JP7457458B2 - Output device, computer program, and storage medium - Google Patents
Output device, computer program, and storage medium Download PDFInfo
- 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
Links
- 238000004590 computer program Methods 0.000 title claims description 11
- 238000012545 processing Methods 0.000 claims description 172
- 238000011156 evaluation Methods 0.000 claims description 44
- 238000000034 method Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 60
- 230000005540 biological transmission Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 23
- 230000015654 memory Effects 0.000 description 21
- 239000000725 suspension Substances 0.000 description 21
- 230000007246 mechanism Effects 0.000 description 19
- 230000001133 acceleration Effects 0.000 description 18
- 238000012423 maintenance Methods 0.000 description 15
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 10
- 238000005070 sampling Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 235000014655 lactic acid Nutrition 0.000 description 5
- 239000004310 lactic acid Substances 0.000 description 5
- 210000004243 sweat Anatomy 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000007103 stamina Effects 0.000 description 2
- 241001503987 Clematis vitalba Species 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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.
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.
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
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
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
[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
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
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
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
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
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
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
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
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
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
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
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
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/
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
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
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
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
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
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
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
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
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
[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
FIG. 4 is a block diagram showing the configuration of the
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
(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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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)
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.
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 .
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.
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.
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.
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)
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)
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 |
-
2019
- 2019-02-27 JP JP2019034681A patent/JP7457458B2/en active Active
-
2020
- 2020-02-27 DE DE102020105203.0A patent/DE102020105203A1/en active Pending
Patent Citations (6)
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 |