JP6327283B2 - 車両用情報提供装置 - Google Patents

Description

この発明は、車両用情報提供装置に係り、特に、車両のドライバに対して障害事象に関わる通知を提供する車両用情報提供装置に関する。

特許文献１には、車両の自律走行を支援するシステムが開示されている。車両の走行ルートには、自律走行に適したゾーンに加えて、自律走行が難しいゾーンが含まれている。例えば、周囲の全車両が流れに乗って同じ方向に向かう高速道路の一般領域は、自律走行に適したゾーンである。一方、複数の車両の流れが合流する合流点、環状交差点、複雑な立体交差などは、自律走行が難しいゾーンである。

上記従来のシステムは、自律走行の開始に先立って、ドライバが目的地を設定することを前提としている。車両は、目的地が設定されると、現在地から目的地に向かうルートを算出する。そして、このルートに沿って走行している過程で自律走行が難しいゾーンに近づくと、車両はその近接をドライバに通知する。この通知を受けたドライバは、そのゾーンを避けるルートを新たに設定したり、そのゾーンを通過する間だけ車両を操縦したりすることで自律走行を補うことができる。

特表２０１３−５４４６９５号公報 特開２００５−３３９１８１号公報

特許文献１では、地図データに「自律走行が難しいゾーン」が登録されることとなっている。その登録の手法として、以下の３つが開示されている。
１．地図データ作成の段階で予め登録。
２．車両のドライバが自ら登録。
３．車々間通信により他車両から情報提供されたゾーンを登録。

何れの場合でも、特許文献１の地図データには、存在が明らかなゾーンだけが登録されることになる。このため、特許文献１のシステムでは、存在しない事象に関する通知がドライバに提供されることはない。

車両走行の支障となり得る障害事象は、市街を走行している車両から挙動データを集めて、そのデータを解析することによっても検知することができる。例えば、高速道路上に落下物が存在すれば、その落下物の場所で多数の車両が回避挙動を取る。このため、特定の場所で多数の車両が回避挙動を取っていれば、その場所に何らかの障害事象が生じていると判断することができる。

車両の運転を支援する観点によれば、そのような障害事象に関する通知を、その事象との遭遇前にドライバに提供することが考えられる。このような通知を受ければ、車両のドライバは、障害事象に備えることができ余裕を持ってその事象に対処することができる。

ここで、収集したデータを解析して障害事象を検知する場合、一般に、データの数が増えるほどその事象の詳細が把握し易くなる。障害事象の中には、概要だけを通知するより、詳細な内容を通知することが車両のドライバにとって有益なものがある。例えば、高速道路上にタイヤ等の落下物が存在する場合、「この先、障害物があります。」との通知を受けるより、「５００m先、第１レーンに段ボールがあります」との通知を受けた方がドライバはその事象に対処し易い。

特許文献１のシステムは、車両の自律走行が困難なゾーンについて、情報を収集し続ける機能を備えていない。このため、このシステムでは、そのゾーンに関する通知は一律なものとなる。この点、特許文献１に記載のシステムは、障害事象に関する情報を提供することにより車両のドライバを支援する機能において、未だ改良の余地を残すものであった。

この発明は、上述のような課題を解決するためになされたもので、ドライバに通知するべき障害事象について、判明している情報の内容に応じて、通知の内容を変化させることのできる車両用情報提供装置を提供することを目的とする。

第１の発明は、上記の目的を達成するため、車両用情報提供装置であって、
交通情報データを記録する交通情報データベースと、
前記交通情報データを処理して、支援車両のドライバに通知を提供するデータ処理装置と、を備え、
前記データ処理装置は、
前記交通情報データに基づいて車両走行の障害となる障害事象を検出する事象検出処理と、
前記支援車両が遭遇する可能性のある障害事象を抽出する事象抽出処理と、
前記支援車両が遭遇する可能性のある障害事象に関する通知を前記ドライバに提供する通知処理と、
前記交通情報データに基づいて、前記障害事象について定められた詳細項目に関する項目データを生成する処理と、
前記詳細項目に当てはめる分析結果と、当該分析結果に対する自信度とを、前記項目データに基づいて生成する処理と、
前記分析結果に関して前記通知に含める内容を前記自信度に基づいて変更する処理と、
を実行することを特徴とする。

また、第２の発明は、第１の発明において、前記データ処理装置は、情報提供車両から受信した交通情報データを前記交通情報データベースに記録する交通情報記録処理を実行することを特徴とする。

また、第３の発明は、第２の発明において、前記交通情報データは、前記情報提供車両の位置情報と、前記情報提供車両の車両挙動情報と、を含むことを特徴とする。

また、第４の発明は、第２又は第３の発明において、前記交通情報データは、前記情報提供車両の位置情報と、周辺状況を監視するために前記情報提供車両に搭載されている周辺監視センサの検出結果と、を含むことを特徴とする。

また、第５の発明は、第１乃至第４の発明の何れかにおいて、
前記データ処理装置は、障害事象について通知必要度を演算する判定値演算処理を実行し、
前記通知処理は、通知必要度が通知閾値を越える障害事象に関する通知を前記ドライバに提供することを特徴とする。

また、第６の発明は、第１乃至第５の発明の何れかにおいて、
前記データ処理装置は、前記交通情報データに基づいて前記障害事象に関する確信度を演算する確信度演算処理を実行し、
前記通知処理は、前記確信度が支援閾値を越える障害事象に関する通知を前記支援車両のドライバに提供することを特徴とする。

また、第７の発明は、第１乃至第６の発明の何れかにおいて、前記分析結果は、前記項目データの夫々に対応する数値の平均値に基づいて決定されることを特徴とする。

また、第８の発明は、第１乃至第７の発明の何れかにおいて、前記自信度は、前記詳細項目に関する前記項目データの数が多いほど高い値に演算されることを特徴とする。

また、第９の発明は、第１乃至第８の発明の何れかにおいて、
前記項目データには、データの種類に応じた信頼度が設定されており、
信頼度の高い項目データは信頼度の低い項目データより前記自信度に大きく反映されることを特徴とする。

また、第１０の発明は、第１乃至第９の発明の何れかにおいて、前記自信度は、前記項目データの夫々に対応する数値のバラツキ度合いが小さいほど高い値に演算されることを特徴とする。

また、第１１の発明は、第８乃至第１０の発明の何れかにおいて、
前記データ処理装置は、障害事象の夫々について移動可能性を計算し、
位置に関わる詳細項目の自信度は、障害事象の移動可能性が高いほど、小さな値に演算されることを特徴とする。

また、第１２の発明は、第８乃至第１１の発明の何れかにおいて、
前記データ処理装置は、障害事象の夫々について、最後に検出されてからの経過時間を計数し、
最後に検出されてからの経過時間が長い障害事象ほど前記自信度が小さな値に演算されることを特徴とする。

また、第１３の発明は、第８乃至第１２の発明の何れかにおいて、
前記データ処理装置は、障害事象の夫々について車両との遭遇頻度を演算し、
前記自信度は、関連する障害事象についての前記遭遇頻度が維持され又は増加している場合に向上し、一方、当該遭遇頻度が低下している場合に低下することを特徴とする。

また、第１４の発明は、第１乃至第１３の発明の何れかにおいて、
前記通知を変更する処理は、
通知の対象である障害事象について、詳細項目毎に前記自信度が自信閾値以上であるかを判定する処理と、
自信閾値以上の自信度を有する詳細項目の分析結果を含むように前記通知を生成する処理と、
を含むことを特徴とする。

第１の発明によれば、遭遇可能性のある障害事象に関する通知を支援車両のドライバに提供することができる。また、この発明によれば、障害事象について定められている詳細項目につき分析結果と自信度を生成することができる。そして、その自信度に基づいて通知に含める情報の内容を変更することで、ドライバの信頼を裏切らない範囲で詳細な情報を提供することができる。

第２の発明によれば、データ処理装置は、情報提供車両から交通情報データを取得して交通情報データベースに記録することができる。支援車両に先行する位置を走行している情報提供車両は、支援車両の進行ルート上で生じている障害事象の情報をデータ処理装置に送信することができる。このため、データ処理装置は、支援車両が未だ遭遇していない障害事象に関する通知を、支援車両に提供することができる。

第３の発明によれば、情報提供車両は、自車の位置情報と車両挙動情報とを、交通情報データとして送信する。データ処理装置は、情報提供車両の位置情報により障害事象の発生位置を知ることができ、また、回避行動等の車両挙動情報により、障害事象の発生を検知することができる。このため、本発明によれば、情報提供車両が遭遇した障害事象の情報を、リアルタイムで支援車両に通知することができる。

第４の発明によれば、情報提供車両は、自車の位置情報と周辺監視センサの検出結果とを、交通情報データとして送信する。データ処理装置は、情報提供車両の位置情報により障害事象の発生位置を知ることができる。また、データ処理装置は、周辺監視センサの検出結果から情報提供車両の周辺に発生した事象を検知することができる。このため、本発明によれば、情報提供車両が遭遇した障害事象の詳細を、リアルタイムで支援車両に通知することができる。

第５の発明によれば、通知必要度の高い障害事象の通知だけをドライバに提供することができる。このため、本発明によれば、提供を受けた通知に関してドライバが煩わしさを感じる機会を低く抑えることができる。

第６の発明によれば、確信度の低い障害事象がドライバに通知されるのを避けることができる。このため、本発明によれば、通知の信頼度を高めることができる。

第７の発明によれば、項目データが意味する数値の平均値で分析結果が決定される。このような手法によれば、複数の項目データを無駄なく活用して適切な分析結果を得ることができる。

第８の発明によれば、項目データの数が多いほど高い自信度が演算される。分析結果の確からしさは基礎となるデータの数が多いほど上昇する。本発明によれば、その確からしさと整合するように自信度を演算することができる。

第９の発明によれば、項目データ夫々の信頼度を、分析結果の自信度に反映させることができる。このため、本発明によれば、信頼度の高いデータの価値を無駄にすることなく適切に自信度を演算することができる。

第１０の発明によれば、項目データのバラツキ度合いが小さいほど自信度は高い値に演算される。複数のデータに基づいて導出される結論が正しい確率は、それらのデータのバラツキが小さいほど高くなる。本発明によれば、その確率と整合するように自信度を演算することができる。

第１１の発明によれば、障害事象の移動可能性が高いほど、位置に関わる自信度が小さな値に演算される。動物など、移動可能性の高い障害物は、時間の経過と共にその位置を変化させ易い。このため、位置に関わる詳細項目の分析結果は、障害事象の移動可能性が高いほど不安定になり易い。本発明によれば、位置に関わる自信度にその不安定さを反映させることができる。

第１２の発明によれば、障害事象が検出されてからの経過時間が長いほど、その事象に関わる自信度が小さな値に演算される。障害事象は、その検出の後、時間の経過と共に消滅している可能性が高まる。本発明によれば、その消滅の可能性を自信度に反映させることができる。

第１３の発明によれば、障害事象に関わる自信度に、車両がその事象に遭遇する頻度を反映させることができる。ある場所で検出された障害事象が、その検出の後も他の車両との遭遇を繰り返している場合は、その事象の存在確率が高いと判断することができる。一方、一旦は検出されたものの、その後車両との遭遇頻度が低下している事象については、存在確率が低下したと判断することができる。本発明によれば、障害事象に関わる自信度に、その存在確率の変化を反映させることができる。

第１４の発明によれば、支援車両のドライバに提供する通知に、自信度の高い分析結果を織り込むことができる。自信度の低い内容が通知に含まれないため、ドライバの信頼を損なう機会を減らすことができる。また、自信度の高い情報を通知に含めることにより、ドライバにとっての通知の有用性を高めることができる。

本発明において支援車両のドライバに通知される事象の概要を説明するための図である。 図１に示すストレス事象の具体例を示す図である。 図１に示す想定外事象の具体例を示す図である。 本発明の実施の形態１の構成を説明するためのブロック図である。 図１に示す事象情報演算部が詳細解析処理において基礎とする項目データの一例の概要を説明するための図である。 詳細が判明した障害事象についての通知の一例を説明するための図である。 詳細が判明していない障害事象についての通知の一例を説明するための図である。 本発明の実施の形態１において実行されるルーチンのフローチャートである。 図８に示すステップ１０４及び１０６の詳細を説明するためのフローチャートである。 本発明の実施の形態２において実行されるルーチンのフローチャートである。

［本発明の実施形態の概要］
本発明の実施形態は、情報提供を介して車両のドライバを支援することを目的としている。以下、支援対象の車両を「支援車両」と称す。支援車両の進行ルート上では様々な事象が発生する。それらの事象の中には、煽り癖のある他車両や頻繁にブレーキを踏む癖のある他車両など、遭遇したドライバが強いストレスを感じるストレス事象、直前まで認知できない脱落タイヤのような想定外事象、或いは日常の出来事化している定常渋滞のような想定内事象が含まれる。

支援情報の通知を受けるドライバは、一般に、有益な通知は歓迎するが、無益な通知には煩わしさを感じる。具体的には、上記の例の中では、ストレス事象及び想定外事象の通知はドライバに歓迎され易い。一方、想定内事象は、ドライバにとって既知であるため、その通知はドライバにとって煩わしいものになり易い。そこで、本発明の実施形態は、支援車両のドライバに通知する事象をストレス事象と想定外事象に絞り、想定内事象については通知事象から除外することとした。但し、ストレス事象と想定外事象はあくまで通知事象の一例である。通知の必要度が高い事象については、適宜通知事象に加えることができるものとする。

図１は、本発明の実施形態における通知事象の概要を説明するための図である。図１に示すように、本発明の実施形態において、通知事象は、ストレス事象と想定外事象とで構成される。以下、図１と共に図２及び図３を参照して、通知事象の詳細について説明する。

図２は、ストレス事象の具体例を説明するための図である。第１の具体例は「煽り車両」である。
（定義）「煽り車両」とは、車間距離を詰めて先行車を追い立てる煽り行為を頻繁に行っている車両を指す。
（判断根拠）個々の車両が「煽り車両」に該当するか否かは、煽り行為の履歴に基づいて判断することができる。また、個々の車両が煽り行為をしているか否かは、その車両と先行車の速度及び車間距離等から判断することができる。
（根拠データ）
煽り行為の判断は、個々の車両からの位置情報、速度情報、車間距離情報などのアップロードデータに基づいて行うことができる。

第２の具体例は「低速マイペース車両」である。
（定義）「低速マイペース車両」とは、周囲又は後続の車両に比して明らかに低い速度で走行し続ける車両を指す。
（判断根拠）個々の車両が「低速マイペース車両」に該当するか否かは、律速行為、即ち、先行車両が存在しない状態で後続の車両集団の速度を律する行為の履歴に基づいて判断することができる。また、個々の車両が律速行為をしているか否かは、その車両と前後車両との車間距離、その車両の速度、及び周囲の車両又は車間距離が詰まるまでの後続車両との速度差、後続車両の数等に基づいて判断することができる。
（根拠データ）
律速行為の判断は、個々の車両からの位置情報、速度情報、車間距離情報などのアップロードデータに基づいて行うことができる。

第３の具体例は「割り込み車両」である。
（定義）「割り込み車両」とは、走行中の車線に隣接する車線上の車両間に割り込む行為を頻繁に行っている車両を指す。
（判断根拠）個々の車両が「割り込み車両」に該当するか否かは、割り込み行為の履歴に基づいて判断することができる。また、個々の車両が割り込み行為をしているか否かは、その車両における車線変更操作や、隣接車線上の車両の挙動等から判断することができる。
（根拠データ）
車線変更操作は、個々の車両からの操舵情報、アクセル操作情報、ブレーキ操作情報、位置情報、速度情報などのアップロードデータに基づいて検知することができる。また、割り込みに伴う周辺車両の挙動は、個々の車両からの位置情報、車速情報、車間距離情報等のアップロードデータに基づいて検知することができる。

第４の具体例は「高頻度ブレーキ車両」である。
（定義）「高頻度ブレーキ車両」とは、頻繁にブレーキ操作が行われる車両を指す。このような操作は、先行車との車間を詰めて走行する癖を持つドライバにより実行され易い。高頻度ブレーキ車両に後続すると、先行車のブレーキ操作に注意を払う必要が頻繁に生じ、ドライバはストレスを感じ易い。
（判断根拠）個々の車両が「高頻度ブレーキ車両」に該当するか否かは、その車両における操作履歴に基づいて判断することができる。より具体的には、その車両におけるブレーキ操作の頻度、ブレーキ操作がなされた際の速度、先行車両との車間距離等から判断することができる。
（根拠データ）
上記の判断は、個々の車両からの、ブレーキ操作情報、位置情報、速度情報、車間距離情報などのアップロードデータに基づいて行うことができる。

第５の具体例は「マナー違反車両」である。
（定義）「マナー違反車両」とは、マナー違反行為を頻繁に繰り返す車両を指す。ここで、「マナー違反行為」とは、方向指示器による表示を伴わない右左折、路肩への停止、路肩からの発進などを指す。
（判断根拠）個々の車両が「マナー違反車両」に該当するか否かは、その車両におけるマナー違反行為の履歴に基づいて判断することができる。また、「マナー違反行為」は、個々の車両における方向指示器操作、右左折操作、路肩への停止操作、及び路肩からの発進操作等に基づいて検知することができる。
（根拠データ）
上記の検知は、個々の車両からの各種操作情報、位置情報、速度情報、車間距離情報等のアップロードデータに基づいて行うことができる。

第６の具体例は「狭窄路」である。
（定義）「狭窄路」とは、道幅の狭まった道路を指す。ドライバは、狭窄路の入り口では道路幅員の減少によりストレスを感じ易い。また、狭窄路の走行中は、幅員に神経を払う必要からドライバはストレスを感じ易い。
（判断根拠）走行路が狭窄路に差し掛かるか否かは、道路の幅員又は幅員差に基づいて判断することができる。
（根拠データ）
上記の判断は、予め準備されている地図データに基づいて行うことができる。

続いて、再び図１を参照して、本発明の実施形態における「想定外事象」について説明する。本発明の実施形態において、「想定外事象」とは、ドライバにとって遭遇頻度が一定以下の障害事象を指す。遭遇頻度が一定以下となる事象は、図１に示す通り３つのカテゴリ(I)、(II)、(III)に分類される。

第１のカテゴリ(I)は、ドライバの来訪頻度が一定以下であるため、遭遇頻度が低くなる障害事象である。より具体的には、事象そのものは定常的に、又は頻繁に発生しているが、ドライバがその発生場所を滅多に訪問しない事象である。

第２のカテゴリ(II)は、障害事象そのものの発生頻度が一定以下である事象である。カテゴリ(II)に属する事象は、更に、以下の二つに分類することができる。
(II-i)特定の時期に偏って発生する障害事象。換言すると、一定期間内の事象発生期間が閾値未満となる事象。例えば、特定の季節にのみ出現する鹿などがこの分類に該当する。
(II-ii)一定期間内の事象発生回数が閾値未満である事象。又は、検出場所での前回からの経過時間が閾値以上である障害事象。例えば、高速道路の車線上に残された脱落タイヤなどがこの分類に該当する。

第３のカテゴリ(III)は、出現頻度はさほど低くないが、出現確率が閾値未満である事象である。例えば、極稀にしか赤にならない信号機などがこのカテゴリに属する。

図３は、想定外事象の具体例を説明するための図である。図３では、想定外事象をその特性により４つに区分している。一つ目の区分は「常時事象」、即ち、特定の場所に常に存在する障害事象である。
（事象例）
見通しの利かないカーブの曲がり先に現れる減速ハンプ（hump）、或いは、同様のカーブの先に現れる慢性渋滞などがこの区分に属する。
（根拠データ）
これらの事象は、個々の車両や交通情報インフラストラクチャからのアップロードデータに基づいて検知することもできるが、常時事象であることから、その情報が登録された地図データに基づいて検知することもできる。以下、この種のデータをアップロードする車両及びインフラストラクチャを総称して「情報提供車両等」と称す。
（ドライバ事情）
常時事象は、それらの発生場所を生活圏としているドライバにとっては日常の出来事である。このため、支援の対象が生活圏ドライバである場合は、常時事象を想定内事象として取り扱うのが妥当である。一方、旅行の過程でその発生場所を訪れたようなドライバ、つまり、生活圏外ドライバにとっては、常時事象と雖も日常的な事象ではない。このため、本発明の実施形態では、常時事象を、生活圏外ドライバに対しては想定外事象として扱う。この取り扱いは、図１におけるカテゴリ(I)に対応する。

図３において、二つ目の区分は「時間帯事象」、つまり、特定の場所に特定の時間帯において定常的に表れる障害事象である。
（事象例）
日中であれば遠方からも容易に目視できるが夜間には認識し難い障害事象となる減速ハンプ、特定の場所に休日限定で表れる慢性渋滞、或いは、特定の場所に通勤時間帯に限って現れる慢性渋滞などがこの区分に該当する。
（根拠データ）
減速ハンプのように路上に固定された時間帯事象は、情報提供車両等からのアップロードデータ又はその情報が登録された地図データと時間の情報とに基づいて検知することができる。一方、慢性渋滞のような時間帯事象は、情報提供車両等からのアップロードデータに基づいて検知することができる。
（ドライバ事情）
時間帯事象は、その発生場所を生活圏とし、かつ、その発生時間帯が活動時間（その発生場所を訪れる時間）と重なっているドライバにとっては日常の出来事である。このため、時間帯事象の発生場所及び発生時間が、生活圏及び活動時間と重なっているドライバに関しては、時間帯事象を想定内事象とするのが妥当である。一方、上記の発生場所は生活圏内ではあるが、その発生時間が活動時間に重なっていないドライバにとっては、時間帯事象が日常の出来事にはならない。同様に、生活圏外ドライバにとっても、時間帯事象は日常の出来事にはならない。このため、本発明の実施形態は、活動時間外ドライバと生活圏外ドライバについてのみ、時間帯事象が想定外事象として扱う。この扱いは、図１におけるカテゴリ(I)に対応する。

図３に示す三つ目の区分は「低頻度事象」である。「低頻度事象」は、図１に示すカテゴリ(II)に属する障害事象である。
（事象例）
特定の季節に集中的に現れる動物（典型的には鹿）、雪解け時期に集中して表れる路面のポットホール等がこの区分に属する（特に上述したカテゴリ(II-i)に属する）。また、路上停車中の故障車、高速道路上の脱落タイヤなどもこの区分に属する（特に、上述したカテゴリ(II-ii)に属する）。
（根拠データ）
低頻度事象に属する障害事象は、情報提供車両等からのアップロードデータに基づいて検知することができる。
（ドライバ事情）
低頻度事象は、如何なるドライバにとっても、日常の出来事にはならない。このため、本発明の実施形態では、全てのドライバについて低頻度事象が想定外事象として扱われる。

図３に示す四つ目の区分は「低確率事象」である。「低確率事象」は、図１に示すカテゴリ(III)に属する障害事象である。低確率事象は、より具体的には、特定の場所に設置された路上固定物において、極めて低い確率で実現される障害事象を指している。この路上固定物は、多数の同種物からなる母集団に属している。母集団に属する路上固定物は、夫々、複数の状態を切り換えて実現するように動作する。そして、それら複数の状態のうちの一つが車両の走行を妨げる障害事象となる。母集団に属する多数の固体が同様に機能することから、ドライバは、それらの固体がある確率で障害事象を発生させることを認識している。このような状況の下で、特定の路上固定物だけが、他の個体に比して著しく低い確率で障害事象を発生させるように動作していると、その動作に慣れたドライバは、その路上固定物は障害事象を発生させないであろうという先入観を持つようになる。このような状況が形成されると、そのドライバにとっては、その路上固定物が発生する障害事象が、想定外事象となる。
（事象例）
幹線道路に設置され、極稀にしか赤信号を表示しない車両感応式の信号機等がこの区分に属する。
（根拠データ）
低確率事象に属する障害事象は、情報提供車両等（路上固定物そのものを含む）からのアップロードデータに基づいて検知することができる。
（ドライバ事情）
低確率事象は、特定の路上固定物が極稀にしか障害事象を発生しないとの先入観を持つドライバにとって想定外事象となる。換言すると、そのような先入観を持っていない生活圏外ドライバにとっては、低確率事象が想定内事象となることがある。このため、本発明の実施形態は、生活圏ドライバについては低確率事象を想定外事象として扱い、生活圏外ドライバに関しては、低確率事象を想定外事象から外して取り扱うことがある。

［アップロードデータの解析］
上述した通り、「ストレス事象」の多くは個々の車両からのアップロードデータを解析することで検知することができる。また、「想定外事象」の多くも、情報提供車両等からのアップロードデータに基づいて検知することができる。そして、必要なデータがアップロードされていれば、そのデータを細かく解析することにより、障害事象の存在に加えて、その詳細を検知することが可能である。

例えば、特定の箇所に落下物が存在する場合、その箇所を通過する車両からは、回避挙動と位置情報のデータがアップロードされてくる。位置情報には、ある程度の誤差が含まれている。このため、位置情報が一つしかない状況下では、落下物の位置に相当の誤差を見込む必要がある。他方、十分な数の位置情報が集まってくれば、それらは平均値と分散を有する分布を形成する。そして、多数のデータが十分に小さな分散を示していれば、分布の平均値が落下物の位置を示す可能性が高いと判断することができる。同様に、落下物の大きさや種別についても、数多くのデータが集まり、かつ、それらが小さな分散の中に納まっていれば、そのデータの平均値を落下物の大きさと推定することができる。

このように、多数のアップロードデータを解析して障害事象を検知する場合には、データの数が少ない間は判別がつかなかった事項が、データが増えることにより明白になってくることがある。そして、情報が正確であるなら、支援車両のドライバには障害事象の詳細情報を提供することが望ましい。例えば、上記の例によれば、「前方に何らかの障害事象があります」との通知を受けるより、「前方５００m、追い越し車線に一辺８０cm程度の段ボール箱が落下しています」との通知を受けた方が、ドライバはその事象に対する準備を整え易い。

そこで、本実施形態では、ドライバに通知するべき障害事象が検知された場合に、以下のような処理をシステムに実行させることとした。
１．障害事象の詳細項目（例えば、位置、大きさ、材質）につき引き続きアップロードデータを収集；
２．アップロードデータを解析して、詳細項目の各々につき、分析結果と、その分析結果に対する自信度を計算；
３．自信度が閾値に達しない分析結果は通知の対象から外す；
４．自身度が閾値以上の分析結果は通知の内容に含める；
５．上記３及び４の判定に従ってドライバに提供する通知を生成する。

この結果、本実施形態のシステムによれば、支援車両のドライバに通知するべき障害事象が検知された場合、一般的には、ドライバに提供される通知の内容が時間の経過に伴って以下のように変化することになる。
（障害発生直後）：障害事象の概略を知らせる通知；
（発生から十分な時間が経過した時点）：障害事象の詳細情報を含む通知。

実施の形態１．
［実施の形態１の構成］
図４は、本発明の実施の形態１の車両用情報提供装置の構成を説明するための図である。図４に示すように、本実施形態のシステムは、情報提供車両１０を含んでいる。図４には便宜上、情報提供車両１０を１台のみ表しているが、実用上は、多数の情報提供車両１０が存在するものとする。本システムにおいて、情報提供車両１０は、路上で発生する様々な情報の供給源としての役割を果たす。図示を省略するが、本システムの情報供給源は、情報提供車両１０の他に、交通量を検知するセンサや監視カメラなど、交通情報を取得し得る様々なインフラストラクチャを含むものとする。以下、情報提供車両１０とそれらのインフラストラクチャを総称する場合には、「情報提供車両等」と称することとする。

情報提供車両１０は、車両情報部１２を備えている。車両情報部１２は、情報提供車両１０に関わる様々な情報を取得する部分である。車両情報部１２は、自律センサ部１４を備えている。自律センサ部１４は、情報提供車両１０の自律走行に必要な情報を検出するための周辺監視センサを備えている。具体的には、自律センサ部１４は、ミリ波レーダ、レーザレーダ、車載カメラ等の周辺監視センサを備えている。ミリ波レーダ、レーザレーダによれば、他車両を含む物体の存在、並びにその物体までの距離等を検知することができる。また、車載カメラによれば、路上の白線、歩行者、自転車等を認識することができる。

車両情報部１２は、車両挙動部１６を備えている。車両挙動部１６は、情報提供車両１０の挙動を検出するための各種センサを備えている。車両挙動部１６は、例えば、速度、加速度、ヨーレート、アクセル開度、ブレーキ油圧、操舵角、操舵角速度等を検出することができる。

車両情報部１２は、また、位置情報部１８を備えている。位置情報部１８は、GPS（Global Positioning System）装置を備えている。GPS装置によれば、情報提供車両１０の位置を検知することができる。また、一部の情報提供車両１０には、車両上で検知できる各種情報を基礎として、GPS装置に比して更に高い精度で自車位置を検知するためのシステム（以下、「ロケーター」と称す）が備わっている。ロケータによれば、複数レーンを有する道路上での自車の走行レーンを特定することができる。

車両情報部１２は更に、ドライバ情報部２０を備えている。ドライバ情報部２０には、ドライバから運転スキルの申告を受ける入力インターフェース、或いはドライバの運転スキルを診断するユニットが含まれている。ここで、ドライバの運転スキルは、例えば、車両の加加速度（Jerk）、即ち、加速度aの微分値da/dtに基づいて、周知の方法で判断することができる。また、ドライバ情報部２０には、ドライバからの各種設定又は要望を受け付ける入力インターフェースも含まれている。

車両情報部１２において検出される各種の車両情報は、通信部２２に供給される。通信部２２は、それらの車両情報をアップロードするための通信機能を備えている。

本実施形態のシステムは、上述した情報提供車両１０に加えて、支援車両２４を含んでいる。支援車両２４は、当該車両２４の情報を検知するための車両情報部２６を備えている。本実施形態において、支援車両２４の車両情報部２６は、自律センサ部２８、車両挙動部３０、及び位置情報部３２を備えている。これらの機能は、情報提供車両１０に搭載されているものと同様であるため、ここでは重複した説明は省略する。

支援車両２４は、車両情報部２６から検出情報の供給を受ける通信部３４を備えている。通信部３４は、車両情報部２６から受け取った各種の検出情報を外部にアップロードするための車両情報アップロード部３６を有している。また、通信部３４には、支援車両２４の外部から供給される支援内容を受信するための支援内容受信部３８が備わっている。

支援内容受信部３８が外部から受け取る支援内容には、回避制御指令と通知指令とが含まれている。回避制御指令は、支援車両２４の制御部４０に供給される。制御部４０は、回避制御指令を受けて各種の回避制御を実現する機能を有している。ここで、回避制御とは、各輪の駆動力又は制動力、或いは操舵角等を制御して、支援車両２４に障害事象を回避させる行動を取らせる制御を指している。

支援内容受信部３８から発せられる通知指令は、車両HMI（Human Machine Interface）部４２に供給される。車両HMI部４２は、指令された通知を支援車両２４のドライバに通知するためのインターフェースである。車両HMI部４２では、具体的には、表示、音、又は音声によりその通知をドライバに提供するための表示/音/音声制御が実行される。

本実施形態のシステムは、また、情報提供車両等及び支援車両２４からのアップロードデータを処理して、支援内容を支援車両２４に提供するセンター４４を含んでいる。センター４４は、各種の記憶装置、演算装置、入出力インターフェース、通信装置等により構成されている。

具体的には、センター４４は、情報提供車両等からのアップロードデータを受信する通信部４６を備えている。通信部４６が受信したデータは、交通情報データベース４８に記録される。交通情報データベース４８には、以下の二種類の交通情報データがアップロードされる。
１．情報提供車両１０のドライバに関わるデータ
（内容）・自己申告された又は診断された運転スキル。
・ドライバの設定又は要望。
２．障害事象に関わるデータ
（内容）・車載カメラの映像等に基づき存在と内容が特定された事象を表す事象データ。
・情報提供車両の車両挙動、ミリ波レーダの計測結果等、事象の存在と内容を判断するための基礎データ。
・情報の発生場所を示す位置情報（GPS装置又はロケータにより検出された位置情報）。

交通情報データベース４８に蓄積されたデータは、センター４４が備える事象検出部５０に供給される。事象検出部５０は、上記２．「障害事象に関わるデータ」に基づいて以下の処理を行う。
（１）上記「事象データ」に基づいて障害事象を検出。
（２）上記「基礎データ」に基づいて障害事象と推定できる事象を検出（以下、この事象も「障害事象」と称す）。
（３）上記「位置情報」に基づいて、上記（１）、（２）のステップで検出された障害事象の位置を特定。

事象検出部５０には、通信部５２を介して支援車両２４の位置情報も提供される。事象検出部５０は、この位置情報に基づいて、更に下記の処理も実行する。
（４）支援車両２４の進行ルートを推定。
（５）上記（３）のステップで位置が特定された障害事象の中から上記（４）のステップで推定された進行ルート上に存在するものを抽出。

事象検出部５０は、上記（１）〜（５）の処理を行うことにより、支援車両２４が今後遭遇する可能性の高い障害事象を検出することができる。

事象検出部５０によって検出された障害事象のデータは、想定外事象判定部５４に供給される。想定外事象判定部５４では、その障害事象が想定外事象に該当するか否かを判断するべく頻度判定処理と確率判定処理とが実行される。頻度判定処理では、事象検出部５０で検出された事象が発生頻度の低い事象、つまり、図１に示すカテゴリ(II)に属する事象、換言すると、図３に示す「低頻度事象」に該当するか否かが判定される。一方、確率判定処理では、事象検出部５０で検出された事象が出現確率の低い事象、つまり、図１に示すカテゴリ(III)に属する事象、換言すると、図３に示す「低確率事象」に該当するか否かが判定される。

センター４４には、障害事象に関する多数のデータが記録されている。また、センター４４には、障害事象毎に低頻度事象を判断するための閾値、並びに低確率事象を判定するための閾値が記憶されている。これらの閾値は、一般的なドライバが、判定対象の事象を想定外と感ずる発生頻度の下限値、又は出現確率の下限値である。想定外事象判定部５４は、多数のデータを分析することで、判定の対象である障害事象の発生頻度、及び出現確率を算出し、それらを上記の閾値と比較することにより、頻度判定処理及び確率判定処理を実行する。

事象検出部５０によって検出された障害事象のデータは、ストレス事象判定部５６にも供給される。ストレス事象判定部５６には、通信部５８を介して、支援車両２４からのアップロードデータも供給されている。ストレス事象判定部５６は、事象検出部５０で検出された事象が、支援車両２４にとってのストレス事象（図１及び図２参照）に該当するか否かを判定するストレス度判定処理を行う。

センター４４には、障害事象毎にストレス度を算出する各種規則（マップ等）が記憶されている。例えば、「煽り車両」については、当該車両が煽り行為を行う頻度、その煽りの程度（速度、車間距離で計算）、及びその車両と支援車両２４との距離等に基づいてストレス度を算出する規則が記憶されている。低速マイペース車両や割り込み車両についても、それらの車両が障害行為を行う頻度、障害の程度、その車両と支援車両２４との距離等をパラメータとしてストレス度を算出する規則が記憶されている。また、狭窄路のような路上固定物については、道路の幅員、道幅が変化する箇所の幅員差、ガードレールの有無等の地図データからストレス度を算出する規則が記憶されている。センター４４には更に、一般的なドライバが耐え難いと感ずるストレス度の下限値が、閾値として記録されている。ストレス事象判定部５６は、夫々の事象についてストレス度を算出し、そのストレス度と上記閾値とを比較することによりストレス度判定処理を実行する。

事象検出部５０において検出された障害事象のデータは、更に、事象情報演算部７４にも供給される。事象情報演算部７４は、提供を受けた障害事象の夫々について確信度演算処理を実行する。情報提供車両等からセンター４４にアップロードされてくるデータには、車載カメラ等により確定された事象に関するものと、情報提供車両１０の回避行動など、事象そのものは確定されていないものとが含まれている。確信度演算処理は、それらの情報に基づいて、事象検出部５０において検出された事象の確信度を計算する。

確信度の計算は、判定対象の事象に関してアップロードされてきたデータの数、割合、内容に基づいて行われる。例えば、特定の場所を走行する情報提供車両１０から回避行動の挙動がアップロードされている場合は、その場所に何らかの障害事象が発生していることが推定できる。そして、同種の回避行動が多数の情報提供車両１０からアップロードされていれば、その事象の存在確率が高いと判断することができる。また、その場所を走行する多数の情報提供車両１０が、回避行動を取る割合が高いほど、その存在確率は高いと判断することができる。更に、アップロードされたデータの中に、例えば、脱落タイヤや故障車など、事象そのものを特定したデータが含まれていれば、ほぼ間違いなくその場所に障害事象が生じていると判断することができる。

煽り車両やマナー違反車両のようなストレス事象についても、データの数、割合、内容に基づいて確信度を計算することができる。例えば、特定の車両について煽り行為と解し得る挙動データが数多くアップロードされていれば、その車両が煽り車両である蓋然性が高いと判断できる。また、その車両が先行車を煽る割合が高いほど、その車両が煽り車両である確率が高いと判断できる。そして、車載カメラ等により煽り行為そのものが検知されていれば、ほぼ間違いなくその車両が煽り車両であると判断することができる。

このように、多数のデータの解析により検知される障害事情については、その存在を示唆するデータの数、その存在を示唆するデータの割合、及びそれらのデータの内容に基づいて確信度を計算することができる。事象情報演算部７４は、夫々の障害事象毎に、データの数、割合、及び内容をパラメータとする確信度の演算規則（関数又はマップ）を記憶している。この規則によれば、判断の対象である障害事象の存在確率が高いほど確信度が高い値に計算される。

事象情報演算部７４では、また、詳細解析処理が実行される。詳細解析処理では、事象検出部５０において検出された障害事象について詳細な情報を得るための処理が行われる。本実施形態において、センター４４には、障害事象の夫々について詳細項目が設定されている。例えば、道路上の落下物に関しては、詳細項目として以下の４つが定められている。
１．前後方向位置（但し「前後方向」とは走行ルートの航続方向を指す。）
２．左右方向位置（但し「左右方向」とは走行ルートの幅員方向を指す。）
３．種別
４．大きさ
詳細解析処理では、先ず、交通情報データベースに格納されているデータが詳細項目の夫々に関する項目データに整理される。次に、項目データを分析することにより、個々の詳細項目についての分析結果が導出される。加えて、導出された分析結果の夫々についての自信度が計算される。

図５は、詳細項目の「位置」に関して整理された項目データの一例を示す。図５において符号７６を付して示す領域は支援車両２４の走行ルート上の道路の一部である。領域７６上に記されている複数のＸ印７８は、領域７６を走行した多数の情報提供車両１０からアップデートされてきた障害事象の位置情報（以下、「位置情報７８」とする）である。また、領域７６中に示す白抜きのＸ印８０は、全ての位置情報７８の平均値（以下。「平均値８０」とする）に相当する座標を示している。

位置情報７８からは、前後方向の位置を表す数値情報と左右方向の位置を表す数値情報を読み取ることができる。図５において、領域７６の右側に示す波形は、前後方向の位置に関する分布曲線８２及び８４を示している。分布曲線８２はバラツキが小さい場合の例であり、一方、分布曲線８４はそのバラツキが大きい場合の例である。同様に、領域７６の下側には、バラツキが小さい場合と大きい場合について、左右方向の位置に関する分布曲線８６及び８８を示している。

位置情報７８のようなデータの集合については、平均値を計算することができる。詳細解析処理では、前後方向の分布の平均値と左右方向の分布の平均値で特定される座標が上記の「平均値８０」として認識される。支援車両２４の位置は判っているため、平均値８０の座標が判れば、センター４４では支援車両２４と平均値８０との「距離」を計算することができる。詳細解析処理では、その「距離」が詳細項目の「前後方向位置」についての分析結果とされる。また、センター４４は、平均値８０の座標を地図データに照らし合わせることにより、平均値８０が、領域７６に含まれる複数の「レーン」の何れに属しているかを特定することもできる。詳細解析処理では、その「レーン」が、詳細項目の「左右方向位置」についての分析結果とされる。

分布を形成するデータの集合については、また、下記の分散Ｖ又は標準偏差σに代表される、データのバラツキ度合いを計算することができる。
V＝{(x1-m)²+(x2-m)²+・・・+(xN-m)²}/N ・・・（１）
σ＝√V ・・・（２）
但し、x1〜xNは分布に属するデータの数値、mはそれらの平均値、Nはデータの総数である。

詳細項目の夫々に関する項目データは、十分な数が集まれば一般に正規分布を形成する。正規分布を形成する一群のデータについては、平均値のピークが急峻であるほど分散V及び標準偏差σが小さなものとなる。そして、詳細項目に関する事実は単一であるため、平均値のピークが急峻であるほど、その平均値が事実に整合している可能性が高いと判断できる。このため、詳細解析処理では、項目データの夫々につき分散V又は標準偏差σを計算する。そして、その分散V又は標準偏差σに基づいて、個々の詳細項目の分析結果についての自信度を計算する。自信度は、分散V又は標準偏差σが小さいほど大きな値となるように算出される。このような算出の手法によれば、平均値８０が事実である可能性と整合するように自信度を計算することができる。

本実施形態が取り扱う詳細項目には、障害となる対象の「種別」のように、アップロードデータが数値化されていないものが含まれている。例えば、「種別」については、「歩行者」「自動車」「動物」「金属」「木」「段ボール」などを意味するデータがアップロードされてくることになる。そして、種別について集められたデータの中で最も大きな割合を占めるデータが、「位置」における「平均値８０」の代わりに、「種別」についての分析結果とされる。また、本実施形態では、種別のような非数値データには予め数値が対応付けられている。そして、このような非数値データの分布に関しては、上記（１）式に代えて、以下のような演算式によりバラツキ度合いが算出される。
バラツキ度合い＝(N-n)*α ・・・（３）
但し、Nはデータの総数、nは分析結果として採用された項目データの数、αは定数である。このような処理によれば、非数値データがアップロードされてくる詳細項目についても、数値データがアップロードされてくる詳細項目の場合と同様に、分析結果と自信度を演算することができる。

事象情報演算部７４によって演算された確信度、並びに詳細項目に関する分析結果及び自信度は、通知判断部６０に提供される。通知判断部６０には、それらの情報に加えて、想定外事象判定部５４からは想定外事象と判定された事象のデータが、また、ストレス事象判定部５６からはストレス事象と判定された事象のデータが提供される。通知判断部６０では、それらの事象の確信度に基づいて、通知の実行に関する最終判断である通知／非通知処理が実行される。そして、通知の実行が判断された場合は、その事象の詳細項目に関する分析結果及び自信度に基づいて、その通知をどのように行うかを決めるHMI仕様決定処理が実行される。

通知／非通知処理では、具体的には、判断の対象である障害事象の確信度が支援閾値以上であるかが判別される。その結果、確信度が支援閾値以上であれば、本サイクルの障害事象についての通知をドライバに提供することが最終判定される。一方、確信度が支援閾値に達していない場合は、誤報の可能性が高いと判断して、通知を提供しないとの判断が下される。車両のドライバは、誤った通知を受けると、煩わしさを感じ、通知に対する信頼度を低下させてしまう。このため、ある程度の確信度が得られない事象については、通知を発しないことが望ましい。上記の通知／非通知処理によれば、このような不都合の発生を有効に防ぐことができる。

詳細項目の分析結果を通知に含めるか否かについても、誤報を避ける配慮が必要である。このため、本実施形態におけるHMI仕様決定処理では、障害事象について通知の最終判断が下された場合、詳細項目の夫々について、分析結果の自信度が自信閾値以上であるかが判断される。そして、自信閾値以上の自信度が計算されている分析結果だけを含めるように通知の内容を生成する。

図６は、４つの詳細項目中、前後方向位置、左右方向位置、及び障害となる対象の種別の３項目につき、自信閾値を越える自信度が得られた場合の通知の例を示す。ここでは、「５００ｍ先、第１レーンに段ボールがあります。」との音声通知が提供されると共に、ヘッドアップディスプレイ（HUD）上に、前方の第１レーンに段ボール箱が存在する画像が表示される。

図７は、４つの詳細項目の何れについても自信閾値を越える自信度が得られていない状況下での通知例を示す。ここでは、音声通知が「この先、障害物があります。」となり、HUD上には前方に異常マークが表示されるのみとなる。

以上説明した通り、本実施形態の処理によれば、通知するべき障害事象の夫々について、詳細項目の自信度に基づき通知の内容を変更することができる。そして、このような手法によれば、誤報となる情報を極力排除しながら、できるだけ詳細な情報をドライバに通知することができる。

通知判断部６０では、上記の手法で通知の内容が生成されると共に、必要に応じて、その通知の内容に対処するための回避制御の指令が生成される。それらの通知及び回避制御の指令は、通信部６２を介して支援車両２４に供給される。支援車両２４は、これらを受信すると、制御部４０において必要な回避制御を実行すると共に、車両HMI部４２を用いて障害事象に関すうる通知をドライバに提供する。

［実施の形態１の動作］
図８は、本発明の実施の形態１において、センター４４で実施される処理の概要を説明するためのフローチャートである。但し、情報提供車両等からのアップロードデータを交通情報データベース４８に記録する処理は、図８に示すルーチンとは別に適宜実行されるものとする。

図８に示すルーチンでは、まず、障害事象の検出処理が実行される（ステップ１００）。ここでは、具体的には、交通情報データベース４８に記録されているデータに基づいて、想定外事象又はストレス事象となり得る事象が検出される。本ステップの処理は、図４に示す事象検出部５０が実行する上記（１）及び（２）の処理に相当する。

障害事象となり得る事象が検出されると、次に、その障害事象について定められている詳細項目の夫々に関連する詳細情報が、引き続き交通情報データベース４８から読み出される（ステップ１０１）。

上記の処理が終わると、次に、本サイクルで検出された障害事象に支援車両２４が遭遇する可能性があるか否かが判別される（ステップ１０２）。具体的には、先ず、交通情報データベース４８に記録されている位置情報に基づいて障害事象の位置が特定される。次いで、支援車両２４からのアップロードデータに基づいて、支援車両２４の進行ルートが推定される。そして、障害事象の発生場所が、支援車両２４の進行ルートと重なる可能性があれば、本ステップ１０２の判断が肯定される。以上の処理は、図４に示す事象検出部５０が実行する上記（３）乃至（５）の処理に相当する。

上記の判断が否定された場合は、本サイクルの処理が終了され、改めて上記ステップ１００の処理が開始される。一方、支援車両２４が障害事象に遭遇する可能性があると判断された場合は、次に、想定外事象判定部５４、ストレス事象判定部５６、及び事象情報演算部７４の処理が実行される（ステップ１０４）。具体的には、ここでは、以下の４つの処理が実行される。
１．本サイクルで検出された障害事象が、ドライバに通知するべき想定外事象に該当するか否かを判断。
２．本サイクルで検出された障害事象が、ドライバに通知するべきストレス事象に該当するか否かを判断。
３．本サイクルで検出された障害事象の確信度を演算。
４．本サイクルで検出された障害事象の詳細項目につき分析結果と自信度を演算。

図９は、上記ステップ１０４を含む本実施形態の特徴的処理の詳細を説明するためのフローチャートである。図９に示すように、ステップ１０４では先ず、判定対象の障害事象についてストレス度が決定される（ステップ１０４−１）。上述した通り、センター４４には、ストレス度を定めるための各種規則（マップ等）が障害事象毎に記憶されている。ここでは、その規則に従って、障害事象のストレス度が決定される。

上記の処理が終わると、次に、決定されたストレス度が通知判定の閾値を越えているか否かが判別される（ステップ１０４−２）。上述した通り、センター４４には、障害事象毎にストレス度に関する閾値が記憶されている。本ステップでは、判定対象の障害事象に関する閾値と、上記のストレス度とが比較される。

ストレス度が閾値を越えていると判別された場合は、判定対象の事象が、ドライバに通知するべきストレス事象であると判断できる。この場合、次に、その障害事象について確信度が演算される（ステップ１０４−３）。ここでは、具体的には、以下の処理が実行される。
１．障害事象についてアップロードされているデータの数を計数。
２．障害事象の発生場所を通過する情報提供車両１０から、その事象について情報がアップロードされている割合を演算。
３．障害事象の内容確定に足る情報のアップロード数を計数。
４．上記１〜３の結果に、夫々について設定された重み付け係数を掛け合わせる。
５．上記４の結果の和を確信度として計算。
障害事象が存在していれば、その存在を示唆するデータの数及び割合は時間の経過と共に大きくなる。また、その障害事象の確定に足る情報のアップロードもされてくるはずである。一方、障害事象が存在していなければ、時間が経過しても、そのようなデータが数多くアップロードされてくることはない。このため、本ステップの処理によれば、時間の経過と共に障害事象の存在確率に正しく収束する確信度を計算することができる。

上記の処理が終わると、次に、本サイクルで検出された障害事象について定められている詳細項目について、分析結果と自信度が演算される（ステップ１０４−４）。本ステップの処理は、図４に示す事象情報演算部７４が実行する詳細解析処理に相当する。ここでは先ず、解析の対象である障害事象について、詳細項目毎に項目データが生成される。次いで、１つ目の項目データについて分析結果とバラツキ度が算出される。続いて、そのバラツキ度に基づいて当該詳細項目の自信度が算出される。本サイクルの障害事象についての全ての詳細事項について上記の処理が終わると本ステップの処理が終了する。

図９に示すルーチン中、上記ステップ１０４−２において、判定対象の障害事象のストレス度が閾値を越えていないと判別された場合は、次に、その事象が低頻度事象の第１条件、即ち、「一定期間内の事象発生期間が閾値未満」の条件を満たしているか否かが判別される（ステップ１０４−５）。センター４４では、蓄積された多数のデータに基づいて、障害事象の発生時期に関する統計処理が行われている。ここで、上記の「一定期間」は、一年、一月、一週間等の期間を指している。また、上記「閾値」は、それらの期間に対応して定められた値であり、それらの期間に比して十分に短い期間である。本ステップでは、今回の障害事象が、一定期間内の特定の季節、期間、時間等に限って発生するものである場合に上記第１条件の成立が判定される。

上記第１条件の成立が認められた場合は、今回の障害事象が、ドライバに通知するべき低頻度事象であると判別できる。この場合、以後、ステップ１０４−３において確信度が計算され、また、ステップ１０４−４で詳細解析処理が行われる。一方、上述した第１条件が成立しないと判別された場合は、次に、本サイクルの障害事象が低確率事象の条件を満たしているか否かが判別される（ステップ１０４−６）。具体的には、先ず、今回の障害事象が、同種の固体の集合である母集団に属する路上固定物で生じているものであるか否かが判断される。この判断が肯定される場合は、次に、その路上固定物が今回の障害事象を発生させる確率が閾値未満であるかが判別される。この閾値は、ドライバが一般的に、その路上固定物は障害事象をほぼ発生させない、との先入観を持つに至る確率の上限値であり、例えば、１０％、５％、３％、或いは１％のような数値がこれに該当する。

上記ステップ１０４−６の判別が肯定された場合は、今回の障害事象が、ドライバに通知するべき低確率事象であると判別できる。この場合、以後、ステップ１０４−３及びステップ１０４−４の処理が実行される。一方、上記の判別が否定された場合は、次に、今回の障害事象が低頻度事象の第２条件、即ち、「一定期間内の事象発生回数が閾値未満」の条件を満たしているか否かが判別される（ステップ１０４−７）。センター４４では、蓄積された多数のデータに基づいて、障害事象の発生回数に関する統計処理が行われている。「一定期間」は、ここでも、一年、一月、一週間等の期間を指す。また、上記「閾値」は、それらの期間に対応して定められた値であり、数回から１回程度の値が該当する。

上記ステップ１０４−７において、上述した第２条件の成立が認められた場合は、今回の障害事象が、日常的に発生する事象ではなく、ドライバに通知するべき低頻度事象であると判断できる。この場合、以後、ステップ１０４−３及びステップ１０４−４の処理が実行される。一方、上記の判別が否定された場合は、次に、今回の障害事象が低頻度事象の第３条件、即ち、「検出された場所での前回からの経過時間が閾値以上」の条件を満たしているか否かが判別される（ステップ１０４−８）。センター４４では、個々の障害事象について、発生場所と発生日時を記録している。ここでは、それらの記録に基づいて上記判断がなされる。本ステップの「閾値」は、例えば、数年、一年、一月等に設定することができる。

上記ステップ１０４−８の判別が肯定された場合は、今回の障害事象が、ドライバに通知するべき低頻度事象であると判別できる。この場合、以後、ステップ１０４−３及びステップ１０４−４の処理が実行される。一方、上記の判別が否定された場合は、今回の障害事象が、ドライバに通知するべき事象ではないと判断できる。この場合、センター４４は、非通知の最終判断を下して今回の処理を終了する。

図９に示すルーチンにおいて、ステップ１０４−４の後には、ステップ１０４−３で演算された確信度が支援閾値以上であるかが判別される（ステップ１０６）。この処理は、通知判断部６０において実行される通知／非通知処理に相当する。ここで、支援閾値とは、支援車両２４のドライバに障害事象の通知を提供するために最低限必要とされる確信度（例えば３０％）である。障害事象の確信度が、その支援閾値に達していない場合は、非通知の最終判断が下され、以後速やかに今回の処理サイクルが終了される。

一方、上記ステップ１０６において、障害対象の確信度が通知閾値以上であると判別された場合は、本サイクルの障害対象は通知に値するとの最終判断が下される。この場合は次に、ステップ１０４−４で実行された詳細解析処理の結果に基づいて、通知に利用する詳細項目の情報が決定される（ステップ１０７）。ここでは、具体的には、自信閾値以上の自信度が計算されている分析結果がピックアップされる。

次に、ピックアップされた分析結果等を用いて、支援車両２４に提供する支援の内容、及びその提供のタイミングが決定される（ステップ１０８）。センター４４には、障害事象毎に、ピックアップされた分析結果の組み合わせに応じて、それらを含む通知を生成するための規則が記憶されている。本ステップでは、その規則に従ってドライバに提供する通知が生成される。また、必要に応じて、その通知に対応する回避制御の指令が生成される。また、支援車両２４の現在地と障害事象との距離、並びに支援車両２４の速度等に基づいて、通知等を発するタイミングが決定される。

上記の処理が終わると、以後、図８に示すステップ１１０以降の処理が実行される。ここでは先ず、情報提供のタイミングが到来したかが判別される（ステップ１１０）。この処理は、そのタイミングの到来が判別されるまで繰り返し実行される。そして、その到来が判定されると、センター４４から支援車両２４に向けて通知及び回避制御に必要な情報が提供される（ステップ１１２）。以後、センター４４は、支援に必要な全ての処理が完了するのを待って（ステップ１１４）、今回の処理サイクルを終了する。

以上説明した通り、本実施形態のシステムによれば、支援車両２４に対して、ドライバが有益と感じる障害事象の情報だけを適切に通知することができる。そして、このシステムによれば、自信度の高い詳細項目の分析結果を利用することで、高い信頼性が保証できる詳細な情報だけを支援車両２４に提供することができる。このため、このシステムによれば、支援車両２４のドライバの信頼を損なうことなく、支援車両２４が安全な走行を続けるうえで有益な情報を十分にドライバに提供することができる。

尚、上記の説明では、ステップ１００〜ステップ１１４の処理を直列に進めることとしているが、処理の進め方はこれに限るものではない。これらの処理は、ハードウェアの仕様に応じて、適宜順番を入れ替えて、又は、並列して進めることとしてもよい。

［実施の形態１の変形例］
上述した実施の形態１では、通知の内容を決定する処理と、通知のタイミングを計る処理とを、全てセンター４４側で行うこととしている。しかしながら、それらの処理は、一部を支援車両２４側で実行することとしてもよい。

また、実施の形態１では全ての情報をセンター４４のデータベースに集めることとしているが、情報の保管手法はこれに限るものではない。例えば、一部の情報については、車両内に保持することとしてもよい。

また、実施の形態１では、詳細項目の自信度を、項目データのバラツキ度合いに基づいて決定することとしている。しかしながら、自信度の決定手法はこれに限定されるものではない。すなわち、項目データから導出される分析結果の確からしさは、データの数が増えるほど高くなる。このため、自信度は、バラツキ度合いに加えて、又はバラツキ度合いに代えて、項目データに含まれるデータの数に基づいて決定してもよい。

実施の形態１において、項目データには、信頼度の異なる複数種類のデータが含まれる。例えば、位置情報については、ロケータからの位置情報は、GPS装置からのそれより高い精度を有する。また、路面の白線を認識する車載カメラの機能を用いて補正された位置情報は、その補正を伴わない位置情報より高い精度を有する。これらのデータについては、精度の高いデータについて精度の低いデータより高い信頼度が認められる。障害物の大きさについては、車載カメラの映像を画像解析して得ただけのデータより、そのデータに更にレーザレーダによる計測結果を反映させて得たデータの方に高い信頼度が認められる。実施の形態１では、自信度を決定するにあたって全てのデータを平等に取り扱うこととしているが、その決定に当たっては、項目データの夫々に信頼度を付与し、その信頼度に応じた重み付けを施すこことしてもよい。

ところで、上述した実施の形態１では、センター４４が備える演算装置、記憶装置、及び通信装置等が前記第１の発明における「データ処理装置」を構成している。障害事象の発生頻度、出現確率、及びストレス度が、前記第５の発明における「通知必要度」に相当している。

実施の形態２．
次に、図１０を参照して本発明の実施の形態２について説明する。図１０は、本実施形態において、センター４４が実行する処理の内容を説明するためのフローチャートである。本実施形態のシステムは、図４に示すセンター４４に、図８に示す処理に代えて図１０に示す処理を実行させることにより実現することができる。図１０に示す処理は、ステップ１０６の後にステップ１１６〜１２０が挿入されている点を除いて図８に示す処理と同様である。以下、実施の形態１の場合と同様な部分についての説明は省略又は簡略し、本実施形態に特有な部分を説明する。

［実施の形態２の特徴］
本実施形態のシステムは、実施の形態１の場合と同様に、障害事象が検出された場合には、支援車両２４のドライバに対して、自信度の高い分析結果を含む通知を提供することとしている。実施の形態１において、その自信度は、項目データのバラツキ度、項目データの数、又は個々のデータの信頼度等に基づいて演算される。この手法で演算された自信度は、障害事象が存在し続ける限りは、分析結果の確からしさを正しく反映した値となる。しかしながら、障害事象が移動等により消滅してしまうと、最早正しくない分析結果に対して高い自信度が維持され続けてしまう事態が生じ得る。そこで、本実施形態では、以下の手法を用いることにより、障害事象に生ずる移動等の影響を正しく自信度に反映させることとした。

［実施の形態２の動作］
図１０に示す処理では、ステップ１０６で障害事象の確信度が支援閾値以上であると判断されると、次に、その障害事象についての遭遇頻度が低下しているか否かが判別される（ステップ１１６）。本実施形態において、センター４４は、障害事象を一旦認識すると、以後その事象が消滅したと判断されるまで、その事象の遭遇頻度を監視する。但し、「遭遇頻度」とは一定時間内にアップロードされてくる遭遇を示唆する情報の数である。本ステップ１１６では、判断の対象である障害事象について、過去の遭遇頻度と最新の遭遇頻度とが読み出される。そして、それらを比較することにより遭遇頻度が低下しているか否かが判断される。

遭遇頻度が低下していると判別された場合は、障害事象が移動等により消滅した可能性があると判断できる。この場合、その障害事象に関して得られていた分析結果が、現在の事実に合致しない可能性があると判断できる。このため、そのような判断がなされた場合は、ステップ１０４（図９に示すステップ１０４−４参照）で演算された自信度に低下修正が加えられる（ステップ１１８）。

一方、ステップ１１６で、遭遇頻度が低下していないと判別された場合は、障害事象が引き続き同じ位置に存在し続けていると判断することができる。この場合は、障害事象の存在確率が更に高まるため、分析結果に対する自信度も更に高めることができる。このため、上記の判断がなされた場合は、ステップ１０４で演算された自信度に向上修正が施される（ステップ１１８）。

以上の処理によれば、障害事象の存続状態を、分析結果の自信度に正しく反映させることができる。このため、本実施形態によれば、時間の経過に伴って障害事象の状態が変化する過程においても、ドライバの信頼を損なうことなく、支援車両２４が安全な走行を続けるうえで有益な情報を十分にドライバに提供することができる。

［実施の形態２の変形例］
上述した実施の形態２においては、障害事象の状態変化を自信度に反映させるために、その自信度を、障害事象の遭遇頻度に基づいて修正することとしている。しかしながら、自信度の修正の基礎は遭遇頻度に限定されるものではない。例えば、障害事象の移動可能性を判断し、移動可能性が高いほど自信度を低下させることとしてもよい。また、障害事象が最後に検出されてからの経過時間を計数し、その経過時間が長いほど自信度を低下させることとしてもよい。

１０ 情報提供車両
２４ 支援車両
４２ 車両HMI部
４４ センター
４８ 交通情報データベース
５０ 事象検出部
５４ 想定外事象判定部
５６ ストレス事象判定部
６０ 通知判断部
６４ ドライバ情報部
７４ 事象情報演算部

Claims (14)

1. 交通情報データを記録する交通情報データベースと、
   前記交通情報データを処理して、支援車両のドライバに通知を提供するデータ処理装置と、を備え、
   前記データ処理装置は、
   前記交通情報データに基づいて車両走行の障害となる障害事象を検出する事象検出処理と、
   前記支援車両が遭遇する可能性のある障害事象を抽出する事象抽出処理と、
   前記支援車両が遭遇する可能性のある障害事象に関する通知を前記ドライバに提供する通知処理と、
   前記交通情報データに基づいて、前記障害事象について定められた詳細項目に関する項目データを生成する処理と、
   前記詳細項目に当てはめる分析結果と、当該分析結果に対する自信度とを、前記項目データに基づいて生成する処理と、
   前記分析結果に関して前記通知に含める内容を前記自信度に基づいて変更する処理と、
   を実行することを特徴とする車両用情報提供装置。
2. 前記データ処理装置は、
   情報提供車両から受信した交通情報データを前記交通情報データベースに記録する交通情報記録処理を実行することを特徴とする請求項１に記載の車両用情報提供装置。
3. 前記交通情報データは、
   前記情報提供車両の位置情報と、
   前記情報提供車両の車両挙動情報と、
   を含むことを特徴とする請求項２に記載の車両用情報提供装置。
4. 前記交通情報データは、
   前記情報提供車両の位置情報と、
   周辺状況を監視するために前記情報提供車両に搭載されている周辺監視センサの検出結果と、
   を含むことを特徴とする請求項２又は３に記載の車両用情報提供装置。
5. 前記データ処理装置は、障害事象について通知必要度を演算する判定値演算処理を実行し、
   前記通知処理は、通知必要度が通知閾値を越える障害事象に関する通知を前記ドライバに提供することを特徴とする請求項1乃至４の何れか１項に記載の車両用情報提供装置。
6. 前記データ処理装置は、前記交通情報データに基づいて前記障害事象に関する確信度を演算する確信度演算処理を実行し、
   前記通知処理は、前記確信度が支援閾値を越える障害事象に関する通知を前記支援車両のドライバに提供することを特徴とする請求項１乃至５の何れか１項に記載の車両用情報提供装置。
7. 前記分析結果は、前記項目データの夫々に対応する数値の平均値に基づいて決定されることを特徴とする請求項１乃至６の何れか１項に記載の車両用情報提供装置。
8. 前記自信度は、前記詳細項目に関する前記項目データの数が多いほど高い値に演算されることを特徴とする請求項１乃至７の何れか１項に記載の車両用情報提供装置。
9. 前記項目データには、データの種類に応じた信頼度が設定されており、
   信頼度の高い項目データは信頼度の低い項目データより前記自信度に大きく反映されることを特徴とする請求項１乃至８の何れか１項に記載の車両用情報提供装置。
10. 前記自信度は、前記項目データの夫々に対応する数値のバラツキ度合いが小さいほど高い値に演算されることを特徴とする請求項１乃至９の何れか１項に記載の車両用情報提供装置。
11. 前記データ処理装置は、障害事象の夫々について移動可能性を計算し、
    位置に関わる詳細項目の自信度は、障害事象の移動可能性が高いほど、小さな値に演算されることを特徴とする請求項８乃至１０の何れか１項に記載の車両用情報提供装置。
12. 前記データ処理装置は、障害事象の夫々について、最後に検出されてからの経過時間を計数し、
    最後に検出されてからの経過時間が長い障害事象ほど前記自信度が小さな値に演算されることを特徴とする請求項８乃至１１の何れか１項に記載の車両用情報提供装置。
13. 前記データ処理装置は、障害事象の夫々について車両との遭遇頻度を演算し、
    前記自信度は、関連する障害事象についての前記遭遇頻度が維持され又は増加している場合に向上し、一方、当該遭遇頻度が低下している場合に低下することを特徴とする請求項８乃至１２の何れか１項に記載の車両用情報提供装置。
14. 前記通知を変更する処理は、
    通知の対象である障害事象について、詳細項目毎に前記自信度が自信閾値以上であるかを判定する処理と、
    自信閾値以上の自信度を有する詳細項目の分析結果を含むように前記通知を生成する処理と、
    を含むことを特徴とする請求項１乃至１３の何れか１項に記載の車両用情報提供装置。

Images