閾値未満であることから、同ノードから延びるリンクの抽出を引き続き行う。

その後、遷移先となるノードのカウント値が所定の閾値以上となるまで、遷移先となるノードから延びるリンクの抽出と、それら抽出したリンクの中でカウント値が最大となるリンクの選択とを繰り返し行う。図６に示す例では、ノード（状態番号Ｓ９）に達した時点でノードのカウント値が所定の閾値以上となることから、同ノードに至るまでの間に選択された全てのノードを含む経路（状態番号Ｓ２→状態番号Ｓ６→状態番号Ｓ７→状態番号Ｓ８→状態番号Ｓ９）を最適経路として探索することとなる。この最適経路は、現在の車両状態に対応するノードから所定回数（図６に示す例では４回）だけ遷移した後の車両状態に対応するノードに至る複数の経路のうち、それら経路上にあるリンクのカウント値が多い経路となる。すなわち、この最適経路は、ネットワーク構造を生成した過去の時点においてカウント値の多いリンクを含む経路となることから、将来に亘っても出現頻度の高い車両状態の推移を示すことが想定される。そのため、この最適経路上にある車両状態（状態番号Ｓ２→状態番号Ｓ６→状態番号Ｓ７→状態番号Ｓ８→状態番号Ｓ９）が将来の車両状態の推移、つまり車両状態を規定する各車両信号の推移として予測されることとなる。

また、図１に示すように、エージェントＥＣＵ１００は、車両２００の乗員との間で行われる音声対話を制御する音声処理部として対話制御部１１０を備えている。対話制御部１１０は、車両の乗員からマイク等の音声入力部１５０を通じて入力された音声を音声認識処理部１１１を通じて認識する。この音声認識処理は、対話制御部１１０が備える記憶部１１２に格納された音声認識辞書ＤＡ〜ＤＣを用いて行われる。なお、各音声認識辞書ＤＡ〜ＤＣには単語及び単語の並び方等が規定されており、それら音声認識辞書ＤＡ〜ＤＣが想定している車両状態ごとに最適化されている。例えば、車両状態が車載機器の音声操作を伴うものであれば、その音声認識の際に用いられる単語を多く含むように音声認識辞書ＤＡ〜ＤＣが最適化される。そして、対話制御部１１０は、状態予測部１０６が取得した将来の車両状態の推移に基づき、その推移過程にある車両状態に適した音声認識辞書を記憶部１１２に格納された音声認識辞書ＤＡ〜ＤＣのうちから選択して予め待機させる。

また、対話制御部１１０は、認識した音声の内容に応じて合成音声を音声合成処理部１１３を通じて生成する。この場合、先に待機させた音声認識辞書ＤＡ〜ＤＣに、将来の車両状態の音声操作に用いられる操作コマンド等が収録されているのであれば、その収録された操作コマンドを読み出して合成音声として生成する。そして、対話制御部１１０は、その生成した合成音声をスピーカ等の音声出力部１６０に出力する。また、対話制御部１１０は、音声対話時における画像出力要求に応じた画像信号を画像描画処理部１１４を通じて生成するとともに、その生成した画像信号をＬＣＤ（液晶ディスプレイ）及びＨＵＤ（ヘッドアップディスプレイ）等の画像出力部１７０に出力する。

次に、本実施の形態の動作例として、上記エージェントＥＣＵ１００が実行する車両状態の予測処理についてその具体的な処理手順を説明する。なお、エージェントＥＣＵ１００は、車両２００のイグニッションスイッチがオンとなっているＩＧオンの条件で図７に示す処理を実行する。

図７に示すように、エージェントＥＣＵ１００は、車両状態を規定するための車両データを周期的に受信しており（ステップＳ１０）、この受信した車両データを図３に示した手順に従って整列することにより、各時刻における車両データの組み合わせを構築する（ステップＳ１１）。また、この構築した車両データの組み合わせを用いて、各時刻に対応する車両状態を時刻の早い順に記号化する。

そして、記号化された車両状態が新規のものであるときには（ステップＳ１２＝ＹＥＳ）、その車両状態に新規の状態番号（ノードＩＤ）を付与する（ステップＳ１３）。一方、記号化された車両状態が既存のものであるときには（ステップＳ１２＝ＮＯ）、その車両状態に対応するノードのカウント値を加算する（ステップＳ１４）。

続いて、エージェントＥＣＵ１００は、車両状態の遷移が新規なものであるか否かを判定する（ステップＳ１５）。そして、車両状態の遷移が新規なものであるときには（ステップＳ１５＝ＹＥＳ）、その車両状態の遷移に新規のリンクＩＤを付与する（ステップＳ１６）。一方、車両状態の遷移が既存のものであるときには（ステップＳ１５＝ＮＯ）、その車両状態の遷移に対応するリンクのカウント値を加算する（ステップＳ１７）。

そして次に、エージェントＥＣＵ１００は、現在の車両状態がその時点で生成されているネットワーク構造に含まれる任意の既存ノードに到達したか否か、即ち、現在の車両状態が任意の既存ノードに遷移したか否かを判定する（ステップＳ１８）。そして、現在の車両状態が任意の既存ノードに到達したときには（ステップＳ１８＝ＹＥＳ）、生成したネットワーク構造を用いて、現在の車両状態を起点として将来の車両状態を示す経路を予測する（ステップＳ２３）。

また、エージェントＥＣＵ１００は、現在の車両状態が任意の既存ノードに到達していないときには（ステップＳ１８＝ＮＯ）、現在の車両状態と既存ノードとの差分を算出する（ステップＳ１９）。例えば図６に細線の破線で示すように、現在の車両状態が状態番号ＳＸに対応する新規ノードであるときには、この新規ノードと既存ノードとの差分を算出する。これらノードの差分の算出は、例えば図４に例示したノードデータテーブルＴ１を参照して、各ノードに対応する車両信号同士の差を評価することにより行われる。そして、算出されたノードの差分項目を音声出力部１６０又は画像出力部１７０を通じて車両２００の乗員に通知する（ステップＳ２０）。すなわち、ネットワーク構造を構成する既存ノードは、現時点に至るまでに推移したことのある車両状態の履歴を示すものであり、既存ノードの何れにも対応しない車両状態にあることは、通常とは異なる車両操作が行われていることを意味する。そのため、その車両操作が誤った操作である可能性もあることから、その旨を車両の乗員に通知する必要があるので、上述した通知を行うようにしている。

そして、現在の車両状態が任意の既存ノードに到達していないと判定してから一定期間が経過していないときには（ステップＳ２１＝ＮＯ）、一定期間が経過するまで先のステップＳ１０〜ステップＳ２１の処理を繰り返す。

一方、現在の車両状態が任意の既存ノードに到達していないと判定してから一定期間が経過したときには（ステップＳ２１＝ＹＥＳ）、現在の車両状態と相違の最も少ない既存ノードを選択する（ステップＳ２２）。相違の最も少ない既存ノードとしては、新規ノードの直近の既存ノードを選択するようにしてもよいし、全ての既存ノードのうち評価値の合算結果が最も小さい既存ノードを選択するようにしてもよい。なお、図６に示す例では現在の車両状態と相違の最も少ない既存ノードとして、状態番号Ｓ７に対応する既存ノードが選択されている。続いて、エージェントＥＣＵ１００は、生成したネットワーク構造を用いて、先のステップＳ２２において選択した既存ノードを起点として将来の車両状態を示す経路を予測する（ステップＳ２３）。これは、通常とは異なる車両操作が行われている状況にあっては、音声対話による車両操作の案内等を実現するために、現在の車両状態とは厳密には相違する既存ノードであったとしても、こうした既存ノードを起点として将来の車両状態の予測を速やかに実行する方が望ましいためである。

そして次に、エージェントＥＣＵ１００は、先のステップＳ２３において予測した経路上にある車両状態に適した音声認識辞書を記憶部１０３に格納された音声認識辞書ＤＡ〜ＤＣのうちから選択して予め待機させる（ステップＳ２４）。

その後、車両２００のイグニッションスイッチがオフに切り替わらない限りは（ステップＳ２５＝ＮＯ）、先のステップＳ１０〜ステップＳ２５の処理を繰り返す。一方、車両２００のイグニッションスイッチがオフに切り替わったときには（ステップＳ２５＝ＹＥＳ）、図７に示す予測処理を終了する。

以上説明したように、上記第１の実施の形態によれば、以下に示す効果を得ることができる。
（１）複数の車両信号の時系列情報を用いて車両状態を記号化し、得られた記号を出現順にノードとするとともにそれらノード間の推移をリンクとしてそれらノードの出現回数及びリンクの通過回数をそれぞれ加算してネットワーク構造を構築するようにしている。すなわち、車両状態を規定する車両信号の種類が多岐に亘ったとしてもそれら車両信号の群が記号化によって一つの記号に集約される。また、記号化によって同一の車両状態が重複して登録されることが避けられるとともにその出現回数や通過回数だけが加算されるかたちでカウントされる。そのため、車両状態を規定する車両信号の種類が多岐に亘ったとしても、ネットワーク構造内におけるノードのデータ容量が膨大となることが抑えられるようになる。また、ネットワーク構造を遷移確率モデルとして扱う場合とは異なり、ノードの出現回数やリンクの通過回数を加算するにあたって対象となるノード又はリンク以外について既存の情報を演算し直す必要がないため、ネットワーク構造の更新時における演算負荷が抑えられるようになる。また、ネットワーク構造を生成した過去の時点において、出現回数の多いノード及び通過回数の多いリンクを含むネットワーク上の経路は、将来に亘っても出現頻度の高い車両状態の推移を示すことが想定される。そのため、ノードの出現回数及びリンクの通過回数の少なくとも一方の加算値が多い経路を求めることにより、データ容量を抑えつつ、同経路上にあるノードに対応する車両状態を将来の車両状態として高い信頼性をもって予測することが可能となる。

（２）車両状態がネットワーク構造を構成する既存のノードの何れにも対応しない車両状態にある時点から一定期間が経過しても既存のノードに対応する車両状態に遷移しないときには、既存のノードのうち、現時点との相違の少ない車両状態に対応するノードを起点として経路の予測を行うようにしている。そのため、既存のノードの何れにも対応しない車両状態にある状況に置かれたとしても、現時点と相違の少ない車両状態に対応するノードを起点として、将来の車両状態の予測を速やかに行うことが可能となる、
（３）エージェントＥＣＵ１００は、状態予測部１０６が予測した経路に含まれる車両状態に適した音声認識辞書への切り替えを行うようにしている。そのため、将来の車両状態において実行される音声認識処理を予測しつつ、その音声認識処理に適した音声認識辞書に予め切り替えておくことにより、音声認識処理の認識精度が高められるようになる。

（４）音声対話における車両２００の乗員の発話をきっかけとして対話を開始する場合であれ、車両２００の乗員による発話が実際に行われる前段階で将来の車両状態において実行される音声認識処理を予測することで、その音声認識処理に適した音声認識辞書に予め切り替えておくことが可能となる。

（第２の実施の形態）
次に、車両状態予測システムの第２の実施の形態について図面を参照して説明する。なお、第２の実施の形態は、将来の車両状態を示す経路の予測態様が第１の実施の形態と異なる。したがって、以下の説明においては、第１の実施の形態と相違する構成について主に説明し、第１の実施の形態と同一の又は対応する構成については重複する説明を省略する。

図８に示すように、本実施の形態では、記憶部１０３（図１）に格納されるリンクデータテーブルＴ２ａには、記号化された車両状態間の遷移に対応するリンクＩＤ３０４と、遷移前の車両状態の状態番号を表す始端ノードＩＤ３０５と、遷移後の車両状態の状態番号を表す終端ノードＩＤ３０６と、車両状態間の遷移回数（通過回数）のカウント値３０７とに加え、その車両状態の遷移が音声認識操作によるものであるか否かを示す属性情報３０８が併せて関連付けられている。そして、最適経路を探索する際には、まず最初にネットワーク構造を構成するノードのうち、過去に音声認識操作による遷移先となった車両状態に対応するノードをリンクデータテーブルＴ２ａの終端ノードＩＤ３０６及び属性情報３０８に基づき抽出する。

先の図６に対応する、例えば図９に示すネットワーク構造では、音声認識操作により遷移したときの車両状態に対応する積層体のブロックをドットによるハッチングで表示しており、音声認識操作による遷移先となった車両状態として、ノード（状態番号Ｓ１）及びノード（状態番号Ｓ１０）が抽出される。そして、これら抽出されたノード（状態番号Ｓ１）及びノード（状態番号Ｓ１０）を最適経路の終端ノードとして規定する。

続いて、現在の車両状態に対応するノード（状態番号Ｓ３）から延びるリンクとして、ノード（状態番号Ｓ１）への遷移に対応するリンク、及び、ノード（状態番号Ｓ５）への遷移に対応するリンクを抽出する。そして、これら抽出したリンクの中でカウント値が最大となるリンクとして、ノード（状態番号Ｓ１）への遷移に対応するリンクを選択する。

そして次に、遷移先となるノード（状態番号Ｓ１）が先に規定した終端ノードに該当するか否かを確認する。この場合、ノード（状態番号Ｓ１）は先に規定した終端ノードに該当することから、同ノードに至るまでの間に選択された全てのノードを含む経路（状態番号Ｓ３→状態番号Ｓ１）を最適経路（「経路１」）として探索する。この最適経路（「経路１」）は、現在の車両状態に対応するノードから所定回数（図９に示す例では１回）だけ遷移した後の車両状態に対応するノードに至る複数の経路のうち、それら経路上にあるリンクのカウント値が多い経路となる。

続いて、現在の車両状態に対応するノードから延びるリンクのうち、先に探索した「経路１」に含まれないリンクとして、ノード（状態番号Ｓ５）への遷移に対応するリンクを抽出する。なお、ここでは抽出したリンクが一つのみであるが、抽出したリンクが複数であればそれら抽出したリンクの中でカウント値が最大となるリンクを選択する。

そして次に、遷移先となる車両状態に対応するノード（状態番号Ｓ５）が先に規定した終端ノードに該当するか否かを確認する。この場合、ノード（状態番号Ｓ５）は先に規定した終端ノードに該当しないことから、同ノードから延びるリンクとして、ノード（状態番号Ｓ６）への遷移に対応するリンク、及び、ノード（状態番号Ｓ１０）への遷移に対応するリンクを抽出する。そして、これら抽出したリンクの中でカウント値が最大となるリンクとして、ノード（状態番号Ｓ６）への遷移に対応するリンクを選択する。この場合にも、遷移先となるノード（状態番号Ｓ６）は先に規定した終端ノードに該当しないことから、同ノードから延びるリンクの抽出を引き続き行う。

その後、遷移先となるノードが先に規定した終端ノードに該当するまで、遷移先となるノードから延びるリンクの抽出と、それら抽出したリンクの中でカウント値が最大となるリンクの選択とを繰り返し行う。図９に示す例では、ノード（状態番号Ｓ１０）に達した時点で先に規定した終端ノードに該当することから、同ノードに至るまでの間に選択された全てのノードを含む経路（状態番号Ｓ３→状態番号Ｓ５→状態番号Ｓ６→状態番号Ｓ７→状態番号Ｓ８→状態番号Ｓ９→状態番号Ｓ１０）を最適経路（「経路２」）として探索する。この最適経路は、現在の車両状態に対応するノードから所定回数（図９に示す例では６回）だけ遷移した後の車両状態に対応するノードに至る複数の経路のうち、それら経路上にあるリンクのカウント値が多い経路となる。

そして、探索された最適経路（「経路１」、「経路２」）のうち、距離が短い最適経路から順に、高い優先度（「経路１」＞「経路２」）を設定する。また、優先度の高い最適経路の終端ノードから順に、現在の車両状態に対応するノードとの比較を行い、これら比較されたノード同士で相違する車両信号が音声認識を通じて操作可能なものであることを条件に、該当する音声認識辞書を順に待機させていく。これら音声認識辞書は、車両２００の乗員から音声の入力があったときに、入力された音声に用いられている単語が優先度の最も高い音声認識辞書に含まれるか否かを確認し、音声に用いられている単語が含まれないときには優先度の高い順に対象とする音声認識辞書を切り替えていく。

以上説明したように、上記第２の実施の形態によれば、第１の実施の形態の上記（１）〜（４）の効果に加え、以下に示す効果を得ることができる。
（５）エージェントＥＣＵ１００は、状態予測部１０６が予測した経路に音声認識処理を通じて遷移したことのある車両状態に対応するノードが含まれることを条件に、音声認識辞書の切り替えを行うようにしている。そのため、予測された将来の車両状態において切り替え後の音声認識辞書が実際に用いられる可能性が高まるため、音声認識辞書の切り替えによる音声認識精度の向上を高い信頼性をもって実現することができる。

（６）エージェントＥＣＵ１００は、過去に音声認識処理を通じて遷移したことのある車両状態に対応するノードを終端ノードとして経路の予測を行い、予測した経路における終端ノードへの遷移に用いた音声認識辞書への切り替えを行うようにしている。そのため、音声認識処理に適した音声認識辞書への切り替えを実情に適合させることにより、音声認識処理の認識精度がより一層高められる。

（７）エージェントＥＣＵ１００は、音声認識処理を通じて遷移したことのある車両状態に対応するノードが複数あるときには、それらノードに優先度を設定し、設定された優先度の高いノードへの遷移に用いた音声認識辞書から順に、音声認識処理に用いる音声認識辞書として切り替えるようにしている。そのため、音声認識処理を通じて遷移したことのある車両状態に対応するノードが複数あるときであっても、それら音声認識処理に適した音声認識辞書の切り替えが可能となるため、その汎用性が高められる。

（８）エージェントＥＣＵ１００は、現在の車両状態に対応するノードと音声認識処理を通じて遷移したことのある車両状態に対応するノードとの間で相違する車両信号が音声認識処理を通じて操作可能なものであることを条件に、音声認識辞書の切り替えを行うようにしている。そのため、音声認識処理に適した音声認識辞書への切り替えをより一層実情に適合させることにより、音声認識処理の認識精度が更に高められる。

（第３の実施の形態）
次に、車両状態予測システムの第３の実施の形態について図面を参照して説明する。なお、第３の実施の形態は、将来の車両状態の予測結果をサービス起動の判定に用いている点が第１あるいは第２の実施の形態と異なる。したがって、以下の説明においては便宜上、第１の実施の形態と相違する構成について主に説明し、第１の実施の形態と同一の又は対応する構成については重複する説明を省略する。

図１０に示すように、本実施の形態では、エージェントＥＣＵ１００Ａは、車両の状態に応じた一乃至複数の情報提供サービスを実行するサービス実行部１８０を備えている。サービス実行部１８０のアプリケーション管理部１８１は、センサー群１３０又はスイッチ群１４０を通じてサービスの起動操作が行われたときに、該当するサービスを記憶部１８２に格納された一乃至複数のサービスから抽出するとともにその抽出したサービスを起動・実行する。そして、アプリケーション管理部１８１にて実行されたサービスが音声出力部１６０又は画像出力部１７０を通じて車両２００の乗員に提供される。

また、アプリケーション管理部１８１は、状態予測部１０６が予測した将来の車両状態を記憶部１８２から読み出したサービス条件テーブルＴ３と照合し、この照合が成立したときに該当するサービスの起動を何らの起動操作を伴うことなく事前に行うようにしている。

図１１に示すように、サービス条件テーブルＴ３には、照合の対象となるサービスの種類３１０と、それらサービスのサービス起動条件３１１と、それらサービスの実行後の車両状態３１２とが関連付けられている。サービス起動条件３１１は、他ＥＣＵ群１２０、センサー群１３０、及びスイッチ群１４０から取得する車両信号の群の少なくとも一部を組み合わせることにより構成されており、その組み合わせはサービスの種類ごとに異なっている。また同様に、サービス実行後の車両状態も、他ＥＣＵ群１２０、センサー群１３０、及びスイッチ群１４０から取得する車両信号の群の少なくとも一部を組み合わせることにより構成されており、その組み合わせはサービスの種類ごとに異なっている。

次に、エージェントＥＣＵ１００が実行する車両状態の予測処理についてその具体的な処理手順を説明する。なお、図１２に示すように、本実施の形態の予測処理では、図７に示したフローチャートのステップＳ２４における音声認識辞書の切り替え処理に代えて、サービス実行判定処理（ステップＳ２４Ａ）を実行する点が第１の実施の形態と相違する。そこで、このサービス実行判定処理について図１３を参照して説明する。

図１３に示すように、エージェントＥＣＵ１００は、まず状態予測部１０６が予測した経路の終端ノードとサービス実行後の車両状態とが一致するか否かを判定する（ステップＳ３０）。すなわち、予測した経路の終端ノードと、サービス実行後の車両状態とが一致するのであれば、その予測した経路上の車両状態の遷移過程で当該サービスが実行される可能性もあることから、サービス起動条件を成立させる上での前提条件としてステップＳ３０が規定されている。そして、予測した経路の終端ノードとサービス実行後の車両状態とが一致しないときには（ステップＳ３０＝ＮＯ）、サービス起動条件を成立させる上での前提条件すら満たしていないことから、図１３に示すサービス実行判定処理を終了する。

一方、予測した経路の終端ノードとサービス実行後の車両状態とが一致するときには（ステップＳ３０＝ＹＥＳ）、該当する車両状態が複数であるか否かを判定する（ステップＳ３１）。そして、該当する車両状態が複数であるときには（ステップＳ３１＝ＹＥＳ）、サービス実行後の車両状態を規定する車両信号の個数が多い順に、サービス起動条件リストをソートする（ステップＳ３２）。これは、サービス実行後の車両状態を規定する車両信号の個数が多いほど、上述した前提条件を満たすことは困難となることから、このような厳しい条件を満たすサービスについては、予測した経路上の車両状態の遷移過程で当該サービスが実行される可能性がより一層高まると考えられるためである。

なお、図１４には、「サービスＡ」を対象としたサービス実行判定処理の処理内容の一例を示している。同図に示す例では、状態予測部１０６が予測した経路（状態番号Ｓ２→状態番号Ｓ６→状態番号Ｓ７→状態番号Ｓ８→状態番号Ｓ９）の終端ノード（状態番号Ｓ９）と「サービスＡ」の実行後の車両状態とが一致している。また、該当する車両状態を規定する車両信号の数は、「車両信号１」及び「車両信号α」の二つとなっている。

そして次に、図１３に示すように、予測した経路の始端ノードから順に、サービス起動条件リストに含まれるサービス起動条件と比較する（ステップＳ３３）。そして、予測した経路中の終端ノードまで未達であるときには（ステップＳ３４＝ＹＥＳ）、予測した経路中にサービス起動条件と一致する車両信号が全て含まれるか否かを判定する（ステップＳ３５）。ここで、サービス起動条件と一致する車両信号が全て含まれないときには（ステップＳ３５＝ＮＯ）、比較対象となるノードを一つずつ終端ノード側に移行する（ステップＳ３６）。その後、予測した経路中の終端ノードまで未達である間は、比較対象となるノードを一つずつ終端ノード側に移行しつつ、予測した経路中にサービス起動条件と一致する車両信号が全て含まれるか否かについての判定を繰り返す。その間にサービス起動条件と一致する車両信号が全て含まれたときには（ステップＳ３５＝ＹＥＳ）、その時点で比較の対象となっているサービスの起動準備を経て（ステップＳ３７）、当該サービスが起動される（ステップＳ４４）。すなわち、予測した経路上の車両状態の遷移過程でサービス起動条件が成立するのであれば、将来における当該サービスの実行が予測される。そのため、こうした状況にあっては、何らの起動操作を伴うことなくサービスの起動を事前に開始させることによりその利便性を向上させることが可能となる。

なお、図１４に示す例では、予測した経路の始端ノード（状態番号Ｓ２）についてはサービスＡのサービス起動条件と一致する車両信号が含まれていない。次いで、比較対象となるノードを移行すると（状態番号Ｓ２→状態番号Ｓ６）、このノード（状態番号Ｓ６）についてはサービスＡのサービス起動条件と一致する車両信号として「車両信号１」が含まれることとなる。ただし、サービスＡのサービス起動条件となる「車両信号３」については未だに満たされていないため、再び比較対象となるノードが移行される（状態番号Ｓ６→状態番号Ｓ７）。このノード（状態番号Ｓ７）についてはサービスＡのサービス起動条件と一致する車両信号として「車両信号３」が含まれることとなる。この例では、この時点でサービスＡのサービス起動条件が全て含まれることとなるため、更なる判定処理を行うことなくサービスＡの起動の準備が開始されるようになる。

また、図１３に示すように、サービス起動条件と一致する車両信号が全て含まれない状態で予測した経路の終端ノードに到達したときには（ステップＳ３４＝ＮＯ）、予測した経路中にサービス起動条件と一致する車両信号が一部だけ含まれるか否かを判定する（ステップＳ３８）。そして、一致する車両信号が一部だけ含まれるときには（ステップＳ３８＝ＹＥＳ）、一致した車両信号の個数を算出し（ステップＳ３９）、その時点で比較の対象となっているサービスを起動候補リストに追加した上で（ステップＳ４０）、その処理をステップＳ４１に移行する。すなわち、予測した経路上の車両状態の遷移過程でサービス起動条件が完全に成立しなくとも、その一部でも成立するのであれば、将来における当該サービスの実行の可能性も十分に考えられる。そのため、こうした状況にあっては、このサービスを起動候補リストに含めておき、他のサービスとの比較の結果によっては、当該サービスの起動の準備を開始させるようにしている。

また、予測した経路中にサービス起動条件と一致する車両信号が全く含まれないときには（ステップＳ３８＝ＮＯ）、先のステップＳ３９及びステップＳ４０の処理を経ることなく、その処理をステップＳ４１に移行する。そして、ステップＳ４１において、サービス起動条件リストに含まれる全てのサービス起動条件を比較したか否かを判定する。ここで、全てのサービス起動条件を比較していないときには（ステップＳ４１＝ＮＯ）、比較対象となるサービス起動条件を変更した上で（ステップＳ４２）、その処理をステップＳ３３に戻し、新たな比較対象となるサービスについてサービス起動条件の成立の有無を判定する。一方、全てのサービス起動条件を比較したときには（ステップＳ４１＝ＹＥＳ）、起動候補リストのうち最上位のサービスの起動準備を経て（ステップＳ４３）、当該サービスを起動する（ステップＳ４４）。

以上説明したように、上記第３の実施の形態によれば、第１の実施の形態の上記（１）、（２）の効果に加え、以下に示す効果を得ることができる。
（９）エージェントＥＣＵ１００は、車両状態の遷移を伴う一乃至複数のサービスを実行可能なサービス実行部１８０を備え、サービス実行部１８０は、状態予測部１０６が予測した経路に含まれるノードがサービス起動条件を満たすときに当該サービスを実行するようにしている。そのため、将来の車両状態において実行されるサービスを予測しつつ、その予測されたサービスを何らの車両操作も伴うことなく実行するようにすることで、将来の車両状態に則したサービスを利便性よく提供することが可能となる。

（１０）サービス実行部１８０は、状態予測部１０６が予測した経路における終端ノードがサービスの実行後の車両状態と一致することを条件に、当該サービスの起動条件の判定を行うようにしている。そのため、サービスの起動条件の判定処理に先立って対象となるサービスが絞られることから、将来の車両状態において実行されるサービスを予測する上での処理負荷を低減することが可能となる。

（１１）サービス実行部１８０は、サービス実行後の車両状態を規定する車両信号の数が多いサービスから順に、サービスの起動条件の判定を行うようにしている。そのため、将来の車両状態において実行されるサービスの候補が複数挙がったとしても、それら候補となるサービスに対し起動条件の判定を順次行うことが可能となるため、その汎用性、並びに利便性を高めることができるようになる。

（第４の実施の形態）
次に、車両状態予測システムの第４の実施の形態について図面を参照して説明する。なお、第４の実施の形態は、将来の車両状態の予測結果をセンサの電源管理に用いている点が第１〜第３の実施の形態と異なる。したがって、以下の説明においては便宜上、第１の実施の形態と相違する構成について主に説明し、第１の実施の形態と同一の又は対応する構成については重複する説明を省略する。

図１５に示すように、本実施の形態では、車両２００は、車両ネットワークＮＷに接続された電源管理ＥＣＵ１９０を備えている。電源管理ＥＣＵ１９０は、車両ネットワークＮＷを介して各種の車載機器の電源の管理を行っている。この車載機器の電源管理は、エージェントＥＣＵ１００Ｂの状態予測部１０６から入力される将来の車両状態を考慮して行われる。

具体的には、先の図６に対応する、例えば図１６に示すネットワーク構造では、イグニッションスイッチをオンにしてネットワーク生成を開始したときの過去の車両状態がノード（状態番号Ｓ１）に対応するとともに、現在の車両状態がノード（状態番号Ｓ４）に対応し、更に、これら過去の車両状態から現在の車両状態に至る遷移過程にあった車両状態がノード（状態番号Ｓ２）に対応している。そして、現在の車両状態に対応するノード（状態番号Ｓ４）を起点とした最適経路（状態番号Ｓ４→状態番号Ｓ７→状態番号Ｓ８→状態番号Ｓ９）が将来の車両状態の推移を示す経路として探索されている。

一方、図１７には、ネットワーク生成を開始したときの車両状態に対応するノード（状態番号Ｓ１）から将来の車両状態として予測された経路の終端ノード（状態番号Ｓ９）に至るまでの各種センサのセンサ値の推移の一例を示している。同図に示す例では、「センサ値３」については、現在の車両状態に対応するノード（状態番号Ｓ４）では出力が検知されていないものの、将来の車両状態として予測された経路上にあるノード（状態番号Ｓ８）において出力が検知されている。すなわち、「センサ値３」については、状態予測部１０６が予測した経路上のノードが現在の車両状態と異なる出力値を示していることから、その的確な検知が要求される可能性が高い。そのため、このような状況にあっては、電源管理ＥＣＵ１９０は、「センサ値３」の取得元となるセンサの電源がオフに設定されているのであれば、何らの車両操作を伴うことなく当該センサの電源をオンに切り替えるようにしている。また、同図に示す例では、「センサ値４」については、ネットワーク生成を開始したときの車両状態に対応するノード（状態番号Ｓ１）から将来の車両状態として予測された経路の終端ノード（状態番号Ｓ９）に至るまでの間、常に出力が検知されていない。すなわち、「センサ値４」については、過去の車両状態に対応するノードから現在の車両状態に対応するノードに至る経路上、及び、状態予測部１０６が予測した経路上のノード同士で出力値が変化しておらず、その検知が不要となる可能性が高い。そのため、このような状況にあっては、電源管理ＥＣＵ１９０は、「センサ値４」の取得元となるセンサの電源がオンに設定されているのであれば、何らの車両操作を伴うことなく当該センサの電源をオフに切り替えるようにしている。

以上説明したように、第４の実施の形態によれば、第１の実施の形態の上記（１）、（２）の効果に加え、以下に示す効果を得ることができる。
（１２）電源管理ＥＣＵ１９０は、状態予測部１０６が予測した経路上のノード同士で出力値が変化しないセンサ値を含むときには、そのセンサ値を検知するセンサの電源をオフに設定するようにしている。すなわち、将来に亘って出力値が変化しないことが予測されるセンサ値があるときには、そのセンサ値を検知するセンサの動作が不要となることが想定されるため、こうしたセンサの電源を事前にオフに設定することにより、システム全体としての消費電力を節減することが可能となる。

（１３）センサの電源をオフに設定する条件には、過去の車両状態に対応するノードから現在の車両状態に対応するノードに至る経路上のノード同士で車両信号の出力値が変化しないことが更に含まれている。そのため、より一層の慎重を期して検知対象から除外する車両信号を選択しつつも、システム全体としての消費電力を削減することが可能となる。

（１４）電源管理ＥＣＵ１９０は、状態予測部１０６が予測した経路上のノードが現在の車両状態と異なる出力値を示すセンサ値を含むときには、そのセンサ値を検知するセンサの電源をオンに設定するようにしている。すなわち、出力値の変化が予測されるセンサ値があるときには、そのセンサ値を検知するセンサの動作を事前に開始させることにより検知動作を的確に行うことが可能となる。

（第５の実施の形態）
次に、車両状態予測システムの第５の実施の形態について図面を参照して説明する。なお、第５の実施の形態は、複数の車両の走行情報を管理する管理センターが将来の車両状態の予測を行う点が第１〜第４の実施の形態と異なる。したがって、以下の説明においては便宜上、第１の実施の形態と相違する構成について主に説明し、第１の実施の形態と同一の又は対応する構成については重複する説明を省略する。

本実施の形態の車両状態予測システムは管理センターに設けられており、対象とする複数の車両から受信した車両信号を用いてネットワーク構造を生成し、そのネットワーク構造を用いて予測された将来の車両状態を各車両に配信するようにしている。そして、各車両は、配信された将来の車両状態に適した音声認識辞書を予め待機させておくことにより、エージェントＥＣＵによる音声認識の精度を向上させるようにしている。

具体的には、図１８に示すように、車両２００は、他ＥＣＵ群１２０、センサー群１３０、及びスイッチ群１４０から車両ネットワークＮＷに出力される車両信号を車載通信機１９１を通じて管理センター４００に送信する。

管理センター４００は、上記車両信号を含めた各種の情報を車載通信機１９１との間で通信するセンター通信機４０１を備えている。そして、管理センター４００は、車両２００からセンター通信機４０１を通じて受信した車両信号をデータ受信部４０２を経由して記号化部４０３に入力する。記号化部４０３は、入力された車両信号を用いて車両状態を記号化するとともに、それら記号化した記号の情報を記憶部４０４に格納する。

また、管理センター４００は、記号化された車両状態を表す記号を出現順にノードとして定義するとともにそれらノード間の遷移をリンクとして定義してネットワーク構造を生成するネットワーク生成部４０５を備えている。このネットワーク構造を生成する際、ネットワーク生成部４０５は、定義したノードの情報を記憶部４０４に格納されたノードデータテーブルＴ１Ａに書換更新するとともに、定義したリンクの情報を記憶部４０４に格納されたリンクデータテーブルＴ２Ａに書換更新する。

図１９に示すように、ノードデータテーブルＴ１Ａには、車両の車種５０１ごとに区分された態様で、記号化された車両状態の状態番号５０２（ノードＩＤ）と、それら車両状態を規定する車両信号の群５０３と、車両状態（ノード）の出現回数のカウント値５０４とが関連付けられている。同図に示すノードデータテーブルＴ１Ａでは、記号化された車両状態の状態番号の数は、記号化部４０３において新規の状態番号が付与されるごとに追加される。また、これら状態番号５０２に関連付けられたカウント値５０４は、記号化部４０３において対応する状態番号が既存の状態番号として付与されるごとに加算される。なお、複数の車両から車両信号を受信したときであっても、それら車両が共通の車種であって、且つ、車両状態を規定する車両信号の群５０３も共通であれば、その車両状態には共通の状態番号５０２が付与されるとともに、そのカウント値５０４も合算されることとなる。

図２０に示すように、リンクデータテーブルＴ２Ａには、車両の車種５０５ごとに区分された態様で、記号化された車両状態間の遷移に対応するリンクＩＤ５０６と、遷移前の車両状態の状態番号を表す始端ノードＩＤ５０７と、遷移後の車両状態の状態番号を表す終端ノードＩＤ５０８と、車両状態間の遷移回数（通過回数）のカウント値５０９とが関連付けられている。同図に示すリンクデータテーブルＴ２Ａでは、リンクＩＤ５０６の数は、記号化部４０３において記号化された状態番号が新規の状態番号及び既存の状態番号のいずれであれ、それら状態番号への遷移が新規なものであるごとに追加される。また、これらリンクＩＤ５０６に関連付けられたカウント値５０９は、記号化部４０３において記号化された状態番号への遷移が既存のものであるごとに加算される。なお、複数の車両から車両信号を受信したときであっても、それら車両が共通の車種であって、且つ、遷移前及び遷移後の車両状態も共通であれば、その車両状態の遷移には共通のリンクＩＤ５０６が付与されるとともに、そのカウント値５０９も合算されることとなる。

図２１は、上記のようにして生成されたネットワーク構造の一例を示しており、自車両の車両信号に基づき生成されたネットワーク部分を実線で表すとともに、他車両の車両信号に基づき生成されたネットワーク部分を破線で表している。同図に示すように、複数の車両信号を用いてネットワーク構造が構築されていることから、自車両のみでネットワーク構造を構築する場合と比較して、その範囲が拡張されている。

また、図１８に示すように、管理センター４００は、生成したネットワーク構造において現在の車両状態に対応するノードから所定回数だけ遷移した後の車両状態に対応するノードに至る複数の経路のうち、所定のアルゴリズムに基づいた最適経路を探索部４０６を通じて探索する。また、管理センター４００は、探索された最適経路上にあるノードに対応する車両状態を将来の車両状態として状態予測部４０７を通じて予測するとともに、その予測した将来の車両状態をセンター通信機４０１を通じて各車両２００に配信する。

その後、車両２００のエージェントＥＣＵ１００Ｃは、管理センター４００から配信された将来の車両状態の予測結果を車載通信機１９１を通じて受信するとともに、その受信した予測結果に基づき将来の車両状態に適した音声認識辞書を記憶部１１２に格納された音声認識辞書ＤＡ〜ＤＣのうちから選択して予め待機させるようにする。

以上説明したように、第５の実施の形態によれば、第１の実施の形態の上記（１）〜（４）の効果に加え、以下に示す効果を得ることができる。
（１５）管理センター４００は、複数の車両から受信したその都度の車両信号に基づく車両状態をノードとして定義して前記ネットワーク構造を生成するとともに、その生成したネットワーク構造において、複数の車両におけるノード及びリンクの加算値を合算する。そして、生成したネットワーク構造に基づき将来の車両状態の推移を示す経路を予測するとともに、その予測した経路を各車両に配信するようにしている。この場合、複数の車両における車両状態の遷移の履歴が共有されるかたちでネットワーク構造が生成されるようになる。そのため、自車両にとっては新規の車両状態であったとしても、他車両にとっては既存の車両状態となることもあり、車両ごとにネットワーク構造を生成する場合よりもその範囲を拡張しやすくなる。したがって、ネットワーク構造に基づき将来の車両状態を予測するにあたり、その汎用性、並びに実用性を更に高めることが可能となる。

（その他の実施の形態）
なお、上記各実施の形態は、以下のような形態にて実施することもできる。
・上記第１又は第５の実施の形態において、状態予測部１０６，４０７が予測した経路に音声認識処理を通じて遷移したことのある車両状態に対応するノードが含まれることを条件に、音声認識辞書ＤＡ〜ＤＣの切り替えを行うようにしてもよい。

・上記第２の実施の形態において、複数の最適経路が探索されたときに、それら経路に対する優先度の設定態様としては次に例示するようなものであってもよい。すなわち、経路を構成するリンクのカウント値が大きい順に高い優先度を設定するようにしてもよいし、経路を構成するノードのカウント値が大きい順（又は小さい順）に高い優先度を設定するようにしてもよい。また、それら経路のうち、経路を構成するリンクのカウント値に対する経路を構成するノードのカウント値の積もしくは商を算出し、その算出値の大きい順（又は小さい順）に高い優先度を設定するようにしてもよい。

・上記第３の実施の形態において、状態予測部１０６が予測した経路の終端ノードがサービス実行後の車両状態と一致するサービスが複数あるときに、それらサービスの全てを起動・実行するようにしてもよい。

・上記第３の実施の形態において、サービス起動条件判定の前提条件として、状態予測部１０６が予測した経路における終端ノードがサービス実行後の車両状態と一致するか否かを含めないようにしてもよい。すなわち、状態予測部１０６が予測した経路上にある車両状態がサービス条件テーブルＴ３に含まれるサービスのサービス起動条件を満たすか否かを網羅的に判定するようにしてもよい。

・上記第３の実施の形態において、状態予測部１０６が予測した経路中に、サービス起動条件と一致する車両信号が全て含まれるときのみ、当該サービスの起動・実行を行うようにしてもよい。

・上記第４の実施の形態において、センサの電源をオンに設定するときの判定基準として、状態予測部１０６が予測した経路上にある車両状態の遷移過程だけでなく、過去から現在に至る車両状態の遷移過程も含めて考慮するようにしてもよい。

・上記第４の実施の形態において、センサの電源をオフに設定するときの判定基準となる過去の車両状態は、イグニッションスイッチを操作したときの車両状態に限らず、例えば、車両の走行が開始してからの車両状態、及び、ナビゲーション装置による経路案内を開始したときの車両状態等、任意の車両状態を適用することが可能である。

・上記第４の実施の形態において、センサの電源をオフに設定するときの判定基準として、過去から現在に至る車両状態を考慮することなく状態予測部１０６が予測した経路上にある車両状態のみを考慮するようにしてもよい。

・上記第５の実施の形態において、管理センター４００が管理するノード及びリンクの情報を、車両信号の取得元の車種ごとに区分することなく全車種に共通のものとしてもよい。

・上記各実施の形態において、ネットワーク構造を構成するリンク情報として、所定の基準値からリンクのカウント値を減算した値を書換更新するようにしてもよい。この構成では、現在の車両状態に対応するノードから所定回数だけ遷移した後の車両状態に対応するノードに至る複数の経路のうち、それら経路上にあるリンクのカウント値が最も多い経路を求めることと、それら経路上にあるリンク情報が最も小さい経路を求めることが同一視されることとなる。そのため、このリンク情報をパラメータとすれば、最適経路の探索に用いる所定のアルゴリズムとして、ネットワーク内の二つのノード間を結ぶ経路の中で重みが最小の経路を求める最適化問題（いわゆる、最短経路問題）の解法の一種であるダイクストラ法及びＡ^＊（エー・スター）アルゴリズム等を適用することが可能となり、将来の車両状態の推移を示す経路が迅速に算出されるようになる。

・上記各実施の形態において、最適経路の探索方法としては次に例示するようなものでもよい。すなわち、現在の車両状態に対応するノードから所定回数だけ遷移した後の車両状態に対応するノードに至る複数の経路のうち、それら経路上にあるノードのカウント値が多い経路、及び、それら経路上にあるノード及びリンクのカウント値が多い経路を最適経路として探索するようにしてもよい。

・上記各実施の形態において、最適経路を探索するときの探索終了条件としては以下に例示されるようなものでもよい。すなわち、探索した経路を構成するノードのカウント値が閾値以上となったとき、探索した経路を構成するリンクのカウント値が閾値以上となったとき、及び、探索した経路を構成するノード及びリンクのカウント値が閾値以上となったとき等に、最適経路の探索を終了するようにしてもよい。

・上記各実施の形態において、ネットワーク構造として指向性のないリンクを含む構造を採用してもよい。
・上記各実施の形態において、車両状態を規定するために、単一の車両信号の時系列情報が用いられるようにしてもよい。

・上記各変形例も含め、上記第１〜第５の実施の形態は、いずれもその構成や機能を組み合わせて実施することもできる。

１００…エージェントＥＣＵ、１０１…データ受信部、１０２…記号化部、１０３…記憶部、１０４…ネットワーク生成部、１０５…探索部、１０６…状態予測部、１１０…対話制御部、１１１…音声認識処理部、１１２…記憶部、１１３…音声合成処理部、１１４…画像描画処理部、１２０…他ＥＣＵ群、１３０…センサー群、１４０…スイッチ群、１５０…音声入力部、１６０…音声出力部、１７０…画像出力部、２００…車両、ＤＡ，ＤＢ，ＤＣ…音声認識辞書、ＮＷ…車両ネットワーク、Ｔ１…ノードデータテーブル、Ｔ２…リンクデータテーブル。

Claims (15)

1. 一つ以上の車両信号の時系列情報を用いて車両状態を記号化する記号化部と、
   前記記号化された車両状態を表す記号を出現順にノードとして定義するとともにそれらノード間の推移をリンクとして定義して前記ノードの出現回数及び前記リンクの通過回数をそれぞれ加算してネットワーク構造を生成するネットワーク生成部と、
   その都度の車両状態に対応する第１のノードから所定回数だけ遷移した後の車両状態に対応する第２のノードに至る複数の経路のうち、それら経路上にあるノード及びリンクの少なくとも一方の加算値が多い経路を将来の車両状態の推移を示す経路として予測する状態予測部と
   を備え、
   前記状態予測部は、車両状態が前記ネットワーク構造を構成する既存のノードの何れにも対応しない車両状態にある時点から一定期間が経過しても既存のノードに対応する車両状態に遷移しないときには、既存のノードのうち、現時点との相違の少ない車両状態に対応するノードを起点として経路の予測を行う
   車両状態予測システム。
2. 一つ以上の車両信号の時系列情報を用いて車両状態を記号化する記号化部と、
   前記記号化された車両状態を表す記号を出現順にノードとして定義するとともにそれらノード間の推移をリンクとして定義して前記ノードの出現回数及び前記リンクの通過回数をそれぞれ加算してネットワーク構造を生成するネットワーク生成部と、
   その都度の車両状態に対応する第１のノードから所定回数だけ遷移した後の車両状態に対応する第２のノードに至る複数の経路のうち、それら経路上にあるノード及びリンクの少なくとも一方の加算値が多い経路を将来の車両状態の推移を示す経路として予測する状態予測部と、
   互いに異なる音声パターン群が格納された複数の音声データベースと、入力される音声と前記複数の音声データベースのうちから選択した音声データベースとの照合を通じた音
   声認識処理により車両状態を遷移させる音声処理部とを備え、
   前記音声処理部は、前記状態予測部が予測した経路に含まれる車両状態に適した音声データベースへの切り替えを行い、
   前記音声データベースの切り替えは、前記状態予測部が予測した経路に前記音声認識処理を通じて遷移したことのある車両状態に対応するノードが含まれることを条件に行われる
   車両状態予測システム。
3. 一つ以上の車両信号の時系列情報を用いて車両状態を記号化する記号化部と、
   前記記号化された車両状態を表す記号を出現順にノードとして定義するとともにそれらノード間の推移をリンクとして定義して前記ノードの出現回数及び前記リンクの通過回数をそれぞれ加算してネットワーク構造を生成するネットワーク生成部と、
   その都度の車両状態に対応する第１のノードから所定回数だけ遷移した後の車両状態に対応する第２のノードに至る複数の経路のうち、それら経路上にあるノード及びリンクの少なくとも一方の加算値が多い経路を将来の車両状態の推移を示す経路として予測する状態予測部と、
   車両状態の遷移を伴う一乃至複数のサービスを実行可能なサービス実行部を備え、
   前記サービス実行部は、前記状態予測部が予測した経路に含まれるノードが所定のサービスの起動条件を満たすときに当該サービスを実行するものであり、前記状態予測部が予測した経路における終端ノードが所定のサービスの実行後の車両状態と一致することを条件に、サービスの起動条件の判定を行い、前記状態予測部が予測した経路における終端ノードがサービスの実行後の車両状態と一致するサービスが複数あるときには、サービス実行後の車両状態を規定する車両信号の数が多いサービスから順に、サービスの起動条件の判定を行う
   車両状態予測システム。
4. 互いに異なる音声パターン群が格納された複数の音声データベースと、入力される音声と前記複数の音声データベースのうちから選択した音声データベースとの照合を通じた音声認識処理により車両状態を遷移させる音声処理部とを備え、
   前記音声処理部は、前記状態予測部が予測した経路に含まれる車両状態に適した音声データベースへの切り替えを行う
   請求項１又は請求項３に記載の車両状態予測システム。
5. 前記音声データベースの切り替えは、前記状態予測部が予測した経路に前記音声認識処理を通じて遷移したことのある車両状態に対応するノードが含まれることを条件に行われる
   請求項４に記載の車両状態予測システム。
6. 前記状態予測部は、過去に前記音声認識処理を通じて遷移したことのある車両状態に対応するノードを前記第２のノードとして経路の予測を行い、
   前記音声処理部は、前記状態予測部が予測した経路における前記第２のノードへの遷移に用いた音声データベースへの切り替えを行う
   請求項２又は請求項５に記載の車両状態予測システム。
7. 前記状態予測部は、前記音声認識処理を通じて遷移したことのある車両状態に対応するノードが複数あるときには、それらノードにノードの距離が短いほど高い優先度を設定し、
   前記音声処理部は、前記設定された優先度の高いノードへの遷移に用いた音声データベースから順に、前記音声認識処理に用いる音声データベースとして切り替える
   請求項６に記載の車両状態予測システム。
8. 前記音声処理部は、前記第１のノードと前記第２のノードとの間で相違する車両信号が前記音声認識処理を通じて操作可能なものであることを条件に、前記音声データベースの切り替えを行う
   請求項２，５〜７の何れか一項に記載の車両状態予測システム。
9. 車両状態の遷移を伴う一乃至複数のサービスを実行可能なサービス実行部を備え、
   前記サービス実行部は、前記状態予測部が予測した経路に含まれるノードが所定のサービスの起動条件を満たすときに当該サービスを実行する
   請求項１，２，４〜８の何れか一項に記載の車両状態予測システム。
10. 前記サービス実行部は、前記状態予測部が予測した経路における終端ノードが所定のサービスの実行後の車両状態と一致することを条件に、サービスの起動条件の判定を行う
    請求項９に記載の車両状態予測システム。
11. 車両信号を検知するセンサの電源を管理する電源管理部を備え、
    前記電源管理部は、前記状態予測部が予測した経路上のノード同士で出力値が変化しない車両信号を含むときには、その車両信号を検知するセンサの電源をオフに設定する
    請求項１〜１０の何れか一項に記載の車両状態予測システム。
12. 前記センサの電源をオフに設定する条件には、過去の車両状態に対応するノードからその都度の車両状態に対応するノードに至る経路上のノード同士で車両信号の出力値が変化しないことが更に含まれる
    請求項１１に記載の車両状態予測システム。
13. 車両信号を検知するセンサの電源を管理する電源管理部を備え、
    前記電源管理部は、前記状態予測部が予測した経路上のノードがその都度の車両状態と異なる出力値を示す車両信号を含むときには、その車両信号を検知するセンサの電源をオンに設定する
    請求項１〜１２の何れか一項に記載の車両状態予測システム。
14. 当該車両状態予測システムは、対象とする複数の車両の走行情報を無線通信を通じて管理する管理センターを含んで構成され、
    前記ネットワーク生成部は、前記管理センターに設けられて複数の車両から受信したその都度の車両信号に基づく車両状態をノードとして定義して前記ネットワーク構造を生成するとともに、その生成したネットワーク構造において、複数の車両におけるノード及びリンクの加算値を合算し、
    前記状態予測部は、同じく管理センターに設けられて前記ネットワーク構造に基づき将来の車両状態の推移を示す経路を予測するとともに、その予測した経路を各車両に配信する
    請求項１〜１３の何れか一項に記載の車両状態予測システム。
15. 前記状態予測部は、前記第１のノードから前記第２のノードに至る複数の経路のうち、それら経路上にある前記リンクの通過回数が最も多い経路を将来の車両状態の推移を示す経路として予測する
    請求項１〜１４の何れか一項に記載の車両状態予測システム。

Images