JP4547721B2 - 自動車用情報提供システム - Google Patents

Description

この発明は、自動車用情報提供システムに関する。

特開２００７−１７４４４１号公報 特開２００７− １１３８０号公報 インターネットホームページ「人工無脳は考える」（ＵＲＬ：http://www.ycf.nanet.co.jp/~skato/muno/index.shtml）

近年、携帯電話と車載情報提供機器（具体的にはカーナビゲーションシステム）とを相互リンクする技術の開発が活発に行なわれている。例えば、カーナビゲーションシステムの音声入力用／出力インフラを利用して、携帯電話と該カーナビゲーションシステムとを双方向近距離無線ネットワーク（例えばＢｌｕｅｔｏｏｔｈ（商標名））にて接続し、ハンズフリー通話システムを構築する技術が実用化されている。また、このように無線接続された携帯電話を、カーナビゲーションシステムの入力端末として用いたり、あるいは外部ネットワーク（例えばインターネット）との接続端末として用い、携帯電話を介してダウンロードした画像、映像あるいは音楽などを無線転送し、カーナビゲーションシステムのモニタに出力させたりするためのインターフェースも多数開発されており（例えば、特許文献２）、これをさらに具体化した無線接続アダプタが既に市販されている（例えば、商品名：ＰＤＩ−Ｂ９２２（（株）アイ・オー・データ機器））。

しかし、上記各従来技術はいずれも、携帯電話との複合化によりカーナビゲーション装置の操作性や利便性を向上させることを主眼としており、千差万別なユーザー嗜好への対応柔軟化を目的とするものではなかった。なお、ユーザー嗜好への適合を図る試みとしては、カーナビゲーション装置の車内操作履歴や地図情報へのアクセス履歴に基づき、好みの道順や最近訪問した目的地の設定操作を簡略化する学習機能を例示できる。しかし、運転を職業とする場合を除けば、大多数のユーザーにとって日常生活に占める車の使用時間は総体的に短く、自動車側のサービス内容を個人の嗜好に適合させるのに十分な時間が得られない問題がある。他方、早期に個人の嗜好に適合させるために、ディーラー等でのアンケートにより設定をカスタマイズする対応も可能であるが、ユーザー個別の最新の趣味や興味をその都度設定に反映させることは所詮不可能であり、また、サービスがディーラーで購入する自動車に限定される問題もある。

本発明の課題は、該ユーザーの最新の趣味や興味を反映した情報をより濃密に吸い上げることができ、千差万別なユーザー嗜好にも的確に対応できる自動車用情報提供システムを提供することにある。

課題を解決するための手段及び作用・効果

上記の課題を解決するために、本発明の自動車用情報提供システムは、
自動車のユーザーによる音声入力又は手動操作により会話入力がなされる会話入力手段と、
前記ユーザーの擬似会話相手として構築され、複数の参照キーワードを登録した参照キーワード辞書を記憶する参照キーワード辞書記憶部と、前記ユーザーによる会話入力内容を前記キーワード辞書と照合することにより前記参照キーワードを抽出する参照キーワード抽出手段と、抽出された前記参照キーワードもしくは前記参照キーワード辞書内にて当該抽出された参照キーワードと予め関連付けられている別の参照キーワードを、ユーザーの次の会話入力を誘導するため誘導用キーワードとして、該誘導用キーワードの挿入空白部を有した応答文雛型を複数記憶する応答文雛型記憶部と、前記ユーザーによる会話入力がなされる毎に該応答文雛型記憶部から前記参照キーワードに応じて選択された前記応答文雛型を順次読み出し、当該応答文雛型の挿入空白部に、抽出された前記参照キーワードに対応する前記誘導用キーワードを挿入することにより、前記ユーザーによる次の会話入力を誘導するための誘導会話応答文を作成し出力する誘導会話応答文作成出力手段と、を有した会話支援手段と、
前記会話支援手段の誘導を受けて入力された前記ユーザーの一連の会話内容に基づく興味特定用母データを蓄積する興味抽出用母データ蓄積手段と、
前記興味抽出用母データの蓄積内容に基づいて前記ユーザーの興味対象を解析し、該興味対象に適合する被提供情報を収集する被提供情報収集手段と、
収集した被提供情報を画像、音声もしくはそれらの組合せにより出力する被提供情報出力手段と、
を備え、
前記会話支援手段において、前記参照キーワード辞書及び前記応答文雛型からなる会話支援ベースデータは、予め定められた会話支援シーンに応じて異なる内容のものが複数組用意されるとともに、前記会話支援シーンの到来を検出する会話支援シーン特定手段と、特定された会話支援シーンに応じて前記会話支援ベースデータを切り替える会話支援ベースデータ切替手段とを有し、
前記参照キーワード抽出手段は、単語配列の文法的なロジックや修飾関係を特定する構文解析は行わずに、前記参照キーワード辞書記憶部に記憶された前記参照キーワードと文字列マッチングした単語を参照キーワードとして抽出し、
前記会話支援手段は、前記参照キーワード抽出手段により前記参照キーワード辞書記憶部との間で文字列マッチングのみを行い、前記応答文雛型記憶部に記憶された前記応答文雛型に対して前記誘導会話応答文作成出力手段により前記誘導用キーワードの挿入のみを行う人工無脳エンジンとして構築されていることを特徴とする。

本発明では、ユーザーによる音声や手入力等でなされる会話入力内容から、会話し援用に予め定められた参照キーワードを辞書照合により抽出し、抽出された参照キーワード自体か、又はその参照キーワードと予め関連付けられている別の参照キーワードを、別途用意された応答文雛型に誘導用キーワードとしてはめ込み合成する形で誘導会話応答文を作成し、音声や文字等で出力する会話支援手段を設ける。その誘導会話応答文の出力に応答する形でユーザーが次の会話入力を行なうと、会話支援手段はこれに対応する誘導会話応答文を作成して出力する。このように、ユーザーは会話支援手段に導かれながら対話形式で会話入力を行なうこととなる。こうして入力されたユーザーの一連の会話内容は興味特定用母データとして蓄積される（会話内容は、そのまま興味特定用母データとして蓄積してもよいし、必要なキーワードを抽出したものを興味特定用母データとして蓄積してもよい）。

そして、本発明においては、上記のように蓄積された興味抽出用母データからユーザーの現在の興味を反映したユーザー興味情報を抽出し、そのユーザー興味情報に適合する被提供情報を収集して、自動車を利用するユーザーにこれを提供する。会話支援手段から返される誘導会話応答文には、ユーザーの会話発言内容に由来した参照キーワードが積極的に取り込まれる形になるので、ユーザーは自分の発言内容をシステム側が知的に解釈して応答をしているかのような錯覚を覚え、気分をよくして会話を継続することとなる。その結果、ユーザーが現在抱いている最新の趣味や興味を反映した情報をより濃密に吸い上げることができ、千差万別なユーザー嗜好にも的確に対応できる情報提供が可能となる。

会話支援手段は、会話入力内容を形態素解析（単語分解）し、さらに、必要に応じて分解結果として得られた形態素（参照キーワード）間の修飾関係を特定する構文解釈を行い、その構文解釈も考慮して最適な応答文雛型を決定するようにしてもよい。しかし、その構文解釈を特に行なわず、予め定められた会話誘導順序か、もしくはランダムに選択された応答文雛型に誘導用キーワードを機械的に適用して誘導会話応答文を作成するアルゴリズムを採用すれば、会話支援手段に構文解釈用の複雑な構文解釈エンジンを搭載する必要がなくなる。しかし、システム側から返される誘導会話応答文には、ユーザーの会話発言内容に由来した参照キーワードが積極的に取り込まれる点には何ら変わりなく、比較的軽量な会話支援エンジンであるにもかかわらず、これを知的な相手と錯覚させて会話継続を図ることができる。このような会話支援エンジンは「人工無脳」と称されて公知であり（非特許文献１）、本発明の会話支援手段を該人工無脳にて構築することができる。

被提供情報の配信元は、自動車側情報出力システムに設けられた、被提供情報を記憶する車載被提供情報記憶部とすることができる。被提供情報収集手段は該車載被提供情報記憶部にて被提供情報をユーザー興味情報に基づいて検索・収集するものとすることができる。車載被提供情報記憶部を設けておくことで、抽出されたユーザー興味情報に適合する被提供情報が車載被提供情報記憶部内に存在すれば、これを直ちに読み出して出力することができる。一方、携帯電話と自動車側情報出力システムとが共通にアクセス可能な外部ネットワーク上に情報提供サーバーを設け、被提供情報収集手段を、ユーザー興味情報に基づき、外部ネットワークを介して情報提供サーバーにて被提供情報を検索・収集するものとして構成することもできる。この方式であると、自動車側情報出力システムに車載被提供情報記憶部を設けずとも被提供情報を検索・収集できるし、車載被提供情報記憶部を設ける場合でも、該記憶部に網羅されていない被提供情報を情報提供サーバーへのアクセスにより補うことができる。

本発明の自動車用情報提供システムには、会話内容からユーザーの興味特定に使用する興味特定キーワードを抽出する興味特定キーワード抽出手段を設けることができる。興味抽出用母データ蓄積手段は、該抽出された興味特定キーワードを蓄積する興味特定キーワード蓄積手段を有するものとして構成できる。ユーザーの興味特定に使用するキーワードを抽出することで、ユーザーの興味対象をキーワードの形で的確に特定するができる。会話入力手段は、例えば音声入力用のマイクとすることができる。

この場合、被提供情報収集手段は、興味特定キーワード抽出手段が抽出した興味特定キーワードに基づいて、収集すべき被提供情報の検索を行なうものとできる。そして、ユーザー興味情報抽出手段は、興味特定キーワード蓄積手段に蓄積されている興味特定キーワードの出現頻度を解析し、出現頻度の高い興味特定キーワードほど被提供情報収集手段における被提供情報の検索に際しての採用優先度を高く設定するように構成できる。会話中での出現頻度の高い興味特定キーワードを用いることで、現在のユーザーの興味をより的確に特定することができる。

ユーザー興味情報抽出手段には、興味抽出用に予め選定された興味特定キーワード群を網羅した興味特定キーワード辞書を記憶する興味特定キーワード辞書記憶部を設けておくことができる。興味特定キーワード抽出手段は、音声認識された入力内容を単語分解（いわゆる形態素解析）し、その分解結果を興味特定キーワード辞書と照合するもとにより、該興味特定キーワード辞書に網羅されている興味特定キーワードを選択的に抽出するものとして構成することができる。ユーザーが行なう会話において、ユーザーの興味推定の手がかりとして有用な興味特定キーワード群は比較的限られているので、興味特定キーワード辞書を搭載しておき、その興味特定キーワード辞書に網羅されている興味特定キーワードを選択的に抽出すれば、ユーザーの興味をより的確に特定することができる。この場合、ユーザー興味情報抽出手段は、外部ネットワークを介して季節、流行ないし最新トピックに関係する新キーワード群を含んだキーワード更新情報を定期的に受信取得するキーワード更新情報取得手段と、取得した更新情報に基づいて興味特定キーワード辞書を更新するキーワード辞書更新手段とを備えるものとして構成できる。このようにすると、季節、流行ないし最新トピックの移り変わりに応じて興味特定キーワード辞書の内容を常に適正化でき、タイムリーな興味抽出を行なうことができる。

現在ユーザーが最も興味を抱いている情報内容を特定する上では、被提供情報収集手段は、興味特定キーワードのうち、出現頻度の最も高い第一キーワードを用いて被提供情報の検索を行なうものとすることが望ましい。しかし、第一キーワードのみでは被提供情報の検索ヒット件数が閾件数を超えてしまう場合もある。この場合は、被提供情報収集手段は、出現頻度が第一キーワードに次いで高い第二キーワードを用いて被提供情報の検索絞込みを行なうように構成できる。

興味特定キーワード辞書は、誘導会話応答文作成出力手段が使用する参照キーワード辞書に兼用することができる。これにより、会話支援手段が返す誘導会話応答文には参照キーワードとして興味特定キーワードが積極的に取り込まれる形となり、ユーザーの興味特定により集中した会話誘導が可能となる。この場合、誘導会話応答文作成出力手段が有する参照キーワード抽出手段を、ユーザー興味情報抽出手段の興味特定キーワード抽出手段に兼用することもできる。このようにすると、誘導会話応答文作成と並行してユーザー会話内容に含まれる興味特定キーワードの抽出も同時に行なうことができ、効率的である。

次に、会話支援手段において、参照キーワード辞書及び応答文雛型からなる会話支援ベースデータは、予め定められた会話支援シーンに応じて異なる内容のものを複数組用意することができる。この場合、会話支援シーンの到来を検出する会話支援シーン特定手段と、特定された会話支援シーンに応じて会話支援ベースデータを切り替える会話支援ベースデータ切替手段とを設けることができる。会話支援シーンの種類によって会話支援ベースデータを切り替えることで、より的確な会話誘導をシーン別に行なうことができ、各シーンに適合したユーザー興味対象を特定することが可能となる。この場合、会話支援手段は、会話支援シーン毎に用意された会話きっかけフレーズを記憶する会話きっかけフレーズ記憶部と、会話支援シーンの到来が検出されるに伴い、対応する会話きっかけフレーズを読み出して出力する会話きっかけフレーズ出力手段とを有するものとして構成できる。会話支援シーンの到来に合わせ、会話きっかけフレーズをシステム側から自発的に出力することで、当該シーンでのユーザー興味対象をいち早く特定することが可能となり、タイムリーな情報提供を行なうことができる。

例えば、会話支援シーン特定手段は、自動車の始動シーンを会話支援シーンとして特定するように構成できる。会話支援ベースデータ切替手段は、最終訪問地に係る興味対象情報をユーザーから引き出すための会話支援ベースデータに切り替えるものとして構成できる。自動車始動時（つまり、出発時）において、ユーザーの最終訪問地に関係する情報を会話支援により引き出すことができれば、最終訪問地やその周辺（あるいは道中）に関係してユーザーの興味を引く情報をいち早く提供でき、充実した車中を過すことができる。

また、会話支援シーン特定手段は、ユーザーの空腹シーンを会話支援シーンとして特定するように構成できる。会話支援ベースデータ切替手段は、食事内容に係る興味対象情報をユーザーから引き出すための会話支援ベースデータに切り替えるように構成できる。空腹シーンを特定することで、例えばユーザーがどこで何を食べたいのかなど、食事内容に係る興味対象情報を的確に取得でき、食事施設などに係る情報提供を効果的に行なうことができる。

また、会話支援シーン特定手段は、ユーザーの疲労シーンを会話支援シーンとして特定するように構成できる。会話支援ベースデータ切替手段は、休息活動内容に係る興味対象情報をユーザーから引き出すための会話支援ベースデータに切り替えるように構成できる。疲労シーンを特定することでユーザーに休息を促すタイミングを図ることができ、休息活動内容に係る興味対象情報をユーザーから引き出すことで、ユーザーの興味に合った休息方法に係る情報を的確に提供することができ、安全運転にも貢献する。

また、会話支援手段において、参照キーワード辞書及び応答文雛型からなる会話支援ベースデータは、会話支援適用対象となるユーザーの体調ないし精神状態に応じて異なる内容のものを複数組用意することが可能である。この場合、ユーザーの体調ないし精神状態を反映したユーザー生体特性情報を取得するユーザー生体特性情報取得手段と、取得したユーザー生体特性情報の内容に基づいて、ユーザーの体調ないし精神状態をそれぞれ特定する体調・精神状態特定手段と、特定されたユーザーの体調ないし精神状態に応じて会話支援ベースデータを切り替える会話支援ベースデータ切替手段とを設けることができる。これにより、ユーザーの体調ないし精神状態に応じた会話誘導を行なうことができ、ユーザーの体調ないし精神状態に適合した情報提供が可能となる。

なお、会話支援ベースデータは、季節に応じて内容の異なるものを用意しておくことが可能である。会話支援ベースデータ切替手段は、現在の季節を検出し、該季節に対応する会話支援ベースデータを選択して使用することができる。このようにすると、季節に応じて会話誘導の流れを変えることができ、季節に適合した情報提供が可能となる。

自動車に乗車中のユーザーの関心は、そのときの興味に応じて、これからどこに行きたいか、あるいは行き先が決まっている場合でもどこに寄りたいか、という点に集中するものである。従って、本発明の自動車用情報提供システムは、カーナビゲーションシステムを含むものとして構成することができる。被提供情報収集手段は被提供情報としてユーザー興味情報に適合する目的地情報をカーナビゲーションシステム上で検索・収集するものとして構成すれば、抽出された興味に適合する目的地へユーザーを的確に案内することができる。

一方、本発明の自動車用情報提供システムにインターネットウェブサイトへの無線アクセス手段が設けられている場合は、被提供情報収集手段は被提供情報としてユーザー興味情報に適合するウェブサイ情報をインターネット上で検索・収集するように構成することができる。これにより、抽出された興味に応じて、これに適合するインターネットウェブサイトにタイムリーにアクセスがなされ、ユーザーを満足させることができる。この他にも、映像や音楽のデータを、車載被提供情報記憶部内のライブラリーから読み出して再生したり、あるいは外部ネットワークから無線によりダウンロードして再生したりすることが可能である。

なお、同じユーザーが何度も自動車に乗るうちに、同じ被提供情報の出力が繰り返しなされる結果、被提供情報が陳腐化する場合がある。この場合、自動車側情報出力システムに、被提供情報出力手段による被提供情報の出力履歴情報を記録する出力履歴情報記録手段を設け、被提供情報収集手段は、該出力履歴情報にて最新一定期間内の出力実績が閾回数未満の被提供情報を優先的に収集するよう構成することができる。これにより、同じユーザーに対していつも新鮮な提供情報が可能となる。なお、被提供情報収集手段は、抽出されたユーザー興味情報を用いた第一の検索を行ったとき、その結果において出力履歴情報にて最新一定期間内の出力実績が閾回数未満の被提供情報に係る検索ヒット件数が所定値未満となることもありえる。この場合、第一の検索よりも絞込条件を緩和した第二の検索を実施することで、被提供情報の候補を拡張することができる。

以下、本発明の実施の形態を添付の図面を用いて詳しく説明する。図１は、本発明の自動車用情報提供システムの機能を具備した自動車用ユーザーもてなしシステム（以下、単に「システム」ともいう）１００の概念ブロック図である。該システム１００は、種々のもてなし動作部５０２〜５１７，５３４，５４１，５４８，５４９，５５０，５５１，５５２，１００１Ｂが接続された第一のコンピュータからなるもてなし実行制御部３と、種々のセンサ・カメラ群５１８〜５２８が接続された第二のコンピュータからなるもてなし意思決定部２とからなる自動車側搭載部１００を、その要部とする形で構成されている。第一のコンピュータと第二のコンピュータは、いずれもＣＰＵ，ＲＯＭ，ＲＡＭを備え、ＲＯＭに格納された制御ソフトウェアを、ＲＡＭをワークメモリとして実行することにより、後述の種々の機能を実現する。

上記システム１００においては、ユーザーが自動車に向けて接近し、該自動車に乗り込み、該自動車を運転し又は車内にて滞在し、その後、降車に至るまでのユーザーの自動車利用に係る一連の動作が、予め定められた複数のシーンに区切られる。そして、区切られた複数のシーン毎に、もてなし動作部５０２〜５１７，５３４，５４１，５４８，５４９，５５０，５５１，５５２，１００１Ｂが、ユーザーによる自動車の利用を補助するための、又はユーザーを楽しませるためのもてなし動作を行なう。本実施形態では、車外への音波発生装置としてホーン５０２、ブザー５０３が接続されている。また、照明装置（ランプ類）としては、ヘッドランプ５０４（ビームをハイとローとで切り替え可）、フォグランプ５０５、ハザードランプ５０６、テールランプ５０７、コーナリングランプ５０８、バックアップランプ５０９、ストップランプ５１０、車内照明５１１及び床下ランプ５１２が接続されている。また、他のもてなし動作部として、エアコン５１４、カーオーディオシステム（カーステレオ）５１５、電動シート・ハンドル５１６及びサイドミラーやバックミラーなどの角度調整用の駆動部５１７、カーナビゲーションシステム５３４、ドア開閉用のアシスト機構（以下、ドアアシスト機構という）５４１、空気清浄機５４８、重度体調不良（重度の眠気を催した状態を含む）に対する気付け・覚醒用成分の発生部５４９（例えば、運転用のハンドルの中心部に、運転者の顔付近を目指す形で気付け・覚醒用成分（例えば、アンモニアを含有するもの）を噴出するように取り付けられる）、運転者に注意喚起したり眠気から覚醒させたりするためのシートバイブレータ５５０（シート底部あるいは背もたれ部に埋設される）、ハンドルバイブレータ５５１（ハンドルの軸に取り付けられている）、車内騒音低減用のノイズキャンセラ１００１Ｂが接続されている。

図２Ｂは、車内照明５１１の構成例を示すもので、各々固有の照明色からなる複数の照明部（本実施形態では、赤系照明５１１ｒ、アンバー系照明５１１ｕ、黄系照明５１１ｙ、白系照明５１１ｗ及び青系照明５１１ｂからなる）を有する。これらの照明は、もてなし意思決定部２からもてなし実行制御部３を経て入力される制御指令信号を受けて、指定されたものが選択され、制御指令信号に従い種々の点灯パターンにて点灯制御される。図３は、ユーザーの性格種別に応じて定められた点灯制御データ４０２の構成例を示すもので、もてなし意思決定部２のＲＯＭに記憶され、制御ソフトウェアにより随時読み出されて使用される。例えば、活動的な性格（ＳＫＣ１（図１１参照））に対しては、赤系照明５１１ｒを選んでこれをフラッシュ点灯（最初のみ、その後連続点灯）させ、おとなしい性格（ＳＫＣ２）に対しては、アンバー系照明５１１ｕを選んでフェードイン点灯させる、などであるが、これはほんの一例である。

なお、照明装置は、白熱電球、蛍光ランプのほか、発光ダイオードを用いた照明装置を採用することも可能である。特に、赤色系（Ｒ）、緑色系（Ｇ）、青色系（Ｂ）の３原色の発光ダイオードを組み合わせることにより、種々の照明光を簡単に得ることができる。図４は、その回路構成の一例を示すもので、赤色系（Ｒ）、緑色系（Ｇ）、青色系（Ｂ）の各発光ダイオード３４０１が電源（Ｖｓ）に接続され、各々トランジスタ３４０２でスイッチング駆動される。このスイッチングは、コンパレータ３４０３に入力される三角波（のこぎり波でもよい）の周期と、指令信号の電圧レベルとによって定まるデューティ比によりＰＷＭ制御される。各色の発光ダイオード３４０１への指令信号の入力波形は、各々独立に変更可能であり、３つの発光色の混合比率に応じて任意の色調の照明色が得られ、また、色調や照明強度パターンを、指令信号の入力波形に応じて経時的に変化させることも可能である。なお、各色の発光ダイオード３４０１の発光強度は、上記のようにＰＷＭ制御する方式のほか、連続点灯を前提として駆動電流レベルにて調整することも可能であるし、これとＰＷＭ制御とを組み合わせた方式も可能である。

図５には、赤色系（Ｒ）、緑色系（Ｇ）、青色系（Ｂ）の各光の混合比（デューティ比による）と、視認される混合光の色との関係を示す（ここで示す混合比は、「１」を設定された色に対する他色の相対混合比で表わしており、この相対混合比を基準に絶対照明強度は別途設定される）。それぞれ、制御時に発光色を選択するためのインデックス（０〜１４）が付与され、制御参照情報としてもてなし実行制御部３のＲＯＭ（あるいは、もてなし意思決定部２側の記憶装置５３５：制御に必要な情報を、通信によりもてなし実行制御部３に送信すればよい）に記憶される。白色照明光は使用頻度が高く、着色された照明光との間でスムーズに制御移行できるように、白色を規定するインデックスが、該インデックスの配列上にて周期的に複数現れるように定められている。

特に中間に位置する白色（インデックス：６）を境として、その前後に、暖色系（うす黄→黄→赤）と寒色系（うす青→青→青紫）の各色が配列し、ユーザーの体調や精神状態に応じて、白色照明光から暖色系照明光ないし寒色系照明光にスムーズに切り替えることができるようになっている。ここで、演出等を特に考慮しない通常時の照明色は白色を中心に設定され、これに精神状態指数（数値が大きいほど高揚した精神状態であることを示す）の値が対応付けられている。中庸の精神状態（精神状態指数：５）では白色が選択され、精神状態指数が大きくなるほど（つまり、高揚した精神状態となるほど）青系、すなわち短波長側に、精神状態指数が小さくなるほど（つまり、沈んだ精神状態となるほど）赤系、すなわち長波長側に照明色が変化するように定められている。

次に、図６は、カーオーディオシステム５１５の構成例を示すもので、もてなし意思決定部２からもてなし実行制御部３を経て、曲特定情報やボリュームコントロール情報などの、もてなし用曲演奏制御情報が入力されるインターフェース部５１５ａを有する。インターフェース部５１５ａには、デジタルオーディオ制御部５１５ｅ、多数の音楽ソースデータを格納した音楽ソースデータベース５１５ｂ，５１５ｃ（前者はＭＰ３データベース、後者はＭＩＤＩデータベース）が接続されている。曲特定情報に基づいて選曲された音楽ソースデータはインターフェース部５１５ａを経てオーディオ制御部に送られ、そこでデジタル音楽波形データにデコードされ、アナログ変換部５１５ｆでアナログ変換された後、プリアンプ５１５ｇ及びパワーアンプ５１５ｈを経て、もてなし用曲演奏制御情報により指定されたボリュームにてスピーカ５１５ｊから出力される。

図１に戻り、電動ドア機構５４１は、乗降用のスライドドアあるいはスイング式ドアを、図示しないモータ（アクチュエータ）により自動開閉ないし開閉パワーアシストするためのものである。

図７は、ノイズキャンセラ１００１Ｂの一構成例を示す機能ブロック図である。該ノイズキャンセラ１００１Ｂの要部は、騒音抑制手段をなす能動的騒音制御機構本体２０１０と、必要音強調部（手段）２０５０とを含む。能動的騒音制御機構２０１０は、車内に侵入する騒音を検出する車内騒音検出マイク（ノイズ検知マイク）２０１１と、車内騒音検出マイク２０１１が検出する騒音波形と逆位相の騒音制御用波形を合成する騒音制御用波形合成部（制御音発生部）２０１５とを有する。騒音制御用波形は騒音制御用スピーカ２０１８から出力される。また、騒音制御用音波が重畳後の車内音に含まれる消し残し騒音成分を検出するエラー検出マイク２０１２と、消し残し騒音のレベルが縮小する方向にフィルタ係数が調整される適応フィルタ２０１４も設けられている。

車両自身に音源を有する車内騒音としては、エンジン音、路面音、風切り音などがあり、車内騒音検出マイク２０１１は、複数個のものが、個別の車内騒音の検知に適した位置に分散配置されている。車内騒音検出マイク２０１１は、搭乗者Ｊから見てそれぞれ違う位置にあり、マイク２０１１が拾う位置での騒音波形と、搭乗者Ｊが実際に聞く騒音波形との間には少なからぬ位相差がある。そこで、この位相差を合わせこむために、車内騒音検出マイク２０１１の検知波形は適宜、位相調整部２０１３を介して制御音発生部２０１５に与えられる。

次に、必要音強調部２０５０は、強調音検知マイク２０５１及び必要音抽出フィルタ２０５３を含んで構成され、その必要音の抽出波形が制御音発生部２０１５に与えられる。ここでも、車内騒音検出マイク２０１１と同様の事情により、位相調整部２０５２が適宜設けられる。強調音検知マイク２０５１は、車外の必要音を取り込むための車外用マイク２０５１と、車内の必要音を取り込むための車内用マイク２０５１とからなる。いずれも周知の指向性マイクにて構成でき、車外用は、音検知の指向性の強い角度域が車外方向を向き、指向性の弱い角度域が車内方向を向くように取り付けられている。本実施形態では、マイク２０５１の全体が車外に出るように取り付けられているが、指向性の弱い角度域が車内側に位置し、指向性の強い角度域のみが車外に出るように、車内と車外とにまたがって取り付けることも可能である。他方、車内用マイク２０５１は、各座席に対応して、搭乗者の会話音を選択的に検知できるよう、音検知の指向性の強い角度域が搭乗者の正面側を向き、指向性の弱い角度域が反対方向を向くように取り付けられる。これら強調音検知マイク２０５１は、いずれも、その入力波形（検出波形）のうち必要音成分を優先的に通過させる必要音抽出フィルタ２０５３に接続されている。なお、図６のカーオーディオシステム５１５のオーディオ入力が車内必要音音源２０１９として利用されるようになっている。このオーディオ機器のスピーカ出力音（スピーカは騒音制御用スピーカ２０１８と兼用してもよいし、別途設けてもよい）は、騒音制御用波形が重畳されても相殺されないように制御される。

図８は、図７の機能ブロック図に対応したハードウェアブロック図の一例を示すものである。第一ＤＳＰ（Digital Signal Processor）２１００は騒音制御用波形合成部（制御音発生部）２０１５及び適応フィルタ２０１４（さらには位相調整部２０１３）を構成するものであり、車内騒音検出マイク２０１１がマイクアンプ２１０１及びＡ／Ｄ変換器２１０２を介して、また、騒音制御用スピーカ２０１８がＤ／Ａ変換器２１０３及びアンプ２１０４を介してそれぞれ接続されている。他方、第二ＤＳＰ２２００は、抑制すべき騒音成分の抽出部を構成するものであり、エラー検出マイク２０１２がマイクアンプ２１０１及びＡ／Ｄ変換器２１０２を介して、また、オーディオ入力など抑制対象外の音声信号源、すなわち必要音音源２０１９がＡ／Ｄ変換器２１０２を介してそれぞれ接続されている。

必要音強調部２０５０は、必要音抽出フィルタ２０５３として機能する第三ＤＳＰ２３００を有し、必要音検知マイク（強調音検知マイク）２０５１がマイクアンプ２１０１及びＡ／Ｄ変換器２１０２を介して接続されている。そして、第三ＤＳＰ２３００はデジタル適応フィルタとして機能する。以下、フィルタ係数の設定処理について説明する。

緊急車両（救急車、消防車、パトカーなど）のサイレン音、踏み切り警報器音、後続車のクラクション音、ホイッスル音、人間の叫び声（子供の泣き声や女性の叫び声など）を、注意ないし危険認識すべき必要車外音（強調音）として定め、それらのサンプル音をディスク等に記録して、読み取り再生可能な参照強調音データとしてライブラリー化しておく。また、会話音については、複数人の個別のモデル音声を、同様に参照強調音データとしてライブラリー化しておく。なお、自動車への搭乗候補者が固定的に定められている場合には、モデル音声を、そのモデル音声自身の発声による参照強調音データとして用意しておけば、その搭乗候補者が乗車した場合の会話音の強調精度を高めることができる。

そして、フィルタ係数に適当な初期値を与え、強調音検知マイク２０５１による強調音検出レベルを初期値に設定する。次いで、各参照強調音を読み出して出力し、強調音検知マイク２０５１により検出する。そして、適応フィルタの通過波形を読み取り、参照強調音として通過できた波形のレベルを測定する。この検知レベルが目標値に達するまで上記の処理を繰り返す。このようにして、車外音及び車内音（会話音）の双方について、参照強調音を次々と取り替えて、通過波形の検知レベルが最適化されるよう、フィルタ係数を学習処理させる。上記のようにフィルタ係数が調整された必要音抽出フィルタ２０５３により、強調音検知マイク２０５１からの入力波形から必要音を抽出し、その抽出強調音波形を第二ＤＳＰ２２００に転送する。第二ＤＳＰ２２００は、車内騒音検出マイク２０１１の検知波形から、必要音音源（ここではオーディオ出力）２０１９からの入力波形と、第三ＤＳＰ２３００からの抽出強調音波形を差分演算する。

第一ＤＳＰ２１００に組み込まれるデジタル適応フィルタのフィルタ係数は、システムの使用に先立って初期化が行われる。まず、抑制対象となる種々の騒音を定め、それらのサンプル音をディスク等に録音して、再生可能な参照騒音としてライブラリー化しておく。そして、フィルタ係数に適当な初期値を与え、エラー検出マイク２０１２による消し残し騒音レベルを初期値に設定する。次いで、参照騒音を順次読み出して出力し、車内騒音検出マイク２０１１により検出する。適応フィルタを通過した車内騒音検出マイク２０１１の検出波形を読み取り、これを高速フーリエ変換することにより、騒音検出波形を、各々波長の異なる正弦波素波に分解する。そして、各正弦波素波の位相を反転させた反転素波を生成し、これを再度合成することにより、騒音検出波形と逆位相の騒音制御用波形が得られる。これを騒音制御用スピーカ２０１８から出力する。

適応フィルタの係数が適性に定められていれば、車内騒音検出マイク２０１１の波形からは騒音成分だけが効率良く抽出されているはずなので、これに基づいて逆相合成された騒音制御用波形により車内騒音を過不足なく相殺することができる。しかし、フィルタ係数の設定が適性でなければ相殺されない波形成分が消し残し騒音成分となって生ずる。これは、エラー検出マイク２０１２により検出される。消し残し騒音成分のレベルは目標値と比較され、目標値以下になっていなければフィルタ係数を更新し、これが目標値以下になるまで同様の処理を繰り返す。このようにして、参照騒音を次々と取り替えて、消し残し騒音成分が最小化されるよう、フィルタ係数を学習処理させる。そして、実使用時には、消し残し騒音成分を定常的にモニタリングし、常時これが最小化されるようにフィルタ係数をリアルタイム更新しつつ、上記と同様の処理を行なうことで、必要な音波成分を残しつつ、車内の騒音レベルのみを効果的に低減することができる。

また、もてなし意思決定部２には、次のようなセンサ・カメラ群が接続されている。これらの一部はシーン推定情報取得手段として機能し、また、ユーザー生体特性情報取得手段として機能するものである。
・車外用カメラ５１８：自動車に接近してくるユーザーの姿を撮影する。ユーザーの仕草や顔の表情などを静止画ないし動画として取得する。ユーザーを拡大して撮影するために、望遠レンズを用いた光学式ズーム方式や、撮影画像をデジタル的に拡大するデジタルズーム方式を併用することができる。
・赤外線センサ５１９：自動車に接近するユーザー、ないし乗車したユーザーの顔部分からの放射赤外線に基づき、サーモグラフィーを撮影する。ユーザー生体特性情報取得手段である体温測定部として機能し、その時間的変化波形を測定することにより、ユーザーの体調ないし精神状態を推定することができる。

・着座センサ５２０：ユーザーが座席に着座したか否かを検出する。自動車のシートに埋設される近接スイッチ等で構成することができる。このほか、シートに着座したユーザーを撮影するカメラにより着座センサを構成することもできる。この方法であると、シートに荷物など、人以外の荷重源が載置された場合と、人が着座した場合とを相互に区別でき、例えば人が着座した場合にだけもてなし動作を行なう、といった選択制御も可能となる。また、カメラを用いれば、着座したユーザーの動作を検出することも可能であり、検出情報をより多様化することができる。なお、シート上でのユーザーの動作を検出するには、シートに装着した感圧センサを用いる方法もある。

さらに、本実施形態では、図９に示すように、シートの座部及び背もたれ部に複数分散埋設された着座センサ５２０Ａ，５２０Ｂ，５２０Ｃの検知出力に基づいて、着座したユーザー（運転者）の姿勢変化を波形検出するようにしている。いずれも着座圧力を検出する圧力センサで構成され、具体的には、正面を向いて着座したユーザーの背中の中心に基準センサ５２０Ａが配置される。座部のセンサは、それよりもシート左側に偏って配置された左側センサ５２０Ｂと、シート右側に偏って配置された右側センサ５２０Ｃとからなる。基準センサ５２０Ａの出力は、差動アンプ６０３及び６０４にて、それぞれ右側センサ５２０Ｃの出力及び左側センサ５２０Ｂの出力との差分が演算され、さらにそれらの差分出力同士が、姿勢信号出力用の差動アンプ６０５に入力される。その、姿勢信号出力Ｖout（第二種生体状態パラメータ）は、ユーザーが正面を向いて着座しているときほぼ基準値（ここではゼロＶ）となり、姿勢が右に偏ると右側センサ５２０Ｃの出力が増加し、左側センサ５２０Ｃの出力が減少するので負側にシフトし、姿勢が左に偏るとその逆となって正側にシフトする。なお、右側センサ５２０Ｃ及び左側センサ５２０Ｂは、いずれも加算器６０１，６０２により、座部側のセンサ出力と背もたれ側のセンサ出力との加算値として出力されているが、座部センサ出力と背もたれセンサ出力の差分値を出力するようにしてもよい（このようにすると、運転者が前のめりになったとき背もたれセンサ側の出力が減少し、その差分値が増大するので、より大きな姿勢の崩れとして検出することができる。

・顔カメラ５２１：着座したユーザーの顔の表情を撮影する。例えばバックミラー等に取り付けられ、フロントグラス側から運転者を斜め上方から、シートに着座したユーザー（運転者）の顔を含む上半身を撮影する。その画像から顔部分の画像を切り出し、ユーザーの種々の表情を予め撮影して用意されたマスター画像と比較することにより、図１０に示す種々の表情を特定することができる。精神状態ないし体調のいずれにおいても、状態が良好な順に表情の序列を決めておき、その序列に従って得点付与することにより（例えば、精神状態の場合、安定を「１」、注意散漫・不安を「２」、興奮・怒りを「３」とするなど）、表情を離散的な数値パラメータ（第二種生体状態パラメータ）として使用することができ、その時間変化を離散的な波形として測定できるので、当該波形に基づき、精神状態ないし体調の推定を行なうことも可能である。なお、顔を含む上半身の画像形状と、その画像上での重心位置から、運転者の姿勢の変化を検出することもできる。すなわち、重心位置の変化波形は姿勢の変化波形として使用でき（第二種生体状態パラメータ）、当該波形に基づき、精神状態ないし体調の推定を行なうことも可能である。なお、もてなし制御に使用するユーザー生体状態情報の取得源（ユーザー生体特性情報取得手段）としての機能以外に、バイオメトリックスによるユーザーの本人認証用にも使用される。また、目のアイリスの向きを拡大検出することで、顔や視線の方向を特定することもできる（例えば、やたらに時計の方向を見る場合は、「時間を気にして焦っている」と推定するなど）。また、視線方向の角度の時間的変化波形（真正面を向いているときを基準方向として、その基準方向に対する左右へのぶれ角度を波形変化として検出する）に基づき（第二種生体状態パラメータ）、運転者の体調あるいは精神状態を推定するのにも使用される。
・マイクロフォン５２２：ユーザーの声を検出する。これも、ユーザー生体特性情報取得手段として機能させうる。

・感圧センサ５２３：自動車のハンドルやシフトレバーの、ユーザーによる把握位置に取り付けられ、ユーザーの握り力や、握ったり放したりの繰り返し頻度などを検出する（ユーザー生体特性情報取得手段）。
・血圧センサ５２４：自動車のハンドルのユーザー把握位置に取り付けられる（ユーザー生体特性情報取得手段）。血圧センサ５２４の検出する血圧値はその時間的変化が波形として記録され（第一種生体状態パラメータ）、その波形に基づいて運転者の体調ないし精神状態の推定に使用される。
・体温センサ５２５：自動車のハンドルのユーザー把握位置に取り付けられた温度センサからなる（ユーザー生体特性情報取得手段）。体温センサ５２５の検出する体温値はその時間的変化が波形として記録され（第一種生体状態パラメータ）、その波形に基づいて運転者の体調ないし精神状態の推定に使用される。
・皮膚抵抗センサ５４５：発汗等による体表面の抵抗値を測定する周知のセンサであり、自動車のハンドルのユーザー把握位置に取り付けられる。皮膚抵抗センサ５４５の検出する皮膚抵抗値はその時間的変化が波形として記録され（第一種生体状態パラメータ）、その波形に基づいて運転者の体調ないし精神状態の推定に使用される。

・網膜カメラ５２６：ユーザーの網膜パターンを撮影し、バイオメトリックスによるユーザーの本人認証用に使用される。
・アイリスカメラ５２７：バックミラー等に取り付けられ、ユーザーのアイリス（虹彩）の画像を撮影し、バイオメトリックスによるユーザーの本人認証用に使用される。アイリスの画像を用いる場合、その模様や色の個人性を利用して照合・認証を行なう。特にアイリス模様は後天的形成要素であり、遺伝的影響度も低いので一卵性双生児でも顕著な相違があり、確実に識別できる利点がある。アイリス模様を用いた認証方式は、認識・照合を迅速に行なうことができ、他人誤認率も低い特徴がある。また、アイリスカメラにより撮影された運転者の瞳孔寸法（第二種生体状態パラメータ）の時間的変化に基づいて、体調あるいは精神状態の推定を行なうことができる。
・静脈カメラ５２８：ユーザーの静脈パターンを撮影し、バイオメトリックスによるユーザーの本人認証用に使用される。
・ドアカーテシスイッチ５３７：ドアの開閉を検知する。乗り込みシーン及び降車シーンへの移行を検出する、シーン推定情報取得手段として使用される。

また、もてなし意思決定部２には、エンジン始動を検知するためのイグニッションスイッチ５３８の出力も分岐入力されている。また、湿度センサ５４６、室温センサ５６３、日照センサ５６４（エアコン５１４の制御用）、車外ノイズセンサ５６２（ノイズキャンセラ１００１Ｂの制御用）、車内の明るさレベルを検出する照度センサ５３９、車内の音響レベルを測定する音圧センサ５４０も、もてなし意思決定部２に同様に接続されている。

また、もてなし意思決定部２には、タッチパネル（カーナビゲーションシステム５３４のモニタに重ねられたタッチパネルで兼用してもよい：この場合は、入力情報はもてなし実行制御部３からもてなし意思決定部２に転送される）等で構成された入力部５２９と、もてなし動作情報記憶部として機能するハードディスクドライブ等で構成された記憶装置５３５とが接続されている。

他方、もてなし実行制御部３には、車両位置情報を取得するためのＧＰＳ５３３（カーナビゲーションシステム５３４においても使用する）、ブレーキセンサ５３０、車速センサ５３１及び加速度センサ５３２も接続されている。

もてなし意思決定部２は、センサ・カメラ群５１８〜５２８の１又は２以上のものの検出情報から、ユーザーの性格、精神状態及び体調の少なくともいずれかを含むユーザー生体状態情報を取得し、その内容に応じてどのもてなし動作部にどのようなもてなし動作をさせるかを決定して、これをもてなし実行制御部３に指令する。もてなし実行制御部３は、これを受けて、対応するもてなし動作部５０２〜５１７，５３４，５４１，５４８，５４９，５５０，５５１，５５２，１００１Ｂにもてなし動作を実行させる。すなわち、もてなし意思決定部２ともてなし実行制御部３とが互いに協働して、取得されたユーザー生体状態情報の内容に応じてもてなし動作部５０２〜５１７，５３４，５４１，５４８，５４９，５５０，５５１，５５２，１００１Ｂの動作内容を変化させる機能を実現する。もてなし実行制御部３には、自動車側通信手段（ホスト側通信手段）をなす無線通信装置４が接続されている。該無線通信装置４は、自動車のユーザーが携帯するユーザー側端末装置（携帯機）１と無線通信網を介して通信する。

一方、カーオーディオシステム５１５には、ユーザーが手動で操作する操作部５１５ｄ（図６）が設けられ、ここからの選曲データの入力により、所望の音楽ソースデータを読み出して演奏することもできる。また、操作部５１５ｄからのボリューム／トーンコントロール信号は、プリアンプ５１５ｇへ入力される。この選曲データは、インターフェース部５１５ａから、図１のもてなし実行制御部３を経てもてなし意思決定部２へ転送され、これに接続された記憶装置５３５の選曲実績データとして蓄積される。その蓄積内容に基づいて、後述のユーザ−性格判定処理が行われる（つまり、カーオーディオシステム５１５の操作部５１５ｄは、ユーザー生体特性情報取得手段の機能を構成しているといえる）。

図１１は、上記音楽ソースデータのデータベース構造の一例を示すものである。該データベース４０１には、曲ＩＤ、曲名及びジャンルコードと対応付ける形で音楽ソースデータ（ＭＰ３又はＭＩＤＩ）が記憶されている。また、各音楽ソースデータには、その音楽を選曲したユーザーについて推定される性格種別（「活動的」、「おとなしい」、「楽観的」、「悲観的」、「頽廃的」、「体育会系」、「知性派」、「ロマンチスト」など）を示す性格種別コード、同じく年齢コード（「幼児」、「子供」、「ジュニア」、「青年」、「壮年」、「中点」、「熟年」、「敬老」、「年齢無関係」など）、性別コード（「男性」、「女性」及び「性別無関係」）が個々に対応付けて記憶されている。性格種別コードはユーザー性格特定情報の一つであり、年齢コード及び性別コードは、性格とは無関係なサブ分類である。ユーザーの性格が特定できても、年齢層や性別に合わない音楽ソースを選択したのでは、ユーザーを楽しませる「もてなし」としての効果は半減する。従って、ユーザーに提供する音楽ソースの適性をより絞り込むために、上記のようなサブ分類付与は有効である。

一方、各音楽ソースデータには、曲モードコードも個々に対応付けて記憶されている。曲モードコードは、その曲を選曲したユーザーの精神状態や体調と、当該曲との連関を示すデータであり、本実施形態では、「盛り上げ系」、「爽快系」、「温和・癒し系」、「ヒーリング・α波系」等に分類されている。なお、性格種別コード、年齢コード、性別コード、ジャンルコード及び曲モードコードは、各ユーザーに固有のもてなし内容を選定する際に参照するデータなので、これらを総称してもてなし参照データと呼ぶことにする。

さらに、各音楽ソースデータには、後述する体調指数ＰＬと精神状態指数ＳＬとが個々に対応付けて記憶されている。これらの指数は、該指数が示す体調ないし精神状態に適合する音楽ソースデータを特定するために事前に付与されたものである。その使用方法については後述する。

次に、本実施形態においてシーンは、接近シーン、乗車シーン、準備シーン、運転シーン、滞在シーン、降車シーン及び離脱シーン等が定められている。シーンの特定方法については、特許文献１〜３に詳細に開示されているのでここでは繰り返さないが、例えば、ユーザー側の図示しないＧＰＳと、自動車側のＧＰＳ５３３とにより、自動車と、当該自動車外に位置するユーザーとの相対距離及びその変化を特定し、ユーザーが自動車へ予め定められた距離以内に接近したことを検出することでシーン特定が可能である。また、乗り込みシーンと降車シーンとは、ドアカーテシスイッチ５３７のドア開検知出力に基づいて特定する。また、各シーンに対応した個別シーンフラグが設けられ、時系列順に到来順序が定められた各シーンが到来する毎に、そのシーンに対応するフラグを「到来（フラグ値１）」に設定してゆくことで、現在どのシーンまで進んできているかを特定できる。また、準備シーンとシーン運転／滞在シーンとは、いずれも前述の着座センサがユーザーを検出しているか否かにより特定するが、自動車に乗り込んでイグニッションスイッチ５３８がＯＮになるまでの間、あるいは、イグニッションスイッチ５３８がＯＮにならず、かつ一定以上の着座継続が確認されるまでの間は、準備シーンとして認識される。また、離脱シーンへの移行は、降車シーンのあと、ドアカーテシスイッチ５３７がドア閉を検知することで識別される。

各もてなし動作は、対応するもてなし動作部の動作制御アプリケーションにより制御される。これらの動作制御アプリケーションはもてなし実行制御部３のＲＯＭ（あるいは記憶装置５３５）内に記憶されている。

図１２は、システム１００における、もてなし意思決定からもてなし動作実行に至る一連の処理の全体アルゴリズムを概念的に示すものである（これら３つの図は、対応する丸数字を接続子として、一つながりの図として読まれるべきものである）。もてなし主処理は、「目的推定（δ１）」、「個性適合（δ２）」、「状態適合（δ３）」、「演出対応（δ４）」、「機能選択（δ５）」、「駆動（δ６）」の各ステップからなる。

まず、「目的推定（δ１）」では、ユーザー位置検出（β１）及びユーザー動作検出（β２）により、現在のシーンを推定する。ユーザー位置検出（β１）は、具体的には、ユーザーと自動車との相対的位置関係（α１）を把握・特定することにより行なう。また、ユーザーの接近方向（α２）も考慮可能である。他方、ユーザー動作検出（β２）は、基本的には、ドアの開閉操作やシートへの着座など、シーン決定用に固定的に定められた動作を検出するセンサ類（シーン推定情報取得手段）の出力を用いて行なう（α５）。また、着座継続時間により準備シーンから運転／滞在シーンへの移行検知を行なう場合のように、特定動作の継続時間（α６）も考慮できる。

γ１でシーンが決定されれば、δ１にて、個々のシーンでのもてなし意図を推定する。「もてなし意図の推定」とは前述のごとく、刻々変化するユーザーの体調や精神状態に対し、その都度最も適合するもてなし内容、つまり、ユーザーが最も欲する種別のもてなし内容を推定することである。具体的には、図１９及び図２０に例示した意図推定テーブル３７１と図２１に例示した原理作用テーブル３７２とを併用し、シーン毎に区分された安全性、利便性（楽に）及び快適性の分類項目毎に、ユーザーの体感、すなわち、触覚系、視覚系、嗅覚系及び聴覚系のそれぞれを対象とする制御対象環境項目に適合するもてなし意図が存在するか否かを検索する。もてなし意図が検索されれば、図２２に例示する、対応するシーン別の機能抽出テーブル３７３を参照し、検索されたもてなし意図に対応するもてなし機能を抽出する。

また、δ２では、もてなし内容をユーザーの個性に適合させる処理となる。これは、具体的には、後述するユーザーの性格判定処理と、判定された性格に応じて、個々のもてなし処理に適正な重み付けをすること、つまり、個々のユーザーの性格に適合するよう、複数のもてなし動作の組合せを適宜カスタマイズしたり、あるいは、もてなし動作の程度を変更したりすることを目的とするものである。個性の特定には性格検出処理β４が必要である。性格検出処理β４は、アンケート処理（α７）など、ユーザー自身の入力により性格分類を取得して行なう方法と、ユーザーの動作、行為や思考パターン、あるいは表情などから、より分析的に性格分類を決定する方法との双方を用いることができる。後者については、音楽選曲の統計から性格分類を決定する方式（特許文献１，２）を採用している（α８：Ｗ２も参照）。

δ３は、もてなし内容をユーザーの精神／体調に適合させる処理を示す。また、δ４はもてなし演出対応処理であり、δ５は機能選択処理である。すなわち、ユーザー生体特性情報取得手段の検出情報に基づいて、ユーザーの精神状態及び体調を反映した精神／体調情報を取得し、その取得内容に応じてユーザーの精神状態ないし体調を推定する。より詳しくは、ユーザーから取得したユーザー生体特性情報から体調指数と精神状態指数とを算出し、さらに、それら体調指数ないし精神状態指数に基づいてユーザー状態指数を演算する。

ユーザー生体特性情報取得手段は、赤外線センサ５１９（顔色：α１７）、顔カメラ５２１（表情：α９、姿勢：α１１、視線：α１２、瞳孔径：α１３）、血圧センサ５２４（心拍（心電）：α１４）などが採用可能であるが、この他にも、運転操作実績を検出するセンサ類（５０２ｗ、５３０、５３１，５３２；誤操作率：α１０）、血圧センサ（α１５）、着座センサ５２０（感圧センサによりシートにかかる体重分布を測定し、運転中の小刻みな体重移動を検出して、運転中の落ち着きが損なわれた判定を行ったり、偏った体重の掛かりかたを検出したりして、運転者の疲労の程度を判定したりすることができる）。詳細は後述する。

上記のユーザー生体特性情報取得手段からの出力を精神状態や体調を示す数値パラメータに置き換え（β５）、その数値パラメータ及びその時間的変化からユーザーの精神状態や体調を推定する（γ３，γ４）。その推定結果は、後述の基準意図パラメータ値の決定処理に使用され、該基準意図パラメータ値は、意図推定テーブル３７１（図１９，２０）と原理作用テーブル３７２とを併用したもてなし機能を抽出と制御内容決定処理に使用される。基準意図パラメータは推定された精神状態や体調を反映して特有の値に設定され、それに応じて、選択される機能やその制御内容も、推定されるユーザーの精神状態や体調に適合するものとなるように適正化される。また、同じシーンのもてなしであっても、ユーザーの性格が異なれば、その性格に適合したもてなし動作となるように微調整され、同じユーザーであっても精神状態や体調に応じて採用される機能の種別や程度が調整される。

照明光の場合を例に取れば、性格によってユーザーの指向する照明色が相違し（例えば、活発なタイプは赤系を、おとなしいタイプは緑や青系を指向）、体調の良し悪しによって照明強度に対する要望（例えば、体調が悪いときは照明による刺激を抑制するため光量を落とす）が相違することが多い。前者では照明光の周波数あるいは波長（赤系→緑系→青系の順に波長が短くなる）を調整するもてなし制御となり、後者は照明光の振幅を調整するもてなし制御となる。また、精神状態は、その両方に関係する因子であり、幾分陽気な精神状態において、さらに気分を盛り上げるために赤系の照明光を採用することもありえるし（周波数調整）、照明光の色を変えず、明るさを増したりすることもありえる（振幅調整）。また、過度に興奮した状態では、気持ちを沈めるために青系の照明光を採用したり（周波数調整）、照明光の色を変えず明るさを減らしたりする（振幅調整）、といった処理が考えられる。音楽の場合は、種々の周波数成分が含まれているのでより複雑であるが、覚醒効果を高めるために、数１００Ｈｚ〜１０ｋＨｚ程度の高音域の音波を強調したり、逆に気持ちを沈めるために、リラックス時の脳波（α波）の周波数（７〜１３Ｈｚ：ヒューマンレゾナンス）に、音波の揺らぎの中心周波数を合わせこんだ、いわゆるα波系音楽を採用したりするなど、周波数／振幅により制御パターンを同様に把握することができる。

また、図１の照度センサ５３９（視覚刺激：α１８）、音圧センサ（聴覚刺激：α１９）などの出力から、現在ユーザーがどの程度の刺激を感じているかに関しての情報（外乱刺激）を得（環境検出：β６）、その外乱刺激値を推定する（γ５）。なお、特定すべき外乱刺激としては、触覚刺激（α２０：例えば、ハンドルに取り付けられた感圧センサ５２３など）、及び嗅覚刺激（α２１：嗅覚センサによる）なども併用することができる。また、外乱推定に関しては、ユーザーを取り囲む空間からの間接的刺激、具体的には、高さ（α２２）、距離（α２３）、奥行き（α２４）及び自身ないし同乗者の体格（α２５）等を考慮することも可能である（空間検出：β７）。

自動車のユーザーは、図１のもてなし意思決定部２のＲＯＭ（書換えが可能となるように、フラッシュＲＯＭで構成しておくことが望ましい）等に形成されたユーザー登録部６００（図２Ａ）に予め登録される。このユーザー登録部は、各ユーザー名（あるいは、ユーザーＩＤ（及び暗証番号）と、その性格種別とが互いに対応付けられた形で登録されている。この性格種別は、後述のごとく、ユーザーによる自動車使用継続中に蓄積される、カーオーディオシステムの選曲統計情報に基づいて決定することも可能である。しかし、自動車の使用開始直後など、選曲統計情報の蓄積が不十分な場合、あるいは、操作履歴情報を敢えて収集せずに性格種別を推定したい場合は、性格種別情報又は該性格種別情報を特定するために必要な情報を、ユーザー自身により入力させ、その入力結果に基づいて性格種別を決定するようにしてもよい。

例えば、図１のモニタ５３６（カーナビゲーションシステム５３４のモニタで代用してもよい）に性格種別を表示し、ユーザーは自分に適合する性格種別を選んで、入力部５２９からこれを入力することができる。また、性格種別を直接入力させる代わりに、性格種別判定のためのアンケート入力を行なう方式を採用してもよい。この場合、モニタ５３６にはアンケートの質問事項を表示し、ユーザーは回答選択肢から回答を選ぶ形で答える（ここでは、選択ボタンで選択肢を構成し、この上に重ねられたタッチパネル５２９の該当位置に触れて選択入力を行なう）。全ての質問に回答することで、その回答の組合せに応じて予め定められた性格種別群から、１つのものが一義的に決定されるようになっている。

なお、ユーザー名を含めたユーザー登録入力も、上記の入力部５２９からなされ、決定された性格種別、序列順位及び体調系補正係数Ｄｆｂ，Ｄｆｍ（後述）とともに図２Ａのユーザー登録部６００に記憶される。また、これらの一連の入力は、携帯機１から行なうことも可能であり、この場合は、その入力情報を無線により自動車側に転送する。また、ユーザーが自動車購入する際に、入力部５２９か専用の入力ツールを用いて、ディーラー側で事前にユーザー登録入力を済ませておく方法もある。

カーオーディオシステムの選曲実績の統計情報に基づいて性格種別を決定する事例については、特許文献１〜３に開示されている通りなので、概略を説明する。図６のカーオーディオシステム５１５においては、ユーザーは操作部５１５ｄからの入力により、いつでも好きな曲を選んで演奏を楽しむことができる。ユーザーが自身で選曲した場合は、そのユーザーの特定情報（ユーザー名あるいはユーザーＩＤ）と、選曲された音楽ソースデータのＩＤと、前述のもてなし参照データＲＤ（性格種別コード、年齢コード、性別コード、ジャンルコード及び曲モードコード）とが互いに対応付けられた形で、選曲実績記憶部（図１の記憶装置５３５内に形成されている）に記憶される。選曲実績記憶部には、ユーザー別に、その選曲実績の統計情報（図１の記憶装置５３５に記憶されている）が作成される。この統計情報では、選曲データが、性格種別コード別にカウントされ、どの性格種別の曲が最も多く選曲されたかが数値パラメータとして特定される。最も単純な処理としては、選曲頻度が最も高い性格種別を、そのユーザーの性格として特定することが可能である。例えば、統計情報に蓄積されている選曲実績数が一定レベルに到達すれば、例えばユーザー入力により初期設定された性格種別を、統計情報から上記のごとく導かれた性格種別と置き換えるようにすればよい。

なお、自動車の使用に先立っては、ユーザーの認証が必要である。特にユーザーが複数登録されている場合は、ユーザーによって性格種別が異なるものに設定され、もてなしの内容も異なるものとなるからである。最も簡単な認証方式は、携帯機１からユーザーＩＤと暗証番号を自動車側に送信し、これを受けたもてなし意思決定部２が、登録されているユーザーＩＤと暗証番号との照合を行なう方法である。また、携帯機１に設けたカメラにより顔写真の照合を行ったり、音声認証、指紋を用いた認証など、バイオメトリックス認証方式を採用したりすることもできる。他方、自動車へのユーザーの接近時は、ユーザーＩＤと暗証番号とを用いた簡略な認証に留め、開錠後、自動車に乗り込んでから、前述の顔カメラ５２１、マイクロフォン５２２、網膜カメラ５２６、アイリスカメラ５２７あるいは静脈カメラ５２８などによるバイオメトリックス認証を行なうようにしてもよい。

本実施形態では、顔写真の照合による認証を行なう場合を例示している。図２７に示すように、顔カメラ５２１は、各シート１００ＦＲ，ＦＬ，ＲＲ，ＲＬを正面から撮影するものであり、各乗員の上半身が包含されるように撮影視野が定められている。着座センサ５１９は各シート１００ＦＲ，ＦＬ，ＲＲ，ＲＬの座部に埋設された荷重センサ等で構成され、乗員の着座の有無を補助的に検出する。例えば、着座センサ５１９が荷重検知し、かつ、顔カメラ５２１の撮影視野に乗員の顔画像が検出された場合に着座ありと検出する方式を採用することにより、シートへの荷物載置や外乱光等による誤検出防止を図ることができる。また、着座センサ５１９の併用により、顔画像の特定精度を多少低くしても着座検知の精度を確保することができ、アルゴリズムの軽量化に寄与する。他方、図２Ａに示すように、ユーザー登録部６００には、個々のユーザーのマスター顔画像から抽出した顔特徴量がユーザーＩＤと対応付けて記憶されており、各シートの顔カメラ５２１が撮影した顔画像から抽出した顔特徴量と照合することにより、どのシートにどのユーザーが乗車しているかが特定できるようになっている。

例えば、運転／滞在シーンでの動作例を、図１３のフローチャートに従い説明すると、以下のごとくである。まず、着座しているユーザーの精神状態と体調を推定する（図１２：γ３，γ４）。具体的な方法については、特許文献１〜３に詳細に開示されており、ここでは概略のみを説明する。基本的には、取得した生体状態パラメータの時間的変化を測定し、その変化波形から精神状態と体調とを推定する方式を採用している。

生体状態パラメータとして「表情」を採用する場合は、図１の顔カメラ５２１を用い、所定のサンプリング間隔で顔画像を撮影し、マスター画像と順次比較することにより、表情種別（例えば、「安定」、「不安・不快」、「興奮・怒り」）を識別しつつ、その時間的変化を「変化小」、「増」、「微増」あるいは「急増」等として判定する。

生体状態パラメータとして「体温」を採用する場合は、体温センサ５２５（赤外線センサ５１９）を用いる。具体的には、一定時間間隔で定められたサンプリングタイミングが到来する毎に検出される体温値をサンプリングし、波形記録するとともに周知の高速フーリエ変換処理を行なって周波数スペクトラムを求め、そのスペクトラムの中心周波数（あるいはピーク周波数）ｆを演算する。また、波形を一定数の区間に分割し、区間別の体温平均値を演算する。そして、区間毎に、平均体温値を波形中心線として積分振幅を演算し、各区間の積分振幅を平均し、波形振幅の代表値として決定する。決定された周波数ｆが上限閾値ｆu0より大きくなっているかどうかを調べ、大きくなっていれば監視中の体温変化が「急」であると判定する。また、周波数ｆが下限閾値ｆL0（＞ｆu0）より小さくなっているかどうかを調べ、小さくなっていれば監視中の体温変化が「緩」であると判定する。また、ｆu0≧ｆ≧ｆL0ならば、監視中の体温変化は「標準」であると判定する。また、積分振幅Ａ（平均値）の値は閾値Ａ０と比較し、Ａ＞Ａ０であれば、監視中の平均体温レベルは「変動」状態にあると判定する。また、Ａ≦Ａ０であれば、監視中の平均体温レベルは「維持（安定）」状態にあると判定する。

生体状態パラメータとして「血圧」を採用する場合は、血圧センサ５２４により検出される血圧波形の中心周波数（あるいはピーク周波数）ｆと、区間別の積分振幅Ａ１，Ａ２の平均値Ａを演算する。周波数ｆが上限閾値ｆu0より大きくなっていれば監視中の血圧変化が「急」であると判定し、下限閾値ｆL0（＞ｆu0）より小さくなっていれば「緩」であると判定し、ｆu0≧ｆ≧ｆL0ならば「標準」であると判定する。また、振幅Ａを閾値Ａ０と比較し、Ａ≦Ａ０であれば、監視中の平均血圧レベルは「維持」状態にあると判定し、そうでなければ「変動」状態にあると判定する。血圧検出値の変化が急で変化の方向が「変動」である場合は、精神状態が「集中力散漫」と推定できる。体調不良に関しては、血圧の変動が緩やかとなる。また、血圧は急激に変動する場合は、「興奮（怒り）状態」であることを推定することができる。

生体状態パラメータとして「皮膚抵抗」を採用する場合は皮膚抵抗センサ５４５を用いる。ここでも同様に皮膚抵抗値をサンプリングし波形記録するとともに、スペクトラムの中心周波数（あるいはピーク周波数）ｆと区間別積分振幅Ａ１，Ａ２‥を演算する。そして、各区間の積分振幅Ａを時間ｔに対してプロットし、最小二乗回帰して勾配αを求める。周波数ｆが上限閾値ｆu0より大きくなっていれば監視中の皮膚抵抗変化が「急」であると判定し、下限閾値ｆL0（＞ｆu0）より小さくなっていれば「緩」であると判定する。また、ｆu0≧ｆ≧ｆL0ならば「標準」であると判定する。さらに、勾配αの絶対値を閾値α０と比較し、｜α｜≦α０であれば、監視中の平均皮膚抵抗レベルは「一定」状態にあると判定する。また、｜α｜＞α０の場合、αの符号が正であれば監視中の平均皮膚抵抗レベルは「増」状態にあると判定し、負であれば「減」状態にあると判定する。皮膚抵抗検出値の変化が急で変化の方向が「増」である場合は、精神状態が「集中力散漫」と推定できる。体調不良に関しては、軽度のものは皮膚抵抗の時間的変化にそれ程反映されないが、体調不良が進行すると、皮膚抵抗値の変化が緩やかに増加に転ずるので、「重度体調不良」の推定には有効である。また、皮膚抵抗値は急激に減少する場合は、「興奮（怒り）状態」であることを、かなり高精度に推定することができる。

生体状態パラメータとして「姿勢」を採用する場合は、シートに埋設した複数個の着座センサ５２０による姿勢信号を用い、姿勢信号波形の中心周波数（あるいはピーク周波数）ｆと区間別の積分振幅Ａ１，Ａ２‥の平均値Ａｎと分散σ^２を演算する。周波数ｆが上限閾値ｆu0より大きくなっていれば監視中の姿勢変化速度が「増」であると判定し、下限閾値ｆL0（＞ｆu0）より小さくなっていれば「減」であると判定する。また、積分振幅Ａの平均値Ａｎの値を予め定められた閾値と比較して、姿勢移動量を「変化小」、「微増」および「急増」のいずれかに判定する（平均値Ａｎが大きいほど、姿勢移動量は増加傾向にある）。また、分散σ^２の値が閾値以上になっている場合は、姿勢移動が増減傾向にあると判定する。姿勢の変化は、基本被特定状態（「体調不良」、「集中力散漫」及び「興奮状態」）の相違に応じて顕著に異なる傾向を示すので、それらを相互識別する上で特に有効なパラメータである。正常であれば、運転中のユーザーは適度に姿勢を保ちながら運転に必要な緊張感を持続される。他方、体調不良が生ずると、辛さを和らげようとして時折姿勢を変える仕草が目立つようになり、姿勢移動量は微増傾向となる。しかし、体調不良がさらに進行すると（あるいは、極度の眠気に襲われた場合）、姿勢が不安定になってぐらつくようになり、姿勢移動は増減傾向となる。このときの姿勢移動は、体のコントロールが利かない不安定なものなので、姿勢移動の速度は大幅に減少する。また、集中力が散漫になっている場合も、姿勢移動はだらしなく増減するが、体のコントロールは利く状態であるから、姿勢移動速度はそれほど減少しない点に違いがある。他方、興奮状態にある場合は、落ち着きがなくなったり、いらいらしたりして姿勢移動は急増し、移動速度も大きくなる。

生体状態パラメータとして「視線角度」を採用する場合は、前述の顔画像中にて瞳孔位置と顔中心位置とを特定するとともに、顔中心位置に対する瞳孔の正面方向からのぶれを演算して視線角度θを求め、その時間的変化波形を取得する。そして、同様に、波形の中心周波数（あるいはピーク周波数）ｆと、区間別積分振幅Ａ１，Ａ２の平均値Ａｎ及び分散σ^２とを演算する。周波数ｆが上限閾値ｆu0より大きくなっていれば監視中の視線角度θの変化速度が「増」であると判定し、下限閾値ｆL0（＞ｆu0）より小さくなってれば「減」であると判定し、ｆu0≧ｆ≧ｆL0ならば「正常」であると判定する。また、積分振幅Ａの平均値Ａｎの値を予め定められた閾値と比較して、視線角度θの変化量を「変化小」、「微増」および「急増」のいずれかに判定する（平均値Ａｎが大きいほど、視線角度θの変化量は増加傾向にある）。さらには、Ａの分散σ^２の値が閾値以上になっている場合は、視線角度θの変化が増減傾向にある状態、つまり「変調」状態（いわゆる、目がきょろきょろした状態）にあると判定する。視線角度θは、集中力が散漫になった場合に移動量が急増し、また、きょろきょろと変調を来たすようになるので、該集中力散漫と推定する上での有力な決め手となる。また、体調不良が生ずると、その不良の程度に応じて視線移動量が減少するので、体調不良の推定にも有効である。また、興奮状態でも視線移動量は減少するが、体調不良時は、視界に変化が起きた場合に視線がついてゆきにくくなり、移動速度も減少するのに対し、興奮状態では、視界の変化等に鋭敏に反応してこれを睨みつけるなど、時折生ずる視線移動の速度は非常に大きいので、互いに識別することができる。

生体状態パラメータとして「瞳孔径」を採用する場合は、アイリスカメラ５２７（図１）によりユーザーのアイリスを撮影し、その画像上にて瞳孔径ｄを決定し、その時間変化波形を取得する。そして、その波形から区間別の瞳孔径平均値ｄｎ、区間別の積分振幅Ａ１，Ａ２の平均値Ａｎ及び分散σ^２を演算する。瞳孔径平均値ｄｎが閾値ｄ０より大きくなっていれば「瞳孔開」と判定する。また、大きくなっていなければ分散σ^２が閾値σ^２0よりも大きいかどうかを調べ、大きければ「瞳孔径変動」と判定する。また、大きくなければ「正常」と判定する。瞳孔径ｄは、ユーザーの精神状態に応じて顕著に変化し、特に、特有の瞳孔開状態があるか否かに基づいて、ユーザーが興奮状態にあるか否かを高精度に推定することができる。また、瞳孔径が変動する場合は、集中力散漫であると推定することができる。

生体状態パラメータとして「ステアリング操作状態」を用いる場合は、直線走行時にステアリングのサンプリング及び評価を行なう。具体的には、一定時間間隔で定められたサンプリングタイミングが到来する毎に、操舵角センサ５４７の出力により現在の操舵角度φを読み取る（例えば、直進中立状態でφ＝０°とし、左右いずれかへの触れ角として定義する（例えば右方向の角度を正、左方向の角度を負とする）。そして、その操舵角度値を波形として取得し、中心周波数（あるいはピーク周波数）ｆと、区間別の積分振幅Ａ１，Ａ２‥及びその分散σ^２を演算する。周波数ｆが上限閾値ｆu0より大きくなっていれば操舵角度φの変化速度が「増」であると判定し、下限閾値ｆL0（＞ｆu0）より小さくなっていれば「減」であると判定し、ｆu0≧ｆ≧ｆL0ならば「正常」であると判定する。また、積分振幅Ａの分散σ^２が閾値σ^２0よりも大きければ操舵誤差が「増」と判定し、大きくなければ「正常」と判定する。操舵誤差の増大を検知することで、運転者が集中力散漫状態や興奮状態にあることを推定できる。他方、重度の体調不良（居眠り状態を含む）が発生した場合も、正常な操舵が妨げられるので、誤差の増大傾向からこれを推定することができる。他方、体調不良や集中力の散漫化は操舵への反応が遅れがちになり、操舵速度の減少からこれを推定することができる。また、興奮状態では、いらいらして急ハンドルを切りがちになるので、操舵速度の増加からこれを推定することができる。

このようにして得られた生体状態パラメータの時間的変化に係る判定結果を用いて、ユーザーの具体的な体調／精神状態の判定（推定）が行なわれる。そして、個々の具体的には、記憶装置５３５内には、図１４に示すように、ユーザーの判定すべき精神状態と体調との組合せである複数の被特定状態と、個々の被特定状態が成立していると判定するための、複数のユーザー生体特性情報取得手段がそれぞれ検出しているべき生体状態パラメータの時間的変化状態の組合せとを対応付けて記憶した判定テーブル１６０１が記憶されている。

被特定状態となる体調は、本実施形態では「正常」、「疲労」、「軽度異常」、「重度異常」であり、同じく精神状態は「落胆」、「ニュートラル」（ただし、「癒され」「中央」「盛り上がり」の３パターンに細分化されている）、「興奮（激情・興奮）」である。個々の被特定状態に対応する体調指数ＰＬ及び精神状態指数ＳＬの値の設定例を、判定テーブル１６０１内に示している。生体状態パラメータとしては、この後のシーンで使用するものも含め、「血圧」、「体温」、「皮膚抵抗」、「表情」、「姿勢」、「視線」、「瞳孔（寸法）」及び「操舵」の各パラメータが網羅されている（同じパラメータであっても、使用するセンサあるいはカメラはシーンに応じて、目的とする生体状態パラメータの取得に有利なものが適宜選択される）。

具体的には、各生体状態パラメータの時間的変化に係る判定結果（例えば、「急減」や「増加」など）をリードし、リードした個々の判定結果を、判定テーブル１６０１上の各被特定状態に対応する時間的変化状態の組合せと順次照合する。この場合、例えば、全ての生体状態パラメータについて、被照合情報と判定結果とが一致した被特定状態のみを採用する処理としてもよいが、参照する生体状態パラメータが多い場合は、被照合情報と判定結果とが全ての生体状態パラメータについて一致するのが稀となり、ユーザーの体調あるいは精神状態の推定を柔軟に行なうことができなくなる。従って、照合カウンターの得点（Ｎ）を「一致度」とみなして、最も得点の高いもの、つまり一致度の最も高いものを、被特定状態として確定させる方法が有効である。

なお、例えば平均血圧レベルが「変動」と判定された場合のように、同じ生体状態パラメータの状態が複数の被特定状態（「集中力散漫」あるいは「興奮状態」）への成立に肯定的に寄与する場合もあるが、この場合は、それら各被特定状態の照合カウンターをインクリメントする。例えば、平均血圧レベルが「変動」と判定された場合は、４つの照合カウンター値Ｎ１，Ｎ４，Ｎ５，Ｎ６がインクリメントされる。

他方、被照合情報と判定結果との一致不一致は、既に種々説明したごとく、生体状態パラメータ（周波数あるいは振幅等）の閾値との比較で判断されているものがほとんどであり、上記のように一致／不一致を二値的（つまり、シロかクロか）に決定する際に、実際のパラメータの指示値と閾値との偏差がどの程度であったかは情報として埋没することになる。しかし、実際には、閾値に近接した値で一致／不一致が決定される場合は、いわば「グレー」の判定であり、閾値から隔たった（例えば閾値を大幅にクリアした）形で一致／不一致が決定される場合と比較して、判定結果への寄与の度合いを小さく扱うようにすることが本来的には望ましい。

これを解決する方法としては、被照合情報と判定結果とが完全に一致した場合にのみ照合カウンターへの加算を行なうようにするのに代え、完全一致せずとも、定められた範囲内で近接した結果が得られた場合は、完全一致の場合よりも低い得点に制限しつつ、これを照合カウンターへ加算することが考えられる。例えば、被照合情報が「急増」となっている場合、判定結果も「急増」であれば３点を、「増」の場合は２点を、「微増」の場合は１点を加算する方式を例示できる。

図１３に戻り、体調と精神状態とが特定できればＳ２に進み、特定された体調に対応する体調系基準意図パラメータ値を決定する処理となる。本実施形態では、体調系基準意図パラメータは５成分（ｆｂ１，‥，ｆｂ５）からなる空間パラメータである（以下、これを［ｆｂ］≡［ｆｂ１，‥，ｆｂ５］と記し、体調系基準意図ベクトルと称する）。上記５成分のうち、ｆｂ１、ｆｂ２が体力消耗低減に関する意図強度を表わすパラメータ種別に属し、ｆｂ３、ｆｂ４、ｆｂ５が体力回復に関する意図強度を表わすパラメータ種別に属する。具体的には、ｆｂ１は「力／時間を低減する」、ｆｂ２は「手間／人を低減する」の各意図に対応するものである。また、ｆｂ３は「補給する」、ｆｂ４は「休息する」、ｆｂ５は「効果を高める」の各意図に対応するものである。

次に、Ｓ３では、特定された精神状態に対応する精神系基準意図パラメータ値を決定する処理となる。本実施形態では、精神系基準意図パラメータは７成分（ｆｍ１，‥，ｆｍ７）からなる空間パラメータである（以下、これを［ｆｍ］≡［ｆｍ１，‥，ｆｍ７］と記し、精神系基準意図ベクトルと称する）。上記７成分のうち、ｆｍ１、ｆｍ２が不愉快排除に関する意図強度を表わすパラメータ種別に属し、ｆｍ３、ｆｍ４が愉快獲得に関する意図強度を表わすパラメータ種別に属する。また、ｆｍ５が気持高揚に関する意図強度を表わすパラメータ種別に属し、ｆｍ６、ｆｍ７が気持安静に関する意図強度を表わすパラメータ種別に属する。具体的には、ｆｍ１は「対象を排除する（ストレス源を排除する）」、ｆｍ２は「誤魔化す（ストレスを感じなくする）」の各意図に対応するものである。ｆｍ３は「対象を得る（好きなもの／イメージを認識する）」、ｆｍ４は「誤魔化す（別の好きな雰囲気を楽しむ）」の各意図に対応するものである。ｆｍ５は「気持高揚（車／目的地のイメージが強調される）」の意図に対応するものである。ｆｍ６は「癒される」、ｆｍ７は「効果を高める」の各意図に対応するものである。

各体調に対応する体調系基準意図ベクトル［ｆｂ］の各成分の設定値は、図１５に示す体調系基準意図ベクトル設定テーブル６０１（図１のもてなし意思決定部２のＲＯＭに記憶されている）にまとめられており、決定された体調に対応するものが随時読み出されて使用される。また、各精神状態に対応する精神系基準意図ベクトル［ｆｍ］の各成分の設定値は、図１６に示す精神系基準意図ベクトル設定テーブル６０２（図１のもてなし意思決定部２のＲＯＭに記憶されている）にまとめられており、決定された精神状態に対応するものが随時読み出されて使用される。

基準意図ベクトル［ｆｂ］［ｆｍ］の各成分（すなわち、成分基準意図パラメータ）は、対応する外乱刺激に対するユーザーの排除意図が強いものほど絶対値が大きく設定される。具体例を挙げて説明する。まず、体調系基準意図ベクトル［ｆｂ］については、図１５に示すように、体力消耗低減に関する意図強度を表わすパラメータ種別ｆｂ１及びｆｂ２の値が、体調異常の場合において体調正常時よりも明らかに大きく設定されている（特に、重度体調異常時に値が最大値（１）となり、軽度体調異常時においては値が若干下げられている（０．８）。体力回復に関する意図強度を表わすパラメータ種別（ｆｂ３、ｆｂ４、ｆｂ５）についても同様であり、ｆｂ４（休息する）については、正常時にあっても、疲労時には値が若干高く設定されている。

また、精神系基準意図ベクトル［ｆｍ］については、図１６に示すように、気持高揚に関する意図強度を表わすパラメータ種別ｆｍ５が、落胆時においてニュートラル時や激情・興奮時よりも値が大きく設定され、気持を高揚させる意図を強調するようにしている（なお、同じニュートラルでも、盛り上がりが要求される場面では値が大きく設定されている）。逆に、気持安静に関する意図強度を表わすパラメータ種別ｆｍ６、ｆｍ７は、激情・興奮時において落胆時やニュートラル時よりも値が大きく設定され、高ぶった気持をクールダウンする意図を強調するようにしている（なお、同じニュートラルでも、癒しが要求される場面では値が大きく設定されている）。

なお、不愉快要素を歓迎するユーザーは通常はいないので、不愉快排除に関する意図強度を表わすパラメータ種別ｆｍ１、ｆｍ２の値は総じて高めに設定される。逆に、激情・興奮時や落胆時などでは精神安定欠如のため愉快要素を受け入れる余裕がないこともあり、愉快獲得に関する意図強度を表わすパラメータ種別ｆｍ３、ｆｍ４値は総じて低めに設定される。そして、ニュートラル時においては、通常時は同様に値は低めであるが、癒しが要求される場面、盛り上がりが要求される場面と推移するにつれ、値が次第に高くなるように設定されている。

次に、図１３のＳ４に進み、使用する体調系基準意図ベクトル［ｆｂ］及び精神系基準意図ベクトル［ｆｍ］の補正を行なう。具体的には、自動車に乗り込んでいる各ユーザーの序列順位を図２Ａのユーザー登録部６００で検索し、序列順位が最も上位に位置するユーザーの体調系補正係数Ｄｆｂ，Ｄｆｍを読み出す。体調系補正係数Ｄｆｂは、体調系基準意図ベクトル［ｆｂ］の成分設定値を補正するためのものであり、対応するユーザーが好む体的刺激レベルの個人差（つまり、強めの刺激を好むか弱めの刺激を好むか：例えば、冷房であれば冷え性で弱冷を好むか、逆に汗かきで強冷を好むか、などを反映するものである）に応じて、ユーザー毎に固有の値が定められる。本実施形態では、図１７に示すように、弱め、ニュートラル、強めにそれぞれ対応して、体調系補正係数Ｄｆｂの値が３段階に定められている。体調系補正係数Ｄｆｂは、ベクトル［ｆｂ］の各成分に乗ずる形で使用され、「ニュートラル」は補正なし（１）、「弱め」は値縮小（０．８）、「強め」は値拡大（１．２）に作用する。

また、精神系補正係数Ｄｆｍは、精神系基準意図ベクトル［ｆｍ］の成分設定値を補正するためのものであり、ユーザーの外乱排除速度に対する欲求個人差（つまり、おっとり型かせっかち型か：例えば、冷房であればゆっくり冷えることを好むか、速やかに冷えることを好むか、などを反映するものである）に応じて、ユーザー毎に固有の値が定められる。該精神系補正係数Ｄｆｍは、ユーザー登録部６００内の性格種別とも密接な対応関係にあり、おっとり型の性格については精神系補正係数Ｄｆｍの値が小さく設定され、逆にせっかち型の性格については精神系補正係数Ｄｆｍの値が大きく設定される。本実施形態では、スロー、ニュートラル、ファストにそれぞれ対応して、精神系補正係数Ｄｆｍの値が３段階に定められている。精神系補正係数Ｄｆｍは、ベクトル［ｆｍ］の各成分に乗ずる形で使用され、「ニュートラル」は補正なし（１）、「スロー」は値縮小（０．８）、「ファスト」は値拡大（１．２）に作用する。

当然、肉体的刺激レベルの好みはユーザー毎に皆違うので、これらを一律に充足する補正条件を見出すことは困難である。そこで、ユーザーのもてなし優先度（乗り込んだユーザー間のいわば「力関係」）を導入し、もてなし優先度が最も上位に位置するユーザーの補正条件を優先した処理を行なうわけである。前述のごとく、この「力関係」を反映したもてなし優先度の設定は、ユーザー登録時に入力設定することも可能であるし、子供と大人で優先度を異ならせる場合は、カメラ５２１等が撮影するユーザーの画像や、座席に取り付けられた検知センサ等で、着座したユーザーの身体サイズを特定し、その身体サイズに応じて（例えば、身体サイズが閾値未満であれば子供と判定するなど）もてなし優先度を自動設定するようにしてもよい。

また、座席毎にマイクロフォンを設け、このマイクロフォンが検出するユーザーの会話を、周知の音声認識及び会話分析手法に基づいて解析し、もてなし優先度を自動設定することも可能である。比較的簡単な手法としては、会話中の単語出現頻度を解析し、例えば敬語を多用するユーザーほど力関係下位と判定し、もてなし優先度を低く設定したり、逆に命令的あるいは鷹揚な口調を示す単語の出現頻度の高いユーザーは力関係上位と判定し、もてなし優先度を高く設定したりすることが可能である。また、幼児語を多用したり、総じて言動の幼かったりするユーザーを子供と判定することが可能である。なお、後述のごとく、人工無脳エンジン（会話支援手段）を起動して、各ユーザーのもてなし優先度を特定するための情報を引き出すために、当該人工無脳エンジンとの会話を誘導し、その会話入力情報からもてなし優先度を判定するようにしてもよい。

もてなし優先度は、ユーザーの座席位置とは無関係にデフォルト値を設定し、それを、着座位置に応じて補正するように構成することもできる。図２３に示すように、運転席に着座するのは、もてなしのいわばホストに相当する人物であり、隣席である助手席はこのホストに比較的親しい人物が着座する傾向が強い。この場合は、もてなし優先度を大方向に補正する補正量が、助手席ユーザーに対し運転席ユーザーよりも大きくなるように設定し、助手席ユーザーのもてなし優先度を相対的に高めることができる。また、後部座席については、マナー上、運転席背後の座席が上席とみなされる習慣が強く、もてなし優先度を大方向に補正する補正量が、運転席背後ユーザーに対し助手席背後ユーザーよりも大きくなるように設定することができる。また、前席と後席とはやや隔絶されていることもあり、社交的距離を配慮して、上記隣席同士よりはもてなし優先度の補正量を小さく設定することができる。助手席ユーザーのもてなし優先度を高める状況下では、前席側の大方向補正量を後席側よりも高める態様を例示できる。

また、後部座席に子供（特に幼児や低学年児童）が着座する場合は、図２４に示すように、興奮して騒ぎ、運転集中への影響が生ずるケースが考えられる。この場合、後部座席側での対応例として、後部座席の子供の鎮静化を図るもてなし動作（例えば、子供が没頭できる映像出力など）へのもてなし優先度を高めるように設定することが可能である。他方、運転席側での対応例としては、後部座席からの騒ぎ声等を抑制するノイズキャンセラの動作や、いらいらを沈静化するための快適音楽送出等に対するもてなし優先度を高める方法を例示できる。

図２５は、もてなし優先度の座席別決定処理の流れを示すフローチャートである。Ｓ１０１〜Ｓ１０６は、上記した流れにより運転席、助手席及び後部座席の各ユーザーを特定し、例えば前述のユーザー登録部６００（図２Ａ）に登録されているデフォルトもてなし優先度の値をそれぞれ読み出す。そして、上記のごとく座席ごとに定められた補正係数をデフォルトもてなし優先度に乗じて、座席ごとのもてなし優先度として設定する。

もてなし動作は、個別対応可能なものは、基本的に座席毎にカスタマイズされた異なる内容にて実行されるが、相反するもてなし動作が座席間で競合した場合は、設定されたもてなし優先度に従い、調停処理がなされる。この場合、後述のもてなし動作の意図強度を、例えば図２６に示すように、もてなし優先度の値に応じて定められた補正係数により、もてなし優先度が高いほど意図強度が強められるように補正することで、上記動作競合に対する調停が可能となる。

さて、補正されたベクトル［ｆｂ］、［ｆｍ］の各成分は、図１９及び図２０に示す意図推定テーブル３７１上に以下のようにして展開される。意図推定テーブル３７１はもてなし意思決定部２のＲＯＭ内に格納され、以下のような構造を有する。すなわち、マトリックスの縦軸に各シーン（乗る→降りる→滞在→運転）が配列し、シーン毎に、安全性（安全に）、利便性（楽に）及び快適性（快適に）の３つのもてなし意図分類項目が設定されている。このうち、利便性（楽に）のもてなし意図分類項目には体調系基準意図ベクトル（パラメータ）の各成分が示す５つの意図強度項目が割り当てられ（図２０）、快適性（快適に）のもてなし意図分類項目には精神系基準意図ベクトル（パラメータ）の各成分が示す７つの意図強度項目が割り当てられている（図１９）。

他方、マトリックスの横軸には、触覚系、視覚系及び聴覚系の少なくとも３つの属性（このほか、さらに嗅覚があるが、図では欄外となっている）に区分された外乱刺激の項目が配列している。外乱刺激は車内外乱と車外外乱とがあるが、ここでは車内外乱の場合について例示している。触覚系外乱刺激には気流温度、車内物温度、湿度、圧力（振動）がある。また、視覚系外乱刺激には光（照度）がある。さらに、聴覚系外乱刺激には音がある。いずれも、対応するセンサの入力から値取得される（図１３：Ｓ５）。

各種別の外乱刺激値は、いずれもニュートラル値を基準として正負両方向に値が検出されるようになっている（具体的に、各外乱刺激値は、いずれもニュートラル値をゼロとして、正方向に＋０．５、＋１．０及び負方向に−０．５、−１．０の５段階に検出される）。いずれも、明るい⇔暗い、暑い⇔寒い、うるさい⇔静かなど、互いに相反する状態の間を行き来する形で変化するものである。具体的には、気流温度については、その強度（振幅に相当：程度）が、暑い→（温かい、ニュートラル、涼しい）→寒い、の間で変化し、（機能動作の結果として得られる温度変化の）速度（周波数に相当）は、急速→（速い、ニュートラル、遅い）→緩やか、の間で変化する。車内物温度については、その強度が、熱い→（ニュートラル）→冷たい、の間で変化する。湿度は、その強度が、濡れる→（湿る、ニュートラル）→乾く、の間で変化する。振動については、その強度が、強い→（ニュートラル）→弱い、の間で変化し、速度（周波数）は、高い→（ニュートラル）→低い、の間で変化する。光（照度）については、その強度が、眩しい→（ニュートラル、薄暗い）→暗い、の間で変化し、速度（周波数（光の色））は、暖色→（ニュートラル）→寒色、の間で変化する。音については、その強度が、五月蝿い→（ニュートラル）→静か、の間で変化し、速度（周波数）は、賑やか→（ニュートラル）→穏やか、の間で変化する。

前述のごとく、基準意図ベクトル［ｆｂ］、［ｆｍ］の各成分（各成分基準意図パラメータ）は、対応する外乱刺激に対するユーザーの排除意図が強いものほど絶対値が大きく設定されるとともに、各成分は、意図推定テーブル３７１の各セル上にて、対応する外乱刺激値との積が基準意図パラメータとして演算される（図１３：Ｓ６）。もし、対応する外乱刺激値がニュートラル値（つまり、ゼロ）であれば、この積の値（意図強度パラメータ）もゼロとなる（図１９及び図２０にて空白のセルは、意図強度パラメータの値がゼロであることを示す）。このことは、対応する外乱刺激に対するユーザーの排除意図が存在しない（つまり、何もせずともユーザーにとって最も心地よい外乱刺激状態が実現している）ことを意味し、当該の外乱刺激を抑制するための対応機能の動作を抑制（あるいは禁止）する意図が反映される。

対応する外乱刺激値の絶対値がゼロでなければ、意図強度パラメータはゼロでなくなり、その絶対値が大きいほど外乱刺激の排除意図が大きく設定されていると解釈される。ただし、意図強度パラメータは、基準意図ベクトル［ｆｂ］、［ｆｍ］の各成分と、対応する外乱刺激値との積の逆数により定義したり、同じく比により定義したりすることもでき、その絶対値と外乱刺激排除意図の大きさとの関係は演算定義により異なることはいうまでもない。

意図強度パラメータの符号は外乱刺激の符号と一致し、該符号は、対応する機能の制御の向きに対応付けられる。すなわち、外乱刺激値は、上記のごとく互いに相反する状態の間を行き来する形で変化し、その２状態の間には、そのどちらでもないニュートラル状態（つまり、明るすぎも暗すぎもしないちょうどよい明るさの状態、暑すぎず寒すぎない快適な気温状態、うるさすぎず静かすぎもしない普通の音響状態）が存在し、該ニュートラル状態を基準として外乱刺激が各々上記２状態のどちらに偏っているかが、その符号によって一義的に表わされる。

前述のごとく、基準意図パラメータは、ニュートラル値からずれた外乱刺激に対しユーザーがどの程度の排除願望を抱いているかをその絶対値にて示すものであり、これを用いて外乱刺激値との積により演算される意図強度パラメータの符号により、外乱刺激を相殺（キャンセル）する向きの制御が行なわれる。つまり、明るい場合には暗くし、暗い場合には明るくする、あるいは暑い場合には涼しくし、寒い場合には暖かくする作用となる。また、五月蝿い場合は、静かにするかその五月蝿さを誤魔化す向きの制御を行なう。

機能の具体的な選択・決定は、図２１に示す原理探索テーブル３７２と図２２の機能抽出テーブル３７３とを用いて行なう（図１３：Ｓ７、Ｓ８）。原理探索テーブル３７２は、セル構造は意図推定テーブル３７１と同じであるが、各セルには機能特定情報として、機能の原理を特定するための原理特定情報が格納されている。また、機能抽出テーブル３７３は原理探索テーブル３７２に付随する、各原理特定情報と個別機能とを互いに対応付けた二次元テーブルであり、テーブルの各セルに、対応する個別機能の座席別の採用優先度を示す機能採用優先度情報が格納されている。

以下、精神系基準意図ベクトルに関係する部分により代表させて、より具体的な実施例を説明する（体調系基準意図ベクトルに関係する部分についても、基本的な処理の流れは同じである）。図１９は、意図推定テーブル３７１の精神系基準意図ベクトル［ｆｍ］の設定部分を抜き出したものであり、図２１は、原理探索テーブル３７２の対応部分を抜き出したものである。図１９にて、精神系基準意図ベクトル［ｆｍ］の各成分［ｆｍ１，ｆｍ２，ｆｍ３，ｆｍ４，ｆｍ５，ｆｍ６，ｆｍ７］の設定値は［１，１，０．２，０．２，０．２，０．８，０．８］であり、Ｄｆｍ＝０．８で補正することにより［０．８，０．８，０．１６，０．１６，０．１６，０．６４，０．６４］にて意図推定テーブル３７１上に設定されている。一方、外乱については、例えば視覚系外乱である光の強度に関しては、５段階の極小値−１．０が検出されているので、対応するセルの意図強度パラメータの設定値は［−０．８，−０．８，−０．１６，−０．１６，−０．１６，−０．６４，−０．６４］となっている。

図２１の原理探索テーブル３７２の対応部分を見れば、視覚系の原理特定情報として、例えば、不愉快排除→ストレス源排除→意思疎通強化の意図項目には、「内 表示」（理性系）及び「内 照明」（感性系）がそれぞれ格納されている（なお、原理探索テーブル３７２上にて空欄となっているセルは、対応する機能原理が存在しないことを示す）。前者は、図２２の機能抽出テーブル３７３上にて、例えばメーターやインジケータ類、あるいはカーナビゲーション装置やカーステレオなどの表示を、夜間（あるいは暗所）点灯状態とする機能と結び付けられる（ただし、図２２では表示を省略している）。また、後者は車室内照明であり、図２２の機能抽出テーブル３７３上では、車内作用→視覚作用→照明の欄にて、前後、左右の各座席にて、上／下（すなわち、足元及び天井）の各位置を照らすべく配置されたイルミネーション（図１：車内照明５１１）に対し、それぞれ優先度「３」にて、該当する機能を選択することが指定されている。対応する意図強度パラメータの設定値は−０．８（かなり暗い）であり、もてなし実行制御部は、これを相殺するために＋０．８に対応する発光出力で、表示や照明を明るく駆動制御することとなる（図１３：Ｓ９）。

図１９にて、触覚系外乱の気流温度（強度）に関しては、５段階の中小値−０．５が検出されているので、対応するセルの意図強度パラメータの設定値は［−０．４，−０．４，−０．０８，−０．０８，−０．０８，−０．３２，−０．３２］となっている。

図２１の原理探索テーブル３７２の対応部分を見れば、触覚系の原理特定情報として、例えば、不愉快排除→ストレス源排除→厚さ／寒さ解消の意図項目に、「内 エアコン」（感性系）が格納されている。これは、図２２の機能抽出テーブル３７３上にてエアコン機能と結び付けられる（ただし、図２２では表示を省略している）。対応する意図強度パラメータの設定値は−０．４（涼しい）であり、もてなし実行制御部は、これを相殺するために＋０．４に対応する暖房出力で車室内が暖かくなるようにエアコン制御を行なう（図１３：Ｓ９）。

また、不愉快排除→誤魔化す→ストレスを感じなくする、の意図項目には原理特定情報として、「内 照明」（感性系）が格納されている。対応する機能は、照明色の調整であり、照明色が長波長側（黄色、アンバー、赤色、ピンク、あるいはこれらの色彩を帯びた白色光）にシフトするように変化させる。これらの照明色は暖色系であり、温かみのある（あるいは気分の高揚に寄与する）演出効果に優れるからである。

さらに、愉快獲得→好きなもの／イメージが入手できる→趣味情報を提供、の意図項目には原理特定情報として、「内 全表示」（理性系）が格納されている。図２２の機能抽出テーブル３７３上では、例えばカーナビゲーション装置の情報出力機能（例えば、涼感を提供する施設（喫茶店やプールなど）の案内情報）が結び付けられる（ただし、図２２では表示を省略している）。好感雰囲気層送出の意図項目には原理特定情報として、「内 音発生」（感性系）が格納されている。図２２の機能抽出テーブル３７３上では、例えばせせらぎや波、風等の涼感を誘う効果音出力機能が結び付けられる（ただし、図２２では表示を省略している）。

図１９にて、聴覚系外乱の音（強度）に関しては、５段階の極大値＋１．０（つまり、相当五月蝿い）が検出されているので、対応するセルの意図強度パラメータの設定値は［０．８，０．８，０．１６，０．１６，０．１６，０．６４，０．６４］となっている。図２１の原理探索テーブル３７２の対応部分を見れば、聴覚系の原理特定情報として、例えば、不愉快排除→ストレス源排除→騒音解消の意図項目に、「内 音防止」（感性系）が格納されている。これは、図２２の機能抽出テーブル３７３上にてノイズキャンセラ１００１Ｂと結び付けられる（ただし、図２２では表示を省略している）。対応する意図強度パラメータの設定値は０．８であり、もてなし実行制御部は、これを相殺するために＋０．８に対応する出力で車室内騒音がキャンセルされるようにノイズキャンセラ１００１Ｂの制御を行なう（図１３：Ｓ９）。

また、愉快獲得→好きなもの／イメージが入手できる→趣味情報を提供、の意図項目には原理特定情報として、「内 音楽発生」（感性系）が格納されている。図２２の機能抽出テーブル３７３上では、カーステレオの音楽出力機能が結び付けられる（ただし、図２２では表示を省略している）。音楽ソースは、その都度体調や精神状態に応じた適正な選曲を行なう（図１３：Ｓ９）。

次に、図２８は、カーナビゲーションシステム５３４の構成例を示すブロック図である。このカーナビゲーションシステム５３４は、本発明の自動車用情報提供システムの要部をなすものであり、位置検出器１０１、地図データ入力器１０６、操作スイッチ群１０７、リモートコントロール（以下リモコンと称する）センサ１１１、音声案内等のための音声合成回路１２４、音声出力用のスピーカ１１５、不揮発メモリであるフラッシュメモリ２８０９、ＬＣＤ等からなるモニタ１１０、これらの接続された主制御部をなす情報系ＥＣＵ５１、リモコン端末１１２及び主記憶装置をなすＨＤＤ（ハードディスク装置）１２１等を備えている。

位置検出器１０１は、周知の地磁気センサ１０２、ジャイロスコープ１０３、距離センサ１０４、および衛星からの電波に基づいて車両の位置を検出するＧＰＳのためのＧＰＳ受信機１０５を有している。これらのセンサ等１０２，１０３，１０４，１０５は各々が性質の異なる誤差を持っているため、複数のセンサにより各々補完しながら使用するように構成されている。なお、精度によっては前述したうちの一部のセンサで構成してもよく、さらに、ステアリングの回転センサや各転動輪の車輪センサ等を用いてもよい。

操作スイッチ群１０７は、メカニカルなスイッチ等を使用できるが、本実施形態では、モニタ１１０と一体になったタッチパネル１２２を併用しており、モニタ１１０上に表示されるボタン画像に対応するタッチパネル領域を指で触れることにより、操作状態を認識できるようにしている（いわゆるソフトボタン）。これら操作スイッチ群１０７およびリモコン端末１１２によって、種々の指示を入力することが可能である。

操作スイッチ群１０７およびリモコン端末１１２の他に、音声認識ユニット１３０を用いて種々の指示を入力することも可能である。これは、音声認識ユニット１３０に接続されるマイク１３１から音声を入力することによって、その音声信号を周知の音声認識技術により音声認識処理して、その結果に応じた操作コマンドに変換するものである。

情報系ＥＣＵ５１は、ＣＰＵ１８１、ＲＯＭ１８２、ＲＡＭ１８３、前述のフラッシュメモリ１０９、入出力部１８４がバス５１５により接続されたマイコンハードウェアを主体とするものである。ＨＤＤ１２１はインターフェース１２９ｆを介してバス接続されている。また、地図やナビ操作画面を表示する描画情報に基づいて、モニタ１１０に画像出力する機能を担う描画ＬＳＩ１８７と、描画処理用のグラフィックメモリ１８７Ｍとが同様にバス接続され、前述のモニタ１１０がこれに接続されている。ＣＰＵ１８１は、フラッシュメモリ１０９に記憶されたナビソフトウェア１０９ａおよびデータにより制御を行なう。また、ＨＤＤ１２１へのデータの読み書きの制御はＣＰＵ１８１によって行なわれる。

ＨＤＤ１２１には、道路データを含む地図データ２１ｍと、目的地データや目的地の案内情報からなるナビデータ２１ｄとが記憶されている。また、出力履歴データ２１ｄとコンテンツデータ２１ｕも記憶されている。これらのデータは、操作スイッチ群１０７およびリモコン端末１１２の操作あるいは音声入力によって内容の書き換えが可能である。また、外部情報入出力装置（地図データ入力器）１０６を用いて記憶媒体１２０からデータを読み込んでＨＤＤ１２１の内容を更新することも可能である。なお、本実施形態では、通信インターフェース１２６を介して、情報系ＥＣＵ５１が車内ネットワークをなすシリアル通信バス１２７に接続され、ボデー系ＥＣＵやエンジン制御ＥＣＵ（図示せず）などの、車内の他の制御装置との間でデータの遣り取りを行なうようになっている。

また、シリアル通信バス１２７にはインターネット接続用の無線送受信部を有した通信ＥＣＵ１９０（無線アクセス手段）が接続されている。フラッシュメモリ１０９にはブラウザソフトウェア１０９ｄが搭載されており、ＵＲＬの指定により、通信ＥＣＵ１９０を介して対応するウェブサイトをなすコンテンツ提供サーバー（情報提供サーバー）５００（図２９）にアクセスし、コンテンツファイルの閲覧を行なうことができる。ファイル内容（つまり、ホームページの内容）は、画像（動画及び静止画）についてはモニタ１１０から、音声については、アンプ１２５を介してスピーカ１１５から出力される（被提供情報出力手段）。また、フラッシュメモリ１０９には、興味分析ソフトウェア１０９ｂ、キーワード辞書１０９ｃ及び人工無脳エンジン１０９ｅが格納されている。詳細については後述する。

モニタ１１０はカラー液晶表示器により構成されており、その画面には位置検出器１０１から入力された車両の現在位置マークと、ＨＤＤ１２１から入力された地図データ２１ｍと、さらに地図上に表示する誘導経路等付加データとを重ね合わせて表示する。また、前述のごとくタッチパネル１２２が重ね合わされており、必要に応じて、目的地設定、表示設定、種々の機能呼び出し、画面切替操作等のための機能ボタンも表示する。

カーナビゲーションシステム５３４は、情報系ＥＣＵ５１のＣＰＵ１８１によりナビプログラム２１ｐが起動される。運転者は、操作スイッチ群１０７あるいはリモコン端末１１２の操作あるいはマイク１３１からの音声入力によって、目的地データベース２１ｄから所望の目的地を選択する。例えば、モニタ１１０上に表示されるメニューから目的地経路をモニタ１１０に表示させるための経路案内処理を選択した場合、次のような処理を実施する。即ち、運転者がモニタ１１０上の地図あるいは目的地選択画面に基づいて目的地を入力すると、ＧＰＳ受信機１０５から得られる衛星のデータに基づき車両の現在位置が求められ、該現在位置から目的地までの最適な経路を求める処理が行われる。そして、モニタ１１０上の道路地図に誘導経路を重ねて表示し、運転者に適切な経路を案内する。このような自動的に最適な経路を設定する手法は、ダイクストラ法等の手法が知られている。また、モニタ１１０およびスピーカ１１５の少なくとも一方によって、操作時のガイダンスや動作状態に応じたメッセージの報知を行なう。

図３０は、目的地データベース２１ｄの内容を示すもので、各目的地の所在地情報に、個々の目的地を特定するためのＩＤとともに、分類情報及びキーワード群が付与されている。キーワードは、ユーザーの興味特定に使用するキーワード群、すなわち、キーワード辞書１０９ｃ（図２８）に登録されているキーワード群から、個々の目的地との関連性の深いものが複数個別に選定されている。

一方、分類情報は、ジャンルコードとサブ分類コードとを含む。ジャンルコードは、目的地をなす施設を、その種別により分類するもので、「飲食店」、「娯楽施設」、「公園」、宿泊施設、「道路関連サービス施設」、「コンビニエンスストア」、「スーパーマーケット」などに分かれている。このうち、「飲食店」、「道路関連サービス施設」、「コンビニエンスストア」、「スーパーマーケット」などが、飲食可能施設として位置付けられる。

また、各ジャンルコードには、それぞれのジャンルコードに適合したサブ分類コードが付与されている。「飲食店」の場合、「もてなし」効果を考慮して、ユーザーの体調や精神状態と関連付けた目的地選択が可能となるように、サブ分類コードの種別が考慮されている。すなわち、体調良好で食欲もあり（特に、青年／壮年など）、空腹が進んだ場合に選択すべき飲食店には、満腹感を優先したサブ分類コード（「がっつり・こってり系」）が付与されており、体調がそれほどでもなく食欲についても淡白な状態（特に、女性など）、精々小腹が空いた程度の状況で選択すべき飲食店には、軽めの食事を優先したサブ分類コード（「かるーく・あっさり系」）が付与されている。また、倦怠感が進み、気分転換が望ましい状況や、カップルなどでムードを盛り上げたい場合に選択すべき飲食店には、雰囲気重視の食事を優先したサブ分類コード（「シック・おしゃれ系」）が付与されている。また、一般的な料理種別（「和食・寿司」「中華・ラーメン」「洋食・カレー」）に基づくサブ分類コードも別途付与され、適宜選択できるようになっている。

一方、娯楽施設（あるいは観光スポット）や公園などの、レクリエーションないしエンターテインメント系のサービス提供施設についても、ユーザーの体調や精神状態と関連付けた目的地選択が可能となるように、サブ分類コードの種別が考慮されている。すなわち、体調良好で、陽気で活動的なサービスを欲している場合（特に、青年／壮年など）に選択すべき施設には、体力的あるいは精神的な発散を優先したサブ分類コード（「元気一杯スポット」）が付与されており、体調がそれほどでもないか疲れている場合（特に、女性など）には、体力消耗抑制を優先したサブ分類コード（「リラックス・いやし系」）が付与されている。また、カップルなどでムードを盛り上げたい場合に選択すべき施設には、雰囲気重視のサブ分類コード（「ラブラブスポット」）が付与されている。

他方、「道路関連サービス施設」は、「サービスエリア」、「パーキングエリア」、「道の駅」及び「ドライブイン」のサブ分類コードが付与されている。

また、目的地データベース２１ｄには、各施設（目的地）の内容説明情報（施設内容情報）が対応付けて記憶されており、図４５に示すように、選んだ目的地に対応する内容説明情報を画面上に出力（あるいは音声出力）することで、目的地確定前にその内容確認ができ、選択の一助とすることができる。

次に、ＨＤＤ１２１内の出力履歴データ２１ｄは、現在に至る過去一定期間（例えば、１〜５年間）内、あるいは一定数（例えば３０〜３００）の目的地訪問（行先）履歴を、図４１に示すように、訪問日、ユーザー名、分類、及び訪問頻度と対応付けて記録・蓄積するものである。出力履歴データ２１ｄの更新タイミング（例えば、目的地訪問（行先）履歴を出力履歴データ２１ｄ内に書き込み、あるいは既存の目的地の場合訪問頻度をインクリメントするタイミング）は、カーナビゲーションシステムによる当該目的地までの案内が終了した時点で行なうとよい。また、ユーザーの特定は、車室内座席別に設けられたカメラにより、各座席のユーザーの顔を撮影し、その撮影画像を用いた周知の顔認証技術により実施することができる。この場合、ユーザーは、フラッシュメモリ１０９等に形成された登録部に顔画像とユーザー名とを事前に登録しておく必要がある。

また、ＨＤＤ１２１内のコンテンツデータ２１ｕには、訪問済みの目的地と関連を有するウェブサイトの閲覧済（つまり、ダウンロード済）のコンテンツファイルが蓄積されており、随時閲覧できるようになっている。また、図示はしていないが、ウェブサイトのコンテンツファイルとは別の映像データや音楽再生データなども、ユーザーの興味を反映したキーワード群や目的地名と対応付けて被提供情報としてコンテンツデータ２１ｕ内に用意されている。

フラッシュメモリ１０９に格納されている音声認識ソフトウェア（音声認識手段）１０９ｂは、ユーザーがマイク１３１から入力する音声言語を、隠れマルコフモデルを適用した周知のアルゴリズムにより文字変換する処理を行なうものである。具体的には、音声認識の結果として得られた文字列は周知の形態素解析手法に従い単語分解された形で認識される。

他方、人工無脳エンジン１０９ｅは会話支援手段の中核をなすものであり、参照キーワード辞書１０９ｇと応答文雛型と１０９ｈとからなる会話支援ベースデータを有する。参照キーワード辞書１０９ｇには、会話支援用に予め定められた複数の参照キーワードが登録されている。人工無脳エンジン１０９ｅは、ユーザーによる会話入力内容を形態素解析し、この参照キーワード辞書１０９ｇと照合することにより、文字列マッチングした単語を参照キーワードとして抽出する。

応答文雛型１０９ｈは、誘導用キーワードの挿入空白部を有した会話文データであり、参照キーワードと対応付けた形で複数記憶されている。人工無脳エンジン１０９ｅは、ユーザーによる会話入力がなされる毎に該応答文雛型記憶部から応答文雛型を順次読み出し、当該応答文雛型の挿入空白部に、抽出された参照キーワードもしくはキーワード辞書内にて当該抽出された参照キーワードと予め関連付けられている別の参照キーワードを、ユーザーの次の会話入力を誘導するため誘導用キーワードとして挿入し、ユーザーによる次の会話入力を誘導するための誘導会話応答文を作成する。作成された誘導会話応答文はスピーカ１１５から出力される（誘導会話応答文作成出力手段）。

人工無脳エンジン１０９ｅは、ユーザーによる会話入力内容を形態素解析し、この参照キーワード辞書１０９ｇと照合することにより、文字列マッチングした単語を参照キーワードとして抽出する。このとき、単語配列の文法的なロジックや修飾関係を特定する構文解析は特に行なわない。つまり、人工無脳エンジン１０９ｅは、文字列マッチングと、その文字列、すなわち参照キーワードと事前に対応付けられた応答文雛型１０９ｈの読み出しと、その応答文雛型１０９ｈへの、上記参照キーワードと事前に対応付けられた誘導用キーワードの補充のみで機能する自動チャットプログラムとして機能するものである。

上記参照キーワード辞書１０９ｇ及び応答文雛型１０９ｈからなる会話支援ベースデータは、予め定められた会話支援シーンに応じて異なる内容のものが複数組用意されている。人工無脳エンジン１０９ｅは、会話支援シーンの到来は、以下に説明する種々の方法により検出され、特定された会話支援シーンに応じて会話支援ベースデータが対応するものに切り替えて使用される。なお、会話支援ベースデータは、季節に応じて内容の異なるものが用意されている。

また、フラッシュメモリ１０９には、会話支援シーン毎に用意された会話きっかけフレーズ１０９ｉ（会話支援ベースデータに組み込まれている）が記憶されており、会話支援シーンの到来が検出されるに伴い、対応する会話きっかけフレーズを読み出してスピーカ１１５から出力される。つまり、会話支援シーンの到来に合わせ、会話きっかけフレーズをシステム側から自発的に出力することで、当該シーンでのユーザー興味対象をいち早く特定することが可能となり、タイムリーな情報提供を行なうことができる。

会話支援シーンとして、本実施形態では、自動車の始動シーン、ユーザーの空腹シーン、疲労シーン及び気分転換シーンを特定する場合について例示する。このうち、自動車の始動シーンについいてはイグニッションスイッチの操作状態を監視することにより特定が可能である。また、ユーザーの疲労シーンについては、既に説明した体調ないし精神状態の検出により特定することが可能である。さらに、空腹シーンについては、後述するごとくエネルギー管理と食事コアタイムの計時により特定が可能である。始動シーンでは、最終訪問地に係る興味対象情報をユーザーから引き出すための会話支援ベースデータに切り替える。空腹シーンでは、食事内容に係る興味対象情報をユーザーから引き出すための会話支援ベースデータに切り替える。さらに、疲労シーンでは、休息活動内容に係る興味対象情報をユーザーから引き出すための会話支援ベースデータに切り替える。

図３１は、会話支援データベースの選択・切替処理の一例を示すフローチャートである。ＳＳ１６０１では、イグニッションスイッチがＯＮになったかどうかを確認する。ＯＮになれば始動シーンが到来したと判定し、ＳＳ１６０２でタイマーを起動する。次に、ＳＳ１６０３では、後述の食事フラグＦ_Ｍが「１」（空腹シーンの到来を示す）になっているかどうかを確認する。Ｆ_Ｍ＝「０」のときは空腹シーン非到来であり、始動シーンを優先してＳＳ１６０４に進み、図１４にて説明した手法により特定された体調ないし精神状態を取得する。次いで、ＳＳ１６０５では、その体調ないし精神状態に適合する始動シーン用の会話支援データベースを選択し、会話きっかけフレーズを出力する形で人工無脳エンジンを始動する。他方、Ｆ_Ｍ＝「１」のときは空腹シーンが到来したと判断し、別ルーチン処理で対応するためにＳＳ１６０４及びＳＳ１６０５をスキップする。

次に、ＳＳ１６０６では、シーン推移を見込んで設定された一定のインターバル期間（例えば３０分〜１時間）だけ待機する。そして、ＳＳ１６０７に進み、再び食事フラグＦ_Ｍをリードする。Ｆ_Ｍ＝「０」のときは空腹シーン非到来であり、ＳＳ１６０８に進んで再び体調ないし精神状態を取得する（Ｆ_Ｍ＝「１」のときは空腹シーンが到来したと判断し、別ルーチン処理で対応するためにＳＳ１６０８〜ＳＳ１６１１をスキップする）。そして、ＳＳ１６０９では、取得した体調ないし精神状態を、前回取得した体調ないし精神状態と比較して、非疲労状態から疲労状態へ転じたかどうかを確認する。疲労状態へ転じた場合は疲労シーンが到来したと判断し、ＳＳ１６１３に進んで疲労シーン用の会話支援データベースを選択し、会話きっかけフレーズを出力する形で人工無脳エンジンを始動する。

一方、疲労状態でない場合はＳ１６１０に進み、前回の人工無脳エンジン始動から一定時間（例えば、前述のインターバル期間（３０分〜１時間））経過しているかどうかを判定し、経過していれば気分転換シーンが到来したと判断し、ＳＳ１６１１に進んで気分転換シーン用の会話支援データベースを選択し、会話きっかけフレーズを出力する形で人工無脳エンジンを始動する。Ｓ１６１０で、該一定期間が経過していない場合はＳＳ１６１１をスキップする。ＳＳ１６１２ではイグニッションスイッチがＯＦＦになったかどうかを確認し、ＯＦＦになっていなければＳＳ１６０７に戻って以下の処理を繰り返す。また、ＯＦＦになっていれば処理を終了する。

なお、上記の例では、イグニッションスイッチがＯＮになったかどうかで始動シーンの到来判定を行なっているが、携帯機等を用いた車外からの遠隔操作や、もてなしシステムによる事前設定や自動車へのユーザーの接近検知等により、自動車を自動始動させる態様もありえる。この場合は、イグニッションスイッチＯＮと、ユーザーの車室内検知とが同時に成立した場合に始動シーンが到来したと判定するのが妥当である。

次に、空腹シーンの到来と、この場合に実行される上記別処理の流れについて説明する。ユーザーは、空腹になれば、無口になったりいらいらしたりするなど、外部から検知可能なシグナルも多数現れる。これを、上記の生体情報として検知することも全く不可能というわけではないが、実際には、空腹ではない単なる体調不良や、精神的に落ち込んでいるだけの場合などとの適確な識別が難しいことがある。この場合、自動車側に計時手段（いわゆる、「時計」である：本実施形態では、図３３のカレンダクロック１５３が使用されるが、これに限定されるものではない）を設け、該計時手段が取得する時刻情報に基づいて予め定められた食事時刻の到来を判定し、該食事時刻到来に係る判定結果を空腹度情報として活用することができる。また、ユーザーの食事後の経過時間を計測し、該食事後経過時間を空腹度情報として活用してもよい（これを、上記時刻情報に基づいて食事時刻の到来を判定する構成と併用することももちろん可能である）。

この実施形態では、空腹度情報を肉体エネルギー情報として、図３２に示す流れに従い管理処理を行なう（エネルギー管理処理）。この処理は、図２８に示すカーナビゲーションシステム５３４のＥＣＵ５１が、イグニッションスイッチがオンになることをトリガとして、図３１の処理と並列に実行される。ＳＳ１４０１は、ユーザーが自動車を利用開始する際の持ちエネルギーを設定する初期設定処理である。図３２にその詳細を示す。まず、ＳＳ１５０１ではイグニッションスイッチがＯＮであるかどうかを確認する。ＳＳ１５０２では、それがその日最初のエンジン始動かどうかを確認する（カレンダクロック１５３による時刻モニタリングにより可能である）。ＹｅｓであればＳＳ１５０３に進み、食事フラグＦ_Ｍ（食事済み確認情報）と食事管理タイマー（食事完了判定用計時手段）をリセットする。食事フラグＦ_Ｍは「０」であれば未食事を、「１」であれば食事済みであることを意味する。

ＳＳ１５０４では、カレンダクロック１５３から現在時刻Ｔ_Ｃを取得する。そしてＳＳ１５０５〜ＳＳ１５０７では、現在時刻Ｔ_Ｃが朝食コアタイム（５：００〜１０：００、朝食基準時刻は、例えば８：００とする）、昼食コアタイム（１１：００〜１４：００、昼食基準時刻は、例えば１２：３０とする）、夕食コアタイム（１７：００〜２２：００、夕食基準時刻は、例えば１９：００とする）のいずれかに入っていないかどうかを確認する。つまり、一般人であれば食事を行なう蓋然性の高い時間を、上記のように食事コアタイムとして決めておき、現在時刻Ｔ_Ｃがその食事コアタイムに入っているかいないかに基づいて、食事案内タイミング到来の判定を行なうようにするのである。

現在時刻Ｔ_Ｃがいずれの食事コアタイムに入っていない場合は、前回の食事コアタイム内での食事以降は、現在まで食事をしていないものとみなし、ＳＳ１５０８に進んで食事フラグＦ_Ｍは「０」とする。そして、ＳＳ１５０９では、前回の食事コアタイムの基準時刻Ｔ_Ｍを推定食事時刻と定めて、現在時刻までの経過時間ΔＴ＝Ｔ_Ｃ−Ｔ_Ｍを計算する。そして、ＳＳ１５０９では、持ちエネルギーＥを、Ｅmax−Ａ・ΔＴ（Ａはエネルギー消耗係数）により計算し、設定する。

Ｅmaxは、ユーザーが空腹状態で満腹するまで食事したときに得られるエネルギーの値として定める。Ｅmaxの設定値自体は任意であってよいが、この場合、単位時間当たりのエネルギー消耗量を示すエネルギー消耗係数Ａを、次の食事の直前には予め定められた最小エネルギーＥminまで減少するように定める必要がある。例えば、基準時刻１２：３０に昼食完了後、基準時刻の３０分前（食事中時間を意味する）である１８：３０に夕食をとり始めたと考え、その夕食直前の最小エネルギーＥminを０．４Ｅmaxとなるように定めたとき、エネルギー消耗係数Ａは、０．１Ｅmaxに定めればよい。なお、Ｅmax、Ｅmin及びＡは、朝食→昼食→夕食→朝食のサイクルで、食時間インターバルも、空腹度もそれぞれ異なることから、どの食事間インターバルになっているかに応じて、Ｅmax、Ｅmin及びＡの値を各々固有の異なる値に設定することも可能である。

一方、現在時刻Ｔ_Ｃがいずれかの食事コアタイムに入っていた場合はＳＳ１５１０に進む。このとき、ユーザーは食事を済ませてから自動車に乗り込んできたのかも知れないし、食事をとらずに、自動車に乗り込み、走り始めたらすぐにどこかで外食しようと考えているのかもしれない。こういうことは、普通、ユーザーに質問で確認しなければわからない事項である（一般社会でも、食事時にもてなすべき来客があれば、「食事はまだですか？」などと聞いて確かめるのが常識であろうし、気遣いというものである）。

そこで、ＳＳ１５１０では、ユーザーに食事済みであるか否かを確認する質問をスピーカ出力する。この質問は、音声による質問でもよいし、モニタ１１０へ文字等で出力する形でもよい。回答も、音声による直接回答としてもよいし（この場合は、音声認識による回答内容把握が必要である）、タッチパネル１２２等の入力部からの手入力による回答であってもよい。回答結果が「食事まだ」であれば、ＳＳ１５１２に進んで持ちエネルギーをＥminにセットし、ＳＳ１５１３で食事フラグをＦ_Ｍ＝「０」（未食事）にセットする。また、回答結果が「食事済」であれば、ＳＳ１５１９に進んで持ちエネルギーをＥmax（基準時刻の経過分に対応するエネルギー消耗量Ａ・ΔＴを減算しておいてもよい）にセットし、ＳＳ１５１３で食事フラグをＦ_Ｍ＝「１」（食事済み）にセットする。

次に、ＳＳ１５０２で、ＳＳ１５０１で検知したエンジンの始動が、その日最初の始動でなかった場合は、ユーザーが目的地の途上で自動車を一旦駐車し、何らかの所用で自動車を離れて再び戻ってきてエンジンを始動した場合に相当する。この場合、その駐車が食事のための駐車であった可能性もある。もちろん、ＳＳ１５１０と同様に、この場合も食事済かどうかの質問を同様に実施し、回答結果により判定する方法も可能である。しかし、自動車が駐車される度に「食事済みかどうか」を機械的に質問されるのは不快な場合もある。そこで、本実施形態では、ＳＳ１５１４で食事フラグＦ_Ｍの内容をリードする。「１」であれば、前回のサイクルで既にＳＳ１５２０に至る処理が実施されていることを意味し、エネルギーの値も更新済みであるから、何もせずに処理を抜ける。

一方、「０」である場合は、図２９の主処理側にて後述するごとく、カーナビゲーションシステム側に食事施設が目的地設定されているはずであり、自動車の現在位置から上記の駐車がその食事施設での駐車か否かを容易に判定できる。そして、食事管理タイマーは、後述のごとく、その食事施設への到着を確認できた段階で計時開始するので、ＳＳ１５１６では、その食事管理タイマーの状態をリードする。ＳＳ１５１７で、その食事管理タイマーの計測時間が、食事完了に対応するＴ_Ｍ以上の値を示している場合はＳＳ１５１８に進んで食事管理タイマーをリセットし、ＳＳ１５１９に進んで食事済み判定時の前述の処理を行なう。他方、Ｔ_Ｍ未満の値（ゼロを含む）になっているときは、エネルギーの値は更新済みであり、何もせずに処理を抜ける。

図２９に戻り、上記のようにして持ちエネルギーの初期設定が終了すれば、ＳＳ１４０２で現在時刻Ｔ_Ｃを取得し、ＳＳ１４０３では前回時刻Ｔ_Ｒ（例えば、前回サイクルで現在時刻Ｔ_Ｃとして取得された時刻である）を取得する。ＳＳ１４０４では、その時間差δＴ＝Ｔ_Ｃ−Ｔ_Ｒを計算し、ＳＳ１４０５では、持ちエネルギーＥからδＴ巻の消耗エネルギー分を減算して更新する。そして、ＳＳ１４０６では食事フラグＦ_Ｍをリードする。

ＳＳ１４０７では、既にカーナビゲーションシステムで食事施設の目的地設定が行なわれ、案内開始に移行しているかどうかを確認する。Ｎｏの場合は、食事フラグＦ_Ｍの値を確認し、「０（未食事）」であればＳＳ１４０９に進んで、現在時刻Ｔ_Ｃが前述の食事コアタイム内かを確認する。コアタイム内であれば空腹シーン到来と判定してＳＳ１４１２に進み、空腹シーン用の会話支援データベースを選択し、会話きっかけフレーズを出力する形で人工無脳エンジンを始動する。この場合の会話支援データベースは、本格的な食事に係る興味対象情報をユーザーから引き出すのに好都合となるよう、内容が定められている。

その後、ＳＳ１４１４では、あとで詳述するように、人工無脳の誘導によりユーザが入力した内容をキーワード分析し、分析結果に適合する食事関連施設をリストアップして候補表示する。ＳＳ１４１５では、ユーザーはこれを参照して所望の食事関連施設を選択する。なお、朝食、昼食及び夕食の種別に応じて、食事関連施設を分類しておき、現在の食事コアタイムに適合する食事関連施設を選択して検索することが可能である。

一方、ＳＳ１４０７にて（前の処理周期で）既に食事関連施設の目的地設定が既に終了している場合は、以下ＳＳ１４１５までの処理はスキップする。また、ＳＳ１４０８で食事フラグＦ_Ｍが「１」（食事済み）の場合、あるいは、ＳＳ１４０９で現在時刻Ｔｃが食事コアタイム外であった場合には、ＳＳ１４１０に進んで現在のエネルギーＥの値を確認する。乗り物に乗車中は平時よりも空腹が進行しやすい傾向にもあるし、昼食から夕食までのインターバルは長く、おやつを取る人も多い。また、夕食後、深夜走行を長く継続する場合も、次の朝食までには長時間あり、夜食を食べたくなることもある。さらに、何らかの理由により食事が不規則になった場合は、食事コアタイム外に食事が必要となることもある。そこで、全体時刻からは推定できない空腹状況を、食事後の経過時間を基本としたエネルギーＥの値により判断し、空腹と判定されば食事施設に導く処理を同様に行なうのである。

本実施形態では、そのエネルギーＥの閾値Ｅｍ，Ｅｓ（Ｅｍ＜Ｅｓ）を複数段階に設定しており、ＳＳ１４１０でエネルギーＥがより低い側の第一閾値Ｅｍよりも小さくなった場合には、ＳＳ１４１２〜ＳＳ１４１５の流れにて、本格的な食事関連施設（例えば、レストランなどの一般食事提供施設や、該施設が設置されているサービスエリアなど）に導く処理を行い、それよりも高い第二閾値Ｅｓと上記第一閾値Ｅｍとの間の値となった場合（ＳＳ１４１１）は、ＳＳ１４１３にて空腹シーン用の会話支援データベースを選択し、会話きっかけフレーズを出力する形で人工無脳エンジンを始動する。この場合の会話支援データベースは、軽食に係る興味対象情報をユーザーから引き出すのに好都合となるよう内容が定められている。以下、Ｓ１４１４及びＳ１４１５の前述の処理が順次実行される。エネルギーＥが食事不要と判定するための閾値（ここでは第二閾値Ｅｓ）よりも高い場合には、食事関連施設に導く処理は特に行なわない。なお、ＳＳ１４２０で現在時刻が食事コアタイム外だった場合は食事フラグＦ_Ｍを「０」（未食事）にリセットする。

このようにして施設が目的地として設定されれば、ユーザーは周知のカーナビゲーションプログラム処理による案内表示に基づいて運転を継続する。そして、ＳＳ１４１７では、選んだ施設に到着したかどうかを判定する。到着していればＳＳ１４１８に進み、食事管理タイマーを起動する（到着していなければＳＳ１４１８をスキップする）。そして、ＳＳ１４１９でＩＧ信号がＯＮのままであればＳＳ１４０２に戻り、以下の処理を繰り返す。一方、ＩＧ信号がＯＦＦであれば、そのサイクルのエネルギー管理処理を終了する。前述のごとく、食事管理タイマーは食事施設への到着後に起動し、次にエンジン始動されたとき（ＩＧ信号がＯＮになったとき）、図３３のＳＳ１５１６〜ＳＳ１５２０の処理により、一定時間以上が経過していれば食事完了と判定されるようになっている。

以下、各会話誘導シーンでの会話誘導の実例について説明する。まず、始動シーンでは、最終訪問地に係る興味対象情報、つまり、大まかにユーザーがどこへ行きたいと考えているか、をユーザーから引き出すための会話支援ベースデータが使用される。図２９にこの場合の対話例を示している（ＣＢが人工無脳、ＤＶがユーザーを表す）。最初の一行が会話きっかけフレーズであり、これを含めて会話支援ベースデータは、季節に応じて異なるものが使い分けられる。季節の特定は、当然、カレンダクロック１５３の計時内容を参照することで可能となる。

例えば、季節が冬であれば、人工無脳ＣＢは
＜お早よう。寒いわね。＞
などと、今が冬であることに適合した会話きっかけフレーズを選択して出力する。また、これ以外にも、
＜明日も休みだし、寒さを吹っ飛ばして遊びに行こうよ。＞
＜待ってたわ‥。凍えそうなこんな日は、私を早く暖めて‥。＞
など、種々の会話きっかけフレーズを用意しておき、乱数を参照してランダムにこれを選択することが可能である。

応答文雛型は、例えば一定のシナリオに従い固定的に配列されたものを順次出力してもよいが、ワンパターンなのですぐに飽きられる可能性がある。この問題は、複数の応答文雛型をグループにして、そのグループを一定のシナリオに従い配列し、グループ毎に応答文雛型をランダムに選択するようにしておけば多少緩和することが可能である。しかし、シナリオが固定されていることに変わりはないので、シナリオから外れた方向に会話が進んでしまった場合は収拾不能の状態にも陥りかねない。

これを解決するために、入力と出力の組合せを辞書として記憶しておき、入力文字列の中に特定の参照キーワードがあるかどうかを調べ、辞書に従って応答文雛型を選ぶ手法がある（「辞書逆引き型」と称される）。大きな辞書を用意すれば、様々なシチュエーションに対応できるようになる。なお、辞書に載っている言葉がひとつもなかった場合はどうとでも取れる返事を適当に返すようにしておく。この適当な返事にバリエーションを持たせることで何とか単調にならないように工夫するわけである。

ユーザーＤＶは、これを真に受けて、あまり詮索せずに自然に答えるのがよい。例えば、季節の話題で振られたら、季節の話題で返すのが妥当である。例えば、
＜いよいよ冬だね。＞
と答えると、人工無脳ＣＢは、この「冬」を参照キーワードとして抽出し、例えば同じ参照キーワードを含んだ誘導会話応答文を作成して返す（図中では、参照キーワードに二重線を付与している）。具体的には、「冬」と対応付けた応答文雛型として、
＜「 」になってうれしい？＞
が対応付けて記憶されており、その空白部分「 」に参照キーワードとして抽出した「冬」をそのまま誘導キーワードとして挿入して、
＜「冬」になってうれしい？＞
という誘導会話応答文を作成し出力する。

すなわち、ユーザーＤＶが発言した特定の単語「冬」がそのまま織り込まれる形で応答文が返されるので、ユーザーＤＶは、自動車が自分のしゃべった内容をあたかも理解しているのかと錯覚し、例えば、これに応じる形で、
＜うれしいね、スキーがしたいな。＞
と答えたとする。すると、今度は「スキー」が参照キーワードとして抽出される。このように、人工無脳の場合、キーワード抽出のための文字列マッチングと、キーワードに対応付けられた応答文雛型の選択だけで会話を進めてゆく。

なお、こうした単純なシステムでは、辞書を充実させればさせるほど個々の項目にヒットする確率が低下し、例えば適当な返事が多用されすぎる懸念がある。また、抽出されたキーワードに対する選択肢の数が増えすぎると（いわゆる、フレーム問題あるいは可能性爆発とも呼ばれる）、適正な応答文雛型や誘導キーワードが選択される確率が急速に減少し、目的とする方向に会話を維持できなくなる懸念もある。その結果、的外れな発言の繰り返しの中で、ユーザの会話へのモチベーションが低下してしまうことにつながる。従って、人工無脳エンジンは、会話の方向性がぶれないように、目的地絞込みを主導するための質問項目を含んだ応答文雛型を１ないし複数ターン繰り返し、ユーザーから適切な応答を引き出すように構成しておくことが望ましい。例えば、前述のユーザーの発言；
＜うれしいね、スキーがしたいな。＞
において、「スキー」は目的地を絞り込むのにかなり有効なキーワードであるが、例えば、スキー場にいきたいと思っているのか、スキーに出かける準備をしたいのかなど、ユーザーＤＶが興味を持つ目的地を正確に特定するには、まだ不十分な状態である。

図２８では、上記「スキー」のように、レクリエーション系の参照キーワードキーワード群に対応付けて記憶されている、
＜わたしも「 」大好き。「 」で何が大事？＞
という応答文雛型を読み出す。空白部分には、ここでも抽出された参照キーワードがそのまま挿入される。すると、誘導会話応答文は、
＜わたしも「スキー」大好き。「スキー」で何が大事？＞
となる。

ここでは、＜「スキー」で何が大事？＞の部分が質問項目を形成しており、この質問に対する回答に含まれる参照キーワードの種別によって、次に使用する応答文雛型が分岐するようになっている。具体的には、「雪」、「道路」など、移動手段に関係する参照キーワード群の場合は、
＜まあ、「 」だなんて。まじめに答えて。「 」と車で何が大事？＞；
「道具」、「板」、「スキーウェア」など、用具や携行品に関係する参照キーワード群の場合は、
＜「 」を買うの？新しいの持ってないんだ？＞；
「スキー場」、「ホテル」、「宿」、「温泉」など、行き先に関係する参照キーワード群の場合は、
＜「 」って、今から行くの？うっそー、マジ？＞
などである。

ここでは、ユーザーは、
＜そりゃー、雪だよ＞
と答えているので、誘導会話応答文として、
＜まあ、「雪」だなんて。まじめに答えて。「雪」と車で何が大事？＞
となる。以下、
ＤＶ：＜タイヤだな＞
ＣＢ：＜「スタッドレス」に替えた？＞
と続く。こうして、ユーザーが「タイヤ交換」に興味を持っており、タイヤ購入に関係したキーワードが蓄積され、話題（目的地）が次第に絞り込まれてゆくことになる。

話題が絞り込まれれば、ユーザーが発言するたびに、
＜あなた、「 」のこと詳しいのね。それで、それで？＞
＜それ、すっごい興味ある。「 」についてもっと教えて＞
など、ユーザー発言に共感して発言続行を促す内容の応答文雛型を、合いの手を挟む形で出力し続けることも有効である。つまり、話題がある程度具体化したところでユーザーに粛々と語らせることで、上述する興味特定キーワードの蓄積量を充実させることができる。

また、会話（チャット）のログを記録しておき、このログに従って応答文雛型選択の学習を行なうことも有効である。ログを読めば、会話の中で行なわれたやり取りを後から追跡できる。この場合、質問の次の行には返事が記録されている確率が高いので、入力文字列とログの文字列を比較し、予め定められた方法で相関係数を計算するとともに、相関が最も高いユーザー発言の次にくる応答文雛型を返答とする形で学習を進めることができる。

以下、応答文雛型選択のアルゴリズムについて、採用可能な方法をさらに説明する。図３４は、季節が夏の場合の会話例を示す。ここでの会話きっかけフレーズは、
＜暑いわねえ‥。外へ出るのもいやになるでしょ？＞
であり、ユーザーの応答は、
＜いやあ‥。子供が海へ行きたいっていうし。＞
である。この場合、「行きたい」という訪問意思を反映した参照キーワードが発言の中に含まれていることで、これに対応付けて目的地を具体的に紹介する
＜この辺だと、「 」かしらね。＞
＜それなら、「 」が近いわよ。＞
などの応答文雛型が用意されている。さらに、その目的地のジャンルを具体的に特定する「海」が参照キーワードに含まれていることで、前述のカーナビゲーションシステム５３４の機能を利用し、現在地から一定距離内にある当該のジャンルの目的地候補を目的地データベース２１ｄ内で検索し、これを「海」＋「行きたい」という、目的地ジャンルキーワードと訪問意思反映キーワードとに複合して関連付けられた誘導キーワード（ここでは、「高潮海岸」）として応答文雛型に挿入している。その結果、
＜この辺だと、「高潮海岸」かしらね。＞
という誘導会話応答文が出力されている。

ユーザーは、これに対し、
＜高潮海岸は去年行なったよ。＞
と、返答を返している。このうち、過去の訪問実績を反映した「去年」「行った」という２つの参照キーワードが抽出され、これに関連付けて、代替目的地を紹介するための応答文雛型として、
＜じゃあ、「 」は？＞
が選択され、代替目的地候補を図３０の目的地データベース２１ｄ内で検索し、これを誘導キーワード（ここでは、「芋洗いビーチ」）として応答文雛型に挿入する。その結果、
＜じゃあ、「芋洗いビーチ」は？＞
という誘導会話応答文が出力されている。

なお、代替目的地候補を検索する際に、図４１に示す出力履歴データ２１ｄを参照し、過去に訪問した目的地の優先度を下げて検索を行なうことも可能である。例えば、直近一定期間（例えば１〜３年）以内に訪問している目的地は、代替目的地候補から外すようにしてもよく、例えば出力履歴データ２１ｄが図４１に示す状態になっている場合は、図３４の３行目の誘導会話応答文では、目的地候補として「高潮海岸」は採用されなくなる。

以下、同様のやり取りが繰り返されているが、最後から２行目のユーザー発言では、「遠くても」（この他、「足を伸ばして」「時間かかっても」「もっと近くで」など）が目的地検索範囲を変更するための参照キーワードとして、また、「空いてる」（この他、「待たなくてよい」「穴場」「並んでるところ」など）が目的地人気ランキングを特定するための参照キーワードとして抽出されている。前者に対応して、代替目的地候補を目的地データベース２１ｄ内で検索する際の地域範囲を一定距離拡大し、後者に対応して人気ランキングが下位の目的地に絞り込んで、代替目的地候補が検索される。なお、各目的地の人気ランキング情報は、図３０の目的地データベース２１ｄ内にて各目的地に対応付けて記憶しておいてもよいし、自動車と無線通信可能な外部情報提供サーバー（例えば、図２９のコンテンツ提供サーバー５００）から取得してもよい。

次に、図３５は、季節が夏の場合、別の会話例を示す。ここでは、始動シーン到来時のもてなしシステムによる自動車の制御状態（例えば、車室内の制御状態）を受けて、該制御状態に対応する会話きっかけフレーズにより会話を開始する例を示している。具体的には、ユーザーによる事前設定により、もてなしシステムがユーザー乗り込みに先立ってエンジンを始動し、かつエアコンを作動させ、車室内が予冷されている。そして、ユーザーのシートへの着座が検知されると、次のような会話きっかけフレーズが出力されている。
＜中、冷やしといてあげたわよ。＞
自分の行なったサービスを幾分恩着せがましく告げるなれなれしい態度であるが、これがユーザーには世話女房的な親近感を感じさせることにつながる。ユーザーは、
＜いやあ、助かるよ。＞
と礼を述べている。このうち、「助かるよ」（このほか、「すまんなあ」「さすがはおまえだ」「気が利くねえ」など）が、ほめ言葉を表す参照キーワードとして抽出されている。そして、言葉を表す参照キーワードには、ほめられると喜ぶ内容を示す応答文雛型（ただし、空白部分を含まず：従って、そのまま誘導会話応答文を形成する）が対応付けられており、例えば次のような誘導会話応答文が出力される。
＜喜んでくれて私うれしい。＞

もちろん、これをきっかけに自由に会話を継続させるようにしてもよいが、ここでは、目的地情報の引き出しにつながる話題に誘導するため、直ちに、
＜それにしても暑いわよね。＞
という、今日の天候に関する応答文雛型（＝誘導会話応答文）を選択して出力を行なっている。ユーザーは、これを受けて、
＜どこか涼しいところないかな。＞
と答えている。参照キーワードとして「どこか」「涼しいところ」が抽出されている。

ここでは、「どこか」が訪問意思を反映した参照キーワードであり、「涼しいところ」が目的地のジャンルを特定する参照キーワードに相当する。ここでは、応答文雛型として、
＜「 」なら、いろいろ知っているわよ。時間はあるの？＞
が選択され、「涼しいところ」がそのまま誘導キーワードとして挿入され、
＜「涼しいところ」なら、いろいろ知っているわよ。時間はあるの？＞
という誘導会話応答文が出力されている。この応答文雛型の特徴は、ユーザーの欲している許容外出距離に関する情報を引き出すためのフレーズとして、「時間はあるの」（このほかにも、「遠出してもいいのかな？」、あるいは取得した体調情報に応じて「ちょっと疲れてるから、近場にしたら？」や「のりのりの今日は思いっきりドライブしよー」など）が含まれている点である。

ユーザーは、これを受けて、
＜ちょっとドライブしたいな。３時間くらい＞
と答えている。「３時間」が参照キーワードとして抽出されるので「涼しい」に関連付けられた山、川、湖などを主体とする観光地のうち、行き帰りを及び現地滞在時間（予め定められている：例えば１時間）を考慮して（３−１）／２＝１時間以内に収まる目的地候補を目的地データベース２１ｄ内で検索し、その検索結果の一つを誘導キーワード（ここでは、「ドカ雪高原」）として応答文雛型に挿入している。その結果、
＜「ドカ雪高原」なんてどうかしら。夏もいいのよ。「１時間」くらいよ＞
という誘導会話応答文が出力されている。

以上、図３１における始動シーンでの会話誘導例（ＳＳ１６０５）について説明したが、ユーザーの気分転換のために人工無脳は始動後一定時間毎に発動され、類似の会話が誘導されるようになっている（ＳＳ１６１０→ＳＳ１６１１）。つまり、該一定時間が経過する毎に気分転換シーンが到来したと判定されている。

また、上記の例では、会話きっかけフレーズを出力することで、人工無脳エンジン側から会話を開始する形になっていたが、ユーザーの側から人工無脳エンジンを呼び出す発言を行い、会話を開始するようにしてもよい。例えば、人工無脳（あるいは自動車）に対するニックネームを事前に登録しておき（ここでは、例えば「カオリン」とする）、
＜カオリン、ちょっといいかな。＞
など、ニックネームを直接音声入力することで、人工無脳エンジンを割り込み起動させるように構成することができる。

次に、図３６は、疲労シーンでの会話誘導例を示している。会話きっかけフレーズの例としては、疲労（あるいは体調不良を含めてもよい）が軽度の場合は、
＜疲れてない？＞
＜ちょっと休もうか＞
などを例示でき、疲労が重度の場合は、
＜ちょっと休まなきゃだめ＞
＜私、疲れた。休みたいの。わかってるわよね。＞
などを例示できる。このように、検出される疲労の程度に応じて会話きっかけフレーズの内容を異ならせることにより、会話誘導の方向をユーザーの体調に合わせてより適正化することが可能となる。

図３６は疲労が比較的軽度の場合を示しており、会話きっかけフレーズとして、
＜疲れてない？＞
が出力されている。図中左列は、ユーザーから、
＜いやあ、大丈夫だよ＞
という、疲れを否定する発言が返された場合の会話例を示している。疲れの否定を反映した参照キーワードとして「大丈夫」が抽出され、これに対応付けられた応答文雛型（＝誘導会話応答文）として、
＜適当に休んでね＞
が選択され出力されている。会話はあまり進展せずに収束する。

一方、図中右列は、ユーザーから、
＜コーヒーでも飲みたいね＞
という、休息意思を表す発言が返された場合の会話例を示している。休息意思を反映した参照キーワードとして「コーヒー」が抽出され、現在地から一定の近距離（例えば１０ｋｍ以内）に存在する喫茶、軽食、あるいはパーキングエリアやサービスエリアに関連する目的地候補を目的地データベース２１ｄ内で検索し、その検索結果の一つを誘導キーワード（ここでは、「亀山パーキングエリア」）として応答文雛型に挿入している。その結果、
＜「亀山パーキングエリア」が近いわよ＞
という誘導会話応答文が出力されている。

図３７は、空腹シーン（本格的食事：ＳＳ１４１２）での会話誘導例を示す。定型的な会話きっかけフレーズとして、
＜ごはん、まだですよね＞
が出力される。ユーザーは空腹程度を盛り込んだ返答を返すとよい。図面左列では、
＜うん、結構空腹だね＞
という返答が返されている。ここでは、飲食店のジャンルが空腹程度と関連付けて特定されるようになっており、「空腹」が参照キーワードとして抽出され、これに対応して目的地データベース２１ｄにて、満腹感を優先したサブ分類コード（「がっつり・こってり系」）が特定される。このサブ分類コード名が「空腹」と関連付けられた誘導キーワードとして取り込まれ、
＜「こってり、がっつり系」でいきます？＞
という誘導会話応答文が出力されている。

これに対するユーザーの応答は、
＜何でもいいから早く食べたいよ＞
であり、「何でもいい」と「早く」が参照キーワードとして抽出される。ここでは、サブ分類コードが既にシステム側で選択されている状態であり、「何でもいい」はその選択状態を維持する確認用に使用されるキーワードである。そして、「早く」を受けて、現在地から一定の近距離（例えば１０ｋｍ以内）に存在する、選択したサブ分類コード（「がっつり・こってり系」）の飲食店を目的地データベース２１ｄにて検索する。その検索結果の一つを誘導キーワード（ここでは、「てんこもり」）として対応する応答文雛型に挿入している。その結果、
＜じゃあ、ラーメン屋で「てんこもり」でいいですか＞
という誘導会話応答文が出力されている。

一方、図面右列では、
＜そうだね。多少軽めに＞
という返答が返されている。「軽め」が参照キーワードとして抽出され、これに対応して目的地データベース２１ｄにて、軽めの食事を優先したサブ分類コード（「かるーく・あっさり系」）が特定される。このサブ分類コード名が「空腹」と関連付けられた誘導キーワードとして取り込まれ、
＜「かるーく・あっさり系」でいきます？＞
という誘導会話応答文が出力されている。

図３８は、空腹シーン（軽食：ＳＳ１４１３）での会話誘導例を示す。会話きっかけフレーズとして、軽食への誘導に適合した、
＜おやつでも食べたい？＞
が出力される。以下のやり取りは、飲食店のジャンル特定に誘導する流れとなっているが、下から２行目のユーザー発言；
＜近くだとどの辺かな。おもしろいところがあれば。＞
では、人気店やお勧めスポットへの要望を反映した参照キーワードとして、「おもしろい」（このほか、「お勧めは」「いいところ」など）が抽出されている。人気店やお勧めスポットについては、前述の人気ランキング情報に基づいて検索できる。

会話誘導の方向性が的確に絞り込まれていれば、一連の会話の最終段階で入力された特定の参照キーワードから、最終目的地等のユーザー興味対象を直ちに特定できる場合がある。例えば、会話が十分に噛み合いさえすれば、誘導キーワードとして具体的な目的地候補を１ないし複数提示し、これを選択肢としてユーザーに選ばせるようにすればよい。しかし、前述のごとく、ユーザーの発言を構文解析し興味の内容を直接理解する能力については、人工無脳は具備しておらず、上記のように都合よくユーザー興味対象を特定できることのほうが少ないといえる。そこで、会話支援によりユーザーにできるだけ多く発言させ、その入力された一連のユーザーの会話内容を蓄積する（例えば図２８のＲＡＭ１８３に、その蓄積のためのエリアを確保しておく）。例えば音声認識された会話内容をそのまま蓄積してもよいし、人工無脳エンジンに組み込まれた参照キーワード辞書との照合により抽出された参照キーワードを蓄積してもよい。

会話内容をそのまま蓄積する場合、図２８のキーワード抽出ソフトウェア（キーワード抽出手段）１０９ｃは、音声認識された入力内容からユーザーの興味特定に使用する興味特定キーワードを抽出する役割を果たす。フラッシュメモリ１０９（キーワード辞書記憶部）には、興味抽出用に予め選定された興味特定キーワード群を網羅した興味特定キーワード辞書１０９ｄが記憶されている。キーワード抽出ソフトウェア１０９ｃは、単語分解された会話内容を、単語毎に興味特定キーワード辞書１０９ｄに登録されている興味特定キーワード群と照合し、該興味特定キーワード辞書１０９ｄに網羅されている興味特定キーワードのみを選択的に抽出する。

興味特定キーワード辞書１０９ｄに登録されているのは、被提供情報コンテンツ内容を絞り込むのに有効なキーワード、例えば、情報のジャンル（カー用品、娯楽、食事など）、商品やサービスの種別（タイヤ、スキーなど）、季節、固有名詞（地名、人名、店名など）等を直接反映したキーワード（上記会話内であれば、アンダーラインを付与したキーワード）のみが興味特定キーワード辞書１０９ｄに登録されている。従って、上記会話を単語分解して興味特定キーワード辞書１０９ｄと照合すれば、照合一致するキーワードのみが抽出されることになる。

人工無脳エンジン側の参照キーワード辞書１０９ｇは、会話誘導を目的としてキーワード選定がされているので、例えば図３４における「去年」「行った」や、図３５の「助かるよ」「どこか」、図３６の「大丈夫」「ありがとう」「そこにしよう」、図３７の「早く」「どんな」、図３８の「おもしろい」など、興味特定キーワード以外のキーワードも網羅するものである。しかし、興味特定キーワードも多分に網羅されており、これを興味特定キーワード辞書として代用することも十分に可能である。この場合、会話誘導時に参照キーワード辞書１０９ｇを用いて参照キーワードを抽出する際は、会話誘導の方向によっては発言内容に興味特定キーワードが含まれていても、これが抽出の対象とならないこともありえる。しかし、このときに、会話誘導の方向と特に関係のない興味特定キーワードも含めて抽出・蓄積するようにしておき、その蓄積結果から興味特定キーワード以外のキーワードを除外すれば、残りの興味特定キーワード群を興味特定用母データとして活用できる。

なお、キーワード抽出ソフトウェア１０９ｃにはキーワード辞書更新手段として機能する辞書ツールが付随している。該辞書ツールは定期的に実行され、インターネット１１７０あるいはその他の通信網を介して辞書配信サーバー５０１に、季節、流行ないし最新トピックに関係する新キーワード群を含んだキーワード更新情報の配信を要請するとともに、受信取得したキーワード更新情報によりキーワード辞書１０９ｄを更新する。具体的には、キーワード更新情報に新しいキーワードが含まれていればこれを追加し、逆に特定のキーワードの削除指示情報が含まれていればこれを削除する。例えば、季節固有のキーワード（例えば、「雪」、「スキー」、「スタッドレス」などの冬期特有のキーワード）は、その季節に対応付けられた特定期間（例えば、１１月〜４月）に期間限定して辞書登録し、該特定期間が過ぎれば辞書から削除する。

次に、興味分析ソフトウェア１０９ｅは、ユーザー興味情報抽出手段を機能実現するものであり、抽出された興味特定キーワード群を、重複も含めてキーワード統計データ１０９ｊ（興味抽出用母データ）として記憶する。そして、そのキーワード統計データ１０９ｊ内の各興味特定キーワードの出現頻度を計数し、図３９上に示すように、その計数結果も記憶する（サンプリング期間外となった古いキーワードはキーワード統計データ１０９ｊから順次削除されてゆく）。

図４０は、興味抽出用母データに基づく情報取得処理の流れを示すものである。まず、Ｓ２００では、キーワード統計データ１０９ｊを解析し、最も高頻度で抽出されたキーワード（以下、第一キーワードという）を含む目的地を目的地データベース２１ｄ上で検索する。そして、Ｓ２１５で、キーワード適合する目的地が見つからなかった場合はＳ２６０に進み、図２９に示すように、すなわち検索サイトを経由してインターネット上（例えば情報提供サーバー５００）で広く情報検索を行なう。

一方、Ｓ２１５で、第一キーワードに適合する目的地が見つかった場合はＳ２２０に進み、内部検索処理、すなわち、ＨＤＤ１２１内のコンテンツデータ２１ｕ上での検索を行なう。出力履歴データ２１ｄ（図９）上の目的地訪問（行先）履歴を参照して、その訪問頻度を調べる。訪問頻度が第一閾値Ｘ未満（例えばＸ＝２）のときはであれば直ちにＳ２４０に進み、該当する目的地をモニタ１１０上にリスト表示し、ユーザーへの選択を促す（Ｓ２３５）。

一方、Ｓ２２０で訪問頻度が第一閾値Ｘ以上のときはＳ２２５に進み、該訪問頻度が第一閾値Ｙ未満（例えばＹ＝４）であればＳ２５０に進む。ここでは、ヒットした目的地が属する分類（サブ分類コード、あるいはジャンルコード）にて、当該のキーワードを含まない目的地も対象とする形で拡張検索を行い、その結果をモニタ１１０上にリスト表示し、ユーザーへの選択を促す。

そして、Ｓ２２５で訪問頻度が第一閾値Ｙ以上になるときは、目的地が陳腐化していると判断し、Ｓ２３０に進む。ここでは、前述の第一キーワードと、二番目に高頻度で抽出されたキーワード（以下、第二キーワードという）の論理和により目的地を拡張して検索を行い、その結果をモニタ１１０上にリスト表示し、ユーザーへの選択を促す。

図４２は、そのリスト表示例を示すものであり、過去の訪問頻度が識別可能な形で個々の目的地の選択ボタン１１０Ｂを表示している（具体的には、目的地の選択ボタン１１０Ｂを訪問頻度に応じて色分けしてある）。ユーザーは、タッチパネル１１２から該当するボタンにタッチすることで、図４３に示すように目的地設定画面１２２に切り替わり、確定ボタン１２２Ｆにタッチすることにより目的地設定が確定され、案内を開始させることができる。

一方、当該の目的地に関連する他の被提供情報が存在する場合は、その被提供情報へのアクセスボタン１２２ｓを合わせて表示し、当該アクセスボタン１２２ｓの実行により被提供情報を出力することができる。例えば被提供情報がインターネットウェブサイトのコンテンツである場合は、アクセスボタン１２２ｓは当該ウェブサイトへのリンクボタンとして形成される。図４３では目的地が飲食店であるが、例えばその店のメニューが見たい場合は、アクセスボタン１２２ｓに対し該コンテンツの一部をなすメニュー紹介ページのＵＲＬリンクを張っておく。該アクセスボタン１２２ｓの実行により、カーナビゲーションシステム５３４から当該ウェブサイトのコンテンツ提供サーバー（情報提供サーバー）５００に無線アクセスがなされ、図４４に示すように、メニューページがモニタ１１０に表示される。

なお、過去のアクセスにて取得した該ウェブサイトのコンテンツファイルがＨＤＤ１２１内のコンテンツデータ２１ｕ内に記憶されている場合は、コンテンツ提供サーバー５００にはアクセスせず、該ＨＤＤ１２１から当該のコンテンツファイルを読み出してモニタ１１０に出力すればよい。ただし、前回のアクセスが予め定められた日時以前にさかのぼる場合には、コンテンツ提供サーバー５００へのアクセスによりモニタ１１０への出力を行なう。なお、古いコンテンツファイルは、このとき再ダウンロードしたコンテンツファイルにて上書き更新する。

次に、図４５に示すように、第一キーワードだけでは閾値以上に多数の目的地が検索され、適切な目的地選択が実行できない場合がある。この場合は、第二キーワードとの論理積により目的地候補の絞込みが可能である。図４５では、図２９の会話支援により収拾された興味特定キーワード群において、第一キーワードを「雪」とし、第二キーワードがそれぞれ、「タイヤ」、「温泉」、「スキー」だった場合の、目的地リスト（選択ボタン１１０Ｂ）の表示例を示している。

図４６は、第二キーワードを「タイヤ」として絞り込んだ場合において、タイヤショップの１つを目的地として選んだ場合の目的地設定画面１２２の表示例を示す。このタイヤショップのウェブサイトにはショッピングページが併設されており、アクセスボタン１２２ｓとして、該ショッピングページへのリンクボタンが設けられている。図４７は、当該のショッピングページの表示画像１２２ｓを示している。

なお、当該の絞込みの過程で、外部の検索ウェブサイトにおける関連情報のアクセス実績に係る情報提供を第三者から受けることができる場合には、図４５に示すように、その関連情報を取得できるウェブサイトへのリンクボタンを補助アクセスボタン１１０Ｅ（口コミ情報）として、合わせて設定・表示することも可能である。例えば、「雪」「タイヤ」のキーワードを検索ウェブサイトに送信し、検索ウェブサイトでは、これに関連付けられる商品（例えばスタッドレスタイヤ）のウェブサイト検索を行なうとともに、その検索されたウェブサイトのアクセス頻度が反映された統計データを作成する。そして、関連付けられる商品のうち最もアクセス頻度の高いもののウェブサイトのＵＲＬをカーナビゲーションシステム５３４へ返送する。カーナビゲーションシステム５３４では、これを受けて前述の補助アクセスボタン１１０Ｅを作成する。図４８は、その補助アクセスボタン１１０Ｅを実行したときのモニタ１１０の表示画像１２２Ｕを示すものである。

図４９は、第二キーワードを「スキー」として絞り込んだ場合において、スキー場の１つを目的地として選んだ場合の目的地設定画面１２２の表示例を示す。アクセスボタン１２２ｓとして、該スキー場のウェブサイトへのリンクボタンが設けられている。図５０は、該アクセスボタン１２２ｓを実行したときのモニタ１１０の表示画像１２２Ｕを示すものである。

図５１は、第二キーワードを「温泉」として絞り込んだ場合において、温泉地の１つを目的地として選んだ場合の目的地設定画面１２２の表示例を示す。ここでは、ＨＤＤ１２１のコンテンツデータ２１ｕ内に記憶されている温泉関連の映像情報へのアクセスボタン１２２Ｂが設けられている。図５２は、アクセスボタン１２２Ｂの実行による映像１２２Ｍの表示例を示すものである。

なお、上記の実施形態においては、会話支援により取得された興味特定母データに基づき、目的地等に関する情報提供を行なうようにしていたが、例えばもてなしシステム１００の動作を適正化するための支援情報として活用することもできるし、また、カーステレオ５１５における自動選曲のための支援情報として活用することもできる。

本発明の自動車用情報提供システムの機能を包含する自動車用ユーザーもてなしシステムの、電気的構成の一例を示すブロック図。 ユーザー登録部の一例を示す説明図。 車内照明の電気的構成の一例を示すブロック図。 照明装置の点灯制御データの構成例を示す概念図。 発光ダイオードを用いた照明装置の一例を示す回路図。 ＲＧＢフルカラー照明の、各照明光の混合比と発光色の関係を示す図。 カーオーディオシステムの電気的構成の一例を示すブロック図。 ノイズキャンセラの構成例を示す概念ブロック図。 同じくハードウェア構成の一例を示すブロック図。 姿勢信号波形の生成ハードウェアの一例を示す回路図。 種々の被特定状態のイメージ図。 音楽ソースデータベースの内容を示す概念図。 もてなし処理の全体流れを示すフローチャート。 機能選択処理の一例を示すフローチャート。 判定テーブルの一例を示す図。 体調系基準意図ベクトル設定テーブルの一例を示す図。 精神系基準意図ベクトル設定テーブルの一例を示す図。 体調系補正係数の設定例を示す図。 精神系補正係数の設定例を示す図。 意図推定テーブルの一例を示す図。 意図推定テーブルの別部分を示す図。 原理探索テーブルの一例を示す図。 機能抽出テーブルの一例を示す図。 もてなし優先度の座席別の補正概念を示す図。 後部座席に子供が着座する場合のもてなし動作例を示す模式図。 もてなし優先度の設定アルゴリズムを示すフローチャート。 もてなし優先度と意図強度補正係数との関係を例示する図。 顔カメラ及び着座センサの車内配置例を示す模式図。 カーナビゲーションシステムとして構成された自動車用情報出力システムの要部に係る電気的構成の一例を示すブロック図。 自動車用情報出力システムの作用を、人工無脳による会話誘導の第一例とともに説明する図。 ナビデータの一例を示す模式図。 会話支援データベース選択処理の流れを示すフローチャート。 エネルギー管理処理の流れを示すフローチャート。 図３２における初期設定処理の流れを示すフローチャート。 人工無脳による会話誘導の第二例を示す図。 人工無脳による会話誘導の第三例を示す図。 人工無脳による会話誘導の第四例を示す図。 人工無脳による会話誘導の第五例を示す図。 人工無脳による会話誘導の第六例を示す図。 キーワード統計データ及びアクセス統計データの一例を示す模式図。 情報提供処理の流れを示すフローチャート。 出力履歴データの一例を示す模式図。 検索結果の第一出力例を示す模式図。 第一出力例に対応する目的地設定画面の表示例を示す図。 同じくウェブサイトのコンテンツ表示画面の例を示す図。 絞込みを行なう場合の検索結果の第二〜第四出力例を示す模式図。 第二出力例に対応する目的地設定画面の表示例を示す図。 同じくウェブサイトのコンテンツ表示画面の第一例を示す図。 同じく第二例を示す図。 第三出力例に対応する目的地設定画面の表示例を示す図。 同じくウェブサイトのコンテンツ表示画面の例を示す図。 第四出力例に対応する目的地設定画面の表示例を示す図。 同じく映像出力例を示す図。

符号の説明

１００ 自動車用もてなしシステム
５３４ カーナビゲーションシステム（自動車用情報提供システム）
１０９ フラッシュメモリ（参照キーワード辞書記憶部、応答文雛型記憶部）
１０９ｄ キーワード辞書
１０９ｅ 興味分析ソフトウェア（ユーザー興味情報抽出手段）
１０９ｆ 人工無脳エンジン（会話支援手段）
１０９ｇ 参照キーワード辞書
１０９ｈ 応答文雛型
１０９ｉ 会話きっかけフレーズ
１０９ｊ キーワード統計データ（興味抽出用母データ）
１０９ａ ナビソフトウェア（被提供情報収集手段）
１０９ｄ ブラウザソフトウェア（被提供情報収集手段）
１１０ モニタ（被提供情報出力手段）
１１５ スピーカ（被提供情報出力手段、誘導会話応答文作成出力手段）
１３１ マイク（会話入力手段）
５００ コンテンツ提供サーバー（情報提供サーバー）
１１７０ インターネット（外部ネットワーク）

Claims (17)

1. 自動車のユーザーによる音声入力又は手動操作により会話入力がなされる会話入力手段と、
   前記ユーザーの擬似会話相手として構築され、複数の参照キーワードを登録した参照キーワード辞書を記憶する参照キーワード辞書記憶部と、前記ユーザーによる会話入力内容を前記キーワード辞書と照合することにより前記参照キーワードを抽出する参照キーワード抽出手段と、抽出された前記参照キーワードもしくは前記参照キーワード辞書内にて当該抽出された参照キーワードと予め関連付けられている別の参照キーワードを、ユーザーの次の会話入力を誘導するため誘導用キーワードとして、該誘導用キーワードの挿入空白部を有した応答文雛型を複数記憶する応答文雛型記憶部と、前記ユーザーによる会話入力がなされる毎に該応答文雛型記憶部から前記参照キーワードに応じて選択された前記応答文雛型を順次読み出し、当該応答文雛型の挿入空白部に、抽出された前記参照キーワードに対応する前記誘導用キーワードを挿入することにより、前記ユーザーによる次の会話入力を誘導するための誘導会話応答文を作成し出力する誘導会話応答文作成出力手段と、を有した会話支援手段と、
   前記会話支援手段の誘導を受けて入力された前記ユーザーの一連の会話内容に基づく興味特定用母データを蓄積する興味抽出用母データ蓄積手段と、
   前記興味抽出用母データの蓄積内容に基づいて前記ユーザーの興味対象を解析し、該興味対象に適合する被提供情報を収集する被提供情報収集手段と、
   収集した被提供情報を画像、音声もしくはそれらの組合せにより出力する被提供情報出力手段と、
   を備え、
   前記会話支援手段において、前記参照キーワード辞書及び前記応答文雛型からなる会話支援ベースデータは、予め定められた会話支援シーンに応じて異なる内容のものが複数組用意されるとともに、前記会話支援シーンの到来を検出する会話支援シーン特定手段と、特定された会話支援シーンに応じて前記会話支援ベースデータを切り替える会話支援ベースデータ切替手段とを有し、
   前記参照キーワード抽出手段は、単語配列の文法的なロジックや修飾関係を特定する構文解析は行わずに、前記参照キーワード辞書記憶部に記憶された前記参照キーワードと文字列マッチングした単語を参照キーワードとして抽出し、
   前記会話支援手段は、前記参照キーワード抽出手段により前記参照キーワード辞書記憶部との間で文字列マッチングのみを行い、前記応答文雛型記憶部に記憶された前記応答文雛型に対して前記誘導会話応答文作成出力手段により前記誘導用キーワードの挿入のみを行う人工無脳エンジンとして構築されていることを特徴とする自動車用情報提供システム。
2. 前記会話支援手段は、ユーザーの会話内容の中に前記参照キーワード辞書との間で文字列マッチングする単語がない場合は、意味が一義的に定まらない応答文を作成する請求項１に記載の自動車用情報提供システム。
3. 前記会話内容からユーザーの興味特定に使用する興味特定キーワードを抽出する興味特定キーワード抽出手段が設けられ、前記興味抽出用母データ蓄積手段は、該抽出された興味特定キーワードを蓄積する興味特定キーワード蓄積手段を有する請求項１又は請求項２に記載の自動車用情報提供システム。
4. 前記被提供情報収集手段は、前記興味特定キーワード抽出手段が抽出した前記興味特定キーワードに基づいて、収集すべき被提供情報の検索を行なうものであり、
   前記興味特定キーワード抽出手段は、前記興味特定キーワード蓄積手段に蓄積されている興味特定キーワードの出現頻度を解析し、出現頻度の高い興味特定キーワードほど前記被提供情報収集手段における前記被提供情報の検索に際しての採用優先度を高く設定するものである請求項３記載の自動車用情報提供システム。
5. 前記興味特定キーワード抽出手段は、予め選定された興味特定キーワード群を網羅した興味特定キーワード辞書を記憶する興味特定キーワード辞書記憶部を有し、前記興味特定キーワード抽出手段は、前記会話内容を単語分解し、その分解結果を前記興味特定キーワード辞書と照合することにより、該興味特定キーワード辞書に網羅されている興味特定キーワードを選択的に抽出するものである請求項４記載の自動車用情報提供システム。
6. 前記興味特定キーワード辞書が、前記誘導会話応答文作成出力手段が使用する前記参照キーワード辞書に兼用されている請求項３ないし請求項５のいずれか１項に記載の自動車用情報提供システム。
7. 前記誘導会話応答文作成出力手段が有する前記参照キーワード抽出手段が、前記興味特定キーワード抽出手段に兼用されている請求項６記載の自動車用情報提供システム。
8. 前記会話支援手段は、目的地を絞り込むための質問内容を含んだ応答文雛型を１ないし複数ターン繰り返す第１絞込み手段、あるいはユーザーの発言に共感して発言続行を促す内容の応答文雛型を出力する第２絞込み手段を備えた請求項１ないし請求項７のいずれか１項に記載の自動車用情報提供システム。
9. 前記会話支援手段は、前記会話支援シーン毎に用意された会話きっかけフレーズを記憶する会話きっかけフレーズ記憶部と、前記会話支援シーンの到来が検出されるに伴い、対応する会話きっかけフレーズを読み出して出力する会話きっかけフレーズ出力手段とを有する請求項１ないし請求項８のいずれか１項に記載の自動車用情報提供システム。
10. 前記会話支援シーン特定手段は前記自動車の始動シーンを前記会話支援シーンとして特定するものであり、前記会話支援ベースデータ切替手段は、最終訪問地に係る興味対象情報を前記ユーザーから引き出すための会話支援ベースデータに切り替えるものである請求項１ないし請求項９のいずれか１項に記載の自動車用情報提供システム。
11. 前記会話支援シーン特定手段は前記ユーザーの空腹シーンを前記会話支援シーンとして特定するものであり、前記会話支援ベースデータ切替手段は、食事内容に係る興味対象情報を前記ユーザーから引き出すための会話支援ベースデータに切り替えるものである請求項１ないし請求項９のいずれか１項に記載の自動車用情報提供システム。
12. 前記会話支援シーン特定手段は前記ユーザーの疲労シーンを前記会話支援シーンとして特定するものであり、前記会話支援ベースデータ切替手段は、休息活動内容に係る興味対象情報を前記ユーザーから引き出すための会話支援ベースデータに切り替えるものである請求項１ないし請求項９のいずれか１項に記載の自動車用情報提供システム。
13. 前記会話支援手段において、前記参照キーワード辞書及び前記応答文雛型からなる会話支援ベースデータは、会話支援適用対象となるユーザーの体調ないし精神状態に応じて異なる内容のものが複数組用意されるとともに、前記ユーザーの体調ないし精神状態を反映したユーザー生体特性情報を取得するユーザー生体特性情報取得手段と、取得したユーザー生体特性情報の内容に基づいて、前記ユーザーの体調ないし精神状態をそれぞれ特定する体調・精神状態特定手段と、特定された前記ユーザーの体調ないし精神状態に応じて前記会話支援ベースデータを切り替える会話支援ベースデータ切替手段とを有する請求項１ないし請求項９のいずれか１項に記載の自動車用情報提供システム。
14. 前記会話支援ベースデータは季節に応じて内容の異なるものが用意され、前記会話支援ベースデータ切替手段は、現在の季節を検出し、該季節に対応する会話支援ベースデータを選択して使用する請求項９ないし請求項１３のいずれか１項に記載の自動車用情報提供システム。
15. カーナビゲーションシステムを含んで構成され、前記被提供情報収集手段は前記被提供情報としてユーザーの興味情報に適合する目的地情報を前記カーナビゲーションシステム上で検索・収集するものである請求項１ないし請求項１４のいずれか１項に記載の自動車用情報提供システム。
16. インターネットウェブサイトへの無線アクセス手段を有し、前記被提供情報収集手段は前記被提供情報としてユーザーの興味情報に適合するウェブサイト情報をインターネット上で検索・収集するものである請求項１ないし請求項１５のいずれか１項に記載の自動車用情報提供システム。
17. 前記会話支援手段は、始動シーンにおいては、ユーザが希望する訪問地がどこであるかの情報をユーザから引き出すために前記会話支援ベースデータを用いて会話を行うための会話誘導手段を備えた請求項１ないし請求項１６のいずれか１項に記載の自動車用情報提供システム。

Images