JP2012226602A - 車両用情報提供装置 - Google Patents

Abstract

【課題】普段の運転特性の学習が完了していない場合でも、運転者に運転不安定状態を呈示可能とする。
【解決手段】取得した走行状態データに基づき、時間的範囲の異なる複数の走行状態分布の分布間の相違量から運転の不安定度を推定する第１運転不安定判定部を備える。また、第１運転不安定判定部での推定処理とは異なる処理で、運転の不安定度を推定する第２運転不安定判定部を備える。そして、上記第１走行状態分布算出部が算出した走行状態分布が運転者の運転特性と合致している学習度合ＳＤに応じて、第１運転不安定判定部が推定する不安定度、または第２運転不安定判定部が推定する不安定度のいずれかを選択する。そして、選択した不安定度に基づく不安定情報を運転者に情報呈示する。
【選択図】 図１

Description

本発明は、運転者に運転の不安定状態を呈示する技術に関する。

特許文献１に記載の車両用運転支援装置では、普段の運転特性に対応した長時間の走行状態分布と現在の運転特性に対応する短時間の走行状態分布とを算出し、その算出した２つの分布間の相違量の大きさから不安定運転状態を判定する。この方法によれば、交通環境の違いによらず不安定な状態を精度よく検出することができると記載されている。

特開２００９−９４９５号公報

しかし特許文献１の技術では、普段の運転特性を把握可能とみなせるだけの長時間の走行状態分布取得のための学習が完了していない場合、つまり普段の運転特性が把握できていない場合には、運転者の運転の不安定状態の検出精度が悪くなる。
本発明は、上記のような点に着目したもので、普段の運転特性の学習が完了していない場合でも、運転者に運転不安定状態を呈示可能とすることを目的とする。

上記課題を解決するために、本発明は、取得した走行状態データに基づき、時間的範囲の異なる複数の走行状態分布の分布間の相違量から運転の不安定度を推定する第１運転不安定判定部を備える。また、第１運転不安定判定部での推定処理とは異なる処理で、運転の不安定度を推定する第２運転不安定判定部を備える。そして、上記第１走行状態分布算出部が算出した走行状態分布が運転者の運転特性と合致している学習度合に応じて、第１運転不安定判定部が推定する不安定度、または第２運転不安定判定部が推定する不安定度のいずれかを選択する。そして、選択した不安定度に基づく不安定情報を運転者に情報呈示する。

本発明によれば、第１運転不安定判定部が使用する走行状態分布取得の学習が普段の運転特性を把握できるまで完了していない場合でも、第２運転不安定判定部が推定する運転の不安定度によって、運転者に運転不安定状態を呈示することが可能となる。

本発明に基づく実施形態に係る車両構成を示す図である。 本発明に基づく第１〜第４実施形態に係るシステム構成例を示す図である。 本発明に基づく第１実施形態に係る情報提供部の処理を説明する図である。 運転者に呈示する情報の例を示す図である。 相対エントロピーの算出例を示す図である。 相対エントロピー算出に利用する記号を説明する図である。 操舵角予測誤差データから過去若しくは長時間の分布、及び直近の分布を算出する方法を説明する図である。 相対エントロピー算出方法を説明する図である。 操舵角予測誤差の区分を示す図である。 本発明に基づく第２実施形態に係る情報提供部の処理を説明する図である。 本発明に基づく第３実施形態に係る情報提供部の処理を説明する図である。 本発明に基づく第４実施形態に係る情報提供部の処理を説明する図である。 本発明に基づく第５実施形態に係るシステム構成例を示す図である。 本発明に基づく第５実施形態に係る情報提供部の処理を説明する図である。 本発明に基づく第６実施形態に係るシステム構成例を示す図である。 本発明に基づく第６実施形態に係る情報提供部の処理を説明する図である。

「第１の実施形態」
まず、本発明に係る第１実施形態について図面を参照しつつ説明する。
（構成）
図１は、本実施形態に係る車両用情報提供装置を搭載した車両の構成を示す図である。
本実施形態の車両は、図１に示すように、アクセルペダル開度センサ１、ブレーキペダル操作量センサ２、操舵角センサ３、車速センサ４、ウインカ検出センサ５、メータディスプレイ６、ナビゲーションシステム７、Ｇセンサ８、前方車両検出装置９、コントローラ１００を備える。なお、本発明を適用する車両は、以上のセンサ類その他を全て装備している必要はない。他の実施形態で使用するセンサ類についても併せて説明したものである。

アクセルペダル開度センサ１は、加速指示量にとしてアクセルペダルの開度量（加速指示量）を検出する。検出された開度量はコントローラ１００に出力される。
ブレーキペダル操作量センサ２は、制動指示量としてブレーキペダルの操作量（制動指示量）を検出する。検出した操作量は、コントローラ１００に出力される。
操舵角センサ３は、例えばステアリングコラムもしくはステアリングホイール（不図示）付近に取り付けられた角度センサであり、ステアリングシャフトの回転から運転者の転舵による操舵角を検出する。検出した操舵角は、コントローラ１００に出力される。

車速センサ４は、例えば車輪の回転数を検出することで車速を検出する。検出した車速はコントローラ１００に出力される。車速センサ４は、メータディスプレイ６への信号に基づき車速を検出しても良い。
ウインカ検出センサ５は、ウインカレバーのウインカ状態を検出する。検出したウインカ状態は、コントローラ１００に出力される。

情報呈示装置は、コントローラ１００からの制御信号に応じて警報その他の呈示を音声や画像によって出力する。情報呈示装置は、例えば、ブザー音や音声により運転者への情報提供を行うスピーカ１０と、画像やテキストの表示により情報提供を行う表示ユニットとを備える。表示ユニットは、例えばナビゲーションシステム７の表示モニタを流用しても良い。

ナビゲーションシステム７は、ＧＰＳ受信機、地図データベース、および表示モニタ等を備えており、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７は、ＧＰＳ受信機から得られる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。

Ｇセンサ８は、車両に発生する前後加速度や横加速度を検出する。検出された加速度は、コントローラ１００に出力される。
前方車両検出装置９は、車両の進行方向前方に存在する他の車両その他の障害物を検出する。本実施形態では障害物までの距離を検出する。前方車両検出装置９は、例えばレーザ距離計からなる。検出された距離は車間距離、車間時間、相対速度などを求める情報としてコントローラ１００に出力される。

コントローラ１００は、ＣＰＵと、ＲＯＭおよびＲＡＭ等のＣＰＵ周辺部品とから構成される電子制御ユニットであり、情報提供の制御処理を行う情報提供部１００Ａを備える。コントローラ１００のうち情報提供部１００Ａは、アクセルペダル開度センサ１、ブレーキペダル操作量センサ２、操舵角センサ３等で検出される信号に基づいて運転者の運転特性を分析し、運転者の運転操作の乱雑さなどの運転不安定の度合を判定する。そして、運転の不安定の度合に応じて警報その他の情報を運転者に呈示して、運転者の注意を喚起する。

図２は、本実施形態の情報提供部１００Ａを含む車両用情報提供装置のシステム構成例を示す図である。
本実施形態の車両用情報提供装置は、図２に示すように、操舵角センサ３からの情報を走行状態データとする。また、情報呈示装置として、視覚情報呈示装置及び聴覚情報呈示装置を例示している。視覚情報呈示装置は、例えばメータディスプレイ６やナビゲーションシステム７の表示部である。聴覚情報呈示装置は例えばスピーカ１０である。
タイマー５０は、走行情報データの収集開始からの走行時間を得るために使用される。
ここで、後述の第２〜第４実施形態のシステムについても、図２に示すシステム構成例と同様な構成となっている。

次に、上記情報提供部１００Ａの処理を、図３を参照しつつ説明する。情報提供部１００Ａの処理は、予め設定された制御周期（例えば１００ｍｓｅｃ）で実施される。
情報提供部１００Ａは、まずステップＳ１０１０では、車両情報データとして以下のデータの取得する。すなわち、操舵角センサ３から、走行状態のデータとして操舵角を取得する。

次に、ステップＳ１０３０では、学習状況の判定を行う。本実施形態では、学習状況の判定にデータ収集開始からの走行時間を用いる。学習度合ＳＤを、収集したデータ数を使用して求めても良い。
具体的には、ステップＳ１０３０では、まず以下の式に基づき、学習度合ＳＤを算出する。
学習度合ＳＤ ＝ 走行時間（ｓ） ／ （時間的範囲 × 係数 ）
ここで、
走行時間：走行後の時間
時間的範囲：走行状態分布の時間的範囲（例えば２０００秒）
係数：収束時間に係わる係数（たとえば５とする）
である。

走行時間は、タイマー５０に基づき求める。
次に、ステップＳ１０３０では、算出した学習度合ＳＤから学習状況を判定する。
本実施形態では、学習度合ＳＤが「１」以上の場合には、学習状況が学習完了と判定する。一方、学習度合ＳＤが「１」未満の場合には、学習状況が学習未了と判定する。

次に、ステップＳ１０４０では、不安定度の算出方法を、ステップＳ１０３０で判定された学習状況に基づき判定する。具体的には、学習状況が学習完了と判定した場合（学習度合ＳＤ≧１）には、ステップＳ１０５０に移行する。一方、学習状況が学習未了と判定した場合（学習度合ＳＤ＜１）には、ステップＳ１０７０に移行する。
学習が完了したと判定されてステップＳ１０５０に移行すると、ステアリングエントロピー法によって、複数の運転走行状態分布を算出し、分布間の相違量（相対エントロピー）を算出する。その後ステップＳ１０６０に移行する。

具体的には、ステップＳ１０５０では、運転者がステアリング操作を行う際の操舵角信号に基づいて、運転者の現在の運転操作が普段の運転操作と比べてどう違うか、つまり普段の運転操作と比べて不安定な状態であるかを判定するための相違量を算出する。すなわち、ステップＳ１０５０では、運転操作の滑らかでない乱雑さを表す値として、相対エントロピー（特徴量、不安定度）を算出する。一般的に、運転者の注意が運転に集中していない状態では、操舵が行われない時間が運転に集中した正常運転時よりも長くなり、大きな操舵角の誤差が蓄積される。したがって、運転者の注意が運転に戻ったときの修正操舵量が大きくなる。本実施形態では、この特性を利用して相対エントロピーＲＨｐを算出する。具体的には、過去あるいは現在よりも前の長時間に蓄積された操舵誤差分布（走行状態分布）と、短時間取得された現在の運転者の操舵誤差分布（走行状態分布）つまり時間的範囲が異なる複数の走行状態分布をそれぞれ算出する。そして、普段の運転特性とみなるだけの長時間の操舵誤差分布を比較基準とし、その長時間の操舵誤差分布と、現在の短時間の操作誤差分布とから相対エントロピーＲＨｐを算出する。

ここで、相対エントロピーＲＨｐは、２つの操舵誤差分布の相違量（距離）を表す物理量であり、２つの操舵誤差分布の違いの度合、すなわち２つの操舵誤差分布がどれくらい離れているかを表す。算出した相対エントロピーの値により、過去の長時間の走行状態（普段の運転特性）に対する、現在の直近の走行状態の安定性を評価できる。
長時間に蓄積された操舵誤差分布、短時間取得された現在の運転者の操舵誤差分布、及びそれを使用した分布間の相違量（相対エントロピー）の算出例については、後述する。

次に、ステップＳ１０６０では、相違量に基づき不安定運転状態の判定を行う。
本実施形態のステップＳ１０６０では、ステップＳ１０５０で算出された相違量と予め設定した判定閾値と比較する。そして、相違量が判定閾値よりも大きい場合に、不安定運転状態と判定する。その後ステップＳ１１００に移行する。
一方、ステップＳ１０４０で学習未了と判定された場合は、ステップＳ１０７０に移行する。

ステップＳ１０７０では、現在の時間的範囲の短い操舵誤差分布を用いて、現在の特徴量（絶対エントロピー）を算出する。その後ステップＳ１０８０に移行する。なお、絶対エントロピーは、対象する走行状態分布で表される期待値である。
ステップＳ１０８０では、過去の運転の特徴量の読み込みを行う。過去の運転の特徴量は、過去に走行した際における最終値（絶対エントロピー）である。その後ステップＳ１０９０に移行する。

ステップＳ１０９０では、下記式のように、ステップＳ１０８０で読み込んだ過去の運転の特徴量Ｈｐ＿ｏｌｄに係数ｋを掛けた基準特徴量と、ステップＳ１０７０で算出した現在の特徴量Ｈｐ＿ｃｕｒｒｅｎｔを比較する。そして、現在の特徴量Ｈｐ＿ｃｕｒｒｅｎｔが、基準特徴量（Ｈｐ＿ｏｌｄ＊ｋ）よりも大きい場合に不安定状態と判定する。その後ステップＳ１１００に移行する。
Ｈｐ＿ｃｕｒｒｅｎｔ ／ Ｈｐ＿ｏｌｄ ＊ ｋ ＞ １
ここで、係数ｋは例えば１．５とする。

そしてステップＳ１１００では、ステップＳ１０６０又はステップＳ１０９０で不安定状態と判定された場合には、情報呈示の処理を行う。
情報呈示の例を図４に示す。すなわち、学習度合ＳＤが「１」以上の場合には、不安定状態と判定した場合には、図４（ａ）のように、警告表示を行うと共に「運転が乱れています。注意して運転しましょう」などと音声で警告の呈示を行う。

一方、学習度合ＳＤが「１」未満の場合で不安定状態と判定した場合には、推定精度が低い可能性があるので、「体調はいかがですか？引き続き安全運転でお願いします。」と多少和らげた表現で音声警告を実施する。
このように、学習度合ＳＤに応じて情報提供の内容を変更する。
次に、ステップＳ１１１０では、現在の特徴量（絶対エントロピー）の保存を行う。現在の特徴量（ステップＳ１０７０で算出した特徴量）は、次回のトリップ（走行）時の比較のために保存しておく。

その後処理を終了して復帰する。
次に、長時間に蓄積された操舵誤差分布（走行状態分布）、短時間取得された現在の運転者の操舵誤差分布（走行状態分布）、及びそれを使用した分布間の相違量（相対エントロピー）の算出処理の例について、図５を参照しつつ説明する。
本処理内容は、一定間隔、例えば５０ｍｓｅｃ毎に連続的に行われる。

ステップＳ１０では、相対エントロピーＲＨｐを算出可能な走行場面であるか否かを判断するために、自車両が走行している走行場面の推定（検出）を行う。ここでは、自車速Ｖが予め設定した車速範囲（例えば４０〜１２０ｋｍ／ｈ）内にある場合に、相対エントロピーＲＨｐを算出可能な走行場面とする。すなわち、操舵角信号を用いた効果的な相対エントロピーＲＨｐの算出を行うために、車速が極端に遅い場合および極端に速い場合を算出可能な走行場面から除外する。

ステップＳ２０では、車速センサ４で検出される現在の自車速Ｖが予め設定した車速範囲内にあるか否かを判定する。自車速Ｖが予め設定した車速範囲内にあり、相対エントロピーＲＨｐを算出可能な走行場面であると判定されると、相対エントロピーＲＨｐの算出を行うためにステップＳ３０へ進む。一方、自車速Ｖが所定範囲内にない場合は、この処理を終了する。

ステップＳ３０では、運転者の運転操作の不安定な状態を検出するための検出対象となる運転者の運転操作量として、舵角センサで検出される現在の操舵角信号θを読み込む。ステップＳ３１では、読み込んだ操舵角θの値から、操舵角予測誤差θｅを算出する。
ここで、図６に、相対エントロピーＲＨｐを算出するために用いる特殊記号とその名称を示す。操舵角円滑値θｎ−ｔｉｌｄｅは、量子化ノイズの影響を低減した操舵角である。操舵角の推定値θｎ−ｈａｔは、ステアリングが滑らかに操作されたと仮定してサンプリング時点における操舵角を推定した値である。操舵角推定値θｎ−ｈａｔは、以下の（式１）に示すように、操舵角円滑値θｎ−ｔｉｌｄｅに対して二次のテイラー展開を施して得られる。

（式１）において、ｔｎは操舵角θｎのサンプリング時刻である。
操舵角円滑値θｎ−ｔｉｌｄｅは、量子化ノイズの影響を低減するために、３個の隣接操舵角θｎの平均値として以下の（式２）から算出される。

（式２）において、ｌは、操舵角円滑値θｎ−ｔｉｌｄｅの算出時間間隔を１５０ｍｓｅｃ、すなわち手動操作において人間が断続的に操作可能な最小時間間隔とした場合に、１５０ｍｓｅｃ内に含まれる操舵角θｎのサンプル数を表す。
操舵角θｎのサンプリング間隔をＴｓとすると、サンプル数ｌは、以下の（式３）で表される。
ｌ＝ｒｏｕｎｄ（０．１５／Ｔｓ） ・・・（式３）

（式３）において、ｋ＝１，２，３の値をとり、（ｋ＊１）により１５０ｍｓｅｃ間隔の操舵角とそれに隣接する合計３個の操舵角θｎに基づいて、円滑値θｎ−ｔｉｌｄｅを求めることができる。したがって、このような円滑値θｎ−ｔｉｌｄｅに基づいて算出される推定値θｎ−ｈａｔは、実質的に１５０ｍｓｅｃ間隔で得られた操舵角θにより算出されたことになる。
サンプリング時点における操舵角予測誤差θｅは、ステアリング操作が滑らかに行われたと仮定した場合の操舵角推定値θｎ−ｈａｔと実際の操舵角θｎとの差として、以下の（式４）から算出できる。

ただし、操舵角予測誤差θｅは、人間が断続的に操作可能な最小時間間隔、１５０ｍｓｅｃごとの操舵角θｎに対してのみ算出するものとする。
以下に、操舵角予測誤差θｅの具体的な算出方法を説明する。なお、操舵角信号θのサンプリング間隔Ｔｓは、例えば５０ｍｓｅｃとする。まず、１５０ｍｓｅｃ間隔の隣接する３個の操舵角θｎを用いて、上記（式２）から３個の操舵角円滑値θｎ−ｔｉｌｄｅを算出する。３個の操舵角円滑値θｎ−ｔｉｌｄｅは、以下の（式５）で表される。

次に、算出した３個の操舵角円滑値θｎ−ｔｉｌｄｅを用いて、上記（式１）から操舵角の推定値θｎ−ｈａｔを算出する。推定値θｎ−ｈａｔは、以下の（式６）で表される。

そして、算出した操舵角推定値θｎ−ｈａｔと実際の操舵角信号θｎとを用いて、上記（式４）から操舵誤差θｅを算出する。
続くステップＳ４０では、現時点までに算出され、コントローラ１００のメモリ内に蓄積されていた所定時間Ｔ秒間の操舵角予測誤差θｅのデータを、ステップＳ３１で算出した操舵角予測誤差θｅの現在値を加えて更新する。すなわち、蓄積されている操舵角予測誤差θｅのデータのうち最も古いＴ秒前のデータを捨てて、代わりに最新の操舵角予測誤差θｅのデータとして、ステップＳ３１で算出した現在値を入力する。これにより、現在値からＴ秒前までの操舵角予測誤差θｅのデータが蓄積されることになる。なお、所定時間Ｔは、現在の運転操作の不安定な状態を判定するための比較基準となる長時間の誤差分布を算出するために十分な長期間のデータを蓄えられるように、例えばＴ＝３６００秒（＝１時間）程度に設定する。

ステップＳ５０では、操舵予測誤差分布の比較基準となる、過去あるいは長時間の操舵角予測誤差分布１を算出する。ここでは、図７に示すように、例えばＴ秒前のデータから１８０秒分のデータを使って過去の操舵角予測誤差分布を算出する。具体的には、蓄積された過去の操舵角予測誤差θｅを、９つの予測誤差区分ｂ１〜ｂ９に分類し、各区分ｂｉに含まれる操舵角予測誤差θｅの度数の全度数に対する確率ｐｉ（＝ｐ１〜ｐ９）を求める。そして、算出した過去の分布を操舵予測誤差分布の比較基準として利用する。なお、予測誤差区分ｂｉの範囲は、全区分ｂ１〜ｂ９で一定となるように予め設定しておく。

長時間の操舵角予測誤差分布を算出する場合は、Ｔ秒前から現在までの３６００秒分の全てのデータを用いる。具体的には、蓄積された長時間の操舵角予測誤差θｅを、９つの予測誤差区分ｂ１〜ｂ９に分類し、各区分ｂｉに含まれる操舵角予測誤差θｅの度数の全度数に対する確率ｐｉ（＝ｐ１〜ｐ９）を求める。算出した過去の分布（または長時間の分布）を比較基準となる過去（または長時間）の操舵角予測誤差分布１とする。

ステップＳ５１では、現在の操舵角予測誤差分布２を算出する。ここでは、図７に示すように現在から直近の１８０秒分のデータを使って現在の操舵角予測誤差分布２を算出する。具体的には、直近の１８０秒分の操舵角予測誤差θｅのデータを、９つの予測誤差区分ｂ１〜ｂ９に分類し、各区分ｂｉに含まれる操舵角予測誤差θｅの度数の全度数に対する確率ｑｉ（＝ｑ１〜ｑ９）を求める。

ステップＳ７０では、過去（または長時間）の操舵角予測誤差分布１および現在の操舵角予測誤差分布２を用いて、相対エントロピーＲＨｐを求める。図８に示すように相対エントロピーＲＨｐは、比較基準である過去（または長時間）の操舵角予測誤差分布１に対する現在の操舵角予測誤差分布２の相違量（距離）である。相対エントロピーＲＨｐは、以下の算出式（式７）から算出することができる。

相対エントロピーＲＨｐは、過去（または長時間）の操舵角予測誤差分布１の確率ｐｉと現在の操舵角予測誤差分布２の確率ｑｉが等しい場合にＲＨｐ＝０となり、これらの確率ｐｉとｑｉがずれるほどＲＨｐの値が大きくなる。
そして今回の処理を終了する。以上の処理を繰り返し実施する。

なお、過去（または長時間）の操舵角予測誤差分布１および現在の操舵角予測誤差分布２を算出するための予測誤差区分ｂｉの範囲を、操舵誤差分布のあいまいさ（不確実性）を表すステアリングエントロピー値Ｈｐを算出する際に用いるα値に基づいて設定することもできる。ここで、α値は、操舵角の時系列データに基づいて一定時間内の操舵誤差、すなわちステアリングが滑らかに操作されたと仮定した場合の操舵角の推定値と実際の操舵角との差を求め、操舵誤差の分布（ばらつき）を測定して９０パーセントタイル値（操舵誤差の９０％が含まれる分布の範囲）を算出したものである。

そこで、過去あるいは長時間の操舵角誤差分布に基づいてα値を算出し、算出したα値から、過去（または長時間）の操舵角予測誤差分布１および現在の操舵角予測誤差分布２について同じ予測誤差区分ｂｉの範囲を設定する。図９に、α値を用いて設定される各区分ｂｉの操舵角予測誤差θｅの範囲を示す。

（動作その他）
データ収集を始めてからの走行時間に基づき学習状況が学習完了（運転者の普段の運転特性が取得できた）と見なせる場合には、ステップＳ１０５０及びＳ１０６０の処理によって、ステアリングエントロピー法を用いた不安定度の算出が実施される。
このとき、算出された複数の走行状態分布の間の相違量を算出し、相違量の大きさから不安定運転状態を判定する。これにより、交通環境の違いによらず不安定な走行状態を精度よく検出することが可能となる。すなわち、交通環境の違いによらず、個人の普段の特性に適応して、不安定な状態を精度よく検出することができる。

またこのとき、複数の走行状態分布として、時間的範囲の異なる複数の走行状態分布を算出する。例えば、過去の走行状態データを含む走行状態分布と、直近の走行状態データからなる走行状態分布とを算出し、過去の走行状態分布を基準として直近の走行状態分布の相違量を直接算出する。この結果、基準となるデータも連続的に更新しつつ、直近の状態の安定性を評価することが可能となる。このように、交通環境の違いによらず不安定な走行状態を精度よく検出することが可能となる。

一方、学習状況が学習未了（ＳＤ＜１）と判定されたときには、単一の走行状態分布の大きさと過去の走行データと比較して、不安定運転判断を実施する（ステップＳ１０７０〜Ｓ１０９０）。すなわち、学習未完時に別の不安定度算出の処理を用いることで、運転者の走行状態分布が未知のときにでも注意喚起が可能となる。

ここで、上記実施形態では、走行時間によって学習度合ＳＤを求め、その学習度合ＳＤから、走行状態分布が運転者の運転特性と合致していると推定できるかどうかを推定して、学習完了か否かを判定している。上記走行状態分布が運転者の運転特性と合致していると推定するための学習度合ＳＤを走行状態分布の特徴量である相対エントロピーの変動から、学習度合ＳＤを求めても良い。例えば、長時間用の走行状態分布の特徴量の変化量が予め設定した値以下になったときに、学習度合ＳＤとして学習完了を表す値に設定する。

ここで、ステップＳ１０１０は走行状態取得部を構成する。ステップＳ１０５０は、第１走行状態分布算出部及び第１運転不安定判定部を構成する。ステップＳ１０３０は学習状況判定部を構成する。Ｓ１０７０，Ｓ１０８０は、第２運転不安定判定部を構成する。Ｓ１０４０は、不安定度選択部を構成する。Ｓ１１００は情報呈示部を構成する。

（本実施形態の効果）
（１）走行状態取得部は、運転者の運転操作、及び車両状態の少なくとも一方からなる走行状態データを取得する。第１走行状態分布算出部は、上記走行状態取得部が取得した走行状態データに基づき、時間的範囲の異なる複数の走行状態分布を算出する。第１運転不安定判定部は、上記第１走行状態分布算出部が算出した複数の走行状態分布の分布間の相違量に基づき、運転の不安定度を推定する。学習状況判定部は、上記第１走行状態分布算出部が算出した走行状態分布が運転者の運転特性と合致している度合である学習度合ＳＤを求める。第２運転不安定判定部は、第１運転不安定判定部での推定処理とは異なる処理で、運転の不安定度を推定する。不安定度選択部は、学習状況判定部が求める学習度合ＳＤに応じて、第１運転不安定判定部が推定する不安定度、または第２運転不安定判定部が推定する不安定度のいずれかを選択する。情報呈示部は、上記不安定度選択部が選択した不安定度に基づく不安定情報を運転者に情報呈示する。
学習未完時に別の不安定度算出部を用いることで、運転者の走行状態分布が未知のときにでも注意喚起が可能となる。

（２）上記第２運転不安定判定部は、走行状態取得部が取得した走行状態データの情報、及び車両の運転場面情報の少なくとも１つ情報に基づいて運転の不安定度を推定する。
車両挙動データその他の走行状態データ、運転場面判定の結果を使うことで精度良く運転者状態を検出可能となる。
（３）上記第２運転不安定判定部は、上記走行状態取得部が取得した走行状態データに基づき算出した走行状態分布の一つを使用して運転の不安定度を推定する。
運転者の走行状態分布を使うことで、統計的な処理が可能となり精度が向上する。

（４）上記不安定度選択部が第２運転不安定判定部が推定する不安定度を選択する場合、上記第２運転不安定判定部が推定する不安定度が予め設定した判定閾値を越えると不安定と判定する。
これによって、運転の不安定状態の判定が簡易に実施可能となる。
（５）上記判定閾値は、過去の走行履歴のデータに基づき設定する。
過去の走行トリップ履歴を用いることで、検出精度が向上する。

（６）上記第２運転不安定判定部は、過去の走行履歴のデータを保存する履歴保存部を有し、その履歴保存部が保存した過去の履歴の傾向を参照して不安定状態を判定する。
過去の履歴から判定することで、検出性能が向上する。
（７）上記学習状況判定部は、走行時間から学習度合ＳＤを判定する。
学習状況を走行時間から判定することで、誤判定することが少なくなる。

（８）上記学習状況判定部は、単一の走行状態分布の特徴量の変動から判定する。
学習状況を走行分布の特徴量の変動で見ることで、学習完了時の判定を早めに判定することができる。
（９）上記相違量は、ステアリング操作の操作量から算出する。
連続操作が要求されるステアリング操作から検出することで、運転者状態を精度よく検出できる。

（１０）上記ステアリング操作の操作量からの算出は、ステアリングエントロピー法を用いる。
ステアリングエントロピー法を用いることで、検出性能の向上が期待できる
（１１）学習状況判定部が求める学習度合ＳＤに応じて、不安定情報の情報呈示内容を変更する。
学習状況の判定結果に応じて、情報提供を変える事で、運転者への受容性が向上する。

「第２実施形態」
次に、第２実施形態について図面を参照しつつ説明する。なお、上記第１実施形態と同様な構成については同一の符号を付して説明する。
本実施形態の基本構成は、上記第１実施形態と同様である。ただし、学習状況が学習未了と判定したときの、別の不安定度算出の処理が異なる。
本実施形態では、別の不安定度算出の処理を、単一の走行状態分布の大きさと、一般運転者の分布から算出した値とを比較して不安定運転判断を行うことで実施する。

本実施形態の情報提供部１００Ａの処理を、図１０のフローを参照して説明する。
ここで、ステップＳ２０１０〜Ｓ２０７０の処理は、第１実施形態の処理であるステップＳ１０１０〜Ｓ１０７０の処理と同じである。また、ステップＳ２１００、Ｓ２１１０の処理はステップＳ１１００，Ｓ１１１０の処理と同じである。このため、これらの処理の説明を省略する。

次にステップＳ２０８０の処理について説明する。
本実施形態のステップＳ２０８０では、記憶部に予め記憶されている一般運転者の特徴量を読みこみを行う。
一般運転者の特徴量は、予め複数の運転者から取得した特徴量を統計処理（例えば平均）を実施して求めた値である。この一般運転者の特徴量は、無線通信などによって適宜アップデートしても良い。

その他の処理は、上記第１実施形態と同様である。
ここで、ステップＳ２０１０は走行状態取得部を構成する。ステップＳ２０５０は、第１走行状態分布算出部及び第１運転不安定判定部を構成する。ステップＳ２０３０は学習状況判定部を構成する。Ｓ２０７０，Ｓ２０８０は、第２運転不安定判定部を構成する。Ｓ２０４０は、不安定度選択部を構成する。Ｓ２１００は情報呈示部を構成する。

（作用効果）
本実施形態では、第１実施形態で説明した効果に加え、次の効果を奏する。
（１）上記判定閾値は、複数の運転者から取得した走行状態分布の特性から求める。
一般運転者などの基準となる分布を用いることで、運転者の不安定状態を明確にでき、検出性能が向上する。

「第３実施形態」
次に、第３実施形態について図面を参照しつつ説明する。なお、上記第１実施形態と同様な構成については同一の符号を付して説明する。
本実施形態の基本構成は、上記第１実施形態と同様である。ただし、第３実施形態では、学習状況が学習未了と判定したときの、別の不安定度算出の処理を、単一分布の特徴量履歴から判定する。

本実施形態の情報提供部１００Ａの処理を、図１１のフローを参照して説明する。
ステップＳ３０１０〜Ｓ３０７０の処理は、第１実施形態の処理であるステップＳ１０１０〜Ｓ１０７０の処理と同じである。また、ステップＳ３１００の処理はステップＳ１１００の処理と同じである。このため、これらの処理の説明を省略する。なお、本実施形態では特徴量の保存が不要であるので、ステップＳ１１１０の処理が省略されている。

次に、本実施形態におけるステップＳ３０８０、Ｓ３０９０の処理について説明する。
本実施形態のステップＳ３０８０では、ステップＳ３０７０で算出された不安定度を、一定間隔で過去数〜１０個保存し、その傾向を判定するために、ばらつき、増減、絶対値を算出する。
上記ばらつきは、過去の不安定度のばらつき（標準偏差）とする。
上記増減は、もっとも古い不安定度と最新の不安定度の比較とする。
上記絶対値は、最新の不安定度の絶対値とする。

次に、ステップＳ３０９０では、ステップＳ３０８０で算出した過去の履歴データの判定を行う。
例えば、上述の３つの項目（ばらつき、増減、絶対値）のうち、ばらつき：大、増減：大、絶対値：大の場合に不安定運転と判定する。この３つの項目の一部だけを満足する場合でも、例えばいずれかの項目の条件を満足する場合でも、不安定運転と判定しても良い。

ここで、バラツキが予め設定したバラツキ用閾値よりも大きい場合に、ばらつき：大と判定する。また、増減の絶対値が予め設定した増減用閾値よりも大きい場合に、増減：大と判定する。また、絶対値が予め設定した絶対値用閾値よりも大きい場合に、絶対値：大と判定する。
その他の処理は、上記第１実施形態と同様である。

ここで、ステップＳ３０１０は走行状態取得部を構成する。ステップＳ３０５０は、第１走行状態分布算出部及び第１運転不安定判定部を構成する。ステップＳ３０３０は学習状況判定部を構成する。Ｓ３０７０，Ｓ３０８０は、第２運転不安定判定部を構成する。Ｓ３０４０は、不安定度選択部を構成する。Ｓ３１００は情報呈示部を構成する。

（作用効果）
以上のように、本実施形態では、単一の走行状態分布の特徴量（エントロピー）を適宜保存し、その傾向（増減と絶対値）で不安定運転判断をする。
本実施形態は、上記第１実施形態で説明した効果を奏する他、次の効果を奏する。
（１）すなわち、上記第２運転不安定判定部は、上記走行状態取得部が取得した走行状態データに基づき算出した走行状態分布の一つを使用して運転の不安定度を推定する。
運転者の走行状態分布を使うことで、統計的な処理が可能となり精度が向上する。

「第４実施形態」
次に、第４実施形態について図面を参照しつつ説明する。なお、上記第１実施形態と同様な構成については同一の符号を付して説明する。
本実施形態の基本構成は、上記第１実施形態と同様である。ただし、第４実施形態では、学習状況が学習未了と判定したときの、別の不安定度算出の処理を、時間的範囲の異なる相対エントロピーから実施する。

本実施形態の情報提供部１００Ａの処理を、図１２のフローを参照して説明する。
ステップＳ４０１０〜Ｓ４０６０の処理は、第１実施形態の処理であるステップＳ１０１０〜Ｓ１０６０の処理と同じである。また、ステップＳ４１００の処理はステップＳ１１００の処理と同じである。このため、これらの処理の説明は省略する。なお、本実施形態では特徴量の保存が不要であるので、ステップＳ１１１０の処理が省略されている。

次に、ステップＳ４０７０〜Ｓ４０９０の処理について説明する。
ここでステップＳ４０３０では、上述のように学習状況判定を行う。
学習状況の判定は、上述のように走行時間を用いる。学習度合ＳＤは、例えば以下式に基づき算出する。
学習度合ＳＤ ＝ 走行時間（ｓ）／（時間的範囲×係数 ）
ここで、
走行時間 ： 走行後の時間
時間的範囲： 走行状態分布の時間的範囲（例えば２０００秒）
係数 ： 収束時間に係る係数（たとえば５）

そして、ステップＳ４０７０では、２つの操舵誤差分布（走行状態分布）を求める時間的範囲を、ステップＳ４０３０で求めた学習度合ＳＤに応じて設定する。本実施形態では、２つの走行状態分布は、長い走行時間分布と短い時間分布とする。長い走行時間分布の時間的範囲を以下のように学習度合ＳＤに応じた時間範囲とする。なお、短い走行状態分布は、前述のようにして求める。

長い時走行時間分布の時間的範囲 ＝ 学習度合ＳＤ × 学習係数
ここで
学習度合ＳＤ： ステップＳ４０３０で算出された値（０〜１）
学習係数：学習時間や学習時間に予め設定した係数（＜１）を乗算した値に設定する。
である。
学習係数は、例えば学習時間（走行時間）に対して、予め設定した１以下の常数を乗算して求める。

次に、ステップＳ４０８０では、第２の分布相違量を算出する。算出方法は、ステップＳ４０５０（ステップＳ１０５０）と同様の方法で算出する。ただし、第１の分布相違量を算出する走行状態分布とは、時間的範囲が異なる。第２の走行状態分布の時間的範囲は、第１の走行状態分布の時間的範囲よりも短くなる。

第１の走行状態分布の時間的な範囲をそれぞれＴｗ＿ｓ１、Ｔｗ＿ｌ１とし、第２の走行状態分布の時間的範囲をＴｗ＿ｓ２、Ｔｗ＿ｌ１とした場合、たとえば以下のように設定する。
Ｔｗ＿ｓ１： ６０（ｓ）
Ｔｗ＿ｌ１： ２０００（ｓ）
Ｔｗ＿ｓ２： ２０（ｓ）
Ｔｗ＿ｌ２： ６００（ｓ）
これらに基づき、ステップＳ４０８０において、２つの走行状態分布の作成し、それらの相違量を算出する。

ステップＳ４０９０では、ステップＳ４０８０で算出した相違量（特徴量）に基づき不安定運転状態の判定を行う。本実施形態のステップＳ４０９０では、ステップＳ４０８０で算出された相違量と予め設定した判定閾値と比較する。そして、相違量が判定閾値よりも大きい場合に、不安定運転状態と判定する。その後ステップＳ４１００に移行する。
ここで、ステップＳ４０１０は走行状態取得部を構成する。ステップＳ４０５０は、第１走行状態分布算出部及び第１運転不安定判定部を構成する。ステップＳ４０３０は学習状況判定部を構成する。Ｓ４０７０〜Ｓ４０９０は、第２運転不安定判定部を構成する。Ｓ４０７０は、第２走行状態分布算出部及び第２運転不安定判定部を構成する。Ｓ４０４０は、不安定度選択部を構成する。Ｓ４１００は情報呈示部を構成する。

（作用効果）
本実施形態では、学習が未了の場合、時間的範囲の異なる２つの相対エントロピーを算出し、そのうちの一方の相対エントロピーの時間的範囲を、学習状況に応じて変更する。
本実施形態では、第１実施形態の効果に加え次の効果を奏する。
（１）上記第２運転不安定判定部は、上記第１走行状態分布算出部とは異なる時間的範囲における複数の走行状態分布を算出する第２走行状態分布算出部と、上記第２走行状態分布算出部が算出した複数の走行状態分布の分布間の相違量に基づき、運転の不安定度を推定する第２運転不安定判定部と、を備える。
２つの相違量を算出することで、学習未了から学習完了に移行する際の運転者に呈示する情報の変化をより滑らかに設定することが可能となる、例えば、学習未了から学習完了に移行する際の注意喚起の変更をより滑らかにすることが可能となる

「第５実施形態」
次に、第５実施形態について図面を参照しつつ説明する。なお、上記第１実施形態と同様な構成については同一の符号を付して説明する。
本実施形態の基本構成は、上記第１実施形態と同様である。ただし、第５実施形態では、学習状況が学習未了と判定したときの、別の不安定度算出の処理を、２つの単一分布の特徴量（相対エントロピー）から判定する。
本実施形態のシステム構成を図１３に示す。図１３に示すように、情報提供部１００Ａに対して、操舵角センサ３から、タイマー５０からの出力の他に、ブレーキペダル操作センサ、障害物検出装置からの出力値も入力される。

本実施形態の情報提供部１００Ａの処理を、図１４のフローを参照して説明する。
情報提供部１００Ａは、まずステップＳ５０１０で、車両情報データとして以下のデータの取得を行う。
運転者の操作情報として、操舵角センサ３、及びブレーキペダル操作量センサ２の出力に基づき、操舵角及びブレーキペダル操作量を取得する。
また、車両状態の情報として、車速センサ４、Ｇセンサ８、前方車両検出装置９の各出力に基づき、自車両の車速、前後Ｇ、横Ｇ、前方障害物に対する相対速度、車間距離を取得する。
ステップＳ５０３０では、ステップＳ１０５０と同様な処理によって、学習状況判定を行う。

ステップＳ５０４０では、ステップＳ１０４０と同様な処理によって、学習度合ＳＤに基づき学習状況が学習完了か否かを判定する。学習状況が学習完了と判定した場合にはステップＳ５０５０に移行する。一方、学習状況が学習未了と判定した場合には、ステップＳ５０８０及びＳ５１００に移行する。
ステップＳ５０５０、Ｓ５０６０では、ステップＳ１０５０及びＳ１０６０と同様な処理を行う。すなわち、ステップＳ５０５０では、分布間の相違量を算出する。ステップＳ５０６０では、算出した相違量と予め設定した判定閾値とを比較して不安定運転状態か否かを判定する。

ステップＳ５０７０では、ステップＳ５０６０の判定に基づき、不安定運転状態と判定された場合には、情報呈示の処理を行う。
一方、ステップＳ５０８０では、操舵角を用いてステアリングエントロピーの計算を行う。このステップＳ５０８０では、単一の走行状態分布から不安定量である絶対エントロピー（特徴量）を算出する。その後ステップＳ５０９０に移行する。

ステップＳ５０９０では、ステップＳ２０８０と同様な処理を行い、記憶部に予め記憶されている一般運転者の特徴量を読み込む。その後ステップＳ５１２０に移行する。
また、ステップＳ５１００では、ブレーキオン時のＴＴＣ（衝突余裕時間）の大きさから不安定量である絶対エントロピー（特徴量）を算出する。その後ステップＳ５１１０に移行する。ここで、衝突余裕時間ＴＴＣは、衝突余裕時間算出時における走行状態を自車両が維持して走行したときに障害物に衝突するまでの時間を示すものである。

ここで、運転者の状態が不安定な場合は、ブレーキ操作のタイミングが遅くなることが一般的に知られている。したがって、ブレーキ操作のタイミングを評価することで不安定状態を判定可能である。ブレーキ操作のタイミングは、一般的なブレーキ操作の統計的なデータを使って、正規化して用いる。
たとえば、ブレーキ操作回数がＮ回あり、それぞれのブレーキオン時のＴＴＣは、ＴＴＣ１，ＴＴＣ２・・とする。一般的なブレーキ操作タイミングの平均値がμ、標準偏差がσとすると、それぞれのブレーキ操作の正規化された値Ｓｔｄは以下のように示される。
Ｓｔｄ１ ＝ （μ−ＴＴＣ１）／σ
Ｓｔｄ２ ＝ （μ−ＴＴＣ２）／σ
Ｓｔｄ３ ＝ （μ−ＴＴＣ３）／σ
・・・
Ｓｔｄｎ ＝ （μ−ＴＴＣｎ）／σ
そして、Ｓｔｄの平均値（Σｓｔｄｎ（：ｎは１〜ｎ））／Ｎを不安定度とする。

ステップＳ５１１０では、一般的に許容できるＴＴＣの平均値（予め記憶部に設定した値）の読み込みをする。この値は、例えば２〜３の間の値に設定する。
次に、ステップＳ５１２０では、ステップＳ５０８０，Ｓ５０９０の処理に基づく特徴量による第１の単一分布不安定度と、ステップＳ５１００，Ｓ５１１０の処理に基づく特徴量による第２の単一分布の不安定度のうち、いずれかひとつでも下記を満たしていれば不安定と判定する。なお、下記式を満足する場合を不安定と判定する。
Ｓ５０８０で算出した不安定量 ＞ Ｓ５０９０で読み込んだ一般的な特徴量
Ｓ５１００で算出した不安定量 ＞ Ｓ５１１０で読み込んだ一般的な特徴量

ここで、本実施形態のステップＳ５０８０とステップＳ５１００では、それぞれステアリングエントロピーと、ブレーキオン時のＴＴＣから不安定度の算出を行う場合を例示している。これに代えて、運転者の運転操作、及びその運転操作による車両挙動の指標（他、横Ｇ、前後Ｇの頻度分布）であれば、どの指標を使うことも可能である。

ステップＳ５１３０では、ステップＳ５１２０で運転不安定と判定した場合には、情報呈示の処理を行う。
その他の構成は、上記第１実施形態と同様である。
ここで、ステップＳ５０１０は走行状態取得部を構成する。ステップＳ５０５０は、第１走行状態分布算出部及び第１運転不安定判定部を構成する。ステップＳ５０３０は学習状況判定部を構成する。Ｓ５０８０〜Ｓ５１２０は、第２運転不安定判定部を構成する。Ｓ５０４０は、不安定度選択部を構成する。Ｓ５０７０，Ｓ５１３０は情報呈示部を構成する。

（作用効果）
本実施形態では、ステアリングエントロピーによる判定のほか、別の指標（右左折時の横Ｇなど）を考慮して不安定度を判定する。すなわち、単一の走行状態分布を２種類（それぞれ別の指標から算出したもの）有し、そのいずれかひとつが不安定と判定したら、不安定運転と判断する。

本実施形態では、上記第１実施形態の効果に加え、次の効果を奏する。
（１）上記第２運転不安定判定部は、複数種類の走行状態データから得られる複数の走行状態分布の各特徴量から、運転の不安定度を推定する。
特定の信号のみならず、複数の信号から運転者状態を検出することで、検出性能が向上する。
（２）上記第２運転不安定判定部は、衝突余裕時間（ＴＴＣ）を用いて運転の不安定度を推定する。
衝突余裕時間を使うことで、減速操作の状態を正確に検出することができる。

「第６実施形態」
次に、第６実施形態について図面を参照しつつ説明する。なお、上記第１実施形態と同様な構成については同一の符号を付して説明する。
本実施形態の基本構成は、上記第１実施形態と同様である。ただし、第６実施形態では、学習状況が学習未了と判定したときの、別の不安定度算出の処理を、特定の運転場面に対して特徴量を算出して判定する。
図１５は、本実施形態に係るシステム構成図を示す図である。本実施形態では、特定の運転場面を検出するために、ウインカ指示信号やナビゲーションを介して交差点情報を取得している。

本実施形態の情報提供部１００Ａの処理を、図１６のフローを参照して説明する。
ステップＳ６０１０では、運転者の運転操作、及びその運転操作による車両状態の情報である車両情報データとして以下のデータの取得を行う。
運転者の操作情報として、操舵角、アクセルペダル開度、ブレーキペダル操作量、ウインカ指示信号を取得する。ウインカ指示信号は、運転場面の検出情報として使用される。
車両状態の情報として、車速、前後Ｇ、横Ｇを検出する。

また、ステップＳ６０３０では、交通環境情報として、ナビゲーションシステム７を介して、交差点情報を取得する。
次に、ステップＳ６０３０では、ステップＳ１０３０と同様な処理によって、学習状況判定を行う。
ステップＳ６０４０では、ステップＳ１０４０と同様な処理によって、学習度合ＳＤに基づき学習状況が学習完了か否かを判定する。学習状況が学習完了と判定した場合にはステップＳ６０５０に移行する。学習状況が学習未了と判定した場合にはステップＳ６０７０に移行する。

ステップＳ６０５０では、ステップＳ１０５０と同様な処理によって、分布間の相違量を算出する。ステップＳ６０６０では、ステップＳ１０６０と同様な処理によって、相違量に基づき不安定運転状態の判定を行う。その後ステップＳ６１００に移行する。
一方、ステップＳ６０７０では、運転場面（交通環境）の判定を行う。運転場面は、交差点右左折場面や先行車接近場面など考えられるが、ここでは交差点右左折場面における判定を例に説明する。
交差点右左折場面か否かは、ナビゲーションの地図から交差点を判定する方法や、ウインカと車両挙動による交差点か否かの判定処理を利用すればよい。

ステップＳ６０８０では、特徴量の算出を行う。ステップＳ６０８０における特徴量の算出は、第５実施形態のステップＳ５１００と同等の方法を用いる。すなわち、ステップＳ５１００に記載の処理を、ブレーキ操作の代わりに横Ｇの大きさを適用して特徴量を算出する。
ステップＳ６０９０では、ステップＳ６０８０で算出した特徴量と予め設定した判定閾値とを比較して、上記特徴量が判定閾値よりも大きい場合には、不安定運転状態と判定する。

この判定閾値を、検出した運転場面によって変更する。例えば、検出した運転場面が 交差点右左折場面と判定した場合には、その他の運転場面に比べて判定閾値を低く設定する。
ステップＳ６１００では、ステップＳ１１００と同様に、ステップＳ６０６０又はステップＳ６０９０で運転不安定と判定した場合には、情報呈示の処理を行う。

ここで、運転場面として交差点右左折場面を例示したが、先行車接近場面などであっても良い。このばあいには、ステップＳ６０７０で先行車近接場面か否かを検出する。例えば先行車との距離が予め設定した距離以下の場合に、先行車近接場面とする。ステップＳ６０８０ではステップＳ５１００と同様な処理を実施する。ステップＳ６０９０では、先行車近接場面と判定すると、その他の運転場面に比べて判定閾値を低く設定する。

ここで、ステップＳ６０１０、Ｓ６０２０は走行状態取得部を構成する。ステップＳ６０５０は、第１走行状態分布算出部及び第１運転不安定判定部を構成する。ステップＳ６０３０は学習状況判定部を構成する。Ｓ６０７０〜Ｓ６０９０は、第２運転不安定判定部を構成する。Ｓ６０４０は、不安定度選択部を構成する。Ｓ６１００は情報呈示部を構成する。

（作用効果）
本実施形態では、運転場面の判定を行い、特定の運転場面に対して特徴量を算出する。そして、その特定の運転場面（交差点における右左折や、先行車に対する減速場面）の特徴量から、不安定状態と判定する。
本実施形態は、上記第１実施形態の効果に加え次の効果を奏する。
（１）上記第２運転不安定判定部は、特定の運転場面を検出する運転場面検出部を有し、運転場面検出部が検出した特定の運転場面の運転行動データによって不安定度を推定する。
運転場面を特定することで、不安定状態時にあらわれる小さな運転行動変化を捉えやすくなる。

（２）上記特定の運転場面として交差点における右左折時を検出し、そのときの運転特性から不安定度を推定する。
交差点の右左折の運転特性で、運転者の状態を正確に検出することができる。
（３）上記右左折時の運転特性は、横Ｇの大きさを用いる。
横Ｇを使うことで、交差点での行動の状態を正確に検出することができる。

（４）上記特定の運転場面として先行車接近場面を検出し、そのときの減速操作の運転特性から不安定度を推定する。
先行車接近場面の減速操作特性で検出することで、運転者の状態を正確に検出することができる。
（５）上記減速操作の運転特性は、ブレーキオン時のＴＴＣ（衝突余裕時間）の大きさを用いる。
衝突余裕時間を用いることで、先行車接近場面における運転者の状態を正確に検出することができる。

ＳＤ 学習度合
ＴＴＣ 衝突余裕時間
１ アクセルペダル開度センサ
２ ブレーキペダル操作量センサ
３ 操舵角センサ
４ 車速センサ
５ ウインカ検出センサ
６ メータディスプレイ
７ ナビゲーションシステム
８ Ｇセンサ
９ 前方車両検出装置
１０ スピーカ
５０ タイマー
１００ コントローラ
１００Ａ 情報提供部

Claims (20)

1. 運転者の運転操作及び車両状態の少なくとも一方からなる走行状態データを取得する走行状態取得部と、
   上記走行状態取得部が取得した走行状態データに基づき、時間的範囲の異なる複数の走行状態分布を算出する第１走行状態分布算出部と、
   上記第１走行状態分布算出部が算出した複数の走行状態分布の分布間の相違量に基づき、運転の不安定度を推定する第１運転不安定判定部と、
   上記第１走行状態分布算出部が算出した走行状態分布が運転者の運転特性と合致している度合である学習度合を求める学習状況判定部と、
   第１運転不安定判定部での推定処理とは異なる処理で、運転の不安定度を推定する第２運転不安定判定部と、
   学習状況判定部が求める学習度合に応じて、第１運転不安定判定部が推定する不安定度、または第２運転不安定判定部が推定する不安定度のいずれかを選択する不安定度選択部と、
   上記不安定度選択部が選択した不安定度に基づく不安定情報を運転者に情報呈示する情報呈示部と、
   を備えることを特徴とする車両用情報提供装置。
2. 上記第２運転不安定判定部は、走行状態取得部が取得した走行状態データの情報、及び車両の運転場面情報の少なくとも１つ情報に基づいて運転の不安定度を推定することを特徴とする請求項１に記載した車両用情報提供装置。
3. 上記第２運転不安定判定部は、上記走行状態取得部が取得した走行状態データに基づき算出した走行状態分布の一つを使用して運転の不安定度を推定することを特徴とする請求項２に記載した車両用情報提供装置。
4. 上記不安定度選択部が第２運転不安定判定部が推定する不安定度を選択する場合、 上記第２運転不安定判定部が推定する不安定度が予め設定した判定閾値を越えると不安定と判定することを特徴とする請求項１〜請求項３のいずれか１項に記載した車両用情報提供装置。
5. 上記判定閾値は、過去の走行履歴のデータに基づき設定することを特徴とする請求項４に記載した車両用情報提供装置。
6. 上記判定閾値は、複数の運転者から取得した走行状態分布の特性から求めることを特徴とする請求項４に記載した車両用情報提供装置。
7. 上記第２運転不安定判定部は、過去の走行履歴のデータを保存する履歴保存部を有し、その履歴保存部が保存した過去の履歴の傾向を参照して不安定状態を判定することを特徴とする請求項２〜請求項６のいずれか１項に記載した車両用情報提供装置。
8. 上記第２運転不安定判定部は、複数種類の走行状態データから得られる複数の走行状態分布の各特徴量から、運転の不安定度を推定することを特徴とする請求項２〜請求項７のいずれか１項に記載した車両用情報提供装置。
9. 上記第２運転不安定判定部は、特定の運転場面を検出する運転場面検出部を有し、運転場面検出部が検出した特定の運転場面での走行状態データによって不安定度を推定することを特徴とする請求項２〜請求項８のいずれか１項に記載した車両用情報提供装置。
10. 上記第２運転不安定判定部は、
    上記第１走行状態分布算出部とは異なる時間的範囲における複数の走行状態分布を算出する第２走行状態分布算出部と、
    上記第２走行状態分布算出部が算出した複数の走行状態分布の分布間の相違量に基づき、運転の不安定度を推定する第２運転不安定判定部と、
    を備えることを特徴とする請求項１に記載した車両用情報提供装置。
11. 上記学習状況判定部は、走行時間から学習度合を判定することを特徴とする請求項１〜請求項１０のいずれか１項に記載した車両用情報提供装置。
12. 上記学習状況判定部は、単一の走行状態分布の特徴量の変動から学習度合を判定することを特徴とする請求項１〜請求項１０のいずれか１項に記載した車両用情報提供装置。
13. 上記相違量は、ステアリング操作の操作量から算出することを特徴とする請求項１〜請求項１２のいずれか１項に記載した車両用情報提供装置。
14. 上記ステアリング操作の操作量からの算出は、ステアリングエントロピー法を用いることを特徴とする請求項１３に記載した車両用情報提供装置。
15. 上記第２運転不安定判定部は、衝突余裕時間を用いて運転の不安定度を推定することを特徴とする請求項１〜請求項１２のいずれか１項に記載した車両用情報提供装置。
16. 上記特定の運転場面として交差点における右左折時を検出し、そのときの運転特性から不安定度を推定することを特徴とする請求項９に記載した車両用情報提供装置。
17. 上記右左折時の運転特性は、横Ｇの大きさを用いることを特徴とする請求項１６に記載した車両用情報提供装置。
18. 上記特定の運転場面として先行車接近場面を検出し、そのときの減速操作の運転特性から不安定度を推定することを特徴とする請求項９に記載した車両用情報提供装置。
19. 上記減速操作の運転特性は、ブレーキオン時の衝突余裕時間の大きさを用いることを特徴とする請求項１８に記載した車両用情報提供装置。
20. 学習状況判定部が求める学習度合に応じて、不安定情報の情報呈示内容を変更することを特徴とする請求項１〜請求項１９のいずれか１項に記載した車両用情報提供装置。

Images