JP6323224B2 - State determination device - Google Patents
State determination device Download PDFInfo
- Publication number
- JP6323224B2 JP6323224B2 JP2014145319A JP2014145319A JP6323224B2 JP 6323224 B2 JP6323224 B2 JP 6323224B2 JP 2014145319 A JP2014145319 A JP 2014145319A JP 2014145319 A JP2014145319 A JP 2014145319A JP 6323224 B2 JP6323224 B2 JP 6323224B2
- Authority
- JP
- Japan
- Prior art keywords
- threshold
- behavior
- driver
- determination
- jerk
- 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
- 230000036461 convulsion Effects 0.000 claims description 110
- 230000008859 change Effects 0.000 claims description 65
- 238000012795 verification Methods 0.000 claims description 17
- 230000001133 acceleration Effects 0.000 claims description 5
- 230000007704 transition Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 description 58
- 230000007774 longterm Effects 0.000 description 45
- 230000008569 process Effects 0.000 description 43
- 238000002474 experimental method Methods 0.000 description 16
- 238000011156 evaluation Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Auxiliary Drives, Propulsion Controls, And Safety Devices (AREA)
- Traffic Control Systems (AREA)
Description
本発明は、移動体の運転者の状態を判定する技術に関する。 The present invention relates to a technique for determining the state of a driver of a moving object.
従来、自動車に搭載され、その自動車の運転者の状態を判定する状態判定装置が知られている（特許文献１参照）。
この特許文献１に記載された状態判定装置では、自動車の速度の時間変化や操舵角の時間変化のそれぞれを、予め規定された１つの閾値と比較する。そして、比較の結果、速度の時間変化や操舵角の時間変化が閾値よりも小さければ、当該移動体の運転者が漫然運転をしているものと判定する。
2. Description of the Related Art Conventionally, a state determination device that is mounted on an automobile and determines the state of the driver of the automobile is known (see Patent Document 1).
In the state determination device described in Patent Document 1, each time change in the speed of the automobile and time change in the steering angle are compared with a predetermined threshold value. As a result of the comparison, if the time change of the speed or the time change of the steering angle is smaller than the threshold value, it is determined that the driver of the moving body is driving loosely.
ところで、漫然運転を実施している場合に表れる速度の時間変化や操舵角の時間変化は、運転者ごとに異なる。
このため、従来の状態判定装置では、特定の運転者に対しては、その運転者が実際に漫然運転を実施している場合、漫然運転を実施しているものと判定できる。しかしながら、従来の状態判定装置では、別の運転者に対しては、その運転者が実際には漫然運転を実施していないにも関わらず、漫然運転であるものと誤判定してしまうという課題が生じる。
By the way, the time change of the speed and the time change of the steering angle that appear when the driver is driving are different for each driver.
For this reason, in the conventional state determination apparatus, when a specific driver is actually performing random driving, it can be determined that the specific driver is performing random driving. However, in the conventional state determination device, for another driver, the driver erroneously determines that the driver is driving in spite of the fact that the driver does not actually perform the driver's driving. Occurs.
つまり、従来の技術では、運転者の個人差に対応できず、運転者の状態の判定精度が低いという課題がある。
そこで、本発明は、移動体の運転者の状態を判定する技術において、判定精度を向上させることを目的とする。
That is, the conventional technique cannot cope with individual differences among drivers, and there is a problem that the determination accuracy of the driver state is low.
Accordingly, an object of the present invention is to improve the determination accuracy in a technique for determining the state of a driver of a moving object.
上記目的を達成するためになされた本発明は、移動体の運転者の状態を判定する状態判定装置（１０）に関する。
本発明の状態判定装置は、挙動取得手段（１０：Ｓ１９０，Ｓ２２０）と、照合手段（１０：Ｓ２００，Ｓ２３０）と、判定手段（１０：Ｓ２４０，Ｓ２６０）とを備えている。
This invention made | formed in order to achieve the said objective is related with the state determination apparatus (10) which determines the state of the driver | operator of a moving body.
The state determination apparatus of the present invention includes behavior acquisition means (10: S190, S220), collation means (10: S200, S230), and determination means (10: S240, S260).
このうち、挙動取得手段は、移動体の挙動を表す情報を挙動情報とし、挙動情報を取得する。
照合手段は、挙動取得手段で取得した挙動情報である現挙動情報を、判定モデルに照合する。ここで言う判定モデルは、運転者の特性ごとに規定された閾値領域を少なくとも２つ以上有し、かつ互いの閾値領域は少なくとも一部が非重複となるように規定されている。さらに、ここで言う閾値領域は、運転者が移動体を漫然と運転した場合における挙動情報の範囲である。
Among these, the behavior acquisition means uses the information indicating the behavior of the moving body as the behavior information, and acquires the behavior information.
The collating unit collates the current behavior information, which is the behavior information acquired by the behavior acquiring unit, with the determination model. The determination model mentioned here has at least two threshold regions defined for each characteristic of the driver, and the mutual threshold regions are defined so that at least a part thereof is non-overlapping. Furthermore, the threshold area | region said here is the range of the behavior information in case a driver | operator drives a mobile body loosely.
判定手段は、照合手段で照合した結果、現挙動情報が、閾値領域の少なくとも１つに包含されていれば、移動体の運転者が漫然と運転しているものと判定する。
すなわち、本発明の状態判定装置によれば、漫然と運転しているものと判定する際に、現挙動情報を照合する閾値領域を、運転者の特性ごとに規定した閾値領域とすることができる。
If the current behavior information is included in at least one of the threshold areas as a result of the collation performed by the collating unit, the determining unit determines that the driver of the moving body is driving casually.
That is, according to the state determination device of the present invention, when determining that the driver is driving casually, the threshold region for collating the current behavior information can be a threshold region defined for each characteristic of the driver.
したがって、本発明の状態判定装置によれば、運転者に最も合致する閾値領域に現挙動情報が包含されれば、当該運転者が漫然と運転しているものと判定でき、運転者ごとの個人差による挙動情報の差違による誤判定を低減できる。 Therefore, according to the state determination device of the present invention, if the current behavior information is included in the threshold region that most closely matches the driver, it can be determined that the driver is driving casually, and the individual difference for each driver. It is possible to reduce misjudgment due to differences in behavior information due to.
この結果、本発明の状態判定装置によれば、移動体の運転者の状態を判定する技術において、判定精度を向上させることができる。
なお、この欄及び特許請求の範囲に記載した括弧内の符号は、一つの態様として後述する実施形態に記載の具体的手段との対応関係を示すものであって、本発明の技術的範囲を限定するものではない。
As a result, according to the state determination apparatus of the present invention, it is possible to improve the determination accuracy in the technique for determining the state of the driver of the moving body.
In addition, the code | symbol in the parenthesis described in this column and a claim shows the correspondence with the specific means as described in embodiment mentioned later as one aspect, Comprising: The technical scope of this invention is shown. It is not limited.
以下に本発明の実施形態を図面と共に説明する。
＜状態判定システム＞
図１に示す状態判定システム１は、自動車に搭載されるシステムであり、その自動車の運転者の状態を判定するシステムである。ここで言う運転者の状態には、運転者が漫然と運転しているか否かを含む。
Embodiments of the present invention will be described below with reference to the drawings.
<State determination system>
A state determination system 1 shown in FIG. 1 is a system mounted on an automobile, and is a system for determining the state of a driver of the automobile. The state of the driver mentioned here includes whether or not the driver is driving casually.
これを実現するために、状態判定システム１は、センサ群２と、入力機構９と、状態判定電子制御装置１０と、報知装置２０とを備えている。なお、以下では、状態判定電子制御装置を状態判定ＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）と称す。 In order to realize this, the state determination system 1 includes a sensor group 2, an input mechanism 9, a state determination electronic control device 10, and a notification device 20. In the following, the state determination electronic control device is referred to as a state determination ECU (Electronic Control Unit).
センサ群２は、自車の状態を検出する複数のセンサである。このセンサ群２には、ステア角センサ５と、車速センサ７とが少なくとも含まれる。
ステア角センサ５は、自車が備えるステアリングの角度を計測する周知のセンサである。車速センサ７は、自車の各車輪の回転速度を計測する周知のセンサである。なお、本実施形態においては、車速センサ７にて計測した車輪の回転速度の平均値を自車の走行速度（即ち、車速）として計測すれば良い。
The sensor group 2 is a plurality of sensors that detect the state of the vehicle. The sensor group 2 includes at least a steering angle sensor 5 and a vehicle speed sensor 7.
The steering angle sensor 5 is a well-known sensor that measures the steering angle of the host vehicle. The vehicle speed sensor 7 is a known sensor that measures the rotation speed of each wheel of the host vehicle. In the present embodiment, the average value of the rotational speeds of the wheels measured by the vehicle speed sensor 7 may be measured as the traveling speed of the host vehicle (that is, the vehicle speed).
入力機構９は、外部からの操作に従って、情報の入力を受け付ける周知の機構である。この入力機構９として、例えば、メカニカルなキーや、タッチパネルなどが考えられる。
報知装置２０は、状態判定ＥＣＵ１０からの制御信号に従って情報を報知する周知の装置である。この報知装置２０には、例えば、情報を表示する表示装置、及び情報を音声にて出力する音声出力装置のうち、少なくとも一つを含む。本実施形態における表示装置には、例えば、ディスプレイや表示灯（警告灯）を含む。
The input mechanism 9 is a known mechanism that receives input of information in accordance with an external operation. As this input mechanism 9, for example, a mechanical key, a touch panel, or the like can be considered.
The notification device 20 is a known device that notifies information according to a control signal from the state determination ECU 10. The notification device 20 includes, for example, at least one of a display device that displays information and a voice output device that outputs information by voice. The display device in the present embodiment includes, for example, a display and an indicator lamp (warning lamp).
状態判定ＥＣＵ１０は、少なくともＲＯＭ１２、ＲＡＭ１４、ＣＰＵ１６を備えた周知のマイクロコンピュータを中心に構成されている。このうち、ＲＯＭ１２は、電源が切断されても記憶内容を保持する必要がある処理プログラムやデータを格納する。ＲＡＭ１４は、処理プログラムやデータを一時的に格納する。ＣＰＵ１６は、ＲＯＭ１２やＲＡＭ１４に記憶された処理プログラムに従って各種処理を実行する。 The state determination ECU 10 is configured around a known microcomputer including at least a ROM 12, a RAM 14, and a CPU 16. Of these, the ROM 12 stores processing programs and data that need to retain stored contents even when the power is turned off. The RAM 14 temporarily stores processing programs and data. The CPU 16 executes various processes according to the processing program stored in the ROM 12 or the RAM 14.
状態判定ＥＣＵ１０のＲＯＭ１２には、自動車の運転者の状態を判定する状態判定処理を状態判定ＥＣＵ１０が実行するための処理プログラムが格納されている。
さらに、状態判定ＥＣＵ１０のＲＯＭ１２には、状態判定処理にて用いる判定モデルが格納されている。
The ROM 12 of the state determination ECU 10 stores a processing program for the state determination ECU 10 to execute a state determination process for determining the state of the vehicle driver.
Furthermore, the determination model used in the state determination process is stored in the ROM 12 of the state determination ECU 10.
＜判定モデル＞
判定モデルは、運転者が漫然と運転している状態での自動車の挙動を表すものであり、実験などの結果に基づいて予め規定されたものである。
<Judgment model>
The determination model represents the behavior of the automobile in a state where the driver is driving indiscriminately, and is defined in advance based on results of experiments and the like.
この判定モデルは、自動車が定常走行し、かつ運転者が漫然と運転している状態での自動車の挙動を表す第１判定モデルと、自動車が定常走行へと遷移する期間に、運転者が漫然と運転している状態での自動車の挙動を表す第２判定モデルとを有している。 This determination model includes a first determination model that represents the behavior of the vehicle in a state where the vehicle is traveling steadily and the driver is driving freely, and the driver is driving gently during the transition period of the vehicle to steady driving. And a second determination model that represents the behavior of the automobile in the state of being.
第１判定モデルは、図２（Ａ）に示すように、運転者に共通する特性の種類を表すクラスごとに閾値領域が規定されたものである。閾値領域とは、運転者が漫然と運転している状態での自動車の挙動を表す挙動情報の範囲である。第１判定モデルにおいて、クラスごとに規定された閾値領域は、互いの閾値領域の少なくとも一部が非重複となるように規定されている。なお、第１判定モデルのクラス数は、少なくとも２以上であり、例えば、「７」である。 In the first determination model, as shown in FIG. 2A, a threshold region is defined for each class that represents a type of characteristic common to the driver. The threshold region is a range of behavior information that represents the behavior of an automobile in a state where the driver is driving loosely. In the first determination model, the threshold regions defined for each class are defined such that at least a part of the mutual threshold regions is non-overlapping. Note that the number of classes of the first determination model is at least 2 or more, for example, “7”.
そして、第１判定モデルにおける閾値領域は、短期躍度領域と、長期躍度領域と、短期舵角変化領域と、長期舵角変化領域と、短期舵角躍度領域と、長期舵角躍度領域とによって規定される。 The threshold areas in the first determination model are the short-term jerk area, the long-term jerk area, the short-term rudder angle change area, the long-term rudder angle change area, the short-term rudder angle jerk area, and the long-term rudder angle jerk. Defined by region.
このうち、第１判定モデルにおける短期躍度領域及び長期躍度領域は、躍度絶対値平均を挙動情報とした閾値の範囲である。
第１判定モデルにおける短期躍度領域は、自動車が定常走行している期間に、運転者が漫然と運転している状態で特定短時間の間に表れる躍度絶対値平均の下限値から上限値までの範囲である。なお、本実施形態における特定短時間は、短時間とみなせる時間長である。この特定短時間は、例えば、数十秒（５０［ｓｅｃ］）であっても良い。
Among these, the short-term jerk region and the long-term jerk region in the first determination model are threshold ranges using the average jerk value as behavior information.
The short-term jerk region in the first determination model is from the lower limit value to the upper limit value of the jerk absolute value average that appears during a specific short period of time while the driver is driving unduly during the period in which the vehicle is driving steadily. Range. Note that the specific short time in the present embodiment is a time length that can be regarded as a short time. This specific short time may be several tens of seconds (50 [sec]), for example.
第１判定モデルにおける長期躍度領域は、自動車が定常走行している期間に、運転者が漫然と運転している状態で第１時間の間に表れる躍度絶対値平均の下限値から上限値までの範囲である。なお、本実施形態の第１時間は、自動車が定常走行しているものとみなせる時間長であり、特定短時間よりも長い時間長である。この第１時間は、十数分（例えば、１５［ｍｉｎ］）であっても良い。 The long-term jerk region in the first determination model is from the lower limit value to the upper limit value of the jerk absolute value average that appears during the first time while the driver is driving unduly during the period in which the vehicle is driving steadily. Range. Note that the first time of the present embodiment is a time length that can be considered that the automobile is traveling steadily, and is a time length longer than the specific short time. The first time may be ten or more minutes (for example, 15 [min]).
本実施形態においては、第１判定モデルの短期躍度領域及び長期躍度領域における躍度絶対値平均の上限値は、変更可能に規定されている。具体的には、躍度絶対値平均の上限値として、上限最高値、上限最高値よりも値が小さい上限標準値、上限標準値よりも値が小さい上限最低値が選択可能に規定されている。 In the present embodiment, the upper limit value of the average absolute value of jerk values in the short-term jerk region and long-term jerk region of the first determination model is defined to be changeable. Specifically, as the upper limit value of average jerk absolute value, the upper limit maximum value, the upper limit standard value that is smaller than the upper limit maximum value, and the upper limit minimum value that is smaller than the upper limit standard value are selectable. .
第１判定モデルにおける短期舵角変化領域及び長期舵角変化領域は、舵角変化絶対値平均を挙動情報とした閾値の範囲である。
第１判定モデルにおける短期舵角変化領域は、自動車が定常走行している期間に、運転者が漫然と運転している状態で特定短時間の間に表れる舵角変化絶対値平均の下限値から上限値までの範囲である。第１判定モデルにおける長期舵角変化領域は、自動車が定常走行している期間に、運転者が漫然と運転している状態で第１時間の間に表れる舵角変化絶対値平均の下限値から上限値までの範囲である。
The short-term rudder angle change region and the long-term rudder angle change region in the first determination model are a range of threshold values using the rudder angle change absolute value average as behavior information.
The short-term rudder angle change region in the first determination model is the upper limit from the lower limit value of the absolute value of rudder angle change absolute value that appears in a specific short time while the driver is driving loosely during the period in which the vehicle is driving steadily. The range up to the value. The long-term rudder angle change region in the first determination model is the upper limit from the lower limit value of the rudder angle change absolute value average that appears during the first time in a state where the driver is driving loosely during the period in which the vehicle is traveling steadily. The range up to the value.
なお、本実施形態においては、第１判定モデルの短期舵角変化領域及び長期舵角変化領域における舵角変化絶対値平均の上限値は、変更可能に規定されている。具体的には、舵角変化絶対値平均の上限値として、上限最高値、上限最高値よりも値が小さい上限標準値、上限標準値よりも値が小さい上限最低値が選択可能に規定されている。 In the present embodiment, the upper limit value of the steering angle change absolute value average in the short-term steering angle change region and the long-term steering angle change region of the first determination model is defined to be changeable. Specifically, as the upper limit value of the steering angle change absolute value average, the upper limit maximum value, the upper limit standard value that is smaller than the upper limit maximum value, and the upper limit minimum value that is smaller than the upper limit standard value are selectable. Yes.
第１判定モデルにおける短期舵角躍度領域及び長期舵角躍度領域は、舵角躍度絶対値平均を挙動情報とした閾値の範囲である。
第１判定モデルにおける短期舵角躍度領域は、自動車が定常走行している期間に、運転者が漫然と運転している状態で特定短時間の間に表れる舵角躍度絶対値平均の下限値から上限値までの範囲である。第１判定モデルにおける長期舵角躍度領域は、自動車が定常走行している期間に、運転者が漫然と運転している状態で第１時間の間に表れる舵角躍度絶対値平均の下限値から上限値までの範囲である。
The short-term rudder angle jerk region and the long-term rudder angle jerk region in the first determination model are threshold ranges using the rudder angle jerk absolute value average as behavior information.
The short-term rudder angle jerk region in the first determination model is the lower limit value of the rudder angle jerk absolute value average that appears during a specific short period of time while the driver is driving unduly during the period when the vehicle is traveling normally. To the upper limit. The long-term rudder angle jerk region in the first determination model is the lower limit value of the average rudder angle jerk absolute value that appears during the first time while the driver is driving unduly during the period in which the vehicle is traveling normally. To the upper limit.
なお、本実施形態においては、第１判定モデルの短期舵角躍度領域及び長期舵角躍度領域における舵角躍度絶対値平均の上限値は、変更可能に規定されている。具体的には、舵角躍度絶対値平均の上限値として、上限最高値、上限最高値よりも値が小さい上限標準値、上限標準値よりも値が小さい上限最低値が選択可能に規定されている。 Note that, in the present embodiment, the upper limit value of the average steering angle jerk value in the short-term rudder angle jerk region and the long-term rudder angle jerk region of the first determination model is defined to be changeable. Specifically, as the upper limit value of the absolute value of rudder angle jerk, the upper limit maximum value, the upper limit standard value that is smaller than the upper limit maximum value, and the upper limit minimum value that is smaller than the upper limit standard value can be selected. ing.
第２判定モデルは、図２（Ｂ）に示すように、運転者に共通する特性の種類を表すクラスごとに閾値領域が規定されたものである。第２判定モデルにおいて、クラスごとに規定された閾値領域は、互いの閾値領域の少なくとも一部が非重複となるように規定されている。なお、第２判定モデルのクラス数は、少なくとも２以上であり、例えば、「６」である。 In the second determination model, as shown in FIG. 2B, a threshold region is defined for each class that represents a type of characteristic common to the driver. In the second determination model, the threshold regions defined for each class are defined such that at least a part of the mutual threshold regions is non-overlapping. Note that the number of classes of the second determination model is at least 2 or more, for example, “6”.
そして、第２判定モデルにおける閾値領域は、短期躍度領域と、長期躍度領域と、短期舵角変化領域と、長期舵角変化領域と、短期舵角躍度領域と、長期舵角躍度領域とによって規定されている。 The threshold areas in the second determination model are the short-term jerk area, the long-term jerk area, the short-term rudder angle change area, the long-term rudder angle change area, the short-term rudder angle jerk area, and the long-term rudder angle jerk. Is defined by the area.
第２判定モデルにおける短期躍度領域、短期舵角変化領域、短期舵角躍度領域は、自動車の走行が定常状態へと遷移する期間に、運転者が漫然と運転している状態で特定短時間の間に表れる挙動情報の範囲である。すなわち、第２判定モデルにおける短期躍度領域、短期舵角変化領域、短期舵角躍度領域は、各閾値領域を規定するための時間長が第２時間であることを除けば、第１判定モデルにおける短期躍度領域、短期舵角変化領域、短期舵角躍度領域と同様である。このため、第２判定モデルにおける短期躍度領域、短期舵角変化領域、短期舵角躍度領域についてのここでの詳しい説明は省略する。 The short-term jerk region, the short-term rudder angle change region, and the short-term rudder angle jerk region in the second determination model are specified for a short period of time while the driver is driving loosely during the period when the vehicle travels to the steady state. This is the range of behavior information that appears in between. That is, the short-term jerk region, the short-term rudder angle change region, and the short-term rudder angle jerk region in the second determination model are the first determination except that the time length for defining each threshold region is the second time. This is the same as the short-term jerk region, short-term rudder angle change region, and short-term rudder angle jerk region in the model. For this reason, detailed description here about the short-term jerk region, the short-term rudder angle change region, and the short-term rudder angle jerk region in the second determination model is omitted.
また、第２判定モデルにおける長期躍度領域、長期舵角変化領域、長期舵角躍度領域は、自動車の走行が定常状態へと遷移する期間に、運転者が漫然と運転している状態で第２時間の間に表れる挙動情報の範囲である。すなわち、第２判定モデルにおける長期躍度領域、長期舵角変化領域、長期舵角躍度領域は、各閾値領域を規定するための時間長が第２時間であることを除けば、第１判定モデルにおける長期躍度領域、長期舵角変化領域、長期舵角躍度領域と同様である。このため、第２判定モデルにおける長期躍度領域、長期舵角変化領域、長期舵角躍度領域についてのここでの詳しい説明は省略する。 Further, the long-term jerk region, long-term rudder angle change region, and long-term rudder angle jerk region in the second determination model are those in which the driver is driving loosely during the period in which the vehicle travels to the steady state. This is a range of behavior information appearing in 2 hours. That is, the long-term jerk region, the long-term rudder angle change region, and the long-term rudder angle jerk region in the second determination model are the first determination except that the time length for defining each threshold region is the second time. This is the same as the long-term jerk region, long-term rudder angle change region, and long-term rudder angle jerk region in the model. For this reason, detailed description here about the long-term jerk region, the long-term rudder angle change region, and the long-term rudder angle jerk region in the second determination model is omitted.
第２時間とは、自動車が定常走行へと遷移している期間とみなせる時間長であり、特定短時間よりも長く、かつ、第１時間よりも短い時間長である。この第２時間は、数分（例えば、８［ｍｉｎ］）であっても良い。 The second time is a time length that can be regarded as a period during which the automobile is transitioning to steady running, and is a time length that is longer than the specified short time and shorter than the first time. This second time may be several minutes (for example, 8 [min]).
なお、躍度絶対値平均は、自動車の加加速度（即ち、躍度）の絶対値の代表値である。ここで言う加加速度とは、単位時間当たりの加速度の変化率である。この加加速度（躍度）は、自動車の車速を２回時間微分することで導出すれば良い。 The average jerk value is a representative value of the absolute value of the jerk (that is, jerk) of the automobile. The jerk mentioned here is the rate of change of acceleration per unit time. This jerk (jumping degree) may be derived by differentiating the vehicle speed twice with respect to time.
本実施形態においては、躍度の絶対値の代表値として、躍度の絶対値を相加平均した結果を用いれば良い。ただし、躍度の絶対値の代表値は、躍度の絶対値を相加平均した結果に限るものではなく、例えば、躍度の絶対値の中央値や最頻値であっても良い。 In the present embodiment, an arithmetic average of absolute values of jerk may be used as a representative value of absolute value of jerk. However, the representative value of the absolute value of the jerk is not limited to an arithmetic average of the absolute values of the jerk, and may be, for example, a median value or a mode value of the absolute value of the jerk.
また、舵角変化絶対値平均は、自動車の舵角の単位時間当たりの変化（以下、舵角変化と称す）の絶対値を相加平均した結果である。
本実施形態においては、舵角変化の絶対値の代表値として、舵角変化の絶対値を相加平均した結果を用いれば良い。ただし、舵角変化の絶対値の代表値は、舵角変化の絶対値を相加平均した結果に限るものではなく、例えば、舵角変化の絶対値の中央値や最頻値であっても良い。
Further, the rudder angle change absolute value average is an arithmetic average of absolute values of changes per unit time of the rudder angle of the automobile (hereinafter referred to as rudder angle change).
In the present embodiment, an arithmetic average of the absolute values of the steering angle change may be used as the representative value of the absolute value of the steering angle change. However, the representative value of the absolute value of the rudder angle change is not limited to the result of arithmetically averaging the absolute value of the rudder angle change, for example, even if it is the median or mode of the absolute value of the rudder angle change good.
舵角躍度絶対値平均は、自動車の舵角（即ち、ステア角）の躍度（以下、舵角躍度と称す）の絶対値を相加平均した結果である。舵角躍度は、単位時間当たりの舵角の加速度（即ち、角加速度）の変化率である。この舵角躍度は、舵角を３回時間微分することで導出すれば良い。 The average absolute value of the rudder angle jump is the result of arithmetically averaging the absolute values of the jerk (hereinafter referred to as the rudder angle jump) of the rudder angle (that is, the steering angle) of the automobile. The rudder angle jump degree is a rate of change of rudder angle acceleration per unit time (that is, angular acceleration). This rudder angle jump may be derived by differentiating the rudder angle three times over time.
本実施形態においては、舵角躍度の絶対値の代表値として、舵角躍度の絶対値を相加平均した結果を用いれば良い。ただし、舵角躍度の絶対値の代表値は、舵角躍度の絶対値を相加平均した結果に限るものではなく、例えば、舵角躍度の絶対値の中央値や最頻値であっても良い。 In the present embodiment, as a representative value of the absolute value of the rudder angle jump degree, a result obtained by arithmetically averaging the absolute value of the rudder angle jump degree may be used. However, the representative value of the absolute value of the rudder angle jerk is not limited to the result of arithmetically averaging the absolute value of the rudder angle jerk, for example, the median or mode of the absolute value of the rudder angle jerk. There may be.
次に、判定モデルの生成方法について説明する。
第１判定モデルの生成では、まず、複数の運転者に自動車を運転させ、第１時間（即ち、１５分）以上継続して車速が規定速度（例えば、５０［ｋｍ／ｈ］）以上であり、かつ、漫然と運転しているものとみなせる場合の車速、及びステア角を規定時間間隔で検知する。そして、その検知結果に基づいて、特定短時間、及び第１時間それぞれでの躍度絶対値平均、舵角変化絶対値平均、及び舵角躍度絶対値平均を算出する。
Next, a method for generating a determination model will be described.
In the generation of the first determination model, first, a plurality of drivers are driven to drive a vehicle, and the vehicle speed is continuously over a specified time (for example, 50 [km / h]) continuously for a first time (ie, 15 minutes). In addition, the vehicle speed and the steering angle in the case where it can be assumed that the driver is driving casually are detected at a specified time interval. Then, based on the detection result, the average absolute value of jerk, the average rudder angle change absolute value, and the average rudder angle jerk absolute value for the specific short time and the first time are calculated.
さらに、第１時間での躍度絶対値平均、舵角変化絶対値平均、及び舵角躍度絶対値平均をクラスタリングする。このクラスタリングにより、第１判定モデルの各クラスにおける長期躍度領域と、長期舵角変化領域と、長期舵角躍度領域とを導出する。本実施形態における第１判定モデルの生成では、クラスタリングとして、「ｋ−ｍｅａｎｓ法」を用いれば良い。 Furthermore, the average jerk value average, the rudder angle change absolute value average, and the rudder angle jerk absolute value average in the first time are clustered. By this clustering, a long-term jerk region, a long-term rudder angle change region, and a long-term rudder angle jerk region in each class of the first determination model are derived. In the generation of the first determination model in the present embodiment, the “k-means method” may be used as clustering.
なお、クラスタの数ｋは、第１判定モデルにおけるクラス数（即ち、「７」）である。
さらに、第１判定モデルの生成では、特定短時間での躍度絶対値平均、舵角変化絶対値平均、及び舵角躍度絶対値平均をクラスタリングする。このクラスタリングにより、第１判定モデルの各クラスにおける短期躍度領域と、短期舵角変化領域と、短期舵角躍度領域とを導出する。
Note that the number k of clusters is the number of classes in the first determination model (that is, “7”).
Furthermore, in the generation of the first determination model, the jerk absolute value average, the rudder angle change absolute value average, and the rudder angle jerk absolute value average in a specific short time are clustered. By this clustering, a short-term jerk region, a short-term rudder angle change region, and a short-term rudder angle jerk region in each class of the first determination model are derived.
そして、第１判定モデルの生成では、長期躍度領域、長期舵角変化領域、長期舵角躍度領域、短期躍度領域、短期舵角変化領域、短期舵角躍度領域をクラスごとに対応付ける。これにより、クラスごとに閾値領域が規定された第１判定モデルが生成される。なお、第１判定モデルにおけるクラスごとの閾値領域は、クラスタリングにおいて周知の評価手法による正答率（正答率＝感度×特異値）が、予め規定された第１基準値以上となるように規定される。 In the generation of the first determination model, the long-term jerk region, the long-term rudder angle change region, the long-term rudder angle jerk region, the short-term jerk region, the short-term rudder angle change region, and the short-term rudder angle jerk region are associated with each class. . Thereby, a first determination model in which a threshold region is defined for each class is generated. Note that the threshold region for each class in the first determination model is defined such that the correct answer rate (correct answer rate = sensitivity × singular value) by a well-known evaluation method in clustering is equal to or higher than a first reference value defined in advance. .
第２判定モデルの生成では、まず、複数の運転者に自動車を運転させ、第２時間（即ち、８分）以上継続して車速が規定速度（例えば、５０［ｋｍ／ｈ］）以上である場合の車速、及びステア角を規定時間間隔で検知する。そして、その検知結果に基づいて、特定短時間及び第２時間それぞれでの躍度絶対値平均、舵角変化絶対値平均、及び舵角躍度絶対値平均を算出する。 In the generation of the second determination model, first, a plurality of drivers are driven to drive the vehicle, and the vehicle speed continues for a second time (that is, 8 minutes) or longer and is a specified speed (for example, 50 [km / h]) or higher. The vehicle speed and the steering angle are detected at regular time intervals. Then, based on the detection result, the average absolute value of jerk, the average steering angle change absolute value, and the average rudder angle jerk absolute value at the specific short time and the second time are calculated.
さらに、第２時間での躍度絶対値平均、舵角変化絶対値平均、及び舵角躍度絶対値平均をクラスタリングする。このクラスタリングにより、第２判定モデルの各クラスにおける長期躍度領域と、長期舵角変化領域と、長期舵角躍度領域とを導出する。本実施形態における第２判定モデルの生成では、クラスタリングとして、「ｋ−ｍｅａｎｓ法」を用いれば良い。 Furthermore, the jerk absolute value average, the rudder angle change absolute value average, and the rudder angle jerk absolute value average in the second time are clustered. By this clustering, a long-term jerk region, a long-term rudder angle change region, and a long-term rudder angle jerk region in each class of the second determination model are derived. In the generation of the second determination model in the present embodiment, the “k-means method” may be used as clustering.
なお、クラスタの数ｋは、第２判定モデルにおけるクラス数（即ち、「６」）である。
さらに、第２判定モデルの生成では、特定短時間での躍度絶対値平均、舵角変化絶対値平均、及び舵角躍度絶対値平均をクラスタリングする。このクラスタリングにより、第２判定モデルの各クラスにおける短期躍度領域と、短期舵角変化領域と、短期舵角躍度領域とを導出する。
Note that the number k of clusters is the number of classes (that is, “6”) in the second determination model.
Further, in the generation of the second determination model, the average jerk absolute value, the rudder angle change absolute value average, and the rudder angle jerk absolute value average in a specific short time are clustered. By this clustering, a short-term jerk region, a short-term rudder angle change region, and a short-term rudder angle jerk region in each class of the second determination model are derived.
そして、第２判定モデルの生成では、長期躍度領域、長期舵角変化領域、長期舵角躍度領域、短期躍度領域、短期舵角変化領域、及び短期舵角躍度領域を、クラスごとに対応付ける。これにより、クラスごとに閾値領域が規定された第２判定モデルが生成される。なお、第２判定モデルにおけるクラスごとの閾値領域は、クラスタリングにおいて周知の評価手法による正答率（正答率＝感度×特異値）が、予め規定された第２基準値以上となるように規定される。 In the generation of the second determination model, the long-term jerk region, the long-term rudder angle change region, the long-term rudder angle jerk region, the short-term jerk region, the short-term rudder angle change region, and the short-term rudder angle jump region are classified for each class. Associate with. Thereby, a second determination model in which a threshold area is defined for each class is generated. Note that the threshold region for each class in the second determination model is defined such that the correct answer rate (correct answer rate = sensitivity × singular value) by a well-known evaluation method in clustering is equal to or higher than a second reference value defined in advance. .
すなわち、第１判定モデル及び第２判定モデルは、運転者が移動体を漫然と運転した場合における挙動情報の範囲（即ち、閾値領域）を有する。そして、本実施形態における第１判定モデル及び第２判定モデルの閾値領域は、クラスタリングによって規定される。このため、第１判定モデル及び第２判定モデルにおける閾値領域は、運転者の特性ごとに規定され、かつ互いの閾値領域は少なくとも一部が非重複となるように、少なくとも２つ以上有する。 In other words, the first determination model and the second determination model have a range of behavior information (that is, a threshold region) when the driver drove the moving body. Then, the threshold regions of the first determination model and the second determination model in the present embodiment are defined by clustering. For this reason, the threshold regions in the first determination model and the second determination model are defined for each characteristic of the driver, and each of the threshold regions has at least two or more so that at least a part thereof is non-overlapping.
＜状態判定処理＞
次に、状態判定ＥＣＵ１０が実行する状態判定処理について説明する。
状態判定処理は、起動指令が入力されると起動される。ここで言う起動指令の入力とは、イグニッションスイッチがオンされることでも良い。
<State determination processing>
Next, a state determination process executed by the state determination ECU 10 will be described.
The state determination process is started when a start command is input. The start command input here may be that the ignition switch is turned on.
そして、状態判定処理が起動されると、図３に示すように、状態判定ＥＣＵ１０は、まず、入力機構９を介して、第１判定モデル及び第２判定モデルにおける閾値領域の上限値の入力を受け付けたか否かを判定する（Ｓ１１０）。 When the state determination process is started, as shown in FIG. 3, the state determination ECU 10 first inputs the upper limit value of the threshold region in the first determination model and the second determination model via the input mechanism 9. It is determined whether it has been accepted (S110).
このＳ１１０での判定の結果、閾値領域の上限値が入力されていなければ（Ｓ１１０：ＮＯ）、状態判定ＥＣＵ１０は、第１判定モデル及び第２判定モデルにおける全ての閾値領域の上限値を、予め規定された初期値に設定（維持）する（Ｓ１２０）。ここで言う初期値は、例えば、閾値領域の上限標準値である。状態判定ＥＣＵ１０は、その後、詳しくは後述するＳ１７０へと状態判定処理を移行させる。 As a result of the determination in S110, if the upper limit value of the threshold region is not input (S110: NO), the state determination ECU 10 sets the upper limit values of all the threshold regions in the first determination model and the second determination model in advance. It is set (maintained) to a specified initial value (S120). The initial value here is, for example, the upper limit standard value of the threshold value region. Thereafter, the state determination ECU 10 shifts the state determination process to S170 described later in detail.
一方、Ｓ１１０での判定の結果、閾値領域の上限値が入力されていれば（Ｓ１１０：ＹＥＳ）、状態判定ＥＣＵ１０は、第１判定モデル及び第２判定モデルにおける全ての閾値領域の上限値を、指定された上限値に設定する（Ｓ１３０）。 On the other hand, as a result of the determination in S110, if the upper limit value of the threshold region is input (S110: YES), the state determination ECU 10 determines the upper limit values of all the threshold regions in the first determination model and the second determination model. The designated upper limit value is set (S130).
具体的に本実施形態のＳ１３０では、図４に示すように、第１判定モデル及び第２判定モデルにおける全てのクラスにおける閾値領域の上限値を、指定された上限値へと変更する。 Specifically, in S130 of the present embodiment, as shown in FIG. 4, the upper limit value of the threshold region in all classes in the first determination model and the second determination model is changed to the specified upper limit value.
続いて、状態判定ＥＣＵ１０は、センサ群２での検知結果を取得し、ＲＡＭ１４に格納する（Ｓ１４０）。そして、状態判定ＥＣＵ１０は、車速センサ７にて計測した自車の走行速度が、予め規定された速度閾値以上であるか否を判定する（Ｓ１５０）。ここで言う速度閾値とは、自車が高速道路を走行しているものとみなせる車速である。この速度閾値は、例えば、５０［ｋｍ／ｈ］であっても良い。 Then, state determination ECU10 acquires the detection result in the sensor group 2, and stores it in RAM14 (S140). Then, the state determination ECU 10 determines whether or not the traveling speed of the host vehicle measured by the vehicle speed sensor 7 is equal to or higher than a predetermined speed threshold (S150). The speed threshold mentioned here is a vehicle speed at which the host vehicle can be regarded as traveling on a highway. This speed threshold may be, for example, 50 [km / h].
このＳ１５０での判定の結果、自車の走行速度が速度閾値未満であれば（Ｓ１５０：ＮＯ）、状態判定ＥＣＵ１０は、状態判定処理をＳ１１０へと戻す。一方、Ｓ１５０での判定の結果、自車の走行速度が速度閾値以上であれば（Ｓ１５０：ＹＥＳ）、状態判定ＥＣＵ１０は、状態判定処理をＳ１６０へと移行させる。 As a result of the determination in S150, if the traveling speed of the host vehicle is less than the speed threshold (S150: NO), the state determination ECU 10 returns the state determination process to S110. On the other hand, as a result of the determination in S150, if the traveling speed of the host vehicle is equal to or higher than the speed threshold (S150: YES), the state determination ECU 10 shifts the state determination process to S160.
そのＳ１６０では、状態判定ＥＣＵ１０は、自車の走行速度が速度閾値以上となってから、その自車の走行速度を速度閾値以上に維持している時間（以下、「速度維持時間」と称す）が第１時間（例えば、１５分）を経過したか否かを判定する。このＳ１６０での判定の結果、速度維持時間が第１時間を経過していれば（Ｓ１６０：ＹＥＳ）、状態判定ＥＣＵ１０は、詳しくは後述するＳ２１０へと状態判定処理を移行させる。 In S160, the state determination ECU 10 keeps the traveling speed of the host vehicle at or above the speed threshold after the traveling speed of the host vehicle reaches or exceeds the speed threshold (hereinafter referred to as “speed maintenance time”). Determines whether the first time (for example, 15 minutes) has elapsed. As a result of the determination in S160, if the speed maintenance time has passed the first time (S160: YES), the state determination ECU 10 shifts the state determination process to S210, which will be described in detail later.
一方、Ｓ１６０での判定の結果、速度維持時間が第１時間を経過していなければ（Ｓ１６０：ＮＯ）、状態判定ＥＣＵ１０は、速度維持時間が第２時間（例えば、８分）を経過したか否か判定する（Ｓ１７０）。このＳ１７０での判定の結果、速度維持時間が第２時間を経過していなければ（Ｓ１７０：ＮＯ）、状態判定ＥＣＵ１０は、状態判定処理をＳ１１０へと戻す。 On the other hand, as a result of the determination in S160, if the speed maintenance time has not passed the first time (S160: NO), the state determination ECU 10 determines whether the speed maintenance time has passed the second time (for example, 8 minutes). It is determined whether or not (S170). As a result of the determination in S170, if the speed maintenance time has not passed the second time (S170: NO), the state determination ECU 10 returns the state determination process to S110.
Ｓ１７０での判定の結果、速度維持時間が第２時間を経過していれば（Ｓ１７０：ＹＥＳ）、状態判定ＥＣＵ１０は、第２判定モデルを取得する（Ｓ１８０）。このＳ１８０にて取得する第２判定モデルは、先のＳ１２０，またはＳ１３０にて各閾値領域の上限値が設定された第２判定モデルである。 As a result of the determination in S170, if the speed maintenance time has passed the second time (S170: YES), the state determination ECU 10 acquires the second determination model (S180). The second determination model acquired in S180 is a second determination model in which the upper limit value of each threshold region is set in the previous S120 or S130.
さらに、状態判定ＥＣＵ１０は、ＲＡＭ１４に蓄積されたセンサ群２での検知結果に基づいて、第２パラメータを算出する（Ｓ１９０）。
ここで言う第２パラメータとは、特定短時間での躍度絶対値平均、舵角変化絶対値平均、舵角躍度絶対値平均、及び第２時間での躍度絶対値平均、舵角変化絶対値平均、舵角躍度絶対値平均である。
Further, the state determination ECU 10 calculates the second parameter based on the detection result of the sensor group 2 accumulated in the RAM 14 (S190).
The second parameter here means average jerk value in a short time, rudder angle change absolute value average, rudder angle jerk absolute value average, and jerk absolute value average in second time, rudder angle change Absolute value average, rudder angle jump degree absolute value average.
続いて、状態判定処理では、状態判定ＥＣＵ１０は、Ｓ１９０にて算出した第２パラメータを、Ｓ１８０にて取得した第２判定モデルに照合する（Ｓ２００）。状態判定ＥＣＵ１０は、その後、詳しくは後述するＳ２４０へと状態判定処理を移行させる。 Subsequently, in the state determination process, the state determination ECU 10 collates the second parameter calculated in S190 with the second determination model acquired in S180 (S200). Thereafter, the state determination ECU 10 shifts the state determination process to S240 described later in detail.
ところで、状態判定処理におけるＳ２１０では、状態判定ＥＣＵ１０は、第１判定モデルを取得する。このＳ２１０にて取得する第１判定モデルは、先のＳ１２０，またはＳ１３０にて各閾値領域の上限値が設定された第１判定モデルである。 By the way, in S210 in the state determination process, the state determination ECU 10 acquires the first determination model. The first determination model acquired in S210 is a first determination model in which the upper limit value of each threshold region is set in the previous S120 or S130.
さらに、状態判定ＥＣＵ１０は、ＲＡＭ１４に蓄積されたセンサ群２での検知結果に基づいて、第１パラメータを算出する（Ｓ２２０）。
ここで言う第１パラメータとは、特定短時間での躍度絶対値平均、舵角変化絶対値平均、舵角躍度絶対値平均、及び第１時間での躍度絶対値平均、舵角変化絶対値平均、舵角躍度絶対値平均である。
Further, the state determination ECU 10 calculates the first parameter based on the detection result of the sensor group 2 accumulated in the RAM 14 (S220).
The first parameter here means average absolute value of jerk in a short time, average rudder angle change absolute value, average rudder angle jerk absolute value, average jerk absolute value in first time, rudder angle change Absolute value average, rudder angle jump degree absolute value average.
続いて、状態判定処理では、状態判定ＥＣＵ１０は、Ｓ２２０にて算出した第１パラメータを、Ｓ２１０にて取得した第１判定モデルに照合する（Ｓ２３０）。状態判定ＥＣＵ１０は、その後、状態判定処理をＳ２４０へと移行させる。 Subsequently, in the state determination process, the state determination ECU 10 collates the first parameter calculated in S220 with the first determination model acquired in S210 (S230). Thereafter, the state determination ECU 10 shifts the state determination process to S240.
そのＳ２４０では、Ｓ２００での照合の結果、第２パラメータの全てが、第２判定モデルが有する閾値領域のいずれかに包含されているか、または、Ｓ２３０での照合の結果、第１パラメータの全てが、第１判定モデルが有する閾値領域のいずれかに包含されているかを判定する。このＳ２４０での判定の結果、第２パラメータの全てが、第２判定モデルが有する閾値領域のいずれかに包含されていない、または、第１パラメータの全てが、第１判定モデルが有する閾値領域のいずれかに包含されていない場合には、状態判定ＥＣＵ１０は、状態判定処理をＳ２５０へと移行させる。 In S240, as a result of the collation in S200, all of the second parameters are included in any of the threshold regions of the second determination model, or as a result of the collation in S230, all of the first parameters are , It is determined whether it is included in any one of the threshold regions of the first determination model. As a result of the determination in S240, not all of the second parameters are included in any of the threshold regions of the second determination model, or all of the first parameters are of the threshold region of the first determination model. If it is not included in either, the state determination ECU 10 shifts the state determination process to S250.
そのＳ２５０では、状態判定ＥＣＵ１０は、運転者が漫然と運転していない非漫然運転であるものと判定する。その後、状態判定ＥＣＵ１０は、状態判定処理をＳ１１０へと戻す。 In S250, the state determination ECU 10 determines that the driver is not driving indiscriminately. Thereafter, the state determination ECU 10 returns the state determination process to S110.
一方、Ｓ２４０での判定の結果、第２パラメータの全てが、第２判定モデルが有する閾値領域のいずれかに包含されている、または、第１パラメータの全てが、第１判定モデルが有する閾値領域のいずれかに包含されている場合には、状態判定ＥＣＵ１０は、状態判定処理をＳ２６０へと移行させる。 On the other hand, as a result of the determination in S240, all of the second parameters are included in any of the threshold regions of the second determination model, or all of the first parameters are the threshold regions of the first determination model. In any case, the state determination ECU 10 shifts the state determination process to S260.
そのＳ２６０では、状態判定ＥＣＵ１０は、運転者が漫然と運転している漫然運転であるものと判定する。続いて、状態判定ＥＣＵ１０は、漫然運転である旨が報知されるように制御信号を報知装置２０に出力する（Ｓ２７０）。制御信号が入力された報知装置２０は、漫然運転である旨の警告を出力する。なお、報知装置２０が報知する内容は、休息を取るように促す旨の提案であっても良いし、警告と提案とを組み合わせたものであっても良い。 In S260, the state determination ECU 10 determines that the driver is driving casually. Subsequently, the state determination ECU 10 outputs a control signal to the notification device 20 so as to notify that it is a random operation (S270). The notification device 20 to which the control signal is input outputs a warning that the operation is random. Note that the content notified by the notification device 20 may be a proposal for prompting to take a rest, or a combination of a warning and a suggestion.
その後、状態判定ＥＣＵ１０は、状態判定処理をＳ１１０へと戻す。
以上説明したように、本実施形態の状態判定処理では、センサ群２での検知結果に従って、自動車の挙動を表すパラメータを繰り返し導出する。そして、パラメータを判定モデルに照合した結果、判定モデルが有する閾値領域のいずれかにパラメータが包含されていれば、運転者が漫然と運転しているものと判定する。
Thereafter, the state determination ECU 10 returns the state determination process to S110.
As described above, in the state determination process according to the present embodiment, the parameter representing the behavior of the vehicle is repeatedly derived according to the detection result of the sensor group 2. Then, as a result of collating the parameter with the determination model, if the parameter is included in any of the threshold regions of the determination model, it is determined that the driver is driving casually.
なお、ここで言うパラメータは、特許請求の範囲に記載された現挙動情報の一例である。
＜検証実験＞
次に、本発明の発明者らが実施した本発明の検証実験について説明する。
The parameter referred to here is an example of current behavior information described in the claims.
<Verification experiment>
Next, a verification experiment of the present invention conducted by the inventors of the present invention will be described.
この検証実験では、まず、高速道路における自車の速度が速度閾値以上となるように、運転者に自動車を走行させ、その走行中に舵角や走行速度などを繰り返しセンシングする。そして、そのセンシングの結果に基づいて挙動情報（例えば、躍度絶対値平均、舵角変化絶対値平均、舵角躍度絶対値平均など）を繰り返し算出して状態判定処理を実行する。また、高速道路の走行中における運転者の状態が、漫然運転であるか否かまたは眠気を感じているか否かなどを、運転者自身の主観や同乗者の主観に基づいて評価（即ち、主観評価）した。そして、主観評価の結果と、走行中に算出した挙動情報に基づく状態判定処理の処理結果とを比較することで、状態判定処理の処理精度を検証した。 In this verification experiment, first, the driver is made to drive the vehicle so that the speed of the vehicle on the highway is equal to or higher than the speed threshold, and the steering angle and the traveling speed are repeatedly sensed during the traveling. Then, based on the sensing result, behavior information (for example, average jerk value average, average steering angle change absolute value, rudder angle jerk absolute value average, etc.) is repeatedly calculated to execute state determination processing. In addition, the driver's condition during driving on the expressway is evaluated based on the driver's own subjectivity and passenger's subjectivity, such as whether he / she feels dull or drowsy (i.e., subjective evaluated. Then, the processing accuracy of the state determination process was verified by comparing the result of the subjective evaluation with the processing result of the state determination process based on the behavior information calculated during traveling.
ここで、図５は、検証実験の結果として非漫然運転である場合の判定結果を説明する図である。このうち、図５（Ａ）は、検証実験におけるセンシングの結果を示すグラフであり、図５（Ｂ）は、検証実験における主観評価を示すグラフであり、図５（Ｃ）は、状態判定処理の結果を示すグラフである。 Here, FIG. 5 is a diagram for explaining a determination result in the case of non-random driving as a result of the verification experiment. Among these, FIG. 5 (A) is a graph showing the result of sensing in the verification experiment, FIG. 5 (B) is a graph showing subjective evaluation in the verification experiment, and FIG. 5 (C) is a state determination process. It is a graph which shows the result.
このように、図５（Ｂ），図５（Ｃ）に示すように、高速道路における自車の速度が速度閾値以上となるように運転者が自動車を走行させた場合に、当該運転者が非漫然運転であれば、主観評価及び状態判定処理の処理結果の双方とも、非漫然運転である旨が示されている。 Thus, as shown in FIGS. 5 (B) and 5 (C), when the driver drives the vehicle so that the speed of the vehicle on the highway is equal to or higher than the speed threshold, the driver In the case of non-random driving, both the subjective evaluation and the processing result of the state determination process indicate that it is non-random driving.
一方、図６は、検証実験の結果として漫然運転である場合の判定結果を説明する図である。このうち、図６（Ａ）は、検証実験におけるセンシングの結果を示すグラフであり、図６（Ｂ）は、検証実験における主観評価を示すグラフであり、図６（Ｃ）は、状態判定処理の結果を示すグラフである。 On the other hand, FIG. 6 is a diagram for explaining a determination result in the case of a random operation as a result of the verification experiment. Among these, FIG. 6 (A) is a graph showing the result of sensing in the verification experiment, FIG. 6 (B) is a graph showing subjective evaluation in the verification experiment, and FIG. 6 (C) is a state determination process. It is a graph which shows the result.
そして、図６（Ｂ），図６（Ｃ）に示すように、高速道路における自車の速度が速度閾値以上となるように運転者が自動車を走行させた場合に、当該運転者が漫然運転であれば、主観評価にて漫然運転であると考えられるタイミングで、状態判定処理の処理結果も漫然運転となっている。
［実施形態の効果］
以上説明したように、本実施形態の状態判定処理によれば、漫然運転であるか非漫然運転であるかを判定する際にパラメータを照合する閾値領域を、運転者の特性ごとに規定された閾値領域とすることができる。
Then, as shown in FIG. 6B and FIG. 6C, when the driver drives the vehicle so that the speed of the vehicle on the highway is equal to or higher than the speed threshold, the driver is driving loosely. If so, the processing result of the state determination process is also a random driving at a timing considered to be a random driving by subjective evaluation.
[Effect of the embodiment]
As described above, according to the state determination process of the present embodiment, the threshold region for collating the parameters when determining whether the driving is indiscriminate driving or indiscriminate driving is defined for each characteristic of the driver. It can be a threshold region.
したがって、本実施形態の状態判定処理によれば、自車を運転する運転者の特性に最も合致する閾値領域に、現挙動情報を照合することができる。
この結果、本実施形態の状態判定処理によれば、漫然運転であるか非漫然運転であるかを、当該運転者の特性に関わらず判定でき、運転者ごとの個人差による挙動情報（パラメータ）の差違による誤判定を低減できる。
Therefore, according to the state determination process of the present embodiment, the current behavior information can be collated with a threshold region that most closely matches the characteristics of the driver driving the host vehicle.
As a result, according to the state determination process of the present embodiment, it is possible to determine whether the driving is indiscriminate driving or non-indiscriminate driving regardless of the characteristics of the driver, and behavior information (parameter) depending on individual differences for each driver. It is possible to reduce misjudgment due to the difference between the two.
さらに、本実施形態の状態判定処理における判定モデルは、少なくとも２以上の閾値領域を有し、その閾値領域の少なくとも一部が互いに非重複となるように規定されている。
このため、本実施形態の状態判定処理によれば、閾値領域を、運転者のより細かな特性に応じて設定できる。
Furthermore, the determination model in the state determination process of the present embodiment is defined so as to have at least two or more threshold regions, and at least some of the threshold regions are non-overlapping with each other.
For this reason, according to the state determination process of this embodiment, a threshold value area | region can be set according to a driver | operator's finer characteristic.
ところで、躍度や舵角躍度は、自動車を運転する際の運転者の特性に応じて異なる傾向となることが知られている。このため、本実施形態の状態判定処理において、躍度や舵角躍度をパラメータ（即ち、挙動情報）の１つとすることで、状態判定処理によれば、運転者が漫然運転を行っているか否かを、運転者の特性に応じてより精度良く判定できる。 By the way, it is known that the jerk and the rudder angle jerk tend to be different depending on the characteristics of the driver when driving the automobile. For this reason, in the state determination process of the present embodiment, by setting the jerk and the rudder angle jerk as one of the parameters (that is, behavior information), according to the state determination process, is the driver performing random driving? Whether or not can be determined more accurately according to the characteristics of the driver.
なお、本実施形態の状態判定処理では、判定モデルに照合するパラメータを、第１時間での代表値、または第２時間での代表値としている。
このように代表値を判定モデルに照合するパラメータとすることにより、瞬時のパラメータが偶発的に閾値領域の範囲内または範囲外となることを防止でき、運転者が漫然運転を行っているか否かを誤判定することを低減できる。
In the state determination process of the present embodiment, the parameter to be checked against the determination model is a representative value at the first time or a representative value at the second time.
In this way, by using the representative value as a parameter to be checked against the judgment model, it is possible to prevent an instantaneous parameter from accidentally falling outside or outside the threshold range, and whether or not the driver is driving loosely. Can be reduced.
さらに、本実施形態の状態判定処理においては、閾値領域それぞれにおける上限値を、入力機構９を介して指定された値としている。
このため、本実施形態の状態判定処理においては、自動車を運転する運転者が、自身に最も適切な閾値領域の上限値を設定でき、閾値領域を微調整することができる。
Further, in the state determination process of the present embodiment, the upper limit value in each threshold region is set to a value specified via the input mechanism 9.
For this reason, in the state determination process of the present embodiment, the driver who drives the vehicle can set the upper limit value of the threshold region most appropriate for himself and can finely adjust the threshold region.
以上のことから、状態判定ＥＣＵ１０によれば、自動車の運転者の状態を判定する技術において、判定精度を向上させることができる。
［その他の実施形態］
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。
From the above, according to the state determination ECU 10, it is possible to improve the determination accuracy in the technology for determining the state of the driver of the automobile.
[Other Embodiments]
As mentioned above, although embodiment of this invention was described, this invention is not limited to the said embodiment, In the range which does not deviate from the summary of this invention, it is possible to implement in various aspects.
例えば、上記実施形態においては、短期躍度領域と、長期躍度領域と、短期舵角変化領域と、長期舵角変化領域と、短期舵角躍度領域と、長期舵角躍度領域とによって、閾値領域が規定されていたが、閾値領域を規定する挙動情報の範囲は、これに限るものではない。すなわち、閾値領域は、短期躍度領域と、長期躍度領域と、短期舵角変化領域と、長期舵角変化領域と、短期舵角躍度領域と、長期舵角躍度領域とのうちの少なくとも１つによって規定されていても良い。また、閾値領域は、躍度絶対値平均、舵角変化絶対値平均、及び舵角躍度絶対値平均とは異なる挙動情報の範囲が加えられていても良い。 For example, in the above embodiment, the short-term jerk region, the long-term jerk region, the short-term rudder angle change region, the long-term rudder angle change region, the short-term rudder angle jerk region, and the long-term rudder angle jerk region Although the threshold area is defined, the range of the behavior information that defines the threshold area is not limited to this. That is, the threshold region is a short-term jerk region, a long-term jerk region, a short-term rudder angle change region, a long-term rudder angle change region, a short-term rudder angle jerk region, or a long-term rudder angle jerk region. It may be defined by at least one. In addition, a range of behavior information different from the jerk absolute value average, the rudder angle change absolute value average, and the rudder angle jerk absolute value average may be added to the threshold region.
さらには、上記実施形態における判定モデルは、第１判定モデルと第２判定モデルとの双方を備えていたが、本発明における判定モデルは、第１判定モデル及び第２判定モデルのいずれか一方であっても良い。 Furthermore, although the determination model in the above embodiment includes both the first determination model and the second determination model, the determination model in the present invention is either one of the first determination model and the second determination model. There may be.
また、上記実施形態では、判定モデルを生成するためのデータクラスタリングの手法として、ｋ−ｍｅａｎｓ法を用いていたが、データクラスタリングの手法は、これに限るものではない。データクラスタリングの手法は、ウォード法であっても良いし、その他の手法であっても良い。すなわち、判定モデルを生成するためのデータクラスタリングの手法は、多数のデータを指定されたクラスタ数に分類する手法であれば、どのようなものであっても良い。 In the above embodiment, the k-means method is used as the data clustering method for generating the determination model. However, the data clustering method is not limited to this. The data clustering method may be the Ward method or other methods. That is, the data clustering method for generating the determination model may be any method as long as it classifies a large number of data into the designated number of clusters.
上記実施形態においては、状態判定システム１を搭載する対象を自動車としていたが、本発明において、状態判定システムを搭載する対象は、自動車に限るものではない。状態判定システムを搭載する対象は、例えば、オートバイや自転車、航空機や船舶などでも良い。つまり、状態判定システム１が搭載される対象は、移動体であればどのようなものであっても良い。 In the said embodiment, although the object which mounts the state determination system 1 was made into the motor vehicle, in this invention, the object which mounts a state determination system is not restricted to a motor vehicle. The object on which the state determination system is mounted may be, for example, a motorcycle, a bicycle, an aircraft, a ship, or the like. That is, the object on which the state determination system 1 is mounted may be any object as long as it is a moving object.
なお、上記実施形態の構成の一部を省略した態様も本発明の実施形態である。また、上記実施形態と変形例とを適宜組み合わせて構成される態様も本発明の実施形態である。また、特許請求の範囲に記載した文言によって特定される発明の本質を逸脱しない限度において考え得るあらゆる態様も本発明の実施形態である。 In addition, the aspect which abbreviate | omitted a part of structure of the said embodiment is also embodiment of this invention. Further, an aspect configured by appropriately combining the above embodiment and the modification is also an embodiment of the present invention. Moreover, all the aspects which can be considered in the limit which does not deviate from the essence of the invention specified by the wording described in the claims are the embodiments of the present invention.
また、本発明は、前述した状態判定装置の他、運転者の状態を判定するためにコンピュータが実行するプログラム、運転者の状態を判定する方法等、種々の形態で実現することができる。 In addition to the state determination device described above, the present invention can be realized in various forms such as a program executed by a computer to determine the state of the driver, a method for determining the state of the driver, and the like.
１…状態判定システム ２…センサ群 ５…ステア角センサ ７…車速センサ ９…入力機構 １０…状態判定電子制御装置（ＥＣＵ） １２…ＲＯＭ １４…ＲＡＭ １６…ＣＰＵ ２０…報知装置 DESCRIPTION OF SYMBOLS 1 ... State determination system 2 ... Sensor group 5 ... Steer angle sensor 7 ... Vehicle speed sensor 9 ... Input mechanism 10 ... State determination electronic controller (ECU) 12 ... ROM 14 ... RAM 16 ... CPU 20 ... Notification device
Claims (7)
前記移動体の挙動を表す情報を挙動情報とし、前記挙動情報を取得する挙動取得手段（１０：Ｓ１９０，Ｓ２２０）と、
前記運転者が移動体を漫然と運転した場合における前記挙動情報の範囲を閾値領域とし、少なくとも２つ以上の前記閾値領域が前記運転者の特性ごとに規定され、かつ互いの閾値領域の少なくとも一部が非重複となるように規定された判定モデルに、前記挙動取得手段で取得した挙動情報である現挙動情報を照合する照合手段（１０：Ｓ２００，Ｓ２３０）と、
前記照合手段で照合した結果、前記現挙動情報が、前記閾値領域の少なくとも１つに包含されていれば、前記移動体の運転者が漫然と運転しているものと判定する判定手段（１０：Ｓ２４０，Ｓ２６０）と
を備え、
前記判定モデルは、前記移動体が定常走行し、かつ前記運転者が漫然と運転している状態での前記移動体の挙動を表す第１判定モデルと、前記移動体が定常走行へと遷移する期間に、前記運転者が漫然と運転している状態での前記移動体の挙動を表す第２判定モデルと、を有し、
前記照合手段は、
前記移動体の走行速度が閾値以上となってから第２時間を経過した場合、前記第２判定モデルに前記現挙動情報を照合し、
前記移動体の走行速度が閾値以上となってから前記第２時間よりも長い第１時間を経過した場合、前記第１判定モデルに前記現挙動情報を照合することを特徴とする状態判定装置。 A state determination device (10) for determining a state of a driver of a moving body,
Information indicating the behavior of the moving object is behavior information, and behavior acquisition means (10: S190, S220) for acquiring the behavior information;
A range of the behavior information when the driver drove the mobile object is a threshold region, at least two of the threshold regions are defined for each characteristic of the driver, and at least a part of each threshold region Collation means (10: S200, S230) for collating current behavior information, which is behavior information acquired by the behavior acquisition means, with a determination model defined so as to be non-overlapping,
If the current behavior information is included in at least one of the threshold areas as a result of collation by the collation means, determination means (10: S240) for determining that the driver of the moving body is driving casually. , S260) and equipped with a,
The determination model includes a first determination model that represents the behavior of the moving body in a state where the moving body is in steady driving and the driver is driving gently, and a period in which the moving body transitions to steady driving. And a second determination model that represents the behavior of the moving body when the driver is driving casually,
The verification means includes
When the second time has elapsed since the traveling speed of the moving body is equal to or higher than a threshold, the current behavior information is collated with the second determination model,
If the traveling speed of the moving body has passed a long first hour than the second hour of greater than or equal to the threshold value, the state determination apparatus characterized that you match the current behavior information to the first determination model .
前記移動体の加速度の単位時間当たりの変化率を表す躍度を、前記挙動情報の１つとして取得することを特徴とする請求項１に記載の状態判定装置。 The behavior acquisition means includes
The state determination apparatus according to claim 1, wherein a jerk representing a rate of change per unit time of acceleration of the moving body is acquired as one of the behavior information.
前記移動体における舵角の角加速度の単位時間当たりの変化率を表す舵角躍度を、前記挙動情報の１つとして取得することを特徴とする請求項１または請求項２に記載の状態判定装置。 The behavior acquisition means includes
The state determination according to claim 1 or 2, wherein a rudder angle jump degree representing a rate of change per unit time of angular acceleration of the rudder angle in the moving body is acquired as one of the behavior information. apparatus.
互いの閾値領域の少なくとも一部が非重複となるように予め規定された、３以上の閾値領域を有することを特徴とする請求項１から請求項３までのいずれか一項に記載の状態判定装置。 The determination model is
The state determination according to any one of claims 1 to 3, further comprising three or more threshold regions that are defined in advance so that at least some of the mutual threshold regions are non-overlapping. apparatus.
前記照合手段は、
前記範囲変更手段で変更された前記閾値領域を有する前記判定モデルに、前記現挙動情報を照合する
ことを特徴とする請求項１から請求項４までのいずれか一項に記載の状態判定装置。 Range changing means (10: S110, S130) for changing the range of the behavior information represented by each of the threshold areas;
The verification means includes
The state determination apparatus according to any one of claims 1 to 4, wherein the current behavior information is collated with the determination model having the threshold region changed by the range changing unit.
前記第１時間での前記移動体の挙動の代表値を、前記挙動情報として取得することを特徴とする請求項１から請求項５までのいずれか一項に記載の状態判定装置。 The behavior acquisition means includes
A representative value of the behavior of the movable body in the first hour, the state determining apparatus according to any one of claims 1, characterized in that to obtain, as the behavior information to Claim 5.
前記第２時間での前記移動体の挙動の代表値を、前記挙動情報として取得することを特徴とする請求項１から請求項６までのいずれか一項に記載の状態判定装置。 The behavior acquisition means includes
Before Symbol a representative value of the behavior of the movable body in the second time, the state determining apparatus according to any one of claims 1, characterized in that to obtain, as the behavior information to Claim 6.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014145319A JP6323224B2 (en) | 2014-07-15 | 2014-07-15 | State determination device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014145319A JP6323224B2 (en) | 2014-07-15 | 2014-07-15 | State determination device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2016021193A JP2016021193A (en) | 2016-02-04 |
| JP6323224B2 true JP6323224B2 (en) | 2018-05-16 |
Family
ID=55265987
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014145319A Active JP6323224B2 (en) | 2014-07-15 | 2014-07-15 | State determination device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6323224B2 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018156345A (en) * | 2017-03-17 | 2018-10-04 | パイオニア株式会社 | Information processing device, information processing method, program, and recording medium |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006343904A (en) * | 2005-06-08 | 2006-12-21 | Xanavi Informatics Corp | Driving support device |
| JP5511512B2 (en) * | 2010-05-28 | 2014-06-04 | 日野自動車株式会社 | Awakening level lowering alarm device, waking level lowering alarm method and program |
| JP5803679B2 (en) * | 2012-01-05 | 2015-11-04 | 株式会社デンソー | Operating state determination device |
| JP6035806B2 (en) * | 2012-03-23 | 2016-11-30 | 富士通株式会社 | Nap detection device and nap detection method |
| US9315194B2 (en) * | 2012-03-28 | 2016-04-19 | Toyota Jidosha Kabushiki Kaisha | Low-level consciousness determination system |
| JP6065885B2 (en) * | 2014-07-15 | 2017-01-25 | 株式会社デンソー | State determination device |
-
2014
- 2014-07-15 JP JP2014145319A patent/JP6323224B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2016021193A (en) | 2016-02-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7978086B2 (en) | Method and device for recognizing tiredness | |
| US9707970B2 (en) | Method for operating a motor vehicle, control device, and computer program product | |
| US8452492B2 (en) | Driver assistance device and method for controlling it | |
| JP4623128B2 (en) | Vehicle control device | |
| US20090322506A1 (en) | Method and apparatus for driver state detection | |
| JP7068770B2 (en) | Methods, systems, and vehicles for analyzing rider abilities | |
| JP6226135B2 (en) | Doze driving prevention device | |
| CN104802797B (en) | Range information system and automobile for automobile | |
| CN108698606A (en) | Method for driver's movement of classifying | |
| JP6065885B2 (en) | State determination device | |
| JP2005092285A (en) | Vehicle driving status estimating device and driver's vehicle driving characteristic estimating device | |
| WO2017158195A1 (en) | A method for determining a vigilance state of a driver of a vehicle | |
| JP6323224B2 (en) | State determination device | |
| JP2917754B2 (en) | Arousal level detection device for vehicles | |
| JP4760113B2 (en) | Driver state estimation device | |
| JP6432501B2 (en) | State determination device | |
| JP2005143896A (en) | Device for determining psychological state of driver | |
| JP5018092B2 (en) | Lane departure prevention device | |
| CN110901757B (en) | System and method for determining steering intervention of a driver | |
| JP2005173702A (en) | Device for deciding degree of margin of driving | |
| AU2018349050B2 (en) | Information processing device for saddle-ridden vehicle, and information processing method for saddle-ridden vehicle | |
| WO2022208751A1 (en) | Vehicle | |
| WO2012147698A1 (en) | Driver state judgement device | |
| JP2020071686A (en) | Safe driving diagnostic system | |
| JP2023027699A (en) | Driver state determination device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160909 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170614 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170711 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170906 |
|
| 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: 20180313 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180326 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 6323224 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| 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 |