CN109689462A - 集中度判定装置、集中度判定方法及用于集中度判定的程序 - Google Patents

Abstract

一种集中度判定装置、集中度判定方法及用于集中度判定的程序，能够考虑到驾驶的安全性和驾驶的舒适性这两者。集中度判定装置包括：监视数据获取部，从用于监视车辆驾驶员的传感器获取监视数据；集中度推断部，当所述车辆的驾驶模式为自动驾驶模式时，根据所述监视数据基于构成第一指标组的一个以上的指标，推断所述驾驶员的第一驾驶集中度，当所述驾驶模式为手动驾驶模式时，根据所述监视数据基于构成与所述第一指标组不同的第二指标组的一个以上的指标，推断所述驾驶员的第二驾驶集中度；基准比较部，将所述第一驾驶集中度或所述第二驾驶集中度与基准进行比较；及信号输出部，当所述第一驾驶集中度或所述第二驾驶集中度不满足所述基准时，输出指示针对所述驾驶员执行辅助的指示信号。

Description

集中度判定装置、集中度判定方法及用于集中度判定的程序

技术领域

本发明涉及例如判定车辆驾驶员的集中度的集中度判定装置、集中度判定方法及用于集中度判定的程序。

背景技术

近年来，作为车辆的驾驶模式，除了基于驾驶员的驾驶操作使车辆行驶的手动驾驶模式之外，无论驾驶员的驾驶操作如何都使车辆沿预先设定的路径行驶的自动驾驶模式的开发也获得进展。

用于判断驾驶员能否手动驾驶的技术的开发也获得进展(参照日本特开平10-309960号公报)。

发明内容

驾驶员需要驾驶的安全性，但要求驾驶员的驾驶集中度根据驾驶员所处的状况而有所不同。容易车辆总是针对各种指标监视驾驶集中度，并在驾驶集中度不满足基准时发出警告，则能够确保驾驶的安全性。然而，根据驾驶员所处的状况，车辆频繁地发出警报。在这种情况下，驾驶员的驾驶舒适性受到损害。

本发明是着眼于上述情况而提出要的，其目的在于，提供能够考虑到驾驶的安全性和驾驶的舒适性这两者的集中度判定装置、集中度判定方法及用于集中度判定的程序。

为了解决上述课题，本发明第一方面是一种集中度判定装置，该集中度判定装置包括：监视数据获取部，从用于监视车辆驾驶员的传感器获取监视数据；集中度推断部，当所述车辆的驾驶模式为自动驾驶模式时，基于构成第一指标组的一个以上的指标，根据所述监视数据推断所述驾驶员的第一驾驶集中度，当所述驾驶模式为手动驾驶模式时，基于构成与所述第一指标组不同的第二指标组的一个以上的指标，根据所述监视数据推断所述驾驶员的第二驾驶集中度；基准比较部，将所述第一驾驶集中度或所述第二驾驶集中度与基准进行比较；以及信号输出部，当所述第一驾驶集中度或所述第二驾驶集中度不满足所述基准时，输出指示针对所述驾驶员执行辅助的指示信号。

本发明的第二方面的集中度判定装置在第一方面的集中度判定装置的基础上，其中，所述第二指标组由比构成所述第一指标组的指标数量多的指标构成。

本发明的第三方面的集中度判定装置在第二方面的集中度判定装置的基础上，其中，所述第二指标组由构成所述第一指标组的所有指标和不包含在所述第一指标组中的一个以上的指标构成。

本发明的第四方面的集中度判定装置在第一方面的集中度判定装置的基础上，其中，所述第二指标组由与构成所述第一指标组的指标都不同的一个以上的指标构成。

本发明的第五方面的集中度判定装置在第一方面的集中度判定装置的基础上，其中，所述第二指标组由构成所述第一指标组的指标中的至少一个指标和不包含在所述第一指标组中的至少一个指标构成。

本发明的第六方面的集中度判定装置在第一方面的集中度判定装置的基础上，其中，所述第二指标组包括所述驾驶员对于对象的认知程度作为指标，该指标不包括在所述第一指标组中。

本发明的第七方面的集中度判定装置在第六方面的集中度判定装置的基础上，其中，集中度判定装置包括状态检测部，状态检测部使用所述监视数据和所述对象的位置信息来检测所述认知程度。

本发明第八方面是一种集中度判定方法，该方法包括：监视数据获取过程，从用于监视车辆驾驶员的传感器获取监视数据；集中度推断过程，当所述车辆的驾驶模式为自动驾驶模式时，基于构成第一指标组的一个以上的指标，根据所述监视数据推断所述驾驶员的第一驾驶集中度，当所述驾驶模式为手动驾驶模式时，基于构成与所述第一指标组不同的第二指标组的一个以上的指标，根据所述监视数据推断所述驾驶员的第二驾驶集中度；基准比较过程，将所述第一驾驶集中度或所述第二驾驶集中度与基准进行比较；以及信号输出过程，当所述第一驾驶集中度或所述第二驾驶集中度不满足所述基准时，输出指示针对所述驾驶员执行辅助的指示信号。

本发明的第九方面是一种用于集中度判定的程序，该程序使计算机执行第一方面至第七方面中任一方面的集中度判定装置所包括的各部的处理。

根据本发明的第一方面，集中度判定装置根据车辆是自动驾驶模式还是手动驾驶模式，选择性地使用第一指标组和第二指标组来判定驾驶员是否处于适合驾驶的状态。因此，集中度判定装置能够向驾驶员要求与驾驶模式相应的驾驶集中度。由此，驾驶员能够根据驾驶模式确保适当集中精力驾驶的状态。例如，若在手动驾驶模式下则驾驶员可以确保集中精力驾驶的状态，若在自动驾驶模式下则驾驶员虽不手动驾驶，但可以确保应对意外事态的状态。因此，无论驾驶员所处的状况如何，都能够确保驾驶的安全性。

进而，根据第一方面，即使在手动驾驶模式的情况和自动驾驶模式的情况下驾驶员的状态是相同的状态，集中度判定装置根据驾驶员的状态，在手动驾驶模式的情况下输出指示信号，但在自动驾驶模式的情况下不输出指示信号。因此，集中度判定装置特别是在自动驾驶模式的情况下能够减少过度的指示信号的输出。由此，特别是在自动驾驶模式的情况下驾驶员不会受到过度的警告，因此无论驾驶模式如何，驾驶员都能够舒适地确保集中精力驾驶的状态。因此，无论驾驶员所处的状况如何，都能够确保驾驶的舒适性。

即，根据第一方面，集中度判定装置能够考虑到驾驶的安全性和驾驶的舒适性这两者。

根据本发明的第二方面，集中度判定装置能够在手动驾驶模式的情况下，针对比自动驾驶模式的情况更多的指标推断驾驶集中度。集中度判定装置能够在手动驾驶模式的情况下比在自动驾驶模式的情况下更严格地监视驾驶员是否处于适合驾驶的状态。由此，在手动驾驶模式的情况下，相比自动驾驶模式的情况，驾驶员能够确保集中精力驾驶的状态。进而，在自动驾驶模式的情况下，相比手动驾驶模式的情况，驾驶员不易受到警告，因此无论驾驶模式如何，驾驶员都能够舒适地确保集中精力驾驶的状态。

根据本发明的第三方面，集中度判定装置能够在手动驾驶模式的情况下，针对比自动驾驶模式的情况更多的指标推断驾驶集中度。集中度判定装置能够在手动驾驶模式的情况下比在自动驾驶模式的情况下更严格地监视驾驶员是否处于适合驾驶的状态。由此，无论驾驶模式如何，驾驶员都能够安全且舒适地确保适当集中精力驾驶的状态。进而，与第一指标组不是第二指标组的子集的情况相比，集中度判定装置能够减少推断驾驶集中度所需的指标的数量。因此，可以减轻集中度判定装置的处理负荷。

根据本发明的第四方面，集中度判定装置能够使用由针对每种驾驶模式优选的指标结构的指标组，适当地监视驾驶员是否处于适合驾驶的状态。由此，无论驾驶模式如何，驾驶员都能够安全且舒适地确保适当集中精力驾驶的状态。

根据本发明的第五方面，集中度判定装置能够使用由针对每种驾驶模式优选的指标结构的指标组，适当地监视驾驶员是否处于适合驾驶的状态。由此，无论驾驶模式如何，驾驶员都能够安全且舒适地确保集中精力驾驶的状态。进而，集中度判定装置通过使第一指标组和第二指标组各自所包含的指标的一部分共用化，从而能够减轻处理负荷。

根据本发明的第六方面，在手动驾驶模式的情况下，集中度判定装置能够针对影响驾驶安全性较大的指标即对象认知程度，监视驾驶员是否处于适合驾驶的状态。由此，驾驶员能够在手动驾驶模式的情况下确保集中精力驾驶的状态。进而，相比手动驾驶模式的情况，在自动驾驶模式的情况下对象认知程度较低，但集中度判定装置在自动驾驶模式的情况下不考虑对象认知程度。由此，驾驶员在自动驾驶模式的情况下不易受到过度的警告，因此能够舒适地确保集中精力驾驶的状态。

根据本发明的第七方面，集中度判定装置能够通过至少使用监视数据和对象的位置信息，从而适当地检测以对象认知程度为指标的驾驶员的状态。

根据本发明的第八方面，集中度判定方法能够获得与上述第一方面相同的效果。即，集中度判定方法能够考虑到驾驶的安全性和驾驶的舒适性这两者。

根据本发明的第九方面，用于集中度判定的程序能够获得与上述第一方面相同的效果。即，用于集中度判定的程序能够考虑到驾驶的安全性和驾驶的舒适性这两者。

附图说明

图1是包括本发明一实施方式涉及的集中度判定装置的车辆的整体结构的图。

图2是示出本发明一实施方式涉及的集中度判定装置的结构的框图。

图3是示出本发明一实施方式涉及的状态检测部的结构的框图。

图4是示出由图2所示集中度判定装置进行的集中度判定的顺序的流程图。

具体实施方式

以下，参照附图对本发明涉及的实施方式进行说明。

[一实施方式]

(结构)

图1是示出包括本发明一实施方式涉及的集中度判定装置2的车辆1的整体结构的图。集中度判定装置2搭载于客车等车辆1。在后面描述集中度判定装置2的结构。车辆1例如可以是汽车、公共汽车、卡车及电车等中的任意一种，也可以是除此之外的驾驶员(以下，也称为驾驶者(driver))乘坐的交通工具。

车辆1包括包含动力源和变速装置的动力单元3和装配有方向盘5的转向装置4作为基本设备，还包括手动驾驶模式和自动驾驶模式作为驾驶模式。作为动力源，使用发动机和电机或这两者。

手动驾驶模式例如是以驾驶员的手动驾驶操为主体而使车辆1行驶的模式。手动驾驶模式例如包含仅基于驾驶员的驾驶操作使车辆1行驶的动作模式和在以驾驶员的驾驶操作为主体的同时进行辅助驾驶员驾驶操作的驾驶操作辅助控制的动作模式。

驾驶操作辅助控制例如在车辆1转弯行驶时，基于转弯的曲率来帮助转向扭矩，使得驾驶员的转向为适当的转向量。另外，驾驶操作辅助控制包括辅助驾驶员的加速操作(例如加速踏板的操作)或制动操作(例如制动踏板的操作)的控制和手动转向(转向的手动运行)以及手动速度调节(速度调节的手动运行)。手动转向通过以驾驶员对方向盘5的操作为主体进行车辆1的转向。手动速度调节通过以驾驶员的加速操作或制动操作为主体，进行车辆1的速度调节。

需要说明的是，驾驶操作辅助控制不包括强制介入驾驶员的驾驶操作而使车辆1自动行驶的控制。即，手动驾驶模式不包括以下控制：在预先设定的允许范围内将驾驶员的驾驶操作反映到车辆1的行驶中，但在一定条件(例如车辆1的车道偏离等)下强制介入车辆1的行驶。

另一方面，自动驾驶模式例如是实现使车辆1沿着车辆1行驶的道路自动行驶的驾驶状态的模式。自动驾驶模式例如包括驾驶员不进行驾驶操作而使车辆1向预先设定的目的地自动行驶的驾驶状态。自动驾驶模式不一定需要自动地进行车辆1的全部控制，在预先设定的允许范围内将驾驶员的驾驶操作反映到车辆1的行驶中的驾驶状态也包含在自动驾驶模式中。即，自动驾驶模式包括以下控制：在预先设定的允许范围内将驾驶员的驾驶操作反映到车辆1的行驶中，但在一定条件下强制介入车辆1的行驶。

车辆1还包括车外相机6、转向传感器7、加速踏板传感器8、制动踏板传感器9、GPS接收机10、陀螺仪传感器11、车速传感器12、导航装置13、自动驾驶控制装置14、驾驶员相机15和声音输出装置16。

车外相机6以能够对车辆1的外部进行拍摄的方式设置于车辆1的任意位置。需要说明的是，虽在图1中示出一个车外相机6，但车辆1也可以包括拍摄不同方向的多个车外相机。车外相机6连续拍摄车辆1附近的行驶环境。车外相机6响应于车辆1的驾驶开始而启动，连续拍摄车辆1的外部。车外相机6将拍摄的图像(以下，也称为车外图像数据)输出给集中度判定装置2和自动驾驶控制装置14。

转向传感器7检测转向角。转向传感器7将检测结果输出给自动驾驶控制装置14。

加速踏板传感器8检测加速踏板的操作量。加速踏板传感器8将检测结果输出给自动驾驶控制装置14。

制动踏板传感器9检测制动踏板的操作量。制动踏板传感器9将检测结果输出给自动驾驶控制装置14。

GPS接收机10接收车辆1的当前位置信息。GPS接收机10将当前位置信息输出给集中度判定装置2、导航装置13及自动驾驶控制装置14。

陀螺仪传感器11检测车辆1的行为。陀螺仪传感器11将检测结果输出给自动驾驶控制装置14。

车速传感器12检测车辆1的速度。车速传感器12将检测结果输出给自动驾驶控制装置14。

导航装置13是包括用于显示视频的显示器131的视频显示装置的一例。导航装置13存储地图信息。导航装置13使用与由驾驶员等输入的目的地有关的信息、地图信息和来自GPS接收机10的当前位置信息，提取从当前位置到目的地的路径信息。导航装置13在显示器131上显示路径信息。导航装置13还可以在显示器131上显示除路径信息之外的信息。

导航装置13将路径信息输出给集中度判定装置2和自动驾驶控制装置14。

上述路径信息不仅可以包括从当前位置到目的地的路线的信息，还可以包括与从当前位置到目的地的道路环境有关的信息。

针对与道路环境有关的信息的几个示例进行说明。

与道路环境有关的信息可以包括从当前位置起到目的地为止通过的道路的类型的信息。道路的类型例如分为限制人通行的道路或不限制人通行的道路等。限制人通行的道路例如是高速道路。高速道路也可以称为汽车专用道路。不限制人通行的道路例如是一般道路。

与道路环境有关的信息也可以包括从当前位置起到目的地为止通过的道路的限制速度的信息。

与道路环境有关的信息也可以包括从当前位置起到目的地为止通过的道路上的设置物的位置信息。设置物例如是标识，但除此之外也可以是设置于道路的物体。

与道路环境有关的信息可以包括从当前位置起到目的地为止通过的道路附近的建筑物的位置信息。

需要说明的是，路径信息也可以包括除上述示例之外的信息作为与道路环境有关的信息。

对自动驾驶控制装置14的结构进行说明。

在驾驶模式为自动驾驶模式时，自动驾驶控制装置14对车辆1的行驶进行自动控制。

自动驾驶控制装置14获取来自车外相机6的车外图像数据、来自转向传感器7的检测结果、来自加速踏板传感器8的检测结果、来自制动踏板传感器9的检测结果、来自GPS接收机10的当前位置信息、来自陀螺仪传感器11的检测结果、来自车速传感器12的检测结果和来自导航装置13的路径信息。自动驾驶控制装置14例如基于这些信息和通过路车间通信获取的交通信息，对车辆1的行驶进行自动控制。

自动控制例如具有自动转向(转向的自动运行)和自动速度调节(速度的自动运行)。自动转向是自动地控制转向装置4的驾驶状态。自动转向包括LKAS(Lane KeepingAssist System：车道确保辅助系统)。例如即使在驾驶员不进行转向操作时，LKAS也自动地控制转向装置4，以使车辆1不从行驶车道脱离。此外，即使在执行LKAS的过程中，也可以在车辆1不脱离行驶车道的范围(允许范围)内，将驾驶员的转向操作反映到车辆1的转向操作中。此外，自动转向不限于LKAS。

自动速度调节是自动地控制车辆1的速度的驾驶状态。自动速度调节包括ACC(Adaptive Cruise Control：自适应巡航控制)。ACC是指例如在车辆1的前方不存在先行车时，进行以预先设定的设定速度使车辆1定速行驶的定速控制，在车辆1的前方存在先行车时，进行根据与先行车的车间距离调节车辆1的车速的跟踪控制。即使在执行ACC的过程中，自动驾驶控制装置14也根据驾驶员的制动操作(例如制动踏板的操作)使车辆1减速。另外，即使在执行ACC的过程中，自动驾驶控制装置14也能够根据驾驶员的加速操作(例如加速踏板的操作)将车辆1加速至预先设定的最大允许速度(例如在行驶中的道路上法律规定的最高速度)。此外，自动速度调节不限于ACC，还包括CC(Cruise Control：定速控制)等。

对驾驶员相机15的结构进行说明。

驾驶员相机15例如设置在如仪表板上那样面向驾驶员的位置。驾驶员相机15是用于监视驾驶员的传感器的一例。驾驶员相机15响应于车辆1的驾驶开始而启动，连续拍摄包括驾驶员脸部的预定范围。驾驶员相机15将拍摄的图像(以下，称为驾驶员图像数据)输出给集中度判定装置2。驾驶员图像数据是用于检测驾驶员状态的监视数据的一例。驾驶员的状态例如可以包括驾驶员的前方注视、困倦、旁视、穿脱衣服、电话操作、向窗户侧/扶手的依靠、同乘者或宠物的驾驶妨碍、疾病发作、向后看、突然伏下、饮食、吸烟、头晕、异常行为、汽车导航/音频操作、眼镜/太阳镜的摘戴、照片拍摄及对象认知程度等的指标中的至少任一个指标。对象认知程度是驾驶员(例如视觉上)认知对象的程度的指标，并且是驾驶员(例如通过目视)确认并意识到对象的程度。驾驶员的状态也可以包括除这里例示的指标之外的指标。

声音输出装置16包括扬声器161。声音输出装置16以声音方式输出各种信息。

对上述集中度判定装置2的结构进行说明。

集中度判定装置2基于上述驾驶员的状态推断驾驶员的驾驶集中度，并判定驾驶员是否处于适合驾驶车辆1的状态。驾驶集中度是驾驶员适合驾驶车辆1的程度。随着驾驶集中度提高，驾驶员变为更适合驾驶车辆1的状态。相反，随着驾驶集中度降低，驾驶员变为更不适合驾驶车辆1的状态。

图2是示出作为一例的集中度判定装置2的结构的框图。

集中度判定装置2包括输入输出接口单元21、存储单元22和控制单元23。

输入输出接口单元21将车外相机6、GPS接收机10、导航装置13、自动驾驶控制装置14、驾驶员相机15及声音输出装置16分别与控制单元23连接。

对存储单元22的结构进行说明。

存储单元22例如是SSD(Solid State Drive：固态硬盘)、HDD(Hard Disk Drive：硬盘驱动器)等可随时写入和读出的非易失性存储器。存储单元22包括驾驶员图像数据存储部221、车外图像数据存储部222和集中度表存储部223。

驾驶员图像数据存储部221存储有控制单元23从驾驶员相机15获取的驾驶员图像数据。

车外图像数据存储部222存储有控制单元23从车外相机6获取的车外图像数据。

集中度表存储部223存储有控制单元23用于推断驾驶集中度的集中度表。针对各指标，集中度表将驾驶员的状态根据驾驶集中度分为多个等级并建立对应关系。多个等级例如分为等级1、等级2及等级3这三个等级，但不限于此。这里，对设定为随着等级的编号变大而驾驶集中度降低的示例进行说明，但不限于此。也可以设定为随着等级的编号变大，驾驶集中度变高。

以旁视为例，对集中度表中所管理的信息进行说明。

如下所示，针对作为指标的旁视，集中度表将驾驶员的状态分别与等级1、等级2及等级3建立对应关系。等级1例如与以下驾驶员的状态建立对应关系，即驾驶员在相对于车辆1的行驶方向以0度以上且小于第一角度的范围内的角度倾斜的方向上进行观察。也就是说，等级1是驾驶员未旁视、驾驶集中度高的状态。等级2例如与以下驾驶员的状态建立对应关系，即驾驶员在相对于车辆1的行驶方向以第一角度以上且小于第二角度的范围内的角度倾斜的方向上进行观察。也就是说，等级2是驾驶员稍微旁视、与等级1相比驾驶集中度较低的状态。等级3例如与以下驾驶员的状态建立对应关系，即驾驶员在相对于车辆1的行驶方向以第二角度以上的角度倾斜的方向上进行观察。也就是说，等级3是驾驶员旁视、与等级2相比驾驶集中度较低的状态。这里，以旁视为例，对集中度表中所管理的信息进行了说明，但对于其他指标也是一样的。

对控制单元23的结构进行说明。

控制单元23包括处理器231和存储器232。

处理器231例如是构成计算机的CPU(Central Processing Unit：中央处理单元)。在后面描述处理器231所包括的各部的结构。需要说明的是，图2示出一个处理器231，但控制单元23可以包括一个以上的处理器。

存储器232包括用于使处理器231执行处理器231所包括的各部的处理的程序。程序也可以称为使处理器231运行的指令。程序存储在存储单元22中，并从存储单元22读出到存储器232中。存储器232的程序由处理器231读出。一实施方式可以通过程序来实现。

对处理器231所包括的各部的结构进行说明。

处理器231包括监视数据获取部2311、车外图像数据获取部2312、路径信息获取部2313、当前位置信息获取部2314、状态检测部2315、集中度推断部2316、基准比较部2317和信号输出部2318。需要说明的是，各部也可以分布在一个以上的处理器中。

监视数据获取部2311经由输入输出接口单元21从驾驶员相机15获取驾驶员图像数据。监视数据获取部2311将驾驶员图像数据存储到驾驶员图像数据存储部221中。

车外图像数据获取部2312经由输入输出接口单元21从车外相机6获取车外图像数据。车外图像数据获取部2312将车外图像数据存储到车外图像数据存储部222中。

路径信息获取部2313经由输入输出接口单元21从导航装置13获取路径信息。路径信息获取部2313将路径信息输出给状态检测部2315。

当前位置信息获取部2314经由输入输出接口单元21从GPS接收机10获取当前位置信息。当前位置信息获取部2314将当前位置信息输出给状态检测部2315。

状态检测部2315根据存储于驾驶员图像数据存储部221的驾驶员图像数据，检测驾驶员的状态。除了使用驾驶员图像数据之外，状态检测部2315还可以使用例如车外图像数据、路径信息及当前位置信息中的至少任意一个来检测上述对象认知程度，作为驾驶员的状态。在后面描述状态检测部2315检测驾驶员状态的示例。需要说明的是，状态检测部2315也可以不经由驾驶员图像数据存储部221而从监视数据获取部2311获取驾驶员图像数据。在这种情况下，存储单元22可以不包括驾驶员图像数据存储部221。

状态检测部2315将驾驶员的状态输出给集中度推断部2316。

集中度推断部2316基于由状态检测部2315检测到的驾驶员的状态，推断驾驶员的驾驶集中度。需要说明的是，如上所述根据驾驶员图像数据检测驾驶员的状态，因此集中度推断部2316也可以根据驾驶员图像数据推断驾驶员的驾驶集中度。

当车辆的驾驶模式为自动驾驶模式时，集中度推断部2316基于构成第一指标组的一个以上的指标，根据监视数据推断驾驶员的驾驶集中度(以下，也称为第一驾驶集中度)。集中度推断部2316例如可以推断与构成第一指标组的一个以上的指标分别对应的第一驾驶集中度。集中度推断部2316例如可以基于构成第一指标组的一个以上的指标，推断单一的第一驾驶集中度。在后者的情况下，集中度推断部2316也可以通过对构成第一指标组的各指标适当地设定权重，推断单一的第一驾驶集中度。对构成第一指标组的各指标设定的权重可以任意地变更。

当驾驶模式为手动驾驶模式时，集中度推断部2316基于构成与第一指标组不同的第二指标组的一个以上的指标，根据监视数据推断驾驶员的驾驶集中度(以下，也称为第二驾驶集中度)。集中度推断部2316例如可以推断与构成第二指标组的一个以上的指标分别对应的第二驾驶集中度。集中度推断部2316例如可以基于构成第二指标组的一个以上的指标来推断单一的第二驾驶集中度。在后者的情况下，集中度推断部2316也可以通过对构成第二指标组的各指标适当地设定权重，推断单一的第二驾驶集中度。对构成第二指标组的各指标设定的权重可以任意地变更。

在后面描述第一指标组和第二指标组的结构例。

在一例中，集中度推断部2316能够用比例等数值推断驾驶集中度。由集中度推断部2316推断的数值既可以随着驾驶集中度的提高而增大，也可以随着驾驶集中度的提高而减小。

在另一示例中，集中度推断部2316能够参照存储于集中度表存储部223的集中度表，根据多个等级推断与驾驶员状态对应的驾驶集中度的等级。需要说明的是，当集中度推断部2316用数值推断驾驶集中度时，存储单元22也可以不包括集中度表存储部223。

集中度推断部2316的驾驶集中度的推断也可以使用机器学习和深度学习等AI(Artificial Intelligence：人工智能)功能来进行。在这种情况下，集中度推断部2316例如可以通过将过去的推断结果灵活运用于当前驾驶集中度的推断，从而高精度地推断驾驶员的状态。

基准比较部2317将由集中度推断部2316推断的驾驶集中度与基准进行比较。当集中度推断部2316推断关于多个指标各自的驾驶集中度时，基准比较部2317将关于多个指标各自的驾驶集中度与基准进行比较。当集中度推断部2316基于多个指标推断单一的驾驶集中度时，基准比较部2317将单一的驾驶集中度与基准进行比较。基准比较部2317例如将由集中度推断部2316推断的驾驶集中度与作为基准的基准值或基准等级进行比较。若驾驶集中度在基准值或基准等级以上，则基准比较部2317判断为驾驶集中度满足基准。基准比较部2317将比较结果输出给信号输出部2318。此外，基准也可以任意地变更。

作为一例，对基准比较部2317进行的用数值推断的驾驶集中度与基准的比较进行说明。

首先，对由集中度推断部2316推断的数值随着驾驶集中度的提高而增大的情况进行说明。将基准值设为数值A。若由集中度推断部2316推断的数值小于基准值即数值A，则基准比较部2317判断为由集中度推断部2316推断的驾驶集中度低于基准值。

接着，对由集中度推断部2316推断的数值随着驾驶集中度的提高而减小的情况进行说明。若由集中度推断部2316推断的数值大于基准值即数值A，则基准比较部2317判断为由集中度推断部2316推断的驾驶集中度低于基准值。

作为另一示例，对基准比较部2317进行的用等级推断的驾驶集中度与基准等级的比较进行说明。

基准等级是从多个等级中提取的等级B。当将低于基准等级即等级B的驾驶集中度分配给由集中度推断部2316推断的等级时，基准比较部2317判断为由集中度推断部2316推断的驾驶集中度低于基准等级。

这里，对于如上所述集中度表针对各指标，将驾驶员的状态分为等级1、等级2及等级3这三个等级并建立对应关系的示例进行具体说明。例如，将基准等级设为等级1。基准比较部2317判断为由集中度推断部2316推断的等级2或等级3低于作为基准等级的等级1。另一方面，基准比较部2317判断为由集中度推断部2316推断的等级1不低于作为基准等级的等级1。

信号输出部2318经由输入输出接口单元21向各部输出信号。以下，对信号输出部2318输出的几个信号的示例进行说明。

信号输出部2318基于来自基准比较部2317的比较结果，判断是否将指示驾驶员执行辅助的指示信号输出给辅助提供装置。在由集中度推断部2316推断的驾驶集中度不满足基准时，信号输出部2318输出指示信号。若从信号输出部2318接收到指示信号，则辅助提供装置对驾驶员执行预定的辅助。辅助提供装置例如是导航装置13或声音输出装置16。

导航装置13基于指示信号，以图像或视频方式在显示器131上显示用于提醒驾驶员注意的警告。声音输出装置16基于指示信号，以声音方式从扬声器161输出用于提醒驾驶员注意的警告。警告只要是提醒驾驶员注意例如驾驶集中度低或者需要集中精力驾驶等的内容即可，并不限于特定的输出方式。驾驶员可以通过警告识别出驾驶员自身不处于适合驾驶车辆1的状态，并且可以重新集中精力驾驶车辆1。此外，信号输出部2318也可以将指示信号输出给除导航装置13和声音输出装置16之外的辅助提供装置。信号输出部2318例如可以向对驾驶员施加振动等外部刺激的支持提供装置输出指示信号。所谓对驾驶员的辅助，只要是基于驾驶集中度作用于驾驶员的输出内容即可，除了警告和注意提醒、信息提供之外，还包括督促改善驾驶集中度的各种辅助。

信号输出部2318可以在根据多个指标推断的多个驾驶集中度中的一个以上的驾驶集中度不满足基准时输出指示信号。信号输出部2318也可以在根据多个指标推断的多个驾驶集中度中的预定数量以上的驾驶集中度不满足基准时输出指示信号。信号输出部2318可以在基于多个指标推断的单一驾驶集中度不满足基准时输出指示信号。

信号输出部2318也可以将用于切换驾驶模式的切换信号输出给自动驾驶控制装置14。

接着，对状态检测部2315使用驾驶员图像数据检测驾驶员状态的示例进行说明。需要说明的是，驾驶员状态的检测方法并不限于这里说明的示例。

图3是示出状态检测部2315的结构的框图。作为一例，状态检测部2315包括局部状态检测部23151、全局状态检测部23152和驾驶员状态检测部23153。

局部状态检测部23151检测驾驶员图像数据中驾驶员脸部所包含的器官中的至少一个的状态。脸部所包含的器官例如是眼睛、嘴部、鼻子及耳朵，但也可以是除此之外的器官。当局部状态检测部23151检测眼睛的状态时，局部状态检测部23151例如检测驾驶员的眼睛的开合度、视线方向及脸部朝向等。局部状态检测部23151将检测结果(以下，也称为局部信息)输出给驾驶员状态检测部23153。

全局状态检测部23152检测驾驶员图像数据中驾驶员的全局状态中的至少一种状态。全局状态例如是驾驶员的动作和姿势等，但也可以是除此之外的状态。全局状态检测部23152将检测结果(以下，也称为全局信息)输出给驾驶员状态检测部23153。

驾驶员状态检测部23153使用来自局部状态检测部23151的局部信息和来自全局状态检测部23152的全局信息，检测上述驾驶员的状态。

如此，状态检测部2315例如可以通过组合局部信息和全局信息，检测各种驾驶员的状态。

接着，对状态检测部2315检测对象认知程度的几个示例进行说明。状态检测部2315可以使用监视数据和对象的位置信息，检测对象认知程度。

作为一例，除了使用驾驶员图像数据之外，状态检测部2315还可以使用车外图像数据，如下所述检测基于驾驶员视觉的对象认知程度。状态检测部2315从车外图像数据中提取用于检测对象认知程度的对象。对象例如是标识等设置物和建筑物等，但只要是驾驶员(例如通过目视)可能确认并意识到的物体即可，没有特别限定。状态检测部2315根据在与提取有对象的车外图像数据的拍摄定时大致相同的定时拍摄到的驾驶员图像数据，检测驾驶员的视线和脸部朝向。如上所述，由局部状态检测部23151检测驾驶员的视线和脸部朝向。状态检测部2315使用驾驶员的视线和脸部朝向中的至少一方和对象的位置信息，检测对象认知程度。可以说随着驾驶员的视线和脸部朝向面向对象，对象认知程度提高。

对状态检测部2315用于检测对象认知程度高低的几个实施例进行说明。

在一实施例中，状态检测部2315可以以驾驶员的视线和脸部朝向中的至少一方在与对象位置一致的状态下滞留预定时间为条件，检测为对象认知程度高。另一方面，当驾驶员的视线和脸部朝向中的至少一方朝向对象位置但未认识到对象而通过时，状态检测部2315可以检测为对象认知程度低。状态检测部2315也可以根据驾驶员的视线和脸部朝向中的至少一方在与对象位置一致的状态下滞留的时间长度，检测对象认知程度。

在另一实施例中，状态检测部2315可以基于被设想为驾驶员认知对象的结果产生的特定驾驶操作或有无驾驶员动作，推断对象认知程度。例如，当驾驶员认知到车辆1前方的人行横道附近存在行人时，设想为驾驶员进行减速操作。因此，在集中度判定装置2检测到车辆1前方的人行横道附近存在行人的情况下，状态检测部2315可以在检测到驾驶员的减速操作时，检测为对象认知程度高。另一方面，在集中度判定装置2检测到车辆1前方的人行横道附近存在行人的情况下，状态检测部2315若经过预定时间也无法检测到驾驶员的减速操作，则也可以检测为对象认知程度低。例如，状态检测部2315也可以根据从集中度判定装置2检测作为对象的行人之后到检测驾驶员的减速操作为止的时间长度，检测对象认知程度。

作为另一示例，除了使用驾驶员图像数据之外，状态检测部2315还可以使用路径信息和当前位置信息，如下所述检测对象认知程度。

状态检测部2315参照路径信息和当前位置信息，提取位于车辆1附近的对象。如上所述，对象例如是标识等设置物和建筑物等，但只要是驾驶员(例如通过目视)可能确认并意识到的物体即可，没有特别限定。状态检测部2315根据与车辆1通过对象附近的定时大致相同的定时拍摄到的驾驶员图像数据，检测驾驶员的视线和脸部朝向。状态检测部2315使用驾驶员的视线和脸部朝向中的至少任意一方和对象的位置信息，检测对象认知程度。

作为另一示例，状态检测部2315可以通过路车间通信获得对象的位置和车辆1通过对象附近的定时。在这种情况下，状态检测部2315根据在与车辆1通过对象附近的定时大致相同的定时拍摄到的驾驶员图像数据，检测驾驶员的视线和脸部朝向。状态检测部2315使用驾驶员的视线和脸部朝向中的至少任意一方和对象的位置信息，检测对象认知程度。

作为另一示例，状态检测部2315可以使用在导航装置13的显示器131上显示的图像或视频作为对象。在这种情况下，状态检测部2315根据在与图像或视频显示在显示器131上的定时大致相同的定时拍摄的驾驶员图像数据，检测驾驶员的视线和脸部朝向。状态检测部2315使用驾驶员的视线和脸部朝向中的至少任意一方和对象的位置信息，检测对象认知程度。

如上所述，通过状态检测部2315至少使用监视数据和对象的位置信息，状态检测部2315能够适当地检测以对象认知程度为指标的驾驶员状态。

此外，状态检测部2315可以使用位于车辆1前后左右任意附近的对象。状态检测部2315优选为使用位于相比车辆1的前侧更靠左侧或右侧附近的对象。若对象位于车辆1的前侧，则驾驶员的视线和脸部没有多大的移动。与此相对，若对象位于车辆1的左侧或右侧附近，则驾驶员的视线和脸部向左侧或右侧移动。因此，状态检测部2315能够适当地检测对象认知程度。

对上述第一指标组和第二指标组的几个构成例进行说明。

首先，对第一指标组和第二指标组分别所包含的指标的类型进行说明。

作为一例，第一指标组可以包括第一类指标，第一类指标优选地在自动驾驶模式中推断驾驶集中度以考虑到驾驶的安全性和驾驶的舒适性这两者。第二指标组可以包括第二类指标，第二类指标优选地在手动驾驶模式中推断驾驶集中度以考虑到驾驶的安全性和驾驶的舒适性这两者。

在此，对第一类指标及第二类指标的例子进行说明。

假设指标X1涉及在自动驾驶模式下需要被监视但在手动驾驶模式下不需要被监视的驾驶员的状态。指标X1根据其程度，很可能影响自动驾驶模式下的驾驶安全性。因此，指标X1是第一类指标的示例。指标X1例如是横面坐着、盘腿、放倒座位躺着等不能驾驶的姿势及读书等。

假设指标X2涉及在自动驾驶模式下不需要被监视但在手动驾驶模式下需要被监视的驾驶员的状态。指标X2根据其程度，很可能影响手动驾驶模式下的驾驶安全性。因此，指标X2是第二类指标的示例。指标X2例如是直行过程中的旁视、对象认知程度及汽车导航音频操作等。

假设指标X3涉及无论是在自动驾驶模式还是手动驾驶模式下都需要被监视的驾驶员的状态。指标X3根据其程度，无论是在自动驾驶模式还是手动驾驶模式下，都很有可能影响到驾驶的安全性。因此，指标X3既是第一类指标的示例，也是第二类指标的示例。指标X3例如是困倦、交叉路口处的旁视及疾病的发作等。

若第一指标组至少包括一个第一类指标，则第一指标组可以说是在自动驾驶模式中优选或适合于推断驾驶集中度的指标组。集中度判定装置2通过使用第一指标组，能够在自动驾驶模式的情况下，推断与第一类指标对应的驾驶集中度。集中度判定装置2能够向驾驶员要求适合自动驾驶模式的驾驶集中度。

另一方面，若第二指标组至少包括一个第二类指标，则第二指标组可以说是在手动驾驶模式中优选或适合于推断驾驶集中度的指标组。集中度判定装置2通过使用第二指标组，能够在手动驾驶模式的情况下，推断与第二类指标对应的驾驶集中度。集中度判定装置2能够向驾驶员要求适合手动驾驶模式的驾驶集中度。

例如，第二指标组也可以包括驾驶员对于对象的认知程度(对象认知程度)作为指标，该指标不包括在第一指标组中。对象认知程度是指标X2的示例。在手动驾驶模式的情况下，驾驶员很可能确认标识等。另一方面，在自动驾驶模式的情况下，驾驶员可能不确认标识等。在假定第一指标组包括对象认知程度作为指标的情况下，集中度判定装置2很可能不必要地发出警告。此外，即使在自动驾驶模式的情况下对象认知程度较差，驾驶员也能够在发生意外事态时立即进入手动驾驶的状态。因此，即使第一指标组不包括对象认知程度作为指标，也能够确保驾驶的安全性。

根据该示例，在手动驾驶模式的情况下，集中度判定装置2能够针对影响驾驶安全性较大的指标即对象认知程度，监视驾驶员是否处于适合驾驶的状态。由此，在手动驾驶模式的情况下，驾驶员能够确保集中精力驾驶的状态。进而，在自动驾驶模式的情况下，相比手动驾驶模式的情况，对象认知程度有可能降低，但集中度判定装置2在自动驾驶模式的情况下不考虑对象认知程度。由此，驾驶员在自动驾驶模式的情况下不易受到过度的警告，因此能够舒适地确保集中精力驾驶的状态。

作为另一示例，第二指标组可以包括第三类指标，第三类指标涉及无论是在自动驾驶模式还是手动驾驶模式中都进行监视的必要性低的驾驶员状态。不管其程度如何，第三类指标无论是在自动驾驶模式还是手动驾驶模式下都很可能不影响驾驶的安全性。第三类指标例如是在交通堵塞所导致的停车过程中的旁视等。例如，车辆1有时因发生交通堵塞而停止。在车辆1的停车过程中，驾驶员有时无论驾驶模式如何，都会环顾周围的状况。因此，交通堵塞所导致的停车过程中的旁视是从驾驶安全性的观点来看，无论驾驶模式如何推断驾驶集中度的必要性都较低的驾驶员状态。然而，在发生交通堵塞时，驾驶员无法预测车辆1前方的其他车辆何时前进。在驾驶模式为自动驾驶模式的情况下，车辆1能够跟随车辆1前方的其他车辆的开始行驶而自动平稳地开始行驶。另一方面，在驾驶模式为手动驾驶模式的情况下，若驾驶员未注意到车辆1前方的其他车辆开始行驶，则车辆1保持停止状态。

若第一指标组不包括第三类指标，第二指标组至少包括一个第三类指标，则第二指标组可以说是相比第一指标组对于驾驶集中度的推断更加严格的指标组。在手动驾驶模式的情况下，相比自动驾驶模式的情况，集中度判定装置2能够更严格地监视驾驶员是否处于适合驾驶的状态。由此，在手动驾驶模式的情况下，相比自动驾驶模式的情况，驾驶员能够确保集中精力驾驶的状态。进而，不仅在驾驶模式为自动驾驶模式的情况下，而且在驾驶模式为手动驾驶模式的情况下，驾驶员都能够顺利地驾驶车辆1。

接着，对分别构成第一指标组和第二指标组的指标的数量进行说明。

作为一例，第二指标组可以由比构成第一指标组的指标数量多的指标组成。此外，分别构成第一指标组和第二指标组的指标的内容不受限制。

根据该示例，集中度判定装置2能够在手动驾驶模式的情况下，针对比自动驾驶模式的情况更多的指标推断驾驶集中度。在手动驾驶模式的情况下，相比自动驾驶模式的情况，集中度判定装置2能够更严格地监视驾驶员是否处于适合驾驶的状态。由此，在手动驾驶模式的情况下，相比自动驾驶模式的情况，驾驶员能够确保集中精力驾驶的状态。进而，在自动驾驶模式的情况下，相比手动驾驶模式的情况，驾驶员不易受到警告，因此无论驾驶模式如何，驾驶员都能够舒适地确保集中精力驾驶的状态。

接着，对第一指标组和第二指标组中重复的指标数量进行说明。

作为一例，第二指标组可以由构成第一指标组的所有指标和不包含在第一指标组中的一个以上的指标构成。也就是说，第一指标组可以说是第二指标组的子集。此外，分别构成第一指标组和第二指标组的指标的内容不受限制。

根据该示例，集中度判定装置2能够在手动驾驶模式的情况下，针对比自动驾驶模式的情况更多的指标推断驾驶集中度。在手动驾驶模式的情况下，相比自动驾驶模式的情况，集中度判定装置2能够更严格地监视驾驶员是否处于适合驾驶的状态。由此，无论驾驶模式如何，驾驶员都能够安全且舒适地确保适当集中精力驾驶的状态。进而，与第一指标组不是第二指标组的子集的情况相比，集中度判定装置2能够减少推断驾驶集中度所需的指标的数量。因此，可减轻集中度判定装置2的处理负荷。

作为另一示例，第二指标组可以由与构成第一指标组的指标都不同的一个以上的指标构成。例如，第一指标组可以由一个以上的指标X1构成，第二指标组可以由一个以上的指标X2构成。此外，分别构成第一指标组和第二指标组的指标的内容不受限制。

根据该示例，集中度判定装置2能够使用由针对每种驾驶模式优选的指标结构的指标组，适当地监视驾驶者是否处于适合驾驶的状态。由此，无论驾驶模式如何，驾驶员都能够安全且舒适地确保适当集中精力驾驶的状态。

进而，作为另一示例，第二指标组可以由构成第一指标组的指标中的至少一个指标和不包括在第一指标组中的至少一个指标构成。例如，第一指标组可以由一个以上的指标X1及一个以上的指标X3构成，第二指标组可以由一个以上的指标X2及一个以上的指标X3构成。此外，分别构成第一指标组和第二指标组的指标的内容不受限制。

根据该示例，集中度判定装置2能够使用由针对每种驾驶模式优选的指标结构的指标组，适当地监视驾驶者是否处于适合驾驶的状态。由此，无论驾驶模式如何，驾驶员都能够安全且舒适地确保适当集中精力驾驶的状态。进而，集中度判定装置2能够通过使第一指标组和第二指标组各自所包含的指标的一部分共用化，从而减轻处理负荷。

此外，第一指标组和第二指标组并不限于上述的几个构成例。因此，例如，分别构成第一指标组和第二指标组的指标的内容不受限制。例如，分别构成第一指标组和第二指标组的指标的数量也不受限制。例如，第一指标组和第二指标组中重复的指标的数量也不受限制。

(动作)

接着，说明如上所述结构的集中度判定装置2的动作。图4是示出作为集中度判定装置2进行集中度判定的一例的顺序的流程图。

监视数据获取部2311从监视车辆1的驾驶员的传感器获取监视数据(步骤S101)。在步骤S101中，监视数据获取部2311例如经由输入输出接口单元21从驾驶员相机15获取驾驶员图像数据。此外，监视数据获取部2311获取监视数据的间隔可以与状态检测部2315检测驾驶员状态的间隔相同，也可以比该间隔短。

接着，状态检测部2315根据监视数据检测驾驶员的状态(步骤S102)。在步骤S102中，状态检测部2315例如根据驾驶员图像数据检测驾驶员的状态。状态检测部2315例如可以以预先设定的间隔检测驾驶员的状态。在自动驾驶模式和手动驾驶模式中，状态检测部2315可以以相同的间隔检测驾驶员的状态，也可以以不同的间隔检测驾驶员的状态。状态检测部2315也可以在任意的定时检测驾驶员的状态。

接着，集中度推断部2316判断车辆1的驾驶模式是否为自动驾驶模式(步骤S103)。在车辆1的驾驶模式为自动驾驶模式时(步骤S103、是)，集中度推断部2316选择第一指标组作为用于推断驾驶集中度的指标组(步骤S104)。集中度推断部2316基于构成第一指标组的一个以上的指标，根据监视数据推断驾驶员的第一驾驶集中度(步骤S105)。也就是说，在步骤S105中，在车辆1的驾驶模式为自动驾驶模式时，集中度推断部2316基于构成第一指标组的一个以上的指标，根据监视数据推断驾驶员的第一驾驶集中度。

接着，基准比较部2317将第一驾驶集中度与基准进行比较(步骤S106)。在第一驾驶集中度满足基准时(步骤S106、是)，集中度判定装置2的处理可以从步骤S106转移到步骤S101。在第一驾驶集中度不满足基准时(步骤S106、否)，信号输出部2318输出指示驾驶者执行辅助的指示信号(步骤S107)。

在车辆1的驾驶模式不是自动驾驶模式时(步骤S103、否)，集中度推断部2316选择第二指标组作为用于推断驾驶集中度的指标组(步骤S108)。这里，驾驶模式不是自动驾驶模式的情况相当于驾驶模式是手动驾驶模式的情况。接着，集中度推断部2316根据监视数据基于构成第二指标组的一个以上的指标，推断驾驶员的第二驾驶集中度(步骤S105)。也就是说，在步骤S105中，在车辆1的驾驶模式是手动驾驶模式时，集中度推断部2316根据监视数据基于构成第二指标组的一个以上的指标，推断驾驶者的第二驾驶集中度。

接着，基准比较部2317将第二驾驶集中度与基准进行比较(步骤S106)。在第二驾驶集中度满足基准时(步骤S106、是)，集中度判定装置2的处理可以从步骤S106转移到步骤S101。在第二驾驶集中度不满足基准时(步骤S106、否)，信号输出部2318输出指示驾驶者执行辅助的指示信号(步骤S107)。

(效果)

如上所述，在本发明的一实施方式中，集中度判定装置2根据车辆是自动驾驶模式还是手动驾驶模式，选择性地使用第一指标组和第二指标组来判定驾驶员是否处于适合驾驶的状态。因此，集中度判定装置2能够向驾驶员要求与驾驶模式相应的驾驶集中度。由此，驾驶员能够根据驾驶模式确保适当集中精力驾驶的状态。例如，若在手动驾驶模式下则驾驶员可通过驾驶确保集中的状态，若在自动驾驶模式下则驾驶员虽不手动驾驶，但可以确保应对意外事态的状态。因此，无论驾驶员所处的状况如何，都能够确保驾驶的安全性。

进而，即使在手动驾驶模式情况和自动驾驶模式的情况下驾驶员的状态是相同的状态，集中度判定装置2根据驾驶员的状态，在手动驾驶模式的情况下输出指示信号，但在自动驾驶模式的情况下不输出指示信号。因此，集中度判定装置2特别是在自动驾驶模式的情况下能够减少过度的指示信号的输出。由此，特别是在自动驾驶模式的情况下驾驶员不会受到过度的警告，因此无论驾驶模式如何，驾驶员都能够舒适地确保集中精力驾驶的状态。因此，无论驾驶员所处的状况如何，都能够确保驾驶的舒适性。

如此，根据一实施方式，集中度判定装置2能够考虑到驾驶的安全性和驾驶的舒适性这两者。

[其他实施方式]

在上述一实施方式中，集中度判定装置2使用驾驶员相机15拍摄到的驾驶员图像数据作为监视数据，检测驾驶员的状态并推断驾驶集中度。然而，监视数据不限于驾驶员图像数据。监视数据例如可以是由监视车辆1的驾驶员的生物体传感器获得的生物体数据。生物体传感器例如是脉搏波传感器或心率传感器。生物体传感器只要能够监视驾驶员即可，并不限于此。此外，生物体传感器可以是接触式传感器，也可以是非接触式传感器。集中度判定装置2能够根据生物体数据检测驾驶员的状态。根据生物体数据检测到的驾驶员的状态例如是脉搏波或心率等指标。

进而，监视数据例如可以是由设置于方向盘5的用于测量驾驶员抓握方向盘5的强度的传感器获得的数据。

总之，本发明并不限于上述实施方式的原样，在实施阶段可以在不脱离其主旨的范围内使构成要素变形而具体化。另外，通过上述实施方式中公开的多个构成要素的适当组合，能够形成各种发明。例如，可以从实施方式中例示的所有构成要素中删除一些构成要素。进而，也可以适当组合不同实施方式的结构要素。

另外，上述实施方式也可以通过存储有程序的ROM(Read Only Memory：只读存储器)等存储介质来实现，该程序使处理器231执行处理器231所包括的各部的处理。

上述实施方式的一部分或全部也可以如下述附录那样记载，但并不限于以下。

(附录1)

一种集中度判定装置，包括处理器和存储使所述处理器运行的指令的存储器，

所述处理器构成为：

从用于监视车辆驾驶员的传感器获取监视数据，

当所述车辆的驾驶模式为自动驾驶模式时，根据所述监视数据基于构成第一指标组的一个以上的指标，推断所述驾驶员的第一驾驶集中度，当所述驾驶模式为手动驾驶模式时，根据所述监视数据基于构成与所述第一指标组不同的第二指标组的一个以上的指标，推断所述驾驶员的第二驾驶集中度，

将所述第一驾驶集中度或所述第二驾驶集中度与基准进行比较，

当所述第一驾驶集中度或所述第二驾驶集中度不满足所述基准时，输出指示针对所述驾驶员执行辅助的指示信号。

(附录2)

一种集中度判定方法，包括：

监视数据获取过程，使用至少一个处理器，从用于监视车辆驾驶员的传感器获取监视数据；

集中度推断过程，使用所述至少一个处理器，当所述车辆的驾驶模式为自动驾驶模式时，根据所述监视数据基于构成第一指标组的一个以上的指标，推断所述驾驶员的第一驾驶集中度，当所述驾驶模式为手动驾驶模式时，根据所述监视数据基于构成与所述第一指标组不同的第二指标组的一个以上的指标，推断所述驾驶员的第二驾驶集中度；

基准比较过程，使用所述至少一个处理器，将所述第一驾驶集中度或所述第二驾驶集中度与基准进行比较；以及

信号输出过程，使用所述至少一个处理器，当所述第一驾驶集中度或所述第二驾驶集中度不满足所述基准时，输出指示针对所述驾驶员执行辅助的指示信号。

Claims (9)

1.一种集中度判定装置，包括：

监视数据获取部，从用于监视车辆驾驶员的传感器获取监视数据；

集中度推断部，当所述车辆的驾驶模式为自动驾驶模式时，所述集中度推断部根据所述监视数据基于构成第一指标组的一个以上的指标，推断所述驾驶员的第一驾驶集中度，当所述驾驶模式为手动驾驶模式时，所述集中度推断部根据所述监视数据基于构成与所述第一指标组不同的第二指标组的一个以上的指标，推断所述驾驶员的第二驾驶集中度；

基准比较部，将所述第一驾驶集中度或所述第二驾驶集中度与基准进行比较；以及

信号输出部，当所述第一驾驶集中度或所述第二驾驶集中度不满足所述基准时，所述信号输出部输出指示针对所述驾驶员执行辅助的指示信号。

2.根据权利要求1所述的集中度判定装置，其中，

所述第二指标组由比构成所述第一指标组的指标数量多的指标构成。

3.根据权利要求2所述的集中度判定装置，其中，

所述第二指标组由构成所述第一指标组的所有指标和不包含在所述第一指标组中的一个以上的指标构成。

4.根据权利要求1所述的集中度判定装置，其中，

所述第二指标组由与构成所述第一指标组的指标都不同的一个以上的指标构成。

5.根据权利要求1所述的集中度判定装置，其中，

所述第二指标组由构成所述第一指标组的指标中的至少一个指标和不包含在所述第一指标组中的至少一个指标构成。

6.根据权利要求1所述的集中度判定装置，其中，

所述第二指标组包括不包括在所述第一指标组中的所述驾驶员对于对象的认知程度作为指标。

7.根据权利要求6所述的集中度判定装置，其中，

所述集中度判定装置包括状态检测部，所述状态检测部使用所述监视数据和所述对象的位置信息来检测所述认知程度。

8.一种集中度判定方法，包括：

监视数据获取过程，从用于监视车辆驾驶员的传感器获取监视数据；

集中度推断过程，当所述车辆的驾驶模式为自动驾驶模式时，根据所述监视数据基于构成第一指标组的一个以上的指标，推断所述驾驶员的第一驾驶集中度，当所述驾驶模式为手动驾驶模式时，根据所述监视数据基于构成与所述第一指标组不同的第二指标组的一个以上的指标，推断所述驾驶员的第二驾驶集中度；

基准比较过程，将所述第一驾驶集中度或所述第二驾驶集中度与基准进行比较；以及

信号输出过程，当所述第一驾驶集中度或所述第二驾驶集中度不满足所述基准时，输出指示针对所述驾驶员执行辅助的指示信号。

9.一种用于集中度判定的程序，使计算机执行权利要求1至7中任一项记载的集中度判定装置所包括的各部的处理。