JP2011059856A - 車両用運転特性検出装置、車両用運転特性検出方法および自動車 - Google Patents

Abstract

【課題】運転者の特性をより高精度に検出すること。
【解決手段】自動車１Ａは、車両用運転特性検出装置１を備え、車両走行状態の分布を取得する。そして、取得した分布について複数の統計指標を算出し、これらの組み合わせを基に、車両走行状態の分布に歪みがあるか否かを判定する。自動車１Ａは、車両走行状態の分布に歪みがあると判定した場合、その分布を基に、運転者の限界値を検出する。このとき検出した運転者の限界値は、そのときの走行状況において、運転者が積極的な運転操作を行い、適正であると考える範囲からの逸脱を回避したことに依拠した値である。したがって、運転者の特性をより高精度に検出することができる。
【選択図】図３

Description

本発明は、運転者の運転特性を検出する車両用運転特性検出装置、車両用運転特性検出方法および自動車に関する。

従来、運転者の運転特性を検出する装置として、特許文献１に記載された運転支援装置が知られている。
特許文献１に記載された運転支援装置においては、運転者が行った運転操作に関する情報を検出し、検出された情報の分布を運転者の挙動情報として算出している。そして、走行状況毎に設定された判定基準となる分布と、運転者の挙動情報とを比較することにより、運転者の運転特性を検出している。

特開２００６−３４３９０４号公報

しかしながら、特許文献１に記載された技術においては、走行状況毎に判定基準を設定している。そのため、現在の走行状況に類似する走行状況の判定基準を選択して判定を行ったとしても、判定基準を設定する際に想定した走行状況と、実際の走行状況とが必ずしも一致しない場合がある。
したがって、高精度に運転者の運転特性を検出することが困難であった。
本発明の課題は、運転者の特性をより高精度に検出することである。

以上の課題を解決するため、本発明に係る車両用運転特性検出装置は、
車両走行状態検出手段が車両走行状態を検出し、運転状態検出手段が、車両走行状態の分布を基に、運転行動における運転者の内面状態を検出する。

本発明によれば、車両走行状態の分布から運転者の内面状態を検出するため、運転者の特性をより高精度に検出することができる。

第１実施形態に係る車両用運転特性検出装置１を備えた自動車１Ａの概略構成図である。 自動車１Ａの制御系統を示すシステム構成図である。 運転特性検出処理を示すフローチャートである。 車間時間ＴＨＷを用いた場合の車両走行状態の分布を示す図である。 車線内横位置Ｌを用いた場合の車両走行状態の分布を示す図である。 歪度と尖度とを組み合わせて分布の歪みを検出する場合の検出基準を示すマップである。 学習した運転者の限界値（車間時間）と、報知パラメータ（Ｔ）との関係を示す図である。 運転者が適性であると感じる車間時間ＴＨＷの範囲を示す図である。 運転者の望む運転ができる状況における車両走行状態の分布の一例を示す図である。 運転者が通常よりやや急いだ状況における車両走行状態の分布の一例を示す図である。 運転者が望む運転ができない状況あるいは運転者自身が適正な運転を行っていない状況における車両走行状態の分布を説明する図である。 車線到達予測時間ＴＬＣの概念を示す模式図である。 到達余裕時間ＴＴＣを用いた場合の車両走行状態の分布を示す図である。 車線到達予測時間ＴＬＣを用いた場合の車両走行状態の分布を示す図である。 車線到達予測時間の逆数１/ＴＬＣを用いた場合の車両走行状態の分布を示す図である。 平均値と最頻値とを組み合わせて分布の歪みを検出する場合の検出基準を示すマップである。 平均値と中央値とを組み合わせて分布の歪みを検出する場合の検出基準を示すマップである。

以下、図を参照して本発明を適用した自動車の実施の形態を説明する。
（第１実施形態）
図１は、本発明の第１実施形態に係る車両用運転特性検出装置１を備えた自動車１Ａの概略構成図である。
また、図２は、自動車１Ａの制御系統を示すシステム構成図である。
図１および図２において、自動車１Ａは、アクセルセンサ１０と、ブレーキセンサ２０と、車速センサ３０ＦＲ，３０ＦＬ，３０ＲＲ，３０ＲＬと、舵角センサ４０と、レーザレーダ５０と、カメラ６０と、ナビゲーションシステム７０とを含んでいる。また、自動車１Ａは、コントローラ８０と、表示ユニット９０と、スピーカ１００とを含んでいる。

なお、これらのうち、車速センサ３０ＦＲ，３０ＦＬ，３０ＲＲ，３０ＲＬと、舵角センサ４０と、レーザレーダ５０と、カメラ６０と、コントローラ８０と、表示ユニット９０と、スピーカ１００とは、車両用運転特性検出装置１を構成している。
アクセルセンサ１０は、アクセルペダルのストローク量を検出し、検出したストローク量を示す信号をコントローラ８０に出力する。
ブレーキペダルセンサ２０は、ブレーキペダルのストローク量を検出し、検出したストローク量を示す信号をコントローラ８０に出力する。
車速センサ３０ＦＲ，３０ＦＬ，３０ＲＲ，３０ＲＬは、自動車１Ａの右前輪、左前輪、右後輪および左後輪にそれぞれ設置された車速パルスセンサであり、各車輪の回転速度を示す信号をコントローラ８０に出力する。

舵角センサ４０は、運転者がステアリングホイールに対して行った操舵操作の舵角を検出し、検出した舵角を示す信号をコントローラ８０に出力する。
レーザレーダ５０は、車両の前方グリルやバンパ等に設置してあり、水平方向に赤外光パルスを照射して自車両の前方領域を走査する。レーザレーダ１０は、前方にある複数の反射物（通常、先行車の後端）で反射した赤外光パルスの反射波を計測し、反射波の到達時間より、複数の障害物までの車間距離Ｄおよび相対速度Ｖｒを検出する。そして、レーザレーダ５０は、検出した車間距離Ｄおよび相対速度Ｖｒを示す信号をコントローラ４０に出力する。レーザレーダ１０がスキャンする前方の領域は、自車正面に対して例えば±６deg程度であり、レーザレーダ１０は、この範囲内に存在する前方物体を検出する。

カメラ６０は、フロントウィンドウ上部に取り付けた小型のＣＣＤ（Charge Coupled Devices）カメラ、またはＣＭＯＳ（Complementary Metal Oxide Semiconductor）カメラ等の撮像装置であり、前方道路の状況を画像として検出する。なお、カメラ６０による検知領域は車両の前後方向中心線に対して水平方向に±３０deg程度であり、カメラ６０は、この領域に含まれる前方道路風景を画像として取り込む。
ナビゲーションシステム７０は、ＧＰＳ（Global Positioning System）受信機、地図データベース、および表示モニタを有し、経路探索および経路案内等を行うシステムである。ナビゲーションシステム７０は、ＧＰＳ受信機によって取得した自車両の現在位置と地図データベースに格納された道路情報に基づいて、自車両が走行する道路の種別や道路幅員等の情報を取得することができる。

コントローラ８０は、ＣＰＵ（Central Processing Unit）と、ＲＯＭ（Read Only Memory）およびＲＡＭ（Random Access Memory）等のＣＰＵ周辺部品とを含む電子制御ユニットであり、車両用運転特性検出装置１全体の制御を行う。
具体的には、コントローラ８０は、車速センサ３０ＦＲ，３０ＦＬ，３０ＲＲ，３０ＲＬからの信号を基に自車両の速度Ｖを算出する。
また、コントローラ８０は、前方カメラ１５からの画像信号に画像処理を施し、自車両前方領域に存在するレーンマーカ等を検出する。

さらに、コントローラ８０は、舵角センサ４０、カメラ６０、車速センサ３０ＦＲ，３０ＦＬ，３０ＲＲ，３０ＲＬ、ナビゲーションシステム７０等から取得した信号に基づいて、後述する運転特性検出処理を実行することにより、運転者の運転特性を分析する。
表示ユニット９０は、液晶ディスプレイあるいはＬＥＤ（Light Emitting Diode）ランプといった表示装置を有し、コントローラ８０からの指示信号に従って、運転者に対する各種情報の報知を行う。
スピーカ１００は、コントローラ８０からの指示信号に従って、ブザー音や音声により運転者に対する各種情報の報知を行う。

（運転特性検出処理）
次に、コントローラ８０が実行する運転特性検出処理について説明する。
図３は、運転特性検出処理を示すフローチャートである。
コントローラ８０は、イグニションオンと共に運転特性検出処理を開始し、以後、一定時間（例えば数秒〜数十秒）毎に割込み処理として繰り返し実行する。
図３において、運転特性検出処理を開始すると、コントローラ８０は、まず車両走行状態を取得する（ステップＳ１０）。このとき、コントローラ８０は、自車両の車速Ｖ、車間距離Ｄ、左右レーンマーカまでの距離Ｒ等を取得し、これらを基に車両走行状態を算出する。
具体的には、コントローラ８０は、車両走行状態として、車両の前後方向の制御に関するパラメータと、車両の左右方向の制御に関するパラメータとを算出し、それぞれの方向について、例えば、以下のパラメータを算出して用いる。

（前後方向制御に関するパラメータ）
・車間時間ＴＨＷ
車間時間ＴＨＷは、車間距離Ｄを現在の車速Ｖで割った値であり、以下の式で求めることができる。
ＴＨＷ＝Ｄ/Ｖ （１）
車間時間ＴＨＷは、先行車に追従する際の目標車間状態を示すパラメータと考えることができ、車間時間ＴＨＷがほぼ特定の範囲の値となるように、運転者が加減速制御を行っていると考えられる。

（左右方向制御に関するパラメータ）
・車線内の横位置データＬ
車線中央をゼロとし、車線幅Ｗとした場合、通常の走行時には、車線内の横位置データＬは、ほぼ±Ｗ/２の範囲で分布する。即ち、通常の走行時において、運転者は、車線の端部に到達しないよう、車線内（±Ｗ/２）の範囲に留まるようにハンドル操作を行っていると考えられる。
ステップＳ１０に続いて、コントローラ８０は、今回取得された車両走行状態をＲＯＭに保存する（ステップＳ２０）。コントローラ８０は、過去の設定時間（例えば５分間）における車両走行状態をＲＯＭに保存し、以降の処理で用いている。

次に、コントローラ８０は、ステップＳ２０において保存した車両走行状態を基に、車両走行状態の分布を算出する（ステップＳ３０）。
次いで、コントローラ８０は、ステップＳ３０で算出した車両走行状態の分布から、分布が歪んでいることを検出するための統計指標を算出する（ステップＳ４０）。
具体的には、コントローラ８０は、車両走行状態量（車両前後および左右方向制御に関するパラメータ）をＸｉとしたときに、下記のような統計指標を算出する。
・歪度（Skewness）
歪度は、分布の対称性の違いを表しており、分布特性において右の裾野が広い場合は正、左の裾野が広い場合は負の値となる。
歪度Ｓｋは、次式によって算出できる。

・尖度（Ｋｕｒｔｏｓｉｓ）
尖度は、正規分布と比較した場合の分布の尖り度合いを表す。即ち、分布の中心が先にとがり裾野をもつ分布であれば尖度は大きい値となり、分布の中心がなだらかで全体として扁平な分布であれば尖度は小さい値となる。
尖度Ｋｕは、次式によって算出できる。

ステップＳ４０に続き、コントローラ８０は、ステップＳ４０で算出した統計指標から、総合的に分布の歪み状態を検出する（ステップＳ５０）。すなわち、コントローラ８０は、ステップＳ４０で算出した統計指標を組み合わせて、車両走行状態の分布が歪んでいる状態を検出する。
ここで、分布の歪みの形態は、車両走行状態として用いるパラメータの種類によって異なるものとなるが、例えば、車両走行状態の前後方向制御のパラメータとして、車間時間ＴＨＷを用いた場合の分布は、図４のように例示できる。

図４は、車間時間ＴＨＷを用いた場合の車両走行状態の分布を示す図である。
図４において、破線は分布が歪んでいない状態を示し、実線は分布が歪んだ状態を示している（以下の図において同様である。）。
また、車両走行状態の左右方向制御のパラメータとして、車線内横位置Ｌを用いた場合の分布は、図５のように例示できる。

図５は、車線内横位置Ｌを用いた場合の車両走行状態の分布を示す図である。
図５において、破線は運転者が比較的高い注意力をもって運転を行っている状態の分布を示し、実線は運転者が漫然運転を行っている状態（注意力が低下した運転状態）の分布を示している。
漫然運転を行っている状態の分布には、図５（ａ）に示すように、左右いずれかに分布が偏る場合（パターン１）と、図５（ｂ）に示すように、左右の両端に分布が偏る場合（パターン２）の概して２つのパターンがある。
また、上記ステップＳ５０においては、図４および図５に例示するような分布の歪みを検出するために、歪度と尖度との組み合わせを用いる。

図６は、歪度と尖度とを組み合わせて分布の歪みを検出する場合の検出基準を示すマップである。
図６に示すように、歪度を横軸、尖度を縦軸としたマップにおいて、コントローラ８０は、ステップＳ４０で算出した歪度と尖度とが、いずれの領域に属するかを基に、分布が歪んでいる状態を検出する。具体的には、コントローラ８０は、歪度と尖度の合計が設定した閾値よりも大きい場合に分布が歪んでいると判定する。なお、車両走行状態の分布をとったとき、歪度は概して−１から３の範囲に分布し、尖度は概して−５から＋５の範囲に分布する。また、正規分布の場合、尖度の値は＋３となる。

上記ステップＳ５０に続き、コントローラ８０は、分布の歪みを検出したか否かの判定を行う（ステップＳ６０）。
ここで、車両走行状態の分布の歪みは、運転者が適正であると感じる範囲から逸脱しそうになった場合に、積極的な回避行動を取ることによって生じるものである。
そのため、車両走行状態の分布の歪みを検出することは、即ち、運転者が通常の運転状態とは異なる内面状態（例えば、焦っている状態、漫然運転を行っている状態、あるいは、車両周囲の環境により運転者が望む運転をできない状態等）であることを検出することに相当する。

そして、コントローラ８０は、ステップＳ６０において、分布の歪みを検出したと判定した場合、運転者の限界値を学習する処理を行う（ステップＳ７０）。
ここで、運転者の限界値とは、車両前後方向については、運転者が先行車との間に最低限確保しようとしている車間時間（推定値）である。また、車両の左右方向については、運転者がレーンマーカに対して最低限維持しようとしている横方向の距離（推定値）を確保するための車線内横位置である。ここでは、車両の前後方向については、車両走行状態分布における先行車に近い側から５％の値（５パーセンタイル値）を、運転者の限界値として学習する。また、車両の左右方向については、車両走行状態分布におけるレーンマーカに近い側から５％の値（５パーセンタイル値）を、運転者の限界値として学習する。

ステップＳ６０において、分布の歪みを検出していないと判定した場合、および、ステップＳ７０の後、コントローラ８０は、運転者の限界値が異常値であるか否かの判定を行う（ステップＳ８０）。具体的には、コントローラ８０は、以下の２つのいずれかの条件に合致するかどうかを判定する。
（ｉ）過去に学習し保存している運転者の限界値に対して、現在の運転者の限界値が設定した閾値値以上、先行車に接近する側に変化しているか否か。
（ii）運転者の限界値について設定した許容範囲を逸脱しているか否か。

ステップＳ８０において、運転者の限界値が異常値であると判定した場合、コントローラ８０は、異常状態に応じた報知（運転者状態異常報知）を行う（ステップＳ９０）。ここでは、学習した運転者の限界値が普段の状態より著しく先行車に接近した値であったり、あるいは、一般的な運転者の能力を想定して設定した基準と比較して、明らかに先行車に接近した値であったりする場合には、運転者の状態が異常な状態であると判定し、速やかに運転を停止することを促す旨の報知を行う。

一方、ステップＳ８０において、運転者の限界値が異常値でないと判定した場合、コントローラ８０は、現在の車両状態を判定する一連の処理を実施する。
即ち、コントローラ８０は、ステップＳ７０において運転者の限界値を学習している場合、学習した運転者の限界値をＲＯＭに保存する（ステップＳ１００）。このとき保存した運転者の限界値は、以後の処理において、運転者の異常状態を検出するための基準（正常な状態の一例）として用いる。

次に、コントローラ８０は、運転者の限界値に応じて、車両状態を判定する際の判定基準を補正する（ステップＳ１１０）。この車両状態の判定は、車両前後方向および左右方向の車両制御の現在値が許容範囲として設定した範囲内にあるか否かを判定するものである。
例えば、車両前後方向であれば、現在の車間距離Ｄが閾値Ｌｗ以下であることを検出して運転者に報知する。
車間距離の報知については、例えば、次式によって閾値Ｌｗを算出することができる。

（４）式に示すように、閾値Ｌｗ（ｍ）は、先行車両の速度Ｖｆ（ｍ／ｓ）、自車両の速度Ｖｌ（ｍ／ｓ）、および、３つの報知パラメータの値Ｔ，Ｄｌ，Ｄｆによって決定できる。ここで、Ｔは報知に対する運転者の想定反応時間（ｓ）、ＤｌおよびＤｆは、それぞれ先行車および追従車（自車両）の想定減速度（ｍ／ｓ²）を示している。
運転者の限界値に対して補正するパラメータ（以下、「報知パラメータ」と称する。）は、運転者の想定反応時間であるＴの部分であり、学習した運転者の限界値である車間時間ＴＨＷの値に応じて、Ｔの値を設定する。

図７は、学習した運転者の限界値（車間時間）と、報知パラメータ（Ｔ）との関係を示す図である。
図７に示すように、報知パラメータは、学習した運転者の限界値が増加するにつれて、下限値Ｔｍｉｎと上限値Ｔｍａｘとの間で、増加する関係となっている。
ステップＳ１１０においては、図７の関係に従って報知パラメータを設定する。
即ち、ステップＳ１１０において、コントローラ８０は、運転者の限界値に応じて一定のマージンを加え、報知パラメータＴを算出するが、運転者の限界値が第１の閾値より小さい場合には、Ｔの最小値であるＴｍｉｎとし、第１の閾値より大である第２の閾値より大きい場合、あるいは、まだ運転者の限界値を学習できていない場合には、Ｔの最大値であるＴｍａｘとする。

このように報知パラメータを補正することにより、報知距離は車間時間ＴＨＷに関する運転者の限界値に応じて変化し、それにより、以下のような効果を奏する。
・運転者の限界値が小さい運転者にとっては、普段の運転状態に応じた車間距離報知となり、報知の発生頻度が高くなりすぎて、わずらわしい状態となることを軽減できる。
・運転者の限界値が大きい運転者にとっては、普段の運転状態に応じた車間距離報知となり、自らの感覚にあった早めのタイミングで報知が行われ、安心感が向上する。

一方、車両の左右方向については、現在の車線内横位置Ｌが、設定した範囲±Ｗｗａｒｎを越えていることを検出して車線への到達を報知する。
即ち、学習した車線内横位置の限界値に対して、一定のマージンを加減して、設定範囲Ｗｗａｒｎを決定する。
そして、このように補正した報知パラメータを用いて、運転者の限界値に応じた報知処理を実行する（ステップＳ１２０）。報知処理では、現在の車両状態値が報知パラメータの範囲内にあるか否かに基づいて実行され、報知が必要な場合には、表示ユニット９０による表示とスピーカ１００による音によって運転者に報知を行う。
ステップＳ９０およびステップＳ１２０の後、コントローラ８０は、運転特性検出処理を終了する。

（動作）
次に、動作を説明する。
自動車１Ａは、イグニションオンと共に、コントローラ８０によって図３に示す運転特性検出処理を繰り返し実行し、車両走行状態の分布およびそのときの分布についての統計指標を算出している（図３のステップＳ１０〜Ｓ４０）。
自動車１Ａの運転者は、通常、車両走行状態がある適正な範囲内に留まるように、車両の制御操作を行っている。
図８は、運転者が適性であると感じる車間時間ＴＨＷの範囲を示す図である。
車両周囲の環境が、運転者の望む運転ができる状況、例えば混雑していない状況では、運転者は、図８に示す一点鎖線の右側の範囲（車両走行状態として適正な範囲であると感じる範囲）内に収まるように車両を制御することができる。

図９は、運転者の望む運転ができる状況における車両走行状態の分布の一例を示す図である。
このとき、車間時間ＴＨＷの分布は、運転者の望む車間時間ＴＨＷの目標値（図９中の波線）を中心として、制御誤差による多少のばらつきを含む分布となり、この範囲内において正規分布に近い分布となる。
また、図９に示す状態よりも運転者がやや急いで走行したいと望んだ場合には、運転者は、車間時間ＴＨＷの目標値をやや小さく設定することとなる。

図１０は、運転者が通常よりやや急いだ状況における車両走行状態の分布の一例を示す図である。
このとき、車間時間ＴＨＷは、図９の場合よりも先行車にやや近い側に変化し、この目標値を中心に、図９の場合と同程度のばらつきの幅をもった分布となる。
これらのいずれの場合であっても、運転者の限界値、即ち、運転者がどれくらい短い車間時間ＴＨＷまでを適正であると感じるかを示す車間時間（図９，１０中の一点鎖線）は、車両走行状態の分布から、その位置を特定することは困難である。なお、この場合において、運転者の限界値は車両走行状態の分布（実線）よりも小さい値であることは予想できる。

このような場合、自動車１Ａは、運転特性検出処理のステップＳ５０において、車両走行状態の分布が歪んでいないと判定し、運転者に焦りや漫然さがない適正な運転時のデータとして、取得した車間時間ＴＨＷをＲＯＭに記憶していく。
一方、車両周囲の環境が、運転者の望む運転ができない状況、例えば、道路が混雑していて、先行車の車速や車間距離が大きく変動するような状況では、図９，１０の場合と異なる車両走行状態の分布となる。同様に、運転者が焦って運転している状況あるいは運転者が漫然運転を行っている状況等、運転者自身が適正な運転を行っていない状況では、図９，１０の場合と異なる車両走行状態の分布となる。

図１１は、運転者が望む運転ができない状況あるいは運転者自身が適正な運転を行っていない状況における車両走行状態の分布を説明する図である。具体的には、図１１（ａ）は運転者が望む運転ができない状況等において想定される分布、図１１（ｂ）は、運転者が望む運転ができない状況等における実際の分布の一例を示している。
このとき、車間時間ＴＨＷの分布のばらつきは、図９，１０に示す場合に比べ、より大きくなる。

そのため、図１１（ａ）に示すように、運転者が適正であると感じる範囲から逸脱する（運転者の限界値を下回る）頻度も高くなる。
このような状況において、運転者は、図９，１０における場合の内面状態とは異なる内面状態となり、適正であると感じる範囲から逸脱する状態を積極的に避けようとして車両の制御操作を行うこととなる。
その結果、図１１（ｂ）に示すように、運転者が適正であると感じる範囲から逸脱している領域の頻度が少なくなり、運転者が適正であると感じる範囲から逸脱しそうになった領域の頻度は、運転者が適正であると感じる範囲内の運転者の限界値に近い領域に表れる。

そのため、車間時間ＴＨＷの分布は全体として歪んだ形となるとともに、その歪みが発生している部分の車間時間ＴＨＷの値が、運転者が適正であると感じる車間時間ＴＨＷの範囲の最小の限界値（図１１（ｂ）中の一点鎖線）を示すものとなる。
即ち、車両走行状態の分布が歪んでいる状態（運転者の内面状態が通常と異なっている状態）を検出して、その歪みが生じているときの分布範囲を算出することによって、その運転者固有の限界値を推定することが可能となる。

自動車１Ａは、運転特性検出処理において、車両走行状態の分布における図１１（ｂ）のような歪みを検出し（ステップＳ５０）、歪みが検出された場合には、運転者にとって適正な運転を行っていない（運転者の内面状態が通常と異なっている）状態と考えられるため、運転者に対して表示あるいは音による報知を行う。また、自動車１Ａは、このときの分布を基に、運転者の限界値を学習し、以後の処理において、その走行状況に合った限界値を用いる。

以上のように、本実施形態に係る自動車１Ａは、車両用運転特性検出装置１を備え、車両走行状態の分布を取得する。そして、取得した分布について複数の統計指標を算出し、これらの組み合わせを基に、車両走行状態の分布に歪みがあるか否かを判定する。
自動車１Ａは、車両走行状態の分布に歪みがあると判定した場合、その分布を基に、運転者の限界値を検出する。
このとき検出した運転者の限界値は、そのときの走行状況において、運転者が積極的な運転操作を行い、適正であると考える範囲からの逸脱を回避したことに依拠した値である。
したがって、運転者の特性をより高精度に検出することができる。

なお、本実施形態において、車速センサ３０ＦＲ，３０ＦＬ，３０ＲＲ，３０ＲＬ、レーザレーダ５０、カメラ６０およびコントローラ８０が車両走行状態検出手段に対応し、運転特性検出処理を実行するコントローラ８０が運転状態検出手段に対応する。また、運転特性検出処理のステップＳ４０を実行するコントローラ８０が統計指標算出手段に対応し、運転特性検出処理のステップＳ５０，Ｓ６０を実行するコントローラ８０が歪み検出手段に対応する。また、運転特性検出処理のステップＳ７０を実行するコントローラ８０が運転特性検出手段に対応し、運転特性検出処理のステップＳ９０を実行するコントローラ８０が車間運転状態報知手段に対応する。また、運転特性検出処理のステップＳ１２０を実行するコントローラ８０が車間状態報知手段に対応し、運転特性検出処理のステップＳ１１０を実行するコントローラ８０が車間閾値補正手段に対応する。また、運転特性検出処理のステップＳ９０を実行するコントローラ８０が横方向運転状態報知手段に対応し、運転特性検出処理のステップＳ１２０を実行するコントローラ８０が横方向報知手段に対応する。また、運転特性検出処理のステップＳ１１０を実行するコントローラ８０が横方向閾値補正手段に対応する。

（第１実施形態の効果）
（１）車両走行状態検出手段が車両走行状態を検出し、運転状態検出手段が、車両走行状態の分布を基に、運転行動における運転者の内面状態を検出する。
したがって、車両走行状態の分布から運転者の内面状態を検出するため、運転者の特性をより高精度に検出することができる。
（２）運転状態検出手段が、車両走行状態の分布が歪んでいるか否かを検出し、車両走行状態の分布が歪んでいる場合に、車両走行状態に基づいて、運転行動における運転者の内面状態を検出する。
したがって、そのときの車両走行状態における分布の歪みを基に、運転者の内面状態を検出できるため、運転者の特性をより高精度に検出することができる。

（３）統計指標算出手段が、車両走行状態の分布を基に、分布の統計指標を算出し、歪み検出手段が、算出した統計指標に基づいて、車両走行状態の分布に歪みがあるか否かを検出する。また、運転特性検出手段が、歪み検出手段が車両走行状態の分布における歪みを検出した場合に、該車両走行状態に基づいて、運転者の運転特性を検出する。
したがって、統計指標によって、分布に歪みがあるか否かを容易に検出できる。また、歪みを検出したときの車両走行状態に基づいて運転特性を検出できるため、より正確に運転者の特性を検出することができる。

（４）統計指標算出手段が、車両走行状態の分布を基に、複数の統計指標を算出し、歪み検出手段が、複数の統計指標について設定した判定基準を基に、車両走行状態の分布に歪みがあるか否かを検出する。
したがって、複数の統計指標によって多面的な判定基準で分布の歪みを検出できるため、より正確に運転者の特性を検出することができる。

（５）車両走行状態検出手段が、車両走行状態として、先行車との隔たりを示す車間状態を検出する。運転特性検出手段は、車両走行状態の分布が歪んでいる場合に、該車両走行状態に基づいて、運転者の運転特性として、運転者の運転において先行車との隔たりが最小となる最小車間状態を検出する。
したがって、運転者が適正と感じる限界と推定できる最小車間状態を検出できるため、運転者の運転特性をより正確に検出することができる。

（６）車間運転状態報知手段は、最小車間状態が、最小車間状態について設定した報知条件に合致している場合に、運転者の運転状態が正常でないことを報知する。
したがって、運転者が通常と異なる運転状態である場合に、運転者に正常でないことを報知でき、運転者に適切な行動を促すことができる。
（７）車間状態報知手段が、先行車に対し、設定した閾値以上に接近した場合に運転者に対する報知を行う。また、車間閾値補正手段が、運転特性に応じて、車間報知手段における閾値を補正する。
したがって、先行車に対して過度に接近した場合に行う報知のタイミングを、運転特性に応じて変更することができる。

（８）車両走行状態検出手段が、車両走行状態として、走行車線内の横方向の位置を示す横方向制御状態を検出し、運転特性検出手段が、車両走行状態の分布が歪んでいる場合に、該車両走行状態に基づいて、前記運転者の運転特性として、運転者の運転において走行車線内の横方向の位置として許容している許容横方向制御状態を検出する。
したがって、運転者が適正と感じる限界と推定できる許容横方向制御状態を検出できるため、運転者の運転特性をより正確に検出することができる。

（９）横方向運転状態報知手段は、許容横方向制御状態が、許容横方向制御状態について設定した報知条件に合致している場合に、運転者の運転状態が正常でないことを報知する。
したがって、運転者が通常と異なる運転状態である場合に、運転者に正常でないことを報知でき、運転者に適切な行動を促すことができる。
（１０）横方向報知手段が、車線端部に対し、設定した閾値以上接近した場合に運転者に対する報知を行う。また、横方向閾値補正手段が、運転特性に応じて、横方向報知手段における閾値を補正する。
したがって、車線端部に対して過度に接近した場合に行う報知のタイミングを、運転特性に応じて変更することができる。

（１１）車両走行状態を検出する車両走行状態検出ステップと、車両走行状態の分布を基に、運転行動における運転者の内面状態を検出する運転状態検出ステップとを含む車両用運転特性検出方法である。
したがって、車両走行状態の分布から運転者の内面状態を検出するため、運転者の特性をより高精度に検出することができる。

（１２）車両走行状態を検出する車両走行状態検出手段と、車両走行状態の分布を基に、運転行動における運転者の内面状態を検出する運転状態検出手段と、運転状態検出手段の検出結果に基づいて、運転者に対して運転状態の報知を行なう報知手段とを備える自動車である。
したがって、車両走行状態の分布から運転者の内面状態を検出するため、運転者の特性をより高精度に検出することができる。

（応用例１）
第１実施形態においては、車両走行状態として、車両の前後方向の制御に関するパラメータについては車間時間ＴＨＷ、車両左右方向の制御に関するパラメータについては車線内の横位置データＬを用いることとして説明した。
これに対し、車両の前後方向および左右方向の制御に関するパラメータとして、以下のパラメータを用いることができる。

（前後方向制御に関するパラメータ）
・到達余裕時間ＴＴＣ
車間距離Ｄを現在の相対速度Ｖｒで割った値であり、以下の式で求めることができる。
ＴＴＣ＝Ｄ/Ｖｒ （５）
到達余裕時間ＴＴＣは、先行車に接近する際の接近度合を示すパラメータと考えることができ、接近時には、到達余裕時間ＴＴＣが小さくなりすぎないように運転者がブレーキ操作を行っていると考えられる。

（左右方向制御に関するパラメータ）
・車線到達予測時間ＴＬＣ
車線到達予測時間ＴＬＣは、現在の車速Ｖと走行方向において、車線端部への到達が予測されるまでの残り時間を示すパラメータである。
図１２は、車線到達予測時間ＴＬＣの概念を示す模式図である。
図１２に示すレーンマーカまでの距離Ｒと車速Ｖとを用いて、車線到達予測時間ＴＬＣは、以下の式で求めることができる。
ＴＬＣ＝Ｒ/Ｖ （６）

車線到達予測時間ＴＬＣについては、検出された左右レーンマーカまでの距離の時間変化を求めることにより、その時間変化から左右レーンマーカまでの距離がゼロになると予測される予測時間を求めることで算出することも可能である。
車線到達予測時間ＴＬＣは、車線端部に到達しそうな場合における左右レーンマーカとの接近度合を示すと考えられ、車線端部に到達しそうな場合、車線到達予測時間ＴＬＣが小さくなりすぎないように運転者が修正操舵を行っていると考えられる。

・車線到達予測時間の逆数１/ＴＬＣ
上記車線到達予測時間ＴＬＣは、直線道路で道路中心を直進している時には、値を定義することができず、車線到達予測時間ＴＬＣの分布の形状を求めることが困難となる。また、左右いずれの方向への変位も同じものとして扱うため、変位の傾向が左右で異なる場合に、その差を検出することが困難となる。そこで、車線到達予測時間ＴＬＣの逆数を取り、左右方向の一方をプラス、他方をマイナスで定義することにより、より正確に統計的な処理を行うことが可能となる。

また、車両走行状態を示すパラメータとして、これらを用いた場合、分布の歪みの形態は、以下のように例示できる。
即ち、車両走行状態の前後方向制御のパラメータとして、到達余裕時間ＴＴＣを用いた場合の分布は、図１３のように例示できる。
図１３は、到達余裕時間ＴＴＣを用いた場合の車両走行状態の分布を示す図である。
一方、車両走行状態の左右方向制御のパラメータとして、車線到達予測時間ＴＬＣを用いた場合の分布は、図１４のように例示できる。
図１４は、車線到達予測時間ＴＬＣを用いた場合の車両走行状態の分布を示す図である。
さらに、車両走行状態の左右方向制御のパラメータとして、車線到達予測時間の逆数１/ＴＬＣを用いた場合の分布は、図１５のように例示できる。

図１５は、車線到達予測時間の逆数１/ＴＬＣを用いた場合の車両走行状態の分布を示す図である。
図１５において、破線は運転者が比較的高い注意力をもって運転を行っている状態の分布を示し、実線は運転者が漫然運転を行っている状態の分布を示している。
漫然運転を行っている状態の分布には、図１５（ａ）に示すように、左右いずれかに分布が偏る場合（パターン１）と、図１５（ｂ）に示すように、左右の両端に分布が偏る場合（パターン２）の概して２つのパターンがある。
これらのパラメータを車両走行状態を示すパラメータとして用いた場合にも、第１実施形態と同様に、分布の歪みを検出することによって、運転者固有の限界値を検出することができる。

（応用例２）
第１実施形態において、車両走行状態の分布の歪みを検出するための統計指標として、歪度と尖度を算出し、これらを組み合わせて用いる場合を例に挙げて説明したが、以下に示す他の統計指標を用いることができる。
・平均値（Ｍｅａｎ）
平均値は、分布の中心的な位置を表しており、全てのデータを常に１つの値で予測するときに、その予測が外れている度合いの２乗和を最小にする定数である。
平均値Ｘは、次式によって算出できる。

・標準偏差
標準偏差は、平均値によってすべてのデータの値を予測するときの予測の外れ度を示す。
標準偏差ｓは、次式によって算出できる。

・中央値（Ｍｅｄｉａｎ）
中央値は、データを大きさ順に並べた時に、データが分布する大きさの範囲の中央に当たる値を示すものである。
・最頻値（Ｍｏｄｅ）
最頻値は、区分毎に分けてデータの度数を計数したときに、最も高い度数を示す区分の値である。
車両走行状態の分布の歪みを検出する場合、これらの統計指標を組み合わせて用いることができる。組み合わせの態様としては、第１実施形態で示した歪度と尖度のパターンの他、以下のパターンを例示できる。

（１）平均値と最頻値との組み合わせ
図１６は、平均値と最頻値とを組み合わせて分布の歪みを検出する場合の検出基準を示すマップである。
図１６に示すように、平均値を横軸、最頻値を縦軸としたマップにおいて、コントローラ８０は、ステップＳ４０で算出した平均値と最頻値とが、いずれの領域に属するかを基に、分布が歪んでいる状態を検出する。具体的には、コントローラ８０は、平均値と最頻値との差が設定した閾値よりも大きい場合に分布が歪んでいると判定する。

（２）平均値と中央値との組み合わせ
図１７は、平均値と中央値とを組み合わせて分布の歪みを検出する場合の検出基準を示すマップである。
図１７に示すように、平均値を横軸、中央値を縦軸としたマップにおいて、コントローラ８０は、ステップＳ４０で算出した平均値と中央値とが、いずれの領域に属するかを基に、分布が歪んでいる状態を検出する。具体的には、コントローラ８０は、平均値と中央値との差が設定した閾値よりも大きい場合に分布が歪んでいると判定する。

（３）歪度と標準偏差との組み合わせ
標準偏差は、尖度に代用可能な特性を有すると考えられ、第１実施形態において、尖度に代えて標準偏差を用いることができる。
また、標準偏差は、分布の一様性を示す指標と捉えることができるため、標準偏差が設定した閾値より大きい場合には、その車両走行状態の分布は、歪みを検出することが適切でないものと判定できる。

（応用例３）
上述のように、標準偏差は、分布の一様性を示す指標として用いることができ、車両走行状態の分布が歪みの検出に適するものかどうかを判定することができる。
そこで、運転特性検出処理のステップＳ４０において、統計指標として標準偏差を用いない場合であっても、コントローラ８０によって標準偏差を算出し、車両走行状態の分布が歪みの検出に適するものかどうかを判定することができる。
コントローラ８０は、算出した標準偏差が閾値より大きいと判定した場合には、その処理ルーチンに限り、車両走行状態の分布について歪みを検出する処理をスキップする。

車両走行状態の計測期間によっては、一般道路と高速道路のように道路特性が異なる２つの道路における検出値を含むことがある。この場合に、２つの道路における車両走行状態の正規分布が重なり、分布が歪んだ状態と類似する分布形態となる可能性がある。
上述のように、標準偏差を用いて、閾値との判定を行うことにより、このような分布形態を分布の歪みと判定する事態を軽減することが可能となる。

（応用例４）
第１実施形態において、車両走行状態の分布を示す統計指標として、歪度と尖度の２つの指標を用いる場合を例に挙げて説明したが、３つ以上の統計指標を組み合わせて歪みの検出を行うことができる。
例えば、歪度と歪度に加え、平均値を加味した判定基準を設定し、その判定基準に基づいて、車両走行状態の分布が歪んでいるか否かを判定することができる。
この場合、統計指標を２つ組み合わせて分布の歪みを検出する場合に比べ、多面的な条件を考慮することができるため、運転者の特性をより高精度に検出することが可能となる。

１Ａ 自動車、１ 車両用運転特性検出装置、１０ アクセルセンサ、２０ ブレーキセンサ、３０ＦＲ，３０ＦＬ，３０ＲＲ，３０ＲＬ 車速センサ、４０ 舵角センサ、５０ レーザレーダ、６０ カメラ、７０ ナビゲーションシステム、８０ コントローラ、９０ 表示ユニット、１００ スピーカ

Claims (12)

1. 車両走行状態を検出する車両走行状態検出手段と、
   前記車両走行状態検出手段によって検出した車両走行状態の分布を基に、運転行動における運転者の内面状態を検出する運転状態検出手段と、
   を備えることを特徴とする車両用運転特性検出装置。
2. 前記運転状態検出手段は、前記車両走行状態検出手段によって検出した車両走行状態の分布が歪んでいるか否かを検出し、車両走行状態の分布が歪んでいる場合に、該車両走行状態に基づいて、運転行動における運転者の内面状態を検出することを特徴とする請求項１記載の車両用運転特性検出装置。
3. 前記運転状態検出手段は、
   前記車両走行状態検出手段によって検出した車両走行状態の分布を基に、該分布の統計指標を算出する統計指標算出手段と、
   前記統計指標算出手段によって算出した統計指標に基づいて、車両走行状態の分布に歪みがあるか否かを検出する歪み検出手段と、
   前記歪み検出手段が車両走行状態の分布における歪みを検出した場合に、該車両走行状態に基づいて、運転者の運転特性を検出する運転特性検出手段と、
   を備えることを特徴とする請求項１または２記載の車両用運転特性検出装置。
4. 前記統計指標算出手段は、前記車両走行状態検出手段によって検出した車両走行状態の分布を基に、複数の統計指標を算出し、
   前記歪み検出手段は、前記統計指標算出手段が算出した複数の統計指標について設定した判定基準を基に、車両走行状態の分布に歪みがあるか否かを検出することを特徴とする請求項３記載の車両用運転特性検出装置。
5. 前記車両走行状態検出手段は、前記車両走行状態として、先行車との隔たりを示す車間状態を検出し、
   前記運転特性検出手段は、車両走行状態の分布が歪んでいる場合に、該車両走行状態に基づいて、前記運転者の運転特性として、運転者の運転において先行車との隔たりが最小となる最小車間状態を検出することを特徴とする請求項３または４記載の車両用運転特性検出装置。
6. 前記運転特性検出手段によって検出した前記最小車間状態が、最小車間状態について設定した報知条件に合致している場合に、運転者の運転状態が正常でないことを報知する車間運転状態報知手段を備えることを特徴とする請求項５記載の車両用運転特性検出装置。
7. 先行車に対し、設定した閾値以上に接近した場合に運転者に対する報知を行う車間状態報知手段と、
   前記運転特性検出手段が運転者の運転特性を検出した場合に、該運転特性に応じて、前記車間報知手段における閾値を補正する車間閾値補正手段と、
   を備えることを特徴とする請求項３記載の車両用運転特性検出装置。
8. 前記車両走行状態検出手段は、前記車両走行状態として、走行車線内の横方向の位置を示す横方向制御状態を検出し、
   前記運転特性検出手段は、車両走行状態の分布が歪んでいる場合に、該車両走行状態に基づいて、前記運転者の運転特性として、運転者の運転において走行車線内の横方向の位置として許容している許容横方向制御状態を検出することを特徴とする請求項３または４記載の車両用運転特性検出装置。
9. 前記運転特性検出手段によって検出した前記許容横方向制御状態が、許容横方向制御状態について設定した報知条件に合致している場合に、運転者の運転状態が正常でないことを報知する横方向運転状態報知手段を備えることを特徴とする請求項８記載の車両用運転特性検出装置。
10. 車線端部に対し、設定した閾値以上接近した場合に運転者に対する報知を行う横方向報知手段と、
    前記運転特性検出手段が運転者の運転特性を検出した場合に、該運転特性に応じて、前記横方向報知手段における閾値を補正する横方向閾値補正手段と、
    を備えることを特徴とする請求項３記載の車両用運転特性検出装置。
11. 車両走行状態を検出する車両走行状態検出ステップと、
    前記車両走行状態検出ステップにおいて検出した車両走行状態の分布を基に、運転行動における運転者の内面状態を検出する運転状態検出ステップと、
    を含むことを特徴とする車両用運転特性検出方法。
12. 車両走行状態を検出する車両走行状態検出手段と、
    前記車両走行状態検出手段によって検出した車両走行状態の分布を基に、運転行動における運転者の内面状態を検出する運転状態検出手段と、
    前記運転状態検出手段の検出結果に基づいて、運転者に対して運転状態の報知を行なう報知手段と、
    を備えることを特徴とする自動車。

Images