JP2021117615A - 情報処理装置、情報処理方法、およびプログラム - Google Patents

Abstract

【課題】円滑な交通を実現するための技術を提供する。【解決手段】第一の車両の運転傾向を表す第一のデータを取得することと、前記第一の車両の近傍に位置する第二の車両の運転傾向を表す第二のデータを取得することと、複数の前記第二の車両に対応する前記第二のデータを集約し、基準データを生成することと、前記第一のデータと前記基準データとの類似度を算出し、所定値以上の乖離があった場合に、前記第一の車両の運転者に通知することと、を実行する制御部を有する。【選択図】図１

Description

本開示は、交通の円滑を確保するための技術に関する。

安全運転を支援するためのシステムがある。例えば、特許文献１には、車両の運転者が取った運転行動に関するデータを収集し、複数の車両から収集したデータに基づいて、どのような運転行動が取られる傾向があるかをマップ上において視覚化する装置が開示されている。

特開２０１５−２０３８７６号公報

道路上においては、複数のドライバーが似たような傾向の運転行動を取る場合が多い。しかし、そのような中で異なる運転行動を取るドライバーがいた場合、円滑な交通の妨げになってしまう場合がある。

本開示は上記の課題を考慮してなされたものであり、円滑な交通を実現するための技術を提供することを目的とする。

本開示の第一の様態に係る情報処理装置は、
第一の車両の運転傾向を表す第一のデータを取得することと、前記第一の車両の近傍に位置する第二の車両の運転傾向を表す第二のデータを取得することと、複数の前記第二の車両に対応する前記第二のデータを集約し、基準データを生成することと、前記第一のデータと前記基準データとの類似度を算出し、所定値以上の乖離があった場合に、前記第一の車両の運転者に通知することと、を実行する制御部を有することを特徴とする。

また、本開示の第二の様態に係る情報処理方法は、
第一の車両の運転傾向を表す第一のデータを取得するステップと、前記第一の車両の近傍に位置する第二の車両の運転傾向を表す第二のデータを取得するステップと、複数の前記第二の車両に対応する前記第二のデータを集約し、基準データを生成するステップと、前記第一のデータと前記基準データとの類似度を算出し、所定値以上の乖離があった場合に、前記第一の車両の運転者に通知するステップと、を含むことを特徴とする。

また、他の態様として、上記の情報処理装置が実行する情報処理方法をコンピュータに実行させるためのプログラム、または、該プログラムを非一時的に記憶したコンピュータ可読記憶媒体が挙げられる。

本開示によれば、円滑な交通を実現するための技術を提供することができる。

第一の実施形態のシステム概要図。 第一の実施形態に係るサーバ装置および車載装置のシステム構成図。 道路を走行中である車両によって取得されたセンサデータを説明する図。 車載装置が行う、運転傾向データの生成処理のフローチャート。 サーバ装置に記憶されたデータベースの例。 サーバ装置が行う、運転評価処理のフローチャート。 第二の実施形態のシステム概要図。 第二の実施形態に係る車載装置のシステム構成図。 第二の実施形態に係る車載装置が実行する処理のフローチャート。

近年、あおり行為をはじめとする危険運転に対する厳罰化が進んでいることを背景として、安全運転のための技術が多く提案されている。例えば、先行する車両との車間距離をモニタリングし、所定の速度以上で車間距離が所定値以下になった場合にあおり行為が発生したと判定する装置が知られている。

一方で、あおり行為の原因として、流れに乗って走行していない車両の存在が挙げられる。例えば、高速道路の追い越し車線において不当に低速で走行する車両がいた場合、円滑な交通の妨げとなり、交通トラブルの原因となりうる。

実施形態に係る情報処理装置は、第一の車両の運転傾向を表す第一のデータを取得することと、前記第一の車両の近傍に位置する第二の車両の運転傾向を表す第二のデータを取得することと、複数の前記第二の車両に対応する前記第二のデータを集約し、基準データを生成することと、前記第一のデータと前記基準データとの類似度を算出し、所定値以上の乖離があった場合に、前記第一の車両の運転者に通知することと、を実行する制御部を有する。

第一のデータおよび第二のデータは、対応する車両の運転傾向を表すデータであって、例えば、対応する車両をセンシングした結果に基づいて取得することができる。
運転傾向とは、どのような傾向を持って車両が走行しているかを表し、例えば、速度に関する傾向であってもよいし、位置（例えば走行車線等）に関する傾向であってもよい。
運転傾向を取得することで、例えば、「車両Ａは、地点Ｘにおいて、８０ｋｍ／ｈ以上１００ｋｍ／ｈ以下で走行する傾向がある」「車両Ｂは、地点Ｘにおいて、１００ｋｍ／ｈ以上１１０ｋｍ／ｈ以下で走行する傾向がある」ことを判定することができる。

制御部は、複数の第二のデータを集約し、基準データを生成する。これにより、第一の車両の近傍に位置する複数の車両が、どのような傾向を持った走行をしているかを把握することができる。そして、制御部は、第一のデータと基準データとを比較し、乖離が見られる場合に、第一の車両の運転者に通知を行う。
かかる構成によると、第一の車両の運転者に対して、全体の流れに沿わない運転をしている可能性があることを通知することができる。

また、前記第一のデータおよび前記第二のデータは、過去の所定の期間における、前記第一の車両および前記第二の車両の運転の傾向を表すデータであることを特徴としてもよい。
また、前記第一のデータは、前記第一の車両が生成したデータであり、前記第二のデータは、前記第二の車両が生成したデータであることを特徴としてもよい。
第一および第二のデータは、第一および第二の車両を外部からセンシングした結果に基づいて生成してもよいが、第一および第二の車両から直接送信されてもよい。

また、前記制御部は、前記第一の車両が前記第一のデータを生成した地点を含む所定の範囲において前記第二の車両が生成した前記第二のデータを集約することを特徴としても
よい。
また、前記制御部は、前記第一の車両が前記第一のデータを生成した時刻を含む所定の期間において前記第二の車両が生成した前記第二のデータを集約することを特徴としてもよい。
かかる構成によると、ある時刻においてある地点を走行している第一の車両が、近傍に存在する複数の車両の流れに一致しない運転をしていることを検出することが可能になる。

また、前記運転傾向は、速度に関する傾向であることを特徴としてもよい。
速度に関する傾向が類似しているか否かを判定することで、円滑な交通を実現することができる。

また、前記第二のデータは、前記第二の車両の運転者の嗜好を表すデータをさらに含むことを特徴としてもよい。
第二のデータは、例えば、運転者が好む走行車線や速度域などに関するデータを含んでもよい。

また、前記制御部は、複数の前記第二のデータの集約を車線単位で行うことを特徴としてもよい。また、前記制御部は、前記第一の車両が走行している車線に対応する前記基準データを用いて、前記類似度を算出することを特徴としてもよい。
これにより、高速道路など、車線ごとに走行速度域が異なる環境において、適切な判断ができるようになる。

また、前記制御部は、複数の前記第二のデータの集約を行う際に、前記第一の車両と前記第二の車両との距離に応じた重み付けを行うことを特徴としてもよい。
かかる構成によると、第一の車両により近い車両、すなわち、第一の車両の運転行動の影響をより大きく受ける車両に対して、より大きい重みを与えることができるため、より適切な判定を行うことが可能になる。

また、前記制御部は、前記乖離の大きさに基づいて前記通知の内容を決定することを特徴としてもよい。
運転傾向の乖離が大きいほど、近傍の車両の運転者に対してより大きなストレスを与えるおそれがあるためである。

以下、図面に基づいて、本開示の実施の形態を説明する。以下の実施形態の構成は例示であり、本開示は実施形態の構成に限定されない。

（第一の実施形態）
第一の実施形態に係る車両システムの概要について、図１を参照しながら説明する。本実施形態に係る車両システムは、車両の運転を評価するサーバ装置１００と、複数の車両に搭載された複数の車載装置２００を含んで構成される。

サーバ装置１００は、管理下にある複数の車載装置２００と無線通信を行い、送受信したデータに基づいて、特定の車両の運転を評価するデータ（以下、運転評価データ）を生成する装置である。具体的には、走行中の複数の車両から、当該複数の車両の運転の傾向を表すデータ（以下、運転傾向データ）を受信する。また、受信した複数の運転傾向データを用いて、特定の車両の運転傾向が、他の複数の車両の運転傾向からどの程度乖離しているかを判定する。これにより、例えば、交通の流れに乗って走行していない車両に対してアドバイスを行うことができる。

車載装置２００は、車両に搭載されたコンピュータである。車載装置２００は、運転傾向データを生成し、サーバ装置１００に送信する機能と、サーバ装置１００から受信した運転評価データに基づいて、運転者にアドバイスを提供する機能を有する。
なお、車載装置２００は、車両と共に移動するものであればよく、車両に固定された装置である必要はない。例えば、乗員が所持する携帯端末等であってもよい。

次に、システムの構成要素について、図２を参照して説明する。
サーバ装置１００は、汎用のコンピュータにより構成することができる。すなわち、サーバ装置１００は、ＣＰＵやＧＰＵ等のプロセッサ、ＲＡＭやＲＯＭ等の主記憶装置、ＥＰＲＯＭ、ハードディスクドライブ、リムーバブルメディア等の補助記憶装置を有するコンピュータとして構成することができる。なお、リムーバブルメディアは、例えば、ＵＳＢメモリ、あるいは、ＣＤやＤＶＤのようなディスク記録媒体であってもよい。補助記憶装置には、オペレーティングシステム（ＯＳ）、各種プログラム、各種テーブル等が格納され、そこに格納されたプログラムを主記憶装置の作業領域にロードして実行し、プログラムの実行を通じて各構成部等が制御されることによって、後述するような、所定の目的に合致した各機能を実現することができる。ただし、一部または全部の機能はＡＳＩＣやＦＰＧＡのようなハードウェア回路によって実現されてもよい。

サーバ装置１００は、通信部１０１、制御部１０２、記憶部１０３を有して構成される。
通信部１０１は、車載装置２００との間で行われる無線通信のための通信インタフェースである。通信部１０１が利用する通信方式は、例えば、Ｗｉ−Ｆｉ（登録商標）、ＤＳＲＣ（Dedicated Short Range Communications）、ミリ波通信など、どのようなものであってもよい。さらに、通信部１０１は、インターネット等の広域ネットワークを介して車載装置２００と通信を行うものであってもよい。

制御部１０２は、サーバ装置１００が行う制御を司る演算装置である。制御部１０２は、ＣＰＵなどの演算処理装置によって実現することができる。
制御部１０２は、運転傾向データ収集部１０２１と、基準データ生成部１０２２と、評価部１０２３の３つの機能モジュールを有して構成される。各機能モジュールは、記憶されたプログラムをＣＰＵによって実行することで実現してもよい。

なお、以降の説明において、運転評価データに基づいてアドバイスを受ける車両を評価対象車両（第一の車両）と称し、運転傾向データを提供する車両をデータ提供車両（第二の車両）と称する。

運転傾向データ収集部１０２１は、管理下にある車両に搭載された車載装置２００から、当該車両の運転の傾向を表すデータ（運転傾向データ）を収集する。車載装置２００が運転傾向データを生成する方法については後述する。

基準データ生成部１０２２は、複数の車両から送信された運転傾向データを統合し、基準データを生成する。評価対象車両の近傍に存在する車両から送信された運転傾向データを統合することで、評価対象車両の運転を評価するためのデータを生成することができる。

評価部１０２３は、評価対象車両が生成した運転傾向データと、自装置が生成した基準データに基づいて、当該評価対象車両の運転を評価する。具体的には、評価対象車両に対応する運転傾向データと基準データとを比較し、その類似度を求める。ここで、運転傾向データと基準データとの乖離が大きい場合、評価対象車両の運転傾向が、近傍を走行している他の車両の運転傾向と乖離していることを意味する。この場合、評価部１０２３は、
その旨を含む運転評価データを、評価対象車両に搭載された車載装置２００に送信する。これにより、評価対象車両の運転者は、交通の流れを乱していることを認識することができる。

記憶部１０３は、主記憶装置と補助記憶装置を含んで構成される。主記憶装置は、制御部１０２によって実行されるプログラムや、当該制御プログラムが利用するデータが展開されるメモリである。補助記憶装置は、制御部１０２において実行されるプログラムや、当該制御プログラムが利用するデータが記憶される装置である。
また、記憶部１０３には、運転傾向データ収集部１０２１が収集した運転傾向データと、基準データ生成部１０２２が生成した基準データが記憶される。

車載装置２００は、通信部２０１、制御部２０２、記憶部２０３、入出力部２０４、センサ群２０５を有して構成される。

通信部２０１は、サーバ装置１００との間で行われる無線通信のための通信インタフェースである。通信部２０１が利用する通信方式は、例えば、Ｗｉ−Ｆｉ（登録商標）、ＤＳＲＣ（Dedicated Short Range Communications）、セルラ通信など、どのようなものであってもよい。

制御部２０２は、車載装置２００が行う制御を司る演算装置である。制御部２０２は、ＣＰＵなどの演算処理装置によって実現することができる。
制御部２０２は、運転傾向データ生成部２０２１と、運転傾向データ送信部２０２２と、情報提供部２０２３の３つの機能モジュールを有して構成される。各機能モジュールは、記憶されたプログラムをＣＰＵによって実行することで実現してもよい。

運転傾向データ生成部２０２１は、センサ群２０５から取得したセンサデータに基づいて、自車両の運転傾向を表す運転傾向データを生成する。センサデータとは、例えば、位置情報、車速、ステアリング角度、ヨーレート等のうち少なくとも一つを示すデータである。本実施形態では、センサデータとして車速を用いる。
運転傾向データの具体的な生成方法については、図３を参照して後述する。

運転傾向データ送信部２０２２は、運転傾向データ生成部２０２１が生成した運転傾向データをサーバ装置１００へ送信する。

情報提供部２０２３は、サーバ装置１００から受信した運転評価データに基づいて、運転に関するアドバイスを出力する。例えば、車速が遅いため、流れに乗るためには加速すべきである旨のアドバイスを、後述する入出力部２０４を介して出力する。

記憶部２０３は、主記憶装置と補助記憶装置を含んで構成される。主記憶装置は、制御部２０２によって実行されるプログラムや、当該制御プログラムが利用するデータが展開されるメモリである。補助記憶装置は、制御部２０２において実行されるプログラムや、当該制御プログラムが利用するデータが記憶される装置である。

入出力部２０４は、情報の入出力を行うためのインタフェースである。入出力部２０４は、例えば、ディスプレイ装置やタッチパネルを有して構成される。入出力部２０４は、キーボード、スピーカ、タッチスクリーンなどを含んでいてもよい。

センサ群２０５は、自車両の速度および位置情報を取得する手段を含む。センサ群２０５には、例えば、車速センサ、ＧＰＳモジュールなどが含まれる。センサ群２０５に含まれるセンサが取得したセンサデータは、制御部２０２（運転傾向データ生成部２０２１）
に随時送信される。なお、センサ群２０５は、必ずしも車載装置２００に内蔵されている必要はない。例えば、センサ群２０５は、車載装置２００が搭載されている車両の構成要素であってもよい。

次に、サーバ装置１００および車載装置２００が行う具体的な処理について説明する。
まず、車載装置２００（運転傾向データ生成部２０２１）が、センサデータに基づいて自車両の運転傾向データを生成する処理について説明する。図３は、道路を走行中である車両によって取得されたセンサデータを説明する図である。本実施形態では、センサデータとして車速を例示する。

センサデータは、所定のタイムステップごとに発生する。図３では、１６個のタイムステップが示されている。
運転傾向データ生成部２０２１は、センサデータを蓄積し、所定の周期ごとに、直近の所定の期間におけるセンサデータを用いて運転傾向データを生成する。

図３の例では、例えば、時刻ｔ＝８において、運転傾向データ生成部２０２１は、記号１００１で示した期間のセンサデータを用いて運転傾向データを生成する。
また、時刻ｔ＝１０において、運転傾向データ生成部２０２１は、記号１００２で示した期間のセンサデータを用いて運転傾向データを生成する。
同様に、時刻ｔ＝１２において、運転傾向データ生成部２０２１は、記号１００３で示した期間のセンサデータを用いて運転傾向データを生成する。

本例では、所定の方法によって車速をＡ〜Ｈのグループ（速度記号）に分類し、所定の期間における速度記号の個数を表したヒストグラムを生成する。当該ヒストグラムが、本実施形態における運転傾向データである。換言すると、運転傾向データは、ある期間（本例では、タイムステップ７つ分）における速度の傾向を表したデータとなる。

図４は、車載装置２００が行う、運転傾向データの生成処理のフローチャートである。当該処理は、車両の走行中において周期的に実行される。
まず、ステップＳ１１で、運転傾向データ生成部２０２１が、センサ群２０５からセンサデータを取得する。前述したように、センサデータには、データ提供車両の車速が含まれる。
次に、ステップＳ１２で、運転傾向データ生成部２０２１が、前述した方法によって運転傾向データを生成する。生成された運転傾向データは、車両の識別子、位置情報、タイムスタンプと関連付けて記憶される。

次に、ステップＳ１３で、運転傾向データ送信部２０２２が、生成した運転傾向データをサーバ装置１００に送信する。
上述した処理を、複数の車載装置２００が周期的に実行することによって、サーバ装置１００は、複数の車載装置２００から運転傾向データを収集することができる。
図５（Ａ）は、サーバ装置１００に記憶された、運転傾向データを格納するデータベースの例である。

次に、図６を参照して、サーバ装置１００が評価対象車両の運転を評価する処理について説明する。図６に示した処理は、所定の周期で実行される。

まず、ステップＳ２１で、評価部１０２３が、評価対象車両を決定する。
サーバ装置１００は、車載装置２００から送信されたリクエストに基づいて、評価対象車両を決定してもよい。この場合、所定の周期内にリクエストを送信した車両を、評価対象車両とする。評価対象車両が複数ある場合、サーバ装置１００は、以下に説明する処理
を反復して実行する。

ステップＳ２２では、評価部１０２３が、評価対象車両によって送信された最新の運転傾向データを取得する。

次に、ステップＳ２３で、基準データ生成部１０２２が、比較対象である基準データを生成する。基準データは、評価対象車両の近傍を走行している車両によって送信された運転傾向データを統合することで生成される。
本ステップでは、評価対象車両が生成した運転傾向データを参照して、位置およびタイムスタンプを特定する。また、当該位置を中心とした所定の範囲内、かつ、当該タイムスタンプから所定の時間内において発生した運転傾向データを抽出する。所定の範囲とは、距離によって定めてもよいし、道路セグメントによって定めてもよい。
そして、抽出した運転傾向データを統合し、基準データを生成する。

例えば、運転傾向データがヒストグラムである場合、複数のヒストグラムの相加平均をとる処理を行う。これにより、評価対象車両に地理的、時間的に近接した車両の運転傾向を平均化することができる。なお、複数の運転傾向を代表するデータを取得することができれば、相加平均以外を用いてもよい。生成された基準データは、タイムスタンプが付されて記憶部１０３に記憶される。図５（Ｂ）は、基準データを格納するデータベースの例である。
条件を満たす運転傾向データによって基準データが生成できた場合（ステップＳ２４−Ｙｅｓ）、処理はステップＳ２５へ遷移する。条件を満たす運転傾向データが存在せず、基準データが生成できなかった場合（ステップＳ２４−Ｎｏ）、処理はステップＳ２１へ戻る。

ステップＳ２５では、評価部１０２３が、評価対象車両が生成した運転傾向データと基準データとの類似度を算出する。類似度は、多次元のデータ同士を比較できるものであれば、どのような方法によって求められてもよい。本実施形態では、評価対象車両とデータ提供車両との間における、速度に関する傾向が似ているほど、高い類似度が算出される。

ここで、算出された類似度が所定値を下回っている場合（ステップＳ２６−Ｙｅｓ）、ある地点を走行している評価対象車両が、当該地点の近傍を走行している他の車両の運転傾向から外れた運転をしていることがわかる。得られた類似度が閾値を下回っていた場合、処理はステップＳ２７へ遷移し、評価対象車両に搭載された車載装置２００に対して、運転評価データを送信する。
運転評価データは、自車両の運転傾向が他の車両よりも乖離している旨を示すデータである。運転評価データには、算出した類似度が含まれていてもよい。車載装置２００（情報提供部２０２３）は、運転評価データに基づいて、運転者に対するアドバイスを生成し、入出力部２０４を介して出力する。例えば、算出された類似度が低い場合、巡航速度が他車と異なる旨のアドバイスを行う。

以上説明したように、第一の実施形態によると、車両の速度に基づいて、複数の車両の運転傾向を算出し、運転傾向が異なる車両に対して情報提供を行うことができる。かかる構成によると、対象車両の運転者に対して、交通の流れを乱している可能性がある旨のアドバイスを行うことができ、交通の円滑を確保することができる。

（第一の実施形態の変形例）
第一の実施形態では、運転傾向として、速度に関する傾向を利用したが、他のセンサデータを利用して運転傾向データを生成してもよい。
例えば、センサ群２０５に、他の運転行動や走行状況をセンシングする手段（センサ）
を含ませてもよい。このようなセンサとして、例えば、ステアリング角度、加速度、ウインカーの状態、車間距離などを取得するセンサが挙げられる。

また、運転傾向データ収集部１０２１は、これらのセンサデータに基づいて運転傾向データを生成してもよい。例えば、複数のセンサデータからなる特徴量ベクトルをクラスタリングし、得られた結果をヒストグラムで表したものを運転傾向データとしてもよい。
かかる構成によると、車速以外の要素によって運転傾向の判定を行うことが可能になる。例えば、他車よりも車間距離を詰めて運転している車両がいる場合、これを検出することが可能になる。

（第二の実施形態）
第一の実施形態では、データ提供車両に搭載された車載装置２００から収集された運転傾向データを利用して、サーバ装置１００が運転評価データを生成し、評価対象車両に搭載された車載装置２００に送信した。
これに対し、第二の実施形態は、データ提供車両に搭載された車載装置２００が、自車両の運転傾向データを送信し、これを受信した車両（評価対象車両）に搭載された車載装置２００が、運転評価データを生成する実施形態である。すなわち、サーバ装置１００を介さず、車載装置２００のみで処理を完結させる実施形態である。

図７は、第二の実施形態のシステム概要図である。第二の実施形態では、複数の車載装置２００が相互に通信を行うことで、第一の実施形態にて説明した機能を実現する。

図８は、第二の実施形態に係る車載装置２００のシステム構成図である。
第二の実施形態における通信部２０１は、無線によって車々間通信を行うための通信インタフェースである。
第二の実施形態では、制御部２０２が、情報提供部２０２３を有さないかわりに、評価部２０２４を有して構成される。
また、第二の実施形態では、記憶部２０３に、自車両および他車両の運転傾向データ、および、自装置が生成した基準データが記憶される。

第二の実施形態における車載装置２００が行う処理について説明する。
本実施形態における運転傾向データ生成部２０２１は、第一の実施形態と同様に、自車両のセンサ群２０５から取得したセンサデータに基づいて、自車両の運転傾向を表す運転傾向データを生成する。運転傾向データを生成する方法は、第一の実施形態と同様の方法を用いることができる。
生成された運転傾向データは、記憶部２０３に一時的に記憶される。

運転傾向データ送信部２０２２は、運転傾向データ生成部２０２１が生成した運転傾向データを車々間通信によってブロードキャスト送信する。運転傾向データ送信部２０２２は、自車両が生成した運転傾向データのうち、最新のものをブロードキャスト送信する。

評価部２０２４は、他の車両から送信された運転傾向データに基づいて、自車両の運転を評価する。
具体的には、第一に、他の車両に搭載された車載装置２００によってブロードキャスト送信された運転傾向データを順次受信する。これにより、自車両の近傍に存在する車両が生成した運転傾向データを取得することができる。

第二に、複数の車両（車載装置２００）から直近の所定期間内に受信した運転傾向データを統合し、基準データを生成する。基準データは、自車両の近傍を走行している複数の車両の運転傾向を統合したものとなる。基準データを生成する方法は、第一の実施形態と
同様の方法を用いることができる。

第三に、生成した基準データと、自車両が生成した最新の運転傾向データとを比較し、その類似度を求める。ここで、運転傾向データと基準データとの乖離が大きい場合、自車両の運転傾向が、近傍を走行している他の車両の運転傾向と乖離していることを意味する。この場合、評価部２０２４は、算出された類似度に基づいて、運転者に対するアドバイスを生成し、入出力部２０４を介して出力する。

図９は、第二の実施形態に係る車載装置２００が実行する処理のフローチャートである。図示した処理は、自車両が走行中である場合に所定の周期で実行される。

なお、図９の処理とは別に、評価部２０２４は、他車両に搭載された車載装置２００によってブロードキャスト送信された運転傾向データを随時受信し、記憶部２０３に記憶させる。

まず、ステップＳ３１で、運転傾向データ生成部２０２１が、センサ群２０５からセンサデータを取得し、当該センサデータに基づいて、前述した方法によって運転傾向データを生成する。運転傾向データが生成されると、運転傾向データ送信部２０２２が、生成した運転傾向データをブロードキャスト送信するとともに、記憶部２０３に記憶させる。

ステップＳ３２では、評価部２０２４が、直近の所定期間において受信した運転傾向データを用いて、第一の実施形態と同様の方法によって基準データを生成する。
ステップＳ３３〜Ｓ３４では、ステップＳ２４〜２５と同様の方法によって、自車両の運転傾向データと基準データとの類似度を算出する。
この結果、得られた類似度が閾値を下回っていた場合（ステップＳ３５−Ｙｅｓ）、処理はステップＳ３６へ遷移し、評価部２０２４が、入出力部２０４を介して運転者に対するアドバイスを出力する。

（第二の実施形態の変形例）
第二の実施形態では、車載装置２００が、センサデータに基づいて運転傾向データを生成したが、運転傾向データに、運転の傾向とは直接関連しない情報を付帯させてもよい。例えば、運転者の運転に関する嗜好を表すデータを、運転傾向データに付帯させて送信してもよい。

この場合、運転傾向データを受信した車載装置２００が、当該嗜好を反映させて基準データを生成してもよい。例えば、車間距離を長く取ることを好む運転者がデータ提供車両を運転中である場合、当該データ提供車両に搭載された車載装置２００は、長めの車間距離を希望する旨の嗜好データを運転傾向データに付帯させ、ブロードキャスト送信してもよい。また、これを受信した車載装置２００が、長めの車間距離が反映された基準データを生成するようにしてもよい。

また、基準データを生成する際に、単純な平均を取るのではなく、車両同士の相対距離に基づいて重み付けを行ってもよい。例えば、評価対象車両により近い車両から送信された運転傾向データに、より大きい重みを与えたうえで基準データを生成するようにしてもよい。かかる構成によると、評価対象車両の運転行動の影響をより受けやすい車両に、より大きな重みを与えることができる。

さらに、基準データを生成する際に、車線を考慮してもよい。例えば、運転傾向データに、走行車線に関する情報を付帯させ、車線単位で基準データを生成してもよい。また、評価対象車両と同一の車線において発生した運転傾向データのみを用いて基準データを生
成するようにしてもよい。また、車線が近いほど大きな重みを与えたうえで基準データを生成するようにしてもよい。
かかる構成によると、走行車線によって巡航速度が異なるような道路環境（例えば、高速道路）において、適切な判定が行えるようになる。

（変形例）
上記の実施形態はあくまでも一例であって、本開示はその要旨を逸脱しない範囲内で適宜変更して実施しうる。
例えば、本開示において説明した処理や手段は、技術的な矛盾が生じない限りにおいて、自由に組み合わせて実施することができる。

また、実施形態の説明では、運転に関するアドバイスを出力すると延べたが、算出した類似度の大小に応じて、当該アドバイスの内容を変更してもよい。例えば、類似度が低いほど、運転傾向の乖離が大きい旨をより強調したアドバイスを生成してもよい。

また、１つの装置が行うものとして説明した処理が、複数の装置によって分担して実行されてもよい。あるいは、異なる装置が行うものとして説明した処理が、１つの装置によって実行されても構わない。コンピュータシステムにおいて、各機能をどのようなハードウェア構成（サーバ構成）によって実現するかは柔軟に変更可能である。

本開示は、上記の実施形態で説明した機能を実装したコンピュータプログラムをコンピュータに供給し、当該コンピュータが有する１つ以上のプロセッサがプログラムを読み出して実行することによっても実現可能である。このようなコンピュータプログラムは、コンピュータのシステムバスに接続可能な非一時的なコンピュータ可読記憶媒体によってコンピュータに提供されてもよいし、ネットワークを介してコンピュータに提供されてもよい。非一時的なコンピュータ可読記憶媒体は、例えば、磁気ディスク（フロッピー（登録商標）ディスク、ハードディスクドライブ（ＨＤＤ）等）、光ディスク（ＣＤ−ＲＯＭ、ＤＶＤディスク・ブルーレイディスク等）など任意のタイプのディスク、読み込み専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、ＥＰＲＯＭ、ＥＥＰＲＯＭ、磁気カード、フラッシュメモリ、光学式カード、電子的命令を格納するために適した任意のタイプの媒体を含む。

１００・・・サーバ装置
２００・・・車載装置
１０１，２０１・・・通信部
１０２，２０２・・・制御部
１０３，２０３・・・記憶部
２０４・・・入出力部
２０５・・・センサ群

Claims (21)

1. 第一の車両の運転傾向を表す第一のデータを取得することと、
   前記第一の車両の近傍に位置する第二の車両の運転傾向を表す第二のデータを取得することと、
   複数の前記第二の車両に対応する前記第二のデータを集約し、基準データを生成することと、
   前記第一のデータと前記基準データとの類似度を算出し、所定値以上の乖離があった場合に、前記第一の車両の運転者に通知することと、
   を実行する制御部を有する、情報処理装置。
2. 前記第一のデータおよび前記第二のデータは、過去の所定の期間における、前記第一の車両および前記第二の車両の運転の傾向を表すデータである、
   請求項１に記載の情報処理装置。
3. 前記第一のデータは、前記第一の車両が生成したデータであり、
   前記第二のデータは、前記第二の車両が生成したデータである、
   請求項１または２に記載の情報処理装置。
4. 前記制御部は、前記第一の車両が前記第一のデータを生成した地点を含む所定の範囲において前記第二の車両が生成した前記第二のデータを集約する、
   請求項３に記載の情報処理装置。
5. 前記制御部は、前記第一の車両が前記第一のデータを生成した時刻を含む所定の期間において前記第二の車両が生成した前記第二のデータを集約する、
   請求項４に記載の情報処理装置。
6. 前記運転傾向は、速度に関する傾向である、
   請求項１から５のいずれか１項に記載の情報処理装置。
7. 前記第二のデータは、前記第二の車両の運転者の嗜好を表すデータをさらに含む、
   請求項１から６のいずれか１項に記載の情報処理装置。
8. 前記制御部は、複数の前記第二のデータの集約を車線単位で行う、
   請求項１から７のいずれか１項に記載の情報処理装置。
9. 前記制御部は、前記第一の車両が走行している車線に対応する前記基準データを用いて、前記類似度を算出する、
   請求項８に記載の情報処理装置。
10. 前記制御部は、複数の前記第二のデータの集約を行う際に、前記第一の車両と前記第二の車両との距離に応じた重み付けを行う、
    請求項１から９のいずれか１項に記載の情報処理装置。
11. 前記制御部は、前記乖離の大きさに基づいて前記通知の内容を決定する、
    請求項１から１０のいずれか１項に記載の情報処理装置。
12. 第一の車両の運転傾向を表す第一のデータを取得するステップと、
    前記第一の車両の近傍に位置する第二の車両の運転傾向を表す第二のデータを取得するステップと、
    複数の前記第二の車両に対応する前記第二のデータを集約し、基準データを生成するステップと、
    前記第一のデータと前記基準データとの類似度を算出し、所定値以上の乖離があった場合に、前記第一の車両の運転者に通知するステップと、
    を含む、情報処理方法。
13. 前記第一のデータおよび前記第二のデータは、過去の所定の期間における、前記第一の車両および前記第二の車両の運転の傾向を表すデータである、
    請求項１２に記載の情報処理方法。
14. 前記第一のデータは、前記第一の車両が生成したデータであり、
    前記第二のデータは、前記第二の車両が生成したデータである、
    請求項１２または１３に記載の情報処理方法。
15. 前記第一の車両が前記第一のデータを生成した地点を含む所定の範囲において前記第二の車両が生成した前記第二のデータを集約する、
    請求項１４に記載の情報処理方法。
16. 前記第一の車両が前記第一のデータを生成した時刻を含む所定の期間において前記第二の車両が生成した前記第二のデータを集約する、
    請求項１５に記載の情報処理方法。
17. 前記運転傾向は、速度に関する傾向である、
    請求項１２から１６のいずれか１項に記載の情報処理方法。
18. 前記第二のデータは、前記第二の車両の運転者の嗜好を表すデータをさらに含む、
    請求項１２から１７のいずれか１項に記載の情報処理方法。
19. 複数の前記第二のデータの集約を車線単位で行う、
    請求項１２から１８のいずれか１項に記載の情報処理方法。
20. 前記第一の車両が走行している車線に対応する前記基準データを用いて、前記類似度を算出する、
    請求項１９に記載の情報処理方法。
21. 請求項１２から２０のいずれか１項に記載の情報処理方法をコンピュータに実行させるためのプログラム。

Images