JP6008050B2 - 運転状態推定装置 - Google Patents

Description

本発明は、運転状態推定装置に関する。

従来、運転状態推定装置としては、例えば、特許文献１に記載の技術がある。
特許文献１に記載の技術では、ステアリングホイールの操舵角に基づいて、操舵操作が滑らかに行われたと仮定した場合の操舵角推定値と実際の操舵角との差（以下、「分布データ」とも呼ぶ）を算出する。続いて、算出した分布データに基づいて、普段の操舵特性に対応する相対的に時間的範囲の長い分布データの度数分布（以下、「走行状態分布」とも呼ぶ）と、現在の操舵特性に対応する相対的に時間的範囲の短い分布データの度数分布（走行状態分布）とを算出する。そして、算出した２つの走行状態分布の分布間の相違量に基づいて運転者の運転状態を推定する。これにより、特許文献１に記載の技術では、交通環境の違いによらず、運転の不安定状態を精度よく検出可能となっている。ここで、特許文献１に記載の技術では、度数分布（走行状態分布）のビン、つまり、分布データを分類するために、区分けされた各データ範囲を、正値および負値の両方に設定していた。

特開２００９−９４９５号公報

しかしながら、上記特許文献１に記載の技術では、走行状態分布のビンを、正値および負値の両方に設定していた。それゆえ、走行状態分布のビンの数が増大する可能性があった。そのため、運転状態推定装置の演算負荷が増大する可能性があった。その結果、スマートフォン、廉価な車載コントローラ等、演算能力が比較的低い機器で運転状態推定装置を実現することが困難であった。
本発明は、上記のような点に着目したもので、運転状態推定装置の演算負荷を低減可能とすることを目的とする。

上記課題を解決するために、本発明の一態様では、走行状態データに基づいて走行状態分布用の分布データを取得する。続いて、取得した分布データを絶対値化する。続いて、絶対値化した分布データに基づいて時間的範囲の異なる分布データの絶対値を複数に区分けされた各データ範囲であるビンに分類して該分布データの度数分布を走行状態分布として複数算出する。続いて、算出した複数の走行状態分布に基づいて運転者の運転状態を推定する。

本発明の一態様によれば、分布データの絶対値を複数に区分けされた各データ範囲であるビンに分類して該分布データの度数分布を走行状態分布として算出する。それゆえ、算出した走行状態分布のビンは正値にのみ設定される。そのため、走行状態分布のビンの数を低減できる。その結果、走行状態分布に基づく運転状態の推定の演算負荷を低減できる。これにより、運転状態推定装置の演算負荷を低減できる。

運転状態推定装置を搭載した車両の構成を表す図である。 運転状態推定装置のシステム構成例を表すブロック図である。 運転支援部１００Ａの構成を表すブロック図である。 車両の運転状況を説明するための図である。 走行状態分布算出部１３０の構成を表すブロック図である。 運転不安定度判定処理を表すフローチャートである。 絶対エントロピーＨp1、Ｈp2、相対エントロピーＲＨp算出に用いる記号を説明するための図である。 操舵角予測誤差θeを説明するための図である。 第１走行状態分布および第２走行状態分布の算出方法を説明するための図である。 第１走行状態分布および第２走行状態分布の算出方法を説明するための図である。 予測誤差区分ｂｉの範囲を表す図である。 相対エントロピーＲＨpを説明するための図である。 情報呈示オン例を説明するための図である。 情報呈示オン例を説明するための図である。 運転状態推定装置を搭載した車両の動作を表す図である。 運転状態推定装置を搭載した車両の構成を表す図である。 運転状態推定装置を搭載した車両の構成を表す図である。 運転不安定度判定処理を表すフローチャートである。 予測誤差区分ｂｉの範囲を表す図である。 第１走行状態分布および第２走行状態分布の算出方法を説明するための図である。

本発明に係る実施形態について図面を参照しつつ説明する。
（第１実施形態）
（構成）
図１は、本実施形態の運転状態推定装置を搭載した車両の構成を表す図である。
図１に示すように、車両は、アクセルペダル開度量センサ１、ブレーキペダル操作量センサ２、操舵角センサ３、車輪速センサ４、ウインカ検出センサ５、およびナビゲーション装置６を備える。また、車両は、Ｇセンサ７、シフトセンサ８、前方車両検出装置９、およびコントローラ１００を備える。

アクセルペダル開度量センサ１は、アクセルペダルの開度量を検出する。そして、アクセルペダル開度量センサ１は、検出した開度量をコントローラ１００に出力する。
ブレーキペダル操作量センサ２は、ブレーキペダルの操作量を検出する。そして、ブレーキペダル操作量センサ２は、検出した操作量をコントローラ１００に出力する。
操舵角センサ３は、ステアリングホイール（不図示）の操舵角を検出する。そして、操舵角センサ３は、検出した操舵角をコントローラ１００に出力する。操舵角センサ３としては、例えば、ステアリングコラムの回転角を検出する角度センサを採用できる。

車輪速センサ４は、車輪の回転数（以下、「車輪速」とも呼ぶ）を検出する。続いて、車輪速センサ４は、検出した車輪速に基づいて車速を算出する。そして、車輪速センサ４は、検出した車輪速および算出した車速のそれぞれをコントローラ１００に出力する。
ウインカ検出センサ５は、ウインカレバー（不図示）の操作状態（以下、「ウインカ操作」とも呼ぶ）を検出する。ウインカ操作としては、例えば、操作の有無がある。そして、ウインカ検出センサ５は、検出したウインカ操作をコントローラ１００に出力する。

シフトセンサ８は、シフトレバー（不図示）の操作状態（以下、「シフト操作」とも呼ぶ）を検出する。シフト操作としては、例えば、Ｐ、Ｄ、Ｒ等のシフトレバーの位置がある。そして、シフトセンサ８は、検出したシフト操作をコントローラ１００に出力する。
情報呈示装置は、コントローラ１００が出力した制御信号（後述）に従って、警報その他の情報を運転者に呈示する。呈示方法としては、音声や画像がある。情報呈示装置としては、例えば、ブザー音や音声により運転者への情報提供を行うスピーカ１０、および画像やテキストの表示により運転者への情報提供を行う表示ユニットを採用できる。表示ユニットとしては、例えば、ナビゲーション装置６の表示モニタを流用してもよい。

ナビゲーション装置６は、ＧＰＳ(Global Positioning System)受信機、地図データベース、および表示モニタを備える。そして、ナビゲーション装置６は、ＧＰＳ受信機および地図データベースから車両の現在位置および道路情報を取得する。続いて、ナビゲーション装置６は、取得した車両の現在位置および道路情報に基づいて車両が走行する道路の種別や道路幅員等の各種情報を取得する。続いて、ナビゲーション装置６は、取得した情報に基づいて経路探索の結果および経路案内の結果等を表示モニタに表示する。
Ｇセンサ７は、車両に発生した前後加速度および横加速度を検出する。そして、Ｇセンサ７は、検出した前後加速度および横加速度をコントローラ１００に出力する。
前方車両検出装置９は、車両の進行方向前方に存在する他の車両その他の障害物の情報（例えば、障害物までの距離）を検出する。そして、前方車両検出装置９は、検出した情報をコントローラ１００に出力する。前方車両検出装置９としては、例えば、車両の進行方向前方にレーザー光を出射して反射光を検出するレーザ距離計を採用できる。

コントローラ１００は、ＣＰＵ(Central Processing Unit)、並びにＲＯＭ(Read Only Memory)、ＲＡＭ(Random Access Memory)およびＡ/Ｄ(Analog to Digital)変換回路等のＣＰＵ周辺部品を備える。そして、コントローラ１００（ＣＰＵ、ＣＰＵ周辺部品）は、運転不安定度判定処理を行う運転支援部１００Ａを備える。運転不安定度判定処理では、運転支援部１００Ａは、アクセルペダル開度量センサ１およびブレーキペダル操作量センサ２等が出力した検出結果に基づいて、運転者が操作可能な運転操作子の操作状態、および車両状態の少なくとも一方を含む走行状態データを取得する。運転操作子としては、例えば、ステアリングホイール、アクセルペダル、およびブレーキペダルがある。車両状態としては、前方車両に対する車間情報がある。本実施形態では、走行状態データとして、操舵角センサ３が出力した操舵角の情報（以下、「操舵角情報」とも呼ぶ）を採用する。

続いて、運転支援部１００Ａは、取得した走行状態データ（操舵角情報）に基づいて複数の走行状態分布（第１走行状態分布、第２走行状態分布（後述））用の分布データ（操舵角予測誤差θe（後述））を取得する。分布データ（操舵角予測誤差θe）の取得周期は、予め定めた第１周期（例えば、５０ミリ秒）とする。続いて、運転支援部１００Ａは、取得した分布データ（操舵角予測誤差θe）に基づいて時間的範囲の異なる分布データ（操舵角予測誤差θe）の絶対値の度数分布を走行状態分布（第１走行状態分布、第２走行状態分布）として複数算出する。走行状態分布（第１走行状態分布、第２走行状態分布）の算出周期は、第１周期（例えば、５０ミリ秒）よりも長い第２周期（例えば、５秒）とする。続いて、運転支援部１００Ａは、算出した複数の走行状態分布（第１走行状態分布、第２走行状態分布）に基づいて絶対エントロピーＨp1、Ｈp2（後述）を算出する。

続いて、運転支援部１００Ａは、算出した絶対エントロピーＨp1、Ｈp2に基づいて運転者の運転状態（運転の不安定度（後述））を判定する。続いて、運転支援部１００Ａは、算出した複数の走行状態分布（第１走行状態分布、第２走行状態分布）の分布間の相違量（相対エントロピーＲＨp（後述））に基づいて運転者の運転状態（運転の不安定度）を判定する。そして、運転支援部１００Ａは、判定した運転状態（運転の不安定度）に基づいて警報その他の情報（以下、「呈示情報」とも呼ぶ）を運転者に呈示させる制御信号を情報呈示装置に出力する。これにより、運転支援部１００Ａは、運転者に呈示情報を呈示し、運転の不安定度（運転の不安定状態）について運転者の注意を喚起する。

なお、走行状態データとしては、前方車両に対する車間情報（車間距離、車間時間）や、アクセルペダルやブレーキペダルの操作に基づく加減速情報等を採用してもよい。車間情報（車間距離、車間時間）や、加減速情報等を採用する場合、走行状態分布（第１走行状態分布、第２走行状態分布）および分布間の相違量（相対エントロピーＲＨp）の算出は、例えば、国際公開番号ＷＯ２００９／０１３８１５（特願２００９−５２４３４２号）の公報等に記載しているような公知の方法によって算出すればよい。

コントローラ１００としては、例えば、スマートフォンや、車載コントローラ、クラウドサーバを採用してもよい。クラウドサーバを採用する場合、車両が、アクセルペダル開度量センサ１、およびブレーキペダル操作量センサ２等が出力した検出結果をクラウドサーバに送信する。これにより、クラウドサーバが、車両が送信した検出結果に基づいて運転不安定度判定処理を実行し、運転不安定度判定処理の結果に基づいて呈示情報を運転者に呈示させる制御信号を情報呈示装置に送信する。そして、車両が、クラウドサーバが送信した制御信号に基づいて情報呈示装置で運転者に呈示情報を呈示する。

図２は、本実施形態の運転状態推定装置のシステム構成例を表すブロック図である。
図２に示すように、本実施形態では、情報呈示装置として、視覚情報呈示装置、および聴覚情報呈示装置を例示している。また、視覚情報呈示装置としては、ナビゲーション装置６の表示モニタ、聴覚情報呈示装置としては、スピーカ１０を例示している。
図３は、本実施形態の運転支援部１００Ａの構成を表すブロック図である。
図３に示すように、運転支援部１００Ａは、走行状態データ取得部１１０、運転状況判定部１２０、走行状態分布算出部１３０、運転不安定度判定部１４０、および情報呈示部１５０を備える。
走行状態データ取得部１１０は、操舵角センサ３が出力した検出結果を取得する。そして、走行状態データ取得部１１０は、取得した検出結果を走行状態データとする。

図４は、車両の運転状況を説明するための図である。
運転状況判定部１２０は、アクセルペダル開度量センサ１、およびブレーキペダル操作量センサ２等が出力した検出結果に基づいて、車両の運転状況（第１外乱運転状況（後述）、第２外乱運転状況（後述）、通常運転状況（後述））を判定する。具体的には、運転状況判定部１２０は、アクセルペダル開度量センサ１、およびブレーキペダル操作量センサ２等が出力した検出結果に基づいて、運転者が操作可能な運転操作子の操作状態、走行環境、および車両状態を検出する。続いて、運転状況判定部１２０は、検出した運転操作子の操作状態、走行環境、および車両状態に基づいて、車両の運転状況が第１外乱運転状況（運転状態の推定に対して、外乱となる運転状況）にあるかを判定する。第１外乱運転状況としては、例えば、横滑り、ＶＤＣ(Vehicle Dynamics Control)作動、ＬＤＰ(Lane Departure Preservation)作動、および各種事象（車線変更、車両の右左折、車両の加減速、ブレーキペダル（不図示）の操作、変速操作、スイッチ・レバー操作、トンネル出入口、うねり、路面のジョイント）が設定時間継続等のイベントで発生する運転状況がある。ＶＤＣ作動は、例えば、ＶＤＣの作動を表すＶＤＣ作動フラグに基づき検出する。ＬＤＰ作動は、例えば、ＬＤＰの作動を表すＬＤＰ作動フラグに基づき検出する。

また、運転状況判定部１２０は、検出した運転操作子の操作状態、走行環境、および車両状態に基づいて、車両の運転状況が第２外乱運転状況（運転状態の推定に対して、外乱となる運転状況）にあるかを判定する。第２外乱運転状況としては、例えば、車線変更、車両の右左折、変速操作、トンネル出入口、およびうねり等のイベントで発生する運転状況がある。車線変更、車両の右左折は、例えば、ウインカ検出センサ５に基づき検出する。変速操作は、例えば、クラッチの操作状態を検出するクラッチセンサ（不図示）、シフトセンサ８に基づき検出する。トンネル出入口は、例えば、ヘッドライト（不図示）の作動状態を検出するライトセンサ（不図示）に基づき検出する。うねりは、例えば、Ｇセンサ７（横Ｇ）に基づき検出する。一方、運転状況判定部１２０は、第１外乱運転状況および第２外乱運転状況のいずれでもないと判定した場合には、運転の不安定度の判定に対して外乱となる運転状況にない（以下、「通常運転状況」とも呼ぶ）と判定する。

走行状態分布算出部１３０は、走行状態データ取得部１１０が取得した走行状態データ（操舵角情報）に基づいて走行状態分布（第１走行状態分布、第２走行状態分布）用の分布データ（操舵角予測誤差θe）を取得する。操舵角予測誤差θeの取得周期は、第１周期（例えば、５０ミリ秒）とする。続いて、走行状態分布算出部１３０は、取得した分布データ（操舵角予測誤差θe）に基づいて時間的範囲の異なる分布データ（操舵角予測誤差θe）の絶対値の度数分布を走行状態分布（第１走行状態分布、第２走行状態分布）として複数算出する。走行状態分布（第１走行状態分布、第２走行状態分布）の算出周期は、第１周期（例えば、５０ミリ秒）よりも長い第２周期（例えば、５秒）とする。

具体的には、走行状態分布算出部１３０は、取得した分布データ（操舵角予測誤差θe）に基づき、予め定めた相対的に長い時間的範囲（例えば、２１６０秒）で取得した分布データ（操舵角予測誤差θe）の絶対値の度数分布を第１走行状態分布として算出する。また、走行状態分布算出部１３０は、取得した分布データ（操舵角予測誤差θe）に基づき、第１走行状態分布（例えば、２１６０秒）よりも短い時間的範囲（例えば、９０秒）で取得した分布データ（操舵角予測誤差θe）の絶対値の度数分布を第２走行状態分布として算出する。第１走行状態分布および第２走行状態分布の算出例については後述する。

図５は、本実施形態の走行状態分布算出部１３０の構成を表すブロック図である。
図５に示すように、走行状態分布算出部１３０は、分布データ算出部１３０Ａ、絶対値化部１３０Ｂ、データ一時蓄積部１３０Ｃ、第１走行状態分布算出部１３０Ｄ、第２走行状態分布算出部１３０Ｅ、分布蓄積部１３０Ｆ、および分布選択部１３０Ｇを備える。
分布データ算出部１３０Ａは、走行状態データ取得部１１０が取得した走行状態データ（操舵角情報（操舵角θ））に基づき分布データ（操舵角予測誤差θe）を算出する。操舵角予測誤差θeは、予め定めた第１周期（例えば、５０ミリ秒）毎に算出する。

絶対値化部１３０Ｂは、分布データ算出部１３０Ａが算出した分布データ（操舵角予測誤差θe）を取得する。そして、絶対値化部１３０Ｂは、取得した分布データ（操舵角予測誤差θe）を絶対値化する。
データ一時蓄積部１３０Ｃは、絶対値化部１３０Ｂが絶対値化した分布データ（操舵角予測誤差θe）を蓄積する。絶対値化した分布データ（操舵角予測誤差θe）は、第１周期（例えば、５０ミリ秒）毎にデータ一時蓄積部１３０Ｃに蓄積する。

第１走行状態分布算出部１３０Ｄは、データ一時蓄積部１３０Ｃが蓄積している絶対値化した分布データ（操舵角予測誤差θe）に基づいて、分布データ（操舵角予測誤差θe）の絶対値の度数分布を第１走行状態分布として算出する。第１走行状態分布は、第２周期（＞第１周期（５０ミリ秒）。例えば、５秒）毎に算出する。
第２走行状態分布算出部１３０Ｅは、データ一時蓄積部１３０Ｃが蓄積している絶対値化した分布データ（操舵角予測誤差θe）に基づいて、分布データ（操舵角予測誤差θe）の絶対値の度数分布を第２走行状態分布として算出する。第２走行状態分布は、第２周期（＞第１周期（５０ミリ秒）。例えば、５秒）毎に算出する。
分布蓄積部１３０Ｆは、第２走行状態分布算出部１３０Ｅが算出した第２走行状態分布を取得する。そして、分布蓄積部１３０Ｆは、取得した第２走行状態分布を蓄積する。

分布選択部１３０Ｇは、運転状況判定部１２０が運転状態の推定（運転の不安定度の判定）に対して外乱となる運転状況（第１外乱運転状況、第２外乱運転状況）にあると判定すると、第１走行状態分布算出部１３０Ｄおよび第２走行状態分布算出部１３０Ｅが算出する走行状態分布（第１走行状態分布、第２走行状態分布）を変更する。具体的には、分布選択部１３０Ｇは、運転状況判定部１２０の判定結果に基づいて、車両の運転状況が第１外乱運転状況および第２外乱運転状況のいずれに該当するのかを判定する。そして、分布選択部１３０Ｇは、第１外乱運転状況に該当すると判定した場合には、第２走行状態分布算出部１３０Ｅが算出した第２走行状態分布を、第１走行状態分布算出部１３０Ｄが算出した第１走行状態分布で置き換える（以下、「リセット処理」とも呼ぶ）。
一方、分布選択部１３０Ｇは、第２外乱運転状況に該当すると判定した場合には、第２走行状態分布算出部１３０Ｅが算出した第２走行状態分布を、第１外乱運転状況および第２外乱運転状況のいずれかにあると判定しているときの分布データ（操舵角予測誤差θe）の絶対値を含まない第２走行状態分布で置き換える（以下、「リストア処理」とも呼ぶ）。

運転不安定度判定部１４０は、走行状態分布算出部１３０が算出した第１走行状態分布および第２走行状態分布（置き換えた場合には、置き換え後の第２走行状態分布）に基づいて運転者の運転状態（運転の不安定度）を推定する。
情報呈示部１５０は、運転不安定度判定部１４０が推定した運転者の運転状態（運転の不安定度）に基づいて運転者に呈示情報を呈示する処理（以下、「情報呈示処理」とも呼ぶ）を行う。情報呈示処理では、情報呈示部１５０は、呈示情報、つまり、運転者に呈示する警報その他の情報を運転者に呈示させる制御信号を情報呈示装置に出力する。

（運転不安定度判定処理）
次に、運転支援部１００Ａが実行する運転不安定度判定処理について説明する。運転不安定度判定処理は、予め定めた制御周期毎に実施する。
図６は、運転不安定度判定処理を表すフローチャートである。
図６に示すように、まず、ステップＳ１０１では、運転支援部１００Ａ（走行状態データ取得部１１０、運転状況判定部１２０）は、車両情報を取得する。車両情報としては、例えば、走行状態データ（操舵角情報）、および運転操作子の操作状態の情報がある。
続いてステップＳ１０２に移行して、運転支援部１００Ａ（運転状況判定部１２０）は、交通環境情報を取得する。交通環境情報としては、例えば、走行環境の情報がある。

続いてステップＳ１０３に移行して、運転支援部１００Ａ（運転状況判定部１２０）は、ステップＳ１０１で取得した車両情報、およびステップＳ１０２で取得した交通環境情報に基づいて、車両の運転状況（第１外乱運転状況、第２外乱運転状況、通常運転状況）を判定する。具体的には、運転支援部１００Ａ（運転状況判定部１２０）は、ステップＳ１０１で取得した車両情報、およびステップＳ１０２で取得した交通環境情報に基づいて、運転操作子の操作状態、走行環境、または車両状態を検出する。続いて、運転支援部１００Ａ（運転状況判定部１２０）は、検出した運転操作子の操作状態、走行環境、または車両状態に基づいて、車両の運転状況が第１外乱運転状況、第２外乱運転状況、および通常運転状況のいずれの状況にあるか判定する。

続いてステップＳ１０４に移行して、走行状態分布算出部１３０（分布データ算出部１３０Ａ）は、ステップＳ１０１で取得した走行状態データ（操舵角情報）に基づいて操舵角予測誤差θeを算出する。ここで、図７に、絶対エントロピーＨp1、Ｈp2、相対エントロピーＲＨpを算出するために用いる特殊記号およびこの特殊記号の名称を示す。操舵角円滑値θn-tildeは、量子化ノイズの影響を低減した操舵角θである。また、操舵角の推定値θn-hatは、ステアリングホイールを滑らかに操作したと仮定してサンプリング時点における操舵角θを推定した値である。操舵角推定値θn-hatは、以下の（式１）に示すように、操舵角円滑値θn-tildeに対して二次のテイラー展開を施して得る。

（式１）において、ｔnは操舵角θnのサンプリング時刻である。
操舵角円滑値θn-tildeは、量子化ノイズの影響を低減するために、３個の隣接した操舵角θnの平均値として以下の（式２）から算出する。

（式２）において、ｌは、操舵角円滑値θn-tildeの算出時間間隔を１５０ミリ秒、すなわち、手動操作において人間が断続的に操作可能な最小時間間隔とした場合に、１５０ミリ秒内に含まれる操舵角θnのサンプル数を表す。
操舵角θnのサンプリング間隔をＴsとすると、サンプル数ｌは、以下の（式３）で表する。
ｌ＝round（０．１５／Ｔs） ・・・（式３）
（式３）において、ｋ＝１、２、３の値をとり、（ｋ＊１）により１５０ミリ秒間隔の操舵角とそれに隣接する合計３個の操舵角θnに基づいて、円滑値θn-tildeを求めることができる。したがって、このような円滑値θn-tildeに基づいて算出する推定値θn-hatは、実質的に１５０ミリ秒間隔で得た操舵角θにより算出したことになる。

図８は、操舵角予測誤差θeを説明するための図である。
サンプリング時点における操舵角予測誤差θeは、図８に示すように、ステアリングホイールを滑らかに操作したと仮定した場合のサンプリング時点における操舵角推定値θn-hatと実際の操舵角θnとの差として、以下の（式４）から算出できる。

ただし、操舵角予測誤差θeは、手動操作において人間が断続的に操作可能な最小時間間隔、すなわち、１５０ミリ秒毎の操舵角θnに対してのみ算出するものとする。
以下に、操舵角予測誤差θeの具体的な算出方法を説明する。なお、操舵角θのサンプリング間隔Ｔsは、例えば、５０ミリ秒とする。まず、１５０ミリ秒間隔の隣接する３個の操舵角θnを用いて、上記（式２）から３個の操舵角円滑値θn-tildeを算出する。３個の操舵角円滑値θn-tildeは、以下の（式５）で表す。

次に、算出した３個の操舵角円滑値θn-tildeを用いて、上記（式１）から操舵角の推定値θn-hatを算出する。推定値θn-hatは、以下の（式６）で表す。

そして、算出した操舵角推定値θn-hatと実際の操舵角θnとを用いて、上記（式４）から操舵角予測誤差θeを算出する。
続いてステップＳ１０５に移行して、運転支援部１００Ａ（絶対値化部１３０Ｂ）は、ステップＳ１０４で算出した操舵角予測誤差θe（分布データ）を絶対値化する。続いて、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ）は、絶対値化した分布データ（操舵角予測誤差θe）をデータ一時蓄積部１３０Ｃに蓄積する。

続いてステップＳ１０６に移行して、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ、第１走行状態分布算出部１３０Ｄ、第２走行状態分布算出部１３０Ｅ）は、この運転不安定度判定処理を開始してから予め定めた設定時間（例えば、５秒）経過したか否かを判定する。具体的には、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ、第１走行状態分布算出部１３０Ｄ、第２走行状態分布算出部１３０Ｅ）は、この運転不安定度判定処理を開始してからの経過時間をカウントするタイマー（不図示）のタイマー値Ｔが設定時間（例えば、５秒）以上であるか否かを判定する。そして、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ、第１走行状態分布算出部１３０Ｄ、第２走行状態分布算出部１３０Ｅ）は、タイマー値Ｔが設定時間（例えば、５秒）以上であると判定した場合には（Ｙｅｓ）、ステップＳ１０７に移行する。

一方、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ、第１走行状態分布算出部１３０Ｄ、第２走行状態分布算出部１３０Ｅ）は、タイマー値Ｔが設定時間（例えば、５秒）未満であると判定した場合には（Ｎｏ）、ステップＳ１０１に移行する。これにより、運転支援部１００Ａは、この運転不安定度判定処理を開始してから設定時間（例えば、５秒）が経過するまでは、ステップＳ１０１〜Ｓ１０６のフローを繰り返し実行する。すなわち、運転支援部１００Ａは、設定時間（例えば、５秒）が経過するまではステップＳ１０７以降のフローは実行しない。したがって、運転支援部１００Ａは、後述するステップＳ１０７〜Ｓ１１７、つまり、第１走行状態分布、第２走行状態分布の算出等を第２周期（例えば、５秒）毎に実行する。
ここで、本実施形態では、運転支援部１００Ａは、ステップＳ１０１〜Ｓ１０６のフローを予め定めた第１周期（例えば、５０ミリ秒毎）で実行する。

図９、図１０は、第１走行状態分布および第２走行状態分布の算出方法を説明するための図である。図１１は、予測誤差区分ｂｉの範囲を表す図である。
ステップＳ１０７では、運転支援部１００Ａ（第１走行状態分布算出部１３０Ｄ）は、データ一時蓄積部１３０Ｃが蓄積している絶対値化した分布データ（操舵角予測誤差θe）に基づいて分布データ（操舵角予測誤差θe）の絶対値の度数分布を第１走行状態分布として算出する。具体的には、運転支援部１００Ａ（第１走行状態分布算出部１３０Ｄ）は、図９、図１０、図１１に示すように、データ一時蓄積部１３０Ｃが蓄積している操舵角予測誤差θeの絶対値のうち、設定時間Ｔo秒（例えば、２１６０秒）前から現在までの設定時間Ｔo秒分の操舵角予測誤差θeの絶対値を複数に区分けされた各データ範囲（以下、「ビン」とも呼ぶ）に分類する。本実施形態では、ビンとして、５個の予測誤差区分ｂi（＝ｂ１、ｂ２、ｂ３、ｂ４、ｂ５）を採用する。

予測誤差区分ｂｉ（＝ｂ１〜ｂ５）の範囲は、ステアリングエントロピーの算出に用いるα値に基づいて設定する。α値としては、例えば、操舵角θの時系列データに基づいて一定時間内の操舵角予測誤差θe、すなわち、ステアリングホイールを滑らかに操作したと仮定した場合の操舵角推定値θn-hatと実際の操舵角θnとの差を求め操舵角予測誤差θeの分布（ばらつき）を測定して９０パーセントタイル値（操舵角予測誤差θeの９０％が含まれる分布の範囲）を算出したものがある。すなわち、α値は、操舵角予測誤差θeの９０％が区間[−α、α]の中に含まれるように設定する。

具体的には、予測誤差区分ｂ１は０以上で且つ０．５α未満とし、予測誤差区分ｂ６は０．５α以上で且つα未満とし、予測誤差区分ｂ７はα以上で且つ２．５α未満とし、予測誤差区分ｂ８は２．５α以上で且つ５α未満とし、予測誤差区分ｂ９は５α以上とする。予測誤差区分ｂｉ（＝ｂ１〜ｂ５）の範囲は、第１走行状態分布および第２走行状態分布で同じものを用いる。続いて、運転支援部１００Ａ（第１走行状態分布算出部１３０Ｄ）は、各予測誤差区分ｂｉ（＝ｂ１〜ｂ５）に含まれる操舵角予測誤差θeの絶対値の度数の全度数に対する確率ｐi（＝ｐ１、ｐ２、ｐ３、ｐ４、ｐ５）を求める。
これにより、運転支援部１００Ａ（第１走行状態分布算出部１３０Ｄ）は、分布データ（操舵角予測誤差θe）の絶対値を複数に区分けされた各データ範囲（ビン（予測誤差区分ｂｉ））に分類して該分布データ（操舵角予測誤差θe）の度数分布（各予測誤差区分ｂiの確率ｐi（＝ｐ１〜ｐ５））を算出する。そして、運転支援部１００Ａ（第１走行状態分布算出部１３０Ｄ）は、算出した度数分布を第１走行状態分布とする。

続いてステップＳ１０８に移行して、運転支援部１００Ａ（第２走行状態分布算出部１３０Ｅ）は、データ一時蓄積部１３０Ｃが蓄積している絶対値化した操舵角予測誤差θeに基づいて分布データ（操舵角予測誤差θe）の絶対値の度数分布を第２走行状態分布として算出する。具体的には、運転支援部１００Ａ（第２走行状態分布算出部１３０Ｅ）は、データ一時蓄積部１３０Ｃが蓄積している操舵角予測誤差θeの絶対値のうち、現在から直近の９０秒前までの操舵角予測誤差θeの絶対値を５個の予測誤差区分ｂi（＝ｂ１〜ｂ５）に分類する。続いて、運転支援部１００Ａ（第２走行状態分布算出部１３０Ｅ）は、各予測誤差区分ｂｉ（＝ｂ１〜ｂ５）に含まれる操舵角予測誤差θeの絶対値の度数の全度数に対する確率ｑi（＝ｑ１、ｑ２、ｑ３、ｑ４、ｑ５）を求める。
これにより、運転支援部１００Ａ（第２走行状態分布算出部１３０Ｅ）は、分布データ（操舵角予測誤差θe）の絶対値を複数に区分けされた各データ範囲（ビン（予測誤差区分ｂｉ））に分類して該分布データ（操舵角予測誤差θe）の度数分布（各予測誤差区分ｂiの確率ｑi（＝ｑ１〜ｑ５））を算出する。そして、運転支援部１００Ａ（第２走行状態分布算出部１３０Ｅ）は、算出した度数分布を第２走行状態分布とする。

続いてステップＳ１０９に移行して、運転支援部１００Ａ（分布選択部１３０Ｇ）は、ステップＳ１０３の判定結果に基づいて、車両の運転状況が第１外乱運転状況、第２外乱運転状況、および通常運転状況のいずれに該当するのかを判定する。そして、運転支援部１００Ａ（分布選択部１３０Ｇ）は、第１外乱運転状況に該当すると判定した場合には、ステップＳ１１１に移行する。一方、運転支援部１００Ａ（分布選択部１３０Ｇ）は、第２外乱運転状況に該当すると判定した場合には、ステップＳ１１２に移行する。一方、運転支援部１００Ａ（分布選択部１３０Ｇ）は、通常運転状況に該当すると判定した場合には、ステップＳ１１０に移行する。

ステップＳ１１０では、運転支援部１００Ａ（分布選択部１３０Ｇ）は、リセット処理、リストア処理を行わず、ステップＳ１０７、Ｓ１０８で算出した第１走行状態分布および第２走行状態分布の置き換えを行わずに、ステップＳ１１３に移行する。
一方、ステップＳ１１１では、運転支援部１００Ａ（分布選択部１３０Ｇ）は、リセット処理を行った後、ステップＳ１１３に移行する。リセット処理では、運転支援部１００Ａ（分布選択部１３０Ｇ）は、ステップＳ１０８で算出した第２走行状態分布を、ステップＳ１０７で算出した第１走行状態分布で置き換える。
一方、ステップＳ１１２では、運転支援部１００Ａ（分布選択部１３０Ｇ）は、リストア処理を行った後、ステップＳ１１３に移行する。リストア処理では、ステップＳ１０８で算出した第２走行状態分布を、第１外乱運転状況および第２外乱運転状況のいずれかにあると判定しているときの分布データ（操舵角予測誤差θe）の絶対値を含まない第２走行状態分布で置き換える。

続いてステップＳ１１３に移行して、運転支援部１００Ａ（運転不安定度判定部１４０）は、ステップＳ１０７、Ｓ１０８で算出した第１走行状態分布および第２走行状態分布（置き換えた場合には、置き換え後の第２走行状態分布）に基づいて絶対エントロピーＨp1、Ｈp2を算出する。具体的には、走行状態分布算出部１３０（運転不安定度判定部１４０）は、ステップＳ１０７で算出した第１走行状態分布に基づき、以下の（式７）から絶対エントロピーＨp1を算出する。また、走行状態分布算出部１３０（運転不安定度判定部１４０）は、ステップＳ１０８で算出した第２走行状態分布に基づき、以下の（式８）から絶対エントロピーＨp2を算出する。

上記（式７）（式８）より、絶対エントロピーＨp1、Ｈp2が小さいほど、第１走行状態分布および第２走行状態分（操舵角予測誤差θeの分布）の峻険度が増大し、操舵角予測誤差θeの絶対値の分布が一定の範囲に収まる。すなわち、運転操作が滑らかに行われ、運転が安定状態にあることを示す。一方、絶対エントロピーＨp1、Ｈp2が大きいほど、操舵角予測誤差θeの絶対値の分布の峻険度が低減し、操舵角予測誤差θeの分布がばらつく。すなわち、運転操作が滑らかに行われず、運転が不安定状態にあることを示す。

続いてステップＳ１１４に移行して、運転支援部１００Ａ（運転不安定度判定部１４０）は、Ｒ³-ステアリングエントロピー法によって、ステップＳ１０７、Ｓ１０８で算出した第１走行状態分布および第２走行状態分布（置き換えた場合には、置き換え後の第２走行状態分布）の分布間の相違量（相対エントロピーＲＨp）を算出する。具体的には、運転支援部１００Ａ（運転不安定度判定部１４０）は、ステップＳ１０７で算出した確率ｐiおよびステップＳ１０８で算出した確率ｑiに基づき、以下の（式９）から相対エントロピーＲＨpを算出する。

図１２は、相対エントロピーＲＨpを説明するための図である。
上記（式９）より、相対エントロピーＲＨpが小さいほど、第１走行状態分布の確率ｐi（＝ｐ１〜ｐ５）と第２走行状態分布の確率ｑi（＝ｑ１〜ｑ５）とのずれが小さくなる。すなわち、図１２に示すように、運転者の現在の運転操作が普段の運転操作と同様に滑らかに行われ、運転が安定状態にあることを示す。一方、相対エントロピーＲＨpが大きいほど、第１走行状態分布の確率ｐi（＝ｐ１〜ｐ５）と第２走行状態分布の確率ｑi（＝ｑ１〜ｑ５）とのずれが大きくなる。すなわち、運転者の現在の運転操作が普段の運転操作と比べて滑らかに行われず、運転が不安定状態にあることを示す。

続いてステップＳ１１５に移行して、運転支援部１００Ａ（運転不安定度判定部１４０）は、ステップＳ１１３で算出した絶対エントロピーＨp1、Ｈp2に基づいて運転者の運転状態を推定する（運転が不安定状態にあるか否かを判定する）。具体的には、運転支援部１００Ａ（運転不安定度判定部１４０）は、ステップＳ１１３で算出した絶対エントロピーＨp1、Ｈp2の差（Ｈp2−Ｈp1）が予め定めた判定閾値よりも大きいか否かを判定する。そして、運転支援部１００Ａ（運転不安定度判定部１４０）は、絶対エントロピーＨp1、Ｈp2の差（Ｈp2−Ｈp1）が判定閾値よりも大きいと判定した場合には、運転が不安定状態にあると判定する。一方、運転支援部１００Ａ（運転不安定度判定部１４０）は、絶対エントロピーＨp1、Ｈp2の差（Ｈp2−Ｈp1）が判定閾値以下であると判定した場合には、運転が安定状態にあると判定する。

続いてステップＳ１１６に移行して、運転支援部１００Ａ（運転不安定度判定部１４０）は、ステップＳ１１４で算出した相対エントロピーＲＨpに基づいて運転者の運転状態を推定する（運転が不安定状態にあるか否かを判定する）。具体的には、運転支援部１００Ａ（運転不安定度判定部１４０）は、ステップＳ１１４で算出した相対エントロピーＲＨpが予め定めた判定閾値よりも大きいか否かを判定する。そして、運転支援部１００Ａ（運転不安定度判定部１４０）は、相対エントロピーＲＨpが判定閾値よりも大きいと判定した場合には、運転が不安定状態にあると判定する。一方、運転支援部１００Ａ（運転不安定度判定部１４０）は、相対エントロピーＲＨpが判定閾値以下であると判定した場合には、運転が安定状態にあると判定する。

続いてステップＳ１１７に移行して、運転支援部１００Ａ（情報呈示部１５０）は、ステップＳ１１５、Ｓ１１６で推定（判定）した運転状態に基づいて運転者に呈示情報を呈示する処理（情報呈示処理）を行う。具体的には、運転支援部１００Ａ（情報呈示部１５０）は、ステップＳ１１５およびＳ１１６の両方で不安定状態と判定した状態が予め定めた設定時間（例えば、５秒）以上継続したか否かを判定する。そして、運転支援部１００Ａ（情報呈示部１５０）は、ステップＳ１１５およびＳ１１６の両方で不安定状態と判定した状態が設定時間（例えば、５秒）以上継続したと判定した場合には、情報呈示処理を行う。一方、運転支援部１００Ａ（情報呈示部１５０）は、ステップＳ１１５およびＳ１１６の両方で不安定状態と判定した状態が設定時間（例えば、５秒）以上継続していないと判定した場合には、情報呈示処理を行わない。

情報呈示処理の例を、図１３に示す。この例では、警告表示を行うとともに、「ピー！！そろそろ休憩しませんか。」等と音声で警告の呈示を行う。
なお、本実施形態では、不安定状態と判定した状態が設定時間（例えば、５秒）以上継続したと判定した場合に、呈示情報を呈示する処理（情報呈示処理）を行う例を示したが、他の構成を採用することもできる。例えば、図１４に示すように、レベルゲージによって複数段階の呈示レベルで呈示するとともに、各呈示レベルに対応した聴覚情報を呈示する構成としてもよい。この場合、運転状態として運転の不安定度が高くなるほど、レベルゲージの呈示レベルを高くする。図１４では、８段階の呈示レベルとし、左側の表示ほど呈示レベルが高い状態（運転の不安定度が高い状態）を示している。

（動作その他）
次に、本実施形態の運転状態推定装置を搭載した車両の動作について説明する。
車両の走行中、運転支援部１００Ａが、運転不安定度判定処理を実行したとする。すると、運転支援部１００Ａ（走行状態データ取得部１１０、運転状況判定部１２０）が、走行状態データ（操舵角情報）、車両情報および交通環境情報を取得する（図６のステップＳ１０１、Ｓ１０２）。続いて、運転支援部１００Ａ（運転状況判定部１２０）が、取得した車両情報および交通環境情報に基づき、車両の運転状況（第１外乱運転状況、第２外乱運転状況、通常運転状況）を判定する（図６のステップＳ１０３）。続いて、走行状態分布算出部１３０（分布データ算出部１３０Ａ）が、取得した走行状態データ（操舵角情）に基づいて分布データ（操舵角予測誤差θe）を算出する（ステップＳ１０４）。

続いて、運転支援部１００Ａ（絶対値化部１３０Ｂ）が、算出した分布データ（操舵角予測誤差θe）を絶対値化する（図６のステップＳ１０５）。続いて、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ）が、絶対値化した分布データ（操舵角予測誤差θe）をデータ蓄積部１３に蓄積する（図６のステップＳ１０５）。続いて、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ、第１走行状態分布算出部１３０Ｄ、第２走行状態分布算出部１３０Ｅ）が、この運転不安定度判定処理を開始してから設定時間（例えば、５秒）経過していないと判定する（図６のステップＳ１０６「Ｎｏ」）。そして、運転支援部１００Ａが、ステップＳ１０１〜Ｓ１０６のフローを繰り返し、第１周期（例えば、５０ミリ秒）毎に分布データ（操舵角予測誤差θe）を算出・蓄積する。

また、上記ステップＳ１０１〜Ｓ１０６のフローを繰り返すうちに、分布データ（操舵角予測誤差θe）の算出・蓄積を１００回実行し、この運転不安定度判定処理を開始してから５秒経過したとする。すると、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ、第１走行状態分布算出部１３０Ｄ、第２走行状態分布算出部１３０Ｅ）が、この運転不安定度判定処理を開始してから設定時間（例えば、５秒）経過したと判定する（図６のステップＳ１０６「Ｙｅｓ」）。続いて、運転支援部１００Ａ（第１走行状態分布算出部１３０Ｄ）が、データ一時蓄積部１３０Ｃが蓄積している絶対値化した分布データ（操舵角予測誤差θe）に基づいて分布データ（操舵角予測誤差θe）の絶対値の度数分布を第１走行状態分布および第２走行状態分布として算出する（図６のステップＳ１０７、Ｓ１０８）。

ここで、車両の運転状況が、通常運転状況であったとする。すると、運転支援部１００Ａ（分布選択部１３０Ｇ）が、ステップＳ１０３の判定結果に基づき、車両の運転状況が通常運転状況に該当すると判定する（図６のステップＳ１０９、Ｓ１１０）。続いて、運転支援部１００Ａ（運転不安定度判定部１４０）が、算出した第１走行状態分布および第２走行状態分布に基づいて絶対エントロピーＨp1、Ｈp2を算出する（図６のステップＳ１１３）。絶対エントロピーＨp1、Ｈp2の算出では、（式７）（式８）に示すように、第１走行状態分布および第２走行状態分布のビン（予測誤差区分ｂｉ）の数だけ、比較的演算負荷の高いlog計算を行う。続いて、運転支援部１００Ａ（運転不安定度判定部１４０）が、Ｒ³-ステアリングエントロピー法によって、第１走行状態分布および第２走行状態分布の分布間の相違量（相対エントロピーＲＨp）を算出する（図６のステップＳ１１４）。

相対エントロピーＲＨpの算出では、（式９）に示すように、第１走行状態分布および第２走行状態分布のビン（予測誤差区分ｂｉ）の数だけ、比較的演算負荷の高いlog計算を行う。続いて、運転支援部１００Ａ（運転不安定度判定部１４０）が、算出した絶対エントロピーＨp1、Ｈp2に基づき運転者の運転状態を推定する（運転者の運転状態が不安定状態にあるか否かを判定する）（図６のステップＳ１１５）。続いて、運転支援部１００Ａ（運転不安定度判定部１４０）が、算出した相対エントロピーＲＨpに基づいて運転者の運転状態を推定する（運転者の運転状態が不安定状態にあるか否かを判定する）（図６のステップＳ１１６）。続いて、運転支援部１００Ａ（情報呈示部１５０）が、推定した運転状態に基づいて呈示処理を行う（図６のステップＳ１１７）。これにより、運転支援部１００Ａが、第２周期（例えば、５秒）毎に第１走行状態分布、第２走行状態分布、絶対エントロピーＨp1、Ｈp2、相対エントロピーＲＨpを算出する。

このように、本実施形態では、運転支援部１００Ａは、分布データ（操舵角予測誤差θe）の絶対値を複数に区分けされた各データ範囲（ビン（予測誤差区分ｂｉ））に分類して該分布データ（操舵角予測誤差θe）の度数分布を第１走行状態分布および第２走行状態分布として算出する。それゆえ、本実施形態では、算出した第１走行状態分布および第２走行状態分布のビンは正値にのみ設定される。そのため、本実施形態では、第１走行状態分布および第２走行状態分布のビン（予測誤差区分ｂｉ）の数を低減できる。これにより、本実施形態では、運転状態推定装置の演算負荷を低減できる。それゆえ、スマートフォン、廉価な車載コントローラ等、演算能力が比較的低い機器で運転状態推定装置を実現できる。また、本実施形態では、第２走行状態分布のビン（予測誤差区分ｂｉ）の数が低減することで、分布蓄積部１３０Ｆの記憶容量を低減できる。

また、本実施形態では、運転支援部１００Ａは、操舵角情報に基づいて第１走行状態分布および第２走行状態分布用の分布データ（操舵角予測誤差θe）を予め定めた第１周期（例えば、５０ミリ秒）毎に取得する。そして、本実施形態では、取得した分布データ（操舵角予測誤差θe）に基づいて第１周期（例えば、５０ミリ秒）よりも長い第２周期（例えば、５秒）毎に第１走行状態分布および第２走行状態分布を算出する。それゆえ、本実施形態では、第１走行状態分布および第２走行状態分布の算出（６４ビット実数による演算）や、絶対エントロピーＨp1、Ｈp2、相対エントロピーＲＨpの算出（log計算）に基づく演算の実行頻度、つまり、比較的演算負荷の高い演算の実行頻度を低減できる。これにより、本実施形態では、運転状態推定装置の演算負荷をより低減できる。

図１５は、本実施形態の運転状態推定装置を搭載した車両の動作を表す図である。図１５において、ＲＨpnewは、分布データ（操舵角予測誤差θe）の絶対値の度数分布を第１走行状態分布等とする場合、つまり、本実施形態の相対エントロピーである。また、ＲＨpoldは、絶対値化していない分布データ（操舵角予測誤差θe）の度数分布を第１走行状態分布等とする場合（以下、「改良前」とも呼ぶ）の相対エントロピーである。
図１５（ａ）に示すように、本実施形態の相対エントロピーＲＨpnewは、改良前の相対エントロピーＲＨoldから５秒遅れて判定閾値を超える。しかしながら、車両の運転状態の推定では、５秒程度の遅れは問題とならないものと考える。また、図１５（ｂ）に示すように、車両のトリップ中、本実施形態の相対エントロピーＲＨpnewは、改良前の相対エントロピーＲＨoldとほぼ重なっており、実用上問題がないものと考える。

本実施形態では、図３の走行状態データ取得部１１０、図６のステップＳ１０１が走行状態データ取得部を構成する。以下同様に、図３の走行状態分布算出部１３０、図５の分布データ算出部１３０Ａ、図６のステップＳ１０４が分布データ取得部を構成する。また、図３の走行状態分布算出部１３０、図５の第１走行状態分布算出部１３０Ｄ、第２走行状態分布算出部１３０Ｅ、図６のステップＳ１０７、Ｓ１０８が走行状態分布算出部を構成する。さらに、図３の運転不安定度判定部１４０、図６のステップＳ１１４、Ｓ１１６が運転状態推定部を構成する。

（本実施形態の効果）
本実施形態は、次のような効果を奏する。
（１）運転支援部１００Ａは、走行状態データ（操舵角情報）に基づいて走行状態分布（第１走行状態分布、第２走行状態分布）用の分布データ（操舵角予測誤差θe）を取得する。続いて、運転支援部１００Ａは、取得した分布データ（操舵角予測誤差θe）を絶対値化する。続いて、運転支援部１００Ａは、絶対値化した分布データ（操舵角予測誤差θe）に時間的範囲の異なる分布データ（操舵角予測誤差θe）の絶対値を複数に区分けされた各データ範囲であるビン（予測誤差区分ｂｉ）に分類して該分布データ（操舵角予測誤差θe）の度数分布を走行状態分布（第１走行状態分布、第２走行状態分布）として複数算出する。続いて、運転支援部１００Ａは、算出した複数の走行状態分布（第１走行状態分布、第２走行状態分布）に基づいて運転者の運転状態を推定する（運転の不安定度を判定する）。

このような構成により、分布データ（操舵角予測誤差θe）の絶対値を複数に区分けされた各データ範囲であるビン（５個の予測誤差区分ｂｉ）に分類して該分布データ（操舵角予測誤差θe）の度数分布を走行状態分布（第１走行状態分布、第２走行状態分布）として算出する。それゆえ、算出した走行状態分布（第１走行状態分布、第２走行状態分布）のビン（予測誤差区分ｂｉ）は正値にのみ設定される。そのため、走行状態分布（第１走行状態分布、第２走行状態分布）のビンの数（予測誤差区分ｂｉ）を低減できる。その結果、走行状態分布（第１走行状態分布、第２走行状態分布）に基づく運転状態の推定の演算負荷を低減できる。これにより、運転状態推定装置の演算負荷を低減できる。

（２）運転支援部１００Ａは、絶対値化した分布データ（操舵角予測誤差θe）を蓄積するデータ一時蓄積部１３０Ｃを備える。そして、運転支援部１００Ａは、分布データ（操舵角予測誤差θe）を予め定めた第１周期（例えば、５０ミリ秒）毎に取得する。続いて、運転支援部１００Ａは、第１周期（例えば、５０ミリ秒）よりも長い第２周期（例えば、５秒）毎に、データ一時蓄積部１３０Ｃが蓄積している第２周期（例えば、５秒）分の絶対値化した分布データ（操舵角予測誤差θe）に基づいて各走行状態（第１走行状態分布、第２走行状態分布）を算出する。

このような構成により、予め定めた第１周期（例えば、５０ミリ秒）毎に分布データ（操舵角予測誤差θe）を取得するとともに、第１周期（例えば、５０ミリ秒）よりも長い第２周期（例えば、５秒）毎に複数の走行状態分布（例えば、第１走行状態分布、第２走行状態分布）を算出する。それゆえ、複数の走行状態分布（第１走行状態分布、第２走行状態分布）の算出や運転状態の推定等、分布データ（操舵角予測誤差θe）に基づく演算の実行頻度を低減できる。これにより、運転状態推定装置の演算負荷を低減できる。
（３）運転支援部１００Ａは、分布データとして、ステアリングホイールを滑らかに操作したと仮定した場合の操舵角推定値と実際の操舵角との差（操舵角予測誤差θe）を取得する。
このような構成により、運転者の操舵操作に関する運転状態を推定できる。

（第２実施形態）
次に、本発明に係る第２実施形態について図面を参照しつつ説明する。
なお、上記第１実施形態と同様な構成等については同一の符号を使用する。
本実施形態は、分布データ（操舵角予測誤差θe）の絶対値を５個の区分（予測誤差区分ｂｉ）に分類し、分類した分布データ（操舵角予測誤差θe）の絶対値を区分（予測誤差区分ｂｉ）毎の度数として蓄積する点が第１実施形態と異なる。具体的には、第１実施形態とは、図６のステップＳ１０５、Ｓ１０７、およびＳ１０８の内容が異なっている。

ステップＳ１０５では、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ）は、ステップＳ１０４で算出した操舵角予測誤差θeの絶対値をデータ一時蓄積部１３０Ｃに蓄積する。具体的には、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ）は、ステップＳ１０４で算出した操舵角予測誤差θeの絶対値を５個の予測誤差区分ｂｉ（＝ｂ１〜ｂ５）に分類する。続いて、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ）は、分類結果に基づいて区分毎標本数Ｎi（＝Ｎ１、Ｎ２、Ｎ３、Ｎ４、Ｎ５）を設定する。

具体的には、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ）は、操舵角予測誤差θeの絶対値を予測誤差区分ｂ１に分類した場合には区分毎標本数Ｎ１に１を加算し、以下同様に、操舵角予測誤差θeの絶対値を予測誤差区分ｂｊ（ｊは２〜５のいずれか）に分類した場合には区分毎標本数Ｎｊに１を加算する。区分毎標本数Ｎｉ（＝Ｎ１〜Ｎ５）の初期値は０とする。続いて、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ）は、区分毎標本数Ｎｉ（＝Ｎ１〜Ｎ５）をデータ一時蓄積部１３０Ｃに蓄積する。これにより、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ）は、ステップＳ１０４で算出した操舵角予測誤差θeの絶対値を５個の予測誤差区分ｂｉ（＝ｂ１〜ｂ５）に分類し、分類した操舵角予測誤差θeの絶対値を予測誤差区分ｂｉ（＝ｂ１〜ｂ５）毎の度数として蓄積する。なお、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ）は、この運転不安定度判定処理の開始時にデータ一時蓄積部１３０Ｃが蓄積しているデータをすべて破棄し、データ一時蓄積部１３０Ｃが蓄積している区分毎標本数Ｎｉ（＝Ｎ１〜Ｎ５）を初期化する。

なお、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ）は、ステップＳ１０３で第１外乱運転状況および第２外乱運転状況のいずれかの運転状況にあると判定すると、ステップＳ１０４で算出した操舵角予測誤差θeの絶対値のデータ一時蓄積部１３０Ｃへの蓄積を中断する。すなわち、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ）は、操舵角予測誤差θeの絶対値の分類や、区分毎標本数Ｎi（＝Ｎ１〜Ｎ５）の算出・蓄積を中断する。これにより、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ）は、ステップＳ１０３で第１外乱運転状況および第２外乱運転状況にあると判定していない期間、つまり、通常運転状況にあると判定している期間の分布データ（操舵角予測誤差θe）の絶対値のみを蓄積する。また、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ）は、ステップＳ１０３で第１外乱運転状況および第２外乱運転状況のいずれかの運転状況から通常運転状況に変化したと判定すると、ステップＳ１０４で算出した操舵角予測誤差θeの絶対値のデータ一時蓄積部１３０Ｃへの蓄積を再開する。すなわち、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ）は、操舵角予測誤差θeの絶対値の分類や、区分毎標本数Ｎi（＝Ｎ１〜Ｎ５）の算出・蓄積を再開する。

ステップＳ１０７では、運転支援部１００Ａ（第１走行状態分布算出部１３０Ｄ）は、データ一時蓄積部１３０Ｃが蓄積している操舵角予測誤差θeの絶対値（区分毎標本数Ｎｉ（＝Ｎ１〜Ｎ５））に基づいて第１走行状態分布を算出する。具体的には、運転支援部１００Ａ（第１走行状態分布算出部１３０Ｄ）は、データ一時蓄積部１３０Ｃが蓄積している区分毎標本数Ｎｉ（＝Ｎ１〜Ｎ５）に基づき、以下の（式１０）から各予測誤差区分ｂｉ（＝ｂ１〜ｂ５）に含まれる操舵角予測誤差θeの絶対値の度数の全度数に対する確率ｐi（＝ｐ１〜ｐ５）を求める。

（式１０）において、ｐioldはこの運転不安定度判定処理の前回の実行時に算出したｐiであり、Ｋwindowは第１走行状態分布の算出に用いる標本数（操舵角予測誤差θeの絶対値の数）、Ｎallは区分毎標本数Ｎｉ（＝Ｎ１〜Ｎ５）の合計値である。本実施形態では、（式１０）のＫwindowは、４３２０００（＝２１６０秒／５０ミリ秒/回）になる。また、Ｎallは、ステップＳ１０３で運転状況が通常運転状況にあると判定すると、１００（＝５秒／５０ミリ秒/回）になる。なお、Ｎall、つまり、区分毎標本数Ｎ１〜Ｎ５の合計値は、ステップＳ１０３で運転状況が第１外乱運転状況および第２外乱運転状況のいずれかであると判定すると１００より小さい数になる。

ステップＳ１０８では、運転支援部１００Ａ（第２走行状態分布算出部１３０Ｅ）は、データ一時蓄積部１３０Ｃが蓄積している操舵角予測誤差θe（区分毎標本数Ｎｉ（＝Ｎ１〜Ｎ５））に基づいて第２走行状態分布を算出する。具体的には、運転支援部１００Ａ（第２走行状態分布算出部１３０Ｅ）は、データ一時蓄積部１３０Ｃが蓄積している区分毎標本数Ｎｉ（＝Ｎ１〜Ｎ５）に基づき、以下の（式１１）から各予測誤差区分ｂｉに含まれる操舵角予測誤差θeの絶対値の度数の全度数に対する確率ｑi（＝ｑ１〜ｑ５）を求める。そして、運転支援部１００Ａ（第２走行状態分布算出部１３０Ｅ）は、算出した第２走行状態分布を分布蓄積部１３０Ｆに蓄積する。

（式１１）において、ｑioldはこの運転不安定度判定処理の前回の実行時に算出したｑiであり、Ｋwindowは第２走行状態分布の算出に用いる標本数（操舵角予測誤差θeの絶対値の数）、Ｎallは区分毎標本数Ｎｉ（＝Ｎ１〜Ｎ５）の合計値である。本実施形態では、（式１１）のＫwindowは、１８０００（＝９０秒／５０ミリ秒/回）になる。また、Ｎallは、ステップＳ１０３で運転状況が通常運転状況にあると判定すると、１００（＝５秒／５０ミリ秒/回）になる。なお、Ｎall、つまり、区分毎標本数Ｎ１〜Ｎ５の合計値は、ステップＳ１０３で運転状況が第１外乱運転状況および第２外乱運転状況のいずれかであると判定すると１００より小さい数になる。

（本実施形態の効果）
本実施形態は、次のような効果を奏する。
（１）運転支援部１００Ａは、分布データ（操舵角予測誤差θe）を５個の予測誤差区分ｂｉ（＝ｂ１〜ｂ５）に分類し、分類した分布データ（操舵角予測誤差θe）を予測誤差区分ｂｉ（＝ｂ１〜ｂ５）毎の度数としてデータ一時蓄積部１３０Ｃに蓄積する。
このような構成により、５個の予測誤差区分ｂｉ（＝ｂ１〜ｂ５）毎の分布データ（操舵角予測誤差θe）の度数をデータ一時蓄積部１３０Ｃに蓄積する。それゆえ、５個の予測誤差区分ｂｉ（＝ｂ１〜ｂ５）毎の分布データ（操舵角予測誤差θe）の度数に基づいて、各走行状態分布（第１走行状態分布、第２走行状態分布）を算出できる。

（第３実施形態）
次に、本発明に係る第３実施形態について図面を参照しつつ説明する。
なお、上記第１実施形態と同様な構成等については同一の符号を使用する。
本実施形態は、分布データとして、ヨーレートを用いる点が第１実施形態と異なる。
図１６は、本実施形態の運転状態推定装置を搭載した車両の構成を表す図である。
具体的には、図１６に示すように、車両は、ヨーレートセンサ１１を備える。
ヨーレートセンサ１１は、車両のヨーレートを検出する。続いて、ヨーレートセンサ１１は、検出したヨーレートをコントローラ１００に出力する。
そして、運転支援部１００Ａは、操舵角予測誤差θeの代わりに、ヨーレートセンサ１１が検出したヨーレートを用いて、絶対エントロピーＨp1、Ｈp2および相対エントロピーＲＨpを算出する（図６のステップＳ１０５〜Ｓ１１４）。
（本実施形態の効果）
（１）運転支援部１００Ａは、分布データとして、車両のヨーレートを取得する。
このような構成により、運転者の横方向の運転に関する運転状態を推定できる。

（第４実施形態）
次に、本発明に係る第４実施形態について図面を参照しつつ説明する。
なお、上記第１実施形態と同様な構成等については同一の符号を使用する。
本実施形態は、分布データとして、車両の車線内横位置を用いる点が第１実施形態と異なる。
図１７は、本実施形態の運転状態推定装置を搭載した車両の構成を表す図である。
具体的には、図１７に示すように、車両は、前方カメラ１２を備える。
前方カメラ１２は、車両の前方の道路の画像を撮影する。続いて、前方カメラ１２は、撮影した画像をコントローラ１００に出力する。
そして、運転支援部１００Ａは、操舵角予測誤差θeの代わりに、前方カメラ１２が撮影した画像から車両の車線内横位置を算出し、算出した車線内横位置を用いて、絶対エントロピーＨp1、Ｈp2および相対エントロピーＲＨpを算出する。
（本実施形態の効果）
（１）運転支援部１００Ａは、走行状態データとして、車両の車線内横位置を取得する。
このような構成により、運転者の横方向の運転に関する運転状態を推定できる。

（第５実施形態）
次に、本発明に係る第５実施形態について図面を参照しつつ説明する。
なお、上記第１実施形態と同様な構成等については同一の符号を使用する。
図１８は、運転不安定度判定処理を表すフローチャートである。
本実施形態は、車両の走行環境が予め定めた設定走行環境にあると判定すると、絶対値化した分布データを用いず、絶対値化していない分布データから走行状態分布（第１走行状態分布、第２走行状態分布）を算出する点が第１実施形態と異なる。設定走行環境としては、例えば、左カーブと右カーブとの比率が予め定めた設定範囲値外にある走行路（サーキット等）がある。左カーブと右カーブとの比率としては、例えば、ステアリングホイールを中立位置よりも左側に操舵している左方向操舵時間と、ステアリングホイールを中立位置よりも右側に操舵している右方向操舵時間との比率（左方向操舵時間／右方向操舵時間）を採用できる。具体的には、本実施形態は、図１８に示すように、運転不安定度判定処理のステップＳ１０１、Ｓ１０５、Ｓ１０７、Ｓ１０８の内容と、ステップＳ１０６とステップＳ１０７との間にステップＳ１１８を設けた点とが第１実施形態と異なる。

ステップＳ１０１では、運転支援部１００Ａ（走行状態データ取得部１１０、運転状況判定部１２０）は、車両情報を取得する。続いて、運転支援部１００Ａ（走行状態データ取得部１１０、運転状況判定部１２０）は、取得した車両情報（走行状態データ（操舵角情報））をコントローラ１００のメモリに蓄積する。
ステップＳ１０５では、運転支援部１００Ａ（絶対値化部１３０Ｂ）は、ステップＳ１０４で算出した操舵角予測誤差θe（分布データ）を絶対値化する。続いて、運転支援部１００Ａ（データ一時蓄積部１３０Ｃ）は、絶対値化した分布データ（操舵角予測誤差θe）と、ステップＳ１０４で算出した分布データ、つまり、絶対値化していない分布データ（操舵角予測誤差θe）とをデータ一時蓄積部１３０Ｃに蓄積する。

なお、本実施形態では、分布データ（操舵角予測誤差θe）を絶対値化し、絶対値化した分布データ（操舵角予測誤差θe）と絶対値化していない分布データ（操舵角予測誤差θe）との両方を蓄積する例を示したが、他の構成を採用することもできる。例えば、車両の走行環境が予め定めた設定走行環境であると判定した場合に、操舵角予測誤差θeの絶対値化を休止し、絶対値化していない分布データ（操舵角予測誤差θe）のみをデータ一時蓄積部１３０Ｃに蓄積する構成としてもよい。この場合、車両の走行環境が予め定めた設定走行環境ではないと判定した場合に、操舵角予測誤差θeの絶対値化を行い、絶対値化した分布データ（操舵角予測誤差θe）のみをデータ一時蓄積部１３０Ｃに蓄積する。

ステップＳ１１８では、運転支援部１００Ａは、コントローラ１００のメモリが蓄積している走行状態データ（操舵角情報）に基づいて車両の走行環境が設定走行環境（左カーブと右カーブとの比率が設定範囲値外にある走行路）にあるか否かを判定する。具体的には、運転支援部１００Ａは、設定時間Ｔo秒（例えば、２１６０秒）前から現在までの設定時間Ｔo秒分の走行状態データ（操舵角情報）に基づいて左方向操舵時間と右方向操舵時間との比率が設定範囲値外にあるか否かを判定する。そして、運転支援部１００Ａは、左方向操舵時間と右方向操舵時間との比率が設定範囲値外にあると判定した場合には、左カーブと右カーブとの比率が設定範囲値外にあると判定し、車両の走行環境が設定走行環境にあると判定する。一方、運転支援部１００Ａは、左方向操舵時間と右方向操舵時間との比率が設定範囲値内にあると判定した場合には、左カーブと右カーブとの比率が設定範囲値内にあると判定し、車両の走行環境が設定走行環境にはないと判定する。

図１９は、予測誤差区分ｂｉの範囲を表す図である。また、図２０は、第１走行状態分布および第２走行状態分布の算出方法を説明するための図である。
ステップＳ１０７では、運転支援部１００Ａ（第１走行状態分布算出部１３０Ｄ）は、ステップＳ１１８で走行環境が設定走行環境にないと判定すると、第１実施形態と同様に、データ一時蓄積部１３０Ｃが蓄積している絶対値化した操舵角予測誤差θeに基づいて分布データ（操舵角予測誤差θe）の絶対値の度数分布を第１走行状態分布として算出する。一方、運転支援部１００Ａ（第１走行状態分布算出部１３０Ｄ）は、ステップＳ１１８で走行環境が設定走行環境にあると判定すると、データ一時蓄積部１３０Ｃが蓄積している絶対値化していない分布データ（操舵角予測誤差θe）に基づいて分布データ（操舵角予測誤差θe）の度数分布を第１走行状態分布として算出する。具体的には、運転支援部１００Ａ（第１走行状態分布算出部１３０Ｄ）は、図１９、図２０に示すように、データ一時蓄積部１３０Ｃが蓄積している操舵角予測誤差θeのうち、設定時間Ｔo秒（例えば、２１６０秒）前から現在までの設定時間Ｔo秒分の操舵角予測誤差θeを複数に区分けされた各データ範囲（ビン）に分類する。本実施形態では、ビンとして、５個の予測誤差区分ｂi’（＝ｂ１’、ｂ２’、ｂ３’、ｂ４’、ｂ５’）を採用する。

予測誤差区分ｂｉ’（＝ｂ１’〜ｂ５’）の範囲は、ステアリングエントロピーの算出に用いるα値に基づいて設定する。具体的には、予測誤差区分ｂ１’は−５α未満とし、予測誤差区分ｂ２’は−５α以上で且つ−２α未満とし、予測誤差区分ｂ３’は−２α以上で且つ２α未満とする。また、予測誤差区分ｂ４’は２α以上で且つ５α未満とし、予測誤差区分ｂ５’は５α以上とする。予測誤差区分ｂｉ’（＝ｂ１’〜ｂ５’）の範囲は、第１走行状態分布および第２走行状態分布で同じものを用いる。これにより、運転支援部１００Ａ（第１走行状態分布算出部１３０Ｄ）は、走行環境が設定走行環境にあると判定した場合には、走行環境が設定走行環境にないと判定した場合に比べ、第１走行状態分布、第２走行状態分布のビン（予測誤差区分ｂｉ’）の幅を大きくする。

続いて、運転支援部１００Ａ（第１走行状態分布算出部１３０Ｄ）は、各予測誤差区分ｂｉ’（＝ｂ１’〜ｂ５’）に含まれる操舵角予測誤差θeの度数の全度数に対する確率ｐi（＝ｐ１〜ｐ５）を求める。これにより、運転支援部１００Ａ（第１走行状態分布算出部１３０Ｄ）は、分布データ（操舵角予測誤差θe）を複数に区分けされた各データ範囲（ビン（予測誤差区分ｂｉ’））に分類して該分布データ（操舵角予測誤差θe）の度数分布（各予測誤差区分ｂi’の確率ｐi（＝ｐ１〜ｐ５））を算出する。そして、運転支援部１００Ａ（第１走行状態分布算出部１３０Ｄ）は、算出した度数分布を第１走行状態分布とする。

ステップＳ１０８では、運転支援部１００Ａ（第２走行状態分布算出部１３０Ｅ）は、ステップＳ１１８で走行環境が設定走行環境にないと判定すると、第１実施形態と同様に、データ一時蓄積部１３０Ｃが蓄積している絶対値化した操舵角予測誤差θeに基づいて分布データ（操舵角予測誤差θe）の絶対値の度数分布を第２走行状態分布として算出する。一方、運転支援部１００Ａ（第２走行状態分布算出部１３０Ｅ）は、ステップＳ１１８で走行環境が設定走行環境にあると判定すると、データ一時蓄積部１３０Ｃが蓄積している絶対値化していない分布データ（操舵角予測誤差θe）に基づいて分布データ（操舵角予測誤差θe）の度数分布を第２走行状態分布として算出する。

具体的には、運転支援部１００Ａ（第２走行状態分布算出部１３０Ｅ）は、データ一時蓄積部１３０Ｃが蓄積している操舵角予測誤差θeのうち、現在から直近の９０秒前までの操舵角予測誤差θeを５個の予測誤差区分ｂi’（＝ｂ１'〜ｂ５’）に分類する。続いて、運転支援部１００Ａ（第２走行状態分布算出部１３０Ｅ）は、各予測誤差区分ｂｉ’（＝ｂ１’〜ｂ５’）に含まれる操舵角予測誤差θeの度数の全度数に対する確率ｑi（＝ｑ１〜ｑ５）を求める。これにより、運転支援部１００Ａ（第２走行状態分布算出部１３０Ｅ）は、分布データ（操舵角予測誤差θe）を複数に区分けされた各データ範囲（ビン（予測誤差区分ｂｉ’））に分類して該分布データ（操舵角予測誤差θe）の度数分布（各予測誤差区分ｂi’の確率ｑi（＝ｑ１〜ｑ５））を算出する。そして、運転支援部１００Ａ（第２走行状態分布算出部１３０Ｅ）は、算出した度数分布を第２走行状態分布とする。
本変形例では、図１８のステップＳ１１８が走行環境検出部を構成する。

（本実施形態の効果）
（１）運転支援部１００Ａは、走行状態データ（操舵角情報）に基づいて車両の走行環境が予め定めた設定走行環境であるか否かを判定する。続いて、運転支援部１００Ａは、車両の走行環境が設定走行環境であると判定すると、絶対値化した分布データ（操舵角予測誤差θe）を用いず、絶対値化していない分布データ（操舵角予測誤差θe）から時間的範囲の異なる分布データの度数分布を複数に区分けされた各データ範囲であるビン（５個の予測誤差区分ｂｉ’）に分類して該分布データ（操舵角予測誤差θe）を走行状態分布（第１走行状態分布、第２走行状態分布）として複数算出する。また、運転支援部１００Ａは、走行状態分布（第１走行状態分布、第２走行状態分布）のビン（予測誤差区分ｂｉ’）の幅を大きくする。

このような構成により、車両の走行環境が設定走行環境である場合に、絶対値化していない分布データ（操舵角予測誤差θe）から分布データ（操舵角予測誤差θe）の度数分布を走行状態分布（第１走行状態分布、第２走行状態分布）として算出する。それゆえ、例えば、絶対値化した分布データ（操舵角予測誤差θe）から分布データ（操舵角予測誤差θe）の絶対値の度数分布を走行状態分布（第１走行状態分布、第２走行状態分布）として算出する方法に比べ、運転者の運転状態をより詳細に推定できる。

（２）運転支援部１００Ａは、走行状態データ（操舵角情報）に基づいて車両の走行路に存在する左カーブと右カーブとの比率が設定範囲値外にあるか否かを判定する。続いて、運転支援部１００Ａは、車両の走行路に存在する左カーブと右カーブとの比率が設定範囲値外にあると判定した場合に、車両の走行環境が設定走行環境であると判定する。
このような構成により、例えば、サーキット等、左カーブおよび右カーブのいずれかが多い走行路を走行している場合に、運転者の運転状態をより詳細に推定できる。
以上、本願が優先権を主張する日本国特許出願２０１３−１５０７２５（２０１３年７月１９日出願）の全内容は、参照により本開示の一部をなす。
ここでは、限られた数の実施形態を参照しながら説明したが、権利範囲はそれらに限定されるものではなく、上記の開示に基づく各実施形態の改変は当業者にとって自明なことである。

１１０ 走行状態データ取得部（走行状態データ取得部）
１３０ 走行状態分布算出部（分布データ取得部、走行状態分布算出部、データ一時蓄積部、分布算出実行部）
１３０Ａ 分布データ算出部（分布データ取得部）
１３０Ｃ データ一時蓄積部（データ一時蓄積部）
１３０Ｄ 第１走行状態分布算出部（走行状態分布算出部、分布算出実行部）
１３０Ｅ 第２走行状態分布算出部（走行状態分布算出部、分布算出実行部）
ステップＳ１０７、Ｓ１０８（走行状態分布算出部、分布算出実行部）
１４０ 運転不安定度判定部（運転状態推定部）
ステップＳ１０１（走行状態データ取得部）
ステップＳ１０４（分布データ取得部）
ステップＳ１０５（データ一時蓄積部）
ステップＳ１１４、Ｓ１１６（運転状態推定部）
ステップＳ１１８（走行環境検出部）

Claims (7)

1. 運転者が操作可能な運転操作子の操作状態および車両状態の少なくとも一方を含む走行状態データを取得する走行状態データ取得部と、
   前記走行状態データ取得部が取得した走行状態データに基づいて走行状態分布用の分布データを取得する分布データ取得部と、
   前記分布データ取得部が取得した分布データを絶対値化する絶対値化部と、
   前記絶対値化部が絶対値化した分布データに基づいて時間的範囲の異なる分布データの絶対値を複数に区分けされた各データ範囲であるビンに分類して該分布データの度数分布を走行状態分布として複数算出する走行状態分布算出部と、
   前記走行状態分布算出部が算出した複数の走行状態分布に基づいて前記運転者の運転状態を推定する運転状態推定部と、を備えたことを特徴とする運転状態推定装置。
2. 前記絶対値化部が絶対値化した分布データを蓄積するデータ一時蓄積部を備え、
   前記分布データ取得部は、分布データを予め定めた第１周期毎に取得し、
   前記走行状態分布算出部は、前記第１周期よりも長い第２周期毎に、前記データ一時蓄積部が蓄積している前記第２周期分の絶対値化した分布データに基づいて各走行状態を算出することを特徴とする請求項１に記載の運転状態推定装置。
3. 前記走行状態データ取得部が取得した走行状態データに基づいて車両の走行環境が予め定めた設定走行環境であるか否かを判定する走行環境判定部を備え、
   前記走行状態分布算出部は、前記走行環境判定部が前記車両の走行環境が前記設定走行環境であると判定すると、前記絶対値化部が絶対値化した分布データを用いず、前記分布データ取得部が取得した分布データから時間的範囲の異なる分布データの度数分布を複数に区分けされた各データ範囲であるビンに分類して該分布データを走行状態分布として複数算出するともに、走行状態分布のビンの幅を大きくすることを特徴とする請求項１または２に記載の運転状態推定装置。
4. 前記走行環境判定部は、前記走行状態データ取得部が取得した走行状態データに基づいて前記車両の走行路に存在する左カーブと右カーブとの比率が設定範囲値外にあるか否かを判定し、前記車両の走行路に存在する左カーブと右カーブとの比率が設定範囲値外にあると判定した場合に、前記車両の走行環境が前記設定走行環境であると判定することを特徴とする請求項３に記載の運転状態推定装置。
5. 前記分布データ取得部は、分布データとして、ステアリングホイールを滑らかに操作したと仮定した場合の操舵角推定値と実際の操舵角との差を取得することを特徴とする請求項１から４のいずれか１項に記載の運転状態推定装置。
6. 前記分布データ取得部は、分布データとして、車両のヨーレートを取得することを特徴とする請求項１から４のいずれか１項に記載の運転状態推定装置。
7. 前記分布データ取得部は、分布データとして、車両の車線内横位置を取得することを特徴とする請求項１から４のいずれか１項に記載の運転状態推定装置。

Images