JPH09240433A - ワイパー制御装置 - Google Patents
ワイパー制御装置Info
- Publication number
- JPH09240433A JPH09240433A JP8051763A JP5176396A JPH09240433A JP H09240433 A JPH09240433 A JP H09240433A JP 8051763 A JP8051763 A JP 8051763A JP 5176396 A JP5176396 A JP 5176396A JP H09240433 A JPH09240433 A JP H09240433A
- Authority
- JP
- Japan
- Prior art keywords
- wiper control
- information
- driver
- wiper
- learning
- 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.)
- Abandoned
Links
Abstract
(57)【要約】
【課題】 雨量や車速等の様々な学習パラメータを入力
可能なニューロネットワークを用いた制御を実行するこ
とによって、自動車等の車両の用いられるワイパーの作
動タイミングや間欠周期等のワイパー制御を運転者や体
感する運転環境に応じて最適化するワイパー制御装置を
提供すること。 【解決手段】 車速、照度、雨量の学習パラメータに加
えてエンジン回転数、車間距離、ウィンカー方向を学習
パラメータとして用いて運転者毎の嗜好や体感する運転
環境を反映させたワイパーの作動タイミングや間欠周期
等のワイパー制御にかかる学習を運転前に予め実行し、
また運転者毎の設定した識別番号情報および学習結果に
基づいてワイパーの作動タイミングや間欠周期等のワイ
パー制御情報を生成するニューロネットワークを備えて
成る。
可能なニューロネットワークを用いた制御を実行するこ
とによって、自動車等の車両の用いられるワイパーの作
動タイミングや間欠周期等のワイパー制御を運転者や体
感する運転環境に応じて最適化するワイパー制御装置を
提供すること。 【解決手段】 車速、照度、雨量の学習パラメータに加
えてエンジン回転数、車間距離、ウィンカー方向を学習
パラメータとして用いて運転者毎の嗜好や体感する運転
環境を反映させたワイパーの作動タイミングや間欠周期
等のワイパー制御にかかる学習を運転前に予め実行し、
また運転者毎の設定した識別番号情報および学習結果に
基づいてワイパーの作動タイミングや間欠周期等のワイ
パー制御情報を生成するニューロネットワークを備えて
成る。
Description
【０００１】
【発明の属する技術分野】本発明のワイパー制御装置
は、入力層、中間層、および出力層が階層化されて成る
多層型ニューラルネットワークをワイパー制御手段とし
て用いてワイパーの制御を実行するワイパー制御装置に
関し、特に、運転者毎の学習結果に基づいてワイパーの
作動タイミングや間欠周期等にかかる最適なワイパー制
御を実行して運転者毎の嗜好や体感する運転環境を十分
反映させた実行できるワイパー制御装置に関する。
は、入力層、中間層、および出力層が階層化されて成る
多層型ニューラルネットワークをワイパー制御手段とし
て用いてワイパーの制御を実行するワイパー制御装置に
関し、特に、運転者毎の学習結果に基づいてワイパーの
作動タイミングや間欠周期等にかかる最適なワイパー制
御を実行して運転者毎の嗜好や体感する運転環境を十分
反映させた実行できるワイパー制御装置に関する。
【０００２】
【従来の技術】運転者の嗜好や運転環境をワイパー制御
に反映させるための従来のワイパー制御装置としては、
多層型ニューラルネットワークを用いたワイパー制御装
置がある。
に反映させるための従来のワイパー制御装置としては、
多層型ニューラルネットワークを用いたワイパー制御装
置がある。
【０００３】従来の多層型ニューラルネットワークを用
いたワイパー制御装置は、車速、照度、雨量の３つの学
習パラメータを用いてワイパー制御にかかる学習を行っ
ていた。学習された結果は運転者毎の学習結果情報とし
てメモリカード等の記憶手段に記憶されていた。
いたワイパー制御装置は、車速、照度、雨量の３つの学
習パラメータを用いてワイパー制御にかかる学習を行っ
ていた。学習された結果は運転者毎の学習結果情報とし
てメモリカード等の記憶手段に記憶されていた。
【０００４】このようなワイパー制御装置においては、
運転者自身の識別情報が入力されることによって運転者
の識別が促され、さらにこの運転者識別情報を用いて記
憶手段から読み出された学習結果情報に基づいて運転者
の嗜好や運転環境を反映させたワイパーの作動タイミン
グや間欠周期等のワイパー制御情報が生成され、このワ
イパー制御情報に基づいてワイパー制御が実行されてい
た。
運転者自身の識別情報が入力されることによって運転者
の識別が促され、さらにこの運転者識別情報を用いて記
憶手段から読み出された学習結果情報に基づいて運転者
の嗜好や運転環境を反映させたワイパーの作動タイミン
グや間欠周期等のワイパー制御情報が生成され、このワ
イパー制御情報に基づいてワイパー制御が実行されてい
た。
【０００５】
【発明が解決しようとする課題】しかしながら、運転者
が体感する運転環境を反映させた運転者にとって最適な
ワイパー制御を実現するためには様々な学習パラメータ
を参照する必要があるものの、このような従来のワイパ
ー制御装置では、処理時間、メモリー等の制約から車
速、照度、雨量のみを用いて学習を行っていたため、運
転者の嗜好や運転環境をワイパーの作動タイミングや間
欠周期等のワイパー制御情報に十分反映させたワイパー
制御を実行することが難しいという問題点があった。
が体感する運転環境を反映させた運転者にとって最適な
ワイパー制御を実現するためには様々な学習パラメータ
を参照する必要があるものの、このような従来のワイパ
ー制御装置では、処理時間、メモリー等の制約から車
速、照度、雨量のみを用いて学習を行っていたため、運
転者の嗜好や運転環境をワイパーの作動タイミングや間
欠周期等のワイパー制御情報に十分反映させたワイパー
制御を実行することが難しいという問題点があった。
【０００６】具体的には、同じ車速でも、単純に低速走
行または停止しているときと、右左折等のための低速ま
たは停止しているときとでは、運転者が体感する運転環
境が異るにも関わらず、車速、照度、雨量のみを用いて
学習を行っていたため、運転者の嗜好や運転環境をワイ
パーの作動タイミングや間欠周期等のワイパー制御情報
に十分反映させたワイパー制御を実行することが難しい
という問題点があった。また前方近傍での車両の有無に
よっても同様に運転者が体感する運転環境が異るにも関
わらず、車速、照度、雨量のみを用いて学習を行ってい
たため、運転者の嗜好や運転環境をワイパーの作動タイ
ミングや間欠周期等のワイパー制御情報に十分反映させ
たワイパー制御を実行することが難しいという問題点が
あった。
行または停止しているときと、右左折等のための低速ま
たは停止しているときとでは、運転者が体感する運転環
境が異るにも関わらず、車速、照度、雨量のみを用いて
学習を行っていたため、運転者の嗜好や運転環境をワイ
パーの作動タイミングや間欠周期等のワイパー制御情報
に十分反映させたワイパー制御を実行することが難しい
という問題点があった。また前方近傍での車両の有無に
よっても同様に運転者が体感する運転環境が異るにも関
わらず、車速、照度、雨量のみを用いて学習を行ってい
たため、運転者の嗜好や運転環境をワイパーの作動タイ
ミングや間欠周期等のワイパー制御情報に十分反映させ
たワイパー制御を実行することが難しいという問題点が
あった。
【０００７】本発明は、このような従来の問題点に着目
してなされたもので、車速、照度、雨量の学習パラメー
タに加えてエンジン回転数、車間距離、ウィンカー方向
を学習パラメータとして用いて運転者毎の嗜好や体感す
る運転環境を反映させたワイパーの作動タイミングや間
欠周期等のワイパー制御にかかる学習をニューラルネッ
トワークを用いて運転前に予め実行し、また運転者毎の
設定した識別番号情報および学習結果に基づいてワイパ
ーの作動タイミングや間欠周期等のワイパー制御情報を
ニューラルネットワークを用いて生成することにより、
運転者毎の嗜好や体感する運転環境を十分反映させた最
適なワイパー制御を実行できるワイパー制御装置を提供
することを目的としている。
してなされたもので、車速、照度、雨量の学習パラメー
タに加えてエンジン回転数、車間距離、ウィンカー方向
を学習パラメータとして用いて運転者毎の嗜好や体感す
る運転環境を反映させたワイパーの作動タイミングや間
欠周期等のワイパー制御にかかる学習をニューラルネッ
トワークを用いて運転前に予め実行し、また運転者毎の
設定した識別番号情報および学習結果に基づいてワイパ
ーの作動タイミングや間欠周期等のワイパー制御情報を
ニューラルネットワークを用いて生成することにより、
運転者毎の嗜好や体感する運転環境を十分反映させた最
適なワイパー制御を実行できるワイパー制御装置を提供
することを目的としている。
【０００８】
【課題を解決するための手段】請求項１に記載のワイパ
ー制御装置（１０）に装置されたワイパー制御手段（１
６）は、入力層（１６Ａ）、中間層（１６Ｂ）、および
出力層（１６Ｃ）が階層化されて成る多層型ニューラル
ネットワーク（１６）を具備して成り、車両に装置され
たワイパー制御にかかる学習を所定の学習パラメータを
用いて実行するとともに、このときの学習の結果に基づ
いてワイパー制御を実行するものである。
ー制御装置（１０）に装置されたワイパー制御手段（１
６）は、入力層（１６Ａ）、中間層（１６Ｂ）、および
出力層（１６Ｃ）が階層化されて成る多層型ニューラル
ネットワーク（１６）を具備して成り、車両に装置され
たワイパー制御にかかる学習を所定の学習パラメータを
用いて実行するとともに、このときの学習の結果に基づ
いてワイパー制御を実行するものである。
【０００９】所定の学習パラメータを用いた学習を多層
型ニューラルネットワーク（１６）を用いて実行するこ
とにより、運転者毎の嗜好や体感する運転環境を反映さ
せたワイパー制御が実現できる。請求項２に記載のワイ
パー制御装置（１０）に用いられる所定の学習パラメー
タは、請求項１に記載の所定の学習パラメータをセンサ
を介して入力可能なものであって、車速情報（１２
ａ）、照度情報（１２ｃ）、雨量情報（１２ｂ）、エン
ジン回転数情報（１２ｄ）、車間距離情報（１２ｅ）、
ウィンカー方向情報（１２ｆ）から少なくとも構成され
ている。
型ニューラルネットワーク（１６）を用いて実行するこ
とにより、運転者毎の嗜好や体感する運転環境を反映さ
せたワイパー制御が実現できる。請求項２に記載のワイ
パー制御装置（１０）に用いられる所定の学習パラメー
タは、請求項１に記載の所定の学習パラメータをセンサ
を介して入力可能なものであって、車速情報（１２
ａ）、照度情報（１２ｃ）、雨量情報（１２ｂ）、エン
ジン回転数情報（１２ｄ）、車間距離情報（１２ｅ）、
ウィンカー方向情報（１２ｆ）から少なくとも構成され
ている。
【００１０】車速情報（１２ａ）、照度情報（１２
ｃ）、雨量情報（１２ｂ）、エンジン回転数情報（１２
ｄ）、車間距離情報（１２ｅ）、ウィンカー方向情報
（１２ｆ）を所定の学習パラメータとして用いた学習を
多層型ニューラルネットワーク（１６）を用いて実行す
ることにより、運転者毎の嗜好や体感する運転環境を反
映させたワイパー制御が実現できる。
ｃ）、雨量情報（１２ｂ）、エンジン回転数情報（１２
ｄ）、車間距離情報（１２ｅ）、ウィンカー方向情報
（１２ｆ）を所定の学習パラメータとして用いた学習を
多層型ニューラルネットワーク（１６）を用いて実行す
ることにより、運転者毎の嗜好や体感する運転環境を反
映させたワイパー制御が実現できる。
【００１１】請求項３に記載のワイパー制御装置（１
０）に用いられるワイパー制御情報（１６ａ）は、請求
項２に記載のワイパー制御情報（１６ａ）であって、ワ
イパーの作動タイミング、またはワイパーの間欠周期の
うち少なくとも１つである。ワイパー制御情報（１６
ａ）としてワイパーの作動タイミング、またはワイパー
の間欠周期を用いることにより、運転者毎の嗜好や体感
する運転環境を反映させたワイパー制御が実現できる。
０）に用いられるワイパー制御情報（１６ａ）は、請求
項２に記載のワイパー制御情報（１６ａ）であって、ワ
イパーの作動タイミング、またはワイパーの間欠周期の
うち少なくとも１つである。ワイパー制御情報（１６
ａ）としてワイパーの作動タイミング、またはワイパー
の間欠周期を用いることにより、運転者毎の嗜好や体感
する運転環境を反映させたワイパー制御が実現できる。
【００１２】請求項４に記載のワイパー制御装置（１
０）は、請求項１乃至３に記載のワイパー制御装置（１
０）である。請求項４に記載の入力層（１６Ａ）を構成
する各ユニットは、所定の学習パラメータの数に応じて
各々一対一に対応させて設けられるとともに、中間層
（１６Ｂ）を構成する全ユニットについて予め学習され
た重み情報（１４ａ）によってこのときの全ユニットの
各々と結合されて成る。さらに、請求項４に記載のワイ
パー制御装置（１０）に記載の出力層（１６Ｃ）を構成
する各ユニットは、中間層（１６Ｂ）を構成する全ユニ
ットについて予め学習された重み情報（１４ａ）によっ
てこのときの全ユニットの各々と結合されて成り、所定
の学習パラメータを用いたニューロ演算に基づいてワイ
パー制御情報（１６ａ）を出力するものである。
０）は、請求項１乃至３に記載のワイパー制御装置（１
０）である。請求項４に記載の入力層（１６Ａ）を構成
する各ユニットは、所定の学習パラメータの数に応じて
各々一対一に対応させて設けられるとともに、中間層
（１６Ｂ）を構成する全ユニットについて予め学習され
た重み情報（１４ａ）によってこのときの全ユニットの
各々と結合されて成る。さらに、請求項４に記載のワイ
パー制御装置（１０）に記載の出力層（１６Ｃ）を構成
する各ユニットは、中間層（１６Ｂ）を構成する全ユニ
ットについて予め学習された重み情報（１４ａ）によっ
てこのときの全ユニットの各々と結合されて成り、所定
の学習パラメータを用いたニューロ演算に基づいてワイ
パー制御情報（１６ａ）を出力するものである。
【００１３】予め学習された重み情報（１４ａ）用いた
多層型ニューラルネットワーク（１６）を用いて実行す
ることにより、運転者毎の嗜好や体感する運転環境を反
映させたワイパー制御が実現できる。請求項５に記載の
ワイパー制御装置（１０）は、請求項１乃至３に記載の
ワイパー制御装置（１０）であって、重み情報（１４
ａ）、または運転者を識別するための識別番号情報（１
４ｂ）を随時記憶および読み出し可能なメモリ（１４）
を備えて成る。請求項５に記載の入力層（１６Ａ）を構
成する各ユニットは、所定の学習パラメータの数に応じ
て各々一対一に対応させて設けられるとともに、中間層
（１６Ｂ）を構成する全ユニットについてメモリ（１
４）から読み出した重み情報（１４ａ）によってこのと
きの全ユニットの各々と結合されて成る。さらに請求項
５に記載の出力層（１６Ｃ）を構成する各ユニットは、
中間層（１６Ｂ）を構成する全ユニットについてメモリ
（１４）から読み出した重み情報（１４ａ）によってこ
のときの全ユニットの各々と結合されて成り、所定の学
習パラメータを用いたニューロ演算に基づいてワイパー
制御情報（１６ａ）を出力するものである。
多層型ニューラルネットワーク（１６）を用いて実行す
ることにより、運転者毎の嗜好や体感する運転環境を反
映させたワイパー制御が実現できる。請求項５に記載の
ワイパー制御装置（１０）は、請求項１乃至３に記載の
ワイパー制御装置（１０）であって、重み情報（１４
ａ）、または運転者を識別するための識別番号情報（１
４ｂ）を随時記憶および読み出し可能なメモリ（１４）
を備えて成る。請求項５に記載の入力層（１６Ａ）を構
成する各ユニットは、所定の学習パラメータの数に応じ
て各々一対一に対応させて設けられるとともに、中間層
（１６Ｂ）を構成する全ユニットについてメモリ（１
４）から読み出した重み情報（１４ａ）によってこのと
きの全ユニットの各々と結合されて成る。さらに請求項
５に記載の出力層（１６Ｃ）を構成する各ユニットは、
中間層（１６Ｂ）を構成する全ユニットについてメモリ
（１４）から読み出した重み情報（１４ａ）によってこ
のときの全ユニットの各々と結合されて成り、所定の学
習パラメータを用いたニューロ演算に基づいてワイパー
制御情報（１６ａ）を出力するものである。
【００１４】このような構造の多層型ニューラルネット
ワーク（１６）を用いて実行することにより、運転者毎
の嗜好や体感する運転環境を反映させたワイパー制御が
実現できる。また随時読み出し可能であって運転者毎の
設定した識別番号情報（１４ｂ）および学習結果（則
ち、重み情報（１４ａ））に基づいてワイパーの作動タ
イミングや間欠周期等のワイパー制御情報（１６ａ）を
多層型ニューラルネットワーク（１６）を用いて生成す
ることにより、運転者毎の嗜好や体感する運転環境を十
分反映させた最適なワイパー制御を実行するワイパー制
御装置（１０）を実現できる。
ワーク（１６）を用いて実行することにより、運転者毎
の嗜好や体感する運転環境を反映させたワイパー制御が
実現できる。また随時読み出し可能であって運転者毎の
設定した識別番号情報（１４ｂ）および学習結果（則
ち、重み情報（１４ａ））に基づいてワイパーの作動タ
イミングや間欠周期等のワイパー制御情報（１６ａ）を
多層型ニューラルネットワーク（１６）を用いて生成す
ることにより、運転者毎の嗜好や体感する運転環境を十
分反映させた最適なワイパー制御を実行するワイパー制
御装置（１０）を実現できる。
【００１５】請求項６に記載のワイパー制御装置（１
０）は、請求項５に記載のワイパー制御装置（１０）で
ある。請求項６に記載のワイパー制御手段（１６）は、
所定の学習パラメータおよびメモリ（１４）から読み出
した識別番号情報（１４ｂ）を用いてワイパー制御にか
かる学習を予め実行するとともに、このときの識別番号
情報（１４ｂ）およびこのときの学習結果に基づいてワ
イパー制御情報（１６ａ）を多層型ニューラルネットワ
ーク（１６）を用いて生成して各運転者に個別に対応し
たワイパー制御を実行するものである。
０）は、請求項５に記載のワイパー制御装置（１０）で
ある。請求項６に記載のワイパー制御手段（１６）は、
所定の学習パラメータおよびメモリ（１４）から読み出
した識別番号情報（１４ｂ）を用いてワイパー制御にか
かる学習を予め実行するとともに、このときの識別番号
情報（１４ｂ）およびこのときの学習結果に基づいてワ
イパー制御情報（１６ａ）を多層型ニューラルネットワ
ーク（１６）を用いて生成して各運転者に個別に対応し
たワイパー制御を実行するものである。
【００１６】予め学習された重み情報（１４ａ）を用い
た学習をこのような多層型ニューラルネットワーク（１
６）を用いて実行することにより、運転者毎の嗜好や体
感する運転環境を反映させたワイパー制御が実現でき
る。またメモリ（１４）から随時読み出し可能であって
運転者毎の設定した識別番号情報（１４ｂ）および学習
結果（則ち、重み情報（１４ａ））に基づいてワイパー
の作動タイミングや間欠周期等のワイパー制御情報（１
６ａ）を多層型ニューラルネットワーク（１６）を用い
て生成することにより、運転者毎の嗜好や体感する運転
環境を十分反映させた最適なワイパー制御を実行するワ
イパー制御装置（１０）を実現できる。
た学習をこのような多層型ニューラルネットワーク（１
６）を用いて実行することにより、運転者毎の嗜好や体
感する運転環境を反映させたワイパー制御が実現でき
る。またメモリ（１４）から随時読み出し可能であって
運転者毎の設定した識別番号情報（１４ｂ）および学習
結果（則ち、重み情報（１４ａ））に基づいてワイパー
の作動タイミングや間欠周期等のワイパー制御情報（１
６ａ）を多層型ニューラルネットワーク（１６）を用い
て生成することにより、運転者毎の嗜好や体感する運転
環境を十分反映させた最適なワイパー制御を実行するワ
イパー制御装置（１０）を実現できる。
【００１７】請求項７に記載のワイパー制御装置（１
０）は、請求項６に記載のワイパー制御装置（１０）で
ある。請求項７に記載のワイパー制御手段（１６）にお
いて、入力層（１６Ａ）と中間層（１６Ｂ）との間に、
メモリ（１４）から読み出した識別番号情報（１４ｂ）
を入力するための運転者識別ユニットが設けられてい
る。
０）は、請求項６に記載のワイパー制御装置（１０）で
ある。請求項７に記載のワイパー制御手段（１６）にお
いて、入力層（１６Ａ）と中間層（１６Ｂ）との間に、
メモリ（１４）から読み出した識別番号情報（１４ｂ）
を入力するための運転者識別ユニットが設けられてい
る。
【００１８】このようなメモリ（１４）を装置すること
によって、運転者毎の設定した識別番号情報（１４ｂ）
に応じて運転者毎の嗜好や体感する運転環境を十分反映
させた最適なワイパー制御を実行するワイパー制御装置
（１０）を実現できる。請求項８に記載のワイパー制御
装置（１０）は、請求項７に記載のワイパー制御装置
（１０）である。請求項８に記載の運転者識別ユニット
（１６Ｄ）は、中間層（１６Ｂ）を構成する各ユニット
について予め学習された重み情報（１４ａ）またはメモ
リ（１４）から読み出した重み情報（１４ａ）によって
このときの各ユニットと各々結合されるとともに、入力
層（１６Ａ）を構成する各ユニットについて予め学習さ
れた重み情報（１４ａ）によってこのときの各ユニット
と各々結合されて成る。
によって、運転者毎の設定した識別番号情報（１４ｂ）
に応じて運転者毎の嗜好や体感する運転環境を十分反映
させた最適なワイパー制御を実行するワイパー制御装置
（１０）を実現できる。請求項８に記載のワイパー制御
装置（１０）は、請求項７に記載のワイパー制御装置
（１０）である。請求項８に記載の運転者識別ユニット
（１６Ｄ）は、中間層（１６Ｂ）を構成する各ユニット
について予め学習された重み情報（１４ａ）またはメモ
リ（１４）から読み出した重み情報（１４ａ）によって
このときの各ユニットと各々結合されるとともに、入力
層（１６Ａ）を構成する各ユニットについて予め学習さ
れた重み情報（１４ａ）によってこのときの各ユニット
と各々結合されて成る。
【００１９】このような運転者識別ユニット（１６Ｄ）
を付加して多層型ニューラルネットワーク（１６）を構
成することによって、運転者毎の設定した識別番号情報
（１４ｂ）に応じて運転者毎の嗜好や体感する運転環境
を十分反映させた最適なワイパー制御を実行するワイパ
ー制御装置（１０）を実現できる。
を付加して多層型ニューラルネットワーク（１６）を構
成することによって、運転者毎の設定した識別番号情報
（１４ｂ）に応じて運転者毎の嗜好や体感する運転環境
を十分反映させた最適なワイパー制御を実行するワイパ
ー制御装置（１０）を実現できる。
【００２０】請求項９に記載のワイパー制御装置（１
０）は、請求項１乃至８に記載のワイパー制御装置（１
０）である。請求項９に記載のワイパー制御手段（１
６）は、運転者の手動による調整に応じて、教師信号を
訂正して再学習を行うものである。
０）は、請求項１乃至８に記載のワイパー制御装置（１
０）である。請求項９に記載のワイパー制御手段（１
６）は、運転者の手動による調整に応じて、教師信号を
訂正して再学習を行うものである。
【００２１】このような再学習可能な多層型ニューラル
ネットワーク（１６）を用いることによって、運転者毎
の設定した識別番号情報（１４ｂ）に応じて運転者毎の
嗜好や体感する運転環境を十分反映させた最適なワイパ
ー制御を実行するワイパー制御装置（１０）を実現でき
る。
ネットワーク（１６）を用いることによって、運転者毎
の設定した識別番号情報（１４ｂ）に応じて運転者毎の
嗜好や体感する運転環境を十分反映させた最適なワイパ
ー制御を実行するワイパー制御装置（１０）を実現でき
る。
【００２２】請求項１０に記載のワイパー制御装置（１
０）は、請求項１乃至９に記載のワイパー制御装置（１
０）である。請求項１０に記載の運転者識別ユニット
（１６Ｄ）の入出力関数は、シグモイド関数である。入
出力関数としてシグモイド関数を用いた多層型ニューラ
ルネットワーク（１６）を用いることによって、運転者
毎の設定した識別番号情報（１４ｂ）に応じて運転者毎
の嗜好や体感する運転環境を十分反映させた最適なワイ
パー制御を実行するワイパー制御装置（１０）を実現で
きる。
０）は、請求項１乃至９に記載のワイパー制御装置（１
０）である。請求項１０に記載の運転者識別ユニット
（１６Ｄ）の入出力関数は、シグモイド関数である。入
出力関数としてシグモイド関数を用いた多層型ニューラ
ルネットワーク（１６）を用いることによって、運転者
毎の設定した識別番号情報（１４ｂ）に応じて運転者毎
の嗜好や体感する運転環境を十分反映させた最適なワイ
パー制御を実行するワイパー制御装置（１０）を実現で
きる。
【００２３】
【発明の実施の形態】以下、図面に基づき本発明の実施
の形態を説明する。始めに、図１および図２を参照し
て、発明の実施の形態のワイパー制御装置１０の主要構
成を説明する。
の形態を説明する。始めに、図１および図２を参照し
て、発明の実施の形態のワイパー制御装置１０の主要構
成を説明する。
【００２４】図１は本発明の実施の形態にかかるワイパ
ー制御装置１０を示す機能ブロック図である。図２は本
発明の実施の形態にかかる多層型ニューラルネットワー
ク１６の構成図である。運転者が車両を運転中に体感す
る運転環境において、雨量が多ければ運転者にとって望
ましいワイパーの作動タイミングや間欠周期等のワイパ
ー制御情報１６ａは異なる必要がある。また、同一の環
境であっても、個人差が存在する。例えば、多少の雨量
では全くワイパーを動かさない人や、信号待ちではワイ
パーを止める人もいる。この差を補正し、各運転者に適
したワイパー作動タイミングの制御を実行することが要
求されている。
ー制御装置１０を示す機能ブロック図である。図２は本
発明の実施の形態にかかる多層型ニューラルネットワー
ク１６の構成図である。運転者が車両を運転中に体感す
る運転環境において、雨量が多ければ運転者にとって望
ましいワイパーの作動タイミングや間欠周期等のワイパ
ー制御情報１６ａは異なる必要がある。また、同一の環
境であっても、個人差が存在する。例えば、多少の雨量
では全くワイパーを動かさない人や、信号待ちではワイ
パーを止める人もいる。この差を補正し、各運転者に適
したワイパー作動タイミングの制御を実行することが要
求されている。
【００２５】このような要求を実現するために、本発明
の実施の形態のワイパー制御装置１０は、図２に示すよ
うに、入力層１６Ａ、中間層１６Ｂ、および出力層１６
Ｃが階層化されて成る多層型ニューラルネットワーク１
６を用いてワイパーの制御を実行するものであり、更に
は運転者毎の学習結果に基づいてワイパーの作動タイミ
ングや間欠周期等にかかる最適なワイパー制御を実行し
て運転者毎の嗜好や体感する運転環境を十分反映させた
実行できるものである。
の実施の形態のワイパー制御装置１０は、図２に示すよ
うに、入力層１６Ａ、中間層１６Ｂ、および出力層１６
Ｃが階層化されて成る多層型ニューラルネットワーク１
６を用いてワイパーの制御を実行するものであり、更に
は運転者毎の学習結果に基づいてワイパーの作動タイミ
ングや間欠周期等にかかる最適なワイパー制御を実行し
て運転者毎の嗜好や体感する運転環境を十分反映させた
実行できるものである。
【００２６】本発明の実施の形態のワイパー制御装置１
０に装置されたワイパー制御手段１６は、入力層１６
Ａ、中間層１６Ｂ、および出力層１６Ｃが階層化されて
成る多層型ニューラルネットワーク１６を具備して成
り、車両に装置されたワイパー制御にかかる学習を所定
の学習パラメータを用いて実行するとともに、このとき
の学習の結果に基づいてワイパー制御を実行するもので
ある。
０に装置されたワイパー制御手段１６は、入力層１６
Ａ、中間層１６Ｂ、および出力層１６Ｃが階層化されて
成る多層型ニューラルネットワーク１６を具備して成
り、車両に装置されたワイパー制御にかかる学習を所定
の学習パラメータを用いて実行するとともに、このとき
の学習の結果に基づいてワイパー制御を実行するもので
ある。
【００２７】このような所定の学習パラメータを用いた
学習を多層型ニューラルネットワーク１６を用いて実行
することにより、運転者毎の嗜好や体感する運転環境を
反映させたワイパー制御が実現できる。ワイパー制御装
置１０に用いられる所定の学習パラメータは、センサを
介して入力可能なものであって、図１に示すように、速
度センサ１２Ａを介して入力可能な車速情報１２ａ、照
度センサ１２Ｃを介して入力可能な照度情報１２ｃ、雨
量センサ１２Ｂを介して入力可能な雨量情報１２ｂ、エ
ンジン回転センサ１２Ｄを介して入力可能なエンジン回
転数情報１２ｄ、車間距離センサ１２Ｅを介して入力可
能な車間距離情報１２ｅ、ウィンカーセンサ１２Ｆを介
して入力可能なウィンカー方向情報１２ｆから少なくと
も構成されている。
学習を多層型ニューラルネットワーク１６を用いて実行
することにより、運転者毎の嗜好や体感する運転環境を
反映させたワイパー制御が実現できる。ワイパー制御装
置１０に用いられる所定の学習パラメータは、センサを
介して入力可能なものであって、図１に示すように、速
度センサ１２Ａを介して入力可能な車速情報１２ａ、照
度センサ１２Ｃを介して入力可能な照度情報１２ｃ、雨
量センサ１２Ｂを介して入力可能な雨量情報１２ｂ、エ
ンジン回転センサ１２Ｄを介して入力可能なエンジン回
転数情報１２ｄ、車間距離センサ１２Ｅを介して入力可
能な車間距離情報１２ｅ、ウィンカーセンサ１２Ｆを介
して入力可能なウィンカー方向情報１２ｆから少なくと
も構成されている。
【００２８】なお、所定の学習パラメータは個々に例示
するものに特にこれに限定されるものではなく、運転者
にとって最適なワイパーの作動タイミングに影響を及ぼ
すと考えられる要因を全て、必要な学習パラメータとし
て追加することができる。具体的には、車速情報１２ａ
とは車両の走行スピードを意味するものであり、雨量情
報１２ｂとは単位面積単位時間あたりの降雨量を意味す
るものであり、照度情報１２ｃとは走行路面の明るさを
意味するものであり、エンジン回転数情報１２ｄ単位時
間当たりのエンジン回転数を意味するものであり、車間
距離情報１２ｅとは前方を走行する車両の後尾部と自己
の車両の前部との距離を意味するものであり、ウィンカ
ー方向情報１２ｆとは車両の右折または左折を意味する
ものである。
するものに特にこれに限定されるものではなく、運転者
にとって最適なワイパーの作動タイミングに影響を及ぼ
すと考えられる要因を全て、必要な学習パラメータとし
て追加することができる。具体的には、車速情報１２ａ
とは車両の走行スピードを意味するものであり、雨量情
報１２ｂとは単位面積単位時間あたりの降雨量を意味す
るものであり、照度情報１２ｃとは走行路面の明るさを
意味するものであり、エンジン回転数情報１２ｄ単位時
間当たりのエンジン回転数を意味するものであり、車間
距離情報１２ｅとは前方を走行する車両の後尾部と自己
の車両の前部との距離を意味するものであり、ウィンカ
ー方向情報１２ｆとは車両の右折または左折を意味する
ものである。
【００２９】このような車速情報１２ａ、照度情報１２
ｃ、雨量情報１２ｂ、エンジン回転数情報１２ｄ、車間
距離情報１２ｅ、ウィンカー方向情報１２ｆを所定の学
習パラメータとして用いた学習を多層型ニューラルネッ
トワーク１６を用いて実行することにより、運転者毎の
嗜好や体感する運転環境を反映させたワイパー制御が実
現できる。を実行するワイパー制御装置１０を実現でき
る。
ｃ、雨量情報１２ｂ、エンジン回転数情報１２ｄ、車間
距離情報１２ｅ、ウィンカー方向情報１２ｆを所定の学
習パラメータとして用いた学習を多層型ニューラルネッ
トワーク１６を用いて実行することにより、運転者毎の
嗜好や体感する運転環境を反映させたワイパー制御が実
現できる。を実行するワイパー制御装置１０を実現でき
る。
【００３０】具体的には、絶対雨量が同じでも車速が異
なるために運転者の体感雨量が異なる場合であっても、
これをワイパー制御量に反映させることが可能となる。
雨量の多少によって運転者の求める作動タイミングが異
なる場合であっても、これをワイパー制御量に反映させ
ることが可能となる。例えば、運転者にとって、雨量が
多ければ、望ましいワイパーの作動タイミングや間欠周
期等のワイパー制御情報１６ａは異なる。また、同一の
環境であっても、個人差が存在する。例えば、多少の雨
量では全くワイパーを動かさない人や、信号待ちではワ
イパーを止める人もいる。この差を多層型ニューラルネ
ットワーク１６の学習で補正し、各運転者に適したワイ
パー作動タイミングの制御を実行することが可能とな
る。
なるために運転者の体感雨量が異なる場合であっても、
これをワイパー制御量に反映させることが可能となる。
雨量の多少によって運転者の求める作動タイミングが異
なる場合であっても、これをワイパー制御量に反映させ
ることが可能となる。例えば、運転者にとって、雨量が
多ければ、望ましいワイパーの作動タイミングや間欠周
期等のワイパー制御情報１６ａは異なる。また、同一の
環境であっても、個人差が存在する。例えば、多少の雨
量では全くワイパーを動かさない人や、信号待ちではワ
イパーを止める人もいる。この差を多層型ニューラルネ
ットワーク１６の学習で補正し、各運転者に適したワイ
パー作動タイミングの制御を実行することが可能とな
る。
【００３１】また、照度によって運転者の求める作動タ
イミングが異なる場合であっても、これをワイパー制御
量に反映させることが可能となる。また、車両慮の運転
状況を反映するエンジン回転数に応じて運転者の求める
作動タイミングが異なる場合であっても、これをワイパ
ー制御量に反映させることが可能となる。
イミングが異なる場合であっても、これをワイパー制御
量に反映させることが可能となる。また、車両慮の運転
状況を反映するエンジン回転数に応じて運転者の求める
作動タイミングが異なる場合であっても、これをワイパ
ー制御量に反映させることが可能となる。
【００３２】また、前方者との車間距離によって運転者
の求める作動タイミングが異なる場合であっても、これ
をワイパー制御量に反映させることが可能となる。例え
ば、単独で走行する場合と、渋滞の中にある場合とで
は、車速等の他の条件が同じでも運転者の求める作動タ
イミングが異なるので、これをワイパー制御量に反映さ
せることが可能となる。例えば、停車している場合と、
ウィンカーを出している場合とでは、運転者の前方に対
する注意力は異なり、車速等の他の条件が同じでも運転
者の求める作動タイミングが異なる場合であっても、こ
れをワイパー制御量に反映させることが可能となる。
の求める作動タイミングが異なる場合であっても、これ
をワイパー制御量に反映させることが可能となる。例え
ば、単独で走行する場合と、渋滞の中にある場合とで
は、車速等の他の条件が同じでも運転者の求める作動タ
イミングが異なるので、これをワイパー制御量に反映さ
せることが可能となる。例えば、停車している場合と、
ウィンカーを出している場合とでは、運転者の前方に対
する注意力は異なり、車速等の他の条件が同じでも運転
者の求める作動タイミングが異なる場合であっても、こ
れをワイパー制御量に反映させることが可能となる。
【００３３】またワイパー制御情報１６ａは、ワイパー
の作動タイミング、またはワイパーの間欠周期のうち少
なくとも１つである。ワイパー制御情報１６ａとしてワ
イパーの作動タイミング、またはワイパーの間欠周期を
用いることにより、運転者毎の嗜好や体感する運転環境
を反映させたワイパー制御（則ち、作動タイミング制御
や間欠周期制御）が実現できる。
の作動タイミング、またはワイパーの間欠周期のうち少
なくとも１つである。ワイパー制御情報１６ａとしてワ
イパーの作動タイミング、またはワイパーの間欠周期を
用いることにより、運転者毎の嗜好や体感する運転環境
を反映させたワイパー制御（則ち、作動タイミング制御
や間欠周期制御）が実現できる。
【００３４】次に、図１および図２を参照して、発明の
実施の形態のワイパー制御手段１６の構成を説明する。
ワイパー制御手段１６は、重み情報（則ち、学習情報の
一つ）１４ａ、または運転者を識別するための識別番号
情報１４ｂを随時記憶および読み出し可能なメモリ１４
を備えて成る。メモリ１４としたはＥＥＰＲＯＭ等の半
導体記憶デバイス、ＭＯ等の磁気光記憶手段、磁気ディ
スク等の磁気記憶手段等を用いることができる。
実施の形態のワイパー制御手段１６の構成を説明する。
ワイパー制御手段１６は、重み情報（則ち、学習情報の
一つ）１４ａ、または運転者を識別するための識別番号
情報１４ｂを随時記憶および読み出し可能なメモリ１４
を備えて成る。メモリ１４としたはＥＥＰＲＯＭ等の半
導体記憶デバイス、ＭＯ等の磁気光記憶手段、磁気ディ
スク等の磁気記憶手段等を用いることができる。
【００３５】このときの入力層１６Ａを構成する各ユニ
ットは、図１および図２に示すように、所定の学習パラ
メータの数に応じて各々一対一に対応させて設けられる
とともに、中間層１６Ｂを構成する全ユニットについて
メモリ１４から読み出した重み情報（則ち、学習情報の
一つ）１４ａによってこのときの全ユニットの各々と結
合されて成る。
ットは、図１および図２に示すように、所定の学習パラ
メータの数に応じて各々一対一に対応させて設けられる
とともに、中間層１６Ｂを構成する全ユニットについて
メモリ１４から読み出した重み情報（則ち、学習情報の
一つ）１４ａによってこのときの全ユニットの各々と結
合されて成る。
【００３６】さらに出力層１６Ｃを構成する各ユニット
は、中間層１６Ｂを構成する全ユニットについてメモリ
１４から読み出した重み情報（則ち、学習情報の一つ）
１４ａによってこのときの全ユニットの各々と結合され
て成り、所定の学習パラメータを用いたニューロ演算に
基づいてワイパー制御情報１６ａを出力するものであ
る。
は、中間層１６Ｂを構成する全ユニットについてメモリ
１４から読み出した重み情報（則ち、学習情報の一つ）
１４ａによってこのときの全ユニットの各々と結合され
て成り、所定の学習パラメータを用いたニューロ演算に
基づいてワイパー制御情報１６ａを出力するものであ
る。
【００３７】このような構造の多層型ニューラルネット
ワーク１６を用いて実行することにより、多くの入力か
ら総合的な作動タイミング決定を高速に行うことがで
き、その結果、運転者毎の嗜好や体感する運転環境を反
映させたワイパー制御が実現できる。また随時読み出し
可能であって運転者毎の設定した識別番号情報１４ｂお
よび学習結果（則ち、重み情報（則ち、学習情報の一
つ）１４ａ）に基づいてワイパーの作動タイミングや間
欠周期等のワイパー制御情報１６ａを多層型ニューラル
ネットワーク１６を用いて生成することにより、運転者
毎の嗜好や体感する運転環境を十分反映させた最適なワ
イパー制御を実行するワイパー制御装置１０を実現でき
る。
ワーク１６を用いて実行することにより、多くの入力か
ら総合的な作動タイミング決定を高速に行うことがで
き、その結果、運転者毎の嗜好や体感する運転環境を反
映させたワイパー制御が実現できる。また随時読み出し
可能であって運転者毎の設定した識別番号情報１４ｂお
よび学習結果（則ち、重み情報（則ち、学習情報の一
つ）１４ａ）に基づいてワイパーの作動タイミングや間
欠周期等のワイパー制御情報１６ａを多層型ニューラル
ネットワーク１６を用いて生成することにより、運転者
毎の嗜好や体感する運転環境を十分反映させた最適なワ
イパー制御を実行するワイパー制御装置１０を実現でき
る。
【００３８】またワイパー制御手段１６は、所定の学習
パラメータおよびメモリ１４から読み出した識別番号情
報１４ｂを用いてワイパー制御にかかる学習を予め実行
するとともに、このときの識別番号情報１４ｂおよびこ
のときの学習結果に基づいてワイパー制御情報１６ａを
多層型ニューラルネットワーク１６を用いて生成して各
運転者に個別に対応したワイパー制御を実行するもので
ある。
パラメータおよびメモリ１４から読み出した識別番号情
報１４ｂを用いてワイパー制御にかかる学習を予め実行
するとともに、このときの識別番号情報１４ｂおよびこ
のときの学習結果に基づいてワイパー制御情報１６ａを
多層型ニューラルネットワーク１６を用いて生成して各
運転者に個別に対応したワイパー制御を実行するもので
ある。
【００３９】このように予め学習された重み情報（則
ち、学習情報の一つ）１４ａを用いた学習をこのような
多層型ニューラルネットワーク１６を用いて実行するこ
とにより、運転者毎の嗜好や体感する運転環境を反映さ
せたワイパー制御が実現できる。またメモリ１４から随
時読み出し可能であって運転者毎の設定した識別番号情
報１４ｂおよび学習結果（則ち、重み情報（則ち、学習
情報の一つ）１４ａ）に基づいてワイパーの作動タイミ
ングや間欠周期等のワイパー制御情報１６ａを多層型ニ
ューラルネットワーク１６を用いて生成することによ
り、運転者毎の嗜好や体感する運転環境を十分反映させ
た最適なワイパー制御を実行するワイパー制御装置１０
を実現できる。
ち、学習情報の一つ）１４ａを用いた学習をこのような
多層型ニューラルネットワーク１６を用いて実行するこ
とにより、運転者毎の嗜好や体感する運転環境を反映さ
せたワイパー制御が実現できる。またメモリ１４から随
時読み出し可能であって運転者毎の設定した識別番号情
報１４ｂおよび学習結果（則ち、重み情報（則ち、学習
情報の一つ）１４ａ）に基づいてワイパーの作動タイミ
ングや間欠周期等のワイパー制御情報１６ａを多層型ニ
ューラルネットワーク１６を用いて生成することによ
り、運転者毎の嗜好や体感する運転環境を十分反映させ
た最適なワイパー制御を実行するワイパー制御装置１０
を実現できる。
【００４０】またワイパー制御手段１６において、入力
層１６Ａと中間層１６Ｂとの間に、メモリ１４から読み
出した識別番号情報１４ｂを入力するための運転者識別
ユニットが設けられている。このようなメモリ１４を装
置することによって、運転者毎の設定した識別番号情報
１４ｂに応じて運転者毎の嗜好や体感する運転環境を十
分反映させた最適なワイパー制御を実行するワイパー制
御装置１０を実現できる。
層１６Ａと中間層１６Ｂとの間に、メモリ１４から読み
出した識別番号情報１４ｂを入力するための運転者識別
ユニットが設けられている。このようなメモリ１４を装
置することによって、運転者毎の設定した識別番号情報
１４ｂに応じて運転者毎の嗜好や体感する運転環境を十
分反映させた最適なワイパー制御を実行するワイパー制
御装置１０を実現できる。
【００４１】ワイパー制御手段１６は、運転者の手動に
よる調整に応じて、教師信号を訂正して再学習（本発明
の実施の形態では、教示学習のやり直し）を行うもので
ある。このような再学習可能な多層型ニューラルネット
ワーク１６を用いることによって、運転者毎の設定した
識別番号情報１４ｂに応じて運転者毎の嗜好や体感する
運転環境を十分反映させた最適なワイパー制御を実行す
るワイパー制御装置１０を実現できる。
よる調整に応じて、教師信号を訂正して再学習（本発明
の実施の形態では、教示学習のやり直し）を行うもので
ある。このような再学習可能な多層型ニューラルネット
ワーク１６を用いることによって、運転者毎の設定した
識別番号情報１４ｂに応じて運転者毎の嗜好や体感する
運転環境を十分反映させた最適なワイパー制御を実行す
るワイパー制御装置１０を実現できる。
【００４２】次に、図２を参照して、発明の実施の形態
のワイパー制御手段に装置された多層型ニューラルネッ
トワーク１６の構成を説明する。本発明の実施の形態の
多層型ニューラルネットワーク１６は、バックプロパゲ
ーション等の学習規則を用いて予め教示学習されている
各層間の重みと、所定の演算（則ち、ニューロ演算）と
に従って、ワイパー制御情報１６ａを出力するものであ
る。具体的な多層型ニューラルネットワーク１６は、具
体的には、コンピュータ上でのプログラムによって達成
することができる。
のワイパー制御手段に装置された多層型ニューラルネッ
トワーク１６の構成を説明する。本発明の実施の形態の
多層型ニューラルネットワーク１６は、バックプロパゲ
ーション等の学習規則を用いて予め教示学習されている
各層間の重みと、所定の演算（則ち、ニューロ演算）と
に従って、ワイパー制御情報１６ａを出力するものであ
る。具体的な多層型ニューラルネットワーク１６は、具
体的には、コンピュータ上でのプログラムによって達成
することができる。
【００４３】図２に示すように、ワイパー制御手段１６
としての多層型ニューラルネットワーク１６において、
入力層１６Ａを構成する各ユニットは、所定の学習パラ
メータの数に応じて各々一対一に対応させて設けられ、
さらに中間層１６Ｂを構成する全ユニットについて予め
学習された重み情報（則ち、学習情報の一つ）１４ａに
よってこのときの全ユニットの各々と結合されている。
なお、中間層１６Ｂを構成するユニット数は、可変とす
ることができる。
としての多層型ニューラルネットワーク１６において、
入力層１６Ａを構成する各ユニットは、所定の学習パラ
メータの数に応じて各々一対一に対応させて設けられ、
さらに中間層１６Ｂを構成する全ユニットについて予め
学習された重み情報（則ち、学習情報の一つ）１４ａに
よってこのときの全ユニットの各々と結合されている。
なお、中間層１６Ｂを構成するユニット数は、可変とす
ることができる。
【００４４】また多層型ニューラルネットワーク１６に
おける出力層１６Ｃを構成する各ユニットは、中間層１
６Ｂを構成する全ユニットについて予め学習された重み
情報（則ち、学習情報の一つ）１４ａによってこのとき
の全ユニットの各々と結合され、所定の学習パラメータ
を用いたニューロ演算に基づいてワイパー制御情報１６
ａを出力することができる。
おける出力層１６Ｃを構成する各ユニットは、中間層１
６Ｂを構成する全ユニットについて予め学習された重み
情報（則ち、学習情報の一つ）１４ａによってこのとき
の全ユニットの各々と結合され、所定の学習パラメータ
を用いたニューロ演算に基づいてワイパー制御情報１６
ａを出力することができる。
【００４５】具体的には、入力層１６Ａを構成するユニ
ットの数は、入力する情報数（本発明の実施の形態で
は、車速情報１２ａ、照度情報１２ｃ、雨量情報１２
ｂ、エンジン回転数情報１２ｄ、車間距離情報１２ｅ、
ウィンカー方向情報１２ｆの６こ）と同数（則ち、６
こ）としている。中間層１６Ｂを構成するユニットの数
は、学習の困難度に応じて決定されるものなので、本発
明の実施の形態では可変としている。出力層１６Ｃを構
成するユニットの数は１つとしている。出力層１６Ｃの
ユニットの出力値（則ち、ワイパー制御情報１６ａ）
は、最大値を１最小値を０とし、その間の比率で表現さ
れる。
ットの数は、入力する情報数（本発明の実施の形態で
は、車速情報１２ａ、照度情報１２ｃ、雨量情報１２
ｂ、エンジン回転数情報１２ｄ、車間距離情報１２ｅ、
ウィンカー方向情報１２ｆの６こ）と同数（則ち、６
こ）としている。中間層１６Ｂを構成するユニットの数
は、学習の困難度に応じて決定されるものなので、本発
明の実施の形態では可変としている。出力層１６Ｃを構
成するユニットの数は１つとしている。出力層１６Ｃの
ユニットの出力値（則ち、ワイパー制御情報１６ａ）
は、最大値を１最小値を０とし、その間の比率で表現さ
れる。
【００４６】このように予め学習された重み情報（則
ち、学習情報の一つ）１４ａ用いた多層型ニューラルネ
ットワーク１６を用いて実行することにより、運転者毎
の嗜好や体感する運転環境を反映させたワイパー制御が
実現できる。運転者識別ユニット１６Ｄは、図２に示す
ように、中間層１６Ｂを構成する各ユニットについて予
め学習された重み情報（則ち、学習情報の一つ）１４ａ
またはメモリ１４から読み出した重み情報（則ち、学習
情報の一つ）１４ａによってこのときの各ユニットと各
々結合されるとともに、入力層１６Ａを構成する各ユニ
ットについて予め学習された重み情報（則ち、学習情報
の一つ）１４ａによってこのときの各ユニットと各々結
合されて成る。運転者識別ユニット１６Ｄの入出力関数
は、シグモイド関数である。
ち、学習情報の一つ）１４ａ用いた多層型ニューラルネ
ットワーク１６を用いて実行することにより、運転者毎
の嗜好や体感する運転環境を反映させたワイパー制御が
実現できる。運転者識別ユニット１６Ｄは、図２に示す
ように、中間層１６Ｂを構成する各ユニットについて予
め学習された重み情報（則ち、学習情報の一つ）１４ａ
またはメモリ１４から読み出した重み情報（則ち、学習
情報の一つ）１４ａによってこのときの各ユニットと各
々結合されるとともに、入力層１６Ａを構成する各ユニ
ットについて予め学習された重み情報（則ち、学習情報
の一つ）１４ａによってこのときの各ユニットと各々結
合されて成る。運転者識別ユニット１６Ｄの入出力関数
は、シグモイド関数である。
【００４７】このような運転者識別ユニット１６Ｄを付
加し、入出力関数としてシグモイド関数を用いた多層型
ニューラルネットワーク１６を構成することによって、
運転者毎の設定した識別番号情報１４ｂに応じて運転者
毎の嗜好や体感する運転環境を十分反映させた最適なワ
イパー制御を実行するワイパー制御装置１０を実現でき
る。
加し、入出力関数としてシグモイド関数を用いた多層型
ニューラルネットワーク１６を構成することによって、
運転者毎の設定した識別番号情報１４ｂに応じて運転者
毎の嗜好や体感する運転環境を十分反映させた最適なワ
イパー制御を実行するワイパー制御装置１０を実現でき
る。
【００４８】次に、図３を参照して、発明の実施の形態
の動作を説明する。図３は本発明の実施の形態にかかる
ワイパー制御装置１０の制御を説明したフローチャート
である。本発明の実施の形態のワイパー制御装置１０で
は、各運転者へ対応するために、多層型ニューラルネッ
トワーク１６の入力層１６Ａと中間層１６Ｂとの間に、
メモリ１４から読み出した識別番号情報１４ｂを入力す
るための運転者識別ユニットが設けられている。さら
に、ワイパー制御手段１６は、重み情報（則ち、学習情
報の一つ）１４ａ、または運転者を識別するための識別
番号情報１４ｂをメモリ１４に随時記憶している。
の動作を説明する。図３は本発明の実施の形態にかかる
ワイパー制御装置１０の制御を説明したフローチャート
である。本発明の実施の形態のワイパー制御装置１０で
は、各運転者へ対応するために、多層型ニューラルネッ
トワーク１６の入力層１６Ａと中間層１６Ｂとの間に、
メモリ１４から読み出した識別番号情報１４ｂを入力す
るための運転者識別ユニットが設けられている。さら
に、ワイパー制御手段１６は、重み情報（則ち、学習情
報の一つ）１４ａ、または運転者を識別するための識別
番号情報１４ｂをメモリ１４に随時記憶している。
【００４９】ワイパー制御手段１６は、所定の学習パラ
メータ１２ａ〜１２ｆおよびメモリ１４から読み出した
識別番号情報１４ｂを用いて、ワイパー制御にかかる学
習（本発明の実施の形態では、バックプロパゲーション
を用いた教示学習）を予め実行するとともに、このとき
の識別番号情報１４ｂおよびこのときの学習結果に基づ
いてワイパー制御情報１６ａを多層型ニューラルネット
ワーク１６を用いて生成して各運転者に個別に対応した
ワイパー制御を実行することができる。
メータ１２ａ〜１２ｆおよびメモリ１４から読み出した
識別番号情報１４ｂを用いて、ワイパー制御にかかる学
習（本発明の実施の形態では、バックプロパゲーション
を用いた教示学習）を予め実行するとともに、このとき
の識別番号情報１４ｂおよびこのときの学習結果に基づ
いてワイパー制御情報１６ａを多層型ニューラルネット
ワーク１６を用いて生成して各運転者に個別に対応した
ワイパー制御を実行することができる。
【００５０】運転者がワイパーのスイッチ（図３中に示
すＳＷ）を作動状態（則ち、Ｏｎ）にすると（ステップ
Ｓ１）、各種センサから所定の学習パラメータが入力さ
れる（ステップＳ１→ステップＳ２）。具体的には図１
に示すように、速度センサ１２Ａを介して車速情報１２
ａが入力され、照度センサ１２Ｃを介して照度情報１２
ｃが入力され、雨量センサ１２Ｂを介して雨量情報１２
ｂが入力され、エンジン回転センサ１２Ｄを介してエン
ジン回転数情報１２ｄが入力され、車間距離センサ１２
Ｅを介して車間距離情報１２ｅが入力され、ウィンカー
センサ１２Ｆを介してウィンカー方向情報１２ｆが入力
される（ステップＳ１→ステップＳ２）。
すＳＷ）を作動状態（則ち、Ｏｎ）にすると（ステップ
Ｓ１）、各種センサから所定の学習パラメータが入力さ
れる（ステップＳ１→ステップＳ２）。具体的には図１
に示すように、速度センサ１２Ａを介して車速情報１２
ａが入力され、照度センサ１２Ｃを介して照度情報１２
ｃが入力され、雨量センサ１２Ｂを介して雨量情報１２
ｂが入力され、エンジン回転センサ１２Ｄを介してエン
ジン回転数情報１２ｄが入力され、車間距離センサ１２
Ｅを介して車間距離情報１２ｅが入力され、ウィンカー
センサ１２Ｆを介してウィンカー方向情報１２ｆが入力
される（ステップＳ１→ステップＳ２）。
【００５１】センサ１２Ａ〜１２Ｆを介して入力された
各種の学習パラメータ１２ａ〜１２ｆはインターフェー
ス手段（図１中に示すＩ／Ｏ）１３を介してＡ／Ｄ変換
手段１５に入力され、ディジタル信号へ変換されてワイ
パー制御手段（多層型ニューラルネットワーク）１６に
入力される（ステップＳ２→ステップＳ３）。
各種の学習パラメータ１２ａ〜１２ｆはインターフェー
ス手段（図１中に示すＩ／Ｏ）１３を介してＡ／Ｄ変換
手段１５に入力され、ディジタル信号へ変換されてワイ
パー制御手段（多層型ニューラルネットワーク）１６に
入力される（ステップＳ２→ステップＳ３）。
【００５２】ワイパー制御手段（多層型ニューラルネッ
トワーク）１６は、バックプロパゲーション等の学習規
則を用いて予め教示学習された重み情報（則ち、学習情
報の一つ）１４ａによって、所定の学習パラメータ１２
ａ〜１２ｆを用いたニューロ演算に基づいて、運転者毎
の嗜好や体感する運転環境を反映させたワイパー制御情
報（則ち、ワイパー作動タイミング制御情報やワイパー
間欠周期制御情報）１６ａを出力する（ステップＳ３→
ステップＳ４）。
トワーク）１６は、バックプロパゲーション等の学習規
則を用いて予め教示学習された重み情報（則ち、学習情
報の一つ）１４ａによって、所定の学習パラメータ１２
ａ〜１２ｆを用いたニューロ演算に基づいて、運転者毎
の嗜好や体感する運転環境を反映させたワイパー制御情
報（則ち、ワイパー作動タイミング制御情報やワイパー
間欠周期制御情報）１６ａを出力する（ステップＳ３→
ステップＳ４）。
【００５３】出力駆動手段１７は、ワイパー制御情報
（則ち、ワイパー作動タイミング制御情報やワイパー間
欠周期制御情報）１６ａを受けて、ワイパーモータ１８
の駆動制御を実行する。また運転者の手動調整要求を検
出したときは（ステップＳ５の有）、ワイパー制御手段
１６は、運転者の手動による調整に応じて、教師信号を
訂正して多層型ニューラルネットワーク１６での再学習
（則ち、教示学習のやり直し）を行い（ステップＳ５の
有→ステップＳ６）、その結果を用いて多層型ニューラ
ルネットワーク１６の重み情報（則ち、学習情報の一
つ）１４ａを変更する（ステップＳ６→ステップＳ
２）。
（則ち、ワイパー作動タイミング制御情報やワイパー間
欠周期制御情報）１６ａを受けて、ワイパーモータ１８
の駆動制御を実行する。また運転者の手動調整要求を検
出したときは（ステップＳ５の有）、ワイパー制御手段
１６は、運転者の手動による調整に応じて、教師信号を
訂正して多層型ニューラルネットワーク１６での再学習
（則ち、教示学習のやり直し）を行い（ステップＳ５の
有→ステップＳ６）、その結果を用いて多層型ニューラ
ルネットワーク１６の重み情報（則ち、学習情報の一
つ）１４ａを変更する（ステップＳ６→ステップＳ
２）。
【００５４】運転者の手動調整要求を検出しなかったと
きは（ステップＳ５の無）、センサ１２Ａ〜１２Ｆから
の学習パラメータ１２ａ〜１２ｆの入力を促す（ステッ
プＳ５の無→ステップＳ２）。以上説明したように本発
明の実施の形態によれば、車速、照度、雨量の学習パラ
メータに加えてエンジン回転数、車間距離、ウィンカー
方向を学習パラメータとして用いて運転者毎の嗜好や体
感する運転環境を反映させたワイパーの作動タイミング
や間欠周期等のワイパー制御にかかる学習をニューラル
ネットワークを用いて運転前に予め実行し、また運転者
毎の設定した識別番号情報１４ｂおよび学習結果に基づ
いてワイパーの作動タイミングや間欠周期等のワイパー
制御情報１６ａを多層型ニューラルネットワーク１６を
用いて生成することにより、運転者毎の嗜好や体感する
運転環境を十分反映させた最適なワイパー制御を実行す
るワイパー制御装置１０を実現できる。
きは（ステップＳ５の無）、センサ１２Ａ〜１２Ｆから
の学習パラメータ１２ａ〜１２ｆの入力を促す（ステッ
プＳ５の無→ステップＳ２）。以上説明したように本発
明の実施の形態によれば、車速、照度、雨量の学習パラ
メータに加えてエンジン回転数、車間距離、ウィンカー
方向を学習パラメータとして用いて運転者毎の嗜好や体
感する運転環境を反映させたワイパーの作動タイミング
や間欠周期等のワイパー制御にかかる学習をニューラル
ネットワークを用いて運転前に予め実行し、また運転者
毎の設定した識別番号情報１４ｂおよび学習結果に基づ
いてワイパーの作動タイミングや間欠周期等のワイパー
制御情報１６ａを多層型ニューラルネットワーク１６を
用いて生成することにより、運転者毎の嗜好や体感する
運転環境を十分反映させた最適なワイパー制御を実行す
るワイパー制御装置１０を実現できる。
【００５５】具体的には、絶対雨量が同じでも車速が異
なるために運転者の体感雨量が異なる場合であっても、
これをワイパー制御量に反映させることが可能となる。
雨量の多少によって運転者の求める作動タイミングが異
なる場合であっても、これをワイパー制御量に反映させ
ることが可能となる。例えば、運転者にとって、雨量が
多ければ、望ましいワイパーの作動タイミングや間欠周
期等のワイパー制御情報１６ａは異なる。また、同一の
環境であっても、個人差が存在する。例えば、多少の雨
量では全くワイパーを動かさない人や、信号待ちではワ
イパーを止める人もいる。この差を多層型ニューラルネ
ットワーク１６の学習で補正し、各運転者に適したワイ
パー作動タイミングの制御を実行することが可能とな
る。
なるために運転者の体感雨量が異なる場合であっても、
これをワイパー制御量に反映させることが可能となる。
雨量の多少によって運転者の求める作動タイミングが異
なる場合であっても、これをワイパー制御量に反映させ
ることが可能となる。例えば、運転者にとって、雨量が
多ければ、望ましいワイパーの作動タイミングや間欠周
期等のワイパー制御情報１６ａは異なる。また、同一の
環境であっても、個人差が存在する。例えば、多少の雨
量では全くワイパーを動かさない人や、信号待ちではワ
イパーを止める人もいる。この差を多層型ニューラルネ
ットワーク１６の学習で補正し、各運転者に適したワイ
パー作動タイミングの制御を実行することが可能とな
る。
【００５６】また、照度によって運転者の求める作動タ
イミングが異なる場合であっても、これをワイパー制御
量に反映させることが可能となる。また、車両慮の運転
状況を反映するエンジン回転数に応じて運転者の求める
作動タイミングが異なる場合であっても、これをワイパ
ー制御量に反映させることが可能となる。
イミングが異なる場合であっても、これをワイパー制御
量に反映させることが可能となる。また、車両慮の運転
状況を反映するエンジン回転数に応じて運転者の求める
作動タイミングが異なる場合であっても、これをワイパ
ー制御量に反映させることが可能となる。
【００５７】また、前方者との車間距離によって運転者
の求める作動タイミングが異なる場合であっても、これ
をワイパー制御量に反映させることが可能となる。例え
ば、単独で走行する場合と、渋滞の中にある場合とで
は、車速等の他の条件が同じでも運転者の求める作動タ
イミングが異なるので、これをワイパー制御量に反映さ
せることが可能となる。例えば、停車している場合と、
ウィンカーを出している場合とでは、運転者の前方に対
する注意力は異なり、車速等の他の条件が同じでも運転
者の求める作動タイミングが異なる場合であっても、こ
れをワイパー制御量に反映させることが可能となる。
の求める作動タイミングが異なる場合であっても、これ
をワイパー制御量に反映させることが可能となる。例え
ば、単独で走行する場合と、渋滞の中にある場合とで
は、車速等の他の条件が同じでも運転者の求める作動タ
イミングが異なるので、これをワイパー制御量に反映さ
せることが可能となる。例えば、停車している場合と、
ウィンカーを出している場合とでは、運転者の前方に対
する注意力は異なり、車速等の他の条件が同じでも運転
者の求める作動タイミングが異なる場合であっても、こ
れをワイパー制御量に反映させることが可能となる。
【００５８】
【発明の効果】本発明によれば、車速、照度、雨量の学
習パラメータに加えてエンジン回転数、車間距離、ウィ
ンカー方向を学習パラメータとして用いて運転者毎の嗜
好や体感する運転環境を反映させたワイパーの作動タイ
ミングや間欠周期等のワイパー制御にかかる学習をニュ
ーラルネットワークを用いて運転前に予め実行し、また
運転者毎の設定した識別番号情報および学習結果に基づ
いてワイパーの作動タイミングや間欠周期等のワイパー
制御情報をニューラルネットワークを用いて生成するこ
とにより、運転者毎の嗜好や体感する運転環境を十分反
映させた最適なワイパー制御を実行するワイパー制御装
置を実現できる。
習パラメータに加えてエンジン回転数、車間距離、ウィ
ンカー方向を学習パラメータとして用いて運転者毎の嗜
好や体感する運転環境を反映させたワイパーの作動タイ
ミングや間欠周期等のワイパー制御にかかる学習をニュ
ーラルネットワークを用いて運転前に予め実行し、また
運転者毎の設定した識別番号情報および学習結果に基づ
いてワイパーの作動タイミングや間欠周期等のワイパー
制御情報をニューラルネットワークを用いて生成するこ
とにより、運転者毎の嗜好や体感する運転環境を十分反
映させた最適なワイパー制御を実行するワイパー制御装
置を実現できる。
【００５９】具体的には、絶対雨量が同じでも車速が異
なるために運転者の体感雨量が異なる場合であっても、
これをワイパー制御量に反映させることが可能となる。
雨量の多少によって運転者の求める作動タイミングが異
なる場合であっても、これをワイパー制御量に反映させ
ることが可能となる。例えば、運転者にとって、雨量が
多ければ、望ましいワイパーの作動タイミングや間欠周
期等のワイパー制御情報は異なる。また、同一の環境で
あっても、個人差が存在する。例えば、多少の雨量では
全くワイパーを動かさない人や、信号待ちではワイパー
を止める人もいる。この差をワイパー制御手段として多
層型ニューラルネットワークにおける学習で補正し、各
運転者に適したワイパー作動タイミングの制御を実行す
ることが可能となる。
なるために運転者の体感雨量が異なる場合であっても、
これをワイパー制御量に反映させることが可能となる。
雨量の多少によって運転者の求める作動タイミングが異
なる場合であっても、これをワイパー制御量に反映させ
ることが可能となる。例えば、運転者にとって、雨量が
多ければ、望ましいワイパーの作動タイミングや間欠周
期等のワイパー制御情報は異なる。また、同一の環境で
あっても、個人差が存在する。例えば、多少の雨量では
全くワイパーを動かさない人や、信号待ちではワイパー
を止める人もいる。この差をワイパー制御手段として多
層型ニューラルネットワークにおける学習で補正し、各
運転者に適したワイパー作動タイミングの制御を実行す
ることが可能となる。
【００６０】また、照度によって運転者の求める作動タ
イミングが異なる場合であっても、これをワイパー制御
量に反映させることが可能となる。また、車両慮の運転
状況を反映するエンジン回転数に応じて運転者の求める
作動タイミングが異なる場合であっても、これをワイパ
ー制御量に反映させることが可能となる。
イミングが異なる場合であっても、これをワイパー制御
量に反映させることが可能となる。また、車両慮の運転
状況を反映するエンジン回転数に応じて運転者の求める
作動タイミングが異なる場合であっても、これをワイパ
ー制御量に反映させることが可能となる。
【００６１】また、前方者との車間距離によって運転者
の求める作動タイミングが異なる場合であっても、これ
をワイパー制御量に反映させることが可能となる。例え
ば、単独で走行する場合と、渋滞の中にある場合とで
は、車速等の他の条件が同じでも運転者の求める作動タ
イミングが異なるので、これをワイパー制御量に反映さ
せることが可能となる。例えば、停車している場合と、
ウィンカーを出している場合とでは、運転者の前方に対
する注意力は異なり、車速等の他の条件が同じでも運転
者の求める作動タイミングが異なる場合であっても、こ
れをワイパー制御量に反映させることが可能となる。
の求める作動タイミングが異なる場合であっても、これ
をワイパー制御量に反映させることが可能となる。例え
ば、単独で走行する場合と、渋滞の中にある場合とで
は、車速等の他の条件が同じでも運転者の求める作動タ
イミングが異なるので、これをワイパー制御量に反映さ
せることが可能となる。例えば、停車している場合と、
ウィンカーを出している場合とでは、運転者の前方に対
する注意力は異なり、車速等の他の条件が同じでも運転
者の求める作動タイミングが異なる場合であっても、こ
れをワイパー制御量に反映させることが可能となる。
【図１】本発明の実施の形態にかかるワイパー制御装置
を示す機能ブロック図である。
を示す機能ブロック図である。
【図２】本発明の実施の形態にかかるワイパー制御手段
（多層型ニューラルネットワーク）の構成図である。
（多層型ニューラルネットワーク）の構成図である。
【図３】本発明の実施の形態にかかるワイパー制御装置
の制御を説明したフローチャートである。
の制御を説明したフローチャートである。
【図４】従来のワイパー制御装置の制御を説明したフロ
ーチャートである。
ーチャートである。
１０ ワイパー制御装置 １２Ａ 速度センサ １２ａ 車速情報 １２Ｂ 雨量センサ １２ｂ 雨量情報 １２Ｃ 照度センサ １２ｃ 照度情報 １２Ｄ エンジン回転センサ １２ｄ エンジン回転数情報 １２Ｅ 車間距離センサ １２ｅ 車間距離情報 １２Ｆ ウィンカー方向センサ １２ｆ ウィンカー方向情報 １３ インターフェース手段（Ｉ／Ｏ） １４ メモリ １４ａ 学習情報（重み情報） １４ｂ 識別番号情報 １５ Ａ／Ｄ変換手段 １６ ワイパー制御手段（多層型ニューラルネットワ
ーク） １６Ａ 入力層 １６Ｂ 中間層 １６Ｃ 出力層 １６ａ ワイパー制御情報 １６Ｄ 運転者識別ユニット １７ 駆動手段 １８ ワイパーモータ
ーク） １６Ａ 入力層 １６Ｂ 中間層 １６Ｃ 出力層 １６ａ ワイパー制御情報 １６Ｄ 運転者識別ユニット １７ 駆動手段 １８ ワイパーモータ
Claims (10)
- 【請求項１】 入力層、中間層、および出力層が階層化
されて成る多層型ニューラルネットワークを具備して成
り、車両に装置されたワイパー制御にかかる学習を所定
の学習パラメータを用いて実行するとともに、当該学習
の結果に基づいてワイパー制御を実行するワイパー制御
手段、 を備えて成ることを特徴とするワイパー制御装置。 - 【請求項２】 請求項１に記載のワイパー制御手段にお
ける所定の学習パラメータはセンサを介して入力可能な
ものであって、車速情報、照度情報、雨量情報、エンジ
ン回転数情報、車間距離情報、ウィンカー方向情報から
少なくとも構成されている、 ことを特徴とするワイパー制御装置。 - 【請求項３】 請求項２に記載のワイパー制御情報は、
ワイパーの作動タイミング、またはワイパーの間欠周期
のうち少なくとも１つである、 - 【請求項４】 前記入力層を構成する各ユニットは、前
記所定の学習パラメータの数に応じて各々一対一に対応
させて設けられるとともに、前記中間層を構成する全ユ
ニットについて予め学習された重み情報によって当該全
ユニットの各々と結合されて成り、 さらに、前記出力層を構成する各ユニットは、前記中間
層を構成する全ユニットについて予め学習された重み情
報によって当該全ユニットの各々と結合されて成り、前
記所定の学習パラメータを用いたニューロ演算に基づい
てワイパー制御情報を出力する、 ことを特徴とする請求項１乃至３に記載のワイパー制御
装置。 - 【請求項５】 前記重み情報、または運転者を識別する
ための識別番号情報を随時記憶および読み出し可能なメ
モリを備えて成り、 前記入力層を構成する各ユニットは、前記所定の学習パ
ラメータの数に応じて各々一対一に対応させて設けられ
るとともに、前記中間層を構成する全ユニットについて
前記メモリから読み出した重み情報によって当該全ユニ
ットの各々と結合されて成り、 さらに、前記出力層を構成する各ユニットは、前記中間
層を構成する全ユニットについて前記メモリから読み出
した重み情報によって当該全ユニットの各々と結合され
て成り、前記所定の学習パラメータを用いたニューロ演
算に基づいてワイパー制御情報を出力する、 ことを特徴とする請求項１乃至３に記載のワイパー制御
装置。 - 【請求項６】 前記ワイパー制御手段は、前記所定の学
習パラメータおよび前記メモリから読み出した識別番号
情報を用いて前記ワイパー制御にかかる学習を予め実行
するとともに、当該識別番号情報および当該学習結果に
基づいて前記ワイパー制御情報を前記ニューラルネット
ワークを用いて生成して各運転者に個別に対応したワイ
パー制御を実行する、 ことを特徴とする請求項５に記載のワイパー制御装置。 - 【請求項７】 前記ワイパー制御手段において、前記入
力層と前記中間層との間に、前記メモリから読み出した
識別番号情報を入力するための運転者識別ユニットを設
けた、 ことを特徴とする請求項６に記載のワイパー制御装置。 - 【請求項８】 前記運転者識別ユニットは、前記中間層
を構成する各ユニットについて予め学習された重み情報
または前記メモリから読み出した重み情報によって当該
各ユニットと各々結合されるとともに、前記入力層を構
成する各ユニットについて予め学習された重み情報によ
って当該各ユニットと各々結合されて成る、ことを特徴
とする請求項７に記載のワイパー制御装置。 - 【請求項９】 前記ワイパー制御手段は、運転者の手動
による調整に応じて、教師信号を訂正して再学習を行
う、 ことを特徴とする請求項１乃至８に記載のワイパー制御
装置。 - 【請求項１０】 前記運転者識別ユニットの入出力関数
は、シグモイド関数である、 ことを特徴とする請求項１乃至９に記載のワイパー制御
装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8051763A JPH09240433A (ja) | 1996-03-08 | 1996-03-08 | ワイパー制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8051763A JPH09240433A (ja) | 1996-03-08 | 1996-03-08 | ワイパー制御装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH09240433A true JPH09240433A (ja) | 1997-09-16 |
Family
ID=12896000
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8051763A Abandoned JPH09240433A (ja) | 1996-03-08 | 1996-03-08 | ワイパー制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH09240433A (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007182139A (ja) * | 2006-01-06 | 2007-07-19 | Denso Corp | 車載機器自動調整システム |
| KR20130053546A (ko) * | 2011-11-15 | 2013-05-24 | 현대자동차일본기술연구소 | 레인센서 동작 제어 장치 및 방법 |
| CN103576548A (zh) * | 2013-07-26 | 2014-02-12 | 中国计量学院 | 基于神经网络的智能雨刷器 |
| CN105992717A (zh) * | 2013-12-16 | 2016-10-05 | 腓特烈斯港齿轮工厂股份公司 | 用于驱控至少一个玻璃刷擦和/或玻璃清洁设备的系统和方法 |
| GB2551001A (en) * | 2016-04-11 | 2017-12-06 | Ford Global Tech Llc | Vision-Based Rain Detection Using Deep Learning |
| JP2020052962A (ja) * | 2018-09-28 | 2020-04-02 | トヨタ自動車株式会社 | 処理装置および処理方法 |
| CN113673361A (zh) * | 2021-07-28 | 2021-11-19 | 东风汽车集团股份有限公司 | 一种雨雾识别方法、清扫系统和计算机可读存储介质 |
| DE102022118815A1 (de) | 2022-07-27 | 2024-02-01 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum steuern mindestens eines scheibenwischers in einem fahrzeug |
| DE102022118816A1 (de) | 2022-07-27 | 2024-02-15 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum identifizieren eines oder mehrerer schlüsselparameter zum steuern mindestens eines scheibenwischers in einem fahrzeug |
-
1996
- 1996-03-08 JP JP8051763A patent/JPH09240433A/ja not_active Abandoned
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007182139A (ja) * | 2006-01-06 | 2007-07-19 | Denso Corp | 車載機器自動調整システム |
| KR20130053546A (ko) * | 2011-11-15 | 2013-05-24 | 현대자동차일본기술연구소 | 레인센서 동작 제어 장치 및 방법 |
| CN103576548A (zh) * | 2013-07-26 | 2014-02-12 | 中国计量学院 | 基于神经网络的智能雨刷器 |
| CN103576548B (zh) * | 2013-07-26 | 2016-08-03 | 中国计量学院 | 基于神经网络的智能雨刷器 |
| CN105992717A (zh) * | 2013-12-16 | 2016-10-05 | 腓特烈斯港齿轮工厂股份公司 | 用于驱控至少一个玻璃刷擦和/或玻璃清洁设备的系统和方法 |
| GB2551001A (en) * | 2016-04-11 | 2017-12-06 | Ford Global Tech Llc | Vision-Based Rain Detection Using Deep Learning |
| JP2020052962A (ja) * | 2018-09-28 | 2020-04-02 | トヨタ自動車株式会社 | 処理装置および処理方法 |
| CN110962799A (zh) * | 2018-09-28 | 2020-04-07 | 丰田自动车株式会社 | 处理装置以及处理方法 |
| US11520080B2 (en) | 2018-09-28 | 2022-12-06 | Toyota Jidosha Kabushiki Kaisha | Processing apparatus and processing method |
| CN110962799B (zh) * | 2018-09-28 | 2023-06-27 | 丰田自动车株式会社 | 处理装置以及处理方法 |
| CN113673361A (zh) * | 2021-07-28 | 2021-11-19 | 东风汽车集团股份有限公司 | 一种雨雾识别方法、清扫系统和计算机可读存储介质 |
| DE102022118815A1 (de) | 2022-07-27 | 2024-02-01 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum steuern mindestens eines scheibenwischers in einem fahrzeug |
| DE102022118816A1 (de) | 2022-07-27 | 2024-02-15 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum identifizieren eines oder mehrerer schlüsselparameter zum steuern mindestens eines scheibenwischers in einem fahrzeug |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2657179C1 (ru) | Устройство предоставления информации и некратковременный компьютерно-читаемый носитель, сохраняющий программу предоставления информации | |
| US20210405636A1 (en) | Vehicular driving assist system that learns different driving styles | |
| JP6615840B2 (ja) | 自律走行車の個人運転好みの認識方法及びシステム | |
| JP6970117B2 (ja) | 運転者のルールベース型支援のための制御データ作成方法 | |
| US11047698B2 (en) | Autonomous driving apparatus and method thereof | |
| JP2022525862A (ja) | 車両拡張のためのライトフィールドディスプレイシステム | |
| JP4400418B2 (ja) | 車間距離制御装置及び車間距離制御方法並びに運転操作支援装置及び運転操作支援方法 | |
| US20170316516A1 (en) | Systems and methods for managing a social autonomous taxi service | |
| EP3750765A1 (en) | Methods, apparatuses and computer programs for generating a machine-learning model and for generating a control signal for operating a vehicle | |
| CN107415938A (zh) | 基于乘员位置和注意力控制自主车辆功能和输出 | |
| CN107458325A (zh) | 用于在自主驾驶运载工具处提供积极信息娱乐的系统 | |
| JPH0221058A (ja) | 車両の変速制御装置 | |
| JP2006347531A (ja) | 車載端末装置、自動車の走行制御システム、及び自動車の制御方法 | |
| JP2000221049A (ja) | 車両状況把握装置、エージェント装置、および、車両制御装置 | |
| JP2001056225A (ja) | エージェント装置 | |
| JPH09240433A (ja) | ワイパー制御装置 | |
| US20200307644A1 (en) | Control system for vehicle, notification method for vehicle, and medium | |
| CN113665593B (zh) | 一种车辆智能驾驶纵向控制方法、系统及存储介质 | |
| JP2019023062A (ja) | システムの操縦または挙動を自動で実行するためのシステムおよび方法 | |
| CN115551757A (zh) | 乘客筛查 | |
| JPH06187315A (ja) | ニューラルネット型追加学習装置 | |
| JPH0471933A (ja) | 車両用走行制御装置 | |
| JP6858738B2 (ja) | 自動運転制御装置および自動運転制御方法 | |
| US6961625B2 (en) | Characteristic control device for control subject | |
| CN112297842A (zh) | 具有多种显示模式的自动驾驶车辆 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040921 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20041012 |
|
| A762 | Written abandonment of application |
Free format text: JAPANESE INTERMEDIATE CODE: A762 Effective date: 20041119 |