JP6519434B2 - 運転支援装置 - Google Patents

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。

従来より、制動距離や減速度の標準偏差、ステアリング操作のバラツキ等、単純な指標を用いた運転行動のモデル化は様々なものが知られている。その一つとして、特許文献１には、モデル化された減速挙動データである学習データと、運転時に測定された減速挙動データとを比較することでドライバーの運転操作の経年的な衰えを検出し、検出した衰えに応じた運転支援を行う技術が記載されている。

特開２０１２−２５４６９４号公報

しかしながら、運転支援の対象となる運転シーンは極めて多様であり、これを一元的にモデル化することは困難であるため、運転支援の対象が「停止のための減速時」「右左折時」「定常走行時」など扱い易い運転シーンに限定されてしまうという問題があった。

また、ドライバー個人に適合した運転行動モデルを構築するためには、支援対象となるドライバー個人のデータを大量に収集する必要があり、有効な運転行動モデルが構築されるまでに長い時間を要するという問題もあった。

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、支援の対象となるドライバーに関するデータの蓄積が少ない状態でも、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）と、蓄積部（１６）と、対象データ取得部（２１，２２）と、推定部（２３）と、支援提供部（２４）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運転操作の結果として表れる車両挙動のうち少なくとも一方を表す運転行動データを収集する。分類部（１５）は、データ収集部にて収集された運転行動データをクラスタリングすることで、ドライバーの運転行動の傾向を表す複数のクラスタに分類する。蓄積部（１６）は、分類部にて分類されたクラスタ毎に運転行動の特性を表すクラスタ情報を蓄積する。対象データ取得部（２１，２２）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（２３）は、対象データ取得部により取得された対象データと蓄積部に蓄積された運転行動データやクラスタ情報とを比較することにより、支援対象ドライバーが属するクラスタである該当クラスタを推定する。支援提供部（２４）は、該当クラスタ推定部で推定された該当クラスタに応じて内容を切り替えて、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である運転支援を提供する。

このような構成によれば、多数のドライバーの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とるドライバーのクラスタを予め生成しておき、支援対象ドライバーの運転行動データから支援対象ドライバーが属する該当クラスタを推定し、その該当クラスタに応じた運転支援を提供する。つまり、支援対象ドライバーに関する運転行動データの蓄積が少なく、例えば、支援対象ドライバーが未経験の運転シーンであっても、該当クラスタに属する他のドライバーのクラスタ情報から支援対象ドライバーの運転行動を推定することができるため、支援対象ドライバーに対して適切な運転支援を提供することができる。

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。 クラスタリングの結果を可視化した説明図である。 運転行動データから抽出した特徴量の一例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、運転行動データ収集・蓄積部１０と、支援提供部２０とを備える。なお、支援提供部２０は、各車両に搭載され、運転行動データ収集・蓄積部１０は、車両との通信に使用される通信網に接続されたサーバであり、その通信網を介して、支援提供部２０を備えた車両との通信を行うように構成されている。

なお、運転行動データ収集・蓄積部１０および支援提供部２０は、いずれも一つ以上のマイクロコンピュータ（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、メモリという）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。

［１−１．運転行動データ収集・蓄積部］
運転行動データ収集・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、クラスタデータベース１６とを備える。なお、運転行動データ収集部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が分類部、運転記号データベース１４，クラスタデータベース１６が蓄積部に相当する。

運転行動データ収集部１１は、ドライバーによる車両操作を表すデータや、その車両操作の結果として表れる車両の挙動を表すデータの他、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。これらの情報は、通信機能を有した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、ドライバーによる車両操作を表すデータとしては、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ある。また、車両の挙動を表すデータとしては、例えば、車両の速度、加速度、ヨーレート等がある。更に、運転行動データには、これらのデータを微分した情報を加えてもよい。これら運転行動データは、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る。

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が収集するトリップ毎の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、運転行動データの一部または全部をベクトル化し、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、車両操作の有無の代わりに車両操作の程度を、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る手法は、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にて推定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クラスタ情報という。

出現パターン分類部１５は、公知のクラスタリング手法を利用してドライバーと運転記号のクラスタリングを行う。図３は、無限関係モデルを用いてクラスタリングした結果を可視化したものであり、縦軸のＤ_ｋが、ドライバーのクラスタ（以下、ドライバークラスタという）、横軸のＣ_ｍが、運転記号のクラスタ（以下、記号クラスタという）を表す。但し、Ｋをドライバクラスタの数、Ｍを記号クラスタの数として、kはＫ以下の正整数、mはＭ以下の正整数を表すものとする。横軸に沿った点列が、一人のドライバーの運転中に出現する運転記号のパターンを表現したものであり、着目する運転記号が含まれている場合には点が示され、含まれていない場合には空白が示されている。無限関係モデルにおいては、同じドライバークラスタＤ_ｋに属するドライバーは、同じ記号クラスタＣ_ｍに属する運転記号が出現する傾向が類似するようドライバークラスタと記号クラスタが決められる。例えば図３において、ドライバークラスタＤ_４に属するドライバーは、記号クラスタＣ_３に属する運転記号が出現する傾向が強く、記号クラスタＣ_１、Ｃ_２に属する運転記号が出現する傾向が弱い。つまり、同じドライバークラスタＤ_ｋに属するドライバーは、運転中に類似した運転記号のパターンが出現し、要するに、類似した運転行動をとるドライバーであると言える。無限関係モデルについては、例えば特許第４９３４０５８号公報に記載されている。

クラスタデータベース１６は、出現パターン分類部１５で実施されたクラスタリングの結果を、ドライバー情報収集部１２で収集されたドライバー情報と対応づけて記憶する。具体的には、ドライバークラスタＤ_ｋに属するドライバーの運転行動に、記号クラスタＣ_ｍに属する運転記号ｓが出現する確率ｐ（ｍ｜ｋ）が記憶される。また、クラスタデータベース１６には、各ドライバークラスタＤ_１〜Ｄ_Ｋに対応づけて、個々のドライバークラスタＤ_ｋに属するドライバーのドライバー情報や運転行動データの標準モデルも記憶される。なお、標準モデルとしては、ドライバークラスタＤ_ｋ毎に、そのドライバークラスタＤ_ｋに属するドライバーの運転行動データの平均値、または、運転行動データから抽出した特徴量の平均値を用いる。例えば、運転行動データから抽出した特徴量として、図３に示すように、減速度の大きさに対して、その大きさの減速度が出現する頻度をヒストグラムで表現したもの等を用いることができる。

［１−２．支援提供部］
支援提供部２０は、運転行動データ取得部２１と、運転記号推定部２２と、該当クラスタ推定部２３と、運転支援提供部２４とを備える。なお、運転行動データ取得部２１、運転記号推定部２２が対象データ取得部に相当し、該当クラスタ推定部２３が推定部に相当し、運転支援提供部２４が支援提供部に相当する。

運転行動データ取得部２１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２２は、運転行動データ取得部２１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。
該当クラスタ推定部２３は、運転記号推定部２２にて推定された運転記号から支援対象ドライバーｄが属するドライバークラスタを推定する。まず該当クラスタ推定部２３は運転記号推定部２２にて推定された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。次に該当クラスタ推定部２３は、全てのドライバークラスタＤ_１〜Ｄ_Ｋについて、支援対象ドライバーがドライバークラスタＤ_ｋに属する確率ｐ（ｋ｜Ｓ_ｘ）を（１）式に従って算出する。そして、確率ｐ（ｋ｜Ｓ_ｘ）が最大となるドライバークラスタＤ_ｋを、ドライバーが属する該当クラスタであると推定する。ただしここで、ドライバークラスタＤ_ｋに属する事前確率ｐ（ｋ）は一様とした。また、Ｚは正規化定数であるが、ドライバークラスタＤ_ｋを推定するためには確率ｐ（ｋ｜Ｓ_ｘ）の大きさをｋに対して比較するだけでよいので、実際には計算する必要はない。

運転支援提供部２４は、該当クラスタ推定部２３にて推定された該当クラスタに応じた運転支援を提供する。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。

運転支援では、例えば、ドライバークラスタ毎に用意された標準モデルを用い、支援対象ドライバーが属する該当クラスタの標準モデルが、他のクラスタの標準モデルから大きく逸脱する場合、特に該当クラスタのドライバーの運転能力の不足を示す逸脱が認められる場合に、その逸脱が示す不足を補うための車両制御や注意喚起のための報知等を行う。

具体的には、例えば、図４に示すように、支援対象ドライバーが属する該当クラスタの標準モデルにおいて、減速度が他のクラスタの標準モデルと比較して、低い側に偏っている場合、支援対象ドライバーは、一般的なドライバーよりも強くブレーキを踏み込むことができないものと考えられる。このため、運転支援としては、ペダルの踏み込み量に対して発生させるブレーキ圧を、通常時より増加させるといった車両制御を実施することが考えられる。また、先行車の急減速の通知など、減速に関する注意喚起報知のタイミングを早めるなどしてもよい。

運転支援は、車両制御に限らず、ドライバーの認知・判断・運動能力の低下を教示する等してもよい。例えば、クラスタデータベース１６の情報を利用し、該当クラスタに属する運転行動データに対応づけられたドライバー情報に基づいて、該当クラスタに属するドライバーの平均年齢を算出し、この算出した平均年齢を「運転行動年齢」として、車内に設けられた表示装置または音声出力装置を介してドライバーに提示することが考えられる。この場合、ドライバーは、通知された運転行動年齢と自身の実年齢とを比較することで、自身の認知・判断・運動能力が不足しているか否かを判断することができる。

［２．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。
（１）運転支援装置１では、多数のドライバーの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とるドライバーのクラスタを予め生成しておき、支援対象ドライバーの運転行動データから支援対象ドライバーが属するクラスタである該当クラスタを推定し、その該当クラスタに応じた運転支援を提供する。つまり、支援対象ドライバーに関する運転行動データの蓄積が少なく、例えば、支援対象ドライバーが未経験の運転シーンであっても、類似の運転をすると考えられる該当クラスタの運転行動データから支援対象ドライバーの運転行動を推定することができるため、支援対象ドライバーに対して適切な運転支援を提供することができる。

（２）運転支援装置１では、支援対象ドライバーが属する該当クラスタの標準モデルと他のクラスタの標準モデルとを比較することで、支援対象ドライバーの運転能力の不足を検出している。このため、検出結果に応じてアシスト量の増減やタイミングの変更等、支援の内容を変化させることができ、ドライバーに適した運転支援を適切なタイミングで提供することができる。

［３．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。

（１）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。

（２）上記実施形態では、出現パターン分類部１５は、クラスタリングの手法として、無限関係モデルを利用する手法を用いているが、これに限定されるものではなく、例えば、ｋ−ｍｅａｎｓ法等、周知のクラスタリング手法を用いることができる。これらのクラスタリング手法を用いる場合においても、出現パターンが類似するドライバーを同じドライバークラスタにまとめることができれば、同じドライバークラスタに属するドライバーは類似の運転をすると推測できる。

（３）上記実施形態では、確率ｐ（ｍ｜ｋ）として、ドライバークラスタＤ_ｋに属するドライバーの運転行動に、記号クラスタＣ_ｍに属する運転記号が含まれる確率を用いているが、ｍを運転記号そのものの識別子（すなわちｓ）として、ドライバークラスタＤ_ｋに属するドライバの運転行動で運転記号ｓが出現する確率を用いてもよい。この場合、該当クラスタ推定部２３は、ドライバークラスタＤ_ｋに属するドライバーの運転行動に運転記号ｓが含まれる確率ｐ（ｓ｜ｋ）を直接用いればよい。

（４）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。

（５）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…運転行動データ収集・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…クラスタデータベース、２０…支援提供部、２１…運転行動データ取得部、２２…運転記号推定部、２３…該当クラスタ推定部、２４…運転支援提供部

Claims (5)

1. 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表れる車両挙動のうち少なくとも一方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、
   ドライバーの年齢を少なくとも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（１５）と、
   前記データ収集部にて収集された運転行動データを、前記ドライバー情報を用いてクラスタリングすることで、ドライバーの運転行動の傾向を表す複数のクラスタに分類する分類部（１５）と、
   前記分類部にて分類されたクラスタ毎に前記運転行動の特性を表すクラスタ情報を蓄積する蓄積部（１４，１６）と、
   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（２１，２２）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蓄積部に蓄積された前記クラスタ情報である蓄積データとを比較することにより、前記支援対象ドライバーが属するクラスタである該当クラスタを推定する推定部（２３）と、
   前記該当クラスタ推定部で推定された前記該当クラスタに応じて内容を切り替えて、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である運転支援を提供する支援提供部（２４）と、
   を備え、
   前記支援提供部は、前記蓄積部に蓄積された前記該当クラスタに属する運転行動データに対応づけられた前記ドライバー情報に基づき、前記該当クラスタに属するドライバーの平均年齢を算出し、前記支援対象ドライバーの認知・判断・運転能力の低下を教示するための運転行動年齢として提示する
   運転支援装置。
2. 請求項１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、
   前記分類部での分類および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。
3. 請求項２に記載の運転支援装置において、
   前記データ収集部は、前記運転記号の系列を生成する際に、二重分節解析器を用いる
   運転支援装置。
4. 請求項１ないし請求項３のいずれか１項に記載の運転支援装置において、
   前記分類部は、無限関係モデルを用いてクラスタリングを実施する
   運転支援装置。
5. 請求項１ないし請求項４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、前記蓄積部に蓄積された前記該当クラスタに属する運転行動データに基づき、前記該当クラスタに属するドライバーの平均的な運転行動と該当クラスタ以外
   のクラスタに属するドライバーの平均的な運転行動の差を検出し、該運転行動の差を補うための運転支援を実施する
   運転支援装置。