JP7003333B2 - 日射予測装置、空調制御装置、学習装置、及び日射予測方法 - Google Patents
日射予測装置、空調制御装置、学習装置、及び日射予測方法 Download PDFInfo
- Publication number
- JP7003333B2 JP7003333B2 JP2021532610A JP2021532610A JP7003333B2 JP 7003333 B2 JP7003333 B2 JP 7003333B2 JP 2021532610 A JP2021532610 A JP 2021532610A JP 2021532610 A JP2021532610 A JP 2021532610A JP 7003333 B2 JP7003333 B2 JP 7003333B2
- Authority
- JP
- Japan
- Prior art keywords
- solar radiation
- prediction
- data
- vehicle
- predicted
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000005855 radiation Effects 0.000 title claims description 348
- 238000004378 air conditioning Methods 0.000 title claims description 90
- 238000000034 method Methods 0.000 title claims description 17
- 238000004364 calculation method Methods 0.000 claims description 63
- 238000009434 installation Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 description 16
- 238000010801 machine learning Methods 0.000 description 13
- 230000015654 memory Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
Landscapes
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Air-Conditioning For Vehicles (AREA)
Description
実施の形態1.
図1は、実施の形態1に係る日射予測装置10を備えた空調制御装置2と学習装置30の構成例を示すブロック図である。日射予測装置10は、車両1の内部(以下、「車室内」と称する)の日射状態を予測するものである。空調制御装置2は、日射予測装置10により予測された日射状態に基づき、車両1に搭載された空調機器4を制御することにより、車両1の内部の温度調整を行うものである。実施の形態1において、空調機器4が搭載された車両1は、「予測対象車両」に相当する。
図2は、実施の形態1に係る空調制御装置2の動作例を示すフローチャートである。空調制御装置2は、図2のフローチャートに示される動作を繰り返し行う。
ステップST1において、予測条件取得部11は、予測日時における予測条件データをナビゲーション装置3から取得する。ステップST2において、予測部12は、予測条件取得部11により取得された予測日時の予測条件データを学習器13に入力し、学習器13の演算処理を実行する。ステップST3において、予測部12は、学習器13から演算処理の結果である、予測日時の予測日射データを取得する。ステップST4において、空調制御部20は、予測部12により予測された予測日時の予測日射データを用いて、当該予測日時より前に空調機器4の制御を開始する。
図1に示されるように、学習装置30は、学習用データ取得部31、及び学習部32を備える。また、学習装置30には、熱画像センサ5が接続されている。熱画像センサ5は、車室内の表面温度分布を検知し、表面温度分布を示す熱画像を出力する。
ステップST11において、学習用データ取得部31は、過去又は現在の日時における実績条件データをナビゲーション装置3から取得する。学習用データ取得部31は、過去又は現在の日時における実績日射データを熱画像センサ5から取得する。学習用データ取得部31は、取得した実績条件データ及び実績日射データを紐付けて学習用データとし、学習用データを学習部32へ出力する。
この構成の場合、学習用データ取得部31は、ナビゲーション装置3から車両1の位置及び向きを含む車両状態を示す情報を取得すると共に、図示しない車両制御ECU(Electronic Control Unit)等から車両1の採光部の開閉状態を示す情報を取得し、空調制御部20から空調機器4の制御状態を示す情報を取得する。そして、学習部32は、学習用データ取得部31が取得したこれらの情報を用いて学習器13の機械学習を行う。日射予測装置10の予測条件取得部11は、図示しない車両制御ECU等から車両1の採光部の開閉状態を示す情報を取得する。また、予測条件取得部11は、空調制御部20から空調機器4の制御状態を示す情報を取得してもよい。予測条件取得部11は、取得した情報を車両データとする。予測部12は、予測条件取得部11が取得した予測条件データと車両データとを用いて日射状態を予測する。実績日射データが熱画像である場合、車室内の表面温度は、車両1の採光部が開いている場合、閉じている場合に比べて下がりやすい。また、車室内の表面温度は、日射の影響を受けて変化する他、空調機器4の設定温度、風向き、及び風量等に応じても変化する。そのため、学習装置30は、車室内の表面温度に影響を及ぼす日射以外の条件を加味した学習が可能となり、日射予測装置10は、日射状態の予測精度が向上する。また、学習装置30は、車室内の表面温度に影響を及ぼす条件として、採光部に貼られた日射遮蔽シートの有無、又は採光部の透過率若しくは材質等を加味してもよい。
実施の形態1に係る日射予測装置10及び学習装置30は、予測条件データ及び実績条件データとして、任意の日時における車両1の位置及び向きを示す情報を用いたが、実施の形態2では、任意の日時における日射ベクトルを用いる。
図5は、実施の形態2に係る空調制御装置2の動作例を示すフローチャートである。空調制御装置2は、図5のフローチャートに示される動作を繰り返し行う。
ステップST1において、予測条件取得部11は、予測日時における予測条件データをナビゲーション装置3から取得すると共に、太陽位置データを太陽位置記憶部6から取得する。続くステップST21において、予測ベクトル算出部14は、予測条件取得部11により取得された予測日時の予測条件データと太陽位置データとを用いて、当該予測日時の予測日射ベクトルを算出する。ステップST2において、予測部12は、予測ベクトル算出部14により算出された予測日時の予測日射ベクトルを学習器13に入力し、学習器13の演算処理を実行する。ステップST3及びステップST4の処理は、図2のステップST3及びステップST4の処理と同じである。
図4に示されるように、学習用データ取得部31は、過去の日時における車両1の位置及び向きを含む車両状態を示す実績条件データを、ナビゲーション装置3から取得して学習用データ取得部31へ出力する。なお、車両1の向きは、車両1の進行方向のみでもよいし、車両1の進行方向と傾斜角度の両方を含んでもよい。また、学習用データ取得部31は、過去の日時における太陽位置データを、太陽位置記憶部6から取得してベクトル算出部34へ出力する。また、学習用データ取得部31は、過去の日時における車室内の表面温度分布を示す熱画像を、熱画像センサ5から取得してベクトル算出部34へ出力する。
ステップST11において、学習用データ取得部31は、過去又は現在の日時における実績条件データをナビゲーション装置3から取得する。学習用データ取得部31は、過去又は現在の日時における実績日射データをナビゲーション装置3から取得する。学習用データ取得部31は、過去又は現在の日時における太陽位置データを太陽位置記憶部6から取得する。学習用データ取得部31は、取得した実績条件データ、実績日射データ、及び太陽位置データを紐付けて学習用データとし、学習用データをベクトル算出部34へ出力する。
また、この構成の場合、日射予測装置10の予測条件取得部11は、車両1の車両データを車両1から取得する。予測部12は、この学習器13に対し、予測ベクトル算出部14により算出された予測日時の予測日射ベクトルと、予測条件取得部11により取得された車両1の車両データとを入力し、学習器13の演算処理を実行することで、予測日時における車両1の内部の日射状態を予測した予測日射データを、学習器13から取得する。これにより、学習装置30は、車高及び採光部の位置等、予測対象車両特有の条件を加味した学習が可能となり、日射予測装置10は、日射状態の予測精度が向上する。
実施の形態1,2では、実績日射データ及び予測日射データが、車室内の表面温度分布を示す熱画像であった。これに対し、実施の形態3では、実績日射データ及び予測日射データが、車室内の日射状態を示す情報である。
この構成の場合、空調制御部20は、予測部12により生成された日射予測マップに基づき、車両1が走行する予定の経路が単位時間ごとに区切られた各区間における空調機器4の制御計画を事前に立てる。その際、空調制御部20は、日射量に基づいて空調機器4の制御計画を立ててもよいし、日射量から表面温度を推定し、推定した表面温度に基づいて空調機器4の制御計画を立ててもよい。
図8及び図9は、各実施の形態に係る日射予測装置10を備えた空調制御装置2のハードウェア構成例を示す図である。空調制御装置2における予測条件取得部11、予測部12、学習器13、予測ベクトル算出部14、及び空調制御部20の機能は、処理回路により実現される。即ち、空調制御装置2は、上記機能を実現するための処理回路を備える。処理回路は、専用のハードウェアとしての処理回路100であってもよいし、メモリ102に格納されるプログラムを実行するプロセッサ101であってもよい。
メモリ102,202は、RAM(Random Access Memory)、ROM(Read Only Memory)、EPROM(Erasable Programmable ROM)、又はフラッシュメモリ等の不揮発性もしくは揮発性の半導体メモリであってもよいし、ハードディスク又はフレキシブルディスク等の磁気ディスクであってもよいし、CD(Compact Disc)又はDVD(Digital Versatile Disc)等の光ディスクであってもよい。
Claims (13)
- 予測日時における予測対象車両の位置及び向きを含む車両状態を示す予測条件データと前記予測日時における太陽の位置を示す太陽位置データとを取得する予測条件取得部と、
前記予測条件取得部により取得された前記予測日時における前記予測条件データと前記太陽位置データとを用いて、前記予測日時において前記予測対象車両に照射される日射の方向及び強度を示す予測日射ベクトルを算出する予測ベクトル算出部と、
過去の日時における車両の内部の日射状態を示す実績日射データと、前記車両に照射された日射の方向及び強度を示す日射ベクトルとを入力すると、前記車両の内部の日射状態を予測した予測日射データを出力する学習済みの学習器に対し、前記予測ベクトル算出部により算出された前記予測日射ベクトルを入力し、前記学習器の演算処理を実行することで、前記予測日時における前記予測対象車両の内部の日射状態を予測した予測日射データを、前記学習器から取得する予測部とを備える日射予測装置。 - 前記学習器は、前記過去の日時における前記予測対象車両の内部の日射状態を示す実績日射データと、前記予測対象車両に照射された日射の方向及び強度を示す日射ベクトルとを入力すると、前記予測対象車両の内部の日射状態を予測した予測日射データを出力するものであることを特徴とする請求項1記載の日射予測装置。
- 前記予測条件取得部は、前記予測日時における前記予測条件データと前記太陽位置データに加え、前記予測日時において前記予測対象車両の周辺に存在する日射遮蔽物を示す遮蔽物データを取得し、
前記予測ベクトル算出部は、前記予測日時における前記予測条件データと前記太陽位置データと前記遮蔽物データとを用いて、前記予測日時における前記予測日射ベクトルを算出することを特徴とする請求項1記載の日射予測装置。 - 前記予測条件取得部は、前記予測日時における前記予測条件データと前記太陽位置データに加え、前記予測日時における前記予測対象車両の周辺の気象予報データを取得し、
前記予測ベクトル算出部は、前記予測日時における前記予測条件データと前記太陽位置データと前記気象予報データとを用いて、前記予測日射ベクトルを算出することを特徴とする請求項1記載の日射予測装置。 - 前記学習器は、前記過去の日時における前記実績日射データと、前記日射ベクトルと、前記過去の日時における前記車両の車高又は前記車両が備える採光部の設置位置を示す車両データとを入力すると、前記予測対象車両の内部の日射状態を予測した予測日射データを出力するものであり、
前記予測条件取得部は、前記予測日時における前記予測条件データと前記太陽位置データに加え、前記予測対象車両の車両データを取得し、
前記予測部は、前記学習器に対し、前記予測ベクトル算出部により算出された前記予測日射ベクトルと前記予測条件取得部により取得された前記車両データとを入力し、前記学習器の演算処理を実行することで、前記予測日時における前記予測対象車両の内部の日射状態を予測した予測日射データを、前記学習器から取得することを特徴とする請求項1記載の日射予測装置。 - 前記予測日射データは、前記車両の内部において日射がある領域を示すデータであることを特徴とする請求項1記載の日射予測装置。
- 前記予測日射データは、前記車両の内部における日射強度分布を示すデータであることを特徴とする請求項1記載の日射予測装置。
- 前記予測日射データは、前記車両の内部を2以上の領域に分割した領域ごとの日射強度を示すデータであることを特徴とする請求項7記載の日射予測装置。
- 前記予測日射データは、前記車両の内部における座席ごとの日射強度を示すデータであることを特徴とする請求項7記載の日射予測装置。
- 前記予測部は、前記予測対象車両が走行する予定の経路における各地点の走行予定時刻を前記予測日時として予測した前記予測日射データを用いて、当該経路を走行予定時刻に基づいて単位時間ごとに区分した区間それぞれで日射強度を積算した日射量を求め、当該区間ごとの日射量を示す日射予測マップを生成することを特徴とする請求項7記載の日射予測装置。
- 前記実績日射データが前記車両の内部の表面温度分布を示す熱画像である場合であって、
前記学習器は、前記過去の日時における前記熱画像と前記日射ベクトルと、前記車両が備える採光部の開閉状態又は空調制御状態の少なくとも一方を示す車両データとを入力すると、前記予測対象車両の内部の日射状態を予測した予測日射データを出力するものであり、
前記予測条件取得部は、前記予測日時における前記予測条件データと前記太陽位置データに加え、前記予測対象車両の車両データを取得し、
前記予測部は、前記学習器に対し、前記予測ベクトル算出部により算出された前記予測日射ベクトルと前記予測条件取得部により取得された前記車両データとを入力し、前記学習器の演算処理を実行することで、前記予測日時における前記予測対象車両の内部の日射状態を予測した予測日射データを、前記学習器から取得することを特徴とする請求項1記載の日射予測装置。 - 車両に搭載される空調制御装置であって、
請求項1記載の日射予測装置と、
前記日射予測装置により予測された予測日射データを用いて、前記車両の内部の温度調整を行うように、前記車両に搭載された空調機器を制御する空調制御部とを備えることを特徴とする空調制御装置。 - 予測条件取得部と、予測ベクトル算出部と、予測部とを備えた日射予測装置が行う日射予測方法であって、
前記予測条件取得部が、予測日時における予測対象車両の位置及び向きを含む車両状態を示す予測条件データと前記予測日時における太陽の位置を示す太陽位置データとを取得し、
前記予測ベクトル算出部が、前記予測条件取得部により取得された前記予測日時における前記予測条件データと前記太陽位置データとを用いて、前記予測日時において前記予測対象車両に照射される日射の方向及び強度を示す予測日射ベクトルを算出し、
前記予測部が、過去の日時における車両の内部の日射状態を示す実績日射データと、前記車両に照射された日射の方向及び強度を示す日射ベクトルとを入力すると、前記車両の内部の日射状態を予測した予測日射データを出力する学習済みの学習器に対し、前記予測ベクトル算出部により算出された前記予測日射ベクトルを入力し、前記学習器の演算処理を実行することで、前記予測日時における前記予測対象車両の内部の日射状態を予測した予測日射データを、前記学習器から取得する日射予測方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/027992 WO2021009858A1 (ja) | 2019-07-17 | 2019-07-17 | 日射予測装置、空調制御装置、学習装置、及び日射予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021009858A1 JPWO2021009858A1 (ja) | 2021-12-09 |
JP7003333B2 true JP7003333B2 (ja) | 2022-01-20 |
Family
ID=74210353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021532610A Active JP7003333B2 (ja) | 2019-07-17 | 2019-07-17 | 日射予測装置、空調制御装置、学習装置、及び日射予測方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7003333B2 (ja) |
WO (1) | WO2021009858A1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000353295A (ja) | 1999-06-09 | 2000-12-19 | Toyota Motor Corp | 車両用経路案内装置及び方法並びに媒体 |
JP2002362129A (ja) | 2001-02-02 | 2002-12-18 | Denso Corp | 車両の日射検出装置及びそれを用いた車両用空調装置 |
JP2005343386A (ja) | 2004-06-04 | 2005-12-15 | Fujitsu Ten Ltd | 車室温監視装置 |
JP2006118310A (ja) | 2004-10-25 | 2006-05-11 | Denso Corp | 電動カーテン開閉装置 |
JP2008279793A (ja) | 2007-05-08 | 2008-11-20 | Nissan Motor Co Ltd | 車両用空調装置およびこの制御方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3584571B2 (ja) * | 1995-10-19 | 2004-11-04 | 日産自動車株式会社 | 電気自動車用事前空調装置 |
JP4780040B2 (ja) * | 2006-09-07 | 2011-09-28 | 株式会社デンソー | 経路通知装置 |
-
2019
- 2019-07-17 WO PCT/JP2019/027992 patent/WO2021009858A1/ja active Application Filing
- 2019-07-17 JP JP2021532610A patent/JP7003333B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000353295A (ja) | 1999-06-09 | 2000-12-19 | Toyota Motor Corp | 車両用経路案内装置及び方法並びに媒体 |
JP2002362129A (ja) | 2001-02-02 | 2002-12-18 | Denso Corp | 車両の日射検出装置及びそれを用いた車両用空調装置 |
JP2005343386A (ja) | 2004-06-04 | 2005-12-15 | Fujitsu Ten Ltd | 車室温監視装置 |
JP2006118310A (ja) | 2004-10-25 | 2006-05-11 | Denso Corp | 電動カーテン開閉装置 |
JP2008279793A (ja) | 2007-05-08 | 2008-11-20 | Nissan Motor Co Ltd | 車両用空調装置およびこの制御方法 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2021009858A1 (ja) | 2021-12-09 |
WO2021009858A1 (ja) | 2021-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6419819B2 (ja) | 車両を駆動するための方法及び装置 | |
JP7032282B2 (ja) | 空調制御装置、空調制御方法、及びプログラム | |
US10641512B2 (en) | Air-conditioning operation condition generation apparatus, air-conditioning operation condition generation method and air-conditioning system | |
WO2018070139A1 (ja) | 運転車両の防曇部を制御する車両用制御装置、車両用制御装置に用いられるプログラム | |
JP7493374B2 (ja) | 現在の運転モードと現在の状態とに基づいた自律走行車両の運転状態構成要素の制御 | |
CN105082928A (zh) | 用于至少一个机动车空调设备的运行方法 | |
JP7041478B2 (ja) | 空調制御装置 | |
JP2005508785A (ja) | 車両のための空調装置を制御するための方法 | |
US9894348B2 (en) | Driver assistance for a vehicle | |
CN112506249A (zh) | 使用窗户光学属性的车辆气候控制的系统和方法 | |
JP2003118347A (ja) | 車両用空調装置の制御装置 | |
CN114475607B (zh) | 自动驾驶车辆的拟人化换道方法、装置、车辆及存储介质 | |
CN110121738B (zh) | 停车期间优化的空气调节 | |
JPH10197348A (ja) | 熱画像の処理方法 | |
JP7003333B2 (ja) | 日射予測装置、空調制御装置、学習装置、及び日射予測方法 | |
US20210291615A1 (en) | Radiation information calculating device and temperature information calculating device | |
JPH08210689A (ja) | 空調熱負荷予測システム | |
US20230304811A1 (en) | Solar-load prediction for vehicle range estimation and eco-routing | |
US12078500B2 (en) | Solar-load prediction for vehicular cabin thermal actuator control | |
WO2022024947A1 (ja) | 軌道生成装置、軌道生成方法、および軌道生成プログラム | |
US20220053124A1 (en) | System and method for processing information from a rotatable camera | |
Viana-Fons et al. | Dynamic cabin model of an urban bus in real driving conditions | |
Lan et al. | Effect of urban microclimates on dynamic thermal characteristics of a vehicle cabin | |
KR20110061383A (ko) | 버스 공조 시스템 제어 방법 | |
US20230226882A1 (en) | Solar load feedback for climate control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210903 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210903 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210903 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211228 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7003333 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |