JP6880615B2 - ドライバ状態判定装置及び運転支援システム - Google Patents
ドライバ状態判定装置及び運転支援システム Download PDFInfo
- Publication number
- JP6880615B2 JP6880615B2 JP2016184950A JP2016184950A JP6880615B2 JP 6880615 B2 JP6880615 B2 JP 6880615B2 JP 2016184950 A JP2016184950 A JP 2016184950A JP 2016184950 A JP2016184950 A JP 2016184950A JP 6880615 B2 JP6880615 B2 JP 6880615B2
- Authority
- JP
- Japan
- Prior art keywords
- distribution
- driver
- model
- state
- gaze
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000009826 distribution Methods 0.000 claims description 633
- 230000002093 peripheral effect Effects 0.000 claims description 84
- 238000001514 detection method Methods 0.000 claims description 82
- 238000000605 extraction Methods 0.000 claims description 64
- 238000000034 method Methods 0.000 claims description 40
- 238000012544 monitoring process Methods 0.000 claims description 34
- 239000000284 extract Substances 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 239000000203 mixture Substances 0.000 claims description 10
- 206010049976 Impatience Diseases 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000002570 electrooculography Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 210000001747 pupil Anatomy 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- PICXIOQBANWBIZ-UHFFFAOYSA-N zinc;1-oxidopyridine-2-thione Chemical class [Zn+2].[O-]N1C=CC=CC1=S.[O-]N1C=CC=CC1=S PICXIOQBANWBIZ-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Auxiliary Drives, Propulsion Controls, And Safety Devices (AREA)
- Traffic Control Systems (AREA)
Description
上記目的を達成するために、本発明の第2のドライバ状態判定装置は、車両で用いられ、車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間におけるドライバの注視時間の度数分布を作成する分布作成部(106)と、集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、モデル記憶部に記憶しているモデル分布と、分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)と、注視検出センサでの検出結果と、車両の周辺環境を監視する周辺監視センサでの検出結果とをもとに、車両のドライバの注視対象が、複数種類に区分される車両の周辺領域のうちのどの種類の周辺領域に存在しているか特定する領域特定部(102)とを備え、モデル記憶部は、周辺領域の種類別に、その周辺領域に注視対象が存在する場合のモデル分布を記憶しており、判定部は、モデル記憶部に記憶しているモデル分布のうちの、領域特定部でドライバの注視対象が存在していると特定した周辺領域の種類に応じたモデル分布を用いてドライバ状態を判定する。
上記目的を達成するために、本発明の第3のドライバ状態判定装置は、車両で用いられ、車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間におけるドライバの注視時間の度数分布を作成する分布作成部(106)と、集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、モデル記憶部に記憶しているモデル分布と、分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)と、注視検出センサでの検出結果と、車両の周辺環境を監視する周辺監視センサでの検出結果とをもとに、車両のドライバの注視対象が、複数種類に区分される車両の周辺領域のうちのどの種類の周辺領域に存在しているか特定する領域特定部(102)とを備え、モデル記憶部に記憶されるモデル分布は、車両である自車のドライバの注視時間の度数分布をもとに作成されるものであって、且つ、逐次更新が可能なものであり、モデル記憶部は、周辺領域の種類別に、その周辺領域に注視対象が存在する場合のモデル分布を記憶しており、判定部は、モデル記憶部に記憶しているモデル分布のうちの、領域特定部でドライバの注視対象が存在していると特定した周辺領域の種類に応じたモデル分布を用いてドライバ状態を判定する。
上記目的を達成するために、本発明の第4のドライバ状態判定装置は、車両で用いられ、車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間におけるドライバの注視時間の度数分布を作成する分布作成部(106)と、集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、モデル記憶部に記憶しているモデル分布と、分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)と、注視検出センサでの検出結果と、車両の周辺環境を監視する周辺監視センサでの検出結果とをもとに、車両のドライバが、複数種類に区分される車両の周辺対象物のうちのどの種類の周辺対象物を注視対象としているか特定する対象物特定部(101)とを備え、モデル記憶部は、周辺対象物の種類別に、その周辺対象物が注視対象である場合のモデル分布を記憶しており、判定部は、モデル記憶部に記憶しているモデル分布のうちの、対象物特定部で特定したドライバの注視対象に応じたモデル分布を用いてドライバ状態を判定する。
上記目的を達成するために、本発明の第5のドライバ状態判定装置は、車両で用いられ、車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間におけるドライバの注視時間の度数分布を作成する分布作成部(106)と、集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、モデル記憶部に記憶しているモデル分布と、分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)と、注視検出センサでの検出結果と、車両の周辺環境を監視する周辺監視センサでの検出結果とをもとに、車両のドライバが、複数種類に区分される車両の周辺対象物のうちのどの種類の周辺対象物を注視対象としているか特定する対象物特定部(101)とを備え、モデル記憶部に記憶されるモデル分布は、車両である自車のドライバの注視時間の度数分布をもとに作成されるものであって、且つ、逐次更新が可能なものであり、モデル記憶部は、周辺対象物の種類別に、その周辺対象物が注視対象である場合のモデル分布を記憶しており、判定部は、モデル記憶部に記憶しているモデル分布のうちの、対象物特定部で特定したドライバの注視対象に応じたモデル分布を用いてドライバ状態を判定する。
上記目的を達成するために、本発明の第6のドライバ状態判定装置は、車両で用いられ、車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間におけるドライバの注視時間の度数分布を作成する分布作成部(106)と、集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、モデル記憶部に記憶しているモデル分布と、分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)と、現在の時間帯及び天候の少なくともいずれかである注視影響要因を特定する影響要因特定部(104)とを備え、モデル記憶部は、注視影響要因別に、その注視影響要因に該当する場合のモデル分布を記憶しており、判定部は、モデル記憶部に記憶しているモデル分布のうちの、影響要因特定部で特定した注視影響要因に応じたモデル分布を用いてドライバ状態を判定する。
上記目的を達成するために、本発明の第7のドライバ状態判定装置は、車両で用いられ、車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間におけるドライバの注視時間の度数分布を作成する分布作成部(106)と、集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、モデル記憶部に記憶しているモデル分布と、分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)と、現在の時間帯及び天候の少なくともいずれかである注視影響要因を特定する影響要因特定部(104)とを備え、モデル記憶部に記憶されるモデル分布は、車両である自車のドライバの注視時間の度数分布をもとに作成されるものであって、且つ、逐次更新が可能なものであり、モデル記憶部は、注視影響要因別に、その注視影響要因に該当する場合のモデル分布を記憶しており、判定部は、モデル記憶部に記憶しているモデル分布のうちの、影響要因特定部で特定した注視影響要因に応じたモデル分布を用いてドライバ状態を判定する。
上記目的を達成するために、本発明の第8のドライバ状態判定装置は、車両で用いられ、車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間におけるドライバの注視時間の度数分布を作成する分布作成部(106)と、集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、モデル記憶部に記憶しているモデル分布と、分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)と、混合分布からそれぞれの分布を抽出するアルゴリズムによって、分布作成部で作成した第1の所定時間よりも長い第2の所定時間における注視時間の度数分布に含まれる度数分布を抽出する分布抽出部(107)とを備え、モデル記憶部は、分布抽出部で抽出した度数分布をモデル分布として記憶し、判定部は、モデル分布として、モデル記憶部に記憶している、直近の第1の所定時間よりも過去に分布抽出部で抽出した度数分布を用いる。
上記目的を達成するために、本発明の第9のドライバ状態判定装置は、車両で用いられ、車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間におけるドライバの注視時間の度数分布を作成する分布作成部(106)と、集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、モデル記憶部に記憶しているモデル分布と、分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)と、混合分布からそれぞれの分布を抽出するアルゴリズムによって、分布作成部で作成した第1の所定時間よりも長い第2の所定時間における注視時間の度数分布に含まれる度数分布を抽出する分布抽出部(107)とを備え、モデル記憶部に記憶されるモデル分布は、車両である自車のドライバの注視時間の度数分布をもとに作成されるものであって、且つ、逐次更新が可能なものであり、モデル記憶部は、分布抽出部で抽出した度数分布をモデル分布として記憶し、判定部は、モデル分布として、モデル記憶部に記憶している、直近の第1の所定時間よりも過去に分布抽出部で抽出した度数分布を用いる。
上記目的を達成するために、本発明の第10のドライバ状態判定装置は、車両で用いられ、車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間におけるドライバの注視時間の度数分布を作成する分布作成部(106)と、集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、モデル記憶部に記憶しているモデル分布と、分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)とを備え、モデル記憶部に記憶されるモデル分布は、車両である自車のドライバの注視時間の度数分布をもとに作成されるものであって、且つ、逐次更新が可能なものであり、判定部は、分布作成部で作成した直近の第1の所定時間における注視時間の度数分布に近似するモデル分布に対応するドライバ状態を、車両のドライバのドライバ状態と判定する。
上記目的を達成するために、本発明の第11のドライバ状態判定装置は、車両で用いられ、車両で用いられ、車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間におけるドライバの注視時間の度数分布を作成する分布作成部(106)と、集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、モデル記憶部に記憶しているモデル分布と、分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)とを備え、モデル記憶部に記憶されるモデル分布は、車両である自車のドライバの注視時間の度数分布をもとに作成されるものであって、且つ、逐次更新が可能なものであり、判定部は、モデル分布に対する分布作成部で作成した直近の第1の所定時間における注視時間の度数分布の乖離の度合いをもとに、ドライバ状態を判定する。
上記目的を達成するために、本発明の第12のドライバ状態判定装置は、車両で用いられ、車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間におけるドライバの注視時間の度数分布を作成する分布作成部(106)と、集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、モデル記憶部に記憶しているモデル分布と、分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)とを備え、モデル記憶部に記憶されるモデル分布は、車両である自車のドライバの注視時間の度数分布をもとに作成されるものであって、且つ、逐次更新が可能なものであり、モデル分布には少なくとも集中状態に対応するモデル分布を含み、判定部は、集中状態に対応するモデル分布に対する、分布作成部で作成した直近の第1の所定時間における注視時間の度数分布の乖離の度合いに応じて、ドライバの漫然状態のレベルを分けて判定する。
<運転支援システム1の概略構成>
以下、本実施形態について図面を用いて説明する。図1に示す運転支援システム1は、自動車といった車両で用いられるものであり、ドライバ状態判定装置10、車両状態センサ20、周辺監視センサ30、周辺監視ECU40、DSM(Driver Status Monitor)50、音声出力装置60、及び表示装置70を含んでいる。ドライバ状態判定装置10と車両状態センサ20と周辺監視ECU40とは、例えば車内LANに接続されているものとする。以下では、運転支援システム1を自動車に搭載している場合を例に挙げて説明を続ける。
続いて、図2を用いてドライバ状態判定装置10の概略構成についての説明を行う。ドライバ状態判定装置10は、図2に示すように、区分関連部100、注視時間演算部105、分布作成部106、分布抽出部107、第1モデル記憶部108、第2モデル記憶部109、ドライバ状態判定部110、及び報知処理部111を機能ブロックとして備える。また、区分関連部100は、対象物特定部101、領域特定部102、進路上判定部103、及び影響要因特定部104を備える。なお、ドライバ状態判定装置10が実行する機能の一部又は全部を、一つ或いは複数のIC等によりハードウェア的に構成してもよい。
分布抽出部107で2つのモデル分布を抽出した場合であって、且つ、モデル分布の代表値となる注視時間の値(以下、単に代表値)が閾値未満となるモデル分布がない場合には、代表値が小さい方のモデル分布に対応するドライバ状態を「集中状態」と決定すればよい。一方、代表値が大きい方のモデル分布に対応するドライバ状態を「漫然状態」と決定すればよい。代表値としては、例えば平均値であっても最頻値であっても中間値であってもよいが、ここでは最頻値を用いるものとして以降の説明を続ける。また、ここで言うところの閾値とは、「焦り状態」と「集中状態」とを区分する閾値(以下、焦り区分閾値)であればよく、例えば150msecとすればよい。分布抽出部107で2つのモデル分布を抽出した場合であって、且つ、モデル分布の代表値が焦り区分閾値未満となるモデル分布がある場合には、代表値が小さい方のモデル分布に対応するドライバ状態を「焦り状態」と決定する。
続いて、図5のフローチャートを用いて、ドライバ状態判定装置10でのモデル分布の抽出に関連する処理(以下、モデル分布抽出処理)の流れの一例について説明を行う。モデル分布抽出処理は、例えば、自車のイグニッション電源がオンになって走行を開始するときに開始する構成とすればよい。自車のイグニッション電源がオンになって走行を開始してからイグニッション電源がオフになるまでを以降ではトリップと呼ぶ。
続いて、図6のフローチャートを用いて、ドライバ状態判定装置10でのドライバ状態の判定に関連する処理(以下、ドライバ状態判定処理)の流れの一例について説明を行う。図6のフローチャートでは、ドライバ状態を「漫然状態」と判定した場合に報知を行わせる場合を例に挙げて説明を行う。ドライバ状態判定処理は、例えば、自車のイグニッション電源がオンになって走行を開始するときに開始する構成とすればよい。
実施形態1の構成によれば、集中状態、漫然状態、焦り状態といったドライバ状態に対応するモデル分布と、分布作成部106で作成した判定用分布とを比較し、近似若しくは乖離の度合いによってドライバ状態を判定するので、ある1回の注視時間に限らない複数回の注視時間の傾向を比較することになる。よって、ある1回の注視時間が閾値以上となったか否かによってドライバ状態を判定するのに比べ、ドライバ状態ごとの注視時間のばらつきによる誤判定が生じにくくできる。その結果、ドライバの注視時間を用いてドライバ状態をより精度良く判定することが可能になる。
前述の実施形態では、注視対象の種類、対象存在領域の種類、注視対象が進路上に存在するか否か、及び注視環境要因に応じて、モデル作成用時間における注視時間の度数分布を作成したり、判定用分布と比較するモデル分布を定めたりする構成を示したが、必ずしもこれに限らない。例えば、注視対象の種類、対象存在領域の種類、注視対象が進路上に存在するか否か、及び注視環境要因のうちの一部に限る構成としてもよい。他にも、注視環境要因を時間帯と天候とのいずれかに限る構成としてもよい。
前述の実施形態では、モデル作成用時間が固定値である場合を例に挙げたが、必ずしもこれに限らない。例えば、分布抽出部107で例えば3つといった所望の数のモデル分布が抽出できるまでモデル作成用時間を延長しつつ、分布作成部106がモデル作成用時間における注視時間の度数分布を逐次作成していく構成としてもよい。
前述の実施形態では、ドライバ状態判定部110が、判定用分布に近似するモデル分布が存在しない場合に、判定用分布のモデル分布からの乖離の度合いによってドライバ状態を判定する構成を示したが、必ずしもこれに限らない。例えば、ドライバ状態判定部110が、判定用分布に近似するモデル分布があるか否かに関わらず、判定用分布のモデル分布からの乖離の度合いによってドライバ状態を判定する構成としてもよい。
前述の実施形態では、トリップごとにモデル作成用時間における注視時間の度数分布を作成し、作成した度数分布から分布抽出部107で抽出して第1モデル記憶部108に記憶したモデル分布をドライバ状態の判定に用いる構成を示したが、必ずしもこれに限らない。例えば、分布抽出部107及び第1モデル記憶部108をドライバ状態判定装置10に備えず、第2モデル記憶部109に記憶されているモデル分布を用いてドライバ状態を判定する構成としてもよい。この場合、分布作成部106では、モデル作成用時間における注視時間の度数分布を作成する処理を行わない構成とすればよい。
前述の実施形態では、ドライバ状態判定部110が、「焦り状態」,「集中状態」,「漫然状態」のいずれも判定する構成を示したが、必ずしもこれに限らない。例えば、「漫然状態」のみを判定する等、「焦り状態」,「集中状態」,「漫然状態」のうちの一部のドライバ状態のみを判定する構成としてもよい。
前述の実施形態では、分布抽出部107が、抽出したモデル分布がどのドライバ状態に対応するか決定し、抽出したモデル分布と決定したドライバ状態とを紐付けして第1モデル記憶部108に記憶する構成を示したが、必ずしもこれに限らない。例えば、抽出したモデル分布がどのドライバ状態に対応するかを分布抽出部107では決定せずに、抽出したモデル分布を第1モデル記憶部108に記憶する構成としてもよい。この場合には、ドライバ状態判定部110でのドライバ状態の判定時に、ドライバ状態判定部110が分布抽出部107と同様にして、抽出したモデル分布がどのドライバ状態に対応するか決定する構成とすればよい。
前述の実施形態では、DSM50でドライバの視線方向を検出する構成を示したが、必ずしもこれに限らない。例えば、眼電位センサで検出したドライバの眼電位とドライバの顔向きからドライバの視線方向を検出する構成としてもよい。また、ドライバの顔向きは、カメラで撮像した顔画像から検出する構成に限らず、Gセンサ等の慣性センサを用いて検出する構成としてもよい。また、運転席のシートやヘッドレストに設けられた赤外線センサ等の複数の測距センサによって、ドライバの頭部や肩等における複数のポイントまでの距離を計測し、計測した複数のポイントの距離からドライバの顔向きを検出する構成としてもよい。
前述の実施形態では、DSM50の制御ユニットでドライバの視線方向及び視線の移動速度を検出する構成を示したが、必ずしもこれに限らない。例えば、ドライバ状態判定装置10がDSM50の制御ユニットの機能を担うことで、ドライバ状態判定装置10でドライバの視線方向及び視線の移動速度を検出する構成としてもよい。
前述の実施形態では、運転支援システム1が自動車で用いられる構成を示したが、必ずしもこれに限らない。運転支援システム1は種々の車両で用いることが可能であり、例えば、鉄道車両,原動機付自転車等の自動車以外の車両で用いられる構成としてもよい。
Claims (26)
- 車両で用いられ、
前記車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間における前記ドライバの注視時間の度数分布を作成する分布作成部(106)と、
集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、
前記モデル記憶部に記憶している前記モデル分布と、前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、前記車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)とを備え、
前記モデル記憶部に記憶される前記モデル分布は、前記車両である自車のドライバの注視時間の度数分布をもとに作成されるものであって、且つ、逐次更新が可能なものであり、
前記モデル記憶部に記憶される前記モデル分布を前記ドライバの注視時間の度数分布をもとに作成する処理と、前記判定部での前記ドライバ状態を判定する処理とが並行して行われるドライバ状態判定装置。 - 車両で用いられ、
前記車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間における前記ドライバの注視時間の度数分布を作成する分布作成部(106)と、
集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、
前記モデル記憶部に記憶している前記モデル分布と、前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、前記車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)と、
前記注視検出センサでの検出結果と、前記車両の周辺環境を監視する周辺監視センサでの検出結果とをもとに、前記車両のドライバの注視対象が、複数種類に区分される前記車両の周辺領域のうちのどの種類の周辺領域に存在しているか特定する領域特定部(102)とを備え、
前記モデル記憶部は、前記周辺領域の種類別に、その周辺領域に注視対象が存在する場合の前記モデル分布を記憶しており、
前記判定部は、前記モデル記憶部に記憶している前記モデル分布のうちの、前記領域特定部で前記ドライバの注視対象が存在していると特定した周辺領域の種類に応じたモデル分布を用いて前記ドライバ状態を判定するドライバ状態判定装置。 - 車両で用いられ、
前記車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間における前記ドライバの注視時間の度数分布を作成する分布作成部(106)と、
集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、
前記モデル記憶部に記憶している前記モデル分布と、前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、前記車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)と、
前記注視検出センサでの検出結果と、前記車両の周辺環境を監視する周辺監視センサでの検出結果とをもとに、前記車両のドライバの注視対象が、複数種類に区分される前記車両の周辺領域のうちのどの種類の周辺領域に存在しているか特定する領域特定部(102)とを備え、
前記モデル記憶部に記憶される前記モデル分布は、前記車両である自車のドライバの注視時間の度数分布をもとに作成されるものであって、且つ、逐次更新が可能なものであり、
前記モデル記憶部は、前記周辺領域の種類別に、その周辺領域に注視対象が存在する場合の前記モデル分布を記憶しており、
前記判定部は、前記モデル記憶部に記憶している前記モデル分布のうちの、前記領域特定部で前記ドライバの注視対象が存在していると特定した周辺領域の種類に応じたモデル分布を用いて前記ドライバ状態を判定するドライバ状態判定装置。 - 請求項1又は2において、
前記注視検出センサでの検出結果と、前記車両の周辺環境を監視する周辺監視センサでの検出結果とをもとに、前記車両のドライバの注視対象が、複数種類に区分される前記車両の周辺領域のうちのどの種類の周辺領域に存在しているか特定する領域特定部(102)を備え、
前記モデル記憶部は、前記周辺領域の種類別に、その周辺領域に注視対象が存在する場合の前記モデル分布を記憶しており、
前記判定部は、前記モデル記憶部に記憶している前記モデル分布のうちの、前記領域特定部で前記ドライバの注視対象が存在していると特定した周辺領域の種類に応じたモデル分布を用いて前記ドライバ状態を判定するドライバ状態判定装置。 - 車両で用いられ、
前記車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間における前記ドライバの注視時間の度数分布を作成する分布作成部(106)と、
集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、
前記モデル記憶部に記憶している前記モデル分布と、前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、前記車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)と、
前記注視検出センサでの検出結果と、前記車両の周辺環境を監視する周辺監視センサでの検出結果とをもとに、前記車両のドライバが、複数種類に区分される前記車両の周辺対象物のうちのどの種類の周辺対象物を注視対象としているか特定する対象物特定部(101)とを備え、
前記モデル記憶部は、前記周辺対象物の種類別に、その周辺対象物が注視対象である場合の前記モデル分布を記憶しており、
前記判定部は、前記モデル記憶部に記憶している前記モデル分布のうちの、前記対象物特定部で特定した前記ドライバの注視対象に応じたモデル分布を用いて前記ドライバ状態を判定するドライバ状態判定装置。 - 車両で用いられ、
前記車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間における前記ドライバの注視時間の度数分布を作成する分布作成部(106)と、
集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、
前記モデル記憶部に記憶している前記モデル分布と、前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、前記車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)と、
前記注視検出センサでの検出結果と、前記車両の周辺環境を監視する周辺監視センサでの検出結果とをもとに、前記車両のドライバが、複数種類に区分される前記車両の周辺対象物のうちのどの種類の周辺対象物を注視対象としているか特定する対象物特定部(101)とを備え、
前記モデル記憶部に記憶される前記モデル分布は、前記車両である自車のドライバの注視時間の度数分布をもとに作成されるものであって、且つ、逐次更新が可能なものであり、
前記モデル記憶部は、前記周辺対象物の種類別に、その周辺対象物が注視対象である場合の前記モデル分布を記憶しており、
前記判定部は、前記モデル記憶部に記憶している前記モデル分布のうちの、前記対象物特定部で特定した前記ドライバの注視対象に応じたモデル分布を用いて前記ドライバ状態を判定するドライバ状態判定装置。 - 請求項1〜5のいずれか1項において、
前記注視検出センサでの検出結果と、前記車両の周辺環境を監視する周辺監視センサでの検出結果とをもとに、前記車両のドライバが、複数種類に区分される前記車両の周辺対象物のうちのどの種類の周辺対象物を注視対象としているか特定する対象物特定部(101)を備え、
前記モデル記憶部は、前記周辺対象物の種類別に、その周辺対象物が注視対象である場合の前記モデル分布を記憶しており、
前記判定部は、前記モデル記憶部に記憶している前記モデル分布のうちの、前記対象物特定部で特定した前記ドライバの注視対象に応じたモデル分布を用いて前記ドライバ状態を判定するドライバ状態判定装置。 - 請求項5〜7のいずれか1項において、
前記モデル記憶部は、前記周辺対象物の種類別に加え、前記車両の進路上に前記周辺対象物が存在するか否か別に、その周辺対象物が注視対象である場合の前記モデル分布を記憶しており、
前記判定部は、前記モデル記憶部に記憶している前記モデル分布のうちの、前記対象物特定部で特定した前記ドライバの注視対象及びその注視対象が前記車両の進路上に存在するか否かに応じたモデル分布を用いて前記ドライバ状態を判定するドライバ状態判定装置。 - 車両で用いられ、
前記車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間における前記ドライバの注視時間の度数分布を作成する分布作成部(106)と、
集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、
前記モデル記憶部に記憶している前記モデル分布と、前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、前記車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)と、
現在の時間帯及び天候の少なくともいずれかである注視影響要因を特定する影響要因特定部(104)とを備え、
前記モデル記憶部は、前記注視影響要因別に、その注視影響要因に該当する場合の前記モデル分布を記憶しており、
前記判定部は、前記モデル記憶部に記憶している前記モデル分布のうちの、前記影響要因特定部で特定した前記注視影響要因に応じたモデル分布を用いて前記ドライバ状態を判定するドライバ状態判定装置。 - 車両で用いられ、
前記車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間における前記ドライバの注視時間の度数分布を作成する分布作成部(106)と、
集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、
前記モデル記憶部に記憶している前記モデル分布と、前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、前記車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)と、
現在の時間帯及び天候の少なくともいずれかである注視影響要因を特定する影響要因特定部(104)とを備え、
前記モデル記憶部に記憶される前記モデル分布は、前記車両である自車のドライバの注視時間の度数分布をもとに作成されるものであって、且つ、逐次更新が可能なものであり、
前記モデル記憶部は、前記注視影響要因別に、その注視影響要因に該当する場合の前記モデル分布を記憶しており、
前記判定部は、前記モデル記憶部に記憶している前記モデル分布のうちの、前記影響要因特定部で特定した前記注視影響要因に応じたモデル分布を用いて前記ドライバ状態を判定するドライバ状態判定装置。 - 請求項1〜8のいずれか1項において、
現在の時間帯及び天候の少なくともいずれかである注視影響要因を特定する影響要因特定部(104)を備え、
前記モデル記憶部は、前記注視影響要因別に、その注視影響要因に該当する場合の前記モデル分布を記憶しており、
前記判定部は、前記モデル記憶部に記憶している前記モデル分布のうちの、前記影響要因特定部で特定した前記注視影響要因に応じたモデル分布を用いて前記ドライバ状態を判定するドライバ状態判定装置。 - 車両で用いられ、
前記車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間における前記ドライバの注視時間の度数分布を作成する分布作成部(106)と、
集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、
前記モデル記憶部に記憶している前記モデル分布と、前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、前記車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)と、
混合分布からそれぞれの分布を抽出するアルゴリズムによって、前記分布作成部で作成した前記第1の所定時間よりも長い第2の所定時間における注視時間の度数分布に含まれる度数分布を抽出する分布抽出部(107)とを備え、
前記モデル記憶部は、前記分布抽出部で抽出した前記度数分布を前記モデル分布として記憶し、
前記判定部は、前記モデル分布として、前記モデル記憶部に記憶している、前記直近の第1の所定時間よりも過去に前記分布抽出部で抽出した前記度数分布を用いるドライバ状態判定装置。 - 車両で用いられ、
前記車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間における前記ドライバの注視時間の度数分布を作成する分布作成部(106)と、
集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、
前記モデル記憶部に記憶している前記モデル分布と、前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、前記車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)と、
混合分布からそれぞれの分布を抽出するアルゴリズムによって、前記分布作成部で作成した前記第1の所定時間よりも長い第2の所定時間における注視時間の度数分布に含まれる度数分布を抽出する分布抽出部(107)とを備え、
前記モデル記憶部に記憶される前記モデル分布は、前記車両である自車のドライバの注視時間の度数分布をもとに作成されるものであって、且つ、逐次更新が可能なものであり、
前記モデル記憶部は、前記分布抽出部で抽出した前記度数分布を前記モデル分布として記憶し、
前記判定部は、前記モデル分布として、前記モデル記憶部に記憶している、前記直近の第1の所定時間よりも過去に前記分布抽出部で抽出した前記度数分布を用いるドライバ状態判定装置。 - 請求項1〜11のいずれか1項において、
混合分布からそれぞれの分布を抽出するアルゴリズムによって、前記分布作成部で作成した前記第1の所定時間よりも長い第2の所定時間における注視時間の度数分布に含まれる度数分布を抽出する分布抽出部(107)を備え、
前記モデル記憶部は、前記分布抽出部で抽出した前記度数分布を前記モデル分布として記憶し、
前記判定部は、前記モデル分布として、前記モデル記憶部に記憶している、前記直近の第1の所定時間よりも過去に前記分布抽出部で抽出した前記度数分布を用いるドライバ状態判定装置。 - 請求項12〜14のいずれか1項において、
前記分布作成部は、少なくとも前記車両が駐車後に発進してから再度駐車するまでのトリップごとに、前記第2の所定時間における注視時間の度数分布を作成するものであり、
前記判定部は、前記モデル分布として、前記モデル記憶部に記憶している、現在の前記トリップにおいて前記分布抽出部で抽出した前記度数分布を用いるドライバ状態判定装置。 - 請求項12〜15のいずれか1項において、
前記判定部は、前記分布抽出部で2つ以上の度数分布を抽出した場合に、それらの度数分布のうちの、代表値が、前記焦り状態と前記集中状態とを区分する閾値以上であって、且つ、最も小さい度数分布を、前記集中状態に対応する前記モデル分布として用いるドライバ状態判定装置。 - 請求項16において、
前記判定部は、前記集中状態に対応する前記モデル分布として用いる度数分布よりも前記代表値が大きい度数分布を、前記漫然状態に対応する前記モデル分布として用いるドライバ状態判定装置。 - 請求項12〜17のいずれか1項において、
前記判定部は、前記分布抽出部で抽出した度数分布のうち、代表値が、前記焦り状態と前記集中状態とを区分する閾値未満の分布を、前記焦り状態に対応する前記モデル分布として用いるドライバ状態判定装置。 - 請求項12〜15のいずれか1項において、
前記判定部は、
前記分布抽出部で3つの度数分布を抽出した場合であって、且つ、それらの度数分布の代表値に前記焦り状態と前記集中状態とを区分する閾値未満のものがある場合には、代表値が最も小さい度数分布から順に、焦り状態、集中状態、漫然状態に対応する前記モデル分布として用いる一方、
前記分布抽出部で3つの度数分布を抽出した場合であって、且つ、それらの度数分布の代表値に前記焦り状態と前記集中状態とを区分する閾値未満のものがない場合には、代表値が最も小さい度数分布から順に、集中状態、漫然状態、漫然状態に対応する前記モデル分布として用いるドライバ状態判定装置。 - 車両で用いられ、
前記車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間における前記ドライバの注視時間の度数分布を作成する分布作成部(106)と、
集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、
前記モデル記憶部に記憶している前記モデル分布と、前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、前記車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)とを備え、
前記モデル記憶部に記憶される前記モデル分布は、前記車両である自車のドライバの注視時間の度数分布をもとに作成されるものであって、且つ、逐次更新が可能なものであり、
前記判定部は、前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布に近似する前記モデル分布に対応するドライバ状態を、前記車両のドライバのドライバ状態と判定するドライバ状態判定装置。 - 請求項1〜19のいずれか1項において、
前記判定部は、前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布に近似する前記モデル分布に対応するドライバ状態を、前記車両のドライバのドライバ状態と判定するドライバ状態判定装置。 - 車両で用いられ、
前記車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間における前記ドライバの注視時間の度数分布を作成する分布作成部(106)と、
集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、
前記モデル記憶部に記憶している前記モデル分布と、前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、前記車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)とを備え、
前記モデル記憶部に記憶される前記モデル分布は、前記車両である自車のドライバの注視時間の度数分布をもとに作成されるものであって、且つ、逐次更新が可能なものであり、
前記判定部は、前記モデル分布に対する前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布の乖離の度合いをもとに、前記ドライバ状態を判定するドライバ状態判定装置。 - 請求項1〜21のいずれか1項において、
前記判定部は、前記モデル分布に対する前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布の乖離の度合いをもとに、前記ドライバ状態を判定するドライバ状態判定装置。 - 車両で用いられ、
前記車両のドライバの注視方向を逐次検出するための注視検出センサ(50)での検出結果をもとに、所定時間における前記ドライバの注視時間の度数分布を作成する分布作成部(106)と、
集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態に対応する注視時間の度数分布のモデルとなるモデル分布を記憶しているモデル記憶部(108,109)と、
前記モデル記憶部に記憶している前記モデル分布と、前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布とを比較することで、前記車両のドライバの集中状態、漫然状態、及び焦り状態の少なくともいずれかのドライバ状態を判定する判定部(110)とを備え、
前記モデル記憶部に記憶される前記モデル分布は、前記車両である自車のドライバの注視時間の度数分布をもとに作成されるものであって、且つ、逐次更新が可能なものであり、
前記モデル分布には少なくとも前記集中状態に対応するモデル分布を含み、
前記判定部は、前記集中状態に対応する前記モデル分布に対する、前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布の乖離の度合いに応じて、前記ドライバの漫然状態のレベルを分けて判定するドライバ状態判定装置。 - 請求項1〜23のいずれか1項において、
前記モデル分布には少なくとも前記集中状態に対応するモデル分布を含み、
前記判定部は、前記集中状態に対応する前記モデル分布に対する、前記分布作成部で作成した直近の第1の所定時間における注視時間の度数分布の乖離の度合いに応じて、前記ドライバの漫然状態のレベルを分けて判定するドライバ状態判定装置。 - 車両で用いられ、
請求項1〜25のいずれか1項に記載のドライバ状態判定装置(10)と、
前記ドライバ状態判定装置で判定したドライバ状態に応じた報知を行う報知装置(60,70)とを含む運転支援システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016184950A JP6880615B2 (ja) | 2016-09-22 | 2016-09-22 | ドライバ状態判定装置及び運転支援システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016184950A JP6880615B2 (ja) | 2016-09-22 | 2016-09-22 | ドライバ状態判定装置及び運転支援システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018049486A JP2018049486A (ja) | 2018-03-29 |
JP6880615B2 true JP6880615B2 (ja) | 2021-06-02 |
Family
ID=61767687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016184950A Active JP6880615B2 (ja) | 2016-09-22 | 2016-09-22 | ドライバ状態判定装置及び運転支援システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6880615B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7563126B2 (ja) | 2020-11-18 | 2024-10-08 | オムロン株式会社 | 運転行動変化検知装置、運転行動変化検知システム、運転行動変化検知方法および運転行動変化検知プログラム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4826506B2 (ja) * | 2007-02-27 | 2011-11-30 | 日産自動車株式会社 | 視線推定装置 |
JP4259587B2 (ja) * | 2007-03-30 | 2009-04-30 | 株式会社デンソー | データベース装置、注意喚起装置及び運転支援装置 |
JP6218618B2 (ja) * | 2014-01-21 | 2017-10-25 | アルパイン株式会社 | 運転支援装置、運転支援方法及び運転支援プログラム |
-
2016
- 2016-09-22 JP JP2016184950A patent/JP6880615B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018049486A (ja) | 2018-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11318928B2 (en) | Vehicular automated parking system | |
CN107176165B (zh) | 车辆的控制装置 | |
KR102051142B1 (ko) | 차량용 운전자 위험 지수 관리 시스템 및 그 방법 | |
US7403124B2 (en) | Driving support equipment for vehicles | |
US9734390B2 (en) | Method and device for classifying a behavior of a pedestrian when crossing a roadway of a vehicle as well as passenger protection system of a vehicle | |
US10067506B2 (en) | Control device of vehicle | |
CN110651313A (zh) | 控制装置和控制方法 | |
US20170174129A1 (en) | Vehicular visual information system and method | |
US20130261838A1 (en) | Vehicular imaging system and method for determining roadway width | |
JP4872245B2 (ja) | 歩行者認識装置 | |
CN108604413B (zh) | 显示装置的控制方法及显示装置 | |
JP4647387B2 (ja) | 車両の運転支援装置 | |
US11414099B2 (en) | Dynamic stop time threshold selection for hands-free driving | |
JP6720732B2 (ja) | 車両の制御装置 | |
JP2018127084A (ja) | 自動運転車両 | |
JP6631569B2 (ja) | 運転状態判定装置、運転状態判定方法及び運転状態判定のためのプログラム | |
US20210291837A1 (en) | Concentration degree determination device, concentration degree determination method, and program for determining concentration degree | |
JP6790522B2 (ja) | 車両の制御装置 | |
US20190147264A1 (en) | Concentration determination apparatus, concentration determination method, and program for concentration determination | |
US20230005249A1 (en) | Information processing apparatus, information processing system, information processing method, and information processing program | |
JP6880615B2 (ja) | ドライバ状態判定装置及び運転支援システム | |
JP2018151902A (ja) | 集中度判定装置、集中度判定方法及び集中度判定のためのプログラム | |
JP7537450B2 (ja) | 車両制御装置、車両制御方法及び車両制御用コンピュータプログラム | |
JP2017199205A (ja) | 車両の制御装置 | |
JP6658358B2 (ja) | 車両の制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190904 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200821 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200901 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201026 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210106 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210218 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210406 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210419 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6880615 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |