CN111739340B - 评价装置 - Google Patents
评价装置 Download PDFInfo
- Publication number
- CN111739340B CN111739340B CN202010105934.7A CN202010105934A CN111739340B CN 111739340 B CN111739340 B CN 111739340B CN 202010105934 A CN202010105934 A CN 202010105934A CN 111739340 B CN111739340 B CN 111739340B
- Authority
- CN
- China
- Prior art keywords
- risk
- value
- driver
- risk value
- determined
- Prior art date
- Legal status (The legal status 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 status listed.)
- Expired - Fee Related
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 47
- 230000009471 action Effects 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 description 31
- 238000004364 calculation method Methods 0.000 description 13
- 238000000605 extraction Methods 0.000 description 12
- 238000013500 data storage Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000002093 peripheral effect Effects 0.000 description 6
- 230000009257 reactivity Effects 0.000 description 6
- 238000012502 risk assessment Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000004043 responsiveness Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- 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
- B60W40/02—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 ambient conditions
- B60W40/06—Road conditions
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/30—Driving style
-
- 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
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/05—Type of road, e.g. motorways, local streets, paved or unpaved roads
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/40—High definition maps
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及评价装置,进行与驾驶员的感觉相符的风险评价。评价装置对在车辆所行驶的道路的周边存在的风险进行评价。评价装置具备:第一判定机构,基于表示车辆的驾驶员的驾驶行动的特征量来对表示上述道路的一个区间内的风险的有无以及所存在的风险的程度的第一风险值进行判定;第二判定机构,基于道路的周边信息来对表示一个区间内的风险的有无以及所存在的风险的程度的第二风险值进行判定;及输出机构,在由第一判定机构判定为有风险的情况下,无论第二判定机构的判定结果如何,均将第一风险值作为表示一个区间的风险的确定风险值输出,在由第一判定机构判定为无风险且由第二判定机构判定为有风险的情况下,将第二风险值作为确定风险值输出。
Description
技术领域
本发明涉及进行与车辆行驶时的风险相关的评价的评价装置的技术领域。
背景技术
作为这种装置,公知有一种基于周边信息(换言之,环境信息)来评价车辆所行驶的区间的风险的装置。例如在专利文献1中,公开了一种使用表示地理区域内的地形的地图信息来评价当前或将来的事故发生风险的装置。
专利文献1:日本特开2018-032343号公报
如上述的专利文献1所记载的技术那样,某个地点处的风险取决于周边信息,但难以仅通过周边信息就准确地评价风险。另外,还存在评价所利用的周边信息本身不完整的情况(例如旧的地图信息等)。这样,在无法准确地评价风险的情况下,存在风险的评价结果与车辆的驾驶员的感觉不符的可能性。具体而言,会产生即便是驾驶员感到风险那样的位置也被评价为无风险,或相反即便是驾驶员完全感受不到风险那样的位置也被评价为有风险这一技术问题点。
发明内容
本发明例如是鉴于上述问题点而完后的,其课题在于,提供一种能够进行符合驾驶员的感觉的风险评价的评价装置。
在本发明所涉及的评价装置的一个方式中,评价装置对在车辆所行驶的道路的周边存在的风险进行评价,具备:第一判定机构,基于表示上述车辆的驾驶员的驾驶行动的特征量来对表示上述道路的一个区间内的风险的有无以及所存在的风险的程度的第一风险值进行判定;第二判定机构,基于上述道路的周边信息来对表示上述一个区间内的风险的有无以及所存在的风险的程度的第二风险值进行判定;以及输出机构,(i)在由上述第一判定机构判定为有风险的情况下,无论上述第二判定机构的判定结果如何,均将上述第一风险值作为表示上述一个区间的风险的确定风险值输出,(ii)在由上述第一判定机构判定为无风险且由上述第二判定机构判定为有风险的情况下,将上述第二风险值作为上述确定风险值输出。
附图说明
图1是表示实施方式所涉及的评价装置的结构的框图。
图2是表示第一风险判定部的结构的框图。
图3是表示从行驶数据提取的特征量的一个例子的图表。
图4是表示特征量的聚类(Clustering)的一个例子的表。
图5是表示根据各集群(Cluster)的特征量的平均值来决定集群等级的方法的表。
图6是表示决定地点驾驶员类型的方法的一个例子的表。
图7是表示根据地点驾驶员类型决定驾驶员类型的方法的一个例子的表。
图8是表示加速器开度为0的区间的图表。
图9是表示基于加速器断开期间比例来计算第一风险值的方法的一个例子的图表。
图10是表示实施方式所涉及的评价装置的动作的流程的流程图。
图11是表示在实施方式所涉及的评价装置中判定的第一风险值及第二风险值、以及所决定的确定风险值的一个例子的表。
附图标记说明:
10…评价装置;50…已知风险判定部;100…第一风险判定部;110…行驶数据取得部;120…特征量提取部;130…聚类部;140…驾驶员类型决定部;150…分类数据存储部;160…风险值计算部;200…第二风险判定部;300…确定风险决定部。
具体实施方式
以下,参照附图对评价装置的实施方式进行说明。
<评价装置的结构>
首先,参照图1对本实施方式所涉及的评价装置的结构进行说明。图1是表示实施方式所涉及的评价装置的结构的框图。
在图1中,本实施方式所涉及的评价装置10被构成为能够评价车辆所行驶的区间的风险(例如碰撞的危险性等)。评价装置10例如构成为具备运算装置、存储器等,且作为构成其功能的物理处理电路或者逻辑处理区块而具备已知风险判定部50、第一风险判定部100、第二风险判定部200以及确定风险决定部300。
已知风险判定部50例如构成为能够根据导航系统等所持有的地图信息来对在成为评价的对象的区间是否存在已知的风险(例如交叉路口、弯道等)进行判定。其中,由于已知风险的判定方法能够适当地采用现有的技术,所以省略这里的详细说明。成为由已知风险判定部50判定为有风险的区间被设定为“风险区间”,且与风险区间相关的信息被分别输出至第一风险判定部100以及第二风险判定部200的结构。已知风险判定部50是后述的附注中的“第三判定机构”的一个具体例。
第一风险判定部100被构成为能够针对由已知风险判定部50判定出的风险区间判定是否存在第一风险。这里的“第一风险”是基于车辆的驾驶员的驾驶行动而判定的风险。第一风险判定部100还构成为不仅能够判定第一风险的存在的有无、还能判断表示第一风险的程度(换言之,风险的大小)的第一风险值。第一风险判定部100例如针对不存第一风险的区间输出第一风险值=“无”这一判定结果,另一方面,针对存在第一风险的区间,根据该风险的程度而输出第一风险值=“大”、第一风险值=“中”或者第一风险值=“小”这一判定结果。第一风险值的具体的判定(计算)方法能够适当地采用现有的技术,对其一个例子将稍后详述。成为第一风险判定部100的判定结果(即,第一风险值)被输出至确定风险决定部300的构成。第一风险判定部100是后述的附注中的“第一判定机构”的一个具体例。
第二风险判定部200被构成为能够针对由已知风险判定部50判定出的风险区间判定是否存在第二风险。这里的“第二风险”是基于成为对象的区间的周边信息而判定的风险。其中,第二风险的判定所使用的周边信息是精度比在已知风险判定部50中使用的信息高的信息(例如包含地形信息等的高精度的地图信息等)。因此,即便是在已知风险判定部50中判定为存在已知风险的情况,也有可能判定为不存在第二风险。第二风险判定部200还构成为不仅能够判定第二风险的存在的有无、还能够判定表示第二风险的程度(换言之,风险的大小)的第二风险值。第二风险判定部200例如针对不存在第二风险的区间输出第二风险值=“无”这一判定结果,另一方面,针对存在第二风险的区间,根据该风险的程度而输出第二风险值=“大”、第二风险值=“中”或者第二风险值=“小”这一判定结果。由于第二风险值的具体的判定(计算)方法能够适当地采用现有的技术,所以省略这里的详细说明。成为第二风险判定部200的判定结果(即第二风险值)被输出至确定风险决定部300的构成。第二风险判定部200是后述的附注中的“第二判定机构”的一个具体例。
确定风险决定部300被构成为能够基于第一风险判定部100以及第二风险判定部200的判定结果来决定表示成为对象的区间的风险的程度的确定风险值。对于确定风险决定部300的确定风险值的具体决定方法将稍后详述。确定风险决定部300被构成为能够利用例如设置于车辆的显示器等来对于驾驶员提示(输出)所决定的确定风险值。确定风险决定部300是后述的附注中的“输出机构”的一个具体例。
<第一风险判定部的结构>
接下来,参照图2对第一风险判定部100的具体结构进行说明。第一风险判定部100具备行驶数据取得部110、特征量提取部120、聚类部130、驾驶员类型决定部140、分类数据存储部150以及风险值计算部160作为构成其功能的物理处理电路或者逻辑处理区块。
行驶数据取得部110被构成为能够取得包括正行驶的车辆中的各种参数、位置信息的行驶数据。行驶数据取得部110被构成为能够取得多个行驶数据(具体是从多个车辆(驾驶员)在多个时机取得的行驶数据)。另外,本实施方式所涉及的行驶数据取得部110特别被构成为能够取得在已知风险判定部50中判定为有风险的风险区间内的行驶数据。行驶数据取得部110还可以被构成为能够取得在已知风险判定部50中未被判定为有风险的非风险区间内的行驶数据。
特征量提取部120被构成为能够根据由行驶数据取得部110取得的风险区间的行驶数据所包含的各种参数来取得(提取)表示驾驶员的驾驶行动的特征量。特征量提取部120还可以被构成为能够根据由行驶数据取得部110取得的非风险区间的行驶数据来取得(提取)表示驾驶员的驾驶行动的特征量。其中,特征量提取部120应该取得的特征量被预先设定为行驶数据所包含的参数(或者,至少部分地利用行驶数据而能够计算的参数)中的与驾驶慎重度相关的参数。对于特征量提取部120所取得的特征量的具体例将稍后详述。特征量提取部120也可以被构成为取得多个种类的特征量。
聚类部130被构成为能够基于驾驶行动的类似程度来将根据风险区间的行驶数据由特征量提取部120取得的特征量分类(聚类)为多个组(集群)。即,聚类部130以风险区间内的驾驶行动相互接近的驾驶员的特征量成为相同组的方式进行分类。此外,聚类手法能够适当地采用现有技术,作为一个例子,能够使用WARD法(离差平方和法)。另外,聚类部130被构成为能够对于分类后的多个集群赋予表示驾驶慎重度的等级。具体而言,聚类部130基于被分类为各集群的特征量的平均值来对集群赋予等级。
驾驶员类型决定部140被构成为能够基于各特征量被聚类部130分类为哪个集群来决定表示车辆的驾驶员的驾驶慎重度的驾驶员类型。驾驶员类型决定部140具备:第一类型决定部,决定每个风险区间的驾驶员类型亦即地点驾驶员类型;以及第二类型决定部,根据多个地点驾驶员类型来决定最终的驾驶员类型。关于驾驶员类型的具体决定方法将稍后详述。
分类数据存储部150被构成为能够按每个驾驶员类型存储行驶数据取得部110所取得的行驶数据。在本实施方式中,使用驾驶员类型决定部140从3个驾驶员类型(例如,驾驶慎重度最高的驾驶员类型、驾驶慎重度为中等程度的驾驶员类型、以及驾驶慎重度最低的驾驶员类型)之中决定各驾驶员的驾驶员类型的例子来进行说明。该情况下,分类数据存储部150被构成为能够分别对属于驾驶慎重度最高的慎重组的驾驶员的行驶数据亦即“慎重组行驶数据”、属于驾驶慎重度为中等程度的中间组的驾驶员的行驶数据亦即“中间组行驶数据”、以及属于驾驶慎重度最低的不安全组的驾驶员的行驶数据亦即“不安全组行驶数据”进行存储。
风险值计算部160被构成为能够使用存储于分类数据存储部150的中间组行驶数据来计算表示风险区间的风险的程度的第一风险值。其中,能够推断为中间组行驶数据是驾驶慎重度不极其高也不极其低的平均的驾驶员的行驶数据。因此,若利用中间组行驶数据,则能够将表示风险区间的风险的程度的风险值计算为接近多数驾驶员的感受方式的值(换言之,能够不计算接近一部分极端的性质的驾驶员的感受方式的值)。对于第一风险值的具体的提取方法将稍后详述。
<第一风险判定部的动作>
接下来,对第一风险判定部100的动作(即,计算第一风险值的动作)具体进行说明。
(特征量的提取)
首先,参照图3对特征量提取部120的特征量的提取动作进行说明。图3是表示从行驶数据提取的特征量的一个例子的图表。在图3中,示出了车辆在包括风险存在位置(例如交叉路口)的风险区间行驶时的加速踏板操作以及车速。这里的风险区间例如被设定为风险存在位置的近前侧30m以及背侧10m的范围。
如图3所示,当车辆在风险区间行驶时,设想在风险存在位置的近前断开加速踏板而开始减速、在通过风险存在位置之后接通加速踏板而开始加速那样的状况。特征量提取部120从这样的车辆的行驶数据取得“减速准备行动开始距离”、“减速前平均速度”、以及“最低通过速度”分别作为特征量。
减速准备行动开始距离是与从在风险存在位置的近前最后加速器开度成为零的位置(以下适当地称为“减速准备行动开始位置”)至风险存在位置为止的距离相当的值(换言之,表示在多么早的时机断开加速踏板的值)。减速前平均速度是减速准备行动开始位置紧前的一定区间(这里为减速准备行动开始位置的近前侧10m的区间)内的平均速度。最低通过速度是风险区间内的车速的最低值。减速准备行动开始距离、减速前平均速度、以及最低通过速度的各特征量的值在取得之后被标准化(即,被进行使各特征量的大小统一的处理)。
此外,上述的3个特征量只不过是一个例子,特征量提取部120可以在它们的基础上或者取而代之取得其他特征量。
(特征量的聚类)
接下来,参照图4以及图5对聚类部130涉及的特征量的聚类动作进行说明。图4是表示特征量的聚类的一个例子的表。图5是表示根据各集群的特征量的平均值来决定集群等级的方法的表。其中,图4中的ID是对每个驾驶员赋予的识别编号,这里对每个驾驶员分三次取得行驶数据(换言之,特征量)。
如图4所示,聚类部130将各驾驶员的特征量以从1次量的行驶数据取得的3个特征量(即,特征量1:减速准备行动开始距离;特征量2:减速前平均速度;特征量3:最低通过速度)设为一组来分类为规定量的集群。以下,使用聚类部130将各驾驶员的特征量分类为3个集群(集群1~3)的例子来进行说明。在图4的例子中,从ID1的驾驶员的第一次的行驶数据取得的特征量被分类为集群1。从ID2的驾驶员的第一次的行驶数据取得的特征量被分类为集群2。从ID3的驾驶员的第一次的行驶数据取得的特征量被分类为集群3。
如图5所示,聚类部130根据被分类为3个集群的特征量来按每个集群计算平均值。具体而言,聚类部130计算被分类为集群1的特征量1的平均值、特征量2的平均值、以及特征量3的平均值,根据这3个平均值来计算被分类为集群1的3个特征量全部的平均值亦即综合平均值。同样,针对集群2以及集群3也计算各特征量的平均值以及综合平均值。
这里,由于各特征量被取得为表示驾驶员的驾驶慎重度的参数,所以计算出的综合平均值与驾驶慎重度的高低对应(这里,越为负,则表示驾驶慎重度越高)。因此,聚类部130基于计算出的综合平均值来对各集群赋予表示驾驶慎重度的等级。在图4的例子中,对集群1赋予了表示驾驶慎重度最高的“等级3”,对集群2赋予了表示驾驶慎重度最低的“等级1”,对集群3赋予了表示驾驶慎重度为中等程度的“等级2”。
(驾驶员类型的决定)
接下来,参照图6以及图7对驾驶员类型决定部140涉及的驾驶员类型的决定动作进行说明。图6是表示决定地点驾驶员类型的方法的一个例子的表。图7是表示根据地点驾驶员类型来决定驾驶员类型的方法的一个例子的表。其中,为了便于说明,图6以及图7所示的数据成为基于与在至此为止的说明中使用的数据(例如图3以及图4的特征量的具体例)不同的特征量的具体例的数据。
图6所示的数据按每个驾驶员表示了在某一个风险区间取得的特征量被分类为哪个集群(等级)。例如,从ID1的驾驶员的第一次、第二次以及第三次的行驶数据取得的特征量均被分类为等级3的集群。从ID2的驾驶员的第一次、第二次以及第三次的行驶数据取得的特征量均被分类为等级2的集群。从ID3的驾驶员的第一次、第二次以及第三次的行驶数据取得的特征量分别被分类为等级2、等级2、等级1的集群。
驾驶员类型决定部140(具体为第一类型决定部)基于各特征量如上述那样被分类为哪个等级的集群来决定与某一个风险区间内的驾驶员类型相当的地点驾驶员类型。具体而言,驾驶员类型决定部140将在第一次、第二次、第三次共计三次中被最多分类的集群的等级(换言之,被分类的等级的最频值)决定为该驾驶员的地点驾驶员类型。例如,针对ID1的驾驶员,由于三次全部被分类为等级3的集群,所以地点驾驶员类型被决定为与等级3对应的“类型3”。针对ID2的驾驶员,由于三次全部被分类为等级2的集群,所以地点驾驶员类型被决定为与等级2对应的“类型2”。针对ID3的驾驶员,由于被分类为等级2的集群两次、被分类为等级1的集群一次,所以地点驾驶员类型被决定为与等级2对应的“类型2”。
此外,上述的使用了最频值的地点驾驶员类型的决定方法只不过是一个例子,例如也可以将时间序列上最新取得的特征量被分类的集群的等级(在图6的例中为第三次的等级)决定为地点驾驶员类型。或者,也可以对于被分类的集群的等级进行越是新取得的特征量则权重越大那样的加权,并基于由此计算出的分数来决定地点驾驶员类型。
如图7所示,在决定了各风险区间内的地点驾驶员类型之后,驾驶员类型决定部140(具体为第二类型决定部)根据各风险区间的地点驾驶员类型来决定最终的驾驶员类型。具体而言,驾驶员类型决定部140将针对各驾驶员决定的多个地点驾驶员类型的最频值决定为该驾驶员的驾驶员类型。例如,由于图7所示的驾驶员ID1的驾驶员的从地点1(即,风险区间1)至地点4(即,风险区间4)内的地点驾驶员类型均为“类型3”,所以驾驶员类型被决定为“类型3”。由于驾驶员ID2的驾驶员的从地点1至地点4内的地点驾驶员类型为3个“类型2”、1个“类型1”,所以驾驶员类型被决定为“类型2”。由于驾驶员ID3的驾驶员的从地点1至地点4内的地点驾驶员类型为1个“类型2”、3个“类型1”,所以驾驶员类型被决定为“类型1”。
若如上述那样决定驾驶员类型,则各驾驶员的行驶数据被存储于分类数据存储部150。具体而言,驾驶员类型被决定为“类型3(即,驾驶慎重度最高的等级)”的驾驶员的行驶数据作为慎重组行驶数据存储于分类数据存储部150。驾驶员类型被决定为“类型2(即,驾驶慎重度为中间的等级)”的驾驶员的行驶数据作为中间组行驶数据存储于分类数据存储部150。驾驶员类型被决定为“类型1(即,驾驶慎重度最低的等级)”的驾驶员的行驶数据作为不安全组行驶数据存储于分类数据存储部150。这样,在分类数据存储部150中存储根据驾驶员类型被分类的每个驾驶员的行驶数据。
(第一风险值的计算)
接下来,参照图8以及图9对风险值计算部160涉及的第一风险值的计算动作进行说明。图8是表示加速器开度为0的区间的图表。图9是表示基于加速器断开期间比例来计算第一风险值的方法的一个例子的图表。
如图8所示,风险值计算部160首先从作为中间组行驶数据而存储于分类数据存储部150的多个行驶数据(即,驾驶慎重度为中等程度的等级的驾驶员的行驶数据)取得与加速器开度为0的区间相关的信息。而且,风险值计算部160计算各位置的加速器开度为0的驾驶员的比例(以下,适当地称为“加速器断开比例”)。另外,风险计算部170将风险区间内的加速器断开比例的最大值计算为该区间内的驾驶员对于风险的反应程度(以下,适当地称为“驾驶员反应度”)。
如图9所示,风险值计算部160对各区间(这里为区间1至区间11)的驾驶员反应度进行分类。在本实施方式中,使用风险值计算部160将各区间的驾驶员反应度以平均值±0.431σ为阈值分类为3个级别(即,假定为驾驶员反应度为正态分布而分成3部分)的例子来推进说明。而且,风险值计算部160将驾驶员反应度大于+0.431σ的区间的第一风险值计算为“大”,将驾驶员反应度为+0.431σ至-0.431σ之间的区间的第一风险值计算为“中”,将驾驶员反应度小于-0.431σ的区间的第一风险值计算为“小”。在图9的例子中,区间2、8以及9的第一风险值被计算为“大”,区间5以及6的第一风险值被计算为“中”,区间1、3、4、7、10以及11的第一风险值被计算为“小”。
另外,针对未登记驾驶员反应度的区间,风险值计算部160将第一风险值计算为“无”。
<评价装置的动作>
接下来,参照图10对本实施方式所涉及的评价装置10的整体的动作流程进行说明。图10是表示实施方式所涉及的评价装置的动作的流程的流程图。
如图10所示,在本实施方式所涉及的评价装置10动作时,首先,已知风险判定部50对在成为评价的对象的区间是否存在已知的风险(即,是否为风险区间)进行判定(步骤S11)。在判定为不存在已知的风险的情况下(步骤S11:否),针对该区间,确定风险决定部300决定为确定风险值为“无”(步骤S12)。该情况下,也可以省略第一风险判定部100以及第二风险判定部200的判定处理。不过,第一风险判定部100以及第二风险判定部200的至少一方也可以以决定确定风险值以外的目的(例如在其他系统中利用等目的)来执行判定处理(即,计算第一以及第二风险值的处理)。
另一方面,在判定为存在已知的风险的情况下(步骤S11:是),第一风险判定部100计算第一风险值(步骤S13)。具体而言,第一风险判定部100将第一风险值计算为“大”、“中”、“小”以及“无”中的任一个。而且,第一风险判定部100基于计算出的第一风险值对在作为评价的对象的区间是否存在第一风险进行判定(步骤S14)。在第一风险值被计算为“大”、“中”以及“小”中的任一个的情况下,第一风险判定部100判定为存在第一风险。另一方面,在第一风险值被计算为“无”的情况下,第一风险判定部100判定为不存在第一风险。
在判定为存在第一风险的情况下(步骤S14:是),确定风险决定部300将由第一风险判定部100计算出的第一风险值决定为确定风险值并输出(步骤S15)。该情况下,可以省略第二风险判定部200的判定处理。但是,第二风险判定部200也可以以决定确定风险值以外的目的来执行判定处理(即,计算第二风险值的处理)。
在判定为不存在第一风险的情况下(步骤S14:否),第二风险判定部200计算第二风险值(步骤S16)。具体而言,第二风险判定部200将第二风险值计算为“大”、“中”、“小”以及“无”中的任一个。而且,第二风险判定部200基于计算出的第二风险值来对在作为评价的对象的区间是否存在第二风险进行判定(步骤S17)。在第二风险值被计算为“大”、“中”以及“小”中的任一个的情况下,第二风险判定部200判定为存在第二风险。另一方面,在第二风险值被计算为“无”的情况下,第二风险判定部200判定为不存在第二风险。
在判定为存在第二风险的情况下(步骤S17:是),确定风险决定部300将由第二风险判定部200计算出的第二风险值决定为确定风险值并输出(步骤S18)。另一方面,在判定为不存在第二风险的情况下(步骤S17:否),确定风险决定部300将确定风险值决定为“大”并输出(步骤S19)。
<具体的评价例>
接下来,参照图11对本实施方式所涉及的评价装置10的具体的评价例进行说明。图11是表示在实施方式所涉及的评价装置中判定的第一风险值和第二风险值、以及所决定的确定风险值的一个例子的表。
在图11中,在情形A下,第一风险值被判定为“大”。此外,由于第一风险值被判定为“无”以外,所以省略第二风险值的判定处理。该情况下,确定风险值被输出为与第一风险值相同的“大”。
在情形B下,第一风险值被判定为“中”。此外,不省略第二风险值的判定处理,第二风险值被判定为“小(即,比第一风险值小的值)”。该情况下,无论第二风险值如何,确定风险值均被输出为与第一风险值相同的“中”。
在情形C下,第一风险值被判定为“中”。此外,不省略第二风险值的判定处理,第二风险值被判定为“大(即,大于第一风险值的值)”。该情况下,无论第二风险值如何,确定风险值也均被输出为与第一风险值相同的“中”。
在情形D下,第一风险值被判定为“无”。另一方面,第二风险值被判定为“小”。该情况下,确定风险值被输出为与第二风险值相同的“小”。
在情形E下,第一风险值被判定为“无”。另外,第二风险值也被判定为“无”。该情况下,确定风险值被输出为第一风险值或者第二风险值能够取的最大值亦即“大”。
<技术效果>
接下来,对通过本实施方式所涉及的评价装置10而获得的技术效果进行说明。
如在图1~图11中说明那样,根据本实施方式所涉及的评价装置10,在能够判定第一风险值以及第二风险值双方的场景下,第一风险值的值被优先输出为确定风险值。这里,第一风险值是基于车辆的驾驶员的驾驶行动而判定的值。因此,所输出的确定风险值为接近驾驶员的感觉的值,作为结果,能够进行与驾驶员的感觉相符的风险的评价。换言之,能够防止驾驶员的感觉与实际评价的风险大幅偏离。
另外,若是无法判定第一风险值的场景、但是能够判定第二风险值的场景,则将第二风险值作为确定风险值输出。因此,即便在基于驾驶员的驾驶行动无法评价风险的状况下,也能够输出基于周边信息评价出的风险值。
并且,在无法判定第一风险值以及第二风险值双方的场景下,将第一风险值或者第二风险值能够取得的最大值输出为确定风险值。即,在尽管存在已知的风险,但无法评价具体的风险的程度(即,第一风险值以及第二风险值)的情况下,暂且将风险评价为最大。这样一来,能够避免因风险的过小评价引起的不良状况(例如,尽管实际存在风险但驾驶员识别为无风险那样的状况)。
<附注>
以下,对从以上说明的实施方式导出的发明的各种方式进行说明。
(附注1)
附注1中记载的评价装置是对在车辆所行驶的道路的周边存在的风险进行评价的评价装置,具备:第一判定机构,基于表示上述车辆的驾驶员的驾驶行动的特征量来对表示上述道路的一个区间内的风险的有无以及所存在的风险的程度的第一风险值进行判定;第二判定机构,基于上述道路的周边信息来对表示上述一个区间内的风险的有无以及所存在的风险的程度的第二风险值进行判定;以及输出机构,(i)在由上述第一判定机构判定为有风险的情况下,无论上述第二判定机构的判定结果如何,均将上述第一风险值作为表示上述一个区间的风险的确定风险值输出,(ii)在由上述第一判定机构判定为无风险且由上述第二判定机构判定为有风险的情况下,将上述第二风险值作为上述确定风险值输出。
根据附注1所记载的评价装置,在判定出第一风险值以及第二风险值之后,将第一风险值优先作为确定风险值输出。这里,第一风险值特别是基于驾驶员的驾驶状态而判定的值,与基于道路的周边状态而判定的第二风险值相比成为接近驾驶员的感觉的值。因此,在附注1所记载的评价装置中,能够进行与驾驶员的感觉相符的风险评价。
(附注2)
在附注2所记载的评价装置中,还具备对在上述一个区间是否存在已知的风险进行判定的第三判定机构,当在上述第三判定机构中判定为存在上述已知的风险、由上述第一判定机构判定为无风险且由上述第二判定机构判定为无风险的情况下,上述输出机构将上述第一风险值或者上述第二风险值能够取得的最大值作为上述确定风险值输出。
根据附注2所记载的评价装置,在判定为存在已知的风险但由第一判定机构以及第二判定机构双方判定为无风险的情况下,将第一风险值或者第二风险值能够取得的最大作为确定风险值输出。这里,特别作为尽管存在已知的风险但由第一判定机构以及第二判定机构双方判定为无风险的状况,例如能够举出存在如驾驶员也无法注意且根据周边状态也无法判断那样的风险的状况、或第一判定机构以及第二判定机构的判定未正常进行那样的状况。因此,在这样的情况下,通过暂时将风险评价为最大,能够避免因风险的过小评价引起的不良状况。
本发明并不局限于上述的实施方式,在不违反从技术方案以及说明书整体理解的发明主旨或思想的范围内能够适当地变更,伴有这样的变更的评价装置也仍包括在本发明的技术范围内。
Claims (2)
1.一种评价装置,对在车辆所行驶的道路的周边存在的风险进行评价,所述评价装置的特征在于,具备:
第一判定机构,基于表示所述车辆的驾驶员的驾驶行动的特征量来对表示所述道路的一个区间内的风险的有无以及所存在的风险的程度的第一风险值进行判定;
第二判定机构,基于所述道路的周边信息来对表示所述一个区间内的风险的有无以及所存在的风险的程度的第二风险值进行判定;以及
输出机构,(i)在由所述第一判定机构判定为有风险的情况下,无论所述第二判定机构的判定结果如何,均将所述第一风险值作为表示所述一个区间的风险的确定风险值输出,(ii)在由所述第一判定机构判定为无风险且由所述第二判定机构判定为有风险的情况下,将所述第二风险值作为所述确定风险值输出,
所述特征量是行驶数据所包含的参数中的与驾驶慎重度相关的参数。
2.根据权利要求1所述的评价装置,其特征在于,
所述评价装置还具备对在所述一个区间是否存在已知的风险进行判定的第三判定机构,
当在所述第三判定机构中判定为存在所述已知的风险、由所述第一判定机构判定为无风险且由所述第二判定机构判定为无风险的情况下,所述输出机构将所述第一风险值或者所述第二风险值能够取得的最大值作为所述确定风险值输出。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019033801A JP7074698B2 (ja) | 2019-02-27 | 2019-02-27 | 評価装置 |
JP2019-033801 | 2019-02-27 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111739340A CN111739340A (zh) | 2020-10-02 |
CN111739340B true CN111739340B (zh) | 2022-06-21 |
Family
ID=72142712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010105934.7A Expired - Fee Related CN111739340B (zh) | 2019-02-27 | 2020-02-20 | 评价装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200269850A1 (zh) |
JP (1) | JP7074698B2 (zh) |
CN (1) | CN111739340B (zh) |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5161643B2 (ja) * | 2008-04-23 | 2013-03-13 | 富士重工業株式会社 | 安全運転支援システム |
JP6158563B2 (ja) * | 2013-04-02 | 2017-07-05 | 本田技研工業株式会社 | 経路誘導装置およびその制御方法並びにプログラム |
US10091217B2 (en) * | 2016-06-21 | 2018-10-02 | Logrhythm, Inc. | Risk based priority processing of data |
JP6848321B2 (ja) * | 2016-10-06 | 2021-03-24 | 富士通株式会社 | 路面状況検出プログラム及び路面状況検出装置 |
JP2019012454A (ja) * | 2017-06-30 | 2019-01-24 | 株式会社デンソー | ドライバ監視支援装置、ドライバ監視支援制御装置、ドライバ監視支援方法、及びドライバ監視支援装置制御方法 |
JP7299210B2 (ja) * | 2017-07-28 | 2023-06-27 | ニューロ・インコーポレーテッド | 自律車両で製品をアップセル販売するためのシステムおよび機構 |
CN107618512B (zh) * | 2017-08-23 | 2019-06-18 | 清华大学 | 基于人-车-环境多数据源的驾驶行为安全评价方法 |
JP6981837B2 (ja) * | 2017-10-05 | 2021-12-17 | トヨタ自動車株式会社 | 車両の運転支援制御装置 |
JP2019069659A (ja) * | 2017-10-06 | 2019-05-09 | トヨタ自動車株式会社 | 運転支援装置 |
EP3882883A4 (en) * | 2018-11-13 | 2021-12-29 | Sony Group Corporation | Information processing device, information processing method, and program |
CN109726942A (zh) * | 2019-03-01 | 2019-05-07 | 北京汽车研究总院有限公司 | 一种驾驶环境风险评估方法及系统 |
-
2019
- 2019-02-27 JP JP2019033801A patent/JP7074698B2/ja active Active
-
2020
- 2020-02-20 CN CN202010105934.7A patent/CN111739340B/zh not_active Expired - Fee Related
- 2020-02-21 US US16/797,354 patent/US20200269850A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
JP2020140310A (ja) | 2020-09-03 |
US20200269850A1 (en) | 2020-08-27 |
JP7074698B2 (ja) | 2022-05-24 |
CN111739340A (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106874597B (zh) | 一种应用于自动驾驶车辆的高速公路超车行为决策方法 | |
CN107531244B (zh) | 信息处理系统、信息处理方法、以及记录介质 | |
US10606264B2 (en) | Control method and control device of automatic driving vehicle | |
Brombacher et al. | Driving event detection and driving style classification using artificial neural networks | |
KR102388148B1 (ko) | 운전 가이드 방법 및 그를 제공하는 시스템 | |
US11661061B2 (en) | Method and device for assisting a driver in a vehicle | |
CN112793576B (zh) | 一种基于规则与机器学习融合的换道决策方法及系统 | |
CN112874519B (zh) | 自适应巡航的控制方法、系统、存储介质及电子设备 | |
CN111626537B (zh) | 评价装置 | |
CN111413973A (zh) | 车辆的换道决策方法及装置、电子设备、存储介质 | |
CN112100857B (zh) | 一种分心驾驶行为的风险评估方法 | |
CN111627130B (zh) | 评价装置 | |
WO2020085072A1 (ja) | 運転支援装置 | |
CN111739340B (zh) | 评价装置 | |
CN113022576B (zh) | 一种不同驾驶任务阶段的驾驶风格分析方法、系统及装置 | |
CN114822044A (zh) | 一种基于隧道的行车安全预警方法及设备 | |
CN114103966A (zh) | 一种辅助驾驶的控制方法、装置和系统 | |
US10160458B2 (en) | Driving characteristic measurement apparatus | |
Wei et al. | Characteristics Analysis and Classification of Lane-changing Behavior after Following Process based on China-FOT | |
US20230192148A1 (en) | Method and system for classifying traffic situations and training method | |
JP2023177171A (ja) | 走行特性特定方法及びその装置 | |
CN116080656A (zh) | 一种抑制车辆加速的方法、装置及电子设备 | |
CN115583237A (zh) | 预测行车加塞行为的方法、系统、设备、介质和程序产品 | |
CN116776204A (zh) | 驾驶人风险敏感度差异化表征方法、装置、设备及介质 | |
CN117932921A (zh) | 一种智能驾驶仿真系统的评价方法、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220621 |