WO2023188275A1 - 運転能力判定システムおよび運転能力判定方法 - Google Patents

Abstract

運転能力判定システム（１０）は、車両の時系列の走行データを取得する情報取得部（１３）と、走行データに基づいて、車両の運転者の操舵の特性を表す評価値を算出する評価値算出部（１６）と、走行データに基づいて、車両の運転者に所定の負荷が作用する所定の事象が発生したか否かを判定する事象発生判定部（１５）と、を備える。評価値算出部（１６）は、走行データのうち、所定の事象が発生したと判定された時点よりも後に取得された走行データを特定走行データとして特定し、特定走行データに基づいて評価値を算出する。

Description

運転能力判定システムおよび運転能力判定方法

　本発明は、車両の運転者の運転能力を判定する運転能力判定システムおよび運転能力判定方法に関する。

　この種の装置として、従来、運転者の安全運転能力を測定するようにした装置が知られている（例えば特許文献１参照）。この特許文献１記載の装置では、運転者に対し間欠的に音声出力による負荷を与えて注意力を分散させ、負荷状態と無負荷状態とで操舵のぶれを表すステアリングエントロピー値をそれぞれ算出し、負荷状態と無負荷状態とで算出されたぶれ評価値の差に基づいて運転者の安全運転能力を評価する。

特開２０１４－１７４８４８号公報

　しかしながら、上記特許文献１記載の装置では、運転者の安全運転能力を評価するために運転者に負荷を与える必要があるため、運転の支障になる。

　本発明の一態様である運転能力判定システムは、車両の時系列の走行データを取得する情報取得部と、情報取得部により取得された走行データに基づいて、車両の運転者の操舵の特性を表す評価値を算出する評価値算出部と、情報取得部により取得された走行データに基づいて、車両の運転者に所定の負荷が作用する所定の事象が発生したか否かを判定する事象発生判定部と、を備える。評価値算出部は、情報取得部により取得された走行データのうち、事象発生判定部により所定の事象が発生したと判定された時点よりも後に情報取得部により取得された走行データを特定走行データとして特定し、特定された特定走行データに基づいて評価値を算出する。

　本発明の別の態様である運転能力判定方法は、車両の時系列の走行データを取得する情報取得ステップと、情報取得ステップで取得された走行データに基づいて、車両の運転者の操舵の特性を表す評価値を算出する評価値算出ステップと、情報取得ステップで取得された走行データに基づいて、車両の運転者に所定の負荷が作用する所定の事象が発生したか否かを判定する事象発生判定ステップと、を含む。評価値算出ステップでは、情報取得ステップで取得された走行データのうち、事象発生判定ステップで所定の事象が発生したと判定された時点よりも後に情報取得ステップで取得された走行データを特定走行データとして特定し、特定された特定走行データに基づいて評価値を算出する。

　本発明によれば、運転に支障をきたすことなく運転能力を判定することができる。

走行区間と運転負荷ついて説明するための図。 本発明の実施形態に係る運転能力判定システムの要部構成の一例を示すブロック図。 車両の操舵角の変動について説明するための図。 操舵のぶれの程度の度数表示を例示する図。 図２の演算部により実行される処理の一例を示すフローチャート。

　以下、図１～図５を参照して本発明の実施形態について説明する。本発明の実施形態に係る運転能力判定システムは、車両の運転者の運転能力を判定する。一般に、運転者の運転行動は、認知、判断、および操作の３要素で構成される。これらの要素のうちの認知、判断に関わる人の知的機能である「認知機能」に係る能力は、加齢に伴って徐々に低下することが知られている。認知機能が低下すると、車両を安全に運転することが難しくなる。運転者が車両を運転したときの走行データに基づいて認知機能に係る運転能力を判定し、運転者自身やその家族が認知機能の低下傾向を把握することで安全運転を支援できる。

　図１は、走行区間と運転負荷ついて説明するための図である。図１に示すように、運転行動によって運転者にかかる運転負荷は、道路形状などの異なる走行区間に応じて変化する。例えば、Ｓ字カーブやクランク路の走行中、駐車スペースでの駐車中などは運転負荷が大きくなる。すなわち、車両の移動量あたりに運転者に要求される操舵が多く、車両の走行軌跡が複雑な形状となるような走行区間では、運転操作による操作負荷が大きくなる。この場合、操舵の頻度が高いことに加え、アクセルやブレーキの操作と連携してステアリングを操作する必要があり、車両感覚も要求されるなど、高い運転技能が必要となる。このような走行区間（高負荷区間）では、運転者の運転技能が運転の安定性に大きく影響する。

　一方、直線路の走行中などは運転負荷がほとんどかからない。すなわち、車両の移動量あたりに運転者に要求される操舵がほとんどなく、車両の走行軌跡が極めて単純な形状となる走行区間では、運転操作による操作負荷がほとんどなくなる。このような走行区間（無負荷区間）では、運転者の運転技能が運転の安定性にほとんど影響しない。

　カーブ路の走行中、複数車線の道路での車線変更中、交差点での右左折中などは、これらの中間の運転負荷となる。このような走行区間（低負荷区間）でも、運転者の運転技能は運転の安定性にそれほど影響しない。

　ただし、低負荷区間であっても、交差点において対向車線を越えて車両の進行方向を変更する旋回動作（車両の左側通行が採用されている国や地域では右折、右側通行が採用されている国や地域では左折。以下では、単に「右折」と称する。）を行うときは、運転者が車両の目標軌跡を認識するにあたり、前方の対向車線の状況を把握しつつ、右折した先の走行車線の状況を把握する必要が生じるため、前方の対向車線と右折した先の走行車線との間での視線移動が発生する。このような右折区間では、運転者の心的活動が増え、運転負荷、特に認知に係る認知負荷が高くなるため、運転者の認知機能の状態が運転の安定性に影響する。

　このような右折区間の走行データを他の区間と識別可能な態様で取得し、その走行データに基づいて運転の安定性を評価することで、運転者の認知機能に係る運転能力を判定することができる。右折区間の走行データは、ステアリングホイールの操舵角の情報に基づいて他の走行データと識別することができる。

　しかしながら、右折区間以外の低負荷区間あるいは無負荷区間であっても、運転者に心理的な負荷を与える所定の事象が発生した場合には、認知負荷が高まることがある。例えば、運転中に車内で何らかの情報が報知された場合、車両の安全装置が作動するような事態、急制動や警笛が必要となるような事態が発生した場合には、認知負荷が高まる。そこで本実施形態では、所定の事象が発生したときの走行データを他の走行データと区別して取り扱うことで、認知機能に係る運転能力を適切に判定できるよう、以下のように運転能力判定システムを構成する。

　図２は、運転能力判定システム（以下、システム）１０の要部構成の一例を示すブロック図である。図２に示すように、システム１０は、ＣＰＵなどの演算部１１、ＲＯＭ，ＲＡＭなどの記憶部１２、およびその周辺回路などを有するコンピュータを含んで構成される。演算部１１は、機能的構成として、情報取得部１３と、走行データ抽出部１４と、事象発生判定部１５と、評価値算出部１６と、認知機能評価部１７と、情報出力部１８とを有する。記憶部１２には、演算部１１が実行するプログラムや設定値などの情報が記憶される。システム１０は、車両に搭載された車載装置として構成されてもよく、車両の外部に設けられたサーバ装置などとして構成されてもよい。

　情報取得部１３は、予め登録された運転者ごとに、車両の時系列の走行データを取得する。例えば、各運転者が日常的に運転する予め登録された車両で測定された走行データを取得する。走行データには、ステアリングホイールの操舵角の時系列情報が含まれるほか、警告灯や表示灯の点灯情報、横滑り防止装置やアンチロック・ブレーキ・システム等の安全装置の作動情報、警笛の作動情報、車両の減速度の情報などが含まれる。車線逸脱警告など先進運転支援システムによる警告や機能の作動に関する情報が含まれてもよい。また、車内のスピーカやディスプレイを介した報知出力の有無、車内のマイクを介した周辺車両の警笛、緊急車両、街宣車等による所定音量以上の音声入力の有無の情報が含まれてもよい。また、車内カメラによる運転者の顔画像やその画像処理結果、車外カメラによる外界画像やその画像処理結果が含まれてもよい。

　走行データは、車両に搭載されたＴＣＵ（テレマティクス制御装置）を介して、例えば所定周期でシステム１０に送信される。情報取得部１３は、予め登録された車両から送信された走行データを、予め登録された運転者ごとの時系列の走行データとして取得する。情報取得部１３により取得された運転者ごとの時系列の走行データは、記憶部１２に記憶される。

　走行データ抽出部１４は、情報取得部１３により取得された時系列の走行データに基づいて、車両が無負荷区間または低負荷区間（無負荷・低負荷区間）を走行したときの第１走行データを抽出するとともに、右折区間を走行したときの第２走行データを抽出する。より具体的には、操舵角の時間変化に基づいて単位時間ごとの走行区間を判定し、車両が無負荷・低負荷区間を走行中であると判定された期間の走行データを第１走行データとして抽出する。また、車両が右折区間を走行中であると判定された期間の走行データを第２走行データとして抽出する。

　事象発生判定部１５は、情報取得部１３により取得された走行データ、より具体的には走行データ抽出部１４により抽出された第１走行データに基づいて、単位時間ごとに、認知負荷を高める所定の事象が発生したか否かを判定する。ここで所定の事象とは、車両の走行中に生じる運転者の予見が比較的困難な突発的な事象であってよい。

　事象発生判定部１５は、例えば、警告灯や表示灯の点灯情報に基づいて、警告灯または表示灯が点灯したか否かを判定する。また、安全装置の作動情報に基づいて安全装置が作動したか否かを判定し、警笛の作動情報に基づいて警笛が作動したか否かを判定する。また、減速度の情報に基づいて、車両の減速度が所定値以上に増加したか否か、すなわち車両が急制動されたか否かを判定する。また、先進運転支援システムによる警告や機能の作動、車内における報知出力や所定音量以上の音声入力（例えば周辺車両からのクラクション音など）が発生したか否かを判定する。

　事象発生判定部１５は、これらに加えて、あるいはこれらに代えて、車内カメラや車外カメラからの画像およびその画像処理結果に基づいて、車両から所定距離以内に交通参加者がおり、かつ、運転者の視線方向がその交通参加者に向いているか否かを判定してもよい。また、車内カメラからの画像およびその画像処理結果に基づいて、運転者の表情を人間の感情パターンのいずれかに当てはめることにより運転者の感情を推定し、推定された感情が驚きであるか否かを判定してもよい。

　評価値算出部１６は、走行データ抽出部１４により抽出された第１走行データに基づいて運転者の操舵の特性を表すα値（第１評価値）を算出する。

　図３は、車両の操舵角θの変動について説明するための図である。車両の運転が安定した状態では、操舵がぶれることなく滑らかに行われ、操舵角θの変動が小さくなる。一方、運転が不安定な状態では、操舵がぶれ、操舵角θの変動が大きくなる。

　より具体的には、図３に示すように、特定の時点ｎの直前の時点ｎ－３，ｎ－２，ｎ－１の実際の操舵角θ（ｎ－３），θ（ｎ－２），θ（ｎ－１）に基づいて、時点（ｎ－１）を中心とする２次テイラー展開により時点ｎの予測操舵角θｐ（ｎ）を算出する。予測操舵角θｐ（ｎ）は、操舵が滑らかに行われたと仮定した推定値であるため、実際の操舵が滑らかに行われた場合は、実際の操舵角θ（ｎ）に一致し、実際の操舵がぶれた場合は、ぶれの程度に応じて実際の操舵角θ（ｎ）から乖離する。このような、ぶれの程度は、下式(i)により算出される予測誤差ｅ（ｎ）として表すことができる。
　　　　　　　ｅ（ｎ）＝θ（ｎ）－θｐ（ｎ）　　　　　・・・(i)

　図４は、操舵のぶれの程度の度数表示を例示する図であり、予測誤差ｅ（ｎ）の度数表示の一例を示す。評価値算出部１６は、第１走行データに基づいて、各時点ｎの予測操舵角θｐ（ｎ）および予測誤差ｅ（ｎ）を算出した後、図４に実線で示すような予測誤差ｅ（ｎ）の度数分布における９０パーセンタイル値（α値）を算出する。操舵が滑らかで操舵のぶれが少ないほど、予測誤差ｅ（ｎ）の度数分布が、操舵のぶれがない“０°”を中心としたシャープな形状となり、α値が小さくなる。一方、操舵のぶれが多いほど、予測誤差ｅ（ｎ）の度数分布がブロードな形状となり、α値が大きくなる。

　操舵が多く、操舵のぶれに対する運転技能の影響が大きい高負荷区間を除外した無負荷・低負荷区間の第１走行データを利用することで、通常の状態での運転者の操舵のぶれを表すα値を適切に算出することができる。

　評価値算出部１６は、所定の事象が発生したと判定された時点から所定時間経過時点までの走行データを、第１走行データから除外することなく、ぶれの程度である予測誤差ｅ（ｎ）が小さくなるように補正した上でα値を算出してもよい。すなわち、所定の事象が発生した後は認知負荷が異常に高まった特殊な状況であるため、その間の走行データを補正して利用してもよい。所定時間は、一定の時間（例えば３０秒程度）としてもよく、発生した事象の内容に応じて変更してもよい。また、ステアリングホイールの振動を伴う報知が行われた場合には、報知が行われている間の走行データを除外してもよい。

　さらに評価値算出部１６は、算出されたα値と、第２走行データとに基づいて、認知負荷が高まったときの運転者の操舵の特性を表すＨｐ値（第２評価値）を算出する。　

　より具体的には、第２走行データに基づいて、各時点ｎの予測操舵角θｐ（ｎ）および予測誤差ｅ（ｎ）を算出した後、図４に破線で示すような予測誤差ｅ（ｎ）の度数分布をα値に基づいて９つの範囲Ｐ１～Ｐ９に分ける。すなわち、８つの基準値－５α，－２．５α，－α，－０．５α，０．５α，α，２．５α，５αに基づいて、９つの範囲Ｐ１（～－５α），Ｐ２（－５α～－２．５α），Ｐ３（－２．５α～－α），Ｐ４（－α～－０．５α），Ｐ５（－０．５α～０．５α），Ｐ６（０．５α～α），Ｐ７（α～２．５α），Ｐ８（２．５α～５α），Ｐ９（５α～）に分ける。そして、各範囲Ｐ１～Ｐ９の割合ｐ１～ｐ９に基づいて、下式(ii)によりステアリングエントロピー値（Ｈｐ値）を算出する。
　　　　　　　Ｈｐ＝－Σｐｉ・ｌｏｇ9ｐｉ　　　　　・・・(ii)

　Ｈｐ値は、操舵の滑らかさを表し、操舵のぶれが少なく予測誤差ｅ（ｎ）の度数分布がシャープになるほど小さい値となり、操舵のぶれが多く予測誤差ｅ（ｎ）の度数分布がブロードになるほど大きい値となる。視線移動が多く操舵のぶれに対する認知機能の影響が大きい右折区間の走行データを利用することで、通常の状態に比して認知負荷が高まったときの運転者の操舵のぶれを表すＨｐ値を適切に算出することができる。

　評価値算出部１６は、第２走行データに加え、第１走行データのうち所定の事象が発生したと判定された時点から所定時間経過時点までの走行データに基づいてＨｐ値を算出してもよい。右折区間の走行データに加え、運転者に心理的負荷を与える事象の発生後の走行データを利用することで、通常の状態に比して認知負荷が高まったときの運転者の操舵のぶれを表すＨｐ値を適切に算出することができる。

　評価値算出部１６は、所定の事象が発生したと判定された時点から所定時間経過時点までの走行データを、ぶれの程度である予測誤差ｅ（ｎ）が小さくなるように補正した上でＨｐ値を算出してもよい。評価値算出部１６は、所定の事象が発生したと判定された時点から所定時間経過時点までの走行データを第２走行データから除外した上でＨｐ値を算出してもよい。

　認知機能評価部１７は、評価値算出部１６により算出されたＨｐ値に基づいて運転者の認知機能を評価する。すなわち、認知負荷が高まったときの操舵のぶれを表すＨｐ値を継続的に監視することで、その運転者の認知機能の低下傾向を評価することができる。例えば、日常的な運転の走行データに基づいて定期的に（例えば、毎月）算出されるＨｐ値が増加傾向にある場合は、認知機能が低下傾向にあると評価する。

　情報出力部１８は、認知機能評価部１７による評価結果を運転者本人や家族などのユーザ端末に送信する。例えば、予め登録されたメールアドレス宛てに通知を送信することができる。この場合、通知をきっかけに、運転者本人や家族などが運転免許の返納や運転支援機能が充実した車両への代替えなどを検討することができる。走行データに基づく客観的な情報が提供されるため、運転者本人にとって自身の認知機能の現状を受け入れやすく、早期に適切な対応を検討することができる。

　図５は、システム１０の演算部１１により実行される処理の一例を示すフローチャートである。このフローチャートに示す処理は、例えば定期的に実行される。先ずステップＳ１で、記憶部１２に記憶された時系列の全走行データを読み出す。次いでステップＳ２で、単位時間ごとの走行区間を判定する。次いでステップＳ３で、ステップＳ１で読み出された全走行データから、ステップＳ２で無負荷・低負荷区間と判定された期間の第１走行データと、右折区間と判定された期間の第２走行データとを、それぞれ抽出する。次いでステップＳ４で、ステップＳ３で抽出された第１走行データに基づいて、単位時間ごとに所定の事象が発生したか否かを判定する。

　次いでステップＳ５で、ステップＳ４で抽出された第１走行データに基づいてα値を算出する。次いでステップＳ６で、ステップＳ３で抽出された第２走行データと、ステップＳ４で所定の事象が発生したと判定された時点から所定時間経過時点までの走行データと、ステップＳ５で算出されたα値とに基づいてＨｐ値を算出する。ステップＳ６で算出された最新のＨｐ値は、記憶部１２に記憶され、蓄積される。次いでステップＳ７で、記憶部１２に記憶された最新のＨｐ値を過去のＨｐ値と比較し、運転者の認知機能に係る運転能力を判定する。次いでステップＳ８で、ステップＳ７の評価結果を事前に登録されたメールアドレス宛てに送信し、処理を終了する。

　このように、日常的な走行データのみに基づいて運転者の運転能力を判定するための指標となるα値およびＨｐ値を算出できるため、運転に支障をきたすことなく運転能力を判定することができる（ステップＳ１～Ｓ６）。また、認知負荷が高まったときの走行データを利用することで、認知機能に係る運転能力を精度よく判定することができる（ステップＳ２～Ｓ６）。また、日常的な走行データのみに基づいて運転者の認知機能が自動的に評価され、評価結果が本人や家族に通知されるため、車両を運転する高齢者と離れて暮らす家族の見守り負担を軽減することができる（ステップＳ１～Ｓ８）。

　本実施形態によれば以下のような作用効果を奏することができる。
（１）システム１０は、車両の時系列の走行データを取得する情報取得部１３と、走行データに基づいて、運転者の操舵の特性を表す運転能力の評価値を算出する評価値算出部１６と、走行データに基づいて認知負荷を高める所定の事象が発生したか否かを判定する事象発生判定部１５と、を備える（図２）。

　評価値算出部１６は、走行データのうち、所定の事象が発生したと判定された時点よりも後の走行データを特定走行データとして特定し、特定された特定走行データに基づいて運転能力の評価値を算出する。これにより、日常的な走行データに基づいて運転者の運転能力を判定するための指標となるα値およびＨｐ値を算出できるため、運転に支障をきたすことなく運転能力を判定することができる。

　また、走行データのうち所定の事象の発生後の走行データについては、他の走行データと区別して取り扱うことで、認知機能に係る運転能力を適切に判定することができる。例えば、認知負荷が高まったときの走行データとしてＨｐ値の算出に利用することで、走行データを有効活用するとともに、通常の状態に比して認知負荷が高まったときの運転者の操舵のぶれを表すＨｐ値を適切に算出することができる。

（２）評価値算出部１６は、所定の事象が発生したと判定された時点から所定時間経過時点までの走行データを特定走行データとして特定する。すなわち、運転者に心理的な負荷を与える所定の事象が発生した場合は、その後、一定期間にわたって認知負荷が高まるため、その間の走行データを他の走行データと区別して取り扱うことで、認知機能に係る運転能力を適切に判定することができる。

（３）評価値算出部１６は、第１走行データに基づいて運転者の操舵の特性を表すα値を算出するとともに、算出されたα値と、第１走行データに含まれる特定走行データまたは第２走行データに含まれる特定走行データと、に基づいて、運転者に所定の負荷が作用したときの運転者の操舵の特性を表すＨｐ値を算出する。すなわち、所定の事象が発生した後は認知負荷が高まるため、その間の走行データをＨｐ値の算出に利用することで、走行データを有効活用できるとともに、認知負荷が高まったときの運転者の操舵のぶれを表すＨｐ値を適切に算出することができる。

（４）評価値算出部１６は、第１走行データから特定走行データを除外した走行データに基づいて、または、第１走行データに含まれる特定走行データのα値に対する重みを、それ以外の第１走行データのα値に対する重みよりも下げるように補正された走行データに基づいてα値を算出する。すなわち、所定の事象が発生した後は認知負荷が異常に高まった特殊な状況であるとして、その間の走行データを、ぶれの程度である予測誤差ｅ（ｎ）が小さくなるように補正した上でα値の算出に利用する。これによりα値を適切に算出することができる。

（５）所定の事象は、運転者に情報を報知する報知装置の作動、車両に設けられた安全装置の作動、車両の減速度の所定値以上への増加、および車両周辺における警笛の発生のいずれかである。すなわち、運転中に車内で何らかの情報が報知された場合、車両の安全装置が作動するような事態、急制動や警笛が発生するような事態が発生した場合には、運転者に心理的な負荷がかかり、認知負荷が高まる。このような所定の事象が発生したときの走行データを他の走行データと区別して取り扱うことで、認知機能に係る運転能力を適切に判定することができる。

　上記実施形態では、走行データ抽出部１４が操舵角の時間変化に基づいて単位時間ごとの走行区間を判定することで第１走行データ、第２走行データをそれぞれ抽出する例を説明したが、走行データ抽出部は、このようなものに限らない。例えば、車両の位置情報の時間変化に基づいて単位時間ごとの走行区間を判定してもよく、位置情報と地図情報とに基づいて走行区間を特定してもよい。

　上記実施形態では、図１等で無負荷・低負荷区間を走行したときの第１走行データに基づいてα値を算出し、右折区間を走行したときの第２走行データに基づいてＨｐ値を算出する例を説明したが、第１区間および第２区間は、このような区間に限らない。第１区間および第２区間は、第２区間が第１区間よりも認知負荷が高まるような関係であればよく、例えば、無負荷・低負荷区間のうち第２区間を除く区間を第１区間としてもよい。

　以上では、本発明を運転能力判定システムとして説明したが、本発明は、運転能力判定方法として用いることもできる。すなわち、運転能力判定方法は、車両の時系列の走行データを取得する情報取得ステップＳ１と、走行データに基づいて、運転者の操舵の特性を表す運転能力の評価値を算出する評価値算出ステップＳ５，Ｓ６と、走行データに基づいて認知負荷を高める所定の事象が発生したか否かを判定する事象発生判定ステップＳ４と、を含む（図５）。評価値算出ステップＳ６では、走行データのうち、所定の事象が発生したと判定された時点よりも後の走行データを特定走行データとして特定し、特定された特定走行データに基づいて運転能力の評価値を算出する。

　以上の説明はあくまで一例であり、本発明の特徴を損なわない限り、上述した実施形態および変形例により本発明が限定されるものではない。上記実施形態と変形例の１つまたは複数を任意に組み合わせることも可能であり、変形例同士を組み合わせることも可能である。

１０　運転能力判定システム（システム）、１１　演算部、１２　記憶部、１３　情報取得部、１４　走行データ抽出部、１５　事象発生判定部、１６　評価値算出部、１７　認知機能評価部、１８　情報出力部

Claims (6)

1. 　車両の時系列の走行データを取得する情報取得部と、
   　前記情報取得部により取得された走行データに基づいて、前記車両の運転者の操舵の特性を表す評価値を算出する評価値算出部と、
   　前記情報取得部により取得された走行データに基づいて、前記車両の運転者に前記所定の負荷が作用する所定の事象が発生したか否かを判定する事象発生判定部と、を備え、
   　前記評価値算出部は、前記情報取得部により取得された走行データのうち、前記事象発生判定部により前記所定の事象が発生したと判定された時点よりも後に前記情報取得部により取得された走行データを特定走行データとして特定し、特定された特定走行データに基づいて前記評価値を算出することを特徴とする運転能力判定システム。
2. 　請求項１に記載の運転能力判定システムにおいて、
   　前記評価値算出部は、前記事象発生判定部により前記所定の事象が発生したと判定された時点から所定時間経過時点までの走行データを前記特定走行データとして特定することを特徴とする運転能力判定システム。
3. 　請求項１または２に記載の運転能力判定システムにおいて、
   　前記評価値算出部は、前記情報取得部により取得された第１走行データに基づいて前記車両の運転者の操舵の特性を表す第１評価値を算出するとともに、算出された前記第１評価値と、前記第１走行データに含まれる前記特定走行データまたは前記情報取得部により取得された第２走行データに含まれる前記特定走行データと、に基づいて、前記車両の運転者に所定の負荷が作用したときの運転者の操舵の特性を表す第２評価値を算出することを特徴とする運転能力判定システム。
4. 　請求項３に記載の運転能力判定システムにおいて、
   　前記評価値算出部は、前記第１走行データから前記特定走行データを除外した走行データに基づいて、または、前記第１走行データに含まれる前記特定走行データの前記第１評価値に対する重みを、それ以外の前記第１走行データの前記第１評価値に対する重みよりも下げるように補正された走行データに基づいて、前記第１評価値を算出することを特徴とする運転能力判定システム。
5. 　請求項１～４のいずれか１項に記載の運転能力判定システムにおいて、
   　前記所定の事象は、運転者に情報を報知する報知装置の作動、前記車両に設けられた安全装置の作動、前記車両の減速度の所定値以上への増加、および前記車両周辺における警笛の発生のいずれかであることを特徴とする運転能力判定システム。
6. 　車両の時系列の走行データを取得する情報取得ステップと、
   　前記情報取得ステップで取得された走行データに基づいて、前記車両の運転者の操舵の特性を表す評価値を算出する評価値算出ステップと、
   　前記情報取得ステップで取得された走行データに基づいて、前記車両の運転者に前記所定の負荷が作用する所定の事象が発生したか否かを判定する事象発生判定ステップと、を含み、
   　前記評価値算出ステップでは、前記情報取得ステップで取得された走行データのうち、前記事象発生判定ステップで前記所定の事象が発生したと判定された時点よりも後に前記情報取得ステップで取得された走行データを特定走行データとして特定し、特定された特定走行データに基づいて前記評価値を算出することを特徴とする運転能力判定方法。

Images