JPH1199849A - 運転行動パターン認識装置 - Google Patents
運転行動パターン認識装置Info
- Publication number
- JPH1199849A JPH1199849A JP26522697A JP26522697A JPH1199849A JP H1199849 A JPH1199849 A JP H1199849A JP 26522697 A JP26522697 A JP 26522697A JP 26522697 A JP26522697 A JP 26522697A JP H1199849 A JPH1199849 A JP H1199849A
- Authority
- JP
- Japan
- Prior art keywords
- behavior pattern
- driving
- recognition
- driving behavior
- pattern recognition
- 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.)
- Granted
Links
Landscapes
- Auxiliary Drives, Propulsion Controls, And Safety Devices (AREA)
- Traffic Control Systems (AREA)
Abstract
(57)【要約】
【課題】 連続的かつリアルタイムな認識処理が可能な
運転行動パターン認識装置を提供すること。 【解決手段】 運転操作量から隠れマルコフモデルによ
って運転行動パターンを認識する際に、認識対象である
運転行動パターン毎に特定の運転操作量を設定し、その
運転操作量が所定の条件を満たした場合に認識開始及び
終了判定を行うようにする。
運転行動パターン認識装置を提供すること。 【解決手段】 運転操作量から隠れマルコフモデルによ
って運転行動パターンを認識する際に、認識対象である
運転行動パターン毎に特定の運転操作量を設定し、その
運転操作量が所定の条件を満たした場合に認識開始及び
終了判定を行うようにする。
Description
【０００１】
【発明の属する技術分野】本発明は運転行動パターン認
識装置、より具体的には、隠れマルコフモデル（以下、
ＨＭＭと称する）を利用して、運転者の運転操作量や車
両状態量から、現在行っている、あるいは、今から行お
うとしている「右左折」や「減速」などの運転行動パタ
ーンを認識する運転行動パターン認識装置に関する。
識装置、より具体的には、隠れマルコフモデル（以下、
ＨＭＭと称する）を利用して、運転者の運転操作量や車
両状態量から、現在行っている、あるいは、今から行お
うとしている「右左折」や「減速」などの運転行動パタ
ーンを認識する運転行動パターン認識装置に関する。
【０００２】
【従来の技術】従来の運転行動パターン認識装置として
は、米国の日産リサーチアンドデベロップメント社、ケ
ンブリッジベーシックリサーチにおける研究があげられ
る。ここでは、ＨＭＭを用いて、運転操作量と車速等の
簡単な車両状態量から運転者の運転意図を認識する手法
の研究を行っていることが、インターネット等により紹
介されている。この研究は、ＨＭＭの観測データとし
て、ハンドル角度、アクセル、ブレーキ操作量の運転操
作量と、車速データを用い、あらかじめ学習された「右
折」、「左折」、「車線変更」、「追い越し」、「停
止」、「何もしない」の６つの運転行動モデルのうちど
れを行おうとしているかを認識する研究である。
は、米国の日産リサーチアンドデベロップメント社、ケ
ンブリッジベーシックリサーチにおける研究があげられ
る。ここでは、ＨＭＭを用いて、運転操作量と車速等の
簡単な車両状態量から運転者の運転意図を認識する手法
の研究を行っていることが、インターネット等により紹
介されている。この研究は、ＨＭＭの観測データとし
て、ハンドル角度、アクセル、ブレーキ操作量の運転操
作量と、車速データを用い、あらかじめ学習された「右
折」、「左折」、「車線変更」、「追い越し」、「停
止」、「何もしない」の６つの運転行動モデルのうちど
れを行おうとしているかを認識する研究である。
【０００３】このような運転行動パターン認識装置を、
例えば、車両に搭載された各種の警報装置やナビゲーシ
ョンシステム等の情報提供装置に付加することによっ
て、行おうとしている運転行動にまったく関係の無い警
報や情報を、運転者に提供しないようにすることが可能
になり、運転者の煩わしさを低減できることが期待され
ている。
例えば、車両に搭載された各種の警報装置やナビゲーシ
ョンシステム等の情報提供装置に付加することによっ
て、行おうとしている運転行動にまったく関係の無い警
報や情報を、運転者に提供しないようにすることが可能
になり、運転者の煩わしさを低減できることが期待され
ている。
【０００４】ＨＭＭは、音声認識等の分野で広く用いら
れている時系列データのパターン認識手法であり、有限
状態間の遷移確率、各状態から観測データが出力される
確率などを用いて、入力されたデータからモデルで出力
される尤度（出力確率）を算出し、モデル間の尤度の比
較に基づいてパターン認識を行う手法である。
れている時系列データのパターン認識手法であり、有限
状態間の遷移確率、各状態から観測データが出力される
確率などを用いて、入力されたデータからモデルで出力
される尤度（出力確率）を算出し、モデル間の尤度の比
較に基づいてパターン認識を行う手法である。
【０００５】概念図を図５に示す。これは、状態数３の
ＨＭＭであり、Ｓ1 ，Ｓ2 ，Ｓ3 は各状態を、矢印で示
されるａijは状態ｉからｊへの遷移確率を、ｂi （Ｙ）
は状態ｉにおいて観測データＹが観測される確率を、そ
れぞれ示す。これを時系列パターン認識に用いる場合、
認識させたいパターンにおける観測データを元に事前に
モデルの学習を行った後、学習済みのモデルに観測デー
タを入力することにより、各モデルの出力確率を算出
し、もっとも出力確率の高いモデルを認識結果とするも
のである。
ＨＭＭであり、Ｓ1 ，Ｓ2 ，Ｓ3 は各状態を、矢印で示
されるａijは状態ｉからｊへの遷移確率を、ｂi （Ｙ）
は状態ｉにおいて観測データＹが観測される確率を、そ
れぞれ示す。これを時系列パターン認識に用いる場合、
認識させたいパターンにおける観測データを元に事前に
モデルの学習を行った後、学習済みのモデルに観測デー
タを入力することにより、各モデルの出力確率を算出
し、もっとも出力確率の高いモデルを認識結果とするも
のである。
【０００６】
【発明が解決しようとする課題】しかしながら、このよ
うな従来の運転行動パターン認識装置にあっては、以下
のような問題点があった。前記研究では、認識を実行す
るための時系列データとして、あらかじめ取得しておい
た運転操作量データを切り出して使用しており、認識開
始及び認識終了の判断は、与えられた時系列データファ
イルの始まりと終わりによって決定される。しかし、こ
の技術を、例えば車両用警報装置に適用するために、連
続的かつリアルタイムに認識処理を行わせるためには、
自動的に認識開始及び認識終了を判断する手段が必要と
なる。
うな従来の運転行動パターン認識装置にあっては、以下
のような問題点があった。前記研究では、認識を実行す
るための時系列データとして、あらかじめ取得しておい
た運転操作量データを切り出して使用しており、認識開
始及び認識終了の判断は、与えられた時系列データファ
イルの始まりと終わりによって決定される。しかし、こ
の技術を、例えば車両用警報装置に適用するために、連
続的かつリアルタイムに認識処理を行わせるためには、
自動的に認識開始及び認識終了を判断する手段が必要と
なる。
【０００７】従来より、ＨＭＭを認識手段として適用が
進んでいる音声認識技術においては、入力される時系列
データが音声のみの１種類のデータであり、かつ、音声
言語の認識においては、文節の切れ目や文の終わり等、
無音声部分が存在するため、認識開始及び認識終了の判
断は比較的容易であった。つまり、音声データがゼロで
なくなったことを認識開始の判断基準とし、ゼロに戻っ
たことを認識終了の判断基準とすることで、ＨＭＭによ
る音声認識が容易に可能となる。
進んでいる音声認識技術においては、入力される時系列
データが音声のみの１種類のデータであり、かつ、音声
言語の認識においては、文節の切れ目や文の終わり等、
無音声部分が存在するため、認識開始及び認識終了の判
断は比較的容易であった。つまり、音声データがゼロで
なくなったことを認識開始の判断基準とし、ゼロに戻っ
たことを認識終了の判断基準とすることで、ＨＭＭによ
る音声認識が容易に可能となる。
【０００８】しかし、ＨＭＭを運転行動パターン認識装
置に適用する場合には、運転行動は複数の機器（アクセ
ルペダル、ブレーキペダル、ハンドル等）を操作して行
われるため、複数の操作量を入力する必要があり、運転
行動は長時間連続的に行われ、かつ、基本的には切れ目
が存在しないため、認識開始及び認識終了を判断する手
段を設けることが必要不可欠となるが、従来の研究はい
まだ実用化レベルの研究には至っておらず、このような
認識開始及び終了判定手段については解決されていなか
った。
置に適用する場合には、運転行動は複数の機器（アクセ
ルペダル、ブレーキペダル、ハンドル等）を操作して行
われるため、複数の操作量を入力する必要があり、運転
行動は長時間連続的に行われ、かつ、基本的には切れ目
が存在しないため、認識開始及び認識終了を判断する手
段を設けることが必要不可欠となるが、従来の研究はい
まだ実用化レベルの研究には至っておらず、このような
認識開始及び終了判定手段については解決されていなか
った。
【０００９】認識開始を判定する代わりに、毎回の処理
周期において認識開始であると判断し、全ての認識処理
を実行することも可能であるが、そのためには可能性の
ある全ての条件での認識処理を行うこととなるため、計
算処理量が膨大になることとなり、実際の車載装置の適
用を考えた場合現実的ではない。また、認識終了を判定
しないと、例えば連続して実施される複合的な運転行動
（左折直後に停止する等）を行った場合に、先に行った
運転行動は比較的精度良く認識可能であるが、続けて行
った運転行動を別の運転行動であるとして、区別して認
識することができない。
周期において認識開始であると判断し、全ての認識処理
を実行することも可能であるが、そのためには可能性の
ある全ての条件での認識処理を行うこととなるため、計
算処理量が膨大になることとなり、実際の車載装置の適
用を考えた場合現実的ではない。また、認識終了を判定
しないと、例えば連続して実施される複合的な運転行動
（左折直後に停止する等）を行った場合に、先に行った
運転行動は比較的精度良く認識可能であるが、続けて行
った運転行動を別の運転行動であるとして、区別して認
識することができない。
【００１０】本発明は、このような従来の問題点に着目
してなされたもので、運転操作量から隠れマルコフモデ
ルによって運転行動パターンを認識する際に、認識対象
である運転行動パターン毎に特定の運転操作量を設定
し、その運転操作量が所定の条件を満たした場合に認識
開始及び終了判定を行うようにすることにより、上記問
題点を解決することを目的としている。
してなされたもので、運転操作量から隠れマルコフモデ
ルによって運転行動パターンを認識する際に、認識対象
である運転行動パターン毎に特定の運転操作量を設定
し、その運転操作量が所定の条件を満たした場合に認識
開始及び終了判定を行うようにすることにより、上記問
題点を解決することを目的としている。
【００１１】
【課題を解決するための手段】上述の課題を解決するた
めに、請求項１に記載の発明は、複数の運転操作量を入
力し、あらかじめ学習した複数の運転行動パターンのう
ち何れに合致しているかを認識する運転行動パターン認
識装置において、運転行動パターン毎に特定の運転操作
量を設定し、その運転操作量が所定の条件を満たすこと
により、認識を開始する構成とする。
めに、請求項１に記載の発明は、複数の運転操作量を入
力し、あらかじめ学習した複数の運転行動パターンのう
ち何れに合致しているかを認識する運転行動パターン認
識装置において、運転行動パターン毎に特定の運転操作
量を設定し、その運転操作量が所定の条件を満たすこと
により、認識を開始する構成とする。
【００１２】また、請求項２に記載の発明は、複数の運
転操作量を入力し、あらかじめ学習した複数の運転行動
パターンのうち何れに合致しているかを認識する運転行
動パターン認識装置において、運転行動パターン毎に特
定の運転操作量を設定し、その運転操作量が所定の条件
を満たすことにより、認識を終了する構成とする。
転操作量を入力し、あらかじめ学習した複数の運転行動
パターンのうち何れに合致しているかを認識する運転行
動パターン認識装置において、運転行動パターン毎に特
定の運転操作量を設定し、その運転操作量が所定の条件
を満たすことにより、認識を終了する構成とする。
【００１３】さらに、請求項３に記載の発明は、請求項
１または２に記載の運転行動パターン認識装置におい
て、運転行動パターンを認識する手法として、隠れマル
コフモデル（ＨＭＭ）を用いたパターン認識手法を用い
る構成とする。
１または２に記載の運転行動パターン認識装置におい
て、運転行動パターンを認識する手法として、隠れマル
コフモデル（ＨＭＭ）を用いたパターン認識手法を用い
る構成とする。
【００１４】
【発明の実施の形態】以下、本発明による運転行動パタ
ーン認識装置の実施の形態を添付図面を参照して詳細に
説明する。本実施の形態は、本発明による運転行動パタ
ーン認識装置を、ナビゲーションシステムの付加情報手
段として適用した場合の例である。なお、図１は本発明
による運転行動パターン認識装置の一実施の形態のシス
テムブロック図、図２は作用を説明するためのフローチ
ャート、図３及び図４は作用を説明するための説明図、
図５は隠れマルコフモデルを説明するための概念図であ
る。
ーン認識装置の実施の形態を添付図面を参照して詳細に
説明する。本実施の形態は、本発明による運転行動パタ
ーン認識装置を、ナビゲーションシステムの付加情報手
段として適用した場合の例である。なお、図１は本発明
による運転行動パターン認識装置の一実施の形態のシス
テムブロック図、図２は作用を説明するためのフローチ
ャート、図３及び図４は作用を説明するための説明図、
図５は隠れマルコフモデルを説明するための概念図であ
る。
【００１５】まず、図１を用いて構成を説明する。運転
者の運転操作量を計測するセンサとして、操舵角センサ
１０１、アクセルセンサ１０２、ブレーキセンサ１０
３、及び、車速センサ１０４を有している。これらセン
サの出力値は、運転行動パターン認識装置１１１に入力
される。
者の運転操作量を計測するセンサとして、操舵角センサ
１０１、アクセルセンサ１０２、ブレーキセンサ１０
３、及び、車速センサ１０４を有している。これらセン
サの出力値は、運転行動パターン認識装置１１１に入力
される。
【００１６】運転行動パターン認識装置１１１は、これ
らの入力から現在の運転行動パターンを推定し、その結
果をナビゲーションシステム１２１へと出力する。
らの入力から現在の運転行動パターンを推定し、その結
果をナビゲーションシステム１２１へと出力する。
【００１７】ナビゲーションシステム１２１では、運転
行動パターン認識装置１１１からの運転行動パターン認
識結果を受けて、現在の運転行動パターンに不必要な情
報は提供を停止する等の制御を行う。
行動パターン認識装置１１１からの運転行動パターン認
識結果を受けて、現在の運転行動パターンに不必要な情
報は提供を停止する等の制御を行う。
【００１８】次に、本実施の形態の作用を説明する。Ｈ
ＭＭを用いた時系列データパターン認識では、あらかじ
め学習させておいた複数のデータパターンから最も一致
度合いが高いパターンを認識結果として出力する。今回
の運転行動パターン認識装置１１１では、あらかじめ学
習させたモデルを使用し、運転操作量データを入力する
ことによって、６つの運転行動パターンのうち、最も当
てはまるのはどのパターンかを推定する。
ＭＭを用いた時系列データパターン認識では、あらかじ
め学習させておいた複数のデータパターンから最も一致
度合いが高いパターンを認識結果として出力する。今回
の運転行動パターン認識装置１１１では、あらかじめ学
習させたモデルを使用し、運転操作量データを入力する
ことによって、６つの運転行動パターンのうち、最も当
てはまるのはどのパターンかを推定する。
【００１９】ここでの６つのパターンは、「右折」、
「左折」、「車線変更」、「追い越し」、「停止」、
「何もしない」であり、このうち「何もしない」パター
ンは他の５つのパターンに当てはまらない運転行動パタ
ーンを全て包含するので、残りの５つのパターンについ
て、５つのモデルを作成する。各運転行動パターンに合
致するような条件で取得した運転操作量データを用い
て、あらかじめ各モデルを学習させる。
「左折」、「車線変更」、「追い越し」、「停止」、
「何もしない」であり、このうち「何もしない」パター
ンは他の５つのパターンに当てはまらない運転行動パタ
ーンを全て包含するので、残りの５つのパターンについ
て、５つのモデルを作成する。各運転行動パターンに合
致するような条件で取得した運転操作量データを用い
て、あらかじめ各モデルを学習させる。
【００２０】なお、本実施の形態ではパターンを６つに
分けたが、もっと小さく分けてパターン数を増やすこと
により、より正確な判断を行ってもよいし、複数のパタ
ーンの中でほぼ同じような操作量になると思われるパタ
ーンについては、一つのパターンとして扱うことにより
処理内容を簡略化することが可能である。
分けたが、もっと小さく分けてパターン数を増やすこと
により、より正確な判断を行ってもよいし、複数のパタ
ーンの中でほぼ同じような操作量になると思われるパタ
ーンについては、一つのパターンとして扱うことにより
処理内容を簡略化することが可能である。
【００２１】図２のフローチャートを用いて、具体的な
処理内容を詳細に説明する。このフローは、運転行動パ
ターン認識装置１１１における処理の内容を示したもの
である。
処理内容を詳細に説明する。このフローは、運転行動パ
ターン認識装置１１１における処理の内容を示したもの
である。
【００２２】ステップＳ２０１では、１０１〜１０４
（図１参照）の各種センサから、運転操作量及び車両状
態量を読み込む。
（図１参照）の各種センサから、運転操作量及び車両状
態量を読み込む。
【００２３】次の、ステップＳ２０２〜Ｓ２０５の処理
は、推定対象であるパターンのモデル毎に実施される処
理であり、この運転操作推定ルーチンが一度実行される
間にモデルの個数回（５回）だけ実行される。
は、推定対象であるパターンのモデル毎に実施される処
理であり、この運転操作推定ルーチンが一度実行される
間にモデルの個数回（５回）だけ実行される。
【００２４】ステップＳ２０２では、そのモデルについ
て認識開始状態にあるかどうかを判定する。ここでの判
定基準を、図３に示す。ここでは、各モデルに特有な運
転操作量を用い、その運転操作量が基準状態になったこ
とを判別してそのモデルに関する認識を開始する。認識
を開始しない場合には、そのモデルの出力確率はゼロで
あるとして、そのモデルについての計算処理を行わな
い。このように処理することにより、現在の運転状況に
不必要な計算処理を省くことが可能となり、計算時間の
短縮の効果が得られる。
て認識開始状態にあるかどうかを判定する。ここでの判
定基準を、図３に示す。ここでは、各モデルに特有な運
転操作量を用い、その運転操作量が基準状態になったこ
とを判別してそのモデルに関する認識を開始する。認識
を開始しない場合には、そのモデルの出力確率はゼロで
あるとして、そのモデルについての計算処理を行わな
い。このように処理することにより、現在の運転状況に
不必要な計算処理を省くことが可能となり、計算時間の
短縮の効果が得られる。
【００２５】ステップＳ２０２で認識が開始された場
合、ステップＳ２０３では、現在及び所定回数以前まで
の運転操作量、車両状態量のデータを各運転行動モデル
へと入力する。
合、ステップＳ２０３では、現在及び所定回数以前まで
の運転操作量、車両状態量のデータを各運転行動モデル
へと入力する。
【００２６】ステップＳ２０４では、入力されたデータ
と過去の出力確率等を元に、各モデルにおいて今回の出
力確率が算出される。すべてのモデルについてこれらの
処理が実行され、ステップＳ２０５で全モデルについて
終了したと判断されたら、ステップＳ２０６以降の処理
へと進む。
と過去の出力確率等を元に、各モデルにおいて今回の出
力確率が算出される。すべてのモデルについてこれらの
処理が実行され、ステップＳ２０５で全モデルについて
終了したと判断されたら、ステップＳ２０６以降の処理
へと進む。
【００２７】ステップＳ２０６では、全モデルでの出力
確率を比較し、最大の出力確率を算出したモデルを求め
る。ここでは、５つのモデルからの出力確率の値を相互
に比較し、最も大きな値を示すモデルが選択されるが、
その最大出力確率が所定値以下の場合には、これらの何
れにも当てはまらないとして、「何もしない」運転行動
パターンが選択される。これにより、６つのパターンの
うち、現在の運転操作がどのパターンに当てはまるのか
が認識される。
確率を比較し、最大の出力確率を算出したモデルを求め
る。ここでは、５つのモデルからの出力確率の値を相互
に比較し、最も大きな値を示すモデルが選択されるが、
その最大出力確率が所定値以下の場合には、これらの何
れにも当てはまらないとして、「何もしない」運転行動
パターンが選択される。これにより、６つのパターンの
うち、現在の運転操作がどのパターンに当てはまるのか
が認識される。
【００２８】ステップＳ２０７では、認識パターンの終
了判定を行う。ここでの判定基準を、図４に示す。ここ
では、各モデルに特有な運転操作量を用い、その運転操
作量が基準状態になったことを判別する。
了判定を行う。ここでの判定基準を、図４に示す。ここ
では、各モデルに特有な運転操作量を用い、その運転操
作量が基準状態になったことを判別する。
【００２９】その後、ステップＳ２０８で、次回以降の
処理のために、今回の運転操作量をメモリし、ステップ
Ｓ２０９で、認識結果をナビゲーションシステム１２１
へと出力して、今回の処理を終了する。
処理のために、今回の運転操作量をメモリし、ステップ
Ｓ２０９で、認識結果をナビゲーションシステム１２１
へと出力して、今回の処理を終了する。
【００３０】以上のような構成とすることにより、ＨＭ
Ｍを用いて運転操作量から運転行動パターンを認識する
際に、各モデルの認識開始、終了の判断が可能となるた
め、連続的かつリアルタイムな認識処理が可能となり、
その認識結果をナビゲーションシステムに入力すること
により、現在の運転行動パターンに不必要な交通状況等
の情報を提供することを防止し、運転者が必要としてい
る情報のみを提供することが可能となる。
Ｍを用いて運転操作量から運転行動パターンを認識する
際に、各モデルの認識開始、終了の判断が可能となるた
め、連続的かつリアルタイムな認識処理が可能となり、
その認識結果をナビゲーションシステムに入力すること
により、現在の運転行動パターンに不必要な交通状況等
の情報を提供することを防止し、運転者が必要としてい
る情報のみを提供することが可能となる。
【００３１】また、不必要な計算処理を省くことが可能
となるため、全体の計算処理量を小さくでき、結果とし
て、より安価な計算機で運転行動パターン認識装置を提
供できる。
となるため、全体の計算処理量を小さくでき、結果とし
て、より安価な計算機で運転行動パターン認識装置を提
供できる。
【００３２】更に、各運転行動パターンの終了判定を確
実に行うことにより、連続して行われる複合的な運転行
動も区別して認識することができ、ナビゲーションシス
テムにおいてより的確な情報提供が可能となる。
実に行うことにより、連続して行われる複合的な運転行
動も区別して認識することができ、ナビゲーションシス
テムにおいてより的確な情報提供が可能となる。
【００３３】なお、本実施の形態では、認識結果を利用
する例としてナビゲーションシステムを取り上げて説明
を行ったが、これにこだわるものでなく、車両に搭載さ
れる各種の警報装置等にも応用できることは言うまでも
ない。例えば、先行車までの車間距離を計測し、車間距
離が接近しすぎる状況を防止するための車間距離警報装
置の場合、運転者が追い越しを行おうとしている場合に
は、通常走行時よりも接近した状況になり易く、不必要
な警報が発生して煩わしくなり易いが、本運転行動パタ
ーン認識装置を応用することにより、このような煩わし
い警報が発生する頻度を減少させることが可能である。
する例としてナビゲーションシステムを取り上げて説明
を行ったが、これにこだわるものでなく、車両に搭載さ
れる各種の警報装置等にも応用できることは言うまでも
ない。例えば、先行車までの車間距離を計測し、車間距
離が接近しすぎる状況を防止するための車間距離警報装
置の場合、運転者が追い越しを行おうとしている場合に
は、通常走行時よりも接近した状況になり易く、不必要
な警報が発生して煩わしくなり易いが、本運転行動パタ
ーン認識装置を応用することにより、このような煩わし
い警報が発生する頻度を減少させることが可能である。
【００３４】また、運転操作を計測するセンサとして、
操舵角センサやアクセル、ブレーキペダルセンサを示し
たが、ヨーレートセンサや前後Ｇセンサ等の車両走行状
況を計測するセンサを併用することにより、さらに認識
性能を向上させることも可能である。
操舵角センサやアクセル、ブレーキペダルセンサを示し
たが、ヨーレートセンサや前後Ｇセンサ等の車両走行状
況を計測するセンサを併用することにより、さらに認識
性能を向上させることも可能である。
【００３５】
【発明の効果】以上、詳細に説明したように、本発明に
よれば、運転操作量から隠れマルコフモデルによって運
転行動パターンを認識する際に、認識対象である運転行
動パターン毎に特定の運転操作量を設定し、その運転操
作量が所定の条件を満たした場合に認識開始及び終了判
定を行うようにすることにより、連続的かつリアルタイ
ムな認識処理が可能な運転行動パターン認識装置を提供
することができる。
よれば、運転操作量から隠れマルコフモデルによって運
転行動パターンを認識する際に、認識対象である運転行
動パターン毎に特定の運転操作量を設定し、その運転操
作量が所定の条件を満たした場合に認識開始及び終了判
定を行うようにすることにより、連続的かつリアルタイ
ムな認識処理が可能な運転行動パターン認識装置を提供
することができる。
【図１】本発明による運転行動パターン認識装置の一実
施の形態のシステムブロック図である。
施の形態のシステムブロック図である。
【図２】作用を説明するためのフローチャートである。
【図３】作用を説明するための説明図である。
【図４】作用を説明するための説明図である。
【図５】隠れマルコフモデルを説明するための概念図で
ある。
ある。
１０１ 操舵角センサ １０２ アクセルセンサ １０３ ブレーキセンサ １０４ 車速センサ １１１ 運転行動パターン認識装置 １２１ ナビゲーションシステム
Claims (3)
- 【請求項１】 複数の運転操作量を入力し、あらかじめ
学習した複数の運転行動パターンのうち何れに合致して
いるかを認識する運転行動パターン認識装置において、 運転行動パターン毎に特定の運転操作量を設定し、その
運転操作量が所定の条件を満たすことにより、認識を開
始することを特徴とする運転行動パターン認識装置。 - 【請求項２】 複数の運転操作量を入力し、あらかじめ
学習した複数の運転行動パターンのうち何れに合致して
いるかを認識する運転行動パターン認識装置において、 運転行動パターン毎に特定の運転操作量を設定し、その
運転操作量が所定の条件を満たすことにより、認識を終
了することを特徴とする運転行動パターン認識装置。 - 【請求項３】 請求項１または２に記載の運転行動パタ
ーン認識装置において、 前記運転行動パターンを認識する手法として、隠れマル
コフモデル（ＨＭＭ）を用いたパターン認識手法を用い
ることを特徴とする運転行動パターン認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26522697A JP4096384B2 (ja) | 1997-09-30 | 1997-09-30 | 運転行動パターン認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26522697A JP4096384B2 (ja) | 1997-09-30 | 1997-09-30 | 運転行動パターン認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH1199849A true JPH1199849A (ja) | 1999-04-13 |
| JP4096384B2 JP4096384B2 (ja) | 2008-06-04 |
Family
ID=17414284
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP26522697A Expired - Fee Related JP4096384B2 (ja) | 1997-09-30 | 1997-09-30 | 運転行動パターン認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4096384B2 (ja) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007198853A (ja) * | 2006-01-25 | 2007-08-09 | Denso Corp | 運転者適応型運転行動推定装置 |
| JP2008126908A (ja) * | 2006-11-22 | 2008-06-05 | Denso Corp | 運転行動推定方法および装置 |
| EP1997705A1 (en) * | 2005-12-28 | 2008-12-03 | National University Corporation Nagoya University | Drive behavior estimating device, drive supporting device, vehicle evaluating system, driver model making device, and drive behavior judging device |
| JP2009073465A (ja) * | 2007-08-28 | 2009-04-09 | Fuji Heavy Ind Ltd | 安全運転支援システム |
| JP2009145933A (ja) * | 2007-12-11 | 2009-07-02 | Nippon Telegr & Teleph Corp <Ntt> | センサノード制御システム及び方法 |
| JP2010221962A (ja) * | 2009-03-25 | 2010-10-07 | Denso Corp | 運転行動推定装置 |
| JP2011053798A (ja) * | 2009-08-31 | 2011-03-17 | Denso Corp | 運転環境判定装置，運転状況推定装置，運転支援装置 |
| JP2011129010A (ja) * | 2009-12-21 | 2011-06-30 | Denso It Laboratory Inc | 運転シーン判定装置、運転シーン判定方法およびプログラム、ならびに、ワークロード推定装置、ワークロード推定方法およびプログラム |
| US10002531B2 (en) * | 2014-12-10 | 2018-06-19 | Here Global B.V. | Method and apparatus for predicting driving behavior |
| CN109177982A (zh) * | 2018-10-31 | 2019-01-11 | 吉林大学 | 考虑驾驶风格的车辆行驶危险度评价方法 |
| JP2019175075A (ja) * | 2018-03-28 | 2019-10-10 | マツダ株式会社 | 車両用警報装置 |
| JP2019175076A (ja) * | 2018-03-28 | 2019-10-10 | マツダ株式会社 | 車両用警報装置 |
| KR20220001498A (ko) * | 2020-06-29 | 2022-01-05 | 독터. 인제니어. 하.체. 에프. 포르쉐 악티엔게젤샤프트 | 자동차의 환경에서 타겟 자동차의 궤적을 예측하기 위한 방법 및 시스템 |
| WO2024024448A1 (ja) * | 2022-07-25 | 2024-02-01 | 株式会社村田製作所 | プログラム、装置、学習モデル、及び方法 |
-
1997
- 1997-09-30 JP JP26522697A patent/JP4096384B2/ja not_active Expired - Fee Related
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8140241B2 (en) | 2005-12-28 | 2012-03-20 | National University Corporation Nagoya University | Driving action estimating device, driving support device, vehicle evaluating system, driver model creating device, and driving action determining device |
| EP1997705A1 (en) * | 2005-12-28 | 2008-12-03 | National University Corporation Nagoya University | Drive behavior estimating device, drive supporting device, vehicle evaluating system, driver model making device, and drive behavior judging device |
| EP1997705A4 (en) * | 2005-12-28 | 2011-03-02 | Univ Nagoya Nat Univ Corp | RIDING APPRAISAL DEVICE, TRAVEL SUPPORT DEVICE, VEHICLE EVALUATION SYSTEM, DEVICE FOR MANUFACTURING A DRIVER MODEL AND DEVICE FOR ASSESSING THE DRIVING BEHAVIOR |
| JP4650283B2 (ja) * | 2006-01-25 | 2011-03-16 | 株式会社デンソー | 運転者適応型運転行動推定装置 |
| JP2007198853A (ja) * | 2006-01-25 | 2007-08-09 | Denso Corp | 運転者適応型運転行動推定装置 |
| JP2008126908A (ja) * | 2006-11-22 | 2008-06-05 | Denso Corp | 運転行動推定方法および装置 |
| US7805240B2 (en) | 2006-11-22 | 2010-09-28 | Denso Corporation | Driving behavior prediction method and apparatus |
| JP2009073465A (ja) * | 2007-08-28 | 2009-04-09 | Fuji Heavy Ind Ltd | 安全運転支援システム |
| JP2009145933A (ja) * | 2007-12-11 | 2009-07-02 | Nippon Telegr & Teleph Corp <Ntt> | センサノード制御システム及び方法 |
| JP2010221962A (ja) * | 2009-03-25 | 2010-10-07 | Denso Corp | 運転行動推定装置 |
| JP2011053798A (ja) * | 2009-08-31 | 2011-03-17 | Denso Corp | 運転環境判定装置，運転状況推定装置，運転支援装置 |
| JP2011129010A (ja) * | 2009-12-21 | 2011-06-30 | Denso It Laboratory Inc | 運転シーン判定装置、運転シーン判定方法およびプログラム、ならびに、ワークロード推定装置、ワークロード推定方法およびプログラム |
| US10002531B2 (en) * | 2014-12-10 | 2018-06-19 | Here Global B.V. | Method and apparatus for predicting driving behavior |
| JP2019175075A (ja) * | 2018-03-28 | 2019-10-10 | マツダ株式会社 | 車両用警報装置 |
| JP2019175076A (ja) * | 2018-03-28 | 2019-10-10 | マツダ株式会社 | 車両用警報装置 |
| CN109177982A (zh) * | 2018-10-31 | 2019-01-11 | 吉林大学 | 考虑驾驶风格的车辆行驶危险度评价方法 |
| CN109177982B (zh) * | 2018-10-31 | 2020-05-08 | 吉林大学 | 考虑驾驶风格的车辆行驶危险度评价方法 |
| KR20220001498A (ko) * | 2020-06-29 | 2022-01-05 | 독터. 인제니어. 하.체. 에프. 포르쉐 악티엔게젤샤프트 | 자동차의 환경에서 타겟 자동차의 궤적을 예측하기 위한 방법 및 시스템 |
| US12030507B2 (en) | 2020-06-29 | 2024-07-09 | Dr. Ing. H.C. F. Porsche Aktiengesellschaft | Method and system for predicting a trajectory of a target vehicle in an environment of a vehicle |
| WO2024024448A1 (ja) * | 2022-07-25 | 2024-02-01 | 株式会社村田製作所 | プログラム、装置、学習モデル、及び方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4096384B2 (ja) | 2008-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5867296B2 (ja) | 運転シーン認識装置 | |
| CN111583715B (zh) | 一种车辆轨迹预测方法、车辆碰撞预警方法、装置及存储介质 | |
| JP4096384B2 (ja) | 運転行動パターン認識装置 | |
| US20220080980A1 (en) | Device for predicting speed of vehicle and method thereof | |
| JP4556794B2 (ja) | ナビゲーション装置 | |
| KR20190045511A (ko) | 차량학습에 기반한 자율주행 중 사고 회피 시스템 및 방법 | |
| JP4899429B2 (ja) | 走行支援装置 | |
| Jin et al. | Driver intention recognition based on continuous hidden Markov model | |
| JP5152063B2 (ja) | 運転行動推定装置 | |
| CN112124310B (zh) | 一种车辆的路径变换方法和装置 | |
| CN114329306A (zh) | 制动距离的计算方法、装置、汽车及介质 | |
| JP3780656B2 (ja) | 運転行動パターン認識装置 | |
| JP2022189811A (ja) | 機械学習アルゴリズム内において使用される機械学習分類器をチューニングするための超音波システム及び方法 | |
| CN112542061B (zh) | 基于车联网的借道超车控制方法、装置、系统及存储介质 | |
| JPH1199848A (ja) | 車両挙動推定装置 | |
| CN114655203A (zh) | 一种辅助驾驶方法、装置、设备及存储介质 | |
| CN117360526A (zh) | 一种驾驶风格识别方法、装置、车辆和存储介质 | |
| JP2006160032A (ja) | 運転状態判定装置及び運転状態判定方法 | |
| CN115431995B (zh) | 基于不同级别辅助驾驶的设备控制方法及装置 | |
| JP2022189810A (ja) | 機械学習アルゴリズムを使用して障害物を分類するための超音波システム及び方法 | |
| CN114103966A (zh) | 一种辅助驾驶的控制方法、装置和系统 | |
| JP2012137362A (ja) | 走行道路推定装置、方法およびプログラム | |
| CN114537265B (zh) | 一种转向灯控制方法、装置及设备 | |
| Polling et al. | Inferring the driver's lane change intention using context-based dynamic Bayesian networks | |
| CN115214624B (zh) | 泊车路径的确定方法、装置、车辆及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060214 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20060411 Effective date: 20060411 Free format text: JAPANESE INTERMEDIATE CODE: A523 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20060411 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20061205 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20061229 |
|
| A131 | Notification of reasons for refusal |
Effective date: 20071002 Free format text: JAPANESE INTERMEDIATE CODE: A131 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071203 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Effective date: 20080219 Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080303 |
|
| R150 | Certificate of patent (=grant) or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 3 Free format text: PAYMENT UNTIL: 20110321 |
|
| LAPS | Cancellation because of no payment of annual fees |