JP2023165316A - 個人特性管理装置、個人特性管理方法、プログラム及び学習済みモデルの生成方法 - Google Patents
個人特性管理装置、個人特性管理方法、プログラム及び学習済みモデルの生成方法 Download PDFInfo
- Publication number
- JP2023165316A JP2023165316A JP2022076205A JP2022076205A JP2023165316A JP 2023165316 A JP2023165316 A JP 2023165316A JP 2022076205 A JP2022076205 A JP 2022076205A JP 2022076205 A JP2022076205 A JP 2022076205A JP 2023165316 A JP2023165316 A JP 2023165316A
- Authority
- JP
- Japan
- Prior art keywords
- personal
- driving
- data
- management device
- personal characteristic
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims abstract description 29
- 230000001133 acceleration Effects 0.000 claims description 25
- 230000001149 cognitive effect Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 17
- 230000002093 peripheral effect Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000036626 alertness Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000002996 emotional effect Effects 0.000 description 3
- 230000004438 eyesight Effects 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004382 visual function Effects 0.000 description 2
- 206010054196 Affect lability Diseases 0.000 description 1
- 206010049976 Impatience Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/10—Accelerator pedal position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/12—Brake pedal position
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/18—Steering angle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/22—Psychological state; Stress level or workload
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/80—Spatial relation or speed relative to objects
- B60W2554/802—Longitudinal distance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
- B60W2555/60—Traffic rules, e.g. speed limits or right of way
Abstract
【課題】高い精度で個人特性を推定可能な個人特性管理装置、個人特性管理方法、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】個人特性管理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運転評価項目に関する運転データを車両又は車両の外部から取得する。また、個人特性管理装置は個人特性推定部を含んでおり、個人特性推定部は、データ取得部で取得された運転データに基づいて、運転者の個人特性を推定する。【選択図】図8
Description
本発明は、個人特性管理装置、個人特性管理方法、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、給油のタイミングの相対頻度に応じて「せっかち度」を判定し、車両の走行履歴から「規則忠実度」を判定するドライバ正確判定装置が開示されている。
しかしながら、上記特許文献1に記載された装置では、給油のタイミング及び車両の走行履歴に基づいて運転者の性格を推定するため、高い精度で運転者の個人特性を推定することはできない。
本発明は、高い精度で個人特性を推定可能な個人特性管理装置、個人特性管理方法、プログラム及び学習済みモデルの生成方法を得ることを目的とする。
請求項1に係る個人特性管理装置は、予め設定された複数の運転評価項目に関する運転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前記運転データに基づいて運転者の個人特性を推定する個人特性推定部と、を有する。
請求項1に係る個人特性管理装置では、予め設定された複数の運転評価項目に関する運転データに基づいて運転者の個人特性を推定するため、精度の高い推定を行うことができる。
請求項2に係る個人特性管理装置は、請求項1において、前記個人特性推定部は、個人特性として、運転特性及び認知特性を含む特性を推定する。
請求項2に係る個人特性管理装置では、利用者が運転特性及び認知特性を含む特性を把握することができる。なお、ここでいう「運転特性」とは、利用者の運転操作に関する傾向を示す特性であり、「認知特性」とは、利用者が周辺状況を認知する度合いを示す特性である。
請求項3に係る個人特性管理装置は、請求項1において、前記データ取得部は、運転評価項目として、少なくとも車両の加減速及び操舵を含む運転データを取得する。
請求項3に係る個人特性管理装置では、車両の加減速及び操舵を含む運転データに基づいて運転者の個人特性が推定される。
請求項4に係る個人特性管理装置は、請求項3において、前記データ取得部は、運転評価項目として、さらに車両の周辺を撮像する周辺カメラで撮像された情報及び運転者を撮像するドライバ用カメラで撮像された情報を取得する。
請求項4に係る個人特性管理装置では、車両の加減速及び操舵などの車両操作の運転データに加えて、周辺カメラ及びドライバ用カメラで撮像された情報に基づいて運転者の個人特性が推定される。
請求項5に係る個人特性管理装置は、請求項1~4の何れか1項において、前記個人特性推定部は、個人特性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運転データを入力し、前記学習済みモデルの演算処理を実行することで、個人特性を推定する。
請求項5に係る個人特性管理装置では、個人特性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個人特性を推定することで、複雑な演算を必要とせずに高精度で個人特性を推定することができる。
請求項6に係る個人特性管理方法は、予め設定された複数の運転評価項目に関する運転データを取得し、取得された前記運転データに基づいて運転者の個人特性を推定する。
請求項7に係るプログラムは、予め設定された複数の運転評価項目に関する運転データを取得し、取得された前記運転データに基づいて運転者の個人特性を推定する、処理をコンピュータに実行させる。
請求項8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運転評価項目に関する情報と、運転特性及び認知特性のそれぞれの正解値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、運転評価項目に関するデータを入力した場合に、運転特性及び認知特性を含む個人特性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。
以上説明したように、本発明に係る個人特性管理装置、個人特性管理方法、プログラム及び学習済みモデルの生成方法によれば、高い精度で個人特性を推定することができる。
実施形態に係る個人特性管理装置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、個人特性管理装置10、サーバ12及び車両Vを含んで構成されている。そして、個人特性管理装置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。
本実施形態の個人特性管理装置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、本実施形態の個人特性管理装置10は、各車両Vを運転する運転者の運転データに基づいて運転者の個人特性を推定する。
(個人特性管理装置10のハードウェア構成)
図2は、個人特性管理装置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、個人特性管理装置10は、制御部としてのECU(Electronic Control Unit)11を備えている。ECU11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。
図2は、個人特性管理装置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、個人特性管理装置10は、制御部としてのECU(Electronic Control Unit)11を備えている。ECU11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、個人特性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、個人特性管理装置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、個人特性管理装置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、個人特性管理装置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。
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、加速度センサ54、舵角センサ56、周辺カメラ58及びドライバ用カメラ60と電気的に接続されている。
加速度センサ54は、車両Vの加速度を検出する。舵角センサ56は、車両Vの操舵角を検出する。加速度センサ54で検知された加速度のデータは、例えば、車両Vの急加減速の有無を判定するために用いられる。また、舵角センサ56で検知された操舵角のデータは、例えば、急操舵やUターンの有無を判定するために用いられる。なお、加速度センサ54に代えて、アクセルポジションセンサ及びブレーキセンサなどのセンサ類から直接アクセル及びブレーキの操作量などを検出してもよい。
周辺カメラ58は、車両Vの周囲に設けられて車両Vの周辺を撮像する。例えば、周辺カメラ58は、車両Vの前方を撮像する前方カメラ、車両Vの後方を撮像する後方カメラ、及び車両Vの側方を撮像する側方カメラなどを含んで構成されている。そして、周辺カメラ58で撮像された画像データは、例えば、先行車両との車間距離を算出するために用いられる。また、周辺カメラ58で撮像された画像データは、例えば、標識を検出するために用いられる。
ドライバ用カメラ60は、運転者を撮像するためのカメラであり、例えば、インストルメントパネルに設けられており、運転者へ向けて配置されている。ドライバ用カメラ60で撮像された画像データは、例えば、脇見運転などを検出するために用いられる。
(個人特性管理装置10の機能構成)
個人特性管理装置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。個人特性管理装置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。
個人特性管理装置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。個人特性管理装置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、個人特性管理装置10は、機能構成として、データ取得部62、スコア算出部64、学習部66及び個人特性推定部68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62は、予め設定された複数の運転評価項目に関する運転データを取得する。本実施形態では一例として、運転データは車両Vからサーバ12へ送信されており、サーバ12に運転データが蓄積されている。このため、データ取得部62は、サーバ12から運転データを取得する。データ取得部62が取得する運転データは、例えば、車両Vの加減速及び操舵に関する情報、周辺カメラ58で撮像された情報及びドライバ用カメラ60で撮像された情報などである。また、データ取得部62は、スコア算出部64によって算出されたスコア及び計測回数を含むデータを運転データとして取得する。
スコア算出部64は、データ取得部62で取得した運転データに基づいて、運転評価項目のそれぞれに対してスコアの算出及び回数の計測を行う。ここで、図6を参照して運転評価項目の一例について説明する。
図6に示されるように、本実施形態では一例として、運転評価項目の診断種別は、安全、法令順守及びドライバ状態に区分されている。
安全の診断種別は、アクセル操作、ブレーキ操作、ステアリング操作及び危険操作に分類されている。また、アクセル操作としては、発進及び急加速についてそれぞれ評価が行われる。具体的には、発進の項目では、車両Vに設けられた加速度センサ54で検知されたデータに基づいて、車両Vの停止状態から所定の速度に到達するまでの間のアクセル操作が評価される。また、発進の評価は、0から100のスコアで算出される。急加速、急制動、停止、右折及び左折の評価も同様に0から100のスコアで算出される。
例えば、発進の項目では、車両Vの停止状態から所定の速度に到達するまでの時間と、所定の速度に到達するまでの間における加速度の変化量とに基づいて、スコアを算出してもよい。また、最も理想的な発進状態のスコアを100に設定し、停止状態からアクセルを全開にした発進状態のスコアを0に設定しておき、実際の発進状態と対比することでスコアを算出してもよい。
急加速の項目では、急加速が行われた度合いがスコアとして算出される。例えば、車両Vに設けられた加速度センサ54で検知された加速度に基づいて、比較的短い時間で加速度の増加量が大きい場合にスコアが低く算出してもよい。
ブレーキ操作としては、急制動及び停止についてそれぞれ評価が行われる。急制動の項目では、急制動が行われた度合いがスコアとして算出される。例えば、車両Vに設けられた加速度センサ54で検知されたデータに基づいて、比較的短い時間で加速度の減少量が大きい場合にスコアを低く算出してもよい。また、停止の項目では、所定の速度から車両Vが停止するまでの時間と、停止するまでの間における加速度の変化量とに基づいて、スコアを算出してもよい。
ステアリング操作としては、右折及び左折についてそれぞれ評価が行われる。例えば、右折の項目では、舵角センサ56で検知された車両Vの操舵角に基づいて、所定時間内における操舵角の変化量が予め設定された理想の状態に近いほどスコアを高くしてもよい。左折の項目は、右折の項目と同様にスコアが算出される。
危険操作としては、Uターン、ウインカ忘れ及び車間距離についてそれぞれ評価が行われる。これらの評価は、スコアではなく、検出回数によって評価される。
Uターンの項目では、Uターンが行われた回数がカウントされる。例えば、舵角センサ56で検知された車両Vの操舵角と走行距離とに基づいて、Uターンが行われたと判断してもよい。ウインカ忘れの項目では、右左折前にターンシグナルランプの灯火が行われなかった回数がカウントされる。例えば、舵角センサ56で検知された車両Vの操舵角に基づいて右左折が行われたと判断された状態において、車両Vに搭載された図示しないターンシグナルスイッチが事前にONになっていなかった場合に、ウインカ忘れであると判断してもよい。
車間距離の項目では、先行車両との車間距離が近くなった回数がカウントされる。例えば、周辺カメラ58で撮像された画像データに基づいて算出された先行車両との車間距離が、所定の車間距離以下となった場合に、先行車両との車間距離が近くなったと判断してもよい。
法令順守の診断種別は、信号及び標識に分類されている。信号としては、信号を無視した回数がカウントされる。標識としては、制限速度違反、一時停止違反及び駐車禁止についてそれぞれ評価が行われる。
制限速度の項目では、制限速度を超過した回数がカウントされる。例えば、周辺カメラ58で撮像された画像データに基づいて標識に表示された制限速度を検出し、車両Vに搭載された図示しない車速センサで検出された車速が制限速度よりも大きい場合に制限速度を超過したと判断してもよい。
一時停止違反の項目では、一時停止位置で停止しなかった回数がカウントされる。例えば、周辺カメラ58で撮像された画像データに基づいて一時停止の標識を検出し、この一時停止の位置において車速が0にならなかった場合に一時停止違反であると判断してもよい。
駐車禁止の項目では、駐車禁止の場所で駐車を行った回数がカウントされる。例えば、周辺カメラ58で撮像された画像データに基づいて駐車禁止の標識を検出し、この駐車禁止の場所においてシフトポジションがパーキングになった場合に駐車禁止であると判断してもよい。なお、制限速度違反の項目については、周辺カメラ58で撮像された画像データに基づいて標識を検出する方法に代えて、ナビゲーションシステムに登録されている情報と車両Vの現在位置とから、車両Vが走行している道路の制限速度の情報を取得してもよい。同様に、ナビゲーションシステムに登録されている情報と車両Vの現在位置とから、一時停止及び駐車禁止の場所であることを検知してもよい。なお、車両Vの現在位置情報は、車両V搭載された図示しないGPS(Global Positioning System)装置が受信した電波に基づいて取得される。
ドライバ状態の診断種別では、低覚醒度及び脇見運転の項目がそれぞれ評価される。低覚醒度の項目では、運転者の覚醒度が低いと判断された回数がカウントされる。例えば、ドライバ用カメラ60で撮像された運転者の顔の画像データに基づいて運転者の覚醒度を算出し、覚醒度が予め設定された閾値よりも低い場合に、覚醒度が低いと判断してもよい。
脇見運転の項目では、運転者が運転中によそ見をした回数がカウントされる。例えば、ドライバ用カメラ60で撮像された運転者の顔の画像データから運転者の視線方向を検出し、運転者の視線方向が所定時間以上、進行方向とは異なる方向へ向けられている場合に、脇見運転を行っていると判断してもよい。
図4に示される学習部66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66は、複数の運転評価項目に関する情報としての運転データと、運転特性及び認知特性のそれぞれの正解値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、運転評価項目に関するデータを入力した場合に、運転特性及び認知特性を含む個人特性を推定する学習済みモデルMを生成する。運転特性及び認知特性については後述する。
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。
また、運転特性の正解値は、例えば、独立行政法人自動車事故対策機構などの外部機関で実施されている運転者適正診断の診断結果を利用してもよい。また、認知特性の正解値は、MMSE(Mini-Mental State Examination)などの認知機能を評価する検査の検査結果を利用してもよい。
個人特性推定部68は、データ取得部62で取得された、スコアを含む運転データに基づいて運転者の個人特性を推定する。具体的には、個人特性推定部68は、学習部66で生成された学習済みモデルMに対してデータ取得部62で取得された運転データを入力し、学習済みモデルMの演算処理を実行することで、個人特性を推定する。また、本実施形態では一例として、個人特性推定部68は、運転特性及び認知特性を個人特性として推定する。
ここで、図7を参照して、個人特性としての運転特性及び認知特性の一例について説明する。図7に示されるように、本実施形態では運転特性として、判断のタイミング、動作の正確さ、安全運転、感情安定性、危険感受性及び思いやり運転のそれぞれに対して推定する。推定結果は、0から100のスコアで算出される。
判断のタイミングの項目では、運転者が車両Vの周囲の状況を迅速に判断できる度合いと、迅速に動作を行うことができる度合いについての特性が推定される。動作の正確さの項目では、車両Vの操作の正確さの度合いについての特性が推定される。
安全運転の項目では、運転者が安全な運転を心がけている度合いについての特性が推定される。また、感情安定性の項目では、感情的な運転が行われずに冷静さの度合いについての特性が推定される。危険感受性の項目では、危険な状況を迅速に判断できる度合いについての特性が推定される。思いやり運転の項目では、自車両の周囲の車両及び歩行者への思いやりについての特性が推定される。
認知特性としては、認知能力の項目が0から100のスコアで算出される。
(作用)
次に、本実施形態の作用を説明する。
次に、本実施形態の作用を説明する。
(個人特性推定処理)
個人特性推定処理の流れの一例について、図8に示されているシーケンス図を用いて説明する。なお、個人特性管理装置10における処理は、CPU20がデータ取得部62、スコア算出部64及び個人特性推定部68として機能することにより実現される。
個人特性推定処理の流れの一例について、図8に示されているシーケンス図を用いて説明する。なお、個人特性管理装置10における処理は、CPU20がデータ取得部62、スコア算出部64及び個人特性推定部68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へ運転データが送信される。具体的には、車両Vに搭載された加速度センサ54及び舵角センサ56などのセンサ類で検出された信号が運転データとしてサーバ12へ送信される。また、周辺カメラ58及びドライバ用カメラ60で撮像された画像データが運転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運転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から受信した運転データが車両Vごと、又は運転者ごとに蓄積される。
ステップS104では、個人特性管理装置10がデータ取得部62の機能によってサーバ12へ運転データを要求する。ステップS106では、サーバ12から個人特性管理装置10へ運転データが送信される。
ステップS108では、個人特性管理装置10がスコア算出処理を行う。具体的には、個人特性管理装置10は、スコア算出部64の機能により、運転データから運転評価項目のそれぞれに対してスコアの算出及び回数のカウントを行う。本実施形態では、個人特性管理装置10のストレージ26に予めスコア算出用の数式などが格納されており、この数式を用いてスコアが算出される。
ステップS110では、個人特性管理装置10が個人特性推定処理を行う。具体的には、個人特性管理装置10は、個人特性推定部68の機能により、学習済みモデルMに対してデータ取得部62で取得された運転データ及びスコア算出部64で算出されたスコアを入力し、学習済みモデルMの演算処理を実行することで、個人特性を推定する。
ステップS112では、個人特性推定処理によって推定された個人特性のデータがサーバ12へ送信される。なお、サーバ12に蓄積された個人特性データは、種々の用途に利用することができる。例えば、個人特性データに基づいて運転者ごとに適切な方法で運転のアドバイスを行うようにしてもよい。また、個人特性データに基づいて運転者ごとに車両Vの制御方法を変化させてもよい。
以上のように、本実施形態に係る個人特性管理装置10では、予め設定された複数の運転評価項目に関する運転データに基づいて運転者の個人特性を推定するため、精度の高い推定を行うことができる。
また、本実施形態では、個人特性として運転特性及び認知特性を含む特性が推定されるため、利用者が運転特性及び認知特性を含む特性を把握することができる。
さらに、本実施形態では、車両Vの加減速及び操舵を含む運転データに加えて、周辺カメラ及びドライバ用カメラで撮像された情報に基づいて運転者の個人特性を推定することができる。また、個人特性を推定するための機械学習を行った学習済みモデルMを用いて個人特性を推定することで、複雑な演算を必要とせずに高精度で個人特性を推定することができる。
以上、実施形態に係る個人特性管理装置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、個人特性管理装置10を車両Vの外部に設けたが、これに限定されず、車両Vに個人特性管理装置10が搭載された構成としてもよい。この場合、車両Vの運転データをサーバ12へ送信せず、個人特性管理装置10が車両Vから直接運転データを取得してもよい。
また、スコア算出部64によるスコア算出処理は、個人特性管理装置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。さらに、個人特性推定部68による個人特性推定処理は、個人特性管理装置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。スコア算出処理及び個人特性推定処理をサーバ12側で実行する場合、スコア算出に必要な数式などのデータ、及び学習済みモデルMがサーバ12に格納してもよい。
さらに、上記実施形態では、個人特性推定部68は、学習済みモデルMに対して運転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、個人特性を推定したが、これに限定されない。例えば、学習済みモデルMを用いずに個人特性を推定してもよい。この場合、予め運転データのスコア及び計測回数と個人特性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個人特性を推定する方法を用いてもよい。
さらにまた、上記実施形態では、個人特性として、運転特性及び認知特性を推定する構成について説明したが、これに限定されない。例えば、個人特性として、運転特性及び認知特性に加えて、心理特性、視覚機能及び健康状態を個人特性として推定してもよい。心理特性としては、知的好奇心、誠実性、外向性、協調性及び情緒不安定性などが含まれる。視覚機能として、静止視力、動体視力、夜間視力及び水平視野などが含まれる。
また、上記実施形態では、アクセル操作、ブレーキ操作、ステアリング操作、危険操作、信号順守、標識順守及びドライバ状態を含むデータを運転データとしたが、これに限定されない。例えば、上記データの一部を運転データとして用いてもよい。また、上記データに加えて、煽り運転の有無、車線逸脱の有無、軽衝突の有無などを含むデータを運転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 個人特性管理装置
58 周辺カメラ
60 ドライバ用カメラ
62 データ取得部
68 個人特性推定部
M 学習済みモデル
V 車両
58 周辺カメラ
60 ドライバ用カメラ
62 データ取得部
68 個人特性推定部
M 学習済みモデル
V 車両
Claims (8)
- 予め設定された複数の運転評価項目に関する運転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前記運転データに基づいて運転者の個人特性を推定する個人特性推定部と、
を有する個人特性管理装置。 - 前記個人特性推定部は、個人特性として、運転特性及び認知特性を含む特性を推定する請求項1に記載の個人特性管理装置。
- 前記データ取得部は、運転評価項目として、少なくとも車両の加減速及び操舵を含む運転データを取得する請求項1に記載の個人特性管理装置。
- 前記データ取得部は、運転評価項目として、さらに車両の周辺を撮像する周辺カメラで撮像された情報及び運転者を撮像するドライバ用カメラで撮像された情報を取得する請求項3に記載の個人特性管理装置。
- 前記個人特性推定部は、個人特性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運転データを入力し、前記学習済みモデルの演算処理を実行することで、個人特性を推定する請求項1~4の何れか1項に記載の個人特性管理装置。
- 予め設定された複数の運転評価項目に関する運転データを取得し、
取得された前記運転データに基づいて運転者の個人特性を推定する、
個人特性管理方法。 - 予め設定された複数の運転評価項目に関する運転データを取得し、
取得された前記運転データに基づいて運転者の個人特性を推定する、
処理をコンピュータに実行させるプログラム。 - 予め設定された複数の運転評価項目に関する情報と、運転特性及び認知特性のそれぞれの正解値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、運転評価項目に関するデータを入力した場合に、運転特性及び認知特性を含む個人特性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。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022076205A JP2023165316A (ja) | 2022-05-02 | 2022-05-02 | 個人特性管理装置、個人特性管理方法、プログラム及び学習済みモデルの生成方法 |
EP23163691.1A EP4273013A3 (en) | 2022-05-02 | 2023-03-23 | Individual characteristics management device, individual characteristics management method, non-transitory storage medium storing a program, and method of generating learned model |
CN202310317649.5A CN116985823A (zh) | 2022-05-02 | 2023-03-29 | 个体特征管理装置和方法以及生成学习模型的方法 |
US18/307,808 US20240075940A1 (en) | 2022-05-02 | 2023-04-27 | Individual characteristics management device, individual characteristics management method, non-transitory storage medium storing a program, and method of generating learned model |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022076205A JP2023165316A (ja) | 2022-05-02 | 2022-05-02 | 個人特性管理装置、個人特性管理方法、プログラム及び学習済みモデルの生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023165316A true JP2023165316A (ja) | 2023-11-15 |
Family
ID=85726925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022076205A Pending JP2023165316A (ja) | 2022-05-02 | 2022-05-02 | 個人特性管理装置、個人特性管理方法、プログラム及び学習済みモデルの生成方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240075940A1 (ja) |
EP (1) | EP4273013A3 (ja) |
JP (1) | JP2023165316A (ja) |
CN (1) | CN116985823A (ja) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006015332A1 (de) * | 2005-04-04 | 2006-11-16 | Denso Corp., Kariya | Gastservice-System für Fahrzeugnutzer |
JP4755026B2 (ja) | 2006-06-08 | 2011-08-24 | 株式会社デンソー | ドライバ性格判定装置及び車両用ナビゲーション装置 |
JP6033838B2 (ja) * | 2012-02-27 | 2016-11-30 | ヤマハ発動機株式会社 | 運転状態共有装置および運転状態共有システム |
WO2014034779A1 (ja) * | 2012-08-31 | 2014-03-06 | 日産自動車株式会社 | 個人特性推定装置及び個人特性推定方法 |
EP3566201A4 (en) * | 2016-12-22 | 2020-11-25 | Xevo Inc. | PROCESS AND SYSTEM FOR PROVIDING SERVICES OF ANALYSIS OF ARTIFICIAL INTELLIGENCE (AIA) FOR PERFORMANCE PREDICTION |
JP6817685B2 (ja) * | 2017-07-07 | 2021-01-20 | Kddi株式会社 | 運転車両信号から個人特性を特定しやすい道路区間を推定する推定装置、プログラム及び方法 |
JP7263997B2 (ja) * | 2019-09-20 | 2023-04-25 | トヨタ自動車株式会社 | 運転行動評価装置、方法およびプログラム |
-
2022
- 2022-05-02 JP JP2022076205A patent/JP2023165316A/ja active Pending
-
2023
- 2023-03-23 EP EP23163691.1A patent/EP4273013A3/en active Pending
- 2023-03-29 CN CN202310317649.5A patent/CN116985823A/zh active Pending
- 2023-04-27 US US18/307,808 patent/US20240075940A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4273013A3 (en) | 2024-01-10 |
EP4273013A2 (en) | 2023-11-08 |
CN116985823A (zh) | 2023-11-03 |
US20240075940A1 (en) | 2024-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108028015B (zh) | 信息处理装置、信息处理方法和存储介质 | |
US10515546B2 (en) | Driving determination device and detection device | |
Payalan et al. | Towards next-generation vehicles featuring the vehicle intelligence | |
US10391406B2 (en) | Apparatus and method for safe drive inducing game | |
US9156352B2 (en) | Driving assistant system and method having warning function for risk level | |
JP5423724B2 (ja) | ドライバ状態判定装置 | |
US20120245758A1 (en) | Driving behavior detecting method and apparatus | |
CN110660194A (zh) | 一种驾驶监控预警方法及系统 | |
CN113460062A (zh) | 驾驶行为分析系统 | |
AbuAli | Advanced vehicular sensing of road artifacts and driver behavior | |
US11760318B2 (en) | Predictive driver alertness assessment | |
JP5929695B2 (ja) | 運転診断装置、運転診断方法、プログラム及び媒体 | |
JP2019011015A (ja) | 車載装置および運転診断方法 | |
JP2023165316A (ja) | 個人特性管理装置、個人特性管理方法、プログラム及び学習済みモデルの生成方法 | |
JP5861680B2 (ja) | 運転特性判定装置及び運転特性判定方法 | |
JP2023165317A (ja) | 個人特性管理システム、個人特性管理方法及びプログラム | |
CN114084135A (zh) | 在自适应巡航控制下从静止状态的车辆启动 | |
US20230401979A1 (en) | Driving diagnostic device, driving diagnostic system, machine learning device and generation method of learned model | |
US20230401905A1 (en) | Information processing device, information processing method, and storage medium | |
JP2024013149A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
Lenné | SEEING MACHINES LIMITED | |
JP2024018713A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP2024026499A (ja) | 情報提供装置、制御方法、及びプログラム | |
JP2022138722A (ja) | 運転診断装置、運転診断システム及び運転診断方法 | |
CN113240916A (zh) | 行车安全测速系统、方法及车辆 |