JP7013722B2 - 運転支援装置 - Google Patents
運転支援装置 Download PDFInfo
- Publication number
- JP7013722B2 JP7013722B2 JP2017159365A JP2017159365A JP7013722B2 JP 7013722 B2 JP7013722 B2 JP 7013722B2 JP 2017159365 A JP2017159365 A JP 2017159365A JP 2017159365 A JP2017159365 A JP 2017159365A JP 7013722 B2 JP7013722 B2 JP 7013722B2
- Authority
- JP
- Japan
- Prior art keywords
- event
- driver
- type
- data
- target
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
Description
[1.構成]
図1に示す運転支援システムは、運転支援装置1と、センタ装置5と、を備える。
[2.センタ装置]
[2-1.構成]
センタ装置5は、データ受信部51と、データ保存部52と、統合事象データベース53と、モデル学習部54と、モデル配信部55とを備える。
データ保存部52は、データ受信部51が受信した事象データを、統合事象データベース53に蓄積する。データ保存部52は、蓄積する事象データを、予め設定された条件に従って絞り込むように構成されていてもよい。つまり、事象データの取得条件は、取得漏れがないように緩めに設定されるため、事象データは過検出傾向にあり、危険度の低いシーンに関する事象データが数多く含まれる。このような危険度の低い事象データを、手動で又はデータを解析することで自動で、可能な限り除去することが望ましい。
[2-2.モデル学習処理]
次に、モデル学習部54が実行するモデル学習処理について、図3のフローチャートを用いて説明する。本処理は、統合事象データベース53に、予め設定された数の事象データが蓄積される毎、又は予め設定された一定期間毎に実行される。
[3-1.構成]
運転支援装置1は、データ収集部11と、データ保存部12と、個別事象データベース13と、データ送信部14と、モデル受信部15と、モデル更新部16と、モデルデータベース17と、制御部18と、を備える。
モデル更新部16は、モデル受信部15が受信した事象分類モデル及びドライバ分類モデルによって、モデルデータベース17の記憶内容を更新する。
次に、制御部18が実行するモデル適用処理について、図7のフローチャートを用いて説明する。本処理は、個別事象データベース13に、予め設定された量の事象データが蓄積された場合、モデルデータベース17の内容が更新された場合、及び一定時間が経過した場合のうち、少なくともいずれか一つを条件として実行される。また、本処理は、個別事象データベース13に複数のドライバIDについての事象データが記憶されている場合は、ドライバID毎に同様の処理が繰り返される。以下では、処理の対象となるドライバを、対象ドライバという。
次に、制御部18が実行する支援実行処理について、図12に示すフローチャートを用いて説明する。本処理は、車両が走行可能な状態にある間、繰り返し実行される。
ここで、対象タイプ分布の上位所定個の事象タイプを選定事象タイプとした場合の支援の具体例について説明する。
まず、支援実行処理で示したように、自車両の状況が選定事象タイプに対応する状況に近い場合に、運転中に実施されるオンライン支援について説明する。
運転支援処理では、選定事象タイプを、運転中に運転支援を実行するオンライン支援に用いる例について説明したが、特定されたドライバタイプや選定事象タイプの情報を車両から読み出して、運転指導などに用いるいわゆるオフライン支援に用いてもよい。
以上詳述した実施形態によれば、以下の効果を奏する。
(5a)運転支援装置1では、事象データをデータドリブンで分類すること生成された事象分類モデルと、その事象分類モデルを利用してドライバ毎に生成された事象タイプ分布をデータドリブンで分類することで生成されたドライバ分類モデルとを用いて、運転支援を行っている。従って、各モデルに含まれる事象タイプ及びドライバタイプが、設計者が想定したタイプだけに限定されてしまう従来技術とは異なり、例えば因果関係の把握や言語化が困難な事象やドライバの運転傾向等でも抽出されているため、モデルの客観性及び網羅性を確保できる。
以上、本開示の実施形態について説明したが、本開示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。
Claims (12)
- 複数のドライバについて収集された、事故及びヒヤリハットの少なくとも一方に関するデータである事象データを、データドリブンで分類することで生成される複数の事象タイプを有する事象分類モデル、及び前記ドライバ毎に、前記事象分類モデルに含まれる複数の事象タイプのそれぞれが運転中に表れる頻度を示した分布である複数の事象タイプ分布を、データドリブンで分類することで生成される複数のドライバタイプを有するドライバ分類モデルを記憶するように構成されたモデル記憶部(17)と、
運転支援の対象となるドライバである対象ドライバについての前記事象データである対象データを収集するように構成されたデータ収集部(11)と、
前記データ収集部にて収集された前記対象データ及び前記モデル記憶部に記憶された前記事象分類モデルを用いて、前記対象ドライバについての事象タイプ分布である対象タイプ分布を生成するように構成された分布生成部(18:S210~S230)と、
前記分布生成部にて生成された前記対象タイプ分布と前記モデル記憶部に記憶されたドライバ分類モデルとを比較することで、前記対象ドライバが属するドライバタイプである対象ドライバタイプを特定するように構成されたタイプ特定部(18:S240)と、
前記タイプ特定部にて特定された対象ドライバタイプに応じた運転支援を実行するように構成された支援実行部(18:S310~S340)と、
前記対象ドライバタイプに含まれる複数のドライバについての前記事象タイプ分布の平均である平均事象タイプ分布に基づいて、予め設定された選定条件を満たす一つ以上の前記事象タイプを選定する事象選定部(S250)と、
を備え、
前記支援実行部は、前記事象選定部により選定された事象タイプのそれぞれについて、リアルタイムで収集される前記対象データとの遠さを表す乖離度を算出し、前記類似度が予め設定された条件を満たす前記事象タイプに関する運転支援を少なくとも実行するように構成され、
前記事象選定部は、前記対象ドライバタイプの平均事象タイプ分布の中で頻度の高さが、上位所定個以内であることを、前記選定条件として用いるように構成された、
運転支援装置。 - 請求項1に記載の運転支援装置であって、
前記事象選定部は、前記対象ドライバタイプの平均事象タイプ分布と前記対象タイプ分布とを前記対象ドライバタイプ毎に比較し、前記平均事象タイプ分布には現れるが前記対象タイプ分布には現れないことを、前記選定条件として用いるように構成された、
運転支援装置。 - 複数のドライバについて収集された、事故及びヒヤリハットの少なくとも一方に関するデータである事象データを、データドリブンで分類することで生成される複数の事象タイプを有する事象分類モデル、及び前記ドライバ毎に、前記事象分類モデルに含まれる複数の事象タイプのそれぞれが運転中に表れる頻度を示した分布である複数の事象タイプ分布を、データドリブンで分類することで生成される複数のドライバタイプを有するドライバ分類モデルを記憶するように構成されたモデル記憶部(17)と、
運転支援の対象となるドライバである対象ドライバについての前記事象データである対象データを収集するように構成されたデータ収集部(11)と、
前記データ収集部にて収集された前記対象データ及び前記モデル記憶部に記憶された前記事象分類モデルを用いて、前記対象ドライバについての事象タイプ分布である対象タイプ分布を生成するように構成された分布生成部(18:S210~S230)と、
前記分布生成部にて生成された前記対象タイプ分布と前記モデル記憶部に記憶されたドライバ分類モデルとを比較することで、前記対象ドライバが属するドライバタイプである対象ドライバタイプを特定するように構成されたタイプ特定部(18:S240)と、
前記タイプ特定部にて特定された対象ドライバタイプに応じた運転支援を実行するように構成された支援実行部(18:S310~S340)と、
前記対象ドライバタイプに含まれる複数のドライバについての前記事象タイプ分布の平均である平均事象タイプ分布に基づいて、予め設定された選定条件を満たす一つ以上の前記事象タイプを選定する事象選定部(S250)と、
を備え、
前記支援実行部は、前記事象選定部により選定された事象タイプのそれぞれについて、リアルタイムで収集される前記対象データとの遠さを表す乖離度を算出し、前記類似度が予め設定された条件を満たす前記事象タイプに関する運転支援を少なくとも実行するように構成され、
前記事象選定部は、前記対象ドライバタイプの平均事象タイプ分布と前記対象タイプ分布とを前記対象ドライバタイプ毎に比較し、前記平均事象タイプ分布には現れるが前記対象タイプ分布には現れないことを、前記選定条件として用いるように構成された、
運転支援装置。 - 請求項1から請求項3のいずれか1項に記載の運転支援装置であって、
前記支援実行部は、前記運転支援の一つとして、前記対象タイプ分布及び前記対象ドライバタイプの平均事象タイプ分布を外部に出力するオフライン処理を含むように構成された、
運転支援装置。 - 複数のドライバについて収集された、事故及びヒヤリハットの少なくとも一方に関するデータである事象データを、データドリブンで分類することで生成される複数の事象タイプを有する事象分類モデル、及び前記ドライバ毎に、前記事象分類モデルに含まれる複数の事象タイプのそれぞれが運転中に表れる頻度を示した分布である複数の事象タイプ分布を、データドリブンで分類することで生成される複数のドライバタイプを有するドライバ分類モデルを記憶するように構成されたモデル記憶部(17)と、
運転支援の対象となるドライバである対象ドライバについての前記事象データである対象データを収集するように構成されたデータ収集部(11)と、
前記データ収集部にて収集された前記対象データ及び前記モデル記憶部に記憶された前記事象分類モデルを用いて、前記対象ドライバについての事象タイプ分布である対象タイプ分布を生成するように構成された分布生成部(18:S210~S230)と、
前記分布生成部にて生成された前記対象タイプ分布と前記モデル記憶部に記憶されたドライバ分類モデルとを比較することで、前記対象ドライバが属するドライバタイプである対象ドライバタイプを特定するように構成されたタイプ特定部(18:S240)と、
前記タイプ特定部にて特定された対象ドライバタイプに応じた運転支援を実行するように構成された支援実行部(18:S310~S340)と、
前記対象ドライバタイプに含まれる複数のドライバについての前記事象タイプ分布の平均である平均事象タイプ分布に基づいて、予め設定された選定条件を満たす一つ以上の前記事象タイプを選定する事象選定部(S250)と、
を備え、
前記支援実行部は、前記事象選定部により選定された事象タイプのそれぞれについて、リアルタイムで収集される前記対象データとの遠さを表す乖離度を算出し、前記類似度が予め設定された条件を満たす前記事象タイプに関する運転支援を少なくとも実行し、かつ、前記運転支援の一つとして、前記対象タイプ分布及び前記対象ドライバタイプの平均事象タイプ分布を外部に出力するオフライン処理を含むように構成された、
運転支援装置。 - 請求項1から請求項5のいずれか1項に記載の運転支援装置であって、
複数のドライバに関する前記事象データを収集して蓄積するように構成されたデータ蓄積部(51~53)と、
データ蓄積部に蓄積されたデータを用いて、前記事象タイプの分類を実行することで、前記事象分類モデルを生成するように構成された事象分類部(54:S110~S120)と、
前記事象分類部が生成した前記事象分類モデルに従って、前記ドライバ分類モデルを生成するように構成されたドライバ分類部(54:S130~S140)と、
前記事象分類部が生成した前記事象分類モデル及び前記ドライバ分類部が生成したドライバ分類モデルを各車両に配信するように構成されたモデル配信部(55)と、
を更に備える運転支援装置。 - 複数のドライバについて収集された、事故及びヒヤリハットの少なくとも一方に関するデータである事象データを、データドリブンで分類することで生成される複数の事象タイプを有する事象分類モデル、及び前記ドライバ毎に、前記事象分類モデルに含まれる複数の事象タイプのそれぞれが運転中に表れる頻度を示した分布である複数の事象タイプ分布を、データドリブンで分類することで生成される複数のドライバタイプを有するドライバ分類モデルを記憶するように構成されたモデル記憶部(17)と、
運転支援の対象となるドライバである対象ドライバについての前記事象データである対象データを収集するように構成されたデータ収集部(11)と、
前記データ収集部にて収集された前記対象データ及び前記モデル記憶部に記憶された前記事象分類モデルを用いて、前記対象ドライバについての事象タイプ分布である対象タイプ分布を生成するように構成された分布生成部(18:S210~S230)と、
前記分布生成部にて生成された前記対象タイプ分布と前記モデル記憶部に記憶されたドライバ分類モデルとを比較することで、前記対象ドライバが属するドライバタイプである対象ドライバタイプを特定するように構成されたタイプ特定部(18:S240)と、
前記タイプ特定部にて特定された対象ドライバタイプに応じた運転支援を実行するように構成された支援実行部(18:S310~S340)と、
前記対象ドライバタイプに含まれる複数のドライバについての前記事象タイプ分布の平均である平均事象タイプ分布に基づいて、予め設定された選定条件を満たす一つ以上の前記事象タイプを選定する事象選定部(S250)と、
複数のドライバに関する前記事象データを収集して蓄積するように構成されたデータ蓄積部(51~53)と、
データ蓄積部に蓄積されたデータを用いて、前記事象タイプの分類を実行することで、前記事象分類モデルを生成するように構成された事象分類部(54:S110~S120)と、
前記事象分類部が生成した前記事象分類モデルに従って、前記ドライバ分類モデルを生成するように構成されたドライバ分類部(54:S130~S140)と、
前記事象分類部が生成した前記事象分類モデル及び前記ドライバ分類部が生成したドライバ分類モデルを各車両に配信するように構成されたモデル配信部(55)と、
を備え、
前記支援実行部は、前記事象選定部により選定された事象タイプのそれぞれについて、リアルタイムで収集される前記対象データとの遠さを表す乖離度を算出し、前記類似度が予め設定された条件を満たす前記事象タイプに関する運転支援を少なくとも実行するように構成された、
運転支援装置。 - 請求項1から請求項7のいずれか1項に記載の運転支援装置であって、
前記支援実行部は、前記事象選定部により選定された事象タイプのそれぞれについて、前記対象ドライバが運転する車両の周囲に存在する車両である他車両からリアルタイムに取得される前記事象データとの遠さを表す乖離度を算出し、該乖離度が予め設定された条件を満たす前記事象タイプに関する運転支援を少なくとも実行するように構成された、
を備える、運転支援装置。 - 請求項1から請求項8のいずれか1項に記載の運転支援装置であって、
前記乖離度は、前記事象タイプと前記対象データとの距離に基づいて算出され、
該距離が近いほど前記乖離度が低いと判断される、
運転支援装置。 - 請求項1から請求項9のいずれか1項に記載の運転支援装置であって、
前記支援実行部は、前記運転支援の一つとして、前記事象タイプに対応する事故またはヒヤリハットに対する注意を促すための報知を含むように構成された、
運転支援装置。 - 請求項1から請求項10のいずれか1項に記載の運転支援装置であって、
前記支援実行部は、前記運転支援の一つとして、前記事象タイプに対応する事故またはヒヤリハットの発生が抑制されるように実施される、ルート又はパスの変更、及び車両制御のうち少なくとも一方を含むように構成され、
前記ルート又はパスは、ナビゲーション及び自動走行制御のうち少なくとも一方にて使用される、
運転支援装置。 - 複数のドライバについて収集された、事故及びヒヤリハットの少なくとも一方に関するデータである事象データを、データドリブンで分類することで生成される複数の事象タイプを有する事象分類モデル、及び前記ドライバ毎に、前記事象分類モデルに含まれる複数の事象タイプのそれぞれが運転中に表れる頻度を示した分布である複数の事象タイプ分布を、データドリブンで分類することで生成される複数のドライバタイプを有するドライバ分類モデルを記憶するように構成されたモデル記憶部(17)と、
運転支援の対象となるドライバである対象ドライバについての前記事象データである対象データを収集するように構成されたデータ収集部(11)と、
前記データ収集部にて収集された前記対象データ及び前記モデル記憶部に記憶された前記事象分類モデルを用いて、前記対象ドライバについての事象タイプ分布である対象タイプ分布を生成するように構成された分布生成部(18:S210~S230)と、
前記分布生成部にて生成された前記対象タイプ分布と前記モデル記憶部に記憶されたドライバ分類モデルとを比較することで、前記対象ドライバが属するドライバタイプである対象ドライバタイプを特定するように構成されたタイプ特定部(18:S240)と、
前記タイプ特定部にて特定された対象ドライバタイプに応じた運転支援を実行するように構成された支援実行部(18:S310~S340)と、
複数のドライバに関する前記事象データを収集して蓄積するように構成されたデータ蓄積部(51~53)と、
データ蓄積部に蓄積されたデータを用いて、前記事象タイプの分類を実行することで、前記事象分類モデルを生成するように構成された事象分類部(54:S110~S120)と、
前記事象分類部が生成した前記事象分類モデルに従って、前記ドライバ分類モデルを生成するように構成されたドライバ分類部(54:S130~S140)と、
前記事象分類部が生成した前記事象分類モデル及び前記ドライバ分類部が生成したドライバ分類モデルを各車両に配信するように構成されたモデル配信部(55)と、
を備える運転支援装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017159365A JP7013722B2 (ja) | 2017-08-22 | 2017-08-22 | 運転支援装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017159365A JP7013722B2 (ja) | 2017-08-22 | 2017-08-22 | 運転支援装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019040244A JP2019040244A (ja) | 2019-03-14 |
JP7013722B2 true JP7013722B2 (ja) | 2022-02-01 |
Family
ID=65727291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017159365A Active JP7013722B2 (ja) | 2017-08-22 | 2017-08-22 | 運転支援装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7013722B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7381861B2 (ja) | 2019-11-29 | 2023-11-16 | 富士通株式会社 | 複合モデル生成プログラム及び方法、並びに情報処理システム |
CN112937551B (zh) * | 2021-03-04 | 2022-06-17 | 北京理工大学 | 一种考虑驾驶员输入特征的车辆控制方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008046759A (ja) | 2006-08-11 | 2008-02-28 | Toyota Central Res & Dev Lab Inc | 運転支援装置 |
JP2012128799A (ja) | 2010-12-17 | 2012-07-05 | Denso Corp | 運転シーンの遷移予測装置及び車両用推奨運転操作提示装置 |
US20150211868A1 (en) | 2012-07-17 | 2015-07-30 | Nissan Motor Co., Ltd. | Driving assistance system and driving assistance method |
JP2017010206A (ja) | 2015-06-19 | 2017-01-12 | 株式会社デンソー | 運転操作判別装置 |
JP2017073021A (ja) | 2015-10-08 | 2017-04-13 | 株式会社デンソー | 運転支援装置 |
JP2017071333A (ja) | 2015-10-08 | 2017-04-13 | 株式会社デンソー | 運転支援装置 |
-
2017
- 2017-08-22 JP JP2017159365A patent/JP7013722B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008046759A (ja) | 2006-08-11 | 2008-02-28 | Toyota Central Res & Dev Lab Inc | 運転支援装置 |
JP2012128799A (ja) | 2010-12-17 | 2012-07-05 | Denso Corp | 運転シーンの遷移予測装置及び車両用推奨運転操作提示装置 |
US20150211868A1 (en) | 2012-07-17 | 2015-07-30 | Nissan Motor Co., Ltd. | Driving assistance system and driving assistance method |
JP2017010206A (ja) | 2015-06-19 | 2017-01-12 | 株式会社デンソー | 運転操作判別装置 |
JP2017073021A (ja) | 2015-10-08 | 2017-04-13 | 株式会社デンソー | 運転支援装置 |
JP2017071333A (ja) | 2015-10-08 | 2017-04-13 | 株式会社デンソー | 運転支援装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2019040244A (ja) | 2019-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6330651B2 (ja) | 異常検出装置 | |
US20220048536A1 (en) | Method and device for testing a driver assistance system | |
KR102388148B1 (ko) | 운전 가이드 방법 및 그를 제공하는 시스템 | |
US11273840B2 (en) | Categorization of vehicles in the surroundings of a motor vehicle | |
JP6451583B2 (ja) | 運転支援装置 | |
JP2009157606A (ja) | ドライバ状態推定装置及びプログラム | |
JP6511982B2 (ja) | 運転操作判別装置 | |
JP7013722B2 (ja) | 運転支援装置 | |
JP2018018204A (ja) | 能力評価システム | |
JP7051424B2 (ja) | 異常検出装置 | |
JP2009096365A (ja) | リスク認識システム | |
EP4125052A1 (en) | Apparatus and method with object detection | |
CN107924626B (zh) | 增强的碰撞避免 | |
EP4083959A1 (en) | Traffic flow machine-learning modeling system and method applied to vehicles | |
CN112466118A (zh) | 车辆驾驶行为识别方法、系统、电子设备及存储介质 | |
CN107539038B (zh) | 一种车辆胎压状态监控方法及装置 | |
JP5360143B2 (ja) | 走行場面認識モデル生成装置、運転支援装置、及びプログラム | |
CN114822044B (zh) | 一种基于隧道的行车安全预警方法及设备 | |
KR102570295B1 (ko) | 차량 및 그 제어 방법 | |
JP4719605B2 (ja) | 対象物検出用データ生成装置、方法及びプログラム並びに対象物検出装置、方法及びプログラム | |
CN108025747B (zh) | 增强的车道通过 | |
Al-Din | Driving Maneuvers Recognition and Classification Using A Hyprid Pattern Matching and Machine Learning | |
JP2021064343A (ja) | 行動認識装置、行動認識方法、及び情報生成装置 | |
JP2021051688A (ja) | 運転技量評価装置 | |
JP7298171B2 (ja) | 画像圧縮装置および画像の圧縮方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200717 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210519 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210608 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210726 |
|
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: 20211221 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220103 |