HI,欢迎来到起点商标网!
24小时服务QQ:2880605093

车载装置、行驶状态推算方法、服务器装置、信息处理方法和行驶状态推算系统与流程

2021-01-28 15:01:25|210|起点商标网
车载装置、行驶状态推算方法、服务器装置、信息处理方法和行驶状态推算系统与流程

本发明涉及车载装置、行驶状态推算方法、服务器装置、信息处理方法和行驶状态推算系统。本发明以2018年3月14日申请的日本特许申请号2018-046788为基础要求优先权,对于承认通过文献参照进行引入的指定国,将上述日本申请中记载的内容通过参照而引入到本申请中。



背景技术:

近年来,汽车的驾驶者(下面称为驾驶员)的危险驾驶已成为社会问题,提出了对驾驶中的驾驶员的各种支持功能。

例如,专利文献1中公开了根据与驾驶员的驾驶操作有关的信息来推算驾驶员的心理状态,与推算出的心理状态相应地向驾驶员发出警告的技术。

现有技术文献

专利文献

专利文献1:日本特开2010-143362号公报



技术实现要素:

发明要解决的技术问题

一般作为用于判断驾驶员的心理状态的信息,已知有驾驶员的动作、眨眼的频率、心率等,但是为了检测这些信息需要摄像机、生物传感器等各种各样的传感器,其设置成本和设置空间的确保成为问题。

此外,在专利文献1所公开的方法中,需要获取与驾驶员的驾驶操作有关的信息,因此,无法应用于预计今后会普及的自动驾驶那样驾驶员不作为主体参与驾驶的情况。在目前情况下,即使是在自动驾驶中也不能完全免除驾驶员的注意义务,因此,希望出现即使是在自动驾驶中也能够推算驾驶员的心理状态的技术。

本发明是鉴于上述状况而做出的,其目的是使得能够不使用各种各样的传感器,而基于驾驶员发出的声音来推算驾驶员的心理状态会影响到的车辆的行驶状态。

用于解决技术问题的手段

本发明包括用于解决上述技术问题的至少一部分的多个手段,可举例如下。为了解决上述技术问题,本发明的一个方式的车载装置的特征在于,包括:声音收集部,其用于收集驾驶员发出的声音;行驶状态收集部,其用于收集表示车辆的行驶状态的行驶状态信息;数据库生成部,其用于将所收集的所述行驶状态信息和与所收集的所述声音对应的声音信息相关联地记录,来生成数据库;学习部,其用于将所生成的所述数据库中记录的所述声音信息与所述行驶状态信息的信息对作为学习数据,来学习推算模型;和推算部,其用于使用所述推算模型,基于所述驾驶员发出的声音,来推算所述驾驶员的心理状态会影响到的所述车辆的所述行驶状态。

发明效果

采用本发明,能够不使用各种各样的传感器,而基于驾驶员发出的声音来推算驾驶员的心理状态会影响到的车辆的行驶状态。

上述以外的技术问题、方案和效果,通过下面的实施方式的说明将会变得明确。

附图说明

图1是表示本发明的第一实施方式的车载装置的结构例的框图。

图2是表示声音-行驶状态数据库的数据结构的一个例子的图。

图3是用于对监督学习进行说明的图。

图4是对推算模型生成处理的一个例子进行说明的流程图。

图5是对行驶状态推算处理的一个例子进行说明的流程图。

图6是表示本发明的第二实施方式的行驶状态推算系统的结构例的框图。

图7是表示本发明的第三实施方式的行驶状态推算系统的结构例的框图。

图8是表示本发明的第一实施方式的车载装置的第一变形例的框图。

图9是表示本发明的第一实施方式的车载装置的第二变形例的框图。

图10是表示本发明的第一实施方式的车载装置的第三变形例的框图。

图11是用于对判断行驶状态的异常的方法进行说明的图。

图12是表示计算机的结构例的框图。

具体实施方式

下面,基于附图对本发明的多个实施方式进行说明。在用于对各实施方式进行说明的所有图中,对同一部件原则上标注同一附图标记,并省略其重复说明。在下面的实施方式中,除了特别明示了的情况和可认为原理上明显必须的情况等以外,其构成要素(也包括要素步骤等)不一定是必须的,这是不言而喻的。表述为“由a构成”、“由a组成”、“具有a”、“包含a”时,除了特别明示了仅为该要素的情况等以外,并不排除其以外的要素,这是不言而喻的。同样,在下面的实施方式中,在提及构成要素等的形状、位置关系等时,除了特别明示了的情况和可认为原理上明显不是那样的情况等以外,包含实质上与其形状等近似或类似的情况等。

<关于驾驶员发出的声音与车辆的行驶状态的相关性>

首先,对驾驶员发出的声音与车辆的行驶状态的相关性进行说明。

一般而言,人的心理状态与发出的声音具有相关性,人在焦急时说话快且声音大,在困倦时音量变得没有起伏从而变得平坦。驾驶员的心理状态会对驾驶员的驾驶、即车辆的行驶状态造成影响,在焦急时易慌乱从而急加速、急打方向盘增加,在困倦时注意力涣散从而急刹车增加。本发明基于驾驶员发出的声音,来推算驾驶员的心理状态会影响到的车辆的行驶状态。

<本发明的第一实施方式的车载装置的结构例>

图1表示本发明的第一实施方式的车载装置的结构例。

该车载装置10收集驾驶员(用户)发出的声音(发声),基于驾驶员的声音来推算驾驶员的驾驶状态,换言之,来推算搭载有车载装置10的车辆的行驶状态。车载装置10例如可作为构成导航系统、车载计算机系统等的一个装置,搭载在汽车等车辆中。推算出的行驶状态例如可用于提醒驾驶员注意等反馈。

在此,驾驶员发出的声音,例如设想驾驶员对导航系统、车载计算机系统发出的声音指令。不过,收集的驾驶员的声音并不限定于声音指令,例如也可以使得收集与同乘人员等的谈话和自言自语。

车载装置10包括声音收集部11、行驶状态收集部12、db(数据库)生成部13、学习部14、推算模型15和推算部16。

声音收集部11使用麦克风和ad转换器(均未图示),收集驾驶员发出的声音,将其结果得到的声音信号转换为特征向量(相当于本发明的声音信息)。作为特征向量,可以列举(fcc(梅尔频率倒谱系数)、间距、功率等。不过,对声音信号进行转换而得到的特征向量并不限定于上述的例子,也可以使得转换为其它的特征向量。

声音收集部11在推算模型生成处理(将在后面说明)中,对声音的特征向量添加该声音的收集时刻并将其输出至db生成部13。此外,声音收集部11在行驶状态推算处理(将在后面说明)中,将声音的特征向量输出至推算部16。

声音收集部11使用的麦克风等可以是设置成车载装置10用,也可以是转用车载的导航系统等具有的麦克风。

行驶状态收集部12使用用于检测车辆的行驶状态的加速度传感器、陀螺仪传感器和燃料消耗率传感器(未图示)中的至少1个传感器,基于该传感器的输出值与规定的阈值的比较结果,来收集行驶状态信息(急加速、急刹车、急打方向盘的次数,燃料消耗率数据等),对行驶状态信息添加收集时刻并将其输出至db生成部13,其中,行驶状态信息为驾驶员的驾驶的剧烈程度和危险回避行动的指标。行驶状态收集部12使用的加速度传感器等可以是设置成车载装置10用,也可以是转用预先设置在该车辆中的传感器等。

db生成部13通过与从声音收集部11输入的声音的特征向量相关联地记录在该声音的收集时刻前后的规定时间(例如,前后5分钟)由行驶状态收集部12收集的行驶状态信息,来生成声音/行驶状态db131。

图2表示声音/行驶状态db131的数据结构的一个例子。

在声音/行驶状态db131中记录的各数据中,设置有声音信息字段1311和行驶状态信息字段1312。

在声音信息字段1311中存储从db生成部13输入的声音的特征向量。从而,与在声音信息字段1311中直接存储声音信号的情况比较,能够使存储的数据量减少。

在行驶状态信息字段1312中,作为行驶状态信息,记录表示急加速等的次数的数值。此外,也可以是不记录数值,而记录将急加速等的次数与规定阈值进行比较而确定的“多”、“普通”、“少”、“良”、“差”等评价。

返回到图1。学习部14将声音/行驶状态db131中记录的、声音的特征向量和与其对应的行驶状态信息的信息对作为学习数据,进行以声音的特征向量为输入向量、以与其对应的行驶状态信息为教师标签(teacherlabel)的监督学习,从而生成推算模型15。

参照图3说明学习部14进行的监督学习。图3是在输入向量空间100中,对标有行驶状态信息的教师标签的声音信号的特征向量进行描绘而得到的示意图。

图中的黑色圆圈表示标有急加速“少”、急刹车“少”、燃料消耗率“良”的行驶状态的教师标签的声音的特征向量的分布。白色三角形表示标有急加速“少”、急刹车“多”、燃料消耗率“良”的行驶状态的教师标签的声音的特征向量的分布。黑色四边形表示标有急加速“多”、急刹车“少”、燃料消耗率“差”的行驶状态的教师标签的声音的特征向量的分布。

在学习部14进行的监督学习中,生成推算模型15,在该推算模型15中,确定了黑色圆圈分布的区域101、白色三角形△分布的区域102和黑色四边形分布的区域103的识别面104、105。

因此,推算模型15中,输入向量空间100由识别面104等分割为与教师标签的数量相同数量的区域。采用推算模型15,能够通过判断声音的特征向量在输入向量空间100中属于哪个区域,来推算收集该声音时的行驶状态。

返回到图1。推算部16使用推算模型15来推算行驶状态,并将表示推算结果的行驶状态信息输出至后级。

<由车载装置10进行的推算模型生成处理>

接着,图4是对由车载装置10进行的推算模型生成处理的一个例子进行说明的流程图。

该推算模型生成处理例如在搭载有车载装置10的车辆开始行驶时开始。

首先,声音收集部11开始进行收集驾驶员发出的声音、将与该声音对应的声音信号转换为特征向量并将其输出至db生成部13的动作(步骤s1)。另一方面,行驶状态收集部12开始进行收集表示车辆的行驶状态的行驶状态信息并将其输出至db生成部13的动作(步骤s2)。步骤s1、s2的处理实际上同时开始。

接着,db生成部13通过与从声音收集部11输入的声音的特征向量相关联地记录在该声音的收集时刻前后的规定时间由行驶状态收集部12收集的行驶状态信息,来生成声音/行驶状态db131(步骤s3)。

接着,学习部14通过使用记录在声音/行驶状态db131中的学习数据(声音的特征向量与行驶状态信息的信息对)进行监督学习,来生成推算模型15(步骤s4)。此外,使得学习部14进行的监督学习在声音/行驶状态db131中积累规定数量的学习数据后进行。

之后,车载装置10将处理返回到步骤s3,反复进行步骤s3以后的步骤。通过反复进行步骤s3、s4的处理,学习部14能够使用更多的学习数据进行监督学习,因此,能够提高生成的推算模型15的精度。

<由车载装置10进行的行驶状态推算处理>

接着,图5是对由车载装置10进行的行驶状态推算处理的一个例子进行说明的流程图。

行驶状态推算处理以通过上述的推算模型生成处理生成了推算模型15为前提,例如,在搭载有车载装置10的车辆开始行驶时开始。

首先,声音收集部11开始进行收集驾驶员发出的声音、将与该声音对应的声音信号转换为特征向量并将其输出至推算部16的处理(步骤s11)。然后,推算部16监视来自声音收集部11的输入,判断是否已输入了声音的特征向量(步骤s12)。在判断为没有输入声音的特征向量的情况下(步骤s12为“否”(no)),推算部16继续进行来自声音收集部11的输入的监视。

此外,在判断为已输入了声音的特征向量的情况下(步骤s12为“是”(yes)),推算部16使用推算模型15,基于从声音收集部11输入的声音的特征向量属于的输入向量空间100的区域来推算车辆的行驶状态,并将表示推算结果的行驶状态信息输出至后级。之后,车载装置10将处理返回到步骤s12,反复进行步骤s12以后的步骤。

采用上面说明的行驶状态推算处理,能够不使用检测驾驶员的动作、眨眼的频率、心率等的传感器,而基于驾驶员发出的声音来推算驾驶员的心理状态会影响到的车辆的行驶状态。

此外,从车载装置10输出的行驶状态信息的用途是任意的,关于其例子,将在后述的变形例中进行说明。

<本发明的第二实施方式的行驶状态推算系统的结构例>

接着,图6表示本发明的第二实施方式的行驶状态推算系统的结构例。

该行驶状态推算系统20由经由通信网络40连接的多个车载装置30和服务器装置50构成。通信网络40例如由移动电话通信网和互联网等构成。

在车载装置30和服务器装置50中,分散配置车载装置10(图1)的构成要素,对车载装置30和服务器装置50各自的构成要素中,与车载装置10的构成要素相同的构成要素,标注相同的附图标记,适当省略其说明。

车载装置30具有相对于车载装置10省略了db生成部13和学习部14而增加了通信部31的结构。车载装置30中省略的db生成部13和学习部14设置在服务器装置50中。

即,车载装置30包括声音收集部11、行驶状态收集部12、推算模型15、推算部16和通信部31。

车载装置30中的声音收集部11在推算模型生成处理中,对声音的特征向量添加该声音的收集时刻并将其输出至通信部31,在行驶状态推算处理中,将声音的特征向量输出至推算部16。

车载装置30中的行驶状态收集部12对所收集的行驶状态信息添加收集时刻并将其输出至通信部31。

通信部31(相当于本发明的第1通信部)在推算模型生成处理中,将从声音收集部11输入的声音的特征向量与在以该声音的收集时刻为基准的规定的时间范围内由行驶状态收集部12收集的行驶状态信息相关联地,经由通信网络40发送至服务器装置50。而且,通信部31接收由服务器装置50生成的推算模型15,更新车载装置30中已有的推算模型15。

服务器装置50包括db生成部13、学习部14、推算模型15和通信部51。

服务器装置50中的db生成部13,通过与从各车载装置30经由通信网络40输入的声音的特征向量相关联地,记录在该声音的收集时刻前后的规定时间由对应的各车载装置30的行驶状态收集部12收集的行驶状态信息,来生成声音/行驶状态db131。

服务器装置50中的学习部14通过使用声音/行驶状态db131进行监督学习来生成推算模型15,并将所生成的推算模型15经由通信网络40发送至各车载装置30。

通信部51(相当于本发明的第2通信部)接收从各车载装置30经由通信网络40发送的声音的特征向量并将其输出至db生成部13。而且,通信部51接收从各车载装置30经由通信网络40发送的行驶状态信息并将其输出至db生成部13。此外,通信部51将由学习部14生成的推算模型15经由通信网络40发送至各车载装置30。

在行驶状态推算系统20中,推算模型生成处理主要由服务器装置50执行,行驶状态推算处理由车载装置30执行。主要执行推算模型生成处理的服务器装置50可连接多个车载装置30,因此,在由服务器装置50的db生成部13生成的声音/行驶状态db131中,容易记录比第一实施方式更多的学习数据。从而,由学习部14生成的推算模型15的精度比第一实施方式更高。因此,行驶状态推算系统20与车载装置10相比,能够期待驾驶员的心理状态会影响到的车辆的行驶状态的推算精度提高。

<本发明的第三实施方式的行驶状态推算系统的结构例>

接着,图7表示本发明的第三实施方式的行驶状态推算系统的结构例。

该行驶状态推算系统60由经由通信网络40连接的多个车载装置70和服务器装置80构成。

在车载装置70和服务器装置80中,分散配有车载装置10的构成要素,对车载装置70和服务器装置80各自的构成要素中,与车载装置10的构成要素相同的构成要素,标注相同的附图标记,适当省略其说明。

车载装置70具有相对于车载装置10省略了db生成部13、学习部14、推算模型15和推算部16而增加了通信部71的结构。车载装置70中省略的db生成部13、学习部14、推算模型15和推算部16设置在服务器装置80中。

即,车载装置70包括声音收集部11、行驶状态收集部12和通信部71。

车载装置70的声音收集部11在推算模型生成处理中,对声音的特征向量添加该声音的收集时刻并将其输出至通信部71,在行驶状态推算处理中,将声音的特征向量输出至通信部71。

车载装置70的行驶状态收集部12添加所收集的收集时刻并将其输出至通信部71。

通信部71在推算模型生成处理中,将声音收集部11输出的声音的特征向量和行驶状态收集部12输出的行驶状态信息经由通信网络40发送至服务器装置80。而且,通信部71在行驶状态推算处理中,将声音收集部11输出的声音的特征向量经由通信网络40发送至服务器装置80,并接收从服务器装置80发送的、推算出的行驶状态信息。

服务器装置80包括db生成部13、学习部14、推算模型15、推算部16和通信部81。

通信部81在推算模型生成处理时,接收从各车载装置70经由通信网络40发送的声音的特征向量并将其输出至db生成部13。而且,通信部81在推算模型生成处理时,接收从各车载装置70经由通信网络40发送的行驶状态信息并将其输出至db生成部13。此外,通信部81在推算模型生成处理时,将从各车载装置70经由通信网络40发送的声音的特征向量输出至推算部16,并将表示推算部16基于该特征向量得到的推算结果的行驶状态信息经由通信网络40发送至各车载装置70。

在行驶状态推算系统60中,推算模型生成处理和行驶状态推算处理主要由服务器装置80执行。主要执行推算模型生成处理的服务器装置80可连接多个车载装置70,因此,在由服务器装置80的db生成部13生成的声音/行驶状态db131中,容易记录比第一实施方式更多的学习数据。从而,由学习部14生成的推算模型15的精度比第一实施方式高。因此,行驶状态推算系统60与车载装置10相比,能够期待驾驶员的心理状态会影响到的车辆的行驶状态的推算精度提高。而且,能够使推算模型生成处理和行驶状态推算处理中的车载装置70的处理负荷与车载装置10相比减少。

<本发明的第一实施方式的车载装置的第一变形例>

接着,图8表示本发明的第一实施方式的车载装置的第一变形例。

该车载装置110是在车载装置10(图1)中增加了响应生成部111和hmi(humanmachineinterface:人机接口)部112而得到的。对车载装置110的构成要素中,与车载装置10的构成要素相同的构成要素,标注相同的附图标记,适当省略其说明。

响应生成部111(相当于本发明的反馈生成部)将推算部16输出的行驶状态信息作为输入,生成与推算出的行驶状态相应的响应(对驾驶员的反馈)并将其输出至hmi部112。hmi部112例如使用扬声器、显示器(均未图示)等,将由响应生成部111生成的响应例如作为声音消息、画面显示提示给驾驶员。hmi部112使用的扬声器等可以是设置成车载装置110用,也可以是转用设置在车辆中的扬声器等。

与驾驶员的心理状态会影响到的车辆的行驶状态相应的响应是指,例如在作为行驶状态推算为“急刹车多”的情况下,作为驾驶员的心理状态,清醒状态低或注意力涣散的可能性高,因此,从扬声器对驾驶员进行声音输出,输出“请专心驾驶”等提醒注意的消息或“在这附近休息一下吧”等建议休息的消息,或在显示器上进行文字显示。

此外,例如在作为行驶状态推算为“急加速多,燃料消耗率差”的情况下,作为驾驶员的心理状态,慌乱或紧张的可能性高,因此,对驾驶员进行声音输出或文字输出,输出“请放松”等提醒注意的消息,或者播放古典音乐或慢民谣等让人的心情平静下来的乐曲。

采用上面说明的车载装置110,能够不使用各种传感器,而基于驾驶员发出的声音来推算驾驶员的心理状态会影响到的行驶状态,而且能够利用与推算出的行驶状态相应的反馈(响应)来恰当地支持驾驶员。

<本发明的第一实施方式的车载装置的第二变形例>

接着,图9表示本发明的第一实施方式的车载装置的第二变形例。

该车载装置120是在车载装置10(图1)中增加了声音识别部121、响应生成部122和hmi部123而得到的。对车载装置120的构成要素中,与车载装置10的构成要素相同的构成要素,标注相同的附图标记,适当省略其说明。

但是,车载装置120的声音收集部11在行驶状态推算处理中,将所收集的声音的特征向量输出至推算部16,并且将所收集的声音的声音信号输出至声音识别部121。

声音识别部121对从声音收集部11输入的驾驶员的声音信号进行声音识别处理,并将声音识别结果输出至响应生成部122。此外,也可以是在声音识别部121连接麦克风,不经由声音收集部11而输入驾驶员的声音信号。

响应生成部122将推算部16输出的行驶状态信息和声音识别部121的声音识别结果(发声内容)作为输入,生成与驾驶员的心理状态会影响到的车辆的行驶状态和发声内容相应的响应,并将其输出至hmi部123。hmi部123例如使用扬声器、显示器(均未图示)等,将由响应生成部122生成的响应例如作为声音消息、画面显示提示给驾驶员。hmi部123使用的扬声器等可以是设置成车载装置120用,也可以是转用设置在车辆中的扬声器等。

与行驶状态和发声内容相应的响应是指,例如在驾驶员的发声内容为“播放音乐”、且作为行驶状态推算为“急加速多,燃料消耗率差”的情况下,驾驶员的心理状态可推算为匆忙或紧张的可能性高,因此,为了使驾驶员的心情平静下来,选择并播放古典音乐或慢民谣等乐曲。反之,在作为行驶状态推算为“急刹车多”的情况下,驾驶员的心理状态可推算为存在清醒状态为低的状态(有睡意的状态)的可能性,因此,选择并播放赶走睡意那样的快节奏的乐曲。

此外,例如在驾驶员的发声内容为“寻找餐厅”、且作为行驶状态推算为“没有急加速和急刹车(平常状态)”的情况下,驾驶员的心理状态可推算为稳定且时间充裕,因此,搜索符合预先设定的驾驶员的喜好的餐厅,并输出搜索结果。反之,在作为行驶状态推算为“急加速多,燃料消耗率差”的情况下,驾驶员的心理状态可推算为焦躁且时间不充裕,因此,与驾驶员的喜好相比,以能够尽量快到达的餐厅为优先进行搜索,并输出搜索结果。

采用上面说明的车载装置120,能够不使用各种传感器,而基于驾驶员发出的声音来推算驾驶员的心理状态会影响到的行驶状态。

此外,采用车载装置120,在判断并执行来自驾驶员的声音指令时,不仅使用声音识别结果,而且还使用推算出的行驶状态,因此,能够利用基于在声音识别结果中没有表现出来的言外的心理状态的反馈(响应)来恰当地支持驾驶员。

<本发明的第一实施方式的车载装置的第三变形例>

接着,图10表示本发明的第一实施方式的车载装置的第三变形例。

该车载装置140是在车载装置10(图1)中增加了行驶状态异常判断部141、发声促进部142和hmi部143而得到的。对车载装置140的构成要素中,与车载装置10的构成要素相同的构成要素,标注相同的附图标记,适当省略其说明。

但是,车载装置140的行驶状态收集部12对所收集的行驶状态信息添加收集时刻并将其输出至db生成部13,并且将所收集的行驶状态信息输出至行驶状态异常判断部141。

行驶状态异常判断部141基于从行驶状态收集部12输入的行驶状态信息,检测偏离了通常的行驶状态的异常行驶状态。

图11表示行驶状态异常判断部141进行的异常行驶状态的检测判断中使用的、异常驾驶(急加速、急刹车、急打方向盘等)的频率的时间序列变化,横轴表示时间,纵轴表示频率。

行驶状态异常判断部141基于从行驶状态收集部12输入的行驶状态信息,对异常驾驶的频率进行计数,在其计数值超过规定的阈值时(图11中的时刻t1),判断为处于异常行驶状态,将该意思通知给发声促进部142。

发声促进部142根据来自行驶状态异常判断部141的、处于异常行驶状态的意思的通知,生成促使驾驶员发声的询问消息,例如“是不该休息一下了?”、“就快到中午了。这就搜索餐厅,请告诉我您想吃的食物。”、“听听音乐吧。您想播放哪位歌手的专辑?”等询问语并将其输出至hmi部143。此外,询问消息也可以是与行驶状态、时刻等相应地从预先准备的消息中选择。

hmi部143例如使用扬声器、显示器(均未图示)等,将由发声促进部142生成的询问语例如作为声音消息、画面显示提示给驾驶员。hmi部143使用的扬声器等可以是设置成车载装置140用,也可以是转用设置在车辆中的扬声器等。

采用上面说明的车载装置140,在判断为处于异常行驶状态时促使驾驶员发声,因此,能够主动地收集驾驶员的发声,能够高效率地收集监督学习的学习数据。因此,能够提高生成的推算模型15的精度从而提高行驶状态的推算精度。

此外,上述的第一~第三变形例可以适当组合。即,例如,可以在第一变形例、第二变形例中增加第三变形例中的行驶状态异常判断部141和发声促进部142。

此外,上述的本发明的第二和第三实施方式,可以与上述的第一~第三变形例同样地变形。

上述的车载装置10、30、70、110、120、130、140和服务器装置50、80,既可以由硬件构成,也可以由软件实现。在由软件实现车载装置10等的情况下,构成该软件的程序可安装在计算机中。在此,计算机包括组装在专用的硬件中的计算机、能够通过安装各种程序来执行各种功能的例如通用的个人计算机等。

图12是表示利用程序实现车载装置10等的计算机的硬件的结构例的框图。

在该计算机200中,cpu(centralprocessingunit:中央处理器)201、rom(readonlymemory:只读存储器)202、ram(randomaccessmemory:随机存取存储器)203通过总线204相互连接。

总线204进一步连接有输入输出接口205。输入输出接口205连接有输入部206、输出部207、存储部208、通信部209和驱动器210。此外,输入输出接口205还可以连接有麦克风、ad转换器、加速度传感器、陀螺仪传感器、燃料消耗率传感器等(均未图示)。

此外,输入输出接口205还可以连接有gps接收机等定位信号接收部、obd端口等用于与汽车的车内网络连接的连接部、fm多路广播接收部等。

输入部206由键盘、鼠标、麦克风等构成。输出部207由显示器、扬声器等构成。存储部208由硬盘、ssd(solidstatedrive:固态驱动器)等构成。通信部209由通信电话组件、wi-fi通信组件等构成。驱动器210对磁盘、光盘、光磁盘或半导体存储器等可移动介质211进行驱动。

在上述那样构成的计算机200中,cpu201例如可通过将存储在存储部208中的程序经由输入输出接口205和总线204载入到ram203中并执行,来实现车载装置10等。

计算机200(cpu201)执行的程序例如可以记录在作为封装介质等的可移动介质211中提供。此外,程序也可以经由局域网、通信网络、数字卫星广播等有线或无线的传输介质来提供。

在计算机200中,程序可以是通过将可移动介质211安装在驱动器210,从而经由输入输出接口205安装至存储部208。此外,程序也可以是经由有线或无线的传输介质,由通信部209接收,并安装至存储部208。此外,程序还可以是预先安装在rom202或存储部208中。

计算机200执行的程序既可以是按照本说明书中说明的顺序按时间序列进行处理的程序,也可以是并行地或者在进行调出等需要的时刻进行处理的程序。

本说明书中记载的效果只是例示而不是限定,也可以有其它效果。

本发明并不限定于上述的实施方式,包括各种变形例。例如,上述的各实施方式为了容易理解地说明本发明而详细地进行了说明,但是本发明并不一定限定于包括所说明的所有构成要素。可以将某个实施方式的构成要素的一部分替换成其它实施方式的构成要素,也可以在某个实施方式的构成要素的基础上加入其它实施方式的构成要素。还可以对各实施方式的构成要素的一部分进行其它构成要素的增加、删除、替换。

上述的各构成要素、功能、处理部、处理方法等的一部分或全部,例如可以通过利用集成电路进行设计等而由硬件实现。此外,上述的各构成要素、功能等也可以是通过处理器对实现各自的功能的程序进行解释并执行,而由软件实现。实现各功能的程序、表格、文件等信息可以放在存储器、硬盘、ssd等存储装置、或ic卡、sd卡、dvd等记录介质中。另外,关于控制线和信息线,仅示出了认为说明上需要的部分,并不一定示出了产品上的所有的控制线和信息线。实际上也可以认为几乎所有的构成要素相互连接。

本发明不仅能够以车载装置、行驶状态推算方法、服务器装置和行驶状态推算系统的形式提供,而且能够以计算机可读取的程序等各种形式提供。

附图标记说明

10……车载装置,11……声音收集部,12……行驶状态收集部,13……db生成部,13……生成部,14……学习部,15……推算模型,16……推算部,20……行驶状态推算系统,21……通信部,30……车载装置,31……通信部,40……通信网络,50……服务器装置,51……通信部,60……行驶状态推算系统,70……车载装置,71……通信部,80……服务器装置,81……通信部,100……输入向量空间,101……区域,102……区域,103……区域,104……识别面,105……识别面,110……车载装置,111……响应生成部,112……hmi部,120……车载装置,121……声音识别部,122……响应生成部,123……hmi部,130……车载装置,140……车载装置,141……行驶状态异常判断部,142……发声促进部,143……hmi部,200……计算机,201……cpu,202……rom,203……ram,204……总线,205……输入输出接口,206……输入部,207……输出部,208……存储部,209……通信部,210……驱动器,211……可移动介质。

起点商标作为专业知识产权交易平台,可以帮助大家解决很多问题,如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19008205409】与客服一对一沟通,为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除

tips