JP2020087109A - 推定装置 - Google Patents

Abstract

【課題】パーソナリティに基づいて運転者の行動や感じ方を正確に推定する。【解決手段】推定装置（１００）は、車両（１０）の周辺状況を示す第１情報を取得する第１取得手段（１１０）と、周辺状況における車両の運転者の行動を示す第２情報を取得する第２取得手段（１２０）と、過去に取得された第１情報及び第２情報に基づいて、運転者のパーソナリティを推定する第１推定手段（１３０）と、第１推定手段で推定された運転者のパーソナリティに基づいて、新たに取得された第１情報が示す周辺状況における運転者の行動及び感じ方の少なくとも一方を推定する第２推定手段（１４０，１５０）とを備える。【選択図】図１

Description

本発明は、車両の運転者の行動や感じ方を推定する推定装置の技術分野に関する。

この種の装置として、車両の運転者のパーソナリティを推定し、パーソナリティに応じた各種動作を実行する装置が知られている。例えば特許文献１では、運転者に対して車両特性（例えば、ハンドルの軽重、サスペンションの硬軟等）に関する質問をし、運転者からの回答に応じて車両特性を調整する技術が開示されている。

その他、特許文献２では、車両の走行時及びメンテナンス時において、運転者が車両に対して行う挙動に関する情報を取得し、運転者の性格を判定する技術が開示されている。特許文献３では、車両の走行履歴情報を用いて、ドライバの運転傾向（例えば、癖や運転技量等）を推定し、その推定結果に合わせた運転アドバイスを提供する技術が開示されている。特許文献４では、運転者の性格と運転操作との関係に関する記載がある。

特開２００１−２５３２１９号公報 特開２００７−３２７８７２号公報 特開２００９−０６４２５４号公報 特開２００２−２２００３５号公報

特許文献１に記載されている技術では、車両の運転者の回答（例えば、発話内容）に基づいて、運転者のパーソナリティを推定している。しかしながら、運転者の回答を用いるだけでは、運転者のパーソナリティを正確に推定できない可能性もある。例えば、運転者の認識と実際のパーソナリティとの間にずれがある場合や、運転者自身が気付いていない（即ち、自覚していない）パーソナリティについては、運転者からの回答に基づいて推定することは難しい。

本発明は、例えば上記問題点に鑑みてなされたものであり、運転者のパーソナリティを正確に推定し、推定したパーソナリティに基づいて運転者の行動や感じ方を推定することが可能な推定装置を提供することを課題とする。

本発明に係る推定装置の一態様では、車両の周辺状況を示す第１情報を取得する第１取得手段と、前記周辺状況における前記車両の運転者の行動を示す第２情報を取得する第２取得手段と、過去に取得された前記第１情報及び前記第２情報に基づいて、前記運転者のパーソナリティを推定する第１推定手段と、前記第１推定手段で推定された前記運転者のパーソナリティに基づいて、新たに取得された前記第１情報が示す周辺状況における前記運転者の行動及び感じ方の少なくとも一方を推定する第２推定手段とを備える。

第１実施形態に係る推定装置の構成を示すブロック図である。 第１実施形態に係る推定装置におけるパーソナリティ更新部の動作の流れを示すフローチャートである。 神経症傾向を判定するのに適した状況の一例、並びに行動指標及びパーソナリティ判定式を示す表である。 外向性を判定するのに適した状況の一例、並びに行動指標及びパーソナリティ判定式を示す表である。 勤勉性を判定するのに適した状況の一例、並びに行動指標及びパーソナリティ判定式を示す表である。 協調性を判定するのに適した状況の一例、並びに行動指標及びパーソナリティ判定式を示す表である。 開放性を判定するのに適した状況の一例、並びに行動指標及びパーソナリティ判定式を示す表である。 第１実施形態に係る推定装置における行動予測部の動作の流れを示すフローチャートである。 第１実施形態に係る推定装置における感じ方推定部の動作の流れを示すフローチャートである。 神経症傾向スコアと割り込まれる前の車間時間との関係から推定される感じ方推定値の一例を示す表である。 図１０の感じ方推定値を２次元軸の上に座標値として表現した例を示す図である。 パーソナリティの推定結果例を示すレーダーチャートである。 車両の運転手が現在置かれている２種類の状況を示す概略図である。 図１３の２種類の状況に置かれた際の運転者の行動予測結果を示す１次元マップである。 図１３の２種類の状況に置かれた際の運転者の感じ方推定結果を示す２次元マップである。 第２実施形態に係る推定装置の構成を示すブロック図である。 第２実施形態に係る推定装置による感じ方マトリクス更新処理の流れを示すフローチャートである。

以下、図面を参照して推定装置の実施形態について説明する。

＜第１実施形態＞
第１実施形態に係る推定装置について、図１から図１５を参照して説明する。

（装置構成）
まず、第１実施形態に係る推定装置の構成について、図１を参照して説明する。図１は、第１実施形態に係る推定装置の構成を示すブロック図である。

図１に示すように、第１実施形態に係る推定装置１００は、例えば車両１０に搭載されるＥＣＵ（Ｅｌｅｃｔｒｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）として構成されており、その機能を実現するための論理的な処理ブロック又は物理的な処理回路として、状況認識部１１０と、行動指標値特定部１２０と、パーソナリティ更新部１３０と、行動予測部１４０と、感じ方推定部１５０とを備えて構成されている。

状況認識部１１０は、例えば車載カメラ、レーダー、及びライダー等の外界センサや、車速センサ、加速度センサ、ヨーレートセンサ、及びステアリングセンサ等の内界センサで検出される各種情報から、車両１０の周辺状況に関する情報（以下、適宜「周辺状況情報」と称する）を取得可能に構成されている。周辺状況情報は、後述する付記における「第１情報」の一具体例であり、例えば車両１０の位置、車両１０の挙動、周辺車両との位置関係、歩行者との位置関係等を示す情報を含んでいる。状況認識部１１０は、後述する付記における「第１取得手段」の一具体例である。

行動指標値特定部１２０は、例えばマイク、カメラ、各種ＨＭＩ（Ｈｕｍａｎ Ｍａｃｈｉｎｅ Ｉｎｔｅｒｆａｃｅ）、足や手に装着した加速度計、脳波電極、及びネットワーク通信等で取得される各種情報から、車両１０の運転者の行動を示す情報である行動指標値を特定することが可能に構成されている。行動指標値は、後述する付記における「第２情報」の一具体例であり、例えば運転操作に関するものの他、発話の内容、抑揚及び間、並びに運転者の表情、しぐさ及び視線等、運転者の動きから取得できる各種情報を含んでいる。行動指標値特定部１２０は、後述する付記における「第２取得手段」の一具体例である。

パーソナリティ更新部１３０は、状況認識部１１０で取得された周辺状況情報、及び行動指標値特定部１２０で特定された行動指標値に基づいて、車両１０の運転者のパーソナリティ（具体的には、行動や思考における個人の傾向）を推定することが可能に構成されている。パーソナリティの具体的な推定方法については後述する。パーソナリティ更新部１３０は、後述する付記における「第１推定手段」の一具体例である。

行動予測部１４０は、状況認識部１１０で取得された周辺状況情報、及びパーソナリティ更新部１３０で推定された運転者のパーソナリティに基づいて、現在の状況において運転者がどのような行動をとる可能性があるか予測することが可能に構成されている。運転者の行動予測に関する具体的な方法は後述する。行動予測部１４０は、後述する付記における「第２推定手段」の一具体例である。

感じ方推定部１５０は、状況認識部１１０で取得された周辺状況情報、及びパーソナリティ更新部１３０で推定された運転者のパーソナリティに基づいて、現在の状況において運転者がどのような感じ方をするかを推定することが可能に構成されている。運転者の感じ方の具体的な推定方法ついては後述する。感じ方推定部１５０は、行動予測部１４０と同様に、後述する付記における「第２推定手段」の一具体例である。

なお、推定装置１００は、行動予測部１４０で予測された行動、及び感じ方推定部で推定された感じ方に基づいて各種制御を実行する制御部（図示せず）を備えていてもよい。この時の制御部は、例えば車両１０の運転支援（例えば、操舵支援やブレーキ支援等）実行することが可能に構成されてもよい。

（パーソナリティ更新処理）
次に、第１実施形態に係る推定装置１００によるパーソナリティ更新処理（即ち、パーソナリティ更新部１３０の動作）の流れについて、図２を参照して説明する。図２は、第１実施形態に係る推定装置におけるパーソナリティ更新部の動作の流れを示すフローチャートである。

図２に示すように、パーソナリティ更新処理が開始されると、パーソナリティ更新部１３０は、まず状況認識部１１０から周辺状況情報（ｔｎ）を取得する（ステップＳ１１）。なお、ここでの“ｔｘ”は、情報の時系列（言い換えれば、タイミング）を示すものであり、例えば、時間の経過とともに、…、ｔｎ−１、ｔｎ、ｔｎ＋１、…のように定義される。

続いて、パーソナリティ更新部１３０は、周辺状況情報が示す現在の状況が、特定の状況に該当するか否かを判定する（ステップＳ１２）。具体的には、パーソナリティ更新部１３０は、状況認識部１１０で取得された周辺状況情報を用いて、車両１０が置かれている現在の状況が、予めパーソナリティを更新するのに適した状況として設定された“特定の状況”であるか否かを判定する。なお、特定の状況の具体例については後に詳述する。

現在の状況が特定の状況に該当しないと判定した場合（ステップＳ１２：ＮＯ）、以降の処理は省略され、一連の動作は終了する。この場合、パーソナリティ更新部１３０は、所定期間後にステップＳ１１の処理を再開してもよい。一方、現在の状況が特定の状況に該当すると判定した場合（ステップＳ１１：ＹＥＳ）、パーソナリティ更新部１３０は、行動指標値特定部１２０から行動指標値（ｔｎ）を取得する（ステップＳ１３）。

パーソナリティは、例えば複数の要素のスコアによって決まる。パーソナリティ更新部１３０は、それら各要素のスコアを更新するためのスコア（以下、適宜「更新用スコア」と称する）を決定する。具体的には、パーソナリティ更新部１３０は、状況認識部１１０から取得した周辺状況情報（ｔｎ）、及び行動指標値特定部１２０から行動指標値（ｔｎ）から更新用スコアを決定する。なお、より詳しい更新用スコアの決定方法については後述する。

続いて、パーソナリティ更新部１３０は、従来のパーソナリティ要素のスコア（ｔｎ−１）と、更新用スコアとを用いて、新しいパーソナリティ要素のスコア（ｔｎ）を算出する（ステップＳ１５）。従来のパーソナリティ要素のスコア（ｔｎ−１）は、例えば、過去５０回分のパーソナリティ要素のスコア（即ち、過去の更新用スコア）の平均値として算出されたものである。パーソナリティ更新部１３０は、新たな更新用スコアが決定されると、従来のパーソナリティ要素のスコア（ｔｎ−１）に更新用スコアを加味した値を、新しいパーソナリティ要素のスコア（ｔｎ）として算出する。

最後に、パーソナリティ更新部１３０は、算出した新たなパーソナリティ要素のスコア（ｔｎ）を従来値として記憶する（ステップＳ１６）。これにより、パーソナリティ要素のスコアが更新されることになる。

（パーソナリティ要素のスコア算出方法）
続いて、図３から図７を参照して、パーソナリティを構成する複数の要素（ここでは、５つの要素）に関するスコアの算出方法について、具体的に説明する。図３は、神経症傾向を判定するのに適した状況の一例、並びに行動指標及びパーソナリティ判定式を示す表である。図４は、外向性を判定するのに適した状況の一例、並びに行動指標及びパーソナリティ判定式を示す表である。図５は、勤勉性を判定するのに適した状況の一例、並びに行動指標及びパーソナリティ判定式を示す表である。図６は、協調性を判定するのに適した状況の一例、並びに行動指標及びパーソナリティ判定式を示す表である。図７は、開放性を判定するのに適した状況の一例、並びに行動指標及びパーソナリティ判定式を示す表である。なお、以下の例では、各パーソナリティ要素のスコアが１〜５の範囲で算出されるものとする。

図３に示すように、パーソナリティ要素のうち「神経症傾向」に関するスコア（以下、適宜「神経症傾向スコア」と称する）を算出する際には、特定の状況として、車両１０（以下、適宜「自車両１０」と称する）と先行車両２０との間に、脇道から割り込み車両３０が合流してくる状況を用いることができる。このような状況においては、自車両１０の運転者が、「どれだけの車間距離で割り込まれたと判断し、割り込み車両３０に対する車間距離を詰めるか」という行動指標によって、神経症傾向スコアを算出することができる。具体的には、図中のパーソナリティ判定式で示されるように、事前の車間時間ａ（即ち、割り込み前の自車両１０と先行車両２０の車間距離に対応する時間）と、割り込み後の車間時間ｂ（即ち、割り込み後（例えば、５秒後）の自車両１０と割り込み車両３０の車間距離に対応する時間）とを用いて、神経症傾向スコアを算出できる。神経症傾向スコアは、スコアの値が大きいほど神経症傾向が強いことを示す値であり、事前の車間時間ａに対して、割り込み後の車間時間ｂが短いほど高いスコアとして算出される。

図４に示すように、パーソナリティ要素のうち「外向性」に関するスコア（以下、適宜「外向性スコア」と称する）を算出する際には、特定の状況として、自車両１０が、脇道から比較的余裕のある広い道路（図中の先行車両２０が走行する道路）に合流した状況を用いることができる。このような状況においては、自車両１０の運転者が、「どれだけ急加速するか自由度のある状況で、目標車速に対して積極的に加速するか」という行動指標によって、外向性スコアを算出することができる。具体的には、図中のパーソナリティ判定式で示されるように、進入前〜合流後の速度差と、合流後の加速度とを用いて、外向性スコアを算出できる。外向性スコアは、スコアの値が大きいほど外向性が高いことを示す値であり、進入前〜合流後の速度差の大きさに対して、合流後の加速度が大きいほど高いスコアとして算出される。

図５に示すように、パーソナリティ要素のうち「勤勉性」に関するスコア（以下、適宜「勤勉性スコア」と称する）を算出する際には、特定の状況として、自車両１０が、停止線で停車する状況を用いることができる。このような状況においては、自車両１０の運転者が、「進入速度が高くても停止線前で停止するか」という行動指標によって、勤勉性スコアを算出することができる。具体的には、図中のパーソナリティ判定式で示されるように、停止線までの距離（即ち、停止した際の自車両１０と停止線との間の距離）と、制動開始前速度（即ち、ブレーキ操作直前の自車両１０の速度）とを用いて、勤勉性スコアを算出できる。外向性スコアは、スコアの値が大きいほど勤勉性が高いことを示す値であり、停止線のより手前側（図中の負の値側）で停止するほど、そして制動開始前速度が速いほど高いスコアとして算出される。

図６に示すように、パーソナリティ要素のうち「協調性」に関するスコア（以下、適宜「協調性スコア」と称する）を算出する際には、特定の状況として、自車両１０の前方の横断歩道のない場所で、歩行者５０が道路を横断しようとしている状況を用いることができる。このような状況においては、自車両１０の運転者が、「歩行者手前での速度が何キロ以下なら停車を開始するか」という行動指標によって、協調性スコアを算出することができる。具体的には、図中のパーソナリティ判定式で示されるように、歩行者手前での車速（即ち、歩行者を発見して実際に停車すると判断する車速）から、協調性スコアを算出できる。協調性スコアは、スコアの値が大きいほど協調性が高いことを示す値であり、歩行者手前での車速が大きいほど高いスコアとして算出される。

図７に示すように、パーソナリティ要素のうち「開放性」に関するスコア（以下、適宜「開放性スコア」と称する）を算出する際には、特定の状況として、自車両１０が以前と同じ目的地へ向けて走行する（即ち、現在の目的地がこれまでに２回以上選択されている）状況を用いることができる。このような状況においては、自車両１０の運転者が「前回と異なるルートを選択する傾向（具体的にはルート変更による時間短縮効果がどこまで明確ならルート変更するか）」という行動指標によって、勤勉性スコアを算出することができる。具体的には、図中のパーソナリティ判定式で示されるように、前回ルートの今回時間長予想（即ち、前回と同じルートで走行した場合に要する時間の長さ）と、新ルート候補の時間長予想（即ち、前回とは違う新ルートで走行した場合に要する時間の長さ）とを用いて、開放性スコアを算出できる。開放性スコアは、スコアの値が大きいほど開放性が高いことを示す値であり、前回ルートの今回時間長予想に対して、新ルート候補の時間長予想が長いほど高いスコアとして算出される。

なお、上述した特定の状況、行動指標、及びパーソナリティ判定式は、あくまで一例である。このため、上記以外の状況、行動指標、及びパーソナリティ判定式を用いて、各パーソナリティ要素のスコアが算出されてもよい。また、上記の神経症傾向、外向性、勤勉性、協調性、開放性の５つの要素も、あくまで一例である。このため、これら以外の要素がパーソナリティ要素として設定されてもよい。

（行動予測処理）
次に、第１実施形態に係る推定装置１００による行動予測処理（即ち、行動予測部１４０の動作）の流れについて、図８を参照して説明する。図８は、第１実施形態に係る推定装置における行動予測部の動作の流れを示すフローチャートである。

図８に示すように、行動予測処理が開始されると、行動予測部１４０は、まずパーソナリティ要素のスコア値（ｔｎ）を取得する（ステップＳ２１）。即ち、パーソナリティ更新部１３０によって更新された最新のスコア値（従来値）を取得する。

続いて、行動予測部１４０は、周辺状況認識部１１０から周辺状況情報（ｔｎ＋１）を取得する（ステップＳ２２）。即ち、現時点（＝ｔｎ＋１）で自車両１０が置かれている状況を示す情報を取得する。

その後、行動予測部１４０は、周辺状況情報（ｔｎ＋１）及びパーソナリティ要素のスコア値（ｔｎ）に基づいて、自車両１０の運転者のｔｎ＋１における行動指標値（即ち、これから運転者がどのような行動をとるかを示す値）の予測範囲を決定する（ステップＳ２３）。例えば、周辺状況情報（ｔｎ＋１）から、現在の自車両１０が図３に示す特定の状況（即ち、割り込み車両３０が合流してくる状況）に似た状況にあることが認識でき、パーソナリティ要素のスコア値（ｔｎ）の神経症傾向スコアが高い場合には、自車両１０の運転者は車間を詰める行動をとると予測できる。なお、パーソナリティ要素のスコア値（ｔｎ）は、特定の状況において算出されたスコア値であるが、特定の状況以外の状況に対応することもできる。具体的には、特定の状況として設定されていない状況であっても、例えば神経症傾向が高い運転者であれば、そのパーソナリティの傾向から、運転者が今後どのような行動をとるのかを予測することができる。

続いて、行動予測部１４０は、予測した行動指標値を、その行動指標値に応じた行動種類と共に出力する（ステップＳ２４）。行動予測部１４０は、例えば、自車両１０の運転者が、どのような行動を具体的にどのように実行するのかを示す情報を出力する。なお、出力された情報は、自車両１０における運転支援等の制御に用いられる。行動予測に基づく各種制御については、既存の技術を適宜採用することができるため、ここでの詳細な説明は省略する。

（感じ方推定処理）
次に、第１実施形態に係る推定装置１００による感じ方推定処理（即ち、感じ方推定部１５０の動作）の流れについて、図９を参照して説明する。図９は、第１実施形態に係る推定装置における感じ方推定部の動作の流れを示すフローチャートである。

図９に示すように、感じ方推定処理が開始されると、感じ方推定部１５０は、まずパーソナリティ要素のスコア値（ｔｎ）を取得する（ステップＳ３１）。即ち、パーソナリティ更新部１３０によって更新された最新のスコア値（従来値）を取得する。

続いて、感じ方推定部１５０は、周辺状況認識部１１０から周辺状況情報（ｔｎ＋１）を取得する（ステップＳ３２）。即ち、現時点（＝ｔｎ＋１）で自車両１０が置かれている状況を示す情報を取得する。

その後、感じ方推定部１５０は、周辺状況情報（ｔｎ＋１）及びパーソナリティ要素のスコア値（ｔｎ）に基づいて、自車両１０の運転者のｔｎ＋１における感じ方推定値（即ち、運転者が現在の状況をどのように感じているかを示す値）を決定する（ステップＳ３３）。

ここで、感じ方推定値の推定方法について、図１０及び図１１を参照して具体的に説明する。図１０は、神経症傾向スコアと割り込まれる前の車間時間との関係から推定される感じ方推定値の一例を示す表である。図１１は、図１０の感じ方推定値を２次元軸の上に座標値として表現した例を示す図である。

図１０に示すように、感じ方推定値は、パーソナリティ要素のスコア値（ここでは、神経症傾向スコア）と、周辺状況情報（ここでは、割り込まれる前の車間時間）とに基づいて推定される。感じ方推定値は、例えば２次元軸上で表現可能な座標値として推定される。ここでの例では、神経症傾向スコアが大きいほど、そして割り込まれる前の車間時間が短いほど、絶対値が大きい座標値として感じ方推定値が推定される。

図１１に示すように、感じ方推定値は、その座標によって、自車両１０の運転者の感じ方（言い換えれば、心理状態）を表現するものである。ここでの感じ方推定値は、座標値が大きくなるほど「不快」な状態、「興奮」している状態であることを示している。

図９に戻り、感じ方推定部１５０は、推定した感じ方推定値（ｔｎ＋１）を出力する（ステップＳ３４）。なお、出力された情報は、自車両１０における運転支援等の制御に用いられる。感じ方に基づく各種制御については、既存の技術を適宜採用することができるため、ここでの詳細な説明は省略する。

（具体的な動作例）
次に、第１実施形態に係る推定装置１００の具体的な動作例について、図１２から図１５を参照して説明する。図１２は、パーソナリティの推定結果例を示すレーダーチャートである。図１３は、車両の運転手が現在置かれている２種類の状況を示す概略図である。図１４は、図１３の２種類の状況に置かれた際の運転者の行動予測結果を示す１次元マップである。図１５は、図１３の２種類の状況に置かれた際の運転者の感じ方推定結果を示す２次元マップである。

図１２に示すように、自車両１０の運転者のパーソナリティが、神経症傾向スコアが高く、協調性が低いものとして算出されている場合について考える。

図１３に示すように、現在の状況は、自車両１０の前方に割り込み車両３０が合流してきた状態である。ここでは、動作の違いが明確となるように、比較的車間が狭い状態で割り込まれた場合（以下、適宜「（ａ）状態」と称する）と、比較的車間が広い状態で割り込まれた場合（以下、適宜「（ｂ）状態」と称する）と、について、それぞれ説明する。

図１４に示すように、（ａ）状態の場合、神経症傾向スコアの高い自車両１０の運転者は、狭い車間であるにもかかわらず強引に合流してきた（即ち、割り込まれた）と判断すると予測される。このため、（ａ）状態における自車両１０の運転者は、この後で割り込み車両３０との車間を詰めるような行動をとると予測される。一方、（ｂ）状態の場合、車間が十分に開いた状態であるため、神経症傾向スコアの高い自車両１０の運転者であっても、割り込まれたとは判断しない（即ち、単に合流してきた車両として認識する）と予測される。このため、（ｂ）状態における自車両１０の運転者は、車間をほぼ現状のまま維持するような行動をとると予測される。

図１５に示すように、（ａ）状態の場合、自車両１０の運転者の感じ方推定値は、割り込みに対する高い不快及び興奮を示す値（即ち、イライラしている状態を示す値）として推定される。一方、（ｂ）状態の場合、自車両１０の運転者の感じ方推定値は、不快及び興奮が低い状態を示す値として推定される。

（技術的効果）
次に、第１実施形態に係る推定装置１００によって得られる技術的効果について説明する。

図１から図１５で説明したように、第１実施形態に係る推定装置１００では、周辺状況情報及びその際の行動指標値に基づいて、運転者のパーソナリティが正確に推定される。そして、このようにパーソナリティを推定しておくことで、現在の周辺状況情報から、運転者がどのように行動するか、及びどのように感じるかを正確に推定することができる。即ち、運転者が実際に行動する前に、これからどのような行動をとるかを予測することができる。或いは、運転者の動き等だけでは推定することが難しい運転者の心理状態について、高い精度で推定することができる。

＜第２実施形態＞
次に、第２実施形態に係る推定装置について、図１６及び図１７を参照して説明する。なお、第２実施形態は、すでに説明した第１実施形態と比較して一部の構成及び動作が異なるのみであり、その他の部分については概ね同様である。このため、以下では第１実施形態と異なる部分について詳細に説明し、他の重複する部分は適宜説明を省略するものとする。

（装置構成）
まず、第２実施形態に係る推定装置の構成について、図１６を参照して説明する。図１６は、第２実施形態に係る推定装置の構成を示すブロック図である。

図１６に示すように、第２実施形態に係る推定装置１００ｂは、第1実施形態に係る推定装置１００の構成（図１参照）に加え、生体情報取得部１６０、感じ方特定部１７０、及び感じ方マトリクス更新部１８０を備えて構成されている。

生体情報取得部１６０は、例えば生体センサ等から自車両１０の運転者の生体情報を取得することが可能に構成されている。生体情報は、例えば血管硬度、心拍、脳波等の情報を含んでいる。

感じ方特定部１７０は、生体情報取得部１６０が取得した生体情報を用いて、自車両１０の運転者の感じ方を特定することが可能に構成されている。具体的には、感じ方特定部１７０は、生体情報である血管硬度、心拍、脳波等の変動から、その時の運転者の心理状態（例えば、緊張状態、興奮状態等）を特定する。

感じ方マトリクス更新部１８０は、感じた方特定部１７０で特定された運転者の感じ方に基づいて、感じ方推定値を推定するための感じ方マトリクス（即ち、図１０に示したマトリクス）を更新することが可能に構成されている。具体的には、感じ方マトリクス更新部１８０は、現在（即ち、更新前）の感じ方マトリクスの数値と、感じた方特定部１７０で特定された運転者の感じ方との間にずれが生じている場合に、そのずれを小さくするように、感じ方マトリクスの数値を修正する。

（感じ方マトリクス更新処理）
次に、第２実施形態に係る推定装置１００ｂによる感じ方マトリクス更新処理の流れについて、図１７を参照して説明する。図１７は、第２実施形態に係る推定装置による感じ方マトリクス更新処理の流れを示すフローチャートである。

図１７に示すように、感じ方マトリクス更新処理が開始されると、まず生体情報取得部１６０が、自車両１０の運転者の生体情報（ｔｎ）を取得する（ステップＳ４１）。生体情報取得部１６０で取得された生体情報は、感じ方特定部１７０に出力される。

続いて、感じ方特定部１７０が、生体情報（ｔｎ）に基づいて、自車両１０の運転者の現在の感じ方を特定する（ステップＳ４２）。特定された感じ方は、感じ方マトリクス更新部１８０に出力される。

続いて、感じ方マトリクス更新部１８０は、感じ方の従来値（ｔｎ−１）と、特定された現在の感じ方とを比較して、新しい感じ方（ｔｎ）を算出する（ステップＳ４３）。例えば、感じ方の従来値（ｔｎ−１）が過去の感じ方に対応する数値の平均値として算出されている場合、従来値に現在の感じ方に対応する数値を加えて新たな平均値を算出することで、新しい感じ方（ｔｎ）を算出することができる。

その後、感じ方マトリクス更新部１８０は、新しい感じ方（ｔｎ）に基づいて、感じ方マトリクスを更新する（ステップＳ４４）。このため、以降の感じ方推定処理では、更新後の感じ方マトリクスを用いて、運転者の感じ方が推定されることになる。

（技術的効果）
次に、第２実施形態に係る推定装置１００ｂによって得られる技術的効果について説明する。

図１６及び図１７で説明したように、第２実施形態に係る推定装置１００ｂでは、感じ方推定部１５０で用いられる感じ方マトリクスが、運転者の生体情報に基づいて更新される。従って、パーソナリティと感じ方の関係をより正確なものとすることができ、その結果として、運転者の感じ方をより正確に推定することが可能となる。

＜付記＞
以上説明した実施形態から導き出される発明の各種態様を以下に説明する。

（付記１）
付記１に記載の推定装置は、車両の周辺状況を示す第１情報を取得する第１取得手段と、前記周辺状況における前記車両の運転者の行動を示す第２情報を取得する第２取得手段と、過去に取得された前記第１情報及び前記第２情報に基づいて、前記運転者のパーソナリティを推定する第１推定手段と、前記第１推定手段で推定された前記運転者のパーソナリティに基づいて、新たに取得された前記第１情報が示す周辺状況における前記運転者の行動及び感じ方の少なくとも一方を推定する第２推定手段とを備える。

付記１に記載の推定装置によれば、過去に取得された第１情報（即ち、車両の周辺状況を示す情報）及び第２情報（即ち、運転者の行動を示す情報）に基づいて、運転者のパーソナリティが推定される。そして、推定されたパーソナリティは、運転者の行動及び感じ方の少なくとも一方を推定するために用いられる。

上述したように推定されたパーソナリティは、実際に車両が置かれている状況、及びそのような状況で運転者がどのように行動したかを考慮したものであるため、極めて正確なものである。このようにして推定されたパーソナリティを用いれば、現在の周辺状況における運転者の行動及び感じ方を正確に推定（言い換えれば、予測）できる。

本発明は、上述した実施形態に限られるものではなく、請求の範囲及び明細書全体から読み取れる発明の要旨或いは思想に反しない範囲で適宜変更可能であり、そのような変更を伴う推定装置もまた本発明の技術的範囲に含まれるものである。

１０ 自車両
２０ 先行車両
３０ 割り込み車両
５０ 歩行者
１００ 推定装置
１１０ 状況認識部
１２０ 行動指標値特定部
１３０ パーソナリティ更新部
１４０ 行動予測部
１５０ 感じ方推定部
１６０ 生体情報取得部
１７０ 感じ方特定部
１８０ 感じ方マトリクス更新部

Claims (1)

1. 車両の周辺状況を示す第１情報を取得する第１取得手段と、
   前記周辺状況における前記車両の運転者の行動を示す第２情報を取得する第２取得手段と、
   過去に取得された前記第１情報及び前記第２情報に基づいて、前記運転者のパーソナリティを推定する第１推定手段と、
   前記第１推定手段で推定された前記運転者のパーソナリティに基づいて、新たに取得された前記第１情報が示す周辺状況における前記運転者の行動及び感じ方の少なくとも一方を推定する第２推定手段と
   を備えることを特徴とする推定装置。

Images