CN111252070A - 环境状态估计装置、环境状态估计方法和环境状态估计程序 - Google Patents
环境状态估计装置、环境状态估计方法和环境状态估计程序 Download PDFInfo
- Publication number
- CN111252070A CN111252070A CN201910983735.3A CN201910983735A CN111252070A CN 111252070 A CN111252070 A CN 111252070A CN 201910983735 A CN201910983735 A CN 201910983735A CN 111252070 A CN111252070 A CN 111252070A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- environmental state
- information
- state
- vehicles
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000007613 environmental effect Effects 0.000 claims abstract description 257
- 238000012545 processing Methods 0.000 claims description 68
- 238000001514 detection method Methods 0.000 claims description 54
- 238000004364 calculation method Methods 0.000 claims description 32
- 238000003384 imaging method Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 10
- 230000004044 response Effects 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3697—Output of additional, non-guidance related information, e.g. low fuel level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
根据本发明的一个实施例的环境状态估计装置包括环境状态估计单元,该环境状态估计单元配置为:基于关于由在规定区域中的多个车辆获取的周围环境状态的信息,估计规定区域的环境状态。根据本发明的另一实施例的环境状态估计方法,包括环境状态估计装置基于关于由在规定区域中的多个车辆获取的周围环境状态的信息,估计规定区域的环境状态的估计步骤。根据本发明的再一实施例的环境状态估计程序,其使得环境状态估计装置执行基于关于由在规定区域中的多个车辆获取的周围环境状态的信息,估计规定区域的环境状态的步骤。
Description
技术领域
本发明涉及环境状态估计等。
背景技术
用于估计车辆周围环境状态(例如,降雨状态(例如降雨量)、淹水状态(例如淹水的存在和淹水的等级),以及可见度状态(例如可见度等级和低可见度的存在))的技术已为传统上所知(例如,参见日本专利申请公开第2012-216103号、日本专利申请公开第2017-024460号和日本专利申请公开第2016-181061号)。
发明内容
然而,当基于由车辆获取的关于周围环境状态的信息估计车辆所位于的区域的环境状态时,估计的准确度取决于由一个车辆获取的信息的准确度。这可能导致估计准确度恶化。
因此,鉴于该问题,目的是提供能够以更高的准确度估计规定区域的环境状态的环境状态估计装置等。
为了实现这一目的,在本发明的一个实施例中提供了环境状态估计装置。所述环境状态估计装置包括估计单元,其配置为:基于由在规定区域中的多个车辆获取的关于周围环境状态的信息,估计所述规定区域的环境状态。
根据本实施例,使用了由同一区域中的多个车辆获取的关于环境状态的信息。因此,可以从对应于车辆的信息中去除准确度恶化的因素(例如异常值),并且异常值可以利用对应于车辆的信息平均化。因此,该环境状态估计装置能够以较高的准确度估计规定区域的环境状态。
在本实施例中,所述估计单元可以执行以下至少一项:基于来自所述多个车辆中的每个车辆中的雨水传感器的检测信息,估计所述规定区域的降雨状态;基于所述多个车辆中的每个车辆中的驱动轮和从动轮的轮速信息,估计所述规定区域的淹水状态;以及基于由所述多个车辆中的每个车辆中的成像装置获取的周围图像,估计所述规定区域的可见度状态。
根据本实施例,具体地,环境状态估计装置可以基于在所述多个车辆中的每个车辆中获取的来自雨水传感器的检测信息、驱动轮和从动轮的轮速的信息以及获取的周围图像,估计规定区域的降雨量状态、淹水状态和可见度状态中的至少一者。
在本实施例中,所述估计单元可以通过对所述多个车辆中的部分或全部车辆执行统计处理来估计所述规定区域的所述环境状态,所述统计处理涉及指示所述车辆周围的所述环境状态的第一数值,所述第一数值是基于关于所述车辆周围的所述环境状态的信息而计算的。
根据本实施例,环境状态估计装置可以执行涉及从关于车辆周围环境状态的信息计算的第一数值的统计处理,并且可以具体地估计环境状态。
在本实施例中,环境状态估计装置可以包括计算单元,所述计算单元配置为:基于关于所述车辆周围的所述环境状态的信息,计算所述指示所述车辆周围的所述环境状态的第一数值。
根据本实施例,环境状态估计装置可以基于关于车辆周围的环境状态的信息,自动地计算指示车辆周围环境状态的第一数值。这消除了在车辆侧执行基于关于车辆周围的环境状态的信息(例如来自传感器的检测信息)而计算指示车辆周围的环境状态的数值的处理的必要性。因此,环境状态估计装置可以减少车辆侧的处理负荷。
在本实施例中,环境状态估计装置可以包括选择单元,所述选择单元配置为:当获取了关于所述车辆周围的所述环境状态的信息时,从所述多个车辆中选择处于规定车辆状态的车辆。所述估计单元对由所述选择单元所选择的车辆执行所述统计处理。
根据本实施例,环境状态估计装置可以将具有以低准确度获取关于环境状态的信息的可能性的车辆排除在规定车辆之外,并且例如仅可以选择能够获取具有一定等级的准确度的关于环境状态的信息的车辆。因此,该环境状态估计装置能够以更高的准确度估计规定区域的环境状态。
在本实施例中,所述选择单元在获取了关于所述车辆周围的所述环境状态的信息时,从所述多个车辆中选择没有位于上方带顶位置的车辆,所述上方带顶位置包括隧道,并且所述估计单元通过对由所述选择单元所选择的车辆执行所述统计处理来估计所述规定区域的所述降雨状态,所述统计处理涉及指示所述车辆周围的所述降雨状态的第二数值,所述第二数值是基于来自所述车辆的所述雨水传感器的所述检测信息而计算的。
根据本实施例,在位于隧道或其他上方带顶位置内的车辆中获取的来自雨水传感器的检测信息完全不能反映该区域的降雨状态。因此,环境状态估计装置仅可以选择没有位于隧道内的车辆作为用于降雨状态的估计的统计处理的目标。因此,该环境状态估计装置能够以更高的准确度估计规定区域的降雨状态。
在第一个实施例中,所述选择单元可以从所述多个车辆中选择具有所述从动轮的车辆,并且所述估计单元通过对由所述选择单元所选择的车辆执行所述统计处理可以估计所述规定区域的所述淹水状态,所述统计处理涉及与所述车辆的所述从动轮的行驶阻力相对应的第三数值,所述第三数值是基于所述车辆的所述驱动轮和所述从动轮的所述轮速信息而计算的。
根据本实施例,环境状态估计装置例如可以基于与驱动轮和从动轮之间的轮速差相对应的行驶阻力来估计规定区域的淹水状态。因此,环境状态估计装置可以将四轮驱动行驶的车辆(例如,自动或手动选择的四轮驱动行驶的非全时四轮驱动车辆,或永久四轮驱动行驶的全时四轮驱动车辆)排除在统计处理的目标之外。因此,环境状态估计装置能够更准确地估计规定区域的淹水状态。
在本实施例中,所述选择单元可以从所述多个车辆中选择与在图像识别中具有在规定正常范围内的图像识别率的获取的周围图像相对应的车辆,所述周围图像识别用于从由所述车辆的所述成像装置获取的所述图像识别规定对象,并且所述估计单元可以通过对由所述选择单元所选择的车辆执行所述统计处理来估计所述规定区域的所述可见度状态,所述统计处理涉及作为第四数值的所述图像识别率。
根据本实施例,环境状态估计装置可以基于关于获取的车辆的周围图像的图像识别率来估计规定区域的可见度状态。因此,具有不在规定正常范围内的图像识别率的车辆可以排除在统计处理的目标之外。因此,环境状态估计装置能够以更高的准确度估计规定区域的可见度状态。
在本实施例中,正常范围可以定义为相对低于车辆的图像识别率的平均值的范围。
根据本实施例,在可见度在一定程度上良好的区域中,关于获取的车辆10的周围图像的图像识别率可能变得相对较高。然而,当某车辆在前窗等上或在成像装置等的透镜上形成霜、露等时,由成像装置获取的图像包括霜、露等。结果,车辆的图像识别率变得相对较低。在这种情况下,环境状态估计装置可以具体地将这种车辆排除在统计处理的目标之外。0001
本发明的其他实施例也可应用为环境状态估计方法和环境状态估计程序。
所公开的实施例可以提供能够以更高的准确度估计规定区域的环境状态环境状态估计装置等。
附图说明
本发明的示例实施例的特征、优点和技术及工业显著性,将在下文中参考附图而加以描述,其中相似标号表示相似要素,且其中:
图1是展示环境状态估计***的配置的示例的示意图;
图2A示出了车辆的硬件配置的示例;
图2B示出了中心服务器的硬件配置的示例;
图3示出了环境状态估计***的功能配置的示例;和
图4示出了关于所估计的环境状态的输出信息的示例。
具体实施方式
下面将参照附图描述本发明的实施例。
环境状态估计***的概述
首先,将参照图1描述根据本实施例的环境状态估计***1的概述。
环境状态估计***1包括多个车辆10和一个中心服务器20。
在环境状态估计***1中,中心服务器20根据由多个车辆获取的关于车辆10周围的环境状态的信息(以下称“环境状态相关信息”),估计多个预定区域中的每个区域的环境状态。环境状态相关信息包括,例如,指示由搭载在车辆10上的各个传感器获取的车辆10周围的环境状态的信息(例如,由环境温度传感器检测到的环境温度信息、由雨水传感器14检测到的雨滴量信息、来自后面描述的摄像头17的图像信息(其指示后面描述的车辆10周围的可见度状态)、关于基于来自摄像头17的图像信息而识别指定对象的图像识别率的信息)(以下称“第一环境状态相关信息”)。环境状态相关信息包括由于车辆10周围的环境状态而变化的检测信息,该检测信息由搭载在车辆10上的各种传感器获取(例如,来自后面描述的轮速传感器15的检测信息、与从动轮相对应的检测信息、当路面被淹水时比当路面没有被淹水时变得相对较低的检测值)(以下称“第二环境状态相关信息”)。这些区域可以是通过将用于由环境状态估计***1执行的环境状态估计的目标区域(以下简称“估计目标区域”)划分为例如,网格模式中的500平方米区域而形成的多个矩形区域。作为估计目标区域,可以选择性地设定跨越多个国家的区域、整个国家、跨越一个国家中的多个省或多个州的地区、省、州、市、镇、村等。
车辆10通过通信网络NW与中心服务器20通信地连接,该通信网络NW例如可以包括具有基站作为终端的移动对象通信网络、使用高空通信卫星的卫星通信网络,以及互联网网络。车辆10响应于来自中心服务器20的指令或在预定时刻以自动的方式将关于车辆10的预定类型的信息上传(发送)至中心服务器20(以下简称“车辆相关信息”)。例如,车辆相关信息包括关于车辆10的各种状态的信息(以下称“车辆状态信息”),例如车辆10的位置状态、运动状态、驾驶员操作状态和控制状态。车辆相关信息还包括,例如,关于车辆10周围的环境状态的信息,即,环境状态相关信息,例如车辆10周围的环境温度。
中心服务器20(环境状态估计装置的示例)通过通信网络NW与多个车辆10中的每个车辆10通信地连接。中心服务器20接收从多个车辆10中每个车辆10发送的车辆相关信息,并基于上述车辆相关信息估计包括在估计目标区域中的每个区域的环境状态。
环境状态估计***的配置
接下来,将参考图2(图2A、图2B)和图3以及图1描述环境状态估计***的配置。
图2展示了环境状态估计***1的硬件配置的示例。具体地,图2A展示了车辆10的硬件配置的示例,图2B展示了中心服务器20的硬件配置的示例。图3展示了环境状态估计***1的功能配置的示例。
车辆配置
如图2所示,车辆10包括电子控制单元(Electronic Control Unit,ECU)11、全球导航卫星***(Global Navigation Satellite System,GNSS)模块12、数据通信模块(DataCommunication Module,DCM)13、雨水传感器14、轮速传感器15、转向角传感器16、摄像头17和车载装置18。
ECU 11是对车辆的各个功能进行控制的电子控制单元。ECU 11的功能可以通过任何硬件或硬件和软件的组合来实现。例如,ECU 11可主要配置有包括部件(例如辅助存储器11A、存储器装置11B、中央处理单元(CPU)11C和接口装置11D)的微型计算机,这些部件通过总线B1彼此连接。
实现ECU 11的各个功能的程序由专用工具提供,该专用工具通过电缆连接至规定的连接器(例如,数据链路耦合器(Data Link Coupler,DLC)),DLC与车辆10的车载网络(例如,控制器区域网络(Controller Area Network,CAN))连接。响应于在专用工具中执行的规定操作,该程序从专用工具通过电缆、连接器和车载网络安装在ECU 11的辅助存储器11A中。这些程序也可以通过通信网络NW从另一计算机(例如,中心服务器20)下载,并安装在辅助存储器11A中。
辅助存储器11A存储安装的程序,也存储所需的文件、数据等。例如,辅助存储器11A是硬盘驱动(Hard Disk Drive,HDD)、闪存等。
当有程序启动指令时,存储器装置11B从辅助存储器11A读取和存储程序。
CPU 11C执行存储在存储器装置11B中的程序,并根据程序实现ECU 11的各个功能。
例如,接口装置11D用作用于与车载网络建立连接或与各个传感器、执行器等建立一对一连接的接口。接口装置11D可以包括取决于连接目的地的多种不同类型的接口装置。
GNSS模块12通过接收从车辆10上方的三颗或更多卫星、优选地四颗或更多卫星发送的卫星信号,定位结合了GNSS模块12的车辆10的位置。GNSS模块12的定位信息(即车辆10的位置信息)被带入电子控制单元11。
DCM 13是通信装置的示例,该通信装置与通信网络NW建立连接,并通过通信网络NW与包括中心服务器20的外部装置通信。DCM 13与中心服务器20交换各种信号(例如信息信号、控制信号等)。例如,DCM13通过车载网络与ECU 11通信,以响应于来自ECU 11的请求向外部传送各种信号,或者通过车载网络将从外部接收的信号输出至ECU 11。
例如,雨水传感器14是已知的传感器,其检测设置在车辆10的前窗上的规定检测区域内雨滴的存在,并且也检测雨滴量。与雨水传感器14检测到的雨量相对应的检测信息通过一对一的通信线路、车载网络等被带入ECU 11。
轮速传感器15是已知的检测器,其检测车辆10的四个车轮的轮速。轮速传感器15包括分别检测车辆10的左前车轮、右前车轮、左后车轮和右后车轮的轮速的轮速传感器15FL、15FR、15RL、15RR。与由轮速传感器15(15FL、15FR、15RL、15RR)检测到的四个车轮的轮速相对应的检测信息通过一对一通信线路、车载网络等被带入ECU 11。
转向角传感器16是已知的检测器,其检测车辆10的转向装置中的转向角。与由转向角传感器16检测到的转向角相对应的检测信息通过一对一的通信线路、车载网络等被带入ECU 11。
例如,摄像头17附接在车辆的车厢中的前方头部的中心附近,以便透过前窗从车厢的内部对车辆10的前侧进行成像。摄像头17在从车辆10启动到停止的每个成像周期(例如,1/30秒)内对车辆10的前侧进行成像。
摄像头17可以附接在车厢外部。车辆10的启动和停止分别指车辆10从不可行驶状态到可行驶状态的转变,以及车辆10从可行驶状态到不可行驶状态的转变。车辆10的启动和停止分别包括,例如,在车辆10仅使用发动机作为动力源的情况下的发动机启动和停止,以及在车辆10由电动机驱动的情况下,从用作车辆10的驱动的动力源的高压电池到电动机的电源供应的启动和停止。
车载装置18包括刮水器18A、空调18B、导航装置18C和雾灯18D。
刮水器18A是已知的装置,其用于在雨天等情况下刮去附着在前窗上的水滴。在手动模式的情况下,例如,响应于由用户对刮水器开关执行的操作,切换刮水器18A的运作和停止,或切换刮水器18A的运作速度。在自动模式的情况下,例如,根据与由雨水传感器14检测到的雨滴量相对应的检测信息,切换刮水器18A的运作和停止,或切换刮水器18A的运作速度。在自动模式的情况下,雨刮器18A的运作和停止也可以被切换,或者雨刮器18A的运作速度可以在例如ECU 11的控制下被切换。
空调18B是已知的装置,其用于调节车辆10的车厢中的温度和湿度。例如,空调18B包括:由发动机或电动机驱动的压缩机、冷凝器、蒸发器和汽液分离器组成的制冷循环;使用通过发动机的冷却液的热量、或电热等的加热器芯;将通过蒸发器的空气与通过加热器芯的空气混合以调节温度的温度控制机构;以及切换将空气吹入车厢的吹出口的吹出口切换机构。空调18B还包括用于前窗和后窗中至少一者的除雾器功能。
导航装置18C是已知的路线导航器,其用于对从规定的出发地到规定的目的地的路线进行导航,同时在显示装置上显示地图信息,该显示装置设置在由乘员(例如车辆10的车厢内的驾驶员)容易视觉识别的位置处。在这种情况下,规定的出发地可以是车辆10的当前位置,也可以是由车辆10的用户设定的出发地,而不是当前位置。规定的目的地可以是由车辆10的用户(例如,驾驶员、乘客等)设定的目的地,或者可以是基于例如用户的过去移动历史等自动提议的目的地。导航装置18C还可以配置为执行路线搜索,作为由其自身的路线导航的准备,或者通过通信网络NW连接的规定的外部装置(例如,用于路线搜索的导航服务器等)可以配置为执行路线搜索并将搜索结果分发给车辆10的导航装置18C。
雾灯18D是在低可见度时提高车辆10的清晰度的辅助灯具。雾灯18D包括前雾灯和后雾灯中的至少一个雾灯。前雾灯包括提高车辆10的清晰度的功能,以及确保前方可见度的功能。
如图3所示,ECU 11包括信息发送单元111和车辆控制单元112,作为例如通过在CPU 11C上执行存储在辅助存储器11A中的一个或多个程序而实现的功能单元。
例如,信息发送单元111在特定时段(例如1分钟)获取上述车辆相关信息,并将该信息发送至中心服务器20。具体地,信息发送单元111可以将信号发送至中心服务器20。该信号包括:将车辆10识别为发送源的标识信息(例如,车辆10的车辆索引号(Vehicle IndexNumber,VIN)、针对多个车辆10中的每个车辆10预定义的车辆标识符(ID)等)(以下称“车辆标识信息”);关于车辆相关信息的获取的日期和时间的信息(例如,时间戳)(以下称“获取时间信息”);以及车辆相关信息。因此,中心服务器20可以识别(指定)作为发送源的车辆10,或者识别车辆相关信息的获取时间等。
车辆控制单元112响应来自中心服务器20的控制指令,对车辆10执行控制。其细节将在后面描述。
中心服务器的配置
中心服务器20的功能可以通过任何硬件或硬件和软件的组合来实现。如图2B所示,中心服务器20包括例如驱动装置21、辅助存储器22、存储器装置23、CPU 24、接口装置25、显示装置26和输入装置27。这些装置通过总线B2连接。
例如,实现中心服务器20的各个功能的程序由记录介质21A提供。当记录介质21A程序被记录在驱动装置21中时,程序从记录介质21A通过驱动装置21安装在辅助存储器22中。这些程序也可以通过通信网络从另一台计算机下载,并安装在辅助存储器22中。
辅助存储器22存储安装的各种程序,并存储所需的文件、数据等。
当有程序启动指令时,存储器装置23从辅助存储器22读取和存储程序。
CPU 24执行存储在存储器装置23中的各种程序,并根据这些程序实现中心服务器20的各种功能。
接口装置25用作用于与通信网络(例如通信网络NW)建立连接的接口。
显示装置26例如根据在CPU 24中执行的程序显示GUI。
输入装置27由用户(例如中心服务器20的操作员和管理员)使用,以输入关于中心服务器20的各种操作指令。
如图3所示,中心服务器20包括:信息获取单元201、计算单元203、统计目标选择单元204、环境状态估计单元205、输出信息生成单元206和控制信息输出单元207,作为通过例如在CPU 24上执行存储在辅助存储器22中的一个或多个程序而实现的功能单元。中心服务器20还使用车辆相关信息存储单元202等。车辆相关信息存储单元202可以通过使用例如辅助存储器22或外部存储器等来实现,该外部存储器与中心服务器20通信地连接。
信息获取单元201获取从多个车辆10中的每个车辆10接收的车辆相关信息,并将所接收的信息存储(累积)在车辆相关信息存储单元202中。具体地,信息获取单元201将从车辆10接收的车辆相关信息存储在车辆相关信息存储单元202中,作为与对应的车辆标识信息以及获取信息的日期和时间相关联的记录。
如上所述,车辆相关信息存储单元202存储从车辆10接收的车辆相关信息。具体地,车辆相关信息存储单元202保存包括车辆标识信息、获取时间信息和车辆相关信息的记录,因此车辆相关信息存储单元202可以保存包括在多个车辆10中获取的车辆相关信息的记录组(即数据库)。车辆相关信息存储单元202可以具有专用于相应的多个车辆10的车辆相关信息存储子单元。车辆相关信息储存子单元可以保存包括获取时间信息和车辆相关信息的记录历史,即相应的多个车辆10的记录组。
计算单元203基于与车辆10周围的环境状态有关的信息,计算指示要估计的车辆10周围的环境状态的第一数值(以下称“环境状态值”)。例如,计算单元203计算所有车辆10的环境状态值,该环境状态值对应于车辆10周围的环境状态值。当统计目标选择单元204可以不论计算单元203中的计算结果如何而从多个车辆10之中选择车辆10作为由环境状态估计单元205执行的统计处理的目标时,计算单元203可以针对多个车辆10之中的由统计目标选择单元204预先选择的车辆10计算环境状态值,该环境状态值对应于车辆10周围的环境状态。细节将在后面描述。
统计目标选择单元204(选择单元的示例)从多个车辆10之中选择车辆10作为由环境状态估计单元205执行的统计处理的目标。换言之,统计目标选择单元204在多个车辆10之中过滤不适合作为由环境状态估计单元205执行的统计处理的目标的车辆10。具体地,当在多个车辆10中获取包括用于环境状态估计的环境状态相关信息的车辆相关信息时,统计目标选择单元204在多个车辆10之中在选择处于适合作为统计处理的目标的规定车辆状态的车辆10。细节将在后面描述。
环境状态估计单元205(估计单元的示例)针对在上述估计目标区域中定义的多个区域中的每个区域,基于在多个车辆10之中存在于对应的区域中的两个或更多个车辆10中获取的环境状态相关信息,估计对应的区域的环境状态。具体地,基于由车辆10之中存在于对应的区域中的两个或更多个车辆10获取的、且在中心服务器20中接收的最近的环境状态相关信息,环境状态估计单元205可以针对每个对应的区域估计在对应的区域中的最近的(例如一分钟前等)或当前的环境状态。
例如,环境状态估计单元205针对多个区域中的每个区域,通过执行涉及由计算单元203计算的环境状态值的统计处理(如计算平均值的处理),估计对应的区域的环境状态,该环境状态值对应于接收到并获取了最近的车辆相关信息时存在于该区域中的所有车辆10(以下简称为“存在于区域中的车辆10”)。换言之,环境状态估计单元205计算对应的区域的环境状态值的估计(以下称“环境状态估计”)。环境状态估计单元205还可以针对多个区域中的每个区域,通过执行涉及由计算单元203计算的环境状态值的统计处理,计算对应的区域中的环境状态估计,该环境状态值对应于在多个车辆10之中存在于对应区域的由统计目标选择单元204选择的车辆10。当在某区域,作为统计处理目标的车辆10的数量等于或小于指定数量(例如,5)时,环境状态估计单元205可以确定目标区域的环境状态的估计是不可能的。这是因为随着作为统计处理的目标的车辆10的数量变得相对少时,环境状态的估计准确度可能会下降。细节将在后面描述。
输出信息生成单元206生成指示针对多个区域中的每个区域的、以规定格式的、由环境状态估计单元205估计的环境状态的信息(以下称“输出信息”)。例如,输出信息生成单元206生成的输出信息可以响应于在输入装置27上执行的操作或者以自动的方式显示在显示装置26上,或者可以发送至通过通信网络(例如,通信网络NW)连接的规定的外部装置等。输出信息的细节将在后面描述。
基于由环境状态估计单元205估计的任何区域的环境状态,控制信息输出单元207将关于存在于该区域中的车辆10的控制信息输出(发送)至车辆10。控制信息定义了车辆10的控制模式。控制信息的细节将在后面描述。
用于环境状态估计的方法的具体示例
现在给出通过环境状态估计***1的用于环境状态估计的方法的具体描述,同时继续参照图3示出了要估计的具体环境状态。
在下面的描述中,降雨状态、淹水状态和可见度状态被示为要估计的具体环境状态。然而,根据本实施例的环境状态估计***1可以估计其他类型的环境状态(例如,能够基于搭载在多个车辆10中的每个车辆10上的环境温度传感器的检测信息来估计多个区域中的每个区域的温度状态等)。根据本实施例的环境状态估计***1不需要估计包括降雨状态、淹水状态和可见度状态的所有状态作为要估计的具体环境状态。相反,环境状态估计***1可以配置为估计这些状态中的至少一个状态。
用于降雨状态估计的方法
首先,给出了通过环境状态估计***的用于降雨状态估计(例如降雨的存在、降雨量等)的估计的方法的示例的描述。
在本示例中,车辆10的信息发送单元111在特定时段将车辆相关信息发送至中心服务器20。在这种情况下,所要发送的车辆相关信息包括来自雨水传感器14的检测信息,作为车辆10的环境状态相关信息(具体为第一环境状态相关信息)的来自雨水传感器14的检测信息、关于刮水器18A的操作状态的信息(以下简称“刮水器运行状态信息”)、来自轮速传感器15的检测信息或基于来自轮速传感器15的检测信息的车辆10的车辆速度信息,以及车辆10的位置的信息。刮水器操作状态信息可以包括关于刮水器18A的操作的存在的信息,以及关于操作时的操作时段的信息。
中心服务器20的计算单元203基于作为在中心服务器20接收的最近的环境状态相关信息的来自雨水传感器14的检测信息,针对多个车辆10中的每个车辆10,或针对由统计目标选择单元204选择的多个车辆10种的每个车辆10,计算每单位体积(例如1m3)的降雨量δ,作为指示降雨量状态的环境状态值,该环境状态相关信息存储在车辆相关信息存储单元202中。
本实施例中的计算单元203的功能可以转移至多个车辆10中的每个车辆10。在这种情况下,车辆10中的ECU 11根据来自雨水传感器14的检测信息计算降雨量δ,并将车辆相关信息(包括所计算的雨量δ)发送至中心服务器20。
例如,计算单元203基于来自雨水传感器14的检测信息、车辆10的车辆速度信息和刮水器操作状态信息计算每单位体积的降雨量δ。
具体地,降雨量δ基于雨水传感器14的雨滴检测区域的大小(以下称“检测面积大小”)A、雨水传感器14的雨滴检测量D、车辆10的车辆速度v,以及刮水器18A的操作时段(以下称“刮水器时间段”)t,通过以下表达式(1)表示。
δ=D/A·v·t (1)
这里,由雨水传感器14用作雨滴检测量D使用的是使用雨水传感器14的输出值d和在无雨滴的条件下雨水传感器14的输出值(即零点值)d0,通过以下表达式(2)应用零点校正而得到的值。
D=d-d0 (2)
计算单元203可以以另一形式计算指示降雨状态的环境状态值。例如,计算单元203可以简单地将来自雨水传感器14的雨滴检测量D除以检测面积大小A和刮水器时段t,以计算没单位时间(例如1分钟)和没单位面积(例如1m2)的降雨量,作为指示降雨量状态的环境状态值。
中心服务器20的统计目标选择单元204从多个车辆10中选择作为由上述环境状态估计单元205执行的统计处理的目标的车辆10。换言之,统计目标选择单元204可以通过从多个车辆10中排除不适合作为统计处理的目标的车辆10,而选择作为由环境状态估计单元205执行的统计处理的目标。
例如,当统计目标选择单元204从多个车辆10中获取包括用于降雨量状态估计的环境状态相关信息的车辆相关信息时,可以将位于覆盖有顶等的位置(例如,隧道内、上方带顶道路等)的车辆10排除在选择目标之外。这是因为有高可能性来自位于隧道等中的车辆10的雨水传感器14的检测信息不能反映对应的车辆10所在区域的降雨量状态。此时,统计目标选择单元204可以基于例如中心服务器20中所保持的估计目标区域的地图信息以及包括在车辆相关信息中的车辆10的位置信息,确定车辆10是否存在于覆盖有顶等的位置。
例如,当使用上述表达式(1)计算作为指示降雨量状态的环境状态值的降雨量δ,统计目标选择单元204可以将在停止期间的车辆10(即具有大致为零的车辆速度v的车辆10)排除在选择目标之外。这是因为在使用表达式(1)的假设下,当车辆速度v变得大致为零时,有高可能性不可计算有效降雨量δ。
环境状态估计单元205针对多个区域中的每个区域,通过对由统计目标选择单元204选择的车辆10之中存在于对应的区域中的两个或多个车辆10执行统计处理,计算环境状态估计,该统计处理涉及与由计算单元203所计算的车辆10相对应的环境状态值。具体地,环境状态估计单元205将目标车辆10的降雨量δ计算为环境状态值。简而言之,该平均值对应于作为环境状态估计的对应的区域的降雨量δ的估计δest(以下称“所估计的降雨量”)。因此,当仅利用来自一个车辆10的雨水传感器14的检测信息来估计降雨状态时,估计准确度可能恶化,因为估计结果取决于车辆10的雨水传感器14的检测准确度、车辆10的车辆状态(例如位于隧道中)等。然而,利用来自位于同一区域内两个或更多个车辆10的雨水传感器14的检测信息,能够以更高准确度估计该区域的降雨状态。
输出信息生成单元206生成指示针对多个区域中的每个区域所估计的降雨状态的输出信息(降雨状态输出信息)。
例如,图4展示了关于所估计的环境状态的输出信息的示例。
在本示例中,输出信息生成单元206生成涉及所估计的降雨量的地图(以下称“所估计的降雨量地图”)400,该地图配置为使得与地图屏幕上的多个区域相对应的方形网格具体取决于降雨状态(即,具体地,降雨量)以不同类型或密度的颜色显示。因此,例如,所估计的降雨量地图400的用户可以在显示装置等上显示生成的所估计的降雨量地图400,该显示装置等连接至中心服务器20的显示装置26或规定的外部装置,以便可视地识别每个区域的降雨状态。
由输出信息生成单元206生成的降雨状态输出信息例如可以用于如后面描述的车辆10的刮水器18A的控制。
降雨量状态输出信息也可以被提供至,例如,涉及管理不同于车辆10的其他车辆组的公司的外部装置(例如,管理服务器)等,并可以用于其他车辆组的刮水器的控制。
例如,降雨量状态输出信息可用于除了车辆10或其他车辆(组)的刮水器控制以外的控制,或用于涉及提供至车辆10或其他车辆(组)的服务的控制。
降雨状态输出信息也可被提供至涉及天气公司等的外部装置等,并且可以用于天气分析。
控制信息输出单元207基于由环境状态估计单元205估计的对应的区域的降雨状态(即,具体地,所估计的降雨量δest),将关于刮水器18A操作的控制信息发送至任何区域中的车辆10。具体地,控制信息输出单元207基于该区域的所估计的降雨量δest,将控制信息发送至存在于某区域的车辆10,该控制信息定义了车辆10的刮水器18A的操作的存在、刮水器18A操作时的操作速度(即操作时段)等。车辆10的车辆控制单元112可以基于从中心服务器20接收的控制信息来控制刮水器18A。因此,刮水器18A基于从控制信息输出单元207接收的控制信息所定义的控制规范而进行操作。此时,车辆控制单元112可以直接地控制刮水器18A,或者可以通过向控制刮水器18A的另一ECU发送控制请求而间接地控制刮水器18A。该控制过程还适用于后面描述的由车辆控制单元112执行的空调18B、导航装置18C和雾灯18D的控制。
例如,当仅使用来自自身车辆的雨水传感器14的检测信息执行刮水器18A的自动控制时,取决于雨水传感器14的状态、准确度规范等,与实际降雨的偏差可能变得相对较大。结果,用户(例如驾驶员)的感觉(例如,在用户想要开始刮水器的操作之前有多少降雨,或者在用户想要提高操作速度之前有多少降雨)与刮水器18A的实际操作之间的差距可能变得相对大。
作为一种解决方案,使用了由环境状态估计单元205基于来自同一区域内两个或更多个车辆10的雨水传感器14的信息所估计的降雨状态(所估计的降雨量δest),从而可以减少用户的感觉与刮水器18A的操作之间的偏差。
由计算单元203、统计目标选择单元204、环境状态估计单元205、输出信息生成单元206和控制信息输出单元207执行的一系列处理在特定的控制时段(例如,一分钟至几分钟)重复地执行。这也适用于后面描述的用于淹水状态估计的方法和用于可见度状态估计的方法中的处理。
用于淹水状态估计的方法
现在给出用于通过环境状态估计***1估计道路的淹水状态(例如,淹水的存在、淹水时的淹水等级、在区域中遭遇淹水的道路的风险的程度等)的方法的示例。
在本示例中,车辆10的信息发送单元111在特定时段将车辆相关信息发送至中心服务器20。在这种情况下,要发送的车辆相关信息包括作为车辆10的环境状态相关信息(具体地,第二环境状态相关信息)的来自轮速传感器15(轮速传感器15FL、15FR、15RL、15RR)的检测信息、来自转向角传感器16的检测信息、车辆10的位置信息等。来自轮速传感器15(轮速传感器15FL、15FR、15RL、15RR)的检测信息可以是最近的固定的时间段(例如几秒钟)的一组检测信息,而不是在某个时间点的检测信息。
中心服务器20的计算单元203针对多个车辆10中的每个车辆10或由统计目标选择单元204选择的多个车辆10中的每个车辆10,基于作为在中心服务器20中接收的最近的环境状态相关信息的来自轮速传感器15的检测信息,计算施加到车辆10的车轮的行驶阻力的估计(以下称“行驶阻力估计”),作为指示淹水状态的环境状态值,该环境状态相关信息存储在车辆相关信息存储单元202中。这是因为当一条道路被水淹时,水会生成施加到车辆10的车轮的行驶阻力。
本实施例中的计算单元203的功能可转移至多个车辆10中的每个车辆10。在这种情况下,多个车辆10中的每个车辆10的ECU 11基于来自轮速传感器15的检测信息计算行驶阻力估计(例如,后面描述的从动轮的行驶阻力估计),并将车辆相关信息(包括所计算的行驶阻力估计)发送至中心服务器20。
例如,计算单元203基于来自轮速传感器15FL、15FR、15RL、15RR的检测信息和来自转向角传感器16的检测信息,计算从动轮的行驶阻力估计。
具体地,计算单元203可基于作为前轮和后轮中的一者的驱动轮(利用驱动力(例如发送机)驱动的车轮)的轮速(以下称“驱动轮轮速”)V1与作为前轮和后轮中的另一者的从动轮(根据驱动轮的操作而旋转的车轮)的轮速(下称“从动轮速度”)V2之间的差,计算从动轮的行驶阻力估计。这是因为即使具有行驶阻力的施加时,驱动轮也能够利用动力源(例如发动机)的驱动功率来保持与车辆速度相对应的轮速,而由于淹水而导致具有行驶阻力的施加时,从动轮的轮速可能变得相对小于驱动轮的轮速。例如,计算单元203可以将从动轮轮速V2的减速度乘以从动轮的轮毂的惯性的运动,以计算从动轮的行驶阻力估计。计算单元203可以对左右驱动轮和从动轮(左驱动轮和左从动轮、右驱动轮和右从动轮)的每个组合的驱动轮轮速V1和从动轮轮速V2之间的差进行分析,并计算左右从动轮的行驶阻力估计。这是因为具有仅车辆10的右侧和左侧中的一侧被淹水的可能性。计算单元203还可以基于与来自转向角传感器16的检测信息相对应的转向角θ来确定车辆10是否处于转向状态。当车辆10处于转动状态时,计算单元203可以考虑由于车辆10的转向状态而生成的右轮和左轮之间的轮速差来计算行驶阻力值。
如前所述,中心服务器20的统计目标选择单元204在多个车辆10之中选择作为由环境状态估计单元205进行的统计处理的目标的车辆10,如前所述。换言之,统计目标选择单元204可以通过从多个车辆10中排除不适合作为统计处理的目标的车辆10,从而选择作为由环境状态估计单元205所执行的统计处理的目标的车辆10。
例如,当从多个车辆10中获取包括用于淹水状态的估计的环境状态相关信息的车辆相关信息时,统计目标选择单元204可将以全轮驱动(四轮驱动)模式行驶的车辆10排除在选择目标之外。这是因为在全轮驱动的情况下,由于不存在从动轮而难以进行行驶阻力的估计。这里,以全轮驱动模式行驶的车辆10包括以全轮驱动模式持续地行驶的全时全轮驱动车辆,以及配置成可在双轮驱动模式和全轮驱动模式之间切换且暂时处于全轮驱动状态的非全时全轮驱动车辆。简而言之,当获取包括用于淹水状态的估计的环境状态相关信息的车辆相关信息时,统计目标选择单元204可以选择包括从动轮的车辆10,作为由环境状态估计单元205所执行的统计处理的目标。
例如,当从多个车辆10获取包括用于估计淹水状态的环境状态相关信息的车辆相关信息时,统计目标选择单元204可以将处于转向状态的车辆10排除在选择目标之外。这是因为当车辆10处于转向状态时,生成右轮与左轮之间的轮速差,因此从前后驱动轮轮速和从动轮轮速计算出的从动轮的行驶阻力估计的准确度可能会恶化。
环境状态估计单元205针对多个区域中的每个区域,通过对在由统计目标选择单元204选择的车辆10之中存在于对应的区域的两个或更多个车辆10执行统计处理,计算环境状态估计,该统计处理与由计算单元203所计算的车辆10相对应的环境状态值。具体地,环境状态估计单元205将作为目标车辆10的指定单位时间(例如,1分钟)内的环境状态值的从动轮行驶阻力值的累积总值(以下称“累积从动轮行驶阻力值”)计算为环境状态估计。环境状态估计单元205还可以在当目标车辆10的从动轮行驶阻力等于或大于指定阈值时确定发生淹水状态的发生,并且可以计算在指定单位时间内淹水状态的发生的频率(次数)的累积总值(以下称“累积淹水发生频率值”)。因此,环境状态估计单元205可以针对多个区域中的每个区域,基于从动轮行驶阻力值或累积淹水发生频率值的大小,估计淹水的存在、淹水的等级和遭遇淹水的道路的风险程度等。例如,当仅利用来自一个车辆10轮速传感器15的检测信息估计淹水状态时,估计准确度可能恶化,因为估计结果取决于一个车辆的轮速传感器15的检测准确度、一个车辆的车辆状态等。然而,通过使用来自存在于同一区域内两个或更多个车辆10的轮速传感器15的检测信息,能够以更高准确度估计该区域的淹水状态。
输出信息生成单元206生成指示针对多个区域中的每个区域所估计的淹水状态的输出信息(淹水状态输出信息)。
例如,与上述降雨状态的情况一样,输出信息生成单元206可以输出关于如图4所示的所估计的淹水状态的地图(以下称“所估计的淹水状态图”)400。具体地,如图4所示,所估计的淹水状态图400可以配置为使得与地图屏幕上的多个区域相对应的方形网格取决于淹水的等级(包括淹水的存在)或遭遇淹水的道路的风险程度以不同类型或密度的颜色显示。因此,例如,所估计的淹水状态图400的用户能够以与上述所估计的降雨量地图400的情况相同的方式可见地识别每个区域的淹水状态。
由输出信息生成单元206生成的淹水状态输出信息可以用于后面描述车辆10的导航装置18C的路线导航。
淹水状态输出信息也可以被提供至,例如,涉及管理不同于车辆10等的其他车辆组的公司的外部装置(例如,管理服务器),并可以用于由其他车辆组的导航装置的路线导航。
在中心服务器20或外部装置中,淹水状态输出信息可与上述降雨状态输出信息一起用于淹水状态的未来进展等的预测。
淹水状态输出信息还可以被提供至涉及道路管理局、组织或其他实体的外部装置,并用于道路监测服务(例如,确定道路监测的优先级等)。
控制信息输出单元207基于由环境状态估计单元205所估计的多个区域中的每个区域的降雨量状态,发送关于通过导航装置18C的到规定的目的地的路线导航的控制信息。具体地,基于多个区域中每个区域的淹水状态,控制信息输出单元207将定义了车辆10的行驶是不推荐的区域等的控制信息发送至车辆10。基于从中心服务器20接收的控制信息,车辆10的车辆控制单元112执行通过导航装置18C的路线导航的控制。具体地,车辆控制单元112控制导航装置18C搜索绕过在控制信息中定义的区域的到目的地的路线,或者将设定的路线改变为绕过在控制信息中定义的区域的路线。因此,车辆10可以降低遭遇淹水状态的风险。例如,当使用与上述导航服务器类似的车辆10的外部装置执行路线搜索时,控制信息输出单元207可以将控制信息发送至外部装置。
用于可见度状态估计的方法
现在给出用于由环境状态估计***1估计可见度状态(例如,低可见度(视觉可识别距离等于或小于指定阈值)的存在、低可见度的等级等)的方法的描述。
在本示例中,例如,车辆10的信息发送单元111在指定时段将车辆相关信息发送至中心服务器20。在该情况下,要发送的车辆相关信息包括:作为车辆10的环境状态相关信息的由摄像头17提供的车辆10周围的图像的图像信息,或者关于从图像信息中识别规定对象(例如车辆、人、建筑物、指示牌等)的图像识别中的图像识别率的信息(以下称“图像识别率信息”),以及车辆10的位置的信息。当要发送的车辆相关信息包括上述图像识别率信息时,车辆10的ECU 11可以基于例如已经经过用于从图像信息识别规定类型的对象的机器学习的学习模型来执行图像识别处理,并且可以计算图像识别率。此时,ECU 11可以包括CPU11C,以及用于图像处理的计算装置,该计算装置用于通过与CPU 11C并行处理来执行高速计算处理。ECU11还可以与包括搭载在车辆10上的用于图像处理的计算装置的另一计算机一起执行图像识别处理。如后面所描述的,该处理过程也可以应用于计算中心服务器20的图像识别率的情况。
当要发送的车辆相关信息包括由摄像头17提供的车辆10周围的图像的图像信息时,中心服务器20的计算单元203针对多个车辆10的每个车辆10,基于作为在中心服务器20中接收的最近的环境状态相关信息的车辆10的图像的图像信息,计算作为指示可见度状态的环境状态值的图像识别率,该环境状态相关信息存储在车辆相关信息存储单元202中。图像识别率可以通过与前文所述相同的方法计算。
在从中心服务器20发送图像识别率信息的配置中,可以省略计算单元203。简而言之,本示例中的计算单元203的功能可以转移到车辆10,并且车辆10可以配置为将图像识别率信息直接发送至中心服务器20。
如前所述,中心服务器20的统计目标选择单元204在车辆10之中选择作为由环境状态估计单元205所执行的统计处理的目标的车辆10。换言之,统计目标选择单元204可以通过从车辆10中排除不适合作为统计处理的目标的车辆10,从而选择作为由环境状态估计单元205所执行的统计处理的目标的车辆10。
例如,统计目标选择单元204可以从多个车辆10中排除与具有图像识别率超出规定的正常范围的图像信息相对应的车辆10,作为统计处理的目标。简而言之,统计目标选择单元204可以从多个车辆10之中选择与具有在规定的正常范围内的图像识别率的图像信息相对应的车辆10,作为统计处理的目标。在这种情况下,正常范围可以预先定义为相对较高的范围,该相对高范围足够高,以排除与例如由于车辆10的前窗上的霜、露等而导致在没有展示车辆10的周围的图像信息相对应的非常低的图像识别率。例如,当获取包括用于可见度状态的估计的环境状态相关信息的车辆相关信息时,可以针对多个区域中的每个区域,动态地将正常范围定义(计算)为包括存在于对应的区域的车辆10的图像识别率的平均值的相对较高的范围。因此,可以将具有霜、露等形成在前窗上并因此来自摄像头17的图像信息不能反映周围的可见度状态的车辆10排除在统计处理的目标之外。
在摄像头17附接在车厢的外部的情况下,统计目标选择单元204也可以以与上述相同方式将与具有超出规定的正常范围的图像识别率的图像信息相对应的车辆10排除在统计处理的目标之外。这是因为当摄像头附接在车厢的外部时,摄像头17的镜头可能会在其上形成雨滴、霜、露等。
环境状态估计单元205针对多个区域中的每个区域,通过对由统计目标选择单元204选择的多个车辆10中的两个或更多个车辆10执行统计处理,而计算环境状态估计,该统计处理涉及与车辆10相对应的环境状态值,该环境状态值由计算单元203计算。具体地,环境状态估计单元205将目标车辆的图像识别率的平均值(以下称“平均图像识别率”)计算为环境状态估计。因此,环境状态估计单元205可以根据平均图像识别率的高低来估计可见度状态,使得随着平均图像识别率变得更高,可见度状态更好,而随着平均图像识别率变得更低,可见度状态变得更差,并且当平均图像识别率等于或小于指定阈值时,该区域处于低可见度状态。
环境状态估计单元205可以基于其他天气信息(例如关于风速和风向的信息),预测多个区域中的每个区域的未来可见度状态。
输出信息生成单元206生成指示针对多个区域中的每个区域所估计的可见度状态的输出信息(可见度状态输出信息)。
例如,与上述降雨状态和淹水状态的情况一样,输出信息生成单元206可以输出涉及如图4所示的所估计的可见度状态的地图(以下称“可见度状态地图”)400。具体地,如图4所示,可见度状态地图400可以配置为使得与地图屏幕上的多个区域相对应的方形网格取决于指示可见度状态的可见度分类或低可见度的程度(包括低可见度的存在)以不同类型或密度的颜色显示。因此,例如,所估计的可见度状态地图400的用户能够以与上述估计所估计的降雨量地图400和所估计的淹水状态地图400的情况相同的方式可见地识别每个区域的可见度状态。
由输出信息生成单元206生成的可见度状态输出信息可以用于后面描述的空调18B或雾灯18D的控制。
可见度状态输出信息也可提供至,例如,涉及天气公司等的外部装置等,并可以用于天气分析。
控制信息输出单元207基于由环境状态估计单元205所估计的多个区域中的每个区域的降雨量状态,将关于雾灯18D的控制信息发送至在多个区域中确定具有低可见度的区域中的车辆10。具体地,控制信息输出单元207发送请求车辆10点亮雾灯的控制信息。当雾灯18D不是处于开启状态时,车辆10的车辆控制单元112可以基于从中心服务器20接收的控制信息自动地开启雾灯18D。因此,即使在低可见度状态下车辆10的驾驶员忘记点亮雾灯18D的情况下,雾灯18D也可以基于来自中心服务器20的控制信息自动地开启。
控制信息输出单元207基于由环境状态估计单元205所估计的每个区域的可见度状态,识别在前窗上有霜、雾等的车辆10,并对所识别的车辆10执行空调18B的控制。具体地,在车辆10位于由环境状态估计单元205估计为可见度状态相对好的区域的情况下,尽管来自摄像头17的图像信息具有超出上述正常范围的图像识别率,但控制信息输出单元207确定与来自摄像头17的图像信息相对应的车辆10有形成在前窗等上的霜、雾等。控制信息输出单元207向所识别的车辆10发送请求空调器18B的运作启动(ON)、空调器18B的除雾器功能的运作(ON)等的控制信息。基于从中心服务器20接收的控制信息,车辆10的车辆控制单元112可以执行空调18B的控制。因此,即使在车辆10在前窗等上有霜或雾的情况下,也能够通过自动地启动空调18B的操作或主动地操作除雾器功能来去除霜或雾。
行为
现在描述根据本实施例的环境状态估计***1(中心服务器20)的行为。
在本实施例中,中心服务器20包括环境状态估计单元205,该环境状态估计单元205基于由车辆10获取的关于规定区域内的多个车辆10周围的环境状态的信息(环境状态相关信息),估计规定区域的环境状态。
因此,由于使用了由在同一区域内的多个车辆10所获取的关于环境状态的信息,因此可以从与多个车辆10的相对应的信息中移除准确度恶化的因素(例如异常值),并且可以利用与多个车辆10相对应的信息而使异常值被补偿。因此,中心服务器20可以以更高的准确度估计规定区域的环境状态。
在本实施例中,环境状态估计单元205可以执行以下至少一项:基于来自多个车辆10中的每个车辆10的雨水传感器14的检测信息,估计规定区域的降雨状态;基于多个车辆10中的每个车辆10的驱动轮和从动轮的轮速信息,估计规定区域的淹水状态;并基于由多个车辆10中的每个车辆10中的摄像头17获取的周围图像,估计规定区域的可见度状态。
因此,中心服务器20具体地基于在车辆10中获取的雨水传感器14的检测信息、从轮速传感器15获取的车辆10的驱动轮和从动轮上的轮速信息,以及所获取的车辆10周围的图像(来自摄像头17的图像信息),具体地估计规定区域的降雨状态、淹水状态和可见度状态中的至少一者。
在本实施例中,环境状态估计单元205可通过对多个车辆10中的部分或全部车辆执行统计处理,来估计规定区域的环境状态,该统计处理涉及指示车辆周围的环境状态的第一数值,该第一数值是基于关于车辆10周围的环境状态的信息而计算的。
因此,中心服务器20可以执行涉及基于关于车辆10周围的环境状态而计算的第一数值的统计处理。具体地,中心服务器20可以估计环境状态。
在本实施例中,中心服务器20可以包括计算单元203,该计算单元203配置为基于关于车辆10周围的环境状态的信息,计算指示车辆10周围的环境状态的第一数值。
因此,中心服务器20可以基于关于车辆10周围的环境状态的信息,自动地计算指示车辆10周围的环境状态的第一数值。这消除了在车辆10侧执行基于关于车辆10周围的环境状态的信息(例如来自传感器的检测信息)而计算指示车辆10周围的环境状态的第一数值的处理的必要性。因此,环境状态估计装置可以减少车辆10侧的处理负荷。
在本实施例中,中心服务器20可以包括统计目标选择单元204,该统计目标选择单元204配置为在获取关于车辆10周围的环境状态的信息时,在多个车辆10之中选择处于规定车辆状态的车辆10。然后,环境状态估计单元205可以对由统计目标选择单元204选择的车辆10执行统计处理。
因此,中心服务器20可以从多个车辆10排除例如有可能以低准确度获取关于环境状态的信息的车辆10,并且仅选择能够获取关于具有一定程度准确度的环境状态的信息的车辆10。因此,中心服务器20能够以进一步更高的准确度估计规定区域的环境状态。
在本实施例中,统计目标选择单元204可以在获得关于车辆10周围的环境状态的信息时,在车辆10之中选择没有位于上方带顶位置(包括隧道)的车辆10。然后,环境状态估计单元205可以通过对由统计目标选择单元204选择的车辆10执行统计处理来估计规定区域的降雨状态,该统计处理涉及指示车辆10周围的降雨状态的第二数值(降雨量δ),该第二数值是基于来自车辆10的雨水传感器14的所述检测信息而计算的。
由于在隧道内或其他上方带顶的位置车辆10上获取的雨水传感器14的检测信息完全不能反映该地区的降雨状态,因此中心服务器20仅可以选择没有位于隧道等内的车辆10作为降雨状态的估计的统计处理的目标。因此,中心服务器20可以更高的准确度地估计规定区域的降雨状态。
在本实施例中,统计目标选择单元204可以从多个车辆10之中选择包括从动轮的车辆10。然后,环境状态估计单元205可以通过对由统计目标选择单元204选择的车辆10执行统计处理来估计规定区域的淹水状态,该统计处理涉及与车辆10的从动轮的行驶阻力相对应的第三数值,该第三数值是基于车辆10的驱动轮和从动轮的轮速信息而计算的。
因此,例如,中心服务器20可以基于与驱动轮和从动轮之间的轮速差相对应的行驶阻力来估计规定区域的淹水状态。因此,中心服务器20可以将以四轮驱动行驶的车辆10(例如,以自动或手动选择的四轮驱动行驶的非全时四轮驱动车辆,或以永久四轮驱动行驶的全时四轮驱动车辆)排除在统计处理的目标之外。因此,中心服务器20可以更合适地估计规定区域的淹水状态。
在本实施例中,统计目标选择单元204可以从多个车辆10中选择与在图像识别中具有在规定正常范围内的图像识别率的获取的图像相对应的车辆10,该图像识别用于从由车辆10的摄像头17获取的周围图像识别规定对象。然后,环境状态估计单元205通过对由统计目标选择单元204所选择的车辆10执行统计处理来估计规定区域的可见度状态,该统计处理涉及作为第四数值的图像识别率。
因此,中心服务器20可以基于由摄像头17获取的车辆10周围的图像的图像识别率来估计规定区域的可见度状态。因此,中心服务器20可以将具有不在规定的正常范围内的图像识别率的车辆10排除在统计处理的目标之外。因此,中心服务器20能够以进一步更高的准确度估计预定区域的可见度状态。
在本实施例中,正常范围可以定义为相对低于多个车辆10的图像识别率的平均值的范围。
因此,例如,在可见度在一定程度上良好的区域中,由摄像头17获取的车辆10周围的图像的图像识别率可能相对较高。然而,当某车辆10在前窗等上或在摄像头17等的透镜上形成霜、露等时,霜、露等可能包括在车辆10中获取的图像中。结果,车辆的图像识别率变得相对较低。在这种情况下,中心服务器20可以具体地将这种车辆10排除在统计处理的目标之外。
尽管已经详细描述了实施本发明的模式,但本发明不限于这种具体实施例。在不背离所附权利要求书所阐述的本发明的范围的情况下,可以进行各种修改和改进。
例如,在上述实施例中,中心服务器20(环境状态估计单元205)可以仅估计多个区域中的一个或一些区域的环境状态。
在上述实施例和修改中,可将中心服务器20中的控制信息输出单元207的功能转移到多个车辆10中每个车辆10(例如,ECU 11)。在这种情况下,中心服务器20向车辆10中的每个车辆10发送关于车辆10所位于的对应的区域的环境状态的信息,该信息由环境状态估计单元205估计。因此,例如,自身车辆10的ECU11可以基于从中心服务器20接收的信息,实现控制信息输出单元207的功能,该信息关于自身车辆所位于的区域的环境状态。
在上述实施例和修改中,替代中心服务器20,多个车辆10中每个车辆10(环境状态估计装置的示例)可以估计环境状态。例如,自身车辆10的ECU 11获取由在多个区域之中自身车辆所位于的区域中的车辆10所获取的(即,由自身车辆周围的其他车辆10所获取的)周围环境状态相关信息(例如,来自雨水传感器14和轮速传感器15的检测信息)。自身车辆10的ECU 11还可以获取基于周围环境状态相关信息所计算的环境状态值(例如,关于由摄像头17获取的图像的图像识别率)。此时,自身车辆10可以经由中心服务器20从其他车辆10获取环境状态相关信息和环境状态值,也可以通过车辆到车辆通信等从其他车辆10获取环境状态相关信息和环境状态值。车辆10的ECU 11还可以基于所获取的信息或数值,通过上述方法估计自身车辆所位于的区域的状态。
Claims (11)
1.环境状态估计装置,其特征在于,包括:
估计单元,其配置为:基于由在规定区域中的多个车辆获取的关于周围环境状态的信息,估计所述规定区域的环境状态。
2.根据权利要求1所述的环境状态估计装置,其特征在于:
所述估计单元执行以下至少一项:
基于来自所述多个车辆中的每个车辆中的雨水传感器的检测信息,估计所述规定区域的降雨状态;
基于所述多个车辆中的每个车辆中的驱动轮和从动轮的轮速信息,估计所述规定区域的淹水状态;以及
基于由所述多个车辆中的每个车辆中的成像装置获取的周围图像,估计所述规定区域的可见度状态。
3.根据权利要求2所述的环境状态估计装置,其特征在于,所述估计单元通过对所述多个车辆中的部分或全部车辆执行统计处理来估计所述规定区域的所述环境状态,所述统计处理涉及指示所述车辆周围的所述环境状态的第一数值,所述第一数值是基于关于所述车辆周围的所述环境状态的信息而计算的。
4.根据权利要求3所述的环境状态估计装置,其特征在于,还包括计算单元,所述计算单元配置为:基于关于所述车辆周围的所述环境状态的信息,计算所述指示所述车辆周围的所述环境状态的第一数值。
5.根据权利要求3或4所述的环境状态估计装置,其特征在于,还包括选择单元,所述选择单元配置为:当获取了关于所述车辆周围的所述环境状态的信息时,从所述多个车辆中选择处于规定车辆状态的车辆,其中
所述估计单元对由所述选择单元所选择的车辆执行所述统计处理。
6.根据权利要求5所述的环境状态估计装置,其特征在于:
所述选择单元在获取了关于所述车辆周围的所述环境状态的信息时,从所述多个车辆中选择没有位于上方带顶位置的车辆,所述上方带顶位置包括隧道;并且
所述估计单元通过对由所述选择单元所选择的车辆执行所述统计处理来估计所述规定区域的所述降雨状态,所述统计处理涉及指示所述车辆周围的所述降雨状态的第二数值,所述第二数值是基于来自所述车辆的所述雨水传感器的所述检测信息而计算的。
7.根据权利要求5或6所述的环境状态估计装置,其特征在于:
所述选择单元从所述多个车辆中选择具有所述从动轮的车辆;并且
所述估计单元通过对由所述选择单元所选择的车辆执行所述统计处理来估计所述规定区域的所述淹水状态,所述统计处理涉及与所述车辆的所述从动轮的行驶阻力相对应的第三数值,所述第三数值是基于所述车辆的所述驱动轮和所述从动轮的所述轮速信息而计算的。
8.根据权利要求5至7中任一项所述的环境状态估计装置,其特征在于:
所述选择单元从所述多个车辆中选择与在图像识别中具有在规定正常范围内的图像识别率的获取的图像相对应的车辆,所述图像识别用于从由所述车辆的所述成像装置获取的所述周围图像识别规定对象;并且
所述估计单元估计通过对由所述选择单元所选择的车辆执行所述统计处理来估计所述规定区域的所述可见度状态,所述统计处理涉及作为第四数值的所述图像识别率。
9.根据权利要求8所述的环境状态估计装置,其特征在于,所述正常范围定义为包括所述多个车辆的所述图像识别率的平均值的相对较高的范围。
10.用于环境状态估计的方法,其由环境状态估计装置执行,其特征在于,包括如下估计步骤:
基于由在规定区域中的多个车辆获取的关于周围环境状态的信息,估计所述规定区域的环境状态。
11.环境状态估计程序,其特征在于,使得环境状态估计装置执行如下估计步骤:
基于由在规定区域中的多个车辆获取的关于周围环境状态的信息,估计所述规定区域的环境状态。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018-213883 | 2018-11-14 | ||
JP2018213883A JP7143733B2 (ja) | 2018-11-14 | 2018-11-14 | 環境状態推定装置、環境状態推定方法、環境状態推定プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111252070A true CN111252070A (zh) | 2020-06-09 |
Family
ID=70551136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910983735.3A Pending CN111252070A (zh) | 2018-11-14 | 2019-10-16 | 环境状态估计装置、环境状态估计方法和环境状态估计程序 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11268826B2 (zh) |
JP (1) | JP7143733B2 (zh) |
CN (1) | CN111252070A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110362059A (zh) * | 2018-03-26 | 2019-10-22 | 丰田自动车株式会社 | 诊断装置和诊断方法 |
CN112801202A (zh) * | 2021-02-10 | 2021-05-14 | 延锋汽车饰件***有限公司 | 车窗的起雾预测方法、***、电子设备及存储介质 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7268616B2 (ja) * | 2020-01-30 | 2023-05-08 | いすゞ自動車株式会社 | 報知装置 |
JP7375678B2 (ja) * | 2020-06-02 | 2023-11-08 | トヨタ自動車株式会社 | 車両制御方法、車両制御プログラム、及び車両制御システム |
JP7276261B2 (ja) * | 2020-06-22 | 2023-05-18 | トヨタ自動車株式会社 | 冠水検知装置、冠水表示システム、冠水検知方法およびプログラム |
JP7363707B2 (ja) * | 2020-08-03 | 2023-10-18 | トヨタ自動車株式会社 | 情報処理装置、情報処理システム、情報処理プログラム、及び情報処理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102171084A (zh) * | 2008-09-30 | 2011-08-31 | 日产自动车株式会社 | 配置有用于辅助***操作员的辅助控制器的***、控制操作辅助装置、控制操作辅助方法、驾驶操作辅助装置和驾驶操作辅助方法 |
WO2015030092A1 (ja) * | 2013-08-30 | 2015-03-05 | 三菱重工業株式会社 | 車両用情報提供システム、車両用情報提供方法、およびプログラム |
US20160109617A1 (en) * | 2013-06-11 | 2016-04-21 | Pioneer Corporation | Information transmission apparatus, weather condition acquisition system, server apparatus, information transmission method and program |
CN106347256A (zh) * | 2015-07-16 | 2017-01-25 | 丰田自动车株式会社 | 路面水淹推定装置 |
JP2018109820A (ja) * | 2016-12-28 | 2018-07-12 | 本田技研工業株式会社 | 気象情報処理装置、気象情報処理方法、およびプログラム |
Family Cites Families (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7983802B2 (en) * | 1997-10-22 | 2011-07-19 | Intelligent Technologies International, Inc. | Vehicular environment scanning techniques |
JP5022609B2 (ja) * | 2006-02-27 | 2012-09-12 | 日立オートモティブシステムズ株式会社 | 撮像環境認識装置 |
JP2007317002A (ja) | 2006-05-26 | 2007-12-06 | Aisin Aw Co Ltd | 運転支援方法及び運転支援装置 |
JP4241834B2 (ja) * | 2007-01-11 | 2009-03-18 | 株式会社デンソー | 車載霧判定装置 |
US10096038B2 (en) * | 2007-05-10 | 2018-10-09 | Allstate Insurance Company | Road segment safety rating system |
WO2009057410A1 (ja) * | 2007-10-30 | 2009-05-07 | Nec Corporation | 路面標示画像処理装置,路面標示画像処理方法及びプログラム |
JP4879254B2 (ja) * | 2008-12-09 | 2012-02-22 | 本田技研工業株式会社 | 車両通信システム、車両情報収集システム、車両通信プログラム |
US8503762B2 (en) * | 2009-08-26 | 2013-08-06 | Jacob Ben Tzvi | Projecting location based elements over a heads up display |
US9014415B2 (en) * | 2010-04-22 | 2015-04-21 | The University Of North Carolina At Charlotte | Spatially integrated aerial photography for bridge, structure, and environmental monitoring |
US9061630B2 (en) * | 2010-09-21 | 2015-06-23 | Honda Motor Co., Ltd. | Vehicle travel control device |
JP2012216103A (ja) | 2011-04-01 | 2012-11-08 | Mitsubishi Motors Corp | 冠水路予測システム |
US9205843B2 (en) * | 2012-02-03 | 2015-12-08 | Toyota Jidosha Kabushiki Kaisha | Deceleration factor estimating device and drive assisting device |
EP2879113B1 (en) * | 2012-07-27 | 2018-05-30 | Nissan Motor Co., Ltd | Three-dimensional object detection device, three-dimensional object detection method |
EP2733037B1 (en) * | 2012-11-16 | 2016-09-21 | Honda Motor Co., Ltd. | Driver state estimation device |
EP2927891B1 (en) * | 2012-11-30 | 2019-11-06 | Toyota Jidosha Kabushiki Kaisha | Poor visibility estimation system and poor visibility estimation method |
JP6325806B2 (ja) * | 2013-12-06 | 2018-05-16 | 日立オートモティブシステムズ株式会社 | 車両位置推定システム |
JP2016008024A (ja) * | 2014-06-26 | 2016-01-18 | 株式会社豊田中央研究所 | 操作情報推定装置及びプログラム |
JP6394440B2 (ja) | 2015-03-02 | 2018-09-26 | 株式会社デンソー | 汚れ判定装置 |
US20160267335A1 (en) * | 2015-03-13 | 2016-09-15 | Harman International Industries, Incorporated | Driver distraction detection system |
US9465987B1 (en) * | 2015-03-17 | 2016-10-11 | Exelis, Inc. | Monitoring and detecting weather conditions based on images acquired from image sensor aboard mobile platforms |
JP2016181061A (ja) | 2015-03-23 | 2016-10-13 | トヨタ自動車株式会社 | 走行環境評価システム |
DE102015208428A1 (de) * | 2015-05-06 | 2016-11-10 | Continental Teves Ag & Co. Ohg | Verfahren und Vorrichtung zur Erkennung und Bewertung von Umwelteinflüssen und Fahrbahnzustandsinformationen im Fahrzeugumfeld |
US10670413B2 (en) * | 2016-01-11 | 2020-06-02 | International Business Machines Corporation | Travel planning based on minimizing impact of vehicular emission |
JP6827197B2 (ja) * | 2016-07-22 | 2021-02-10 | パナソニックIpマネジメント株式会社 | 情報推定システム及び情報推定方法 |
JP2018028489A (ja) * | 2016-08-18 | 2018-02-22 | トヨタ自動車株式会社 | 位置推定装置、位置推定方法 |
JP6895111B2 (ja) * | 2017-03-23 | 2021-06-30 | スズキ株式会社 | 車両の走行制御装置 |
US10252461B2 (en) * | 2017-03-27 | 2019-04-09 | International Business Machines Corporation | Cognitive-based driving anomaly detection based on spatio-temporal landscape-specific driving models |
WO2019082669A1 (ja) * | 2017-10-24 | 2019-05-02 | ソニー株式会社 | 情報処理装置、情報処理方法、プログラム、及び、移動体 |
JP7068456B2 (ja) * | 2018-07-11 | 2022-05-16 | 日産自動車株式会社 | 走行環境情報の生成方法、運転制御方法、走行環境情報生成装置 |
US11227486B2 (en) * | 2018-07-16 | 2022-01-18 | Here Global B.V. | Method, apparatus, and system for estimating vulnerable road users |
US11021171B2 (en) * | 2018-10-08 | 2021-06-01 | International Business Machines Corporation | Driving state within a driving environment that includes autonomous and semi-autonomous vehicles |
US10809733B2 (en) * | 2018-10-16 | 2020-10-20 | GM Global Technology Operations LLC | Intelligent motor vehicles, systems, and control logic for driver behavior coaching and on-demand mobile charging |
-
2018
- 2018-11-14 JP JP2018213883A patent/JP7143733B2/ja active Active
-
2019
- 2019-09-17 US US16/573,366 patent/US11268826B2/en active Active
- 2019-10-16 CN CN201910983735.3A patent/CN111252070A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102171084A (zh) * | 2008-09-30 | 2011-08-31 | 日产自动车株式会社 | 配置有用于辅助***操作员的辅助控制器的***、控制操作辅助装置、控制操作辅助方法、驾驶操作辅助装置和驾驶操作辅助方法 |
US20160109617A1 (en) * | 2013-06-11 | 2016-04-21 | Pioneer Corporation | Information transmission apparatus, weather condition acquisition system, server apparatus, information transmission method and program |
WO2015030092A1 (ja) * | 2013-08-30 | 2015-03-05 | 三菱重工業株式会社 | 車両用情報提供システム、車両用情報提供方法、およびプログラム |
CN106347256A (zh) * | 2015-07-16 | 2017-01-25 | 丰田自动车株式会社 | 路面水淹推定装置 |
JP2018109820A (ja) * | 2016-12-28 | 2018-07-12 | 本田技研工業株式会社 | 気象情報処理装置、気象情報処理方法、およびプログラム |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110362059A (zh) * | 2018-03-26 | 2019-10-22 | 丰田自动车株式会社 | 诊断装置和诊断方法 |
CN112801202A (zh) * | 2021-02-10 | 2021-05-14 | 延锋汽车饰件***有限公司 | 车窗的起雾预测方法、***、电子设备及存储介质 |
CN112801202B (zh) * | 2021-02-10 | 2024-03-05 | 延锋汽车饰件***有限公司 | 车窗的起雾预测方法、***、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US11268826B2 (en) | 2022-03-08 |
JP7143733B2 (ja) | 2022-09-29 |
US20200149919A1 (en) | 2020-05-14 |
JP2020080113A (ja) | 2020-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111252070A (zh) | 环境状态估计装置、环境状态估计方法和环境状态估计程序 | |
US10217297B2 (en) | Control module activation to monitor vehicles in a key-off state | |
CN111344765B (zh) | 道路地图生成***以及道路地图生成方法 | |
US10363796B2 (en) | Control module activation of vehicles in a key-off state | |
EP1416349A1 (en) | Driving workload estimation | |
US10378919B2 (en) | Control module activation of vehicles in a key-off state to determine driving routes | |
CN104925001A (zh) | 车辆传感器诊断***和方法以及包括这种***的车辆 | |
CN104933883A (zh) | 一种基于手机客户端的车辆监控和车辆引导方法及其*** | |
US20170151945A1 (en) | Information processing device, information processing method, control device for vehicle, and control method for vehicle | |
JP2018079732A (ja) | 異常検出装置および異常検出方法 | |
CN102381312B (zh) | 用于分析车辆的底盘的状态的方法以及装置 | |
CN110053616B (zh) | 车辆驾驶辅助***和方法 | |
US20150228194A1 (en) | Vehicle navigation system, and image capture device for vehicle | |
JP2019061352A (ja) | 車両制御装置 | |
JP2017151524A (ja) | 監視装置、監視システム | |
JP6981151B2 (ja) | 空調制御システム | |
CN114787888A (zh) | 信息处理方法、信息处理终端、以及信息处理*** | |
CN111422165A (zh) | 移动体 | |
US20210293571A1 (en) | Information processing device, information processing system, program, and vehicle | |
US11718151B2 (en) | Determination device, vehicle control device, determination method and determination program | |
CN104836830A (zh) | 环境状态信息的获取方法及*** | |
CN113924605A (zh) | 检测用于检查图像分析***的图像材料的方法、在该方法中使用的装置和交通工具以及计算机程序 | |
CN112277962B (zh) | 车载设备控制装置 | |
JP7196407B2 (ja) | 推定装置 | |
CN112351092A (zh) | 一种出租车身份辨识标志及人车信息交互*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200609 |
|
RJ01 | Rejection of invention patent application after publication |