JP2018036944A - 情報提供装置および情報提供方法 - Google Patents

Abstract

【課題】運転者の支援を行うシステムにおいて、慣れに起因する運転者の不適切な行動を防止する情報提供装置及び情法提供方法を提供する。【解決手段】情報提供装置は、車両に搭載された一つ以上のセンサからセンサ情報を取得する取得手段（センサ情報取得部２１）と、前記センサ情報に基づいて、ユーザに提供する情報である支援情報を生成する生成手段（提供情報生成部２２）と、前記支援情報の確信度に基づいて、前記支援情報を前記ユーザに提供する確率である発現率を算出し、前記発現率に基づいて、前記支援情報を提供する情報提供手段（入出力部２３）と、を有する。【選択図】図１

Description

本発明は、情報提供装置に関する。

車両に搭載されたセンサから取得した情報に基づいて、ドライバーに対して運転支援を行う技術がある。例えば、車両が車線を逸脱したことを検出した場合に、音声によって警報を行うシステムや、警報を無視した場合、ステアリング角度を自動的に補正する技術が知られている。

警報によってドライバーに対する運転支援を行う場合、ドライバーが警報に慣れてしまい、適切な対処ができなくなるという問題がある。これに対応するため、特許文献１および２に記載の発明では、段階的に警報音を変化させることで注意喚起を行っている。また、特許文献３に記載の発明では、走行中の道路が優先道路であるか否かに基づいて、注意喚起を行うか否かを決定することでメリハリをつけている。

特開２０１５−０１８３９７号公報 特開２０１０−１８６２２７号公報 特開２０１２−０１４２１９号公報 特開２００５−０６２９１１号公報

ドライバーに対して運転支援を行うシステムにおいては、リスク補償行動が問題となる。リスク補償行動とは、人が、安全になった時にリスクが増える側に行動を変化させてしまうことを指す。例えば、障害物との接近を検知し、９５％の確率で自動的にブレーキをかけるシステムがあった場合、ドライバーは当該システムに頼ってしまい、自らブレーキを踏まなくなることがある。すなわち、残りの５％に対するリスクが極めて高くなってしまう。
従来の技術においては、このような、システムを無意識に頼ってしまう行動を防ぐことが難しいという課題があった。

本発明は上記の課題を考慮してなされたものであり、運転者の支援を行うシステムにおいて、慣れに起因する運転者の不適切な行動を防止することを目的とする。

本発明に係る情報提供装置は、
車両に搭載された一つ以上のセンサからセンサ情報を取得する取得手段と、前記センサ情報に基づいて、ユーザに提供する情報である支援情報を生成する生成手段と、前記支援情報の確信度に基づいて、前記支援情報を前記ユーザに提供する確率である発現率を算出し、前記発現率に基づいて、前記支援情報を提供する情報提供手段と、を有することを特徴とする。

生成手段は、一つ以上のセンサ情報に基づいて、ユーザに提供する情報を生成する手段である。ユーザに提供する情報とは、典型的には、危険に対する注意喚起情報であるが、これ以外の情報であってもよい。例えば、道路標識を読み取り、通知するものであっても
よいし、運転に対するアドバイスを行うものであってもよい。
また、情報提供手段は、提供する情報の確信度に基づいて、当該情報をユーザに提供する確率（発現率）を算出する。確信度とは、提供しようとする情報が正しい情報であることを示す度合いである。
かかる構成によると、ユーザが正しい情報を受け取る確率を任意の値に調整することができる。例えば、ユーザが正しい情報を受け取る確率を意図的に抑えて均一化することで、慣れを防止するといったことが可能になる。

また、前記情報提供手段は、前記生成手段が支援情報を生成した場合において、ユーザが正しい情報を受け取る確率が、複数の支援情報を通して略均一になるように、前記発現率を決定することを特徴としてもよい。

従来の情報提供装置においては、取得した情報を積極的に提示することが一般的であったが、情報を提示する確率を無条件に高くすると、ユーザが慣れてしまい、提示した情報が正しくなかった場合に、ユーザが適切でない行動を取ってしまうおそれがある。
本発明では、これに対応するため、情報の確信度が高い場合は発現率を低く設定し、確信度が低い場合は発現率を高く設定する。このようにすることで、正しい情報をユーザに提供する確率を均一化することができる。
例えば、正しい情報を連続して提供した後で、誤った情報を提供した場合、それが正しい情報であるとドライバーが信じてしまい、適切でない行動をとってしまうおそれがあるが、正しい情報を提供する確率を敢えて抑え、均一化することで、慣れに起因した不適切な行動を防止することができる。

また、前記情報提供手段は、前記一つ以上のセンサから得られたセンサ情報の精度に基づいて、前記支援情報の確信度を算出することを特徴としてもよい。

提供する情報は、一つ以上のセンサから得られたセンサ情報によって生成される。よって、センサ情報の精度に基づいて、支援情報の確信度を算出することができる。センサ情報の精度は、設計値を用いてもよいし、環境に応じて設計値を補正したものを用いてもよい。

また、前記支援情報は、特定の状況にあるか否かによって確信度が変動する情報タイプである第一の情報タイプを含み、前記提供手段は、前記支援情報が第一の情報タイプである場合に、前記特定の状況にあるか否かを表す情報を取得し、当該情報に基づいて、前記発現率を補正することを特徴としてもよい。

例えば、レーダーを用いて距離を測定するセンサは、降雨時において精度が低下することが知られている。すなわち、このようなセンサを用いて車間を測定した場合、「降雨時」という状況下において、「車間距離」という情報の確信度が変化する。よって、特定の状況にあるか否かを取得したうえで、発現率を補正することが望ましい。前述した例の場合、降雨時において確信度が低下するため、降雨時は発現率を高くする補正を行うことが好ましい。

また、前記支援情報は、適合率が第一の閾値よりも低い情報タイプである第二の情報タイプを含み、前記提供手段は、前記支援情報が第二の情報タイプである場合に、断定的ではない表現で、前記支援情報を提供することを特徴としてもよい。

適合率が低い情報タイプとは、検出漏れは少ないが誤検出が多い情報タイプである。このようなタイプの情報は、誤提供率（情報を提供した際に、それが誤った情報である確率）が高いため、断定的ではない表現で情報を提供することが好ましい。例えば、「右後方
に車両がいます」ではなく、「右後方に注意してください」といった表現で情報を提供する。

また、前記提供手段は、前記支援情報が第二の情報タイプである場合に、前記支援情報が第二の情報タイプ以外である場合と比較して、前記発現率を低く設定することを特徴としてもよい。

第二の情報タイプ、すなわち、検出漏れは少ないが誤検出が多い情報タイプである場合、他の情報と同じ方法によって発現率を設定すると、誤った情報を提供する回数が増えてしまい、ユーザの信頼を損なうおそれがある。そこで、対象の情報が第二の情報タイプである場合、意図的に発現率を低くする補正を行ってもよい。

なお、本発明は、上記手段の少なくとも一部を含む情報提供装置として特定することができる。また、前記情報提供装置が行う情報提供方法として特定することもできる。上記処理や手段は、技術的な矛盾が生じない限りにおいて、自由に組み合わせて実施することができる。

本発明によれば、運転者の支援を行うシステムにおいて、慣れに起因する運転者の不適切な行動を防止することができる。

第一の実施形態に係る情報提供システムのシステム構成図である。 第一の実施形態において行われる処理を説明するフローチャート図である。 第一の実施形態における提供確率を説明する図である。 第二の実施形態における提供確率を説明する図である。 第三の実施形態に係る情報提供装置のシステム構成図である。 第三の実施形態において行われる処理を説明するフローチャート図である。 第三の実施形態において行われる処理を説明するフローチャート図である。 第四の実施形態における提供確率を説明する図である。

（第一の実施形態）
第一の実施形態に係る情報提供システムについて、システム構成図である図１を参照しながら説明する。第一の実施形態に係る情報提供システムは、車両に備えられた複数のセンサから収集した情報（以下、センサ情報）に基づいて、ある特定の事象の有無を推定し、推定結果に基づいて、運転操作上の助言を行うシステムである。
なお、特定の事象とは、例えば、走行車線前方における歩行者の有無、車線変更の要否、停止車両の有無などであるが、センサ情報に基づいて推定できる事象であれば、これらに限られない。

第一の実施形態に係る情報提供システムは、車両に搭載されたセンサ１０と、車両に搭載された情報提供装置２０から構成される。なお、センサ１０および情報提供装置２０は、それぞれ複数台で構成されてもよい。

情報提供装置２０は、ＣＰＵ、主記憶装置、補助記憶装置を有する情報処理装置として構成することができる。補助記憶装置に記憶されたプログラムが主記憶装置にロードされ、ＣＰＵによって実行されることで、図１に図示した各手段が機能する。なお、図示した機能の全部または一部は、専用に設計された回路を用いて実行されてもよい。

センサ１０は、車両に搭載された複数のセンサ群であり、センサ情報を出力する手段である。センサ１０は、例えば、速度センサ、加速度センサ、ヨーレートセンサ、操舵角センサ、レーダー、カメラ等を含んでいてもよい。また、センサ情報は、車両の運転に関するものであれば、どのようなものであってもよい。例えば、速度、加速度、角度や、自車両の現在位置、障害物の位置に関する情報であってもよい。また、運転者の生体情報に関する情報であってもよい。
また、センサ情報は、必ずしも物理量を表すものでなくてもよい。例えば、カメラによって取得された画像や、画像から抽出された特徴量などであってもよい。

次に、情報提供装置２０について説明する。
情報提供装置２０は、センサ１０からセンサ情報を収集し、当該センサ情報に基づいて運転者に提供する情報（以下、支援情報）を取得し、出力する装置である。情報提供装置２０は、車両に搭載された、独立した装置であってもよいし、カーナビゲーション装置などに内蔵されたソフトウェアによって実現されてもよい。また、車内で用いられるスマートフォン、携帯電話、タブレット端末、個人情報端末、ウェアラブルコンピュータ（スマートウォッチ等）といった小型のコンピュータ上で動作するソフトウェアによって実現されてもよい。

センサ情報取得部２１は、センサ１０が出力したセンサ情報（複数のセンサから取得したセンサ情報の集合）を取得する手段である。

支援情報生成部２２は、取得したセンサ情報に基づいて、支援情報を生成する手段である。支援情報とは、運転の支援を行うために運転者に提供される情報であり、典型的には、車両の状態を表す情報、周囲の交通状況を表す情報、運転者の状態を表す情報などであるが、これ以外であってもよい。
車両の状態を表す情報の例として、例えば、車線の維持状態に関する情報、速度に関する情報などが挙げられる。また、周囲の交通状況を表す情報として、前方または側方に存在する障害物に関する情報、注意すべき対象物（歩行者等）に関する情報などが挙げられる。また、運転者の状態を表す情報として、脇見状態、漫然状態、居眠り状態に関する情報などが挙げられる。もちろん、これ以外の情報を支援情報としてもよい。

入出力部２３は、利用者が行った入力操作を受け付け、利用者に対して情報を提示する手段である。情報の提示は、例えば、画面や音声によって行ってもよい。また、入出力部２３は、情報の入出力を行う外部装置とのインタフェースであってもよい。例えば、音声によって運転者と対話を行うロボットと通信を行う手段であってもよい。

次に、図２を参照しながら、情報提供装置１０が行う処理について説明する。図２は、収集したセンサ情報に基づいて、支援情報生成部２２が支援情報（運転操作における助言）を生成し、運転者に提供する処理を表したフローチャート図である。

まず、ステップＳ１１で、センサ情報を収集する。本実施形態では、センサ情報取得部２１が周期的にセンサ情報を収集し、所定のタイミングで支援情報生成部２２に送信する。送信されたセンサ情報は、支援情報生成部２２において一時的に蓄積される。

次に、ステップＳ１２で、支援情報生成部２２が、受信したセンサ情報に基づいて、支援情報を生成する。支援情報生成部２２は、センサ情報と支援情報との関係を表した複数のモデルを記憶しており、当該モデルに基づいて支援情報を生成する。
例えば、視線センサから取得した運転者の視線の方向が、前方から３秒以上逸れたと判定した場合に、脇見運転に対する注意情報を生成する。
別の例では、例えば、カメラが取得した画像と、予め記憶された道路標識画像とのパタ
ーンマッチングを行い、一致した場合に、道路標識の存在を案内する情報を生成する。

次に、ステップＳ１３で、支援情報生成部２２が、支援情報の確信度を算出する。図３は、生成する支援情報とその確信度を例示した図である。

ここでは、視線センサが出力した情報に基づいて、脇見運転に対する注意を行う例を挙げて説明する。例えば、視線センサの出力に基づいて、８０％の確率で、運転者の視線が３秒以上逸れたことを認識できるものとする。この場合、「脇見運転に対する注意情報」という支援情報の確信度は８０％となる。
また、カメラで取得した画像に基づいて、道路標識を認識し、音声によって運転者に通知する場合を考える。ここでは、７０％の確率で道路標識を正しく認識できるものとする。すなわち、「道路標識」という支援情報の確信度は７０％となる。
このような、支援情報ごとの確信度は、支援情報生成部２２に予め記憶されている。

なお、ここでは、使用しているセンサ情報が一種類である例を挙げたが、複数のセンサ情報を用いて支援情報を生成する場合、使用するセンサ情報の精度に関する情報を取得し、寄与率に応じて重み付けを行えばよい。

次に、ステップＳ１４で、発現率を算出する。発現率とは、支援情報が生成された場合（すなわち、対象とする事象が発生した場合）に、当該支援情報を運転者に提供する確率である。
本実施形態では、１００分率で表した支援情報の確信度をＡ、発現率をＢとした場合に、Ａ×Ｂ（以下、正解確率）が４０％になるように発現率を設定する。正解確率は、支援情報を生成するトリガが発生した場合において、運転者が正しい情報を受け取る確率となる。

例えば、支援情報の確信度が８０％である場合、発現率は５０％となる。本例の場合、確信度（すなわち、生成した情報が正しい確率）が８０％であって、発現率が５０％であるため、４０％の確率で正しい情報を運転者に提供できる。
また、支援情報の確信度が１００％である場合、発現率は４０％となる。本例の場合、同様に、４０％の確率で正しい情報を運転者に提供できる。

図３からもわかるように、本実施形態に係る情報提供装置では、全ての支援情報について、正しい情報を運転者に提供できる確率が常に同じになるように、発現率を調整する。
なお、第一の実施形態では、確信度が固定値であるため、予め算出された発現率が使用されるが、外的な要因によって確信度が変動する場合、その都度発現率を算出してもよい。

次に、ステップＳ１５で、算出された正解確率に基づいて、運転者に情報を提供するか否かを決定する。例えば、生成した乱数と正解確率に基づいて肯定判定または否定判定を行う。この結果、肯定判定がなされた場合、処理はステップＳ１６へ遷移し、入出力部２３が、支援情報を出力する。例えば、「脇見運転に注意してください」といった音声案内を運転者に提供する。

ステップＳ１６で情報提供が完了した場合や、ステップＳ１５で否定判定となった場合、処理はステップＳ１１へ戻る。

以上説明したように、第一の実施形態によると、提供すべき情報の確信度に基づいて、運転者に対して正しい情報を常に同一の確率で提供できるように、情報提供を行う確率（発現率）を算出する。これにより、支援情報の確信度にかかわらず、運転者は常に同じ確
率で正しい情報を受け取れるようになる。

支援情報の確信度が毎回異なる場合、例えば、高い（低い）確信度を持つ情報が連続で提供された後で、低い（高い）確信度を持つ情報が提供されたような場合、慣れに起因して運転者が不適切な行動をとってしまうおそれがあるが、本実施形態に係る情報提供システムによると、これを抑制することができる。また、提供された情報の精度のばらつきについて運転者が考える必要がないため、運転者に余分な負担をかけないという利点がある。

（第二の実施形態）
第一の実施形態では、センサの精度に関する情報を用いて、支援情報ごとの確信度を設定した。一方、センサの種類によっては、異なる環境において異なる精度を発揮するものがある。例えば、カメラが取得した可視光画像に基づいて障害物を検出するセンサがあった場合、周囲の照度によってその精度は変化する。第二の実施形態は、これに対応するため、環境に応じて変化するセンサの精度を補正する実施形態である。

第二の実施形態では、図４のように、同一のセンサについて、環境条件ごとに異なる精度が定義されている。なお、図中の「種別：１」は、環境条件に依存しないことを意味し、「種別：２」は、環境条件に依存することを意味する。
本例では、車両周辺の照度が閾値を超えているか否かによって、二種類の精度が定義されている。すなわち、照度が閾値を超えていた場合、精度が８０％（すなわち、支援情報の確信度は８０％）であり、それ以外の場合、精度が５０％（すなわち、支援情報の確信度は５０％）であるものとして扱われる。なお、現在の環境がいずれの環境条件に当てはまるかは、他の独立したセンサ（例えば車外に設置された照度センサ）から取得したセンサ情報に基づいて判断してもよいし、既に取得したセンサ情報（例えばカメラ画像）に基づいて判断してもよい。

第二の実施形態によると、環境の変化によって変化する支援情報の確信度を適切に補正することができる。

（第三の実施形態）
第一および第二の実施形態では、センサ情報から直接支援情報を生成した。これに対し、第三の実施形態は、機械学習を用いて支援情報を生成する実施形態である。

図５は、第三の実施形態に係る情報提供装置２０のシステム構成図である。第三の実施形態に係る情報提供装置２０は、第一の実施形態で説明した支援情報生成部２２のかわりに、制御部２４および分類部２５を有している。

第三の実施形態に係る情報提供装置は、（１）収集したセンサ情報を用いて分類器を学習させるフェーズ（以下、学習フェーズ）と、（２）収集したセンサ情報に対して、学習済みの分類器を用いてクラス分類を行い、分類結果に基づいて運転者に情報提供を行うフェーズ（以下、情報提供フェーズ）を実行する。

制御部２４は、情報提供装置全体の制御を司る手段である。制御部２４は、学習フェーズにおいては、取得したセンサ情報を後述する分類部２５に送信する処理を実行し、また、情報提供フェーズにおいては、取得したセンサ情報を分類部２５に送信したうえで、分類部２５から送信された分類結果を受信し、当該結果に基づいて支援情報を生成する処理を実行する。

分類部２５は、二クラス分類器を複数有しており、取得したセンサ情報に基づいてクラ
ス分類を行う手段である。分類部２５は、学習フェーズにおいては、取得したセンサ情報に基づいて学習を行い、クラス分類を行うためのモデル（分類器）を生成する処理を実行する。また、情報提供フェーズにおいては、取得したセンサ情報を用いてクラス分類を行い、分類結果を制御部２４に送信する処理を実行する。

次に、学習フェーズの詳細について説明する。学習フェーズは、収集したセンサ情報に基づいて、分類部２５が学習を行い、分類器を生成する処理である。図６は、学習フェーズにおいて分類部２５が実行する処理のフローチャートである。

まず、車両に備えられた各センサからセンサ情報を収集する（ステップＳ２１）。本実施形態では、センサ情報取得部２１が周期的にセンサ情報を収集し、所定のタイミングで分類部２５に送信する。送信されたセンサ情報は、分類部２５によって一時的に蓄積される。なお、収集されるセンサ情報は、複数のデータの集合である。例えば、車両の挙動を表す情報（速度、前後加速度、左右加速度等）、車両の位置情報、カメラによって取得された画像（あるいは画像から得られた特徴量）のセットであってもよい。また、センサ情報は、所定の期間に対応する時系列形式の情報であってもよい。

次に、蓄積されたセンサ情報を学習データとして用い、分類器を生成する（ステップＳ２２）。具体的には、センサ情報を入力（学習データ）としてモデルを生成する。分類先となるクラスは、例えば、「歩行者の有無」「車線変更の要否」「渋滞の有無」などであるが、センサ情報に基づいて二値のクラス（ある事象の有無）を推定できるものであれば、どのようなものであってもよい。

例えば、ステアリング角度と、ウインカーの有無と、位置情報とを表す時系列データを用いて、「車線変更が頻繁に発生する箇所が近くにあるか」を推定するモデルを生成することができる。なお、教師データは、外部から与えてもよいし、センサ情報から推定したものを利用してもよい。前述した例の場合、ステアリング角度とウインカーの有無から、車線変更の有無を判定し、教師データとすることができる。この場合、位置情報を入力すると、車線変更の要否を出力する二クラス分類器を得ることができる。

なお、学習フェーズは、一回のみ行ってもよいし、複数回行ってもよい。また、複数回行う場合、分類器を再生成してもよいし、アップデートしてもよい。

次に、情報提供フェーズにおける処理を表したフローチャートである図７を参照しながら、情報提供フェーズの詳細について説明する。情報提供フェーズは、収集されたセンサ情報に基づいて、分類部２５がクラス分類を行い、その結果に基づいて、情報提供装置２０が運転者に情報（運転操作における助言）を提供する。

まず、ステップＳ３１で、センサ情報を受信する。本実施形態では、センサ情報取得部２１が周期的にセンサ情報を収集し、所定のタイミングで分類部２５に送信する。送信されたセンサ情報は、分類部２５において一時的に蓄積される。
なお、収集されるセンサ情報は、学習フェーズと同様に、複数のデータの集合であるが、学習フェーズにて用いた項目と一致している必要は無い。例えば、学習フェーズでは、車両の位置情報、ステアリング角度、ウインカーの有無を用い、情報提供フェーズでは、車両の位置情報のみを用いてもよい。また、センサ情報は、所定の期間に対応する時系列形式の情報であってもよい。

次に、ステップＳ３２で、分類部２５が、受信したセンサ情報を学習済みの分類器に入力し、クラス分類の結果を取得する。
次に、ステップＳ３３で、分類部２５が、支援情報の確信度を算出する。支援情報の確
信度は、分類器が出力した尤度（確度）に基づいて決定することができる。なお、ここでは分類器が出力した尤度を利用する例を上げるが、これ以外の情報に基づいて確信度を算出してもよい。
ステップＳ３４〜３６の処理については、ステップＳ１４〜１６の処理と同様であるため、詳細な説明は省略する。

第三の実施形態によると、正解確率をより正確に決定することができる。また、より複雑な事象を検出することができる。

（第四の実施形態）
第一ないし第三の実施形態では、運転者に情報を提供する確率が全て同一になるように発現率を調整した。しかし、支援情報の特性によっては、この対応が適切でない場合がある。例えば、支援情報のタイプが、『検出漏れは少ないが、誤検出が多い』タイプであった場合などである。すなわち、検出対象の事象が発生した場合、高確率で支援情報を生成するが、生成された支援情報には多数のノイズ（検出対象ではない事象）が含まれているような場合である。このような情報のタイプは、適合率（Precision）が低いと言える。
このような場合、他の支援情報と提供確率を一致させてしまうと、誤報の多さによって運転者を煩わせ、信頼を損ねてしまうおそれがある。

第四の実施形態は、これに対応するため、支援情報の適合率が低い場合に、発現率をより低く抑える補正を行う実施形態である。図８は、第四の実施形態における、発現率と提供確率の関係を表した図である。なお、図中の「種別：３」は、低い適合率を持つ情報であることを意味する。
本例では、精度が３０％である支援情報に対して、発現率を１０％に抑え、正解確率を３％としている。このように、適合率が低い情報の発現率を意図的に低くすることで、誤報を抑え、信頼を損ねることを防ぐことができる。

（変形例）
上記の実施形態はあくまでも一例であって、本発明はその要旨を逸脱しない範囲内で適宜変更して実施しうる。
例えば、第三の実施形態では、二クラス分類器を用いたが、多クラス分類器を用いるようにしてもよい。同様に、実施形態の説明では、ある事象の有無を検出した結果を支援情報としたが、支援情報はこれ以外であってもよい。また、分類器以外を用いて支援情報を生成してもよい。

また、支援情報の適合率が低い場合、適合率が高い場合と比較して、断定的ではない表現で情報を提供してもよい。例えば、「歩行者がいます。注意してください」といった表現を、「歩行者がいる可能性があります」といった表現に変更してもよい。

また、正解確率は、全ての支援情報を通して必ずしも同一である必要はない。例えば、支援情報のカテゴリに応じて、異なる値としてもよい。

１０・・・センサ
２０・・・情報提供装置
２１・・・センサ情報取得部
２２・・・支援情報生成部
２３・・・入出力部

Claims (7)

1. 車両に搭載された一つ以上のセンサからセンサ情報を取得する取得手段と、
   前記センサ情報に基づいて、ユーザに提供する情報である支援情報を生成する生成手段と、
   前記支援情報の確信度に基づいて、前記支援情報を前記ユーザに提供する確率である発現率を算出し、前記発現率に基づいて、前記支援情報を提供する情報提供手段と、
   を有する、情報提供装置。
2. 前記情報提供手段は、前記生成手段が支援情報を生成した場合において、ユーザが正しい情報を受け取る確率が、複数の支援情報を通して略均一になるように、前記発現率を決定する、
   請求項１に記載の情報提供装置。
3. 前記情報提供手段は、前記一つ以上のセンサから得られたセンサ情報の精度に基づいて、前記支援情報の確信度を算出する、
   請求項１または２に記載の情報提供装置。
4. 前記支援情報は、特定の状況にあるか否かによって確信度が変動する情報タイプである第一の情報タイプを含み、
   前記提供手段は、前記支援情報が第一の情報タイプである場合に、前記特定の状況にあるか否かを表す情報を取得し、当該情報に基づいて、前記発現率を補正する、
   請求項１または２に記載の情報提供装置。
5. 前記支援情報は、適合率が第一の閾値よりも低い情報タイプである第二の情報タイプを含み、
   前記提供手段は、前記支援情報が第二の情報タイプである場合に、断定的ではない表現で、前記支援情報を提供する、
   請求項１から４のいずれかに記載の情報提供装置。
6. 前記提供手段は、前記支援情報が第二の情報タイプである場合に、前記支援情報が第二の情報タイプ以外である場合と比較して、前記発現率を低く設定する、
   請求項５に記載の情報提供装置。
7. 車両に搭載された一つ以上のセンサからセンサ情報を取得する取得ステップと、
   前記センサ情報に基づいて、ユーザに提供する情報である支援情報を生成する生成ステップと、
   前記支援情報の確信度に基づいて、前記支援情報を前記ユーザに提供する確率である発現率を算出し、前記発現率に基づいて、前記支援情報を提供する情報提供ステップと、
   を含む、情報提供方法。

Images