JP2008285111A - 車両用空調装置およびその制御方法 - Google Patents
車両用空調装置およびその制御方法 Download PDFInfo
- Publication number
- JP2008285111A JP2008285111A JP2007134342A JP2007134342A JP2008285111A JP 2008285111 A JP2008285111 A JP 2008285111A JP 2007134342 A JP2007134342 A JP 2007134342A JP 2007134342 A JP2007134342 A JP 2007134342A JP 2008285111 A JP2008285111 A JP 2008285111A
- Authority
- JP
- Japan
- Prior art keywords
- unit
- probability
- information
- setting operation
- setting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
- B60H1/00735—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
- B60H1/00735—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models
- B60H1/00764—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models the input being a vehicle driving condition, e.g. speed
- B60H1/00771—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models the input being a vehicle driving condition, e.g. speed the input being a vehicle position or surrounding, e.g. GPS-based position or tunnel
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Air-Conditioning For Vehicles (AREA)
Abstract
【解決手段】車両用空調装置は、空調空気を車内に供給する空調部10と、情報取得部(51〜53、55〜58)により取得された車両に関する状態情報を学習データ群として記憶する記憶部61と、現状態情報を入力することにより乗員が所定の設定操作を行う推薦確率を算出するための確率モデルを、学習データ群を用いて構築する学習部68と、確率モデルに現状態情報を入力して、所定の設定操作を行う推薦確率を算出する推薦確率算出部64と、所定の規則に従って推薦確率を修正する推薦確率修正部65と、修正された推薦確率に応じて、乗員の設定操作に関連する設定情報又は制御情報を、所定の設定操作となるように修正する制御情報修正部66と、制御情報にしたがって、空調部10の空調制御を行う空調制御部67とを有する。
【選択図】図1
Description
あるいは請求項3に記載のように、推薦確率修正部(65)は、学習データ群に含まれる状態情報の数が少ないほど、推薦確率を高くすることが好ましい。
あるいは請求項6に記載のように、推薦確率修正部(65)は、現状態情報が所定の値を有する場合に車両用空調装置について行われる設定操作の頻度が高いほど、推薦確率を高くすることが好ましい。
あるいは請求項12に記載のように、データ重み付け部(69)は、学習データ群に含まれる状態情報の数が所定数以下の場合、その状態情報の数が所定数よりも多い場合と比較して比重が高くなるように重み付けすることが好ましい。
あるいは請求項15に記載のように、データ重み付け部(69)は、学習データ群に含まれる状態情報が所定の値を有する場合に車両用空調装置について行われる設定操作の頻度が高いほど、その所定の値を有する状態情報の比重が高くなるように重み付けすることが好ましい。
あるいは請求項18に記載のように、記憶部(61)は、確認操作部(59)により所定の設定操作を行うことが提示された提示回数、及び確認操作部(59)を通じて搭乗者により所定の設定操作を行うことを決定する操作が行われた肯定操作回数を確率モデルに関連付けて記憶し、データ重み付け部(69)は、提示回数に占める肯定操作回数の比率が高いほど、所定の設定操作について算出された推薦確率に関連する状態情報の比重を高くすることが好ましい。
あるいは請求項23に記載のように、閾値設定部(70)は、学習データ群に含まれる状態情報の数が少ないほど、第1の閾値または第2の閾値を低くすることが好ましい。
あるいは請求項26に記載のように、閾値設定部(70)は、現状態情報が所定の値を有する場合に車両用空調装置について行われる設定操作の頻度が高いほど、第1の閾値または第2の閾値を低くすることが好ましい。
なお、上記各手段に付した括弧内の符号は、後述する実施形態に記載の具体的手段との対応関係を示す一例である。
本発明の第1の実施形態に係る車両用空調装置は、搭乗者の温感又は特定状況に合わせて学習された少なくとも一つの確率モデルに基づいて、搭乗者の空調設定操作を推定した推薦確率を求め、その推薦確率に応じて適切と考えられる空調設定を自動的に実行または搭乗者に推薦するものである。特に、推薦確率の算出に使用するパラメータ、搭乗者の過去の設定操作時の反応などに応じて、推薦確率を修正することにより、最適な空調設定を適切に実行または推薦するものである。
このように、ナビゲーションシステム56、車両操作機器57及び車載時計58もまた、情報取得部として機能する。
制御部60は、図示していないCPU,ROM,RAM等からなる1個もしくは複数個の図示してないマイクロコンピュータ、その周辺回路、電気的に書き換え可能な不揮発性メモリ等からなる記憶部61、及び各種センサ、ナビゲーションシステム56又は車両操作機器57などとコントロールエリアネットワーク(CAN)のような車載通信規格に従って通信を行う通信部62から構成される。
本実施形態では、確率モデルとして、ベイジアンネットワークを用いた。ベイジアンネットワークは、複数の事象の確率的な因果関係をモデル化するものであり、各ノード間の伝播を条件付き確率で求める、非循環有向グラフで表されるネットワークである。なお、ベイジアンネットワークの詳細については、本村陽一、岩崎弘利著、「ベイジアンネットワーク技術」、初版、電機大出版局、2006年7月、繁桝算男他著、「ベイジアンネットワーク概説」、初版、培風館、2006年7月、又は尾上守夫監修、「パターン識別」、初版、新技術コミュニケーションズ、2001年7月などに開示されている。
推薦確率修正部65は、推薦確率の算出に用いた確率モデルに関連付けて記憶されている反応時間の平均値を求める。そして、推薦確率修正部65は、反応時間の平均値が短いほど、推薦確率を高くする。例えば、推薦確率修正部65は、反応時間の平均値が5秒未満であれば、推薦確率算出部64で算出された推薦確率に1.1を乗じ、反応時間の平均値が5秒以上であれば、推薦確率算出部64で算出された推薦確率を修正しない。なお、推薦確率修正部65は、反応時間の平均値を3段階以上に区分して、その平均値が短い区分ほど推薦確率に乗じる係数が大きくなるようにしてもよい。
第3の規則を適用する場合も、推薦された設定操作に対して搭乗者が承認操作を行ったか否かを記録することが必要であるため、上記の第2の規則と同様に、制御情報修正部66は、所定の設定操作を行う推薦確率が所定の範囲のとき、搭乗者に対してその所定の設定操作の内容を提示する。そして制御情報修正部66は、その所定の設定操作を提示した累計回数、及びその提示に対して搭乗者が承認操作を行った累計回数を求め、その所定の設定操作に関する推薦確率の算出に用いた確率モデルに関連付けて、記憶部61に記憶する。
例えば、推薦確率修正部65は、確率モデルの学習に用いた学習データに含まれる状態情報の組の数が30個未満であれば、推薦確率算出部64で算出された推薦確率に1.1を乗じ、その状態情報の組の数が30個以上であれば、推薦確率算出部64で算出された推薦確率を修正しない。
また、上記と逆に、推薦確率修正部65は、確率モデルの構築に用いた学習データ数が多いほど、推薦確率が高くなるように修正してもよい。学習データ数が多いほど、搭乗者が設定操作を行う状況を的確に把握できると考えられるためである。
また、推薦確率算出部64は、その特定状況に対応する確率モデルを用いて、所定の設定操作を行う推薦確率を算出する。
そして、例えば、推薦確率修正部65は、1回の乗車当たりの操作頻度の平均値が5以上であれば、推薦確率算出部64で得られた推薦確率に1.1を乗じ、その平均値が5未満であれば、推薦確率を修正しない。
そして、制御情報修正部66は、得られた推薦確率が、搭乗者がその設定操作を行うことがほぼ確実であると考えられる第1の閾値Th1(例えば、Th1=0.9)以上の場合、その設定操作を自動的に実行する。具体的には、その設定操作に関連する設定情報または制御情報の値を、確率モデルに関連付けられた、すなわち、その確率モデルに対して一意に規定され、各確率モデルとともに記憶部61に記憶された設定情報または制御情報の修正情報を用いて修正する。
図3に、このような特定状況の一例を示す。ここで示される状況は、搭乗者(Aさん)が、土曜日の午後はいつも運動公園でテニスを行い、その後、4時ごろ自家用車に乗ると、車両用空調装置の設定温度を普段よりも下げることを好むといったものである。一方、それ以外の場合、例えば、職場からの帰宅時などでは、そのような設定操作を行わないような場合を考える。
P(x4=1|x1=1,x2=1,x3)
= P(x4=1|x1=1,x2=1,x3=1)・P(x3=1)
+ P(x4=1|x1=1,x2=1,x3=0)・P(x3=0)
= 0.95・0.15 + 0.55・0.85 = 0.61
となる。したがって、得られた確率は、第1の閾値Th1よりも小さいが、第2の閾値Th2以上であるため、制御情報修正部66は、設定温度Tsetを3℃下げるか否か、A/C操作パネル59などを通じて搭乗者に確認する。
制御情報修正部66は、上記の処理によって、設定情報または制御情報を必要に応じて修正すると、それらの設定情報または制御情報を制御部60の各部で利用可能なように、制御部60のRAMに一時記憶する。
なお、温度調節部671は、空調温度Tao及びエアミックスドア28の開度を、ニューラルネットワークを用いた制御やファジイ制御など、他の周知の制御方法を用いて決定してもよい。算出された空調温度Taoは、制御部60の他の部で参照できるように、記憶部61に記憶される。
また、吹出口制御部673は、制御情報修正部66が風量比の設定値又は設定温度Tsetを修正している場合には、その修正された設定値又は設定温度Tsetを使用して各ドア37〜39の開度を決定する。
これら学習データDAk及び操作回数iAkは、登録済み利用者及び設定操作ごとに別個に記憶される。
様々な状況に対応可能な、汎用的な確率モデルを構築するためには、多数のノードを含む、非常に大きな確率モデルを構築する必要がある。しかし、そのような確率モデルの学習には、非常に長い計算時間を要し、また、学習に必要なハードウェアリソースも膨大なものとなる。そこで、本実施形態では、状態情報のうち、設定操作と特に関連が深そうなものを幾つか入力パラメータとして選択し、それら入力パラメータの組み合わせに対する条件付き確率によって設定操作を行う確率を求める2層構成のグラフ構造を標準モデルとして15種類準備した。しかし、標準モデルの数は、15種類に限られない。標準モデルの数は、得られる状態情報の数や、学習対象とする設定操作の種類に応じて、適宜最適化できる。また、標準モデルは、入力パラメータを1個だけとするものや、取得可能な全ての状態情報を入力パラメータとするものであってもよい。さらに、標準モデルは、2層構成のグラフ構造に限られず、制御部60を構成するCPUの能力に応じて、3層以上のグラフ構造のものを標準モデルとして使用してもよい。
それらの標準モデルは、記憶部61に記憶される。そして、学習時には、各標準モデルについて、その標準モデルに含まれる各ノード間の条件付き確率を決定して仮の確率モデルを構築する。その後、情報量基準を用いて、最も適切なグラフ構造を有する仮の確率モデルを選択する。その選択されたモデルが、構築された確率モデルとなる。
図6(a)〜(d)に、15個の標準モデルのうちの4個を例として示す。図6(a)〜(d)に示す標準モデル501〜504は、何れも入力ノードと出力ノードからなる2層構成のベイジアンネットワークである。各標準モデル501〜504は、入力ノードに与えられるパラメータが異なる。
学習が開始されると、学習部68は、まず、各標準モデルに対して、学習データDAkから対象となる入力パラメータを抽出して各ノードの条件付き確率を求め、CPTを作成して確率モデルを構築する(ステップS201)。
そこで、学習部68は、記憶部61から読み出した、学習データDAkから、各ノードについて、各パラメータの状態ごとに該当する数nを数える。そして、その数nを全事象数Nで除した値を、事前確率及び条件付き確率の値とする。例えば、図6(b)の標準モデル502を例として説明する。ここで、30個のデータの組を含む学習データDAkがあり、このうち、入力ノードの一つに割り当てられている現在位置について調べると、自宅である回数(y11=0)が15回、職場である回数(y11=1)が12回、近所の公園である回数(y11=2)が3回とすると、現在位置に対する事前確率P(y11)は、それぞれ、P(y11=0)=0.5、P(y11=1)=0.4、P(y11=2)=0.1となる。同様に、出力ノードについては、親ノードである各入力ノードに与えられる入力情報の現在位置(y11)、曜日(y12)、時間帯(y13)の取り得る値の組み合わせのそれぞれについて、学習データDAk中に出現する数を計算し、それを全データ数である30で割ることによって、条件付き確率を求められる。このように、事前確率及び条件付き確率を求めることにより、各ノードに対応するCPTを決定する。
本実施形態では、情報量基準として、AIC(赤池情報量基準)を用いた。AICは、確率モデルの最大対数尤度と、パラメータ数に基づいて、以下の式に基づいて求めることができる。
なお、情報量基準を用いた確率モデルの選択(言い換えれば、グラフ構造の学習)については、ベイズ情報量基準(BIC)、竹内情報量基準(TIC)、最小記述長(MDL)基準など他の情報量基準を用いてもよい。さらに、これらの情報量基準の算出式の正負を反転させたものを、情報量基準として用いてもよい。この場合には、情報量基準の値が最大となる確率モデルを、使用する確率モデルとして選択する。
その後、制御部60の推薦確率修正部65は、求めた推薦確率Pを、上述した所定の規則に従って修正する(ステップS106)。
その後、制御部60は、車両用空調装置1がOFFにされたか否かを判定する(ステップS120)。車両用空調装置1がOFFにされた場合、車両用空調装置1の動作は終了する。一方、車両用空調装置1が稼動し続ける場合、ステップS104〜S120の制御を一定期間(例えば、5秒)ごとに繰り返す。
さらに、学習部68が経過時間に基づいて確率モデルの構築を行うか否かを判定する場合、上記のステップS117では、学習部68は、経過時間を第1の所定時間よりも長い第2の所定時間(例えば、4週間、6ヶ月)と比較するようにしてもよい。そして、経過時間が第2の所定時間よりも長い場合、学習部68は、学習データDAkの消去、更新フラグfの書き換えを行う。
図10に、本発明の第2の実施形態に係る車両用空調装置の制御部の機能ブロック図を示す。本発明の第2の実施形態に係る車両用空調装置の制御部60は、本発明の第1の実施形態に係る車両用空調装置の制御部60と比較して、推薦確率修正部65の代わりにデータ重み付け部69を有する点でのみ相違する。また、第1及び第2の実施形態に係る車両用空調装置は、車両用空調装置の他の構成要素に関しては、同一の構成を有する。そこで、以下では、制御部60に関して、第1の実施形態と異なる点、特に、データ重み付け部69による処理について説明する。
データ重み付け部69は、学習データDAkの要素dijkに対する重みを決定すると、重み行列WAKの要素wijkにその重みを書き込む。
データ重み付け部69は、状態情報の重み付けを、上記の推薦確率修正部65と同様に様々な観点から設定された規則に従って行う。以下、この状態情報の重み付けについて幾つかの例を用いて説明する。
この場合も、推薦された設定操作に対して搭乗者が承認操作を行ったか否かを記録することが必要であるため、上記の第2の規則と同様に、制御情報修正部66は、所定の設定操作を行う推薦確率が所定の範囲のとき、搭乗者に対してその所定の設定操作の内容を提示する。そして制御情報修正部66は、その所定の設定操作を提示した累計回数、及びその提示に対して搭乗者が承認操作を行った累計回数を求め、その所定の設定操作に関する推薦確率の算出に用いた確率モデルに関連付けて、記憶部61に記憶する。さらに、データ重み付け部69は、所定の設定操作とその所定の設定操作の推薦確率を求めるために使用する状態情報の関連付けについても、上記の第2の規則と同様に行い、重み付けを行う状態情報を特定する。
例えば、データ重み付け部69は、確率モデルの学習に用いた学習データに含まれる状態情報の組の数が10個以下であれば、重みを2とし、その状態情報の組の数が10個より多くなると、それまでに学習データとして蓄積された状態情報に対する重みを全て1に修正するとともに、以後蓄積される状態情報に対する重みも1とする。
同様に、データ重み付け部69は、推薦された設定操作により、ブロア電圧が3V以上変更される場合、あるいは空調空気を吹き出す方向が30°以上変更される場合、関連する状態情報に対する重みを2とし、ブロア電圧及び空調空気の吹き出し方向がそこまで変更されない場合、関連する状態情報に対する重みを1とする。なお、データ重み付け部69は、上記のように、修正量を2段階に区分する代わりに、3段階以上に区分して、その修正量が大きい区分ほど、重みが大きくなるようにしてもよい。
また、推薦確率算出部64は、その特定状況に対応する確率モデルを用いて、所定の設定操作を行う推薦確率を算出する。
そして、例えば、データ重み付け部69は、1回の乗車当たりの操作頻度の平均値が5以上であれば、重みを1.5とし、その平均値が5未満であれば、重みを1とする。
また、ステップS104において搭乗者が設定操作を行わず、ステップS105において制御部60の推薦確率算出部64が所定の設定操作についての推薦確率を算出すると、制御部60の制御情報修正部66は、その推薦確率を修正せずに用いて、ステップS107以降の処理を行う。
図12に、本発明の第3の実施形態に係る車両用空調装置の制御部の機能ブロック図を示す。本発明の第3の実施形態に係る車両用空調装置の制御部60は、本発明の第1の実施形態に係る車両用空調装置の制御部60と比較して、推薦確率修正部65の代わりに閾値設定部70を有する点でのみ相違する。なお、第1及び第3の実施形態に係る車両用空調装置は、車両用空調装置の他の構成要素に関しては、同一の構成を有する。そこで、以下では、制御部60に関して、第1の実施形態と異なる点、特に、閾値設定部70による処理について説明する。
閾値設定部70は、推薦確率の算出に用いた確率モデルに関連付けて記憶されている反応時間の平均値を求める。そして、閾値設定部70は、反応時間の平均値が短いほど、閾値を低くする。例えば、閾値設定部70は、反応時間の平均値が5秒以上であれば、閾値Th1及びTh2の初期設定値に1.1を乗じ、反応時間の平均値が5秒未満であれば、閾値Th1及びTh2の初期設定値を修正しない。なお、閾値設定部70は、反応時間の平均値を3段階以上に区分して、その平均値が短い区分ほど閾値Th1及びTh2に乗じる係数が低くなるようにしてもよい。
この場合も、推薦された設定操作に対して搭乗者が承認操作を行ったか否かを記録することが必要であるため、制御情報修正部66は、その所定の設定操作を提示した累計回数、及びその提示に対して搭乗者が承認操作を行った累計回数を求め、その所定の設定操作に関する推薦確率の算出に用いた確率モデルに関連付けて、記憶部61に記憶する。
例えば、閾値設定部70は、確率モデルの学習に用いた学習データに含まれる状態情報の組の数が30個未満であれば、閾値Th1及びTh2の初期設定値に0.9を乗じ、その状態情報の組の数が30個以上であれば、閾値Th1及びTh2の初期設定値を修正しない。
また、上記と逆に、閾値設定部70は、確率モデルの構築に用いた学習データ数が多いほど、閾値Th1及びTh2が低くなるように修正してもよい。学習データ数が多いほど、搭乗者が設定操作を行う状況を的確に把握できると考えられるためである。
また、推薦確率算出部64は、その特定状況に対応する確率モデルを用いて、所定の設定操作を行う推薦確率を算出する。
そして、例えば、閾値設定部70は、1回の乗車当たりの操作頻度の平均値が5以上であれば、閾値Th1及びTh2の初期設定値に0.9を乗じ、その平均値が5未満であれば、閾値Th1及びTh2の初期設定値を修正しない。
また、制御部60は、推薦された設定操作を拒否する比率または搭乗者が設定操作を行う操作間隔などに基づいて、推薦される設定操作を自動実行する際、あるいは搭乗者に対して提示する際に用いるメッセージの内容を変更してもよい。この場合、制御部60は、推薦された設定操作を拒否する比率に関して、上記の推薦確率の修正に関する第3の規則で説明したのと同様の方法により求めることができる。また、制御部60は、操作間隔に関して以下のように求めることができる。制御部60は、所定の設定操作、例えば、内気循環、外気導入の切替が行われたことを、A/C操作パネル59などを通じて検知し、前回のその所定の設定操作が行われてからの経過時間を求める。そして制御部60は、その所定の設定操作が行われる度に、その経過時間の平均値を求め、操作間隔とする。
ここで、上記の詳細なメッセージ及び簡易なメッセージの例を挙げる。例えば、推薦された設定操作が、トンネルに近づいたことによって内気循環モードに変更するものである場合、詳細なメッセージは、設定操作の内容と、その設定操作にする理由となった特定状況を知らせるように、「トンネルに近づいてきましたので、内気循環モードにします」とする。一方、簡易なメッセージは、単に「内気循環モードにします」とする。
一方、ステップS146において、その比率が0.5未満である場合、制御情報修正部66は、その設定操作の対象が、比較的頻繁に操作される、設定温度Tset、風量Wまたは風向きの何れかであるか否かを判定する(ステップS147)。推薦された設定操作の対象が、上記の何れかである場合、制御情報修正部66は、何のメッセージも表示せず(ステップS145)、自動的に設定情報または制御情報を修正する(ステップS108)。
ここで、上記の詳細な確認メッセージ及び簡易な確認メッセージの例を挙げる。例えば、推薦された設定操作が、トンネルに近づいたことによって内気循環モードに変更するものである場合、詳細なメッセージは、設定操作の内容と、その設定操作にする理由となった特定状況を知らせるように、「トンネルに近づいてきました。内気循環モードにしますか?」とする。一方、簡易なメッセージは、単に「内気循環モードにしますか?」とする。
そして、同乗者が操作を行った場合には、運転者の照合及び認証と同様に、車内カメラ54で撮影した画像データに基づいて、同乗者の照合及び認証も行い、その操作時の各センサ値などの状態情報を、運転者ではなく、その同乗者に関連付けて記憶する。
10 空調部
11 コンプレッサ
21 ブロアファン
22 駆動用モータ
24 内外気サーボモータ
25 内外気切替ドア
28 エアミックスドア
31 温調サーボモータ
37 フットドア
38 フェイスドア
39 デフロスタドア
40 モードサーボモータ
51 内気温センサ
52 外気温センサ
53 日射センサ
54 車内カメラ
55 車外カメラ
56 ナビゲーションシステム
57 車両操作機器
58 車載時計
59 A/C操作パネル
60 制御部
61 記憶部
62 通信部
63 照合部
64 推薦確率算出部
65 推薦確率修正部
66 制御情報修正部
67 空調制御部
671 温度調節部
672 コンプレッサ制御部
673 吹出口制御部
674 吸込口制御部
675 送風量設定部
68 学習部
69 データ重み付け部
70 閾値設定部
101 確率モデル
102〜105 ノード
106〜109 条件付き確率表(CPT)
501〜504 標準モデル
Claims (31)
- 空調空気を車両内に供給する空調部(10)と、
前記車両に関する状態を表す状態情報を取得する情報取得部(51〜53、55〜58)と、
前記情報取得部(51〜53、55〜58)により取得された複数の状態情報を、学習データ群として記憶する記憶部(61)と、
状態情報を入力することにより乗員が所定の設定操作を行う推薦確率を算出するための確率モデルを、前記学習データ群を用いて構築する学習部(68)と、
前記学習部(68)で構築された前記確率モデルに、車両に関する現状態を表す現状態情報を入力して、前記所定の設定操作を行う推薦確率を算出する推薦確率算出部(64)と、
所定の規則に従って前記推薦確率を修正する推薦確率修正部(65)と、
前記修正された推薦確率に応じて、乗員の設定操作に関連する設定情報又は制御情報を、前記所定の設定操作となるように修正する制御情報修正部(66)と、
前記修正された設定情報又は制御情報にしたがって、前記空調部(10)の空調制御を行う空調制御部(67)と、
を有することを特徴とする車両用空調装置。 - 前記推薦確率修正部(65)は、前記現状態情報の信頼度が高いほど、前記推薦確率を高くする、請求項1に記載の車両用空調装置。
- 前記推薦確率修正部(65)は、前記学習データ群に含まれる状態情報の数が少ないほど、前記推薦確率を高くする、請求項1に記載の車両用空調装置。
- 前記推薦確率修正部(65)は、前記所定の設定操作となるように修正された設定情報又は制御情報と、該修正前の設定情報又は制御情報との差が大きいほど、前記推薦確率を高くする、請求項1に記載の車両用空調装置。
- 前記推薦確率修正部(65)は、前記車両用空調装置について行われる設定操作の頻度が高いほど、前記推薦確率を高くする、請求項1に記載の車両用空調装置。
- 前記推薦確率修正部(65)は、前記現状態情報が所定の値を有する場合に前記車両用空調装置について行われる設定操作の頻度が高いほど、前記推薦確率を高くする、請求項1に記載の車両用空調装置。
- 前記所定の設定操作の内容を搭乗者に提示し、且つ前記所定の設定操作を行うか否かを搭乗者に確認する確認操作部(59)を有し、
前記確認操作部(59)を通じて前記所定の設定操作を行うことが確認された場合、前記制御情報修正部(66)は、前記設定情報又は制御情報を修正する、請求項1に記載の車両用空調装置。 - 前記記憶部(61)は、前記確認操作部(59)による提示から、搭乗者により前記所定の設定操作を行うか否かを決定する操作が行われるまでの反応時間を記憶し、
前記推薦確率修正部(65)は、前記反応時間の平均値が短いほど前記推薦確率を高くする、請求項7に記載の車両用空調装置。 - 前記記憶部(61)は、前記確認操作部(59)により前記所定の設定操作を行うことが提示された提示回数、及び前記確認操作部(59)を通じて搭乗者により前記所定の設定操作を行うことを決定する操作が行われた肯定操作回数を前記確率モデルに関連付けて記憶し、
前記推薦確率修正部(65)は、前記提示回数に占める前記肯定操作回数の比率が高いほど前記推薦確率を高くする、請求項7に記載の車両用空調装置。 - 空調空気を車両内に供給する空調部(10)と、
前記車両に関する状態を表す状態情報を取得する情報取得部(51〜53、55〜58)と、
前記情報取得部(51〜53、55〜58)により取得された複数の状態情報を、学習データ群として記憶する記憶部(61)と、
前記学習データ群に含まれる状態情報を、所定の規則に従って重み付けするデータ重み付け部(69)と、
状態情報を入力することにより乗員が所定の設定操作を行う推薦確率を算出するための確率モデルを、前記学習データ群を用いて構築する学習部(68)と、
前記学習部(68)で構築された前記確率モデルに、車両に関する現状態を表す現状態情報を入力して前記推薦確率を算出し、該推薦確率に応じて、乗員の設定操作に関連する設定情報又は制御情報を、前記所定の設定操作となるように修正する制御情報修正部(66)と、
前記修正された設定情報又は制御情報にしたがって、前記空調部(10)の空調制御を行う空調制御部(67)と、
を有することを特徴とする車両用空調装置。 - 前記データ重み付け部(69)は、前記学習データ群に含まれる状態情報の信頼度が高いほど、該状態情報の比重が高くなるように重み付けする、請求項10に記載の車両用空調装置。
- 前記データ重み付け部(69)は、前記学習データ群に含まれる状態情報の数が所定数以下の場合、該状態情報の数が該所定数よりも多い場合と比較して比重が高くなるように重み付けする、請求項10に記載の車両用空調装置。
- 前記情報取得部(51〜53、55〜58)は、搭乗者が前記車両用空調装置の設定操作を行ったときに前記状態情報を取得し、
前記データ重み付け部(69)は、前記設定操作を行う前の設定情報又は制御情報と、前記設定操作を行った後の設定情報又は制御情報との差が大きいほど、前記状態情報の比重が高くなるように重み付けする、請求項10に記載の車両用空調装置。 - 前記データ重み付け部(69)は、前記車両用空調装置について行われる設定操作の頻度が高いときに取得された状態情報の比重が高くなるように重み付けする、請求項10に記載の車両用空調装置。
- 前記データ重み付け部(69)は、前記学習データ群に含まれる状態情報が所定の値を有する場合に前記車両用空調装置について行われる設定操作の頻度が高いほど、該所定の値を有する状態情報の比重が高くなるように重み付けする、請求項10に記載の車両用空調装置。
- 前記所定の設定操作の内容を搭乗者に提示し、且つ前記所定の設定操作を行うか否かを搭乗者に確認する確認操作部(59)を有し、
前記確認操作部(59)を通じて前記所定の設定操作を行うことが確認された場合、前記制御情報修正部(66)は、前記設定情報又は制御情報を修正する、請求項10に記載の車両用空調装置。 - 前記記憶部(61)は、前記確認操作部(59)による提示から、搭乗者により前記所定の設定操作を行うか否かを決定する操作が行われるまでの反応時間を記憶し、
前記データ重み付け部(69)は、前記反応時間の平均値が短いほど前記所定の設定操作について算出された推薦確率に関連する状態情報の比重を高くする、請求項16に記載の車両用空調装置。 - 前記記憶部(61)は、前記確認操作部(59)により前記所定の設定操作を行うことが提示された提示回数、及び前記確認操作部(59)を通じて搭乗者により前記所定の設定操作を行うことを決定する操作が行われた肯定操作回数を前記確率モデルに関連付けて記憶し、
前記データ重み付け部(69)は、前記提示回数に占める前記肯定操作回数の比率が高いほど、前記所定の設定操作について算出された推薦確率に関連する状態情報の比重を高くする、請求項16に記載の車両用空調装置。 - 前記データ重み付け部(69)は、前記学習データ群に含まれた状態情報のうち、取得されてからの経過時間が長い状態情報ほど比重が低くなるように重み付けする、請求項10に記載の車両用空調装置。
- 空調空気を車両内に供給する空調部(10)と、
前記車両に関する状態を表す状態情報を取得する情報取得部(51〜53、55〜58)と、
前記情報取得部(51〜53、55〜58)により取得された複数の状態情報を、学習データ群として記憶する記憶部(61)と、
状態情報を入力することにより乗員が所定の設定操作を行う推薦確率を算出するための確率モデルを、前記学習データ群を用いて構築する学習部(68)と、
前記学習部(68)で構築された前記確率モデルに、車両に関する現状態を表す現状態情報を入力して、前記所定の設定操作を行う推薦確率を算出する推薦確率算出部(64)と、
所定の規則に従って所定の閾値を設定する閾値設定部(70)と、
前記推薦確率が第1の閾値以上の場合、乗員の設定操作に関連する設定情報又は制御情報を、前記所定の設定操作となるように修正する制御情報修正部(66)と、
前記修正された設定情報又は制御情報にしたがって、前記空調部(10)の空調制御を行う空調制御部(67)と、
を有することを特徴とする車両用空調装置。 - 前記推薦確率が、前記第1の閾値未満であり、且つ前記第1の閾値よりも低い第2の閾値以上である場合、前記所定の設定操作の内容を搭乗者に提示し、且つ前記所定の設定操作を行うか否かを搭乗者に確認する確認操作部(59)を有し、
前記確認操作部(59)を通じて前記所定の設定操作を行うことが確認された場合、前記制御情報修正部(66)は、前記設定情報又は制御情報を修正する、請求項20に記載の車両用空調装置。 - 前記閾値設定部(70)は、前記現状態情報の信頼度が高いほど、前記第1の閾値または前記第2の閾値を低くする、請求項21に記載の車両用空調装置。
- 前記閾値設定部(70)は、前記学習データ群に含まれる状態情報の数が少ないほど、前記第1の閾値または前記第2の閾値を低くする、請求項21に記載の車両用空調装置。
- 前記閾値設定部(70)は、前記所定の設定操作となるように修正された設定情報又は制御情報と、該修正前の設定情報又は制御情報との差が大きいほど、前記第1の閾値または前記第2の閾値を低くする、請求項21に記載の車両用空調装置。
- 前記閾値設定部(70)は、前記車両用空調装置について行われる設定操作の頻度が高いほど、前記第1の閾値または前記第2の閾値を低くする、請求項21に記載の車両用空調装置。
- 前記閾値設定部(70)は、前記現状態情報が所定の値を有する場合に前記車両用空調装置について行われる設定操作の頻度が高いほど、前記第1の閾値または前記第2の閾値を低くする、請求項21に記載の車両用空調装置。
- 前記記憶部(61)は、前記確認操作部(59)による提示から、搭乗者により前記所定の設定操作を行うか否かを決定する操作が行われるまでの反応時間を記憶し、
前記閾値設定部(70)は、前記反応時間の平均値が短いほど前記第1の閾値または前記第2の閾値を低くする、請求項21に記載の車両用空調装置。 - 前記記憶部(61)は、前記確認操作部(59)により前記所定の設定操作を行うことが提示された提示回数、及び前記確認操作部(59)を通じて搭乗者により前記所定の設定操作を行うことを決定する操作が行われた肯定操作回数を前記確率モデルに関連付けて記憶し、
前記閾値設定部(70)は、前記提示回数に占める前記肯定操作回数の比率が高いほど前記第1の閾値または前記第2の閾値を低くする、請求項21に記載の車両用空調装置。 - 空調空気を車両内に供給する空調部(10)を有する車両用空調装置の制御方法であって、
前記車両に関する状態を表す複数の状態情報を、学習データ群として記憶するステップと、
状態情報を入力することにより乗員が所定の設定操作を行う推薦確率を算出するための確率モデルを、前記学習データ群を用いて構築するステップと、
前記確率モデルに、前記車両の現状態を表す現状態情報を入力して、前記所定の設定操作を行う推薦確率を算出するステップと、
所定の規則に従って前記推薦確率を修正するステップと、
前記修正された推薦確率に応じて、乗員の設定操作に関連する設定情報又は制御情報を、前記所定の設定操作となるように修正するステップと、
前記修正された設定情報又は制御情報にしたがって、前記空調部(10)の空調制御を行うステップと、
を有することを特徴とする制御方法。 - 空調空気を車両内に供給する空調部(10)を有する車両用空調装置の制御方法であって、
前記車両に関する状態を表す複数の状態情報を、学習データ群として記憶するステップと、
前記学習データ群に含まれる状態情報を、所定の規則に従って重み付けするステップと、
状態情報を入力することにより乗員が所定の設定操作を行う推薦確率を算出するための確率モデルを、前記学習データ群を用いて構築するステップと、
前記確率モデルに、前記車両の現状態を表す現状態情報を入力して、前記所定の設定操作を行う推薦確率を算出するステップと、
前記推薦確率に応じて、乗員の設定操作に関連する設定情報又は制御情報を、前記所定の設定操作となるように修正するステップと、
前記修正された設定情報又は制御情報にしたがって、前記空調部(10)の空調制御を行うステップと、
を有することを特徴とする制御方法。 - 空調空気を車両内に供給する空調部(10)を有する車両用空調装置の制御方法であって、
前記車両に関する状態を表す複数の状態情報を、学習データ群として記憶するステップと、
状態情報を入力することにより乗員が所定の設定操作を行う推薦確率を算出するための確率モデルを、前記学習データ群を用いて構築するステップと、
前記確率モデルに、前記車両の現状態を表す現状態情報を入力して、前記所定の設定操作を行う推薦確率を算出するステップと、
所定の規則に従って所定の閾値を設定するステップと、
前記推薦確率が前記所定の閾値以上の場合、乗員の設定操作に関連する設定情報又は制御情報を、前記所定の設定操作となるように修正するステップと、
前記修正された設定情報又は制御情報にしたがって、前記空調部(10)の空調制御を行うステップと、
を有することを特徴とする制御方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007134342A JP4780035B2 (ja) | 2007-05-21 | 2007-05-21 | 車両用空調装置 |
DE102008022472A DE102008022472A1 (de) | 2007-05-21 | 2008-05-07 | Fahrzeugklimaanlage und Verfahren zu ihrer Steuerung |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007134342A JP4780035B2 (ja) | 2007-05-21 | 2007-05-21 | 車両用空調装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008285111A true JP2008285111A (ja) | 2008-11-27 |
JP4780035B2 JP4780035B2 (ja) | 2011-09-28 |
Family
ID=39917555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007134342A Expired - Fee Related JP4780035B2 (ja) | 2007-05-21 | 2007-05-21 | 車両用空調装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP4780035B2 (ja) |
DE (1) | DE102008022472A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008290494A (ja) * | 2007-05-22 | 2008-12-04 | Denso Corp | 車両用空調装置およびその制御方法 |
JP2018077735A (ja) * | 2016-11-10 | 2018-05-17 | 富士通株式会社 | 情報処理装置、情報処理方法及びプログラム |
JP7504312B1 (ja) | 2023-05-15 | 2024-06-21 | 三菱電機株式会社 | 情報処理装置、生成方法、及び生成プログラム |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009057173A1 (de) * | 2009-12-05 | 2011-06-09 | Volkswagen Ag | Verfahren zum Steuern einer Klimatisierung eines Innenraums eines Fahrzeugs |
DE102017211397A1 (de) * | 2017-07-04 | 2019-01-10 | Volkswagen Aktiengesellschaft | Verfahren zum Betrieb einer Klimatisierungseinrichtung für ein Kraftfahrzeug |
DE102022132164A1 (de) | 2022-12-05 | 2024-06-06 | Bayerische Motoren Werke Aktiengesellschaft | Vorrichtung und ein Verfahren zum Voreinstellen von Klimatisierungseinstellungen in einem Fahrzeug |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003252130A (ja) * | 2002-03-01 | 2003-09-10 | Denso Corp | 車両エージェントシステム,ecu |
JP2005084752A (ja) * | 2003-09-04 | 2005-03-31 | Denso It Laboratory Inc | コンテンツ配信システム及びコンテンツ受信再生装置 |
JP2005208943A (ja) * | 2004-01-22 | 2005-08-04 | Denso It Laboratory Inc | サービス候補提供システム及びユーザ側通信装置並びにサービス候補提供サーバ |
WO2005091214A1 (ja) * | 2004-03-18 | 2005-09-29 | Denso It Laboratory, Inc. | 車両用情報処理システム、車両用情報処理方法およびプログラム |
JP2006044358A (ja) * | 2004-08-02 | 2006-02-16 | Toyota Motor Corp | 車両用空調装置 |
JP2006185189A (ja) * | 2004-12-27 | 2006-07-13 | Denso It Laboratory Inc | ユーザ支援装置及びユーザ支援方法 |
JP2007010571A (ja) * | 2005-07-01 | 2007-01-18 | Denso Corp | ナビゲーションシステム、および、そのナビゲーションシステムに用いる係数決定プログラム |
JP2007038932A (ja) * | 2005-08-04 | 2007-02-15 | Nippon Soken Inc | 車両搭載機器の自動制御装置、およびその装置を搭載した車両 |
JP2008247094A (ja) * | 2007-03-29 | 2008-10-16 | Denso It Laboratory Inc | 車両用空調装置、車両用空調装置の制御方法、車載機器制御装置および車載機器の制御方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000062431A (ja) | 1998-08-20 | 2000-02-29 | Calsonic Corp | 自動車用空気調和装置 |
JP4221867B2 (ja) | 1999-02-05 | 2009-02-12 | 株式会社デンソー | 制御量算出装置、空調制御装置及び記録媒体 |
JP4333004B2 (ja) | 2000-07-13 | 2009-09-16 | 株式会社デンソー | 車両用空調装置 |
JP2005067353A (ja) | 2003-08-22 | 2005-03-17 | Denso Corp | 車両用盗難防止装置 |
JP2005202786A (ja) | 2004-01-16 | 2005-07-28 | Denso Corp | 車両用顔認証システム |
-
2007
- 2007-05-21 JP JP2007134342A patent/JP4780035B2/ja not_active Expired - Fee Related
-
2008
- 2008-05-07 DE DE102008022472A patent/DE102008022472A1/de not_active Withdrawn
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003252130A (ja) * | 2002-03-01 | 2003-09-10 | Denso Corp | 車両エージェントシステム,ecu |
JP2005084752A (ja) * | 2003-09-04 | 2005-03-31 | Denso It Laboratory Inc | コンテンツ配信システム及びコンテンツ受信再生装置 |
JP2005208943A (ja) * | 2004-01-22 | 2005-08-04 | Denso It Laboratory Inc | サービス候補提供システム及びユーザ側通信装置並びにサービス候補提供サーバ |
WO2005091214A1 (ja) * | 2004-03-18 | 2005-09-29 | Denso It Laboratory, Inc. | 車両用情報処理システム、車両用情報処理方法およびプログラム |
JP2006044358A (ja) * | 2004-08-02 | 2006-02-16 | Toyota Motor Corp | 車両用空調装置 |
JP2006185189A (ja) * | 2004-12-27 | 2006-07-13 | Denso It Laboratory Inc | ユーザ支援装置及びユーザ支援方法 |
JP2007010571A (ja) * | 2005-07-01 | 2007-01-18 | Denso Corp | ナビゲーションシステム、および、そのナビゲーションシステムに用いる係数決定プログラム |
JP2007038932A (ja) * | 2005-08-04 | 2007-02-15 | Nippon Soken Inc | 車両搭載機器の自動制御装置、およびその装置を搭載した車両 |
JP2008247094A (ja) * | 2007-03-29 | 2008-10-16 | Denso It Laboratory Inc | 車両用空調装置、車両用空調装置の制御方法、車載機器制御装置および車載機器の制御方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008290494A (ja) * | 2007-05-22 | 2008-12-04 | Denso Corp | 車両用空調装置およびその制御方法 |
JP2018077735A (ja) * | 2016-11-10 | 2018-05-17 | 富士通株式会社 | 情報処理装置、情報処理方法及びプログラム |
JP7504312B1 (ja) | 2023-05-15 | 2024-06-21 | 三菱電機株式会社 | 情報処理装置、生成方法、及び生成プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP4780035B2 (ja) | 2011-09-28 |
DE102008022472A1 (de) | 2008-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4360409B2 (ja) | 車両用空調装置、車両用空調装置の制御方法および制御装置 | |
JP4990115B2 (ja) | 位置範囲設定装置、移動物体搭載装置の制御方法および制御装置、ならびに車両用空調装置の制御方法および制御装置 | |
US7962441B2 (en) | Air conditioner for vehicle and controlling method thereof | |
JP2009046115A (ja) | 車両用空調装置及び車両用空調装置の制御方法 | |
JP4682992B2 (ja) | 車両用空調装置、車両用空調装置の制御方法および制御装置 | |
US20090031741A1 (en) | Automotive air conditioner and method for controlling automotive air conditioner | |
JP5224280B2 (ja) | 学習データ管理装置、学習データ管理方法及び車両用空調装置ならびに機器の制御装置 | |
JP4985057B2 (ja) | 車両用空調装置およびその制御方法 | |
JP4821536B2 (ja) | 車両用空調装置及び車両用空調装置の制御方法 | |
JP4780035B2 (ja) | 車両用空調装置 | |
JP5078937B2 (ja) | 車両用空調装置及び車両用空調装置の制御方法 | |
JP2009075010A (ja) | 経路長算出装置、経路長算出方法、経路長算出プログラム及び車両用空調装置ならびに移動物体搭載機器の制御装置 | |
EP3582030A1 (en) | Method and system for smart interior of a vehicle | |
CN105774465A (zh) | 使用众包数据的机动车暖通空调***的自适应控制 | |
JP2016137818A (ja) | 車室内空気向上システム | |
JP4967810B2 (ja) | 車両用空調装置およびその制御方法 | |
JP4879065B2 (ja) | 車両用空調装置、車両用空調装置の制御方法、車載機器制御装置および車載機器の制御方法 | |
JP4789842B2 (ja) | 車両用空調装置、車両用空調装置の制御方法、車載機器制御装置及び車載機器制御方法 | |
JP2007308096A (ja) | 車両用空調装置 | |
JP6303853B2 (ja) | 車両用空調装置 | |
JP5177667B2 (ja) | 車両用空調装置及びその制御方法 | |
JP2001199217A (ja) | 車両用空調装置 | |
CN113291124B (zh) | 一种车载空调控制方法、电子设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080922 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110329 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110510 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110607 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110620 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140715 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140715 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |