図面 (/)

技術 運転支援装置および方法

出願人 トヨタ自動車株式会社
発明者 ナイワラパティランネヘラーゲチャンドラシリ竹内彰次郎杉本浩伸
出願日 2011年9月26日 (8年5ヶ月経過) 出願番号 2011-209326
公開日 2013年4月18日 (6年11ヶ月経過) 公開番号 2013-069251
状態 特許登録済
技術分野 交通制御システム 電気的に作動する教習具 特定用途計算機 交通制御システム
主要キーワード 運転タイプ 改善ポイント 模範データ ブレーキ強度 学習結果データ 改善アドバイス 一定距離間隔 一定距離毎
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2013年4月18日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (8)

課題

運転者スキルとタイプを考慮して、運転スキル向上のための適切なアドバイス提示する。

解決手段

入力された運転データの運転スキルを運転スキル分類手段から取得し、運転データ記憶手段に記憶されている運転データの中から、入力された運転データの運転スキルよりも高い運転スキルであり、かつ、入力された運転データとの類似度が所定の類似度以上である運転データを選択し、選択された運転データと入力された運転データの相違点を検出し、検出された相違点を運転のアドバイスとして通知する。

概要

背景

車両を実際に運転した際に得られるデータ(運転データ)から運転者運転スキルを判定する技術の研究がなされている(特許文献1など)。また、運転スキルを判定して改善ポイント通知することで、運転スキルの向上を図ることも研究されている。改善ポイントのアドバイスは、運転データと模範データとの相違点を検出し、その違いに基づいて作成される。

また、運転の際に得られるデータから、運転者が慎重型・衰え型などのいずれのタイプに属するかを判定する研究もなされている(特許文献2)。

概要

運転者のスキルとタイプを考慮して、運転スキル向上のための適切なアドバイスを提示する。入力された運転データの運転スキルを運転スキル分類手段から取得し、運転データ記憶手段に記憶されている運転データの中から、入力された運転データの運転スキルよりも高い運転スキルであり、かつ、入力された運転データとの類似度が所定の類似度以上である運転データを選択し、選択された運転データと入力された運転データの相違点を検出し、検出された相違点を運転のアドバイスとして通知する。

目的

本発明は、運転者のスキルとタイプを考慮に入れて、運転スキル向上のための適切なアドバイスを提示することを目的とする

効果

実績

技術文献被引用数
1件
牽制数
2件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

複数の運転者運転データを、当該運転者の運転スキルと関連づけて記憶する運転データ記憶手段と、運転スキルが既知の運転者の運転データに基づいて作成される運転スキル分類手段であって、運転データを入力として受け付け、当該運転データの運転スキルを判別する運転スキル分類手段と、運転データの入力を受け付ける運転データ取得手段と、2つの運転データの類似度を算出する類似度算出手段と、2つの運転データから運転操作相違を検出する相違点検出手段と、運転アドバイスを行う運転支援手段と、を備え、前記運転支援手段は、前記運転データ取得手段に入力された運転データの運転スキルを前記運転スキル分類手段から取得し、前記運転データ記憶手段に記憶されている運転データの中から、入力された運転データの運転スキルよりも高い運転スキルであり、かつ、前記類似度算出手段によって算出される入力された運転データとの類似度が所定の類似度以上である運転データを選択し、選択された運転データと入力された運転データの相違点を前記相点検出手段によって検出し、検出された相違点を運転のアドバイスとして通知する、運転支援装置

請求項2

前記運転支援手段は、入力された運転データと最も類似する運転データを選択する、請求項1に記載の運転支援装置。

請求項3

前記運転データ取得手段は、複数のセンサから周期的にセンサデータを取得し、これを等間隔の位置に対応させたデータに変換して運転データを得る、請求項1または2に記載の運転支援装置。

請求項4

複数の運転者の運転データを当該運転者の運転スキルと関連づけて記憶する運転データ記憶手段と、運転スキルが既知の運転者の運転データに基づいて作成される運転スキル分類手段であって、運転データを入力として受け付け、当該運転データの運転スキルを判別する運転スキル分類手段と、を備える運転支援装置が行う運転支援方法であって、運転データの入力を受け付ける工程と、入力された運転データの運転スキルを前記運転スキル分類手段によって取得する工程と、前記運転データ記憶手段に記憶されている運転データの中から、入力された運転データの運転スキルよりも高い運転スキルであり、かつ、入力された運転データとの類似度が所定の類似度以上である運転データを選択する工程と、選択された運転データと入力された運転データの相違点を検出する工程と、検出された相違点を運転のアドバイスとして通知する工程と、を含む運転支援方法。

技術分野

0001

本発明は、運転技能の向上を支援するための技術に関する。

背景技術

0002

車両を実際に運転した際に得られるデータ(運転データ)から運転者運転スキルを判定する技術の研究がなされている(特許文献1など)。また、運転スキルを判定して改善ポイント通知することで、運転スキルの向上を図ることも研究されている。改善ポイントのアドバイスは、運転データと模範データとの相違点を検出し、その違いに基づいて作成される。

0003

また、運転の際に得られるデータから、運転者が慎重型・衰え型などのいずれのタイプに属するかを判定する研究もなされている(特許文献2)。

先行技術

0004

特開2003−83108号公報
特開2008−285015号公報

発明が解決しようとする課題

0005

ところで、運転スキルの改善アドバイスにおいて、運転スキルに差がありすぎる模範データとの相違点を通知してもあまり効果的ではない。例えば、運転初心者に対して、レーシングドライバとの比較に基づくアドバイスをしても効果が薄い。同様に、運転のタイプが異なる模範データとの相違点を通知してもあまり効果的ではない。

0006

運転スキルを向上させるためには、運転のタイプが似ている高スキルのドライバとの比較に基づくアドバイスを行うことが望まれる。

0007

本発明は、運転者のスキルとタイプを考慮に入れて、運転スキル向上のための適切なアドバイスを提示することを目的とする。

課題を解決するための手段

0008

上記の課題を解決するために、本発明に係る運転支援装置は、運転データ記憶手段、運転スキル分類手段、運転データ取得手段、類似度算出手段、相違点検出手段、運転支援手段を備える。運転データ記憶手段は、複数の運転者の運転データを、当該運転者の運転スキルと関連づけて記憶する。運転スキル分類手段は、運転データを入力として受け付け、この運転データの運転スキルを判別する。運転データ取得手段は、運転データの入力を受け付ける。類似度算出手段は、2つの運転データの類似度を算出する。相違点検出手段は、2つの運転データから運転操作相違を検出する。運転支援手段は、運転のアドバイスを行う。

0009

運転支援手段は、前記運転データ取得手段に入力された運転データの運転スキルを前記運転スキル分類手段から取得し、前記運転データ記憶手段に記憶されている運転データの中から、以下の条件を満たす運転データを選択する。すなわち、入力された運転データの運転スキルよりも高い運転スキルであり、かつ、前記類似度算出手段によって算出される入力された運転データとの類似度が所定の類似度以上である運転データを選択する。そして、選択された運転データと入力された運転データの相違点を前記相点検出手段によっ
て検出し、検出された相違点を運転のアドバイスとして通知する。

0010

このように、運転データから運転スキルを求めて、運転者の運転スキルよりも上位のスキルを持ち、かつ、似ている運転者を参考にして運転のアドバイスをすることで、運転スキル向上のための的確なアドバイスが可能となる。

0011

運転データは、車両の運転中に車両のセンサから得られるデータである。運転データは、例えば、加速度(前後および横方向)、操舵角度ブレーキ強度アクセル強度、レーザレーダ情報、位置情報などを含む。なお、運転データが、これらのセンサから周期的に取得されるタイムサンプリングデータである場合に、道路上の位置に対応させた距離に関するデータ(すなわち、一定距離間隔でのデータ)に正規化して利用することが好ましい。なお、正規化の際には必要に応じて補間処理を行って良い。

0012

運転スキル分類手段は、運転スキルが既知の運転データに基づいて、機械学習によって作成される。運転スキルの分類は、例えば、初心者・中級者・上級者プロフェッショナルなどとすることができる。機械学習を行う際の特徴量は、例えば、FFT(Finite Fourier Transform:離散フーリエ変換)、DCT(Discrete Cosine Transform:離散コサ
イン変換)、ウェーブレット変換によって抽出することができる。また、機械学習のアルゴリズムとしては、SVM(Support Vector Machine)やAdaBoost(AdaptiveBoosting)などを採用可能である。

0013

類似度算出手段は、例えば、主成分分析PCA)、k近傍法(k-NN)、k平均法(k-means)などの手法によって運転データの類似度を算出する。運転支援手段は、入力された運転
データと、最も類似する運転データを選択することが好ましい。

0014

なお、本発明は、上記手段の少なくとも一部を有する運転支援装置として捉えることができる。また、本発明は、上記処理の少なくとも一部を含む運転支援方法、およびこの方法をコンピュータに実行させるためのプログラムとして捉えることもできる。上記手段および処理の各々は可能な限り互いに組み合わせて本発明を構成することができる。

発明の効果

0015

本発明によれば、運転者のスキルとタイプを考慮に入れて、運転スキル向上のための適切なアドバイスを提示することができる。

図面の簡単な説明

0016

本実施形態にかかる運転支援装置の機能構成を示す図。
運転データ取得部が行う運転データの取得処理を示すフローチャート
運転スキル分類器作成処理を示すフローチャート。
運転スキル分類器を用いた運転スキルの識別処理を示すフローチャート。
本実施形態にかかる運転支援処理の全体の流れを示すフローチャート。
運転アドバイスの元となる運転データの選択を説明する図。
提示される運転アドバイスの例を示す図。

実施例

0017

以下に図面を参照して、この発明の好適な実施の形態を例示的に詳しく説明する。

0018

[構成]
図1は、実施形態は車両に搭載される運転支援装置の機能構成を示す図である。本実施形態にかかる運転支援装置は、車両を実際に運転した際のデータを取得して、運転スキル向上のための改善点をアドバイスする。本実施形態においては、運転支援装置が車両に搭
載される例を説明するが、本発明において、運転支援装置は必ずしも車両に搭載される必要はない。すなわち、車両と分離して設けられた運転支援装置が、運転データを通信または記憶媒体経由で取得して、運転アドバイスを提示することも可能である。

0019

本実施形態にかかる運転支援装置においては、補助記憶装置に記憶されたコンピュータプログラム中央演算処理装置(CPU)がロードして実行することで、地図データ記憶部3、運転データ取得部4、運転スキル分類器5、基準データ記憶部6、類似データ取得部7、相違点検出部8、運転支援部9として機能する。

0020

運転データ取得部4は、種々の車両センサ2から、走行中の運転データを定期的に取得する。車両センサ2は、例えば、加速度センサ操舵角センサブレーキセンサアクセルセンサ、レーザレーダ、GPS装置などである。運転データ取得部4は、これら車両センサ2から、例えば0.1秒おきなどの一定周期でデータを取得する。なお、センサ毎取得周期は異なっても構わない。

0021

運転データ取得部4は、一定時間おきに取得されるセンサデータを、一定距離毎の情報に変換する。そのために、運転データ取得部4は、走行経路取得部4aと正規化部4bとを備える。走行経路取得部4aは、地図データ記憶部3に記憶される走行コースに関する情報を取得する。正規化部4bは、GPS装置から得られる位置情報と走行コースとを対応付け、一定距離毎(例えば1メートル毎)のデータに変換する。なお、サンプリング位置でのデータをセンサから取得していない場合には、補間処理によってその位置でのデータを求めても良いし、最も近い位置でのデータを採用しても良い。

0022

図2は、運転データ取得部4が行う運転データの取得処理を説明するフローチャートである。運転データ取得部4は、車両センサ2から定期的(例えば0.1秒おき)にセンサデータを取得する(S201)。運転データ取得部4は、取得したセンサデータに含まれる位置情報と、走行経路取得部4aが取得した地図データに基づいて、走行センサ取得位置を算出する(S202)。そして、正規化部4bが、一定距離毎の運転データに変換する(S203)。

0023

運転スキル分類器5は、運転データを入力として受け取り、その運転の運転スキルを判別する機能部である。ここでは、運転スキルは、初心者・中級者・上級者・プロフェッショナルの4段階とするが、これとは異なる分類をしても構わない。

0024

運転スキル分類器5は、機械学習によって作成することができる。運転スキル分類器5の作成処理を、図3のフローチャートに示す。まず、運転スキルが既知の運転者の運転データ(学習データ)を複数取得する(S301)。そして、取得した運転データから、特徴量を抽出する(S302)。特徴量抽出は、任意の既存手法によって行われて良い。例えば、離散フーリエ変換(FFT)、離散コサイン変換(DCT)、ウェーブレット変換などを用いて特徴量を抽出することができる。そして、機械学習処理を行うことで分類器の作成を行う(S303)。機械学習アルゴリズムとしては、SVM(サポートベクターマシーン)やAdaBoostなどを採用することができる。学習結果記憶装置(不図示)に記憶され(S304)、識別処理の際に参照される。

0025

図4は、運転スキル分類器5による識別処理を示すフローチャートである。運転スキル分類器5は、運転データが入力されると上記と同様の特徴量抽出を行い(S401)、学習結果データを用いた判別を行うことで入力運転データの運転スキルを判別する(S402)。

0026

類似データ取得部7は、基準データ記憶部6に記憶されている運転データのそれぞれに
ついて、入力された運転データとの類似度を算出する。なお、基準データ記憶部6に記憶されている運転データは、運転スキルが既知であり、運転スキルと関連づけられて記憶されている。基準データ記憶部6に記憶される運転データは、運転スキル分類器5の学習処理に用いるデータと同じであっても良いし、異なっていても良い。

0027

類似データ取得部7は、以下の2つの基準をともに満たす運転データを基準データ記憶部6から取得する。1つ目の基準は、運転スキル分類器5によって判別された入力運転データの運転スキルよりも上位の運転スキルであることである。2つ目の基準は、1つ目の基準を満たす運転データの中で類似度が最も大きいことである。すなわち、類似データ取得部7は、入力された運転データよりも上位の運転スキルを有し、かつ、入力された運転データと最も類似する運転データを、基準データ記憶部6から取得する。なお、類似度の算出は、主成分分析(PCA)、k近傍法、k平均法などのアルゴリズムを用いて実現できる。

0028

相違点検出部8は、入力された運転データと、類似データ取得部7によって取得された運転データとの間の相違点を検出する。センサデータには種々の相違が表れることが想定されるが、これら種々の相違点を、原因となるものと結果となるものとを区別して検出する。原因となる相違点としては、走行速度・アクセル量ブレーキ量ハンドル操舵角などが含まれる。ただし、これらの相違点は、それ以前の操作の相違を原因とする結果である場合もある。また、結果を表すその他の相違点としては、加速度なども含まれる。

0029

例えば、運転の上手い人はカーブ手前で速度を適切に落としてカーブに進入するのに対し、運転の下手な人は速い速度でカーブに進入することが考えられる。その結果として、カーブ中でのハンドル操作が一定しなかったり、横方向のジャークが発生したりする。この場合、原因に相当する相違点は、カーブ手前でのブレーキ量(あるいは速度)である。そして、結果に相当する相違点は、カーブ中でのハンドル操作量や横方向ジャークである。

0030

運転支援部9は、相違点検出部8が検出した相違点を運転アドバイスとして出力装置10に提示する。具体的には、原因に関する相違点を修正することをアドバイスし、その結果として得られる効果を提示する。

0031

(動作例)
次に、本実施形態にかかる運転支援装置の具体的な動作例について、図を参照して説明する。図5は運転支援処理全体の流れを示すフローチャートである。なお、ここでは運転スキル分類器5の学習処理(図3)は既に完了しているものとする。

0032

運転支援装置1は、運転データ取得部4によって車両センサ2から、実際に車両を運転した際のデータを取得する(S501)。この際、運転データは、位置に対して等間隔なデータに変換(正規化)される。そして、運転データを運転スキル分類器5に入力して、この運転の運転スキルを取得する(S502)。

0033

運転支援装置1は、基準データ記憶部6から、対象者の運転スキルよりも高いスキルであり、かつ、運転のタイプが最も類似する運転データを選択する(S503)。図6(a)はこの処理を概念的に説明する図である。図6(a)には、9人の運転データの解析結果がプロットされており、横軸は運転のタイプを表し、縦軸は運転スキルを表す。上に位置するほど運転スキルが高いことを表しており、横方向の距離が近いほど運転のタイプが似ていることを表している。図6(a)には9人の運転データがプロットされている。Xよりも運転スキルが高いのは、B,C,Y,Z,Q,Rの6人であり、このうちXと最も運転のタイプが類似するYが基準データとして選択される。また、Yが対象者である場合
には、Yよりも運転スキルが高いC,Z,Rの3人の内から、運転のタイプが最も類似するZが基準データとして選択される。

0034

図6(b)は、主成分分析による運転タイプ判別処理を説明する概念図である。図6(b)は、運転データを2変数(第1主成分と第2主成分)に集約したデータの散布図である。このデータ空間上で適当な距離測度ユークリッド距離、重み付きユークリッド距離、マハラノビス距離など)を用いて類似度を定義する。図6(b)において、黒丸64は支援対象者の運転データを表すものとする。また、図6(b)には、黒丸64よりも上位の運転スキルを有する運転データがプロットされているものとする。対象者の運転データと最も類似する運転データは、運転データ65であるので、このデータがアドバイスを決定するためのデータとして選択される。

0035

運転支援装置1は、相違点検出部8を用いて、対象者の運転データと選択された運転データの相違点を検出する。たとえば、カーブ手前における速度(ブレーキ量)に相違が見られ、その結果として、ハンドル操舵角のばらつき具合や、横ジャーク量の差が現れるものとる。

0036

運転支援部9は、このような相違点検出結果をもとに、図7に示すような運転アドバイスを作成する。運転アドバイスは、相違点検出部8が検出した相違のうち、相違の原因となる操作量であるカーブ手前での速度を、修正すべき点としてアドバイスする(図7(a))。具体的には、今回の走行コースのようなカーブでは、カーブ手前で時速50km以下に減速することが良い旨を提示する。さらに、相違点検出部8が検出した相違のうち結果となる相違を、このような修正を行うことで得られる効果として提示する。ここでは、カーブにおけるハンドル操作の揺らぎが少なくなる点(図7(b))と、横ジャークが小さくなる点(図7(c))が改善による効果として提示される。

0037

(本実施形態の作用/効果)
本実施形態では、アドバイス対象者の運転スキルを判別し、対象者よりも運転スキルが上であり、かつ、最も類似する運転タイプの運転データを基準として運転のアドバイスを行っている。したがって、対象者と運転のタイプが大きく異なるドライバの運転データをもとにしてアドバイスしてしまうことを避けられる。運転タイプが異なるようなドライバの運転は運転改善においてあまり参考にならないので、類似する運転タイプの中から運転アドバイスの参考にする運転データを選択することで、適切な運転アドバイスが可能となる。また、スキルの差が大きい運転は運転のタイプも大きく異なると判別されることが期待されるので、本実施形態によれば対象者よりも運転が上手いが極端なスキルの差はない運転者の運転データをもとにしたアドバイスを提供できる。

0038

(その他)
上記の説明においては、運転支援装置が車両に搭載されている例を説明したが、運転支援装置は車両に搭載される必要はない。すなわち、アドバイス対象者が行った運転に関する運転データを入力として受け取れるのであれば、車両とは別個に設けられた装置として運転支援装置を構成しても構わない。この際、データのやりとりは、有線あるいは無線による通信などであっても良いし、記憶媒体を経由したものであっても構わない。

0039

また、運転データは必ずしも実際の車両を運転した際に得られるデータである必要はない。すなわち、車両運転シミュレータを使って運転操作を行った際に得られるデータなどであっても構わない。

0040

また、上記ではセンサデータを一定距離毎のデータに変換して用いているが、これは必ずしも必須ではなく。例えば、時間的に等間隔にサンプリングされたセンサデータを用い
ても構わない。ただし、一定距離毎のデータの方が、運転スキルや運転のタイプの判別がより良好に行えることが期待される。

0041

1運転支援装置
2車両センサ
3 地図データ記憶部
4運転データ取得部
4a走行経路取得部
4b正規化部
5運転スキル分類器
6 基準データ記憶部
7類似データ取得部
8相違点検出部
9運転支援部
10 出力装置

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ