一种残膜回收机防缠绕挑膜装置的制 一种秧草收获机用电力驱动行走机构

配车装置、车辆及终端的制作方法

2021-11-20 01:46:00 来源:中国专利 TAG:


1.本发明涉及配车装置、车辆及终端。


背景技术:

2.在专利文献1中公开了在调配具备动力传递装置的液压控制学习功能的车辆的系统中从液压控制学习的进展度低的车辆起优先地调配的技术。
3.现有技术文献
4.专利文献
5.专利文献1:日本特开2019

032625号公报


技术实现要素:

6.发明所要解决的课题
7.在专利文献1中公开的液压控制学习不依存于车辆行驶的地区,因此能够在配车中高效地进行学习。然而,在专利文献1中公开的技术中,存在无法高效地进行例如道路的铺装状况的学习等依存于车辆行驶的地区的学习这一问题。
8.本发明鉴于上述而完成,目的在于提供能够在配车中高效地进行学习的配车装置、车辆及终端。
9.用于解决课题的手段
10.为了解决上述的课题而达成目的,本发明的配车装置根据来自用户的终端的配车要求而调配车辆,其特征在于,具备车辆选定部,该车辆选定部在取得了所述配车要求的情况下,从正在学习依存于规定的地区的参数的输入输出的关系的多个车辆中选定依存于所述用户要行驶的预定行驶地区的参数的输入输出的关系的学习进展度相对小的车辆,对选定出的车辆输出配车指示。
11.由此,配车用的车辆中的预定行驶地区的学习相对未进展的车辆容易优先地被调配。
12.另外,在本发明的配车装置中,可以是,所述车辆选定部从所述多个车辆中选定依存于所述用户要行驶的预定行驶地区的参数的输入输出的关系的学习进展度最小的车辆,对选定出的车辆输出配车指示。
13.由此,配车用的车辆中的预定行驶地区的学习最未进展的车辆优先地被调配。
14.另外,本发明的配车装置可以具备基于所述配车要求中包含的目的地来推定所述预定行驶地区的预定行驶地区推定部。
15.由此,在配车时用户无需自己指定预定行驶地区,用户的麻烦被减轻。
16.另外,本发明的配车装置可以具备从所述多个车辆将各车辆收集到的参数作为训练数据进行学习的学习部。
17.由此,通过在配车装置侧进行训练数据的学习,车辆侧的计算负荷被减轻。
18.另外,在本发明的配车装置中,可以是,所述车辆选定部从各车辆取得基于所述训
练数据的数量而算出的所述学习进展度。
19.由此,能够在配车装置侧掌握在各车辆中学习进展了多少。
20.另外,在本发明的配车装置中,可以是,所述参数是依存于所述规定的地区的参数,包含气温、湿度、气压、坡度、高度、发动机的吸入空气量、发动机的点火正时及发动机的排气温度。
21.由此,能够学习依存于规定的地区的各种各样的参数。
22.为了解决上述的课题而达成目的,本发明的车辆根据来自用户的终端的配车要求而由配车装置调配,其特征在于,学习依存于规定的地区的参数的输入输出的关系,在与配车用的其他的车辆相比依存于所述用户要行驶的预定行驶地区的参数的输入输出的关系的学习进展度相对小的情况下,从所述配车装置取得配车指示。
23.由此,配车用的车辆中的预定行驶地区的学习相对未进展的车辆容易优先地被调配。
24.另外,本发明的车辆可以在与配车用的其他的车辆相比依存于所述用户要行驶的预定行驶地区的参数的输入输出的关系的学习进展度最小的情况下,从所述配车装置取得配车指示。
25.由此,配车用的车辆中的预定行驶地区的学习最未进展的车辆优先地被调配。
26.另外,本发明的车辆可以具备:训练数据收集部,收集由依存于规定的地区的输入参数及输出参数构成的训练数据;及学习进展度算出部,基于所述训练数据的数量而算出所述学习进展度,将算出的学习进展度向所述配车装置输出。
27.由此,在各车辆中,能够在收集训练数据的同时算出学习进展度,并向配车装置侧发送。
28.另外,在本发明的车辆中,可以是,所述参数是依存于所述规定的地区的参数,包含气温、湿度、气压、坡度、高度、发动机的吸入空气量、发动机的点火正时及发动机的排气温度。
29.由此,能够学习依存于规定的地区的各种各样的参数。
30.为了解决上述的课题而达成目的,本发明的终端对配车装置进行配车要求,其特征在于,具备接受用户的配车预约并基于所述配车预约而向所述配车装置输出配车要求的配车预约部,所述配车预约部通过向所述配车装置输出配车要求而取得与车辆相关的信息作为预定配车车辆信息,所述车辆是从正在学习依存于规定的地区的参数的输入输出的关系的多个车辆中选定的车辆,且是依存于所述用户要行驶的预定行驶地区的参数的输入输出的关系的学习进展度相对小的车辆。
31.由此,配车用的车辆中的预定行驶地区的学习相对未进展的车辆容易优先地被调配。
32.另外,在本发明的终端中,可以是,所述配车预约部通过向所述配车装置输出配车要求而取得与车辆相关的信息作为预定配车车辆信息,所述车辆是从正在学习依存于规定的地区的参数的输入输出的关系的多个车辆中选定的车辆,且是依存于所述用户要行驶的预定行驶地区的参数的输入输出的关系的学习进展度最小的车辆。
33.由此,配车用的车辆中的预定行驶地区的学习最未进展的车辆优先地被调配。
34.另外,在本发明的终端中,可以是,所述参数是依存于所述规定的地区的参数,包
含气温、湿度、气压、坡度、高度、发动机的吸入空气量、发动机的点火正时及发动机的排气温度。
35.由此,能够学习依存于规定的地区的各种各样的参数。
36.发明效果
37.根据本发明,由于预定行驶地区的学习未进展的车辆优先地被调配,所以能够在配车中高效地进行学习,且各车辆中的学习延迟被消除。
附图说明
38.图1是概略地示出实施方式1的具有配车装置、车辆及终端的配车系统的图。
39.图2是概略地示出实施方式1的配车系统的各结构的框图。
40.图3是用于对神经网络的一例进行说明的图。
41.图4是用于说明实施方式1的配车系统所执行的配车方法的概要的图。
42.图5是示出在实施方式1的配车系统所执行的配车方法中显示于终端的配车预约画面的一例的图。
43.图6是示出在实施方式1的配车系统所执行的配车方法中显示于终端的预定配车车辆信息的一例的图。
44.图7是示出在实施方式1的配车系统所执行的配车方法中收集及学习训练数据时的流程的流程图。
45.图8是示出在实施方式1的配车系统所执行的配车方法中进行配车预约时的流程的流程图。
46.图9是概略地示出实施方式2的配车系统的各结构的框图。
47.图10是示出在实施方式2的配车系统所执行的配车方法中进行配车预约时的流程的流程图。
48.标号说明
49.1、1a
ꢀꢀ
配车系统
50.10、10a
ꢀꢀ
配车装置
51.11、11a
ꢀꢀ
控制部
52.111
ꢀꢀ
学习部
53.112
ꢀꢀ
车辆选定部
54.113
ꢀꢀ
预定行驶地区推定部
55.12
ꢀꢀ
通信部
56.13
ꢀꢀ
存储部
57.131
ꢀꢀ
配车车辆db
58.20
ꢀꢀ
车辆
59.21
ꢀꢀ
控制部
60.211
ꢀꢀ
训练数据收集部
61.212
ꢀꢀ
学习进展度算出部
62.22
ꢀꢀ
通信部
63.23
ꢀꢀ
存储部
64.24
ꢀꢀ
传感器组
65.30
ꢀꢀ
终端
66.31
ꢀꢀ
控制部
67.311
ꢀꢀ
配车预约部
68.32
ꢀꢀ
通信部
69.33
ꢀꢀ
存储部
70.34
ꢀꢀ
操作
·
显示部
71.341、342、343、345、346
ꢀꢀ
区域
72.344
ꢀꢀ
发送按钮
73.nw
ꢀꢀ
网络
具体实施方式
74.关于本发明的实施方式的配车装置、车辆及终端,一边参照附图一边说明。需要说明的是,在下述实施方式中的构成要素中,包含本领域技术人员能够且容易置换的要素或实质上相同的要素。
75.[实施方式1]
[0076]
关于本发明的实施方式1的配车系统,一边参照图1~图6一边说明。如图1所示,本实施方式的配车系统1具有配车装置10、车辆20及终端30。配车装置10、车辆20及终端30均具备通信功能,构成为能够通过网络nw而相互通信。该网络nw例如由互联网线路网、便携电话线路网等构成。
[0077]
(配车装置)
[0078]
配车装置10是用于根据来自终端30的配车要求而向终端30的用户调配车辆20的装置。配车装置10例如由工作站、个人计算机等通用计算机实现。
[0079]
如图2所示,配车装置10具备控制部11、通信部12及存储部13。具体而言,控制部11具备由cpu(central processing unit:中央处理单元)、dsp(digital signal processor:数字信号处理器)、fpga(field

programmable gate array:现场可编程门阵列)等构成的处理器和由ram(random access memory:随机存取存储器)、rom(read only memory:只读存储器)等构成的存储器(主存储部)。
[0080]
控制部11将保存于存储部13的程序向主存储部的作业区域加载并执行,通过程序的执行而控制各构成部等,由此实现符合规定的目的的功能。具体而言,控制部11通过前述的程序的执行而作为学习部111及车辆选定部112发挥功能。
[0081]
学习部111进行训练数据的学习。学习部111从配车用的多个车辆20通过网络nw而取得各车辆20收集到的参数(学习值)。该参数是依存于规定的地区的环境的参数,例如包含气温、湿度、气压、坡度、高度、发动机的吸入空气量、发动机的点火正时及发动机的排气温度等。另外,“规定的地区的环境”例如表示道路的铺装状况、道路的倾斜及道路的高度等。
[0082]
接着,学习部111通过将上述的参数作为训练数据实施机器学习而制作已学习模型(learned model)。然后,学习部111将制作出的已学习模型通过网络nw而向各车辆20输出。通过这样在配车装置10侧进行训练数据的学习,车辆20侧的计算负荷被减轻。
[0083]
学习部111中的机器学习方法没有特别的限定,例如能够使用神经网络、支持向量机、决策树、朴素贝叶斯、k

近邻算法等有教师学习。另外,也可以取代有教师学习而使用半有教师学习。
[0084]
以下,作为具体的机器学习方法的一例,对神经网络进行说明。如图3所示,神经网络具有输入层、中间层及输出层。输入层由多个节点构成,对各节点输入互相不同的输入参数。中间层被输入来自输入层的输出。另外,中间层具有包含由接受来自输入层的输入的多个节点构成的层的多层的构造。输出层被输入来自中间层的输出,输出输出参数。使用了中间层具有多层构造的神经网络的机器学习被称作深度学习。在该图中,示出了输入参数是“外气温、外气压、吸入空气量、点火正时”且输出参数是“排气温度”的例子。学习部111通过学习这些输入参数与输出参数的关系来制作已学习模型。
[0085]
需要说明的是,在图3中作为输入参数示出的外气温、外气压是该地区特有的值(使该地区具有特征的值)。因而,通过使地区特有的外气温、外气压反映于学习,能够制作推定更顺应该地区的排气温度的已学习模型。
[0086]
车辆选定部112从多个车辆20中选定向终端30的用户调配的车辆20。车辆选定部112在通过网络nw而取得了来自终端30的配车要求的情况下,从正在学习依存于规定的地区的参数的输入输出的关系的多个车辆20中选定依存于用户要行驶的预定行驶地区的参数的输入输出的关系的学习进展度相对小(慢)的车辆20。
[0087]
例如如图4所示,在用户预定在地区x中行驶的情况下,车辆选定部112从在配车过程中正在地区x中进行学习的车辆a、车辆b中例如选定地区x中的学习进展度最小的车辆a。然后,车辆选定部112将与选定出的车辆a相关的信息(以下,称作“预定配车车辆信息”)向用户的终端30输出,并且对选定出的车辆a输出配车指示。需要说明的是,本实施方式中的“地区”的广度优选是至少在车辆20收集的参数(气温、湿度、气压、坡度、高度等)中产生差的程度的广度(例如盆地水平)。
[0088]
在此,如后所述,用户的预定行驶地区通过显示于终端30的操作
·
显示部34的配车预约画面(参照图5)而使用户自身选择。在该预定行驶地区的选择中,例如可以选择车辆20预定行驶的市町村等,或者也可以输入邮编等能够确定地区的信息。
[0089]
另外,学习进展度从各车辆20取得。即,车辆20基于本车收集到的训练数据的数量及取得正时来算出学习进展度。并且,车辆选定部112在选定车辆20时,从各车辆20取得学习进展度,基于取得的学习进展度来选定车辆20。通过这样从各车辆20取得学习进展度,能够在配车装置10侧掌握在各车辆20中学习进行了多少。
[0090]
通信部12例如由lan(local area network:局域网)接口板、用于无线通信的无线通信电路等构成。通信部12连接于作为公众通信网的互联网等网络nw。并且,通信部12通过连接于该网络nw而与车辆20及终端30之间进行通信。
[0091]
存储部13由eprom(erasable programmable rom:可擦可编程rom)、硬盘驱动器(hard disk drive:hdd)及可移动介质等记录介质构成。作为可移动介质,例如可举出usb(universal serial bus:串行通用总线)存储器、cd(compact disc:光盘)、dvd(digital versatile disc:数字通用光盘)、bd(blu

ray(注册商标)disc:蓝光光盘)这样的盘记录介质。在存储部13中,能够保存操作系统(operating system:os)、各种程序、各种表、各种数据库等。
[0092]
存储部13具备配车车辆db(数据库)131。配车车辆db131通过由控制部11执行的数据库管理系统(database management system:dbms)的程序对存储于存储部13的数据进行管理而构筑。配车车辆db131例如由每个车辆20的学习进展度被保存为能够找出的关系数据库构成。
[0093]
另外,在存储部13中,除了配车车辆db131之外,还根据需要而保存通过网络nw而从车辆20取得的训练数据、由学习部111制作出的已学习模型等。
[0094]
(车辆)
[0095]
车辆20是能够与外部通信的移动体,是根据来自终端30的配车要求而向终端30的用户调配的配车用车辆。该车辆20可以是手动驾驶车和自动驾驶车的任一者。
[0096]
具体而言,车辆20学习依存于规定的地区的参数的输入输出的关系,将其学习结果向配车装置10输出。需要说明的是,在本实施方式中,在车辆20中进行的“学习”意味着在行驶中(配车中)收集各种参数并制作训练数据。并且,向配车装置10输出的“学习结果”具体而言意味着训练数据。
[0097]
车辆20在与配车用的其他的车辆20相比与用户要行驶的预定行驶地区相关的训练数据的学习进展度相对小的情况下,从配车装置10取得配车指示。需要说明的是,车辆20也可以在与配车用的其他的车辆20相比与用户要行驶的预定行驶地区相关的训练数据的学习进展度最小的情况下从配车装置10取得配车指示。
[0098]
如图2所示,车辆20具备控制部21、通信部22、存储部23及传感器组24。控制部21是统括地控制搭载于车辆20的各种构成要素的动作的ecu(electronic control unit:电子控制单元)。控制部21通过保存于存储部23的程序的执行而作为训练数据收集部211及学习进展度算出部212发挥功能。
[0099]
训练数据收集部211收集依存于规定的地区的训练数据。需要说明的是,在本实施方式中,“训练数据”表示机器学习所需的输入参数及输出参数的组。通过这样利用训练数据收集部211收集学习用的训练数据并向配车装置10逐次输出,能够学习依存于规定的地区的各种各样的参数。
[0100]
具体而言,训练数据收集部211在行驶中利用传感器组24来收集参数的原始数据,通过实施规定的前处理等来制作训练数据。然后,训练数据收集部211将制作出的训练数据通过网络nw而向配车装置10输出。
[0101]
学习进展度算出部212基于车辆20收集到的训练数据的数量及取得正时来算出学习进展度。然后,学习进展度算出部212将算出的学习进展度例如每隔规定时间向配车装置10输出。具体而言,学习进展度算出部212通过下述式(1)来算出学习进展度。
[0102]
学习进展度=a
×
训练数据数 f
×
平均取得正时
···
(1)
[0103]
其中,a:规定值,f:变换系数
[0104]
另外,学习进展度算出部212例如如下述表1那样,以训练数据的平均取得正时越旧(越晚)则学习进展度越小(越慢)的方式设定上述式(1)的变换系数f。由此,能够基于收集的训练数据的新鲜度来算出学习进展度。
[0105]
【表1】
[0106]
(表1)
[0107]
车辆训练数据数(个)平均取得正时学习进展度
车辆a10002019/11/1220车辆b7002019/12/1290车辆c16002019/10/30
…………
[0108]
通信部22例如由dcm(data communication module:数据通信模块)等构成,通过经由网络nw的无线通信而与配车装置10及终端30之间进行通信。在存储部23中,例如根据需要而保存由训练数据收集部211收集到的参数的原始数据、由训练数据收集部211制作出的训练数据、由学习进展度算出部212算出的学习进展度等。
[0109]
传感器组24用于在车辆20的行驶中检测及记录参数,例如由车速传感器、加速度传感器、gps传感器、行驶空间传感器(3d

lidar)、毫米波传感器、相机(拍摄装置)、温度传感器、湿度传感器、气压传感器等构成。传感器组24将检测到的参数的原始数据向训练数据收集部211输出。
[0110]
(终端)
[0111]
终端30是用于基于用户的操作来对配车装置10进行配车要求的终端装置。终端30例如由车辆20的用户拥有的智能手机、便携电话、平板终端、可穿戴计算机等实现。如图2所示,终端30具备控制部31、通信部32、存储部33及操作
·
显示部34。控制部31通过保存于存储部33的程序的执行而作为配车预约部311发挥功能。
[0112]
配车预约部311使配车预约画面显示于操作
·
显示部34,通过该配车预约画面而接受用户的配车预约。接着,配车预约部311基于配车预约来向配车装置10输出配车要求(配车预约信息)。在该配车要求中,例如包含配车希望时刻、配车场所的地址、预定行驶地区、目的地、用于确定用户的信息(例如姓名、id等)。
[0113]
接着,配车预约部311从配车装置10取得与车辆20相关的信息作为预定配车车辆信息,该车辆20是从正在学习依存于规定的地区的参数的输入输出的关系的多个车辆20中选定出的车辆20,且是依存于用户要行驶的预定行驶地区的参数的输入输出的关系的学习进展度相对小的车辆20。然后,配车预约部311使该预定配车车辆信息显示于操作
·
显示部34。需要说明的是,配车预约部311也可以从配车装置10取得与依存于用户要行驶的预定行驶地区的参数的输入输出的关系的学习进展度最小的车辆20相关的信息作为预定配车车辆信息。
[0114]
配车预约部311在进行配车预约时,例如使如图5所示的配车预约画面显示于操作
·
显示部34。该配车预约画面例如通过用户轻点显示于操作
·
显示部34的配车应用的图标而起动配车应用而显示。在该图所示的配车预约画面中,在区域341显示配车希望时刻的输入栏,在区域342显示配车场所的地址的输入栏,在区域343显示预定行驶地区的输入栏,在最下段显示发送按钮344。需要说明的是,配车预约部311也可以除了该图所示的项目之外,例如还使目的地、用于确定用户的信息(例如姓名、id等)的输入栏显示。
[0115]
若由用户输入配车预约画面中的全部项目且按下发送按钮344,则配车预约部311将包含输入到这些项目的信息的配车要求向配车装置10输出。
[0116]
取得了配车要求的配车装置10的车辆选定部112参照配车车辆db131来选定预定配车车辆,例如使如图6所示的预定配车车辆信息显示于操作
·
显示部34。在该图所示的预定配车车辆信息中,在区域345显示预定配车车辆的图像,在区域346显示车型、颜色及乘车
定员。
[0117]
通信部32通过经由网络nw的无线通信而与配车装置10及车辆20之间进行通信。在存储部33中,例如保存有用于实现配车预约部311的应用程序(配车应用)。
[0118]
操作
·
显示部34例如由触摸面板显示器等构成,具有接受车辆20的乘员的手指、笔等的操作的输入功能和基于控制部31的控制来显示各种信息的显示功能。操作
·
显示部34基于配车预约部311的控制而显示配车预约画面(参照图5)及预定配车车辆信息(参照图6)。
[0119]
(配车方法)
[0120]
关于本实施方式的配车系统1所执行的配车方法的处理工序的一例,一边参照图7及图8一边说明。以下,将在配车系统1中使用车辆20来收集及学习训练数据的步骤(以下,称作“学习步骤”)的流程利用图7来说明,将进行配车预约的步骤(以下,称作“配车预约步骤”)的流程利用图8来说明。另外,在以下的配车预约步骤中,对优先地调配学习进展度最小的车辆20的情况的例子进行说明。
[0121]
<学习步骤>
[0122]
首先,车辆20的训练数据收集部211通过传感器组24而收集规定的地区的参数的原始数据(步骤s1)。接着,训练数据收集部211根据原始数据来制作训练数据,将制作出的训练数据向配车装置10输出(步骤s2)。接着,配车装置10的学习部111通过关于训练数据实施机器学习来制作已学习模型,将制作出的已学习模型向车辆20输出(步骤s3)。
[0123]
接着,车辆20的学习进展度算出部212判定从上次对配车装置10输出学习进展度起是否经过了规定时间(步骤s4)。在判定为从上次对配车装置10输出学习进展度起经过了规定时间的情况下(在步骤s4中为是),学习进展度算出部212基于上述式(1)而算出学习进展度,将算出的学习进展度向配车装置10输出(步骤s5)。接受该情况,配车装置10的控制部11通过将学习进展度向配车车辆db131保存而更新该配车车辆db131(步骤s6)。需要说明的是,在判定为从上次对配车装置10输出学习进展度起未经过规定时间的情况下(在步骤s4中为否),学习进展度算出部212返回步骤s4。通过以上,配车方法的学习步骤的处理结束。
[0124]
<配车预约步骤>
[0125]
首先,终端30的配车预约部311判定是否例如用户轻点显示于操作
·
显示部34的配车应用的图标而起动了配车应用(步骤s11)。在判定为配车应用被起动的情况下(在步骤s11中为是),配车预约部311使配车预约画面(参照图5)显示于操作
·
显示部34(步骤s12)。需要说明的是,在判定为配车应用未被起动的情况下(在步骤s11中为否),配车预约部311返回步骤s11。
[0126]
接着,配车预约部311判定是否配车预约画面中的全部项目被输入且发送按钮344被按下(步骤s13)。在判定为配车预约画面中的全部项目被输入且发送按钮344被按下的情况下(在步骤s13中为是),配车预约部311将配车要求向配车装置10输出(步骤s14)。需要说明的是,在判定为配车预约画面中的任一项目未被输入或者发送按钮344未被按下的情况下(在步骤s13中为否),配车预约部311返回步骤s13。
[0127]
接着,配车装置10的车辆选定部112参照配车车辆db131来选定预定配车车辆(步骤s15)。在步骤s15中,车辆选定部112从正在学习依存于规定的地区的参数的输入输出的关系的多个车辆20中选定依存于用户要行驶的预定行驶地区的参数的输入输出的关系的
学习进展度最小的车辆20。即,车辆选定部112首先从多个车辆20中筛选正在学习依存于配车要求中包含的预定行驶地区的参数的输入输出的关系的车辆20。然后,车辆选定部112参照配车车辆db131,将在筛选出的车辆20中学习进展度的值最小的车辆20选定为预定配车车辆。
[0128]
接着,车辆选定部112将选定出的预定配车车辆的信息向终端30输出(步骤s16)。接受该情况,配车预约部311使预定配车车辆信息(参照图6)显示于操作
·
显示部34(步骤s17)。需要说明的是,在步骤s16中,车辆选定部112将预定配车车辆信息向终端30输出,并且对选定出的车辆20输出配车指示。通过以上,配车方法的配车预约步骤的处理结束。
[0129]
根据以上说明的实施方式1的配车装置10、车辆20及终端30,由于配车用的车辆20中的预定行驶地区的学习未进展的车辆20优先地被调配,所以能够在配车中高效地进行学习,各车辆20中的学习延迟被消除。
[0130]
在调配进行ai学习的车辆的情况下,在配车用的车辆间学习的状况不同,因此可能产生在特定的地区中极端地不由车辆进行学习的状况。另一方面,根据实施方式1的配车装置10、车辆20及终端30,由于学习未进展的车辆20优先地被调配,所以能够抑制在特定的地区中不进行学习的状况。
[0131]
[实施方式2]
[0132]
关于本发明的实施方式2的配车系统,一边参照图9及图10一边说明。如图9所示,本实施方式的配车系统1a具备配车装置10a、车辆20及终端30。配车装置10a、车辆20及终端30均具备通信功能,构成为能够通过网络nw而相互通信。以下,关于与前述的配车系统1(参照图2)同样的结构省略说明。
[0133]
(配车装置)
[0134]
如图9所示,配车装置10a具备控制部11a、通信部12及存储部13。控制部11a除了学习部111及车辆选定部112之外,还作为预定行驶地区推定部113发挥功能。
[0135]
预定行驶地区推定部113基于与配车要求中包含的目的地相关的信息来推定车辆20的预定行驶地区。需要说明的是,预定行驶地区也可以考虑目的地以外的信息来推定,例如也可以将在行驶至配车要求中包含的目的地时用户经常通过的地区推定为预定行驶地区。此时的“用户经常通过的地区”作为用户信息而预先收集并保存于存储部13即可。通过这样利用预定行驶地区推定部113来推定车辆20的行驶地区,在配车时用户无需自己指定预定行驶地区,用户的麻烦被减轻。
[0136]
(配车方法)
[0137]
关于本实施方式的配车系统1a所执行的配车方法的处理工序的一例,一边参照图10一边说明。需要说明的是,在配车系统1a中,学习步骤的流程与实施方式1(参照图7)是同样的。以下,对配车预约步骤的流程进行说明。另外,在以下的配车预约步骤中,对选定并调配学习进展度最小的车辆20的情况的例子进行说明。
[0138]
<配车预约步骤>
[0139]
首先,终端30的配车预约部311判定是否例如用户轻点显示于操作
·
显示部34的配车应用的图标而起动了配车应用(步骤s21)。在判定为配车应用被起动的情况下(在步骤s21中为是),配车预约部311使配车预约画面(参照图5)显示于操作
·
显示部34(步骤s22)。需要说明的是,在判定为配车应用未被起动的情况下(在步骤s21中为否),配车预约部311
返回步骤s21。
[0140]
接着,配车预约部311判定是否配车预约画面中的全部项目被输入且发送按钮344被按下(步骤s23)。在判定为配车预约画面中的全部项目被输入且发送按钮344被按下的情况下(在步骤s23中为是),配车预约部311将配车要求向配车装置10a输出(步骤s24)。需要说明的是,在判定为配车预约画面中的任一项目未被输入或者发送按钮344未被按下的情况下(在步骤s23中为否),配车预约部311返回步骤s23。
[0141]
接着,配车装置10a的预定行驶地区推定部113基于与配车要求中包含的目的地相关的信息来推定车辆20的预定行驶地区(步骤s25)。接着,车辆选定部112参照配车车辆db131来选定预定配车车辆(步骤s26)。在步骤s26中,车辆选定部112首先从多个车辆20中筛选正在学习依存于在步骤s25中推定出的预定行驶地区的参数的输入输出的关系的车辆20。然后,车辆选定部112参照配车车辆db131,将在筛选出的车辆20中学习进展度的值最小的车辆20选定为预定配车车辆。
[0142]
接着,车辆选定部112将选定出的预定配车车辆的信息向终端30输出(步骤s27)。接受该情况,配车预约部311使预定配车车辆信息(参照图6)显示于操作
·
显示部34(步骤s28)。需要说明的是,在步骤s27中,车辆选定部112将预定配车车辆信息向终端30输出,并且对选定出的车辆20输出配车指示。通过以上,配车方法的配车预约步骤的处理结束。
[0143]
根据以上说明的实施方式2的配车装置10a、车辆20及终端30,由于配车用的车辆20中的预定行驶地区的学习未进展的车辆20优先地被调配,所以能够在配车中高效地进行学习,各车辆20中的学习延迟被消除。
[0144]
进一步的效果、变形例能够由本领域技术人员容易地导出。由此,本发明的更广泛的方案不限定于如以上这样表示且记述的特定的详情及代表性的实施方式。因此,能够不从由所附权利要求及其均等物定义的总括的发明的概念的精神或范围脱离而进行各种各样的变更。
[0145]
例如,在前述的配车系统1、1a的配车预约步骤(参照图8及图10)中,对选定并调配学习进展度最小的车辆20的情况进行了说明,但也可以从学习进展度小于规定的进展度的车辆20中根据其他的条件而选定,或者,还可以从学习进展度最小的车辆20起依次判断配车可否并选定最先为可以的车辆20。
[0146]
另外,在前述的配车系统1、1a中,在车辆20侧进行原始数据的收集及训练数据的制作,在配车装置10、10a侧进行训练数据的学习及已学习数据的制作,但制作训练数据的主体及学习的主体不限定于它们。
[0147]
在配车系统1、1a中,例如也可以在车辆20侧进行原始数据的收集,在配车装置10、10a侧进行训练数据的制作、训练数据的学习及已学习数据的制作。另外,还可以在车辆20侧全部进行原始数据的收集、训练数据的制作、训练数据的学习及已学习数据的制作。
[0148]
另外,在配车系统1、1a中,利用车辆20的训练数据收集部211来收集各种参数,但例如也可以通过路车间通信、车车间通信等来取得各种参数并使用。
[0149]
另外,在配车系统1、1a中,如上述式(1)所示,基于训练数据的数量及其平均取得正时来算出学习进展度,但也可以取代训练数据的平均取得正时而使用训练数据的取得正时的中央值、训练数据的最旧的取得正时、训练数据的最新的取得正时。
[0150]
另外,前述的配车系统1、1a设想在一般的公路中向用户进行配车的场景而进行了
说明,但例如也能够在将所有物体、服务通过信息而相连的互联城市等中对利用了自动驾驶车的配车服务应用配车系统1、1a。
再多了解一些

本文用于企业家、创业者技术爱好者查询,结果仅供参考。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表

相关文献