JP5671107B2 - 車両 - Google Patents

Description

本発明は、車両に関する技術分野に属する。

ある種の車両は、運転エクスペリエンスを向上させるために、インフォテインメント情報、ナビゲーション情報などを提供することがある。

運転者とこれら車両との対話が増えるにつれて、運転者のワークロードを増すことなく、そのような対話を促進することが有益であり得る。

少なくとも１つのプロセッサが、運転者ワークロードを、運転者ワークロードの異なるレベルを表す複数のワークロードクラスにカテゴライズし、特定の期間について、前記運転者ワークロードが前記ワークロードクラスのそれぞれに入る相対頻度を求め、運転者インタフェースタスクの実行を前記相対頻度に基づいてスケジューリングし、前記スケジュールに従って運転者インタフェースタスクを実行する。そして、前記少なくとも１つのプロセッサが、前記ワークロードクラスのそれぞれについて、現在の期間についての前記運転者ワークロード及び過去の期間についての前記運転者ワークロードに基づいた長期的運転者ワークロードと、前記特定の期間を決定するスケールファクタとを求める。

図１は例示的ハイブリッドワークロード推定システムのブロック図である。 図２は車両の速度、トラクション、及びブレーキングプロファイルのグラフである。 図３Ａはヨーレートの例示的な車両の運動状態のグラフである。 図３Ｂはヨーレートの例示的な車両の運動状態のグラフである。 図３Ｃはサイドスリップ角の例示的な車両の運動状態のグラフである。 図４Ａは例示的なヨーイングの操作限界マージンのグラフである。 図４Ｂは例示的な縦方向の操作限界マージンのグラフである。 図４Ｃは例示的なサイドスリッピングの操作限界マージンのグラフである。 図５は例示的な車両速度、トラクション及びブレーキングのプロファイルのグラフである。 図６Ａはヨーレートの例示的な車両の運動状態のグラフである。 図６Ｂはヨーレートの例示的な車両の運動状態のグラフである。 図６Ｃはサイドスリップ角の例示的な車両の運動状態のグラフである。 図７Ａは例示的なヨーイングの操作限界マージンのグラフである。 図７Ｂは例示的な縦方向の操作限界マージンのグラフである。 図７Ｃは例示的なサイドスリッピングの操作限界マージンのグラフである。 図８は例示的な最終的操作限界マージン及びリスクのグラフである。 図９は例示的な最終的操作限界マージン及びリスクのグラフである。 図１０は高要求状況について例示的なアクセルペダル位置のグラフである。 図１１は低要求状況について例示的なアクセルペダル位置のグラフである。 図１２は図１０のアクセルペダル位置の標準偏差のヒストグラムである。 図１３は図１１のアクセルペダル位置の標準偏差のヒストグラムである。 図１４は図１２及び図１３のヒストグラムにあてはめられた曲線のグラフである。 図１５Ａはアクセルペダル位置の例示的グラフである。 図１５Ｂはハンドル角の例示的グラフである。 図１５Ｃは運転者制御アクション指数（ＤＣＡ指数）の例示的グラフである。 図１５Ｄは車両速度の例示的グラフである。 図１６Ａは方向指示器アクティビティの例示的グラフである。 図１６Ｂはエアコン制御アクティビティの例示的グラフである。 図１６Ｃは計器盤指数（ＩＰ指数）の例示的グラフである。 図１７は他の車両の後に続く車両の概略図である。 図１８は車両速度の例示的グラフである。 図１９は近接速度の例示的グラフである。 図２０は範囲の例示的グラフである。 図２１は車間時間の例示的グラフである。 図２２は車間指数（ＨＷ指数）の例示的グラフである。 図２３Ａはルールベースの指数の例示的グラフである。 図２３ＢはＩＰ指数の例示的グラフである。 図２３ＣはＤＣＡ指数の例示的グラフである。 図２３Ｄは総合ワークロード推定指数（ＷＬＥ指数）の例示的グラフである。 図２３Ｅは車両速度の例示的グラフである。 図２４はＷＬＥ指数に基づいて運転者要求を特徴付けるメンバーシップ関数の例示的グラフである。

I. イントロダクション
運転者ワークロード／要求は、運転するという一次行為を超えて、インフォテインメント、電話、事前の推奨などのような二次行為を運転者に対して課す、視覚的、物理的及び認知的な要求を指すことがある。

運転者は、上述の運転の一次行為と二次行為との間で自分の注意を分けることができると、ときどき誤って思い込むことがある。したがって運転要求を推定することは、運転者との通信及び車両システムの相互作用を調整するために利用されるなら、特に価値があることかもしれない。しかし複雑な運転状況では、運転者ワークロードの推定に対する革新的な予測アプローチが要求されるかもしれない。運転者へのヒューマンマシンインタフェース（ＨＭＩ）出力を調整することにおいては、運転者ワークロードの特定を可能にするインテリジェントシステムの開発が有用かもしれない。

連続的なワークロード推定については、異なる運転コンテキスト及び／又は運転者の下でワークロードを推定する推定器を設計することが有用かもしれない。車両室内通信サービスの構成は、運転要求が予測されるコンテキストと、そのサービスの運転者にとっての価値とに基づき得る。加えて、運転者ワークロードをある期間に渡って特徴付けすること（例えば長期的な特徴付け）が有益かもしれない。運転者ワークロードのそのような推定は、車両室内通信技術が高ワークロード期間内に抑制又は遅延されることを可能にするだけでなく、加えて長期の運転要求に調整されることも可能にするかもしれない。

ここで記載されるある種の実施形態は、ワークロード推定（ＷＬＥ）のための方法及びシステムを提供し得る。このＷＬＥは、適応リアルタイムＨＭＩタスク管理のために、観測可能な車両、運転者、及び環境データから運転者ワークロードの状態推定／分類を実行してもよい。ＷＬＥは、ある状況では、別個のリアルタイム技術を使用し、及び／又はワークロード推定のためにリアルタイムのハイブリッドなアプローチを採用し得る。例えばルールベースのアルゴリズムは、運転者、車両、及び環境の相互作用に基づいて運転者ワークロードの追加の連続的な予測によって補充され得る。ＷＬＥアルゴリズムは、総合ＷＬＥ指数（例えば運転者についてのワークロードの負荷推定値を表す連続信号）を計算し予測するための、特化された学習及び計算のインテリジェンス技術を組み込んでもよい。運転者の運転要求は、場合によっては、速度の変動、加速度、ブレーキング、ステアリング、車間距離、計器盤及び／又はセンタースタックインタラクションなどを含む観測可能な車両情報から推測され得る。

前記ＷＬＥ指数は、例えば、機能を向上させるために運転者に提示されるボイスコマンド及び／又は他のタスク／情報を設定、回避、制限、調整するために用いられ得る。運転者のためのある種の情報は、要求が厳しい車両操作操縦の間に、危険な運転環境下で、計器盤の操作が多い期間などは、制限、調整、阻止され得る。

インテリジェントハイブリッドアルゴリズムのアプローチは、短期的な運転者の行動と共に、長期的にも役に立ち得る。ＷＬＥハイブリッド方法は、車両を運転者のコミュニケーションに合わせるために、運転者のイベント、状況、及び挙動をキャプチャしてもよい。ここで記載されるこれら及び他の技術は、運転者の増加／減少する認知的状態を予測することを支援し、既存の車両のセンサを使用し得る。

前記ＷＬＥ指数は、運転要求／ワークロードに基づいて、運転者に通信の階層が提示されるようにしてもよい。メッセージ優先度（例えば低い、高いなど）は、予測された負荷に基づいて、特定の瞬間の間、そのメッセージが運転者に伝えられるかを決定し得る。具体的なＨＭＩ情報は、運転者の長期的な運転要求に基づいて、運転者に提示されてもよい。代替としては、ハイブリッドＷＬＥフレームワークは、道路シナリオ状況及び条件を説明するために、ＧＰＳ及びディジタルマップデータベースを含んでもよい。加えて、心拍数、視線、及び呼吸を含む運転者の生理学的状態についての情報は、異常検出のためにＷＬＥフレームワークに入力として組み込まれてもよい。他の例においては、予測されたＷＬＥ指数が運転者に伝えられることによって、ワークロードが高い条件下では運転者に副次的タスクを避けることを促してもよい。他のシナリオも可能である。

図１は、車両１１のためのＷＬＥシステム１０の実施形態のブロック図である。このシステム１０は、ルールベースのワークロード指数サブシステム１２、車両、運転者及び環境追跡及び計算ワークロード指数サブシステム１３、コンテキスト依存ワークロード指数統合サブシステム１４、及び総合統合／ＷＬＥ長期特徴付けサブシステム１６を含み得る。サブシステム１２，１３，１４，１６は、（別個に、又は組み合わせて）１つ以上のコントローラ／処理装置などによって実現され得る。

サブシステム１２（セクションVII で後述する）は、車両情報、運転者情報及び／又は環境情報（例えば車両のコントローラエリアネットワーク（ＣＡＮ）から入手可能である）を入力として受け取り、運転者のワークロードを表す、ルールベースの指数（rule-based index）を出力し得る。サブシステム１３（セクションIII 乃至VIで後述する）は、車両情報、運転者情報、及び／又は環境情報（例えば車両のＣＡＮから入手可能である）を入力として受け取り、運転者のワークロードを表す１つ以上の連続的指数（例えばハンドリングリミット指数（ＨＬ指数）、運転者制御アクション指数（ＤＣＡ指数）、計器盤指数（ＩＰ指数）、車間指数（ＨＷ指数））を出力し得る。サブシステム１４（セクションVIIIで後述する）は、サブシステム１３によって生成された指数／指数群を入力として受け取り、追跡指数（Ｔ指数）を出力し得る。サブシステム１６（セクションVIIIで後述する）は、ルールベースの指数及びＴ指数を入力として受け取り、ＷＬＥ指数及び／又はＷＬＥ指数の長期特徴（セクションIXで後述する）を出力し得る。

他の実施形態においては、システム１０は、サブシステム１２，１４，１６がなくてもよい。すなわち、ある種の実施形態は、１つ以上のワークロード指数を生成するようにだけ構成されてもよい。例として、システム１０は、ある種の車両情報（後述）に基づいてＩＰ指数を生成するようにだけ構成されてもよい。これらの状況では、運転者ワークロードの単一の測定値しかないので、集約統合は必要ない。よってＷＬＥ指数は、この例ではＩＰ指数である。これら及び他の実施形態においてディスパッチャー１８は、ＷＬＥ指数の長期特徴を生成するよう構成され得る。他の構成も可能である。

前記ＷＬＥ指数は、１つ以上のコントローラ／処理装置などとして実現され得るディスパッチャー１８に送られ得る。ディスパッチャー１８（セクションＸで後述する）は、ＷＬＥ指数に基づいて、運転者に伝えられるべき情報が運転者に到達しないよう、阻止／遅延するフィルタとして振る舞い得る。例えば、ディスパッチャー１８は、もしＷＬＥ指数が０．８より大きいなら、運転者に向けて意図された全ての情報をブロックし、もしＷＬＥ指数が約０．５であるなら、エンターテイメント用の情報だけをブロックする、などといったように振る舞う。ディスパッチャー１８は、ＷＬＥ指数に基づいて、運転者に伝えられるべき情報の伝達をスケジュールしてもよい。例えば、車両メンテナンス情報、テキスト音声読み上げ、着信などは、ワークロードが高い期間の間は遅延され得る。加えて、ディスパッチャー１８は、後で詳述されるように、車両出力が長期ＷＬＥ指数特徴に基づいて、運転者に合うよう調整されるようにしてもよい。例えば、クルーズコントロール、アダプティブクルーズコントロール、音楽の推奨、設定可能なＨＭＩなどを含むある種の車両システムの出力は、長期運転要求に基づいてもよい。

運転者のワークロード状態は、速度の変動、加速度、ブレーキング、ステアリング、車間距離、計器盤インタラクションなどを含む観測可能な車両情報から推測され得る。表１は、運転者ワークロード負荷に関連する例示的な特徴／尺度を示す。

表２ａ（ＣＡＮを介して入手可能である例示的情報）及び表２ｂ（ＣＡＮを介してアクセス可能である例示的システム情報）は、当該技術で知られているＣＡＮを介して入手／アクセス可能であり得る例示的な情報を示す。

II. 車両安定性制御の簡単な考察
車両の操作性は、その車両が旋回し、操作する能力を決定する。車両は、その操作性能を最大にするために、４つのタイヤの接触面によって道路に密着する必要がある。密着の限界を超えるタイヤは、スピン、スキッド又はスライドしている。１つ以上のタイヤがその密着の限界を超えている状態は、限界操作条件と呼ばれ得て、密着限界は操作限界と呼ばれ得る。いったんタイヤがその操作限界に達すると、平均的な運転者ならふつうはもはやコントロールできない。いわゆるアンダーステアの場合は、車は、運転者の操舵入力よりも少なく動作し、そのフロントタイヤがそれらの操作限界を超え、車両は運転者の操舵リクエストにもかかわらず直進し続ける。いわゆるオーバーステアの場合は、車は運転者の操舵入力よりも大きく動作し、そのリアタイヤがそれらの操作限界を超え、車両はスピンし続ける。安全のためにたいていの自動車は、その操作限界ではアンダーステアになるよう設計されている。

操作限界において、又は操作限界を超えて、運転者が車両を制御できない場合に車両制御を補償するために、電子安定制御システム（ＥＳＣシステム）は、タイヤの力を再配分することによって、車両を運転者の操舵リクエストと首尾一貫するよう効果的に旋回できるモーメントを発生するよう設計されている。すなわち、車両を制御することは、アンダーステア及びオーバーステアを避けることである。

１９９５年に登場してから、ＥＳＣシステムは、さまざまなプラットフォームで実現されてきた。モデルイヤー２０１０中に始まり、モデルイヤー２０１２までには完全に装備されることを達成したので、米国連邦自動車安全基準１２６は、ＥＳＣシステムを１０，０００ポンド未満の総重量の車両全てに要求している。ＥＳＣシステムは、アンチロックブレーキシステム（ＡＢＳ）及び全速度トラクションコントロールシステム（ＴＣＳ）の拡張として実現され得る。ＥＳＣシステムは、運転者の意図の中心付近に位置する車両動的挙動に対しヨー及び横方向安定性支援を提供し得る。このシステムは、ブレーキ圧を個々の車輪（群）に割り当てる（運転者が加えた圧力より上又は下で）ことによって、車両の予期できないヨー及び横方向の滑りの動きを相殺するようなアクティブなモーメントを発生する。これは、ブレーキング、加速、又は惰性走行の間、どのようなトラクション表面についても操作限界において向上したステアリング制御につながる。より具体的には、現在のＥＳＣシステムは、運転者の意図した進路を、車上センサから推測される実際の車両応答と比較する。もし車両の応答が意図された進路とは異なる（アンダーステア又はオーバーステアのいずれか）なら、ＥＳＣコントローラは、選択された車輪（群）にブレーキングを行い、車両を意図された進路上に維持するために、かつ車両の制御の欠如を最小限にするためにもし必要ならエンジントルクを減少させる。

限界操作条件は、ＥＳＣシステム内に既に存在するデータを用いて検出され得るので、新たなセンサは必要とされないかもしれない。例えば、ヨーレートセンサ、ハンドルセンサ、横方向加速度計、車輪速度センサ、マスターシリンダーブレーキ圧センサ、縦方向加速度計などを用いたＥＳＣシステムを備えた車両を考える。車両運動変数は、ＩＳＯ−８８５５で定義される座標系で定義され、ここで車体上に固定された座標は、上への鉛直軸、車両ボディの長手方向（縦方向）に沿った軸、及び助手席から運転者席へ延びる横方向の軸を有する。

一般的に言って、車両レベルのフィードバック制御は、ヨーレート、サイドスリップ角、又は、これらと、運転者ブレーキング、エンジントルクリクエスト、ＡＢＳ及びＴＣＳのような他の制御コマンド間での調停との組み合わせのような個々の運動変数から算出できる。

前記鉛直軸に沿ったそのヨーレートω_ｚ、そのリアアクスルにおいて定義されるそのサイドスリップ角β_rを用いれば、よく知られた自転車のモデルは車両動力学を表現し、次の方程式に従う。

ここで、ｖ_ｘは、車両の移動速度であり、Ｍ及びＩ_ｚは、車両の総質量及び慣性のヨーモーメントであり、ｃ_ｆ及びｃ_ｒは、フロントタイヤ及びリアタイヤのコーナリングスティフネスであり、ｂ_ｆ及びｂ_ｒは、車両の重心からフロント及びリアアクスルまでの距離であり、ｂ＝ｂ_ｆ＋ｂ_ｒであり、Ｍ_ｚは、車両に加えられるアクティブモーメントであり、δは、フロントホイールのステアリング角である。

運転者のステアリング意図を反映するために用いられるヨーレートターゲット（目標ヨーレート）ω_ｚｔ及びサイドスリップ角ターゲット（目標サイドスリップ角）β_ｒｔは、入力として測定されたハンドル角δ及び推定移動速度ｖ_ｘを用いて式１から算出できる。このような計算において、車両は、通常の路面状態（例えば公称のコーナリングスティフネスｃ_ｆ及びｃ_ｒを持つ高摩擦レベル）の道路上を走行すると仮定する。ヨーレートターゲット及びサイドスリップ角ターゲットを微調整するために、定常状態限界コーナリングのための、信号の調整、フィルタリング及び非線形補正が行われてもよい。これらの計算されたターゲット値（目標値）は、通常の路面上で運転者が意図した進路を特徴付ける。

ヨーレートフィードバックコントローラは、本質的にはヨーエラー（測定されたヨーレートとヨーレートターゲットとの差）から計算されるフィードバックコントローラである。もし車両が左折していて、ω_ｚ≧ω_ｚｔ＋ω_{ｚｄｂｏｓ}（ここでω_{ｚｄｂｏｓ}は、時間変化するデッドバンドである）であるか、又は車両が右折していて、ω_ｚ≦ω_ｚｔ−ω_{ｚｄｂｏｓ}であるなら、車両はオーバーステアしており、ＥＳＣ内のオーバーステア制御機能をオンにしている。例えば、アクティブトルクリクエスト（オーバーステアの傾向を減少させるために車両に適用される）は、次式のように算出されてもよい。

ここで、ｋ_ｏｓは、以下の式で定義され得る速度依存利得であり、これは次式のように定義されてもよい。

ここで、パラメータｋ_０、ｋ_ｄｂｌ、ｋ_ｄｂｕ、ｖ_ｘｄｂｌ、ｖ_ｘｄｂｕは調整可能である。

もし車両が左折しているときに、ω_ｚ≦ω_ｚ−ω_{ｚｄｂｏｓ}（ここでω_{ｚｄｂｏｓ}は、時間変化するデッドバンドである)であるか、又は車両が右折しているときにω_ｚ≧ω_ｚ＋ω_{ｚｄｂｏｓ}であるなら、ＥＳＣ内のアンダーステア制御機能がオンになる。アクティブトルクリクエストは、次式のように算出される得る。

ここで、ｋ_ｕｓは調整可能なパラメータである。

サイドスリップ角コントローラは、上述のオーバーステアヨーフィードバックコントローラを補足するフィードバックコントローラである。これはサイドスリップ角推定値β_ｒをサイドスリップ角ターゲットβ_ｒｔと比較する。もしその差が閾値β_ｒｄｂを超えるなら、サイドスリップ角フィードバック制御はオンになる。例えば、左折中のアクティブトルクリクエストは、次式のように計算される。

ここで、ｋ_ｓｓ及びｋ_{ｓｓｃｍｐ}は調整可能なパラメータであり、β_ｒｃｍｐの上にドットを付したものは、サイドスリップ角の補償された時間微分である。

ヨー加速及びサイドスリップ勾配のような変数に基づく他のフィードバック制御項は、同様にして生成され得る。支配的な車両運動変数が、ヨーレート又はサイドスリップ角のいずれかであるとき、上述のアクティブトルクは、必要な制御車輪（群）及び対応する制御車輪（群）に送られるべきブレーキ圧の量を決定するために直接に使用されてもよい。もし車両の動力学が複数の運動変数によって支配されているなら、制御調停及び優先度付けが行われる。最終の調停されたアクティブトルクは、最終制御車輪（群）及び対応するブレーキ圧を決定するためにそれから用いられる。例えば、オーバーステアイベントの間は、フロント外側ホイールが制御車輪として選択され、アンダーステアイベントの間は、リア内側ホイールが制御車輪として選択される。大きなサイドスリップの場合の間は、フロント外側ホイールが制御車輪として常に選択される。サイドスリップ及びオーバーステアヨーイングが同時に起こっているときには、ブレーキ圧の量は、ヨーエラー及びサイドスリップ角制御コマンドの両方を積分することによって計算され得る。

運転者の操舵操作によって操作限界が超える上記場合を除けば、車両は、その縦運動方向において、その限界操作条件に達し得る。例えば、積雪があり、凍った道路上でのブレーキングは、車輪がロックされることにつながりえて、これは車両の停止距離を長くする。同様の道路上でスロットルを開けることは、車両を前に動かさずに駆動輪を空回りさせることになり得る。この理由で、操作限界は、これらの非ステアリング運転条件のために使用され得る。すなわちタイヤの縦方向ブレーキング又は駆動力がそれらのピーク値に達する条件も操作限界の定義に含んでもよい。

ＡＢＳ機能は、車両の移動速度に対する個々の車輪の回転運動をモニタし、これは縦方向スリップ比λ_ｉによって特徴付けされ得て、ｉ＝１，２，３，４は左前輪、右前輪、左後輪、右後輪にそれぞれ対応し、スリップ比は次式のように算出され得る。

ここで、ｔ_ｆ及びｔ_ｒは、フロント及びリアアクスルについてのハーフトラックであり、ω_ｉは、ｉ番目の車輪速度センサの出力であり、κ_ｉは、ｉ番目の車輪速度スケールファクタであり、ｖ_ｙは、車両のその重心位置における横方向速度であり、ｖ_ｍｉｎは、許容最小縦方向速度を反映するプリセットパラメータである。式６は、車両が後退運転モードではないときだけ有効であることに注意されたい。ブレーキングを開始した運転者が車輪のスリップを発生し過ぎるとき（例えば−λ_ｉ≧λ_ｂｐ＝２０％のとき）、ＡＢＳモジュールは、その車輪におけるブレーキ圧を緩める。同様に、ｉ番目の駆動輪に大きなスリップを発生する大きなスロットルが適用されているとき、ＴＣＳモジュールは、エンジントルク低減及び／又は同じアクスルにおける反対の車輪に加えられるブレーキ圧をリクエストする。その結果、ＡＢＳ又はＴＣＳのアクティベーションは、λ_ｉｓがλ_ｂｐ及びλ_ｔｐからどのくらい近いかをモニタすることによって予測できる。

III. 限界指数の扱い
前述のＥＳＣ（ＡＢＳ及びＴＣＳを含む）は、その安全の目標を達成するには効果的であるが、さらなる高度化が依然として可能である。例えば、ロール安定性制御のために、ＥＳＣシステムの拡張が望ましいかもしれない。しかしＥＳＣが行おうとする適切な補正は、運転者又は環境状態によって打ち消されるかもしれない。ＥＳＣの介在があったとしても、そのタイヤが道路／タイヤのトラクション能力をはるかに超える高速走行中の自動車は、アンダーステア事故を防ぐことができないかもしれない。

一般的に言って、限界条件を扱うことの正確な決定は、道路及びタイヤの特性を直接に測定すること、又は直接の測定が不可能なら多くの関連する変数からの集中的な情報が典型的には伴う。現在、これら方法の双方とも、実時間実現のためには十分には成熟していない。

そのフィードバックの特徴のために、ＥＳＣシステムは、先のセクションで説明されたような車両の運動変数（車両操作パラメータ）をモニタすることを通じて、潜在的な限界操作条件を決定するよう構成され得る。運動変数がその参照値から或る量だけ（例えば或るデッドバンドを超えて）ずれるとき、ＥＳＣシステムは、差分ブレーキング制御コマンド（群）を計算し、制御車輪（群）を決定し始めてもよい。その後、対応するブレーキ圧（群）は、車両を安定化するために制御車輪（群）に送られる。ＥＳＣ起動の開始点は、操作限界の開始と考えられる。

より具体的には、相対操作限界マージンｈ_ｘは次式のように定義することができる。

ここで、ｘは運動変数の参照値からのずれであり、[ｘ１，ｘ２]（ｘ１はｘの下にバーが付された変数を表し、ｘ２はｘの上にバーが付された変数を表す）はＥＳＣ、ＡＢＳ又はＴＣＳを始動することなく、ｘが入るデッドバンド区間を定義する。ｘは、先のセクションで定義した制御変数群のうちの任意のもの（又は任意の他の適切な制御変数）であり得る。

式７で定義されたｈ_ｘの利点は、運転条件が、異なるカテゴリーに定量的に特徴付けられ得ることである。例えばｈ_ｘ≦１０％のときは、運転条件は、運転者が特別な注意を払うか、又は特別な行動（例えば車両の減速）を取らなければならないレッドゾーン条件にカテゴライズされ得て、１０％＜ｈ_ｘ＜４０％のときは、運転条件は、運転者がある程度のレベルの特別な注意を必要とするイエローゾーン条件としてカテゴライズされ得て、４０％＜ｈ_ｘ≦１００％のときは、運転条件は、ノーマル条件として特徴付けされ得る。ノーマル条件においては、運転者は、そのノーマル運転のための注意を維持するだけでよい。もちろん異なる範囲を用いてもよい。

より具体的に、先のセクションで計算された制御変数を用いて、ｈ_ｘの計算を議論する。オーバーステア状態の間の車両のヨー操作限界マージンｈ_ＯＳ（ここで車両が左折しているときにはω_ｚ＞ω_ｚｔであり、車両が右折しているときにはω_ｚ＜ω_ｚｔである）は、ｘ＝ω_ｚ−ω_ｚｔ及びｘ２＝ω_{ｚｄｂｏｓ}＝−ｘ１と設定することによって、式７から算出できる。ここで、ω_{ｚｄｂｏｓ}は、式２で定義されたオーバーステアヨーレートデッドバンドである。

同様に、アンダーステア状態についての車両のヨー操作限界マージンｈ_ＵＳは、ｘ＝ω_ｚ−ω_ｚｔ及びｘ２＝ω_{ｚｄｂｕｓ}＝−ｘ１と設定することによって式７から算出できる。ここで、ω_{ｚｄｂｕｓ}は、式４で定義されたアンダーステアヨーレートデッドバンドである。上述のデッドバンドは、車両速度、ヨーレートターゲットの大きさ、測定されたヨーレートの大きさなどの関数であり得ることに注意されたい。アンダーステア状態（ｘ＜０）及びオーバーステア状態（ｘ＞０）についてのデッドバンドは互いに異なり、それらは調整可能なパラメータである。

車両のサイドスリップ操作限界マージンｈ_ＳＳＲＡは、ｘ＝β_ｒ−β_ｒｔ及びｘ２＝β_ｒｄｂ＝−ｘ１と設定することによって式７から算出できる。

車両の縦方向操作限界は、タイヤの駆動力又はブレーキング力のいずれかが操作限界に近づく時の状態と関連する。ｉ番目の駆動輪についてのトラクション制御操作限界マージンｈ_ＴＣＳｉは、ｘ＝λ_ｉ、ｘ１＝０及びｘ２＝λ_ｔｂと設定することによって式７から算出できる。ｉ番目の車輪についてのＡＢＳ操作限界マージンｈ_ＡＢＳｉも、ｘ＝λ_ｉ、ｘ１＝λ_ｂｐ及びｘ２＝０と設定することによって式７から算出できる。最終的なトラクション及びブレーキング操作限界マージンは、

によって定義できる。

上述の操作限界マージンを計算する際には、さらなる選択する状態を用いてもよいことに注意されたい。例えば以下の状態のうちの１つ、又はいくつかの組み合わせが満足するときは、操作限界マージンをゼロに設定してもよい。すなわち、ヨーレートターゲットの大きさが或る閾値を超えているとき、測定されたヨーレートが或る閾値より大きいとき、運転者のステアリング入力が或る閾値を超えるとき、又は車両のコーナリング加速度が０．５Ｇよりも大きい、車両の減速が０．７Ｇよりも大きい、車両が閾値を超えた速度（例えば１００マイル／時）で走行しているなどのような極端な状態である。

上述の操作限界マージン計算を試験し、既知の運転状態についてそれらの効果を確認するために、フォードモーターカンパニーで開発された研究用ＥＳＣシステムを備えた車両が車両試験を行うのに用いられた。

図２に示された車両速度、スロットリング、及びブレーキングによって表現された運転条件について測定され計算された車両運動変数は、図３Ａ〜図３Ｃに示される。対応する個別の操作限界マージンｈ_ＵＳ、ｈ_ＯＳ、ｈ_ＴＣＳ、ｈ_ＡＢＳ及びｈ_ＳＳＲＡは、図４Ａ〜図４Ｃに示される。この試験は、全てのＥＳＣ計算を実行させながら、スノーパッド上でフリーフォームスラロームとして行われた。ブレーキ圧の印加は、車両が真の限界操作状況に近づくようにするためにオフにされている。

もう一つの試験については、車両は、高い摩擦レベルを持つ路面上を走行した。この試験のための車両速度、トラクション、及びブレーキングのプロファイルは、図５に示される。車両運動状態は、図６Ａ〜図６Ｃに示される。対応する個別の操作限界マージンｈ_ＵＳ、ｈ_ＯＳ、ｈ_ＴＣＳ、ｈ_ＡＢＳ及びｈ_ＳＳＲＡは、図７Ａ〜図７Ｃに示される。

全ての個別の操作限界マージンの総合変動は、

のように定義される。総合操作限界マージンの急な変化が信号ノイズによるかもしれないことを考慮して、ｈ_ｅｎｖを平滑化するためにローパスフィルタＦ（ｚ）が用いられ、それにより最終的な操作限界指数（ＨＬ指数）又はマージンを得ることができる。

図２及び図３Ａ〜３Ｃに示される車両試験データについては、最終的な操作限界マージンは、図８に示され、一方、図５及び図６Ａ〜６Ｃに示される車両試験データについては、最終的な操作限界マージンは、図９に示される。

ＨＬ指数は、０及び１の間の連続的な変数を提供し得て、運転者がその車両操作限界にどのくらい近いかを示す（１の値は運転者が車両の操作限界にあることを示す）。このモデルベースのＨＬ指数は、例えば、低μ路面運転条件の間に、特に重要な運転要求情報を提供し得る。

車両がその操作限界に近づくにつれて、車両制御を維持するためには、より視覚的で、物理的で、かつ認知的な注意が要求されることを想定すれば、運転者のワークロード情報は、ＨＬ指数から推測され得る。運転者に対するワークロードが増すにつれ、ＨＬ指数も増す。運転者に対するワークロードが減るにつれ、ＨＬ指数も減る。

IV. 運転者制御アクション指数
運転者制御アクション指数（ＤＣＡ指数）は、例えば、加速、ブレーキング、及びステアリングについての運転者の制御アクションの総合的な変動を示す、０及び１の間の連続的な変数を提供し得る。運転者の標準的な運転からの変動が増していることは、運転要求が増していることを反映することもあり得て、その逆もあり得る。よって、ＤＣＡ指数は、車両制御アクションの異なる標準を有する異なる運転者に関連付けられた変動（運転要求）の尺度を提供し得る。

例えば、アクセルペダル変動の運転要求に対する影響を考えてみる。図１０及び図１１を参照すれば、例えば高要求及び低要求の状況の時間に対する実時間のアクセルペダル位置がそれぞれプロットされている。低要求の場合に比べて高要求の場合においては、アクセルペダルの変動が相当に大きいことが明らかである。

図１０及び図１１のアクセルペダル位置の標準偏差は、図１２及び図１３にそれぞれプロットされている。

図１４を参照して、図１２及び図１３の分布への確率あてはめは、標準形のガンマ関数

を用いて生成される。

ここで、ａはスケールファクタであり、ｂはシェープファクタである。図１４の破線は低運転要求の標準偏差分布を表し、実線は高運転要求の標準偏差分布を表す。アクセルペダル変動のこれら確率分布は、運転要求カテゴリー及び現在の分類機会の間の差異のレベルを示す。例えば、２％の標準偏差は、低運転要求の特徴である可能性がより高くなり、一方、１０％の標準偏差は、高運転要求の特徴である可能性がより高くなる、などである。この手法は、ブレーキペダル位置、ハンドル角、及び／又は他の運転者の制御アクションパラメータについても同様に応用できる。よって、ＤＣＡ指数は、アクセルペダル、ブレーキペダル、ステアリングホイールなどに対する運転者アクションの変動に基づいて、運転要求を推定することができる。

図１４に示される標準偏差変化の平均は、運転者が異なれば、変化し得る。ＤＣＡ指数の算出は、これらの変化する平均値を考慮して、相対的変化を算出してもよい。予期されるアクションをキャプチャするために、運転者入力の導関数も組み込んでよい。この分散計算は、それぞれのファクタ（例えばアクセルペダル位置／速度、ブレーキペダル位置／速度、ハンドル角位置／速度など）の共分散の行列式の解析から得ることができる。

ＤＣＡ指数は、或る種の実施形態では以下の式に基づいて、運転要求に影響する共分散の行列式をそれぞれのファクタについて反復して計算することによって算出される。

ここで、ｘ_ｋは運転者制御アクション及びその導関数（時刻ｋにおける）のそれぞれについての２次元ベクトルであり、ｘ_ｋの上にバーが付された変数は、平均であり（それぞれの運転サイクルの間に連続的にアップデートされ、それぞれの運転サイクル後はリセットされてもよい）、αは較正された忘却係数であり、Ｇ_ｋは推定された逆共分散行列であり、Ｉは単位行列であり、Ｐ_ｋは推定された共分散行列であり、Δｘ_ｋ ^Ｔは式１２のΔｘ_ｋの転置である。

共分散行列の反復して計算された行列式ｄｅｔは、

によって与えられる。

ここで、ｎはベクトルｘ_ｋのサイズである。これは、運転者の加速、ブレーキング、及び／又はステアリングパフォーマンスの、これらパラメータについての特定の運転者の平均値に対する、推定された変動の尺度を与える。また、これは、運転者制御アクションの総合された変動の顕著な変化をキャプチャするために追跡され得る、全分散の単一次元の尺度を与える。

最終的なＤＣＡ指数（ＤＣＡ Index）は、０及び１の間の連続的な信号にスケーリングされ、

によって与えられ得る。

ここで、ＡＰＶはアクセルペダル変動であり、ＢＰＶはブレーキペダル変動であり、ＳＶはステアリング変動である。

図１５Ａにプロットされたアクセルペダル位置及び図１５Ｂにプロットされたハンドル角は、前記の手法を用いて分析された。図１５Ｃは、図１５Ａ及び図１５Ｂの入力に基づいたＤＣＡ指数についての例示的出力を示す。共分散行列（式１６）の行列式は、この例では、運転者の加速及びステアリングパフォーマンスの推定された変動の尺度を与える。それぞれの変動は、正規化され、それぞれの最大値を選ぶことによって集約統合され、図１５ＣにプロットされたＤＣＡ指数を生成している。図１５Ｄには車両速度が参考までにプロットされている。増加変動は、ＤＣＡ指数のスケール上では１に近い数値（比較的高い運転要求を表す）としてキャプチャされ、一方、減少変動は、例えば０及び０．２の間の数値（比較的低い運転要求を表す）としてスケール上ではキャプチャされている。

V. 計器盤指数
運転者の、計器盤及び／又はその他のタッチ／音声関連のインタフェースとのインタラクションは、運転者アクティビティの指標を与えるかもしれない。そのような運転者アクティビティレベルが増えると、運転者に対する認知的要求も増えることがある。表１に示したように、運転者のボタン押下アクティビティが増えると、運転者のワークロードも増えることがある。ワイパー制御部、エアコン制御部、音量制御部、方向指示器、センタースタックコンソール、ウィンドウ制御部、パワーシート制御部、音声コマンドインタフェースなどを含む車内制御部とのインタラクションの頻度は、複合指数に集約統合できる。よって、計器盤指数（ＩＰ指数）は、運転者の、計器盤、電子装備品、及び／又は任意の他のＨＭＩとのインタラクションを表す連続的な出力（０及び１の間）を提供する。

例えば任意の時刻ｋにおいてボタン／インタフェースデバイスが押下／オンされると、その出力は、

によって与えられる。

ボタン／インタフェースデバイスが押下／オンされないと、その出力は、

によって与えられる。

ここで、ＢＰ_ｉは、追跡されているそれぞれのボタン／インタフェースについての、押下／オンされたボタン／インタフェースの追跡値であり、αは、較正可能な忘却係数である。

ＩＰ指数（ＩＰ Index）は、

によって与えられ得る。

ここで、ｎは、追跡されているボタン／インタフェースの個数である。ＩＰ指数は、ここで説明されている統合手法の任意のものを用いて決定され得る。例としては、式２８及び式２９を参照して後に説明されているものと同様の手法が用いられ得る。

例示的な方向指示器及びエアコンのアクティビティ入力は、それぞれ図１６Ａ及び図１６Ｂにプロットされている。結果として生じるＩＰ指数は、式１８、式１９及び式２０に従って決定され、図１６Ｃにプロットされている。この例では、立ち上がり時間及び定常状態値は、アクティビティの持続期間に基づいている。

VI. 車間指数
車間指数は、０及び１の間の連続的な変数を提供し、運転されている車両がどのくらいその前方（又は側方）の車両（又は他の物体）に近いかを示す。表１に示されるように、ワークロード負荷が増えていることが、平均車間時間が減っていること、及び／又は最小間隔が減っていることから推測できる。

現在の速度依存の間隔（車間時間）は、次式から得られる。

ここで、ｒ_ｐ（ｋ）は、任意の時刻ｋにおける先行車両の位置であり、ｒ_ｆ（ｋ）は、後続車両の位置であり、ｖ_ｆ（ｋ）は、後続車両の速度である。

平均間隔ＨＷ_ｍ（ｋ）は、

から得られる。

ここで、αは、指数フィルタリングのための時定数であって、適宜、選択することができる。

そして、ＨＷ指数（ＨＷ Index）は、

から得られる。

ここで、γは、ＨＷ指数の感度利得であり、ＨＷ_ＭＡＸは、較正された値である。この利得は、最大指数１を満足するのに必要とされる車間時間に依存して選択／適応され得る。

他の実施形態において感度利得は、例えば運転者のタイプに基づいて選択／適応され得る。もし「若年者」、「高齢者」、「１０代」、「初心者」、「熟練者」などの運転者のタイプが既知であるなら、感度利得がそれに応じて調整されてもよい。この技術分野で知られるように、運転者は、本人によって携帯されるトークンに基づいて「若年者」、「高齢者」、「１０代」などと特定できる。トークンは、車両によって検出され、運転者のタイプを特定するのに用いられ得る。代替として、車両は、運転者が自分のタイプを特定できるようにする選択ボタンを設けてもよい。しかし、運転者をタイプによって区分するための任意の適切な／既知の手法が用いられ得る。「若年者」及び「１０代」についての感度利得は高くされ、一方、「熟練者」の運転者についての感度は低くされるなどのようであってもよい。他の実施形態においては、「１０代」及び「初心者」の運転者についての感度利得は、より高くなるよう選択され、「熟練者」の運転者についてはより低くなるよう選択されるなどのようであってもよい。よって、同じ車間距離（車間時間）が与えられても、ＨＷ指数は、「１０代」の運転者についてはより高くなり、「熟練者」の運転者については低くなる、などのようであってもよい。

代替として（又はそれに加えて）、感度利得は、環境状態に基づいて選択／適応されてもよい。ホイールスリップの検出を通してなどのように、任意の適切な／既知の手法によって決定された、濡れた又は凍った路面状態は、感度利得が増えることにつながり得る。乾いた路面状態は、感度利得が低くなり得る。交通量密度、地理的位置などを含む任意の適切な環境状態は、感度利得を選択する／変化させるのに用いられ得る。

交差点、道路工事、高要求道路構造などを含むインフラストラクチャへの近接も、式２１、式２２及び式２３で計算されたのと同様に計算され得る。そのような場合、ＨＷ指数は、

によって与えられ得る。

ここで、ｎは、追跡されている、高運転要求の近接項目の個数である。式２４のための重み付けされた関数が用いられてもよい。

他の実施形態においては、隣接するレーンでの交通量が増すことによる増加した間隔の戻り値は、ＨＷ指数に入力されるバイアスとして用いられ得る（表１に示されるように増加した交通量密度は、運転要求を高くし得る）。

更に他の実施形態においては、衝突までの時間が１０００ｍｓ未満の領域で追跡されてもよい。潜在的な切迫した衝突状況では、ＨＷ指数出力は、最大値の１に設定されてもよい。

図１７を参照して、衝突までの時間ｔ_ｃは、次式のように算出され得る。

ここで、ｖ_ｘは近接速度であり、Ａ_ｘは相対加速度であり、Ｘは車両間の距離である。この距離及び近接速度の情報は、任意の適切な／既知のレーダーシステム、ビジョンシステム、ライダーシステム、車両対車両通信システムなどから獲得され得る。

以下のシナリオの例示的な車両におけるＨＷ指数の計算を考慮し、図１８〜図２０は、ホスト車両速度、車両間近接速度及びシナリオ中の範囲を示す。図２１及び図２２は、平均間隔（式２２から計算される）及びＨＷ指数（式２３から計算される）をそれぞれ示す。

VII. ルールベースのサブシステム
図１を再び参照すると、ルールベースのサブシステム１２は、イベントバイナリ出力フラグを決定するための知識ベース及び事実を含んでもよい。サブシステム１２は、システム１０の他の要素を補充するための、特定のエキスパートエンジニアリング及び車両・運転者・環境インタラクションルールを備えてもよい。知識は、ルール群のセットとして表現されてもよい。車両システムの特定のアクティベーションが組み込まれてもよい。

それぞれのルールは、出力ワークロードの推奨を特定し、ＩＦ（条件）、ＴＨＥＮ（アクション）構造を有する。ルールの条件部が満たされると、アクション部が実行される。それぞれのルールは、出力ワークロード（０又は１）の推奨を特定してもよい。縦方向加速度、横方向加速度、ハンドル角、ボタンの使用など（例えば表２ａ及び表２ｂを参照）を含むいくつかの車両パラメータは、サブシステム１２によって任意の適切な／既知のやり方で、例えば車両のＣＡＮバスからモニタ／獲得され得る。これらパラメータと関連付けられた事実及びそれらの組み合わせは、条件ルールを設定するのに用いられ得る。

サブシステム１２によって実現される一般的なルールは、次のような形式であってもよい。

イベント中のインフォテインメント又は車両キャビンシステムの具体的な遅延又は制限は、エキスパートルールからイネーブルされる。ルールベースの出力は、特定の特徴の使用及び条件に対する運転要求のエキスパート見解の使用に基づいて、相対出力統合を提供するために更に処理されてもよい。

ルールは、例えば表２ａ及び表２ｂに挙げた情報に基づいてもよい。例えば、もしハンドル角が１０５度よりも大きいならば、Event_Flag ＝1とする。他のルールももちろん構築され得る。

VIII. 統合
ＨＷ指数（ＨＷ Index）、ＤＣＡ指数（ＤＣＡ Index）、ＩＰ指数（ＩＰ Index）及びＨＬ指数（ＨＬ Index）の１つ以上が、以下に説明される手法を用いて、サブシステム１４により集約統合されることによって、追跡指数（Ｔ指数）を形成してもよい。しかし１つの指数だけが使用／算出／決定される実施形態においては、統合は必要ではないかもしれない。

ある種の実施形態においては、短期の統合を用いて、運転者に伝えられるべき情報／タスクを予定／遅延／抑制してもよい。推定された最高の運転要求が必要とされる状況については、Ｔ指数(Ｔ Index、又は式２９ではTracking_Index)は、

によって与えられ得る。

他の実施形態においては、以下に説明されるように、指数値の平均／最大出力の組み合わせについては、コンテキスト依存の統合が採用される。例えば図１を参照して、ＤＣＡ指数、ＩＰ指数、ＨＬ指数及びＨＷ指数がサブシステム１４によって組み合わされることで、

によって与えられるＴ指数を生成してもよい。

ここで、ｗ_ｉは、入力に課せられる運転要求値に依存する、コンテキスト依存の重みである。式２８を展開すれば、

となる。ここで、ＷＬＥ_ＤＣＡ、ＷＬＥ_ＩＰ、ＷＬＥ_ＨＬ及びＷＬＥ_ＨＷは、それぞれＤＣＡ指数、ＩＰ指数、ＨＬ指数、及びＨＷ指数出力である。対応する重みはｗ_ＤＣＡ、ｗ_ＩＰ、ｗ_ＨＬ及びｗ_ＨＷによって与えられる。

表３及び表４において、統合のための例示的ルールを挙げる。

サブシステム１６は、サブシステム１４を参照して、前記手法を用いて、ルールベース指数（Rule-Based Index）及びＴ指数をＷＬＥ指数に統合してもよい。例として、ＷＬＥ指数(ＷＬＥ Index)は、

によって与えられ得る。

例示的なルールベース指数、ＩＰ指数及びＤＣＡ指数は、それぞれ図２３Ａ〜図２３Ｃにプロットされる。これら指数は、推定された最も高い運転要求の状況が考慮される条件について、ここで説明された手法を用いて統合され、図２３Ｄにプロットされている。車両速度は、図２３Ｅに参考のためにプロットされている。

IV. 長期的な特徴付け
他の実施形態において、ＷＬＥ指数は、サブシステム１６及び／又はディスパッチャー１８（構成に依存する）によって、ＨＭＩ推奨を提供するために、或る期間に亘って特徴付けられてもよい。長期的ＷＬＥ特徴付けによって、或る期間に亘る運転要求に基づいて、ＨＭＩを運転者に合わせることができる。ｒ_ｋは、例えば、運転者についてのＷＬＥ指数値（任意の時刻ｋにおける）を反映する変数であることを考える。運転要求が、図２４で定義されるようにファジィメンバーシップ関数μ_ａ、μ_ｂ、μ_ｃによって、｛ａ，ｂ，ｃ｝のように３クラスにカテゴライズされると仮定する。すると、運転挙動ｄ_ｋは、次の例示的計算から推測され得る。

もし例えばｒ_ｋが０．４の値を有するなら、ｄ_ｋは、[０．１８，０．６２，０]として表現され得る（図２４に従えば）。運転挙動のフィルタリングされた（長期の）ものｄ_ｆｋは、次式で表現され得る。

ここで、αは、較正可能な忘却係数である（よって運転挙動の長期のものｄ_ｆｋが評価される期間を特定／決定する）。

クラス群のそれぞれについての長期確率（ｐ_ｋ）_ｉは、

から得られる。

式３３によれば、クラス群のそれぞれについての運転挙動のフィルタリングされたもの（ｄ_ｆｋ）_ｉは、クラス群の全てについての運転挙動のフィルタリングされたものの和によって除される。もし例えばｄ_ｆｋが[０，０．１６，０．３８]によって表されるなら、（ｐ_ｋ）_ａは、０を（０＋０．１６＋０．３８）によって除した値に等しくなり（（ｐ_ｋ）_ａは０に等しくなる）、（ｐ_ｋ）_ｂは、０．１６を（０＋０．１６＋０．３８）によって除した値に等しくなり（（ｐ_ｋ）_ｂは０．２９になる）、（ｐ_ｋ）_ｃは、０．３８を（０＋０．１６＋０．３８）によって除した値に等しくなる（（ｐ_ｋ）_ｃは０．７１になる）。

運転要求の最終的な長期ＷＬＥ指数の特徴付けｉ_ｋは、

から推測され得る。前記の例を用いて、（ｐ_ｋ）_ｉの最大値は０．７１（つまり（ｐ_ｋ）_ｃの値）である。したがって、式３４から運転挙動は、現在は「高要求」クラスであることが推測され得る。

X. ディスパッチャー
ディスパッチャー１８は、算出されたＷＬＥ指数若しくはＷＬＥ指数の長期特徴付け、又はＤＣＡ指数、ＩＰ指数、ＨＬ指数及びＨＷ指数のうちの任意の一つを適用することによって（単一の指数だけが使用／計算／決定される実施形態において）、インフォテインメント及び／又は他の対話システムと運転者との間のインタラクションを変調する。ＷＬＥ指数は、機能性及び安全性を向上させるために、運転者に提示されるべきボイスコマンド及び他のタスクを設定／回避／調節／制限／スケジューリングするのに用いられる推測されたワークロード負荷を提供する。

運転者との例示的なインタラクションは、テキスト・音声の情報を生成すること、アバター通信を生成すること、着信した電話に関する通知を生成すること、事前対応のパワートレインコマンドを生成すること、事前対応の音声による推奨を生成すること、例えば触知できるハンドルを介して触知できる応答を生成すること、又は、他の音声、視覚及び／又は触知による出力などを生成することを含んでもよい。これら例示的運転者インタフェースタスクのそれぞれは、それに関連付けられた優先度を有してもよい。例えば、着信した電話に関する通知を生成することは、優先度が高いかもしれないが、一方、事前対応の音声による推奨は、優先度が低いかもしれない。

与えられた運転者インタフェースのタスクに対して、或る優先度のタイプを割り当てるためには、任意の適切な／既知の手法が用いられ得る。例として、ディスパッチャー１８は、着信した電話に関して生成されるべき通知には、高い優先度が割り当てられ、運転者に伝えられるべき、車両が発する推奨には、低い優先度が割り当てられるという、高／低優先度の決まりを実現してもよい。しかし、他の優先度スキームが用いられてもよい。例として、０及び１．０の間の数は、タスクの優先度を表現し得る。すなわち、或る種のタスクには０．３の優先度が割り当てられ、一方、他のタスクには０．８の優先度が割り当てられるなどのようにである。他の実施形態においては、運転者インタフェースタスクと関連付けられた優先度タイプは、この技術で知られるようにそのタスクを生成したコントローラ／プロセッサ／サブシステム（不図示）によって割り当てられてもよい。

或る種の実施形態は、ワークロード及び優先度に基づいて、運転者インタフェースタスクを調整して提示することを可能にし得る。もし例えばＷＬＥ指数（又は場合によっては上記指数のうちの任意の一つ）が０．４及び０．６の間の値を有するなら、ディスパッチャー１８は、優先度が高い運転者インタフェースタスクだけが実行されるようにしてもよい。ディスパッチャー１８は、後でＷＬＥ指数が０．４未満の値になったら実行するよう条件付けられるように、低優先度タスクをスケジューリングしてもよい。もし例えばＷＬＥ指数が０．７及び１．０の間の値を有するなら、ディスパッチャー１８は、全ての運転者インタフェースタスクが実行されないようにしてもよい。高いワークロードのこれらの期間の間は、ディスパッチャー１８は、高優先度タスクについては、ＷＬＥ指数が０．７未満の値を持つようになった後で実行するようスケジューリングし、低優先度タスクについては、ＷＬＥ指数が０．４未満の値を持つようになった後で実行するようスケジューリングする。

同様に、もし長期運転挙動が「高要求」と特徴付けられるなら、或る種の／全てのタスクは、それらの優先度に関係なく、長期運転挙動が「中要求」又は「低要求」と特徴付けられるまで、中断／遅延／スケジューリングされてもよい。代替として、もし長期運転挙動が、例えば「高要求」クラスに入る可能性が少しでもあるなら、或る種の／全てのタスクは、「高要求」に入る可能性がゼロになるまで、中断／遅延／スケジューリングされてもよい。もちろん他のシナリオも可能である。例えばタスクをカテゴライズするために優先度の種類が用いられない実施形態においては、推測されたワークロードによっては全てのタスクが中断／遅延／スケジューリングされてもよい。

高いワークロードの期間の間に着信した電話の場合は、ディスパッチャー１８は、その電話をボイスメールシステムに転送してもよい。ＷＬＥ指数が適当な値になってから、ディスパッチャー１８は、電話が着信したことを示す通知を生成してもよい。

ここで開示されたアルゴリズムは、システム１２，１３，１４，１６，１８のうちの任意の処理装置／全ての処理装置に送られてもよい。システム１２，１３，１４，１６，１８は、以下には限定されないが、ＲＯＭデバイスのような書き込み不可能な記憶媒体上に永久的に記憶された情報、及びフロッピーディスク、磁気テープ、ＣＤ、ＲＡＭデバイスのような書き込み可能な記憶媒体、及び他の磁気及び光学媒体上に改変可能に記憶された情報を含む、多くの形態をとる任意の既存の電子制御ユニット又は専用電子制御ユニットを含み得る。このアルゴリズムは、ソフトウェアで実行可能なオブジェクトにおいてインプリメントされてもよい。代替として、このアルゴリズムは、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、ステートマシン、コントローラ、又は他のハードウェア要素又はデバイスのような適切なハードウェア要素、又はハードウェア、ソフトウェア及びファームウェア要素の組み合わせを全体的又は部分的に用いて実現してもよい。

本発明の実施形態が図示され説明されてきたが、これら実施形態は本発明の全ての可能な形態を図示し説明するようには意図されていない。本明細書で用いられる用語は、限定ではなく説明のための用語であり、さまざまな改変が、本発明の精神及び範囲から逸脱することなくなされ得ることが理解されよう。

Claims (4)

1. 車両であって、
   (i)運転者に課される、運転に対する負荷及び運転以外の二次行為に対する負荷である運転者ワークロードを、車両のコントローラエリアネットワークから入手可能な車両情報に基づいて推定し、
   (ii)前記運転者ワークロードを、運転者ワークロードの異なるレベルを表す複数のワークロードクラスにカテゴライズし、かつ、
   (iii)特定の期間について、前記運転者ワークロードが前記ワークロードクラスのそれぞれに入る相対頻度を求め、かつ、
   (iv)実行されるべき複数の運転者インタフェースタスクを、該運転者インタフェースタスクを生成するヒューマンマシンインタフェースから受け取り、かつ、
   (v)前記運転者インタフェースタスクの実行を前記相対頻度に基づいてスケジューリングし、かつ、
   (vｉ)前記スケジュールに従って前記運転者インタフェースタスクを実行する、
   ように構成された少なくとも１つのプロセッサを備え、
   前記少なくとも１つのプロセッサは、前記ワークロードクラスのそれぞれについて、現在の期間についての前記運転者ワークロード及び過去の期間についての前記運転者ワークロードに基づいた長期的運転者ワークロードと、前記特定の期間を決定するスケールファクタとを求めるように構成されていることを特徴とする車両。
2. 前記少なくとも１つのプロセッサは、前記相対頻度の最大値を求めるように構成されていることを特徴とする請求項１に記載の車両。
3. 前記運転者インタフェースタスクは、前記相対頻度の前記最大値に従ってスケジューリングされることを特徴とする請求項２に記載の車両。
4. 前記複数の運転者インタフェースタスクは、音声出力を生成すること、視覚的出力を生成すること、及び、触覚的出力を生成することのうちの少なくとも１つを含むことを特徴とする請求項１に記載の車両。

Images