JPWO2020049737A1

JPWO2020049737A1 - 運転技能評価システム、方法及びプログラム

Info

Publication number: JPWO2020049737A1
Application number: JP2019532821A
Authority: JP
Inventors: 幸雄服部
Original assignee: OFA SUPPORT INC.
Current assignee: OFA SUPPORT INC.
Priority date: 2018-09-07
Filing date: 2018-09-07
Publication date: 2020-09-10
Also published as: WO2020049737A1

Abstract

【課題】運転技能評価システムにおいて、運転技能評価の精度の向上を図る。【解決手段】運転技能評価システム１００は、サーバ５０が、車両１０の走行位置を時系列で記録することで、見本となる運転データを記録する走行位置記録手段と、前記運転データに基づいて学習し、模範的な運転の走行パターンを学習する走行学習手段と、学習した前記走行パターンに基づいて、運転者の運転技能を評価する評価手段と、を備える。また、運転者の車両１０に対する操作を示す挙動情報を取得する挙動情報取得手段と、前記挙動情報に基づいて学習し、模範的な運転の挙動パターンを学習する挙動学習手段と、を備え、前記評価手段は、前記走行パターンに加えて、学習した前記挙動パターンに基づいて、前記運転者の運転技能を評価する。【選択図】図１

Description

本発明は、運転技能を評価するシステム、方法及び装置等に係り、更に具体的には、お手本となる運転に関するデータに基づいて、被験者の運転技能を自動的に評価する運転技能評価システム等に関する。

従来より運転技能を評価するシステムが知られている。例えば、株式会社オファサポートの特許第６０８６５１５号では、車両に搭載されたＣＡＮ（Controller Area Network）のデータから車両の挙動（ハンドルやブレーキ操作）と、車両の位置情報を、評価基準となる基準データと比較して運転技能を評価するシステムが開示されている。

特許第６０８６５１５号公報

しかしながら、上記特許文献１において、運転者の挙動情報（ステアリングの操作量、アクセルの操作量、ブレーキの操作量等）を入力し、機械学習することで運転を評価することについて言及があるものの（同文献の段落００６７）、発明者らは、この挙動情報の学習では評価が十分ではなく、車両の走行位置を学習し、これを評価に加味することで評価の精度が向上するのではないかという点に着目した。

そこで、本発明では、車両の走行位置を学習して評価に加味することで、評価の精度の向上が可能な運転技能評価システム、方法及びプログラムを提供することを、その目的とする。

本発明は、車両の走行位置を時系列で記録することで、見本となる運転データを記録する走行位置記録手段と、前記運転データに基づいて学習し、模範的な運転の走行パターンを学習する走行学習手段と、学習した前記走行パターンに基づいて、運転者の運転技能を評価する評価手段と、を備える運転技能評価システムを提供する。

また、本発明は、車両の走行位置を時系列に記録することで、見本となる運転データを記録するステップと、前記運転データに基づいて学習し、模範的な運転の走行パターンを学習するステップと、学習した前記走行パターンに基づいて、運転者の運転技能を評価するステップと、を備える運転技能評価方法を提供する。

更に、本発明は、コンピュータに、車両の走行位置を時系列で記録することで、見本となる運転データを記録するステップと、前記運転データに基づいて学習し、模範的な運転の走行パターンを学習するステップと、学習した前記走行パターンに基づいて、運転者の運転技能を評価するステップと、を実行させるための運転技能評価プログラムを提供する。

本発明によれば、車両の走行位置を学習して評価に加味することで、運転技能の評価の精度が向上する。

本発明の一実施形態の運転技能評価システムの概要を示す概念図である。前記実施形態の車両の構成を示すブロック図である。前記実施形態のサーバのハードウェア構成を示すブロック図である。前記実施形態のサーバの機能構成を示すブロック図である。動的時間伸縮法（ＤＴＷ）によるタイムストレッチの考え方を示す概念図である。動的時間伸縮法（ＤＴＷ）により走行にかかる時間の違いを吸収する前後を示すグラフである。前記実施形態のＮ次元ＤＴＷによる走行位置の学習の例を示す図である。前記実施形態における走行位置の評価方法の一例を示す説明図である。前記実施形態における挙動情報の学習の一例を示す図である。前記実施形態における挙動情報に基づく異常値判定の一例を示す図である。前記実施形態の車両に表示される評価画面の一例を示す図である。

本発明は、自動車教習所などにおいて、被験者の運転技能を自動的に評価するものであって、車両の走行位置を学習して評価に加味することで、評価の精度の向上を図るものである。また、走行位置の学習に加え、挙動情報を学習することで、更に評価の精度の向上を図る。以下、本発明を実施するための最良の形態を、実施例に基づいて詳細に説明する。

＜全体構成＞・・・図１は、本実施形態に係る運転技能評価システムの概要を示す概念図である。本発明は、サーバ５０が、車両１０から手本となるデータを取得して時系列に記録して（ステップＳ１）機械学習し、いくつかの見本データを元にパターン化する（ステップＳ２）。そして、車両１０から被験者のデータを取得して（ステップＳ３）、分析・評価し、その結果をリアルタイムで被験者に通知する（ステップＳ４）。

手本となるデータには車両１０の走行軌跡（車両の走行位置）と、車両１０に対する運転者の操作を示す挙動情報がある。走行軌跡は、例えば、仮想点ＲＴＫ測位法により取得する。仮想点ＲＴＫ測位法は、周辺の電子基準点の計測データから算出した仮想基準点を基地局としたＲＴＫ測位をする方法である。むろん、この他の方法により走行軌跡を取得してもよい。車両１０の走行位置を時系列でサーバ５０に記憶することで、車両１０の走行軌跡が得られる。

車両１０に対する運転者の操作を示す挙動情報としては、運転者の操作自体と車両１０の動きが含まれる。運転者の操作は、ＣＡＮ（Controller Area Network）により取得する。具体的には、ブレーキペダル、アクセルペダル２２、ステアリング２４、クラッチ２６の操作（ＭＴ者の場合）の操作がある。また、車両１０の動きも、ＣＡＮにより取得する。具体的には、スピード、車両１０のスムーズな挙動（ブレーキ時のスムースさ、スタート時のノッキング等）がある。これらの挙動情報もサーバ５０に時系列で記録される。

被験者のデータは、手本となるデータと同様に、車両１０の走行軌跡と、車両１０に対する運転者の操作を示す挙動情報がある。被験者の走行軌跡は、手本となる走行軌跡と近いものもあれば、蛇行していたり規定のコースを逸脱しているものがある。

車両１０に対する被験者の挙動情報は、手本となる挙動と近いものもあれば、スピードの出し過ぎ、スムースな運転か否か、アクセルの踏みすぎ、クラッチミス（ＭＴ車の場合）などがある。これらの被験者のデータをサーバ５０が取得することで、サーバ５０は、機械学習した模範的な走行パターンや挙動パターンに基づいて、被験者の運転技能を分析・評価する。

分析・評価された結果は、例えば、リアルタイムで車両１０を運転する被験者に通知してもよいし、手本となるデータと誤差の大きい危険度の高い箇所などの情報をまとめて出力するようにしてもよい。

＜車両の構成＞・・・図２は、本実施形態の車両１０の構成を示すブロック図である。車両１０は、制御部１２、記憶部１４、表示部１６、通信部１８、操作部２０、走行位置検出部３０、挙動情報検出部３２を備えている。制御部１２は、例えば、ＣＰＵ（Central Processing Unit）により構成され、記憶部１４に記憶された各種プログラムを読み出して実行することで、各種処理を行う。記憶部１４は、制御部１２により実行させるプログラムを記憶するものであり、例えば、ＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）による構成される。

表示部１４は、車両１０内に設けられたモニタ等であって、評価結果等を表示する。通信部１８は、ネットワークを介してサーバ５０と各種データ通信を行うものである。操作部２０は、車両１０の運転に必要な操作を行うものであって、具体的には、ステアリング、アクセルペダル２２、ブレーキペダル、ウィンカー、シフトレバー等である。

走行位置検出部３０は、車両１０の走行位置を検出するもので、例えば、ＧＰＳなどが用いられる。挙動情報検出部３２は、例えば、車速度検出部、アクセルペダル踏み角度検出部、ブレーキペダル踏み角度検出部、クラッチペダル踏み角度検出部（ＭＴ車のみ）、操舵角検出部などがある。このほか、加速度検出部や角速度検出部などを含むようにしてもよい。

前記走行位置検出部３０及び挙動情報検出部３２で検出されたデータは、記憶部１４に記憶され、通信部１８を介してサーバ５０に提供される。

＜サーバのハードウェア構成＞・・・図３は、本実施形態の運転技能評価システム１００のサーバ５０のハードウェア構成を示すブロック図である。サーバ５０は、プロセッサ５２、メモリ５４、ストレージ５６、通信部５８を備え、これらは図示しないバスにより接続されている。プロセッサ５２は、例えば、ＣＰＵ（Central Processing Unit）により構成され、メモリ５４に記憶された各種プログラムを読み出して実行することで、各種処理を行う。前記メモリ５４は、ＣＰＵ５２により実行させるプログラムを記憶するものであり、例えば、ＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）による構成される。例えば、図４に示す各種手段が記憶されている。

ストレージ５６は、運転データ５６Ａ、挙動情報５６Ｂ、学習データ５６Ｃや図示しない制御プログラムなどを記憶するものである。運転データ５６Ａは、車両１０から取得した走行位置を時系列で記録することで得られる見本となる運転データである。挙動情報５６Ｂは、車両１０から取得した、運転者の車両１０に対する操作を示す情報である。学習データ５６Ｃは、前記運転データ５６Ａに基づいて学習して得られた模範的な運転の走行パターンが記憶される。また、学習データ５６Ｃには、挙動情報５６Ｂに基づいて学習して得られた模範的な運転の挙動パターンが記憶される。通信部５８は、ネットワークを介して、車両１０と各種データ通信を行うものである。

＜サーバの機能構成＞・・・図４は、サーバ５０の機能構成を示すブロック図である。サーバ５０は、走行位置記録手段６０、走行学習手段６２、挙動情報取得手段６４、挙動学習手段６６、評価手段６８、出力手段７０を備えている。

走行位置記録手段６０は、車両１０の走行位置を時系列で記録することで、見本となる運転データ５６Ａをストレージ５６に記録する。走行学習手段６２は、前記運転データ５６Ａに基づいて学習し、模範的な運転の走行パターンを学習する。学習結果は、ストレージ５６に学習データ５６Ｃとして記憶される。

挙動情報取得手段６４は、運転者の車両１０に対する操作を示す挙動情報を取得し、取得された情報は、ストレージ５６に挙動情報５６Ｂとして記録される。挙動学習手段６６は、前記挙動情報５６Ｂに基づいて学習し、模範的な運転の挙動パターンを学習する。学習結果は、ストレージ５６に学習データ５６Ｃとして記録される。

評価手段６８は、走行学習手段６２によって学習した模範的な走行パターンに基づいて、運転者（被験者）の運転技能を評価する。また、本実施例では、評価手段６８は、前記走行パターンに加え、前記挙動学習手段６６で学習した模範的な挙動パターンに基づいて、運転者（被験者）の運転技能を評価する。

出力手段７０は、評価手段６８による評価を出力するもので、例えば、被験者が運転する車両１０に設けられた表示部１６にリアルタイムで表示するようにしてもよいし、規定のコースの運転が終了したのちにまとめて危険個所や減点部分などを表示するようにしてもよい。また、表示部１６への表示のみならず、被験者が登録したメールアドレス等に評価を通知するようにしてもよいし、紙媒体へ印刷して被験者へ渡すようにしてもよい。

＜動的時間伸縮法（ＤＴＷ）＞・・・図５は、動的時間伸縮法（ＤＴＷ：Dynamic TimeWarping）の考え方を示す概念図である。本実施形態では、走行軌跡を得るための車両１０の走行位置情報と、車両１０の操作に関する挙動情報をわけてＤＴＷにかけている。図５(A)は、位置情報のうちの緯度に関するデータであって、ラインＬＡ１が手本となるデータ、ラインＬＢ１が被験者のデータである。規定のコースを走行するため、位置情報の時系列変化は類似するものの、被験者によって前後のずれが生じている。

図５(B)は、挙動情報のうちのアクセルペダルの踏み込み量に関するデータであって、ラインＬＡ２が手本となるデータ、ラインＬＢ２が被験者のデータである。図示の例では、アクセルペダルの踏み込み量の時系列変化は、個人差が非常に大きい。他の挙動情報（ブレーキペダルの踏み込み量、ハンドルの操舵角など）も個人差が多くあらわれやすい。そして、これらの挙動情報は、それぞれ関連性が高いと考えられる。

図６には、動的時間伸縮法（ＤＴＷ）による走行にかかる時間の違いを吸収する前後を示すグラフが示されている。同図において、横軸は時間（走行にかかる時間）、縦軸は例えば、車両の走行位置情報のうちの緯度である。ラインＬＡは手本となるデータのライン、ラインＬＢは被験者のデータのラインである。同図に示すように走行にかかる時間の違いを吸収することで、吸収前よりもデータの比較が容易となる。

＜走行位置に基づく運転技能評価＞・・・図７は、本実施形態におけるＮ次元ＤＴＷによる走行位置の学習の例を示す説明図である。通常のＤＴＷは１つの要素の時系列データしか処理できないが、本発明の走行位置データは、緯度と経度の２つの要素の時系列データの処理が必要となる。Ｎ次元ＤＴＷ７２では、複数の要素の時系列データを処理でき、類似度の算出、データの特徴に合わせたタイムストレッチ（時間伸縮）が可能である。

例えば、図７に示すように、［１］走行位置（緯度経度）〜［ｍ］走行位置（緯度経度）の走行位置をＮ次元ＤＴＷ７２に入力する。Ｎ次元ＤＴＷ７２は、緯度と経度の時系列データを処理し、類似度の算出、データの特徴に合わせたタイムストレッチ（時間伸縮）を行い、Ｍ個の走行位置データから最も平均的なデータを抽出する。図７の例では、［７］走行位置（緯度経度）が最も平均的なデータとして抽出され、模範的な運転の走行パターンと学習される。

また、Ｍ個の走行位置データから最も平均的なデータを抽出して模範的な運転者の走行パターンとしてもよい。すなわち、入力される学習サンプル（複数の模範走行軌跡データ）を総当たりで類似性を算出し、他のサンプル全てとの類似性の平均値が高いサンプルを抽出する。より具体的には、複数の模範走行軌跡データを学習サンプルの入力値とし、それぞれ、１対その他とのＮ次元ＤＴＷによる類似性の平均を算出し、最も平均類似性の高いデータをピックアップし、そのデータを最優秀模範走行データとし、被験者のデータと比較するための走行パターンとして学習するという具合である。

図８は、本実施形態における走行位置に基づく評価方法の一例を示す説明図である。図８において、ラインＬＣは実際の走行軌跡（被験者の走行軌跡）、ラインＬＤは模範的な運転者の走行軌跡である。被験者の走行軌跡ＬＣに合わせて、模範の走行軌跡ＬＤが時間伸縮されている。ある時間ｔにおける実際の走行軌跡ＬＣ上の車両１０の位置ＰＡは、同じ時間ｔにおける模範的な運転者の走行軌跡ＬＤ上の車両１０の位置ＰＢと異なっている。

このとき、例えば、時間の閾値Ｔthresh以下の時間の間（図８に実線で示された円の範囲内）に、模範的な走行軌跡上ＬＤの時間ｔにおける車両１０の位置ＰＢから、距離の閾値Ｄthresh以内の位置（図８に破線で示された円の範囲内）に車両１０が入っていればＯＫと評価する。図８の例では、位置ＰＣは、距離の閾値Ｄthresh以内の位置に入っているのでＯＫとなる。

そして、例えば、模範的な走行軌跡との距離のずれが０．７ｍを超えていれば、「traceＳ」として「減点５」、ずれが１．０ｍを超えていれば「traceＭ」として「減点１０」、ずれが１．２ｍを超えていれば「traceＬ」として「減点２０」という具合に減点式で評価を行う。なお、この減点数の定義も一例であり、他の定義を採用してもよい。

なお、このような走行位置による被験者の運転技能の評価にあたり、発着場の走行軌跡は除外する。例えば、開始地点、終了地点から３０ｍｋ以内のデータを無視し、開始地点から３０ｍを超えた地点から、終了地点から３０ｍを超えた地点までの走行軌跡を評価する。

＜挙動情報に基づく運転技能評価＞・・・図９は、本実施形態における挙動情報の学習による機械学習の一例を示す図である。図９(A)は速度、図９(B)はブレーキペダル踏み込み量、図９(C)はアクセルペダル踏み込み量、図９(D)はウィンカー操作量、図９(E)はステリング操舵角である。図９(A)〜(E)において、ラインＬＳは学習サンプルとなる教官の挙動データ、ラインＬＳaveは複数の教官の挙動データの平均値である。ここでは、ラインＬＳaveが模範的な運転の挙動パターンとして学習される。

そして、被験者の車両１０に対する操作を示す挙動情報の各パラメータに対して、模範的な運転の挙動パターンとの差異を計算し、どのくらい模範的な運転の挙動パターンと合致しているのか、あるいは、どのくらい離れているのかを数値化し、その数値により評価の減点数を決める。

図１０は、挙動情報に基づく異常値判定の一例が示されている。図１０(A)はブレーキペダルの踏み込み量であって、複数のラインＬＳは正常な運転データ（指導員の運転データ）であり、ラインＬＢ３が被験者の運転データである。図１０(B)は車速であって、複数のラインＬＳは正常な運転データ（指導員の運転データ）であり、ラインＬＢ４が被験者の運転データである。

図１０(A)及び(B)に示す例では、多数の正常な運転データを収集した上で、そのパターンを解析し、被験者の運転データのパターンが正常なデータにどのくらい合致しているのか、あるいはどのくらい離れているのかを数値化することで、異常値判定（評価）を行い、その結果により評価の減点数を決める。

＜運転技能評価の結果表示＞・・・以上のように評価された運転技能評価の結果を、被験者１０に示す画面の一例が図１１に示されている。図１１に示す表示画面には、左側に走行ルート８２が示され、右側に問題箇所８４がリアルタイムで表示される。例えば、問題箇所８６には、「００：０２：１２走行軌跡のずれ（小）−１．０ｍ以上〜１．５ｍ未満 −５点」、問題箇所８８には、「００：０２：２８走行軌跡のずれ（小）−１．０〜１．５ｍ未満 −５点」と表示されており、各問題箇所で表示された減点を加算した現時点での総合評価得点９０が表示されている。すなわち、総合評価得点９０の数値は、走行を進めるにしたがって変化していく。なお、図１１の問題箇所には走行軌跡のずれと人形接触の場合しか表示されていないが、運転の挙動パターンに基づく評価をこれに加味してもよく、それによって運転技能評価の精度がより向上する。

＜効果＞・・・以上説明した実施形態によれば、運転技能評価システム１００は、車両１０の走行位置を時系列で記録することで、見本となる運転データを記録する走行位置記録手段５２と、前記運転データに基づいて学習し、模範的な運転の走行パターンを学習する走行学習手段５４と、学習した前記走行パターンに基づいて、運転者の運転技能を評価する評価手段６０と、を備える。このように、被験者の運転技能評価に、走行軌跡を加味することで評価の精度が向上する。

また、運転者の車両に対する操作を示す挙動情報を取得する挙動情報取得手段５６と、前記挙動情報に基づいて学習し、模範的な運転の挙動パターンを学習する挙動学習手段５８と、を備え、前記評価手段６０は、前記走行パターンに加えて、学習した前記挙動パターンに基づいて、前記運転者の運転技能を評価することで、より評価の精度が向上する。

上述した実施形態は一例であり、同様の効果を奏する範囲内で適宜変更が可能である。例えば、前記実施形態で示したシステム構成も一例であり、サーバ５０の構成を車両１０が備えることで、車両１０で、機械学習、分析、評価を行うようにしてもよい。また、前記実施形態で示した走行軌跡の記録方法も一例であり、ＳＢＡＳ方式の測位法（地上の基地局で計測した測位誤差から補正値を算出し、衛星を介して、放送されたその補正情報を使ってＧＰＳ測位の誤差を補正する方法）や、ＲＴＫ測位法（自前でＲＴＫ基地局を設置し、そこで計測した測位誤差から補正値を算出し、無線やインターネット等の通信を介して受信したその補正情報を使ってＧＰＳ測位の誤差を補正する方法）を採用してもよい。更に、前記実施形態で示した減点数の定義も一例であり、例えば、模範的な走行軌跡との距離のずれが１．０ｍを超えていれば、「traceＳ」として「減点５」、ずれが１．５ｍを超えていれば「traceＭ」として「減点１０」、ずれが２．０ｍを超えていれば「traceＬ」として「減点１５」というように減点数を定義してもよい。他の減点項目においても同様である。また、本発明は、サーバ５０で実行されるプログラムとして提供されてもよい。このプログラムは、コンピュータが読取可能な記録媒体に記録された状態で提供されていてもよいし、ネットワークを介してダウンロード可能としてもよい。更に、本発明は、方法の発明として提供されてもよい。

本発明によれば、車両の走行位置を学習して評価に加味することで、運転技能の評価の精度が向上するため、運転技能評価システムとして好適である。

１０：車両
１２：制御部
１４：記憶部
１６：表示部
１８：通信部
２０：操作部
２２：アクセルペダル
２４：ステアリング
２６：クラッチ
３０：走行位置検出部
３２：挙動情報検出部
５０：サーバ
５２：プロセッサ
５４：メモリ
５６：ストレージ
５６Ａ：運転データ
５６Ｂ：挙動情報
５６Ｃ：学習データ
５８：通信部
６０：走行位置記憶手段
６２：走行学習手段
６４：挙動情報取得手段
６６：挙動学習手段
６８：評価手段
７０：出力手段
７２：Ｎ次元ＤＴＷ
８０：表示画面
８２：走行ルート
８４：問題箇所
８６、８８：減点項目
９０：総合評価得点
１００：運転技能評価システム
ＬＡ、ＬＡ１、ＬＡ２、ＬＢ、ＬＢ１、ＬＢ２、ＬＣ、ＬＤ、ＬＳ、ＬＳave：ライン
ＰＡ〜ＰＣ：位置

また、本発明は、運転技能評価システムが実行する運転技能評価方法であって、車両の走行位置を時系列に記録することで、見本となる運転データを記録するステップと、前記運転データに基づいて学習し、模範的な運転の走行パターンを学習するステップと、学習した前記走行パターンに基づいて、運転者の運転技能を評価するステップと、を備える運転技能評価方法を提供する。

更に、本発明は、コンピュータに、車両の走行位置を時系列で記録することで、見本となる運転データを記録するステップ、前記運転データに基づいて学習し、模範的な運転の走行パターンを学習するステップ、学習した前記走行パターンに基づいて、運転者の運転技能を評価するステップ、を実行させるためのコンピュータ読み取り可能なプログラムを提供する。

本発明は、車両の走行位置を時系列で記録することで、見本となる規定のコースを走行する模範的な運転者の運転データを記録する走行位置記録手段と、前記運転データに基づいて学習し、模範的な運転の走行パターンを学習する走行学習手段と、学習した前記走行パターンに基づいて、前記規定のコースを走行する被験者の運転技能を評価する評価手段と、を備える運転技能評価システムを提供する。

また、本発明は、運転技能評価システムが実行する運転技能評価方法であって、車両の走行位置を時系列に記録することで、見本となる規定のコースを走行する模範的な運転者の運転データを記録するステップと、前記運転データに基づいて学習し、模範的な運転の走行パターンを学習するステップと、学習した前記走行パターンに基づいて、前記規定のコースを走行する被験者の運転技能を評価するステップと、を備える運転技能評価方法を提供する。

更に、本発明は、コンピュータに、車両の走行位置を時系列で記録することで、見本となる規定のコースを走行する模範的な運転者の運転データを記録するステップ、前記運転データに基づいて学習し、模範的な運転の走行パターンを学習するステップ、学習した前記走行パターンに基づいて、前記規定のコースを走行する被験者の運転技能を評価するステップ、を実行させるためのコンピュータ読み取り可能なプログラムを提供する。

Claims

車両の走行位置を時系列で記録することで、見本となる運転データを記録する走行位置記録手段と、
前記運転データに基づいて学習し、模範的な運転の走行パターンを学習する走行学習手段と、
学習した前記走行パターンに基づいて、運転者の運転技能を評価する評価手段と、
を備える運転技能評価システム。
運転者の車両に対する操作を示す挙動情報を取得する挙動情報取得手段と、
前記挙動情報に基づいて学習し、模範的な運転の挙動パターンを学習する挙動学習手段と、を備え、
前記評価手段は、前記走行パターンに加えて、学習した前記挙動パターンに基づいて、前記運転者の運転技能を評価する請求項１に記載の運転技能評価システム。
車両の走行位置を時系列に記録することで、見本となる運転データを記録するステップと、
前記運転データに基づいて学習し、模範的な運転の走行パターンを学習するステップと、
学習した前記走行パターンに基づいて、運転者の運転技能を評価するステップと、
を備える運転技能評価方法。
コンピュータに、
車両の走行位置を時系列で記録することで、見本となる運転データを記録するステップと、
前記運転データに基づいて学習し、模範的な運転の走行パターンを学習するステップと、
学習した前記走行パターンに基づいて、運転者の運転技能を評価するステップと、
を実行させるための運転技能評価プログラム。