JP6451583B2

JP6451583B2 - 運転支援装置

Info

Publication number: JP6451583B2
Application number: JP2015200145A
Authority: JP
Inventors: 真貴森; 一仁竹中; 誉司坂東
Original assignee: Denso Corp
Current assignee: Denso Corp
Priority date: 2015-10-08
Filing date: 2015-10-08
Publication date: 2019-01-16
Anticipated expiration: 2035-10-08
Also published as: JP2017071333A; US20170103121A1

Description

本発明は、ドライバーに応じた運転支援を実現する技術に関する。

特許文献１には、ドライバーの眠気を判定し、その判定結果に応じた運転支援を提供する装置が開示されている。この装置では、普段の目の開き具合に応じてドライバーを分類し、分類されたグループ毎に、眠気判定の判定基準を変えることで、ドライバーの眠気を精度よく判定することを行っている。

特開２０１３−１６４７４８号公報

従来装置では、予め想定された運転支援に有用なドライバーの特性のみに基づき、具体的には、眠気判定の基準となる普段の目の大きさに基づいてドライバーを分類している。このため、その分類結果を、他の運転支援の性能向上のために再利用することは困難であり、再利用できたとしても適用できる運転支援は極めて限定的であるという問題があった。

本発明は、こうした問題にかんがみてなされたものであり、予め特定の運転支援を想定することなしに、適用する運転支援に応じたドライバーの分類を行い、的確な運転支援を可能とする技術を提供することを目的としている。

本発明の運転支援装置は、データ収集部（１１，１３，１４）と、分類部（１５，１６）と、統合部（２０）と、対象データ取得部（３１，３２）と、推定部（３３）と、支援提供部（３４，３５）とを備える。

データ収集部（１１，１３，１４）は、複数のドライバーについて、該ドライバーの運転操作および該運転操作の結果として現れる車両挙動のうち少なくとも一つを表す運転行動データを収集する。分類部（１５，１６）は、データ収集部にて収集された運転行動データを、ドライバーの運転時の行動である運転行動の傾向を表す複数の小クラスタに分類すると共に、小クラスタのそれぞれに対応づけて、該小クラスタに属するドライバーの運転行動の特性を表す小クラスタ情報を蓄積する。統合部（２０）は、ドライバーの運転を支援するために実行される車両制御または車載機器の制御を運転支援として、予め用意された運転支援の内容に応じて分類部にて分類された小クラスタを統合することで、運転支援の種類毎に、該運転支援におけるドライバーの運転行動の傾向を表す複数の支援クラスタを生成すると共に、支援クラスタのそれぞれに対応づけて、該支援クラスタに属する小クラスタの情報である支援クラスタ情報を蓄積する。対象データ取得部（３１，３２）は、運転支援の対象となる支援対象ドライバーについての運転行動データである対象データを取得する。推定部（３３）は、対象データ取得部により取得された対象データと、支援クラスタに対応づけて蓄積された支援クラスタ情報との比較により、運転支援の種類毎に、支援対象ドライバーが属する支援クラスタである所属クラスタを推定する。支援提供部（３４，３５）は、運転支援を、推定部で推定された所属クラスタに対応づけられた内容で提供する。

このような構成によれば、一人以上のドライバーが属する複数の小クラスタを生成し、運転支援の内容に応じて小クラスタを適宜統合することで、個々の運転支援で使用する支援クラスタを生成している。小クラスタの分類は個々の運転支援とは独立に、個々の運転支援で使用する支援クラスタの生成に先立って行われ、支援クラスタの生成は小クラスタに基づいて個々の運転支援ごとに行われる。このため、事前に小クラスタに分類することで複数の運転支援に共通した処理を行いつつ、個々の運転支援に適した支援クラスタの生成、ひいてはドライバーの分類を行うことができ、その結果、支援対象ドライバーの運転行動の傾向に応じた的確な運転支援を実現することができる。

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。

運転支援装置の構成を示すブロック図である。運転行動データと運転記号の関係を示す説明図である。小クラスタ形成処理のフローチャートである。支援クラスタ形成処理のフローチャートである。階層クラスタリングの経過および結果を示す説明図である。階層決定処理のフローチャートである。第１タイプの分類要件を内容を例示する説明図である。第２タイプの分類要件の内容を例示する説明図である。階層化されたクラスタと特徴量分布の関係を例示する説明図である。対応決定処理処理のフローチャートである。支援クラスタと支援モードの対応関係を示す説明図である。支援対象ドライバーの特徴量分布と所属クラスタの標準モデルとの関係を例示する説明図である。階層クラスタリングのシミュレーション結果を示す説明図である。

以下、図面を参照しながら、発明を実施するための形態を説明する。
［１．構成］
図１に示す運転支援装置１は、データ収集・蓄積部１０と、クラスタ形成部２０と、支援提供部３０とを備える。なお、支援提供部３０は、各車両に搭載される。データ収集・蓄積部１０およびクラスタ形成部２０は、通信網に接続されたサーバとして構成され、支援提供部３０を搭載した車両との通信を行う。データ収集・蓄積部１０とクラスタ形成部２０とは、一体に構成されていてもよいし、別体に形成され、上記通信網を介して相互に通信を行うように構成されていてもよい。

なお、データ収集・蓄積部１０およびクラスタ形成部２０、支援提供部３０は、いずれも一つ以上のマイクロコンピュータ（以下、マイコン）によって実現される。各部の機能は、マイコンが備える図示しないＣＰＵが非遷移的実体的記録媒体（以下、メモリ）に格納された所定のプログラムを実行することにより実現される。また、このプログラムが実行されることでプログラムに対応する方法が実行される。つまり、ＣＰＵによって実現される各種機能やＣＰＵが利用する情報を格納するメモリを機能ブロック毎に分けて図示したものが図１である。但し、これら機能を表す各部を実現する手法はソフトウェアに限るものではなく、その一部または全部を、論理回路やアナログ回路等を組み合わせたハードウェアを用いて実現してもよい。

［２．データ収集・蓄積部］
データ収集・蓄積部１０は、運転行動データ収集部１１と、ドライバー情報収集部１２と、運転記号推定部１３と、運転記号データベース１４と、出現パターン分類部１５と、小クラスタデータベース１６とを備える。なお、運転行動収集部１１，運転記号推定部１３，運転記号データベース１４がデータ収集部に相当し、出現パターン分類部１５，小クラスタデータベース１６が分類部に相当する。

運転行動データ収集部１１は、ドライバーの運転操作およびその運転操作の結果として表れる車両挙動が反映されたデータの他、それらのデータが取得された位置や時刻を表す位置情報、時刻情報等も収集する。以下では、これらのデータを総称して運転行動データという。運転行動データは、エンジン始動からエンジン停止まで期間を表すトリップ毎の連続時系列データとして表現され、データ収集・蓄積部１０との通信機能を有する不特定多数の車両との通信によって大量に収集される。

なお、ドライバーの運転操作が反映されたデータには、例えば、アクセルペダルの操作量、ブレーキペダルの操作量、ステアリングホイールの操作量、方向指示器の操作状態、トランスミッションのシフトポジション等が含まれる。また、車両挙動が反映されたデータには、例えば、車両の速度、加速度、ヨーレート等が含まれる。更に、これらのデータを微分等したデータが含まれていてもよい。

ドライバー情報収集部１２は、年齢、性別、運転歴、居住地域などのドライバー情報を、運転行動データ収集部１１が収集する運転行動データと共に収集する。
運転記号推定部１３は、図２に示すように、連続時系列データとして計測される運転行動データを、複数の部分系列に分節化し、その部分系列のそれぞれに、該部分系列の状態に応じた記号である運転記号を付与することで運転記号列へと変換する。

ここでは、記号化手法として、運転行動データを構成する各データの少なくとも一部をベクトル化し、そのベクトルに、ベクトルを識別する記号を運転記号として付与する手法を用いる。なお、ベクトルは、例えば各車両操作の有無や各車両挙動の変化の有無を１，０で表現したものを並べることで表現してもよい。また、１，０の代わりに、車両操作の程度や車両挙動の変化の程度を、０〜１に正規化した値で表現したものを用いてもよい。このようなベクトルを用いた記号化手法は、例えば特許第５２７８４１９号公報に記載された公知のものであるため、その詳細については説明を省略する。

運転記号データベース１４は、ドライバー情報収集部１２にて収集されたドライバー情報に基づき、運転行動データ収集部１１で収集された運転行動データ、運転行動データから抽出される各種特徴量の頻度分布、運転記号推定部１３で生成された運転記号列をドライバー単位で集計することで得られる運転記号の頻度分布等をドライバー情報と対応づけて蓄積する。以下では、これらの情報を総称して運転行動情報という。

出現パターン分類部１５は、各ドライバーの運転行動データに出現する運転記号のパターンやドライバー情報を利用して、運転行動データをクラスタリングすることで、類似した運転行動を示すドライバーのグループを表す複数のクラスタを生成する処理を実行する。この処理の詳細については後述する。

小クラスタデータベース１６は、出現パターン分類部１５で生成されたクラスタを小クラスタとして記憶する。また、各小クラスタに属するドライバーについて、運転記号データベース１４に蓄積されている運転行動情報とを対応づける情報等も記憶する。以下では、これらの蓄積されている運転行動情報および運転行動情報と小クラスタの対応情報等を総称して小クラスタ情報という。

［２−１．小クラスタ形成処理］
ここで、出現パターン分類部１５が実行する処理を、図３のフローチャートを用いて説明する。なお、本処理は、予め設定された一定期間毎、または運転記号データベース１４に一定量以上の新たなデータが蓄積される毎に起動する。

本処理が起動すると、出現パターン分類部１５として機能するＣＰＵは、Ｓ１１０にて、運転記号データベース１４に蓄積された運転記号列、即ち記号化された運転行動データに基づき、ドライバー毎に頻度特徴量計算を実行する。具体的には、情報検索や文章要約の分野で使用されるＴＦ−ＩＤＦ特徴量をドライバーごとの頻度特徴量として用いる。ＴＦ−ＩＤＴ特徴量の算出においては、１つの運転記号列をＴＦ−ＩＤＦ特徴量における文章とみなし、運転記号列に現れる各運転記号をＴＦ−ＩＤＦ特徴量における単語とみなして計算する。このＴＦ−ＩＤＦ特徴量は、各運転記号の重要度を示す値を順番に並べたベクトルとして表現される。なお、ＴＦは、Term Frequency、即ち、単語の出現頻度の略称であり、ＩＤＦは、Inverse Document Frequency、即ち、逆文書頻度の略称である。運転記号列中に発生する運転記号の頻度（即ち、ＴＦ）に対して、その運転記号が他のドライバーの運転記号列に含まれる頻度の逆数（即ち、ＩＤＦ）で重みをつけているため、運転記号の重要度は、多くのドライバーの運転記号列に出現する運転記号については小さな値をとり、特定のドライバーの運転記号列にしか出現しない運転記号については大きな値をとる。

続くＳ１２０では、Ｓ１１０にて算出されたＴＦ−ＩＤＦ特徴量について特徴量類似度計算を実行する。具体的には、ベクトルで表された各ＴＦ−ＩＤＦ特徴量間のコサイン類似度を算出する。コサイン類似度は、０〜１の値をとり、１に近いほど両者の類似度が大きいことを意味する。なお、特徴量類似度は、コサイン類似度に限らず、ユークリッド距離やマハラノビス距離等を用いてもよい。

続くＳ１３０では、ＴＦ−ＩＤＦ特徴量のクラスタリングを実行する。具体的には、Ｓ１２０で求めた特徴量類似度を使い、クラスタ内の各ＴＦ−ＩＤＦ特徴量とクラスタ中心サンプルのＴＦ−ＩＤＦ特徴量との特徴量類似度の総和が最小となるようにデータを分類するｋ−ｍｅｄｏｉｄｓ法を用いる。なお、クラスタリング手法は、これに限らず、例えばｋ−ｍｅａｎｓ法や無限関係モデルを用いる手法や、ドライバーの属性情報に閾値を設定し閾値処理によってクラスタリングする手法等を用いてもよい。

続くＳ１４０では、各ＴＦ−ＩＤＦ特徴量およびＳ１３０で生成されたクラスタである小クラスタを、小クラスタデータベース１６に記憶して、本処理を終了する。
なお、小クラスタの生成には、様々な運転行動データをベクトル化したものが用いられているため、同じ小クラスタに属するドライバーは、総合的な運転行動が似た者同士となる。

［３．クラスタ形成部］
クラスタ形成部２０は、分類要件データベース２１と、クラスタ形成処理部２２と、支援クラスタデータベース２３とを備える。なお、クラスタ形成部２０が統合部に相当する。

クラスタ形成処理部２２は、予め用意された運転支援の種類毎に、小クラスタデータベース１６に記憶された小クラスタを、分類要件データベース２１に記憶された運転支援の種類毎の分類要件を充足するように統合する。これにより、各運転支援に適した粒度の支援クラスタを生成し、その支援クラスタのそれぞれに、適切な支援モードを対応づける処理を実行する。その処理の詳細については後述する。なお、粒度とは、例えばその支援クラスタに属するドライバーの平均的な運転行動を表す標準モデルを、所望の精度で作成するのに必要なデータ量等のことをいう。

分類要件データベース２１は、クラスタ形成処理部２２がクラスタの粒度を判定する際に使用する分類要件を記憶する。
分類要件は、運転支援の種類毎に設定され、注目する特徴量、判定基準を定義したものである。ここで使用する特徴量は、運転行動データから抽出可能な物理量であり、運転支援の内容と密接な関係を有するものが用いられる。具体的には、例えば、ブレーキの踏み始めから停止までの時間、発進時のアクセルの踏み込み量の微分値、年齢、過去一ヶ月の走行距離等を特徴量として用いることができる。

判定基準としては、運転行動情報の特徴量分布を各支援クラスタ毎にまとめた支援クラスタに対する特徴量分布を用いることができる。具体的には、特徴量分布を構成するデータ総数に対して特徴量分布中に予め設定された有効範囲内に属するデータ数の割合が予め設定された割合閾値以上であることや、特徴量分布におけるデータの密集度が予め設定された密集閾値以上であること等を用いることができる。以下では、前者の判定方法を第１タイプ、後者の判定方法を第２タイプという。なお、第１タイプにおいて、有効範囲および割合閾値は支援モード毎に設定される。また、第２タイプにおいて、密集度は、例えば、特徴量のデータ総数を用いてもよいし、特徴量分布の分散を用いてもよい。

［３−１．クラスタ形成処理］
ここで、クラスタ形成処理部２２が実行する処理を、図４のフローチャートを用いて説明する。なお、本処理は、予め設定された一定期間毎、または小クラスタデータベース１６が更新される毎に起動する。

本処理が起動すると、クラスタ形成処理部２２として機能するＣＰＵは、Ｓ２１０にて、小クラスタデータベース１６に記憶された小クラスタを用いて、階層クラスタリングを実施する。階層クラスタリングでは、小クラスタを最小単位として、小クラスタ同士を順番に統合してクラスタ化する。そのクラスタ化の過程および結果は、図５に示すような樹形図で表すことができる。ここでは、階層クラスタリングの具体的な手法として、統合後のクラスタの分散と、統合前のクラスタそれぞれの分散の和との差が最小となるようにクラスタ対を順番に併合するウォード法を用いる。但し、これに限るものではなく、例えば、群平均法や最短距離法、最長距離法などを用いてもよい。階層クラスタリングの結果得られた樹形図は、支援クラスタデータベース２３に記録される。

続くＳ２２０では、用意されている運転支援の一つを、対象支援として選択する。なお、運転支援とは、ドライバーの運転を支援するために実行される様々な車両制御または車載機器の制御のこという。

続くＳ２３０では、分類要件データベース２１から対象支援に関する分類要件を取得する。
続くＳ２４０では、先のＳ２１０での階層クラスタリングの結果から、どの階層で支援クラスタを生成するかを決定する階層決定処理を実施する。その詳細は後述する。

続くＳ２５０では、Ｓ２４０で決定された階層で生成される支援クラスタのそれぞれに対して、対象支援が有する支援モードの中のいずれかを対応づける対応決定処理を実施する。その詳細は後述する。

続くＳ２６０では、全ての運転支援について、上述のＳ２２０〜Ｓ２５０の処理を実行したか否かを判断する。未処理の運転支援があればＳ２２０に戻り、全ての運転支援について処理済みであれば、本処理を終了する。

これにより、運転支援毎に支援クラスタが決定されると共に、その支援クラスタと支援モードとの対応関係も決定される。
なお、Ｓ２４０が階層化部に相当し、Ｓ２５０が設定部に相当する。

［３−２．階層決定処理］
次に、先のＳ２４０で実行する階層決定処理の詳細を、図６のフローチャートを用いて説明する。ただし、階層決定処理を行わず、小クラスタをそのまま支援クラスタとして用いてもよい。

本処理では、まずＳ３１０にて、最下層のクラスタ階層を選択階層に設定する。
続くＳ３２０では、設定された選択階層に属するクラスタの一つを、処理対象となる対象クラスタとして選択する。

続くＳ３３０では、先のＳ２３０にて分類要件の一つとして取得された特徴量を要件特徴量として、対象クラスタについて蓄積された要件特徴量のデータ総数が、予め設定された総数閾値を以上であるか否かを判断する。なお、総数閾値は、全ての運転支援に共通な固定値に限るものではなく、分類要件の一つとして運転支援毎に異なる値に設定してもよい。データ総数が総数閾値以上であればＳ３４０に移行し、総数閾値未満であればＳ３４２に移行する。

Ｓ３４０では、対象クラスタの要件特徴量が、先のＳ２３０にて取得した分類要件を充足しているか否かを判断する。充足していればＳ３４１に移行し、充足していなければＳ３４２に移行する。

Ｓ３４１では、対象クラスタを充足クラスタとして記録してＳ３５０に移行し、Ｓ３４２では、対象クラスタを非充足クラスタとして記録してＳ３５０に移行する。
例えば、分類要件が第１タイプの場合、図７に示すように、特徴量分布のデータ総数に対する有効範囲のデータ数の割合であるデータ割合を算出し、そのデータ割合が予め設定された割合閾値以上であれば、分類要件を充足していると判断する。対象クラスタの規模が小さい、即ち、有効範囲のデータ数が少ない場合や、対象クラスタの規模は十分に大きいが、有効範囲外にも多くのデータが存在し、分布の特徴があいまいになっているような場合には、支援クラスタとして不適であると判断される。

また、分類要件が第２タイプの場合、図８に示すように、有効範囲は設定されないが、特徴量分布のどこかにデータが集中しており、その密集率が予め設定された密集閾値以上であれば、分類要件を充足していると判断する。

Ｓ３５０では、選択階層の全クラスタについて上述の処理を処理済みであるか否かを判断する。未処理のクラスタがあればＳ３２０に戻って処理を繰り返し、処理済みであればＳ３５１に移行する。

Ｓ３５１では、選択階層の全クラスタに対する充足クラスタの割合を記録し、Ｓ３６０に進む。
Ｓ３６０では、選択階層より上位のクラスタ階層が存在するか否かを判断する。上位階層が存在すれば、Ｓ３７０に移行し、選択階層をひとつ上げてＳ３２０に戻る。一方、上位階層が存在しなければ、即ち、現在の選択階層が最上位階層であればＳ３８０に移行する。

Ｓ３８０では、充足クラスタの割合が最大である階層に属するクラスタを支援クラスタとして記憶して本処理を終了する。
図９に示すように、ある階層に属するクラスタの特徴量分布は、一つ下の階層に属するクラスタの特徴量分布をマージすることで構成される。このため、ある階層に属する個々のクラスタについて蓄積されたデータ数は、下位のクラスタ階層ほど少なく、上位のクラスタ階層ほど多くなる。また、同じクラスタに属するドライバー間での運転行動の類似度は、下位のクラスタ階層ほど高く、上位のクラスタ階層ほど低くなる。そして、選択階層のクラスタが他の階層のクラスタよりも高い割合で分類要件を充足する場合に、その選択階層のクラスタが支援クラスタに設定される。ここでは、例えば、個々のクラスタのデータ量が適度にあり、クラスタ毎の特徴が明確に現れている中クラスタが支援クラスタに設定されることになる。

［３−３．対応判定処理］
次に、先のＳ２５０で実行する対応判定処理の詳細を、図１０のフローチャートを用いて説明する。

本処理では、まずＳ４１０にて、Ｓ２４０で決定された支援クラスタの一つを、処理対象となる対象クラスタとして選択する。
続くＳ４２０では、対象支援について支援モードと、個々の支援クラスタとの対応関係を決定する。ここで支援モードは、例えば第１タイプの分類要件の場合は、予め用意された支援モードのうち、個々の支援クラスタが充足する判定基準に対応する支援モードを、個々の支援クラスタに対応付けてもよい。具体的には、ブレーキのタイミングが遅い範囲に一定割合以上のデータが入るという判定基準を充足した支援クラスタに対し、この判定基準に対応する支援モードとして、障害物との衝突の警告のタイミングを早めるといった支援を対応付けてもよい。また、第２タイプの分類要件の場合は、個々の支援クラスタをそれぞれひとつの支援モードとしてもよい。支援モードを予め用意する場合、図１１に示すように、支援クラスタと支援モードとの関係は、１対１になるとは限らず、同じ支援モードに複数の支援クラスタを対応づけてもよい。

続くＳ４３０では、支援クラスタデータベース２３に、支援モードと支援クラスタとの対応関係を記録すると共に、各支援クラスタの特徴量分布を標準モデルとして記録する。
続くＳ４４０では、全ての支援クラスタについて処理済みであるか否かを判断する。未処理の支援クラスタがあれば、Ｓ４１０に戻り、全支援クラスタについて処理済みであれば本処理を終了する。

［４．支援提供部］
支援提供部３０は、運転行動データ取得部３１と、運転記号推定部３２と、所属クラスタ判定部３３と、支援モード判定部３４と、運転支援提供部３５とを備える。なお、運転行動データ取得部３１，運転記号推定部３２が対象データ取得部に相当し、所属クラスタ判定部３３が判定部に相当し、支援モード判定部３４，運転支援提供部３５が支援提供部に相当する。

運転行動データ取得部３１は、運転行動データ収集部１１が収集する運転行動データの少なくとも一部を、自車両に搭載された各種車載センサやＧＰＳ受信機などから繰り返し取得する。これが、支援対象ドライバーの運転行動データの実測値である対象データとなる。

運転記号推定部３２は、運転行動データ取得部３１が取得した対象データを、運転記号推定部１３と同様に運転記号列に変換する。
所属クラスタ判定部３３は、運転記号推定部３２にて推定された運転記号列から支援対象ドライバーが属するクラスタを推定する。まず、所属クラスタ判定部３３は、運転記号推定部３２にて推定された運転記号列に含まれる運転記号を逐次集計することで、支援対象ドライバーの運転行動に出現した運転記号の集合Ｓ_Ｘを生成する。次に、所属クラスタ推定部２３は、全ての小クラスタＤ_１〜Ｄ_Ｋについて、支援対象ドライバーが小クラスタＤ_ｋに属する確率ｐ（ｋ｜Ｓ_Ｘ）を公知の手法を用いて算出する。そして、確率ｐ（ｋ｜Ｓ_Ｘ）が最大となる小クラスタを特定する。更に、対象支援についての階層クラスタリングの結果である樹形図に基づき、特定された小クラスタが属する支援クラスタを、支援対象ドライバーの所属クラスタであると判定する。

支援モード判定部３４は、所属クラスタ判定部にて所属クラスタとして判定された支援クラスタに対応づけられた支援モードおよび標準モデルを、支援クラスタデータベース２３から取得する。

運転支援提供部３５は、支援モード判定部３４が取得した支援モードに応じた運転支援を提供する。運転支援を提供する際には、支援モード毎に予め定められた運転支援を提供しても良いし、標準モデルの情報をパラメータとして用いて運転支援の内容を決定しても良い。分類要件として第２タイプの要件に対応した運転支援の場合、個々のクラスタに対応した１つの支援モードが、個々のクラスタの標準モデルの情報を用いてドライバーに合わせた運転支援を提供できる。

標準モデルの情報を用いた運転支援として、例えば、所属する支援クラスタのアクセル踏力分布から乖離したアクセルの踏み込みに対し、加速応答を下げるといった制御を行うことで、ペダルの踏み間違いなどによる予期せぬ急加速を防ぐといった支援を行っても良い。

また、同じ支援クラスタに属するドライバーの様々な場面での運転行動を予め把握しておくことにより、支援対象ドライバーが遭遇したことがない状況に対する行動を、同じクラスタに属する他のドライバーの行動から類推してもよい。具体的には、支援対象ドライバーが走行したことはないが、同じ支援クラスタに属するドライバーが車線を逸脱しやすいカーブ路では、そのカーブ路の前で減速するよう警告してもよい。また、図１２に示すように、支援対象ドライバーの所属クラスタの標準モデルと、その所属クラスタ以外のクラスタの標準モデルとを比較し、両者の乖離度から所属クラスタ特有の運転能力の低下を検知し、これを補うような運転支援を提供してもよい。

更に、所属クラスタに属するドライバーのドライバー情報から年齢や運転履歴、運転頻度の分布や代表値を求め、これらの情報を、ヘッドアップディスプレイ、カーナビゲーション、スマートフォンなどの情報提示装置を介して提示してもよい。これにより、支援対象ドライバーに、自分の運転と同じクラスタに属するドライバー、すなわち自分と似た運転行動をとるドライバーのドライバー情報を提示することで、年齢や疲れ等による能力低下を客観的に判断させることができる。

［５．効果］
以上詳述した本実施形態によれば、以下の効果が得られる。
（５Ａ）運転支援装置１では、総合的な運転行動の傾向が類似したドライバーのグループである複数の小クラスタを生成し、運転支援の内容に応じた特徴量を用いて小クラスタを適宜統合することで、個々の運転支援で使用する支援クラスタを生成している。このため、個々の運転支援に適した支援クラスタの生成、即ち、ドライバーの分類を行うことができ、その結果、支援対象ドライバーの運転行動の傾向に応じた的確な運転支援を実現することができる。

（５Ｂ）運転支援装置１では、小クラスタに対して階層クラスタリングを施すことによって生成された階層化されたクラスタを利用し、運転支援の種類毎に、どの階層のクラスタを支援クラスタとして使用するかを決定している。つまり、運転支援に必要な情報の蓄積度合いに応じて、運転支援で使用する全ての支援クラスタが、その運転支援に適した粒度を有するように設定されている。このため、支援対象ドライバーに関する蓄積データが少ない状態でも、同じ支援クラスタに属する他のドライバーの情報を利用して的確な運転支援を実行することができる。

（５Ｃ）また、階層クラスタリングの結果は、特定の運転支援に限らず、様々な運転支援において共通に用いることができる。つまり、階層化されたクラスタのどの階層を使用するかを判断する際に用いる基準を、運転支援毎に適宜設定するだけで、個々の運転支援に適した支援クラスタを生成することができる。その結果、適用する運転支援に応じて、支援対象ドライバーが属する支援クラスタを的確に判定することができ、その判定された支援クラスタに基づいて的確な支援モードにて運転支援を実現することができる。

（５Ｄ）運転支援装置１では、第１タイプの分類要件として、特徴量分布における有効範囲内のデータ割合が割合閾値以上であることを用いている。このような分類要件を用いた場合、例えば、合流など特定の運転操作が苦手なドライバーのみ、その操作を補助する支援を提供する等、支援のモードの数と各モードの支援特性が予め決まっている運転支援に適した支援クラスタを形成することができる。

（５Ｅ）運転支援装置１では、第２タイプの分類要件として、対象範囲の位置を特定することなく、特徴量分布に、データが密集している箇所があることを用いている。このような分類要件を用いた場合、例えば、所属クラスタの標準モデルからの逸脱を検知したり、その逸脱量によって支援の補正値を決定したりする等、支援のモードの数は可変だが、クラスタの特徴量分布が密集している必要がある運転支援に適したクラスタを形成することができる。

（５Ｆ）運転支援装置１では、運転行動データを運転記号列に変換したものを用いて小クラスタを生成しているため、ドライバーの総合的な特性に応じた分類を行うことができる。

（５Ｇ）運転支援装置１では、運転行動データから個別に抽出した特徴量の分布を用いて、運転支援毎の支援クラスタを生成しているため、個々の運転支援の特性に応じた分類を行うことができる。

（５Ｈ）図１３に、自動車学校教習員、図中ではInstructorと一般ドライバー、図中ではOrdinaryとが混在する運転行動データに対してクラスタリングを行った結果を示す。なお、図中のDistanceは、クラスタ間の距離を表す。図からわかるように、熟練度に応じた運転支援を提供したい場合は、図中破線で示した最上位の階層を支援クラスタに設定すればよい。

［６．他の実施形態］
以上、本発明を実施するための形態について説明したが、本発明は上述の実施形態に限定されることなく、種々変形して実施することができる。

（６Ａ）上記実施形態では、運転記号推定部１３において、運転行動データを記号化する手法として、ベクトル化する手法を用いているが、これに限定されるものではない。例えば、二重分節解析器（以下、ＤＡＡ）を利用して、運転行動データを、それぞれが何等かの運転シーンを表す部分系列に分節化し、その部分系列に、部分系列を識別する記号を付与する手法を用いてもよい。なお、ＤＡＡは、Double Articulation Analyzerの略称であり、その具体的な内容については、例えば非特許文献、T.Taniguchi et al,"Semiotic Prediction of Driving Behavior using Unsupervised Double Articulation Analyzer" IEEE Intelligent Vehicles Symposium,2012、および、K.Takenaka et al," Contextual Scene Segmentation of Driving Behavior based on Double Articulation Analyzer" IEEE/RSJ International Conference on Intelligent Robots and Systems,2012、等に詳述されているため、その詳細については説明を省略する。

（６Ｂ）上記実施形態では、クラスタ形成部２０をデータ収集・蓄積部１０と同様に通信網に接続されているがこれに限るものではなく、クラスタ形成部２０を、支援提供部３０と共に各車両に設けるようにしてもよい。

（６Ｃ）上記実施形態では、出現パターン分類部１５にて小クラスタを生成する際にクラスタリングを行っているが、クラスタリングを実行することなく、個々のドライバーをそのまま小クラスタに対応づけるようにしてもよい。

（６Ｄ）上記実施形態における一つの構成要素が有する機能を複数の構成要素として分散させたり、複数の構成要素が有する機能を一つの構成要素に統合させたりしてもよい。また、上記実施形態の構成の一部を省略してもよい。また、上記実施形態の構成の少なくとも一部を、他の上記実施形態の構成に対して付加または置換してもよい。なお、特許請求の範囲に記載した文言のみによって特定される技術思想に含まれるあらゆる態様が本発明の実施形態である。

（６Ｅ）上述した運転支援装置の他、当該運転支援装置を構成要素とするシステム、当該運転支援装置としてコンピュータを機能させるためのプログラム、このプログラムを記録した半導体メモリ等の非遷移的実態的記録媒体、運転支援方法など、種々の形態で本発明を実現することもできる。

１…運転支援装置、１０…データ収集・蓄積部、１１…運転行動データ収集部、１２…ドライバー情報収集部、１３…運転記号推定部、１４…運転記号データベース、１５…出現パターン分類部、１６…小クラスタデータベース、２０…クラスタ形成部、２１…分類要件データベース、２２…クラスタ形成処理部、２３…支援クラスタデータベース、３０…支援提供部、３１…運転行動データ取得部、３２…運転記号推定部、３３…所属クラスタ判定部、３４…支援モード判定部、３５…運転支援提供部

Claims

複数のドライバーについて、該ドライバーの運転操作および該運転操作の結果として現れる車両挙動のうち少なくとも一つを表す運転行動データを収集するデータ収集部（１１，１３，１４）と、
前記データ収集部にて収集された運転行動データを用いて、ドライバーの運転時の行動である運転行動の傾向を表す複数の小クラスタに分類すると共に、前記小クラスタのそれぞれに対応づけて、該小クラスタに属するドライバーの前記運転行動の特性を表す小クラスタ情報を蓄積する分類部（１５，１６）と、
ドライバーの運転を支援するために実行される車両制御または車載機器の制御を運転支援として、前記分類部にて分類された前記小クラスタを、前記運転支援の種類毎に設定された分類要件を充足し、かつ、前記運転支援に適した粒度となるように統合することで、前記運転支援の種類毎に、該運転支援におけるドライバーの運転行動の傾向を表す複数の支援クラスタを生成すると共に、前記支援クラスタのそれぞれに対応付けて、該支援クラスタに属する小クラスタの情報である支援クラスタ情報を蓄積する統合部（２０）と、
前記運転支援の対象となる支援対象ドライバーについての前記運転行動データである対象データを取得する対象データ取得部（３１，３２）と、
前記対象データ取得部により取得された対象データと、前記支援クラスタについて蓄積された前記支援クラスタ情報との比較により、前記運転支援の種類毎に、前記支援対象ドライバーが属する前記支援クラスタである所属クラスタを推定する推定部（３３）と、
前記運転支援を、前記推定部で推定された前記所属クラスタに対応づけられた内容で提供する支援提供部（３４，３５）と、
を備える運転支援装置。
請求項１に記載の運転支援装置において、
前記統合部は、
前記小クラスタに対し階層クラスタリングを実施することで、複数階層に階層化されたクラスタを生成する階層化部（２２：Ｓ２１０）と、
前記支援提供部が提供する前記運転支援の一つを対象支援として、前記階層化部で階層化された階層を最下層から順次選択し、選択された階層である選択階層に属するクラスタが、前記対象支援に適するか否かを判定するために前記分類要件を充足する割合が高い階層に属するクラスタを、前記対象支援で使用する前記支援クラスタに設定する設定部（２２：Ｓ２４０）と、
を備える運転支援装置。
請求項２に記載の運転支援装置において、
前記設定部は、前記対象支援に適するか否かの判定に、前記運転支援の種類毎に予め設定された特徴量について、前記支援クラスタ情報として蓄積された特徴量分布を用いる
運転支援装置。
請求項３に記載の運転支援装置において、
前記設定部は、前記特徴量分布について予め設定された有効範囲内に属するデータの割合が、予め設定された割合閾値以上であることを前記分類要件の一つとして用いる
運転支援装置。
請求項３または請求項４に記載の運転支援装置において、
前記設定部は、前記特徴量分布についてデータの密集度が予め設定された密集閾値以上となる部位が存在することを前記分類要件の一つとして用いる
運転支援装置。
請求項４または請求項５に記載の運転支援装置において、
前記設定部は、前記特徴量の分布を構成する全データ数が、予め設定された総数閾値より大きい場合に、前記分類要件の判断を許可する
運転支援装置
請求項２ないし請求項６のいずれか１項に記載の運転支援装置において、
前記階層化部は、前記階層クラスタリングとしてウォード法を用いる
運転支援装置。
請求項１ないし請求項７のいずれか１項に記載の運転支援装置において、
前記データ収集部は、ドライバーの運転行動に関わる状態を検出したデータの系列を複数の部分系列に分節化し、前記部分系列のそれぞれに該部分系列の状態に応じた運転記号を付与することで生成される前記運転記号の系列を前記運転行動データとし、
前記推定部での推定に、前記ドライバー毎に生成される前記運転記号の出現パターンを特徴量として用いる
運転支援装置。
請求項１ないし請求項８のいずれか１項に記載の運転支援装置において、
ドライバーの年齢、運転履歴、運転頻度のうち少なくとも一つを含んだドライバー情報を、前記データ収集部が収集する運転行動データに対応づけて収集するドライバー情報収集部（１２）を更に備え、
前記支援提供部は、前記運転支援の一つとして、前記ドライバー情報収集部にて収集されたドライバー情報に基づいて求めた、前記支援対象ドライバーの所属クラスタに属するドライバの代表値を提示する
運転支援装置。
請求項１ないし請求項９のいずれか１項に記載の運転支援装置において、
前記支援提供部は、前記運転支援の一つとして、前記蓄積データに基づき、前記所属クラスタに属するドライバーの平均的な運転行動と該所属クラスタ以外のクラスタに属するドライバーの平均的な運転行動とを比較し、両者の乖離度から前記支援対象ドライバーへの支援方法を決定する
運転支援装置。