WO2018047895A1 - 運行管理支援システム、運行管理支援方法、プログラム - Google Patents

運行管理支援システム、運行管理支援方法、プログラム Download PDF

Info

Publication number
WO2018047895A1
WO2018047895A1 PCT/JP2017/032219 JP2017032219W WO2018047895A1 WO 2018047895 A1 WO2018047895 A1 WO 2018047895A1 JP 2017032219 W JP2017032219 W JP 2017032219W WO 2018047895 A1 WO2018047895 A1 WO 2018047895A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
detection pattern
matches
operation management
analysis
Prior art date
Application number
PCT/JP2017/032219
Other languages
English (en)
French (fr)
Inventor
貫 飯田
一功 小林
翔 赤木
Original Assignee
Ｋｅｎｐａｌ株式会社
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 Ｋｅｎｐａｌ株式会社 filed Critical Ｋｅｎｐａｌ株式会社
Publication of WO2018047895A1 publication Critical patent/WO2018047895A1/ja

Links

Images

Classifications

    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes
    • G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
    • G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
    • G09B9/052—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles characterised by provision for recording or measuring trainee's performance

Definitions

  • the present invention relates to an operation management support system, an operation management method, and a server for supporting operation management of a vehicle and the like based on measured brain waves, pulse, blood flow, and the like (hereinafter simply referred to as an electroencephalogram) of the driver of the vehicle and the like.
  • the present invention relates to an apparatus and a program.
  • an electroencephalogram sensor is used to provide a human-centered safety measure in the form of software.
  • a safety measure for preventing a car accident an electroencephalogram sensor is used to provide a human-centered safety measure in the form of software.
  • the realization of services for medium- and long-distance, late-night flight trucks and high-speed, chartered bus operators is encouraging. It is penetrated to mitigate risk.
  • Patent Document 1 discloses a sleepiness estimation rule update device that calculates an activity index of an autonomic nerve from RRI data and estimates sleepiness using this.
  • an electroencephalogram acquisition apparatus that acquires a driver's brain wave, an electroencephalogram calculation ECU that calculates an attention amount for driving from the acquired electroencephalogram, and a driver visually confirms an object according to the attention amount.
  • a driving support system including a driving support ECU that issues a warning for prompting is disclosed.
  • Patent Document 3 discloses a dozing prevention device that detects driver drowsiness, determines signs of dozing, and emits a warning sound based on the determination result. For sleepiness detection, information about the driver's brain waves is used.
  • an in-vehicle smartphone that monitors the operation status and a detection terminal can be communicated with each other via Bluetooth (registered trademark), and if the operation status starts falling asleep, a warning is given and the monitoring terminal is connected via the in-vehicle smartphone.
  • an operating vehicle management system for reporting an emergency state is disclosed.
  • the present invention has been made in view of such problems, and incorporates a machine learning method when analyzing sleepiness, and appropriately predicts the timing of a driver's sleep based on information such as a driving route.
  • the purpose is to support the operation management so as to ensure a safe driving state by issuing a predetermined warning or the like.
  • an operation management support system includes baseline data that is brain wave data acquired before driving, brain wave data acquired during driving, and real-time acquired data that is GPS data. It is an operation management support system that receives an input of measurement data and performs analysis, and extracts only the storage unit that stores a predetermined master table and the detection pattern weighting data that matches the attribute of the measurement data from the master table, From the extracted detection pattern weight data, the one that matches the baseline data is left, and the drowsiness detection time zone related to the detection pattern weight data with the largest weight among the last remaining detection pattern weight data is used as the analysis result.
  • a pre-analysis unit that outputs, based on the sleepiness detection time zone according to the output To support the proper operation management based on the brain waves of the rolling person.
  • a primary analysis drowsiness detection pattern is extracted from the master table, and whether or not the primary analysis drowsiness detection pattern data matches the real-time acquired data is confirmed. You may further have the primary analysis part which outputs the sleepiness detection time slot
  • only the detection pattern weighting data that matches the attribute of the measurement data is extracted from the master table, and among the extracted detection pattern weighting data, the one that matches the real-time acquisition data is left, and the last remaining
  • a secondary analysis unit that outputs the sleepiness detection time zone related to the detection pattern weighting data having the largest weight among the detection pattern weighting data as an analysis result may be included.
  • a machine learning method is adopted when analyzing sleepiness, and the driver's dozing timing is appropriately predicted based on information such as a driving route, and a safe warning is issued by issuing a predetermined warning or the like. It is possible to provide an operation management support system, an operation management method, a server device, and a program that support operation management so as to ensure the state of the system.
  • FIG. 1 shows and describes the configuration of an operation management support system according to an embodiment of the present invention.
  • the operation management support system 1 includes a driver-side system 10, a cloud-based system 20, and an administrator-side system 30.
  • the driver side system 10 includes an electroencephalogram sensor unit 11 and a mobile terminal 12 such as a smartphone.
  • the electroencephalogram sensor unit 11 includes an electroencephalogram sensor, a radio communication unit, a control unit, and the like, and communication with the mobile terminal 12 is realized via the radio communication unit.
  • An application program that can be downloaded by an ASP service or the like is mounted on the mobile terminal 12.
  • the system 20 on the cloud includes a web server device 21 and a database server device 22.
  • the web server device 21 executes driver operation management based on data sent from the mobile terminal 12 of the driver side system 10, and the DB of the database server device 22 is referred to as appropriate.
  • two server apparatuses 21 and 22 that are physically separated are shown, but it is needless to say that they may be physically integrated and logically separated.
  • the administrator's system 30 is composed of information terminals 31 and 32 such as personal computers and smartphones, and can access the web server device 21 on the cloud and appropriately check the operation management status of the driver. It has become.
  • the brain wave of the driver is measured using an application program installed in the brain wave sensor unit 11 and the portable terminal 12.
  • EEG data is analyzed in real time to evaluate “brain activity”.
  • a warning sound or a voice message is reproduced on the portable terminal 12 side.
  • This warning sound or voice message is merely an example of an output mode for alerting the driver, and it is needless to say that it can be dealt with by reproducing a broad sound including general music (music).
  • the electroencephalograph itself may be vibrated to act on the driver's tactile sense and urge multifaceted attention.
  • the driver's brain activity, evaluation, and GPS information are periodically transmitted to the web server device 21 on the cloud. If the evaluation is bad, a warning mail is transmitted from the cloud to the manager terminals 31 and 32 of the operation manager.
  • the administrator can check the position and status of the driver from the web screen. The administrator can instruct the application program of the driver's portable terminal 12 to play the voice message.
  • the driver performs a simple measurement for 1 to 3 minutes before departure. The result can be confirmed by the administrator at the administrator terminals 31 and 32 as well.
  • the purpose of this simple measurement is to make the driver highly aware of health care. Dangers inherent in the driver are detected by brain activity and evaluated objectively. Daily care is important because it cannot be repaired by appearance or words. On the other hand, the fact that the administrator checks each time also leads to an improvement in awareness.
  • the operation plan for the day can be adjusted according to the evaluation of simple measurement to reduce the risk of accidents. If the evaluation is very bad, the manager can check the driver's mind and body again, considering the replacement of the driver.
  • the driver starts real-time measurement at the start of driving. At the same time, a departure report is sent to the manager. If the evaluation falls below a certain standard during traveling, a warning sound or a voice message is reproduced on the portable terminal 12 side by the function of the application program. Be aware of the driver at an early stage so that the state of distraction and shaking will not last for a long time. Further, even when approaching the cautionary point, a warning sound can be sounded from the portable terminal 12 side and a voice message can be reproduced by the function of the application program. It will be the location where the administrator has registered the location based on the location where the accident occurred in the past and the driver's diary. On the other hand, the administrator can check the brain activity on the web together with the driver's location information.
  • the application program can be instructed to play a warning sound or a voice message according to the situation. For example, like a message saying "Please stop the bus and call me”.
  • the aim is for the administrator to detect changes in the driver and give instructions to increase safety. If you make a phone call while driving, it is assumed that attention will be lost and pressure will be put on, so email notification by the function of the application program is appropriate.
  • the “master table” includes a user master (user ID, user name, date of birth, gender and skill level ID), course master (course ID, course name, departure place, arrival place, waypoint 1, 2,... N. ).
  • the “transaction table” includes a measurement header (measurement ID, user ID, course ID, operation status), measurement section (section ID, measurement ID, sequence, section start date / time, section end date / time, prior measurement result, drowsiness detection time. ), Baseline (section ID, count (seconds), electroencephalogram data), real time (section ID, count (seconds), GPS position data, electroencephalogram data), alert (alert ID, section ID, occurrence time, alert type, level) ).
  • Aggregation table includes detection pattern weighting (attribute classification ID, number of attribute classification, drowsiness detection time zone, number of drowsiness detection time zone, drowsiness detection pattern candidate ID, success number, success rate, failure number, failure rate, weight, adoption Or not).
  • the “master table” includes a time zone master (time zone ID, start time, end time), skill level master (skill level ID, label, skill level, license color), sleepiness detection pattern candidate master (sleepiness detection pattern candidate). ID, sleepiness detection time zone, electroencephalogram band judgment pattern, parameter), attribute classification master (attribute classification ID, user ID, course ID, time zone ID, age group, gender, skill level ID, aggregation target flag), primary Analysis drowsiness detection pattern master (primary analysis drowsiness detection pattern ID, drowsiness detection time zone, brain wave band determination pattern, parameter), and secondary analysis drowsiness detection pattern master (secondary analysis drowsiness detection pattern ID, drowsiness detection time zone, EEG band determination pattern, parameter).
  • the image of measurement data by this system is as shown in FIG.
  • measurement data is roughly divided into measurement header, measurement section data, baseline data, real-time acquisition data, and alert data.
  • the measurement header includes a measurement ID, a user ID, a course ID, and operation status data.
  • the measurement section data includes a section ID and a sequence, a section start date and time, a section end date and time, a preliminary measurement result, a drowsiness detection time, and the like.
  • Baseline data is brain wave data.
  • the real-time acquisition data is brain wave data and GPS position data.
  • the alert data includes alert ID, alert occurrence time, alert type, and alert level data.
  • the user ID is 5 (Fujishima Shiroro)
  • the course ID is C (Kanazawa / Tokyo)
  • the operation status is driving
  • the section ID is 5
  • the sequence is 1
  • the section start date is 2016/07/24
  • section end date and time is blank
  • pre-measurement result is 2: caution
  • no drowsiness detection time is 2: caution
  • the alert ID is 1104, the occurrence time is 2/24/2017 23:00, the alert type is driving, and the level is 2: caution.
  • the image of the attribute classification master is as shown in FIG.
  • grouping is performed according to the pattern of conditions registered in the attribute classification master.
  • the contents of the item number classification are as follows. 0 items: All data is targeted 1 item: 1 item is linked to one value, all data is 1 group 2 items: 2 items is linked to 2 values, all data is 1 group 3 items : All data associated with three values of three items is one group.
  • the classification by the number of three items consisting of an arbitrary combination of user ID, course ID, and time zone ID is illustrated. However, this is merely an example, and it is needless to say that grouping by a larger number of items can be comprehensively performed according to the type and type of IDs to be combined.
  • the item number classification, user ID, course ID, time zone ID, age group, gender, skill level ID, and aggregation target flag are associated with the attribute classification ID. Are managed respectively.
  • FIG. 4 illustrates an image of measurement data extraction.
  • measurement data is extracted based on the above conditions as shown in FIGS. 4B and 4C. Sort by detection time and group by sleepiness detection time zone.
  • the image of the sleepiness detection pattern candidate master is as shown in FIG.
  • parameters are extracted for each determination pattern of the electroencephalogram band from the sleepiness detection pattern candidate master, and the number of detections and the number of false detections are examined from the sleepiness detection time zone.
  • FIG. 5A shows an example of a drowsiness detection pattern candidate master.
  • a drowsiness detection pattern candidate ID, a drowsiness detection time zone, an electroencephalogram band determination pattern, and parameters (excess, less flag) (threshold) ( The number of occurrences) is stored in association with each other.
  • FIG. 5B An example of the primary analysis drowsiness detection pattern master is shown in FIG. 5B.
  • the primary analysis drowsiness detection pattern ID, the sleepiness detection time zone, the determination pattern of the electroencephalogram band, and the parameters related to ⁇ waves (excess Less than flag) (threshold value) (number of occurrences) and parameters related to the ⁇ wave (excess / less flag) are stored in association with each other.
  • FIG. 5C an example of the secondary analysis drowsiness detection pattern master is shown in FIG. 5C, and the secondary analysis drowsiness detection pattern ID corresponds to the determination pattern and parameter (threshold value) of the drowsiness detection time zone and the electroencephalogram band. Attached and memorized.
  • the detection pattern weighting data as shown in FIGS. 6A and 6B is collected. That is, the attribute classification, the number of attribute classification, the sleepiness detection, the matching rate, the weight, and the adoption availability are related. Of these, it is preferable to preferentially refer to a record with a high matching rate, that is, a record with a high detection rate, to control the timing of alerts related to driving. Actually, whether or not to adopt each record is determined based on the matching rate, and therefore, the control may be performed with reference to the adoption.
  • FIG. 7 a detailed configuration of the server apparatus is shown and described.
  • the server device 21 includes a control unit 211.
  • the control unit 211 reads out and executes the program 216 in the storage unit 215, thereby providing a main control unit 211a, an authentication unit 211b, a pre-analysis unit 211c, a primary analysis unit 211d, a secondary analysis unit 211e, and a screen generation unit 211f. Function.
  • the control unit 211 is connected to the communication unit 212, the user DB 213, and the master DB 214.
  • control unit 211 functions as the pre-analysis unit 211c, the secondary analysis unit 211d, and the secondary analysis unit 211e in particular to perform appropriate operation management support based on the driver's brain waves. Make it possible.
  • the mobile terminal performs pairing with the electroencephalogram sensor unit (S1). Then, a signal is transmitted from the electroencephalogram sensor unit to the portable terminal by short-range wireless communication (S2), and a screen switching guidance display is performed on the portable terminal (S3). Then, a white screen is drawn (n seconds) (S4).
  • the mobile terminal determines whether or not the eyes are continuously closed for m seconds (S9).
  • the baseline measurement is stopped (S10), and the eye opening guidance is performed (S11).
  • the line is transmitted (S12).
  • the server device stores the baseline in the DB (S13), and performs a pre-measurement analysis (S14). Then, the analysis result is stored in the DB (S15), and the analysis result is transmitted to the administrator terminal by mail (S16). Further, the analysis result is returned to the portable terminal (S17).
  • the analysis result to be returned includes data of a primary analysis drowsiness detection pattern master to be used later.
  • the mobile terminal stores the analysis result (S18) and displays the analysis result (S19).
  • the administrator terminal sends an operation start approval to the server device (S20) and an approval notification is sent from the server device to the mobile terminal (S21), the mobile terminal starts operation (S22).
  • the screen transition of FIG. 9 has shown the transition of the screen from the pairing in the flowchart of FIG. 8 to an operation start.
  • a message to that effect is displayed on the screen, and screen guidance, white screen, eye-closed guidance, and eye-opening guidance are each suggested by switching screens as shown in the figure.
  • the start of operation can be selected.
  • the mobile terminal When the mobile terminal starts driving (S30), the mobile terminal transmits a driving start notification to the server device (S31).
  • the server device transmits an operation start mail to the administrator terminal (S32).
  • the mobile terminal when a signal is transmitted from the electroencephalogram sensor unit by short-range wireless communication (S33), the mobile terminal temporarily stores the electroencephalogram data, acquires the GPS data, and temporarily stores it (S34, S35). Then, these data are transmitted to the server device (S36).
  • the mobile terminal performs a primary analysis (S37).
  • the server device stores the received data in the DB (S38) and performs a secondary analysis (S39). Then, after storing the analysis result in the DB (S40), the analysis result is sent by e-mail (S41). Moreover, an analysis result is returned to a portable terminal (S42). In this embodiment, the analysis result is sent by e-mail in step S41 only when, for example, a sign of sleepiness worthy of notification is confirmed, but it is of course not limited thereto. .
  • the mobile terminal stores the returned analysis result (S43) and displays the analysis result (S44). About this display, you may use together with a character, a color, a sound, a vibration, etc.
  • the administrator terminal checks the operation status for the server device (S45). Or management alert setting is performed with respect to a server apparatus (S46). In the server device, management alert setting and saving to DB are performed (S47).
  • the mobile terminal confirms the management alert setting for the server device (S48) and saves the confirmation (S49).
  • Management alert display character, color, sound, vibration, etc.
  • prediction alert display is performed (S51).
  • S52 it is determined whether or not the operation is to be ended (S52).
  • S52 the operation is ended (S52), and an operation end notification is sent to the server device (S53).
  • the server device transmits an operation end mail to the administrator terminal (S54), and the administrator terminal confirms the operation result (S55).
  • the screen transition of FIG. 11 shows the screen switching related to the suggestion of each state during driving.
  • “Good state” is displayed, and at the time of warning, “Concentration is low. Please take a break” is displayed.
  • FIG. 12 and FIG. 13 show examples of management screens displayed on the administrator terminal.
  • the management screen shown in FIG. 12 it is possible to narrow down the operation list according to the operation state, and after narrowing down, the driver, the course, the operation status, etc. can be confirmed in the list.
  • the route and its quality are further displayed on the map.
  • step S106 the process is repeated for each record for each measurement data extracted in step S102 (S106).
  • the extracted measured electroencephalogram data is evaluated using deep learning, and it is determined whether or not the pattern matches (S107).
  • the number of detection is counted (S108). If it coincides with a different drowsiness detection time zone, the number of false detections is counted (S109).
  • the repetition of S105 is finished (S110), and the detection rate and the false detection rate are registered (S111). Then, the repetition of S104 ends (S112), and the detection pattern weight is calculated from the detection rate weight master and the false detection rate weight master based on the detection rate and the false detection rate for each sleepiness detection time zone of the attribute classification. Then, it is decided whether or not to adopt (S113).
  • the primary analysis sleepiness detection pattern data When the primary analysis drowsiness detection pattern data is acquired (S301), it is confirmed whether or not the primary analysis sleepiness detection pattern data matches the real-time electroencephalogram data (S302). If they match, the “sleepiness detection time zone” of the primary analysis sleepiness detection pattern data is returned as the analysis result (S303), and the primary analysis processing is terminated.
  • the present invention is not limited to this, and it is needless to say that various improvements and changes can be made without departing from the spirit of the present invention.
  • a system that supports management related to the operation of a car has been illustrated.
  • the present invention is not limited to this, and a wide range of work that requires safety and efficiency, such as work at a factory or class at a university Of course, it is applicable to.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Educational Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Social Psychology (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Traffic Control Systems (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

眠気に関する分析を行うに際して機械学習の手法を取り入れて、運転者の居眠りのタイミングを走行ルート等の情報に基づいて適正に予測し、所定の警告を発する等して安全運転の状態を確保するよう運行管理を支援する。本発明の運行管理支援システムは、所定のマスタテーブルを保存した記憶部２１４と、計測データについて事前分析を行う事前分析部２１１ｃと、前記計測データについて前記マスタテーブルを参照して１次分析を行う１次分析部２１１ｄと、前記計測データについて前記マスタテーブルを参照して２次分析を行う２次分析部２１１ｅと、を備え、運転者の脳波に基づく適正な運行管理支援を行うことを特徴とする。

Description

[規則37.2に基づきISAが決定した発明の名称]　運行管理支援システム、運行管理支援方法、プログラム
　本発明は、計測された車両等の運転者の脳波、脈拍、及び血流等（以下、単に脳波という）に基づいて車両等の運行管理等を支援する運行管理支援システム、運行管理方法、サーバ装置、及びプログラムに関する。
　従来、自動車事故を防止する安全対策のために、脳波センサを利用して、人を中心とした安全対策をソフトウェアの態様で提供することがなされている。例えば、法人サービスであれば、中長距離、深夜便トラックや高速、貸切バスの運行会社を対象にしたサービスの実現が嘱望されており、個人サービスであれば、ドライバーを補助し、自動車事故のリスクを軽減することが嘱望されている。
　この種の技術として、例えば、特許文献１では、ＲＲＩデータから自律神経の活動指標を算出し、これを用いて眠気推定する眠気推定ルール更新装置が開示されている。
　さらに、特許文献２では、運転者の脳波を取得する脳波取得装置と、取得した脳波から運転に対する注意量を算出する脳波算出ＥＣＵと、注意量に応じて運転者が対象物を目視確認するよう促すための警告を行う運転支援ＥＣＵと、を備えた運転支援システムが開示されている。
　また、特許文献３では、運転者の眠気を検出し、居眠り兆候を判定し、その判定結果に基づいて警告音を発する居眠り防止装置が開示されている。そして、眠気検出については運転者の脳波の情報を用いている。
　さらに、特許文献４では、運行状況を監視する車載スマートフォンと、検知端末器とをブルートゥース（登録商標）により通信可能にし、運行状況が居眠り開始であれば、警告し、車載スマートフォンを介して監視端末にも非常事態状態を通報する運行車両管理システムが開示されている。
特開２０１６－１２００６２号公報 特開２０１５－０９５１１１号公報 特開２０１３－２３２１４３号公報 特開２０１３－１２０４０９号公報
　しかしながら、特許文献１乃至４に係る技術は、いずれも居眠り等の兆候を判定し、その結果に基づいて所定の警告等を行うものであり、運転者の運転に係るログ情報や属性情報等に基づいて、警告のタイミングを予測することはなされておらず、計測又は判定結果に基づく事後的な警告等を促すにすぎなかった。
　本発明は、このような課題に鑑みてなされたものであり、眠気に関する分析を行うに際して機械学習の手法を取り入れて、運転者の居眠りのタイミングを走行ルート等の情報に基づいて適正に予測し、所定の警告を発する等して安全運転の状態を確保するように、運行管理を支援することを目的とする。
　上記課題を解決するため、本発明の一態様に係る運行管理支援システムは、運転前に取得した脳波データであるベースラインデータと運転中に取得した脳波データ及びＧＰＳデータであるリアルタイム取得データを含む計測データの入力を受けて分析を行う運転管理支援システムであって、所定のマスタテーブルを保存した記憶部と、計測データの属性に合致する検知パターン重み付けデータのみを、前記マスタテーブルから抽出し、抽出された検知パターン重み付けデータの中から、前記ベースラインデータに合致するものを残し、最後に残った検知パターン重み付けデータのうち重みが最大の検知パターン重み付けデータに係る眠気検知時間帯を分析結果として出力する事前分析部とを備え、上記出力に係る眠気検知時間帯に基づいて運転者の脳波に基づく適正な運行管理を支援する。
　この態様において、前記マスタテーブルより１次分析眠気検知パターンを抽出し、当該１次分析眠気検知パターンデータが前記リアルタイム取得データに合致するか否かを確認し、合致した場合に１次分析眠気検知パターンデータに係る眠気検知時間帯を分析結果として出力する１次分析部を更に有してよい。この態様において、計測データの属性に合致する検知パターン重み付けデータのみを、前記マスタテーブルから抽出し、抽出された検知パターン重み付けデータの中から、前記リアルタイム取得データに合致するものを残し、最後に残った検知パターン重み付けデータのうち重みが最大の検知パターン重み付けデータに係る眠気検知時間帯を分析結果として出力する２次分析部を有してよい。
　本発明によれば、眠気に関する分析を行うに際して機械学習の手法を取り入れて、運転者の居眠りのタイミングを走行ルート等の情報に基づいて適正に予測し、所定の警告を発する等して安全運転の状態を確保するよう運行管理を支援する運行管理支援システム、運行管理方法、サーバ装置、及びプログラムを提供することができる。
本発明の一実施形態に係る運行管理支援システムの構成図である。 計測データイメージを示す図である。 属性分類マスタイメージを示す図である。 計測データ抽出イメージを示す図である。 眠気検知パターン候補マスタイメージを示す図である。 検知パターン重み付けデータイメージを示す図である。 サーバ装置の詳細な構成図である。 本発明の一実施形態に係る運行管理支援システムによる事前計測の処理手順を示すフローチャートである。 事前計測時の画面遷移を示す図である。 本発明の一実施形態に係る運行管理支援システムによる運転中の処理手順を示すフローチャートである。 運転中の画面遷移を示す図である。 管理画面を示す図である。 管理画面を示す図である。 検知パターン重み付け割り出しの処理手順を示すフローチャートである。 事前計測分析の処理手順を示すフローチャートである。 運転中１次分析の処理手順を示すフローチャートである。 運転中２次分析の処理手順を示すフローチャートである。
　以下、図面を参照しつつ本発明の一実施形態について説明する。
　図１には、本発明の一実施形態に係る運行管理支援システムの構成を示し説明する。
　同図に示されるように、運行管理支援システム１は、ドライバー側のシステム１０、クラウド上のシステム２０、及び管理者側のシステム３０からなる。
　ドライバー側のシステム１０は、脳波センサユニット１１と、スマートフォン等の携帯端末１２とで構成されている。脳波センサユニット１１は、ここでは不図示であるが、脳波センサと、無線通信部、制御部等を備えており、無線通信部を介して携帯端末１２との通信が実現される。携帯端末１２には、ＡＳＰサービス等によりダウンロード可能なアプリケ―ションプログラムが実装されている。
　クラウド上のシステム２０は、ウェブサーバ装置２１とデータベースサーバ装置２２とからなる。ウェブサーバ装置２１は、ドライバー側システム１０の携帯端末１２から送られてきたデータ等に基づいて、ドライバーの運行管理を実行するものであり、データベースサーバ装置２２のＤＢが適宜参照される。なお、ここでは、物理的に分離された２つのサーバ装置２１，２２を示したが、物理的には一体化され、論理的に分離されたものであってもよいことは勿論である。
　一方、管理者のシステム３０は、パーソナルコンピュータやスマートフォン等の情報端末３１，３２で構成されており、クラウド上のウェブサーバ装置２１にアクセスし、ドライバーの運行管理状況等を適宜確認することが可能となっている。
　このような構成において、ドライバー側では、脳波センサユニット１１と携帯端末１２に実装されるアプリケーションプログラムを使ってドライバーの脳波を計測する。脳波データをリアルタイムで分析して「脳活動」の評価を行う。評価が一定基準を下回ると携帯端末１２側で警告音や音声メッセージの再生を行う。この警告音や音声メッセージはドライバーに注意を促すための出力態様の一例にすぎず、一般的な音楽（楽曲）を含む広義の音の再生を行うことで対応してよいことは勿論である。また、このような音声の再生に加えて、或いは音声の再生に替えて、脳波計自体を振動させることにより、ドライバーの触覚に働きかけて、多角的に注意を促してもよい。
　ドライバーの脳活動、評価、ＧＰＳ情報は、クラウド上のウェブサーバ装置２１に定期的に送信される。評価が悪い場合は、クラウドから運行管理者の管理者端末３１，３２へ警告メールが送信される。管理者は、ウェブ画面からドライバーの位置と状態を確認できる。管理者の判断で音声メッセージの再生をドライバーの携帯端末１２のアプリケーションプログラムに対して指示することができる。
　ここで、本システムの利用シーンについて、「運転前」、「運転中」、及び「運転後」に分けて詳細に説明する。運転前、運転中、運転後の大きく３つの全てを業務に取り込むことで、サービスが最大限に利用され、自動車事故のリスクが軽減される。
　・運転前
　ドライバーは、出発前に１乃至３分間の簡易計測を行う。結果は管理者も管理者端末３１，３２で確認することができる。この簡易計測の目的は、ドライバーに健康管理の意識を高く持たせることにある。ドライバーに内在する危険を脳活動で検知し、客観的に評価する。外見や言葉では取り繕えない分、日頃のケアが重要となる。一方、管理者が、毎回チェックするという点も意識の向上につながる。簡易計測の評価に応じてその日の運行計画を調整し、事故リスクを減らせる。評価が非常に悪い場合、ドライバーの交代も視野に入れ、管理者が改めてドライバーの心身チェックすることができる。
　・運転中
　ドライバーは、運転開始時にリアルタイム計測を開始する。同時に管理者へ出発報告が発信される。走行中に評価が一定基準を下回るとアプリケーションプログラムの機能により携帯端末１２側で警告音や音声メッセージが再生される。注意力散漫・動揺などの状態が長く続かないように、早い段階でドライバーに気付かせる。また、注意地点に近付いた場合も、アプリケーションプログラムの機能により携帯端末１２側から警告音を鳴らし、音声メッセージを再生することができる。過去に事故が発生した場所やドライバーの日誌を元に管理者が地点登録した場所となる。一方、管理者は、ドライバーの位置情報と共に脳活動をウェブで確認できる。状況に応じて警告音や音声メッセージの再生をアプリケーションプログラムに指示できる。例えば、「バスを停止して電話して下さい。」と言ったメッセージのごとくである。管理者がドライバーの変化を検知し、指示を出すことで安全性を高めるのが狙いである。走行中に電話を掛けてしまうと、注意力が奪われ、プレッシャーとなることが想定されるので、アプリケーションプログラムの機能によるメール通知が適切である。
　・運転後
　ドライバーは、リアルタイム計測を終了する。同時に休憩又は到着報告を管理者へ発信する。運転中の脳活動の評価と推移をグラフで見ることができる。過去評価や自己評価と比較し、次回の運転改善への意識を持ってもらう。ドライブ日誌の登録を行い、安全対策となる情報を管理者へ伝える。管理者端末３１，３２において、経路・休憩は適切であったか、危険な道はなかったかなどを報告する。一方、管理者は、管理者端末３１，３２によりドライブ日誌や評価を見て地点登録をしたり、経路・休憩を見直したりする。ドライバー毎の警告レベルを設定できる。集中力が持続しないドライバーは短中距離運行に変更し、又は休憩を多くとらせる等の対策をとる。
　次に、各テーブル構成について概説すると、次のようになる。
　クラウド上のデータベースサーバ装置２２側には、ウェブサーバ装置２１からアクセス可能となるように各種データがテーブル形式で保持されている。
　先ず「マスタテーブル」は、ユーザマスタ（ユーザＩＤ、ユーザ名、生年月日、性別及び熟練度ＩＤ）、コースマスタ（コースＩＤ、コース名、出発地、到着地、及び経由地１，２…ｎ）からなる。
　次に「トランザクションテーブル」は、計測ヘッダ（計測ＩＤ、ユーザＩＤ、コースＩＤ、運行状況）、計測区間（区間ＩＤ、計測ＩＤ、シーケンス、区間開始日時、区間終了日時、事前計測結果、眠気検知時間）、ベースライン（区間ＩＤ、カウント（秒）、脳波データ）、リアルタイム（区間ＩＤ、カウント（秒）、ＧＰＳ位置データ、脳波データ）、アラート（アラートＩＤ、区間ＩＤ、発生時間、アラート種別、レベル）からなる。
　「集計テーブル」は、検知パターン重み付け（属性分類ＩＤ、属性分類件数、眠気検知時間帯、眠気検知時間帯件数、眠気検知パターン候補ＩＤ、成功数、成功率、失敗数、失敗率、重み、採用可否）からなる。
　そして「マスタテーブル」は、時間帯マスタ（時間帯ＩＤ、開始時刻、終了時刻）、熟練度マスタ（熟練度ＩＤ、ラベル、熟練度、免許証カラー）、眠気検知パターン候補マスタ（眠気検知パターン候補ＩＤ、眠気検知時間帯、脳波の帯域判定パターン、パラメータ）、属性分類マスタ（属性分類ＩＤ、ユーザＩＤ、コースＩＤ、時間帯ＩＤ、年齢層、性別、熟練度ＩＤ、集計対象フラグ）、１次分析眠気検知パターンマスタ（１次分析眠気検知パターンＩＤ、眠気検知時間帯、脳波の帯域判定パターン、パラメータ）、及び２次分析眠気検知パターンマスタ（２次分析眠気検知パターンＩＤ、眠気検知時間帯、脳波の帯域判定パターン、パラメータ）からなる。
　以下、前述したテーブル構成を前提に、計測から制御までの処理手順を説明する。
　本システムによる計測データのイメージは、図２に示される通りである。
　即ち、計測データは、計測ヘッダと、計測区間データ、ベースラインデータ、リアルタイム取得データ、及びアラートデータに大別される。計測ヘッダは、計測ＩＤとユーザＩＤ、コースＩＤ、及び運行状況データとからなる。計測区間データは、区間ＩＤとシーケンス、区間開始日時、区間終了日時、事前計測結果、眠気検知時間等からなる。ベースラインデータは、脳波データである。リアルタイム取得データは、脳波データ及びＧＰＳ位置データである。そして、アラートデータは、アラートＩＤ、アラートの発生時間、アラート種別、及びアラートレベルのデータからなる。
　例えば、計測ＩＤ「１０３」については、ユーザＩＤが５（ふじしましろう）、コースＩＤがＣ（金沢・東京）、運行状況が運転中、区間ＩＤが５、シーケンスが１、区間始日時が2016/07/24、区画終了日時がブランク、事前計測結果が２:注意、眠気検知時間がなし、となっている。さらに、アラートデータについては、アラートＩＤが１１０４、発生時間が2016/07/24　23:00、アラート種別が運転中、レベルが２：注意、となっている。
　属性分類マスタのイメージは、図３に示される通りである。
　即ち、この実施形態では、属性分類マスタに登録されている条件のパターンでグループ化を行う。項目数分類の内容は次の通りである。
　０項目：すべてのデータが対象
　１項目：１項目の１つの値に紐づく、すべてのデータが１つのグループ
　２項目：２項目の２つの値に紐づく、すべてのデータが１つのグループ
　３項目：３項目の３つの値に紐づく、すべてのデータが１つのグループ
　尚、ここでは、ユーザＩＤ、コースＩＤ、及び時間帯ＩＤの任意の組み合わせからなる３つの項目数での分類について例示しているが、これはあくまでも一例であって、組み合わせ対象となるＩＤの種類、種別に応じて、更に多くの項目数でのグループ分けが網羅的に可能であることは勿論である。
　そして、この図３の例では、属性分類マスタでは、属性分類ＩＤと紐づけられて、項目数分類、ユーザＩＤ、コースＩＤ、時間帯ＩＤ、年齢層、性別、熟練度ＩＤ、及び集計対象フラグがそれぞれ管理されている。
　ここで、図４は、計測データ抽出のイメージを図示したものである。
　図４（ａ）に示されるように、１つの計測データを抽出した後、図４（ｂ）、４（ｃ）に示されるように、上記の条件を基にして計測データ抽出を行い、眠気検知時間でソートし、眠気検知時間帯でグループ化することになる。
　眠気検知パターン候補マスタのイメージは、図５に示される通りである。
　同図に示されるように、眠気検知パターン候補マスタより、脳波の帯域の判定パターンごとにパラメータを抽出し、眠気検知時間帯からそれぞれ検知数と誤検知数を調べる。
　図５（ａ）は、眠気検知パターン候補マスタの一例を示しており、眠気検知パターン候補ＩＤと、眠気検知時間帯、脳波の帯域の判定パターン、及びパラメータ（超過、未満フラグ）（閾値）（発生回数）が対応付けられて記憶されている。
　そして、１次分析眠気検知パターンマスタの一例は、図５（ｂ）に示され、１次分析眠気検知パターンＩＤと、眠気検知時間帯、脳波の帯域の判定パターン、γ波に関するパラメータ（超過・未満フラグ）（閾値）（発生回数）、θ波に関するパラメータ（超過・未満フラグ）が対応付けられて記憶されている。同様に、２次分析眠気検知パターンマスタの一例は、図５（ｃ）に示され、２次分析眠気検知パターンＩＤと、眠気検知時間帯、脳波の帯域の判定パターン、パラメータ（閾値）が対応付けられて記憶されている。
　こうして、最終的には、図６（ａ），６（ｂ）に示されるような検知パターン重み付けデータが取りまとめられる。つまり、属性分類と、属性分類件数と、眠気検知、マッチング率、重み、及び採用可否が関係付けられる。この中から、マッチング率が高いレコード、つまり、検知率が高いレコードを優先的に参照するようにして、運転に関するアラートのタイミング等を制御するとよい。実際には、マッチング率に基づいて、各レコードの採用可否を決定しているので、採用を参照して制御を行えばよい。
　ここで、図７には、サーバ装置の詳細な構成を示し説明する。
　同図に示されるように、サーバ装置２１は、制御部２１１を備えている。制御部２１１は、記憶部２１５のプログラム２１６を読み出し実行することで、主制御部２１１ａ、認証部２１１ｂ、事前分析部２１１ｃ、１次分析部２１１ｄ、２次分析部２１１ｅ、及び画面生成部２１１ｆとして機能する。このほか、制御部２１１は、通信部２１２、ユーザＤＢ２１３、マスタＤＢ２１４と接続されている。
　このような構成において、制御部２１１は、特に事前分析部２１１ｃ、２次分析部２１１ｄ、及び２次分析部２１１ｅとして機能することで、運転者の脳波に基づく適正な運行管理支援を行うことを可能とする。
　次に、図８のフローチャートを参照して、本発明の一実施形態に係るシステムによる処理手順を詳細に説明する。ここでは、脳波センサユニットと携帯端末とのペアリングから事前計測分析に至る処理手順を中心に説明する。
　携帯端末は、脳波センサユニットとペアリングを行う（Ｓ１）。すると、脳波センサユニットから携帯端末に近距離無線通信により信号が送信され（Ｓ２）、携帯端末にて画面切替案内表示が行われる（Ｓ３）。そして、白画面が描画される（ｎ秒間）（Ｓ４）。
　続いて、脳波センサユニットから信号が近距離無線通信により信号が送信されると（Ｓ５）、閉眼案内表示がなされ（Ｓ６）、脳波センサユニットから携帯端末に再び信号が送信されると（Ｓ７）、ベースライン計測を開始する（Ｓ８）。
　次いで、携帯端末では、ｍ秒間、継続して閉眼しているか否かを判断し（Ｓ９）、閉眼しているときはベースライン計測を停止し（Ｓ１０）、開眼案内を行い（Ｓ１１）、ベースラインを送信する（Ｓ１２）。
　サーバ装置は、ベースラインをＤＢに保存し（Ｓ１３）、事前計測分析を実施する（Ｓ１４）。そして、分析結果をＤＢに保存し（Ｓ１５）、分析結果を管理者端末にメールで送信する（Ｓ１６）。さらに、分析結果を携帯端末に返却する（Ｓ１７）。この返却する分析結果には、後に使用する1次分析眠気検知パターンマスタのデータが含まれている。
　携帯端末では、分析結果を保存し（Ｓ１８）、分析結果を表示する（Ｓ１９）。管理者端末から運転開始承認がサーバ装置に送られ（Ｓ２０）、サーバ装置から携帯端末に承認通知が送られると（Ｓ２１）、携帯端末は、運転開始となる（Ｓ２２）。
　なお、図９の画面遷移は、図８のフローチャートにおけるペアリングから運転開始に至るまでの画面の移り替わりを示している。ペアリング時には、その旨が画面表示され、画面切替案内、白画面、閉眼案内、開眼案内もそれぞれ図示のように画面の切り替わりにより各案内が示唆される。そして結果表示では、運転開始が選択可能となる。
　次に、図１０のフローチャートを参照して、本発明の一実施形態に係るシステムによる処理手順を詳細に説明する。ここでは、１次分析、２次分析から運転終了に至るまでの処理手順を中心に説明する。
　携帯端末は、運転開始すると（Ｓ３０）、運転開始通知をサーバ装置へと送信する（Ｓ３１）。サーバ装置は、運転開始メールを管理者端末に送信する（Ｓ３２）。一方、脳波センサユニットから信号が近距離無線通信で送られると（Ｓ３３）、携帯端末は、脳波データを一時保存し、ＧＰＳデータを取得し一時保存する（Ｓ３４，Ｓ３５）。そして、これらデータをサーバ装置に送信する（Ｓ３６）。
　携帯端末では、続いて１次分析を実施する（Ｓ３７）。
　サーバ装置では、受信データをＤＢに保存した後（Ｓ３８）、２次分析を実施する（Ｓ３９）。そして、分析結果をＤＢに保存した後（Ｓ４０）、分析結果をメール送信する（Ｓ４１）。また、分析結果を携帯端末に返却する（Ｓ４２）。尚、この実施形態では、ステップＳ４１で分析結果をメール送信するのは、例えば通知に値するような眠気の予兆が確認された場合に限るが、これに限定されるものではないことは勿論である。
　携帯端末では、返却された分析結果を保存し（Ｓ４３）、分析結果表示を行う（Ｓ４４）。この表示については、文字、色、音、振動等と併用してもよい。
　一方、管理者端末では、運転状況確認をサーバ装置に対して行う（Ｓ４５）．あるいは、管理アラート設定をサーバ装置に対して行う（Ｓ４６）。サーバ装置では、管理アラート設定、ＤＢへの保存を行う（Ｓ４７）。
　携帯端末では、サーバ装置に対して管理アラートの設定を確認し（Ｓ４８）、確認を保存する（Ｓ４９）。管理アラート表示（文字、色、音、振動等）を行い（Ｓ５０）、予測アラート表示を行う（Ｓ５１）。そして、運転終了するか否かを判断し（Ｓ５２）、運転を終了する場合には当該運転を終了し（Ｓ５２）、サーバ装置に対して運転終了通知を行う（Ｓ５３）。サーバ装置からは、管理者端末に対して運転終了メールを送信し（Ｓ５４）、管理者端末は、運転結果の確認を行う（Ｓ５５）。
　なお、図１１の画面遷移では、運転中における各状態の示唆に関わる画面の切り替えを示している。安全な状態にあるときは「良い状態です」と表示され、警告時には「集中力が低下しています。休憩してください。」と表示され(音、振動でも知らせてよい)、危険な状態にあるときには「眠気が検知されました。危険な状態です。すぐに休憩してください。」と表示され（音、振動でも知らせてよい）、運転終了時には「お疲れ様でした。次回の運転に向けて規則正しい生活習慣を心掛けてください。」と表示される。これらは一例であって、これらに限定されないことは勿論である。
　また、図１２、図１３には、管理者端末で表示される管理画面の一例を示している。図１２に示される管理画面では、運行一覧として、運行状態により絞り込みを行うことができるようになっており、絞り込まれた後、ドライバー、コース、運行状況等が一覧表で確認可能となる。一方、図１３に示される管理画面では、更に地図上に経路及びその良否（良好、警告、危険）が表示される。
　図１４のフローチャートを参照して、検知パターン重み付け割り出しの処理手順について詳細に説明する。これは、事前分析、２次分析に共通する。
　図３に示したような属性分類マスタの集計対象フラグが「１」のレコードを抽出し、１レコードずつ処理を繰り返す（Ｓ１０１）。そして、このＳ１０１のレコードの条件を基にして、計測データを抽出し（Ｓ１０２）、眠気検知時間帯が短いグループから１レコードずつ処理を繰り返す（Ｓ１０３）。そして、図５に示したような同じ眠気検知時間帯の眠気検知パターン候補マスタのデータ毎に１レコードずつ処理を繰り返す（Ｓ１０４）。
　そして、ステップＳ１０２で抽出した計測データ毎に１レコードずつ処理を繰り返す（Ｓ１０６）。こうして、検知パターン候補を基にして、抽出した計測脳波データを深層学習を利用して評価し、パターンがマッチするか否かを判定する（Ｓ１０７）。
　Ｓ１０７で一致すると判断された場合、同じ眠気検知時間帯と一致すれば、検知数にカウントする（Ｓ１０８）。異なる眠気検知時間帯と一致すれば、誤検知数にカウントする（Ｓ１０９）。こうしてＳ１０５の繰り返しを終了し（Ｓ１１０）、検知率、誤検知率を登録する（Ｓ１１１）。そして、Ｓ１０４の繰り返しを終了し（Ｓ１１２）、属性分類の眠気検知時間帯毎に、検知率と誤検知率を基にして、検知率重みマスタと誤検知率重みマスタから検知パターンの重みを計算し、採用可否決定する（Ｓ１１３）。
　こうして、Ｓ１０３の繰り返しを終了し（Ｓ１１４）、Ｓ１０１の繰り返しを終了し（Ｓ１１５）、この処理を終了する。
　次に図１５のフローチャートを参照して、事前計測分析の処理手順について説明する。
　分析対象の属性に合致する検知パターン重み付けデータのみを、検知パターン重み付けテーブルから抽出し（Ｓ２０１）、抽出された検知パターン重み付けレコードの中から、ベースライン脳波データに合致する検知パターンのレコードを残す（Ｓ２０２）。そして、最後に残った重み付けデータのうち重みが最大の１レコードが持つ眠気検知時間帯を分析結果として返し（Ｓ２０３）、事前計測分析の処理を終了する。
　次に図１６のフローチャートを参照して、１次分析処理について説明する。
　１次分析眠気検知パターンデータを取得すると（Ｓ３０１）、１次分析眠気検知パターンデータからリアルタイム脳波データに合致するか否かを確認する（Ｓ３０２）。そして、合致した場合、１次分析眠気検知パターンデータの「眠気検知時間帯」を分析結果として返し（Ｓ３０３）、１次分析の処理を終了する。
　次に図１７のフローチャートを参照して、２次分析処理について説明する。
　分析対象の属性に合致する検知パターン重み付けデータのみを２次分析検知パターン重み付けテーブルから抽出し（Ｓ４０１）、抽出された検知パターン重み付けのレコードの中からリアルタイム脳波データに合致する検知パターンのレコードを残す（Ｓ４０２）、。そして、合致した場合、２次分析眠気検知パターンデータの「眠気検知時間帯」を分析結果として返し（Ｓ４０３）、２次分析の処理を終了する。
　以上、本発明の一実施形態について説明したが、本発明はこれに限定されることなくその趣旨を逸脱しない範囲で種々の改良・変更が可能であることは勿論である。例えば、上記実施形態では、自動車の運行に関する管理を支援するシステムを例示したが、これに限定されずに、工場での作業、大学での授業など、安全性、能率性が求められる作業について広範に適用可能であることは勿論である。
　１…運行管理支援システム
　１０…運転者側システム
　１１…脳波センサユニット
　１２…携帯端末
　２０…クラウドシステム
　２１…ウェブサーバ装置
　２２…データベースサーバ装置
　３０…管理者側システム
　３１,３２…管理者端末。

Claims (9)

  1. 　運転前に取得した脳波データであるベースラインデータと運転中に取得した脳波データ及びＧＰＳデータであるリアルタイム取得データを含む計測データの入力を受けて分析を行う運転管理支援システムであって、
    　所定のマスタテーブルを保存した記憶部と、
    　計測データの属性に合致する検知パターン重み付けデータのみを、前記マスタテーブルから抽出し、抽出された検知パターン重み付けデータの中から、前記ベースラインデータに合致するものを残し、最後に残った検知パターン重み付けデータのうち重みが最大の検知パターン重み付けデータに係る眠気検知時間帯を分析結果として出力する事前分析部と、
    を備え、
    　上記出力に係る眠気検知時間帯に基づいて運転者の脳波に基づく適正な運行管理を支援することを特徴とする
    　運行管理支援システム。
  2. 　前記マスタテーブルより１次分析眠気検知パターンを抽出し、当該１次分析眠気検知パターンデータが前記リアルタイム取得データに合致するか否かを確認し、合致した場合に１次分析眠気検知パターンデータに係る眠気検知時間帯を分析結果として出力する１次分析部を更に有する
    　請求項１に記載の運行管理支援システム。
  3. 　計測データの属性に合致する検知パターン重み付けデータのみを、前記マスタテーブルから抽出し、抽出された検知パターン重み付けデータの中から、前記リアルタイム取得データに合致するものを残し、最後に残った検知パターン重み付けデータのうち重みが最大の検知パターン重み付けデータに係る眠気検知時間帯を分析結果として出力する２次分析部を有する
    　請求項２に記載の運行管理支援システム。
  4. 　所定のマスタテーブルを保存した記憶部と、事前分析部と、１次分析部と、２次分析部とを備え、運転前に取得した脳波データであるベースラインデータと運転中に取得した脳波データ及びＧＰＳデータであるリアルタイム取得データを含む計測データの入力を受けて分析を行う運転管理支援システムによる運転管理支援方法であって、
    　事前分析部が、計測データの属性に合致する検知パターン重み付けデータのみを、前記マスタテーブルから抽出し、抽出された検知パターン重み付けデータの中から、前記ベースラインデータに合致するものを残し、最後に残った検知パターン重み付けデータのうち重みが最大の検知パターン重み付けデータに係る眠気検知時間帯を分析結果として出力し、
    　上記出力に係る眠気検知時間帯に基づいて運転者の脳波に基づく適正な運行管理を支援することを特徴とする
    　運行管理支援方法。
  5. 　前記１次分析部が、前記マスタテーブルより１次分析眠気検知パターンを抽出し、当該１次分析眠気検知パターンデータが前記リアルタイム取得データに合致するか否かを確認し、合致した場合に１次分析眠気検知パターンデータに係る眠気検知時間帯を分析結果として出力する
    　請求項４に記載の運行管理支援方法。
  6. 　前記２次分析部が、計測データの属性に合致する検知パターン重み付けデータのみを、前記マスタテーブルから抽出し、抽出された検知パターン重み付けデータの中から、前記リアルタイム取得データに合致するものを残し、最後に残った検知パターン重み付けデータのうち重みが最大の検知パターン重み付けデータに係る眠気検知時間帯を分析結果として出力する
    　請求項５に記載の運行管理支援方法。
  7. 　所定のマスタテーブルを保存した記憶部を備え、運転前に取得した脳波データであるベースラインデータと運転中に取得した脳波データ及びＧＰＳデータであるリアルタイム取得データを含む計測データの入力を受けて分析を行うコンピュータで実行されるプログラムであって、
    　コンピュータを、
    　計測データの属性に合致する検知パターン重み付けデータのみを、前記マスタテーブルから抽出し、抽出された検知パターン重み付けデータの中から、前記ベースラインデータに合致するものを残し、最後に残った検知パターン重み付けデータのうち重みが最大の検知パターン重み付けデータに係る眠気検知時間帯を分析結果として出力する事前分析部として機能させ、
    　上記出力に係る眠気検知時間帯に基づいて運転者の脳波に基づく適正な運行管理を支援することを特徴とする
    　プログラム。
  8. 　コンピュータを、更に前記マスタテーブルより１次分析眠気検知パターンを抽出し、当該１次分析眠気検知パターンデータが前記リアルタイム取得データに合致するか否かを確認し、合致した場合に１次分析眠気検知パターンデータに係る眠気検知時間帯を分析結果として出力する１次分析部として機能させる
    　請求項７に記載のプログラム。
  9. 　コンピュータを、更に、計測データの属性に合致する検知パターン重み付けデータのみを、前記マスタテーブルから抽出し、抽出された検知パターン重み付けデータの中から、前記リアルタイム取得データに合致するものを残し、最後に残った検知パターン重み付けデータのうち重みが最大の検知パターン重み付けデータに係る眠気検知時間帯を分析結果として出力する２次分析部として機能させる
    　請求項８に記載のプログラム。
PCT/JP2017/032219 2016-09-12 2017-09-07 運行管理支援システム、運行管理支援方法、プログラム WO2018047895A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-177222 2016-09-12
JP2016177222A JP6132327B1 (ja) 2016-09-12 2016-09-12 運行管理支援システム、運行管理方法、サーバ装置、及びプログラム

Publications (1)

Publication Number Publication Date
WO2018047895A1 true WO2018047895A1 (ja) 2018-03-15

Family

ID=58745703

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/032219 WO2018047895A1 (ja) 2016-09-12 2017-09-07 運行管理支援システム、運行管理支援方法、プログラム

Country Status (2)

Country Link
JP (1) JP6132327B1 (ja)
WO (1) WO2018047895A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6684295B2 (ja) 2018-02-09 2020-04-22 株式会社日立物流 管理支援システム
KR20190101909A (ko) * 2018-02-23 2019-09-02 주식회사 비트센싱 위험물 감지를 위한 차량용 레이더 시스템
JP6714036B2 (ja) 2018-04-25 2020-06-24 株式会社日立物流 管理支援システム
WO2021059395A1 (ja) * 2019-09-25 2021-04-01 株式会社日立物流 運行スケジュール作成システム、コンピュータ、端末、運行スケジュール作成方法及びプログラム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011128823A (ja) * 2009-12-17 2011-06-30 Aisin Seiki Co Ltd 安全運転サポート装置
JP2016133850A (ja) * 2015-01-15 2016-07-25 富士通株式会社 ドライバに対する注意喚起制御方法、注意喚起制御プログラム、注意喚起制御装置、運転支援プログラム、運転支援方法、及び、運転支援装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5667632A (en) * 1979-11-07 1981-06-06 Nissan Motor Co Ltd Warning apparatus for driving asleep
JPH04122241A (ja) * 1990-09-11 1992-04-22 Mazda Motor Corp 覚醒状態判定装置
JPH0779936A (ja) * 1993-09-10 1995-03-28 Nec San-Ei Instr Co Ltd 居眠り防止装置
JP2012118951A (ja) * 2010-12-03 2012-06-21 Fujitsu Ten Ltd 車載装置および運転支援システム
JP6209396B2 (ja) * 2013-04-17 2017-10-04 株式会社デルタツーリング 運転支援装置及びコンピュータプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011128823A (ja) * 2009-12-17 2011-06-30 Aisin Seiki Co Ltd 安全運転サポート装置
JP2016133850A (ja) * 2015-01-15 2016-07-25 富士通株式会社 ドライバに対する注意喚起制御方法、注意喚起制御プログラム、注意喚起制御装置、運転支援プログラム、運転支援方法、及び、運転支援装置

Also Published As

Publication number Publication date
JP6132327B1 (ja) 2017-05-24
JP2018045262A (ja) 2018-03-22

Similar Documents

Publication Publication Date Title
WO2018047895A1 (ja) 運行管理支援システム、運行管理支援方法、プログラム
US9956963B2 (en) Apparatus for assessing, predicting, and responding to driver fatigue and drowsiness levels
US11188074B1 (en) Systems and methods for remotely controlling operation of a vehicle
JP4603264B2 (ja) 運転者注意負荷の監視と管理とを行なうシステムおよび方法
JP6301758B2 (ja) 運転者危機管理装置、運転者危機管理方法、および運転者危機管理プログラム
CN107521485A (zh) 基于车辆制动的驾驶行为分析
JPWO2010032491A1 (ja) 注意散漫検出装置、注意散漫検出方法およびコンピュータプログラム
JP2000301963A (ja) 事故抑止システムおよび方法
US20130131893A1 (en) Vehicle-use information collection system
JP2010079665A (ja) 車載装置とこれを用いた車両の安全運転促進システム
WO2021251351A1 (ja) 運行支援方法、運行支援システム及び運行支援サーバ
JP2014071628A (ja) 運転支援システム、運転支援プログラム、運転支援方法
US11518305B2 (en) Techniques for generating vehicle-to-pedestrian (V2P) communications based on driver monitoring
KR20210016160A (ko) 스마트 밴드를 활용한 택시 모니터링 시스템, 스마트 밴드를 활용한 택시 서비스와 연계된 게이트웨이 모듈 및 통합 제어 장치
US11214263B2 (en) Management assistance system
US11866054B2 (en) Management assistance system
Arun et al. Hypovigilance warning system: A review on driver alerting techniques
JP2013191230A (ja) 車両の安全運転促進システム
Isong et al. Real-time Monitoring and Detection of Drink-driving and Vehicle Over-speeding
KR20110066883A (ko) 지능형 차량 사고 경고 장치
JP2018097479A (ja) 運転支援装置、運転支援方法、運転支援プログラム、及び運転支援システム
KR20170004141A (ko) 차선 이탈 경보 시스템 및 스마트 후측방 경보 시스템을 이용하는 보험 요율 산정 장치, 보험 요율 산정 시스템 및 보험 요율 산정 방법
CN108492528A (zh) 一种疲劳驾驶监测系统及车辆
RU2703341C1 (ru) Способ определения опасных состояний на дорогах общего пользования на основе мониторинга ситуации в кабине транспортного средства
JP7025457B2 (ja) 管理支援システム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17848833

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17848833

Country of ref document: EP

Kind code of ref document: A1