JP2007078116A - Automatic transmission control system - Google Patents
Automatic transmission control system Download PDFInfo
- Publication number
- JP2007078116A JP2007078116A JP2005268710A JP2005268710A JP2007078116A JP 2007078116 A JP2007078116 A JP 2007078116A JP 2005268710 A JP2005268710 A JP 2005268710A JP 2005268710 A JP2005268710 A JP 2005268710A JP 2007078116 A JP2007078116 A JP 2007078116A
- Authority
- JP
- Japan
- Prior art keywords
- travel route
- automatic transmission
- travel
- environment
- route pattern
- 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
Images
Landscapes
- Control Of Transmission Device (AREA)
Abstract
Description
この発明は、車両の走行状態に応じて自動変速機の変速段を制御する自動変速機制御システムに関する。 The present invention relates to an automatic transmission control system that controls a shift stage of an automatic transmission according to a running state of a vehicle.
従来、車両においては、パターン認識や連想記憶などの処理を効率的に実行し得る情報処理機構として人間の脳をまねて構成されたニューラルネットワークを利用して、走行環境やドライバの運転意図を推定しつつ、自動変速機の変速段制御など、走行に関する制御を実行することが知られている。例えば特開平７−２５９９７４号公報や特開平９−２４２８６３号公報では、車両の走行パラメータをニューラルネットワークへ入力し、その出力に基づきドライバの運転意図又は制動力を推定し、変速比を決定するものが開示されている。また、例えば特開平７−９８０６０号公報では、教示モードでドライバの変速操作を学習する一方、自動モードでニューラルネットワークの出力と比較して、相違する場合には、ニューラルネットワーク修正するものが開示されている。 Conventionally, in a vehicle, a driving environment and a driver's driving intention are estimated by using a neural network configured to imitate a human brain as an information processing mechanism that can efficiently execute processes such as pattern recognition and associative memory. However, it is known to execute control related to traveling, such as shift stage control of an automatic transmission. For example, in Japanese Patent Application Laid-Open Nos. 7-259974 and 9-242863, vehicle driving parameters are input to a neural network, and a driver's driving intention or braking force is estimated based on the output to determine a gear ratio. Is disclosed. Further, for example, Japanese Patent Laid-Open No. 7-98060 discloses a technique for learning a driver's shift operation in the teaching mode, but correcting the neural network when it differs from the output of the neural network in the automatic mode. ing.
しかしながら、上記特許文献に開示される技術では、走行環境の推定結果に基づく変速制御が常時同様に実行され、例えば通勤経路など、車両が高頻度で走行する経路についても、走行の度に、ニューラルネットワークによる演算処理により走行環境が推定され、この推定結果に基づき変速機の変速段が切り替えられていた。このため、短い時間で繰り返し走行環境を推定する演算処理が必要であり、演算負荷が大きいうえ、過去の一定時間蓄積したデータにより推定を行うこと、及び、周囲を走行する車両の影響や運転操作のバラツキなどにより走行環境の推定結果が瞬間的に変動する場合があることにより、実際の走行環境と変速段とが不適合となる走行状態がもたらされるという問題があった。 However, in the technique disclosed in the above-mentioned patent document, the shift control based on the estimation result of the driving environment is always executed in the same manner. For example, a route in which the vehicle travels frequently, such as a commuting route, is executed every time the vehicle travels. The traveling environment is estimated by a calculation process by the network, and the shift stage of the transmission is switched based on the estimation result. For this reason, it is necessary to perform a calculation process for repeatedly estimating the driving environment in a short time, and the calculation load is large. In addition, the estimation is performed based on data accumulated for a certain period of time in the past, and the influence and driving operation of the vehicle traveling around There is a problem in that the estimation result of the driving environment may fluctuate instantaneously due to variations in the driving speed, resulting in a driving state in which the actual driving environment and the shift speed are incompatible.
この発明は、上記技術的課題に鑑みてなされたもので、演算処理を低減するとともに、安定した走行環境の検出精度を確保することができ、また、走行環境と変速段とがより適合した走行状態を実現し得る自動変速機制御システムを提供することを目的とする。 The present invention has been made in view of the above technical problem, and can reduce the arithmetic processing, ensure stable detection accuracy of the driving environment, and can further improve the driving environment and the shift speed. An object of the present invention is to provide an automatic transmission control system capable of realizing the state.
そこで、本願の請求項１に係る発明は、車両の走行状態に応じて自動変速機の変速段を制御する自動変速機制御システムであって、車両の走行状態を検出する走行状態検出手段と、該走行状態検出手段により検出された走行状態に基づき、車両の走行環境を推定する走行環境推定手段と、該走行環境推定手段により推定された走行環境の変化を走行経路パターンとして時系列で記憶する走行経路パターン記憶手段と、該走行経路パターン記憶手段に記憶された走行経路パターンの中から、所定の選択条件に関して類似する走行経路パターンを選択する走行経路パターン選択手段と、該走行経路パターン選択手段により走行経路パターンが選択された場合に、選択された走行経路パターンにおける各走行環境の変化に応じて、上記自動変速機の変速段を制御する変速段制御手段と、を有していることを特徴としたものである。
Accordingly, an invention according to
また、本願の請求項２に係る発明は、上記請求項１に係る発明において、上記走行経路パターン記憶手段が、走行経路パターンを構成する走行環境の変化タイミングを実タイミングより早めるように補正することを特徴としたものである。
In the invention according to
更に、本願の請求項３に係る発明は、上記請求項１又は２に係る発明において、上記選択条件が、上記エンジンの始動時刻に関する条件であることを特徴としたものである。
Furthermore, the invention according to
また、更に、本願の請求項４に係る発明は、上記請求項１〜３に係る発明のいずれかにおいて、上記選択条件が、上記エンジンの始動から所定時間内に上記走行経路パターン記憶手段に記憶される走行経路パターンに関する条件であることを特徴としたものである。
Furthermore, the invention according to claim 4 of the present application is the invention according to any one of
また、更に、本願の請求項５に係る発明は、上記請求項１〜４に係る発明のいずれかにおいて、上記走行環境推定手段が、ニューラルネットワークによる演算処理に基づき、上記走行環境を推定することを特徴としたものである。
Furthermore, in the invention according to claim 5 of the present application, in any of the inventions according to
また、更に、本願の請求項６に係る発明は、上記請求項１〜５に係る発明のいずれかにおいて、上記変速段制御手段が上記走行経路パターン選択手段により選択された走行経路パターンに基づき上記自動変速機の変速段を制御する場合には、該走行経路パターンが利用されていない場合と比較して、上記走行環境推定手段による推定処理が低頻度で実行されることを特徴としたものである。
Furthermore, the invention according to claim 6 of the present application is the invention according to any one of
本願の請求項１に係る発明によれば、過去に走行した経路では、学習済みの走行経路パターンに基づき変速段を制御するため、特に高頻度に走行する経路について、安定した走行環境の検出精度を確保することができ、また、走行環境と自動変速機の変速段とがより適合した走行状態を実現することができる。
According to the invention according to
また、本願の請求項２に係る発明によれば、走行経路パターンの記憶時に、走行経路パターンにおける各走行環境の変化タイミングを実タイミングより早める補正が行われるため、走行経路パターンに基づく変速段制御に際して、走行環境の変化と変速段の切替え完了との間のタイムラグを抑制することができ、走行環境と自動変速機の変速段とがより一層適合した走行状態を実現することができる。
According to the invention of
更に、本願の請求項３に係る発明によれば、エンジンの始動時刻に関する条件に基づき、所望の走行経路パターンを効率的に選択することができる。
Further, according to the invention of
また、更に、本願の請求項４に係る発明によれば、エンジンの始動から所定時間内に上記走行経路パターン記憶手段に記憶される走行経路パターンに関する条件に基づき、所望の走行経路パターンを効率的に選択することができる。 Further, according to the invention according to claim 4 of the present application, a desired travel route pattern is efficiently obtained based on a condition relating to the travel route pattern stored in the travel route pattern storage means within a predetermined time from the start of the engine. Can be selected.
また、更に、本願の請求項５に係る発明によれば、ニューラルネットワークによる演算処理によって、走行環境を効率的に推定することができる。 Furthermore, according to the invention of claim 5 of the present application, the traveling environment can be efficiently estimated by the arithmetic processing by the neural network.
また、更に、本願の請求項６に係る発明によれば、走行経路パターンに基づく変速段制御と並行して、走行環境の推定処理が低頻度で実行されることで、演算処理に負荷を低減しつつ、走行経路が変更された場合に対処することができる。 Furthermore, according to the invention according to claim 6 of the present application, in parallel with the shift speed control based on the travel route pattern, the travel environment estimation processing is executed at a low frequency, thereby reducing the load on the arithmetic processing. However, it is possible to cope with a case where the travel route is changed.
以下、本発明の実施形態について、添付図面を参照しながら説明する。
図１は、本発明の実施形態に係る自動変速機制御システム及びそれにより制御される自動変速機を概略的にあらわす説明図である。図１からよく分かるように、この自動変速機制御システム１は、エンジン２０に連結される自動変速機２１に接続されており、自動変速機２１へ制御信号を送信することで、自動変速機２１を制御する。より詳しくは、自動変速機２１は、トルクコンバータ２２と、ギヤ機構及び変速段切替機構２３と、ギヤ機構及び変速段切替機構２３における変速段の切替えを油圧で自動的に制御する油圧制御装置２４とから構成されており、自動変速機制御システム１は、油圧制御装置２４に送信する制御信号を調整することで、自動変速機２１の変速段を制御する。
Embodiments of the present invention will be described below with reference to the accompanying drawings.
FIG. 1 is an explanatory diagram schematically showing an automatic transmission control system and an automatic transmission controlled thereby according to an embodiment of the present invention. As can be clearly understood from FIG. 1, the automatic
自動変速機制御システム１は、走行状態検出用に外部から入力されるパラメータに基づき各種車載品を制御するマイクロコンピュータからなるＣＰＵ２を有している。このＣＰＵ２には、走行状態検出用のパラメータの入力源として、車速センサ３と、アクセル開度を検出するアクセル開度センサ４と、ドライバのブレーキ踏込み状態に応じ、フットブレーキ（不図示）のオンオフを切り替えるブレーキスイッチ５と、車両が重心点まわりに回転する速度を検出するヨーレートセンサ６と、累積走行距離を計測するオドメータ７と、イグニション（ＩＧ）スイッチ８と、年月日や時間をカウントする年月日／時間カウンタ９と、キーＩＤ照合又は生体認証等によるドライバ認証装置１０と、が接続されている。ＣＰＵ２は、これら各種の構成から走行状態検出用に入力されるパラメータ、すなわち、車速，アクセル開度，フットブレーキのオンオフ状態，車両の回転速度，累積走行距離，イグニションのオンオフ状態，年月日及び時間およびドライバをあらわす情報を用いて、走行環境を推定しつつ、油圧制御装置２４へ送信する制御信号を調整することで、自動変速機２１の変速段を制御する。
The automatic
ＣＰＵ２には、走行環境を推定する手段として、ニューラルネットワークが構成されている。このニューラルネットワークにより、ＣＰＵ２に入力されるパラメータに基づき、その時点での走行環境が推定可能であり、推定された走行環境に応じて、油圧制御装置２４用の制御信号が調整される。走行環境としては、例えば市街地，平坦，降坂，登坂，高速道路，ワインディング，渋滞等の環境が予め設定されており、ニューラルネットワークにおいては、走行中に取得されるパラメータに基づき、これらの環境の中から最も可能性の高い走行環境が特定されることとなる。
The
図２は、ニューラルネットワークによる走行環境の推定処理を概念的に示す説明図である。ニューラルネットワーク３０には、それぞれ、入力層Ｌ１，中間層Ｌ２，出力層Ｌ３毎に、ニューロンユニットＵ１，Ｕ２，Ｕ３が複数設定されている。また、入力層Ｌ１のニューロンユニットＵ１と中間層Ｌ２のニューロンユニットＵ２とは、予め学習により設定された結合荷重値Ｖ１を介して結合されるとともに、中間層Ｌ２のニューロンユニットＵ２と出力層Ｌ３のニューロンユニットＵ３とは、予め設定された結合荷重値Ｖ２を介して結合されている。そして、出力層Ｌ３の各ニューロンユニットＵ３には、走行環境のいずれか１つが予め対応付けられている。 FIG. 2 is an explanatory diagram conceptually showing a running environment estimation process by a neural network. In the neural network 30, a plurality of neuron units U1, U2, U3 are set for each of the input layer L1, the intermediate layer L2, and the output layer L3. Further, the neuron unit U1 of the input layer L1 and the neuron unit U2 of the intermediate layer L2 are connected via a connection load value V1 set in advance by learning, and the neuron unit U2 of the intermediate layer L2 and the output layer L3 The neuron unit U3 is connected via a preset connection load value V2. Then, any one of the traveling environments is associated with each neuron unit U3 of the output layer L3 in advance.
走行環境の推定に際し、入力層Ｌ１のニューロンユニットＵ１に走行状態検出用のパラメータが入力されると、各パラメータは入力層Ｌ１から結合荷重値Ｖ１により重み付けされた上で中間層Ｌ２へ送られる。中間層Ｌ２のニューロンユニットＵ２では、重み付けされた入力パラメータの総和がしきい値を越えたか否かが判定され、しきい値を越えれば「１」、越えなければ「０」が出力される。最終的に、出力層Ｌ３のニューロンユニットＵ３のいずれか１つが反応し、それに対応付けられた走行環境が、入力されるパラメータに応じて最も確率の高い走行環境として選択されることとなる。 In estimating the traveling environment, when parameters for detecting the traveling state are input to the neuron unit U1 of the input layer L1, each parameter is weighted from the input layer L1 by the combined load value V1 and sent to the intermediate layer L2. In the neuron unit U2 of the intermediate layer L2, it is determined whether or not the sum of the weighted input parameters exceeds the threshold value. If the threshold value is exceeded, “1” is output, and if not, “0” is output. Eventually, any one of the neuron units U3 in the output layer L3 reacts, and the traveling environment associated therewith is selected as the traveling environment with the highest probability according to the input parameter.
結合荷重値Ｖ１，Ｖ２は、入力層Ｌ１のニューロンユニットＵ１に対する車速，アクセル開度，ブレーキ等の各種パラメータの入力に応じて、走行環境が対応付けられた出力層Ｌ３のニューロンユニットＵ３のいずれか１つが反応するように、各走行環境について予め設定される値である。なお、かかるニューラルネットワークによる走行環境の推定処理は、従来知られるものである。 The combined load values V1 and V2 are one of the neuron units U3 in the output layer L3 to which the traveling environment is associated according to the input of various parameters such as vehicle speed, accelerator opening, and brake to the neuron unit U1 in the input layer L1. It is a preset value for each driving environment so that one reacts. Note that the running environment estimation process using such a neural network is conventionally known.
ところで、前述したように、従来では、ニューラルネットワークによる走行環境の推定処理が走行毎に実行され、この推定結果に基づき変速段が切り替えられるため、例えば通勤経路など高頻度で走行する経路についても、安定した走行環境の検出精度を確保し難く、また、リアルタイムでの変速段の切替えが困難であり、走行環境と変速段とが不適合となる走行状態がもたらされるおそれがあったが、本実施形態では、これを解消すべく、ニューラルネットワークにより推定された走行環境の変化を、走行経路をあらわすパターン（以下、「走行経路パターン」という）としてメモリ１１（図１参照）に時系列で記憶し、それ以降、推定される走行環境の変化に基づき、走行中の経路が、既に記憶された（学習済みの）走行経路パターンに対応する経路と同じ経路であると判定された場合に、記録された走行経路パターンに基づき、自動変速機の変速段を制御する。また、一方、推定される走行環境の変化に基づき、走行中の経路が、既に記憶された走行経路パターンに対応する経路と異なる経路であると判定された場合に、走行環境の推定処理を継続し、新たな走行経路パターンを学習するために、走行環境の変化を時系列で記憶する。 By the way, as described above, conventionally, the travel environment estimation process by the neural network is executed for each travel, and the gear position is switched based on the estimation result. Although it is difficult to ensure stable detection accuracy of the driving environment and it is difficult to switch the gear stage in real time, there is a possibility that a driving state in which the driving environment and the gear stage are incompatible may be brought about. In order to solve this problem, the change in the driving environment estimated by the neural network is stored in the memory 11 (see FIG. 1) in a time series as a pattern representing the driving route (hereinafter referred to as “traveling route pattern”). After that, based on the estimated change in the driving environment, the driving route is changed to the already stored (learned) driving route pattern. If it is determined that the same path as response to the route, based on the recorded travel path pattern, and controls the gear position of the automatic transmission. On the other hand, if it is determined that the traveling route is different from the route corresponding to the already stored traveling route pattern based on the estimated traveling environment change, the traveling environment estimation process is continued. In order to learn a new travel route pattern, changes in the travel environment are stored in time series.
図３は、ニューラルネットワークにより推定されメモリ１１に記録される走行経路パターン及びそれに関連する情報（以下、「ラベル情報」という）の例を示す図である。本実施形態では、ラベル情報として、エンジン始動時刻，曜日，年月日，ドライバをあらわす情報が含まれており、これらのラベル情報は、イグニションスイッチ８のオン操作（エンジン２０の始動）に応じて、ＣＰＵ２に取り込まれる。各走行経路パターンは、ニューラルネットワークにより推定される走行環境の変化が時系列で記憶されることで構成される。
FIG. 3 is a diagram illustrating an example of a travel route pattern estimated by a neural network and recorded in the
本実施形態では、走行経路パターンの記憶時に、各走行経路パターンにおける走行環境の変化タイミングが、ニューラルネットワークにより推定される実際のタイミング（実タイミング）より早められるように補正して記憶される。図３では、実際の走行環境は符号ｔで示されるポイントで切り替わっているが、判定処理遅れにより、符号ｓで示すポイントが走行環境が切り替わったと判定されるポイントであることから、符号ｔで示すポイントまで走行環境の変化タイミングが早められて記憶される。これにより、次回の走行経路パターンに基づく変速段制御に際し、走行環境の変化と変速段の切替え完了との間のタイムラグを抑制することができ、走行環境と自動変速機の変速段とがより一層適合した走行状態を実現することができる。 In the present embodiment, when the travel route pattern is stored, the travel environment change timing in each travel route pattern is corrected and stored so as to be earlier than the actual timing (actual timing) estimated by the neural network. In FIG. 3, the actual driving environment is switched at the point indicated by the symbol t. However, since the point indicated by the symbol s is determined to be that the driving environment has been switched due to the delay in the determination process, it is indicated by the symbol t. The change timing of the driving environment is advanced to the point and stored. As a result, in the next shift speed control based on the travel route pattern, the time lag between the change of the travel environment and the completion of the shift speed change can be suppressed, and the travel environment and the shift speed of the automatic transmission can be further reduced. A suitable running state can be realized.
なお、図３に示したような走行経路パターンにおける各走行環境に対応した変速段制御に関しては、車種等の各種の条件に応じた設定が可能であるが、一般的に、例えば、ワインディング又は交差点では、適切なギヤ段（例えば３速）に固定するなど、走り易さを重視した変速段制御が行われる。また、例えば、市街地又は郊外では、早めにシフトアップしたり、アクセルを戻した場合にも高めのギヤ段に固定したりするなど、燃費を重視した変速段制御が行われる。 Note that the shift speed control corresponding to each driving environment in the driving route pattern as shown in FIG. 3 can be set according to various conditions such as the vehicle type, but generally, for example, winding or intersection Then, gear position control is performed with emphasis on ease of travel, such as fixing to an appropriate gear (for example, third gear). Further, for example, in an urban area or a suburb, shift stage control is performed with an emphasis on fuel efficiency, such as shifting up early or fixing to a higher gear stage even when the accelerator is returned.
続いて、図４〜６を参照しながら、前述した自動変速機制御システム１による変速段制御について詳細に説明する。
図４は、前述した自動変速機制御システム１による変速段制御についてのフローチャートである。ここでは、まず、イグニション（ＩＧ）がオンされたか否か、すなわち、エンジン２０が始動されたか否かが判断され（＃１１）、その結果、ＩＧがオンされていないと判断された場合には、ステップ＃１１が繰り返され、他方、ＩＧがオンされたと判断された場合には、続いて、ラベル情報を含む各種パラメータがＣＰＵ２に読み込まれる（＃１２）。その後、エンジン始動時刻，曜日，年月日，ドライバ等のラベル情報が、既に登録された（すなわち学習済みの）走行経路パターンに関するラベル情報と照合される（＃１３）。
Subsequently, the shift speed control by the automatic
FIG. 4 is a flowchart of the shift speed control by the automatic
次に、ステップ＃１３による照合結果に基づき、学習済みの走行経路パターンの中に、変速段制御に用いられる候補パターンがあるか否かが判断される（＃１４）。すなわち、ステップ＃１３で、読み込まれたラベル情報とほぼ一致するラベル情報が存在した場合には、その走行経路パターンが候補パターンとして認識され、候補パターンありと判断される。ステップ＃１４の結果、候補パターンがないと判断された場合には、ステップ＃１９へ進み、他方、候補パターンがあると判断された場合には、引き続き、走行環境が推定される（＃１５）。このとき、推定された走行環境は時系列でメモリ１１に記憶され、走行経路パターンが取得される。
Next, based on the collation result in
ステップ＃１５の後、ＩＧオンからの走行距離又は経過時間が所定以上となったか否かが判断され（＃１６）、その結果、走行距離又は経過時間が所定未満であると判断された場合には、ステップ＃１５へ戻り、それ以降のステップが繰り返され、他方、走行距離又は経過時間が所定以上であると判断された場合には、引き続き、取得された走行経路パターンが、未学習の走行経路パターン又は学習済みの走行経路パターンのいずれであるかが判定される（＃１７）。なお、この未学習／学習済み判定ステップの詳細については、図５を参照して後述する。
After
その後、ステップ＃１７の判定結果に基づき、取得された走行経路パターンが、未学習の走行経路パターンであるか否かが判断され（＃１８）、その結果、未学習の走行経路パターンであると判断された場合には、リアルタイムで走行環境が判別されつつ自動変速機２１の変速段の制御が行われ（＃１９）、それ以降、走行経路パターンが学習される（＃２０）。このパターン学習ステップの詳細については、図６を参照して後述する。以上で処理が終了される。
Thereafter, based on the determination result of
他方、ステップ＃１８の結果、取得された走行経路パターンが、学習済みの走行経路パターンであると判断された場合には、該当する学習済みの走行経路パターンが読み出され（＃２１）、それ以降、読み出された学習済みの走行経路パターンに基づき、自動変速機２１の変速段の制御が行われる（＃２２）。以上で処理が終了される。
On the other hand, if it is determined in
なお、本実施形態では、走行経路パターンが学習済みパターンである場合に、それ以降、読み出された学習済みパターンに基づき、自動変速機２１の変速段制御が行われるが、この変速段制御と並行して、走行環境の推定処理が実行されることで、走行経路が変更された場合にも対処することができる。ただし、この場合には、演算処理による負荷を低減するために、パターン学習のために例えば１００ｍｓｅｃ周期で走行環境が推定される場合と比較して、より低い頻度（例えば５００ｍｓｅｃ周期）で走行環境の推定処理が実行される。
In the present embodiment, when the travel route pattern is a learned pattern, the shift speed control of the
また、図５は、図４のステップ＃１７における未学習／学習済み判定ステップの詳細をあらわすフローチャートである。ここでは、まず、取得された最新の走行経路パターンと、ステップ＃１４で認識された候補パターンとの類似度が算出される（＃３１）。本実施形態では、この類似度の算出方法として、誤差の累積値が用いられるが、これに限定されることなく、適切であればいかなる値が用いられてもよい。その後、算出された類似度が所定以上であるか否かが判断され（＃３２）、その結果、類似度が所定以上であると判断された場合には、取得された最新の走行経路パターンが、学習済みの走行経路パターンであると判定され（＃３３）、他方、類似度が所定未満であると判断された場合には、取得された最新の走行経路パターンが、未学習の走行経路パターンであると判定される（＃３４）。以上で、図４のメインフローへリターンされる。
FIG. 5 is a flowchart showing details of the unlearned / learned determination step in
更に、図６は、図４のステップ＃２０におけるパターン学習処理の詳細をあらわすフローチャートである。ここでは、まず、走行環境が推定される（＃４１）。これに伴い、推定された走行環境は時系列でメモリ１１に記憶され、走行経路パターンとして認識される。その後、イグニション（ＩＧ）がオフされたか否か、すなわち、エンジン２０が停止されたか否かが判断される（＃４２）。その結果、ＩＧがオフされていない（オンされたまま）と判断された場合には、ステップ＃４１に戻り、それ以降のステップが繰り返され、他方、ＩＧがオフされたと判断された場合には、続いて、取得された最新の走行経路パターンと類似する（実質的に同じと判定される）走行経路パターンがメモリ１１に一時保管されているか否かが判断される（＃４３）。
FIG. 6 is a flowchart showing details of the pattern learning process in
ステップ＃４３の結果、取得された最新の走行経路パターンと類似する走行経路パターンが一時保管されていないと判断された場合には、最新の走行経路パターンが、車両が初めて走行する経路に対応するパターンとして一時保管され（＃４７）、以上で、処理が図４のメインフローへリターンされる。他方、取得された最新の走行経路パターンと類似する走行経路パターンが一時保管されていると判断された場合には、続いて、その走行経路パターンが取得された回数（すなわち学習回数）がカウントされる（＃４４）。ここでは、その時点までの学習回数ｎに対して１だけ加算される（ｎ→ｎ＋１）。
As a result of
ステップ＃４４の後、学習回数が所定以上であるか否かが判断され（＃４５）、その結果、学習回数が所定未満であると判断された場合には、引き続き、走行経路パターンが一時保管された状態に維持され、以上で、図４のメインフローへリターンされる。他方、学習回数が所定以上であると判断された場合には、取得された最新の走行経路パターンが、学習済みの走行経路パターンとして登録され（＃４６）、以上で、図４のメインフローへリターンされる。
After
なお、登録された走行経路パターンには、その使用頻度や最新の使用時期に応じて、それぞれ優先度が設定されてもよい。新規の走行経路パターンを記憶するために、メモリ１１の容量がオーバーするおそれがある場合には、優先度の低い走行経路パターンが削除されてもよい。また、メモリ１１への負担を軽減するために、一時保管された走行経路パターンは、予め設定された期間（例えば一ヶ月等）内に、それに対応する経路が走行されなければ、消去されてもよい。
In addition, a priority may be set to each registered travel route pattern according to the use frequency or the latest use time. In order to store a new travel route pattern, if there is a possibility that the capacity of the
以上の説明から明らかなように、本実施形態によれば、過去に走行した経路について、学習済みの走行経路パターンに基づき変速段が制御されるため、特に高頻度に走行する経路について、安定した走行環境の検出精度を確保することができ、また、走行環境と変速段とがより適合した走行状態を実現することができる。更に、本実施形態によれば、ナビゲーションシステム等の装備コストや地域の制約なしに走行経路を予測することができる。 As is clear from the above description, according to the present embodiment, since the shift speed is controlled based on the learned travel route pattern for the route that has traveled in the past, the route that travels frequently is stable. The detection accuracy of the travel environment can be ensured, and a travel state in which the travel environment and the gear position are more suitable can be realized. Furthermore, according to the present embodiment, it is possible to predict the travel route without the equipment cost of the navigation system or the like and the regional restrictions.
なお、本発明は、例示された実施形態に限定されるものでなく、本発明の要旨を逸脱しない範囲において、種々の改良及び設計上の変更が可能であることは言うまでもない。例えば、前述した実施形態では、走行経路パターンがニューラルネットワークにより推定される走行環境の変化に基づき取得されたが、これに限定されることなく、走行経路パターンは、ステアリング舵角の変化に基づき取得されてもよい。 It should be noted that the present invention is not limited to the illustrated embodiments, and it goes without saying that various improvements and design changes can be made without departing from the scope of the present invention. For example, in the above-described embodiment, the travel route pattern is acquired based on the change in the travel environment estimated by the neural network, but the travel route pattern is acquired based on the change in the steering angle without being limited thereto. May be.
本発明は、車両の走行状態に応じて自動変速機の変速段を制御する自動変速機制御システムを搭載する車両であれば、いかなるものにも適用可能である。 The present invention can be applied to any vehicle as long as it is equipped with an automatic transmission control system that controls the shift stage of the automatic transmission according to the running state of the vehicle.
１…自動変速機制御システム，２…ＣＰＵ，３…車速センサ，４…アクセル開度センサ，５…ブレーキスイッチ，６…ヨーレートセンサ，７…オドメータ，８…ＩＧスイッチ，９…年月日／時間カウンタ，１０…ドライバ認証装置，１１…メモリ，２１…自動変速機。
DESCRIPTION OF
Claims (6)
車両の走行状態を検出する走行状態検出手段と、
上記走行状態検出手段により検出された走行状態に基づき、車両の走行環境を推定する走行環境推定手段と、
上記走行環境推定手段により推定された走行環境の変化を走行経路パターンとして時系列で記憶する走行経路パターン記憶手段と、
上記走行経路パターン記憶手段に記憶された走行経路パターンの中から、所定の選択条件に関して類似する走行経路パターンを選択する走行経路パターン選択手段と、
上記走行経路パターン選択手段により走行経路パターンが選択された場合に、選択された走行経路パターンにおける各走行環境の変化に応じて、上記自動変速機の変速段を制御する変速段制御手段と、を有していることを特徴とする自動変速機制御システム。 An automatic transmission control system for controlling a shift stage of an automatic transmission according to a running state of a vehicle,
Traveling state detecting means for detecting the traveling state of the vehicle;
A traveling environment estimation unit that estimates a traveling environment of the vehicle based on the traveling state detected by the traveling state detection unit;
Travel route pattern storage means for storing changes in the travel environment estimated by the travel environment estimation means in time series as travel route patterns;
A travel route pattern selecting means for selecting a similar travel route pattern with respect to a predetermined selection condition from the travel route patterns stored in the travel route pattern storage means;
A shift speed control means for controlling a shift speed of the automatic transmission according to a change in each travel environment in the selected travel path pattern when a travel path pattern is selected by the travel path pattern selection means; An automatic transmission control system characterized by comprising:
When the shift speed control means controls the shift speed of the automatic transmission based on the travel path pattern selected by the travel path pattern selection means, compared to the case where the travel path pattern is not used, 6. The automatic transmission control system according to claim 1, wherein the estimation process by the traveling environment estimation unit is executed at a low frequency.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2005268710A JP2007078116A (en) | 2005-09-15 | 2005-09-15 | Automatic transmission control system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2005268710A JP2007078116A (en) | 2005-09-15 | 2005-09-15 | Automatic transmission control system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2007078116A true JP2007078116A (en) | 2007-03-29 |
Family
ID=37938652
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2005268710A Pending JP2007078116A (en) | 2005-09-15 | 2005-09-15 | Automatic transmission control system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2007078116A (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016528569A (en) * | 2013-04-12 | 2016-09-15 | ダナ リミテッド | Vehicle and operator guidance by pattern recognition |
| CN108885722A (en) * | 2016-03-25 | 2018-11-23 | 索尼公司 | Information processing equipment |
| JP2020128951A (en) * | 2019-02-12 | 2020-08-27 | 国立研究開発法人防災科学技術研究所 | Building damage state estimation system and building damage state estimation method |
-
2005
- 2005-09-15 JP JP2005268710A patent/JP2007078116A/en active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016528569A (en) * | 2013-04-12 | 2016-09-15 | ダナ リミテッド | Vehicle and operator guidance by pattern recognition |
| US9956966B2 (en) | 2013-04-12 | 2018-05-01 | Dana Limited | Vehicle and operator guidance by pattern recognition |
| CN108885722A (en) * | 2016-03-25 | 2018-11-23 | 索尼公司 | Information processing equipment |
| JPWO2017163538A1 (en) * | 2016-03-25 | 2019-01-31 | ソニー株式会社 | Information processing device |
| JP2020128951A (en) * | 2019-02-12 | 2020-08-27 | 国立研究開発法人防災科学技術研究所 | Building damage state estimation system and building damage state estimation method |
| JP7117737B2 (en) | 2019-02-12 | 2022-08-15 | 国立研究開発法人防災科学技術研究所 | Building Damage Estimation System and Building Damage Estimation Method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108248609B (en) | Hybrid vehicle and method of predicting driving pattern in hybrid vehicle | |
| US10717427B2 (en) | Hybrid vehicle and method of controlling engine start | |
| US10688981B2 (en) | Hybrid vehicle and method of controlling mode transition | |
| CN108216184B (en) | Hybrid vehicle and method of controlling mode transition | |
| US9429443B2 (en) | Method and system for determining parameters of a model for the longitudinal guidance and for the determination of a longitudinal guide for a vehicle | |
| EP2741268B1 (en) | Vehicle information processing apparatus and vehicle information processing method | |
| US20210163015A1 (en) | Method for Learning Travel Characteristics and Travel Assistance Device | |
| JP4797891B2 (en) | Throttle opening control device | |
| CN106564493A (en) | Automatic parking assist system and method for operating the same | |
| JP5407913B2 (en) | Drive control device | |
| JP2007078116A (en) | Automatic transmission control system | |
| JP2020113255A5 (en) | ||
| KR102252916B1 (en) | Hybrid vehicle and method of controlling engine | |
| JP5487931B2 (en) | Position correction apparatus and method, and driving support apparatus | |
| CN112797151B (en) | Gear determining device, gear determining method and simulation device | |
| CN109153382A (en) | The offer of driver assistance | |
| JP2007078117A (en) | Automatic transmission control system | |
| JP5056192B2 (en) | Vehicle control device | |
| JP6587803B2 (en) | Vehicle travel control device and vehicle travel control method | |
| JP2008168865A (en) | Control unit for vehicle | |
| JP2008019939A (en) | Vehicular automatic transmission control device | |
| JP2009134552A (en) | Drive supporting device, drive supporting method, and computer program | |
| JP2020011603A (en) | Travel control device and travel control method | |
| CN118076858A (en) | Method for generating a regulated energy-efficient trajectory | |
| JP2007313927A (en) | Driving force controller for vehicle |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20080131 |