JP7479857B2

JP7479857B2 - ドライバー特性特定装置及びその方法

Info

Publication number: JP7479857B2
Application number: JP2020010448A
Authority: JP
Inventors: 芽以安田
Original assignee: Toyota Mapmaster Inc
Current assignee: Toyota Mapmaster Inc
Priority date: 2020-01-25
Filing date: 2020-01-25
Publication date: 2024-05-09
Anticipated expiration: 2040-01-25
Also published as: JP2021117718A

Description

本発明はドライバー特性特定装置及びその方法に関する。

地図上の交差点には停止線が引かれているので、車両は停止線で一旦停止をして安全確認をする。
しかしながら、現実の安全確認動作は、停止線においてなされるだけでは不十分であり、停止線を通過した後、例えば交差点内に少し進入したところで再停止して安全を再確認する場合がある。交差点周囲の地物（建物や看板等）によっては、停止線からでは交差する道路を走行する車両が視認できないときがあるからである。
かかる再停止の必要性の有無、再停止の位置は、交差点によって様々である。
プローブデータを用いて交差点での車両が停止すべき位置を推定する方法が従来から提案されている（特許文献１参照）。
その他、本発明に関連する先行技術文献として特許文献２～４を参照されたい。

特開２０１９－１０９６７５号公報特開２０１４－０９９０５６号公報特開２０１３－１９０９６３号公報特開２００７－０４１９１６号公報

上記のように再停止が要求される交差点では、プローブデータのみでは停止線による最初の停止位置に加えて再停止位置を特定することが困難であった。プローブデータは専ら位置情報（ｘ、ｙ）とその取得時刻ｔとから構成されるところ、現在用いられているＧＰＳの精度と取得時刻の頻度（インターバル）からでは、最初の停止位置とこれに近接する再停止位置とを峻別することができないことがあるからである。
昨今要求される自動運転用の地図として、再停止位置を正確に特定する必要があることは言うまでもない。
そこで、交差点における停止位置を、再停止が必要な場合も含めて、正確に特定することのできる新たな方法が求められている。
更に敷衍して、地図上における所定領域の特性を特定する方法が求められている。ここに、所定領域の一例が交差点であり、その特性の一例が停止位置である。そのほか、駐車場の出入口なども領域の一例として挙げられる。そしてその特性は、停止位置の他、退出時の右左折の制限などが挙げられる。

本発明者は上記課題を解決すべく鋭意検討を重ねてきたところ、プローブデータの走行軌跡と車両インナーデータとを組み合わせれば、地図上の所望の領域の特性を特定できるのではないかとの考えに至った。ここに、車両インナーデータとは、車両が備えるセンサ、コントロールユニットその他から出力される当該車両の各種状態に関するデータであって、当該車両に搭載されたネットワーク上でＣＡＮ（Controller Area Network）をはじめとした各種通信プロトコルにより伝送可能なデータをいう。この明細書において車両インナーデータを「ＣＡＮデータ」で代表させることがある。

プローブデータから得た走行軌跡と車両インナーデータとの相関関係を示すヒストグラムをドライブチャートと名付ける。

このドライブチャートは以下に説明するドライブチャート作成装置により得られる。
プローブカーのプローブデータを保存するプローブデータ保存部と、
前記プローブカーの車両インナーデータを保存する車両インナーデータ保存部と、
地図上の所定の領域における第１のプローブカーの第１の走行軌跡を前記プローブデータから生成する走行軌跡生成部と、
生成された該第１の走行軌跡に対応する第１の車両インナーデータを読み出し、前記第１の走行軌跡と前記第１の車両インナーデータとの相関関係を示す第１のドライブチャートを作成する、ドライブチャート作成部と、
を備えてなる、ドライブチャート作成装置。

このように規定されるドライブチャート作成装置によれば、プローブデータから生成される走行軌跡と車両インナーデータとの組合せからなるドライブチャートが作成される。ここに、ドライブチャートの一例を図１－１に示す。このドライブチャートが作成された交差点の模式図を図１－２に示す。図１－２において、停止線をＳ１で示す。仮想線Ｓ２は、車両が再停止する位置を示す。図１－２におけるドット「・」はプローブデータの座標を示している。

図１－１において、横軸は交差点からの距離Ｌを示し、縦軸は速度ｖを示す。図１－２に示すように、交差点Ａに対する一つの進入路ａから一つの退出路ｃへの経路における交差点の中心Ｏからプローブデータの座標までの距離が横軸に示されている。これは、１つのプローブカーのプローブデータの位置情報を時間順に進入路ａ、交差点Ａ及び退出路ｃ上にプロットして形成されるプローブカーの走行軌跡を表している。プローブデータを構成する位置情報に多少の誤差があったとしても当該位置情報を、いわゆるマップマッチング等の方法で補正し、連続した走行軌跡とする。
かかる連続した走行軌跡の任意の位置におけるプローブカーの存在時刻は、その前後のプローブデータの取得時刻から、例えば線形補完法により、演算される。

図１－３は、走行軌跡（横軸）とプローブデータの数（縦軸）との関係を示す。プローブデータは所定のインターバルで取得されるので、プローブカーが停止しているとその座標においてプローブデータは重なる。しかしながら、図１－３の例からわかる通り、再停止の位置でプローブデータの重なりがみられなかった。これは、再停止の時間がプローブデータ取得のインターバルより短かったことを意味する。
時間的に連続するプローブデータの座標から速度を演算することができるが、図１－３のプローブデータに基づく速度（縦軸）－走行軌跡（横軸）のドライブチャートは図１－４となり、再停止位置での減速が現れない。

車両において多種多様な車両インナーデータが利用されている。車速データも車両インナーデータ（この明細書のＣＡＮ速度データということがある）の１つとして利用されている。
車速に関する車両インナーデータが取り込まれるインターバルは、プローブデータのそれの１／１０～１／１００である。
従って、走行軌跡と車速に関する車両インナーデータの数との関係は、図１－５に示すようになり、再停止位置においても十分な量の車速に関する車両インナーデータが取得できることがわかる。この例では、停止位置Ｓ１及び再停止位置Ｓ２において取得した車速に関する車両インナーデータの平均値（＝０ｋｍ／ｈ）をもって、図１－１の速度ｖとしている。

以上より、図１－１に示すように、走行軌跡と車速に関する車両インナーデータとの相関関係から得られるドライブチャートを用いれば、交差点における最初の停止位置Ｓ１と再停止位置Ｓ２とを確実に特定できることがわかる。
走行軌跡に対応させる車両インナーデータは、走行軌跡に対応して連続していることが好ましい。換言すれば、走行軌跡の任意の位置の時刻は演算により得られる。このようにして演算された時刻における車両インナーデータを得ることで、車両インナーデータもまた走行軌跡に対応して連続したものとなる。
かかる連続的な車両インナーデータとして、既述の速度データの他、加速度データ、アクセル開度、駆動機の回転数、ブレーキ圧など、車両の運行の変化にともない常に生成されるものを採用することができる。
走行軌跡は、基準点からの距離に正規化されることが好ましい。

以上、第１のプローブカーのプローブデータと車両インナーデータから図１－１に示すドライブチャートが作成される経緯を説明した。
このドライブチャートには、第１のプローブカーのドライバーの個性が現れている。換言すれば、ドライバーが異なれば、ドライブチャートのパターンが異なることとなる。
図２には、同じ交差点を通る同じ経路を他のドライバーが運転したときの第２のドライブチャートを、図１－１に示した第１のドライブチャートに重ねて示す。
第２のドライブチャートでは、再停止位置Ｓ２ばかりでなく、停止線に基づく停止位置Ｓ１においても、停止がなされていないことがわかる。
このドライバーは交通マナーに欠けることはもとより、交通違反も起こしている。
このように、ドライブチャートを比較することにより、そのドライバーが優良ドライバー（交通ルールや交通マナーを順守する）であるか、不良ドライバー（交通ルールや交通マナーを順守しない）であるかの分類が可能になる。

以上より、この発明の第１の局面は次のように規定される。
即ち、第１のドライバーの第１のドライブチャートと第２のドライバーの第２のドライブチャートとを比較するドライブチャート比較部を備える、ドライバーの特性特定装置。ここに、ドライブチャートとは所定の領域において走行軌跡と車両インナーデータとの相関関係を示す。かかるドライブチャートを作成するドライブチャート作成装置は、プローブカーのプローブデータを保存するプローブデータ保存部と、
前記プローブカーの車両インナーデータを保存する車両インナーデータ保存部と、
地図上の所定の領域における第１のプローブカーの第１の走行軌跡を前記プローブデータから生成する走行軌跡生成部と、
生成された該第１の走行軌跡に対応する第１の車両インナーデータを読み出し、前記第１の走行軌跡と前記第１の車両インナーデータとの相関関係を示す第１のドライブチャートを作成する、ドライブチャート作成部と、
を備えてなる。

この発明の第２の局面は次のように規定される。即ち、
前記ドライブチャートを保存するドライブチャート保存領域と該ドライブチャートのドライバーの特性を保存するドライバー特性保存領域とを備える教師データ保存部と、
前記ドライブチャートのデータと前記ドライバー特性に関するデータとのセットからなる教師データが入力されるＡＩ処理部であって、該ＡＩ処理部はドライブチャートと前記ドライバー特性との関係を学習する、ＡＩ処理部と、を備え、
前記所定の領域における処理対象のドライバー（特性未知）のドライブチャートを学習済の前記ＡＩ処理部へ入力して、前記処理対象のドライバーの特性を特定する、ドライバー特性特定装置。

このように規定される第２の局面の領域特性特定装置によれば、いわゆるＡＩ技術を用いてドライバーの特性を特定可能となる。
例えば、所定の交差点において、優良ドライバーによるドライブチャートと不良ドライバーによるドライブチャートとを収集する。取得した各ドライブチャートとドライバーの特性との組合せを教師データとして、ＡＩ処理部へ入力してこれに学習させる。
このようにして得られた学習済のＡＩ処理部へ、所定の交差点で得られた特性未知のドライバーのドライブチャートを入力する。ＡＩ処理部は出力として、そのドライブチャートが属する可能性の高いドライバー特性（優良ドライバーか不良ドライバーか）を特定する。

この発明の第３の局面は次のように規定される。
ドライブチャートを保存するドライブチャート保存領域と該ドライブチャートのドライバーの特性を保存するドライバー特性保存領域とを備える教師データ保存部と、
前記ドライブチャートのデータと前記ドライバー特性に関するデータとのセットからなる教師データが入力されるＡＩ処理部であって、該ＡＩ処理部はドライブチャートと前記ドライバー特性との関係を学習する、ＡＩ処理部と、を備えてなる、ドライバー特性特定装置用の学習装置。
これにより、後述する第４の局面で利用される学習済の学習ＡＩ処理部が提供される。

この発明の第４の局面は次のように規定される。
ドライブチャートと前記ドライバーの特性との関係を学習済のＡＩ処理部を備えており、
処理対象のドライバーによる前記所定領域でのドライブチャートを前記学習済のＡＩ処理部へ入力して、前記処理対象のドライバーの特性を特定する、ドライバー特性特定装置。
これにより、第３の局面で学習させたＡＩ処理部を利用して、特性未知のドライバーのドライブチャートから、当該ドライバーの特性が特定できる。

この発明の第５の局面は次のように規定される。即ち
第１～第４のいずれかの局面に規定のドライバー特性特定装置において、前記車両インナーデータは前記第１の走行軌跡との対比において連続的なデータである。
このように規定される第５の局面の発明によれば、車両インナーデータを走行軌跡と同様に連続的なデータとすることにより、ドライバーの特性がドライブチャートにより正確に反映されることとなる。
連続的な車両インナーデータの例として、速度、加速度、アクセル開度、駆動機の回転数及びブレーキ圧の少なくとも１つを挙げることができる（第６の局面）

この発明の第７の局面は次のように規定される。即ち
第１～第６のいずれかの局面に規定のドライバーの特性特定装置において、前記所定の領域は交差点を含む領域である。
交差点においてこそドライバーの特性がよく顕れるので、処理対象となるデータを交差点から得ることとすることで、ドライバーの特性をより正確に特定可能となる。

この発明の第８の局面は次のように規定される。即ち、
第１～第７のいずれかの局面に規定のドライバー特性特定装置において、前記走行軌跡は、基準点からの距離に正規化されている。
このように規定される第８の局面の発明によれば、走行規制が正規化されているので、データに汎用性が得られる。

この発明の第９の局面は次のように規定される。即ち
第１のドライバーの第１のドライブチャートを得るステップと、
第２のドライバーの第２のドライブチャートを得るステップと、
前記第１のドライブチャートと前記第２のドライブチャートとを比較するステップと、を備え、ここに、ドライブチャートは所定の領域におけるドライバーの走行軌跡と車両インナーデータとの相関関係を示す、ドライバーの特性特定方法。
このように規定される第９の局面の発明によれば、第１の局面と同じ作用がなされる。

この発明の第１０の局面は次のように規定される。即ち
教師データ保存部、車両インナーデータ保存部及びＡＩ処理部を備えるドライバー特性特定装置を用いたドライバー特性特定方法であって、
前記教師データ保存部にドライブチャートを保存し、そのドライバー特性保存領域に該ドライブチャートのドライバーの特性を保存する教師データ保存ステップと、ここに、前記ドライブチャートは所定の領域におけるドライバーの走行軌跡と車両インナーデータとの相関関係を示す、
前記ＡＩ処理部に前記ドライブチャートのデータと前記ドライバー特性に関するデータとのセットからなる教師データを入力し、前記ドライブチャートと前記ドライバー特性との関係を学習させる学習ステップと、
学習済の前記ＡＩ処理部に前記所定の領域における処理対象のドライバーのドライブチャートを入力し、前記処理対象のドライバーの特性を特定させるドライバー特性特定ステップ、と備えるドライバー特性特定方法。
このように規定される第１０の局面の発明によれば、第２の局面と同じ作用がなされる。

この発明の第１１の局面は次のように規定される。即ち
教師データ保存部及びＡＩ処理部を備えるドライバー特性特定装置用の学習装置を用いた学習方法であって、
前記教師データ保存部にドライブチャートを保存し、そのドライバー特性保存領域に該ドライブチャートのドライバーの特性を保存する教師データ保存ステップと、ここに、前記ドライブチャートは所定の領域におけるドライバーの走行軌跡と車両インナーデータとの相関関係を示す、
前記ＡＩ処理部に前記ドライブチャートのデータと前記ドライバー特性に関するデータとのセットからなる教師データを入力し、前記ドライブチャートと前記ドライバー特性との関係を学習させる学習ステップと、を備える学習方法。
このように規定される第１１の局面の発明によれば、第３の局面と同じ作用がなされる。

この発明の第１２の局面は次のように規定される。即ち
教師データ保存部及びＡＩ処理部を備えるドライバー特性特定装置によるドライバー特性特定方法であって、
請求項１１の学習ステップを実行した前記ＡＩ処理部を準備するステップと、
処理対象のドライバーによる前記所定領域でのドライブチャートを前記学習済のＡＩ処理部へ入力して、前記処理対象のドライバーの特性を特定するステップと、を備えるドライバー特性特定方法。
このように規定される第１２の局面の発明によれば、第４の局面と同じ作用がなされる。

図１はこの発明で提案するドライブチャートを説明するための各種ヒストグラムであり、図１－１はこの発明のドライブチャートの一例を示し、図１－２は図１－１のドライブチャートを得た交差点を模式的に示し、図１－３はドライブチャートの走行軌跡を示す図１－１の横軸とプローブデータのデータ数との関係を示し、図１－４は図１－３に基づく速度―走行軌跡の関係を示し、図１－５はドライブチャートの走行軌跡を示す図１－１の横軸とＣＡＮ速度データのデータ数を示す。図２は異なるドライバーによるドライブチャートを示す。図３はこの発明のドライブチャートの作成装置を示すブロック図である。図４はドライブチャートの作成動作を示すフローチャートである。図５はコンピュータ装置をこの発明のドライバー特性特定装置（学習モード）として機能させたときのブロック図である。図６はコンピュータ措置をこの発明のドライバー特性特定装置（運用モード）として機能させたときのブロックである。図７は実施形態のドライブチャート作成装置のハード構成を示す模式図である。図８はタイムドライブチャートを示すヒストグラムである。図９はタイムドライブチャート作成装置を示すブロック図である。図１０はタイムドライブチャートの作成動作を示すフローチャートである。

図３はこの発明の実施形態のドライブチャート作成装置１を示す。
このドライブチャート作成装置１は、プローブデータ保存部３、走行軌跡作成部４、ＣＡＮデータ保存部５及びドライブチャート作成部６から概略構成される。
プローブデータ保存部３には、複数のプローブカーから収集されたプローブデータが保存されている。その特性、即ち停止位置の特定が求められる交差点が指定されると、走行軌跡作成部４は、当該交差点を中心に所定の範囲内にあるプローブデータを読み出す。読み出されたプローブデータの中から、同一のプローブカーに起因するものであり、時間的に連続しており、かつ交差点を通過するものを抽出する。このようにして抽出されたプローブデータから交差点を通過する走行軌跡を作成する。
この走行軌跡はプローブデータの座標をつないで形成される、連続的なデータとする。図１－１の例では交差点の中心位置からの距離を表すものとして正規化されている。
走行軌跡作成部４は、また、走行軌跡を表す連続的なデータの任意の点の時刻を、その前後のプローブデータの取得時刻に基づき演算する。

ＣＡＮデータ保存部５にはプローブカーのＣＡＮデータが保存されている。ＣＡＮデータにはこれが得られたプローブカーのＩＤが含まれ、各ＣＡＮデータの取得時刻も保存されている。
ＣＡＮデータの取得インターバルは極めて短いので、走行軌跡作成部４で作成された走行軌跡の任意の時刻のＣＡＮデータを特定可能である。
その結果、ドライブチャート作成部６は走行軌跡とＣＡＮ速度データとの相関関係を示すドライブチャートを作成する。
作成されたドライブチャートはディスプレイ等の出力部７を介して、既述の図１－１の形で表現される。また、作成されたドライブチャートはドライブチャート保存部８に保存される。

ドライブチャート作成装置１の動作を図４のフローチャートに基づき説明する。
ステップ１では、プローブデータ保存部３に保存されているプローブデータの中から、指定した交差点の近辺にあるプローブデータを読み出す。その後、時間的に連続しておりかつ交差点を通過するものを抽出する。
ステップ２では、抽出したプローブデータを用いて、走行軌跡生成する。この例では、時系列に並んだプローブデータの座標を単純につないで一旦仮の走行軌跡を形成する。その後、この仮の走行軌跡を、マップマッチング等の方法で、補正して、交差点及びその道路上に存在させる。

プローブデータの取得時刻には所定のインターバルがあるので、連続したデータからなる走行軌跡には、プローブデータの座標情報から外れた位置にあるものもある。かかる位置においてプローブカーが存在した時刻は、当該位置を挟む実際のプローブデータの取得時刻から演算により特定できる。演算には線形補完を用いることができる。このようにして走行軌跡上のすべての位置においてプローブカーが存在した時刻が演算により特定される（ステップ３）

上記のようにして得られた走行軌跡において、例えば、０．３ｍ単位で観測点を定め、当該観測点の時刻に対応した、同じプローブカーの、ＣＡＮ速度データをＣＡＮデータ保存部５から読み出し、図示しないバッファメモリに保存する（ステップ５）
ステップ７では、走行軌跡を処理して、図１－１に示すように、交差点の原点からの距離に変換する。得られた走行軌跡を基準点からの距離に正規化することで、交差点の特性を一般化することができる。正規化された走行軌跡においても観測点及びその時刻は維持される。
正規化された走行軌跡の各観測点に対してステップ５で得られたＣＡＮ速度データを対応させる。これにより、図１－１に示したドライブチャートが作成される。
作成されたドライブチャートは出力部７から出力されるとともに、ドライブチャート保存部８に保存される（ステップ９）。

上記において、同じ交差点において、異なるドライバーが運転するプローブカーの走行軌跡とＣＡＮ速度データから、第２のドライブチャートを作成し、これより先に得られた第１のドライブチャートと比較することができる（図２参照）。比較のために、２つのドライブチャートを同じ画面（ドライブチャート比較部）に表示することができる。これらドライブチャートの違いをオペレータが目視分析して、ドライバーの特性（優良ドライバー、不良ドライバー）を特定することができる。
かかるドライバーの特性は、例えばナビゲーション装置によるガイダンスの違いに影響を与えたり、ドライバーにかかる保険の料率の違いに影響したりする。

オペレータの目視による分析の代わりに、いわゆるＡＩ技術を用いることができる。
図５はコンピュータ装置をこの発明のドライバー特性特定装置（学習モード）として機能させたときのブロック図である。
ドライブチャートは、教師データ保存部１３のドライブチャート保存領域１３Ａに保存され、ドライバーの特性は特性保存領域１３Ｂに保存される。
ドライブチャート保存領域１３Ａに保存されたデータ数がＡＩ学習に適した数以上となったことを条件に、各ドライブチャートをドライバー特性とともにＡＩ処理部１５へ入力し、両者の関係を学習させる。
上記のように、特性が既知のドライバーによる所定の交差点でのドライブチャートを収集し、これら（ドライブチャートとドライバー特性のセット）をＡＩ処理部１５へ入力し、学習させる。これにより、ＡＩ処理部１５はドライブチャートのパターンとドライバーの特性とを関係づける。

図６はコンピュータ装置をこの発明のドライバー特性特定装置（運用モード）として機能させたときのブロック図である。
特性未知のドライバーについて、図３のドライブチャート作成装置１によりドライブチャートを作成し、メモリ部２３のドライブチャート保存領域２３Ａに保存する。このドライブチャートを学習済のＡＩ処理部１５へ入力する。学習済のＡＩ処理部１５は、入力されたドライブチャートに関係の深いドライバーの特性を特定し、関係性を例えば％表示する。当該出力はディスプレイ等の出力部１７を介して行われる。またその出力は出力結果保存部１８に保存される。

図７にトライブチャート作成装置のハード構成を示す。
演算部３００はＣＰＵ３０１、ＲＯＭ３０３及びＲＡＭ３０５を備え、システム全体の制御をつかさどる。それとともに、走行軌跡作成部４及びドライブチャート作成部６として機能する。ＲＯＭ３０３は、演算部３００を制御する制御プログラム等が格納された不揮発性メモリである。ＲＡＭ３０５は、キーボード等の入力装置３３０を介して利用者により予め設定された各種設定値を読み出し可能に格納したり、ＣＰＵ３０１に対してワーキングエリアを提供したりする。演算部３００を制御する制御プログラムはＲＯＭ３０３に限らずＲＡＭ３０５や第１、第２記憶装置３４０及び３５０に格納されていてもよい。

第１記憶装置３４０はプローブデータ保存部３及びＣＡＮデータ保存部５を備える。
第２記憶装置３５０はドライブチャート保存部８を備える。
第１、第２記憶装置はハードメモリやフラッシュメモリなど、サーバシステムのメモリ装置の一部の領域を利用することが好ましい。

データを一時的に保存する、いわゆるバッファメモリには、演算部のＲＡＭの一部領域を利用できる。
出力装置３２０はディスプレイや音声出力装置であり、入力装置３３０は音声入力部や、ディスプレイに重ねて配置されるタッチパネル式のキーボートやマウスなどが該当する。
通信インターフェース３６０を介して、プローブカーと通信可能となる。
コンピュータを構成する各装置はシステムバス３７０で連結されている。

かかるドライブチャート作成装置はプローブカーからの各種データを受け取るサーバにその機能を持たせることが好ましい。
図５及び６で説明したコンピュータ装置のハード構成も、図７と同等のものである。

上記において、走行軌跡とＣＡＮデータとの相関関係で定義したドライブチャートの利用について説明してきた。走行軌跡を用いることで、座標（位置）情報も含む特性を特定できるからである。
ドライバーの特性を扱う観点からすれば、座標情報を考慮しなくてもよい場合がある。ＣＡＮ速度データの例でいえば、その変化のパターンが明確になればよい。例えば、ドライバーの運転するプローブカーが停止線Ｓ１に到達した時間を基準時間（０）として、その前後（基準時間帯）におけるＣＡＮ速度データの時間変化パターンを比較すれば、ドライバー特性を特定できる。

図８のヒストグラムの横軸は時間経過を示し、縦軸は速度を示す。プローブデータより、プローブカーが停止線Ｓ１に到達した時刻が特定されれば、その時刻を基準に基準時間帯が定まるので、図８のヒストグラムはＣＡＮ速度データのみから生成できる。
図８に示される、所定の交差点（領域）において、トライバーによりなされた、所定時間帯とＣＡＮデータとの相関関係をタイムドライブチャートと名付ける。
かかるタイムドライブチャートを比較することにより、ドライバーの特性を特定可能となる。図８において、優良ドライバーのタイムドライブチャートのパターンを実線で、不良ドライバーのそれを破線で示している。

図９にタイムドライブチャート作成装置１００を示す。図１０はタイムドライブチャート作成装置１００によるタイムトライブチャートの作成方法を示すフローチャートである。
図９において、図３と同一機能を奏する要素には同一の符号を付して説明を部分的に省略する。
基準時間帯特定部１０４は、指定された交差点を通過するプローブデータの列を抽出して（ステップ１０１）、例えば進入路ａの停止線に最も近い座標データを特定する。特定された座標データの取得時刻を基準時間「０」として、所定のルールに従い基準時間帯を特定する（ステップ１０２）。

タイムドライブチャート作成部１０６は、基準時間帯に存在するＣＡＮ速度データの全部を、若しくは所定のインターバルで読み出す（ステップ１０３）。
読み出したＣＡＮ速度データ列から図８に示すヒストグラム、即ちタイムドライブチャートを作成する（ステップ１０５）。
得られたタイムドライブチャートは出力部７において出力され、タイムドライブチャート保存部１０８に保存する（ステップ１０７）。

所定の交差点におけるドライバーのタイムドライブチャートと当該ドライバーの特性とのセットを教師データとして、コンピュータ装置のＡＩ処理部に学習させることができる。これにより、所定の交差点における特性未知のドライバーのタイムドライブチャートを学習済ＡＩ処理部へ入力することにより、そのドライバーの特性を特定可能となる。
かかるＡＩ処理装置を備えたコンピュータ装置（学習モード、運用モード））の構成は図５、図６と同じでとなる。

以上より、この発明の第１３の局面は次のように規定される。
第１のドライバーの第１のタイムドライブチャートと第２のドライバーの第２のタイムドライブチャートとを比較するタイムドライブチャート比較部を備える、ドライバーの特性特定装置。ここに、タイムドライブチャートとは所定の領域において、基準時間帯と車両インナーデータとの相関関係を示す。かかるタイムドライブチャートを作成するタイムドライブチャート作成装置は、プローブカーのプローブデータを保存するプローブデータ保存部と、
前記プローブカーの車両インナーデータを保存する車両インナーデータ保存部と、
地図上の所定の領域を通過する第１のプローブカーの第１の基準時間帯を前記プローブデータに基づき生成する基準時間帯生成部と、
生成された基準時間帯に対応する第１の車両インナーデータを読み出し、前記基準時間帯と前記第１の車両インナーデータとの相関関係を示す第１のタイムドライブチャートを作成する、タイムドライブチャート作成部と、
を備えてなる。

更にこの第１３の局面は次のようにも規定できる。
第１のドライバーの第１のタイムドライブチャートを得るステップと、
第２のドライバーの第２のタイムドライブチャートを得るステップと、
前記第１のタイムドライブチャートと前記第２のタイムドライブチャートとを比較するステップと、を備え、ここに、タイムドライブチャートは所定の領域にける基準時間帯と車両インナーデータとの相関関係を示すドライバーの特性特定方法（第１７の局面）。

このように規定される第１３、第１７の局面の発明によれば第１の局面と同様な作用が奏される。

この発明の第１４の局面は次のように規定される。即ち、
タイムドライブチャートを保存するタイムドライブチャート保存領域と該タイムドライブチャートのドライバーの特性を保存するドライバー特性保存領域とを備える教師データ保存部と、ここに、タイムドライブチャートとは所定の領域において、基準時間帯と車両インナーデータとの相関関係を示す、
前記タイムドライブチャートのデータと前記ドライバー特性に関するデータとのセットからなる教師データが入力されるＡＩ処理部であって、該ＡＩ処理部はタイムドライブチャートと前記ドライバー特性との関係を学習する、ＡＩ処理部と、を備え、
前記所定の領域における処理対象のドライバーのタイムドライブチャートを学習済の前記ＡＩ処理部へ入力して、前記処理対象のドライバーの特性を特定する、ドライバー特性特定装置。

更にこの第１４の局面は次のようにも規定される。
教師データ保存部、車両インナーデータ保存部及びＡＩ処理部を備えるドライバー特性特定装置を用いたドライバー特性特定方法であって、
前記教師データ保存部にタイムドライブチャートを保存し、そのドライバー特性保存領域に該タイムドライブチャートのドライバーの特性を保存する教師データ保存ステップと、ここに、前記タイムドライブチャートは所定の領域における基準時間帯と車両インナーデータとの相関関係を示す、
前記ＡＩ処理部に前記タイムドライブチャートのデータと前記ドライバー特性に関するデータとのセットからなる教師データを入力し、前記タイムドライブチャートと前記ドライバー特性との関係を学習させる学習ステップと、
学習済の前記ＡＩ処理部に前記所定の領域における処理対象のドライバーのタイムドライブチャートを入力し、前記処理対象のドライバーの特性を特定させるドライバー特性特定ステップ、と備えるドライバー特性特定方法（第１８の局面）。
このように規定される第１４、第１８の局面の発明によれば第２の局面と同様な作用が奏される。

この発明の第１５局面は次のように規定される。
タイムドライブチャートを保存するタイムドライブチャート保存領域と該タイムドライブチャートのドライバーの特性を保存するドライバー特性保存領域とを備える教師データ保存部と、ここに、タイムドライブチャートとは所定の領域において、基準時間帯と車両インナーデータとの相関関係を示す、
前記タイムドライブチャートのデータと前記ドライバー特性に関するデータとのセットからなる教師データが入力されるＡＩ処理部であって、該ＡＩ処理部はタイムドライブチャートと前記ドライバー特性との関係を学習する、ＡＩ処理部と、を備えてなる、ドライバー特性特定装置用の学習装置。

更にこの第１５の局面は次のようにも規定される。
教師データ保存部及びＡＩ処理部を備えるドライバー特性特定装置用の学習装置を用いた学習方法であって、
前記教師データ保存部にタイムドライブチャートを保存し、そのドライバー特性保存領域に該タイムドライブチャートのドライバーの特性を保存する教師データ保存ステップと、ここに、前記タイムドライブチャートは所定の領域におけるドライバーの走行軌跡と車両インナーデータとの相関関係を示す、
前記ＡＩ処理部に前記タイムドライブチャートのデータと前記ドライバー特性に関するデータとのセットからなる教師データを入力し、前記タイムドライブチャートと前記ドライバー特性との関係を学習させる学習ステップと、を備える学習方法（第１９の局面）。
このように規定される第１５、第１９の局面の発明によれば第３の局面と同様な作用が奏される。

この発明の第１６の局面は次のように規定される。
タイムドライブチャートと前記ドライバーの特性との関係を学習済のＡＩ処理部を備えており、ここに、タイムドライブチャートとは所定の領域において、基準時間帯と車両インナーデータとの相関関係を示す、
処理対象のドライバーによる前記所定領域でのタイムドライブチャートを前記学習済のＡＩ処理部へ入力して、前記処理対象のドライバーの特性を特定する、ドライバー特性特定装置。
更にこの第１６の局面に規定の発明は次のようにも規定される。
教師データ保存部及びＡＩ処理部を備えるドライバー特性特定装置によるタイムドライバー特性特定方法であって、
請求項１９の学習ステップを実行した前記ＡＩ処理部を準備するステップと、
処理対象のドライバーによる前記所定領域でのタイムドライブチャートを前記学習済のＡＩ処理部へ入力して、前記処理対象のドライバーの特性を特定するステップと、を備えるドライバー特性特定方法（第２０の局面）。
このように規定される第１６、第２０の局面の発明によれば第４の局面と同様な作用が奏される。

本発明は、上記実施形態、実施例、変形例の説明に何ら限定されるものではない。特許請求の範囲の記載を逸脱せず、当業者が容易に想到できる範囲で種々の変形態様もこの発明に含まれる。

１ドライブチャート作成装置
３プローブデータ保存部
４走行軌跡作成部
５ＣＡＮデータ保存部
６ドライブチャート作成部
１３教師データ保存部
１５ＡＩ処理部
１００タイムドライブチャート作成装置

Claims

第１のドライバーの第１のドライブチャートと第２のドライバーの第２のドライブチャートとを比較するドライブチャート比較部を備える、ドライバーの特性特定装置であって、
前記ドライブチャートは所定の領域における、プローブデータに基づき生成された前記各ドライバーの連続した走行軌跡の所定の時刻における車両インナーデータの観測値と、前記連続した走行軌跡を前記所定領域における原点からの距離に正規化したときの、前記観測値を観察した時刻の地点の前記原点からの距離との相関関係を示し、
前記連続した走行軌跡の任意の位置における前記ドライバーの位置は前記プローブデータの位置とその取得時刻から演算されている、
ドライバーの特性特定装置において、
前記プローブデータはプローブカーから収集されたものであり、前記車両インナーデータは当該車両に搭載されたネットワーク上で各種通信プロトコルによって伝送可能であり、前記プローブデータと共通の時刻は含むが、前記プローブデータに比べてデータ取込のインターバルが短く、位置情報を含まない、ドライバーの特性特定装置。
前記車両インナーデータは速度、加速度、アクセル開度、駆動機の回転数及びブレーキ圧の少なくとも１つであり、データ取込のインターバルが前記プローブデータの１／１０～１／１００である、請求項１に記載のドライバー特性特定装置。
前記所定の領域は交差点を含む領域であり、前記交差点の中心が前記原点である、請求項１又は２に記載のドライバー特性特定装置。
ドライブチャート作成部、ドライブチャート保存部及びドライブチャート表示部を備え、
前記ドライブチャート作成部に第１のドライバーの第１のドライブチャートを作成させ、該第１のドライブチャートを前記ドライブチャート保存部に保存させるステップと、
前記ドライブチャート作成部に第２のドライバーの第２のドライブチャートを作成させ、該第２のドライブチャートを前記ドライブチャート保存部に保存させるステップと、
前記ドライブチャート保存部から前記第１のドライブチャートと前記第２のドライブチャートとを読出して前記ドライブチャート表示部へ表示させるステップと、
を含み、
前記ドライブチャートは所定の領域における、プローブデータに基づき生成された前記各ドライバーの連続した走行軌跡の所定の時刻における車両インナーデータの観測値と、前記連続した走行軌跡を前記所定領域における原点からの距離に正規化したときの、前記観測値を観察した時刻の地点の前記原点からの距離との相関関係を示し、
前記連続した走行軌跡の任意の位置における前記ドライバーの位置は前記プローブデータの位置とその取得時刻から演算されている、
ドライバーの特性特定方法において、
前記プローブデータはプローブカーから収集されたものであり、前記車両インナーデータは当該車両に搭載されたネットワーク上で各種通信プロトコルによって伝送可能であり、前記プローブデータと共通の時刻は含むが、前記プローブデータに比べてデータ取込のインターバルが短く、位置情報を含まない、ドライバーの特性特定方法。