JPH1199848A - 車両挙動推定装置 - Google Patents
車両挙動推定装置Info
- Publication number
- JPH1199848A JPH1199848A JP26522397A JP26522397A JPH1199848A JP H1199848 A JPH1199848 A JP H1199848A JP 26522397 A JP26522397 A JP 26522397A JP 26522397 A JP26522397 A JP 26522397A JP H1199848 A JPH1199848 A JP H1199848A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- vehicle behavior
- estimation
- driving operation
- hmm
- 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.)
- Granted
Links
Landscapes
- Auxiliary Drives, Propulsion Controls, And Safety Devices (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Traffic Control Systems (AREA)
Abstract
(57)【要約】
【課題】 車両挙動が不安定になることを未然に防止す
ることが可能な車両挙動推定装置を提供すること。 【解決手段】 隠れマルコフモデルによるパターン認識
手法を用いて現在の運転操作量と車両状態量から将来の
車両挙動を推定する車両挙動推定手段を有し、将来の車
両挙動が不安定になると推定された場合に、車両運転制
御装置での制御量を、車両挙動が安定化する方向にあら
かじめ変更する構成とする。
ることが可能な車両挙動推定装置を提供すること。 【解決手段】 隠れマルコフモデルによるパターン認識
手法を用いて現在の運転操作量と車両状態量から将来の
車両挙動を推定する車両挙動推定手段を有し、将来の車
両挙動が不安定になると推定された場合に、車両運転制
御装置での制御量を、車両挙動が安定化する方向にあら
かじめ変更する構成とする。
Description
【０００１】
【発明の属する技術分野】本発明は車両挙動推定装置、
より具体的には、隠れマルコフモデル（以下、ＨＭＭと
称する）を利用して、現在の運転操作量や車両状態量か
ら将来の車両挙動を推定することにより、車両挙動が不
安定になることを予測した場合に、車両運動制御装置に
よる制御量を変更し、車両挙動が不安定になりすぎるこ
とを防止するための車両挙動推定装置に関する。
より具体的には、隠れマルコフモデル（以下、ＨＭＭと
称する）を利用して、現在の運転操作量や車両状態量か
ら将来の車両挙動を推定することにより、車両挙動が不
安定になることを予測した場合に、車両運動制御装置に
よる制御量を変更し、車両挙動が不安定になりすぎるこ
とを防止するための車両挙動推定装置に関する。
【０００２】
【従来の技術】従来の車両挙動推定装置としては、例え
ば、ＡＢＳ／ＴＣＳ、４ＷＳ等の車両運転制御システム
に適用するために、スピン状態等の不安定な車両挙動を
推定する手法として、ヨーレートや横加速度等の車両状
態量を計測し、現在スピン状態になっているかどうか、
あるいは、スピン状態に陥ろうとしているかどうかを判
別する方法が行われてきている。さらに、この車両挙動
推定手段を用いて、不安定な車両挙動に陥った状態であ
ると認識された場合に、車両運動制御システムにおい
て、ブレーキ液圧や後輪操舵量等の制御量を変更し、車
両の安定性を回復させるものである。
ば、ＡＢＳ／ＴＣＳ、４ＷＳ等の車両運転制御システム
に適用するために、スピン状態等の不安定な車両挙動を
推定する手法として、ヨーレートや横加速度等の車両状
態量を計測し、現在スピン状態になっているかどうか、
あるいは、スピン状態に陥ろうとしているかどうかを判
別する方法が行われてきている。さらに、この車両挙動
推定手段を用いて、不安定な車両挙動に陥った状態であ
ると認識された場合に、車両運動制御システムにおい
て、ブレーキ液圧や後輪操舵量等の制御量を変更し、車
両の安定性を回復させるものである。
【０００３】
【発明が解決しようとする課題】しかしながら、このよ
うな従来の車両挙動推定装置にあっては、以下のような
問題点があった。従来の方法では、現在の車両状態量の
みから車両挙動を推定するため、現在スピン状態になっ
ているか、もしくは、今すぐにでもスピン状態に陥る恐
れがある状況は検出可能であるが、現在の車両挙動その
ものはスピン状態と言えない状況において、運転者の技
量によっては将来スピン状態に陥る可能性があるかどう
か、あるいは、スピン状態に陥ることなく回避可能かど
うかは判別不可能であった。
うな従来の車両挙動推定装置にあっては、以下のような
問題点があった。従来の方法では、現在の車両状態量の
みから車両挙動を推定するため、現在スピン状態になっ
ているか、もしくは、今すぐにでもスピン状態に陥る恐
れがある状況は検出可能であるが、現在の車両挙動その
ものはスピン状態と言えない状況において、運転者の技
量によっては将来スピン状態に陥る可能性があるかどう
か、あるいは、スピン状態に陥ることなく回避可能かど
うかは判別不可能であった。
【０００４】それは、従来の車両挙動推定装置では、将
来の運転操作を予測することが不可能であり、将来の車
両挙動については、あくまでも運転者が現在と同じ操作
を続けるという仮定の元に将来スピン状態に陥るであろ
うことは推定できても、運転者が今度どのような運転操
作を行い、その結果として車両挙動がどうなるかを推定
することはできないからである。
来の運転操作を予測することが不可能であり、将来の車
両挙動については、あくまでも運転者が現在と同じ操作
を続けるという仮定の元に将来スピン状態に陥るであろ
うことは推定できても、運転者が今度どのような運転操
作を行い、その結果として車両挙動がどうなるかを推定
することはできないからである。
【０００５】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、隠れマルコフモデルによるパター
ン認識手法を用いて現在の運転操作量と車両状態量から
将来の車両挙動を推定する車両挙動推定手段を有し、将
来の車両挙動が不安定になると推定された場合に、車両
運転制御装置での制御量を、車両挙動が安定化する方向
にあらかじめ変更することにより、車両挙動が不安定に
なることを未然に防止し、上記問題点を解決することを
目的としている。
してなされたもので、隠れマルコフモデルによるパター
ン認識手法を用いて現在の運転操作量と車両状態量から
将来の車両挙動を推定する車両挙動推定手段を有し、将
来の車両挙動が不安定になると推定された場合に、車両
運転制御装置での制御量を、車両挙動が安定化する方向
にあらかじめ変更することにより、車両挙動が不安定に
なることを未然に防止し、上記問題点を解決することを
目的としている。
【０００６】
【課題を解決するための手段】本発明は上述の課題を解
決するために、請求項１に記載の車両挙動推定装置は、
現在の運転操作量と車両状態量から将来の車両挙動を推
定する車両挙動推定手段と、車両挙動の特性を変更可能
な車両運動制御手段と、前記車両挙動推定手段での車両
挙動推定結果に基づき、前記車両運動制御手段における
制御量を変更するものである。
決するために、請求項１に記載の車両挙動推定装置は、
現在の運転操作量と車両状態量から将来の車両挙動を推
定する車両挙動推定手段と、車両挙動の特性を変更可能
な車両運動制御手段と、前記車両挙動推定手段での車両
挙動推定結果に基づき、前記車両運動制御手段における
制御量を変更するものである。
【０００７】また、請求項２に記載の発明は、請求項１
に記載の車両挙動推定装置において、車両挙動推定手段
での車両挙動推定方法として、隠れマルコフモデル（Ｈ
ＭＭ）によるパターン認識手法を用い、事前に学習した
車両挙動パターンとの一致度の高い車両挙動を認識する
ものである。
に記載の車両挙動推定装置において、車両挙動推定手段
での車両挙動推定方法として、隠れマルコフモデル（Ｈ
ＭＭ）によるパターン認識手法を用い、事前に学習した
車両挙動パターンとの一致度の高い車両挙動を認識する
ものである。
【０００８】また、請求項３に記載の発明は、請求項１
または２に記載の車両挙動推定装置において、現在の運
転操作量と車両状態量から運転者の運転操作を推定する
運転操作推定手段を有し、運転操作推定手段における運
転操作推定結果に基づき、車両挙動推定手段での車両挙
動推定結果を修正するものである。
または２に記載の車両挙動推定装置において、現在の運
転操作量と車両状態量から運転者の運転操作を推定する
運転操作推定手段を有し、運転操作推定手段における運
転操作推定結果に基づき、車両挙動推定手段での車両挙
動推定結果を修正するものである。
【０００９】さらに、請求項４に記載の発明は、請求項
３に記載の車両挙動推定装置において、運転操作推定手
段での運転操作推定方法として、隠れマルコフモデル
（ＨＭＭ）によるパターン認識手法を用い、事前に学習
した運転操作パターンとの一致度の高い運転操作を認識
するものである。
３に記載の車両挙動推定装置において、運転操作推定手
段での運転操作推定方法として、隠れマルコフモデル
（ＨＭＭ）によるパターン認識手法を用い、事前に学習
した運転操作パターンとの一致度の高い運転操作を認識
するものである。
【００１０】
【発明の実施の形態】以下、本発明による車両挙動推定
装置の実施の形態を添付図面を参照して詳細に説明す
る。なお、図１は本発明による車両挙動推定装置の一実
施の形態のシステムブロック図、図２〜図４は作用を説
明するためのフローチャート、図５は隠れマルコフモデ
ルを説明するための概念図、図６及び図７は作用を説明
するための説明図である。
装置の実施の形態を添付図面を参照して詳細に説明す
る。なお、図１は本発明による車両挙動推定装置の一実
施の形態のシステムブロック図、図２〜図４は作用を説
明するためのフローチャート、図５は隠れマルコフモデ
ルを説明するための概念図、図６及び図７は作用を説明
するための説明図である。
【００１１】まず、図１を用いて構成を説明する。運転
者の運転操作量を計測するセンサとして、操舵角センサ
１０１、アクセルセンサ１０２、及び、ブレーキセンサ
１０３を、現在の車両状態を計測するセンサとして、車
速センサ１０４と横Ｇセンサ１０５を、それぞれ有して
いる。これらセンサの出力値は、運転操作推定ＨＭＭ１
１１と、車両挙動推定ＨＭＭ１２１に入力される。
者の運転操作量を計測するセンサとして、操舵角センサ
１０１、アクセルセンサ１０２、及び、ブレーキセンサ
１０３を、現在の車両状態を計測するセンサとして、車
速センサ１０４と横Ｇセンサ１０５を、それぞれ有して
いる。これらセンサの出力値は、運転操作推定ＨＭＭ１
１１と、車両挙動推定ＨＭＭ１２１に入力される。
【００１２】運転操作推定ＨＭＭ１１１は、これらの入
力から現在の運転操作パターンを推定し、その結果を車
両挙動推定ＨＭＭ１２１へと出力する。車両挙動推定Ｈ
ＭＭ１２１では、各センサからの出力値と運転操作推定
ＨＭＭ１１１からの運転操作推定パターン出力を受け取
り、将来の車両応答性が、「不足する」、「適切であ
る」、「過大になる」の何れのパターンになるかを推定
し、その結果を車両制御コントローラ１３１へと出力す
る。
力から現在の運転操作パターンを推定し、その結果を車
両挙動推定ＨＭＭ１２１へと出力する。車両挙動推定Ｈ
ＭＭ１２１では、各センサからの出力値と運転操作推定
ＨＭＭ１１１からの運転操作推定パターン出力を受け取
り、将来の車両応答性が、「不足する」、「適切であ
る」、「過大になる」の何れのパターンになるかを推定
し、その結果を車両制御コントローラ１３１へと出力す
る。
【００１３】車両制御コントローラ１３１では、車両挙
動推定ＨＭＭ１２１からの車両応答性推定結果を受け
て、将来の車両応答性が「不足する」場合には応答性を
確保する方向へ、「過大になる」場合には応答性を抑え
る方向へ、制御量を修正し、アクチュエータ１４１へと
制御指令値を出力する。
動推定ＨＭＭ１２１からの車両応答性推定結果を受け
て、将来の車両応答性が「不足する」場合には応答性を
確保する方向へ、「過大になる」場合には応答性を抑え
る方向へ、制御量を修正し、アクチュエータ１４１へと
制御指令値を出力する。
【００１４】次に、本実施の形態の作用を説明する。ま
ず、将来の車両挙動を推定するためのパターン認識手
法、隠れマルコフモデル（ＨＭＭ）について説明する。
ＨＭＭは、音声認識等の分野で広く用いられている時系
列データのパターン認識手法であり、有限状態間の遷移
確率、各状態から観測データが出力される確率などを用
いて、入力されたデータからモデルで出力される尤度
（出力確率）を算出し、モデル間の尤度の比較に基づい
てパターン認識を行う手法である。
ず、将来の車両挙動を推定するためのパターン認識手
法、隠れマルコフモデル（ＨＭＭ）について説明する。
ＨＭＭは、音声認識等の分野で広く用いられている時系
列データのパターン認識手法であり、有限状態間の遷移
確率、各状態から観測データが出力される確率などを用
いて、入力されたデータからモデルで出力される尤度
（出力確率）を算出し、モデル間の尤度の比較に基づい
てパターン認識を行う手法である。
【００１５】概念図を図５に示す。これは、状態数３の
ＨＭＭであり、Ｓ1 ，Ｓ2 ，Ｓ3 は各状態を、矢印で示
されるａijは状態ｉからｊへの遷移確率を、ｂi （Ｙ）
は状態ｉにおいて観測データＹが観測される確率を、そ
れぞれ示す。これを時系列パターン認識に用いる場合、
認識させたいパターンにおける観測データを元に事前に
モデルの学習を行った後、学習済みのモデルに観測デー
タを入力することにより、各モデルの出力確率を算出
し、もっとも出力確率の高いモデルを認識結果とするも
のである。
ＨＭＭであり、Ｓ1 ，Ｓ2 ，Ｓ3 は各状態を、矢印で示
されるａijは状態ｉからｊへの遷移確率を、ｂi （Ｙ）
は状態ｉにおいて観測データＹが観測される確率を、そ
れぞれ示す。これを時系列パターン認識に用いる場合、
認識させたいパターンにおける観測データを元に事前に
モデルの学習を行った後、学習済みのモデルに観測デー
タを入力することにより、各モデルの出力確率を算出
し、もっとも出力確率の高いモデルを認識結果とするも
のである。
【００１６】このＨＭＭは、音声認識分野では広く普及
したパターン認識手法ではあるが、このＨＭＭを車両運
動制御分野に適用した従来技術はいまだ見当たらない。
ＨＭＭを用いて人間の操作量のみから操作・行動パター
ンを認識しようとした例として、唯一、米国の日産リサ
ーチアンドデベロップメント社、ケンブリッジベーシッ
クリサーチにおける研究があげられる。ここでは、ＨＭ
Ｍを用いて、運転操作量と車速等の簡単な車両状態量か
ら運転者の運転意図を推定する手法の研究を行っている
ことが、インターネット等により紹介されている。この
研究は、ＨＭＭの観測データとして、ハンドル角度、ア
クセル、ブレーキ操作量の運転操作量と、車速データを
用い、あらかじめ学習された「右折」、「左折」、「車
線変更」、「追い越し」、「停止」、「何もしない」の
６つの運転行動モデルのうちどれを行おうとしているか
を推定する研究である。だが、この研究もＨＭＭを用い
てドライバの運転意図を認識しようとするものであり、
将来の車両挙動を認識しようとするものではない。
したパターン認識手法ではあるが、このＨＭＭを車両運
動制御分野に適用した従来技術はいまだ見当たらない。
ＨＭＭを用いて人間の操作量のみから操作・行動パター
ンを認識しようとした例として、唯一、米国の日産リサ
ーチアンドデベロップメント社、ケンブリッジベーシッ
クリサーチにおける研究があげられる。ここでは、ＨＭ
Ｍを用いて、運転操作量と車速等の簡単な車両状態量か
ら運転者の運転意図を推定する手法の研究を行っている
ことが、インターネット等により紹介されている。この
研究は、ＨＭＭの観測データとして、ハンドル角度、ア
クセル、ブレーキ操作量の運転操作量と、車速データを
用い、あらかじめ学習された「右折」、「左折」、「車
線変更」、「追い越し」、「停止」、「何もしない」の
６つの運転行動モデルのうちどれを行おうとしているか
を推定する研究である。だが、この研究もＨＭＭを用い
てドライバの運転意図を認識しようとするものであり、
将来の車両挙動を認識しようとするものではない。
【００１７】本発明は、ＨＭＭを用いて、現在のドライ
バの運転操作量より、将来の運転操作パターンを推定
し、さらにはその運転操作を行った場合の車両挙動を推
定するものであり、極めて独自性が高いものである。
バの運転操作量より、将来の運転操作パターンを推定
し、さらにはその運転操作を行った場合の車両挙動を推
定するものであり、極めて独自性が高いものである。
【００１８】図２〜図４のフローチャートを用いて、本
実施の形態の作用を説明する。まず、図２のメインフロ
ーを詳細に説明する。ステップＳ２０１は、運転操作推
定ＨＭＭ１１１により、運転操作パターンを推定する処
理を行うルーチンである。この詳細については、図３を
用いて後に説明する。
実施の形態の作用を説明する。まず、図２のメインフロ
ーを詳細に説明する。ステップＳ２０１は、運転操作推
定ＨＭＭ１１１により、運転操作パターンを推定する処
理を行うルーチンである。この詳細については、図３を
用いて後に説明する。
【００１９】ステップＳ２０２は、車両挙動推定ＨＭＭ
１２１により、将来の車両応答性を推定する処理を行う
ルーチンである。この詳細については、図４を用いて後
に説明する。
１２１により、将来の車両応答性を推定する処理を行う
ルーチンである。この詳細については、図４を用いて後
に説明する。
【００２０】ステップＳ２０２で推定された将来の車両
応答性がどうなるかを、ステップＳ２０３で判断し、
「不足する」場合には応答性を確保する車両応答性向上
制御を（ステップＳ２０６）、「適切である」場合には
通常の制御を（ステップＳ２０５）、「過大になる」場
合には応答性を抑える車両応答性減少制御を（ステップ
Ｓ２０４）、それぞれ行う。
応答性がどうなるかを、ステップＳ２０３で判断し、
「不足する」場合には応答性を確保する車両応答性向上
制御を（ステップＳ２０６）、「適切である」場合には
通常の制御を（ステップＳ２０５）、「過大になる」場
合には応答性を抑える車両応答性減少制御を（ステップ
Ｓ２０４）、それぞれ行う。
【００２１】例えば、アクチュエータ１４１として四輪
操舵システムを使用した場合には、車両応答性が「不足
する」と推定された場合には、通常の制御に対し、後輪
の補助操舵量を前輪と逆相に操舵される方向へと修正す
る。つまり、後輪が前輪と同じ方向に操舵されている場
合には補助操舵量を減少させるように、後輪が前輪と逆
の方向に操舵されている場合には補助操舵量を増大させ
るように、制御量を補正する。このように制御すること
により、車両応答性の不足分を補うことが可能となる。
逆に、車両応答性が「過大になる」と推定された場合に
は、通常の制御に対し、後輪の補助操舵量を前輪と同相
に操舵される方向へと修正する。このように制御するこ
とにより、将来、車両応答性が過大になる分を補うこと
が可能となる。
操舵システムを使用した場合には、車両応答性が「不足
する」と推定された場合には、通常の制御に対し、後輪
の補助操舵量を前輪と逆相に操舵される方向へと修正す
る。つまり、後輪が前輪と同じ方向に操舵されている場
合には補助操舵量を減少させるように、後輪が前輪と逆
の方向に操舵されている場合には補助操舵量を増大させ
るように、制御量を補正する。このように制御すること
により、車両応答性の不足分を補うことが可能となる。
逆に、車両応答性が「過大になる」と推定された場合に
は、通常の制御に対し、後輪の補助操舵量を前輪と同相
に操舵される方向へと修正する。このように制御するこ
とにより、将来、車両応答性が過大になる分を補うこと
が可能となる。
【００２２】次に、運転操作推定ルーチンの作用を詳細
に説明する。この運転操作推定ルーチンは、運転操作推
定ＨＭＭ１１１で実行される処理であり、運転者の運転
操作があらかじめ決められた複数の推定対象パターンの
うち、どのパターンに最も合致するかを判定するもので
ある。
に説明する。この運転操作推定ルーチンは、運転操作推
定ＨＭＭ１１１で実行される処理であり、運転者の運転
操作があらかじめ決められた複数の推定対象パターンの
うち、どのパターンに最も合致するかを判定するもので
ある。
【００２３】ＨＭＭを用いた時系列データパターン認識
では、あらかじめ学習させておいた複数のデータパター
ンから最も一致度合いが高いパターンを認識結果として
出力する。今回の運転操作推定ＨＭＭ１１１では、図６
に示したような９つのパターンについて、あらかじめ学
習させたモデルを使用し、現在及び所定回数以前までの
運転操作量、車両状態量データを入力することによっ
て、これら９つのパターンのうち、最も当てはまるのは
どのパターンかを推定する。
では、あらかじめ学習させておいた複数のデータパター
ンから最も一致度合いが高いパターンを認識結果として
出力する。今回の運転操作推定ＨＭＭ１１１では、図６
に示したような９つのパターンについて、あらかじめ学
習させたモデルを使用し、現在及び所定回数以前までの
運転操作量、車両状態量データを入力することによっ
て、これら９つのパターンのうち、最も当てはまるのは
どのパターンかを推定する。
【００２４】ここでの９つのパターンは、運転技量レベ
ル３段階（高、中、低）と、運転操作意図３段階（車両
挙動安定化、現状維持、車両挙動不安定化）の組み合わ
せである。運転技量レベルは運転者の運転技量（車両挙
動が不安定になった場合の修正操作の可能性）を示して
おり、運転操作意図は運転者が車両挙動をどうしたいと
思って操作しているかを示している。このようなパター
ンに分けることにより、例えば車両挙動が不安定化した
場合に、それは運転者が意図的に行った操作によるもの
か、現在の運転者の技量で修正可能かどうかということ
を判定可能となる。
ル３段階（高、中、低）と、運転操作意図３段階（車両
挙動安定化、現状維持、車両挙動不安定化）の組み合わ
せである。運転技量レベルは運転者の運転技量（車両挙
動が不安定になった場合の修正操作の可能性）を示して
おり、運転操作意図は運転者が車両挙動をどうしたいと
思って操作しているかを示している。このようなパター
ンに分けることにより、例えば車両挙動が不安定化した
場合に、それは運転者が意図的に行った操作によるもの
か、現在の運転者の技量で修正可能かどうかということ
を判定可能となる。
【００２５】運転操作推定ＨＭＭ１１１は、実際に使用
する前に、あらかじめ、これら９つのパターンに合致す
るような条件で取得したデータを用いてそれぞれ学習さ
せた、９つのモデルとなる。
する前に、あらかじめ、これら９つのパターンに合致す
るような条件で取得したデータを用いてそれぞれ学習さ
せた、９つのモデルとなる。
【００２６】なお、本実施の形態ではパターンを９つに
分けたが、もっと小さく分けてパターン数を増やすこと
により、より正確な判断を行ってもよいし、複数のパタ
ーンの中でほぼ同じような操作量、車両状態量になると
思われるパターン（例えば、パターン６と９）について
は、一つのパターンとして扱うことにより処理内容を簡
略化することが可能である。
分けたが、もっと小さく分けてパターン数を増やすこと
により、より正確な判断を行ってもよいし、複数のパタ
ーンの中でほぼ同じような操作量、車両状態量になると
思われるパターン（例えば、パターン６と９）について
は、一つのパターンとして扱うことにより処理内容を簡
略化することが可能である。
【００２７】図３のフローチャート（運転操作推定ルー
チン）を用いて、具体的な処理内容を詳細に説明する。
このフローは、運転操作推定ＨＭＭ１１１における処理
の内容を示したものである。
チン）を用いて、具体的な処理内容を詳細に説明する。
このフローは、運転操作推定ＨＭＭ１１１における処理
の内容を示したものである。
【００２８】ステップＳ３０１では、１０１〜１０５
（図１参照）の各種センサから、運転操作量及び車両状
態量を読み込む。
（図１参照）の各種センサから、運転操作量及び車両状
態量を読み込む。
【００２９】次の、ステップＳ３０２〜Ｓ３０４の処理
は、推定対象であるパターンのモデル毎に実施される処
理であり、この運転操作推定ルーチンが一度実行される
間にモデルの個数回（９回）だけ実行される。ステップ
Ｓ３０２では、現在及び所定回数以前までの運転操作
量、車両状態量のデータを各運転操作モデルへと入力す
る。ステップＳ３０３では、入力されたデータと過去の
出力確率等を元に、各モデルにおいて今回の出力確率が
算出される。すべてのモデルについてこれら２つの処理
が実行され、ステップＳ３０４で全モデルについて終了
したと判断されたら、ステップＳ３０５以降の処理へと
進む。
は、推定対象であるパターンのモデル毎に実施される処
理であり、この運転操作推定ルーチンが一度実行される
間にモデルの個数回（９回）だけ実行される。ステップ
Ｓ３０２では、現在及び所定回数以前までの運転操作
量、車両状態量のデータを各運転操作モデルへと入力す
る。ステップＳ３０３では、入力されたデータと過去の
出力確率等を元に、各モデルにおいて今回の出力確率が
算出される。すべてのモデルについてこれら２つの処理
が実行され、ステップＳ３０４で全モデルについて終了
したと判断されたら、ステップＳ３０５以降の処理へと
進む。
【００３０】ステップＳ３０５では、全モデルでの出力
確率を比較し、最大の出力確率を算出したモデルを求め
る。これにより、図６に示した９つのパターンのうち、
現在の運転操作がどのパターンに当てはまるのかが推定
される。
確率を比較し、最大の出力確率を算出したモデルを求め
る。これにより、図６に示した９つのパターンのうち、
現在の運転操作がどのパターンに当てはまるのかが推定
される。
【００３１】その後、ステップＳ３０６で、次回以降の
処理のために、今回の運転操作量、車両状態量をメモリ
し、ステップＳ３０７で、推定結果を車両挙動推定ＨＭ
Ｍ１２１へと出力して、今回の処理を終了する。
処理のために、今回の運転操作量、車両状態量をメモリ
し、ステップＳ３０７で、推定結果を車両挙動推定ＨＭ
Ｍ１２１へと出力して、今回の処理を終了する。
【００３２】次に、車両挙動推定ルーチンの作用を詳細
に説明する。この車両挙動推定ルーチンは、車両挙動推
定ＨＭＭ１２１で実行される処理であり、運転操作推定
ＨＭＭ１１１で推定された運転操作パターンと、現在の
運転操作量、車両状態量から、将来の車両応答性がどう
なるかを推定するものである。
に説明する。この車両挙動推定ルーチンは、車両挙動推
定ＨＭＭ１２１で実行される処理であり、運転操作推定
ＨＭＭ１１１で推定された運転操作パターンと、現在の
運転操作量、車両状態量から、将来の車両応答性がどう
なるかを推定するものである。
【００３３】車両挙動推定ＨＭＭ１２１では、図７に示
したような３つのパターンＡ〜Ｃについて、あらかじめ
学習させたモデルを使用し、現在及び所定回数以前まで
の運転操作量、車両状態量データ、及び、運転操作推定
ＨＭＭ１１１で推定された運転操作パターンを入力する
ことによって、これら３つのパターンのうち、最も当て
はまるのはどのパターンかを推定する。
したような３つのパターンＡ〜Ｃについて、あらかじめ
学習させたモデルを使用し、現在及び所定回数以前まで
の運転操作量、車両状態量データ、及び、運転操作推定
ＨＭＭ１１１で推定された運転操作パターンを入力する
ことによって、これら３つのパターンのうち、最も当て
はまるのはどのパターンかを推定する。
【００３４】ここでのパターンは、将来の車両応答性が
「不足する」、「適切である」、「過大になる」の３つ
である。車両挙動推定ＨＭＭ１２１は、実際に使用する
前に、あらかじめ、これら３つのパターンに合致するよ
うな条件で取得したデータを用いてそれぞれ学習させ
た、３つのモデルとなる。
「不足する」、「適切である」、「過大になる」の３つ
である。車両挙動推定ＨＭＭ１２１は、実際に使用する
前に、あらかじめ、これら３つのパターンに合致するよ
うな条件で取得したデータを用いてそれぞれ学習させ
た、３つのモデルとなる。
【００３５】なお、本実施の形態では、推定する将来の
車両挙動として、車両応答性の過不足を取り上げたが、
実際の使用にあたってはこれにこだわるものではない。
例えば、アクチュエータがＡＢＳのような安定性を確保
するための車両運動制御システムの場合、車両応答性が
「不足する」ことを検出しても、応答性を向上させるこ
とは難しい。このような場合には、将来の車両挙動が不
安定化するかどうかを推定するようなモデルとすること
により、必要かつ十分な性能を得ることができる。
車両挙動として、車両応答性の過不足を取り上げたが、
実際の使用にあたってはこれにこだわるものではない。
例えば、アクチュエータがＡＢＳのような安定性を確保
するための車両運動制御システムの場合、車両応答性が
「不足する」ことを検出しても、応答性を向上させるこ
とは難しい。このような場合には、将来の車両挙動が不
安定化するかどうかを推定するようなモデルとすること
により、必要かつ十分な性能を得ることができる。
【００３６】図４のフローチャート（車両挙動推定ルー
チン）を用いて、具体的な処理内容を詳細に説明する。
このフローは、車両挙動推定ＨＭＭ１２１における処理
の内容を示したものである。
チン）を用いて、具体的な処理内容を詳細に説明する。
このフローは、車両挙動推定ＨＭＭ１２１における処理
の内容を示したものである。
【００３７】ステップＳ４０１では、１０１〜１０５
（図１参照）の各種センサから、運転操作量及び車両状
態量を読み込む。
（図１参照）の各種センサから、運転操作量及び車両状
態量を読み込む。
【００３８】ステップＳ４０２では、運転操作推定ＨＭ
Ｍ１１１で推定された運転操作パターンを読み込む。
Ｍ１１１で推定された運転操作パターンを読み込む。
【００３９】次の、ステップＳ４０３〜Ｓ４０５の処理
は、推定対象であるパターンのモデル毎に実施される処
理であり、この車両挙動推定ルーチンが一度実行される
間にモデルの個数回（３回）だけ実行される。ステップ
Ｓ４０３では、現在及び所定回数以前までの運転操作
量、車両状態量、運転操作推定パターンのデータを各車
両挙動推定モデルへと入力する。ステップＳ４０４で
は、入力されたデータと過去の出力確率等を元に、各モ
デルにおいて今回の出力確率が算出される。すべてのモ
デルについてこれら２つの処理が実行され、ステップＳ
４０５で全モデルについて終了したと判断されたら、ス
テップＳ４０６以降の処理へと進む。
は、推定対象であるパターンのモデル毎に実施される処
理であり、この車両挙動推定ルーチンが一度実行される
間にモデルの個数回（３回）だけ実行される。ステップ
Ｓ４０３では、現在及び所定回数以前までの運転操作
量、車両状態量、運転操作推定パターンのデータを各車
両挙動推定モデルへと入力する。ステップＳ４０４で
は、入力されたデータと過去の出力確率等を元に、各モ
デルにおいて今回の出力確率が算出される。すべてのモ
デルについてこれら２つの処理が実行され、ステップＳ
４０５で全モデルについて終了したと判断されたら、ス
テップＳ４０６以降の処理へと進む。
【００４０】ステップＳ４０６では、全モデルでの出力
確率を比較し、最大の出力確率を算出したモデルを求め
る。これにより、図７に示した３つのパターンのうち、
どのパターンに当てはまるのかが推定される。
確率を比較し、最大の出力確率を算出したモデルを求め
る。これにより、図７に示した３つのパターンのうち、
どのパターンに当てはまるのかが推定される。
【００４１】その後、ステップＳ４０７で、次回以降の
処理のために、今回の運転操作量、車両状態量、運転操
作推定パターンをメモリし、ステップＳ４０８で、推定
結果を車両挙動コントローラ１３１へと出力して、今回
の処理を終了する。
処理のために、今回の運転操作量、車両状態量、運転操
作推定パターンをメモリし、ステップＳ４０８で、推定
結果を車両挙動コントローラ１３１へと出力して、今回
の処理を終了する。
【００４２】その後、車両制御コントローラ１３１で
は、前述したように、将来の車両応答性が「不足する」
場合には応答性を確保する車両応答性向上制御を、「適
切である」場合には通常の制御を、「過大になる」場合
には応答性を抑える車両応答性減少制御を、それぞれ行
うこととなる。
は、前述したように、将来の車両応答性が「不足する」
場合には応答性を確保する車両応答性向上制御を、「適
切である」場合には通常の制御を、「過大になる」場合
には応答性を抑える車両応答性減少制御を、それぞれ行
うこととなる。
【００４３】以上のような処理とすることにより、運転
操作量と車両状態量から運転者の技量と操作意図を推定
し、さらに、その推定結果と運転操作量、車両状態量か
ら将来の車両応答性の過不足を推定することが可能とな
り、その結果を用いて、車両応答性を変更できる車両制
御システムの制御指令値を修正することにより、車両応
答性の変化を小さくすることが可能となる。
操作量と車両状態量から運転者の技量と操作意図を推定
し、さらに、その推定結果と運転操作量、車両状態量か
ら将来の車両応答性の過不足を推定することが可能とな
り、その結果を用いて、車両応答性を変更できる車両制
御システムの制御指令値を修正することにより、車両応
答性の変化を小さくすることが可能となる。
【００４４】なお、本実施の形態では、車両制御を行う
アクチュエータとして、四輪操舵システムを例示して説
明を行ったが、これにこだわるものでなく、ＡＢＳやＴ
ＣＳなどの制駆動制御システムを用いても同様の効果が
得られることは言うまでもない。
アクチュエータとして、四輪操舵システムを例示して説
明を行ったが、これにこだわるものでなく、ＡＢＳやＴ
ＣＳなどの制駆動制御システムを用いても同様の効果が
得られることは言うまでもない。
【００４５】また、運転操作を推定するパターンとし
て、運転技量と運転操作意図の組み合わせとして説明し
たが、運転技量が低い運転者にありがちな運転操作ミス
による、車両挙動が不安定になる現象を防止する目的に
限定し、ここでの推定パターンを運転技量のみによる分
類に簡略化することも可能である。
て、運転技量と運転操作意図の組み合わせとして説明し
たが、運転技量が低い運転者にありがちな運転操作ミス
による、車両挙動が不安定になる現象を防止する目的に
限定し、ここでの推定パターンを運転技量のみによる分
類に簡略化することも可能である。
【００４６】さらに、車両状態量を計測するセンサとし
て、車速センサと横Ｇセンサのみを示したが、ヨーレー
トセンサや前後Ｇセンサ等の他のセンサをこれらの代わ
りに用いても同様の効果が得られるし、あるいは併用す
ることにより、さらに制御性能を向上させることも可能
である。
て、車速センサと横Ｇセンサのみを示したが、ヨーレー
トセンサや前後Ｇセンサ等の他のセンサをこれらの代わ
りに用いても同様の効果が得られるし、あるいは併用す
ることにより、さらに制御性能を向上させることも可能
である。
【００４７】
【発明の効果】以上、詳細に説明したように、本発明に
よれば、隠れマルコフモデルを用いて現在の運転操作量
と車両状態量から将来の車両挙動を推定する車両挙動推
定手段を有し、将来の車両挙動が不安定になると推定さ
れた場合に、車両運転制御装置での制御量を、車両挙動
が安定化する方向にあらかじめ変更することにより、車
両挙動が不安定になることを未然に防止することが可能
な車両挙動推定装置を提供することができる。
よれば、隠れマルコフモデルを用いて現在の運転操作量
と車両状態量から将来の車両挙動を推定する車両挙動推
定手段を有し、将来の車両挙動が不安定になると推定さ
れた場合に、車両運転制御装置での制御量を、車両挙動
が安定化する方向にあらかじめ変更することにより、車
両挙動が不安定になることを未然に防止することが可能
な車両挙動推定装置を提供することができる。
【図１】本発明による車両挙動推定装置の一実施の形態
のシステムブロック図である。
のシステムブロック図である。
【図２】作用を説明するためのフローチャートである。
【図３】作用を説明するためのフローチャート（運転操
作推定ルーチン）である。
作推定ルーチン）である。
【図４】作用を説明するためのフローチャート（車両挙
動推定ルーチン）である。
動推定ルーチン）である。
【図５】隠れマルコフモデルを説明するための概念図で
ある。
ある。
【図６】作用を説明するための説明図である。
【図７】作用を説明するための説明図である。
１０１ 操舵角センサ １０２ アクセルセンサ １０３ ブレーキセンサ １０４ 車速センサ １０５ 横Ｇセンサ １１１ 運転操作推定ＨＭＭ １２１ 車両挙動推定ＨＭＭ １３１ 車両制御コントローラ １４１ アクチュエータ
Claims (4)
- 【請求項１】 現在の運転操作量と車両状態量から将来
の車両挙動を推定する車両挙動推定手段と、車両挙動の
特性を変更可能な車両運動制御手段と、前記車両挙動推
定手段での車両挙動推定結果に基づき、前記車両運動制
御手段における制御量を変更することを特徴とする車両
挙動推定装置。 - 【請求項２】 請求項１に記載の車両挙動推定装置にお
いて、 前記車両挙動推定手段での車両挙動推定方法として、隠
れマルコフモデル（ＨＭＭ）によるパターン認識手法を
用い、事前に学習した車両挙動パターンとの一致度の高
い車両挙動を認識することを特徴とする車両挙動推定装
置。 - 【請求項３】 請求項１または２に記載の車両挙動推定
装置において、 現在の運転操作量と車両状態量から運転者の運転操作を
推定する運転操作推定手段を有し、該運転操作推定手段
における運転操作推定結果に基づき、前記車両挙動推定
手段での車両挙動推定結果を修正することを特徴とする
車両挙動推定装置。 - 【請求項４】 請求項３に記載の車両挙動推定装置にお
いて、 前記運転操作推定手段での運転操作推定方法として、隠
れマルコフモデル（ＨＭＭ）によるパターン認識手法を
用い、事前に学習した運転操作パターンとの一致度の高
い運転操作を認識することを特徴とする車両挙動推定装
置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26522397A JP4069481B2 (ja) | 1997-09-30 | 1997-09-30 | 車両挙動推定装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26522397A JP4069481B2 (ja) | 1997-09-30 | 1997-09-30 | 車両挙動推定装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH1199848A true JPH1199848A (ja) | 1999-04-13 |
| JP4069481B2 JP4069481B2 (ja) | 2008-04-02 |
Family
ID=17414243
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP26522397A Expired - Fee Related JP4069481B2 (ja) | 1997-09-30 | 1997-09-30 | 車両挙動推定装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4069481B2 (ja) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005182124A (ja) * | 2003-12-16 | 2005-07-07 | Nissan Motor Co Ltd | 運転意図推定装置、車両用運転操作補助装置および車両用運転操作補助装置を備えた車両 |
| WO2007018188A1 (ja) * | 2005-08-05 | 2007-02-15 | Honda Motor Co., Ltd. | 車両の制御装置 |
| JP2007176396A (ja) * | 2005-12-28 | 2007-07-12 | Univ Nagoya | 運転行動推定装置、運転支援装置、及び車両評価システム |
| WO2007077867A1 (ja) * | 2005-12-28 | 2007-07-12 | National University Corporation Nagoya University | 運転行動推定装置、運転支援装置、車両評価システム、ドライバモデル作成装置、及び運転行動判定装置 |
| JP2007272834A (ja) * | 2006-03-31 | 2007-10-18 | Equos Research Co Ltd | ドライバモデル作成装置、運転支援装置、及び運転行動判定装置 |
| JP2008044561A (ja) * | 2006-08-20 | 2008-02-28 | Tokyo Univ Of Agriculture & Technology | 車線追従制御装置およびこれを搭載した自動車 |
| JP2009098970A (ja) * | 2007-10-17 | 2009-05-07 | Fuji Heavy Ind Ltd | 安全運転支援システム |
| JP2009205645A (ja) * | 2008-02-29 | 2009-09-10 | Equos Research Co Ltd | ドライバモデル作成装置 |
| JP2009262702A (ja) * | 2008-04-23 | 2009-11-12 | Fuji Heavy Ind Ltd | 安全運転支援システム |
| JP2010049719A (ja) * | 2009-12-03 | 2010-03-04 | Nissan Motor Co Ltd | 運転意図推定装置、車両用運転操作補助装置および車両用運転操作補助装置を備えた車両 |
| JP2012014713A (ja) * | 2011-08-10 | 2012-01-19 | Nissan Motor Co Ltd | 操作補助方法、操作補助装置、制御プログラム、および車両 |
| JP2016020215A (ja) * | 2011-07-04 | 2016-02-04 | ジャガー ランド ローバー リミテッドＪａｇｕａｒ Ｌａｎｄ Ｒｏｖｅｒ Ｌｉｍｉｔｅｄ | 車両制御システムおよび車両制御方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10513270B2 (en) | 2018-05-04 | 2019-12-24 | Ford Global Technologies, Llc | Determining vehicle driving behavior |
-
1997
- 1997-09-30 JP JP26522397A patent/JP4069481B2/ja not_active Expired - Fee Related
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005182124A (ja) * | 2003-12-16 | 2005-07-07 | Nissan Motor Co Ltd | 運転意図推定装置、車両用運転操作補助装置および車両用運転操作補助装置を備えた車両 |
| JP4561092B2 (ja) * | 2003-12-16 | 2010-10-13 | 日産自動車株式会社 | 車両用運転操作補助装置および車両用運転操作補助装置を備えた車両 |
| JPWO2007018188A1 (ja) * | 2005-08-05 | 2009-02-19 | 本田技研工業株式会社 | 車両の制御装置 |
| WO2007018188A1 (ja) * | 2005-08-05 | 2007-02-15 | Honda Motor Co., Ltd. | 車両の制御装置 |
| KR100939039B1 (ko) | 2005-08-05 | 2010-01-27 | 혼다 기켄 고교 가부시키가이샤 | 차량의 제어장치 |
| JP4699465B2 (ja) * | 2005-08-05 | 2011-06-08 | 本田技研工業株式会社 | 車両の制御装置 |
| US8271175B2 (en) | 2005-08-05 | 2012-09-18 | Honda Motor Co., Ltd. | Vehicle control device |
| EP1997705A1 (en) * | 2005-12-28 | 2008-12-03 | National University Corporation Nagoya University | Drive behavior estimating device, drive supporting device, vehicle evaluating system, driver model making device, and drive behavior judging device |
| US8140241B2 (en) | 2005-12-28 | 2012-03-20 | National University Corporation Nagoya University | Driving action estimating device, driving support device, vehicle evaluating system, driver model creating device, and driving action determining device |
| WO2007077867A1 (ja) * | 2005-12-28 | 2007-07-12 | National University Corporation Nagoya University | 運転行動推定装置、運転支援装置、車両評価システム、ドライバモデル作成装置、及び運転行動判定装置 |
| JP2007176396A (ja) * | 2005-12-28 | 2007-07-12 | Univ Nagoya | 運転行動推定装置、運転支援装置、及び車両評価システム |
| EP1997705A4 (en) * | 2005-12-28 | 2011-03-02 | Univ Nagoya Nat Univ Corp | RIDING APPRAISAL DEVICE, TRAVEL SUPPORT DEVICE, VEHICLE EVALUATION SYSTEM, DEVICE FOR MANUFACTURING A DRIVER MODEL AND DEVICE FOR ASSESSING THE DRIVING BEHAVIOR |
| JP2007272834A (ja) * | 2006-03-31 | 2007-10-18 | Equos Research Co Ltd | ドライバモデル作成装置、運転支援装置、及び運転行動判定装置 |
| JP2008044561A (ja) * | 2006-08-20 | 2008-02-28 | Tokyo Univ Of Agriculture & Technology | 車線追従制御装置およびこれを搭載した自動車 |
| JP2009098970A (ja) * | 2007-10-17 | 2009-05-07 | Fuji Heavy Ind Ltd | 安全運転支援システム |
| JP2009205645A (ja) * | 2008-02-29 | 2009-09-10 | Equos Research Co Ltd | ドライバモデル作成装置 |
| JP2009262702A (ja) * | 2008-04-23 | 2009-11-12 | Fuji Heavy Ind Ltd | 安全運転支援システム |
| JP2010049719A (ja) * | 2009-12-03 | 2010-03-04 | Nissan Motor Co Ltd | 運転意図推定装置、車両用運転操作補助装置および車両用運転操作補助装置を備えた車両 |
| JP2016020215A (ja) * | 2011-07-04 | 2016-02-04 | ジャガー ランド ローバー リミテッドＪａｇｕａｒ Ｌａｎｄ Ｒｏｖｅｒ Ｌｉｍｉｔｅｄ | 車両制御システムおよび車両制御方法 |
| US9873436B2 (en) | 2011-07-04 | 2018-01-23 | Jaguar Land Rover Limited | Vehicle control system and method for controlling a vehicle |
| US10414404B2 (en) | 2011-07-04 | 2019-09-17 | Jaguar Land Rover Limited | Vehicle control system and method for controlling a vehicle |
| JP2012014713A (ja) * | 2011-08-10 | 2012-01-19 | Nissan Motor Co Ltd | 操作補助方法、操作補助装置、制御プログラム、および車両 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4069481B2 (ja) | 2008-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111731289B (zh) | 跟车控制方法、装置、车辆及存储介质 | |
| US8024099B2 (en) | Deceleration controller for vehicle | |
| JP4069481B2 (ja) | 車両挙動推定装置 | |
| JP3769938B2 (ja) | レーンキープシステム | |
| CN101162395A (zh) | 用于车道居中控制的方法和系统 | |
| US20210362780A1 (en) | Driving assistance apparatus | |
| EP3647136B1 (en) | Vehicle traveling assistance method and vehicle traveling assistance device | |
| JP2007253746A (ja) | 回避操作算出装置、回避制御装置、各装置を備える車両、回避操作算出方法および回避制御方法 | |
| CN112498354A (zh) | 考虑个性化驾驶体验的多时间尺度自学习变道方法 | |
| CN112937551B (zh) | 一种考虑驾驶员输入特征的车辆控制方法及系统 | |
| CN105480228A (zh) | 增强的车辆速度控制 | |
| JP4096384B2 (ja) | 運転行動パターン認識装置 | |
| CN113661106A (zh) | 基于模型的预测控制确定车辆致动器的输入变量 | |
| EP1930222B1 (en) | Method for providing stability control for a vehicle | |
| KR100839123B1 (ko) | 차량용 전자 제어 시스템 및 그 센서 오프셋 보정 방법 | |
| US9902394B2 (en) | Vehicle behavior information acquisition device and vehicle travel control device | |
| CN112026767B (zh) | 自适应巡航对护栏误识别的处理方法、系统及车辆 | |
| CN111553309B (zh) | 车道线识别方法及装置 | |
| CN115320707B (zh) | 汽车后轮转向控制系统及方法 | |
| CN110850878A (zh) | 智能车辆控制方法、装置、设备及介质 | |
| CN115320572A (zh) | 一种车辆控制方法及装置 | |
| US20220289183A1 (en) | Apparatus for controlling lane keeping, system having the same and method thereof | |
| CN115303288A (zh) | 一种车辆控制方法、控制装置及摄像头装置 | |
| KR20230069996A (ko) | 차량의 적어도 하나의 휠의 슬립을 제어하기 위한 방법 및 제어 장치 | |
| CN115489572A (zh) | 基于强化学习的列车ato控制方法、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070821 |
|
| A521 | Written amendment |
Effective date: 20071018 Free format text: JAPANESE INTERMEDIATE CODE: A523 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20071018 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Effective date: 20071225 Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080107 |
|
| R150 | Certificate of patent (=grant) or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110125 Year of fee payment: 3 |
|
| LAPS | Cancellation because of no payment of annual fees |