CN113439049A - 交通工具晕动症推测装置、交通工具晕动症抑制装置以及交通工具晕动症推测方法 - Google Patents

交通工具晕动症推测装置、交通工具晕动症抑制装置以及交通工具晕动症推测方法 Download PDF

Info

Publication number
CN113439049A
CN113439049A CN202080014178.5A CN202080014178A CN113439049A CN 113439049 A CN113439049 A CN 113439049A CN 202080014178 A CN202080014178 A CN 202080014178A CN 113439049 A CN113439049 A CN 113439049A
Authority
CN
China
Prior art keywords
motion sickness
vehicle motion
passenger
state
sensitivity
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.)
Granted
Application number
CN202080014178.5A
Other languages
English (en)
Other versions
CN113439049B (zh
Inventor
中村雄大
内藤正博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
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 Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of CN113439049A publication Critical patent/CN113439049A/zh
Application granted granted Critical
Publication of CN113439049B publication Critical patent/CN113439049B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A61B5/1114—Tracking parts of the body
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/182—Selecting between different operative modes, e.g. comfort and performance modes
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
    • 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
    • B60W2040/0872—Driver physiology
    • 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
    • B60W2040/0881—Seat occupation; Driver or passenger presence
    • 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
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • 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
    • B60W2540/223—Posture, e.g. hand, foot, or seat position, turned or inclined
    • 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
    • B60W2540/227—Position in the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Child & Adolescent Psychology (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

交通工具晕动症推测装置(100)具备：感觉矛盾量计算部(10)，根据由于交通工具的颠簸而发生的乘客的头部的活动，关于所述乘客的头部的活动，推测所述乘客察觉的多个种类的感觉量之间的矛盾量；行驶状况特征抽出部(30)，根据所述乘客的头部的活动和所述交通工具的活动中的至少任一方，从行驶状况抽出与交通工具晕动症关联的行驶状况的特征；习惯发展状态判定部(20)，根据所述乘客的生物体信息，判定针对所述行驶状况而所述乘客的习惯是否发展；灵敏度设定部(40)，根据习惯发展状态来设定针对所述行驶状况的特征的灵敏度；感觉矛盾量校正部(50)，根据所述灵敏度来校正所述感觉矛盾量；以及交通工具晕动症推测部(60)，根据所述校正后的感觉矛盾量来推测所述乘客的交通工具晕动症状态。

Description

交通工具晕动症推测装置、交通工具晕动症抑制装置以及交 通工具晕动症推测方法
技术领域
本公开涉及对交通工具的乘客的交通工具晕动症进行推测的装置以及方法。
背景技术
在现今社会中，乘坐小汽车、电车或者巴士的交通工具进行移动的时间多。通过将这些移动时间安排到读书、智能手机的操作或者个人计算机操作来有效利用，期待能够使生活更加丰富。但是，在乘坐交通工具进行移动的期间，如果进行读书等则会诱发交通工具晕动症，使乘客的健康状态变差。其结果，无法有效地利用移动时间。
交通工具晕动症也称为“晕动病”或者“加速度病”，是由于振动、特别是不规则的加速/减速的反复对于内耳的三个半规管或者前庭进行刺激而引起的自律神经系统的反应。一般而言，可以说青年或者女性容易发生交通工具晕动症，但也有对于振动的习惯或者经验的影响，个体差异大。因此，为了有效利用所述移动时间，重要的是推测乘客的交通工具晕动症等级，以使乘客不会晕的方式控制交通工具的活动。
使交通工具晕动症发病的机理尚不明确，但有如下论点(称为感觉矛盾论)：在由三个半规管等感觉器官得到的身体的平衡感觉信息的感觉量、与根据视觉信息、体感信息等而由人体的内部推测的平衡感觉信息的推测量之间发生了矛盾的情况下会发病。有如下方法：构筑基于该感觉矛盾论的神经模型，根据头部的加速度信息推测感觉矛盾量，根据推测的感觉矛盾量推测乘客的交通工具晕动症等级(专利文献1)。另外，作为根据头部的加速度信息推测感觉矛盾量的方法，例如有将感觉矛盾量作为从三个半规管等感觉器官得到的地球的重力方向的感觉量与由人体的内部推测的地球的重力方向的推测量之差而进行推测的方法(非专利文献1)。
[现有技术文献]
专利文献1：日本特开2012-131269号公报
非专利文献1：Kamiji,N.等3人,“Modeling and validation of carsicknessmechanism”,SICE Annual Conference 2007,(日),2007,p.1138-1143.
发明内容
然而，在现有技术(专利文献1)中，由于未考虑对于振动的习惯、对于经验的影响，因此在针对行驶状况的乘客的习惯发展的情况下，交通工具晕动症等级的推测精度会下降。换言之，即便在未引起交通工具晕动症的情况下也推测为引起了交通工具晕动症。
本公开是为了解决如上所述的问题点而完成的，其目的在于，即便在针对行驶状况的乘客的“习惯”发展的情况下也精度良好地推测交通工具晕动症。
本公开所涉及的交通工具晕动症推测装置的特征在于，具备：感觉矛盾量计算部，根据由于交通工具的颠簸而发生的乘客的头部的活动，计算感觉矛盾量，该感觉矛盾量是关于乘客的头部的活动而由乘客察觉的多个种类的感觉量之间的矛盾量；行驶状况特征抽出部，根据乘客的头部的活动以及交通工具的活动中的至少任一方，抽出行驶状况的特征；习惯发展状态判定部，根据乘客的生物体信息，判定针对行驶状况而乘客的习惯是否发展；灵敏度设定部，根据习惯发展状态，设定针对行驶状况的特征的灵敏度；感觉矛盾量校正部，根据灵敏度来校正感觉矛盾量；以及交通工具晕动症推测部，根据校正后的感觉矛盾量来推测乘客的交通工具晕动症状态。
本公开所涉及的交通工具晕动症推测方法的特征在于，具有：感觉矛盾量推测步骤，根据由于交通工具的颠簸而发生的乘客的头部的活动，推测感觉矛盾量，该感觉矛盾量是关于乘客的头部的活动而由乘客察觉的多个种类的感觉量之间的矛盾量；行驶状况特征抽出步骤，根据乘客的头部的活动以及交通工具的活动中的至少任一方，从行驶状况抽出与交通工具晕动症关联的行驶状况的特征；习惯发展状态判定步骤，根据乘客的生物体信息，判定针对行驶状况而乘客的习惯是否发展；灵敏度设定步骤，根据习惯发展状态，设定针对行驶状况的特征的灵敏度；感觉矛盾量校正步骤，根据灵敏度来校正感觉矛盾量；以及交通工具晕动症推测步骤，根据校正后的感觉矛盾量来推测乘客的交通工具晕动症状态。
根据本公开所涉及的交通工具晕动症推测装置，通过判定针对行驶状况的乘客的“习惯”，从而即便针对行驶状况的乘客的习惯发展也能够精度良好地推测交通工具晕动症等级。关于交通工具晕动症推测方法也是同样的。
附图说明
图1是示出本公开的实施方式1所涉及的交通工具晕动症推测装置的概略性的结构的框图。
图2是示出本公开的实施方式1所涉及的行驶状况特征抽出部中的针对时间的变化的地球的重力方向的加速度的变化的说明图。
图3是示出本公开的实施方式1所涉及的行驶状况特征抽出部中的针对频率的变化的地球的重力方向的振动的振幅的变化的说明图。
图4是示出本公开的实施方式1所涉及的行驶状况特征抽出部中的与行驶状况模式的决定有关的一例的说明图。
图5是示出本公开的实施方式1所涉及的交通工具晕动症推测装置的处理的流程图。
图6是示出本公开的实施方式2所涉及的交通工具晕动症推测装置的概略性的结构的框图。
图7是示出本公开的实施方式3所涉及的交通工具晕动症推测装置的概略性的结构的框图。
图8是示出本公开的实施方式3所涉及的交通工具晕动症推测装置的处理的流程图。
图9是示出本公开的实施方式4所涉及的交通工具晕动症抑制装置的概略性的结构的框图。
图10是示出本公开的实施方式5所涉及的交通工具晕动症抑制装置的概略性的结构的框图。
图11是示出本公开的实施方式6所涉及的交通工具晕动症抑制装置的概略性的结构的框图。
图12是示出本公开的实施方式7所涉及的交通工具晕动症抑制装置的概略性的结构的框图。
图13是示出本公开的实施方式所涉及的交通工具晕动症推测装置的硬件结构的一例的图。(B)是示出本公开的实施方式所涉及的交通工具晕动症推测装置100的硬件结构的其它例子的图。
图14是示出本公开的实施方式所涉及的交通工具晕动症推测装置100的硬件结构的其它例子的图。
(符号说明)
100、100b、100c、100d、100e、100f：交通工具晕动症推测装置；10：感觉矛盾量计算部；20、20b：习惯发展状态判定部；30：行驶状况特征抽出部；40、40b、40c、40d、40e：灵敏度设定部；50：感觉矛盾量校正部；60：交通工具晕动症推测部；70：乘客状态判定部；80：灵敏度记录部；200、200b、200c：交通工具晕动症抑制装置；210、210b、210c：交通工具晕动症抑制部；A(t)：头部活动信息；B(t)：生物体信息；C(t)：车辆信息；Im(t)：图像信息；O(t)：交通工具晕动症等级；P(t)：行驶状况模式；Q(t)：习惯发展状态判定结果；R(t)：乘客状态信息；S(t)：灵敏度；U(t)：自律神经系统状态；V(t)：车辆控制信息。
具体实施方式
实施方式1.
图1是示出本公开的实施方式1所涉及的交通工具晕动症推测装置100的概略性的结构的框图。如图1所示，交通工具晕动症推测装置100具备感觉矛盾量计算部10、习惯发展状态判定部20、行驶状况特征抽出部30、灵敏度设定部40、感觉矛盾量校正部50以及交通工具晕动症推测部60。交通工具晕动症推测装置100受理头部活动信息A(t)、生物体信息B(t)以及车辆信息C(t)作为输入。感觉矛盾量计算部10受理头部活动信息A(t)作为输入，并将感觉矛盾量D(t)输出到感觉矛盾量校正部50。习惯发展状态判定部20受理生物体信息B(t)，将习惯发展状态判定结果Q(t)输出到灵敏度设定部40。行驶状况特征抽出部30受理车辆信息C(t)，将当前的行驶状况模式P(t)输出到灵敏度设定部40。灵敏度设定部40受理习惯发展状态判定结果Q(t)和行驶状况模式P(t)，向感觉矛盾量校正部50输出灵敏度S(t)。感觉矛盾量校正部50受理感觉矛盾量D(t)和灵敏度S(t)，将校正后的感觉矛盾量D’(t)输出到交通工具晕动症推测部60。交通工具晕动症推测部60受理校正后的感觉矛盾量D’(t)，输出乘客的交通工具晕动症等级O(t)。
首先，说明交通工具晕动症推测装置100的概要。交通工具晕动症推测装置100受理头部活动信息A(t)、生物体信息B(t)以及车辆信息C(t)作为输入。此处，变量t是表示取得各个数据的时间的编号(正的整数)。头部活动信息A(t)以及生物体信息B(t)既可以是一个乘客的信息也可以是多个乘客的信息，但为了便于说明，以下设为一个乘客的信息而进行说明。
头部活动信息A(t)例如是将乘客的头部的平移加速度(三维)和头部的旋转角速度(三维)合在一起的合计六维的物理量。关于头部的平移加速度和头部的旋转角速度，例如既可以对头部安装加速度传感器或者陀螺仪传感器来测量，也可以向眼镜等嵌入所述的传感器来测量。或者，也可以使用照相机或者ToF(Time-of-Flight，飞行时间)式的距离传感器对乘客的面部图像进行摄像，根据图像上的面部的位置、朝向来测量头部的平移加速度、旋转角速度。头部的平移加速度、旋转角速度的测量方法显然不限于此，可以使用公知的传感器技术。
生物体信息B(t)是例如心率、心跳变动信息、脉搏数、脉搏变动信息、血压、呼吸信息、呼吸数、呼吸的紊乱、特大呼吸的数、发汗、体温的变化或者脑波。这些信息例如可以使用心电图、脉搏计、呼吸计、脑波计、发汗传感器或者温度传感器等生物体传感器来测量。或者，也可以从手表型的穿戴式生物体传感器或者照相机图像取得所述生物体信息。生物体信息B(t)的测量方法显然不限于这些，可以使用公知的传感器技术。
车辆信息C(t)是例如乘客的头部的速度、乘客的头部的加速度、乘客的头部的旋转角速度、乘客的身体的重心的速度、乘客的身体的重心的加速度、绕乘客的身体的重心的旋转角速度、车辆的速度、车辆的加速度、车辆的旋转角速度、加速量、制动量、操舵角或者方位。此外，乘客的头部的旋转角速度是如上所述还作为头部活动信息A(t)而使用的信息。例如既可以从车辆所具备的ECU(Electric Control Unit，电控单元)取得车辆信息C(t)，也可以对交通工具晕动症推测装置100安装加速度传感器、陀螺仪传感器或者地磁传感器来取得车辆信息C(t)。车辆信息C(t)的测量方法显然不限于这些，可以使用公知的传感器技术。
交通工具晕动症推测装置100对头部活动信息A(t)、生物体信息B(t)以及车辆信息C(t)进行处理，输出乘客的交通工具晕动症等级O(t)。交通工具晕动症等级O(t)表示乘客的交通工具的等级，例如用0～1的值来表现。0是完全不晕的状态，1是晕得厉害的状态，之间的值(例如，0.5)是0与1的中间的状态。
感觉矛盾量计算部10受理由于交通工具的颠簸等而产生的乘客的头部的活动的信息即头部的活动信息A(t)，将感觉矛盾量D(t)输出到感觉矛盾量校正部50。关于感觉矛盾量D(t)，例如如非专利文献1所记载那样，将感觉矛盾量表示为从三个半规管等感觉器官得到的地球的重力方向的感觉量与由人体的内部推测的地球的重力方向的推测量之差。感觉矛盾量计算部10计算乘客所察觉的多个种类的感觉量之间的矛盾量即感觉矛盾量D(t)。此外，乘客所察觉的多个种类的感觉量例如是从三个半规管等感觉器官得到的地球的重力方向的感觉量、通过身体的骨格而得到的地球的重力方向的推测量、通过视角而得到的方向的推测量。另外，不限于地球的重力方向，也可以是前方方向、横向、旋转方向等车辆的3轴方向中的任意方向。感觉矛盾量D(t)的计算方法不限于此，可以使用公知的技术来计算。
习惯发展状态判定部20根据乘客的生物体信息，判定针对行驶状况而乘客的习惯是否发展。具体而言，如以下那样。习惯发展状态判定部20受理生物体信息B(t)，判定针对当前的行驶状况的习惯的发展状态，将习惯发展状态判定结果Q(t)输出到灵敏度设定部40。习惯发展状态判定结果Q(t)例如是0或者1这两个值。如果判定为习惯没有发展则将习惯发展状态判定结果Q(t)设为0，如果判定为习惯发展则将习惯发展状态判定结果Q(t)设为1。
行驶状况特征抽出部30根据乘客的头部的活动和交通工具的活动中的至少任一方，抽出行驶状况的特征。具体而言，如以下那样。行驶状况特征抽出部30受理车辆信息C(t)，对过去输入的车辆信息C(t)的时间序列数据进行解析，将当前的行驶状况模式P(t)输出到灵敏度设定部40。行驶状况模式P(t)例如根据驾驶员的驾驶技能、驾驶的嗜好(在自动驾驶车辆的情况下是控制准则)、道路的形状、交通状况或者天气而被分类。或者，仅根据车辆的前后方向的加速度(基于加速或者制动的加减速)的大小、车辆的前后方向的频率、地球的重力方向的车辆振动的大小、地球的重力方向的车辆振动的频率、转动或俯仰(pitch)方向的旋转角速度的大小、或者转动或俯仰方向的旋转角速度的频率而被分类。例如，在非专利文献1中，启示了易晕性根据旋转角速度的频率而会变化，根据旋转角速度的频率对行驶状况进行分类这是妥当的。对通过上述分类方法来分类的行驶状况模式附加编号，将与当前的行驶状况对应的行驶状况模式的编号设为行驶状况模式P(t)。此外，将行驶状况模式的种类设为PN种(PN是正的整数)。
灵敏度设定部40根据习惯发展状态，设定针对行驶状况特征的灵敏度。具体而言，如以下那样。灵敏度设定部40受理习惯发展状态判定结果Q(t)和行驶状况模式P(t)，计算针对当前的行驶状况的感觉矛盾量的灵敏度S(t)，并输出到感觉矛盾量校正部50。灵敏度S(t)例如是0以上的任意的数值，将基准值设为1.0。此时，例如定义为如下：在灵敏度S(t)为0～1.0之间的情况下灵敏度低，在灵敏度S(t)大于1.0的情况下灵敏度高。另外，能够任意地设定灵敏度的初始值，例如将基准值1.0设为初始值。此外，灵敏度的数值不限于此，只要能够表现灵敏度高的状态、灵敏度低的状态即可，也可以用离散值来定义。
感觉矛盾量校正部50根据灵敏度来校正感觉矛盾量。具体而言，感觉矛盾量校正部50受理感觉矛盾量D(t)和灵敏度S(t)，将校正后的感觉矛盾量D’(t)输出到交通工具晕动症推测部60。
交通工具晕动症推测部60根据校正后的感觉矛盾量来推测乘客的交通工具晕动症状态。具体而言，交通工具晕动症推测部60受理校正后的感觉矛盾量D’(t)，计算并输出乘客的交通工具晕动症等级O(t)。
接下来，更详细地说明交通工具晕动症推测装置100的动作。感觉矛盾量计算部10受理头部的活动信息A(t)，将感觉矛盾量D(t)输出到感觉矛盾量校正部50。感觉矛盾量D(t)例如计算为从三个半规管等感觉器官得到的地球的重力方向的感觉量与由人体的内部推测的地球的重力方向的推测量之差。
习惯发展状态判定部20受理生物体信息B(t)，判定针对当前的行驶状况的习惯的发展状态，将习惯发展状态判定结果Q(t)输出到灵敏度设定部40。“是习惯发展状态”是指针对当前的行驶状况的习惯发展的状态，定义为交通工具晕动症不会发病、或者轻度的交通工具晕动症发病的状态。此外，根据乘客的主观评价来决定交通工具晕动症的程度。作为主观评价，例如在由乘客将发晕的程度分类为接下来的5个阶段“1：完全没问题，2：稍微不舒服，3：颇为不舒服，4：非常不舒服，5：想立即停止”的情况下，将1的阶段定义为交通工具晕动症没有发病的状态，将2的阶段定义为轻度的交通工具晕动症，将3至5的阶段定义为重度的交通工具晕动症。即，在重度的交通工具晕动症的情况下成为“不是习惯发展状态”。在习惯发展状态的判定中，根据生物体信息B(t)推测乘客的自律神经系统的状态，根据其结果来判定习惯发展状态。作为自律神经系统的状态，有平常状态、副交感神经系统优势的状态或者交感神经系统优势的状态，但此处将副交感神经系统优势的状况判定为习惯发展的状态。此外，“副交感神经系统优势”是指副交感神经系统占优势，“交感神经系统优势”是指交感神经系统占优势。关于副交感神经系统优势的状态，能够认为是抑制兴奋或者紧张状态并要返回到平常状态的状态，可理解为轻度的晕动症发病。相反地，关于交感神经系统优势的状态，可理解为重度的晕动症发病。
接下来，说明根据生物体信息B(t)对自律神经系统的状态进行推测的动作。在推测自律神经系统的状态时，首先定义乘客的平常状态的生物体信息B(t)。关于平常状态，例如设为从开始乘车起3分钟期间的自律神经系统的状态。平常状态的决定方式显然不限于此，也可以利用手表型的传感器等，根据日常的生物体信息来决定平常状态。然后，使用从平常状态起发生的生物体信息B(t)的变化来判定是副交感神经系统优势的状态、还是交感神经系统优势的状态。在判定自律神经系统的状态时，例如根据呼吸信息来进行。在与平常状态相比呼吸周期稳定且换气量减少的情况下，判定为是副交感神经系统优势的状态。另一方面，在与平常状态相比呼吸周期变得不稳定且换气量增加的情况下，判定为是交感神经系统优势的状态。
行驶状况特征抽出部30受理车辆信息C(t)，解析过去输入的车辆信息C(t)的时间序列数据，将当前的行驶状况模式P(t)输出到灵敏度设定部40。作为时间序列数据，例如使用时间间隔T期间的过去的车辆信息来决定当前的行驶状况模式P(t)。关于时间间隔T，在行驶状况会时时刻刻变化的观点上来讲优选为短，但信息量少，分类精度相应地降低。鉴于这一点，时间间隔T例如优选为10分钟。在从市区进入高速道路的情况等行驶状况明显变化的情形中，也可以立即切换行驶状况模式。
使用图2和图3来说明根据过去输入的车辆信息C(t)来决定行驶状况模式P(t)的动作的一例。图2是示出本公开的实施方式1所涉及的行驶状况特征抽出部30中的针对时间的变化的地球的重力方向的加速度的变化的说明图。图3是示出本公开的实施方式1所涉及的行驶状况特征抽出部30中的针对频率的变化的地球的重力方向的振动分量的振幅的变化的说明图。另外，图3示出时间间隔T[分钟]期间的过去的数据的频率解析结果。
设为使用地球的重力方向的加速度数据作为过去输入的车辆信息C(t)，抽出时间间隔T[分钟]期间的过去的地球的重力方向的加速度数据。通过对抽出的加速度数据进行频率解析，求出频谱。在频率解析中，例如应用高速傅立叶变换等公知技术即可。检测所求出的频谱的波峰的高度即波峰值。在图3的例子中，振动的主要频率是波峰的位置hp(t)，振动的主要频率的振幅是波峰值mp(t)。
图4是示出本公开的实施方式1所涉及的行驶状况特征抽出部30中的与行驶状况模式的决定有关的一例的说明图。交通工具晕动症的易发性根据地球的重力方向的振动等的频率特性而变化，另外同样地根据振动的振幅而变化，因此利用所述主要频率hp(t)、作为主要频率的振幅的波峰值mp(t)，将行驶状况分类为模式。利用图4来说明根据计算出的地球的重力方向的振动的主要频率的振幅即波峰值mp(t)和振动的主要频率hp(t)来决定行驶状况模式的动作的一例。在图4的说明中，将行驶状况模式的种类PN设为6种来进行说明。
图4示出振动的主要频率hp(t)的值以及振动的主要频率的振幅mp(t)的值与各行驶状况模式的对应。图4中的阈值Mt是将模式“1”、模式“3”及模式“5”与模式“2”、模式“4”及模式“6”针对振动的大小而进行区分的值。图4中的阈值Ht1是将模式“1”及模式“2”与模式“3”及模式“4”针对振动的主要频率h(t)而进行区分的值。阈值Ht2是将模式“3”及模式“4”与模式“5”及模式“6”针对振动的主要频率hp(t)而进行区分的值。各阈值例如设为预先设定的固定值。将计算出的振动的主要频率hp(t)的值以及振动的主要频率的振幅mp(t)的值绘制于图4，决定对应于哪个行驶状况模式。
例如，在振动的主要频率的振幅mp(t)为阈值Mt以上、主要频率hp(t)为阈值Ht1以上且小于阈值Ht2的情况下，行驶状况模式P(t)决定为模式“3”。
如上所述，行驶状况特征抽出部30将行驶状况分类为预先确定的行驶状况的模式。此外，交通工具晕动症是个体差异大的症状，例如既有不擅长大而缓慢的颠簸的乘客，也有不擅长小振动的乘客，易发生交通工具晕动症的行驶状况各不相同。即，针对行驶状况，具有对于乘客而言的擅长、不擅长，另外有习惯、不习惯的行驶状况。因此，根据加速度的频带、大小将行驶状况分类为若干个模式，针对其每个模式，设定灵敏度，推测交通工具晕动症。
灵敏度设定部40设定每个模式的灵敏度。具体而言，如以下那样。灵敏度设定部40受理习惯发展状态判定结果Q(t)和行驶状况模式P(t)。另外，灵敏度设定部40计算针对当前的行驶状况的感觉矛盾量的灵敏度S(t)，并输出到感觉矛盾量校正部50。关于针对行驶状况模式的编号p(p是1至6的整数)的灵敏度Sp(t)，在作为行驶状况模式P(t)而将编号p输入到灵敏度设定部40的情况下，将基于输入之前的Sp(t)的“Sp(t)-q0(t)×α”更新为灵敏度Sp(t)。
此外，根据习惯发展状态判定结果Q(t)来决定系数q0(t)。例如，在Q(t)＝1(习惯发展)的情况下设为1.0，在Q(t)＝0(习惯未发展)的情况下设为0.0。灵敏度量α是通过1次的更新来校正的灵敏度的量，例如设定0.01、0.1等的值。此外，如上所述灵敏度S(t)取0以上的值，因此在根据上述式而Sp(t)小于0的情况下，将Sp(t)设定为0。将与当前的行驶状况模式p对应的灵敏度Sp(t)作为灵敏度S(t)而输出。这样，在习惯发展的情况下，使针对对应的行驶状况模式的灵敏度变小，在习惯不发展的情况下，使针对对应的行驶状况模式的灵敏度不变化，从而能够设定考虑了针对行驶状况模式的习惯的灵敏度。
感觉矛盾量校正部50受理感觉矛盾量D(t)和灵敏度S(t)，将校正后的感觉矛盾量D’(t)输出到交通工具晕动症推测部60。例如通过下面的式子来计算校正后的感觉矛盾量D’(t)。
D’(t)＝S(t)×D(t)(式1)
通过这样校正感觉矛盾量，能够计算与针对当前的行驶状况模式的习惯的发展状况相应的矛盾量。
交通工具晕动症推测部60受理校正后的感觉矛盾量D’(t)，计算并输出乘客的交通工具晕动症等级O(t)。关于从校正后的感觉矛盾量D’(t)至乘客的交通工具晕动症等级O(t)的计算，例如如非专利文献1所记载那样输出MSI(Motion Sickness Incidence，晕动症发病)率[％]，输出将MSI的值标准化为0～1得到的值作为交通工具晕动症等级O(t)。
接下来，使用图5来说明实施方式1所涉及的交通工具晕动症推测装置100的处理的过程。图5是示出实施方式1所涉及的交通工具晕动症推测装置100的处理的流程图。每当输入头部的活动信息A(t)、生物体信息B(t)或者车辆信息C(t)时进行一次图5所示的处理。首先，在步骤S1中，感觉矛盾量计算部10根据头部的活动信息A(t)计算感觉矛盾量D(t)，并输出到感觉矛盾量校正部50。
接下来，在步骤S2中，习惯发展状态判定部20根据生物体信息B(t)判定针对当前的行驶状况的习惯的发展状态，将习惯发展状态判定结果Q(t)输出到灵敏度设定部40。
接下来，在步骤S3中，行驶状况特征抽出部30对C(t)的时间序列数据进行解析，将当前的行驶状况模式P(t)输出到灵敏度设定部40。
接下来，在步骤S4中，灵敏度设定部40根据习惯发展状态判定结果Q(t)和行驶状况模式P(t)，计算针对当前的行驶状况的感觉矛盾量的灵敏度S(t)，并输出到感觉矛盾量校正部50。
接下来，在步骤S5中，感觉矛盾量校正部50将根据感觉矛盾量D(t)和灵敏度S(t)进行校正后的感觉矛盾量D’(t)输出到交通工具晕动症推测部60。
接下来，在步骤S6中，交通工具晕动症推测部60根据校正后的感觉矛盾量D’(t)，计算并输出乘客的交通工具晕动症等级O(t)。
通过如上所述校正感觉矛盾量D(t)并设为感觉矛盾量D’(t)，能够计算与针对当前的行驶状况模式的习惯的发展状况对应的矛盾量。
交通工具晕动症推测装置100具备感觉矛盾量计算部10、习惯发展状态判定部20、行驶状况特征抽出部30、灵敏度设定部40、感觉矛盾量校正部50以及交通工具晕动症推测部60，根据习惯发展状态判定部20所判定的习惯发展状态判定结果Q(t)和行驶状况特征抽出部30所决定的行驶状况模式P(t)，在习惯发展的情况下使针对对应的行驶状况模式的灵敏度变小，在习惯未发展的情况下使针对对应的行驶状况模式的灵敏度不变化，从而设定考虑了针对行驶状况模式的习惯的灵敏度，校正感觉矛盾量。
在本实施方式1所涉及的交通工具晕动症推测装置中，根据针对行驶状况的习惯的发展状态来校正感觉矛盾量，从而即便发生针对行驶状况的习惯，也能够精度良好地判定交通工具晕动症状态。
另外，交通工具晕动症推测装置100中的习惯发展状态判定部20根据生物体信息B(t)推测乘客的自律神经系统的状态，根据其结果来判定习惯发展状态。这样，在本实施方式1所涉及的交通工具晕动症推测装置中，根据自律神经系统的状态来判定习惯的发展状态，从而能够根据乘客的内部的状态来精度良好地判定习惯的发展状态。
另外，在本实施方式1所涉及的交通工具晕动症推测装置中，通过判定针对行驶状况的乘客的“习惯(habituation)”，从而即便针对行驶状况的乘客的习惯发展，也能够精度良好地推测交通工具晕动症等级。
此外，在本实施方式1中，在推测自律神经系统的状态时使用呼吸信息，但不限于此。例如，也可以使用心跳变动信息来推测自律神经系统的状态。作为使用心跳变动信息的自律神经系统的状态推测方法，对心跳间隔的时间序列数据进行频率解析，根据来自呼吸的高频分量(0.15～4.0[Hz])与来自血压变动等的低频分量(0.04～0.15[Hz])的比率，推测自律神经的状态。另外，在呼吸信息之中，也可以使用呼吸周期的稳定性、换气量以外的指标来推测自律神经系统的状态。
此外，在本实施方式1中，根据地球的重力方向的振动的大小和主要频率来决定行驶状况模式，但不限于此。既可以使用加速量或者制动量的车辆操作量，也可以使用旋转角速度、地磁的信息、天气信息或者行驶路径信息来决定行驶状况模式。
此外，在本实施方式1中，根据校正后的感觉矛盾量来推测交通工具晕动症等级，但不限于此。例如，既可以使用自律神经系统的状态来推测交通工具晕动症等级，也可以在自律神经系统的状态为交感神经系统优势的情况下，推测为交通工具晕动症等级变高。
此外，在本实施方式1中，将划分行驶状况模式的阈值设为固定值，但不限于此。例如，也可以使用SOM(Self-Organizing Maps，自组织映射)或者k附近法等的学习方法来自动地决定。“SOM(Self-Organizing Maps)”是能够通过无教师学习而向任意的维度映射输入数据的2层构造的无教师学习神经网络。“k附近法”是如下学习方法：针对绘制到矢量空间上的学习数据，在得到未知的数据时，按照从其起的距离从近到远的顺序取得任意的k个，利用多数表决来推测数据所属的级别。
此外，在本实施方式1中，在行驶状况特征抽出部30中将当前的行驶状况分类为预先确定的模式，在灵敏度设定部40中设定针对各模式的灵敏度，但不限于此。例如，也可以根据表示行驶状况的振动的主要频率、振动的振幅，设定灵敏度连续地变化那样的函数。但是，这样的函数为非线性且复杂，函数的选定、参数的选定是困难的。因此，如本实施方式1所示，将行驶状况分类为模式，设定针对各模式的灵敏度。
实施方式2.
图6是示出本公开的实施方式2所涉及的交通工具晕动症推测装置100b的概略性的结构的框图。图6所示的交通工具晕动症推测装置100b相对于图1所示的交通工具晕动症推测装置100，代替交通工具晕动症推测装置100而具备交通工具晕动症推测装置100b。交通工具晕动症推测装置100b的不同点在于，代替习惯发展状态判定部20而具备习惯发展状态判定部20b，代替灵敏度设定部40而具备灵敏度设定部40b。在图6中，对于与图1所示的结构要素相同或者对应的结构要素，示出与图1所示的符号相同的符号。另外，关于与图1所示的结构相同或者对应的结构，省略说明。
与实施方式1的不同点在于，习惯发展状态判定部20b将习惯发展状态判定结果Q(t)和自律神经系统状态U(t)输出到灵敏度设定部40b，灵敏度设定部40b根据习惯发展状态判定结果Q(t)和自律神经系统状态U(t)来设定灵敏度。
习惯发展状态判定部20b受理生物体信息B(t)，将习惯发展状态判定结果Q(t)和自律神经系统状态U(t)输出到灵敏度设定部40b。在习惯发展状态判定部20b中，例如如果自律神经系统的状态是平常状态则将自律神经系统状态U(t)设为0，如果是副交感神经系统优势的状态则将自律神经系统状态U(t)设为1，如果是交感神经系统优势的状态则将自律神经系统状态U(t)设为2。
灵敏度设定部40b受理习惯发展状态判定结果Q(t)、自律神经系统状态U(t)和行驶状况模式P(t)，计算针对当前的行驶状况模式的灵敏度S(t)，并输出到感觉矛盾量校正部50。
关于灵敏度设定部40b，在实施方式1中，在乘客发病轻度的交通工具晕动症、且针对行驶状况模式的习惯发展的情况下，以使针对感觉矛盾量的灵敏度变小的方式校正灵敏度。在实施方式2中，除了所述的灵敏度的校正以外，在乘客发病重度的交通工具晕动症的情况下，以使针对感觉矛盾量的灵敏度变高的方式校正灵敏度。关于针对行驶状况模式的编号p的灵敏度Sp(t)，在作为行驶状况模式P(t)而将编号p输入到灵敏度设定部40b的情况下，将基于输入之前的Sp(t)的“Sp(t)-q0(t)×α”更新为灵敏度Sp(t)。
此处，根据习惯发展状态判定结果Q(t)和自律神经系统状态U(t)来决定系数q0(t)。例如，在Q(t)＝1且U(t)＝1情况(习惯发展的状态)下设为1.0，在Q(t)＝0且U(t)＝0的情况(习惯未发展的状态，且重度的交通工具晕动症未发病的状态)下设为0.0。在Q(t)＝0且U(t)＝2的情况(习惯未发展的状态，且重度的交通工具晕动症发病的状态)下设为-1.0。通过这样更新灵敏度，从而在重度的交通工具晕动症发病的情况、即交感神经系统优势的情况下将针对感觉矛盾量的灵敏度校正得高，由此易于取得交通工具晕动症等级O(t)高的值。此外，系数q0(t)不限于上述的值，可以设定任意的值。
交通工具晕动症推测装置100b具备感觉矛盾量计算部10、习惯发展状态判定部20b、行驶状况特征抽出部30、灵敏度设定部40b、感觉矛盾量校正部50以及交通工具晕动症推测部60，根据习惯发展状态判定部20所输出的习惯发展状态判定结果Q(t)及自律神经系统状态U(t)和行驶状况特征抽出部30所决定的行驶状况模式P(t)，在重度的交通工具晕动症发病的情况、即交感神经系统优势的情况下，以将针对感觉矛盾量的灵敏度校正得高的方式，计算乘客的交通工具晕动症等级O(t)。
在本实施方式2所涉及的交通工具晕动症推测装置中，在重度的交通工具晕动症发病的情况下将针对感觉矛盾量的灵敏度校正得高，从而能够精度良好地推测交通工具晕动症等级。
实施方式3.
图7是示出本公开的实施方式3所涉及的交通工具晕动症推测装置100c的概略性的结构的框图。图7所示的交通工具晕动症推测装置100c相对于图1所示的交通工具晕动症推测装置100，代替交通工具晕动症推测装置100而具备交通工具晕动症推测装置100c。交通工具晕动症推测装置100c的不同点在于，还具备乘客状态判定部70，代替习惯发展状态判定部20而具备习惯发展状态判定部20c。在图7中，对于与图1所示的结构要素相同或者对应的结构要素，示出与图1所示的符号相同的符号。另外，关于与图1所示的结构相同或者对应的结构，省略说明。
与实施方式1的不同点在于，在判定针对行驶状况的习惯的发展状态时，根据乘客状态的判定结果来判定习惯的发展状态。
乘客状态判定部70受理图像信息Im(t)，将乘客状态信息R(t)输出到习惯发展状态判定部20c。图像信息Im(t)是以预先确定的帧频对包含乘客的空间进行摄像得到的表示该空间的运动图像的一连串的帧的图像信息(摄像图像)。例如以30[FPS]的帧频进行摄像得到的乘客状态信息R(t)是表示与交通工具晕动症没有关系的乘客状态的信息，包括乘客的清醒等级、应激反应等级或者疲劳等级的信息。所述的各乘客状态的等级例如用0～1的值来定义。关于清醒等级，将等级0定义为不清醒的状态，将等级1定义为清醒的状态。在应激反应等级中，将等级0定义为没有应激反应的状态，将等级1定义为应激反应大的状态。关于疲劳等级，能够将等级0定义为不疲劳的状态，将等级1定义为疲劳的状态。
习惯发展状态判定部20c根据生物体信息B(t)和乘客状态信息R(t)，判定针对当前的行驶状况的习惯的发展状态。
接下来，使用图8来说明交通工具晕动症推测装置100c的处理的过程。图8是示出实施方式3所涉及的交通工具晕动症推测装置100c的处理的流程图。图8所示的流程图相对于图5所示的流程图，不同点在于，具有作为对乘客状态判定进行判定的步骤的步骤0，代替作为对习惯发展状态进行判定的步骤的步骤S2而具有作为对习惯发展状态进行判定的步骤的步骤S2’。在图8中，对于与图5所示的步骤相同或者对应的步骤，示出与图5所示的符号相同的符号。另外，关于与图5所示的步骤相同或者对应的步骤，省略说明。
首先，在步骤S0中，乘客状态判定部70根据图像信息Im(t)计算乘客状态信息R(t)。以下，将乘客状态信息作为乘客的清醒等级来说明。能够根据图像信息的时间序列数据来计算乘客的清醒等级。例如，能够根据图像信息Im(t)检测乘客的眼睛的开闭状态，并计算PERCLOS(预定时间中的眼睛的闭眼时间比例)等指标，从而计算乘客的清醒等级。此外，清醒等级的计算方法不限于此，可以使用公知的技术来计算。
接下来，在步骤S2’中，习惯发展状态判定部20c根据生物体信息B(t)和乘客状态信息R(t)，判定针对当前的行驶状况的习惯的发展状态。在实施方式1中，将副交感神经系统优势的状态判定为是习惯发展状态，但不仅在轻度的晕动症发生时出现副交感神经系统优势的状态，而且在清醒等级下降时出现副交感神经系统优势的状态。因此，在习惯发展状态判定部20c中，根据副交感神经系统优势的状态是由轻度的晕动症的发生引起的状态、还是由清醒等级下降引起的状态，来判定习惯的发展状态。具体而言，将是副交感神经系统优势并且清醒等级高的状态判定为习惯发展状态。在判定清醒等级高还是低时，针对清醒等级设定阈值，如果是阈值以上则判定为清醒等级高，如果小于阈值则判定为清醒等级低。
作为决定清醒等级高还是低的PERCLOS以外的基准，例如将清醒等级分为5个阶段“1：感觉完全不困，2：感觉稍微困，3：感觉困，4：感觉颇为困，5：感觉非常困”，将3阶段以上决定为清醒等级高，将小于3阶段决定为清醒等级低，将其设为“表情评定基准”。
为了决定针对PERCLOS的阈值，预先进行实验，取得上述表情评定基准与PERCLOS的值的对应。“取得对应”是指求出PERCLOS的值相当于表情评定基准的第几阶段。通过上述实验取得表情评定基准与PERCLOS的对应，取得与表情评定基准的3阶段以上及小于3阶段的分界相当的PERCLOS的值。将与该分界相当的PERLCOS的值设为在判定清醒等级高还是低时设定的阈值。
交通工具晕动症推测装置100c具备感觉矛盾量计算部10、习惯发展状态判定部20c、行驶状况特征抽出部30、灵敏度设定部40、感觉矛盾量校正部50、交通工具晕动症推测部60以及乘客状态判定部70，输出根据生物体信息B(t)和乘客状态信息R(t)而判定的习惯发展状态判定结果Q(t)，根据习惯发展状态判定结果Q(t)和行驶状况模式P(t)来校正感觉矛盾量，从而计算乘客的交通工具晕动症等级O(t)。
在本实施方式3中，考虑乘客状态信息来判定习惯的发展状态，从而抑制尽管习惯未发展但判定为习惯发展的情形，能够精度良好地判定习惯发展状态。其结果，能够精度良好地推测交通工具晕动症等级。
此外，在本实施方式3中，使用图像信息来推测清醒等级，但不限于此。例如，既可以根据生物体信息来推测清醒等级，也可以根据智能手机等的操作历史来推测清醒等级。
此外，在本实施方式3中，根据清醒等级来判定习惯的发展状态，但不限于此。如上所述也可以根据应激反应等级或者疲劳等级来判定习惯的发展状态。
此外，在本实施方式3中，根据校正后的感觉矛盾量来推测交通工具晕动症等级，但不限于此。例如，既可以使用自律神经系统的状态来推测交通工具晕动症等级，也可以在自律神经系统的状态为交感神经系统优势的情况下，推测为交通工具晕动症等级变高，将针对行驶状况的模式的灵敏度设定得大。或者，也可以根据乘客状态信息来推测交通工具晕动症等级。例如，在作为乘客状态信息而清醒等级下降的情况下，能够判定为犯困，因此将交通工具晕动症等级推测得小。换言之，交通工具晕动症推测装置100c也可以除了校正后的感觉矛盾量以外，还根据自律神经系统的状态来推测交通工具晕动症状态。另外，交通工具晕动症推测装置100c也可以除了感觉矛盾量和自律神经系统的状态以外，还根据乘客状态来推测交通工具晕动症状态。
实施方式4.
图9是示出本公开的实施方式4所涉及的交通工具晕动症抑制装置的概略性的结构的框图。图9所示的交通工具晕动症抑制装置200除了图1所示的交通工具晕动症推测装置100以外还具备交通工具晕动症抑制部210。在图9中，对于与图1所示的结构要素相同或者对应的结构要素，示出与图1所示的符号相同的符号。另外，关于与图1所示的结构相同或者对应的结构，省略说明。
交通工具晕动症抑制部210从交通工具晕动症推测装置100受理交通工具晕动症等级O(t)，输出对乘客的交通工具晕动症进行抑制那样的车辆控制信息V(t)。例如在车辆是自动驾驶车辆的情况下，车辆控制信息V(t)是车辆行驶的目标轨迹、目标速度或者目标操舵角。在车辆控制信息V(t)中，以在交通工具晕动症等级变高时使交通工具晕动症等级下降的方式设定有所述的值。具体而言，以使行驶时的振动或者加减速变小的方式，设定目标轨迹、目标速度或者目标操舵角的值。另外，例如在车辆是基于驾驶员的手动驾驶车辆的情况下，车辆控制信息V(t)是催促司机避免急加速、急制动以及急操舵的警告信息。此外，交通工具晕动症等级高是指交通工具晕动症等级比预定的阈值高。
根据本实施方式4所涉及的交通工具晕动症抑制装置，在交通工具晕动症等级变高时，以使交通工具晕动症等级下降的方式输出车辆控制信息，从而能够抑制乘客的交通工具晕动症。
实施方式5.
图10是示出本公开的实施方式5所涉及的交通工具晕动症抑制装置的概略性的结构的框图。图10所示的交通工具晕动症抑制装置200b相对于图9所示的交通工具晕动症抑制装置200，不同点在于，代替灵敏度设定部40而具备灵敏度设定部40c，代替交通工具晕动症推测装置100而具备交通工具晕动症推测装置100d，代替交通工具晕动症抑制部210而具备交通工具晕动症抑制部210b。在图10中，对于与图9所示的结构要素相同或者对应的结构要素，示出与图9所示的符号相同的符号。另外，关于与图9所示的结构相同或者对应的结构，省略说明。
灵敏度设定部40c受理习惯发展状态判定结果Q(t)和行驶状况模式P(t)，计算针对当前的行驶状况的感觉矛盾量的灵敏度S(t)，并输出到感觉矛盾量校正部50，将针对所有的行驶状况模式的感觉矛盾量的灵敏度Sall(t)输出到交通工具晕动症抑制部210b。关于Sall(t)，例如在行驶状况模式有PN种的情况下，将S1(t)～SPN(t)的PN种的灵敏度作为Sall来输出。
交通工具晕动症推测装置100d受理头部的活动信息A(t)、生物体信息B(t)以及车辆信息C(t)作为输入，将习惯发展状态判定结果Q(t)、交通工具晕动症等级O(t)以及针对所有的行驶状况模式的感觉矛盾量的灵敏度Sall(t)输出到交通工具晕动症抑制部210b。
交通工具晕动症抑制部210b受理习惯发展状态判定结果Q(t)、交通工具晕动症等级O(t)以及针对所有的行驶状况模式的感觉矛盾量的灵敏度Sall(t)作为输入，输出车辆控制信息V(t)。
交通工具晕动症抑制部210b在交通工具晕动症等级变高时以使交通工具晕动症等级下降的方式输出车辆控制信息V(t)，这点与实施方式4相同。并且，交通工具晕动症抑制部210b根据习惯发展状态判定结果，以使针对行驶状况的乘客的习惯发展的方式生成车辆控制信息V(t)并输出。
在本实施的结构中，针对行驶状况模式，求出灵敏度高还是低、习惯发展或者未发展。灵敏度高的行驶状况模式是指乘客易发生交通工具晕动症的行驶状况模式，换言之是乘客不擅长的行驶状况模式。以不会成为这样的灵敏度高的行驶状况模式的方式进行控制这是车辆控制方法之一，但在持续这样的控制的情况下，乘客不会习惯不擅长的行驶状况模式。为了以针对不擅长的行驶状况模式而使习惯发展来逐渐消除不擅长的行驶状况模式的方式、即以使针对行驶状况的乘客的习惯发展的方式生成车辆控制信息V(t)，例如以使灵敏度高的行驶状况模式和灵敏度低的行驶状况模式交替地重复的方式进行控制。以成为灵敏度高的行驶状况模式的方式控制车辆，保持轻度的交通工具晕动症状态、即习惯发展状态，从而能够降低针对所述行驶状况模式的灵敏度，乘客能够克服不擅长的行驶状况模式。但是，也有时在灵敏度充分下降之前习惯发展状态判定结果Q(t)会转移到“不是习惯发展状态”的状态。在该情况下，以成为灵敏度低的行驶状况模式、即成为乘客并非不擅长的行驶状况模式的方式控制车辆，防止交通工具晕动症等级变高。通过这样控制车辆，从而能够使针对乘客不擅长的行驶状况模式的习惯发展，使乘客经历灵敏度高的行驶状况模式。此外，通过参照针对所有的行驶状况模式的感觉矛盾量的灵敏度Sall而得到灵敏度高的模式、灵敏度低的模式。
根据本实施方式5所涉及的交通工具晕动症抑制装置，以使针对行驶状况的乘客的习惯发展的方式控制车辆，从而能够抑制乘客的交通工具晕动症。
实施方式6.
图11是示出本公开的实施方式6所涉及的交通工具晕动症抑制装置的概略性的结构的框图。图11所示的交通工具晕动症抑制装置200c相对于图11所示的交通工具晕动症抑制装置200，不同点在于，代替灵敏度设定部40而具备灵敏度设定部40d，代替交通工具晕动症推测装置100而具备交通工具晕动症推测装置100e，代替交通工具晕动症抑制部210而具备交通工具晕动症抑制部210c。在图11中，对于与图9所示的结构要素相同或者对应的结构要素，示出与图9所示的符号相同的符号。另外，关于与图9所示的结构相同或者对应的结构，省略说明。
灵敏度设定部40d受理习惯发展状态判定结果Q(t)和行驶状况模式P(t)，计算针对当前的行驶状况的感觉矛盾量的灵敏度S(t)，并输出到感觉矛盾量校正部50和交通工具抑制部210c，将针对所有的行驶状况模式的感觉矛盾量的灵敏度Sall(t)输出到交通工具晕动症抑制部210c。
交通工具晕动症推测装置100e受理头部的活动信息A(t)、生物体信息B(t)以及车辆信息C(t)作为输入，将针对当前的行驶状况的感觉矛盾量的灵敏度S(t)、针对所有的行驶状况模式的感觉矛盾量的灵敏度Sall(t)以及交通工具晕动症等级O(t)输出到交通工具晕动症抑制部210c。
交通工具晕动症抑制部210c受理针对当前的行驶状况的感觉矛盾量的灵敏度S(t)、针对所有的行驶状况模式的感觉矛盾量的灵敏度Sall(t)以及交通工具晕动症等级O(t)作为输入，输出车辆控制信息V(t)。
交通工具晕动症抑制部210c在交通工具晕动症等级变高时以使交通工具晕动症等级下降的方式输出车辆控制信息V(t)，这点与实施方式4相同。并且，交通工具晕动症抑制部210c根据针对当前的行驶状况的感觉矛盾量的灵敏度S(t)、针对所有的行驶状况模式的感觉矛盾量的灵敏度Sall(t)以及交通工具晕动症等级O(t)，以使行驶状况模式P(t)不会被分类到灵敏度S(t)高的行驶状况模式的方式生成车辆控制信息V(t)，并且交通工具晕动症抑制部210c根据针对当前的行驶状况的感觉矛盾量的灵敏度S(t)、针对所有的行驶状况模式的感觉矛盾量的灵敏度Sall(t)以及交通工具晕动症等级O(t)，以使行驶状况模式P(t)被分类到灵敏度S(t)低的行驶状况模式的方式生成车辆控制信息V(t)。
根据本实施方式6所涉及的交通工具晕动症抑制装置，在交通工具晕动症等级变高时，以使交通工具晕动症等级下降的方式，并且根据灵敏度S(t)以使行驶状况模式P(t)被分类到灵敏度S(t)低的行驶状况模式的方式输出车辆控制信息，从而能够抑制乘客的交通工具晕动症。
实施方式7.
图12是示出本公开的实施方式7所涉及的交通工具晕动症推测装置100f的概略性的结构的框图。图12所示的交通工具晕动症推测装置100f相对于图1所示的交通工具晕动症推测装置100，代替交通工具晕动症推测装置100而具备交通工具晕动症推测装置100f。交通工具晕动症推测装置100f相对于交通工具晕动症推测装置100，不同点在于受理个人识别信息E(t)作为输入。另外，交通工具晕动症推测装置100f相对于交通工具晕动症推测装置100，不同点在于代替灵敏度设定部40而具备灵敏度设定部40e。而且，交通工具晕动症推测装置100f相对于交通工具晕动症推测装置100，不同点在于具备灵敏度记录部80。在图12中，对于与图1所示的结构要素相同或者对应的结构要素，示出与图1所示的符号相同的符号。另外，关于与图1所示的结构相同或者对应的结构，省略说明。
在本实施方式中，灵敏度记录部80受理个人识别信息E(t)和灵敏度S(t)而将与个人识别信息E(t)对应的灵敏度S(t)记录到数据库，这点与实施方式1不同。另外，在本实施方式中，灵敏度记录部80将与个人识别信息E(t)对应的灵敏度初始值Sinit输出到灵敏度设定部40e，这点与实施方式1不同。此外，本实施方式中的灵敏度初始值Sinit是行驶状况模式的每个种类的初始值。而且，在本实施方式中，灵敏度设定部40e使用灵敏度初始值Sinit来设定行驶状况模式的每个种类的灵敏度的初始值，这点与实施方式1不同。此处，个人识别信息E(t)是用于确定乘客的信息，例如是用0、1、2、3这样的整数来表现的识别代码。如果乘客被替换，则个人识别信息E(t)成为不同的值。个人识别信息E(t)是例如通过根据由照相机图像得到的面部图像来区分是被登记的乘客还是未被登记的乘客从而得到的识别代码。例如，如果是并非以业务目的来使用的、主要在一般家庭中利用那样的一般的车辆，则登记的乘客的数量是5名至10名程度。在是未被登记的新的乘客的情况下，对于该乘客，赋予例如作为“客人”的识别代码即个人识别信息E(t)。
灵敏度记录部80受理乘客的个人识别信息E(t)和该乘客的灵敏度S(t)作为输入。灵敏度记录部80在个人识别信息E(t)变化的时刻、即乘客被替换的时刻，将乘客的灵敏度S(t)作为每个个人识别信息E(t)的灵敏度初始值Sinit而记录到数据库。另外，灵敏度记录部80从数据库读出与个人识别信息E(t)对应的灵敏度初始值Sinit，并输出到灵敏度设定部40e。
灵敏度设定部40e从灵敏度记录部80受理与个人识别信息E(t)对应的灵敏度初始值Sinit，并作为初始值而设定到灵敏度S(t)。另外，灵敏度设定部40e受理习惯发展状态判定结果Q(t)和行驶状况模式P(t)，根据灵敏度初始值Sinit，将与当前的行驶状况模式p对应的灵敏度Sp(t)计算为灵敏度S(t)并输出到感觉矛盾量校正部50。
接下来，对灵敏度记录部80的动作进行说明。灵敏度记录部80受理乘客的个人识别信息E(t)和该乘客的灵敏度S(t)作为输入，将输入的灵敏度S(t)作为该乘客的灵敏度初始值Sinit，将乘客的个人识别信息E(t)与灵敏度初始值Sinit对应起来记录到数据库。例如在灵敏度S(t)被更新的时刻记录与个人识别信息E(t)对应的、行驶状况模式p中的灵敏度初始值Sinit，从而能够记录针对各乘客的最新的灵敏度S(t)。
另外，灵敏度记录部80通过如上所述进行动作，从而灵敏度设定部40e能够将乘客在过去乘车时的灵敏度的值用作灵敏度计算的初始值。此外，在不存在与个人识别信息E(t)对应的灵敏度初始值Sinit的情况、换言之事先未记录于数据库的情况下，例如将行驶状况模式p中的灵敏度初始值Sinit设为1.0而输出到灵敏度设定部40e。
此外，如果乘客是多个，则输入到交通工具晕动症推测装置100f的头部活动信息A(t)、生物体信息B(t)以及个人识别信息E(t)各自具有与乘客的数量相应的数量的信息。在该情况下，灵敏度记录部80输出与每个乘客的个人识别信息E(t)对应起来的灵敏度初始值Sinit。灵敏度设定部40e使用根据每个乘客的生物体信息B(t)生成的习惯发展状态判定结果Q(t)以及与该乘客的个人识别信息E(t)对应起来的灵敏度初始值Sinit，计算各个灵敏度S(t)。关于感觉矛盾量D(t)、校正后的感觉矛盾量D’(t)，也生成每个乘客的信息，从而计算多个乘客的交通工具晕动症等级O(t)。除了与乘客的数量相应地进行多次的处理以外，上述说明中的各结构要素的动作是相同的。
根据本实施方式7所涉及的交通工具晕动症推测装置，将乘客过去乘车时的灵敏度的值用作所述乘客的灵敏度计算的初始值，从而关于同一乘客，能够继承前次乘车时的计算数据，能够效率更良好地判定交通工具晕动症状态。
图13是交通工具晕动症推测装置100的硬件结构的一例的图。图14是示出交通工具晕动症推测装置100的硬件结构的其它例子的图。
交通工具晕动症推测装置100例如由至少1个处理器101a以及存储器101b构成。处理器101a例如是执行储存于存储器101b的程序的中央处理单元(Central ProcessingUnit，CPU)。在该情况下，交通工具晕动症推测装置100的功能通过软件、固件、或者软件与固件的组合来实现。能够将软件以及固件作为程序而储存到存储器101b。由此，由计算机执行用于实现交通工具晕动症推测装置100的功能(例如在本实施方式中说明的交通工具晕动症推测方法)的程序。
存储器101b是计算机可读取的记录介质，例如是RAM(Random Access Memory，随机存取存储器)以及ROM(Read Only Memory，只读存储器)等易失性存储器、非易失性存储器、或者易失性存储器与非易失性存储器的组合。
交通工具晕动症推测装置100也可以由单一电路或者复合电路等作为专用的硬件的处理电路101c构成。在该情况下，交通工具晕动症推测装置100的功能由处理电路101c来实现。
如以上那样对本公开的实施方式进行了说明，但本公开并不限于这些实施方式。

Claims (14)

1.一种交通工具晕动症推测装置，具备：
感觉矛盾量计算部，根据由于交通工具的颠簸而发生的乘客的头部的活动，计算感觉矛盾量；
行驶状况特征抽出部，根据所述乘客的头部的活动以及所述交通工具的活动中的至少任一方，抽出行驶状况的特征；
习惯发展状态判定部，根据所述乘客的生物体信息，判定为是习惯发展状态，该习惯发展状态是针对所述行驶状况而所述乘客的习惯发展的状态；
灵敏度设定部，根据所述习惯发展状态，设定针对所述行驶状况的特征的灵敏度；
感觉矛盾量校正部，根据所述灵敏度来校正所述感觉矛盾量；以及
交通工具晕动症推测部，根据校正后的所述感觉矛盾量来推测所述乘客的交通工具晕动症状态。
2.根据权利要求1所述的交通工具晕动症推测装置，其中，
所述习惯发展状态判定部判定所述乘客的自律神经系统的状态，根据所述自律神经系统的状态来判定习惯发展状态。
3.根据权利要求2所述的交通工具晕动症推测装置，其中，
所述习惯发展状态判定部根据所述自律神经系统的状态是副交感神经系统占优势的副交感神经系统优势的状态这一情况，判定为是习惯发展的状态。
4.根据权利要求2或者3所述的交通工具晕动症推测装置，其中，
所述习惯发展状态判定部还具备乘客状态判定部，该乘客状态判定部判定所述乘客的状态，
所述习惯发展状态判定部除了所述自律神经系统的状态以外，还根据所述乘客的状态来判定习惯发展状态。
5.根据权利要求4所述的交通工具晕动症推测装置，其中，
所述乘客状态判定部判定所述乘客是否为清醒状态，
所述习惯发展状态判定部在所述自律神经系统的状态是副交感神经系统占优势的副交感神经系统优势的状态、并且所述乘客的状态是清醒状态的情况下，判定为是习惯发展的状态。
6.根据权利要求2至5中的任一项所述的交通工具晕动症推测装置，其中，
所述行驶状况特征抽出部将行驶状况分类为预先确定的行驶状况的模式，
所述灵敏度设定部关于所述模式的各个模式，设定所述灵敏度。
7.根据权利要求2至6中的任一项所述的交通工具晕动症推测装置，其中，
所述灵敏度设定部在判定为所述习惯发展的状态的情况下，将针对所述行驶状况的模式的灵敏度设定得小。
8.根据权利要求2所述的交通工具晕动症推测装置，其中，
在所述习惯发展状态判定部判定为所述自律神经系统的状态是交感神经系统占优势的交感神经系统优势的状态的情况下，所述灵敏度设定部将针对所述行驶状况的模式的灵敏度设定得大。
9.根据权利要求2至8中的任一项所述的交通工具晕动症推测装置，其中，
所述交通工具晕动症推测部除了所述校正后的感觉矛盾量以外，还根据所述自律神经系统的状态来推测所述交通工具晕动症状态。
10.根据权利要求9所述的交通工具晕动症推测装置，其中，
所述交通工具晕动症推测部除了所述感觉矛盾量和所述自律神经系统的状态以外，还根据所述乘客的状态来推测所述交通工具晕动症状态。
11.根据权利要求6至10中的任一项所述的交通工具晕动症推测装置，其中，
所述交通工具晕动症推测装置还具备灵敏度记录部，该灵敏度记录部将用于识别所述乘客的乘客识别信息与从所述灵敏度设定部得到的所述乘客的灵敏度对应起来的信息记录为所述乘客的灵敏度初始值，
所述灵敏度设定部在过去已识别的乘客再次乘坐所述交通工具时，使用来自所述灵敏度记录部的与所述乘客对应起来的所述灵敏度初始值而设定为灵敏度的初始值。
12.一种交通工具晕动症抑制装置，具备：
权利要求1至11中的任一项所述的交通工具晕动症推测装置；以及
交通工具晕动症抑制部，根据所述交通工具晕动症推测结果来抑制所述乘客的交通工具晕动症。
13.根据权利要求12所述的交通工具晕动症抑制装置，其中，
所述交通工具晕动症抑制部以使所述灵敏度高的行驶状况模式和灵敏度低的行驶状况模式交替地重复的方式控制车辆。
14.一种交通工具晕动症推测方法，具有：
感觉矛盾量推测步骤，根据由于交通工具的颠簸而发生的乘客的头部的活动，推测感觉矛盾量；
行驶状况特征抽出步骤，根据所述乘客的头部的活动以及所述交通工具的活动中的至少任一方，从行驶状况抽出与交通工具晕动症关联的行驶状况的特征；
习惯发展状态判定步骤，根据所述乘客的生物体信息，判定为是习惯发展状态，该习惯发展状态是针对所述行驶状况而所述乘客的习惯发展的状态；
灵敏度设定步骤，根据所述习惯发展状态，设定针对所述行驶状况的特征的灵敏度；
感觉矛盾量校正步骤，根据所述灵敏度来校正所述感觉矛盾量；以及
交通工具晕动症推测步骤，根据校正后的所述感觉矛盾量来推测所述乘客的交通工具晕动症状态。
CN202080014178.5A 2019-02-18 2020-01-09 交通工具晕动症推测装置、交通工具晕动症抑制装置以及交通工具晕动症推测方法 Active CN113439049B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019026470 2019-02-18
JP2019-026470 2019-02-18
PCT/JP2020/000455 WO2020170640A1 (ja) 2019-02-18 2020-01-09 乗り物酔い推定装置、乗り物酔い抑制装置及び乗り物酔い推定方法

Publications (2)

Publication Number Publication Date
CN113439049A true CN113439049A (zh) 2021-09-24
CN113439049B CN113439049B (zh) 2024-04-09

Family

ID=72144039

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080014178.5A Active CN113439049B (zh) 2019-02-18 2020-01-09 交通工具晕动症推测装置、交通工具晕动症抑制装置以及交通工具晕动症推测方法

Country Status (5)

Country Link
US (1) US11787421B2 (zh)
JP (1) JP7046259B2 (zh)
CN (1) CN113439049B (zh)
DE (1) DE112020000867T5 (zh)
WO (1) WO2020170640A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115414008A (zh) * 2022-09-02 2022-12-02 智己汽车科技有限公司 用于对抗晕动症的vr显示方法及系统

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240061510A1 (en) * 2019-05-12 2024-02-22 NeuroHaptics, Inc. Motion sickness reduction, directional indication, and neural rehabilitation device
KR20220003744A (ko) * 2020-07-02 2022-01-11 현대자동차주식회사 멀미 저감을 위한 자율주행차량의 제어 시스템
JP7480856B2 (ja) * 2020-09-28 2024-05-10 日産自動車株式会社 車両運動制御方法及び車両運動制御装置
JP2022083518A (ja) * 2020-11-25 2022-06-06 日立Astemo株式会社 車両統合制御装置、および、車両統合制御方法
JP2023108756A (ja) * 2022-01-26 2023-08-07 日立Astemo株式会社 車両統合制御装置、車両統合制御方法
CN116726388B (zh) * 2023-06-15 2024-03-26 湖南大学 一种拟人反馈的主动时空自平衡前庭刺激系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1646344A (zh) * 2002-02-18 2005-07-27 荷兰应用自然科学研究组织 用于预防晕动病的方法以及用于检测并发信号告知可能使人昏晕的运动的设备
JP2007236644A (ja) * 2006-03-09 2007-09-20 Nissan Motor Co Ltd 乗り物酔い推定装置、乗り物酔い推定方法及び乗り物酔い推定装置付き車両
CN106562793A (zh) * 2015-10-08 2017-04-19 松下电器（美国）知识产权公司 信息提示装置的控制方法、以及信息提示装置
WO2018070330A1 (ja) * 2016-10-11 2018-04-19 三菱電機株式会社 乗り物酔い推定装置、乗り物酔い防止装置および乗り物酔い推定方法
CN109155106A (zh) * 2016-06-02 2019-01-04 欧姆龙株式会社 状态推定装置、状态推定方法和状态推定程序

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6042533A (en) * 1998-07-24 2000-03-28 Kania; Bruce Apparatus and method for relieving motion sickness
JP2000052735A (ja) 1998-08-03 2000-02-22 Isuzu Motors Ltd 車両懸架機構の制御装置
JP2000085332A (ja) * 1998-09-14 2000-03-28 Isuzu Motors Ltd 車両懸架機構の制御装置
JP2005326962A (ja) 2004-05-12 2005-11-24 Fujitsu Ten Ltd 運転支援装置
JP2006034576A (ja) * 2004-07-27 2006-02-09 Matsushita Electric Ind Co Ltd 乗り物酔い対策装置および乗り物酔い対策方法
US7918781B1 (en) * 2006-03-22 2011-04-05 The United States Of America As Represented By The Secretary Of The Army Systems and methods for suppressing motion sickness
US9298985B2 (en) * 2011-05-16 2016-03-29 Wesley W. O. Krueger Physiological biosensor system and method for controlling a vehicle or powered equipment
US9994228B2 (en) * 2010-05-14 2018-06-12 Iarmourholdings, Inc. Systems and methods for controlling a vehicle or device in response to a measured human response to a provocative environment
WO2011143655A1 (en) * 2010-05-14 2011-11-17 Advitech, Inc. System and method for prevention and control of the effects of spatial disorientation
JP2012131269A (ja) 2010-12-20 2012-07-12 Kagawa Univ 動揺病低減装置および方法
JP5854378B2 (ja) 2011-06-03 2016-02-09 株式会社デルタツーリング 乗り心地評価方法及び乗り心地評価装置
US8708884B1 (en) 2013-03-11 2014-04-29 The United States Of America As Represented By The Secretary Of The Army Systems and methods for adaptive mitigation of motion sickness
AU2013206671B2 (en) * 2013-07-03 2015-05-14 Safemine Ag Operator drowsiness detection in surface mines
JP6703893B2 (ja) 2015-12-01 2020-06-03 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 体調推定装置、及び、体調推定システム
EP3175786A1 (en) 2015-12-01 2017-06-07 Panasonic Intellectual Property Corporation of America Estimation of physical conditions
US9862312B2 (en) * 2016-04-06 2018-01-09 The Regents Of The University Of Michigan Universal motion sickness countermeasure system
US10730524B2 (en) * 2016-09-07 2020-08-04 Faurecia Automotive Seating, Llc Vehicle seat
US10710594B2 (en) * 2016-12-28 2020-07-14 Faurecia Automotive Seating, Llc Occupant-status prediction system
US10377275B2 (en) * 2017-12-28 2019-08-13 Faurecia Automotive Seating, Llc Motion sickness mitigation
US10210409B1 (en) * 2018-02-07 2019-02-19 Lear Corporation Seating system with occupant stimulation and sensing
WO2019215811A1 (ja) * 2018-05-08 2019-11-14 三菱電機株式会社 運転支援装置及び運転支援方法
JP6537003B1 (ja) * 2018-06-20 2019-07-03 株式会社マイクロデザインプロジェクト 乗り物酔いの評価方法および乗り物酔いの評価装置
US11491903B2 (en) * 2019-04-15 2022-11-08 Honda Motor Co., Ltd. System and method for alleviating sensory conflict in a vehicle
US10926773B2 (en) * 2019-05-10 2021-02-23 Denso International America, Inc. Systems and methods for mitigating motion sickness in a vehicle

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1646344A (zh) * 2002-02-18 2005-07-27 荷兰应用自然科学研究组织 用于预防晕动病的方法以及用于检测并发信号告知可能使人昏晕的运动的设备
JP2007236644A (ja) * 2006-03-09 2007-09-20 Nissan Motor Co Ltd 乗り物酔い推定装置、乗り物酔い推定方法及び乗り物酔い推定装置付き車両
CN106562793A (zh) * 2015-10-08 2017-04-19 松下电器（美国）知识产权公司 信息提示装置的控制方法、以及信息提示装置
CN109155106A (zh) * 2016-06-02 2019-01-04 欧姆龙株式会社 状态推定装置、状态推定方法和状态推定程序
WO2018070330A1 (ja) * 2016-10-11 2018-04-19 三菱電機株式会社 乗り物酔い推定装置、乗り物酔い防止装置および乗り物酔い推定方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115414008A (zh) * 2022-09-02 2022-12-02 智己汽车科技有限公司 用于对抗晕动症的vr显示方法及系统

Also Published As

Publication number Publication date
JP7046259B2 (ja) 2022-04-01
JPWO2020170640A1 (ja) 2021-11-11
CN113439049B (zh) 2024-04-09
DE112020000867T5 (de) 2021-11-11
WO2020170640A1 (ja) 2020-08-27
US20220135054A1 (en) 2022-05-05
US11787421B2 (en) 2023-10-17

Similar Documents

Publication Publication Date Title
CN113439049B (zh) 交通工具晕动症推测装置、交通工具晕动症抑制装置以及交通工具晕动症推测方法
EP3809227B1 (en) Driving assistance apparatus and driving assistance method
CN108394414B (zh) 清醒度判定系统以及清醒度判定方法
US10867218B2 (en) Biometric sensor fusion to classify vehicle passenger state
US20190133511A1 (en) Occupant motion sickness sensing
JP4882766B2 (ja) 覚醒度算出装置
US11453414B2 (en) Method and device for adapting a driving strategy of an at least partially automated transportation vehicle
US20190183412A1 (en) System and method for assisting exercising of a subject
JP4867215B2 (ja) 生理・心理状態判定装置、生理・心理状態判定方法、リファレンスデータ生成装置、及びリファレンスデータ生成方法。
CN113795416A (zh) 用于预测并减轻由晕车引起的干扰的方法
WO2019208450A1 (ja) 運転支援装置、運転支援方法及びプログラム
CN113891823A (zh) 用于监测特别是自主车辆的乘员的通过驾驶操作调节的健康状态的方法和装置
KR20220003744A (ko) 멀미 저감을 위한 자율주행차량의 제어 시스템
CN113491519A (zh) 基于情感-认知负荷的数字助理
JP2020154976A (ja) 車内環境警告装置及び車内環境警告方法
CN115476860A (zh) 处理驾驶员的心理物理状态以改善道路车辆的驾驶体验的方法及相关的车辆系统
JP7432899B2 (ja) 漫然状態判定装置
JP6648788B1 (ja) 運転制御調整装置および運転制御調整方法
KR20210158525A (ko) 자율주행차 주행 시 멀미 저감 시스템
WO2020003788A1 (ja) 運転支援装置
US20200265949A1 (en) Anxiety detection in different user states
JP7492257B2 (ja) 演算装置の作動方法、及び、演算装置
JP7460869B2 (ja) 眠気予測システム、及び眠気予測方法
JP7462022B1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP7477823B2 (ja) 疾患状態判定装置、疾患状態判定方法、疾患状態判定装置用プログラム、および、疾患状態判定システム

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