JP2023165314A - 運転者推定装置、運転者推定方法、プログラム及び学習済みモデルの生成方法 - Google Patents

Abstract

【課題】車両の運転前に運転者によって行われる操作に着目し、短時間、且つ高い精度で運転者を推定することができる運転者推定装置、運転者推定方法、プログラム及び学習済みモデルの生成方法を得る。
【解決手段】運転者推定装置はデータ取得部を含んでおり、データ取得部は、予め設定された複数の操作項目について、車両の運転前に運転者によって行われた操作に関する操作データを取得する。また、運転者推定装置は運転者推定部を含んでおり、運転者推定部は、データ取得部で取得された操作データに基づいて、運転者を推定する。
【選択図】図７

Description

本発明は、運転者推定装置、運転者推定方法、プログラム及び学習済みモデルの生成方法に関する。

特許文献１には、車両のスイッチが操作された際に操作者の操作指から読み取られる生体情報に基づいて操作者を特定し、操作者の個人特定サービスを提供する個人特定サービス装置が開示されている。

特開２０１８－０５２４３０号公報

しかしながら、上記特許文献１に記載された技術では、生体情報取得手段が設けられた特定の操作部に対して操作が行われるまでは運転者を特定することができないため、短時間、且つ高い精度で運転者を特定することができない。

一方で、日常的に車両を運転するドライバーは、車両の運転前に行われる操作がルーティン化されており、個人を特定し得る規則性を有することが分かった。

本発明は上記事実を考慮し、車両の運転前に運転者によって行われる操作に着目し、短時間、且つ高い精度で運転者を推定することができる運転者推定装置、運転者推定方法、プログラム及び学習済みモデルの生成方法を提供することを目的とする。

請求項１に係る運転者推定装置は、予め設定された複数の操作項目について、車両の運転前に運転者によって行われた操作に関する操作データを取得するデータ取得部と、前記データ取得部で取得された操作データに基づいて、運転者を推定する運転者推定部と、を有する。

請求項１に係る運転者推定装置では、予め設定された複数の操作項目について、車両の運転前に運転者によって行われた操作に関する操作データに基づいて運転者を推定するため、短時間、且つ高い精度で運転者を推定することができる。

請求項２に係る運転者推定装置は、請求項１において、前記データ取得部は、複数の操作項目に関する操作が行われた手順、操作時間及び設定内容のうち少なくとも一つを含む操作データを取得する。

請求項２に係る運転者推定装置では、複数の操作項目に関する操作が行われた手順、操作時間及び設定内容のうち少なくとも一つ操作データに基づいて、運転者を推定することができる。

請求項３に係る運転者推定装置は、請求項１において、前記データ取得部で取得された操作データと前記運転者推定部の推定結果に基づいて、運転者が実行する可能性の高い操作を提案する操作提案部と、前記運転者推定部は、前記操作提案部で提案された操作を運転者が実行しなかった場合に、改めて運転者を推定する。

請求項３に係る運転者推定装置では、操作データと運転者の推定結果に基づいて運転者が実行する可能性の高い操作を提案し、提案された操作を運転者が実行しなかった場合に、改めて運転者を推定する。これにより、運転者の推定結果が誤りである可能性が高い場合は、改めて運転者を推定することで推定結果の精度を高めることができる。その一方で、推定結果が正しい場合は、運転前の操作について運転者が快適さを感じる提案をすることができる。

請求項４に係る運転者推定装置は、請求項１～請求項３の何れか１項において、前記運転者推定部は、車両の運転者を推定するための機械学習を行った学習済みモデルに対して前記データ取得部で取得された操作データを入力し、前記学習済みモデルの演算処理を実行することで、運転者を推定する。

請求項４に係る運転者推定装置では、運転者を推定するための機械学習を行った学習済みモデルを用いて運転者を推定することで、複雑な演算を必要とせずに、短時間且つ高い精度で運転者を推定することができる。

請求項５に係る運転者推定方法は、予め設定された複数の操作項目について、車両の運転前に運転者によって行われた操作に関する操作データを取得し、取得された操作データに基づいて、運転者を推定する。

請求項５に係る運転者推定方法では、上述のように、車両の運転前に運転者によって行われる操作に着目し、短時間、且つ高い精度で運転者を推定することができる。

請求項６に係るプログラムは、予め設定された複数の操作項目について、車両の運転前に運転者によって行われた操作に関する操作データを取得し、取得された操作データに基づいて、運転者を推定する処理をコンピュータに実行させる。

請求項６に係るプログラムでは、上述のように、車両の運転前に運転者によって行われる操作に着目し、短時間、且つ高い精度で運転者を推定する、処理をコンピュータに実行させることができる。

請求項７に係る学習済みモデルの生成方法は、予め設定された複数の操作項目について車両の運転前に運転者によって行われた操作に関する操作データと、当該操作データに基づいて運転者を推定した推定結果とを取得し、車両の運転後に、推定された運転者の通信端末に対して、推定結果の正誤を確認可能な確認情報を送信し、送信された確認情報に対する運転者の応答が、推定結果が正解であることを示す場合に、取得された操作データと運転者の個人情報とを対応付けた教師データを取得し、取得した教師データに基づいて、操作項目に関する操作データを入力した場合に、運転者を推定する学習済みモデルを生成する処理をコンピュータに実行させる。

請求項７に係る学習済みモデルの生成方法では、車両の運転後に運転者の通信端末に対して推定結果の正誤を確認可能な確認情報を送信する。送信された確認情報に対する運転者の応答が、推定結果が正解であることを示す場合に、取得された操作データと運転者の個人情報とを対応付けた教師データを取得する。そして、取得した教師データに基づいて、操作項目に関する操作データを入力した場合に、運転者を推定する学習済みモデルを生成する。これにより、運転者の推定精度を向上させるための学習済みモデルの学習用データを効率的に収集することができる。その結果、車両の運転前に運転者によって行われる操作に着目し、短時間、且つ高い精度で運転者を推定することができる。

以上説明したように、本発明に係る運転者推定装置、運転者推定方法、プログラム及び学習済みモデルの生成方法によれば、車両の運転前に運転者によって行われる操作に着目し、短時間、且つ高い精度で運転者を推定することができるという優れた効果を有する。

実施形態に係る運転者推定システムの全体構成を示す概略図である。 実施形態に係る運転者推定装置のハードウェア構成を示すブロック図である。 実施形態に係る車載器のハードウェア構成を示すブロック図である。 実施形態に係る運転者推定装置の機能構成を示すブロック図である。 実施形態における学習フェーズを説明するためのブロック図である。 操作項目の一例を示す表である。 実施形態における運転者推定処理の流れの一例を示すシーケンス図である。

実施形態に係る運転者推定装置１０を含むシステムＳについて、図面を参照して説明する。

図１に示されるように、本実施形態のシステムＳは、運転者推定装置１０、サーバ１２及び車両Ｖを含んで構成されている。そして、運転者推定装置１０、サーバ１２及び車両Ｖは、ネットワークＮによって接続されている。なお、ネットワークＮには複数の車両Ｖが接続されているが、図１では説明の便宜上、一台の車両Ｖのみが図示されている。

本実施形態の運転者推定装置１０は一例として、車両Ｖの外部に設けられた制御装置とされている。また、車両Ｖには、車載器１４が搭載されている。

サーバ１２は、複数の車両Ｖの管理者が保有するサーバである。すなわち、複数の車両Ｖを管理する管理者がサーバ１２を保有しており、本実施形態では一例として、車両Ｖは利用者を乗せて走行するタクシーとして用いられる車両である。また、サーバ１２は、タクシー会社が保有している。

ここで、本実施形態の運転者推定装置１０は、各車両Ｖを運転する運転者が車両Ｖの運転前に行う操作データに基づいて、運転者を推定する。

（運転者推定装置１０のハードウェア構成）
図２は、運転者推定装置１０のハードウェア構成を示すブロック図である。この図２に示されるように、運転者推定装置１０は、ＣＰＵ（Central Processing Unit：プロセッサ）２０、ＲＯＭ（Read Only Memory）２２、ＲＡＭ（Random Access Memory）２４、ストレージ２６、通信Ｉ／Ｆ（通信インタフェース）２８及び入出力Ｉ／Ｆ（入出力インタフェース）３０を含んで構成されている。各構成は、バス３２を介して相互に通信可能に接続されている。

ＣＰＵ２０は、中央演算処理ユニットであり、各種プログラムを実行したり、各部を制御したりする。すなわち、ＣＰＵ２０は、ＲＯＭ２２又はストレージ２６からプログラムを読み出し、ＲＡＭ２４を作業領域としてプログラムを実行する。ＣＰＵ２０は、ＲＯＭ２２又はストレージ２６に記録されているプログラムに従って、上記各構成の制御および各種の演算処理を行う。

ＲＯＭ２２は、各種プログラムおよび各種データを格納する。ＲＡＭ２４は、作業領域として一時的にプログラム又はデータを記憶する。ストレージ２６は、ＨＤＤ（Hard Disk Drive）又はＳＳＤ（Solid State Drive）により構成され、オペレーティングシステムを含む各種プログラム、及び各種データを格納する。本実施形態では、ＲＯＭ２２又はストレージ２６には、運転者推定処理を行うためのプログラム及び各種データなどが格納されている。

通信Ｉ／Ｆ２８は、運転者推定装置１０がサーバ１２及び他の機器と通信するためのインタフェースであり、たとえば、ＣＡＮ（Controller Area Network）、イーサネット（登録商標）、ＬＴＥ（Long Term Evolution）、ＦＤＤＩ（Fiber Distributed Data Interface）、Ｗｉ－Ｆｉ（登録商標）などの規格が用いられる。

入出力Ｉ／Ｆ３０は、入力装置３４及び表示装置３６と電気的に接続されている。入力装置３４は、運転者推定装置１０に対して所定の指示を入力するための装置であり、例えば、マウス及びキーボードなどを含んで構成されている。表示装置３６は、運手者推定装置１０から出力された情報を表示するためのディスプレイなどの装置である。

（車載器１４のハードウェア構成）
図３は、車載器１４のハードウェア構成を示すブロック図である。この図３に示されるように、車載器１４は、ＣＰＵ（Central Processing Unit：プロセッサ）４０、ＲＯＭ（Read Only Memory）４２、ＲＡＭ（Random Access Memory）４４、ストレージ４６、通信Ｉ／Ｆ（通信インタフェース）４８及び入出力Ｉ／Ｆ（入出力インタフェース）５０を含んで構成されている。各構成は、バス５２を介して相互に通信可能に接続されている。

ＣＰＵ４０は、中央演算処理ユニットであり、各種プログラムを実行したり、各部を制御したりする。すなわち、ＣＰＵ４０は、ＲＯＭ４２又はストレージ４６からプログラムを読み出し、ＲＡＭ４４を作業領域としてプログラムを実行する。ＣＰＵ４０は、ＲＯＭ４２又はストレージ４６に記録されているプログラムに従って、上記各構成の制御および各種の演算処理を行う。

ＲＯＭ４２は、各種プログラムおよび各種データを格納する。ＲＡＭ４４は、作業領域として一時的にプログラム又はデータを記憶する。ストレージ４６は、ＨＤＤ（Hard Disk Drive）又はＳＳＤ（Solid State Drive）により構成され、オペレーティングシステムを含む各種プログラム、及び各種データを格納する。本実施形態では、ＲＯＭ４２又はストレージ４６には、各種処理を行うためのプログラム及び各種データなどが格納されている。

通信Ｉ／Ｆ４８は、車載器１４がサーバ１２及び他の機器と通信するためのインタフェースであり、たとえば、ＣＡＮ、イーサネット（登録商標）、ＬＴＥ、ＦＤＤＩ、Ｗｉ－Ｆｉ（登録商標）などの規格が用いられる。

入出力Ｉ／Ｆ５０は、ドアセンサ５４、シートセンサ５６、シートベルトセンサ５８、イグニッションスイッチセンサ６０、パーキングブレーキセンサ６２、シフトレバーセンサ６４、空調装置６６、カーナビゲーション装置６８、オーディオ装置７０、加速度センサ７２と電気的に接続されている。

ドアセンサ５４は、車両Ｖの運転席のドアに対して運転者が行った各種操作情報を検出する。ドアセンサ５４から取得される情報は、例えば、運転者によって運転席のドアがロックされたタイミングを検出するために用いられる。

シートセンサ５６は、車両Ｖの運転席の設定内容を検出する。シートセンサ５６から取得される情報は、例えば、運転席のシート位置やシートバックの後傾角度等を検出するために用いられる。

シートベルトセンサ５８は、運転席のシートベルト装置の設定内容を検出する。シートベルトセンサ５８から取得される情報は、例えば、シートベルトの引き出し量を検出するために用いられる。

イグニッションスイッチセンサ６０は、車両ＶのイグニッションスイッチのＯＮ／ＯＦＦ状態を検出する。イグニッションスイッチセンサ６０から取得される情報は、例えば、運転者によって車両Ｖのエンジンが始動されたタイミングを検出するために用いられる。

パーキングブレーキセンサ６２は、車両Ｖのパーキングブレーキの解除状態を検出する。パーキングブレーキセンサ６２から取得される情報は、例えば、運転者によってパーキングブレーキが解除されたタイミングを検出するために用いられる。

シフトレバーセンサ６４は、車両Ｖのシフトレバーの位置を検出する。シフトレバーセンサ６４から取得される情報は、例えば、シフトレバーが「Ｄ（ドライブ）」位置に設定されたタイミングを検出するために用いられる。

空調装置６６は、車室内へ空調風を導入する装置であり、例えば、インストルメントパネルに設けられ、運転者へ向けて配置されている。空調装置６６から取得される情報は、例えば、空調装置のＯＮ／ＯＦＦ状態や、空調温度の設定値を検出するために用いられる。

カーナビゲーション装置６８は、車両の位置情報に基づいて、車両周辺の地図情報を表示すると共に、設定された目的地までの走行ルートを表示する。カーナビゲーション装置６８から取得される情報は、例えば、目的地の設定の有無や、設定された目的地情報を検出するために用いられる。

オーディオ装置７０は、音響データの受信、再生、停止を制御する装置であり、例えば、インストルメントパネルに設けられ、運転者へ向けて配置されている。オーディオ装置から取得される情報は、音響データの再生の有無や、音量、再生された音響データの種類を検出するために用いられる。

加速度センサ７２は、車両Ｖの加速度を検出する。加速度センサ７２で検知された加速度のデータは、例えば、車両Ｖが発進されたタイミングを検出するために用いられる。なお、加速度センサ７２に代えて、アクセルポジションセンサから直接アクセルの操作量などを検出し、車両Ｖが発進されたタイミングを検出してもよい。

（運転者推定装置１０の機能構成）
運転者推定装置１０は、上記のハードウェア資源を用いて、各種の機能を実現する。運転者推定装置１０が実現する機能構成について図４を参照して説明する。

図４に示されるように、運転者推定装置１０は、機能構成として、データ取得部７４、学習部７６、運転者推定部７８及び操作提案部８０を含んで構成されている。なお、各機能構成は、ＣＰＵ２０がＲＯＭ２２又はストレージ２６に記憶されたプログラムを読み出し、実行することにより実現される。

データ取得部７４は、予め設定された複数の操作項目について、車両Ｖの運転前に運転者によって行われた操作に関する操作データを取得する。なお、「車両Ｖの運転前」とは、例えば、車両ＶのイグニッションスイッチがＯＮにされてから、車両が発進されるまでの間である。本実施形態の一例では、車両Ｖの操作データは車両Ｖからサーバ１２へ送信されており、サーバ１２に操作データが蓄積されている。このため、データ取得部７４は、サーバ１２から操作データを取得する。データ取得部７４が取得する運転データは、例えば、複数の操作項目に関する操作が行われた手順に関する情報、操作時間に関する情報及び設定内容に関する情報である。

図６に示されるように、本実施形態では一例として、取得される操作データの種別は、操作手順、操作時間、設定内容に区分されている。

操作手順に区分される操作項目には、例えば、ドアロック操作、パーキングブレーキ操作、シフトレバー操作が含まれている。ドアロック操作については、運転席のドアがロックされたタイミングが取得される。パーキングブレーキ操作については、パーキングブレーキが解除されたタイミングが取得される。シフトレバー操作については、シフトレバーが「Ｄ（ドライブ）」位置に設定されたタイミングが取得される。

また、この操作手順の区分では、複数の操作項目（ドアロック操作、パーキングブレーキ操作、及びシフトレバー操作）について操作が行われた順番が操作データとして取得される。例えば、図６に示す一例では、ドアロック操作が行われた後に、シフトレバー操作が行われ、最後に、パーキングブレーキ操作が行われたことが操作データとして取得される。

操作時間に区分される操作項目には、例えば、イグニッションスイッチ操作と発進操作が含まれている。イグニッションスイッチ操作については、イグニッションスイッチがＯＮにされたタイミングが取得される。また、発進操作については、加速度センサ７２によって車両の発信が検出されたタイミングが取得される。また、この操作時間の区分では、イグニッションスイッチがＯＮにされてから車両Ｖが発信されるまでに経過した時間が、操作データとして取得される。この経過時間は、車両Ｖの運転前に運転者が行った操作に要する操作時間として判断される。図６に示す一例では、操作時間が１１秒であることが操作データとして取得される。

設定内容に区分される複数の操作項目には、例えば、シート高さ位置設定操作、シート前後位置設定操作、シートベルト操作、空調設定操作、カーナビゲーション設定操作、オーディオ設定操作が含まれている。設定内容に区分される複数の操作項目については、各操作項目の設定内容が操作データとして取得される。

例えば、シート高さ位置設定操作については、最も低いシート位置から設定後のシートの高さ位置に到達するまでのシート高さの変化量が操作データとして取得される。シート前後位置設定操作については、シートの前後位置が最も前方側に位置する前方位置から設定後のシート位置に到達するまでの後方移動量が操作データとして取得される。シートベルト操作については、シートベルトの引き出し量が操作データとして取得される。空調設定操作については、例えば、空調の設定温度が操作データとして取得される。カーナビゲーション設定操作については、例えば、設定された目的地が操作データとして取得される。オーディオ設定操作については、例えば、受信又は再生された音響データの種類が操作データとして取得される。

図４に示される学習部７６は、機械学習によって学習済みモデルＭを生成する機能を有する。具体的には、図５に示されるように、学習部７６は、複数の操作項目に関する操作データと、運転者の個人情報とを対応付けた教師データを取得し、取得した教師データに基づいて、操作項目に関する操作データを入力した場合に、運転者を推定する学習済みモデルＭを生成する。

本実施形態では、後述するように、運転者推定部７８の機能による運転者の推定結果が正しかった場合には、サーバ１２から複数の操作項目に関する操作データと、運転者の個人情報とを対応付けたデータを教師データとして取得し、学習済みモデルＭを更新する。

なお、学習済みモデルＭとしては、例えば、ディープニューラルネットワークが適用される。本実施形態の学習済みモデルＭは一例として、ＲＮＮ（Recursive Neural Network）の一種であるＬＳＴＭ（Long Short Term Memory）が適用されている。また、学習済みモデルＭの生成には、例えば、誤差逆伝播法が用いられる。学習済みモデルＭは、運転データが入力された場合に、運転特性及び認知特性が出力されるように、ディープニューラルネットワークモデルを機械学習させることによって生成される。

運転者推定部７８は、データ取得部７４で取得された、操作データに基づいて、車両Ｖの運転者を推定する。具体的には、運転者推定部７８は、学習部７６で生成された学習済みモデルＭに対してデータ取得部７４で取得された操作データを入力し、学習済みモデルＭの演算処理を実行することで、運転者を推定する。

また、運転者推定部７８は、後述する操作提案部８０の提案を乗員が実行しなかった場合に、改めて、運転者を推定する。具体的には、提案した操作が実行されなかったという操作データ又は提案した操作に替わって運転者が実行した操作データを取得して、改めて、学習済みモデルＭの演算処理を実行することで、運転者を推定する。

操作提案部８０は、データ取得部７４で取得された操作データと運転者推定部７８の推定結果に基づいて、車両Ｖの運転者が実行する可能性の高い操作を提案する。具体的には、操作提案部８０は、運転者毎に対応付けて蓄積された過去の車両Ｖの操作データに基づいて、統計的、確率的に実行する可能性の高い操作を予測し、予測された操作について運転者に提案する。また、提案される操作は、運転前に行われる操作に限らず、運転中に行われる操作であってもよい。

なお、車両Ｖの運転者が実行する可能性の高い操作の予測は、複数の操作項目に関する情報としての操作データと、運転者の個人情報とを対応付けた教師データを取得し、取得した教師データに基づいて、操作項目に関する操作データを入力した場合に、運転者が実行する可能性の高い操作を推定する学習済みモデルを生成して行われてもよい。

即ち、操作提案部８０は、運転者が実行する可能性の高い操作を推定するための機械学習を行った学習済みモデルに対して、データ取得部で取得された操作データと運転者推定部７８で推定された運転者の個人情報とを入力し、前記学習済みモデルの演算処理を実行することで、運転者が実行する可能性の高い操作を推定する構成としてもよい。

なお、運転者に対する操作の提案は、車内のディスプレイに画像データを表示する方法や、スピーカに音声データを出力する等の方法で行うことができる。例えば、運転者が実行する可能性の高い操作として「シート前後位置設定操作」が予測された場合に、車内のスピーカから「シートの前後位置を”△△△さん”の前回の設定位置にしますか？」等、推定された運転者に対して「シートの前後位置設定操作」を提案する内容の音声データを出力する。これに対して、運転者の発した音声又は操作部への操作によって操作提案部８０からの提案に同意する旨の応答を取得した場合は、提案した操作を実行することで乗員の操作を支援することができる。

その一方で、乗員から、提案に同意しない旨の応答を取得した場合、操作提案部８０は、提案した操作が実行されなかったため、運転者の推定結果が誤りである可能性があると判断する。そして、運転者推定部７８は、提案した操作が実行されなかったという操作データ又は提案した操作に替わって運転者が実行した操作データを取得して、学習済みモデルＭに入力することで改めて運転者を推定する。

（作用）
次に、本実施形態の作用を説明する。

（運転者推定処理）
運転者推定処理の流れの一例について、図７に示されているシーケンス図を用いて説明する。なお、運転者推定装置１０における処理は、ＣＰＵ２０がデータ取得部７４及び運転者推定部７８として機能することにより実現される。

ステップＳ１０２では、車両Ｖからサーバ１２へ操作データが送信される。具体的には、車両Ｖに搭載されたドアセンサ５４、シートセンサ５６、シートベルトセンサ５８、イグニッションスイッチセンサ６０、パーキングブレーキセンサ６２、シフトレバーセンサ６４、空調装置６６、カーナビゲーション装置６８、オーディオ装置７０及び加速度センサ７２で検出された信号が操作データとしてサーバ１２へ送信される。このとき、車両Ｖ側で予めデータを加工したものを操作データとしてサーバ１２へ送信してもよい。

サーバ１２では、車両Ｖから受信した操作データが車両Ｖごと、又は運転者ごとに蓄積される。

ステップＳ１０４では、運転者推定装置１０がデータ取得部７４の機能によってサーバ１２へ操作データを要求する。ステップＳ１０６では、サーバ１２から運転者推定装置１０へ操作データが送信される。

ステップＳ１０８では、運転者推定装置１０が運転者推定処理を行う。具体的には、運転者推定装置１０は、運転者推定部７８の機能により、学習済みモデルＭに対してデータ取得部７４で取得された操作データを入力し、学習済みモデルＭの演算処理を実行することで、運転者を推定する。

ステップＳ１１０では、運転者推定処理により推定された運転者（推定結果）がサーバ１２へ送信される。

ステップＳ１１２では、サーバ１２から運転者推定装置１０へ、推定された運転者について蓄積された過去の操作データが送信される。

ステップＳ１１４では、運転者推定装置１０が推定された運転者が実行する可能性の高い操作を予測し、予測された操作の実行を提案する。具体的に、操作提案部８０の機能により、サーバ１２から取得した過去の操作データから得られる統計的な確率予測により、データ取得部で取得された操作データの次に、運転者が実行する可能性の高い操作予測する。

ステップＳ１１６では、予測した操作を車両Ｖの運転者に提案する。具体的には、運転者推定装置１０から車両Ｖに提案要求を送信し、車両Ｖで操作を提案する画像データ又は音声データ等を運転者に対して出力する。

ステップＳ１１８では、車両Ｖにおいて、運転者推定装置１０から提案された操作が実行されたか否かを判定する。車両Ｖにおいて、提案された操作が実行されたと判定した場合は、ステップＳ１２０で、車両Ｖからサーバ１２に操作データを送信する。一方、車両Ｖで提案された操作が実行されなかったと判定した場合は、ステップＳ１２２で、車両Ｖから運転者推定装置１０に操作データが送信される。なお、この判定処理は、運転者推定１０装置からの提案に対する操作データを車両Ｖから運転者推定装置１０に送信し、運転者推定装置１０で判定処理を実行してもよい。又は、運転者推定１０装置からの提案に対する操作データをサーバ１２に送信し、サーバ１２で判定処理を実行し、その結果を運転者推定装置１０に送信してもよい。

ステップＳ１２４では、運転者推定装置１０が運転者推定部７８の機能に基づいて、改めて運転者を推定する。具体的に、運転者推定部７８は、提案した操作が実行されなかったという操作データ又は提案した操作に替わって運転者が実行した操作データを取得して、学習済みモデルＭに入力することで改めて運転者を推定する。

ステップＳ１２６では、運転者推定処理によって推定された運転者がサーバ１２へ送信される。

ステップＳ１２８で車両Ｖの運転が終了すると、ステップＳ１３０では、運転者推定装置１０から推定された運転者の通信端末に対して、推定結果の正誤を確認可能な確認情報を送信する。本実施形態の一例では、運転者の通信端末は、車載器１４とされている。なお、通信端末は、推定された運転者が携行するスマートフォンやタブレット等の通信端末でもよい。

ステップＳ１３２では、通信端末としての車両Ｖから運転者推定装置１０に、確認情報に対する運転者からの応答データが送信される。

ステップＳ１３４では、運転者推定装置１０が、応答データに基づいて、運転者推定処理による推定結果が正しかったか否かについて判定する。推定結果が誤りであると判定された場合は、処理を終了する。一方で、推定結果が正しいと判定された場合は、ステップＳ１３６で、サーバ１２に教師データを要求する。

ステップＳ１３８では、サーバ１２から運転者推定装置１０に取得された操作データと運転者の個人情報とを対応付けた教師データを送信する。これにより、運転者推定装置１０では、学習部７６の機能により、学習済みモデルＭを更新することができる。

以上のように、本実施形態に係る運転者推定装置１０では、予め設定された複数の操作項目について、車両の運転前に運転者によって行われた操作に関する操作データに基づいて運転者を推定するため、短時間、且つ高い精度で運転者を推定することができる。

また、この場合において、複数の操作項目に関する操作が行われた手順、操作時間及び設定内容のうち少なくとも一つ操作データに基づいて、運転者を推定することができる。

さらに、運転者推定処理では、操作データと運転者の推定結果に基づいて、運転者が実行する可能性の高い操作を提案し、提案された操作を運転者が実行しなかった場合に、改めて運転者を推定する。これにより、運転者の推定結果が誤りである可能性が高い場合は、改めて運転者を推定することで推定結果の精度を高めることができる。その一方で、推定結果が正しい場合は、運転前の操作について運転者が快適さを感じる提案をすることができる。

さらにまた、本実施形態では、運転者を推定するための機械学習を行った学習済みモデルＭを用いて運転者を推定することで、複雑な演算を必要とせずに、短時間且つ高い精度で運転者を推定することができる。そして、この学習済みモデルＭでは、車両の運転後に運転者の通信端末に対して推定結果の正誤を確認可能な確認情報を送信し、送信された確認情報に対する運転者の応答が、推定結果が正解であることを示す場合に、取得された操作データと運転者の個人情報とを対応付けた教師データを取得する。そして、取得した教師データに基づいて、操作項目に関する操作データを入力した場合に、運転者を推定する学習済みモデルＭを生成（更新）する。これにより、運転者の推定精度を向上させるための学習済みモデルの学習用データを効率的に収集することができる。
[補足説明]

以上、実施形態に係る運転者推定装置１０について説明したが、本発明の要旨を逸脱しない範囲において、種々なる態様で実施し得ることは勿論である。例えば、上記実施形態では、運転者推定装置１０を車両Ｖの外部に設けたが、これに限定されず、車両Ｖに運転者推定装置１０が搭載された構成としてもよい。この場合、車両Ｖの操作データをサーバ１２へ送信せず、運転者推定装置１０が車両Ｖから直接操作データを取得してもよい。

運転者推定部７８による運転者推定処理は、運転者推定装置１０の内部で実行してもよく、必要なデータをサーバ１２へ送信してサーバ１２側で実行してもよい。運転者推定処理をサーバ１２側で実行する場合、学習済みモデルＭがサーバ１２に格納されていてもよい。

さらに、上記実施形態では、運転者推定部７８は、学習済みモデルＭに対して操作データなどを入力し、学習済みモデルＭの演算処理を実行することで、運転者を推定したが、これに限定されない。例えば、学習済みモデルＭを用いずに運転者を推定してもよい。この場合、予め操作データ及び運転者の個人情報とを関連付けたテーブルを保持しておき、このテーブルを参照して運転者を推定する方法を用いてもよい。

また、上記実施形態では、ドアロック操作、パーキングブレーキ操作、シフトレバー操作、イグニッションスイッチ操作、発信操作、シート高さ位置設定操作、シート前後位置設定操作、シートベルト操作、空調設定操作、カーナビゲーション設定操作及びオーディオ設定操作を操作データの操作項目として列挙したが、これに限らない。例えば、上記データの一部を操作データとして用いてもよい。また、上記データに加えて、窓の開閉操作や、バックルスイッチのロック操作、サイドミラー操作、ルームミラー操作などを含むデータを操作データとして用いてもよい。

さらに、上記実施形態でＣＰＵ２０がプログラムを読み込んで実行した処理を、ＣＰＵ２０以外の各種のプロセッサが実行してもよい。この場合のプロセッサとしては、ＦＰＧＡ（Field-Programmable Gate Array）等の製造後に回路構成を変更可能なＰＬＤ（Programmable Logic Device）、及びＡＳＩＣ（Application Specific Integrated Circuit）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が例示される。また、上記処理を、これらの各種のプロセッサのうちの１つで実行してもよいし、同種又は異種の２つ以上のプロセッサの組み合わせで実行してもよく、例えば、複数のＦＰＧＡ、及びＣＰＵとＦＰＧＡとの組み合わせ等で実行してもよい。また、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子等の回路素子を組み合わせた電気回路である。

さらに、上記実施形態では、ストレージ２６及びストレージ４６に種々のデータを記憶させる構成としたが、これに限定されない。例えば、ＣＤ（Compact Disk）、ＤＶＤ（Digital Versatile Disk）、及びＵＳＢ（Universal Serial Bus）メモリ等の非一時的記録媒体を記憶部としてもよい。この場合、これらの記録媒体に各種プログラム及びデータなどが格納されることとなる。

１０ 運転者推定装置
７４ データ取得部
７８ 運転者推定部
８０ 操作提案部
Ｍ 学習済みモデル
Ｖ 車両

Claims (7)

1. 予め設定された複数の操作項目について、車両の運転前に運転者によって行われた操作に関する操作データを取得するデータ取得部と、
   前記データ取得部で取得された操作データに基づいて、運転者を推定する運転者推定部と、
   を有する運転者推定装置。
2. 前記データ取得部は、複数の操作項目に関する操作が行われた手順、操作時間及び設定内容のうち少なくとも一つを含む操作データを取得する、請求項１に記載の運転者推定装置。
3. 前記データ取得部で取得された操作データと前記運転者推定部の推定結果に基づいて、運転者が実行する可能性の高い操作を提案する操作提案部と、
   前記運転者推定部は、前記操作提案部で提案された操作を運転者が実行しなかった場合に、改めて運転者を推定する、請求項１に記載の運転者推定装置。
4. 前記運転者推定部は、車両の運転者を推定するための機械学習を行った学習済みモデルに対して前記データ取得部で取得された操作データを入力し、前記学習済みモデルの演算処理を実行することで、運転者を推定する、請求項１～請求項３の何れか１項に記載の運転者推定装置。
5. 予め設定された複数の操作項目について、車両の運転前に運転者によって行われた操作に関する操作データを取得し、
   取得された操作データに基づいて、運転者を推定する、
   運転者推定方法。
6. 予め設定された複数の操作項目について、車両の運転前に運転者によって行われた操作に関する操作データを取得し、
   取得された操作データに基づいて、運転者を推定する、
   処理をコンピュータに実行させるプログラム。
7. 予め設定された複数の操作項目について車両の運転前に運転者によって行われた操作に関する操作データと、当該操作データに基づいて運転者を推定した推定結果とを取得し、
   車両の運転後に、推定された運転者の通信端末に対して、推定結果の正誤を確認可能な確認情報を送信し、
   送信された確認情報に対する運転者の応答が、推定結果が正解であることを示す場合に、取得された操作データと運転者の個人情報とを対応付けた教師データを取得し、
   取得した教師データに基づいて、操作項目に関する操作データを入力した場合に、運転者を推定する学習済みモデルを生成する処理をコンピュータに実行させる、
   学習済みモデルの生成方法。