JP6677074B2 - 運転診断装置 - Google Patents

Description

本発明は、ドライバの運転を診断する運転診断装置に関する。

ドライバの運転特性を診断する装置として、特許文献１に記載のドライバ特性検出装置がある。上記ドライバ特性検出装置は、ドライバが目標とする操縦目標値と、実際の操縦操作量と、車両の動作実測値とから、診断対象のドライバモデルを決定し、決定した診断対象のドライバモデルと、規範的なドライバモデルや同一ドライバについて以前に決定したドライバモデルとを比較している。そして、上記ドライバ特性検出装置は、比較結果から、習熟度や年齢、飲酒状態、眠気状態等に基づく運転特性を検出し、検出した運転特性が異常な状態であると診断した場合に、警告音声や警告音を発して、ドライバに注意を促している。

特許第５１５８６７７号公報

一般に、ドライバは、市街道路や高速道路といった場所に応じて、異なる運転操作をするものであるが、上記ドライバ特性検出装置は、場所を考慮することなく、診断対象のドライバモデルを決定したり、規範的なドライバモデルを設定したりしている。そのため、上記ドライバ特性検出装置では、場所依存で現れるドライバの異常な運転行動を検出することが難しい。

また、上記ドライバ特性検出装置では、規範からの逸脱の報知にとどまるため、ドライバは、警告を受けて自身の運転が規範から逸脱していることはわかるものの、どのように逸脱しているか、ひいては、どのように自身の運転を修正すべきか理解しにくい。さらに、運転特性の診断結果を運行管理者に提示する場合にも、運行管理者はドライバの運転特性を具体的に理解しにくい。

本発明は、上記実情に鑑みてなされたものであり、場所に応じた運転特性を診断するとともに、診断情報を理解しやすい形で提示することができる運転診断装置を提供することを主たる目的とする。

本発明は、ドライバの運転を診断する運転診断装置であって、蓄積部（１３，１３Ａ）と、取得部（２１，２２）と、検出部（２３，２３Ａ）と、文章生成部（２６，２６Ａ）と、提示部（２７）と、を備える。蓄積部は、走行路の一部分である区間ごとに、その区間の運転データの標準的な特徴を表す基準量を蓄積する。取得部は、診断対象である対象車両の前記運転データから前記基準量と対応する特徴を表す診断量を取得する。検出部は、診断量と診断量の取得位置に対応する区間で取得された基準量とのずれの態様を検出し、検出したずれの態様から対象車両のドライバの異常な運転行動である異常行動を検出する。文章生成部は、検出されたずれの態様に応じて、異常行動の内容を表す予め設定された診断文章を生成する。提示部は、文章生成部により生成された診断文章を提示する。

本発明によれば、走行路の区間ごとに基準量が蓄積されている。そのため、区間ごとにドライバの運転行動を診断して、場所依存で現れるドライバの異常な運転行動を検出することができる。また、検出された診断量と基準量とのずれの態様に応じて、ドライバの異常行動を表す診断文章が生成され、生成された診断文章が提示されるため、提示を受けた者は、ドライバの運転行動がどこでどのように異常であったかを理解しやすい。ひいては、ドライバに運転スキルの改善を促すことができる。

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。

第１実施形態に係る診断装置の構成を示すブロック図である。 運転データを記憶する単位である区間を示す図である。 第１実施形態に係る場所特性ＤＢ内のデータの内容を示す図である。 第１実施形態に係るドライバの異常行動を検出する処理手順を示すフローチャートである。 第１実施形態に係る診断文章を生成する処理手順を示すフローチャートである。 第１実施形態に係る診断対象の車両から取得した運転データを診断して診断情報を提示するまでの流れを模式的に示した模式図である。 第１実施形態に係る診断情報の提示例を示す図である。 第２実施形態に係る診断装置の構成を示すブロック図である。 第２実施形態に係る診断情報の提示例を示す図である。

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。
（第１実施形態）
＜構成＞
まず、本実施形態に係る走行支援システム１００の構成について、図１を参照して説明する。走行支援システム１００は、収集・蓄積部１０、診断部２０、及びディスプレイ３１を備える。

収集・蓄積部１０は、ＣＰＵ、ＲＯＭ、ＲＡＭ及びＩ／Ｏ等を備えたコンピュータを主体としたサーバから構成されており、情報センタ等に設置されている。収集・蓄積部１０は、ＣＰＵがＲＯＭ等の非遷移的実体的記憶媒体に格納されているプログラムを実行することにより、運転データ収集部１１及び場所特性推定部１２の各機能を実現する。これらの機能の一部又は全部は、ハードウェアを用いて実現してもよい。また、収集・蓄積部１０は、場所特性ＤＢ１３及び地図ＤＢ１４を備える。ＤＢは、データベースの略である。

運転データ収集部１１は、道路上を走行中又は走行後の複数の車両から、無線通信を介して、各種センサで検出された走行中の運転データＤｂを繰り返し収集する。運転データＤｂは、車両挙動データや、操作挙動データ、位置データ、車格データを含むデータである。車両挙動データとしては、例えば、車両の速度や加速度等を用いることができる。操作挙動データとしては、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、ステアリングの操舵角、トランスミッションのシフト位置、方向指示器の操作状態等を用いることができる。位置データとしては、ＧＰＳ受信機で受信された受信信号から得られた位置情報を用いることができる。車格データは、小トラック、中トラック、大トラック、トレーラー、普通自動車等の車格に関連する情報である。運転データＤｂは、走行中の車両から一定周期で収集してもよいし、高速道路料金所、ジャンクション等の既定のポイントを通過した車両から収集してもよい。あるいは、車両のエンジン停止時において、車載通信機と登録済みの通信機との通信が確立した際に、車両からサーバへ運転データＤｂを送信してもよい。

場所特性推定部１２は、図２に示すように、地図ＤＢ１４に記憶されている地図情報を用いて、地図上の道路を所定間隔で分割して区間を生成し、生成した各区間を一つの場所と見なして場所ＩＤを付与する。また、場所特性推定部１２は、運転データＤｂから特徴量を算出する。本実施形態では、特徴量として、車両挙動データ、操作挙動データ及びその微分データを用いる。詳しくは、図３の表に示すように、特徴量として、速度Ｖ、アクセルペダルの操作量ＡＰ、ブレーキペダルの操作量ＢＰ、ステアリングの操舵角ＳＷ、アクセルペダルの操作速度ΔＡＰ、ブレーキペダルの操作速度ΔＢＰ、及びステアリングの操舵速度ΔＳＷを用いる。

さらに、場所特性推定部１２は、特徴量の場所特性として、車格ごとに、各区間における各特徴量の分布を算出する。車格ごとに各特徴量の分布を算出するのは、車格によって規範となる運転行動が異なるためである。本実施形態では、図３の表に示すように、場所特性推定部１２は、各区間内で得られた各特徴量の分布が、それぞれガウス分布に従うと仮定して、区間ごとに、各特徴量の分布の平均値及び標準偏差を算出する。

場所特性ＤＢ１３は、図３に示すように、車格ごとに、各区間の場所ＩＤと対応付けて、場所特性推定部１２により算出された各特徴量の分布を、それぞれ基準量として蓄積する。すなわち、場所特性ＤＢ１３には、車格ごとかつ場所ＩＤごとに、ラベル、平均値及び標準偏差が蓄積される。このようにして構築された場所特性ＤＢ１３は、車格ごとかつ場所ごとに、運転の規範を示すデータベースとなる。本実施形態では、場所特性ＤＢ１３が蓄積部に相当する。

診断部２０は、ＣＰＵ、ＲＯＭ、ＲＡＭ及びＩ／Ｏ等を備えたコンピュータを主体とした車載装置から構成されており、診断対象である対象車両５０に搭載されている。診断部２０は、ＣＰＵがＲＯＭ等の非遷移的実体的記憶媒体に格納されているプログラムを実行することにより、運転データ検出部２１、特徴量算出部２２、異常検出部２３、文章生成部２６及び提示部２７の各機能を実現する。これらの機能の一部又は全部は、ハードウェアを用いて実現してもよい。また、診断部２０は、文章ＤＢ２４及び地図ＤＢ２５の２つのデータベースを備える。

診断部２０は、上記各機能を実現することにより、対象車両５０のドライバの異常な運転行動である異常行動を検出するとともに、検出した異常行動の内容を表す診断文章を生成して提示する。本実施形態では、運転データ検出部２１及び特徴量算出部２２が取得部に相当するとともに、異常検出部２３が検出部に相当し、診断部２０と場所特性ＤＢ１３とから診断装置が構成される。以下、診断部２０が実行する異常検出処理及び文章提示処理について、詳細を説明する。

＜異常検出処理＞
次に、対象車両５０のドライバの異常行動を検出する処理手順について、図４のフローチャートを参照して説明する。本処理手順は、診断部２０が所定周期で実行する。

まず、ステップＳ１０では、対象車両５０から運転データＤｏを繰り返し検出する。検出する運転データＤｏは、収集・蓄積部１０が収集する運転データＤｂと同じ種類のデータ、若しくは、収集・蓄積部１０が収集する運転データＤｂに含まれるデータとする。本実施形態では、運転データＤｏとして、運転データＤｂと同じ種類のデータを検出する。

続いて、ステップＳ２０では、図６に示すように、ステップＳ１０で検出した車両データＤｏから、場所特性推定部１２が算出する特徴量と同じ種類の複数の特徴量を、それぞれ診断量として算出する。そして、各特徴量に、場所特性推定部１２が付与した特徴量ラベルと同じ特徴量ラベルを付与する。よって、基準量は特徴量の分布となり、診断量は基準量に対応する特徴量となる。

続いて、ステップＳ３０では、収集・蓄積部１０の場所特性ＤＢ１３から、運転データＤｏの取得位置に対応する区間で取得され、対象車両５０の車格に対応付けられている基準量を取得する。図６に示すように、運転データＤｏが場所ＩＤ６０の区間で取得されているとともに、対象車両５０の車格が大型バスの場合には、場所特性ＤＢ１３から場所ＩＤ６０及び大型バスの車格に対応する基準量を取得する。なお、診断部２０は、収集・蓄積部１０と道路の区間と場所ＩＤとの対応に関する情報を共有している。

続いて、ステップＳ４０では、特徴量のラベルごとに、基準量に対する診断量の逸脱度ｄを算出する。詳しくは、特徴量ラベルごとに、基準量の中心すなわち基準量の平均値と診断量との差分の大きさを逸脱度ｄとして算出する。

続いて、ステップＳ５０では、特徴量のラベルごとに、算出した逸脱度ｄが、予め設定された分布閾値Ｖｔｈ１よりも大きいか否か判定する。すなわち、ドライバが、その特徴量に関連する異常行動をしているか否か判定する。分布閾値Ｖｔｈ１は、基準量である分布の正常な領域を表す値であり、ラベルごとに異なる値、例えば、基準量の標準偏差の３倍に設定されている。逸脱度ｄが分布閾値Ｖｔｈ１以下の場合は、正常行動と判定して、ステップ６０を飛ばして、ステップＳ７０に進む。一方、逸脱度ｄが分布閾値Ｖｔｈ１よりも大きい場合は、異常行動と判定して、ステップＳ６０において、特徴量のラベルと対応する場所ＩＤとを逸脱リストに追加する。

続いて、ステップＳ７０では、すべてのラベルについて、異常行動の判定を終了したか否か判定する。終了している場合は、本処理を終了する。一方、終了していない場合は、ステップＳ５０に戻り、すべてのラベルについて異常行動の判定を終了するまで、ステップＳ５０〜Ｓ７０の処理を繰り返し実行する。以上の処理により、ドライバの異常行動に関連する特徴量のラベルと異常行動が検出された区間の場所ＩＤとが、リストアップされた逸脱リストが生成される。この逸脱リストにリストアップされたラベルが、次の診断文章を生成する処理において、診断文章の生成対象となる。図６に示すように、速度及びＡＰのラベルについて異常行動が判定された場合は、場所ＩＤ６０及び速度とＡＰのラベルが記載された逸脱リストが生成される。なお、ステップＳ１０は、運転データ検出部２１が行う処理であり、ステップＳ２０は、特徴量算出部２２が行う処理である。また、ステップＳ３０〜Ｓ７０は、異常検出部２３が行う処理である。

＜文章提示処理＞
次に、検出した異常行動の内容を表す診断文章を生成する処理手順について、図５のフローチャートを参照して説明する。本処理手順は、診断部２０が、逸脱リストにリストアップされた場所ＩＤごとに実行する。

まず、ステップＳ１１０では、生成された逸脱リストから、ラベルを１つ抽出して、抽出したラベルを変数Ａに代入する。ラベルは、どの種類の特徴量かを表す。抽出したラベルに対応する診断量をＱｏ、基準量の平均値をＱｂとする。ここで、図６に示すように、文章ＤＢ２４には、基準量の平均値に対して診断量が過大か過小かに応じて、異常駆動の内容を表す複数種類の文章要素が記憶されている。

そこで、ステップＳ１２０では、抽出したラベルの診断量Ｑｏが、平均値Ｑｂよりも大きいか否かを判定する。診断量Ｑｏが平均値Ｑｂよりも大きい場合は、文章ＤＢ２４から過大に対応する文章要素を取得し、変数Ｂに代入する。例えば、ラベルが速度の場合、文章ＤＢ２４には、過大に対応する文章要素として「出すぎ」が記憶されている。一方、診断量Ｑｏが平均値Ｑｂ以下の場合は、文章ＤＢ２４から過小に対応する文章要素を取得し、変数Ｂに代入する。例えば、ラベルが速度の場合、文章ＤＢ２４には、過小に対応する文章要素として「遅すぎ」が記憶されている。なお、本実施形態では、文章ＤＢ２４が文章記憶部に相当する。

続いて、ステップＳ１５０では、変数Ｃに、「“Ａ”が“Ｂ”です」という文章を追加して、変数Ｃを更新する。これにより、逸脱リストからラベルを抽出する度に、そのラベルに関連する文章が変数Ｃに追加される。つまり、最終的に、変数Ｃには、逸脱リストのラベル数分の文章が含まれる。

続いて、ステップＳ１６０では、逸脱リストの全ラベルについて、診断文章を生成したか否か判定する。全ラベルについて診断文章を生成していない場合は、ステップＳ１１０に戻り、全ラベルについて診断文章を生成するまで、ステップＳ１１０〜ステップＳ１６０の処理を繰り返す。一方、全ラベルについて診断文章を生成している場合は、ステップＳ１７０に進む。

続いて、ステップＳ１７０では、逸脱リスト上の場所ＩＤを参照し、地図ＤＢ２５から場所ＩＤに対応する区間の地図情報を取得する。
続いて、ステップＳ１８０では、生成した診断情報と、取得した地図情報とを合わせて、提示する診断情報を整形する。詳しくは、図６に示すように、地図上で、ドライバの異常行動が検出された区間にハイライト等の目印を付加し、目印を付加した地図情報と診断文章とから一つの画像を生成する。さらに、図７に示すように、異常行動が検出された区間の道路属性である「春岡料金所通過後」を地図ＤＢ２５から取得し、取得した道路属性を診断文章に追加してもよい。道路属性は、市街道路や、高速道路、高速道路料金所、ジャンクション、トンネル、カーブ、橋等の通過後、通過中、通過前等である。なお、具体的な地名の「春岡」は除いて、「料金所通過後」だけでもよい。

続いて、ステップＳ１８０では、生成した画像をディスプレイ３１に出力して、ドライバに提示する。ディスプレイ３１は、カーナビ装置等の情報端末のディスプレイやメータディスプレイ、ヘッドアップディスプレイ等のどれでもよい。以上で本処理を終了する。なお、Ｓ１１０〜Ｓ１６０の処理は、文章生成部２６が行う処理であり、ステップＳ１８０及びＳ１９０の処理は、提示部２７が行う処理である。

＜効果＞
以上詳述した第１実施形態によれば、以下の効果が得られる。
（１）区間ごとにドライバの運転特性を診断して、場所依存で現れるドライバの異常な運転行動を検出することができる。また、検出された診断量と基準量とのずれの態様に応じて、ドライバの異常行動を表す診断文章が生成され、生成された診断文章が提示されるため、提示を受けた者は、ドライバの運転行動がどこでどのように異常であったかを理解しやすい。

（２）車格ごとに区間に対応付けて基準量を蓄積することで、診断対象の車両の車格に合わせた、適切な運転診断を行うことができる。
（３）運転データＤｂから算出した特徴量の分布を基準量、運転データＤｏから算出した特徴量を診断量としたことにより、低負荷の簡易な手法で、ドライバの異常行動を検出することができる。

（４）予め基準量の中心に対する診断量の大小に対応付けて、異常行動の内容を表す複数種類の文章要素を記憶した文章ＤＢ２４を用意することにより、基準量と診断量との比較に基づいて、異常行動を表す診断文章を生成することができる。

（５）診断文章に異常行動が検出された区間の道路属性を含めることにより、ドライバが異常行動を起こしやすい場所を理解することができる。
（６）異常な運転行動が検出された区間を地図情報に付加して示すことにより、提示を受けた者が、異常行動を起こした場所を直感的に理解しやすい。

（第２実施形態）
＜第１実施形態との相違点＞
第２実施形態は、基本的な構成は第１実施形態と同様であるため、共通する構成については説明を省略し、相違点を中心に説明する。なお、第１実施形態と同じ符号は、同一の構成を示すものであって、先行する説明を参照する。

前述した第１実施形態では、複数の走行車両から運転データＤｂを収集して、運転データＤｂから算出した各特徴量の分布をそれぞれ基準量とするとともに、対象車両５０の運転データＤｏから算出した各特徴量をそれぞれ診断量とした。これに対して、第２実施形態では、運転データＤｂ，Ｄｏを運転シーンごとに離散化して、各運転シーン中に現れる各特徴量の頻度分布を生成する。そして、第２実施形態では、生成した頻度分布群を、複数種類の運転トピックからなる運転トピック群を用いて表現した場合における、運転トピックの混合比であるトピック割合を、基準量及び診断量として用いる。運転トピックは、それぞれが運転時に繰り返し出現する特定の状況を表す記号である。

＜構成＞
以下、第２実施形態に係る走行支援システムの構成について、第１実施形態と異なる点について、図８を参照して説明する。

収集・蓄積部１０Ａの場所特性推定部１２Ａは、特徴量分布生成部１２１及びトピック割合推定部１２２の機能を備え、運転データＤｂからトピック割合を推定する。トピック割合の推定手法は公知の技術であるため、ここでは、詳細な説明は省略して、特徴量分布生成部１２１及びトピック割合推定部１２２の機能について簡単に説明する。トピック割合の推定手法の詳細については、特開２０１５−２３０６９４号公報を参照されたい。

特徴量分布生成部１２１は、二重分節解析器を利用して、運転データＤｂの時系列を、離散的な複数の部分系列に分節化する。各部分系列は、いずれかの運転シーンを表す系列となる。そして、特徴量分布生成部１２１は、分節化された運転シーンごとに、その運転シーン中に現れる特徴量の出現頻度を表す頻度分布を生成する。ここでの特徴量は車両挙動や車両操作データ等をもとに、異常の判定に用いたいものを設計者が設計する。例えば、第１実施形態における特徴量と同じものとしてもよい。頻度分布は、特徴量の値域を表す特徴空間を複数に分割、例えば、特徴量の最小値〜最大値を２０等分に分割したものをビンとして、そのビンごとに、特徴量の出現頻度を表現したヒストグラムからなる。

運転トピックＤＢ１２３には、特徴量分布生成部１２１で生成された複数種類の頻度分布である頻度分布群を、複数の分布の混合によって表現する場合に基底として使用される複数の、例えば２５個の運転トピックが予め記憶されている。各運転トピックは、特徴量のそれぞれに対応する、特徴量と同数の基底分布によって構成されている。

運転トピックの生成には、運転シーンを表す各部分系列を「一つの文章」、検出された特徴量を「一つの単語」と見なすことで、自然言語処理分野で利用されている潜在トピック推定方法を利用する。すなわち、実際に車両を走行させて、学習用の特徴量分布を生成し、生成した学習用の特徴量分布を用いて、潜在トピック推定方法により、基底となる分布を推定した結果が運転トピックとなる。このように生成された基底分布によって構成される各運転トピックは、それぞれが運転時に繰り返し出現する特定の状況を表したものとなる。

トピック割合推定部１２２は、地図上の道路を所定間隔で分割して区間を生成し、生成した各区間を一つの場所と見なして場所ＩＤを付与する。また、トピック割合推定部１２２は、特徴量分布生成部１２１により生成された複数種類の特徴量分布が、運転トピックＤＢ１２３に記憶されている運転トピック群を混合することで表現されるものとして、その混合比であるトピック割合、すなわち各運転トピックの含有割合を推定する。そして、トピック割合推定部１２２は、各トピック割合を、各トピック割合となる運転シーンが観測された区間に割り当てる。

場所特性ＤＢ１３Ａは、車格ごとに、各区間の場所ＩＤと対応付けて、トピック割合推定部により推定されたトピック割合を、基準量として蓄積する。一般に、一つの運転シーンでは、複数の運転操作が連動して行われ、複数の特徴量が影響を受ける。本実施形態では、複数種類の特徴量の頻度分布で表された運転トピックを用いることにより、場所特性ＤＢ１３は、車格ごとかつ場所ごとに、一連の運転操作の規範を示すデータベースとなる。本実施形態では、場所特性ＤＢ１３Ａが蓄積部に相当する。

異常検出部２３Ａは、特徴量分布生成部２３１、トピック割合推定部２３２、及び比較部２３３の機能を備える。特徴量分布生成部２３１及びトピック割合推定部２３２の機能は、特徴量分布生成部１２１及びトピック割合推定部１２２の機能と同様であり、運転データＤｏから、診断量としてトピック割合を算出する。運転トピックＤＢ２３４には、運転トピックＤＢ１２３と同じ個数の運転トピックが予め記憶されている。本実施形態では、特徴量分布生成部１２１，２３１が、離散化部及び頻度生成部に相当する。

比較部２３３は、場所特性ＤＢ１３Ａから、対象車両５０の車格と運転データＤｏの取得位置とに対応した基準量を取得し、基準量と診断量との差分の大きさを逸脱度ｄとして算出する。詳しくは、比較部２３３は、場所特性ＤＢ１３Ａから取得した基準量のうちから、診断量に最も近いｍ個をピックアップする。ｍは自然数であり、例えばｍ＝５とする。ここでは、診断量とのユークリッド距離Ｌが近い基準量を、診断量に近い基準量とする。ユークリッド距離Ｌは、運転トピックの数をＮ個、診断量であるトピック割合を、Ｐ_ｏ＝（Ｐ_ｏ１，Ｐ_ｏ２，…Ｐ_ｏＮ）、基準量であるトピック割合を、Ｐ_ｉ＝（Ｐ_ｉ１，Ｐ_ｉ２，…Ｐ_ｉＮ）とした場合、次の式（１）から算出される。Ｎは自然数である。そして、比較部２３３は、式（２）を用いて、ピックアップしたｍ個の基準量と診断量との平均距離を、逸脱度ｄとして算出する。平均距離は、基準量と診断量との差分の大きさに相当する。

また、比較部２３３は、算出した逸脱度ｄと、予め設定されている割合閾値Ｖｔｈ２とを比較し、逸脱度ｄが割合閾値Ｖｔｈ２よりも大きい場合に、異常行動を検出する。割合閾値Ｖｔｈ２は、トピック割合の正常な範囲を表す値である。あるいは、比較部２３３は、対象車両５０の走行軌跡上において、走行軌跡上の逸脱度ｄの平均値よりも、異常閾値Ｖｔｈ３を超えて高い区間における運転行動を、異常行動として検出してもよい。異常閾値Ｖｔｈ３は、走行軌跡上における逸脱度ｄの正常な範囲を示す値である。さらに、比較部２３３は、異常行動が検出された場合に、式（３）を用いて、逸脱度ｄに対する各運転トピックの寄与Ｃｔ，ｔ＝１，…，Ｎを算出する。本実施形態では、比較部２３３が検出部に相当する。

文章ＤＢ２４Ａは、運転トピックのそれぞれに対応付けて、異常行動の内容を表す複数種類の異常行動文章を記憶している。各運転トピックは、複数種類の特徴量の頻度分布で表されているため、特徴量同士の関連性を含めた異常行動文章を用意しておくことができる。すなわち、各運転トピックに対して、各特徴量に対するよりも、細やかに表現した異常行動文章を用意しておくことができる。例えば、文章ＤＢ２４は、「加速が大きすぎて操舵がブレています」といった、文章を記憶している。なお、本実施形態では、文章ＤＢ２４Ａが文章記憶部に相当する。

文章生成部２６Ａは、寄与Ｃｔが大きい順に、予め設定されている数、例えば１個の運転トピックを診断文章の生成対象とする。そして、文章生成部２６Ａは、図９に示すように、文章ＤＢ２４Ａを参照して、生成対象の運転トピックに対応付けられている異常行動文章を取得し、取得した異常行動文章に、異常行動が検出された区間の道路属性を追加した診断文章を生成する。

＜効果＞
以上詳述した第２実施形態によれば、前述した第１実施形態の効果（１），（２），（５），（６）に加え、以下の効果が得られる。

（７）複数種類の運転トピックは、それぞれが複数種類の特徴量の頻度分布で表されている。よって、運転トピックの混合比である運転トピック割合を用いて、異常な運転行動を検出することにより、異常な一連の運転操作が実行された適切な場所で、異常な運転行動を検出することができる。

（８）運転トピックと対応付けることにより、より細かく表現した行動文章を用意しておくことができる。ひいては、基準とのずれが大きい運転トピックごとに、異常な運転行動をよりわかりやすく表現した診断文章を生成することができる。

（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。

（ａ）診断文章をディスプレイ３１に出力するとともに、診断部２０，２０Ａに接続されたスピーカ３２に出力し、診断文章を音声で提示してもよい。あるいは、診断文章を、ディスプレイ３１には出力せず、スピーカ３２のみに出力してもよい。スピーカ３２は、情報端末のスピーカやオーディオ装置のディスプレイ等のどれでもよい。

（ｂ）診断部２０，２０Ａは、診断情報ＤＢを備え、生成した診断情報を診断情報ＤＢに蓄積しておいてもよい。そして、診断部２０，２０Ａは、対象車両５０の運行管理者やドライバからの要求に応じて、診断情報ＤＢに蓄積した診断情報を運行管理者等の端末に送信して提示してもよい。この場合、対象車両５０は、エンジンの運転停止時において、車載通信機と登録済みの通信機との通信が確立した際に、運転データＤｏを一括してサーバへ送信してもよい。

（ｃ）診断部２０，２０Ａはサーバの機能であってもよい。すなわち、対象車両５０は運転データをサーバへ送信し、サーバは診断文章を含む診断情報を生成して、対象車両５０のディスプレイ３１やスピーカ３２に出力してもよい。また、サーバは、対象車両５０の運行管理者等の端末に、診断情報を送信して、運行管理者等に提示してもよい。この場合、診断情報をある程度の区間の分まとめて提示してもよい。

（ｄ）基準量を蓄積する区間は、道路を分割して生成される全区間ではなく、既定の監視ポイントの区間だけにして、監視ポイントにおけるドライバの運転行動を診断してもよい。監視ポイントは、例えば、高速道路料金所の通過後、トンネルの真ん中、カーブ、合流地点等である。この場合、監視ポイントの前後の一定区間における運転データＤｂに、監視ポイントからの距離に応じて重み付けして、監視ポイントにおける特徴量を算出してもよい。

（ｅ）区間は、道路を均等に分割した区間ではなく、区間内の運転データのばらつきが予め設定されているばらつき閾値以内となるような区間としてもよい。このばらつき閾値は、運転データが同一と見なせる値である。

（ｆ）区間内における特徴量の分布の広がりが大きい場合、区間内の特徴量の分布又は特徴量の頻度分布から生成する運転トピックは、模範的な運転行動を示す値として用いるのには適さない。そこで、いずれかの特徴量の分布や、トピックモデルなどにおけるモデルパラメーター推定値のエントロピーが、予め設定された閾値以下になる地点を、区切りとして区間を生成してもよい。この閾値は、特徴量が十分な凝縮度を満たす値である。

（ｇ）上記実施形態における１つの構成要素が有する複数の機能を、複数の構成要素によって実現したり、１つの構成要素が有する１つの機能を、複数の構成要素によって実現したりしてもよい。また、複数の構成要素が有する複数の機能を、１つの構成要素によって実現したり、複数の構成要素によって実現される１つの機能を、１つの構成要素によって実現したりしてもよい。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又は置換してもよい。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。

（ｈ）上述した運転診断装置の他、当該運転診断装置を構成要素とするシステム、当該運転診断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、運転診断方法など、種々の形態で本発明を実現することもできる。

１３，１３Ａ…場所特性ＤＢ、１３Ａ…場所特性ＤＢ、２０…診断部、２１…運転データ検出部、２２…特徴量算出部、２３，２３Ａ…異常検出部、２４…文章ＤＢ、２６，２６Ａ…文章生成部、２７…提示部。

Claims (7)

1. ドライバの運転を診断する運転診断装置であって、
   走行路の一部分である運転データのばらつきが予め設定したばらつき閾値以内となるように生成されている区間ごとに、その区間の前記運転データから算出される１以上の特徴量に関する標準的な傾向を表す基準量を蓄積する蓄積部（１３，１３Ａ）と、
   診断対象である対象車両の前記運転データから前記基準量と対応する前記特徴量に関する診断量を取得する取得部（２１，２２）と、
   前記診断量の取得位置に対応する前記区間であって前記特徴量のばらつきが予め設定した閾値以内である前記区間を対象として、前記診断量と前記診断量の取得位置に対応する前記区間で取得された前記基準量とのずれの態様を検出し、検出した前記ずれの態様から前記対象車両のドライバの異常な運転行動である異常行動を検出する検出部（２３，２３Ａ）と、
   検出された前記ずれの態様に応じて、前記基準量とずれた前記診断量に関する前記特徴量の種類を含み前記異常行動の内容を表す診断文章を生成する文章生成部（２６，２６Ａ）と、
   前記異常行動が検出された前記区間に目印を付加した地図情報と前記文章生成部により生成された前記診断文章とを併せて提示する提示部（２７）と、を備える運転診断装置。
2. 前記蓄積部は、車両の車格ごとに、前記基準量を蓄積し、
   前記検出部は、前記診断量と、前記対象車両の前記車格に対応付けられている前記基準量とを比較して、前記運転行動の異常を検出する、請求項１に記載の運転診断装置。
3. 前記基準量は、前記区間ごとに、その区間で複数の車両から取得された前記運転データから算出される複数種類の特徴量の分布であり、
   前記診断量は、前記対象車両の前記運転データから算出される前記複数種類の特徴量であり、
   前記検出部（２３）は、前記特徴量ごとに、前記ずれの態様として、前記基準量の中心と前記診断量との差分の大きさを検出し、いずれかの前記特徴量について、検出した前記差分の大きさが予め設定されている分布閾値よりも大きい場合に、前記異常行動を検出する、請求項１又は２に記載の運転診断装置。
4. 前記特徴量のそれぞれについて、前記基準量の中心に対する前記診断量の大小に対応付けて、前記異常行動の内容を表す複数種類の文章要素を記憶した文章記憶部（２４）を備え、
   前記文章生成部（２６）は、検出された前記差分の大きさが前記分布閾値を超えている前記特徴量を前記診断文章の生成対象とし、前記文章記憶部に記憶されている前記文章要素を用いて、前記生成対象ごとに、前記基準量の中心に対する前記診断量の大小に応じて、前記生成対象と前記文章要素との関係を表す前記診断文章を生成する、請求項３に記載の運転診断装置。
5. 前記運転データの系列を、離散的な運転シーンに分節化することによって運転シーンの系列を生成する離散化部（１２１）と、
   前記離散化部により生成された前記運転シーンごとに、前記運転データから算出される複数種類の特徴量のそれぞれについて、前記特徴量の出現頻度を表す頻度分布を生成する頻度生成部（１２１）と、
   前記運転シーンごとに生成される複数種類の頻度分布を頻度分布群、前記頻度分布群を表現する際の基底分布として用いられる複数種類の運転トピックを運転トピック群として、前記頻度分布群を前記運転トピック群を用いて表現した場合における、前記運転トピックの混合比であるトピック割合を、前記運転シーンごとに推定するトピック割合推定部（１２２）と、を備え、
   前記基準量は、複数の車両から取得された前記運転データから推定した前記トピック割合であり、
   前記診断量は、前記対象車両の前記運転データから推定した前記トピック割合であり、
   前記検出部（２３Ａ）は、前記ずれの態様として、前記基準量である前記トピック割合と前記診断量である前記トピック割合の差分の大きさを検出し、検出した前記差分の大きさが、予め設定されている割合閾値よりも大きい場合に、前記異常行動を検出する、請求項１又は２に記載の運転診断装置。
6. 前記運転トピック群を構成する運転トピックのそれぞれに対応付けて、前記異常行動の内容を表す複数種類の異常行動文章を記憶した文章記憶部（２４Ａ）を備え、
   前記文章生成部（２６Ａ）は、検出された前記差分の大きさに対する寄与が大きい順に、予め設定されている数の前記運転トピックを前記診断文章の生成対象とし、前記生成対象ごとに、前記文章記憶部に記憶されている前記異常行動文章を含む前記診断文章を生成する、請求項５に記載の運転診断装置。
7. 前記文章生成部は、地図情報を用いて、前記異常行動が検出された前記区間の道路属性を含む前記診断文章を生成する、請求項１〜６のいずれか１項に記載の運転診断装置。