JP6983028B2 - 眠気度予測装置及び眠気度予測方法 - Google Patents

Description

本発明は、眠気度予測装置及び眠気度予測方法に関する。

従来、居眠り運転等を防止するために、運転者の眠気度を推定する運転支援装置の開発が進んでいる。

特許文献１に開示された検出装置は、運転者の目の開け具合を示す開閉度及び運転者の視線の方向を検出して運転者の目の開閉を判定する。

特開第２０１０−１３４６０８号公報

運転者は、運転中において一定程度以上の覚醒状態を維持する必要がある。自動運転においても、例えば自動運転から手動運転へと切り替える際に、運転者は手動運転を行うことができる程度の覚醒状態を維持している必要がある。運転者の覚醒状態を維持させるために、例えば、温度又は嗅覚刺激等の外部刺激が運転者に対して与えられる。しかしながら、このような外部刺激による運転者の眠気の抑制効果が発揮されるまでに時間を要する場合がある。したがって、所定時間後の運転者の眠気度を事前に予測する必要がある。

上記のような課題に鑑みてなされた本発明の目的は、運転者の眠気度を事前に精度良く予測できる眠気度予測装置及び眠気度予測方法を提供することにある。

本発明の一実施形態に係る眠気度予測装置は、
車両に関する情報を取得する車両情報取得部と、
運転者に関する情報を取得する運転者情報取得部と、
取得された前記車両に関する情報に基づいて前記運転者の非馴化度を算出し、取得された前記運転者に関する情報に基づいて推定した前記運転者の現在の眠気度と、算出された前記非馴化度とに基づいて前記運転者の将来の眠気度を予測する制御部と、
を備える。

本発明の一実施形態に係る眠気度予測方法は、
車両に関する情報を取得するステップと、
運転者に関する情報を取得するステップと、
取得された前記車両に関する情報に基づいて前記運転者の非馴化度を算出するステップと、
取得された前記運転者に関する情報に基づいて推定した前記運転者の現在の眠気度と、算出された前記非馴化度とに基づいて前記運転者の将来の眠気度を予測するステップと、
を含む。

本発明の一実施形態に係る眠気度予測装置及び眠気度予測方法によれば、運転者の眠気度を事前に精度良く予測できる。

一実施形態に係る眠気度予測装置の構成を示すブロック図である。 図１の眠気度予測装置の制御部によって実行される処理を示した模式図である。 式１に基づいて算出された非馴化度の時間変化の一例を示す図である。 眠気度の推定値の時間変化の一例を示す図である。 遷移確率に関するデータの一例を示す図である。 非馴化度レベルごとに遷移確率の値を示した図である。 図１の眠気度予測装置により予測された将来の眠気度の時間変化を示す図である。 図１の眠気度予測装置により実際に推定された現在の眠気度の時間変化を示す図である。 図１の眠気度予測装置の動作を示すフローチャートである。

以下、図面を参照して本発明の一実施形態について説明する。

一実施形態に係る眠気度予測装置１は、取得された車両に関する情報に基づいて運転者の非馴化度Ｈを算出する。眠気度予測装置１は、取得された運転者に関する情報に基づいて推定した運転者の現在の眠気度Ｄ_０と、算出された非馴化度Ｈとに基づいて運転者の将来の眠気度Ｄ_１を予測する。以下では、運転者の現在の眠気度Ｄ_０と将来の眠気度Ｄ_１とを区別しない場合、２つをまとめて眠気度Ｄと表記する。

図１は、一実施形態に係る眠気度予測装置１の構成を示すブロック図である。眠気度予測装置１は、車両情報取得部１０及び運転者情報取得部２０により構成される情報取得部と、記憶部３０と、制御部４０とを有する。

車両情報取得部１０は、例えばカメラ、ライダ（ＬＩＤＡＲ：Light Detection And Ranging）、レーダ又は速度センサ若しくはステアリング舵角センサ等の適宜なセンサを含む。車両情報取得部１０は、例えばカーナビゲーションシステムを構成する適宜な装置を含んでもよい。車両情報取得部１０は、例えば先進運転支援システム（ＡＤＡＳ）を構成する適宜な装置を含んでもよい。車両情報取得部１０は、例えば車載インフォテイメント（ＩＶＩ：In-Vehicle Infotainment）システムを構成する適宜な装置を含んでもよい。車両情報取得部１０は、例えば自動運転システムを構成する適宜な装置を含んでもよい。車両情報取得部１０は、例えば車載ネットワークにおける１つの通信方式であるコントローラエリアネットワーク（ＣＡＮ）に接続された適宜な装置を含んでもよい。車両情報取得部１０は、例えば車車間及び路車間通信（Ｖ２Ｘ）を行うための適宜な装置を含んでもよい。

車両情報取得部１０は、車両に関する情報を取得する。車両に関する情報は、以下に説明するように、例えば車両の走行環境の変化に関する情報、車両状態に関する情報及び自車位置状況に関する情報を含む。

車両の走行環境の変化に関する情報は、例えば交通参加者の特徴、位置又は移動速度等の交通参加者状況の変化に関する情報を含む。車両の走行環境の変化に関する情報は、例えば路面の状態、道路の白線との間隔、道路種別若しくは車線数等の道路状況又は信号状況の変化に関する情報を含む。車両の走行環境の変化に関する情報は、例えば前方車両状況、後方車両状況、並走車両状況又は交差車両状況の変化に関する情報を含む。車両の走行環境の変化に関する情報は、例えば外部ネットワークとの通信状態、周辺上空移動体状況又はＰＯＩ（Point Of Interest）の変化に関する情報を含む。車両の走行環境の変化に関する情報は、例えば目的地及び当該目的地までの計画経路に関する情報を含む。

車両状態に関する情報は、例えば車両の速度、アクセル状態、ブレーキ状態、クラッチ状態、ウィンカ状態、ギア状態、ワイパー状態、ドアミラー状態、シート状態、オーディオ状態、ワーニング状態、ライト状態、ステアリング状態、アイドル状態、エアコン状態、シートベルト状態又は運転操作レベルに関する情報を含む。

自車位置状況に関する情報は、例えば車両の緯度、経度、高度、斜度又は走行車線位置等によって示される自車の現在位置に関する情報を含む。自車位置状況に関する情報は、例えば自車の現在位置における温度、湿度、天候、明るさ又は透明度に関する情報を含む。

運転者情報取得部２０は、例えばカメラ又はウェアラブルセンサ等の適宜なセンサを含む。運転者情報取得部２０は、例えばＣＡＮに接続された適宜なセンサを含んでもよい。運転者情報取得部２０は、運転者に関する情報を取得する。運転者に関する情報は、以下に説明するように、例えば運転者の運転行動に関する情報及び運転者の状態に関する情報を含む。

運転者の運転行動に関する情報は、例えば運転者のアクセル操作、ブレーキ操作、クラッチ操作、ウィンカ操作、ギア操作、ワイパー操作、ドアミラー操作、シート操作、オーディオ操作、ライト操作、ステアリング操作、エアコン操作又はシートベルト操作に関する情報を含む。運転者の運転行動に関する情報は、例えば速度調節、走行車線維持、前方確認、後方確認、側方確認、物体追跡、前方スキャン又は側方スキャンに関する情報を含む。

運転者の状態に関する情報は、例えば運転者の生体状態、顔向き、視線、瞬き状態、体動、わくわく度、感動度、楽しさ、満足度、感情、要求内容、運転（乗車）継続時間、見やすさ、まぶしさ、聞きやすさ又は発話内容に関する情報を含む。ここで、運転者の生体状態とは、例えば脳波、脳血流、血圧、血糖値、血中アミノ酸、ＨｂＡ１ｃ、γ−ＧＰＴ、常備薬血中濃度、心拍、体温、体感温度、空腹感又は疲れを含む。

運転者情報取得部２０は、運転者に関して上記の情報を取得するとして説明したが、これに限定されない。運転者情報取得部２０は、同乗者に関して同様の情報を取得してもよい。

車両情報取得部１０及び運転者情報取得部２０により構成される情報取得部によって取得された上記の情報は、制御部４０に出力され、必要に応じて記憶部３０に格納される。

記憶部３０は、例えば半導体メモリ又は磁気メモリを含む。記憶部３０は、これらに限定されず、任意の記憶装置を含んでもよい。記憶部３０は、例えば光ディスクのような光学記憶装置を含んでもよいし、光磁気ディスク等を含んでもよい。記憶部３０は、制御部４０から取得した上記の各種情報を必要に応じて記憶する。記憶部３０は、眠気度予測装置１を動作させるために制御部４０によって実行されるプログラム等を記憶する。記憶部３０は、制御部４０による演算結果等の各種データを必要に応じて記憶する。記憶部３０は、制御部４０が動作する際のワークメモリとして機能してもよい。

制御部４０は、例えば眠気度予測装置１の各機能ブロックをはじめとして、眠気度予測装置１の全体を制御及び管理するプロセッサを含む。制御部４０は、例えば制御手順を規定したプログラムを実行するＣＰＵ（Central Processing Unit）等のプロセッサを含む。このようなプログラムは、例えば記憶部３０に格納される。

図２は、図１の眠気度予測装置１の制御部４０によって実行される処理を示した模式図である。図２を参照して、運転者の将来の眠気度Ｄ_１を予測する眠気度予測装置１の機能を実現するための制御部４０の処理について詳細に説明する。

制御部４０は、車両情報取得部１０によって取得された車両に関する情報に基づいて運転者に与えられる刺激量Ｓの変化ΔＳを算出する。刺激量Ｓの算出方法は、例えば、航空機の設計段階でパイロットの作業負荷を推定するために各種操作に必要な認知資源を定量的に見積もったＶＡＣＰと呼ばれる指標を車両を運転する運転者の運転行動に適用する方法に基づく。すなわち、運転者に与えられる刺激量Ｓは、例えば運転者に加わる運転負荷量に対応すると解釈して、運転者の運転行動に適用されたＶＡＣＰ値に基づき算出される。このように、刺激量Ｓは、運転者の運転行動に適用されたＶＡＣＰを用いて定量化される。

ＶＡＣＰは、人間の行動を視覚（Ｖ：Visual）、聴覚（Ａ：Auditory）、認識（Ｃ：Cognitive）及び精神（Ｐ：Psychomotor）の４つの要素に分けた状態で、消費される認知資源の量に応じて１．０から７．０までの数値で表された指標である。４つの要素の数値の合計が負荷量となる。消費される認知資源の量は、一対比較法の調査によって定義されている。パイロットの作業負荷を推定するための従来のＶＡＣＰ値を以下の表１に具体的に示す。

車両を運転する運転者の運転行動に関するＶＡＣＰ値は、表１に記載の従来のＶＡＣＰ値に基づいて、例えば以下の表２に示すように見積もられる。これに基づいて、制御部４０は運転者の運転行動に適用されたＶＡＣＰ値を算出する。制御部４０は、運転者ごとの運転負荷量を客観的に判定できる。すなわち、制御部４０は、ＶＡＣＰが低いと運転者の運転負荷量が小さいと判定し、ＶＡＣＰが高いと運転者の運転負荷量が大きいと判定する。

制御部４０は、例えば運転者等がカーナビゲーションシステムを利用して設定した目的地及び当該目的地までの計画経路に関する情報を車両情報取得部１０から取得する。制御部４０は、取得した計画経路に関する情報に基づいて現在から所定時間後までの運転者の運転行動を予測し、現在から所定時間後までの運転者のＶＡＣＰ値を算出する。所定時間は、例えば温度又は嗅覚刺激等の外部刺激により運転者の眠気の抑制効果が発揮されるまでの時間を含む。制御部４０は、例えば自動運転を監視するために前方の走行環境を視認する運転者の運転行動を表２における「前方確認」に該当すると判定し、「視覚」に関する４．０と「認識」に関する１．０とを加算してＶＡＣＰ値を５．０と算出する。

制御部４０は、取得した計画経路に関する情報に基づいて算出した現在から所定時間後までの運転者のＶＡＣＰ値に基づいて、現在から所定時間後までの運転者に与えられる刺激量Ｓを算出する。より具体的には、制御部４０は、算出したＶＡＣＰ値に基づいてその最大値に対する比率をそれぞれ算出し、０〜１．０の値として刺激量Ｓを算出する。ＶＡＣＰの最大値として、例えば運転者に対して大きな負荷が加わっている状態で算出されたＶＡＣＰ値が採用される。一例として、ＶＡＣＰの最大値は、難度の高い狭路を運転するときに算出される８０であってもよい。

制御部４０は、算出された現在から所定時間後までの各時間における刺激量Ｓの変化ΔＳに基づいて式１により非馴化度Ｈを算出する。すなわち、制御部４０は、式１を用いて将来の非馴化度Ｈを予測する。式１において、αは係数である。

非馴化度Ｈは、外部から与えられる刺激の変化に対して運転者が慣れない度合いを示す。すなわち、制御部４０は、非馴化度Ｈが高いと刺激の変化に対して運転者が慣れていないと判定し、非馴化度Ｈが低いと刺激の変化に対して運転者が慣れていると判定する。制御部４０は、刺激の変化に対して運転者が慣れていない初期状態での非馴化度Ｈの値を例えば１に設定する。

式１を参照すると、非馴化度Ｈは、刺激量Ｓの変化ΔＳに対する一次遅れの特性を有する。すなわち、非馴化度Ｈは、後述するように、時定数１／αで減少しながら時間が経過するにつれて非馴化度Ｈの変化量が徐々に小さくなるような特性を示す。

制御部４０は、運転者の現在の眠気度Ｄ_０から所定の将来の眠気度Ｄ_１に遷移する遷移確率Ｐｉｊが上記の方法で算出された非馴化度Ｈに依存する状態遷移のマルコフモデルに基づいて、運転者の将来の眠気度Ｄ_１を予測する。

より具体的には、制御部４０は、運転者情報取得部２０から取得した運転者に関する情報に基づいて運転者の現在の眠気度Ｄ_０を推定する。制御部４０は、例えばカメラによって撮像された運転者の顔画像から瞼開率又は瞼開閉速度等の運転者の目の特徴量を算出し、目の特徴量に係る所定時間におけるヒストグラムを用いることで運転者の現在の眠気度Ｄ_０を推定する。制御部４０による運転者の現在の眠気度Ｄ_０の推定方法はこれに限定されず、任意の方法であってよい。例えば、制御部４０は、運転者の瞼開率及び運転者の視線の方向を検出して運転者の目の開閉を判定することで運転者の現在の眠気度Ｄ_０を推定してもよい。

運転者の眠気度Ｄは、例えばレベル１からレベル５までの５段階で推定される。制御部４０は、レベルが上がって眠気度Ｄの数値が大きくなる程運転者の眠気が促進されていると判定する。制御部４０は、レベルが下がって眠気度Ｄの数値が小さくなる程運転者の眠気が抑制されていると判定する。レベル１は、例えば「全く眠くない」に対応する。レベル２は、例えば「やや眠い」に対応する。レベル３は、例えば「眠い」に対応する。レベル４は、例えば「かなり眠い」に対応する。レベル５は、例えば「非常に眠い」に対応する。眠気度Ｄの数値によるレベル分けの方法は、上記に限定されない。制御部４０は、任意の数及び任意の内容で眠気度Ｄをレベル分けしてもよい。

制御部４０は、式１を用いて算出された非馴化度Ｈに基づいて、運転者の現在の眠気度Ｄ_０から所定の将来の眠気度Ｄ_１に遷移する遷移確率Ｐｉｊを決定する。ｉは、運転者の現在の眠気度Ｄ_０の各レベル値を示す。ｊは、運転者の将来の眠気度Ｄ_１の各レベル値を示す。ｉ及びｊは、レベル分けの数に応じてとる値を変化させる。運転者の眠気度Ｄがレベル１からレベル５までの５段階で推定される場合、ｉ及びｊそれぞれは、１から５までの値をとる。制御部４０は、例えば式１を用いて算出された非馴化度Ｈと非馴化度Ｈの値ごとの遷移確率Ｐｉｊに関するデータとを比較することで遷移確率Ｐｉｊを決定する。非馴化度Ｈの値ごとの遷移確率Ｐｉｊに関するデータは、例えば実験的に予め取得され、記憶部３０に事前に格納される。

制御部４０は、非馴化度Ｈに基づいて決定した遷移確率Ｐｉｊと運転者の現在の眠気度Ｄ_０とにより、運転者の将来の眠気度Ｄ_１を予測する。制御部４０は、運転者の将来の眠気度Ｄ_１として例えば遷移確率Ｐｉｊが最も高いレベル値を採用する。制御部４０は、運転者の将来の眠気度Ｄ_１が所定値よりも高く、所定時間後に運転者の覚醒状態が低下すると予測した場合、運転者の眠気を抑制させる任意の施策を行う。所定値は、眠気度予測装置１の製造業者によって予め決定されてもよいし、運転者等のユーザ自身によって随時決定されてもよい。任意の施策は、例えば運転者に対して外部刺激を与えることを含む。制御部４０は、運転者に対して例えば視覚、聴覚、嗅覚、触覚又は温度刺激等の外部刺激を与えるように任意の車載機器を制御する。

このように、制御部４０は、遷移確率Ｐｉｊが最も高いレベル値に運転者の将来の眠気度Ｄ_１を一意的に決定し、決定された将来の眠気度Ｄ_１に基づいて眠気を抑制させる任意の施策を行う。施策を行う方法は、これに限定されず任意の方法であってよい。制御部４０は、例えば予測した将来の眠気度Ｄ_１のレベル値が３以上である確率が所定値よりも高い場合に任意の施策を行ってもよい。この場合の所定値は、眠気度予測装置１の製造業者によって予め決定されてもよいし、運転者等のユーザ自身によって随時決定されてもよい。

以上のような方法により、制御部４０は運転者の将来の眠気度Ｄ_１を予測する。制御部４０は、過去に予測された運転者の将来の眠気度Ｄ_１と、運転者情報取得部２０によって取得された運転者に関する情報に基づいてリアルタイムに推定した運転者の現在の眠気度Ｄ_０とを比較して遷移確率Ｐｉｊを更新してもよい。すなわち、制御部４０は、これら２つの眠気度Ｄが一致するか否かを判定してもよい。制御部４０は、２つの眠気度Ｄが一致すると判定した場合、遷移確率Ｐｉｊを維持する一方で、２つの眠気度Ｄが一致しないと判定した場合、それぞれが一致するように遷移確率Ｐｉｊを更新してもよい。

以下では、上記の各処理段階における各パラメータの振る舞いを実験的に検証した結果について詳細に説明する。

図３は、式１に基づいて算出された非馴化度Ｈの時間変化の一例を示す図である。図３における非馴化度Ｈは、所定時間ごとに一回運転者に対して所定の運転負荷を与えるという条件のもとで算出された値を示す。図４は、眠気度Ｄの推定値の時間変化の一例を示す図である。図４における眠気度Ｄは、図３の非馴化度Ｈの時間変化に対応させて運転者情報取得部２０を用いて実際に推定された値を示す。図４における眠気度Ｄは、１から５まで０．５ごとに９段階でレベル分けされている。図３及び図４は、同一の試行により共に取得された結果を示す。図３及び図４の横軸の時間は互いに対応しており、同一の尺度及び同一の絶対値を示すと理解されたい。

図３を参照すると、非馴化度Ｈは、時定数１／αで減少しながら時間が経過するにつれて非馴化度Ｈの変化量が徐々に小さくなるような特性を示す。所定時間ごとに一回運転者に対して与えられる所定の運転負荷によって刺激量Ｓの変化ΔＳが増大するので、非馴化度Ｈはその都度増加してのこぎり状の波形を示す。

図３と共に図４を参照すると、眠気度Ｄは、非馴化度Ｈとは逆に短い増減を繰り返しながら徐々に増加する傾向にある。このように、非馴化度Ｈと眠気度Ｄとは負の相関関係にあることが分かる。すなわち、非馴化度Ｈが高く運転者が刺激の変化に対して慣れていない場合、眠気度Ｄは低い。逆に、非馴化度Ｈが低く運転者が刺激の変化に対して慣れている場合、眠気度Ｄは高い。

図５は、遷移確率Ｐｉｊに関するデータの一例を示す図である。図５の上部は、非馴化度Ｈと運転者の現在の眠気度Ｄ_０との関係を点でプロットした様子を示す。縦軸は、運転者の現在の眠気度Ｄ_０を示す。横軸は、非馴化度Ｈを示す。図５の下部は、非馴化度Ｈのレベルごとに決定された各遷移確率Ｐｉｊの値の一例を示す。図５の下部に示した行列の行は現在の眠気度Ｄ_０のレベルｉを示し、列は将来の眠気度Ｄ_１のレベルｊを示す。

図５を参照すると、眠気度Ｄは、１から５まで０．５ごとに９段階でレベル分けされている。したがって、遷移確率Ｐｉｊの行列は９×９行列となる。事前の実験において非馴化度Ｈの値ごとに遷移確率Ｐｉｊを決定する際、非馴化度Ｈは、例えば０から１の範囲において任意の数のレベルに分けられる。非馴化度Ｈは、例えば４つの非馴化度レベルＨ’に分けられる。遷移確率Ｐｉｊは、非馴化度レベルＨ’ごとに決定される。図５の下部は、一例として、非馴化度レベルＨ’の値が１又は２のときの各遷移確率Ｐｉｊの値のみを示す。

図６は、非馴化度レベルＨ’ごとに遷移確率Ｐｉｊの値を示した図である。図６は、現在の眠気度Ｄ_０のレベル値を２．５として、所定時間後に遷移する将来の眠気度Ｄ_１ごとに遷移確率Ｐｉｊ（ｉ＝２．５）の値をグラフで示した図である。図６は、３つの非馴化度レベル１、２、３について、遷移確率Ｐｉｊ（ｉ＝２．５）の値を示す。

図６を参照すると、非馴化度レベルＨ’のレベル値が３、つまり運転者が外部からの刺激の変化に対して慣れていない場合、将来の眠気度Ｄ_１がレベル２に遷移する確率は、非馴化度レベルＨ’のレベル値が１、２の場合と比較して高い。すなわち、運転者は、外部からの刺激の変化に対して慣れていない場合眠気がより抑制された状態に遷移しやすい。

図７は、図１の眠気度予測装置１により予測された将来の眠気度Ｄ_１の時間変化を示す図である。図７の縦軸は、所定時間後に遷移する遷移確率Ｐｉｊが最も高い将来の眠気度Ｄ_１を示す。図８は、図１の眠気度予測装置１により実際に推定された現在の眠気度Ｄ_０の時間変化を示す図である。図７及び図８は、同一の試行により共に取得された結果を示す。図７及び図８の横軸の時間は互いに対応しており、同一の尺度及び同一の絶対値を示すと理解されたい。

図７を参照すると、予測された将来の眠気度Ｄ_１に関するデータの開始点は、所定時間後にある。すなわち、当該開始点における将来の眠気度Ｄ_１は、図８の現在の眠気度Ｄ_０に関するデータの開始点である時間０秒において予測されたレベル値を示す。図７及び図８を比較すると、それぞれのタイミングは若干異なっているものの眠気度２をベースとして主に上方向に振れる傾向は合っていると解釈することができる。

図９は、図１の眠気度予測装置１の動作を示すフローチャートである。図９を参照して、運転者の将来の眠気度Ｄ_１を予測する眠気度予測装置１の機能を実現するための制御部４０の処理のフローについて説明する。

制御部４０は、運転者情報取得部２０から運転者に関する情報を取得する（ステップＳ１０１）。

制御部４０は、取得された運転者に関する情報に基づいて運転者の現在の眠気度Ｄ_０を推定する（ステップＳ１０２）。

制御部４０は、車両情報取得部１０から車両に関する情報を取得する（ステップＳ１０３）。

制御部４０は、取得された車両に関する情報に基づいて、運転者に与えられる刺激量Ｓの変化ΔＳを算出する（ステップＳ１０４）。

制御部４０は、算出された刺激量Ｓの変化ΔＳに基づいて非馴化度Ｈを算出する（ステップＳ１０５）。

制御部４０は、式１を用いて算出された非馴化度Ｈに基づいて遷移確率Ｐｉｊを決定する（ステップＳ１０６）。

制御部４０は、推定された運転者の現在の眠気度Ｄ_０及び決定された遷移確率Ｐｉｊに基づいて運転者の将来の眠気度Ｄ_１を予測する（ステップＳ１０７）。

制御部４０は、過去に予測された運転者の将来の眠気度Ｄ_１と、リアルタイムに推定した運転者の現在の眠気度Ｄ_０とが一致するか否かを判定する（ステップＳ１０８）。制御部４０は、２つの眠気度Ｄが一致すると判定した場合、ステップＳ１０９に進む。制御部４０は、２つの眠気度Ｄが一致しないと判定した場合、ステップＳ１１０に進む。

制御部４０は、２つの眠気度Ｄが一致すると判定した場合、遷移確率Ｐｉｊを維持する（ステップＳ１０９）。

制御部４０は、２つの眠気度Ｄが一致しないと判定した場合、遷移確率Ｐｉｊを更新する（ステップＳ１１０）。

制御部４０は、ステップＳ１０１に戻り、再度同様のフローを繰り返す。

以上のような一実施形態に係る眠気度予測装置１は、運転者の眠気度Ｄを事前に精度良く予測できる。すなわち、眠気度予測装置１は、取得された車両に関する情報に基づいて運転者の非馴化度Ｈを算出することで、眠気度Ｄと負の相関関係を有する非馴化度Ｈを客観的に定量化できる。眠気度予測装置１は、運転者の現在の眠気度Ｄ_０と算出された非馴化度Ｈとに基づいて運転者の将来の眠気度Ｄ_１を予測することで、将来の運転者の慣れに関する状態を予測して現在の眠気度Ｄ_０からの変化を精度良く予測できる。したがって、眠気度予測装置１は、運転者の眠気を抑制するような施策を最適なタイミングで行うことができる。すなわち、眠気度予測装置１は、このような施策を事前に行うことで、運転者の眠気を抑制する効果を最大限に発揮させることができる。

眠気度予測装置１は、車両の走行環境の変化に関する情報に基づいて運転者の非馴化度Ｈを算出することで、例えば運転者が設定した計画経路に従って非馴化度Ｈの算出に柔軟に対応できる。すなわち、眠気度予測装置１は、現在及び将来の実際の走行環境に対応させて精度良く運転者の非馴化度Ｈを算出できる。結果として、眠気度予測装置１は、より精度良く運転者の将来の眠気度Ｄ_１を予測できる。

眠気度予測装置１は、車両の走行環境の変化に関する情報に基づいて運転者の運転負荷量を算出することで、運転者の運転行動に伴う運転負荷を客観的に定量化できる。

眠気度予測装置１は、運転者に与えられる刺激量Ｓの変化ΔＳを算出することで、運転者に与えられる刺激量Ｓを客観的に定量化できる。眠気度予測装置１は、算出された刺激量Ｓの変化ΔＳに基づいて非馴化度Ｈを算出することで、運転者の状況に合わせてより精度良く非馴化度Ｈを算出できる。結果として、眠気度予測装置１は、より精度良く運転者の将来の眠気度Ｄ_１を予測できる。例えば、眠気度予測装置１は、ＶＡＣＰを用いて刺激量Ｓを算出することで、運転者の運転行動に伴う運転負荷を客観的に定量化して運転者に与えられる刺激量Ｓを正確に算出できる。

眠気度予測装置１は、刺激量Ｓの変化ΔＳに対する一次遅れの特性を有する式１を用いることで、非馴化度Ｈを容易に算出できる。

眠気度予測装置１は、算出された非馴化度Ｈに遷移確率Ｐｉｊが依存する状態遷移モデルを用いることで、所定の非馴化度Ｈに対する眠気度Ｄのばらつきが大きい場合であっても、精度良く運転者の将来の眠気度Ｄ_１を予測できる。すなわち、眠気度予測装置１は、非馴化度Ｈに基づいて確率的に眠気度Ｄを予測することで、一意的に眠気度Ｄを予測する場合に比べて、所定の非馴化度Ｈに対する眠気度Ｄのばらつきによる予測精度の低下を抑制できる。

眠気度予測装置１は、将来の眠気度Ｄ_１と現在の眠気度Ｄ_０とが一致しないと判定した場合に遷移確率Ｐｉｊを更新することで、運転者ごとに適合した状態で眠気度Ｄを精度良く予測できる。すなわち、眠気度予測装置１は、予測対象が新たな運転者に変わった場合であっても、変更前の元の運転者に適合した遷移確率Ｐｉｊを更新して、新たな運転者に適合させることができる。眠気度予測装置１は、運転者ごとにカスタマイズ可能である。

本発明を諸図面及び実施例に基づき説明してきたが、当業者であれば本開示に基づき種々の変形又は修正を行うことが容易であることに注意されたい。したがって、これらの変形又は修正は本発明の範囲に含まれることに留意されたい。例えば、各手段又は各ステップ等に含まれる機能等は論理的に矛盾しないように再配置可能であり、複数の手段又はステップ等を１つに組み合わせたり、或いは分割したりすることが可能である。

本発明の一実施形態として眠気度予測装置１を主に説明したが、本発明は、上述した眠気度予測装置１に実質的に相当する眠気度予測方法としても実現し得る。本発明は、コンピュータに、眠気度予測方法を実行させるためのプログラムとしても実現し得る。本発明の範囲にはこれらも包含されるものと理解されたい。

眠気度予測装置１は、車両の走行環境の変化に関する情報に基づいて運転者の非馴化度Ｈを算出するとして説明した。非馴化度Ｈの算出方法は、これに限定されない。眠気度予測装置１は、車両情報取得部１０によって取得される任意の車両に関する情報に基づいて運転者の非馴化度Ｈを算出してもよい。

眠気度予測装置１は、車両の走行環境の変化に関する情報に基づいてＶＡＣＰ及び刺激量Ｓの変化ΔＳを算出し、非馴化度Ｈを算出するとして説明した。非馴化度Ｈの算出方法は、これに限定されない。眠気度予測装置１は、車両の走行環境の変化に関する情報のみを用いて直接的に非馴化度Ｈを算出してもよいし、その他の適宜な方法で非馴化度Ｈを算出してもよい。さらに、眠気度予測装置１は、車両の走行環境の変化に関する情報のみを用いて直接的に将来の眠気度Ｄ_１を予測してもよい。

眠気度予測装置１は、車両情報取得部１０によって取得された車両に関する情報に基づいて運転者の非馴化度Ｈを算出するとして説明した。非馴化度Ｈの算出方法は、これに限定されない。眠気度予測装置１は、車両情報取得部１０によって取得された車両に関する情報に加えて、運転者情報取得部２０によって取得された運転者に関する情報に基づいて運転者の非馴化度Ｈを算出してもよい。

眠気度予測装置１は、刺激量Ｓの変化ΔＳに対する一次遅れの特性を有する式１を用いて非馴化度Ｈを算出するとして説明した。非馴化度Ｈの算出方法は、これに限定されない。眠気度予測装置１は、他の適宜な方法を用いて刺激量Ｓに基づいて非馴化度Ｈを算出してもよい。

眠気度予測装置１は、算出された非馴化度Ｈに遷移確率Ｐｉｊが依存する状態遷移モデルに基づいて運転者の将来の眠気度Ｄ_１を予測するとして説明した。将来の眠気度Ｄ_１の予測方法は、これに限定されない。眠気度予測装置１は、算出された非馴化度Ｈと眠気度Ｄとが精度良く対応しているのであれば、このような状態遷移モデルを用いない任意の方法で運転者の将来の眠気度Ｄ_１を予測してもよい。

１ 眠気度予測装置
１０ 車両情報取得部
２０ 運転者情報取得部
３０ 記憶部
４０ 制御部

Claims (7)

1. 車両に関する情報を取得する車両情報取得部と、
   運転者に関する情報を取得する運転者情報取得部と、
   取得された前記車両に関する情報に基づいて前記運転者に与えられる刺激量の変化を算出し、算出された前記刺激量の変化に基づいて前記運転者の非馴化度を算出し、取得された前記運転者に関する情報に基づいて推定した前記運転者の現在の眠気度と、算出された前記非馴化度とに基づいて前記運転者の将来の眠気度を予測する制御部と、
   を備える、
   眠気度予測装置。
2. 前記車両に関する情報は、車両の走行環境の変化に関する情報を含む、
   請求項１に記載の眠気度予測装置。
3. 前記制御部は、前記車両の走行環境の変化に関する情報に基づいて運転者の運転負荷量を算出する、
   請求項２に記載の眠気度予測装置。
4. 前記非馴化度は、前記刺激量の変化に対する一次遅れの特性を有する、
   請求項１乃至３のいずれか１項に記載の眠気度予測装置。
5. 前記制御部は、前記運転者の現在の眠気度から所定の将来の眠気度に遷移する遷移確率が算出された前記非馴化度に依存する状態遷移モデルに基づいて、前記運転者の将来の眠気度を予測する、
   請求項１乃至４のいずれか１項に記載の眠気度予測装置。
6. 前記制御部は、
   過去に予測された前記運転者の将来の眠気度と、取得された前記運転者に関する情報に基づいて推定した前記運転者の現在の眠気度とが一致するか否かを判定し、
   ２つの眠気度が一致しないと判定した場合、それぞれが一致するように前記遷移確率を更新する、
   請求項５に記載の眠気度予測装置。
7. 車両に関する情報を取得するステップと、
   運転者に関する情報を取得するステップと、
   取得された前記車両に関する情報に基づいて前記運転者に与えられる刺激量の変化を算出し、算出された前記刺激量の変化に基づいて前記運転者の非馴化度を算出するステップと、
   取得された前記運転者に関する情報に基づいて推定した前記運転者の現在の眠気度と、算出された前記非馴化度とに基づいて前記運転者の将来の眠気度を予測するステップと、
   を含む、
   眠気度予測方法。
   

Images