JP2014008070A - ストレス状態推定装置、ストレス状態推定方法 - Google Patents
ストレス状態推定装置、ストレス状態推定方法 Download PDFInfo
- Publication number
- JP2014008070A JP2014008070A JP2012144219A JP2012144219A JP2014008070A JP 2014008070 A JP2014008070 A JP 2014008070A JP 2012144219 A JP2012144219 A JP 2012144219A JP 2012144219 A JP2012144219 A JP 2012144219A JP 2014008070 A JP2014008070 A JP 2014008070A
- Authority
- JP
- Japan
- Prior art keywords
- stress state
- driver
- breathing
- detected
- specific driving
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Navigation (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
【課題】運転者のストレス状態を推定する際の推定精度を向上させる。
【解決手段】運転者の呼吸情報を検出し（ステップＳ１０１）、自車両に特定運転事象が生じることを検知したときに（ステップＳ１０２の判定が“Yes”）、呼吸情報に応じて運転者の呼吸休止時間Ｔｓを検出し（ステップＳ１１０）、呼吸休止時間Ｔｓに応じて特定運転事象に伴う運転者のストレス状態を推定する。すなわち、呼吸休止時間Ｔｓが０であるときには（ステップＳ１１２の判定が“No”）、運転特定事象に伴う運転者のストレス状態が相対的に小さいと推定する（ステップＳ１１５）。一方、呼吸休止時間Ｔｓが閾値Ｔｔ以上であるときには（ステップＳ１１３の判定が“Yes”）、特定運転事象に伴う運転者のストレス状態が相対的に大きいと推定する（ステップＳ１１４）。
【選択図】図８
【解決手段】運転者の呼吸情報を検出し（ステップＳ１０１）、自車両に特定運転事象が生じることを検知したときに（ステップＳ１０２の判定が“Yes”）、呼吸情報に応じて運転者の呼吸休止時間Ｔｓを検出し（ステップＳ１１０）、呼吸休止時間Ｔｓに応じて特定運転事象に伴う運転者のストレス状態を推定する。すなわち、呼吸休止時間Ｔｓが０であるときには（ステップＳ１１２の判定が“No”）、運転特定事象に伴う運転者のストレス状態が相対的に小さいと推定する（ステップＳ１１５）。一方、呼吸休止時間Ｔｓが閾値Ｔｔ以上であるときには（ステップＳ１１３の判定が“Yes”）、特定運転事象に伴う運転者のストレス状態が相対的に大きいと推定する（ステップＳ１１４）。
【選択図】図８
Description
本発明は、ストレス状態推定装置、及びストレス状態推定方法に関するものである。
特許文献１に記載された従来技術では、シートベルトに圧電センサを設け、運転者の心拍数や呼吸情報を取得し、運転者の呼吸数が増加しているときに、緊張度（ストレス状態）が高まっていると推定している。
しかしながら、例えば車両を発進させるときや、走行中に合流や車線変更を行うようなシーンでは、運転者の緊張度が一時的に高まり、無意識のうちに息を止めていることがある。したがって、呼吸数が少ないからといって、必ずしも運転者のストレス状態が低いわけではないので、上記特許文献１に記載された従来技術では、運転者のストレス状態を正確に推定できない場合がある。
本発明の課題は、運転者のストレス状態を推定する際の推定精度を向上させることである。
本発明の課題は、運転者のストレス状態を推定する際の推定精度を向上させることである。
本発明の一態様に係るストレス状態推定装置は、運転者の呼吸情報を検出し、自車両に予め定めた特定運転事象が生じることを事前に検知する。そして、自車両に特定運転事象が生じることを検知したときに、呼吸情報に応じて運転者の呼吸休止時間を検出し、検出した呼吸休止時間に応じて特定運転事象に伴う運転者のストレス状態を推定する。
本発明によれば、自車両に特定運転事象が生じることを事前に検知したときに、運転者の呼吸休止時間に応じて運転者のストレス状態を推定するので、推定精度を向上させることができる。すなわち、例えば車両を発進させるときや、走行中に合流や車線変更を行うとき等、運転者の緊張度が一時的に高まり、無意識のうちに息を止めるようなシーンで、運転者のストレス状態を精度よく推定することができる。
以下、本発明の実施形態を図面に基づいて説明する。
《第１実施形態》
《構成》
本実施形態は、運転者のストレス状態を推定するものである。
図１は、ストレス状態推定装置の概略構成図である。
ストレス状態推定装置は、自動車に搭載されており、体動センサ１１と、ブレーキスイッチ１２と、車速センサ１３と、操舵角センサ１４と、ウィンカスイッチ１５と、ナビゲーションシステム１６と、コントローラ１７と、を備えている。
《第１実施形態》
《構成》
本実施形態は、運転者のストレス状態を推定するものである。
図１は、ストレス状態推定装置の概略構成図である。
ストレス状態推定装置は、自動車に搭載されており、体動センサ１１と、ブレーキスイッチ１２と、車速センサ１３と、操舵角センサ１４と、ウィンカスイッチ１５と、ナビゲーションシステム１６と、コントローラ１７と、を備えている。
体動センサ１１は、運転者の呼吸運動に伴って反復する体動を運転者の呼吸情報として検出する。この圧力センサ１１は、例えばポリフッ化ビニリデン（ＰＶＤＦ：PolyVinylidene DiFluoride）などの圧電素子からなり、例えばシートベルトのバックルを支持するステーと、このステーを支持するシートフレームとの間に設けられている。そして、運転者の呼吸運動に応じてシートベルトが緊張／弛緩するときに、シートフレームに対するステーの変位を電圧信号に変換してコントローラ１７に入力する。コントローラ１７は、入力された電圧信号から呼吸情報を判断する。
図２は、体動センサの設置例を示す図である。
図中の（ａ）は運転者のシートベルトの着用状況を示しており、（ｂ）は矢視Ａを示している。
シートフレーム３１は、フロア面に固定してあり、シート３２は、シートフレーム３１上に固定してある。略平板状のステー３３の下部は、連結軸３４を介してシートフレーム３１の側面に対して回動可能な状態で連結してあり、バックル３５は、ステー３３の上部に固定してある。三点式のシートベルト（ウェビング）３６は、先端部のタング３７をバックル３５に結合することにより、ショルダーストラップ部にて着用者の胸部を肩から腰にかけて斜めに拘束すると共に、ラップストラップ部にて着用者の腰部を横切るように拘束する。
図中の（ａ）は運転者のシートベルトの着用状況を示しており、（ｂ）は矢視Ａを示している。
シートフレーム３１は、フロア面に固定してあり、シート３２は、シートフレーム３１上に固定してある。略平板状のステー３３の下部は、連結軸３４を介してシートフレーム３１の側面に対して回動可能な状態で連結してあり、バックル３５は、ステー３３の上部に固定してある。三点式のシートベルト（ウェビング）３６は、先端部のタング３７をバックル３５に結合することにより、ショルダーストラップ部にて着用者の胸部を肩から腰にかけて斜めに拘束すると共に、ラップストラップ部にて着用者の腰部を横切るように拘束する。
連結軸３４において、シートフレーム３１とステー３３との間には、図示しないワッシャ及びスプリングワッシャを介在させてあり、これによりシートフレーム３１とステー３３との間に微小な隙間ｄを形成している。この微小な隙間ｄに体動センサ１１を介在させてあり、具体的には、連結軸３４から離れた位置でステー３３に取付けている。
上記の構成により、運転者の呼吸運動に応じてシートベルト３６が緊張／弛緩するときに、タング３７を介してバックル３５に車幅方向の荷重が作用する。ステー３３は、連結軸３４によって片側だけを支持した片持ち状態にあるため、バックル３５に作用する荷重は、ステー３３に対する曲げ荷重となる。したがって、ステー３３には、曲げモーメントによる撓みが発生することで、ステー３３のバックル３５に近い側でシートフレーム３１との隙間ｄが変化する。すなわち、運転者の吸息運動に応じてシートベルト３６が緊張するときには、ステー３３のバックル３５に近い側がシートフレーム３１に接近し、隙間ｄが小さくなる。一方、運転者の呼息運動に応じてシートベルト３６が弛緩するときには、ステー３３のバックル３５に近い側がシートフレーム３１から離間し、隙間ｄが大きくなる。
体動センサ１１は、運転者の呼吸運動に応じて変動するステー３３の撓みを電圧信号に変換し、これを呼吸信号αとして出力する。なお、ステー３３には、連結軸３４を支持点、タング３７を力点、体動センサ１１を作用点とする梃子の原理が発現するので、体動センサ１１に作用する圧力変化を高感度に検出することができる。
図３は、体動センサ１１から出力される呼吸信号αの一例を示すグラフである。
このように、呼吸信号αは予め定めた信号処理を介して基準値（α＝０）を中心に振動する波形として出力され、運転者の吸息運動及び呼息運動の夫々の大きさや長さに応じて波形が変化する。
本実施形態では、シートフレーム３１とステー３３との間に体動センサ１１を設けて、運転者の呼吸信号を間接的に検出しているが、これに限定されるものではなく、ウェアラブルに検出することも含めて、任意の方法で運転者の呼吸信号を検出すればよい。
上記が体動センサ１１による呼吸情報の検出についての説明である。
このように、呼吸信号αは予め定めた信号処理を介して基準値（α＝０）を中心に振動する波形として出力され、運転者の吸息運動及び呼息運動の夫々の大きさや長さに応じて波形が変化する。
本実施形態では、シートフレーム３１とステー３３との間に体動センサ１１を設けて、運転者の呼吸信号を間接的に検出しているが、これに限定されるものではなく、ウェアラブルに検出することも含めて、任意の方法で運転者の呼吸信号を検出すればよい。
上記が体動センサ１１による呼吸情報の検出についての説明である。
図１のストレス状態推定装置の説明に戻る。
ブレーキスイッチ１２は、ブレーキのＯＮ／ＯＦＦを検出する。このブレーキスイッチ１２は、例えば常閉型接点の検出回路を介して、ブレーキのＯＮ／ＯＦＦに応じた電圧信号をコントローラ１７に入力する。コントローラ１７は、入力された電圧信号からブレーキのＯＮ／ＯＦＦを判断する。
車速センサ１３は、車体速度（以下、車速と称す）Ｖを検出する。この車速センサ１３は、例えばトランスミッションにおける出力側のドリブンギヤに設けられ、センサロータの磁力線を検出回路によって検出しており、センサロータの回転に伴う磁界の変化をパルス信号に変換してコントローラ１７に入力する。コントローラ１７は、入力されたパルス信号から車速Ｖを判断する。
ブレーキスイッチ１２は、ブレーキのＯＮ／ＯＦＦを検出する。このブレーキスイッチ１２は、例えば常閉型接点の検出回路を介して、ブレーキのＯＮ／ＯＦＦに応じた電圧信号をコントローラ１７に入力する。コントローラ１７は、入力された電圧信号からブレーキのＯＮ／ＯＦＦを判断する。
車速センサ１３は、車体速度（以下、車速と称す）Ｖを検出する。この車速センサ１３は、例えばトランスミッションにおける出力側のドリブンギヤに設けられ、センサロータの磁力線を検出回路によって検出しており、センサロータの回転に伴う磁界の変化をパルス信号に変換してコントローラ１７に入力する。コントローラ１７は、入力されたパルス信号から車速Ｖを判断する。
操舵角センサ１４は、ステアリングシャフトの操舵角θを検出する。この操舵角センサ１４は、例えばステアリングシャフトと同期して回転する検出ギヤに内蔵された磁石の回転を、二つのＭＲ（ferro-Magneto Resistance）素子で検出し、ステアリングシャフトの回転に伴う磁界方向のベクトル変化を電気信号に変換してコントローラ１７に入力する。コントローラ１７は、入力された電気信号からステアリングシャフトの操舵角θを判断する。なお、操舵角センサ１４は、右旋回を正の値として検出し、左旋回を負の値として検出する。
ウィンカスイッチ１５は、方向指示器（ウィンカ）の作動状態を検出する。このウィンカスイッチ１５は、例えば常開接点の検出回路を介して左方向スイッチのＯＮ／ＯＦＦ、及び右方向スイッチのＯＮ／ＯＦＦに応じた電圧信号をコントローラ１７に入力する。コントローラ１７は、入力された電圧信号からウィンカスイッチ１５の作動状態、つまり左方向スイッチのＯＮ／ＯＦＦ、及び右方向スイッチのＯＮ／ＯＦＦを判断する。
ナビゲーションシステム１６は、自車両の現在位置と、その現在位置における道路地図情報を認識する。このナビゲーションシステム１６は、ＧＰＳ受信機を有し、三つ以上のＧＰＳ衛星から到着する電波の時間差に基づいて自車両の位置（緯度、経度、高度）と進行方向とを認識する。そして、ＤＶＤ‐ＲＯＭドライブやハードディスクドライブに記憶された道路種別、道路線形、車線幅員、車両の通行方向等を含めた道路地図情報を参照し、自車両の現在位置における道路地図情報を認識しコントローラ１７に入力する。なお、安全運転支援システム（ＤＳＳＳ：Driving Safety Support Systems）として、双方向無線通信（ＤＳＲＣ：Dedicated Short Range Communication）を利用し、各種データをインフラストラクチャから受信してもよい。
なお、コントローラ１７は、センサ類から各検出信号を直接入力しているが、これに限定されるものではない。コントローラ１７を他のコントロールユニットと接続し、例えばＣＳＭＡ／ＣＡ方式の多重通信（ＣＡＮ：Controller Area Network）を介して各種データを受信してもよい。
コントローラ１７は、例えばマイクロコンピュータからなり、所定時間（例えば１０ｍｓｅｃ）毎にストレス状態推定処理を実行する。
コントローラ１７は、例えばマイクロコンピュータからなり、所定時間（例えば１０ｍｓｅｃ）毎にストレス状態推定処理を実行する。
図４は、ストレス状態推定処理を示すブロック図である。
コントローラ１７で実行するストレス状態推定処理は、呼吸情報検出部２１と、事前検知部２２と、呼吸休止時間検出部２３と、ストレス状態推定部２４と、を備える。
呼吸情報検出部２１では、運転者の呼吸情報を検出する。具体的には、体動センサ１１で検出した呼吸信号を記録する。呼吸情報検出部２１では、呼吸信号を時刻情報と共に不揮発性メモリに蓄積して管理する。
事前検知部２２では、自車両に予め定めた特定運転事象（イベント）が生じることを事前に検知する。この特定運転事象とは、自車両を発進させることや、走行中に合流や車線変更を行うことである。
コントローラ１７で実行するストレス状態推定処理は、呼吸情報検出部２１と、事前検知部２２と、呼吸休止時間検出部２３と、ストレス状態推定部２４と、を備える。
呼吸情報検出部２１では、運転者の呼吸情報を検出する。具体的には、体動センサ１１で検出した呼吸信号を記録する。呼吸情報検出部２１では、呼吸信号を時刻情報と共に不揮発性メモリに蓄積して管理する。
事前検知部２２では、自車両に予め定めた特定運転事象（イベント）が生じることを事前に検知する。この特定運転事象とは、自車両を発進させることや、走行中に合流や車線変更を行うことである。
ここで、特定運転事象の具体的な検知処理について説明する。
先ず、自車速Ｖ及びブレーキ作動状態に応じて自車両が停車状態にあることを検知し、且つナビゲーションシステム１６で取得した自車両の現在位置情報に応じて、自車両が駐停車領域以外に位置することを検知したときに、自車両に発進動作が生じることを検知する。
また、ナビゲーションシステム１６で取得した自車両の現在位置情報に応じて、自車進路上に走行車線の合流があることを検知したときに、自車両に合流動作が生じることを検知する。
先ず、自車速Ｖ及びブレーキ作動状態に応じて自車両が停車状態にあることを検知し、且つナビゲーションシステム１６で取得した自車両の現在位置情報に応じて、自車両が駐停車領域以外に位置することを検知したときに、自車両に発進動作が生じることを検知する。
また、ナビゲーションシステム１６で取得した自車両の現在位置情報に応じて、自車進路上に走行車線の合流があることを検知したときに、自車両に合流動作が生じることを検知する。
また、ナビゲーションシステム１６で取得した自車両の現在位置情報に応じて自車進路に複数の走行車線があることを検知し、且つウィンカスイッチ１５で方向指示器が作動状態にあること検知したときに、自車両に車線変更動作が生じることを検知する。
呼吸休止時間検出部２３では、事前検知部２２で自車両に特定運転事象が生じることを検知したときに、呼吸情報検出部２１で検出した呼吸情報に応じて運転者の呼吸休止時間Ｔｓを検出する。
呼吸休止時間検出部２３では、事前検知部２２で自車両に特定運転事象が生じることを検知したときに、呼吸情報検出部２１で検出した呼吸情報に応じて運転者の呼吸休止時間Ｔｓを検出する。
ここで、呼吸休止時間Ｔｓの具体的な検出処理について説明する。
図５は、呼吸休止時間Ｔｓの検出について説明した図である。
呼吸休止時間Ｔｓとは、呼吸信号αの絶対値が予め定めた閾値α１より小さい状態が継続している時間である。したがって、呼吸信号αの絶対値が閾値α１より小さくなってから、予め定めた時間（例えば呼吸半周期）Ｔｗだけ経過したときに、運転者の呼吸運動が休止していると判断し、その時点から呼吸信号αの絶対値が閾値α１を超えるまでの経過時間を呼吸休止時間Ｔｓとして検出する。なお、閾値α１に対するマージンとして、閾値α１よりも僅かに大きな閾値α２を設定し、呼吸信号αの絶対値が閾値α２よりも大きくなるまでの経過時間を呼吸休止時間Ｔｓとして検出することが望ましい。
ストレス状態推定部２４では、呼吸休止時間検出部２３で検出した呼吸休止時間Ｔｓに応じて特定運転事象に伴う運転者のストレス状態を推定する。
図５は、呼吸休止時間Ｔｓの検出について説明した図である。
呼吸休止時間Ｔｓとは、呼吸信号αの絶対値が予め定めた閾値α１より小さい状態が継続している時間である。したがって、呼吸信号αの絶対値が閾値α１より小さくなってから、予め定めた時間（例えば呼吸半周期）Ｔｗだけ経過したときに、運転者の呼吸運動が休止していると判断し、その時点から呼吸信号αの絶対値が閾値α１を超えるまでの経過時間を呼吸休止時間Ｔｓとして検出する。なお、閾値α１に対するマージンとして、閾値α１よりも僅かに大きな閾値α２を設定し、呼吸信号αの絶対値が閾値α２よりも大きくなるまでの経過時間を呼吸休止時間Ｔｓとして検出することが望ましい。
ストレス状態推定部２４では、呼吸休止時間検出部２３で検出した呼吸休止時間Ｔｓに応じて特定運転事象に伴う運転者のストレス状態を推定する。
ここで、ストレス状態の具体的な推定処理について説明する。
図６は、呼吸休止時間Ｔｓに応じたストレス状態を示す図である。
先ず、呼吸休止時間Ｔｓが略０であるときには、運転特定事象に伴う運転者のストレス状態が相対的に小さいと推定する。そして、呼吸休止時間Ｔｓに対する閾値Ｔｔ（例えば５秒）を予め設定し、呼吸休止時間Ｔｓが０よりも長く、且つ閾値Ｔｔより短いときには、ストレス状態の推定をしない。また、呼吸休止時間Ｔｓが閾値Ｔｔ以上であるときには、特定運転事象に伴う運転者のストレス状態が相対的に大きいと推定する。
閾値Ｔｔは、過去の呼吸休止時間Ｔｓの統計的な分布に基づいて定めてもよい。
図６は、呼吸休止時間Ｔｓに応じたストレス状態を示す図である。
先ず、呼吸休止時間Ｔｓが略０であるときには、運転特定事象に伴う運転者のストレス状態が相対的に小さいと推定する。そして、呼吸休止時間Ｔｓに対する閾値Ｔｔ（例えば５秒）を予め設定し、呼吸休止時間Ｔｓが０よりも長く、且つ閾値Ｔｔより短いときには、ストレス状態の推定をしない。また、呼吸休止時間Ｔｓが閾値Ｔｔ以上であるときには、特定運転事象に伴う運転者のストレス状態が相対的に大きいと推定する。
閾値Ｔｔは、過去の呼吸休止時間Ｔｓの統計的な分布に基づいて定めてもよい。
図７は、呼吸休止時間Ｔｓの統計を示す図である。
ここで、同一の特定運転事象ごとに、呼吸休止時間Ｔｓを記録しておき、その平均値や中央値などの代表値を閾値Ｔｔとして設定したり、標準偏差σを算出してσ１やσ３に応じて閾値Ｔｔを設定したりする。勿論、一般的な運転者の分布を予め求めておき、それに基づいて閾値Ｔｔを設定してもよい。
上記が、図４のブロック図に基づくストレス状態推定処理の説明である。
ここで、同一の特定運転事象ごとに、呼吸休止時間Ｔｓを記録しておき、その平均値や中央値などの代表値を閾値Ｔｔとして設定したり、標準偏差σを算出してσ１やσ３に応じて閾値Ｔｔを設定したりする。勿論、一般的な運転者の分布を予め求めておき、それに基づいて閾値Ｔｔを設定してもよい。
上記が、図４のブロック図に基づくストレス状態推定処理の説明である。
次に、ストレス状態推定処理をフローチャートに基づいて説明する。
図８は、ストレス状態推定処理を示すフローチャートである。
先ずステップＳ１０１は、呼吸情報検出部２１での処理に対応し、運転者の呼吸情報を検出する。
続くステップＳ１０２では、事前検出部２２での処理により、自車両に予め定めた特定運転事象（イベント）が生じることを検知したか否かを判定する。ここで、特定運転事象が生じることを検知していなければ、運転者のストレス状態を推定することはできないので、そのまま所定のメインプログラムに復帰する。一方、特定運転事象が生じることを検知したときには、ステップＳ１０３に移行する。
図８は、ストレス状態推定処理を示すフローチャートである。
先ずステップＳ１０１は、呼吸情報検出部２１での処理に対応し、運転者の呼吸情報を検出する。
続くステップＳ１０２では、事前検出部２２での処理により、自車両に予め定めた特定運転事象（イベント）が生じることを検知したか否かを判定する。ここで、特定運転事象が生じることを検知していなければ、運転者のストレス状態を推定することはできないので、そのまま所定のメインプログラムに復帰する。一方、特定運転事象が生じることを検知したときには、ステップＳ１０３に移行する。
ステップＳ１０３では、呼吸休止フラグがｆｓ＝０にリセットされているか否かを判定する。なお、初期設定では呼吸休止フラグはｆｓ＝０にリセットされている。ここで、呼吸休止フラグがｆｓ＝０にリセットされているときには、運転者の呼吸休止を検知していないと判断してステップＳ１０４に移行する。一方、呼吸休止フラグがｆｓ＝１にセットされているときには、運転者の呼吸休止を検知済であると判断してステップＳ１０９に移行する。
ステップＳ１０４は、呼吸信号の絶対値｜α｜が予め定めた閾値α１より小さいか否かを判定する。ここで、呼吸信号の絶対値｜α｜が閾値α１より小さいときには、運転者の呼吸運動が休止している可能性があると判断してステップＳ１０５に移行する。一方、呼吸信号の絶対値｜α｜が閾値α１以上であるときには、運転者の呼吸運動は休止していないと判断してステップＳ１０７に移行する。
ステップＳ１０５では、呼吸信号の絶対値｜α｜が閾値α１より小さくなった状態で、予め定めた時間（例えば呼吸半周期）Ｔｗだけ経過したか否かを判定する。ここで、予め定めた時間Ｔｗだけ経過しているときには、運転者の呼吸運動が休止していると判断してステップＳ１０６に移行する。一方、予め定めた時間Ｔｗが経過していないときには、まだ運転者の呼吸運動が休止しているとは限らないためステップＳ１０７に移行する。
ステップＳ１０６では、呼吸休止フラグをｆｓ＝１にセットする。
ステップＳ１０６では、呼吸休止フラグをｆｓ＝１にセットする。
ステップＳ１０７では、特定運転事象が開始されたか否かを判定する。すなわち、自車両の発進動作については、自車速Ｖ及びブレーキ作動状態に応じて、自車両が走行を開始したか否かを判定する。また、自車両の合流動作については、自車両の現在位置情報に応じて、自車両が合流位置に到達したか否かを判定する。また、自車両の車線変更動作については、操舵角θに応じて自車両が車線変更を行っているか否かを判定する。ここで、特定運転事象が開始されているときには、運転者のストレス状態を推定できると判断してステップＳ１０８に移行する。一方、特定運転事象が開始されていないときには、運転者のストレス状態を推定できないと判断してそのまま所定のメインプログラムに復帰する。
ステップＳ１０８では、呼吸休止フラグがｆｓ＝１にセットされているか否かを判定する。ここで、呼吸休止フラグがｆｓ＝１にセットされているときには、運転者の呼吸休止を検知済であると判断してステップＳ１１０に移行する。一方、呼吸休止フラグがｆｓ＝０にリセットされているときには、運転者の呼吸休止を検知していないと判断してステップＳ１１１に移行する。
一方、ステップＳ１０９では、呼吸信号の絶対値｜α｜が予め定めた閾値α２以上であるか否かを判定する。ここで、呼吸信号の絶対値｜α｜が閾値α２以上であるときには、運転者の呼吸運動が休止した状態から再開したと判断してステップＳ１１０に移行する。一方、呼吸信号の絶対値｜α｜が閾値α２より小さいときには、運転者の呼吸運動は休止した状態のままであると判断してステップＳ１０７に移行する。
ステップＳ１１０では、運転者の呼吸が休止している呼吸休止時間Ｔｓを算出してからステップＳ１１２に移行する。ここでは、運転者の呼吸運動が休止してから特定運転事象が開始されるまでの時間か、又は運転者の呼吸運動が休止してから再開するまでの時間を、呼吸休止時間Ｔｓとして算出する。すなわち、特定運転事象が開始される前に、運転者の呼吸運動が再開しているときには、呼吸運動が休止してから再開するまでの時間を呼吸休止時間Ｔｓとして算出する。一方、運転者の呼吸運動が再開する前に、特定運転事象が開始されたときには、呼吸運動が休止してから特定運転事象が開始されるまでの時間を呼吸運動事象として検出する。
ステップＳ１１１では、呼吸休止時間をＴｓ＝０にしてからステップＳ１１２に移行する。
ステップＳ１１２は、ストレス状態推定部２４での処理に対応し、呼吸休止時間Ｔｓが０より長いか否かを判定する。ここで、呼吸休止時間Ｔｓが０より長いときには、特定運転事象に伴う運転者のストレス状態が小さくはないと判断してステップＳ１１３に移行する。一方、呼吸休止時間Ｔｓが０であるときには、特定運転事象に伴う運転者のストレス状態は小さいと判断してステップＳ１１５に移行する。
ステップＳ１１２は、ストレス状態推定部２４での処理に対応し、呼吸休止時間Ｔｓが０より長いか否かを判定する。ここで、呼吸休止時間Ｔｓが０より長いときには、特定運転事象に伴う運転者のストレス状態が小さくはないと判断してステップＳ１１３に移行する。一方、呼吸休止時間Ｔｓが０であるときには、特定運転事象に伴う運転者のストレス状態は小さいと判断してステップＳ１１５に移行する。
ステップＳ１１３は、ストレス状態推定部２４での処理に対応し、呼吸休止時間Ｔｓが予め定めた閾値Ｔｔ以上であるか否かを判定する。ここで、呼吸休止時間Ｔｓが閾値Ｔｔ以上であるときには、特定運転事象に伴う運転者のストレス状態は大きいと判断してステップＳ１１４に移行する。一方、呼吸休止時間Ｔｓが閾値Ｔｔより短いときには、特定運転事象に伴う運転者のストレス状態は不明であると判断してそのままステップＳ１１６に移行する。
ステップＳ１１４は、ストレス状態推定部２４での処理に対応し、特定運転事象に伴う運転者の減速前のストレス状態が大きいという推定結果を、例えば所定のドライブレコーダに履歴として記録してからステップＳ１１６に移行する。
ステップＳ１１５は、ストレス状態推定部２４での処理に対応し、特定運転事象に伴う運転者の減速前のストレス状態が小さいという推定結果を、例えば所定のドライブレコーダに履歴として記録してからステップＳ１１６に移行する。
ステップＳ１１６では、呼吸休止フラグｆｓをリセットしてから所定のメインプログラムに復帰する。
上記が、図８のフローチャートに基づくストレス状態推定処理の説明である。
ステップＳ１１５は、ストレス状態推定部２４での処理に対応し、特定運転事象に伴う運転者の減速前のストレス状態が小さいという推定結果を、例えば所定のドライブレコーダに履歴として記録してからステップＳ１１６に移行する。
ステップＳ１１６では、呼吸休止フラグｆｓをリセットしてから所定のメインプログラムに復帰する。
上記が、図８のフローチャートに基づくストレス状態推定処理の説明である。
《作用》
次に、第１実施形態の作用について説明する。
先ず運転者の呼吸情報を検出し（ステップＳ１０１）、自車両に特定運転事象が生じることを事前に検知する（ステップＳ１０２）。本実施形態では、例えば車両を発進させるときや、走行中に合流や車線変更を行うようなシーンで、運転者の緊張度が一時的に高まり、無意識のうちに息を止めてしまうことに着目し、特定運転事象が生じることを検知したときに、運転者の呼吸運動がどのように変化するかを観察する。
次に、第１実施形態の作用について説明する。
先ず運転者の呼吸情報を検出し（ステップＳ１０１）、自車両に特定運転事象が生じることを事前に検知する（ステップＳ１０２）。本実施形態では、例えば車両を発進させるときや、走行中に合流や車線変更を行うようなシーンで、運転者の緊張度が一時的に高まり、無意識のうちに息を止めてしまうことに着目し、特定運転事象が生じることを検知したときに、運転者の呼吸運動がどのように変化するかを観察する。
ここで、特定運転事象の一つとして車両を発進させるときの一例について説明する。
図９は、複雑な交差点で発進する際の呼吸信号を示すタイムチャートである。
複雑な交差点において、停車状態から発進する場合には、運転者は様々な方向に注意を払わなければならず、一般に運転者の緊張度が一時的に高まる傾向にある。このようなシーンでは、実際、発進前に約７秒程度の呼吸休止が観測された。
図９は、複雑な交差点で発進する際の呼吸信号を示すタイムチャートである。
複雑な交差点において、停車状態から発進する場合には、運転者は様々な方向に注意を払わなければならず、一般に運転者の緊張度が一時的に高まる傾向にある。このようなシーンでは、実際、発進前に約７秒程度の呼吸休止が観測された。
図１０は、私有地で発進する際の呼吸信号を示すタイムチャートである。
私有地のように他の車両が存在しない状況において、停車状態から発進する場合には、一般に前述したような緊張度合の高まりは少ない。このようなシーンでは、実際、発進前に呼吸休止は観測されなかった。
このように、特定運転事象が生じる前には、運転者は視覚情報や聴覚情報などの外的刺激を多く取り込もうと運転に集中し、無意識のうちに一時的に息を止めてしまうことがある。そこで、車両を発進させるときや、走行中に合流や車線変更を行うような特定運転事象が生じることを検知したときに、運転者の呼吸休止時間Ｔｓを算出し、算出した呼吸休止時間Ｔｓに応じて特定運転事象に伴う運転者のストレス状態を推定する。
私有地のように他の車両が存在しない状況において、停車状態から発進する場合には、一般に前述したような緊張度合の高まりは少ない。このようなシーンでは、実際、発進前に呼吸休止は観測されなかった。
このように、特定運転事象が生じる前には、運転者は視覚情報や聴覚情報などの外的刺激を多く取り込もうと運転に集中し、無意識のうちに一時的に息を止めてしまうことがある。そこで、車両を発進させるときや、走行中に合流や車線変更を行うような特定運転事象が生じることを検知したときに、運転者の呼吸休止時間Ｔｓを算出し、算出した呼吸休止時間Ｔｓに応じて特定運転事象に伴う運転者のストレス状態を推定する。
先ず、呼吸信号の絶対値｜α｜が閾値α１より小さくなった状態で、予め定めた時間Ｔｗだけ経過したときに（ステップＳ１０４、Ｓ１０５の判定が共に“Yes”）、運転者の呼吸運動が休止した時点とする。その後、呼吸信号の絶対値｜α｜が閾値α２以上になったときに（ステップＳ１０９の判定が“Yes”）、運転者の呼吸運動が再開した時点とする。こうして、呼吸運動が休止してから再開するまでの時間を呼吸休止時間Ｔｓとする（ステップＳ１１０）。なお、運転者の運転者の呼吸運動が再開する前に、特定運転事象が開始されたときには、呼吸運動が休止してから特定運転事象が開始されるまでの時間を呼吸休止時間Ｔｓとする（ステップＳ１１０）。また、呼吸信号の絶対値｜α｜が閾値α１より小さくなった状態を継続しないのであれば（ステップＳ１０４、Ｓ１０５の何れかの判定が“No”）、運転者の呼吸運動は休止していないため、呼吸休止時間Ｔｓは０となる。
そして、呼吸休止時間Ｔｓが０であるときには（ステップＳ１１２の判定が“No”）、運転特定事象に伴う運転者のストレス状態が相対的に小さいと推定する（ステップＳ１１５）。一方、呼吸休止時間Ｔｓが閾値Ｔｔ以上であるときには（ステップＳ１１３の判定が“Yes”）、特定運転事象に伴う運転者のストレス状態が相対的に大きいと推定する（ステップＳ１１４）。なお、呼吸休止時間Ｔｓに対する閾値Ｔｔを予め設定し、呼吸休止時間Ｔｓが０よりも大きく（ステップＳ１１２の判定が“Yes”）、且つ閾値Ｔｔより小さいときには（ステップＳ１１３の判定が“No”）、特定運転事象に伴う運転者のストレス状態は不明であるとして推定をしない。
このように、自車両に特定運転事象が生じることを事前に検知したときに、運転者の呼吸休止時間Ｔｓに応じて運転者のストレス状態を推定するので、推定精度を向上させることができる。すなわち、例えば車両を発進させるときや、走行中に合流や車線変更を行うとき等、運転者の緊張度が一時的に高まり、無意識のうちに息を止めるようなシーンで、運転者のストレス状態を精度よく推定することができる。
また、特定運転事象の一つである自車両が発進することについては、自車両が停車状態にあることを検知し、且つ駐停車領域以外に位置することを検知するだけの構成なので、自車両に発進動作が生じることを容易に且つ正確に検知することができる。また、走行中に合流を行うことについては、自車進路上に走行車線の合流があることを検知するだけの構成なので、自車両に合流動作が生じることを容易に且つ正確に検知することができる。また、走行中に車線変更を行うことについては、自車進路に複数の走行車線があることを検知し、且つ方向指示器が作動状態にあること検知するだけの構成なので、自車両に車線変更動作が生じることを容易に且つ正確に検知することができる。
以上、体動センサ１１、及び呼吸情報検出部２１での処理となるステップＳ１０１の処理が「呼吸情報検出手段」に対応し、事前検知部２２での処理となるステップＳ１０２の処理が「事前検知手段」に対応する。また、呼吸休止時間算出部２３での処理となるステップＳ１０３〜Ｓ１１１の処理が「呼吸時間算出手段」に対応し、ストレス状態推定部２４での処理となるステップＳ１１２〜Ｓ１１５の処理が「ストレス状態推定手段」に対応する。また、閾値Ｔｔが「休止時間用閾値」に対応する。また、車速センサ１３が「車速検出手段」に対応し、ナビゲーションシステム１６が「現在位置情報取得手段」に対応し、ウィンカスイッチ１５が「作動状態検出手段」に対応する。
《効果》
次に、第１実施形態における主要部の効果を記す。
（１）本実施形態に係るストレス状態推定装置は、呼吸情報検出部２１での処理により、運転者の呼吸情報を検出し、事前検知部２２での処理により、自車両に予め定めた特定運転事象が生じることを事前に検知する。そして、呼吸休止時間検出部２３での処理により、自車両に特定運転事象が生じることを検知したときに、呼吸情報に応じて運転者の呼吸休止時間Ｔｓを検出し、ストレス状態推定部２４での処理により、呼吸休止時間Ｔｓに応じて特定運転事象に伴う運転者のストレス状態を推定する。
次に、第１実施形態における主要部の効果を記す。
（１）本実施形態に係るストレス状態推定装置は、呼吸情報検出部２１での処理により、運転者の呼吸情報を検出し、事前検知部２２での処理により、自車両に予め定めた特定運転事象が生じることを事前に検知する。そして、呼吸休止時間検出部２３での処理により、自車両に特定運転事象が生じることを検知したときに、呼吸情報に応じて運転者の呼吸休止時間Ｔｓを検出し、ストレス状態推定部２４での処理により、呼吸休止時間Ｔｓに応じて特定運転事象に伴う運転者のストレス状態を推定する。
このように、自車両に特定運転事象が生じることを事前に検知したときに、運転者の呼吸休止時間Ｔｓに応じて運転者のストレス状態を推定するので、推定精度を向上させることができる。すなわち、例えば車両を発進させるときや、走行中に合流や車線変更を行うとき等、運転者の緊張度が一時的に高まり、無意識のうちに息を止めるようなシーンで、運転者のストレス状態を精度よく推定することができる。
（２）本実施形態に係るストレス状態推定装置は、ストレス状態推定部２４での処理により、呼吸休止時間Ｔｓがないときには、運転特定事象に伴う運転者のストレス状態が相対的に小さく、呼吸休止時間Ｔｓが閾値Ｔｔよりも長いときには、特定運転事象に伴う運転者のストレス状態が相対的に大きいと推定する。
このように、呼吸休止時間Ｔｓの長さに応じて、特定運転事象に伴う運転者のストレス状態を推定するので、運転者のストレス状態を容易に推定することができる。
このように、呼吸休止時間Ｔｓの長さに応じて、特定運転事象に伴う運転者のストレス状態を推定するので、運転者のストレス状態を容易に推定することができる。
（３）本実施形態に係るストレス状態推定装置は、事前検知部２２での処理により、自車速Ｖに応じて自車両が停車状態にあることを検知し、且つ自車両の現在位置情報に応じて自車両が駐停車領域以外に位置することを検知したときに、特定運転事象として自車両に発進動作が生じると検知する。
このように、自車両が停車状態にあることを検知し、且つ駐停車領域以外に位置することを検知するだけの構成なので、自車両に発進動作が生じることを容易に且つ正確に検知することができる。
このように、自車両が停車状態にあることを検知し、且つ駐停車領域以外に位置することを検知するだけの構成なので、自車両に発進動作が生じることを容易に且つ正確に検知することができる。
（４）本実施形態に係るストレス状態推定装置は、事前検知部２２での処理により、自車両の現在位置情報に応じて自車進路に走行車線の合流があることを検知したときに、特定運転事象として自車両に合流動作が生じると検知する。
このように、自車進路上に走行車線の合流があることを検知するだけの構成なので、自車両に合流動作が生じることを容易に且つ正確に検知することができる。
このように、自車進路上に走行車線の合流があることを検知するだけの構成なので、自車両に合流動作が生じることを容易に且つ正確に検知することができる。
（５）本実施形態に係るストレス状態推定装置は、事前検知部２２での処理により、自車両の現在位置情報に応じて自車進路に複数の走行車線があることを検知し、且つ方向指示器が作動状態にあること検知したときに、特定運転事象として自車両に車線変更動作が生じると検知する。
このように、自車進路に複数の走行車線があることを検知し、且つ方向指示器が作動状態にあること検知するだけの構成なので、自車両に車線変更動作が生じることを容易に且つ正確に検知することができる。
このように、自車進路に複数の走行車線があることを検知し、且つ方向指示器が作動状態にあること検知するだけの構成なので、自車両に車線変更動作が生じることを容易に且つ正確に検知することができる。
（６）本実施形態に係るストレス状態推定方法は、運転者の呼吸情報を検出し、自車両に予め定めた特定運転事象が起こることを事前に検知したときに、呼吸情報に応じて運転者の呼吸休止時間Ｔｓを検出する。そして、呼吸休止時間Ｔｓに応じて特定運転事象に伴う運転者のストレス状態を推定する。
このように、自車両に特定運転事象が生じることを事前に検知したときに、運転者の呼吸休止時間Ｔｓに応じて運転者のストレス状態を推定するので、推定精度を向上させることができる。すなわち、例えば車両を発進させるときや、走行中に合流や車線変更を行うとき等、運転者の緊張度が一時的に高まり、無意識のうちに息を止めるようなシーンで、運転者のストレス状態を精度よく推定することができる。
このように、自車両に特定運転事象が生じることを事前に検知したときに、運転者の呼吸休止時間Ｔｓに応じて運転者のストレス状態を推定するので、推定精度を向上させることができる。すなわち、例えば車両を発進させるときや、走行中に合流や車線変更を行うとき等、運転者の緊張度が一時的に高まり、無意識のうちに息を止めるようなシーンで、運転者のストレス状態を精度よく推定することができる。
《第２実施形態》
《構成》
本実施形態は、特定運転事象に伴う平均呼吸数に応じて、運転者のストレス状態を推定するものである。
ここでは、前述した第１実施形態と異なる点について説明し、同一箇所については説明を省略する。
以下、コントローラ１７で実行するストレス状態推定処理について説明する。
図１１は、第２実施形態のストレス状態推定処理を示すブロック図である。
ここでは、新たに事前呼吸数算出部２５と、事中呼吸数算出部２６と、平均呼吸数算出部２７と、を追加すると共に、前述したストレス状態推定部２４での処理に変更を加えており、その他の処理については、前述した第１実施形態と同様であるため、説明を省略する。
《構成》
本実施形態は、特定運転事象に伴う平均呼吸数に応じて、運転者のストレス状態を推定するものである。
ここでは、前述した第１実施形態と異なる点について説明し、同一箇所については説明を省略する。
以下、コントローラ１７で実行するストレス状態推定処理について説明する。
図１１は、第２実施形態のストレス状態推定処理を示すブロック図である。
ここでは、新たに事前呼吸数算出部２５と、事中呼吸数算出部２６と、平均呼吸数算出部２７と、を追加すると共に、前述したストレス状態推定部２４での処理に変更を加えており、その他の処理については、前述した第１実施形態と同様であるため、説明を省略する。
事前呼吸数算出部２５は、事前検知手部２２で特定運転事象が生じることを検知してから特定運転事象が実際に開始されるまでの期間を事前期間Ｔｂと定義し、呼吸情報検出部２１で検出した呼吸情報に応じて、事前期間Ｔｂから呼吸休止時間Ｔｓを除いた期間（Ｔｂ−Ｔｓ）における運転者の単位時間当たりの呼吸数を事前呼吸数Ｘｂとして算出する。
事中呼吸数算出部２６は、特定運転事象が実際に開始されてから終了するまでの期間を事中期間Ｔｍと定義し、呼吸情報検出部２１で検出した呼吸情報に応じて、事中期間Ｔｍにおける運転者の単位時間当たりの呼吸数を事中呼吸数Ｘｍとして算出する。
事中呼吸数算出部２６は、特定運転事象が実際に開始されてから終了するまでの期間を事中期間Ｔｍと定義し、呼吸情報検出部２１で検出した呼吸情報に応じて、事中期間Ｔｍにおける運転者の単位時間当たりの呼吸数を事中呼吸数Ｘｍとして算出する。
平均呼吸数算出部２７は、事前呼吸数算出部２５で算出した事前呼吸数Ｘｂ、及び事中呼吸数算出部２６で算出した事中呼吸数Ｘｍの平均値を、特定運転事象に伴う平均呼吸数Ｘａとして算出する。
ストレス状態推定部２４は、平均呼吸数算出部２７で算出した平均呼吸数Ｘａに応じて特定運転事象に伴う運転者のストレス状態を推定する。
ストレス状態推定部２４は、平均呼吸数算出部２７で算出した平均呼吸数Ｘａに応じて特定運転事象に伴う運転者のストレス状態を推定する。
ここで、ストレス状態の具体的な推定処理について説明する。
図１２は、平均呼吸数Ｘａに応じたストレス状態を示す図である。
先ず、平均呼吸数Ｘａに対する閾値Ｘ１と、この閾値Ｘ１よりも大きな閾値Ｘ２とを予め設定する。そして、平均呼吸数Ｘａが閾値Ｘ１よりも少ないときには、運転特定事象に伴う運転者のストレス状態が相対的に小さいと推定する。平均呼吸数Ｘａが閾値Ｘ１以上で、且つ閾値Ｘ２以下であるときには、ストレス状態の推定をしない。また、平均呼吸数Ｘａが閾値Ｘ２よりも多いときには、特定運転事象に伴う運転者のストレス状態が相対的に大きいと推定する。
上記が、図１１のブロック図に基づくストレス状態推定処理の説明である。
図１２は、平均呼吸数Ｘａに応じたストレス状態を示す図である。
先ず、平均呼吸数Ｘａに対する閾値Ｘ１と、この閾値Ｘ１よりも大きな閾値Ｘ２とを予め設定する。そして、平均呼吸数Ｘａが閾値Ｘ１よりも少ないときには、運転特定事象に伴う運転者のストレス状態が相対的に小さいと推定する。平均呼吸数Ｘａが閾値Ｘ１以上で、且つ閾値Ｘ２以下であるときには、ストレス状態の推定をしない。また、平均呼吸数Ｘａが閾値Ｘ２よりも多いときには、特定運転事象に伴う運転者のストレス状態が相対的に大きいと推定する。
上記が、図１１のブロック図に基づくストレス状態推定処理の説明である。
次に、ストレス状態推定処理をフローチャートに基づいて説明する。
図１３は、第２実施形態のストレス状態推定処理を示すフローチャートである。
ここでは、前述したステップＳ１１２〜Ｓ１１６の処理を削除すると共に、新たなステップＳ２０１〜Ｓ２１７の処理を追加しており、前述した第１実施形態と共通する部分については説明を省略する。
図１３は、第２実施形態のストレス状態推定処理を示すフローチャートである。
ここでは、前述したステップＳ１１２〜Ｓ１１６の処理を削除すると共に、新たなステップＳ２０１〜Ｓ２１７の処理を追加しており、前述した第１実施形態と共通する部分については説明を省略する。
ステップＳ２０１は、前述したステップＳ１０１で運転者の呼吸情報を検出した後に実行される処理であり、事中フラグがｆｍ＝０にリセットされているか否かを判定する。なお、初期設定では事中フラグはｆｍ＝０にリセットされている。ここで、事中フラグがｆｍ＝０にリセットされているときには、特定運転事象は未だ生じていないと判断して前述したステップＳ１０２に移行する。一方、事中フラグがｆｍ＝１にセットされているときには、特定運転事象が既に生じていると判断してステップＳ２１０に移行する。
ステップＳ２０２は、前述したステップＳ１０７で特定運転事象が開始されたと判定されたときに実行される処理であり、事中フラグをｆｍ＝１にセットしてから前述したステップＳ１０８に移行する。
ステップＳ２０３は、前述したステップＳ１０３で呼吸休止フラグがｆｓ＝１であると判定されたときに実行される処理であり、休止時間算出フラグがｆｔ＝０にリセットされているか否かを判定する。なお、初期設定では休止時間フラグはｆｔ＝０にリセットされている。ここで、休止時間算出フラグがｆｔ＝０にリセットされているときには、呼吸休止時間Ｔｓは未だ算出されていないと判断して前述したステップＳ１０９に移行する。一方、休止時間算出フラグがｆｔ＝１にセットされているときには、呼吸休止時間Ｔｓは既に算出されていると判断してステップＳ２０８に移行する。
ステップＳ２０３は、前述したステップＳ１０３で呼吸休止フラグがｆｓ＝１であると判定されたときに実行される処理であり、休止時間算出フラグがｆｔ＝０にリセットされているか否かを判定する。なお、初期設定では休止時間フラグはｆｔ＝０にリセットされている。ここで、休止時間算出フラグがｆｔ＝０にリセットされているときには、呼吸休止時間Ｔｓは未だ算出されていないと判断して前述したステップＳ１０９に移行する。一方、休止時間算出フラグがｆｔ＝１にセットされているときには、呼吸休止時間Ｔｓは既に算出されていると判断してステップＳ２０８に移行する。
ステップＳ２０４は、前述したステップＳ１１０又はＳ１１１で呼吸休止時間Ｔｓを算出した後に実行される処理であり、休止時間算出フラグをｆｔ＝１にセットする。
続くステップＳ２０５では、事中フラグがｆｍ＝１にセットされているか否かを判定する。ここで、事中フラグがｆｍ＝１にセットされているときには、特定運転事象が既に生じていると判断してステップＳ２０６に移行する。一方、事中フラグがｆｍ＝０にリセットされているときには、特定運転事象は未だ生じていないと判断してそのまま所定のメインプログラムに復帰する。
続くステップＳ２０５では、事中フラグがｆｍ＝１にセットされているか否かを判定する。ここで、事中フラグがｆｍ＝１にセットされているときには、特定運転事象が既に生じていると判断してステップＳ２０６に移行する。一方、事中フラグがｆｍ＝０にリセットされているときには、特定運転事象は未だ生じていないと判断してそのまま所定のメインプログラムに復帰する。
ステップＳ２０６は、事前呼吸数算出部事２５での処理に対応し、呼吸情報に応じて、事前期間Ｔｂから呼吸休止時間Ｔｓを除いた期間（Ｔｂ−Ｔｓ）における運転者の単位時間当たりの呼吸数を事前呼吸数Ｘｂとして算出する。
ステップＳ２０７では、呼吸休止フラグｆｓ、休止時間算出フラグｆｔをリセットしてから所定のメインプログラムに復帰する。
ステップＳ２０７では、呼吸休止フラグｆｓ、休止時間算出フラグｆｔをリセットしてから所定のメインプログラムに復帰する。
ステップＳ２０８では、特定運転事象が開始されたか否かを判定する。すなわち、自車両の発進動作については、自車速Ｖ及びブレーキ作動状態に応じて、自車両が走行を開始したか否かを判定する。また、自車両の合流動作については、自車両の現在位置情報に応じて、自車両が合流位置に到達したか否かを判定する。また、自車両の車線変更動作については、操舵角θに応じて自車両が車線変更を行っているか否かを判定する。ここで、特定運転事象が開始されているときにはステップＳ２０９に移行する。一方、特定運転事象が開始されていないときにはそのまま所定のメインプログラムに復帰する。
ステップＳ２０９では、事中フラグをｆｍ＝１にセットしてから所定のメインプログラムに復帰する。
ステップＳ２１０では、特定運転事象が終了したか否かを判定する。すなわち、自車両の発進動作については、自車速Ｖに応じて走行車速が予め定めた車速まで増加したか否かを判定する。また、自車両の合流動作については、自車両の現在位置情報に応じて自車両が合流位置を通過したか否かを判定する。また、自車両の車線変更動作については、方向指示器の作動状態及び操舵角θに応じて自車両の車線変更が完了したか否かを判定する。ここで、特定運転事象が終了しているときにはステップＳ２１２に移行する。一方、特定運転事象が終了していないときにはそのまま所定のメインプログラムに復帰する。
ステップＳ２１０では、特定運転事象が終了したか否かを判定する。すなわち、自車両の発進動作については、自車速Ｖに応じて走行車速が予め定めた車速まで増加したか否かを判定する。また、自車両の合流動作については、自車両の現在位置情報に応じて自車両が合流位置を通過したか否かを判定する。また、自車両の車線変更動作については、方向指示器の作動状態及び操舵角θに応じて自車両の車線変更が完了したか否かを判定する。ここで、特定運転事象が終了しているときにはステップＳ２１２に移行する。一方、特定運転事象が終了していないときにはそのまま所定のメインプログラムに復帰する。
ステップＳ２１１は、事中呼吸数算出部２６での処理に対応し、呼吸情報に応じて、事中期間Ｔｍにおける運転者の単位時間当たりの呼吸数を事中呼吸数Ｘｍとして算出する。
続くステップＳ２１２は、平均呼吸数算出部２７での処理に対応し、事前呼吸数Ｘｂ及び事中呼吸数Ｘｍの平均値を、特定運転事象に伴う単位時間当たりの平均呼吸数Ｘａとして算出する。
続くステップＳ２１２は、平均呼吸数算出部２７での処理に対応し、事前呼吸数Ｘｂ及び事中呼吸数Ｘｍの平均値を、特定運転事象に伴う単位時間当たりの平均呼吸数Ｘａとして算出する。
続くステップＳ２１３は、ストレス状態推定部２４での処理に対応し、平均呼吸数Ｘａが予め定めた閾値Ｘ１以上であるか否かを判定する。ここで、平均呼吸数Ｘａが閾値Ｘ１以上であるときには、特定運転事象に伴う運転者のストレス状態が小さくはないと判断してステップＳ２１４に移行する。一方、平均呼吸数Ｘａが閾値Ｘ１より小さいときには、特定運転事象に伴う運転者のストレス状態は小さいと判断してステップＳ１１５に移行する。
ステップＳ２１４では、ストレス状態推定部２４での処理に対応し、平均呼吸数Ｘａが予め定めた閾値Ｘ２よりも多いか否かを判定する。閾値Ｘ１及びＸ２は、Ｘ１＜Ｘ２の関係にある。ここで、平均呼吸数Ｘａが閾値Ｘ２より多いときには、特定運転事象に伴う運転者のストレス状態は大きいと判断してステップＳ２１５に移行する。一方、平均呼吸数Ｘａが閾値Ｘ２以下であるときには、特定運転事象に伴う運転者のストレス状態は不明であると判断してそのままステップＳ２１７に移行する。
ステップＳ２１５は、ストレス状態推定部２４での処理に対応し、特定運転事象に伴う運転者の減速前のストレス状態が大きいという推定結果を、例えば所定のドライブレコーダに履歴として記録してからステップＳ２１７に移行する。
ステップＳ２１６は、ストレス状態推定部２４での処理に対応し、特定運転事象に伴う運転者の減速前のストレス状態が小さいという推定結果を、例えば所定のドライブレコーダに履歴として記録してからステップＳ２１７に移行する。
ステップＳ２１７では、事中フラグｆｍをリセットしてから所定のメインプログラムに復帰する。
上記が、図１３のフローチャートに基づくストレス状態推定処理の説明である。
ステップＳ２１６は、ストレス状態推定部２４での処理に対応し、特定運転事象に伴う運転者の減速前のストレス状態が小さいという推定結果を、例えば所定のドライブレコーダに履歴として記録してからステップＳ２１７に移行する。
ステップＳ２１７では、事中フラグｆｍをリセットしてから所定のメインプログラムに復帰する。
上記が、図１３のフローチャートに基づくストレス状態推定処理の説明である。
《作用》
次に、第２実施形態の作用について説明する。
本実施形態では、特定運転事象が生じることを検知してから特定運転事象が実際に開始され且つ終了するまでの期間のうち、運転者が呼吸運動を休止していない期間の、つまり呼吸休止時間Ｔｓを除く期間の、運転者の平均呼吸数Ｘａを算出し、その平均呼吸数Ｘａに応じて特定運転事象に伴う運転者のストレス状態を推定する。
先ず、運転特定事象が生じる前に（ステップＳ２０１の判定が“Yes”）、運転者の呼吸休止時間Ｔｓを算出しておき（ステップＳ１１０、Ｓ１１１）、運転特定事象が開始されたときに（ステップＳ１０７、Ｓ２０８の何れかの判定が“Yes”）、事前期間Ｔｂから呼吸休止時間Ｔｓを除いた期間（Ｔｂ−Ｔｓ）における運転者の事前呼吸数Ｘｂを算出する（ステップＳ２０６）。また、特定運転事象が終了したときに（ステップＳ２１０の判定が“Yes”）、事中期間Ｔｍにおける運転者の事中呼吸数Ｘｍを算出する（ステップＳ２１１）。そして、事前呼吸数Ｘｂと事中呼吸数Ｘｍとの平均呼吸数Ｘａを算出する（ステップＳ２１２）。
次に、第２実施形態の作用について説明する。
本実施形態では、特定運転事象が生じることを検知してから特定運転事象が実際に開始され且つ終了するまでの期間のうち、運転者が呼吸運動を休止していない期間の、つまり呼吸休止時間Ｔｓを除く期間の、運転者の平均呼吸数Ｘａを算出し、その平均呼吸数Ｘａに応じて特定運転事象に伴う運転者のストレス状態を推定する。
先ず、運転特定事象が生じる前に（ステップＳ２０１の判定が“Yes”）、運転者の呼吸休止時間Ｔｓを算出しておき（ステップＳ１１０、Ｓ１１１）、運転特定事象が開始されたときに（ステップＳ１０７、Ｓ２０８の何れかの判定が“Yes”）、事前期間Ｔｂから呼吸休止時間Ｔｓを除いた期間（Ｔｂ−Ｔｓ）における運転者の事前呼吸数Ｘｂを算出する（ステップＳ２０６）。また、特定運転事象が終了したときに（ステップＳ２１０の判定が“Yes”）、事中期間Ｔｍにおける運転者の事中呼吸数Ｘｍを算出する（ステップＳ２１１）。そして、事前呼吸数Ｘｂと事中呼吸数Ｘｍとの平均呼吸数Ｘａを算出する（ステップＳ２１２）。
そして、平均呼吸数Ｘａが閾値Ｘ１より少ないときには（ステップＳ２１３の判定が“No”）、運転特定事象に伴う運転者のストレス状態が相対的に小さいと推定する（ステップＳ２１６）。一方、平均呼吸数Ｘａが閾値Ｘ２よりも多いときには（ステップＳ２１４の判定が“Yes”）、特定運転事象に伴う運転者のストレス状態が相対的に大きいと推定する（ステップＳ２１５）。なお、平均呼吸数Ｘａが閾値Ｘ１以上で（ステップＳ２１３の判定が“Yes”）、且つ閾値Ｘ２以下であるときには（ステップＳ２１４の判定が“No”）、特定運転事象に伴う運転者のストレス状態は不明であるとして推定をしない。
このように、特定運転事象が生じることを検知してから特定運転事象が実際に開始され且つ終了するまでの期間のうち、運転者が呼吸運動を休止していない期間の、運転者の平均呼吸数Ｘａに応じて運転者のストレス状態を推定するので、推定精度を向上させることができる。すなわち、例えば車両を発進させるときや、走行中に合流や車線変更を行うとき等、運転者の緊張度が一時的に高まり、無意識のうちに息を止めるようなシーンで、運転者のストレス状態を精度よく推定することができる。
その他の作用については、前述した第１実施形態と同様である。
以上、事前呼吸数算出部２５での処理となるステップＳ２０６の処理が「事前呼吸数算出手段」に対応し、事中呼吸数算出部２６での処理となるステップＳ２１１の処理が「事中呼吸数算出手段」に対応する。また、平均呼吸数算出部２７での処理となるステップＳ２１２の処理が「平均呼吸数算出手段」に対応し、ストレス状態推定部２４での処理となるステップＳ２１３〜Ｓ２１６の処理が「ストレス状態推定手段」に対応する。また、閾値Ｘ１が「第一の呼吸数用閾値」に対応し、閾値Ｘ２が「第二の呼吸数用閾値」に対応する。
以上、事前呼吸数算出部２５での処理となるステップＳ２０６の処理が「事前呼吸数算出手段」に対応し、事中呼吸数算出部２６での処理となるステップＳ２１１の処理が「事中呼吸数算出手段」に対応する。また、平均呼吸数算出部２７での処理となるステップＳ２１２の処理が「平均呼吸数算出手段」に対応し、ストレス状態推定部２４での処理となるステップＳ２１３〜Ｓ２１６の処理が「ストレス状態推定手段」に対応する。また、閾値Ｘ１が「第一の呼吸数用閾値」に対応し、閾値Ｘ２が「第二の呼吸数用閾値」に対応する。
《効果》
次に、第２実施形態における主要部の効果を記す。
（１）本実施形態に係るストレス状態推定装置は、事前呼吸数算出部２５での処理により、特定運転事象が生じることを検知してから特定運転事象が実際に開始されるまでの期間を事前期間Ｔｂと定義し、呼吸情報に応じて、事前期間Ｔｂから呼吸休止時間Ｔｓを除いた期間（Ｔｂ−Ｔｓ）における運転者の単位時間当たりの呼吸数を事前呼吸数Ｘｂとして算出する。また、事中呼吸数算出部２６での処理により、特定運転事象が実際に開始されてから終了するまでの期間を事中期間Ｔｍと定義し、呼吸情報に応じて、事中期間Ｔｍにおける運転者の単位時間当たりの呼吸数を事中呼吸数Ｘｍとして算出する。そして、平均呼吸数算出部２７での処理により、事前呼吸数Ｘｂ及び事中呼吸数Ｘｍに応じて、特定運転事象に伴う平均呼吸数Ｘａを算出する。そして、ストレス状態推定部２４での処理により、平均呼吸数Ｘａが閾値Ｘ１よりも少ないときには、運転特定事象に伴う運転者のストレス状態が相対的に小さく、平均呼吸数Ｘａが閾値Ｘ２よりも多いときには、特定運転事象に伴う運転者のストレス状態が相対的に大きいと推定する。
このように、特定運転事象が生じることを検知してから特定運転事象が実際に開始され且つ終了するまでの期間のうち、運転者が呼吸運動を休止していない期間の、運転者の平均呼吸数Ｘａに応じて運転者のストレス状態を推定するので、推定精度を向上させることができる。
次に、第２実施形態における主要部の効果を記す。
（１）本実施形態に係るストレス状態推定装置は、事前呼吸数算出部２５での処理により、特定運転事象が生じることを検知してから特定運転事象が実際に開始されるまでの期間を事前期間Ｔｂと定義し、呼吸情報に応じて、事前期間Ｔｂから呼吸休止時間Ｔｓを除いた期間（Ｔｂ−Ｔｓ）における運転者の単位時間当たりの呼吸数を事前呼吸数Ｘｂとして算出する。また、事中呼吸数算出部２６での処理により、特定運転事象が実際に開始されてから終了するまでの期間を事中期間Ｔｍと定義し、呼吸情報に応じて、事中期間Ｔｍにおける運転者の単位時間当たりの呼吸数を事中呼吸数Ｘｍとして算出する。そして、平均呼吸数算出部２７での処理により、事前呼吸数Ｘｂ及び事中呼吸数Ｘｍに応じて、特定運転事象に伴う平均呼吸数Ｘａを算出する。そして、ストレス状態推定部２４での処理により、平均呼吸数Ｘａが閾値Ｘ１よりも少ないときには、運転特定事象に伴う運転者のストレス状態が相対的に小さく、平均呼吸数Ｘａが閾値Ｘ２よりも多いときには、特定運転事象に伴う運転者のストレス状態が相対的に大きいと推定する。
このように、特定運転事象が生じることを検知してから特定運転事象が実際に開始され且つ終了するまでの期間のうち、運転者が呼吸運動を休止していない期間の、運転者の平均呼吸数Ｘａに応じて運転者のストレス状態を推定するので、推定精度を向上させることができる。
《第３実施形態》
《構成》
本実施形態は、運転者の発話を検出したときに、ストレス状態の推定を中止するものである。
ここでは、前述した第１実施形態と異なる点について説明し、同一箇所については説明を省略する。
図１４は、第３実施形態におけるストレス状態推定装置の概略構成図である。
本実施形態では、マイク１８を備える。
マイク１８は、運転者の音声を電気信号に変換する。このマイク１８は、例えば永久磁石と可動コイルとを組み合わせたムービングコイル型のマイクであり、音波を受けて振動板（ダイヤフラム）に固定された可動コイルが振動するときに、磁束の変化によって可動コイルに発生する起電力を音声信号としてコントローラ１７に入力する。マイク１８は、正面に対して感度のよい単一指向性を有し、特に運転者の音声を拾うために例えばダッシュボード近傍に設けてある。
他の装置構成は、前述した第１実施形態と同様である。
《構成》
本実施形態は、運転者の発話を検出したときに、ストレス状態の推定を中止するものである。
ここでは、前述した第１実施形態と異なる点について説明し、同一箇所については説明を省略する。
図１４は、第３実施形態におけるストレス状態推定装置の概略構成図である。
本実施形態では、マイク１８を備える。
マイク１８は、運転者の音声を電気信号に変換する。このマイク１８は、例えば永久磁石と可動コイルとを組み合わせたムービングコイル型のマイクであり、音波を受けて振動板（ダイヤフラム）に固定された可動コイルが振動するときに、磁束の変化によって可動コイルに発生する起電力を音声信号としてコントローラ１７に入力する。マイク１８は、正面に対して感度のよい単一指向性を有し、特に運転者の音声を拾うために例えばダッシュボード近傍に設けてある。
他の装置構成は、前述した第１実施形態と同様である。
以下、コントローラ１７で実行するストレス状態推定処理について説明する。
図１５は、第３実施形態のストレス状態推定処理を示すブロック図である。
ここでは、新たに発話検出部２８を追加しており、その他の処理については、前述した第１実施形態と同様であるため、説明を省略する。
発話検出部２８は、運転者の発話を検出する。具体的には、マイク１８で検出した音声信号に基づいて発話の有無を認識する。
本実施形態では、マイク１８で検出した音声信号に基づいて発話の有無を検出しているが、これに限定されるものではない。要は、発話の有無を検出できればよいので、例えば運転者の顔をカメラで撮像し、撮像した画像データに基づいて運転者の唇の動きを認識することで発話を検出するようにしてもよい。
図１５は、第３実施形態のストレス状態推定処理を示すブロック図である。
ここでは、新たに発話検出部２８を追加しており、その他の処理については、前述した第１実施形態と同様であるため、説明を省略する。
発話検出部２８は、運転者の発話を検出する。具体的には、マイク１８で検出した音声信号に基づいて発話の有無を認識する。
本実施形態では、マイク１８で検出した音声信号に基づいて発話の有無を検出しているが、これに限定されるものではない。要は、発話の有無を検出できればよいので、例えば運転者の顔をカメラで撮像し、撮像した画像データに基づいて運転者の唇の動きを認識することで発話を検出するようにしてもよい。
ストレス状態推定部２４は、発話検出部２８で検出した発話の有無に応じて、運転者のストレス状態の推定を中止するか否かを決定する。具体的には、運転者の発話を検出している状態で、呼吸休止時間Ｔｓが０であるときには、発話による正確な呼吸休止時間Ｔｓを算出できていない可能性があるためストレス状態の推定を中止する。また、呼吸休止時間Ｔｓが０よりも長く、且つ閾値Ｔｔよりも短いときにも、ストレス状態の推定を中止する。
上記が、図１５のブロック図に基づくストレス状態推定処理の説明である。
上記が、図１５のブロック図に基づくストレス状態推定処理の説明である。
次に、ストレス状態推定処理をフローチャートに基づいて説明する。
図１６は、第３実施形態のストレス状態推定処理を示すフローチャートである。
ここでは、新たなステップＳ３０１〜Ｓ３０４の処理を追加しており、前述した第１実施形態と共通する部分については説明を省略する。
ステップＳ３０１は、前述したステップＳ１０２で特定運転事象を検知したと判定されたときに実行される処理であり、発話検出部２８で運転者の発話を検出したか否かを判定する。ここで、運転者の発話を検出しているときにはステップＳ３０２に移行する。一方、運転者の発話を検出していないときにはステップＳ３０３に移行する。
図１６は、第３実施形態のストレス状態推定処理を示すフローチャートである。
ここでは、新たなステップＳ３０１〜Ｓ３０４の処理を追加しており、前述した第１実施形態と共通する部分については説明を省略する。
ステップＳ３０１は、前述したステップＳ１０２で特定運転事象を検知したと判定されたときに実行される処理であり、発話検出部２８で運転者の発話を検出したか否かを判定する。ここで、運転者の発話を検出しているときにはステップＳ３０２に移行する。一方、運転者の発話を検出していないときにはステップＳ３０３に移行する。
ステップＳ３０２では、発話フラグをｆｖ＝１にセットしてから前述したステップＳ１０３に移行する。なお、初期設定では発話フラグはｆｖ＝０にリセットされている。
ステップＳ３０３では、発話フラグをｆｖ＝０にリセットしてから前述したステップＳ１０３に移行する。
ステップＳ３０４は、前述したステップＳ１１２で呼吸休止時間Ｔｓが０であると判定されたときに実行される処理であり、発話フラグがｆｖ＝０にリセットされているか否かを判定する。ここで、発話フラグがｆｖ＝０にリセットされているときには、呼吸休止時間Ｔｓの算出に際し、運転者の発話による影響はないと判断して前述したステップＳ１１５に移行する。一方、発話フラグがｆｖ＝１にセットされているときには、呼吸休止時間Ｔｓの算出に際し、運転者の発話による影響があると判断し、ストレス状態の推定を中止するために、そのまま前述したステップＳ１１６に移行する。
上記が、図１６のフローチャートに基づくストレス状態推定処理の説明である。
ステップＳ３０３では、発話フラグをｆｖ＝０にリセットしてから前述したステップＳ１０３に移行する。
ステップＳ３０４は、前述したステップＳ１１２で呼吸休止時間Ｔｓが０であると判定されたときに実行される処理であり、発話フラグがｆｖ＝０にリセットされているか否かを判定する。ここで、発話フラグがｆｖ＝０にリセットされているときには、呼吸休止時間Ｔｓの算出に際し、運転者の発話による影響はないと判断して前述したステップＳ１１５に移行する。一方、発話フラグがｆｖ＝１にセットされているときには、呼吸休止時間Ｔｓの算出に際し、運転者の発話による影響があると判断し、ストレス状態の推定を中止するために、そのまま前述したステップＳ１１６に移行する。
上記が、図１６のフローチャートに基づくストレス状態推定処理の説明である。
《作用》
次に、第３実施形態の作用について説明する。
運転者が発話している状態では、呼吸休止時間Ｔｓを正確に算出することができない可能性がある。例えば、特定運転事象に伴う運転者のストレス状態が本当は大きいのに、運転者による発話の影響で呼吸休止時間Ｔｓが０となるようなときには、ストレス状態は小さいと誤って推定してしまう。
次に、第３実施形態の作用について説明する。
運転者が発話している状態では、呼吸休止時間Ｔｓを正確に算出することができない可能性がある。例えば、特定運転事象に伴う運転者のストレス状態が本当は大きいのに、運転者による発話の影響で呼吸休止時間Ｔｓが０となるようなときには、ストレス状態は小さいと誤って推定してしまう。
そこで、本実施形態では、運転者の発話を検出している状態で（ステップＳ３０４の判定が“No”）、呼吸休止時間Ｔｓが０であるときには（ステップＳ１１２の判定が“No”）、発話による正確な呼吸休止時間Ｔｓを算出できていない可能性があるためストレス状態の推定を中止する。このように、呼吸休止時間Ｔｓを正確に算出することができない状況では、ストレス状態の推定を中止することで、推定結果の精度が低下することを抑制できる。一方、運転者の発話を検出していないときには（ステップＳ３０４の判定が“Yes”）、そのまま運転者のストレス状態を推定する。
以上、発話検出部２８での処理となるステップＳ３０１〜Ｓ３０３の処理が「発話検出手段」に対応し、ストレス状態推定部２４での処理となるステップＳ１１２〜Ｓ１１５、Ｓ３０４の処理が「ストレス状態推定手段」に対応する。
以上、発話検出部２８での処理となるステップＳ３０１〜Ｓ３０３の処理が「発話検出手段」に対応し、ストレス状態推定部２４での処理となるステップＳ１１２〜Ｓ１１５、Ｓ３０４の処理が「ストレス状態推定手段」に対応する。
《効果》
次に、第３実施形態における主要部の効果を記す。
（１）本実施形態に係るストレス状態推定装置は、ストレス状態推定部２４での処理により、特定運転事象が生じることを検知した後に、発話検出部２８で運転者の発話を検出し、且つ呼吸休止時間Ｔｓが検出できないとき、又は呼吸休止時間Ｔｓが予め定めた時間よりも短いときには、ストレス状態の推定を中止する。
このように、運転者の発話の有無に応じて、運転者のストレス状態の推定を中止するか否かを決定することで、推定結果の精度が低下することを抑制できる。
以上、限られた数の実施形態を参照しながら説明したが、権利範囲はそれらに限定されるものではなく、上記の開示に基づく実施形態の改変は、当業者にとって自明のことである。
次に、第３実施形態における主要部の効果を記す。
（１）本実施形態に係るストレス状態推定装置は、ストレス状態推定部２４での処理により、特定運転事象が生じることを検知した後に、発話検出部２８で運転者の発話を検出し、且つ呼吸休止時間Ｔｓが検出できないとき、又は呼吸休止時間Ｔｓが予め定めた時間よりも短いときには、ストレス状態の推定を中止する。
このように、運転者の発話の有無に応じて、運転者のストレス状態の推定を中止するか否かを決定することで、推定結果の精度が低下することを抑制できる。
以上、限られた数の実施形態を参照しながら説明したが、権利範囲はそれらに限定されるものではなく、上記の開示に基づく実施形態の改変は、当業者にとって自明のことである。
１１ 体動センサ
１２ ブレーキスイッチ
１３ 車速センサ
１４ 操舵角センサ
１５ ウィンカスイッチ
１６ ナビゲーションシステム
１７ コントローラ
１８ マイク
２１ 呼吸情報検出部
２２ 事前検知部
２３ 呼吸休止時間算出部
２４ ストレス状態推定部
２５ 事前呼吸数算出部
２６ 事中呼吸数算出部
２７ 平均呼吸数算出部
２８ 発話検出部
１２ ブレーキスイッチ
１３ 車速センサ
１４ 操舵角センサ
１５ ウィンカスイッチ
１６ ナビゲーションシステム
１７ コントローラ
１８ マイク
２１ 呼吸情報検出部
２２ 事前検知部
２３ 呼吸休止時間算出部
２４ ストレス状態推定部
２５ 事前呼吸数算出部
２６ 事中呼吸数算出部
２７ 平均呼吸数算出部
２８ 発話検出部
Claims (8)
- 運転者の呼吸情報を検出する呼吸情報検出手段と、
自車両に予め定めた特定運転事象が生じることを事前に検知する事前検知手段と、
前記事前検知手段で自車両に特定運転事象が生じることを検知したときに、前記呼吸情報検出手段で検出した呼吸情報に応じて運転者の呼吸休止時間を検出する呼吸休止時間検出手段と、
前記呼吸休止時間検出手段で検出した呼吸休止時間に応じて前記特定運転事象に伴う運転者のストレス状態を推定するストレス状態推定手段と、を備えることを特徴とするストレス状態推定装置。 - 前記ストレス状態推定手段は、
前記呼吸休止時間に対する休止時間用閾値を予め設定し、前記呼吸休止時間がないときには、前記運転特定事象に伴う運転者のストレス状態が相対的に小さく、前記呼吸休止時間が前記休止時間用閾値よりも長いときには、前記特定運転事象に伴う運転者のストレス状態が相対的に大きいと推定することを特徴とする請求項１に記載のストレス状態推定装置。 - 前記事前検知手段で前記特定運転事象が生じることを検知してから前記特定運転事象が実際に開始されるまでの期間を事前期間と定義し、前記呼吸情報検出手段で検出した呼吸情報に応じて、前記事前期間から前記呼吸休止時間を除いた期間における運転者の単位時間当たりの呼吸数を事前呼吸数として算出する事前呼吸数算出手段と、
前記特定運転事象が実際に開始されてから終了するまでの期間を事中期間と定義し、前記呼吸情報検出手段で検出した呼吸情報に応じて、前記事中期間における運転者の単位時間当たりの呼吸数を事中呼吸数として算出する事中呼吸数算出手段と、
前記事前呼吸数算出手段で算出した事前呼吸数、及び前記事中呼吸数算出手段で算出した事中呼吸数に応じて、前記特定運転事象に伴う平均呼吸数を算出する平均呼吸数算出手段と、を備え、
前記ストレス状態推定手段は、
前記平均呼吸数算出手段で算出した平均呼吸数に対する第一の呼吸数用閾値、及び第一の呼吸数用閾値よりも大きな第二の呼吸数用閾値を予め設定し、前記平均呼吸数が前記第一の呼吸数用閾値よりも少ないときには、前記運転特定事象に伴う運転者のストレス状態が相対的に小さく、前記平均呼吸数が前記第二の呼吸数用閾値よりも多いときには、前記特定運転事象に伴う運転者のストレス状態が相対的に大きいと推定することを特徴とする請求項１に記載のストレス状態推定装置。 - 運転者の発話を検出する発話検出手段を備え、
前記ストレス状態推定手段は、
前記事前検知手段で前記特定運転事象が生じることを検知した後に、前記発話検出手段で運転者の発話を検出し、且つ前記呼吸休止時間検出手段で前記呼吸休止時間を検出できないとき、又は前記呼吸休止時間が予め定めた時間よりも短いときには、前記ストレス状態の推定を中止することを特徴とする請求項１〜３の何れか一項に記載のストレス状態推定装置。 - 自車速を検出する検出する車速検出手段と、
自車両の現在位置情報を取得する現在位置情報取得手段と、を備え、
前記事前検知手段は、
前記車速検出手段で検出した自車速に応じて自車両が停車状態にあることを検知し、且つ前記現在位置情報取得手段で取得した自車両の現在位置情報に応じて自車両が駐停車領域以外に位置することを検知したときに、前記特定運転事象として自車両に発進動作が生じると検知することを特徴とする請求項１〜４の何れか一項に記載のストレス状態推定装置。 - 自車両の現在位置情報を取得する現在位置情報取得手段を備え、
前記事前検知手段は、
前記現在位置情報取得手段で取得した自車両の現在位置情報に応じて自車進路に走行車線の合流があることを検知したときに、前記特定運転事象として自車両に合流動作が生じると検知することを特徴とする請求項１〜５の何れか一項に記載のストレス状態推定装置。 - 自車両の現在位置情報を取得する現在位置情報取得手段と、
自車両における方向指示器の作動状態を検出する作動状態検出手段と、を備え、
前記事前検知手段は、
前記現在位置情報取得手段で取得した自車両の現在位置情報に応じて自車進路に複数の走行車線があることを検知し、且つ前記作動状態検出手段で前記方向指示器が作動状態にあること検知したときに、前記特定運転事象として自車両に車線変更動作が生じると検知することを特徴とする請求項１〜６の何れか一項に記載のストレス状態推定装置。 - 運転者の呼吸情報を検出し、
自車両に予め定めた特定運転事象が起こることを事前に検知したときに、前記呼吸情報に応じて運転者の呼吸休止時間を検出し、
前記呼吸休止時間に応じて前記特定運転事象に伴う運転者のストレス状態を推定することを特徴とするストレス状態推定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012144219A JP2014008070A (ja) | 2012-06-27 | 2012-06-27 | ストレス状態推定装置、ストレス状態推定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012144219A JP2014008070A (ja) | 2012-06-27 | 2012-06-27 | ストレス状態推定装置、ストレス状態推定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2014008070A true JP2014008070A (ja) | 2014-01-20 |
Family
ID=50105313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2012144219A Pending JP2014008070A (ja) | 2012-06-27 | 2012-06-27 | ストレス状態推定装置、ストレス状態推定方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2014008070A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016106689A (ja) * | 2014-12-03 | 2016-06-20 | 日本電信電話株式会社 | 感情情報推定装置、感情情報推定方法及び感情情報推定プログラム |
| JP2020000713A (ja) * | 2018-06-29 | 2020-01-09 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 分析装置、分析方法及びコンピュータープログラム |
| JP2022028743A (ja) * | 2020-01-06 | 2022-02-16 | パイオニア株式会社 | ドライバ推定装置、制御方法、プログラム及び記憶媒体 |
| US11308520B2 (en) | 2019-06-11 | 2022-04-19 | Toyota Boshoku Kabushiki Kaisha | Vehicle advertisement display system |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01115344A (ja) * | 1987-10-29 | 1989-05-08 | Nissan Motor Co Ltd | 車両乗員の状態検出装置 |
| JP2005231450A (ja) * | 2004-02-18 | 2005-09-02 | Honda Motor Co Ltd | 車両用障害物検出装置 |
| JP2006504443A (ja) * | 2002-03-25 | 2006-02-09 | ホアナ メディカル、インコーポレイテッド | 受動生理機能モニタリング（ｐ２ｍ）システム |
| JP2006042903A (ja) * | 2004-07-30 | 2006-02-16 | Mazda Motor Corp | 車両用運転支援装置 |
| JP2007261310A (ja) * | 2006-03-27 | 2007-10-11 | Mazda Motor Corp | 乗員状態検出装置 |
| JP2009206866A (ja) * | 2008-02-28 | 2009-09-10 | Toyota Motor Corp | 車両用通話装置、通話制御方法 |
-
2012
- 2012-06-27 JP JP2012144219A patent/JP2014008070A/ja active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH01115344A (ja) * | 1987-10-29 | 1989-05-08 | Nissan Motor Co Ltd | 車両乗員の状態検出装置 |
| JP2006504443A (ja) * | 2002-03-25 | 2006-02-09 | ホアナ メディカル、インコーポレイテッド | 受動生理機能モニタリング（ｐ２ｍ）システム |
| JP2005231450A (ja) * | 2004-02-18 | 2005-09-02 | Honda Motor Co Ltd | 車両用障害物検出装置 |
| JP2006042903A (ja) * | 2004-07-30 | 2006-02-16 | Mazda Motor Corp | 車両用運転支援装置 |
| JP2007261310A (ja) * | 2006-03-27 | 2007-10-11 | Mazda Motor Corp | 乗員状態検出装置 |
| JP2009206866A (ja) * | 2008-02-28 | 2009-09-10 | Toyota Motor Corp | 車両用通話装置、通話制御方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016106689A (ja) * | 2014-12-03 | 2016-06-20 | 日本電信電話株式会社 | 感情情報推定装置、感情情報推定方法及び感情情報推定プログラム |
| JP2020000713A (ja) * | 2018-06-29 | 2020-01-09 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 分析装置、分析方法及びコンピュータープログラム |
| US11308520B2 (en) | 2019-06-11 | 2022-04-19 | Toyota Boshoku Kabushiki Kaisha | Vehicle advertisement display system |
| JP2022028743A (ja) * | 2020-01-06 | 2022-02-16 | パイオニア株式会社 | ドライバ推定装置、制御方法、プログラム及び記憶媒体 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11099559B2 (en) | Automated driving system and automated driving switch determination program product | |
| US20210114613A1 (en) | Alert control apparatus and alert control method | |
| US9305317B2 (en) | Systems and methods for collecting and transmitting telematics data from a mobile device | |
| US8577566B2 (en) | Driving instability determination device | |
| US11703860B2 (en) | Automated driving apparatus | |
| US20190056732A1 (en) | Automated driving assistance apparatus, automated driving assistance system, automated driving assistance method and automated driving assistance program | |
| JP6223356B2 (ja) | デバイスを制御する方法及びそれを実施するデバイス | |
| JP4840871B2 (ja) | 鉄道車両運行管理システムおよび鉄道車両運行管理プログラム | |
| JP2014008070A (ja) | ストレス状態推定装置、ストレス状態推定方法 | |
| CN103568992B (zh) | 用于为车辆的驾驶员定位声音图像的设备和方法 | |
| EP3128498A1 (en) | Vehicular information presentation device | |
| JP6207343B2 (ja) | 電子機器、判定方法、及びプログラム | |
| CN105957310A (zh) | 驾驶过程中的休息提醒方法、装置和设备 | |
| JP5910450B2 (ja) | 車両用ナビゲーションシステム | |
| TWI592883B (zh) | Image recognition system and its adaptive learning method | |
| JP2014006700A (ja) | 歩行者検出装置 | |
| US10994742B2 (en) | Driving assistance device | |
| US20160293010A1 (en) | Collision-avoidance support device | |
| WO2015182304A1 (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
| JP2010203881A (ja) | トンネル内取締機対応の道路交通情報受信装置 | |
| JPH0986314A (ja) | 車両用後側方監視装置 | |
| JP6936585B2 (ja) | 危険回避支援装置、危険回避支援システム、及び危険回避支援方法 | |
| JP6201855B2 (ja) | 運転支援システム、方法およびプログラム | |
| KR101531873B1 (ko) | 운전자 판단 장치 및 방법 | |
| JP2021056771A (ja) | 自動運転システム及び自動運転切替方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150421 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160311 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160315 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20161115 |