JP2015076057A - 車両用情報提供装置 - Google Patents

Abstract

【課題】運転状態の推定精度を向上する。
【解決手段】運転支援部（１００Ａ）は、車両状態量に基づいて車両状態量の時系列の変動パターンを検出する。続いて、運転支援部（１００Ａ）は、検出した変動パターンに基づいて運転状態推定用のパラメータ（α値）を設定する。運転支援部（１００Ａ）は、車両状態量（操舵角）に基づき、設定したパラメータ（α値）に応じた階級幅で時間的範囲の異なる複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）を算出する。続いて、運転支援部（１００Ａ）は、算出した複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転者の運転状態を推定する。続いて、運転支援部（１００Ａ）は、推定した運転状態に基づいて運転者に呈示情報を呈示する。
【選択図】 図３

Description

本発明は、車両用情報提供装置に関する。

従来、車両用情報提供装置としては、例えば、特許文献１に記載の従来技術がある。
この従来技術では、ステアリングホイールの操舵角に基づいて、普段の操舵特性に対応する相対的に時間的範囲の長い車両状態量分布と、現在の操舵特性に対応する相対的に時間的範囲の短い車両状態量分布とを算出する。そして、この従来技術では、算出した車両状態量分布に基づいて運転者の運転状態を推定する。これにより、この従来技術では、交通環境の違いによらず、運転の不安定状態を精度よく検出可能としていた。

特開２００９−９４９５号公報

しかしながら、上記従来技術では、車両状態量分布に基づいて運転者の運転状態を推定していた。すなわち、単一の検出情報のみで運転者の運転状態を推定していた。それゆえ、上記従来技術では、運転者の運転状態を網羅的に推定することが困難であった。そのため、上記従来技術では、運転者の運転状態の推定精度が低下する可能性があった。
本発明は、上記のような点に着目したもので、運転状態の推定精度を向上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、本発明の一態様では、車両状態量に基づいて車両状態量の時系列の変動パターンを検出する。続いて、検出した変動パターンに基づいて運転状態推定用のパラメータを設定する。続いて、車両状態量に基づき、設定したパラメータに応じた階級幅で時間的範囲の異なる複数の車両状態量分布を算出する。続いて、算出した複数の車両状態量分布に基づいて運転者の運転状態を推定する。続いて、推定した運転状態に基づいて運転者に呈示情報を呈示する。

本発明の一態様によれば、車両状態量の時系列の変動パターンと車両状態量分布との二種類の検出情報によって運転者の運転状態を推定する。これによって、例えば、単一の検出情報のみで運転状態を推定するものに比べ、運転状態の推定精度を向上できる。

車両用情報提供装置を搭載した車両の構成を表す図である。 車両用情報提供装置のシステム構成例を表すブロック図である。 運転支援部１００Ａの構成を表すブロック図である。 設定変動パターンを説明するための説明図である。 操舵角の変動周期dtp、振幅dspを説明するための説明図である。 運転不安定度判定処理を表すフローチャートである。 情報呈示の例を説明するための説明図である。 第１車両状態量分布、第２車両状態量分布の算出例を表すフローチャートである。 相対エントロピーＲＨp算出に用いる記号を説明するための説明図である。 第１車両状態量分布、第２車両状態量分布の算出方法を説明するための説明図である。 第１車両状態量分布、第２車両状態量分布の算出方法を説明するための説明図である。 予測誤差区分ｂｉの階級幅を表す図である。 運転不安定度判定処理を表すフローチャートである。 設定変動パターンを説明するための説明図である。 不安定状態の推定方法を説明するための説明図である。 情報呈示の例を説明するための説明図である。 運転不安定度判定処理を表すフローチャートである。 車両の運転シーンを説明するための説明図である。

（第１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、本実施形態の車両用情報提供装置を搭載した車両の構成を表す図である。図２は、本実施形態の車両用情報提供装置のシステム構成例を表すブロック図である。
図１、図２に示すように、車両は、アクセルペダル開度量センサ１、ブレーキペダル操作量センサ２、操舵角センサ３、車輪速センサ４、ナビゲーション装置５、Ｇセンサ６、前方車両検出装置７、情報呈示装置８、およびコントローラ１００を備える。
アクセルペダル開度量センサ１は、アクセルペダルの開度量を検出する。そして、アクセルペダル開度量センサ１は、検出した開度量をコントローラ１００に出力する。

ブレーキペダル操作量センサ２は、ブレーキペダルの操作量を検出する。そして、ブレーキペダル操作量センサ２は、検出した操作量をコントローラ１００に出力する。
操舵角センサ３は、ステアリングホイール（不図示）の操舵角を検出する。そして、操舵角センサ３は、検出した操舵角をコントローラ１００に出力する。操舵角センサ３としては、例えば、ステアリングコラムの回転角を検出する角度センサを採用できる。

車輪速センサ４は、車輪の回転数（以下、車輪速とも呼ぶ）を検出する。続いて、車輪速センサ４は、検出した車輪速に基づいて車速を算出する。そして、車輪速センサ４は、検出した車輪速および算出した車速のそれぞれをコントローラ１００に出力する。
ナビゲーション装置５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備える。そして、ナビゲーション装置５は、ＧＰＳ受信機および地図データベースから車両の現在位置および道路情報を取得する。続いて、ナビゲーション装置５は、取得した車両の現在位置および道路情報に基づいて車両が走行する道路の種別や道路幅員等の各種情報を取得する。続いて、ナビゲーション装置５は、取得した情報に基づいて経路探索の結果および経路案内の結果等を表示モニタに表示する。

Ｇセンサ６は、車両に発生した前後加速度および横加速度を検出する。そして、Ｇセンサ６は、検出した前後加速度および横加速度をコントローラ１００に出力する。
前方車両検出装置７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の情報（例えば、障害物までの距離）を検出する。そして、前方車両検出装置７は、検出した情報をコントローラ１００に出力する。前方車両検出装置７としては、例えば、車両の進行方向前方にレーザ光を出射して反射光を検出するレーザ距離計を採用できる。
情報呈示装置８は、コントローラ１００が出力した制御信号（後述）に従って、警報その他の情報を運転者に呈示する。情報呈示装置８としては、例えば、ブザー音や音声で運転者への情報提供を行うスピーカ、および画像やテキストの表示で運転者への情報提供を行う表示ユニットを採用できる。表示ユニットとしては、経路探索の結果および経路案内の結果等を表示するナビゲーション装置５の表示モニタを流用してもよい。

コントローラ１００は、ＣＰＵ(Central Processing Unit)、並びにＲＯＭ(Read Only Memory)、ＲＡＭ(Random Access Memory)、Ａ/Ｄ(Analog to Digital)、およびＤ/Ａ等のＣＰＵ周辺部品を備える。そして、コントローラ１００（ＣＰＵ、ＣＰＵ周辺部品）は、運転不安定度判定処理を行う運転支援部１００Ａを備える。運転不安定度判定処理では、運転支援部１００Ａは、アクセルペダル開度量センサ１、およびブレーキペダル操作量センサ２等が出力した検出結果に基づいて、運転者が操作可能な運転操作子の操作状態、および車両状態の少なくとも一方を含む車両状態量を取得する。運転操作子としては、例えば、ステアリングホイール、アクセルペダル、およびブレーキペダルがある。車両状態としては、前方車両に対する車間情報がある。本実施形態では、車両状態量として、操舵角センサ３が出力した操舵角を採用する。続いて、運転支援部１００Ａは、取得した車両状態量（操舵角）に基づいて時間的範囲の異なる複数の車両状態量分布（第１車両状態量分布（後述）、第２車両状態量分布（後述））を算出する。続いて、運転支援部１００Ａは、算出した複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）間の相違量（相対エントロピーＲＨp（後述））に基づいて運転者の運転状態（運転の不安定度（後述））を推定する。そして、運転支援部１００Ａは、推定した運転状態（運転の不安定度）に基づいて警報その他の情報（以下、呈示情報とも呼ぶ）を運転者に呈示させる制御信号を情報呈示装置８に出力する。これにより、運転支援部１００Ａは、運転者に呈示情報を呈示し、運転の不安定度（運転の不安定状態）について注意を喚起する。

なお、車両状態量としては、前方車両に対する車間情報（車間距離、車間時間）や、アクセルペダルやブレーキペダルの操作に基づく加減速情報等を採用してもよい。車間情報（車間距離、車間時間）や、加減速情報等を採用した場合、車両状態量分布（第１車両状態量分布、第２車両状態量分布）および分布間の相違量（相対エントロピーＲＨp）の算出は、例えば、国際公開番号ＷＯ２００９／０１３８１５（特願２００９−５２４３４２号）の公報等に記載しているような公知の方法によって算出すればよい。

図３は、本実施形態の運転支援部１００Ａの構成を表すブロック図である。
図３に示すように、運転支援部１００Ａは、車両状態量取得部１１０、変動パターン検出部１２０、車両状態量分布算出部１３０、運転不安定度判定部１４０、および情報呈示部１５０を備える。
車両状態量取得部１１０は、操舵角センサ３が出力した検出結果を取得する。そして、車両状態量取得部１１０は、取得した検出結果を車両状態量とする。

図４は、設定変動パターンを説明するための説明図である。図５は、操舵角の変動周期dtp、振幅dspを説明するための説明図である。
変動パターン検出部１２０は、車両状態量取得部１１０が取得した車両状態量（操舵角）に基づいて車両状態量（操舵角）の時系列の変動パターンを検出する。車両状態量（操舵角）の時系列の変動パターンの検出方法としては、例えば、車両状態量（操舵角）の時系列の変動パターンが予め定めた設定変動パターンであるか否かを判定する方法がある。設定変動パターンとしては、例えば、運転状態の推定に対して外乱となる運転状況にあるときの車両状態量（操舵角）の時系列の変動パターンがある。具体的には、設定変動パターンとしては、図４に示すように、砂利道走行時の変動パターン、うねったカーブ路走行時の変動パターン、緩やかなカーブ路走行時の変動パターンがある。砂利道走行時の変動パターンとしては、例えば、図５に示すように、変動周期dtpが０．１秒以上で且つ０．４秒未満、振幅dspが１度以上で且つ３度未満となる波形（以下、砂利道走行時波形とも呼ぶ）が連続して３回以上現れるパターンがある。また、うねったカーブ路走行時の変動パターンとしては、例えば、変動周期dtpが０．４秒以上で且つ１．３秒未満、振幅dspが２度以上で且つ５度未満となる波形が連続して４回以上現れるパターンがある。さらに、緩やかなカーブ路走行時の変動パターンとしては、例えば、変動周期dtpが２．０秒以上で且つ３．０秒未満、振幅dspが５度以上で且つ１０度未満となる波形が連続して２回以上現れるパターンがある。そして、変動パターン検出部１２０は、検出結果を表す情報を車両状態量分布算出部１３０に出力する。

車両状態量分布算出部１３０は、車両状態量取得部１１０が取得した車両状態量（操舵角）、および変動パターン検出部１２０が検出した車両状態量（操舵角）の時系列の変動パターン（設定変動パターンであるか否かの判定結果）に基づいて時間的範囲の異なる複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）を算出する。具体的には、車両状態量分布算出部１３０は、車両状態量取得部１１０が取得した車両状態量に基づき、予め定めた相対的に長い時間的範囲で取得した操舵角で求めた第１車両状態量分布と、第１車両状態量分布よりも短い時間的範囲で取得した操舵角で求めた第２車両状態量分布とを算出する。

ここで、予め定めた相対的に長い時間的範囲（第１車両状態量分布の時間的範囲）は、普段の操舵特性を取得可能な時間的範囲である。また、第１車両状態量分布よりも短い時間的範囲（第２車両状態量分布の時間的範囲）は、現在の操舵特性（直近の運転特性）を判定可能な時間的範囲である。第１車両状態量分布および第２車両状態量分布は、車両状態量取得部１１０が車両状態量（操舵角）を取得するたびに算出する。また、車両状態量分布算出部１３０は、変動パターン検出部１２０が検出した車両状態量（操舵角）の時系列の変動パターンに基づき、第１車両状態量分布、第２車両状態量分布の算出に用いるα値を設定する。第１車両状態量分布、第２車両状態量分布の算出例については後述する。

運転不安定度判定部１４０は、車両状態量分布算出部１３０が算出した第１車両状態量分布および第２車両状態量分布に基づいて運転者の運転状態（運転の不安定度）を推定する。これにより、車両状態量分布算出部１３０および運転不安定度判定部１４０は、車両状態量（操舵角）、およびα値（運転状態推定用のパラメータ）に基づいて時間的範囲の異なる複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）を算出する。続いて、車両状態量分布算出部１３０および運転不安定度判定部１４０は、算出した複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転者の運転状態を推定する。その際、車両状態量分布算出部１３０および運転不安定度判定部１４０は、車両状態量（操舵角）の時系列の変動パターンに基づいて、α値を設定する。

なお、本実施形態では、車両状態量分布算出部１３０および運転不安定度判定部１４０が、車両状態量（操舵角）に基づき、α値（運転状態推定用のパラメータ）に応じた予測誤差区分ｂｉ（後述）の階級幅（後述）で時間的範囲の異なる複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）を算出する例を示した。そして、車両状態量分布算出部１３０および運転不安定度判定部１４０が、算出した複数の車両状態量分布に基づいて運転者の運転状態を推定する例を示した。しかしながら、例えば、車両状態量分布算出部１３０および運転不安定度判定部１４０が、車両状態量（操舵角）の時系列の変動パターンに基づき、運転状態推定用のパラメータを考慮して運転者の運転状態を推定する構成としてもよい。この場合、車両状態量分布算出部１３０および運転不安定度判定部１４０が、車両状態量（操舵角）に基づいて時間的範囲の異なる複数の車両状態量分布を算出し、算出した複数の車両状態量分布に基づいて前記パラメータを設定する。
情報呈示部１５０は、運転不安定度判定部１４０が推定した運転者の運転状態（運転の不安定度）に基づいて運転者に呈示情報を呈示する処理（以下、情報呈示処理とも呼ぶ）を行う。情報呈示処理では、情報呈示部１５０は、呈示情報（運転者に呈示する警報その他の情報）を運転者に呈示させる制御信号を情報呈示装置８に出力する。

（運転不安定度判定処理）
次に、運転支援部１００Ａが実行する運転不安定度判定処理について説明する。運転不安定度判定処理は、予め設定した制御周期（例えば、１００ミリ秒毎）で実施する。
図６は、運転不安定度判定処理を表すフローチャートである。
図６に示すように、まず、ステップＳ１０１では、運転支援部１００Ａ（車両状態量取得部１１０、）は、車両状態量（操舵角）を取得する。
続いてステップＳ１０２に移行して、運転支援部１００Ａ（変動パターン検出部１２０）は、前記ステップＳ１０１で取得した車両状態量（操舵角）の時系列の変動パターンを検出する。具体的には、運転支援部１００Ａ（変動パターン検出部１２０）は、車両状態量（操舵角）の時系列の変動パターンが設定変動パターンであるか否かを判定する。

続いてステップＳ１０３に移行して、運転支援部１００Ａ（車両状態量分布算出部１３０）は、前記ステップＳ１０２で検出した車両状態量（操舵角）の時系列の変動パターンに基づいて、α値を設定する。具体的には、運転支援部１００Ａ（車両状態量分布算出部１３０）は、現在から設定時間（例えば、３００秒）前までの間に、車両状態量（操舵角）の時系列の変動パターンが設定変動パターンであると判定されたか否か、つまり、設定変動パターンを検出したか否かを判定する。そして、運転支援部１００Ａ（車両状態量分布算出部１３０）は、設定変動パターンを検出したと判定した場合には、予め定めた設定α値（例えば、一定値）を１．５倍した値をα値として設定する。一方、運転支援部１００Ａ（車両状態量分布算出部１３０）は、設定変動パターンを検出していないと判定した場合には、設定α値（一定値）をα値として設定する。これにより、運転支援部１００Ａ（車両状態量分布算出部１３０）は、車両状態量（操舵角）の時系列の変動パターンが設定変動パターンであると判定した場合、つまり、運転状態の推定に対して外乱となる運転状況にあるときの車両状態量（操舵角）の時系列の変動パターンと判定した場合には、設定時間（３００秒）にわたり、α値を１．５倍に増大する。

続いてステップＳ１０４に移行して、運転支援部１００Ａ（車両状態量分布算出部１３０）は、前記ステップＳ１０１で取得した車両状態量（操舵角）、および前記ステップＳ１０２で設定したα値に基づいて第１車両状態量分布および第２車両状態量分布を算出する。第１車両状態量分布、第２車両状態量分布の算出例については後述する。これにより、運転支援部１００Ａ（車両状態量分布算出部１３０）は、車両状態量（操舵角）の時系列の変動パターンが設定変動パターンであり、α値を１．５倍とした場合には、第１車両状態量分布および第２車両状態量分布の各予測誤差区分ｂi（後述）を１．５倍に拡大する。そして、運転支援部１００Ａ（車両状態量分布算出部１３０）は、第１車両状態量分布の確率ｐi（後述）と第２車両状態量分布の確率ｑi（後述）とのずれを小さくする。

続いてステップＳ１０５に移行して、運転支援部１００Ａ（運転不安定度判定部１４０）は、ステアリングエントロピー法により、前記ステップＳ１０４で算出した第１車両状態量分布および第２車両状態量分布間の相違量（相対エントロピーＲＨp）を算出する。なお、分布間の相違量（相対エントロピーＲＨp）の算出例については後述する。これにより、運転支援部１００Ａ（運転不安定度判定部１４０）は、第１車両状態量分布および第２車両状態量分布に基づいて、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否かを判定するための相違量（相対エントロピーＲＨp）を算出する。すなわち、運転支援部１００Ａ（運転不安定度判定部１４０）は、運転操作の乱雑さを表す値として、相対エントロピーＲＨp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する。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という傾向がある。また、相対エントロピーＲＨpは、第１車両状態量分布および第２車両状態量分布の各予測誤差区分ｂiが１．５倍に拡大し、第１車両状態量分布の確率ｐiと第２車両状態量分布の確率ｑiとのずれが小さくなった場合には、比較的小さな値になる。

続いてステップＳ１０６に移行して、運転支援部１００Ａ（運転不安定度判定部１４０）は、前記ステップＳ１０５で算出した分布間の相違量（相対エントロピーＲＨp）に基づいて運転者の運転状態を推定する（運転者の運転状態が不安定状態にあるか否かを判定する）。具体的には、運転支援部１００Ａ（運転不安定度判定部１４０）は、前記ステップＳ１０５で算出した分布間の相違量（相対エントロピーＲＨp）が予め定めた判定閾値よりも大きいか否かを判定する。そして、運転支援部１００Ａ（運転不安定度判定部１４０）は、分布間の相違量（相対エントロピーＲＨp）が判定閾値よりも大きいと判定した場合には、運転者の運転状態が不安定状態にあると推定する。一方、運転支援部１００Ａ（運転不安定度判定部１４０）は、分布間の相違量（相対エントロピーＲＨp）が判定閾値以下であると判定した場合には、運転者の運転状態が不安定状態にないと推定する。これにより、運転支援部１００Ａ（運転不安定度判定部１４０）は、第１車両状態量分布および第２車両状態量分布の各予測誤差区分ｂiが１．５倍に拡大し、相対エントロピーＲＨpが比較的小さな値になる場合には、運転者の運転状態が不安定状態にあると判定し難くなる。すなわち、車両状態量（操舵角）の時系列の変動パターンが設定変動パターンであると判定した場合には、運転状態の推定に対して外乱となる運転状況によって操舵角の振動等が発生しても、運転者の運転状態が不安定状態にないと判定するようになる。

続いてステップＳ１０７に移行して、運転支援部１００Ａ（情報呈示部１５０）は、前記ステップＳ１０６で推定した運転状態に基づいて運転者に呈示情報（運転者に呈示する警報その他の情報）を呈示する処理（情報呈示処理）を行う。具体的には、運転支援部１００Ａ（情報呈示部１５０）は、前記ステップＳ１０６で不安定状態と判定した状態が予め定めた不安定判定閾値（例えば、５秒）以上継続したか否かを判定する。そして、運転支援部１００Ａ（情報呈示部１５０）は、不安定状態と判定した状態が不安定判定閾値（５秒）以上継続したと判定した場合には、情報呈示処理を行う。一方、運転支援部１００Ａ（情報呈示部１５０）は、不安定状態と判定した状態が不安定判定閾値（５秒）以上継続していないと判定した場合には、情報呈示処理（呈示情報の呈示）を行わない。
図７は、情報呈示の例を説明するための説明図である。
情報呈示処理の例を、図７に示す。この例では、警告表示を行うとともに、「ピー！！そろそろ休憩しませんか。」等と音声で警告の呈示を行う。

（第１車両状態量分布、第２車両状態量分布の算出例）
次に、第１車両状態量分布、第２車両状態量分布の算出例について説明する。
図８は、第１車両状態量分布、第２車両状態量分布の算出例を表すフローチャートである。
図８に示すように、まず、ステップＳ２０１では、車両状態量分布算出部１３０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定する。具体的には、車両状態量分布算出部１３０は、車速が予め定めた車速範囲（例えば、４０〜１２０km/h）内にあるか否かを判定する。そして、車両状態量分布算出部１３０は、車速が予め定めた車速範囲（４０km/h〜１２０km/h）内にあると判定した場合には（Ｙｅｓ）、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し、ステップＳ２０２に移行する。一方、車両状態量分布算出部１３０は、車速が予め定めた車速範囲（４０km/h〜１２０km/h）外にあると判定した場合には（Ｎｏ）、相対エントロピーＲＨpを算出可能な走行場面ではないと判定し、この演算処理を終了する。これにより、車両状態量分布算出部１３０は、車速が極端に遅い場合および極端に速い場合（４０km/h未満、または１２０km/h以上）を、相対エントロピーＲＨpを算出可能な走行場面から除外する。

図９は、相対エントロピーＲＨp算出に用いる記号を説明するための説明図である。
前記ステップＳ２０２では、車両状態量分布算出部１３０は、操舵角センサ３が出力した操舵角θを取得する。続いて、車両状態量分布算出部１３０は、取得した操舵角θに基づいて操舵角予測誤差θeを算出する。ここで、図９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および当該特殊記号の名称を示す。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θである。また、操舵角の推定値θn-hatは、ステアリングホイールを滑らかに操作したと仮定してサンプリング時点における操舵角θ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個の隣接した操舵角θnの平均値として以下の（式２）から算出する。

（式２）において、ｌは、操舵角円滑値θn-tildeの算出時間間隔を１５０ミリ秒、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、１５０ミリ秒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）で表しる。
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１５０ミリ秒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に基づいて算出する推定値θn-hatは、実質的に１５０ミリ秒間隔で得た操舵角θにより算出したことになる。
サンプリング時点における操舵角予測誤差θeは、ステアリングホイールが滑らかに操作したと仮定した場合のサンプリング時点における操舵角推定値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、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、すなわち、１５０ミリ秒毎の操舵角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θのサンプリング間隔Ｔsは、例えば、５０ミリ秒とする。まず、１５０ミリ秒間隔の隣接する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）で表す。

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）で表す。

そして、算出した操舵角推定値θn-hatと実際の操舵角θnとを用いて、上記（式４）から操舵角予測誤差θeを算出する。
続いてステップＳ２０３に移行して、車両状態量分布算出部１３０は、前記ステップＳ２０２で算出した操舵角予測誤差θeをコントローラ１００のメモリ（不図示）に蓄積する。続いて、車両状態量分布算出部１３０は、メモリから設定時間（例えば、２１６０秒）以前の操舵角予測誤差θeを破棄する。これにより、コントローラ１００のメモリには、現在から設定時間（２１６０秒）前までの操舵角予測誤差θeを蓄積する。

図１０、図１１は、第１車両状態量分布、第２車両状態量分布の算出方法を説明するための説明図である。図１２は、予測誤差区分ｂｉの階級幅を表す図である。
続いてステップＳ２０４に移行して、車両状態量分布算出部１３０は、コントローラ１００のメモリが蓄積している操舵角予測誤差θeに基づいて第１車両状態量分布を算出する。具体的には、車両状態量分布算出部１３０は、図１０、図１１、図１２に示すように、コントローラ１００のメモリが蓄積している操舵角予測誤差θeのうち、設定時間（２１６０秒）前から現在までの２１６０秒分の操舵角予測誤差θeを複数に区分けされた各データ範囲（以下、階級とも呼ぶ）に分類する。本実施形態では、階級として、９個の予測誤差区分ｂi（＝ｂ１、ｂ２、ｂ３、ｂ４、ｂ５、ｂ６、ｂ７、ｂ８、ｂ９）を採用する。予測誤差区分（階級）ｂｉの階級幅は、車両状態量分布算出部１３０（ステップＳ１０３）が設定したα値に基づいて設定する。具体的には、予測誤差区分（階級）ｂ１は５α未満とし、予測誤差区分（階級）ｂ２は−５α以上で且つ−２．５α未満とし、予測誤差区分（階級）ｂ３は−２．５α以上で且つ−α未満とし、予測誤差区分（階級）ｂ４は−α以上で且つ−０．５α未満とし、予測誤差区分（階級）ｂ５は−０．５α以上で且つ０．５α未満とする。また、予測誤差区分（階級）ｂ６は０．５α以上で且つα未満とし、予測誤差区分（階級）ｂ７はα以上で且つ２．５α未満とし、予測誤差区分（階級）ｂ８は２．５α以上で且つ５α未満とし、予測誤差区分（階級）ｂ９は５α以上とする。

これにより、車両状態量分布算出部１３０は、α値（運転状態推定用のパラメータ）が大きいほど各データ範囲（予測誤差区分（階級）ｂi）を拡大する。予測誤差区分（階級）ｂｉ（＝ｂ１〜ｂ９）の階級幅は、第１車両状態量分布および第２車両状態量分布について同じものを用いる。続いて、車両状態量分布算出部１３０は、各予測誤差区分（階級）ｂｉ（＝ｂ１〜ｂ９）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、ｐ２、ｐ３、ｐ４、ｐ５、ｐ６、ｐ７、ｐ８、ｐ９）を求める。これにより、車両状態量分布算出部１３０は、分布データ（操舵角予測誤差θe）を複数に区分けされた各データ範囲（予測誤差区分ｂi）に分類して当該分布データ（操舵角予測誤差θe）の度数分布（各予測誤差区分（階級）ｂiの確率ｐi（＝ｐ１〜ｐ９））を算出する。そして、車両状態量分布算出部１３０は、算出した度数分布を第１車両状態量分布とする。

続いてステップＳ２０５に移行して、車両状態量分布算出部１３０は、コントローラ１００のメモリが蓄積している操舵角予測誤差θeに基づいて第２車両状態量分布を算出した後、この演算処理を終了する。具体的には、車両状態量分布算出部１３０は、コントローラ１００のメモリが蓄積している操舵角予測誤差θeのうち、現在から直近の９０秒前までの操舵角予測誤差θeを９個の予測誤差区分（階級）ｂi（＝ｂ１〜ｂ９）に分類する。続いて、車両状態量分布算出部１３０は、各予測誤差区分（階級）ｂｉ（＝ｂ１〜ｂ９）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、ｑ２、ｑ３、ｑ４、ｑ５、ｑ６、ｑ７、ｑ８、ｑ９）を求める。これにより、車両状態量分布算出部１３０は、分布データ（操舵角予測誤差θe）を複数に区分けされた各データ範囲（予測誤差区分（階級）ｂi）に分類して当該分布データ（操舵角予測誤差θe）の度数分布（各予測誤差区分（階級）ｂiの確率ｑi（＝ｑ１〜ｑ９））を算出する。そして、車両状態量分布算出部１３０は、算出した度数分布を第２車両状態量分布とする。
（相対エントロピーＲＨpの算出例）
相対エントロピーＲＨpの算出例について説明する。
相対エントロピーＲＨpは、前記ステップＳ２０４で算出した確率ｐiおよび前記ステップＳ２０５で算出した確率ｑiに基づき、以下の（式７）から算出する。

上記（式７）より、相対エントロピーＲＨpは、第１車両状態量分布の確率ｐi（＝ｐ１〜ｐ９）と第２車両状態量分布の確率ｑi（＝ｑ１〜ｑ９）とが等しい場合には０になる。一方、相対エントロピーＲＨpは、第１車両状態量分布の確率ｐiと第２車両状態量分布の確率ｑiとがずれている場合には、ずれが大きくなるほど大きな値になる。

（動作その他）
次に、本実施形態の車両用情報提供装置を搭載した車両の動作について説明する。
車両が砂利道に進入し、砂利道の凹凸で車輪の転舵角が変動して、操舵角が振動したとする。そして、操舵角の時系列データにおいて、変動周期dtpが０．１秒以上で且つ０．４秒未満、振幅dspが１度以上で且つ３度未満となる波形、つまり、砂利道走行時波形が連続して３回以上現れたとする。すると、運転支援部１００Ａ（変動パターン検出部１２０）が、図４に示すように、車両が砂利道を走行していると判定し、車両状態量（操舵角）の時系列の変動パターンが設定変動パターンであると判定する（図６のステップＳ１０２）。続いて、運転支援部１００Ａ（車両状態量分布算出部１３０）が、判定結果に基づいて設定α値を１．５倍した値をα値として設定する（図６のステップＳ１０３）。

続いて、運転支援部１００Ａ（車両状態量分布算出部１３０）が、設定したα値、つまり、設定α値の１．５倍のα値に基づいて第１車両状態量分布、および第２車両状態量分布を算出する（図６のステップＳ１０４）。続いて、運転支援部１００Ａ（運転不安定度判定部１４０）が、算出した第１車両状態量分布、および第２車両状態量分布間の相違量（相対エントロピーＲＨp）を算出する（図６のステップＳ１０５）。これにより、第１車両状態量分布、および第２車両状態量分布の各予測誤差区分（階級）ｂｉ（＝ｂ１〜ｂ９）の階級幅は１．５倍になる。それゆえ、第１車両状態量分布の確率ｐiと第２車両状態量分布の確率ｑiとのずれは小さくなる。そのため、相対エントロピーＲＨpは比較的小さな値になる。これにより、相対エントロピーＲＨpは、判定閾値より大きくなり難い。

ここで、相対エントロピーＲＨpが、判定閾値以下になったとする。すると、運転支援部１００Ａ（運転不安定度判定部１４０）が、算出した相対エントロピーＲＨpが判定閾値以下であると判定し、運転状態が不安定状態にないと推定する（図６のステップＳ１０６）。それゆえ、運転支援部１００Ａ（情報呈示部１５０）が、情報呈示処理、つまり、警報その他の情報を運転者に呈示する処理を行わない（図６のステップＳ１０７）。

これにより、運転支援部１００Ａは、砂利道走行時等、車両が運転状態の推定に対して外乱となる運転状況にある場合に、外乱となる運転状況によって運転状態が不安定状態にあると誤判定してしまうことを抑制できる。それゆえ、運転支援部１００Ａは、運転状態の誤判定による情報呈示処理の実行、つまり、警報その他の情報を呈示する処理の実行を抑制できる。そのため、運転支援部１００Ａは、運転状態の推定制度を向上できる。

このように、本実施形態では、車両状態量に基づいて車両状態量の時系列の変動パターンを検出する。続いて、本実施形態では、検出した変動パターンに基づいて運転状態推定用のパラメータ（α値）を設定する。続いて、本実施形態では、車両状態量（操舵角）に基づき、設定したパラメータ（α値）に応じた階級幅で時間的範囲の異なる複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）を算出する。続いて、本実施形態では、算出した複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転者の運転状態を推定する。続いて、本実施形態では、推定した運転状態に基づいて運転者に呈示情報を呈示する。それゆえ、本実施形態では、車両状態量（操舵角）の時系列の変動パターンと車両状態量分布（第１車両状態量分布、第２車両状態量分布）との二種類の検出情報によって運転者の運転状態を推定する。そのため、例えば単一の検出情報のみで運転状態を推定するものに比べ、運転状態の推定精度を向上できる。

また、本実施形態では、車両状態量（操舵角）の時系列の変動パターンが、運転状態の推定に対して外乱となる運転状況にあるときの車両状態量（操舵角）の時系列の変動パターンである設定変動パターンであると判定した場合には、運転状態推定用のパラメータ（α値）を増大する。また、本実施形態では、パラメータ（α値）が大きいほど予測誤差区分ｂiを拡大する。さらに、本実施形態では、複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）間の相違量（相対エントロピーＲＨp）が判定閾値よりも大きいと判定した場合には、運転者の運転状態が不安定状態にあると推定する。それゆえ、本実施形態では、例えば、車両が運転状態の推定に対して外乱となる運転状況にあり、車両状態量（操舵角）の時系列の変動パターンが設定変動パターンであると判定した場合には、パラメータ（α値）が増大する。そのため、本実施形態では、分布データ（操舵角予測誤差θe）を分類するための各予測誤差区分ｂiが拡大し、複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）間の相違量（相対エントロピーＲＨp）が低減する。これにより、本実施形態では、運転状態が不安定状態にあると推定され難くなる。

本実施形態では、図３の車両状態量取得部１１０が車両状態量取得部を構成する。以下同様に、図３の情報呈示部１５０が情報呈示部を構成する。また、図３の変動パターン検出部１２０が変動パターン検出部を構成する。さらに、図３の車両状態量分布算出部１３０、図６のステップＳ１０３がパラメータ設定部を構成する。また、図３の車両状態量分布算出部１３０が車両状態量分布算出部を構成する。また、図３の運転不安定度判定部１４０が運転状態推定部を構成する。

（本実施形態の効果）
本実施形態は、以下の効果を奏する。
（１）運転支援部１００Ａは、車両状態量（操舵角）に基づいて車両状態量（操舵角）の時系列の変動パターンを検出する。続いて、運転支援部１００Ａは、検出した変動パターンに基づいて運転状態推定用のパラメータ（α値）を設定する。続いて、運転支援部１００Ａは、車両状態量（操舵角）に基づき、設定したパラメータ（α値）に応じた階級幅で時間的範囲の異なる複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）を算出する。続いて、運転支援部１００Ａは、算出した複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転者の運転状態を推定する。続いて、運転支援部１００Ａは、推定した運転状態に基づいて運転者に呈示情報を呈示する。
このような構成により、車両状態量（操舵角）の時系列の変動パターンと車両状態量分布（第１車両状態量分布、第２車両状態量分布）との二種類の検出情報によって運転者の運転状態を推定する。これにより、例えば、単一の検出情報のみで運転状態を推定するものに比べ、運転状態の推定精度を向上できる。

（２）運転支援部１００Ａは、車両状態量に基づいて車両状態量の時系列の変動パターンを検出する。続いて、運転支援部１００Ａは、車両状態量（操舵角）に基づいて時間的範囲の異なる複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）を算出する。続いて、運転支援部１００Ａは、算出した複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転状態推定用のパラメータを設定する。続いて、運転支援部１００Ａは、車両状態量（操舵角）の時系列の変動パターンに基づき、前記パラメータを考慮して運転者の運転状態を推定する。続いて、運転支援部１００Ａは、推定した運転状態に基づいて運転者に呈示情報を呈示する。
このような構成により、車両状態量（操舵角）の時系列の変動パターンと車両状態量分布（第１車両状態量分布、第２車両状態量分布）との二種類の検出情報によって運転者の運転状態を推定する。これにより、例えば、単一の検出情報のみで運転状態を推定するものに比べ、運転状態の推定精度を向上できる。

（３）運転支援部１００Ａは、ステアリングエントロピー法を用いて、運転者の運転状態を推定する。
このような構成により、運転者の運転状態を比較的容易に推定できる。
（４）運転支援部１００Ａは、車両状態量（操舵角）の変動周期dtp、および振幅dspの少なくともいずれかに基づいて車両状態量（操舵角）の時系列の変動パターンを検出する。
このような構成により、車両状態量（操舵角）の時系列の変動パターンを比較的容易に検出できる。
（５）運転支援部１００Ａは、車両状態量として、ステアリングホイールの操舵角を検出する。
このような構成により、車両状態量を比較的容易に検出できる。

（第２実施形態）
次に、本発明に係る第２実施形態について図面を参照しつつ説明する。なお、上記実施形態と同様な構成等については同一の符号を使用して、その詳細は省略する。
本実施形態は、車両状態量（操舵角）の時系列の変動パターンが設定変動パターンであると判定した場合に、車両状態量分布（第１車両状態量分布、第２車両状態量分布）の算出方法を変更する点が第１実施形態と異なる。

図１３は、運転不安定度判定処理を表すフローチャートである。
具体的には、本実施形態は、図１３に示すように、第１実施形態とは、図６のステップＳ１０２とＳ１０３との間にステップＳ１０８を設けた点が異なっている。
前記ステップＳ１０８では、運転支援部１００Ａ（車両状態量分布算出部１３０）は、前記ステップＳ１０２で検出した車両状態量（操舵角）の時系列の変動パターンに基づいて、車両状態量分布（第１車両状態量分布、第２車両状態量分布）の算出を中断する中断処理を行うか否かを判定する。具体的には、運転支援部１００Ａ（車両状態量分布算出部１３０）は、現在から設定時間（例えば、３００秒）前までの間に、前記ステップＳ１０２で車両状態量（操舵角）の時系列の変動パターンが設定変動パターンであると判定されたか否か、つまり、設定変動パターンを検出したか否かを判定する。そして、運転支援部１００Ａ（車両状態量分布算出部１３０）は、設定変動パターンを検出したと判定した場合には、中断処理を行うと判定し、この演算処理を終了する。一方、運転支援部１００Ａ（車両状態量分布算出部１３０）は、設定変動パターンを検出していないと判定した場合には、中断処理を行わないと判定し、前記ステップＳ１０３に移行する。

なお、本実施形態では、車両状態量分布算出部１３０が、車両状態量（操舵角）の時系列の変動パターンが設定変動パターンであると判定した場合に、車両状態量分布（第１車両状態量分布、第２車両状態量分布）の算出を中断する中断処理を行う例を示したが、他の構成を採用することもできる。例えば、車両状態量分布算出部１３０が、複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）のうち一方の車両状態量分布を他方の車両状態量分布で置き換えるリセット処理を行う構成としてもよい。また、例えば、車両状態量分布算出部１３０が、車両状態量分布（第１車両状態量分布、第２車両状態量分布）を過去の車両状態量分布（第１車両状態量分布、第２車両状態量分布）で置き換えるリストア処理を行う構成としてもよい。

また、本実施形態では、複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転者の運転状態を推定するとともに、車両状態量（操舵角）の時系列の変動パターンに基づいて、車両状態量分布（第１車両状態量分布、第２車両状態量分布）の算出方法を変更する例を示したが、他の構成を採用することもできる。例えば、車両状態量（操舵角）の時系列の変動パターンに基づいて運転者の運転状態を推定するとともに、複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転者の運転状態の推定方法を変更する構成としてもよい。

なお、その他の構成は上記実施形態と同様である。
上述の構成により、本実施形態では、車両状態量（操舵角）に基づいて時間的範囲の異なる複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）を算出する。続いて、本実施形態では、算出した複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転者の運転状態を推定する。続いて、本実施形態では、推定した運転状態に基づいて運転者に呈示情報を呈示する。その際、本実施形態では、車両状態量（操舵角）に基づいて車両状態量（操舵角）の時系列の変動パターンを検出する。続いて、本実施形態では、車両状態量（操舵角）の時系列の変動パターンが、運転状態の推定に対して外乱となる運転状況にあるときの車両状態量の時系列の変動パターンである設定変動パターンであると判定した場合には、車両状態量分布（第１車両状態量分布、第２車両状態量分布）の算出方法を変更する。それゆえ、本実施形態では、車両状態量（操舵角）の時系列の変動パターンと車両状態量分布（第１車両状態量分布、第２車両状態量分布）との二種類の検出情報によって運転者の運転状態を推定する。これにより、本実施形態では、例えば単一の検出情報のみで運転状態を推定するものに比べ、運転状態の推定精度を向上できる。また、本実施形態では、車両状態量（操舵角）の時系列の変動パターンに基づいて、運転状態の推定方法を変更するため、運転状態の推定制度をより向上できる。

本実施形態では、図３の車両状態量取得部１１０が車両状態量取得部を構成する。以下同様に、図３の車両状態量分布算出部１３０が車両状態量分布算出部を構成する。また、図３の運転不安定度判定部１４０が運転状態推定部を構成する。さらに、図３の情報呈示部１５０が情報呈示部を構成する。また、図３の変動パターン検出部１２０が変動パターン検出部を構成する。

（本実施形態の効果）
本実施形態は、第１実施形態（１）〜（５）の効果に加え、以下の効果を奏する。
（１）運転支援部１００Ａは、車両状態量に基づいて時間的範囲の異なる複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）を算出する。続いて、運転支援部１００Ａは、算出した複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転者の運転状態を推定する。続いて、運転支援部１００Ａは、推定した運転状態に基づいて運転者に呈示情報を呈示する。その際、運転支援部１００Ａは、車両状態量（操舵角）に基づいて車両状態量（操舵角）の時系列の変動パターンを検出する。続いて、運転支援部１００Ａは、車両状態量（操舵角）の時系列の変動パターンが、運転状態の推定に対して外乱となる運転状況にあるときの車両状態量の時系列の変動パターンである設定変動パターンであると判定した場合には、車両状態量分布（第１車両状態量分布、第２車両状態量分布）の算出方法を変更する。
このような構成により、車両状態量（操舵角）の時系列の変動パターンと車両状態量分布（第１車両状態量分布、第２車両状態量分布）との二種類の検出情報によって運転者の運転状態を推定する。これにより、例えば、単一の検出情報のみで運転状態を推定するものに比べ、運転状態の推定精度を向上できる。

（２）運転支援部１００Ａは、車両状態量（操舵角）の時系列の変動パターンが、運転状態の推定に対して外乱となる運転状況にあるときの車両状態量の時系列の変動パターンである設定変動パターンであると判定した場合には、車両状態量分布の算出を中断する中断処理、車両状態量分布を過去の車両状態量分布で置き換えるリストア処理、および複数の車両状態量分布のうち一方の車両状態量分布を他方の車両状態量分布で置き換えるリセット処理のいずれかを行う。また、運転支援部１００Ａは、複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）間の相違量（相対エントロピーＲＨp）が予め定めた判定閾値よりも大きいと判定した場合には、運転状態が不安定状態にあると推定する。
このような構成により、例えば、車両が運転状態の推定に対して外乱となる運転状況にあり、車両状態量（操舵角）の時系列の変動パターンが設定変動パターンであると判定した場合には、中断処理、リストア処理、およびリセット処理のいずれかを行う。これにより、複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）間の相違量（相対エントロピーＲＨp）が低減し、運転状態が不安定状態にあると推定され難くなる。

（３）運転支援部１００Ａは、車両状態量（操舵角）の時系列の変動パターンに基づいて運転者の運転状態を推定する。続いて、運転支援部１００Ａは、推定した運転状態に基づいて運転者に呈示情報を呈示する。その際、運転支援部１００Ａは、車両状態量に基づいて時間的範囲の異なる複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）を算出する。続いて、運転支援部１００Ａは、算出した複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて、運転状態の推定方法を変更する。
このような構成により、車両状態量（操舵角）の時系列の変動パターンと車両状態量分布（第１車両状態量分布、第２車両状態量分布）との二種類の検出情報によって運転者の運転状態を推定する。これにより、例えば、単一の検出情報のみで運転状態を推定するものに比べ、運転状態の推定精度を向上できる。

（第３実施形態）
次に、本発明に係る第３実施形態について図面を参照しつつ説明する。なお、上記実施形態と同様な構成等については同一の符号を使用して、その詳細は省略する。
本実施形態は、車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づく運転者の運転状態の推定結果（第１推定用パラメータ）、および車両状態量（操舵角）の時系列の変動パターンに基づく運転者の運転状態の推定結果（第２推定用パラメータ）の組み合わせに基づいて、運転者の運転状態を推定する点が第１実施形態と異なる。
具体的には、本実施形態は、第１実施形態とは、図６のステップＳ１０３、Ｓ１０６、Ｓ１０７の内容が異なっている。

図１４は、設定変動パターンを説明するための説明図である。
本実施形態では、設定変動パターンとしては、例えば、運転者の運転状態が不安定状態にあるとき、つまり、運転者への呈示情報（警報その他の情報）の呈示が必要であるときの車両状態量（操舵角）の時系列の変動パターンを採用する。具体的には、設定変動パターンとしては、図１４に示すように、わき見運転時の変動パターン、居眠り運転時の変動パターンがある。わき見運転時の変動パターンとしては、例えば、変動周期dtpが０．３秒以上で且つ１．０秒未満、振幅dspが３度以上で且つ１０度未満となる波形が連続して２回以上現れるパターンがある。また、居眠り運転時の変動パターンとしては、例えば、変動周期dtpが０．３秒以上で且つ１．３未満、振幅dspが１度以上で且つ５度未満となる波形が連続して２回以上現れるパターンがある。
前記ステップＳ１０３では、運転支援部１００Ａ（車両状態量分布算出部１３０）は、予め定めた設定α値（一定値）をα値として設定する。これにより、運転支援部１００Ａ（車両状態量分布算出部１３０）は、車両状態量（操舵角）の時系列の変動パターンが設定変動パターンであると判定した場合にも、設定α値をα値として用いる。
図１５は、不安定状態の推定方法を説明するための説明図である。

前記ステップＳ１０６では、運転支援部１００Ａ（運転不安定度判定部１４０）は、前記ステップＳ１０５で算出した分布間の相違量（相対エントロピーＲＨp）に基づいて運転者の運転状態（以下、第１推定用パラメータとも呼ぶ）を推定する。具体的には、運転支援部１００Ａ（運転不安定度判定部１４０）は、前記ステップＳ１０５で算出した分布間の相違量（相対エントロピーＲＨp）が予め定めた判定閾値よりも大きいか否かを判定する。そして、運転支援部１００Ａ（運転不安定度判定部１４０）は、分布間の相違量（相対エントロピーＲＨp）が判定閾値よりも大きいと判定した場合には、運転者の運転状態（第１推定用パラメータ）が不安定状態にあると推定する。一方、運転支援部１００Ａ（運転不安定度判定部１４０）は、前記ステップＳ１０５で算出した分布間の相違量（相対エントロピーＲＨp）が判定閾値以下であると判定した場合には、運転者の運転状態（第１推定用パラメータ）が非不安定状態にあると判定する。

また、運転支援部１００Ａ（運転不安定度判定部１４０）は、前記ステップＳ１０２で検出した車両状態量（操舵角）の時系列の変動パターンに基づいて運転者の運転状態（以下、第２推定用パラメータとも呼ぶ）を推定する。具体的には、運転支援部１００Ａ（運転不安定度判定部１４０）は、前記ステップＳ１０２で検出した車両状態量（操舵角）の時系列の変動パターンがわき見運転時の変動パターン、居眠り運転時の変動パターン、およびその他の変動パターンのいずれであるかを判定する。そして、運転支援部１００Ａ（運転不安定度判定部１４０）は、変動パターンがわき見運転時の変動パターンであると判定した場合には、運転者の運転状態（第２推定用パラメータ）がわき見運転状態にあると判定する。一方、運転支援部１００Ａ（運転不安定度判定部１４０）は、変動パターンが居眠り運転時の変動パターンであると判定した場合には、運転者の運転状態（第２推定用パラメータ）が居眠り運転状態にあると判定する。また一方、運転支援部１００Ａ（運転不安定度判定部１４０）は、変動パターンがその他の変動パターンであると判定した場合には、運転者の運転状態（第２推定用パラメータ）がわき見運転状態、居眠り運転状態以外の運転状態（以下、その他の運転状態とも呼ぶ）にあると判定する。

そして、運転支援部１００Ａ（運転不安定度判定部１４０）は、推定した第１推定用パラメータおよび第２推定用パラメータの組み合わせに基づいて、運転者の運転状態を推定する。具体的には、運転支援部１００Ａ（運転不安定度判定部１４０）は、図１５に示すように、第１推定用パラメータが不安定状態であり且つ第２推定用パラメータがその他の運転状態であると判定した場合には、運転者の運転状態が第１不安定状態にあると推定する。一方、運転支援部１００Ａ（情報呈示部１５０）は、第１推定用パラメータが不安定状態であり且つ第２推定用パラメータが居眠り運転状態であると判定した場合には、運転者の運転状態が第２不安定状態にあると推定する。また一方、運転支援部１００Ａ（情報呈示部１５０）は、第１推定用パラメータが不安定状態であり且つ第２推定用パラメータがわき見運転状態であると判定した場合には、運転者の運転状態が第３不安定状態にあると推定する。

また一方、運転支援部１００Ａ（運転不安定度判定部１４０）は、第１推定用パラメータが非不安定状態であり且つ第２推定用パラメータがその他の運転状態であると判定した場合には、運転者の運転状態が不安定状態にない（非不安定状態）と判定する。また一方、運転支援部１００Ａ（情報呈示部１５０）は、第１推定用パラメータが非不安定状態であり且つ第２推定用パラメータが居眠り運転状態であると判定した場合には、運転者の運転状態が第４不安定状態にあると推定する。また一方、運転支援部１００Ａ（情報呈示部１５０）は、第１推定用パラメータが非不安定状態であり且つ第２推定用パラメータがわき見運転状態であると判定した場合には、運転者の運転状態が第５不安定状態にあると推定する。これにより、運転支援部１００Ａ（運転不安定度判定部１４０）は、第１推定用パラメータおよび第２推定用パラメータの組み合わせに基づいて、運転者の運転状態を推定する。それゆえ、運転支援部１００Ａ（運転不安定度判定部１４０）は、運転状態の推定制度をより向上できる。

前記ステップＳ１０７では、運転支援部１００Ａ（情報呈示部１５０）は、前記ステップＳ１０６で推定した運転状態に基づいて運転者に呈示情報（運転者に呈示する警報その他の情報）を呈示する処理（情報呈示処理）を行う。具体的には、運転支援部１００Ａ（情報呈示部１５０）は、前記ステップＳ１０６で第１不安定状態、第２不安定状態、第３不安定状態、第４不安定状態、または第５不安定状態と判定した状態が予め定めた不安定判定閾値（例えば、５秒）以上継続したか否かを判定する。そして、運転支援部１００Ａ（情報呈示部１５０）は、第１不安定状態と判定した状態が不安定判定閾値（５秒）以上継続したと判定した場合には、第１警報（情報呈示処理）を行う。一方、運転支援部１００Ａ（情報呈示部１５０）は、第２不安定状態と判定した状態が不安定判定閾値（５秒）以上継続したと判定した場合には、第２警報（情報呈示処理）を行う。また一方、運転支援部１００Ａ（情報呈示部１５０）は、第３不安定状態と判定した状態が不安定判定閾値（５秒）以上継続したと判定した場合には、第３警報（情報呈示処理）を行う。また一方、運転支援部１００Ａ（情報呈示部１５０）は、第４不安定状態と判定した状態が不安定判定閾値（５秒）以上継続したと判定した場合には、第４警報（情報呈示処理）を行う。また一方、運転支援部１００Ａ（情報呈示部１５０）は、第５不安定状態と判定した状態が不安定判定閾値（５秒）以上継続したと判定した場合には、第５警報（情報呈示処理）を行う。また一方、運転支援部１００Ａ（情報呈示部１５０）は、第１不安定状態、第２不安定状態、第３不安定状態、第４不安定状態、第５不安定状態と判定した状態が不安定判定閾値（５秒）以上継続していないと判定した場合には、情報呈示処理を行わない。

図１６は、情報呈示の例を説明するための説明図である。
情報定時処理（第１警報、第２警報、第３警報、第４警報、第５警報）の例を、図１６に示す。この例では、第１警報として、図１６（ａ）に示すように、警告表示を行うとともに、「ピー！！そろそろ休憩しませんか。」等と音声で警告の呈示を行う。また、第２警報として、図１６（ｂ）に示すように、警告表示を行うとともに、「ピー！！休憩をとってください。」等と音声で警告の呈示を行う。さらに、第３警報として、図１６（ｃ）に示すように、警告表示を行うとともに、「ピー！！運転に集中しましょう。」等と音声で警告の呈示を行う。また、第４警報として、図１６（ｄ）に示すように、警告表示を行うとともに、「ピー！！体調はいかがですか？引き続き安全運転でお願いします。」等と音声で警告の呈示を行う。さらに、第５警報として、図１６（ｅ）に示すように、警告表示を行うとともに、「ピー！！車両がふらついてます。」等と音声で警告の呈示を行う。これにより、情報呈示部１５０は、推定した運転状態毎に互いに異なる呈示情報を呈示する。

なお、その他の構成は上記実施形態と同様である。
上述の構成により、本実施形態では、車両状態量（操舵角）に基づいて時間的範囲の異なる複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）を算出する。続いて、本実施形態では、算出した複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転状態（第１推定用パラメータ）を推定する。続いて、本実施形態では、車両状態量（操舵角）の時系列の変動パターンに基づいて運転状態（第２推定用パラメータ）を推定する。続いて、本実施形態では、第１推定用パラメータおよび第２推定用パラメータの組み合わせに基づいて、運転者の運転状態を推定する。続いて、本実施形態では、推定した運転状態に基づいて運転者に呈示情報を呈示する。それゆえ、本実施形態では、車両状態量（操舵角）の時系列の変動パターンと車両状態量分布（第１車両状態量分布、第２車両状態量分布）との二種類の検出情報によって運転者の運転状態を推定する。これにより、本実施形態では、例えば単一の検出情報のみで運転状態を推定するものに比べ、運転状態の推定精度を向上できる。また、本実施形態では、第１推定用パラメータおよび第２推定用パラメータの組み合わせに基づいて、運転者の運転状態を推定する。それゆえ、本実施形態では、運転状態の推定制度をより向上できる。

本実施形態では、図３の車両状態量取得部１１０が車両状態量取得部を構成する。以下同様に、図３の車両状態量分布算出部１３０が車両状態量分布算出部を構成する。また、図３の運転不安定度判定部１４０、図６のステップＳ１０６が第１推定用パラメータ推定部、第２推定用パラメータ推定部および運転状態推定部を構成する。さらに、図３の情報呈示部１５０が情報呈示部を構成する。また、図３の変動パターン検出部１２０が変動パターン検出部を構成する。

（本実施形態の効果）
本実施形態は、第１実施形態（１）〜（５）の効果に加え、以下の効果を奏する。
（１）運転支援部１００Ａは、車両状態量（操舵角）に基づいて時間的範囲の異なる複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）を算出する。続いて、運転支援部１００Ａは、算出した複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転者の運転状態を第１推定用パラメータとして推定する。続いて、運転支援部１００Ａは、推定した運転状態に基づいて運転者に呈示情報を呈示する。その際、運転支援部１００Ａは、車両状態量（操舵角）の時系列の変動パターンに基づいて運転者の運転状態を第２推定用パラメータとして推定する。続いて、運転支援部１００Ａは、第１推定用パラメータおよび第２推定用パラメータの組み合わせに基づいて、運転者の運転状態を推定する。
このような構成により、車両状態量（操舵角）の時系列の変動パターンと車両状態量分布（第１車両状態量分布、第２車両状態量分布）との二種類の検出情報によって運転者の運転状態を推定する。これにより、例えば、単一の検出情報のみで運転状態を推定するものに比べ、運転状態の推定精度を向上できる。
（２）運転支援部１００Ａは、推定した運転状態毎に互いに異なる呈示情報を呈示する。
このような構成によれば、運転状態に対しより適切な呈示情報を呈示できる。

（第４実施形態）
次に、本発明に係る第４実施形態について図面を参照しつつ説明する。なお、上記実施形態と同様な構成等については同一の符号を使用して、その詳細は省略する。
本実施形態は、車両の運転シーンが、車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転者の運転状態を判定することが困難な運転シーンである判定困難シーンであると判定した場合には、車両状態量（操舵角）の時系列の変動パターンに基づいて運転者の運転状態を推定する点が第１実施形態と異なる。

図１７は、運転不安定度判定処理を表すフローチャートである。
具体的には、本実施形態は、図１７に示すように、第１実施形態とは、図６のステップＳ１０２、１０３に代えて図１７のステップＳ１０９、Ｓ１１０を用いる点、および図１７のステップＳ１０６、Ｓ１０７の内容が異なっている。
本実施形態では、第３実施形態と同様に、設定変動パターンとしては、例えば、図１４に示すように、わき見運転時の変動パターン、居眠り運転時の変動パターンを採用する。

図１８は、車両の運転シーンを説明するための説明図である。
前記ステップＳ１０９では、運転支援部１００Ａ（車両状態量分布算出部１３０）は、操舵角センサ３、車輪速センサ４、およびＧセンサ６等が出力した検出結果に基づいて、車両の運転シーンを推定する。運転シーンとしては、例えば、車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転者の運転状態を判定することが困難な運転シーンである判定困難シーン、およびその他の運転シーンがある。具体的には、運転シーンとしては、図１８に示すように、走行開始直後（判定困難シーン）、荒れた道路走行時（判定困難シーン）、坂道走行時（判定困難シーン）、高速走行時（判定困難シーン）、カーブ路走行時（その他の運転シーン）、車線変更時（判定困難シーン）、うねり道走行時（判定困難シーン）、およびハーシュネス発生時（判定困難シーン）がある。走行開始直後は、例えば、車両の走行時間、および走行距離に基づき検出する。

具体的には、運転支援部１００Ａ（車両状態量分布算出部１３０）は、イグニッションスイッチがオン状態とされてからの経過時間（走行時間）が予め定めた設定時間未満である場合に走行開始直後であると推定する。または、運転支援部１００Ａ（車両状態量分布算出部１３０）は、イグニッションスイッチがオン状態とされてからの走行距離が予め定めた設定距離未満である場合に走行開始直後であると推定する。また、荒れた道路走行時は、例えば、車輪速センサ４、またはＧセンサ６の検出結果（横加速度）に基づき検出する。具体的には、運転支援部１００Ａ（車両状態量分布算出部１３０）は、設定時間毎に計測した車輪速の今回値と前回値との差異を算出し、算出した差異が設定閾値以上である場合に荒れた道路走行時であると推定する。さらに、坂道走行時は、Ｇセンサ６の検出結果（前後加速度）に基づき検出する。また、高速走行時は、車輪速センサ４の検出結果に基づき検出する。具体的には、運転支援部１００Ａ（車両状態量分布算出部１３０）は、車速が設定車速（例えば、１２０km/h）以上である場合に高速走行時であると推定する。

さらに、カーブ路走行時は、例えば、操舵角センサ３の検出結果に基づき検出する。具体的には、運転支援部１００Ａ（車両状態量分布算出部１３０）は、操舵角が設定操舵角以上である状態が設定時間以上継続した場合にカーブ路走行時であると推定する。また、車線変更時は、操舵角センサ３の検出結果に基づき検出する。さらに、うねり道走行時は、車輪速センサ４の検出結果に基づき算出する。また、ハーシュネス発生時は、Ｇセンサ６の検出結果（前後加速度）に基づき検出する。

前記ステップＳ１１０では、運転支援部１００Ａ（車両状態量分布算出部１３０）は、前記ステップＳ１０９で推定した運転シーンが判定困難シーンであるか否かを判定する。具体的には、運転支援部１００Ａ（車両状態量分布算出部１３０）は、判定困難シーン（走行開始直後、荒れた道路走行時、坂道走行時、または高速走行時）であると推定したか否かを判定する。そして、運転支援部１００Ａ（車両状態量分布算出部１３０）は、走行開始直後、荒れた道路走行時、坂道走行時、または高速走行時であると判定した場合には、前記ステップＳ１０６に移行する。一方、運転支援部１００Ａ（車両状態量分布算出部１３０）は、走行開始直後、判定困難シーンではない（荒れた道路走行時、坂道走行時、および高速走行時以外）と判定した場合には、前記ステップＳ１０４に移行する。

前記ステップＳ１０６では、運転支援部１００Ａ（運転不安定度判定部１４０）は、前記ステップＳ１０２で検出した車両状態量（操舵角）の時系列の変動パターン、前記ステップＳ１０５で算出した分布間の相違量（相対エントロピーＲＨp）、および前記ステップＳ１１０で行った運転シーンの判定結果に基づいて運転者の運転状態を推定する（運転者の運転状態が不安定状態にあるか否かを判定する）。具体的には、運転支援部１００Ａ（運転不安定度判定部１４０）は、前記ステップＳ１１０で判定困難シーンではない（走行開始直後、荒れた道路走行時、坂道走行時、および高速走行時以外）と判定した場合には、複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転者の運転状態を判定する。例えば、運転支援部１００Ａ（運転不安定度判定部１４０）は、前記ステップＳ１０５で算出した分布間の相違量（相対エントロピーＲＨp）が判定閾値よりも大きいか否かを判定する。そして、運転支援部１００Ａ（運転不安定度判定部１４０）は、分布間の相違量（相対エントロピーＲＨp）が判定閾値よりも大きいと判定した場合には、運転者の運転状態が第１不安定状態にあると推定する。一方、運転支援部１００Ａ（運転不安定度判定部１４０）は、前記ステップＳ１０５で算出した分布間の相違量（相対エントロピーＲＨp）が判定閾値以下であると判定した場合には、運転者の運転状態が非不安定状態にあると判定する。

一方、運転支援部１００Ａ（運転不安定度判定部１４０）は、前記ステップＳ１１０で判定困難シーン（走行開始直後、荒れた道路走行時、坂道走行時、または高速走行時）であると判定した場合には、車両状態量（操舵角）の時系列の変動パターンに基づいて運転者の運転状態を判定する。具体的には、運転支援部１００Ａ（運転不安定度判定部１４０）は、前記ステップＳ１０２で検出した車両状態量（操舵角）の時系列の変動パターンがわき見運転時の変動パターン、居眠り運転時の変動パターン、およびその他の変動パターンのいずれであるかを判定する。そして、運転支援部１００Ａ（情報呈示部１５０）は、変動パターンがその他の変動パターンであると判定した場合には、運転者の運転状態が不安定状態にない（非不安定状態）と判定する。一方、運転支援部１００Ａ（情報呈示部１５０）は、変動パターンが居眠り運転時の変動パターンであると判定した場合には、運転者の運転状態が第４不安定状態にあると推定する。また一方、運転支援部１００Ａ（情報呈示部１５０）は、変動パターンがわき見運転時の変動パターンであると判定した場合には、運転者の運転状態が第５不安定状態にあると推定する。

前記ステップＳ１０７では、運転支援部１００Ａ（情報呈示部１５０）は、前記ステップＳ１０６で推定した運転状態に基づいて運転者に呈示情報（運転者に呈示する警報その他の情報）を呈示する処理（情報呈示処理）を行う。具体的には、運転支援部１００Ａ（情報呈示部１５０）は、前記ステップＳ１０６で第１不安定状態、第４不安定状態、または第５不安定状態と判定した状態が予め定めた不安定判定閾値（例えば、５秒）以上継続したか否かを判定する。そして、運転支援部１００Ａ（情報呈示部１５０）は、第１不安定状態と判定した状態が不安定判定閾値（５秒）以上継続したと判定した場合には、第１警報（情報呈示処理）を行う。一方、運転支援部１００Ａ（情報呈示部１５０）は、第４不安定状態と判定した状態が不安定判定閾値（５秒）以上継続したと判定した場合には、第４警報（情報呈示処理）を行う。また一方、運転支援部１００Ａ（情報呈示部１５０）は、第５不安定状態と判定した状態が不安定判定閾値（５秒）以上継続したと判定した場合には、第５警報（情報呈示処理）を行う。また一方、運転支援部１００Ａ（情報呈示部１５０）は、第１不安定状態、第４不安定状態、第５不安定状態と判定した状態が不安定判定閾値（５秒）以上継続していないと判定した場合には、情報呈示処理を行わない。

情報定時処理（第１警報、第４警報、第５警報）の例を、図１６に示す。この例では、第１警報として、図１６（ａ）に示すように、警告表示を行うとともに、「ピー！！そろそろ休憩しませんか。」等と音声で警告の呈示を行う。また、第４警報として、図１６（ｄ）に示すように、警告表示を行うとともに、「ピー！！体調はいかがですか？引き続き安全運転でお願いします。」等と音声で警告の呈示を行う。さらに、第５警報として、図１６（ｅ）に示すように、警告表示を行うとともに、「ピー！！車両がふらついてます。」等と音声で警告の呈示を行う。

なお、その他の構成は上記実施形態と同様である。
上述の構成により、本実施形態ではは、車両状態量（操舵角）に基づいて時間的範囲の異なる複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）を算出する。続いて、本実施形態ではは、算出した複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転者の運転状態を推定する。続いて、本実施形態ではは、推定した運転状態に基づいて運転者に呈示情報を呈示する。その際、本実施形態では、車両の運転シーンを推定する。続いて、本実施形態では、推定した運転シーンが、車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転者の運転状態を判定することが困難な運転シーンである判定困難シーンであると判定した場合には、車両状態量（操舵角）の時系列の変動パターンに基づいて運転者の運転状態を推定する。続いて、本実施形態では、推定した運転状態に基づいて運転者に呈示情報を呈示する。それゆえ、本実施形態では、車両状態量（操舵角）の時系列の変動パターンと車両状態量分布（第１車両状態量分布、第２車両状態量分布）との二種類の検出情報によって運転者の運転状態を推定する。これにより、本実施形態では、例えば単一の検出情報のみで運転状態を推定するものに比べ、運転状態の推定精度を向上できる。

本実施形態では、図３の車両状態量取得部１１０が車両状態量取得部を構成する。以下同様に、図３の車両状態量分布算出部１３０が車両状態量分布算出部を構成する。また、図３の運転不安定度判定部１４０が運転状態推定部を構成する。さらに、図３の情報呈示部１５０が情報呈示部を構成する。また、図３の車両状態量分布算出部１３０、図１７のステップＳ１０９、Ｓ１１０が運転シーン推定部を構成する。さらに、図３の変動パターン検出部１２０が変動パターン検出部を構成する。

（本実施形態の効果）
本実施形態は、第１実施形態（１）〜（５）の効果に加え、以下の効果を奏する。
（１）運転支援部１００Ａは、車両状態量（操舵角）に基づいて時間的範囲の異なる複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）を算出する。続いて、運転支援部１００Ａは、算出した複数の車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転者の運転状態を推定する。続いて、運転支援部１００Ａは、推定した運転状態に基づいて運転者に呈示情報を呈示する。その際、運転支援部１００Ａは、車両の運転シーンを推定する。続いて、運転支援部１００Ａは、推定した運転シーンが、車両状態量分布（第１車両状態量分布、第２車両状態量分布）に基づいて運転者の運転状態を判定することが困難な運転シーンである判定困難シーンであると判定した場合には、車両状態量（操舵角）の時系列の変動パターンに基づいて運転者の運転状態を推定する。続いて、推定した運転状態に基づいて運転者に呈示情報を呈示する。
このような構成により、車両状態量（操舵角）の時系列の変動パターンと車両状態量分布（第１車両状態量分布、第２車両状態量分布）との二種類の検出情報によって運転者の運転状態を推定する。これにより、例えば、単一の検出情報のみで運転状態を推定するものに比べ、運転状態の推定精度を向上できる。

（２）運転支援部１００Ａは、車両の走行時間、および走行距離の少なくともいずれかに基づいて運転シーンを推定する。
このような構成によれば、走行開始直後の運転シーンを比較的容易に推定できる。
（３）運転支援部１００Ａは、運転シーンとして、カーブ路走行時、車線変更時、うねり道走行時、およびハーシュネス発生時の少なくとも１つを推定する。
このような構成によれば、カーブ路走行時、車線変更時、うねり道走行時、ハーシュネス発生時に、車両状態量（操舵角）の時系列の変動パターンに基づいて運転状態を推定できる。

１１０ 車両状態量取得部（車両状態量取得部）
１２０ 変動パターン検出部（変動パターン検出部）
１３０ 車両状態量分布算出部（車両状態量分布算出部、パラメータ設定部、算出方法設定部、推定方法設定部）
１４０ 運転不安定度判定部（運転状態推定部、第１推定用パラメータ推定部、第２推定用パラメータ推定部）
１５０ 情報呈示部（情報呈示部）

Claims (13)

1. 車両状態量を取得する車両状態量取得部と、
   前記車両状態量取得部が取得した車両状態量に基づいて車両状態量の時系列の変動パターンを検出する変動パターン検出部と、
   前記変動パターン検出部が検出した変動パターンに基づいて運転状態推定用のパラメータを設定するパラメータ設定部と、
   前記車両状態量取得部が取得した車両状態量に基づき、前記パラメータ設定部が設定したパラメータに応じた階級幅で時間的範囲の異なる複数の車両状態量分布を算出する車両状態量分布算出部と、
   前記車両状態量分布算出部が算出した複数の車両状態量分布に基づいて運転者の運転状態を推定する運転状態推定部と、
   前記運転状態推定部が推定した運転状態に基づいて運転者に呈示情報を呈示する情報呈示部と、を備えたことを特徴とする車両用情報提供装置。
2. 車両状態量を取得する車両状態量取得部と、
   前記車両状態量取得部が取得した車両状態量に基づいて時間的範囲の異なる複数の車両状態量分布を算出する車両状態量分布算出部と、
   前記車両状態量分布算出部が算出した複数の車両状態量分布に基づいて運転状態推定用のパラメータを設定するパラメータ設定部と、
   前記車両状態量取得部が取得した車両状態量に基づいて車両状態量の時系列の変動パターンを検出する変動パターン検出部と、
   前記変動パターン検出部が検出した変動パターンに基づき、前記パラメータを考慮して運転者の運転状態を推定する運転状態推定部と、
   前記運転状態推定部が推定した運転状態に基づいて運転者に呈示情報を呈示する情報呈示部と、を備えたことを特徴とする車両用情報提供装置。
3. 車両状態量を取得する車両状態量取得部と、
   前記車両状態量取得部が取得した車両状態量に基づいて時間的範囲の異なる複数の車両状態量分布を算出する車両状態量分布算出部と、
   前記車両状態量分布算出部が算出した複数の車両状態量分布に基づいて運転者の運転状態を推定する運転状態推定部と、
   前記運転状態推定部が推定した運転状態に基づいて運転者に呈示情報を呈示する情報呈示部と、
   前記車両状態量取得部が取得した車両状態量に基づいて車両状態量の時系列の変動パターンを検出する変動パターン検出部と、を備え、
   前記車両状態量分布算出部は、前記変動パターン検出部が検出した変動パターンが、前記運転状態の推定に対して外乱となる運転状況にあるときの車両状態量の時系列の変動パターンである設定変動パターンであると判定した場合には、車両状態量分布の算出方法を変更することを特徴とする車両用情報提供装置。
4. 前記車両状態量分布算出部は、前記変動パターン検出部が検出した変動パターンが、前記運転状態の推定に対して外乱となる運転状況にあるときの車両状態量の時系列の変動パターンである設定変動パターンであると判定した場合には、車両状態量分布の算出を中断する中断処理、車両状態量分布を過去の車両状態量分布で置き換えるリストア処理、および複数の車両状態量分布のうち一方の車両状態量分布を他方の車両状態量分布で置き換えるリセット処理のいずれかを行い、
   前記運転状態推定部は、前記車両状態量分布算出部が算出した複数の車両状態量分布間の相違量が予め定めた判定閾値よりも大きいと判定した場合には、前記運転状態が不安定状態にあると推定することを特徴とする請求項３に記載の車両用情報提供装置。
5. 車両状態量を取得する車両状態量取得部と、
   前記車両状態量取得部が取得した車両状態量に基づいて車両状態量の時系列の変動パターンを検出する変動パターン検出部と、
   前記変動パターン検出部が検出した変動パターンに基づいて運転者の運転状態を推定する運転状態推定部と、
   前記運転状態推定部が推定した運転状態に基づいて運転者に呈示情報を呈示する情報呈示部と、
   前記車両状態量取得部が取得した車両状態量に基づいて時間的範囲の異なる複数の車両状態量分布を算出する車両状態量分布算出部と、を備え、
   前記運転状態推定部は、前記車両状態量分布算出部が算出した複数の車両状態量分布に基づいて、運転状態の推定方法を変更することを特徴とする車両用情報提供装置。
6. 車両状態量を取得する車両状態量取得部と、
   前記車両状態量取得部が取得した車両状態量に基づいて時間的範囲の異なる複数の車両状態量分布を算出する車両状態量分布算出部と、
   前記車両状態量分布算出部が算出した複数の車両状態量分布に基づいて運転者の運転状態を第１推定用パラメータとして推定する第１推定用パラメータ推定部と、
   前記車両状態量取得部が取得した車両状態量に基づいて車両状態量の時系列の変動パターンを検出する変動パターン検出部と、
   前記変動パターン検出部が検出した変動パターンに基づいて運転者の運転状態を第２推定用パラメータとして推定する第２推定用パラメータ推定部と、
   前記第１推定用パラメータ推定部が推定した第１推定用パラメータおよび前記第２推定用パラメータ推定部が推定した第２推定用パラメータの組み合わせに基づいて、運転者の運転状態を推定する運転状態推定部と、
   前記運転状態推定部が推定した運転状態に基づいて運転者に呈示情報を呈示する情報呈示部と、を備えたことを特徴とする車両用情報提供装置。
7. 前記情報呈示部は、前記運転状態推定部が推定した前記運転状態毎に互いに異なる呈示情報を呈示することを特徴とする請求項６に記載の車両用情報提供装置。
8. 車両状態量を取得する車両状態量取得部と、
   前記車両状態量取得部が取得した車両状態量に基づいて時間的範囲の異なる複数の車両状態量分布を算出する車両状態量分布算出部と、
   前記車両状態量分布算出部が算出した複数の車両状態量分布に基づいて運転者の運転状態を推定する運転状態推定部と、
   前記運転状態推定部が推定した運転状態に基づいて運転者に呈示情報を呈示する情報呈示部と、
   車両の運転シーンを推定する運転シーン推定部と、
   前記車両状態量取得部が取得した車両状態量に基づいて車両状態量の時系列の変動パターンを検出する変動パターン検出部と、を備え、
   前記運転状態推定部は、前記運転シーン推定部が推定した運転シーンが、車両状態量分布量に基づいて運転者の運転状態を判定することが困難な運転シーンである判定困難シーンであると判定した場合には、前記変動パターン検出部が検出した変動パターンに基づいて運転者の運転状態を推定することを特徴とする車両用情報提供装置。
9. 前記運転シーン推定部は、車両の走行時間、および走行距離の少なくともいずれかに基づいて運転シーンを推定することを特徴とする請求項８に記載の車両用情報提供装置。
10. 前記運転シーン推定部は、運転シーンとして、カーブ路走行時、車線変更時、うねり道走行時、およびハーシュネス発生時の少なくとも１つを推定することを特徴とする請求項８または９に記載の車両用情報提供装置。
11. 前記運転状態推定部は、ステアリングエントロピー法を用いて、運転者の運転状態を推定することを特徴とする請求項１から１０のいずれか１項に記載の車両用情報提供装置。
12. 前記変動パターン検出部は、前記車両状態量取得部が検出した車両状態量の変動周期、および振幅の少なくともいずれかに基づいて車両状態量の時系列の変動パターンを検出することを特徴とする請求項１から１１のいずれか１項に記載の車両用情報提供装置。
13. 前記車両状態量取得部は、車両状態量として、ステアリングホイールの操舵角を検出することを特徴とする請求項１から１２のいずれか１項に記載の車両用情報提供装置。
    

Images