WO2020195167A1 - 漫然状態判定装置 - Google Patents

漫然状態判定装置 Download PDF

Info

Publication number
WO2020195167A1
WO2020195167A1 PCT/JP2020/003865 JP2020003865W WO2020195167A1 WO 2020195167 A1 WO2020195167 A1 WO 2020195167A1 JP 2020003865 W JP2020003865 W JP 2020003865W WO 2020195167 A1 WO2020195167 A1 WO 2020195167A1
Authority
WO
WIPO (PCT)
Prior art keywords
rambling
drowsiness
state
person
unit
Prior art date
Application number
PCT/JP2020/003865
Other languages
English (en)
French (fr)
Inventor
未佳 砂川
式井　愼一
良宏 小島
大介 和久田
高橋　弘毅
Original Assignee
パナソニックＩｐマネジメント株式会社
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 パナソニックＩｐマネジメント株式会社 filed Critical パナソニックＩｐマネジメント株式会社
Priority to US17/428,246 priority Critical patent/US20220287608A1/en
Priority to JP2021508166A priority patent/JP7432899B2/ja
Publication of WO2020195167A1 publication Critical patent/WO2020195167A1/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
    • A61B5/168—Evaluating attention deficit, hyperactivity
    • 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
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/20—Workers
    • A61B2503/22—Motor vehicles operators, e.g. drivers, pilots, captains
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution

Definitions

  • the present disclosure relates to a rambling state determination device that determines whether a person is in a rambling state.
  • Patent Document 1 discloses a device that detects a driver's line of sight and determines whether or not the driver is driving indiscriminately.
  • the present disclosure provides a rambling state determination device that can accurately determine whether a person is in a rambling state.
  • the drowsiness prediction device includes a drowsiness prediction unit that obtains drowsiness prediction data for predicting the occurrence of drowsiness of a person, and whether the person is in a drowsiness state based on the drowsiness prediction data. It is provided with a vague determination unit for determining.
  • the drowsiness state determining device is a drowsiness derivation unit for deriving a drowsiness degree and a drowsiness degree indicating the drowsiness degree of a person, and the person is put into a drowsiness state based on the change in the drowsiness degree. It is provided with a vague determination unit for determining whether or not it is.
  • the rambling state determination device includes a fatigue prediction unit that obtains fatigue prediction data for predicting the occurrence of human fatigue, and whether the person is in a rambling state based on the fatigue prediction data. It is provided with a vague determination unit for determining.
  • the rambling state determining device includes a fatigue rambling deriving unit that derives the degree of fatigue and the degree of rambling that indicates the degree of rambling, and the person is placed in a rambling state based on the change in the degree of fatigue. It is provided with a vague determination unit for determining whether or not it is.
  • FIG. 1A is a schematic view showing an example of a rambling state determination system including the rambling state determination device according to the first embodiment.
  • FIG. 1B is a schematic view showing another example of the rambling state determination system including the rambling state determination device according to the first embodiment.
  • FIG. 2 is a block diagram showing a functional configuration of the rambling state determination device according to the first embodiment.
  • FIG. 3 is a diagram showing an example of determining a rambling state using the rambling state determining device according to the first embodiment.
  • FIG. 4 is a flowchart showing the operation of the rambling state determination device according to the first embodiment.
  • FIG. 5 is a block diagram showing a functional configuration of the rambling state determination device according to the second embodiment.
  • FIG. 6 is a diagram showing an example of determining a rambling state using the rambling state determining device according to the second embodiment.
  • FIG. 7 is a flowchart showing the operation of the rambling state determination device according to the second embodiment.
  • FIG. 8 is a block diagram showing a functional configuration of the rambling state determination device according to the third embodiment.
  • FIG. 9 is a diagram showing an example of determining a rambling state using the rambling state determining device according to the third embodiment.
  • FIG. 10 is a flowchart showing the operation of the rambling state determination device according to the third embodiment.
  • FIG. 11 is a block diagram showing a functional configuration of the rambling state determination device according to the fourth embodiment.
  • FIG. 12 is a block diagram showing a functional configuration of the rambling state determination device according to the fifth embodiment.
  • FIG. 13 is a diagram showing an example of determining a rambling state using the rambling state determining device according to the fifth embodiment.
  • FIG. 14 is a block diagram showing a functional configuration of the rambling state determination device according to the sixth embodiment.
  • FIG. 15 is a diagram showing an example of determining a rambling state using the rambling state determining device according to the sixth embodiment.
  • FIG. 16 is a block diagram showing a functional configuration of the rambling state determination device according to the seventh embodiment.
  • FIG. 17 is a diagram showing an example of determining a rambling state using the rambling state determining device according to the seventh embodiment.
  • a rambling state is a state in which you are not paying attention to what you should pay attention to in the current situation, especially a state where you are thinking about something different from what you should pay attention to.
  • a person becomes rambling for example, he or she may remain vaguely facing forward without moving his or her face, or his or her line of sight may stop.
  • There is a drowsiness occurrence state as a state similar to this drowsiness state.
  • a person becomes drowsy he or she may remain facing forward without moving his or her face, or his or her eyes may stop.
  • the person may remain facing forward without moving his / her face, or his / her line of sight may stop. It is difficult to determine whether or not the person is in a state of drowsiness.
  • the rambling state determination device of the present embodiment has the following configuration, so that it can accurately determine whether or not a person is in a rambling state.
  • the drowsiness prediction device includes a drowsiness prediction unit that obtains drowsiness prediction data for predicting the occurrence of drowsiness of a person, and the person becomes a drowsiness state based on the drowsiness prediction data. It is provided with a vague determination unit for determining whether or not it is.
  • the drowsiness state determination device further includes a drowsiness derivation unit for deriving the drowsiness degree and the drowsiness degree indicating the drowsiness degree of the person, and the drowsiness determination unit includes the drowsiness prediction data and the current drowsiness degree. It may be determined whether or not the person is in a state of drowsiness based on.
  • the rambling state determination device further includes a user information acquisition unit that acquires information about the person and an environment information acquisition unit that acquires information about the environment around the person, and the drowsiness prediction unit is the user.
  • the drowsiness prediction data may be obtained based on the information acquired by the information acquisition unit and the environmental information acquisition unit.
  • the drowsiness prediction data can be obtained accurately, so that the drowsiness state and the drowsiness occurrence state can be accurately distinguished. As a result, it is possible to accurately determine whether or not a person is in a rambling state.
  • the drowsiness state determination device further includes a user information acquisition unit that acquires information about the person and an environment information acquisition unit that acquires information about the environment around the person, and the drowsiness derivation unit is the same.
  • the degree of drowsiness may be obtained based on the information acquired by the user information acquisition unit and the environment information acquisition unit.
  • the degree of drowsiness can be accurately obtained, so that the drowsiness state and the drowsiness occurrence state can be accurately distinguished. As a result, it is possible to accurately determine whether or not a person is in a rambling state.
  • the loose state determination device further includes a user information acquisition unit that acquires information about the person and an environment information acquisition unit that acquires information about the environment around the person, and the loose determination unit is the user. Based on the information acquired by the information acquisition unit and the environmental information acquisition unit, the person determines the ease of transition to the loose state, and further, the person determines the ease of transition to the loose state. It may be determined whether or not the person is in a loose state.
  • the drowsiness state determining device is a drowsiness derivation unit for deriving a drowsiness degree and a drowsiness degree indicating the drowsiness degree of a person, and the person is put into a drowsiness state based on the change in the drowsiness degree. It is provided with a vague determination unit for determining whether or not it is.
  • the drowsiness state determination device further includes a history holding unit that stores the drowsiness history, which is the history of the drowsiness degree, and the drowsiness determination unit compares the drowsiness history with the current drowsiness degree. Therefore, it may be determined whether or not the person is in a vague state.
  • the drowsiness state determination device further includes a user information acquisition unit that acquires information about the person and an environment information acquisition unit that acquires information about the environment around the person, and the drowsiness derivation unit is the same.
  • the degree of drowsiness may be obtained based on the information acquired by the user information acquisition unit and the environment information acquisition unit.
  • the degree of drowsiness can be accurately obtained, so that the drowsiness state and the drowsiness occurrence state can be accurately distinguished. As a result, it is possible to accurately determine whether or not a person is in a rambling state.
  • the rambling determination unit determines the ease of transition to the rambling state based on the information acquired by the user information acquisition unit and the environment information acquisition unit, and further, the transition to the rambling state. It may be determined whether or not the person is in a rambling state based on the ease of use.
  • the person in a rambling state determination device according to one aspect of the present disclosure, the person is in a rambling state based on the fatigue prediction unit for obtaining fatigue prediction data for predicting the occurrence of human fatigue and the fatigue prediction data. It is provided with a vague determination unit for determining whether or not it is.
  • the rambling state determining device includes a fatigue rambling deriving unit that derives the degree of fatigue and the degree of rambling that indicates the degree of rambling, and the person is placed in a rambling state based on the change in the degree of fatigue. It is provided with a vague determination unit for determining whether or not it is.
  • FIG. 1A is a schematic view showing an example of a rambling state determination system 1 including the rambling state determination device 20 according to the first embodiment.
  • FIG. 1A shows an example in which the vague state determination system 1 is provided in the vehicle 91.
  • FIG. 1B is a schematic view showing another example of the rambling state determination system 1 including the rambling state determination device 20.
  • FIG. 1B shows an example in which the rambling state determination system 1 is provided in the room 92.
  • the rambling state determination system 1 is provided in a predetermined space such as a vehicle 91 or an interior 92.
  • the rambling state determination system 1 includes a rambling state determination device 20, a first input unit 11, a second input unit 12, and a notification unit 31.
  • the rambling state determination device 20 is a device that determines whether a person is in a rambling state.
  • the rambling state determination device 20 is composed of, for example, a microprocessor and a memory.
  • the first input unit 11, the second input unit 12, and the notification unit 31 are connected to the rambling state determination device 20.
  • the rambling state determination device 20 will be described in detail later.
  • the first input unit 11 is a device for inputting information about a person who uses the rambling state determination device 20, that is, the user U, to the rambling state determination device 20.
  • the first input unit 11 is, for example, a camera, a TOF (Time Of Flight), a center of gravity sensor, and a biosensor.
  • the first input unit 11 as information about the user U, the line of sight, the pupil diameter, the eye opening state, the blinking, the movement of the head, the body movement frequency, the body temperature, the feeling of warmth and coldness, the heartbeat, the respiration, the exhalation component, etc. Information is entered.
  • information such as the user U's meal history, action history, action schedule, wake-up time, and sleep time may be input to the first input unit 11.
  • information such as steering wheel operation, accelerator operation, and inter-vehicle distance may be input as information regarding the user U.
  • the rambling state determination device 20 is provided in the room 92, information such as a user operation performed on the personal computer may be input as information regarding the user U.
  • the second input unit 12 is various environmental sensors. Information such as illuminance, color, temperature, wind speed, ambient sound, odor, and air component is input to the second input unit 12 as information on the environment.
  • Information such as illuminance, color, temperature, wind speed, ambient sound, odor, and air component is input to the second input unit 12 as information on the environment.
  • information such as passengers, front and rear vehicles, moving routes, traffic congestion information, and road environment may be input as information on the environment.
  • browsing information recorded in a personal computer, information of another person in the vicinity, and the like may be input as information on the environment.
  • information about the user U is input to the first input unit 11 and information about the environment is input to the second input unit 12, but the present invention is not limited to this.
  • information about the environment may be input using the camera or the like of the first input unit 11, or information about the user U may be input by using the sensor or the like of the second input unit 12.
  • the notification unit 31 is a device for notifying that a person is in a vague state, for example, an image display device or a speaker. Further, the notification unit 31 may be an information terminal such as a smartphone or a tablet terminal, may be a stimulus giving device that gives a stimulus such as vibration to a seat on which a person is seated, or may be an in-vehicle head. It may be an up display.
  • FIG. 2 is a block diagram showing a functional configuration of the rambling state determination device 20. Note that FIG. 2 also shows a first input unit 11, a second input unit 12, and a notification unit 31 connected to the rambling state determination device 20.
  • the user information acquisition unit 21 acquires information about the user U input by the first input unit 11 and the second input unit 12.
  • the information acquired by the user information acquisition unit 21 is output to the drowsiness prediction unit 23 and the drowsiness derivation unit 24.
  • the environment information acquisition unit 22 acquires information about the environment input by the first input unit 11 and the second input unit 12.
  • the information acquired by the environmental information acquisition unit 22 is output to the drowsiness prediction unit 23 and the drowsiness derivation unit 24.
  • the drowsiness prediction unit 23 predicts the occurrence of human drowsiness. Specifically, the drowsiness prediction unit 23 predicts the occurrence of drowsiness of the user U based on the information about the user U acquired by the user information acquisition unit 21 and the information about the environment acquired by the environment information acquisition unit 22. To obtain drowsiness prediction data for.
  • the drowsiness prediction data is a function that predicts the future occurrence of drowsiness of the user U.
  • the drowsiness prediction data is obtained, for example, by multivariate analysis of the drowsiness degree data of the user U in the past 10 minutes when the drowsiness state does not occur.
  • the degree of drowsiness is a value indicating the progress of drowsiness.
  • the degree of drowsiness is expressed, for example, on a 5-point scale, and the higher the degree of drowsiness, the larger the numerical value.
  • the degree of drowsiness is, for example, 1 when the person's blinking cycle is stable, 3 when the blinking is slow, and 5 when the eyes are closed.
  • the drowsiness prediction data obtained by the drowsiness prediction unit 23 is output to the drowsiness determination unit 25.
  • the drowsiness derivation unit 24 derives the drowsiness degree and the drowsiness degree indicating the drowsiness degree of a person. Specifically, the drowsiness deriving unit 24 determines the current degree of drowsiness of the user U based on the information about the user U acquired by the user information acquisition unit 21 and the information about the environment acquired by the environment information acquisition unit 22. Ask.
  • the drowsiness degree obtained based on the information on the user U and the information on the environment is a value including both the drowsiness degree and the drowsiness degree.
  • the degree of drowsiness is expressed, for example, on a 10-point scale, and the higher the degree of drowsiness, the larger the value.
  • the degree of drowsiness is, for example, 1 when the line of sight of a person is moving diligently, 5 when the movement of the line of sight is slow, and 10 when the line of sight is completely stopped.
  • the drowsiness rambling unit 24 determines the degree of drowsiness based on, for example, a person's line of sight, pupils, eyes closed, head shaking, and body movement frequency. Specifically, the drowsiness rambling unit 24 reduces body movement when the line of sight is stagnant, when the pupil diameter is fluctuating, when the eyes are closed, when the head is shaking, or when the body movement is reduced. When it is, it is judged that the degree of drowsiness is high. Further, when driving the vehicle 91, for example, when the frequency of steering wheel operation is low, or when the inter-vehicle distance is not constant and staggers, it may be determined that the degree of drowsiness is high.
  • the degree of drowsiness derived by the drowsiness derivation unit 24 is output to the drowsiness determination unit 25.
  • the rambling determination unit 25 determines whether a person is in a rambling state. Specifically, the drowsiness determination unit 25 obtains the degree of drowsiness of a person based on the drowsiness prediction data obtained by the drowsiness prediction unit 23 and the degree of drowsiness obtained by the drowsiness derivation unit 24. Determines whether or not is in a state of drowsiness.
  • a method of determining the rambling state by the rambling determination unit 25 will be described with reference to FIG.
  • FIG. 3 is a diagram showing an example in which a rambling state determination device 20 is used to determine a rambling state.
  • the drowsiness prediction data is shown as a gentle curve rising to the right.
  • the rambling state occurs depending on the user U, and appears as a sudden change in the middle of the monitoring time. Therefore, when a drowsiness state occurs, the curve showing the actual degree of drowsiness deviates greatly from the curve of the drowsiness prediction data.
  • the degree of drowsiness can be expressed by the difference between the actual degree of drowsiness and drowsiness prediction data (see the thick solid line in FIG. 3).
  • the degree of drowsiness at time t1 is a value obtained by subtracting the value of the drowsiness prediction data from the value of the actual degree of drowsiness at time t1.
  • Whether or not the user U is in a rambling state is determined by setting a predetermined threshold value for the degree of rambling. It may be determined that the state is not reached. Thereby, it can be determined whether or not the user U is in a vague state at time t1.
  • a predetermined weight is applied to the difference between the actual degree of drowsiness and the drowsiness prediction data. It is desirable to match the evaluation scale.
  • the drowsiness prediction device 20 of the present embodiment includes a drowsiness prediction unit 23 that obtains drowsiness prediction data for predicting the occurrence of human drowsiness, a drowsiness prediction unit 24 that derives the degree of drowsiness of a person, and a drowsiness prediction unit 24.
  • the drowsiness determination unit 25 for determining whether or not a person is in a drowsiness state based on the data and the current degree of drowsiness is provided.
  • FIG. 4 is a flowchart showing the operation of the rambling state determination device 20.
  • the rambling state determination device 20 acquires user information and environment information (step S11). Specifically, the user information acquisition unit 21 acquires the user information, and the environment information acquisition unit 22 acquires the environment information. The user information is mainly input by the first input unit 11, and the environment information is mainly input by the second input unit 12.
  • the rambling state determination device 20 predicts the occurrence of drowsiness in a person (step S12). Specifically, the drowsiness prediction unit 23 obtains drowsiness prediction data based on user information and environmental information.
  • the drowsiness state determination device 20 derives the current degree of drowsiness of the person (step S13). Specifically, the drowsiness derivation unit 24 derives the drowsiness degree and the drowsiness degree indicating the drowsiness degree based on the user information and the environmental information.
  • the rambling state determination device 20 determines whether or not the person is in a rambling state (step S14). Specifically, the drowsiness determination unit 25 obtains the degree of drowsiness based on the drowsiness prediction data and the actual degree of drowsiness, and determines whether or not the person is in a drowsiness state.
  • the rambling determination unit 25 uses the notification unit 31 to notify that the person is in a rambling state. Notify (step S15).
  • the rambling determination unit 25 determines that the person is not in a rambling state (N in S14)
  • no output is performed to the notification unit 31 and the step ends.
  • the rambling state determination method using the rambling state determination device 20 includes a step of obtaining drowsiness prediction data for predicting the occurrence of human drowsiness, a step of deriving the degree of drowsiness of a person, and drowsiness prediction data. And includes the step of determining if a person is in a drowsiness state based on the current degree of drowsiness. According to this method, it is possible to accurately determine whether or not a person is in a rambling state.
  • FIG. 5 is a block diagram showing a functional configuration of the rambling state determination device 20A of the second embodiment.
  • FIG. 6 is a diagram showing an example in which a rambling state determination device 20A is used to determine a rambling state.
  • the rambling state determination device 20A includes a user information acquisition unit 21, an environment information acquisition unit 22, a drowsiness prediction unit 23, and a rambling determination unit 25.
  • the rambling state determination device 20A of the second embodiment does not include the drowsiness rambling unit 24.
  • the drowsiness prediction unit 23 predicts the occurrence of human drowsiness. Specifically, the drowsiness prediction unit 23 has a line-of-sight movement frequency related to drowsiness prediction data based on the information about the user U acquired by the user information acquisition unit 21 and the information about the environment acquired by the environment information acquisition unit 22. Prediction data (see FIG. 6) is obtained.
  • the line-of-sight movement frequency is the number of times the line of sight moves during a predetermined period, and indicates that the lower the line-of-sight movement frequency, the higher the degree of drowsiness.
  • the line-of-sight movement frequency prediction data is a function that predicts the future line-of-sight movement frequency of the user U.
  • the prediction data of the line-of-sight movement frequency is obtained, for example, based on the above-mentioned drowsiness prediction data.
  • the drowsiness prediction unit 23 obtains a rambling determination line (see FIG. 6), which is a threshold value for determining that a person is in a rambling state.
  • the rambling determination line is provided along the prediction data of the line-of-sight movement frequency and at a predetermined interval with respect to the prediction data.
  • the rambling determination line may be provided so that a predetermined interval changes according to the value of the prediction data.
  • the prediction data of the line-of-sight movement frequency and the rambling determination line obtained by the drowsiness prediction unit 23 are output to the rambling determination unit 25.
  • the prediction data of the line-of-sight movement frequency is shown as the data related to the drowsiness prediction data, but the data is not limited to this.
  • the data related to the drowsiness prediction data may be the prediction data of the operation accuracy or the prediction data of the work accuracy.
  • the rambling determination unit 25 determines whether a person is in a rambling state. Specifically, the rambling determination unit 25 determines whether or not a person is in a rambling state based on the prediction data of the line-of-sight movement frequency obtained by the drowsiness prediction unit 23 and the rambling determination line.
  • a method of determining the rambling state by the rambling determination unit 25 will be described with reference to FIG.
  • the horizontal axis in FIG. 6 is the time during which the user U is being monitored, and the left vertical axis is the frequency of eye movement.
  • the actual line-of-sight movement frequency obtained by the user information acquisition unit 21 is shown by a solid line
  • the prediction data of the line-of-sight movement frequency obtained by the drowsiness prediction unit 23 is shown by a broken line.
  • FIG. 6 shows an example in which the rambling state does not occur at time t1 but the rambling state occurs at time t2.
  • the rambling state does not occur at time t1 but the rambling state occurs at time t2.
  • the actual line-of-sight movement frequency deviates significantly from the prediction data and crosses the rambling determination line, it is determined that the rambling state has occurred.
  • the drowsiness prediction device 20A of the second embodiment determines whether or not a person is in a drowsiness state based on the drowsiness prediction unit 23 for obtaining drowsiness prediction data for predicting the occurrence of drowsiness of a person and the drowsiness prediction data. It is provided with a rambling determination unit 25.
  • FIG. 7 is a flowchart showing the operation of the rambling state determination device 20A.
  • the rambling state determination device 20A acquires user information and environment information (step S11).
  • the rambling state determination device 20A predicts the frequency of movement of the line of sight of a person (step S22). Specifically, the drowsiness prediction unit 23 obtains prediction data of the line-of-sight movement frequency based on the drowsiness prediction data. Next, the rambling state determination device 20A obtains the current frequency of movement of the line of sight of a person (step S23). Specifically, the line-of-sight movement frequency is obtained based on the user information of the user information acquisition unit 21.
  • the person becomes in a rambling state based on the step of obtaining the drowsiness prediction data for predicting the occurrence of drowsiness of the person and the drowsiness prediction data. Includes a step to determine if. According to this method, it is possible to accurately determine whether or not a person is in a rambling state.
  • FIG. 8 is a block diagram showing a functional configuration of the rambling state determination device 20B according to the third embodiment.
  • FIG. 9 is a diagram showing an example in which a rambling state determination device 20B is used to determine a rambling state.
  • the rambling state determination device 20B includes a user information acquisition unit 21, an environment information acquisition unit 22, a drowsiness rambling derivation unit 24, and a rambling determination unit 25. Further, the rambling state determination device 20B includes a history holding unit 26. The rambling state determination device 20B of the third embodiment does not include the drowsiness prediction unit 23.
  • the drowsiness derivation unit 24 derives the drowsiness degree and the drowsiness degree indicating the drowsiness degree of a person. Specifically, the drowsiness deriving unit 24 determines the current degree of drowsiness of the user U based on the information about the user U acquired by the user information acquisition unit 21 and the information about the environment acquired by the environment information acquisition unit 22. Ask. The degree of drowsiness derived by the drowsiness derivation unit 24 is output to the drowsiness determination unit 25.
  • the rambling determination unit 25 determines whether a person is in a rambling state. Specifically, the drowsiness determination unit 25 determines whether or not a person is in a drowsiness state based on the change in the degree of drowsiness obtained by the drowsiness derivation unit 24.
  • a method of determining the rambling state by the rambling determination unit 25 will be described with reference to FIG.
  • the horizontal axis of FIG. 9 is the time during which the user U is being monitored, and the left vertical axis is the degree of drowsiness.
  • the actual degree of drowsiness obtained by the drowsiness rambling unit 24 is shown by a solid line.
  • drowsiness progresses slowly with time, so it is shown as a gentle curve rising to the right.
  • the rambling state occurs depending on the user U, and appears as a sudden change in the middle of the monitoring time. Therefore, as shown in FIG. 9, when a drowsiness state occurs, the curve showing the degree of drowsiness changes sharply with respect to the curve of the degree of drowsiness in the past.
  • Whether or not the user U is in a rambling state is determined by comparing the differential values before and after the change in the degree of drowsiness, and determining that the user U is in a rambling state when the difference between the differential values is equal to or greater than a predetermined value. , When the difference between the differential values is smaller than a predetermined value, it may be determined that the state is not in a vague state. This makes it possible to determine whether or not the user U is in a vague state.
  • the drowsiness state determining device 20B of the present embodiment is a drowsiness derivation unit 24 for deriving a drowsiness degree and a drowsiness degree indicating a person's drowsiness degree, and a person becomes a drowsiness state based on a change in the drowsiness degree. It is provided with a vague determination unit 25 for determining whether or not.
  • the drowsiness state determination device 20B may include a history holding unit 26 that stores the drowsiness history, which is the history of the degree of drowsiness. Then, the drowsiness determination unit 25 may determine whether or not the person is in a drowsiness state by comparing the drowsiness history and the current degree of drowsiness. For example, the history holding unit 26 holds the drowsiness history for the past several minutes while updating it, and the drowsiness determination unit 25 changes the current degree of drowsiness with respect to the drowsiness history by a predetermined swing width or more. In addition, it may be determined that the person is in a state of drowsiness.
  • FIG. 10 is a flowchart showing the operation of the rambling state determination device 20B.
  • the rambling state determination device 20B acquires user information and environment information (step S11).
  • the drowsiness state determination device 20B derives the current degree of drowsiness of the person (step S13).
  • the rambling state determination device 20B determines whether or not the person is in a rambling state (step S34). Specifically, the rambling determination unit 25 determines whether a person is in a rambling state depending on whether or not the degree of drowsiness changes suddenly.
  • the rambling state determination method using the rambling state determination device 20B includes a step of determining the degree of drowsiness of a person and a step of determining whether or not the person is in a rambling state based on the change in the degree of drowsiness. including. According to this method, it is possible to accurately determine whether or not a person is in a rambling state.
  • FIG. 11 is a block diagram showing a functional configuration of the rambling state determination device 20C according to the fourth embodiment.
  • the rambling state determination device 20C includes a user information acquisition unit 21, an environment information acquisition unit 22, a drowsiness prediction unit 23, and a rambling determination unit 25.
  • a rambling ease determination unit 27 is provided in the rambling determination unit 25.
  • the ease of rambling determination unit 27 determines the ease of transition to the rambling state based on each information acquired by the user information acquisition unit 21 and the environment information acquisition unit 22. Specifically, the ease of rambling determination unit 27 determines whether the user U is a person who is likely to be in a rambling state, or whether the environment around the user U is apt to be in a rambling state.
  • the ease of rambling determination unit 27 determines the easiness of rambling from the schedule of user U and the conversation log (conversation record). For example, before a tense meeting, a quarrel with another person, or before and after brainstorming at work, it is easy to get into a state of rambling. Further, the rambling ease determination unit 27 may determine the complexity of the conversation depending on the person with whom the conversation is made, and may determine whether or not the user U is likely to be in a rambling state in consideration of the psychological load.
  • the ease of rambling may be judged from the driving habit, vehicle type, route, driving history, age, and the like. For example, it may be determined that the driving operation becomes awkward on the vehicle 91 for the first time or the route for the first time, but it is unlikely to be in a vague state. For example, a beginner driver may have a rough driving motion due to tension, but the driver is not in a rambling state. Therefore, a beginner driver may adjust a judgment line for determining the ease of rambling.
  • the ease of rambling may be determined in consideration of the road maintenance status. For example, when driving on an expressway, the movement of the line of sight tends to decrease, so that the judgment line for judging the ease of rambling may be adjusted accordingly.
  • the rambling determination unit 25 may correct the degree of rambling and determine whether the person is in the rambling state based on the ease of transition to the rambling state determined by the rambling ease determination unit 27. When correcting the degree of rambling, the rambling determination unit 25 may give a weight to the degree of rambling and correct it. Further, the rambling determination unit 25 may correct the drowsiness degree by weighting the drowsiness degree instead of the rambling degree. Further, the rambling determination unit 25 may learn the occurrence situation of the past rambling state based on the determination result of the rambling easiness determination unit 27, and if it is the same situation, the weighting of the degree of rambling may be changed. ..
  • the rambling determination unit 25 of the fourth embodiment determines the ease of transition to the rambling state based on the information acquired by the user information acquisition unit 21 and the environment information acquisition unit 22, and further Determine if a person is in a rambling state based on the ease of transition to a rambling state.
  • the configuration of the fourth embodiment can be applied to any of the first to third embodiments.
  • the relationship between the drowsiness state and the drowsiness occurrence state has been described, but the present invention is not limited to this.
  • the rambling state determining device focusing on the relationship between the rambling state and the fatigue occurrence state will be described.
  • the rambling state determination device 20D of the fifth embodiment includes a fatigue prediction unit 23a and a fatigue rambling derivation unit 24a.
  • FIG. 12 is a block diagram showing a functional configuration of the rambling state determination device 20D.
  • the rambling state determination device 20D includes a user information acquisition unit 21, an environment information acquisition unit 22, a fatigue prediction unit 23a, a fatigue rambling derivation unit 24a, and a rambling determination unit 25. ..
  • the environment information acquisition unit 22 acquires information about the environment input by the first input unit 11 and the second input unit 12.
  • the information acquired by the environmental information acquisition unit 22 is output to the fatigue prediction unit 23a and the fatigue-free derivation unit 24a.
  • Fatigue prediction unit 23a predicts the occurrence of human fatigue. Specifically, the fatigue prediction unit 23a predicts the occurrence of fatigue of the user U based on the information about the user U acquired by the user information acquisition unit 21 and the information about the environment acquired by the environment information acquisition unit 22. Fatigue prediction data for
  • Fatigue prediction data is a function that predicts the future occurrence of fatigue of user U. Fatigue prediction data is obtained, for example, by multivariate analysis of user U fatigue degree data in the past 10 minutes when a rambling state has not occurred.
  • the degree of fatigue is a value indicating the degree of progress of fatigue.
  • the degree of fatigue is expressed, for example, on a five-point scale, and the higher the degree of fatigue, the larger the numerical value.
  • the degree of fatigue is, for example, 1 when the blinking cycle of a person is stable, 3 when the blinking is slow, and 5 when the eyes are closed.
  • the fatigue prediction unit 23a predicts the occurrence of fatigue based on information on the behavior of the user U, such as working hours, working postures, and activity logs (activity records). Specifically, the fatigue prediction unit 23a predicts that fatigue is more likely to occur as the working time becomes longer, the same movement or posture is repeated for a long time, and after exercise.
  • the fatigue prediction data obtained by the fatigue prediction unit 23a is output to the fatigue prediction unit 25 indiscriminately.
  • the fatigue rambling derivation unit 24a derives the degree of fatigue and the degree of rambling of a person. Specifically, the fatigue rambling derivation unit 24a determines the current degree of fatigue rambling of the user U based on the information about the user U acquired by the user information acquisition unit 21 and the information about the environment acquired by the environment information acquisition unit 22. Ask.
  • the degree of fatigue obtained based on the information on the user U and the information on the environment is a value including both the degree of fatigue and the degree of fatigue.
  • the degree of fatigue is expressed, for example, on a 10-point scale, and the higher the degree of fatigue, the larger the value.
  • the degree of fatigue is 1, for example, 1 when a person's line of sight is moving diligently, 5 when the line of sight is slow, and 10 when the line of sight is completely stopped.
  • the fatigue rambling derivation unit 24a determines the degree of fatigue rambling based on, for example, grip strength, reaction time, posture, exhalation component, and the like. Specifically, the fatigue-free derivation unit 24a is fatigue-free when the grip strength is reduced, the reaction time is delayed, the posture is deteriorated, or the CO 2 concentration of the exhaled breath is high. Judge that the degree is high. The degree of fatigue rambling derived by the fatigue rambling unit 24a is output to the rambling determination unit 25.
  • the rambling determination unit 25 determines whether a person is in a rambling state. Specifically, the rambling determination unit 25 obtains the degree of rambling of a person based on the fatigue prediction data obtained by the fatigue prediction unit 23a and the degree of fatigue rambling obtained by the fatigue rambling derivation unit 24a. Determines whether or not is in a state of rambling.
  • a method of determining the rambling state by the rambling determination unit 25 will be described with reference to FIG.
  • FIG. 13 is a diagram showing an example of determining a rambling state using the rambling state determination device 20D.
  • the horizontal axis of FIG. 13 is the time during which the user U is being monitored, the left vertical axis is the degree of fatigue, and the right vertical axis is the degree of rambling.
  • the actual degree of fatigue rambling obtained by the fatigue rambling unit 24a is shown by a solid line, and the fatigue prediction data obtained by the fatigue prediction unit 23a is shown by a broken line.
  • the degree of rambling can be expressed by the difference between the actual degree of rambling and fatigue prediction data (see the thick solid line in FIG. 13).
  • the degree of rambling at time t1 is a value obtained by subtracting the value of the fatigue prediction data from the value of the actual degree of fatigue at time t1.
  • Whether or not the user U is in a rambling state is determined by setting a predetermined threshold value for the degree of rambling. It may be determined that the state is not reached. Thereby, it can be determined whether or not the user U is in a vague state at time t1.
  • a predetermined weight is applied to the difference between the actual degree of fatigue and the fatigue prediction data when calculating the degree of rambling. It is desirable to match the evaluation scale.
  • the fatigue prediction device 20D of the present embodiment includes a fatigue prediction unit 23a for obtaining fatigue prediction data for predicting the occurrence of human fatigue, a fatigue prediction unit 24a for deriving the degree of human fatigue, and fatigue prediction.
  • a rambling determination unit 25 for determining whether a person is in a rambling state based on the data and the current degree of fatigue rambling is provided.
  • FIG. 14 is a block diagram showing a functional configuration of the rambling state determination device 20E according to the sixth embodiment.
  • FIG. 15 is a diagram showing an example in which a rambling state determination device 20E is used to determine a rambling state.
  • the rambling state determination device 20E includes a user information acquisition unit 21, an environment information acquisition unit 22, a fatigue prediction unit 23a, and a rambling determination unit 25.
  • the rambling state determination device 20E of the sixth embodiment does not include the fatigue rambling out unit 24a.
  • Fatigue prediction unit 23a predicts the occurrence of human fatigue. Specifically, the fatigue prediction unit 23a determines the work accuracy related to the fatigue prediction data based on the information about the user U acquired by the user information acquisition unit 21 and the information about the environment acquired by the environment information acquisition unit 22. Prediction data (see FIG. 15) is obtained.
  • the work accuracy is the accuracy of the work performed in a predetermined period, and indicates that the lower the work accuracy, the higher the degree of fatigue.
  • the work accuracy prediction data is a function that predicts the future work accuracy of the user U.
  • the work accuracy prediction data is obtained, for example, based on the fatigue prediction data described above.
  • the fatigue prediction unit 23a obtains a rambling determination line (see FIG. 15), which is a threshold value for determining that a person is in a rambling state.
  • the rambling determination lines are provided along with the prediction data of work accuracy and at predetermined intervals with respect to the prediction data.
  • the rambling determination line may be provided so that a predetermined interval changes according to the value of the prediction data.
  • the work accuracy prediction data and the rambling determination line obtained by the fatigue prediction unit 23a are output to the rambling determination unit 25.
  • the work accuracy prediction data is shown as the data related to the fatigue prediction data, but it is not limited to this.
  • the data related to the fatigue prediction data may be the prediction data of the driving accuracy.
  • the rambling determination unit 25 determines whether a person is in a rambling state. Specifically, the rambling determination unit 25 determines whether or not a person is in a rambling state based on the prediction data of work accuracy obtained by the fatigue prediction unit 23a and the rambling determination line.
  • a method of determining the rambling state by the rambling determination unit 25 will be described with reference to FIG.
  • the horizontal axis of FIG. 15 is the time for monitoring the user U, and the left vertical axis is the work accuracy.
  • the actual work accuracy obtained by the user information acquisition unit 21 is shown by a solid line, and the prediction data of the work accuracy obtained by the fatigue prediction unit 23a is shown by a broken line.
  • the work accuracy prediction data is shown as a gentle curve downward to the right.
  • the rambling state occurs depending on the user U, and appears as a sudden change in the middle of the monitoring time. Therefore, when a rambling state occurs, the curve showing the actual work accuracy deviates greatly from the curve of the prediction data.
  • FIG. 15 shows an example in which the rambling state does not occur at time t1 but the rambling state occurs at time t2. As shown in FIG. 15, in the present embodiment, when the actual work accuracy deviates greatly from the prediction data and crosses the rambling determination line, it is determined that the rambling state has occurred.
  • the rambling state determination device 20E of the second embodiment determines whether a person is in a rambling state based on the fatigue prediction unit 23a for obtaining fatigue prediction data for predicting the occurrence of human fatigue and the fatigue prediction data. It is provided with a rambling determination unit 25.
  • FIG. 16 is a block diagram showing a functional configuration of the rambling state determination device 20F according to the seventh embodiment.
  • FIG. 17 is a diagram showing an example in which a rambling state determination device 20F is used to determine a rambling state.
  • the rambling state determination device 20F includes a user information acquisition unit 21, an environment information acquisition unit 22, a fatigue rambling derivation unit 24a, and a rambling determination unit 25. Further, the rambling state determination device 20F includes a history holding unit 26. The rambling state determination device 20F of the seventh embodiment does not include the fatigue prediction unit 23a.
  • the fatigue rambling derivation unit 24a derives the degree of fatigue and the degree of rambling of a person. Specifically, the fatigue rambling derivation unit 24a determines the current degree of fatigue rambling of the user U based on the information about the user U acquired by the user information acquisition unit 21 and the information about the environment acquired by the environment information acquisition unit 22. Ask. The degree of fatigue rambling derived by the fatigue rambling unit 24a is output to the rambling determination unit 25.
  • the rambling determination unit 25 determines whether a person is in a rambling state. Specifically, the rambling determination unit 25 determines whether or not a person is in a rambling state based on the change in the degree of fatigue rambling obtained by the fatigue rambling out deriving unit 24a.
  • a method of determining the rambling state by the rambling determination unit 25 will be described with reference to FIG.
  • the horizontal axis of FIG. 17 is the time during which the user U is being monitored, and the left vertical axis is the degree of fatigue.
  • the actual degree of fatigue rambling obtained by the fatigue rambling out unit 24a is shown by a solid line.
  • Whether or not the user U is in a rambling state is determined by, for example, comparing the differential values before and after the change in the degree of fatigue rambling, and determining that the user U is in a rambling state when the difference between the differential values is equal to or greater than a predetermined value. , When the difference between the differential values is smaller than a predetermined value, it may be determined that the state is not in a vague state. This makes it possible to determine whether or not the user U is in a vague state.
  • the person is in a rambling state based on the fatigue rambling out unit 24a for deriving the degree of fatigue and the degree of rambling of the person and the change in the degree of rambling. It is provided with a vague determination unit 25 for determining whether or not.
  • the rambling state determination device 20F may include a history holding unit 26 for storing the fatigue rambling history, which is the history of the degree of fatigue rambling. Then, the rambling determination unit 25 may determine whether or not the person is in a rambling state by comparing the history of fatigue and the current degree of rambling. For example, the history holding unit 26 holds the fatigued rambling history for the past several minutes while updating it, and the rambling judgment unit 25 changes the current degree of fatigued rambling by a predetermined swing width or more with respect to the fatigued rambling history. In addition, it may be determined that the person is in a state of rambling.
  • each of the degree of drowsiness and the degree of fatigue is evaluated on a 5-point scale
  • the evaluation is not limited to this, and the evaluation may be 6 or more stages, or 4 or less. You may.
  • the evaluation is not limited to this, and the evaluation may be 11 grades or more, or 9 grades or less.
  • the present disclosure is useful as a device for determining whether or not a person is in a vague state when driving a vehicle or working indoors.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Psychiatry (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Developmental Disabilities (AREA)
  • Hospice & Palliative Care (AREA)
  • Educational Technology (AREA)
  • Social Psychology (AREA)
  • Psychology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Traffic Control Systems (AREA)

Abstract

漫然状態判定装置（２０）は、人の眠気の発生を予測するための眠気予測データを求める眠気予測部（２３）と、人の眠気漫然度合を導出する眠気漫然導出部（２４）と、眠気予測データおよび現在の眠気漫然度合に基づいて、人が漫然状態になっているかを判定する漫然判定部（２５）とを備える。

Description

漫然状態判定装置
　本開示は、人が漫然とした状態になっているかを判定する漫然状態判定装置に関する。
　特許文献１には、運転者の視線を検出し、運転者が漫然運転を行っているか否かを判定する装置が開示されている。
特開平８－１７８７１２号公報
　しかしながら、特許文献１に開示された装置のように運転者の視線を検出するだけでは、人が漫然とした状態（以下、「漫然状態」という場合がある）になっているかを精度よく判定することが困難である。
　そこで、本開示は、人が漫然状態になっているかを精度よく判定することができる漫然状態判定装置を提供する。
　本開示の一態様に係る漫然状態判定装置は、人の眠気の発生を予測するための眠気予測データを求める眠気予測部と、前記眠気予測データに基づいて、前記人が漫然状態になっているかを判定する漫然判定部とを備える。
　本開示の一態様に係る漫然状態判定装置は、人の眠気度合および漫然度合を示す眠気漫然度合を導出する眠気漫然導出部と、前記眠気漫然度合の変化に基づいて、前記人が漫然状態になっているかを判定する漫然判定部とを備える。
　本開示の一態様に係る漫然状態判定装置は、人の疲労の発生を予測するための疲労予測データを求める疲労予測部と、前記疲労予測データに基づいて、前記人が漫然状態になっているかを判定する漫然判定部とを備える。
　本開示の一態様に係る漫然状態判定装置は、人の疲労度合および漫然度合を示す疲労漫然度合を導出する疲労漫然導出部と、前記疲労漫然度合の変化に基づいて、前記人が漫然状態になっているかを判定する漫然判定部とを備える。
　上記態様によれば、人が漫然状態になっているかを精度よく判定することができる。
図１Ａは、実施の形態１における漫然状態判定装置を備える漫然状態判定システムの一例を示す概略図である。 図１Ｂは、実施の形態１における漫然状態判定装置を備える漫然状態判定システムの他の一例を示す概略図である。 図２は、実施の形態１における漫然状態判定装置の機能構成を示すブロック図である。 図３は、実施の形態１における漫然状態判定装置を用いて漫然状態の判定を行う例を示す図である。 図４は、実施の形態１における漫然状態判定装置の動作を示すフローチャートである。 図５は、実施の形態２における漫然状態判定装置の機能構成を示すブロック図である。 図６は、実施の形態２における漫然状態判定装置を用いて漫然状態の判定を行う例を示す図である。 図７は、実施の形態２における漫然状態判定装置の動作を示すフローチャートである。 図８は、実施の形態３における漫然状態判定装置の機能構成を示すブロック図である。 図９は、実施の形態３における漫然状態判定装置を用いて漫然状態の判定を行う例を示す図である。 図１０は、実施の形態３における漫然状態判定装置の動作を示すフローチャートである。 図１１は、実施の形態４における漫然状態判定装置の機能構成を示すブロック図である。 図１２は、実施の形態５における漫然状態判定装置の機能構成を示すブロック図である。 図１３は、実施の形態５における漫然状態判定装置を用いて漫然状態の判定を行う例を示す図である。 図１４は、実施の形態６における漫然状態判定装置の機能構成を示すブロック図である。 図１５は、実施の形態６における漫然状態判定装置を用いて漫然状態の判定を行う例を示す図である。 図１６は、実施の形態７における漫然状態判定装置の機能構成を示すブロック図である。 図１７は、実施の形態７における漫然状態判定装置を用いて漫然状態の判定を行う例を示す図である。
　例えば、車両を運転しているとき、または、室内で作業をしているときに、人は漫然状態になることがある。漫然状態とは、現在の状況において注意を払うべきことに注意していない状態、とくに、注意を払うべきこととは別のことを考えている状態をいう。人が漫然状態になると、例えば、顔を動かさずに漠然と前方を向いたままになったり、または、視線が止まったりする。この漫然状態と似た状態として眠気発生状態がある。人が眠気発生状態になると、顔を動かさずに前方を向いたままになったり、または、視線が止まったりする。
　人が漫然状態または眠気発生状態になると、車両の運転または室内での作業が緩慢になったり大雑把になったりする。そのため、人が漫然状態または眠気発生状態になったときは、平常状態に戻すことが望ましい。
　例えば、人が漫然状態であるときは、その人に注意を呼びかけることで、速やかに平常状態に戻すことができる。一方、人が眠気発生状態にあるときは、注意を呼びかけるだけでは眠気を解消できず、その人に冷水を浴びせるなど強めの刺激を与える必要がある。しかし、漫然状態の人に強めの刺激を与えると、刺激を与えられた人が驚いて異常行動を起こすこともある。このように、平常状態に戻すための手段が漫然状態と眠気発生状態とで異なるため、平常状態に戻す前に、人が漫然状態にあるか眠気発生状態にあるかを区別して検出する必要がある。
　しかしながら、前述したように、漫然状態および眠気発生状態はともに、顔を動かさずに前方を向いたままになったり、または、視線が止まったりするので、人の外観を見ただけでは、その人が漫然状態になっているか否かを判定することが難しい。
　それに対し本実施の形態の漫然状態判定装置は、以下に示す構成を有することで、人が漫然状態になっているかを精度よく判定することができる。
　すなわち、本開示の一態様に係る漫然状態判定装置は、人の眠気の発生を予測するための眠気予測データを求める眠気予測部と、前記眠気予測データに基づいて、前記人が漫然状態になっているかを判定する漫然判定部とを備える。
　このように、眠気予測データに基づいて漫然状態を判定することで、漫然状態と眠気発生状態とを区別して判定することができる。これにより、人が漫然状態になっているかを精度よく判定することができる。
　また、漫然状態判定装置は、さらに、前記人の眠気度合および漫然度合を示す眠気漫然度合を導出する眠気漫然導出部を備え、前記漫然判定部は、前記眠気予測データおよび現在の前記眠気漫然度合に基づいて、前記人が漫然状態になっているかを判定してもよい。
　このように、眠気予測データおよび眠気漫然度合に基づいて漫然状態を判定することで、漫然状態と眠気発生状態とを区別して判定することができる。これにより、人が漫然状態になっているかを精度よく判定することができる。
　また、漫然状態判定装置は、さらに、前記人に関する情報を取得するユーザ情報取得部と、前記人の周りの環境に関する情報を取得する環境情報取得部とを備え、前記眠気予測部は、前記ユーザ情報取得部および前記環境情報取得部によって取得した前記情報に基づいて、前記眠気予測データを求めてもよい。
　この構成によれば、眠気予測データを精度よく求めることができるので、漫然状態と眠気発生状態とを精度よく区別することができる。これにより、人が漫然状態になっているかを精度よく判定することができる。
　また、漫然状態判定装置は、さらに、前記人に関する情報を取得するユーザ情報取得部と、前記人の周りの環境に関する情報を取得する環境情報取得部とを備え、前記眠気漫然導出部は、前記ユーザ情報取得部および前記環境情報取得部によって取得した前記情報に基づいて、前記眠気漫然度合を求めてもよい。
　この構成によれば、眠気漫然度合を精度よく求めることができるので、漫然状態と眠気発生状態とを精度よく区別することができる。これにより、人が漫然状態になっているかを精度よく判定することができる。
　また、漫然状態判定装置は、さらに、前記人に関する情報を取得するユーザ情報取得部と、前記人の周りの環境に関する情報を取得する環境情報取得部とを備え、前記漫然判定部は、前記ユーザ情報取得部および前記環境情報取得部によって取得した前記情報に基づいて、前記漫然状態への移行のしやすさを判断し、さらに、前記漫然状態への移行のしやすさに基づいて前記人が漫然状態になっているかを判定してもよい。
　このように、漫然状態への移行のしやすさを判断することで、漫然状態と眠気発生状態とを精度よく区別することができる。これにより、人が漫然状態になっているかを精度よく判定することができる。
　本開示の一態様に係る漫然状態判定装置は、人の眠気度合および漫然度合を示す眠気漫然度合を導出する眠気漫然導出部と、前記眠気漫然度合の変化に基づいて、前記人が漫然状態になっているかを判定する漫然判定部とを備える。
　このように、眠気漫然度合の変化に基づいて漫然状態を判定することで、漫然状態と眠気発生状態とを区別して判定することができる。これにより、人が漫然状態になっているかを精度よく判定することができる。
　また、漫然状態判定装置は、さらに、前記眠気漫然度合の履歴である眠気漫然履歴を保存する履歴保持部を備え、前記漫然判定部は、前記眠気漫然履歴および現在の前記眠気漫然度合を比較することで、前記人が漫然状態になっているかを判定してもよい。
　このように、眠気漫然履歴と眠気漫然度合とを比較して漫然状態を判定することで、漫然状態と眠気発生状態とを区別して判定することができる。これにより、人が漫然状態になっているかを精度よく判定することができる。
　また、漫然状態判定装置は、さらに、前記人に関する情報を取得するユーザ情報取得部と、前記人の周りの環境に関する情報を取得する環境情報取得部とを備え、前記眠気漫然導出部は、前記ユーザ情報取得部および前記環境情報取得部によって取得した前記情報に基づいて、前記眠気漫然度合を求めてもよい。
　この構成によれば、眠気漫然度合を精度よく求めることができるので、漫然状態と眠気発生状態とを精度よく区別することができる。これにより、人が漫然状態になっているかを精度よく判定することができる。
　また、前記漫然判定部は、前記ユーザ情報取得部および前記環境情報取得部によって取得した前記情報に基づいて、前記漫然状態への移行のしやすさを判断し、さらに、前記漫然状態への移行のしやすさに基づいて前記人が漫然状態になっているかを判定してもよい。
　このように、漫然状態への移行のしやすさを判断することで、漫然状態と眠気発生状態とを精度よく区別することができる。これにより、人が漫然状態になっているかを精度よく判定することができる。
　なお、上記では、漫然状態と眠気発生状態との関係について示したが、これに限られず、漫然状態と疲労発生状態との関係についても同様のことがいえる。
　すなわち、本開示の一態様に係る漫然状態判定装置は、人の疲労の発生を予測するための疲労予測データを求める疲労予測部と、前記疲労予測データに基づいて、前記人が漫然状態になっているかを判定する漫然判定部とを備える。
　このように、疲労予測データに基づいて漫然状態を判定することで、漫然状態と疲労発生状態とを区別して判定することができる。これにより、人が漫然状態になっているかを精度よく判定することができる。
　本開示の一態様に係る漫然状態判定装置は、人の疲労度合および漫然度合を示す疲労漫然度合を導出する疲労漫然導出部と、前記疲労漫然度合の変化に基づいて、前記人が漫然状態になっているかを判定する漫然判定部とを備える。
　このように、疲労漫然度合の変化に基づいて漫然状態を判定することで、漫然状態と疲労発生状態とを区別して判定することができる。これにより、人が漫然状態になっているかを精度よく判定することができる。
　なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムまたは記録媒体の任意な組み合わせで実現されてもよい。
　以下、本開示の一態様に係る漫然状態判定装置について、図面を参照しながら具体的に説明する。
　なお、以下で説明する実施の形態は、いずれも本開示の一具体例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本開示を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
　（実施の形態１）
　［１－１．漫然状態判定システムの構成］
　まず、実施の形態１の漫然状態判定装置２０を備える漫然状態判定システム１の構成について、図１Ａおよび図１Ｂを参照しながら説明する。
　図１Ａは、実施の形態１における漫然状態判定装置２０を備える漫然状態判定システム１の一例を示す概略図である。図１Ａには、漫然状態判定システム１が、車両９１に設けられている例が示されている。
　図１Ｂは、漫然状態判定装置２０を備える漫然状態判定システム１の他の一例を示す概略図である。図１Ｂには、漫然状態判定システム１が、室内９２に設けられている例が示されている。
　図１Ａおよび図１Ｂに示すように、漫然状態判定システム１は、車両９１または室内９２などの所定の空間内に設けられる。
　漫然状態判定システム１は、漫然状態判定装置２０と、第１入力部１１、第２入力部１２および報知部３１を備えている。
　漫然状態判定装置２０は、人が漫然状態になっているかを判定する装置である。漫然状態判定装置２０は、例えば、マイクロプロセッサおよびメモリなどによって構成される。漫然状態判定装置２０には、第１入力部１１、第２入力部１２および報知部３１が接続されている。漫然状態判定装置２０については、後で詳しく説明する。
　第１入力部１１は、漫然状態判定装置２０を利用する人、すなわちユーザＵに関する情報を漫然状態判定装置２０に入力するための装置である。
　第１入力部１１は、例えば、カメラ、ＴＯＦ（Ｔｉｍｅ　Ｏｆ　Ｆｌｉｇｈｔ）、重心センサ、生体センサである。第１入力部１１には、ユーザＵに関する情報として、ユーザＵの視線、瞳孔径、開眼状態、瞬き、頭部の動き、体動頻度、体温、温冷感、心拍、呼吸、および呼気成分などの情報が入力される。また、第１入力部１１には、ユーザＵの食事履歴、行動履歴、行動予定、起床時間および睡眠時間などの情報が入力されてもよい。なお、漫然状態判定装置２０が車両９１に設けられている場合は、ユーザＵに関する情報として、ハンドル操作、アクセル操作および車間距離などの情報が入力されてもよい。また、漫然状態判定装置２０が室内９２に設けられている場合は、ユーザＵに関する情報として、パーソナルコンピュータに対して行ったユーザ操作などの情報が入力されてもよい。
　第２入力部１２は、ユーザＵの周囲の環境に関する情報を漫然状態判定装置２０に入力するための装置である。
　第２入力部１２は、各種の環境センサである。第２入力部１２には、環境に関する情報として、照度、色、温度、風速、周辺音、匂いおよび空気成分などの情報が入力される。なお、漫然状態判定装置２０が車両９１に設けられている場合は、環境に関する情報として、同乗者、前後車両、移動経路、渋滞情報および道路環境などの情報が入力されてもよい。また、漫然状態判定装置２０が室内９２に設けられている場合は、環境に関する情報として、パーソナルコンピュータに記録されている閲覧情報、および、付近にいる他者の情報などが入力されてもよい。
　なお上記では、第１入力部１１にユーザＵに関する情報が入力され、第２入力部１２に環境に関する情報が入力される例を示したが、それに限られない。例えば、第１入力部１１のカメラ等を用いて環境に関する情報が入力されてもよいし、第２入力部１２のセンサ等を用いてユーザＵに関する情報が入力されてもよい。
　報知部３１は、人が漫然状態であることを知らせる装置であり、例えば、画像表示装置またはスピーカである。また、報知部３１は、スマートフォンまたはタブレット端末などの情報端末であってもよいし、人が着座しているシートに振動などの刺激を与える刺激付与装置であってもよいし、車載用のヘッドアップディスプレイであってもよい。
　［１－２．漫然状態判定装置の構成］
　次に、漫然状態判定装置２０の構成について図２および図３を参照しながら説明する。
　図２は、漫然状態判定装置２０の機能構成を示すブロック図である。なお、図２には、漫然状態判定装置２０に接続されている第１入力部１１、第２入力部１２および報知部３１も示されている。
　図２に示すように、漫然状態判定装置２０は、ユーザ情報取得部２１と、環境情報取得部２２と、眠気予測部２３と、眠気漫然導出部２４と、漫然判定部２５とを備えている。
　ユーザ情報取得部２１は、第１入力部１１および第２入力部１２にて入力されたユーザＵに関する情報を取得する。ユーザ情報取得部２１で取得した当該情報は、眠気予測部２３および眠気漫然導出部２４に出力される。
　環境情報取得部２２は、第１入力部１１および第２入力部１２にて入力された環境に関する情報を取得する。環境情報取得部２２で取得した当該情報は、眠気予測部２３および眠気漫然導出部２４に出力される。
　眠気予測部２３は、人の眠気の発生を予測する。具体的には、眠気予測部２３は、ユーザ情報取得部２１で取得したユーザＵに関する情報、および、環境情報取得部２２で取得した環境に関する情報に基づいて、ユーザＵの眠気の発生を予測するための眠気予測データを求める。
　眠気予測データは、ユーザＵの将来の眠気発生を予測する関数である。眠気予測データは、例えば、漫然状態が発生していないときの過去１０分間におけるユーザＵの眠気度合のデータを多変量解析することで求められる。なお、眠気度合は、眠気の進み具合を示す値である。眠気度合は、例えば５段階評価で表され、眠気度合が高いほど数値が大きくなる。眠気度合は、例えば、人の瞬きの周期が安定しているときは１であり、瞬きが遅いときは３であり、閉眼しているときは５である。
　また、眠気予測部２３は、例えば、食事、運動、睡眠および作業内容など、ユーザＵの行動に関する情報に基づいて、眠気の発生を予測する。具体的には眠気予測部２３は、ユーザＵが食後であるとき、運動後であるとき、睡眠不足であるとき、または、文書を読んでいるときに眠気が発生しやすいと予測する。また、眠気予測部２３は、例えば、照度、温度、環境色、ＣＯ２濃度および騒音など、ユーザＵの周囲の環境に関する情報に基づいて、眠気の発生を予測する。具体的には眠気予測部２３は、周囲の環境が暗いとき、暖かいとき、暖色であるとき、ＣＯ２濃度が高いとき、または、音が静かであるときに眠気が発生しやすいと予測する。
　眠気予測部２３にて得られた眠気予測データは、漫然判定部２５に出力される。
　眠気漫然導出部２４は、人の眠気度合および漫然度合を示す眠気漫然度合を導出する。具体的には眠気漫然導出部２４は、ユーザ情報取得部２１で取得したユーザＵに関する情報、および、環境情報取得部２２で取得した環境に関する情報に基づいて、ユーザＵの現在の眠気漫然度合を求める。
　前述したように、人の外観を見ただけでは、その人の眠気発生状態および漫然状態を区別することが難しい。そのため、ユーザＵに関する情報および環境に関する情報に基づいて得られた眠気漫然度合は、眠気度合および漫然度合の両方を含む値となる。眠気漫然度合は、例えば１０段階評価で表され、眠気漫然度合が高いほど数値が大きくなる。眠気漫然度合は、例えば、人の視線がこまめに動いているときは１であり、視線の動きが鈍っているときは５であり、視線が完全に止まっているときは１０である。
　眠気漫然導出部２４は、例えば、人の視線、瞳孔、閉眼、頭部の揺れおよび体動頻度などによって、眠気漫然度合を求める。具体的には眠気漫然導出部２４は、視線が滞留しているとき、瞳孔径にゆらぎが発生しているとき、閉眼しているとき、頭部が揺れているとき、または、体動が減少しているときは、眠気漫然度合が高いと判定する。また、車両９１を運転する場合は、例えば、ハンドル操作頻度が低下しているとき、車間距離が一定でなくふらついているときは、眠気漫然度合が高いと判定してもよい。
　眠気漫然導出部２４にて導出された眠気漫然度合は、漫然判定部２５に出力される。
　漫然判定部２５は、人が漫然状態になっているかを判定する。具体的には、漫然判定部２５は、眠気予測部２３にて求めた眠気予測データ、および、眠気漫然導出部２４にて得られた眠気漫然度合に基づいて、人の漫然度合を求め、人が漫然状態になっているか否かを判定する。ここで、漫然判定部２５による漫然状態の判定のしかたについて、図３を参照しながら説明する。
　図３は、漫然状態判定装置２０を用いて漫然状態の判定を行う例を示す図である。
　図３の横軸はユーザＵをモニタリングしている時間であり、左縦軸は眠気漫然度合であり、右縦軸は漫然度合である。図３には、眠気漫然導出部２４によって得られた実際の眠気漫然度合が実線で示され、眠気予測部２３によって求められた眠気予測データが破線で示されている。
　図３に示すように、眠気は、時間とともに緩やかに進行するので、眠気予測データは、右上がりの緩やかな曲線となって示される。一方、漫然状態は、ユーザＵに依存して発生し、モニタリングしている時間の途中に急激な変化となって表れる。そのため、漫然状態が発生すると、実際の眠気漫然度合を示す曲線は、眠気予測データの曲線から大きくはずれる。
　これらの傾向を利用し、漫然度合は、実際の眠気漫然度合と眠気予測データとの差分（図３の太い実線参照）で表すことができる。例えば、時間ｔ１における漫然度合は、時間ｔ１における実際の眠気漫然度合の値から眠気予測データの値を差し引いた値となる。ユーザＵが漫然状態になっているか否かは、漫然度合に対して所定の閾値を設け、上記で求めた漫然度合が閾値以上であれば漫然状態になっているとし、閾値よりも小さければ漫然状態になっていないと判定すればよい。これにより、時間ｔ１においてユーザＵが漫然状態になっているか否かを判定することができる。
　なお、眠気漫然度合および漫然度合が、互いに異なる評価スケールを有している場合は、漫然度合を求める際に、実際の眠気漫然度合と眠気予測データとの差分に対して所定の重み付けを行って評価スケールを合わせることが望ましい。
　本実施の形態の漫然状態判定装置２０は、人の眠気の発生を予測するための眠気予測データを求める眠気予測部２３と、人の眠気漫然度合を導出する眠気漫然導出部２４と、眠気予測データおよび現在の眠気漫然度合に基づいて、人が漫然状態になっているかを判定する漫然判定部２５とを備える。
　このように、眠気予測データおよび眠気漫然度合に基づいて漫然状態を判定することで、漫然状態と眠気発生状態とを区別して判定することができる。これにより、人が漫然状態になっているかを精度よく判定することができる。
　［１－３．漫然状態判定装置の動作］
　次に、漫然状態判定装置２０の動作について、図４を参照しながら説明する。
　図４は、漫然状態判定装置２０の動作を示すフローチャートである。
　まず、漫然状態判定装置２０は、ユーザ情報および環境情報を取得する（ステップＳ１１）。具体的には、ユーザ情報取得部２１にてユーザ情報を取得し、環境情報取得部２２にて環境情報を取得する。なお、ユーザ情報は、主に第１入力部１１にて入力され、環境情報は、主に第２入力部１２にて入力される。
　次に、漫然状態判定装置２０は、人の眠気の発生を予測する（ステップＳ１２）。具体的には、眠気予測部２３は、ユーザ情報および環境情報に基づいて、眠気予測データを求める。
　次に、漫然状態判定装置２０は、人の現在の眠気漫然度合を導出する（ステップＳ１３）。具体的には、眠気漫然導出部２４が、ユーザ情報および環境情報に基づいて、眠気度合および漫然度合を示す眠気漫然度合を導出する。
　次に、漫然状態判定装置２０は、人が漫然状態になっているかを判定する（ステップＳ１４）。具体的には、漫然判定部２５が、眠気予測データおよび実際の眠気漫然度合に基づいて、漫然度合を求め、人が漫然状態になっているかを判定する。
　そして、漫然判定部２５にて、人が漫然状態になっていると判定された場合に（Ｓ１４にてＹ）、漫然判定部２５は、人が漫然状態であることを報知部３１を用いて知らせる（ステップＳ１５）。一方、漫然判定部２５にて、人が漫然状態でないと判定された場合（Ｓ１４にてＮ）、報知部３１に対する出力は行われずステップを終了する。これらのステップＳ１１～Ｓ１５によって、人が漫然状態になっているかを判定することができる。これらのステップＳ１１～Ｓ１５は、例えば、車両９１または室内９２にて繰り返し実行されてもよい。
　このように、漫然状態判定装置２０を用いた漫然状態判定方法は、人の眠気の発生を予測するための眠気予測データを求めるステップと、人の眠気漫然度合を導出するステップと、眠気予測データおよび現在の眠気漫然度合に基づいて、人が漫然状態になっているかを判定するステップとを含む。この方法によれば、人が漫然状態になっているかを精度よく判定することができる。
　（実施の形態２）
　次に、実施の形態２における漫然状態判定装置２０Ａについて、図５～図７を参照しながら説明する。実施の形態２では、眠気漫然度合を用いずに、眠気予測部２３による予測データを用いて漫然状態の判定を行う例について説明する。
　図５は、実施の形態２の漫然状態判定装置２０Ａの機能構成を示すブロック図である。図６は、漫然状態判定装置２０Ａを用いて漫然状態の判定を行う例を示す図である。
　図５に示すように、漫然状態判定装置２０Ａは、ユーザ情報取得部２１と、環境情報取得部２２と、眠気予測部２３と、漫然判定部２５とを備えている。実施の形態２の漫然状態判定装置２０Ａは、眠気漫然導出部２４を備えていない。
　眠気予測部２３は、人の眠気の発生を予測する。具体的には、眠気予測部２３は、ユーザ情報取得部２１で取得したユーザＵに関する情報、および、環境情報取得部２２で取得した環境に関する情報に基づいて、眠気予測データに関連する視線移動頻度の予測データ（図６参照）を求める。視線移動頻度とは、所定期間に視線が移動する回数であり、視線移動頻度が低いほど眠気度合が高くなっていることを示す。
　視線移動頻度の予測データは、ユーザＵの将来の視線移動頻度を予測する関数である。視線移動頻度の予測データは、例えば、前述した眠気予測データに基づいて求められる。また、眠気予測部２３は、人が漫然状態にあると判定するための閾値である漫然判定ライン（図６参照）を求める。漫然判定ラインは、視線移動頻度の予測データに沿って、かつ、当該予測データに対して所定間隔をあけて設けられる。なお、漫然判定ラインは、当該予測データの値に応じて所定間隔が変化するように設けられていてもよい。眠気予測部２３にて得られた視線移動頻度の予測データおよび漫然判定ラインは、漫然判定部２５に出力される。
　なお、上記では眠気予測データに関連するデータとして、視線移動頻度の予測データを示したが、それに限られない。例えば、眠気予測データに関連するデータは、運転精度の予測データであってもよいし、作業精度の予測データであってもよい。
　漫然判定部２５は、人が漫然状態になっているかを判定する。具体的には、漫然判定部２５は、眠気予測部２３にて求めた視線移動頻度の予測データおよび漫然判定ラインに基づいて、人が漫然状態になっているか否かを判定する。ここで、漫然判定部２５による漫然状態の判定のしかたについて、図６を参照しながら説明する。
　図６の横軸はユーザＵをモニタリングしている時間であり、左縦軸は視線移動頻度である。図６には、ユーザ情報取得部２１によって得られた実際の視線移動頻度が実線で示され、眠気予測部２３にて求められた視線移動頻度の予測データが破線で示されている。
　図６に示すように、眠気は、時間とともに緩やかに進行するので、視線移動頻度の予測データは、右下がりの緩やかな曲線となって示される。一方、漫然状態は、ユーザＵに依存して発生し、モニタリングしている時間の途中に急激な変化となって表れる。そのため、漫然状態が発生すると、実際の視線移動頻度を示す曲線は、上記予測データの曲線から大きくはずれる。
　図６では、時間ｔ１では漫然状態は発生していないが、時間ｔ２にて漫然状態が発生している例が示されている。図６に示すように本実施の形態では、実際の視線移動頻度が予測データから大きくはずれ漫然判定ラインを越えたときに、漫然状態が発生していると判定する。
　実施の形態２の漫然状態判定装置２０Ａは、人の眠気の発生を予測するための眠気予測データを求める眠気予測部２３と、眠気予測データに基づいて、人が漫然状態になっているかを判定する漫然判定部２５とを備える。
　このように、眠気予測データに基づいて漫然状態を判定することで、漫然状態と眠気発生状態とを区別して判定することができる。これにより、人が漫然状態になっているかを精度よく判定することができる。
　図７は、漫然状態判定装置２０Ａの動作を示すフローチャートである。
　まず、漫然状態判定装置２０Ａは、ユーザ情報および環境情報を取得する（ステップＳ１１）。
　次に、漫然状態判定装置２０Ａは、人の視線移動頻度を予測する（ステップＳ２２）。具体的には、眠気予測部２３は、眠気予測データに基づいて視線移動頻度の予測データを求める。次に、漫然状態判定装置２０Ａは、人の現在の視線移動頻度を求める（ステップＳ２３）。具体的には、ユーザ情報取得部２１のユーザ情報に基づいて、視線移動頻度が求められる。
　次に、漫然状態判定装置２０Ａは、人が漫然状態になっているかを判定する（ステップＳ２４）。具体的には、漫然判定部２５が、実際の視線移動頻度と、視線移動頻度の予測データおよび漫然判定ラインに基づいて、人が漫然状態になっているかを判定する。以下、実施の形態１と同様である。
　このように、漫然状態判定装置２０Ａを用いた漫然状態判定方法は、人の眠気の発生を予測するための眠気予測データを求めるステップと、眠気予測データに基づいて、人が漫然状態になっているかを判定するステップとを含む。この方法によれば、人が漫然状態になっているかを精度よく判定することができる。
　（実施の形態３）
　次に、実施の形態３における漫然状態判定装置２０Ｂについて、図８～図１０を参照しながら説明する。実施の形態２では、眠気予測部２３を用いずに、実際の眠気漫然度合の変化に基づいて漫然状態を判定する例について説明する。
　図８は、実施の形態３の漫然状態判定装置２０Ｂの機能構成を示すブロック図である。図９は、漫然状態判定装置２０Ｂを用いて漫然状態の判定を行う例を示す図である。
　図８に示すように、漫然状態判定装置２０Ｂは、ユーザ情報取得部２１と、環境情報取得部２２と、眠気漫然導出部２４と、漫然判定部２５とを備えている。また、漫然状態判定装置２０Ｂは、履歴保持部２６を備えている。実施の形態３の漫然状態判定装置２０Ｂは、眠気予測部２３を備えていない。
　眠気漫然導出部２４は、人の眠気度合および漫然度合を示す眠気漫然度合を導出する。具体的には眠気漫然導出部２４は、ユーザ情報取得部２１で取得したユーザＵに関する情報、および、環境情報取得部２２で取得した環境に関する情報に基づいて、ユーザＵの現在の眠気漫然度合を求める。眠気漫然導出部２４にて導出された眠気漫然度合は、漫然判定部２５に出力される。
　漫然判定部２５は、人が漫然状態になっているかを判定する。具体的には、漫然判定部２５は、眠気漫然導出部２４にて得られた眠気漫然度合の変化に基づいて、人が漫然状態になっているか否かを判定する。ここで、漫然判定部２５による漫然状態の判定のしかたについて、図９を参照しながら説明する。
　図９の横軸はユーザＵをモニタリングしている時間であり、左縦軸は眠気漫然度合である。図９には、眠気漫然導出部２４によって得られた実際の眠気漫然度合が実線で示されている。
　図９に示すように、眠気は、時間とともに緩やかに進行するので、右上がりの緩やかな曲線となって示される。一方、漫然状態は、ユーザＵに依存して発生し、モニタリングしている時間の途中に急激な変化となって表れる。そのため図９に示すように、漫然状態が発生すると、眠気漫然度合を示す曲線は、過去の眠気漫然度合の曲線に対して急激に変化する。ユーザＵが漫然状態になっているか否かは、例えば、眠気漫然度合の変化の前後における微分値を比較し、微分値の差が所定の値以上のときに漫然状態になっていると判定し、微分値の差が所定の値よりも小さいときに漫然状態になっていないと判定すればよい。これにより、ユーザＵが漫然状態になっているか否かを判定することができる。
　本実施の形態の漫然状態判定装置２０Ｂは、人の眠気度合および漫然度合を示す眠気漫然度合を導出する眠気漫然導出部２４と、眠気漫然度合の変化に基づいて、人が漫然状態になっているかを判定する漫然判定部２５とを備える。
　このように、眠気漫然度合の変化に基づいて漫然状態を判定することで、漫然状態と眠気発生状態とを区別して判定することができる。これにより、人が漫然状態になっているかを精度よく判定することができる。
　なお、漫然状態判定装置２０Ｂは、眠気漫然度合の履歴である眠気漫然履歴を保存する履歴保持部２６を備えていてもよい。そして、漫然判定部２５が眠気漫然履歴および現在の眠気漫然度合を比較することで、人が漫然状態になっているかを判定してもよい。例えば、履歴保持部２６は、過去数分間ぶんの眠気漫然履歴を更新しながら保持し、漫然判定部２５は、現在の眠気漫然度合が眠気漫然履歴に対して所定の振れ幅以上で変化した場合に、人が漫然状態になっていると判定してもよい。
　図１０は、漫然状態判定装置２０Ｂの動作を示すフローチャートである。
　まず、漫然状態判定装置２０Ｂは、ユーザ情報および環境情報を取得する（ステップＳ１１）。次に、漫然状態判定装置２０Ｂは、人の現在の眠気漫然度合を導出する（ステップＳ１３）。
　次に、漫然状態判定装置２０Ｂは、人が漫然状態になっているかを判定する（ステップＳ３４）。具体的には、漫然判定部２５が、眠気漫然度合の変化が急であるか否かによって、人が漫然状態になっているかを判定する。以下、実施の形態１と同様である。
　このように、漫然状態判定装置２０Ｂを用いた漫然状態判定方法は、人の眠気漫然度合を求めるステップと、眠気漫然度合の変化に基づいて、人が漫然状態になっているかを判定するステップとを含む。この方法によれば、人が漫然状態になっているかを精度よく判定することができる。
　（実施の形態４）
　次に、実施の形態４における漫然状態判定装置２０Ｃについて、図１１を参照しながら説明する。実施の形態４では、漫然状態判定装置２０Ｃが、漫然しやすさ判断部２７を備えている例について説明する。
　図１１は、実施の形態４における漫然状態判定装置２０Ｃの機能構成を示すブロック図である。
　図１１に示すように、漫然状態判定装置２０Ｃは、ユーザ情報取得部２１と、環境情報取得部２２と、眠気予測部２３と、漫然判定部２５とを備えている。この漫然状態判定装置２０Ｃでは、漫然判定部２５の中に漫然しやすさ判断部２７が設けられている。
　漫然しやすさ判断部２７は、ユーザ情報取得部２１および環境情報取得部２２によって取得した各情報に基づいて、漫然状態への移行のしやすさを判断する。具体的には、漫然しやすさ判断部２７は、ユーザＵが漫然状態になりやすい人であるか、または、ユーザＵの周囲の環境が漫然状態になりやすい環境であるかを判断する。
　例えば、漫然しやすさ判断部２７は、ユーザＵのスケジュールや会話ログ（会話記録）から、漫然しやすさを判断する。例えば、緊張する会議の前、他人との口論、職場でのブレインストーミング前後は漫然状態になりやすいと考えられる。また、漫然しやすさ判断部２７は、会話する相手によって会話の複雑さを判断し、ユーザＵの心理負荷を考慮して、漫然状態になりやすいか否かを判断してもよい。
　また、車両９１を運転する場合、運転慣れ、車種、経路、運転歴、年齢などから漫然しやすさを判断してもよい。例えば、初めて乗る車両９１や初めて通る経路では運転動作がぎこちなくなるが、漫然状態にはなりにくいと判断してもよい。例えば、運転初心者は、緊張することで運転動作が粗くなるが、漫然状態ではないので、運転初心者の場合は、漫然しやすさを判断するための判断ラインを調整してもよい。例えば、道路の整備状況を考慮して漫然しやすさを判断してもよい。例えば、高速道路を運転する際は、視線移動が少なくなる傾向にあるので、それに応じて漫然しやすさを判断するための判断ラインを調整してもよい。
　漫然判定部２５は、漫然しやすさ判断部２７で判断した漫然状態への移行のしやすさに基づいて、漫然度合を補正し、人が漫然状態になっているかを判定してもよい。漫然判定部２５は、漫然度合を補正する際、漫然度合に重みを付けて補正してもよい。また、漫然判定部２５は、漫然度合でなく、眠気度合に重みを付けて眠気度合を補正してもよい。また、漫然判定部２５は、漫然しやすさ判断部２７の判断結果に基づいて、過去の漫然状態の発生状況を学習し、同様の状況であれば、漫然度合の重みづけを変えてもよい。
　このように、実施の形態４の漫然判定部２５は、ユーザ情報取得部２１および環境情報取得部２２によって取得した各情報に基づいて、漫然状態への移行のしやすさを判断し、さらに、漫然状態への移行のしやすさに基づいて人が漫然状態になっているかを判定する。
　このように、漫然状態への移行のしやすさを判断することで、漫然状態と眠気発生状態とを精度よく区別することができる。これにより、人が漫然状態になっているかを精度よく判定することができる。なお、実施の形態４の構成は、実施の形態１～３のいずれについても適用することができる。
　上記実施の形態１～３では、漫然状態と眠気発生状態との関係について説明したが、これに限られない。例えば、眠気発生および疲労発生は相関性があるため、漫然状態と疲労発生状態との関係についても同様のことがいえる。そこで実施の形態５～７では、漫然状態と疲労発生状態との関係に着目した漫然状態判定装置について説明する。
　（実施の形態５）
　実施の形態５における漫然状態判定装置２０Ｄの構成について、図１２および図１３を参照しながら説明する。実施の形態５の漫然状態判定装置２０Ｄは、実施の形態１と異なり、疲労予測部２３ａと、疲労漫然導出部２４ａとを備えている。
　図１２は、漫然状態判定装置２０Ｄの機能構成を示すブロック図である。
　図１２に示すように、漫然状態判定装置２０Ｄは、ユーザ情報取得部２１と、環境情報取得部２２と、疲労予測部２３ａと、疲労漫然導出部２４ａと、漫然判定部２５とを備えている。
　ユーザ情報取得部２１は、第１入力部１１および第２入力部１２にて入力されたユーザＵに関する情報を取得する。ユーザ情報取得部２１で取得した当該情報は、疲労予測部２３ａおよび疲労漫然導出部２４ａに出力される。
　環境情報取得部２２は、第１入力部１１および第２入力部１２にて入力された環境に関する情報を取得する。環境情報取得部２２で取得した当該情報は、疲労予測部２３ａおよび疲労漫然導出部２４ａに出力される。
　疲労予測部２３ａは、人の疲労の発生を予測する。具体的には、疲労予測部２３ａは、ユーザ情報取得部２１で取得したユーザＵに関する情報、および、環境情報取得部２２で取得した環境に関する情報に基づいて、ユーザＵの疲労の発生を予測するための疲労予測データを求める。
　疲労予測データは、ユーザＵの将来の疲労発生を予測する関数である。疲労予測データは、例えば、漫然状態が発生していないときの過去１０分間におけるユーザＵの疲労度合のデータを多変量解析することで求められる。なお、疲労度合は、疲労の進み具合を示す値である。疲労度合は、例えば５段階評価で表され、疲労度合が高いほど数値が大きくなる。疲労度合は、例えば、人の瞬きの周期が安定しているときは１であり、瞬きが遅いときは３であり、閉眼しているときは５である。
　また、疲労予測部２３ａは、例えば、作業時間、作業姿勢、活動ログ（活動記録）など、ユーザＵの行動に関する情報に基づいて、疲労の発生を予測する。具体的には疲労予測部２３ａは、作業時間が長くなるほど、同じ動作や姿勢が長時間繰り返されるほど、運動後ほど、疲労が発生しやすいと予測する。疲労予測部２３ａにて得られた疲労予測データは、漫然判定部２５に出力される。
　疲労漫然導出部２４ａは、人の疲労度合および漫然度合を示す疲労漫然度合を導出する。具体的には疲労漫然導出部２４ａは、ユーザ情報取得部２１で取得したユーザＵに関する情報、および、環境情報取得部２２で取得した環境に関する情報に基づいて、ユーザＵの現在の疲労漫然度合を求める。
　人の外観を見ただけでは、その人の疲労発生状態および漫然状態を区別することが難しい。そのため、ユーザＵに関する情報および環境に関する情報に基づいて得られた疲労漫然度合は、疲労度合および漫然度合の両方を含む値となる。疲労漫然度合は、例えば１０段階評価で表され、疲労漫然度合が高いほど数値が大きくなる。疲労漫然度合は、例えば、人の視線がこまめに動いているときは１であり、視線の動きが鈍っているときは５であり、視線が完全に止まっているときは１０である。
　疲労漫然導出部２４ａは、例えば、握力、反応時間、姿勢、呼気成分などによって、疲労漫然度合を求める。具体的には疲労漫然導出部２４ａは、握力が低下しているとき、反応時間が遅延しているとき、姿勢が悪化しているとき、または、呼気のＣＯ２濃度が高いときは、疲労漫然度合が高いと判定する。疲労漫然導出部２４ａにて導出された疲労漫然度合は、漫然判定部２５に出力される。
　漫然判定部２５は、人が漫然状態になっているかを判定する。具体的には、漫然判定部２５は、疲労予測部２３ａにて求めた疲労予測データ、および、疲労漫然導出部２４ａにて得られた疲労漫然度合に基づいて、人の漫然度合を求め、人が漫然状態になっているか否かを判定する。ここで、漫然判定部２５による漫然状態の判定のしかたについて、図１３を参照しながら説明する。
　図１３は、漫然状態判定装置２０Ｄを用いて漫然状態の判定を行う例を示す図である。
　図１３の横軸はユーザＵをモニタリングしている時間であり、左縦軸は疲労漫然度合であり、右縦軸は漫然度合である。図１３には、疲労漫然導出部２４ａによって得られた実際の疲労漫然度合が実線で示され、疲労予測部２３ａによって求められた疲労予測データが破線で示されている。
　図１３に示すように、疲労は、時間とともに緩やかに進行するので、疲労予測データは、右上がりの緩やかな曲線となって示される。一方、漫然状態は、ユーザＵに依存して発生し、モニタリングしている時間の途中に急激な変化となって表れる。そのため、漫然状態が発生すると、実際の疲労漫然度合を示す曲線は、疲労予測データの曲線から大きくはずれる。
　これらの傾向を利用し、漫然度合は、実際の疲労漫然度合と疲労予測データとの差分（図１３の太い実線参照）で表すことができる。例えば、時間ｔ１における漫然度合は、時間ｔ１における実際の疲労漫然度合の値から疲労予測データの値を差し引いた値となる。ユーザＵが漫然状態になっているか否かは、漫然度合に対して所定の閾値を設け、上記で求めた漫然度合が閾値以上であれば漫然状態になっているとし、閾値よりも小さければ漫然状態になっていないと判定すればよい。これにより、時間ｔ１においてユーザＵが漫然状態になっているか否かを判定することができる。
　なお、疲労漫然度合および漫然度合が、互いに異なる評価スケールを有している場合は、漫然度合を求める際に、実際の疲労漫然度合と疲労予測データとの差分に対して所定の重み付けを行って評価スケールを合わせることが望ましい。
　本実施の形態の漫然状態判定装置２０Ｄは、人の疲労の発生を予測するための疲労予測データを求める疲労予測部２３ａと、人の疲労漫然度合を導出する疲労漫然導出部２４ａと、疲労予測データおよび現在の疲労漫然度合に基づいて、人が漫然状態になっているかを判定する漫然判定部２５とを備える。
　このように、疲労予測データおよび疲労漫然度合に基づいて漫然状態を判定することで、漫然状態と疲労発生状態とを区別して判定することができる。これにより、人が漫然状態になっているかを精度よく判定することができる。
　（実施の形態６）
　次に、実施の形態６における漫然状態判定装置２０Ｅについて、図１４および図１５を参照しながら説明する。実施の形態６では、疲労漫然度合を用いずに、疲労予測部２３ａによる予測データを用いて漫然状態の判定を行う例について説明する。
　図１４は、実施の形態６の漫然状態判定装置２０Ｅの機能構成を示すブロック図である。図１５は、漫然状態判定装置２０Ｅを用いて漫然状態の判定を行う例を示す図である。
　図１４に示すように、漫然状態判定装置２０Ｅは、ユーザ情報取得部２１と、環境情報取得部２２と、疲労予測部２３ａと、漫然判定部２５とを備えている。実施の形態６の漫然状態判定装置２０Ｅは、疲労漫然導出部２４ａを備えていない。
　疲労予測部２３ａは、人の疲労の発生を予測する。具体的には、疲労予測部２３ａは、ユーザ情報取得部２１で取得したユーザＵに関する情報、および、環境情報取得部２２で取得した環境に関する情報に基づいて、疲労予測データに関連する作業精度の予測データ（図１５参照）を求める。作業精度とは、所定期間に行われた作業の正確さであり、作業精度が低いほど疲労度合が高くなっていることを示す。
　作業精度の予測データは、ユーザＵの将来の作業精度を予測する関数である。作業精度の予測データは、例えば、前述した疲労予測データに基づいて求められる。また、疲労予測部２３ａは、人が漫然状態にあると判定するための閾値である漫然判定ライン（図１５参照）を求める。漫然判定ラインは、作業精度の予測データに沿って、かつ、当該予測データに対して所定間隔をあけて設けられる。なお、漫然判定ラインは、当該予測データの値に応じて所定間隔が変化するように設けられていてもよい。疲労予測部２３ａにて得られた作業精度の予測データおよび漫然判定ラインは、漫然判定部２５に出力される。
　なお、上記では疲労予測データに関連するデータとして、作業精度の予測データを示したが、それに限られない。例えば、疲労予測データに関連するデータは、運転精度の予測データであってもよい。
　漫然判定部２５は、人が漫然状態になっているかを判定する。具体的には、漫然判定部２５は、疲労予測部２３ａにて求めた作業精度の予測データおよび漫然判定ラインに基づいて、人が漫然状態になっているか否かを判定する。ここで、漫然判定部２５による漫然状態の判定のしかたについて、図１５を参照しながら説明する。
　図１５の横軸はユーザＵをモニタリングしている時間であり、左縦軸は作業精度である。図１５には、ユーザ情報取得部２１によって得られた実際の作業精度が実線で示され、疲労予測部２３ａにて求められた作業精度の予測データが破線で示されている。
　図１５に示すように、疲労は、時間とともに緩やかに進行するので、作業精度の予測データは、右下がりの緩やかな曲線となって示される。一方、漫然状態は、ユーザＵに依存して発生し、モニタリングしている時間の途中に急激な変化となって表れる。そのため、漫然状態が発生すると、実際の作業精度を示す曲線は、上記予測データの曲線から大きくはずれる。
　図１５では、時間ｔ１では漫然状態は発生していないが、時間ｔ２にて漫然状態が発生している例が示されている。図１５に示すように本実施の形態では、実際の作業精度が予測データから大きくはずれ漫然判定ラインを越えたときに、漫然状態が発生していると判定する。
　実施の形態２の漫然状態判定装置２０Ｅは、人の疲労の発生を予測するための疲労予測データを求める疲労予測部２３ａと、疲労予測データに基づいて、人が漫然状態になっているかを判定する漫然判定部２５とを備える。
　このように、疲労予測データに基づいて漫然状態を判定することで、漫然状態と疲労発生状態とを区別して判定することができる。これにより、人が漫然状態になっているかを精度よく判定することができる。
　（実施の形態７）
　次に、実施の形態７における漫然状態判定装置２０Ｆについて、図１６および図１７を参照しながら説明する。実施の形態７では、疲労予測部２３ａを用いずに、実際の疲労漫然度合の変化に基づいて漫然状態を判定する例について説明する。
　図１６は、実施の形態７の漫然状態判定装置２０Ｆの機能構成を示すブロック図である。図１７は、漫然状態判定装置２０Ｆを用いて漫然状態の判定を行う例を示す図である。
　図１６に示すように、漫然状態判定装置２０Ｆは、ユーザ情報取得部２１と、環境情報取得部２２と、疲労漫然導出部２４ａと、漫然判定部２５とを備えている。また、漫然状態判定装置２０Ｆは、履歴保持部２６を備えている。実施の形態７の漫然状態判定装置２０Ｆは、疲労予測部２３ａを備えていない。
　疲労漫然導出部２４ａは、人の疲労度合および漫然度合を示す疲労漫然度合を導出する。具体的には疲労漫然導出部２４ａは、ユーザ情報取得部２１で取得したユーザＵに関する情報、および、環境情報取得部２２で取得した環境に関する情報に基づいて、ユーザＵの現在の疲労漫然度合を求める。疲労漫然導出部２４ａにて導出された疲労漫然度合は、漫然判定部２５に出力される。
　漫然判定部２５は、人が漫然状態になっているかを判定する。具体的には、漫然判定部２５は、疲労漫然導出部２４ａにて得られた疲労漫然度合の変化に基づいて、人が漫然状態になっているか否かを判定する。ここで、漫然判定部２５による漫然状態の判定のしかたについて、図１７を参照しながら説明する。
　図１７の横軸はユーザＵをモニタリングしている時間であり、左縦軸は疲労漫然度合である。図１７には、疲労漫然導出部２４ａによって得られた実際の疲労漫然度合が実線で示されている。
　図１７に示すように、疲労は、時間とともに緩やかに進行するので、右上がりの緩やかな曲線となって示される。一方、漫然状態は、ユーザＵに依存して発生し、モニタリングしている時間の途中に急激な変化となって表れる。そのため図１７に示すように、漫然状態が発生すると、疲労漫然度合を示す曲線は、過去の疲労漫然度合の曲線に対して急激に変化する。ユーザＵが漫然状態になっているか否かは、例えば、疲労漫然度合の変化の前後における微分値を比較し、微分値の差が所定の値以上のときに漫然状態になっていると判定し、微分値の差が所定の値よりも小さいときに漫然状態になっていないと判定すればよい。これにより、ユーザＵが漫然状態になっているか否かを判定することができる。
　本実施の形態の漫然状態判定装置２０Ｆは、人の疲労度合および漫然度合を示す疲労漫然度合を導出する疲労漫然導出部２４ａと、疲労漫然度合の変化に基づいて、人が漫然状態になっているかを判定する漫然判定部２５とを備える。
　このように、疲労漫然度合の変化に基づいて漫然状態を判定することで、漫然状態と疲労発生状態とを区別して、漫然状態の判定を行うことができる。これにより、人が漫然状態になっているかを精度よく判定することができる。
　なお、漫然状態判定装置２０Ｆは、疲労漫然度合の履歴である疲労漫然履歴を保存する履歴保持部２６を備えていてもよい。そして、漫然判定部２５が疲労漫然履歴および現在の疲労漫然度合を比較することで、人が漫然状態になっているかを判定してもよい。例えば、履歴保持部２６は、過去数分間ぶんの疲労漫然履歴を更新しながら保持し、漫然判定部２５は、現在の疲労漫然度合が疲労漫然履歴に対して所定の振れ幅以上で変化した場合に、人が漫然状態になっていると判定してもよい。
　（その他の実施の形態）
　以上、本開示の一つまたは複数の態様に係る漫然状態判定装置について、実施の形態に基づいて説明したが、本開示は、この実施の形態に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、本開示の一つまたは複数の態様の範囲内に含まれてもよい。
　例えば、上記実施の形態では、眠気度合および疲労度合のそれぞれが５段階評価である例を示したが、それに限られず、６段階以上の評価であってもよいし、４段階以下の評価であってもよい。また、眠気漫然度合および疲労漫然度合のそれぞれが１０段階評価である例を示したが、それに限られず、１１段階以上の評価であってもよいし、９段階以下の評価であってもよい。
　本開示は、車両の運転または室内での作業などにおいて、人が漫然とした状態になっているか否かを判定するための装置として有用である。
１　　　漫然状態判定システム
１１　　第１入力部
１２　　第２入力部
２０、２０Ａ、２０Ｂ、２０Ｃ、２０Ｄ、２０Ｅ、２０Ｆ　漫然状態判定装置
２１　　ユーザ情報取得部
２２　　環境情報取得部
２３　　眠気予測部
２３ａ　疲労予測部
２４　　眠気漫然導出部
２４ａ　疲労漫然導出部
２５　　漫然判定部
２６　　履歴保持部
２７　　漫然しやすさ判断部
３１　　報知部
９１　　車両
９２　　室内
Ｕ　　　ユーザ

Claims (11)

  1. 　人の眠気の発生を予測するための眠気予測データを求める眠気予測部と、
    　前記眠気予測データに基づいて、前記人が漫然状態になっているかを判定する漫然判定部と
    　を備える漫然状態判定装置。
  2. 　さらに、前記人の眠気度合および漫然度合を示す眠気漫然度合を導出する眠気漫然導出部を備え、
    　前記漫然判定部は、前記眠気予測データおよび現在の前記眠気漫然度合に基づいて、前記人が漫然状態になっているかを判定する
    　請求項１に記載の漫然状態判定装置。
  3. 　さらに、前記人に関する情報を取得するユーザ情報取得部と、前記人の周りの環境に関する情報を取得する環境情報取得部とを備え、
    　前記眠気予測部は、前記ユーザ情報取得部および前記環境情報取得部によって取得した前記情報に基づいて、前記眠気予測データを求める
    　請求項１または２に記載の漫然状態判定装置。
  4. 　さらに、前記人に関する情報を取得するユーザ情報取得部と、前記人の周りの環境に関する情報を取得する環境情報取得部とを備え、
    　前記眠気漫然導出部は、前記ユーザ情報取得部および前記環境情報取得部によって取得した前記情報に基づいて、前記眠気漫然度合を求める
    　請求項２に記載の漫然状態判定装置。
  5. 　さらに、前記人に関する情報を取得するユーザ情報取得部と、前記人の周りの環境に関する情報を取得する環境情報取得部とを備え、
    　前記漫然判定部は、前記ユーザ情報取得部および前記環境情報取得部によって取得した前記情報に基づいて、前記漫然状態への移行のしやすさを判断し、さらに、前記漫然状態への移行のしやすさに基づいて前記人が漫然状態になっているかを判定する
    　請求項２に記載の漫然状態判定装置。
  6. 　人の眠気度合および漫然度合を示す眠気漫然度合を導出する眠気漫然導出部と、
    　前記眠気漫然度合の変化に基づいて、前記人が漫然状態になっているかを判定する漫然判定部と
    　を備える漫然状態判定装置。
  7. 　さらに、前記眠気漫然度合の履歴である眠気漫然履歴を保存する履歴保持部を備え、
    　前記漫然判定部は、前記眠気漫然履歴および現在の前記眠気漫然度合を比較することで、前記人が漫然状態になっているかを判定する
    　請求項６に記載の漫然状態判定装置。
  8. 　さらに、前記人に関する情報を取得するユーザ情報取得部と、前記人の周りの環境に関する情報を取得する環境情報取得部とを備え、
    　前記眠気漫然導出部は、前記ユーザ情報取得部および前記環境情報取得部によって取得した前記情報に基づいて、前記眠気漫然度合を求める
    　請求項６または７に記載の漫然状態判定装置。
  9. 　前記漫然判定部は、前記ユーザ情報取得部および前記環境情報取得部によって取得した前記情報に基づいて、前記漫然状態への移行のしやすさを判断し、さらに、前記漫然状態への移行のしやすさに基づいて前記人が漫然状態になっているかを判定する
    　請求項８に記載の漫然状態判定装置。
  10. 　人の疲労の発生を予測するための疲労予測データを求める疲労予測部と、
    　前記疲労予測データに基づいて、前記人が漫然状態になっているかを判定する漫然判定部と
    　を備える漫然状態判定装置。
  11. 　人の疲労度合および漫然度合を示す疲労漫然度合を導出する疲労漫然導出部と、
    　前記疲労漫然度合の変化に基づいて、前記人が漫然状態になっているかを判定する漫然判定部と
    　を備える漫然状態判定装置。
PCT/JP2020/003865 2019-03-28 2020-02-03 漫然状態判定装置 WO2020195167A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US17/428,246 US20220287608A1 (en) 2019-03-28 2020-02-03 Inattentive state determination device
JP2021508166A JP7432899B2 (ja) 2019-03-28 2020-02-03 漫然状態判定装置

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019065141 2019-03-28
JP2019-065141 2019-03-28

Publications (1)

Publication Number Publication Date
WO2020195167A1 true WO2020195167A1 (ja) 2020-10-01

Family

ID=72608594

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/003865 WO2020195167A1 (ja) 2019-03-28 2020-02-03 漫然状態判定装置

Country Status (3)

Country Link
US (1) US20220287608A1 (ja)
JP (1) JP7432899B2 (ja)
WO (1) WO2020195167A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220165073A1 (en) * 2019-02-22 2022-05-26 Panasonic Intellectual Property Management Co., Ltd. State detection device and state detection method
JP2023017455A (ja) * 2021-07-26 2023-02-07 トヨタ自動車株式会社 制御装置、車両制御システム、制御方法及びプログラム

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009018777A (ja) * 2007-07-13 2009-01-29 Toyota Motor Corp 車両運転支援装置
JP2014203345A (ja) * 2013-04-08 2014-10-27 株式会社デンソー 覚醒度改善装置
JP2015162087A (ja) * 2014-02-27 2015-09-07 株式会社デンソー 車載システム、情報処理装置、及びプログラム
JP2017045351A (ja) * 2015-08-28 2017-03-02 トヨタ自動車株式会社 車両運転支援装置、車両運転支援方法、およびプログラム
JP2017090996A (ja) * 2015-11-04 2017-05-25 株式会社デンソー 車両用表示装置
JP2017117187A (ja) * 2015-12-24 2017-06-29 株式会社デンソー 状態判定装置
JP2018064900A (ja) * 2016-10-21 2018-04-26 富士通株式会社 眠気判定装置および眠気判定方法並びに運転支援装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009018777A (ja) * 2007-07-13 2009-01-29 Toyota Motor Corp 車両運転支援装置
JP2014203345A (ja) * 2013-04-08 2014-10-27 株式会社デンソー 覚醒度改善装置
JP2015162087A (ja) * 2014-02-27 2015-09-07 株式会社デンソー 車載システム、情報処理装置、及びプログラム
JP2017045351A (ja) * 2015-08-28 2017-03-02 トヨタ自動車株式会社 車両運転支援装置、車両運転支援方法、およびプログラム
JP2017090996A (ja) * 2015-11-04 2017-05-25 株式会社デンソー 車両用表示装置
JP2017117187A (ja) * 2015-12-24 2017-06-29 株式会社デンソー 状態判定装置
JP2018064900A (ja) * 2016-10-21 2018-04-26 富士通株式会社 眠気判定装置および眠気判定方法並びに運転支援装置

Also Published As

Publication number Publication date
JPWO2020195167A1 (ja) 2020-10-01
US20220287608A1 (en) 2022-09-15
JP7432899B2 (ja) 2024-02-19

Similar Documents

Publication Publication Date Title
US10343693B1 (en) System and method for monitoring and reducing vehicle operator impairment
US9908530B1 (en) Advanced vehicle operator intelligence system
US10118488B1 (en) System and method to monitor and alert vehicle operator of impairment
US9165326B1 (en) System and method to adjust insurance rate based on real-time data about potential vehicle operator impairment
JP4915735B2 (ja) 疲労判定システム及び疲労判定方法
WO2020195167A1 (ja) 漫然状態判定装置
CN113439049A (zh) 交通工具晕动症推测装置、交通工具晕动症抑制装置以及交通工具晕动症推测方法
JP6462855B2 (ja) 眠気算出装置
JP6692924B2 (ja) 眠気推定装置
JPH04250171A (ja) 車両用ヒューマンマシンシステム
JP2020169956A (ja) 車両の行先提案システム
TWI818395B (zh) 用於監控車輛駕駛員的活動的駕駛員監控方法及用於執行該方法的車輛
JP7238994B2 (ja) 快適性運転データ収集システム、運転制御装置、方法、および、プログラム
JP2016182241A (ja) 眠気算出装置
JP2018033533A (ja) 眠気基準心拍数算出装置
JP6836358B2 (ja) 眠気推定装置
CN115428093A (zh) 用于向用户提供用户适配的服务的技术
JP7263848B2 (ja) 状態改善装置、状態改善システム、および状態改善方法
JP2021003560A (ja) 眠気算出装置
WO2018190190A1 (ja) 眠気推定装置
JP2019205894A (ja) 眠気算出装置

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: 20776979

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021508166

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20776979

Country of ref document: EP

Kind code of ref document: A1