JP2017107299A - ふらつき判定装置及びふらつき判定方法 - Google Patents

Abstract

【課題】車両のふらつきを適切に判定することができるふらつき判定装置を提供する。【解決手段】ふらつき判定装置３０は、車両の走行シーンを認識するシーン認識装置が搭載された車両に適用される。ふらつき判定装置３０は、車両の走行中のふらつき挙動を検出するふらつき検出部３１と、ふらつき検出部３１で検出したふらつき挙動と、シーン認識装置によって認識した走行シーンとに基づいて、車両の走行シーン毎にふらつき挙動を学習するふらつき学習部３２と、ふらつき検出部３１で検出したふらつき挙動と、ふらつき学習部３２による学習結果のうち前記車両のふらつき判定を行う時の走行シーンに対応する学習結果とを用いて、車両のふらつき判定を実施するふらつき判定部３３と、を備える。【選択図】図１

Description

本発明は、ふらつき判定装置及びふらつき判定方法に関し、詳しくは車両走行中の自車両のふらつきを検知する技術に関する。

従来、各種センサ等で検知した車両のふらつき挙動から該車両を運転する運転者の覚醒度を推定し、覚醒度が低下した運転者に対して注意喚起を行う技術が種々提案されている（例えば、特許文献１参照）。特許文献１には、車幅方向における車両の変位量を周波数変換することによって取得される周波数ゲイン（エネルギー）の平均値を高周波成分量として算出するとともに、運転者の覚醒度が低下した状態で顕在化するふらつき周波数を含む所定の周波数領域内における周波数ゲインの最大値を低周波成分量として算出し、該算出した高周波成分量と低周波成分量との比から運転者の覚醒度を推定することが開示されている。

特開２００５−７１１８５号公報

しかしながら、車両のふらつき挙動は、走行している道路の種類や形状、交通流等といった、走行環境に関する様々な要素によって変わり得るものである。また、走行環境に関する要素に応じて、車両のふらつき挙動の出やすさにも個人差があり、ふらつき挙動の検出しやすさも異なる。そのため、こうした要素を考慮せずに一律にふらつき判定を実施するものとすると、運転者に対して適切な注意喚起を行うことができないおそれがある。

本発明は上記課題に鑑みなされたものであり、車両のふらつきを適切に判定することができるふらつき判定装置を提供することを一つの目的とする。

本発明は、上記課題を解決するために、以下の手段を採用した。

本発明は、車両の走行シーンを認識するシーン認識装置（２１〜２６）が搭載された車両に適用されるふらつき判定装置に関する。請求項１に記載の発明は、前記車両の走行中のふらつき挙動を検出するふらつき検出部（３１）と、前記ふらつき検出部で検出したふらつき挙動と、前記シーン認識装置によって認識した走行シーンとに基づいて、前記走行シーン毎に前記ふらつき挙動を学習するふらつき学習部（３２）と、前記ふらつき検出部で検出したふらつき挙動と、前記ふらつき学習部による学習結果のうち前記車両のふらつき判定を行う時の走行シーンに対応する学習結果とを用いて、前記車両のふらつき判定を実施するふらつき判定部（３３）と、を備える。

上記構成によれば、車両の走行シーン毎にふらつき挙動を学習するとともに、その学習結果のうちふらつき判定を行う時の走行シーンに対応する学習結果と、ふらつき挙動の検出結果とを用いてふらつき判定を実施することから、車両の走行シーンに応じて車両のふらつきを適切に判定することができる。

車両のふらつき検知システムの概略構成を示すブロック図。 ふらつき挙動の評価値である車両の横移動量を説明する図。 ふらつき学習処理の処理手順を示すフローチャート。 ふらつき判定処理の処理手順を示すフローチャート。 他の実施形態のふらつき判定処理の処理手順を示すフローチャート。

以下、本実施形態のふらつき検知システムについて図面を参照しつつ説明する。なお、以下では、各実施形態で互いに同一又は均等である部分には同一符号を付しており、同一符号の部分についてはその説明を援用する。本実施形態のふらつき検知システムは、車両の走行シーンを認識するシーン認識装置が搭載された車両に適用され、このシーン認識装置の認識結果を用いて、電子制御ユニット（ふらつき判定装置）を中枢として車両走行中の自車両のふらつき判定を実施する。まずは、本実施形態のふらつき検知システム１０の概略構成について図１を用いて説明する。

図１において、車両には、シーン認識装置として前方カメラ２１、前方・後方センサ２２、ヨーレートセンサ２３、舵角センサ２４、Ｇセンサ２５、車速センサ２６及びカーナビゲーション装置２７等が搭載されている。前方カメラ２１は、例えばＣＣＤカメラであり、車両のフロントガラスの上端付近に配置され、車両前方の道路を含む車両周辺環境を撮影する。前方・後方センサ２２は、超音波センサ、レーザレーダ、ミリ波レーダ等のセンサであり、車両の前方に存在している物体を検出し、該物体との距離を取得する。

カーナビゲーション装置２７は、ＧＰＳ受信機により受信されたＧＰＳ信号や、各種センサにより取得された情報を用いて車両の現在位置を算出し、該算出した現在位置から目的地までの経路を探索したり、経路案内等を行ったりする。カーナビゲーション装置２７は、自車両の現在位置と、地図データベースに格納されている道路情報とに基づいて、自車両が走行する道路の種別、車線数、幅員等の情報を取得する。ヨーレートセンサ２３は、車両の旋回方向への角速度（ヨーレート）を検出し、舵角センサ２４は、車両のハンドル（ステアリングホイール）の操舵角を検出する。Ｇセンサ２５は、車両の前後、左右、上下の３次元の加速度を検出し、車速センサ２６は車両の速度を検出する。

ふらつき判定装置３０は、ＣＰＵ、ＲＯＭ、ＲＡＭ、Ｉ／Ｏ等を備えたコンピュータである。ふらつき判定装置３０は、ふらつき検出部３１と、ふらつき学習部３２と、ふらつき判定部３３とを備えており、非遷移的実体的記憶媒体に格納されたプログラムを実行する。このプログラムが実行されることで、これら各機能が実現される。ふらつき判定装置３０には、上述した各種センサによって検出された情報や、カーナビゲーション装置２７からの情報等が入力される。

ふらつき検出部３１は、シーン認識装置で認識した情報を用いて、車両走行中の自車両のふらつき挙動を検出する。本実施形態においてふらつき検出部３１は、車両のふらつき挙動の評価値として車両走行中の横移動量Ａを算出する。具体的には、図２に示すように、前方カメラ２１で撮影した画像等に基づき推定した車両４０の走行軌跡において、車幅方向に現れる左右それぞれのピークＰ１，Ｐ２を探索し、これらピークＰ１，Ｐ２間の車幅方向の距離（振幅）を横移動量Ａとして算出する。なお、ふらつき検出部３１は、ピーク（Ｐ１，Ｐ２・・・）が出現する毎に、ふらつき挙動の評価値である横移動量Ａと、前のピークから今回のピークまでの区間に要した時間Ｂとを算出する。この区間時間Ｂを１つの評価値算出区間とする。

ふらつき判定部３３は、ふらつき検出部３１から評価値を入力し、その入力した評価値に基づいて自車両のふらつき判定を実施する。本実施形態においてふらつき判定部３３は、車両が複数回連続してふらつくときの周期的なふらつき挙動（以下、「長周期挙動」という。）を判定対象としている。具体的には、ふらつき判定部３３は、ふらつき検出部３１が検出した横移動量Ａとその区間時間Ｂとを入力し、入力した横移動量Ａが閾値よりも大きく、区間時間Ｂが予め定めた時間範囲に収まる周期の挙動であって、かつその挙動が連続して規定回数以上（例えば５〜６回）検知されたか否かを判定する（長周期挙動の判定）。そして、規定回数以上検知された場合に、自車両のふらつき有りと判定する。ふらつき判定部３３は、自車両にふらつき有りと判定すると、運転者の覚醒度の低下や集中力の低下が起きているものとして警報装置２８に指令し、運転者への注意喚起を行う。警報装置２８としては、音や光、画像等により運転者に対して注意を喚起する装置であればよく、例えば各種画像を表示するモニタ、警報音や案内音声を出力するスピーカ等が挙げられる。注意喚起に際しては、例えば車両がふらついている旨や、運転者に休憩の取得を促す旨を報知する。

ここで、車両走行中のふらつき挙動は、車両が現在走行している道路の種類や形状、交通流等といった走行環境に関する様々な要素によって変わり得るものである。また、これら要素に応じて、車両のふらつき挙動の出やすさにも個人差があり、ふらつき挙動の検出しやすさも異なる。

例えば高速道路の比較的車両が少ないシーンでは、混雑した一般道路を走行している場合に比べて、警報すべき長周期挙動の検出に適している。具体的には、混雑した一般道路では、他車の動き（外乱）や見通しの悪さによる影響が大きくなり、運転者の覚醒度に関係なくふらつき走行が発生することがあるのに対し、高速道路や車間距離が大きく曲率変化の少ない道路では、運転者の覚醒度の低下と長周期挙動との相関が高くなる。また、車両のふらつき挙動は、今回の運転における運転者の行動理由や心理状態とその時の走行環境に応じても異なり、運転者が先を急いでいるような時は、運転者が運転初期から追い抜き走行を繰り返したり前方を窺う行為を行ったりすることで、運転者の覚醒度は低下していなくてもふらつきが大きくなったり、ふらつく回数が多くなったりすることがある。こうした場合にまで一律にふらつき判定を実施するものとすると、運転者に対してむやみに注意喚起を行ったり、不適切な内容を運転者に報知したりすることによって運転者が煩わしさを感じてしまうことが懸念される。また、煩わしさを減らすために警報感度を下げると、運転者の覚醒度の低下が起きており、本来警告すべき状況であるにもかかわらず警告がなされないことも考えられる。

こうした点に鑑み、ふらつき判定装置３０は、車両の走行シーン毎に自車両のふらつき挙動を学習するふらつき学習部３２を備えるものとしている。そして、ふらつき判定部３３は、ふらつき学習部３２から現在の走行シーンに対応する学習結果を入力し、該入力した学習結果と、ふらつき検出部３１から入力した情報とに基づいて、自車両のふらつき判定を実施することとしている。

具体的には、ふらつき学習部３２は、評価値算出区間（図２の区間時間Ｂ）が出現する毎に、ふらつき検出部３１から自車両のふらつき挙動の評価値（本実施形態では横移動量Ａ）を入力する。また、その入力した評価値を、当該評価値の検出時における自車両の走行シーンに対応付けて記憶部３４に記憶する。記憶部３４は、書き換え可能な不揮発メモリからなり、車両の走行シーンを特定するための複数の要素のそれぞれがマトリックス形式で定められた格納メモリを備えている。ふらつき学習部３２は、ふらつき検出部３１から評価値を入力する毎に、格納メモリのうち、評価値の検出時における自車両の走行シーンに対応する場所に評価値を格納する。そして、規定数以上の評価値が格納されると、それらの評価値を用いてふらつき学習値を算出・更新する。なお、本実施形態では、ふらつき学習値を格納するメモリを記憶部３４が備え、ふらつき学習部３２は、車両の走行シーンを特定するための各要素に対応付けたマトリックス形式で学習値を格納することにより、車両の走行シーン毎にふらつき学習値（初期値）を設定するとともに、その更新を行う。ふらつき学習値は、車両の運転毎に初期値から新たに設定する。これは、同じ運転者であっても、その日の心理状態などによって挙動が変わることがあるからである。

自車両の走行シーンを特定するための要素として、本実施形態では、シーン認識装置から取得した情報を用いて、現在の（１）走路カテゴリー、（２）道路の混雑度、及び（３）シーン種別、の３つの要素を検出し、これら３つの要素のそれぞれに対応付けてふらつき学習値を算出・更新している。以下、各要素について説明する。

（１）走路カテゴリー
走路カテゴリーは、道路に関する情報であり、警報すべきふらつき挙動の出やすさ及び検出しやすさに応じて分類されている。車両がどのような種類（例えば、高速道路、それ以外の道路）及び形状（例えば、直線路、カーブ路）の道路を走行しているかに応じて、各個人のふらつき挙動の発生頻度やふらつきの大きさは異なり、また、ふらつき挙動の癖の見つけやすさも異なるからである。本実施形態では、車両の走行シーンを以下の３つの分類（分類１Ａ〜分類１Ｃ）に分け、分類ごとにふらつき学習値を算出している。
分類１Ａ：高速道路の直線路又は緩やかなカーブ路。
分類２Ａ：高速道路以外の多車線道路であって直線路又は緩やかなカーブ路。
分類３Ａ：その他（例えば高速道路以外の単車線道路、きついカーブ路など）。
ふらつき学習部３２は、前方カメラ２１により撮影した画像やカーナビゲーション装置２７からの情報を用いて、評価値の検出時における走路カテゴリーが、上記の３分類のいずれに属するかを選択する。なお、警報すべきふらつき挙動が最も出やすく、かつ検出しやすいのが分類１Ａであり、ふらつき挙動が最も出にくく、かつ検出しにくいのが分類１Ｃである。

（２）走行路の混雑度
警報すべきふらつき挙動の出やすさ及び検出しやすさは、走行中の道路の混み具合によっても異なる。具体的には、道路が混雑している場合には外乱が多く、ふらつき挙動が検出しにくいのに対し、道路が比較的空いている場合には、運転者の覚醒度と相関の高いふらつき挙動が出やすく、また検出もしやすい。また、道路の混み具合がふらつき挙動に与える影響の大きさにも個人差がある。こうした点に鑑み、本システムでは、道路の混雑度に応じた学習値を設定することとしている。道路の混雑度について本実施形態では、仕向け地域、車速及び上記（１）の走路カテゴリーに応じて、道路の混雑度の判定条件が予め適合により設定されており、該判定条件を用いて走行中の道路の混雑度を決定している。

（３）シーン種別
発生頻度が１回の走行あたり所定回数以下と少なく、且つふらつき挙動のばらつきが所定以上と大きい走行シーンで取得した評価値については、外乱が含まれている可能性があるものとして除外する必要がある。また、発生頻度が多く除外すべきではないが、ふらつき挙動のばらつきが大きいシーンについては、分類を分けてふらつき挙動を評価することが望ましい。こうした点に鑑み、本実施形態では、車両の走行シーンを通常シーン、学習除外シーン及び特殊シーンの３つのシーン種別に予め分類しておき、各シーン種別に応じてふらつき挙動を学習することとしている。具体的には、以下のシーンＡ〜シーンＤを学習除外シーンに分類し、シーンＥ〜シーンＧを特殊シーンに分類し、それ以外を通常シーンに分類する。
シーンＡ：レーンチェンジ又はレーンチェンジ前後の追抜き時。
シーンＢ：先行車両に対するあおり走行時。
シーンＣ：自車両に隣接する大型車による自車両への幅寄せ時。
シーンＤ：工事や障害物による車線幅の減少区間の走行時。
シーンＥ：路側帯が所定値以下である狭い道路など、側面が圧迫感のある路面の走行時。
シーンＦ：車線幅が所定値よりも狭い時。
シーンＧ：トンネル走行時。

次に、本実施形態のふらつき検知システムが行う処理について、図３及び図４のフローチャートを用いて説明する。なお、以下の図３及び図４の各処理は、ハードウェアである電子回路によって実現されてもよく、あるいは、少なくとも一部をソフトウェア、すなわちマイクロコンピュータ上で実行される処理によって実現されてもよい。

まず、ふらつき学習部３２が実行するふらつき挙動の学習処理について、図３を用いて説明する。この処理は、ふらつき検出部３１からふらつき挙動の評価値を入力する毎に実行される。図３において、ステップＳ１０では、所定の学習実行条件が成立したか否かを判定する。学習実行条件として本実施形態では、車両の始動スイッチ（イグニッションスイッチ）をオフからオンに切り替えてから所定の走行時間（例えば１時間程度）が経過する前であることを含む。運転初期では、運転者の覚醒度や集中力が比較的高いことから、このような期間に学習を実施することで、運転者が覚醒状態にあるときの評価範囲を正確に把握できるからである。

ステップＳ１０で学習実行条件が成立していると判定されると、ステップＳ１１へ進み、シーン認識装置で認識した情報を用いて、現在の走路カテゴリーを検出する。ここでは、前方カメラ２１により撮影した画像やカーナビゲーション装置２７からの情報を用いて、上記の分類１Ａ〜分類１Ｃのいずれに属するかを選択する。このとき、走路カテゴリーは、今回の評価値算出区間Ｂ内で所定割合以上（例えば９０％以上）を占めるカテゴリーを選択する。

続くステップＳ１２では、シーン認識装置で認識した情報（本実施形態では、車速やカメラ画像、ナビ情報）を用いて、現在の走行路の混雑度を検出する。また、ステップＳ１３では、前方カメラ２１により撮影した画像等を用いて、現在の走行シーンが、通常シーン、学習除外シーン及び特殊シーンのいずれのシーン種別に属するかを分類する。なお、今回の評価値算出区間Ｂ内に一度でも学習除外シーンが現れている場合には、現在の走行シーンを学習除外シーンに分類する。

ステップＳ１４では、現在の走行シーンが学習除外シーンに分類されたか否かを判定する（シーン判定部）。ステップＳ１４で否定判定された場合には、ステップＳ１５へ進み、今回取得した評価値を、記憶部３４の格納メモリのうち、現在の走路カテゴリー、道路の混雑度及びシーン種別に対応する場所に格納する。続くステップＳ１６では、現在の走路カテゴリー、道路の混雑度及びシーン種別に対応する場所に格納された評価値の数が規定数以上になったか否かを判定する。そして、規定数以上であると判定されると、ステップＳ１７へ進み、格納された評価値を用いてふらつき学習値を算出・更新する。

なお、本明細書においてふらつき学習値とは、統計的手法を用いて、運転者の覚醒時における評価値範囲を求めたものである。この評価値範囲を超えたふらつき挙動が現れた場合に、運転者の覚醒度の低下や集中力の低下が起きていると判断することができる。特に本実施形態では、運転者の覚醒時における評価値範囲を運転毎に、つまりイグニッションオン毎に設定することから、個人差やその日の体調、道路環境等を盛り込んだふらつき判定が可能となる。

一方、ステップＳ１４で肯定判定された場合には、その走行シーンでのふらつき挙動の学習を禁止する。ここでは、今回取得した評価値を記憶部３４の格納メモリに格納せずに廃棄し、そのまま本ルーチンを終了する。

次に、図４のふらつき判定処理について説明する。この処理は、ふらつき検出部３１から評価値を入力する毎に、ふらつき判定部３３により実行される。図４において、ステップＳ２１では、ふらつき判定の実行条件が成立しているか否かを判定する。本実施形態では、ふらつき判定の実行条件として、イグニッションオンから所定の走行時間（例えば１時間程度）が経過したことを含む。

ステップＳ２１で否定判定された場合には、そのまま本ルーチンを終了する。この場合、車両のふらつき判定や警告は実施されない。一方、ステップＳ２１で肯定判定されると、ステップＳ２２へ進み、現在の走行シーンに対応するふらつき学習値を記憶部３４から読み出し、その読み出したふらつき学習値を用いて警報閾値を算出する。ここでは、複数個の評価値を用いて標準偏差を算出し、標準偏差の整数倍（例えば３倍）に相当する値にオフセットを持たせたものを警報閾値とする。

なお、所定の学習実行期間に（本実施形態では運転初期に）全ての分類の走行をするとは限らない。そこで本実施形態では、標準モデルとして各分類の警報閾値を適合により予め設定して記憶しておき、未学習の走行シーンについては、標準モデルの警報閾値を用いることとしている。あるいは、未学習の走行シーンについては、学習が完了している他の走行シーンのふらつき学習値から警報閾値の補正量を算出し、該補正量を加味して標準モデルを補正した値を用いてもよい。また、標準モデルの替わりに、前回運転時に学習したふらつき学習値を用いてもよい。

続くステップＳ２３では、ふらつき検出部３１から入力した評価値（本実施形態では横移動量Ａ）と警報閾値とを比較し、横移動量Ａが警報閾値を超えていなければそのまま本ルーチンを終了する。一方、横移動量Ａが警報閾値を超えている場合には、ステップＳ２４へ進み、警報装置２８により運転者への注意喚起を行う。

以上詳述した本実施形態によれば、次の優れた効果が得られる。

車両４０の走行シーン毎にふらつき挙動を学習して学習値を記憶部３４に記憶させるとともに、ふらつき検出部３１で検出したふらつき挙動と、記憶部３４に記憶させた学習値のうち、ふらつき判定を行う時の走行シーンに対応する学習結果と、を用いてふらつき判定を実施する構成とした。こうした構成によれば、車両の走行シーンに応じて車両のふらつきを適切に判定することができる。

走行シーンとして車両が走行中の道路に関する情報を認識し、該情報に応じたふらつき挙動を学習する構成とした。車両がどのような種類や形状の道路を走行しているかに応じて、警報すべきふらつき挙動の発生頻度やふらつきの大きさは異なる。また、道路の種類や形状に応じて、ふらつき挙動への影響にも個人差があるし、ふらつき挙動の癖の見つけやすさも異なる。こうした点に鑑み、上記構成とすることにより、運転者の覚醒時でのふらつき挙動が道路の種類や形状によって異なる場合にも、その相違を加味してふらつき判定を実施することができる。

車両の走行シーンとして走行路の混雑度を取得し、該取得した道路の混雑度に応じたふらつき挙動を学習する構成とした。ふらつき挙動の出やすさや検出しやすさは、走行路の混み具合によっても異なり、また道路の混み具合がふらつき挙動に与える影響の大きさは運転者毎に異なる。この点、上記構成によれば、道路の混雑度に応じて、ふらつき判定を精度良く実施することができる。

発生頻度が限定的で且つふらつき挙動のばらつきが大きいシーンで取得した評価値は外乱を含んでいる可能性が高い。こうした点に鑑み、発生頻度が１回の走行あたり所定回数以下と少なく、且つふらつき挙動のばらつきが所定以上と大きい所定の走行シーンを学習除外シーンとして予め設定しておき、シーン認識装置によって認識した車両の走行シーンが学習除外シーンに該当する場合には、その走行シーンでのふらつき挙動の学習を禁止する構成とした。この構成によれば、ふらつき挙動の学習精度の低下を抑制することができ、ひいては、車両のふらつきを適切に判定することができる。

車両のふらつき挙動としては、一瞬の眠気等に起因して無操舵となった後に運転者が過大修正を行うことによって生じるふらつき挙動（瞬間挙動）や、車両が複数回連続して横方向にふらつくときの周期的なふらつき挙動（長周期挙動）などがある。これらのうち、長周期挙動は、運転者の覚醒度や集中力に応じて時系列的に変化しやすい。また、走行シーンの相違による影響を受けてふらつきの大きさや発生頻度等が変わりやすく、個人差も大きい。これらの点に鑑み、運転初期の段階でふらつき挙動を学習しておき、その後、長周期挙動を対象として学習値を用いたふらつき判定を実施することにより、ふらつき挙動に対して精度良く注意喚起を促すことができる。

（他の実施形態）
本発明は、上記実施形態に限定されず、例えば以下のように実施してもよい。

・評価値をふらつき学習に用いることを除外する走行シーンとして、上記シーンＡ〜シーンＤの４つの除外シーンを設定する構成としたが、これらのうちの少なくとも１つが含まれていなくてもよく、またこれら以外の他の走行シーンが含まれていてもよい。例えば市街地では、交差点や違法駐車などが多いため、検出したいふらつき挙動の発生頻度が低くなる。また、外乱も多く、ふらつき挙動の検出精度も低くなる。こうした点に鑑み、市街地の走行時を除外シーンとして含む構成としてもよい。

・上記（３）のシーン分類では、発生頻度が多く除外するべきではないがふらつき挙動のばらつきが大きいシーンである特殊シーンの分類を設けたが、分類数を少なくするために、特殊シーンの分類を設けず、特殊シーンで検出した評価値を補正して用いる構成としてもよい。具体的には、例えば各走行シーンのふらつき挙動に与える影響度を予め定めておき、この影響度を用いて、特殊シーンで検出した評価値を標準状態（直線路・車線幅３．７ｍ・非トンネル）の値に換算する。そして、標準状態の評価値として分類する。

・上記実施形態では、車両のふらつき挙動の評価値として車両走行中の横移動量Ａを用いたが、評価値はこれに限定されるものではない。例えば、所定の横移動量以上のふらつきの連続回数や、横移動量を周波数変換して求めた高周波成分量と低周波成分量との比（周波数比）、覚醒度を表す周波数帯の周波数ゲイン、横Ｇ、ヨーレート、ヨーレートの変化量、舵角変化量などを用いてもよい。また、ふらつき判定に際しては、評価値を１種のみ用いてもよいし、２種以上を用いてもよい。

・現在の走行シーンに対応するふらつき学習値が記憶部３４に記憶されていることを条件にふらつき判定を実施し、現在の走行シーンに対応するふらつき学習値が記憶部３４に記憶されていない、つまり現在の走行シーンについてふらつき挙動の学習が完了していない場合には車両のふらつき判定を実施しない構成としてもよい。ふらつき判定を実施しようとするときの走行シーンについての学習が未だ完了していない場合には、走行シーンや個人差を考慮したふらつき判定を実施できず、運転者の覚醒度の低下や集中力の低下に対して適切な注意喚起を行うことができないことが考えられる。この点に鑑み、上記構成とすることにより、ふらつき判定の判定精度に応じて、ふらつき挙動に対する警告の実施／非実施を切り替えることができる。

・ふらつき判定の実行条件が成立していることを条件に車両のふらつき判定を実施する構成において、運転者の覚醒度が低いことを検知した場合には、ふらつき判定の実行条件が成立する前であってもふらつき判定を実施する構成としてもよい。こうした場合には、実行条件が成立するのを待たずに速やかに警報モードに入ることによって、運転者への注意喚起が必要な場合に適切に行うことが可能になる。運転者の覚醒度が低いことは、例えば、車両の運転挙動を検知することにより行う。具体的には、単位時間あたりの車線はみ出しの回数やレーンチェンジの取りやめ回数、登坂路においてアクセル踏み込み変化が少ない状態で所定車速以上の車速低下が生じた時間等のうちの少なくとも１つを検出し、規定以上となった場合にはふらつき学習を終了して、ふらつき挙動に基づく車両のふらつき判定を実施する。

・運転者が覚醒状態にあるときのふらつき挙動には個人差があり、中には、覚醒状態でもふらつき挙動が非常に大きい運転者もいる。こうした特異な運転者について、マージンを持たせた警報閾値を設定すると現実的でない可能性も起こり得る。ここで、本発明者が検討したところ、例えば、覚醒状態において車両の横移動量Ａが１ｍを超えるふらつきを多発する特異な運転者でも、所定の横移動量以上のふらつきの連続回数は最大５回程度と比較的少なく、これにマージンを持たせて警報閾値を設定しても現実的な範囲（例えば７回）でふらつき判定を実施することが可能である。こうした点に鑑み、本実施形態では、ふらつき検出部３１は、ふらつき挙動の評価値として第１評価値、及び該第１評価値とは異なる第２評価値を検出する。また、ふらつき判定部３３は、運転者が覚醒状態にあるときのふらつき挙動の度合いに応じて第１評価値及び第２評価値のいずれかを選択し、該選択した評価値を用いて車両のふらつき判定を実施する。こうした構成によれば、覚醒状態でのふらつきが大きい特異な運転者にも対応することができる。

図５は、運転者の覚醒時におけるふらつき挙動に応じて評価値を切り替える場合のふらつき判定処理の処理手順を示すフローチャートである。この処理は、ふらつき検出部３１から評価値を入力する毎に、ふらつき判定部３３により実行される。なお、図５の説明では、図４と同じ処理については図４のステップ番号を付してその説明を省略する。本実施形態では、ふらつき検出部３１は、ふらつき挙動の評価値として第１評価値及び第２評価値を検出しており、本実施形態では、第１評価値として車両の横移動量Ａが設定されており、第２評価値として所定の横移動量以上のふらつきの連続回数が設定されている。

図５において、ステップＳ３１では、図４のステップＳ２１と同じ処理を実行する。ふらつき学習が完了したと判定されると、ステップＳ３２へ進み、運転者の覚醒状態での車両のふらつき挙動が正常範囲内か否かを判定する。ここでは、車両の運転始動開始から所定時間（例えば数十分程度）が経過するまでの期間での車両の横移動量Ａに基づき判定し、横移動量Ａが規定値よりも小さい場合には正常範囲内と判定し、横移動量Ａが規定値を超える場合には特異な運転である旨を判定する。運転者の覚醒状態での車両のふらつき挙動が正常範囲内であると判定されると、ステップＳ３３へ進み、ふらつき挙動の判定パラメータとして第１評価値を選択する。一方、運転者の覚醒状態での車両のふらつき挙動が正常範囲から外れていると判定された場合にはステップＳ３４へ進み、ふらつき挙動の判定パラメータとして第２評価値を選択する。その後のステップＳ３５〜Ｓ３７では、上記図４のステップＳ２２〜２４と同様の処理を実行する。なお、本実施形態においてふらつき学習部３２は、第１評価値及び第２評価値のそれぞれについて、車両の走行シーンに応じた学習値を算出している。ステップＳ３５で記憶部３４からふらつき学習値を読み出す際には、ステップＳ３３又はＳ３４で選択した評価値に対応する学習値を読み出し、その読み出した学習値を用いて警報閾値を設定する。

・上記実施形態では、車両の走行シーンとして、シーン認識装置から取得した情報を用いて走路カテゴリー、道路の混雑度及びシーン種別の３つの要素を検出し、これら３つの要素のそれぞれに対応付けてふらつき学習値を算出する構成としたが、上記３つの要素の一部を検出し、各要素に対応付けてふらつき学習値を算出する構成としてもよい。また、車両の走行シーンに関する４つ以上の要素を検出し、それぞれの要素に対応付けてふらつき学習値を算出する構成としてもよい。

・上記の各構成要素は概念的なものであり、上記実施形態に限定されない。例えば、一つの構成要素が有する機能を複数の構成要素に分散して実現したり、複数の構成要素が有する機能を一つの構成要素で実現したりしてもよい。

１０…ふらつき検知システム、２１…前方カメラ、２２…後方センサ、２３…ヨーレートセンサ、２８…警報装置、３０…ふらつき判定装置、３１…ふらつき検出部、３２…ふらつき学習部、３３…ふらつき判定部、４０…車両。

Claims (7)

1. 車両の走行シーンを認識するシーン認識装置（２１〜２６）が搭載された車両に適用され、
   前記車両の走行中のふらつき挙動を検出するふらつき検出部（３１）と、
   前記ふらつき検出部で検出したふらつき挙動と、前記シーン認識装置によって認識した走行シーンとに基づいて、前記走行シーン毎に前記ふらつき挙動を学習するふらつき学習部（３２）と、
   前記ふらつき検出部で検出したふらつき挙動と、前記ふらつき学習部による学習結果のうち前記車両のふらつき判定を行う時の走行シーンに対応する学習結果とを用いて、前記車両のふらつき判定を実施するふらつき判定部（３３）と、
   を備えるふらつき判定装置（３０）。
2. 前記シーン認識装置は、前記走行シーンとして前記車両の走行中の道路に関する情報を認識し、
   前記ふらつき学習部は、前記車両の走行中の道路に関する情報毎に前記ふらつき挙動を学習する、請求項１に記載のふらつき判定装置。
3. 前記シーン認識装置は、前記走行シーンとして前記車両の走行路の混雑度を認識し、
   前記ふらつき学習部は、前記混雑度毎に前記ふらつき挙動を学習する、請求項１又は２に記載のふらつき判定装置。
4. 前記車両の走行シーンが、発生頻度が所定回数以下と少なく且つふらつき挙動のばらつきが所定以上の所定の走行シーンであるか否かを判定するシーン判定部を備え、
   前記ふらつき学習部は、前記シーン判定部において前記所定の走行シーンであると判定された場合に、該走行シーンでの前記ふらつき挙動の学習を禁止する、請求項１〜３のいずれか一項に記載のふらつき判定装置。
5. 前記ふらつき検出部は、前記ふらつき挙動の評価値として、第１評価値、及び該第１評価値とは異なる第２評価値を検出し、
   前記ふらつき判定部は、運転者が覚醒状態にあるときの前記ふらつき挙動の度合いに応じて前記第１評価値及び前記第２評価値のいずれかを選択し、該選択した評価値を用いて前記車両のふらつき判定を実施する、請求項１〜４のいずれか一項に記載のふらつき判定装置。
6. 前記ふらつき判定部は、車両が複数回連続してふらつくときのふらつき挙動である長周期挙動が発生したか否かを判定する、請求項１〜５のいずれか一項に記載のふらつき判定装置。
7. 車両の走行シーンを認識するシーン認識装置（２１〜２６）が搭載された車両に適用され、
   前記車両の走行中のふらつき挙動を検出するステップと、
   該検出したふらつき挙動と、前記シーン認識装置によって認識した走行シーンとに基づいて、前記走行シーン毎に前記ふらつき挙動を学習するステップと、
   前記検出したふらつき挙動と、前記ふらつき挙動の学習による学習結果のうち前記車両のふらつき判定を行う時の走行シーンに対応する学習結果とを用いて、前記車両のふらつき判定を実施するステップと、
   を含むふらつき判定方法。

Images