CN103890822B

CN103890822B - 驾驶支援装置及方法

Info

Publication number: CN103890822B
Application number: CN201280046759.2A
Authority: CN
Inventors: C·P·纳伊瓦拉; 竹内彰次郎; 杉本浩伸
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 2011-09-26
Filing date: 2012-09-21
Publication date: 2016-03-23
Anticipated expiration: 2032-09-21
Also published as: US20140212849A1; JP5392686B2; JP2013069251A; US10629088B2; CN103890822A; DE112012004000B4; WO2013047383A1; DE112012004000T5

Abstract

从驾驶技能分类机构取得所输入的驾驶数据的驾驶技能，从存储在驾驶数据存储机构中的驾驶数据中，选择驾驶技能比输入的驾驶数据的驾驶技能高，且与输入的驾驶数据的类似度为规定的类似度以上的驾驶数据，检测出所选择的驾驶数据与输入的驾驶数据的不同点，将检测到的不同点作为驾驶的建议而进行通知。由此，能够加入对驾驶员的技能和类型的考虑而提出用于提高驾驶技能的适当的建议。

Description

驾驶支援装置及方法

技术领域

本发明涉及一种用于支援驾驶本领的提高的技术。

背景技术

正在研究如下技术：根据实际驾驶车辆时获得的数据（驾驶数据）判定驾驶员的驾驶技能（专利文献1等）。另外，也在研究如下事项：通过判定驾驶技能而通知改进点，来谋求驾驶技能的提高。检测驾驶数据与模范数据的不同点，根据其不同而制成改进点的建议。

另外，也在进行如下研究：根据驾驶时获得的数据，判定驾驶员是谨慎型、粗心型等的哪一种类型（专利文献2）。

现有技术文献

专利文献

专利文献1：日本特开2003–83108号公报

专利文献2：日本特开2008–285015号公报

发明内容

发明要解决的问题

另外，在驾驶技能的改进建议方面，即使通知与驾驶技能相差太大的模范数据的不同点，也并不怎么有效。例如即使给驾驶初学者以基于与赛车驾驶员的比较而得到的建议，效果也很小。同样，即使通知与驾驶类型不同的模范数据的不同点，也并不怎么有效。

为了提高驾驶技能，希望进行基于与驾驶类型相似的高技能的驾驶员进行比较而得到的建议。

本发明的目的在于，加入对驾驶员的技能和类型的考虑而提出用于提高驾驶技能的适当的建议。

用于解决问题的方案

为了解决上述问题，本发明的驾驶支援装置包括驾驶数据存储机构、驾驶技能分类机构、驾驶数据取得机构、类似度算出机构、不同点检测机构和驾驶支援机构。驾驶数据存储机构使多个驾驶员的驾驶数据与该驾驶员的驾驶技能相关联地存储起来。驾驶技能分类机构将驾驶数据作为输入而接受，辨别该驾驶数据的驾驶技能。驾驶数据取得机构接受驾驶数据的输入。类似度算出机构算出两个驾驶数据的类似度。不同点检测机构根据两个驾驶数据检测出驾驶操作的不同。驾驶支援机构进行驾驶的建议。

驾驶支援机构从上述驾驶技能分类机构获得被输入到上述驾驶数据取得机构的驾驶数据的驾驶技能，从存储在上述驾驶数据存储机构中的驾驶数据中，选择满足以下条件的驾驶数据。即，选择具有比输入的驾驶数据的驾驶技能高的驾驶技能且利用上述类似度算出机构算得的与输入的驾驶数据的类似度为规定的类似度以上的驾驶数据。并且，利用上述不同点检测机构检测出选出的驾驶数据与输入的驾驶数据的不同点，将检测到的不同点作为驾驶的建议而进行通知。

这样，能够根据驾驶数据求出驾驶技能，将具有比驾驶员的驾驶技能高级的技能且相似的驾驶员作为参考而进行驾驶的建议，从而能够进行用于提高驾驶技能的准确的建议。

驾驶数据是在驾驶车辆的过程中从车辆的传感器获得的数据。驾驶数据例如包括加速度（前后及横向）、转向角度、制动强度、加速强度、激光雷达信息和位置信息等。另外，在驾驶数据是周期性地从这些传感器获得的时间采样数据的情况下，优选的是，标准化为涉及与道路上的位置相对应的距离的数据（即，每隔一定距离间隔的数据）而进行利用。另外，在进行标准化时，根据需要也可以进行插补处理。

驾驶技能分类机构是根据驾驶技能已知的驾驶数据通过机械学习而制成的。驾驶技能的分类例如可以为初学者、中级者、高级者、专家等。进行机械学习时的特征量例如可以利用FFT（FiniteFourierTransform：离散傅里叶变换）、DCT（DiscreteCosineTransform：离散余弦变换）、小波变换来抽出。另外，作为机械学习的算法，可以采用SVM（SupportVectorMachine，支持向量机）、AdaBoost（AdaptiveBoosting，自适应增强）等。

类似度算出机构例如采用主成分分析（PCA）、k近邻法（k-NN）、k平均法（k-means）等方法，算出驾驶数据的类似度。优选的是，驾驶支援机构选择与输入的驾驶数据最类似的驾驶数据。

另外，可以将本发明视为具有上述机构的至少一部分的驾驶支援装置。另外，也可以将本发明视为包含上述处理的至少一部分的驾驶支援方法以及用于使计算机执行该方法的程序。可以将各种上述机构和处理尽量相互组合而构成本发明。

发明效果

采用本发明，能够加入对驾驶员的技能和类型的考虑而提出用于提高驾驶技能的适当的建议。

附图说明

图1是表示本实施方式的驾驶支援装置的功能结构的图。

图2是表示驾驶数据取得部所进行的驾驶数据的取得处理的流程图。

图3是表示驾驶技能分类器的制成处理的流程图。

图4是表示使用了驾驶技能分类器的驾驶技能的识别处理的流程图。

图5是表示本实施方式的驾驶支援处理的整体流程的流程图。

图6是说明成为驾驶建议的根据的驾驶数据的选择的图。

图7是表示所提出的驾驶建议的例子的图。

具体实施方式

下面，参照附图以例示的方式详细说明本发明的优选实施方式。

结构

图1是表示将实施方式搭载在车辆中的驾驶支援装置的功能结构的图。本实施方式的驾驶支援装置取得在实际驾驶车辆时的数据，而对用于提高驾驶技能的改善点提出建议。在本实施方式中说明将驾驶支援装置搭载在车辆中的例子，但在本发明中，驾驶支援装置不必一定搭载在车辆中。即，也可以是与车辆分离设置的驾驶支援装置经由通信或存储介质取得驾驶数据，而提出驾驶建议。

在本实施方式的驾驶支援装置中，中央运算处理装置（CPU）加载执行被存储在辅助存储装置中的计算机程序，从而作为地图数据存储部3、驾驶数据取得部4、驾驶技能分类器5、基准数据存储部6、类似数据取得部7、不同点检测部8和驾驶支援部9发挥功能。

驾驶数据取得部4定期从各种车辆传感器2取得行驶中的驾驶数据。车辆传感器2例如是加速度传感器、转向角传感器、制动器传感器、加速踏板传感器、激光雷达和GPS装置等。驾驶数据取得部4例如以间隔0.1秒等的恒定周期从这些车辆传感器2取得数据。另外，不同的传感器，取得周期也可以不同。

驾驶数据取得部4将每隔一定时间取得的传感器数据转换为每隔一定距离的信息。为此，驾驶数据取得部4包括行驶路径取得部4a和标准化部4b。行驶路径取得部4a取得被存储在地图数据存储部3中的与行驶路线有关的信息。标准化部4b使行驶路线与从GPS装置获得的位置信息相对应，而转换为每隔一定距离（例如每隔1米）的数据。另外，在未从传感器取得采样位置处的数据的情况下，可以利用插补处理求得该位置处的数据，也可以采用最近的位置的数据。

图2是说明驾驶数据取得部4进行的驾驶数据的取得处理的流程图。驾驶数据取得部4定期（例如每隔0.1秒）从车辆传感器2取得传感器数据（S201）。驾驶数据取得部4根据所取得的传感器数据中包含的位置信息和由行驶路径取得部4a取得的地图数据，算出行驶传感器的取得位置（S202）。并且，标准化部4b转换为每隔一定距离的驾驶数据（S203）。

驾驶技能分类器5是接受驾驶数据而作为输入，辨别该驾驶的驾驶技能的功能部。这里，驾驶技能设定为初学者、中级者、高级者、专家这4个阶段，但也可以设定为与此不同的分类。

驾驶技能分类器5可以通过机械学习而制成。在图3的流程图中表示驾驶技能分类器5的制成处理。首先，取得多个驾驶技能已知的驾驶员的驾驶数据（学习数据）（S301）。并且，根据取得的驾驶数据抽出特征量（S302）。特征量的抽出可以通过任意的已知方法来进行。例如能够利用离散傅里叶变换（FFT）、离散余弦变换（DCT）和小波变换等来将特征量抽出。并且，通过进行机械学习处理而进行分类器的制成（S303）。作为机械学习算法，可以采用SVM（supportvectormachine，支持向量机）和AdaBoost（自适应增强）等。学习结果存储在存储装置（未图示）中（S304），在进行识别处理时参照。

图4是表示由驾驶技能分类器5进行的识别处理的流程图。驾驶技能分类器5在被输入驾驶数据时，进行与上述同样的特征量抽出（S401），进行使用了学习结果数据的辨别，从而辨别输入驾驶数据的驾驶技能（S402）。

类似数据取得部7算出被存储在基准数据存储部6的各驾驶数据与输入的驾驶数据的类似度。另外，存储在基准数据存储部6的驾驶数据是驾驶技能已知且与驾驶技能相关联地存储起来。存储在基准数据存储部6的驾驶数据可以与用在驾驶技能分类器5的学习处理中的数据相同，也可以不同。

类似数据取得部7从基准数据存储部6取得均满足以下两个基准的驾驶数据。第1个基准是比利用驾驶技能分类器5辨别的输入驾驶数据的驾驶技能高级的驾驶技能。第2个基准是在满足第1个基准的驾驶数据中类似度最大的驾驶数据。即，类似数据取得部7从基准数据存储部6获得具有比输入的驾驶数据高级的驾驶技能且与输入的驾驶数据最类似的驾驶数据。另外，使用主成分分析（PCA）、k近邻法、k平均法等算法实现类似度的算出。

不同点检测部8对输入的驾驶数据与利用类似数据取得部7获得的驾驶数据之间的不同点进行检测。预想传感器数据会表现出各种不同，将这些各种的不同点区分为成为原因的不同点和成为结果的不同点而进行检测。作为成为原因的不同点，包括行驶速度、加速量、制动量和方向盘转向角等。但是，这些不同点有时是以之前的操作的不同为原因的结果。另外，作为表示结果的其他的不同点，也包括加速度等。

例如，一般认为擅长驾驶的人在拐弯处的跟前适当地降低速度而进入拐弯处，相比之下，不擅长驾驶的人以较快的速度进入拐弯处。结果，拐弯过程中的转向盘操作是恒定的，或者发生横向的猛拉。在该情况下，相当于原因的不同点是在拐弯处跟前的制动量（或速度）。并且，相当于结果的不同点是拐弯过程中的转向盘操作量或横向猛拉。

驾驶支援部9将不同点检测部8检测出的不同点作为驾驶建议提出给输出装置10。详细而言，建议修改与原因相关的不同点，提出作为结果而获得的效果。

动作例

接下来，参照附图说明本实施方式的驾驶支援装置的具体的动作例。图5是表示驾驶支援处理整体的流程的流程图。另外，这里，驾驶技能分类器5的学习处理（图3）已经完成。

驾驶支援装置1利用驾驶数据取得部4从车辆传感器2取得实际驾驶车辆时的数据（S501）。此时，驾驶数据相对于位置变换为等间隔的数据（标准化）。并且，将驾驶数据输入到驾驶技能分类器5而取得该驾驶的驾驶技能（S502）。

驾驶支援装置1从基准数据存储部6选择具有比对象者的驾驶技能高的技能且驾驶的类型最类似的驾驶数据（S503）。图6的（a）是概念性地说明该处理的图。在图6的（a）中将9人的驾驶数据的解析结果绘制成图表，横轴表示驾驶的类型，纵轴表示驾驶技能。表示越位于上方，驾驶技能越高，横向的距离越近，驾驶的类型越类似。在图6的（a）中将9人的驾驶数据绘制成图表。比X的驾驶技能高的是B、C、Y、Z、Q、R这6人，其中将与X的驾驶类型最类似的Y选择为基准数据。另外，在Y为对象者的情况下，从比Y的驾驶技能高的C、Z、R这3人中，将驾驶的类型最类似的Z选择为基准数据。

图6的（b）是说明利用主成分分析进行的驾驶类型的辨别处理的概念图。图6的（b）是将驾驶数据总括为两个变量（第1主成分和第2主成分）而得到的数据的分布图。在该数据空间上使用适当的距离量度（欧几里得距离、加权欧几里得距离、马氏距离等）定义类似度。在图6的（b）中，黑圆点64表示支援对象者的驾驶数据。另外，在图6的（b）中将具有比黑圆点64高级的驾驶技能的驾驶数据绘制为图表。与对象者的驾驶数据最类似的驾驶数据是驾驶数据65，所以将该数据选择为用于确定建议的数据。

驾驶支援装置1使用不同点检测部8检测出对象者的驾驶数据与选出的驾驶数据的不同点。例如在拐弯处跟前的速度（制动量）上看出不同，结果出现转向盘转向角的偏差情况、横猛拉量的差。

驾驶支援部9根据这种不同点检测结果，制成图7所示的那样的驾驶建议。驾驶建议将不同点检测部8检测出的不同中的作为成为不同的原因的操作量即拐弯处跟前处的速度，作为应修改的点而进行建议（图7的（a））。详细而言，提出在本次的行驶路线那样的拐弯处，在拐弯处跟前减速为时速50km以下较好。此外，将不同点检测部8检测到的不同中的成为结果的不同，作为通过进行这样的修改而获得的效果进行提出。这里，将在拐弯处的转向盘操作的摇摆减小这点（图7的（b）），和横向猛拉减小这点（图7的（c））作为通过改善而获得的效果进行提出。

本实施方式的作用/效果

在本实施方式中，辨别建议对象者的驾驶技能，以比对象者的驾驶技能高且最类似的驾驶类型的驾驶数据为基准，进行驾驶的建议。因而，能够避免根据与对象者的驾驶类型大不相同的驾驶员的驾驶数据进行建议。驾驶类型不同的那样的驾驶员的驾驶在驾驶改善方面不大能成为参考，所以从类似的驾驶类型中选择供驾驶建议的参考的驾驶数据，从而能够进行适当的驾驶建议。另外，由于期待将技能的差距较大的驾驶辨别为驾驶的类型也大不相同，所以采用本实施方式，能够根据比对象者擅长驾驶但不存在极端的技能的差距的驾驶员的驾驶数据，提供建议。

其他

在上述的说明中，说明了将驾驶支援装置搭载在车辆中的例子，但驾驶支援装置不必搭载在车辆中。即，只要能将与建议对象者进行的驾驶相关的驾驶数据作为输入而接受即可，也可以将驾驶支援装置构成为相对于车辆分别独立地设置。此时，数据的交换可以是利用有线或无线进行的通信等，也可以经由存储介质进行。

另外，驾驶数据不必一定是在驾驶实际的车辆时获得的数据。即，也可以是在使用车辆驾驶模拟装置进行了驾驶操作时获得的数据等。

另外，在上述说明中，将传感器数据变换为每隔一定距离的数据而进行使用，但本发明并非必须为这种方式。例如也可以使用在时间上等间隔地采样得到的传感器数据。但是，每隔一定距离的数据能够期待更加良好地进行驾驶技能、驾驶类型的辨别。

附图标记说明

1、驾驶支援装置；2、车辆传感器；3、地图数据存储部；4、驾驶数据取得部；4a、行驶路径取得部；4b、标准化部；5、驾驶技能分类器；6、基准数据存储部；7、类似数据取得部；8、不同点检测部；9、驾驶支援部；10、输出装置。

Claims

1.一种驾驶支援装置，其特征在于，

该驾驶支援装置包括驾驶数据存储机构、驾驶技能分类机构、驾驶数据取得机构、类似度算出机构、不同点检测机构和驾驶支援机构，

所述驾驶数据存储机构将多个驾驶员的驾驶数据与该驾驶员的驾驶技能相关联地存储起来；

所述驾驶技能分类机构是根据驾驶技能已知的驾驶员的驾驶数据制成的，接受驾驶数据而作为输入，辨别该驾驶数据的驾驶技能；

所述驾驶数据取得机构接受驾驶数据的输入；

所述类似度算出机构算出两个驾驶数据的类似度；

所述不同点检测机构从两个驾驶数据中检测出驾驶操作的不同；

所述驾驶支援机构进行驾驶的建议，

所述驾驶支援机构从所述驾驶技能分类机构取得被输入到所述驾驶数据取得机构中的驾驶数据的驾驶技能，

从存储在所述驾驶数据存储机构中的驾驶数据之中，选择驾驶技能比输入的驾驶数据的驾驶技能高，且与利用所述类似度算出机构算得的输入的驾驶数据的类似度为规定的类似度以上的驾驶数据，

利用所述不同点检测机构检测选择的驾驶数据与输入的驾驶数据的不同点，

将检测到的不同点作为驾驶的建议进行通知。

2.根据权利要求1所述的驾驶支援装置，其中，

所述驾驶支援机构选择与输入的驾驶数据最类似的驾驶数据。

3.根据权利要求1或2所述的驾驶支援装置，其中，

所述驾驶数据取得机构周期性地从多个传感器取得传感器数据，将该传感器数据转换为与等间隔的位置相对应的数据而获得驾驶数据。

4.一种驾驶支援方法，由包括驾驶数据存储机构和驾驶技能分类机构的驾驶支援装置进行，

所述驾驶技能分类机构是根据驾驶技能已知的驾驶员的驾驶数据制成的，接受驾驶数据而作为输入，辨别该驾驶数据的驾驶技能，

其特征在于，包括如下步骤：

接受驾驶数据的输入；

利用所述驾驶技能分类机构取得输入的驾驶数据的驾驶技能；

从存储在所述驾驶数据存储机构中的驾驶数据之中，选择驾驶技能比输入的驾驶数据的驾驶技能高，且与输入的驾驶数据的类似度为规定的类似度以上的驾驶数据；

检测选择的驾驶数据与输入的驾驶数据的不同点；

将检测到的不同点作为驾驶的建议进行通知。