JP6575818B2

JP6575818B2 - 運転支援方法およびそれを利用した運転支援装置、自動運転制御装置、車両、運転支援システム、プログラム

Info

Publication number: JP6575818B2
Application number: JP2016062683A
Authority: JP
Inventors: 江村　恒一; 恒一江村; 本村　秀人; 秀人本村; サヒムコルコス; 好秀澤田; 勝長辻; 森　俊也; 俊也森
Original assignee: Panasonic Intellectual Property Management Co Ltd
Current assignee: Panasonic Intellectual Property Management Co Ltd
Priority date: 2016-03-25
Filing date: 2016-03-25
Publication date: 2019-09-18
Anticipated expiration: 2036-03-25
Also published as: US20190071101A1; DE112017001551T5; JP2017174355A; WO2017163667A1; CN108885836A; CN108885836B

Description

本発明は、車両、車両に設けられる運転支援方法およびそれを利用した運転支援装置、自動運転制御装置、運転支援システム、プログラムに関する。

自動運転車両は、車両の周囲の状況を検知し、運転行動を自動的に実行することによって走行する。このような自動運転車両には、乗員が即座に自動運転車両の行動を変更するための車両操作装置が搭載される。車両操作装置は、実行可能な運転行動を提示し、乗員に運転行動を選択させる（例えば、特許文献１参照）。

国際公開第１５／１４１３０８号パンフレット

自動運転車両の自動化システムでは、時々刻々と変化する車両の周辺の状況、あるいは車両の周辺の状況を検知するためのセンサの性能限界などのために、提示された実行可能な運転行動の信頼度がゆらぐ。このような信頼度のゆらぎを把握しないまま、提示された実行可能な運転行動を乗員が選択した場合、自動化システムへの不信が生ずるおそれがある。また、一貫したインタフェースによって、自動化システムの判断結果を報知すると、運転者に対し、信頼度の低い判断結果からシステムへの不信を招いたり、信頼度の高い判断結果からシステムへ過信を招いたりする。さらに、信頼度の高い判断結果を都度運転者に対応を問い合せるのは煩わしく感じさせたり、煩わしく感じた運転者が逆に大事な対応をすべき判断結果を見落としてしまったりするおそれがある。

本発明はこうした状況に鑑みなされたものであり、その目的は、提示する情報の信頼度に応じて適切に知らせる技術を提供することにある。

上記課題を解決するために、本発明のある態様の運転支援装置は、車両によって過去になされた複数の運転行動のそれぞれに対応した、複数の特徴量および複数の環境パラメータのうちの少なくとも１つが入力パラメータとして入力されることにより構築された運転行動モデルを用いた推定結果である複数種類の運転行動のそれぞれに対応した、信頼度の偏り度および難易度をもとに、複数段階定義された自動化レベルのうちの１つの自動化レベルを選択する自動化レベル判定部と、複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートのうち、自動化レベル判定部において選択した１つの自動化レベルに対応した出力テンプレートに、複数種類の運転行動を適用することによって、提示情報を生成する生成部と、生成部において生成した提示情報を出力する出力部と、を備える。

本発明の別の態様は、自動運転制御装置である。この装置は、車両によって過去になされた複数の運転行動のそれぞれに対応した、複数の特徴量および複数の環境パラメータのうちの少なくとも１つが入力パラメータとして入力されることにより構築された運転行動モデルを用いた推定結果である複数種類の運転行動のそれぞれに対応した、信頼度の偏り度および難易度をもとに、複数段階定義された自動化レベルのうちの１つの自動化レベルを選択する自動化レベル判定部と、複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートのうち、自動化レベル判定部において選択した１つの自動化レベルに対応した出力テンプレートに、複数種類の運転行動を適用することによって、提示情報を生成する生成部と、生成部において生成した提示情報を出力する出力部と、複数種類の運転行動のうちの１つの運転行動をもとに、車両の自動運転を制御する自動運転制御部と、を備える。

本発明のさらに別の態様は、車両である。この車両は、運転支援装置を備える車両であって、運転支援装置は、車両によって過去になされた複数の運転行動のそれぞれに対応した、複数の特徴量および複数の環境パラメータのうちの少なくとも１つが入力パラメータとして入力されることにより構築された運転行動モデルを用いた推定結果である複数種類の運転行動のそれぞれに対応した、信頼度の偏り度および難易度をもとに、複数段階定義された自動化レベルのうちの１つの自動化レベルを選択する自動化レベル判定部と、複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートのうち、自動化レベル判定部において選択した１つの自動化レベルに対応した出力テンプレートに、複数種類の運転行動を適用することによって、提示情報を生成する生成部と、生成部において生成した提示情報を出力する出力部と、を備える。

本発明のさらに別の態様は、運転支援システムである。この運転支援システムは、車両によって過去になされた複数の運転行動のそれぞれに対応した、複数の特徴量および複数の環境パラメータのうちの少なくとも１つが入力パラメータとして入力されることにより構築された運転行動モデルを生成するサーバと、サーバにおいて生成した運転行動モデルを受信する運転支援装置とを備える。運転支援装置は、運転行動モデルを用いた推定結果である複数種類の運転行動のそれぞれに対応した、信頼度の偏り度および難易度をもとに、複数段階定義された自動化レベルのうちの１つの自動化レベルを選択する自動化レベル判定部と、複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートのうち、自動化レベル判定部において選択した１つの自動化レベルに対応した出力テンプレートに、複数種類の運転行動を適用することによって、提示情報を生成する生成部と、生成部において生成した提示情報を出力する出力部と、を備える。

本発明のさらに別の態様は、運転支援方法である。この方法は、車両によって過去になされた複数の運転行動のそれぞれに対応した、複数の特徴量および複数の環境パラメータのうちの少なくとも１つが入力パラメータとして入力されることにより構築された運転行動モデルを用いた推定結果である複数種類の運転行動のそれぞれに対応した、信頼度の偏り度および難易度をもとに、複数段階定義された自動化レベルのうちの１つの自動化レベルを選択するステップと、複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートのうち、選択した１つの自動化レベルに対応した出力テンプレートに、複数種類の運転行動を適用することによって、提示情報を生成するステップと、生成した提示情報を出力するステップと、を備える。

なお、以上の構成要素の任意の組合せ、本発明の表現を装置、システム、方法、プログラム、プログラムを記録した記録媒体、本装置を搭載した車両などの間で変換したものもまた、本発明の態様として有効である。

本発明によれば、提示する情報の信頼度に応じて適切に知らせることができる。

実施の形態に係る車両の構成を示す図である。図１の車両の室内を模式的に示す図である。図１の制御部の構成を示す図である。図３の自動化レベル判定部の動作概要を示す図である。図３の出力テンプレート記憶部に記憶される出力テンプレートの構成を示す図である。図３の出力テンプレート記憶部に記憶される別の出力テンプレートの構成を示す図である。図３の出力テンプレート記憶部に記憶されるさらに別の出力テンプレートの構成を示す図である。図８（ａ）−（ｂ）は、図３の生成部において生成される提示情報の構成を示す図である。図３の表示制御部による出力手順を示すフローチャートである。

本発明を具体的に説明する前に、概要を述べる。本実施の形態は、自動車の自動運転に関する。特に、本実施の形態は、車両の運転行動に関する情報を車両の乗員（例えば運転者）との間でやり取りするためのＨＭＩ（ＨｕｍａｎＭａｃｈｉｎｅＩｎｔｅｒｆａｃｅ）を制御する装置（以下「運転支援装置」とも呼ぶ。）に関する。本実施の形態における各種の用語は次のように定義される。「運転行動」は、車両の走行中または停止時の操舵や制動などの作動状態、もしくは自動運転制御に係る制御内容を含んでおり、例えば、定速走行、加速、減速、一時停止、停止、車線変更、進路変更、右左折、駐車などである。また、運転行動は、巡航（車線維持で車速維持）、車線維持、先行車追従、追従時のストップアンドゴー、車線変更、追越、合流車両への対応、高速道への進入と退出を含めた乗換（インターチェンジ）、合流、工事ゾーンへの対応、緊急車両への対応、割込み車両への対応、右左折専用レーンへの対応、歩行者・自転車とのインタラクション、車両以外の障害物回避、標識への対応、右左折・Ｕターン制約への対応、車線制約への対応、一方通行への対応、交通標識への対応、交差点・ランドアバウトへの対応などであってもよい。

「運転行動推定エンジン」として、ＤＬ（ＤｅｅｐＬｅａｒｎｉｎｇ：深層学習）、ＭＬ（ＭａｃｈｉｎｅＬｅａｒｎｉｎｇ：機械学習）、フィルタ等のいずれか、あるいはそれらの組合せが使用される。ＤｅｅｐＬｅａｒｎｉｎｇは、例えば、ＣＮＮ（ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ：畳み込みニューラルネットワーク)、ＲＮＮ（ＲｅｃｕｒｒｅｎｔＮｅｕｒａｌＮｅｔｗｏｒｋ：リカレント・ニューラル・ネットワーク)である。また、ＭａｃｈｉｎｅＬｅａｒｎｉｎｇは、例えば、ＳＶＭ（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ）である。さらに、フィルタは、例えば、協調フィルタリングである。

「運転行動モデル」は、運転行動推定エンジンに応じて一意に定められる。ＤＬの場合の運転行動モデルは学習されたニューラルネットワーク（ＮｅｕｒａｌＮｅｔｗｏｒｋ）であり、ＳＶＭの場合の運転行動モデルは学習された予測モデルであり、協調フィルタリングの場合の運転行動モデルは走行環境データと運転行動データとを紐付けたデータである。ルールの場合の運転行動モデルは入力と出力とを紐付けたデータである。

このような定義のもと、ここでは、機械学習等により生成した運転行動モデルを用いて運転行動が導出される。運転行動の信頼度は、車両の周囲の状況、センサの性能限界、それまでの学習内容に応じて変化する。予測された運転行動の信頼度が高い場合、運転者はそれにしたがえばよいが、運転行動の信頼度が低い場合、運転者はそれにしたがわない方がよいこともある。そのため、運転行動を提示する場合に、それの信頼度も運転者に把握させることが望ましい。そのため、本実施の形態では、それぞれの運転行動モデルの信頼度により出力方法を変える。なお、信頼度とは、導出された運転行動の確からしさを示しており、ＤＬの場合に推定結果の累積値に相当し、ＳＶＭの場合に信頼値（confidence value）に相当し、協調フィルタリングの場合に相関度に相当する。ルールの場合にルールの信頼度に相当する。

以下、本発明の実施の形態について、図面を参照して詳細に説明する。なお、以下に説明する各実施の形態は一例であり、本発明はこれらの実施の形態により限定されるものではない。

図１は、実施の形態に係る車両１００の構成を示し、特に自動運転に関する構成を示す。車両１００は、自動運転モードで走行可能であり、報知装置２、入力装置４、無線装置８、運転操作部１０、検出部２０、自動運転制御装置３０、運転支援装置４０を含む。図１に示す各装置の間は、専用線あるいはＣＡＮ（ＣｏｎｔｒｏｌｌｅｒＡｒｅａＮｅｔｗｏｒｋ）等の有線通信で接続されてもよい。また、ＵＳＢ（ＵｎｉｖｅｒｓａｌＳｅｒｉａｌＢｕｓ）、Ｅｔｈｅｒｎｅｔ（登録商標）、Ｗｉ−Ｆｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の有線通信または無線通信で接続されてもよい。

報知装置２は、車両１００の走行に関する情報を運転者に報知する。報知装置２は、例えば、車内に設置されているカーナビゲーションシステム、ヘッドアップディスプレイ、センターディスプレイ、ステアリングホイール、ピラー、ダッシュボード、メータパネル周りなどに設置されているＬＥＤなどの発光体などのような情報を表示する表示部である。また、報知装置２は、情報を音声に変換して運転者に報知するスピーカであってもよいし、あるいは、運転者が感知できる位置（例えば、運転者の座席、ステアリングホイールなど）に設けられる振動体であってもよい。さらに、報知装置２は、これらの組合せであってもよい。入力装置４は、乗員による操作入力を受けつけるユーザインタフェース装置である。例えば入力装置４は、運転者が入力した自車の自動運転に関する情報を受けつける。入力装置４は、受けつけた情報を操作信号として運転支援装置４０に出力する。

図２は、車両１００の室内を模式的に示す。報知装置２は、ヘッドアップディスプレイ（ＨＵＤ）２ａであってもよく、センターディスプレイ２ｂであってもよい。入力装置４は、ステアリング１１に設けられた第１操作部４ａであってもよく、運転席と助手席との間に設けられた第２操作部４ｂであってもよい。なお、報知装置２と入力装置４は一体化されてもよく、例えばタッチパネルディスプレイとして実装されてもよい。車両１００には、自動運転に関する情報を音声にて乗員へ提示するスピーカ６がさらに設けられてもよい。この場合、運転支援装置４０は、自動運転に関する情報を示す画像を報知装置２に表示させ、それとともに、またはそれに代えて、自動運転に関する情報を示す音声をスピーカ６から出力させてもよい。図１に戻る。

無線装置８は、携帯電話通信システム、ＷＭＡＮ（ＷｉｒｅｌｅｓｓＭｅｔｒｏｐｏｌｉｔａｎＡｒｅａＮｅｔｗｏｒｋ）等に対応しており、無線通信を実行する。具体的に説明すると、無線装置８は、ネットワーク３０２を介してサーバ３００と通信する。サーバ３００は車両１００外部の装置であり、運転行動学習部３１０を含む。運転行動学習部３１０については後述する。なお、サーバ３００と運転支援装置４０は、運転支援システム５００に含められる。

運転操作部１０は、ステアリング１１、ブレーキペダル１２、アクセルペダル１３、ウィンカスイッチ１４を備える。ステアリング１１、ブレーキペダル１２、アクセルペダル１３、ウィンカスイッチ１４は、ステアリングＥＣＵ、ブレーキＥＣＵ、エンジンＥＣＵとモータＥＣＵとの少なくとも一方、ウィンカコントローラにより電子制御が可能である。自動運転モードにおいて、ステアリングＥＣＵ、ブレーキＥＣＵ、エンジンＥＣＵ、モータＥＣＵは、自動運転制御装置３０から供給される制御信号に応じて、アクチュエータを駆動する。またウィンカコントローラは、自動運転制御装置３０から供給される制御信号に応じてウィンカランプを点灯あるいは消灯する。

検出部２０は、車両１００の周囲状況および走行状態を検出する。検出部２０は、例えば、車両１００の速度、車両１００に対する先行車両の相対速度、車両１００と先行車両との距離、車両１００に対する側方車線の車両の相対速度、車両１００と側方車線の車両との距離、車両１００の位置情報を検出する。検出部２０は、検出した各種情報（以下、「検出情報」という）を自動運転制御装置３０、運転支援装置４０に出力する。検出部２０は、位置情報取得部２１、センサ２２、速度情報取得部２３、地図情報取得部２４を含む。

位置情報取得部２１は、ＧＰＳ受信機から車両１００の現在位置を取得する。センサ２２は、車外の状況および車両１００の状態を検出するための各種センサの総称である。車外の状況を検出するためのセンサとして例えばカメラ、ミリ波レーダ、ＬＩＤＡＲ（ＬｉｇｈｔＤｅｔｅｃｔｉｏｎａｎｄＲａｎｇｉｎｇ、ＬａｓｅｒＩｍａｇｉｎｇＤｅｔｅｃｔｉｏｎａｎｄＲａｎｇｉｎｇ）、気温センサ、気圧センサ、湿度センサ、照度センサ等が搭載される。車外の状況は、車線情報を含む自車の走行する道路状況、天候を含む環境、自車周辺状況、近傍位置にある他車（隣接車線を走行する他車等）を含む。なお、センサ２２が検出できる車外の情報であれば何でもよい。また車両１００の状態を検出するためのセンサ２２として例えば、加速度センサ、ジャイロセンサ、地磁気センサ、傾斜センサ等が搭載される。

速度情報取得部２３は、車速センサから車両１００の現在速度を取得する。地図情報取得部２４は、地図データベースから車両１００の現在位置周辺の地図情報を取得する。地図データベースは、車両１００内の記録媒体に記録されていてもよいし、使用時にネットワークを介して地図サーバからダウンロードしてもよい。

自動運転制御装置３０は、自動運転制御機能を実装した自動運転コントローラであり、自動運転における車両１００の行動を決定する。自動運転制御装置３０は、制御部３１、記憶部３２、Ｉ／Ｏ部３３を備える。制御部３１の構成はハードウェア資源とソフトウェア資源の協働、またはハードウェア資源のみにより実現できる。ハードウェア資源としてプロセッサ、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）、ＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）、その他のＬＳＩを利用でき、ソフトウェア資源としてオペレーティングシステム、アプリケーション、ファームウェア等のプログラムを利用できる。記憶部３２は、フラッシュメモリ等の不揮発性記録媒体を備える。Ｉ／Ｏ部３３は、各種の通信フォーマットに応じた通信制御を実行する。例えば、Ｉ／Ｏ部３３は、自動運転に関する情報を運転支援装置４０に出力するとともに、制御コマンドを運転支援装置４０から入力する。また、Ｉ／Ｏ部３３は、検出情報を検出部２０から入力する。

制御部３１は、運転支援装置４０から入力した制御コマンド、検出部２０あるいは各種ＥＣＵから収集した各種情報を自動運転アルゴリズムに適用して、車両１００の進行方向等の自動制御対象を制御するための制御値を算出する。制御部３１は算出した制御値を、各制御対象のＥＣＵまたはコントローラに伝達する。本実施の形態ではステアリングＥＣＵ、ブレーキＥＣＵ、エンジンＥＣＵ、ウィンカコントローラに伝達する。なお電気自動車あるいはハイブリッドカーの場合、エンジンＥＣＵに代えてまたは加えてモータＥＣＵに制御値を伝達する。

運転支援装置４０は、車両１００と運転者との間のインタフェース機能を実行するＨＭＩコントローラであり、制御部４１、記憶部４２、Ｉ／Ｏ部４３を備える。制御部４１は、ＨＭＩ制御等の各種データ処理を実行する。制御部４１は、ハードウェア資源とソフトウェア資源の協働、またはハードウェア資源のみにより実現できる。ハードウェア資源としてプロセッサ、ＲＯＭ、ＲＡＭ、その他のＬＳＩを利用でき、ソフトウェア資源としてオペレーティングシステム、アプリケーション、ファームウェア等のプログラムを利用できる。

記憶部４２は、制御部４１により参照され、または更新されるデータを記憶する記憶領域である。例えばフラッシュメモリ等の不揮発の記録媒体により実現される。Ｉ／Ｏ部４３は、各種の通信フォーマットに応じた各種の通信制御を実行する。Ｉ／Ｏ部４３は、操作入力部５０、画像・音声出力部５１、検出情報入力部５２、コマンドＩＦ５３、通信ＩＦ５６を備える。

操作入力部５０は、入力装置４に対してなされた運転者あるいは乗員もしくは車外にいるユーザの操作による操作信号を入力装置４から受信し、制御部４１へ出力する。画像・音声出力部５１は、制御部４１が生成した画像データあるいは音声メッセージを報知装置２へ出力して表示させる。検出情報入力部５２は、検出部２０による検出処理の結果であり、車両１００の現在の周囲状況および走行状態を示す情報（以下、「検出情報」と呼ぶ）を検出部２０から受信し、制御部４１へ出力する。

コマンドＩＦ５３は、自動運転制御装置３０とのインタフェース処理を実行し、行動情報入力部５４とコマンド出力部５５を含む。行動情報入力部５４は、自動運転制御装置３０から送信された車両１００の自動運転に関する情報を受信し、制御部４１へ出力する。コマンド出力部５５は、自動運転制御装置３０に対して自動運転の態様を指示する制御コマンドを、制御部４１から受けつけて自動運転制御装置３０へ送信する。

通信ＩＦ５６は、無線装置８とのインタフェース処理を実行する。通信ＩＦ５６は、制御部４１から出力されたデータを無線装置８へ送信し、無線装置８から車外の装置へ送信させる。また、通信ＩＦ５６は、無線装置８により転送された、車外の装置からのデータを受信し、制御部４１へ出力する。

なお、ここでは、自動運転制御装置３０と運転支援装置４０は別個の装置として構成される。変形例として、図１の破線で示すように、自動運転制御装置３０と運転支援装置４０を１つのコントローラに統合してもよい。言い換えれば、１つの自動運転制御装置が、図１の自動運転制御装置３０と運転支援装置４０の両方の機能を備える構成であってもよい。

図３は、制御部４１の構成を示す。制御部４１は、運転行動推定部７０、表示制御部７２を含む。運転行動推定部７０は、運転行動モデル８０、推定部８２、ヒストグラム生成部８４を含み、表示制御部７２は、自動化レベル判定部９０、出力テンプレート記憶部９２、生成部９４、出力部９６を含む。

運転行動推定部７０は、車両１００が実行しうる複数の運転行動の候補のうち、現在の状況において実現可能な運転行動を判定するために、予め学習により構築されたニューラルネットワーク（ＮＮ）を使用する。ここで、実現可能な運転行動は複数であってもよく、運転行動を判定することは運転行動を推定することともいえる。

運転行動推定部７０での処理には、図１のサーバ３００における運転行動学習部３１０も関連するので、ここでは、運転行動学習部３１０の処理をまず説明する。運転行動学習部３１０は、複数の運転者の運転履歴と走行履歴の少なくとも１つをパラメータとしてニューラルネットワークに入力する。また、運転行動学習部３１０は、ニューラルネットワークからの出力が、入力したパラメータに対応した教師付けデータに一致するように、ニューラルネットワークの重みを最適化する。運転行動学習部３１０は、このような処理を繰り返し実行することによって、運転行動モデル８０を生成する。つまり、運転行動モデル８０は、重みが最適化されたニューラルネットワークである。サーバ３００は、運転行動学習部３１０において生成した運転行動モデル８０をネットワーク３０２、無線装置８を介して運転支援装置４０に出力する。なお、運転行動学習部３１０は、新たなパラメータをもとに運転行動モデル８０を更新するが、更新された運転行動モデル８０は、リアルタイムに運転支援装置４０へ出力されてもよいし、遅延をもって運転支援装置４０へ出力されてもよい。

運転行動学習部３１０によって生成され、かつ運転行動推定部７０に入力された運転行動モデル８０は、複数の運転者の運転履歴と走行履歴の少なくとも１つから構築したニューラルネットワークである。また、運転行動モデル８０は、複数の運転者の走行履歴と走行履歴から構築したニューラルネットワークを、特定の運転者の走行履歴と走行履歴を用いた転移学習により、構築し直したニューラルネットワークであってもよい。ニューラルネットワークの構築には公知の技術が使用されればよいので、ここでは説明を省略する。なお、図３の運転行動推定部７０には１つの運転行動モデル８０が含まれているが、運転者、乗員、走行シーン、天候、国ごとに複数の運転行動モデル８０が運転行動推定部７０に含まれてもよい。

推定部８２は、運転行動モデル８０を用いて、運転行動を推定する。ここで、運転履歴は、車両１００によって過去になされた複数の運転行動のそれぞれに対応した複数の特徴量（以下、「特徴量セット」という）を示す。運転行動に対応した複数の特徴量は、例えば、車両１００によって当該運転行動がなされた時点から所定時間前の時点における車両１００の走行状態を示す量である。特徴量は、例えば、同乗者数、車両１００の速さ、ハンドルの動き、ブレーキの度合い、アクセルの度合いなどである。運転履歴は、運転特性モデルといわれてもよい。そのため、特徴量は、例えば、速度に関する特徴量、ステアリングに関する特徴量、操作タイミングに関する特徴量、車外センシングに関する特徴量、または車内センシングに関する特徴量等である。これらの特徴量は、図１の検出部２０によって検出されて、Ｉ／Ｏ部４３経由で推定部８２に入力される。また、これらの特徴量は、複数の運転者の走行履歴と走行履歴に加えられ、新たにニューラルネットワークの再構築に用いてもよい。さらに、これらの特徴量は、特定の運転者の走行履歴と走行履歴に加えられ、新たにニューラルネットワークの再構築に用いてもよい。

走行履歴は、車両１００によって過去になされた複数の運転行動のそれぞれに対応した複数の環境パラメータ（以下、「環境パラメータセット」という）を示す。運転行動に対応した複数の環境パラメータは、例えば、車両１００によって当該運転行動がなされた時点から所定時間前の時点における車両１００の環境（周囲の状況）を示すパラメータである。環境パラメータは、例えば、自車両の速度、自車両に対する先行車両の相対速度、および先行車両と自車両との車間距離などである。また、これらの環境パラメータは、図１の検出部２０によって検出されて、Ｉ／Ｏ部４３経由で推定部８２に入力される。また、これらの環境パラメータは、複数の運転者の走行履歴と走行履歴に加えられ、新たにニューラルネットワークの再構築に用いてもよい。さらに、これらの環境パラメータは、特定の運転者の走行履歴と走行履歴に加えられ、新たにニューラルネットワークの再構築に用いてもよい。

推定部８２は、運転履歴あるいは走行履歴に含まれる特徴量セットあるいは環境パラメータを入力パラメータとして取得する。推定部８２は、運転行動モデル８０のニューラルネットワークに入力パラメータを入力し、ニューラルネットワークからの出力を推定結果としてヒストグラム生成部８４に出力する。

ヒストグラム生成部８４は、推定部８２から、運転行動と、各運転行動に対応する推定結果とを取得し、その運転行動に対する推定結果の累積値を示すヒストグラムを生成する。そのため、ヒストグラムには、複数種類の運転行動と、各運転行動に対応した累積値とが含まれる。ここで、累積値とは、運転行動に対する推定結果が導出された回数を累積した値である。ヒストグラム生成部８４は、生成したヒストグラムを自動化レベル判定部９０に出力する。

自動化レベル判定部９０は、ヒストグラム生成部８４からヒストグラム、つまり複数種類の運転行動と、各運転行動に対応した累積値とを入力し、それらをもとに自動化レベルを特定する。ここで、自動化レベルは、どの程度まで運転者が交通状況を監視する必要があるのか、またどの範囲内で運転者が車両の操作の責任をもつのかに応じて複数段階定義される。つまり、自動化レベルは、何をすべきかを決定し、それを実行するとき、人と自動化システムはどのように協調できるかについての概念である。自動化レベルは、例えば、稲垣，“人と機械の共生のデザイン「人間中心の自動化」を探る」”，ｐｐ．１１１〜１１８，森北出版、T.B.Sheridan, Telerobotics, “Automation, and Human Supervisory Control”, MIT Press, 1992., T.Inagaki, et al, “Trust, self‐confidence and authority in human‐machine systems,” Proc. IFAC HMS, 1998.に開示されている。

ここで、自動化レベルは、例えば、１１段階で定義されている。自動化レベル「１」では、コンピュータの支援なしにすべてを人間が決定・実行する。自動化レベル「２」では、コンピュータはすべての選択肢を提示し、人間はそのうちのひとつを選択して実行する。自動化レベル「３」では、コンピュータは可能な選択肢をすべて人間に提示するとともに、その中のひとつを選んで提案し、それを実行するか否かは人間が決定する。自動化レベル「４」では、コンピュータは可能な選択肢の中からひとつを選んでから、それを人間に提案し、それを実行するか否かは人間が決定する。自動化レベル「５」では、コンピュータはひとつの案を人間に提示し、人間が了承すれば、コンピュータが実行する。

自動化レベル「６」では、コンピュータはひとつの案を人間に提示し、人間が一定時間以内に実行中止を指令しない限り、コンピュータはその案を実行する。自動化レベル「６．５」では、コンピュータはひとつの案を人間に提示すると同時に、その案を実行する。自動化レベル「７」では、コンピュータがすべてを行い、何を実行したか人間に報告する。自動化レベル「８」では、コンピュータがすべてを決定・実行し、人間に問われれば、何を実行したか人間に報告する。自動化レベル「９」では、コンピュータがすべてを決定・実行し、何を実行したか人間に報告するのは、必要性をコンピュータが認めたときのみである。自動化レベル「１０」では、コンピュータがすべてを決定し、実行する。このように最も低い自動化レベル「１」では、自動化がなされておらず、完全に手動であり、最も高い自動化レベル「１０」では、完全に自動化がなされている。つまり、自動化レベルが高くなるほど、コンピュータによる処理が支配的になる。

ここでは、自動化レベル判定部９０での処理を順に説明する。まず、自動化レベル判定部９０は、ヒストグラムの累積値の和の中央値と、各運転行動の累積値との差分値を二乗する。これは、差分がプラスマイナス両方の値となるので、中央値との距離を導出するためである。次に、自動化レベル判定部９０は、各運転行動の二乗値の差からヒストグラムの形の偏り度、つまり各運転行動の累積値が集中している程度を示す偏り度を導出する。例えば、各運転行動の二乗値が所定の範囲内であれば、ヒストグラムの形の偏り度は小さい。一方、少なくとも１つの運転行動の二乗値がその他の二乗値に比べて所定値以上大きい場合には、ヒストグラムの形の偏り度が大きい。また、自動化レベル判定部９０は、ヒストグラムの形の偏り度が大きい場合、累積値が高い運転行動のヒストグラムから順に、累積値から残りの運転行動の累積値の中央値を引いた値をピーク度として算出する。自動化レベル判定部９０は、ピーク度が所定値より大きいものをピークとしてカウントし、ピーク数を算出する。

このように、自動化レベル判定部９０は、機械学習等により生成した運転行動モデルを用いた推定結果である複数種類の運転行動のそれぞれに対応した信頼度である累積値をもとに、偏り度とピーク数とを導出する。さらに、自動化レベル判定部９０は、偏り度とピーク数とをもとに、複数段階定義された自動化レベルのうちの１つの自動化レベルを選択する。例えば、自動化レベル判定部９０は、運転行動数が「０」である場合、自動化レベル「１」を選択する。また、自動化レベル判定部９０は、偏り度が小さい場合、自動化レベル「２」を選択する。また、自動化レベル判定部９０は、ピーク数が２以上の場合、自動化レベル「３」を選択し、ピーク数が１の場合、自動化レベル３〜１０のいずれかを選択する。ここで、自動化レベル判定部９０は、偏り度あるいはピーク度の所定値に応じて、自動化レベル３〜１０のいずれかを選択する。自動化レベル判定部９０は、選択した自動化レベルと、ヒストグラムに含まれた複数種類の運転行動とを生成部９４に通知する。

図４は、自動化レベル判定部９０の動作概要を示す。ここでは、ヒストグラム生成部８４から入力の一例として、第１ヒストグラム２００、第２ヒストグラム２０２が示される。比較を簡易にするために、第１ヒストグラム２００、第２ヒストグラム２０２には、運転行動Ａ〜Ｅが共通して含まれるが、互いに異なった運転行動が含まれてもよい。第１ヒストグラム２００では、運転行動Ａに対する累積値が、他の運転行動に対する累積値よりも突出して大きい。そのため、第１ヒストグラム２００における偏り度は大きくなる。一方、第２ヒストグラム２０２では、累積値が突出して大きい運転行動が含まれていない。そのため、第２ヒストグラム２０２における偏り度は小さくなる。偏り度が大きい方の第１ヒストグラム２００に対して、自動化レベル「６．５」が選択され、偏り度が小さい方の第２ヒストグラム２０２に対して、自動化レベル「２」が選択される。これは、突出した累積値を含むことによって偏り度が大きいほど、運転行動の選択の信頼度が高いためである。図３に戻る。

出力テンプレート記憶部９２は、複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートを記憶する。出力テンプレートとは、運転行動推定部７０において推定された運転行動を運転者に示すためのフォーマットである。出力テンプレートは、音声・文字として規定されてもよく、画像・映像として規定されてもよい。図５は、出力テンプレート記憶部９２に記憶される出力テンプレートの構成を示す。自動化レベル「１」に対して、「自動運転できません。手動運転して下さい。」の音声・文字が記憶されるとともに、運転者に入力を促さない画像・映像が記憶される。

自動化レベル「２」に対して、「Ａ，Ｂ，Ｃ，Ｄ，Ｅから自動運転を選択して下さい」の音声・文字が記憶されるとともに、ＡからＥのいずれかの入力を運転者に促すための画像・映像が記憶される。ここで、ＡからＥには、運転行動が入力される。なお、入力される運転行動の数は「５」に限定されない。自動化レベル「３」に対して、「可能な自動運転はＡとＢです。どちらを実行しますか？」の音声・文字が記憶されるとともに、ＡあるいはＢの選択を運転者に促すための画像・映像が記憶される。なお、画像・映像は、「ＡかＢ」とメッセージを日本語で表示してもよい。

図６は、出力テンプレート記憶部９２に記憶される別の出力テンプレートの構成を示す。自動化レベル「４」に対して、「お薦めの自動運転はＡです。実行ボタンか、中止ボタンを押して下さい。」の音声・文字が記憶されるとともに、実行から中止の選択を運転者に促すための画像・映像が記憶される。なお、画像・映像は、「Ａを実行するかキャンセルするかを選んで下さい」とメッセージを日本語で表示してもよい。自動化レベル「５」に対して、「お薦めの自動運転はＡです。ＯＫとお答え頂ければ実行します。」の音声・文字が記憶されるとともに、運転者から「ＯＫ」の返事が入力された場合に出力するための「自動運転Ａを実行します。」の音声・文字も記憶される。また、「ＯＫ」の発声を運転者に促すための画像・映像が記憶される。なお、画像・映像は、「Ａを実行させるために”ＯＫ”といって下さい」とメッセージを日本語で表示してもよい。自動化レベル「６」に対して、「お薦めの自動運転はＡです。１０秒以内に中止ボタンが押されない場合実行します。」の音声・文字が記憶されるとともに、中止ボタンの受付を終了するまでの時間をカウントダウンするような画像・映像が記憶される。なお、画像・映像は、「３秒以内にキャンセルされないと実行します」とメッセージを日本語で表示してもよい。

図７は、出力テンプレート記憶部９２に記憶されるさらに別の出力テンプレートの構成を示す。自動化レベル「６．５」に対して、「自動運転Ａを実行します。中止したい場合は中止ボタンを押して下さい。」の音声・文字が記憶されるとともに、中止ボタンが示される画像・映像が記憶される。なお、画像・映像は、「Ａを実行します。中止するにはキャンセルして下さい」とメッセージを日本語で表示してもよい。自動化レベル「７」に対して、自動運転Ａ実行後に出力すべき「自動運転Ａを実行しました。」の音声・文字が記憶されるとともに、自動運転Ａの実行を報告するための画像・映像が記憶される。なお、画像・映像は、「Ａを実行しました」とメッセージを日本語で表示してもよい。

自動化レベル「８」に対して、自動運転Ａ実行後に運転者から「どうした？」との入力がなされた場合に出力すべき「歩行者を回避するため自動運転Ａを実行しました。」の音声・文字が記憶される。また、自動運転Ａの実行とその理由を報告するための画像・映像が記憶される。なお、画像・映像は、「歩行者回避のためＡを実行しました」とメッセージを日本語で表示してもよい。自動化レベル「９」に対して、自動運転Ａ実行後に出力すべき「衝突回避のため自動運転Ａを実行しました。」の音声・文字が記憶されるとともに、自動化レベル「８」での画像・映像と同一の画像・映像が記憶される。自動化レベル「１０」に対して、音声・文字が記憶されず、運転者に入力を促さない画像・映像が記憶される。

図５から図７によれば、１１段階の自動化レベルのそれぞれに対応した出力テンプレートは、４種類に分類される。１つ目は、自動化レベル「１」が含まれる第１段階の自動化レベルにおける出力テンプレートである。これは、最も低い自動化レベルでの出力テンプレートである。第１段階の自動化レベルにおける出力テンプレートでは、運転行動が非通知である。２つ目は、自動化レベル「２」から「６．５」が含まれる第２段階の自動化レベルにおける出力テンプレートである。これは、第１段階よりも自動化レベルの高い自動化レベルでの出力テンプレートである。第２段階の自動化レベルにおける出力テンプレートでは、運転行動の選択肢が通知される。なお、選択肢には中止も含まれる。

３つ目は、自動レベル「７」から「９」が含まれる第３段階の自動化レベルにおける出力テンプレートである。これは、第２段階よりも自動化レベルの高い自動化レベルでの出力テンプレートである。第３段階の自動化レベルにおける出力テンプレートでは、運転行動の実行報告が通知される。４つ目は、自動化レベル「１０」が含まれる第４段階の自動化レベルにおける出力テンプレートである。これは、第３段階よりも自動化レベルの高い自動化レベルであって、かつ最も高い自動化レベルの出力テンプレートである。第４段階の自動化レベルにおける出力テンプレートでは、運転行動が非通知である。図３に戻る。

生成部９４は、自動化レベル判定部９０から、選択した自動化レベルと、複数種類の運転行動とを受けつける。生成部９４は、出力テンプレート記憶部９２に記憶された複数の出力テンプレートのうち、自動化レベル判定部９０において選択した１つの自動化レベルに対応した出力テンプレートを取得する。また、生成部９４は、取得した出力テンプレートに複数種類の運転行動を適用することによって、提示情報を生成する。これは、出力テンプレートに含まれた「Ａ」等に、運転行動をはめ込むことに相当する。生成部９４は、生成した提示情報を出力する。

図８（ａ）−（ｂ）は、生成部９４において生成される提示情報の構成を示す。図８（ａ）は、自動化レベル「２」の出力テンプレートにおける画像・映像に、左折、左車線変更、直進、右車線変更、右折の運転行動がはめ込まれた提示情報を示す。図８（ｂ）は、自動化レベル「３」の出力テンプレートにおける画像・映像に、直進、右車線変更の運転行動がはめ込まれた提示情報を示す。図３に戻る。

出力部９６は、生成部９４からの提示情報を入力し、提示情報を出力する。提示情報が音声・文字である場合、出力部９６は、図１の画像・音声出力部５１を介して、図２のスピーカ６に提示情報を出力する。スピーカ６は、提示情報の音声メッセージを出力する。提示情報が画像・映像である場合、出力部９６は、図１の画像・音声出力部５１を介して、図２のヘッドアップディスプレイ２ａあるいはセンターディスプレイ２ｂに提示情報を出力する。ヘッドアップディスプレイ２ａあるいはセンターディスプレイ２ｂは、提示情報の画像を表示する。なお、図１の自動運転制御装置３０は、複数種類の運転行動のうちの１つの運転行動に対応した制御コマンドをもとに、車両１００の自動運転を制御する。

以上の構成による運転支援装置４０の動作を説明する。図９は、表示制御部７２による出力手順を示すフローチャートである。自動化レベル判定部９０は、運転行動と累積値の入力を受けつける（Ｓ１０）。運転行動数が「０」である場合（Ｓ１２のＹ）、自動化レベル判定部９０は自動化レベル「１」を選択する（Ｓ１４）。運転行動数が「０」でない場合（Ｓ１２のＮ）、自動化レベル判定部９０は偏り度とピーク数とを算出する（Ｓ１６）。偏り度が所定値１よりも小さい場合（Ｓ１８のＹ）、自動化レベル判定部９０は自動化レベル「２」を選択する（Ｓ２０）。偏り度が所定値１よりも小さくなく（Ｓ１８のＮ）、ピーク数が２以上である場合（Ｓ２２のＹ）、自動化レベル判定部９０は自動化レベル「３」を選択する（Ｓ２４）。

ピーク数が２以上でなく（Ｓ２２のＮ）、偏り度が所定値２より小さい場合（Ｓ２６のＹ）、自動化レベル判定部９０は自動化レベル「４」を選択する（Ｓ２８）。偏り度が所定値２より小さくなく（Ｓ２６のＮ）、偏り度が所定値３より小さい場合（Ｓ３０のＹ）、自動化レベル判定部９０は自動化レベル「５」を選択する（Ｓ３２）。偏り度が所定値３より小さくなく（Ｓ３０のＮ）、偏り度が所定値４より小さい場合（Ｓ３４のＹ）、自動化レベル判定部９０は自動化レベル「６」あるいは「６．５」を選択する（Ｓ３６）。

偏り度が所定値４より小さくなく（Ｓ３４のＮ）、偏り度が所定値５より小さい場合（Ｓ３８のＹ）、自動化レベル判定部９０は自動化レベル「７」、「８」、「９」のいずれかを選択する（Ｓ４０）。偏り度が所定値５より小さくない場合（Ｓ３８のＮ）、自動化レベル判定部９０は自動化レベル「１０」を選択する（Ｓ４２）。生成部９４は、自動化レベルに対応した出力テンプレートを読み出し（Ｓ４４）、出力テンプレートに運転行動を適用する（Ｓ４６）。出力部９６は、提示情報を出力する（Ｓ４８）。なお、所定値１＜所定値２＜所定値３＜所定値４＜所定値５である。

本実施の形態によれば、機械学習等により生成した運転行動モデルを用いた推定結果をもとに選択した自動化レベルに対応した出力テンプレートを使用して提示情報を生成するので、提示情報の信頼度を知らせることができる。また、機械学習等により生成した運転行動モデルを用いた推定結果である運転行動の信頼度の偏り度をもとに１つの自動化レベルを選択するので、運転行動の信頼度と自動化レベルを対応付けることができる。また、機械学習等により生成した運転行動モデルを用いた推定結果である運転行動の信頼度のピーク数をもとに１つの自動化レベルを選択するので、運転行動の信頼度と自動化レベルを対応付けることができる。また、信頼度として累積値を使用するので、累積値が推定部によって出力される場合に、自動化レベルを選択できる。また、自動化レベルにおいて出力テンプレートが異なるので、自動化レベルを運転者に認識させることができる。また、自動化レベルにおいて出力テンプレートが異なるので、自動化レベルに合った出力テンプレートを使用できる。

以上、本発明に係る実施の形態について図面を参照して詳述してきたが、上述した装置や各処理部の機能は、コンピュータプログラムにより実現されうる。上述した機能をプログラムにより実現するコンピュータは、キーボードやマウス、タッチパッドなどの入力装置、ディスプレイやスピーカなどの出力装置、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）、ＲＯＭ、ＲＡＭ、ハードディスク装置やＳＳＤ（ＳｏｌｉｄＳｔａｔｅＤｒｉｖｅ）などの記憶装置、ＤＶＤ−ＲＯＭ（ＤｉｇｉｔａｌＶｅｒｓａｔｉｌｅＤｉｓｋＲｅａｄＯｎｌｙＭｅｍｏｒｙ）やＵＳＢメモリなどの記録媒体から情報を読み取る読取装置、ネットワークを介して通信を行うネットワークカードなどを備え、各部はバスにより接続される。

また、読取装置は、上記プログラムを記録した記録媒体からそのプログラムを読み取り、記憶装置に記憶させる。あるいは、ネットワークカードが、ネットワークに接続されたサーバ装置と通信を行い、サーバ装置からダウンロードした上記各装置の機能を実現するためのプログラムを記憶装置に記憶させる。また、ＣＰＵが、記憶装置に記憶されたプログラムをＲＡＭにコピーし、そのプログラムに含まれる命令をＲＡＭから順次読み出して実行することにより、上記各装置の機能が実現される。

本発明の一態様の概要は、次の通りである。本発明のある態様の運転支援装置は、運転行動モデルを用いた推定結果である複数種類の運転行動のそれぞれに対応した信頼度の偏り度をもとに、複数段階定義された自動化レベルのうちの１つの自動化レベルを選択する自動化レベル判定部と、複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートのうち、自動化レベル判定部において選択した１つの自動化レベルに対応した出力テンプレートに、複数種類の運転行動を適用することによって、提示情報を生成する生成部と、生成部において生成した提示情報を出力する出力部と、を備える。

この態様によると、機械学習等により生成した運転行動モデルを用いた推定結果をもとに選択した自動化レベルに対応した出力テンプレートを使用するので、提示する情報の信頼度を知らせることができる。

自動化レベル判定部における処理対象となる信頼度は、各運転行動に対する累積値であってもよい。この場合、信頼度として累積値を使用するので、累積値が推定部によって出力される場合に、自動化レベルを選択できる。

自動化レベル判定部における処理対象となる信頼度は、各運転行動に対する尤度であってもよい。この場合、信頼度として尤度を使用するので、尤度が推定部によって出力される場合に、自動化レベルを選択できる。

生成部において使用対象となる出力テンプレートであって、かつ複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートでは、（１）第１段階の自動化レベルにおいて運転行動が非通知であり、（２）第１段階よりも自動化レベルの高い第２段階の自動化レベルにおいて運転行動の選択肢が通知され、（３）第２段階よりも自動化レベルの高い第３段階の自動化レベルにおいて運転行動の実行報告が通知され、（４）第３段階よりも自動化レベルの高い第４段階の自動化レベルにおいて運転行動が非通知であってもよい。この場合、自動化レベルにおいて出力テンプレートが異なるので、自動化レベルを運転者に認識させることができる。

本発明の別の態様は、自動運転制御装置である。この装置は、運転行動モデルを用いた推定結果である複数種類の運転行動のそれぞれに対応した信頼度の偏り度をもとに、複数段階定義された自動化レベルのうちの１つの自動化レベルを選択する自動化レベル判定部と、複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートのうち、自動化レベル判定部において選択した１つの自動化レベルに対応した出力テンプレートに、複数種類の運転行動を適用することによって、提示情報を生成する生成部と、生成部において生成した提示情報を出力する出力部と、複数種類の運転行動のうちの１つの運転行動をもとに、車両の自動運転を制御する自動運転制御部と、を備える。

本発明のさらに別の態様は、車両である。この車両は、運転支援装置を備える車両であって、運転支援装置は、運転行動モデルを用いた推定結果である複数種類の運転行動のそれぞれに対応した信頼度の偏り度をもとに、複数段階定義された自動化レベルのうちの１つの自動化レベルを選択する自動化レベル判定部と、複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートのうち、自動化レベル判定部において選択した１つの自動化レベルに対応した出力テンプレートに、複数種類の運転行動を適用することによって、提示情報を生成する生成部と、生成部において生成した提示情報を出力する出力部と、を備える。

本発明のさらに別の態様は、運転支援システムである。この運転支援システムは、運転行動モデルを生成するサーバと、サーバにおいて生成した運転行動モデルを受信する運転支援装置とを備える。運転支援装置は、運転行動モデルを用いた推定結果である複数種類の運転行動のそれぞれに対応した信頼度の偏り度をもとに、複数段階定義された自動化レベルのうちの１つの自動化レベルを選択する自動化レベル判定部と、複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートのうち、自動化レベル判定部において選択した１つの自動化レベルに対応した出力テンプレートに、複数種類の運転行動を適用することによって、提示情報を生成する生成部と、生成部において生成した提示情報を出力する出力部と、を備える。

本発明のさらに別の態様は、運転支援方法である。この方法は、運転行動モデルを用いた推定結果である複数種類の運転行動のそれぞれに対応した信頼度の偏り度をもとに、複数段階定義された自動化レベルのうちの１つの自動化レベルを選択するステップと、複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートのうち、選択した１つの自動化レベルに対応した出力テンプレートに、複数種類の運転行動を適用することによって、提示情報を生成するステップと、生成した提示情報を出力するステップと、を備える。

以上、本発明を実施の形態をもとに説明した。これらの実施の形態は例示であり、それらの各構成要素や各処理プロセスの組合せにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。

実施の形態において、運転行動推定部７０は運転支援装置４０の制御部４１に含まれる。しかしながらこれに限らず例えば、運転行動推定部７０は、自動運転制御装置３０の制御部３１に含まれてもよい。本変形例によれば、構成の自由度を向上できる。

実施の形態において、運転行動モデル８０は、運転行動学習部３１０において生成され、運転行動推定部７０に送信されている。しかしながらこれに限らず例えば、運転行動モデル８０は運転行動推定部７０にプリインストールされていてもよい。本変形例によれば、構成を簡易にできる。

実施の形態において、運転行動推定部７０は、推定として、ニューラルネットワークを使用する深層学習により生成した運転行動モデルを用いている。しかしながらこれに限らず例えば、運転行動推定部７０は、深層学習以外の機械学習を用いた運転行動モデルを用いてもよい。深層学習以外の機械学習の一例は、ＳＶＭである。さらに、運転行動推定部７０は、統計処理により生成したフィルタを用いてもよい。フィルタの一例は、協調フィルタリングである。協調フィルタリングでは、各運転行動に対応した運転履歴あるいは走行履歴と、入力パラメータとの相関値を算出することによって、相関値の高い運転行動が選択される。相関値によって確からしさが示されているので、相関値は尤度ともいえ、信頼度に相当する。本変形例によれば、信頼度として尤度を使用するので、尤度が推定部８２によって出力される場合に、自動化レベルを選択できる。さらに、運転行動推定部７０は、機械学習やフィルタにより一意に対応付けられる入力と出力の対を予め保持するルールであってもよい。

２報知装置、２ａヘッドアップディスプレイ、２ｂセンターディスプレイ、４入力装置、４ａ第１操作部、４ｂ第２操作部、６スピーカ、８無線装置、１０運転操作部、２０検出部、３０自動運転制御装置、３１制御部、３２記憶部、３３Ｉ／Ｏ部、４０運転支援装置、４１制御部、４２記憶部、４３Ｉ／Ｏ部、５０操作入力部、５１画像・音声出力部、５２検出情報入力部、５３コマンドＩＦ、５４行動情報入力部、５５コマンド出力部、５６通信ＩＦ、７０運転行動推定部、７２表示制御部、８０運転行動モデル、８２推定部、８４ヒストグラム生成部、９０自動化レベル判定部、９２出力テンプレート記憶部、９４生成部、９６出力部、１００車両、３００サーバ、３０２ネットワーク、３１０運転行動学習部、５００運転支援システム。

Claims

車両によって過去になされた複数の運転行動のそれぞれに対応した、複数の特徴量および複数の環境パラメータのうちの少なくとも１つが入力パラメータとして入力されることにより構築された運転行動モデルを用いた推定結果である複数種類の運転行動のそれぞれに対応した、信頼度の偏り度および難易度をもとに、複数段階定義された自動化レベルのうちの１つの自動化レベルを選択する自動化レベル判定部と、
複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートのうち、前記自動化レベル判定部において選択した１つの自動化レベルに対応した出力テンプレートに、複数種類の運転行動を適用することによって、提示情報を生成する生成部と、
前記生成部において生成した提示情報を出力する出力部と、
を備えることを特徴とする運転支援装置。
前記自動化レベル判定部における処理対象となる信頼度は、各運転行動に対する累積値であることを特徴とする請求項１に記載の運転支援装置。
前記自動化レベル判定部における処理対象となる信頼度は、各運転行動に対する尤度であることを特徴とする請求項１に記載の運転支援装置。
前記生成部において使用対象となる出力テンプレートであって、かつ複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートでは、（１）第１段階の自動化レベルにおいて運転行動が非通知であり、（２）第１段階よりも自動化レベルの高い第２段階の自動化レベルにおいて運転行動の選択肢が通知され、（３）第２段階よりも自動化レベルの高い第３段階の自動化レベルにおいて運転行動の実行報告が通知され、（４）第３段階よりも自動化レベルの高い第４段階の自動化レベルにおいて運転行動が非通知であることを特徴とする請求項１から３のいずれかに記載の運転支援装置。
車両によって過去になされた複数の運転行動のそれぞれに対応した、複数の特徴量および複数の環境パラメータのうちの少なくとも１つが入力パラメータとして入力されることにより構築された運転行動モデルを用いた推定結果である複数種類の運転行動のそれぞれに対応した、信頼度の偏り度および難易度をもとに、複数段階定義された自動化レベルのうちの１つの自動化レベルを選択する自動化レベル判定部と、
複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートのうち、前記自動化レベル判定部において選択した１つの自動化レベルに対応した出力テンプレートに、複数種類の運転行動を適用することによって、提示情報を生成する生成部と、
前記生成部において生成した提示情報を出力する出力部と、
複数種類の運転行動のうちの１つの運転行動をもとに、車両の自動運転を制御する自動運転制御部と、
を備えることを特徴とする自動運転制御装置。
運転支援装置を備える車両であって、
前記運転支援装置は、
車両によって過去になされた複数の運転行動のそれぞれに対応した、複数の特徴量および複数の環境パラメータのうちの少なくとも１つが入力パラメータとして入力されることにより構築された運転行動モデルを用いた推定結果である複数種類の運転行動のそれぞれに対応した、信頼度の偏り度および難易度をもとに、複数段階定義された自動化レベルのうちの１つの自動化レベルを選択する自動化レベル判定部と、
複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートのうち、前記自動化レベル判定部において選択した１つの自動化レベルに対応した出力テンプレートに、複数種類の運転行動を適用することによって、提示情報を生成する生成部と、
前記生成部において生成した提示情報を出力する出力部と、
を備えることを特徴とする車両。
車両によって過去になされた複数の運転行動のそれぞれに対応した、複数の特徴量および複数の環境パラメータのうちの少なくとも１つが入力パラメータとして入力されることにより構築された運転行動モデルを生成するサーバと、
前記サーバにおいて生成した前記運転行動モデルを受信する運転支援装置とを備え、
前記運転支援装置は、
前記運転行動モデルを用いた推定結果である複数種類の運転行動のそれぞれに対応した、信頼度の偏り度および難易度をもとに、複数段階定義された自動化レベルのうちの１つの自動化レベルを選択する自動化レベル判定部と、
複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートのうち、前記自動化レベル判定部において選択した１つの自動化レベルに対応した出力テンプレートに、複数種類の運転行動を適用することによって、提示情報を生成する生成部と、
前記生成部において生成した提示情報を出力する出力部と、
を備えることを特徴とする運転支援システム。
車両によって過去になされた複数の運転行動のそれぞれに対応した、複数の特徴量および複数の環境パラメータのうちの少なくとも１つが入力パラメータとして入力されることにより構築された運転行動モデルを用いた推定結果である複数種類の運転行動のそれぞれに対応した、信頼度の偏り度および難易度をもとに、複数段階定義された自動化レベルのうちの１つの自動化レベルを選択するステップと、
複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートのうち、選択した１つの自動化レベルに対応した出力テンプレートに、複数種類の運転行動を適用することによって、提示情報を生成するステップと、
生成した提示情報を出力するステップと、
を備えることを特徴とする運転支援方法。
車両によって過去になされた複数の運転行動のそれぞれに対応した、複数の特徴量および複数の環境パラメータのうちの少なくとも１つが入力パラメータとして入力されることにより構築された運転行動モデルを用いた推定結果である複数種類の運転行動のそれぞれに対応した、信頼度の偏り度および難易度をもとに、複数段階定義された自動化レベルのうちの１つの自動化レベルを選択するステップと、
複数段階定義された自動化レベルのそれぞれに対応した出力テンプレートのうち、選択した１つの自動化レベルに対応した出力テンプレートに、複数種類の運転行動を適用することによって、提示情報を生成するステップと、
生成した提示情報を出力するステップとをコンピュータに実行させるためのプログラム。