WO2023223699A1 - 走行支援装置 - Google Patents
走行支援装置 Download PDFInfo
- Publication number
- WO2023223699A1 WO2023223699A1 PCT/JP2023/013876 JP2023013876W WO2023223699A1 WO 2023223699 A1 WO2023223699 A1 WO 2023223699A1 JP 2023013876 W JP2023013876 W JP 2023013876W WO 2023223699 A1 WO2023223699 A1 WO 2023223699A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- vehicle
- driver
- support device
- driving support
- normal
- Prior art date
Links
- 230000005856 abnormality Effects 0.000 claims abstract description 80
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 230000008859 change Effects 0.000 claims abstract description 34
- 230000033001 locomotion Effects 0.000 claims description 52
- 230000001133 acceleration Effects 0.000 claims description 50
- 230000008717 functional decline Effects 0.000 claims description 20
- 230000006399 behavior Effects 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 15
- 230000003247 decreasing effect Effects 0.000 claims description 8
- 230000001052 transient effect Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 description 22
- 238000001514 detection method Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 206010041349 Somnolence Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
Definitions
- the present invention relates to a driving support device that prevents or reduces collisions with obstacles that may occur due to the driver's carelessness when the driver of a vehicle is in a state of mild functional decline.
- an invention related to a driver condition detection device that detects an abnormality of a driver who has fallen into a state of mild functional decline using a forward vehicle detection sensor and an acceleration/deceleration sensor that detects acceleration/deceleration is known (see the following patent). (See Reference 1).
- Patent Document 1 discloses a driver state detection device that detects an abnormality of a driver, which includes a front vehicle detection sensor that detects a vehicle running in front of the own vehicle or on the side and in front of the own vehicle; An acceleration/deceleration sensor that detects the acceleration/deceleration of the own vehicle and an adjustment system that calculates the appropriate acceleration/deceleration based on an acceleration/deceleration model to make the vehicle follow the preceding vehicle detected by the front vehicle detection sensor.
- Abnormality determination that compares the acceleration/deceleration calculated by the speed calculation unit and the acceleration/deceleration calculation unit with the actual acceleration/deceleration of the own vehicle detected by the acceleration/deceleration sensor to determine whether or not there is an abnormality with the driver.
- the abnormality determination section determines whether the forward vehicle detection sensor detects another vehicle that may move between the preceding vehicle that is following and the own vehicle.
- the abnormality determination section determines whether the present invention is characterized in that when the degree of coincidence between the acceleration/deceleration calculated by the speed calculation unit and the actual acceleration/deceleration of the host vehicle is higher than a predetermined threshold value, it is determined that the driver is abnormal.
- a state of functional decline is detected when the difference between the driver's acceleration/deceleration and the appropriate acceleration/deceleration for following the vehicle in front becomes equal to or greater than a predetermined threshold. Therefore, a state of functional decline can only be detected after a delay occurs in the driver's operation for the vehicle in front. Therefore, if the deceleration of the vehicle in front is strong, even if a warning is issued after detecting a state of reduced functionality, it may not be possible to secure enough time for the driver's functionality to return to its normal state. In addition, it is possible to detect a functionally degraded state earlier by changing the above threshold value to a smaller value, but if it is too early, a falsely detected functionally degraded state may occur, which may be bothersome to the driver. .
- the driving support device of the present invention includes a preceding vehicle recognition unit that detects a preceding vehicle traveling in front of the own vehicle, and a preceding vehicle recognition unit that detects a preceding vehicle traveling in front of the own vehicle, and Based on at least one feature amount of a change in the state of the host vehicle and a change in the state between the host vehicle and the vehicle in front, a tendency of fluctuation in the following motion of the driver of the host vehicle with respect to the vehicle in front is within a normal range.
- a following motion normality learning unit that learns whether the current following motion is included in the normal range
- a following motion abnormality determining unit that determines the current following motion to be abnormal if the fluctuation of the current following motion is different from the normal range by a certain amount or more.
- an alarm control unit that issues an alarm when the current tracking operation is determined to be abnormal, thereby detecting signs of a driver falling into a state of functional decline. and warn the driver at an earlier stage.
- the present invention by detecting signs of a driver falling into a state of functional decline, it is possible to warn the driver earlier and prevent or reduce collisions with obstacles.
- FIG. 1 is a configuration diagram of a driving support device according to an embodiment of the present invention.
- 1 is a flowchart of a driving support device according to an embodiment of the present invention.
- Scene 1 for suppressing tracking operation abnormality determination of the driving support device according to an embodiment of the present invention.
- Scene 2 for suppressing tracking operation abnormality determination of the driving support device according to an embodiment of the present invention.
- Scene 3 for suppressing tracking operation abnormality determination of the driving support device according to an embodiment of the present invention.
- FIG. 1 is a configuration diagram of a driving support device according to an embodiment of the present invention.
- the driving support device 010 of this embodiment is, for example, an electronic vehicle installed in a vehicle (self-vehicle) 001 such as a gasoline vehicle, a diesel vehicle, a natural gas vehicle, a hybrid vehicle, an electric vehicle, a fuel cell vehicle, or a hydrogen engine vehicle. It is a control unit (ECU). Although not shown, the driving support device 010 is configured by one or more microcontrollers including, for example, an input/output unit, a central processing unit (CPU), memory (including both non-volatile memory and volatile memory), and a timer. It is configured.
- the host vehicle 001 is equipped with, for example, a host vehicle sensor 002, an external sensor 003, a car navigation system (CNS) 008, an audio output device 004, an image display device 005, an acceleration device 006, and a deceleration device 007. ing.
- the own vehicle 001 includes a drive system, a steering system, a braking system, and a control system for driving, turning, decelerating, and stopping the own vehicle 001.
- the own vehicle sensor 002 includes various sensors that detect the state of the own vehicle, such as a wheel speed sensor, an acceleration sensor, a shift position sensor, a gyro sensor, a steering angle sensor, and a turn signal.
- the vehicle state including the shift position of the transmission, yaw rate, steering angle, blinker operation state, and abnormality of the host vehicle 001 is detected and output to the driving support device 010.
- Abnormalities in the own vehicle 001 detected by the own vehicle sensor 002 include, for example, abnormalities in tire pressure, remaining fuel level, engine, ABS (Anti-Lock Brake System), airbags, brakes, oil pressure, battery, water temperature, etc. .
- the external sensor 003 includes, for example, a millimeter wave radar that uses reflected waves of radio waves such as millimeter waves, a monocular camera, a stereo camera, and a LiDAR (which measures the scattered light of pulsed laser irradiation and determines the distance to the target).
- a millimeter wave radar that uses reflected waves of radio waves such as millimeter waves
- a monocular camera a stereo camera
- a LiDAR which measures the scattered light of pulsed laser irradiation and determines the distance to the target.
- Light Detection and Ranging, Laser Imaging Detection and Ranging laser Imaging Detection and Ranging
- ultrasonic sensors that use reflected ultrasonic waves
- road-to-vehicle communication devices road-to-vehicle communication devices
- vehicle-to-vehicle communication devices illuminance sensors
- raindrop sensors a humidity sensors
- the external sensor 003 detects, for example, objects around the own vehicle 001 including roads, lane markings, signs, traffic lights, vehicles, pedestrians, and obstacles, and the surrounding environment including illuminance, rainfall, humidity, and visibility of obstacles. is detected and output to the driving support device 010.
- the millimeter wave radar, monocular camera, stereo camera, LiDAR, etc. of the external sensor 003 detects a vehicle 402 and a vehicle 403 included in the detection range 401 with respect to the own vehicle 400, and the driving support device 010 Output to.
- the detection range 401 is an example.
- the CNS 008 includes, for example, a map information storage device, a route calculation device, a vehicle-to-vehicle communication device, a road-to-vehicle communication device, a global satellite positioning system (GNSS) receiver, and the like. Further, the CNS 008 includes, for example, an input device for the driver of the own vehicle 001 to input a destination. CNS008 includes, for example, point information on a map based on the location information of own vehicle 001, route information from the current location of own vehicle 001 to the destination, intersection position information that appears from the current position to the destination, radius of curvature, etc. Curve information, slope information, stop line information, lane width information, traffic signal information, etc. are output to the driving support device 010.
- GNSS global satellite positioning system
- the audio output device 004 is, for example, a speaker provided in the cabin of the host vehicle 001, and outputs an alarm sound or audio guidance based on a control signal input from the driving support device 010.
- the image display device 005 is, for example, a liquid crystal display device, an organic EL display device, or a head-up display, and displays an image based on a control signal input from the driving support device 010.
- the image display device 005 may include an input device such as a touch panel or operation buttons, for example.
- the driver of the own vehicle 001 can input information such as a destination into the CNS 008 via the input device of the image display device 005, for example. Further, the driver may be able to input a determination result as to whether the warning sound or warning display output to the audio output device 004 or the image display device 005 is correct via the input device of the image display device 005. Alternatively, it may be possible to select which parameter to use from a plurality of parameters used for processing in the driving support device 010.
- the acceleration device 006 is, for example, an engine or a motor, and accelerates the host vehicle 001 based on a control signal input from the driving support device 010. It also has a function of not accelerating the host vehicle 001 even if the driver steps on the accelerator based on a request for acceleration suppression input from the driving support device 010.
- the deceleration device 007 is, for example, a brake, and decelerates the host vehicle 001 based on a control signal input from the driving support device 010.
- the driving support device 010 of the present embodiment is installed in the host vehicle 001, and detects signs of functional decline of the driver of the host vehicle 001, and assists the driver in restoring the driver's functions to a normal state.
- functions as The driving support device 010 includes a surrounding environment recognition unit 013 , a vehicle in front recognition unit 014 , a following operation abnormality determination suppressing unit 015 , a following operation normal learning unit 016 , a following operation abnormality determination unit 017 , and an alarm control unit 018 and a speed control unit 019.
- the surrounding environment recognition unit 013 detects object information and road information around the host vehicle.
- object information refers to objects such as vehicles (including four-wheeled vehicles, two-wheeled vehicles, and bicycles), pedestrians, and obstacles traveling in lanes adjacent to the own vehicle.
- road information it refers to information such as intersection position information, curve information including radius of curvature, stop line information, lane width information, traffic signal position, and traffic signal status.
- the surrounding environment recognition unit 013 outputs recognition results such as the position, speed, acceleration/deceleration of surrounding objects, and the position of surrounding roads to the following operation abnormality determination suppressing unit 015.
- the vehicle-in-front recognition unit 014 detects a vehicle in front that is traveling in front of the host vehicle. Taking FIG. 3 as an example, a vehicle 402 running in front of the own vehicle 400 is an example of a leading vehicle. The front refers to the area in the traveling direction of the own vehicle within the lane. Note that the vehicle in front includes a four-wheeled vehicle, a two-wheeled vehicle, and a bicycle, and refers to an object within a predetermined distance of the detection range 401 in front of the own vehicle.
- the vehicle in front recognition unit 014 outputs recognition results such as the position, speed, and acceleration/deceleration of the vehicle in front to the following operation abnormality determination suppressing unit 015 and the following operation normal learning unit 016.
- the following operation abnormality determination suppressing unit 015 determines whether or not to suppress the abnormality determination by the following operation abnormality determining unit 017. By this determination, situations in which there is a possibility that the abnormality determination by the following operation abnormality determination unit 017 may be incorrect can be excluded from the processing target. In other words, it is determined (predicted) whether the current fluctuation in the tracking operation is a transient state in which it is impossible to determine whether it is normal or abnormal.
- the fluctuation of the following motion refers to the relative movement between the own vehicle and the vehicle in front when the driver of the vehicle manually follows the vehicle in front.
- Relative movement is a change in the state of the own vehicle (calculated based on predetermined data) detected by the own vehicle sensor 002 over time, or a change in the state of the own vehicle detected by the own vehicle sensor 002 in time series, or a change between the own vehicle and the vehicle in front as detected by the external sensor 003.
- changes in the state of the own vehicle include changes in acceleration/deceleration, changes in the own vehicle speed, and the like.
- changes in the state between the own vehicle and the vehicle in front include changes in relative speed, changes in inter-vehicle distance, changes in relative acceleration, and the like.
- fluctuations in the following motion can be understood as changes in relative velocity shown in FIG.
- the fluctuation of the following operation is normal means that the change 501 in relative velocity fluctuates within a range of ⁇ 5 km/h around 0 km/h (5 km/h is an example).
- abnormal fluctuations in the following operation include cases in which the relative speed change 502 exceeds the range of ⁇ 5 km/h, and the number of times the relative speed changes up and down is less than when the following operation is normal. Become.
- the situation in which the abnormality determination by the following operation abnormality determination unit 017 is likely to be incorrect refers to, for example, a situation in which the vehicle in front suddenly accelerates or decelerates. This is because changes in inter-vehicle distance and relative speed vary depending on the acceleration/deceleration of the vehicle in front, so the driver can expect that the following behavior will be different from normal. Therefore, since it is difficult to determine whether the following operation is normal or abnormal, abnormality determination is suppressed.
- sudden acceleration/deceleration can be determined based on whether the deceleration of the vehicle in front detected by the vehicle in front recognition unit 014 is greater than or equal to a predetermined threshold, or the acceleration is greater than or equal to a predetermined threshold.
- a sharp curve can be determined based on whether the radius of curvature of the curve from the monocular camera, stereo camera, or CNS 008 of the external sensor 003 falls within a predetermined threshold value.
- the steepness of the road can be determined by determining whether the road gradient from the CNS 008 falls within a predetermined threshold.
- the reduction in lane width can be determined based on the amount of change in lane width.
- an interruption can be determined based on whether the relative lateral velocity of the adjacent vehicle 403 is approaching the own vehicle at a predetermined threshold value or higher. Alternatively, the determination may be made based on whether the relative lateral position of the adjacent vehicle 403 is within a predetermined threshold range after a predetermined time.
- sudden acceleration/deceleration can be determined by determining that the acceleration/deceleration is within a predetermined threshold range.
- a merging situation can be determined if the relative lateral position of the merging vehicle 404 is within a predetermined threshold. Furthermore, whether there is a road merging in front of the own vehicle from the CNS 008 may be added to the criteria for determining the merging situation.
- the reliability of the recognition of the vehicle in front can be determined by determining that the state in which the detection of the vehicle in front continues for a predetermined period of time after the start of detection of the vehicle in front. Alternatively, the determination may be made from information regarding the reliability of recognition from the external sensor 003.
- the determination may be made based on the fact that there is a sudden change in the current value of the inter-vehicle distance or relative speed that exceeds a predetermined threshold range with respect to the past value of the inter-vehicle distance or relative speed.
- the following operation abnormality determination suppressing unit 015 predicts a transient state in which it is not possible to determine whether the current fluctuation of the following operation is normal or abnormal, and suppresses the abnormality determination by the following operation abnormality determination unit 017.
- the transient state is A situation where the vehicle in front suddenly accelerates or decelerates, The turn signal of the vehicle in front is activated, A situation where there is a sharp curve in front of the vehicle in front, A situation where there is a steep slope in front of the vehicle in front, A stop line exists in front of the vehicle in front, There is a red light in front of the vehicle in front, The lane width in front of the vehicle in front is decreasing, A state in which a pedestrian is walking near the own lane, A situation in which you can expect that an adjacent vehicle will cut in front of your vehicle.
- a situation where sudden acceleration or deceleration of the own vehicle occurs The driver of the own vehicle operates the turn signal, A state in which there is an object whose progress can be predicted in the vehicle's driving lane, This includes any one or more of the following states in which the reliability of recognition of the vehicle in front has decreased.
- the normal following operation learning unit 016 learns the normal range of the following operation when the driver of the own vehicle is following the vehicle in front. Then, based on the learned normal range of the follow-up motion, if the current follow-up motion is within the normal range, it is determined that the current follow-up motion is normal. That is, the following operation normality learning unit 016 learns whether the fluctuation tendency of the driver's following operation with respect to the vehicle in front falls within the normal range.
- the normal range refers to the following operation in a state in which the driver of the own vehicle is following the vehicle in front while paying attention to driving.
- the normal range of the following operation is stored in the nonvolatile memory of the driving support device 010 as a parameter using a predetermined threshold value learned in advance on a desk, and the parameter is read out and used when the driving support device 010 is started. . Then, by calculating the current following behavior of the own vehicle from changes in the state of the own vehicle and changes in the state between the own vehicle and the vehicle in front, and comparing it with parameters in the learned normal range, the following behavior is determined to be normal. Determine whether or not.
- a method is used to obtain the frequency, amplitude, and bandwidth that represent the tendency of changes in relative velocity.
- the calculation method is as follows.
- the filter method may be switched to another method (band pass filter, high pass filter, etc.) depending on the specifications of input information from the external sensor 003 and the like.
- the filter processing may be performed to remove the change in relative speed at that time. .
- filter processing may be performed to remove changes in relative speed due to temporary deviations in the following operation, depending on the speed and acceleration/deceleration of not only the host vehicle but also the vehicle in front.
- time series data is obtained by extracting relative velocity values from a predetermined time ago (past) to the present.
- Disturbance factors refer to factors that temporarily prevent the vehicle from continuing to follow the vehicle, such as a vehicle cutting into the vehicle's lane or a pedestrian crossing the lane.
- the predetermined time may be changed depending on the speed of the own vehicle.
- the predetermined time may be changed depending on the road the vehicle is traveling on, using information from the CNS 008 as to whether the vehicle is traveling on a general road or an expressway. Further, it is desirable to set the predetermined time to a fairly long time from several tens of seconds to several minutes so that the following motion can be captured.
- FFT fast Fourier transform
- the amplitude spectrum 701 has a frequency F1 with a peak at the amplitude P1, and has a bandwidth 703. If the amplitude P1 is within a predetermined threshold, it is assumed that the amplitude is within the normal range. Further, if the frequency F1 is within a predetermined threshold value, it is assumed that the frequency is within a normal range. Further, if the bandwidth 703 is within a predetermined threshold value, it is assumed that the bandwidth is within the normal range.
- relative speed is used as an example of a change in the relative relationship between the vehicle in front and the own vehicle, but similar fast Fourier transform can be applied using the following distance and THW (Time Headway), which is the distance between vehicles divided by the own vehicle speed. You may also perform the calculation.
- THW Time Headway
- normal learning unit 016 converts the change in the relative relationship between the vehicle in front and the host vehicle (relative speed, inter-vehicle distance, THW, etc.) into one of the frequency, amplitude, or bandwidth. The above is calculated, and if any one or more of the calculated frequency, amplitude, or bandwidth is within a predetermined threshold value, learning is performed as normal (included in the normal range).
- a range of 2 seconds ⁇ a predetermined threshold value may be set as a normal range, and if the average value of THW falls within the range of the predetermined threshold value, it may be determined that the tracking operation is normal.
- the predetermined threshold it is best to theoretically cut out a portion of the time-series data where the tracking operation is within the normal range, and use the standard deviation obtained by calculating and analyzing the THW. Note that when the road is not congested, the average THW is approximately 2 seconds, but when the road is congested, the average THW can be expected to be shorter than 2 seconds.
- the average THW parameter is set to a value shorter than 2 seconds, such as approximately 1.5 seconds. Furthermore, since the average values of these THWs vary depending on individual differences, 2 seconds and 1.5 seconds are just examples.
- the target for calculating the average value of changes in the relative relationship between the vehicle in front and the host vehicle may be relative speed or inter-vehicle distance.
- the following operation normality learning unit 016 determines that the following operation is normal (in the normal range) when the average value of the change in the relative relationship between the vehicle in front and the own vehicle (relative speed, inter-vehicle distance, THW, etc.) is within a predetermined threshold. may be studied as (included).
- the parameters of the predetermined threshold value representing the normal range of the following operation are determined by acquiring parameters learned not only by the driver of the own vehicle but also by drivers across the country from the cloud via the Internet, and using the parameters learned by not only the driver of the own vehicle but also drivers across the country. It may also be stored in non-volatile memory. That is, the following operation normal learning unit 016 may acquire learned parameters (representing normal ranges) (for each driver) from the cloud via the Internet.
- the learned parameter to be acquired from the cloud is preferably not a single parameter, but one that matches the driver's conditions from among a plurality of parameters.
- the determination may be made based on information obtained by scoring the driver's driving behavior, such as the driver's age, driving history, number of accidents, and presence or absence of sudden acceleration and deceleration. Further, the driver may be able to select learned parameters suitable for him/her from the touch panel or operation buttons of the image display device 005.
- the following operation abnormality determining unit 017 determines whether the current following operation when the driver of the own vehicle is following the vehicle in front is abnormal, based on the normal range and normality determination of the following operation normality learning unit 016.
- the following operation abnormality determination unit 017 determines that the driver's current following operation is abnormal when the state in which the following operation normality learning unit 016 determines normality changes to a state that deviates from the normal range.
- a state outside the normal range refers to a state in which the current fluctuation of the follow-up operation differs from the normal range by a certain amount or more. That is, the following operation abnormality determining unit 017 determines that the current following operation is abnormal if the fluctuation of the current following operation is different from the normal range by a certain amount or more.
- Whether the condition is outside the normal range is determined as follows.
- these normal ranges may have a margin in the predetermined threshold value in order to perform hysteresis processing to prevent frequent repetition of normality and abnormality.
- a condition may be added that determines whether the following operation is abnormal if the speed change from the own vehicle speed at the time when the following operation is determined to be normal continues for a predetermined period of time.
- the alarm control unit 018 requests (instructs) the audio output device 004 to emit an alarm sound.
- the warning sound may be a beep sound or may be a voice guidance that informs the driver of a decline in function.
- the alarm control unit 018 requests (instructs) the image display device 005 to display an alarm.
- the alarm control unit 018 may be implemented to request the sounding of an alarm or the display of an alarm if the abnormality in the follow-up operation continues for a predetermined period of time after the abnormality in the follow-up operation is confirmed.
- the driver operates the image display device 005 to correct the error in the follow-up operation abnormality determination unit 017.
- a method can be considered in which an operation button for selecting whether the warning is correct or incorrect is placed on the warning display, and the driver operates to select whether the warning is correct or incorrect.
- the following operation normal learning unit 016 changes the learned normal range of the following operation to unlearned. Furthermore, after changing the state to unlearned, the driver can operate the image display device 005 again and select a different parameter from the one used at the time of a false alarm from a plurality of parameters representing the normal range in the following operation normal learning section 016. Good too.
- the other parameter is, for example, one that allows the driver to specify the fluctuation tendency of the driver's own following motion from large, medium, or small fluctuation of the following motion.
- the alarm control unit 018 cancels the alarm when a predetermined period of time has elapsed since the condition that started the alarm was no longer satisfied.
- the warning is canceled when the driver's driving intention can be confirmed after the condition that started the warning is no longer satisfied.
- the following operation abnormality determination unit 017 determines that the following operation is no longer abnormal (in other words, the abnormality in the following operation determination unit 017 determines that the following operation is no longer abnormal).
- the alarm is canceled when a predetermined period of time has elapsed since the abnormality was resolved.
- the warning is canceled when a predetermined period of time has elapsed since the vehicle in front ceased to exist.
- the alarm is canceled when a predetermined time has elapsed since the suppression by the follow-up operation abnormality determination suppressing unit 015 was started.
- the alarm is canceled when a predetermined period of time has elapsed since the learning in the follow-up operation normal learning section 016 was reset.
- the driver may The alarm is canceled when a predetermined period of time has elapsed since the accelerator, brake, blinker, or steering wheel was operated. Note that the cancellation conditions may be applied to subsequent speed control by the speed control unit 019.
- the alarm control unit 018 cancels the alarm when a predetermined period of time has elapsed since the driver started operating the accelerator, brake, blinker, or steering wheel in a state where the abnormality in the operation abnormality determination unit 017 has been resolved.
- Speed control unit 019 If the driver does not change his driving behavior after outputting the warning from the warning control unit 018, the speed control unit 019 requests the acceleration device 006 to suppress acceleration. If acceleration suppression is requested, the own vehicle 001 will not accelerate even if the driver presses the accelerator pedal. This can reduce the possibility of a collision with the vehicle in front if the driver accidentally presses the accelerator pedal in a state of degraded performance.
- the speed control unit 019 requests the deceleration device 007 to decelerate.
- the host vehicle 001 automatically starts decelerating. This can reduce the possibility of a collision with a vehicle in front if the driver delays braking operation due to impaired function.
- the required deceleration is preferably calculated based on a uniform acceleration linear motion model so that THW does not fall below a predetermined value.
- whether the driver does not change his or her driving behavior is determined based on whether the warning has been output for a predetermined period of time. Alternatively, the determination is made based on whether the risk of collision with the vehicle in front has exceeded a predetermined threshold. It is best to use TTC (Time to Collision) or THW as an indicator of collision risk.
- FIG. 2 is a flowchart showing an example of a driving support routine executed by the driving support device 010. This flowchart is repeatedly executed at predetermined intervals by the CPU included in the ECU that implements the driving support device 010.
- step 300 the vehicle-in-front recognition unit 014 determines whether a vehicle in front exists. If it is determined that there is no vehicle in front, the process proceeds to step 316 without determining whether the following operation is abnormal. Note that it is also advisable to proceed to step 316 when an abnormality has occurred in the host vehicle 001.
- step 302 the following operation abnormality determination suppressing unit 015 determines whether a condition for suppressing abnormality determination of the following operation is satisfied. If it is determined that the abnormality determination of the following operation is to be suppressed, the abnormality determination of the following operation is not performed and the process proceeds to step 316.
- the following motion normality learning unit 016 determines whether the normal range has already been learned. If the normal range has not been learned, in step 312, the normal range of the follow-up operation is learned.
- step 313 the learning result of the normal range is recorded so that even if the power of the driving support device 010 is turned off, the learned normal range can be used the next time the power is turned on.
- the learning results are stored in a nonvolatile memory of the driving support device 010.
- the stored learning results are read from the non-volatile memory at the next startup of the own vehicle when the driving support device 010 is powered on.
- the learning results may be stored on a cloud server via the Internet.
- the stored learning results are read from the cloud server at the next startup of the own vehicle when the driving support device 010 is powered on, and stored in the nonvolatile memory within the driving support device 010.
- the following operation normal learning unit 016 stores the normal range learned for each driver (in a non-volatile memory or a cloud server), and stores the normal range learned for each driver (in a non-volatile memory or a cloud server), and stores the normal range learned for each driver and uses it for the next automatic operation when the driving support device 010 is powered on.
- the driver's stored normal range corresponding to vehicle startup is read out (from non-volatile memory or a cloud server).
- the following motion normal learning unit 016 evaluates the current following motion in step 306. Compare the following motion calculated using a method such as the fast Fourier transform (FFT) described above with the learned normal range to determine whether the current following motion is normal (included in the normal range). do.
- FFT fast Fourier transform
- step 307 the follow-up operation abnormality determination unit 017 determines whether the previous follow-up operation was normal. If the previous follow-up operation was not normal, the process advances to step 316. If the previous follow-up motion is normal, in step 308, the current follow-up motion is compared with the learned normal range, and the fluctuation of the current follow-up motion is different from the learned normal range by a certain amount or more. Determine whether If there is no difference of more than a certain amount, the process advances to step 316. If there is a difference of more than a certain amount, the current follow-up operation is determined to be abnormal, and the process proceeds to step 309.
- step 309 the alarm control unit 018 instructs and activates an alarm.
- step 316 the alarm control unit 018 determines whether a condition for canceling the alarm is satisfied. If the alarm release condition is not satisfied, the routine is temporarily terminated without doing anything. If the alarm cancellation condition is satisfied, the alarm is canceled in step 317. Then, the routine ends once.
- Example 2 Learning example>
- the configuration diagram of a driving support device according to an embodiment of the present invention is the same as that in Example 1, and only the case where different processing is performed in each configuration of FIG. 1 will be described below.
- the host vehicle sensor 002 includes, for example, a driver monitor that is a camera that photographs the interior of the vehicle.
- the driver monitor detects, for example, that the driver is in a state of functional decline based on the driver's line of sight, face direction, facial expression, etc., and outputs the detected state to the driving support device 010.
- a state of decreased function refers to a state in which the driver is driving distracted or sleepy.
- the driving support device 010 has a nonvolatile memory that stores, for example, teacher data.
- Teacher data refers to learning data that is the correct answer for use in supervised learning in machine learning.
- the driving support device 010 When the driving support device 010 is turned on, it always collects time-series data from the own vehicle sensor 002 and the external sensor 003 that includes the normal range of the following operation acquired during normal driving, and Store the series data in memory as training data. By setting narrowing conditions in advance during collection, memory usage can be reduced.
- the narrowing condition may be, for example, a condition in which the degree of collision risk between the host vehicle and the vehicle in front is below a certain threshold (a non-dangerous situation).
- a certain threshold a non-dangerous situation.
- the collision risk is the same as the calculation method mentioned in the explanation of the speed control unit 019 in the first embodiment, and for example, if the TTC is longer than a predetermined time, there is a high possibility that the following operation will be within the normal range.
- condition may include that the driver does not perform any sudden acceleration/deceleration, sudden steering, turn signal operation, or shift operation.
- the driver is informed that the current driving is within the normal range.
- the audio output device 004 or the image display device 005 outputs an audio or display that confirms whether or not the following motion is correct.
- the driver hears or visually confirms the audio or display, and if the following movement is within the normal range and is correct, the driver presses the correct operation button on the image display device 005 to provide driving support.
- the driving support device 010 stores the time series data in the memory as training data.
- the condition may include the fact that the driver has been able to confirm that the current traveling of the host vehicle is a normal follow-up operation of the driver with respect to the vehicle in front.
- the driving support system 010 stores time series data in memory as teacher data.
- the driving support device 010 may acquire the above-mentioned narrowing-down conditions from the cloud, and store time-series data that satisfies the narrowing-down conditions in the memory as teacher data.
- teacher data may be uploaded to the cloud.
- the narrowing down conditions may include the following methods.
- time-series data is collected and uploaded to the cloud.
- the driver accesses the cloud from an external terminal such as a smartphone or computer, and selects training data by specifying time-series data on the external terminal that the driver himself or herself is not in a state of functional decline. do.
- the selected teacher data is acquired by the driving support device 010 from the cloud at the next timing when the power of the driving support device 010 is turned on, and the driving support device 010 stores the acquired teacher data in the memory.
- Upload conditions include conditions in which the collision risk between the own vehicle and the vehicle in front is below a certain threshold (a non-dangerous situation), and conditions in which the driver performs sudden acceleration/deceleration, sudden steering, turn signal operation, and shift operation. It is assumed that conditions such as
- the following operation normal learning unit 016 uses a plurality of teacher data stored in the memory as the correct answer, and uses a method such as deep learning with time series data acquired from the own vehicle sensor 002 and the external sensor 003 as input, and learns the following operation. Learn the normal range.
- the following operation normal learning unit 016 Features that cause the collision risk with the vehicle in front to be below a certain value (non-dangerous situation),
- the feature value when the driver of the own vehicle does not perform all of the sudden acceleration/deceleration, sudden steering, turn signal operation, and shift operation, or the current running of the own vehicle is the normal behavior of the driver of the own vehicle relative to the vehicle in front.
- At least one of the feature quantities when the correctness of the following motion can be confirmed by the driver of the own vehicle is used as teacher data (learning data serving as a correct answer), and the normal range of the following motion is learned.
- the following motion normal learning section 016 uses fast Fourier transform (FFT), etc. to calculate the fluctuation of the following motion in the following motion normal learning section 016 described in the first embodiment from a plurality of teacher data stored in the memory.
- FFT fast Fourier transform
- the frequency, amplitude, and bandwidth of relative velocity are calculated using the method.
- These numbers are read as training data and using methods such as deep learning, the normal range of the frequency, amplitude, and bandwidth of the relative speed, in other words, the normal range of the frequency, amplitude, and bandwidth of the relative speed. Learn a predetermined range.
- normal learning unit 016 calculates the average value of THW, relative speed, inter-vehicle distance, etc. from a plurality of teacher data stored in the memory, reads these values as teacher data, and calculates the average value of THW, relative speed, inter-vehicle distance, etc. In other words, a predetermined threshold value of the average values of THW, relative speed, inter-vehicle distance, etc. may be learned.
- the following operation normal learning unit 016 Features that cause the collision risk with the vehicle in front to be below a certain value (non-dangerous situation),
- the feature value when the driver of the own vehicle does not perform all of the sudden acceleration/deceleration, sudden steering, turn signal operation, and shift operation, or the current running of the own vehicle is the normal behavior of the driver of the own vehicle relative to the vehicle in front.
- At least one of the feature quantities when the correctness of the following motion can be confirmed by the driver of the own vehicle is used as training data (learning data that is the correct answer), and one of the frequency, amplitude, or bandwidth is used.
- One or more predetermined threshold values, or a predetermined threshold value of the average value of changes in the relative relationship between the vehicle in front and the host vehicle is learned.
- the following operation normal learning unit 016 narrows down the teacher data under the condition that the driver's functional decline is above a certain value (not in a state of functional decline) in the driver monitor, and learns the normal range of the following action.
- the teacher data narrowing conditions are obtained from the cloud, the teacher data is narrowed down based on the narrowing conditions, and the normal range of the tracking operation is learned.
- the training data is narrowed down based on any one of the time, place, and conditions specified by the driver, and the normal range of the following operation is learned.
- the normal follow-up motion learning unit 016 learns the normal range of the follow-up motion from the teacher data acquired from the cloud.
- Example 3 Abnormality determination of following operation by detecting wobbling based on lane marking information>
- the configuration diagram of a driving support device according to an embodiment of the present invention is the same as that in Example 1, and only the case where different processing is performed in each configuration of FIG. 1 will be described below.
- the following operation normal learning section 016 has a lane keeping operation normal learning section and learns the normal range of fluctuations in lane keeping operation when the driver of the host vehicle maintains within the lane.
- Fluctuations in lane-keeping operation refer to relative movements between the own vehicle and the marking line when the driver of the own vehicle manually maintains within the lane.
- the relative movement refers to a change in the state of the own vehicle detected over time from the own vehicle sensor 002 (calculated based on predetermined data), or a change in the state of the own vehicle detected by the own vehicle sensor 002 (calculated based on predetermined data) or a marking line between the own vehicle and the external sensor 003.
- changes in state of the own vehicle include changes in steering angle, changes in yaw rate, and the like.
- changes in the state between the own vehicle and the marking line include changes in the relative lateral position with respect to the marking line.
- the following operation normality learning unit 016 determines that the current lane keeping operation is normal if it is within the normal range.
- the normal range refers to the lane-keeping operation in which the driver of the own vehicle maintains the vehicle within the lane while paying attention to driving.
- the normal range of the lane keeping operation is stored in the non-volatile memory of the driving support device 010 as a parameter using a predetermined threshold value learned in advance on a desk, and the parameter is read out and used when the driving support device 010 is activated.
- the parameter is read out and used when the driving support device 010 is activated.
- a method is used to obtain the frequency, amplitude, and bandwidth that represent the tendency of change in the lateral position relative to the marking line, for example.
- a method such as fast Fourier transform (FFT) is used as in the tracking operation method of the first embodiment, so the details will be omitted.
- FFT fast Fourier transform
- the determination may be made using the average value of changes in the relative lateral position with respect to the partition line.
- the following operation normal learning unit 016 converts changes in the relative relationship between the own vehicle and the marking line (changes in the relative lateral position with respect to the marking line, etc.) into a frequency. If one or more of the amplitude or bandwidth is calculated, and one or more of the calculated frequency, amplitude, or bandwidth is within a predetermined threshold, or If the average value of changes in the relationship (changes in lateral position relative to the partition line, etc.) is within a predetermined threshold, it is learned as normal (included in the normal range).
- the driving support device 010 When the driving support device 010 is turned on, it always collects time-series data from the own vehicle sensor 002 and the external sensor 003 that includes the normal range of the driver's lane-keeping operation, which is acquired during the driver's normal driving. Then, multiple time series data are stored in memory as training data. By setting narrowing conditions in advance during collection, memory usage can be reduced.
- the narrowing condition may be, for example, a condition in which the possibility of deviation between the own vehicle and the marking line is below a certain threshold (a non-dangerous situation).
- the possibility of deviation refers to, for example, when the time it takes for the own vehicle to deviate from the marking line in TTLC (Time To Line Crossing) is longer than a predetermined time, there is a high possibility that the following operation will be within the normal range.
- TTLC can be calculated by dividing the vehicle's lateral speed by the relative lateral position of the marking line.
- the lane keeping behavior normal learning unit uses a plurality of teacher data stored in the memory as correct answers, and performs deep learning using time series data acquired from the own vehicle sensor 002 and the external sensor 003 as input.
- the normal range of the following motion is learned using methods such as the following.
- the following operation normal learning unit 016 determines whether the possibility of deviation from a change in the relative relationship between the host vehicle and the marking line (such as a change in lateral position relative to the marking line) is below a certain value. (a non-dangerous situation) is used as training data (learning data that is the correct answer), and the normal range of the following motion is learned.
- the driving support device 010 of the present embodiment includes a leading vehicle recognition unit 014 that detects a leading vehicle traveling in front of the host vehicle, and a leading vehicle recognizing unit 014 that detects a leading vehicle traveling in front of the own vehicle, and From at least one feature amount of the calculated change in the state of the own vehicle and the change in the state between the own vehicle and the vehicle in front, a tendency of fluctuation in the following behavior of the driver of the own vehicle with respect to the vehicle in front.
- a tracking operation normal learning unit 016 that learns whether the current tracking operation is included in the normal range; and a tracking unit that determines the current tracking operation as abnormal if the fluctuation of the current tracking operation differs by a certain amount or more from the normal range.
- an operation abnormality determination unit 017 a follow-up operation abnormality determination suppressing unit 015 that predicts a transient state in which it is impossible to determine whether the current fluctuation of the follow-up operation is normal or abnormal, and suppresses the determination of the follow-up operation abnormality determination unit 017; It includes an alarm control unit 018 that instructs an alarm when the following operation is determined to be abnormal.
- the driving support device 010 of the present embodiment detects a tendency for fluctuations in following the vehicle in front (fluctuations different from normal), detects a state of functional decline of the driver, and issues an alarm.
- each of the above-mentioned configurations, functions, processing units, processing means, etc. may be partially or entirely realized by hardware, for example, by designing an integrated circuit.
- each of the above configurations, functions, etc. may be realized by software by a processor interpreting and executing a program for realizing each function.
- Information such as programs, tables, files, etc. that realize each function can be stored in a memory, a storage device such as a hard disk, an SSD (Solid State Drive), or a recording medium such as an IC card, SD card, or DVD.
- control lines and information lines are shown that are considered necessary for explanation, and not all control lines and information lines are necessarily shown in the product. In reality, almost all components may be considered to be interconnected.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
運転者が煩わしさを感じないよう機能低下状態に陥る運転者の予兆を検出し、より早期に運転者に警報できる走行支援装置を提供する。時系列的に検出された所定データに基づき計算される自車両の状態の変化と自車両と前走車の間の状態の変化の少なくとも１つの特徴量から、前走車に対する自車両の運転者の追従動作の揺らぎ傾向が正常範囲に含まれるかを学習する追従動作正常学習部０１６と、現在の追従動作の揺らぎが正常範囲に対して一定量以上の差がある場合は現在の追従動作を異常と判定する追従動作異常判定部０１７と、現在の追従動作を異常と判定した場合に、警報を指示する警報制御部０１８と、を備える。
Description
本発明は、自車両の運転者が軽度の機能低下状態である場合に運転者の不注意で起こりえる障害物との衝突を防止あるいは軽減する走行支援装置に関する。
当該技術分野においては、軽度の機能低下状態に陥った運転者の異常を前方車両検出センサと加減速度を検出する加減速度センサによって検出する運転者状態検出装置に関する発明が知られている（下記特許文献１を参照）。
例えば、特許文献１では、運転者の異常を検出する運転者状態検出装置であって、自車両の前方又は自車両の側方且つ前方を走行している車両を検出する前方車両検出センサと、自車両の加減速度を検出する加減速度センサと、前方車両検出センサによって検出された先行車両に追従するように自車両を走行させるための適正な加減速度を、加減速度モデルに基づいて算出する加減速度算出部と、この加減速度算出部によって算出された加減速度と、加減速度センサによって検出された自車両の実際の加減速度と、を比較して、運転者の異常の有無を判定する異常判定部と、を有し、異常判定部は、追従している先行車両と自車両との間に進出してくる可能性がある他車両が前方車両検出センサによって検出されている場合には、加減速度算出部によって算出された加減速度と、自車両の実際の加減速度との一致度が、所定の閾値よりも高いとき、運転者に異常があると判定することを特徴としている。
しかしながら、特許文献１では、運転者の加減速度と前走車に追従するための適正な加減速度との差が所定の閾値以上となった時点での機能低下状態を検出する。そのため、前走車に対する運転者の操作に遅れが発生して初めて機能低下状態を検出できる。そのため、前走車の減速度が強い場合は機能低下状態を検出した後に警報したとしても運転者の機能が通常の状態に復活するまでの時間を確保できない可能性がある。また、上記閾値を小さく変更することで機能低下状態の検出を早めることも可能であるが、早めすぎると機能低下状態の誤検出が発生し、運転者が煩わしさを感じてしまう可能性がある。
従って、本発明は、上記事情に鑑み、運転者が煩わしさを感じないよう機能低下状態に陥る運転者の予兆を検出し、より早期に運転者に警報できる走行支援装置を提供することを目的とする。
上記目的を達成するため、本発明の走行支援装置は、自車両の前方を走行する前走車を検出する前走車認識部と、時系列的に検出された所定データに基づき計算される前記自車両の状態の変化と前記自車両と前記前走車の間の状態の変化の少なくとも１つの特徴量から、前記前走車に対する前記自車両の運転者の追従動作の揺らぎ傾向が正常範囲に含まれるかを学習する追従動作正常学習部と、現在の追従動作の揺らぎが前記正常範囲に対して一定量以上の差がある場合は現在の追従動作を異常と判定する追従動作異常判定部と、前記現在の追従動作を異常と判定した場合に、警報を指示する警報制御部と、を備えることを特徴とする走行支援装置を提供することで、機能低下状態に陥る運転者の予兆を検出し、より早期に運転者に警報する。
本発明によれば、機能低下状態に陥る運転者の予兆を検出することで、より早期に運転者に警報し、障害物との衝突を防止あるいは軽減できる。
上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。
以下、本発明を実施するための形態を図面に基づいて走行支援装置について説明する。
＜実施例１：学習結果がパラメータの実施例＞
図１は、本発明の一実施の形態の走行支援装置の構成図である。
図１は、本発明の一実施の形態の走行支援装置の構成図である。
[構成説明]
本実施形態の走行支援装置０１０は、例えば、ガソリン車、ディーゼル車、天然ガス自動車、ハイブリッド車、電気自動車、燃料電池車、または、水素エンジン車などの車両（自車両）００１に搭載される電子制御装置（ECU）である。図示を省略するが、走行支援装置０１０は、例えば、入出力部、中央処理装置（CPU）、メモリ（不揮発性メモリと揮発性メモリ両方を含む）、およびタイマを含む一つ以上のマイクロコントローラによって構成されている。
本実施形態の走行支援装置０１０は、例えば、ガソリン車、ディーゼル車、天然ガス自動車、ハイブリッド車、電気自動車、燃料電池車、または、水素エンジン車などの車両（自車両）００１に搭載される電子制御装置（ECU）である。図示を省略するが、走行支援装置０１０は、例えば、入出力部、中央処理装置（CPU）、メモリ（不揮発性メモリと揮発性メモリ両方を含む）、およびタイマを含む一つ以上のマイクロコントローラによって構成されている。
（自車両００１）
自車両００１は、例えば、自車両センサ００２と、外界センサ００３と、カーナビゲーションシステム（ＣＮＳ）００８と、音声出力装置００４と、画像表示装置００５と、加速装置００６と、減速装置００７を搭載している。また、図示を省略するが、自車両００１は、自車両００１を走行、転回、減速および停車させるための駆動系、操舵系、制動系および制御系を備えている。
自車両００１は、例えば、自車両センサ００２と、外界センサ００３と、カーナビゲーションシステム（ＣＮＳ）００８と、音声出力装置００４と、画像表示装置００５と、加速装置００６と、減速装置００７を搭載している。また、図示を省略するが、自車両００１は、自車両００１を走行、転回、減速および停車させるための駆動系、操舵系、制動系および制御系を備えている。
（自車両センサ００２）
自車両センサ００２は、例えば、車輪速センサ、加速度センサ、シフト位置センサ、ジャイロセンサ、舵角センサ、ウィンカーなど、自車両の状態を検出する各種のセンサを含み、自車両００１の速度、加速度、変速機のシフト位置、ヨーレート、舵角、ウィンカー操作状態、ならびに、自車両００１の異常などを含む自車両状態を検出して、走行支援装置０１０へ出力する。自車両センサ００２が検出する自車両００１の異常とは、例えば、タイヤ空気圧、燃料残量、エンジン、ABS（Anti-Lock Brake System）、エアバッグ、ブレーキ、油圧、バッテリー、水温などの異常を含む。
自車両センサ００２は、例えば、車輪速センサ、加速度センサ、シフト位置センサ、ジャイロセンサ、舵角センサ、ウィンカーなど、自車両の状態を検出する各種のセンサを含み、自車両００１の速度、加速度、変速機のシフト位置、ヨーレート、舵角、ウィンカー操作状態、ならびに、自車両００１の異常などを含む自車両状態を検出して、走行支援装置０１０へ出力する。自車両センサ００２が検出する自車両００１の異常とは、例えば、タイヤ空気圧、燃料残量、エンジン、ABS（Anti-Lock Brake System）、エアバッグ、ブレーキ、油圧、バッテリー、水温などの異常を含む。
（外界センサ００３）
外界センサ００３は、例えば、ミリ波等の電波の反射波を利用するミリ波レーダ、単眼カメラ、ステレオカメラ、パルス状に発光するレーザー照射に対する散乱光を測定し、対象までの距離を求めるLiDAR（Light Detection and Ranging、Laser Imaging Detection and Ranging）、超音波の反射波を利用する超音波センサ、路車間通信装置、車車間通信装置、照度センサ、雨滴センサ、湿度センサなどを含む。外界センサ００３は、例えば、道路、区画線、標識、交通信号機、車両、歩行者、障害物を含む自車両００１の周囲の物体や、照度、降雨、湿度、障害物の視程を含む周囲の環境を検出して、走行支援装置０１０へ出力する。図３を例に説明すると、自車両４００に対して外界センサ００３のミリ波レーダ、単眼カメラ、ステレオカメラ、LiDARなどは検知範囲４０１に含まれる車両４０２及び車両４０３を検出し、走行支援装置０１０へ出力する。なお、検知範囲４０１は一例である。
外界センサ００３は、例えば、ミリ波等の電波の反射波を利用するミリ波レーダ、単眼カメラ、ステレオカメラ、パルス状に発光するレーザー照射に対する散乱光を測定し、対象までの距離を求めるLiDAR（Light Detection and Ranging、Laser Imaging Detection and Ranging）、超音波の反射波を利用する超音波センサ、路車間通信装置、車車間通信装置、照度センサ、雨滴センサ、湿度センサなどを含む。外界センサ００３は、例えば、道路、区画線、標識、交通信号機、車両、歩行者、障害物を含む自車両００１の周囲の物体や、照度、降雨、湿度、障害物の視程を含む周囲の環境を検出して、走行支援装置０１０へ出力する。図３を例に説明すると、自車両４００に対して外界センサ００３のミリ波レーダ、単眼カメラ、ステレオカメラ、LiDARなどは検知範囲４０１に含まれる車両４０２及び車両４０３を検出し、走行支援装置０１０へ出力する。なお、検知範囲４０１は一例である。
（ＣＮＳ００８）
ＣＮＳ００８は、例えば、地図情報記憶装置、経路演算装置、車車間通信装置、路車間通信装置、および全球衛星測位システム（GNSS）受信機などを含む。また、ＣＮＳ００８は、例えば、自車両００１の運転者が目的地を入力するための入力装置を備えている。ＣＮＳ００８は、例えば、自車両００１の位置情報に基づく地図上の地点情報や自車両００１の現在地から目的地までの経路情報、現在値から目的地に至るまでに出現する交差点位置情報、曲率半径などのカーブ情報、勾配情報、一時停止線情報、車線幅情報、交通信号情報などを走行支援装置０１０へ出力する。
ＣＮＳ００８は、例えば、地図情報記憶装置、経路演算装置、車車間通信装置、路車間通信装置、および全球衛星測位システム（GNSS）受信機などを含む。また、ＣＮＳ００８は、例えば、自車両００１の運転者が目的地を入力するための入力装置を備えている。ＣＮＳ００８は、例えば、自車両００１の位置情報に基づく地図上の地点情報や自車両００１の現在地から目的地までの経路情報、現在値から目的地に至るまでに出現する交差点位置情報、曲率半径などのカーブ情報、勾配情報、一時停止線情報、車線幅情報、交通信号情報などを走行支援装置０１０へ出力する。
（音声出力装置００４）
音声出力装置００４は、例えば、自車両００１の車室に設けられたスピーカであり、走行支援装置０１０から入力される制御信号に基づいて、警報音や音声案内を出力する。
音声出力装置００４は、例えば、自車両００１の車室に設けられたスピーカであり、走行支援装置０１０から入力される制御信号に基づいて、警報音や音声案内を出力する。
（画像表示装置００５）
画像表示装置００５は、例えば、液晶表示装置、有機ＥＬ表示装置、またはヘッドアップディスプレイであり、走行支援装置０１０から入力される制御信号に基づいて、画像を表示する。なお、画像表示装置００５は、例えば、タッチパネルや操作ボタンなどの入力装置を備えていてもよい。自車両００１の運転者は、例えば、画像表示装置００５の入力装置を介して、ＣＮＳ００８に目的地などの情報を入力することができる。また、画像表示装置００５の入力装置を介して、運転者が音声出力装置００４あるいは画像表示装置００５に出力される警報音や警報表示が正しいかの判断結果を入力することができてもよい。他にも、走行支援装置０１０での処理に使う複数のパラメータからどのパラメータを使うかの選択ができてもよい。
画像表示装置００５は、例えば、液晶表示装置、有機ＥＬ表示装置、またはヘッドアップディスプレイであり、走行支援装置０１０から入力される制御信号に基づいて、画像を表示する。なお、画像表示装置００５は、例えば、タッチパネルや操作ボタンなどの入力装置を備えていてもよい。自車両００１の運転者は、例えば、画像表示装置００５の入力装置を介して、ＣＮＳ００８に目的地などの情報を入力することができる。また、画像表示装置００５の入力装置を介して、運転者が音声出力装置００４あるいは画像表示装置００５に出力される警報音や警報表示が正しいかの判断結果を入力することができてもよい。他にも、走行支援装置０１０での処理に使う複数のパラメータからどのパラメータを使うかの選択ができてもよい。
（加速装置００６）
加速装置００６は、例えば、エンジン、モータであり、走行支援装置０１０から入力される制御信号に基づいて、自車両００１を加速させる。また、走行支援装置０１０から入力される加速抑制の要求に基づいて、運転者がアクセルを踏んでも、自車両００１を加速させない機能を持つ。
加速装置００６は、例えば、エンジン、モータであり、走行支援装置０１０から入力される制御信号に基づいて、自車両００１を加速させる。また、走行支援装置０１０から入力される加速抑制の要求に基づいて、運転者がアクセルを踏んでも、自車両００１を加速させない機能を持つ。
（減速装置００７）
減速装置００７は、例えば、ブレーキであり、走行支援装置０１０から入力される制御信号に基づいて、自車両００１を減速させる。
減速装置００７は、例えば、ブレーキであり、走行支援装置０１０から入力される制御信号に基づいて、自車両００１を減速させる。
（走行支援装置０１０）
本実施形態の走行支援装置０１０は、自車両００１に搭載され、自車両００１の運転者の機能低下状態の予兆を検出し、運転者の機能を通常の状態に復活させるよう支援する走行支援装置として機能する。走行支援装置０１０は、周辺環境認識部０１３と、前走車認識部０１４と、追従動作異常判定抑制部０１５と、追従動作正常学習部０１６と、追従動作異常判定部０１７と、警報制御部０１８と、速度制御部０１９と、を備える走行支援装置である。
本実施形態の走行支援装置０１０は、自車両００１に搭載され、自車両００１の運転者の機能低下状態の予兆を検出し、運転者の機能を通常の状態に復活させるよう支援する走行支援装置として機能する。走行支援装置０１０は、周辺環境認識部０１３と、前走車認識部０１４と、追従動作異常判定抑制部０１５と、追従動作正常学習部０１６と、追従動作異常判定部０１７と、警報制御部０１８と、速度制御部０１９と、を備える走行支援装置である。
（周辺環境認識部０１３）
周辺環境認識部０１３は、自車両の周辺の物体情報および道路情報を検出する。例えば、物体情報であれば、自車両の隣接車線を走行している車両（四輪車、二輪車、自転車を含む）、歩行者、障害物などの物体を指す。また、例えば、道路情報であれば、交差点位置情報、曲率半径を含むカーブ情報、一時停止線情報、車線幅情報、交通信号位置および交通信号状態などの情報を指す。
周辺環境認識部０１３は、自車両の周辺の物体情報および道路情報を検出する。例えば、物体情報であれば、自車両の隣接車線を走行している車両（四輪車、二輪車、自転車を含む）、歩行者、障害物などの物体を指す。また、例えば、道路情報であれば、交差点位置情報、曲率半径を含むカーブ情報、一時停止線情報、車線幅情報、交通信号位置および交通信号状態などの情報を指す。
周辺環境認識部０１３は、周辺物体の位置や速度、加減速度および周辺道路の位置といった認識結果を追従動作異常判定抑制部０１５に出力する。
（前走車認識部０１４）
前走車認識部０１４は、自車両の前方を走行する前走車を検出する。図３を例に説明すると、自車両４００の前方を走行する車両４０２が前走車の一例である。前方とは、自車両の車線内の進行方向の領域を指す。なお、前走車は、四輪車、二輪車、自転車を含み、自車両の前方の検知範囲４０１の所定距離以内の物体を指す。
前走車認識部０１４は、自車両の前方を走行する前走車を検出する。図３を例に説明すると、自車両４００の前方を走行する車両４０２が前走車の一例である。前方とは、自車両の車線内の進行方向の領域を指す。なお、前走車は、四輪車、二輪車、自転車を含み、自車両の前方の検知範囲４０１の所定距離以内の物体を指す。
前走車認識部０１４は、前走車の位置や速度、加減速度といった認識結果を追従動作異常判定抑制部０１５および追従動作正常学習部０１６に出力する。
（追従動作異常判定抑制部０１５）
追従動作異常判定抑制部０１５は、追従動作異常判定部０１７の異常判定を抑制するか否かを判定する。この判定により、追従動作異常判定部０１７での異常判定が誤る可能性のある状況（シチュエーション）を処理の対象から除外できる。言い換えると、現在の追従動作の揺らぎが正常または異常を確定できない過渡状態であるかを判定（予測）する。なお、追従動作の揺らぎとは、自車両の運転者が手動運転で前走車に追従する際の自車両と前走車との間の相対的な動きのことを指す。相対的な動きとは、時系列的に検出された自車両センサ００２からの（所定データに基づき計算される）自車両の状態の変化あるいは自車両と外界センサ００３からの前走車との間の状態の変化を指す。具体的には、自車両の状態の変化は、加減速度の変化や自車速度の変化などを含む。また、自車両と前走車の間の状態の変化は、相対速度の変化や車間距離の変化、相対加速度の変化などを含む。
追従動作異常判定抑制部０１５は、追従動作異常判定部０１７の異常判定を抑制するか否かを判定する。この判定により、追従動作異常判定部０１７での異常判定が誤る可能性のある状況（シチュエーション）を処理の対象から除外できる。言い換えると、現在の追従動作の揺らぎが正常または異常を確定できない過渡状態であるかを判定（予測）する。なお、追従動作の揺らぎとは、自車両の運転者が手動運転で前走車に追従する際の自車両と前走車との間の相対的な動きのことを指す。相対的な動きとは、時系列的に検出された自車両センサ００２からの（所定データに基づき計算される）自車両の状態の変化あるいは自車両と外界センサ００３からの前走車との間の状態の変化を指す。具体的には、自車両の状態の変化は、加減速度の変化や自車速度の変化などを含む。また、自車両と前走車の間の状態の変化は、相対速度の変化や車間距離の変化、相対加速度の変化などを含む。
一般的に運転者が手動運転で前走車に追従する場合、前走車との車間距離や相対速度を運転者が目指す値に近づけるよう追従する。その際に追従動作に揺らぎが発生することが知られている。例えば追従動作の揺らぎは、図６に示す相対速度の変化と捉えることができる。図６では、追従動作の揺らぎが正常とは、相対速度の変化５０１が0km/hを中心に±5km/hの範囲内で上下することを指す（5km/hは例である）。また、追従動作の揺らぎが異常とは、相対速度の変化５０２が±5km/hの範囲を超えるケースがあり、また、追従動作が正常である場合と比べて、相対速度が上下する回数が少なくなる。
追従動作異常判定部０１７での異常判定が誤る可能性のある状況とは、例えば、前走車が急加減速した状況を指す。これは前走車の加減速度によって車間距離や相対速度の変化に差がでるため、運転者は通常時とは異なる追従動作となることが予想できる。そのため、追従動作が正常か異常かの判定が難しいため、異常判定を抑制する。なお、急加減速の判定は、前走車認識部０１４からの前走車の減速度が所定閾値以上、または、加速度が所定閾値以上であることを以て判定できる。
また、前走車のウィンカーが作動しているかを外界センサ００３の単眼カメラやステレオカメラの情報から判定できる場合は、将来、前走車が自車線（走行車線）から離脱することが予想される。そのため、運転者が意図的に自車を加減速し、車間距離や相対速度を変化させる可能性があり、運転者の動きを一意に予測できない。従って、追従動作が正常か異常かの判定が難しいため、異常判定を抑制する。
また、前走車の前方に急カーブあるいは急勾配が存在する場合は、前走車が減速する可能性が高い。しかし、運転者が前方の急カーブあるいは急勾配を認識できているか否かにより、運転者の加減速行動が変わるため、運転者の動きを一意に予測できない。従って、追従動作が正常か異常かの判定が難しいため、異常判定を抑制する。なお、急カーブの判定は、外界センサ００３の単眼カメラやステレオカメラやＣＮＳ００８からのカーブの曲率半径が所定閾値の範囲内に収まるかを以て判定できる。急勾配の判定は、ＣＮＳ００８からの道路勾配が所定閾値の範囲内に収まるかを以て判定できる。
また、前走車の前方に一時停止線が存在することがＣＮＳ００８からの一時停止線情報から判定できる場合は、前走車が減速する可能性が高い。しかし、運転者が前方の一時停止線の存在を認識できているか否かにより、運転者の減速行動が変わるため、運転者の動きを一意に予測できない。従って、追従動作が正常か異常かの判定が難しいため、異常判定を抑制する。
また、前走車の前方の車線幅員が減少することが外界センサ００３の単眼カメラやステレオカメラの情報やＣＮＳ００８からの車線幅情報から判定できる場合は、前走車が減速する可能性が高い。しかし、前走車の運転者の意識一つで実際に前走車が減速するかが変わる。従って、追従動作が正常か異常かの判定が難しいため、異常判定を抑制する。なお、車線幅の減少は、車線幅の変化量を以て判定できる。
また、前走車の前方に赤信号が存在することが外界センサ００３の単眼カメラやステレオカメラから判定できる場合は、前走車が減速する可能性が高い。しかし、運転者が前方の交通信号の色を認識できているか否かにより、運転者の減速行動が変わるため、運転者の動きを一意に予測できない。従って、追従動作が正常か異常かの判定が難しいため、異常判定を抑制する。
また、図４に示すように歩行者４０５が自車線近傍を歩行していることが外界センサ００３の単眼カメラやステレオカメラの情報から判定できる場合は、前走車４０６の動きによらず、運転者は減速する可能性がある。そのため、運転者の追従動作の方針が変わり歩行者４０５に衝突しないことが最優先となる可能性がある。従って、追従動作が正常か異常かの判定が難しいため、異常判定を抑制する。
また、図３に示すように隣接車４０３が自車前方に割り込むことが外界センサ００３の単眼カメラやステレオカメラの情報から判定できる場合は、前走車４０２の動きによらず、隣接車４０３に割り込みさせるよう運転者は減速する場合もあれば、隣接車４０３に割り込みさせないよう運転者は加速する場合もある。そのため、運転者の動きを一意に予測できず、追従動作が正常か異常かの判定が難しいため、異常判定を抑制する。なお、割り込みの判定は、隣接車４０３の相対横速度が所定の閾値以上で自車に接近しているかを以て判定できる。また、隣接車４０３の相対横位置が所定時間後に所定の閾値範囲内にあるかを以て判定してもよい。
また、自車両の急加減速が発生したことが自車両センサ００２の加速度センサの加減速度情報から判定できる場合は、運転者が前走車への追従動作よりも優先する必要がある事象が発生した可能性が高い。そのため、追従動作が正常か異常かの判定が難しいため、異常判定を抑制する。なお、急加減速は、加減速度が所定の閾値範囲以内であることを以て判定できる。
また、運転者がウィンカーを操作したことが自車両センサ００２のウィンカーから判定できる場合は、運転者が前走車への追従動作を止めて他の車線に移動することが予想できる。従って、自車両の前方には物体が存在しなくなる。そのため、異常判定を抑制する。
また、図５に示すように自車両の走行車線に合流する道路４０７が存在する状況で、道路４０７に合流車両４０４が存在する場合、前走車４０８の動きによらず、運転者は合流車両４０４が自車両の走行車線に合流してくるかもしれないと考えて、自車両を減速する可能性がある。そのため、一時的に前走車４０８との車間距離や相対速度が変化し、追従動作が異常であると誤判定する恐れがある。従って、追従動作の異常判定の誤判定を防止するために、異常判定を抑制する。なお、合流車両４０４の相対横位置が所定の閾値以内であることを以て合流状況と判定できる。また、ＣＮＳ００８から自車両の前方に合流する道路が存在するかを合流状況の判定条件に追加してもよい。
また、前走車の認識の信頼度が低下している場合は、外界センサ００３からの前走車との車間距離や相対速度の精度が低下している可能性が高いため、異常判定を抑制する。なお、前走車の認識の信頼度は、前走車を検知開始から検知が継続している状態が所定時間以内であることを以て判定できる。あるいは、外界センサ００３からの認識の信頼度に関する情報から判定してもよい。あるいは、過去の車間距離や相対速度の値に対して、現在の車間距離や相対速度の値が所定の閾値範囲を超える急変があることを以て判定してもよい。
すなわち、追従動作異常判定抑制部０１５は、現在の追従動作の揺らぎが正常または異常かを確定できない過渡状態を予測し、追従動作異常判定部０１７の異常判定を抑制する。前記過渡状態とは、
前走車の急加減速が発生した状態、
前走車のウィンカーが作動した状態、
前走車の前方に急カーブが存在する状態、
前走車の前方に急勾配が存在する状態、
前走車の前方に一時停止線が存在する状態、
前走車の前方に赤信号がある状態、
前走車の前方の車線幅員が減少している状態、
歩行者が自車線近傍を歩行している状態、
自車両前方に隣接車が割り込むと予想できる状態、
自車両の急加減速が発生した状態、
自車両の運転者がウィンカーを操作した状態、
自車両の走行車線に進行が予測できる物体が存在する状態、
前走車の認識の信頼度が低下している状態、のいずれか１つ以上の状態を含む。
前走車の急加減速が発生した状態、
前走車のウィンカーが作動した状態、
前走車の前方に急カーブが存在する状態、
前走車の前方に急勾配が存在する状態、
前走車の前方に一時停止線が存在する状態、
前走車の前方に赤信号がある状態、
前走車の前方の車線幅員が減少している状態、
歩行者が自車線近傍を歩行している状態、
自車両前方に隣接車が割り込むと予想できる状態、
自車両の急加減速が発生した状態、
自車両の運転者がウィンカーを操作した状態、
自車両の走行車線に進行が予測できる物体が存在する状態、
前走車の認識の信頼度が低下している状態、のいずれか１つ以上の状態を含む。
（追従動作正常学習部０１６）
追従動作正常学習部０１６は、自車両の運転者が前走車に追従している場合の追従動作の正常範囲を学習する。そして、学習された追従動作の正常範囲に基づき、現在の追従動作が正常範囲内であれば現在の追従動作が正常であると判定する。すなわち、追従動作正常学習部０１６は、前走車に対する運転者の追従動作の揺らぎ傾向が正常範囲に含まれるかを学習する。なお、正常範囲とは、自車両の運転者が運転に注意を払っている状態で前走車に追従している状態の追従動作のことを指す。
追従動作正常学習部０１６は、自車両の運転者が前走車に追従している場合の追従動作の正常範囲を学習する。そして、学習された追従動作の正常範囲に基づき、現在の追従動作が正常範囲内であれば現在の追従動作が正常であると判定する。すなわち、追従動作正常学習部０１６は、前走車に対する運転者の追従動作の揺らぎ傾向が正常範囲に含まれるかを学習する。なお、正常範囲とは、自車両の運転者が運転に注意を払っている状態で前走車に追従している状態の追従動作のことを指す。
本実施例では、追従動作の正常範囲は、予め机上で学習した所定閾値をパラメータとして走行支援装置０１０の不揮発性メモリに格納し、走行支援装置０１０の起動時にパラメータを読み出して使うことを想定する。そして、自車両の状態の変化や自車両と前走車の間の状態の変化から現在の自車両の追従動作を算出し、学習済みの正常範囲のパラメータと比較することで、追従動作が正常かどうかを判定する。
現在の追従動作を算出するために、例えば相対速度の変化の傾向を表す周波数と振幅と帯域幅を求める方法をとる。算出方法については次のように行う。
まずは、外界センサ００３からの相対速度にはノイズがあるため、前処理として移動平均などのフィルタ処理により低周波数成分だけを通すことでノイズを除去する。なお、フィルタの手法については、外界センサ００３などの入力情報の仕様に応じて別の手法（バンドパスフィルタ、ハイパスフィルタ等）に切り替えてもよい。また、自車速度が速い場合と比べて自車速度が遅い場合は、発進時や進路変更がし易いこともあり、自車両の急加減速の発生確率が高いことが考えられる。そのため、自車速度に応じて想定される加減速度が所定閾値以上の場合は追従動作における一時的な外れ動作であるとし、その時の相対速度の変化を除くことができるフィルタ処理をしてもよい。なお、自車両だけではなく、前走車の速度と加減速度に応じて追従動作における一時的な外れ動作での相対速度の変化を除くフィルタ処理をしてもよい。
次に、相対速度の変化の傾向を表す周波数と振幅と帯域幅を求めるに当たり、対象とするデータの範囲を指定する必要がある。本実施例では所定時間前（過去）から現在までの相対速度値を抜き出した時系列データを取得する。なお、高速道路と比べて一般道路は自車両の追従動作を妨げる外乱因子が多くあるため、自車両の速度域によって追従動作が継続する時間が変わることが考えられる。外乱因子とは、自車線への割り込み車両や歩行者の横断など一時的に自車両が追従動作を継続できない因子を指す。例えば、自車速度が遅い場合は一般道路を走るケースが多く、自車両の追従動作を妨げる外乱因子が多くあるため、高速道路よりも追従動作の継続時間が短くなる。このような特徴を活かし、自車速度に応じて上記所定時間を変化させてもよい。あるいは、ＣＮＳ００８からの一般道路を走行しているか高速道路を走行しているかの情報を用いて、走行している道路によって上記所定時間を変化させてもよい。また、所定時間は、追従動作を捉えることができるよう数十秒から数分までのある程度長い時間に設定するのが望ましい。
そして、得られた相対速度の時系列データを基に高速フーリエ変換（FFT）等を行い、周波数変換し、振幅スペクトルを算出する。例えば、図７に示すような振幅スペクトル７０１を想定する。振幅スペクトル７０１は、振幅P1にピークがある周波数F1を持ち、帯域幅７０３となる。振幅P1が所定閾値以内であれば、振幅が正常範囲であるとする。また、周波数F1が所定閾値の範囲内であれば、周波数が正常範囲であるとする。また、帯域幅７０３が所定閾値以内であれば、帯域幅が正常範囲であるとする。なお、これら条件全てが成立した場合に運転者による追従動作が正常範囲であるとする。但し、対象とする時系列データによっては図７に示すように周波数F1のみにピーク値が発生するとは限らないため、複数の同レベルの振幅かつ複数の異なる周波数が周波数スペクトルに表われる場合は追従動作の正常判定を抑制してもよい。
最後に、追従動作が正常範囲であることが所定時間継続すれば、追従動作が正常であると判定する。
ここでは、前走車と自車両との相対関係の変化として相対速度を例にしているが、車間距離や車間距離を自車速度で除算したTHW（Time Headway）を用いて同様の高速フーリエ変換の演算をしてもよい。
すなわち、追従動作正常学習部０１６は、前走車と自車両との相対関係の変化（相対速度、車間距離、THWなど）を周波数変換することで周波数、振幅、または帯域幅のいずれか１つ以上を算出し、算出した周波数、振幅、または帯域幅のいずれか１つ以上が所定閾値の範囲内である場合に正常（正常範囲に含まれる）として学習する。
また、一般的に運転者が前走車に追従する場合は、THWが平均でおよそ2秒となることが知られている。そのため、周波数変換する方法とは別に2秒±所定閾値の範囲を正常範囲とし、THWの平均値がその所定閾値の範囲に収まれば追従動作が正常であると判定してもよい。ここでの所定閾値の決め方は、机上で時系列データ内から追従動作が正常範囲である部分を切り出し、THWを計算・解析した標準偏差を使うとよい。なお、道路が混雑していない状況においては平均THWがおよそ2秒となるが、道路が混雑している場合は平均THWが2秒より短くなることが予想できる。これは、混雑時は隣接車が自車両の前方に割り込みする状況が考えられ、運転者が隣接車を自車線に割り込ませないよう車間距離を詰めるという運転者の意図に基づく。従って、道路混雑時は平均THWのパラメータをおよそ1.5秒などの2秒より短い値と設定するとよい。また、これらTHWの平均値は個人差によって前後するため、2秒および1.5秒は一例である。
なお、前走車と自車両との相対関係の変化の平均値算出の対象は、相対速度あるいは車間距離としてもよい。
すなわち、追従動作正常学習部０１６は、前走車と自車両との相対関係の変化（相対速度、車間距離、THWなど）の平均値が所定閾値の範囲内である場合に正常（正常範囲に含まれる）として学習してもよい。
また、追従動作の正常範囲を表す所定閾値のパラメータは、自車両の運転者だけではなく、全国の運転者が学習したパラメータをインターネット経由でクラウドから取得し、自車両の走行支援装置０１０内の不揮発性メモリに格納してもよい。すなわち、追従動作正常学習部０１６は、インターネット経由でクラウドから（運転者ごとの）学習済みのパラメータ（正常範囲を表す）を取得してもよい。クラウドから取得する学習済みのパラメータは、単一ではなく、複数のパラメータの中から運転者の条件に見合ったものを選択するとよい。例えば、運転者の年齢や運転来歴、事故件数、普段の急加減速の有無などの運転者の運転行動をスコア付けした情報に基づき判定するとよい。また、画像表示装置００５のタッチパネルや操作ボタンから運転者が自分に合った学習済みのパラメータを選択できるようにしてもよい。
（追従動作異常判定部０１７）
追従動作異常判定部０１７は、追従動作正常学習部０１６の正常範囲および正常判定に基づき、自車両の運転者が前走車に追従している場合の現在の追従動作が異常かを判定する。追従動作異常判定部０１７では、追従動作正常学習部０１６の正常判定がされている状態から正常範囲を逸脱した状態に変化した場合に運転者の現在の追従動作を異常と判定する。正常範囲を逸脱した状態とは、現在の追従動作の揺らぎが正常範囲に対して一定量以上の差がある状態を指す。すなわち、追従動作異常判定部０１７は、現在の追従動作の揺らぎが正常範囲に対して一定量以上の差がある場合は現在の追従動作を異常と判定する。
追従動作異常判定部０１７は、追従動作正常学習部０１６の正常範囲および正常判定に基づき、自車両の運転者が前走車に追従している場合の現在の追従動作が異常かを判定する。追従動作異常判定部０１７では、追従動作正常学習部０１６の正常判定がされている状態から正常範囲を逸脱した状態に変化した場合に運転者の現在の追従動作を異常と判定する。正常範囲を逸脱した状態とは、現在の追従動作の揺らぎが正常範囲に対して一定量以上の差がある状態を指す。すなわち、追従動作異常判定部０１７は、現在の追従動作の揺らぎが正常範囲に対して一定量以上の差がある場合は現在の追従動作を異常と判定する。
正常範囲を逸脱した状態かどうかは次のように判定する。
図７における振幅スペクトル７０２の振幅P2が所定閾値より大きい場合に振幅が正常範囲を逸脱したとする。また、周波数F2が所定閾値の範囲外であれば、周波数が正常範囲を逸脱したとする。また、帯域幅が所定閾値より大きい場合、帯域幅が正常範囲を逸脱したとする。これら条件のいずれかが成立した場合に運転者による追従動作が正常範囲を逸脱したとする。また、追従動作が正常範囲を逸脱したことが所定時間継続した場合に、追従動作が異常であると確定する。換言すると、現在の追従動作の揺らぎが正常範囲に対して一定量以上の差があることが所定時間継続した場合に、追従動作が異常であると確定する。なお、これらの正常範囲は正常と異常を頻繁に繰り返さないようヒステリシス処理するために所定閾値にマージンを持たせてもよい。
また、長時間同じ自車速度で前走車に追従をしていた場合は、運転者の疲れ等により追従動作が異常に陥りやすい。そのため、追従動作が正常と確定した時点の自車速度からの速度変化が所定範囲内である状態が所定時間継続した場合に追従動作の異常を判定する条件を追加してもよい。
（警報制御部０１８）
警報制御部０１８は、追従動作異常判定部０１７で現在の追従動作の異常が確定した場合、音声出力装置００４に対して警報音の鳴動を要求（指示）する。警報音は、ビープ音であってもよいし、運転者の機能低下をお知らせする音声案内であってもよい。また、警報制御部０１８は、画像表示装置００５に対して警報の表示を要求（指示）する。
警報制御部０１８は、追従動作異常判定部０１７で現在の追従動作の異常が確定した場合、音声出力装置００４に対して警報音の鳴動を要求（指示）する。警報音は、ビープ音であってもよいし、運転者の機能低下をお知らせする音声案内であってもよい。また、警報制御部０１８は、画像表示装置００５に対して警報の表示を要求（指示）する。
警報制御部０１８は、誤警報を抑制するために追従動作の異常が確定後、所定時間確定が継続した場合に警報音の鳴動あるいは警報の表示を要求するように実装してもよい。
警報音の鳴動および警報の表示が出力されたが、実際に運転者が機能低下状態ではない場合は、運転者が画像表示装置００５を操作し、追従動作異常判定部０１７の誤りを訂正する。例えば、警報の表示上に警報の正誤を選択できる操作ボタンを配置し、警報が正しいか誤っているかを運転者が操作して選択する方法が考えられる。
警報が誤っていると選択した場合は、誤警報であるため、追従動作正常学習部０１６で追従動作の学習済みの正常範囲を学習未済に変更する。また、学習未済に変更した後、運転者が再度画像表示装置００５を操作し、追従動作正常学習部０１６における正常範囲を表す複数のパラメータから誤警報時とは別のパラメータを選択できるようにしてもよい。別のパラメータとは、例えば、追従動作の揺らぎ大、中、小から運転者自身の追従動作の揺らぎ傾向を指定できるようにする等である。運転者がパラメータを再設定すると、追従動作正常学習部０１６で正常範囲は訂正されて学習済みとなり、追従動作異常判定部０１７が再度異常判定可能な状態となる。すなわち、追従動作正常学習部０１６は、運転者からの応答に基づき、学習済みの正常範囲を訂正する。
警報制御部０１８は、警報が一度開始された場合は、警報を開始した条件が不成立となってから所定時間経過した場合に警報を解除する。あるいは、警報を開始した条件が不成立となってから運転者の運転意思が確認できる場合に警報を解除する。警報が一度開始された場合は（言い換えると、警報制御部０１８が警報を指示している状態では）、運転者はその後も機能低下状態である可能性があるため、誤った警報の解除を軽減する工夫が必要となる。例えば、追従動作の異常が確定し、警報が開始された後、追従動作異常判定部０１７で追従動作が異常ではなくなったことが所定時間経過した場合（言い換えると、追従動作異常判定部０１７での異常が解消された時点から所定時間経過した場合）に警報を解除する。また、警報要求中に前走車が存在しなくなった場合、前走車が存在しなくなってから所定時間経過した場合に警報を解除する。また、警報が開始された後、追従動作異常判定抑制部０１５での抑制が開始されてから所定時間経過した場合に警報を解除する。また、警報が開始された後、追従動作正常学習部０１６での学習がリセットされてから所定時間経過した場合に警報を解除する。また、警報が開始された後、追従動作異常判定部０１７で追従動作が正常と判定された状態で（言い換えると、追従動作異常判定部０１７での異常が解消された状態で）、運転者がアクセルまたはブレーキまたはウィンカーまたは操舵を操作してから所定時間経過した場合に警報を解除する。なお、解除の条件は、以降の速度制御部０１９での速度制御に適用してもよい。
すなわち、警報制御部０１８が警報を指示している状態で、
追従動作異常判定部０１７での異常が解消された時点、または
追従動作異常判定抑制部０１５での抑制が開始された時点、または
追従動作正常学習部０１６での学習がリセットされた時点、または
追従動作異常判定部０１７での異常が解消された状態で、運転者がアクセルまたはブレーキまたはウィンカーまたは操舵を操作開始した時点、から所定時間経過した場合に警報制御部０１８が警報を解除する。
追従動作異常判定部０１７での異常が解消された時点、または
追従動作異常判定抑制部０１５での抑制が開始された時点、または
追従動作正常学習部０１６での学習がリセットされた時点、または
追従動作異常判定部０１７での異常が解消された状態で、運転者がアクセルまたはブレーキまたはウィンカーまたは操舵を操作開始した時点、から所定時間経過した場合に警報制御部０１８が警報を解除する。
（速度制御部０１９）
速度制御部０１９は、警報制御部０１８の警報を出力後、運転者が運転行動を改めない場合、加速装置００６に対して加速抑制を要求する。加速抑制を要求すると、運転者がアクセルペダルを押下しても自車両００１は加速しない動作となる。これにより、運転者が機能低下状態で誤ってアクセルペダルを押下した場合に前走車と衝突する可能性を低減できる。
速度制御部０１９は、警報制御部０１８の警報を出力後、運転者が運転行動を改めない場合、加速装置００６に対して加速抑制を要求する。加速抑制を要求すると、運転者がアクセルペダルを押下しても自車両００１は加速しない動作となる。これにより、運転者が機能低下状態で誤ってアクセルペダルを押下した場合に前走車と衝突する可能性を低減できる。
あるいは、速度制御部０１９は、減速装置００７に対し、減速を要求する。減速を要求すると自動で自車両００１が減速を開始する。これにより、運転者が機能低下状態でブレーキ操作が遅れた場合に前走車と衝突する可能性を低減できる。なお、要求する減速度は、THWが所定値以下とならないよう等加速度直線運動モデルを基に算出するとよい。
なお、運転者が運転行動を改めないかどうかは、警報の出力が所定時間経過したかによって判定する。または、前走車との衝突危険度が所定閾値以上となったかによって判定する。衝突危険度はTTC（Time to Collision）あるいはTHWを指標とするとよい。
[フローチャート説明]
図２は、走行支援装置０１０において実行される走行支援ルーチン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は、走行支援装置０１０を実現するECUが備えるCPUにより所定周期で繰り返し実行する。
図２は、走行支援装置０１０において実行される走行支援ルーチン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は、走行支援装置０１０を実現するECUが備えるCPUにより所定周期で繰り返し実行する。
走行支援ルーチンを開始すると、ステップ３００において、前走車認識部０１４によって前走車が存在するかどうかを判定する。前走車が存在しないと判定した場合は、追従動作の異常判定をせず、ステップ３１６に進む。なお、自車両００１に異常が発生している場合もステップ３１６に進むとよい。前走車が存在すると判定した場合は、ステップ３０２において、追従動作異常判定抑制部０１５によって、追従動作の異常判定を抑制する条件が成立しているかどうかを判定する。追従動作の異常判定を抑制すると判定した場合は追従動作の異常判定をせず、ステップ３１６に進む。
追従動作の異常判定を抑制しないと判定した場合は、ステップ３０５において、追従動作正常学習部０１６によって、正常範囲が既に学習済みかを判定する。正常範囲が学習済みではない場合は、ステップ３１２で、追従動作の正常範囲を学習する。
そして、走行支援装置０１０の電源がOFFとなっても学習した正常範囲を次回電源ONの際に利用できるように、ステップ３１３において、正常範囲の学習結果を記録する。なお、学習結果は、走行支援装置０１０が持つ不揮発性のメモリに記憶するものとする。記憶された学習結果は、走行支援装置０１０の電源がONとなった際の次回の自車両起動時に不揮発性のメモリから読み出す。
あるいは、学習結果は、インターネットを通じてクラウドサーバに記憶してもよい。記憶された学習結果は、走行支援装置０１０の電源がONとなった際の次回の自車両起動時にクラウドサーバから読み出し、走行支援装置０１０内の不揮発性メモリに格納する。
すなわち、追従動作正常学習部０１６によって、運転者ごとに学習した正常範囲を（不揮発性のメモリ、あるいは、クラウドサーバに）記憶し、走行支援装置０１０の電源がONとなった際の次回の自車両起動時に対応する運転者の記憶済み正常範囲を（不揮発性のメモリ、あるいは、クラウドサーバから）読み出す。
ステップ３１３での記録後、ステップ３１６に進む。
正常範囲が学習済みの場合は、追従動作正常学習部０１６によって、ステップ３０６で、現在の追従動作を評価する。現在の追従動作に対して上述した高速フーリエ変換（FFT）等の手法で算出した追従動作と学習済みの正常範囲を比較し、現在の追従動作が正常か（正常範囲に含まれるか）を判定する。
次に、追従動作異常判定部０１７によって、ステップ３０７で、前回の追従動作が正常であったかを判定する。前回の追従動作が正常ではない場合、ステップ３１６に進む。前回の追従動作が正常である場合、ステップ３０８で、現在の追従動作と学習済みの正常範囲を比較し、現在の追従動作の揺らぎが学習済みの正常範囲に対して一定量以上の差があるかを判定する。一定量以上の差がない場合は、ステップ３１６に進む。一定量以上の差がある場合は、現在の追従動作が異常と判定し、ステップ３０９に進む。
警報制御部０１８において、ステップ３０９では、警報を指示して作動させる。警報制御部０１８において、ステップ３１６では、警報の解除条件が成立したかを判定する。警報の解除条件が成立していない場合は、なにもせず、一旦ルーチンを終了する。警報の解除条件が成立している場合は、ステップ３１７で、警報を解除する。そして、一旦ルーチンを終了する。
ルーチンが終了すれば、CPUは、次の周期で、ステップ３００から実行する。
[効果の説明]
以上より、運転者の追従動作の異常を検出し、警報あるいは加速抑制や減速をすることで、衝突の可能性を軽減することができる。
以上より、運転者の追従動作の異常を検出し、警報あるいは加速抑制や減速をすることで、衝突の可能性を軽減することができる。
＜実施例２：学習の実施例＞
本発明の一実施の形態の走行支援装置の構成図は実施例１と同じであり、図１の各構成で異なる処理を実施する場合のみ以下に記載する。
本発明の一実施の形態の走行支援装置の構成図は実施例１と同じであり、図１の各構成で異なる処理を実施する場合のみ以下に記載する。
[構成説明]
自車両センサ００２は、実施例１の内容に加え、例えば、車室を写すカメラであるドライバモニタを含む。ドライバモニタでは、例えば、運転者の目線や顔の向き、表情などから運転者が機能低下状態であることを検出し、走行支援装置０１０に出力する。機能低下状態とは、運転者が漫然運転や眠気がある状態であることを指す。
自車両センサ００２は、実施例１の内容に加え、例えば、車室を写すカメラであるドライバモニタを含む。ドライバモニタでは、例えば、運転者の目線や顔の向き、表情などから運転者が機能低下状態であることを検出し、走行支援装置０１０に出力する。機能低下状態とは、運転者が漫然運転や眠気がある状態であることを指す。
走行支援装置０１０は、実施例１の内容に加え、例えば、教師データを格納する不揮発性のメモリを持つ。教師データとは、機械学習における教師あり学習に使うための正解となる学習データを指す。
走行支援装置０１０は、電源がONとなると、常に自車両センサ００２と外界センサ００３から通常運転の中で取得した追従動作の正常範囲となる部分が含まれる時系列データを収集し、複数の時系列データを教師データとしてメモリに蓄える。収集の際には予め絞り込み条件を設定しておくことで、メモリの使用量の削減が可能である。
絞り込み条件とは、例えば、自車両と前走車との衝突危険度が一定閾値以下（危険ではない状況）となる条件が考えられる。なお、衝突危険度とは、実施例１での速度制御部０１９の説明で言及した算出手法と同様であり、例えばTTCが所定時間より大きい場合は追従動作が正常範囲となる可能性が高い。
また、さらに運転者が急加減速、急操舵、ウィンカー操作、シフト操作の全てをしていないことを条件に含めてもよい。
また、次に示す方法を条件に含めてもよい。
まず、運転者が走行中に上記の絞り込み条件が成立して所定時間経過した後（数秒から数分程度の時系列データが蓄積された後）に運転者に対し、現在の運転が正常範囲内の追従動作であるかどうかの正解を確認する音声あるいは表示を音声出力装置００４あるいは画像表示装置００５が出力する。そして、その音声あるいは表示を運転者が聞くあるいは目視で確認し、正常範囲内の追従動作で正しければ、運転者が画像表示装置００５上の正解操作ボタンを押すことで正解であることを走行支援装置０１０に伝える。正解操作ボタンが押された場合、時系列データを教師データとして活用してもよいという運転者からの許可が得られたとし、走行支援装置０１０は、時系列データを教師データとしてメモリに格納する。すなわち、自車両の現在の走行が前走車に対する運転者の正常な追従動作であることの正しさを運転者に確認できたことを条件に含めてもよい。
また、上記絞り込み条件が成立している場合かつ自車両センサ００２のドライバモニタにより運転者が機能低下状態ではない（言い換えると、運転者の機能低下が一定値以上である）ことを以て、走行支援装置０１０は、時系列データを教師データとしてメモリに格納する。
また、上記絞り込み条件をクラウドから取得し、走行支援装置０１０は、その絞り込み条件を満たす時系列データを教師データとしてメモリに格納してもよい。
なお、教師データは、クラウド上にアップロードしてもよい。
また、絞り込み条件は、次に示す方法を条件に含めてもよい。
まず、運転者が走行を開始すると、時系列データを収集し、クラウド上にアップロードする。次に運転者が運転を終了した後、スマートフォンやパソコンなどの外部端末からクラウドにアクセスし、運転者自身が機能低下状態ではない時系列データを外部端末上で指定することで、教師データを選定する。選定された教師データは、次の走行支援装置０１０の電源がONとなったタイミングで走行支援装置０１０がクラウドから取得し、走行支援装置０１０は、取得した教師データをメモリに格納する。
また、運転者が走行を開始する前に外部端末上で、予めクラウド上にアップロードするための時間帯や場所の指定やアップロード条件を選択する方式をとってもよい。アップロード条件とは、自車両と前走車との衝突危険度が一定閾値以下（危険ではない状況）となる条件や、運転者が急加減速、急操舵、ウィンカー操作、シフト操作の全てをしていないこと等の条件を想定している。
（追従動作正常学習部０１６）
追従動作正常学習部０１６では、メモリに格納された複数の教師データを正解として、自車両センサ００２と外界センサ００３から取得した時系列データを入力にディープラーニング等の手法を用いて、追従動作の正常範囲を学習する。
追従動作正常学習部０１６では、メモリに格納された複数の教師データを正解として、自車両センサ００２と外界センサ００３から取得した時系列データを入力にディープラーニング等の手法を用いて、追従動作の正常範囲を学習する。
すなわち、追従動作正常学習部０１６は、
前走車との衝突危険度が一定値以下（危険ではない状況）となる特徴量、
自車両の運転者の急加減速と急操舵とウィンカー操作とシフト操作の全てを実施していない場合の特徴量、または
自車両の現在の走行が前走車に対する自車両の運転者の正常な追従動作であることの正しさを自車両の運転者に確認できたときの特徴量の少なくとも１つの特徴量を教師データ（正解となる学習データ）とし、追従動作の正常範囲を学習する。
前走車との衝突危険度が一定値以下（危険ではない状況）となる特徴量、
自車両の運転者の急加減速と急操舵とウィンカー操作とシフト操作の全てを実施していない場合の特徴量、または
自車両の現在の走行が前走車に対する自車両の運転者の正常な追従動作であることの正しさを自車両の運転者に確認できたときの特徴量の少なくとも１つの特徴量を教師データ（正解となる学習データ）とし、追従動作の正常範囲を学習する。
また、追従動作正常学習部０１６では、メモリに格納された複数の教師データから実施例１に記載の追従動作正常学習部０１６での追従動作の揺らぎを算出する高速フーリエ変換（FFT）等を用いた方式により、相対速度の周波数や振幅、帯域幅を算出する。これらの数値を教師データとして読み替え、ディープラーニング等の手法を用いて、相対速度の周波数や振幅、帯域幅の正常範囲、換言すると、相対速度の周波数や振幅、帯域幅のいずれか１つ以上の所定範囲を学習する。
また、追従動作正常学習部０１６では、メモリに格納された複数の教師データからTHW、相対速度、車間距離などの平均値を算出し、この数値を教師データとして読み替え、THW、相対速度、車間距離などの平均値の正常範囲、換言すると、THW、相対速度、車間距離などの平均値の所定閾値を学習してもよい。
すなわち、追従動作正常学習部０１６は、
前走車との衝突危険度が一定値以下（危険ではない状況）となる特徴量、
自車両の運転者の急加減速と急操舵とウィンカー操作とシフト操作の全てを実施していない場合の特徴量、または
自車両の現在の走行が前走車に対する自車両の運転者の正常な追従動作であることの正しさを自車両の運転者に確認できたときの特徴量の少なくとも１つの特徴量を教師データ（正解となる学習データ）とし、周波数、振幅、または帯域幅のいずれか１つ以上の所定閾値、あるいは、前走車と自車両との相対関係の変化（相対速度、車間距離、THWなど）の平均値の所定閾値を学習する。
前走車との衝突危険度が一定値以下（危険ではない状況）となる特徴量、
自車両の運転者の急加減速と急操舵とウィンカー操作とシフト操作の全てを実施していない場合の特徴量、または
自車両の現在の走行が前走車に対する自車両の運転者の正常な追従動作であることの正しさを自車両の運転者に確認できたときの特徴量の少なくとも１つの特徴量を教師データ（正解となる学習データ）とし、周波数、振幅、または帯域幅のいずれか１つ以上の所定閾値、あるいは、前走車と自車両との相対関係の変化（相対速度、車間距離、THWなど）の平均値の所定閾値を学習する。
追従動作正常学習部０１６は、ドライバモニタで運転者の機能低下が一定値以上である（機能低下状態ではない）条件で教師データを絞り込み、追従動作の正常範囲を学習する。あるいは、クラウドから教師データの絞り込み条件を取得し、その絞り込み条件に基づき教師データを絞り込み、追従動作の正常範囲を学習する。あるいは、運転者が指定した時間、場所、条件のいずれか１つに基づき教師データを絞り込み、追従動作の正常範囲を学習する。
また、追従動作正常学習部０１６は、クラウドから取得した教師データから追従動作の正常範囲を学習する。
[効果の説明]
以上より、教師データを効率的に準備し、運転者の追従動作の正常範囲の学習に用いることで、運転者のクセや特徴への対応を自動化あるいは半自動化でき、運転者の機能低下状態の誤警報が軽減できる。
以上より、教師データを効率的に準備し、運転者の追従動作の正常範囲の学習に用いることで、運転者のクセや特徴への対応を自動化あるいは半自動化でき、運転者の機能低下状態の誤警報が軽減できる。
＜実施例３：区画線情報によるふらつき検知による追従動作の異常判定＞
本発明の一実施の形態の走行支援装置の構成図は実施例１と同じであり、図１の各構成で異なる処理を実施する場合のみ以下に記載する。
本発明の一実施の形態の走行支援装置の構成図は実施例１と同じであり、図１の各構成で異なる処理を実施する場合のみ以下に記載する。
[構成説明]
（追従動作正常学習部０１６）
追従動作正常学習部０１６は、車線内維持動作正常学習部を持ち、自車両の運転者が車線内を維持している場合の車線内維持動作の揺らぎの正常範囲を学習する。
（追従動作正常学習部０１６）
追従動作正常学習部０１６は、車線内維持動作正常学習部を持ち、自車両の運転者が車線内を維持している場合の車線内維持動作の揺らぎの正常範囲を学習する。
車線内維持動作の揺らぎとは、自車両の運転者が手動運転で車線内を維持する際の自車両と区画線との間の相対的な動きのことを指す。本実施例における相対的な動きとは、時系列的に検出された自車両センサ００２からの（所定データに基づき計算される）自車両の状態の変化あるいは自車両と外界センサ００３からの区画線との間の状態の変化を指す。具体的には、自車両の状態の変化は、操舵角の変化やヨーレートの変化などを含む。また、自車両と区画線の間の状態の変化は、区画線との相対横位置の変化などを含む。
そして、追従動作正常学習部０１６は、学習された車線内維持動作の正常範囲に基づき、現在の車線内維持動作が正常範囲内であれば、正常であると判定する。なお、正常範囲とは、自車両の運転者が運転に注意を払っている状態で車線内を維持している状態の車線内維持動作のことを指す。
本実施例では、車線内維持動作の正常範囲は、予め机上で学習した所定閾値をパラメータとして走行支援装置０１０の不揮発性メモリに格納し、走行支援装置０１０の起動時にパラメータを読み出して使うことを想定する。そして、自車両の状態の変化や自車両と区画線の間の状態の変化から現在の自車両の車線内維持動作を算出し、学習済みの正常範囲のパラメータと比較することで、車線内維持動作が正常かどうかを判定する。
現在の車線内維持動作を算出するために、例えば区画線との相対横位置の変化の傾向を表す周波数と振幅と帯域幅を求める方法をとる。算出方法については実施例１の追従動作の方法と同様に高速フーリエ変換（FFT）等の手法を用いるため、詳細は割愛する。また、実施例１の追従動作の方法と同様に区画線との相対横位置の変化の平均値を用いて判定してもよい。
すなわち、追従動作正常学習部０１６（の車線内維持動作正常学習部）は、自車両と区画線の相対関係の変化（区画線との相対横位置の変化など）を周波数変換することで周波数、振幅、または帯域幅のいずれか１つ以上を算出し、算出した周波数、振幅、または帯域幅のいずれか１つ以上が所定閾値の範囲内である場合に、あるいは、自車両と区画線の相対関係の変化（区画線との相対横位置の変化など）の平均値が所定閾値の範囲内である場合に正常（正常範囲に含まれる）として学習する。
走行支援装置０１０は、電源がONとなると、常に自車両センサ００２と外界センサ００３から運転者の通常運転の中で取得した車線内維持動作の正常範囲となる部分が含まれる時系列データを収集し、複数の時系列データを教師データとしてメモリに蓄える。収集の際には予め絞り込み条件を設定しておくことで、メモリの使用量の削減が可能である。
絞り込み条件とは、例えば、自車両と区画線との逸脱可能性が一定閾値以下（危険でない状況）となる条件が考えられる。なお、逸脱可能性とは、例えばTTLC（Time To Line Crossing）の自車が区画線を逸脱するまでの時間が所定時間より大きい場合は追従動作が正常範囲となる可能性が高い。なお、TTLCは、自車横速度を区画線の相対横位置で除算して算出できる。
その他の絞り込み条件については、実施例２の追従動作と同様のため、詳細は割愛する。
車線内維持動作正常学習部は、追従動作正常学習部０１６と同様にメモリに格納された複数の教師データを正解として、自車両センサ００２と外界センサ００３から取得した時系列データを入力にディープラーニング等の手法を用いて、追従動作の正常範囲を学習する。
すなわち、追従動作正常学習部０１６（の車線内維持動作正常学習部）は、自車両と区画線の相対関係の変化（区画線との相対横位置の変化など）から逸脱可能性が一定値以下（危険ではない状況）となる特徴量を教師データ（正解となる学習データ）とし、追従動作の正常範囲を学習する。
[効果の説明]
以上より、前走車の有無に関わらず、運転者の機能低下状態を検出できるため、適用範囲の拡大が可能となる。
以上より、前走車の有無に関わらず、運転者の機能低下状態を検出できるため、適用範囲の拡大が可能となる。
＜実施例１～３のまとめ＞
以上で説明したように、本実施の形態の走行支援装置０１０は、自車両の前方を走行する前走車を検出する前走車認識部０１４と、時系列的に検出された所定データに基づき計算される前記自車両の状態の変化と前記自車両と前記前走車の間の状態の変化の少なくとも１つの特徴量から、前記前走車に対する前記自車両の運転者の追従動作の揺らぎ傾向が正常範囲に含まれるかを学習する追従動作正常学習部０１６と、現在の追従動作の揺らぎが前記正常範囲に対して一定量以上の差がある場合は現在の追従動作を異常と判定する追従動作異常判定部０１７と、現在の追従動作の揺らぎが正常または異常を確定できない過渡状態を予測し、前記追従動作異常判定部０１７の判定を抑制する追従動作異常判定抑制部０１５と、前記現在の追従動作を異常と判定した場合に、警報を指示する警報制御部０１８と、を備える。
以上で説明したように、本実施の形態の走行支援装置０１０は、自車両の前方を走行する前走車を検出する前走車認識部０１４と、時系列的に検出された所定データに基づき計算される前記自車両の状態の変化と前記自車両と前記前走車の間の状態の変化の少なくとも１つの特徴量から、前記前走車に対する前記自車両の運転者の追従動作の揺らぎ傾向が正常範囲に含まれるかを学習する追従動作正常学習部０１６と、現在の追従動作の揺らぎが前記正常範囲に対して一定量以上の差がある場合は現在の追従動作を異常と判定する追従動作異常判定部０１７と、現在の追従動作の揺らぎが正常または異常を確定できない過渡状態を予測し、前記追従動作異常判定部０１７の判定を抑制する追従動作異常判定抑制部０１５と、前記現在の追従動作を異常と判定した場合に、警報を指示する警報制御部０１８と、を備える。
すなわち、本実施の形態の走行支援装置０１０は、前走車への追従走行の揺らぎ傾向（通常と異なる揺らぎ）を検出し、運転者の機能低下状態を検出し、警報する。
本実施の形態によれば、機能低下状態に陥る運転者の予兆を検出することで、より早期に運転者に警報し、障害物との衝突を防止あるいは軽減できる。
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）等の記憶装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。
００１ 車両（自車両）
００２ 自車両センサ
００３ 外界センサ
００４ 音声出力装置
００５ 画像表示装置
００６ 加速装置
００７ 減速装置
００８ カーナビゲーションシステム（ＣＮＳ）
０１０ 走行支援装置
０１３ 周辺環境認識部
０１４ 前走車認識部
０１５ 追従動作異常判定抑制部
０１６ 追従動作正常学習部
０１７ 追従動作異常判定部
０１８ 警報制御部
０１９ 速度制御部
００２ 自車両センサ
００３ 外界センサ
００４ 音声出力装置
００５ 画像表示装置
００６ 加速装置
００７ 減速装置
００８ カーナビゲーションシステム（ＣＮＳ）
０１０ 走行支援装置
０１３ 周辺環境認識部
０１４ 前走車認識部
０１５ 追従動作異常判定抑制部
０１６ 追従動作正常学習部
０１７ 追従動作異常判定部
０１８ 警報制御部
０１９ 速度制御部
Claims (15)
- 自車両の前方を走行する前走車を検出する前走車認識部と、
時系列的に検出された所定データに基づき計算される前記自車両の状態の変化と前記自車両と前記前走車の間の状態の変化の少なくとも１つの特徴量から、前記前走車に対する前記自車両の運転者の追従動作の揺らぎ傾向が正常範囲に含まれるかを学習する追従動作正常学習部と、
現在の追従動作の揺らぎが前記正常範囲に対して一定量以上の差がある場合は現在の追従動作を異常と判定する追従動作異常判定部と、
前記現在の追従動作を異常と判定した場合に、警報を指示する警報制御部と、を備えることを特徴とする走行支援装置。 - 請求項１に記載の走行支援装置において、
前記追従動作正常学習部は、前記前走車と前記自車両との相対関係の変化を周波数変換することで周波数、振幅、または帯域幅のいずれか１つ以上を算出し、算出した前記周波数、前記振幅、または前記帯域幅のいずれか１つ以上が所定閾値の範囲内である場合に正常として学習することを特徴とする走行支援装置。 - 請求項１に記載の走行支援装置において、
前記追従動作正常学習部は、前記前走車と前記自車両との相対関係の変化の平均値が所定閾値の範囲内である場合に正常として学習することを特徴とする走行支援装置。 - 請求項１に記載の走行支援装置において、
前記追従動作正常学習部は、前記特徴量から、
前記前走車との衝突危険度が一定値以下となる特徴量、
前記自車両の運転者の急加減速と急操舵とウィンカー操作とシフト操作の全てを実施していない場合の特徴量、または
前記自車両の現在の走行が前記前走車に対する前記自車両の運転者の正常な追従動作であることの正しさを前記自車両の運転者に確認できたときの特徴量の少なくとも１つの特徴量を教師データとし、前記正常範囲を学習することを特徴とする走行支援装置。 - 請求項２に記載の走行支援装置において、
前記追従動作正常学習部は、前記特徴量から、
前記前走車との衝突危険度が一定値以下となる特徴量、
前記自車両の運転者の急加減速と急操舵とウィンカー操作とシフト操作の全てを実施していない場合の特徴量、または
前記自車両の現在の走行が前記前走車に対する前記自車両の運転者の正常な追従動作であることの正しさを前記自車両の運転者に確認できたときの特徴量の少なくとも１つの特徴量を教師データとし、前記周波数、前記振幅、または前記帯域幅のいずれか１つ以上の前記所定閾値を学習することを特徴とする走行支援装置。 - 請求項３に記載の走行支援装置において、
前記追従動作正常学習部は、前記特徴量から、
前記前走車との衝突危険度が一定値以下となる特徴量、
前記自車両の運転者の急加減速と急操舵とウィンカー操作とシフト操作の全てを実施していない場合の特徴量、または
前記自車両の現在の走行が前記前走車に対する前記自車両の運転者の正常な追従動作であることの正しさを前記自車両の運転者に確認できたときの特徴量の少なくとも１つの特徴量を教師データとし、前記前走車と前記自車両との相対関係の変化の平均値の前記所定閾値を学習することを特徴とする走行支援装置。 - 請求項１に記載の走行支援装置において、
前記追従動作正常学習部は、運転者ごとに学習した正常範囲を記憶し、次回の自車両起動時に対応する運転者の記憶済み正常範囲を読み出すことを特徴とする走行支援装置。 - 請求項４に記載の走行支援装置において、
前記追従動作正常学習部は、
ドライバモニタで運転者の機能低下が一定値以上である条件で、
クラウドから取得した教師データの絞り込み条件で、または
運転者が指定した時間、場所、条件のいずれか１つに基づき、前記教師データを絞り込み、前記正常範囲を学習することを特徴とする走行支援装置。 - 請求項１に記載の走行支援装置において、
前記追従動作正常学習部は、運転者からの応答に基づき、前記正常範囲を訂正することを特徴とする走行支援装置。 - 請求項４に記載の走行支援装置において、
前記追従動作正常学習部は、クラウドから取得した教師データから前記正常範囲を学習することを特徴とする走行支援装置。 - 請求項７に記載の走行支援装置において、
前記追従動作正常学習部は、クラウドから学習済みの正常範囲を取得することを特徴とする走行支援装置。 - 請求項１に記載の走行支援装置において、
前記追従動作正常学習部は、前記特徴量に加え、前記自車両と区画線の相対関係の変化を周波数変換することで周波数、振幅、または帯域幅のいずれか１つ以上を算出し、算出した前記周波数、前記振幅、または前記帯域幅のいずれか１つ以上が所定閾値の範囲内である場合に、あるいは、前記自車両と区画線の相対関係の変化の平均値が所定閾値の範囲内である場合に正常として学習することを特徴とする走行支援装置。 - 請求項１に記載の走行支援装置において、
前記追従動作正常学習部は、前記特徴量に加え、前記自車両と区画線の相対関係の変化から逸脱可能性が一定値以下となる特徴量を教師データとし、前記正常範囲を学習することを特徴とする走行支援装置。 - 請求項１に記載の走行支援装置において、
現在の追従動作の揺らぎが正常または異常かを確定できない過渡状態を予測し、前記追従動作異常判定部の判定を抑制する追従動作異常判定抑制部をさらに備えることを特徴とする走行支援装置。 - 請求項１４に記載の走行支援装置において、
前記過渡状態とは、
前走車の急加減速が発生した状態、
前走車のウィンカーが作動した状態、
前走車の前方に急カーブが存在する状態、
前走車の前方に急勾配が存在する状態、
前走車の前方に一時停止線が存在する状態、
前走車の前方に赤信号がある状態、
前走車の前方の車線幅員が減少している状態、
歩行者が自車線近傍を歩行している状態、
自車両前方に隣接車が割り込むと予想できる状態、
自車両の急加減速が発生した状態、
自車両の運転者がウィンカーを操作した状態、
自車両の走行車線に進行が予測できる物体が存在する状態、
前走車の認識の信頼度が低下している状態、のいずれか１つ以上の状態を含むことを特徴とする走行支援装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022-079915 | 2022-05-16 | ||
| JP2022079915 | 2022-05-16 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2023223699A1 true WO2023223699A1 (ja) | 2023-11-23 |
Family
ID=88834990
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/JP2023/013876 WO2023223699A1 (ja) | 2022-05-16 | 2023-04-04 | 走行支援装置 |
Country Status (1)
| Country | Link |
|---|---|
| WO (1) | WO2023223699A1 (ja) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011059856A (ja) * | 2009-09-08 | 2011-03-24 | Nissan Motor Co Ltd | 車両用運転特性検出装置、車両用運転特性検出方法および自動車 |
| JP2018127112A (ja) * | 2017-02-08 | 2018-08-16 | パナソニックＩｐマネジメント株式会社 | 覚醒度推定装置及び覚醒度推定方法 |
| JP2019070877A (ja) * | 2017-10-05 | 2019-05-09 | いすゞ自動車株式会社 | 警報装置 |
-
2023
- 2023-04-04 WO PCT/JP2023/013876 patent/WO2023223699A1/ja unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011059856A (ja) * | 2009-09-08 | 2011-03-24 | Nissan Motor Co Ltd | 車両用運転特性検出装置、車両用運転特性検出方法および自動車 |
| JP2018127112A (ja) * | 2017-02-08 | 2018-08-16 | パナソニックＩｐマネジメント株式会社 | 覚醒度推定装置及び覚醒度推定方法 |
| JP2019070877A (ja) * | 2017-10-05 | 2019-05-09 | いすゞ自動車株式会社 | 警報装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11027750B2 (en) | Method and system for assisting drivers to drive with precaution | |
| US11066072B2 (en) | Apparatus and method for assisting driving of host vehicle | |
| CN111361552B (zh) | 自动驾驶系统 | |
| US7737832B2 (en) | Assistance system for motor vehicles | |
| JP6693354B2 (ja) | 車両用情報提示装置 | |
| US20220119000A1 (en) | Control system for vehicle and control method for vehicle | |
| EP3720750B1 (en) | Method and system for maneuvering a vehicle | |
| CN110192084B (zh) | 自动驾驶辅助装置、方法及程序 | |
| EP2471694A2 (en) | Method and system for assessing driving behaviour | |
| JP4604691B2 (ja) | 車両用警報装置、車両周囲状況の警報方法 | |
| JP6269360B2 (ja) | 運転支援システム及び運転支援方法 | |
| JP2010125923A (ja) | 緊急退避装置 | |
| EP3757967A1 (en) | Vehicle warning device | |
| US11745745B2 (en) | Systems and methods for improving driver attention awareness | |
| JP2007128227A (ja) | 運転者心理状態判定装置及び運転者心理状態判定システム | |
| JP2022149946A (ja) | 運転特性判定装置、運転特性判定方法及び運転特性判定プログラム | |
| CN113272197B (zh) | 用于改进用于横向车辆运动的辅助系统的装置和方法 | |
| US10926778B2 (en) | Autonomous vehicle control device | |
| JP2007334554A (ja) | 障害物検出装置および障害物検出方法 | |
| CN113428160B (zh) | 危险场景的预测方法、装置、系统、电子设备及存储介质 | |
| JP2010039718A (ja) | 車両制御装置、車両制御方法および車両制御処理プログラム | |
| JP2010009232A (ja) | 車両の運転支援装置 | |
| WO2023223699A1 (ja) | 走行支援装置 | |
| US11955006B2 (en) | Traffic light indication system with suppressed notification for a vehicle | |
| CN114348014A (zh) | 车道偏离预警方法、装置、车辆和介质 |
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: 23807314 Country of ref document: EP Kind code of ref document: A1 |