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
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 Download PDFInfo
- Publication number
- JP2018156249A JP2018156249A JP2017051218A JP2017051218A JP2018156249A JP 2018156249 A JP2018156249 A JP 2018156249A JP 2017051218 A JP2017051218 A JP 2017051218A JP 2017051218 A JP2017051218 A JP 2017051218A JP 2018156249 A JP2018156249 A JP 2018156249A
- Authority
- JP
- Japan
- Prior art keywords
- traffic jam
- information
- stress
- stress level
- sign information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Instructional Devices (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
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)。
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。
(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。
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。
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。
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。
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。
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。
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)=(axt,ayt,azt)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)=(axt−ΔT,ayt−ΔT,azt−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ut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。
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)=(axt,ayt,azt)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)=(axt−ΔT,ayt−ΔT,azt−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ut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。
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、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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017051218A JP2018156249A (ja) | 2017-03-16 | 2017-03-16 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017051218A JP2018156249A (ja) | 2017-03-16 | 2017-03-16 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018156249A true JP2018156249A (ja) | 2018-10-04 |
Family
ID=63716595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017051218A Pending JP2018156249A (ja) | 2017-03-16 | 2017-03-16 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2018156249A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020040101A1 (ja) | 2018-08-23 | 2020-02-27 | 三ツ星ベルト株式会社 | 摩擦伝動ベルト用心線および摩擦伝動ベルトならびにそれらの製造方法 |
US11794752B2 (en) | 2020-03-19 | 2023-10-24 | Honda Motor Co., Ltd. | Recommendation presenting system, recommendation presenting method, and recommendation presentation program |
-
2017
- 2017-03-16 JP JP2017051218A patent/JP2018156249A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020040101A1 (ja) | 2018-08-23 | 2020-02-27 | 三ツ星ベルト株式会社 | 摩擦伝動ベルト用心線および摩擦伝動ベルトならびにそれらの製造方法 |
US11794752B2 (en) | 2020-03-19 | 2023-10-24 | Honda Motor Co., Ltd. | Recommendation presenting system, recommendation presenting method, and recommendation presentation program |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6202538B2 (ja) | 運転支援方法、プログラム、および運転支援装置 | |
KR102277338B1 (ko) | 차량 주행 제어 방법 및 장치 | |
JP6202537B2 (ja) | 走行支援方法、プログラム、および走行支援装置 | |
US10391406B2 (en) | Apparatus and method for safe drive inducing game | |
CN110050301A (zh) | 车辆控制装置 | |
JP4940206B2 (ja) | 道路交通情報提供システム及び方法 | |
WO2014142057A1 (ja) | サーバ装置、渋滞予兆情報表示システム、渋滞予兆情報配信方法、渋滞予兆情報表示方法およびプログラム | |
JPWO2012002097A1 (ja) | 渋滞予測方法 | |
CN110874642A (zh) | 学习装置、学习方法及存储介质 | |
JP6210654B2 (ja) | 運転特性評価方法、プログラムおよび運転特性評価装置 | |
JP5193472B2 (ja) | 車載電子装置 | |
JP5927336B2 (ja) | 渋滞予兆検知方法、プログラムおよび渋滞予兆検知装置 | |
RU2712818C1 (ru) | Способ взаимодействия между агентами и энергонезависимый носитель информации | |
CN110871811A (zh) | 学习装置、模拟系统、学习方法及存储介质 | |
JP2018156249A (ja) | 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 | |
JP2018181386A (ja) | 危険度合い判定装置、危険度合い判定方法および危険度合い判定プログラム | |
JP2016057880A (ja) | 合流支援システム | |
JP2018136781A (ja) | 渋滞緩和支援装置、サーバ装置、渋滞緩和支援システム、渋滞緩和支援方法、およびプログラム | |
JP2017010482A (ja) | 車載装置、及び、情報処理システム | |
JP6361052B2 (ja) | 走行支援方法、プログラム、および走行支援装置 | |
RU2722570C1 (ru) | Система взаимодействия между агентами, способ взаимодействия между агентами и непереходная запоминающая среда | |
JP2023139091A (ja) | 危険度合い判定装置、危険度合い判定方法および危険度合い判定プログラム | |
JP2018081357A (ja) | 運転支援装置 | |
JP5104242B2 (ja) | 情報提供装置、情報提供システム、コンピュータプログラム及び情報提供方法 | |
JP2003040061A (ja) | 車両事故解析装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170510 |