JP2013181885A - 運転者特定装置 - Google Patents

Abstract

【課題】運転者の運転状態に応じて生じる運転操作の変動の影響を低減し、高精度に運転者を特定する運転者特定装置を提供する。
【解決手段】車両の走行状態を示す車両制御情報および車両の運転者を識別する運転者情報を取得し運転者の運転動作の特徴データを抽出する特徴学習処理部１０と、抽出した特徴データを運転者と対応付けて格納する運転者別特徴学習データ記憶部４０と、格納された特徴データから運転者の運転状態に依存しない特徴データを高信頼度の特徴データとして抽出する高信頼度特徴抽出処理部２０と、抽出した特徴データを運転者と対応付けて格納する運転者別高信頼度特徴データ記憶部５０と、車両のリアルタイムの走行状態を示す車両制御情報を取得し、当該リアルタイムの車両制御情報と、運転者別高信頼度特徴データ記憶部５０に格納された運転者別の特徴データとから運転者を特定し、運転者特定情報を生成する運転者特定処理部３０とを備える。
【選択図】図２

Description

この発明は、車載機器から得られる車両制御情報の履歴情報を用いて、車両の運転者を特定する運転者特定装置に関するものである。

従来、車両の運転者を特定する技術として、運転開始時に毎回運転者情報を入力する手法や、顔認証あるいは指紋認証により運転者を特定する技術が用いられている。しかし、運転者情報の入力はユーザによる操作が必要であり、さらに運転開始毎に入力操作を行う必要があるため、煩わしく、運転者特定技術の利用が敬遠される恐れがあるという問題があった。また、顔認証あるいは指紋認証により運転者を特定する技術では、車両に新規に認証システムを導入する必要があり、費用が増大するという問題があった。

これらの問題を解決する技術として、車載機器から得られる車載制御情報を用いて車両の運転者を自動的に特定する技術が考案されている。例えば、特許文献１に開示されたカーナビゲーションシステム及びプログラムでは、運転者を判定し、誘導した到着地と到着時刻などの情報と、当該運転者の情報を対応付けた運転者別運転履歴を収集することにより、運転者を単位とした分析を支援し、運転者別のサービスを提供可能としている。

また、特許文献２に開示された乗員特定装置では、検知及び格納された車両制御状況に基づいて、乗員を特定可能な操作特定を導出し、導出された操作特性に基づいてカーナビゲーション装置または車両制御装置を制御し、制御後の車両制御情報とあらかじめ蓄積した車両制御情報とを比較することにより乗員を特定している。

特開２００６−２５０８７９号公報 特許２００８−２２２１６７号公報

しかしながら、上述した特許文献１及び特許文献２に開示された技術では、同一の運転者であっても運転状態が異なることにより生じる運転操作の変動が考慮されていない。例えば、平常時の運転操作と、早く目的地に到着するために急いでいる場合の運転操作、あるいは子供を乗せて慎重に運転しているときの運転操作とは、同一の運転者であっても異なる特徴を示す。そのため、運転者の運転状態の変化により運転操作に変動が生じると、運転者特定の精度が低下するという課題があった。

この発明は、上記のような課題を解決するためになされたもので、運転者の運転状態に応じて生じる運転操作の変動の影響を低減し、高精度に運転者を特定する運転者特定装置を提供することを目的とする。

この発明に係る運転者特定装置は、車両の走行状態を示す車両制御情報および車両の運転者を識別する運転者情報を取得し、車両の走行状態が示す特徴に基づいて設定される走行動作毎に、運転者の運転動作の特徴データを抽出する特徴学習処理部と、特徴学習処理部が抽出した特徴データを、運転者と対応付けて格納する運転者別特徴データ記憶部と、運転者別特徴データ記憶部に格納された特徴データから、運転者の運転状態に依存しない特徴データを高信頼度の特徴データとして抽出する高信頼度特徴抽出処理部と、高信頼度特徴抽出処理部が抽出した特徴データを運転者と対応付けて格納する運転者別高信頼度特徴データ記憶部と、車両のリアルタイムの走行状態を示す車両制御情報を取得し、当該リアルタイムの車両制御情報と、運転者別高信頼度特徴データ記憶部に格納された運転者別の特徴データとから運転者を特定し、運転者特定情報を生成する運転者特定処理部とを備えるものである。

この発明によれば、運転者の運転状態に応じて生じる運転操作の変動の影響が低減され、信頼度の高い特徴を運転者特定に活用することができる。これにより、運転者特定の精度を向上させることができる。

実施の形態１による運転者特定装置を用いた運転者特定システムの構成を示すブロック図である。 実施の形態１による運転者特定装置の構成を示すブロック図である。 実施の形態１による運転者特定装置の特徴学習処理部に事前に登録された走行動作の単位を示す図である。 実施の形態１による運転者特定装置の運転者別特徴学習データ記憶部が記憶する運転者別の特徴学習データを示す図である。 実施の形態１による運転者特定装置の走行動作別特徴抽出部の動作を示すフローチャートである。 実施の形態１による運転者特定装置の運転者別高信頼度特徴データ記憶部に記憶される高信頼度特徴データを示す図である。 実施の形態１による運転者特定装置の運転状態非依存特徴抽出部の動作を示すフローチャートである。 実施の形態１による運転者特定装置の運転者特定部の動作を示すフローチャートである。 実施の形態２による運転者特定装置の構成を示すブロック図である。 実施の形態２による運転者特定装置の運転者間特徴差抽出部及び運転者別高信頼度特徴抽出部の動作を示すフローチャートである。 実施の形態３による運転者特定装置の構成を示すブロック図である。 実施の形態３による運転者特定装置の走行動作分割処理部の動作を示すフローチャートである。

以下の実施の形態の記載において、「運転者の運転状態に応じて値が変動しない特徴」を信頼度の高い特徴として、高信頼度特徴と称する。
実施の形態１．
図１は、この発明の実施の形態１による運転者特定装置を用いた運転者特定システムの構成を示すブロック図である。
図１において、運転者特定システムは、運転者特定装置１００、車載センサ１０１、車載ネットワーク１０２、入力装置１０３、アプリケーション１０４、ＥＣＵ（Electric Control Unit）１０５、携帯端末１０６及びサーバ１０７で構成されている。なお、本発明では図１に示す構成のうち、運転者特定装置１００が特徴を有している。また、図１に示すように、運転者特定装置１００およびアプリケーション１０４でカーナビゲーションシステム１０８を構成してもよい。

車載センサ１０１は、ＧＰＳ及び加速度センサに代表されるセンサであり、車両制御情報を取得する。ここで、車載センサ１０１は車両に取り付けることにより、アクセル・ブレーキの踏みしろ、ステアリングの操舵角に代表される車両制御情報を取得するセンサを含むものとする。取得した車両制御情報は、ＵＳＢ、Ｂｌｕｅｔｏｏｔｈ（登録商標、以下記載を省略する）、ＲＳ２３２に代表される通信方式を用いて、運転者特定装置１００に出力される。車載ネットワーク１０２は、ＣＡＮ（Controller Area Network）に代表されるネットワークを介して直接車両の車両制御情報を取得し、運転者特定装置１００に出力する。入力装置１０３は、キーボードやタッチパネルなどで構成され、ユーザの入力操作を受け付ける。

運転者特定装置１００は、車載センサ１０１及び車載ネットワーク１０２から入力される車両制御情報と、入力装置１０３から入力される入力情報を解析し、車両の運転者を特定する処理を行い、処理結果として運転者特定情報を生成する。生成した運転者特定情報は、運転者特定装置１００を搭載したカーナビゲーションシステム１０８のアプリケーション１０４、ＥＣＵ１０５、携帯端末１０６、サーバ１０７などに代表される機器及びシステムに送信される。

なお、図１では運転者特定装置１００がカーナビゲーションシステム１０８上に存在する構成を示したが、カーナビゲーションシステムに限定されるものではなく、例えばパソコンやスマートフォン上に配置するように構成してもよい。また、運転者特定装置１００が生成した運転者特定情報をＥＣＵ１０５、携帯端末１０６及びサーバ１０７に送信する構成を示したが、これらの構成も適宜追加及び変更が可能である。

次に、運転者特定装置１００の詳細な構成について説明する。
図２は、この発明の実施の形態１による運転者特定装置の構成を示すブロック図である。
運転者特定装置１００は、特徴学習処理部１０、高信頼度特徴抽出処理部２０、運転者特定処理部３０、運転者別特徴学習データ記憶部４０及び運転者別高信頼度特徴データ記憶部５０で構成されている。各構成は、初期処理である特徴学習処理時、中間処理である高信頼度特徴抽出処理時、及び運転者特定処理時のそれぞれの処理時に異なった挙動を示す特徴を有している。

具体的に説明すると、特徴学習処理部１０は、運転者特定のための初期処理である特徴学習処理時に、入力された車両制御情報及び運転者情報を用いて各運転者の走行動作の特徴を学習し、学習したデータを特徴学習データとして運転者別特徴学習データ記憶部４０に記憶する。

高信頼度特徴抽出処理部２０は、運転者特定のための中間処理である高信頼度特徴抽出処理時に、運転者別特徴学習データ記憶部４０に記憶された特徴学習データを解析し、運転者特定に活用するに当たり信頼できる特徴データを運転者毎に抽出し、高信頼度特徴データとして運転者別高信頼度特徴データ記憶部５０に記憶する。

運転者特定処理部３０は、運転者特定処理時に、入力された車両制御情報と、運転者別高信頼度特徴データ記憶部５０に記憶された高信頼度特徴データとが適合するか否か判定を行い、適合する場合に運転者を特定し、運転者特定情報を出力する。

次に、特徴学習処理部１０の詳細な構成、及び初期処理である特徴学習処理の動作について説明する。
図２に示すように、特徴学習処理部１０は、車両制御情報取得部１１、運転者情報取得部１２、走行動作別特徴抽出部１３及び運転者別特徴記憶処理部１４で構成されている。
車両制御情報取得部１１は、外部装置である車載センサ１０１及び車載ネットワーク１０２からの入力である車両制御情報を取得し、走行動作別特徴抽出部１３に出力する。運転者情報取得部１２は外部装置である入力装置１０３からの入力である運転者情報を取得し、走行動作別特徴抽出部１３に出力する。

走行動作別特徴抽出部１３は、入力された車両制御情報及び運転者情報を解析し、運転者毎、且つ事前に設定された走行動作の単位で、走行動作の特徴を抽出し、抽出した特徴データを運転者別特徴記憶処理部１４に出力する。なお、走行動作の単位の詳細については図３を用いて後述する。運転者別特徴記憶処理部１４は、入力された運転者別の走行動作を分割単位とした特徴データを運転者別の特徴学習データとして運転者別特徴学習データ記憶部４０に記憶する。

図３は、この発明の実施の形態１による運転者特定装置の特徴学習処理部に事前に登録された走行動作の単位を示す図である。
図３に示す例では、走行動作は走行状況、走行動作開始トリガ、走行動作中間トリガ及び走行動作終了トリガの４つのパラメータで構成される。
走行状況は、車両の直進、右左折、車線変更などが挙げられる。走行動作開始トリガ、走行動作中間トリガ及び走行動作終了トリガは、停止、安定速度（加速後に加速度が０になり安定する速度）、減速開始、右左折開始、右左折終了等、車線変更開始、車線変更終了などが挙げられる。なお、走行動作は上述したパラメータに限定されるものではなく、適宜変更可能である。

次に、図４は、この発明の実施の形態１による運転者特定装置の運転者別特徴学習データ記憶部が記憶する運転者別の特徴学習データを示す図である。
図４に示す例では、特徴学習データは、運転者、走行動作Ｎｏ．、特徴種別名、特徴の平均値、特徴の変動係数及び取得した特徴値リストで構成される。
図４において、例えば運転者Ａさんの場合、走行動作Ｎｏ．１は図３で示すように直進の走行状況を示し、直進の走行状況において、特徴種別としてアクセル開度区間最大値や区間最大速度などについて平均値や特徴の変動係数、および取得した特徴値リストが算出される。ここで、区間の設定は、直進区間（安定速度到達時から停止するまでの区間、あるいは安定速度に到達している区間）や、速度２０ｋｍ／ｈ以下の区間など適宜設定可能である。

事前に設定したこれらの走行動作のいずれかに一致した走行動作を検出すると、特徴データとして車両制御情報から得られた特徴値を「取得した特徴値リスト」に記憶する。同一の運転者、同一種類の走行動作を再度検出すると、既に記憶されている同一の特徴種別の特徴に追記して記憶する。「取得した特徴値リスト」に記憶された特徴値に基づいて「特徴の平均値」及び「特徴の変動係数」が算出され、記憶される。記憶する特徴種別は、１つの走行動作内における最大速度、最大加速度及びアクセル開度最大値などに代表される車両制御情報から得られた項目である。

図５は、この発明の実施の形態１による運転者特定装置の走行動作別特徴抽出部の動作を示すフローチャートである。
まず走行動作別特徴抽出部１３は、前回の処理において走行動作開始トリガがＯＮになったものの長時間走行動作終了トリガがＯＮにならない場合は、誤検出や渋滞に代表される道路状況の要因が考えられ、車両制御情報取得部１１から入力されるデータが有効でない可能性が高い。そのため、処理開始時に、前回の走行動作開始トリガがＯＮになってからの経過時間があらかじめ設定した閾値以上であるか判定を行い（ステップＳＴ１）、経過時間が閾値未満である場合には（ステップＳＴ１；ＮＯ）、ステップＳＴ３の処理に進む。

一方、経過時間が閾値以上である場合には（ステップＳＴ１；ＹＥＳ）、走行動作開始トリガ及び走行動作中間トリガをＯＦＦに設定する（ステップＳＴ２）。その後、走行動作別特徴抽出部１３は、車両走行時に、図３に示すような走行動作のパラメータに基づいて、車両制御情報から走行動作開始トリガが検出されたか否か判定を行う（ステップＳＴ３）。走行動作開始トリガが検出されない場合（ステップＳＴ３；ＮＯ）、ステップＳＴ６の処理に進む。一方、走行動作開始トリガが検出された場合（ステップＳＴ３；ＹＥＳ）、走行動作毎の走行動作開始トリガをＯＮに設定し、走行動作開始トリガの検出時刻を保存する（ステップＳＴ４）。その後、該当する走行動作Ｎｏ．の特徴値の保存を開始する（ステップＳＴ５）。

再度、走行動作開始トリガがＯＮであるか否か判定を行う（ステップＳＴ６）。走行動作開始トリガがＯＦＦである場合（ステップＳＴ６；ＮＯ）、処理を終了する。一方、走行動作開始トリガがＯＮの場合（ステップＳＴ６；ＹＥＳ）、車両制御情報と図３に示すような走行動作のパラメータに基づいて、車両制御情報から走行動作中間トリガが検出されたか否か判定を行う（ステップＳＴ７）。走行動作中間トリガが検出されない場合（ステップＳＴ７；ＮＯ）、ステップＳＴ９の処理に進む。一方、走行動作中間トリガが検出された場合（ステップＳＴ７；ＹＥＳ）、走行動作毎の走行動作中間トリガをＯＮに設定する（ステップＳＴ８）。

続いて、車両制御情報と図３に示すような走行動作のパラメータに基づいて、車両制御情報から走行動作終了トリガが検出されたか否か判定を行う（ステップＳＴ９）。走行動作終了トリガが検出されない場合（ステップＳＴ９；ＮＯ）、処理を終了する。一方、走行動作終了トリガが検出された場合（ステップＳＴ９；ＹＥＳ）、保存した上述したステップＳＴ５からステップＳＴ９までの走行動作開始トリガから走行動作終了トリガまでの特徴値を運転者別特徴記憶処理部１４に出力し（ステップＳＴ１０）、走行動作開始トリガ及び走行動作中間トリガをＯＦＦに設定し（ステップＳＴ１１）、処理を終了する。
なお、走行動作中間トリガが存在する走行動作では、ステップＳＴ９において走行動作終了トリガが検出された場合であっても、走行動作中間トリガがＯＮでない場合には、ステップＳＴ１０における特徴値の出力処理は実施しない。

次に、高信頼度特徴抽出処理部２０の詳細な構成、及び中間処理である高信頼度特徴抽出処理の動作について説明する。なお、高信頼度特徴抽出処理は上述した特徴学習処理終了後に実施する。また、高信頼度特徴抽出処理は車両制御情報を入力としないため、必ずしも走行中に実施する必要はなく、さらに車両外のパソコン、サーバ上で実施するように構成してもよい。

図２に示すように、高信頼度特徴抽出処理部２０は、運転状態非依存特徴抽出部２１及び運転者別高信頼度特徴記憶処理部２２で構成されている。
運転状態非依存特徴抽出部２１は、運転者別特徴学習データ記憶部４０に記憶された運転者別の特徴学習データを取得して解析し、運転者の運転状態に依存しない特徴種別を抽出する。抽出した特徴種別と、当該特徴種別の特徴値とを高信頼度特徴データとして運転者別高信頼度特徴記憶処理部２２に出力する。運転者別高信頼度特徴記憶処理部２２は、入力された高信頼度特徴データを運転者別高信頼度特徴データ記憶部５０に記憶する。

図６は、この発明の実施の形態１による運転者特定装置の運転者別高信頼度特徴データ記憶部に記憶される高信頼度特徴データを示す図である。
高信頼度特徴データには、例えば各運転者の各走行動作のうち、運転者の運転状態に依存しない特徴種別に関する特徴種別名、特徴の平均値、特徴の変動係数及び取得した特徴値リストが記憶される。なお、図６の例に示すように、運転者の運転状態に依存しない特徴データを抽出するのみでなく、特徴種別の信頼度を数値で示した信頼度（１〜１００）を追加して記憶するように構成してもよい。
なお、高信頼度特徴データは、運転者の運転状態に依存しないと判断された特徴種別のみを記憶するように構成してもよいし、運転者別特徴学習データ記憶部４０に記憶された運転者別の特徴学習データのうち、運転者の運転状態に依存しないと判断された特徴種別を信頼度と共に示すように構成してもよい。また、印を付けて高信頼度である旨を示すように構成してもよい。

図７は、この発明の実施の形態１による運転者特定装置の運転状態非依存特徴抽出部の動作を示すフローチャートである。
なお、運転状態非依存特徴抽出部２１は、全ての運転者及び全ての走行動作における各特徴種別について、図７に示すフローチャートの処理を実行し、処理結果を運転者別に記憶する。
まず運転状態非依存特徴抽出部２１は、運転者別特徴学習データ記憶部４０に記憶された運転者別の特徴学習データからある１人の運転者の１つの走行動作における１つの特徴種別を選択する（ステップＳＴ２１）。選択した特徴種別の特徴値リストを構成する全ての特徴値において、中央値から大きく外れた特徴値をノイズとしてカットする（ステップＳＴ２２）。なお、ノイズの判定は、以下の式（１）を用いるものとする。
｜（特徴値）−（中央値）｜≧｜（標準偏差）＊ｘ｜ ・・・（１）
なお、式（１）においてｘはユーザが任意に設定可能な値とする。

次に、ステップＳＴ２２でノイズをカットした特徴値リストの要素数が、ユーザが設定した最低要素数以上であるか否か判定を行う（ステップＳＴ２３）。特徴値リストの要素数が最低要素数未満である場合には（ステップＳＴ２３；ＮＯ）、十分に特徴を学習していないと判断し、ステップＳＴ２７の処理に進む。一方、特徴値リストの要素数が最低要素数以上である場合には（ステップＳＴ２３；ＹＥＳ）、さらにノイズカット後の特徴値リストにおいて変動係数を計算する（ステップＳＴ２４）。なお、変動係数は以下の式（２）に基づいて計算される。
変動係数＝（標準偏差）／（平均値） ・・・（２）

次に、ステップＳＴ２４で計算された変動係数が、ユーザが設定した変動閾値未満であるか否か判定を行う（ステップＳＴ２５）。変動係数が変動閾値未満である場合（ステップＳＴ２５；ＹＥＳ）、運転者の状態が異なった場合においても特徴値の変動が小さいと判断し、当該特徴種別と特徴データとを運転状態非依存特徴として抽出し、運転者別高信頼度特徴記憶処理部２２へ出力する（ステップＳＴ２６）。一方、変動係数が変動閾値以上である場合（ステップＳＴ２５；ＮＯ）、運転者の状態が異なった場合において特徴値の変動が大きいと判断し、ステップＳＴ２７の処理に進む。その後、全ての運転者及び全ての走行動作における特徴種別について処理を行ったか否か判定を行い（ステップＳＴ２７）、処理を行った場合には（ステップＳＴ２７；ＹＥＳ）処理を終了する。一方、行っていない場合には（ステップＳＴ２７；ＮＯ）ステップＳＴ２１の処理に戻り、上述した処理を繰り返す。

なお、図６の例で示した信頼度（１〜１００）を設定する場合には、ステップＳＴ２５において変動係数が変動閾値未満であるか判定を行うと共に、変動係数と変動閾値とから信頼度を算出する処理を行うように構成することができる。

次に、運転者特定処理部３０の詳細な構成、及び運転者特定処理の動作について説明する。
図２に示すように、運転者特定処理部３０は、車両制御情報取得部３１、走行動作別特徴抽出部３２、運転者特定部３３、高信頼度特徴データ取得部３４及び運転者特定結果出力部３５で構成されている。
車両制御情報取得部３１は、外部装置である車載センサ１０１及び車載ネットワーク１０２からの入力である車両制御情報を取得し、走行動作別特徴抽出部３２に出力する。走行動作別特徴抽出部３２は、入力された車両制御情報を解析し、事前に登録された走行動作の単位で特徴を抽出し、抽出した特徴データを運転者特定部３３に出力する。

高信頼度特徴データ取得部３４は、運転者別高信頼度特徴データ記憶部５０から運転者別の高信頼度特徴データを取得し、運転者特定部３３に出力する。運転者特定部３３は、走行動作別特徴抽出部３２から入力されたリアルタイムの走行動作毎の特徴データと、高信頼度特徴データ取得部３４から入力された高信頼度特徴データを比較することにより、現在の運転者を特定する。特定した運転者の運転者情報は運転者特定結果出力部３５に出力される。運転者特定結果出力部３５は、運転者特定部３３から入力された運転者情報を外部に出力する。

図８は、この発明の実施の形態１による運転者特定装置の運転者特定部の動作を示すフローチャートである。
運転者特定部３３は、走行動作別特徴抽出部３２で抽出した走行動作における全ての特徴データを対象として処理を実施する。まず運転者特定部３３は、走行動作別特徴抽出部３２からリアルタイムの走行動作の特徴データが入力されると（ステップＳＴ３１）、入力された１つの走行動作の特徴データの数があらかじめ設定した最低データ数以上であるか否か判定を行う（ステップＳＴ３２）。

特徴のデータ数が最低データ数未満である場合（ステップＳＴ３２；ＮＯ）、まだ運転者特定のための特徴データが十分に収集できていないと判断してステップＳＴ３８の処理に進む。
なお、運転者特定のための特徴データが十分に収集できていない場合には、走行動作別特徴抽出部３２においてデータの収集が継続して行われていることから、所定時間経過後に再度走行動作特徴抽出部３２より特徴データの入力を受け付け、上述したステップＳＴ３２の判定処理を行うように構成することが可能である。

一方、特徴データの数が最低データ数以上である場合（ステップＳＴ３２；ＹＥＳ）、高信頼度特徴データ取得部３４が運転者別高信頼度特徴データ記憶部５０から取得した運転者別の高信頼度特徴データを構成する特徴種別の特徴データと、走行動作別特徴抽出部３２が抽出したリアルタイムの走行動作の特徴種別との特徴データとを比較する。比較は、特徴種別毎に、高信頼度特徴データを構成する特徴データ群と、リアルタイムの走行動作の特徴データ群について検定を行い、有意差を検出する（ステップＳＴ３３）。

さらに高信頼度特徴データにおいて、ステップＳＴ３３で検出した有意差が閾値以上である運転者が存在するか否か判定を行い（ステップＳＴ３４）、有意差が閾値以上である運転者が存在しない場合（ステップＳＴ３４；ＮＯ）、ステップＳＴ３６の処理に進む。一方、有意差が閾値以上である運転者が存在する場合（ステップＳＴ３４；ＹＥＳ）、当該運転者を運転者候補から除外して運転者の絞り込みを行う（ステップＳＴ３５）。

次に、運転者が１人に特定できたか否か判定を行い（ステップＳＴ３６）、運転者が１人に特定できた場合（ステップＳＴ３６；ＹＥＳ）、特定した運転者情報を運転者特定結果出力部３５に出力する（ステップＳＴ３７）。その後、全てのリアルタイムの走行動作の特徴データについて処理を行ったか否か判定を行う（ステップＳＴ３８）。全ての特徴データについて処理を行った場合には（ステップＳＴ３８；ＹＥＳ）、処理を終了し、全ての特徴データについて処理を行っていない場合には（ステップＳＴ３８；ＮＯ）、ステップＳＴ３２に戻り、上述した処理を繰り返す。一方、運転者が１人に特定できなかった場合（ステップＳＴ３６；ＮＯ）、有意差判定の閾値を再設定し（ステップＳＴ３９）、ステップＴ３４の有意差判定の処理に戻り、上述した処理を繰り返す。

以上のように、この実施の形態１によれば、特徴学習処理部１０が、車両制御情報及び運転者情報から、各走行動作の特徴を抽出する走行動作別特徴抽出部１３と、抽出した特徴データをデータベースに格納する運転者別特徴記憶処理部１４をと備え、高信頼度特徴抽出処理部２０が、データベースに格納された特徴データから運転者の運転状態が異なった場合であっても特徴値への変動が小さい運転状態非依存特徴を抽出する運転状態非依存特徴抽出部２１と、抽出した運転状態非依存特徴をデータベースに格納する運転者別高信頼度特徴記憶処理部２２とを備えるように構成したので、運転者の運転状態の差異により発生するブレに影響を受けることのない、信頼度の高い特徴データを抽出することができる。

さらにこの実施の形態１によれば、運転者特定処理部３０が、高信頼度特徴抽出処理部２０が抽出した運転者の運転状態の差異により発生するブレに影響を受けることのない、信頼度の高い特徴データを用いて、リアルタイムの走行動作の特徴データから運転者を絞り込む運転者特定部３３を備えるように構成したので、運転者の運転状態の差異に影響を受けない信頼度の高い特徴データを用いて運転者を特定することができ、運転者特定の精度を向上させることができる。

実施の形態２．
図９は、この発明の実施の形態２による運転者特定装置の構成を示すブロック図である。この実施の形態２では、実施の形態１で示した運転者特定装置１００の高信頼度特徴抽出処理部２０に、運転者間特徴差抽出部２３及び運転者別高信頼度抽出部２４を追加して設けている。なお以下では、実施の形態１による運転者特定装置１００の構成要素と同一または相当する部分には、実施の形態１で使用した符号と同一の符号を付して説明を省略または簡略化する。

運転者間特徴差抽出部２３は、運転状態非依存特徴抽出部２１において抽出された運転者の運転状態に依存しない特徴値を取得し、取得した特徴値の中から運転者間で特徴値の差を算出が大きい特徴種別、すなわち各運転者の運転特徴の差が顕著に現れる特徴種別を抽出し、抽出した特徴種別の特徴差の値を算出し、運転者別高信頼度抽出部２４に出力する。運転者別高信頼度特徴抽出部２４は、運転状態非依存特徴抽出部２１で抽出された特徴値の変動係数と、運転者間特徴差抽出部２３で算出された特徴差の値に基づいて、運転状態に依存せず、且つ運転者間で特徴値の差が大きい特徴種別を抽出する。抽出した特徴種別と、当該特徴種別の特徴値とを高信頼度特徴データとして運転者別高信頼度特徴記憶処理部２２に出力する。運転者別高信頼度特徴記憶処理部２２は、運転者別高信頼度特徴抽出部２４から入力された高信頼度特徴データを運転者別高信頼度特徴データ記憶部５０に記憶する。

図１０は、実施の形態２による運転者特定装置の動作を示すフローチャートである。図１０のフローチャートを参照しながら、運転者間特徴差抽出部２３及び運転者別高信頼度特徴抽出部２４の詳細な動作について説明する。
運転者間特徴差抽出部２３は、運転状態非依存特徴抽出部２１から入力された運転状態非依存特徴値について、運転者間の有意差を検出する（ステップＳＴ４１）。有意差の検出は、入力された特徴種別毎のデータ群において、運転者間で検定を実施することによって行う。例えば、運転者Ａの直進時（停止状態から安定速度に到達した時点）における区間最大速度が運転者の運転状態に依存しない特徴種別として抽出された場合は、区間最大速度の特徴値リストにおいて、運転者Ａと運転者Ｂ間、運転者Ａと運転者Ｃ間など、運転者Ａと他の運転者間で検定を実施することにより有意差を判定する。ただし、十分な数のデータが収集されていない運転者に関しては有意差なしと判定する。

続いて、運転者間特徴差抽出部２３は、ステップＳＴ４１の有意差の検出に基づいて、特徴種別毎に有意差が存在した人数を集計し、集計した人数を特徴差の値として運転者別高信頼度特徴抽出部２４に出力する（ステップＳＴ４２）。運転者別高信頼度特徴抽出部２４は、ステップＳＴ４２で入力された特徴差の値と、運転状態非依存特徴抽出部２１から入力される特徴値の変動係数とに基づいて信頼度を算出する（ステップＳＴ４３）。ここで信頼度は、特徴値の変動係数が低く運転状態に依存しない、且つ特徴差の値が大きく運転者間で異なった特徴が現れる特徴種別の場合に、高い値が算出される。

さらに運転者別高信頼度特徴抽出部２４は、ステップＳＴ４３で算出した信頼度が、ユーザがあらかじめ設定可能な閾値より大きいか否か判定を行い（ステップＳＴ４４）、信頼度が閾値より大きい場合には（ステップＳＴ４４；ＹＥＳ）、高信頼度の特徴であるとして該当する特徴種別と特徴データとを運転者別高信頼度特徴記憶処理部２２に出力する（ステップＳＴ４５）。一方、信頼度が閾値より小さい場合には（ステップＳＴ４４；ＮＯ）、ステップＳＴ４６の処理に進む。

その後、全ての運転状態非依存特徴値について処理を行ったか否か判定を行い（ステップＳＴ４６）、全ての運転状態非依存特徴値について処理を行った場合は（ステップＳＴ４６；ＹＥＳ）、処理を終了する。一方、全ての運転状態非依存特徴値について処理を行っていない場合は（ステップＳＴ４６；ＮＯ）、ステップＳＴ４１の処理に戻り上述した処理を繰り返す。

以上のように、この実施の形態２によれば、運転者の運転状態に依存しない特徴種別について、さらに運転者間の運転特徴の差が顕著に現れる特徴種別の特徴差の値を算出する運転者間特徴差抽出部２３と、特徴差の値と運転状態非依存特徴抽出部２１から入力される特徴値の変動係数とに基づいて信頼度を算出する運転者別高信頼度特徴抽出部２４とを備えるように構成したので、より運転者の特定に有効な特徴データを抽出することができる。これにより、運転者特定の精度を向上させることができる。

実施の形態３．
図１１は、この発明の実施の形態３による運転者特定装置の構成を示すブロック図である。この実施の形態３では、実施の形態１で示した運転者特定装置１００の高信頼度特徴抽出処理部２０に、走行動作分割処理部２５を追加して設けている。なお以下では、実施の形態１による運転者特定装置１００の構成要素と同一または相当する部分には、実施の形態１で使用した符号と同一の符号を付して説明を省略または簡略化する。

走行動作分割処理部２５は、運転者別高信頼度特徴記憶処理部２２から入力された高信頼度の特徴を取得し、高信頼度の特徴があらかじめ設定した閾値以上の数存在しない場合、すなわち高信頼度の特徴が十分な数揃っていなかった場合に、走行動作分割処理を行う。走行動作分割処理は、１つの走行動作中の一部の区間を抽出して新たな走行動作として追加する。新たな走行動作の追加が行われた場合、追加された走行動作に関して、運転状態非依存特徴抽出部２１が、再度実施の形態１の図７のフローチャートで示した特徴抽出処理を行う。走行動作分割処理部２５は、高信頼度の特徴種別の特徴値があらかじめ設定した閾値以上となった場合に、当該特徴種別と特徴値とを運転者別高信頼度特徴データ記憶部５０に記憶する。その他の構成は実施の形態１の運転者特定装置１００と同一である。

図１２は、実施の形態３による運転者特定装置の動作を示すフローチャートである。図１２のフローチャートを参照しながら、走行動作分割処理部２５の詳細な動作について説明する。
走行動作分割処理部２５は、運転者別高信頼度特徴記憶処理部２２から入力された高信頼度の特徴種別数が、ユーザがあらかじめ設定した特徴種別最低数以上であるか否か判定を行う（ステップＳＴ５１）。高信頼度の特徴種別数が特徴種別最低数以上である場合（ステップＳＴ５１；ＹＥＳ）、入力された高信頼度の特徴種別及びその特徴値を運転者別高信頼度特徴データ記憶部５０に格納し（ステップＳＴ５２）、処理を終了する。

一方、高信頼度の特徴種別数が特徴種別最低数未満である場合（ステップＳＴ５１；ＮＯ）、走行動作分割処理部２５は１つの走行動作をより細かい条件で分割し、分割した走行動作を新たな走行動作として追加する（ステップＳＴ５３）。例えば、直進（安定速度から停止状態に到達）時の走行動作において、速度１０ｋｍ／ｈ以下の区間のみを抽出する処理を行い、抽出した区間を新たな走行動作として追加する。なお、抽出する速度範囲は任意に設定可能であり、抽出に利用する情報も速度に限定されることなく、時間や移動距離をはじめとした様々な情報を利用することができる。

次にステップＳＴ５３において追加された走行動作について、運転者別特徴学習データ記憶部４０から特徴値を取得して更新し、更新した特徴値を運転者別高信頼度特徴データ記憶部５０に格納し、処理を終了する（ステップＳＴ５４）。なお、上述したステップＳＴ５３及びステップＳＴ５４の処理に対応して、運転者別特徴学習データ記憶部４０には、各走行動作の区間における車両制御情報の時系列データが記憶されているものとする。

以上のように、この実施の形態３によれば、高信頼度の特徴種別数があらかじめ設定した最低数未満であった場合に、１つの走行動作を分割し、分割した走行動作を新たな走行動作として追加し、再度運転状態に依存しない特徴値の抽出を指示する走行動作分割処理部２５を備えるように構成したので、高信頼度特徴抽出処理部２０において、少ない特徴学習データから多くの特徴を抽出することが可能となり、特徴学習処理の期間を短縮できると共に、運転者特定の精度を向上させることができる。

なお、本願発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。

１０ 特徴学習処理部、１１ 車両制御情報取得部、１２ 運転者情報取得部、１３ 走行動作別特徴抽出部、１４ 運転者別特徴記憶処理部、２０ 高信頼度特徴抽出処理部、２１ 運転状態非依存特徴抽出部、２２ 運転者別高信頼度特徴記憶処理部、２３ 運転者間特徴差抽出部、２４ 運転者別高信頼度抽出部、２５ 走行動作分割処理部、３０ 運転者特定処理部、３１ 車両制御情報取得部、３２ 走行動作別特徴抽出部、３３ 運転者特定部、３４ 高信頼度特徴データ取得部、３５ 運転者特定結果出力部、４０ 運転者別特徴学習データ記憶部、５０ 運転者別高信頼度特徴データ記憶部、１００ 運転者特定装置、１０１ 車載センサ、１０２ 車載ネットワーク、１０３ 入力装置、１０４ アプリケーション、１０５ ＥＣＵ、１０６ 携帯端末、１０７ サーバ、１０８ カーナビゲーションシステム。

Claims (6)

1. 車両の走行状態を示す車両制御情報および前記車両の運転者を識別する運転者情報を取得し、前記車両の走行状態が示す特徴に基づいて設定される走行動作毎に、前記運転者の運転動作の特徴データを抽出する特徴学習処理部と、
   前記特徴学習処理部が抽出した特徴データを、前記運転者と対応付けて格納する運転者別特徴データ記憶部と、
   前記運転者別特徴データ記憶部に格納された特徴データから、運転者の運転状態に依存しない特徴データを高信頼度の特徴データとして抽出する高信頼度特徴抽出処理部と、
   前記高信頼度特徴抽出処理部が抽出した特徴データを前記運転者と対応付けて格納する運転者別高信頼度特徴データ記憶部と、
   車両のリアルタイムの走行状態を示す車両制御情報を取得し、当該リアルタイムの車両制御情報と、前記運転者別高信頼度特徴データ記憶部に格納された運転者別の特徴データとから運転者を特定し、運転者特定情報を生成する運転者特定処理部とを備えた運転者特定装置。
2. 前記特徴学習処理部は、前記車両制御情報を取得する第１の車両制御情報取得部と、前記運転者情報を取得する運転者情報取得部と、前記第１の車両制御情報取得部が取得した車両制御情報および前記運転者情報取得部が取得した運転者情報に基づいて、前記運転動作の特徴データの抽出範囲である前記走行動作を設定し、設定した走行動作毎に前記運転者の運転動作の特徴データを抽出する第１の特徴抽出部と、前記第１の特徴抽出部が抽出した運転動作の特徴データを、前記運転者情報と共に前記運転者別特徴学習データ記憶部に格納する運転者別特徴記憶処理部とを備えたことを特徴とする請求項１記載の運転者特定装置。
3. 前記高信頼度特徴抽出処理部は、前記運転者別特徴学習データ記憶部に格納された特徴データを取得し、取得した特徴データのうち、前記運転者の運転状態に対する前記特徴データの変動係数があらかじめ設定した閾値未満の特徴データを高信頼度の特徴データとして抽出する運転状態非依存抽出部と、前記運転状態非依存抽出部が抽出した高信頼度の特徴データを前記運転者情報と共に前記運転者別高信頼度特徴データ記憶部に格納する運転者別高信頼度特徴記憶処理部とを備えたことを特徴とする請求項１または請求項２記載の運転者特定装置。
4. 前記運転者特定処理部は、車両のリアルタイムの走行状態を示す車両制御情報を取得する第２の車両制御情報取得部と、前記第２の車両制御情報取得部が取得した車両制御情報から前記設定された走行動作毎に現在の運転者の運転動作の特徴データを抽出する第２の特徴抽出部と、前記運転者別高信頼度特徴データ記憶部に格納された高信頼度の特徴データを取得する高信頼度特徴データ取得部と、前記第２の特徴抽出部が抽出した現在の運転者の運転動作の特徴データと、前記高信頼度特徴データ取得部が取得した高信頼度の特徴データとの有意差に基づいて、前記現在の運転者を特定する運転者特定部と、前記運転者特定部が特定した運転者の情報を出力する運転者特定結果出力部とを備えたことを特徴とする請求項１から請求項３のうちのいずれか１項記載の運転者特定装置。
5. 前記高信頼度特徴抽出処理部は、
   前記運転状態非依存抽出部が抽出した高信頼度の特徴データについて、複数の運転者間の有意差を検出する運転者間特徴差抽出部と、
   前記運転状態非依存抽出部が抽出した変動係数と、前記運転者間特徴差抽出部が検出した有意差とに基づいて、変動係数が低く、且つ複数の運転者間で異なる特徴を示す特徴データを高信頼度の特徴データとして抽出する運転者別高信頼度特徴抽出部とを備え、
   前記運転者別高信頼度特徴記憶処理部は、前記運転者別高信頼度特徴抽出部が抽出した高信頼度の特徴データを前記運転者情報と共に前記運転者別高信頼度特徴データ記憶部に格納することを特徴とする請求項３記載の運転者特定装置。
6. 前記高信頼度特徴抽出処理部は、
   前記運転状態非依存抽出部が抽出した高信頼度の特徴データの抽出数が、あらかじめ設定した最低数未満である場合に、車両の走行状態をより詳細な条件で分割し、分割した走行状態の走行動作について前記運転者別特徴学習データ記憶部から特徴データを取得し、取得した特徴データを前記運転者情報と共に前記運転者別高信頼度特徴データ記憶部に格納する走行動作分割処理部とを備えたことを特徴とする請求項３記載の運転者特定装置。

Images