JP2018156249A - ストレス緩和支援装置、サーバ装置、ストレス緩和支援システム、ストレス緩和支援方法、およびプログラム - Google Patents

Abstract

【課題】運転者のストレスレベルを精度よく把握して、適切にストレス緩和支援を行うストレス緩和支援装置を提供する。【解決手段】ストレス緩和支援装置１０は、３次元加速度センサ１４、渋滞予兆情報算出部２４、ストレスレベル算出部２５、および情報提示制御部２８を備える。渋滞予兆情報算出部２４は、３次元加速度センサ１４によって取得された加速度の変化に基づく渋滞予兆情報を取得する。ストレスレベル算出部２５は、渋滞予兆情報および渋滞予兆情報の経時変化に基づいて車両１の運転者のストレスレベルを予測する。情報提示制御部２８は、ストレスレベルに応じて表示装置１６による休憩案内の実行を指示する。【選択図】図１

Description

本発明は、ストレス緩和支援装置、サーバ装置、ストレス緩和支援システム、ストレス緩和支援方法、およびプログラムに関する。

従来、車両のアクセルペダル操作などの運転操作の情報に基づいて、渋滞時などにおける運転者の心理状態を判定して、運転者の心理状態に応じた交通情報を他車両の運転者に報知する情報システムが知られている（例えば、特許文献１参照）。

特開２０１０−２１８１０１号公報

ところで、上記従来技術に係る情報システムによれば、複数の車両の相互において他車両の運転者の心理状態を把握させることによって交通安全のための注意喚起を促すだけであり、運転者の心理状態が悪化している車両の台数が増える場合などにおいて、交通安全の確保が困難になる虞がある。これに伴い、運転者のストレスレベルを精度よく把握して、適切にストレス緩和支援を行うことが望まれている。

本発明は上記事情に鑑みてなされたもので、運転者のストレスレベルを精度よく把握して、適切にストレス緩和支援を行うことが可能なストレス緩和支援装置、サーバ装置、ストレス緩和支援システム、ストレス緩和支援方法、およびプログラムを提供することを目的とする。

上記課題を解決して係る目的を達成するために、本発明は以下の態様を採用した。
（１）本発明の一態様に係るストレス緩和支援装置は、車両（例えば、実施形態での車両１）の加速度を取得する加速度取得部（例えば、実施形態での３次元加速度センサ１４）と、前記加速度取得部によって取得された前記加速度の変化に基づく渋滞予兆情報を取得する渋滞予兆情報取得部（例えば、実施形態での渋滞予兆情報算出部２４）と、前記渋滞予兆情報および前記渋滞予兆情報の経時変化に基づいて前記車両の運転者のストレスレベルを予測するストレスレベル予測部（例えば、実施形態でのストレスレベル算出部２５）と、前記ストレスレベルに応じて休憩案内の実行を指示する指示部（例えば、実施形態での情報提示制御部２８）と、を備える。

（２）上記（１）に記載のストレス緩和支援装置は、前記車両の速度を取得する速度取得部（例えば、実施形態での速度算出部２０）と、前記渋滞予兆情報が渋滞予兆の状態を示す場合に、前記渋滞予兆情報と前記速度取得部によって取得された前記速度とに基づいて渋滞規模を予測する渋滞規模予測部（例えば、実施形態での渋滞規模予測部２６）と、を備え、前記指示部は、前記渋滞規模および前記ストレスレベルに応じて前記休憩案内の内容を変更してもよい。

（３）上記（２）に記載のストレス緩和支援装置は、前記渋滞予兆情報および前記速度の情報を外部に送信するとともに、他の車両に対して取得された前記渋滞予兆情報および前記速度の情報を外部から受信する通信部（例えば、実施形態での機器通信装置１１）を備え、前記渋滞規模予測部は、前記通信部によって外部に送信する前記渋滞予兆情報および前記速度の情報と、前記通信部によって外部から受信した前記他の車両の前記渋滞予兆情報および前記速度の情報とを組み合わせて、渋滞予測モデルを用いて前記渋滞規模を予測してもよい。

（４）上記（２）または（３）に記載のストレス緩和支援装置は、前記休憩案内に応じた休憩の実行に起因して前記渋滞規模が増大するか否かを判定する判定部（例えば、実施形態での判定部２７）を備え、前記指示部は、前記休憩の実行に起因して前記渋滞規模が増大すると判定される場合に、前記休憩案内の内容を変更してもよい。

（５）上記（１）から（４）の何れかひとつに記載のストレス緩和支援装置では、前記指示部は、前記車両の連続走行時間が所定時間よりも長い場合には、前記ストレスレベルにかかわらずに前記休憩案内の実行を指示してもよい。

（６）上記（１）から（５）の何れかひとつに記載のストレス緩和支援装置では、前記ストレスレベル予測部は、休憩時間に応じて前記ストレスレベルを低減させてもよい。

（７）上記（１）から（６）の何れかひとつに記載のストレス緩和支援装置は、ストレス緩和および渋滞緩和に関する前記車両の走行状態の情報に点数付けをして、前記点数付けに応じた順位付けの情報を報知する報知部（例えば、実施形態での情報提示制御部２８が兼ねる）を備えてもよい。

（８）本発明の一態様に係るサーバ装置は、上記（１）から（７）の何れかひとつに記載のストレス緩和支援装置から送信される前記渋滞予兆情報および前記速度の情報を受信するサーバ通信部（例えば、実施形態でのサーバ通信装置３２）と、複数の前記ストレス緩和支援装置から取得した複数の前記渋滞予兆情報に基づいて、前記車両の運転者のストレスレベルを予測するサーバストレスレベル予測部（例えば、実施形態でのストレスレベル算出部３５）と、前記サーバストレスレベル予測部によって予測される前記ストレスレベルに応じて、休憩案内の実行を指示するサーバ指示部（例えば、実施形態での情報提示制御部３８）と、を備え、前記サーバ通信部は、前記サーバ指示部の指示の情報を前記複数の前記ストレス緩和支援装置に送信する。

（９）本発明の一態様に係るストレス緩和支援システムは、上記（１）から（７）の何れかひとつに記載のストレス緩和支援装置と、上記（８）に記載のサーバ装置とを備える。

（１０）本発明の一態様に係るストレス緩和支援方法は、車両（例えば、実施形態での車両１）の加速度を取得する加速度取得部（例えば、実施形態での３次元加速度センサ１４）を備える電子機器（例えば、実施形態でのストレス緩和支援装置１０）が実行するストレス緩和支援方法であって、前記電子機器が、前記加速度取得部によって取得された前記加速度の変化に基づく渋滞予兆情報を取得する渋滞予兆情報取得ステップ（例えば、実施形態でのステップＳ０７）と、前記電子機器が、前記渋滞予兆情報および前記渋滞予兆情報の経時変化に基づいて前記車両の運転者のストレスレベルを予測するストレスレベル予測ステップ（例えば、実施形態でのステップＳ０９）と、前記電子機器が、前記ストレスレベルに応じて休憩案内の実行を指示する指示ステップ（例えば、実施形態でのステップＳ１０からステップＳ２１）と、を含む。

（１１）上記（１０）に記載のストレス緩和支援方法は、前記電子機器が、前記車両の速度を取得する速度取得ステップ（例えば、実施形態でのステップＳ０６）と、前記電子機器が、前記渋滞予兆情報が渋滞予兆の状態を示す場合に、前記渋滞予兆情報と前記速度とに基づいて、渋滞規模を予測する渋滞規模予測ステップ（例えば、実施形態でのステップＳ１１からステップＳ１２、ステップＳ１８からステップＳ１９）と、を含み、前記電子機器は、前記指示ステップにおいて、前記渋滞規模および前記ストレスレベルに応じて前記休憩案内の内容を変更してもよい。

（１２）上記（１１）に記載のストレス緩和支援方法は、前記電子機器が、前記渋滞予兆情報および前記速度の情報を外部に送信するとともに、他の車両に対して取得された前記渋滞予兆情報および前記速度の情報を外部から受信する通信ステップ（例えば、実施形態でのステップＳ４９からステップＳ５０）を含み、前記電子機器は、前記渋滞規模予測ステップにおいて、外部に送信する前記渋滞予兆情報および前記速度の情報と、外部から受信した前記他の車両の前記渋滞予兆情報および前記速度の情報とを組み合わせて、渋滞予測モデルを用いて前記渋滞規模を予測してもよい。

（１３）上記（１１）または（１２）に記載のストレス緩和支援方法は、前記電子機器が、前記休憩案内に応じた休憩の実行に起因して前記渋滞規模が増大するか否かを判定する判定ステップ（例えば、実施形態でのステップＳ１３、ステップＳ２０）を含み、前記電子機器は、前記指示ステップにおいて、前記休憩の実行に起因して前記渋滞規模が増大すると判定される場合に、前記休憩案内の内容を変更してもよい。

（１４）上記（１０）から（１３）の何れかひとつに記載のストレス緩和支援方法では、前記電子機器は、前記指示ステップにおいて、前記車両の連続走行時間が所定時間よりも長い場合には、前記ストレスレベルにかかわらずに前記休憩案内の実行を指示してもよい。

（１５）上記（１０）から（１４）の何れかひとつに記載のストレス緩和支援方法では、前記電子機器は、前記ストレスレベル予測ステップにおいて、休憩時間に応じて前記ストレスレベルを低減させてもよい。

（１６）上記（１０）から（１５）の何れかひとつに記載のストレス緩和支援方法は、前記電子機器が、ストレス緩和および渋滞緩和に関する前記車両の走行状態の情報に点数付けをして、前記点数付けに応じた順位付けの情報を報知する報知ステップを含む。

（１７）本発明の一態様に係るプログラムは、車両（例えば、実施形態での車両１）の加速度を取得する加速度取得部（例えば、実施形態での３次元加速度センサ１４）を備える電子機器（例えば、実施形態でのストレス緩和支援装置１０）のコンピュータに、前記加速度取得部によって取得された前記加速度の変化に基づく渋滞予兆情報を取得する渋滞予兆情報取得ステップ（例えば、実施形態でのステップＳ０７）と、前記渋滞予兆情報および前記渋滞予兆情報の経時変化に基づいて前記車両の運転者のストレスレベルを予測するストレスレベル予測ステップ（例えば、実施形態でのステップＳ０９）と、前記ストレスレベルに応じて休憩案内の実行を指示する指示ステップ（例えば、実施形態でのステップＳ１０からステップＳ２１）と、を実行させる。

（１８）上記（１７）に記載のプログラムは、前記コンピュータに、前記車両の速度を取得する速度取得ステップ（例えば、実施形態でのステップＳ０６）と、前記渋滞予兆情報が渋滞予兆の状態を示す場合に、前記渋滞予兆情報と前記速度とに基づいて、渋滞規模を予測する渋滞規模予測ステップ（例えば、実施形態でのステップＳ１１からステップＳ１２、ステップＳ１８からステップＳ１９）と、を実行させ、前記指示ステップにおいて、前記渋滞規模および前記ストレスレベルに応じて前記休憩案内の内容を変更させてもよい。

（１９）上記（１８）に記載のプログラムは、前記コンピュータに、前記渋滞予兆情報および前記速度の情報を外部に送信するとともに、他の車両に対して取得された前記渋滞予兆情報および前記速度の情報を外部から受信する通信ステップ（例えば、実施形態でのステップＳ４９からステップＳ５０）を実行させ、前記渋滞規模予測ステップにおいて、外部に送信する前記渋滞予兆情報および前記速度の情報と、外部から受信した前記他の車両の前記渋滞予兆情報および前記速度の情報とを組み合わせて、渋滞予測モデルを用いて前記渋滞規模を予測させてもよい。

（２０）上記（１８）または（１９）に記載のプログラムは、前記コンピュータに、前記休憩案内に応じた休憩の実行に起因して前記渋滞規模が増大するか否かを判定する判定ステップ（例えば、実施形態でのステップＳ１３、ステップＳ２０）を実行させ、前記指示ステップにおいて、前記休憩の実行に起因して前記渋滞規模が増大すると判定される場合に、前記休憩案内の内容を変更させてもよい。

（２１）上記（１７）から（２０）の何れかひとつに記載のプログラムは、前記コンピュータに、前記指示ステップにおいて、前記車両の連続走行時間が所定時間よりも長い場合には、前記ストレスレベルにかかわらずに前記休憩案内の実行を指示させてもよい。

（２２）上記（１７）から（２１）の何れかひとつに記載のプログラムは、前記コンピュータに、前記ストレスレベル予測ステップにおいて、休憩時間に応じて前記ストレスレベルを低減させてもよい。

（２３）上記（１７）から（２２）の何れかひとつに記載のプログラムは、前記コンピュータに、ストレス緩和および渋滞緩和に関する前記車両の走行状態の情報に点数付けをして、前記点数付けに応じた順位付けの情報を報知する報知ステップを実行させてもよい。

上記（１）、（１０）、または（１７）によれば、運転者の運転操作に起因する加速度の変化に基づいてストレスレベルを予測するので、心拍数などの生体情報を用いる場合に比べて、個人特性に起因する誤差の増大を防ぎ、精度の良い予測を行うことができる。渋滞予兆情報に基づくストレスレベルに応じて休憩案内を実行するので、渋滞に到達してストレスレベルが増大してしまうことを防ぎ、渋滞予兆の状態から早期にストレス緩和を支援することができる。

さらに、上記（２）、（１１）、または（１８）の場合、ストレスレベルに加えて渋滞規模に応じて休憩案内を実行するので、渋滞規模に起因して将来的にストレスレベルが増大することを防ぐことができる。

さらに、上記（３）、（１２）、または（１９）の場合、他の車両の渋滞予兆情報および速度の情報を用いることによって、渋滞規模の予測精度を向上させることができる。

さらに、上記（４）、（１３）、または（２０）の場合、休憩の前後での渋滞規模の変化に応じて休憩案内の内容を変更するので、将来のストレスレベルの増減可能性に応じて適切な休憩案内を行うことができる。

さらに、上記（５）、（１４）、または（２１）の場合、車両の連続走行時間が所定時間よりも長くなることによってストレスレベルが増大することを防ぐことができる。

さらに、上記（６）、（１５）、または（２２）の場合、休憩中においてもストレスレベルの情報を保持することによって、休憩終了後におけるストレスレベルの予測精度を向上させることができる。

さらに、上記（７）、（１６）、または（２３）の場合、順位付けの情報によってストレス緩和および渋滞緩和に対する運転者の意欲を増大させることができる。

さらに、上記（８）の場合、複数の車両の渋滞予兆情報を用いることによって、ストレスレベルの予測精度を向上させることができる。

さらに、上記（９）の場合、ストレス緩和支援装置が単独で動作する場合と、ストレス緩和支援装置およびサーバ装置が協調して動作する場合とを選択することができ、システムの汎用性を向上させることができる。

本発明の実施形態に係るストレス緩和支援装置の構成を示すブロック図である。 本発明の実施形態に係る加速度のベクターの差分の一例を示す図である。 本発明の実施形態に係る加速度スペクトルの一例を示す図である。 本発明の実施形態に係る加速度およびスペクトル角度の時間に応じた変動および平均的挙動の例を示す図である。 本発明の実施形態に係る渋滞予測モデルの例であって、スペクトル角度および速度に応じた渋滞ピーク確率の分布の例を示す図である。 本発明の実施形態に係る渋滞ピーク確率の経時変化の例を示す図である。 本発明の実施形態に係るストレス緩和支援装置の表示画面の変化の例を示す図であって、ストレスレベルが所定値よりも大きい場合の休憩地点候補の変化の例を示す図である。 本発明の実施形態に係るストレス緩和支援装置の表示画面の変化の例を示す図であって、ストレスレベルが所定値よりも大きく、渋滞規模が所定規模よりも大きい場合の休憩地点候補の変化の例を示す図である。 本発明の実施形態に係るストレス緩和支援装置の表示画面の変化の例を示す図であって、連続走行時間が所定時間よりも長い場合の休憩地点候補の変化の例を示す図である。 本発明の実施形態に係るストレス緩和支援装置の表示画面の変化の例を示す図であって、ストレスレベルが所定値以下であり、渋滞規模が所定規模よりも大きい場合の休憩地点候補の変化の例を示す図である。 本発明の実施形態に係るストレス緩和支援装置の表示画面の変化の例を示す図であって、走行状態から休憩中への変化の例を示す図である。 本発明の実施形態に係るストレス緩和支援装置の表示画面の変化の例を示す図であって、運行状況の履歴と、運行状況のランキングとの例を示す図である。 本発明の実施形態に係るストレス緩和支援方法を示すフローチャートである。 本発明の実施形態の変形例に係るストレス緩和支援システムの構成を示すブロック図である。 本発明の実施形態の変形例に係るストレス緩和支援方法を示すフローチャートである。 図１５に示すネットワーク動作を示すフローチャートである。

以下、本発明のストレス緩和支援装置、サーバ装置、ストレス緩和支援システム、ストレス緩和支援方法、およびプログラムの一実施形態について添付図面を参照しながら説明する。

本実施形態によるストレス緩和支援装置１０は、例えば、車両１などの移動体の乗員が携帯する携帯端末、または車両１などの移動体に着脱可能に搭載された情報機器、または予め車両１などの移動体に搭載されたナビゲーション装置などの電子機器、などである。
車両１は、駆動力出力装置と、ブレーキ装置と、ステアリング装置と、を備えている。

駆動力出力装置は、車両１が走行するための走行駆動力（トルク）を駆動輪に出力する。駆動力出力装置は、例えば、モータジェネレータ、内燃機関、および変速機などの組み合わせと、これらを制御するＥＣＵ（Electronic Control Unit）とを備える。ＥＣＵは、適宜の制御装置から入力される情報、または運転操作子から入力される情報に従って、走行駆動力を制御する。

ブレーキ装置は、例えば、ブレーキキャリパーと、ブレーキキャリパーに油圧を伝達するシリンダと、シリンダに油圧を発生させる電動モータと、ブレーキＥＣＵとを備える。ブレーキＥＣＵは、適宜の制御装置から入力される情報、または運転操作子から入力される情報に従って電動モータを制御し、制動操作に応じたブレーキトルクを各車輪に出力する。ブレーキ装置は、例えば、電動モータが発生させる油圧に加えて、運転操作子のブレーキペダルの操作によって発生する油圧を、マスターシリンダを介してシリンダに伝達する機構を備えている。なお、ブレーキ装置は、上記説明した構成に限らず、適宜の制御装置から入力される情報に従ってアクチュエータを制御して、マスターシリンダの油圧をシリンダに伝達してもよい。

ステアリング装置は、例えば、ステアリングＥＣＵと、電動モータとを備える。電動モータは、例えば、ラックアンドピニオン機構に力を作用させて転舵輪の向きを変更する。ステアリングＥＣＵは、適宜の制御装置から入力される情報、または運転操作子から入力される情報に従って、電動モータを駆動し、転舵輪の向きを変更する。

ストレス緩和支援装置１０は、アドフォックモードまたはインフラストラクチャモードなどの通信ネットワークを介した無線通信によって、外部装置に対して双方向通信可能である。ストレス緩和支援装置１０は、例えば、アドフォックモードの端末間通信または車車間通信などによって他車両のストレス緩和支援装置１０と双方向通信を行う。ストレス緩和支援装置１０は、例えば、インフラストラクチャモードの無線通信によって、基地局を介して外部装置と双方向通信を行う。

ストレス緩和支援装置１０は、機器通信装置１１と、測位信号受信器１２と、現在位置取得部１３と、３次元加速度センサ１４と、入力デバイス１５と、表示装置１６と、地図データ記憶部１７と、機器制御部１８と、を備えている。

機器通信装置１１は、各種の無線通信ネットワークシステムを介して外部装置と通信可能であって、各種信号を送受信する。なお、ストレス緩和支援装置１０と外部装置との間の通信は、上記の通信形態に限定されず、例えば通信衛星を経由する通信などの他の通信が採用されてもよい。

測位信号受信器１２は、例えば人工衛星を利用してストレス緩和支援装置１０の位置を測定するための測位システム（例えば、Global Positioning System：ＧＰＳまたはGlobal Navigation Satellite System：ＧＮＳＳなど）で用いられている測位信号を受信する。
現在位置取得部１３は、測位信号受信器１２によって受信された測位信号を用いてストレス緩和支援装置１０の現在位置を検出する。

３次元加速度センサ１４は、いわゆる検出軸数が３軸の３軸加速度センサなどであって、所定のサンプリング周期において、ストレス緩和支援装置１０に発生する加速度を３次元空間の直交座標系を成すＸ軸、Ｙ軸、およびＺ軸の各軸方向の加速度として検出する。

入力デバイス１５は、例えば、スイッチ、タッチパネル、キーボード、および音声入力装置などを備え、操作者による各種の入力操作に応じた信号を出力する。
表示装置１６は、例えば、液晶表示装置などの各種のディスプレイであり、機器制御部１８から出力される各種の情報を表示する。

地図データ記憶部１７は、地図データを記憶する。
地図データは、例えば、ストレス緩和支援装置１０の現在位置の情報に基づくマップマッチングの処理に必要とされる道路上の位置座標を示す道路座標データと、誘導経路の算出に必要とされる道路地図データと、を備えている。道路地図データは、例えば、ノード、リンク、リンクコスト、道路構造、道路形状、道路状態、道路種別、周辺建造物などのランドマーク、工事規制個所、交通信号機、および踏切などのデータを備えている。ノードは、交差点および分岐点などの道路上の所定の地点の緯度および経度からなる座標点である。リンクは、各ノード間を結ぶ線であり、地点間を接続する道路区間である。リンクコストは、リンクに対応する道路区間の距離または道路区間の移動に要する時間を示す情報である。

機器制御部１８は、ストレス緩和支援装置１０の各種動作を制御する。機器制御部１８は、例えばＣＰＵ（Central Processing Unit）などのプロセッサによって所定のプログラムが実行されることにより機能するソフトウェア機能部である。ソフトウェア機能部は、ＣＰＵなどのプロセッサ、プログラムを格納するＲＯＭ（Read Only Memory）、データを一時的に記憶するＲＡＭ（Random Access Memory）、およびタイマーなどの電子回路を備えるＥＣＵである。なお、機器制御部１８の少なくとも一部は、ＬＳＩ（Large Scale Integration）などの集積回路であってもよい。
機器制御部１８は、速度算出部２０と、入力データ算出部２１と、周波数分析部２２と、単回帰直線算出部２３と、渋滞予兆情報算出部２４と、ストレスレベル算出部２５と、渋滞規模予測部２６と、判定部２７と、情報提示制御部２８と、を備えている。

速度算出部２０は、３次元加速度センサ１４によって検出されたＸ軸、Ｙ軸、およびＺ軸の各軸方向の加速度を用いて、ストレス緩和支援装置１０の速度Ｖを算出する。

入力データ算出部２１は、３次元加速度センサ１４によって検出されたＸ軸、Ｙ軸、およびＺ軸の各軸方向の加速度を用いて３次元空間における加速度のベクター（加速度ベクター）Ａを算出する。そして、サンプリング周期ΔＴなどの時間間隔をおいた２つの異なるタイミングの加速度ベクターＡの差分（加速度ベクター差分）ΔＡのノルムｕを、周波数分析部２２に入力する入力データとして算出する。
図２に示すように、入力データ算出部２１は、例えば、適宜の時刻ｔの加速度ベクターＡ（ｔ）＝（ａｘ_ｔ，ａｙ_ｔ，ａｚ_ｔ）と、この時刻ｔよりもサンプリング周期ΔＴだけ以前の時刻ｔ−ΔＴの加速度ベクターＡ（ｔ−ΔＴ）＝（ａｘ_ｔ−ΔＴ，ａｙ_ｔ−ΔＴ，ａｚ_ｔ−ΔＴ）とによって、加速度ベクター差分ΔＡ＝Ａ（ｔ）−Ａ（ｔ−ΔＴ）を算出する。そして、下記数式（１）に示すように、加速度ベクター差分ΔＡのノルムｕ_ｔを算出する。
なお、３次元加速度センサ１４によって検出されたＸ軸、Ｙ軸、およびＺ軸の各軸方向の加速度の情報を格納可能なバッファ（図示略）のバッファサイズ、つまり加速度の情報のサンプル数は、例えば表示装置１６に表示される適宜の設定画面などにおいて操作者によって適宜に設定可能とされている。

周波数分析部２２は、入力データ算出部２１によって算出された入力データに対して周波数分析を行ない、周波数に対応するパワースペクトル（加速度スペクトル）を算出する。
例えば、周波数分析部２２は、周波数分析に対する入力データの入出力点数および自己相関の遅れ数を用いて、入力データの自己相関を算出する。そして、自己相関に高速フーリエ変換を行なうことによって加速度スペクトルを算出する。なお、周波数分析に対する入力データの入出力点数および自己相関の遅れ数と、自己相関の入力値から平均値を引くか否かの選択とは、例えば表示装置１６に表示される適宜の設定画面などにおいて操作者によって設定可能とされている。
例えば、周波数分析部２２は、サンプリング周期ΔＴにて入力データ算出部２１によって算出される入力データの入出力点数において自己相関の算出および高速フーリエ変換を行なうことによって、所定期間の加速度スペクトルを算出する。

単回帰直線算出部２３は、周波数分析部２２によって算出された加速度スペクトルの所定周波数範囲での単回帰直線を算出し、この単回帰直線の傾きを角度（スペクトル角度）θの情報に変換する。
例えば、カオス理論では渋滞の予測に対して高周波数よりも低周波数のパワースペクトルの影響が大きい。このため、図３に示すように、単回帰直線算出部２３は、所定周波数ｆｂ以下の低周波領域（例えば、下限周波数ｆａ以上かつ所定周波数ｆｂ以下の周波数領域）の加速度スペクトルに対して最小二乗法などによって単回帰直線Ｌを算出する。そして、算出した単回帰直線Ｌの傾き（つまり、周波数の軸方向を傾きがゼロであるとして、この軸方向に対する傾き）を角度（スペクトル角度）θの情報に変換する。

例えば、このスペクトル角度θがマイナス方向（加速度スペクトルの減少方向）に増大するほど（つまり、マイナスの符号で絶対値が増大するほど）、加速および減速の動的時間応答の遅れが増大傾向に変化し、速度のばらつきが増大する。これによって、車両のエネルギー効率（燃費または電費など）を優先させる運転領域を限定することが困難となり、渋滞が発生し易くなるとともにエネルギー効率が低下する。
例えば、スペクトル角度θの絶対値が小さい場合は、ストレス緩和支援装置１０とともに移動する車両が先行車両から受ける衝撃波（振動、ゆらぎ）が小さい場合に相当し、先行車両に対する反応遅れが小さく、交通流に影響が弱い同調走行がし易い、すなわち渋滞に至る可能性が小さい場合に相当する。
逆に、スペクトル角度θの絶対値が大きい場合は、ストレス緩和支援装置１０とともに移動する車両が先行車両から受ける衝撃波（振動、ゆらぎ）が大きい場合に相当し、先行車両に対する反応遅れが大きく、同調走行が難しくなって交通流に影響を与え易い、すなわち渋滞に至る可能性が大きい場合に相当する。なお、ここで言う衝撃波（振動、ゆらぎ）とは、車両が加速および減速の動作を繰り返すことにより、この動作（前後の動き）を後方の車両に一種の振動として伝播させることを意味する。

また、所定期間での加速および減速の総パワーが増大する場合には、渋滞が発生し易くなるとともに車両のエネルギー効率（燃費または電費など）が低下する。
例えば図４に示す時刻ｔａから時刻ｔｂの期間における加速度およびスペクトル角度θの変動および平均的挙動のように、車両の停止状態から適度な加速によって定速走行に移行する場合などにおいては、加速度の変動が小さい。そして、一時的にスペクトル角度θの絶対値が増大したとしても、直ぐにゼロに向かい収束するので、加速および減速の総パワーは小さな値となる。
また、例えば図４に示す時刻ｔａから時刻ｔｂの期間における加速度およびスペクトル角度θの変動および平均的挙動のように、車両の定速走行もしくはエンジンブレーキなどによって緩やかに減速する場合などにおいては、加速度の変動が小さい。そして、スペクトル角度θの絶対値は小さな値を維持するので、加速および減速の総パワーは小さな値となる。この場合、たとえ振動などによって一時的にスペクトル角度θの絶対値が増大したとしても、直ぐにゼロに向かい収束するので、加速および減速の総パワーは小さな値となる。また、例えば３次元加速度センサ１４の検出誤差などに起因して一時的にスペクトル角度θの絶対値が増大したとしても、直ぐにゼロに向かい収束するので、加速および減速の総パワーは小さな値となる。
一方、例えば図４に示す時刻ｔｂから時刻ｔｃの期間における加速度およびスペクトル角度θの変動および平均的挙動のように、車両の急減速、または加速後に直ぐに減速する場合などにおいては、加速度の変動が大きい。そして、スペクトル角度θの絶対値は大きな値となり、ゼロに向かい収束するのに要する時間が長くなるので、加速および減速の総パワーは大きな値となる。

渋滞予兆情報算出部２４は、例えば、単回帰直線算出部２３によって算出されるスペクトル角度θを渋滞予兆情報とする。
渋滞予兆情報算出部２４は、速度算出部２０によって算出された速度Ｖに関連する値として、速度Ｖの平均的な値を算出する。渋滞予兆情報算出部２４は、例えば、所定時間における速度Ｖの相加平均μ（Ｖ）を算出する。所定時間は、例えば、数分〜数十分程度である。
渋滞予兆情報算出部２４は、単回帰直線算出部２３によって算出されたスペクトル角度θのばらつき度合いに関連する値を算出する。渋滞予兆情報算出部２４は、例えば、所定時間におけるスペクトル角度θの分散σ（θ）を算出する。所定時間は、例えば、数分〜数十分程度である。
渋滞予兆情報算出部２４は、下記数式（２）に示すように、速度Ｖの相加平均μ（Ｖ）とスペクトル角度θの分散σ（θ）との積（＝μ（Ｖ）×σ（θ））を、ストレスレベル算出部２５に入力する渋滞予兆指標Ｉとして算出する。

ストレスレベル算出部２５は、車両１の連続走行時間を算出する。ストレスレベル算出部２５は、例えば、速度算出部２０によって算出される速度Ｖがゼロよりも大きい連続時間の計測、または入力デバイス１５を介して操作者から入力される走行計画案内の実行指示が有効とされる連続時間の計測などによって、車両１の連続走行時間を取得する。
ストレスレベル算出部２５は、渋滞予兆情報および渋滞予兆情報の経時変化に基づいて、車両１の運転者のストレスレベルを予測する。ストレスレベル算出部２５は、例えば、渋滞予兆情報に基づく状態量として渋滞予兆指標Ｉを用いるとともに、渋滞予兆情報の経時変化に基づく状態量として渋滞予兆指標Ｉの経時変化を用いて、運転者のストレスレベルを予測する。ストレスレベル算出部２５は、例えば、走行計画案内の実行指示が有効とされる期間においては、車両１の連続走行期間に亘る所定時間ごとの渋滞予兆指標Ｉの変化の総和と、車両１の連続走行時間との積を、運転者のストレスレベルとする。ストレスレベル算出部２５は、例えば、入力デバイス１５を介して操作者から入力される休憩の実行指示が有効とされる期間においては、休憩開始時点のストレスレベルから休憩時間に応じたストレス緩和値を減算して得られる値を、運転者のストレスレベルとする。

渋滞規模予測部２６は、例えば、渋滞予兆情報に基づいて、将来的に渋滞（交通渋滞）が発生する可能性または既に渋滞が発生している可能性を示す渋滞予兆を検知する。この渋滞予兆の大小を示す渋滞予兆度は、ストレス緩和支援装置１０とともに移動する車両１の進行方向前方において渋滞となる可能性が高い場合に大きくなり、可能性が低い場合に小さくなる。

渋滞規模予測部２６は、例えば、スペクトル角度θの極大値（傾き極大値）に応じた渋滞予兆度を取得する。渋滞規模予測部２６は、例えば、傾き極大値（ｘ）と渋滞予兆度（ｙ）との関係を示す関数（例えば、ｙ＝ａｘ＋ｂなど）を予め記憶しており、この関数を参照して傾き極大値（ｘ）に対する渋滞予兆度（ｙ）を算出する。なお、渋滞規模予測部２６は、傾き極大値と対応する渋滞予兆度の値との関係を予め作成してテーブルとして記憶しておき、算出された傾き極大値に対する渋滞予兆度をそのテーブルを参照して求めることもできる。
渋滞規模予測部２６は、渋滞予兆度が所定の閾値よりも大きいか否かを判定することによって、渋滞予兆があるか否かを判定する。

渋滞規模予測部２６は、渋滞予兆度に基づいて渋滞予兆があると判定した場合には、渋滞予兆情報と、速度算出部２０によって算出された速度Ｖとに基づいて、渋滞規模を予測する。渋滞規模予測部２６は、例えば、スペクトル角度θおよび速度Ｖに基づいて、機械学習によって生成される渋滞予測モデルを用いて渋滞規模を予測する。渋滞規模予測部２６は、例えば図５に示すように、スペクトル角度θおよび速度Ｖの分布を用いて、渋滞予兆度の確率密度関数を複数の正規分布ｐ１，…，ｐｎの重ね合わせによる混合正規分布によって記述する。渋滞規模予測部２６は、例えば、ＥＭアルゴリズムまたは変分ベイズなどの反復演算によって、確率密度関数から得られる尤度関数が最大となるような混合正規分布のモデルパラメータを求める。渋滞規模予測部２６は、例えば、渋滞予兆度の確率密度関数において確率密度が最も高い位置の確率を渋滞ピーク確率とする。例えば図５に示す渋滞予測モデルにおいては、スペクトル角度θおよび速度Ｖが増大することに伴い、先行車両から受ける衝撃波が大きくなり、渋滞ピーク確率が増大傾向に変化する。
なお、渋滞規模予測部２６は、例えば、試験走行時などの実際の走行時に得られる車両１のナビゲーション装置などのプローブデータおよび乗員が携帯する端末装置のセンサデータなどを、機械学習の訓練データとして用いてもよい。さらに、渋滞規模予測部２６は、機械学習の過学習を防ぎ、汎化性能を向上させるために、渋滞予測モデルを生成する際に訓練データを追加的に用いてもよい。

渋滞規模予測部２６は、例えば、所定時間ごとの渋滞ピーク確率の経時変化に基づいて、将来における渋滞ピーク確率の推移を予測する。渋滞規模予測部２６は、例えば図６に示すように、現時点の過去３０分に亘る５分毎の渋滞ピーク確率の経時変化に基づいて、現時点から３０分後の渋滞ピーク確率を予測する。

判定部２７は、ストレスレベル算出部２５によって算出された運転者のストレスレベルおよび車両１の連続走行時間、並びに渋滞規模予測部２６によって算出された渋滞ピーク確率を用いて、各種の判定処理を行う。判定部２７は、例えば、ストレスレベルが所定値よりも大きいか否かを判定する。判定部２７は、例えば、車両１の連続走行時間が所定時間よりも長いか否かを判定する。判定部２７は、例えば、渋滞規模予測部２６によって予測された渋滞ピーク確率が所定確率よりも大きいか否かを判定することによって、渋滞規模が所定規模よりも大きいか否かを判定する。

情報提示制御部２８は、表示装置１６における情報提示を制御する。情報提示制御部２８は、車両１の走行計画案内の表示画面においては、例えば図７から図１１に示すように、複数のメニュー項目と、ストレスレベルの情報と、走行ルートの情報と、を表示する。複数のメニュー項目は、例えば、運行状況の表示を指示する第１メニュー項目１６ａと、休憩の実行を指示する第２メニュー項目１６ｂと、走行計画案内の表示完了を指示する第３メニュー項目１６ｃと、などである。ストレスレベルの情報１６ｄは、例えば、所定の上限ストレスレベルを１００％とした場合におけるストレスレベルの数値の情報である。走行ルートの情報１６ｅは、例えば、走行ルート上の休憩地点候補１６ｆおよび渋滞地点１６ｇなどの情報である。走行ルートの情報１６ｅにおいて、渋滞地点１６ｇの情報は、例えば、渋滞の無い他の経由地点１６ｈを示す図形よりも大きな図形によって表示され、この図形の大きさは渋滞規模の大きさに応じて変化するように設定されている。

情報提示制御部２８は、操作者による第２メニュー項目１６ｂの選択操作によって休憩が実行される期間においては、例えば図１１に示すように、休憩中であることを示す情報１６ｊを表示する。休憩中の情報１６ｊは、例えば、休憩の終了によって走行計画案内の表示再開を指示する第４メニュー項目１６ｋを備えている。

情報提示制御部２８は、操作者による第１メニュー項目１６ａの選択操作によって運行状況の表示が指示される場合には、例えば図１２に示すように、運行状況の履歴１６ｐまたは順位付けの情報１６ｑなどを表示する。運行状況の履歴１６ｐは、例えば、地図上における走行ルートとともに、運行状況に関する各種の情報の変化を、表示色または表示図形の大きさなどによって視覚的に認識可能に表示する。運行状況に関する各種の情報は、例えば、加速度およびストレスレベルの履歴に基づいて取得される平均速度、燃費、加速度、または運転者の疲労度などの情報である。順位付けの情報１６ｑは、例えば、車両１の運行状況に関する各種の情報に点数付けをするとともに、全ての情報の点数の合計点を他の車両の合計点と比較することによって得られる順位の情報などである。

情報提示制御部２８は、判定部２７による判定結果に応じて、表示装置１６における情報提示の内容を変化させる。
情報提示制御部２８は、例えば、ストレスレベルが所定値よりも大きく、渋滞規模が所定規模以下である場合には、ストレスレベルに応じた休憩案内の情報を提示する。この場合、判定部２７は、ストレスレベルに応じた休憩案内に従う休憩の実行によって渋滞規模が増大する可能性が高いか否かを、渋滞規模が所定規模よりも大きいか否かによって判定しており、この判定結果として、渋滞規模が増大する可能性は低いと判定している。情報提示制御部２８は、例えば図７に示すように、ストレスレベルが増大することに応じて、当初の走行計画案内における休憩地点候補Ａよりも手前の新たな休憩地点候補Ｂの情報を提示するように、休憩案内の内容を変更する。
情報提示制御部２８は、例えば、ストレスレベルが所定値よりも大きく、渋滞規模が所定規模よりも大きい場合には、ストレスレベルおよび渋滞規模に応じた休憩案内の情報を提示する。この場合、判定部２７は、ストレスレベルに応じた休憩案内に従う休憩の実行によって渋滞規模が増大する可能性が高いか否かを、渋滞規模が所定規模よりも大きいか否かによって判定しており、この判定結果として、渋滞規模が増大する可能性は高いと判定している。情報提示制御部２８は、例えば図８に示すように、ストレスレベルが増大することに応じて、当初の走行計画案内における休憩地点候補Ａよりも手前の新たな休憩地点候補Ｂを選択する。さらに、情報提示制御部２８は、新たな休憩地点候補Ｂの先に渋滞規模が所定規模よりも大きい渋滞地点１６ｇが存在することに応じて、休憩地点候補Ｂよりも手前の新たな休憩地点候補Ｃの情報を提示するように、休憩案内の内容を変更する。

情報提示制御部２８は、例えば、ストレスレベルが所定値以下であり、連続走行時間が所定時間よりも長い場合には、連続走行時間に応じた休憩案内の情報を提示する。情報提示制御部２８は、例えば図９に示すように、連続走行時間が所定時間を超えることに応じて、当初の走行計画案内における休憩地点候補Ａよりも手前における最寄りの休憩地点候補Ｃの情報を提示するように、休憩案内の内容を変更する。
情報提示制御部２８は、例えば、ストレスレベルが所定値以下であり、連続走行時間が所定時間以下であり、渋滞規模が所定規模よりも大きい場合には、渋滞規模に応じた休憩案内の情報を提示する。この場合、判定部２７は、当初の走行計画案内の休憩案内に従う休憩の実行によって渋滞規模が増大する可能性が高いか否かを、渋滞規模が所定規模よりも大きいか否かによって判定しており、この判定結果として、渋滞規模が増大する可能性は高いと判定している。情報提示制御部２８は、例えば図１０に示すように、当初の走行計画案内における休憩地点候補Ａの先に渋滞規模が所定規模よりも大きい渋滞地点１６ｇが存在することに応じて、休憩地点候補Ａよりも手前の新たな休憩地点候補Ｂの情報を提示するように、休憩案内の内容を変更する。

本実施形態によるストレス緩和支援装置１０は上記構成を備えており、次に、ストレス緩和支援装置１０の動作、つまりストレス緩和支援方法について説明する。

先ず、図１３に示すステップＳ０１において、情報提示制御部２８は、入力デバイス１５を介して操作者から入力される走行計画案内の実行指示に応じて、表示装置１６における走行計画案内の情報提示を開始する。
次に、ステップＳ０２において、機器制御部１８は、３次元加速度センサ１４によってＸ軸、Ｙ軸、およびＺ軸の各軸方向の加速度が検出されたか否かを判定する。
この判定結果が「ＮＯ」の場合、機器制御部１８は、ステップＳ０２の判定処理を繰り返し実行する。
一方、この判定結果が「ＹＥＳ」の場合、機器制御部１８は、処理をステップＳ０３に進める。
次に、ステップＳ０３において、入力データ算出部２１は、３次元加速度センサ１４によって検出されたＸ軸、Ｙ軸、およびＺ軸の各軸方向の加速度を用いて３次元空間における加速度ベクターＡを算出する。そして、サンプリング周期ΔＴの時間間隔をおいた２つの異なるタイミングの加速度ベクターＡの差分（加速度ベクター差分）ΔＡのノルムｕを入力データとして算出する。

次に、ステップＳ０４において、周波数分析部２２は、操作者によって適宜に設定可能な入出力点数において、操作者によって適宜に設定可能な遅れ数を用いて入力データの自己相関を算出する。そして、自己相関に高速フーリエ変換を行なうことによってパワースペクトル（加速度スペクトル）を算出する。
次に、ステップＳ０５において、単回帰直線算出部２３は、加速度スペクトルの所定周波数範囲での単回帰直線を算出し、この単回帰直線の傾きを角度（スペクトル角度）θの情報に変換する。
次に、ステップＳ０６において、速度算出部２０は、３次元加速度センサ１４によって検出されたＸ軸、Ｙ軸、およびＺ軸の各軸方向の加速度を用いて、ストレス緩和支援装置１０の速度Ｖを算出する。

次に、ステップＳ０７において、渋滞予兆情報算出部２４は、例えば、単回帰直線算出部２３によって算出されるスペクトル角度θを渋滞予兆情報とする。
次に、ステップＳ０８において、ストレスレベル算出部２５は、車両１の連続走行時間を算出する。
次に、ステップＳ０９において、ストレスレベル算出部２５は、渋滞予兆情報および渋滞予兆情報の経時変化に基づいて、車両１の運転者のストレスレベルを予測する。

次に、ステップＳ１０において、判定部２７は、ストレスレベル算出部２５によって算出された運転者のストレスレベルが所定値よりも大きいか否かを判定する。
この判定結果が「ＮＯ」の場合、判定部２７は、処理をステップＳ１６に進める。
一方、この判定結果が「ＹＥＳ」の場合、判定部２７は、処理をステップＳ１１に進める。
次に、ステップＳ１１において、渋滞規模予測部２６は、スペクトル角度θおよび速度Ｖに基づいて、機械学習によって生成される渋滞予測モデルを用いて渋滞ピーク確率を算出する。
次に、ステップＳ１２において、渋滞規模予測部２６は、所定時間ごとの渋滞ピーク確率の経時変化に基づいて、将来における渋滞ピーク確率の推移を予測する。

次に、ステップＳ１３において、判定部２７は、渋滞ピーク確率が所定確率よりも大きいか否かを判定することによって、渋滞規模が所定規模よりも大きいか否かを判定する。
この判定結果が「ＮＯ」の場合、判定部２７は、ストレスレベルに応じた休憩案内に従う休憩の実行に起因して渋滞規模が増大する可能性は低いと判断して、処理をステップＳ１４に進める。
一方、この判定結果が「ＹＥＳ」の場合、判定部２７は、ストレスレベルに応じた休憩案内に従う休憩の実行に起因して渋滞規模が増大する可能性は高いと判断して、処理をステップＳ１５に進める。
次に、ステップＳ１４において、情報提示制御部２８は、ストレスレベルに応じた休憩案内の情報を提示し、処理をステップＳ２２に進める。
次に、ステップＳ１５において、情報提示制御部２８は、ストレスレベルおよび渋滞規模に応じた休憩案内の情報を提示し、処理をステップＳ２２に進める。

次に、ステップＳ１６において、判定部２７は、連続走行時間が所定時間よりも長いか否かを判定する。
この判定結果が「ＮＯ」の場合、判定部２７は、処理をステップＳ１８に進める。
一方、この判定結果が「ＹＥＳ」の場合、判定部２７は、処理をステップＳ１７に進める。
次に、ステップＳ１７において、情報提示制御部２８は、連続走行時間に応じた休憩案内の情報を提示し、処理をステップＳ２２に進める。
次に、ステップＳ１８において、渋滞規模予測部２６は、スペクトル角度θおよび速度Ｖに基づいて、機械学習によって生成される渋滞予測モデルを用いて渋滞ピーク確率を算出する。
次に、ステップＳ１９において、渋滞規模予測部２６は、所定時間ごとの渋滞ピーク確率の経時変化に基づいて、将来における渋滞ピーク確率の推移を予測する。

次に、ステップＳ２０において、判定部２７は、渋滞ピーク確率が所定確率よりも大きいか否かを判定することによって、渋滞規模が所定規模よりも大きいか否かを判定する。
この判定結果が「ＮＯ」の場合、判定部２７は、当初の走行計画案内の休憩案内に従う休憩の実行に起因して渋滞規模が増大する可能性は低いと判断して、処理をステップＳ２２に進める。
一方、この判定結果が「ＹＥＳ」の場合、判定部２７は、当初の走行計画案内の休憩案内に従う休憩の実行に起因して渋滞規模が増大する可能性は高いと判断して、処理をステップＳ２１に進める。
次に、ステップＳ２１において、情報提示制御部２８は、渋滞規模に応じた休憩案内の情報を提示し、処理をステップＳ２２に進める。

次に、ステップＳ２２において、情報提示制御部２８は、操作者による第２メニュー項目１６ｂの選択操作によって休憩の実行が指示されているか否かを判定する。
この判定結果が「ＹＥＳ」の場合、情報提示制御部２８は、処理をステップＳ２３に進める。そして、ステップＳ２３において、ストレスレベル算出部２５は、休憩開始時点のストレスレベルから休憩時間に応じたストレス緩和値を減算して得られる値を、新たに運転者のストレスレベルとし、処理をステップＳ２２に戻す。
一方、この判定結果が「ＮＯ」の場合、情報提示制御部２８は、処理をステップＳ２４に進める。
次に、ステップＳ２４において、判定部２７は、操作者による第３メニュー項目１６ｃの選択操作によって走行計画案内の表示完了が指示されたか否かを判定する。
この判定結果が「ＮＯ」の場合、判定部２７は、処理をステップＳ０２に戻す。
一方、この判定結果が「ＹＥＳ」の場合、判定部２７は、処理をエンドに進める。

上述したように、本実施形態のストレス緩和支援装置１０およびストレス緩和支援方法によれば、運転者の運転操作に起因する加速度の変化に基づいてストレスレベルを予測するので、心拍数などの生体情報を用いる場合に比べて、個人特性に起因する誤差の増大を防ぎ、精度の良い予測を行うことができる。渋滞予兆情報に基づくストレスレベルに応じて休憩案内を実行するので、渋滞に到達してストレスレベルが増大してしまうことを防ぎ、渋滞予兆の状態から早期にストレス緩和を支援することができる。
さらに、ストレスレベルに加えて渋滞規模に応じて休憩案内を実行するので、渋滞規模に起因して将来的にストレスレベルが増大することを防ぐことができる。
さらに、休憩の前後での渋滞規模の変化に応じて休憩案内の内容を変更するので、将来のストレスレベルの増減可能性に応じて適切な休憩案内を行うことができる。
さらに、運転者のストレスレベルにかかわりなく車両１の連続走行時間に応じた休憩案内の情報を提示するので、車両１の連続走行時間が所定時間よりも長くなることによってストレスレベルが増大することを防ぐことができる。
さらに、休憩中においてもストレスレベルの情報を保持し、休憩時間に応じてストレスレベルを低減するので、休憩終了後におけるストレスレベルの予測精度を向上させることができる。
さらに、順位付けの情報によってストレス緩和および渋滞緩和に対する運転者の意欲を増大させることができる。

以下、上述した実施形態の変形例について添付図面を参照しながら説明する。
上述した実施形態において、ストレス緩和支援装置１０は、ストレスレベルを予測する際に外部の装置から受信する情報を用いずに、自身の３次元加速度センサ１４によって検出される加速度の情報のみを用いるとしたが、これに限定されない。
実施形態の変形例によるストレス緩和支援システム３０は、図１４に示すように、少なくとも１つ以上のストレス緩和支援装置１０と、ストレス緩和支援装置１０と通信可能なサーバ装置３１と、を備えている。
サーバ装置３１は、サーバ通信装置３２と、サーバ制御部３３と、地図データ記憶部３４と、ストレスレベル算出部３５と、渋滞規模予測部３６と、サーバ判定部３７と、情報提示制御部３８と、を備えている。

サーバ通信装置３２は、例えば、インフラストラクチャモードの無線通信、または路側通信機を介した路車間通信などによって、ストレス緩和支援装置１０の機器通信装置１１と双方向に通信可能であって、各種の情報を送受信する。

サーバ制御部３３は、サーバ通信装置３２によってストレス緩和支援装置１０から受信した各種の情報をストレスレベル算出部３５に出力する。サーバ制御部３３は、サーバ判定部３７および情報提供制御部３８から出力される各種の情報を、サーバ通信装置３２によって少なくとも１つ以上のストレス緩和支援装置１０に送信する。
この変形例においてストレス緩和支援装置１０は、３次元加速度センサ１４によって検出されたＸ軸、Ｙ軸、およびＺ軸の各軸方向の加速度に基づいた情報を、サーバ装置３１に送信可能である。この情報は、例えば、速度算出部２０によって算出された速度Ｖ、単回帰直線算出部２３によって算出されたスペクトル角度θ、渋滞予兆情報算出部２４によって算出された渋滞予兆指標Ｉ、渋滞予兆度、および車両１の連続走行時間などの情報
を含む。さらに、この情報は、現在位置取得部１３によって取得された現在位置の履歴および速度算出部２０によって算出された速度Ｖの履歴の情報などを含んでいる。

地図データ記憶部３４は、地図データを記憶する。
地図データは、例えば、ストレス緩和支援装置１０の現在位置の情報に基づくマップマッチングの処理に必要とされる道路上の位置座標を示す道路座標データと、誘導経路の算出に必要とされる道路地図データと、を備えている。道路地図データは、例えば、ノード、リンク、リンクコスト、道路構造、道路形状、道路状態、道路種別、施設などのランドマーク、工事個所、交通信号機、および踏切などのデータを備えている。ノードは、交差点および分岐点などの道路上の所定の地点の緯度および経度からなる座標点である。リンクは、各ノード間を結ぶ線であり、地点間を接続する道路区間である。リンクコストは、リンクに対応する道路区間の距離または道路区間の移動に要する時間を示す情報である。

ストレスレベル算出部３５は、少なくとも１つ以上のストレス緩和支援装置１０から受信する現在位置の情報に基づく適宜の位置範囲内に対して、渋滞予兆情報および渋滞予兆情報の経時変化に基づいて、車両１の運転者のストレスレベルを予測する。ストレスレベル算出部３５は、例えば、適宜の位置範囲内において走行計画案内が実行されている車両１に対しては、渋滞予兆指標Ｉの変化と連続走行時間との積によって、適宜の位置範囲内における運転者のストレスレベルを算出する。ストレスレベル算出部３５は、例えば、適宜の位置範囲内において休憩中の車両１に対しては、休憩開始時点のストレスレベルから休憩時間に応じたストレス緩和値を減算することによって、適宜の位置範囲内における運転者のストレスレベルを算出する。

渋滞規模予測部３６は、少なくとも１つ以上のストレス緩和支援装置１０から受信する現在位置の情報に基づく適宜の位置範囲内に対して、渋滞予兆があるか否かを判定する。渋滞規模予測部３６は、例えば、ストレス緩和支援装置１０から受信したスペクトル角度θまたは渋滞予兆度などに基づいて、スペクトル角度θまたは渋滞予兆度などが所定条件を満たすストレス緩和支援装置１０の数および割合を取得する。渋滞規模予測部３６は、スペクトル角度θまたは渋滞予兆度などが、所定の閾値以上であるストレス緩和支援装置１０の数および割合に基づいて、適宜の位置範囲内のストレス緩和支援装置１０に渋滞予兆があるか否かを判定する。
渋滞規模予測部３６は、適宜の位置範囲内のストレス緩和支援装置１０に渋滞予兆があると判定した場合には、適宜の位置範囲内の渋滞予兆情報および速度Ｖに基づいて、渋滞規模を予測する。渋滞規模予測部３６は、例えば、適宜の位置範囲内のスペクトル角度θおよび速度Ｖに基づいて、機械学習によって生成される渋滞予測モデルを用いて、渋滞ピーク確率を算出する。渋滞規模予測部３６は、例えば、所定時間ごとの渋滞ピーク確率の経時変化に基づいて、将来における渋滞ピーク確率の推移を予測する。

サーバ判定部３７は、上述した実施形態の少なくとも１つ以上のストレス緩和支援装置１０の判定部２７が実行する処理の少なくとも一部と同様の処理を実行する。サーバ判定部３７は、少なくとも１つ以上のストレス緩和支援装置１０から受信する現在位置の情報に基づく適宜の位置範囲内に対して、ストレスレベル、車両１の連続走行時間、および渋滞規模を用いて、各種の判定処理を行う。サーバ判定部３７は、例えば、適宜の位置範囲内のストレスレベルが所定値よりも大きいか否かを判定する。サーバ判定部３７は、例えば、適宜の位置範囲内の車両１の連続走行時間が所定時間よりも長いか否かを判定する。サーバ判定部３７は、例えば、適宜の位置範囲内の渋滞ピーク確率が所定確率よりも大きいか否かを判定することによって、適宜の位置範囲内の情報から予測される渋滞規模が所定規模よりも大きいか否かを判定する。

情報提示制御部３８は、上述した実施形態の少なくとも１つ以上のストレス緩和支援装置１０の情報提示制御部２８が実行する処理の少なくとも一部を実行する。情報提示制御部３８は、サーバ判定部３７による判定結果に応じて、各ストレス緩和支援装置１０の表示装置１６における情報提示の内容を変化させる。情報提示制御部３８は、情報提示に関する情報を、適宜の位置範囲内の全てのストレス緩和支援装置１０に送信するためにサーバ制御部３３に出力する。

変形例によるストレス緩和支援システム３０は上記構成を備えており、次に、ストレス緩和支援システム３０の動作について説明する。

先ず、図１５に示すステップＳ３１において、機器制御部１８は、ストレス緩和支援装置１０が、無線通信ネットワークシステムなどの通信ネットワークに接続され、この通信ネットワークを介して、通信不良など無しに、サーバ装置３１に適正に接続可能であるか否かを判定する。
この判定結果が「ＮＯ」の場合、機器制御部１８は、ステップＳ３１の処理を繰り返し実行する。
一方、この判定結果が「ＹＥＳ」の場合、機器制御部１８は、処理をステップＳ３２に進める。

そして、ステップＳ３２において、機器制御部１８は、ストレス緩和支援装置１０の操作者による指示などによってサーバ装置３１などの外部の装置とは独立したスタンドアローン動作の実行指示が発生していないか否かを判定する。
この判定結果が「ＹＥＳ」の場合、つまりスタンドアローン動作の実行指示が無い場合、機器制御部１８は、処理をステップＳ３３に進める。このステップＳ３３において、機器制御部１８は、後述するネットワーク動作を実行し、処理を終了させる。
一方、この判定結果が「ＮＯ」の場合、機器制御部１８は、処理をステップＳ３４に進める。このステップＳ３４において、機器制御部１８は、スタンドアローン動作として、上述した実施形態でのステップＳ０１からステップＳ２４の処理を実行する。

以下に、上述したステップＳ３３でのネットワーク動作について説明する。
先ず、図１６に示すステップＳ４１において、機器制御部１８は、所定の通信インジケータ表示を、表示装置１６に表示する。機器制御部１８は、通信インジケータ表示を、ストレス緩和支援装置１０が、無線通信ネットワークシステムなどの通信ネットワークに接続され、この通信ネットワークを介して、通信不良など無しに、サーバ装置３１に適正に接続可能であることを示す表示とする。

次に、ステップＳ４２において、機器制御部１８は、３次元加速度センサ１４によってＸ軸、Ｙ軸、およびＺ軸の各軸方向の加速度が検出され、かつ現在位置取得部１３によって現在位置の情報が取得されたか否かを判定する。
この判定結果が「ＮＯ」の場合、機器制御部１８は、ステップＳ４２の判定処理を繰り返し実行する。
一方、この判定結果が「ＹＥＳ」の場合、機器制御部１８は、処理をステップＳ４３に進める。
次に、ステップＳ４３において、入力データ算出部２１は、３次元加速度センサ１４によって検出されたＸ軸、Ｙ軸、およびＺ軸の各軸方向の加速度を用いて３次元空間における加速度ベクターＡを算出する。そして、サンプリング周期ΔＴの時間間隔をおいた２つの異なるタイミングの加速度ベクターＡの差分（加速度ベクター差分）ΔＡのノルムｕを入力データとして算出する。

次に、ステップＳ４４において、周波数分析部２２は、操作者によって適宜に設定可能な入出力点数において、操作者によって適宜に設定可能な遅れ数を用いて入力データの自己相関を算出する。そして、自己相関に高速フーリエ変換を行なうことによってパワースペクトル（加速度スペクトル）を算出する。
次に、ステップＳ４５において、単回帰直線算出部２３は、加速度スペクトルの所定周波数範囲での単回帰直線を算出し、この単回帰直線の傾きを角度（スペクトル角度）θの情報に変換する。
次に、ステップＳ４６において、速度算出部２０は、３次元加速度センサ１４によって検出されたＸ軸、Ｙ軸、およびＺ軸の各軸方向の加速度を用いて、ストレス緩和支援装置１０の速度Ｖを算出する。

次に、ステップＳ４７において、渋滞予兆情報算出部２４は、例えば、単回帰直線算出部２３によって算出されるスペクトル角度θを渋滞予兆情報とする。
次に、ステップＳ４８において、ストレスレベル算出部２５は、車両１の連続走行時間を算出する。

次に、ステップＳ４９において、機器制御部１８は、速度Ｖ、スペクトル角度θ、渋滞予兆指標Ｉ、渋滞予兆度、車両１の連続走行時間、および現在位置の情報などを、機器通信装置１１を介してサーバ装置３１に送信する。これによりサーバ装置３１は、少なくとも１つ以上のストレス緩和支援装置１０から受信する現在位置の情報に基づく適宜の位置範囲内に対して、運転者のストレスレベルを算出する。サーバ装置３１は、例えば、適宜の位置範囲内のストレスレベルが所定値よりも大きいか否かを判定する。サーバ装置３１は、例えば、適宜の位置範囲内の車両１の連続走行時間が所定時間よりも長いか否かを判定する。サーバ装置３１は、例えば、適宜の位置範囲内のストレス緩和支援装置１０に渋滞予兆があるか否かを判定する。サーバ装置３１は、適宜の位置範囲内のストレス緩和支援装置１０に渋滞予兆があると判定した場合には、適宜の位置範囲内の渋滞予兆情報および速度Ｖに基づいて、機械学習によって生成される渋滞予測モデルを用いて、渋滞ピーク確率を算出する。サーバ装置３１は、所定時間ごとの渋滞ピーク確率の経時変化に基づいて、将来における渋滞ピーク確率の推移を予測する。サーバ装置３１は、予測した渋滞ピーク確率が所定確率よりも大きいか否かを判定することによって、適宜の位置範囲内の情報から予測される渋滞規模が所定規模よりも大きいか否かを判定する。サーバ装置３１は、サーバ判定部３７による各種の判定結果に応じて、適宜の位置範囲内のストレス緩和支援装置１０の表示装置１６における情報提示に関する情報を、適宜の位置範囲内の全てのストレス緩和支援装置１０に送信する。

次に、ステップＳ５０において、機器制御部１８は、表示装置１６における情報提示に関する情報を、サーバ装置３１から受信したか否かを判定する。
この判定結果が「ＮＯ」の場合、機器制御部１８は、処理をリターンに進める。
一方、この判定結果が「ＹＥＳ」の場合、機器制御部１８は、処理をステップＳ５１に進める。
次に、ステップＳ５１において、機器制御部１８は、サーバ装置３１から受信した情報に基づいて表示装置１６を制御する。そして、機器制御部１８は、処理をリターンに進める。

変形例に係るストレス緩和支援システム３０およびストレス緩和支援方法によれば、複数のストレス緩和支援装置１０から加速度に基づいた情報を取得し、リアルタイムかつ統括的に休憩案内を行なうことができる。これにより、例えばストレス緩和支援装置１０が単独でストレスレベルを予測して、休憩案内を行う場合に比べて、演算効率を向上させることができると共に、複数のストレス緩和支援装置１０の連動によってストレス緩和を効率的に制御することができる。

なお、上述した実施形態において、ストレスレベル算出部２５は、渋滞予兆指標Ｉの経時変化および車両１の連続走行時間に基づいて、運転者のストレスレベルを予測するとしたが、これに限定されない。ストレスレベル算出部２５は、車両１の連続走行時間を用いずに、渋滞予兆指標Ｉまたは渋滞予兆に関する情報などの経時変化を用いて、運転者のストレスレベルを予測してもよい。
さらに、ストレスレベル算出部２５は、３次元加速度センサ１４によって検出された加速度の方向の情報に基づいて、運転者のストレスレベルを予測してもよい。ストレスレベル算出部２５は、例えば、車両１の車線変更などに起因する車両１の左右方向における加速度の発生頻度が増大することに伴い、運転者のストレスレベルが増大傾向に変化すると予測してもよい。

なお、上述した実施形態において、渋滞予兆情報算出部２４は、スペクトル角度θの極大値（傾き極大値）を用いて渋滞予兆度を取得するとしたが、これに限定されない。渋滞予兆情報算出部２４は、傾き極大値以外の他の状態量を組み合わせて渋滞予兆度を取得してもよい。傾き極大値以外の他の状態量は、例えば、速度Ｖおよびスペクトル角度θなどでもよい。

なお、上述した実施形態において、ストレス緩和支援装置１０は、情報提示によってストレス緩和支援を行う情報提示制御部２８および表示装置１６を備えるとしたが、これに限定されない。ストレス緩和支援装置１０およびサーバ装置３１の各々は、例えば、自動的な速度制御によってストレス緩和支援を行う速度制御部、および運転者の運転操作を機械的または電気的に補助することによってストレス緩和支援を行うアシスト制御部などを備えてもよい。

上述の実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。上述の新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。上述の実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
例えば、上記の実施形態では、サーバ装置３１を１つの装置として構成した例を示したが複数の装置を通信回線などで接続して構成してもよい。

１０…ストレス緩和支援装置（電子機器）、１１…機器通信装置（通信部）、１２…測位信号受信器、１３…現在位置取得部、１４…３次元加速度センサ（加速度取得部）、１５…入力デバイス、１６…表示装置（指示部）、１７…地図データ記憶部、１８…機器制御部、２０…速度算出部（速度取得部）、２１…入力データ算出部、２２…周波数分析部、２３…単回帰直線算出部、２４…渋滞予兆情報算出部（渋滞予兆情報取得部）、２５…ストレスレベル算出部（ストレスレベル予測部）、２６…渋滞規模予測部、２７…判定部、２８…情報提示制御部（指示部）、３０…ストレス緩和支援システム、３１…サーバ装置、３２…サーバ通信装置（サーバ通信部）、３５…ストレスレベル算出部（サーバストレスレベル予測部）、３６…渋滞規模予測部（サーバ渋滞規模予測部）、３７…サーバ判定部、３８…情報提示制御部（サーバ指示部）

Claims (23)

1. 車両の加速度を取得する加速度取得部と、
   前記加速度取得部によって取得された前記加速度の変化に基づく渋滞予兆情報を取得する渋滞予兆情報取得部と、
   前記渋滞予兆情報および前記渋滞予兆情報の経時変化に基づいて前記車両の運転者のストレスレベルを予測するストレスレベル予測部と、
   前記ストレスレベルに応じて休憩案内の実行を指示する指示部と、
   を備える、
   ことを特徴とするストレス緩和支援装置。
2. 前記車両の速度を取得する速度取得部と、
   前記渋滞予兆情報が渋滞予兆の状態を示す場合に、前記渋滞予兆情報と前記速度取得部によって取得された前記速度とに基づいて渋滞規模を予測する渋滞規模予測部と、
   を備え、
   前記指示部は、前記渋滞規模および前記ストレスレベルに応じて前記休憩案内の内容を変更する、
   ことを特徴とする請求項１に記載のストレス緩和支援装置。
3. 前記渋滞予兆情報および前記速度の情報を外部に送信するとともに、他の車両に対して取得された前記渋滞予兆情報および前記速度の情報を外部から受信する通信部を備え、
   前記渋滞規模予測部は、前記通信部によって外部に送信する前記渋滞予兆情報および前記速度の情報と、前記通信部によって外部から受信した前記他の車両の前記渋滞予兆情報および前記速度の情報とを組み合わせて、渋滞予測モデルを用いて前記渋滞規模を予測する、
   ことを特徴とする請求項２に記載のストレス緩和支援装置。
4. 前記休憩案内に応じた休憩の実行に起因して前記渋滞規模が増大するか否かを判定する判定部を備え、
   前記指示部は、前記休憩の実行に起因して前記渋滞規模が増大すると判定される場合に、前記休憩案内の内容を変更する、
   ことを特徴とする請求項２または請求項３に記載のストレス緩和支援装置。
5. 前記指示部は、前記車両の連続走行時間が所定時間よりも長い場合には、前記ストレスレベルにかかわらずに前記休憩案内の実行を指示する、
   ことを特徴とする請求項１から請求項４の何れか１項に記載のストレス緩和支援装置。
6. 前記ストレスレベル予測部は、休憩時間に応じて前記ストレスレベルを低減させる、
   ことを特徴とする請求項１から請求項５の何れか１項に記載のストレス緩和支援装置。
7. ストレス緩和および渋滞緩和に関する前記車両の走行状態の情報に点数付けをして、前記点数付けに応じた順位付けの情報を報知する報知部を備える、
   ことを特徴とする請求項１から請求項６の何れか１項に記載のストレス緩和支援装置。
8. 請求項１から請求項７の何れか１項に記載のストレス緩和支援装置から送信される前記渋滞予兆情報を受信するサーバ通信部と、
   複数の前記ストレス緩和支援装置から取得した複数の前記渋滞予兆情報に基づいて、前記車両の運転者のストレスレベルを予測するサーバストレスレベル予測部と、
   前記サーバストレスレベル予測部によって予測される前記ストレスレベルに応じて、休憩案内の実行を指示するサーバ指示部と、
   を備え、
   前記サーバ通信部は、前記サーバ指示部の指示の情報を前記複数の前記ストレス緩和支援装置に送信する、
   ことを特徴とするサーバ装置。
9. 請求項１から請求項７の何れか１項に記載のストレス緩和支援装置と、
   請求項８に記載のサーバ装置と、
   を備えるストレス緩和支援システム。
10. 車両の加速度を取得する加速度取得部を備える電子機器が実行するストレス緩和支援方法であって、
    前記電子機器が、前記加速度取得部によって取得された前記加速度の変化に基づく渋滞予兆情報を取得する渋滞予兆情報取得ステップと、
    前記電子機器が、前記渋滞予兆情報および前記渋滞予兆情報の経時変化に基づいて前記車両の運転者のストレスレベルを予測するストレスレベル予測ステップと、
    前記電子機器が、前記ストレスレベルに応じて休憩案内の実行を指示する指示ステップと、
    を含む、
    ことを特徴とするストレス緩和支援方法。
11. 前記電子機器が、前記車両の速度を取得する速度取得ステップと、
    前記電子機器が、前記渋滞予兆情報が渋滞予兆の状態を示す場合に、前記渋滞予兆情報と前記速度とに基づいて、渋滞規模を予測する渋滞規模予測ステップと、
    を含み、
    前記電子機器は、前記指示ステップにおいて、前記渋滞規模および前記ストレスレベルに応じて前記休憩案内の内容を変更する、
    ことを特徴とする請求項１０に記載のストレス緩和支援方法。
12. 前記電子機器が、前記渋滞予兆情報および前記速度の情報を外部に送信するとともに、他の車両に対して取得された前記渋滞予兆情報および前記速度の情報を外部から受信する通信ステップを含み、
    前記電子機器は、前記渋滞規模予測ステップにおいて、外部に送信する前記渋滞予兆情報および前記速度の情報と、外部から受信した前記他の車両の前記渋滞予兆情報および前記速度の情報とを組み合わせて、渋滞予測モデルを用いて前記渋滞規模を予測する、
    ことを特徴とする請求項１１に記載のストレス緩和支援方法。
13. 前記電子機器が、前記休憩案内に応じた休憩の実行に起因して前記渋滞規模が増大するか否かを判定する判定ステップを含み、
    前記電子機器は、前記指示ステップにおいて、前記休憩の実行に起因して前記渋滞規模が増大すると判定される場合に、前記休憩案内の内容を変更する、
    ことを特徴とする請求項１１または請求項１２に記載のストレス緩和支援方法。
14. 前記電子機器は、前記指示ステップにおいて、前記車両の連続走行時間が所定時間よりも長い場合には、前記ストレスレベルにかかわらずに前記休憩案内の実行を指示する、
    ことを特徴とする請求項１０から請求項１３の何れか１項に記載のストレス緩和支援方法。
15. 前記電子機器は、前記ストレスレベル予測ステップにおいて、休憩時間に応じて前記ストレスレベルを低減させる、
    ことを特徴とする請求項１０から請求項１４の何れか１項に記載のストレス緩和支援方法。
16. 前記電子機器が、ストレス緩和および渋滞緩和に関する前記車両の走行状態の情報に点数付けをして、前記点数付けに応じた順位付けの情報を報知する報知ステップを含む、
    ことを特徴とする請求項１０から請求項１５の何れか１項に記載のストレス緩和支援方法。
17. 車両の加速度を取得する加速度取得部を備える電子機器のコンピュータに、
    前記加速度取得部によって取得された前記加速度の変化に基づく渋滞予兆情報を取得する渋滞予兆情報取得ステップと、
    前記渋滞予兆情報および前記渋滞予兆情報の経時変化に基づいて前記車両の運転者のストレスレベルを予測するストレスレベル予測ステップと、
    前記ストレスレベルに応じて休憩案内の実行を指示する指示ステップと、
    を実行させる、
    ことを特徴とするプログラム。
18. 前記コンピュータに、
    前記車両の速度を取得する速度取得ステップと、
    前記渋滞予兆情報が渋滞予兆の状態を示す場合に、前記渋滞予兆情報と前記速度とに基づいて、渋滞規模を予測する渋滞規模予測ステップと、
    を実行させ、
    前記指示ステップにおいて、前記渋滞規模および前記ストレスレベルに応じて前記休憩案内の内容を変更させる、
    ことを特徴とする請求項１７に記載のプログラム。
19. 前記コンピュータに、
    前記渋滞予兆情報および前記速度の情報を外部に送信するとともに、他の車両に対して取得された前記渋滞予兆情報および前記速度の情報を外部から受信する通信ステップを実行させ、
    前記渋滞規模予測ステップにおいて、外部に送信する前記渋滞予兆情報および前記速度の情報と、外部から受信した前記他の車両の前記渋滞予兆情報および前記速度の情報とを組み合わせて、渋滞予測モデルを用いて前記渋滞規模を予測させる、
    ことを特徴とする請求項１８に記載のプログラム。
20. 前記コンピュータに、
    前記休憩案内に応じた休憩の実行に起因して前記渋滞規模が増大するか否かを判定する判定ステップを実行させ、
    前記指示ステップにおいて、前記休憩の実行に起因して前記渋滞規模が増大すると判定される場合に、前記休憩案内の内容を変更させる、
    ことを特徴とする請求項１８または請求項１９に記載のプログラム。
21. 前記コンピュータに、
    前記指示ステップにおいて、前記車両の連続走行時間が所定時間よりも長い場合には、前記ストレスレベルにかかわらずに前記休憩案内の実行を指示させる、
    ことを特徴とする請求項１７から請求項２０の何れか１項に記載のプログラム。
22. 前記コンピュータに、
    前記ストレスレベル予測ステップにおいて、休憩時間に応じて前記ストレスレベルを低減させる、
    ことを特徴とする請求項１７から請求項２１の何れか１項に記載のプログラム。
23. 前記コンピュータに、
    ストレス緩和および渋滞緩和に関する前記車両の走行状態の情報に点数付けをして、前記点数付けに応じた順位付けの情報を報知する報知ステップを実行させる、
    ことを特徴とする請求項１７から請求項２２の何れか１項に記載のプログラム。

Images