JP6492096B2 - 車両の運転者の覚醒度を診断する方法 - Google Patents

Description

本発明は、車両の運転者の覚醒度（ｖｉｇｉｌａｎｃｅ）を評価する方法及び装置、当該方法を実行するためのコンピュータプログラム、並びに運転者の覚醒度を評価する装置を装備した自動車に関する。

例えば、既に欧州特許第２１６０３１３号明細書によって、車両の運転をアシストする装置及び方法、並びに然るべく装備された車両が開示されている。開示されている方法は、種々のハンドル角の予測誤差値の量の統計分布に依拠している。統計分布は、クラスの生起に関連して、当該分布に関する量の逆数を加算し、次いで、年齢が増加するにつれて生起の影響が軽減されるように、忘却係数を乗算することによって、更新される。

ハンドル角の予測誤差値は、運転者による車両の制御を表すパラメータの誤差値の構成要素である。例えば欧州特許出願公開第２４７２４９３号明細書に記載の先行技術で言及されているものといった、ハンドル角の予測に関連するもの以外のパラメータは、カメラによる車道上の車線逸脱の検出または加速度計による車両の横方向動作の検出に関連して、検討され得る。

先行技術によって、複数の問題、とりわけ、各分布の生起の影響を関連する量に厳密に限定するという問題や、統計分布が測定結果を可能な限り忠実に反映するように、各生起が検討されている分布の生起の量の一部を構成している限り、各生起の影響に対して同一の重みを割り当てるという問題が、提示されている。車載のコンピュータに固有の、データ処理に関するリソースの経済性は、これらの問題に産業上のソリューションを提供する上でのさらなる制約につながる。

先行技術の諸問題を改善するため、平均クラスを含むクラスの集合内の１つのクラスにそれぞれが所属する、運転者による車両の制御を表すパラメータの誤差値の量の、少なくとも１つの統計分布から車両の運転者の覚醒度を評価する方法であって、
− 現時点に発生するパラメータの誤差値が所属するクラスに関連する確率密度を増加させるステップと、
− パラメータ誤差値の前記量の観測後、後の時点に、当該クラスに関連する前記確率密度を減少させるステップと、を含むことを特徴とする方法というのが、本発明の目的である。

有利には、方法は、
− 生起した前記クラスが前記平均クラスと同じでない場合、
− 生起した前記クラスに所属するパラメータの誤差値が生起したときに、可変長である第１のシフトレジスタと可変長である第２のシフトレジスタに共通の少なくとも１つの第１の長さを増加させるステップと、
− 前記第１のレジスタの先頭に生起した前記クラスのインデックスを入力し、前記第２のレジスタの先頭に最初の日付インデックスを入力するステップを含む。

具体的には、方法は、
− 生起した前記クラスが前記平均クラスと同じでない場合に、シフトレジスタのセルをシフトさせるステップと、
− 生起した前記クラスが前記平均クラスと同じである場合に、第１のシフトレジスタのセルの内容を変更することなしに、第２のシフトレジスタのセルの内容を１単位だけ増加させるステップを含む。

より具体的には、前記クラスに関連する前記確率密度は、
− パラメータの誤差値の前記量の逆数値を加算することによって増加し、
− 後続の瞬間に、パラメータの誤差値の量の前記逆数値を減算することによって減少する。

好ましくは、運転者による車両の制御を表す前記パラメータの誤差値は、ハンドル角の予測誤差値である。

本発明の別の主題は、コンピュータ上で実行されたときに本発明による方法のステップが実行されるためのコード命令を含むコンピュータプログラムである。

本発明のさらに別の主題は、運転者による車両の制御を表すパラメータのセンサによって、車両の運転者の覚醒度を評価するための装置であって、本発明によるプログラムがインストールされた車載コンピュータを備えることを特徴とする、装置である。

本発明の最終的な主題は、本発明による装置を備えることを特徴とする自動車である。

後述の詳細な記載を読むことによって、本発明の他の特徴及び利点が明らかとなり、その理解のために下記の添付図面が参照される。

本発明による、車両用の覚醒度モニタリング装置を表す図である。 本発明による方法のステップを示すフロー図である。 本発明による方法のステップを示すフロー図である。 本発明による方法のステップを示すフロー図である。 本発明による方法のステップを示すフロー図である。 本発明による方法のステップを示すフロー図である。 本発明による方法のステップを示すフロー図である。

以下の説明において、同一の構造または類似の機能を有する要素は、同一の参照番号によって示される。

図１は、前輪２１、後輪２２、及びステアリングコラム８を介して前輪２１を回転させるハンドル９を、通常に装備した車両１２を示す。本発明の装置は、必須ではないが好ましくは、ステアリングコラム８上に取り付けられた、ハンドル９から制御されたロック角αを車載コンピュータ１０に示すためのセンサ１１を備える。車載コンピュータ１０はまた、例えば、運転者の注意散逸が車載コンピュータ１０によって検出された場合に、車両の運転者に警告するのに好適な音声を発することが可能なスピーカー１３といったアラーム手段にも、直接または間接に接続されている。運転者の注意散逸を検出するため、車載コンピュータ１０は、ここで記載する方法のステップを実行するためのプログラムコード命令を含むコンピュータプログラムが実行可能なように用意されている。

図２は、本方法の他のステップによってリアルタイムで生成された、運転者による車両の制御を表すパラメータの予測上の誤差値ＰＥ（ｎ）が所属する、統計分布のクラスを決定するための方法のステップを示す。当該表すパラメータは、例えば、センサ１１によって測定された車両のハンドルの回転角、または、軌道追従システムにおいても知られている、車道に向けられ画像認識装置と連動したカメラ１４によって測定された軌道の逸脱、である。

本発明の範囲から逸脱することなく多数の実施形態が想定され得るので、リアルタイムで誤差値ＰＥ（ｎ）を生成するための本方法の他のステップは、詳細に記載しない。

欧州特許第２１６０３１３明細書に記載のステップが使用される変形例において、現時点ｎの予測誤差値ＰＥ（ｎ）が、予測角度値と、瞬間ｎにおいてセンサ１１によって測定されたハンドル角値αとを区別することによって計算され、例えば５０ｍｓ毎にＣＡＮネットワークを介してコンピュータ１０に送信されることが、単純に想起される。予測角度値は、例えば、過去に計測されたハンドル角値を入力として受信する再帰型フィルタによって、コンピュータ１０で得られる。２次のテイラー展開によって導かれる再帰型フィルタは、遮断周波数が、必須ではないが例えば０．６Ｈｚの領域に位置するハイパスフィルタに相当する。

必須ではないが例えば国際公開第２０１４／００６３２７号におけるような、または欧州特許第１２３５０５２号明細書に基づくような、軌道追従が利用されるであろう変形例において、予測角度値は、車両が車線のキープを確保するのに必要なハンドル角値から直接演繹され得る。ここで、車載コンピュータは、軌道追従によって決定された値と、車両の運転者によって実際に適用されたハンドル角との間の誤差値ＰＥ（ｎ）を計算する。

分布クラスの集合は、通常、１からＮ_ｃまでのインデックスが付けられた奇数Ｎ_ｃ個のクラスを含み、これによって例えば、（Ｎ_ｃ＋１）／２というインデックスが付けられた平均値または中央値のクラスのどちらの側にも、同数のクラスが存在する。

誤差値ＰＥ（ｎ）を受信する毎に、警告ステップ１００からの遷移１０１が有効化され、遷移１０１によってクラスインデックスｃが１に初期化されるステップ１０２が起動される。

第１のクラスに−∞と−５αの間に位置する誤差値が集まるように、インデックスｃ＝１であるクラスには、ここでは負の数であり、例えば−５αに等しい、高誤差閾値ＰＥ（１）を下回る誤差値ＰＥ（ｎ）が集まる。

誤差値ＰＥ（ｎ）が、現在のインデックスｃのクラスに関する高誤差閾値ＰＥ（ｃ）を上回る条件である条件Ｑ２を実証する限り、正当に有効化された遷移１０３によって、次のインデックスｃ＋１のクラスに交代するステップであるステップ１０４が起動される。条件Ｑ２が実証されない場合は直ぐに、遷移１０５によって、警告ステップ１００が再起動される。その効果として、ステップ１０２またはステップ１０４内で設定された最終値ｃがメモリに保持され、誤差値ＰＥ（ｎ）が、先行するクラスの高閾値ＰＥ（ｃ−１）と現在のクラスの高閾値ＰＥ（ｃ）との間に位置することが表される。

インデックスがＮ_ｃである最後のクラスの高誤差閾値は、＋∞に設定されている。無限に高いこの閾値に関する条件Ｑ２を実証しなけれればならいことを回避するため、ステップ１０４に続いて、インデックスがＮ_ｃである最後のクラスに先行する、インデックスがｃである現在のクラスの条件である条件Ｑ３によって、遷移１０７を有効化することが可能である。

条件Ｑ３が実証されない場合、ここで遷移１０９が有効化され、遷移１０９によって警告ステップ１００が再起動される。その効果として、ステップ１０４で値Ｎ_ｃに設定された最終値ｃが、メモリに保持される。

遷移１０１に続いてクラスｃが検出される毎に、以下で図３を参照して記載される各ステップを起動する、遷移１１１を有効化する条件Ｑ４が実証される。

図２ａは、車両のハンドル回転角の予測値における誤差値ＰＥ（ｎ）が所属する統計分布のクラスを決定するための、方法の別のステップを示す。

誤差値ＰＥ（ｎ）を受信する毎に、警告ステップ８０からの遷移８１が有効化され、遷移８１によって、クラスインデックスｃが平均クラスを指すために（Ｎ_ｃ＋１）／２に初期化されるステップ８２が起動される。

インデックスｃ＝（Ｎ_ｃ＋１）／２であるクラスでは、ゼロ値上に中央配置された範囲であって、ここでは正の数であって例えばαに等しい高誤差閾値ＰＥ（（Ｎ_ｃ＋１）／２）と、当該高閾値の反数に等しい低閾値との間に位置する範囲の中に、誤差値ＰＥ（ｎ）が集まる。それによって、平均クラスでは、−αと＋αの間に誤差値が集まる。

誤差値ＰＥ（ｎ）が、現在のインデックスｃのクラスに関する高誤差閾値ＰＥ（ｃ）を上回る条件である条件Ｑ２を実証する限り、正当に有効化された遷移８３によって、次のインデックスｃ＋１のクラスに交代するステップ８４が起動される。

条件Ｑ２が実証されない場合、遷移８５によって警告ステップ８０が再起動される。その効果として、ステップ８２またはステップ９８で設定された最後の値ｃがメモリに保持される。誤差値ＰＥ（ｎ）が、平均クラスに先行するインデックスｃのクラスに関する高誤差閾値ＰＥ（ｃ−１）を上回る条件である条件Ｑ５を実証する場合、遷移８５に続く、正当に有効化された遷移８９によって警告ステップ８０が再起動され、誤差値ＰＥ（ｎ）が、平均クラスに先行するクラスの高閾値ＰＥ（ｃ−１）と、ステップ８２で設定された平均クラスｃの高閾値ＰＥ（ｃ）との間に位置することが表される。クラスｃが、厳密に１（ｕｎｉｔｙ）よりも大きい条件であるＱ４を実証する限り、現在のインデックスｃのクラスに先行するクラスの高閾値ＰＥ（ｃ−１）と、ステップ９８で設定されたクラスｃの高閾値ＰＥ（ｃ）との間に位置する誤差値ＰＥ（ｎ）によって遷移８９が有効化されるまで、または、１に等しいクラスインデックスによって遷移９１が有効化されるまで、遷移８７によって、先行するインデックスｃ−１のクラスに交代するステップ９８が再起動される。これによって、第１のクラスに−∞と−５αの間に位置する誤差値が集まるように、ここでは負の数であり、例えば−５αに等しい高誤差閾値ＰＥ（１）を、誤差値ＰＥ（ｎ）が下回ることが表される。

インデックスがＮ_ｃである最後のクラスの高誤差閾値は、＋∞に設定されている。この無限に高い閾値に関する条件Ｑ２を実証しなけれればならいことを回避するため、ステップ８４に続いて、インデックスがＮ_ｃである最後のクラスに先立つ、インデックスがｃである現在のクラスの条件である条件Ｑ３によって、遷移９３を有効化することが可能である。

条件Ｑ３が実証されない場合、次には遷移９５が有効化され、遷移９５によって警告ステップ８０が再起動される。その効果として、ステップ８４で値Ｎ_ｃに設定された最終値ｃが、メモリに保持される。

遷移８１に続いてクラスｃが検出される毎に、ここで図３を参照して説明される各ステップを起動する、遷移１１１を有効化する条件Ｑ４が実証される。

図３に関連して記載されたステップの狙いは、クラスごとの確率密度の１または複数の分布、とりわけ現時点に先行して受信されたＮ_１個の誤差値ＰＥ（ｎ）のサンプルの確率密度Ｐ_１（ｃ）の第１の分布、及び現時点に先行して受信されたＮ_２個の誤差値ＰＥ（ｎ）のサンプルの確率密度Ｐ_２（ｃ）の第２の分布を、リアルタイムで計算することである。具体的には、Ｎ_１に割り当てられた高い値は長期の分布を示し、Ｎ_２に割り当てられた低い値は短期の分布を示す。

（経時的なクラスの生起の傾向変動と、Ｎ_１個またはＮ_２個のサンプルの集合に対する実現値の集合とが、同一の情報を提供すると唱える）エルゴード仮説を適用することによって、最も最近生起したクラスのインデックスｃがその先頭に入力され、最も昔に生起したクラスのインデックスｃがその末尾から出力される、セルのシフトレジスタを利用することが可能になる。こうして、サンプルの量は一定であり、入力されたクラスの確率は増加し、出力されたクラスの確率は減少する。

可能性のあるＮ_１個のクラスの中の新しいクラスｃによって遷移１１１が有効化されるとき、第１の分布におけるその確率密度Ｐ_１（ｃ）は、遷移１１１によって起動されるステップ１１２において、１／Ｎ_１だけ増加される。同様に、Ｎ_２個のサンプルの任意の他の分布に関して、当該他の分布における確率密度Ｐ_２（ｃ）は、ステップ１１２において１／Ｎ_２だけ増加される。

リストされた全てのクラスに関して、確率Ｐ_１（ｃ）、Ｐ_２（ｃ）は、最初のステップ１１０においてゼロに初期化される。

確率密度の積分の合計が１に等しいことを保つようにして定数Ｎ_１個のサンプルの分布を評価するために、第１の分布内で最も昔に生起したインデックスｋのクラスの確率密度Ｐ_１（ｋ）は、本明細書で後記される１または複数のステップ１４４、１４６において１／Ｎ_１だけ減少される。

同様に、任意の他の定数Ｎ_２個のサンプルの分布を評価するために、当該他の分布内で最も昔に生起したインデックスｋのクラスの確率密度Ｐ_２（ｋ）は、本明細書で後記される１または複数のステップ１３３、１３５において１／Ｎ_２だけ減少される。

統計における大数の法則は、大きな数Ｎ_１、Ｎ_２個のサンプルが代表的分布をとることを要求する。以下に記載する方法のステップのうちの幾つかがない場合、この制約によって、他の用途にとっては不利益なことに、車載コンピュータの物理メモリ内に多くのスペースを必要とするであろう、１または複数の大サイズのシフトレジスタが必要になる。

実メモリとも呼ばれる物理メモリのサイズを減少させるため、本発明による方法は、上記の各レジスタを、可変の長さＬ_１、Ｌ_２を有する少なくとも１つの実レジスタＢ_１，１、Ｂ_１，２に紐づけられた仮想レジスタの形式で処理することを可能にする。

遷移１１３は、クラスインデックスｃによって生起頻度がより高いクラスが指定される、言い換えれば、上記で角度誤差ＰＥ（ｎ）の測定値のために規定された平均クラスが、インデックスｃ＝（Ｎ_ｃ＋１）／２である中間クラスに相当するとしてテスト中に観測されるという、条件Ｑ７によって有効化される。

遷移１１３が有効化されることによって、実レジスタＢ_１，１、Ｂ_１，２の先頭にクラスインデックスｃが入力されず、生起した全てのクラスインデックスを含む仮想レジスタの固定長Ｎ_１またはＮ_２に対する実レジスタＢ_１，１、Ｂ_１，２の可変の長さＬ_１、Ｌ_２が、それに応じて、平均クラスが生起する毎に縮小されるという効果がある。遷移１１３を有効化するクラスの生起は最も高い頻度を持つものであるので、消費される実メモリサイズの減少は、かなりの量である。

クラスインデックスｃが、最も高い生起頻度を持つクラス以外のクラスを指定するときは、条件Ｑ７は実証されない。こうして、様々なテストによっても低い生起確率が観測可能であった他のいかなるクラスによっても、遷移１１５が有効化される。遷移１１５によって、実レジスタＢ_１，１の先頭の実メモリセルに新しいクラスインデックスｃを入力することが可能になるように、長期間の分布に関連してより長い長さＮ_１を持つ仮想レジスタに紐づけられた実レジスタＢ_１，１の長さＬ_１が、１単位だけ増加されるステップ１１６が起動される。

短期間の分布に関連してより短い長さＮ_２を持つ仮想レジスタは、長期間の分布に関連してより長い長さＮ_１を持つ仮想レジスタに含まれる。これは、最大で可変の長さＬ_１と等しい可変の長さＬ_２を有する実レジスタＢ_１，１に、結果的に含まれる実レジスタＢ_１，２についても、同様に当てはまる。実レジスタＢ_１，２の長さＬ_２もまた、ステップ１１６において１単位だけ増加される。

長さＬ_１、Ｌ_２は、最初のステップ１１０でゼロに初期化される。

実レジスタＢ_１，２が実レジスタＢ_１，１に含まれるので、上記の長さのうちの最長のものに等しい長さＬ_１を持つ、単一の実レジスタＢ_１があれば十分である。レジスタＢ_１の先頭から長さＬ_２を取ると、より短い長さＮ_２を持つ仮想レジスタに紐づけられた実レジスタの末尾を指し得る。本明細書で以降検討されるのは、この実レジスタＢ_１である。

図３に示すステップを辿っていく第１段階は、Ｎ_１個のサンプルを表す長期間の分布をとるために、仮想レジスタの長さＮ_１に到達することに相当する、実レジスタＢ_１の長さＬ_１に達することである。

次いで方法は第２段階で、固定長Ｎ_１の仮想レジスタに恒常的に紐づけられた実レジスタＢ_１に進展する。

第１段階は、例えば第１段階の特定のサイクルのステップと、第２段階の特定のサイクルのステップとを実施するといった、種々の方法で実行され得る。

図３に示す実施形態では、第１段階は、大サイズの仮想レジスタへの入力のインジケータＩによって管理される。誤差値ＰＥ（ｎ）のいかなるクラスが考慮されるよりも前に、インジケータＩはステップ１１０でゼロに初期化される。誤差値ＰＥ（ｎ）の新しいクラスを考慮に入れるため、ＩがＮ_１未満である限り、遷移１１３または遷移１１５が有効化される毎に、それに続いて（遷移１１１の上流にループして戻る前に）ステップ１２４が起動される。

以下に見られる理由によって、ＩがＮ_２以上である一方でＮ_１未満であり、遷移１２５を有効化するケースと、ＩがＮ_２未満であるためにＮ_１未満であり、遷移１２３を有効化するケースとを区別したい場合には、ステップ１２３または１２５のどちらかが有効化されることにより、ステップ１２４が起動される。

有効化されたのが遷移１１３または遷移１１５のどちらであったかに従って方法の実行を単純化するため、ステップ１１６において実レジスタの使用のインジケータｒを１に設定することが可能である。実レジスタの利用がないことによって、ここでインジケータｒは、遷移１１３の有効化によって起動されたステップ１１４において、ゼロに設定される。

新しいクラスインデックスｃが生起する毎に、各仮想レジスタは１セルずつ末尾に向かってシフトされる。仮想レジスタは物理的な実体を有しないので、このシフトは、実メモリ中で唯一物理的な実体を有する実レジスタ内で管理する必要がある。これが、遷移１２１の有効化によって起動されたステップ１２２の目的である。

遷移１１１の有効化以前に、シフトインデックスｄが実レジスタＢ１の長さ値Ｌ_１よりも低い限り、遷移１２１は有効化される。言い換えれば、インジケータｒがゼロの場合、遷移１２１は、インデックスｄがＬ_１未満であるという条件Ｑ８によって有効化される。次いで、インジケータｒが非ゼロの場合、遷移１２１は、インデックスｄがＬ_１−１未満であるという条件Ｑ８によって有効化される。

インデックスｄはステップ１１２においてゼロに初期化され、次いでステップ１２２が起動される毎に１単位だけ増加される。

インジケータｒが非ゼロの場合、ステップ１２２が繰り返される毎に、レジスタＢ_１の各セルＢ_１（Ｌ_１−ｄ）は、ステップ１２２の最初の繰り返しの際の最後のセルＢ_１（Ｌ_１）に始まって、先行するセルＢ_１（Ｌ_１−ｄ−１）の内容を取る。

インジケータｒがゼロの場合、レジスタＢ_１の各セルＢ_１（Ｌ^１−ｄ）は、ステップ１２２が繰り返される毎に内容を変更せずに保持する。

クラスインデックスｃ＝（Ｎ_ｃ＋１）／２が第１の実レジスタＢ_１の先頭に入力されない場合、紐づけられている仮想レジスタのセルの実際のシフトを考慮に入れるため、第１の実レジスタＢ_１の長さと等しい長さを有する第２の実レジスタＢ_２によって、日付スタンプインジケータが第１の実レジスタＢ_１の各セルに紐づけられる。

こうして、インジケータｒがゼロの場合、レジスタＢ_２の各セルＢ_２（Ｌ_１−ｄ）の内容は、１単位だけ増加される。

インジケータｒが非ゼロの場合、ステップ１２２が繰り返される毎に、レジスタＢ_２の各セルＢ_２（Ｌ_１−ｄ）は、ステップ１２２の最初の繰り返しの際の最後のセルＢ_１（Ｌ_１）に始まって、単純に先行するセルＢ_２（Ｌ_１−ｄ−１）の内容を取る。

インジケータｒが非ゼロで、且つインデックスｄが値Ｌ_１−１に達する場合、遷移１１９が有効化され、遷移１１９によってステップ１２０が起動される。

ステップ１２０は、第１の実レジスタＢ_１の先頭においてはセルＢ_１（１）であるセルＢ_１（Ｌ_１−ｄ）内に、遷移１１１を有効化したクラスインデックスｃを入力し、第２の実レジスタＢ_２の先頭においてはセルＢ_２（１）であるセルＢ_２（Ｌ_１−ｄ）内に、ゼロ値を入力することである。

インジケータｒがゼロで、且つインデックスｄが値Ｌ_１に達する場合、遷移１１７が有効化され、遷移１１７によって、方法はステップ１２０の下流に直接移動する。

上記されたとおり、ステップ１２０の下流では、遷移１２３及び１２５がステップ１２４を起動する。

遷移１２５は、仮想レジスタの入力のインジケータＩがＮ_２とＮ_１の間に位置する場合に有効化され、短期間に仮想レジスタの末尾に到達したことを示すフラグＣＴが上げられるステップ１２６も、また起動される。ステップ１２４同様、ステップ１２６は、次に生起するクラスを考慮に入れるため、遷移１１１の上流にループして戻る。

短期間の到達フラグＣＴは、ここで図４を参照して記載されるサイクルのステップと同期するために利用される。

図４のサイクルは、デフォルトで、短期間の仮想レジスタの末尾到達フラグＣＴがゼロに引き下げられる、最初のステップ１３０内にある。ステップ１２６で短期間の仮想レジスタの末尾到達フラグＣＴを上げることにより、遷移１３１の有効化を誘発する条件Ｑ９が満足される。

条件Ｑ１０は、第２の実レジスタＢ_２のランクＬ_２のセルＢ_２（Ｌ_２）が日付スタンプインジケータを含む場合に満足される。日付スタンプインジケータは、長さＬ_２に加算され、短期間の仮想レジスタの長さＮ_２が得られる。日付スタンプインジケータによって、（第１の実レジスタには入力されていないにもかかわらず）短期間の仮想レジスタに関して考慮に入れられなければならない、平均クラスの生起量が得られる。長さＬ_２によって、同様に短期間の仮想レジスタに関して考慮に入れられなければならないが、第１の実レジスタに入力されている、残りのクラスの生起量が得られる。２つの量の合計によって、第２の実レジスタＢ_２の短期間の末尾における、セルＢ_２（Ｌ_２）内の仮想レジスタ内のランクが得られ、その結果、紐づけられている第１の実レジスタＢ_１の短期間の末尾におけるセルＢ_１（Ｌ_２）の仮想レジスタ内のランクも得られる。

遷移１３５は、条件Ｑ１０が満足されたときに有効化される。

遷移１３１及び１３５が有効化されることによって、第１の実レジスタＢ_１の短期間の末尾におけるセルＢ_１（Ｌ_２）によって与えられるクラスインデックスｋが読み取られる、ステップ１３６が起動される。クラスインデックスｋは、後続するクラスの生起Ｎ_２を観測する前に遷移１１１を有効化した、クラスインデックスｃである。このクラスが短期間の仮想レジスタから消えることで、その確率Ｐ_２（ｋ）は１／Ｎ_２だけ減少する。クラスインデックスｋは、長期間では考慮に入れられるべく、実レジスタＢ_１内に残存するものの、短期間では仮想レジスタに紐づけられた実レジスタの部分から、離れる。長さＬ_２は、１単位だけ減少する。

遷移１３３は、条件Ｑ１０が満足されなかったときに有効化される。この場合、短期間の仮想レジスタの最後のセルのクラスインデックスｋは、実レジスタＢ_１には含まれない。

遷移１３３が有効化されることにより、クラスインデックスｋが平均クラス（Ｎｃ＋１）／２のクラスインデックスの値に設定されるステップ１３４が起動される。このクラスが短期間の仮想レジスタから消えることで、その確率Ｐ_２（ｋ）は１／Ｎ_２だけ減少する。

ステップ１３４またはステップ１３６の実行が終わると、ステップ１２６によって与えられる新しい同期を待って、方法はステップ１３０に戻る。

図３では、仮想レジスタの入力のインジケータＩがＮ_１に等しい場合に有効化される遷移１２７によって、短期間の仮想レジスタの末尾到達フラグＣＴが上げられるステップ１２６が起動され、長期間の仮想レジスタの末尾到達フラグＬＴが上げられるステップ１２８もまた起動される。ステップ１２６同様、ステップ１２８は、次に生起するクラスを考慮に入れるため、遷移１１１の上流にループして戻る。

長期間の到達フラグＬＴは、ここで図５を参照して記載されるサイクルのステップと同期するために利用される。

図５のサイクルは、デフォルトで、長期間の仮想レジスタの末尾到達フラグＬＴが引き下げられる、最初のステップ１４０内にある。ステップ１２８で長期間の仮想レジスタの末尾到達フラグＬＴを１に上げることにより、遷移１４１の有効化を誘発する条件Ｑ１１が満足される。

条件Ｑ１２は、第２の実レジスタＢ_２の末尾にある最後のセルＢ_２（Ｌ_１）が日付スタンプインジケータを含む場合に満足される。日付スタンプインジケータは、長さＬ_１に加算され、長期間の仮想レジスタの長さＮ_１が得られる。日付スタンプインジケータによって、（第１の実レジスタには入力されていないにもかかわらず）長期間の仮想レジスタに関して考慮に入れられなければならない、平均クラスの生起量が得られる。長さＬ_１によって、同様に長期間の仮想レジスタに関して考慮に入れられなければならないが、第１の実レジスタに入力されている、残りのクラスの生起量が得られる。２つの量の合計によって、第２の実レジスタＢ_２の短期間の末尾にある最後のセルＢ_２（Ｌ_１）内の仮想レジスタ内のランクが得られ、その結果、紐づけられている第１の実レジスタＢ１の末尾にある最後のセルＢ_１（Ｌ_１）の仮想レジスタ内のランクも得られる。

遷移１４５は、条件Ｑ１２が満足されたときに有効化される。

遷移１４１及び１４５が実証されることによって、第１の実レジスタＢ_１の末尾におけるセルＢ_１（Ｌ_１）によって与えられるクラスインデックスｋが読み取られる、ステップ１４６が起動される。クラスインデックスｋは、後続するクラスの生起Ｎ_１を観測する前に遷移１１１を有効化した、クラスインデックスｃである。このクラスが長期間の仮想レジスタから消えることで、その確率Ｐ_１（ｋ）は１／Ｎ_１だけ減少する。クラスインデックスｋが長期間の仮想レジスタに紐づけられた実レジスタを離れることで、長さＬ_１は１単位だけ減少される。

遷移１４３は、条件Ｑ１２が満足されなかったときに有効化される。この場合、短期間の仮想レジスタの最後のセルのクラスインデックスｋは、実レジスタＢ_１には含まれない。

遷移１４３が有効化されることにより、クラスインデックスｋが平均クラス（Ｎｃ＋１）／２のクラスインデックスの値に設定されるステップ１４４が起動される。このクラスが長期間の仮想レジスタから消えることで、その確率Ｐ_１（ｋ）は１／Ｎ_１だけ減少する。

ステップ１４４またはステップ１４６の実行が終わると、ステップ１２８によって与えられる新しい同期を待って、方法はステップ１４０に戻る。

下記に見られるとおり、単一の分布で十分な場合、図６に関連して記載されるステップの目的は、クラスごとの確率密度分布、とりわけ現時点に先立って受信されたＮ個の誤差ＰＥ（ｎ）のサンプルに関する確率密度Ｐ（ｃ）の分布をリアルタイムで計算することである。方法は、ここで簡素化される。

ここでまた、（経時的なクラスの生起の傾向変動と、Ｎ個のサンプルの集合に対する実現値の集合とが、同一の情報を提供すると唱える）エルゴード仮説を適用することによって、最も最近生起したクラスのインデックスｃがその先頭に入力され、最も昔に生起したクラスのインデックスｃに以前と同様に相当するインデックスｋがその末尾から出力される、セルのシフトレジスタを利用することが可能になる。こうして、サンプルの量は一定であり、入力されたクラスの確率は増加し、出力されたクラスの確率は減少する。

可能性のあるＮ個のクラスの中の新しいクラスｃによって遷移１５１が有効化されるとき、分布におけるその確率密度Ｐ（ｃ）は、遷移１５１によって起動されるステップ１５２において、１／Ｎだけ増加される。

リストされた全てのクラスに関して、確率Ｐ（ｃ）は、最初のステップ１５０においてゼロに初期化される。

確率密度の積分の合計が１に等しいことを保つようにして、ここで再び定数である数Ｎ個のサンプルの分布を評価するために、分布内で最も昔に生起したインデックスｋのクラスの確率密度Ｐ（ｋ）は、本明細書で後記される１または複数のステップ１４４、１４６において１／Ｎ_１だけ減少される。

遷移１５３は、クラスインデックスｃによって、インデックスｃ＝（Ｎ_ｃ＋１）／２である中間クラスに相当し、テスト中に観測された生起頻度が最も高いクラスが指定される、条件Ｑ７によって有効化される。

遷移１５３が有効化されることによって、実レジスタＢ_１の先頭にクラスインデックスｃが入力されず、生起した全てのクラスインデックスを含む仮想レジスタの固定長Ｎに対する実レジスタＢ_１の可変の長さＬが、それに応じて、平均クラスが生起する毎に縮小されるという効果がある。遷移１５３を有効化するクラスの生起は最も高い頻度を持つものであるので、消費される実メモリサイズの減少は、かなりの量である。

クラスインデックスｃが、より高い生起頻度を持つクラス以外のクラスを指定するときは、条件Ｑ７は実証されない。こうして、他の場所の様々なテストによっても低い生起確率が観測可能であった他のいかなるクラスによっても、遷移１５９が有効化される。遷移１５９によって、実レジスタＢ_１の先頭の実メモリセルに新しいクラスインデックスｃを入力することが可能になるように、長期間の分布に関連してより長い長さＮを持つ仮想レジスタに紐づけられた実レジスタＢ_１の長さＬが、１単位だけ増加されるステップ１６０が起動される。

長さＬは、最初のステップ１５０でゼロに初期化される。

図３の例示的実施形態に関して、図６に示すステップを辿っていく第１段階は、Ｎ個のサンプルが代表的分布をとるために、仮想レジスタの長さＮに達することに相当する、実レジスタＢ_１の長さＬに達することである。

次いで方法は第２段階で、固定長Ｎの仮想レジスタに恒常的に紐づけられた実レジスタＢ_１に進展する。

ここでまた、第１段階は、例えば第１段階の特定のサイクルのステップと、第２段階の別の特定のサイクルのステップとを実施するといった、種々の方法で実行され得る。

図６に示す実施形態では、第１段階は、仮想レジスタへの入力のインジケータＩによって管理される。誤差値ＰＥ（ｎ）のいかなるクラスが考慮されるよりも前に、インジケータＩはステップ１５０でゼロに初期化される。新しい誤差値ＰＥ（ｎ）のクラスを考慮に入れるため、ＩがＮ未満である限り、遷移１５３または遷移１５９が有効化される毎に、それに続いて（遷移１５１の上流にループして戻る前に）ステップ１６６が起動される。

遷移１５３が有効化される場合、シフトインデックスｄが、遷移１５１の有効化以前に、実レジスタＢ_１の長さ値Ｌよりも短い限り、遷移１５５は有効化される。言い換えれば、遷移１５５は、インデックスｄがＬ未満であるという条件Ｑ１３によって有効化される。遷移１５９が有効化される場合、シフトインデックスｄが、条件Ｑ１４に相当する、レジスタＢ_１の長さ値Ｌ−１よりも短いという条件を満たす限り、遷移１６１は有効化される。

インデックスｄはステップ１５２においてゼロに初期化され、次いで遷移１５５に続くステップ１５６または遷移１６１に続くステップ１６２が起動される毎に、１単位だけ増加される。

レジスタＢ_１の各セルＢ_１（Ｌ−ｄ）及びレジスタＢ_２の各セルＢ_２（Ｌ−ｄ）のそれぞれは、それぞれステップ１６２の最初の繰り返しの際の最後のセルＢ_１（Ｌ）及びＢ_２Ｌに始まって、ステップ１６２が繰り返される毎に、それぞれ先行するセルＢ_１（Ｌ−ｄ−１）及びＢ_２（Ｌ−ｄ−１）の内容を取る。

レジスタＢ_１の各セルＢ_１（Ｌ−ｄ）は、ステップ１５６が繰り返される毎に内容を変更せずに保持する。

クラスインデックスｃ＝（Ｎ_ｃ＋１）／２が第１の実レジスタＢ_１の先頭に入力されない場合、紐づけられた仮想レジスタのセルの実際のシフトを考慮に入れるため、ステップ１５６が繰り返される毎にレジスタＢ_２の各セルＢ_２（Ｌ−ｄ）の内容が１単位だけ増加されるように、第１の実レジスタＢ_１の長さと等しい長さを有する第２の実レジスタＢ_２によって、日付スタンプインジケータが第１の実レジスタＢ_１の各セルに紐づけられる。

条件Ｑ１４が実証されない場合、言い換えればインデックスｄが値Ｌ−１に達する場合、遷移１６３が有効化され、遷移１６３によってステップ１６４が起動される。

ステップ１６４は、第１の実レジスタＢ_１の先頭においてはセルＢ_１（１）であるセルＢ_１（Ｌ−ｄ）内に、遷移１５１を有効化したクラスインデックスｃを入力し、第２の実レジスタＢ_２の先頭においてはセルＢ_２（１）であるセルＢ_２（Ｌ−ｄ）内に、ゼロ値を入力することである。

条件Ｑ１３が実証されない場合、言い換えればインデックスｄが値Ｌに達する場合、遷移１５７が有効化され、遷移１５７によって、方法はステップ１６４の下流に直接移動する。

上記されたとおり、ステップ１６４の下流では、遷移１６５がステップ１６６を起動する。

仮想レジスタの入力のインジケータＩがＮに等しい場合、ひいてはＮよりも大きい場合に有効化される遷移１６７によって、ここで記載されるように、ステップ１７０、１７２のうちの１つまたは２つが起動される。

第２の実レジスタＢ_２のランクＬのセルＢ_２（Ｌ）が日付スタンプインジケータを含む場合に、条件Ｑ１５は満足される。日付スタンプインジケータは、長さＬに加算され、仮想レジスタのＢ_２の長さＮが得られる。日付スタンプインジケータによって、（第１の実レジスタには入力されていないにもかかわらず）短期間の仮想レジスタに関して考慮に入れられなければならない、平均クラスの生起量が得られる。長さＬによって、同様に仮想レジスタに関して考慮に入れられなければならないが、第１の実レジスタに入力されている、残りのクラスの生起量が得られる。２つの量の合計によって、第２の実レジスタＢ_２の末尾における、セルＢ_２（Ｌ）内の仮想レジスタ内のランクが得られ、その結果、紐づけられている第１の実レジスタＢ_１の末尾におけるセルＢ_１（Ｌ_２）の仮想レジスタ内のランクも得られる。

遷移１６９は、条件Ｑ１５が満足されたときに有効化される。

遷移１６７及び１６９が有効化されることによって、第１の実レジスタＢ_１の末尾におけるセルＢ_１（Ｌ）によって与えられるクラスインデックスｋが読み取られる、ステップ１７０が起動される。クラスインデックスｋは、Ｎ個の後続するクラスの生起を観測する前に遷移１５１を有効化した、クラスインデックスｃである。このクラスが仮想レジスタから消えることで、その確率Ｐ（ｋ）は１／Ｎだけ減少する。長さＬは、１単位だけ減少する。

遷移１７１は、条件Ｑ１５が満足されなかったときに有効化される。この場合、短期間の仮想レジスタの最後のセルのクラスインデックスｋは、実レジスタＢ_１には含まれない。

遷移１７１が有効化されることにより、クラスインデックスｋが平均クラス（Ｎ_ｃ＋１）／２のクラスインデックスの値に設定されるステップ１７２が起動される。このクラスが短期間の仮想レジスタから消えることで、その確率Ｐ（ｋ）は１／Ｎだけ減少する。

ステップ１７０またはステップ１７２の実行が終わると、新しい誤差のクラスｃを待って、方法は遷移１５１の下流に戻る。

図６の方法のステップによって得られる統計分布

によって、エントロピー値が高いときにはずっとより高くなる予測誤差値のばらつきのレベルを表す、エントロピー値Ｈをリアルタイムで計算することが可能になる。知られているように、統計分布のエントロピー値Ｈは、以下の統計熱力学の数式によって計算されるということが想起されるであろう。

こうしてエントロピーＨによって測定された集中阻害の度合によって、運転者の注意散逸を検出することが可能になる。ゼロに近いエントロピーは、運転者の強い集中を表す。ここで、エントロピー値Ｈが、例えば先行の行動学的な研究もしくは実験、または他の手法に基づく閾値Ｓを超えた場合に、運転者の注意散逸が検出され得る。

既定の手法で固定された閾値Ｓｆの利点は、結果的にデータ処理リソースに関する経済性を考慮に入れた、実行の容易さにある。

しかし、エントロピーに関する固定閾値Ｓｆは、必ずしも運転者（レーサーあるいは運転練習者）や路面プロファイル（混沌とした経路あるいは曲がりくねった経路）などの広範囲のサンプルには適合していない。

図３の方法のステップによって得られた複数の統計分布によって、予想誤差値のばらつきと同様のレベルを表す１または複数の相対的なエントロピー値ＲＨをリアルタイムで計算することが可能になる。

とりわけ、長さＮ_１の長期間の分布

は、運転者の注意深い性質あるいは慎重な性質や、直線的あるいは曲がりくねった路面プロファイルに関して、先験的な固定閾値よりもより忠実に表現している。

次いで、長さＮ_２の短期間の分布

は、運転者の行動を表している。

知られているように、２つの統計分布の相対的エントロピー値ＲＨは、以下の統計熱力学の数式によって計算されるということが想起されるであろう。

こうしてエントロピーＲＨによって測定される集中阻害の度合によって、エントロピーＲＨを既定の閾値Ｓｒと比較することで、運転者や路面プロファイルや他の状況に自動的に適合する方法により、運転者の注意散逸を検出することが可能になる。

Claims (7)

1. 運転者による車両の制御を表す複数のパラメータ誤差値（ＰＥ（ｎ））の量の、少なくとも１つの統計分布から前記車両の前記運転者の覚醒度を評価する方法であって、前記複数のパラメータ誤差値（ＰＥ（ｎ））のそれぞれが平均クラス（（Ｎ _ｃ ＋１）／２）を含むクラスの集合内のクラス（ｃ）に所属し、
   前記複数のパラメータ誤差値（ＰＥ（ｎ））の前記量を観測（１００）した後に、
   − 現時点に生起（１０１）するパラメータ誤差値（ＰＥ（ｎ））が所属（１１１、１５１）するクラス（ｃ）に関連する確率密度を増加（１１２）させるステップと、
   − 後の時点の前記クラス（ｃ）に関連する前記確率密度を減少（１２６、１３４、１３６、１２８、１４４、１４６）させるステップ
   を含み、
   更に、
   − 前記クラス（ｃ）が前記平均クラス（（Ｎ _ｃ ＋１）／２）と同じでない（１１５）
   場合に、
   − 前記クラス（ｃ）に所属する前記パラメータ誤差値（ＰＥ（ｎ））が生起（１０１）したときに、可変長である第１のシフトレジスタ（Ｂ _１ ）と可変長である第２のシフトレジスタ（Ｂ _２ ）に共通の少なくとも１つの第１の長さ（Ｌ、Ｌ _１ ）を増加（１１６）させるステップと、
   − 前記クラス（ｃ）のインデックスを前記第１のシフトレジスタの先頭（Ｂ _１ （１））に、また最初の日付インジケータを前記第２のシフトレジスタの先頭（Ｂ _２ （１））に入力（１２０）するステップ
   を含むことを特徴とする、方法。
2. − 前記クラス（ｃ）が前記平均クラス（（Ｎ_ｃ＋１）／２）と同じでない（１１５）場合に、前記第１のシフトレジスタ（Ｂ_１ ）のセル（Ｂ_１（Ｌ_１−ｄ））と前記第２のシフトレジスタ（Ｂ _２ ）のセル（Ｂ_２（Ｌ_１−ｄ））をシフトさせ、
   − 前記クラス（ｃ）が前記平均クラス（（Ｎ_ｃ＋１）／２）と同じである（１１３）場合に、前記第１のシフトレジスタ（Ｂ_１）の前記セル（Ｂ_１（Ｌ_１−ｄ））の内容を変更することなしに、前記第２のシフトレジスタ（Ｂ_２）の前記セル（Ｂ_２（Ｌ_１−ｄ））の内容を１単位だけ増加させる
   ことからなるステップ（１２２）を含むことを特徴とする、請求項１に記載の方法。
3. 前記クラス（ｃ）に関連する前記確率密度が、
   − 前記複数のパラメータ誤差値（ＰＥ（ｎ））の前記量の逆数値を加算することによって増加し、
   − 後続の瞬間に、前記複数のパラメータ誤差値（ＰＥ（ｎ））の前記量の前記逆数値を減算することによって減少する
   ことを特徴とする、請求項１または２に記載の方法。
4. 前記運転者による前記車両の前記制御を表す前記複数のパラメータ誤差値がハンドル角誤差予想値（ＰＥ（ｎ））であることを特徴とする、請求項１から３のいずれか一項に記載の方法。
5. コンピュータ上で実行されたときに、請求項１から４のいずれか一項に記載の方法のステップが実行されるためのプログラムコード命令を含む、コンピュータプログラム。
6. 運転者による車両の制御を表すパラメータのセンサ（１１、１４）によって、前記車両の前記運転者の覚醒度を評価するための装置であって、請求項５に記載のプログラムがインストールされた車載コンピュータ（１０）を備えることを特徴とする、装置。
7. 請求項６に記載の装置を備えることを特徴とする、自動車。
   

Images