JP7238994B2 - 快適性運転データ収集システム、運転制御装置、方法、および、プログラム - Google Patents

快適性運転データ収集システム、運転制御装置、方法、および、プログラム Download PDF

Info

Publication number
JP7238994B2
JP7238994B2 JP2021534561A JP2021534561A JP7238994B2 JP 7238994 B2 JP7238994 B2 JP 7238994B2 JP 2021534561 A JP2021534561 A JP 2021534561A JP 2021534561 A JP2021534561 A JP 2021534561A JP 7238994 B2 JP7238994 B2 JP 7238994B2
Authority
JP
Japan
Prior art keywords
comfort
driving
data
comfortable
activity
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
Application number
JP2021534561A
Other languages
English (en)
Other versions
JPWO2021014738A5 (ja
JPWO2021014738A1 (ja
Inventor
秋紗子 藤井
勇介 小板橋
卓郎 鹿嶋
雄樹 千葉
健治 傍田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Publication of JPWO2021014738A1 publication Critical patent/JPWO2021014738A1/ja
Publication of JPWO2021014738A5 publication Critical patent/JPWO2021014738A5/ja
Application granted granted Critical
Publication of JP7238994B2 publication Critical patent/JP7238994B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/221—Physiology, e.g. weight, heartbeat, health or special needs

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Social Psychology (AREA)
  • Educational Technology (AREA)
  • Veterinary Medicine (AREA)
  • Developmental Disabilities (AREA)
  • Pathology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Child & Adolescent Psychology (AREA)
  • Public Health (AREA)
  • Psychology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Description

本発明は、運転の快適性を示すデータを収集する快適性運転データ収集システム、運転制御装置、快適性運転データ収集方法、運転制御方法、快適性運転データ収集プログラム、および、運転制御プログラムに関する。
近年、運転制御技術の発展により、より快適な運転の制御が望まれている。例えば、個々の運転手からは、より快適と感じるような自動運転車が望まれており、運転をしていない搭乗者からも、より快適に運転が行われる乗物に乗車したいというニーズがある。
例えば、特許文献１には、乗車時の状況の改善または維持に寄与する運転支援装置が記載されている。特許文献１に記載された運転支援装置は、車両の運転状態を監視し、監視結果を車両の外部に設置されたサーバに通知する。サーバは、通知された内容に基づき、知識データベースを用いた提案（又は車両制御）のためのメッセージを出力する。
特開２０１８－１６０１３６号公報
一方、個人の感じる快適性は、人によって異なるため、良い運転や悪い運転を定義することは難しいし、個人が想像する良い運転の方法を、他者に具体的に指示することも困難である。そのため、例えば、自動運転においても、個人の好みを運転反映させることは難しい。
特許文献１に記載された知識データベースが記憶する推奨情報は、一般的な方法であるため、個々の搭乗者が必ずしも快適と感じるものではない。そのため、特許文献１に記載された運転支援装置を用いたとしても、個々の搭乗者の快適性を向上できるとは限らない。
個々の搭乗者について、乗車中の状況が快適か否か判断できるようにするためには、状況に応じた個人の快適性を示すデータを数多く収集できることが好ましい。しかし、乗車中の各状況に対して、搭乗者が快適の有無を逐次判断して、状況に応じた快適性を示すデータを作成することは困難である。また、運転手に対して、体を拘束するようなデバイスを使用することも困難である。
そこで、本発明は、乗車中の運転状況に応じた搭乗者の快適性を示すデータを効率的に収集できる快適性運転データ収集システム、快適性運転データ収集方法、および、快適性運転データ収集プログラム、並びに、運転制御装置、運転制御方法、および、運転制御プログラムを提供することを目的とする。
本発明による快適性運転データ収集システムは、快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて、快適性の度合いを示す快適値を目的変数とし、快適性指標のそれぞれを説明変数とする快適性判定モデルを学習する快適性判定モデル学習部と、乗物に乗車中の対象者の快適性指標をもとに生成された、快適性判定モデルで用いられる説明変数と、その快適性指標が取得された際の乗物の少なくとも加速度の状態を含む運転状況とを対応付けた個人データを対象者ごとに生成する個人データ生成部と、個人データを快適性判定モデルに適用して快適値を算出し、算出された快適値に応じて、快適な運転状況を示す運転データと不快な運転状況を示す運転データとを生成する運転データ生成部とを備えたことを特徴とする。
本発明による運転制御装置は、快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて学習された、快適性の度合いを示す快適値を目的変数とし、快適性指標のそれぞれを説明変数とする快適性判定モデルに対して、乗物に乗車中の対象者の快適性指標をもとに対象者ごとに生成されたその快適性判定モデルで用いられる説明変数と、その快適性指標が取得された際の乗物の少なくとも加速度の状態を含む運転状況とを対応付けた個人データを適用して得られる快適値に応じて生成される、快適な運転状況を示す運転データと不快な運転状況を示す運転データとを第二学習データとして用いて学習された、運転状況に応じた個人の快適状況を示す個人乗車モデルに基づいて、対象者にとって快適と感じる運転を判定する快適運転判定部と、快適運転判定部による判定の結果に基づいて、乗物の運転を制御する情報を出力する快適運転情報出力部とを備えたことを特徴とする。
本発明による快適性運転データ収集方法は、快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて、快適性の度合いを示す快適値を目的変数とし、快適性指標のそれぞれを説明変数とする快適性判定モデルを学習し、乗物に乗車中の対象者の快適性指標をもとに生成された、快適性判定モデルで用いられる説明変数と、その快適性指標が取得された際の乗物の少なくとも加速度の状態を含む運転状況とを対応付けた個人データを対象者ごとに生成し、個人データを快適性判定モデルに適用して快適値を算出し、算出された快適値に応じて、快適な運転状況を示す運転データと不快な運転状況を示す運転データとを生成することを特徴とする。
本発明による運転制御方法は、快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて学習された、快適性の度合いを示す快適値を目的変数とし、快適性指標のそれぞれを説明変数とする快適性判定モデルに対して、乗物に乗車中の対象者の快適性指標をもとに対象者ごとに生成されたその快適性判定モデルで用いられる説明変数と、その快適性指標が取得された際の乗物の少なくとも加速度の状態を含む運転状況とを対応付けた個人データを適用して得られる快適値に応じて生成される、快適な運転状況を示す運転データと不快な運転状況を示す運転データとを第二学習データとして用いて学習された、運転状況に応じた個人の快適状況を示す個人乗車モデルに基づいて、対象者にとって快適と感じる運転を判定し、判定の結果に基づいて、乗物の運転を制御する情報を出力することを特徴とする。
本発明による快適性運転データ収集プログラムは、コンピュータに、快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて、快適性の度合いを示す快適値を目的変数とし、快適性指標のそれぞれを説明変数とする快適性判定モデルを学習する快適性判定モデル学習処理、乗物に乗車中の対象者の快適性指標をもとに生成された、快適性判定モデルで用いられる説明変数と、その快適性指標が取得された際の乗物の少なくとも加速度の状態を含む運転状況とを対応付けた個人データを対象者ごとに生成する個人データ生成処理、および、個人データを快適性判定モデルに適用して快適値を算出し、算出された快適値に応じて、快適な運転状況を示す運転データと不快な運転状況を示す運転データとを生成する運転データ生成処理を実行させることを特徴とする。
本発明による運転制御プログラムは、コンピュータに、快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて学習された、快適性の度合いを示す快適値を目的変数とし、快適性指標のそれぞれを説明変数とする快適性判定モデルに対して、乗物に乗車中の対象者の快適性指標をもとに対象者ごとに生成されたその快適性判定モデルで用いられる説明変数と、その快適性指標が取得された際の乗物の少なくとも加速度の状態を含む運転状況とを対応付けた個人データを適用して得られる快適値に応じて生成される、快適な運転状況を示す運転データと不快な運転状況を示す運転データとを第二学習データとして用いて学習された、運転状況に応じた個人の快適状況を示す個人乗車モデルに基づいて、対象者にとって快適と感じる運転を判定する快適運転判定処理、および、快適運転判定処理での判定の結果に基づいて、乗物の運転を制御する情報を出力する快適運転情報出力処理を実行させることを特徴とする。
本発明によれば、乗車中の状況に応じた搭乗者の快適性を示すデータを効率的に収集できる。
快適状況判定システムの一実施形態の構成例を示すブロック図である。 活動データの例を示す説明図である。 運転データを生成する処理の例を示す説明図である。 快適状況判定システムの動作例を示す説明図である。 運転データを収集する動作例を示すフローチャートである。 乗物の運転を制御する動作例を示すフローチャートである。 個人乗車モデル生成装置の変形例を含む快適状況判定システムの構成例を示すブロック図である。 本発明による快適性運転データ収集システムの概要を示すブロック図である。 本発明による運転制御装置の概要を示すブロック図である。
以下、本発明の実施形態を図面を参照して説明する。
図１は、本発明による快適性運転データ収集システムおよび運転制御装置を含む快適状況判定システムの一実施形態の構成例を示すブロック図である。本実施形態の快適状況判定システム１００は、快適性判定モデル生成装置１０と、個人乗車モデル生成装置２０と、快適運転情報出力装置３０とを備えている。
快適性判定モデル生成装置１０は、各個人が感じる乗車時の快適性の度合いを判定する快適性判定モデルを生成する装置である。本実施形態で想定する個人とは、乗物を実際に運転する運転手だけでなく、乗物の搭乗者も含まれる。以下の説明では、対象とする個人のことを、単に対象者と記すこともある。
本実施形態の快適性判定モデル生成装置１０は、センサ１１と、活動データ生成部１２と、活動データ記憶部１３と、快適性判定モデル学習部１４と、快適性判定モデル記憶部１５とを含む。
センサ１１は、対象者が快適か否かを測る指標を検知するセンサである。以下の説明では、対象者個人の快適か否かを測る指標のことを、快適性指標と記す。なお、快適性指標は、快適か否かが直接測定できる指標に限定されず、間接的に測定できる情報であってもよい。快適性指標は、例えば、人間の生命特徴（脈拍、血圧、体温など）や、体の維持状態（重心の変化など）である。具体的には、センサ１１は、心拍を取得する心拍計、脳波を取得する脳波計、体温や室温を取得するサーモカメラ、体温を取得する体温計、声色や雑音などを取得する集音マイク、声色を取得するＡＩ（Artificial Intelligence ）スピーカなどである。これ以外にも、センサ１１として、体の揺れや重心を取得する重量センサ、心拍や脈拍、血圧、ストレスレベル、酸素飽和度を取得する赤外線センサ、臭気を取得するにおいセンサが用いられてもよい。また、表情や体の揺れ、瞬きの回数、顔色、特定の動きの回数、声色、眠気、集中力といった各種情報を取得できるスマートフォンやカメラなどがセンサ１１として用いられてもよい。快適性センサ１１は、複数存在してもよく、また、対象者を拘束せずに快適性指標を取得できるセンサであることが好ましい。
なお、本実施形態では、センサ１１が対象者の快適性指標を検知する状況は、乗車時に限られない。ただし、本実施形態では、センサ１１が対象者の快適性指標を検知する活動の状況が識別できるものとし、その活動が、対象者にとって快適な活動か不快な活動かが、予め定められているものとする。
例えば、視覚の観点では、好きなテレビ番組（例えば、ドラマ）を視聴している状況は、快適な活動をしている状況と言えるし、興味のないテレビ番組（例えば、株価紹介）を視聴している状況は、不快な活動をしている状況と言える。また、聴覚の観点では、親しい友人と話したり、好みの音楽を聴いたりしている状況は、快適な活動をしている状況と言えるし、初対面の人と話したり、嫌な音（例えば、黒板を引っかく音）を聞いたりしている状況は、不快な活動をしている状況と言える。
他にも、触覚の観点では、涼しいところで過ごす、肩もみをしてもらう、深呼吸するなどの状況は、快適な活動をしている状況と言えるし、蒸し暑いところで過ごす、手の甲をつねられる、１分間目を開け続ける、などの状況は、不快な活動をしている状況と言える。また、味覚の観点では、好きな食べ物（例えば、ケーキ）を食べている状況は、快適な活動をしている状況と言えるし、嫌いな食べ物（例えば、ピーマン）を食べている状況は、不快な活動をしている状況と言える。
さらに、臭覚の観点では、好きなにおい（例えば、柑橘系）を嗅いでいる状況は、快適な活動をしている状況と言えるし、嫌いなにおい（例えば、ゴミ）を嗅いでいる状況は、不快な活動をしている状況と言える。このように、本実施形態では、センサ１１は、対象者が活動をしている快適または不快な状況に応じた快適性指標を検知する。ただし、上述する活動は例示であり、対象者が快適と感じる任意の活動の状況、不快と感じる任意の活動の状況が想定されればよい。
活動データ生成部１２は、センサ１１で検知された快適性指標と、その快適性指標が検知された際の快適か否かを示す情報とを対応付けた活動データを生成する。具体的には、活動データ生成部１２は、快適な活動に分類される活動が行われた際の快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データのいずれか一方、または両方を生成する。
例えば、好きなテレビ番組を視聴している状況で、センサ１１により心拍数が取得されたとする。このとき、取得された心拍数は、快適な活動時の快適性指標であると言える。この場合、活動データ生成部１２は、この状況における快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データを生成してもよい。具体的には、例えば、好きなテレビ番組を１時間視聴し、センサ１１により、そのときの６０秒あたりの心拍数を逐次収集するとする。この場合、活動データ生成部１２は、６０秒あたりの心拍数を逐次収集し、収集した心拍数と快適性を示す教師ラベルとを対応付けた快適活動データを時系列で生成してもよい。
同様に、興味のないテレビ番組を視聴している状況で、センサ１１により心拍数が取得されたとする。このとき、取得された心拍数は、不快な活動時の快適性指標であると言える。この場合、活動データ生成部１２は、このときの快適性指標と不快性を示す教師ラベルとを対応付けた快適活動データを生成してもよい。上記と同様、例えば、興味のないテレビ番組を１時間視聴し、センサ１１により、そのときの６０秒あたりの心拍数を逐次収集するとする。この場合、活動データ生成部１２は、６０秒あたりの心拍数を逐次収集し、収集した心拍数と不快性を示す教師ラベルとを対応付けた不快活動データを時系列で生成してもよい。
図２は、活動データの例を示す説明図である。図２に示す例では、活動データ生成部１２が、６０秒あたりの心拍数を快適または不快ごとに集計して、快適活動データおよび不快活動データを生成し、時系列に表示していることを示す。活動データ生成部１２は、他にも、６０秒あたりの瞬きの回数などを集計してもよい。活動データ生成部１２は、生成した活動データを活動データ記憶部１３に記憶する。
活動データ記憶部１３は、生成された活動データを記憶する。具体的には、活動データ記憶部１３は、快適活動データおよび不快活動データを、それぞれ、快適活動ＤＢ（Database）１３ａおよび、不快活動ＤＢ１３ｂに記憶してもよい。活動データ記憶部１３は、例えば、磁気ディスク等により実現される。
快適性判定モデル学習部１４は、快適活動データおよび不快活動データを学習データとして用いて、快適性の度合い（以下、快適値と記すこともある。）を目的変数とし、センサ１１によって取得される快適性指標のそれぞれを説明変数とする快適性判定モデルを学習する。なお、後述する学習データと区別するため、快適活動データおよび不快活動データを第一学習データと記すこともある。
快適性判定モデル学習部１４は、センサ１１によって検知された快適性指標そのものを説明変数として用いてもよく、一定期間の快適性指標を集計したものを説明変数として用いてもよい。快適性判定モデル学習部１４は、例えば、上述するように、６０秒あたりの心拍数や、６０秒あたりの瞬きの回数を説明変数として用いてもよい。
快適性判定モデル学習部１４が快適性判定モデルを学習する方法は任意である。快適性判定モデル学習部１４は、例えば、重回帰分析を用いて快適性判定モデルを学習してもよい。上記の例において、６０秒あたりの心拍数や、６０秒あたりの瞬きの回数が説明変数として用いられる場合、快適性判定モデルを、
快適度 ＝ ａ×（６０秒あたりの心拍数）＋ｂ×（６０秒あたりの瞬きの回数）＋ｃ
のように表すことが可能である。快適性判定モデル学習部１４は、生成した快適性判定モデルを快適性判定モデル記憶部１５に記憶する。
快適性判定モデル記憶部１５は、対象者ごとに快適性判定モデルを記憶する。また、快適性判定モデル記憶部１５は、個人乗車モデル生成装置２０に接続され、後述する運転データの生成時に利用される。快適性判定モデル記憶部１５は、例えば、磁気ディスク等により実現される。
個人乗車モデル生成装置２０は、センサ２１と、個人データ生成部２２と、個人データ記憶部２３と、運転データ生成部２４と、運転データ記憶部２５と、個人乗車モデル学習部２６と、個人乗車モデル記憶部２７とを含む。
センサ２１は、センサ１１と同様、対象者の快適性指標を検知するセンサである。具体的には、センサ２１は、例えば、快適性を判断する乗物に搭載され、乗車時の対象者の快適性指標を検知する。なお、センサ２１が検知する快適性指標の内容は、センサ１１が検知する快適性指標の内容と同様である。
個人データ生成部２２は、センサ２１によって検知された乗車中の対象者の快適性指標から、快適性判定モデルに適用する対象者の個人データ（以下、単に個人データと記す。）を生成する。具体的には、個人データ生成部２２は、検知された快適性指標をもとに生成された、快適性判定モデルで用いられる説明変数、および、その快適性指標が検知された際の乗物の運転状況を含む個人データを対象者ごとに生成する。
上述の例の場合、個人データ生成部２２は、センサ２１が取得した６０秒あたりの心拍数や、６０秒あたりの瞬き回数を集計した説明変数と、そのときの乗物の運転状況とを対応付けた個人データを生成してもよい。運転状況は、例えば、乗物の操作情報であり、アクセル開度やブレーキ圧、ハンドル操作の角度などが挙げられる。個人データ生成部２２は、生成した個人データを個人データ記憶部２３に記憶する。
個人データ記憶部２３は、対象者の個人データを記憶する。個人データ記憶部２３は、例えば、磁気ディスク等により実現される。
運転データ生成部２４は、個人データを対象者の快適性判定モデルに適用して、対象者の快適性の度合い（すなわち、快適値）が判定された運転データを生成する。具体的には、運転データ生成部２４は、快適性判定モデル記憶部１５から対象者の快適性判定モデルを取得し、取得した快適性判定モデルに個人データを適用して、快適値を算出する。そして、運転データ生成部２４は、算出された快適値に応じて、快適な運転状況を示す運転データ（以下、快適運転データと記す。）と不快な運転状況を示す運転データ（以下、不快運転データと記す。）を生成する。
運転データ生成部２４は、予め定めた閾値と算出された快適値を比較して、快適運転データと不快運転データを生成してもよい。運転データ生成部２４は、例えば、快適値が閾値を超えている場合、快適運転データとして、個人データに含まれる運転状況と快適運転フラグとを対応付けた運転データを生成してもよい。一方、快適値が閾値以下の場合、運転データ生成部２４は、不快運転データとして、個人データに含まれる運転状況と不快運転フラグとを対応付けた運転データを生成してもよい。
以下、具体例を用いて、運転データの生成方法を説明する。例えば、個人データに、乗車中の「６０秒あたりの心拍数」、「６０秒あたりの瞬き回数」、および、乗車中の個人の特徴を示すデータ（運転状況）が含まれているとする。運転データ生成部２４は、この個人データを快適性判定モデルに適用して、快適値を算出する。ここで、快適値が０．７と出力されたとする。また、快適と判断する閾値が０．５に設定されているとする。この場合、快適値が閾値を超えているため、運転データ生成部２４は、そのときの個人データに快適運転フラグを設定し、快適運転フラグと運転状況とを含むデータを運転データとして生成する。
図３は、運転データを生成する処理の例を示す説明図である。図３に例示するグラフは、時系列に快適値の推移を表わす。図３に示す例では、閾値が０．５に設定されているものとする。このとき、運転データ生成部２４は、判定時の快適値が閾値（０．５）を超えている個人データに快適運転フラグを設定して（または、閾値以下の個人データに不快運転フラグを設定して）運転データを生成すればよい。
運転データ生成部２４は、生成した運転データを運転データ記憶部２５に記憶する。運転データは、上述するように、運転状況（アクセス加速度やブレーキ圧、ハンドル操作の角度）に応じて快適運転フラグ（不快運転フラグ）が設定されたデータである。
運転データ記憶部２５は、運転データを記憶する。具体的には、運転データ記憶部２５は、快適運転データおよび不快運転データを、それぞれ、快適運転ＤＢ２５ａおよび、不快運転ＤＢ２５ｂに記憶してもよい。運転データ記憶部２５は、例えば、磁気ディスク等により実現される。
個人乗車モデル学習部２６は、生成された運転データを学習データとして用いて、運転状況に応じた個人の快適状況を示す個人乗車モデルを学習する。なお、快適性判定モデル学習部１４が用いる学習データと区別するため、個人乗車モデル学習部２６が学習に用いる運転データを第二学習データと記すこともある。
個人乗車モデル学習部２６が個人乗車モデルを学習する方法は任意である。個人乗車モデル学習部２６は、例えば、逆強化学習を用いて個人乗車モデル（報酬関数）を学習してもよい。個人乗車モデル学習部２６は、学習された個人乗車モデルを個人乗車モデル記憶部２７に記憶する。
個人乗車モデル記憶部２７は、生成された個人乗車モデル記憶部２７を記憶する。また、個人乗車モデル記憶部２７は、快適運転情報出力装置３０に接続され、快適状況の判定に利用される。個人乗車モデル記憶部２７は、例えば、磁気ディスク等により実現される。
快適運転情報出力装置３０は、運転状況取得部３１と、快適運転判定部３２と、快適運転情報出力部３３とを含む。
運転状況取得部３１は、対象者が乗車中の乗物の運転状況を取得する。運転状況取得部３１は、例えば、車載センサなどにより実現され、上述するアクセル開度やブレーキ圧、ハンドル操作の角度などを取得する。
快適運転判定部３２は、個人乗車モデルに基づき、対象者にとって快適と感じる運転を判定する。例えば、逆強化学習により個人乗車モデル（報酬関数）が生成されている場合、快適運転判定部３２は、報酬を最適化するような運転を快適運転として推定してもよい。具体的には、快適運転判定部３２は、快適運転データとして記憶されている情報をもとに、快適な運転（報酬）に近づく具体的な運転操作（最適な行動）を生成してもよい。
快適運転情報出力部３３は、快適運転判定部３２による判定結果を出力する。快適運転情報出力部３３は、対象者が乗車中の乗物の運転状況と、個人乗車モデルによる判定結果とを比較した結果を出力してもよい。また、快適運転情報出力部３３は、判定結果を逐次出力してもよく、予め定めた通知の基準を満たす場合に、判定結果を出力してもよい。
例えば、快適と判定される運転が５分間連続している（快適運転フラグが設定されている運転状況が５分間連続している）場合に、快適運転情報出力部３３は、「良い運転です」という内容の判定結果を出力してもよい。一方で、例えば、不快と判定される運転が５分間連続している（不快運転フラグが設定されている運転状況が５分間連続している）場合に、快適運転情報出力部３３は、具体的な操作内容の内容（例えば、「アクセルを緩やかに踏んでください」という内容）の判定結果を出力してもよい。
なお、快適運転情報出力部３３は、判定結果を、上述するように各種出力装置に出力（音声出力や、インストルメントパネルへ出力）させてもよい。また、快適運転情報出力部３３は、快適運転判定部３２による判定の結果に基づいて、乗物の運転を制御する情報を、その乗物の制御部（図示せず）に対して出力してもよい。具体的には、快適運転情報出力部３３は、自動運転の場合に快適性を維持できるよう、乗物の制御部に制御方法を通知してもよい。
なお、本実施形態では、快適性判定モデル生成装置１０に含まれる快適性判定モデル学習部１４、並びに、個人乗車モデル生成装置２０に含まれる個人データ生成部２２および運転データ生成部２４が、活動データおよびを用いて個人データを用いて、運転データを生成できる。そのため、こられの構成を少なくとも含むシステムを、快適性運転データ収集システム２００と言うことができる。
また、快適運転判定部３２および快適運転情報出力部３３によって、快適性判定モデルに個人データを適用して生成される運転データから学習された個人乗車モデルを用いて、対象者にとって快適に感じるように乗物の運転を制御できる。そのため、快適運転判定部３２および快適運転情報出力部３３を含む装置を、運転制御装置３００ということができる。
運転制御装置３００（より具体的には、快適運転情報出力部３３）は、例えば、車両の出力装置に対して、快適な運転を示す情報を出力させてもよい。出力の具体例として、インストルメントパネルへ「アクセルを緩やかに踏んでください」と表示させることや、スピーカへ「アクセルを緩やかに踏んでください」と音声出力することなどが挙げられる。
また、他にも、運転制御装置３００（快適運転情報出力部３３）は、自動運転車の制御部に対して、快適な運転を実現させる各種信号を通知してもよい。例えば、アクセル操作を緩やかに制御させたい場合、運転制御装置３００は、自動運転車の制御部に対して、アクセルのかけ方を緩やかにするよう操作信号を出力してもよい。
活動データ生成部１２と、快適性判定モデル学習部１４と、個人データ生成部２２と、運転データ生成部２４と、個人乗車モデル学習部２６とは、プログラム（快適性運転データ収集プログラム）に従って動作するコンピュータのプロセッサ（例えば、ＣＰＵ（Central Processing Unit ）、ＧＰＵ（Graphics Processing Unit））によって実現される。
例えば、プログラムは、快適性判定モデル生成装置１０や個人乗車モデル生成装置２０の記憶部（図示せず）に記憶され、プロセッサは、そのプログラムを読み込み、プログラムに従って、活動データ生成部１２、快適性判定モデル学習部１４、個人データ生成部２２、運転データ生成部２４および個人乗車モデル学習部２６として動作してもよい。また、快適状況判定システムの機能がＳａａＳ（Software as a Service ）形式で提供されてもよい。
活動データ生成部１２と、快適性判定モデル学習部１４と、個人データ生成部２２と、運転データ生成部２４と、個人乗車モデル学習部２６とは、それぞれが専用のハードウェアで実現されていてもよい。また、各装置の各構成要素の一部又は全部は、汎用または専用の回路（circuitry ）、プロセッサ等やこれらの組合せによって実現されてもよい。これらは、単一のチップによって構成されてもよいし、バスを介して接続される複数のチップによって構成されてもよい。各装置の各構成要素の一部又は全部は、上述した回路等とプログラムとの組合せによって実現されてもよい。
また、快適状況判定システムの各構成要素の一部又は全部が複数の情報処理装置や回路等により実現される場合には、複数の情報処理装置や回路等は、集中配置されてもよいし、分散配置されてもよい。例えば、情報処理装置や回路等は、クライアントサーバシステム、クラウドコンピューティングシステム等、各々が通信ネットワークを介して接続される形態として実現されてもよい。
また、快適性判定モデル生成装置１０と、個人乗車モデル生成装置２０と、快適運転情報出力装置３０とが、それぞれ同一の装置で実現されていてもよいし、各装置の各構成が、他の装置の構成と組み合わされて、別の装置として実現されていてもよい。
次に、本実施形態の快適状況判定システム１００の動作例を説明する。図４は、本実施形態の快適状況判定システム１００の動作例を示す説明図である。活動データ生成部１２は、センサ１１によって検知された「快適」な活動をする状況での快適性指標から快適活動データを生成し、活動データ記憶部１３の快適活動ＤＢ１３ａに記憶する。同様に、活動データ生成部１２は、センサ１１によって検知された「不快」な活動をする状況での快適性指標から不快活動データを生成し、活動データ記憶部１３の不快活動ＤＢ１３ｂに記憶する。
快適性判定モデル学習部１４は、快適活動データおよび不快活動データから快適性判定モデルを学習する（ステップＳ１０１）。快適性判定モデル学習部１４は、生成した快適性判定モデルを快適性判定モデル記憶部１５に記憶する。
その後、個人データ生成部２２は、センサ２１によって検知された、乗物に乗車中の搭乗者の快適性指標から個人データを生成し、個人データ記憶部２３に記憶する。運転データ生成部２４は、個人データを快適性モデルに適用して、快適運転データおよび不快運転データを生成し（ステップＳ１０２）、運転データ記憶部２５の快適運転ＤＢ２５ａおよび不快運転ＤＢ２５ｂにそれぞれ記憶する。
個人乗車モデル学習部２６は、快適運転データおよび不快運転データから、個人乗車モデルを学習し（ステップＳ１０３）、個人乗車モデル記憶部２７に記憶する。
そして、運転状況取得部３１は、対象者が登場する乗物の運転状況を取得すると（ステップＳ１０４）、快適運転判定部３２は、個人乗車モデルに運転状況を適用し（ステップＳ１０５）、対象者にとって快適と感じる運転を判定する。快適運転情報出力部３３は、快適な運転に必要な運転状況を示し（ステップＳ１０６）、運転手や搭乗者、自動運転車に、その運転状況を通知する（ステップＳ１０７）。
図５は、運転データを収集する動作例を示すフローチャートである。快適性判定モデル学習部１４は、快適活動データおよび不快活動データを用いて、快適性判定モデルを学習する（ステップＳ１１）。個人データ生成部２２は、乗物に乗車中の対象者の快適性指標をもとに生成された説明変数、および、その乗物の運転状況を含む個人データを生成する（ステップＳ１２）。そして、運転データ生成部２４は、個人データを快適性判定モデルに適用して快適値を算出し、算出された快適値に応じて、快適運転データおよび不快運転データを生成する（ステップＳ１３）。
図６は、乗物の運転を制御する動作例を示すフローチャートである。快適運転判定部３２は、個人乗車モデルに基づいて、対象者にとって快適と感じる運転を判定する（ステップＳ２１）。快適運転情報出力部３３は、判定の結果に基づいて、乗物の運転を制御する情報を出力する（ステップＳ２２）。
以上のように、本実施形態では、快適性判定モデル学習部１４が、快適活動データおよび不快活動データを用いて、快適性判定モデルを学習し、個人データ生成部２２が、乗物に乗車中の対象者の快適性指標をもとに生成された説明変数、および、その乗物の運転状況を含む個人データを生成する。そして、運転データ生成部２４が、個人データを快適性判定モデルに適用して快適値を算出し、算出された快適値に応じて、快適運転データおよび不快運転データを生成する。よって、乗車中の状況に応じた搭乗者の快適性を示すデータを効率的に収集できる。
また、本実施形態では、快適運転判定部３２が、個人乗車モデルに基づいて、対象者にとって快適と感じる運転を判定し、快適運転情報出力部３３が、判定の結果に基づいて、乗物の運転を制御する情報を出力する。よって、対象者から効率的に収集されたデータを用いて、対象者にとって快適になるように乗物の運転を制御できる。
次に、本実施形態の個人乗車モデル生成装置の変形例を説明する。図７は、個人乗車モデル生成装置の変形例を含む快適状況判定システム１００ａの構成例を示すブロック図である。本変形例の汎用乗車モデル生成装置２０ａは、センサ２１と、個人データ生成部２２と、個人データ記憶部２３と、運転データ生成部２４と、運転データ記憶部２５と、汎用乗車モデル学習部２６ａと、汎用乗車モデル記憶部２７ａとを含む。
すなわち、本変形例の快適状況判定システム１００ａは、上記実施形態の個人乗車モデル生成装置２０の代わりに汎用乗車モデル生成装置２０ａを含み、上記実施形態の個人乗車モデル学習部２６および個人乗車モデル記憶部２７の代わりに、汎用乗車モデル学習部２６ａおよび汎用乗車モデル記憶部２７ａを含む点において異なる。それ以外の構成は、上記実施形態と同様である。また、個人乗車モデル生成装置２０と汎用乗車モデル生成装置２０ａのいずれも、対象者の乗車モデルを学習する装置（乗車モデル生成装置）と言うことができる。
汎用乗車モデル学習部２６ａは、生成された複数名の運転データを学習データとして用いて、運転状況に応じた汎用的な快適状況を示す汎用乗車モデルを学習する。すなわち、上記実施形態では、個人ごとに乗車モデルを学習したが、本変形例では、複数名を対象にした汎用的な乗車モデルを生成する。学習データとして用いる対象者の決定方法は任意である。例えば、対象者の性別や年代、地域などの単位で対象者を決定してもよい。
また、汎用乗車モデル学習部２６ａが汎用乗車モデルを学習する方法は任意である。汎用乗車モデル学習部２６ａは、上記実施形態と同様に、逆強化学習を用いて汎用乗車モデル（報酬関数）を学習してもよい。汎用乗車モデル学習部２６ａは、学習された汎用乗車モデルを汎用乗車モデル記憶部２７ａに記憶する。
以上のように、本変形例では、汎用乗車モデル学習部２６ａが、生成された複数名の運転データを学習データとして用いて、運転状況に応じた汎用的な快適状況を示す汎用乗車モデルを学習する。そのような構成により、複数向けの運転操作を判定するモデルを作成できる。例えば、個人単位の学習データが少ない場合であっても、乗車モデルの精度を向上させることが可能になる。
次に、本発明の概要を説明する。図８は、本発明による快適性運転データ収集システムの概要を示すブロック図である。本発明による快適性運転データ収集システム８０（例えば、快適性運転データ収集システム２００）は、快適な活動に分類される活動（例えば、好きなテレビ番組を視聴、など）が行われた際の個人の快適か否かを測る指標である快適性指標（例えば、心拍数、瞬き回数、など）と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動（例えば、興味のないテレビ番組を視聴、など）が行われた際の快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて、快適性の度合いを示す快適値を目的変数とし、快適性指標のそれぞれを説明変数とする快適性判定モデルを学習する快適性判定モデル学習部８１（例えば、快適性判定モデル学習部１４）と、乗物に乗車中の対象者の快適性指標をもとに生成された、快適性判定モデルで用いられる説明変数（例えば、６０秒あたりの心拍数、など）、および、その快適性指標が取得された際の乗物の運転状況（例えば、アクセル開度やブレーキ圧、ハンドル操作の角度、など）を含む個人データを対象者ごとに生成する個人データ生成部８２（例えば、個人データ生成部２２）と、個人データを快適性判定モデルに適用して快適値を算出し、算出された快適値に応じて、快適な運転状況を示す運転データと不快な運転状況を示す運転データとを生成する運転データ生成部８３（例えば、運転データ生成部２４）とを備えている。
そのような構成により、乗車中の運転状況に応じた搭乗者の快適性を示すデータを効率的に収集できる。
また、快適性運転データ収集システム８０は、快適な運転状況を示す運転データと不快な運転状況を示す運転データとを第二学習データとして用いて、運転状況に応じた対象者の快適状況を示す乗車モデル（例えば、個人乗車モデル、汎用乗車モデル）を学習する乗車モデル学習部（例えば、個人乗車モデル学習部２６、汎用乗車モデル学習部２６ａ）を備えていてもよい。
そのような構成によれば、効率よく収集できた運転データを用いて搭乗者の快適状況を推定することが可能になる。
具体的には、乗車モデル学習部は、逆強化学習により乗車モデルを学習してもよい。
また、快適性運転データ収集システム８０は、対象者が乗車中の乗物の運転状況と、乗車モデルによる判定結果とを比較した結果を出力する快適運転情報出力部（例えば、快適運転情報出力装置３０）を備えていてもよい。そのような構成によれば、効率よく収集できた運転データを用いて推定された搭乗者の快適状況を対象者が把握できる。
また、運転データ生成部は、快適値が閾値（例えば、閾値０．５など）を超えている場合、快適運転データとして、個人データに含まれる運転状況と快適運転フラグとを対応付けた運転データを生成し、快適値が閾値以下の場合、不快運転データとして、個人データに含まれる運転状況と不快運転フラグとを対応付けた運転データを生成してもよい。
図９は、本発明による運転制御装置の概要を示すブロック図である。本発明による運転制御装置９０（例えば、運転制御装置３００）は、快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて学習された、快適性の度合いを示す快適値を目的変数とし、快適性指標のそれぞれを説明変数とする快適性判定モデルに対して、乗物に乗車中の対象者の快適性指標をもとに対象者ごとに生成されたその快適性判定モデルで用いられる説明変数、および、その快適性指標が取得された際の乗物の運転状況を含む個人データを適用して得られる快適値に応じて生成される、快適な運転状況を示す運転データと不快な運転状況を示す運転データとを第二学習データとして用いて学習された、運転状況に応じた対象者の快適状況を示す乗車モデルに基づいて、対象者にとって快適と感じる運転を判定する快適運転判定部９１（例えば、快適運転判定部３２）と、快適運転判定部９１による判定の結果に基づいて、乗物の運転を制御する情報を出力する快適運転情報出力部９２（例えば、快適運転情報出力部３３）とを備えている。
そのような構成により、効率的に収集された、乗車中の状況に応じた搭乗者の快適性を示すデータを用いて、対象者にとって快適になるように乗物の運転を把握したり、制御できたりする。
上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
（付記１）快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の前記快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて、快適性の度合いを示す快適値を目的変数とし、前記快適性指標のそれぞれを説明変数とする快適性判定モデルを学習する快適性判定モデル学習部と、
乗物に乗車中の対象者の前記快適性指標をもとに生成された、前記快適性判定モデルで用いられる説明変数、および、当該快適性指標が取得された際の乗物の運転状況を含む個人データを対象者ごとに生成する個人データ生成部と、前記個人データを前記快適性判定モデルに適用して前記快適値を算出し、算出された前記快適値に応じて、快適な運転状況を示す運転データと不快な運転状況を示す運転データとを生成する運転データ生成部とを備えたことを特徴とする快適性運転データ収集システム。
（付記２）快適な運転状況を示す運転データと不快な運転状況を示す運転データとを第二学習データとして用いて、運転状況に応じた対象者の快適状況を示す乗車モデルを学習する乗車モデル学習部を備えた付記１記載の快適性運転データ収集システム。
（付記３）乗車モデル学習部は、逆強化学習により乗車モデルを学習する付記２記載の快適性運転データ収集システム。
（付記４）対象者が乗車中の乗物の運転状況と、乗車モデルによる判定結果とを比較した結果を出力する快適運転情報出力部を備えた付記２または付記３記載の快適性運転データ収集システム。
（付記５）運転データ生成部は、快適値が閾値を超えている場合、快適運転データとして、個人データに含まれる運転状況と快適運転フラグとを対応付けた運転データを生成し、快適値が閾値以下の場合、不快運転データとして、個人データに含まれる運転状況と不快運転フラグとを対応付けた運転データを生成する付記１から付記４のうちのいずれか１つに記載の快適性運転データ収集システム。
（付記６）快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の前記快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて学習された、快適性の度合いを示す快適値を目的変数とし、前記快適性指標のそれぞれを説明変数とする快適性判定モデルに対して、乗物に乗車中の対象者の前記快適性指標をもとに対象者ごとに生成された当該快適性判定モデルで用いられる説明変数、および、当該快適性指標が取得された際の乗物の運転状況を含む個人データを適用して得られる快適値に応じて生成される、快適な運転状況を示す運転データと不快な運転状況を示す運転データとを第二学習データとして用いて学習された、運転状況に応じた対象者の快適状況を示す乗車モデルに基づいて、対象者にとって快適と感じる運転を判定する快適運転判定部と、前記快適運転判定部による判定の結果に基づいて、前記乗物の運転を制御する情報を出力する快適運転情報出力部とを備えたことを特徴とする運転制御装置。
（付記７）快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の前記快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて、快適性の度合いを示す快適値を目的変数とし、前記快適性指標のそれぞれを説明変数とする快適性判定モデルを学習し、乗物に乗車中の対象者の前記快適性指標をもとに生成された、前記快適性判定モデルで用いられる説明変数、および、当該快適性指標が取得された際の乗物の運転状況を含む個人データを対象者ごとに生成し、前記個人データを前記快適性判定モデルに適用して前記快適値を算出し、算出された前記快適値に応じて、快適な運転状況を示す運転データと不快な運転状況を示す運転データとを生成することを特徴とする快適性運転データ収集方法。
（付記８）快適な運転状況を示す運転データと不快な運転状況を示す運転データとを第二学習データとして用いて、運転状況に応じた個人の快適状況を示す個人乗車モデルを学習する付記７記載の快適性運転データ収集方法。
（付記９）快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の前記快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて学習された、快適性の度合いを示す快適値を目的変数とし、前記快適性指標のそれぞれを説明変数とする快適性判定モデルに対して、乗物に乗車中の対象者の前記快適性指標をもとに対象者ごとに生成された当該快適性判定モデルで用いられる説明変数、および、当該快適性指標が取得された際の乗物の運転状況を含む個人データを適用して得られる快適値に応じて生成される、快適な運転状況を示す運転データと不快な運転状況を示す運転データとを第二学習データとして用いて学習された、運転状況に応じた対象者の快適状況を示す乗車モデルに基づいて、対象者にとって快適と感じる運転を判定し、前記判定の結果に基づいて、前記乗物の運転を制御する情報を出力することを特徴とする運転制御方法。
（付記１０）コンピュータに、快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の前記快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて、快適性の度合いを示す快適値を目的変数とし、前記快適性指標のそれぞれを説明変数とする快適性判定モデルを学習する快適性判定モデル学習処理、乗物に乗車中の対象者の前記快適性指標をもとに生成された、前記快適性判定モデルで用いられる説明変数、および、当該快適性指標が取得された際の乗物の運転状況を含む個人データを対象者ごとに生成する個人データ生成処理、および、前記個人データを前記快適性判定モデルに適用して前記快適値を算出し、算出された前記快適値に応じて、快適な運転状況を示す運転データと不快な運転状況を示す運転データとを生成する運転データ生成処理を実行させるための快適性運転データ収集プログラム。
（付記１１）コンピュータに、快適な運転状況を示す運転データと不快な運転状況を示す運転データとを第二学習データとして用いて、運転状況に応じた個人の快適状況を示す乗車モデルを学習する乗車モデル学習処理を実行させる付記１０記載の快適性運転データ収集プログラム。
（付記１２）コンピュータに、快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の前記快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて学習された、快適性の度合いを示す快適値を目的変数とし、前記快適性指標のそれぞれを説明変数とする快適性判定モデルに対して、乗物に乗車中の対象者の前記快適性指標をもとに対象者ごとに生成された当該快適性判定モデルで用いられる説明変数、および、当該快適性指標が取得された際の乗物の運転状況を含む個人データを適用して得られる快適値に応じて生成される、快適な運転状況を示す運転データと不快な運転状況を示す運転データとを第二学習データとして用いて学習された、運転状況に応じた対象者の快適状況を示す乗車モデルに基づいて、対象者にとって快適と感じる運転を判定する快適運転判定処理、および、前記快適運転判定処理での判定の結果に基づいて、前記乗物の運転を制御する情報を出力する快適運転情報出力処理部を実行させるための運転制御プログラム。
以上、実施形態及び実施例を参照して本願発明を説明したが、本願発明は上記実施形態および実施例に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
この出願は、２０１９年７月１９日に出願された日本特許出願２０１９－１３３４８４を基礎とする優先権を主張し、その開示の全てをここに取り込む。
１０ 快適性判定モデル生成装置
１１ センサ
１２ 活動データ生成部
１３ 活動データ記憶部
１４ 快適性判定モデル学習部
１５ 快適性判定モデル記憶部
２０ 個人乗車モデル生成装置
２０ａ 汎用乗車モデル生成装置
２１ センサ
２２ 個人データ生成部
２３ 個人データ記憶部
２４ 運転データ生成部
２５ 運転データ記憶部
２６ 個人乗車モデル学習部
２６ａ 汎用乗車モデル学習部
２７ 個人乗車モデル記憶部
２７ａ 汎用乗車モデル記憶部
３０ 快適運転情報出力装置
３１ 運転状況取得部
３２ 快適運転判定部
３３ 快適運転情報出力部
１００ 快適状況判定システム
２００ 快適性運転データ収集システム
３００ 運転制御装置

Claims (10)

  1. 快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の前記快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて、快適性の度合いを示す快適値を目的変数とし、前記快適性指標のそれぞれを説明変数とする快適性判定モデルを学習する快適性判定モデル学習部と、
    乗物に乗車中の対象者の前記快適性指標をもとに生成された、前記快適性判定モデルで用いられる説明変数と、当該快適性指標が取得された際の乗物の少なくとも加速度の状態を含む運転状況とを対応付けた個人データを対象者ごとに生成する個人データ生成部と、
    前記個人データを前記快適性判定モデルに適用して前記快適値を算出し、算出された前記快適値に応じて、快適な前記運転状況を示す運転データと不快な前記運転状況を示す運転データとを生成する運転データ生成部とを備えた
    ことを特徴とする快適性運転データ収集システム。
  2. 快適な運転状況を示す運転データと不快な運転状況を示す運転データとを第二学習データとして用いて、運転状況に応じた対象者の快適状況を示す乗車モデルを学習する乗車モデル学習部を備えた
    請求項１記載の快適性運転データ収集システム。
  3. 乗車モデル学習部は、逆強化学習により乗車モデルを学習する
    請求項２記載の快適性運転データ収集システム。
  4. 対象者が乗車中の乗物の運転状況と、乗車モデルによる判定結果とを比較した結果を出力する快適運転情報出力部を備えた
    請求項２または請求項３記載の快適性運転データ収集システム。
  5. 運転データ生成部は、快適値が閾値を超えている場合、快適運転データとして、個人データに含まれる運転状況と快適運転フラグとを対応付けた運転データを生成し、快適値が閾値以下の場合、不快運転データとして、個人データに含まれる運転状況と不快運転フラグとを対応付けた運転データを生成する
    請求項１から請求項４のうちのいずれか１項に記載の快適性運転データ収集システム。
  6. 快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の前記快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて学習された、快適性の度合いを示す快適値を目的変数とし、前記快適性指標のそれぞれを説明変数とする快適性判定モデルに対して、乗物に乗車中の対象者の前記快適性指標をもとに対象者ごとに生成された当該快適性判定モデルで用いられる説明変数と、当該快適性指標が取得された際の乗物の少なくとも加速度の状態を含む運転状況とを対応付けた個人データを適用して得られる快適値に応じて生成される、快適な前記運転状況を示す運転データと不快な前記運転状況を示す運転データとを第二学習データとして用いて学習された、運転状況に応じた対象者の快適状況を示す乗車モデルに基づいて、対象者にとって快適と感じる運転を判定する快適運転判定部と、
    前記快適運転判定部による判定の結果に基づいて、前記乗物の運転を制御する情報を出力する快適運転情報出力部とを備えた
    ことを特徴とする運転制御装置。
  7. コンピュータが、快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の前記快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて、快適性の度合いを示す快適値を目的変数とし、前記快適性指標のそれぞれを説明変数とする快適性判定モデルを学習し、
    前記コンピュータが、乗物に乗車中の対象者の前記快適性指標をもとに生成された、前記快適性判定モデルで用いられる説明変数と、当該快適性指標が取得された際の乗物の少なくとも加速度の状態を含む運転状況とを対応付けた個人データを対象者ごとに生成し、
    前記コンピュータが、前記個人データを前記快適性判定モデルに適用して前記快適値を算出し、算出された前記快適値に応じて、快適な前記運転状況を示す運転データと不快な前記運転状況を示す運転データとを生成する
    ことを特徴とする快適性運転データ収集方法。
  8. コンピュータが、快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の前記快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて学習された、快適性の度合いを示す快適値を目的変数とし、前記快適性指標のそれぞれを説明変数とする快適性判定モデルに対して、乗物に乗車中の対象者の前記快適性指標をもとに対象者ごとに生成された当該快適性判定モデルで用いられる説明変数と、当該快適性指標が取得された際の乗物の少なくとも加速度の状態を含む運転状況とを対応付けた個人データを適用して得られる快適値に応じて生成される、快適な前記運転状況を示す運転データと不快な前記運転状況を示す運転データとを第二学習データとして用いて学習された、運転状況に応じた対象者の快適状況を示す乗車モデルに基づいて、対象者にとって快適と感じる運転を判定し、
    前記コンピュータが、前記判定の結果に基づいて、前記乗物の運転を制御する情報を出力する
    ことを特徴とする運転制御方法。
  9. コンピュータに、
    快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の前記快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて、快適性の度合いを示す快適値を目的変数とし、前記快適性指標のそれぞれを説明変数とする快適性判定モデルを学習する快適性判定モデル学習処理、
    乗物に乗車中の対象者の前記快適性指標をもとに生成された、前記快適性判定モデルで用いられる説明変数と、当該快適性指標が取得された際の乗物の少なくとも加速度の状態を含む運転状況とを対応付けた個人データを対象者ごとに生成する個人データ生成処理、および、
    前記個人データを前記快適性判定モデルに適用して前記快適値を算出し、算出された前記快適値に応じて、快適な前記運転状況を示す運転データと不快な前記運転状況を示す運転データとを生成する運転データ生成処理
    を実行させるための快適性運転データ収集プログラム。
  10. コンピュータに、
    快適な活動に分類される活動が行われた際の個人の快適か否かを測る指標である快適性指標と快適性を示す教師ラベルとを対応付けた快適活動データ、および、不快な活動に分類される活動が行われた際の前記快適性指標と不快性を示す教師ラベルとを対応付けた不快活動データを第一学習データとして用いて学習された、快適性の度合いを示す快適値を目的変数とし、前記快適性指標のそれぞれを説明変数とする快適性判定モデルに対して、乗物に乗車中の対象者の前記快適性指標をもとに対象者ごとに生成された当該快適性判定モデルで用いられる説明変数と、当該快適性指標が取得された際の乗物の少なくとも加速度の状態を含む運転状況とを対応付けた個人データを適用して得られる快適値に応じて生成される、快適な前記運転状況を示す運転データと不快な前記運転状況を示す運転データとを第二学習データとして用いて学習された、運転状況に応じた対象者の快適状況を示す乗車モデルに基づいて、対象者にとって快適と感じる運転を判定する快適運転判定処理、および、
    前記快適運転判定処理での判定の結果に基づいて、前記乗物の運転を制御する情報を出力する快適運転情報出力処理
    を実行させるための運転制御プログラム。
JP2021534561A 2019-07-19 2020-05-22 快適性運転データ収集システム、運転制御装置、方法、および、プログラム Active JP7238994B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019133484 2019-07-19
JP2019133484 2019-07-19
PCT/JP2020/020333 WO2021014738A1 (ja) 2019-07-19 2020-05-22 快適性運転データ収集システム、運転制御装置、方法、および、プログラム

Publications (3)

Publication Number Publication Date
JPWO2021014738A1 JPWO2021014738A1 (ja) 2021-01-28
JPWO2021014738A5 JPWO2021014738A5 (ja) 2022-04-01
JP7238994B2 true JP7238994B2 (ja) 2023-03-14

Family

ID=74194127

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021534561A Active JP7238994B2 (ja) 2019-07-19 2020-05-22 快適性運転データ収集システム、運転制御装置、方法、および、プログラム

Country Status (3)

Country Link
US (1) US20220274608A1 (ja)
JP (1) JP7238994B2 (ja)
WO (1) WO2021014738A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111861128B (zh) * 2020-06-20 2024-03-22 清华大学 自动驾驶车辆人机协同操纵过程的接管舒适性评价方法、系统及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006130121A (ja) 2004-11-08 2006-05-25 Univ Nihon 生体情報に基づく感情認識方法
JP2010519124A (ja) 2007-02-22 2010-06-03 ネーデルランデ オルガニサチエ ヴォール トエゲパスト−ナツールウェテンスハペリエク オンデルゾエク ティーエヌオー 車両運転補助装置
WO2017163538A1 (ja) 2016-03-25 2017-09-28 ソニー株式会社 情報処理装置
WO2018109863A1 (ja) 2016-12-14 2018-06-21 三菱電機株式会社 状態推定装置
JP2018152072A (ja) 2017-03-14 2018-09-27 ヒュンダイ・モービス・カンパニー・リミテッド 車両安全支援装置および方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210153796A1 (en) * 2017-05-15 2021-05-27 Toyota Motor Europe Control device, system, and method for determining a comfort level of a driver
US11430231B2 (en) * 2019-02-04 2022-08-30 Mitsubishi Electric Corporation Emotion estimation device and emotion estimation method
US11548518B2 (en) * 2019-06-28 2023-01-10 Woven Planet North America, Inc. Subjective route comfort modeling and prediction
KR20210051054A (ko) * 2019-10-29 2021-05-10 현대자동차주식회사 뇌파 신호를 이용한 모빌리티 탑승자의 승차감 판단 장치
DE102020126676A1 (de) * 2020-10-12 2022-04-14 Bayerische Motoren Werke Aktiengesellschaft Fahrzeugführungssystem und Verfahren zum Betreiben einer Fahrfunktion in Abhängigkeit von Fahrerdaten
US20220330848A1 (en) * 2021-04-16 2022-10-20 Bayerische Motoren Werke Aktiengesellschaft Method, Computer Program, and Device for Determining Vehicle Occupant Respiration
US20220388543A1 (en) * 2021-06-04 2022-12-08 Toyota Motor Engineering & Manufacturing North America, Inc. Systems and methods for displaying trajectories for autonomous vehicles
US20230256994A1 (en) * 2022-02-16 2023-08-17 Gm Cruise Holdings Llc Assessing relative autonomous vehicle performance via evaluation of other road users
JP2023129312A (ja) * 2022-03-02 2023-09-14 日本電気株式会社 分類装置、分類方法、及びプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006130121A (ja) 2004-11-08 2006-05-25 Univ Nihon 生体情報に基づく感情認識方法
JP2010519124A (ja) 2007-02-22 2010-06-03 ネーデルランデ オルガニサチエ ヴォール トエゲパスト−ナツールウェテンスハペリエク オンデルゾエク ティーエヌオー 車両運転補助装置
WO2017163538A1 (ja) 2016-03-25 2017-09-28 ソニー株式会社 情報処理装置
WO2018109863A1 (ja) 2016-12-14 2018-06-21 三菱電機株式会社 状態推定装置
JP2018152072A (ja) 2017-03-14 2018-09-27 ヒュンダイ・モービス・カンパニー・リミテッド 車両安全支援装置および方法

Also Published As

Publication number Publication date
US20220274608A1 (en) 2022-09-01
JPWO2021014738A1 (ja) 2021-01-28
WO2021014738A1 (ja) 2021-01-28

Similar Documents

Publication Publication Date Title
US10593182B1 (en) Vehicle operator emotion management system and method
US20190008436A1 (en) Method and system for monitoring and improving attention
KR20170087834A (ko) 마음 상태를 결정하고 피험자에게 감각기관을 통한 대응책을 제공하기 위한 컴퓨터 시스템
US11702103B2 (en) Affective-cognitive load based digital assistant
CN107683399A (zh) 声音输出装置、电子装置、以及其控制方法
JP2007130454A (ja) 移動体搭乗者の心身状態調整装置及び心身状態調整装置の制御方法
EP3882097A1 (en) Techniques for separating driving emotion from media induced emotion in a driver monitoring system
CN109716411A (zh) 用以监测驾驶员的活动水平的方法和设备
KR102183435B1 (ko) 가상현실 및 바이오피드백을 이용하여 사용자의 스트레스를 저감시키는 방법 및 시스템
JP7238994B2 (ja) 快適性運転データ収集システム、運転制御装置、方法、および、プログラム
KR20150137453A (ko) 뇌파를 이용한 제어 방법 및 휴대 장치
Radlmayr et al. Drowsiness and fatigue in conditionally automated driving–Towards an integrative framework
WO2020195167A1 (ja) 漫然状態判定装置
JP2001282539A (ja) 概念の構造化方法、装置、及び概念構造を備えた装置
JP2019028732A (ja) 音声等から気分を解析して動作を制御する装置
Renn et al. Mental status examination
JP2020169956A (ja) 車両の行先提案システム
KR20200057810A (ko) 차량 및 그 제어방법
WO2021260844A1 (ja) 音声生成装置、音声生成方法及び音声生成プログラム
WO2024071027A1 (ja) 脳情報の分析によるレコメンデーション
WO2022259464A1 (ja) 情報処理装置、制御方法及び記憶媒体
JP7263848B2 (ja) 状態改善装置、状態改善システム、および状態改善方法
McDorman et al. Attachment Theory in Long-Term Human-Robot Interaction
WO2021260846A1 (ja) 音声生成装置、音声生成方法及び音声生成プログラム
Bakshi Towards Practical Driver Cognitive Workload Monitoring via Electroencephalography

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220111

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220111

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220927

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221124

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: 20230131

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230213

R151 Written notification of patent or utility model registration

Ref document number: 7238994

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151