CN115440068A - 信息处理服务器、信息处理服务器的处理方法、程序 - Google Patents

Abstract

本发明为一种信息处理服务器，是从多辆对象车辆取得对象车辆数据的信息处理服务器，具有：不稳定举动位置识别部，其根据对象车辆数据，对对象车辆做出不稳定举动的地图上的位置即不稳定举动位置进行识别；辅助对象车辆判断部，其在通过不稳定举动位置识别部识别了不稳定举动位置的情况下，根据不稳定举动位置和对象车辆数据，对是否存在被推断为在固定时间以内在不稳定举动位置做出不稳定举动的对象车辆即辅助对象车辆进行判断；车辆辅助部，其在通过辅助对象车辆判断部判断为存在辅助对象车辆的情况下，针对辅助对象车辆实施车辆辅助，车辆辅助用于抑制在不稳定举动位置做出不稳定举动。

Description

信息处理服务器、信息处理服务器的处理方法、程序

技术领域

本发明涉及一种信息处理服务器、信息处理服务器的处理方法、以及程序。

背景技术

关于与车辆的行驶相关的信息的处理，已知例如日本特表2013-544695号公报。在该公报中示出了一种处理，该处理在自动驾驶车辆的行驶中向附近的其他车辆通报驾驶者感觉自动行驶是不安全的区域。

在先技术文献

专利文献

专利文献1：日本特表2013-544695号公报。

发明内容

发明要解决的问题

然而，作为与车辆的行驶相关的信息，考虑对车辆进行了不稳定的举动的位置信息进行收集。但是，如上述的公报那样地，仅向附近的其他的车辆通知与不稳定举动相关的位置信息，不能称之为能够有效地使用信息。希望针对需要与不稳定举动相关的位置信息的车辆实施适当的辅助。

用于解决问题的方法

本发明的一个方式为一种信息处理服务器，是从多辆对象车辆取得包含对象车辆的行驶状态以及对象车辆在地图上的位置信息的对象车辆数据的信息处理服务器，具有：不稳定举动位置识别部，其根据对象车辆数据，对对象车辆做出不稳定举动的地图上的位置即不稳定举动位置进行识别；辅助对象车辆判断部，其在通过不稳定举动位置识别部识别了不稳定举动位置的情况下，根据不稳定举动位置和对象车辆数据，对是否存在被推断为在固定时间以内在不稳定举动位置做出不稳定举动的对象车辆即辅助对象车辆进行判断；车辆辅助部，其在通过辅助对象车辆判断部判断为存在辅助对象车辆的情况下，针对辅助对象车辆实施车辆辅助，车辆辅助用于抑制在不稳定举动位置做出不稳定举动。

根据本发明的一个方式的信息处理服务器，根据不稳定举动位置和对象车辆数据，对是否存在被推断为在固定时间以内在不稳定举动位置做出不稳定举动的对象车辆即辅助对象车辆进行判断，在判断为存在辅助对象车辆的情况下，针对辅助对象车辆实施用于抑制在不稳定举动位置做出不稳定举动的车辆辅助，因此能够抑制在不稳定举动位置处辅助对象车辆做出不稳定举动。

在本发明的一个方式的信息处理服务器中，还具有模型生成部，模型生成部根据在不稳定举动位置做出了不稳定举动的对象车辆的对象车辆数据，生成不稳定举动判别模型，辅助对象车辆判断部使用不稳定举动判别模型，对是否存在辅助对象车辆进行判断。

在本发明的一个方式的信息处理服务器中，还具有模型生成部，模型生成部根据在不稳定举动位置未做出不稳定举动的对象车辆的对象车辆数据，生成稳定举动判别模型，辅助对象车辆判断部使用稳定举动判别模型，对是否存在辅助对象车辆进行判断。

在本发明的一个方式的信息处理服务器中，还具有：状况判断部，根据不稳定举动位置处的多辆对象车辆的不稳定举动的有无，对该不稳定举动位置为连续发生状况或非连续状况进行判断；存储处理部，将基于状况判断部的判断结果与不稳定举动位置建立关联地存储在存储数据库中，辅助对象车辆判断部在存在固定时间以内到达被判断为连续发生状况的不稳定举动位置的对象车辆的情况下，判断为存在辅助对象车辆。

在本发明的一个方式的信息处理服务器中，还具有模型生成部，模型生成部根据在不稳定举动位置做出了不稳定举动的对象车辆的对象车辆数据，生成不稳定举动判别模型，辅助对象车辆判断部在存在固定时间以内到达被判断为非连续状况的不稳定举动位置的对象车辆的情况下，根据该对象车辆的对象车辆数据和不稳定举动判别模型，对是否存在辅助对象车辆进行判断。

在本发明的一个方式的信息处理服务器中，还具有模型生成部，模型生成部根据在不稳定举动位置未做出不稳定举动的对象车辆的对象车辆数据，生成稳定举动判别模型，辅助对象车辆判断部在存在固定时间以内到达被判断为非连续状况的不稳定举动位置的对象车辆的情况下，根据该对象车辆的对象车辆数据和稳定举动判别模型，对是否存在辅助对象车辆进行判断。

在本发明的一个方式的信息处理服务器中，作为车辆辅助，车辆辅助部实施与不稳定举动位置相关的信息的通知、行驶路径改变辅助、自动驾驶解除指示、与在不稳定举动位置未做出不稳定举动的对象车辆的行驶状态相关的稳定行驶数据的通知、以及使辅助对象车辆的行驶状态接近稳定行驶数据的行驶状态的稳定行驶指示中的至少一个。

本发明的其他方式为一种信息处理服务器的处理方法，是从多辆对象车辆取得包含对象车辆的行驶状态以及对象车辆在地图上的位置信息的对象车辆数据的信息处理服务器的处理方法，具有：不稳定举动位置识别步骤，根据对象车辆数据，对对象车辆做出不稳定举动的地图上的位置即不稳定举动位置进行识别；辅助对象车辆判断步骤，在不稳定举动位置识别步骤中识别了不稳定举动位置的情况下，根据不稳定举动位置和对象车辆数据，对是否存在被推断为在固定时间以内在不稳定举动位置做出不稳定举动的对象车辆即辅助对象车辆进行判断；车辆辅助步骤，在辅助对象车辆判断步骤中判断为存在辅助对象车辆的情况下，针对辅助对象车辆实施车辆辅助，车辆辅助用于抑制在不稳定举动位置做出不稳定举动。

根据该信息处理服务器的处理方法，根据不稳定举动位置和对象车辆数据，对是否存在被推断为在固定时间以内在不稳定举动位置做出不稳定举动的对象车辆即辅助对象车辆进行判断，在判断为存在辅助对象车辆的情况下，针对辅助对象车辆实施用于抑制在不稳定举动位置做出不稳定举动的车辆辅助，因此能够抑制在不稳定举动位置处辅助对象车辆做出不稳定举动。

本发明的另一个方式为一种程序，使信息处理服务器动作，信息处理服务器从多辆对象车辆取得包含对象车辆的行驶状态以及对象车辆在地图上的位置信息的对象车辆数据，信息处理服务器具有：不稳定举动位置识别部，其根据对象车辆数据，对对象车辆做出不稳定举动的地图上的位置即不稳定举动位置进行识别；辅助对象车辆判断部，其在通过不稳定举动位置识别部识别了不稳定举动位置的情况下，根据不稳定举动位置和对象车辆数据，对是否存在被推断为在固定时间以内在不稳定举动位置做出不稳定举动的对象车辆即辅助对象车辆进行判断；以及，车辆辅助部，其在通过辅助对象车辆判断部判断为存在辅助对象车辆的情况下，针对辅助对象车辆实施车辆辅助，车辆辅助用于抑制在不稳定举动位置做出不稳定举动。

根据该程序，根据不稳定举动位置和对象车辆数据，对是否存在被推断为在固定时间以内在不稳定举动位置做出不稳定举动的对象车辆即辅助对象车辆进行判断，在判断为存在辅助对象车辆的情况下，针对辅助对象车辆实施用于抑制在不稳定举动位置做出不稳定举动的车辆辅助，因此能够抑制在不稳定举动位置处辅助对象车辆做出不稳定举动。

发明的效果

根据本发明的各方式，在存在被推断为在不稳定举动位置做出不稳定举动的辅助对象车辆的情况下，能够抑制辅助对象车辆做出不稳定举动。

附图说明

图1是表示一个实施方式的信息处理服务器和对象车辆。

图2是用于说明信息处理的一例的图。

图3是表示对象车辆的结构的一例的框图。

图4是示出信息处理服务器的配置示例的框图。

图5(a)是用于说明连续发生状况的一例的图。图5(b)是用于说明非连续状况的一例的图。

图6(a)是用于说明不稳定举动的场景分类的一例的表。图6(b)是用于说明不稳定举动的场景分类的一例的图。

图7是用于说明辅助候选车辆的俯视图。

图8是表示车辆辅助处理的一例的流程图。

图9是表示辅助对象车辆判断处理的一例的流程图。

具体实施方式

以下，参照附图，说明本发明的实施方式。

图1是表示实施方式的信息处理服务器10和对象车辆2的图。如图1所示，信息处理服务器10经由网络N与对象车辆2(2A～2Z)可通信地连接。网络N是无线通信网络。对象车辆2意味着信息处理服务器10的信息收集对象的车辆。在对象车辆2中，包含从信息处理服务器10进行各种辅助的辅助对象的车辆。以下，在分别说明对象车辆2的情况下，使用对象车辆2A～2Z。

图2是用于说明信息处理的一例的图。如图2所示，在由于路面冻结等而产生对象车辆2A的打滑的情况下，对象车辆2A将包含作为产生打滑的位置的不稳定举动位置D的对象车辆数据发送到信息处理服务器10。信息处理服务器10例如向在对象车辆2A的后方行驶的对象车辆2B(与后述的辅助对象车辆对应)通知不稳定举动位置的信息。由此，在对象车辆2B中，能够抑制在不稳定举动位置D处的对象车辆2B发生打滑。关于不稳定举动位置，将在后面详细叙述。

[对象车辆的结构]首先，说明对象车辆2的结构。在对象车辆2中，被分配了用于识别车辆的ID(identification)(车辆识别编号)。对象车辆2为是两辆以上即可，也可以是数十辆以上，还可以是数百辆以上。对象车辆2不必是相同种类的车辆，车辆种类也可以不同。对象车辆2只要具有与信息处理服务器10进行通信的功能即可，也可以是具有自动驾驶功能的自动驾驶车辆，也可以是不具有自动驾驶功能的车辆。

以下，参照图3，说明对象车辆2。图3是表示对象车辆2的结构的一例的框图。在此，将对象车辆2作为自动驾驶车辆进行说明。

如图3所示，对象车辆2具有自动驾驶ECU 30。自动驾驶ECU 30是具有CPU(CentralProcessing Unit)、ROM(Read Only Memory)或RAM(Random Access Memory)等的存储部的电子控制单元。在自动驾驶ECU 30中，例如，将在ROM中存储的程序加载到RAM中，并且CPU执行加载到RAM中的程序，由此实现各种功能。自动驾驶ECU 30也可以由多个电子单元构成。

自动驾驶ECU 30与GPS(Global Positioning System)接收部21、外部传感器22、内部传感器23、驾驶操作检测部24、地图数据库25、通信部26、HMI(Human MachineInterface)27以及致动器28连接。

GPS接收部21通过从三个以上的GPS卫星接收信号，测定对象车辆2的位置(例如，对象车辆2的纬度及经度)。GPS接收部21将测定的对象车辆2的位置信息发送到自动驾驶ECU 30。也可以代替GPS接收部21而采用GNSS(Global Navigation Satellite System)接收部。

外部传感器22是检测对象车辆2的外部环境的检测设备。外部传感器22包含摄像机、雷达传感器中的至少一个。

摄像机是拍摄对象车辆2的外部环境的拍摄设备。摄像机设置在对象车辆2的前窗玻璃的里侧，对车辆前方进行拍摄。摄像机将与对象车辆2的外部环境相关的拍摄信息发送到自动驾驶ECU 30。摄像机可以是单眼摄像机，也可以是立体摄像机。

雷达传感器是使用电波(例如毫米波)或光来检测对象车辆2周边的物体的检测设备。雷达传感器包含例如毫米波雷达或激光雷达(LIDAR：Light Detection and Ranging)。雷达传感器向对象车辆2的周边发送电波或光，通过接收由物体反射的电波或光来检测物体。雷达传感器将检测的物体信息发送到自动驾驶ECU 30。物体除了护栏、建筑物等固定物之外，还包含行人、自行车、其他车辆等移动物。外部传感器22也可以包含检测对象车辆2的外部气温的外部气温传感器。外部传感器22可以包含用于检测外部亮度的光传感器。

内部传感器23是检测对象车辆2的状态(行驶状态、车辆状态)的检测设备。内部传感器23包含车速传感器、加速度传感器、以及横摆率传感器，作为检测对象车辆2的行驶状态的传感器。车速传感器是检测对象车辆2的速度的检测器。作为车速传感器，可以使用针对对象车辆2的车轮或与车轮一体旋转的驱动轴等设置的、检测各车轮的旋转速度的车轮速度传感器。车速传感器将检测的车速信息(车轮速度信息)发送到自动驾驶ECU 30。

加速度传感器是检测对象车辆2的加速度的检测器。加速度传感器例如包含检测对象车辆2的前后方向的加速度的前后加速度传感器。加速度传感器也可以包含检测对象车辆2的横向加速度的横向加速度传感器。加速度传感器例如将对象车辆2的加速度信息发送到自动驾驶ECU 30。横摆率传感器是检测围绕对象车辆2的重心的铅直轴的横摆率(旋转角速度)的检测器。例如，可以使用陀螺仪传感器作为横摆率传感器。横摆率传感器将检测的对象车辆2的横摆率信息发送到自动驾驶ECU 30。

内部传感器23检测作为对象车辆2的车辆状态的轮胎气压、雨刷器动作状态以及车灯状态中的至少一个。轮胎气压是对象车辆2的轮胎气压。在雨刷器动作状态中，不仅可以包含雨刷器动作的有无，还可以包含雨刷器的动作速度。在车灯状态中包含转向灯的点亮状态。在车灯状态中，也可以包含前照灯的点亮的有无以及雾灯的点亮的有无。

此外，作为对象车辆2的车辆状态，内部传感器23可以从制动压力传感器检测液压制动系统的制动压力，也可以检测行驶辅助(例如，后述的车辆稳定控制系统)的接通状态/断开状态。作为对象车辆2的车辆状态，内部传感器23也可以从车轮载荷传感器检测各车轮的载荷状态。此外，内部传感器23也可以具有检测对象车辆2的各种的故障的故障检测部。

驾驶操作检测部24对基于驾驶者的对象车辆2的操作部的操作进行检测。驾驶操作检测部24包含例如转向传感器、加速器传感器和制动器传感器。对象车辆2的操作部指的是，驾驶者输入用于车辆的驾驶的操作的设备。在对象车辆2的操作部中，包含转向部、加速器操作部及制动器操作部中的至少一个。转向部指的是，例如方向盘。转向部不限于轮状的情况，只要是作为方向盘发挥功能的结构即可。加速器操作部指的是，例如加速器踏板。制动器操作部指的是，例如制动器踏板。加速器操作部及制动器操作部不一定必须是踏板，只要能够基于驾驶者的输入加速或减速的结构即可。操作部也可以是车载的开关。驾驶者的智能手机等信息终端也可以作为操作部发挥作用。

转向传感器对基于驾驶者的转向部的操作量进行检测。在转向部的操作量中，包含转向角。在转向部的操作量中，也可以包含转向转矩。加速器传感器对基于驾驶者的加速器操作部的操作量进行检测。在加速器操作部的操作量中，包含例如加速器踏板的踩踏量。制动器传感器对基于驾驶者的制动器操作部的操作量进行检测。在制动器操作部的操作量中，包含例如制动器踏板的踩踏量。制动器传感器也可以采用对液压制动系统的主缸压力进行检测的方式。在加速器操作部及制动器操作部的操作量中，可以包含踩踏速度。驾驶操作检测部24将与检测的驾驶者的操作量相关的操作量信息发送到自动驾驶ECU 30。

地图数据库25是对地图信息进行存储的数据库。地图数据库25例如被形成在对象车辆2中搭载的HDD等存储装置内。在地图信息中，包含道路的位置信息、道路形状的信息(例如，曲率信息)、交叉点和分叉点的位置信息等。在地图信息中，也可以包含与位置信息建立关联的法定速度等交通限制信息。在地图信息中，也可以包含对象车辆2在地图上的位置识别中使用的物体标识信息。在物体标识中，可以包含车道的区段线、信号灯、护栏、路面标示等。地图数据库25也可以构成为能够与对象车辆2通信的服务器(不限于信息处理服务器10)。

通信部26是对与对象车辆2的外部的无线通信进行控制的通信设备。经由网络N实施各种信息的发送及接收。通信部26根据来自自动驾驶ECU 30的信号将各种信息发送到信息处理服务器10。

HMI 27是用于在自动驾驶ECU 30与驾驶者或乘员之间实施信息的输入输出的接口。HMI 27例如具有在车厢内设置的显示器、扬声器等。HMI 27根据来自自动驾驶ECU 30的控制信号，实施显示器的图像输出以及来自扬声器的声音输出。

致动器28是在对象车辆2的控制中使用的设备。致动器28至少包含驱动致动器、制动致动器及转向致动器。驱动致动器根据来自自动驾驶ECU 30的控制信号，控制针对发动机的空气的供给量(节气门开度)，并控制对象车辆2的驱动力。此外，在对象车辆2为混合动力车的情况下，除了针对发动机的空气的供给量之外，还向作为动力源的电机输入来自自动驾驶ECU 30的控制信号来控制该驱动力。在对象车辆2是电动车的情况下，向作为动力源的电机输入来自自动驾驶ECU 30的控制信号来控制该驱动力。在这些情况下，作为动力源的电机构成致动器28。

制动致动器根据来自自动驾驶ECU 30的控制信号，对制动系统进行控制，并控制施加到对象车辆2的车轮的制动力。作为制动系统，例如可以使用液压制动系统。转向致动器根据来自自动驾驶ECU 30的控制信号，对电动动力转向系统中控制转向转矩的辅助电机的驱动进行控制。由此，转向致动器控制对象车辆2的转向转矩。

接着，说明自动驾驶ECU 30的功能性结构。如图3所示，自动驾驶ECU 30具有对象车辆数据取得部31、行进路途生成部32以及自动驾驶控制部33。此外，以下说明的自动驾驶ECU 30的功能的一部分也可以在能够与对象车辆2进行通信的服务器(不限于信息处理服务器10)中执行。

对象车辆数据取得部31取得与对象车辆2相关的数据即对象车辆数据。在对象车辆数据中，包含对象车辆2在地图上的位置信息以及对象车辆2的行驶状态。在对象车辆数据中，可以包含对象车辆2的外部环境，也可以包含对象车辆2行驶的路线。在对象车辆数据中，也可以包含基于对象车辆2的驾驶者的驾驶操作信息以及对象车辆2的车辆状态。对象车辆数据取得部31将取得的对象车辆数据发送到信息处理服务器10。

对象车辆数据取得部31具有车辆位置取得部31a、外部环境识别部31b、行驶状态识别部31c、驾驶操作信息取得部31d以及车辆状态识别部31e。

车辆位置取得部31a根据GPS接收部21的位置信息以及地图数据库25的地图信息，取得对象车辆2在地图上的位置信息。此外，车辆位置取得部31a也可以使用在地图数据库25的地图信息中包含的物体标识信息以及外部传感器22的检测结果，通过SLAM(Simultaneous Localization and Mapping)技术，取得对象车辆2的位置信息。车辆位置取得部31a也可以根据车道的区段线和对象车辆2的位置关系，识别对象车辆2相对于车道的横向位置(车道宽度方向上的对象车辆2的位置)并包含在位置信息中。此外，车辆位置取得部31a也可以通过公知的方法取得对象车辆2在地图上的位置信息。

外部环境识别部31b根据外部传感器22的检测结果，识别对象车辆2的外部环境。在外部环境中，包含周围物体相对于对象车辆2的相对位置。在外部环境中，也可以包含周围物体相对于对象车辆2的相对速度及移动方向。在外部环境中，也可以包含其他车辆、行人、自行车等物体的种类。物体的种类可以通过图案匹配等公知的方法来识别。在外部环境中，也可以包含对象车辆2的周围的区段线识别(白线识别)的结果。在外部环境中，可以包含外部气温，也可以包含天气。

行驶状态识别部31c根据内部传感器23的检测结果，识别对象车辆2的行驶状态。在行驶状态中，包含对象车辆2的车速以及对象车辆2的横摆率。在行驶状态中，也可以包含对象车辆2的加速度。具体而言，行驶状态识别部31c根据车速传感器的车速信息，识别对象车辆2的车速。行驶状态识别部31c根据加速度传感器的加速度信息，识别对象车辆2的加速度。行驶状态识别部31c根据横摆率传感器的横摆率信息，识别对象车辆2的朝向。

驾驶操作信息取得部31d根据驾驶操作检测部24的检测结果，取得对象车辆2的驾驶操作信息。在驾驶操作信息中，包含例如驾驶者的加速器操作量、制动器操作量及转向量中的至少一个。

在对象车辆2中具有个人认证功能的情况下，驾驶操作信息取得部31d针对每个进行了个人认证的驾驶者，存储驾驶操作历史记录。在驾驶操作历史记录中，也可以与对象车辆2的外部环境以及行驶状态建立关联。自动驾驶ECU 30不一定必须具有驾驶操作信息取得部31d。在这种情况下，也不需要驾驶操作检测部24。

车辆状态识别部31e根据内部传感器23的检测结果，识别对象车辆2的车辆状态。在车辆状态中，可以包含轮胎气压。在车辆状态中，可以包含雨刷器动作状态、车灯状态，也可以包含对象车辆2的故障状态。自动驾驶ECU 30不一定必须具有车辆状态识别部31e。

行进路途生成部32生成在对象车辆2的自动驾驶中使用的行进路途(trajectory)。行进路途生成部32根据预先设定的行驶路线、地图信息、对象车辆2在地图上的位置、对象车辆2的外部环境以及对象车辆2的行驶状态，生成自动驾驶的行进路途。

行驶路线指的是，在自动驾驶中对象车辆2行驶的路线。行进路途生成部32根据例如目的地、地图信息以及对象车辆2在地图上的位置，计算自动驾驶的行驶路线。行驶路线也可以由公知的导航系统设定。目的地可以由对象车辆2的乘员设定，也可以由自动驾驶ECU 30或导航系统等自动地建议。

在行进路途中，包含车辆以自动驾驶方式行驶的路径(path)、自动驾驶时的车速曲线。路径是在行驶路线上自动驾驶中的车辆行驶的预定的轨迹。路径例如可以是与行驶路线上的位置对应的对象车辆2的转向角变化的数据(转向角曲线)。行驶路线上的位置指的是，例如是在行驶路线的行进方向上每隔规定间隔(例如1m)设定的设定纵向位置。转向角曲线是目标转向角针对每个设定纵向位置建立关联的数据。

行进路途生成部32例如根据行驶路线、地图信息、对象车辆2的外部环境以及对象车辆2的行驶状态，生成车辆行驶的路径。行进路途生成部32例如以对象车辆2穿过在行驶路线中包含的车道的中央(车道宽度方向上的中央)的方式，生成路径。

此外，也可以取代转向角曲线，使用针对每个设定纵向位置将目标转向转矩建立了关联的转向转矩曲线。此外，也可以代替转向角曲线，使用针对每个设定纵向位置将目标横向位置建立了关联的横向位置曲线。目标横向位置指的是，在车道的宽度方向上的目标位置。在这种情况下，也可以将设定纵向位置及目标横向位置一并地设定为一个位置坐标。

车速曲线是例如针对每个设定纵向位置将目标车速建立了关联的数据。此外，设定纵向位置也可以不以距离而是以车辆的行驶时间为基准进行设定。设定纵向位置也可以设定为车辆的1秒后的到达位置、车辆的2秒后的到达位置。

行进路途生成部32例如根据路径和在地图信息中包含的法定速度等的速度相关信息，生成车速曲线图。也可以代替法定速度地，使用针对地图上的位置或区段预先设定的设定速度。行进路途生成部32根据路径及车速曲线，生成自动驾驶的行进路途。此外，行进路途生成部32中的行进路途的生成方法不限于上述内容，可以采用其他公知的方法。

行进路途生成部32在从信息处理服务器10接收了用于避免不稳定举动位置的行驶路径改变的通知的情况下，以不穿过不稳定举动位置的方式，改变对象车辆2的路径。行进路途生成部32可以改变对象车辆2行驶的行驶路线(行驶的道路)，也可以在相同道路内从不稳定举动位置离开在道路宽度方向上固定距离以上的方式，改变对象车辆2的路径。

行进路途生成部32在从信息处理服务器10接收了不稳定举动位置信息及稳定行驶数据的通知的情况下，根据不稳定举动位置信息及稳定行驶数据，以在对象车辆2中不产生不稳定举动的方式，实施行进路途生成。关于不稳定举动位置信息以及稳定行驶数据，在后面详细叙述。行进路途生成部32以在不稳定举动位置附近处对象车辆2的行驶状态接近稳定行驶数据的行驶状态的方式，生成行进路途。行进路途生成部32在从信息处理服务器10代替稳定行驶数据的通知而接收了稳定行驶指示的情况下，按照稳定行驶指示而实施行进路途生成。关于稳定行驶指示，将在后面详细叙述。

自动驾驶控制部33执行对象车辆2的自动驾驶。自动驾驶控制部33根据例如对象车辆2的外部环境、对象车辆2的行驶状态、以及行进路途生成部32生成的行进路途，执行对象车辆2的自动驾驶。自动驾驶控制部33通过向致动器28发送控制信号，实施对象车辆2的自动驾驶。

自动驾驶控制部33在从信息处理服务器10接收了自动驾驶解除的指示的情况下，实施不稳定举动位置处的自动驾驶解除。对于驾驶者，自动驾驶控制部33经由HMI 27向驾驶者通知向手动驾驶的转移。自动驾驶控制部33在通知至驾驶者之后，解除自动驾驶，转移到驾驶者的手动驾驶。此外，自动驾驶控制部33经由HMI 27向驾驶者通知从信息处理服务器10接收了的不稳定举动位置信息。

此外，对象车辆2不一定必须是自动驾驶车辆。在这种情况下，对象车辆2的ECU不需要具有行进路途生成部32及自动驾驶控制部33。对象车辆2的ECU只要具有能够经由HMI27向驾驶者通知不稳定举动位置信息等的信息提供部即可。对象车辆2的ECU也可以具有驾驶辅助部，该驾驶辅助部在从信息处理服务器10接收了稳定行驶数据的通知的情况下，以在不稳定举动位置附近对象车辆2的行驶状态接近稳定行驶数据的行驶状态的方式进行驾驶辅助。驾驶辅助的方法没有特别限定，可以是针对驾驶者的信息提供，也可以进行车辆的行驶控制。

[信息处理服务器的结构]信息处理服务器10例如设置在信息管理中心等设施中，并被构成为能够与对象车辆2进行通信。图4是表示信息处理服务器10的结构的一例的框图。图4所示的信息处理服务器10被构成为，具有处理器11、存储部12、通信部13以及用户接口14的通常的计算机。

处理器11例如使操作系统动作来控制信息处理服务器10。处理器11是包含控制装置、运算装置、寄存器等的CPU(Central Processing Unit)等运算器。处理器11综合管理存储部12、通信部13以及用户接口14。存储部12包含存储器和寄存器中的至少一个。存储器是ROM(Read Only Memory)、RAM(Random Access Memory)等记录介质。寄存器是HDD(HardDisk Drive)等记录介质。

通信部13是用于实施经由网络N的通信的通信设备。通信部13能够使用网络设备、网络控制器、网卡等。用户接口14是包含显示器、扬声器等输出器以及触摸面板等输入器的设备。此外，信息处理服务器10不一定必须设置在设施中，也可以搭载在车辆、船舶等移动体上。

此外，信息处理服务器10与存储数据库15连接。存储数据库15是用于存储不稳定举动位置信息等的数据库。存储数据库15可以具有与HDD的公知的数据库相同的配置。此外，存储数据库15也可以设置在远离信息处理服务器10的设施等中。

接着，说明处理器11的功能结构。如图4所示，处理器11具有对象车辆数据识别部11a、不稳定举动位置识别部11b、状况判断部11c、模型生成部11d、辅助对象车辆判断部11e、存储处理部11f以及车辆辅助部11g。

对象车辆数据识别部11a识别(取得)从对象车辆2发送的对象车辆数据。在对象车辆数据中，包含对象车辆2在地图上的位置信息以及对象车辆2的行驶状态。在对象车辆数据中，可以包含对象车辆2的外部环境，也可以包含对象车辆2的行驶路线。

不稳定举动位置识别部11b根据对象车辆数据识别部11a取得的对象车辆数据，识别对象车辆2做出不稳定举动的地图上的位置即不稳定举动位置。不稳定举动指的是，使车辆的行驶不稳定的车辆的举动。不稳定举动包含例如打滑。不稳定举动可以包含急减速或急转向角变化。不稳定举动可以包含对象车辆2的车道偏离，也可以包含对象车辆2朝向物体的过度接近。

首先，对不稳定举动的判断进行说明。不稳定举动位置识别部11b根据对象车辆数据，判断对象车辆2是否为不稳定举动。不稳定举动位置识别部11b例如根据加速度传感器检测的加速度(前后加速度及横向加速度)、车轮速度传感器检测的各车轮的车轮速度、横摆率传感器检测的横摆率、转向传感器检测的驾驶者的转向角、制动器传感器检测的驾驶者的制动器操作量、以及制动压力传感器的制动压力中的至少一个，判断对象车辆2做出打滑，作为不稳定举动。代替制动器传感器的制动器操作量，也可以使用液压制动系统的主缸压力。

在不稳定举动位置识别部11b中，作为打滑的判断，也可以使用公知的防抱死制动系统(ABS：Antilock Brake System)的动作开始条件。例如，在防抱死制动系统中，作为一例，对各车轮的车轮速度与推断车身速度进行比较，在确定被认为是抱死的车轮的情况下进行动作。推断车身速度可以根据到打滑为止的各车轮的车轮速度被计算，也可以根据到打滑为止的加速度的变化被计算。

此外，在不稳定举动位置识别部11b中，作为打滑的判断，可以使用公知的车辆稳定控制系统(VSC：Vehicle Stability Control)的动作开始条件，也可以使用公知的牵引控制(TRC：Traction Control System)的动作开始条件。在对各车轮的车轮速度与推断车身速度进行比较而确定了空转的车轮的情况下，也可以使牵引控制动作。不稳定举动位置识别部11b也可以通过其他的公知的方法来判断对象车辆2的打滑。

不稳定举动位置识别部11b也可以根据加速度传感器检测的减速度，判断对象车辆2作为不稳定举动是否成为急减速。在该情况下，不稳定举动位置识别部11b例如在减速度的绝对值成为急减速阈值以上时，判断为对象车辆2做出急减速。急减速阈值是预先设定的值的阈值。以下，在说明中使用的阈值意味着预先设定的值的阈值。

不稳定举动位置识别部11b也可以根据横摆率传感器检测的横摆率，判断作为不稳定举动的、在对象车辆2中是否发生了急转向角变化。在这种情况下，不稳定举动位置识别部11b例如在横摆率为转向角变化阈值以上时，判断为在对象车辆2中发生了急转向角变化。此外，也可以代替偏航率而使用轮胎转向角。

在转向灯未点亮的情况下，不稳定举动位置识别部11b也可以根据对象车辆2的横向位置或对象车辆2的外部环境，判断对象车辆2作为不稳定举动是否车道偏离。在该情况下，不稳定举动位置识别部11b例如从对象车辆2的横向位置判断车道偏离。或者，不稳定举动位置识别部11b也可以在根据对象车辆2的外部环境而识别了对象车辆2跨越了车道的区段线的情况下，判断为车道偏离。

不稳定举动位置识别部11b也可以根据对象车辆2的行驶状态和对象车辆2的外部环境，判断对象车辆2作为不稳定举动是否过度接近物体。在该情况下，不稳定举动位置识别部11b在对象车辆2为低速的情况下，与物体的间隔小也不为不稳定的举动，在对象车辆2的车速为车速阈值以上而对象车辆2与物体的碰撞余量时间(TTC：Time To Collision)为TTC阈值以下的情况下，判断为对象车辆2过度接近物体。也可以代替碰撞余量时间，使用车间时间(THW：Time Headway)或距离。

关于对象车辆2是否做出不稳定举动的判断，可以在每次取得对象车辆数据时进行，也可以在固定时间或每隔固定期间汇总地进行。对象车辆2是否做出不稳定举动的判断也可以采用在对象车辆2的停车中进行的方式。

接着，对不稳定举动位置的识别进行说明。不稳定举动位置指的是，对象车辆2做出不稳定举动时的对象车辆2在地图上的位置。不稳定举动位置识别部11b在判断为对象车辆2做出不稳定举动的情况下，对不稳定举动位置进行识别。

不稳定举动位置识别部11b根据判断为对象车辆2做出不稳定举动时的对象车辆2在地图上的位置信息，识别不稳定举动位置。不稳定举动位置针对每个车道进行区别识别。在不稳定举动为车道偏离的情况下，不稳定举动位置可以是车道偏离前的行驶车道上的位置，也可以是区段线上的位置。

此外，不稳定举动位置也可以不针对地图上的点，而是作为区段或区域进行识别。不稳定举动位置识别部11b在对象车辆2一边打滑一边滑行的情况下，将打滑的开始位置作为不稳定举动位置，也可以将对象车辆2在判断为打滑的状态下进行移动的全部区段作为不稳定举动位置进行识别。区域可以是以打滑的对象车辆2为中心的固定距离内的范围，也可以是对象车辆2行驶的地域、区域。其他不稳定举动也是同样的。

状况判断部11c根据不稳定举动位置识别部11b识别的不稳定举动位置处的多辆对象车辆2的不稳定举动的有无，对该不稳定举动位置为连续发生状况或非连续状况进行判断。

状况判断部11c例如根据对象车辆数据识别部11a识别的对象车辆数据和不稳定举动位置识别部11b识别的不稳定举动位置，判断对象车辆2是否经过了不稳定举动位置。状况判断部11c在判断为对象车辆2经过了不稳定举动位置的情况下，根据该对象车辆2的不稳定举动的有无，判断该不稳定举动位置为连续发生状况或非连续状况。此外，状况判断部11c也可以通过对每个固定期间的多个对象车辆数据进行综合处理来实施上述判断。

连续发生状况指的是，连续地发生不稳定举动的状况。在连续发生状况的情况下，可以认为由于对象车辆2的单个车辆因素而产生不稳定举动的可能性变低，由于道路环境等外部因素而产生不稳定举动的可能性提高。非连续状况指的是，不为连续发生状况的状况。在非连续状况的情况下，可以认为由于对象车辆2的单个车辆因素而产生不稳定举动的可能性提高。状况判断部11c在未判断为不稳定举动位置为连续发生状况的情况下，判断为不稳定举动位置为非连续状况。

图5(a)是用于说明连续发生状况的一例的图。如图5(a)所示，关于状况判断部11c，作为一例，在不稳定举动位置D处两辆对象车辆2A、2B连续地做出不稳定举动的情况下，判断为该不稳定举动位置为连续发生状况。图5(b)是用于说明非连续状况的一例的图。状况判断部11c也可以在不稳定举动位置D处对象车辆2A做出不稳定举动，后方行驶的对象车辆2B也未做出不稳定举动而进行了通过的情况下，判断为该不稳定举动位置为非连续状况。

此外，判断为连续发生状况的状况不限于图5(a)的状况。状况判断部11c也可以在三辆对象车辆2A～2C连续地做出不稳定举动的情况下，判断为该不稳定举动位置D为连续发生状况。状况判断部11c也可以在四辆以上的对象车辆2连续地做出不稳定举动的情况下，判断为该不稳定举动位置D为连续发生状况。状况判断部11c也可以在固定时间以内通过不稳定举动位置D的多辆对象车辆2全部做出不稳定举动的情况下，判断为该不稳定举动位置D为连续发生状况。

状况判断部11c在存在一辆未做出不稳定举动的对象车辆2而在其前后的对象车辆2中产生了不稳定举动的情况下，也可以判断为不稳定举动位置D为连续发生状况。具体而言，状况判断部11c也可以在三辆对象车辆2A～2C中正中间的对象车辆2B未做出不稳定举动地经过了不稳定举动位置D而对象车辆2A及对象车辆2C做出不稳定举动的情况下，也判断为不稳定举动位置D为连续发生状况。或者，状况判断部11c也可以在存在多辆未做出不稳定举动的对象车辆2而在固定时间内做出不稳定举动的对象车辆2的数量为阈值以上的情况下，判断为不稳定举动位置D为连续发生状况。

状况判断部11c也可以通过更微细的分类来判断连续发生状况及非连续状况。在此，图6(a)是用于说明不稳定举动的场景分类的一例的表。如图6(a)所示，针对不稳定举动位置而关注前方行驶的对象车辆2和后方行驶的对象车辆2这两辆，通过以不稳定举动的有无进行区分，能够实施四个场景分类。

在图6(a)中，将前方行驶的对象车辆2及后方行驶的对象车辆2这两辆都做出不稳定举动的情况设为场景1，将仅前方行驶的对象车辆2做出不稳定举动的情况设为场景2，将仅后方行驶的对象车辆2做出不稳定举动的情况设为场景3，将前方行驶的对象车辆2及后方行驶的对象车辆2这两辆都不做出不稳定举动的情况设为场景4。例如，场景1与连续发生状况对应，场景2～4与非连续状况对应。

图6(b)是用于说明不稳定举动的场景分类的一例的图。对象车辆2A～2F以该顺序通过相同的不稳定举动位置。在图6(b)中，在对象车辆2A～2E中，仅对象车辆2B和对象车辆2C做出不稳定举动，剩余的不做出不稳定举动地通过不稳定举动位置。

当在图6(b)中关注对象车辆2A和对象车辆2B这两辆时，仅后方行驶的对象车辆2B与做出不稳定举动的场景3对应。当关注对象车辆2B及对象车辆2C这两辆时，前方行驶的对象车辆2B及后方行驶的对象车辆2C这两辆都与做出不稳定举动的场景1对应。当关注对象车辆2C及对象车辆2D这两辆时，仅前方行驶的对象车辆2C与做出不稳定举动的场景2对应。当关注对象车辆2D及对象车辆2E这两辆时，任意的对象车辆2均与未做出不稳定举动的场景4对应。以此方式，状况判断部11c也可以实施对场景1～4进行分类的判断。

模型生成部11d根据在不稳定举动位置做出了不稳定举动的对象车辆2的对象车辆数据，生成不稳定举动判别模型。不稳定举动判别模型指的是，在不稳定举动位置对象车辆2是否做出不稳定举动的推断中使用的车辆举动模型。

在不稳定举动判别模型中，包含车速、前后加速度、转向角、横摆率、ABS(AntilockBrake System)的动作持续时间、行驶辅助(车辆稳定控制系统等)的动作状态、以及不稳定举动前的转向最大角中的至少一个特征量参数。在不稳定举动判别模型中，可以包含外部气温、推断路面摩擦、路面坡度、雨刷器动作状态、车灯状态等与周边环境相关的特征量参数，也可以包含时刻或时间段作为特征量参数。此外，在不稳定举动判别模型中，也可以包含不稳定举动位置处的、通常的交通量、不稳定举动发生频率这样的特征量参数。不稳定举动判别模型的生成方式可以为，包含做出了不稳定举动的多辆对象车辆2的车速等特征量参数的中央值，也可以通过规定的运算处理计算各特征量参数。在不稳定举动判别模型的生成中，可以采用与车辆举动模型生成相关的公知的各种方法。

不稳定举动判别模型可以根据状况判断部11c的判断结果生成不同的模型。不稳定举动判别模型也可以分别生成与连续发生状况的不稳定举动位置对应的模型和与非连续状况的不稳定举动位置对应的模型。不稳定举动判别模型也可以分别生成与上述场景1～4对应的模型。

不稳定举动判别模型可以根据不稳定举动位置的场所属性生成不同的模型。场所属性可以将汽车专用道路与普通道路作为不同的属性来区别，也可以根据道路宽度将狭窄道路与普通道路作为不同的属性来区别。作为场所属性，可以采用能够根据地图信息进行判别的各种属性。

不稳定举动判别模型也可以根据车辆种类等单个车辆属性生成不同的模型。单个车辆属性可以将大型车、中型车、小型车作为不同的属性来区别，也可以将货车与轿车作为不同的属性来区别。作为单个车辆属性，可以采用能够根据车辆各要素进行判别的各种属性。

模型生成部11d也可以从在不稳定举动位置做出不稳定举动的对象车辆2的对象车辆数据取得不稳定行驶数据。不稳定行驶数据是与在不稳定举动位置产生了不稳定举动的以往的对象车辆2的行驶状态相关的数据。不稳定行驶数据例如可以是从不稳定举动位置的固定距离跟前的位置到不稳定举动位置之间的对象车辆2的行驶状态的数据。不稳定行驶数据也可以是到产生不稳定举动为止的固定时间内的对象车辆2的行驶状态的数据。在不稳定行驶数据中，也可以包含对象车辆2的行驶轨迹。模型生成部11d也可以使用不稳定行驶数据来生成不稳定举动判别模型。

模型生成部11d根据在不稳定举动位置未做出不稳定举动的对象车辆的对象车辆数据，生成稳定举动判别模型。稳定举动判别模型指的是，在不稳定举动位置对象车辆2是否做出不稳定举动的推断中使用的车辆举动模型。

稳定举动判别模型可以包含与上述的不稳定举动判别模型相同的特征量参数。稳定举动判别模型的生成方式可以为，包含未做出不稳定举动的多辆对象车辆2的车速等特征量参数的中央值，也可以通过规定的运算处理计算各特征量参数。在稳定举动判别模型的生成中，可以采用与车辆举动模型生成相关的公知的各种方法。

模型生成部11d也可以取得经过了不稳定举动位置而未做出不稳定举动的对象车辆2的稳定行驶数据。稳定行驶数据指的是，与经过了非连续状况的不稳定举动位置而未产生不稳定举动的以往的对象车辆2的行驶状态相关的数据。稳定行驶数据例如可以是从不稳定举动位置的固定距离跟前的位置到不稳定举动位置之间的对象车辆2的行驶状态的数据。稳定行驶数据也可以是到不稳定举动位置为止的固定时间内的对象车辆2的行驶状态的数据。在稳定行驶数据中，也可以包含对象车辆2的行驶轨迹。模型生成部11d也可以使用稳定行驶数据生成稳定举动判别模型。

辅助对象车辆判断部11e根据不稳定举动位置识别部11b识别的不稳定举动位置和对象车辆数据识别部11a识别的对象车辆数据，判断是否存在辅助对象车辆。辅助对象车辆指的是，被推断为在固定时间以内在不稳定举动位置做出不稳定举动的对象车辆2。固定时间可以是5分钟，也可以是10分钟。固定时间可以是小于5分钟的时间，也可以是30分钟以上的时间。固定时间没有特别限定，可以由服务器管理者任意地设定。

具体而言，辅助对象车辆判断部11e根据不稳定举动位置和在对象车辆数据中包含的对象车辆2的位置信息，判断是否存在固定时间以内到达不稳定举动位置的对象车辆2即候选车辆。候选车辆指的是，成为辅助对象的候选的车辆。此外，对象车辆2的行进方向可以根据位置信息的时间变化来识别，也可以通过位置信息与地图信息的匹配，并根据在地图信息中包含的车道的行进路途方向来识别。

在此，图7是用于说明候选车辆的俯视图。图7表示车道R1～R3、对象车辆2A～2D。对象车辆2A是在车道R1的行驶中做出不稳定举动(打滑状态)的车辆。对象车辆2B是在对象车辆2A的后方在车道R1上行驶的后方行驶车。对象车辆2C是在与车道R1相向的车道R2上行驶的相向车辆。车道R1与车道R2设置在同一道路上。对象车辆2D是在设置远离车道R1及车道R2的不同道路的车道R3上行驶的车辆。此外，图7表示作为地点的不稳定举动位置D、作为区域的不稳定举动位置DA1以及不稳定举动位置DA2。关于不稳定举动位置DA1和不稳定举动位置DA2，作为一例，是以对象车辆2A为中心的固定距离内的区域。不稳定举动位置DA2是与不稳定举动位置DA1相比而较广阔的区域。

在图7所示的状况下，辅助对象车辆判断部11e在不稳定举动位置识别部11b采用作为地点的不稳定举动位置D的情况下，仅对象车辆2B成为候选车辆。对象车辆2B在固定时间以内到达不稳定举动位置D。在该情况下，对象车辆2C及对象车辆2D不成为候选车辆。

另一方面，辅助对象车辆判断部11e在不稳定举动位置识别部11b采用了作为区域的不稳定举动位置DA1的情况下，除了对象车辆2B之外，对象车辆2C也成为候选车辆。对象车辆2C在固定时间以内到达不稳定举动位置DA1。在这种情况下，在不同道路的车道R3上行驶的对象车辆2D不成为候选车辆。同样地，辅助对象车辆判断部11e在不稳定举动位置识别部11b采用了作为区域的不稳定举动位置DA2的情况下，对象车辆2B～2D全部成为候选车辆。对象车辆2D在固定时间以内到达不稳定举动位置DA2。此外，与不稳定举动位置对应的区域也可以是市街村等的地区、区域。此外，也可以是以规定的纬度间隔及经度间隔预先划分的区域等，也可以通过其他方法设定区域。

辅助对象车辆判断部11e在判断为存在固定时间以内到达不稳定举动位置的候选车辆的情况下，对该候选车辆在不稳定举动位置是否做出不稳定举动进行推断。

辅助对象车辆判断部11e根据对象车辆数据识别部11a取得的候选车辆的对象车辆数据，使用模型生成部11d生成的不稳定举动判别模型和/或稳定举动判别模型，对候选车辆在不稳定举动位置是否做出不稳定举动进行推断。辅助对象车辆判断部11e也可以根据状况判断部11c的判断结果、不稳定举动位置的场所属性(汽车专用道路或普通道路的区别)、候选车辆的单个车辆属性(货车、轿车的区别)来选定使用的模型。辅助对象车辆判断部11e还可以考虑外部气温、天气信息等周边环境来选定模型。

辅助对象车辆判断部11e例如判断候选车辆的行驶状态与不稳定举动判别模型及稳定举动判别模型中的哪一个接近。辅助对象车辆判断部11e例如针对候选车辆的车速、加速度、横摆率等任意的参数，判断与在不稳定举动判别模型中包含的特征量参数的值和在稳定举动判别模型中包含的特征量参数的值中的哪一个接近。辅助对象车辆判断部11e在判断为候选车辆的行驶状态接近不稳定举动判别模型的情况下，推断为候选车辆在不稳定举动位置做出不稳定举动。辅助对象车辆判断部11e在推断为候选车辆在不稳定举动位置做出不稳定举动的情况下，判断为存在辅助对象车辆。

此外，辅助对象车辆判断部11e在由状况判断部11c判断为不稳定举动位置为连续发生状况的情况下，可以称之为候选车辆也做出不稳定举动的可能性高，因此也可以不使用模型而推断为候选车辆在不稳定举动位置做出不稳定举动。辅助对象车辆判断部11e在不稳定举动位置为非连续状况或者第一次产生了不稳定举动的状况的情况下，使用不稳定举动判别模型以及稳定举动判别模型，推断候选车辆在不稳定举动位置是否做出不稳定举动。

辅助对象车辆判断部11e也可以通过使用不稳定举动判别模型以及稳定举动判别模型进行学习的神经网络(深层学习网络)，推断候选车辆在不稳定举动位置是否做出不稳定举动。作为神经网络的一个例子，可以使用CNN(Convolutional neural networks：卷积神经网络)。神经网络的学习方法没有特别限定，可以使用反向传播等公知的方法。此外，辅助对象车辆判断部11e也可以采用神经网络以外的公知的机器学习(例如支持向量机、自适应提升等)。

存储处理部11f将与不稳定举动位置识别部11b识别的不稳定举动位置相关的不稳定举动位置信息存储在存储数据库15中。在状况判断部11c进行了判断的情况下，存储处理部11f也可以将不稳定举动位置与状况判断部11c的判断结果建立关联地存储在存储数据库15中。

此外，存储处理部11f将不稳定举动位置信息和在该不稳定举动位置行驶的对象车辆2的对象车辆数据建立关联地存储在存储数据库15中。此外，存储处理部11f不一定必须存储在该不稳定举动位置行驶的全部的对象车辆2的对象车辆数据。存储处理部11f也可以将模型生成部11d生成的各模型与不稳定举动位置建立关联地存储在存储数据库15中。存储处理部11f也可以将模型生成部11d取得的不稳定行驶数据和/或稳定行驶数据与不稳定举动位置建立关联地存储在存储数据库15中。

在不稳定举动位置被识别为区域或区段的情况下，存储处理部11f也可以将做出不稳定举动时的对象车辆2的位置(地点)与该不稳定举动位置建立关联地存储在存储数据库15中。

车辆辅助部11g在由辅助对象车辆判断部11e判断为存在辅助对象车辆的情况下，针对辅助对象车辆实施用于抑制在不稳定举动位置做出不稳定举动的车辆辅助。车辆辅助部11g经由通信部13实施针对对象车辆2的各种车辆辅助。车辆辅助部11g也可以构成为能够根据不稳定举动的发生而实时地执行针对辅助对象车辆的车辆辅助。

作为车辆辅助，车辆辅助部11g实施与不稳定举动位置相关的信息即不稳定举动位置信息的通知、行驶路径改变辅助、与在不稳定举动位置未做出不稳定举动的对象车辆2的行驶状态相关的稳定行驶数据的通知、以及使辅助对象车辆的行驶状态接近稳定行驶数据的行驶状态的稳定行驶指示中的至少一个。

车辆辅助部11g例如对辅助对象车辆进行不稳定举动位置信息的通知。辅助对象车辆能够使用不稳定举动位置信息来抑制不稳定举动。此外，车辆辅助部11g也可以指示辅助对象车辆改变行驶路径以避开不稳定举动位置。辅助对象车辆通过改变路线(道路)或道路内的行驶路径来避免在不稳定举动位置产生不稳定举动。

车辆辅助部11g也可以对辅助对象车辆进行与在该不稳定举动位置未做出不稳定举动的对象车辆2的行驶状态相关的稳定行驶数据的通知。辅助对象车辆通过参照稳定行驶数据，能够抑制不稳定举动。

车辆辅助部11g也可以对辅助对象车辆进行稳定行驶指示，以使辅助对象车辆的行驶状态接近稳定行驶数据的行驶状态。在这种情况下，车辆辅助部11g通过使辅助对象车辆的行驶状态接近稳定行驶数据的行驶状态，能够抑制在不稳定举动位置产生不稳定举动。

此外，在辅助对象车辆为自动驾驶中的情况下，车辆辅助部11g也可以通知不稳定举动位置信息并且指示不稳定举动位置处的自动驾驶解除。辅助对象车辆通过解除自动驾驶而转移到基于驾驶者的手动驾驶，能够避免在持续自动驾驶的状态下在不稳定举动位置辅助对象车辆做出不稳定举动。

[程序]程序使信息处理服务器10的处理器11作为对象车辆数据识别部11a、不稳定举动位置识别部11b、状况判断部11c、模型生成部11d、辅助对象车辆判断部11e、存储处理部11f以及车辆辅助部11g发挥功能(动作)。程序由例如ROM或半导体存储器等的非临时记录介质提供。此外，也可以经由网络等通信来提供程序。

[信息处理服务器的处理方法]下面，参照附图，说明本实施方式的信息处理服务器10的处理方法。图8是表示车辆辅助处理的一例的流程图。车辆辅助处理例如在信息处理服务器10管理对象车辆2的情况下执行。

如图8所示，作为S10，信息处理服务器10通过对象车辆数据识别部11a进行对象车辆数据的识别(对象车辆数据识别步骤)。对象车辆数据识别部11a识别从对象车辆2发送的对象车辆数据。在对象车辆数据中，包含对象车辆2在地图上的位置信息以及对象车辆2的行驶状态。然后，信息处理服务器10转移到S12。

在S12中，信息处理服务器10通过不稳定举动位置识别部11b判断对象车辆2是否为不稳定举动(不稳定举动判断步骤)。不稳定举动位置识别部11b根据对象车辆数据判断对象车辆2是否为不稳定举动。不稳定举动位置识别部11b例如根据对象车辆2的各车轮的车轮速度来判断对象车辆2A是否发生了作为不稳定举动的打滑，从而判断不稳定举动的有无。信息处理服务器10在未判断对象车辆2做出不稳定举动的情况下(S12：否)，结束本次的不稳定举动位置信息的存储处理。信息处理服务器10在判断为对象车辆2做出不稳定举动的情况下(S12：是)，转移到S14。

在S14中，信息处理服务器10通过不稳定举动位置识别部11b识别不稳定举动位置(不稳定举动位置识别步骤)。不稳定举动位置识别部11b根据判断为对象车辆2做出不稳定举动时的对象车辆2在地图上的位置信息，识别不稳定举动位置。然后，信息处理服务器10转移到S16。

在S16中，信息处理服务器10通过存储处理部11f进行不稳定举动位置的存储处理(存储处理步骤)。存储处理部11f将不稳定举动位置识别部11b识别的不稳定举动位置存储在存储数据库15中。在状况判断部11c进行了判断的情况下，存储处理部11f也可以将不稳定举动位置与状况判断部11c的判断结果建立关联地存储在存储数据库15中。存储处理部11f也可以将不稳定举动位置信息与在该不稳定举动位置行驶的对象车辆2的对象车辆数据建立关联地存储在存储数据库15中。

在S18中，信息处理服务器10通过辅助对象车辆判断部11e判断辅助对象车辆是否存在(辅助对象车辆判断步骤)。辅助对象车辆判断部11e根据不稳定举动位置识别部11b识别的不稳定举动位置和对象车辆数据识别部11a识别的对象车辆数据，判断是否存在被推断为在固定时间以内在不稳定举动位置做出不稳定举动的对象车辆2即辅助对象车辆。关于辅助对象车辆判断步骤的具体例在后面详细叙述。信息处理服务器10在判断为存在辅助对象车辆的情况下(S 18：是)，转移到S20。信息处理服务器10在未判断为存在辅助对象车辆的情况下(S18：否)，结束此次的车辆辅助处理。然后，信息处理服务器10在经过固定时间后从S10开始重复处理。

在S20中，信息处理服务器10通过车辆辅助部11g执行对辅助对象车辆的车辆辅助(车辆辅助步骤)。车辆辅助部11g作为车辆辅助进行与不稳定举动位置相关的信息即不稳定举动位置信息的通知等。然后，信息处理服务器10结束本次的车辆辅助处理，经过固定时间后，从S10开始重复处理。

图9是表示辅助对象车辆判断处理的一例的流程图。辅助对象车辆判断处理与图8的S18的辅助对象车辆判断步骤对应。

如图9所示，作为S30，信息处理服务器10通过辅助对象车辆判断部11e判断是否存在固定时间以内到达不稳定举动位置的候选车辆(候选车辆判断步骤)。辅助对象车辆判断部11e根据例如不稳定举动位置和在对象车辆数据中包含的对象车辆2的位置信息，判断是否存在固定时间以内到达不稳定举动位置的对象车辆2即候选车辆。信息处理服务器10在判断为存在候选车辆的情况下(S30：是)，转移到S32。信息处理服务器10在未判断为存在候选车辆的情况下(S30：否)，设为不存在辅助对象车辆而结束本次的辅助对象车辆判断处理。

在S32中，信息处理服务器10通过辅助对象车辆判断部11e判断候选车辆到达的不稳定举动位置是否为连续发生状况(连续发生状况判断步骤)。信息处理服务器10在判断为不稳定举动位置为连续发生状况的情况下(S32：是)，转移到S36。信息处理服务器10在未判断为不稳定举动位置为连续发生状况的情况下(S32：否)，转移到S34。

在S34中，信息处理服务器10通过辅助对象车辆判断部11e推断候选车辆是否做出不稳定举动(不稳定举动判断步骤)。辅助对象车辆判断部11e使用基于对象车辆数据识别部11a取得的候选车辆的对象车辆数据，使用模型生成部11d生成的不稳定举动判别模型和/或稳定举动判别模型，推断候选车辆在不稳定举动位置是否做出不稳定举动。辅助对象车辆判断部11e例如在判断为候选车辆的行驶状态接近不稳定举动判别模型的情况下，推断为候选车辆在不稳定举动位置做出不稳定举动。

信息处理服务器10在推断为候选车辆在不稳定举动位置做出不稳定举动的情况下(S34：是)，转移到S36。信息处理服务器10在未推断候选车辆在不稳定举动位置做出不稳定举动的情况下(S34：否)，认为不存在辅助对象车辆而结束本次的辅助对象车辆判断处理。

在S36中，信息处理服务器10通过辅助对象车辆判断部11e判断为存在辅助对象车辆(辅助对象车辆存在判断步骤)。然后，结束本次辅助对象车辆判断处理。

此外，在图9中，不一定必须设置S32的连续发生状况判断步骤。辅助对象车辆判断部11e也可以采用针对全部的不稳定举动位置进行候选车辆是否为不稳定举动的推断的方式。

根据以上说明的本实施方式的信息处理服务器10(以及信息处理服务器10的处理方法、程序)，根据不稳定举动位置和对象车辆数据，判断是否存在被推断为在固定时间以内在不稳定举动位置做出不稳定举动的对象车辆即辅助对象车辆，在判断为存在辅助对象车辆的情况下，针对辅助对象车辆实施用于抑制在不稳定举动位置做出不稳定举动的车辆辅助，因此能够抑制在不稳定举动位置辅助对象车辆做出不稳定举动。根据这样的信息处理服务器10，在产生了不稳定举动的情况下，能够对被推断为在不稳定举动位置做出不稳定举动的辅助对象车辆进行实时的车辆辅助。

此外，根据信息处理服务器10，通过使用根据在不稳定举动位置做出不稳定举动的对象车辆2的对象车辆数据而生成的不稳定举动判别模型和/或稳定举动判别模型，能够适当地推断在固定时间以内到达不稳定举动位置的对象车辆是否做出不稳定举动。

进一步地，根据信息处理服务器10，根据不稳定举动位置处的多辆对象车辆的不稳定举动的有无，判断该不稳定举动位置为连续发生状况或非连续状况，在存在被判断为在固定时间以内到达连续发生状况的不稳定举动位置的对象车辆的情况下，判断为存在辅助对象车辆，因此能够将做出不稳定举动的可能性高的朝向不稳定举动位置的对象车辆视为辅助对象车辆而适当地进行车辆辅助。

此外，根据信息处理服务器10，也考虑了在被判断为非连续状况的不稳定举动位置处经过的对象车辆中不产生不稳定举动的可能性，因此通过使用根据在不稳定举动位置做出不稳定举动的对象车辆的对象车辆数据而生成的不稳定举动判别模型和/或稳定举动判别模型，能够适当地推断在固定时间以内到达不稳定举动位置的对象车辆是否做出不稳定举动。

此外，根据信息处理服务器10，作为车辆辅助，通过进行与不稳定举动位置相关的信息的通知、行驶路径改变辅助、与在不稳定举动位置未做出不稳定举动的对象车辆的行驶状态相关的稳定行驶数据的通知、以及使辅助对象车辆的行驶状态接近稳定行驶数据的行驶状态的稳定行驶指示中的至少一个，能够抑制辅助对象车辆在不稳定举动位置做出不稳定举动。

以上，对本发明的实施方式进行了说明，但本发明不限于上述实施方式。本发明可以上述实施方式为基础，根据本领域技术人员的知识，以实施了各种改变、改良的各种方式来实施。

信息处理服务器10的模型生成部11d不一定必须取得稳定行驶数据和不稳定行驶数据两者。模型生成部11d可以是仅取得稳定行驶数据和不稳定行驶数据的任一方的方式，也可以是不取得稳定行驶数据或不稳定行驶数据的任一方的方式。

信息处理服务器10的模型生成部11d不一定必须生成不稳定举动判别模型和稳定举动判别模型这两者。模型生成部11d也可以是仅生成不稳定举动判别模型和稳定举动判别模型中的任一方的方式。辅助对象车辆判断部11e例如在候选车辆的行驶状态与稳定举动判别模型相似的情况下，推断为候选车辆在不稳定举动位置不做出不稳定举动，在候选车辆的行驶状态与稳定举动判别模型不相似的情况下，推断为候选车辆在不稳定举动位置做出不稳定举动。在候选车辆的车速等的参数和稳定举动判别模型的特征量参数之间的差异小于预先设置的相似度判断阈值的情况下，辅助对象车辆判断部11e可以判断候选车辆的行驶状态与稳定举动判别模型相似。

同样地，辅助对象车辆判断部11e也可以例如在候选车辆的行驶状态与不稳定举动判别模型相似的情况下，推断为候选车辆在不稳定举动位置做出不稳定举动，在候选车辆的行驶状态与不稳定举动判别模型不相似的情况下，推断为候选车辆在不稳定举动位置不做出不稳定举动。相似判断的方法没有特别限定，可以采用公知的各种方法。

信息处理服务器10不一定必须具有模型生成部11d。即，辅助对象车辆判断部11e也可以不使用不稳定举动判别模型或稳定举动判别模型，而是实施候选车辆在不稳定举动位置是否做出不稳定举动的推断。辅助对象车辆判断部11e也可以使用使用做出了不稳定举动的对象车辆数据和未做出不稳定举动的对象车辆数据进行学习的机器学习，对候选车辆在不稳定举动位置是否做出不稳定举动进行推断。

附图标记的说明

2…对象车辆；

10…信息处理服务器；

11…处理器；

11a…对象车辆数据识别部；

11b…不稳定举动位置识别部；

11c…状况判断部；

11d…模型生成部；

11e…辅助对象车辆判断部；

11f…存储处理部；

11g…车辆辅助部；

15…存储数据库；

D、DA1、DA2…不稳定举动位置。

Claims (9)

1.一种信息处理服务器，是从多辆对象车辆取得包含对象车辆的行驶状态以及所述对象车辆在地图上的位置信息的对象车辆数据的信息处理服务器，具有：

不稳定举动位置识别部，其根据所述对象车辆数据，对所述对象车辆做出不稳定举动的地图上的位置即不稳定举动位置进行识别；

辅助对象车辆判断部，其在通过所述不稳定举动位置识别部识别了所述不稳定举动位置的情况下，根据所述不稳定举动位置和所述对象车辆数据，对是否存在被推断为在固定时间以内在所述不稳定举动位置做出不稳定举动的所述对象车辆即辅助对象车辆进行判断；

车辆辅助部，其在通过所述辅助对象车辆判断部判断为存在所述辅助对象车辆的情况下，针对所述辅助对象车辆实施车辆辅助，所述车辆辅助用于抑制在所述不稳定举动位置做出不稳定举动。

2.根据权利要求1所述的信息处理服务器，其中，

还具有模型生成部，所述模型生成部根据在所述不稳定举动位置做出了所述不稳定举动的所述对象车辆的所述对象车辆数据，生成不稳定举动判别模型，

所述辅助对象车辆判断部使用所述不稳定举动判别模型，对是否存在所述辅助对象车辆进行判断。

3.根据权利要求1所述的信息处理服务器，其中，

还具有模型生成部，所述模型生成部根据在所述不稳定举动位置未做出所述不稳定举动的所述对象车辆的所述对象车辆数据，生成稳定举动判别模型，

所述辅助对象车辆判断部使用所述稳定举动判别模型，对是否存在所述辅助对象车辆进行判断。

4.根据权利要求1所述的信息处理服务器，其中，

还具有：

状况判断部，根据所述不稳定举动位置处的多辆所述对象车辆的所述不稳定举动的有无，对该不稳定举动位置为连续发生状况或非连续状况进行判断；

存储处理部，将基于所述状况判断部的判断结果与所述不稳定举动位置建立关联地存储在存储数据库中，

所述辅助对象车辆判断部在存在所述固定时间以内到达被判断为所述连续发生状况的所述不稳定举动位置的所述对象车辆的情况下，判断为存在所述辅助对象车辆。

5.根据权利要求4所述的信息处理服务器，其中，

还具有模型生成部，所述模型生成部根据在所述不稳定举动位置做出了所述不稳定举动的所述对象车辆的所述对象车辆数据，生成不稳定举动判别模型，

所述辅助对象车辆判断部在存在所述固定时间以内到达被判断为所述非连续状况的所述不稳定举动位置的所述对象车辆的情况下，根据该对象车辆的所述对象车辆数据和所述不稳定举动判别模型，对是否存在所述辅助对象车辆进行判断。

6.根据权利要求4所述的信息处理服务器，其中，

还具有模型生成部，所述模型生成部根据在所述不稳定举动位置未做出所述不稳定举动的所述对象车辆的所述对象车辆数据，生成稳定举动判别模型，

所述辅助对象车辆判断部在存在所述固定时间以内到达被判断为所述非连续状况的所述不稳定举动位置的所述对象车辆的情况下，根据该对象车辆的所述对象车辆数据和所述稳定举动判别模型，对是否存在所述辅助对象车辆进行判断。

7.根据权利要求1至6中任一项所述的信息处理服务器，其中，

作为所述车辆辅助，所述车辆辅助部实施与所述不稳定举动位置相关的信息的通知、行驶路径改变辅助、与在所述不稳定举动位置未做出所述不稳定举动的所述对象车辆的行驶状态相关的稳定行驶数据的通知、以及使所述辅助对象车辆的行驶状态接近所述稳定行驶数据的行驶状态的稳定行驶指示中的至少一个。

8.一种信息处理服务器的处理方法，是从多辆对象车辆取得包含对象车辆的行驶状态以及所述对象车辆在地图上的位置信息的对象车辆数据的信息处理服务器的处理方法，具有：

不稳定举动位置识别步骤，根据所述对象车辆数据，对所述对象车辆做出不稳定举动的地图上的位置即不稳定举动位置进行识别；

辅助对象车辆判断步骤，在所述不稳定举动位置识别步骤中识别了所述不稳定举动位置的情况下，根据所述不稳定举动位置和所述对象车辆数据，对是否存在被推断为在固定时间以内在所述不稳定举动位置做出不稳定举动的所述对象车辆即辅助对象车辆进行判断；

车辆辅助步骤，在所述辅助对象车辆判断步骤中判断为存在所述辅助对象车辆的情况下，针对所述辅助对象车辆实施车辆辅助，所述车辆辅助用于抑制在所述不稳定举动位置做出不稳定举动。

9.一种程序，使信息处理服务器动作，所述信息处理服务器从多辆对象车辆取得包含对象车辆的行驶状态以及所述对象车辆在地图上的位置信息的对象车辆数据，所述信息处理服务器具有：

不稳定举动位置识别部，其根据所述对象车辆数据，对所述对象车辆做出不稳定举动的地图上的位置即不稳定举动位置进行识别；

辅助对象车辆判断部，其在通过所述不稳定举动位置识别部识别了所述不稳定举动位置的情况下，根据所述不稳定举动位置和所述对象车辆数据，对是否存在被推断为在固定时间以内在所述不稳定举动位置做出不稳定举动的所述对象车辆即辅助对象车辆进行判断；以及

车辆辅助部，其在通过所述辅助对象车辆判断部判断为存在所述辅助对象车辆的情况下，针对所述辅助对象车辆实施车辆辅助，所述车辆辅助用于抑制在所述不稳定举动位置做出不稳定举动。

Images