JP6870038B2

JP6870038B2 - 走行挙動の安全性検出方法、走行挙動の安全性検出装置及びコンピュータ読取可能な記憶媒体

Info

Publication number: JP6870038B2
Application number: JP2019134053A
Authority: JP
Inventors: 云艶胡; 雅王; 屹峰潘; 大洋 ▲かく▼; 蕊劉; 立志張; 暁君駱; 亜玲張; 吉陶; 瑞祥沈; 其豪黄
Original assignee: Baidu Online Network Technology Beijing Co Ltd
Current assignee: Baidu Online Network Technology Beijing Co Ltd
Priority date: 2018-08-03
Filing date: 2019-07-19
Publication date: 2021-05-12
Anticipated expiration: 2039-07-19
Also published as: US11084494B2; CN109242251A; EP3533681A3; EP3533681B1; JP2019202778A; EP3533681A2; US20200039525A1; CN109242251B

Description

本発明の実施例は、通信の技術分野に関し、特に走行挙動の安全性検出方法、走行挙動の安全性検出装置コンピュータ読取可能な記憶媒体に関する。

インテリジェント車両は、環境感知、計画策定、マルチレベルの補助運転等の機能を一体に統合する統合システムであり、それはコンピュータ、現代のセンシング、情報融合、通信、人工知能及び自動制御などの技術を集中的に応用した、代表的なハイテク統合装置である。近年、インテリジェント車両は、世界車両工学分野で研究されたホットスポットと自動車産業で増える新しい動力となり、多くの先進国は、それを各自の重点的に発展するインテリジェント交通システムに組み込む。将来、インテリジェント車両が実現された後にはリアルユーザを載せることができるようになる。

ユーザをインテリジェント車両に安心して乗車させるために、インテリジェント車両の走行中の走行挙動はユーザに十分な安心感を与えるものである必要がある。しかし、従来の車両運転システムは、インテリジェント車両に対する制御能力がまだ低いため、インテリジェント車両の走行中の走行挙動がユーザに不安感をもたらしやすく、車両の走行の安全性がまだ低い。

本発明は、従来の車両運転システムのインテリジェント車両に対する制御能力が低いため、インテリジェント車両の走行中の走行挙動がユーザに不安感をもたらしやすく、車両の走行安全性がまだ低いという問題を解決する、走行挙動の安全性検出方法、走行挙動の安全性検出装置及びコンピュータ読取可能な記憶媒体を提供する。

本発明の実施例に係る１つの態様にて提供される走行挙動の安全性検出方法は、車両の走行中に、車両の現在の走行データを取得するステップと、前記車両の現在の走行データに基づいて、前記車両の現在の走行挙動特徴データを決定し、前記走行挙動特徴データは走行シーン及び走行データを含み、前記走行データは車両姿勢データ、速度データ及び距離データを含むステップと、前記車両の現在の走行挙動特徴データをリアルタイム安全検出モデルに入力し、前記車両の現在の走行挙動に対応する安心感得点を計算し、前記リアルタイム安全検出モデルは、第１のトレーニングセットにおける走行挙動特徴データ及び安心感マーク付け得点によってニューラルネットワークモデルをトレーニングして取得されるステップと、前記車両の現在の走行挙動に対応する安心感得点に基づいて、前記車両の現在の走行挙動が安全であるか否かを決定するステップと、を含む。

本発明の実施例に係る別の態様にて提供される走行挙動の安全性検出装置は、車両の走行中に、車両の現在の走行データを取得するための取得モジュールと、前記車両の現在の走行データに基づいて、前記車両の現在の走行挙動特徴データを決定するために用いられ、前記走行挙動特徴データは走行シーン及び走行データを含み、前記走行データは車両姿勢データ、速度データ及び距離データを含む決定モジュールと、前記車両の現在の走行挙動特徴データをリアルタイム安全検出モデルに入力し、前記車両の現在の走行挙動に対応する安心感得点を計算するために用いられ、前記リアルタイム安全検出モデルは、第１のトレーニングセットにおける走行挙動特徴データ及び安心感マーク付け得点によってニューラルネットワークモデルをトレーニングして取得される計算モジュールと、前記車両の現在の走行挙動に対応する安心感得点に基づいて、前記車両の現在の走行挙動が安全であるか否かを決定するための第１の処理モジュールと、を含む。

本発明の実施例に係る別の態様にて提供される走行挙動の安全性検出機器は、メモリ、プロセッサ、及び前記メモリに記憶され且つ前記プロセッサで実行することができるコンピュータプログラムを含み、上記の方法は、前記プロセッサが前記コンピュータプログラムを実行する時に実現される。

本発明の実施例に係る別の態様は、コンピュータプログラムが記憶されるコンピュータ読取可能な記憶媒体を提供し、上記の方法は、前記コンピュータプログラムがプロセッサにより実行される時に実現される。

本発明の実施例にて提供される走行挙動の安全性検出方法、走行挙動の安全性検出装置及びコンピュータ読取可能な記憶媒体は、車両の走行中に車両の現在の走行データを取得し、車両の現在の走行データに基づいて、車両の現在の走行挙動特徴データを決定し、車両の現在の走行挙動特徴データをリアルタイム安全検出モデルに入力し、車両の現在の走行挙動に対応する安心感得点を計算し、車両の現在の走行挙動に対応する安心感得点に基づいて、車両の現在の走行挙動が安全であるか否かを決定することにより、車両の走行挙動がユーザに不安感をもたらすか否かによって車両の現在の走行挙動の安全性を検出することを実現する。一般的に、乗車ユーザが車両の走行挙動に対して不安感を生じる時点ではまだ車両は危険を生じていない。車両の走行挙動がユーザに不安感をもたらすか否かによって車両の現在の走行挙動の安全性を検出することは、車両運転システムの最適化に役立ち、車両が走行する安全リスクを低減し、ユーザの乗り心地を向上させることができる。

以下の図面は本発明の実施例を明確に示すものであり、以下、実施例をより詳細に説明する。これらの図面及び説明は、いかなる形態でも本発明の構想の範囲を限定するためのものではなく、特定の実施例を参照しながら当業者のために本発明の概念を説明するためのものである。
本発明の実施例１にて提供される走行挙動の安全性検出方法を示すフローチャートである。本発明の実施例２にて提供される走行挙動の安全性検出方法を示すフローチャートである。本発明の実施例３にて提供される走行挙動の安全性検出方法を示すフローチャートである。本発明の実施例４にて提供される走行挙動の安全性検出装置を示す構造概略図である。本発明の実施例５にて提供される走行挙動の安全性検出装置を示す構造概略図である。本発明の実施例６にて提供される走行挙動の安全性検出装置を示す構造概略図である。本発明の実施例７にて提供される走行挙動の安全性検出機器を示す構造概略図である。

ここで例示的な実施例を詳細に説明し、その例を図面に示す。以下に記載の図面は、特に示さない限り、異なる図面における同一の数字は、同一又は類似の素子を表す。以下の例示的な実施例に記載の実施形態は、本発明の実施例に一致する全ての実施形態を代表しない。逆に、それらは、添付の特許請求の範囲に詳細に説明された、本発明の実施例のいくつかの態様に一致する装置及び方法の例のみである。

本発明の実施例に係る用語「第１」、「第２」等は、説明の目的のためだけに使用されており、相対的重要性を指示又は示唆するか、又は指示された技術的特徴の数を暗黙的に指定するものであると理解されるべきではない。以下の各実施例の説明において、特に具体的に明記しない限り、「複数」は２つ以上を意味する。

以下のいくつかの具体的な実施例は、互いに結合することができ、同一又は類似の概念あるいは過程に対するいくつかの実施例においては説明を省略する。以下、図面を参照しながら本発明の実施例を説明する。

＜実施例１＞
図１は本発明の実施例１にて提供される走行挙動の安全性検出方法を示すフローチャートである。本発明の実施例は、現在の車両運転システムがインテリジェント車両に対する制御能力がまだ低いため、インテリジェント車両の走行中の走行挙動がユーザに不安感をもたらしやすく、車両の走行安全性がまだ低いという問題に対して、走行挙動の安全性検出方法を提供する。本実施例における方法は、端末機器に適用され、当当該端末機器は、車載端末であってもよく、車載端末と通信可能なコンピュータ機器等であってもよく、他の実施例において、当該方法はさらに他の機器に適用することができ、本実施例は、サーバ機器を例として概略的に説明する。図１に示すように、当該方法の具体的なステップは以下のとおりである。

ステップＳ１０１では、車両の走行中に、車両の現在の走行データを取得する。

本実施例に係る車両は、自動運転システムの制御下で自動運転を実現することができるインテリジェント車両である。

車両の走行データは、自動運転システムにより取得可能で、インテリジェント車両を自動運転するように制御するための全てのデータを含む。

具体的には、走行データは、車両周辺の交通要素、道路要素及び障害物要素等の走行環境情報、車両の姿勢データ、車両の横方向の走行速度、縦方向の走行速度、交通要素、道路要素及び障害物要素に対する車両の速度等の速度データ、交通要素、道路要素及び障害物要素に対する車両の距離等の距離データ、及び車両の走行を制御するためのナビゲーション経路、車両制御情報等を含み、本発明の実施例はここで特に限定しない。

道路要素は、車線、交差点停止線、横断歩道、スピードバンプ、高速料金所などを含む。例えば、車線は、車線の有無、白実線、白破線、白破実線、二重白実線、黄色実線、黄色破線、黄色破実線、二重黄色実線等という情報を含むことができる。

交通要素は、交通信号機情報、速度制限情報などを含むことができる。

障害物要素は、道路上の柵、グリーンベルト、錐形筒、道路に這い広がる植物、道路杭、表示板、路面から突出する井戸カバー、及び他の路面異物等の静的障害物を含んでよく、さらに小型自動車、バス、トラック、自転車、非自動車、及び特殊車両（例えば、パトロールカー、救急車、消防車等）等の走行中の車両、歩行者、動物、及びその他の動的異物などの動的障害物を含んでもよい。

本実施例における道路要素、交通要素及び障害物要素はさらにインテリジェント車両の走行中ではインテリジェント車両の自動走行に影響を与える他の道路環境における他の物体を含んでもよく、本実施例はここで具体的に限定しない。

ステップＳ１０２では、車両の現在の走行データに基づいて、車両の現在の走行挙動特徴データを決定する。走行挙動特徴データは走行シーン及び走行データを含み、走行データは車両姿勢データ、速度データ及び距離データを含む。

走行シーンは、大量の履歴データに基づいて予めまとめられた複数の車両が走行する具体的なシーンである。走行シーンは、少なくとも追従走行、直進、右左折、車線変更、Ｕターン、発進、駐車及びループ走行などのシーンを含むことができる。

例えば、右左折シーンは、具体的には左折及び右折を含むことができる。車線変更シーンは、具体的には左への車線変更計画及び右への車線変更計画を含むことができる。駐車シーンは、具体的には終点駐車、幅寄せ駐車、後退車庫入れ駐車、幅寄せ車庫入れ駐車、及び正方向車庫入れ駐車等を含むことができる。ループ走行シーンは具体的にはラウンドアバウト入り、ラウンドアバウト抜け出し、及び立体交差橋などを含むことができる。

また、本実施例における走行シーンのタイプ及び車両の現在のシーンを決定する具体的な条件は、技術者が実際の状況に応じて設定することができ、本実施例はここで具体的に限定しない。

本実施例において、速度データは横方向走行速度、縦方向走行速度、及び道路要素、交通要素及び障害物要素に対する車両の速度を含む。距離データは道路要素、交通要素及び障害物要素に対する車両の距離を含む。

当該ステップにおいて、車両の現在の走行データに基づいて、車両の現在の走行挙動特徴データを決定する。具体的には、従来の技術における車両走行データに基づいて車両の走行シーン及び車両姿勢データ、速度データ及び距離データ等の走行データを決定する方法で実現することができ、本実施例はここで説明を省略する。

また、本実施例における走行シーン及び道路要素、交通要素及び障害物要素は、車両の実際の応用における実際の状況に応じて増加又は減少させることができ、本実施例はここで具体的には限定しない。

ステップＳ１０３では、車両の現在の走行挙動特徴データをリアルタイム安全検出モデルに入力し、車両の現在の走行挙動に対応する安心感得点を計算する。

リアルタイム安全検出モデルの入力データはある時刻の車両に対応する走行挙動特徴データであり、出力データは当該時刻の車両の走行挙動に対応する安心感得点である。

本実施例において、リアルタイム安全検出モデルは、第１のトレーニングセットにおける走行挙動特徴データ及び安心感マーク付け得点によってニューラルネットワークモデルをトレーニングして取得される。第１のトレーニングセットは複数のトレーニングデータを含み、各トレーニングデータは、車両の走行挙動特徴データ及び対応する安心感マーク付け得点で構成されたデータのセットである。

第１のトレーニングセットは、収集された大量のリアルな履歴走行データに基づいて取得されることができ、具体的には、多くの異なる道路ネットワークの条件で、数多くのユーザが車両に乗ることができ、車両が走行する過程で、乗車ユーザは、不安感を生じる時にユーザ不安感記述情報をリアルタイムに発し、且つ対応する安心感マーク付け得点を与える。車両の端末機器は、ユーザ不安感記述情報を受信し、且つユーザ不安感記述情報を分析することにより、ユーザが不安感を生じる時刻及び対応する安心感マーク付け得点を取得することができる。

選択的に、端末機器はユーザ不安感記述情報を直接収集してもよく、又は、車両にユーザ不安感記述情報をリアルタイムに取得するための他のデータ収集装置を取り付けて、端末機器は当該データ収集装置によって収集され送信されたユーザ不安感記述情報を受信してもよい。データ収集装置は、ユーザ不安感記述情報をリアルタイムに収集することができる任意の装置であってよく、本実施例はここで具体的に限定しない。

好ましくは、ユーザ不安感記述情報は音声情報であってよい。乗車ユーザは、不安感を生じる情報をリアルタイムに口述することができ、不安感を生じる走行シーンを説明し、且つ安心感マーク付け得点を与えることができる。車両の端末機器はユーザの音声情報をリアルタイムに収集することができる。道程が終了した後、端末機器は、当該道程で収集された乗車ユーザの音声情報に対して意味分析処理を行い、ユーザ不安感記述情報にプリセット記述情報が出現する時刻、及びプリセット記述情報が出現する時刻に対応する安心感マーク付け得点を決定し、それにより、当該道程に対応する複数のトレーニングデータを取得することができる。

プリセット記述情報は、ユーザの不安感を表示するための情報であってよく、例えば、「危険」、「不安全」等であってよく、プリセット記述情報は、技術者が実際の状況に応じて設定することができ、本実施例はここで具体的に限定しない。

ステップＳ１０４では、車両の現在の走行挙動に対応する安心感得点に基づいて、車両の現在の走行挙動が安全であるか否かを決定する。

具体的には、車両の現在の走行挙動に対応する安心感得点に基づいて、車両の現在の走行挙動に対応する安心感得点が低いと、車両の現在の走行挙動が安全ではないと決定することができる。車両の現在の走行挙動に対応する安心感得点が高いと、車両の現在の走行挙動が安全であると決定することができる。

本発明の実施例は、車両の走行中に車両の現在の走行データを取得し、車両の現在の走行データに基づいて、車両の現在の走行挙動特徴データを決定し、車両の現在の走行挙動特徴データをリアルタイム安全検出モデルに入力し、車両の現在の走行挙動に対応する安心感得点を計算し、車両の現在の走行挙動に対応する安心感得点に基づいて、車両の現在の走行挙動が安全であるか否かを決定することにより、車両の走行挙動がユーザに不安感をもたらすか否かによって車両の現在の走行挙動の安全性を検出することを実現する。一般的に、乗車ユーザが車両の走行挙動に対して不安感を生じる時、車両が危険を生じていない。車両の走行挙動がユーザに不安感をもたらすか否かによって車両の現在の走行挙動の安全性を検出することは、車両運転システムの最適化に役立ち、車両が走行する安全リスクを低減し、ユーザの乗り心地を向上させることができる。

＜実施例２＞
図２は本発明の実施例２にて提供される走行挙動の安全性検出方法を示すフローチャートである。上記の実施例１に基づいて、本実施例において、車両の現在の走行挙動が安全ではないと決定した後、安心感低得点の早期警報情報を発信すること、をさらに含む。図２に示すように、当該方法の具体的なステップは以下のとおりである。

ステップＳ２０１では、車両の走行中に、車両の現在の走行データを取得する。

当該ステップは上記のステップＳ１０１に一致し、本実施例はここでの説明を省略する。

選択的に、本実施例において時間ウィンドウの手段により車両の走行挙動の安全性検出を制御することができる。時間ウィンドウの大きさは一定でなくてもよく、技術者が実際のニーズに応じてその大きさを設定してよい。

ステップＳ２０２では、車両の現在の走行データに基づいて、車両の現在の走行挙動特徴データを決定し、走行挙動特徴データは走行シーン及び走行データを含み、走行データは車両姿勢データ、速度データ及び距離データを含む。

当該ステップは上記のステップＳ１０２に一致し、本実施例はここでの説明を省略する。

選択的に、車両走行挙動の安全性を検出する必要のある走行シーンの検出セットを予め設定してもよく、車両の現在の走行挙動特徴データを決定した後、車両の現在の走行シーンが上記の走行シーンの検出セットに属するか否かを決定する。当該検出セットに属する場合、後続のステップＳ２０３〜Ｓ２０５を実行し、当該検出セットに属しなければ、停止し、後続のステップＳ２０３〜Ｓ２０５を実行しない。

ステップＳ２０３では、車両の現在の走行挙動特徴データをリアルタイム安全検出モデルに入力し、車両の現在の走行挙動に対応する安心感得点を計算する。

第１のトレーニングセットは、取得された大量のリアルな履歴走行データに基づいて取得されることができ、具体的には、第１のトレーニングセットを取得することは、具体的には、車両の履歴道程で不安感を生じる時刻と不安感を生じる時刻に対応する安心感マーク付け得点及び履歴走行データを取得し、不安感を生じる時刻に対応する履歴走行データに基づいて、不安感を生じる時刻に対応する走行挙動特徴データを決定し、不安感を生じる時刻に対応する走行挙動特徴データと安心感マーク付け得点を１つのトレーニングデータとして、第１のトレーニングセットに添加することにより実現することができる。

車両の履歴道程で不安感を生じる時刻と不安感を生じる時刻に対応する安心感マーク付け得点及び履歴走行データを取得することは、具体的には、車両が異なる走行環境での複数の履歴道程に対応する全体的な道程データ及び車両の走行中に記録された当該車両に乗るユーザが不安感を生じることを記述するための情報であるユーザ不安感記述情報を取得し、いずれかの履歴道程に対して、履歴道程に対応するユーザ不安感記述情報に基づいて、ユーザ不安感記述情報にプリセット記述情報が出現する時刻、及びプリセット記述情報が出現する時刻に対応する安心感マーク付け得点を決定し、道程に対応する全体的な道程データに基づいて、プリセット記述情報が出現する時刻に対応する履歴走行データを決定することにより実現することができる。

ユーザ不安感記述情報にプリセット記述情報が出現する時刻は、すなわち履歴道程で不安感を生じる時点である。

具体的には、多種の異なる道路ネットワーク条件及び多種の異なる気象条件で、数多くのユーザにより車両の乗用体験とテストを行うことができ、車両が異なる走行環境での複数の履歴道程に対応する全体的な道程データ及びユーザ不安感記述情報を取得することができる。各道程に対して、車両が走行する過程において、端末機器は車両の全体的な道程データを記録することができる。乗車ユーザは不安感を生じる時にユーザ不安感記述情報をリアルタイムに発信し、且つ対応する安心感マーク付け得点を与えることができる。車両の端末機器は、ユーザ不安感記述情報を受信し、且つユーザ不安感記述情報を分析することにより、ユーザが不安感を生じる時刻及び対応する安心感マーク付け得点を取得することができる。

選択的に、端末機器はユーザ不安感記述情報を直接収集することができる。又は、車両にユーザ不安感記述情報をリアルタイムに取得するための他のデータ収集装置を取り付けてよく、端末機器は当該データ収集装置によって収集して送信されたユーザ不安感記述情報を受信することができる。データ収集装置は、ユーザ不安感記述情報をリアルタイムに収集することができる任意の装置であってよく、本実施例はここで具体的に限定しない。

選択的に、ユーザ不安感記述情報は音声情報であってよい。乗車ユーザは、不安感を生じる情報をリアルタイムに口述することができ、不安感を生じる走行シーンを説明し、且つ安心感マーク付け得点を与えることができる。車両の端末機器はユーザの音声情報をリアルタイムに収集することができる。道程が終了した後、端末機器は、当該道程で収集された乗車ユーザの音声情報に対して意味分析処理を行い、ユーザ不安感記述情報にプリセット記述情報が出現する時刻、及びプリセット記述情報が出現する時刻に対応する安心感マーク付け得点を決定し、それにより、当該道程に対応する複数のトレーニングデータを取得することができる。

プリセット記述情報は、ユーザの不安感を示すための情報であってよく、例えば、「危険」、「不安全」等であってよく、プリセット記述情報は、技術者が実際の状況に応じて設定されてよく、本実施例はここで具体的に限定しない。

また、道程に対応する全体的な道程データに基づいて、プリセット記述情報が出現する時刻に対応する履歴走行データを決定し、具体的には、プリセット記述情報が出現する時刻に対応する走行シーンを決定し、当該走行シーンに関連する時間範囲内の車両の履歴走行データを取得することができる。又はプリセット記述情報が出現する時刻に基づいて、プリセット記述情報が出現する時刻が位置するプリセット時間範囲内の車両の履歴走行データを取得することができる。又は他の手段でプリセット記述情報が出現する時刻に対応する履歴走行データを決定することができ、本実施例はここで具体的に限定しない。

プリセット時間範囲は、技術者で実際のニーズに応じて設定されてよく、本実施例はここで具体的に限定しない。

選択的に、第１のトレーニングセットで道程安心感検出モデルをトレーニングする時、第１のトレーニングを２つのサブセットに分割し、１つ目のサブセットは、道程安心感検出モデルをトレーニングするために用いられ、２つ目のサブセットは、１つ目のサブセットでトレーニングされて取得された道程安心感検出モデルの正確率をテストすることに用いられ、道程安心感検出モデルの正確率が第１のプリセット正確率に達する時、道程安心感検出モデルが使われるようになる。第１のプリセット正確率は、技術者で実際のニーズに応じて設定されてよく、本実施例はここで具体的に限定しない。

ステップＳ２０４では、車両の現在の走行挙動に対応する安心感得点に基づいて、車両の現在の走行挙動が安全であるか否かを決定する。

具体的には、プリセット早期警報閾値に基づいて、車両の現在の走行挙動に対応する安心感得点がプリセット早期警報閾値より低いか否かを判断することができる。

車両の現在の走行挙動に対応する安心感得点がプリセット早期警報閾値よりも低い場合、車両の現在の走行挙動が安全ではないと決定し、ステップＳ２０５を実行する。

車両の現在の走行挙動に対応する安心感得点がプリセット早期警報閾値以上である場合、すなわち車両の現在の走行挙動に対応する安心感得点がプリセット早期警報閾値以上である場合、車両の現在の走行挙動が安全であると決定し、この時に操作又は提示を行う必要がない。

プリセット早期警報閾値は、技術者が実際のニーズに応じて設定されてよく、本実施例はここで具体的に限定しない。

ステップＳ２０５では、車両の現在の走行挙動が安全ではないと決定すると、安心感低得点の早期警報情報を発信する。

安心感低得点の早期警報情報は、音声提示情報、又は警告信号、又は車両での表示装置が表示する可視情報等であってよく、本実施例はここで具体的に限定しない。

選択的に、車両の現在の走行挙動が安全ではないと決定する場合、現在時刻を車両の走行中の不安全時刻として決定してもよい。車両の現在の走行挙動特徴データ、及び予め設定された不安全レベルの境界情報に基づいて、不安全時刻に対応する不安全レベルを決定する。

選択的に、発信された安心感低得点の早期警報情報には、現在の不安全時刻に対応する不安全レベルを含んでよい。

本発明の実施例は、車両の現在の走行挙動に対応する安心感得点がプリセット早期警報閾値より低い場合、車両の現在の走行挙動が安全ではないと決定し、安心感低得点の早期警報情報を発信し、車両の運転者又は乗員に現在の車両の制御が合理的であるか否かを判断するように注意し、車両を制御するように運転者又は乗員を助けて、それにより車両の走行の安全性を向上させることができる。

＜実施例３＞
図３は本発明の実施例３にて提供される走行挙動の安全性検出方法を示すフローチャートである。上記の実施例１又は実施例２に基づいて、本実施例において、今回の道程が終了した後、道程安心感検出モデルにより車両の今回の道程の安全性を検出し、今回の道程に対応する安心感の総得点を算出してもよい。図３に示すように、当該方法の具体的なステップは以下のとおりである。

ステップＳ３０１では、車両の走行中に、車両の現在の走行データを取得する。

当該ステップは上記のステップＳ２０１に一致し、本実施例はここでの説明を省略する。

ステップＳ３０２では、車両の現在の走行データに基づいて、車両の現在の走行挙動特徴データを決定し、走行挙動特徴データは走行シーン及び走行データを含み、走行データは車両姿勢データ、速度データ及び距離データを含む。

当該ステップは上記のステップＳ２０２に一致し、本実施例はここでの説明を省略する。

ステップＳ３０３では、車両の現在の走行挙動特徴データをリアルタイム安全検出モデルに入力し、車両の現在の走行挙動に対応する安心感得点を計算する。

当該ステップは上記のステップＳ２０３に一致し、本実施例はここでの説明を省略する。

ステップＳ３０４では、車両の現在の走行挙動に対応する安心感得点に基づいて、車両の現在の走行挙動が安全であるか否かを決定する。

当該ステップは上記のステップＳ２０４に一致し、本実施例はここでの説明を省略する。

ステップＳ３０５では、車両の現在の走行挙動が安全ではないと決定すると、現在時刻を車両の走行中の不安全時刻として決定する。

本実施例では、今回の道程において、車両の現在の走行挙動が安全ではないと決定するたびに、現在時刻を車両の走行中の不安全時刻として記録する。

ステップＳ３０６では、車両の現在の走行挙動特徴データ、及び予め設定された不安全レベルの境界情報に基づいて、不安全時刻に対応する不安全レベルを決定する。

本実施例において、異なる走行シーンに対して、各走行シーンに１つ又は複数の不安全レベルを予め設定し、且つ各不安全レベルの境界情報を提供することができる。

不安全レベルの境界情報は、走行シーンにおいてユーザの心理的安心感に影響を与える１つ又は複数のコア指標を含むことができる。

例えば、追従走行シーンにおけるコア指標は、安全視距を含むことができ、安全視距は追従車と先行車の車速、追従車と先行車との間の距離によって決定される。

選択的に、不安全レベルの境界情報は境界値の正確なセットとしてもよく、又は１つの区間であってもよい。不安全レベルの境界情報は、具体的には履歴走行データを分析して統計した後に取得することができ、本実施例はここで具体的に限定しない。

例えば、追従走行シーンについて、一般的な都市道路に対して、前後の車両の初期距離を３００メートルとして設定することができ、先行車は、０ｋｍ／ｈ、１０ｋｍ／ｈ、２０ｋｍ／ｈ、３０ｋｍ／ｈ、４０ｋｍ／ｈ、５０ｋｍ／ｈ等の複数の異なる速度で定速走行し、追従車は、１０ｋｍ／ｈ、２０ｋｍ／ｈ、３０ｋｍ／ｈ、４０ｋｍ／ｈ、５０ｋｍ／ｈ、６０ｋｍ／ｈ等の複数の異なる速度で定速走行し、複数の状況を組み合わせて複数回の実験を行い、複数のセットのユーザがそれぞれ複数台の車両の副運転席、後列左側、後列中間、後列右側などの異なる位置に座り、ユーザは移動端末又は車両でのデータ収集装置を使用することにより、走行中に追従車が先行車に近すぎるため不安感を生じる時点及び安心感マーク付け得点を記録することができる。

ステップＳ３０７では、今回の道程が終了した後、今回の道程における各走行シーンに対応する不安全時刻の数を決定する。

ステップＳ３０８では、今回の道程における各走行シーンに対応する不安全時刻の数及び不安全時刻に対応する不安全レベルを道程安心感検出モデルに入力し、今回の道程に対応する総安心感得点を計算する。

道程安心感検出モデルは、第２のトレーニングセットにおける履歴道程での各走行シーンに対応する不安全な時刻の数及び不安全時刻に対応する不安全レベル、並びに履歴道程に対応する総マーク付け得点で、ニューラルネットワークモデルをトレーニングして取得される。

第２のトレーニングセットには複数のトレーニングデータを含み、各トレーニングデータは、１回の完全な道程に対応する各走行シーンに対応する不安全時刻の数及び不安全時刻に対応する不安全レベル、並びに総安心感得点で構成されたデータのセットである。第２のトレーニングセットは収集された大量のリアルな履歴走行データに基づいて取得されることができる。

第２のトレーニングセットにおける各セットのトレーニングデータにおける総安心感得点は、毎回の履歴道程が終了した後に乗車ユーザが全体的な道程の安心感に対して実際に採点して取得されることができる。

第２のトレーニングセットにおける各セットのトレーニングデータにおける毎回の履歴道程に対応する各走行シーンに対応する不安全時刻の数及び不安全時刻に対応する不安全レベルの具体的な方法は、上記のステップＳ３０１〜Ｓ３０７と類似し、本実施例はここでの説明を省略する。

選択的に、道程安心感検出モデルにおいて、異なる走行シーンに対して異なる重みを設定することができ、第２のトレーニングセットにより道程安心感検出モデルにおける重み値をトレーニングする。

選択的に、第２のトレーニングセットで道程安心感検出モデルをトレーニングする場合、第２のトレーニングを２つのサブセットに分割することができ、１つ目のサブセットは、道程安心感検出モデルをトレーニングするために用いられ、２つ目のサブセットは、１つ目のサブセットでトレーニングされて取得された道程安心感検出モデルの正確率をテストすることに用いられ、道程安心感検出モデルの正確率は、第２のプリセット正確率に達する時、道程安心感検出モデルが使われるようになる。第２のプリセット正確率は、技術者が実際のニーズに応じて設定されてよく、本実施例はここで具体的に限定しない。

また、いずれかの道程を典型的な走行シーンの組み合わせに分解することができるため、道程安心感検出モデルは一定の道路綱の普遍性を有する。道程安心感検出モデルの完備性を確保するために、データサンプリング過程について、大量の様々な走行シーンのサンプルデータを全面的に収集する必要があり、基礎モデルがトレーニングされた後に、実際の走行によりテストし応用する必要があり、テストデータはモデルをさらに補助的に最適化し、モデルの正確率を向上させることができ、このように反復し続ける。

本発明の実施例は、今回の道程における各走行シーンに対応する不安全時刻の数と不安全時刻に対応する不安全レベルを道程安心感検出モデルに入力し、今回の道程に対応する総安心感得点を計算し、それにより車両運転システムの安全性を評価するために用いることができ、自動運転車両が安全的に走行する能力を備えるか否かを判断することに対して判断根拠を提供する。

＜実施例４＞
図４は本発明の実施例４にて提供される走行挙動の安全性検出装置を示す構造概略図である。本発明の実施例にて提供される走行挙動の安全性検出装置は、走行挙動の安全性検出方法の実施例にて提供される処理フローを実行することができる。図４に示すように、当該装置４０は取得モジュール４０１、決定モジュール４０２、計算モジュール４０３及び第１の処理モジュール４０４を含む。

具体的には、取得モジュール４０１は、車両の走行中に、車両の現在の走行データを取得するために用いられる。

決定モジュール４０２は、車両の現在の走行データに基づいて、車両の現在の走行挙動特徴データを決定するために用いられ、走行挙動特徴データは走行シーン及び走行データを含み、走行データは車両姿勢データ、速度データ及び距離データを含む。

計算モジュール４０３は、車両の現在の走行挙動特徴データをリアルタイム安全検出モデルに入力し、車両の現在の走行挙動に対応する安心感得点を計算するために用いられ、リアルタイム安全検出モデルは、第１のトレーニングセットにおける走行挙動特徴データ及び安心感マーク付け得点によってニューラルネットワークモデルをトレーニングして取得される。

第１の処理モジュール４０４は、車両の現在の走行挙動に対応する安心感得点に基づいて、車両の現在の走行挙動が安全であるか否かを決定するために用いられる。

本発明の実施例にて提供される装置は具体的には上記の実施例１にて提供される方法の実施例を実行するために用いられ、具体的な機能はここでの説明を省略する。

走行シーンは少なくとも追従走行、直進、右左折、車線変更、Ｕターン、発進、駐車及びループ走行を含む。

速度データは横方向走行速度、縦方向走行速度、及び道路要素、交通要素及び障害物要素に対する車両の速度を含む。

距離データは道路要素、交通要素及び障害物要素に対する車両の距離を含む。

＜実施例５＞
図５は本発明の実施例５にて提供される走行挙動の安全性検出装置を示す構造概略図である。上記の実施例４に基づいて、本実施例において、図５に示すように、当該装置４０はさらに、モデルトレーニングモジュール４０５を含む。

具体的には、モデルトレーニングモジュール４０５は、車両の履歴道程で不安感を生じる時刻と不安感を生じる時刻に対応する安心感マーク付け得点及び履歴走行データを取得し、不安感を生じる時刻に対応する履歴走行データに基づいて、不安感を生じる時刻に対応する走行挙動特徴データを決定し、不安感を生じる時刻に対応する走行挙動特徴データと安心感マーク付け得点を１つのトレーニングデータとして、第１のトレーニングセットに添加するために用いられる。

選択的に、モデルトレーニングモジュール４０５はさらに、車両が異なる走行環境での複数の履歴道程に対応する全体的な道程データ及び車両の走行中に記録された当該車両に乗るユーザが不安感を生じることを記述するための情報であるユーザ不安感記述情報を取得し、いずれかの履歴道程に対して、履歴道程に対応するユーザ不安感記述情報に基づいて、ユーザ不安感記述情報にプリセット記述情報が出現する時刻、及びプリセット記述情報が出現する時刻に対応する安心感マーク付け得点を決定し、道程に対応する全体的な道程データに基づいて、プリセット記述情報が出現する時刻に対応する履歴走行データを決定するために用いられる。

ユーザ不安感記述情報にプリセット記述情報が出現する時刻は、すなわち履歴道程に不安感を生じる時点である。

選択的に、第１の処理モジュール４０４はさらに、車両の現在の走行挙動に対応する安心感得点がプリセット早期警報閾値より低いか否かを判断し、車両の現在の走行挙動に対応する安心感得点がプリセット早期警報閾値よりも低い場合、車両の現在の走行挙動が安全ではないと決定し、車両の現在の走行挙動に対応する安心感得点がプリセット早期警報閾値以上である場合、車両の現在の走行挙動が安全であると決定するために用いられる。

選択的に、第１の処理モジュール４０４はさらに、安心感低得点の早期警報情報を発信するために用いられる。

本発明の実施例にて提供される装置は、具体的に上記の実施例２にて提供される方法の実施例を実行するために用いられ、具体的な機能はここでの説明を省略する。

本発明の実施例は、車両の現在の走行挙動に対応する安心感得点がプリセット早期警報閾値より低い場合、車両の現在の走行挙動が安全ではないと決定し、且つ安心感低得点の早期警報情報を発信し、車両の運転者又は乗員に現在の車両の制御が合理的であるか否かを判断するように注意し、車両を制御するように運転者又は乗員を助け、それにより車両走行の安全性を向上させることができる。

＜実施例６＞
図６は本発明の実施例６にて提供される走行挙動の安全性検出装置を示す構造概略図である。上記の実施例１又は実施例２に基づいて、本実施例において、第１の処理モジュール４０４はさらに、車両の現在の走行挙動が安全ではないと決定する場合、現在時刻を車両の走行中の不安全時刻として決定し、車両の現在の走行挙動特徴データ、及び予め設定された不安全レベルの境界情報に基づいて、不安全時刻に対応する不安全レベルを決定するために用いられる。

図６に示すように、当該装置４０はさらに第２の処理モジュール４０６を含み、第２の処理モジュール４０６は、今回の道程が終了した後、今回の道程における各走行シーンに対応する不安全時刻の数を決定するために用いられる。

第２の処理モジュール４０６はさらに、今回の道程における各走行シーンに対応する不安全時刻の数及び不安全時刻に対応する不安全レベルを道程安心感検出モデルに入力し、今回の道程に対応する総安心感得点を計算するために用いられ、道程安心感検出モデルは、第２のトレーニングセットにおける履歴道程における各走行シーンに対応する不安全な時刻の数及び不安全時刻に対応する不安全レベル、並びに履歴道程に対応する総マーク付け得点で、ニューラルネットワークモデルをトレーニングして取得される。

本発明の実施例にて提供される装置は、具体的に上記の実施例３にて提供される方法の実施例を実行するために用いられ、具体的な機能はここでの説明を省略する。

＜実施例７＞
図７は本発明の実施例７にて提供される走行挙動の安全性検出機器を示す構造概略図である。図７に示すように、当該装置７０は、プロセッサ７０１、メモリ７０２、及びメモリ７０２に記憶され且つプロセッサ７０１により実行されるコンピュータプログラムを含む。

プロセッサ７０１は、メモリ７０２に記憶されたコンピュータプログラムを実行する時、上記のいずれかの方法の実施例にて提供される走行挙動の安全性検出方法を実現する。

また、本発明の実施例はさらにコンピュータ読取可能な記憶媒体を提供し、コンピュータプログラムが記憶され、上記のいずれかの方法の実施例にて提供される方法は、コンピュータプログラムがプロセッサにより実行される時に実現される。

本発明にて提供されるいくつかの実施例において、開示された装置及び方法が他の手段で実現することができると理解されるべきである。例えば、以上に記載の装置の実施例は例示的なものにすぎない。例えば、ユニットの分割は論理機能上の分割にすぎず、実際に実現する際に別の形態で分割することもでき、例えば、複数のユニット又はコンポーネントを別のシステムに組み合わせもしくは集積させたり、又は一部の特徴を反映させず、実行しなかったりしてもよい。また、説明又は検討した互いの結合又は直接的な結合又は通信接続は、いくつかのインタフェース、装置又はユニットを用いる間接的結合又は通信接続としてもよく、電気的形態、機械的形態又はその他の形態としてもよい。

分離される部品として説明されるユニットは、物理的に分離されるものであってもなくてもよい。ユニットとして示される部品は、物理的なユニットであってもなくてもよい。すなわち、同一の場所に設けられるものであってもよいが、複数のネットワークユニットに配置されるものであってもよい。実際のニーズに応じて、本実施例の解決手段の目的を達成するために、実際の必要性に従って一部又は全部のユニットを選択することができる。

また、本発明の各実施例において、各機能ユニットが１つの処理ユニットに集積されてもよいが、各ユニットが単独で物理的な部品として存在するか、又は２つ以上のユニットが１つのユニットに集積されてもよい。上記の統合されるユニットはハードウェアの形で実現されてもよく、ハードウェアとソフトウェア機能ユニットの形で実現されてもよい。

上記のソフトウェア機能ユニットの形式で実現された統合されたユニットは、コンピュータ読取可能な記憶媒体に記憶されることができる。上記のソフトウェア機能ユニットは記憶媒体に記憶され、コンピュータ設備（例えばパソコン、サーバ、又はネットワーク設備など）又はプロセッサ（英語：ｐｒｏｃｅｓｓｏｒ）に本発明の各実施例に記載の方法の一部のステップを実行させるのに用いる若干のコマンドを含む。前述の記憶媒体は、ＵＳＢフラッシュドライブ、モバイルハードディスクドライブ、読み取り専用メモリ（Ｒｅａｄ−ＯｎｌｙＭｅｍｏｒｙ、ＲＯＭ）、ランダムアクセスメモリ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ、ＲＡＭ）、磁気ディスク又はコンパクトディスクなどの様々なプログラムコードを記憶できる媒体を含む。

当業者に自明なように、説明の利便さ及び簡素化から、上記の各機能モジュールの分割のみを例に挙げて説明し、実施する際に必要に応じて上記の機能を異なる機能モジュールで完了することができ、すなわち装置の内部構造を異なる機能モジュールに分割して、以上に説明した全て又は一部の機能を完了することができると明確に理解されるべきである。以上に説明された装置の具体的な作動過程については、前述方法実施例における対応過程を参照すればよいため、ここで詳細な説明を省略する。

当業者は、明細書及び実践で開示された発明を考慮した後、本発明の他の実施形態を容易に想到する。本発明は、本発明の任意の変形、用途又は適応的変化を網羅することを意図している。これらの変形、用途又は適応的変化は、本発明の一般的な原理に従って本発明の開示しない本技術分野における公知の常識又は慣用される技術的手段を含む。明細書及び実施例は、例示的なものとしてのみ見なされ、本発明の真の範囲及び精神は、特許請求の範囲に示される。

なお、本発明は以上にように説明されたが、図面に示された詳細な構造に限定されるものではなく、その範囲から逸脱することなく、様々な修正及び改良を行うことができる。本発明の範囲は、添付の特許請求の範囲によって定められる。

Claims

車両の走行中に、車両の現在の走行データを取得するステップと、
前記車両の現在の走行データに基づいて、前記車両の現在の走行挙動特徴データを決定し、前記走行挙動特徴データは走行シーン及び走行データを含み、前記走行データは車両姿勢データ、速度データ及び距離データを含むステップと、
前記車両の現在の走行挙動特徴データをリアルタイム安全検出モデルに入力し、前記車両の現在の走行挙動に対応する安心感得点を計算し、前記リアルタイム安全検出モデルは、第１のトレーニングセットにおける走行挙動特徴データ及び安心感マーク付け得点によってニューラルネットワークモデルをトレーニングして取得されるステップと、
前記車両の現在の走行挙動に対応する安心感得点に基づいて、前記車両の現在の走行挙動が安全であるか否かを決定するステップと、を含み、
前記距離データは道路要素、交通要素及び障害物要素に対する前記車両の距離を含み、
前記第１のトレーニングセットは複数のトレーニングデータを含み、前記複数のトレーニングデータにおける各トレーニングデータは、前記車両の前記走行挙動特徴データ及び対応する前記安心感マーク付け得点で構成されたデータのセットであり、そのうち、前記安心感マーク付け得点は、乗車ユーザが不安感を生じる時にリアルタイムに発したユーザ不安感記述情報によって確定されることを特徴とする走行挙動の安全性検出方法。
前記走行シーンは少なくとも追従走行、直進、右左折、車線変更、Ｕターン、発進、駐車及びループ走行を含み、
前記速度データは横方向走行速度、縦方向走行速度、及び道路要素、交通要素及び障害物要素に対する前記車両の速度を含むことを特徴とする請求項１に記載の走行挙動の安全性検出方法。
前記車両の現在の走行挙動に対応する安心感得点に基づいて、前記車両の現在の走行挙動が安全であるか否かを決定するステップは、
前記車両の現在の走行挙動に対応する安心感得点がプリセット早期警報閾値より低いか否かを判断することと、
前記車両の現在の走行挙動に対応する安心感得点が前記プリセット早期警報閾値より低い場合、前記車両の現在の走行挙動が安全ではないと決定することと、
前記車両の現在の走行挙動に対応する安心感得点が前記プリセット早期警報閾値以上である場合、前記車両の現在の走行挙動が安全であると決定することと、を含むことを特徴とする請求項１又は２に記載の走行挙動の安全性検出方法。
前記車両の現在の走行挙動に対応する安心感得点が前記プリセット早期警報閾値よりも低い場合、前記車両の現在の走行挙動が安全ではないと決定した後、さらに、
安心感低得点の早期警報情報を発信することを含むことを特徴とする請求項３に記載の走行挙動の安全性検出方法。
車両の履歴道程で不安感を生じる時刻と前記不安感を生じる時刻に対応する安心感マーク付け得点及び履歴走行データとを取得するステップと、
前記不安感を生じる時刻に対応する前記履歴走行データに基づいて、前記不安感を生じる時刻に対応する走行挙動特徴データを決定するステップと、
前記不安感を生じる時刻に対応する走行挙動特徴データと前記安心感マーク付け得点を１つのトレーニングデータとして、前記第１のトレーニングセットに添加するステップと、を含むことを特徴とする請求項１又は請求項２に記載の走行挙動の安全性検出方法。
車両の履歴道程で不安感を生じる時刻と前記不安感を生じる時刻に対応する安心感マーク付け得点及び履歴走行データとを取得する前記ステップは、
車両が異なる走行環境での複数の履歴道程に対応する全体的な道程データ及び車両の走行中に記録された該車両に乗るユーザが不安感を生じることを記述するための情報であるユーザ不安感記述情報を取得することと、
いずれかの前記履歴道程に対して、前記履歴道程に対応するユーザ不安感記述情報に基づいて、前記ユーザ不安感記述情報にプリセット記述情報が出現する時刻、及び前記プリセット記述情報が出現する時刻に対応する安心感マーク付け得点を決定することと、
前記道程に対応する全体的な道程データに基づいて、前記プリセット記述情報が出現する時刻に対応する履歴走行データを決定することと、を含み、
前記ユーザ不安感記述情報にプリセット記述情報が出現する時刻は、すなわち前記履歴道程に不安感を生じる時点であることを特徴とする請求項５に記載の走行挙動の安全性検出方法。
前記車両の現在の走行挙動に対応する安心感得点に基づいて、前記車両の現在の走行挙動が安全であるか否かを決定した後に、さらに、
前記車両の現在の走行挙動が安全ではないと決定すると、現在時刻を前記車両の走行中の不安全時刻として決定することと、
前記車両の現在の走行挙動特徴データ、及び予め設定された不安全レベルの境界情報に基づいて、前記不安全時刻に対応する不安全レベルを決定することと、を含むことを特徴とする請求項１又は２に記載の走行挙動の安全性検出方法。
前記車両の現在の走行挙動に対応する安心感得点に基づいて、前記車両の現在の走行挙動が安全であるか否かを決定した後、さらに、
今回の道程が終了した後、今回の道程における各走行シーンに対応する不安全時刻の数を決定することを含むことを特徴とする請求項７に記載の走行挙動の安全性検出方法。
前記今回の道程が終了し、前記今回の道程における各走行シーンに対応する不安全時刻の数を決定した後、さらに、
前記今回の道程における各走行シーンに対応する不安全時刻の数及び前記不安全時刻に対応する不安全レベルを道程安心感検出モデルに入力し、前記今回の道程に対応する総安心感得点を計算することを含み、
前記道程安心感検出モデルは、第２のトレーニングセットにおける履歴道程における各走行シーンに対応する不安全な時刻の数及び前記不安全時刻に対応する不安全レベル、並びに前記履歴道程に対応する総マーク付け得点で、ニューラルネットワークモデルをトレーニングして取得されることを特徴とする請求項８に記載の走行挙動の安全性検出方法。
車両の走行中に、車両の現在の走行データを取得するための取得モジュールと、
前記車両の現在の走行データに基づいて、前記車両の現在の走行挙動特徴データを決定するために用いられ、前記走行挙動特徴データは走行シーン及び走行データを含み、前記走行データは車両姿勢データ、速度データ及び距離データを含む決定モジュールと、
前記車両の現在の走行挙動特徴データをリアルタイム安全検出モデルに入力し、前記車両の現在の走行挙動に対応する安心感得点を計算するために用いられ、前記リアルタイム安全検出モデルは、第１のトレーニングセットにおける走行挙動特徴データ及び安心感マーク付け得点によってニューラルネットワークモデルをトレーニングして取得される計算モジュールと、
前記車両の現在の走行挙動に対応する安心感得点に基づいて、前記車両の現在の走行挙動が安全であるか否かを決定するための第１の処理モジュールと、を含み、
前記距離データは道路要素、交通要素及び障害物要素に対する前記車両の距離を含み、
前記第１のトレーニングセットは複数のトレーニングデータを含み、前記複数のトレーニングデータにおける各トレーニングデータは、前記車両の前記走行挙動特徴データ及び対応する前記安心感マーク付け得点で構成されたデータのセットであり、そのうち、前記安心感マーク付け得点は、乗車ユーザが不安感を生じる時にリアルタイムに発したユーザ不安感記述情報によって確定されることを特徴とする走行挙動の安全性検出装置。
前記走行シーンは少なくとも追従走行、直進、右左折、車線変更、Ｕターン、発進、駐車及びループ走行を含み、
前記速度データは横方向走行速度、縦方向走行速度、及び道路要素、交通要素及び障害物要素に対する前記車両の速度を含むことを特徴とする請求項１０に記載の走行挙動の安全性検出装置。
前記第１の処理モジュールはさらに、
前記車両の現在の走行挙動に対応する安心感得点がプリセット早期警報閾値より低いか否かを判断し、
前記車両の現在の走行挙動に対応する安心感得点が前記プリセット早期警報閾値より低い場合、前記車両の現在の走行挙動が安全ではないと決定し、
前記車両の現在の走行挙動に対応する安心感得点が前記プリセット早期警報閾値以上である場合、前記車両の現在の走行挙動が安全であると決定するために用いられることを特徴とする請求項１０又は１１に記載の走行挙動の安全性検出装置。
前記第１の処理モジュールはさらに、
安心感低得点の早期警報情報を発信するために用いられることを特徴とする請求項１２に記載の走行挙動の安全性検出装置。
さらにモデルトレーニングモジュールを含み、
前記モデルトレーニングモジュールは、
車両の履歴道程で不安感を生じる時刻と前記不安感を生じる時刻に対応する安心感マーク付け得点及び履歴走行データとを取得し、
前記不安感を生じる時刻に対応する前記履歴走行データに基づいて、前記不安感を生じる時刻に対応する走行挙動特徴データを決定し、
前記不安感を生じる時刻に対応する走行挙動特徴データと前記安心感マーク付け得点を１つのトレーニングデータとして、前記第１のトレーニングセットに添加するために用いられることを特徴とする請求項１０又は１１に記載の走行挙動の安全性検出装置。
前記モデルトレーニングモジュールはさらに、
車両が異なる走行環境での複数の履歴道程に対応する全体的な道程データ及び車両の走行中に記録された該車両に乗るユーザが不安感を生じることを記述するための情報であるユーザ不安感記述情報を取得し、
いずれかの前記履歴道程に対して、前記履歴道程に対応するユーザ不安感記述情報に基づいて、前記ユーザ不安感記述情報にプリセット記述情報が出現する時刻、及び前記プリセット記述情報が出現する前記時刻に対応する安心感マーク付け得点を決定し、
前記道程に対応する全体的な道程データに基づいて、前記プリセット記述情報が出現する前記時刻に対応する履歴走行データを決定するために用いられ、
前記ユーザ不安感記述情報に前記プリセット記述情報が出現する時刻は、すなわち前記履歴道程に不安感を生じる時点であることを特徴とする請求項１４に記載の走行挙動の安全性検出装置。
前記第１の処理モジュールはさらに、
前記車両の現在の走行挙動が安全ではないと決定すると、現在時刻を前記車両の走行中の不安全時刻として決定し、
前記車両の現在の走行挙動特徴データ、及び予め設定された不安全レベルの境界情報に基づいて、前記不安全時刻に対応する不安全レベルを決定するために用いられることを特徴とする請求項１０又は１１に記載の走行挙動の安全性検出装置。
今回の道程が終了した後、前記今回の道程における各走行シーンに対応する不安全時刻の数を決定するための第２の処理モジュールを含むことを特徴とする請求項１６に記載の走行挙動の安全性検出装置。
前記第２の処理モジュールはさらに、
前記今回の道程における各走行シーンに対応する不安全時刻の数及び前記不安全時刻に対応する不安全レベルを道程安心感検出モデルに入力し、前記今回の道程に対応する総安心感得点を計算するために用いられ、
前記道程安心感検出モデルは、第２のトレーニングセットにおける履歴道程における各走行シーンに対応する不安全な時刻の数及び前記不安全時刻に対応する不安全レベル、並びに前記履歴道程に対応する総マーク付け得点で、ニューラルネットワークモデルをトレーニングして取得されることを特徴とする請求項１７に記載の走行挙動の安全性検出装置。
メモリ、プロセッサ、及び前記メモリに記憶され且つ前記プロセッサで実行することができるコンピュータプログラムを含み、
前記プロセッサが前記コンピュータプログラムを実行する時に請求項１〜９のいずれか１項に記載の方法を実現することを特徴とする走行挙動の安全性検出装置。
コンピュータ読取可能な記憶媒体であって、コンピュータプログラムが記憶され、
前記コンピュータプログラムがプロセッサにより実行される時に請求項１〜９のいずれか１項に記載の方法を実現することを特徴とするコンピュータ読取可能な記憶媒体。