[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

WO2012144131A1 - 車両用情報提供装置 - Google Patents

車両用情報提供装置 Download PDF

Info

Publication number
WO2012144131A1
WO2012144131A1 PCT/JP2012/002091 JP2012002091W WO2012144131A1 WO 2012144131 A1 WO2012144131 A1 WO 2012144131A1 JP 2012002091 W JP2012002091 W JP 2012002091W WO 2012144131 A1 WO2012144131 A1 WO 2012144131A1
Authority
WO
WIPO (PCT)
Prior art keywords
driving
instability
learning
state
unit
Prior art date
Application number
PCT/JP2012/002091
Other languages
English (en)
French (fr)
Inventor
近藤　崇之
Original Assignee
日産自動車株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日産自動車株式会社 filed Critical 日産自動車株式会社
Priority to US14/112,456 priority Critical patent/US9256989B2/en
Priority to MX2013011818A priority patent/MX2013011818A/es
Priority to BR112013025835-7A priority patent/BR112013025835B1/pt
Priority to EP12773884.7A priority patent/EP2701137B1/en
Priority to RU2013150095/11A priority patent/RU2549578C1/ru
Priority to CN201280019571.9A priority patent/CN103492252B/zh
Publication of WO2012144131A1 publication Critical patent/WO2012144131A1/ja
Priority to US14/971,498 priority patent/US9428057B2/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K35/00—Instruments specially adapted for vehicles; Arrangement of instruments in or on vehicles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems

Definitions

  • the present invention relates to a technique for presenting an unstable driving state to a driver.
  • Patent Document 1 when learning for obtaining a running state distribution for a long time that can be regarded as being able to grasp normal driving characteristics is not completed, that is, when normal driving characteristics are not grasped.
  • the detection accuracy of the unstable driving state of the driver is deteriorated.
  • the present invention focuses on the above points, and an object of the present invention is to make it possible to present an unstable driving state to a driver even when learning of normal driving characteristics is not completed.
  • a driving instability is estimated from a difference between a plurality of travel state distributions having different time ranges based on acquired travel state data.
  • a driving instability determination unit is provided. Further, one aspect of the present invention includes a second driving instability determination unit that estimates a driving instability degree based on running state data, which is different from the estimation processing in the first driving instability determination unit. Then, according to one aspect of the present invention, when it is determined that learning has been completed after a preset learning time has elapsed since the start of collecting the traveling state data, the degree of instability estimated by the first driving instability determination unit is selected. When the learning has not been completed, the degree of instability estimated by the second driving instability determination unit is selected. In one embodiment of the present invention, unstable information based on the selected degree of instability is presented to the driver.
  • the second driving instability determination unit estimates even when learning of the travel state distribution acquisition used by the first driving instability determination unit is not completed until normal driving characteristics can be grasped. Depending on the degree of instability of driving, it is possible to present the driver with an unstable driving state.
  • FIG. 1 is a diagram showing a configuration of a vehicle equipped with a vehicle information providing apparatus according to the present embodiment.
  • the vehicle according to the present embodiment includes an accelerator pedal opening sensor 1, a brake pedal operation amount sensor 2, a steering angle sensor 3, a vehicle speed sensor 4, a blinker detection sensor 5, a meter display 6, a navigation system 7, A G sensor 8, a forward vehicle detection device 9, and a controller 100 are provided.
  • the vehicle to which the present invention is applied need not be equipped with all the above sensors and the like.
  • the sensors used in other embodiments are also described together.
  • the accelerator pedal opening sensor 1 detects an accelerator pedal opening amount (acceleration instruction amount) as an acceleration instruction amount.
  • the detected opening amount is output to the controller 100.
  • the brake pedal operation amount sensor 2 detects an operation amount (braking instruction amount) of the brake pedal as a braking instruction amount.
  • the detected operation amount is output to the controller 100.
  • the steering angle sensor 3 is an angle sensor attached near a steering column or a steering wheel (not shown), for example, and detects a steering angle by the driver's turning from the rotation of the steering shaft. The detected steering angle is output to the controller 100.
  • the vehicle speed sensor 4 detects the vehicle speed by detecting the number of rotations of the wheels, for example.
  • the detected vehicle speed is output to the controller 100.
  • the vehicle speed sensor 4 may detect the vehicle speed based on a signal to the meter display 6.
  • the turn signal detection sensor 5 detects the turn signal state of the turn signal lever.
  • the detected blinker state is output to the controller 100.
  • the information presentation device outputs an alarm or other presentation by voice or image according to a control signal from the controller 100.
  • the information presentation apparatus includes, for example, a speaker 10 that provides information to the driver by a buzzer sound or voice, and a display unit that provides information by displaying an image or text.
  • the display unit of the navigation system 7 may be used as the display unit.
  • the navigation system 7 includes a GPS receiver, a map database, a display monitor, and the like, and is a system that performs route search and route guidance.
  • the navigation system 7 can acquire information such as the type of road on which the host vehicle is traveling and the road width based on the current position of the host vehicle obtained from the GPS receiver and the road information stored in the map database.
  • the G sensor 8 detects longitudinal acceleration and lateral acceleration generated in the vehicle.
  • the detected acceleration is output to the controller 100.
  • the forward vehicle detection device 9 detects other vehicles and other obstacles existing in front of the traveling direction of the vehicle. In this embodiment, the distance to the obstacle is detected.
  • the forward vehicle detection device 9 is composed of a laser distance meter, for example.
  • the detected distance is output to the controller 100 as information for determining the inter-vehicle distance, inter-vehicle time, relative speed, and the like.
  • the controller 100 is an electronic control unit that includes a CPU and CPU peripheral components such as a ROM and a RAM, and includes an information providing unit 100A that performs control processing for providing information.
  • the information providing unit 100A in the controller 100 analyzes the driving characteristics of the driver based on signals detected by the accelerator pedal opening sensor 1, the brake pedal operation amount sensor 2, the steering angle sensor 3, and the like, Determining the degree of driving instability such as operational clutter. Then, according to the degree of driving instability, alarms and other information are presented to the driver to alert the driver.
  • FIG. 2 is a diagram illustrating a system configuration example of a vehicle information providing apparatus including the information providing unit 100A of the present embodiment.
  • the vehicle information providing apparatus uses information from the steering angle sensor 3 as travel state data.
  • the visual information presentation apparatus and the auditory information presentation apparatus are illustrated as an information presentation apparatus.
  • the visual information presentation device is, for example, a display unit of the meter display 6 or the navigation system 7.
  • the auditory information presentation device is, for example, a speaker 10.
  • the timer 50 is used to obtain a travel time from the start of collection of travel information data.
  • the systems of the second to fourth embodiments to be described later have the same configuration as the system configuration example shown in FIG.
  • step S1010 the information providing unit 100A acquires the following data as vehicle information data. That is, the steering angle is acquired from the steering angle sensor 3 as data on the running state.
  • step S1030 the information providing unit 100A determines the learning status.
  • the travel time from the start of data collection is used to determine the learning status.
  • the learning level SD may be obtained using the number of collected data.
  • the above (time range ⁇ coefficient) corresponds to a preset learning time.
  • the traveling time is obtained based on the timer 50.
  • step S1030 the information providing unit 100A determines the learning status from the calculated learning degree SD.
  • the learning degree SD is “1” or more, it is determined that the learning status is learning completed.
  • the learning degree SD is less than “1”, it is determined that the learning status has not been learned.
  • step S1040 the information providing unit 100A determines the instability calculation method based on the learning status determined in step S1030. Specifically, when the information providing unit 100A determines that the learning status is learning complete (learning degree SD ⁇ 1), the information providing unit 100A proceeds to step S1050. On the other hand, when it is determined that the learning status is not completed (learning degree SD ⁇ 1), the process proceeds to step S1070.
  • the information providing unit 100A calculates a plurality of driving state distributions by the steering entropy method, and calculates a difference amount (relative entropy) between the distributions. Thereafter, the process proceeds to step S1060.
  • step S1050 the information providing unit 100A determines how the current driving operation of the driver is different from the normal driving operation based on the steering angle signal when the driver performs the steering operation. That is, the difference amount for determining whether the state is unstable as compared with the normal driving operation is calculated. That is, in step S1050, the relative entropy (feature value, instability) is calculated as a value representing the unsmoothness of the driving operation.
  • the relative entropy feature value, instability
  • the relative entropy RHp is calculated using this characteristic. Specifically, the steering error distribution (running state distribution) accumulated for a long time before the past or the present, and the current driver's steering error distribution (running state distribution) acquired in a short time, that is, a temporal range. A plurality of running state distributions having different values are calculated. Then, the relative entropy RHp is calculated from the long-time steering error distribution that is regarded as a normal driving characteristic as a comparison reference and the long-time steering error distribution and the current short-time operation error distribution.
  • the relative entropy RHp is a physical quantity that represents the difference (distance) between the two steering error distributions, and represents the degree of difference between the two steering error distributions, that is, how far the two steering error distributions are separated. Based on the calculated relative entropy value, it is possible to evaluate the stability of the current latest driving state with respect to the past long-time driving state (normal driving characteristics). A calculation example of the steering error distribution accumulated for a long time, the current driver's steering error distribution acquired for a short time, and a difference amount (relative entropy) between the distributions using the steering error distribution will be described later.
  • step S1060 the information providing unit 100A determines the unstable operation state based on the difference amount.
  • the difference amount calculated in step S1050 is compared with a preset determination threshold value. And when a difference amount is larger than a determination threshold value, it determines with an unstable driving
  • step S1070 the information providing unit 100A calculates a current feature amount (absolute entropy) using a steering error distribution with a short current time range. Thereafter, the process proceeds to step S1080.
  • the absolute entropy is an expected value represented by a target running state distribution.
  • step S1080 the information providing unit 100A reads the feature value of the past driving.
  • the past driving characteristic amount is a final value (absolute entropy) when the vehicle has traveled in the past. Thereafter, the process proceeds to step S1090.
  • step S1090 the information providing unit 100A obtains the reference feature amount obtained by multiplying the feature amount Hp_old of the past driving read in step S1080 by the coefficient k and the current feature amount Hp_current calculated in step S1070 as in the following equation. Compare. When the current feature amount Hp_current is larger than the reference feature amount (Hp_old * k), it is determined that the state is unstable. Thereafter, the process proceeds to step S1100. Hp_current / (Hp_old * k)> 1
  • the coefficient k is, for example, 1.5.
  • step S1100 the information providing unit 100A performs information presentation processing when it is determined in step S1060 or step S1090 that the state is unstable.
  • An example of information presentation is shown in FIG. In other words, when the learning degree SD is “1” or more, when it is determined that the state is unstable, the information presenting apparatus displays a warning as shown in FIG. “Let's drive with caution,” and so on.
  • step S1110 the current feature amount (absolute entropy) is saved.
  • the current feature amount (the feature amount calculated in step S1070) is saved for comparison during the next trip (running). After that, the process ends and returns.
  • a steering error distribution (running state distribution) accumulated for a long time, a steering error distribution (running state distribution) of the current driver acquired for a short time, and a difference amount (relative entropy) between the distributions using the steering error distribution.
  • This processing content is continuously performed at regular intervals, for example, every 50 msec.
  • step S10 in order to determine whether or not it is a traveling scene in which the relative entropy RHp can be calculated, the traveling scene in which the host vehicle is traveling is estimated (detected).
  • the traveling scene in which the relative entropy RHp can be calculated when the host vehicle speed V is within a preset vehicle speed range (for example, 40 to 120 km / h). That is, in order to calculate the effective relative entropy RHp using the steering angle signal, cases where the vehicle speed is extremely slow and extremely fast are excluded from the travel scenes that can be calculated.
  • step S20 it is determined whether or not the current host vehicle speed V detected by the vehicle speed sensor 4 is within a preset vehicle speed range. If it is determined that the host vehicle speed V is within the preset vehicle speed range and the driving scene is capable of calculating the relative entropy RHp, the process proceeds to step S30 to calculate the relative entropy RHp. On the other hand, if the vehicle speed V is not within the predetermined range, this process is terminated.
  • step S30 the current steering angle signal ⁇ detected by the steering angle sensor is read as the driving operation amount of the driver to be detected for detecting an unstable state of the driving operation of the driver.
  • step S31 a steering angle prediction error ⁇ e is calculated from the read value of the steering angle ⁇ .
  • FIG. 6 shows special symbols used for calculating the relative entropy RHp and their names.
  • the steering angle smooth value ⁇ n-tilde is a steering angle in which the influence of quantization noise is reduced.
  • the estimated value ⁇ n-hat of the steering angle is a value obtained by estimating the steering angle at the time of sampling on the assumption that the steering is operated smoothly.
  • the estimated steering angle value ⁇ n-hat is obtained by performing a second-order Taylor expansion on the steering angle smooth value ⁇ n-tilde as shown in the following (formula 1).
  • tn is a sampling time of the steering angle ⁇ n.
  • the steering angle smooth value ⁇ n-tilde is calculated from the following (Equation 2) as an average value of three adjacent steering angles ⁇ n in order to reduce the influence of quantization noise.
  • l is the steering angle included in 150 msec when the calculation time interval of the steering angle smooth value ⁇ n-tilde is 150 msec, that is, the minimum time interval that can be intermittently operated by humans in manual operation. This represents the number of samples of ⁇ n.
  • the sampling interval of the steering angle ⁇ n Ts
  • the steering angle prediction error ⁇ e at the sampling time can be calculated from the following (Equation 4) as the difference between the estimated steering angle ⁇ n ⁇ hat and the actual steering angle ⁇ n when it is assumed that the steering operation is performed smoothly.
  • the steering angle prediction error ⁇ e is calculated only with respect to the steering angle ⁇ n every 150 msec, which is the minimum time interval at which a human can intermittently operate.
  • a specific method for calculating the steering angle prediction error ⁇ e will be described below.
  • the sampling interval Ts of the steering angle signal ⁇ is, for example, 50 msec.
  • three steering angle smooth values ⁇ n-tilde are calculated from the above (Equation 2) using three adjacent steering angles ⁇ n at intervals of 150 msec.
  • the three steering angle smooth values ⁇ n-tilde are expressed by the following (formula 5).
  • an estimated value ⁇ n-hat of the steering angle is calculated from the above (Equation 1).
  • the estimated value ⁇ n-hat is expressed by the following (formula 6).
  • the steering error ⁇ e is calculated from the above (Equation 4).
  • the current value of the steering angle prediction error ⁇ e calculated in step S31 is added to the data of the steering angle prediction error ⁇ e for a predetermined time T seconds that has been calculated and accumulated in the memory of the controller 100. Update. That is, the oldest data T seconds before of the accumulated steering angle prediction error ⁇ e is discarded, and the current value calculated in step S31 is input as the latest steering angle prediction error ⁇ e data instead. As a result, data of the steering angle prediction error ⁇ e from the current value to T seconds before is accumulated.
  • a steering angle prediction error distribution 1 for the past or a long time which is a reference for comparing the steering prediction error distribution.
  • the past steering angle prediction error distribution is calculated using data for 180 seconds from data T seconds before.
  • the calculated past distribution is used as a comparison reference for the steering prediction error distribution.
  • the range of the prediction error category bi is set in advance so as to be constant for all the categories b1 to b9.
  • the calculated past distribution (or long-time distribution) is set as a past (or long-time) steering angle prediction error distribution 1 as a comparison reference.
  • step S51 the current steering angle prediction error distribution 2 is calculated.
  • step S70 the relative entropy RHp is obtained using the past (or long time) steering angle prediction error distribution 1 and the current steering angle prediction error distribution 2.
  • the relative entropy RHp is a difference amount (distance) of the current steering angle prediction error distribution 2 with respect to the past (or long-time) steering angle prediction error distribution 1 that is a comparison reference.
  • the relative entropy RHp can be calculated from the following calculation formula (Formula 7).
  • the range of the prediction error classification bi for calculating the past (or long-time) steering angle prediction error distribution 1 and the current steering angle prediction error distribution 2 represents the ambiguity (uncertainty) of the steering error distribution. It can also be set based on the ⁇ value used when calculating the steering entropy value Hp.
  • the ⁇ value is obtained based on the time series data of the steering angle, and the difference between the steering error within a fixed time, that is, the estimated steering angle when the steering is operated smoothly and the actual steering angle is obtained.
  • the steering error distribution (variation) is measured to calculate a 90 percent tile value (a distribution range including 90% of the steering error).
  • the ⁇ value is calculated based on the past or long-time steering angle error distribution, and the past (or long-time) steering angle prediction error distribution 1 and the current steering angle prediction error distribution 2 are the same from the calculated ⁇ value.
  • the range of the prediction error classification bi is set.
  • FIG. 9 shows the range of the steering angle prediction error ⁇ e of each section bi set using the ⁇ value.
  • the vehicle information providing apparatus performs steering by performing the processes of steps S1050 and S1060. Calculate the instability using the entropy method.
  • the vehicle information providing apparatus calculates a difference amount between the calculated plurality of travel state distributions, and determines an unstable driving state from the magnitude of the difference amount. This makes it possible to accurately detect an unstable traveling state regardless of the traffic environment. That is, it is possible to detect an unstable state with high accuracy by adapting to an individual's usual characteristics regardless of differences in traffic environment.
  • the vehicle information providing apparatus calculates a plurality of traveling state distributions having different time ranges as the plurality of traveling state distributions. For example, the vehicle information providing apparatus calculates a travel state distribution including past travel state data and a travel state distribution including the latest travel state data, and uses the past travel state distribution as a reference to calculate the latest travel state distribution. The difference is calculated directly. As a result, it becomes possible to evaluate the stability of the latest state while continuously updating the reference data. In this way, it is possible to accurately detect an unstable traveling state regardless of the traffic environment.
  • the vehicle information providing apparatus has a single traveling state distribution that is a traveling state distribution in the most recent time range indicating the current traveling state.
  • the unstable driving judgment is performed by comparing the size with the past traveling data (steps S1070 to S1090). That is, by using another instability calculation process when learning is not completed, it is possible to call attention even when the driving state distribution of the driver is unknown.
  • the learning degree SD is obtained from the traveling time, and it is estimated from the learning degree SD whether the traveling state distribution can be estimated to match the driving characteristics of the driver, and the learning is completed. It is determined whether or not.
  • the learning degree SD for estimating that the driving state distribution matches the driving characteristics of the driver may be obtained from the fluctuation of the relative entropy that is a feature amount of the driving state distribution. For example, when the amount of change in the characteristic amount of the running state distribution for a long time becomes equal to or less than a preset value, the learning degree SD is set to a value indicating learning completion.
  • Step S1010 constitutes a traveling state acquisition unit.
  • Step S1050 constitutes a first running state distribution calculation unit and a first driving instability determination unit.
  • Step S1030 constitutes a learning completion determination unit.
  • S1070 and S1080 constitute a second driving instability determination unit.
  • S1040 constitutes an instability selection unit.
  • S1100 constitutes an information presentation unit.
  • the traveling state acquisition unit acquires traveling state data including at least one of the driving operation of the driver and the vehicle state.
  • the first traveling state distribution calculation unit calculates a plurality of traveling state distributions having different temporal ranges based on the traveling state data acquired by the traveling state acquisition unit.
  • the first driving instability determination unit estimates the driving instability based on the difference between the distributions of the plurality of driving state distributions calculated by the first driving state distribution calculation unit.
  • the learning completion determination unit is set in advance from the start of collecting the driving state data based on the learning degree SD that is the degree that the driving state distribution calculated by the first driving state distribution calculating unit matches the driving characteristics of the driver. When the learning time elapses, it is determined that learning is completed.
  • a learning degree SD which is the degree to which the driving state distribution calculated by the first driving state distribution calculating unit matches the driving characteristics of the driver, is obtained.
  • the second driving instability determination unit includes a driving state distribution in the latest time range indicating the current driving state obtained based on the driving state data acquired by the driving state acquisition unit, and a driving state in the latest time range.
  • the instability of the driving is estimated by comparing with a comparative driving state distribution obtained based on other driving state data different from the data.
  • the instability selection unit selects the instability estimated by the first driving instability determination unit when learning is completed based on the determination result of the learning completion determination unit, and the second driving when learning has not been completed.
  • the degree of instability estimated by the instability determination unit is selected.
  • the information presenting unit presents unstable information based on the instability selected by the instability selecting unit to the driver. By using another instability calculator when learning is incomplete, it is possible to call attention even when the driving state distribution of the driver is unknown.
  • the other traveling state data is traveling state data acquired in the past from the most recent time range.
  • the second driving instability determination unit is a value obtained by multiplying the feature value of the travel state distribution in the most recent time range by the feature value of the travel state distribution obtained from the other travel data by a preset coefficient.
  • the driving state instability is estimated by comparing the driving state distribution in the most recent time range with the comparative driving state distribution at a ratio to the reference feature amount.
  • the second driving instability determination unit estimates driving instability based on at least one piece of information of the driving state data acquired by the driving state acquisition unit and driving scene information of the vehicle. By using the vehicle behavior data and other traveling state data and the result of the driving scene determination, the driver state can be detected with high accuracy.
  • the second driving instability determination unit estimates driving instability using one of the driving state distributions calculated based on the driving state data acquired by the driving state acquisition unit. By using the driving state distribution of the driver, statistical processing becomes possible and accuracy is improved.
  • the instability level selection unit selects the instability level estimated by the second driving instability determination unit
  • the instability level estimated by the second driving instability determination unit exceeds a preset determination threshold. And determined to be unstable. This makes it possible to easily determine the unstable driving state.
  • the determination threshold is set based on past travel history data. By using past travel trip history, detection accuracy is improved.
  • the second driving instability determination unit includes a history storage unit that stores past travel history data, and determines an unstable state with reference to past history trends stored by the history storage unit. To do. Detection performance is improved by determining from the past history.
  • the learning completion determination unit determines the learning degree SD from the travel time. By determining the learning status from the running time, erroneous determination of learning completion is reduced.
  • the learning completion determination unit determines from a variation in the feature amount of a single running state distribution. By observing the learning status with the fluctuation of the feature amount of the travel distribution, the determination at the completion of learning can be determined early.
  • the travel state distribution is calculated from the amount of steering operation. By detecting from a steering operation that requires continuous operation, the driver's state can be detected with high accuracy.
  • the calculation from the operation amount of the steering operation uses a steering entropy method. By using the steering entropy method, improvement in detection performance can be expected.
  • the information presentation unit changes the information presentation content of the unstable information in accordance with the learning completion result determined by the learning completion determination unit. By changing the provision of information according to the determination result of learning completion, the acceptability to the driver is improved.
  • steps S2010 to S2070 is the same as the processing of steps S1010 to S1070, which is the processing of the first embodiment.
  • steps S2100 and S2110 are the same as the processes in steps S1100 and S1110. Therefore, description of these processes is omitted.
  • step S2080 of the present embodiment the information providing unit 100A reads the feature amount of the general driver stored in advance in the storage unit.
  • the feature amount of a general driver is a value obtained by performing statistical processing (for example, average) on feature amounts acquired from a plurality of drivers in advance.
  • the feature amount of the general driver may be updated as appropriate by wireless communication or the like.
  • the feature amount acquired from each driver is obtained from the driving state data acquired from each driver.
  • step S2010 constitutes a traveling state acquisition unit.
  • step S2050 constitutes a first traveling state distribution calculation unit and a first driving instability determination unit.
  • Step S2030 constitutes a learning completion determination unit.
  • S2070 and S2080 constitute a second driving instability determination unit.
  • S2040 constitutes an instability selection unit.
  • S2100 constitutes an information presentation unit.
  • the other traveling state data used by the second driving instability determination unit is traveling state data acquired in advance from a plurality of drivers.
  • the determination threshold is obtained from the characteristics of the running state distribution acquired from a plurality of drivers.
  • steps S3010 to S3070 is the same as the processing of steps S1010 to S1070 that is the processing of the first embodiment. Further, the process of step S3100 is the same as the process of step S1100. Therefore, description of these processes is omitted. In the present embodiment, since the feature amount need not be saved, the process of step S1110 is omitted.
  • step S3080 of this embodiment the information providing unit 100A stores the instabilities calculated in step S3070 in the past number to 10 at regular intervals, and in order to determine the tendency, variation, increase / decrease, absolute value Is calculated.
  • the variation is a variation (standard deviation) of past instability.
  • the increase / decrease is a comparison between the oldest instability and the latest instability.
  • the absolute value is the absolute value of the latest instability.
  • step S3090 the information providing unit 100A determines the past history data calculated in step S3080. For example, among the above three items (variation, increase / decrease, absolute value), it is determined that the operation is unstable when variation: large, increase / decrease: large, absolute value: large. Even when only a part of these three items is satisfied, for example, when the condition of any one of the items is satisfied, the unstable operation may be determined.
  • the variation is larger than a preset variation threshold, it is determined that the variation is large.
  • the absolute value of the increase / decrease is larger than a preset increase / decrease threshold, it is determined that the increase / decrease is large.
  • the absolute value is larger than a preset absolute value threshold, it is determined that the absolute value is large.
  • step S3010 constitutes a traveling state acquisition unit.
  • step S3050 constitutes a first traveling state distribution calculation unit and a first driving instability determination unit.
  • Step S3030 constitutes a learning completion determination unit.
  • S3070 and S3080 constitute a second driving instability determination unit.
  • S3040 constitutes an instability selection unit.
  • S3100 constitutes an information presentation unit.
  • the characteristic amount (entropy) of a single running state distribution is appropriately stored, and unstable driving is determined based on the tendency (increase / decrease and absolute value).
  • this embodiment has the following effects.
  • the second driving instability determination unit obtains a feature value of the running state distribution in the latest temporal range indicating the current running state based on the running state data acquired by the running state acquisition unit, and uses the obtained feature amount. Based on this, the instability of driving is estimated. By using the feature amount of the driving state distribution of the driver, statistical processing becomes possible and accuracy is improved.
  • the second driving anxiety degree determination unit obtains the tendency of the feature amount based on the history of the feature amount acquired at regular intervals, and estimates the driving instability based on the obtained tendency. According to this configuration, it is possible to determine unstable driving without using a running state distribution of a long time range by using the feature amount tendency.
  • steps S4010 to S4060 is the same as the processing of steps S1010 to S1060 that is the processing of the first embodiment. Further, the process of step S4100 is the same as the process of step S1100. Therefore, description of these processes is omitted. In the present embodiment, since the feature amount need not be saved, the process of step S1110 is omitted.
  • step S4030 the learning status is determined as described above.
  • the determination of the learning situation uses the travel time as described above.
  • step S4070 the information providing unit 100A sets a time range for obtaining two steering error distributions (running state distributions) according to the learning degree SD obtained in step S4030.
  • the two travel state distributions are a long travel time distribution and a short time distribution.
  • the time range of the long travel time distribution is set as a time range corresponding to the learning degree SD as follows.
  • the short running state distribution is obtained as described above.
  • Long time travel time range learning degree SD x learning coefficient learning degree SD: value calculated in step S4030 (0 to 1)
  • Learning coefficient It is set to a value obtained by multiplying the learning time or learning time by a preset coefficient ( ⁇ 1). It is.
  • the learning coefficient is obtained, for example, by multiplying the learning time (running time) by a constant that is equal to or less than 1 set in advance.
  • step S4080 the information providing unit 100A calculates a second distribution difference amount.
  • the calculation method is the same as in step S4050 (step S1050).
  • the time range is different from the travel state distribution for calculating the first distribution difference amount.
  • the temporal range of the second traveling state distribution is shorter than the temporal range of the first traveling state distribution.
  • Tw_s1 and Tw_l1 When the temporal ranges of the first traveling state distribution are Tw_s1 and Tw_l1, respectively, and the temporal ranges of the second traveling state distribution are Tw_s2 and Tw_l1, for example, the following settings are made.
  • step S4080 the information providing unit 100A creates two travel state distributions and calculates the difference between them.
  • step S4090 the information providing unit 100A determines the unstable driving state based on the difference amount (feature amount) calculated in step S4080.
  • step S4090 of the present embodiment the information providing unit 100A compares the difference amount calculated in step S4080 with a preset determination threshold value. And 100 A of information provision parts determines with an unstable driving
  • Step S4010 constitutes a traveling state acquisition unit.
  • Step S4050 constitutes a first traveling state distribution calculation unit and a first driving instability determination unit.
  • Step S4030 constitutes a learning completion determination unit.
  • S4070 to S4090 constitute a second driving instability determination unit.
  • S4070 constitutes a second running state distribution calculation unit and a second driving instability determination unit.
  • S4040 constitutes an instability selection unit.
  • S4100 constitutes an information presentation unit.
  • the information providing unit 100A calculates two relative entropies having different temporal ranges, and changes the temporal range of one of the relative entropies according to the learning situation. .
  • the effect of 1st Embodiment there exists the following effect.
  • the other traveling state data used in the second driving instability determination unit is traveling state data acquired in another temporal range different from the most recent temporal range.
  • the other time range is changed according to a learning degree that is a ratio of an elapsed time from the start of the collection of the running state data to the learning time with respect to the learning time, and the other time range is increased as the learning degree increases. Enlarge.
  • the information providing unit 100A acquires the following data as vehicle information data.
  • the information providing unit 100A acquires the steering angle and the brake pedal operation amount based on the outputs of the steering angle sensor 3 and the brake pedal operation amount sensor 2 as the operation information of the driver. Further, the information providing unit 100A uses the vehicle speed sensor 4, the G sensor 8, and the forward vehicle detection device 9 as the vehicle state information based on the outputs of the vehicle speed, the front and rear G, the lateral G, and the relative speed with respect to the front obstacle. Get the distance between cars.
  • step S5030 the information providing unit 100A determines the learning status by the same process as in step S1050.
  • step S5040 the information providing unit 100A determines whether or not the learning status is learning based on the learning degree SD by the same process as in step S1040. When it is determined that the learning status is learning complete, the process proceeds to step S5050. On the other hand, when it is determined that the learning status is not completed, the process proceeds to steps S5080 and S5100.
  • steps S5050 and S5060 processing similar to that in steps S1050 and S1060 is performed. That is, in step S5050, the amount of difference between the distributions is calculated. In step S5060, the calculated difference amount is compared with a preset determination threshold value to determine whether or not the vehicle is in an unstable operation state. In step S5070, the information providing unit 100A performs information presentation processing when it is determined that the vehicle is in an unstable driving state based on the determination in step S5060.
  • step S5080 the information providing unit 100A calculates steering entropy using the steering angle.
  • absolute entropy feature amount
  • step S5090 the information providing unit 100A performs the same process as in step S2080, and reads the feature amount of the general driver stored in advance in the storage unit. Thereafter, the process proceeds to step S5120.
  • step S5100 the information providing unit 100A calculates an absolute entropy (feature value) that is an unstable amount from the magnitude of TTC (collision margin time) when the brake is turned on. Thereafter, the process proceeds to step S5110.
  • the collision margin time TTC indicates the time until the vehicle collides with an obstacle when the vehicle travels while maintaining the traveling state at the time of calculating the collision margin time.
  • the timing of the brake operation is normalized using statistical data of general brake operations. For example, there are N brake operations, and the TTC when each brake is on is TTC1, TTC2,.
  • TTC1 the TTC when each brake is on
  • TTC2 the TTC when each brake is on
  • ⁇ the standard deviation
  • Std of the respective brake operations are expressed as follows.
  • the average value of Std ( ⁇ stdn (: n is 1 to n)) / N is defined as the degree of instability.
  • step S5110 information providing unit 100A reads a generally acceptable TTC average value (a value set in advance in the storage unit). This value is set to a value between 2 and 3, for example.
  • step S5120 the information providing unit 100A determines the first single distribution instability based on the feature amount based on the processing in steps S5080 and S5090, and the second single unit based on the feature amount based on the processing in steps S5100 and S5110. If any one of the distributions of instability satisfies the following, it is determined that the level is unstable. In addition, the case where the following formula is satisfied is determined to be unstable.
  • Unstable amount calculated in S5100> General feature amount read in S5110 In steps S5080 and S5100 of the present embodiment, steering entropy and The case where the degree of instability is calculated from the TTC when the brake is on is illustrated. Instead, any index can be used as long as it is a driver's driving operation and a vehicle behavior index (frequency distribution of lateral G and front and rear G).
  • step S5130 when information providing unit 100A determines that driving is unstable in step S5120, information providing unit 100A performs information presentation processing.
  • step S5010 constitutes a traveling state acquisition unit.
  • step S5050 constitutes a first traveling state distribution calculation unit and a first driving instability determination unit.
  • step S5030 constitutes a learning completion determination unit.
  • S5080 to S5120 constitute a second operation instability determination unit.
  • S5040 constitutes an instability selection unit.
  • S5070 and S5130 constitute an information presentation unit.
  • the degree of instability is determined in consideration of another index (such as the lateral G when turning right or left). That is, if there are two types of single running state distributions (calculated from different indexes, respectively) and one of them is determined to be unstable, it is determined that the driving is unstable.
  • the other driving state data used in the second driving instability determination unit is a plurality of types of driving state data.
  • the second driving instability determination unit obtains and estimates a plurality of traveling state distributions as the comparative traveling state distributions from the plurality of types of traveling state data. That is, the second driving instability determination unit estimates the driving instability from each feature quantity of a plurality of running state distributions obtained from a plurality of types of running state data.
  • the detection performance is improved by detecting the driver state from a plurality of signals as well as a specific signal.
  • the second driving instability determination unit estimates driving instability using a collision margin time (TTC). By using the collision margin time, it is possible to accurately detect the state of the deceleration operation.
  • TTC collision margin time
  • FIG. 15 is a diagram showing a system configuration diagram according to the present embodiment.
  • intersection information is acquired via a turn signal instruction signal or navigation.
  • step S6010 the following data is acquired as vehicle information data which is information on the driving operation of the driver and the vehicle state resulting from the driving operation.
  • vehicle information data information on the driving operation of the driver and the vehicle state resulting from the driving operation.
  • a driver's operation information As a driver's operation information, a steering angle, an accelerator pedal opening degree, a brake pedal operation amount, and a winker instruction signal are acquired.
  • the turn signal instruction signal is used as detection information of a driving scene.
  • step S6030 the information providing unit 100A acquires intersection information as the traffic environment information via the navigation system 7.
  • step S6030 the information providing unit 100A performs learning status determination by the same process as in step S1030.
  • step S6040 the information providing unit 100A determines whether or not the learning status is learning based on the learning degree SD by the same process as in step S1040. If it is determined that the learning status is learning complete, the process proceeds to step S6050. If it is determined that the learning status is incomplete, the process proceeds to step S6070.
  • step S6050 the information providing unit 100A calculates the difference between the distributions by the same process as in step S1050. In step S6060, the unstable operation state is determined based on the difference amount by the same process as in step S1060. Thereafter, the process proceeds to step S6100.
  • the information providing unit 100A determines a driving scene (traffic environment).
  • the driving scene may be an intersection right / left turn scene or a preceding vehicle approaching scene.
  • the determination in an intersection right / left turn scene will be described as an example. Whether an intersection is turning left or right may be determined by using a method for determining an intersection from a navigation map or a determination process for determining whether an intersection is a turn signal and vehicle behavior.
  • step S6080 the information providing unit 100A calculates a feature amount.
  • the feature amount calculation in step S6080 uses a method equivalent to step S5100 of the fifth embodiment. That is, the feature amount is calculated by applying the size of the lateral G to the processing described in step S5100 instead of the brake operation.
  • step S6090 the information providing unit 100A compares the feature amount calculated in step S6080 with a preset determination threshold value, and determines that the state is an unstable driving state when the feature amount is larger than the determination threshold value.
  • This determination threshold is changed according to the detected driving scene. For example, when it is determined that the detected driving scene is an intersection right / left turn scene, the determination threshold is set lower than that of other driving scenes.
  • step S6100 as in step S1100, if it is determined that driving is unstable in step S6060 or step S6090, information presentation processing is performed.
  • the intersection left and right turn scene is illustrated as the driving scene, but it may be a preceding car approach scene.
  • step S6080 processing similar to that in step S5100 is performed.
  • step S6090 if it is determined that the preceding vehicle approaching scene, the determination threshold value is set lower than in other driving scenes.
  • steps S6010 and S6020 constitute a traveling state acquisition unit.
  • Step S6050 constitutes a first traveling state distribution calculation unit and a first driving instability determination unit.
  • Step S6030 constitutes a learning completion determination unit.
  • S6070 to S6090 constitute a second driving instability determination unit.
  • S6040 constitutes an instability selection unit.
  • S6100 constitutes an information presentation unit.
  • a driving scene is determined, and a feature amount is calculated for a specific driving scene. And it determines with an unstable state from the feature-value of the specific driving
  • running scene the left-right turn in the intersection, and the deceleration scene with respect to a preceding vehicle.
  • the second driving instability determination unit includes a driving scene detection unit that detects a specific driving scene, and calculates a feature amount based on driving behavior data of the specific driving scene detected by the driving scene detection unit. Estimate stability. By identifying the driving scene, it becomes easier to capture small changes in driving behavior that occur during unstable conditions.
  • a right or left turn at an intersection is detected, and a feature amount is obtained from driving characteristics at that time to estimate the degree of instability.
  • the driver's condition can be accurately detected by the driving characteristics of right and left turns at the intersection.
  • the lateral G size is used as the driving characteristic when turning right or left. By using the lateral G, it is possible to accurately detect the state of action at the intersection.
  • a preceding vehicle approaching scene is detected as the specific driving scene, and a feature amount is obtained from driving characteristics of the deceleration operation at that time to estimate the degree of instability.
  • the state of the driver can be accurately detected by detecting the deceleration operation characteristic of the preceding vehicle approaching scene.
  • the driving characteristic of the deceleration operation uses the magnitude of TTC (collision margin time) when the brake is on. By using the collision margin time, it is possible to accurately detect the state of the driver in the approaching situation of the preceding vehicle.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Developmental Disabilities (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Mathematical Physics (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

　普段の運転特性の学習が完了していない場合でも、運転者に運転不安定状態を呈示可能とする。情報提供部（１００Ａ）のうち第１運転不安定判定部は、取得した走行状態データに基づき、時間的範囲の異なる複数の走行状態分布の分布間の相違量から運転の不安定度を推定する。また、情報提供部（１００Ａ）のうち第２運転不安定判定部は、第１運転不安定判定部での推定処理とは異なる処理で、運転の不安定度を推定する。情報提供部（１００Ａ）のうち学習完了判定部は、第１走行状態分布算出部が算出した走行状態分布が運転者の運転特性と合致している学習度合（ＳＤ）によって、上記走行状態データの収集開始から予め設定した学習時間を経過すると学習完了と判定する。情報提供部（１００Ａ）のうち不安定度選択部は、学習完了の場合には第１運転不安定判定部が推定する不安定度を選択し、学習未了の場合には第２運転不安定判定部が推定する不安定度を選択する。

Description

車両用情報提供装置
　本発明は、運転者に運転の不安定状態を呈示する技術に関する。
　特許文献１に記載の車両用運転支援装置では、普段の運転特性に対応した長時間の走行状態分布と現在の運転特性に対応する短時間の走行状態分布とを算出し、その算出した２つの分布間の相違量の大きさから不安定運転状態を判定する。この方法によれば、交通環境の違いによらず不安定な状態を精度よく検出することができると記載されている。
特開２００９－９４９５号公報
　しかし特許文献１の技術では、普段の運転特性を把握可能とみなせるだけの長時間の走行状態分布取得のための学習が完了していない場合、つまり普段の運転特性が把握できていない場合には、運転者の運転の不安定状態の検出精度が悪くなる。
　本発明は、上記のような点に着目したもので、普段の運転特性の学習が完了していない場合でも、運転者に運転不安定状態を呈示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、本発明の一態様は、取得した走行状態データに基づき、時間的範囲の異なる複数の走行状態分布の分布間の相違量から運転の不安定度を推定する第１運転不安定判定部を備える。また、本発明の一態様は、第１運転不安定判定部での推定処理とは異なる処理で、走行状態データに基づき運転の不安定度を推定する第２運転不安定判定部を備える。そして、本発明の一態様は、上記走行状態データの収集開始から予め設定した学習時間が経過し学習完了したと判定した場合には、第１運転不安定判定部が推定する不安定度を選択し、学習未了の場合には第２運転不安定判定部が推定する不安定度を選択する。そして、本発明の一態様は、選択した不安定度に基づく不安定情報を運転者に情報呈示する。
　本発明の一態様によれば、第１運転不安定判定部が使用する走行状態分布取得の学習が普段の運転特性を把握できるまで完了していない場合でも、第２運転不安定判定部が推定する運転の不安定度によって、運転者に運転不安定状態を呈示することが可能となる。
本発明に基づく実施形態に係る車両構成を示す図である。 本発明に基づく第１～第４実施形態に係るシステム構成例を示す図である。 本発明に基づく第１実施形態に係る情報提供部の処理を説明する図である。 運転者に呈示する情報の例を示す図である。 相対エントロピーの算出例を示す図である。 相対エントロピー算出に利用する記号を説明する図である。 操舵角予測誤差データから過去若しくは長時間の分布、及び直近の分布を算出する方法を説明する図である。 相対エントロピー算出方法を説明する図である。 操舵角予測誤差の区分を示す図である。 本発明に基づく第２実施形態に係る情報提供部の処理を説明する図である。 本発明に基づく第３実施形態に係る情報提供部の処理を説明する図である。 本発明に基づく第４実施形態に係る情報提供部の処理を説明する図である。 本発明に基づく第５実施形態に係るシステム構成例を示す図である。 本発明に基づく第５実施形態に係る情報提供部の処理を説明する図である。 本発明に基づく第６実施形態に係るシステム構成例を示す図である。 本発明に基づく第６実施形態に係る情報提供部の処理を説明する図である。
「第１の実施形態」
　まず、本発明に係る第１実施形態について図面を参照しつつ説明する。
（構成）
　図１は、本実施形態に係る車両用情報提供装置を搭載した車両の構成を示す図である。
　本実施形態の車両は、図１に示すように、アクセルペダル開度センサ１、ブレーキペダル操作量センサ２、操舵角センサ３、車速センサ４、ウインカ検出センサ５、メータディスプレイ６、ナビゲーションシステム７、Ｇセンサ８、前方車両検出装置９、コントローラ１００を備える。なお、本発明を適用する車両は、以上のセンサ類その他を全て装備している必要はない。他の実施形態で使用するセンサ類についても併せて説明したものである。
　アクセルペダル開度センサ１は、加速指示量としてアクセルペダルの開度量（加速指示量）を検出する。検出された開度量はコントローラ１００に出力される。
　ブレーキペダル操作量センサ２は、制動指示量としてブレーキペダルの操作量（制動指示量）を検出する。検出した操作量は、コントローラ１００に出力される。
　操舵角センサ３は、例えばステアリングコラムもしくはステアリングホイール（不図示）付近に取り付けられた角度センサであり、ステアリングシャフトの回転から運転者の転舵による操舵角を検出する。検出した操舵角は、コントローラ１００に出力される。
　車速センサ４は、例えば車輪の回転数を検出することで車速を検出する。検出した車速はコントローラ１００に出力される。車速センサ４は、メータディスプレイ６への信号に基づき車速を検出しても良い。
　ウインカ検出センサ５は、ウインカレバーのウインカ状態を検出する。検出したウインカ状態は、コントローラ１００に出力される。
　情報呈示装置は、コントローラ１００からの制御信号に応じて警報その他の呈示を音声や画像によって出力する。情報呈示装置は、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と、画像やテキストの表示により情報提供を行う表示ユニットとを備える。表示ユニットは、例えばナビゲーションシステム７の表示モニタを流用しても良い。
　ナビゲーションシステム７は、ＧＰＳ受信機、地図データベース、および表示モニタ等を備えており、経路探索および経路案内等を行うシステムである。ナビゲーションシステム７は、ＧＰＳ受信機から得られる自車両の現在位置と地図データベースに格納された道路情報に基づいて、自車両が走行する道路の種別や道路幅員等の情報を取得することができる。
　Ｇセンサ８は、車両に発生する前後加速度や横加速度を検出する。検出された加速度は、コントローラ１００に出力される。
　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を検出する。本実施形態では障害物までの距離を検出する。前方車両検出装置９は、例えばレーザ距離計からなる。検出された距離は車間距離、車間時間、相対速度などを求める情報としてコントローラ１００に出力される。
　コントローラ１００は、ＣＰＵと、ＲＯＭおよびＲＡＭ等のＣＰＵ周辺部品とから構成される電子制御ユニットであり、情報提供の制御処理を行う情報提供部１００Ａを備える。コントローラ１００のうち情報提供部１００Ａは、アクセルペダル開度センサ１、ブレーキペダル操作量センサ２、操舵角センサ３等で検出される信号に基づいて運転者の運転特性を分析し、運転者の運転操作の乱雑さなどの運転不安定の度合を判定する。そして、運転の不安定の度合に応じて警報その他の情報を運転者に呈示して、運転者の注意を喚起する。
　図２は、本実施形態の情報提供部１００Ａを含む車両用情報提供装置のシステム構成例を示す図である。
　本実施形態の車両用情報提供装置は、図２に示すように、操舵角センサ３からの情報を走行状態データとする。また、情報呈示装置として、視覚情報呈示装置及び聴覚情報呈示装置を例示している。視覚情報呈示装置は、例えばメータディスプレイ６やナビゲーションシステム７の表示部である。聴覚情報呈示装置は例えばスピーカ１０である。
　タイマー５０は、走行情報データの収集開始からの走行時間を得るために使用される。
　ここで、後述の第２～第４実施形態のシステムについても、図２に示すシステム構成例と同様な構成となっている。
　次に、上記情報提供部１００Ａの処理を、図３を参照しつつ説明する。情報提供部１００Ａの処理は、予め設定された制御周期（例えば１００ｍｓｅｃ）で実施される。
　情報提供部１００Ａは、まずステップＳ１０１０では、車両情報データとして以下のデータの取得する。すなわち、操舵角センサ３から、走行状態のデータとして操舵角を取得する。
　次に、ステップＳ１０３０では、情報提供部１００Ａは、学習状況の判定を行う。本実施形態では、学習状況の判定にデータ収集開始からの走行時間を用いる。学習度合ＳＤを、収集したデータ数を使用して求めても良い。
　具体的には、ステップＳ１０３０では、情報提供部１００Ａは、まず以下の式に基づき、学習度合ＳＤを算出する。
　　学習度合ＳＤ　＝　走行時間（ｓ）　／　（時間的範囲　×　係数　）
　ここで、
　　走行時間：走行後の時間
　　時間的範囲：走行状態分布の時間的範囲（例えば２０００秒）
　　係数：収束時間に係わる係数（たとえば５とする）
　である。
　上記（時間的範囲　×　係数　）は、予め設定した学習時間に対応する。
　走行時間は、タイマー５０に基づき求める。
　次に、ステップＳ１０３０では、情報提供部１００Ａは、算出した学習度合ＳＤから学習状況を判定する。
　本実施形態では、学習度合ＳＤが「１」以上の場合には、学習状況が学習完了と判定する。一方、学習度合ＳＤが「１」未満の場合には、学習状況が学習未了と判定する。
　次に、ステップＳ１０４０では、情報提供部１００Ａは、不安定度の算出方法を、ステップＳ１０３０で判定された学習状況に基づき判定する。具体的には、情報提供部１００Ａは、学習状況が学習完了と判定した場合（学習度合ＳＤ≧１）には、ステップＳ１０５０に移行する。一方、学習状況が学習未了と判定した場合（学習度合ＳＤ＜１）には、ステップＳ１０７０に移行する。
　学習が完了したと判定されてステップＳ１０５０に移行すると、情報提供部１００Ａは、ステアリングエントロピー法によって、複数の運転走行状態分布を算出し、分布間の相違量（相対エントロピー）を算出する。その後ステップＳ１０６０に移行する。
　具体的には、ステップＳ１０５０では、情報提供部１００Ａは、運転者がステアリング操作を行う際の操舵角信号に基づいて、運転者の現在の運転操作が普段の運転操作と比べてどう違うか、つまり普段の運転操作と比べて不安定な状態であるかを判定するための相違量を算出する。すなわち、ステップＳ１０５０では、運転操作の滑らかでない乱雑さを表す値として、相対エントロピー（特徴量、不安定度）を算出する。一般的に、運転者の注意が運転に集中していない状態では、操舵が行われない時間が運転に集中した正常運転時よりも長くなり、大きな操舵角の誤差が蓄積される。したがって、運転者の注意が運転に戻ったときの修正操舵量が大きくなる。本実施形態では、この特性を利用して相対エントロピーＲＨｐを算出する。具体的には、過去あるいは現在よりも前の長時間に蓄積された操舵誤差分布（走行状態分布）と、短時間取得された現在の運転者の操舵誤差分布（走行状態分布）つまり時間的範囲が異なる複数の走行状態分布をそれぞれ算出する。そして、普段の運転特性とみなるだけの長時間の操舵誤差分布を比較基準とし、その長時間の操舵誤差分布と、現在の短時間の操作誤差分布とから相対エントロピーＲＨｐを算出する。
　ここで、相対エントロピーＲＨｐは、２つの操舵誤差分布の相違量（距離）を表す物理量であり、２つの操舵誤差分布の違いの度合、すなわち２つの操舵誤差分布がどれくらい離れているかを表す。算出した相対エントロピーの値により、過去の長時間の走行状態（普段の運転特性）に対する、現在の直近の走行状態の安定性を評価できる。
　長時間に蓄積された操舵誤差分布、短時間取得された現在の運転者の操舵誤差分布、及びそれを使用した分布間の相違量（相対エントロピー）の算出例については、後述する。
　次に、ステップＳ１０６０では、情報提供部１００Ａは、相違量に基づき不安定運転状態の判定を行う。
　本実施形態のステップＳ１０６０では、ステップＳ１０５０で算出された相違量と予め設定した判定閾値と比較する。そして、相違量が判定閾値よりも大きい場合に、不安定運転状態と判定する。その後ステップＳ１１００に移行する。
　一方、ステップＳ１０４０で学習未了と判定された場合は、ステップＳ１０７０に移行する。
　ステップＳ１０７０では、情報提供部１００Ａは、現在の時間的範囲の短い操舵誤差分布を用いて、現在の特徴量（絶対エントロピー）を算出する。その後ステップＳ１０８０に移行する。なお、絶対エントロピーは、対象とする走行状態分布で表される期待値である。
　ステップＳ１０８０では、情報提供部１００Ａは、過去の運転の特徴量の読み込みを行う。過去の運転の特徴量は、過去に走行した際における最終値（絶対エントロピー）である。その後ステップＳ１０９０に移行する。
　ステップＳ１０９０では、情報提供部１００Ａは、下記式のように、ステップＳ１０８０で読み込んだ過去の運転の特徴量Ｈｐ＿ｏｌｄに係数ｋを掛けた基準特徴量と、ステップＳ１０７０で算出した現在の特徴量Ｈｐ＿ｃｕｒｒｅｎｔを比較する。そして、現在の特徴量Ｈｐ＿ｃｕｒｒｅｎｔが、基準特徴量（Ｈｐ＿ｏｌｄ＊ｋ）よりも大きい場合に不安定状態と判定する。その後ステップＳ１１００に移行する。
　　Ｈｐ＿ｃｕｒｒｅｎｔ　／　（Ｈｐ＿ｏｌｄ　＊　ｋ）　＞　１
　ここで、係数ｋは例えば１．５とする。
　そしてステップＳ１１００では、情報提供部１００Ａは、ステップＳ１０６０又はステップＳ１０９０で不安定状態と判定された場合には、情報呈示の処理を行う。
　情報呈示の例を図４に示す。すなわち、学習度合ＳＤが「１」以上の場合には、不安定状態と判定した場合には、情報呈示装置は、図４（ａ）のように、警告表示を行うと共に「運転が乱れています。注意して運転しましょう」などと音声で警告の呈示を行う。
　一方、学習度合ＳＤが「１」未満の場合で不安定状態と判定した場合には、推定精度が低い可能性があるので、情報呈示装置は、「体調はいかがですか？引き続き安全運転でお願いします。」と多少和らげた表現で音声警告を実施する。
　このように、学習度合ＳＤに応じて情報提供の内容を変更する。
　次に、ステップＳ１１１０では、現在の特徴量（絶対エントロピー）の保存を行う。現在の特徴量（ステップＳ１０７０で算出した特徴量）は、次回のトリップ（走行）時の比較のために保存しておく。
　その後処理を終了して復帰する。
　次に、長時間に蓄積された操舵誤差分布（走行状態分布）、短時間取得された現在の運転者の操舵誤差分布（走行状態分布）、及びそれを使用した分布間の相違量（相対エントロピー）の算出処理の例について、図５を参照しつつ説明する。
　本処理内容は、一定間隔、例えば５０ｍｓｅｃ毎に連続的に行われる。
　ステップＳ１０では、相対エントロピーＲＨｐを算出可能な走行場面であるか否かを判断するために、自車両が走行している走行場面の推定（検出）を行う。ここでは、自車速Ｖが予め設定した車速範囲（例えば４０～１２０ｋｍ／ｈ）内にある場合に、相対エントロピーＲＨｐを算出可能な走行場面とする。すなわち、操舵角信号を用いた効果的な相対エントロピーＲＨｐの算出を行うために、車速が極端に遅い場合および極端に速い場合を算出可能な走行場面から除外する。
　ステップＳ２０では、車速センサ４で検出される現在の自車速Ｖが予め設定した車速範囲内にあるか否かを判定する。自車速Ｖが予め設定した車速範囲内にあり、相対エントロピーＲＨｐを算出可能な走行場面であると判定されると、相対エントロピーＲＨｐの算出を行うためにステップＳ３０へ進む。一方、自車速Ｖが所定範囲内にない場合は、この処理を終了する。
　ステップＳ３０では、運転者の運転操作の不安定な状態を検出するための検出対象となる運転者の運転操作量として、舵角センサで検出される現在の操舵角信号θを読み込む。ステップＳ３１では、読み込んだ操舵角θの値から、操舵角予測誤差θｅを算出する。
　ここで、図６に、相対エントロピーＲＨｐを算出するために用いる特殊記号とその名称を示す。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である。操舵角の推定値θｎ－ｈａｔは、ステアリングが滑らかに操作されたと仮定してサンプリング時点における操舵角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られる。
Figure JPOXMLDOC01-appb-M000001
（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個の隣接操舵角θｎの平均値として以下の（式２）から算出される。
Figure JPOXMLDOC01-appb-M000002
（式２）において、ｌは、操舵角円滑値θｎ－ｔｉｌｄｅの算出時間間隔を１５０ｍｓｅｃ、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、１５０ｍｓｅｃ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）で表される。
　　　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１５０ｍｓｅｃ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に基づいて算出される推定値θｎ－ｈａｔは、実質的に１５０ｍｓｅｃ間隔で得られた操舵角θにより算出されたことになる。
　サンプリング時点における操舵角予測誤差θｅは、ステアリング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。
Figure JPOXMLDOC01-appb-M000003
　ただし、操舵角予測誤差θｅは、人間が断続的に操作可能な最小時間間隔、１５０ｍｓｅｃごとの操舵角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、操舵角信号θのサンプリング間隔Ｔｓは、例えば５０ｍｓｅｃとする。まず、１５０ｍｓｅｃ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）で表される。
Figure JPOXMLDOC01-appb-M000004
　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）で表される。
Figure JPOXMLDOC01-appb-M000005
　そして、算出した操舵角推定値θｎ－ｈａｔと実際の操舵角信号θｎとを用いて、上記（式４）から操舵誤差θｅを算出する。
　続くステップＳ４０では、現時点までに算出され、コントローラ１００のメモリ内に蓄積されていた所定時間Ｔ秒間の操舵角予測誤差θｅのデータを、ステップＳ３１で算出した操舵角予測誤差θｅの現在値を加えて更新する。すなわち、蓄積されている操舵角予測誤差θｅのデータのうち最も古いＴ秒前のデータを捨てて、代わりに最新の操舵角予測誤差θｅのデータとして、ステップＳ３１で算出した現在値を入力する。これにより、現在値からＴ秒前までの操舵角予測誤差θｅのデータが蓄積されることになる。なお、所定時間Ｔは、現在の運転操作の不安定な状態を判定するための比較基準となる長時間の誤差分布を算出するために十分な長期間のデータを蓄えられるように、例えばＴ＝３６００秒（＝１時間）程度に設定する。
　ステップＳ５０では、操舵予測誤差分布の比較基準となる、過去あるいは長時間の操舵角予測誤差分布１を算出する。ここでは、図７に示すように、例えばＴ秒前のデータから１８０秒分のデータを使って過去の操舵角予測誤差分布を算出する。具体的には、蓄積された過去の操舵角予測誤差θｅを、９つの予測誤差区分ｂ１～ｂ９に分類し、各区分ｂｉ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～ｐ９）を求める。そして、算出した過去の分布を操舵予測誤差分布の比較基準として利用する。なお、予測誤差区分ｂｉの範囲は、全区分ｂ１～ｂ９で一定となるように予め設定しておく。
　長時間の操舵角予測誤差分布を算出する場合は、Ｔ秒前から現在までの３６００秒分の全てのデータを用いる。具体的には、蓄積された長時間の操舵角予測誤差θｅを、９つの予測誤差区分ｂ１～ｂ９に分類し、各区分ｂｉ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～ｐ９）を求める。算出した過去の分布（または長時間の分布）を比較基準となる過去（または長時間）の操舵角予測誤差分布１とする。
　ステップＳ５１では、現在の操舵角予測誤差分布２を算出する。ここでは、図７に示すように現在から直近の１８０秒分のデータを使って現在の操舵角予測誤差分布２を算出する。具体的には、直近の１８０秒分の操舵角予測誤差θｅのデータを、９つの予測誤差区分ｂ１～ｂ９に分類し、各区分ｂｉ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～ｑ９）を求める。
　ステップＳ７０では、過去（または長時間）の操舵角予測誤差分布１および現在の操舵角予測誤差分布２を用いて、相対エントロピーＲＨｐを求める。図８に示すように相対エントロピーＲＨｐは、比較基準である過去（または長時間）の操舵角予測誤差分布１に対する現在の操舵角予測誤差分布２の相違量（距離）である。相対エントロピーＲＨｐは、以下の算出式（式７）から算出することができる。
Figure JPOXMLDOC01-appb-M000006
　相対エントロピーＲＨｐは、過去（または長時間）の操舵角予測誤差分布１の確率ｐｉと現在の操舵角予測誤差分布２の確率ｑｉが等しい場合にＲＨｐ＝０となり、これらの確率ｐｉとｑｉがずれるほどＲＨｐの値が大きくなる。
　そして今回の処理を終了する。以上の処理を繰り返し実施する。
　なお、過去（または長時間）の操舵角予測誤差分布１および現在の操舵角予測誤差分布２を算出するための予測誤差区分ｂｉの範囲を、操舵誤差分布のあいまいさ（不確実性）を表すステアリングエントロピー値Ｈｐを算出する際に用いるα値に基づいて設定することもできる。ここで、α値は、操舵角の時系列データに基づいて一定時間内の操舵誤差、すなわちステアリングが滑らかに操作されたと仮定した場合の操舵角の推定値と実際の操舵角との差を求め、操舵誤差の分布（ばらつき）を測定して９０パーセントタイル値（操舵誤差の９０％が含まれる分布の範囲）を算出したものである。
　そこで、過去あるいは長時間の操舵角誤差分布に基づいてα値を算出し、算出したα値から、過去（または長時間）の操舵角予測誤差分布１および現在の操舵角予測誤差分布２について同じ予測誤差区分ｂｉの範囲を設定する。図９に、α値を用いて設定される各区分ｂｉの操舵角予測誤差θｅの範囲を示す。
（動作その他）
　車両用情報提供装置は、データ収集を始めてからの走行時間に基づき学習状況が学習完了（運転者の普段の運転特性が取得できた）と見なせる場合には、ステップＳ１０５０及びＳ１０６０の処理によって、ステアリングエントロピー法を用いた不安定度の算出を実施する。
　このとき、車両用情報提供装置は、算出された複数の走行状態分布の間の相違量を算出し、相違量の大きさから不安定運転状態を判定する。これにより、交通環境の違いによらず不安定な走行状態を精度よく検出することが可能となる。すなわち、交通環境の違いによらず、個人の普段の特性に適応して、不安定な状態を精度よく検出することができる。
　またこのとき、車両用情報提供装置は、複数の走行状態分布として、時間的範囲の異なる複数の走行状態分布を算出する。例えば、車両用情報提供装置は、過去の走行状態データを含む走行状態分布と、直近の走行状態データからなる走行状態分布とを算出し、過去の走行状態分布を基準として直近の走行状態分布の相違量を直接算出する。この結果、基準となるデータも連続的に更新しつつ、直近の状態の安定性を評価することが可能となる。このように、交通環境の違いによらず不安定な走行状態を精度よく検出することが可能となる。
　一方、車両用情報提供装置は、学習状況が学習未了（ＳＤ＜１）と判定されたときには、現在の走行状態を示す直近の時間的範囲の走行状態分布である単一の走行状態分布の大きさと、過去の走行データと比較して、不安定運転判断を実施する（ステップＳ１０７０～Ｓ１０９０）。すなわち、学習未完時に別の不安定度算出の処理を用いることで、運転者の走行状態分布が未知のときにでも注意喚起が可能となる。
　ここで、上記実施形態では、走行時間によって学習度合ＳＤを求め、その学習度合ＳＤから、走行状態分布が運転者の運転特性と合致していると推定できるかどうかを推定して、学習完了か否かを判定している。上記走行状態分布が運転者の運転特性と合致していると推定するための学習度合ＳＤを走行状態分布の特徴量である相対エントロピーの変動から、学習度合ＳＤを求めても良い。例えば、長時間用の走行状態分布の特徴量の変化量が予め設定した値以下になったときに、学習度合ＳＤとして学習完了を表す値に設定する。
　ここで、ステップＳ１０１０は走行状態取得部を構成する。ステップＳ１０５０は、第１走行状態分布算出部及び第１運転不安定判定部を構成する。ステップＳ１０３０は学習完了判定部を構成する。Ｓ１０７０，Ｓ１０８０は、第２運転不安定判定部を構成する。Ｓ１０４０は、不安定度選択部を構成する。Ｓ１１００は情報呈示部を構成する。
（本実施形態の効果）
　（１）走行状態取得部は、運転者の運転操作、及び車両状態の少なくとも一方からなる走行状態データを取得する。第１走行状態分布算出部は、上記走行状態取得部が取得した走行状態データに基づき、時間的範囲の異なる複数の走行状態分布を算出する。第１運転不安定判定部は、上記第１走行状態分布算出部が算出した複数の走行状態分布の分布間の相違量に基づき、運転の不安定度を推定する。学習完了判定部は、上記第１走行状態分布算出部が算出した走行状態分布が運転者の運転特性と合致している度合である学習度合ＳＤに基づき、走行状態データの収集開始から予め設定した学習時間を経過すると学習完了と判定する。上記第１走行状態分布算出部が算出した走行状態分布が運転者の運転特性と合致している度合である学習度合ＳＤを求める。第２運転不安定判定部は、上記走行状態取得部が取得した走行状態データに基づき求めた現在の走行状態を示す直近の時間的範囲の走行状態分布と、当該直近の時間的範囲の走行状態データとは異なる他の走行状態データに基づき求めた比較用の走行状態分布とを比較することで、運転の不安定度を推定する。不安定度選択部は、学習完了判定部の判定結果に基づき、学習完了の場合には第１運転不安定判定部が推定する不安定度を選択し、学習未了の場合には第２運転不安定判定部が推定する不安定度を選択する。情報呈示部は、上記不安定度選択部が選択した不安定度に基づく不安定情報を運転者に情報呈示する。
　学習未完時に別の不安定度算出部を用いることで、運転者の走行状態分布が未知のときにでも注意喚起が可能となる。
　（２）上記他の走行状態データは、上記直近の時間的範囲よりも過去に取得した走行状態データとする。そして、上記第２運転不安定判定部は、上記直近の時間的範囲の走行状態分布の特徴量と、上記他の走行データから求めた走行状態分布の特徴量に予め設定した係数を掛けた値である基準特徴量との比で、上記直近の時間的範囲の走行状態分布と比較用の走行状態分布とを比較して、運転の不安定度を推定する。
　他の走行データから求めた走行状態分布の特徴量に予め設定した係数を掛けて基準特徴量を求めることで、学習未了であっても、上記係数で補正されることで、運転の不安定度の推定の精度を向上可能となる。
　（３）上記第２運転不安定判定部は、走行状態取得部が取得した走行状態データの情報、及び車両の運転場面情報の少なくとも１つ情報に基づいて運転の不安定度を推定する。
　車両挙動データその他の走行状態データ、運転場面判定の結果を使うことで精度良く運転者状態を検出可能となる。
　（４）上記第２運転不安定判定部は、上記走行状態取得部が取得した走行状態データに基づき算出した走行状態分布の一つを使用して運転の不安定度を推定する。
　運転者の走行状態分布を使うことで、統計的な処理が可能となり精度が向上する。
　（５）上記不安定度選択部が第２運転不安定判定部が推定する不安定度を選択する場合、上記第２運転不安定判定部が推定する不安定度が予め設定した判定閾値を越えると不安定と判定する。
　これによって、運転の不安定状態の判定が簡易に実施可能となる。
　（６）上記判定閾値は、過去の走行履歴のデータに基づき設定する。
　過去の走行トリップ履歴を用いることで、検出精度が向上する。
　（７）上記第２運転不安定判定部は、過去の走行履歴のデータを保存する履歴保存部を有し、その履歴保存部が保存した過去の履歴の傾向を参照して不安定状態を判定する。
　過去の履歴から判定することで、検出性能が向上する。
　（８）上記学習完了判定部は、走行時間から学習度合ＳＤを判定する。
　学習状況を走行時間から判定することで、学習完了の誤判定することが少なくなる。
　（９）上記学習完了判定部は、単一の走行状態分布の特徴量の変動から判定する。
　学習状況を走行分布の特徴量の変動で見ることで、学習完了時の判定を早めに判定することができる。
　（１０）上記走行状態分布は、ステアリング操作の操作量から算出する。
　連続操作が要求されるステアリング操作から検出することで、運転者状態を精度よく検出できる。
　（１１）上記ステアリング操作の操作量からの算出は、ステアリングエントロピー法を用いる。
　ステアリングエントロピー法を用いることで、検出性能の向上が期待できる。
　（１２）情報呈示部は、学習完了判定部が判定する学習完了の結果に応じて、不安定情報の情報呈示内容を変更する。
　学習完了の判定結果に応じて、情報提供を変える事で、運転者への受容性が向上する。
「第２実施形態」
　次に、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については同一の符号を付して説明する。
　本実施形態の基本構成は、上記第１実施形態と同様である。ただし、学習状況が学習未了と判定したときの、別の不安定度算出の処理が異なる。
　本実施形態では、別の不安定度算出の処理を、単一の走行状態分布の大きさと、一般運転者の分布から算出した値とを比較して不安定運転判断を行うことで実施する。
　本実施形態の情報提供部１００Ａの処理を、図１０のフローを参照して説明する。
　ここで、ステップＳ２０１０～Ｓ２０７０の処理は、第１実施形態の処理であるステップＳ１０１０～Ｓ１０７０の処理と同じである。また、ステップＳ２１００、Ｓ２１１０の処理はステップＳ１１００，Ｓ１１１０の処理と同じである。このため、これらの処理の説明を省略する。
　次にステップＳ２０８０の処理について説明する。
　本実施形態のステップＳ２０８０では、情報提供部１００Ａは、記憶部に予め記憶されている一般運転者の特徴量を読み込む。
　一般運転者の特徴量は、予め複数の運転者から取得した特徴量を統計処理（例えば平均）を実施して求めた値である。この一般運転者の特徴量は、無線通信などによって適宜アップデートしても良い。各運転者から取得した特徴量は、各運転者から取得した走行状態データから求める。
　その他の処理は、上記第１実施形態と同様である。
　ここで、ステップＳ２０１０は走行状態取得部を構成する。ステップＳ２０５０は、第１走行状態分布算出部及び第１運転不安定判定部を構成する。ステップＳ２０３０は学習完了判定部を構成する。Ｓ２０７０，Ｓ２０８０は、第２運転不安定判定部を構成する。Ｓ２０４０は、不安定度選択部を構成する。Ｓ２１００は情報呈示部を構成する。
（作用効果）
　本実施形態では、第１実施形態で説明した効果に加え、次の効果を奏する。
（１）第２運転不安定判定部が使用する上記他の走行状態データは、複数の運転者から予め取得した走行状態データである。そして、上記判定閾値は、複数の運転者から取得した走行状態分布の特性から求める。
　一般運転者などの基準となる分布を用いることで、運転者の不安定状態を明確にでき、検出性能が向上する。
「第３実施形態」
次に、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については同一の符号を付して説明する。
　本実施形態の基本構成は、上記第１実施形態と同様である。ただし、第３実施形態では、学習状況が学習未了と判定したときの、別の不安定度算出の処理を、直近の時間的範囲の走行状態から求めた単一分布の特徴量の履歴から判定する。
　本実施形態の情報提供部１００Ａの処理を、図１１のフローを参照して説明する。
　ステップＳ３０１０～Ｓ３０７０の処理は、第１実施形態の処理であるステップＳ１０１０～Ｓ１０７０の処理と同じである。また、ステップＳ３１００の処理はステップＳ１１００の処理と同じである。このため、これらの処理の説明を省略する。なお、本実施形態では特徴量の保存が不要であるので、ステップＳ１１１０の処理が省略されている。
　次に、本実施形態におけるステップＳ３０８０、Ｓ３０９０の処理について説明する。
　本実施形態のステップＳ３０８０では、情報提供部１００Ａは、ステップＳ３０７０で算出された不安定度を、一定間隔で過去数～１０個保存し、その傾向を判定するために、ばらつき、増減、絶対値を算出する。
　上記ばらつきは、過去の不安定度のばらつき（標準偏差）とする。
　上記増減は、もっとも古い不安定度と最新の不安定度の比較とする。
　上記絶対値は、最新の不安定度の絶対値とする。
　次に、ステップＳ３０９０では、情報提供部１００Ａは、ステップＳ３０８０で算出した過去の履歴データの判定を行う。
　例えば、上述の３つの項目（ばらつき、増減、絶対値）のうち、ばらつき：大、増減：大、絶対値：大の場合に不安定運転と判定する。この３つの項目の一部だけを満足する場合でも、例えばいずれかの項目の条件を満足する場合でも、不安定運転と判定しても良い。
　ここで、バラツキが予め設定したバラツキ用閾値よりも大きい場合に、ばらつき：大と判定する。また、増減の絶対値が予め設定した増減用閾値よりも大きい場合に、増減：大と判定する。また、絶対値が予め設定した絶対値用閾値よりも大きい場合に、絶対値：大と判定する。
　その他の処理は、上記第１実施形態と同様である。
　ここで、ステップＳ３０１０は走行状態取得部を構成する。ステップＳ３０５０は、第１走行状態分布算出部及び第１運転不安定判定部を構成する。ステップＳ３０３０は学習完了判定部を構成する。Ｓ３０７０，Ｓ３０８０は、第２運転不安定判定部を構成する。Ｓ３０４０は、不安定度選択部を構成する。Ｓ３１００は情報呈示部を構成する。
（作用効果）
　以上のように、本実施形態では、単一の走行状態分布の特徴量（エントロピー）を適宜保存し、その傾向（増減と絶対値）で不安定運転判断をする。
　本実施形態は、上記第１実施形態で説明した効果を奏する他、次の効果を奏する。
　（１）第２運転不安定判定部は、走行状態取得部が取得した走行状態データに基づく現在の走行状態を示す直近の時間的範囲の走行状態分布の特徴量を求め、求めた特徴量に基づき運転の不安定度を推定する。
　運転者の走行状態分布の特徴量を使うことで、統計的な処理が可能となり精度が向上する。
　（２）第２運転不安度判定部は、一定間隔毎に取得した上記特徴量の履歴に基づき特徴量の傾向を求め、その求めた傾向によって運転の不安定度を推定する。
　この構成によれば、特徴量の傾向を使用することで、長時間の時間的範囲の走行状態分布を使用することなく、不安定運転の判断が可能となる。
「第４実施形態」
　次に、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については同一の符号を付して説明する。
　本実施形態の基本構成は、上記第１実施形態と同様である。ただし、第４実施形態では、学習状況が学習未了と判定したときの、別の不安定度算出の処理を、時間的範囲の異なる相対エントロピーから実施する。
　本実施形態の情報提供部１００Ａの処理を、図１２のフローを参照して説明する。
　ステップＳ４０１０～Ｓ４０６０の処理は、第１実施形態の処理であるステップＳ１０１０～Ｓ１０６０の処理と同じである。また、ステップＳ４１００の処理はステップＳ１１００の処理と同じである。このため、これらの処理の説明は省略する。なお、本実施形態では特徴量の保存が不要であるので、ステップＳ１１１０の処理が省略されている。
　次に、ステップＳ４０７０～Ｓ４０９０の処理について説明する。
　ここでステップＳ４０３０では、上述のように学習状況判定を行う。
　学習状況の判定は、上述のように走行時間を用いる。学習度合ＳＤは、例えば以下式に基づき算出する。
　　学習度合ＳＤ　＝　走行時間（ｓ）／（時間的範囲×係数　）
　ここで、
　　走行時間　：　走行後の時間
　　時間的範囲：　走行状態分布の時間的範囲（例えば２０００秒）
　　係数　　　：　収束時間に係る係数（たとえば５）
　そして、ステップＳ４０７０では、情報提供部１００Ａは、２つの操舵誤差分布（走行状態分布）を求める時間的範囲を、ステップＳ４０３０で求めた学習度合ＳＤに応じて設定する。本実施形態では、２つの走行状態分布は、長い走行時間分布と短い時間分布とする。長い走行時間分布の時間的範囲を以下のように学習度合ＳＤに応じた時間範囲とする。なお、短い走行状態分布は、前述のようにして求める。
　長い時走行時間分布の時間的範囲　＝　学習度合ＳＤ　×　学習係数
　ここで
　　学習度合ＳＤ：　ステップＳ４０３０で算出された値（０～１）
　　学習係数：学習時間や学習時間に予め設定した係数（＜１）を乗算した値に設定する。
　である。
　学習係数は、例えば学習時間（走行時間）に対して、予め設定した１以下の常数を乗算して求める。
　次に、ステップＳ４０８０では、情報提供部１００Ａは、第２の分布相違量を算出する。算出方法は、ステップＳ４０５０（ステップＳ１０５０）と同様の方法で算出する。ただし、第１の分布相違量を算出する走行状態分布とは、時間的範囲が異なる。第２の走行状態分布の時間的範囲は、第１の走行状態分布の時間的範囲よりも短くなる。
　第１の走行状態分布の時間的な範囲をそれぞれＴｗ＿ｓ１、Ｔｗ＿ｌ１とし、第２の走行状態分布の時間的範囲をＴｗ＿ｓ２、Ｔｗ＿ｌ１とした場合、たとえば以下のように設定する。
　Ｔｗ＿ｓ１：　６０（ｓ）
　Ｔｗ＿ｌ１：　２０００（ｓ）
　Ｔｗ＿ｓ２：　２０（ｓ）
　Ｔｗ＿ｌ２：　６００（ｓ）
　これらに基づき、ステップＳ４０８０において、情報提供部１００Ａは、２つの走行状態分布の作成し、それらの相違量を算出する。
　ステップＳ４０９０では、情報提供部１００Ａは、ステップＳ４０８０で算出した相違量（特徴量）に基づき不安定運転状態の判定を行う。本実施形態のステップＳ４０９０では、情報提供部１００Ａは、ステップＳ４０８０で算出された相違量と予め設定した判定閾値と比較する。そして、情報提供部１００Ａは、相違量が判定閾値よりも大きい場合に、不安定運転状態と判定する。その後ステップＳ４１００に移行する。
　ここで、ステップＳ４０１０は走行状態取得部を構成する。ステップＳ４０５０は、第１走行状態分布算出部及び第１運転不安定判定部を構成する。ステップＳ４０３０は学習完了判定部を構成する。Ｓ４０７０～Ｓ４０９０は、第２運転不安定判定部を構成する。Ｓ４０７０は、第２走行状態分布算出部及び第２運転不安定判定部を構成する。Ｓ４０４０は、不安定度選択部を構成する。Ｓ４１００は情報呈示部を構成する。
（作用効果）
　本実施形態では、情報提供部１００Ａは、学習が未了の場合、時間的範囲の異なる２つの相対エントロピーを算出し、そのうちの一方の相対エントロピーの時間的範囲を、学習状況に応じて変更する。
　本実施形態では、第１実施形態の効果に加え次の効果を奏する。
　（１）第２運転不安定判定部で使用する他の走行状態データは、直近の時間的範囲とは時間的範囲の異なる他の時間的範囲で取得した走行状態データである。そして、上記他の時間的範囲は、上記学習時間に対する上記走行状態データの収集開始から現在までの経過時間の比である学習度合によって変更し、その学習度合が大きくなるほど上記他の時間的範囲を大きくする。
　他の時間的範囲を学習完了に近付くほど大きくすることで、学習未了から学習完了に移行する際の運転者に呈示する情報の変化をより滑らかに設定することが可能となる、例えば、学習未了から学習完了に移行する際の注意喚起の変更をより滑らかにすることが可能となる。
「第５実施形態」
　次に、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については同一の符号を付して説明する。
　本実施形態の基本構成は、上記第１実施形態と同様である。ただし、第５実施形態では、学習状況が学習未了と判定したときの、別の不安定度算出の処理を、２つの単一分布の特徴量（相対エントロピー）から判定する。
　本実施形態のシステム構成を図１３に示す。図１３に示すように、情報提供部１００Ａに対して、操舵角センサ３から、タイマー５０からの出力の他に、ブレーキペダル操作センサ、障害物検出装置からの出力値も入力される。
　本実施形態の情報提供部１００Ａの処理を、図１４のフローを参照して説明する。
　情報提供部１００Ａは、まずステップＳ５０１０で、車両情報データとして以下のデータの取得を行う。
　情報提供部１００Ａは、運転者の操作情報として、操舵角センサ３、及びブレーキペダル操作量センサ２の出力に基づき、操舵角及びブレーキペダル操作量を取得する。
　また、情報提供部１００Ａは、車両状態の情報として、車速センサ４、Ｇセンサ８、前方車両検出装置９の各出力に基づき、自車両の車速、前後Ｇ、横Ｇ、前方障害物に対する相対速度、車間距離を取得する。
　ステップＳ５０３０では、情報提供部１００Ａは、ステップＳ１０５０と同様な処理によって、学習状況判定を行う。
　ステップＳ５０４０では、情報提供部１００Ａは、ステップＳ１０４０と同様な処理によって、学習度合ＳＤに基づき学習状況が学習完了か否かを判定する。学習状況が学習完了と判定した場合にはステップＳ５０５０に移行する。一方、学習状況が学習未了と判定した場合には、ステップＳ５０８０及びＳ５１００に移行する。
　ステップＳ５０５０、Ｓ５０６０では、ステップＳ１０５０及びＳ１０６０と同様な処理を行う。すなわち、ステップＳ５０５０では、分布間の相違量を算出する。ステップＳ５０６０では、算出した相違量と予め設定した判定閾値とを比較して不安定運転状態か否かを判定する。
　ステップＳ５０７０では、情報提供部１００Ａは、ステップＳ５０６０の判定に基づき、不安定運転状態と判定された場合には、情報呈示の処理を行う。
　一方、ステップＳ５０８０では、情報提供部１００Ａは、操舵角を用いてステアリングエントロピーの計算を行う。このステップＳ５０８０では、単一の走行状態分布から不安定量である絶対エントロピー（特徴量）を算出する。その後ステップＳ５０９０に移行する。
　ステップＳ５０９０では、情報提供部１００Ａは、ステップＳ２０８０と同様な処理を行い、記憶部に予め記憶されている一般運転者の特徴量を読み込む。その後ステップＳ５１２０に移行する。
　また、ステップＳ５１００では、情報提供部１００Ａは、ブレーキオン時のＴＴＣ（衝突余裕時間）の大きさから不安定量である絶対エントロピー（特徴量）を算出する。その後ステップＳ５１１０に移行する。ここで、衝突余裕時間ＴＴＣは、衝突余裕時間算出時における走行状態を自車両が維持して走行したときに障害物に衝突するまでの時間を示すものである。
　ここで、運転者の状態が不安定な場合は、ブレーキ操作のタイミングが遅くなることが一般的に知られている。したがって、ブレーキ操作のタイミングを評価することで不安定状態を判定可能である。ブレーキ操作のタイミングは、一般的なブレーキ操作の統計的なデータを使って、正規化して用いる。
　たとえば、ブレーキ操作回数がＮ回あり、それぞれのブレーキオン時のＴＴＣは、ＴＴＣ１，ＴＴＣ２・・とする。一般的なブレーキ操作タイミングの平均値がμ、標準偏差がσとすると、それぞれのブレーキ操作の正規化された値Ｓｔｄは以下のように示される。
　　Ｓｔｄ１　＝　（μ－ＴＴＣ１）／σ
　　Ｓｔｄ２　＝　（μ－ＴＴＣ２）／σ
　　Ｓｔｄ３　＝　（μ－ＴＴＣ３）／σ
　・・・
　　Ｓｔｄｎ　＝　（μ－ＴＴＣｎ）／σ
　そして、Ｓｔｄの平均値（Σｓｔｄｎ（：ｎは１～ｎ））／Ｎを不安定度とする。
　ステップＳ５１１０では、情報提供部１００Ａは、一般的に許容できるＴＴＣの平均値（予め記憶部に設定した値）の読み込みをする。この値は、例えば２～３の間の値に設定する。
　次に、ステップＳ５１２０では、情報提供部１００Ａは、ステップＳ５０８０，Ｓ５０９０の処理に基づく特徴量による第１の単一分布不安定度と、ステップＳ５１００，Ｓ５１１０の処理に基づく特徴量による第２の単一分布の不安定度のうち、いずれかひとつでも下記を満たしていれば不安定と判定する。なお、下記式を満足する場合を不安定と判定する。
　　Ｓ５０８０で算出した不安定量　＞　Ｓ５０９０で読み込んだ一般的な特徴量
　　Ｓ５１００で算出した不安定量　＞　Ｓ５１１０で読み込んだ一般的な特徴量
　ここで、本実施形態のステップＳ５０８０とステップＳ５１００では、それぞれステアリングエントロピーと、ブレーキオン時のＴＴＣから不安定度の算出を行う場合を例示している。これに代えて、運転者の運転操作、及びその運転操作による車両挙動の指標（他、横Ｇ、前後Ｇの頻度分布）であれば、どの指標を使うことも可能である。
　ステップＳ５１３０では、情報提供部１００Ａは、ステップＳ５１２０で運転不安定と判定した場合には、情報呈示の処理を行う。
　その他の構成は、上記第１実施形態と同様である。
　ここで、ステップＳ５０１０は走行状態取得部を構成する。ステップＳ５０５０は、第１走行状態分布算出部及び第１運転不安定判定部を構成する。ステップＳ５０３０は学習完了判定部を構成する。Ｓ５０８０～Ｓ５１２０は、第２運転不安定判定部を構成する。Ｓ５０４０は、不安定度選択部を構成する。Ｓ５０７０，Ｓ５１３０は情報呈示部を構成する。
（作用効果）
　本実施形態では、ステアリングエントロピーによる判定のほか、別の指標（右左折時の横Ｇなど）を考慮して不安定度を判定する。すなわち、単一の走行状態分布を２種類（それぞれ別の指標から算出したもの）有し、そのいずれかひとつが不安定と判定したら、不安定運転と判断する。
　本実施形態では、上記第１実施形態の効果に加え、次の効果を奏する。
　（１）第２運転不安定判定部で使用する他の走行状態データは、複数種類の走行状態データである。第２運転不安定判定部は、上記複数種類の走行状態データから複数の走行状態分布をそれぞれ上記比較用の走行状態分布として求めて推定する。すなわち、第２運転不安定判定部は、複数種類の走行状態データから得られる複数の走行状態分布の各特徴量から、運転の不安定度を推定する。
　特定の信号のみならず、複数の信号から運転者状態を検出することで、検出性能が向上する。
　（２）上記第２運転不安定判定部は、衝突余裕時間（ＴＴＣ）を用いて運転の不安定度を推定する。
　衝突余裕時間を使うことで、減速操作の状態を正確に検出することができる。
「第６実施形態」
　次に、第６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については同一の符号を付して説明する。
　本実施形態の基本構成は、上記第１実施形態と同様である。ただし、第６実施形態では、学習状況が学習未了と判定したときの、別の不安定度算出の処理を、特定の運転場面に対して特徴量を算出して判定する。
　図１５は、本実施形態に係るシステム構成図を示す図である。本実施形態では、特定の運転場面を検出するために、ウインカ指示信号やナビゲーションを介して交差点情報を取得している。
　本実施形態の情報提供部１００Ａの処理を、図１６のフローを参照して説明する。
　ステップＳ６０１０では、運転者の運転操作、及びその運転操作による車両状態の情報である車両情報データとして以下のデータの取得を行う。
　運転者の操作情報として、操舵角、アクセルペダル開度、ブレーキペダル操作量、ウインカ指示信号を取得する。ウインカ指示信号は、運転場面の検出情報として使用される。
　車両状態の情報として、車速、前後Ｇ、横Ｇを検出する。
　また、ステップＳ６０３０では、情報提供部１００Ａは、交通環境情報として、ナビゲーションシステム７を介して、交差点情報を取得する。
　次に、ステップＳ６０３０では、情報提供部１００Ａは、ステップＳ１０３０と同様な処理によって、学習状況判定を行う。
　ステップＳ６０４０では、情報提供部１００Ａは、ステップＳ１０４０と同様な処理によって、学習度合ＳＤに基づき学習状況が学習完了か否かを判定する。学習状況が学習完了と判定した場合にはステップＳ６０５０に移行する。学習状況が学習未了と判定した場合にはステップＳ６０７０に移行する。
　ステップＳ６０５０では情報提供部１００Ａは、ステップＳ１０５０と同様な処理によって、分布間の相違量を算出する。ステップＳ６０６０では、ステップＳ１０６０と同様な処理によって、相違量に基づき不安定運転状態の判定を行う。その後ステップＳ６１００に移行する。
　一方、ステップＳ６０７０では、情報提供部１００Ａは、運転場面（交通環境）の判定を行う。運転場面は、交差点右左折場面や先行車接近場面など考えられるが、ここでは交差点右左折場面における判定を例に説明する。
　交差点右左折場面か否かは、ナビゲーションの地図から交差点を判定する方法や、ウインカと車両挙動による交差点か否かの判定処理を利用すればよい。
　ステップＳ６０８０では、情報提供部１００Ａは、特徴量の算出を行う。ステップＳ６０８０における特徴量の算出は、第５実施形態のステップＳ５１００と同等の方法を用いる。すなわち、ステップＳ５１００に記載の処理を、ブレーキ操作の代わりに横Ｇの大きさを適用して特徴量を算出する。
　ステップＳ６０９０では、情報提供部１００Ａは、ステップＳ６０８０で算出した特徴量と予め設定した判定閾値とを比較して、上記特徴量が判定閾値よりも大きい場合には、不安定運転状態と判定する。
　この判定閾値は、検出した運転場面によって変更する。例えば、検出した運転場面が交差点右左折場面と判定した場合には、その他の運転場面に比べて判定閾値を低く設定する。
　ステップＳ６１００では、ステップＳ１１００と同様に、ステップＳ６０６０又はステップＳ６０９０で運転不安定と判定した場合には、情報呈示の処理を行う。
　ここで、運転場面として交差点右左折場面を例示したが、先行車接近場面などであっても良い。このばあいには、ステップＳ６０７０で先行車近接場面か否かを検出する。例えば先行車との距離が予め設定した距離以下の場合に、先行車近接場面とする。ステップＳ６０８０ではステップＳ５１００と同様な処理を実施する。ステップＳ６０９０では、先行車近接場面と判定すると、その他の運転場面に比べて判定閾値を低く設定する。
　ここで、ステップＳ６０１０、Ｓ６０２０は走行状態取得部を構成する。ステップＳ６０５０は、第１走行状態分布算出部及び第１運転不安定判定部を構成する。ステップＳ６０３０は学習完了判定部を構成する。Ｓ６０７０～Ｓ６０９０は、第２運転不安定判定部を構成する。Ｓ６０４０は、不安定度選択部を構成する。Ｓ６１００は情報呈示部を構成する。
（作用効果）
　本実施形態では、運転場面の判定を行い、特定の運転場面に対して特徴量を算出する。そして、その特定の運転場面（交差点における右左折や、先行車に対する減速場面）の特徴量から、不安定状態と判定する。
　本実施形態は、上記第１実施形態の効果に加え次の効果を奏する。
　（１）上記第２運転不安定判定部は、特定の運転場面を検出する運転場面検出部を有し、運転場面検出部が検出した特定の運転場面の運転行動データによって特徴量を求めて不安定度を推定する。
　運転場面を特定することで、不安定状態時にあらわれる小さな運転行動変化を捉えやすくなる。
　（２）上記特定の運転場面として交差点における右左折時を検出し、そのときの運転特性から特徴量を求め不安定度を推定する。
　交差点の右左折の運転特性で、運転者の状態を正確に検出することができる。
　（３）上記右左折時の運転特性は、横Ｇの大きさを用いる。
　横Ｇを使うことで、交差点での行動の状態を正確に検出することができる。
　（４）上記特定の運転場面として先行車接近場面を検出し、そのときの減速操作の運転特性から特徴量を求め不安定度を推定する。
　先行車接近場面の減速操作特性で検出することで、運転者の状態を正確に検出することができる。
　（５）上記減速操作の運転特性は、ブレーキオン時のＴＴＣ（衝突余裕時間）の大きさを用いる。
　衝突余裕時間を用いることで、先行車接近場面における運転者の状態を正確に検出することができる。
　以上、本願が優先権を主張する日本国特許出願２０１１－９４３４３（２０１１年４月２０日出願）の全内容はここに引用例として包含される。
　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事である。
ＳＤ 学習度合
ＴＴＣ 衝突余裕時間
１ アクセルペダル開度センサ
２ ブレーキペダル操作量センサ
３ 操舵角センサ
４ 車速センサ
５ ウインカ検出センサ
６ メータディスプレイ
７ ナビゲーションシステム
８ Ｇセンサ
９ 前方車両検出装置
１０ スピーカ
５０ タイマー
１００ コントローラ
１００Ａ 情報提供部

Claims (17)

  1. 　運転者の運転操作及び車両状態の少なくとも一方からなる走行状態データを取得する走行状態取得部と、
    　上記走行状態取得部が取得した走行状態データに基づき、現在の走行状態を示す直近の時間的範囲の走行状態分布、及び上記直近の時間的範囲とは時間的範囲の異なる走行状態分布を含む複数の走行状態分布を算出する第１走行状態分布算出部と、
    　上記第１走行状態分布算出部が算出した複数の走行状態分布の分布間の相違量に基づき、運転の不安定度を推定する第１運転不安定判定部と、
    　上記走行状態データの収集開始から予め設定した学習時間が経過すると学習完了と判定する学習完了判定部と、
    　上記走行状態取得部が取得した走行状態データに基づき求めた現在の走行状態を示す直近の時間的範囲の走行状態分布と、当該直近の時間的範囲の走行状態データとは異なる他の走行状態データに基づき求めた比較用の走行状態分布とを比較することで、運転の不安定度を推定する第２運転不安定判定部と、
    　上記学習完了判定部の判定結果に基づき、学習完了の場合には第１運転不安定判定部が推定する不安定度を選択し、学習未了の場合には第２運転不安定判定部が推定する不安定度を選択する不安定度選択部と、
    　上記不安定度選択部が選択した不安定度に基づく不安定情報を運転者に情報呈示する情報呈示部と、
    　を備えることを特徴とする車両用情報提供装置。
  2. 　上記他の走行状態データは、上記直近の時間的範囲よりも過去に取得した走行状態データであり、
    　上記第２運転不安定判定部は、上記直近の時間的範囲の走行状態分布の特徴量と、上記他の走行データから求めた走行状態分布の特徴量に予め設定した係数を掛けた値である基準特徴量との比で、上記直近の時間的範囲の走行状態分布と比較用の走行状態分布とを比較して、運転の不安定度を推定することを特徴とする請求項１に記載した車両用情報提供装置。
  3. 　上記他の走行状態データは、複数の運転者から予め取得した走行状態データであることを特徴とする請求項１に記載した車両用情報提供装置。
  4. 　上記他の走行状態データは、上記直近の時間的範囲とは時間的範囲の異なる他の時間的範囲で取得した走行状態データであり、
    　上記他の時間的範囲は、上記学習時間に対する上記走行状態データの収集開始から現在までの経過時間の比である学習度合によって変更し、その学習度合が大きくなるほど上記他の時間的範囲を大きくすることを特徴とする請求項１に記載した車両用情報提供装置。
  5. 　上記他の走行状態データは、複数種類の走行状態データであり、
    　上記第２運転不安定判定部は、上記複数種類の走行状態データから複数の走行状態分布をそれぞれ上記比較用の走行状態分布として求めることを特徴とする請求項１に記載した車両用情報提供装置。
  6. 　運転者の運転操作及び車両状態の少なくとも一方からなる走行状態データを取得する走行状態取得部と、
    　上記走行状態取得部が取得した走行状態データに基づき、現在の走行状態を示す直近の時間的範囲の走行状態分布、及び上記直近の時間的範囲とは時間的範囲の異なる走行状態分布を含む複数の走行状態分布を算出する第１走行状態分布算出部と、
    　上記第１走行状態分布算出部が算出した複数の走行状態分布の分布間の相違量に基づき、運転の不安定度を推定する第１運転不安定判定部と、
    　上記走行状態データの収集開始から予め設定した学習時間が経過すると学習完了と判定する学習完了判定部と、
    　上記走行状態取得部が取得した走行状態データに基づく現在の走行状態を示す直近の時間的範囲の走行状態分布の特徴量を求め、求めた特徴量に基づき運転の不安定度を推定する第２運転不安定判定部と、
    　上記学習完了判定部の判定結果に基づき、学習完了の場合には第１運転不安定判定部が推定する不安定度を選択し、学習未了の場合には第２運転不安定判定部が推定する不安定度を選択する不安定度選択部と、
    　上記不安定度選択部が選択した不安定度に基づく不安定情報を運転者に情報呈示する情報呈示部と、
    　を備えることを特徴とする車両用情報提供装置。
  7. 　第２運転不安度判定部は、一定間隔毎に取得した上記特徴量の履歴に基づき特徴量の傾向を求め、その求めた傾向によって運転の不安定度を推定することを特徴とする請求項６に記載した車両用情報提供装置。
  8. 　第２運転不安度判定部は、特定の運転場面を検出する運転場面検出部を有し、運転場面検出部が検出した特定の運転場面での走行状態データに基づき上記特徴量を求めることを特徴とする請求項６に記載した車両用情報提供装置。
  9. 　上記特定の運転場面として交差点における右左折時を検出し、そのときの運転特性から特徴量を求めることを特徴とする請求項８に記載した車両用情報提供装置。
  10. 　上記右左折時の運転特性は、横Ｇの大きさを用いることを特徴とする請求項９に記載した車両用情報提供装置。
  11. 　上記特定の運転場面として先行車接近場面を検出し、そのときの減速操作の運転特性から特徴量を求めることを特徴とする請求８に記載した車両用情報提供装置。
  12. 　上記減速操作の運転特性は、ブレーキオン時の衝突余裕時間の大きさを用いることを特徴とする請求項１１に記載した車両用情報提供装置。
  13. 　第２運転不安度判定部は、求めた特徴量が設定された判定閾値を越えると不安定と判定することを特徴とする請求項８～請求項１２のいずれか１項に記載した車両用情報提供装置。
  14. 　上記走行状態分布は、ステアリング操作の操作量から算出することを特徴とする請求項１～請求項１３のいずれか１項に記載した車両用情報提供装置。
  15. 　上記ステアリング操作の操作量からの算出は、ステアリングエントロピー法を用いることを特徴とする請求項１４に記載した車両用情報提供装置。
  16. 　上記第２運転不安定判定部は、衝突余裕時間を用いて運転の不安定度を推定することを特徴とする請求項１～請求項１３のいずれか１項に記載した車両用情報提供装置。
  17. 　上記情報呈示部は、学習完了の場合と学習未了の場合とで、不安定情報の情報呈示内容を変更することを特徴とする請求項１～請求項１６のいずれか１項に記載した車両用情報提供装置。
PCT/JP2012/002091 2011-04-20 2012-03-26 車両用情報提供装置 WO2012144131A1 (ja)

Priority Applications (7)

Application Number Priority Date Filing Date Title
US14/112,456 US9256989B2 (en) 2011-04-20 2012-03-26 Information provision device for use in vehicle
MX2013011818A MX2013011818A (es) 2011-04-20 2012-03-26 Dispositivo de suministro de informacion para ser usado en vehiculos.
BR112013025835-7A BR112013025835B1 (pt) 2011-04-20 2012-03-26 dispositivos de provisão de informações para uso em um veículo
EP12773884.7A EP2701137B1 (en) 2011-04-20 2012-03-26 Information provision device for use in vehicle
RU2013150095/11A RU2549578C1 (ru) 2011-04-20 2012-03-26 Устройство предоставления информации для использования в транспортном средстве
CN201280019571.9A CN103492252B (zh) 2011-04-20 2012-03-26 车辆用信息提供装置
US14/971,498 US9428057B2 (en) 2011-04-20 2015-12-16 Information provision device for use in vehicle

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2011094343A JP5598411B2 (ja) 2011-04-20 2011-04-20 車両用情報提供装置
JP2011-094343 2011-04-20

Related Child Applications (2)

Application Number Title Priority Date Filing Date
US14/112,456 A-371-Of-International US9256989B2 (en) 2011-04-20 2012-03-26 Information provision device for use in vehicle
US14/971,498 Division US9428057B2 (en) 2011-04-20 2015-12-16 Information provision device for use in vehicle

Publications (1)

Publication Number Publication Date
WO2012144131A1 true WO2012144131A1 (ja) 2012-10-26

Family

ID=47041268

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2012/002091 WO2012144131A1 (ja) 2011-04-20 2012-03-26 車両用情報提供装置

Country Status (8)

Country Link
US (2) US9256989B2 (ja)
EP (1) EP2701137B1 (ja)
JP (1) JP5598411B2 (ja)
CN (1) CN103492252B (ja)
BR (1) BR112013025835B1 (ja)
MX (1) MX2013011818A (ja)
RU (1) RU2549578C1 (ja)
WO (1) WO2012144131A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015008419A1 (ja) * 2013-07-19 2015-01-22 日産自動車株式会社 運転状態推定装置
WO2015008420A1 (ja) * 2013-07-19 2015-01-22 日産自動車株式会社 運転状態推定装置
WO2015008418A1 (ja) * 2013-07-19 2015-01-22 日産自動車株式会社 車両用情報提供装置
CN113071497A (zh) * 2021-04-28 2021-07-06 中国第一汽车股份有限公司 一种驾驶场景判断方法、装置、设备及存储介质

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2902802B1 (de) * 2014-01-31 2016-10-26 S.M.S. Smart Microwave Sensors GmbH Sensorvorrichtung
FR3017356B1 (fr) * 2014-02-07 2017-06-09 Renault Sas Procede d'evaluation de la vigilance d'un conducteur de vehicule
FR3018249B1 (fr) * 2014-03-06 2016-03-11 Renault Sas Procede et dispositif de controle de conduite d'un vehicule
US10255903B2 (en) 2014-05-28 2019-04-09 Interactive Intelligence Group, Inc. Method for forming the excitation signal for a glottal pulse model based parametric speech synthesis system
JP6330601B2 (ja) 2014-09-18 2018-05-30 株式会社デンソー 運転負荷推定装置、運転負荷推定方法
EP3466789B1 (en) * 2016-05-27 2020-12-16 Nissan Motor Co., Ltd. Driving control method and driving control device
US11186290B2 (en) * 2016-11-16 2021-11-30 Honda Motor Co., Ltd. Emotion inference device and emotion inference system
CN113939857B (zh) * 2019-06-18 2023-07-14 三菱电机株式会社 驾驶员状态推测装置、驾驶员状态推测方法以及学习方法
CN115667050A (zh) * 2020-04-20 2023-01-31 蒂森克虏伯普利斯坦股份公司 用于线控转向系统的降级概念

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005157662A (ja) * 2003-11-25 2005-06-16 Nissan Motor Co Ltd 運転者心理状態判定装置
JP2006174960A (ja) * 2004-12-21 2006-07-06 Nissan Motor Co Ltd 覚醒度情報提示装置
JP2007026271A (ja) * 2005-07-20 2007-02-01 Isuzu Motors Ltd 運転集中判定方法およびその装置
JP2009009495A (ja) 2007-06-29 2009-01-15 Nissan Motor Co Ltd 車両用運転支援装置および車両用運転支援装置を備える車両
WO2009013815A1 (ja) * 2007-07-24 2009-01-29 Nissan Motor Co., Ltd. 車両用運転支援装置および車両用運転支援装置を備える車両
JP2010072800A (ja) * 2008-09-17 2010-04-02 Fuji Heavy Ind Ltd 覚醒度判定装置
JP2010198120A (ja) * 2009-02-23 2010-09-09 Nissan Motor Co Ltd 運転状態判定装置及び運転状態判定方法
JP2011094343A (ja) 2009-10-28 2011-05-12 Shimizu Corp 社寺建築用エキスパンションジョイント構造

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2601003B2 (ja) * 1990-09-25 1997-04-16 日産自動車株式会社 車両の走行条件認識装置
US6061610A (en) * 1997-10-31 2000-05-09 Nissan Technical Center North America, Inc. Method and apparatus for determining workload of motor vehicle driver
JP4341553B2 (ja) * 2002-06-24 2009-10-07 株式会社デンソー 車両制御情報伝達構造、この伝達構造を用いた車両制御装置、およびこの伝達構造を用いた車両制御シミュレータ
DE102004048010A1 (de) * 2004-10-01 2006-04-06 Robert Bosch Gmbh Verfahren und Vorrichtung zur Fahrerunterstützung
DE102005026479B4 (de) * 2005-06-09 2017-04-20 Daimler Ag Verfahren zur Unaufmerksamkeitserkennung in Abhängigkeit von mindestens einem fahrerindividuellen Parameter
WO2007047414A2 (en) * 2005-10-12 2007-04-26 The Penn State Research Foundation Vigilance monitoring technique for vehicle operators
EP1997705B1 (en) * 2005-12-28 2012-06-13 National University Corporation Nagoya University Drive behavior estimating device, drive supporting device, vehicle evaluating system, driver model making device, and drive behavior judging device
US7751960B2 (en) * 2006-04-13 2010-07-06 Gm Global Technology Operations, Inc. Driver workload-based vehicle stability enhancement control
FR2917690B1 (fr) * 2007-06-19 2009-10-30 Peugeot Citroen Automobiles Sa Procede interactif pour aider le conducteur d'un vehicule automobile a adopter une conduite economique et vehicule mettant en oeuvre ce procede.
JP5272605B2 (ja) * 2008-09-18 2013-08-28 日産自動車株式会社 運転操作支援装置、及び運転操作支援方法
DE102009044981A1 (de) * 2009-09-24 2011-03-31 Robert Bosch Gmbh Verfahren zur Ermittlung einer Route mittels einer Navigationsvorrichtung
JP5640542B2 (ja) * 2010-08-10 2014-12-17 日産自動車株式会社 安定状態表示装置
US20130325202A1 (en) * 2012-06-01 2013-12-05 GM Global Technology Operations LLC Neuro-cognitive driver state processing

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005157662A (ja) * 2003-11-25 2005-06-16 Nissan Motor Co Ltd 運転者心理状態判定装置
JP2006174960A (ja) * 2004-12-21 2006-07-06 Nissan Motor Co Ltd 覚醒度情報提示装置
JP2007026271A (ja) * 2005-07-20 2007-02-01 Isuzu Motors Ltd 運転集中判定方法およびその装置
JP2009009495A (ja) 2007-06-29 2009-01-15 Nissan Motor Co Ltd 車両用運転支援装置および車両用運転支援装置を備える車両
WO2009013815A1 (ja) * 2007-07-24 2009-01-29 Nissan Motor Co., Ltd. 車両用運転支援装置および車両用運転支援装置を備える車両
JP2010072800A (ja) * 2008-09-17 2010-04-02 Fuji Heavy Ind Ltd 覚醒度判定装置
JP2010198120A (ja) * 2009-02-23 2010-09-09 Nissan Motor Co Ltd 運転状態判定装置及び運転状態判定方法
JP2011094343A (ja) 2009-10-28 2011-05-12 Shimizu Corp 社寺建築用エキスパンションジョイント構造

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015008419A1 (ja) * 2013-07-19 2015-01-22 日産自動車株式会社 運転状態推定装置
WO2015008420A1 (ja) * 2013-07-19 2015-01-22 日産自動車株式会社 運転状態推定装置
WO2015008418A1 (ja) * 2013-07-19 2015-01-22 日産自動車株式会社 車両用情報提供装置
CN105555630A (zh) * 2013-07-19 2016-05-04 日产自动车株式会社 驾驶状态估计装置
JP6008050B2 (ja) * 2013-07-19 2016-10-19 日産自動車株式会社 運転状態推定装置
JP6008049B2 (ja) * 2013-07-19 2016-10-19 日産自動車株式会社 車両用情報提供装置
JP6075453B2 (ja) * 2013-07-19 2017-02-08 日産自動車株式会社 運転状態推定装置
JPWO2015008420A1 (ja) * 2013-07-19 2017-03-02 日産自動車株式会社 運転状態推定装置
JPWO2015008419A1 (ja) * 2013-07-19 2017-03-02 日産自動車株式会社 運転状態推定装置
CN105555630B (zh) * 2013-07-19 2017-07-25 日产自动车株式会社 驾驶状态估计装置
CN113071497A (zh) * 2021-04-28 2021-07-06 中国第一汽车股份有限公司 一种驾驶场景判断方法、装置、设备及存储介质
CN113071497B (zh) * 2021-04-28 2022-05-24 中国第一汽车股份有限公司 一种驾驶场景判断方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN103492252A (zh) 2014-01-01
EP2701137A1 (en) 2014-02-26
MX2013011818A (es) 2013-12-09
RU2013150095A (ru) 2015-05-27
US20160101696A1 (en) 2016-04-14
JP5598411B2 (ja) 2014-10-01
US20140039722A1 (en) 2014-02-06
US9428057B2 (en) 2016-08-30
EP2701137B1 (en) 2018-05-09
US9256989B2 (en) 2016-02-09
CN103492252B (zh) 2016-03-09
BR112013025835B1 (pt) 2021-01-05
EP2701137A4 (en) 2014-10-08
BR112013025835A2 (pt) 2016-12-20
JP2012226602A (ja) 2012-11-15
RU2549578C1 (ru) 2015-04-27

Similar Documents

Publication Publication Date Title
JP5598411B2 (ja) 車両用情報提供装置
JP4985150B2 (ja) 車両用運転支援装置および車両用運転支援装置を備える車両
US11294370B2 (en) Determining driver engagement with autonomous vehicle
CN103348395B (zh) 交通拥堵检测设备和车辆控制设备
CN105593640B (zh) 使用分析后的驾驶员行为指标适应车辆个性化
US7283056B2 (en) Method and computer program for identification of inattentiveness by the driver of a vehicle
JP5521893B2 (ja) 運転支援システム、車載装置
JP5621921B2 (ja) 運転不安定度判定装置
JP2011065527A (ja) 運転評価システム、車載機及び情報処理センター
JP5691237B2 (ja) 運転支援装置
US11661061B2 (en) Method and device for assisting a driver in a vehicle
JP2014081947A (ja) 情報配信装置
CN105761329A (zh) 基于驾驶习惯的驾驶员辨别方法
JP2012128344A (ja) 車載運転認知トレーニング装置
JP5446313B2 (ja) 車両用情報提供装置及び車両用情報提供方法
JP5861680B2 (ja) 運転特性判定装置及び運転特性判定方法
JP4789367B2 (ja) 運転心理判定装置及び運転心理判定方法、並びに運転支援装置及び運転支援方法
JP5838577B2 (ja) 走行評価装置
JP6894857B2 (ja) 周辺走行中の被観測車両の運転特性を推定するプログラム、装置及び方法
JP2012254694A (ja) 車両運転支援装置
JP4529671B2 (ja) 不安感検出装置および不安感検出方法
JP2007164439A (ja) 情報提示装置及び情報提示方法
JP6458634B2 (ja) 事象検出装置
JP2013033461A (ja) 運転状態診断装置
JP5742180B2 (ja) 注視点推定装置

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 201280019571.9

Country of ref document: CN

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12773884

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: MX/A/2013/011818

Country of ref document: MX

WWE Wipo information: entry into national phase

Ref document number: 14112456

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2012773884

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2013150095

Country of ref document: RU

Kind code of ref document: A

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112013025835

Country of ref document: BR

ENP Entry into the national phase

Ref document number: 112013025835

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20131007