JP2018055371A

JP2018055371A - 走行環境予測装置

Info

Publication number: JP2018055371A
Application number: JP2016190119A
Authority: JP
Inventors: 昇長嶺; Noboru Nagamine; 安藤　充宏; Mitsuhiro Ando; 充宏安藤; 小林　聡宏; Akihiro Kobayashi; 聡宏小林; 博敏落合; Hirotoshi Ochiai
Original assignee: Aisin Seiki Co Ltd
Current assignee: Aisin Corp
Priority date: 2016-09-28
Filing date: 2016-09-28
Publication date: 2018-04-05

Abstract

【課題】移動体の周囲の状況の変化を予測する走行環境予測装置を提供する。【解決手段】走行環境予測装置１は、人が搭乗する移動体に搭載され、当該移動体の周囲の音を取得する音取得部１０と、音取得部１０で取得された音を音データとして記憶する音データ記憶部１１と、音データ記憶部１１に記憶されている所定時間前から現在までの音データを用いて、順次、音信号の統計的性質を特徴づける確率分布を求め、確率分布の尖度を算出する算出部１２と、算出部１２により算出される毎に尖度を記憶する算出結果記憶部１３と、算出結果記憶部１３に記憶された尖度の推移形態に基づいて、移動体の周囲の環境の変化を予測する予測部１４と、を備える。【選択図】図１

Description

本発明は、移動体の周囲の音の統計的性質の時系列変化に基づいて当該移動体の周囲の環境の変化を予測する走行環境予測装置に関する。

従来、屋内外を問わず歩行者空間を走行できる電動車椅子等の移動体が普及している。すでに、移動体に接近する物体を検出するためにカメラやミリ波レーダーや超音波ソナー等のセンサーが一般車両向けに広く普及しているが、これらのセンサーでは壁や柱や看板等の遮蔽物に隠れた接近物の検出は困難である。そこで、音を使って該接近物を検知する技術が検討されてきた（例えば特許文献１）。

上述したように、特許文献１に記載の接近車両検出装置は、搭載マイクで収集した特定周波数帯域に対する時間軸音圧レベル信号を微分処理し、この微分値から、時間軸音圧レベル信号における時間経過に対する増減を判断し、時間が経過するに従って音圧レベル信号が増加する時、車両が接近すると判断している。

特開２０００−９９８５３号公報

上記特許文献１は、搭載マイクで収集した車両周辺の音データ系列信号に、何らかの平均化あるいは平滑化フィルタで所定帯域に制限したパワーエネルギーの総量を所定の時間フレームで割り算した代表値の推移、いわゆる”等価騒音レベルの時系列変化”を接近車両の有無を判断する指標として使用している。一般車両から走行中に発せられるエンジン音や走行音は常にある一定の大きな音圧レベルで全方位に発散され突然不規則に止む事がなく、また、常に白色雑音近いノイズであり均等に各周波数成分を含んでいる。そのため、周波数スペクトルの構成が短時間に不規則に変動することがなく、音圧の大きさの時系列変化で自車と周囲の車両との間の距離の変化を予測することは可能である。すなわち、特許文献１の周囲の音として収集されている車両の走行車（特定周波数帯域の音圧レベル信号）は、車両の構造振動によって発生する騒音等が音場の共鳴によりタイヤ接地付近に１ｋＨｚ程度の音波が定在するものであるため、音圧レベル信号の時間的変化から車両が接近しているか予測することが可能となる。
しかしながら、例えば電動車椅子のような移動体にて移動する場合、自車の周囲には車両だけでなく、人が歩行していることもある。このような人から発せられる音は、上記車両の走行音とは異なり、一定以上の音圧で固有の周波数の音波が音源に常に定在するとは限らず、音源と集音マイクとの距離とは無関係に音圧や周波数成分が不規則に変動する。例えば、会話している事もあれば、会話が途切れることもある。あるいは大声で話す事もあれば、ひそひそ話す事もあり、そのような不規則に変動する音信号の時間的変化から、距離の変化を計算し、人が接近していることを予測することは難しい。よって、特許文献１に記載の技術を用いても自車（移動体）と人との間の距離を演算することは容易ではないため、移動体に対する人の接近を予測することが困難である。

そこで、接近物から発せられる音の音信号が不規則に変動したとしても、自車（移動体）と周囲の接近物との距離の変化を予測することが可能な走行環境予測装置が求められる。

本発明に係る走行環境予測装置の特徴構成は、人が搭乗する移動体に搭載され、前記移動体の周囲の音を取得する音取得部と、前記音取得部で取得された音を音データとして記憶する音データ記憶部と、前記音データ記憶部に記憶されている所定時間前から現在までの音データを用いて、順次、音信号の統計的性質を特徴づける確率分布を求め、前記確率分布の尖度を算出する算出部と、前記算出部により算出される毎に前記尖度を記憶する算出結果記憶部と、前記算出結果記憶部に記憶された前記尖度の推移形態に基づいて、前記移動体の周囲の環境の変化を予測する予測部と、備えている点にある。

このような特徴構成とすれば、移動体に搭載した音取得部で周囲の音を集音して確率分布を求め、短期的には不規則な音信号であっても、長期的にはその”不規則さ”の統計的性質がある一定の安定した変化傾向を示した場合に、この確率分布の”不規則さ”を定量的に計算した尖度の推移形態を手掛かりに音源の種別を特定できる。さらにその尖度の時系列的な変化の傾向と、走行速度や走行位置とを照らし合わせることによって、移動体の周囲の環境の状況変化をリアルタイムに把握でき、その状況変化が数秒先も持続することを前提に変化傾向を延長し、将来の接近物との距離を予測することができる。したがって、本走行環境予測装置によれば、移動体の周囲の環境の予測結果に基づいて移動体との距離を予測し、移動体の周囲の物体との衝突を未然に回避する事ができる。

また、前記予測部は、前記所定時間毎に前記算出結果記憶部に記憶された前記尖度を比較することにより、前記尖度の高さに対する推移形態に基づいて前記移動体の周囲の環境の変化を予測すると好適である。

また、前記予測部は、前記尖度の高さに対する推移形態が緩やかに高くなる場合に、前記移動体に歩行者が接近していると予測すると好適である。

このような構成とすれば、予測部により移動体の周囲の環境が、「突然、歩行者が飛び出すかもしれない」状況であると予測することができる。したがって、この場合には、移動体の周囲の環境が、「歩行者同士の会話に夢中で、歩行者に移動体からの報知音が気付いてもらえないかもしれない」状況であると予測できることから、「歩行者の衝突」を想定した事前危険回避行動（かもしれない運転）へ乗員を誘導することができる。

また、前記算出部は、前記確率分布の分散を算出し、前記算出結果記憶部は、前記算出部により算出される毎に前記分散を記憶し、前記予測部は、前記所定時間毎に前記算出結果記憶部に記憶された前記分散を比較して算出された前記分散の大きさに対する推移形態と、前記尖度の高さに対する推移形態とに基づいて前記移動体の周囲の環境の変化を予測すると好適である。

また、前記予測部は、前記分散の大きさに対する推移形態が緩やかに高くなり、前記尖度の高さに対する推移形態が前記分散の大きさに対する推移形態と比較してより緩やかに高くなる場合に、前記移動体に歩行者が接近していると予測すると好適である。

このような構成とすれば、尖度の推移形態に加えて、分散の推移形態を手掛かりに音源を特定できるため、周囲の環境の変化の予測精度を向上させることができる。

また、前記移動体の速度情報を取得する速度取得部を備え、前記予測部は、前記所定時間の長さを、前記速度取得部から得られる前記速度情報に基づき変更すると好適である。

この構成によれば、尖度を計算するヒストグラムのデータ数を調整でき、事前に予測される歩行者の動きのパターンや、あるいは屋外／屋内の騒音パターンの事前知識を盛り込み、予測の精度を上げる事ができる。

また、前記移動体の位置情報を取得する位置取得部を備え、前記予測部は、前記所定時間の長さを、前記位置取得部から得られる前記位置情報に基づき変更すると好適である。

また、前記予測部の予測結果に基づいて前記移動体の周囲に報知する音を設定する音設定部と、前記音設定部により設定された前記音で報知を行う報知部と、を備えると好適である。

このような構成とすれば、移動体が走行している環境に応じて、音量や音色等を設定して、報知を行うことができる。したがって、例えば静かな環境の場所を移動体が走行する場合には、音量を小さくしたり、静かな環境に適した音色にすることにより、周囲の人がうるさいと感じることなく移動体の乗員や周囲に対し、注意喚起を行うことが可能となる。また、例えば騒がしい場所を移動体が走行する場合には、音量を大きくしたり、騒がしい環境に適した音色にすることにより、搭乗者や周囲の人が、報知する音を聞き逃がすことなく移動体の乗員や周囲に対し、注意喚起を行うことが可能となる。

また、前記予測部の予測結果に基づいて前記移動体の走行速度及び加速度の少なくとも一方を制御する速度制御部を備えると好適である。

このような構成とすれば、例えば移動体の周囲の環境に応じて「周囲に誰かがいる」と予測された場合には、移動体の走行速度や加速度を制御することで、移動体の衝突の可能性を低減することが可能となる。

走行環境予測装置の構成を模式的に示したブロック図である。尖度と音源との関係を示した図である。歩行者の接近を予測する場合の例を示した図である。歩行者の接近を予測する場合の例を示した図である。移動体の屋外から屋内への移動を予測する場合の例を示した図である。移動体の屋外から屋内への移動を予測する場合の例を示した図である。大型車両の接近を予測する場合の例を示した図である。大型車両の接近を予測する場合の例を示した図である。

本発明に係る走行環境予測装置は、移動体の周囲の音の統計的性質の時系列変化に基づいて、移動体の周囲の環境を予測することができるように構成されている。以下、本実施形態の走行環境予測装置１について説明する。

走行環境予測装置１は、移動体に搭載される。移動体とは、人が搭乗可能な乗り物であり、本実施形態では電動車椅子１００（図３参照）が相当する。以下では、移動体を電動車椅子１００として説明する。

電動車椅子１００は、２つのキャスターと２つの駆動輪とを備える。キャスターは電動車椅子１００の進行方向前側において、車幅方向に沿って対向するように左右一対で設けられる。駆動輪は電動車椅子１００の進行方向後ろ側において、車幅方向外側に沿って対向するように左右一対で設けられる。

一対の駆動輪は、バッテリから供給される電力を用いて駆動部により駆動される。駆動部は、一対の駆動輪を夫々異なる回転速度及び異なる回転方向で駆動することができるように構成される。このため、駆動部も一対で構成される。一対の駆動輪には、夫々、回転力を出力するモータが設けられ、一対のモータは、夫々一対の駆動部により駆動される。駆動部は、電動車椅子１００に搭乗する人によるジョイスティックの操作に応じて制御される。

次に、走行環境予測装置１について説明する。図１は、走行環境予測装置１の構成を模式的に示したブロック図である。走行環境予測装置１は、音取得部１０、音データ記憶部１１、算出部１２、算出結果記憶部１３、予測部１４、音設定部１５、報知部１６、速度制御部１７の各機能部を備えて構成され、これらの機能部は、電動車椅子１００の周囲の環境の予測に係る処理を行うために、ＣＰＵを中核部材としてハードウェア又はソフトウェア或いはその両方で構築されている。

音取得部１０は、電動車椅子１００に搭載され、当該電動車椅子１００の周囲の音を取得する。電動車椅子１００の周囲の音とは、電動車椅子１００に搭乗する人の耳に入る音であり、例えば道路を走行する他の車両や電車や航空機等の音や、電動車椅子１００の周囲に存在する人の足音や話し声等が該当する。もちろん、電動車椅子１００のモータの音や、建物や工事現場等から聞こえてくる音も含む。音取得部１０は例えばマイクロフォンを用いて構成することが可能である。本実施形態では、音取得部１０は、少なくとも電動車椅子１００に人が搭乗している際には、継続して音を取得する。音取得部１０で取得された音は、電気信号に変換される。この電気信号は、アンプにより増幅され、Ａ／Ｄ変換器によりディジタル信号に変換される。このディジタル信号は音データとして後述する音データ記憶部１１に伝達される。

音データ記憶部１１は、音取得部１０で取得された音を音データとして記憶する。上述したように、本実施形態では音取得部１０は継続して音を取得し、当該音は音データとして音データ記憶部１１に伝達される。そこで、音データ記憶部１１には、電動車椅子１００の周囲の音が、音データとして時系列に沿って記憶される。この時、音データ記憶部１１に記憶される音データは、当該音データが取得された時刻を規定するタイムスタンプと関連付けされて記憶しておくと良い。音データ記憶部１１に記憶されている音データは、横軸を時間とし、縦軸を音の波形とした場合に、所定の基準値（例えば「０」）に対して、正方向及び負方向に振幅する信号となる（例えば図４参照）。音データ記憶部１１は、例えばフラッシュメモリ、ハードディスク、ＤＶＤ（Digital Versatile Disc）、ＤＶＤ−ＲＡＭ（Digital Versatile Disc Random Access Memory）、ＤＶＤ−ＲＷ（Digital Versatile Disc Rewritable）等の不揮発性メモリを用いて構成することが可能である。

算出部１２は、音データ記憶部１１に記憶される所定時間前から現在までの音データを用いて、順次、音信号の統計的性質を特徴づける確率分布を求める。上述したように音データ記憶部１１に記憶されている音データは、当該音データが取得された時刻を規定するタイムスタンプと関連付けて記憶されている。したがって、算出部１２は、音データ記憶部１１を参照することで、所定の時刻における音の大きさを示す情報を取得することができる。ここで、音は確率過程の変数だとみなされる。また、「所定時間」とは予め設定された一定の値である。算出部１２は、予め設定された時間前から現在に亘るまでの音データを用いて、音信号の確率分布を継続して求める。

算出部１２は、求めた確率分布の尖度を算出する。なお、「尖度」とは、平均や分散や歪度等と同様な確率統計上の特徴を表すパラメータの中の一つであり、”不規則さ”や”外れ値を含む度合”を表す定量的指標として使用されているものである。この尖度をある所定の時間フレーム単位で系列的に観測し、さらに尖度の増減を線形回帰分析あるいは非線形回帰分析手法で予測し、予測誤差の値を大きさが所定の閾値以下となる事を検知する事によって、尖度の上昇や下降等の特定の変動傾向や、あるいはある状態からある状態へと状態を変化する特定の状態遷移をリアルタイムに捉える事が可能となる。
尖度は、確率分布の「裾」の長さを示す尺度、すなわち、突発的な外れ値を含む確率が、正規分布の場合と比較して、大きいか小さいかを示す指標にあたる。ここで、ｘ_１、ｘ_２・・・、ｘ_ｎからなるｎ個のデータの平均をｘ_ａ、標準偏差をＳ_ｘとすると、尖度ｂは以下の（１）式で求められる。

図２には、尖度と音源との関係が示される。図２に示されるように、正規分布を尖度の基準（即ち「０」）とすると、外れ値とみなされるような車両以外の人がなんらかの物と触れる際に発せられる「物音」や、人の「足音」や、少人数で会話中の「音声」や、雑踏のような多人数での「音声」に起因した音信号の場合には、突発的に大きい短時間の音を含む確率が大きくなるため、音信号の確率分布が正規分布からラプラス分布に移行し、尖度が０よりも高くなる。一方、「放送」や、「横断歩道の警報」や、「モータ音」や、「エンジン音」や、「走行音」や、「風切り音」に起因した音信号の場合には、音信号の確率分布が正規分布から一様分布に移行し、尖度が０より低くなる。したがって、尖度が高くなることは、電動車椅子１００の近距離に人が接近している状況であることを示す手掛かりとなり、尖度が低くなることは、電動車椅子１００の近距離に車両が接近している状況であることを示す手掛かりとなる。

図１に戻り、本実施形態では算出部１２は、音信号の確率分布の分散も算出する。分散とは、平均値からの散らばりを示したものであり、音信号の振幅の大きさと同じものである。ここで、電動車椅子１００の周囲の環境に応じて、取得された音信号の確率分布の分散は変わる。このため、分散は、電動車椅子１００の周囲の環境が変化していることを示す手掛かりとなる。

ここで、上述したように、算出部１２は時間の経過に伴い、順次確率分布を求めるが、算出部１２は確率分布を求める都度、尖度及び分散を算出する。したがって、算出結果記憶部１３は、算出部１２により算出される毎に尖度及び分散を記憶する。

予測部１４は、算出結果記憶部１３に記憶された尖度の推移形態に基づいて、電動車椅子１００の周囲の環境の変化を予測する。「尖度の推移形態」とは、尖度の高さに対する推移形態であり、時間経過に伴う尖度の形態の変化を意味する。具体的には、例えば「尖度が高い」ものから「尖度が低い」ものへの変化や、「尖度が低い」ものから「尖度が高い」ものへの変化等が相当する。「周囲の環境」とは、電動車椅子１００が走行している場所の状況や、電動車椅子１００の周囲の人や車両の動向を示し、具体的には電動車椅子１００の周囲に人がいるか否かや、人や車両が電動車椅子１００に接近しているか否かも示す。「場所の状況」とは、例えば電動車椅子１００が屋内にいるか否かや、電動車椅子１００の周囲に車が走行しているか否かを示すものである。したがって、本実施形態では、予測部１４は、所定時間毎に算出結果記憶部１３に記憶された尖度を比較することにより、時間経過に伴う尖度の変化に基づいて、電動車椅子１００が走行している場所の状況や、電動車椅子１００の周囲の人や車両の動向を予測する。

また、予測部１４は、所定時間毎に算出結果記憶部１３に記憶された分散を比較して、分散の推移形態に基づいて、電動車椅子１００の周囲の環境の変化を予測する。「分散の推移形態」とは、分散の大きさに対する推移形態であり、時間経過に伴う分散の変化を意味する。具体的には、例えば「分散が大きい」ものから「分散が小さい」ものへの変化や、「分散が小さい」ものから「分散が大きい」ものへの変化等が相当する。

図３及び図４は、歩行者２０の接近を予測する場合の例を示した図である。図３の（ａ）の例では、電動車椅子１００の前方（図３の（ａ）の例では、右前方）に壁２１があり、電動車椅子１００から見て死角となる領域が存在している。この時、音データ記憶部１１に記憶された音データが図４に示され、更に図４には当該音データに基づく尖度及び分散も示される。本例では、図４において破線で示されるように、尖度が緩やかに上昇し（高くなり）、分散がほぼ一定の状態から急に上昇している（大きくなっている）。「尖度が緩やかに上昇する（高くなる）」とは、尖度の推移形態の変化に着目した場合に、時間の経過に伴って尖度が連続的に高くなる（次第に高くなる）ように変化していることをいう。また、「分散がほぼ一定の状態から急に上昇する（大きくなる）」とは、分散の推移形態の変化に着目した場合に、変化量の小さい状態から、時間の経過に伴って分散が突然大きくなるように変化していることをいう。この時には、予測部１４は、電動車椅子１００に歩行者２０が接近し、「突然、歩行者２０が飛び出すかもしれない」状況であり、「歩行者２０同士の会話に夢中で、歩行者２０に電動車椅子１００からの報知音が気付いてもらえないかもしれない」状況であると予測する。

図１に戻り、音設定部１５は、予測部１４の予測結果に基づいて電動車椅子１００の周囲に報知する音を設定する。報知する音とは、電動車椅子１００の存在を周囲に報知する音や、電動車椅子１００の搭乗者に電動車椅子１００の走行環境（例えば電動車椅子１００の走行速度及び加速度や、周囲の障害物の有無や走行路の状態等）を知らせる音が相当する。「音を設定する」とは、音量や音色を設定することをいう。したがって、音設定部１５は、予測部１４の予測結果に基づいて、電動車椅子１００の存在を周囲に報知する音の音量や音色の設定や、電動車椅子１００の搭乗者に電動車椅子１００の走行環境を知らせる音の音量や音色の設定を行う。

報知部１６は、音設定部１５により設定された音で報知を行う。このような報知部１６は、例えばスピーカを用いて構成すると好適である。

また、速度制御部１７は、予測部１４の予測結果に基づいて電動車椅子１００の走行速度及び加速度の少なくとも一方を制御する。走行速度及び加速度の少なくとも一方を制御するとは、電動車椅子１００が走行する際の速度を制御したり、加速度を制御したり、あるいは速度及び加速度の双方を制御したりすることをいう。このような走行速度や加速度の制御は、例えば速度制御部１７が上述した一対の駆動部に対して、前記所定の速度や加速度を指示するように構成すると良い。これにより、この指示を受けた一対の駆動部は、一対のモータの回転速度を制御して電動車椅子１００の走行速度や加速度が前記所定の速度や加速度となるように制御することが可能となる。

具体的には、速度制御部１７は、上述したように予測部１４により電動車椅子１００の周囲の環境が、「突然、歩行者２０が飛び出すかもしれない」状況であり、「歩行者２０同士の会話に夢中で、歩行者２０に電動車椅子１００からの報知音が気付いてもらえないかもしれない」状況であると予測された場合には、電動車椅子１００の走行速度や加速度を自動的に制限すると良い。また、この時、音色を変更しても良い（図３の（ｂ）参照）。これにより、図３の（ｃ）に示されるように、予め減速操作を完了し、衝突の危険を事前に回避させるような、「歩行者２０の衝突」を想定した事前危険回避行動（かもしれない運転）へ乗員を誘導することが可能となる。
すなわち、電動車椅子１００は、電動車椅子１００を利用するユーザの操作によって走行するため、ユーザが電動車椅子１００の周囲の状況の変化を予測し、危険を事前に回避する事ができる。

また、図５及び図６は、電動車椅子１００の屋外から屋内への移動を予測する場合の例を示した図である。図６には、電動車椅子１００が、屋外から屋内へ移動した場合に音データ記憶部１１に記憶された音データが示され、更に図６には当該音データに基づく尖度及び分散も示される。本例では、図６において破線で示されるように、尖度がほぼ一定であり、分散が緩やかに下降した（小さくなった）後、一定になる。「尖度がほぼ一定である」とは、尖度の推移形態の変化に着目した場合に、時間の経過に対して尖度の変化量が小さいことをいう。また、「分散が緩やかに下降した後、一定になる」とは、分散の推移形態の変化に着目した場合に、時間の経過に伴って分散が連続的に小さくなり、その後、変化量が小さくなることをいう。この時には、予測部１４は、電動車椅子１００が屋外から屋内へ移動し、「人が電動車椅子１００の近距離に存在しており、且つ、静かな屋内を走行しようとしている」状況であり、「報知音が大きいとうるさくなり、迷惑をかけてしまう」状況であると予測する。

この場合には、音設定部１５は、予測部１４の予測結果に基づき、報知音の音量を小さくし、音色も屋内に適したものにすると良い。また、速度制御部１７は、予測部１４により電動車椅子１００の周囲の環境が、「人が電動車椅子１００の近距離に存在しており、且つ、静かな屋内を走行しようとしている」状況であると予測されたことから、電動車椅子１００の走行速度や加速度を自動的に制限すると良い（図５の（ｂ）参照）。これにより、図５の（ｃ）に示されるように、予め減速操作を完了し、危険を事前に回避させるような、「歩行者２０の衝突」を想定した事前危険回避行動（かもしれない運転）へ乗員を誘導することが可能となる。

また、図７及び図８は、電動車椅子１００への大型車両３０の接近を予測する場合の例を示した図である。図８には、電動車椅子１００に、大型車両３０が接近してきた場合に音データ記憶部１１に記憶された音データが示され、更に図８には当該音データに基づく尖度及び分散も示される。本例では、図８において破線で示されるように、尖度が緩やかに下降し（低くなり）、分散がほぼ一定の状態から急に上昇し（大きくなり）、更にその後、ほぼ一定になっている。「尖度が緩やかに下降する（低くなる）」とは、尖度の推移形態の変化に着目した場合に、時間の経過に伴って尖度が徐々に低くなるように変化していることをいう。また、「分散がほぼ一定の状態から急に上昇し（大きくなり）、更にその後、ほぼ一定になる」とは、分散の推移形態の変化に着目した場合に、分散がほぼ一定の状態から急に上昇し、その後、ほぼ一定になることをいう。この時には、予測部１４は、「電動車椅子１００に大型車両３０が接近している」状況であり、「車両の走行音が大きくなり、例えば電動車椅子１００の傾き等を示す報知音が乗員に聞き取り難くなる」状況であると予測する。

この場合には、音設定部１５は、予測部１４の予測結果に基づき、報知音の音量を大きくし、音色もこのような状況に適したものにすると良い。また、速度制御部１７は、電動車椅子１００の周囲の環境が、「電動車椅子１００に大型車両３０が接近している」状況であると予測されたことから、電動車椅子１００の走行速度や加速度を自動的に制限すると良い（図７の（ｂ）参照）。これにより、図７の（ｃ）に示されるように、予め減速操作を完了し、転倒や衝突の危険を事前に回避させるような、「大型車両３０との衝突」を想定した事前危険回避行動（かもしれない運転）へ乗員を誘導することが可能となる。

〔その他の実施形態〕
上記実施形態では、予測部１４の予測結果に基づいて電動車椅子１００の周囲に報知する音を設定する音設定部１５を備え、報知部１６が音設定部１５により設定された音で報知を行うとして説明したが、走行環境予測装置１は、音設定部１５及び報知部１６を備えずに構成することも可能である。

上記実施形態では、予測部１４の推定結果に基づいて電動車椅子１００の走行速度や加速度の少なくとも一方を制御する速度制御部１７を備えるとして説明したが、走行環境予測装置１は速度制御部１７を備えずに構成することも可能である。

上記実施形態では、予測部１４は算出結果記憶部１３に記憶された尖度の推移形態に基づいて、電動車椅子１００の周囲の環境の変化を予測するとして説明したが、音信号から所定時間周期で計算した尖度の時間的推移そのものではなく、ＡＲＭＡやＡＲＩＭＡ等の線形回帰モデルやカルマンフィルタやパーティクルフィルタ等の状態空間モデルやスプラインや移動平均等による、滑らかなトレンド曲線カーブを尖度の時間的推移に当てはめて予測を行っても良い。あるいは、多項式や指数曲線やロジスティック曲線等の線形ではなくステップ的に非線形に変化する非線形回帰モデルを尖度の時間的推移に当てはめて予測を行っても良い。また、所定フレーム単位内の最大値及び最小値や、平均、分散、尖度等の尖度以外の統計分布パラメータを使った時間的推移で予測しても良い。あるいは、音信号をフーリエ変換や自己相関関数等によって各周波数（あるいは周期）分布を計算し、周波数（あるいは周期）分布の”不規則さ”の統計分布パラメータの時間的推移で予測を行っても良い。

上記実施形態では、予測部１４は、尖度の高さに対する推移形態と、分散の大きさに対する推移形態とに基づいて、電動車椅子１００の周囲の環境の変化を予測するとして説明したが、予測部１４は尖度の高さに対する推移形態のみに基づいて電動車椅子１００の周囲の環境の変化を予測するように構成することも可能である。

上記実施形態では、予測部１４は、尖度が緩やかに上昇し（高くなり）、分散がほぼ一定の状態から急に上昇している（大きくなっている）時に電動車椅子１００に歩行者２０が接近していると予測するとして説明したが、予測部１４は、分散の大きさに対する推移形態が緩やかに高くなり、尖度の高さに対する推移形態が分散の大きさに対する推移形態と比較してより緩やかに高くなる場合に、電動車椅子１００に歩行者２０が接近していると予測するように構成することも可能である。

上記実施形態では、算出部１２は、音データ記憶部１１に記憶される所定時間前から現在までの音データを用いて、順次、音信号の統計的性質を特徴づける確率分布を求めるとして説明したが、走行環境予測装置１が電動車椅子１００の速度情報を取得する速度取得部を備え、予測部１４が、上述した所定時間の長さを、速度取得部から得られる速度情報に基づき変更するように構成することも可能である。このような構成とすれば、尖度を計算するヒストグラムのデータ数を調整でき、事前に予測される歩行者の動きのパターンや、あるいは屋外／屋内の騒音パターンの事前知識を盛り込み、予測の精度を上げる事が可能である。

また、走行環境予測装置１が電動車椅子１００の位置情報を取得する位置取得部を備え、予測部１４が、上述した所定時間の長さを、位置取得部から得られる位置情報に基づき変更するように構成することも可能である。このような構成とすれば、尖度を計算するヒストグラムのデータ数を調整でき、事前に予測される歩行者の動きのパターンや、あるいは屋外／屋内の騒音パターンの事前知識を盛り込み、予測の精度を上げる事が可能である。

上記実施形態では、尖度が緩やかに上昇し（高くなり）、分散がほぼ一定の状態から急に上昇している（大きくなっている）時には、予測部１４は電動車椅子１００に歩行者２０が接近している状況であると予測するとして説明したが、予測部１４は、尖度が緩やかに高くなり、分散も緩やかに大きくなる場合にも、電動車椅子１００に歩行者２０が接近している状況であると予測するように構成することも可能である。ここで、「尖度が緩やかに高くなる」とは、尖度の推移形態の変化に着目した場合に、時間の経過に伴って尖度が連続的に高くなる（次第に高くなる）ように変化していることをいう。また、「分散も緩やかに大きくなる」とは、分散の推移形態の変化に着目した場合に、時間の経過に伴って分散が連続的に大きくなる（次第に大きくなる）ように変化していることをいう。

上記実施形態では、尖度がほぼ一定であり、分散が緩やかに下降した（小さくなった）後、一定になっている時には、予測部１４は電動車椅子１００が屋外から屋内へ移動している状況であると予測するとして説明したが、予測部１４は、尖度が段階的に高くなり、分散が段階的に小さくなった後、尖度が不規則に非常に高くなる場合にも、電動車椅子１００が屋外から屋内へ移動している状況であると予測するように構成することも可能である。ここで、「尖度が段階的に高くなる」とは、尖度の推移形態の変化に着目した場合に、時間の経過に対して線形的に変化するのではなく、時間の経過に伴って尖度がステップ的に（不連続で）高くなるように変化していることをいう。また、「分散が段階的に小さくなる」とは、分散の推移形態の変化に着目した場合に、時間の経過に対して線形的に変化するのではなく、時間の経過に伴って分散がステップ的に（不連続で）小さくなるように変化していることをいう。

上記実施形態では、尖度が緩やかに下降し（低くなり）、分散がほぼ一定の状態から急に上昇し（大きくなり）、更にその後、ほぼ一定になっている時には、予測部１４は電動車椅子１００に大型車両３０が接近している状況であると予測するとして説明したが、予測部１４は、尖度が段階的に低くなり、同時に、分散（音の大きさ）が段階的に大きくなる場合にも、電動車椅子１００に大型車両３０が接近している状況であると予測するように構成することも可能である。ここで、「尖度が段階的に低くなる」とは、尖度の推移形態の変化に着目した場合に、時間の経過に対して線形的に変化するのではなく、時間の経過に伴って尖度がステップ的に（不連続で）小さくなるように変化していることをいう。また、「分散が段階的に大きくなる」とは、分散の推移形態の変化に着目した場合に、時間の経過に対して線形的に変化するのではなく、時間の経過に伴って分散がステップ的に（不連続で）大きくなるように変化していることをいう。

本発明は、移動体の周囲の音の統計的性質の時系列変化に基づいて当該移動体の周囲の環境の変化を予測する走行環境予測装置に用いることが可能である。

１：走行環境予測装置
１０：音取得部
１１：音データ記憶部
１２：算出部
１３：算出結果記憶部
１４：予測部
１５：音設定部
１６：報知部
１７：速度制御部
２０：歩行者
１００：電動車椅子（移動体）

Claims

人が搭乗する移動体に搭載され、前記移動体の周囲の音を取得する音取得部と、
前記音取得部で取得された音を音データとして記憶する音データ記憶部と、
前記音データ記憶部に記憶されている所定時間前から現在までの音データを用いて、順次、音信号の統計的性質を特徴づける確率分布を求め、前記確率分布の尖度を算出する算出部と、
前記算出部により算出される毎に前記尖度を記憶する算出結果記憶部と、
前記算出結果記憶部に記憶された前記尖度の推移形態に基づいて、前記移動体の周囲の環境の変化を予測する予測部と、
を備える走行環境予測装置。
前記予測部は、前記所定時間毎に前記算出結果記憶部に記憶された前記尖度を比較することにより、前記尖度の高さに対する推移形態に基づいて前記移動体の周囲の環境の変化を予測する請求項１に記載の走行環境予測装置。
前記予測部は、前記尖度の高さに対する推移形態が緩やかに高くなる場合に、前記移動体に歩行者が接近していると予測する請求項２に記載の走行環境予測装置。
前記算出部は、前記確率分布の分散を算出し、
前記算出結果記憶部は、前記算出部により算出される毎に前記分散を記憶し、
前記予測部は、前記所定時間毎に前記算出結果記憶部に記憶された前記分散を比較して算出された前記分散の大きさに対する推移形態と、前記尖度の高さに対する推移形態とに基づいて前記移動体の周囲の環境の変化を予測する請求項２又は３に記載の走行環境予測装置。
前記予測部は、前記分散の大きさに対する推移形態が緩やかに高くなり、前記尖度の高さに対する推移形態が前記分散の大きさに対する推移形態と比較してより緩やかに高くなる場合に、前記移動体に歩行者が接近していると予測する請求項４に記載の走行環境予測装置。
前記移動体の速度情報を取得する速度取得部を備え、
前記予測部は、前記所定時間の長さを、前記速度取得部から得られる前記速度情報に基づき変更する請求項１から５のいずれか一項に記載の走行環境予測装置。
前記移動体の位置情報を取得する位置取得部を備え、
前記予測部は、前記所定時間の長さを、前記位置取得部から得られる前記位置情報に基づき変更する請求項１から６のいずれか一項に記載の走行環境予測装置。
前記予測部の予測結果に基づいて前記移動体の周囲に報知する音を設定する音設定部と、
前記音設定部により設定された前記音で報知を行う報知部と、
を備える請求項１から７のいずれか一項に記載の走行環境予測装置。
前記予測部の予測結果に基づいて前記移動体の走行速度及び加速度の少なくとも一方を制御する速度制御部を備える請求項１から８のいずれか一項に記載の走行環境予測装置。