JP2009237776A - 車両用運転支援装置 - Google Patents

Abstract

【課題】ドライバーによる障害物の見落としを推定して車両の安全運転支援機器を制御することができる車両用運転支援装置の提供。
【解決手段】ドライバーの視線方向又は顔の向きを検出する視線検出部１１と、車両前方の障害物を検出する障害物検出部１２と、ドライバーの負担度を検出する負担度検出部１３と、ドライバーの視線方向又は顔の向きに対する障害物の検出方向、及び、ドライバーの負担度に基づいてドライバーによる障害物の見落とし危険度を算出する見落とし危険度算出部１５と、見落とし危険度に基づいて車載の安全運転支援機器２の作動を制御する作動制御部１６とを備える。
【選択図】図１

Description

本発明は、車両用運転支援装置に係り、より詳細には、ドライバーによる障害物の見落としを考慮した車両用運転支援装置に関する。

従来の車両用運転支援装置の一例が、下記の特許文献１に記載されている。この特許文献１に記載の技術によれば、ドライバーの顔の向きや視線の方向に基づいてドライバーの脇見運転を検出する。そして、脇見運転の検出と、走行車線と車両の位置関係の検出との基づいて、操舵装置及び警報装置等の車載機器を作動させる。

特開２００７−１８３８３１号公報

ところで、運転中、ドライバーは視野内の障害物を常に認知しているとは限らず、障害物を見落とすことがある。例えば、運転中、車両前方を見ていても、車両前方の歩行者等の障害物を見落とすことがあり、また、視線を向けていても視野内の障害物を認知していないこともある。

そして、ドライバーが障害物を見落とした場合にこそ、自動ブレーキ、自動操舵又は音声ガイド等の車載の安全運転支援機器が作動し、車両の運転を効果的に支援することが望まれる。

しかし、ドライバーの顔の向きや視線の方向を検出しても、ドライバーが障害物を認知しているか、見落としているかを直接判断することは極めて困難である。

そこで、本発明は、ドライバーによる障害物の見落としを推定して車両の安全運転支援機器を制御することができる車両用運転支援装置を提供することを目的としている。

上記の目的を達成するため、本発明の車両用運転支援装置は、ドライバーの視線方向又は顔の向きを検出する視線検出手段と、車両前方の障害物を検出する障害物検出手段と、ドライバーの負担度を検出する負担度検出手段と、上記視線検出手段によって検出されたドライバーの視線方向又は顔の向きに対する上記障害物検出手段によって検出された障害物の検出方向、及び、上記負担度検出手段によって検出されたドライバーの負担度に基づいて、ドライバーによる障害物の見落とし危険度を算出する見落とし危険度算出手段と、上記見落とし危険度算出手段によって判定された見落とし危険度に基づいて、車載の安全運転支援機器の作動を制御する作動制御手段と、を備えることを特徴としている。

このように、本発明の車両用運転支援装置によれば、ドライバーによる障害物の見落としの危険度が、ドライバーの負担度と、ドライバーの視線方向又は顔の向きに対する障害物の検出方向に基づいて判定される。そして、判定された見落としの危険度に応じて、安全運転支援機器が制御される。

一般に、ドライバーの視線方向や顔の向きに近い方向の障害物は、認識されやすく、一方、視線方向や顔の向きから離れた方向の障害物は、認識されにくい傾向がある。

また、ドライバーの負担度は、例えば、ステアリング、アクセル及びブレーキ等の運転装置の操作が忙しい場合や、車両前方の風景が目まぐるしく変化する場合等に高くなる。負担度が高くなるほど、障害物を認知する視覚探索機能が低下し、障害物を見落とす危険度が高くなる傾向がある。

本発明において好ましくは、上記負担度検出手段は、運転装置の操作量及び車載機器の操作頻度に基づいて、ドライバーの負担度を検出する。
これにより、ドライバーの負担度が容易に検出される。

本発明において好ましくは、上記負担度検出手段は、車載撮影手段によって撮影された車両前方の風景画像の変化度に基づいて、ドライバーの負担度を検出する。
これにより、ドライバーの負担度が容易に検出される。

また、本発明において好ましくは、ドライバーの認知制御能力を判定する認知制御能力判定手段を更に備え、上記見落とし危険度算出手段は、ドライバーの負担度及び障害物の検出方向に加え、ドライバーの認知制御能力に基づいて、見落とし危険度を算出する。

ドライバーの認知制御能力は、多重作業や新しい作業への対応能力をいう。認知制御能力は個々のドライバーによって異なる。このため、負担度が同じであっても、ドライバーの認知制御能力の高さの違いによって前方の障害物を見落とす危険度が異なる場合があると考えられる。そこで、ドライバーの認知制御能力と更に組み合わせて、障害物の見落としの危険度を算出すれば、見落とし危険度の判定精度の向上を図ることができる。

また、本発明において好ましくは、上記認知制御能力判定手段は、運転装置の操作量が所定の閾値を超えるのときの車載機器の操作頻度に基づいて、ドライバーの認知制御能力を判定する。
これにより、ドライバーの認知制御能力が容易に判定される。例えば、運転が忙しいときであっても、カーエアコン等の車載機器の操作頻度が高い場合には、ドライバーの認知制御能力が高いものと判定される。

また、本発明において好ましくは、上記認知制御能力判定手段は、運転装置の操作量が所定の閾値以下のときのドライバーの視点の移動量に基づいて、ドライバーの認知制御能力を判定する。
これにより、ドライバーの認知制御能力が判定される。

また、本発明において好ましくは、上記障害物検出手段は、障害物として交差点の中央を検出する。
このように、交差点の中央を障害物として検出すれば、ドライバーの視線方向又は顔の向きに対する交差点中央の検出方向に基づいて、一般に交通事故の発生する危険性の高い交差点での見落とし危険度が算出される。

また、本発明において好ましくは、上記障害物検出手段は、車載撮像手段により撮像された車両前方の画像から障害物を画像のコントラスト及び色彩に基づいて検出する。
これにより、障害物を画像から容易に抽出することができる。

また、本発明において好ましくは、ドライバーの視野内の見落とし確率の分布を示す見落とし確率マップを記憶した記憶手段を更に備え、見落とし確率マップは、ドライバーの負担度に応じた見落とし確率の分布を示し、上記見落とし危険度算出手段は、ドライバーの視線方向を原点とする見落とし確率マップにおける、障害物の検出方向に対応する検出位置座標での見落とし確率に基づいて、見落とし危険度を算出する。
このように、見落とし確率マップを利用すれば、障害物の検出方向に応じたドライバーの見落とし危険度を効果的に判定することができる。

また、本発明において好ましくは、上記作動制御手段による上記安全運転支援機器の作動の際に、上記安全運転支援機器により支援される運転操作がドライバーによって行われていた場合、上記見落とし危険度算出手段は、見落とし確率を低くするように当該見落とし確率マップを補正する。

安全運転支援機器の作動以前に、ドライバーが既に危険回避等の運転操作をしていた場合、ドライバーは障害物を見落としていなかったものと考えられる。その場合、判定された見落とし危険度が下がるように危険度マップを補正することによって、見落とし危険度の判定の精度向上が図られる。その結果、安全運転支援機器の無駄な作動が抑制される。

また、本発明において好ましくは、ドライバーの視線走査密度の分布を示す視線走査密度マップを記憶した記憶手段を更に備え、視線走査密度マップは、ドライバーの負担度に応じた視線走査密度の分布を示し、上記見落とし危険度算出手段は、ドライバーの顔の向きの正面を原点とする視線走査密度マップにおける、障害物の検出方向に対応する検出位置座標での視線走査密度に基づいて、見落とし危険度を算出する。
このように、視線走査密度マップを利用すれば、障害物の検出方向に応じたドライバーの見落とし危険度を効果的に判定することができる。

また、本発明において好ましくは、上記作動制御手段による上記安全運転支援機器作動の際に、上記安全運転支援機器により支援される運転操作がドライバーによって行われていた場合、上記見落とし危険度算出手段は、走査密度を高くするように当該視線走査密度マップを補正する。

安全運転支援機器の作動以前に、ドライバーが既に危険回避等の運転操作をしていた場合、ドライバーは障害物を見落としていなかったものと考えられる。その場合、判定された見落とし危険度が下がるように視線走査密度マップを補正することによって、見落とし危険度の判定の精度向上が図られる。その結果、安全運転支援機器の無駄な作動が抑制される。

本発明において好ましくは、上記障害物検出手段は、障害物の見かけ上の移動速度を検出し、上記見落とし危険度算出手段は、当該障害物の見かけ上の移動速度に応じて、当該障害物の見落とし危険度を補正する。
このように、障害物の見かけ上の移動速度に応じて見落とし危険度を補正すれば、より的確に見落とし危険度が算出される。

また、本発明において好ましくは、上記見落とし危険度算出手段は、視界を分割した複数の分割領域のうちドライバーの視線方向に対応する分割領域を検出し、分割領域ごとに単位時間あたりの視線配分時間の割合を求め、視線配分時間の割合が基準値以上となる分割領域がある場合、当該分割領域以外の残りの分割領域に対応する方向に障害物が検出されたときの見落とし危険度をより高くなるように補正する。
これにより、ドライバーの視線配分に偏りがある場合にも、より的確に見落とし危険度が算出される。

また、本発明において好ましくは、上記障害物検出手段は、車載撮像手段により撮像された車両前方の画像から、自車両前方の走行レーンを抽出し、上記見落とし危険度算出手段は、上記走行レーン内に障害物が検出されたときの見落とし危険度をより高くなるように補正する。
このように、障害物を見落とした場合に危険性が高い領域について見落とし危険度が高くなるように補正すれば、より的確に見落とし危険度が判定される。

また、本発明において好ましくは、上記作動制御手段は、上記見落とし危険度算出手段によって判定された見落とし危険度に応じて、上記安全運転支援機器の作動閾値を変更する。
これにより、安全運転支援機器をより効果的に作動することが可能となる。

本発明の車両用運転支援装置によれば、ドライバーによる障害物の見落としを推定して車両の安全運転支援機器を制御することができる。

以下、添付の図面を参照して、本発明の車両の運転支援装置の実施形態を説明する。
まず、図１のブロック図を参照して、第１実施形態の車両用運転支援装置の構成について説明する。図１に示すように、本実施形態の車両用運転支援装置１は、ドライバーの視線方向又は顔の向きを検出する視線検出部１１と、車両前方の障害物を検出する障害物検出部１２と、ドライバーの負担度を検出する負担度検出部１３と、ドライバーの認知制御能力を判定する認知制御能力判定部１４と、上記視線検出部１１によって検出されたドライバーの視線方向又は顔の向きに対する上記障害物検出部１２によって検出された障害物の検出方向、及び、上記負担度検出部１３によって検出されたドライバーの負担度、及び、上記認知制御能力判定部１４によって判定されたドライバーの認知制御能力に基づいて、ドライバーによる障害物の見落とし危険度を算出する見落とし危険度算出部１５と、上記見落とし危険度算出部１５によって算出された見落とし危険度に基づいて車載の安全運転支援機器２の作動を制御する作動制御部１６と、を備える。さらに、本実施形態の車両用運転支援装置１は、ドライバーの視野内の見落とし確率の分布を示す見落とし確率マップ、及び、ドライバーの視線走査密度の分布を示す視線走査密度マップの少なくとも一方を記憶した記憶部１７を更に備えている。

安全運転支援機器２としては、例えば、車両前方又は周囲の障害物との衝突を避けるために作動する自動ブレーキ装置、自動操舵装置及び音声ガイダンスの一つ又は複数を組み合せたものが挙げられる。音声ガイダンスは、単なる警報音を発生させるものであってもよいし、音声により衝突の危険性を知らせるものであってもよい。

視線検出部１１には、例えば、ドライバーを撮像した画像を処理することにより、ドライバーの視線方向又は顔の向きを検出する従来公知の任意好適な技術を利用することができる。

障害物検出部１２には、レーダやカメラを利用した従来公知の障害物検知技術を利用することができる。そして、作動制御部１６は、障害物検出部１２により検知された障害物と自車両の衝突の可能性が所定の閾値を超えた場合等に、自動ブレーキ等の安全運転支援機器２を作動させる。衝突の可能性は、例えば、自車両から障害物までの距離、障害物の接近速度、所定時間後の障害物と自車両の予想位置が重なる確率など、任意好適なパラメータを利用して判断される。

図１に示す視線検出部１１、障害物検出部１２，負担度検出部１３、認知制御能力判定部１４、見落とし危険度算出部１５及び作動制御部１６の各ブロックは、それぞれ、車載ＥＣＵ（electric control unit：電子制御装置）における本発明の車両用運転支援装置１の各手段に相当する処理機能を表す。これらの処理機能は、ＥＣＵ１のコンピュータにおいて所定のプログラムを実行することにより、或いはマイクロチップにより実現される。

視線検出部１１には、視線検出カメラ６からドライバーの画像データが入力される。負担度検出部１３には、運転装置の操作量センサ３から操作量のデータが入力される。操作量センサ３には、アクセルペダルの踏み込み量を検知するアクセル踏量センサ３１、ブレーキペダルの踏み込み量を検知するブレーキ踏量センサ３２、及びステアリングの操作量を検知する舵角センサ３３が含まれる。さらに、負担度検出部１３には、前方監視カメラ５から画像データが入力される。

認知制御能力判定部１４にも、運転装置の操作量センサ３から操作量のデータが入力される。さらに、認知制御能力判定部１４には、集中ユニット４から車載機器の操作頻度データが入力される。集中ユニット４は、カーナビゲーション４１、カーオーディオ４２及びカーエアコン４３と、これらの各車載機器の操作頻度検出回路４４とから構成されている。

ここで、図２に、運転支援装置１に種々のデータを送る上記の機器の配置を示す。図２は、車内の平面模式図である。図２に示すように、操作量センサ３のうち、アクセル踏量センサ３１は、アクセルペダルの下に配置され、ブレーキ踏量センサ３２は、ブレーキペダルの下に配置され、舵角センサ３３はステアリングの軸付近に配置されている。また、集中ユニット４は、コンソールに配置されている。また、前方監視カメラ５及び視線検出カメラ６は、フロントガラスの中央上部付近にそれぞれ配置されている。

次に、図３のフローチャートを参照して、本実施形態の車両用運転支援装置の動作の概要について説明する。

まず、視線検出部１１が、視線検出カメラ６の撮像した画像データに基づいてドライバーの視線方向又は顔の向きを検出する（Ｓ１）。視線検出部１１は、ドライバーの視線方向及び顔の向きの一方だけを検出してもよいし、両方を検出してもよい。視線方向又は顔の向きを検出にあたっては、従来公知の任意好適な技術を利用することができる。

次いで、車両用運転支援装置１の負担度検出部１３が、ドライバーの負担度を検出する（Ｓ２）。ドライバーの負担度の具体的な検出方法については、第２及び第３実施例で後述する。

次いで、認知制御能力判定部１４が、ドライバーの認知制御能力を判定する（Ｓ３）。ドライバーの認知制御能力の具体的な判定方法については、第４及び第５実施形態で後述する。
なお、ドライバーの負担度の検出処理及び認知制御能力の判定処理は、順序を入れ替えて実行してもよいし、同時に実行してもよい。

次いで、見落とし危険度算出部１５が、視線検出部１１によって検出されたドライバーの視線方向又は顔の向き、負担度検出部１３によって検出されたドライバーの負担度、及び認知制御能力判定部１４によって判定されたドライバーの認知制御能力に基づいて、ドライバーによる障害物の見落としの危険度を算出する（Ｓ４）。見落とし危険度の具体的な判定方法については、第６及び第８実施形態で後述する。

次いで、作動制御部１６が、見落とし危険度算出手段によって判定された見落とし危険度に基づいて、車載の安全運転支援機器２の作動を制御する（Ｓ５）。本実施形態では、作動制御部１６は、見落とし危険度算出部１５によって算出された見落とし危険度に応じて、安全運転支援機器４の作動閾値を変更する。

ここで、図４のフローチャートを参照して、作動制御部１６による制御対象となる安全運転支援機器２の動作例について説明する。図４では、安全運転支援器機２として自動ブレーキを作動させる例を示す。

まず、前方監視カメラ５により前方画像を取得する（Ｓ４１）。
次いで、障害物検出装置７が、前方画像から歩行者等の障害物を抽出する（Ｓ４２）。

前方画像から障害物を抽出する方法は、従来公知の任意好適なものを採用することができるが、本実施形態では、図５のフローチャートに示すように、前方監視カメラ５によって撮像された車両前方の画像から、障害物を画像のコントラスト及び色彩に基づいて検出する。
まず、前方監視カメラ５から取得した前方画像を、複数の領域に分割する（図５のＳ５１）。画像の分割数は、任意好適な数を採用することができる。

次いで、隣接する領域間のコントラスト差を算出する（Ｓ５２）。
続いて、算出したコントラスト差と、所定の基準値とを比較する（Ｓ５３）。基準値は、記憶部１７に格納しておくとよい。基準値は、実験的に好適な値を選択するとよい。

コントラスト差が基準値を超す場合（Ｓ５３で「Ｙｅｓ」の場合）、その領域に障害物が存在すると判定する（Ｓ５４）。
なお、照明センサによって検出した明るさに基づいてコントラスト差を補正し、補正後のコントラスト差と基準値とを比較するようにしてもよい。

一方、コントラストが基準値以下の場合、更に、領域間の色彩の組合せと、基準の色彩組合せとのマッチングを行う（Ｓ５５）。基準の色彩組合せは、記憶部１７に格納しておくとよい。また、基準の色彩組合せは、車両走行時に撮影した画像から歩行者や建造物等の環境データを学習し、随時修正するようにしてもよい。

マッチングした場合（Ｓ５５で「Ｙｅｓ」の場合）、その領域に障害物が存在すると判定する（Ｓ５４）。一方、マッチングしない場合（Ｓ５５で「Ｎｏ」の場合）、その領域に障害物は存在しないと判定する（Ｓ５５）。このようにして、障害物の有無が判定される。

そして、上記のようにして障害物が存在すると判定された場合、自車両と障害物との衝突までの残り時間を算出する（図４のＳ４４）。衝突までの残り時間は、例えば、障害物までの距離、及び自車両と障害物との相対速度によって求められる。

次いで、衝突までの残り時間（ΔＴ）と、作動閾値（ΔＴth）とを比較する（Ｓ４５）。この作動閾値（ΔＴth）は、後述のように、ドライバーの見落とし危険度によって変更される。

衝突までの残り時間が、作動閾値以下である場合（Ｓ４５で「Ｙｅｓ」の場合）、安全運転支援装置２は、自動ブレーキを作動させる（Ｓ４６）。一方、衝突までの残り時間が、作動閾値を超える場合（Ｓ４５で「Ｎｏ」の場合）には、安全運転支援装置２は、自動ブレーキを作動させない（Ｓ４７）。

このように、安全運転支援装置２は、前方障害物を検知した場合において、衝突までの残り時間（ΔＴ）が作動閾値（ΔＴth）以下であるときに自動ブレーキを作動させる。これにより、車両と障害物との衝突が防止される。

さらに、安全運転支援装置２の作動閾値（ΔＴth）は、見落とし危険度に応じて、作動制御部１６によって変更される。

ここで、図６のフローチャートを参照して、作動制御部１６による安全運転支援機器２の作動閾値を変更する制御例について説明する。
まず、見落とし危険度算出部１５が算出した危険度を取得する（Ｓ６１）。

次いで、算出された危険度が、所定の基準危険度を超える場合（Ｓ６２で「Ｙｅｓ」の場合）、作動制御部１６は、安全運転支援機器２の作動閾値（ΔＴth）を長くして、変更作動閾値（ΔＴth＋Δｔ）にする（Ｓ６３）。
なお、基準危険度は、任意好適な値を設定することができる。また、危険度が基準危険度を超える場合には、危険度が任意の値以上の場合に限られず、例えば、危険度が「高」と判定された場合も含まれる。

一方、算出された危険度が、所定の基準危険度以下の場合（Ｓ６２で「Ｎｏ」の場合）、作動制御部１６は、安全運転支援機器２の作動閾値（ΔＴth）を変更しない（Ｓ６４）。

このように、安全運転支援機器２の作動閾値を変更することにより、安全運転支援機器２の作動タイミングが変更される。例えば、図７に示すタイムチャートに示すように、見落とし危険度が低い場合には、衝突予想時刻Ｔ０までの残り時間が（ΔＴ）であっても、作動閾値（ΔＴth）よりも長いため、自動ブレーキは作動しない。これに対して、見落とし危険度が高い場合には、衝突までの残り時間（ΔＴ）は、作動閾値（ΔＴth＋Δｔ）よりも短いため、自動ブレーキが作動する。

このように、見落とし危険度が高い場合に、作動閾値の時間を長くすることにより、自動ブレーキが早めに作動する。その結果、見落とし危険度が高い場合に、より効果的に衝突の回避が図られる。

なお、本実施形では、見落とし危険度に応じて、作動閾値を変更する例について説明したが、見落とし危険度に応じて、安全運転支援装置の作動時の作動ゲイン等の任意の制御パラメータを変更するようにしてもよい。また、障害物として交差点の中央を検出してもよい。そして、ドライバーの視線方向又は顔の向きに対する交差点中央の検出方向に基づいて、交差点での見落とし危険度を算出するとよい。

次に、図８のフローチャートを参照して、本発明の第２実施形態を説明する。第２実施形態の車両用運転支援装置の構成及び動作の概要は、上述の第１実施形態のものと同様である。第２実施形態では、負担度検出部１３は、運転装置の操作量及び車載機器の操作頻度に基づいて、ドライバーの負担度を検出する。操作量及び操作頻度が高いほど、ドライバーの負担度が高いと考えられる。

本実施形態では、ドライバーの負担度の検出にあたり、まず、運転装置の操作量（Ａ）を検出する（Ｓ８１）。

運転装置の操作量として、アクセル踏量（Ａi,1）、ブレーキ踏量（Ａi,2）及びステアリング操作量（Ａi,3）を検出する。これらの操作量は、図９のグラフに示すように、サンプル時間（Δｔ）の区間（ｉ）（ｉ＝１，２，３，・・・ｎ）ごとに検出される。図９のグラフの横軸は時間を表し、縦軸は、アクセル踏量を表す。図９の曲線Ｉは、アクセル踏量（Ａi,1）の時間変化を示し、直線IIは、アクセル踏み込み量の平均値（ｕi,1）を示す。

図９に示す例では、例えば、時刻ｔ＝（ｉ−２）、（ｉ−１）、（ｉ）、（ｉ＋１）及び（ｉ＋２）におけるアクセル踏量（Ａt,1）を、アクセル踏量センサ３１の出力電圧の離散値（Ａi-2,1）、（Ａi-1,1）、（Ａi,1）、（Ａi+1,1）及び（Ａi+2,1）としてそれぞれサンプリングする。また、ブレーキ踏量（Ａt,2）及びステアリング操作量（Ａt,3）も同様に、ブレーキ踏量センサ３２及び舵角操作量センサ３３の出力電圧の離散値として、それぞれサンプリングされる。

次いで、サンプリングした操作量の平均値（ｕ）を算出する（Ｓ８２）。
時刻ｔ＝ｉにおけるアクセル踏量の平均値（ｕi,1）は、下記の（１）式で与えられる。
ｕi,1＝｛（Ａ1,1）＋（Ａ2,1）＋・・・＋（Ａi,1）｝／ｉ ・・・（１）
同様に、時刻ｉにおけるブレーキ踏量の平均値（ｕi,2）は、下記の（２）式で与えられる。
ｕi,2＝｛（Ａ1,2）＋（Ａ2,2）＋・・・＋（Ａi,2）｝／ｉ ・・・（２）
同様に、時刻ｉにおけるステアリング操作量の平均値（ｕi,3）は、下記の（３）式で与えられる。
ｕi,3＝｛（Ａ1,3）＋（Ａ2,3）＋・・・＋（Ａi,3）｝／ｉ ・・・（３）

次いで、操作量の標準偏差（Ｘ）を算出する（Ｓ８３）。
時刻ｔ＝ｉにおけるアクセル踏量の標準偏差（Ｘi,1）は、下記の（４）式で与えられる。
Ｘi,1＝｛Σ（（Ａi,1）−（ｕi,1））／ｉ｝^1/2 ・・・（４）
同様に、時刻ｔ＝ｉにおけるブレーキ踏量の標準偏差（Ｘi,2）は、下記の（５）式で与えられる。
Ｘi,2＝｛Σ（（Ａi,2）−（ｕi,2））／ｉ｝^1/2 ・・・（５）
時刻ｔ＝ｉにおけるステアリング操作量の標準偏差（Ｘi,3）は、下記の（６）式で与えられる。
Ｘi,3＝｛Σ（（Ａi,3）−（ｕi,3））／ｉ｝^1/2 ・・・（６）

次いで、車載機器３の操作頻度を検出する（Ｓ８４）。
操作頻度として、カーナビゲーション４１、カーオーディオ４２及びカーエアコン４３それぞれの時刻ｔ＝ｉの直近のΔｔ時間の間の操作回数が、操作頻度検出回路４４から出力される。
時刻ｔ＝ｉのカーナビゲーション４１の操作回数を（Ｘi,4）、カーオーディオ４２の操作回数を（Ｘi,5）、カーエアコン４３の操作回数（Ｘi,6）としてそれぞれ表す。

次いで、運転操作機器の各操作量の標準偏差、及び、車載機器の操作頻度に基づいて、ドライバーの負担度を算出する（Ｓ８５）。
時刻ｔ＝ｉのドライバーの負担度（ＷＬi）は下記の（７）式で与えられる。

上記の（７）式中の（ｗ₀）は、負担度の定数項であり、（ｗ_j）は、運転操作機器の各操作量の標準偏差、及び、車載機器の操作頻度に対する重み係数である。定数項及び重み係数は、記憶部１７に記憶されているものを読み出して使用する。そして、各操作量の標準偏差及び各車載機器の操作頻度（ｘ_i,j）（ｊ＝１〜６）について、それぞれ重み係数（Ｗj）を掛けて合計する。
なお、定数項及び重み係数は、経験的に任意好適な値を設定することができる。

次いで、算出した負担度（ＷＬi）と、判定用閾値（Ｗth）とを比較する（Ｓ８６）。
負担度（ＷＬi）が判定用閾値（Ｗth）を超えている場合（Ｓ８６で「Ｙｅｓ」の場合）、ドライバーの負担度を「高」と判定する（Ｓ８７）。
一方、負担度（ＷＬi）が、判定用閾値（Ｗth）以下である場合（Ｓ８６で「Ｎｏ」の場合）、ドライバーの負担度を「低」と判定する（Ｓ８８）。

なお、本実施形態では、負担度を「高」及び「低」の２段階に分けて判定したが、本発明では、負担度の判定はこれに限定されない。例えば、負担度を３段階以上に分けて判定してもよいし、連続値として判定してもよい。また、上記のステップＳ８５で求めた負担度（ＷＬi）をそのままで判定結果として利用してもよい。

次に、図１０のフローチャートを参照して、本発明の第３実施形態について説明する。第３実施形態の車両用運転支援装置の構成及び動作の概要は、上述の第１実施形態のものと同様である。第３実施形態では、上述の第２実施形態とは別に、負担度検出部１３は、車載撮影手段である前方監視カメラ５によって撮影された車両前方の風景画像の変化度に基づいて、ドライバーの負担度を検出する。風景の光学的な流れ（オプティカルフロー）が速く、風景画像の変化度が高いほど、ドライバーの負担度が高いと考えられる。

本実施形態では、ドライバーの負担度の検出にあたり、まず、車両前方の風景画像の各ドットの三原色の各要素レベルを検出する（Ｓ１０１）。
単位時間長Δｔの区間ｉ（ｉ＝１，２，・・・ｎ（ｎは正の整数））において、前方監視カメラ５により、車両前方の風景画像として、複数のデジタル静止画像列（Ｘi,p）が撮影される。

ここで、図１１に、デジタル静止画像列（Ｘi,p）（ｐ＝０，１，２，・・・ｑ（ｑは正の整数））の例を示す。図１１では、区間（ｉ）に、（Ｘi,0）から（Ｘi,q）の（ｑ＋１）枚のデジタル静止画像列が撮影されている。また、同様に、区間（ｉ＋１）においても、（Ｘi+1,0）から（Ｘi+1,q）の（ｑ＋１）枚のデジタル静止画像列（Ｘi+1,p）が撮影されている。

そして、デジタル静止画像列の各画像内の座標値（ｊ，ｋ）（ｊ＝０，１，２，・・・ｌ；ｋ＝０，１，２，・・・ｍ）（ｌ、ｍは正の整数）のピクセルの三原色の各要素のレベルを検出する。ここでは、区間ｉ、時刻ｐの座標（ｊ，ｋ）のピクセルの赤の要素のレベルをＲi,p(j,k)、緑の要素のレベルをＧi,p(j,k)、青の要素のレベルをＢi,p(j,k)とそれぞれ表す。各要素のレベルは、それぞれの色を選択的に検出する光電変換センサの出力電流等の大きさとしてそれぞれ検出するとよい。

次いで、各要素レベルの平均値を算出する（Ｓ１０２）。
ここでは、区間ｉの座標（ｊ，ｋ）のピクセルの赤の要素のレベルの平均値をμＲi,p(j,k)、緑の要素のレベルの平均値をμＧi,p(j,k)、青の要素のレベルの平均値をμＢi,p(j,k)とそれぞれ表す。

次いで、各要素レベルの標本標準偏差を算出する（Ｓ１０３）。
区間ｉの座標（ｊ，ｋ）のピクセルの赤の各要素レベル標本標準偏差ｓｔｄｅｖｐ（Ｒi,p(j,k)）は、下記の（８）式で与えられる。
ｓｔｄｅｖｐ（Ｒi,p(j,k)）＝｛Σ（（Ｒi,p(j,k)）−μ（Ｒi,p(j,k)））／（ｑ＋１）｝^1/2 ・・・（８）
同様に、時刻ｉの座標（ｊ，ｋ）のピクセルの緑の各要素レベル標本標準偏差ｓｔｄｅｖｐ（Ｇi,p(j,k)）は、下記の（９）式で与えられる。
ｓｔｄｅｖｐ（Ｇi,p(j,k)）＝｛Σ（（Ｇi,p(j,k)）−μ（Ｇi,p(j,k)））／（ｑ＋１）｝^1/2 ・・・（９）
同様に、時刻ｉの座標（ｊ，ｋ）のピクセルの青の各要素レベル標本標準偏差ｓｔｄｅｖｐ（Ｂi,p(j,k)）は、下記の（１０）式で与えられる。
ｓｔｄｅｖｐ（Ｂi,p(j,k)）＝｛Σ（（Ｂi,p(j,k)）−μ（Ｂi,p(j,k)））／（ｑ＋１）｝^1/2 ・・・（１０）

次いで、各要素の変化を計算する（Ｓ１０４）。
区間ｉの座標（ｊ，ｋ）における色要素の変化Ｃi(j,k)は、下記の（１１）式で与えられる。

ただし、上記の（１１）式中の（ｗ₀）は、負担度の定数項であり、ｗ_R，ｗ_G，ｗ_Bは、それぞれ、赤、緑及び青の標本標準偏差に対する重み係数である。定数項及び重み係数は、記憶部１７に記憶されているものを読み出して使用する。そして、各色の標準偏差にそれぞれ重み係数を掛けて合計する。
なお、定数項及び重み係数は、経験的に任意好適な値を設定することができる。

次いで、色要素の変化Ｃi(j,k)に基づいて負担度を算出する（Ｓ１０５）。
区間ｉにおけるドライバーの負担度ＷＬiは、下記の（１２）式で与えられる。

次いで、算出した負担度（ＷＬi）と、判定用閾値（Ｗth）とを比較する（Ｓ１０６）。
負担度（ＷＬi）が、判定用閾値（Ｗth）を超えている場合（Ｓ１０６で「Ｙｅｓ」の場合）、ドライバーの負担度を「高」と判定する（Ｓ１０７）。
一方、負担度（ＷＬi）が、判定用閾値（Ｗth）以下である場合（Ｓ１０６で「Ｎｏ」の場合）、ドライバーの負担度を「低」と判定する（Ｓ１０８）。

なお、本実施形態では、負担度を「高」及び「低」の２段階に分けて判定したが、本発明では、負担度の判定はこれに限定されない。例えば、負担度を３段階以上に分けて判定してもよいし、連続値として判定してもよい。また、上記のステップＳ１０５で求めた負担度（ＷＬi）をそのままで判定結果として利用してもよい。さらに、第２及び第３実施形態でそれぞれ説明した方法を組み合わせてドライバーの負担度を検出するようにしてもよい。

次に、図１２及び図１３のフローチャートを参照して、本発明の第４実施形態について説明する。第４実施形態の車両用運転支援装置の構成及び動作の概要は、上述の第１実施形態のものと同様である。第４実施形態では、認知制御能力判定部１４が、運転装置の操作量が所定の閾値を超えるときの車載機器の操作頻度に基づいて、ドライバーの認知制御能力を判定する。

本実施形態では、ドライバーの認知制御能力の検出にあたり、まず、運転装置の操作量（Ａ）を検出する（Ｓ１２１）。
本実施形態においても、上述の第２実施形態と同様にして、運転装置の操作量として、アクセル踏量（Ａi,1）、ブレーキ踏量（Ａi,2）及びステアリング操作量（Ａi,3）を検出する。

次いで、サンプリングした操作量の平均値（ｕ）を算出する（Ｓ１２２）。
本実施形態においても、上述の第２実施形態と同様にして、時刻ｔ＝ｉにおけるアクセル踏量の平均値（ｕi,1）、ブレーキ踏量の平均値（ｕi,2）及びステアリング操作量の平均値（ｕi,3）をそれぞれ算出する。

次いで、操作量の標準偏差（Ｘ）を算出する（Ｓ１２３）。
本実施形態においても、上述の第２実施形態と同様にして、時刻ｔ＝ｉにおけるアクセル踏量の標準偏差（Ｘi,1）、ブレーキ踏量の標準偏差（Ｘi,2）及びステアリング操作量の標準偏差（Ｘi,3）を算出する。

次いで、車載機器３の操作頻度（Ｙ）を検出する（Ｓ１２４）。
本実施形態においても上述の第２実施形態と同様に、操作頻度として、カーナビゲーション４１、カーオーディオ４２及びカーエアコン４３それぞれの時刻ｔ＝ｉの直近のΔｔ時間の間（区間ｉ）の操作回数が、操作頻度検出回路４４から出力される。
本実施形態では、時刻ｔ＝ｉのカーナビゲーション４１の操作回数を（Ｙi,4）、カーオーディオ４２の操作回数を（Ｙi,5）、カーエアコン４３の操作回数（Ｙi,6）としてそれぞれ表す。

次いで、運転操作機器の各操作量の標準偏差に基づいて、運転の忙しさ（ＤＶ）を算出する（Ｓ１２５）。
区間ｉの運転の忙しさ（ＤＶi）は、下記の（１３）式で与えられる。

上記の（１３）式中の「ｗｄ₀」は、運転の忙しさの定数項である。また、「ｗｄ_j」は、（ｊ＝０，１，２，３）であり、「ｗｄ₁」、「ｗｄ₂」及び「ｗｄ₃」は、それぞれ、アクセル踏量、ブレーキ踏量及びステアリング操作量の標準偏差の重み係数である。定数項及び重み係数は、記憶部１７に記憶されているものを読み出して使用する。そして、各操作量の標準偏差（ｘ_i,j）（ｊ＝１〜３）について、それぞれ重み係数（ｗｄ_j）を掛けて、定数項（ｗｄ₀）と合計して運転の忙しさ（ＤＶi）を算出する。
なお、定数項（ｗｄ₀）及び重み係数（ｗｄ_j）は、経験的に任意好適な値を設定することができる。

次いで、車載機器の操作頻度（ＯＰ）を算出する（Ｓ１２６）。
時刻ｔ＝ｉの車載機器の操作頻度（ＯＰi）は下記の（１４）式で与えられる。

上記の（１３）式中の「ｗｏ₀」は、車載機器の操作頻度の定数項である。また、「ｗｏ_j」は、（ｊ＝０，１，２，３）であり、「ｗｏ₁」、「ｗｏ₂」及び「ｗｏ₃」は、それぞれ、カーナビゲーション４１、カーオーディオ４３及びカーエアコン４３の操作頻度の重み係数である。定数項及び重み係数は、記憶部１７に記憶されているものを読み出して使用する。そして、各車載機器の操作頻度（ｙ_i,j）（ｊ＝１〜３）について、それぞれ重み係数（ｗｏ_j）を掛けて、定数項（ｗｏ₀）と合計する。
なお、定数項（ｗｏ₀）及び重み係数（ｗｏ_j）は、経験的に任意好適な値を設定することができる。

次いで、上記のステップＳ１２５で算出した運転の忙しさ（ＤＶi）と、運転の忙しさの判定用閾値（ＤＶth）とを比較する（Ｓ１２７）。ここで、運転の忙しさ（ＤＶi）が、判定用閾値（ＤＶth）を超えている場合（Ｓ１２７で「Ｙｅｓ」の場合）、第１フラグｐ＝１とする。一方、運転の忙しさ（ＤＶi）が、判定用閾値（ＤＶth）以下の場合（Ｓ１２７で「Ｎｏ」の場合）、第１フラグｐ＝０とする。
なお、判定用閾値（ＤＶth）は、経験的に任意好適な値を設定することができる。また、設定された判定用閾値（ＤＶth）は、記憶部１７に記憶される。

次いで、運転の忙しさ（ＤＶi）が、判定用閾値（ＤＶth）を超えている場合（Ｓ１２７で「Ｙｅｓ」の場合）、及び、判定用閾値（ＤＶth）以下の場合（Ｓ１２７で「Ｎｏ」の場合）のいずれの場合も、続いて、上記のステップＳ１２６で算出した車載機器の操作頻度（ＯＰｉ）と、車載機器の操作頻度の判定用閾値（ＯＰth）とを比較する（Ｓ１２８、Ｓ１２９）。ここで、車載機器の操作頻度（ＯＰi）が、判定用閾値（ＯＰth）を超えている場合（Ｓ１２８又はＳ１２９で「Ｙｅｓ」の場合）、第２フラグｑ＝１とする。一方、車載機器の操作頻度（ＯＰi）が、判定用閾値（ＯＰth）以下の場合（Ｓ１２８又はＳ１２９で「Ｎｏ」の場合）、第２フラグｑ＝０とする。
なお、判定用閾値（ＯＰth）は、経験的に任意好適な値を設定することができる。また、設定された判定用閾値（ＯＰth）は、記憶部１７に記憶される。

そして、運転の忙しさ（ＤＶi）の第１フラグｐと車載機器（ＯＰi）の第２フラグｑの組合せをＪi（ｐ、ｑ）とする。
運転の忙しさ（ＤＶi）が判定用閾値（ＤＶth）を超え、かつ、車載機器の操作頻度（ＯＰi）が判定用閾値（ＯＰth）を超えている場合（Ｓ１２７で「Ｙｅｓ」かつＳ１２８で「Ｙｅｓ」の場合）、組合せフラグは、ｊ（１，１）となる（Ｓ１３０ａ）。

また、運転の忙しさ（ＤＶi）が判定用閾値（ＤＶth）を超え、かつ、車載機器の操作頻度（ＯＰi）が判定用閾値（ＯＰth）以下の場合（Ｓ１２７で「Ｙｅｓ」かつＳ１２８で「Ｎｏ」の場合）、組合せフラグは、ｊ（１，０）となる（Ｓ１３０ｂ）。

また、運転の忙しさ（ＤＶi）が判定用閾値（ＤＶth）以下であり、かつ、車載機器の操作頻度（ＯＰi）が判定用閾値（ＯＰth）を超えている場合（Ｓ１２７で「Ｎｏ」かつＳ１２８で「Ｙｅｓ」の場合）、組合せフラグは、ｊ（０，１）となる（Ｓ１３０ｃ）。

また、運転の忙しさ（ＤＶi）が判定用閾値（ＤＶth）以下であり、かつ、車載機器の操作頻度（ＯＰi）が判定用閾値（ＯＰth）以下の場合（Ｓ１２７で「Ｎｏ」かつＳ１２８で「Ｎｏ」の場合）、組合せフラグは、ｊ（０，０）となる（Ｓ１３０ｄ）。

次いで、運転の忙しさ（ＤＶi）の判定回数が所定の回数ｎとなった場合（Ｓ１３１で「Ｙｅｓ」の場合）、ｎ回のうちの組合せフラグｊ（１，１）の出現回数Ｃａを計数する（Ｓ１３２）。
なお、サンプリング間隔はΔｔであるから、ｎ×Δｔ時間間隔ごとに、出現回数Ｃａが計数される。

次いで、組合せフラグｊ（１，１）の出現回数Ｃと、第１閾値回数Ｃ１とを比較する（Ｓ１３３）。
出現回数Ｃａが、第１閾値回数Ｃ１を超える場合（Ｓ１３３で「Ｙｅｓ」の場合）、ドライバーの認知制御能力を「高」と判定する（Ｓ１３５ａ）。

一方、出現回数Ｃａが、第１閾値回数Ｃ１以下の場合（Ｓ１３３で「Ｎｏ」の場合）、続いて、出現回数Ｃａと、第２閾値回数Ｃ２（＜Ｃ１）とを比較する（Ｓ１３４）。

出願回数Ｃａが、第２閾値回数Ｃ２を超える場合（Ｓ１３４で「Ｙｅｓ」の場合）、すなわち、Ｃ２＜Ｃａ≦Ｃ１の場合、ドライバーの認知制御能力を「中」と判定する（Ｓ１３５ｂ）。

一方、出願回数Ｃａが、第２閾値回数Ｃ２以下の場合（Ｓ１３４で「Ｎｏ」の場合）、ドライバーの認知制御能力を「低」と判定する（Ｓ１３５ｃ）

ドライバーの認知制御能力判定後、出願回数Ｃａの値をクリアする（Ｓ１３６）。
なお、本実施形態では、ドライバーの認知制御能力を「高」、「中」及び「低」の３段階に分けて判定したが、本発明では、認知制御能力の判定はこれに限定されない。例えば、認知制御能力を４段階以上に分けて判定してもよいし、連続値として判定してもよい。

次に、図１４及び図１５のフローチャートを参照して、本発明の第５実施形態について説明する。第５実施形態の車両用運転支援装置の構成及び動作の概要は、上述の第１実施形態のものと同様である。第５実施形態では、認知制御能力判定部１４が、運転装置の操作量が所定の閾値以下のときのドライバーの視点の移動量に基づいて、ドライバーの認知制御能力を判定する。

本実施形態では、ドライバーの認知制御能力の検出にあたり、まず、運転装置の操作量（Ａ）を検出する（Ｓ１４１）。
本実施形態においても、上述の第２及び第４実施形態と同様にして、運転装置の操作量として、アクセル踏量（Ａi,1）、ブレーキ踏量（Ａi,2）及びステアリング操作量（Ａi,3）を検出する。

次いで、サンプリングした操作量の平均値（ｕ）を算出する（Ｓ１４２）。
本実施形態においても、上述の第２及び第４実施形態と同様にして、時刻ｔ＝ｉにおけるアクセル踏量の平均値（ｕi,1）、ブレーキ踏量の平均値（ｕi,2）及びステアリング操作量の平均値（ｕi,3）をそれぞれ算出する。

次いで、運転操作機器の各操作量の標準偏差に基づいて、運転の忙しさ（ＤＶ）を算出する（Ｓ１２５）。
本実施形態においても、上述の第４実施形態のステップＳ１２５と同様にして、区間ｉにおける運転の忙しさ（ＤＶi）を算出する。

次いで、ドライバーの視線の２次元座標（ｅx，ｅy）を検出する（Ｓ１４５）。
具体的には、視線検出カメラ６により、Δｔの時間の間に、ｋ個（ｋは正の整数）のドライバーの視線の方向を２次元座標（ｅxi,j，ｅyi,j）（ｊは区間ｉ内のカウンタであり、ｊ＝１，２，・・・ｋ）を検出する。すなわち、視線方向を示す２次元座標（ｅxi,j，ｅyi,j）は、区間ｉの時間Δｔの間に、ｋ個分（ｅxi,1，ｅyi,1）、（ｅxi,2，ｅyi,2）、（ｅxi,3，ｅyi,3）、・・・（ｅxi,k，ｅyi,k）算出される。
なお、２次元座標は、例えば、フロントガラスと視線との交点の位置を座標として表すとよい。

次いで、視線割り当て状況ＥＰi、すなわち、視線の移動量を下記の（１５）式により算出する（Ｓ１４６）。

次いで、上記のステップＳ１４４で算出した運転の忙しさ（ＤＶi）と、運転の忙しさの判定用閾値（ＤＶth）とを比較する（Ｓ１４７）。ここで、運転の忙しさ（ＤＶi）が、判定用閾値（ＤＶth）以下の場合（Ｓ１４７で「Ｙｅｓ」の場合）、第３フラグｒ＝１とする。一方、運転の忙しさ（ＤＶi）が、判定用閾値（ＤＶth）を超えている場合（Ｓ１４７で「Ｎｏ」の場合）、第４フラグｓ＝０とする。

なお、判定用閾値（ＤＶth）は、経験的に任意好適な値を設定することができる。また、第５実施形態の運転の忙しさの判定用閾値（ＤＶth）は、上述の第４実施形態における判定用閾値（ＤＶth）と同じ値であってもよいし、異なる値であってもよい。設定された判定用閾値（ＤＶth）は、記憶部１７に記憶される。

次いで、運転の忙しさ（ＤＶi）が、判定用閾値（ＤＶth）以下の場合（Ｓ１４７で「Ｙｅｓ」の場合）、及び、判定用閾値（ＤＶth）を超えている場合（Ｓ１４７で「Ｎｏ」の場合）のいずれの場合も、続いて、上記のステップＳ１４６で算出した視線割り当て状況ＥＰi（ＥＰｉ）と、判定用閾値（ＥＰth）とを比較する（Ｓ１４８、Ｓ１４９）。ここで、視線割り当て状況（ＥＰi）が、判定用閾値（ＥＰth）を超えている場合（Ｓ１４８又はＳ１４９で「Ｙｅｓ」の場合）、第４フラグｓ＝１とする。一方、視線割り当て状況（ＥＰi）が、判定用閾値（ＥＰth）以下の場合（Ｓ１４８又はＳ１４９で「Ｎｏ」の場合）、第４フラグｓ＝０とする。

そして、運転の忙しさ（ＤＶi）の第３フラグｒと視線割り当て状況（ＥＰi）の第４フラグｓの組合せをＪi（ｒ、ｓ）とする。
運転の忙しさ（ＤＶi）が判定用閾値（ＤＶth）以下であり、かつ、視線の割り当て状況（ＥＰi）が判定用閾値（ＥＰth）を超えている場合（Ｓ１４７で「Ｙｅｓ」かつＳ１４８で「Ｙｅｓ」の場合）、組合せフラグは、ｊ（１，１）となる（Ｓ１５０ａ）。

また、運転の忙しさ（ＤＶi）が判定用閾値（ＤＶth）以下であり、かつ、視線の割り当て状況（ＥＰi）が判定用閾値（ＥＰth）以下の場合（Ｓ１４７で「Ｙｅｓ」かつＳ１４８で「Ｎｏ」の場合）、組合せフラグは、ｊ（１，０）となる（Ｓ１５０ｂ）。

また、運転の忙しさ（ＤＶi）が判定用閾値（ＤＶth）を超え、かつ、視線の割り当て状況（ＥＰi）が判定用閾値（ＥＰth）を超えている場合（Ｓ１４７で「Ｎｏ」かつＳ１４８で「Ｙｅｓ」の場合）、組合せフラグは、ｊ（０，１）となる（Ｓ１５０ｃ）。

また、運転の忙しさ（ＤＶi）が判定用閾値（ＤＶth）を超え、かつ、視線の割り当て状況（ＥＰi）が判定用閾値（ＥＰth）以下の場合（Ｓ１４７で「Ｎｏ」かつＳ１４８で「Ｎｏ」の場合）、組合せフラグは、ｊ（０，０）となる（Ｓ１５０ｄ）。

次いで、運転の忙しさ（ＤＶi）の判定回数が所定の回数ｎとなった場合（Ｓ１５１で「Ｙｅｓ」の場合）、ｎ回のうちの組合せフラグｊ（１，１）の出現回数Ｃｂを計数する（Ｓ１５２）。
なお、サンプリング間隔はΔｔであるから、ｎ×Δｔ時間間隔ごとに、出現回数Ｃｂが計数される。

次いで、組合せフラグｊ（１，１）の出現回数Ｃｂと、第３閾値回数Ｃ３とを比較する（Ｓ１５３）。
出現回数Ｃｂが、第１閾値回数Ｃ３未満の場合（Ｓ１５３で「Ｙｅｓ」の場合）、ドライバーの認知制御能力を「低」と判定する（Ｓ１５５ａ）。

一方、出現回数Ｃｂが、第３閾値回数Ｃ３以上の場合（Ｓ１５３で「Ｎｏ」の場合）、続いて、出現回数Ｃｂと、第４閾値回数Ｃ４（＞Ｃ３）とを比較する（Ｓ１５４）。

出願回数Ｃｂが、第４閾値回数Ｃ４未満の場合（Ｓ１５４で「Ｙｅｓ」の場合）、すなわち、Ｃ３＜Ｃｂ≦Ｃ４の場合、ドライバーの認知制御能力を「中」と判定する（Ｓ１５５ｂ）。

一方、出願回数Ｃｂが、第４閾値回数Ｃ４以上の場合（Ｓ１５４で「Ｎｏ」の場合）、ドライバーの認知制御能力を「高」と判定する（Ｓ１５５ｃ）。

ドライバーの認知制御能力判定後、出願回数Ｃｂの値をクリアする（Ｓ１５６）。
なお、本実施形態では、ドライバーの認知制御能力を「高」、「中」及び「低」の３段階に分けて判定したが、本発明では、認知制御能力の判定はこれに限定されない。例えば、認知制御能力を４段階以上に分けて判定してもよいし、連続値として判定してもよい。また、第４及び第５実施形態でそれぞれ説明した方法を組み合わせてドライバーの認知制御能力を判定するようにしてもよい。

次に、図１６のフローチャートを参照して、本発明の第６実施形態について説明する。第６実施形態の車両運転支援装置の構成及び動作の概要は、上述の第１実施形態のものと同様である。第６実施形態では、見落とし危険度の算出処理について説明する。

本実施形態では、記憶部１７に見落とし確率マップが記憶されている。本実施形態の見落とし確率マップは、ドライバーの負担度及び認知制御能力に応じた視野内の見落とし確率の分布を示す。

図１７（Ａ）〜（Ｃ）に、見落とし確率マップの例を示す。見落とし確率は、一般に、視野の中心ほど低く、視野の周辺へ行くに従って高くなる傾向がある。
なお、図１７では、見落とし確率の等確率線を横長の楕円で模式的に示しているが、等確率の範囲の広さや分布の方向は実験的に求めるとよい。また、図１７では、視線の中心の上側よりも下側が見やすいという目の特性を考慮して、等確率線の楕円の長軸をｙ軸より下側に位置させている。

また、ドライバーの負担度が高いほど、見落とし確率が高くなる傾向がある。すなわち、見落とし確率が一定値以下の範囲は、負担度が高いほど狭くなる傾向がある。

さらに、ドライバーの負担度が高い場合、ドライバーの認知制御能力が低いほど、見落とし確率は更に高くなる傾向がある。すなわち、見落とし確率の一定値以下の範囲は、認知制御能力が低いほど更に狭くなる傾向がある。これに対して、ドライバーの認知制御能力が高い場合には、負担度が高くなっても見落とし確率の上昇が小さい傾向がある。

図１７（Ａ）に、ドライバーの負担度が低い場合の見落とし確率マップを示す。図１７（Ａ）では、見落とし確率の分布一例として、見落とし確率が５％以上の範囲を囲んで示す。この５％の実線Ｉの外側では、見落とし確率が５％よりも高く、一方、５％の実線Ｉの内側では、見落とし確率が５％未満と低くなっている。

図１７（Ｂ）に、ドライバーの負担度が高く、かつドライバーの認知制御能力が高い場合の見落とし確率マップを示す。図１７（Ｂ）では、実線IIで囲んだ見落とし確率５％以下の範囲が、負担度が低い場合よりも少し狭くなっている。さらに、図１７（Ｂ）に、比較のため、図１７（Ａ）の実線Ｉに相当する範囲を二点鎖線IIIで示す。

図１７（Ｃ）に、ドライバーの負担度が高く、かつドライバーの認知制御能力が低い場合の見落とし確率マップを示す。図１７（Ｃ）では、実線IVで囲んだ見落とし確率５％以下の範囲が、負担度が低い場合よりも遙かに狭くなっている。さらに、図１７（Ｃ）に、見落とし確率３０％の等確率線を破線Ｖで示し、見落とし確率４０％の等確率線を一点鎖線VIで示す。

そして、このような見落とし確率マップを利用してドライバーの見落とし危険度を推定するために、本実施形態では、まず、ドライバーの視線方向が検出される（Ｓ１６１）。

次いで、負担度検出部１３によって検出されたドライバーの負担度が読み出される（Ｓ１６２）。上記の第２又は第３実施形態では、ドライバーの負担度を「高」又は「低」の２段階で判定している。このため、負担度も「高」又は「低」として取得される。

次いで、認知制御能力判定部１４によって検出されたドライバーの認知制御能力が読み出される（Ｓ１６３）。上記の第４又は第５実施形態では、ドライバーの認知制御能力を「高」、「中」又は「低」の３段階で判断している。このため、認知制御能力も「高」、「中」又は「低」として取得される。

次に、記憶部１７から、ドライバーの負担度及び認知制御能力に対応した見落とし確率マップが読み出される（Ｓ１６４）。例えば、ドライバーの負担度が「低」の場合には、図１７（Ａ）の見落とし確率マップが読み出される。また、例えば、ドライバーの負担度が「高」であり、かつ、認知制御能力が「高」の場合には、図１７（Ｂ）の見落とし確率マップが読み出される。また、例えば、ドライバーの負担度が「高」であり、かつ、認知制御能力が「低」の場合には、図１７（Ｃ）の見落とし確率マップが読み出される。

次いで、見落とし確率マップの座標の原点「Ｏ」が、ドライバーの視線方向と一致するように、見落とし確率マップの座標変換が行われる（Ｓ１６５）。

次いで、見落とし確率マップ上に、障害物の検出位置を合成する（Ｓ１６６）。障害物の検出位置は、ドライバーの視線方向に対する障害物の検出方向を、視線方向を原点とする対応する座標で表したものである。図１７（Ａ）〜（Ｃ）の各々に、障害物の検出位置を黒丸Ａ（ｘa，ｙa）で示す。

次いで、障害物の見落とし危険度を算出する（Ｓ１６７）。見落とし危険度の算出にあたっては、例えば、見落とし確率マップ上の障害物の検出位置での見落とし確率の値をそのまま見落とし危険度としてもよいし、見落とし確率マップ上の障害物の検出位置での見落とし確率の値を所定の基準値と比較して、危険度の「高」「低」を判定するようにしてもよい。

ここでは、図１７（Ａ）〜（Ｃ）を参照して、（ａ）ドライバーが低負担度の場合、（ｂ）ドライバーが高負担度かつ高認知制御能力の場合、及び（ｃ）ドライバーが高負担度かつ低認知制御能力の場合の３つの場合について、見落とし危険度を算出する例を説明する。

まず、（ａ）ドライバーが低負担度である場合、図１７（Ａ）に示すように、障害物検出位置Ａは、見落とし確率５％の等確率線Ｉの内側に位置する。したがって、障害物検出位置Ａにおける見落とし確率は５％よりも低く、例えば、３％である。

ここでは、基準確率を３０％とし、この基準確率以上の場合に見落とし危険度を「高」と判定し、この基準確率未満の場合に見落とし危険度を「低」とする。したがって、障害物検出位置Ａの見落とし確率が３％の場合には、見落とし危険度は「低」と判定される。
なお、基準確率には、任意好適な値を設定することができる。

また、（ｂ）ドライバーが高負担度かつ高認知制御能力である場合においても、図１７（Ｂ）に示すように、障害物検出位置は、見落とし確率５％の等確率線IIの内側に位置する。障害物検出位置Ａにおける見落とし確率は５％よりも低く、例えば、４％である。したがって、かかる場合も、見落とし危険度は「低」と判定される。

また、（ｃ）ドライバーが高負担度かつ低認知制御能力である場合、図１７（Ｃ）に示すように、障害物検出位置Ａは、見落とし確率５％の等確率線IVの外側に位置し、更に、見落とし確率３０％の等確率線Ｖの外側に位置し、かつ、見落とし確率４０％の等確率線VIの内側に位置する。したがって、障害物検出位置Ａにおける見落とし確率は３０％よりも高く、４０％よりも低く、例えば、３５％である。見落とし確率３５％は、基準確率（３０％）以上であるので、即ち、障害物検出位置Ａが、基準確率３０％の等確率線Ｖの外側に位置するので、かかる場合の見落とし危険度は「高」と判定される。

このようにして、ドライバーの視線方向を原点とする見落とし確率マップにおける、障害物の検出方向に対応する検出位置座標での見落とし確率に基づいて、見落とし危険度が算出される。そして、見落としの危険度に応じて、上述の第１実施例において説明したように、自動ブレーキ等の安全運転支援機器が制御される。

なお、上述の第１実施形態では、見落とし危険度を「高」及び「低」の２段階で判定した場合の安全運転支援機器の制御例について説明しているが、見落とし危険度を多段階で判定した場合においても、よりきめ細かく安全運転支援機器の制御を行うことができる。例えば、自動ブレーキ等の作動タイミングを見落とし危険度に応じて６段階で制御するようにしてもよい。

また、ドライバーの負担度及び認知制御能力をそれぞれ連続的に変化する数値で表した場合には、見落とし危険度も、連続的に変化する数値で表すとよい。なお、連続値としての見落とし危険度の値も、見落としの危険度を推定するものとして、経験的に任意好適な値を設定することができる。

次に、図１８のフローチャートを参照して、本発明の第７実施形態について説明する。第７実施形態では、作動制御部１６による安全運転支援機器２の作動の際に、安全運転支援機器２により支援される運転操作が既にドライバーによって行われていた場合、見落とし確率を低くするように、見落とし確率マップを補正する。

以下、見落とし確率マップの補正処理について説明する。
まず、安全運転支援機器２の作動時に、既に運転操作が行われていたか否かを判断する（Ｓ１８１）。例えば、見落とし危険度が「高」と判定され、自動ブレーキの作動タイミングが早められている場合を想定する。かかる場合において、自動ブレーキの作動時に、既にドライバーがブレーキペダルを踏み込んでいることがある。また、自動操舵装置の作動時に、既にドライバーがステアリングを操舵していることがある。さらに、警報作動時に、ブレーキ又はステアリングが既に操作されていることがある。これらの場合、見落とし危険度を「高」と判定したが、実際にはドライバーは障害物を見落としていなかったことになる。かかる場合には、安全運転支援機器のより的確な作動のため、見落とし確率マップを補正すべきである。

一方、自動ブレーキ作動時にドライバーがブレーキ操作をしていなければ、ドライバーが前方障害物を見落としていたと考えられる。かかる場合には、見落とし確率マップを補正する必要はない。

次いで、記憶部１７から、見落とし危険度の算出に使用した見落とし確率マップを読み出す（Ｓ１８２）。

次いで、見落とし確率を低くするように、見落とし確率マップを補正する（Ｓ１８３）。見落とし確率マップの補正にあたっては、マップ全体の見落とし確率を均等に下げるようにしてもよいし、マップの一部領域の見落とし確率を選択的に下げるようにしてもよい。また、マップの特定の等確率線の囲む範囲を拡げるように補正してもよい。

次いで、補正後の見落とし確率マップを記憶部１７に記憶させる（Ｓ１８４）。これにより、より適切に見落とし危険度が算出される。その結果、より的確なタイミングで、安全運転支援機器を作動させることができる。

次に、図１９のフローチャートを参照して、本発明の第８実施形態について説明する。第８実施形態の車両運転支援装置の構成及び動作の概要は、上述の第１実施形態のものと同様である。第８実施形態では、見落とし危険度の算出処理について説明する。

本実施形態では、記憶部１７に視線走査密度マップが記憶されている。本実施形態の視線走査密度マップは、ドライバーの負担度及び認知制御能力に応じた、ドライバーの視線走査密度の分布を示す。

図１９（Ａ）〜（Ｃ）に、視線走査密度マップの例を示す。視線走査密度は、一般に、視野の中心ほど高く、視野の周辺へ行くに従って低くなる傾向がある。視線走査密度は、例えば、単位時間内に所定の領域を視線が横切る頻度を数値化して表すとよい。
なお、図１９では、視線走査密度の等密度線を横長の楕円で模式的に示しているが、等密度の範囲の広さや分布の方向は実験的に求めるとよい。また、図１９では、視線の中心の上側よりも下側が見やすいという目の特性を考慮して、等密度線の楕円の長軸をｙ軸より下側に位置させている。

また、ドライバーの負担度が高いほど、視線走査密度が低くなる傾向がある。すなわち、視線走査密度が一定値以上の範囲は、負担度が高いほど狭くなる傾向がある。

さらに、ドライバーの負担度が高い場合、ドライバーの認知制御能力が低いほど、視線走査密度は更に低くなる傾向がある。すなわち、視線走査密度の一定値以上の範囲は、認知制御能力が低いほど更に狭くなる傾向がある。これに対して、ドライバーの認知制御能力が高い場合には、負担度が高くなっても視線走査密度の低下が小さい傾向がある。

図２０（Ａ）に、ドライバーの負担度が低い場合の視線走査密度マップを示す。図２０（Ａ）では、視線走査密度の分布の一例として、視線走査密度が１００％の範囲を囲んで示す。この１００％の実線Ｉの外側では、視線走査密度が１００％よりも低く、一方、５％の実線Ｉの内側では、視線走査密度は１００％である。

図２０（Ｂ）に、ドライバーの負担度が高く、かつドライバーの認知制御能力が高い場合の視線走査密度マップを示す。図２０（Ｂ）では、実線IIで囲んだ視線走査密度１００％の範囲が、負担度が低い場合よりも少し狭くなっている。さらに、図２０（Ｂ）に、比較のため、図２０（Ａ）の実線Ｉに相当する範囲を二点鎖線IIIで示す。

図２０（Ｃ）に、ドライバーの負担度が高く、かつドライバーの認知制御能力が低い場合の視線走査密度マップを示す。図２０（Ｃ）では、実線IVで囲んだ視線走査密度１００％以下の範囲が、負担度が低い場合よりも遙かに狭くなっている。さらに、図２０（Ｃ）に、視線走査密度５０％の等確率線を破線Ｖで示し、視線走査密度４０％の等確率線を一点鎖線VIで示す。

そして、このような視線走査密度マップを利用してドライバーの見落とし危険度を推定するために、本実施形態では、まず、ドライバーの顔の向きが検出される（Ｓ１９１）。ドライバーの顔の向きは、視線検出カメラ６によって撮像されたドライバーの画像から、任意好適な画像処理技術により検出するとよい。

次いで、負担度検出部１３によって検出されたドライバーの負担度が読み出される（Ｓ１９２）。上記の第２又は第３実施形態では、ドライバーの負担度を「高」又は「低」の２段階で判定している。このため、負担度も「高」又は「低」として取得される。

次いで、認知制御能力判定部１４によって検出されたドライバーの認知制御能力が読み出される（Ｓ１９３）。上記の第４又は第５実施形態では、ドライバーの認知制御能力を「高」、「中」又は「低」の３段階で判断している。このため、認知制御能力も「高」、「中」又は「低」として取得される。

次いで、記憶部１７から、ドライバーの負担度及び認知制御能力に対応した視線走査密度マップが読み出される（Ｓ１９４）。例えば、ドライバーの負担度が「低」の場合には、図２０（Ａ）の視線走査密度マップが読み出される。また、例えば、ドライバーの負担度が「高」であり、かつ、認知制御能力が「高」の場合には、図２０（Ｂ）の視線走査密度マップが読み出される。また、例えば、ドライバーの負担度が「高」であり、かつ、認知制御能力が「低」の場合には、図２０（Ｃ）の視線走査密度マップが読み出される。

次いで、視線走査密度マップの座標の原点「Ｏ」が、ドライバーの顔の向きと一致するように、視線走査密度マップの座標変換が行われる（Ｓ１９５）。

次いで、視線走査密度マップ上に、障害物の検出位置を合成する（Ｓ１９６）。障害物の検出位置は、ドライバーの視線方向に対する障害物の検出方向を、視線方向を原点とする対応する座標で表したものである。図２０（Ａ）〜（Ｃ）の各々に、障害物の検出位置を黒丸Ａ（ｘa，ｙa）で示す。

次いで、障害物の見落とし危険度を算出する（Ｓ１９７）。見落とし危険度の算出にあたっては、例えば、視線走査密度マップ上の障害物の検出位置での視線走査密度を１００％から減じた値を見落とし危険度としてもよいし、視線走査密度マップ上の障害物の検出位置での視線走査密度の値を所定の基準値と比較して、危険度の「高」「低」を判定するようにしてもよい。

ここでは、図２０（Ａ）〜（Ｃ）を参照して、（ａ）ドライバーが低負担度の場合、（ｂ）ドライバーが高負担度かつ高認知制御能力の場合、及び（ｃ）ドライバーが高負担度かつ低認知制御能力の場合の３つの場合について、見落とし危険度を算出する例を説明する。

まず、（ａ）ドライバーが低負担度である場合、図２０（Ａ）に示すように、障害物検出位置Ａは、視線走査密度１００％の等確率線Ｉの内側に位置する。したがって、障害物検出位置Ａにおける視線走査密度は１００％である。

ここでは、基準密度を５０％とし、この基準密度以下の場合に見落とし危険度を「高」と判定し、この基準密度より高い場合に見落とし危険度を「低」とする。したがって、障害物検出位置Ａの視線走査密度が１００％の場合には、見落とし危険度は「低」と判定される。
なお、基準密度には、任意好適な値を設定することができる。

また、（ｂ）ドライバーが高負担度かつ高認知制御能力である場合においても、図２０（Ｂ）に示すように、障害物検出位置Ａは、視線走査密度１００％の等確率線IIの内側に位置する。障害物検出位置Ａにおける視線走査密度は１００％である。したがって、かかる場合も、見落とし危険度は「低」と判定される。

また、（ｃ）ドライバーが高負担度かつ低認知制御能力である場合、図２０（Ｃ）に示すように、障害物検出位置Ａは、視線走査密度１００％の等確率線IVの外側に位置し、更に、視線走査密度５０％の等確率線Ｖの外側に位置し、かつ、視線走査密度４０％の等確率線VIの内側に位置する。したがって、障害物検出位置Ａにおける視線走査密度は５０％よりも低く、４０％よりも高く、例えば、４５％である。視線走査密度４５％は、基準密度５０％未満であるので、即ち、障害物検出位置Ａが、基準密度５０％の等確率線Ｖの外側に位置するので、かかる場合の見落とし危険度は「高」と判定される。

このようにして、ドライバーの顔の向きを原点とする視線走査密度マップにおける、障害物の検出方向に対応する検出位置座標での視線走査密度に基づいて、見落とし危険度が算出される。そして、見落としの危険度に応じて、上述の第１実施例において説明したように、自動ブレーキ等の安全運転支援機器が制御される。

なお、上述の第１実施形態では、見落とし危険度を「高」及び「低」の２段階で判定した場合の安全運転支援機器の制御例について説明しているが、見落とし危険度を多段階で判定した場合においても、よりきめ細かく安全運転支援機器の制御を行うことができる。例えば、自動ブレーキ等の作動タイミングを見落とし危険度に応じて６段階で制御するようにしてもよい。

また、ドライバーの負担度及び認知制御能力をそれぞれ連続的に変化する数値で表した場合には、見落とし危険度も、連続的に変化する数値で表すとよい。なお、連続値としての見落とし危険度の値も、見落としの危険度を推定するものとして、経験的に任意好適な値を設定することができる。

次に、図２１のフローチャートを参照して、本発明の第９実施形態について説明する。第９実施形態では、作動制御部１６による安全運転支援機器２の作動の際に、安全運転支援機器２により支援される運転操作が既にドライバーによって行われていた場合、見落とし危険度算出部１５は、視線走査密度を高くするように、視線走査密度マップを補正する。

以下、視線走査密度マップの補正処理について説明する。
まず、安全運転支援機器２の作動時に、既に運転操作が行われていたか否かを判断する（Ｓ２１１）。
例えば、見落とし危険度が「高」と判定され、自動ブレーキの作動タイミングが早められている場合を想定する。かかる場合において、自動ブレーキの作動時に、既にドライバーがブレーキペダルを踏み込んでいることがある。また、自動操舵装置の作動時に、既にドライバーがステアリングを操舵していることがある。さらに、警報作動時に、ブレーキ又はステアリングが既に操作されていることがある。これらの場合、見落とし危険度を「高」と判定したが、実際にはドライバーは障害物を見落としていなかったことになる。かかる場合には、安全運転支援機器のより的確な作動のため、視線走査密度マップを補正すべきである。

一方、自動ブレーキ作動時にドライバーがブレーキ操作をしていなければ、ドライバーが前方障害物を見落としていたと考えられる。かかる場合には、視線走査密度マップを補正する必要はない。

次いで、記憶部１７から、見落とし危険度の算出に使用した視線走査密度マップを読み出す（Ｓ２１２）。

次いで、視線走査密度を高くするように、視線走査密度マップを補正する（Ｓ２１３）。視線走査密度マップの補正にあたっては、マップ全体の視線走査密度を均等に上げるようにしてもよいし、マップの一部領域の視線走査密度を選択的に上げるようにしてもよい。また、マップの特定の等確率線の囲む範囲を拡げるように補正してもよい。

次いで、補正後の見落とし確率マップを記憶部１７に記憶させる（Ｓ２１４）。これにより、より適切に見落とし危険度が算出される。その結果、より的確なタイミングで、安全運転支援機器を作動させることができる。

次に、図２２のフローチャートを参照して、本発明の第１０実施形態について説明する。第１０実施形態では、障害物の見かけ上の移動速度に応じて、当該障害物の見落とし危険度を補正する。

以下、見落とし危険度の補正処理について説明する。
まず、障害物検出部１２により障害物を検出する（Ｓ２２１）。障害物が検出された場合（Ｓ２２１で「Ｙｅｓ」の場合）、当該障害物の見かけ上の移動速度を検出する（Ｓ２２２）。

ここで、図２３を参照して、障害物として検出された他車両の見かけ上の移動速度について説明する。図２３では、自車両Ｓの前方を右側から他車両Ｂ１（Ｂ２）が横切る様子を示している。時刻Ｔ１には、他車両はＢ１の位置にあり、その直後の時刻Ｔ２には、他車両はＢ２の位置に進んでいる。かかる場合、自車両Ｓから見た他車両の見かけ上の移動速度は、角速度ωobで表される。

次いで、見かけ上の移動速度ωobが、所定の基準移動速度ωthよりも大きい場合（Ｓ２２３で「Ｙｅｓ」の場合）、見落とし危険度を補正する（Ｓ２２４）。見落とし危険度の補正にあたっては、例えば、判定閾値を下げてもよいし、見落とし確率マップの確率の値に所定の係数（例えば、１．０〜２．０）を乗算して、見落とし確率が高くなるように補正してもよい。また、見かけ上の移動速度が基準移動速度以下の場合に、見落とし危険度を低くするように補正してもよい。

次に、図２４のフローチャートを参照して、本発明の第１１実施形態について説明する。第１１実施形態では、ドライバーの視線方向の偏りに応じて、見落とし危険度を補正する。

以下、見落とし危険度の補正処理について説明する。
本実施形態では、ドライバーの視界をＡ、Ｂ、Ｃの３つの分割領域に分割している。分割数及び分割領域の配置は任意に設定することができる。
まず、ドライバーの視線方向を検出する（Ｓ２４１）。

次いで、分割領域ごとに視線配分時間を検出する（Ｓ２４２）。
視線配分時間は、単位時間あたり、Ａ〜Ｃの各分割領域内にドライバーの視線方向が含まれる時間をそれぞれ測定する。

次いで、視線配分時間の割合を算出する（Ｓ２４３）。
ここで、図２５の（Ａ）〜（Ｃ）の円グラフに視線配分時間の割合の例を示す。図２５（Ａ）では、分割領域Ａの視線配分時間の割合が５０％を超えている。また、図２５（Ｂ）では、分割領域Ｂの視線配分時間の割合が５０％を超えている。また、図２５（Ｃ）では、いずれの分割領域も視線配分時間の割合が５０％未満である。

次いで、見落とし危険度の判定閾値を読み出す（Ｓ２４４）。例えば、見落とし危険度を算出するのに、上述の第６実施形態のように、見落とし確率マップを利用する場合には、記憶部１７から基準確率（３０％）を読み出す。また、上述の第８実施形態のように、視線走査密度マップを利用する場合には、記憶部１７から基準密度（５０％）を読み出す。

次いで、視線配分時間の割合が所定の基準値以上の分割領域がある場合（Ｓ２４５で「Ｙｅｓ」の場合）、残りの分割領域の見落とし危険度の閾値を、見落とし危険度が高くなるように補正する（Ｓ２４６）。ここでは、基準値を５０％とする。なお、基準値は任意好適な値を設定することができる。

図２５（Ａ）に示すように、分割領域Ａの視線配分時間が基準値５０％を超えている場合、残りの分割領域Ｂ及びＣについて、見落とし危険度の判定閾値を補正する。例えば、基準確率を３０％から２５％に下げる。また、例えば、基準密度を５０％から５５％に上げる。これにより、ドライバーの視線配分時間の割合の少ない分割領域Ｂ及びＣにおける見落とし危険度がより高めに判定される。

また、図２５（Ｂ）に示すように、分割領域Ｂの視線配分時間が基準値５０％を超えている場合、残りの分割領域Ａ及びＣについて、見落とし危険度の判定閾値を補正する。例えば、基準確率を３０％から２５％に下げる。また、例えば、基準密度を５０％から５５％に上げる。これにより、ドライバーの視線配分時間の割合の少ない分割領域Ｂ及びＣにおける見落とし危険度がより高めに判定される。

一方、図２５（Ｃ）に示すように、視線配分時間の割合が基準値５０％を超える分割領域がない場合には、判定閾値は補正されない。

次に、図２６のフローチャートを参照して、本発明の第１２実施形態について説明する。第１２実施形態では、ドライバーの視線方向の偏りに応じて、見落とし危険度を補正する。

まず、車両前方監視カメラ５によって、車両前方を撮像する（Ｓ２６１）。
次いで、撮像された画像から障害物を検出する（Ｓ２６２）。障害物の検出にあっては、例えば、上述の第１実施形態のように、画像のコントラスト及び色彩に基づいて障害物を検出するとよい。

次いで、撮像された画像データから自車両前方の走行レーンを抽出する（Ｓ２６３）。走行レーンの抽出にあたっては、例えば、路面上の白線等を検出して走行レーンを抽出するとよい。

次いで、障害物が走行レーン内にある場合（Ｓ２６４で「Ｙｅｓ」の場合）、見落とし危険度をより高くなるように補正する（Ｓ２６５）。補正にあたっては、例えば、見落とし危険度の判定閾値を下げるとよい。

上述した各実施形態においては、本発明を特定の条件で構成した例について説明したが、本発明は種々の変更及び組合せを行うことができ、これに限定されるものではない。例えば、上述の実施形態では、ドライバーの認知制御能力を考慮して、見落とし危険度を算出した例について説明したが、本発明では、認知制御能力を考慮せずに、見落とし危険度を算出するようにしてもよい。

本発明の実施形態の車両用運転支援装置の構成を説明するブロック図である。 車内の平面模式図である。 本発明の実施形態の車両用運転支援装置の動作の概要を説明するためのフローチャートである。 車載の安全運転支援機器の動作を説明するフローチャートである。 障害物の抽出処理を説明するフローチャートである。 車載の安全運転支援機器の作動制御を説明するフローチャートである。 衝突までの残り時間を示すタイムチャートである。 第２実施形態におけるドライバーの負担度の検出処理を説明するフローチャートである。 第２実施形態におけるアクセル踏量のサンプリング方法を説明するグラフである。 第３実施形態におけるドライバーの負担度の検出処理を説明するフローチャートである。 第３実施形態におけるデジタル静止画像列の説明図である。 第４実施形態におけるドライバーの認知制御能力の判定処理を説明するフローチャートである。 図１２に続くフローチャートである。 第５実施形態におけるドライバーの認知制御能力の判定処理を説明するフローチャートである。 図１４に続くフローチャートである。 第６実施形態における見落とし危険度の算出処理を説明するフローチャートである。 （Ａ）は、ドライバーの負担度が低い場合の見落とし確率マップであり、（Ｂ）は、ドライバーの負担度が高く、かつ認知制御能力が高い場合の見落とし確率マップであり、（Ｃ）は、ドライバーの負担度が高く、かつ認知制御能力が低い場合の見落とし確率マップである。 第７実施形態における見落とし確率マップの補正処理を説明するフローチャートである。 第８実施形態における見落とし危険度の算出処理を説明するフローチャートである。 （Ａ）は、ドライバーの負担度が低い場合の視線走査密度マップであり、（Ｂ）は、ドライバーの負担度が高く、かつ認知制御能力が高い場合の視線走査密度マップであり、（Ｃ）は、ドライバーの負担度が高く、かつ認知制御能力が低い場合の視線走査密度マップである。 第９実施形態における視線走査密度マップの補正処理を説明するフローチャートである。 第１０実施形態における見落とし危険度の補正を説明するフローチャートである。 第１０実施形態における障害物の見かけ上の移動速度の説明図である。 第１１実施形態における見落とし危険度の補正を説明するフローチャートである。 （Ａ）〜（Ｃ）は、分割領域ごとの視線配分時間の割合を示す円グラフである。 第１２実施形態における見落とし危険度の補正を説明するフローチャートである。

符号の説明

１ 運転支援装置
２ 安全運転支援機器
３ 操作量センサ
４ 集中ユニット
５ 前方監視カメラ
６ 視線検出カメラ
１１ 視線検出部
１２ 障害物検出部
１３ 負担度検出部
１４ 認知制御能力判定部
１５ 見落とし危険度算出部
１６ 作動制御部
１７ 記憶部
３１ アクセル踏量センサ
３２ ブレーキ踏量センサ
３３ 舵角操作量センサ
４１ カーナビゲーション
４２ カーオーディオ
４３ カーエアコン
４４ 操作頻度検出回路

Claims (16)

1. ドライバーの視線方向又は顔の向きを検出する視線検出手段と、
   車両前方の障害物を検出する障害物検出手段と、
   ドライバーの負担度を検出する負担度検出手段と、
   上記視線検出手段によって検出されたドライバーの視線方向又は顔の向きに対する上記障害物検出手段によって検出された障害物の検出方向、及び、上記負担度検出手段によって検出されたドライバーの負担度に基づいてドライバーによる障害物の見落とし危険度を算出する見落とし危険度算出手段と、
   上記見落とし危険度算出手段によって算出された見落とし危険度に基づいて車載の安全運転支援機器の作動を制御する作動制御手段と、
   を備えることを特徴とする車両用運転支援装置。
2. 上記負担度検出手段は、運転装置の操作量及び車載機器の操作頻度に基づいて、ドライバーの負担度を検出する、
   ことを特徴とする請求項１記載の車両用運転支援装置。
3. 上記負担度検出手段は、車載撮影手段によって撮影された車両前方の風景画像の変化度に基づいて、ドライバーの負担度を検出する、
   ことを特徴とする請求項１又は２記載の車両用運転支援装置。
4. ドライバーの認知制御能力を判定する認知制御能力判定手段を更に備え、
   上記見落とし危険度算出手段は、ドライバーの負担度及び障害物の検出方向に加え、ドライバーの認知制御能力に基づいて、見落とし危険度を算出する、
   ことを特徴とする請求項１乃至３の何れか一項に記載の車両用運転支援装置。
5. 上記認知制御能力判定手段は、運転装置の操作量が所定の閾値を超えるときの車載機器の操作頻度に基づいて、ドライバーの認知制御能力を判定する、
   ことを特徴とする請求項４記載の車両用運転支援装置。
6. 上記認知制御能力判定手段は、運転装置の操作量が所定の閾値以下のときのドライバーの視点の移動量に基づいて、ドライバーの認知制御能力を判定する、
   ことを特徴とする請求項４又は５記載の車両用運転支援装置。
7. 上記障害物検出手段は、障害物として交差点の中央を検出する、
   ことを特徴とする請求項１乃至６の何れか一項に記載の車両用運転支援装置。
8. 上記障害物検出手段は、車載撮像手段により撮像された車両前方の画像から障害物を画像のコントラスト及び色彩に基づいて検出する、
   ことを特徴とする請求項１乃至７の何れか一項に記載の車両用運転支援装置。
9. ドライバーの視野内の見落とし確率の分布を示す見落とし確率マップを記憶した記憶手段を更に備え、
   見落とし確率マップは、ドライバーの負担度に応じた見落とし確率の分布を示し、
   上記見落とし危険度算出手段は、ドライバーの視線方向を原点とする見落とし確率マップにおける、障害物の検出方向に対応する検出位置座標での見落とし確率に基づいて、見落とし危険度を算出する、
   ことを特徴とする請求項１乃至８の何れか一項に記載の車両用運転支援装置。
10. 上記作動制御手段による上記安全運転支援機器の作動の際に、上記安全運転支援機器により支援される運転操作がドライバーによって行われていた場合、上記見落とし危険度算出手段は、見落とし確率を低くするように当該見落とし確率マップを補正する、
    ことを特徴とする請求項９記載の車両用運転支援装置。
11. ドライバーの視線走査密度の分布を示す視線走査密度マップを記憶した記憶手段を更に備え、
    視線走査密度マップは、ドライバーの負担度に応じた、視線走査密度の分布を示し、
    上記見落とし危険度算出手段は、ドライバーの顔の向きの正面を原点とする視線走査密度マップにおける、障害物の検出方向に対応する検出位置座標での視線走査密度に基づいて、見落とし危険度を算出する、
    ことを特徴とする請求項１乃至８の何れか一項に記載の車両用運転支援装置。
12. 上記作動制御手段による上記安全運転支援機器作動の際に、上記安全運転支援機器により支援される運転操作がドライバーによって行われていた場合、上記見落とし危険度算出手段は、走査密度を高くするように当該視線走査密度マップを補正する、
    ことを特徴とする請求項１１記載の車両用運転支援装置。
13. 上記障害物検出手段は、障害物の見かけ上の移動速度を検出し、
    上記見落とし危険度算出手段は、当該障害物の見かけ上の移動速度に応じて、当該障害物の見落とし危険度を補正する、
    ことを特徴とする請求項１乃至１２の何れか一項に記載の車両用運転支援装置。
14. 上記見落とし危険度算出手段は、
    視界を分割した複数の分割領域のうちドライバーの視線方向に対応する分割領域を検出し、
    分割領域ごとに単位時間あたりの視線配分時間の割合を求め、
    視線配分時間の割合が基準値以上となる分割領域がある場合、当該分割領域以外の残りの分割領域に対応する方向に障害物が検出されたときの見落とし危険度をより高くなるように補正する、請求項１乃至１３記載の車両用運転支援装置。
15. 上記障害物検出手段は、車載撮像手段により撮像された車両前方の画像から、自車両前方の走行レーンを抽出し、
    上記見落とし危険度算出手段は、上記走行レーン内に障害物が検出されたときの見落とし危険度をより高くなるように補正する、
    ことを特徴とする請求項９乃至１１の何れか一項に記載の車両用運転支援装置。
16. 上記作動制御手段は、上記見落とし危険度算出手段によって判定された見落とし危険度に応じて、上記安全運転支援機器の作動閾値を変更する、
    ことを特徴とする請求項１乃至１５の何れか一項に記載の車両用運転支援装置。

Images