JP7457458B2 - Output device, computer program, and storage medium - Google Patents

Output device, computer program, and storage medium Download PDF

Info

Publication number
JP7457458B2
JP7457458B2 JP2019034681A JP2019034681A JP7457458B2 JP 7457458 B2 JP7457458 B2 JP 7457458B2 JP 2019034681 A JP2019034681 A JP 2019034681A JP 2019034681 A JP2019034681 A JP 2019034681A JP 7457458 B2 JP7457458 B2 JP 7457458B2
Authority
JP
Japan
Prior art keywords
human
information
powered vehicle
rider
learning model
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.)
Active
Application number
JP2019034681A
Other languages
Japanese (ja)
Other versions
JP2020140382A (en
Inventor
真也 廣冨
大輔 名合
隆 古家
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shimano Inc
Original Assignee
Shimano Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shimano Inc filed Critical Shimano Inc
Priority to JP2019034681A priority Critical patent/JP7457458B2/en
Priority to DE102020105203.0A priority patent/DE102020105203A1/en
Publication of JP2020140382A publication Critical patent/JP2020140382A/en
Application granted granted Critical
Publication of JP7457458B2 publication Critical patent/JP7457458B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
    • B62J45/00—Electrical equipment arrangements specially adapted for use as accessories on cycles, not otherwise provided for
    • B62J45/20—Cycle computers as cycle accessories
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
    • B62J50/00—Arrangements specially adapted for use on cycles not provided for in main groups B62J1/00 - B62J45/00
    • B62J50/20—Information-providing devices
    • B62J50/21—Information-providing devices intended to provide information to rider or passenger
    • B62J50/22—Information-providing devices intended to provide information to rider or passenger electronic, e.g. displays

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Description

本発明は、ユーザに適した人力駆動車の提案、または人力駆動車の乗り方を提案するための出力装置、コンピュータプログラム、および記憶媒体に関する。 The present invention relates to an output device, a computer program, and a storage medium for suggesting a human-powered vehicle suitable for a user or suggesting how to ride a human-powered vehicle.

自転車をはじめとして電動アシスト付き自転車、Ｅバイクと呼ばれる電動自転車等、少なくとも部分的に人力が用いられる人力駆動車がある。人力駆動車は、多様なフレームからユーザが体格および走行目的に合わせていずれかのフレームを選択し、サドル、ペダル等のパーツ、変速機、サスペンション等のコンポーネントを組み合わせて構成される。 There are human-powered vehicles that are at least partially powered by human power, such as bicycles, electrically assisted bicycles, and electric bicycles called E-bikes. A human-powered vehicle is constructed by a user selecting one of a variety of frames according to his/her physique and driving purpose, and combining parts such as a saddle, pedals, transmission, suspension, and other components.

診断装置を接続して故障の有無を含む診断を行なう技術が知られている（特許文献１、２参照）。従来の診断装置は、コンポーネントと通信し、コンポーネントに所定の動作を指示した場合に動作が終了したか否か等によって故障を診断する。 A technique is known in which a diagnostic device is connected to perform a diagnosis including the presence or absence of a failure (see Patent Documents 1 and 2). A conventional diagnostic device communicates with a component and diagnoses a failure based on whether or not the operation is completed when the component is instructed to perform a predetermined operation.

米国特許第７８１９０３２号明細書US Patent No. 7819032 米国特許第９２２７６９７号明細書U.S. Pat. No. 9,227,697

１つ１つのコンポーネントの故障の診断ができることは勿論のこと、ユーザの体格、目的、または乗り方の個性に応じて適切な他のパーツを提案したり、組み立てられた人力駆動車の仕様をいかす好ましい乗り方などを提案したりするサービスが期待される。 Not only can it diagnose failures in individual components, but it can also suggest other parts appropriate to the user's physique, purpose, or unique riding style, and utilize the specifications of the assembled human-powered vehicle. It is hoped that the service will provide suggestions on preferred ways of riding.

本発明の目的は、ユーザに適した人力駆動車の提案、または人力駆動車の乗り方を提案するための出力装置、コンピュータプログラム、および記憶媒体を提供することである。 An object of the present invention is to provide an output device, a computer program, and a storage medium for suggesting a human-powered vehicle suitable for a user or suggesting how to ride a human-powered vehicle.

（１）本発明の第１側面に従う出力装置は、人力駆動車を構成する各部品の情報を含む車両情報、および、前記人力駆動車の走行時の走行情報の少なくともいずれか１つに関する評価情報および提案情報の少なくともいずれか１つを、学習アルゴリズムによって学習された学習モデルを用いて出力するように構成される処理部を備える。
このため、人力駆動車の構成に対する適切な評価、または部品、部品の使用方法、または乗り方の提案をコンピュータに実行させることが可能になる。 (1) The output device according to the first aspect of the present invention provides evaluation information regarding at least one of vehicle information including information on each part constituting the human-powered vehicle, and travel information when the human-powered vehicle is running. and a processing unit configured to output at least one of the proposal information using a learning model learned by a learning algorithm.
Therefore, it becomes possible to have the computer appropriately evaluate the configuration of the human-powered vehicle, or suggest parts, how to use the parts, or how to ride the vehicle.

（２）本発明の第２側面に従う出力装置では、前記処理部は、前記車両情報および前記走行情報の少なくともいずれか１つを、前記学習モデルに入力することによって、前記評価情報および前記提案情報の少なくともいずれか１つを出力するように構成される。
このため、人力駆動車の構成に対する適切な評価、または部品、部品の使用方法、または乗り方の提案をコンピュータに実行させることが可能になる。 (2) In the output device according to the second aspect of the present invention, the processing unit inputs at least one of the vehicle information and the travel information into the learning model, thereby inputting the evaluation information and the proposal information. The configuration is configured to output at least one of the following.
Therefore, it becomes possible to have the computer appropriately evaluate the configuration of the human-powered vehicle, or suggest parts, how to use the parts, or how to ride the vehicle.

（３）本発明の第３側面に従う出力装置では、前記学習モデルは、前記車両情報および前記走行情報の少なくともいずれか１つに関して、タイムレコードに基づくラベルが付与された教師データを用いて学習され、前記処理部は、前記人力駆動車が所定コースを走行することによって得られる実走タイムレコードを前記学習モデルに入力することによって、前記評価情報および前記提案情報の少なくともいずれか１つを出力する。
このため、タイムレコードを早めるための人力駆動車の構成に対する適切な評価、または部品、部品の使用方法、または乗り方の提案をコンピュータに実行させることが可能になる。 (3) In the output device according to the third aspect of the present invention, the learning model is trained using training data to which a label based on a time record is attached regarding at least one of the vehicle information and the travel information. , the processing unit outputs at least one of the evaluation information and the proposal information by inputting an actual running time record obtained when the human-powered vehicle runs on a predetermined course into the learning model. .
Therefore, it becomes possible to have the computer perform an appropriate evaluation of the configuration of the human-powered vehicle or suggest parts, how to use the parts, or how to ride the vehicle in order to speed up the time record.

（４）本発明の第４側面に従う出力装置では、前記学習モデルは、前記車両情報および前記走行情報の少なくともいずれか１つに関して、快適度に基づくラベルが付与された教師データで学習され、前記処理部は、前記人力駆動車が所定コースを走行することによって得られる実走快適度を前記学習モデルに入力することによって、前記評価情報および前記提案情報の少なくともいずれか１つを出力する。
このため、所定コースを快適に走行するための人力駆動車の構成に対する適切な評価、または部品、部品の使用方法、または乗り方の提案をコンピュータに実行させることが可能になる。 (4) In the output device according to the fourth aspect of the present invention, the learning model is trained using teacher data to which a label based on comfort level is attached regarding at least one of the vehicle information and the travel information, and The processing unit outputs at least one of the evaluation information and the proposal information by inputting the actual driving comfort level obtained by the human-powered vehicle traveling on the predetermined course into the learning model.
Therefore, it is possible to have the computer appropriately evaluate the configuration of the human-powered vehicle to comfortably travel a predetermined course, or suggest parts, how to use the parts, or how to ride the vehicle.

（５）本発明の第５側面に従う出力装置では、前記（４）の出力装置における前記快適度は、前記走行情報に含まれるペダルへの荷重および角度の少なくともいずれか１つに基づいて前記荷重および角度の少なくともいずれか１つの変化が所定範囲になるように出力される。
このため、ペダルへの荷重が軽いか、または角度が一定となる快適な走行を実現するための人力駆動車の構成に対する適切な評価、または部品、部品の使用方法、または乗り方の提案をコンピュータに実行させることが可能になる。 (5) In the output device according to the fifth aspect of the present invention, the comfort level in the output device of (4) is determined based on at least one of the load on the pedal and the angle included in the travel information. and the angle are outputted so that the change in at least one of them falls within a predetermined range.
For this reason, computers can appropriately evaluate the configuration of human-powered vehicles to achieve comfortable driving with a light load on the pedals or a constant angle, or suggest parts, how to use them, or how to ride. It becomes possible to execute the

（６）本発明の第６側面に従う出力装置では、前記提案情報は、乗り手による前記人力駆動車への人力駆動力の入力位置に関する情報を含む。
このため、乗り手がどのようなポイントで人力駆動すべきかの提案をコンピュータに実行させることが可能になる。 (6) In the output device according to the sixth aspect of the present invention, the proposal information includes information regarding the input position of human power driving force to the human power driven vehicle by the rider.
Therefore, it becomes possible to have the computer make suggestions as to the points at which the rider should drive the vehicle manually.

（７）本発明の第７側面に従う出力装置では、前記提案情報は、前記人力駆動車のペダルに対する乗り手のシューズの位置に関する情報を含む。
このため、乗り手の人力駆動力の入力位置に関し、乗り手のシューズのペダルに対する位置の提案をコンピュータに実行させることが可能になる。 (7) In the output device according to the seventh aspect of the present invention, the proposal information includes information regarding the position of the rider's shoes with respect to the pedals of the human-powered vehicle.
Therefore, regarding the input position of the rider's manual driving force, it is possible to cause the computer to propose the position of the rider's shoes with respect to the pedals.

（８）本発明の第８側面に従う出力装置では、前記提案情報は、前記シューズに対して前記シューズに取り付けられるクリートの前記シューズに対する位置の修正に関する情報を含む。
このため、乗り手の人力駆動力の入力位置に関し、乗り手のシューズに対するクリートの位置の修正案をコンピュータに実行させることが可能になる。 (8) In the output device according to the eighth aspect of the present invention, the suggestion information includes information regarding correction of a position of a cleat attached to the shoe with respect to the shoe.
For this reason, it becomes possible to cause the computer to execute a correction plan for the position of the cleat relative to the rider's shoes in relation to the input position of the rider's manual driving force.

（９）本発明の第９側面に従う出力装置では、前記学習モデルは、前記車両情報および前記走行情報の少なくともいずれか１つに関し、乗り手のカテゴリーに基づくラベルが付与された教師データで学習される。
このため、乗り手の熟練度、タイプ等のカテゴリーに応じた人力駆動車の構成に対する適切な評価、または部品、部品の使用方法、または乗り方の提案をコンピュータに実行させることが可能になる。 (9) In the output device according to the ninth aspect of the present invention, the learning model is trained using teacher data that is assigned a label based on a rider category regarding at least one of the vehicle information and the traveling information. .
Therefore, it becomes possible to have the computer perform appropriate evaluation of the configuration of the human-powered vehicle according to categories such as the rider's skill level and type, or suggest parts, how to use the parts, or how to ride the vehicle.

（１０）本発明の第１０側面に従う出力装置では、前記処理部は、前記カテゴリーと前記車両情報および前記走行情報の少なくともいずれか１つとを、前記学習モデルに入力することによって、前記評価情報および前記提案情報の少なくともいずれか１つを出力するように構成される。
このため、乗り手の熟練度、タイプ等のカテゴリーに応じた人力駆動車の構成に対する適切な評価、または部品、部品の使用方法、または乗り方の提案をコンピュータに実行させることが可能になる。 (10) In the output device according to the tenth aspect of the present invention, the processing unit inputs the category and at least one of the vehicle information and the driving information into the learning model, thereby inputting the evaluation information and the driving information into the learning model. The device is configured to output at least one of the proposal information.
Therefore, it becomes possible to have the computer perform appropriate evaluation of the configuration of the human-powered vehicle according to categories such as the rider's skill level and type, or suggest parts, how to use the parts, or how to ride the vehicle.

（１１）本発明の第１１側面に従う出力装置では、前記提案情報は、前記人力駆動車のカスタマイズに関する情報を含む。
このため、車両情報または走行情報に応じた人力駆動車の部品の組み合わせに関するカスタマイズの提案をコンピュータに実行させることが可能になる。 (11) In the output device according to the eleventh aspect of the present invention, the proposal information includes information regarding customization of the human-powered vehicle.
Therefore, it is possible to cause the computer to propose customization regarding combinations of parts of a human-powered vehicle according to vehicle information or travel information.

（１２）本発明の第１２側面に従う出力装置では、前記提案情報は、乗り方に関する情報を含む。
このため、車両情報または走行情報に応じた人力駆動車の乗り方に関する提案をコンピュータに実行させることが可能になる。 (12) In the output device according to the twelfth aspect of the present invention, the suggestion information includes information regarding how to ride.
Therefore, it is possible to cause the computer to make suggestions regarding how to ride a human-powered vehicle according to vehicle information or travel information.

（１３）本発明の第１３側面に従う出力装置では、前記学習モデルは、前記人力駆動車の構成毎に準備されており、前記処理部は、前記車両情報の構成毎に学習モデルを選択する。
このため、人力駆動車の構成に応じた部品、部品の使用方法、または乗り方の提案をコンピュータに実行させることが可能になる。 (13) In the output device according to the thirteenth aspect of the present invention, the learning model is prepared for each configuration of the human-powered vehicle, and the processing unit selects the learning model for each configuration of the vehicle information.
Therefore, it is possible to have the computer make suggestions for parts, how to use the parts, or how to ride the vehicle, depending on the configuration of the human-powered vehicle.

（１４）本発明の第１４側面に従うコンピュータプログラムは、人力駆動車を構成する各部品の情報を含む車両情報、および、前記人力駆動車の走行時の走行情報の少なくともいずれか１つに関する評価情報および提案情報の少なくともいずれか１つを、学習アルゴリズムによって学習された学習モデルを用いて出力する処理を、コンピュータに実行させる。
このため、人力駆動車の構成に対する適切な評価、または部品、部品の使用方法、または乗り方の提案をコンピュータに実行させることが可能になる。 (14) A computer program according to the fourteenth aspect of the present invention provides evaluation information regarding at least one of vehicle information including information on each part constituting the human-powered vehicle, and travel information when the human-powered vehicle is traveling. and the computer executes a process of outputting at least one of the proposed information using the learning model learned by the learning algorithm.
Therefore, it becomes possible to have the computer appropriately evaluate the configuration of the human-powered vehicle, or suggest parts, how to use the parts, or how to ride the vehicle.

（１５）本発明の第１５側面に従うコンピュータプログラムでは、前記車両情報および前記走行情報の少なくともいずれか１つを、前記学習モデルに入力することによって、前記評価情報および前記提案情報の少なくともいずれか１つを出力する処理を、前記コンピュータに実行させる。
このため、人力駆動車の構成に対する適切な評価、または部品、部品の使用方法、または乗り方の提案をコンピュータに実行させることが可能になる。 (15) A computer program according to a fifteenth aspect of the present invention causes the computer to execute a process of inputting at least one of the vehicle information and the driving information into the learning model, thereby outputting at least one of the evaluation information and the proposal information.
This allows the computer to perform an appropriate assessment of the configuration of the human-powered vehicle, or to suggest parts, how to use the parts, or how to ride the vehicle.

（１６）本発明の第１６側面に従う記憶媒体は、前記（１４）または（１５）のコンピュータプログラムが記憶される。
このため、コンピュータプログラムを記憶媒体から読み取ったコンピュータに、人力駆動車の構成に対して適切な評価をさせたり、または部品、部品の使用方法、または乗り方を提案させたりすることができる。 (16) A storage medium according to the sixteenth aspect of the present invention stores the computer program of (14) or (15) above.
Therefore, the computer that reads the computer program from the storage medium can appropriately evaluate the configuration of the human-powered vehicle, or suggest parts, how to use the parts, or how to ride the vehicle.

本発明のユーザに適した人力駆動車の提案、または人力駆動車の乗り方を提案するための情報を出力する出力装置によれば、人力駆動車の構成に対する適切な評価、または部品、部品の使用方法、または乗り方の提案を出力することができる。 The output device of the present invention, which outputs information for proposing a human-powered vehicle suitable for the user or a way to ride the human-powered vehicle, can output an appropriate evaluation of the configuration of the human-powered vehicle, or suggestions for parts, how to use the parts, or how to ride the vehicle.

第１実施形態における情報提供サービスを実現する装置群を示す図である。FIG. 3 is a diagram showing a group of devices that implement the information providing service in the first embodiment. 処理ユニットが搭載された人力駆動車Ａの側面図である。FIG. 2 is a side view of a human-powered vehicle A equipped with a processing unit. 第１実施形態における処理ユニットの構成を示すブロック図である。FIG. 2 is a block diagram showing a configuration of a processing unit in the first embodiment. 第１実施形態における端末装置および出力装置の構成を示すブロック図である。FIG. 2 is a block diagram showing the configuration of a terminal device and an output device in the first embodiment. 第１例の学習モデルの概要を示す図である。FIG. 2 is a diagram showing an outline of a learning model of a first example. 第１例の学習モデルの他の形態を示す図である。It is a figure which shows the other form of the learning model of a 1st example. 第２例の学習モデルの概要を示す図である。It is a figure showing an outline of a learning model of a second example. 学習モデルを用いた評価または提案の出力処理の一例を示すフローチャートである。12 is a flowchart illustrating an example of an evaluation or proposal output process using a learning model. 第２実施形態における端末装置の構成を示すブロック図である。FIG. 2 is a block diagram showing the configuration of a terminal device in a second embodiment. 第２実施形態の第１例の学習モデルの概要を示す図である。FIG. 7 is a diagram showing an overview of a learning model of a first example of a second embodiment. 第１例の学習モデルの他の概要を示す図である。FIG. 3 is a diagram showing another outline of the learning model of the first example. 第２実施形態における学習モデルを用いた提案の出力処理の一例を示すフローチャートである。12 is a flowchart illustrating an example of proposal output processing using a learning model in the second embodiment. 提案情報の表示例を示す図である。FIG. 11 is a diagram showing a display example of proposed information. 第２実施形態の第２例の学習モデルの概要を示す図である。It is a figure showing the outline of the learning model of the 2nd example of the 2nd embodiment. ユーザに対する乗り方の提案情報の表示例を示す図である。FIG. 3 is a diagram illustrating a display example of riding suggestion information for a user.

以下の各実施形態に関する説明は、本発明に関する出力装置が取り得る形態の例示であり、その形態を制限することを意図していない。本発明に関する出力装置は、各実施形態の変形例、および、相互に矛盾しない少なくとも２つの変形例が組み合わせられた形態等のように各実施形態とは異なる形態を取り得る。 The following description of each embodiment is an illustration of the form that the output device related to the present invention can take, and is not intended to limit the form. The output device according to the present invention may take a form different from each embodiment, such as a modification of each embodiment, or a combination of at least two mutually consistent modifications.

以下の各実施形態に関する説明において、前、後、前方、後方、左、右、横、上、および、下等の方向を表す言葉は、ユーザが人力駆動車のサドルに着座した状態における方向を基準として用いられる。 In the description of each embodiment below, words expressing directions such as front, rear, forward, rearward, left, right, side, top, and bottom refer to directions when the user is seated on the saddle of the human-powered vehicle. Used as a standard.

（第１実施形態）
第１実施形態では、人力駆動車メーカ、部品メーカまたは販売者によって管理される出力装置１と、出力装置１から提供される人力駆動車の関する評価または提案を表示させる端末装置２とを用いた人力駆動車に関する情報提供サービスを例に挙げて説明する。 (First embodiment)
In the first embodiment, an output device 1 managed by a human-powered vehicle manufacturer, a parts manufacturer, or a seller, and a terminal device 2 that displays an evaluation or proposal regarding the human-powered vehicle provided by the output device 1 are used. An example of an information provision service regarding human-powered vehicles will be explained.

図１は、第１実施形態における情報提供サービスを実現する装置群を示す図である。情報提供サービスは、人力駆動車Ａにおける走行中の情報を収集する処理ユニット１００と、出力装置１と、ユーザが使用する端末装置２とにより実現される。情報提供サービスでは、人力駆動車Ａに搭載された処理ユニット１００から、人力駆動車Ａの各部品の情報を含む車両情報、および、人力駆動車Ａの走行時の走行情報のいずれかを端末装置２を介して出力装置１へ提供する。出力装置１は、ユーザの人力駆動車Ａを構成する各部品の情報を含む車両情報、および、人力駆動車Ａの走行時の走行情報の少なくともいずれか１つに関する評価情報および提案情報の少なくともいずれか１つを端末装置２へ出力する。情報提供サービスでは、人力駆動車Ａのユーザに対し、人力駆動車Ａの部品または走り方を評価し、端末装置２を介し、より快適に人力駆動車Ａを走らせるための部品または走り方を提案する。 FIG. 1 is a diagram showing a group of devices that implement an information providing service in the first embodiment. The information provision service is realized by a processing unit 100 that collects information while the human-powered vehicle A is running, an output device 1, and a terminal device 2 used by the user. In the information provision service, either vehicle information including information on each part of the human-powered vehicle A or travel information when the human-powered vehicle A is running is sent from the processing unit 100 installed in the human-powered vehicle A to a terminal device. 2 to the output device 1. The output device 1 outputs at least one of evaluation information and proposal information regarding at least one of vehicle information including information on each part constituting the user's human-powered vehicle A, and travel information when the human-powered vehicle A is traveling. One of them is output to the terminal device 2. The information provision service evaluates the parts or driving style of the human-powered vehicle A to users of the human-powered vehicle A, and provides information via the terminal device 2 about parts or ways to run the human-powered vehicle A more comfortably. suggest.

以下、人力駆動車Ａ内における処理と、人力駆動車Ａから得られる情報に基づく出力装置１および端末装置２における処理とに分けて順に説明する。 The following describes the processing within human-powered vehicle A and the processing in output device 1 and terminal device 2 based on information obtained from human-powered vehicle A.

［人力駆動車における処理］
情報提供サービスで提案を行なうために、処理ユニット１００が人力駆動車Ａから車体に関する情報、または人力駆動車Ａを走らせたときに得られる走行情報を出力装置１へ提供する必要がある。図２は、処理ユニット１００が搭載された人力駆動車Ａの側面図である。人力駆動車Ａは、電気エネルギーを用いて人力駆動車Ａの推進をアシストするアシスト機構Ｃを含むロードバイクである。人力駆動車Ａの構成は、任意に変更可能である。第１例では、人力駆動車Ａはアシスト機構Ｃを含まない。第２例では、人力駆動車Ａの種類は、シティサイクル、マウンテンバイク、または、クロスバイクである。第３例では、人力駆動車Ａは、第１例および第２例の特徴を含む。 [Processing in human-powered vehicles]
In order to make suggestions in the information provision service, the processing unit 100 needs to provide the output device 1 with information about the vehicle body from the human-powered vehicle A, or driving information obtained when the human-powered vehicle A is driven. FIG. 2 is a side view of the human-powered vehicle A on which the processing unit 100 is mounted. The human-powered vehicle A is a road bike that includes an assist mechanism C that uses electric energy to assist the propulsion of the human-powered vehicle A. The configuration of the human-powered vehicle A can be changed as desired. In a first example, the human-powered vehicle A does not include the assist mechanism C. In a second example, the type of the human-powered vehicle A is a city cycle, a mountain bike, or a cross bike. In a third example, the human-powered vehicle A includes the features of the first and second examples.

人力駆動車Ａは、フレームＡ１、ステムＡ２、ハンドルバーＡ３、前輪Ａ４、後輪Ａ５、およびシートＡ６を備える。人力駆動車Ａは、駆動機構Ｂ、アシスト機構Ｃ、操作装置Ｄ、変速機Ｅ、シートポストＦ、サスペンションＧ、バッテリユニットＨ、ブレーキＪ、ディスプレイＫ、および処理ユニット１００を備える。人力駆動車Ａは、速度センサＳ１、加速度センサＳ２、角度センサＳ３、ケイデンスセンサＳ４、およびトルクセンサＳ５を備える。 The human-powered vehicle A includes a frame A1, a stem A2, a handlebar A3, a front wheel A4, a rear wheel A5, and a seat A6. The human-powered vehicle A includes a drive mechanism B, an assist mechanism C, an operating device D, a transmission E, a seat post F, a suspension G, a battery unit H, a brake J, a display K, and a processing unit 100. The human-powered vehicle A includes a speed sensor S1, an acceleration sensor S2, an angle sensor S3, a cadence sensor S4, and a torque sensor S5.

フレームＡ１は、ヘッドチューブＡ１１、トップチューブＡ１２、シートチューブＡ１３、ダウンチューブＡ１４、シートステーＡ１５およびチェーンステーＡ１６を含む。ヘッドチューブＡ１１の上部で、棒状のステムＡ２の一端がフロントフォークＡ１７と連動するように取り付けられる。ハンドルバーＡ３は、ステムＡ２の他端に設けられた孔に挿通された状態で固定される。フロントフォークＡ１７は、ヘッドチューブＡ１１にサスペンションＧを介して取り付けられている。前輪Ａ４は、フロントフォークＡ１７のエンドに、ハブを介して取り付けられる。ヘッドチューブＡ１１は、トップチューブＡ１２およびダウンチューブＡ１４とそれぞれ連結している。シートチューブＡ１３は、トップチューブＡ１２およびダウンチューブＡ１４の間を連結する。シートＡ６は、シートチューブＡ１３の上端に、シートポストＦを介して取り付けられる。シートステーＡ１５およびチェーンステーＡ１６の一端が、シートチューブＡ１３の上端および下端それぞれに連結される。シートステーＡ１５およびチェーンステーＡ１６は他端で互いに連結する。後輪Ａ５は、シートステーＡ１５およびチェーンステーＡ１６の連結部分にハブを介して取り付けられる。 The frame A1 includes a head tube A11, a top tube A12, a seat tube A13, a down tube A14, a seatstay A15, and a chainstay A16. One end of a rod-shaped stem A2 is attached to the upper part of the head tube A11 so as to interlock with the front fork A17. The handlebar A3 is fixed while being inserted into a hole provided at the other end of the stem A2. The front fork A17 is attached to the head tube A11 via a suspension G. The front wheel A4 is attached to the end of the front fork A17 via a hub. The head tube A11 is connected to a top tube A12 and a down tube A14, respectively. The seat tube A13 connects the top tube A12 and the down tube A14. The seat A6 is attached to the upper end of the seat tube A13 via the seat post F. One end of the seat stay A15 and the chain stay A16 are connected to the upper end and the lower end of the seat tube A13, respectively. The seatstay A15 and the chainstay A16 are connected to each other at the other end. The rear wheel A5 is attached to a connecting portion between the seatstay A15 and the chainstay A16 via a hub.

駆動機構Ｂは、チェーンドライブ、ベルトドライブ、またはシャフトドライブによって人力駆動力を後輪Ａ５へ伝達する。図２に示す人力駆動車Ａはチェーンドライブの駆動機構Ｂを示している。駆動機構Ｂは、クランクＢ１、第１スプロケット組立体Ｂ２、第２スプロケット組立体Ｂ３、チェーンＢ４、および、一対のペダルＢ５を含む。 Drive mechanism B transmits human power driving force to rear wheel A5 by a chain drive, belt drive, or shaft drive. The human-powered vehicle A shown in FIG. 2 shows a chain drive drive mechanism B. Drive mechanism B includes a crank B1, a first sprocket assembly B2, a second sprocket assembly B3, a chain B4, and a pair of pedals B5.

クランクＢ１は、クランク軸Ｂ１１、右クランクＢ１２、および左クランクＢ１３を含む。クランク軸Ｂ１１は、シートチューブＡ１３およびダウンチューブの結合部分に取り付けられたボトムブラケットに回転可能に支持される。右クランクＢ１２および左クランクＢ１３は、それぞれクランク軸Ｂ１１に連結される。一対のペダルＢ５の一方は右クランクＢ１２に回転可能に支持される。一対のペダルＢ５の他方は左クランクＢ１３に回転可能に支持される。 The crank B1 includes a crankshaft B11, a right crank B12, and a left crank B13. The crankshaft B11 is rotatably supported by a bottom bracket attached to a connecting portion of the seat tube A13 and the down tube. The right crank B12 and the left crank B13 are each connected to the crankshaft B11. One of the pair of pedals B5 is rotatably supported by the right crank B12. The other of the pair of pedals B5 is rotatably supported by the left crank B13.

第１スプロケット組立体Ｂ２は、第１回転中心軸心を有し、クランク軸Ｂ１１と一体回転可能に連結される。第１スプロケット組立体Ｂ２は、１または複数のスプロケットＢ２２を含む。クランク軸Ｂ１１の回転中心軸心と第１スプロケット組立体Ｂ２の回転中心軸心は同軸である。 The first sprocket assembly B2 has a first rotation center axis and is connected to the crankshaft B11 so as to be integrally rotatable therewith. First sprocket assembly B2 includes one or more sprockets B22. The rotation center axis of the crankshaft B11 and the rotation center axis of the first sprocket assembly B2 are coaxial.

第２スプロケット組立体Ｂ３は、第２回転中心軸心を有し、後輪Ａ５のハブに回転可能に支持される。第２スプロケット組立体Ｂ３は、１または複数のスプロケットＢ３１を含む。 The second sprocket assembly B3 has a second rotation center axis and is rotatably supported by the hub of the rear wheel A5. The second sprocket assembly B3 includes one or more sprockets B31.

チェーンＢ４は、第１スプロケット組立体Ｂ２のいずれかのスプロケットＢ２２および第２スプロケット組立体Ｂ３のいずれかのスプロケットＢ３１に巻き掛けられる。一対のペダルＢ５に加えられる人力駆動力によってクランクＢ１が前転すると、第１スプロケット組立体Ｂ２がクランクＢ１とともに前転し、第１スプロケット組立体Ｂ２の回転がチェーンＢ４を介して第２スプロケット組立体Ｂ３に伝達されることで後輪Ａ５が前転する。 The chain B4 is wound around any sprocket B22 of the first sprocket assembly B2 and any sprocket B31 of the second sprocket assembly B3. When the crank B1 rotates forward due to the human power applied to the pair of pedals B5, the first sprocket assembly B2 rotates forward together with the crank B1, and the rotation of the first sprocket assembly B2 is transferred to the second sprocket assembly via the chain B4. The rear wheel A5 rotates forward by being transmitted to the solid body B3.

第１実施形態におけるペダルＢ５は、乗り手の靴の靴底に取り付けられたクリートとの連結具をもつクリップレスペダルである。 The pedal B5 in the first embodiment is a clipless pedal that has a coupling device with a cleat attached to the sole of the rider's shoe.

アシスト機構Ｃは、人力駆動車Ａの推進をアシストする。アシスト機構Ｃは、一例では第２スプロケット組立体Ｂ３とダウンチューブＡ１４との間に設けられ、第１スプロケット組立体Ｂ２にトルクを伝達することによって人力駆動車Ａの推進をアシストする。アシスト機構Ｃは電気モータを含む。アシスト機構Ｃは減速機を含んでいてもよい。アシスト機構Ｃは、人力駆動車Ａの後輪Ａ５に駆動力を伝達するチェーンＢ４を走行させる。アシスト機構Ｃは、チェーンＢ４の走行をアシストするための信号制御によって制御可能なコンポーネントの一部である。 The assist mechanism C assists in the propulsion of the human-powered vehicle A. In one example, the assist mechanism C is provided between the second sprocket assembly B3 and the down tube A14, and assists in the propulsion of the human-powered vehicle A by transmitting torque to the first sprocket assembly B2. The assist mechanism C includes an electric motor. The assist mechanism C may also include a reduction gear. The assist mechanism C runs a chain B4 that transmits driving force to the rear wheel A5 of the human-powered vehicle A. The assist mechanism C is part of a component that can be controlled by signal control to assist the running of the chain B4.

操作装置Ｄは、ユーザが操作する操作部Ｄ１を含む。操作部Ｄ１は種々の形態をとり得る。コンポーネント群の任意のいずれかに対する操作信号を送ることができる操作装置Ｄ及び操作部Ｄ１であれば形態は問われない。操作部Ｄ１の一例は、１つまたは複数のボタンである。操作装置Ｄは操作部Ｄ１にて、変速機Ｅ、シートポストＦ、サスペンションＧ、およびブレーキＪの少なくともいずれか１つの制御について指定操作を受け付ける。操作部Ｄ１は、アシスト機構Ｃのモード（省エネルギーモード、ハイパワーモード等）の切り替えを受け付けてよい。操作部Ｄ１は第１例では、ブレーキレバーである。操作装置Ｄは、ブレーキＪに対するブレーキレバーの操作量を処理ユニット１００へ出力することができる。変速機Ｅ等のコンポーネント群に対する操作部Ｄ１の操作はブレーキレバーに限られないことは勿論である。操作部Ｄ１は第２例では、変速機Ｅにおける変速段数を指定するボタン、シートポストＦの高さを指定するボタン、サスペンションＧの動作を指定するボタン、アシスト機構Ｃのモードを選択するボタン等を含んでよい。 The operating device D includes an operating section D1 operated by a user. The operating section D1 can take various forms. Any configuration may be used as long as the operating device D and the operating section D1 can send an operating signal to any one of the component groups. An example of the operation unit D1 is one or more buttons. The operating device D receives a designated operation for controlling at least one of the transmission E, the seat post F, the suspension G, and the brake J using the operating section D1. The operation unit D1 may accept switching of modes (energy saving mode, high power mode, etc.) of the assist mechanism C. In the first example, the operating portion D1 is a brake lever. The operating device D can output the amount of operation of the brake lever for the brake J to the processing unit 100. It goes without saying that the operation of the operating portion D1 for the component group such as the transmission E is not limited to the brake lever. In the second example, the operation section D1 includes a button for specifying the number of gears in the transmission E, a button for specifying the height of the seat post F, a button for specifying the operation of the suspension G, a button for selecting the mode of the assist mechanism C, etc. may include.

操作装置Ｄは、操作部Ｄ１の操作に応じた信号を送受信できるように、処理ユニット１００または各コンポーネントに直接的に通信接続される。第１例では、操作装置Ｄは、通信線、または、ＰＬＣ（Power Line Communication）が可能な電線によってコンポーネントと通信接続される。第２例では、操作装置Ｄは、無線通信が可能な無線通信ユニットによってコンポーネントと通信接続される。 The operating device D is directly communicatively connected to the processing unit 100 or each component so as to be able to transmit and receive signals according to the operation of the operating section D1. In the first example, the operating device D is communicatively connected to the component by a communication line or an electric wire capable of PLC (Power Line Communication). In the second example, the operating device D is communicatively connected to the component by a wireless communication unit capable of wireless communication.

変速機Ｅは種々の形態を取り得る。第１例では、変速機Ｅは、第２スプロケット組立体Ｂ３とチェーンＢ４との連結の状態を変更する外装変速機である。第２例では、変速機Ｅは、第１スプロケット組立体Ｂ２とチェーンＢ４との連結の状態を変更する外装変速機である。第３例では、第１例および第２例の組み合わせである。第４例では、変速機Ｅは、内装変速機である。第４例では、変速機Ｅの可動部は、内装変速機のスリーブおよび爪の少なくとも一方を含む。第５例では、変速機Ｅは、無段変速機である。第５例では、変速機Ｅの可動部は、無段変速機のボールプラネタリー（遊星転動体）を含む。変速機Ｅは、変速段数を変更するための信号制御によって制御可能なコンポーネントの一部である。以下の説明では、第１スプロケット組立体Ｂ２とチェーンＢ４との連結の状態、および、第２スプロケット組立体Ｂ３とチェーンＢ４との連結の状態をいずれも変更する第３例を挙げて説明する。 Transmission E can take various forms. In the first example, the transmission E is an external transmission that changes the state of connection between the second sprocket assembly B3 and the chain B4. In the second example, the transmission E is an external transmission that changes the state of connection between the first sprocket assembly B2 and the chain B4. The third example is a combination of the first and second examples. In the fourth example, the transmission E is an internal transmission. In the fourth example, the movable part of the transmission E includes at least one of the sleeve and pawl of the internal transmission. In the fifth example, the transmission E is a continuously variable transmission. In the fifth example, the movable part of the transmission E includes a ball planetary (planetary rolling element) of the continuously variable transmission. The transmission E is a part of components that can be controlled by signal control for changing the number of gears. In the following description, a third example will be described in which both the connection state between the first sprocket assembly B2 and the chain B4 and the connection state between the second sprocket assembly B3 and the chain B4 are changed.

変速機Ｅは、フロントディレーラＥ１およびリアディレーラＥ２を含む。フロントディレーラＥ１は、フレームＡ１のシートチューブＡ１３に取り付けられる。フロントディレーラＥ１は、チェーンガイド、モータ、および段数センサを備える。フロントディレーラＥ１はモータによって、第１スプロケット組立体Ｂ２のスプロケットＢ２２に掛かるチェーンＢ４のチェーンガイドをシフトアップおよびシフトダウン方向に駆動する。フロントディレーラＥ１はモータによってチェーンガイドを、操作部Ｄ１に基づく操作装置Ｄからの変速指示、または図示しない制御ユニットからの自動変速指示に基づいていずれかの変速位置に位置決めする。 Transmission E includes a front derailleur E1 and a rear derailleur E2. The front derailleur E1 is attached to the seat tube A13 of the frame A1. The front derailleur E1 includes a chain guide, a motor, and a speed sensor. The front derailleur E1 uses a motor to drive the chain guide of the chain B4, which is applied to the sprocket B22 of the first sprocket assembly B2, in the upshift and downshift directions. The front derailleur E1 uses a motor to position the chain guide at any shift position based on a shift instruction from the operating device D based on the operating portion D1 or an automatic shift instruction from a control unit (not shown).

リアディレーラＥ２は、後輪Ａ５のクランク軸の端部を支持するチェーンステーＡ１６およびシートステーＡ１５の連結部分にディレーラハンガーを介して取り付けられる。リアディレーラＥ２はチェーンガイド、モータ、および段数センサを備える。リアディレーラＥ２はモータによって、第２スプロケット組立体Ｂ３のスプロケットＢ３１に掛かるチェーンＢ４のチェーンガイドをシフトアップおよびシフトダウン方向に駆動する。リアディレーラＥ２はモータによってチェーンガイドを、操作部Ｄ１に基づく操作装置Ｄからの変速指示、または図示しない制御ユニットからの自動変速指示に基づいていずれかの変速位置に位置決めする。 The rear derailleur E2 is attached via a derailleur hanger to the connecting portion of the chain stay A16 and the seat stay A15, which support the end of the crankshaft of the rear wheel A5. The rear derailleur E2 is equipped with a chain guide, a motor, and a gear number sensor. The rear derailleur E2 uses the motor to drive the chain guide of the chain B4 that is hung on the sprocket B31 of the second sprocket assembly B3 in the upshift and downshift directions. The rear derailleur E2 uses the motor to position the chain guide to one of the shift positions based on a shift command from the operating device D based on the operating section D1, or an automatic shift command from a control unit (not shown).

シートポストＦは、シートＡ６をフレームＡ１に連結させる部品である。シートポストＦは、フレームＡ１のシートチューブＡ１３に設けられたポスト本体Ｆ１と、ポスト本体Ｆ１の上端に設けられたヤグラＦ２とを含む。シートポストＦは第１例では、動作パラメータとして、シート高さを設定することで制御可能なコンポーネントの一部である。シートポストＦは第２例では、制御不可であってポスト本体Ｆ１のシートチューブＡ１３からの突出長は、乗り手自身またはメンテナンスのエンジニアによって調整される。 The seat post F is a component that connects the seat A6 to the frame A1. The seat post F includes a post body F1 provided on the seat tube A13 of the frame A1, and a dowel F2 provided at the upper end of the post body F1. In the first example, the seat post F is part of a component that can be controlled by setting the seat height as an operating parameter. In the second example, the seat post F is uncontrollable, and the length of the post body F1 protruding from the seat tube A13 is adjusted by the rider himself or by a maintenance engineer.

サスペンションＧは種々の形態をとり得る。サスペンションＧは第１例では前輪Ａ４を支持するフロントフォークＡ１７とヘッドチューブＡ１１との間に設けられ、前輪Ａ４に加えられた衝撃を減衰するフロントサスペンションである。サスペンションＧは、後輪Ａ５に加えられた衝撃を減衰するリアサスペンションであってもよい。サスペンションＧは、フロントサスペンションおよびリアサスペンションの両方を含んでもよい。サスペンションＧは、シートポストＦのポスト本体Ｆ１とシートチューブＡ１３との間に設けられてフレームＡ１への衝撃を減衰するシートサスペンションであってもよい。 Suspension G can take various forms. In the first example, the suspension G is a front suspension that is provided between the front fork A17 that supports the front wheel A4 and the head tube A11, and that attenuates the impact applied to the front wheel A4. The suspension G may be a rear suspension that attenuates the impact applied to the rear wheel A5. Suspension G may include both a front suspension and a rear suspension. The suspension G may be a seat suspension provided between the post body F1 of the seat post F and the seat tube A13 to attenuate the impact on the frame A1.

バッテリユニットＨは、バッテリＨ１およびバッテリホルダＨ２を含む。バッテリＨ１は、１つ、または複数のバッテリセルを含む蓄電池である。バッテリホルダＨ２は、例えば、人力駆動車ＡのダウンチューブＡ１４に固定される。バッテリホルダＨ２は、フレームＡ１以外の自転車パーツに固定されてもよい。バッテリＨ１は、バッテリホルダＨ２に着脱可能である。バッテリＨ１は、バッテリホルダＨ２に取り付けられた場合に、アシスト機構Ｃ、変速機Ｅ、シートポストＦ、サスペンションＧ、および処理ユニット１００に電気的に接続される。 The battery unit H includes a battery H1 and a battery holder H2. The battery H1 is a storage battery including one or more battery cells. The battery holder H2 is fixed, for example, to the down tube A14 of the human-powered vehicle A. The battery holder H2 may be fixed to a bicycle part other than the frame A1. The battery H1 is detachable from the battery holder H2. When the battery H1 is attached to the battery holder H2, it is electrically connected to the assist mechanism C, the gear shift E, the seat post F, the suspension G, and the processing unit 100.

ブレーキＪは、種々の形態をとり得る。ブレーキＪは、第１例では図２に示すようにリムブレーキである。ブレーキＪは、第２例ではハブブレーキである。 Brake J can take various forms. In the first example, the brake J is a rim brake as shown in FIG. Brake J is a hub brake in the second example.

ディスプレイＫは、乗り手であるユーザ向けにハンドルバーＡ３に取り付けられている。ディスプレイＫは一例では、液晶ディスプレイである。ディスプレイＫは他の例では、有機ＥＬディスプレイである。ディスプレイＫは、変速機Ｅとの通信により取得した変速段数を表示することができる。ディスプレイＫは、処理ユニット１００と接続されており、処理ユニット１００から出力される情報を表示出力する。 The display K is attached to the handlebar A3 for the user who is the rider. The display K is, for example, a liquid crystal display. In another example, display K is an organic EL display. The display K can display the number of gears acquired through communication with the transmission E. The display K is connected to the processing unit 100 and displays information output from the processing unit 100.

速度センサＳ１は、フロントフォークＡ１７に固定される。速度センサＳ１は、人力駆動車Ａの走行速度を示す信号を出力するセンサである。速度センサＳ１は例えば、前輪Ａ４のスポークに設けられたマグネットと、フロントフォークＡ１７に設けられてマグネットを検知する本体とを含み、前輪Ａ４の回転速度を計測する。速度センサＳ１は、後輪Ａ５にも設けられ、後輪Ａ５の回転速度も計測するとよい。 The speed sensor S1 is fixed to the front fork A17. The speed sensor S1 is a sensor that outputs a signal indicating the traveling speed of the human-powered vehicle A. The speed sensor S1 includes, for example, a magnet provided on the spokes of the front wheel A4 and a main body provided on the front fork A17 to detect the magnet, and measures the rotational speed of the front wheel A4. It is preferable that the speed sensor S1 is also provided on the rear wheel A5 and measures the rotational speed of the rear wheel A5.

加速度センサＳ２は、フレームＡ１に固定される。加速度センサＳ２は第１例ではシートチューブＡ１３に取り付けられる。加速度センサＳ２は第２例では、アシスト機構Ｃまたは処理ユニット１００と一体に設けられてもよい。加速度センサＳ２は、フレームＡ１の振動に対応する加速度を示す信号を出力する。加速度センサＳ２は、フロントフォークＡ１７に取り付けられてもよい。 Acceleration sensor S2 is fixed to frame A1. In the first example, the acceleration sensor S2 is attached to the seat tube A13. In the second example, the acceleration sensor S2 may be provided integrally with the assist mechanism C or the processing unit 100. Acceleration sensor S2 outputs a signal indicating acceleration corresponding to vibration of frame A1. Acceleration sensor S2 may be attached to front fork A17.

角度センサＳ３は、フレームＡ１に固定される。角度センサＳ３は第１例では、シートチューブＡ１３に設置される。角度センサＳ３は第２例では、アシスト機構Ｃまたは処理ユニット１００と一体に設けられてもよい。角度センサＳ３は第３例では、ヘッドチューブＡ１１およびステムＡ２に分けて設けられてもよい。角度センサＳ３は、人力駆動車Ａのヨー、ロール、およびピッチを示す信号をそれぞれ出力するセンサである。角度センサＳ３は、三軸全てではなく少なくともいずれか１つを出力するものであってよい。角度センサＳ３は第１例ではジャイロセンサである。角度センサＳ３は第２例では回転角度を出力する方位センサである。 Angle sensor S3 is fixed to frame A1. In the first example, the angle sensor S3 is installed on the seat tube A13. In the second example, the angle sensor S3 may be provided integrally with the assist mechanism C or the processing unit 100. In the third example, the angle sensor S3 may be provided separately in the head tube A11 and the stem A2. The angle sensor S3 is a sensor that outputs signals indicating the yaw, roll, and pitch of the human-powered vehicle A, respectively. The angle sensor S3 may output not all three axes but at least one of the three axes. The angle sensor S3 is a gyro sensor in the first example. In the second example, the angle sensor S3 is a direction sensor that outputs a rotation angle.

ケイデンスセンサＳ４は、右クランクＢ１２および左クランクＢ１３のいずれかのケイデンスを測定するように設けられる。ケイデンスセンサＳ４は、測定したケイデンスを示す信号を出力する。トルクセンサＳ５は、右クランクＢ１２および左クランクＢ１３に掛かるトルクをそれぞれ測定するように設けられる。トルクセンサＳ５は、右クランクＢ１２および左クランクＢ１３の少なくとも一方において測定されたトルクを示す信号を出力する。 The cadence sensor S4 is provided to measure the cadence of either the right crank B12 or the left crank B13. The cadence sensor S4 outputs a signal indicative of the measured cadence. The torque sensor S5 is provided to measure the torque acting on the right crank B12 and the left crank B13, respectively. The torque sensor S5 outputs a signal indicative of the torque measured in at least one of the right crank B12 and the left crank B13.

人力駆動車Ａは、上述のセンサ群Ｓ１からＳ５の他に、地磁気センサ、温度センサ、気圧センサ、集音センサまたは照度センサを備えてもよい。人力駆動車Ａは、前輪Ａ４または後輪Ａ５の横力センサをハブ軸受に備えてもよい。人力駆動車Ａは、ペダルＢ５に掛かる力を直接的に測定するセンサおよびペダルＢ５の角度を測定するセンサを備えてもよい。人力駆動車Ａは、乗り手の心拍、発汗量または乳酸値を測定するセンサをハンドルバーＡ３に備えてもよい。 The human-powered vehicle A may include a geomagnetic sensor, a temperature sensor, a barometric pressure sensor, a sound collection sensor, or an illuminance sensor in addition to the sensor groups S1 to S5 described above. The human-powered vehicle A may include a lateral force sensor for the front wheel A4 or the rear wheel A5 in the hub bearing. The human powered vehicle A may include a sensor that directly measures the force applied to the pedal B5 and a sensor that measures the angle of the pedal B5. The human-powered vehicle A may include a sensor on the handlebar A3 that measures the rider's heart rate, sweat rate, or lactic acid level.

処理ユニット１００は、上述のセンサ群Ｓ１－Ｓ５から走行情報を取得するための装置である。処理ユニット１００は第１例では、フレームＡ１のいずれかの箇所、図２に示したようにアシスト機構Ｃに設けられる。第２例では、バッテリホルダＨ２に設けられる。第３例では、コンポーネント間を通信接続するケーブル（図示せず）が接続されるジャンクションに設けられてもよい。第４例では、人力駆動車Ａのいずれかの箇所に着脱可能に設けられ、コンポ―ネント群夫々から情報を取得してもよい。 The processing unit 100 is a device for acquiring driving information from the above-mentioned sensor groups S1-S5. In the first example, the processing unit 100 is provided somewhere on the frame A1, in the assist mechanism C as shown in FIG. In the second example, it is provided in the battery holder H2. In a third example, a cable (not shown) communicatively connecting the components may be provided at a junction. In the fourth example, it may be removably installed at any location on the human-powered vehicle A, and information may be acquired from each of the component groups.

図３は、第１実施形態における処理ユニット１００の構成を示すブロック図である。処理ユニット１００は、処理部１０１、記憶部１０３、入出力部１０５、通信部１０７、およびＧＰＳ受信部１０９を備える。 FIG. 3 is a block diagram showing the configuration of the processing unit 100 in the first embodiment. The processing unit 100 includes a processing section 101, a storage section 103, an input/output section 105, a communication section 107, and a GPS reception section 109.

処理部１０１は、ＣＰＵ（Central Processing Unit ）またはＧＰＵ（Graphics Processing Unit）を用いたプロセッサである。処理部１０は、内蔵するＲＯＭ（Read Only Memory）およびＲＡＭ（Random Access Memory）等のメモリを用いて処理を実行する。処理部１０１は、内蔵するタイマーによって逐次、時間情報を取得することができる。 The processing unit 101 is a processor using a CPU (Central Processing Unit) or a GPU (Graphics Processing Unit). The processing unit 10 executes processing using built-in memories such as a ROM (Read Only Memory) and a RAM (Random Access Memory). The processing unit 101 can sequentially acquire time information using a built-in timer.

記憶部１０３は、例えばフラッシュメモリ等の不揮発性メモリを含む。記憶部１０３は、処理部１０１によって作成された各コンポーネントの動作状態、およびセンサＳ１－Ｓ５から得られる情報を走行情報として逐次記憶する。記憶部１０３は、処理部１０１内蔵のタイマーによって得られる時刻情報を対応付けてログを記憶するとよい。 The storage unit 103 includes, for example, nonvolatile memory such as a flash memory. The storage unit 103 sequentially stores the operating state of each component created by the processing unit 101 and information obtained from the sensors S1 to S5 as driving information. The storage unit 103 preferably stores logs in association with time information obtained by a timer built into the processing unit 101.

入出力部１０５は、人力駆動車Ａに設けられた操作装置Ｄ、およびセンサ群Ｓ１－５に接続される。入出力部１０５は、コンポーネント群に含まれる変速機Ｅ、シートポストＦ、サスペンションＧ、バッテリユニットＨ、およびブレーキＪに接続される。処理部１０１は、入出力部１０５によってディスプレイＫと接続されてもよい。 The input/output unit 105 is connected to an operating device D provided in the human-powered vehicle A and a sensor group S1-5. The input/output unit 105 is connected to the transmission E, seat post F, suspension G, battery unit H, and brake J included in the component group. The processing unit 101 may be connected to the display K through the input/output unit 105.

通信部１０７は、無線通信を行なうデバイスである。通信部１０７は、例えばBluetooth（登録商標）等、近距離無線通信規格により、ディスプレイＫまたは端末装置２と通信を行なうことができる。 The communication unit 107 is a device that performs wireless communication. The communication unit 107 can communicate with the display K or the terminal device 2 using a short-range wireless communication standard such as Bluetooth (registered trademark).

ＧＰＳ受信部１０９は、ＧＰＳ信号を受信して人力駆動車Ａの位置を導出するデバイスである。処理部１０１は、ＧＰＳ受信部１０９によって人力駆動車Ａの位置を適宜特定することができる。 The GPS receiving unit 109 is a device that receives a GPS signal and derives the position of the human-powered vehicle A. The processing unit 101 can appropriately specify the position of the human-powered vehicle A using the GPS receiving unit 109.

このように構成される人力駆動車Ａの処理ユニット１００は、センサＳ１からＳ５から得られる情報またはコンポーネント群から得られる動作状態を示す情報を収集して記憶すると共に、ユーザ向けにディスプレイＫに表示させる情報を出力する。処理部１０１は、記憶部１０３に各種情報を記憶する場合、時間情報と対応付けて記憶する。 The processing unit 100 of the human-powered vehicle A configured as described above collects and stores information obtained from the sensors S1 to S5 or information indicating the operating state obtained from the component group, and displays the information on the display K for the user. Outputs the information to be used. When storing various information in the storage unit 103, the processing unit 101 stores it in association with time information.

処理ユニット１００の処理部１０１は第１例では、ブレーキＪの制動に関する情報を求め記憶部１０３に記憶する。第１例において処理部１０１は具体的には、所定のサンプリング周期（１０ミリ秒、３０ミリ秒、１００ミリ秒等）の都度に、速度センサＳ１で得られる車輪速と、車輪速から求められる速度とを特定して記憶部１０３に記憶する。処理部１０１は、加速度センサＳ２で得られる加速度および減速度を逐次記憶部１０３に記憶する。処理部１０１は、ＧＰＳ受信部１０９によりサンプリング周期で特定される位置を示す位置情報を適宜、記憶部１０３に記憶する。処理部１０１は、ブレーキＪに関し、所定のサンプリング周期の都度、操作装置Ｄから得られるブレーキ操作量、操作速度を記憶部１０３に記憶する。 In the first example, the processing unit 101 of the processing unit 100 obtains information related to the application of the brake J and stores it in the memory unit 103. Specifically, in the first example, the processing unit 101 identifies the wheel speed obtained by the speed sensor S1 and the speed obtained from the wheel speed at each predetermined sampling period (10 ms, 30 ms, 100 ms, etc.) and stores them in the memory unit 103. The processing unit 101 sequentially stores the acceleration and deceleration obtained by the acceleration sensor S2 in the memory unit 103. The processing unit 101 appropriately stores position information indicating the position specified by the GPS receiving unit 109 at each sampling period in the memory unit 103. The processing unit 101 stores the brake operation amount and operation speed obtained from the operating device D for the brake J in the memory unit 103 at each predetermined sampling period.

処理部１０１は、ブレーキＪに関し、以下の処理を所定のサンプリング周期の都度に実行してもよい。以下の処理は、後述の出力装置１にて実行されてもよい。処理部１０１は、速度センサＳ１の車輪速から特定される速度との他に、ＧＰＳ受信部１０９により特定された位置に基づいて得られた速度とを用いて、前輪Ａ４または後輪Ａ５のいずれか一方のスリップ率を算出し、記憶部１０３に記憶しておく。処理部１０１は、速度から減速時の減速度を算出して記憶部１０３に記憶しておく。処理部１０１は、ブレーキの頻度を算出して記憶部１０３に記憶しておく。 Regarding the brake J, the processing unit 101 may perform the following processing at each predetermined sampling period. The following processing may be executed by the output device 1, which will be described later. The processing unit 101 uses the speed specified from the wheel speed of the speed sensor S1 and the speed obtained based on the position specified by the GPS receiving unit 109 to determine which of the front wheels A4 and the rear wheels A5. One of the slip rates is calculated and stored in the storage unit 103. The processing unit 101 calculates the deceleration during deceleration from the speed and stores it in the storage unit 103. The processing unit 101 calculates the frequency of braking and stores it in the storage unit 103.

処理ユニット１００の処理部１０１は第２例では、車輪に関する情報を求め記憶部１０３に記憶する。第２例において処理部１０１は、速度センサＳ１に基づき得られる車輪速度を逐次、記憶部１０３に記憶する。処理部１０１は第２例においても走行速度を求めて記憶部１０３に記憶してよい。処理部１０１は、角度センサＳ３により得られるヨー、ロール、およびピッチそれぞれにおける傾斜、ハンドルの回転角を取得して記憶部１０３に記憶する。処理部１０１は、角度センサＳ３により得られる人力駆動車Ａの前後の傾きを算出し、逐次記憶部１０３に記憶する。処理部１０１は、ＧＰＳ受信部１０９によりサンプリング周期で特定される位置に基づいて、人力駆動車Ａの進行方向を逐次特定して記憶部１０３に記憶してもよい。処理部１０１は車輪に関し、前輪Ａ４または後輪Ａ５のハブ軸受に設けた横力センサにおける計測値を記憶部１０３に記憶してもよい。 In the second example, the processing section 101 of the processing unit 100 obtains information regarding wheels and stores it in the storage section 103. In the second example, the processing unit 101 sequentially stores the wheel speeds obtained based on the speed sensor S1 in the storage unit 103. The processing unit 101 may also obtain the traveling speed and store it in the storage unit 103 in the second example. The processing unit 101 acquires the inclination and rotation angle of the steering wheel in each of the yaw, roll, and pitch obtained by the angle sensor S<b>3 and stores them in the storage unit 103 . The processing unit 101 calculates the longitudinal inclination of the human-powered vehicle A obtained by the angle sensor S3, and sequentially stores it in the storage unit 103. The processing unit 101 may sequentially specify the traveling direction of the human-powered vehicle A based on the position specified by the GPS receiving unit 109 at a sampling period and store it in the storage unit 103. Regarding wheels, the processing unit 101 may store, in the storage unit 103, the measured values of a lateral force sensor provided in the hub bearing of the front wheel A4 or the rear wheel A5.

処理部１０１は、車輪に関し、変速機Ｅ、サスペンションＧの動作状態を取得して記憶部１０３に記憶してもよい。 The processing unit 101 may acquire the operating states of the transmission E and the suspension G regarding the wheels and store them in the storage unit 103.

処理ユニット１００の処理部１０１は、センサ群Ｓ１－３によって得られる情報をディスプレイＫに表示する。例えば処理部１０１は、速度センサＳ１から得られる速度を示す数値をディスプレイＫに表示する。処理部１０１は、人力駆動車Ａの傾きを導出し、ディスプレイＫに人力駆動車Ａのイラストに合わせてグラフィック的に表示させる。処理部１０１は、ブレーキＪの操作量をディスプレイＫに表示させてもよい。 The processing section 101 of the processing unit 100 displays information obtained by the sensor group S1-3 on the display K. For example, the processing unit 101 displays on the display K a numerical value indicating the speed obtained from the speed sensor S1. The processing unit 101 derives the inclination of the human-powered vehicle A and displays it graphically on the display K in accordance with the illustration of the human-powered vehicle A. The processing unit 101 may display the operation amount of the brake J on the display K.

処理ユニット１００の処理部１０１は、通信部１０７により、端末装置２と通信接続が確立されたことを検知すると、記憶部１０３に記憶してあるブレーキＪの制動に関する情報、または車輪に関する情報を読み出して端末装置２へ送信する。 When the processing unit 101 of the processing unit 100 detects that the communication connection with the terminal device 2 has been established by the communication unit 107, the processing unit 101 reads information related to braking of the brake J or information related to the wheels stored in the storage unit 103. and transmits it to the terminal device 2.

［端末装置２および出力装置１における処理］
図４は、第１実施形態における端末装置２および出力装置１の構成を示すブロック図である。第１実施形態において出力装置１は、サーバコンピュータを用いる。出力装置１は、パーソナルコンピュータであってもよい。出力装置１は、処理部１０、記憶部１２、および通信部１４を備える。第１実施形態において以下では、出力装置１は１台のサーバコンピュータとして説明するが、複数のサーバコンピュータで機能または処理を分散させてもよいし、１台の大型コンピュータに仮想的に生成される複数のインスタンスの内の１つであってもよい。 [Processing in terminal device 2 and output device 1]
FIG. 4 is a block diagram showing the configuration of the terminal device 2 and the output device 1 in the first embodiment. In the first embodiment, the output device 1 uses a server computer. The output device 1 may be a personal computer. The output device 1 includes a processing section 10, a storage section 12, and a communication section 14. In the first embodiment, the output device 1 will be explained as one server computer, but the function or processing may be distributed among multiple server computers, or the output device 1 may be virtually generated on one large computer. It may be one of multiple instances.

処理部１０は、ＣＰＵまたはＧＰＵを用いたプロセッサである。処理部１０は、内蔵するＲＯＭおよびＲＡＭ等のメモリを用い、各構成部を制御して処理を実行する。処理部１０は、記憶部１２に記憶されている学習モデル１Ｍを含む制御プログラム１Ｐに基づき、学習モデル１Ｍを用いて人力駆動車Ａの評価、または乗り方の評価を端末装置２へ向けて出力する。処理部１０は、評価に基づいて部品、または乗り方に関する提案を端末装置２へ出力してもよい。 The processing unit 10 is a processor using a CPU or GPU. The processing unit 10 uses built-in memories such as ROM and RAM to control each component and execute processing. The processing unit 10 outputs the evaluation of the human-powered vehicle A or the evaluation of the riding style to the terminal device 2 using the learning model 1M based on the control program 1P including the learning model 1M stored in the storage unit 12. do. The processing unit 10 may output suggestions regarding parts or riding methods to the terminal device 2 based on the evaluation.

記憶部１２は、ハードディスク、または、ＳＳＤ（Solid State Drive ）を用い、制御プログラム１Ｐを含む処理部１０が参照するプログラム、およびデータを記憶する。記憶部１２は学習モデル１Ｍを記憶する。記憶部１２には、人力駆動車Ａおよび他の人力駆動車の部品の種別、品番、特性を示す情報がデータベース化されている。制御プログラム１Ｐ、および学習モデル１Ｍは、記憶媒体３に記憶された制御プログラム３０Ｐおよび学習モデル３０Ｍを読み出して記憶部１２に複製されたものであってもよい。 The storage unit 12 uses a hard disk or an SSD (Solid State Drive), and stores programs referenced by the processing unit 10, including the control program 1P, and data. The storage unit 12 stores a learning model 1M. The storage unit 12 has a database of information indicating the types, product numbers, and characteristics of parts of the human-powered vehicle A and other human-powered vehicles. The control program 1P and learning model 1M may be obtained by reading out the control program 30P and learning model 30M stored in the storage medium 3 and copying them into the storage unit 12.

通信部１４は、公衆通信網Ｎ１を含むネットワークＮを介した端末装置２との通信接続を実現する通信モジュールである。通信部１４は例えば、Wi-Fi に対応する無線通信デバイスである。通信部１４は第２例では、ネットワークＮに含まれるキャリアネットワークＮ２を介した通信接続を実現するキャリア通信用モジュールである。通信部１４は第３例では有線接続用のネットワークカードである。 The communication unit 14 is a communication module that realizes a communication connection with the terminal device 2 via a network N including a public communication network N1. The communication unit 14 is, for example, a wireless communication device that supports Wi-Fi. In a second example, the communication unit 14 is a carrier communication module that realizes a communication connection via a carrier network N2 included in the network N. In a third example, the communication unit 14 is a network card for a wired connection.

端末装置２は、メンテナンスを行なう人力駆動車Ａのユーザ、または人力駆動車Ａの販売者が所有するタブレット等の通信端末である。端末装置２は、所謂スマートフォンであってもよい。端末装置２は、ラップトップ型のパーソナルコンピュータであってもよい。端末装置２は、処理部２０、記憶部２２、第１通信部２４、第２通信部２５、表示部２６、および操作部２８を備える。 The terminal device 2 is a communication terminal such as a tablet owned by a user of the human-powered vehicle A who performs maintenance or a seller of the human-powered vehicle A. The terminal device 2 may be a so-called smartphone. The terminal device 2 may be a laptop personal computer. The terminal device 2 includes a processing section 20, a storage section 22, a first communication section 24, a second communication section 25, a display section 26, and an operation section 28.

処理部２０は、ＣＰＵまたはＧＰＵを用いたプロセッサである。処理部２０は、内蔵するＲＯＭ、およびＲＡＭ等のメモリを用い、各構成部を制御して処理を実行する。処理部２０は、プロセッサ、メモリ、記憶部２２、第１通信部２４および第２通信部２５を集積した１つのハードウェア、ＳｏＣ（System On a Chip）として構成されていてもよい。処理部２０は、記憶部２２に記憶されているメンテナンスアプリプログラム２Ｐに基づいて、人力駆動車Ａの組み立てに関する情報を表示部２６に表示する。 The processing unit 20 is a processor using a CPU or GPU. The processing unit 20 uses built-in memories such as ROM and RAM to control each component and execute processing. The processing unit 20 may be configured as a single piece of hardware, SoC (System On a Chip), in which a processor, a memory, a storage unit 22, a first communication unit 24, and a second communication unit 25 are integrated. The processing unit 20 displays information regarding the assembly of the human-powered vehicle A on the display unit 26 based on the maintenance application program 2P stored in the storage unit 22.

記憶部２２は、フラッシュメモリを用い、メンテナンスアプリプログラム２Ｐを含む処理部２０が参照するプログラム、およびデータを記憶する。記憶部２２に記憶されているメンテナンスアプリプログラム２Ｐは、人力駆動車Ａの部品メーカから提供され、任意の配信サーバから配信され、汎用コンピュータである端末装置２にインストールされる。メンテナンスアプリプログラム２Ｐは、記憶媒体５に記憶されたメンテナンスアプリプログラム５０Ｐを読み出して記憶部２２に複製されたものであってもよい。 The storage unit 22 uses a flash memory to store programs referenced by the processing unit 20 including the maintenance application program 2P, and data. The maintenance application program 2P stored in the storage unit 22 is provided by a parts manufacturer of the human-powered vehicle A, distributed from an arbitrary distribution server, and installed on the terminal device 2, which is a general-purpose computer. The maintenance application program 2P may be obtained by reading the maintenance application program 50P stored in the storage medium 5 and copying it into the storage unit 22.

記憶部２２には、ユーザが使用する人力駆動車Ａに関する情報が記憶されている。記憶部２２には、人力駆動車Ａの車両情報が記憶されている。車両情報は、人力駆動車Ａの種類を示す情報を含む。種類は例えばシティサイクル、マウンテンバイク、および、クロスバイクである。車両情報は、人力駆動車Ａを構成する変速機Ｅ、シートポストＦ、サスペンションＧ等のコンポーネント、および他の部品の品番を含む。車両情報は、人力駆動車ＡのフレームＡ１の寸法を含む。車両情報は、フォークオフセットの長さ、前輪Ａ４の太さを含む。これらの車両情報は、メンテナンスアプリプログラム２０Ｐに基づき表示される入力画面にて、ユーザの操作部２８による入力操作を受け付けて記憶されてもよいし、処理ユニット１００から取得されて記憶されてもよい。 The memory unit 22 stores information about the human-powered vehicle A used by the user. The memory unit 22 stores vehicle information about the human-powered vehicle A. The vehicle information includes information indicating the type of the human-powered vehicle A. Examples of the types include city cycle, mountain bike, and cross bike. The vehicle information includes the components that make up the human-powered vehicle A, such as the transmission E, seat post F, and suspension G, as well as the product numbers of other parts. The vehicle information includes the dimensions of the frame A1 of the human-powered vehicle A. The vehicle information includes the length of the fork offset and the width of the front wheel A4. This vehicle information may be stored by accepting input operations from the user using the operation unit 28 on an input screen displayed based on the maintenance application program 20P, or may be obtained from the processing unit 100 and stored.

第１通信部２４は、公衆通信網Ｎ１への通信接続を実現する通信モジュールである。第１通信部２４は例えば、Wi-Fi に対応する無線通信デバイスである。第１通信部２４は第２例では、キャリアネットワークＮ２を介した通信を実現するキャリア通信用モジュールである。第１通信部２４は第３例ではネットワークカードである。 The first communication unit 24 is a communication module that realizes a communication connection to the public communication network N1. The first communication unit 24 is, for example, a wireless communication device compatible with Wi-Fi. In the second example, the first communication unit 24 is a carrier communication module that realizes communication via the carrier network N2. The first communication unit 24 is a network card in the third example.

第２通信部２５は、処理ユニット１００との通信接続を実現する通信モジュールである。第２通信部２５は、例えばBluetooth（登録商標）等、近距離無線通信規格により、処理ユニット１００と通信を行なうことができる。 The second communication unit 25 is a communication module that realizes a communication connection with the processing unit 100. The second communication unit 25 can communicate with the processing unit 100 by a short-range wireless communication standard such as Bluetooth (registered trademark).

表示部２６は、液晶パネルまたは有機ＥＬディスプレイ等のディスプレイ装置を用いる。表示部２６は、人力駆動車Ａ、またはその乗り方に関する評価を表示する。表示部２６は、人力駆動車Ａに関するカスタマイズ等の提案を表示するために用いられる。 The display unit 26 uses a display device such as a liquid crystal panel or an organic EL display. The display unit 26 displays evaluations regarding the human-powered vehicle A or how to ride it. The display unit 26 is used to display suggestions for customization and the like regarding the human-powered vehicle A.

操作部２８は、利用者の操作を受け付けるインタフェースであり、物理ボタン、ディスプレイ内蔵のタッチパネルデバイス、スピーカ、およびマイクロフォン等を用いる。操作部２８は、物理ボタンまたはタッチパネルにて表示部２６で表示している画面上で操作を受け付けてもよいし、マイクロフォンにて入力音声から操作内容を認識し、スピーカで出力する音声との対話形式で操作を受け付けてもよい。 The operation unit 28 is an interface that accepts user operations, and uses physical buttons, a touch panel device with a built-in display, a speaker, a microphone, and the like. The operation unit 28 may accept operations on the screen displayed on the display unit 26 using physical buttons or a touch panel, or may recognize operation details from input audio using a microphone and interact with audio output from a speaker. The operation may be accepted in the format.

上述のような構成を有する第１実施形態の出力装置１は、制御プログラム１０Ｐに基づき、後述する学習アルゴリズムによって学習された学習モデル１Ｍを用いて、人力駆動車Ａの車両情報および走行中に得られる走行情報に応じて、人力駆動車Ａの構成を評価する評価情報を出力する。出力装置１は評価に基づいて人力駆動車Ａのカスタマイズに関する提案情報を出力する。出力情報は端末装置２へ送信され、端末装置２では、メンテナンスアプリプログラム２Ｐに基づいてこれを受信し、受信した出力情報に基づいて人力駆動車Ａの構成の評価および提案情報を表示部２６に表示する。 The output device 1 of the first embodiment having the above-mentioned configuration uses a learning model 1M learned by a learning algorithm described below based on the control program 10P to output evaluation information for evaluating the configuration of human-powered vehicle A according to vehicle information of human-powered vehicle A and driving information obtained during driving. The output device 1 outputs suggested information regarding customization of human-powered vehicle A based on the evaluation. The output information is transmitted to the terminal device 2, which receives it based on the maintenance application program 2P and displays the evaluation of the configuration of human-powered vehicle A and the suggested information on the display unit 26 based on the received output information.

第１実施形態の出力装置１で用いられる学習モデル１Ｍについて説明する。学習モデル１Ｍは予め、出力装置１または外部装置によって生成され、学習される。図５は、第１例の学習モデル１Ｍの概要を示す図である。出力装置１は、ニューラルネットワーク（以下ＮＮ：Neural Network）を用いた教師ありの深層学習アルゴリズムによって人力駆動車Ａの部品の取り付け状態に関する入力情報に対する出力情報を出力する学習モデル１Ｍを生成する。学習アルゴリズムは教師なしの学習アルゴリズムでもよいし、リカレントニューラルネットワーク（Recurrent Neural Network）でもよい。学習アルゴリズムは強化学習でもよい。 A learning model 1M used in the output device 1 of the first embodiment will be explained. The learning model 1M is generated and trained in advance by the output device 1 or an external device. FIG. 5 is a diagram showing an outline of the learning model 1M of the first example. The output device 1 generates a learning model 1M that outputs output information in response to input information regarding the attachment state of parts of the human-powered vehicle A by a supervised deep learning algorithm using a neural network (hereinafter referred to as NN). The learning algorithm may be an unsupervised learning algorithm or a recurrent neural network. The learning algorithm may be reinforcement learning.

図５に示す例では、学習モデル１Ｍは、人力駆動車ＡのブレーキＪに関する入力情報を入力する入力層３１と、人力駆動車Ａの乗り手のカテゴリーに関する出力情報を出力する出力層３２とを備える。学習モデル１Ｍは、入力情報が入力された場合に、乗り手の評価としてカテゴリーを出力するように教師データによって学習済みのパラメータを有する中間層３３を備える。入力層３１に、人力駆動車ＡのブレーキＪに関する情報が入力された場合、学習済みパラメータによって中間層３３で演算が行なわれ、出力層３２から、人力駆動車Ａの乗り手のカテゴリーに関する出力情報が出力される。 In the example shown in FIG. 5, the learning model 1M has an input layer 31 that receives input information related to the brakes J of human-powered vehicle A, and an output layer 32 that outputs output information related to the category of the rider of human-powered vehicle A. The learning model 1M has an intermediate layer 33 that has parameters learned from teacher data so as to output a category as an evaluation of the rider when input information is input. When information related to the brakes J of human-powered vehicle A is input to the input layer 31, a calculation is performed in the intermediate layer 33 using the learned parameters, and output information related to the category of the rider of human-powered vehicle A is output from the output layer 32.

乗り手のカテゴリーは、タイプ、乗車環境の種別、および技量レベルのいずれかに基づき分類される。入力される情報は例えば、走行速度、減速度およびスリップ率を含む走行情報である。図５に示すように処理部１０は、時系列で記憶されてあったデータをグラフ化して画像として入力してもよい。出力装置１の処理部１０は、車輪速から得られる走行速度と、ＧＰＳにより特定された位置情報に基づいて得られる走行速度とを用い、スリップ率を算出して学習モデル１Ｍに入力する。スリップ率についても処理部１０は、時系列に算出し、グラフ化して画像として入力してもよい。スリップ率に関しては前輪Ａ４および後輪Ａ５それぞれについて算出してもよい。処理部１０は、制動フィードバック操作、操作速度を算出して入力してもよい。出力情報の乗り手のタイプは例えば、直線的な道をより速く走行するスプリンタータイプ、傾斜の多い道を速く走行するクライマータイプ、または長い距離を走行できるスタミナタイプである。出力情報の乗車環境は例えば、舗装されたオンロード、舗装されていないオフロードである。技量は例えば、高レベル、中レベルである。 The rider category is classified based on the type, the type of riding environment, and the skill level. The input information is, for example, riding information including the running speed, deceleration, and slip ratio. As shown in FIG. 5, the processing unit 10 may graph the data stored in time series and input it as an image. The processing unit 10 of the output device 1 uses the running speed obtained from the wheel speed and the running speed obtained based on the position information specified by the GPS to calculate the slip ratio and input it to the learning model 1M. The processing unit 10 may also calculate the slip ratio in time series, graph it, and input it as an image. The slip ratio may be calculated for each of the front wheel A4 and the rear wheel A5. The processing unit 10 may calculate and input the braking feedback operation and operation speed. The type of rider in the output information is, for example, a sprinter type that runs faster on a straight road, a climber type that runs faster on a road with many inclines, or a stamina type that can run long distances. The riding environment in the output information is, for example, a paved on-road or an unpaved off-road. The skill level is, for example, a high level or a medium level.

処理部１０は、試験環境にて多様な人力駆動車Ａを走行させて得られるこれらの入力情報に、既知のカテゴリーが付与された情報群を教師データとして予め収集して学習モデル１Ｍを学習する。例えば、技量が高いレベルであってスプリンタータイプであることが既知の乗り手にオンロードを走行してもらい得られる走行速度、加速度、減速度、スリップ率等を入力情報として収集する。また技量が中レベルであってスタミナタイプであることが既知の乗り手にオンロードを走行してもらい得られる走行速度、加速度、減速度、スリップ率等を入力情報として収集する。このように、タイプ、乗車環境、および技量が既知の乗り手の走行情報を教師データとして学習された学習モデル１Ｍに対し、新たに入力された情報に基づいてユーザがいずれのタイプ、乗車環境および技量であるかの分類を、多様な入力情報に応じて出力できるように学習される。時系列に変化する走行速度、加減速度、スリップ率は、人力駆動車Ａの１回の走行の分類は、タイプ等の分類によって差異がることが既知であるところ、それらの情報について閾値等で判別することは非常に困難である。統計的処理によって分類されてもよいが学習モデル１Ｍを用いることで分類が容易になる。図５に示す学習モデル１Ｍを用いる場合、出力装置１は、入力された情報に対して出力された出力情報に基づいて、タイプ別、乗車環境別、および技量別に適切な部品として記憶部１２にデータベース化してある部品の情報を出力する。 The processing unit 10 learns the learning model 1M by collecting in advance as teacher data a group of information to which known categories are assigned to the input information obtained by driving various human-powered vehicles A in a test environment. For example, the running speed, acceleration, deceleration, slip ratio, etc. obtained by having a rider who is known to be a sprinter type with a high level of skill drive on-road are collected as input information. Also, the running speed, acceleration, deceleration, slip ratio, etc. obtained by having a rider who is known to be a stamina type with a medium level of skill drive on-road are collected as input information. In this way, the learning model 1M, which has been learned using the driving information of a rider whose type, riding environment, and skill are known as teacher data, is trained to output a classification of the type, riding environment, and skill of the user based on newly input information in accordance with various input information. It is known that the classification of one run of the human-powered vehicle A differs depending on the classification such as type, and it is very difficult to distinguish such information by threshold values, etc. Although classification may be performed by statistical processing, classification is made easier by using the learning model 1M. When using the learning model 1M shown in FIG. 5, the output device 1 outputs information on parts that are stored in a database in the storage unit 12 as appropriate parts for each type, riding environment, and skill level, based on the output information output in response to the input information.

学習モデル１Ｍは、図５に示したようにカテゴリーとして乗り手のタイプ、乗車環境の種別、および技量レベルのいずれかを出力してもよいが、カテゴリーも入力情報として入力し、推奨されるブレーキＪに関する部品を出力するものであってもよい。この場合、技量は累積走行距離等で判別されてもよい。図６は、第１例の学習モデル１Ｍの他の形態を示す図である。 The learning model 1M may output any of the rider type, riding environment type, and skill level as categories as shown in FIG. It may also be possible to output parts related to. In this case, skill may be determined based on cumulative mileage or the like. FIG. 6 is a diagram showing another form of the learning model 1M of the first example.

図６に示す例にて学習モデル１Ｍは、人力駆動車ＡのブレーキＪに関する入力情報および乗り手のカテゴリーに関する入力情報を入力する入力層３１と、推奨される部品に関する出力情報を出力する出力層３２とを備える。学習モデル１Ｍは、入力情報が入力された場合に、推奨される部品の情報を出力するように教師データによって学習済みのパラメータを有する中間層３３を備える。入力層３１に、人力駆動車ＡのブレーキＪに関する情報および乗り手のカテゴリーが入力された場合、学習済みパラメータによって中間層３３で演算が行なわれ、出力層３２から、推奨される部品に関する出力情報が出力される。 In the example shown in FIG. 6, the learning model 1M includes an input layer 31 that inputs input information regarding the brake J of the human-powered vehicle A and input information regarding the rider category, and an output layer 32 that outputs output information regarding recommended parts. Equipped with. The learning model 1M includes an intermediate layer 33 having parameters learned using teacher data so as to output information on recommended parts when input information is input. When information regarding the brake J of the human-powered vehicle A and the category of the rider are input to the input layer 31, calculations are performed in the intermediate layer 33 using learned parameters, and output information regarding recommended parts is output from the output layer 32. Output.

図６における学習モデル１Ｍは、車輪速、走行速度、加速度、減速度、スリップ率が入力された場合に、推奨される部品を出力するように学習される。例えば、既知のカテゴリーの乗り手が使用している部品の情報を収集し、似たようなタイプの乗り手がよく使用している部品を出力するように学習されてもよい。既知のカテゴリーの乗り手に、プロのメンテナンスエンジニアが推奨している部品を出力するように学習されるとよい。例えば学習モデル１Ｍは、スリップ率が所定の限界を頻繁に超える場合には剛性が標準的な値よりも低く、摩擦係数が低い材料のブレーキＪを出力するように学習してあるとよい。またブレーキの操作回数が多い場合にも剛性が標準的な値よりも低く、摩擦係数が低い材料のブレーキＪを出力するように学習してあるとよい。 The learning model 1M in FIG. 6 is trained to output recommended parts when wheel speed, traveling speed, acceleration, deceleration, and slip rate are input. For example, it may be learned to collect information on parts used by riders of a known category and output parts frequently used by similar types of riders. It would be good to learn to output parts recommended by professional maintenance engineers for known categories of riders. For example, the learning model 1M may be trained to output a brake J made of a material with a stiffness lower than a standard value and a low friction coefficient when the slip ratio frequently exceeds a predetermined limit. Also, it is preferable to learn to output a brake J made of a material with a stiffness lower than a standard value and a low coefficient of friction even when the brake is operated many times.

図７は、第２例の学習モデル１Ｍの概要を示す図である。図７に示す例では、学習モデル１Ｍは、人力駆動車Ａの車輪に関する入力情報を入力する入力層３１と、車体または車輪に関する部品の選択肢から提案される出力情報を出力する出力層３２とを備える。学習モデル１Ｍは、入力情報が入力された場合に、推奨される部品を出力するように教師データによって学習済みのパラメータを有する中間層３３を備える。入力層３１に、車輪に関する情報が入力された場合、学習済みパラメータによって中間層３３で演算が行なわれ、出力層３２から、人力駆動車Ａに対し推奨される部品に関する出力情報が出力される。 Figure 7 is a diagram showing an overview of the learning model 1M of the second example. In the example shown in Figure 7, the learning model 1M has an input layer 31 that receives input information related to the wheels of the human-powered vehicle A, and an output layer 32 that outputs output information proposed from a selection of parts related to the vehicle body or wheels. The learning model 1M has an intermediate layer 33 that has parameters learned from teacher data so as to output recommended parts when input information is input. When information related to the wheels is input to the input layer 31, a calculation is performed in the intermediate layer 33 using the learned parameters, and output information related to parts recommended for the human-powered vehicle A is output from the output layer 32.

図７に示す第２例の学習モデル１Ｍに入力される情報は例えば、フレームの寸法、フォークオフセットの長さ、および車輪の太さ等の車両情報と、加速度、減速度、ハンドルの回転角度、車体の傾斜、軸荷重、および車輪横力等の走行情報とを含む。図７に示す例では入力情報は時系列で変化する情報と、変化しない車体情報とが含まれるので、学習モデル１Ｍを２つに分ける構成が好ましい。例えば、１つ目のモデルに時系列に変化する情報をまとめて入力して得られる出力と、車体情報とを２つ目のモデルに入力して最終的な出力情報を出力する構成が好ましい。 The information input to the learning model 1M of the second example shown in FIG. 7 includes, for example, vehicle information such as frame dimensions, fork offset length, and wheel thickness, as well as acceleration, deceleration, steering wheel rotation angle, It includes running information such as vehicle body inclination, axle load, and wheel lateral force. In the example shown in FIG. 7, the input information includes information that changes over time and vehicle body information that does not change, so it is preferable to divide the learning model 1M into two parts. For example, it is preferable to have a configuration in which an output obtained by collectively inputting information that changes over time into a first model and vehicle body information are input into a second model to output final output information.

図７に示す例において出力装置１の処理部１０は、車体の傾斜とフレームの寸法に基づいて軸荷重を算出して入力する。処理部１０は、車輪の接地長さ、車輪の種類から求められる弾性係数、スリップ角度を用いて遠心力と釣り合う力として車輪横力を算出して入力する。横力センサから直接得られる情報を入力してもよい。スリップ角度は、ＧＰＳに基づいて逐次求められる進行方向とハンドルの回転角度とで算出されてもよい。図７に示す学習モデル１Ｍは例えば、人力駆動車Ａが直進しているにもかかわらず、頻繁に蛇行運転している場合には、短いオフセットのフロントフォークＡ１７を提案するか、より太い車輪を提案するように学習される。図７に示す学習モデル１Ｍは、人力駆動車Ａがコーナーを曲がる際に、車体傾斜角度が大きいにもかかわらず、回頭モーメントが小さい場合には、長いオフセットのフロントフォークＡ１７を提案するか、より細い車輪を提案するように学習される。 In the example shown in FIG. 7, the processing unit 10 of the output device 1 calculates and inputs the axial load based on the inclination of the vehicle body and the dimensions of the frame. The processing unit 10 calculates and inputs the wheel lateral force as a force that balances the centrifugal force using the contact length of the wheel, the elastic coefficient determined from the type of the wheel, and the slip angle. Information obtained directly from the lateral force sensor may also be input. The slip angle may be calculated from the direction of travel and the rotation angle of the steering wheel, which are sequentially determined based on GPS. For example, the learning model 1M shown in FIG. 7 may suggest a short offset front fork A17 or use thicker wheels if the human-powered vehicle A frequently meanders even though it is traveling straight. Learned to make suggestions. The learning model 1M shown in FIG. 7 proposes a front fork A17 with a long offset, or Learned to suggest narrow wheels.

図５から図７に示した学習モデル１Ｍは、人力駆動車Ａの種類別、具体的にはシティサイクル、マウンテンバイク、および、クロスバイク別に学習されてもよい。図５から図７に示した学習モデル１Ｍは、人力駆動車Ａの構成毎に準備されてもよい。ここで構成とは、人力駆動車ＡのフレームＡ１、コンポーネント群Ｅ，Ｆ，Ｇ，Ｈ，Ｊそれぞれの組み合わせである。学習モデル１Ｍは例えばフレームＡ１のタイプ、変速機ＥおよびサスペンションＧの品番の組み合わせ等の車両情報に対応する構成別に準備されるとよい。 The learning model 1M shown in FIGS. 5 to 7 may be learned for each type of human-powered vehicle A, specifically, for each type of city cycle, mountain bike, and cross bike. The learning model 1M shown in FIGS. 5 to 7 may be prepared for each configuration of the human-powered vehicle A. Here, the configuration is a combination of the frame A1 of the human-powered vehicle A and the component groups E, F, G, H, and J. The learning model 1M may be prepared for each configuration corresponding to vehicle information such as the type of frame A1, combination of part numbers of transmission E and suspension G, and the like.

学習モデル１Ｍの内容例が図５から図７に示した例に限られないことは勿論である。評価または提案の内容に応じて適宜入力情報に応じた出力情報を出力するように学習されるとよい。 Of course, the content examples of the learning model 1M are not limited to the examples shown in FIGS. 5 to 7. It is preferable to learn to output output information according to input information as appropriate depending on the content of the evaluation or proposal.

図８は、学習モデル１Ｍを用いた評価または提案の出力処理の一例を示すフローチャートである。走行中にセンサ群Ｓ１－Ｓ５から得られた情報を記憶した処理ユニット１００を備える人力駆動車Ａを停車させた状態で、ユーザが端末装置２からメンテナンスアプリプログラム２０Ｐに基づいてメンテナンス処理を開始させると、以下の処理が開始される。 FIG. 8 is a flowchart illustrating an example of an evaluation or proposal output process using the learning model 1M. While the human-powered vehicle A equipped with the processing unit 100 that stores information obtained from the sensor groups S1 to S5 while traveling is stopped, the user starts maintenance processing from the terminal device 2 based on the maintenance application program 20P. Then, the following process starts.

端末装置２の処理部２０は、第２通信部２５により処理ユニット１００と通信接続を確立させると（ステップＳ２０１）、処理ユニット１００から記憶部１０３に記憶してある走行情報を取得する（ステップＳ２０３）。処理部２０は、記憶部２２から、人力駆動車Ａの車両情報の内の必要な情報を読み出して取得する（ステップＳ２０５）。処理部２０は、取得した走行情報および車両情報を第１通信部２４により出力装置１へ送信する（ステップＳ２０７）。 When the processing unit 20 of the terminal device 2 establishes a communication connection with the processing unit 100 through the second communication unit 25 (step S201), the processing unit 20 acquires travel information stored in the storage unit 103 from the processing unit 100 (step S203). ). The processing unit 20 reads and acquires necessary information of the vehicle information of the human-powered vehicle A from the storage unit 22 (step S205). The processing unit 20 transmits the acquired driving information and vehicle information to the output device 1 through the first communication unit 24 (step S207).

出力装置１は、処理ユニット１００にて得られた走行情報と、端末装置２に記憶されていた車両情報とを通信部１４により受信する（ステップＳ１０１）。出力装置１の処理部１０は、受信した走行情報および車両情報を学習モデル１Ｍに与え（ステップＳ１０３）、学習モデル１Ｍから出力される出力情報を特定する（ステップＳ１０５）。ステップＳ１０３では、学習モデル１Ｍが走行情報のみを入力する場合には走行情報のみを与えてもよいし、車両情報のみを入力する場合には車両情報のみを与えてもよい。 The output device 1 receives the traveling information obtained by the processing unit 100 and the vehicle information stored in the terminal device 2 through the communication unit 14 (step S101). The processing unit 10 of the output device 1 provides the received traveling information and vehicle information to the learning model 1M (step S103), and specifies the output information output from the learning model 1M (step S105). In step S103, if the learning model 1M inputs only driving information, only driving information may be given, or if only vehicle information is input, only vehicle information may be given.

ステップＳ１０３において処理部１０は、図５から図７に示した学習モデル１Ｍの内、記憶部１２に記憶してあるいずれかに情報を与えて出力情報を特定する。 In step S103, the processing unit 10 provides information to one of the learning models 1M shown in Figures 5 to 7 stored in the memory unit 12 to identify the output information.

ステップＳ１０３において処理部１０は、学習モデル１Ｍが人力駆動車Ａの種類別に学習されている場合には、人力駆動車Ａの種類の指定を端末装置２から受信し、指定された種類に対応する学習モデルを選択する。学習モデル１Ｍが、人力駆動車Ａの構成毎に準備されている場合、処理部１０は、車両情報の構成毎に学習モデル１Ｍを選択する。 In step S103, if the learning model 1M is learned for each type of human-powered vehicle A, the processing unit 10 receives the designation of the type of human-powered vehicle A from the terminal device 2, and performs training corresponding to the designated type. Select a learning model. If a learning model 1M is prepared for each configuration of the human-powered vehicle A, the processing unit 10 selects the learning model 1M for each configuration of vehicle information.

出力装置１の処理部１０は、特定された出力情報に基づく評価または提案を端末装置２へ送信する（ステップＳ１０７）。ステップＳ１０７で送信される情報は、学習モデル１Ｍの出力情報の内容に応じて異なってよい。処理部１０は上述したように、学習モデル１Ｍが図５に示したようにブレーキＪに関する乗り手を評価する情報を出力するケースでは、乗り手のタイプ別、乗車環境別、および技量別に適切な部品を提案情報としてステップＳ１０７で送信する。処理部１０はこの場合、端末装置２から送信された車両情報が示す部品と、学習モデル１Ｍから出力された適切な部品とに差異がある場合のみに提案情報を送信するようにしてもよい。 The processing unit 10 of the output device 1 transmits an evaluation or suggestion based on the identified output information to the terminal device 2 (step S107). The information transmitted in step S107 may differ depending on the content of the output information of the learning model 1M. As described above, in a case where the learning model 1M outputs information evaluating the rider regarding brakes J as shown in FIG. 5, the processing unit 10 transmits appropriate parts according to the rider's type, riding environment, and skill as suggested information in step S107. In this case, the processing unit 10 may transmit the suggested information only when there is a difference between the parts indicated by the vehicle information transmitted from the terminal device 2 and the appropriate parts output from the learning model 1M.

端末装置２は、第１通信部２４により評価または提案を受信し（ステップＳ２０９）、表示部２６に表示し（ステップＳ２１１）、処理を終了する。 The terminal device 2 receives the evaluation or proposal through the first communication unit 24 (step S209), displays it on the display unit 26 (step S211), and ends the process.

このようにして、ベテランの組立エンジニア、またはコーチングスタッフによって提示されるような、人力駆動車Ａの構成に対する適切な評価、または部品、部品の使用方法、または乗り方の提案をコンピュータに実行させることが可能になる。このため、熟練のメンテナンスエンジニア、適切なアドバイスができるエンジニアが全てのユーザに対し、メンテナンスアプリプログラム２０Ｐをインストールした端末装置２から提供できる。 In this way, it becomes possible to have the computer execute appropriate evaluations of the configuration of the human-powered vehicle A, or suggestions on parts, how to use the parts, or how to ride the vehicle, as would be presented by a veteran assembly engineer or coaching staff. This allows experienced maintenance engineers, engineers who can provide appropriate advice, to be provided to all users from the terminal device 2 on which the maintenance application program 20P is installed.

第１実施形態では、処理ユニット１００から得られる情報を、端末装置２を介して取得した出力装置１が、取得した情報に基づく提案を端末装置２へ示す構成とした。しかしながら処理ユニット１００が学習モデル１Ｍを記憶して出力装置１の機能を果たし、ディスプレイＫへ提案情報を出力するようにしてもよい。この場合、処理ユニット１００が出力装置１として単体で機能し、端末装置２は使用されない。 In the first embodiment, the output device 1 obtains information obtained from the processing unit 100 via the terminal device 2 and presents a proposal based on the obtained information to the terminal device 2. However, the processing unit 100 may store the learning model 1M, perform the function of the output device 1, and output the proposal information to the display K. In this case, the processing unit 100 functions alone as the output device 1, and the terminal device 2 is not used.

（第２実施形態）
第１実施形態では、外部の出力装置１が、学習モデル１Ｍに基づいて各種収集した情報に基づいて評価情報を出力した。しかしながらこれに限らず、ユーザが所持する端末装置２内で出力装置１の機能を果たしてもよい。 (Second embodiment)
In the first embodiment, the external output device 1 outputs evaluation information based on various pieces of information collected based on the learning model 1M. However, the present invention is not limited to this, and the function of the output device 1 may be performed within the terminal device 2 owned by the user.

第２実施形態では、端末装置２にて学習モデル２Ｍを用いて出力装置１の機能を果たす。図９は、第２実施形態における端末装置２の構成を示すブロック図である。第２実施形態における端末装置２の構成は、学習モデル２Ｍが記憶されていること、学習モデル２Ｍに基づくサポートアプリプログラム２２Ｐに基づく処理の詳細が異なる点以外、ハードウェア構成は実施の形態１における構成と同様であるので、共通する構成には同一の符号を付して詳細な説明を省略する。第２実施形態では、処理ユニット１００無しに、端末装置２が直接的にコンポーネント群又はセンサ群Ｓ１－Ｓ５から走行情報を取得してもよい。 In the second embodiment, the terminal device 2 performs the functions of the output device 1 using the learning model 2M. FIG. 9 is a block diagram showing the configuration of the terminal device 2 in the second embodiment. The configuration of the terminal device 2 in the second embodiment has the same hardware configuration as the configuration in the first embodiment, except that the learning model 2M is stored and the details of the processing based on the support application program 22P based on the learning model 2M are different. Therefore, the common configuration is given the same reference numerals and detailed description is omitted. In the second embodiment, the terminal device 2 may directly acquire driving information from the component group or the sensor group S1-S5 without the processing unit 100.

記憶部２２には、サポートアプリプログラム２２Ｐおよび学習モデル２Ｍが記憶されている。サポートアプリプログラム２２Ｐおよび学習モデル２Ｍは、記憶媒体５に記憶されたサポートアプリプログラム５２Ｐおよび学習モデル５０Ｍを処理部２０が読み出して記憶部２２に複製したものであってもよい。 The storage unit 22 stores a support application program 22P and a learning model 2M. The support application program 22P and the learning model 2M may be obtained by reading the support application program 52P and the learning model 50M stored in the storage medium 5 by the processing unit 20 and copying them into the storage unit 22.

処理部２０は第１実施形態と同様に、第２通信部２５により、処理ユニット１００と接続可能であり、処理ユニット１００から人力駆動車Ａの走行情報を取得することができる。第２実施形態では処理部１０は、第２通信部２５により、生体情報を取得するセンサ２９と通信接続が可能である。 Similarly to the first embodiment, the processing section 20 can be connected to the processing unit 100 through the second communication section 25, and can acquire travel information of the human-powered vehicle A from the processing unit 100. In the second embodiment, the processing unit 10 can be communicatively connected to a sensor 29 that acquires biological information through a second communication unit 25.

センサ２９は、心拍、体表温度、発汗量、または乳酸値を取得する生体情報センサである。センサ２９は第１例では胸部に貼り付ける態様のセンサである。センサ２９は第２例では腕に巻くバンドを含むウェアラブルデバイスである。 The sensor 29 is a biological information sensor that acquires heartbeat, body surface temperature, sweat amount, or lactic acid value. In the first example, the sensor 29 is a sensor that is attached to the chest. In the second example, the sensor 29 is a wearable device including a band wrapped around the arm.

第２実施形態における処理ユニット１００は、後述の学習モデル２Ｍで用いる快適度を算出してもよい。例えば処理ユニット１００の処理部１０１は、乗り手の快適度に関する情報を求め記憶部１０３に記憶する。処理部１０１は、ケイデンスセンサＳ４から得られるケイデンスを逐次記憶部１０３に記憶する。処理部１０１は、トルクセンサＳ５から得られるトルクを逐次記憶部１０３に記憶する。処理部１０１は、トルクセンサＳ５から得られるトルクに基づいて、ペダルＢ５への荷重を算出して逐次記憶部１０３へ記憶してもよい。 The processing unit 100 in the second embodiment may calculate a comfort level to be used in the learning model 2M described below. For example, the processing unit 101 of the processing unit 100 obtains information related to the rider's comfort level and stores it in the memory unit 103. The processing unit 101 sequentially stores the cadence obtained from the cadence sensor S4 in the memory unit 103. The processing unit 101 sequentially stores the torque obtained from the torque sensor S5 in the memory unit 103. The processing unit 101 may calculate the load on the pedal B5 based on the torque obtained from the torque sensor S5 and store it in the memory unit 103.

他の例において処理部１０１は、乗り手の快適度に関し、姿勢に関する情報を取得するセンサを用い、逐次記憶部１０３に記憶してもよい。乗り手の姿勢に関する情報は例えば角度センサＳ３から取得できるステムＡ２の角度であってもよいし、シートポストＦから取得するシートＡ６の高さであってよい。シートポストＦにてシートＡ６の傾きを取得できる場合には、シートＡ６の傾きであってよい。シートＡ６およびハンドルバーＡ３に掛かる体重分布を取得できるセンサが用いられてもよい。乗り手の姿勢によって乗り手への負荷を快適度として評価することができる。 In another example, the processing unit 101 may sequentially store information in the storage unit 103 using a sensor that acquires information regarding the rider's posture regarding the rider's comfort level. The information regarding the rider's posture may be, for example, the angle of the stem A2 that can be obtained from the angle sensor S3, or the height of the seat A6 that can be obtained from the seat post F. If the inclination of the seat A6 can be obtained at the seat post F, the inclination of the seat A6 may be used. A sensor that can obtain the weight distribution on the seat A6 and the handlebar A3 may be used. The load on the rider can be evaluated as comfort level based on the rider's posture.

端末装置２に記憶されている学習モデル２Ｍは、以下のようにして生成され、学習される。学習モデル２Ｍは、端末装置２ではなく外部装置、例えば部品メーカが管理するコンピュータによって予め生成される。 The learning model 2M stored in the terminal device 2 is generated and learned as follows. The learning model 2M is generated in advance not by the terminal device 2 but by an external device, for example, a computer managed by a parts manufacturer.

第２実施形態において第１例の学習モデル２Ｍは、所定の学習用のコースを多様な乗り手に各々の人力駆動車Ａで走行させたときの人力駆動車Ａの仕様を含む車両情報、および、走行中の加速度、減速度を含む走行情報の少なくとも１つに関し、快適度に基づくラベルが付与された教師データによって学習される。第２実施形態の第１例の学習モデル２Ｍは、人力駆動車Ａが所定コースを走行することによって新たに得られる実走快適度を、車両情報または走行情報と共に入力することによって、走行情報または車両情報に対する評価情報および提案情報の少なくともいずれか１つを出力する。 The learning model 2M of the first example in the second embodiment learns from teacher data to which a label based on comfort level is assigned for at least one of vehicle information including the specifications of the human-powered vehicle A when various riders drive each human-powered vehicle A along a predetermined learning course, and driving information including acceleration and deceleration during driving. The learning model 2M of the first example in the second embodiment inputs the actual driving comfort level newly obtained by driving the human-powered vehicle A along a predetermined course together with the vehicle information or driving information, and outputs at least one of evaluation information and proposal information for the driving information or vehicle information.

このため、多様な乗り手が乗る人力駆動車Ａの構成、例えば部品の品番が教師データとして収集される。人力駆動車Ａ毎に、人力駆動車Ａを構成する各パーツの寸法、例えばハンドルの幅、ステムＡ２の長さ、シートポストＦにおけるシートＡ６の高さ等の車両情報が教師データとして収集される。多様な人力駆動車Ａについて人力駆動車Ａ毎に、前輪Ａ４または後輪Ａ５の幅、リム幅、またはリム高さ等の車両情報が教師データとして収集されてよい。人力駆動車Ａ毎に、クランクＢ１のクランク長、ギアの大きさ等の車両情報が収集されてもよい。多様な乗り手による所定の学習用コースを走行したときの走行情報、例えば加速度、減速度、傾斜、ケイデンス、またはトルクが、人力駆動車Ａ毎に処理ユニット１００から収集されるとよい。多様な乗り手による所定の学習用コースを走行したときの生体情報、たとえば心拍数、体表温度、発汗量または乳酸値が、人力駆動車Ａ毎に収集されてもよい。人力駆動車Ａそれぞれに対応付けて乗り手の身長または体重の情報が収集されるとよい。 For this reason, the configuration of the human-powered vehicle A on which various riders ride, for example, the part numbers of parts, are collected as training data. For each human-powered vehicle A, vehicle information such as the dimensions of each part constituting the human-powered vehicle A, such as the width of the handlebar, the length of the stem A2, and the height of the seat A6 at the seat post F, is collected as training data. . Vehicle information such as the width of the front wheel A4 or the rear wheel A5, the rim width, or the rim height may be collected as training data for each of the various human-powered vehicles A. Vehicle information such as the length of the crank B1 and the size of the gear may be collected for each human-powered vehicle A. It is preferable that driving information such as acceleration, deceleration, inclination, cadence, or torque is collected from the processing unit 100 for each human-powered vehicle A when driving on a predetermined learning course by various riders. Biological information, such as heart rate, body surface temperature, perspiration amount, or lactic acid value, may be collected for each human-powered vehicle A when various riders drive on a predetermined learning course. It is preferable that information on the height or weight of the rider is collected in association with each human-powered vehicle A.

快適度に基づくラベルは例えば、収集された情報の内、走行情報に含まれるペダルＢ５への荷重および角度の少なくともいずれか１つの変化に基づいて学習モデル２Ｍを作成するオペレータによって付与されるとよい。ラベルは例えば、ペダルＢ５への荷重および角度の少なくともいずれか１つの変化が所定範囲内に収まるほどに、より快適であることを示す高評価で付与される。変化が所定範囲外にはずれる場合にはラベルは不快であることを示す低評価で付与される。快適度に基づくラベルは、収集された情報の内、車両情報に含まれるシートＡ６の高さ、走行情報に含まれるステムＡ２の角度を用いて付与されてもよい。快適度に基づくラベルはその他に、収集された情報の内、生体情報に含まれる心拍数、体表温度、発汗量または乳酸値に基づいて付与されてもよい。ラベルは例えば、心拍数が乗り手の通常の心拍数を基準として所定の割合以上高い場合には不快を示す低評価、所定範囲に収まる場合には高評価で付与されてもよい。 The label based on the comfort level may be given, for example, by an operator who creates the learning model 2M based on changes in at least one of the load and angle on the pedal B5 included in the traveling information among the collected information. . For example, the label is given with a high rating indicating that the pedal B5 is more comfortable as changes in at least one of the load and angle on the pedal B5 fall within a predetermined range. If the change falls outside the predetermined range, a label is given with a low rating indicating discomfort. The label based on the comfort level may be given using the height of the seat A6 included in the vehicle information and the angle of the stem A2 included in the driving information, among the collected information. In addition, the label based on the comfort level may be given based on the heart rate, body surface temperature, sweat amount, or lactic acid value included in the biometric information among the collected information. For example, the label may be given as a low rating indicating discomfort when the heart rate is higher than a predetermined percentage based on the rider's normal heart rate, and as a high rating when it falls within a predetermined range.

図１０は、第２実施形態の第１例の学習モデル２Ｍの概要を示す図である。図１０に示す例では、学習モデル２Ｍは、人力駆動車Ａで走行した場合の車両情報および走行情報を入力する入力層３１と、乗り方の提案情報を出力する出力層３２とを備える。入力層３１には、走行情報の一部から得られる快適度が入力される。学習モデル２Ｍは、入力情報が入力された場合に、より快適に走行できるような乗り方の提案を出力するように教師データによって学習済みのパラメータを有する中間層３３を備える。入力層３１に、ユーザの人力駆動車Ａの車両情報と、その人力駆動車Ａで学習用コースと同一のコースを実際にユーザが走行した場合に得られる走行情報とが実走快適度と共に入力された場合、学習済みパラメータによって中間層３３で演算が行なわれ、出力層３２から、人力駆動車Ａの乗り方の提案に関する出力情報が出力される。 FIG. 10 is a diagram showing an overview of the learning model 2M of the first example of the second embodiment. In the example shown in FIG. 10, the learning model 2M includes an input layer 31 that inputs vehicle information and traveling information when the human-powered vehicle A travels, and an output layer 32 that outputs riding style suggestion information. The comfort level obtained from part of the driving information is input to the input layer 31 . The learning model 2M includes an intermediate layer 33 having parameters learned using teacher data so as to output a riding style suggestion for more comfortable driving when input information is input. The input layer 31 is input with the vehicle information of the user's human-powered vehicle A and the driving information obtained when the user actually drives the same course as the learning course with the human-powered vehicle A, together with the actual driving comfort level. If so, the intermediate layer 33 performs calculations using the learned parameters, and the output layer 32 outputs output information regarding the proposal for how to ride the human-powered vehicle A.

図１０の例では出力層３２から、提案に関する出力情報として、乗り手による人力駆動車Ａへの人力駆動力の入力位置に関する情報を出力する。入力位置は例えば、力を入力すべきクランクＢ１の角度およびペダルＢ５の角度を示す。具体的には、その所定のコースではある角度で人力駆動力を入力することによって、快適に即ち、ペダルＢ５への荷重および角度が所定範囲内に収まるように人力駆動車Ａを走行させることができると提案される。 In the example of FIG. 10, the output layer 32 outputs information about the position at which the rider inputs human-powered driving force to human-powered vehicle A as output information related to the proposal. The input position indicates, for example, the angle of the crank B1 and the angle of the pedal B5 at which the force should be input. Specifically, it is proposed that by inputting human-powered driving force at a certain angle on that specified course, human-powered vehicle A can be driven comfortably, i.e., with the load and angle on pedal B5 within a specified range.

図１１は、第１例の学習モデル２Ｍの他の概要を示す図である。図１１に示す例では、図１０と比較して、車両情報および走行情報、走行情報から得られる快適度を、所定のコースを走行した場合の時間分布でグラフ化して入力するようにしてある。これにより、所定のコース中では、どのタイミングでどの角度で人力駆動力を入力することでより快適に走行することができるかを端末装置２が提案することが可能になる。入力すべき人力駆動力の配分を提案するように学習されてもよい。 Figure 11 is a diagram showing another overview of the learning model 2M of the first example. In the example shown in Figure 11, compared to Figure 10, the vehicle information, driving information, and comfort level obtained from the driving information are graphed and input as a time distribution when driving a specified course. This makes it possible for the terminal device 2 to suggest at what timing and at what angle to input manual driving force to make driving more comfortable on a specified course. The model may also be trained to suggest an allocation of manual driving force to be input.

第１例の学習モデル２Ｍは、図１０または図１１で示したように、人力駆動力を入力する位置に関する提案を出力したが、乗り方の提案情報はこれに限らないことは勿論である。乗り方の提案情報はその他、人力駆動車ＡのペダルＢ５に対する乗り手のシューズの位置に関する情報を含んでもよい。乗り方の提案情報は、ユーザのシューズに対してシューズに取り付けられるクリートのシューズに対する位置の修正に関する情報を含んでもよい。クリートの位置の調整は、ペダルＢ５側のクリートとの嵌合部にアクチュエータを設け、アクチュエータによって自動で可能であってもよい。この場合、処理ユニット１００へ位置の調整を指示する信号が端末装置２から送信され、ユーザは自身でシューズとペダルＢ５との間の位置関係を調整することなく、処理ユニット１００にて自動的に調整することが可能であってもよい。人力駆動車Ａの傾斜に応じて処理ユニット１００によってシューズとペダルＢ５との位置関係が自動で調整されてもよい。 As shown in FIG. 10 or 11, the learning model 2M of the first example outputs the suggestion regarding the position to input the human power driving force, but it goes without saying that the suggestion information on how to ride is not limited to this. The riding style suggestion information may also include information regarding the position of the rider's shoes with respect to the pedals B5 of the human-powered vehicle A. The riding style suggestion information may include information regarding correction of the position of the cleat attached to the shoe with respect to the user's shoe. The position of the cleat may be automatically adjusted by providing an actuator at the fitting portion of the pedal B5 with the cleat. In this case, a signal instructing the processing unit 100 to adjust the position is transmitted from the terminal device 2, and the processing unit 100 automatically adjusts the positional relationship between the shoes and the pedal B5 without the user adjusting the positional relationship between the shoes and the pedal B5. It may be possible to adjust. The positional relationship between the shoes and the pedals B5 may be automatically adjusted by the processing unit 100 according to the inclination of the human-powered vehicle A.

学習モデル２Ｍは、乗り方の提案情報を出力するのではなく、人力駆動車Ａの車体または車輪に関する部品の選択肢から提案される部品の情報を出力してもよい。 The learning model 2M may output information on parts suggested from the selection of parts related to the body or wheels of the human-powered vehicle A, instead of outputting the suggested information on how to ride.

図１２は、第２実施形態における学習モデル２Ｍを用いた提案の出力処理の一例を示すフローチャートである。端末装置２を用いてユーザがサポートアプリプログラム２２Ｐに基づいて提案を開始させることで、以下の処理が開始される。 Figure 12 is a flowchart showing an example of a process for outputting a proposal using the learning model 2M in the second embodiment. The following process is started when a user starts a proposal based on the support application program 22P using the terminal device 2.

端末装置２の処理部２０は、記憶部２２に記憶してある対象の人力駆動車Ａの車両情報を読み出しておく（ステップＳ２２１）。 The processing unit 20 of the terminal device 2 reads vehicle information of the target human-powered vehicle A stored in the storage unit 22 (step S221).

処理部２０は、サンプリング周期毎に、第２通信部２５により処理ユニット１００と通信接続を確立させると（ステップＳ２２３）、処理ユニット１００から記憶部１０３に記憶してある前回取得した後に記憶された走行情報を取得する（ステップＳ２２５）。処理部２０は、処理ユニット１００との通信接続を切断し（ステップＳ２２７）、第２通信部２５によりセンサ２９と通信接続し（ステップＳ２２９）、センサ２９から生体情報を取得し（ステップＳ２３１）、センサ２９との通信接続を切断する（ステップＳ２３３）。 When the processing unit 20 establishes a communication connection with the processing unit 100 via the second communication unit 25 at each sampling period (step S223), it acquires from the processing unit 100 the driving information stored in the memory unit 103 after the previous acquisition (step S225). The processing unit 20 disconnects the communication connection with the processing unit 100 (step S227), establishes a communication connection with the sensor 29 via the second communication unit 25 (step S229), acquires biometric information from the sensor 29 (step S231), and disconnects the communication connection with the sensor 29 (step S233).

端末装置２がセンサ２９および処理ユニット１００と同時に通信接続が可能な構成では、ステップＳ２２７、Ｓ２３３の処理は不要である。 In a configuration in which the terminal device 2 can be communicably connected to the sensor 29 and the processing unit 100 at the same time, the processes of steps S227 and S233 are unnecessary.

処理部２０は、ステップＳ２２５で取得した走行情報から実走快適度を求め（ステップＳ２３５）、車両情報と走行情報とステップＳ２３５で求めた実走快適度とを学習モデル２Ｍへ与える（ステップＳ２３７）。処理部２０は、学習モデル２Ｍから出力される提案に関する情報を特定する（ステップＳ２３９）。 The processing unit 20 calculates the actual driving comfort level from the driving information obtained in step S225 (step S235), and provides the vehicle information, driving information, and the actual driving comfort level obtained in step S235 to the learning model 2M (step S237). . The processing unit 20 specifies information regarding the proposal output from the learning model 2M (step S239).

処理部２０は、処理ユニット１００と通信接続し（ステップＳ２４１）、特定された提案に関する情報、例えばペダルＢ５の位置または角度に関する提案情報を処理ユニット１００へ送信し（ステップＳ２４３）、通信接続を切断する（ステップＳ２４５）。ステップＳ２４３において処理部２０は、処理ユニット１００のディスプレイＫで提案情報を表示するための表示データを送信するとよい。 The processing unit 20 establishes a communication connection with the processing unit 100 (step S241), transmits information regarding the identified proposal, for example, proposal information regarding the position or angle of the pedal B5 to the processing unit 100 (step S243), and disconnects the communication connection. (Step S245). In step S243, the processing unit 20 preferably transmits display data for displaying the proposal information on the display K of the processing unit 100.

処理部２０は、所定のコースの走行が終了したか否かを判断する（ステップＳ２４７）。処理部２０は、ステップＳ２４７にて、走行完了操作が行なわれたか、処理ユニット１００から得られる位置情報に基づいて走行が終了したかを判断して終了してよい。走行が終了していないと判断された場合（Ｓ２４７：ＮＯ）、処理部２０は処理をステップＳ２２３へ戻し、次のサンプリング周期での処理を実行する。 The processing unit 20 determines whether or not running on the predetermined course has ended (step S247). In step S247, the processing unit 20 may determine whether a travel completion operation has been performed or whether the travel has ended based on the position information obtained from the processing unit 100, and then terminate the process. If it is determined that the running has not ended (S247: NO), the processing unit 20 returns the process to step S223 and executes the process in the next sampling period.

ステップＳ２４７で走行が終了したと判断された場合（Ｓ２４７：ＹＥＳ）、処理部２０は処理を終了する。 If it is determined in step S247 that the traveling has ended (S247: YES), the processing unit 20 ends the process.

処理ユニット１００では、処理部１０１が端末装置２と提案情報が送信される都度これを受信し（ステップＳ３０１）、受信した提案情報に基づいて提案情報をディスプレイＫに表示させる（ステップＳ３０３）。 In the processing unit 100, the processing section 101 receives proposal information each time it is transmitted to the terminal device 2 (step S301), and displays the proposal information on the display K based on the received proposal information (step S303).

これにより、人力駆動車Ａの走行中に、処理ユニット１００のディスプレイＫに例えば、ペダルＢ５の位置、例えばペダルＢ５に人力駆動力を入力するクランクＢ１の角度の提案が表示される。表示態様は、メッセージでもよいが、グラフィックでもよい。図１３は、提案情報の表示例を示す図である。図１３に示すように、右クランクＢ１２がどのあたりでペダルＢ５をどのような角度で踏み込まれるとよいかの提案が表示される。その他、ペダルＢ５に対するシューズの位置をグラフィックで表示してもよい。 As a result, while the human-powered vehicle A is running, the display K of the processing unit 100 displays, for example, a proposal for the position of the pedal B5, for example, the angle of the crank B1 for inputting the human-powered driving force to the pedal B5. The display mode may be a message or a graphic. FIG. 13 is a diagram illustrating a display example of suggestion information. As shown in FIG. 13, a suggestion is displayed as to where the right crank B12 should be and at what angle the pedal B5 should be depressed. Alternatively, the position of the shoe relative to the pedal B5 may be displayed graphically.

第２実施形態において第２例の学習モデル２Ｍは、所定の学習用のコースを複数の特定の乗り手が各々の人力駆動車Ａを走行させた情報に基づいて、特定の乗り手別に学習される。第２例の学習モデル２Ｍは、車両情報および前記走行情報の少なくともいずれか１つに関して、タイムレコードに基づくラベルが付与された教師データを用いて学習される。第２実施形態の第２例の学習モデル２Ｍは、人力駆動車Ａが所定コースを走行することによって得られる実走タイムレコードを学習モデル２Ｍに入力することによって、評価情報および前記提案情報の少なくともいずれか１つを出力する。 In the second embodiment, the learning model 2M of the second example is learned for each specific rider based on information about a plurality of specific riders driving their respective human-powered vehicles A on a predetermined learning course. The learning model 2M of the second example is trained using teacher data to which a label based on a time record is given regarding at least one of the vehicle information and the traveling information. The learning model 2M of the second example of the second embodiment is able to obtain at least the evaluation information and the proposal information by inputting the actual driving time record obtained when the human-powered vehicle A runs on a predetermined course into the learning model 2M. Output one of them.

第２例の学習モデル２Ｍの生成および学習のために収集される教師データは、第１例の学習モデル２Ｍにおける教師データと同様である。人力駆動車Ａ毎に、人力駆動車Ａを構成する各パーツの寸法、例えばハンドルの幅、ステムＡ２の長さ、シートポストＦにおけるシートＡ６の高さ等の車両情報が教師データとして収集される。人力駆動車Ａ毎に、前輪Ａ４または後輪Ａ５の幅、リム幅、またはリム高さ等の車両情報が教師データとして収集されてよい。人力駆動車Ａ毎に、クランクＢ１のクランク長、ギアの大きさ等の車両情報が収集されてもよい。各乗り手による所定の学習用コースを走行したときの走行情報、例えば加速度、減速度、傾斜、ケイデンス、またはトルクが、人力駆動車Ａ毎に処理ユニット１００から集中されるとよい。各乗り手による所定の学習用コースを走行したときの生体情報、たとえば心拍数、体表温度、発汗量または乳酸値が、人力駆動車Ａ毎に収集されてもよい。人力駆動車Ａそれぞれに対応付けて乗り手の身長または体重の情報が収集されるとよい。 The teacher data collected for generation and learning of the learning model 2M of the second example is the same as the teacher data of the learning model 2M of the first example. For each human-powered vehicle A, vehicle information such as the dimensions of each part constituting the human-powered vehicle A, such as the width of the handlebar, the length of the stem A2, and the height of the seat A6 at the seat post F, is collected as training data. . For each human-powered vehicle A, vehicle information such as the width of the front wheel A4 or the rear wheel A5, the rim width, or the rim height may be collected as training data. Vehicle information such as the length of the crank B1 and the size of the gear may be collected for each human-powered vehicle A. Traveling information such as acceleration, deceleration, inclination, cadence, or torque obtained by each rider when traveling on a predetermined learning course may be collected from the processing unit 100 for each human-powered vehicle A. Biological information such as heart rate, body surface temperature, amount of perspiration, or lactic acid value may be collected for each human-powered vehicle A when each rider travels a predetermined learning course. It is preferable that information on the height or weight of the rider is collected in association with each human-powered vehicle A.

タイムレコードに基づくラベルは例えば、同一の所定コースについて走行タイムが短い程に高評価で付与され、走行タイムが長い程に低評価で付与されてもよい。 For example, a label based on a time record may be assigned with a higher evaluation as the running time is shorter for the same predetermined course, and a lower evaluation may be assigned as the running time is longer.

図１４は、第２実施形態の第２例の学習モデル２Ｍの概要を示す図である。図１４に示す例では、学習モデル２Ｍは、人力駆動車Ａを走行した場合の車両情報および走行情報を入力する入力層３１と、乗り方の提案情報を出力する出力層３２とを備える。入力層３１には、タイムレコードが入力される。学習モデル２Ｍは、入力情報が入力された場合に、よりタイムレコードを短くできるような乗り方の提案を出力するように、特定の乗り手の走行情報およびタイムレコードに基づく教師データによって学習済みのパラメータを有する中間層３３を備える。入力層３１に、ユーザの人力駆動車Ａの車両情報と、その人力駆動車Ａで選択された所定の走行コースを実際にユーザが走行した場合に得られる走行情報とがタイムレコードと共に入力された場合、学習済みパラメータによって中間層３３で演算が行なわれ、出力層３２から選択された特定の乗り手の乗り方に則した提案情報が出力される。 Figure 14 is a diagram showing an overview of the learning model 2M of the second example of the second embodiment. In the example shown in Figure 14, the learning model 2M includes an input layer 31 that inputs vehicle information and driving information when the human-powered vehicle A is driven, and an output layer 32 that outputs suggested riding information. A time record is input to the input layer 31. The learning model 2M includes an intermediate layer 33 having parameters learned by teacher data based on the driving information and time record of a specific rider, so that a riding suggestion that can shorten the time record is output when input information is input. When the vehicle information of the user's human-powered vehicle A and the driving information obtained when the user actually drives a predetermined driving course selected with the human-powered vehicle A are input to the input layer 31 together with the time record, the intermediate layer 33 performs calculations using the learned parameters, and the output layer 32 outputs suggested information in accordance with the riding style of the specific rider selected.

図１４の例では出力層３２から、提案に関する出力情報として第１例同様に、乗り手による人力駆動車Ａへの人力駆動力の入力位置に関する情報を出力する。出力層３２は、傾斜の大小の評価を出力してもよい。 In the example of FIG. 14, the output layer 32 outputs information regarding the input position of the human-powered driving force to the human-powered vehicle A by the rider as output information regarding the proposal, as in the first example. The output layer 32 may output an evaluation of the magnitude of the slope.

これにより、特定の乗り手として例えばプロライダーに所定コースを走行してもらい得られたデータに基づいて学習することで、ユーザの乗り方とプロライダーの乗り方との比較が可能になる。 This makes it possible to compare the user's riding style with the professional rider's riding style by learning based on data obtained by having a specific rider, for example, a professional rider, ride a predetermined course.

図１４に示した学習モデル２Ｍを用いた評価または提案情報の出力手順は、快適度をタイムレコードに代替する点以外は図１２のフローチャートに示した手順と同様であるから詳細な説明を省略する。 The procedure for outputting evaluation or suggestion information using the learning model 2M shown in FIG. 14 is the same as the procedure shown in the flowchart in FIG. 12 except that the comfort level is replaced with a time record, so a detailed explanation will be omitted. .

学習モデル２Ｍは、入力される車両情報の種類別に、特定の乗り手別に前記乗り手による走行時の走行情報を教師データとして学習されていてもよい。例えば、ロードバイクにおけるレースで実績のある特定のプロライダーと、マウンテンバイクのオフロードレースで実績のある特定のプロライダーとで別個に学習されてあることで、ユーザの嗜好および人力駆動車Ａの種類に応じた学習モデル２Ｍを適切に選択することが可能である。この場合、ユーザは端末装置２にてサポートアプリプログラム２２Ｐに基づいて学習モデル２２Ｍを特定の乗り手の名前等の識別情報で選択する。端末装置２の処理部２０は、選択された乗り手の教師データで学習された学習モデル２Ｍを選択し、選択した学習モデル２Ｍにユーザの人力駆動車Ａの車両情報およびユーザの走行情報を与え、出力される評価、または提案情報を表示してもよい。 The learning model 2M may be trained for each type of input vehicle information and for each specific rider using driving information when the rider is traveling as teacher data. For example, a specific professional rider with a proven track record in road bike races and a specific professional rider with a proven track record in off-road mountain bike races may be trained separately, so that the user's preferences and human-powered vehicle A's It is possible to appropriately select the learning model 2M according to the type. In this case, the user selects the learning model 22M on the terminal device 2 based on the support application program 22P using identification information such as the name of a specific rider. The processing unit 20 of the terminal device 2 selects a learning model 2M trained using teacher data of the selected rider, provides vehicle information of the user's human-powered vehicle A and travel information of the user to the selected learning model 2M, The output evaluation or suggestion information may be displayed.

処理部２０は、特定の乗り手に対応付けて選択した学習モデル２Ｍにユーザの走行中の走行情報を与えた場合に出力される評価を用いて、特定の乗り手の人力駆動車Ａの走行中の走行情報と、走行中ユーザの走行情報との差分を出力してもよい。これにより、ディスプレイＫには、ユーザの走行中の乗り方の概要を示すグラフィックを評価情報として表示することが可能である。図１５は、ユーザに対する乗り方の提案情報の表示例を示す図である。図１５では、ユーザと特定の乗り手との間の乗り方の比較を示している。図１５に示すような図がディスプレイＫに表示されることで、ユーザ（あなた）は例えば選択されたプロライダーＱとの比較が可能になる。ユーザの走行中の乗り方についての情報を端末装置２にて記憶しておき、図１５に示すような図は比較対象の特定の乗り手の乗り方との比較が端末装置２の表示部２６に表示されるようにしてもよい。 The processing unit 20 uses the evaluation output when the user's driving information is given to the learning model 2M selected in association with a specific rider to evaluate the driving performance of the human-powered vehicle A of the specific rider. The difference between the driving information and the driving information of the user while driving may be output. Thereby, it is possible to display, on the display K, a graphic showing an overview of the user's riding style while driving as evaluation information. FIG. 15 is a diagram illustrating a display example of information suggesting how to ride to the user. FIG. 15 shows a comparison of riding styles between a user and a particular rider. By displaying a diagram as shown in FIG. 15 on the display K, the user (you) can make a comparison with the selected pro rider Q, for example. Information about the user's riding style while traveling is stored in the terminal device 2, and a diagram like the one shown in FIG. It may be displayed.

第２実施形態では、学習モデル２Ｍは、端末装置２にて処理に用いられるとして説明した。しかしながらこれに限らず、学習モデル２Ｍは、部品メーカが管理する出力装置１に記憶されており、処理ユニット１００から得られる走行情報に基づいて、出力装置１にて乗り方を提案する処理に用いられてもよい。 In the second embodiment, the learning model 2M is described as being used for processing in the terminal device 2. However, this is not limited to the above, and the learning model 2M may be stored in the output device 1 managed by the parts manufacturer and used in a process of suggesting a riding method in the output device 1 based on driving information obtained from the processing unit 100.

１００…処理ユニット、１０１…処理部、１０３…記憶部、１０９…ＧＰＳ受信部、１…出力装置、１０…処理部、１２…記憶部、１Ｐ…制御プログラム、１Ｍ，２Ｍ，３０Ｍ，５０Ｍ…学習モデル、２…端末装置、２０…処理部、２２…記憶部、２４…第１通信部、２５…第２通信部、２６…表示部、２８…操作部、２Ｐ，５０Ｐ…メンテナンスアプリプログラム、２２Ｐ，５２Ｐ…サポートアプリプログラム、３，５…記憶媒体、Ａ１…フレーム、Ａ１５…シートステー、Ａ１６…チェーンステー、Ａ２…ステム、Ａ３…ハンドルバー、Ａ４…前輪、Ａ５…後輪、Ｄ…操作装置、Ｅ…変速機、Ｆ…シートポスト、Ｇ…サスペンション、Ｊ…ブレーキ、Ｋ…ディスプレイ、Ｓ１…加速度センサ、Ｓ２…加速度センサ、Ｓ３…角度センサ、Ｓ４…ケイデンスセンサ、Ｓ５…トルクセンサ。 100... Processing unit, 101... Processing section, 103... Storage section, 109... GPS receiving section, 1... Output device, 10... Processing section, 12... Storage section, 1P... Control program, 1M, 2M, 30M, 50M... Learning Model, 2...Terminal device, 20...Processing unit, 22...Storage unit, 24...First communication unit, 25...Second communication unit, 26...Display unit, 28...Operation unit, 2P, 50P...Maintenance application program, 22P , 52P... Support application program, 3, 5... Storage medium, A1... Frame, A15... Seat stay, A16... Chain stay, A2... Stem, A3... Handlebar, A4... Front wheel, A5... Rear wheel, D... Operating device , E...Transmission, F...Seat post, G...Suspension, J...Brake, K...Display, S1...Acceleration sensor, S2...Acceleration sensor, S3...Angle sensor, S4...Cadence sensor, S5...Torque sensor.

Claims (13)

人力駆動車の部品を識別する識別データ、前記人力駆動車の走行時の走行情報、および、乗り手の情報を入力した場合に、前記人力駆動車を構成する部品の組み合わせに対する評価情報を、学習アルゴリズムによって学習された学習モデルを用いて出力するように構成される処理部を備え、
前記学習モデルは、前記人力駆動車の前記識別データ、前記走行情報、および前記乗り手の情報を入力とし、前記人力駆動車の走行時の乗り手の快適度を示す値、および、前記人力駆動車の構成に対して与えられた評価を示す値の少なくともいずれか１つを、前記評価情報として出力とした、入力および出力の組みあわせを教師データとして用いて学習されている、出力装置。 When inputting identification data for identifying parts of a human-powered vehicle, traveling information when the human-powered vehicle is running, and rider information , evaluation information for the combination of parts that make up the human-powered vehicle is generated. , a processing unit configured to output using a learning model learned by a learning algorithm,
The learning model inputs the identification data of the human-powered vehicle, the travel information, and the rider information , and calculates a value indicating the rider's comfort level when the human-powered vehicle is traveling, and a value indicating the rider's comfort level when the human-powered vehicle is traveling. An output device that outputs at least one value indicating an evaluation given to a configuration as the evaluation information , and is trained using a combination of input and output as teacher data. 人力駆動車の走行時の走行情報、前記人力駆動車の乗り手のカテゴリー、および、前記人力駆動車の車体または部品の車両情報を入力した場合に、前記人力駆動車を構成する部品として推奨される部品の提案情報を、学習アルゴリズムによって学習された学習モデルを用いて出力するように構成される処理部を備え、
前記乗り手のカテゴリーはタイプを含み、
前記学習モデルは、前記人力駆動車の走行時の走行情報、前記人力駆動車の乗り手のカテゴリー、および、前記人力駆動車の車体または部品の車両情報を入力とし、推奨される部品を特定する情報を出力とした、入力及び出力の組み合わせを教師データとして用いて学習されている、出力装置。 When the driving information of the human-powered vehicle, the category of the rider of the human-powered vehicle, and the vehicle information of the body or parts of the human-powered vehicle are input, the parts recommended as components of the human-powered vehicle are entered. a processing unit configured to output proposal information for parts to be proposed using a learning model learned by a learning algorithm ;
the rider category includes a type;
The learning model inputs travel information when the human-powered vehicle is running, the category of the rider of the human-powered vehicle, and vehicle information of the body or parts of the human-powered vehicle, and provides information for specifying recommended parts. An output device that is trained using a combination of input and output as training data . 人力駆動車の車体または部品の寸法情報、および、前記人力駆動車の乗り手による前記人力駆動車の過去の走行時の走行情報の少なくともいずれか１つを入力した場合に、前記人力駆動車の走行時の乗り手による前記人力駆動車への人力駆動力の入力位置に関する提案情報を、学習アルゴリズムによって学習された学習モデルを用いて出力するように構成される処理部を備え、前記提案情報は、前記人力駆動車のペダルに対する乗り手のシューズの位置に関する情報を含み、前記学習モデルは、入力および出力の組み合わせを教師データとして用いて学習されている、出力装置。 When at least one of the dimension information of the body or parts of the human-powered vehicle and the driving information of the past driving of the human-powered vehicle by the rider of the human-powered vehicle is input, the driving of the human- powered vehicle a processing unit configured to output , using a learning model learned by a learning algorithm, proposal information regarding an input position of human power driving force to the human power vehicle by a rider at the time; An output device comprising information regarding the position of a rider's shoes with respect to a pedal of a human-powered vehicle, wherein the learning model is trained using a combination of inputs and outputs as training data . 前記提案情報は、前記人力駆動車の乗り方に関する情報である、請求項３に記載の出力装置。 The output device according to claim 3 , wherein the suggestion information is information regarding how to ride the human-powered vehicle. 前記提案情報は、前記シューズに対して前記シューズに取り付けられるクリートの前記シューズに対する位置の修正に関する情報を含む、請求項３又は４に記載の出力装置。 The output device according to claim 3 or 4 , wherein the proposal information includes information regarding correction of a position of a cleat attached to the shoe with respect to the shoe. 前記学習モデルは、前記人力駆動車の乗り手と異なる特定の乗り手の所定コースの走行時のタイムレコードに基づくラベルが付与された教師データを用いて学習され、
前記処理部は、前記人力駆動車が前記所定コースを走行することによって得られる前記人力駆動車の実走タイムレコードを前記学習モデルに入力することによって、前記乗り手による人力駆動車への人力駆動力の入力位置に関する提案情報、および、前記乗り手の身体の傾斜の大小の評価情報の少なくともいずれか１つを出力する、請求項３から５のいずれか一項に記載の出力装置。 The learning model is trained using training data that is labeled based on a time record of a specific rider different from the rider of the human-powered vehicle when traveling on a predetermined course ;
The processing unit inputs into the learning model an actual running time record of the human-powered vehicle obtained when the human-powered vehicle travels on the predetermined course, thereby determining the human-powered driving force of the human-powered vehicle by the rider. 6. The output device according to claim 3 , wherein the output device outputs at least one of proposal information regarding the input position of the rider and evaluation information regarding the magnitude of the inclination of the rider's body . 前記学習モデルは、前記教師データに、乗り手の快適度に基づくラベルを付与して学習され、
前記処理部は、前記人力駆動車が所定コースを走行することによって得られる実走快適度を入力に加えて前記学習モデルに入力することによって、評価情報および提案情報の少なくともいずれか１つを出力する、請求項１から請求項６のいずれか一項に記載の出力装置。 The learning model is learned by adding a label to the teacher data based on the rider's comfort level,
The processing unit generates at least one of evaluation information and proposal information by inputting the actual driving comfort obtained when the human-powered vehicle runs on a predetermined course into the learning model. The output device according to any one of claims 1 to 6 , which outputs one. 前記提案情報は、前記人力駆動車の走行時の走行情報に含まれるペダルへの荷重および角度の少なくともいずれか１つに基づいて前記荷重および角度の少なくともいずれか１つの変化が所定範囲になるように出力される、請求項７に記載の出力装置。 The proposed information is based on at least one of a load and an angle on a pedal included in traveling information when the human-powered vehicle is running so that a change in at least one of the load and the angle falls within a predetermined range. The output device according to claim 7 , wherein the output device is output to. 前記学習モデルは、前記人力駆動車の構成毎に準備されており、
前記処理部は、前記人力駆動車の構成毎に学習モデルを選択する、請求項１から請求項８のいずれか一項に記載の出力装置。 The learning model is prepared for each configuration of the human-powered vehicle,
The output device according to any one of claims 1 to 8 , wherein the processing unit selects a learning model for each configuration of the human-powered vehicle. 人力駆動車の部品を識別する識別データ、前記人力駆動車の走行時の走行情報、および、乗り手の情報を入力した場合に、前記人力駆動車を構成する各部品に対する評価情報を、学習アルゴリズムによって学習された学習モデルを用いて出力する処理を、コンピュータに実行させ、
前記学習モデルは、前記人力駆動車の前記識別データ、前記走行情報、および前記乗り手の情報を入力とし、前記人力駆動車の走行時の乗り手の快適度を示す値、および、前記人力駆動車の構成に対して与えられた評価を示す値の少なくともいずれか１つを出力とした、入力および出力の組みあわせを教師データとして用いて学習されている、コンピュータプログラム。 When inputting identification data that identifies parts of a human-powered vehicle, travel information when the human-powered vehicle is running, and rider information , a learning algorithm calculates evaluation information for each component that constitutes the human-powered vehicle. cause the computer to perform output processing using the learning model learned by
The learning model inputs the identification data of the human-powered vehicle, the travel information, and the rider information , and calculates a value indicating the rider's comfort level when the human-powered vehicle is traveling, and a value indicating the rider's comfort level when the human-powered vehicle is traveling. A computer program that is trained using a combination of input and output as training data, the output being at least one of the values indicating the evaluation given to the configuration. 人力駆動車の走行時の走行情報、前記人力駆動車の乗り手のカテゴリー、および、前記人力駆動車の車体または部品の車両情報を入力した場合に、前記人力駆動車を構成する部品として推奨される部品の提案情報を、学習アルゴリズムによって学習された学習モデルを用いて出力する処理を、コンピュータに実行させ、
前記乗り手のカテゴリーはタイプを含み、
前記学習モデルは、前記人力駆動車の走行時の走行情報、前記人力駆動車の乗り手のカテゴリー、および、前記人力駆動車の車体または部品の車両情報を入力とし、推奨される部品を特定する情報を出力とした、入力及び出力の組み合わせを教師データとして用いて学習されている、コンピュータプログラム。 a computer is caused to execute a process of outputting, when inputting driving information during driving of a human-powered vehicle, a rider category of the human-powered vehicle, and vehicle information of a body or parts of the human-powered vehicle, recommendation information of parts recommended as parts constituting the human-powered vehicle, using a learning model learned by a learning algorithm ;
The rider category includes a type,
The learning model is a computer program that learns using a combination of inputs and outputs as training data, the combination being training data that includes driving information while the human-powered vehicle is in motion, the rider's category of the human-powered vehicle, and vehicle information of the body or parts of the human-powered vehicle, and information that identifies recommended parts as output. 人力駆動車の車体または部品の寸法情報、および、前記人力駆動車の乗り手による前記人力駆動車の過去の走行時の走行情報の少なくともいずれか１つを入力した場合に、前記人力駆動車の走行時の乗り手による前記人力駆動車への人力駆動力の入力位置に関する提案情報を、学習アルゴリズムによって学習された学習モデルを用いて出力する処理を、コンピュータに実行させ、前記提案情報は、前記人力駆動車のペダルに対する乗り手のシューズの位置に関する情報を含み、前記学習モデルは、入力および出力の組み合わせを教師データとして用いて学習されている、コンピュータプログラム。 When at least one of the dimension information of the body or parts of the human-powered vehicle and the driving information of the past driving of the human-powered vehicle by the rider of the human-powered vehicle is input, the driving of the human-powered vehicle A computer is caused to perform a process of outputting, using a learning model learned by a learning algorithm, suggestion information regarding the input position of human-powered driving force to the human-powered vehicle by a rider , and the proposed information is A computer program comprising information regarding the position of a rider's shoes relative to a pedal of a vehicle, wherein the learning model is trained using a combination of inputs and outputs as training data . 請求項１０から請求項１２のいずれか一項に記載のコンピュータプログラムを記憶する、記憶媒体。 A storage medium storing the computer program according to any one of claims 10 to 12 .
JP2019034681A 2019-02-27 2019-02-27 Output device, computer program, and storage medium Active JP7457458B2 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2019034681A JP7457458B2 (en) 2019-02-27 2019-02-27 Output device, computer program, and storage medium
DE102020105203.0A DE102020105203A1 (en) 2019-02-27 2020-02-27 OUTPUT DEVICE, COMPUTER PROGRAM AND STORAGE MEDIUM

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019034681A JP7457458B2 (en) 2019-02-27 2019-02-27 Output device, computer program, and storage medium

Publications (2)

Publication Number Publication Date
JP2020140382A JP2020140382A (en) 2020-09-03
JP7457458B2 true JP7457458B2 (en) 2024-03-28

Family

ID=72139054

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019034681A Active JP7457458B2 (en) 2019-02-27 2019-02-27 Output device, computer program, and storage medium

Country Status (2)

Country Link
JP (1) JP7457458B2 (en)
DE (1) DE102020105203A1 (en)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003507261A (en) 1999-08-24 2003-02-25 フェレロ・ソシエタ・ペル・アチオニ System and method for control of a variable ratio transmission
JP2010280290A (en) 2009-06-04 2010-12-16 Yamaha Motor Co Ltd Electric power assist vehicle
WO2012056522A1 (en) 2010-10-26 2012-05-03 パイオニア株式会社 Pedaling state detection device, pedaling state detection method, pedaling state detection program, medium that records pedaling state detection program
US20180150776A1 (en) 2015-05-20 2018-05-31 Continental Automotive Systems, Inc. Generating predictive information associated with vehicle products/services
WO2018106427A1 (en) 2016-12-05 2018-06-14 Facebook, Inc. Customizing content based on predicted user preferences
JP2018124791A (en) 2017-01-31 2018-08-09 本田技研工業株式会社 Information service system

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017038757A (en) * 2015-08-19 2017-02-23 セイコーエプソン株式会社 Pedaling measurement device, pedaling measurement system, pedaling measurement method, and program

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003507261A (en) 1999-08-24 2003-02-25 フェレロ・ソシエタ・ペル・アチオニ System and method for control of a variable ratio transmission
JP2010280290A (en) 2009-06-04 2010-12-16 Yamaha Motor Co Ltd Electric power assist vehicle
WO2012056522A1 (en) 2010-10-26 2012-05-03 パイオニア株式会社 Pedaling state detection device, pedaling state detection method, pedaling state detection program, medium that records pedaling state detection program
US20180150776A1 (en) 2015-05-20 2018-05-31 Continental Automotive Systems, Inc. Generating predictive information associated with vehicle products/services
WO2018106427A1 (en) 2016-12-05 2018-06-14 Facebook, Inc. Customizing content based on predicted user preferences
JP2018124791A (en) 2017-01-31 2018-08-09 本田技研工業株式会社 Information service system

Also Published As

Publication number Publication date
DE102020105203A1 (en) 2020-08-27
JP2020140382A (en) 2020-09-03

Similar Documents

Publication Publication Date Title
JP7324632B2 (en) Output device, learning model generation method, and computer program
US11407472B2 (en) Human-powered vehicle control device
JP5315419B2 (en) Information processing apparatus, information processing system, information processing method, and bicycle map
TWI718229B (en) Stationary ergometric exercise device, method of oprating stationary ergometric exercise device, and computer program product
US11866114B2 (en) Control device, creation method for learning model, learning model, computer program and storage medium
JP7007244B2 (en) Creation device, component control device, creation method, component control method, computer program and learning model
US20200010149A1 (en) Creation device, component control device, creation method, component control method and computer program
US11521117B2 (en) Control data creation device, component control device, control data creation method, component control method and computer program
Burton et al. Sports wheelchair technologies
JP7457458B2 (en) Output device, computer program, and storage medium
US20230331341A1 (en) Method for Determining a Driver State of a Motor-Assisted Vehicle; Method for Training a Machine Learning System; Motor-Assisted Vehicle
JP7337510B2 (en) Output device, learning model generation method, computer program, and storage medium
US20220204128A1 (en) Human-powered vehicle control device
CN102806978B (en) Bicycle shifting control system performing adjustment according to physiological status of rider
US20230182858A1 (en) Human-powered vehicle control device, learning model creation method, learning model, human-powered vehicle control method and computer program
US20220083790A1 (en) Monitoring system
JP2020138557A (en) Determination device, control system, communication system, learning model, learning model creating method, computer program, and storage medium
JP2019116238A (en) Bicycle and diagnostic system
JP7125889B2 (en) Manpowered vehicle controller
JP2023085935A (en) Device, method, and system for processing human power drive vehicle information and computer program
JP2023151357A (en) Control device for man-power drive vehicle, learning method, control method for man-power drive vehicle, and computer program
CN115432103B (en) bicycle control system
JP7356230B2 (en) control system
JP7514597B2 (en) Information processing device
CN116215733B (en) Power-assisted control method and system for electric power-assisted bicycle

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211124

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220928

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20221108

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230110

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20230516

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230804

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20230809

A912 Re-examination (zenchi) completed and case transferred to appeal board

Free format text: JAPANESE INTERMEDIATE CODE: A912

Effective date: 20230915

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240315

R150 Certificate of patent or registration of utility model

Ref document number: 7457458

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150