CN117769504A - 估计装置、控制装置、估计方法以及估计程序 - Google Patents
估计装置、控制装置、估计方法以及估计程序 Download PDFInfo
- Publication number
- CN117769504A CN117769504A CN202280051879.5A CN202280051879A CN117769504A CN 117769504 A CN117769504 A CN 117769504A CN 202280051879 A CN202280051879 A CN 202280051879A CN 117769504 A CN117769504 A CN 117769504A
- Authority
- CN
- China
- Prior art keywords
- occupant
- state
- vehicle seat
- posture state
- posture
- 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 description 62
- 238000001514 detection method Methods 0.000 claims abstract description 74
- 239000000463 material Substances 0.000 claims abstract description 24
- 239000007779 soft material Substances 0.000 claims description 57
- 238000012545 processing Methods 0.000 claims description 51
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 49
- 230000033001 locomotion Effects 0.000 claims description 42
- 230000008859 change Effects 0.000 claims description 34
- 229920002635 polyurethane Polymers 0.000 claims description 23
- 239000004814 polyurethane Substances 0.000 claims description 23
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 23
- 230000003340 mental effect Effects 0.000 claims description 22
- 230000009471 action Effects 0.000 claims description 7
- 238000004378 air conditioning Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 3
- 238000003825 pressing Methods 0.000 abstract description 3
- 230000036544 posture Effects 0.000 description 161
- JOYRKODLDBILNP-UHFFFAOYSA-N Ethyl urethane Chemical compound CCOC(N)=O JOYRKODLDBILNP-UHFFFAOYSA-N 0.000 description 89
- 230000008569 process Effects 0.000 description 40
- 230000000875 corresponding effect Effects 0.000 description 30
- 238000010586 diagram Methods 0.000 description 29
- 230000006870 function Effects 0.000 description 14
- 230000006399 behavior Effects 0.000 description 11
- 238000009826 distribution Methods 0.000 description 10
- 230000035900 sweating Effects 0.000 description 10
- 238000005259 measurement Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 201000003152 motion sickness Diseases 0.000 description 8
- 206010062519 Poor quality sleep Diseases 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000013480 data collection Methods 0.000 description 5
- 239000004020 conductor Substances 0.000 description 4
- 210000004243 sweat Anatomy 0.000 description 4
- 241001282135 Poromitra oscitans Species 0.000 description 3
- 206010048232 Yawning Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000017531 blood circulation Effects 0.000 description 2
- 238000007664 blowing Methods 0.000 description 2
- 210000001217 buttock Anatomy 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005485 electric heating Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 210000002414 leg Anatomy 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 231100000862 numbness Toxicity 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 238000009736 wetting Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007791 dehumidification Methods 0.000 description 1
- 229920001971 elastomer Polymers 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000005470 impregnation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002861 polymer material Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 150000003673 urethanes Chemical class 0.000 description 1
Landscapes
- Seats For Vehicles (AREA)
- Chair Legs, Seat Parts, And Backrests (AREA)
- Force Measurement Appropriate To Specific Purposes (AREA)
Abstract
估计装置通过检测部来检测具备柔软材料的车辆用座椅的多个检测点之间的电气特性,该柔软材料具有导电性、且电气特性与被赋予的压力的变化相应地变化。估计部使用学习模型,根据车辆用座椅的电气特性来估计车辆用座椅的乘员的姿势状态。对于将对车辆用座椅施加了压力时的电气特性和表示对车辆用座椅施加压力的乘员的姿势状态的姿势状态信息用作学习用数据、以将该电气特性作为输入且输出姿势状态信息的方式进行学习而得到的学习模型,学习为输入电气特性且输出与所输入的电气特性对应的乘员的姿势状态。
Description
技术领域
本公开涉及一种估计装置、控制装置、估计方法以及估计程序。
背景技术
自以往以来,为了确定就座于车辆用座椅的乘员的姿势,进行了以下处理:检测车辆用座椅产生的形状变化,使用该检测结果来估计乘员的姿势。在检测车辆用座椅产生的形状变化这一方面,难以在不妨碍车辆用座椅的变形的情况下对变形进行检测。另外,在金属变形等刚性体的检测中使用的应变传感器难以利用于车辆用座椅,因此为了检测车辆用座椅的变形,要求特殊的检测装置。例如,已知一种测定通过摄像机得到的物体的位移和振动来获取变形图像并提取变形量的技术(例如,参照国际公开2017-029905号公报)。另外,还已知一种与根据光的透过量来估计变形量的柔软触觉传感器有关的技术(例如,参照日本特开2013-101096号公报)。
另外,在将就座于车辆用座椅的乘员的姿势维持为适当的状态这一方面,已知如下技术(例如,参照日本特开2019-137286号公报):由身体压力传感器检测就座于汽车的车辆用座椅的乘员的身体压力,根据所检测出的身体压力驱动设置于座椅靠背、座椅座垫等的伺服构件,由此将就座时的身体压力分布维持为适当的分布状态。
发明内容
发明要解决的问题
然而,在检测车辆用座椅产生的形状变化这一方面,在使用摄像机和图像分析方法来检测物体的位移等变形量的情况下,包含摄像机和图像分析等的***由于规模变大而导致装置的大型化,因此是不理想的。另外,在使用了摄像机的光学方法中,无法测量摄像机所拍摄不到的隐藏了的部分。因而,检测车辆用座椅的变形存在改善的余地。
另外,在将就座于车辆用座椅的乘员的姿势维持为适当的状态这一方面,在使用由压电元件等传感器检测出的振动的情况下,传感器本身可能会妨碍车辆用座椅的变形。另外,在振动的检测中,也可能考虑不到起因于车辆用座椅的变形的就座状态,从而估计就座状态存在改善的余地。除此以外,乘员由于坐在传感器上而会产生不自然的感觉,改变乘坐的舒适性,因此也会产生无法同时进行测量和乘坐舒适性评价等问题。
本公开的目的在于,提供一种能够不使用特殊的检测装置而利用具备具有导电性的柔软材料的车辆用座椅的电气特性来估计表示车辆用座椅的乘员的姿势状态的姿势状态信息的估计装置、控制装置、估计方法以及估计程序。
用于解决问题的方案
为了达到上述目的,第1方式是一种估计装置,包括:
检测部,其检测针对具备柔软材料的车辆用座椅的所述柔软材料预先决定的多个检测点之间的电气特性,所述柔软材料具有导电性、且电气特性与被施加的压力的变化相应地变化;以及
估计部,其针对将对所述柔软材料施加了压力时的按时间序列的电气特性和表示对所述柔软材料施加压力的所述车辆用座椅的乘员的姿势状态的姿势状态信息用作学习用数据、以将所述按时间序列的电气特性作为输入且输出所述姿势状态信息的方式进行学习而得到的学习模型,输入由所述检测部检测出的按时间序列的电气特性,来估计与所输入的按时间序列的电气特性对应的表示所述乘员的姿势状态的姿势状态信息。
第2方式为,在第1方式的估计装置中,
所述电气特性为体积电阻,
所述车辆用座椅包含座椅座垫、座椅靠背、头枕以及扶手中的至少一者,
所述姿势状态包含乘员向所述车辆用座椅就座的就座状态,
所述学习模型学习为输出与所检测出的电气特性对应的表示乘员的就座状态的信息作为所述姿势状态信息。
第3方式为,在第2方式的估计装置中,
所述车辆用座椅包含对具有纤维状和网格状中的至少一方的骨架的构造、或内部散布着多个微小的空气泡的构造的聚氨酯材料的至少一部分赋予导电性而得到的材料。
第4方式为,在第2方式或第3方式的估计装置中,
所述就座状态包含与所述车辆用座椅的乘员的呼吸有关的状态、与所述乘员的落座方式的动作有关的状态、以及与所述车辆用座椅的倾斜有关的状态,
所述学习模型学习为输出与所检测出的电气特性对应的、表示与乘员的呼吸有关的状态、与所述乘员的落座方式的动作有关的状态以及与所述车辆用座椅的倾斜有关的状态中的至少一者的信息作为所述姿势状态信息。
第5方式为,在第1方式至第4方式中的任一方式的估计装置中,
所述学习模型包括通过将所述柔软材料作为储备池、并使用基于利用了该储备池的储备池计算的网络进行学习而生成的模型。
第6方式为,在第1方式至第5方式中的任一方式的估计装置中,
所述柔软材料是具有导电性、且电气特性与被施加的压力及水分的变化相应地变化的柔软材料,
所述姿势状态信息是对所述柔软材料施加了压力和水分时的按时间序列的电气特性以及表示对所述柔软材料施加压力和水分的所述车辆用座椅的乘员的伴有含水的姿势状态的姿势状态信息,
所述估计部估计表示所述乘员的伴有含水的姿势状态的姿势状态信息。
第7方式为,在第6方式的估计装置中,
所述乘员的伴有含水的姿势状态包括在所述乘员的就座状态下伴有出汗的姿势状态。
第8方式为,在第6方式或第7方式的估计装置中,
所述姿势状态包括乘员向所述车辆用座椅就座的伴有含水的就座状态,
所述学习模型学习为输出与所检测出的电气特性对应的表示乘员的伴有含水的就座状态的信息作为所述姿势状态信息。
第9方式为,在第1方式至第5方式中的任一方式的估计装置中,
所述姿势状态信息是对所述柔软材料施加了压力时的按时间序列的电气特性以及表示对所述柔软材料施加压力的所述车辆用座椅的乘员的伴有运动的姿势状态的姿势状态信息,
所述估计部估计表示所述乘员的伴有运动的姿势状态的姿势状态信息。
第10方式为,在第9方式的估计装置中,
所述姿势状态包括乘员向所述车辆用座椅就座的伴有运动的就座状态,
所述学习模型学习为输出与所检测出的电气特性对应的表示乘员的伴有运动的就座状态的信息作为所述姿势状态信息。
第11方式是一种控制装置,包括:
第6方式至第8方式中的任一方式的估计装置;以及
控制部,其使用由所述估计部估计出的姿势状态信息,来控制包括所述车辆用座椅的调温装置和设置有所述车辆用座椅的车厢的空调装置中的至少一方的环境调整装置。
第12方式为,在第11方式的控制装置中,
所述车辆用座椅包含座椅座垫、座椅靠背、头枕以及扶手中的至少一者,
所述姿势状态包括乘员向所述车辆用座椅就座的伴有含水的就座状态,
所述控制部使用由所述估计部估计出的姿势状态信息来控制所述环境调整装置。
第13方式是一种控制装置,包括:
第9方式或第10方式的估计装置;以及
控制部,其使用由所述估计部估计出的姿势状态信息,来控制构成搭载有所述车辆用座椅的车辆的车辆装置。
第14方式为,在第13方式的控制装置中,
估计部估计乘员的状态来作为伴有运动的就座状态,
所述控制部基于所述乘员的状态来控制所述车辆装置。
第15方式为,在第14方式的控制装置中,
所述乘员的状态是与乘员的身心情况有关的状态,所述控制部控制作为所述车辆装置的座椅驱动装置,以使所述车辆用座椅的位置成为同所述与乘员的身心情况有关的状态相应的位置。
第16方式为,在第14方式的控制装置中,
所述乘员的状态是与乘员的身心情况有关的状态,所述控制部使作为所述车辆装置的声音输出装置输出同所述与乘员的身心情况有关的状态相应的声音消息。
第17方式为,在第14方式的控制装置中,
所述乘员的状态是与落座方式的动作有关的状态,所述控制部控制作为所述车辆装置的座椅驱动装置,以使所述车辆用座椅的位置成为与落座方式的动作相应的位置。
第18方式是一种估计方法,在该估计方法中计算机进行以下处理:
从检测部获取电气特性,所述检测部检测针对具备柔软材料的车辆用座椅的所述柔软材料预先决定的多个检测点之间的所述电气特性,所述柔软材料具有导电性、且电气特性与被施加的压力的变化相应地变化;以及
针对将对所述柔软材料施加了压力时的按时间序列的电气特性和表示对所述柔软材料施加压力的所述车辆用座椅的乘员的姿势状态的姿势状态信息用作学习用数据、以将所述按时间序列的电气特性作为输入且输出所述姿势状态信息的方式进行学习而得到的学习模型,输入由所述检测部检测出的按时间序列的电气特性,来估计与所输入的按时间序列的电气特性对应的表示所述乘员的姿势状态的姿势状态信息。
第19方式是一种估计方法,用于使计算机执行以下处理:
从检测部获取电气特性,所述检测部检测针对具备柔软材料的车辆用座椅的所述柔软材料预先决定的多个检测点之间的所述电气特性,所述柔软材料具有导电性、且电气特性与被施加的压力的变化相应地变化;以及
针对将对所述柔软材料施加了压力时的按时间序列的电气特性和表示对所述柔软材料施加压力的所述车辆用座椅的乘员的姿势状态的姿势状态信息用作学习用数据、以将所述按时间序列的电气特性作为输入且输出所述姿势状态信息的方式进行学习而得到的学习模型,输入由所述检测部检测出的按时间序列的电气特性,来估计与所输入的按时间序列的电气特性对应的表示所述乘员的姿势状态的姿势状态信息。
发明的效果
根据本公开,具有能够不使用特殊的检测装置而利用具备具有导电性的柔软材料的车辆用座椅的电气特性来估计表示车辆用座椅的乘员的姿势状态的姿势状态信息这样的效果。
附图说明
图1是示出第一实施方式所涉及的姿势状态估计装置的结构的一例的图。
图2是与第一实施方式所涉及的车辆用座椅有关的图。
图3是与第一实施方式所涉及的具有导电性的构件的检测点有关的图。
图4是与第一实施方式所涉及的具有导电性的构件有关的图。
图5是与第一实施方式所涉及的具有导电性的构件有关的图。
图6是与第一实施方式所涉及的具有导电性的构件有关的图。
图7是与第一实施方式所涉及的学习处理有关的图。
图8是示出第一实施方式所涉及的学习数据收集处理的一例的流程图。
图9是与第一实施方式所涉及的学习处理部中的学习处理有关的图。
图10是示出第一实施方式所涉及的学习处理的流程的一例的流程图。
图11是与第一实施方式所涉及的学习处理部中的学习处理有关的图。
图12是示出第一实施方式所涉及的姿势状态估计装置的结构的一例的图。
图13是示出第一实施方式所涉及的估计处理的流程的一例的流程图。
图14是示出与第一实施方式所涉及的车辆用座椅相关的特性的图。
图15是示出与第一实施方式所涉及的车辆用座椅相关的特性的图。
图16是与第一实施方式所涉及的具有导电性的构件有关的图。
图17是示出第二实施方式所涉及的姿势状态估计装置的结构的一例的图。
图18是与第二实施方式所涉及的学习处理有关的图。
图19是示出第二实施方式所涉及的学习数据收集处理的一例的流程图。
图20是示出与第二实施方式所涉及的车辆用座椅相关的特性的图。
图21是示出与第二实施方式所涉及的车辆用座椅相关的特性的图。
图22是与第二实施方式所涉及的学习处理部中的学习处理有关的图。
图23是示出第二实施方式所涉及的学习处理的流程的一例的流程图。
图24是与第二实施方式所涉及的学习处理部中的学习处理有关的图。
图25是示出第二实施方式所涉及的估计处理的流程的一例的流程图。
图26是示出第三实施方式所涉及的控制装置的结构的一例的图。
图27是示出第三实施方式所涉及的估计/控制处理的流程的一例的流程图。
图28是示出第四实施方式所涉及的姿势状态估计装置的结构的一例的图。
图29是与第四实施方式所涉及的学习处理有关的图。
图30是示出第四实施方式所涉及的学习数据收集处理的一例的流程图。
图31是与第四实施方式所涉及的学习处理部中的学习处理有关的图。
图32是示出第四实施方式所涉及的学习处理的流程的一例的流程图。
图33是与第四实施方式所涉及的学习处理部中的学习处理有关的图。
图34是示出第四实施方式所涉及的估计处理的流程的一例的流程图。
图35是示出与第四实施方式所涉及的车辆用座椅相关的特性的图。
图36是示出与第四实施方式所涉及的车辆用座椅相关的特性的图。
图37是示出与第四实施方式所涉及的车辆用座椅相关的特性的图。
图38是示出第五实施方式所涉及的控制装置的结构的一例的图。
图39是示出第五实施方式所涉及的估计/控制处理的流程的一例的流程图。
具体实施方式
下面,参照附图来详细地说明实现本公开的技术的实施方式。
此外,在全部附图中,对作用、功能起到相同效果的构成要素和处理标注相同的附图标记,有时适当地省略重复的说明。另外,本公开并不限定于下面的任何实施方式,能够在本公开的目的的范围内适当地施加变更并进行实施。另外,在本公开中,主要说明针对非线性地变形的构件进行的物理量的估计,但是当然能够应用于针对线性地变形的构件进行的物理量的估计。
<第一实施方式>
在本公开中,“车辆用座椅”作为一例是汽车等车辆的驾驶座、副驾驶座以及第二排以后的后部座位等乘员就座的座位,是包含作为乘员就座的座面部的座椅座垫、作为支撑乘员的背部的靠背部的座椅靠背、支撑乘员的头部的头枕以及供乘员放胳膊的扶手的概念。“车辆用座椅”是包含至少一部分由于被施加外力而发生如挠曲等那样的变形的材料的概念。对于外力的一例,作为对车辆用座椅施加的刺激,例举压力。“就座于车辆用座椅的乘员的姿势状态”是包含柔软材料会变形的对柔软材料施加压力的乘员的状态的概念,包含就座于车辆用座椅的乘员的姿势、运动等乘员的行为。姿势状态是乘员就座到车辆用座椅的就座状态。
在本公开中,“柔软材料”是包括至少一部分由于被施加外力而发生如挠曲等那样的变形的材料的概念,包括橡胶材料等柔软的弹性体、具有纤维状和网格状中的至少一方的骨架的构造体、以及内部散布着多个微小的空气泡的构造体。对于外力的一例,例举压力。对于具有纤维状和网格状中的至少一方的骨架的构造体、以及内部散布着多个微小的空气泡的构造体的一例,例举聚氨酯材料等高分子材料。“被赋予了导电性的柔软材料”是包括具有导电性的材料的概念,包括为了赋予导电性而将导电材料添加到柔软材料中所得到的材料、以及柔软材料具有导电性的材料。另外,被赋予了导电性的柔软材料具有电气特性与变形相应地发生变化的功能。此外,对于使得产生与变形相应地电气特性发生变化的功能的物理量的一例,例举表示基于对柔软材料施加的压力的刺激(下面称为压力刺激。)的压力值。柔软材料根据以乘员的就座状态等产生的外力、例如压力刺激的分布而变形。对于表示根据该变形而变化的电气特性的物理量的一例,例举电阻值。另外,对于其它例子,例举电压值或电流值。电阻值能够理解为柔软材料的体积电阻值。
柔软材料通过赋予导电性而出现与由压力引起的变形相应的电气特性。即,被赋予了导电性的柔软材料的电气路径复杂地联合,电气路径与变形相应地进行伸缩或膨缩。另外,有时也呈现出电气路径被暂时切断的行为以及产生与以往不同的连接的行为。因而,柔软材料的隔开规定距离的位置(例如配置有电极的检测点的位置)之间与被施加的力(例如压力刺激)的大小、分布相应地呈现出具有不同的电气特性的行为。因此,电气特性与对柔软材料施加的力(例如压力刺激)的大小、分布相应地变化。此外,由于使用被赋予了导电性的柔软材料,因此不需要在由人等物体对柔软材料施加压力的全部的部位设置电极等检测点。只要在柔软材料的将被施加压力的部位夹在中间的任意的至少两个部位设置电极等检测点即可。
本公开的估计装置使用学习完毕的学习模型,根据车辆用座椅所具备的具有导电性的柔软材料的电气特性来估计就座于车辆用座椅的乘员的姿势状态。柔软材料能够配置于车辆用座椅。学习模型将对具有导电性的柔软材料施加了压力时的按时间序列的电气特性和表示对该柔软材料施加压力的就座于车辆用座椅的乘员的姿势状态的姿势状态信息用作学习用数据。学习模型以将按时间序列的电气特性设为输入、且输出与该按时间序列的电气特性对应的表示就座于车辆用座椅的乘员的姿势状态的姿势状态信息的方式进行学习。
在下面的说明中,作为车辆用座椅,说明应用了在聚氨酯构件的全部或至少一部分配置有浸润或混合有导电材料的座椅构件(下面称为导电性聚氨酯。)来作为具有导电性的柔软材料的车辆用座椅的情况。此外,导电性聚氨酯被设置于座椅座垫、座椅靠背、头枕以及扶手中的至少一者。另外,导电性聚氨酯既可以被分开地设置于座椅座垫、座椅靠背、头枕以及扶手,也可以被一体地设置于座椅座垫、座椅靠背、头枕以及扶手。即,在乘员就座于车辆用座椅时所接触的范围中的至少一部分范围内设置至少一个以上的导电性聚氨酯。导电性聚氨酯的厚度例如优选为1mm以上。另外,导电性聚氨酯的体积电阻值例如优选为107Ω·cm以下。另外,作为使导电性聚氨酯变形的物理量,应用表示对车辆用座椅施加的压力刺激的值(压力值),作为姿势状态,应用就座于车辆用座椅的乘员的就座状态。另外,作为与压力刺激相应地变化的物理量,说明应用了导电性聚氨酯的电阻值的情况。
在图1中示出作为本公开的估计装置的姿势状态估计装置1的结构的一例。
在姿势状态估计装置1中的估计处理中,作为未知的就座于车辆用座椅的乘员的姿势状态,使用学习完毕的学习模型51,估计并输出与就座于车辆用座椅2的乘员OP的姿势、运动相关的乘员的就座状态。由此,能够在不使用特殊的装置、大型的装置、或者不直接测量车辆用座椅2所包含的柔软材料的变形的情况下确定就座于车辆用座椅2的乘员的姿势状态。学习模型51将乘员针对车辆用座椅2的姿势状态(例如就座状态值)设为标签、且将该姿势状态下的车辆用座椅2的电气特性(即,配置于车辆用座椅2的导电性聚氨酯的电阻值)设为输入来进行学习。在后面记述学习模型51的学习。
在本实施方式中,例如,车辆用座椅2构成为包括座椅座垫21A、座椅靠背21B以及头枕21C。而且,构成为在座椅座垫21A配置导电性聚氨酯22A,在座椅靠背21B配置导电性聚氨酯22B,在头枕21C配置导电性聚氨酯22C。导电性聚氨酯22A、22B、22C与电气特性检测部76(参照图3)连接。此外,导电性聚氨酯22A、22B、22C由相同的导电性聚氨酯构成。下面将座椅座垫21A、座椅靠背21B以及头枕21C视为整体而称为座椅21。另外,将导电性聚氨酯22A、22B、22C视为整体而称为导电性聚氨酯22。此外,假定通过内部添加导电材料和浸渍导电材料中的任意的方法来形成导电性聚氨酯22,但浸渍方法的导电性比内部添加方法的导电性高,是所期望的。
由配置有导电性聚氨酯22的座椅21构成的车辆用座椅2作为检测部发挥功能。如图2所示,导电性聚氨酯22只要配置于座椅21的至少一部分即可,可以配置于内部,也可以配置于外部。此外,在图2中,为了使说明简单,以单纯的平面形状来表示车辆用座椅2。在具体的一例中,可以如以座椅截面2-1示出车辆用座椅2的A-A截面那样,座椅21的内部全部由导电性聚氨酯22构成。另外,也可以如座椅截面2-2所示的那样在座椅21的内部的靠乘员侧(表面侧)形成导电性聚氨酯22,也可以如座椅截面2-3所示的那样在座椅21的内部的与乘员侧相反的一侧(背面侧)形成导电性聚氨酯22。并且,还可以如座椅截面2-4所示的那样在座椅21的内部形成导电性聚氨酯22。
另外,也可以如座椅截面2-5所示的那样在座椅21的靠乘员侧(表面侧)的外侧配置导电性聚氨酯22,也可以如座椅截面2-6所示的那样在与乘员侧相反的一侧(背面侧)的外部配置导电性聚氨酯22。在将导电性聚氨酯22配置于座椅21的外部的情况下,可以只是将导电性聚氨酯22与座椅21进行层叠,也可以通过粘接等将导电性聚氨酯22与座椅21一体化。此外,即使在将导电性聚氨酯22配置于座椅21的外部的情况下,也由于导电性聚氨酯22是具有导电性的聚氨酯构件而不会妨碍座椅21的柔软性。
之后为了使说明简单,而说明在座椅21的靠乘员侧(表面侧)的外侧配置导电性聚氨酯22来形成车辆用座椅2的一例(座椅截面2-5)。
在本实施方式中,如图3所示,能够根据来自隔开距离地配置的多个(在图3中为两个)检测点75的信号,来检测导电性聚氨酯22的电气特性(即,作为电阻值的体积电阻值)。在图3所示的例子中,示出了根据来自在导电性聚氨酯22上隔开距离地配置于对角位置的多个检测点75的信号来检测电阻值的第一检测组#1。此外,多个检测点75的配置不限定于图3所示的位置,只要是能够检测导电性聚氨酯22的电气特性的位置即可,可以是任意的位置。此外,关于导电性聚氨酯22的电气特性,只要将检测电气特性(即,作为电阻值的体积电阻值)的电气特性检测部76与检测点75连接并使用电气特性检测部76的输出即可。
上述的姿势状态包含表示乘员对车辆用座椅2的施力的施力状态。施力状态是乘员的姿势状态中的、表示乘员对车辆用座椅2的施力的状态。例如,在由具备导电性聚氨酯22的座椅21构成的车辆用座椅2中检测的电阻值根据对车辆用座椅2施加了压力刺激时的导电性聚氨酯22的变形,至少在施加压力刺激之前和之后会发生变化。因而,电阻值在乘员的伴有给予车辆用座椅2的压力刺激的施力之前和之后发生变化。因此,通过按时间序列的电阻值的检测、即检测从没有对车辆用座椅2施加压力刺激的状态起的电阻值的变化(例如检测超过预先决定的阈值的电阻值),能够检测乘员对车辆用座椅2的施力。具体地说,由于即使乘员与车辆用座椅2接触也伴有压力刺激,因此表示乘员对车辆用座椅2的施力的施力状态包含接触状态。因此,通过在车辆用座椅2配置导电性聚氨酯22,能够检测乘员与车辆用座椅2的接触。另外,即使对车辆用座椅2施加的压力刺激的位置、分布以及大小中的某一者发生变化,电阻值也会变化。因而,根据按时间序列变化的电阻值来检测包含乘员与车辆用座椅2的接触位置的接触状态也并非不可能。
此外,施力状态是表示乘员向车辆用座椅2就座的就座状态。即,就座状态能够根据压力刺激的位置、分布以及大小来确定,并且根据按时间序列变化的电阻值来检测包含就座开始的就座状态也并非不可能。
在本实施方式中,检测由乘员给予的压力刺激的传感器本身是构成为包含作为具有导电性的柔软材料的聚氨酯构件的导电性聚氨酯22,因此与以往的其它传感器相比就座时的不自然的感觉极少。因此,在测量期间不会损害乘坐舒适性,能够同时进行测量和乘坐舒适性评价。这相较于独立地进行测量和乘坐舒适性评价的以往的传感器而言成为优点,特别是在按照时间序列变化的长时间的测量评价中这一优势较大。
此外,为了提高导电性聚氨酯22的电气特性的检测精度,也可以使用比图3所示的检测点(两个)多的检测点。
作为一例,也可以将由分别配置有检测点的多个导电性聚氨酯片构成的列排成一列或多列来形成导电性聚氨酯22,针对多个导电性聚氨酯片检测电气特性。例如,可以将导电性聚氨酯片23(图4)排列来构成导电性聚氨酯22(图5、图6)。图4所示的例子示出了根据来自隔开距离地配置于对角位置的检测点75A的信号来检测电阻值的第一检测组#1以及根据来自在其它对角位置排列的检测点75B的信号来检测电阻值的第二检测组#2。另外,在图5所示的例子中示出了以下内容:将导电性聚氨酯片23(图4)沿座椅21的长度方向排列(4×1)来构成导电性聚氨酯22,依次构成第一检测组#1至第八检测组#8。并且,在图6所示的例子中示出了以下内容:在导电性聚氨酯片23(图4)中分别采用第一检测组#1、并沿座椅21的长度方向和宽度方向排列(4×2)来构成导电性聚氨酯22,并构成第一检测组#1至第八检测组#8。另外,也可以如图16所示那样,使用从座椅靠背21B的上部至下部、从座椅座垫21A的座面的后部至前部侧设置有八个检测组#1~#8的导电性聚氨酯22来构成座椅21。
另外,作为其它例,也可以对导电性聚氨酯22上的检测范围进行分割,在分割出的每个检测范围设置检测点,并针对每个检测范围检测电气特性。例如,只要将与图5和图6所示的导电性聚氨酯片23的大小相当的区域设为检测范围并设定于导电性聚氨酯22、在所设定的每个检测范围配置检测点并针对每个检测范围检测电气特性即可。
如图1所示,姿势状态估计装置1具备估计部5。对估计部5输入表示导电性聚氨酯22中的电阻的大小(电阻值)的按时间序列的输入数据4。输入数据4与表示就座于车辆用座椅2的乘员的姿势、运动等乘员的行为的乘员的就座状态3对应。另外,估计部5输出表示物理量(就座状态值)的输出数据6作为估计结果,该物理量表示就座于车辆用座椅2的乘员的就座状态。此外,估计部5包含学习完毕的学习模型51。
学习模型51是完成了根据与乘员的就座状态3相应的根据压力刺激而变化的导电性聚氨酯22的电阻(输入数据4)来导出乘员的就座状态、即表示就座于车辆用座椅2的乘员的姿势、运动等乘员的行为的乘员的就座状态(输出数据6)的学习的模型。学习模型51例如是规定学习完毕的神经网络的模型,被表现为构成神经网络的节点(神经元)彼此之间的连接的权重(强度)的信息的集合。
学习模型51是通过学习处理部52(图7)的学习处理而生成的。学习处理部52使用因根据乘员的就座状态3产生的压力刺激而变化的导电性聚氨酯22中的电气特性(输入数据4)来进行学习处理。即,将乘员的就座状态3设为标签且将按时间序列测定导电性聚氨酯22中的电阻得到的大量的数据设为学习数据。具体地说,学习数据包括大量的包含电阻值(输入数据4)的输入数据与该输入数据所对应的表示乘员的就座状态3的信息(输出数据6)的集合。在此,通过对导电性聚氨酯22的电阻值(输入数据4)分别赋予表示测定时刻的信息来与时间序列信息建立关联。在该情况下,也可以在决定为乘员的就座状态3的期间,对导电性聚氨酯22中的按时间序列的电阻值的集合赋予表示测定时刻的信息来与时间序列信息建立关联。
接着,对学习处理部52进行说明。
在学习处理部52进行的学习处理中,将由配置有上述的导电性聚氨酯22的座椅21构成的车辆用座椅2用作检测部,将乘员的就座状态3以及导电性聚氨酯22的电阻值(输入数据4)用作学习数据。例如,指示乘员OP维持在车辆用座椅2上的表示规定的姿势、运动等行为的就座状态、或者指示乘员OP在车辆用座椅2上动作,检测此时的电阻值并与就座状态建立关联地设为学习数据。
此外,就座状态包含表示按时间序列的乘员的行为的状态。表示按时间序列的乘员的行为的该状态包含基于在车辆用座椅2上运动稳定后的乘员的姿势的静态状态、以及基于在车辆用座椅2上按时间序列变化的多个姿势、运动的动态状态。另外,只要将电气特性检测部76(图3)与检测点75连接来检测电气特性(即,作为电阻值的体积电阻值)即可。
具体地说,学习处理部52能够构成为具有包含未图示的CPU的计算机,执行学习数据收集处理和学习处理。在图8中示出未图示的CPU执行的学习数据收集处理的一例。学习处理部52在步骤S100中对乘员OP指示在车辆用座椅2(导电性聚氨酯22)上的就座状态,在步骤S102中,按时间序列获取根据与就座状态相应的压力刺激而变化的电阻值。在接下来的步骤S104中,将就座状态3作为标签赋予给所获取到的按时间序列的电阻值并进行存储。学习处理部52重复上述处理直到这些就座者的就座状态3和导电性聚氨酯22的电阻值的集合达到预先决定的规定数量或预先决定的规定时间为止(在步骤S106中进行否定判断直到进行肯定判断为止)。由此,学习处理部52能够针对乘员的每种就座状态,按时间序列获取导电性聚氨酯22中的电阻值并进行存储,所存储的乘员的每种就座状态的按时间序列的导电性聚氨酯22的电阻值的集合成为学习数据。
另外,乘员OP的就座状态(姿势)能够根据乘员OP的各部位相对于车辆用座椅2的相对的位置关系、由各部位给予的压力刺激的分布、大小及频度等各物理量的变化、维持等中的至少一部分来确定。因而,认为这些按时间序列的物理量的一部分包含表示乘员OP的就座状态(姿势)的特征。在本实施方式中,通过使用导电性聚氨酯22,能够按时间序列检测反映出这些物理量的电气特性(体积电阻)。
在图14中示出由配置有导电性聚氨酯22的座椅21构成的车辆用座椅2中的电气特性的一例。图14的(A)~(H)是由配置有如图16所示那样设置有八个检测组#1~#8的导电性聚氨酯22的座椅21构成的车辆用座椅2中的电气特性。图14的(A)~(D)示出将座椅靠背21B从上部到下部分割为四个部分的情况下的各位置的电气特性。另外,图14的(E)~(H)示出将座椅座垫21A从座面的后部到座面侧分割为四个部分的情况下的各位置的电气特性。图14的(A)~(H)示出图16所示的检测组#1~#8的各检测结果。另外,图14所示的例子示出了动态状态的一例,就乘员的就座状态而言,示出由于乘员深呼吸而变化的在乘员的呼吸状态下的电气特性。
图14所示的乘员的就座状态下的电气特性、即由座椅座垫21A和座椅靠背21B各自的检测组#1~#8分别检测出的电气特性(电阻值的时间特性)分别是作为乘员的就座状态的与深呼吸等呼吸有关的状态所对应的特征图案。
另外,在图15中示出作为乘员的就座状态的、与乘员深坐在座椅座垫21A上、之后重新落座而浅坐在座椅座垫21A上、再次重新落座而深坐在座椅座垫21A上这一系列的落座方式的动作有关的状态下的电气特性。图15的(A)~(H)是图16所示的检测组#1~#8的各检测结果。此外,深坐是指乘员坐到座椅座垫21A的后部侧。另外,浅坐是指乘员坐到座椅座垫21A的前部侧。而且,由座椅座垫21A和座椅靠背21B各自的检测组#1~#8分别检测出的电气特性分别是作为就座状态的、乘员进行了一系列的重新落座动作的状态所对应的特征图案。例如,图15的(E)所示的由座椅座垫21A的检测组#5检测出的检测结果的图案被认为表现为特征图案。在时间T1这一时间的电气特性被认为与最初就座的状态下的特征性的电气特性对应。另外,在时间T2这一时间的电气特性被认为与试图重新落座的状态下的特征性的电气特性对应。另外,在时间T3这一时间的电气特性被认为与浅坐的状态下的特征性的电气特性对应。另外,在时间T4这一时间的电气特性被认为与再次重新落座而深坐的状态下的特征性的电气特性对应。这些特征图案也与由其它检测组检测出的检测结果的图案相关。因此,利用导电性聚氨酯22按时间序列检测出的电气特性包含乘员的就座状态的特征。
表示就座状态的就座状态值例如可以与表示深坐、试图重新落座、浅坐以及再次深坐的顺序的信息值建立关联,也可以与提取深坐、试图重新落座、浅坐以及再次深坐中的一部分而得到的信息值建立关联。在提取一部分作为就座状态的情况下,只要将与至少包含出现就座状态的特征的一部分的图案的电气特性(例如时间T3的电气特性)对应的范围的各图案(除图14的(E)以外所示出的电气特性中的图案)建立关联即可。这些特征图案被认为与乘员OP向车辆用座椅2就座的就座状态对应,在学习处理中有效地发挥功能。
因而,通过乘员OP与所指示的就座状态相应地变更姿势,从而给予车辆用座椅2的压力刺激发生变化,按时间序列获取与该压力刺激的变化对应的电气特性,由此能够将按时间序列的电气特性与就座者的就座状态(姿势状态)相对应地进行存储。该按时间序列的电气特性与表示所指示的就座状态的就座状态值的集合成为学习数据。
此外,上述的与落座方式的动作有关的状态包含与用力地坐到车辆用座椅2上和轻轻地坐到车辆用座椅2上等开始落座时的强弱有关的状态。另外,上述的就座状态除了包含与深呼吸等呼吸有关的状态、与落座方式的动作有关的状态以外,还包含各种状态。例如,就座状态包含与车辆用座椅2的倾斜有关的状态、即与变更座椅靠背21B相对于座椅座垫21A的角度的动作有关的状态。这些就座状态与上述的乘员OP的就座状态(姿势)同样地能够通过乘员OP的各部位相对于车辆用座椅2的相对的位置关系、由各部位给予的压力刺激的分布、大小及频度等各物理量的变化、维持等中的至少一部分来确定。因而,认为按时间序列的物理量的一部分包含表示各个就座状态(姿势)的特征,能够通过使用导电性聚氨酯22来按时间序列检测反映出这些状态下的物理量的电气特性(体积电阻)。
下面,以表的形式示出上述的学习数据的一例。表1是作为与就座状态有关的学习数据而将按时间序列的电阻值数据(r)与就座状态值建立关联而得到的静态状态的数据的一例。表2是将上述的图15所示的表示由各检测组检测出的按时间序列的电阻值的特性数据(J)的集合与就座状态值建立关联而得到的数据的一例。在该集合所包含的任意的特性数据(J)中包含就座状态的特征、即特征图案。各特性数据(J)全部用作学习数据。例如,将由车辆用座椅2检测出的多个特性数据(J)和就座状态值用作学习数据。
[表1]
按时间序列的电阻值数据 | 就座状态 |
r11,r12,r13,...,r1n | 深坐 |
r21,r22,r23,·..,r2n | 试图重新落座 |
r31,r32,r33,···,r3n | 浅坐 |
r41,r42,r43,……,r4n | 重新深坐 |
... | ... |
rk1,rk2,rk3,...,rkn | 深呼吸 |
... | ... |
[表2]
接着,说明学习处理部52中的学习处理。图9是示出学习处理中的、学习处理部52的未图示的CPU中的功能的图。
学习处理部52的未图示的CPU包括生成器54和运算器56的功能部。生成器54具有考虑作为输入的按时间序列获取到的电阻值的前后关系来生成输出的功能。
另外,学习处理部52保持有大量的上述的输入数据4(电阻值)与输出数据6的集合来作为学习用数据,该输出数据6是对导电性聚氨酯22施加了压力刺激的乘员的就座状态3。
生成器54包括输入层540、中间层542以及输出层544,来构成公知的神经网络(NN:Neural Network)。神经网络本身是公知的技术,因此省略详细的说明,中间层542包含大量的具有节点间连接和反馈连接的节点组(神经元群)。来自输入层540的数据被输入到该中间层542,中间层542的运算结果的数据被输出到输出层544。
生成器54是根据被输入的输入数据4(电阻)来生成表示乘员的就座状态的生成输出数据6A的神经网络。生成输出数据6A是根据输入数据4(电阻)估计对导电性聚氨酯22施加了压力刺激的乘员的就座状态所得到的数据。生成器54根据按时间序列输入的输入数据4(电阻)来生成表示与乘员的就座状态接近的状态的生成输出数据。生成器54通过使用大量的输入数据4(电阻)进行学习,能够生成与对车辆用座椅2即导电性聚氨酯22施加了压力刺激的乘员的就座状态接近的生成输出数据6A。在其它方面,通过将按时间序列输入的输入数据4即电气特性捕捉为图案并对该图案进行学习,能够生成与对车辆用座椅2即导电性聚氨酯22施加了压力刺激的乘员的就座状态接近的生成输出数据6A。
运算器56是将生成输出数据6A与学习数据的输出数据6进行比较来运算该比较结果的误差的运算器。学习处理部52向运算器56输入生成输出数据6A和学习数据的输出数据6。与其相应地,运算器56运算生成输出数据6A与学习数据的输出数据6的误差,并输出表示其运算结果的信号。
学习处理部52进行基于由运算器56运算出的误差来调整节点间的连接的权重参数的、生成器54的学习。具体地说,将生成器54中的输入层540与中间层542的节点间的连接的权重参数、中间层542内的节点间的连接的权重参数以及中间层542与输出层544的节点间的连接的权重参数中的各个权重参数使用例如梯度下降法、误差逆传播法等方法反馈到生成器54。即,以学习数据的输出数据6为目标,以使生成输出数据6A与学习数据的输出数据6的误差最小化的方式优化全部的节点间的连接。
学习模型51是通过学习处理部52的学习处理而生成的。学习模型51表现为作为学习处理部52的学习结果的、节点间的连接的权重参数(权重或强度)的信息的集合。
在图10中示出学习处理的流程的一例。学习处理部52在步骤S110中获取作为按时间序列测定得到的结果的学习数据即以表示乘员OP的就座状态的信息为标签的输入数据4(电阻)。学习处理部52在步骤S112中使用作为按时间序列测定得到的结果的学习数据来生成学习模型51。即,得到作为如上述那样使用大量的学习数据进行学习而得到的学习结果的节点间的连接的权重参数(权重或强度)的信息的集合。然后,在步骤S114中,将表现为作为学习结果的节点间的连接的权重参数(权重或强度)的信息的集合的数据存储为学习模型51。
此外,生成器54可以使用具有考虑按时间序列输入的前后关系来生成输出的功能的递归型神经网络,也可以使用其它方法。
而且,在上述姿势状态估计装置1中,将通过上面例示的方法生成的学习完毕的生成器54(即,表现为作为学习结果的节点间的连接的权重参数的信息的集合的数据)用作学习模型51。如果使用充分学习而得到的学习模型51,则根据车辆用座椅2、即导电性聚氨酯22中的按时间序列的电阻值来确定乘员的就座状态也并非不可能。
此外,学习处理部52的处理是本公开的学习模型生成装置的处理的一例。另外,姿势状态估计装置1是本公开的估计部和估计装置的一例。表示就座状态3的信息即输出数据6是本公开的姿势状态信息的一例。
另外,如上所述,导电性聚氨酯22如上述那样电气路径复杂地联合,呈现出电气路径的与变形相应的伸缩、膨缩、暂时切断以及产生新的连接等行为,结果是与被施加的力(例如压力刺激)相应地呈现出具有不同的电气特性的行为。根据这一情况,能够将导电性聚氨酯22视为贮存与导电性聚氨酯22的变形有关的数据的储备池。即,姿势状态估计装置1能够将导电性聚氨酯22应用于被称为物理储备池计算(PRC:Physical ReservoirComputing)的网络模型(下面称为PRCN。)。PRC和PRCN本身是公知的技术,因此省略详细的说明,也就是说,PRC和PRCN能够较佳地应用于与导电性聚氨酯22的变形有关的信息的估计。
在图11中示出将包含导电性聚氨酯22的车辆用座椅2视为贮存与包含导电性聚氨酯22的车辆用座椅2的变形有关的数据的储备池进行学习的学习处理部52的一例。导电性聚氨酯22呈现出与多种压力刺激分别相应的电气特性(电阻值),作为输入电阻值的输入层发挥功能,另外,作为贮存与导电性聚氨酯22的变形有关的数据的储备池层发挥功能。导电性聚氨酯22与根据乘员的就座状态3而被施加的压力刺激相应地输出不同的电气特性(输入数据4),因此能够在估计层根据导电性聚氨酯22的电阻值来估计被施加的压力刺激3(按压构件的形状)。因而,在学习处理中,只要对估计层进行学习即可。
上述的姿势状态估计装置1例如能够通过使计算机执行表示上述的各功能的程序来实现。
在图12中示出作为执行用于实现姿势状态估计装置1的各种功能的处理的执行装置而构成为包括计算机的情况的一例。
作为姿势状态估计装置1发挥功能的计算机具备图12所示的计算机主体100。计算机主体100具备CPU 102、易失性存储器等RAM 104、ROM 106、硬盘装置(HDD)等辅助存储装置108、以及输入输出接口(I/O)110。这些CPU 102、RAM 104、ROM 106、辅助存储装置108以及输入输出I/O 110是以能够相互传输数据和命令的方式经由总线112进行了连接的结构。另外,在输入输出I/O 110连接有用于与外部装置通信的通信部114、以及显示器、键盘等操作显示部116。通信部114发挥与包含导电性聚氨酯22的车辆用座椅2之间获取输入数据4(电阻)的功能。即,通信部114能够从作为检测部的、包含配置有导电性聚氨酯22的车辆用座椅2且与导电性聚氨酯22中的检测点75连接的电气特性检测部76获取输入数据4(电阻)。
在辅助存储装置108存储用于使计算机主体100作为本公开的估计装置的一例即姿势状态估计装置1发挥功能的控制程序108P。CPU 102从辅助存储装置108读取控制程序108P并在RAM 104中展开来执行处理。由此,执行了控制程序108P的计算机主体100作为本公开的估计装置的一例即姿势状态估计装置1来进行动作。
此外,在辅助存储装置108存储包含学习模型51的学习模型108M以及包含各种数据的数据108D。控制程序108P也可以通过CD-ROM等记录介质来提供。
接着,说明由计算机实现的姿势状态估计装置1中的估计处理。
在图13中示出基于在计算机主体100中执行的控制程序108P的估计处理的流程的一例。
当对计算机主体100接通电源时,由CPU 102执行图13所示的估计处理。即,CPU102从辅助存储装置108读取控制程序108P并在RAM 104中展开来执行处理。
首先,CPU 102通过在步骤S200中从辅助存储装置108的学习模型108M读取学习模型51并在RAM 104中展开,由此获取学习模型51。具体地说,将成为基于表现为学习模型51的权重参数的节点间的连接的网络模型(图9、图11参照)在RAM 104中展开。因此,构建实现了基于权重参数的节点间的连接的学习模型51。
接着,CPU 102在步骤S202中经由通信部114按时间序列获取未知的输入数据4(电阻),未知的输入数据4成为估计由于对导电性聚氨酯22施加的压力刺激而使按压构件产生的形状的对象。
接着,CPU 102在步骤S204中使用在步骤S200中获取到的学习模型51,来估计与在步骤S202中获取到的输入数据4(电阻)对应的输出数据6(未知的就座状态)。
然后,在接下来的步骤S206中,经由通信部114输出作为估计结果的输出数据6(乘员的就座状态),并结束本处理例程。
此外,图13所示的估计处理是通过本公开的估计方法执行的处理的一例。
如上面所说明的那样,根据本公开,能够根据与基于就座状态3而对导电性聚氨酯22施加的压力刺激相应地变化的输入数据4(电阻)来估计乘员的就座状态。即,能够在不使用特殊的装置、大型的装置、或者不直接测量柔软构件的变形的情况下估计未知的乘员的就座状态。
另外,根据乘员OP的行为的不同而由各检测组得到的电气特性发生变化,由于在该电气特性(按时间序列的电阻)中反映出就座状态,因此能够根据导电性聚氨酯22中的按时间序列变化的电阻值来估计乘员的就座状态。即,即使是各种各样的就座状态,也能够通过使用上述的学习模型来确定乘员的就座状态,从而能够估计乘员的就座状态。
对于使用了通过上述的学习处理学习得到的学习模型51的姿势状态估计装置1确认出,通过输入未知的各种就座状态下的导电性聚氨酯22的电气特性,能够估计就座者的对应的就座状态。
如上所述,在本公开中,说明了应用导电性聚氨酯作为柔软构件的一例的情况,但是柔软构件不限定于导电性聚氨酯,这是不言而喻的。
另外,本公开的技术范围不限定于上述实施方式所记载的范围。在不脱离主旨的范围内能够对上述实施方式施加多种变更或改进,并且施加该变更或改进所得到的方式也包含在本公开的技术范围内。
另外,在上述实施方式中,说明了通过基于使用了流程图的处理的软件结构实现了估计处理和学习处理的情况,但是不限定于此,例如也可以设为通过硬件结构来实现各处理的方式。
另外,也可以将估计装置的一部分、例如学习模型等神经网络构成为硬件电路。
<第二实施方式>
下面说明第二实施方式。第二实施方式能够沿用第一实施方式。因此,下面以与第一实施方式不同的部分为中心进行说明,针对与第一实施方式相同的部分标注相同的附图标记,并省略详细的说明。
在第二实施方式中,“就座于车辆用座椅的乘员的姿势状态”是“就座于车辆用座椅的乘员的伴有含水的姿势状态”。具体地说,“就座于车辆用座椅的乘员的伴有含水的姿势状态”是包含柔软材料会变形的对柔软材料施加压力、并且施加出汗等产生的水分的乘员的状态的概念,包含就座于车辆用座椅的乘员的姿势、运动等乘员的行为。姿势状态是乘员就座到车辆用座椅的就座状态。
另外,在第二实施方式中,与柔软材料的变形相应地变化的电气特性受到由乘员出汗等而施加的水分(含水量)的影响。表示与乘员的伴有含水的姿势状态对应的电气特性的物理量(电阻值)相对于表示与乘员的不伴有含水的姿势状态对应的电气特性的物理量(电阻值)而变化。也就是说,即使乘员为相同的姿势状态,柔软材料的电气特性也会根据含水量而不同,因此能够进行乘员出汗等是否含水的判别。
第二实施方式所涉及的估计装置使用学习完毕的学习模型,根据车辆用座椅所具备的具有导电性的柔软材料中的电气特性,来估计就座于车辆用座椅的乘员的伴有含水的姿势状态。伴有含水的姿势状态例如包含伴有出汗的姿势状态、由于乘员的身体和衣服中的至少一方湿润而产生的伴有含水的姿势状态等。柔软材料能够配置于车辆用座椅。学习模型将对具有导电性的柔软材料施加了压力和水分时的按时间序列的电气特性以及表示对该柔软材料施加压力和水分的就座于车辆用座椅的乘员的伴有含水的姿势状态的姿势状态信息用作学习用数据。学习模型以将时间序列的电气特性作为输入、且输出与该按时间序列的电气特性对应的表示就座于车辆用座椅的乘员的伴有含水的姿势状态的姿势状态信息的方式进行学习。
另外,在第二实施方式中,作为使导电性聚氨酯变形的物理量,应用表示对车辆用座椅施加的包含水分的压力刺激的值(下面,称为水分压力值。)。该情况下的水分压力值因车辆用座椅的乘员的由于出汗等产生的伴有含水的姿势状态而产生。此外,在本实施方式中,作为姿势状态,应用就座于车辆用座椅的乘员的伴有出汗的就座状态。另外,作为与包含水分的压力刺激相应地变化的物理量,应用导电性聚氨酯的电阻值。
第二实施方式中的图17~图19、图22~图25与第一实施方式的图1、图7~图11、图13对应。而且,能够通过将第一实施方式的图1、图7~图11、图13的说明中的“姿势状态”换用为“伴有含水的姿势状态”、将“压力刺激”换用为“包含水分的压力刺激”、将“就座状态”换用为“伴有含水的就座状态”来说明图17~图19、图22~图25。
在图20中示出由配置有导电性聚氨酯22的座椅21构成的车辆用座椅2中的电气特性的一例。图20的例子示出了在将水以喷雾方式喷到导电性聚氨酯22的情况下电气特性(电阻值)按时间序列变化的情形。
在图21中示出由配置有导电性聚氨酯22的座椅21构成的车辆用座椅2中的电气特性的另一例。图21的例子与图20的例子同样地示出了在将水以喷雾方式喷到导电性聚氨酯22的情况下电气特性(电阻值)按时间序列变化的情形。图21的(B)是将图21的(A)的X部放大得到的图,图21的(C)是将图21的(A)的Y部放大得到的图。
如图20和图21所示,从导电性聚氨酯22的电气特性根据导电性聚氨酯22的含水量而变化、且反映出含水量也能够确认出,能够根据与导电性聚氨酯22的含水量相应地按时间序列变化的电阻值来估计乘员的伴有含水的姿势状态。即,即使是出汗等各种伴有含水的姿势状态,也能够通过使用分别学习而得到的学习模型51,来分离与乘员的伴有含水的姿势状态有关的结果,从而能够判别乘员的伴有含水的姿势状态。
通过乘员OP根据所指示的伴有含水的就座状态而变更姿势来使给予车辆用座椅2的包含水分的压力刺激发生变化,按时间序列获取与该包含水分的压力刺激的变化对应的电气特性,由此能够将按时间序列的电气特性与就座者的伴有含水的就座状态(姿势状态)建立关联地进行存储。该按时间序列的电气特性和表示所指示的伴有含水的就座状态的就座状态值的集合成为学习数据。
接着,在下面的表中示出上述的学习数据的一例。表3是作为与伴有含水的就座状态有关的学习数据而将按时间序列的电阻值数据(r)与就座状态值建立关联而得到的静态状态的数据的一例。
[表3]
按时间序列的电阻值数据 | 就座状态 |
r11,r12,r13,...,r1n | 就座状态1 |
r21,r22,r23,...,r2n | 就座状态2 |
r31,r32,r33,...,r3n | 就座状态3 |
r41、r42,r43...,r4n | 就座状态4 |
... | ... |
rk1,rk2,rk3,...,rkn | 就座状态k |
... | ... |
图18所示的学习处理部52使用如上所述的学习数据来执行学习处理。
<第三实施方式>
下面说明第三实施方式。第三实施方式能够沿用第二实施方式。因此,下面,在第三实施方式中,以与第二实施方式不同的部分为中心进行说明,针对与第二实施方式相同的部分标注相同的附图标记,并省略详细的说明。
以往,已知在乘员晕动的情况下会出汗。因而,能够根据乘员的出汗的程度来判别有无晕动。
第三实施方式所涉及的控制装置使用学习完毕的学习模型,根据车辆用座椅所具备的具有导电性的柔软材料的电气特性,来估计就座于车辆用座椅的乘员的伴有含水的姿势状态,并使用所估计出的姿势状态信息,来控制包含车辆用座椅的调温装置以及设置有车辆用座椅的车厢的空调装置中的至少一方的环境调整装置。
如第二实施方式中所说明的那样,伴有含水的姿势状态例如包含伴有出汗的姿势状态、由于乘员的身体和衣服中的至少一方湿润而引起的伴有含水的姿势状态等。另外,在第三实施方式中,伴有出汗的姿势状态包含伴有晕动的姿势状态。
在图26中示出第三实施方式所涉及的控制装置10的结构的一例。控制装置10是对图17所示的估计装置1添加控制部7和环境调整装置8而得到的结构。
控制装置10中的控制部7使用通过上述估计处理所输出的姿势状态信息,来控制用于调整乘员OP的环境的环境调整装置8。在此,调整乘员OP的环境是指调整乘员OP附近的温度和湿度中的至少一方。环境调整装置8包含车辆用座椅2的调温装置8A和车厢的空调装置8B。此外,环境调整装置8也可以设为具备调温装置8A和空调装置8B中的任一方的结构。调温装置8A是用于调节就座于车辆用座椅2的乘员OP附近的温度和湿度中的至少一方的装置,例如包含用于冷却车辆用座椅2的座椅冷却器以及用于加热车辆用座椅2的座椅加热器中的至少一方。
座椅冷却器例如将能够改变风量等级的风扇(省略图示)嵌入于车辆用座椅2,通过使风扇旋转来朝向乘员OP吹送冷却了的风,从而调整乘员OP附近的温度和湿度中的至少一方。通过吹送冷却风来抑制车辆用座椅2的温度上升,也能够去除例如由于出汗而产生的湿气。此外,座椅冷却器也可以是如下的结构:通过使风扇逆向旋转来吸气,从而调整乘员OP附近的温度和湿度中的至少一方。另外,座椅冷却器可以是使水等制冷剂循环的方式,也可以使用其它公知的方法来实现。
座椅加热器例如将风扇嵌入于车辆用座椅2,通过朝向乘员OP吹送加热了的风来调整乘员OP附近的温度和湿度中的至少一方。此外,座椅加热器也可以是如下的结构:例如将电热线嵌入于车辆用座椅2,通过使电流流过电热线而产生热来对车辆用座椅2进行加热,从而调整乘员OP附近的温度和湿度中的至少一方。
空调装置8B是用于调节设置有车辆用座椅2的车厢内的温度和湿度中的至少一方的装置,通过使风扇(省略图示)旋转来向车厢内吹送冷却了的风或加热了的风,由此对车厢内进行冷却或加热。另外,空调装置8B具备除湿功能,被控制为成为所设定的温度和湿度。
控制部7在估计为乘员OP的姿势状态是伴有出汗的姿势状态的情况下,例如使调温装置8A和空调装置8B中的至少一方工作,以使乘员OP附近的温度下降。由此,车辆用座椅2的温度上升被抑制,由于出汗而产生的湿气也被去除。也就是说,乘员OP就座于车辆用座椅2的状态下的出汗被抑制,能够获得舒适的就座状态。
在由调温装置8A调整乘员OP的环境的情况下,例如预先存储将伴有出汗的姿势状态信息与调温装置8A的风扇的风量等级(例如强、中、弱等)建立关联而得到的数据表,使调温装置8A的风扇以与所估计出的伴有出汗的姿势状态相应的风量等级工作。
另外,在由空调装置8B调整乘员OP的环境的情况下,预先存储将伴有出汗的姿势状态信息与空调装置8B的设定温度及设定湿度分别建立关联而得到的数据表,使空调装置8B以与所估计出的伴有出汗的姿势状态相应的设定温度及设定湿度工作。例如,在估计为就座于车辆用座椅2的乘员OP的姿势状态是伴有出汗的姿势状态的情况下,进行使空调装置8B动作的控制,来降低车厢内的温度和湿度。但是,在车厢内的温度较高而湿度处于适当的范围的情况下,也可以仅降低车厢内的温度。另外,在车厢内的温度处于适当的范围而湿度较高的情况下,也可以仅降低车厢内的湿度。通过该控制,就座时的出汗被抑制,能够获得舒适的就座状态。
另外,在估计出的伴有出汗的姿势状态是伴有晕动的姿势状态的情况下,控制部7也可以控制为从设置于车辆的扬声器输出用于通知是晕动的状态的消息。
在图27中示出基于在计算机主体100中执行的控制程序108P的估计/控制处理的流程的一例。
步骤S200~S204的处理与图25的步骤S200~S204的处理相同。
在步骤S206中,向辅助存储装置108输出作为估计结果的输出数据6(乘员的伴有含水的就座状态)。
然后,在步骤S208中,CPU 102使用作为估计结果的输出数据6,来执行用于调整乘员OP附近的环境的环境调整控制。即,例如在估计为乘员OP的姿势状态是伴有出汗的姿势状态的情况下,使调温装置8A和空调装置8B中的至少一方工作,以使乘员OP附近的温度下降。具体地说,例如使调温装置8A的风扇以与所估计出的伴有出汗的姿势状态相应的风量等级工作。另外,例如将空调装置8B的设定温度和设定湿度设定为比当前的车厢内的温度和湿度低的温度和低的湿度来对车厢内进行空气调节。通过这样的环境调整控制,就座时的出汗被抑制,能够获得舒适的就座状态。另外,在所估计出的伴有出汗的姿势状态是伴有晕动的姿势状态的情况下,控制为从设置于车辆的扬声器输出用于通知是晕动的状态的消息。由此,例如驾驶者考虑晕动状态的乘员而注意谨慎驾驶,能够减轻晕动。
如上面所说明的那样,根据第三实施方式,能够根据与基于伴有含水的就座状态3而对导电性聚氨酯22施加的包含水分的压力刺激相应地变化的输入数据4(电阻),来估计乘员的伴有含水的就座状态,使用估计结果来调整乘员的环境。即,能够在不使用特殊的装置、大型的装置、或者不直接测量柔软构件的变形的情况下估计未知的乘员的伴有含水的就座状态,能够使用估计结果来调整乘员的环境。
<第四实施方式>
下面说明第四实施方式。第四实施方式能够沿用第一实施方式。因此,下面,在第四实施方式中,以与第一实施方式不同的部分为中心进行说明,针对与第一实施方式相同的部分标注相同的附图标记,并省略详细的说明。
在第四实施方式中,“就座于车辆用座椅的乘员的伴有运动的姿势状态”是包含柔软材料会变形的对柔软材料施加压力的乘员的状态的概念,包含就座于车辆用座椅的乘员的姿势、运动等乘员的行为。在本实施方式中,说明姿势状态是乘员就座到车辆用座椅的就座状态的情况。在该情况下,“车辆用座椅的乘员的伴有运动的就座状态”是包含与车辆用座椅的乘员的呼吸有关的状态、与乘员的落座方式的动作有关的状态、以及与车辆用座椅的乘员的倾斜动作有关的状态的概念。另外,与车辆用座椅的乘员的呼吸有关的状态包含表示是否进行了深呼吸的状态、表示是否打了哈欠的状态等。另外,与车辆用座椅的乘员的落座方式的动作有关的状态表示深坐在车辆用座椅上、之后重新落座而浅坐在车辆用座椅上、再次重新落座而深坐在车辆用座椅上等重新落座的动作的状态、前后左右摇晃身体的状态、与用力地坐到车辆用座椅上和轻轻地坐到车辆用座椅上等开始落座时的强弱有关的状态、表示更换踩踏油门踏板和刹车踏板等与车辆的驾驶有关的踏板的动作的状态、表示更换翘左脚和右脚的动作的状态、抬起左右双腿、或者左腿和右腿中的一条腿的状态等。另外,与车辆用座椅的乘员的倾斜动作有关的状态包含表示改变车辆用座椅的座椅靠背的角度的动作的状态等。
第四实施方式中的图28~图34与第一实施方式的图1、图7~图11、图13对应。而且,能够通过将第一实施方式的图1、图7~图11、图13的说明中的“姿势状态”换用为“伴有运动的姿势状态”、将“就座状态”换用为“伴有运动的就座状态”来说明图28~图34。
此外,伴有运动的就座状态包含表示乘员的按时间序列的行为的状态。该表示乘员的按时间序列的行为的状态包含基于在车辆用座椅2上按时间序列变化的多个姿势、运动的动态状态。另外,电气特性(即,作为电阻值的体积电阻值)只要将电气特性检测部76(图3)与检测点75连接来检测即可。
另外,上述的与呼吸有关的状态除了深呼吸以外还包含表示是否打了哈欠的状态。另外,与落座方式的动作有关的状态包含与用力地坐到车辆用座椅2上和轻轻地坐到车辆用座椅2上等开始落座时的强弱有关的状态、表示更换踩踏油门踏板和刹车踏板等与车辆的驾驶有关的踏板的动作的状态、表示更换翘左脚和右脚的动作的状态等。在图35中示出作为乘员的伴有运动的就座状态而言乘员打了哈欠的情况下的电气特性。另外,在图36中示出作为乘员的伴有运动的就座状态而言乘员进行了更换踩踏踏板的动作的情况下的电气特性。另外,在图37中示出乘员进行了更换翘左脚和右脚的动作的情况下的电气特定。图35的(A)~(H)、图36的(A)~(H)、图37的(A)~(H)分别是图16所示的检测组#1~#8的各检测结果。另外,上述的伴有运动的就座状态除了深呼吸和打哈欠等与呼吸有关的状态、与落座方式的动作有关的状态以外,还包含各种状态。例如伴有运动的就座状态包含与车辆用座椅2的乘员的倾斜动作有关的状态、即与变更座椅靠背21B相对于座椅座垫21A的角度的动作有关的状态。这些伴有运动的就座状态与上述的乘员OP的伴有运动的就座状态(姿势)同样地能够根据乘员OP的各部位相对于车辆用座椅2的相对的位置关系、由各部位产生的压力刺激的分布、大小及频度等各物理量的变化、维持等中的至少一部分来确定。因而,认为按时间序列的物理量的一部分包含表示各个伴有动作的就座状态(姿势)的特征,通过使用导电性聚氨酯22,能够按时间序列检测反映出这些状态下的物理量的电气特性(体积电阻)。
根据第四实施方式,能够估计乘员的伴有运动的就座状态。由此,能够进行乘员的舒适度、疲劳度、晕动的估计。
另外,除了上述就座状态的变化以外,当由于长时间就座而血流不畅从而臀部等感到麻木等时,乘员会想要前后左右活动臀部来促进血流并消除麻木。另外,由于长时间维持相同的姿势而使相同部位的肌肉疲劳,因此不只是改变就座状态,也会想要活动身体来缓解肌肉的僵直。在本实施方式中,能够感知这样的乘员的身体的活动,因此也能够应用于乘员的疲劳度的判定。
<第五实施方式>
下面说明第五实施方式。第五实施方式能够沿用第四实施方式。因此,下面,在第五实施方式中,以与第四实施方式不同的部分为中心进行说明,针对与第四实施方式相同的部分标注相同的附图标记,并省略详细的说明。
在第五实施方式中,“车辆用座椅的乘员的伴有运动的就座状态”是包含与车辆用座椅的乘员的呼吸有关的状态、与乘员的落座方式的动作有关的状态、以及与车辆用座椅的乘员的姿势的变化有关的状态的概念。另外,与车辆用座椅的乘员的姿势的变化有关的状态包含表示在乘员就座于车辆用座椅的状态下变更身体的位置的动作的状态等。
此外,与乘员的呼吸有关的状态被认为同与乘员的身心情况有关的状态紧密相关。在此,与乘员的身心情况有关的状态是指表示乘员的疲劳程度、紧张程度以及清醒程度中的至少一者的状态。例如,一般认为呼吸的速度越快则乘员的紧张程度越高。像这样,由于与乘员的呼吸有关的状态被认为同与乘员的身心情况有关的状态紧密相关,因此如果作为就座于车辆用座椅的乘员的伴有运动的就座状态而能够估计出与乘员的呼吸有关的状态,则也能够估计出与乘员的身心情况有关的状态。例如,通过使用表示与乘员的呼吸有关的状态同与乘员的身心情况有关的状态之间的对应关系的表数据,能够根据与乘员的呼吸有关的状态来确定与乘员的身心情况有关的状态。
另外,与乘员的落座方式的动作有关的状态被认为同与乘员的身心情况有关的状态紧密相关。例如,一般认为重新落座的动作的频度越高,则乘员越不平静,紧张程度越高。像这样,由于与乘员的落座方式的动作有关的状态被认为同与乘员的身心情况有关的状态紧密相关,因此如果作为就座于车辆用座椅的乘员的伴有运动的就座状态而能够估计出与乘员的落座方式有关的状态,则也能够估计出与乘员的身心情况有关的状态。例如,通过使用表示与乘员的落座方式有关的状态同与乘员的身心情况有关的状态之间的对应关系的表数据,能够根据与乘员的落座方式有关的状态来确定与乘员的身心情况有关的状态。
另外,与乘员的姿势的变化有关的状态被认为同与乘员的身心情况有关的状态紧密相关。例如,在乘员的姿势几乎不变化的情况下,一般认为是清醒程度低、即接近于打瞌睡的状态。像这样,由于与乘员的姿势的变化有关的状态被认为同与乘员的身心情况有关的状态紧密相关,因此如果作为就座于车辆用座椅的乘员的伴有运动的就座状态而能够估计出与乘员的姿势的变化有关的状态,则也能够估计出与乘员的身心情况有关的状态。例如,通过使用表示与乘员的姿势的变化有关的状态同与乘员的身心情况有关的状态之间的对应关系的表数据,能够根据与乘员的姿势的变化有关的状态来确定与乘员的身心情况有关的状态。
根据上面的记述,第五实施方式中的“车辆用座椅的乘员的伴有运动的就座状态”包含与乘员的身心情况有关的状态。
在图38中示出第五实施方式所涉及的控制装置11的结构的一例。控制装置11是对图28所示的估计装置1添加控制部71和车辆装置81而得到的结构。
控制装置11中的控制部71使用通过上述估计处理所输出的姿势状态信息,来控制构成搭载有车辆用座椅2的车辆的车辆装置81。在本公开中,作为一例,车辆装置81包含座椅驱动装置81A和声音输出装置81B。座椅驱动装置81A是用于进行车辆用座椅2的座椅座垫相对于车辆的在前后方向上的位置的调整以及座椅靠背的角度(倾斜角度)的调整中的至少一方的装置。声音输出装置81B是通过向车厢内输出各种声音消息来向乘员进行通知的装置。
控制部71控制座椅驱动装置81A,以使车辆用座椅2的位置成为与所估计出的与乘员的身心情况有关的状态相应的位置。例如,控制部71在作为与乘员的身心情况有关的状态而估计为疲劳度高的情况下,控制座椅驱动装置81A以使倾斜角度变小、即放倒座椅靠背。由此,能够减轻乘员的疲劳程度。另外,控制部71也可以在作为与乘员的身心情况有关的状态而估计为疲劳度高的情况下,使声音输出装置81B输出催促休息的声音消息。
另外,控制部71例如在作为与乘员的身心情况有关的状态而估计为清醒程度低、即接近于打瞌睡的状态的情况下,控制座椅驱动装置81A以使倾斜角度变大,即以使座椅靠背竖起。由此,能够提高乘员的清醒程度。另外,控制部7也可以在作为与乘员的身心情况有关的状态而估计为清醒程度低的情况下,使声音输出装置81B输出催促注意的声音消息。另外,控制部71也可以在作为与乘员的身心情况有关的状态而估计为紧张程度低、即放松的情况下,使声音输出装置81B输出催促注意驾驶的声音消息。
另外,认为如果乘员不同,则例如与针对车辆用座椅2的落座方式的动作有关的状态也不同。因此,控制部71也可以控制座椅驱动装置81A,以根据与落座方式的动作有关的状态、例如针对车辆用座椅2开始落座的动作来调整车辆用座椅2的位置。由此,能够针对每个乘员调整车辆用座椅2的位置,因此例如在车辆用座椅2是驾驶座的情况下,在作为乘员的驾驶员就座于驾驶座时自动地调整车辆用座椅2的位置,而不需要驾驶者自己调整车辆用座椅2的位置。
在图39中示出基于在计算机主体100中执行的控制程序108P的估计/控制处理的流程的一例。
步骤S200~S204的处理与图34的步骤S200~S204的处理相同。
在步骤S206中,向辅助存储装置108输出作为估计结果的输出数据6(乘员的伴有运动的就座状态)。
然后,在步骤S208中,CPU 102使用作为估计结果的输出数据6来控制车辆装置81。例如,如上所述,以使车辆用座椅2的位置成为同所估计出的与乘员的身心情况有关的状态相应的位置的方式控制座椅驱动装置81A。例如,控制部71在作为与乘员的身心情况有关的状态而估计为疲劳度高的情况下,控制座椅驱动装置81A以使倾斜角度变小、即放倒座椅靠背。另外,例如,在作为与乘员的身心情况有关的状态而估计为疲劳度高的情况下,使声音输出装置81B输出催促休息的声音消息。另外,例如在作为与乘员的身心情况有关的状态而估计为清醒程度低、即接近于打瞌睡的状态的情况下,控制座椅驱动装置81A以使倾斜角度变大、即竖起座椅靠背。另外,例如在作为与乘员的身心情况有关的状态而估计为清醒程度低的情况下,使声音输出装置81B输出催促注意的声音消息。另外,例如,在作为与乘员的身心情况有关的状态而估计为紧张程度低、即放松的情况下,使声音输出装置81B输出催促注意驾驶的声音消息。
此外,图39所示的估计控制处理是通过本公开的控制方法执行的处理的一例,除此以外也能够进行各种控制。
例如,也可以是,在估计为未就座于副驾驶座等除驾驶座以外的车辆用座椅2的情况下,进行关闭该车辆用座椅2的乘员用安全气囊装置的控制,在估计为就座于副驾驶座等除驾驶座以外的车辆用座椅2的情况下,进行使安全气囊装置打开的控制。由此,能够防止安全气囊装置无用地工作。
另外,也可以收集获取到的姿势状态信息并使用于各种评价。例如,也可以是,作为伴有运动的就座状态,估计出伴有包含刹车踏板和油门踏板中的至少一方的踏板的踏板操作的就座状态,收集所估计出的伴有踏板操作的就座状态的姿势状态信息并使用于驾驶技术的评价。
另外,也可以针对车辆用座椅2的各种类收集姿势状态信息并使用于车辆用座椅2的各种类的座椅特性和乘坐舒适性的评价。
此外,日本专利申请第2021-122012号、日本专利申请第2021-122013号、日本专利申请第2021-122014号、日本专利申请第2021-122021号以及日本专利申请第2021-122022号的公开整体以参照的形式被引入本说明书中。另外,本说明书所记载的全部的文献、专利申请以及技术标准以与具体地且单独地记述各个文献、专利申请以及技术标准以参照的形式被引入的情况相同程度地以参照的形式被引入本说明书。
Claims (19)
1.一种估计装置,包括:
检测部,其检测针对具备柔软材料的车辆用座椅的所述柔软材料预先决定的多个检测点之间的电气特性,所述柔软材料具有导电性、且电气特性与被施加的压力的变化相应地变化;以及
估计部,其针对将对所述柔软材料施加了压力时的按时间序列的电气特性和表示对所述柔软材料施加压力的所述车辆用座椅的乘员的姿势状态的姿势状态信息用作学习用数据、以将所述按时间序列的电气特性作为输入且输出所述姿势状态信息的方式进行学习而得到的学习模型,输入由所述检测部检测出的按时间序列的电气特性,来估计与所输入的按时间序列的电气特性对应的表示所述乘员的姿势状态的姿势状态信息。
2.根据权利要求1所述的估计装置,其中,
所述电气特性为体积电阻,
所述车辆用座椅包含座椅座垫、座椅靠背、头枕以及扶手中的至少一者,
所述姿势状态包含乘员向所述车辆用座椅就座的就座状态,
所述学习模型学习为输出与所检测出的电气特性对应的表示乘员的就座状态的信息作为所述姿势状态信息。
3.根据权利要求2所述的估计装置,其中,
所述车辆用座椅包含对具有纤维状和网格状中的至少一方的骨架的构造、或内部散布着多个微小的空气泡的构造的聚氨酯材料的至少一部分赋予导电性而得到的材料。
4.根据权利要求2或3所述的估计装置,其中,
所述就座状态包含与所述车辆用座椅的乘员的呼吸有关的状态、与所述乘员的落座方式的动作有关的状态、以及与所述车辆用座椅的倾斜有关的状态,
所述学习模型学习为输出与所检测出的电气特性对应的、表示与乘员的呼吸有关的状态、与所述乘员的落座方式的动作有关的状态以及与所述车辆用座椅的倾斜有关的状态中的至少一者的信息作为所述姿势状态信息。
5.根据权利要求1~4中的任一项所述的估计装置,其中,
所述学习模型包括通过将所述柔软材料作为储备池、并使用基于利用了该储备池的储备池计算的网络进行学习而生成的模型。
6.根据权利要求1~5中的任一项所述的估计装置,其中,
所述柔软材料是具有导电性、且电气特性与被施加的压力及水分的变化相应地变化的柔软材料,
所述姿势状态信息是对所述柔软材料施加了压力和水分时的按时间序列的电气特性以及表示对所述柔软材料施加压力和水分的所述车辆用座椅的乘员的伴有含水的姿势状态的姿势状态信息,
所述估计部估计表示所述乘员的伴有含水的姿势状态的姿势状态信息。
7.根据权利要求6所述的估计装置,其中,
所述乘员的伴有含水的姿势状态包括在所述乘员的就座状态下伴有出汗的姿势状态。
8.根据权利要求6或7所述的估计装置,其中,
所述姿势状态包括乘员向所述车辆用座椅就座的伴有含水的就座状态,
所述学习模型学习为输出与所检测出的电气特性对应的表示乘员的伴有含水的就座状态的信息作为所述姿势状态信息。
9.根据权利要求1~5中的任一项所述的估计装置,其中,
所述姿势状态信息是对所述柔软材料施加了压力时的按时间序列的电气特性以及表示对所述柔软材料施加压力的所述车辆用座椅的乘员的伴有运动的姿势状态的姿势状态信息,
所述估计部估计表示所述乘员的伴有运动的姿势状态的姿势状态信息。
10.根据权利要求9所述的估计装置,其中,
所述姿势状态包括乘员向所述车辆用座椅就座的伴有运动的就座状态,
所述学习模型学习为输出与所检测出的电气特性对应的表示乘员的伴有运动的就座状态的信息作为所述姿势状态信息。
11.一种控制装置,包括:
根据权利要求6~8中的任一项所述的估计装置;以及
控制部,其使用由所述估计部估计出的姿势状态信息,来控制包含所述车辆用座椅的调温装置和设置有所述车辆用座椅的车厢的空调装置中的至少一方的环境调整装置。
12.根据权利要求11所述的控制装置,其中,
所述车辆用座椅包含座椅座垫、座椅靠背、头枕以及扶手中的至少一者,
所述姿势状态包括乘员向所述车辆用座椅就座的伴有含水的就座状态,
所述控制部使用由所述估计部估计出的姿势状态信息来控制所述环境调整装置。
13.一种控制装置,包括:
根据权利要求9或10所述的估计装置;以及
控制部,其使用由所述估计部估计出的姿势状态信息,来控制构成搭载有所述车辆用座椅的车辆的车辆装置。
14.根据权利要求13所述的控制装置,其中,
估计部估计乘员的状态来作为伴有运动的就座状态,
所述控制部基于所述乘员的状态来控制所述车辆装置。
15.根据权利要求14所述的控制装置,其中,
所述乘员的状态是与乘员的身心情况有关的状态,所述控制部控制作为所述车辆装置的座椅驱动装置,以使所述车辆用座椅的位置成为同所述与乘员的身心情况有关的状态相应的位置。
16.根据权利要求14所述的控制装置,其中,
所述乘员的状态是与乘员的身心情况有关的状态,所述控制部使作为所述车辆装置的声音输出装置输出同所述与乘员的身心情况有关的状态相应的声音消息。
17.根据权利要求14所述的控制装置,其中,
所述乘员的状态是与落座方式的动作有关的状态,所述控制部控制作为所述车辆装置的座椅驱动装置,以使所述车辆用座椅的位置成为与落座方式的动作相应的位置。
18.一种估计方法,在该估计方法中计算机进行以下处理:
从检测部获取电气特性,所述检测部检测针对具备柔软材料的车辆用座椅的所述柔软材料预先决定的多个检测点之间的所述电气特性,所述柔软材料具有导电性、且电气特性与被施加的压力的变化相应地变化;以及
针对将对所述柔软材料施加了压力时的按时间序列的电气特性和表示对所述柔软材料施加压力的所述车辆用座椅的乘员的姿势状态的姿势状态信息用作学习用数据、以将所述按时间序列的电气特性作为输入且输出所述姿势状态信息的方式进行学习而得到的学习模型,输入由所述检测部检测出的按时间序列的电气特性,来估计与所输入的按时间序列的电气特性对应的表示所述乘员的姿势状态的姿势状态信息。
19.一种估计程序,用于使计算机执行以下处理:
从检测部获取电气特性,所述检测部检测针对具备柔软材料的车辆用座椅的所述柔软材料预先决定的多个检测点之间的所述电气特性,所述柔软材料具有导电性、且电气特性与被施加的压力的变化相应地变化;以及
针对将对所述柔软材料施加了压力时的按时间序列的电气特性和表示对所述柔软材料施加压力的所述车辆用座椅的乘员的姿势状态的姿势状态信息用作学习用数据、以将所述按时间序列的电气特性作为输入且输出所述姿势状态信息的方式进行学习而得到的学习模型,输入由所述检测部检测出的按时间序列的电气特性,来估计与所输入的按时间序列的电气特性对应的表示所述乘员的姿势状态的姿势状态信息。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021-122014 | 2021-07-26 | ||
JP2021122022A JP2023017640A (ja) | 2021-07-26 | 2021-07-26 | 制御装置、制御方法、及び制御プログラム |
JP2021-122021 | 2021-07-26 | ||
JP2021-122012 | 2021-07-26 | ||
JP2021-122022 | 2021-07-26 | ||
JP2021-122013 | 2021-07-26 | ||
PCT/JP2022/027482 WO2023008187A1 (ja) | 2021-07-26 | 2022-07-12 | 推定装置、制御装置、推定方法、及び推定プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117769504A true CN117769504A (zh) | 2024-03-26 |
Family
ID=85157666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280051879.5A Pending CN117769504A (zh) | 2021-07-26 | 2022-07-12 | 估计装置、控制装置、估计方法以及估计程序 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2023017640A (zh) |
CN (1) | CN117769504A (zh) |
-
2021
- 2021-07-26 JP JP2021122022A patent/JP2023017640A/ja active Pending
-
2022
- 2022-07-12 CN CN202280051879.5A patent/CN117769504A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
JP2023017640A (ja) | 2023-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220410778A1 (en) | Smart vehicle seat | |
US11648853B2 (en) | Seat adjustment and sensing system | |
CN110893811A (zh) | 座椅以及姿态估测*** | |
CN112752675A (zh) | 用于操作座椅***的方法、座椅***和运输工具 | |
KR101394742B1 (ko) | 인체공학적 시트조절 장치 및 방법 | |
JP7331846B2 (ja) | 制御装置、制御方法、プログラム、および移動体 | |
JP7401782B2 (ja) | センサ付きシート | |
CN117769504A (zh) | 估计装置、控制装置、估计方法以及估计程序 | |
US8473105B2 (en) | Feedback control method and device using the same | |
WO2023008187A1 (ja) | 推定装置、制御装置、推定方法、及び推定プログラム | |
JP2019076299A (ja) | シート及びシート制御システム | |
JP3538623B2 (ja) | 接触感覚評価方法 | |
JP2023017632A (ja) | 推定装置、推定方法、推定プログラム、及び学習モデル生成装置 | |
JP2023017639A (ja) | 制御装置、制御方法、及び制御プログラム | |
CN115099087A (zh) | 一种通过有限元方法预测驾乘人员颈部舒适度的方法 | |
JP2023017630A (ja) | 推定装置、推定方法、推定プログラム、及び学習モデル生成装置 | |
JP7380276B2 (ja) | 空調システム、および、空調機の制御方法 | |
JP3731475B2 (ja) | シートの着座検出装置 | |
WO2022039866A1 (en) | Method and system using machine learning algorithm for controlling thermal comfort | |
JP2014230588A (ja) | 乗物用シート付き生体情報検出装置 | |
Boopathi et al. | A critical review of seating discomfort and anthropometric consideration for tractors | |
CN117681738A (zh) | 一种汽车座椅椅面形状与位置的调节方法 | |
CN117871114A (zh) | 汽车座椅舒适性测评方法、***、智能终端和存储介质 | |
CN118107454A (zh) | 座椅 | |
JP2022016947A (ja) | 移動空間提供システム |
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 |