JP6443257B2 - 音声学習システム、音声学習方法 - Google Patents

Description

本発明は、車両内の利用者が音声により学習するための音声学習システムおよび音声学習方法に関する。

学習コンテンツを音声によって利用者に供することで、テキスト等を見ることが困難な状況でも学習を可能とする音声学習技術が知られている。この音声学習技術を用いれば、車両を運転中などの時間を利用して学習することが可能である。
こうした音声の学習コンテンツは、予め定められた１回分の学習時間（例えば１時間）のプログラムで提供されることが一般的である。また、学習する利用者が自らの学習時間を任意に設定可能とする技術が提案されている（特許文献１）。

特開２０１３−１０９３０８号公報

しかし、従来の音声学習技術を車両に適用しても、利用者（例えば運転者）が車両内での学習をなかなか継続することができないという問題があった。これは次のような理由による。まず、上述のように予め１回分の学習時間が定められている場合は、例えば、その学習時間よりも車両での移動の所要時間が短いと、運転者が学習に必要な時間を確保できないことを理由に、今回の運転では学習の開始を諦めてしまうことがある。また、特許文献１のように学習時間を自ら設定する場合は、運転者の意思決定を必要とするため、学習の開始に躊躇してしまうことがある。こうして先延ばしにされることで学習が途切れがちになってしまう。

この発明は、従来技術が有する上述した課題に鑑みてなされたものであり、車両内での継続的な学習を促進することが可能な技術の提供を目的とする。

上述した課題を解決するために本発明の音声学習システムは、学習コンテンツを構成する複数の学習要素を記憶しておき、運転者が車両に乗車している乗車時間を推定すると、その乗車時間内で終了する１回分の学習プログラムを、複数の学習要素の中から組み合わせて生成する。こうして生成した学習プログラムを実行して、学習履歴を記憶する。また、運転者の運転負荷を推定するための負荷情報を取得し、負荷情報に基づいて運転者の運転負荷を推定する。そして、運転負荷が所定負荷よりも高いと推定した場合は、学習履歴に基づいて、既に実行済みの学習要素を主体とする学習プログラムを生成する。

このような本発明の音声学習システムによれば、乗車時間内に学習が終了することが保証されるので、学習に必要な時間を確保できないからと先延ばしにさせず、運転者に学習の開始を促すことができる。また、乗車時間に応じて学習時間が設定されるので、運転者の意思決定が不要である。そして、乗車時間を利用して１回分の学習が確実に終了することで達成感があり、次回の学習のモチベーションが高まるので、車両内での継続的な学習を促進することが可能となる。
また、運転負荷が高い状況では、運転者の注意が運転に向けられることで、学習に対する意識（すなわち理解力）が低下する傾向にある。そこで、未実行の新たな学習要素ではなく、既に実行済みの学習要素を主体に学習プログラムを構成して学習の難易度を下げることで、運転者は運転に注意を向けながら復習的に学習を継続することが可能となる。

本実施例の音声学習システム１０の構成を示す説明図である。 本実施例の音声学習システム１０で実行される音声学習制御処理を示すフローチャートである。 本実施例の学習プログラム生成処理を示すフローチャートである。 本実施例の学習プログラム実行処理を示すフローチャートである。 本実施例の音声学習制御処理に従って車両内の運転者が語学学習する例を模式的に示した説明図である。 第１変形例の音声学習システム１０の構成を示す説明図である。 第１変形例の音声学習システム１０で実行される学習プログラム生成処理を示すフローチャートである。 第１変形例の音声学習システム１０によって車両内の運転者が学習する例を模式的に示した説明図である。 第２変形例の音声学習システム１０で実行される音声学習制御処理を示すフローチャートである。 第２変形例の音声学習システム１０によって車両内の運転者が学習する例を模式的に示した説明図である。

以下では、上述した本願発明の内容を明確にするために実施例について説明する。
Ａ．装置構成 ：
図１には、本実施例の音声学習システム１０の構成が示されている。本実施例の音声学習システム１０は、車両に搭載されており、車両内の利用者（例えば運転者）に対して学習コンテンツを音声で提供する。図示されるように音声学習システム１０は、移動予定取得部１１と、乗車時間推定部１２と、移動履歴記憶部１３と、学習要素記憶部１４と、学習プログラム生成部１５と、通知部１６と、実行部１７と、学習履歴記憶部１８と、負荷情報取得部１９と、運転負荷推定部２０などを備えている。
尚、これら１０個の「部」１１〜２０は、音声学習システム１０を機能に着目して概念的に分類したものであり、それぞれが必ずしも物理的に独立して存在している必要はない。これらは、各種の機器や、電子部品、集積回路、コンピューター、コンピュータープログラム、あるいはそれらの組合せなどによって構成することができる。

移動予定取得部１１は、移動を開始する車両の出発地や目的地などを取得する。例えば、車両に搭載された図示しないナビゲーションシステムに目的地が設定されると、移動予定取得部１１は、設定された目的地と、出発地としての車両の現在地とを取得する。
乗車時間推定部１２は、移動予定取得部１１によって取得された移動予定に基づいて、出発地から目的地までの移動に要する時間を乗車時間（すなわち車両内に拘束される時間）として推定する。

移動履歴記憶部１３は、過去に車両が移動した履歴を日付や曜日や時間などと共に記憶している。
乗車時間推定部１２は、移動履歴記憶部１３に履歴として記憶されている運転者の習慣的な行動に基づいて、特定の場所に移動した車両内で運転者が待機している時間を乗車時間として推定する。

学習要素記憶部１４は、音声の学習コンテンツを構成する複数の学習要素を記憶している。本実施例の音声学習システム１０は、語学を学習する（例えば、日本語を母国語とする利用者が英語を学習する）コンテンツを供するものであり、学習要素記憶部１４には、語学学習用のコンテンツを構成する学習要素として、単語や短いフレーズが予め多数記憶されている。
学習プログラム生成部１５は、乗車時間推定部１２で推定された乗車時間よりも短い学習時間を設定し、その学習時間に合わせて終了する１回分の学習プログラムを学習要素記憶部１４の複数の学習要素の中から組み合わせて生成する。
通知部１６は、乗車時間推定部１２で推定された乗車時間と、学習プログラム生成部１５で生成された学習プログラムの学習時間とを車両内の利用者に対して通知する。

実行部１７は、利用者が操作可能な操作スイッチ２１と接続されており、操作スイッチ２１で開始要求操作が行われると、学習プログラム生成部１５で生成された学習プログラムを実行してスピーカー２２から音声を出力させる。
学習履歴記憶部１８は、実行部１７によって実行された学習プログラム（すなわち実行済みの学習要素）を記憶する。

負荷情報取得部１９は、車両の運転者の運転負荷を推定するための情報（以下、負荷情報）を取得する。
運転負荷推定部２０は、取得された負荷情報に基づいて運転者の運転負荷を推定する。
例えば、負荷情報として、移動履歴記憶部１３の移動履歴を取得し、今回の移動が通勤などで運転者の慣れた移動であれば、運転負荷が低いと推定するのに対して、履歴にない運転者の不慣れな移動であれば、運転負荷が高いと推定する。また、負荷情報として、出発地から目的地までの移動ルートの地図情報を取得し、交通量の多い区間やカーブが続く区間などの運転に注意を要する区間であれば、運転負荷が高いと推定する。
そして、学習する利用者が運転者である場合、学習プログラム生成部１５は、運転負荷推定部２０で推定された運転負荷に応じて難易度の異なる学習プログラムを生成する。

また、運転負荷推定部２０は、車両の移動中にリアルタイムの運転負荷を推定する。
例えば、移動中の負荷情報として、車両の周囲を監視するカメラやセンサーから障害物の接近などの警報を伴う情報を取得したことに基づいて、運転負荷が高いと推定する。また、アクセルやブレーキやハンドルなどの操作部から急制動あるいは急ハンドルを示す情報を取得したことに基づいて、運転負荷が高いと推定する。さらに、運転者を監視するカメラから取得した運転者の視線の移動量に基づいて、視線の移動量が減少すると運転者に余裕がないものとして運転負荷が高いと推定してもよい。
そして、学習する利用者が運転者である場合、実行部１７は、車両の移動中に運転者の運転負荷が高いと推定されると、学習プログラムの実行を中断するようになっている。

Ｂ．音声学習制御処理 ：
図２には、本実施例の音声学習システム１０で実行される音声学習制御処理のフローチャートが示されている。
この音声学習制御処理（Ｓ１００）は、利用者が音声学習システム１０を起動すると開始される。尚、車両のエンジン始動と同期して開始されるようにしてもよい。音声学習制御処理（Ｓ１００）を開始すると、まず、車両の移動予定として出発地や目的地を取得したか否かを判断する（Ｓ１０１）。ナビゲーションシステムに目的地が設定されたのに伴い、目的地および出発地（例えば現在地）を取得した場合は（Ｓ１０１：ｙｅｓ）、出発地から目的地までの移動の所要時間を乗車時間として推定する（Ｓ１０２）。

これに対して、移動予定を取得していない場合は（Ｓ１０１：ｎｏ）、車両の移動履歴を参照して、特定の場所で待機中であるか否かを判断する（Ｓ１０３）。車両の移動履歴を日付や曜日や時間と共に記憶しておくことによって、運転者の習慣的な行動を予測することが可能である。例えば、車両を運転して子供を塾まで送り届けた母親が、塾の駐車場で終わるまで待っていることが習慣になっていれば、特定の場所として塾の駐車場を登録する。そして、塾の駐車場で待機中であると判断した場合は（Ｓ１０３：ｙｅｓ）、移動履歴からの行動予測に基づいて塾の駐車場での待機時間を乗車時間として推定する（Ｓ１０４）。

一方、特定の場所で待機中ではない場合は（Ｓ１０３：ｎｏ）、音声学習制御処理（Ｓ１００）の先頭に戻り、車両の移動予定を取得したか否かを再び判断する（Ｓ１０１）。
こうした処理を繰り返すうちに、移動の所要時間あるいは特定の場所での待機時間を乗車時間として推定すると、その推定した乗車時間よりも短い学習時間を設定する（Ｓ１０５）。本実施例では、推定した乗車時間よりも所定の余裕時間（例えば１０分）だけ短い学習時間を設定するようになっており、例えば、乗車時間を５０分と推定した場合、余裕時間の１０分を差し引いて、学習時間を４０分に設定する。尚、余裕時間を設ける理由については後述する。

学習時間を設定すると、続いて、その学習時間に合わせて学習プログラムを生成する処理（以下、学習プログラム生成処理）を開始する（Ｓ１０６）。前述したように本実施例では、語学学習用のコンテンツを構成する学習要素として、単語や短いフレーズを予め多数記憶しており、その中から組み合わせて学習プログラムを生成する。その際、選択する学習要素の数や、個々の再生時間や、再生のリピート回数などによって学習時間を調整することができる。

図３には、本実施例の学習プログラム生成処理のフローチャートが示されている。図示されるように学習プログラム生成処理（Ｓ１０６）では、まず、車両の移動中に行う学習であるか否かを判断する（Ｓ１２１）。前述したＳ１０１の処理で移動予定を取得しており、移動中に行う学習であると判断した場合は（Ｓ１２１：ｙｅｓ）、今回の移動に関する負荷情報を取得し（Ｓ１２２）、その負荷情報に基づいて推定した運転負荷が高いか否かを判断する（Ｓ１２３）。本実施例では、運転負荷を高低の２段階に分けて推定するようになっている。例えば、負荷情報として取得した移動履歴を参照して、今回の移動が履歴にない運転者の不慣れな移動であり、運転負荷が高いと推定した場合は（Ｓ１２３：ｙｅｓ）、記憶しておいた学習履歴に基づいて、既に実行済みの学習要素（ここでは単語やフレーズ）を主体とした学習プログラムを生成する（Ｓ１２４）。

運転負荷が高い状況では、運転者の注意が運転に向けられることで、学習に対する意識（すなわち理解力）が低下する傾向にある。そこで、未実行の新たな学習要素ではなく、既に実行済みの学習要素を主体に学習プログラムを構成して学習の難易度を下げることで、運転者は運転に注意を向けながら復習的に学習を継続することが可能となる。
尚、負荷情報として取得した移動ルートの地図情報に基づいて運転負荷を推定する場合には、運転負荷が高いと推定される区間で再生される部分を、主に実行済みの学習要素で構成するようにしてもよい。また、学習の難易度を下げる態様としては、実行済みの学習要素を主体とすることに限られず、再生のリピート回数を増やすこととしてもよい。

これに対して、例えば、今回の移動が通勤などで運転者の慣れた移動であり、運転負荷が低いと推定した場合は（Ｓ１２３：ｎｏ）、記憶しておいた学習履歴に基づいて、未実行の学習要素（ここでは単語やフレーズ）を主体とした学習プログラムを生成する（Ｓ１２５）。
運転負荷が低い状況では、運転者に余裕があり、学習に意識を向けることで理解力が高まる傾向にある。そこで、未実行の学習要素を主体に学習プログラムを構成することで、積極的に新たな内容を取り入れて学習を進行させることができる。
尚、移動ルートの地図情報に基づき、運転負荷が低いと推定される区間で再生される部分を、主に未実行の学習要素で構成するようにしてもよい。

一方、Ｓ１２１の処理において、移動中に行う学習ではない、すなわち、特定の場所で待機中に行う学習であると判断した場合は（Ｓ１２１：ｎｏ）、運転に注意を向ける必要がなく、学習に集中できる状況にあると言えるので、未実行の学習要素を主体とした学習プログラムを生成する（Ｓ１２５）。

以上のように学習の環境に応じて学習プログラムを生成したら、続いて、復習プログラムを生成する（Ｓ１２６）。前述したように本実施例では、推定した乗車時間よりも所定の余裕時間（例えば１０分）だけ短い学習時間を設定して、学習時間に合わせた学習プログラムの終了後に、余裕時間を確保しておくようになっている。そして、この余裕時間を利用して今回の学習をおさらいする復習プログラムを実行することが可能となっている。
復習プログラムは、Ｓ１２４またはＳ１２５で生成した学習プログラムに含まれる学習要素の中から組み合わせて、余裕時間内で終了するように生成する。
このような復習プログラムを用意することで、学習プログラムに従って一通り終了した学習をおさらいしたい利用者の意欲に応えることができ、学習の達成感をより高めることが可能となる。

こうして復習プログラムを生成すると、図３の学習プログラム生成処理を終了して、図２の音声学習制御処理に復帰する。
音声学習制御処理では、学習プログラム生成処理（Ｓ１０６）から復帰すると、Ｓ１０２またはＳ１０４で推定した乗車時間と、Ｓ１０５で設定した学習時間とを車両内の利用者に対して通知する（Ｓ１０７）。
この通知は、音声によって行ってもよいし、図示しない表示部に表示することで行ってもよい。
このように学習時間を乗車時間と対比することで、乗車時間内に学習が終了することを強調することができる。これにより、学習に必要な時間を確保できないことを理由に利用者が学習をためらうことがなく、学習の開始を促すことができる。

続いて、利用者による開始要求操作が所定時間内に操作スイッチ２１で検出されたか否かを判断する（Ｓ１０８）。所定時間が経過しても開始要求操作が検出されない場合は（Ｓ１０８：ｎｏ）、今回は利用者に学習を開始する意思がないものと判断して、音声学習制御処理（Ｓ１００）の先頭に戻り、上述した一連の処理を繰り返す。
一方、開始要求操作が検出された場合は（Ｓ１０８：ｙｅｓ）、学習プログラムを実行する処理（以下、学習プログラム実行処理）を開始する（Ｓ１０９）。
尚、本実施例では、利用者の開始要求操作を受けて学習プログラム実行処理を開始することとしているが、車両が移動を開始すると、自動的に学習プログラム実行処理を開始するようにしてもよい。こうすれば、学習の開始に際して利用者の意思決定は不要となり、移動中は車両内に拘束される利用者に対して学習を促すことが可能となる。

図４には、本実施例の学習プログラム実行処理のフローチャートが示されている。学習プログラム実行処理（Ｓ１０９）では、まず、図３のＳ１２４またはＳ１２５で生成した学習プログラムを始動する（Ｓ１３１）。これにより、学習プログラムに従ってスピーカー２２から音声が出力される。

続いて、車両が移動中であるか否かを判断する（Ｓ１３２）。そして、移動中である場合は（Ｓ１３２：ｙｅｓ）、リアルタイムの負荷情報を取得し（Ｓ１３３）、その負荷情報に基づいて推定した運転負荷が高いか否かを判断する（Ｓ１３４）。例えば、障害物の接近などの警報を伴う情報を取得し、運転負荷が高いと推定した場合は（Ｓ１３４：ｙｅｓ）、学習プログラムの実行を中断する（Ｓ１３５）。運転負荷が一時的に高い状況では、運転者が運転に注力しており学習する余裕がないことから、学習を一時停止させて安全確保を優先させる。

その後、再びリアルタイムの負荷情報を取得し（Ｓ１３６）、取得した負荷情報に基づいて推定した運転負荷が低いか否かを判断する（Ｓ１３７）。依然として運転負荷が高い状況が続いている場合は（Ｓ１３７：ｎｏ）、Ｓ１３６の処理に戻って、リアルタイムの運転負荷を推定しながら、運転負荷が低くなるまで待機する。
そして、上記の例で、障害物の接近などの警報が解除され、運転負荷が低いと推定した場合は（Ｓ１３７：ｙｅｓ）、中断された学習要素（ここでは単語やフレーズ）の先頭に戻って学習プログラムの実行を再開する（Ｓ１３８）。
学習要素の途中で中断された場合、そのまま途中から再開しても意味を理解し難いので、区切りのよい学習要素の先頭に戻って再開することによって、中断後の学習の理解を容易にすることができる。
尚、学習プログラムの実行を中断した場合には、学習プログラムに含まれる学習要素の数を減らしたり、再生のリピート回数を減らしたりすることで、中断時間に応じて学習プログラムの内容を修正することが可能である。

以上では、Ｓ１３２の処理で車両が移動中であると判断し（Ｓ１３２：ｙｅｓ）、且つ、Ｓ１３４の処理で運転負荷が高いと推定した場合（Ｓ１３４：ｙｅｓ）について説明した。これに対して、車両が移動中ではない場合は（Ｓ１３２：ｎｏ）、運転負荷を推定する必要がないので、Ｓ１３３〜Ｓ１３８の処理を省略する。また、運転負荷が低いと推定した場合は（Ｓ１３４：ｎｏ）、学習プログラムを中断する必要がないので、Ｓ１３５〜Ｓ１３８の処理を省略して、学習プログラムが終了したか否かを判断する（Ｓ１３９）。
学習プログラムが未だ終了していない場合は（Ｓ１３９：ｎｏ）、Ｓ１３２の処理に戻って、以降の上述した一連の処理を実行する。
そして、処理を繰り返すうちに、学習プログラムが全て終了した場合は（Ｓ１３９：ｙｅｓ）、図４の学習プログラム実行処理を終了して、図２の音声学習制御処理に復帰する。

音声学習制御処理では、学習プログラム実行処理（Ｓ１０９）から復帰すると、利用者による復習要求操作が所定時間内に操作スイッチ２１で検出されたか否かを判断する（Ｓ１１０）。前述したように本実施例では、学習プログラムが終了すると、残りの余裕時間で復習プログラムを実行することが可能となっている。そこで、復習要求操作が検出された場合は（Ｓ１１０：ｙｅｓ）、図３のＳ１２６で生成した復習プログラムを始動する（Ｓ１１１）。
続いて、復習プログラムが終了したか否かを判断し（Ｓ１１２）、復習プログラムが未だ終了していない場合は（Ｓ１１２：ｎｏ）、そのまま待機する。そして、復習プログラムが全て終了した場合は（Ｓ１１２：ｙｅｓ）、図２の音声学習制御処理を終了する。
一方、所定時間が経過しても復習要求操作が検出されない場合は（Ｓ１１０：ｎｏ）、今回は利用者に復習する意思がないものと判断し、Ｓ１１１〜Ｓ１１２の処理を省略して、図２の音声学習制御処理を終了する。

Ｃ．音声学習の実行例 ：
図５には、上述した本実施例の音声学習制御処理（Ｓ１００）に従って車両内の運転者が語学学習する例が模式的に示されている。図中の横軸は時間の流れを示しており、右方向に進むものとする。
図示した例では、車両で移動する所要時間を乗車時間として、乗車時間よりも所定の余裕時間だけ短い学習時間が設定され、その学習時間に合わせて学習プログラムが生成される。また、今回の語学学習では、洋楽の歌詞のサビ部分を覚えることを学習目標として、学習プログラムがステップ１〜４の４段階で構成されている。そして、車両が移動を開始する際に学習プログラムが実行され、運転者はステップ１から順番に学習する。

まず、ステップ１では、サビ部分から運転者の学習履歴に基づいて未学習の単語が幾つか抽出されて、それらの単語の発音や意味のレクチャーが行われる。そして、音声指導に従って運転者が単語の発音を繰り返し練習する。
車両の中は、電車の中や家の中に比べて周囲から隔離されたプライベート空間であり、車両内に運転者が一人であれば、他人に気兼ねすることなく大きな声を出せるので、発音の練習には最適な場所である。
また、運転者による単語の発音が録音されており、続けて再生されるようになっている。自身の発音を聞いてチェックすることで、発音の学習効果を高めることができる。

次のステップ２では、ステップ１で学習した単語を含む短いフレーズの発音やその訳のレクチャーが行われる。運転者は短いフレーズの発音を繰り返し練習すると共に、録音された自身の発音を聞いてチェックする。
続いて、ステップ３では、ステップ２で学習した短いフレーズを繋ぎ合わせて徐々に長いフレーズにしていく。運転者は徐々に長くなるフレーズの発音の練習を繰り返し、録音された自身の発音を聞いてチェックする。
最後のステップ４では、運転者がサビ部分の全体を伴奏に合わせて歌いながら練習し、録音された自身の発音を聞いてチェックする。

こうして学習プログラムが終了しても、目的地に到着するまでには余裕時間が確保されており、学習への意欲が高まりもう少し続けたい運転者に対しては、余裕時間内で復習プログラムが実行される。
この復習プログラムでは、学習プログラムのステップ４と同様に、伴奏に合わせてサビ部分を歌って練習するようになっており、運転者は今回の学習をおさらいして習得の度合を高めることができる。

以上に説明したように本実施例の音声学習システム１０では、利用者（例えば運転者）が車両内に拘束される乗車時間を推定し、その乗車時間よりも短い学習時間の学習プログラムを生成するようになっており、乗車時間内に学習が終了することを保証することで、利用者に学習の開始を促すことができる。また、乗車時間に応じて学習時間が設定されるので、運転者の意思決定が不要である。そして、乗車時間を利用して１回分の学習が確実に終了することで達成感があり、次回の学習のモチベーションが高まるので、車両内での継続的な学習を促進することが可能となる。

また、本実施例では、乗車時間よりも所定の余裕時間だけ短い学習時間を設定することで、学習プログラムの終了後に余裕時間を確保しておくようになっており、この余裕時間内で復習プログラムを実行することが可能となっている。学習プログラムによって学習への意欲が高まった利用者に対して復習プログラムを実行することで、学習の達成感をより高めることができる。これにより、次回の学習へのモチベーションを向上させることができ、車両内での学習を継続させることが可能となる。

Ｄ．変形例 ：
近年、車両の移動中に所定条件を満たすと、車両の自動運転を可能とする自動運転機能を備えた車両が開発されている。
自動運転を実現する技術としては、例えば、レーダーなどで車両の前方を監視して、先行車両が存在しなければ設定の速度に調整し、先行車両が存在すれば先行車両に対して設定の車間距離を維持する技術（いわゆるアダプティブ・クルーズ・コントロール：ＡＣＣ）や、カメラで撮影した前方画像などに基づいて車線を認識し、車線に沿って走行するようにステアリングを制御する技術（いわゆるレーンキープアシスト）などが知られている。これらによれば、アクセルやブレーキやハンドルの操作が自動で行われることで、運転者の負担を大幅に軽減することができる。
以下では、自動運転機能を備えた車両に搭載される変形例の音声学習システム１０について、上述の実施例とは異なる点を中心に説明する。尚、変形例の説明では、上述の実施例と同様の構成については同じ符号を付して説明を省略する。

Ｄ−１．第１変形例 ：
図６には、第１変形例の音声学習システム１０の構成が示されている。第１変形例の音声学習システム１０は、前述した実施例の音声学習システム１０の負荷情報取得部１９や運転負荷推定部２０に代えて、自動運転可能区間推定部２３を備えている。
自動運転可能区間推定部２３は、移動予定取得部１１によって取得された移動予定に基づき、出発地から目的地までの間で所定条件を満たして自動運転を実行することが可能な区間（以下、自動運転可能区間）を推定する。

この変形例では、自動運転を可能とする所定条件として、高速道路や自動車専用道路といった特定の道路種別が定められており、例えば、移動予定の出発地から目的地までの間に高速道路を走行する区間があれば、その区間を自動運転可能区間と推定する。
高速道路は、交差点をなくしたり、カーブを緩やかに設計したりすることで高速走行を可能にしており、一般道路に比べて速度の変動や急ハンドルが少ないことから、自動運転に適している。
また、移動予定の天候や時間帯によって自動運転に適さない状況（例えば、雨天や暗い夜間など）であれば、たとえ高速道路を走行する区間であっても、自動運転可能区間ではないと推定する。
さらに、自動運転機能の故障が検知されている場合は、自動運転可能区間がないと推定する。

第１変形例の学習プログラム生成部１５は、移動予定に基づいて乗車時間推定部１２が出発地から目的地までの移動の所要時間を乗車時間として推定すると、その乗車時間よりも短い学習時間を設定する。そして、学習する利用者が運転者である場合、自動運転可能区間推定部２３の推定に基づき、自動運転可能区間ではない区間（以下、手動運転区間）に比べて自動運転可能区間での学習の難易度を高めて学習プログラムを生成する。

図７には、第１変形例の音声学習システム１０で実行される学習プログラム生成処理のフローチャートが示されている。第１変形例の学習プログラム生成処理（Ｓ１０６）では、まず、車両の移動中に行う学習であるか否かを判断し（Ｓ１４１）、移動中に行う学習ではない、すなわち、特定の場所で待機中に行う学習である場合は（Ｓ１４１：ｎｏ）、学習に集中できる状況にあることから、記憶している学習履歴に基づいて、未実行の学習要素を主体とした学習プログラムを生成する（Ｓ１４２）。

これに対して、移動中に行う学習である場合は（Ｓ１４１：ｙｅｓ）、移動予定に基づいて自動運転可能区間を推定する（Ｓ１４３）。前述したように自動運転が可能となる特定の道路種別として高速道路などが定められており、出発地から目的地までの間に高速道路を走行する場合は、高速道路の走行区間を自動運転可能区間として推定する。
ただし、雨や雪が降ったり、霧が発生したり、日没によって暗くなると、先行車両を検知する精度や車線を認識する精度が低下する傾向にある。また、雨などで路面が濡れて滑りやすい状況では先行車両に対して設定の車間距離を維持したり、車線を維持したりすることが困難なことがある。そこで、移動予定の天候や時間帯から自動運転に適さないと判断される区間は、自動運転可能区間から除外する。
このように自動運転を可能とする所定条件として、特定の道路種別のような固定要件だけでなく、天候や時間帯といった変動要件を加味することで、安全性の高い自動運転を実現できる。

こうして自動運転可能区間を推定すると、出発地から目的地までの間に自動運転可能区間があるか否かを判断する（Ｓ１４４）。自動運転可能区間がない場合は（Ｓ１４４：ｎｏ）、出発地から目的地まで全て運転者が手動で運転することになり、運転者は運転に注意を向けながら学習しなければならない。そこで、学習の難易度を下げるために、記憶している学習履歴に基づいて、実行済みの学習要素を主体とした学習プログラムを生成する（Ｓ１４５）。

一方、出発地から目的地までの間に自動運転可能区間がある場合は（Ｓ１４４：ｙｅｓ）、出発地から目的地までの間のうち手動運転区間に対応する部分の学習プログラムを、主に実行済みの学習要素で構成し（Ｓ１４６）、自動運転可能区間に対応する部分の学習プログラムを、主に未実行の学習要素で構成する（Ｓ１４７）。
自動運転可能区間では、アクセルやブレーキやハンドルの操作が自動で行われることで、運転者の負担が大幅に軽減されるので、運転者は学習に意識を向けることが可能となる。そこで、手動運転区間と自動運転可能区間とで学習要素の主体を変え、手動運転区間に比べて自動運転可能区間での学習の難易度を高くする。

以上のようにして学習の環境が移動中と待機中のどちらであるか、移動中の学習の場合に自動運転可能区間の有無に応じて学習プログラムを生成すると、続いて、生成した学習プログラムに含まれる学習要素の中から組み合わせて、余裕時間内で終了する復習プログラムを生成する（Ｓ１４８）。
また、復習プログラムを生成したら、図７の学習プログラム生成処理を終了して、図２の音声学習制御処理に復帰する。
尚、第１変形例の音声学習制御処理では、運転者の運転負荷を推定しておらず、その後の学習プログラム実行処理（Ｓ１０９）で学習プログラムを始動すると、移動中か否かに拘わらず学習プログラムが終了するまで待機し、学習プログラムが全て終了したら、学習プログラム実行処理（Ｓ１０９）を終了する。

図８には、第１変形例の音声学習システム１０によって車両内の運転者が学習する例が模式的に示されている。図中の横軸は時間の流れを示し、右方向に進むものとする。
図示した例では、車両で移動する所要時間を乗車時間として、乗車時間よりも所定の余裕時間だけ短い学習時間が設定される。そして、その学習時間に合わせて生成された学習プログラムが車両の移動開始を契機に実行され、学習プログラムの終了後には、運転者の復習要求に応じて、余裕時間内で終了するように生成された復習プログラムが実行される。

また、移動経路上には、高速道路を走行する自動運転可能区間が存在している。そのため、学習プログラムの生成に際して、手動運転区間（すなわち、自動運転可能区間ではない区間）に対応する部分は、実行済みの学習要素を主体に構成することで学習の難易度を低く設定し、自動運転可能区間に対応する部分は、未実行の学習要素を主体に構成することで学習の難易度を高く設定する。

このように第１変形例の音声学習システム１０では、移動予定に基づいて自動運転可能区間を推定し、手動運転区間と自動運転可能区間とで学習プログラムを構成する学習要素の主体を変え、手動運転区間に比べて自動運転可能区間での学習の難易度を高めるようになっている。これにより、運転者は、手動運転区間では運転に注意を向けながら復習的に学習しつつ、運転の負担が軽減される自動運転可能区間では積極的に新たな内容を取り入れて効率的に学習を進行させることが可能となる。

Ｄ−２．第２変形例 ：
上述した第１変形例では、手動運転区間と自動運転可能区間とで音声学習の難易度を異ならせていた。しかし、自動運転可能区間で集中的に音声学習を実行してもよい。

第２変形例の音声学習システム１０は、上述した第１変形例（図６参照）と同様に、自動運転可能区間推定部２３を備えている。
自動運転可能区間推定部２３は、移動予定取得部１１によって取得された移動予定に基づき、出発地から目的地までの間で所定条件を満たす自動運転可能区間を推定する。尚、自動運転を可能とする所定条件は、第１変形例と同様である。
そして、第２変形例の乗車時間推定部１２は、自動運転可能区間推定部２３によって自動運転可能区間が推定されると、その自動運転可能区間を移動するのに要する時間を乗車時間として推定する。
また、学習プログラム生成部１５は、乗車時間推定部１２で推定された乗車時間よりも短い学習時間を設定し、その学習時間に合わせて学習プログラムを生成する。

図９には、第２変形例の音声学習システム１０で実行される音声学習制御処理のフローチャートが示されている。第２変形例の音声学習制御処理（Ｓ２００）を開始すると、まず、車両の移動予定を取得したか否かを判断する（Ｓ２０１）。移動予定を取得していない場合は（Ｓ２０１：ｎｏ）、続いて、車両の移動履歴を参照して、特定の場所で待機中であるか否かを判断する（Ｓ２０２）。
そして、特定の場所で待機中である場合は（Ｓ２０２：ｙｅｓ）、移動履歴からの行動予測に基づく待機時間を乗車時間として推定する（Ｓ２０３）。

一方、特定の場所で待機中ではない場合は（Ｓ２０２：ｎｏ）、音声学習制御処理（Ｓ２００）の先頭に戻り、車両の移動予定を取得したか否かを再び判断する（Ｓ２０１）。
そして、移動予定を取得した場合は（Ｓ２０１：ｙｅｓ）、移動予定に基づいて自動運転可能区間を推定する（Ｓ２０４）。尚、自動運転可能区間を推定する処理は、前述した第１変形例（図７のＳ１４３参照）と同様である。

自動運転可能区間を推定したら、出発地から目的地までの間に自動運転可能区間があるか否かを判断する（Ｓ２０５）。第２変形例の音声学習システム１０では、出発地から目的地までの間のうち自動運転可能区間で集中的に音声学習を実行するようになっている。そのため、自動運転可能区間がない場合は（Ｓ２０５：ｎｏ）、音声学習を実行することなく、そのまま音声学習制御処理を終了する。
これに対して、出発地から目的地までの間に自動運転可能区間がある場合は（Ｓ２０５：ｙｅｓ）、自動運転可能区間を移動する所要時間（例えば、高速道路の走行時間）を乗車時間として推定する（Ｓ２０６）。

こうして乗車時間を推定すると、乗車時間よりも所定の余裕時間だけ短い学習時間を設定し（Ｓ２０７）、その学習時間に合わせて終了する１回分の学習プログラムを、記憶されている複数の学習要素の中から組み合わせて生成する（Ｓ２０８）。また、生成した学習プログラムに含まれる学習要素の中から組み合わせて、余裕時間内で終了する復習プログラムを生成する（Ｓ２０９）。
尚、第２変形例では、特定の場所で待機中に行う学習と、移動中の自動運転可能区間で行う学習とで、同様に学習プログラムを生成するようになっているが、難易度の異なる学習プログラムを生成するようにしてもよい。

続いて、推定した乗車時間、および設定した学習時間を車両内の利用者に通知すると（Ｓ２１０）、音声学習の開始条件が成立したか否かを判断する（Ｓ２１１）。第２変形例では、特定の場所で待機中の学習を操作スイッチ２１で開始要求操作が検出されることで開始し、移動中の学習を車両が自動運転可能区間に入ることで開始するようになっている。
そして、開始条件が成立していない場合は（Ｓ２１１：ｎｏ）、そのまま待機し、開始条件が成立した場合は（Ｓ２１１：ｙｅｓ）、学習プログラムを始動する（Ｓ２１２）。

学習プログラムを始動したら、学習プログラムが終了したか否かを判断し（Ｓ２１３）、学習プログラムが未だ終了していない場合は（Ｓ２１３：ｎｏ）、そのまま待機する。そして、学習プログラムが全て終了した場合は（Ｓ２１３：ｙｅｓ）、操作スイッチ２１で復習要求操作が検出されたか否かを判断する（Ｓ２１４）。

復習要求操作が検出された場合は（Ｓ２１４：ｙｅｓ）、復習プログラムを始動する（Ｓ２１５）。続いて、復習プログラムが終了したか否かを判断し（Ｓ２１６）、復習プログラムが未だ終了していない場合は（Ｓ２１６：ｎｏ）、そのまま待機する。そして、復習プログラムが全て終了した場合は（Ｓ２１６：ｙｅｓ）、音声学習制御処理を終了する。
一方、復習要求操作が所定時間内に検出されない場合は（Ｓ２１４：ｎｏ）、利用者に復習の意思がないものと判断し、Ｓ２１５〜Ｓ２１６の処理を省略して、音声学習制御処理を終了する。

図１０には、第２変形例の音声学習システム１０によって車両内の運転者が学習する例が模式的に示されている。図中の横軸は時間の流れを示し、右方向に進むものとする。
図示した例では、移動予定の出発地から目的地までの間に、高速道路を走行する自動運転可能区間が存在する。そのため、自動運転可能区間を移動する所要時間を乗車時間として、この乗車時間よりも所定の余裕時間だけ短い学習時間が設定される。
そして、学習時間に合わせて生成された学習プログラムが、車両が移動して自動運転可能区間に入ったことを契機に実行される。また、学習プログラムの終了後には、運転者の復習要求に応じて、余裕時間内で終了するように生成された復習プログラムが実行される。

このように第２変形例の音声学習システム１０では、移動予定に基づいて自動運転可能区間の推定し、車両の移動中は自動運転可能区間で集中的に音声学習を実行するようになっている。車両が自動運転可能区間に入って自動運転に切り換わると、車両の各種操作が自動で行われることで、運転者の負担が大幅に軽減されて運転者に余裕ができるので、自動運転中は音声学習を行うのに特に適している。そのため、自動運転可能区間で集中的に音声学習を実行することにより、運転者は安全かつ効果的に音声学習を進めることが可能となる。

以上、実施例および変形例について説明したが、本発明は上記の実施例および変形例に限られるものではなく、その要旨を逸脱しない範囲において種々の態様で実施することができる。

例えば、前述した実施例では、運転負荷を高低の２段階に分けて推定するようになっていたが、運転負荷を多段階（例えば負荷１〜４の４段階）に分けて推定するようにしてもよい。この場合は、推定した運転負荷が高いほど、難易度の低い（未実行の学習要素が少ない）学習プログラムを生成することとしてもよい。

また、前述した実施例では、移動の所要時間や特定の場所での待機時間などの利用者が車両内にいる時間（乗車時間）を推定するようになっていたが、車両の移動履歴を参照して、移動と移動との間で利用者が車両から離れている時間を推定してもよい。例えば、車両を運転して子供を塾まで送り届けた母親が一旦帰宅し、塾が終わる時間に再び迎えに行くことが習慣になっていれば、移動履歴からの行動予測に基づいて一旦帰宅している時間（中抜け時間）を推定する。そして、中抜け時間よりも短い学習時間の学習プログラムを生成し、母親の所有する携帯端末で学習できるようにすれば、中抜け時間を利用した継続的な学習の促進が可能となる。

１０…音声学習システム、 １１…移動予定取得部、 １２…乗車時間推定部、
１３…移動履歴記憶部、 １４…学習要素記憶部、
１５…学習プログラム生成部、 １６…通知部、 １７…実行部、
１８…学習履歴記憶部、 １９…負荷情報取得部、 ２０…運転負荷推定部、
２１…操作スイッチ、 ２２…スピーカー、
２３…自動運転可能区間推定部。

Claims (8)

1. 車両に適用されて、該車両の運転者に対して学習コンテンツを音声によって供する音声学習システム（１０）であって、
   前記学習コンテンツを構成する複数の学習要素を記憶する学習要素記憶部（１４）と、
   前記運転者が前記車両に乗車している乗車時間を推定する乗車時間推定部（１２）と、
   前記運転者の運転負荷を推定するための負荷情報を取得する負荷情報取得部（１９）と、
   前記負荷情報に基づいて前記運転者の運転負荷を推定する運転負荷推定部（２０）と、
   前記乗車時間推定部で推定された前記乗車時間内で終了する１回分の学習プログラムを、前記複数の学習要素の中から組み合わせて生成する学習プログラム生成部（１５）と、
   前記学習プログラムを実行する実行部（１７）と、
   前記実行部によって前記学習プログラムが実行された学習履歴を記憶する学習履歴記憶部（１８）と
   を備え、
   前記運転負荷推定部によって前記運転負荷が所定負荷よりも高いと推定されると、前記学習プログラム生成部は、前記学習履歴に基づいて、既に実行済みの前記学習要素を主体とする前記学習プログラムを生成する
   音声学習システム。
2. 請求項１に記載の音声学習システムであって、
   前記運転負荷推定部によって前記運転負荷が前記所定負荷よりも低いと推定されると、前記学習プログラム生成部は、前記学習履歴に基づいて、未実行の前記学習要素を主体とする前記学習プログラムを生成する
   音声学習システム。
3. 車両に適用されて、該車両の運転者に対して学習コンテンツを音声によって供する音声学習システム（１０）であって、
   前記学習コンテンツを構成する複数の学習要素を記憶する学習要素記憶部（１４）と、
   前記運転者が前記車両に乗車している乗車時間を推定する乗車時間推定部（１２）と、
   前記乗車時間推定部で推定された前記乗車時間内で終了する１回分の学習プログラムを、前記複数の学習要素の中から組み合わせて生成する学習プログラム生成部（１５）と、
   前記学習プログラムを実行する実行部（１７）と、
   前記運転者の運転負荷を推定するための負荷情報を取得する負荷情報取得部（１９）と、
   前記負荷情報に基づいて前記運転者の運転負荷を推定する運転負荷推定部（２０）と
   を備え、
   前記実行部は、前記車両の移動中に推定された前記運転負荷が所定負荷よりも高くなると、前記学習プログラムの実行を中断した後、前記運転負荷が前記所定負荷よりも低くなると、中断された前記学習要素の先頭に戻って前記学習プログラムの実行を再開する
   音声学習システム。
4. 請求項１ないし請求項３の何れか一項に記載の音声学習システムであって、
   前記車両の移動予定を取得する移動予定取得部（１１）を備え、
   前記乗車時間推定部は、前記移動予定に基づいて出発地から目的地までの所要時間を、前記乗車時間として推定する
   音声学習システム。
5. 請求項４に記載の音声学習システムであって、
   前記実行部は、前記車両が移動を開始すると、自動的に前記学習プログラムを実行する
   音声学習システム。
6. 車両に適用されて、該車両内の利用者に対して学習コンテンツを音声によって供する音声学習システム（１０）であって、
   前記学習コンテンツを構成する複数の学習要素を記憶する学習要素記憶部（１４）と、
   前記利用者が前記車両に乗車している乗車時間を推定する乗車時間推定部（１２）と、
   前記乗車時間推定部で推定された前記乗車時間内で終了する１回分の学習プログラムを、前記複数の学習要素の中から組み合わせて生成する学習プログラム生成部（１５）と、
   前記学習プログラムを実行する実行部（１７）と、
   前記利用者が前記車両で移動した移動履歴を記憶する移動履歴記憶部（１３）と
   を備え、
   前記乗車時間推定部は、前記移動履歴に基づいて、特定の場所に移動した前記車両内で前記利用者が待機している時間を、前記乗車時間として推定する
   音声学習システム。
7. 請求項１ないし請求項６の何れか一項に記載の音声学習システムであって、
   前記乗車時間推定部で推定された前記乗車時間と、前記学習プログラム生成部で生成された前記学習プログラムの学習時間とを前記運転者または前記利用者に通知する通知部（１６）を備える
   音声学習システム。
8. 請求項１ないし請求項７の何れか一項に記載の音声学習システムであって、
   前記学習プログラム生成部は、前記乗車時間推定部で推定された前記乗車時間よりも所定の余裕時間だけ短い学習時間の前記学習プログラムを生成すると共に、該余裕時間内で終了する復習プログラムを、該学習プログラムに含まれる前記学習要素の中から生成し、
   前記実行部は、前記学習プログラムを終了した後、前記運転者または前記利用者からの復習要求を受けて、前記復習プログラムを実行する
   音声学習システム。

Images