JP6480143B2 - 運転特性診断装置、運転特性診断システム、運転特性診断方法 - Google Patents

Description

本発明は、運転特性診断装置、運転特性診断システム、運転特性診断方法に関する。

従来、車両に搭載されたセンサを用いて、運転手のアクセルワークやブレーキワーク、ハンドルワークなどを計測し、運転の荒さや事故リスクなどを推定および評価する運転特性診断が行われている。また、こうした運転特性診断の結果を用いて、事故リスクの高い運転手に対して運転アドバイスを行うサービスや、運転手の運転レベルに応じて自動車保険の保険料を変動するサービスも利用されている。これらのサービスを利用することで、ユーザは、事故率の削減や、安全運転により保険料を安く抑えられるなどのメリットを享受できる。

運転特性診断に関して、特許文献１に記載の車両用運転支援装置が知られている。この装置は、現在の走行状態と運転操作を示す短時間のデータと、その日の走行状態と運転操作を示す中時間のデータをそれぞれ取得する。そして、短時間のデータの分布と中時間のデータの分布とを比較することにより運転診断を行い、運転診断結果を２つの評価基準に従って評価する。これにより、診断結果に対する納得性を高めている。

特開２０１３−３０１８８号公報

特許文献１に記載の装置では、自転車やバイク等を含む他の車両や、自車両の周囲の歩行者、自車両の周囲環境など、外的要因の影響による運転操作が考慮されていない。そのため、診断結果がユーザの予期する結果と異なる場合があり、ユーザの納得性が低いという問題点がある。

本発明による運転特性診断装置は、車両の運転状態に関する情報を取得する情報取得部と、前記情報取得部により取得された情報に基づいて、前記車両におけるユーザの危険運転を検出する危険運転検出処理部と、前記危険運転に対する前記ユーザの過失の度合いである過過失度合を算出する過失度合算出部と、前記危険運転検出処理部による前記危険運転の検出結果と、前記過失度合算出部により算出された前記過失度合とに基づいて、前記ユーザに対する運転特性の診断を行う運転特性診断処理部と、前記運転特性診断処理部により診断された前記運転特性の診断結果を出力する診断結果出力部と、危険運転要素ごとに設定された所定の条件に基づいて前記危険運転の原因を推定する原因推定処理部とを備え、前記過失度合算出部は、前記危険運転要素ごとに前記ユーザの過失度合および外的要因の影響度合を算出し、算出した各過失度合および各影響度合に基づいて前記ユーザの総合的な過失度合を算出する。
本発明による運転特性診断システムは、上記の運転特性診断装置と、前記運転特性診断装置と接続される端末装置と、を有する。前記運転特性診断装置は、前記車両の運転状態に関する情報を前記端末装置から受信すると共に、前記診断結果出力部から出力された前記ユーザに対する運転特性の診断結果を前記端末装置に送信する。前記端末装置は、前記車両の運転状態に関する情報を前記運転特性診断装置へ送信すると共に、前記ユーザに対する運転特性の診断結果を前記運転特性診断装置から受信する通信部と、前記通信部により受信された前記運転特性の診断結果を表示するための表示処理を行う診断結果表示処理部と、を備える。
本発明による運転特性診断方法は、コンピュータにより、車両の運転状態に関する情報を取得し、取得した前記情報に基づいて、前記コンピュータにより、前記車両におけるユーザの危険運転を検出すると共に、前記危険運転に対する前記ユーザの過失の度合いである過失度合を算出し、前記危険運転の検出結果と、算出した前記過失度合とに基づいて、前記コンピュータにより、前記ユーザに対する運転特性の診断を行い、危険運転要素ごとに設定された所定の条件に基づいて前記危険運転の原因を推定し、前記危険運転要素ごとに前記ユーザの過失度合または外的要因の影響度合を算出し、算出した各過失度合および各影響度合に基づいて前記ユーザの総合的な過失度合を算出する。

本発明によれば、外的要因の影響を考慮して、ユーザの納得性が高い運転特性診断や情報出力を行うことができる。

本発明の一実施形態に係る運転特性診断システムの構成図である。 本発明の一実施形態に係る運転特性診断システムにおける運転特性診断処理の流れを示すフローチャートである。 本発明の一実施形態に係る運転特性診断システムにおける診断結果提供処理の流れを示すフローチャートである。 危険運転検出処理の流れを示すフローチャートである。 原因推定処理の流れを示すフローチャートである。 原因推定処理の流れを示すフローチャートである。 過失度合算出処理の流れを示すフローチャートである。 危険運転要素に対するユーザの過失度合を算出するために用いられるデータの例を示したグラフである。 運転特性の診断結果の表示画面例を示す図である。 運転特性の診断結果の表示画面例を示す図である。 運転特性の診断結果の表示画面例を示す図である。 運転特性の診断結果の表示画面例を示す図である。 運転特性の診断結果の表示画面例を示す図である。 運転特性の診断結果の表示画面例を示す図である。 運転特性の診断結果の表示画面例を示す図である。 運転特性の診断結果の表示画面例を示す図である。 運転特性の診断結果の表示画面例を示す図である。 運転特性の診断結果の表示画面例を示す図である。 原因推定処理と過失度合算出処理を合わせて行う場合の処理の流れを示すフローチャートである。

本発明の一実施形態による運転特性診断システムについて以下に説明する。図１は、本発明の一実施形態に係る運転特性診断システムの構成図である。

まず、本システムの構成要素を説明する。本システムは、テレマティクスセンタ１００および車載端末２００により構成される。テレマティクスセンタ１００と車載端末２００は、インターネットや携帯電話通信網などによって構成されるネットワーク３００を介して接続されている。

テレマティクスセンタ１００は、本発明の一実施形態に係る運転特性診断装置として機能する。テレマティクスセンタ１００は、演算処理装置１２０、記憶装置１３０および通信部１４０から構成される。演算処理装置１２０は、サーバ等のコンピュータに搭載されたＣＰＵなどによって実現され、各種の演算処理を実行する。演算処理装置１２０は、プローブ情報取得部１２１、動画情報取得部１２２、環境情報取得部１２３、プローブ情報前処理部１２４、危険運転検出処理部１２５、原因推定処理部１２６、過失度合算出部１２７、運転特性診断処理部１２８および診断結果出力部１２９を機能的に備える。記憶装置１３０は、ハードディスクドライブなどの記録媒体を用いたストレージである。記憶装置１３０には、ユーザ情報１３１、プローブ情報１３２、動画情報１３３、診断結果情報１３４、地図情報１３５などの情報が蓄積される。

ユーザ情報１３１は、図１の運転特性診断システムを利用する各ユーザを互いに識別するための情報である。ユーザ情報１３１には、たとえば各ユーザのＩＤ番号やユーザ名などの情報が含まれる。なお、説明を簡略化するため、図１では１つの車載端末２００のみを図示しているが、実際には、運転特性診断システムを利用する複数のユーザに対応して、複数の車載端末２００がネットワーク３００を介してテレマティクスセンタ１００に接続される。

プローブ情報１３２は、車載端末２００を搭載した各車両の運転状態に関する情報である。プローブ情報１３２には、たとえば車載端末２００に搭載された各種センサの計測データなどが含まれる。

動画情報１３３は、車載端末２００を搭載した各車両において撮影された動画の情報である。動画情報１３３には、たとえば走行中の各車両の周囲風景を撮影して得られた動画データや、車両を運転している各ユーザを撮影して得られた動画データなどの情報が含まれる。

診断結果情報１３４は、各ユーザに対する運転特性の診断結果を示す情報である。診断結果情報１３４は、運転特性診断処理部１２８により生成される。

地図情報１３５は、各道路の位置、方向、形状、接続関係、交通規則などを示す情報である。

プローブ情報取得部１２１は、車載端末２００から送信されて通信部１４０により受信されたプローブ情報２３２を取得し、プローブ情報１３２として記憶装置１３０に蓄積する。このときプローブ情報取得部１２１は、プローブ情報２３２と共に送信されるユーザ情報２３１に基づいて、プローブ情報１３２をユーザごとに分類して記憶装置１３０に蓄積する。

動画情報取得部１２２は、車載端末２００から送信されて通信部１４０により受信された動画情報２３３を取得し、動画情報１３３として記憶装置１３０に蓄積する。このとき動画情報取得部１２２は、動画情報２３３と共に送信されるユーザ情報２３１に基づいて、動画情報１３３をユーザごとに分類して記憶装置１３０に蓄積する。

環境情報取得部１２３は、記憶装置１３０に蓄積されたプローブ情報１３２に含まれるユーザの走行経路を示す位置情報に基づいて、車両走行時の周囲環境に関する情報（環境情報）を取得する。環境情報は、走行経路における制限速度などの法令に関する情報や、車両の走行位置に対応する気象情報、日照情報、道路交通情報（渋滞情報、事故情報等）などを含む。環境情報取得部１２３は、これらの環境情報を、不図示の情報提供者からネットワーク３００を介して取得することができる。

テレマティクスセンタ１００は、プローブ情報取得部１２１、動画情報取得部１２２、環境情報取得部１２３を用いて、以上説明したような情報をそれぞれ取得する。これにより、テレマティクスセンタ１００は、車両の運転状態に関する情報として、プローブ情報１３２、動画情報１３３および各種の環境情報を取得することができる。

プローブ情報前処理部１２４は、記憶装置１３０に蓄積されたプローブ情報１３２に対して、危険運転検出処理部１２５、原因推定処理部１２６および過失度合算出部１２７での処理に利用するための前処理を行う。この前処理には、たとえば、プローブ情報１３２に含まれる加速度データ等のセンサ計測データから、振動などによるノイズ成分を除去する処理や、交差点付近のプローブ情報を抽出する処理や、走行経路の道路種別を判定する処理などが含まれる。なお、上述した前処理を全て行う必要はない。また、必要に応じて、たとえばセンサ計測データをフーリエ変換するなど、各種のデータ成形処理等を行うことも可能である。

危険運転検出処理部１２５は、プローブ情報１３２に基づいて、車両におけるユーザの危険運転を検出する。危険運転検出処理部１２５が危険運転を検出する処理方法の詳細は後述する。

原因推定処理部１２６は、危険運転検出処理部１２５で検出された危険運転の原因を推定する。原因推定処理部１２６が危険運転の原因を推定する処理方法の詳細は後述する。

過失度合算出部１２７は、原因推定処理部１２６で推定された危険運転の原因を基に、危険運転検出処理部１２５で検出された危険運転に対するユーザの過失度合を算出する。過失度合算出部１２７がユーザの過失度合を算出する処理方法の詳細は後述する。

運転特性診断処理部１２８は、上記の危険運転検出処理部１２５、原因推定処理部１２６および過失度合算出部１２７の処理結果に基づいて、ユーザに対する運転特性の診断を行い、その診断結果を示す診断結果情報１３４を記憶装置１３０に蓄積する。診断結果情報１３４は、危険運転検出処理部１２５により検出された危険運転について、原因推定処理部１２６で推定された原因を示す情報と、過失度合算出部１２７で算出されたユーザの過失度合を示す情報とを含む。

診断結果出力部１２９は、車載端末２００から送信されたユーザによる運転特性の診断結果の要求に応じて、当該ユーザに対する運転特性の診断結果を通信部１４０に出力する。診断結果出力部１２９は、記憶装置１３０に蓄積されている診断結果情報１３４のうち、当該ユーザに対応する情報を読み出して、運転特性の診断結果として出力する。この際、ユーザの要求に応じて、指定された時刻、走行経路、走行位置等に対応する運転特性の診断結果を送信することも可能である。通信部１４０は、診断結果出力部１２９から出力された運転特性の診断結果を、ネットワーク３００を介して車載端末２００に送信する。

車載端末２００は、入出力装置２０１、加速度計測装置２０２、角速度計測装置２０３、地磁気計測装置２０４、位置測位装置２０５、カメラ２０６、マイク２０７、車間距離計測装置２０８、周辺近接計測装置２０９、車両情報取得装置２１０、視線計測装置２１１、生体情報計測装置２１２、通信部２４０、演算処理装置２２０および記憶装置２３０を備える。演算処理装置２２０は、ＣＰＵやＧＰＵなどによって実現され、各種の演算処理を実行する。演算処理装置２２０は、加速度変換処理部２２１、プローブ情報蓄積処理部２２２、プローブ情報出力部２２３、動画撮影処理部２２４、動画出力部２２５、診断結果取得部２２６および診断結果表示処理部２２７を備える。記憶装置２３０は、ハードディスクドライブ、ソリッドステートドライブ、ＳＤカードなどの記録媒体を用いたストレージである。記憶装置２３０には、ユーザ情報２３１、プローブ情報２３２、動画情報２３３、診断結果情報２３４、地図情報２３５などの情報が蓄積される。

車載端末２００は、ユーザが運転する車両（以下、「自車両」と称する）に搭載されている。なお、車載端末２００には、スマートフォン、カーナビゲーションシステム、ＴＣＵ（Ｔｅｌｅｍａｔｉｃｓ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）等の端末装置を利用することができる。さらに、これらの端末装置に、ステレオカメラ、車内撮影用カメラ、自車両周辺を撮影するオーバービューカメラ、車間距離を計測するためのレーザレーダやミリ波レーダ、生体情報計測装置などを組み合わせることで、車載端末２００としてもよい。

ユーザ情報２３１は、車載端末２００を使用しているユーザに関する情報である。ネットワーク３００を介してテレマティクスセンタ１００に接続される複数の車載端末２００には、それぞれ別々の内容を示すユーザ情報２３１が記録されている。

プローブ情報２３２は、車載端末２００において取得された自車両の運転状態に関する情報である。プローブ情報２３２は、プローブ情報出力部２２３により所定のタイミングで記憶装置２３０から読み出され、通信部２４０により、ネットワーク３００を介してテレマティクスセンタ１００に送信される。

動画情報２３３は、車載端末２００において撮影された動画の情報である。動画情報２３３は、動画出力部２２５により所定のタイミングで記憶装置２３０から読み出され、通信部２４０により、ネットワーク３００を介してテレマティクスセンタ１００に送信される。

診断結果情報２３４は、車載端末２００を利用しているユーザに対する運転特性の診断結果を示す情報である。診断結果情報２３４は、ユーザの要求に応じてテレマティクスセンタ１００から取得され、記憶装置２３０に蓄積される。

地図情報２３５は、各道路の位置、方向、形状、接続関係、交通規則などを示す情報である。

入出力装置２０１は、ユーザの操作入力を受け付けるための入力装置と、各種の情報を出力するための出力装置によって構成される。入力装置としては、たとえば操作ボタン等のハードウェアスイッチやタッチパネルなどが考えられる。また、ユーザが行った特定のジェスチャーを検出してそのジェスチャーに対応する処理を行うジェスチャー入力や、ユーザの音声を認識して処理を行う音声入力などを利用して、入力装置を実現してもよい。出力装置としては、たとえば画面表示を行うＬＣＤ等のディスプレイ装置、音声を出力するスピーカ、ＬＥＤ等の発光装置、バイブレータなどが考えられる。なお、入出力装置２０１において、入力装置と出力装置を別々の端末装置で構成してもよい。たとえば、スマートフォンのタッチパネルを入力装置として利用し、自車両に搭載されたカーナビゲーションシステムの表示装置やスピーカを出力装置として利用することができる。

加速度計測装置２０２は、自車両の挙動に応じた各方向の加速度を計測する。加速度計測装置２０２には、たとえば加速度センサが用いられる。

角速度計測装置２０３は、自車両の挙動に応じた各方向の回転角速度を計測する。角速度計測装置２０３には、たとえば角速度センサが用いられる。

地磁気計測装置２０４は、自車両の進行方位に応じた各方向の地磁気を計測する。地磁気計測装置２０４には、たとえば地磁気センサが用いられる。

位置測位装置２０５は、自車両の走行位置を計測する。位置測位装置２０５には、たとえばＧＰＳセンサが用いられる。また、ネットワーク３００内で車載端末２００が接続されている基地局の情報に基づいて、自車両の走行位置を計測してもよい。

カメラ２０６は、自車両の前方や自車両を運転しているユーザを撮影する。カメラ２０６で撮影された映像は、動画撮影処理部２２４に出力される。

マイク２０７は、ユーザが発声した音声を検出して音声信号に変換する。

車間距離計測装置２０８は、自車両と前方の他車両との車間距離を計測する。車間距離計測装置２０８には、たとえばレーザレーダ、ミリ波レーダ、赤外線センサ、ステレオカメラ、モノラルカメラなどを用いることができる。また、カメラ２０６を車間距離計測装置２０８として用いてもよい。なお、加速度計測装置２０２によって計測された加速度の周波数成分などに基づいて、自車両と前方の他車両との車間距離を推定してもよい。

周辺近接計測装置２０９は、自車両周辺に存在する他車両、自転車やバイク等の二輪車、歩行者など、自車両以外の他者（以下、単に「他者」と称する）を検出し、自車両から他者までの距離や、自車両に対する他者の相対位置などを計測する。周辺近接計測装置２０９には、たとえばレーザレーダ、ミリ波レーダ、赤外線センサ、ステレオカメラ、モノラルカメラなどを用いることができる。なお、必ずしも単一種類の機器で周辺近接計測装置２０９を構成する必要はなく、複数種類の機器を組み合わせて構成してもよい。また、カメラ２０６を周辺近接計測装置２０９として用いてもよい。さらに、車間距離計測装置２０８と周辺近接計測装置２０９を共通化してもよい。

車両情報取得装置２１０は、自車両の状態に関する車両情報を自車両から取得する。車両情報取得装置２１０は、たとえば自車両に設置されているＯＢＤ２（Ｏｎ−Ｂｏａｒｄ Ｄｉａｇｎｏｓｔｉｃｓ ２ｎｄ Ｇｅｎｅｒａｔｉｏｎ）ポートなどを介して、ＣＡＮ（Ｃｏｎｔｒｏｌｌｅｒ Ａｒｅａ Ｎｅｔｗｏｒｋ）情報などを車両情報として取得する。車両情報取得装置２１０が取得する車両情報には、速度情報、ステアリング操作情報、アクセル操作情報、ブレーキ操作情報、ウィンカ操作情報、エンジン回転数情報などが含まれる。

視線計測装置２１１は、自車両を運転中のユーザの視線に関するデータを計測する。視線計測装置２１１は、たとえば車内撮影用カメラや赤外線センサなどを用いて、ユーザの顔の向き、視線方向、まぶたの開閉情報などを、ユーザの視線に関するデータとして計測する。なお、視線計測装置２１１として、メガネ型デバイスなどを用いることも可能である。また、カメラ２０６を視線計測装置２１１として用いてもよい。

生体情報計測装置２１２は、自車両を運転中のユーザの生体情報を計測する。生体情報計測装置２１２は、たとえばユーザの脳波、心拍数、血圧、体温、筋電、発汗などのデータを生体情報として検出する。

加速度変換処理部２２１は、加速度計測装置２０２により計測された各方向の加速度を、自車両の進行方向（前後方向）の加速度と、自車両の左右方向、すなわち進行方向に水平に直交する方向の加速度と、自車両の鉛直方向の加速度とに分解する。加速度変換処理部２２１は、車載端末２００が自車両に搭載された状態での加速度計測装置２０２の向きを示す情報を記憶している。この情報に基づいて、加速度変換処理部２２１は、加速度計測装置２０２により計測された各方向の加速度を、自車両の進行方向、左右方向、鉛直方向にそれぞれ変換する。

プローブ情報蓄積処理部２２２は、車載端末２００が取得した各種情報に基づいてプローブ情報２３２を生成し、記憶装置２３０に蓄積する。プローブ情報蓄積処理部２２２は、前述の入出力装置２０１、加速度計測装置２０２、角速度計測装置２０３、地磁気計測装置２０４、位置測位装置２０５、カメラ２０６、マイク２０７、車間距離計測装置２０８、周辺近接計測装置２０９、車両情報取得装置２１０、視線計測装置２１１および生体情報計測装置２１２でそれぞれ計測または取得されたデータや情報のうち任意のものを用いて、プローブ情報２３２を生成することができる。

プローブ情報出力部２２３は、記憶装置２３０に蓄積されたユーザ情報２３１およびプローブ情報２３２を読み出し、通信部２４０に出力する。通信部２４０は、プローブ情報出力部２２３から出力されたユーザ情報２３１およびプローブ情報２３２を、ネットワーク３００を介してテレマティクスセンタ１００に送信する。このとき、送信済みのプローブ情報２３２が再び送信されないようにするため、送信済みのプローブ情報２３２を記憶装置２３０から消去してもよい。プローブ情報出力部２２３は、プローブ情報２３２を一定期間ごとに、または自車両の走行終了時点など所定のタイミングごとに、通信部２４０に出力することができる。なお、記憶装置２３０に蓄積されたプローブ情報２３２の全てを必ずしも同時に送信する必要はなく、プローブ情報２３２の内容ごとに別々のタイミングで送信してもよい。

動画撮影処理部２２４は、カメラ２０６で撮影された映像に基づいて動画情報２３３を作成し、記憶装置２３０に蓄積する。動画撮影処理部２２４は、たとえば一定期間ごとの映像や、ユーザが危険運転を行った前後の所定期間（たとえば数秒間）の映像を抽出することで、動画情報２３３を作成する。なお、ユーザの要求に応じて動画情報２３３を作成するか否かを選択できるようにしてもよい。

動画出力部２２５は、記憶装置２３０に蓄積されたユーザ情報２３１および動画情報２３３を読み出し、通信部２４０に出力する。通信部２４０は、動画出力部２２５から出力されたユーザ情報２３１および動画情報２３３を、ネットワーク３００を介してテレマティクスセンタ１００に送信する。このとき、送信済みの動画情報２３３が再び送信されないようにするため、送信済みの動画情報２３３を記憶装置２３０から消去してもよい。動画出力部２２５は、動画情報２３３を一定期間ごとに、またはユーザの危険運転が検出された後など所定のタイミングごとに、通信部２４０に出力することができる。

診断結果取得部２２６は、テレマティクスセンタ１００から送信されて通信部２４０により受信されたユーザの運転特性の診断結果を取得し、診断結果情報２３４として記憶装置２３０に蓄積する。ユーザから運転特性の診断結果を要求する旨の指示が入出力装置２０１に入力されると、これに応じて、診断結果取得部２２６は、通信部２４０を用いて、当該ユーザに対する運転特性の診断結果の要求をテレマティクスセンタ１００に送信する。このときユーザは、任意の時間範囲や場所などを指定することで、要求する運転特性の診断結果の条件を指定することができる。この要求がテレマティクスセンタ１００において受信されることで、前述のようにして、診断結果出力部１２９から当該ユーザに対する運転特性の診断結果が出力され、通信部１４０により車載端末２００に送信される。これを通信部２４０により受信することで、診断結果取得部２２６はユーザの運転特性の診断結果を取得することができる。

診断結果表示処理部２２７は、記憶装置２３０に蓄積された診断結果情報２３４に基づいて所定の表示制御処理を行うことにより、運転診断結果の表示画面データを生成し、入出力装置２０１に出力する。この表示画面データに基づいて、入出力装置２０１は、後述のようなユーザの運転診断結果を示す画面を表示することができる。なお、診断結果表示処理部２２７は、ユーザからの要求に応じて、入出力装置２０１に表示される画面の内容を適宜切り替えるための処理を行うことが好ましい。

本発明の一実施形態に係る運転特性診断システムは、以上説明したような構成を基本的に有している。なお、図１に示した構成要素を必ずしも全て備える必要はない。後述する危険運転の検出処理や、危険運転の原因推定処理、危険運転に対するユーザの過失度合算出処理の内容に応じて、テレマティクスセンタ１００や車載端末２００における構成要素の一部を適宜省略してもよい。また、記憶装置１３０や記憶装置２３０に蓄積される情報の一部を適宜省略してもよい。

続いて、本システムにおいて行われる運転特性診断処理について説明する。図２は、本発明の一実施形態に係る運転特性診断システムにおける運転特性診断処理の流れを示すフローチャートである。

車載端末２００は、所定の運転開始条件が満たされると、ステップＳ２００１において自車両の運転開始を検出する。このとき車載端末２００は、たとえばユーザが入出力装置２０１を用いて所定の操作を行ったときや、自車両のイグニッションスイッチを操作して自車両を起動したときに、運転開始条件が満たされたと判断することができる。また、車載端末２００は、自車両の移動距離が所定の閾値（たとえば５０ｍ）を超えたときや、自車両の走行速度が所定の閾値（たとえば時速１５ｋｍ）を超えたときに、運転開始条件が満たされたと判断してもよい。

車載端末２００は、ステップＳ２００２において、プローブ情報２３２および動画情報２３３を生成する。このとき車載端末２００は、入出力装置２０１、加速度計測装置２０２、角速度計測装置２０３、地磁気計測装置２０４、位置測位装置２０５、カメラ２０６、マイク２０７、車間距離計測装置２０８、周辺近接計測装置２０９、車両情報取得装置２１０、視線計測装置２１１および生体情報計測装置２１２により、自車両の運転状態に関する様々な情報を検出する。そして、プローブ情報蓄積処理部２２２により、検出した情報に基づいてプローブ情報２３２を生成し、記憶装置２３０に蓄積する。また、車載端末２００は、カメラ２０６で撮影された映像に基づいて、動画撮影処理部２２４により動画情報２３３を生成し、記憶装置２３０に蓄積する。

車載端末２００は、ステップＳ２００３において、ステップＳ２００２で記憶装置２３０に蓄積されたプローブ情報２３２および動画情報２３３をテレマティクスセンタ１００へ送信する。このとき車載端末２００は、プローブ情報出力部２２３により、記憶装置２３０からプローブ情報２３２を読み出して通信部２４０に出力すると共に、動画出力部２２５により、記憶装置２３０から動画情報２３３を読み出して通信部２４０に出力する。通信部２４０は、プローブ情報出力部２２３と動画出力部２２５からそれぞれ入力されたプローブ情報２３２および動画情報２３３を、ネットワーク３００を介してテレマティクスセンタ１００に送信する。なお、プローブ情報２３２および動画情報２３３の送信は、前述のように一定時間ごとに行ってもよいし、所定のタイミングごとに行ってもよい。また、ステップＳ２００２でプローブ情報２３２および動画情報２３３を生成したら、車載端末２００は、これらを記憶装置２３０に蓄積せずに、そのまま通信部２４０に出力してテレマティクスセンタ１００へ送信してもよい。

車載端末２００は、ステップＳ２００４において、自車両の運転が継続中であるか否かを判定する。このとき車載端末２００は、ステップＳ２００１で用いたのと同様の運転開始条件に基づいて、ステップＳ２００４の判定を行うことができる。その結果、自車両の運転が継続中であれば、車載端末２００は、ステップＳ２００２へ戻って上記の処理を繰り返す。一方、自車両の運転が継続中でなければ、車載端末２００は、ステップＳ２００５に進んで運転終了と判断し、図２の処理フローを終了する。

テレマティクスセンタ１００は、ステップＳ２１０１において、ステップＳ２００３で車載端末２００から送信されたプローブ情報２３２および動画情報２３３を、通信部１４０により受信する。受信したプローブ情報２３２と動画情報２３３は、プローブ情報取得部１２１と動画情報取得部１２２により、プローブ情報１３２、動画情報１３３として記憶装置１３０にそれぞれ蓄積される。

テレマティクスセンタ１００は、ステップＳ２１０２において、ステップＳ２１０１で車載端末２００から受信して記憶装置１３０に蓄積されたプローブ情報１３２に対して、プローブ情報前処理部１２４により、所定の前処理を行う。このときプローブ情報前処理部１２４は、前述のように、振動などによるノイズ成分の除去や、交差点付近のプローブ情報の抽出、走行経路の道路種別の判定などの処理を、前処理として行うこと。たとえば、ローパスフィルタや離散ウェーブレット変換等の手法を用いて、プローブ情報１３２に含まれる加速度情報や他の情報から、振動によるノイズ成分を除去することができる。また、プローブ情報１３２の中から、自車両が走行経路において交差点付近を通過した際の情報を抽出したり、走行経路における道路種別を考慮して、プローブ情報１３２に道路種別情報を付与したりすることも考えられる。なお、プローブ情報１３２だけでなく、動画情報２３３に対しても、必要に応じて前処理を行ってもよい。また、ステップＳ２１０１でプローブ情報１３２や動画情報２３３を受信したら、これらを記憶装置１３０に蓄積する前に、ステップＳ２１０２において前処理を実行してもよい。

さらに、ステップＳ２１０２で行う前処理では、記憶装置１３０に蓄積されたプローブ情報１３２や動画情報１３３のうち、不要な情報を削除（除外）してもよい。たとえば、自車両が停車中であるときに取得されたプローブ情報は、危険運転の検出や運転特性の診断においては不要である。そのため、プローブ情報前処理部１２４は、プローブ情報１３２のうち、自車両が停車中であると判断された期間に対応する情報については削除して、以降の処理対象から除外する。このとき、プローブ情報前処理部１２４は、たとえばプローブ情報１３２に基づいて自車両の位置を一定時間毎に特定し、その２地点間の距離を算出することで、自車両の移動距離を算出する。この移動距離が所定の閾値未満であれば、自車両が停車中であると判定することができる。これ以外にも、プローブ情報前処理部１２４は、様々な方法により、プローブ情報１３２や動画情報１３３から不要な情報を抽出して除外することができる。

テレマティクスセンタ１００は、ステップＳ２１０３において、危険運転検出処理部１２５により、ユーザの危険運転を検出するための危険運転検出処理を行う。このとき危険運転検出処理部１２５が行う具体的な処理の内容は、図４のフローチャートを参照して後述する。なお、危険運転検出処理部１２５は、ステップＳ２１０１でプローブ情報２３２および動画情報２３３を受信すると、それに応じてリアルタイムで危険運転検出処理を実行してよい。あるいは、たとえば自車両の運転終了後など、所定のタイミングで危険運転検出処理を実行してもよい。さらに、後述する図３のステップＳ３１０１で車載端末２００から運転特性の診断結果要求を受信すると、それに応じて危険運転検出処理を実行してもよい。

テレマティクスセンタ１００は、ステップＳ２１０４において、ステップＳ２１０３で危険運転検出処理を行った結果に基づいて、危険運転検出処理部１２５が危険運転を検出したか否かを判定する。危険運転検出処理において、ユーザによる自車両の危険運転が検出された場合はステップＳ２１０５へ進み、検出されなかった場合はステップＳ２１０７に進む。

テレマティクスセンタ１００は、ステップＳ２１０５において、原因推定処理部１２６により、ステップＳ２１０３で検出した危険運転の原因を推定するための原因推定処理を行う。このとき原因推定処理部１２６が行う具体的な処理の内容は、図５、６のフローチャートを参照して後述する。

テレマティクスセンタ１００は、ステップＳ２１０６において、過失度合算出部１２７により、ステップＳ２１０３で検出した危険運転に対するユーザの過失度合を算出するための過失度合算出処理を行う。このとき過失度合算出部１２７が行う具体的な処理の内容は、図７のフローチャートを参照して後述する。

テレマティクスセンタ１００は、ステップＳ２１０７において、運転特性診断処理部１２８により、ユーザに対する運転特性の診断結果を算出する。このとき運転特性診断処理部１２８は、ステップＳ２１０３による危険運転の検出結果と、ステップＳ２１０５で推定した危険運転の原因と、ステップＳ２１０６で算出した危険運転に対するユーザの過失度合とに基づいて、車載端末２００を所有する各ユーザについて、運転特性の診断結果を算出する。なお、ステップＳ２１０４で危険運転を検出したと判定された場合にのみ、ステップＳ２１０７を実行して運転特性の診断結果を算出してもよい。

テレマティクスセンタ１００は、ステップＳ２１０８において、運転特性診断処理部１２８により、ステップＳ２１０７で算出した運転特性の診断結果を記憶装置１３０に蓄積する。このとき運転特性診断処理部１２８は、運転特性の診断結果を示す情報を、診断結果情報１３４として記憶装置１３０に蓄積する。ステップＳ２１０８の処理を実行したら、テレマティクスセンタ１００は、図２の処理フローを終了する。

なお、以上説明した図２のフローチャートにおいて、テレマティクスセンタ１００は、ステップＳ２１０６の過失度合算出処理を実行しなくてもよい。その場合、テレマティクスセンタ１００は、ステップＳ２１０７において、ステップＳ２１０５で推定された危険運転の原因について、その原因に対する推定確率を算出し、算出した推定確率をステップＳ２１０８で記憶装置１３０に蓄積してもよい。あるいは、危険運転の原因のみを推定し、推定確率を算出しなくてもよい。

続いて、本システムにおいて行われる診断結果提供処理について説明する。図３は、本発明の一実施形態に係る運転特性診断システムにおける診断結果提供処理の流れを示すフローチャートである。

車載端末２００は、所定の要求開始条件が満たされると、ステップＳ３００１において運転特性の診断結果に対するユーザからの要求開始を検出する。このとき車載端末２００は、たとえばユーザが入出力装置２０１を用いて所定の操作を行ったときや、自車両の運転が終了したときに、要求開始条件が満たされたと判断することができる。

車載端末２００は、ステップＳ３００２において、運転特性の診断結果に対する表示要求をテレマティクスセンタ１００へ送信する。このとき車載端末２００は、診断結果取得部２２６および通信部２４０により、ユーザに対する運転特性の診断結果の要求として、所定の要求信号をテレマティクスセンタ１００へ送信する。この要求信号には、ユーザが運転特性の診断結果に対して指定した要求条件や、ユーザを特定するための情報などが含まれる。

テレマティクスセンタ１００は、ステップＳ３１０１において、ステップＳ３００２で車載端末２００から送信された要求信号を、通信部１４０により受信する。受信した要求信号は、通信部１４０から診断結果出力部１２９に出力される。

テレマティクスセンタ１００は、ステップＳ３１０２において、診断結果出力部１２９により、ステップＳ３００１で運転特性の診断結果を要求したユーザに対応する診断結果を記憶装置１３０から取り出す。このときテレマティクスセンタ１００は、ステップＳ３１０１で受信した要求信号に基づいてユーザを特定する。そして、記憶装置１３０に蓄積されている診断結果情報１３４のうちで当該ユーザに対応する情報を、当該ユーザが指定された要求条件に従って抽出する。

テレマティクスセンタ１００は、ステップＳ３１０３において、ステップＳ３１０２で取り出した診断結果を車載端末２００へ送信する。このときテレマティクスセンタ１００は、取り出した診断結果の情報を診断結果出力部１２９から通信部１４０に出力して、通信部１４０により送信する。ステップＳ３１０３の処理を実行したら、テレマティクスセンタ１００は、図３の処理フローを終了する。

車載端末２００は、ステップＳ３００３において、テレマティクスセンタ１００から運転特性の診断結果を通信部２４０により受信し、入出力装置２０１に表示する。このとき車載端末２００は、受信した診断結果の情報に基づいて、診断結果表示処理部２２７により所定の表示制御処理を行い、入出力装置２０１の表示画面を制御する。これにより、ステップＳ３００１でユーザが行った要求に応じて、運転特性の診断結果がユーザに提示される。なお、このときの入出力装置２０１における運転特性の診断結果の具体的な表示方法については、後で説明する。ステップＳ３００３の処理を実行したら、車載端末２００は、図３の処理フローを終了する。

なお、以上説明した図３の診断結果提供処理のフローにおいて、車載端末２００は、ステップＳ３００１でユーザからの要求開始を検出しなくても、ステップＳ３００２を実行して、運転特性の診断結果に対する表示要求をテレマティクスセンタ１００へ送信してもよい。たとえば、一日、一週間、一か月等の所定期間ごとに、車載端末２００からテレマティクスセンタ１００へ運転特性の診断結果に対する表示要求を行うようにする。このようにすれば、当該期間内で蓄積されたユーザの運転状態に関する情報に基づいて、ユーザに対する運転特性の診断をテレマティクスセンタ１００において行い、その結果をテレマティクスセンタ１００から車載端末２００へ送信して、ユーザに提供することができる。さらに、車載端末２００から要求信号の送信がなくても、テレマティクスセンタ１００が危険運転を検出した場合に、テレマティクスセンタ１００から車載端末２００へ運転特性の診断結果を送信するようにしてもよい。

また、図３の処理フローに示したステップＳ３００１〜Ｓ３００３の処理を実行する車載端末２００と、図２の処理フローにおいてステップＳ２００１〜Ｓ２００５の処理を実行する車載端末２００とは、同一の機器でなくてもよい。たとえば、ネットワーク３００に接続されているテレビ、ノートＰＣ、タブレットＰＣ、スマートフォンなど、図２の処理で使用したのとは別の機器を用いても、図３の処理を実行することができる。さらに、ステップＳ３００２でテレマティクスセンタ１００へ要求信号を送信する車載端末２００と、ステップＳ３００３でテレマティクスセンタ１００から運転特性の診断結果を受信して表示する車載端末２００についても、同一の機器でなくてもよい。たとえばユーザは、自車両に搭載されたカーナビゲーション等の車載端末２００から要求信号を送信した後に、自宅に設置されたテレビやＰＣ等を車載端末２００として用いて、運転特性の診断結果を受信および表示することができる。この場合、運転特性の診断結果の受信および表示に使用する車載端末２００は、自車両に搭載されていなくても構わない。

次に、図２のステップＳ２１０３で行われる危険運転検出処理について説明する。図４は、危険運転検出処理の流れを示すフローチャートである。

危険運転検出処理部１２５は、ステップＳ４００１において、プローブ情報１３２に含まれる自車両の加速度データに基づいて、自車両の前後方向の加速度が所定の閾値（たとえば０．５ｍ／ｓ^２）を負方向に超過しているか否かを判定する。超過している場合、すなわち自車両の加速度が後方に向けて所定の閾値以上である場合は、ユーザが自車両を急減速または急停止させたと判定してステップＳ４００４に進み、そうでない場合はステップＳ４００２に進む。

危険運転検出処理部１２５は、ステップＳ４００２において、プローブ情報１３２に含まれる自車両の加速度データに基づいて、自車両の左右方向の加速度が所定の閾値（たとえば０．５ｍ／ｓ^２）を超過しているか否かを判定する。超過している場合、すなわち自車両の加速度が左または右方向に所定の閾値以上である場合は、ユーザが自車両に対して急ハンドル操作を行ったと判定してステップＳ４００４に進み、そうでない場合はステップＳ４００３に進む。

危険運転検出処理部１２５は、ステップＳ４００３において、自車両におけるユーザの安全運転を検出する。このときテレマティクスセンタ１００は、ユーザが急減速、急停止、急ハンドル操作などの危険運転を行っておらず、安全運転をしていると判断する。ステップＳ４００３を実行したら、危険運転検出処理部１２５は、安全運転を検出したことを示す検出結果を出力し、図２のステップＳ２１０４に進む。なお、安全運転ではなく、危険運転が未検出であることを示す検出結果を出力してもよい。

危険運転検出処理部１２５は、ステップＳ４００４において、自車両におけるユーザの危険運転を検出する。このときテレマティクスセンタ１００は、ユーザが急減速、急停止、急ハンドル操作などの危険運転を行ったと判断する。ステップＳ４００４を実行したら、危険運転検出処理部１２５は、危険運転を検出したことを示す検出結果を出力し、図２のステップＳ２１０４に進む。なお、危険運転を検出したことに加えて、危険運転の種類を示す情報を検出結果に含めてもよい。

なお、図４に示した危険運転検出処理は、テレマティクスセンタ１００の危険運転検出処理部１２５ではなく、車載端末２００で行うことも可能である。この場合、車載端末２００は、加速度変換処理部２２１において求められた自車両の進行方向および左右方向の加速度に基づいて、ステップＳ４００１やＳ４００２の判定を行い、その判定結果を示す情報をプローブ情報２３２に含めて送信する。テレマティクスセンタ１００は、車載端末２００から受信したプローブ情報２３２を基に記憶装置１３０に蓄積されたプローブ情報１３２に基づいて、車載端末２００での判定結果を取得する。これにより、ユーザが安全運転または危険運転のどちらを行っていたかを判断することができる。

次に、図２のステップＳ２１０５で行われる原因推定処理について説明する。図５および図６は、原因推定処理の流れを示すフローチャートである。

原因推定処理部１２６は、ステップＳ５００１およびＳ５２０１において、ユーザが漫然運転を行っていたか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５００１において、プローブ情報１３２に含まれるユーザの視線方向データに基づいて、一定時間（たとえば３秒間）における視線方向角の分散が所定の閾値（たとえば０．３）以下であるか否かを判定する。その結果、分散が閾値以下の場合は、ユーザが漫然運転を行っていたものと判断し、ステップＳ５２０１において漫然運転を検出した後に、ステップＳ５００２へ進む。一方、分散が閾値よりも大きい場合は、ステップＳ５２０１を実行せずにステップＳ５００２に進む。なお、視線方向角の分散に替えて、標準偏差などを用いて、ステップＳ５００１の判定を行ってもよい。

原因推定処理部１２６は、ステップＳ５００２およびＳ５２０２において、ユーザが脇見運転を行っていたか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５００２において、プローブ情報１３２に含まれるユーザの視線方向データに基づいて、視線方向角が所定の閾値（たとえば５０°）以上である期間が一定時間（たとえば３秒間）以上継続したか否かを判定する。その結果、視線方向角が閾値以上である期間が一定時間以上継続した場合は、ユーザが脇見運転を行っていたものと判断し、ステップＳ５２０２において脇見運転を検出した後に、ステップＳ５００３へ進む。一方、このような条件を満たさない場合は、ステップＳ５２０２を実行せずにステップＳ５００３に進む。なお、視線方向ではなく、カメラ２０６で撮影されたユーザの顔の向きなどを用いて、ステップＳ５００２の判定を行ってもよい。また、一定時間における視線方向角の平均値が閾値を超えたときに、ユーザが脇見運転を行ったと判断してもよい。ここで、自車両が停車中のときには、ステップＳ５００２の判定条件を満たした場合であっても、脇見運転を検出しないことが好ましい。

原因推定処理部１２６は、ステップＳ５００３およびＳ５２０３において、自車両と前方の他車両との車間距離が適切であったか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５００３において、プローブ情報１３２に含まれる車間距離の計測データに基づいて、自車両と前方の他車両との車間距離が所定の閾値（たとえば１０ｍ）以下であるか否かを判定する。その結果、車間距離が閾値以下である場合は、車間距離が適切ではなかったと判断し、ステップＳ５２０３において車間距離不保持を検出した後に、ステップＳ５００４へ進む。一方、車間距離が閾値よりも大きい場合は、車間距離が適切であったと判断し、ステップＳ５２０３を実行せずにステップＳ５００４に進む。このとき、図４で説明した危険運転検出処理において危険運転が検出された時点またはその直前の時点での車間距離の計測データを用いて、ステップＳ５００３の判定を行ってもよい。また、一定時間（たとえば３秒間）における車間距離の平均値が閾値以下となったときに、車間距離が適切ではなかったと判断してもよい。

原因推定処理部１２６は、ステップＳ５００４およびＳ５２０４において、ユーザが会話しながら運転していたか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５００４において、プローブ情報１３２に含まれるマイク２０７による音声の音圧計測データに基づいて、ユーザが発した音声の音圧が所定の閾値（たとえば５０デシベル）以上であるか否かを判定する。その結果、音圧が閾値以上である場合は、ユーザが運転中に会話を行っていたと判断し、ステップＳ５２０４において会話運転を検出した後に、ステップＳ５００５へ進む。一方、音圧が閾値よりも小さい場合は、ユーザが運転中に会話を行っていなかったと判断し、ステップＳ５２０４を実行せずにステップＳ５００５に進む。なお、マイク２０７で音声の音圧を計測する際には、音声以外の音を除外する処理を行うことが好ましい。また、一定時間（たとえば５秒間）に計測した音声の音圧が閾値以上となったときに、ユーザが運転中に会話を行っていたと判断してもよい。

原因推定処理部１２６は、ステップＳ５００５およびＳ５２０５において、ユーザが自車両内の機器を操作しながら運転していたか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５００５において、プローブ情報１３２に含まれる入出力装置２０１の操作情報や車両情報に基づいて、ユーザが一定時間（たとえば５秒間）以内に、所定の閾値（たとえば５回）以上の回数で、自車両に搭載されているボタン等の機器操作を行ったか否かを判定する。その結果、操作回数が閾値以上である場合は、ユーザが運転中には危険な機器操作を自車両内で行っていたと判断し、ステップＳ５２０５において機器操作を検出した後に、ステップＳ５００６へ進む。一方、機器の操作回数が閾値よりも少ない場合は、ユーザが運転中には危険な機器操作を行っていなかったと判断し、ステップＳ５２０５を実行せずにステップＳ５００６に進む。

原因推定処理部１２６は、ステップＳ５００６およびＳ５２０６において、ユーザが自車両を急に車線変更させたか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５００６において、プローブ情報１３２に含まれる車両情報が表すステアリング操作情報やウィンカ操作情報に基づいて、ユーザが方向指示を行ってから車線変更までの所要時間が所定の閾値（たとえば３秒）以下であるか否かを判定する。その結果、所要時間が閾値以下である場合は、ユーザが自車両を急に車線変更させたと判断し、ステップＳ５２０６において急な車線変更を検出した後に、ステップＳ５００７へ進む。一方、所要時間が閾値よりも大きい場合は、急な車線変更ではないと判断し、ステップＳ５２０６を実行せずにステップＳ５００７に進む。このとき、ステアリング操作情報が示すステアリング角や、カメラ２０６で撮影された自車両前方の撮影画像から検出された道路標示線の位置、プローブ情報１３２に含まれる自車両の加速度データなどに基づいて、自車両が車線変更を行ったか否かを判断してもよい。

原因推定処理部１２６は、ステップＳ５００７およびＳ５２０７において、ユーザが長時間運転を行っていたか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５００７において、ユーザの運転継続時間が所定の閾値（たとえば２時間）以上であるか否かを判定する。その結果、運転継続時間が閾値以上である場合は、ユーザが長時間運転を行っていたと判断し、ステップＳ５２０７において長時間運転を検出した後に、ステップＳ５００８へ進む。一方、運転継続時間が閾値よりも小さい場合は、ユーザが長時間運転を行っていないと判断し、ステップＳ５２０７を実行せずにステップＳ５００８に進む。なお、車載端末２００は、図２のステップＳ２００１で運転開始を検出した時点を示す情報や、運転開始からの経過時間を示す情報を、プローブ情報１３２に含めて送信することが好ましい。この情報に基づいて、原因推定処理部１２６は、運転継続時間を求めることができる。

原因推定処理部１２６は、ステップＳ５００８およびＳ５２０８において、ユーザが急ぎ運転を行っていたか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５００８において、プローブ情報１３２に含まれる自車両の加速度データに基づいて、一定時間（たとえば３秒間）における自車両の前後方向の加速度の分散が、所定の閾値（たとえば０．３）未満の状態が続いた後に閾値を超えると、自車両が停止状態から発進したと判断する。そして、このときの加速度が所定の閾値（たとえば０．７ｍ／ｓ^２）以上であるか否かを判定する。その結果、前後方向の加速度が閾値以上である場合は、ユーザが急ぎ運転を行っていたと判断し、ステップＳ５２０８において急ぎ運転を検出した後に、ステップＳ５００９へ進む。一方、発進時でない場合や、発進時の前後方向の加速度が閾値よりも小さい場合は、ユーザが急ぎ運転を行っていないと判断し、ステップＳ５２０８を実行せずにステップＳ５００９に進む。

原因推定処理部１２６は、ステップＳ５００９およびＳ５２０９において、ユーザが不注意運転を行っていたか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５００９において、プローブ情報１３２に含まれる脳波や筋電位等の生体情報の計測データに基づいて、ユーザが考え事をしているか否かを判断し、ユーザが考え事をしている場合は、その時間が所定の閾値（たとえば３０秒）以上であるか否かを判定する。その結果、ユーザが考え事をしている時間が閾値以上である場合は、ユーザの運転に対する集中力が低下してユーザが不注意運転を行っていたと判断し、ステップＳ５２０９において不注意運転を検出した後に、ステップＳ５０１０へ進む。一方、ユーザが考え事をしていない場合や、考え事をしている時間が閾値よりも小さい場合は、ユーザが不注意運転を行っていないと判断し、ステップＳ５２０９を実行せずにステップＳ５０１０に進む。なお、生体情報は個人差が大きいため、ユーザが考え事をしているか否かを判断する際には、事前に測定された様々な状態でのユーザの生体情報に基づいて設定された閾値を用いることが好ましい。または、機械学習等の手法を用いて、ユーザが考え事をしているか否かを推定してもよい。

原因推定処理部１２６は、ステップＳ５０１０およびＳ５２１０において、ユーザが疲労していたか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５０１０において、プローブ情報１３２に含まれる脳波、脈拍、表面筋電位等の生体情報の計測データや、まぶたの開閉情報、視線情報から求めたユーザの活性度合などに基づいて、ユーザの疲労指数を求め、その値が所定の閾値以上であるか否かを判定する。その結果、ユーザの疲労指数が閾値以上である場合は、ユーザの疲労が激しいと判断し、ステップＳ５２１０において疲労運転を検出した後に、図６のステップＳ５０１１へ進む。一方、ユーザの疲労指数が閾値よりも小さい場合は、ユーザの疲労が許容範囲内であると判断し、ステップＳ５２１０を実行せずに図６のステップＳ５０１１に進む。なお、ステップＳ５００９と同様に、生体情報は個人差が大きいため、ユーザの疲労指数を求める際には、事前に調べられた生体情報の値と疲労指数との対応関係を用いることが好ましい。または、機械学習等の手法を用いて、ユーザの疲労指数を求めてもよい。

原因推定処理部１２６は、ステップＳ５０１１およびＳ５２１１において、ユーザが居眠り運転を行っていたか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５０１１において、プローブ情報１３２に含まれるまぶたの開閉情報や、視線情報から求めたユーザの活性度合などに基づいて、ユーザの眠気指数を求め、その値が所定の閾値以上であるか否かを判定する。その結果、ユーザの眠気指数が閾値以上である場合は、ユーザが居眠り運転を行っているか、または居眠り運転に至る直前の状態にあると判断し、ステップＳ５２１１において居眠り運転を検出した後に、ステップＳ５０１２へ進む。一方、ユーザの眠気指数が閾値よりも小さい場合は、ユーザが居眠り運転を行っていないと判断し、ステップＳ５２１１を実行せずにステップＳ５０１２に進む。なお、脳波などの生体情報や、カメラ２０６の撮影画像から検出されたユーザの顔などに基づいて、ユーザの眠気指数を求めてもよい。

原因推定処理部１２６は、ステップＳ５０１２およびＳ５２１２において、自車両の前方に他車両の無理な割り込みがあったか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５０１２において、プローブ情報１３２に含まれる周辺近接計測装置２０９による他車両の検出結果や、カメラ２０６で撮影された自車両前方の撮影画像などに基づいて、自車両の前方に割り込んだ他車両の有無を判断する。その結果、自車両の前方に他車両の割り込みがあった場合は、他車両の方向指示から割り込みまでの所要時間を求め、その値が所定の閾値（たとえば１秒）以下であるか否かを判定する。その結果、割り込みまでの所要時間が閾値以下である場合は、他車両の無理な割り込みがあったと判断し、ステップＳ５２１２において他車両の割り込みを検出した後に、ステップＳ５０１３へ進む。一方、自車両の前方に他車両の割り込みがない場合や、割り込みまでの所要時間が閾値よりも大きい場合は、他車両の無理な割り込みがなかったと判断し、ステップＳ５２１２を実行せずにステップＳ５０１３に進む。なお、自車両から他車両までの車間距離等に基づいて、自車両と他車両との近接状況を判断し、その判断結果に応じて、ステップＳ５０１２の判定に用いる閾値を変化させてもよい。

原因推定処理部１２６は、ステップＳ５０１３およびＳ５２１３において、自車両の前方の他車両が急減速を行ったか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５０１３において、プローブ情報１３２に含まれる車間距離の計測データや、カメラ２０６で撮影された自車両前方の撮影画像、自車両の位置情報から求めた走行速度などに基づいて、自車両の前方を走行している他車両（前方車両）の減速度を求め、その値が所定の閾値（たとえば０．５ｍ／ｓ^２）以上であるか否かを判定する。その結果、前方車両の減速度が閾値以上である場合は、前方車両が急減速したと判断し、ステップＳ５２１３において前方車両の急減速を検出した後に、ステップＳ５０１４へ進む。一方、前方車両の減速度が閾値よりも小さい場合は、前方車両が急減速しなかったと判断し、ステップＳ５２１３を実行せずにステップＳ５０１４に進む。なお、自車両から前方車両までの車間距離等に応じて、ステップＳ５０１３の判定に用いる閾値を変化させてもよい。

原因推定処理部１２６は、ステップＳ５０１４およびＳ５２１４において、自車両の前方に他者の飛び出しがあったか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５０１４において、プローブ情報１３２に含まれる周辺近接計測装置２０９による他者の検出結果や、カメラ２０６で撮影された自車両前方の撮影画像などに基づいて、自車両の前方における他者の進入の有無を判断する。その結果、自車両の前方に他者の進入があった場合は、他者が認識されてから自車両前方に進入するまでの所要時間を求め、その値が所定の閾値（たとえば３秒）以下であるか否かを判定する。その結果、進入までの所要時間が閾値以下である場合は、自車両の前方に他者の危険な飛び出しがあったと判断し、ステップＳ５２１４において他者の飛び出しを検出した後に、ステップＳ５０１５へ進む。一方、自車両の前方に他者の進入がない場合や、進入までの所要時間が閾値よりも大きい場合は、他者の飛び出しがなかったと判断し、ステップＳ５２１４を実行せずにステップＳ５０１５に進む。なお、他者の移動速度を求め、その移動速度に基づいてステップＳ５０１４の判定を行ってもよい。

原因推定処理部１２６は、ステップＳ５０１５およびＳ５２１５において、自車両の前方が視界不良であったか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５０１５において、プローブ情報１３２に含まれる自車両の走行位置の計測データや、環境情報取得部１２３により取得した環境情報などに基づいて、自車両の走行地点付近の地域に対して気象警報や注意報が発令中であるか否かを判定する。その結果、気象警報や注意報が発令中である場合は、自車両の前方が視界不良であったと判断し、ステップＳ５２１５において視界不良を検出した後に、ステップＳ５０１６へ進む。一方、気象警報や注意報が発令中でない場合は、自車両の前方の視界は良好であったと判断し、ステップＳ５２１５を実行せずにステップＳ５０１６に進む。なお、プローブ情報１３２に含まれる周辺近接計測装置２０９での検出結果や、カメラ２０６で撮影された自車両前方の撮影画像などに基づいて、自車両の前方が視界不良であったか否かを判定してもよい。

原因推定処理部１２６は、ステップＳ５０１６およびＳ５２１６において、ユーザが交通違反をしたか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５０１６において、プローブ情報１３２に含まれる自車両の走行位置の計測データや、環境情報取得部１２３により取得した環境情報、地図情報１３５などに基づいて、自車両の走行経路における制限速度や一方通行などの交通規制情報を取得し、これに基づいて、自車両の走行状態が交通規制に従ったものであったか否かを判定する。その結果、交通規制に従っていなかった場合は、ユーザが交通違反を行ったと判断し、ステップＳ５２１６において交通違反を検出した後に、ステップＳ５０１７へ進む。一方、交通規制に従っていた場合は、交通違反がなかったと判断し、ステップＳ５２１６を実行せずにステップＳ５０１７に進む。

原因推定処理部１２６は、ステップＳ５０１７およびＳ５２１７において、自車両の走行地点に渋滞が発生していたか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５０１７において、プローブ情報１３２に含まれる自車両の走行位置の計測データや、環境情報取得部１２３により取得した環境情報などに基づいて、自車両の走行経路における渋滞情報を取得し、これに基づいて、自車両の走行地点における渋滞の有無を判定する。その結果、自車両の走行地点に渋滞があった場合は、ステップＳ５２１７において渋滞を検出した後に、ステップＳ５０１８へ進む。一方、自車両の走行地点に渋滞がなかった場合は、ステップＳ５２１７を実行せずにステップＳ５０１８に進む。なお、カメラ２０６で撮影された自車両前方の撮影画像や、地図情報１３５が表す自車両の走行経路の制限速度と走行速度との比較結果などに基づいて、自車両の走行地点における渋滞の有無を判定してもよい。

原因推定処理部１２６は、ステップＳ５０１８およびＳ５２１８において、ユーザが意図せずに自車両が車線を逸脱したか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５０１８において、プローブ情報１３２に含まれる車両情報が表すウィンカ操作情報や、カメラ２０６で撮影された自車両前方の撮影画像などに基づいて、方向指示なしで自車両が車線を逸脱したか否かを判定する。その結果、方向指示なしで自車両が車線を逸脱した場合は、ユーザが意図せずに自車両が車線を逸脱したと判断し、ステップＳ５２１８において車線逸脱を検出した後に、ステップＳ５０１９へ進む。一方、自車両が車線を逸脱していない場合や、方向指示ありで自車両が車線を逸脱した場合は、ステップＳ５２１８を実行せずにステップＳ５０１９に進む。

原因推定処理部１２６は、ステップＳ５０１９およびＳ５２１９において、ユーザが巻き込み確認を行ったか否かを判定するための処理を行う。具体的には、原因推定処理部１２６は、ステップＳ５０１９において、プローブ情報１３２に含まれる自車両の走行位置の計測データやユーザの視線情報に基づいて、自車両が交差点を曲がったときのユーザの視線方向角を求め、これが所定の閾値（たとえば５０°）以下であるか否かを判定する。その結果、視線方向角が閾値以下である場合は、自車両が交差点を曲がったときにユーザが正しく巻き込み確認を行っていないと判断し、ステップＳ５２１９において巻き込み不確認を検出した後に、ステップＳ５０２０へ進む。一方、視線方向角が閾値よりも大きい場合は、自車両が交差点を曲がったときにユーザが正しく巻き込み確認を行ったと判断し、ステップＳ５２１９を実行せずにステップＳ５０２０に進む。なお、交差点を曲がる前に視線方向角が閾値以上である状態が所定時間（たとえば２秒間）以下であったか否かを判定することで、ステップＳ５０１９の判定を行ってもよい。また、ユーザが巻き込み確認をする際には、自車両のバックミラー、サイドミラーおよび自車両側面の死角部分を注視することが考えられる。そのため、これらをユーザが注視したか否かを判断することで、ステップＳ５０１９の判定を行うこともできる。この場合、機械学習や統計的な手法などを用いて、ユーザが注視したか否かを判断してもよい。

原因推定処理部１２６は、以上説明したステップＳ５００１〜Ｓ５０１９およびＳ５２０１〜Ｓ５２１９の各処理を実行することで、危険運転の原因となる様々な危険運転要素を検出することができる。なお、ステップＳ５００１〜Ｓ５０１１、Ｓ５０１６、Ｓ５０１８およびＳ５０１９の各処理と、これらにそれぞれ対応するステップＳ５２０１〜Ｓ５２１１、Ｓ５２１６、Ｓ５２１８およびＳ５２１９の各処理とは、ユーザに起因する危険運転要素の有無を判定するための判定処理である。一方、ステップＳ５０１２〜Ｓ５０１５およびＳ５０１７の各処理と、これらにそれぞれ対応するステップＳ５２１２〜Ｓ５２１５およびＳ５２１７の各処理とは、ユーザ以外の外的要因に起因する危険運転要素の有無を判定するための判定処理である。

原因推定処理部１２６は、ステップＳ５０２０において、ステップＳ５２０１〜Ｓ５２１９での各検出結果に基づいて、危険運転の推定原因を算出する。すなわち、ステップＳ５２０１〜Ｓ５２１９のうちで実行された処理に応じて検出された各危険運転要素を、危険運転の推定原因として求める。ステップＳ５０２０を実行したら、原因推定処理部１２６は、算出した危険運転の推定原因を出力し、図２のステップＳ２１０６に進む。

なお、上記ステップＳ５００１〜Ｓ５０１９およびＳ５２０１〜Ｓ５２１９の各処理は、テレマティクスセンタ１００の原因推定処理部１２６ではなく、車載端末２００で行うことも可能である。たとえば、車載端末２００は、カメラ２０６で撮影された自車両前方の撮影画像に基づいて車線逸脱を検出することで、ステップＳ５０１８およびＳ５２１８の処理を行い、その結果を示す情報をプローブ情報２３２に含めて送信する。テレマティクスセンタ１００は、車載端末２００から受信したプローブ情報２３２を基に記憶装置１３０に蓄積されたプローブ情報１３２に基づいて、車載端末２００での判定結果を取得する。これにより、ユーザが意図せずに自車両が車線を逸脱したか否かを判断することができる。また、車載端末２００は、カメラ２０６で撮影された自車両前方の撮影画像に基づいて、自車両が交差点を曲がった時のユーザの視線方向角を検出することで、ステップＳ５０１９およびＳ５２１９の処理を行い、その結果を示す情報をプローブ情報２３２に含めて送信する。テレマティクスセンタ１００は、車載端末２００から受信したプローブ情報２３２を基に記憶装置１３０に蓄積されたプローブ情報１３２に基づいて、車載端末２００での判定結果を取得する。これにより、ユーザが巻き込み確認を行ったか否かを判断することができる。これ以外にも、車載端末２００において、ステップＳ５００１〜Ｓ５０１９およびＳ５２０１〜Ｓ５２１９のうち任意の処理を行うことができる。

また、原因推定処理部１２６は、図５および図６で説明したもの以外にも、危険運転の原因となる様々な危険運転要素を検出することができる。原因推定処理部１２６は、任意の危険運転要素を追加して原因推定処理を行うことにより、危険運転の原因推定の精度を向上させることができる。さらに、図５および図６で説明した各危険運転要素は、必ずしも全て検出する必要はない。原因推定処理部１２６は、車載端末２００に搭載されているセンサの種類や、要求される運転特性診断の精度に応じて、任意の危険運転要素を検出して原因推定処理を行うことができる。

次に、図２のステップＳ２１０６で行われる過失度合算出処理について説明する。図７は、過失度合算出処理の流れを示すフローチャートである。

過失度合算出部１２７は、ステップＳ７０００において、前述の原因推定処理において検出された危険運転要素のうち、ユーザに起因する各危険運転要素について、ユーザの過失度合を算出する。具体的には、危険運転要素Ｕ１、Ｕ２、Ｕｎについて、ステップＳ７００１、Ｓ７００２、Ｓ７００３の処理をそれぞれ行うことで、各危険運転要素に対するユーザの過失度合を算出する。ここで、Ｕ１、Ｕ２およびＵｎは、ユーザに起因する各危険運転要素、すなわち図５のステップＳ５２０１〜Ｓ５２１０と、図６のステップＳ５２１１、Ｓ５２１６、Ｓ５２１８およびＳ５２１９とでそれぞれ検出対象とされる危険運転要素のうち、任意のものを表している。また、ｎは任意の自然数を表しており、ステップＳ７０００での処理対象とされるユーザに起因する危険運転要素の数に応じて設定される。なお、過失度合算出部１２７は、ステップＳ７０００の処理において、原因推定処理部１２６で検出されなかった危険運転要素については、ユーザの過失度合を０として算出する。ステップＳ７００１〜Ｓ７００３で行われる処理の具体例については、後で図８を参照して説明する。

過失度合算出部１２７は、ステップＳ７０１０において、前述の原因推定処理において検出された危険運転要素のうち、ユーザ以外の外的要因に起因する各危険運転要素について、その要因ごとの影響度合を算出する。具体的には、危険運転要素Ｏ１、Ｏ２、Ｏｍについて、ステップＳ７０１１、Ｓ７０１２、Ｓ７０１３の処理をそれぞれ行うことで、各危険運転要素に対する外的要因ごとの影響度合を算出する。ここで、Ｏ１、Ｏ２およびＯｍは、外的要因に起因する各危険運転要素、すなわち図６のステップＳ５２１２〜Ｓ５２１５およびＳ５２１７でそれぞれ検出対象とされる危険運転要素のうち、任意のものを表している。また、ｍは任意の自然数を表しており、ステップＳ７０１０での処理対象とされる外的要因に起因する危険運転要素の数に応じて設定される。なお、過失度合算出部１２７は、ステップＳ７０１０の処理において、原因推定処理部１２６で検出されなかった危険運転要素については、影響度合を０として算出する。

図７では、原因推定処理において原因推定処理部１２６が検出対象とする各危険運転要素を、危険運転要素Ｕ１〜ＵｎおよびＯ１〜Ｏｍとしてそれぞれ表している。このうち、ユーザに起因する危険運転要素Ｕ１、Ｕ２およびＵｎに対して過失度合算出部１２７が行うユーザの過失度合の算出処理を、ステップＳ７０００での処理の具体的な代表例として、ステップＳ７００１、Ｓ７００２およびＳ７００３にそれぞれ示している。これ以外の危険運転要素Ｕ３〜Ｕｎ−１に対して過失度合算出部１２７が行うユーザの過失度合の算出処理については、図７において図示を省略している。また、ユーザ以外の外的要因に起因する危険運転要素Ｏ１、Ｏ２およびＯｍに対して過失度合算出部１２７が行う外的要因ごとの影響度合の算出処理を、ステップＳ７０１０での処理の具体的な代表例として、ステップＳ７０１１、Ｓ７０１２およびＳ７０１３にそれぞれ示している。これ以外の危険運転要素Ｏ３〜Ｏｍ−１に対して過失度合算出部１２７が行う外的要因の影響度合の算出処理については、図７において図示を省略している。なお、ステップＳ７００１〜Ｓ７００３およびＳ７０１１〜Ｓ７０１３の各処理は、図７に示すように並列に行ってもよいし、あるいは時系列的に行ってもよい。

過失度合算出部１２７は、ステップＳ７０２０において、ステップＳ７０００で危険運転要素ごとに算出したユーザの過失度合と、ステップＳ７０１０で危険運転要素ごとに算出した外的要因の影響度合とに基づいて、ユーザの総合的な過失度合を算出する。具体的には、ユーザに起因する各危険運転要素のうち、ステップＳ７０００で算出したユーザの過失度合が最大のものを、ユーザの過失による危険運転の主要因として特定する。さらに、主要因との過失度合の差が所定値（たとえば５％）以内のものを、ユーザの過失による危険運転の副次要因として特定する。また、外的要因に起因する各危険運転要素のうち、ステップＳ７０１０で算出した影響度合が最大のものを、ユーザの過失によらない危険運転の主要因として特定する。さらに、主要因との影響度合の差が所定値（たとえば５％）以内のものを、ユーザの過失によらない危険運転の副次要因として特定する。

なお、ステップＳ７０２０における主要因と副次要因の決定には、上記で説明したもの以外にも、様々な方法を用いることができる。たとえば、各種センサ情報に基づいて、ニューラルネットワーク、遺伝的アルゴリズム、ベイズ推定、相関分析、主成分分析などの機械学習手法や統計手法を用いて、危険運転の要因を推定してもよい。

以上説明したようにして、ユーザの過失による危険運転の主要因および副次要因と、ユーザの過失によらない危険運転の主要因および副次要因とを特定したら、過失度合算出部１２７は、これらの各要因に対してステップＳ７０００、Ｓ７０１０でそれぞれ算出されたユーザの過失度合および外部要因の影響度合に基づいて、ユーザの総合的な過失度合を算出する。たとえば、ユーザの過失による危険運転の主要因に対するユーザの過失度合と、ユーザの過失によらない危険運転の主要因に対する外部要因の影響度合との差分を求めることで、ユーザの総合的な過失度合を算出することができる。このとき、副次要因に対するユーザの過失度合や外部要因の影響度合を考慮して、ユーザの総合的な過失度合を算出してもよい。ステップＳ７０２０の処理を実行したら、過失度合算出部１２７は、ステップＳ７０００、Ｓ７０１０でそれぞれ算出した各危険運転要素に対するユーザの過失度合および外的要因の影響度合と、ステップＳ７０２０で算出したユーザの総合的な過失度合とを出力し、図２のステップＳ２１０７に進む。

次に、図７のステップＳ７００１〜Ｓ７００３で行われる処理の具体例について説明する。図８は、危険運転要素に対するユーザの過失度合を算出するために用いられるデータの例を示したグラフである。

図８（ａ）は、ユーザの脇見時間と過失度合の関係を示したグラフである。このグラフにより示されるデータは、図５のステップＳ５００２、Ｓ５２０２の処理に対応する危険運転要素である脇見運転に対するユーザの過失度合を算出するために用いられる。

一般に、自車両を運転中のユーザにとって、スピードメータ等の確認やエアコン等の機器操作のために前方から視線を外しても運転への悪影響が少ない時間は、０．８秒〜１．５秒程度と言われている。１．５秒以上の脇見は、運転への危険度合が高まると考えられる。そのため、脇見運転に対するユーザの過失度合は、たとえば図８（ａ）のグラフのように表すことができる。このグラフは、以下の式（１）によって算出される。この場合、式（１）において、ｘは脇見時間を表し、Ｒはユーザの過失度合を表す。なお、式（１）の定数ａとｂには、任意の数値を設定できる。具体的には、ａ＝６、ｂ＝１２を設定する場合などが考えられる。また、式（１）とは別の関数を用いて、脇見運転に対するユーザの過失度合を算出してもよい。

図８（ｂ）は、自車両に対する前方車両の車間時間とユーザの過失度合の関係を示したグラフである。このグラフにより示されるデータは、図５のステップＳ５００３、Ｓ５２０３の処理に対応する危険運転要素である車間距離不保持に対するユーザの過失度合を算出するために用いられる。なお、車間時間とは、前方車両の通過した地点を自車両が何秒後に通過するかを示す時間であり、自車両と前方車両の車間距離および自車両の車速によって求められる。保持すべき車間距離は自車両の車速に応じて変化するため、車間距離不保持に対するユーザの過失度合は、車間時間によって表現することが好ましい。

一般に、前方車両に追従して自車両を運転中のユーザは、車間時間が１．５秒から１．８秒程度になると危険を感じ始めると言われている。また、安全運転のための車間時間として、２秒以上の車間時間を確保することが推奨されている。そのため、車間距離不保持に対するユーザの過失度合は、たとえば図８（ｂ）のグラフのように表すことができる。このグラフは、以下の式（２）によって算出される。この場合、式（２）において、ｘは車間時間を表し、Ｒはユーザの過失度合を表す。なお、式（２）の定数ｃとｄには、任意の数値を設定できる。具体的には、ｃ＝１０、ｄ＝１７を設定する場合などが考えられる。また、式（２）とは別の関数を用いて、車間距離不保持に対するユーザの過失度合を算出してもよい。

図８（ｃ）は、ユーザの会話における声の大きさとユーザの過失度合の関係を示したグラフである。このグラフにより示されるデータは、図５のステップＳ５００４、Ｓ５２０４の処理に対応する危険運転要素である会話運転に対するユーザの過失度合を算出するために用いられる。

一般に、走行中の車両内において測定される音の大きさは７０デシベル程度であるとされている。そのため、会話における声の大きさが７０デシベル以上の状態が継続している場合は、ユーザが会話に集中しており、運転に集中できずに危険な状態にあると考えられる。したがって、会話運転に対するユーザの過失度合は、たとえば図８（ｃ）のグラフのように表すことができる。このグラフは、図８（ａ）と同様に、前述の式（１）によって算出される。この場合、式（１）において、ｘは声の大きさを表し、Ｒはユーザの過失度合を表す。なお、式（１）の定数ａとｂには、任意の数値を設定できる。具体的には、ａ＝０．２、ｂ＝１８を設定する場合などが考えられる。また、式（１）とは別の関数を用いて、会話運転に対するユーザの過失度合を算出してもよい。

次に、図３のステップＳ３００３で車載端末２００の入出力装置２０１に表示される画面について説明する。以下で説明する図９〜図１８は、入出力装置２０１における運転特性の診断結果の表示画面例を示す図である。ユーザは、入出力装置２０１を用いて、図９〜１８に示すような画面を自由に切り替えることができる。なお、運転特性の診断結果をユーザに提示する方法としては、図９〜１８に示すような表示画面を用いた以外の方法も使用可能である。また、図９〜１８に示すような複数の表示画面を切り替えることで、運転特性の診断結果を示す複数種類の情報をユーザに提示するのではなく、単一の画面に複数種類の情報をまとめて表示するような方法も考えられる。

図９（ａ）は、自車両の運転開始前に表示される画面の一例である。図９（ａ）の画面において、ユーザが運転開始ボタン９０１を画面上で押下すると、車載端末２００は、図２のステップＳ２００１において、自車両の運転開始を検出する。また、ユーザが運転診断ボタン９０２を画面上で押下すると、車載端末２００は、図３のステップＳ３００１において、運転特性の診断結果に対するユーザからの要求開始を検出する。プレビュー画面９２０には、カメラ２０６で撮影された自車両周囲の撮影画像などが表示される。

図９（ｂ）は、自車両の運転中に表示される画面の一例である。図９（ｂ）の画面において、運転診断ボタン９０２は押下が禁止されており、運転中は操作できない旨の説明が表示されている。また、図９（ａ）の運転開始ボタン９０１に替えて、運転終了ボタン９１１が表示されている。ユーザが運転終了ボタン９１１を画面上で押下すると、車載端末２００は、図２のステップＳ２００４において、自車両の運転が継続中でないと判定し、ステップＳ２００５に進んで運転終了を検出する。

図９（ｃ）は、自車両の危険運転が検出されることでテレマティクスセンタ１００から運転特性の診断結果を受信したときに表示される画面の一例である。図９（ｃ）の画面には、検出された危険運転に対するユーザの過失度合を表す通知メッセージ９３１が表示されている。また、危険運転の原因推定処理において検出された車間距離不保持に対するユーザへの運転アドバイスとして、前方車両との車間距離をもっと広くすべき旨を表す通知メッセージ９３２が表示されている。なお、運転中のユーザに通知メッセージ９３１、９３２を気づかせるために、音声や振動を出力したり、不図示の発光部材を明滅させたりしてもよい。

次に、図１０（ａ）〜（ｃ）を参照して、地図を用いた運転特性の診断結果の表示画面について説明する。

図１０（ａ）は、テレマティクスセンタ１００から受信した運転特性の診断結果を地図上に示した画面の一例である。図１０（ａ）の画面には、自車両の危険運転が検出された地点を示すための吹き出しマーク１００１〜１００３が地図上に表示されている。

図１０（ｂ）は、図１０（ａ）の画面においてユーザが吹き出しマーク１００１を選択したときに表示される画面の一例である。図１０（ｂ）の画面には、吹き出しマーク１００１が示す地点で検出された自車両の危険運転について、その詳細情報１００４が表示されている。詳細情報１００４は、日時１００５、場所１００６、危険運転動作１００７、危険運転の推定原因１００８、ユーザの過失度合１００９、運転アドバイス１０１０などを含む。危険運転の推定原因１００８には、たとえば、図７のステップＳ７０２０で特定された危険運転の主要因などが表示される。なお、危険運転の推定原因１００８において、危険運転の主要因に加えて、その要因が危険運転を引き起こしたと推定される確率（可能性）などを併記してもよい。

図１０（ｃ）は、図１０（ｂ）に示した画面の具体例である。図１０（ｃ）の画面には、日時１００５、場所１００６、危険運転動作１００７、危険運転の推定原因１００８、ユーザの過失度合１００９、運転アドバイス１０１０について、その具体的な内容を示す文章がそれぞれ表示されている。

なお、図１０（ｂ）、（ｃ）に示した詳細情報１００４は、上記の日時１００５、場所１００６、危険運転動作１００７、危険運転の推定原因１００８、ユーザの過失度合１００９、運転アドバイス１０１０の情報要素の全てを含まなくてもよい。たとえば、運転アドバイス１０１０を省略することなどが考えられる。任意の情報要素の表示を省略することで、ユーザが詳細情報１００４の内容を確認する負荷を軽減することができる。この場合、どの情報要素を表示対象とするかは、ユーザが適宜選択できるようにしてもよいし、ユーザの負荷等に応じて車載端末２００が自動的に選択してもよい。

以上説明したように、車載端末２００は、ユーザが車両の危険運転を行った場合に、その危険運転が行われた日時および場所と、その危険運転の内容と、その危険運転の原因と、その危険運転に対するユーザの過失度合と、その危険運転に対するユーザへの運転アドバイスと、のいずれか少なくとも一つを含む、図１０（ｂ）、（ｃ）のような画面を、入出力装置２０１に表示することができる。テレマティクスセンタ１００の診断結果出力部１２９は、図３のステップＳ３１０３において、このような画面を車載端末２００に表示させるための情報を、運転特性の診断結果として通信部１４０に出力する。この情報は、通信部１４０により、テレマティクスセンタ１００から車載端末２００に送信され、車載端末２００において受信される。

図１１は、危険運転の推定原因を円グラフを用いて示した画面の一例である。図１１の画面には、推定された危険運転の主要因１１０１と、各要因の推定確率を示す円グラフ１１０２とが表示されている。円グラフ１１０２は、図７のステップＳ７０２０で特定された危険運転の主要因および副次要因と、これらの各要因が危険運転を引き起こしたと推定される確率とを示している。円グラフ１１０２における各要因の確率は、図７のステップＳ７０００、Ｓ７０１０で各要因に対して求められたユーザの過失度合または外部要因の影響度合に基づいて決定することができる。なお、円グラフ１１０２に替えて、たとえば棒グラフなど別形式のグラフ表示を使用してもよい。

図１２は、所定の評価対象期間におけるユーザの運転評価を示した画面の一例である。図１２の画面には、推定された危険運転の主要因１２００１と、ユーザの運転評価を示すレーダーチャート１２０１０とが表示されている。レーダーチャート１２０１０は、車間距離１２０１１、急発進１２０１２、急ブレーキ１２０１３、急ハンドル１２０１４、速度超過１２０１５などの運転要素毎に、ユーザの運転に対する評価点数を表している。

レーダーチャート１２０１０における各運転要素の評価点数は、評価対象期間における危険運転検出処理部１２５や原因推定処理部１２６での処理結果に基づいて算出することができる。すなわち、図４に示した危険運転検出処理における急減速および急ハンドルの検出頻度や、図５、図６に示した原因推定処理における各危険運転要素の検出頻度に基づいて、各運転要素の評価点数を算出可能である。具体的には、車間距離１２０１１に対する評価点数は、評価対象期間内に図５のステップＳ５２０３で車間距離不保持が検出された頻度に基づいて求められる。急発進１２０１２に対する評価点数は、評価対象期間内に図５のステップＳ５２０８で急ぎ運転が検出された頻度に基づいて求められる。急ブレーキ１２０１３に対する評価点数は、評価対象期間内に図４のステップＳ４００１で急減速が検出された頻度に基づいて求められる。急ハンドル１２０１４に対する評価点数は、評価対象期間内に図４のステップＳ４００２で急ハンドルが検出された頻度に基づいて求められる。速度超過１２０１５に対する評価点数は、評価対象期間内に図６のステップＳ５２１６で交通違反として速度違反が検出された頻度に基づいて求められる。なお、以上説明した以外の方法で各運転要素の評価点数を算出してもよい。

図１２の画面例のように、ユーザの運転評価をレーダーチャート形式で表示することにより、複数の運転要素に対する評価を同時に表すことができる。また、図１２の画面例では、診断時の運転評価１２０２１と、普段の運転評価１２０２２とを、同時に表示することができる。そのため、ユーザにとっては、自身の運転に対する総合的な評価や、診断時の運転が普段の運転と比較して何が悪かったのかなどの相対的な評価を把握しやすくなるという利点がある。さらに、全てのユーザの平均的な運転評価を合わせて表示してもよい。このようにすれば、ユーザが一般ドライバと比較してどのような運転傾向にあるのかを把握して、客観的な評価を得ることができる。

図１３は、映像を用いた運転特性の診断結果の表示画面の一例である。図１３の画面には、推定された危険運転の主要因１３０１、映像１３０２、日時１３０３、危険運転動作１３０４、センサ情報１３０５が表示されている。映像１３０２は、危険運転が検出された時点の前後の数秒間にカメラ２０６で撮影された自車両前方の映像を示している。なお、カメラ２０６で撮影された映像に替えて、たとえばセンサ情報等に基づいて推定された自車両の周辺状況を示すアニメーション画像や、危険運転の種類ごとに予め記憶された典型例の映像などを、映像１３０２として表示してもよい。また、ユーザが危険運転の状況を客観的に把握できるようにするため、鳥瞰視点から眺めた映像などを表示してもよい。

図１４（ａ）は、危険運転の原因推定過程をフローチャート形式で示した画面の一例である。図１４（ａ）の画面には、検出された危険運転動作１４０１と、危険運転動作１４０１に対して危険運転要素ごとに推定された各要因１４０８〜１４１３と、各要因の推定確率１４０２〜１４０７とが表示されている。推定確率１４０２〜１４０７は、図７のステップＳ７０００、Ｓ７０１０で各要因１４０８〜１４１３に対して求められたユーザの過失度合または外部要因の影響度合に基づいて決定することができる。このような画面により、ユーザは、どの危険運転要素が危険運転の原因として推定されていたのかを把握することができる。

図１４（ｂ）は、図１４（ａ）のうち危険運転動作１４０１の主要因１４１１の部分を拡大表示した場合の例を示している。このような拡大表示によって、ユーザは、主要因１４１１の詳細として、危険運転動作１４０１が検出されたときの自車両の走行状態や周囲状況を確認することができる。なお、主要因１４１１の詳細として表示される内容は、自車両に搭載されているセンサの種類などに応じて変更することができる。

図１５（ａ）は、推定された危険運転の主要因に対するユーザの過失度合の算出過程を示した画面の一例である。図１５（ａ）の画面には、危険運転として検出された急ブレーキの主要因１５０１と、主要因１５０１に対する自車両の車間時間とユーザの過失割合の関係を示すグラフ１５０２と、日時１５０４、危険運転の検出結果１５０５および危険運転直前の車間時間１５０６とが表示されている。グラフ１５０２には、危険運転検出時のユーザの運転状況に対応する点１５０３が示されている。これにより、ユーザは、主要因１５０１に対する過失度合がどのようにして算出されたかを視覚的に把握することができる。そのため、危険運転を避けるためには運転をどのように改善すればよいかを直観的に理解することができる。なお、図１５（ａ）の画面例では、危険運転の主要因１５０１が車間距離不保持であるため、これに対応する自車両の車間時間とユーザの過失度合の関係をグラフ１５０２として示している。他の危険運転要素が危険運転の主要因として推定された場合は、それに応じてグラフ１５０２の内容を変更することが好ましい。また、危険運転の主要因に限らず、副次要因についても、図１５（ａ）のような画面を表示可能としてもよい。

図１５（ｂ）は、推定された危険運転の主要因に対するユーザの時系列的な運転状況を示した画面の一例である。図１５（ｂ）の画面には、危険運転として検出された急ブレーキの主要因１５０１と、主要因１５０１に対するユーザの時系列的な運転状況を示すグラフ１５１５とが表示されている。グラフ１５１５は、主要因１５０１に対するユーザの時系列的な運転状況として、急ブレーキが検出される直前の自車両の車間時間の推移を示している。これにより、ユーザは、危険運転が検出されたときの自身の運転状況を客観的に把握することができる。なお、図１５（ｂ）の画面例では、危険運転の主要因１５０１が車間距離不保持であるため、これに対応する自車両の車間時間の推移をグラフ１５１５として示している。他の危険運転要素が危険運転の主要因として推定された場合は、それに応じてグラフ１５１５の内容を変更することが好ましい。また、危険運転の主要因に限らず、副次要因についても、図１５（ｂ）のような画面を表示可能としてもよい。

図１６は、自車両を運転中のユーザに対する過失度合の時系列的な推移を示した画面の一例である。図１６（ａ）の画面には、ユーザの過失度合の推移を時系列的に示すグラフ１６０２と、危険運転を検出した時刻およびその内容や、運転終了時刻などを示すイベント表示１６０３、１６０４および１６０５と、グラフ１６０２における過失度合の凡例１６０６とが表示されている。これにより、ユーザは、過失度合の高い運転、すなわち危険度合の高い運転をどの程度行っているかを俯瞰的に把握することができる。なお、グラフ１６０２には、危険運転の検出場所などの情報をイベント表示として表示してもよい。また、イベント表示１６０３、１６０４を最初は表示せず、ユーザの操作に応じて適宜表示するようにしてもよい。さらに、グラフ１６０２では、図１６に示したような色の濃淡以外の表示形態を使用してもよい。たとえば、時系列順に所定のマーカを表示してその移動速度により過失度合を表現したり、折れ線グラフを用いて過失度合を時系列的に表現したりすることなどが考えられる。

図１７は、推定された危険運転の主要因に対するユーザの過失度合と外的要因の影響度合との関係を示した画面の一例である。図１７の画面には、危険運転として検出された急ブレーキの主要因に対するユーザの過失度合が、外的要因による影響度合よりも大きいことを示す不等号１７００３と、検出した危険運転に対する詳細情報とが表示されている。詳細情報は、日時１７００５、場所１７００６、危険運転動作１７００７、センサ情報１７００８、推定原因１７００９、運転アドバイス１７０１０などを含む。これにより、他車両の危険運転などの外的要因に対する回避動作が危険運転として検出された場合にも、ユーザにとって信頼性や納得性が高い運転特性の診断結果を提供することができる。なお、図１７の画面において詳細情報として表示する内容は、適宜追加、削除、変更等することも可能である。

図１８（ａ）は、危険運転の検出履歴と自動車保険料との関係を示した画面の一例である。図１８（ａ）の画面には、ユーザに対する危険運転の検出履歴を示すグラフ１８０１と、次回更新時の自動車保険料１８０２とが表示されている。グラフ１８０１は、所定期間（たとえば、自動車保険の前回更新日から現在までの期間）内に検出された危険運転の回数と、各危険運転に対するユーザの過失度合とを示している。次回更新時の自動車保険料１８０２は、ユーザが現在契約中の自動車保険を次回の契約更新で更新する場合に適用される保険料金額の目安を表している。この金額は、グラフ１８０１が示す危険運転の検出履歴におけるユーザの過失度合に応じて決定される。

図１８（ｂ）は、ユーザの過失度合と自動車保険料との関係を示した画面の一例である。図１８（ｂ）の画面には、ユーザの過失度合と自動車保険料との関係を示すグラフ１８０３が表示されている。グラフ１８０３の横軸の値は、所定の契約期間内に検出された危険運転に対するユーザの総合的な過失度合を表しており、グラフ１８０３の縦軸の値は、ユーザが現在契約中の自動車保険を次回の契約更新で更新する場合に適用される保険料金額の目安を表している。グラフ１８０３には、現在までのユーザの運転状態がグラフ１８０３上でどの位置に対応するかを示す点１８０４が表示されている。なお、危険運転の検出回数や検出頻度などに応じて、グラフ１８０３の傾きや縦軸の値を変更することで、ユーザの過失度合と自動車保険料との関係を変化させてもよい。

なお、図９〜図１８で説明したような運転特性の診断結果の表示画面は、ユーザの危険運転が検出された直後や、危険運転が検出された後でユーザによる自車両の運転が再開されたときなどに、車載端末２００において入出力装置２０１に自動的に表示されるようにしてもよい。この場合、テレマティクスセンタ１００において診断結果出力部１２９は、危険運転検出処理部１２５がユーザの危険運転を検出したときや、その後に自車両の運転が再開されたと判断したときに、図３のステップＳ３１０２、Ｓ３１０３の処理を自動的に実行することが好ましい。このとき、自車両の運転が再開されたか否かの判断は、車載端末２００からテレマティクスセンタ１００へのプローブ情報２３２の送信タイミングに基づいて行うことができる。または、テレマティクスセンタ１００において記憶装置１３０に蓄積されているプローブ情報１３２に含まれる自車両の速度、加速度、走行位置等の計測結果に基づいて、自車両の運転が再開されたか否かを判断してもよい。これにより、運転特性の診断結果を所望のタイミングでテレマティクスセンタ１００から車載端末２００に送信して、入出力装置２０１に表示させることができる。そのため、危険運転を行ったユーザに対して、同様の危険運転を防止するための注意喚起を効果的に行うことができる。さらに、検出された危険運転に対するユーザの過失度合が所定値以上である場合にのみ、上記のような処理を行ってもよい。このようにすれば、ユーザの過失度合が低く、そのため特に注意喚起が必要ない場合には、不要な画面表示が行われるのを抑止することができる。

以上説明した本発明の一実施形態によれば、以下の作用効果を奏する。

（１）テレマティクスセンタ１００は、車両の運転状態に関するプローブ情報１３２を車載端末２００から取得するプローブ情報取得部１２１と、プローブ情報取得部１２１に基づいて車両におけるユーザの危険運転を検出する危険運転検出処理部１２５と、危険運転の原因を推定する原因推定処理部１２６と、危険運転検出処理部１２５による危険運転の検出結果と、原因推定処理部１２６により推定された危険運転の原因とに基づいて、ユーザに対する運転特性の診断を行う運転特性診断処理部１２８と、運転特性診断処理部１２８により診断された運転特性の診断結果を出力する診断結果出力部１２９と、を備える。このようにしたので、外的要因の影響を考慮して、ユーザの納得性が高い運転特性診断や情報出力を行うことができる。

（２）診断結果出力部１２９から出力される運転特性の診断結果は、図１０（ｂ）、（ｃ）の画面例で示したように、危険運転が検出された日時および場所を示す情報と、危険運転の内容を示す情報と、危険運転の原因を示す情報とを含むことが好ましい。このようにすれば、ユーザにとって運転特性の診断結果を分かりやすく提示することができる。

（３）診断結果出力部１２９から出力される運転特性の診断結果は、図１０（ｂ）、（ｃ）の画面例で示したように、危険運転に対するユーザへの運転アドバイスを示す情報をさらに含むこととしてもよい。このようにすれば、ユーザが行った危険運転に対して、どのような点を改善すべきかを分かりやすく提示することができる。

（４）原因推定処理部１２６は、図５および図６に示した原因推定処理において、車両において取得されたプローブ情報１３２と、環境情報取得部１２３により取得された車両の走行位置に対応する気象情報と、車両の走行位置に対応する地図情報と、車両の走行位置に対応する道路交通情報とのいずれか少なくとも一つに基づいて、危険運転の原因を推定する。具体的には、原因推定処理部１２６は、プローブ情報１３２に基づいて、図５のステップＳ５００１〜Ｓ５０１０およびＳ５２０１〜Ｓ５２１０の処理と、図６のステップＳ５０１１〜Ｓ５０１９およびＳ５２１１〜Ｓ５２１９の処理とを行うことで、危険運転の原因を推定する。また、気象情報に基づいて図６のステップＳ５０１５およびＳ５２１５の処理を行い、地図情報に基づいて図６のステップＳ５０１６およびＳ５２１６の処理を行い、道路交通情報に基づいて図６のステップＳ５０１７およびＳ５２１７の処理を行うことで、危険運転の原因を推定する。このようにしたので、様々な危険運転の原因を正確に推定することができる。

（５）原因推定処理部１２６は、図５および図６に示した原因推定処理において、ユーザに起因する危険運転要素の有無を判定するための第一の判定処理と、ユーザ以外の外的要因に起因する危険運転要素の有無を判定するための第二の判定処理とを行うことにより、危険運転の原因を推定する。具体的には、原因推定処理部１２６は、第一の判定処理として、図５のステップＳ５００１〜Ｓ５０１０、図６のステップＳ５０１１、Ｓ５０１６、Ｓ５０１８およびＳ５０１９の各処理と、これらにそれぞれ対応する図５のステップＳ５２０１〜Ｓ５２１０、図６のＳ５２１１、Ｓ５２１６、Ｓ５２１８およびＳ５２１９の各処理とのうち、いずれか少なくとも一つを含む処理を行う。また、第二の判定処理として、図６のステップＳ５０１２〜Ｓ５０１５およびＳ５０１７の各処理と、これらにそれぞれ対応する図６のステップＳ５２１２〜Ｓ５２１５およびＳ５２１７の各処理とのうち、いずれか少なくとも一つを含む処理を行う。このようにしたので、ユーザに起因する危険運転要素のみならず、ユーザ以外の外的要因に起因する危険運転要素についても、危険運転の原因として推定することができる。

（６）テレマティクスセンタ１００は、危険運転に対するユーザの過失度合を算出する過失度合算出部１２７をさらに備える。診断結果出力部１２９から出力される運転特性の診断結果は、図１０（ｂ）、（ｃ）の画面例で示したように、過失度合算出部１２７により算出されたユーザの過失度合の情報をさらに含むことが好ましい。このようにすれば、ユーザにとって納得性の高い運転特性の診断結果を提供することができる。

（７）原因推定処理部１２６は、図５のステップＳ５００１〜Ｓ５０１０およびＳ５２０１〜Ｓ５２１０と、図６のステップＳ５０１１〜Ｓ５０１９およびＳ５２１１〜Ｓ５２１９において、危険運転要素ごとに設定された所定の条件に基づいて、危険運転の原因をそれぞれ推定する。過失度合算出部１２７は、図７のＳ７０００およびＳ７０１０において、この危険運転要素ごとにユーザの過失度合または外的要因の影響度合を算出し、算出した各過失度合および各影響度合に基づいて、ステップＳ７０２０においてユーザの総合的な過失度合を算出する。このようにしたので、ユーザに起因する危険運転要素やユーザ以外の外的要因に起因する危険運転要素などの様々な危険運転要素について、ユーザの総合的な過失度合を正確に算出することができる。

（８）テレマティクスセンタ１００は、車両の運転状態に関するプローブ情報１３２を車載端末２００から取得するプローブ情報取得部１２１と、プローブ情報取得部１２１に基づいて車両におけるユーザの危険運転を検出する危険運転検出処理部１２５と、危険運転に対するユーザの過失度合を算出する過失度合算出部１２７と、危険運転検出処理部１２５による危険運転の検出結果と、過失度合算出部１２７により算出されたユーザの過失度合とに基づいて、ユーザに対する運転特性の診断を行う運転特性診断処理部１２８と、運転特性診断処理部１２８により診断された運転特性の診断結果を出力する診断結果出力部１２９と、を備える。このようにしたので、外的要因の影響を考慮して、ユーザの納得性が高い運転特性診断や情報出力を行うことができる。

（９）テレマティクスセンタ１００は、図５のステップＳ５００１〜Ｓ５０１０およびＳ５２０１〜Ｓ５２１０の各処理と、図６のステップＳ５０１１〜Ｓ５０１９およびＳ５２１１〜Ｓ５２１９の各処理とを実行することにより、危険運転要素ごとに設定された所定の条件に基づいて危険運転の原因を推定する原因推定処理部１２６をさらに備える。過失度合算出部１２７は、図７のステップＳ７０００およびＳ７０１０において、この危険運転要素ごとにユーザの過失度合または外的要因の影響度合を算出し、算出した各過失度合および各影響度合に基づいて、ステップＳ７０２０においてユーザの総合的な過失度合を算出する。このようにしたので、ユーザに起因する危険運転要素やユーザ以外の外的要因に起因する危険運転要素などの様々な危険運転要素について、ユーザの総合的な過失度合を正確に算出することができる。

（１０）原因推定処理部１２６は、図５および図６に示した原因推定処理において、ユーザに起因する危険運転要素の有無を判定するための第一の判定処理と、ユーザ以外の外的要因に起因する危険運転要素の有無を判定するための第二の判定処理とを行うことにより、危険運転の原因を推定する。具体的には、原因推定処理部１２６は、第一の判定処理として、図５のステップＳ５００１〜Ｓ５０１０、図６のステップＳ５０１１、Ｓ５０１６、Ｓ５０１８およびＳ５０１９の各処理と、これらにそれぞれ対応する図５のステップＳ５２０１〜Ｓ５２１０、図６のＳ５２１１、Ｓ５２１６、Ｓ５２１８およびＳ５２１９の各処理とのうち、いずれか少なくとも一つを含む処理を行う。また、第二の判定処理として、図６のステップＳ５０１２〜Ｓ５０１５およびＳ５０１７の各処理と、これらにそれぞれ対応する図６のステップＳ５２１２〜Ｓ５２１５およびＳ５２１７の各処理とのうち、いずれか少なくとも一つを含む処理を行う。過失度合算出部１２７は、図７のステップＳ７０００では、上記の第一の判定処理で判定された各危険運転要素に対するユーザの過失度合を算出し、ステップＳ７０２０では、上記の第二の判定処理で判定された各危険運転要素に対する外的要因の影響度合を算出する。このようにしたので、ユーザに起因する各危険運転要素と、ユーザ以外の外的要因に起因する各危険運転要素とについて、それぞれの要因に適した評価値として、ユーザの過失度合または外的要因の影響度合を算出することができる。

（１１）診断結果出力部１２９から出力される運転特性の診断結果は、図１０（ｂ）、（ｃ）の画面例で示したように、危険運転が検出された日時および場所を示す情報と、危険運転の内容を示す情報と、ユーザの過失度合を示す情報とを含むことが好ましい。また、図１８（ａ）、（ｂ）の画面例で示したように、危険運転の検出履歴とユーザの過失度合とに応じた自動車保険料の情報を含むようにしてもよい。このようにすれば、ユーザにとって運転特性の診断結果を分かりやすく提示することができる。

（１２）診断結果出力部１２９は、危険運転が検出された直後に、または危険運転が検出された後で車両の運転が再開されたときに、図３のステップＳ３１０２、Ｓ３１０３の処理を実行して、運転特性の診断結果を出力するようにしてもよい。このようにすれば、ユーザが危険運転を行った場合に、ユーザに対する注意喚起を適切なタイミングで効果的に行うことができる。

（１３）本発明の一実施形態による運転特性診断システムは、上記のテレマティクスセンタ１００と、テレマティクスセンタ１００と接続される車載端末２００とを有する。テレマティクスセンタ１００は、図２のステップＳ２１０１において、車両の運転状態に関するプローブ情報２３２を車載端末２００から受信すると共に、図３のステップＳ３１０３において、診断結果出力部１２９から出力されたユーザに対する運転特性の診断結果を車載端末２００に送信する。一方、車載端末２００は、車両の運転状態に関するプローブ情報２３２をテレマティクスセンタ１００へ送信すると共に、ユーザに対する運転特性の診断結果をテレマティクスセンタ１００から受信する通信部１４０と、通信部１４０により受信された運転特性の診断結果を表示するための表示処理を行う診断結果表示処理部２２７と、を備える。このようにしたので、ユーザが車載端末２００を用いることで、車両の運転状態に関する情報をプローブ情報２３２として確実にテレマティクスセンタ１００に送信することができる。また、運転特性の診断結果を車載端末２００に表示して、ユーザに分かりやすく提示することができる。

（変形例１）
なお、以上説明した実施形態では、図５および図６に示した原因推定処理と、図７に示した過失度合算出処理とを、それぞれ別個の処理として行う例を説明したが、これらの処理を合わせて一つの処理として行ってもよい。図１９は、原因推定処理と過失度合算出処理を合わせて行う場合の処理の流れを示すフローチャートである。

図１９のフローチャートにおいて、原因推定処理部１２６および過失度合算出部１２７は、ステップＳ１８０１〜Ｓ１８１９に示す処理を協働して行う。これらの処理結果に基づいて、過失度合算出部１２７は、ステップＳ７０２０においてユーザの総合的な過失度合を算出する。なお、図１９のステップＳ１８０１〜Ｓ１８１９の各処理は、図５のステップＳ５００１〜Ｓ５０１０および図６のステップＳ５０１１〜Ｓ５０１９の各処理、および図５のステップＳ５２０１〜Ｓ５２１０および図６のステップＳ５２１１〜Ｓ５２１９の各処理に対応している。さらに、図１９のステップＳ１８０１〜Ｓ１８１１、Ｓ１８１６、Ｓ１８１８およびＳ１８１９の各処理は、図７のステップＳ７０００に対応しており、図１９のステップＳ１８１２〜Ｓ１８１５およびＳ１８１７の各処理は、図７のステップＳ７０１０にそれぞれ対応している。

（変形例２）
また、本発明による運転特性診断システムでは、図１に示したテレマティクスセンタ１００や車載端末２００の構成要素にさらに別の構成要素を追加したり、あるいは、図１に示したテレマティクスセンタ１００や車載端末２００の構成要素から任意のものを削除したりしてもよい。たとえば、スマートフォンを車載端末２００として用いた場合に、車間距離計測装置２０８、周辺近接計測装置２０９、車両情報取得装置２１０、視線計測装置２１１、生体情報計測装置２１２などを構成要素から除外することができる。この場合、車間距離計測装置２０８、周辺近接計測装置２０９、視線計測装置２１１などについては、カメラ２０６を代用してもよい。

なお、車載端末２００を上記のような構成とした場合、車載端末２００がプローブ情報２３２として取得できる情報の種類は、前述の実施形態と比べて限定される。たとえば、自車両に搭載された機器の操作情報や、ユーザの生体情報については、車載端末２００において取得することができない。したがって、テレマティクスセンタ１００では、これらの情報に基づく図５のステップＳ５００５およびＳ５２０５の処理や、ステップＳ５００９およびＳ５２０９の処理、ステップＳ５０１０およびＳ５２１０の処理については、行うことができない。しかし、それ以外の危険運転要素に対する各処理については実行できるため、それらの処理結果に基づいてユーザの運転特性の診断を行うことができる。

以上説明した実施形態や各種の変化例はあくまで一例であり、発明の特徴が損なわれない限り、本発明はこれらの内容に限定されない。本発明は上述した実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で種々の変更が可能である。

１００ テレマティクスセンタ
１２０ 演算処理装置
１２１ プローブ情報取得部
１２２ 動画情報取得部
１２３ 環境情報取得部
１２４ プローブ情報前処理部
１２５ 危険運転検出処理部
１２６ 原因推定処理部
１２７ 過失度合算出部
１２８ 運転特性診断処理部
１２９ 診断結果出力部
１３０ 記憶装置
１３１ ユーザ情報
１３２ プローブ情報
１３３ 動画情報
１３４ 診断結果情報
１３５ 地図情報
１４０ 通信部
２００ 車載端末
２０１ 入出力装置
２０２ 加速度計測装置
２０３ 角速度計測装置
２０４ 地磁気計測装置
２０５ 位置測位装置
２０６ カメラ
２０７ マイク
２０８ 車間距離計測装置
２０９ 周辺近接計測装置
２１０ 車両情報取得装置
２１１ 視線計測装置
２１２ 生体情報計測装置
２２０ 演算処理装置
２２１ 加速度変換処理部
２２２ プローブ情報蓄積処理部
２２３ プローブ情報出力部
２２４ 動画撮影処理部
２２５ 動画出力部
２２６ 診断結果取得部
２２７ 診断結果表示処理部
２３０ 記憶装置
２３１ ユーザ情報
２３２ プローブ情報
２３３ 動画情報
２３４ 診断結果情報
２３５ 地図情報
２４０ 通信部
３００ ネットワーク

Claims (7)

1. 車両の運転状態に関する情報を取得する情報取得部と、
   前記情報取得部により取得された情報に基づいて、前記車両におけるユーザの危険運転を検出する危険運転検出処理部と、
   前記危険運転に対する前記ユーザの過失の度合いである過失度合を算出する過失度合算出部と、
   前記危険運転検出処理部による前記危険運転の検出結果と、前記過失度合算出部により算出された前記過失度合とに基づいて、前記ユーザに対する運転特性の診断を行う運転特性診断処理部と、
   前記運転特性診断処理部により診断された前記運転特性の診断結果を出力する診断結果出力部と、
   危険運転要素ごとに設定された所定の条件に基づいて前記危険運転の原因を推定する原因推定処理部とを備え、
   前記過失度合算出部は、前記危険運転要素ごとに前記ユーザの過失度合および外的要因の影響度合を算出し、算出した各過失度合および各影響度合に基づいて前記ユーザの総合的な過失度合を算出する運転特性診断装置。
2. 請求項１に記載の運転特性診断装置において、
   前記原因推定処理部は、前記ユーザに起因する危険運転要素の有無を判定するための第一の判定処理と、前記ユーザ以外の外的要因に起因する危険運転要素の有無を判定するための第二の判定処理とを行うことにより、前記危険運転の原因を推定し、
   前記過失度合算出部は、前記第一の判定処理で判定された各危険運転要素に対する前記ユーザの過失度合を算出するための第一の算出処理と、前記第二の判定処理で判定された各危険運転要素に対する外的要因の影響度合を算出するための第二の算出処理とを行う運転特性診断装置。
3. 請求項１または請求項２に記載の運転特性診断装置において、
   前記運転特性の診断結果は、前記危険運転が検出された日時および場所を示す情報と、前記危険運転の内容を示す情報と、前記ユーザの過失度合を示す情報とを含む運転特性診断装置。
4. 請求項１または請求項２に記載の運転特性診断装置において、
   前記運転特性の診断結果は、前記危険運転の検出履歴と前記ユーザの過失度合とに応じた自動車保険料の情報を含む運転特性診断装置。
5. 請求項１または請求項２に記載の運転特性診断装置において、
   前記診断結果出力部は、前記危険運転が検出された直後に、または前記危険運転が検出された後で前記車両の運転が再開されたときに、前記運転特性の診断結果を出力する運転特性診断装置。
6. 請求項１乃至５のいずれか一項に記載の運転特性診断装置と、
   前記運転特性診断装置と接続される端末装置と、を有し、
   前記運転特性診断装置は、前記車両の運転状態に関する情報を前記端末装置から受信すると共に、前記診断結果出力部から出力された前記ユーザに対する運転特性の診断結果を前記端末装置に送信し、
   前記端末装置は、
   前記車両の運転状態に関する情報を前記運転特性診断装置へ送信すると共に、前記ユーザに対する運転特性の診断結果を前記運転特性診断装置から受信する通信部と、
   前記通信部により受信された前記運転特性の診断結果を表示するための表示処理を行う診断結果表示処理部と、を備える運転特性診断システム。
7. コンピュータにより、車両の運転状態に関する情報を取得し、
   取得した前記情報に基づいて、前記コンピュータにより、前記車両におけるユーザの危険運転を検出すると共に、前記危険運転に対する前記ユーザの過失の度合いである過失度合を算出し、
   前記危険運転の検出結果と、算出した前記過失度合とに基づいて、前記コンピュータにより、前記ユーザに対する運転特性の診断を行い、
   危険運転要素ごとに設定された所定の条件に基づいて前記危険運転の原因を推定し、
   前記危険運転要素ごとに前記ユーザの過失度合または外的要因の影響度合を算出し、算出した各過失度合および各影響度合に基づいて前記ユーザの総合的な過失度合を算出する、運転特性診断方法。

Images