JP5643386B2 - 運転状況推定装置,運転支援装置 - Google Patents
運転状況推定装置,運転支援装置 Download PDFInfo
- Publication number
- JP5643386B2 JP5643386B2 JP2013117260A JP2013117260A JP5643386B2 JP 5643386 B2 JP5643386 B2 JP 5643386B2 JP 2013117260 A JP2013117260 A JP 2013117260A JP 2013117260 A JP2013117260 A JP 2013117260A JP 5643386 B2 JP5643386 B2 JP 5643386B2
- Authority
- JP
- Japan
- Prior art keywords
- driving
- estimation
- vehicle
- estimation model
- driver
- 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.)
- Active
Links
- 230000006399 behavior Effects 0.000 claims description 48
- 238000001514 detection method Methods 0.000 claims description 39
- 230000008859 change Effects 0.000 claims description 20
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 40
- 230000008569 process Effects 0.000 description 30
- 238000010586 diagram Methods 0.000 description 21
- 230000007704 transition Effects 0.000 description 12
- 238000013500 data storage Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 230000005477 standard model Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000003247 decreasing effect Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 206010041349 Somnolence Diseases 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000994 depressogenic effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Description
この特許文献1には、走行状況の類別化の方法として、具体的には、(1)車速及び車速の一定時間内での変化量をパラメータとする方法、 (2)(1)に加えファジィ空間を用いて類別化する方法、(3)一定時間内において抽出した定速走行時の車速と、その車速で走行した時間により定義した走行状況判定値をパラメータとする方法、(4)一定時間内での走行距離、最高車速及び最低車速により定義した走行状況判定値をパラメータとする方法が挙げられている。また、類別としては、高速道路走行、市街地走行、渋滞時走行が例示されている。
即ち、運転環境は、短い時間間隔で目まぐるしく変化するものではないため、ある一定期間内での検出データの傾向から判定を行うことによって、判定精度を向上させることができる。
次に、本発明の運転支援装置は、請求項1乃至請求項5のいずれか1項に記載の運転状況推定装置を備え、支援実行手段が、推定手段での推定結果に応じた運転支援を選択して実行する。
図1は、車両に搭載され、自車速に応じて設定される目標値(目標車間距離,目標衝突余裕時間)に基づいてドライバの運転状況を推定し、その運転状況に応じた運転支援を行う運転支援装置1の全体構成を示すブロック図である。
図1に示すように、運転支援装置1は、車両の挙動を検出する挙動検出センサ群2と、ドライバによる運転操作を検出する操作検出センサ群3と、地図データやVICS(登録商標)等により車外から取得した各種情報に基づいて経路設定や経路案内等を実行すると共に、それらの処理に使用される情報の一部を他の車載装置に提供するナビゲーション装置4と、ドライバを識別しその識別結果を表す識別情報IDを他の車載装置に提供するドライバ識別装置5と、挙動検出センサ群2,操作検出センサ群3,ナビゲーション装置4,ドライバ識別装置5から取得する各種情報に基づいて、ドライバによる運転の状況を推定する運転状況推定装置6と、運転状況推定装置6にて運転状況を推定する際に設定される目標値を、ドライバが修正するための目標値修正装置7と、運転状況推定装置6での推定結果に基づいて、運転支援の内容を選択して実行する支援内容選択装置8とを備えている。
気情報W、現在の時間帯を表す時間帯情報TBが含まれている。
ドライバ識別装置5は、例えば、ドライバからの入力を受け付けるものであってもよいし、ドライバの顔等を撮影した画像に対する画像認識処理によって自動的にドライバを識別するものであってもよい。
運転状況推定装置6は、車速V,ステアリング操作量S,ブレーキ操作量B,天気情報W,時間帯情報TB,識別情報IDに基づいて、運転環境(走行中の道路の走行環境)を判定しその判定結果を表すクラスタ情報CLを出力する運転環境判定部11と、車間距離D,車速Vに基づいて、衝突余裕時間TTCを算出する衝突余裕時間算出部12と、車間距離D,車速V,衝突余裕時間TTC,クラスタ情報CLに基づいて、クラスタ情報CLで特定される運転環境毎に、目標車間距離OD及び目標衝突余裕時間OTの設定に使用する推定モデルの学習を行う推定モデル学習部13と、推定モデル学習部13で学習された推定モデルやその履歴、及び平均的な推定モデルを表す標準モデル等を記憶するデータ記憶部14と、クラスタ情報CLから特定される推定モデルを用い、車速Vに従って、目標車間距離OD及び目標衝突余裕時間OTを設定する目標値設定部15と、目標値設定部15にて設定された車間距離及び衝突時間の目標値OD,OTと実際に検出された検出値D,TTCとの差等から、ドライバの運転状況を推定する運転状況推定部16とを備えている。
運転環境判定部11では、ステアリング操作量S,ブレーキ操作量Bに基づいて定義される規格化操作量Hsb、及び車速Vに基づいて、現在の運転環境が、予め設定された四つのクラスのいずれであるかを判定する。
まず、様々な運転環境(ここでは、高速道路/地域高規格道路/一般道路/繁華街)を
走行することで蓄積されたステアリング操作量S,ブレーキ操作量B,車速Vのデータを用いて、図2に示すように、規格化操作量Hsbと車速Vをパラメータとする散布図を作成する。
なお、運転環境の分類を表すクラスタを四つに設定した理由は、散布図に表された分布について、ディリクレ過程混合ガウスのクラスタ数・平均・分散を変分ベイズで推定すると、クラスタの平均・分散の値は多少異なるものの、多数(n=23)の被験者で共に4つのクラスに分類されたことによる。
即ち、車速が早く、ステアリング操作もブレーキ操作も比較的少ない高速道路での走行は、高速・低操作負荷領域(クラスタ1)に分類される。
比較的速度も高く、運転操作も頻繁ではない道路、例えば、近郊でも中速で流れがスムーズな道路の一部や地域高規格道路等での走行は、中速・低操作負荷領域(クラスタ4)に分類される。
ここで、運転環境判定部11が実行する処理を、図3に示すフローチャートに沿って説明する。なお、本処理は、予め設定された一定時間間隔(例えば、100ms)毎に起動する。
変化がない場合には、そのままS140に進み、変化がある場合には、S130にて、分布選択情報ID,W,TBに応じた環境判定クラスタ分布を選択してS140に進む。
する。
衝突余裕時間算出部12では、車速Vと先行車との車間距離Dとから相対車速、相対加速度を算出し、等加速度運動を仮定した先行車との衝突余裕時間TTCを算出する。なお、この技術は周知技術であるため、詳細な説明は省略する。
推定モデル学習部13は、クラスタ情報CLで特定される運転環境毎に、目標車間距離ODを算出するための推定モデル、及び目標衝突余裕時間OTを算出するための推定モデルを作成する。
本処理は、運転環境判定部11での処理と同様に、予め設定された一定時間間隔(例えば、100ms)毎に起動する。
変化がない場合は、そのままS240に進み、変化がある場合は、S230にて、クラスタ情報CLに従って学習対象となる推定モデルを切り換えてS240に進む。
目標値設定部15は、クラスタ情報CLによって特定される学習済みの推定モデルが、データ記憶部14に記憶されている場合には、その推定モデル(回帰式)に基づき、車速Vに対応する目標車間距離OD、目標衝突余裕時間OTを設定する。
運転状況推定部16は、目標値設定部15で設定された車間距離及び衝突余裕時間の目標値OD,OTと、最新の検出値D,TTCとを比較し、検出値D,TTCの目標値OD,OTからの逸脱度ΔD(=D−OD),ΔT(=TTC−OD)を算出、その逸脱度ΔD1,ΔT1(そのドライバにとっての通常の運転状況を基準とした逸脱度)を第1の運転状況として出力する。
況の長期的な変化傾向)を、第3の運転状況として出力する。
支援内容選択装置8は、例えば、車間距離について以下の運転支援を実行する。
即ち、図6に示すように、現車速で先行車にこれ以上接近すると急ブレーキをかけても衝突が避けられない距離を衝突不可避距離XDとして、目標車間距離ODから衝突不可避距離に至る車間距離の範囲を4分割し、車間距離の広い順に、レベル1(ディスプレイに情報提供),レベル2(インジケータによる注意喚起),レベル3(ブザーによる警報),レベル4(車両による自動ブレーキ)の制御エリアとする。
なお、ドライバが定常的に危険な運転(車間距離が極端に短い)をしている場合には、推定モデルでは、その挙動を正常な挙動として学習してしまい、警報などを発生させることができなくなる可能性がある。
以上説明したように、運転支援装置1では、運転環境を分類してその運転環境毎に、ドライバの運転状況の推定に用いる推定モデルを学習により生成するようにされている。しかも、運転環境を判定する際には、車両の挙動(車速V)だけでなく、ドライバの操作(ステアリング操作量S,ブレーキ操作量B)も考慮されている。
図5に示した散布図から求めた推定モデルを用い、被験者1〜3に、自身に適合させた推定モデル、他人に適合させた推定モデルの両方について、同じ道路を走行して注意喚起
や警報のタイミングを確認した。
本実施形態において、S140が検出データ取得手段、S170が環境判定手段、S110が分布選択情報取得手段、運転環境判定部11が運転環境判定装置、データ記憶部14がモデル記憶手段,履歴記憶手段,標準モデル記憶手段、推定モデル学習部13が学習手段、目標値設定部15及び運手状況推定部16が推定手段、支援内容選択装置8が支援実行手段に相当する。
本実施形態では、推定モデル学習部13は、一定期間のデータを蓄積してから推定モデル(回帰式)を求めているが、オンラインで(即ち、前回の処理で算出された回帰式と、今回の検出データとで)回帰式が導ける演算方式に変更してもよい。この場合、推定モデルの学習を行う際に蓄積すべきデータ数を大幅に削減することができる。
次に、参考例について説明する。
図7は、車両に搭載され、ブレーキの操作パターン(時系列的な状態遷移)からにブレーキで行った運転行動(ブレーキ意図)を推定し、その運転行動に応じた運転支援を行う運転支援装置1aの全体構成を示すブロック図である。
図7に示すように、運転支援装置1aは、車両の挙動を検出する挙動検出センサ群2と、ドライバによる運転操作を検出する操作検出センサ群3と、地図データやVICS等により車外から取得した各種情報に基づいて経路設定や経路案内等を実行すると共に、それらの処理に使用される情報の一部を他の車載装置に提供するナビゲーション装置4と、ドライバを識別しその識別結果を表す識別情報IDを他の車載装置に提供するドライバ識別装置5と、挙動検出センサ群2,操作検出センサ群3,ナビゲーション装置4,ドライバ識別装置5から取得する各種情報に基づいて、ドライバの運転行動を推定する運転行動推定装置6aと、運転行動推定装置6aでの推定結果に基づいて、運転支援の内容を選択して実行する支援内容選択装置8aとを備えている。
挙動検出センサ群2には、自車両の車速(自車速)Vを検出する車速センサが少なくとも含まれている。
運転行動推定装置6aは、車速V,ステアリング操作量S,ブレーキ操作量B,天気情報W,時間帯情報TB,識別情報IDに基づいて、運転環境(走行中の道路の走行環境)を判定しその判定結果を表すクラスタ情報CLを出力する運転環境判定部11と、ブレーキ操作量B及びクラスタ情報CLに基づいて、クラスタ情報CLで特定される運転環境毎に、ドライバの運転行動の推定に使用する推定モデルの学習を行う推定モデル学習部23と、推定モデル学習部23で学習された推定モデルやその履歴、及び平均的な推定モデルを表す標準モデル等を記憶するデータ記憶部24と、クラスタ情報CLから特定される推定モデルを用い、ブレーキ操作量Bに従って、ドライバの運転行動を推定する運転行動推定部25とを備えている。
<<推定モデル学習部>>
推定モデル学習部23は、ブレーキ操作量Bから求めた運転データに基づき、ブレーキの踏み始めから踏み終わりに至る一連の運転データ(以下、トライアルという)が、予め設定された四つのクラスのいずれに属するかを判断することにより、各トライアルに教師ラベルを付与すると共に、その教師ラベル毎に、ブレーキ操作をモデル化したHMMでの状態遷移確率の学習とを行う。
ここで、図9は、上段がブレーキ踏力の時間変化を例示したものであり、下段が、その時々の運転データがどのクラスタに属するかを判断した結果を例示したものである。図9において、1,2,5番目のトライアルはラベル1に分類され、3,4,7番目のトライアルはラベル2に分類され、6番目のトライアルはラベル3に分類されることになる。
まず、ブレーキ操作を伴った様々な運転行動が行われている時に検出された運転データを蓄積し、その蓄積された運転データに対して、GMM(混合ガウスモデル)を適用して混合数4でクラスタリングする。
次に、図10(a)は、運転データの時系列からなるトライアルのクラスタリングに使用するHMMを表す状態遷移図である。
学習するに当たり、遷移状態Si(i=1,2,3,4,5)に対して、状態Siから
状態Sjに遷移する確率をAijで表すものとして、初期状態遷移確率は、上三角形行列で、対角行列(即ち、自身に遷移する確率A11,A22,A33,A44,A55)とその次の列(即ち、ある状態から次の状態に遷移する確率A12,A23,A34,A45)を0.5とし、それ以外の確率は0とした。但し、終了の状態を加味するために、S5からS5への遷移確率はA55=1とした。
ここで、推定モデル学習部13が実行する処理の流れを、図11に示すフローチャート
に沿って説明する。
本処理が起動すると、まず、S310では、運転環境判定部11からのクラスタ情報CLを取得し、続くS320では、クラスタ情報CLに変化があったか否かを判断する。
S340では、学習に用いるブレーキ操作量Bを取得し、続くS350では、そのブレーキ操作量Bに基づいて、運転データ(ブレーキ踏力,踏力積分値)を求める。
運転行動推定部25は、クラスタ情報CLに対応した推定モデル(ラベル1〜3に対応した3個一組のHMM)に運転データを入力し、対数尤度が最大となるHMMを選択し、その選択されたHMMのラベル(ひいてはそのラベルに対応する運転行動)、推定結果として支援内容選択装置8aに出力する。
<支援内容選択装置>
支援内容選択装置8aは、推定結果のラベルに対応する運転行動に応じた運転支援を実行する。
以上説明したように、運転支援装置1aでは、運転環境を分類してその運転環境毎に、ドライバの運転行動の推定に用いる推定モデル(HMM)を学習により生成するようにされている。しかも、運転環境を判定する際には、車両の挙動(車速V)だけでなく、ドライバの操作(ステアリング操作量S,ブレーキ操作量B)も考慮されている。
図8に示すクラスタ分布、図10(b)に示すHMMを用いて実際に運転行動を推定したところ、推定出力された運転行動は、実際の運転行動(実際にブレーキをかけた時に行った行動)と良く一致していることを確認した。
以上本発明の実施形態について説明したが、本発明は上記実施形態に限定されるものではなく、本発明の要旨を逸脱しない範囲において、様々な態様にて実施することが可能である。
Claims (8)
- 車両の挙動を表す挙動データ及びドライバの操作を表す操作データからなる検出データを取得する検出データ取得手段と、
様々な運転環境にて取得された前記検出データをクラスタリングすることで予め生成され、それぞれが異なった運転環境に対応する複数のクラスタからなるクラスタ分布を使用し、前記検出データ取得手段にて逐次取得される検出データを前記クラスタ分布と照合することによって、車両の運転環境を判定する環境判定手段と、
前記環境判定手段での判定結果の種類毎に用意され、ドライバの運転傾向をモデル化した推定モデルを記憶するモデル記憶手段と、
前記検出データ取得手段にて取得された検出データに基づいて前記推定モデルを学習する学習手段と、
前記環境判定手段での判定結果に従って選択した推定モデルを用い、前記検出データに基づいてドライバの運転状況を推定する推定手段と、
を備え、
前記検出データには、自車速及び先行車との車間距離が少なくとも含まれ、
車間距離もしくは衝突余裕時間のうち少なくとも一方を車間パラメータとして、
前記学習手段は、前記自車速と前記車間パラメータの逆数との関係に基づいて、前記自車速から前記車間パラメータの目標値を設定するための推定モデルを生成し、
前記推定手段は、前記自車速と前記推定モデルとによって設定された前記車間パラメータの目標値と前記車間パラメータの実測値との差から前記運転状況を推定することを特徴とする運転状況推定装置。 - 前記学習手段は、前記自車速と前記車間パラメータの逆数との関係を表すグラフに対して、OCSVM(One-Class Support Vector Machine)を用いることで求められる回帰式を、前記推定モデルとすることを特徴とする請求項1に記載の運転状況推定装置。
- 前記環境判定手段は、前記検出データ取得手段によって連続的に検出された一定量の前記検出データを用いて判定を行うことを特徴とする請求項1又は請求項2に記載の運転状況推定装置。
- 前記環境判定手段が判定する運転環境以外に、前記クラスタの分布を変化させる要因に関する分布選択情報を取得する分布選択情報取得手段を備え、
前記クラスタ分布が、前記要因毎に用意されていると共に、
前記環境判定手段は、前記分布選択情報取得手段が取得した分布選択情報に基づき、判定に使用する前記クラスタ分布を切り換えることを特徴とする請求項1乃至請求項3のいずれか1項に記載の運転状況推定装置。 - 前記分布選択情報取得手段が取得する前記分布選択情報は、天気情報,時間帯情報,ドライバの識別情報のうち、少なくとも一つを含むことを特徴とする請求項4に記載の運転状況推定装置。
- 請求項1乃至請求項5のいずれか1項に記載の運転状況推定装置と、
前記推定手段での推定結果に応じた運転支援を選択して実行する支援実行手段と、
を備えることを特徴とする運転支援装置。 - 前記学習手段にて学習された推定モデルの履歴を記憶する履歴記憶手段を備え、
前記支援実行手段は、前記履歴記憶手段に記憶された推定モデルの変化に応じて運転支援の内容を決定することを特徴とする請求項6に記載の運転支援装置。 - 多数のドライバの平均的な推定モデルである標準推定モデルを記憶する標準推定モデル記憶手段を備え、
前記支援実行手段は、前記標準推定モデルに対する前記学習手段にて学習された推定モデルの逸脱度に応じて運転支援の内容を決定することを特徴とする請求項6又は請求項7に記載の運転支援装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013117260A JP5643386B2 (ja) | 2013-06-03 | 2013-06-03 | 運転状況推定装置,運転支援装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013117260A JP5643386B2 (ja) | 2013-06-03 | 2013-06-03 | 運転状況推定装置,運転支援装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009200369A Division JP5385056B2 (ja) | 2009-08-31 | 2009-08-31 | 運転状況推定装置,運転支援装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013178827A JP2013178827A (ja) | 2013-09-09 |
JP5643386B2 true JP5643386B2 (ja) | 2014-12-17 |
Family
ID=49270325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013117260A Active JP5643386B2 (ja) | 2013-06-03 | 2013-06-03 | 運転状況推定装置,運転支援装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5643386B2 (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101552017B1 (ko) | 2013-11-04 | 2015-09-18 | 현대오트론 주식회사 | 성능이 개선된 운전보조시스템 및 그 제어방법 |
JP6330296B2 (ja) * | 2013-11-26 | 2018-05-30 | 日産自動車株式会社 | 走行支援装置及び走行支援方法 |
JP6299289B2 (ja) * | 2014-03-06 | 2018-03-28 | 株式会社豊田中央研究所 | パラメータ学習装置、運転支援装置、及びプログラム |
KR101575298B1 (ko) * | 2014-06-26 | 2015-12-21 | 한양대학교 산학협력단 | 차량 제어 시스템 및 방법 |
JP2018097398A (ja) * | 2016-12-07 | 2018-06-21 | トヨタ自動車株式会社 | 視線推定システム |
WO2019021430A1 (ja) * | 2017-07-27 | 2019-01-31 | 日産自動車株式会社 | 走行制御方法及び走行制御装置 |
RU2741125C1 (ru) | 2017-07-27 | 2021-01-22 | Ниссан Мотор Ко., Лтд. | Способ помощи при вождении и устройство помощи при вождении |
CN109766902B (zh) * | 2017-11-09 | 2021-03-09 | 杭州海康威视系统技术有限公司 | 对同区域的车辆聚类的方法、装置和设备 |
CN108109379B (zh) * | 2018-01-26 | 2020-06-16 | 东南大学 | 一种高速公路出口匝道区域安全评价方法 |
JP6494147B1 (ja) * | 2018-07-24 | 2019-04-03 | 株式会社地震科学探査機構 | 地体区分システム、及び地体区分方法 |
JP7428136B2 (ja) * | 2018-11-22 | 2024-02-06 | コニカミノルタ株式会社 | 情報処理装置、情報処理システム、および情報処理方法 |
JP7124748B2 (ja) * | 2019-02-13 | 2022-08-24 | トヨタ自動車株式会社 | 情報提供システムおよび情報提供方法 |
WO2020235002A1 (ja) * | 2019-05-21 | 2020-11-26 | 三菱電機株式会社 | 制御支援装置、制御支援方法、及び、制御支援プログラム |
WO2021157622A1 (ja) * | 2020-02-05 | 2021-08-12 | パイオニア株式会社 | 評価装置、評価方法及び評価プログラム |
JP7548847B2 (ja) | 2021-02-25 | 2024-09-10 | 株式会社Subaru | 運転支援装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2844113B2 (ja) * | 1990-06-29 | 1999-01-06 | 明星電気株式会社 | 車輌衝突警報方式 |
JP3965771B2 (ja) * | 1998-04-28 | 2007-08-29 | アイシン・エィ・ダブリュ株式会社 | 車両制御装置、車両制御方法及び車両制御方法のプログラムを記録する記録媒体 |
JP4165168B2 (ja) * | 2002-09-27 | 2008-10-15 | 日産自動車株式会社 | 車両用運転操作補助装置 |
JP5187307B2 (ja) * | 2007-07-24 | 2013-04-24 | 日産自動車株式会社 | 車両用運転支援装置および車両用運転支援方法 |
JP2009157606A (ja) * | 2007-12-26 | 2009-07-16 | Toyota Central R&D Labs Inc | ドライバ状態推定装置及びプログラム |
JP2009179160A (ja) * | 2008-01-30 | 2009-08-13 | Toyota Motor Corp | 車両状態表示装置 |
-
2013
- 2013-06-03 JP JP2013117260A patent/JP5643386B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2013178827A (ja) | 2013-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5643386B2 (ja) | 運転状況推定装置,運転支援装置 | |
JP5385056B2 (ja) | 運転状況推定装置,運転支援装置 | |
JP4207088B2 (ja) | 車両走行推定装置 | |
CN103303306B (zh) | 就所出现的危险状况对车辆驾驶员作出警示的方法 | |
US9734390B2 (en) | Method and device for classifying a behavior of a pedestrian when crossing a roadway of a vehicle as well as passenger protection system of a vehicle | |
JP5407764B2 (ja) | 運転支援装置 | |
CN110488802A (zh) | 一种网联环境下的自动驾驶车辆动态行为决策方法 | |
JP2016091039A (ja) | 危険予測装置、運転支援システム | |
JP7119365B2 (ja) | 運転行動データ生成装置、運転行動データベース | |
US20080186154A1 (en) | Method and Device for Driver Support | |
US20100152951A1 (en) | Adaptive vehicle control system with driving style recognition based on vehicle accelerating and decelerating | |
US11661061B2 (en) | Method and device for assisting a driver in a vehicle | |
US20100152950A1 (en) | Adaptive vehicle control system with driving style recognition based on vehicle stopping | |
JP5691237B2 (ja) | 運転支援装置 | |
CN101102916A (zh) | 具有行驶带预测功能的驾驶员辅助系统 | |
JP4947028B2 (ja) | 自動車の運転支援装置及び運転支援方法 | |
US11708090B2 (en) | Vehicle behavioral monitoring | |
KR102608804B1 (ko) | 차량을 안전하게 하기 위한 방법 | |
US20200180614A1 (en) | Vehicle control device | |
JP2013242615A (ja) | 運転シーン遷移予測装置および車両用推奨運転操作提示装置 | |
CN111038502A (zh) | 一种安全车距预估、修正、预警、驾驶资质评估方法及系统 | |
JP2007164439A (ja) | 情報提示装置及び情報提示方法 | |
JP2007334554A (ja) | 障害物検出装置および障害物検出方法 | |
JP6198386B2 (ja) | 運転支援装置 | |
CN113353083B (zh) | 车辆行为识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20130603 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130702 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140325 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140514 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140722 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140910 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20141007 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20141030 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5643386 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |