JP7039012B2 - 異常運転行動検出装置、異常運転行動検出方法、及びプログラム - Google Patents

Description

本発明は、車両を運転する運転者による加減速操作に関する異常行動を検出する異常運転行動検出装置、異常運転行動検出方法、及びプログラムに関する。

車両の運転における安全対策として、加速度センサや磁気センサにより異常を検知して、監視カメラにより車両周辺を撮像するドライブレコーダ（特許文献１、２）や、車速センサ、ヨーレートセンサ、ブレーキ圧センサ等の各種センサにより異常を検知して、安全運転支援を行う技術（特許文献３）が知られている。

特開２００７－８８５４１号公報 特開２００７－６６１９４号公報 特開２００９－２９３４３号公報

特許文献１～３に開示された技術では、異常検出のための多数のセンサを車両に搭載する必要があるため、異常検出システムが複雑である。

本発明は、上記実情に鑑みてなされたものであり、簡易な構成で、運転者による加減速操作に関する異常行動を検出することができる異常運転行動検出装置、異常運転行動検出方法、及びプログラムを提供することを目的とする。

上記目的を達成するため、本発明の第１の観点に係る異常運転行動検出装置は、
車両を運転する運転者による加減速操作に関する異常行動を検出する異常運転行動検出装置であって、
前記車両の車速を取得する取得手段と、
前記取得手段が取得した車速と、所定時点の車速を推定するための予め定めた自己回帰モデルとを示す情報を記憶する記憶手段と、
前記自己回帰モデルと、前記所定時点よりも前の互いに異なる時点における複数の車速とに基づいて前記所定時点の車速を推定する推定手段と、
前記取得手段が取得した車速と、前記推定手段が推定した前記所定時点の車速との差分が、予め定めた閾値を超えた場合に前記異常行動を検出する検出手段と、を備え、
前記自己回帰モデルの次数は予め定められ、
前記推定手段は、前記自己回帰モデルに、前記所定時点よりも前の互いに異なる時点における前記次数分の車速を代入して前記所定時点の車速を推定する。

前記検出手段は、前記取得手段が前記所定時点よりも前の時点で取得した車速と、前記推定手段が推定した前記所定時点の車速との差分が、前記閾値を超えた場合に前記異常行動を検出する、ようにしてもよい。

前記自己回帰モデルは、前記車両に予め定めた経路を前記異常行動が生じていない状態で複数回走行させた際の車速の時系列に基づいて予め定められる、ようにしてもよい。

前記車両はシミュレータによる仮想上の車両であり、前記異常運転行動検出装置は、前記シミュレータに備えられていてもよい。

上記目的を達成するため、本発明の第２の観点に係る異常運転行動検出方法は、
車両を運転する運転者による加減速操作に関する異常行動を検出する異常運転行動検出方法であって、
前記車両の車速を取得する取得ステップと、
所定時点の車速を推定するための予め定めた自己回帰モデルと、前記所定時点よりも前の互いに異なる時点における複数の車速とに基づいて前記所定時点の車速を推定する推定ステップと、
前記取得ステップで取得した車速と、前記推定ステップで推定した前記所定時点の車速との差分が、予め定めた閾値を超えた場合に前記異常行動を検出する検出ステップと、を備え、
前記自己回帰モデルの次数は予め定められ、
前記推定ステップでは、前記自己回帰モデルに、前記所定時点よりも前の互いに異なる時点における前記次数分の車速を代入して前記所定時点の車速を推定する。

上記目的を達成するため、本発明の第３の観点に係るプログラムは、
車両を運転する運転者による加減速操作に関する異常行動を検出するためのプログラムであって、
コンピュータを、
前記車両の車速を取得する取得手段、
所定時点の車速を推定するための予め定めた自己回帰モデルと、前記所定時点よりも前の互いに異なる時点における複数の車速とに基づいて前記所定時点の車速を推定する推定手段、
前記取得手段が取得した車速と、前記推定手段が推定した前記所定時点の車速との差分が、予め定めた閾値を超えた場合に前記異常行動を検出する検出手段、
として機能させ、
前記自己回帰モデルの次数は予め定められ、
前記推定手段は、前記自己回帰モデルに、前記所定時点よりも前の互いに異なる時点における前記次数分の車速を代入して前記所定時点の車速を推定する。

本発明によれば、簡易な構成で、運転者による加減速操作に関する異常行動を検出することができる。

本発明の一実施形態に係る異常運転行動検出装置の構成を示すブロック図である。 本発明の一実施形態に係る自己回帰モデルの構造を示す図である。 運転行動計測に使用したコースの一例を示す図である。 図３に示すコースにおける車速実測値の一例を示すグラフの図である。 本発明の一実施形態に係る自己回帰モデルの推定精度を説明するためのグラフの図である。 車速の実測値と推定値の差分を示すグラフの図である。 本発明の一実施形態に係る異常行動検出処理を示すフローチャートである。

本発明の一実施形態について図面を参照して説明する。

本実施形態に係る異常運転行動検出装置１は、図１に示すように、例えば自動四輪車である車両２に搭載される、又は、仮想上の車両２の運転を可能とするシミュレータに備えられる。

異常運転行動検出装置１は、車両２が実車両であるか仮想上の車両であるかに関わらず適用可能な構成であるため、以下では、断りがない場合は、車両２が実車両であるか仮想上の車両であるかの区別をせずに各種の構成を説明する。

異常運転行動検出装置１は、車両２を運転する運転者による加減速操作に関する異常行動を検出するものであり、制御部１０と、報知部２０と、を備える。

制御部１０は、マイクロコンピュータから構成され、異常運転行動検出装置１の各部の動作を制御する。制御部１０は、動作プログラムや固定データを記憶するＲＯＭ（Read Only Memory）や各種演算結果などを一時的に保存するＲＡＭ（Random Access Memory）等から構成される記憶部１１と、ＣＰＵ（Central Processing Unit）と、報知部２０を駆動する駆動回路と、入出力インターフェース等を備える。記憶部１１のＲＯＭには、後述するように、異常行動検出処理を実行するためのプログラムＰを含む各種の動作プログラムのデータや、自己回帰モデルＭを示すデータなどが予め記憶されている。以下、自己回帰モデルを「ＡＲ（AutoRegressive）モデル」とも言う。

制御部１０は、車速取得手段１２、車速推定手段１３、及び異常行動検出手段１４としての機能を備える。

車速取得手段１２は、車両２が実車両の場合は、例えばＣＡＮ（Controller Area Network）を介して、車速センサ３からの車速信号Ｓを取得し、取得した車速信号Ｓに基づき車速を算出する。車両２に搭載される車速センサ３は、例えば、車輪と同期して回転する被検出部（例えば、ギアの凹凸や金属突起）を検出するホール素子からなり、車速に応じた周波数の車速信号Ｓを制御部１０に供給する。制御部１０は、車速取得手段１２としての機能で、取得した車速信号ＳをＡ／Ｄ（Analog to Digital）変換し、車速信号Ｓの周波数に応じた車速を所定の制御周期で算出（取得）し、記憶部１１に記憶する。なお、車両２がシミュレータによる仮想上の車両の場合は、車速取得手段１２は、例えば、シミュレータの使用者（被験者）によるアクセルペダルの操作量に応じた車速を取得すればよい。

車速推定手段１３は、車速取得手段１２が取得した車速と、予め記憶部１１に記憶されたＡＲモデルＭとに基づいて、所定時点の車速を推定する。

ここで、本実施形態における、図２に示す構造の時系列ＡＲモデルＭについて説明する。ある時刻ｔにおける車速を示す時系列情報をＶ（ｔ）とする。Ｖ（ｔ）より前の（過去の）時系列情報については、１サンプル前の時系列情報をＶ（ｔ）・ｚ^－１とし、係数ａ_１を乗じる。同様にして、ｎサンプル前の時系列情報をＶ（ｔ）・ｚ^－ｎとし、係数ａ_ｎを乗じる。これら過去の時系列情報をＶ（ｔ）に総和したものを、Ｖ（ｔ）の次サンプル時刻の出力Ｖａｒ（ｔ）として、ＡＲモデルＭは構成されている。ＡＲモデルＭは、次の式で表される。
Ｖａｒ（ｔ）＝Ｖ（ｔ）＋ａ_１・Ｖ（ｔ）・ｚ^－１＋・・・＋ａ_ｎ・Ｖ（ｔ）・ｚ^－ｎ
ＡＲモデルＭのモデル次数（ｎの最大値）は、赤池情報量基準（ＡＩＣ：Akaike's Information Criterion）に基づき、次数を増加させたときのモデル出力値が飽和する値を予め定めて、適用する。

ＡＲモデルＭのモデル次数ｎや係数ａ_１～ａ_ｎの決定は、図３に示すようなコース（ＳｔａｒｔからＧｏａｌまでの経路）を、複数の運転者に車両２を運転させることによって得られる車速の実測値に基づいて行う。

一実施例として、本願発明者らは、図３に示すコースをドライビングシミュレータ上に構築し、複数の被験者に仮想上の車両２を運転させることによって運転行動を計測、つまり、車速を実測した。なお、図３に示す「×」の印は、人や車両の予期せぬ飛び出しを設定した「飛び出し刺激」の発生箇所を示しているが、ＡＲモデルＭの構築にあたっては、コースに飛び出し刺激を全く発生させない状態（つまり、異常運転行動が発生する蓋然性が低い通常状態）で被験者に車両２を運転させる。

図４に、ある被験者による車速実測値の時系列情報のグラフを示す。当該グラフは、車速実測値としてのＶ（ｔ）をサンプル時刻毎にプロットしたものであり、サンプル時刻は、０．０１［ｓ］である。このようにして得られる被験者の人数分の車速実測値の時系列情報から、前記のＡＩＣに基づき、ＡＲモデルＭのモデル次数や係数を予め定める。シミュレーションによる実施例では、十数人分の被験者の実測値に基づき、モデル次数ｎは、７次が適したものとなった（ｎ＝７）。

車速推定手段１３は、上記のように決定されたＡＲモデルＭに、車速取得手段１２が現在（時刻ｔにおいて）取得した車速情報としてのＶ（ｔ）と、記憶部１１に記憶されている時刻ｔよりも前のｎサンプル分の車速（Ｖ（ｔ）・ｚ^－１、・・・、Ｖ（ｔ）・ｚ^－ｎ）とを代入し、時刻ｔの次のサンプル時刻における車速推定値Ｖａｒ（ｔ）を算出する。つまり、次サンプル時刻における車速を推定する。

ここで、図５に、図３に示すコースにおけるシミュレーションによる車速の実測値と、モデル次数ｎを７次（ｎ＝７）としたＡＲモデルＭに基づいて車速推定手段１３が算出した車速の推定値との比較結果のグラフを示す。図５に示すグラフでは、車速の実測値と推定値とが区別不能な程、両者の挙動が一致している。これにより、ＡＲモデルＭが充分な推定精度を有することが分かる。なお、ｎ＝７に相当する７サンプル分は、０．０７［ｓ］間に相当する。なお、本説明では、図３に示すコースをドライビングシミュレータ上に構築し、複数の被験者に仮想上の車両２を運転させることによって車速を実測し、実測した車速に基づきＡＲモデルＭを決定する例を挙げたが、予め定められた実際のコース（経路）を、運転者による加減速操作に関する異常行動が生じていない状態で複数回走行させた際の車速の時系列に基づいてＡＲモデルＭを決定してもよいことは、勿論である。

異常行動検出手段１４は、車速取得手段１２が時刻ｔにおいて取得した車速実測値Ｖ（ｔ）と、前記のように車速推定手段１３がＡＲモデルＭに基づいて推定した車速推定値Ｖａｒ（ｔ）との差分が、予め記憶部１１に記憶した所定の閾値を超えた場合に、運転者による加減速操作に関する異常行動を検出する。

ここで、図３に示すコースをシミュレータ上に構築した場合における異常検出手法の具体例を説明する。図３に示すように、コース上の「×」を付した複数箇所において飛び出し刺激を発生させつつ、被験者が当該コースを運転した場合の車速を実測する。車速実測値は、車速取得手段１２が所定のサンプル時刻毎に取得した車速であって、記憶部１１に記憶される。なお、これら複数箇所の各々において飛び出し刺激が発生するか否かは、被験者毎にランダムに設定する。つまり、実際の車両２で所定の経路を運転する場合に、ランダムに発生する可能性がある、人や車両の飛び出しを考慮した状態で車速を実測する。したがって、当該異常検出手法は、車両２が実車両であるか仮想上の車両であるかに関わらず適用可能である。

また、車速推定手段１３は、車速取得手段１２が所定のサンプル時刻毎に取得し、記憶部１１に記憶した車速と、予め定めたＡＲモデルＭとに基づき、車速の実測値Ｖ（ｔ）を取得した時刻ｔの次のサンプル時刻における車速推定値Ｖａｒ（ｔ）を算出する。

前述の通り、ＡＲモデルＭは、コース上に飛び出し刺激を全く発生させずに構築したものであるため、ＡＲモデルＭに基づいて算出される車速推定値Ｖａｒ（ｔ）の時系列は、異常運転行動が発生する蓋然性が低い通常状態と仮定することができる。なお、車速推定値Ｖａｒ（ｔ）を算出するための実測値Ｖ（ｔ）に含まれる急加速や急減速の瞬間的な運転行動は、全体の運転行動に対してごく僅かであるため、ＡＲモデルＭに基づいて算出される車速推定値Ｖａｒ（ｔ）の時系列は、通常状態と見なすことができる。

一方、実測値Ｖ（ｔ）に少しでも急加速や急減速を行った結果が含まれると、実測値Ｖ（ｔ）と車速推定値Ｖａｒ（ｔ）の差分を求めた場合、瞬間的な運転行動を行ったタイミングの近傍において、当該差分が極大化する。異常行動検出手段１４は、この極大値の発生を、予め定めた閾値により検出することで、通常状態から逸脱した異常行動を検出する。

図６に、車速の実測値Ｖ（ｔ）と推定値Ｖａｒ（ｔ）の差分の時系列のグラフを示す。同図中のＴ１は、差分を絶対値で考えた場合の極大値を検出するための閾値の一例であり、Ｔ２は、異常行動を検出するための異常閾値の一例である。Ｔ１とＴ２とを絶対値で考えた場合は、Ｔ２＞Ｔ１となる。同図において、差分が異常閾値Ｔ２を超えた箇所は、飛び出し刺激を与えた箇所や、コース上の信号変化などによって加減速が生じた箇所となっており、運転者による異常行動が検出されていることが分かる。なお、同図に示した極大値を検出するための閾値Ｔ１と、異常閾値Ｔ２とは、あくまで一例であり、実験により適切な値を任意に定めることができる。

報知部２０は、異常行動検出手段１４が異常行動を検出した際に、加減速操作が異常である旨を車両２の運転者に画像、音声等により報知する。報知部２０としては、ＬＣＤ（Liquid Crystal Display）、ＯＬＥＤ（Organic Light Emitting Diodes）等からなる画像表示装置や、スピーカ等を採用することができ、例えば「アクセル操作、危険！」といった加減速操作が異常である旨を示す画像を表示したり、同内容を示す音声や警告音を出力したりすることで、報知を行う。

異常運転行動検出装置１の構成の説明は以上である。続いて、図７を参照して、制御部１０が記憶部１１に記憶されたプログラムＰに従って制御部１０が実行する異常行動検出処理を説明する。

異常行動検出処理を開始すると、制御部１０の車速取得手段１２は、現在の時刻ｔにおける車速の実測値Ｖ（ｔ）を取得し、記憶部１１に記憶する（ステップＳ１）。異常行動検出処理を繰り返し実行することで、所定のサンプル時刻毎における実測値Ｖ（ｔ）が記憶部１１に記憶される。

続いて、制御部１０の車速推定手段１３は、時刻ｔで取得した実測値Ｖ（ｔ）と、過去の所定数（次数ｎ）の実測値であるＶ（ｔ）・ｚ^－１、・・・、Ｖ（ｔ）・ｚ^－ｎとを、ＡＲモデルＭに代入し、時刻ｔの次のサンプル時刻における車速推定値Ｖａｒ（ｔ）を算出し、記憶部１１に記憶する（ステップＳ２）。例えば、次数が７（ｎ＝７）の場合は、時刻ｔの１サンプル前から７サンプル前までの実測値Ｖ（ｔ）をＡＲモデルＭに代入する。なお、記憶部１１に次数ｎ分の過去の実測値Ｖ（ｔ）が未だ記憶されていない場合は、例えば、ステップＳ１を繰り返し実行するか、ステップＳ１から後述のステップＳ５へ処理をスキップするようにすればよい。

続いて、制御部１０の異常行動検出手段１４は、ステップＳ１で取得した実測値Ｖ（ｔ）と、ステップＳ２で算出した車速推定値Ｖａｒ（ｔ）の差分（絶対値）を算出する（ステップＳ３）。

続いて、異常行動検出手段１４は、ステップＳ３で算出した差分が極大値を示すか否かを、予め記憶部１１に記憶した閾値Ｔ１に基づいて判別する（ステップＳ４）。具体的には、算出した差分が閾値Ｔ１以下である場合には、異常行動検出手段１４は、差分が極大値を示していないと判別し（ステップＳ４；Ｎｏ）、運転行動に異常がないことを検出する（ステップＳ５）。

一方で、算出した差分が閾値Ｔ１より大きい場合は、異常行動検出手段１４は、差分が極大値を示していると判別し（ステップＳ４；Ｙｅｓ）、ステップＳ６に処理を進める。

ステップＳ６で、異常行動検出手段１４は、ステップＳ３で算出した極大値を示す差分が、予め記憶部１１に記憶した異常閾値Ｔ２（Ｔ２＞Ｔ１）より大きいか否かを判別する。差分が異常閾値Ｔ２以下である場合は（ステップＳ６；Ｎｏ）、運転行動に異常がないことを検出する（ステップＳ５）。一方で、差分が異常閾値Ｔ２より大きい場合は（ステップＳ６；Ｙｅｓ）、運転行動の異常を検出し（ステップＳ７）、当該異常の存在を報知部２０により運転者に報知する。制御部１０は、以上の異常行動検出処理を終了指示があるまで繰り返し実行する。

本発明は以上の実施形態及び図面によって限定されるものではない。本発明の要旨を変更しない範囲で、適宜、変更（構成要素の削除も含む）を加えることが可能である。以下に種々の変形の一例を説明する。

異常行動検出処理のステップＳ５で運転行動に異常がないことを検出した場合に、異常がない旨（つまり、通常運転である旨）を報知部２０により報知するようにしてもよい。また、ステップＳ６で極大値が異常閾値Ｔ２よりも大きい場合に（ステップＳ６；Ｎｏ）、運転行動に異常がない（ステップＳ５）とはせずに、異常の前段階としての警告状態を検出するようにしてもよい。そして、報知部２０によって当該警告が生じた旨を、例えば「注意して運転しましょう」といった内容を示す画像を表示したり、同内容を示す音声や警告音を出力したりしてもよい。

また、以上の異常行動検出処理では、極大値を検出するための閾値Ｔ１を設けた例を説明したが、ステップＳ４の処理を削除し、ステップＳ３に続いてステップＳ６の判別処理を実行するようにしてもよい。つまり、閾値Ｔ１を用いず、異常閾値Ｔ２のみを用いて運転行動が異常であるか否かを判別するようにしてもよい。

また、以上の異常行動検出処理では、時刻ｔで取得した実測値Ｖ（ｔ）と、時刻ｔの次のサンプル時刻における車速の推定値Ｖａｒ（ｔ）との差分に基づいて異常を検出する例を示したが、これに限られない。前述のように自己回帰モデルＭに基づいて算出される推定値の時系列は、通常状態と見做せ、急激な変化が少なく、また、サンプリング周期は、例えば０．０１［ｓ］といったごく短い間隔であるため、時刻ｔで取得した実測値Ｖ（ｔ）と、時刻ｔにおける車速の推定値Ｖａｒ（ｔ）（つまり、時刻ｔよりも前のサンプル時刻において取得した複数の実測値に基づき算出した推定値）との差分に基づいて異常を検出してもよい。また、時刻ｔで取得した実測値Ｖ（ｔ）と、時刻ｔよりも数サンプル前の時刻における車速の推定値Ｖａｒ（ｔ）（つまり、当該数サンプル前の時刻よりも、さらに前のサンプル時刻において取得した複数の実測値に基づき算出した推定値）との差分に基づいて異常を検出してもよい。ただし、異常検出の時点を可能な限りリアルタイムに近付けるためには、時刻ｔで取得した実測値Ｖ（ｔ）と、時刻ｔの次のサンプル時刻における車速の推定値Ｖａｒ（ｔ）との差分に基づいて異常を検出することが好ましい。

また、自己回帰モデルＭの次数は、シミュレーションによる実施例では、７次が適したものとなったが、５～７次程度であれば好ましく、その他の次数であっても目的に応じて任意である。また、自己回帰モデルＭは、上記の式で示した例に限られず、公知の時系列解析法を適宜採用することができ、どのように構築するかは任意である。例えば、過去の車速実測値に乗じられる係数（ａ^１～ａ^ｎ）以外の係数や、ホワイトノイズを考慮するなどしてもよい。

また、異常運転行動検出装置１が搭載される車両２や、備えられるシミュレータによる仮想上の車両２は任意であり、自動四輪車に限られず、自動二輪車であってもよい。また、異常運転行動検出装置１は、車速センサ３の出力に基づいて、簡易なシステム構成で異常を検出することができるが、車両２に他の各種センサ（カメラや加速度センサなど）も設け、これらのセンサも併用した異常検出システムを構成してもよい。

以上に説明した各処理を実行する動作プログラム（プログラムＰ）は、記憶部１１に予め記憶されているものとしたが、着脱自在の記録媒体により配布・提供されてもよい。また、プログラムＰは、異常運転行動検出装置１と接続された他の機器からダウンロードされるものであってもよい。また、異常運転行動検出装置１は、他の機器と電気通信ネットワークなどを介して各種データの交換を行うことによりプログラムＰに従う各処理を実行してもよい。

（１）以上に説明した異常運転行動検出装置１は、車両２を運転する運転者による加減速操作に関する異常行動を検出し、車速取得手段１２（取得手段）と、記憶部１１（記憶手段）と、車速推定手段１３（推定手段）と、異常行動検出手段１４（検出手段）と、を備える。
車速取得手段１２は、車両２の車速を取得する。記憶部１１は、車速取得手段１２が取得した車速と、所定時点の車速（Ｖａｒ（ｔ））を推定するための予め定めた自己回帰モデルＭとを示す情報を記憶する。車速推定手段１３は、自己回帰モデルＭと、所定時点よりも前の互いに異なる時点における複数の車速（Ｖ（ｔ）、Ｖ（ｔ）・ｚ^－１、・・・、Ｖ（ｔ）・ｚ^－ｎ）とに基づいて所定時点の車速を推定する。異常行動検出手段１４は、車速取得手段１２が取得した車速（Ｖ（ｔ））と、車速推定手段１３が推定した所定時点の車速（Ｖａｒ（ｔ））との差分が、予め定めた閾値Ｔ２を超えた場合に異常行動を検出する。

このように、車速センサ３等の出力に応じて取得可能な車速に基づいて、異常行動を検出することができるため、異常検出システムの構成を簡易にすることができる。また、異常運転行動検出装置１は、実車両かシミュレータによる仮想上の車両かに関わらず適用可能である。したがって、異常運転行動検出装置１は、実際の道路上を運転走行する（実走行する）際に生じる虞のある危険を未然に防ぐための異常報知のみならず、実走行あるいはシミュレータによる適性検査のために用いることも適している。例えば、運転教習所による適性検査や、第二種自動車運転免許（営業運転免許）を要する運送・運輸業界における定期的な適性検査（例えば、タクシー、トラックドライバーの適性検査）に用いることができる。

（２）具体的には、異常行動検出手段１４は、車速取得手段１２が所定時点よりも前の時点で取得した車速（Ｖ（ｔ））と、車速推定手段１３が推定した所定時点の車速（Ｖａｒ（ｔ））との差分が、予め定めた閾値Ｔ２を超えた場合に異常行動を検出する。なお、異常検出のリアルタイム性を実現するに当たっては、時刻ｔで取得した車速の実測値Ｖ（ｔ）と、時刻ｔの次のサンプル時刻における車速推定値Ｖａｒ（ｔ）との差分が閾値Ｔ２を超えた場合に異常行動を検出する構成とすることが、より好ましい。

（３）また、自己回帰モデルＭの次数は予め定められ、車速推定手段１３は、自己回帰モデルＭに、所定時点よりも前の互いに異なる時点における次数分の車速（Ｖ（ｔ）・ｚ^－１、・・・、Ｖ（ｔ）・ｚ^－ｎ）を代入して所定時点の車速（Ｖａｒ（ｔ））を推定する。
（４）また、自己回帰モデルＭは、車両２に予め定めた経路を異常行動が生じていない状態で複数回走行させた際の車速の時系列に基づいて予め定められる。
（５）また、異常運転行動検出装置１は、実車両としての車両２に搭載されるものだけに限られない。車両２はシミュレータによる仮想上の車両であり、シミュレータに備えられていてもよい。

（６）以上に説明した異常運転行動検出装置１を利用した異常運転行動検出方法は、車両２の車速を取得する取得ステップと、所定時点の車速（Ｖａｒ（ｔ））を推定するための予め定めた自己回帰モデルＭと、所定時点よりも前の互いに異なる時点における複数の車速（Ｖ（ｔ）、Ｖ（ｔ）・ｚ^－１、・・・、Ｖ（ｔ）・ｚ^－ｎ）とに基づいて所定時点の車速を推定する推定ステップと、取得ステップで取得した車速と、推定ステップで推定した所定時点の車速との差分が、予め定めた閾値Ｔ２を超えた場合に異常行動を検出する検出ステップと、を備える。

（７）また、以上に説明したプログラムＰは、コンピュータ（制御部１０）を、車両２の車速を取得する車速取得手段１２、所定時点の車速（Ｖａｒ（ｔ））を推定するための予め定めた自己回帰モデルと、前記所定時点よりも前の互いに異なる時点における複数の車速（Ｖ（ｔ）、Ｖ（ｔ）・ｚ^－１、・・・、Ｖ（ｔ）・ｚ^－ｎ）とに基づいて前記所定時点の車速を推定する車速推定手段１３、車速取得手段１２が取得した車速と、車速推定手段１３が推定した所定時点の車速との差分が、予め定めた閾値Ｔ２を超えた場合に異常行動を検出する異常行動検出手段１４、として機能させる。

以上の説明では、本発明の理解を容易にするために、公知の技術的事項の説明を適宜省略した。

１…異常運転行動検出装置
１０…制御部
１１…記憶部
Ｐ…プログラム、Ｍ…自己回帰モデル
１２…車速取得手段
１３…車速推定手段
１４…異常行動検出手段
２０…報知部
２…車両、３…車速センサ

Claims (6)

1. 車両を運転する運転者による加減速操作に関する異常行動を検出する異常運転行動検出装置であって、
   前記車両の車速を取得する取得手段と、
   前記取得手段が取得した車速と、所定時点の車速を推定するための予め定めた自己回帰モデルとを示す情報を記憶する記憶手段と、
   前記自己回帰モデルと、前記所定時点よりも前の互いに異なる時点における複数の車速とに基づいて前記所定時点の車速を推定する推定手段と、
   前記取得手段が取得した車速と、前記推定手段が推定した前記所定時点の車速との差分が、予め定めた閾値を超えた場合に前記異常行動を検出する検出手段と、を備え、
   前記自己回帰モデルの次数は予め定められ、
   前記推定手段は、前記自己回帰モデルに、前記所定時点よりも前の互いに異なる時点における前記次数分の車速を代入して前記所定時点の車速を推定する、
   ことを特徴とする異常運転行動検出装置。
2. 前記検出手段は、前記取得手段が前記所定時点よりも前の時点で取得した車速と、前記推定手段が推定した前記所定時点の車速との差分が、前記閾値を超えた場合に前記異常行動を検出する、
   ことを特徴とする請求項１に記載の異常運転行動検出装置。
3. 前記自己回帰モデルは、前記車両に予め定めた経路を前記異常行動が生じていない状態で複数回走行させた際の車速の時系列に基づいて予め定められる、
   ことを特徴とする請求項１又は２に記載の異常運転行動検出装置。
4. 前記車両はシミュレータによる仮想上の車両であり、前記シミュレータに備えられる、
   ことを特徴とする請求項１乃至３のいずれか１項に記載の異常運転行動検出装置。
5. 車両を運転する運転者による加減速操作に関する異常行動を検出する異常運転行動検出方法であって、
   前記車両の車速を取得する取得ステップと、
   所定時点の車速を推定するための予め定めた自己回帰モデルと、前記所定時点よりも前の互いに異なる時点における複数の車速とに基づいて前記所定時点の車速を推定する推定ステップと、
   前記取得ステップで取得した車速と、前記推定ステップで推定した前記所定時点の車速との差分が、予め定めた閾値を超えた場合に前記異常行動を検出する検出ステップと、を備え、
   前記自己回帰モデルの次数は予め定められ、
   前記推定ステップでは、前記自己回帰モデルに、前記所定時点よりも前の互いに異なる時点における前記次数分の車速を代入して前記所定時点の車速を推定する、
   ことを特徴とする異常運転行動検出方法。
6. 車両を運転する運転者による加減速操作に関する異常行動を検出するためのプログラムであって、
   コンピュータを、
   前記車両の車速を取得する取得手段、
   所定時点の車速を推定するための予め定めた自己回帰モデルと、前記所定時点よりも前の互いに異なる時点における複数の車速とに基づいて前記所定時点の車速を推定する推定手段、
   前記取得手段が取得した車速と、前記推定手段が推定した前記所定時点の車速との差分が、予め定めた閾値を超えた場合に前記異常行動を検出する検出手段、
   として機能させ、
   前記自己回帰モデルの次数は予め定められ、
   前記推定手段は、前記自己回帰モデルに、前記所定時点よりも前の互いに異なる時点における前記次数分の車速を代入して前記所定時点の車速を推定する、
   プログラム。

Images