CN102892657A

CN102892657A - 驾驶辅助装置

Info

Publication number: CN102892657A
Application number: CN2010800667956A
Authority: CN
Inventors: 宇野智
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 2010-05-17
Filing date: 2010-05-17
Publication date: 2013-01-23
Anticipated expiration: 2030-05-17
Also published as: JP5177327B2; US8849492B2; WO2011145165A1; US20130054049A1; CN102892657B; JPWO2011145165A1

Abstract

一种驾驶辅助装置，其具备：存储单元(210)，其将本车辆的多个过去的驾驶状况中的每一个作为多个驾驶状况因子的组而进行存储，并对应于多个过去的驾驶状况中的每一个，而存储过去的驾驶状况中的表示驾驶员的行动特性的行动特性值、和表示过去的驾驶状况发生的频率的驾驶状况发生频率，并且，对应于多个驾驶状况因子中的每一个，而存储表示驾驶状况因子带给行动特性的影响的大小的因子影响值、和表示驾驶状况因子发生变化的频率的因子变化频率；推断单元(220)，其根据多个过去的驾驶状况、行动特性值、驾驶状况发生频率、因子影响值及因子变化频率，而对驾驶员的将来的驾驶行动进行推断；实施单元(230)，其根据所推断出的该驾驶行动而实施驾驶辅助。

Description

驾驶辅助装置

技术领域

本发明涉及实施对车辆的驾驶辅助的驾驶辅助装置的技术领域。

背景技术

作为此类的驾驶辅助装置，已知一种根据所存储的过去的车辆状态（换言之，过去的车辆的驾驶状况）而实施驾驶辅助的装置（例如，参照专利文件1）。例如在专利文件1中，公开了如下的技术，即，根据车辆的当前位置、车辆前方的转弯信息以及当前的车辆状态而对通过车辆前方的转弯时的车辆状态进行推断，且根据所存储的过去的通过转弯时的车辆状态而对驾驶员在通过转弯时允许的车辆状态进行推断，从而根据通过车辆前方转弯时的推断车辆状态和驾驶员在通过转弯时允许的车辆状态来判断是否实施转弯时的驾驶辅助。

在先技术文献

专利文献

专利文献1：日本特开2008－74231号公报

发明内容

发明所要解决的课题

在如上文所述这种根据过去的车辆状态而实施驾驶辅助的驾驶辅助装置中，例如，当欲根据过去的车辆状态而对驾驶员的将来的驾驶行动进行推断，并根据推断出的该驾驶行动而实施驾驶辅助时，由于例如在过去的车辆状态中含有特殊的车辆状态，因而存在可能导致对驾驶员的将来的驾驶行动进行推断的推断精度降低等的技术性问题。

本发明是鉴于例如上述的问题点而完成的，其课题在于，提供一种能够高精度地对驾驶员的将来的驾驶行动进行推断，从而能够适当地实施驾驶辅助的驾驶辅助装置。

用于解决课题的方法

为了解决上述课题，本发明的驾驶辅助装置为，被搭载在本车辆上，并实施对该本车辆的驾驶员的驾驶辅助的驾驶辅助装置，具备：存储单元，其将所述本车辆的多个过去的驾驶状况中的每一个作为多个驾驶状况因子的组而进行存储，并对应于多个所述过去的驾驶状况中的每一个，而存储所述过去的驾驶状况中的表示所述驾驶员的行动特性的行动特性值、和表示所述过去的驾驶状况发生的频率的驾驶状况发生频率，并且，对应于多个所述驾驶状况因子中的每一个，而存储表示所述驾驶状况因子带给所述行动特性的影响的大小的因子影响值、和表示所述驾驶状况因子发生变化的频率的因子变化频率；推断单元，其根据多个所述过去的驾驶状况、所述行动特性值、所述驾驶状况发生频率、所述因子影响值以及所述因子变化频率，而对所述驾驶员的将来的驾驶行动进行推断；实施单元，其根据所推断出的该驾驶行动而实施所述驾驶辅助。

根据本发明的驾驶辅助装置，在其动作时，每隔预定期间或者根据驾驶员（driver）的指示，本车辆的当前的驾驶状况作为过去的驾驶状况而被存储单元存储在存储目的地中，所述存储目的地例如为，被搭载在本车辆上的车载数据库、或被设置在与本车辆不同的地点处的远程数据库等。

存储单元将过去的驾驶状况作为例如限制速度、路面状况、信号灯颜色等的多个驾驶状况因子的组而进行存储。而且，存储单元对应于过去的驾驶状况而存储行动特性值以及驾驶状况发生频率。行动特性值为，过去的驾驶状况中的表示驾驶员的行动特性（例如，具有实施使本车辆加速的动作的倾向的特性、或实施使本车辆右拐的动作的特性等）的值。驾驶状况发生频率为，表示过去的驾驶状况发生的频率（换言之，遭遇到该过去的驾驶状况的次数）的值，也可以为包括该过去的驾驶状况所发生的日期等在内的值。除此之外，存储单元对应于驾驶状况因子而存储因子影响值以及因子变化频率。因子影响值为，表示驾驶状况因子带给驾驶员的行动特性的影响的大小的值，并能够根据在驾驶状况因子发生变化时驾驶员的行动如何变化来决定。例如，由于在作为驾驶状况因子的信号灯颜色从红灯变化为绿灯时驾驶员实施使本车辆从停止状态起进行加速的动作，因此对应于作为驾驶状况因子的信号灯颜色的因子影响值可以设定得相对较高。因子变化频率为，表示驾驶状况因子发生变化的频率（换言之，遭遇到驾驶状况因子的变化的次数）的值，也可以为包括驾驶状况因子发生变化的日期等在内的值。

推断单元根据通过存储单元而被存储的多个过去的驾驶状况、行动特性值、驾驶状况发生频率、因子影响值以及因子变化频率，而对驾驶员的将来的驾驶行动进行推断。由此，例如，除了多个过去的驾驶状况中驾驶状况发生频率较低的特殊的驾驶状况（例如，由于存在停止车辆而发生的驾驶状态、或者由于行人的突然出现而发生的驾驶状态等）以外，由于对驾驶员的将来的驾驶行动进行推断等能够考虑到驾驶状况发生频率、因子影响值以及因子变化频率而对驾驶员的将来的驾驶行动进行推断，因此能够高精度地对驾驶员的将来的驾驶行动进行推断。

实施单元根据由推断单元所推断出的驾驶行动来实施驾驶辅助。由此，能够实施适合于驾驶员的将来的驾驶行动的驾驶辅助。

如以上所进行的说明，通过本发明的驾驶辅助装置，能够根据多个过去的驾驶状况、行动特性值、驾驶状况发生频率、因子影响值以及因子变化频率，而高精度地对驾驶员的将来的驾驶行动进行推断，从而能够适当地实施驾驶辅助。

在本发明的驾驶辅助装置的一个方式中，作为对多个所述过去的驾驶状况、所述行动特性值、所述驾驶状况发生频率、所述因子影响值以及所述因子变化频率进行存储的存储目的地，所述存储单元具有被搭载在所述本车辆上的车载数据库、以及被设置在与所述本车辆不同的地点处的远程数据库。

根据该方式，能够将多个过去的驾驶状况分散到车载数据库以及远程数据库中进行存储。例如，通过将驾驶状况发生频率较高的过去的驾驶状况存储在车载数据库中，并将驾驶状况发生频率较低的过去的驾驶状况存储在远程数据库中，从而推断单元能够迅速地参考驾驶状况发生频率较高的过去的驾驶状况（即，能够缩短推断单元访问驾驶状况发生频率较高的过去的驾驶状况所需要的访问时间），且能够避免由于被存储在车载数据库中的信息过多而导致无法追加过去的驾驶状况的情况。

在上述的存储单元具有车载数据库以及远程数据库的方式中，还可以具备信息移动单元，所述信息移动单元在被存储于所述车载数据库中的多个所述过去的驾驶状况、所述行动特性值、所述驾驶状况发生频率、所述因子影响值以及所述因子变化频率所涉及的信息量在预定的基准信息量以上时，将被存储在所述车载数据库中的多个所述过去的驾驶状况中、所述驾驶状况发生频率低于预定的第一基准频率的过去的驾驶状况移动至所述远程数据库中。

在此情况下，能够通过信息移动单元而将多个过去的驾驶状况切实地分散到车载数据库以及远程数据库中进行存储。

在本发明的驾驶辅助装置的其他方式中，多个所述驾驶状况因子中的一个驾驶状况因子为，从在所述本车辆的周边行驶的其他车辆接收到的、表示该其他车辆的将来的驾驶行动的其他车辆因子，所述驾驶辅助装置还具备其他车辆信赖度设定单元，所述其他车辆信赖度设定单元根据在所述其他车辆中是否实施了对所述其他车辆的驾驶员的驾驶辅助，而对表示该其他车辆因子的可信性的信赖度进行设定。

根据该方式，例如，推断单元能够根据通过其他车辆信赖度单元而被设定的信赖度，来对驾驶员的将来的驾驶行动进行推断，从而能够更加高精度地对驾驶员的将来的行动进行推断。即，例如，通过除去包括信赖度低于预定的基准信赖度的其他车辆因子在内的过去的驾驶状况，并根据包括信赖度高于预定的基准信赖度的其他车辆因子在内的过去的驾驶状况而对驾驶员的将来的驾驶行动进行推断，从而能够更加高精度地对驾驶员的将来的驾驶行动进行推断。

在本发明的驾驶辅助装置的其他方式中，所述推断单元在根据多个所述过去的驾驶状况中、所述驾驶状况发生频率低于预定的第二基准频率的一个过去的驾驶状况，而对所述驾驶行动进行推断时，根据其他的过去的驾驶状况以代替所述一个过去的驾驶状况，而对所述驾驶行动进行推断，所述其他的过去的驾驶状况为，多个所述驾驶状况因子中所述因子影响值高于预定的基准影响值的驾驶状况因子与所述一个过去的驾驶状况相同，且所述驾驶状况发生频率高于所述预定的基准发生频率的驾驶状况。

根据该状态，由于推断单元根据与一个过去的驾驶状况类似且驾驶状况发生频率较高的其他的过去的驾驶状况，以代替该一个过去的驾驶状况而对驾驶行动进行判断，因此能够更加高精度地对驾驶员的将来的驾驶行动进行推断，所述一个过去的驾驶状况为，由于驾驶状况发生频率低于预定的第二基准频率因而被预测为特殊的（或者稀少的）驾驶状况的、过去的驾驶状况。

在本发明的驾驶辅助装置的其他方式中，所述推断单元推断出第一驾驶行动以及在该第一驾驶行动之后被进行的第二驾驶行动，以作为所述驾驶行动，所述实施单元根据所推断出的所述第一驾驶行动以及所述第二驾驶行动来实施所述驾驶辅助。

根据该方式，由于在实施对应于第一驾驶行动的驾驶辅助时，还根据被推断为将在第一驾驶行动之后进行的第二驾驶行动来实施驾驶辅助，因此能够根据由第一驾驶行动以及第二驾驶行动组成的驾驶员的将来的一系列的驾驶行动，而实施适当的驾驶辅助。

在本发明的驾驶辅助装置的其他方式中，所述存储单元存储从所述本车辆起动加速起至到达最高车速为止的时间、即最高车速到达时间，以作为所述行动特性值，所述推断单元根据所述最高车速到达时间，来推断在所述本车辆起动加速之后被实施的驾驶行动。

根据该方式，例如，根据从本车辆从第一个交叉路口朝向第二个交叉路口起动加速起的最高车速到达时间，而通过推断单元来推断在该起动加速之后例如于第二个交叉路口附近所实施的驾驶行动。这里，根据本申请的发明人的研究，明确了如下情况，即，例如，存在本车辆从第一个交叉路口朝向第二个交叉路口起动加速之后所实施的驾驶行动与最高车速到达时间之间的关系较密切的倾向，即，最高车速到达时间能够成为，对本车辆从第一个交叉路口朝向第二个交叉路口起动加速之后所实施的驾驶行动进行推断时的理想的根据。由此，根据该方式，能够高精度地对本车辆起动加速之后所实施的驾驶行动进行推断。

在本发明的驾驶辅助装置的其他方式中，还具备取得单元，所述取得单元每隔如下的期间分别取得所述本车辆的当前的多个驾驶状况因子，所述期间为，对应于该多个驾驶状况因子中的每一个发生变化的变化速度的期间。

根据该方式，取得单元例如每隔比较长的期间取得多个驾驶状况因子中变化速度较低的驾驶状况因子（例如天气等），并每隔比较短的期间取得多个驾驶状况因子中变化速度较高的驾驶状况因子（例如车速等）。由此，能够降低无谓地取得变化速度比较低的驾驶状况因子（即，在比较长的期间内基本或完全不发生变化的驾驶状况因子）的情况，且能够切实地取得变化速度比较高的驾驶状况因子（即，在比较短的期间内发生变化的驾驶状况因子）。因此，根据该方式，能够在降低对当前的驾驶状况因子的无谓的取得的同时，高精度地推断驾驶行动。

另外，取得单元也可以根据因子影响值，来对取得各个驾驶状况因子的时间间隔（即，从取得驾驶状况因子起至再次取得该驾驶状况因子为止的期间）进行调节。例如，可以采用如下结构，即，即使是变化速度比较高的驾驶状况因子，当该驾驶状况因子的因子影响值比较小（即，该驾驶状况因子带给驾驶员的行动特性的影响比较小）时，取得该驾驶状况因子的时间间隔也变得比较长。通过采用此种结构，从而能够进一步降低对驾驶状况因子的无谓的取得。

根据接下来将要进行说明的具体实施方式，可以明确本发明的作用以及其他的优点。

附图说明

图1为表示第一实施方式所涉及的驾驶辅助装置的结构的框图。

图2为表示第一实施方式所涉及的驾驶辅助装置的主要动作流程的流程图。

图3为表示由第一实施方式所涉及的驾驶辅助装置实施的因子信息取得处理的流程的流程图。

图4为表示第一实施方式所涉及的驾驶辅助装置中的行动特性管理表的结构的模式图。

图5为表示由第一实施方式所涉及的驾驶辅助装置实施的信赖度设定处理的流程的流程图。

图6为表示在行动特性管理表中作为因子信息而被存储的其他车辆推断结果信息的一个示例的模式图。

图7为表示由第一实施方式所涉及的驾驶辅助装置实施的驾驶辅助处理的流程的流程图。

图8为表示由第一实施方式所涉及的驾驶辅助装置实施的因子影响值反映处理的流程的流程图。

图9为表示被存储于行动特性管理表中的行动特性值、遭遇频率、因子影响值、以及因子影响频率的一个示例的模式图（其一）。

图10为表示由第一实施方式所涉及的驾驶辅助装置实施的积存处理的流程的流程图。

图11为表示由第一实施方式所涉及的驾驶辅助装置实施的更新处理的流程的流程图。

图12为表示由第一实施方式所涉及的驾驶辅助装置实施的积存信息整理处理的流程的流程图。

图13为表示被存储于行动特性管理表中的行动特性值、遭遇频率、因子影响值、以及因子影响频率的一个示例的模式图（其二）。

图14为用于对具有临时停止标识的交叉路口处的驾驶辅助进行说明的模式图。

图15为表示第二动作例中的行动特性管理表的模式图。

图16为用于对本车辆从第一个交叉路口朝向第二个交叉路口行驶时的驾驶辅助进行说明的模式图。

图17为表示第三动作例中的行动特性管理表的模式图。

图18为表示第四动作例中的行动特性管理表的模式图。

具体实施方式

以下，参照附图，对本发明的实施方式进行说明。

（第一实施方式）

参照图1至图13对第一实施方式所涉及的驾驶辅助装置进行说明。

首先，参照图1对本实施方式所涉及的驾驶辅助装置的整体结构进行说明。

图1为，表示本实施方式所涉及的驾驶辅助装置的结构的框图。

在图1中，本实施方式所涉及的驾驶辅助装置1为，被搭载在本车辆上，且实施对本车辆的驾驶员（driver）的驾驶辅助（例如，对本车辆的加速、制动、转向等的控制）的装置。驾驶辅助装置1具备因子信息取得部100以及驾驶辅助部200。

因子信息取得部100被构成为，能够取得与本车辆的驾驶状况有关的信息，并具备驾驶员信息取得部110、车辆信息取得部120、道路和结构物信息取得部130以及行驶环境信息取得部140。

驾驶员信息取得部110例如被构成为，包括能够输入驾驶员的属性（例如，年龄、性别、身高、体重等）的输入装置、或能够对驾驶员的意识或者状态进行检测的传感器等，并被构成为，能够取得与驾驶员有关的信息（例如，表示驾驶员的属性、意识或者状态等的信息）。另外，以下，将与驾驶员有关的信息适当地称为“驾驶员信息”。

车辆信息取得部120例如与被搭载在本车辆上的车辆导航系统或本车辆的发动机控制装置等相连接，并被构成为，能够取得与本车辆的车辆状态有关的信息（例如，本车辆的当前位置、加速器开度、制动压、换档位置等）。另外，以下，将与本车辆的车辆状态有关的信息适当地称为“车辆信息”。

道路和结构物信息取得部130例如与被搭载在本车辆上的车辆导航系统相连接，且被构成为，包括雷达传感器或摄像机传感器等，并被构成为能够取得与本车辆行驶的道路或其周边的结构物有关的信息（例如，道路的类别、限制速度、护栏的有无、路面状态等）。另外，以下，将与本车辆行驶的道路和其周边的结构物有关的信息适当地称为“道路和结构物信息”。

行驶环境信息取得部140例如被构成为，包括雷达传感器、摄像机传感器、车车间通信设备、行人车辆间通信设备等，并被构成为，能够取得与本车辆行驶的环境有关的信息（例如，在本车辆的周围行驶的其他车辆的数量、与其他车辆之间的车间距离、以及天气、在本车辆的周围行走的行人的状态等）。另外，以下，将与本车辆行驶的环境有关的信息适当地称为“行驶环境信息”。

通过该种方式，因子信息取得部100被构成为，能够通过被搭载在本车辆上的车辆导航系统和各种传感器，而取得包括上述的驾驶员信息、车辆信息、道路和结构物信息、以及行驶环境信息在内的与本车辆的驾驶状态有关的信息。

驾驶辅助部200被构成为，包括CPU(Central Processing Unit：中央处理单元)、ROM(Read Only Memory：只读存储器)、RAM(Random Access Memory：随机存取存储器)、HDD(Hard Disk Drive：硬盘驱动器)等，并具备因子信息存储部210、驾驶行动推断部220、驾驶辅助实施部230、积存处理部240以及信赖度设定部250。

因子信息存储部210具有：车载数据库211，其被搭载于本车辆上；中心侧数据库212，其被设置在配置于与本车辆不同的地点处的中心（设施），并且因子信息存储部210被构成为，能够将通过因子信息取得部100而取得的与驾驶状况有关的信息存储在车载数据库211或者中心侧数据库212中。在车载数据库211以及中心侧数据库212中的每一个中，定义有用于存储通过因子信息取得部100而取得的与驾驶状况有关的信息的、参照图4而在后文中进行叙述的行动特性管理表900。因子信息存储部210将通过因子信息取得部100而取得的与驾驶状况有关的信息作为行动特性管理表900的一部分，而存储在车载数据库211或者中心侧数据库212中。另外，虽然参照图4而在后文进行叙述，但因子信息存储部210将过去的驾驶状况中的表示驾驶员的行动特性的行动特性值，表示过去的驾驶状况发生的频率的、作为本发明所涉及的“驾驶状况发生频率”的一个示例的遭遇频率，表示驾驶状况因子带给行动特性的影响的大小的因子影响值，和表示驾驶状况因子发生变化的、作为本发明所涉及的“因子变化频率”的一个示例的因子影响频率，作为行动特性管理表900的一部分而进行存储。

驾驶行动推断部220根据作为行动特性管理表900（参照图4）的一部分而被存储在车载数据库211或者中心侧数据库212中的多个与过去的驾驶状况有关的信息、行动特性值、遭遇频率、因子影响值、因子影响频率，而对本车辆的驾驶员的将来的驾驶行动进行推断。

驾驶辅助实施部230根据通过驾驶行动推断部220而推断出的驾驶行动，而实施对本车辆的驾驶员的驾驶辅助。作为驾驶辅助，驾驶辅助实施部230例如对本车辆进行控制，以实现在实施了通过驾驶行动推断部220而推断出的驾驶行动的情况下的、本车辆的运行情况。或者，作为驾驶辅助，驾驶辅助实施部230例如实施如下的节能驾驶辅助，即，对驾驶员进行引导，从而在由驾驶行动推断部220推断为驾驶行动的、加速器的停止时刻之前，使加速器停止。

积存处理部240实施包括更新处理和积存信息整理处理在内的积存处理，其中，所述更新处理为，对行动特性管理表900（参照图4）中的例如行动特性值、遭遇频率等进行更新的处理，所述积存信息整理处理为，对被积存在车载数据库211中的信息进行整理的处理。另外，分别参照图10、图11以及图12，在后文中对积存处理、更新处理、积存信息整理处理进行详细说明。并且，积存处理部240为本发明所涉及的“信息移动单元”的一个示例。

信赖度设定部250为本发明所涉及的“其他车辆信赖度设定单元”的一个示例，并对通过因子信息取得部100（更具体而言为，行驶环境信息取得部140）而取得的其他车辆推断结果信息，实施对表示该其他车辆推断结果信息的可信性的信赖度进行设定的信赖度设定处理。其他车辆推断结果信息为本发明所涉及的“其他车辆因子”的一个示例，且为通过行驶环境信息取得部140（更具体而言为，行驶环境信息取得部140中所包含的车车间通信机）而从在本车辆的周边行驶的其他车辆接收到的、表示其他车辆的将来的驾驶行动（即，被推断为其他车辆可能采取的驾驶行动）的信息。另外，参照图5而在后文中对由信赖度设定部250实施的信赖度设定处理进行详细说明。

（第一动作例）

接下来，参照图2至图13，对本实施方式所涉及的驾驶辅助装置的第一动作例进行说明。

图2为，表示本实施方式所涉及的驾驶辅助装置的主要动作的流程的流程图。

在图2中，在驾驶辅助装置1动作时，首先，实施因子信息取得处理（步骤S100）。

图3为，表示由本实施方式所涉及的驾驶辅助装置实施的因子信息取得处理的流程的流程图。

如图3所示，在因子信息取得处理中，通过驾驶员信息取得部110（参照图1）而取得驾驶员信息（步骤S110）。而且，与该驾驶员信息的取得处理（即，步骤S110所涉及的处理）并行或者相继前后，通过车辆信息取得部120（参照图1）而取得车俩信息（步骤S120），通过道路结构物信息取得部130（参照图1）而取得道路和结构物信息（步骤S130），通过行驶环境信息取得部140（参照图1）而取得行驶环境信息（步骤S140）。所取得的驾驶员信息、车辆信息、道路和结构物信息以及行驶环境信息作为行动特性管理表900（参照图4）的一部分,通过因子信息存储部210（参照图1）而被存储在车载数据库211中。并且，以下，当无需对驾驶员信息、车辆信息、道路和结构物信息以及行驶环境信息进行区别说明的情况下，将驾驶员信息、车辆信息、道路和结构物信息以及行驶环境信息统称为“与驾驶状况有关的信息”而进行说明。

图4为，表示本实施方式所涉及的驾驶辅助装置中的行动特性管理表的结构的模式图。

在图4中，在车载数据库211（参照图1）中，利用行动特性管理表900来管理与驾驶状况有关的信息和在后文叙述的行动特性值、遭遇频率、因子影响值以及因子影响频率。

在行动特性管理表900中，与一个驾驶状况（换言之，多个过去的驾驶状况中的每一个）有关的信息，作为多个因子信息的组而被存储（或者被管理）。在这里，因子信息是指，参照图1并通过上述的因子信息取得部100而取得的各种信息中的每一个，且为表示规定一个驾驶状况的多个因子中的每一个的信息。在图4所示的示例中，作为因子信息，图示有与限制速度有关的信息、与护栏有关的信息、与路面状况有关的信息、与信号灯颜色有关的信息，与一个驾驶状况有关的信息，作为包括与限制速度有关的信息、与护栏有关的信息、与路面状况有关的信息以及与信号灯颜色有关的信息在内的多个因子信息的组而被存储。在图4的示例中，于行动特性管理表900中，存储有与第一驾驶状况、第二驾驶状况、第三驾驶状况、第四驾驶状况中的每一个有关的信息，其中，在所述第一驾驶状况中，道路的限制速度为时速50km、道路上无护栏、路面状态为干燥、信号灯颜色为绿灯；在所述第二驾驶状况中，道路的限制速度为时速50km、道路上无护栏、路面状态为干燥、信号灯颜色为红灯；在所述第三驾驶状况中，道路的限制速度为时速50km、道路上无护栏、路面状态为潮湿、信号灯颜色为绿灯；在所述第四驾驶状况中，道路的限制速度为时速50km、道路上无护栏、路面状态为潮湿、信号灯颜色为红灯。并且，与限制速度有关的信息、与护栏有关的信息、与路面状态有关的信息、与信号灯颜色有关的信息，均为通过道路和结构物信息取得部130而被取得的信息（即，道路和结构物信息）。在行动特性管理表900中，驾驶员信息、车辆信息、道路和结构物信息以及行驶环境信息的类别被管理为“分类”。

而且，在行动特性管理表900中，对应于一个驾驶状况而存储有行动特性值以及遭遇频率。行动特性值为，表示该行动特性值所对应的驾驶状况中的驾驶员的行动特性（例如，具有实施使本车辆加速的动作的倾向的特性、或实施使本车辆右拐的动作的特性等）的值。遭遇频率为，表示该遭遇频率所对应的驾驶状况发生的频率（换言之，遭遇到该驾驶状况的次数）的值，也可以为包括该驾驶状况发生的日期等在内的值。行动特性值以及遭遇频率通过因子信息存储部210而被存储，并且各自的初始值被设定为零（0）。行动特性值以及遭遇频率通过参照图11而在后文叙述的更新处理而被更新。并且，在图4的示例中，为了便于说明，将与第一驾驶状况对应的行动特性值表示为“A1”、将与第二驾驶状况对应的行动特性值表示为“A2”、将与第三驾驶状况对应的行动特性值表示为“A3”、并将与第四驾驶状况对应的行动特性值表示为“A4”。而且，在图4的示例中，为了便于说明，将与第一驾驶状况对应的遭遇频率表示为“Ac1”、将与第二驾驶状况对应的遭遇频率表示为“Ac2”、将与第三驾驶状况对应的遭遇频率表示为“Ac3”、并将与第四驾驶状况对应的遭遇频率表示为“Ac4”。

而且，在行动特性管理表900中，对应于一个因子信息（即，多个因子信息中的每一个）而存储有因子影响值以及因子影响频率。因子影响值为，表示该因子影响值所对应的因子信息带给驾驶员的行动特性的影响的大小的值，并根据当因子信息发生变化时，驾驶员的行动将会如何变化而被决定。例如，由于当信号灯颜色从红灯向绿灯变化时驾驶员实施使本车辆从停止状态起加速的动作，因此可以将与作为因子信息的“信号灯颜色”对应的因子影响值设定得相对较高。因子影响频率为，表示因子信息发生变化的频率（换言之，遭遇到因子信息的变化的次数，例如信号灯颜色变化的次数）的值，也可以为包括因子信息发生变化的日期等在内的值。因子影响值以及因子影响频率通过因子信息存储部210而被存储。因子影响值例如根据相对于该因子影响值所对应的因子信息的变化的、行动特性值的变化而被更新。因子影响频率在因子信息发生变化时被更新（具体而言，例如一个一个地被累加）。并且，在图4的示例中，为了便于说明，而将与作为因子信息的“限制速度”对应的因子影响值表示为“E1”，将与作为因子信息的“护栏”对应的因子影响值表示为“E2”，将与作为因子信息的“路面状态”对应的因子影响值表示为“E3”，将与作为因子信息的“信号灯颜色”对应的因子影响值表示为“E4”。而且，在图4的示例中，为了便于说明，而将与作为因子信息的“限制速度”对应的因子影响频率表示为“Ec1”，将与作为因子信息的“护栏”对应的因子影响频率表示为“Ec2”，将与作为因子信息的“路面状态”对应的因子影响频率表示为“Ec3”，并将与作为因子信息的“信号灯颜色”对应的因子影响频率表示为“Ec4”。

再次返回至图3中，在行驶环境信息的取得处理（即，步骤S140所涉及的处理）之后，判断是否存在其他车辆（步骤S150）。具体而言，通过驾驶辅助部200（参照图1），而判断是否通过行驶环境取得部140（参照图1）中所包括的雷达传感器、摄像机传感器或者车车间通信机而检测出了在本车辆的周边存在其他车辆的情况。

当被判断为不存在其他车辆时（步骤S150：否），因子信息取得处理将结束。

当被判断为存在其他车辆时（步骤S150：是），实施信赖度设定处理（步骤S160）。

图5为，表示由本实施方式所涉及的驾驶辅助装置实施的信赖度设定处理的流程的流程图。

如图5所示，在信赖度设定处理中，首先，判断其他车辆是否在驾驶辅助过程中（步骤S161）。即，通过信赖度设定部250来判断在其他车辆中是否实施了对该其他车辆的驾驶员的驾驶辅助。

当被判断为其他车辆未处于驾驶辅助过程中时（步骤S161：否），信赖度设定处理将结束。

当被判断为其他车辆处于驾驶辅助过程中时（步骤S161：是），信赖度设定部250将提高其他车辆推断结果信息的信赖度（步骤S162）。并且，如上文所述，其他车辆推断结果信息为，通过行驶环境信息取得部140（更具体而言为，行驶环境信息取得部140中所包含的车车间通信机）而从在本车辆的周边行驶的其他车辆接收到的、表示其他车辆的将来的驾驶行动（即，被推断为其他车辆可能采取的驾驶行动）的信息。

图6为，表示作为因子信息而被存储在行动特性管理表中的其他车辆推断结果信息的一个示例的模式图。

在图6中，作为因子信息的其他车辆推断结果信息（即，“其他车辆推断结果”）被存储在行动特性管理表900的栏L1中。在图6的示例中，关于第一驾驶状况的其他车辆推断结果信息为“行动α”，关于第二驾驶状况的其他车辆推断结果信息为“行动β”，关于第三驾驶状况的其他车辆推断结果信息为“行动α”，关于第四驾驶状况的其他车辆推断结果信息为“行动β”。也就是说，在图6的示例中，关于第一驾驶状况的其他车辆推断结果信息和关于第三驾驶状况的其他车辆推断结果信息互为相同，关于第二驾驶状况的其他车辆推断结果信息和关于第四驾驶状况的其他车辆推断结果信息互为相同。

并且，在图6中，天气信息（即“天气”）作为因子信息而被存储为行动特性管理表900的一部分。在图6的示例中，关于第一驾驶状况的天气信息为“晴”，关于第二驾驶状况的天气信息为“晴”，关于第三驾驶状况的天气信息为“雨”，关于第四驾驶状况的天气信息为“雨”。而且，在图6的示例中，为了便于说明，而将与作为因子信息的“天气”对应的因子影响值表示为“E5”，并将与作为因子信息的“其他车辆推断结果”对应的因子影响值表示为“E6”。而且，在图6的示例中，为了便于说明，而将与作为因子信息的“天气”对应的因子影响频率表示为“Ec5”，并将与作为因子信息的“其他车辆推断结果”对应的因子影响频率表示为“Ec6”。

在图5以及图6中，如上文所述，当判断为其他车辆处于驾驶辅助过程中时（步骤S161：是），信赖度设定部250将提高其他车辆推断结果信息的信赖度（步骤S162）。在这里，其他车辆推断结果信息的信赖度作为表示其他车辆推断结果信息的可信度的值，对应于每个其他车辆推断结果信息（即对应于每个驾驶状况）通过信赖度设定部250而被设定。各个驾驶状况中的其他车辆推断结果信息的信赖度的初始值，例如被设定为零（0）。

即，当判断为其他车辆处于驾驶辅助过程中时（步骤S161：是），信赖度设定部250将在该时间点所取得的其他车辆推断结果信息可信赖的程度设定得较高，从而提升或提高其他车辆推断结果信息的信赖度（步骤S162）。例如，在图6的示例中，当关于第一驾驶状况的其他车辆推断结果信息、即“行动α”为，在其他车辆处于驾驶辅助过程中时通过行驶环境信息取得部140而被取得的信息的情况下，关于第一驾驶状况的其他车辆推断结果信息、即“行动α”的信赖度通过信赖度设定部250而被提高。

如上文所述，在本实施方式中，尤其是，由于通过信赖度设定部250而对其他车辆推断结果信息设定信赖度，因此驾驶行动推断部220（参照图1）能够根据该信赖度而高精度地推断驾驶员的将来的驾驶行动。即，例如，通过将包括该信赖度低于预定的基准信赖度的“其他车辆推断结果”在内的驾驶状况除外，并根据包括信赖度高于预定的基准信赖度的“其他车辆推断结果”在内的驾驶状况而对驾驶员的将来的驾驶行动进行推断，从而能够高精度地推断驾驶员的将来的驾驶行动。

再次返回至图2中，在因子信息取得处理（步骤S100）之后，通过驾驶辅助部200来判断是否实施驾驶辅助（步骤S200）。具体而言，驾驶辅助部200根据是否由本车辆的驾驶员发出了应该实施驾驶辅助的指示，来判断是否实施驾驶辅助。也就是说，驾驶辅助部200在具有应该实施驾驶辅助的指示的情况下，判断为实施驾驶辅助，而在没有应该实施驾驶辅助的指示的情况下，判断为不实施驾驶辅助。

并且，虽然在本动作示例中，列举出在因子信息取得处理（步骤S100）之后，依次实施后文叙述的驾驶辅助处理（步骤S300）以及积存处理（步骤S400）的情况为示例而进行了说明，但是积存处理（步骤S400）也可以在因子信息取得处理（步骤S100）之后，无论是否实施驾驶辅助处理（步骤S300）而均在预定的时刻（例如，定期性地）被实施。

当被判断为实施驾驶辅助时（步骤S200：是），驾驶辅助处理将被实施（步骤S300）。

图7为，表示由本实施方式所涉及的驾驶辅助装置实施的驾驶辅助处理的流程的流程图。

如图7所示，在驾驶辅助处理中，首先，判断驾驶状况（步骤S310）。即，根据通过因子信息取得部100而取得的信息（即，驾驶员信息、车辆信息、道路和结构物信息以及行驶环境信息），并通过驾驶行动推断部220来判断本车辆的当前的驾驶状况为被存储在行动特性管理表900（参照图4）中的多个驾驶状况（即，多个过去的驾驶状况）中的哪一个。即，通过驾驶行动推断部220而选择出被存储在行动特性管理表900中的多个驾驶状况中的、与本车辆的当前的驾驶状况相一致的驾驶状况。

接下来，判断所选择的驾驶状况的遭遇频率是否在阈值Y以上（步骤S320）。即，通过驾驶行动推断部220来判断对应于如下驾驶状况的遭遇频率是否在阈值Y（例如10次等）以上，所述驾驶状况为，作为和本车辆的当前的驾驶状况相一致的驾驶状况而从被存储在行动特性管理表900中的多个驾驶状况中选择出的驾驶状况。在图4所示的示例中，例如，在作为与本车辆的当前的驾驶状况相一致的驾驶状况而选择出第三驾驶状况时，判断作为对应于该第三驾驶状况的遭遇频率的“Ac3”是否在阈值Y以上。

当被判断为遭遇频率在阈值Y以上时（步骤S320：是），推断驾驶行动（步骤S330）。即，通过驾驶行动推断部220来推断本车辆的将来的驾驶行动。具体而言，驾驶行动推断部220在行动特性管理表900中，根据对应于作为与本车辆的当前的驾驶状况相一致的驾驶状况而被选择出的驾驶状况的行动特性值，来推断本车辆的驾驶员的将来的驾驶行动。在这里，如上文所述，行动特性值为，表示对应于该行动特性值的驾驶状况中的驾驶员的行动特性（例如，具有实施使本车辆加速的动作的倾向的特性、或实施使本车辆右拐的动作的特性等）的值。由此，驾驶行动推断部220能够根据对应于作为与本车辆的当前的驾驶状况相一致的驾驶状况而被选择出的驾驶状况的行动特性值，而高精度地推断驾驶员的将来的驾驶行动。换言之，驾驶行动推断部220由于根据被存储在行动特性管理表900中的多个行动特性值中适合于当前的驾驶状况的行动特性值，来推断驾驶员的将来的驾驶行动，因此能够高精度地推断驾驶员的将来的驾驶行动。在图4所示的示例中，例如，作为与本车辆的当前的驾驶状况相一致的驾驶状况而选择出第三驾驶状况时，根据作为对应于该第三驾驶状况的行动特性值的“A3”，并通过驾驶行动推断部220来推断驾驶员的将来的驾驶行动。并且，阈值Y为，本发明所涉及的“预定的第二基准频率”的一个示例。

另一方面，当被判断为遭遇频率不在阈值Y以上（即，小于阈值Y）时（步骤S320：否），实施因子影响值反映处理。

图8为，表示由本实施方式所涉及的驾驶辅助装置实施的因子影响值反映处理的流程的流程图。图9为，表示被存储于行动特性管理表中的行动特性值、遭遇频率、因子影响值、以及因子影响频率的一个示例的模式图。

如图8所示，在因子影响值反映处理中，首先，选择驾驶状况中的一个因子（步骤S341）。即，通过驾驶行动推断部220而从被存储在行动特性管理表900中的多个因子信息中选择一个因子信息。

接下来，判断所选择的因子信息的因子影响值是否小于阈值K（步骤S342）。即，通过驾驶行动推断部220，来判断行动特性管理表900中对应于所选择的一个因子信息的因子影响值是否小于阈值K。

当被判断为因子影响值小于阈值K时（步骤S342：是），判断驾驶状况的因子是否全部被确认过（步骤S344）。即，通过驾驶行动推断部220，来判断是否对于被存储在行动特性管理表900中的多个因子信息中的全部，均实施了上述的步骤S341所涉及的处理（以及步骤S342所涉及的处理）。并且，阈值K为本发明所涉及的“预定的基准影响值”的一个示例。

当被判断为驾驶状况的因子未被全部确认时（步骤S344：否），再次实施步骤S341所涉及的处理。即，对于被存储在行动特性管理表900中的多个因子信息中的全部，逐个地依次实施步骤S341所涉及的处理以及步骤S342所涉及的处理。

另一方面，当被判断为因子影响值不小于阈值K（即，为阈值K以上）时（步骤S342：否），所选择的一个因子信息作为反映因子而被进行确认（步骤S343）。即，当对应于通过步骤S341所涉及的处理而被选择的一个因子信息的因子影响值为阈值K以上时，该一个因子信息作为反映因子而由驾驶行动推断部220选择。在图9的示例中，例如，阈值K被设定为“高”，当通过步骤S341所涉及的处理而选择出“限制速度”以作为一个因子信息时，由于对应于作为一个因子信息的“限制速度”的因子影响值为“中（初始值）”，从而小于阈值K，因此作为一个因子信息的“限制速度”不会作为反映因子而被选择。而且，在图9的示例中，例如，阈值K被设定为“高”，当通过步骤S341所涉及的处理而选择“信号灯颜色”以作为一个因子信息时，由于对应于作为一个因子信息的“信号灯颜色”的因子影响值为“高”，从而在阈值K以上，因此作为一个因子信息的“信号灯颜色”被选择作为反映因子。并且，在图9的示例中，因子影响值采用“低”、“中”以及“高”中的某一个，并且与“低”相比“中”的值更高，且与“中”相比“高”的值更高。

接下来，在图8中，当被判断为驾驶状况的因子被全部确认时（步骤S344：是），判断是否存在反映因子（步骤S345）。即，通过驾驶行动推断部220，来判断被存储在行动特性管理表900中的多个因子信息中的某一个是否在上述的步骤S343所涉及的处理中作为反映因子而被选择。

当被判断为存在反映因子时（步骤S345：是），根据反映因子与当前的驾驶状况相同的驾驶状况，而通过驾驶行动推断部220来推断驾驶行动（步骤S347）。即，在当前的驾驶状况的遭遇频率小于阈值Y时（步骤S320：否），驾驶行动推断部220根据在步骤S343所涉及的处理中作为反映因子而被选择的因子信息与当前的驾驶状况相同的、驾驶状况的行动特性值，来判断驾驶员的将来的驾驶行动。

在图9的示例中，例如，当作为与本车辆的当前的驾驶状况相一致的驾驶状况而选择第四驾驶状况（即，“限制速度”为时速50km、无“护栏”、“路面状态”为潮湿、“信号灯颜色”为红灯的驾驶状况）时，由于对应于该第四驾驶状况的遭遇频率为“0次”，因而小于遭遇频率例如为10次的阈值Y。因此，实施因子影响值反映处理（步骤S340）。在图9的示例中，因子影响值反映处理（更具体而言，参照图8而在上文叙述的步骤S343所涉及的处理）中，如上文所述这样根据因子影响值（即，由于因子影响值在阈值K以上），而选择作为因子信息的“信号灯颜色”以作为反映因子。驾驶行动推断部220根据作为反映因子的“信号灯颜色”与作为当前的驾驶状况的第四驾驶状况相同的第二驾驶状况的行动特性值，来推断驾驶员的将来的驾驶行动。并且，在图9的示例中，关于第二驾驶状况以及第四驾驶状况中的各自的“信号灯颜色”均为“红灯”，从而互为相同。而且，第二驾驶状况中的遭遇频率为“20次”，因此在例如为10次的阈值Y以上。

即，在本实施方式中，尤其是，在当前的驾驶状况（在图9的示例，第四驾驶状况）的遭遇频率小于阈值Y（例如10次）时，驾驶行动推断部220根据如下驾驶状况的行动特性值以代替当前的驾驶状况，而对驾驶员的将来的驾驶行动进行推断，所述驾驶状况为，因子影响值为阈值K以上的反映因子（在图9的示例中，为“信号灯颜色”）与当前的驾驶状况相同、且遭遇频率为阈值Y（例如10次）以上的驾驶状况（在图9的示例中，为第二驾驶状况）。

因此，驾驶行动推断部220由于根据与当前的驾驶状况类似且遭遇频率较高的其他驾驶状况（在图9的示例中，为例如第二驾驶状况），以代替被预测为遭遇频率较低的特殊的（或者稀少的）驾驶状况的当前的驾驶状况（在图9的示例中，为第四驾驶状况），而对驾驶行动进行推断，因此能够更加高精度地对驾驶员的将来的驾驶行动进行推断。

另一方面，当被判断为不存在反映因子时（步骤S345：否），根据因子影响频率较高的因子与当前的驾驶状况相同的驾驶状况，而通过驾驶行动推断部220来推断驾驶行动（步骤S346）。即，驾驶行动推断部220根据如下的驾驶状况的行动特性值，而对驾驶员的将来的驾驶行动进行推断，所述驾驶状况为，因子影响频率高于预定的阈值（例如15次）的因子信息与当前的驾驶状况相同的驾驶状况。

在图9的示例中，当假设“信号灯颜色”的因子影响值为“中”，且对应于被存储在行动特性管理表900中的多个因子信息的因子影响值均小于阈值K时，任何因子信息均不会作为反映因子而被选择，从而判断为不存在反映因子（步骤S345：否）。此时，驾驶行动推断部220根据如下的驾驶状况的行动特性值，而对驾驶员的将来的驾驶行动进行推断，所述驾驶状况为，因子影响频率高于预定的阈值（例如15次）的因子信息、即“信号灯颜色”与当前的驾驶状况（在图9的示例中，为例如第四驾驶状况）相同的驾驶状况（在图9的示例中，为例如第二驾驶状况）。

由此，驾驶行动推断部220由于根据与当前的驾驶状况类似且遭遇频率较高的其他驾驶状况（在图9的示例中，为例如第二驾驶状况），以代替被预测为遭遇频率较低的特殊的（或者稀少的）驾驶状况的当前的驾驶状况（在图9的示例中，为第四驾驶状况），而对驾驶行动进行推断，因此能够更加高精度地对驾驶员的将来的驾驶行动进行推断。

再次返回到图7中，在通过步骤S330所涉及的处理或者步骤S340所涉及的处理（即，因子影响值反映处理）而推断出驾驶员的将来的驾驶行动之后，根据所推断出的驾驶行动而实施驾驶辅助（步骤S350）。即，根据通过驾驶行动推断部220推断出的驾驶行动，而通过驾驶辅助实施部230来实施驾驶辅助。由此，能够实施适合于本车辆的驾驶员的将来的行动的驾驶辅助。

再次返回到图2中，在驾驶辅助处理（步骤S300）之后，实施积存处理（步骤S400）。

图10为，表示由本实施方式所涉及的驾驶辅助装置实施的积存处理的流程的流程图。

如图10所示，在积存处理中，首先，实施更新处理（步骤S410）。

图11为，表示由本实施方式所涉及的驾驶辅助装置实施的更新处理的流程的流程图。

如图11所示，在更新处理中，首先，判断驾驶状况（步骤S411）。即，根据通过因子信息取得部100而取得的信息（即，驾驶员信息、车辆信息、道路和结构物信息以及行驶环境信息），而通过积存处理部240来判断本车辆的当前的驾驶状况是否为被存储在行动特性管理表900中的多个驾驶状况（即，多个过去的驾驶状况）中的某一个。即，通过积存处理部240而选择被存储在行动特性管理表900中的多个驾驶状况中的、与本车辆的当前的驾驶状况相一致的驾驶状况。

接下来，更新行动特性值（步骤S412）。即，通过积存处理部240而更新与所选择的驾驶状况对应的行动特性值。具体而言，积存处理部240根据通过因子信息取得部100而取得的与当前的驾驶状况有关的信息（更具体而言，例如，当前的驾驶状况中的本车辆的速度、加减速度、加速器开度、制动压、转向角等与驾驶员的驾驶行动有关的信息），而对与所选择的驾驶状况对应的行动特性值进行更新（或变更）。即，积存处理部240将当前的驾驶状况中的驾驶员的行动特性反映为行动特性管理表900中的行动特性值。

接下来，更新遭遇频率（步骤S413）。即，通过积存处理部240而更新与所选择的驾驶状况对应的遭遇频率。具体而言，积存处理部240将与所选择的驾驶状况对应的遭遇频率提高例如一次（即，进行累加）。

接下来，更新因子影响值（步骤S414）。即，通过积存处理部240来更新被存储在行动特性管理表900中的因子影响值。具体而言，积存处理部240根据通过因子信息取得部100而取得的与当前的驾驶状况有关的信息，来对因子影响值进行更新。例如，积存处理部240对于在当前的驾驶状况和过去的驾驶状况之间发生了变化的因子信息，根据通过因子信息取得部100而取得的信息，来对由于该因子信息的变化而引起的驾驶员的驾驶行动的变化进行确定，并根据该确定的驾驶行动的变化来改变因子影响值。

接下来，更新因子影响频率（步骤S415）。即，通过积存处理部240来更新被存储在行动特性管理表900中的因子影响频率。具体而言，积存处理部240根据通过因子信息取得部100而取得的与当前的驾驶状况有关的信息来对因子影响频率进行更新。例如，积存处理部240对于在当前的驾驶状况和过去的驾驶状况之间发生变化的因子信息，判断是否由于该因子信息的变化而在驾驶员的驾驶行动中存在变化，当被判断为存在变化时，将因子影响频率提高例如一次（即，进行累加）。

如上文所述，在更新处理中，根据通过因子信息取得部100而取得的与当前的驾驶状况有关的信息，来更新行动特性值、遭遇频率、因子影响值以及因子影响频率。

再次返回图10中，在更新处理（步骤S410）之后，判断车载数据库211（参照图1）的使用量是否在阈值X以上（步骤S420）。即，通过积存处理部240，来判断由被存储在车载数据库211中的信息（例如，与驾驶状况有关的信息等）所使用的车载数据库211的使用量（换言之，被存储在车载数据库211中的信息的信息量）是否在阈值X以上。并且，阈值X为，本发明所涉及的“预定的基准信息量”的一个示例。

当判断为车载数据库211的使用量不在阈值X以上（即，小于阈值X）时（步骤S420：否），积存处理结束。

当判断为车载数据库211的使用量在阈值X以上时（步骤S420：是），实施积存信息整理处理（步骤S430）。

图12为，表示由本实施方式所涉及的驾驶辅助装置实施的积存信息整理处理的流程的流程图。图13为，表示被存储于行动特性管理表中的行动特性值、遭遇频率、因子影响值、以及因子影响频率的一个示例的模式图。

如图12所示，在积存信息整理处理中，首先，选择一个驾驶状况（步骤S431）。即，通过积存处理部240来选择被存储在行动特性管理表900中的多个驾驶状况中的一个驾驶状况。

接下来，判断所选择的驾驶状况的遭遇频率是否在阈值Z以上（步骤S432）。即，通过积存处理部240来判断与所选择的驾驶状况对应的遭遇频率是否在阈值Z（例如10次等）以上。并且，阈值Z为，本发明所涉及的“预定的第一基准频率”的一个示例。

当判断为遭遇频率在阈值Z以上时（步骤S432：是），判断是否全部的驾驶状况均被进行了确认（步骤S434）。即，通过积存处理部240，来判断是否对于被存储在行动特性管理表900中的多个驾驶状况中的全部均实施了上述的步骤S431所涉及的处理（以及步骤S432所涉及的处理）。

当判断为未确认全部的驾驶状况时（步骤S434：否），再次实施步骤S431所涉及的处理。即，对于被存储在行动特性管理表900中的多个驾驶状况的全部，逐个地依次实施步骤S431所涉及的处理以及步骤S432所涉及的处理。

另一方面，当被判断为遭遇频率不在阈值Z以上（即，小于阈值Z）时（步骤S432：否），所选择的一个驾驶状况作为中心侧数据库存储对象而被确认。即，当与通过步骤S431所涉及的处理而被选择出的一个驾驶状况对应的遭遇频率在阈值Z以上时，该一个驾驶状况作为中心侧数据库存储对象而被积存处理部240选择。在图13的示例中，例如，当阈值Z被设定为“10次”，且通过步骤S431所涉及的处理而选择第一驾驶状况以作为一个驾驶状况时，由于与第一驾驶状况对应的遭遇频率为“30次”，在阈值Z以上，因此第一驾驶状况不会作为中心侧数据库存储对象而被选择。当阈值Z被设定为“10次”时，第二驾驶状况以及第三驾驶状况同样也不会作为中心侧数据库存储对象而被选择。而且，在图13的示例中，当阈值Z为被设定为“10次”，且通过步骤S431所涉及的处理而选择第四驾驶状况以作为一个驾驶状况时，由于对应于第四驾驶状况的遭遇频率为“0次”，不在阈值K以上，因此，第四驾驶状况作为中心侧数据库存储对象而被选择。

接下来，当判断为全部的驾驶状况均被进行了确认时（步骤S434：是），通过积存处理部240，来判断在将与作为中心侧数据库存储对象而被选择的驾驶状况有关的信息从车载数据库211移动至中心侧数据库212（参照图1）时，车载数据库211的使用量是否小于阈值Y（步骤S435）。

当判断为车载数据库211的使用量不小于阈值Y时（步骤S435：否），对阈值Y进行调节（步骤S436）。具体而言，通过积存处理部240来进行调节，以使阈值Y成为大于当前值的值。例如，在将与作为中心侧数据库存储对象而被选择的驾驶状况有关的信息，从车载数据库211移动至中心侧数据库212（参照图1）时的、车载数据库211的使用量为例如3.5千兆字节，而阈值Y的当前的值为例如3.0千兆字节的情况下，阈值Y通过积存处理部240而被调节为，大于作为当前的值的例如3.5千兆字节的值、即例如4.0千兆字节。并且，此时，阈值Z也可以通过积存处理部240而被调节。

在步骤S436所涉及的处理之后，再次实施步骤S431所涉及的处理。

另一方面，当判断为车载数据库211的使用量成为小于阈值Y时（步骤S435：是），与作为中心侧数据库存储对象而被选择的驾驶状况有关的信息，通过积存处理部240而从车载数据库211被移动至中心侧数据库212（步骤S437）。

如此，在本实施方式中，尤其能够将多个驾驶状况所涉及的信息，分散存储在车载数据库211以及中心侧数据库212中。而且，由于将与遭遇频率高于阈值Z的驾驶状况有关的信息存储在车载数据库211中，而将遭遇频率低于阈值Z的驾驶状况存储在中心侧数据库212中，因此驾驶行动推断部220等能够迅速地参考与遭遇频率较高的驾驶状况有关的信息（即，能够缩短驾驶行动推断部220等访问与遭遇频率较高的驾驶状况有关的信息所需要的访问时间），且能够避免由于被存储在车载数据库211中的信息过多，而导致无法追加通过因子信息取得部100而定期或不定期地取得的、与驾驶状况有关的信息的情况。

并且，虽然在本实施方式中采用了如下结构，即，首先，将通过因子信息取得部100而取得的、与驾驶状况有关的信息存储在车载数据库211中，再通过上述的积存信息整理处理，而将被存储在车载数据库211内的信息中的、与遭遇频率低于阈值Z的驾驶状况有关的信息存储在中心侧数据库212中的结构，但是作为改变例，例如，也可以采用如下结构，即，首先，将通过因子信息取得部100而取得的、与驾驶状况有关的信息存储在中心侧数据库212中，再将被存储在中心侧数据库212内的信息中的、遭遇频率高于预定的阈值的驾驶状况存储在车载数据库211中。在此情况下，也能够将多个驾驶状况所涉及的信息，分散存储在车载数据库211以及中心侧数据库212中。

再次返回到图10中，当积存信息整理处理（步骤S430）结束时，积存处理结束。

再次返回到图2中，在积存处理（步骤S400）之后，判断是否结束驾驶辅助（步骤S500）。即，通过驾驶辅助部200来判断是否结束对本车辆的驾驶员的驾驶辅助。

当判断为结束驾驶辅助时（步骤S500：是），结束由驾驶辅助装置1实施的驾驶辅助。

当被判断为不结束驾驶辅助（即，继续进行驾驶辅助）时（步骤S500：否），再次实施因子信息取得处理（步骤S100）。

如以上所进行的说明，根据本实施方式所涉及的驾驶辅助装置1，能够通过驾驶行动推断部220而高精度地对驾驶员的将来的驾驶行动进行推断，从而能够通过驾驶行动实施部230而适当地实施驾驶辅助。而且，根据本实施方式所涉及的驾驶辅助装置1，通过积存信息整理处理，从而能够缩短访问与遭遇频率较高的驾驶状况有关的信息所需要的访问时间，且能够避免由于被存储在车载数据库211中的信息过多，而导致无法追加通过因子信息取得部100而取得的、与驾驶状况有关的信息的情况。另外，根据本实施方式所涉及的驾驶辅助装置1，由于对于其他车辆推断结果信息通过信赖度设定部250来设定信赖度，因此能够通过驾驶行动推断部220进一步高精度地对驾驶员的将来的驾驶行动进行推断。

（第二动作例）

接下来，参照图14以及图15，对本实施方式所涉及的驾驶辅助装置的第二动作例进行说明。以下，作为本实施方式所涉及的驾驶辅助装置的第二动作例，对在具有临时停止标识的交叉路口处的驾驶辅助进行说明。

图14为，用于对在具有临时停止标识的交叉路口处的驾驶辅助进行说明的模式图。

图14图示了，在本车辆C1朝向具有临时停止标识500的交叉路口Q行驶的驾驶状况中，在距交叉路口Q的停止线为距离A1的近前处，本车辆C1的驾驶员关闭（OFF）加速器的情况。并且，在图14中，时间带为白天（例如10点至17点之间），且天气为晴。图14模式化地图示了，被存储在后文叙述的图15所示的行动特性管理表900中的第一驾驶状况。

图15为，表示本实施方式所涉及的驾驶辅助装置的第二动作例中的行动特性管理表的模式图。

在图15的示例中，作为因子信息，图示有与交叉路口有关的信息、与时间带有关的信息、以及与天气有关的信息，与一个驾驶状况有关的信息作为包括与交叉路口有关的信息、与时间带有关的信息、以及与天气有关的信息在内的多个因子信息的组，而被存储在行动特性管理表900中。在图15的示例中，在行动特性管理表900中存储有与第一驾驶状况（即，在图14中图示的驾驶状况）、第二驾驶状况、第三驾驶状况、第四驾驶状况中的每一个有关的信息，其中，在所述第一驾驶状况中，本车辆C1朝向的交叉路口为交叉路口Q、时间带为白天、天气为晴；在所述第二驾驶状况中，本车辆C1朝向的交叉路口为交叉路口Q、时间带为白天、天气为雨；在所述第三驾驶状况中，本车辆C1朝向的交叉路口为交叉路口Q、时间带为夜间（例如，17点至24点、或者0点至3点）、天气为晴；在所述第四驾驶状况中，本车辆C1朝向的交叉路口为交叉路口Q、时间带为夜间、天气为雨。在此，在图15的示例中，作为行动特性值，存储有从交叉路口Q的停止线起至本车辆C1的驾驶员关闭了加速器的位置为止的距离（以下，适当地称为“加速器关闭剩余距离”）。在图15的示例中，作为与第一驾驶状况对应的行动特性值A1而存储为100m（即，与第一驾驶状况对应的加速器关闭剩余距离为100m），作为与第二驾驶状况对应的行动特性值A2而被存储为105m（即，与第二驾驶状况对应的加速器关闭剩余距离为105m），作为与第三驾驶状况对应的行动特性值A3而被存储为150m（即，与第三驾驶状况对应的加速器关闭剩余距离为150m），作为与第四驾驶状况对应的行动特性值而被存储为作为初始值的零（0）（即，第四驾驶状况的遭遇频率为0次）。

这里，驾驶行动推断部220在驾驶状况的判断（参照图7中的步骤S310）中，判断为本车辆C1的当前的驾驶状况与图15中所示的遭遇频率为0次的第四驾驶状况相一致的情况下，可以以如下方式对本车辆C1的驾驶员的将来的行动进行推断。

即，驾驶行动推断部220首先根据被存储在图15所示的行动特性管理表900中的、与多个过去的驾驶状况（即，第一、第二以及第三驾驶状况）有关的信息、行动特性值、遭遇频率、因子影响值以及因子影响频率，而从多个因子信息中，指定用于决定本车辆C1的驾驶员的行动的行动决定因子信息（换言之，成为本车辆C1的驾驶员的行动的根据的根据因子信息）。具体而言，例如，驾驶行动推断部220将因子影响值最大的因子信息（在图15的示例中，为与时间带有关的信息）作为行动决定因子而指定。或者，例如，驾驶行动推断部220根据与多个过去的驾驶状况（即，第一、第二以及第三驾驶状况）有关的信息和与各个驾驶状况对应的行动特性值，来确定行动决定因子信息。例如，如图15所示，在与仅时间带互不相同的第一以及第三驾驶状况分别对应的行动特性值的差（或者，与仅时间带互不相同的第二以及第四驾驶状况分别对应的行动特性值的差），大于与仅天气互不相同的第一以及第二驾驶状况分别对应的行动特性值的差的情况下，将与时间带有关的信息作为行动决定因子信息而指定。或者，在仅天气互不相同的第一以及第二驾驶状况分别对应的行动特性值的差（或者，与仅天气互不相同的第三以及第四驾驶状况分别对应的行动特性值的差），大于与仅时间带互不相同的第一以及第三驾驶状况分别对应的行动特性值的差（或者，与仅时间带互不相同的第二以及第四驾驶状况分别对应的行动特性值的差）的情况下，将与天气有关的信息作为行动决定因子信息而指定。

接下来，驾驶行动推断部220根据被存储在图15所示的行动特性管理表900中的、与多个过去的驾驶状况（即，第一、第二以及第三驾驶状况）有关的信息、行动特性值以及所指定的行动决定因子信息，来对本车辆C1的当前的驾驶状况为第四驾驶状况（遭遇频率为0次的驾驶状况）的情况下的、驾驶员的将来的行动（在本动作例中，加速器关闭剩余距离）进行推断。即，驾驶行动推断部220根据行动决定因子信息为与时间带有关的信息的情况，而将对应于第三驾驶状况的行动特性值推断为第四驾驶状况中的本车辆C1的将来的驾驶行动，所述第三驾驶状况的与时间带有关的信息与第四驾驶状况相同。即，驾驶行动推断部220根据作为行动决定因子信息的、与时间带有关的信息在第三驾驶状况以及第四驾驶状况中相同的情况，而推断为在第四驾驶状况中，加速器关闭剩余距离与第三驾驶状况基本相同。由此，能够高精度地对本车辆C1的当前的驾驶状况为遭遇频率为0次的驾驶状况的情况下的、驾驶员的将来的行动进行推断。

根据以此方式推断出的驾驶行动，而由驾驶辅助实施部230来实施对本车辆C1的驾驶员的驾驶辅助。由此，能够在遭遇频率为0次的驾驶状况中实施更加适合于驾驶员的将来的驾驶行动的驾驶辅助。

（第三动作例）

接下来，参照图16以及图17，对本实施方式所涉及的驾驶辅助装置的第三动作例进行说明。以下，作为本实施方式所涉及的驾驶辅助装置的第三动作例，对本车辆从第一交叉路口朝向第二交叉路口行驶时的驾驶辅助进行说明。

图16为，用于对本车辆从第一交叉路口朝向第二交叉路口行驶时的驾驶辅助进行说明的模式图。

图16图示了，在第一交叉路口P处停止的本车辆C1朝向第二交叉路口Q起动时的状态。

图17为，表示本实施方式所涉及的驾驶辅助装置的第三动作例中的行动特性管理表的模式图。

在图17的示例中，作为因子信息，图示有与限制速度有关的信息、与交叉路口间距离有关的信息、与路面状态有关的信息、与信号灯颜色有关的信息、与天气有关的信息、以及与其他车辆有关的信息，并且与一个驾驶状况有关的信息作为包括与限制速度有关的信息、与交叉路口间距离有关的信息、与路面状态有关的信息、与信号灯颜色有关的信息、与天气有关的信息、以及与其他车辆有关的信息在内的多个因子信息的组，而被存储在行动特性管理表900中。在此，交叉路口间距离为，第一交叉路口P与第二交叉路口Q之间的距离（即，本车辆C1当前停止的交叉路口和下一个交叉路口之间的距离）（参照图16）。

在图17所示的行动特性管理表900中，存储有与第一驾驶状况、第二驾驶状况、第三驾驶状况、第四驾驶状况中的每一个有关的信息，其中，在所述第一驾驶状况中，道路的限制速度为时速60㎞、交叉路口间距离为100m、路面状态为干燥、信号灯颜色为红灯、天气为晴、且不存在其他车辆；在所述第二驾驶状况中，道路的限制速度为时速60㎞、交叉路口间距离为200m、路面状态为干燥、信号灯颜色为红灯、天气为晴、且不存在其他车辆；在所述第三驾驶状况中，道路的限制速度为时速60㎞、交叉路口间距离为400m、路面状态为干燥、信号灯颜色为红灯、天气为晴、且不存在其他车辆；在所述第四驾驶状况中，道路的限制速度为时速60㎞、交叉路口间距离为600m、路面状态为干燥、信号灯颜色为红灯、天气为晴、且不存在其他车辆。在此，在图17的示例中，作为行动特性值，存储有作为本车辆C1从第一交叉路口P起动加速之后的行动的转移目的地行动。在图17的示例中，作为对应于第一驾驶状况的行动特性值，存储有本车辆C1减速停止的情况（以下，适当地称为“减速停止行动”），作为对应于第二驾驶状况的行动特性值，存储有减速停止行动，作为对应于第三驾驶状况的行动特性值，存储有本车辆C1巡航行驶的情况（即，以固定速度进行行驶的情况，以下，适当地称为“巡航行驶行动”），作为对应于第四驾驶状况的行动特性值，存储有巡航行驶行动。

在此，驾驶辅助实施部230在实施用于本车辆C1从交叉路口P起动加速的驾驶辅助时，可以根据作为行动特性值而被存储的转移目的地行动来实施驾驶辅助。即，当驾驶辅助实施部230根据通过驾驶行动推断部220而推断出的、本车辆C1从交叉路口P起动加速的第一驾驶行动（以下，适当地称为“起动加速行动”）而实施驾驶辅助时，驾驶辅助实施部230也可以根据在第一驾驶行动之后被实施，且通过驾驶行动推断部220而推断出的第二驾驶行动（即，转移目的地行动）来实施驾驶辅助。即，在图17的示例中，例如，当本车辆C1的当前的驾驶状况为第一驾驶状况时，驾驶行动推断部220将减速停止行动推断为转移目的地行动，从而驾驶辅助实施部230除了根据起动加速行动之外还根据加速停止行动，来实施驾驶辅助。由此，能够实施更加适合于在第一交叉路口P至第二交叉路口Q之间所实施的、由起动加速行动以及减速停止行动组成的驾驶员的一系列的驾驶行动的驾驶辅助。

（第四动作例）

接下来，参照图16以及图18，对本实施方式所涉及的驾驶辅助装置的第四动作例进行说明。以下，作为本实施方式所涉及的驾驶辅助装置的第四动作例，对本车辆从第一交叉路口朝向第二交叉路口行驶时的驾驶行动的推断的一个示例进行说明。

图18为，表示本实施方式所涉及的驾驶辅助装置的第四动作例中的行动特性管理表的模式图。

在图18的示例中，作为因子信息，图示有与限制速度有关的信息、与交叉路口间距离有关的信息、与路面状态有关的信息、与信号灯颜色有关的信息、与天气有关的信息、以及与时间带有关的信息，并且与一个驾驶状况有关的信息作为包括与限制速度有关的信息、与交叉路口间距离有关的信息、与路面状态有关的信息、与信号灯颜色有关的信息、与天气有关的信息、以及与时间带有关的信息在内的多个因子信息的组，而被存储在行动特性管理表900中。在此，交叉路口间距离为，第一交叉路口P与第二交叉路口Q之间的距离（参照图16）。

在图18所示的行动特性管理表900中，存储有与第一驾驶状况、第二驾驶状况、第三驾驶状况、第四驾驶状况中的每一个有关的信息，其中，在所述第一驾驶状况中，道路的限制速度为时速60㎞、交叉路口间距离为600m、路面状态为干燥、信号灯颜色为红灯、天气为晴、时间带为白天；在所述第二驾驶状况中，道路的限制速度为时速60㎞、交叉路口间距离为400m、路面状态为干燥、信号灯颜色为红灯、天气为晴、时间带为白天；在所述第三驾驶状况中，道路的限制速度为时速60㎞、交叉路口间距离为200m、路面状态为干燥、信号灯颜色为红灯、天气为晴、时间带为白天；在所述第四驾驶状况中，道路的限制速度为时速60㎞、交叉路口间距离为100m、路面状态为干燥、信号灯颜色为红灯、天气为晴、时间带为白天。在此，在图18的示例中，作为行动特性值，存储有本车辆C1从第一交叉路口P起动加速之后的最高车速特性（即，最高车速、本车辆C1在到达最高车速为止所行驶的距离即最高车速到达距离、以及到达最高车速为止的时间即最高车速到达时间）。在图18的示例中，作为对应于第一驾驶状况的行动特性值，存储有最高车速为时速55㎞、最高车速到达距离为120～440m、最高车速到达时间为17～36秒的特性值，作为对应于第二驾驶状况的行动特性值，存储有最高车速为时速55㎞、最高车速到达距离为135～250m、最高车速到达时间为14～21秒的特性值，作为对应于第三驾驶状况的行动特性值，存储有最高车速为时速44㎞、最高车速到达距离为66～110m、最高车速到达时间为10～12秒的特性值，作为对应于第四驾驶状况的行动特性值，存储有最高车速为时速34㎞、最高车速到达距离为36～50m、最高车速到达时间为8～9秒的特性值。

这里，驾驶行动推断部220可以根据作为行动特性值而被存储在图18所示的行动特性管理表900中的最高车速到达时间，来对本车辆C1在第一交叉路口P处起动加速之后所实施的驾驶行动进行推断。这里，根据本申请的发明人的研究，明确了如下情况，例如，存在本车辆C1从第一交叉路口P朝向第二交叉路口Q起动加速之后所实施的驾驶行动与最高车速到达时间之间关系较为密切的倾向，即，最高车速到达时间能够成为，对本车辆C1从第一交叉路口P朝向第二交叉路口Q起动加速之后所实施的驾驶行动进行推断时的优选的根据。并且明确了如下情况，例如，最高车速到达时间越长，则本车辆C1从第一交叉路口P朝向第二交叉路口Q起动加速之后所实施的驾驶行动成为巡航行驶行动的倾向越大，而最高车速到达时间越短，则本车辆C1从第一交叉路口P朝向第二交叉路口Q起动加速之后所实施的驾驶行动成为减速停止行动的倾向越大。由此，通过由驾驶行动推断部220根据最高车速到达时间，来对本车辆C1从第一交叉路口P起动加速之后所实施的驾驶行动进行推断，从而能够高精度地对该起动加速之后所实施的驾驶行动进行推断。

（第五动作例）

接下来，参照图1，对本实施方式所涉及的驾驶辅助装置的第五动作例进行说明。以下，作为本实施方式所涉及的驾驶辅助装置的第五动作例，对与本车辆的当前的驾驶状况有关的信息的取得进行说明。

参照图1，如上文所述，因子信息取得部100被构成为，能够取得与本车辆的驾驶状况有关的信息（换言之，多个因子信息）。并且，因子信息取得部100为，本发明所涉及的“取得单元”的一个示例。

这里，因子信息取得部100可以每隔如下的期间分别取得本车辆的当前的多个因子信息，所述期间为，对应于该多个因子信息中的每一个发生变化的变化速度的期间。即，因子信息取得部100例如每隔比较长的期间取得多个因子信息中变化速度比较慢的因子信息（例如与天气有关的信息等），而每隔比较短的期间取得多个因子信息中变化速度比较快的驾驶状况因子（例如与车速有关的信息等）。由此，能够降低无谓地取得变化速度比较低的因子信息（即，在比较长的期间内基本或者完全不发生变化的因子信息）的情况，且能够切实地取得变化速度比较快的因子信息（即，在比较短的期间内发生变化的因子信息）。因此，能够在降低对当前的因子信息的无谓的取得的同时，高精度地对驾驶行动进行推断。

并且，因子信息取得部100取得各个因子信息的时间间隔（即，从取得因子信息起至再次取得该因子信息为止的期间），可以根据因子影响值来进行调节。例如，可以采用如下结构，即，即使在变化速度比较快的因子信息中，当该因子信息的因子影响值比较小（即，带给驾驶员的行动特性的影响比较小）时，取得该因子信息的时间间隔也变得比较长。通过采用此种结构，从而能够进一步降低对因子信息的无谓的取得。

本发明并不限定于上述的实施方式，在不违背从权利要求书以及说明书整体中所读取的发明的要旨或思想的范围内，能够进行适当改变，伴随有这种改变的驾驶辅助装置也仍包含在本发明的技术范围内。

符号说明

1驾驶辅助装置；

100因子信息取得部；

110驾驶员信息取得部；

120车辆信息取得部；

130道路和结构物信息取得部；

140行驶环境信息取得部；

200驾驶辅助部；

210因子信息存储部；

211车载数据库；

212中心侧数据库；

220驾驶行动推断部；

230驾驶辅助实施部；

240积存处理部；

250信赖度设定部。

Claims

1.一种驾驶辅助装置，其被搭载在本车辆上，并实施对该本车辆的驾驶员的驾驶辅助，其特征在于，具备：

存储单元，其将所述本车辆的多个过去的驾驶状况中的每一个作为多个驾驶状况因子的组而进行存储，并对应于多个所述过去的驾驶状况中的每一个，而存储所述过去的驾驶状况中的表示所述驾驶员的行动特性的行动特性值、和表示所述过去的驾驶状况发生的频率的驾驶状况发生频率，并且，对应于多个所述驾驶状况因子中的每一个，而存储表示所述驾驶状况因子带给所述行动特性的影响的大小的因子影响值、和表示所述驾驶状况因子发生变化的频率的因子变化频率；

推断单元，其根据多个所述过去的驾驶状况、所述行动特性值、所述驾驶状况发生频率、所述因子影响值以及所述因子变化频率，而对所述驾驶员的将来的驾驶行动进行推断；

实施单元，其根据所推断出的该驾驶行动而实施所述驾驶辅助。

2.如权利要求1所述的驾驶辅助装置，其中，

作为对多个所述过去的驾驶状况、所述行动特性值、所述驾驶状况发生频率、所述因子影响值以及所述因子变化频率进行存储的存储目的地，所述存储单元具有被搭载在所述本车辆上的车载数据库、以及被设置在与所述本车辆不同的地点处的远程数据库。

3.如权利要求2所述的驾驶辅助装置，其中，

还具备信息移动单元，所述信息移动单元在被存储于所述车载数据库中的多个所述过去的驾驶状况、所述行动特性值、所述驾驶状况发生频率、所述因子影响值以及所述因子变化频率所涉及的信息量在预定的基准信息量以上时，将被存储在所述车载数据库中的多个所述过去的驾驶状况中、所述驾驶状况发生频率低于预定的第一基准频率的过去的驾驶状况移动至所述远程数据库中。

4.如权利要求1至3中任意一项所述的驾驶辅助装置，其中，

多个所述驾驶状况因子中的一个驾驶状况因子为，从在所述本车辆的周边行驶的其他车辆接收到的、表示该其他车辆的将来的驾驶行动的其他车辆因子，

所述驾驶辅助装置还具备其他车辆信赖度设定单元，所述其他车辆信赖度设定单元根据在所述其他车辆中是否实施了对所述其他车辆的驾驶员的驾驶辅助，而对表示该其他车辆因子的可信性的信赖度进行设定。

5.如权利要求1至4中任意一项所述的驾驶辅助装置，其中，

所述推断单元在根据多个所述过去的驾驶状况中、所述驾驶状况发生频率低于预定的第二基准频率的一个过去的驾驶状况，而对所述驾驶行动进行推断时，根据其他的过去的驾驶状况以代替所述一个过去的驾驶状况，而对所述驾驶行动进行推断，所述其他的过去的驾驶状况为，多个所述驾驶状况因子中所述因子影响值高于预定的基准影响值的驾驶状况因子与所述一个过去的驾驶状况相同，且所述驾驶状况发生频率高于所述预定的第二基准频率的驾驶状况。

6.如权利要求1至5中任意一项所述的驾驶辅助装置，其中，

所述推断单元推断出第一驾驶行动以及在该第一驾驶行动之后被进行的第二驾驶行动，以作为所述驾驶行动，

所述实施单元根据所推断出的所述第一驾驶行动以及所述第二驾驶行动来实施所述驾驶辅助。

7.如权利要求1至6中任意一项所述的驾驶辅助装置，其中，

所述存储单元存储从所述本车辆起动加速起至到达最高车速为止的时间、即最高车速到达时间，以作为所述行动特性值，

所述推断单元根据所述最高车速到达时间，来推断在所述本车辆起动加速之后被实施的驾驶行动。

8.如权利要求1至7中任意一项所述的驾驶辅助装置，其中，

还具备取得单元，所述取得单元每隔如下的期间分别取得所述本车辆的当前的多个驾驶状况因子，所述期间为，对应于该多个驾驶状况因子中的每一个发生变化的变化速度的期间。