ドライバ状態判定システム、判定方法及び判定用プログラム
【課題】運転行動の種類毎にドライバの状態を精度良く適切に判定する。
【解決手段】データ計測手段１００は、自車の車両情報と環境情報とを計測する。特徴量生成手段３００は、状態設定手段２００が設定したドライバの状態と計測した車両情報及び環境情報とを用いて、運転行動に応じた特徴量生成方法によって特徴量を生成する。判定器学習手段４００は、蓄積した特徴量を用いて、ドライバの状態と車両情報・環境情報の関係を学習し、車両情報・環境情報に対してドライバ状態を判定するための判定器を構築（学習）する。ドライバ状態判定手段６００は、運転行動取得手段８００で判定した運転行動に対応した判定器を、判定器記憶手段５００を検索して取得し、取得したその判定器に基づいて、特徴量生成手段３００が生成した特徴量に対するドライバ状態を判定する。ドライバ状態提示手段７００は、判定したドライバ状態をドライバに提示する。
【解決手段】データ計測手段１００は、自車の車両情報と環境情報とを計測する。特徴量生成手段３００は、状態設定手段２００が設定したドライバの状態と計測した車両情報及び環境情報とを用いて、運転行動に応じた特徴量生成方法によって特徴量を生成する。判定器学習手段４００は、蓄積した特徴量を用いて、ドライバの状態と車両情報・環境情報の関係を学習し、車両情報・環境情報に対してドライバ状態を判定するための判定器を構築（学習）する。ドライバ状態判定手段６００は、運転行動取得手段８００で判定した運転行動に対応した判定器を、判定器記憶手段５００を検索して取得し、取得したその判定器に基づいて、特徴量生成手段３００が生成した特徴量に対するドライバ状態を判定する。ドライバ状態提示手段７００は、判定したドライバ状態をドライバに提示する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明はドライバ状態判定システム、判定方法及び判定用プログラムに係り、特に自動車を運転しているドライバ状態を判定できるドライバ状態判定システム、判定方法及び判定用プログラムに関する。
【背景技術】
【０００２】
ドライバの状態に応じてドライバの運転の支援内容を変化させる運転支援装置が開発されている。この運転支援装置では、例えば、危険な運転をしているドライバには、注意すべき警告情報を早めに提示したり、平常通りの運転をしているドライバには、警告情報を控えめ（小さい文字で表示、画面の端に表示など）に提示したりする。このように、運転支援装置は、ドライバの状態に合わせて情報を提示することで、安全運転に必要な情報を適切なタイミングで提示できる。更には、ドライバにとって不要な情報が提示されないため、画一的な情報提示に比べ、鬱陶しいと感じる頻度が下がり、情報の受容性が向上する。
【０００３】
特許文献１には、運転支援装置の一例が開示されている。この特許文献１記載の運転支援装置では、心電図や心拍などの生体情報からドライバの平常状態を検出し、平常状態時の車両情報（アクセル、ブレーキ、車速、車間距離など）を用いて、ドライバモデルを作成する。
【０００４】
そして、現在の車両情報とドライバモデルとを比較し、平常状態での運動行動からの逸脱を検出すると、注意喚起や警告等をドライバに対して行う。具体的には、ドライバモデルとして、ある車両情報を他の車両情報から予測する確率モデルを作成する（例：ブレーキ踏み込み量＝ｆ（アクセル、車速、車間距離…））。そして、特許文献１記載の運転支援装置は、現在の車両情報から特定の車両情報を予測し、予測値と実測値が異なる場合に平常状態から逸脱していると判定する。
【０００５】
また、特許文献２には、運転支援装置の他の例が開示されている。この特許文献２記載の運転支援装置では、過去に追従走行した際の運動行動と、周辺の環境、交通量とを関連づけて記憶しておき、同様の環境、交通量の際に、似たような追従走行を自動的に行う。
【０００６】
具体的には、追従走行において、スロットルオフ時の速度、車間距離の相関関係を分類して記憶しておき、個々の分類（直線の式で表現される）をドライバの状態と捉える。そして、特許文献２記載の運転支援装置は、分類されたドライバ状態と道路環境や交通量とマッピングしておき、同様の環境、交通量において、そのドライバの追従状態に近いドライバ状態を探し、そのドライバ状態の運転行動に合うように自動運転を行わせる。更には、特許文献２記載の運転支援装置は、運転中のドライバの状態の変化を捉え、その変化の頻度などから運転の疲労度や技量を判定する。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００７−２７２８３４号公報
【特許文献２】特開２００８−０１８８７２号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
しかしながら、上記の特許文献１及び２記載の運転支援装置は、以下の問題点がある。
【０００９】
第１の問題点は、個々の運転行動によっては、必ずしも精度の良いドライバ状態判定結果を得ることができないことである。その理由は、運転行動（停止や発進など）によってドライバ状態の判定に寄与する運転行動の特徴を表す特徴量（ブレーキの踏み込み量、アクセル踏み込み量、速度やそれらを基にした統計量）が異なり、個々の運転行動に対してドライバモデルを用意する必要があると考えられる。しかし、上記の特許文献１及び２記載の運転支援装置では、運転行動全体に対し、同じドライバモデルを用いてドライバ状態を判定しているためである。
【００１０】
第２の問題点は、複数のドライバ状態を判定することができないということである。特許文献１記載の運転支援装置では、車両情報からドライバが平常状態の運転かどうかのみを判定するだけであり、平常状態以外の状態（例えば、ゆとり状態、危険状態、注意散漫状態）のいずれであるかが分からない。また、特許文献２記載の運転支援装置では、車両情報からどのドライバモデル（速度と車間距離の関係）に合致するかは分かるが、どのようなドライバ状態であるかは分からない。
【００１１】
本発明は以上の点に鑑みなされたもので、運転行動の種類毎にドライバの状態を精度良く適切に判定できるドライバ状態判定システム、判定方法及び判定用プログラムを提供することを目的とする。
【課題を解決するための手段】
【００１２】
上記の目的を達成するため、本発明のドライバ状態判定システムは、ドライバが運転する自動車の各部の状態を表す車両情報と、自動車の周辺の状況を表す環境情報とを取得する情報取得手段と、車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、ドライバの運転行動を判定し取得する運転行動取得手段と、運転行動取得手段により取得された運転行動毎に、ドライバの状態と車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習手段と、判定器学習手段が構築した判定器の中から、運転行動取得手段により取得された運転行動に対応した判定器を取得し、取得したその判定器に基づいて、ドライバ状態を判定するドライバ状態判定手段とを有することを特徴とする。
【００１３】
また、上記の目的を達成するため、本発明のドライバ状態判定方法は、ドライバ状態を判定するための判定器を構築する学習フェーズの処理を行った後、判定器を用いてドライバ状態を判定する判定フェーズの処理を行う判定方法であって、
上記学習フェーズは、ドライバが運転する自動車の各部の状態を表す車両情報と、自動車の周辺の状況を表す環境情報とを取得する第１の情報取得ステップと、第１の情報取得ステップで取得された車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、ドライバの運転行動を判定し取得する第１の運転行動取得ステップと、第１の運転行動取得ステップにより取得された運転行動毎に、ドライバの状態と車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習ステップとを含み、上記判定フェーズは、ドライバが運転する自動車の各部の状態を表す車両情報と、自動車の周辺の状況を表す環境情報とを取得する第２の情報取得ステップと、第２の情報取得ステップで取得された車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、ドライバの運転行動を判定し取得する第２の運転行動取得ステップと、判定器学習ステップにより構築された判定器の中から、第２の運転行動取得ステップにより取得された運転行動に対応した判定器を取得し、取得したその判定器に基づいて、ドライバ状態を判定するドライバ状態判定ステップとを含むことを特徴とする。
【００１４】
更に、上記の目的を達成するため、本発明のドライバ状態判定用プログラムは、ドライバ状態を判定するための判定器を構築する学習フェーズの処理を行った後、判定器を用いてドライバ状態を判定する判定フェーズの処理を、コンピュータにより実行させるドライバ状態判定用プログラムであって、ドライバが運転する自動車の各部の状態を表す車両情報と、自動車の周辺の状況を表す環境情報とを取得する第１の情報取得ステップと、第１の情報取得ステップで取得された車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、ドライバの運転行動を判定し取得する第１の運転行動取得ステップと、第１の運転行動取得ステップにより取得された運転行動毎に、ドライバの状態と車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習ステップとを含む学習フェーズをコンピュータに実行させ、続いて、ドライバが運転する自動車の各部の状態を表す車両情報と、自動車の周辺の状況を表す環境情報とを取得する第２の情報取得ステップと、第２の情報取得ステップで取得された車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、ドライバの運転行動を判定し取得する第２の運転行動取得ステップと、判定器学習ステップにより構築された判定器の中から、第２の運転行動取得ステップにより取得された運転行動に対応した判定器を取得し、取得したその判定器に基づいて、ドライバ状態を判定するドライバ状態判定ステップとを含む判定フェーズをコンピュータに実行させることを特徴とする。
【発明の効果】
【００１５】
本発明によれば、運転行動の種類毎にドライバの状態を精度良く適切に判定することができる。
【図面の簡単な説明】
【００１６】
【図１】本発明のドライバ状態判定システムの第１の実施形態のブロック図である。
【図２】図１中の状態設定手段によるドライバ状態の取得及び設定の一例を説明する図である。
【図３】図１中のデータ計測手段で計測した車両情報及び環境情報の一例を示す図である。
【図４】図１中の運転行動取得手段が保持する運転行動判定ルールと特徴量生成手段による特徴量生成方法の一例を示す図である。
【図５】図１中の特徴量生成手段が生成する特徴量の一例を示す図である。
【図６】図１中の判定器学習手段がＳＶＭで判定器を構築する場合に用いる特徴量の一例と特徴空間を示す図である。
【図７】図１中の判定記憶手段の記憶データの各例を示す図である。
【図８】図１のドライバ状態判定手段により、ドライバ状態のラベルを付与する方法の一例を説明する図である。
【図９】図１中のドライバ状態提示手段による提示方法の各例を示す図である。
【図１０】本発明のドライバ状態判定システムの第１の実施形態の動作説明用フローチャートである。
【図１１】図１中のデータ計測手段で計測した車両情報及び環境情報の一例を示す図である。
【図１２】図１中の特徴量生成手段が生成する特徴量の一例を示す図である。
【図１３】図１の実施の形態の具体例を説明する車両情報及び環境情報の一例とドライバ状態の判定結果の一例を示す図である。
【図１４】本発明のドライバ状態判定システムの第２の実施形態のブロック図である。
【図１５】図１４中の判定結果蓄積手段が蓄積する運転行動と判定結果との組の各例を示す図である。
【図１６】本発明のドライバ状態判定システムの第２の実施形態の動作説明用フローチャートである。
【図１７】図１４中のドライバ状態提示手段によるドライバ状態の提示方法の各例を示す図である。
【図１８】本発明のドライバ状態判定システムの第３の実施形態のブロック図である。
【図１９】運転行動に対応した重み付けルールの例を示す図である。
【図２０】図１８中のドライバ状態判定手段の判定処理の一例を説明する図である。
【図２１】本発明のドライバ状態判定システムの第３の実施形態の動作説明用フローチャートである。
【図２２】本発明のドライバ状態判定システムの第４の実施形態のブロック図である。
【図２３】図２２中の信頼度設定手段の信頼度設定ルールの一例を示す図である。
【図２４】本発明のドライバ状態判定システムの第４の実施形態の動作説明用フローチャートである。
【図２５】図２２中のドライバ状態判定手段の判定処理動作の一例を説明する図である。
【図２６】本発明のドライバ状態判定システムの第５の実施形態のブロック図である。
【図２７】図２６中の判定器類似度計算手段及び判定器統合手段の処理の一例を説明する図である。
【図２８】図２６中の判定器類似度計算手段の処理動作の一例を説明する図である。
【図２９】本発明のドライバ状態判定システムの第５の実施形態の要部の動作説明用フローチャートである。
【図３０】本発明のドライバ状態判定システムの第６の実施形態のブロック図である。
【図３１】図３０中のドライバ情報記憶手段が記憶するドライバ情報の一例と、類似ドライバ検索手段及び判定器複製手段の処理の一例を示す図である。
【図３２】本発明のドライバ状態判定システムの第６の実施形態の要部の動作説明用フローチャートである。
【図３３】本発明のドライバ状態判定システムにおける特徴量生成手段が有する特徴量生成方法の一例を示す図である。
【図３４】本発明のドライバ状態判定システムの第７の実施形態のブロック図である。
【図３５】本発明のドライバ状態判定システムの第７の実施形態の要部の動作説明用フローチャートである。
【図３６】本発明のドライバ状態判定システムの第８の実施形態のブロック図である。
【図３７】図３６中の判定器選択手段が提示する画面の一例を示す図である。
【図３８】本発明のドライバ状態判定システムの第８の実施形態の動作説明用フローチャートである。
【図３９】本発明のドライバ状態判定システムの第９の実施形態のブロック図である。
【図４０】本発明のドライバ状態判定システムの第９の実施形態の動作説明用フローチャートである。
【図４１】本発明のクライアントとサーバとからなるドライバ状態判定システムの一実施形態のブロック図である。
【図４２】本発明のクライアントとサーバとからなるドライバ状態判定システムの他の実施形態のブロック図である。
【発明を実施するための形態】
【００１７】
以下、本発明の各実施形態を図面を参照して詳細に説明する。以下説明する本発明のドライバ状態判定システム、判定方法及び判定用プログラムは、判定したドライバ状態に基づいて、運転支援装置による運転を支援するためのシステム、判定方法及び判定用プログラムである。
【００１８】
（第１の実施形態）
図１は、本発明になるドライバ状態判定システムの第１の実施形態のブロック図を示す。本実施形態のドライバ状態判定システム１０は、データ計測手段１００と、状態設定手段２００と、特徴量生成手段３００と、判定器学習手段４００と、判定器記憶手段５００と、ドライバ状態判定手段６００と、ドライバ状態提示手段７００と、運転行動取得手段８００とを備える。
【００１９】
はじめに、本発明で取り扱う車両情報、環境情報、ドライバ状態について説明する。
【００２０】
「車両情報」とは、ドライバ状態の判定対象のドライバが運転する自動車（以下、これを自車という）の各部の状態を表す情報であり、自車の各部に備え付けられたセンサで取得する情報である。具体的には、速度計により計測した速度、加速度センサにより計測した加速度、ブレーキペダルやアクセルペダルの踏み込み量、ミリ波レーダなどにより計測した先行車や後続車との車間距離、全地球測位システム（ＧＰＳ:Global Positioning System）で計測した自車の現在位置などを指す。本明細書では、車両情報は走行中、常に計測されているものとし、ドライバ状態判定システムは、いつでも取得可能であるとする。
【００２１】
「環境情報」とは、自車周辺の状況を表す情報である。例えば、自車が走行している道路の種類（一方通行、幹線道路、スクールゾーンなど）、車線数、勾配、周辺の天候、渋滞状況を表す。本明細書では、ドライバ状態判定システムは、インターネットやＶＩＣＳ（Vehicle Information and Communication System）などにアクセスし、地図データや気象情報を入手することで、環境情報をいつでも取得可能であるとする。
【００２２】
「ドライバの状態」とは、ドライバの体の調子や心理的な状態を表すパラメータであり、例えば「ゆとり」、「焦り」、「漫然」、「眠い」、「疲労」などがある。本発明では、ドライバに問い合わせることでドライバの状態を取得したり、心電や心拍、血圧などの生体センサから得られる生体情報を基にドライバの状態を取得したりする。
【００２３】
また、「ドライバ状態」とは、本発明により自動的に判定されるドライバの状態を表すパラメータであり、ドライバから直接又は間接に取得される上記「ドライバの状態」とは異なる。
【００２４】
次に、図１に示した第１の実施形態のドライバ状態判定システム１０の各構成要素について説明する。本実施形態のドライバ状態判定システム１０は、運転中、常にドライバの運転行動を監視し、任意の運転行動を行った場合、その運転行動の特徴を基にドライバ状態を判定するドライバ状態判定システムである。
【００２５】
ドライバ状態判定システム１０の動作は、ドライバの状態と車両情報・環境情報の関係を学習し、車両情報・環境情報に対してドライバ状態を判定するための判定器を構築する学習フェーズと、構築した判定器を用いてドライバ状態を判定する判定フェーズとの２つのフェーズから構成される。ただし、学習フェーズと判定フェーズに実行順があるわけではなく、並行して行ったり、一度学習し、数回判定した後、再度学習するなど、実行回数にも制限があるわけではない。
【００２６】
まず、学習フェーズについて説明する。図１において、状態設定手段２００は、ドライバの心理や体調などのドライバの状態を取得し、設定する。ドライバの状態は、心電や心拍、血圧などを計測する生体センサを用いてドライバから直接に取得して設定してもよいし、ドライバに問い合わせて間接に取得して設定してもよい。
【００２７】
ドライバに問い合わせて取得して設定する場合は、例えば、図２に示すように、車内のカーナビゲーションシステム上でドライバの心理状態や体調などの複数の候補を列挙して表示し、ドライバに選択させる。ドライバが「ゆとり」を選択すると、状態設定手段２００は、ドライバの状態として「ゆとり」を取得して設定する。
【００２８】
データ計測手段１００は、自車の車両情報と環境情報とを時々刻々と計測し、バッファに蓄積する。図３は、データ計測手段１００が計測した車両情報と環境情報の一例を示す。図３では、計測した車両情報３０２と環境情報３０３とが走行時間順に時系列に並んでいる。
【００２９】
図３において、車両情報３０２は、走行時間、走行距離、自車の速度、ブレーキ踏み込み量、先行車との距離を表している。環境情報３０３は、現在走行している道路が一般道であるか高速道であるか、天候が晴れであるか雨であるかを示している。
【００３０】
上記の車両情報３０２及び環境情報３０３について、具体的にデータ３０４を用いて説明する。データ３０４は、走行開始から９秒後のデータであり、速度が５０.４５ｋｍ／ｈで、ブレーキ踏み込み量が０.４７、先行車との距離が１２.２３、一般道であり（高速道ではない）、晴れている（雨は降っていない）ことを示している。
【００３１】
なお、図３は一例であり、他のドライバ状態や車両情報、環境情報あるいは、それらを用いて加工した情報を特徴量として用いてもよい。例えば、車両情報として「アクセル踏み込み量」や「ステアリング回転量」を用いたり、環境情報として「道路勾配」や「砂利道」などを用いてもよい。
【００３２】
図１の運転行動取得手段８００は、データ計測手段１００が蓄積している車両情報を監視し、運転行動判定ルールに基づき、ドライバが行った運転行動が何であったかを判定する。
【００３３】
図４の４０１は、上記の運転行動判定ルールの一例を示す。図４の運転行動ルール４０１は、停止行動、右折行動、発進行動などの複数種類の運転行動のそれぞれを判定するために定められたルールである。例えば、停止行動の場合、図４の４０１に示すように、「交差点手前１００ｍの時点で３０ｋｍ／ｈ以上」、「交差点手前１００ｍ以降加速しない」、「交差点で停止する」という３つの条件から構成され、これらの条件を満たした場合、ドライバが行った運転が「停止行動」であったと判定する。また、運転行動取得手段８００は、図４の４０１に示した複数の運転行動判定ルールを保持している。
【００３４】
図１の特徴量生成手段３００は、データ計測手段１００が計測した車両情報、環境情報と、状態設定手段２００が設定したドライバの状態と、運転行動取得手段８００が取得したドライバの運転行動とから、判定器を学習するために用いる特徴量を生成する。
【００３５】
特徴量生成手段３００は、運転行動に応じた特徴量生成方法を保持しており、運転行動に応じて特徴量を生成する。具体的には、特徴量生成方法は、特徴量を生成するプログラム、あるいはモジュール、あるいはプログラム関数で実装され、運転行動と紐付けている。
【００３６】
図４の４０２は、上記の特徴量生成方法の一例を示す。図４の特徴量生成方法４０２は、停止行動、右折行動、発進行動などの複数種類の運転行動のそれぞれの特徴量を生成するために定められた方法を示す。例えば、停止行動に対して、「（１）停止位置の１００ｍ手前から、停止位置までの車両情報、環境情報を抽出し、（２）走行時間を停止までの時間に変換し、（３）車両情報同士の相関係数を求め、（４）ドライバ状態を付与する」という特徴量生成方法が関連付けられている。
【００３７】
特徴量生成手段３００は、運転行動取得手段８００が取得したドライバの運転行動が停止行動で、状態設定手段２００が設定したドライバ状態がゆとり状態である場合において、データ計測手段１００が計測した図３に示した車両情報３０２及び環境情報３０３から図５のような特徴量を生成する。
【００３８】
図５に示す特徴量は、停止までの一連の計測データ及び、特徴量生成方法に基づいて生成した値を示している。具体的には、図５に示す特徴量は、ドライバ状態５０１、車両情報５０２、環境情報５０３から構成されている。車両情報５０２は、停止までの時間、交差点までの距離、速度、ブレーキ踏み込み量、先行車との距離、速度とブレーキ踏み込み量との相関係数、速度と先行車との距離の相関係数、ブレーキ踏み込み量と先行車との距離の相関係数の各情報から構成されている。また、環境情報５０３は、一般道かどうか、高速道かどうか、晴れかどうか、雨かどうかの各情報から構成されている。
【００３９】
例えば、図５に示すデータ５０４の場合、ドライバ状態がゆとり（１）であり、停止までの時間は１０秒、交差点までの距離は１００ｍ、速度は３０ｋｍ／ｈ、ブレーキ踏み込み量は０.４７、先行車との距離は５０ｍ、速度とブレーキ踏み込み量との相関係数は−０.５２、速度と先行車との距離の相関係数は０.６８、ブレーキ踏み込み量と先行車との距離の相関係数は−０.０７、一般道を走っており、天候は晴れであることを示している。
【００４０】
ここで、特徴量生成手段３００は、特徴量生成方法を複数保持しており、複数の運転行動に対して特徴量をできる。図４に示すように、例えば、発進行動や右折行動に対する特徴量生成方法を保持している。
【００４１】
なお、図４の例では、車両情報同士の演算などにより特徴量を求める特徴量生成方法４０２が記載されているが、他の特徴量生成方法も考えられる。例えば、車両情報の各項目を用いた主成分分析を行い、上位いくつかの主成分を車両情報として用いたり、フーリエ変換やウェーブレット変換などによって周波数成分を抽出し、周波数成分を特徴量としたりするようにしてもよい。
【００４２】
図１の判定器学習手段４００は、特徴量生成手段３００が生成した特徴量の各データを記憶しておき、あるいは一定数以上の特徴量のデータを記憶すると、それらの特徴量のデータを用いてドライバの状態と車両情報・環境情報の関係を学習し、車両情報・環境情報に対してドライバ状態を判定するための判定器を構築する。ここで、特徴量の各データとは、図５の５０４のように、特徴量の各行単位の複数のデータから構成される。また、判定器は、運動行動毎に構築される。学習方式としては、ＳＶＭ（Support Vector Machine）やニューラルネットワーク、回帰分析などを用いる。
【００４３】
図６は、判定器学習手段４００がＳＶＭで判定器を構築する場合に用いる特徴量の一例を示す。図６に示す特徴量６０１は、各データに、ゆとり、通常というドライバ状態が付与されている。ここで、特徴量の各データ（行毎）をベクトル表現し、特徴量の全ベクトルで構成される多次元空間（特徴空間）に配置する。特徴空間の模式図を図６に特徴空間６０２として示す。
【００４４】
例えば、図６に示す特徴量のあるデータ６１０は、特徴空間６０２の６１１に配置される。判定器学習手段４００は、ＳＶＭによって、「ゆとり」と「通常」状態を分類する分割超平面を求めることで、特徴空間６０２の超平面６０３を判定器として求める。超平面６０３を判定器として用いることで、別の特徴量の各データが、超平面６０３のいずれ側の領域に特徴量が分布するかが分かる。図６に示す例では、超平面６０３の左側の領域に分布する特徴量がドライバがゆとり状態であり、右側の領域に分布する特徴量が通常状態であることを判定できる。
【００４５】
判定器記憶手段５００は、判定器学習手段４００が学習した判定器を運転行動と関連付けて記憶する。判定器記憶手段５００は、例えば、図７の７０１に示すように、運転行動と判定器のパラメータを関連づけて記憶する。ＳＶＭを用いた場合は、判定器のパラメータとして、超平面を表す関数、あるいは超平面を構成するサポートベクタ、ニューラルネットワークを用いた場合は、ノード数やノードの重みなどが考えられる。
【００４６】
図７の７０１では、運動行動と判定器を関連づけて記憶しているが、判定器記憶手段５００は、判定器だけでなく、判定器の学習に用いた特徴量も記憶しておくことも考えられる。
【００４７】
また、図７の７０２に示すように、判定器記憶手段５００は、判定器で判定できる状態も判定器と運転行動に関連付けて記憶することも考えられる。あるいは、図７の７０３に示すように、判定器で判定できる状態とドライバを判定器と運転行動に関連付けて記憶することも考えられる。
【００４８】
次に、本実施形態の判定フェーズについて説明する。判定フェーズでは、学習フェーズで構築した判定器を用いて、ドライバ状態を判定する。判定フェーズは、学習フェーズと異なり、状態設定手段２００は機能せず、ドライバの状態は設定されない。
【００４９】
図１に示すデータ計測手段１００は、判定フェーズでは学習フェーズと同様、自車の車両情報と環境情報とを時々刻々と計測し、バッファに蓄積する。
【００５０】
運転行動取得手段８００は、判定フェーズでは学習フェーズと同様、運転行動判定ルールに基づき、ドライバが行った運転行動が何であったかを判定する。
【００５１】
特徴量生成手段３００は、判定フェーズでは学習フェーズと同様、データ計測手段１００が計測した車両情報及び環境情報を用いて、運転行動取得手段８００が取得した運転行動に応じて特徴量を生成する。また、特徴量生成手段３００は、運転行動に応じた特徴量生成方法を保持しており、運転行動に応じて特徴量を生成する。
【００５２】
判定器記憶手段５００は、運転行動に対応する判定器を選択する。判定器記憶手段５００は、学習フェーズで説明したように、図７の７０２に示すように、１つの運動行動に対し、複数の判定器が関連付いている場合も考えられる。その場合は、複数の判定器それぞれで判定処理を行う。ただし、本実施形態では１つの判定処理のみを行う場合について説明する。
【００５３】
図１のドライバ状態判定手段６００は、運転行動取得手段８００で判定した運転行動に対応した判定器を、判定器記憶手段５００を検索して取得し、取得したその判定器に基づいて、特徴量生成手段３００が生成した特徴量に対するドライバ状態を判定する。具体的には、ドライバ状態判定手段６００は、特徴量を構成する各データを逐次判定し、各データにドライバ状態のラベルを付与する。
【００５４】
このドライバ状態判定手段６００により、ドライバ状態のラベルを付与する方法について、図８の特徴量８０１を例に説明する。特徴量８０１は、運転行動取得手段８００が運転行動を検出し、特徴量生成手段３００が停止行動に対して生成したものとする。また、判定器記憶手段５００が、停止行動に対応する判定器として図６の超平面６０３を記憶しているものとする。
【００５５】
ここで、ドライバ状態判定手段６００は、図８の特徴量８０１の各データ（行）毎に超平面のいずれの領域にいるか調べる。この例では、図８のドライバ状態８０２を得たとする。図８に示すドライバ状態８０２は、「１」はゆとり状態、「２」は通常状態であることを示す。このドライバ状態８０２より、ドライバ状態判定手段６００は、特徴量８０１のドライバ状態は、ゆとり状態の数が１０、通常状態の数が３であることから、「ゆとり１０，通常３」であると判定する。
【００５６】
ドライバ状態判定手段６００は、このようにして判定したドライバ状態「ゆとり１０，通常３」をそのままドライバ状態提示手段７００に送信する。なお、ドライバ状態判定手段６００からドライバ状態提示手段７００に送信する情報は、上記の例に限定されるものではなく、例えば、判定結果が多かったゆとり状態のみでもよいし、「ゆとり７７％」あるいは「ゆとり７７％，通常２３％」のように割合で表現した情報でもよい。
【００５７】
ドライバ状態提示手段７００は、ドライバ状態判定手段６００が判定したドライバ状態を、ドライバ状態判定手段６００から入力として受けてドライバに提示する。この提示方法は、例えば、図９（Ａ）に示す数値とグラフからなる表示でもよいし、同図（Ｂ）に示すようなメータ表示でもよい。図９（Ａ）、（Ｂ）では、ゆとりの割合が７７％（＝（１０／１３）×１００）であることを示している。このように、ドライバ状態提示手段７００は、ドライバに対してドライバ状態をプログレスバーやメータ表示にして視覚的に分かりやすく表示する。
【００５８】
なお、ドライバ状態提示手段７００によるドライバ状態の提示方法としては、上記以外に、カーナビゲーションシステムやダッシュボード、速度メータの背景色をドライバ状態に合わせて変更したり、フロントガラスにドライバ状態を表す文字や数字を投影したり、カーナビゲーションシステム内でＣＧ（Computer Graphics）で作成したキャラクタの動きを変更したりするなどが考えられる。
【００５９】
例えば、特定のドライバ状態（例えばゆとり状態）が偏っている場合には、キャラクタが笑顔になるが、他のドライバ状態（例えば危険状態）に偏っている場合には、キャラクタが怒ったりする。更には、カーナビゲーションシステムで表示するヒヤリハット警告や道路情報提示（”右折レーンあり”）の出し方を調整することが考えられる。例えば、ゆとり状態と判定された場合は、しばらくの間は、ヒヤリハット情報を提示しなかったり、警告音を出さないようにするなどが考えられる。
【００６０】
なお、本実施形態では、２つのドライバ状態を認識する例を用いて説明したが、判定器学習手段４００において、よく知られたクラスタリング手法やmulti-class svmなどを用いることで３つ以上の複数のドライバ状態を認識することが可能になる。
【００６１】
また、判定器学習手段４００において、one-class svmを用いることで、ドライバの状態が特定の状態かを判定できる。具体的には、普段のドライバ状態（通常状態）での特徴量を生成し、one-class svmで学習しておく。そして、他の特徴量をドライバ状態判定手段６００で判定することで、普段のドライバ状態と同じかどうかを判定できる。
【００６２】
また本実施形態では、特徴量の各データの判定結果として必ずドライバの状態を示していたが、判定できない場合は、判定できない旨を示すことも考えられる。具体的には、あるデータの判定結果として「−１」が付与されたデータは判定できないとして、ドライバの状態を求める際に利用しないということが考えられる。
【００６３】
更には、判定対象の特徴量において、判定できなかったデータが、特定の個数あった場合は、ドライバの状態として「判定不能」とし、判定結果を示さない、あるいは判定できなかった旨の情報をドライバに提示することも考えられる。
【００６４】
次に、ドライバ状態判定システム１０の物理的な構成について説明する。
【００６５】
ドライバ状態提示手段７００は、ディスプレイなどの情報表示装置を備えたコンピュータ上で動作するソフトウェアで実装すればよい。例えば、車載機器上のソフトウェアで実装された場合は、カーナビゲーションシステム上で、ドライバ状態に関する情報を表示することが考えられる。
【００６６】
状態設定手段２００は、心電計や心拍計、血圧計などのセンサに接続され、ドライバの状態を計測できるコンピュータか、ディスプレイなどの情報表示装置とタッチパネルやキーボードといった入力装置を備えたコンピュータ上で動作するソフトウェアで実装すればよい。
【００６７】
運転行動取得手段８００とデータ計測手段１００は、自動車の情報を得るためのセンサに接続されたり、地図情報を保持したり、インターネットに接続できたりするコンピュータ上で動作するソフトウェアで実装すればよく、例えば、カーナビゲーションシステム上で動作するソフトウェアが考えられる。
【００６８】
特徴量生成手段３００、判定器学習手段４００、及びドライバ状態判定手段６００は、カーナビゲーションシステム上やパーソナルコンピュータやサーバ型のコンピュータ上で動作するソフトウェアで実装すればよい。
【００６９】
判定器記憶手段５００は、運動行動と判定器を実装するモデルのパラメータを対応付けて記憶するデータベースであり、カーナビゲーションシステム上やパーソナルコンピュータやサーバ型のコンピュータ上に、広く知られているデータベースソフトウェアで実装すればよい。
【００７０】
ただし、本実施形態では、システム内の各手段について、特定の物理的な構成を前提としている訳ではない。
【００７１】
次に、図１に示した本実施形態のドライバ状態判定システム１０の動作について、図１０のフローチャートを参照して説明する。図１０に示すフローチャートでは、ドライバ状態を判定するための判定器を構築する「学習フェーズ」と、構築した判定器を用いてドライバ状態を判定する「判定フェーズ」を示す。
【００７２】
まず、学習フェーズについて説明する。状態設定手段２００は、ドライバ状態を設定する（ステップＳ１）。データ計測手段１００は、自車の車両情報と環境情報とを時々刻々計測し、記憶する（ステップＳ２）。運転行動取得手段８００は、運転行動判定ルールに基づき、ドライバの運転行動を取得する（ステップＳ３）。特徴量生成手段３００は、ステップＳ１で設定したドライバの状態と、ステップＳ２で計測した車両情報及び環境情報を用いて、ステップＳ３で取得した運転行動に応じた特徴量生成方法によって、ドライバ状態を判定するための判定器の構築に用いる特徴量を生成する（ステップＳ４）。
【００７３】
判定器学習手段４００は、ステップＳ４で生成した特徴量を蓄積する（ステップＳ５）。続いて、判定器学習手段４００が蓄積している特徴量の数、あるいはデータの数が、予め設定された閾値以上であるかどうかを判定する（ステップＳ６）。判定器学習手段４００が蓄積している特徴量の数、あるいはデータの数が、予め設定された閾値よりも少ない場合は（ステップＳ６がＮＯ）、以降の処理は行わずステップＳ１に戻る。
【００７４】
判定器学習手段４００が蓄積している特徴量の数、あるいはデータの数が、予め設定された閾値以上である場合は（ステップＳ６がＹＥＳ）、蓄積した特徴量を用いて、ドライバの状態と車両情報・環境情報の関係を学習し、車両情報・環境情報に対してドライバ状態を判定するための判定器を構築（学習）する（ステップＳ７）。
【００７５】
そして、判定器記憶手段５００は、ステップＳ７で学習した判定器のパラメータを、運転行動と関連付けて記憶する（ステップＳ８）。
【００７６】
次に、判定フェーズについて説明する。データ計測手段１００は、学習フェーズと同様、自車の車両情報と環境情報とを計測し、データ計測手段１００内のバッファに蓄積する（ステップＳ１０１）。続いて、運転行動取得手段８００は、学習フェーズと同様、運転行動判定ルールに基づき、運転行動を取得する（ステップＳ１０２）。
【００７７】
続いて、特徴量生成手段３００は、学習フェーズと同様、ステップＳ１０１で計測した車両情報及び環境情報から、ステップＳ１０２で取得した運転行動に応じた特徴量生成方法によって特徴量を生成する（ステップＳ１０３）。続いて、判定器記憶手段５００は、ステップＳ１０２で取得した運転行動に対応する判定器を取得する（ステップＳ１０４）。
【００７８】
ドライバ状態判定手段６００は、ステップＳ１０４で判定器記憶手段５００が取得した判定器を用いて、ステップＳ１０３で特徴量生成手段３００が生成した特徴量に対するドライバ状態を判定する（ステップＳ１０５）。そして、ドライバ状態提示手段７００は、ステップＳ１０５でドライバ状態判定手段６００が判定したドライバ状態をドライバに提示する（ステップＳ１０６）。
【００７９】
次に、本実施形態のドライバ状態判定システム１０の動作を、具体例を用いつつ詳細に説明する。
【００８０】
ドライバ状態判定システム１０は、文字列やボタンなどを表示できる画面、マウス、キーボード等を備えたカーナビゲーションシステムで構成されているものとし、自動車に搭載されているものとする。また、ドライバ状態判定システム１０は、自動車の各センサに接続されており、車速やブレーキ踏み込み量などの車両情報を入手したり、インターネットやＶＩＣＳ、あるいは自身の地図情報などから、環境情報を取得できるものとする。また、判定器記憶手段５００は、データベースプログラム上で動作しているものとする。
【００８１】
ここでは、交差点での停止行動において、ドライバの状態としてゆとり状態と通常状態を判定する例について説明する。つまり、ある交差点での停止行動において、ゆとり状態、通常状態それぞれに対応した特徴量から判定器を構築し、他の交差点での停止行動における特徴量に対するドライバ状態を判定する例について図１０のフローチャートを併せ参照して説明する。
【００８２】
図１０のステップＳ１で、状態設定手段２００は図２の画面を提示し、ドライバが「ゆとり」を選択したものとし、ドライバの状態として「ゆとり」を取得する。続くステップＳ２で、データ計測手段１００が図１１に１１０１で示す車両情報及び環境情報を計測したとする。
【００８３】
次のステップＳ３では、運転行動取得手段８００が運転行動を取得する。ここでは、運転行動取得手段８００が図４の運転行動判定ルール４０１を保持しているものとする（なお、運転行動判定ルール４０１中の停止行動における「交差点」は以下の説明では「停止位置」であるものとする。）。図１１の１１０１に示した計測された車両情報及び環境情報を見ると、図４の運転行動判定ルール４０１中の停止行動に関する運転行動判定ルールが合致する。具体的には、図１１の１１０１に示した計測された車両情報では、走行時間の経過につれて減速していき、最終的に走行距離２００ｍの位置で速度０ｋｍ／ｈの停止状態に到ることが示されている。また、その停止位置の手前１００ｍの走行距離１００ｍの位置では速度が３０ｋｍ／ｈ以上であり、それ以降常に減速状態にある。従って、これは上記の停止行動に関する運転行動判定ルール４０１に合致したものとし、運転行動取得手段８００が運転行動を停止行動と判定する。
【００８４】
続いて、ステップＳ４で、特徴量生成手段３００が、図１１に示す車両情報及び環境情報１１０１などを用いて、図１２に示す特徴量１２０１を生成する。ここでは、特徴量生成手段３００が、図３３の３３０１に示す特徴量生成方法を保持しているものとする。特徴量生成手段３００は、この図３３に示す停止行動に関連する特徴量生成方法３３０１を用いて、図１１に示す車両情報及び環境情報１１０１中の走行時間と走行距離とから、停止までの時間、停止までの距離という値を計算し、他の車両情報、環境情報及びドライバの状態と合わせ特徴量とするものとする。これにより、特徴量生成手段３００は、図１２に示す特徴量１２０１を生成する。図１２に示す特徴量１２０１は、ドライバ状態が「１」であり、これはドライバ状態がゆとり状態であることを表す。
【００８５】
次に、ステップＳ５において、判定器学習手段４００は、ステップＳ４で生成した特徴量１２０１を蓄積する。ここで、判定器学習手段４００が蓄積する特徴量の閾値を「２」とすると、ステップＳ６において、判定器学習手段４００が蓄積する特徴量の数はこの段階では「１」であり、閾値よりも小さいため、以降の処理は行わない。
【００８６】
続いて、別の交差点において、通常状態において、同様に停止行動を行い、特徴量を生成する処理について説明する。
【００８７】
図１０のステップＳ１において、ドライバが提示されたドライバの状態の複数の候補の中から通常状態を選択したものとすると、状態設定手段２００が通常状態を設定する。図１０のステップＳ２からステップＳ５までの処理は上記の場合と同様に行われる。ただし、今回は、データ計測手段１００が図１１の１１０２に示す車両情報及び環境情報を計測し（ステップＳ２）、特徴量生成手段３００が図１２の特徴量１２０２を生成したものとする（ステップＳ４）。
【００８８】
この結果、ステップＳ６において、判定器学習手段４００が蓄積する特徴量の数（積算値）は「２」となり、閾値「２」以上になるため、ステップＳ７に処理を移す。ステップＳ７では、判定器学習手段４００が、ＳＶＭを用いて分割平面を求める。具体的には、図１２の特徴量１２０１の各データと特徴量１２０２の各データを個々にベクトル表現し、特徴空間に配置する。そして、ドライバの状態を２分する（ゆとり：１，通常：２）分割平面を求める。
【００８９】
続くステップＳ８では、判定器記憶手段５００が、ステップＳ７で求めた停止行動のドライバ状態を判定する分割平面を、図７の７０１に示すように（図７ではモデル１）記憶する。これにより、学習フェーズは終了する。
【００９０】
次に、別の交差点で、ドライバの状態が不明な状態での停止行動に対し、ドライバ状態を判定する本実施形態の判定フェーズの処理について説明する。
【００９１】
図１０のステップＳ１０１は、データ計測手段１００が、図１３の１３０１に示す車両情報及び環境情報を計測したものとする。続くステップＳ１０２では、運転行動取得手段８００が運転行動を取得する。ここでは、計測された図１３の車両情報及び環境情報１３０１は、走行距離１１００ｍでの停止位置の手前１００ｍの走行距離１０００ｍの位置では速度が３０ｋｍ／ｈ以上であり、それ以降常に減速状態にあるので、図４の運転行動判定ルール４０１の停止行動に合致することから、運転行動取得手段８００は、運転行動として「停止行動」を取得する。
【００９２】
ここでは、図１０のステップＳ１０３において、特徴量生成手段３００が、図１３に示した車両情報及び環境情報１３０１を用いて、走行時間、走行距離から、停止までの時間、停止までの距離という値を計算し、他の車両情報、環境情報及びドライバの状態と合わせ図１３の１３０２に示す特徴量を生成する。
【００９３】
続くステップＳ１０４では、ドライバ状態判定手段６００が、停止行動に対して判定器記憶手段５００が記憶している分割平面のパラメータである図７の７０１を取得し、分割平面を再構築する。続くステップＳ１０５では、ドライバ状態判定手段６００が、ステップＳ１０４で取得した分割平面に対し、ステップＳ１０３で生成した図１３に示す特徴量の各データ１３０２が、ゆとり状態、通常状態のいずれに分類されるか逐次判定する。ここでは、ドライバ状態は、図１３の１３０３に示すように判定されたとものとする。つまり、図１３に示すドライバ状態１３０３からゆとり状態が全部で１０回、通常状態が３回という結果が得られる。
【００９４】
続くステップＳ１０６では、ドライバ状態提示手段７００が、ステップＳ１０５でドライバ状態判定手段６００が判定した判定結果（図１３のドライバ状態１３０３）を図９（Ａ）又は（Ｂ）に示すようにドライバに提示する。この例は、メータがゆとり側にふれており、かつ、その割合が７７％であることを示している。
【００９５】
次に、本実施形態のドライバ状態判定システム１０の効果について説明する。
【００９６】
本実施形態のドライバ状態判定システム１０では、運転行動に応じて特徴量を生成し、判定器を構築している。そのため、ドライバの運転全体で捉えるよりも精度良くドライバの状態と車両情報・環境情報の関係を学習でき、車両情報・環境情報に対してドライバ状態を判定するための判定器を構築できる。
【００９７】
また、本実施形態のドライバ状態判定システム１０では、運転行動毎に特徴量を生成し、判定処理を行っているため、精度良くドライバ状態を判定できる。更には、特徴量の各データ毎に判定しているため、判定器あるいは特徴量の誤差やノイズの影響を受けにくいという特長がある。
【００９８】
（第２の実施形態）
次に、本発明になるドライバ状態判定システムの第２の実施形態について説明する。図１４は、本発明になるドライバ状態判定システムの第２の実施形態のブロック図を示す。同図中、図１と同一構成部分には同一符号を付し、その説明を省略する。図１４に示す本実施形態のドライバ状態判定システム２０は、図１に示した第１の実施形態のドライバ状態判定システム１０と比較すると、ドライバ状態判定手段６００とドライバ状態提示手段７００との間に判定結果蓄積手段９００が追加されている点で異なる。
【００９９】
第１の実施形態のドライバ状態判定システム１０では、ドライバ状態判定手段６００が判定した結果をそのままドライバ状態提示手段７００が提示していた。ここで、実際の運転環境を考えると、ドライバは同じ状態で走行していても、外的な要因のために一時的に状態を乱される場合がある。例えば、突然割り込みされたり、歩行者が飛び出してきた場合、一時的にドライバの状態が変化してしまう。その結果、例えば「ゆとり」状態を維持していたとしても、一時的な事象のために「危険」状態と判定してしまう。
【０１００】
更に第１の実施形態のドライバ状態判定システム１０では、運転行動取得手段８００が次の運転行動を取得するまでは、ドライバの状態が変わらないため、以後「ゆとり」状態であっても、ドライバ状態提示手段７００により「危険」状態と表示され続けることで、ドライバにとって納得性が低い情報提示になってしまう。
【０１０１】
そこで、本実施形態の判定結果蓄積手段９００は、過去の判定結果を記憶しておき、その過去の判定結果を現在の判定結果と比較して得た比較結果に基づいて、提示すべき判定状態を決定する。判定結果蓄積手段９００は、運転行動取得手段８００が取得した運転行動と、それに対する判定結果との組を記憶すると共に、記憶している過去の運転行動と判定結果との組と、ドライバ状態判定手段６００からの現在の判定結果とから、現在の判定結果が適切かどうかを判定し（状態遷移の有無を判定し）、適切であればそのまま、そうでなければ現在の判定結果を修正し、ドライバ状態提示手段７００に送信する。
【０１０２】
図１５は、判定結果蓄積手段９００が蓄積する運転行動と判定結果との組の各例を示す。判定結果蓄積手段９００は、同じ運転行動において２回以上連続して同じ状態が判定された場合に、状態が遷移したと判定する場合について説明する。
【０１０３】
ここで、ドライバ状態判定手段６００は、過去に３回停止行動でゆとり状態と判定し、１回発進行動でゆとり状態と判定したものとすると、判定結果蓄積手段９００は、それぞれの運転行動と判定結果とを対応付けて図１５に１５０１で示すデータを蓄積している。
【０１０４】
この状態において、次にドライバ状態判定手段６００が停止行動に対して通常状態と判定した場合について説明する。ここで、過去に３回停止行動で連続してゆとり状態と判定されているため、今回の判定は間違い、あるいは何らかの外乱によるものであると考える。
【０１０５】
そして、判定結果蓄積手段９００は、図１５に１５０２で示すように、今回の停止行動と通常状態という組を追加記憶するが、上記のように今回の判定は間違い、あるいは何らかの外乱によるものであると判断して、ドライバ状態提示手段７００には、ゆとり状態を送信する。
【０１０６】
もし、次の判定においても、ドライバ状態判定手段６００が、ドライバ状態が通常状態であると判定した場合は、判定結果蓄積手段９００は、図１５に１５０３で示すように、今回も停止行動と通常状態という組を追加記憶するが、２回ゆとり状態が連続するので、今度はドライバ状態がゆとり状態から通常状態に遷移したと判断し、ドライバ状態提示手段７００には、通常状態を送信する。
【０１０７】
このように、本実施形態では、ドライバの状態が間違いかどうかを判定する指標として、同じ運転行動とドライバ状態の組が連続して判定される回数を用いているが、ドライバ状態の連続性を判定する他の指標として、環境情報も用いてもよい。この場合は、例えば、２つの判定結果に関連する特徴量の環境情報同士の相関係数やベクトル間のコサイン値を用いるｃｏｓ類似度によって環境情報の類似度を求め、類似する環境情報で、運転行動とドライバ状態の組が連続して判定されている場合は、次に違うドライバ状態が判定されても、ドライバ状態は遷移していないものとする。
【０１０８】
また、本実施形態では、判定結果蓄積手段９００は、修正した判定結果のみをドライバ状態提示手段７００に送信したが、修正前の判定結果も送信してもよい。この場合は、ドライバ状態提示手段７００は、図１７に１７０２で示すように、ゆとり状態と通常状態とを比較しながら両結果を提示したり、図１７に１７０３で示すように、判定不能、あるいは判定が困難であることを示す文字を提示してもよい。あるいは、ドライバ判定状態提示手段７００が、「もしかして“ゆとり”がなくなりました？」や「“ゆとり”が少なくなってきました」のように、状態が変化しつつある可能性があることを提示することも考えられる。
【０１０９】
次に、図１４に示した本実施形態のドライバ状態判定システム２０の動作について、図１６のフローチャートを参照して説明する。図１６に示すフローチャートでは、ドライバ状態を判定するための判定器を構築する「学習フェーズ」と、構築した判定器を用いてドライバ状態を判定する「判定フェーズ」を示す。
【０１１０】
本実施形態のドライバ状態判定システム２０は、第１の実施形態のドライバ状態判定システム１０と同様に動作するが、状態判定手段６００が判定した結果を記憶し、判定結果が正しいかどうかを判定し、間違えている場合は判定結果を修正する点で、第１の実施形態のドライバ状態判定システム１０と動作が異なる。
【０１１１】
図１６の学習フェーズを示すステップＳ１〜ステップＳ８と、判定フェーズ中のステップＳ１０１からステップＳ１０５の動作は第１の実施形態と同じであるため、図１０と同一符号を付し、その説明を省略する。
【０１１２】
図１６において、ステップＳ１０５に続くステップＳ２０１において、判定結果蓄積手段９００は、運転行動取得手段８００が取得した運転行動と、ドライバ状態判定手段６００が判定器記憶手段５００からの判定器を用いて、特徴量生成手段３００が生成した特徴量に対するドライバ状態をステップＳ１０５で判定して得たドライバ状態とを取得し、それらの組を判定結果として蓄積する。
【０１１３】
続いて、判定結果蓄積手段９００は、既に蓄積している過去の判定結果と、この度新たに蓄積する現在の判定結果とを比較し、現在の判定結果が誤判定かどうかを判定する（ステップＳ２０２）。判定結果蓄積手段９００は、現在の判定結果が過去の判定結果と予め定めた回数（例えば、２回）連続して同じであれば、誤判定でないと判断して、その現在の判定結果をドライバ状態提示手段７００に供給して、その判定結果を提示させる（ステップＳ１０６）。
【０１１４】
一方、判定結果蓄積手段９００は、現在の判定結果が過去の判定結果と上記の予め定めた回数連続して同じでないときは、誤判定であると判断して、その現在の判定結果を修正する（ステップＳ２０３）。その修正方法は、例えば前述したように、現在の判定結果に対して上記の予め定めた回数前の過去の判定結果を採用する方法である。ドライバ状態提示手段７００は、判定結果蓄積手段９００から上記の修正結果を受けて修正した判定結果を提示する（ステップＳ１０６）。
【０１１５】
次に、第２の実施形態のドライバ状態判定システム２０の動作を、具体例を用いつつ更に詳細に説明する。
【０１１６】
本実施の形態では図１６のステップＳ１０５において、ドライバ状態判定手段６００が停止行動に対しドライバ状態が「通常状態」であると判定した場合について説明する。更には、図１５に示すように、過去に４回ドライバ状態を判定しており、停止行動において３回ゆとり状態と判定し、発進行動において１回ゆとり状態と判定していたものとする。
【０１１７】
図１６のステップＳ２０１では、判定結果蓄積手段９００は、図１５に１５０１で示すように過去に蓄積された判定結果に加えて、ステップＳ１０５で判定した現在の判定結果を図１５に１５０２で示すように蓄積する。続く図１６のステップＳ２０２では、判定結果蓄積手段９００は、過去の判定結果１５０１と現在の判定結果１５０２とを比較し、ステップＳ１０５で判定した判定結果が正しいかどうか判定する。
【０１１８】
本実施の形態では、同じ運転行動において２回以上連続して同じ状態が判定された場合に、状態が遷移したと判定するものとすると、判定結果蓄積手段９００は、ステップＳ１０５で判定した判定結果１５０２の「停止行動，通常状態」は誤りであると判定する。そのため、図１６のステップＳ２０３において、判定結果蓄積手段９００は、判定結果を「通常状態」から「ゆとり状態」に修正する。
【０１１９】
図１６のステップＳ１０６では、図１６のステップＳ２０３で修正された判定結果を判定結果蓄積手段９００から供給されたドライバ状態提示手段７００が、例えば図１７に１７０１で示すように提示する。
【０１２０】
次に、本実施形態のドライバ状態判定システム２０の効果について説明する。本実施形態のドライバ状態判定システム２０では、過去の判定結果を用いて、現在の判定結果が外乱により誤ったかどうか判定しているため、環境や周辺車両等の影響による一時的な判定結果の変化を吸収でき、安定してドライバ状態を判定できる。
【０１２１】
（第３の実施形態）
次に、本発明になるドライバ状態判定システムの第３の実施形態について説明する。図１８は、本発明になるドライバ状態判定システムの第３の実施形態のブロック図を示す。同図中、図１と同一構成部分には同一符号を付し、その説明を省略する。図１８に示す本実施形態のドライバ状態判定システム３０は、図１に示した第１の実施形態のドライバ状態判定システム１０と比較すると、運転行動取得手段８００とドライバ状態判定手段６００との間に重要度記憶手段１０００が追加されている点で異なる。
【０１２２】
第１の実施形態のドライバ状態判定システム１０では、ドライバ状態判定手段６００は、特徴量生成手段３００が生成した特徴量の各データに対するドライバ状態を逐次判定していた。
【０１２３】
しかし、ドライバ状態の特徴は、運転行動中に一様に現れないと考えられる。例えば、停止行動においては、停止行動開始を表すアクセルを外すタイミングや、ブレーキを踏み始めるタイミングにドライバ状態の特徴が現れると考えられる。一方で、停止間際では、どのようなドライバ状態であっても似たような車両操作を行うと考えられる。
【０１２４】
そこで、本実施形態のドライバ状態判定システム３０は、特徴量の各データに対するドライバ状態を逐次判定する際に、運転行動に応じて各データの判定結果に重み付けを行い、ドライバ状態をより正確に判定しようとするものである。
【０１２５】
重要度記憶手段１０００は、運転行動と、その運転行動に対応した重み付けルールとを対応付けて記憶する。図１９は、運転行動に対応した重み付けルールの例を示す。図１９に示す重み付けルールでは、例えば、停止行動において、停止まで５０〜１００ｍの特徴量の判定結果に対しては２.０の重み付けを行い、停止まで０〜５０ｍの特徴量の判定結果に対しては１.０の重み付けを行う。
【０１２６】
具体的には、特徴量の停止まで５０〜１００ｍの範囲にあるドライバ状態のデータが「ゆとり状態」と判定された場合、１データあたり２データ「ゆとり状態」と判定されたものと同等に扱う。一方、停止まで０〜５０ｍの範囲にあるドライバ状態のデータについては、重み付けは１.０とするため、第１の実施形態と同様、各データの判定結果をそのまま利用する。
【０１２７】
ドライバ状態判定手段６００は、重要度記憶手段１０００が選択した重み付けルールに従い、特徴量生成手段３００が生成した特徴量に対してドライバ状態を判定する。
【０１２８】
ここで、図２０の停止行動における特徴量を用いてドライバ状態判定手段６００によるドライバ状態の判定処理を説明する。図２０に示す特徴量２００１に対して、ドライバ状態判定手段６００は、第１の実施形態と同様にドライバ状態を判定し、その判定結果が図２０に示すドライバ状態（暫定）２００２であるとする。
【０１２９】
ここで、ドライバ状態判定手段６００は、図１９に示した重み付けルールから、図２０に２００３で示す重み付けを取得する。そして、ドライバ状態判定手段６００は、図２０に示すドライバ状態（暫定）２００２と重み付け２００３とから、ゆとり状態、通常状態のドライバ状態の判定結果を図２０に２００４で示すように求める。例えば、通常状態の場合、図２０に示すように重み付けが２のデータが１つ、重み付けが１のデータが２つであるため、通常状態は４（＝２＋１＋１）とする。また、ゆとり状態の場合、図２０に示すように重み付けが２のデータが６つ、重み付けが１のデータが４つであるため、ゆとり状態は１６（＝２×６＋１×４）とする。
【０１３０】
なお、本実施形態では、重み付けルールを停止まで、あるいは発進からの距離区間で指定したが、他のパラメータ（例えば、時間や特定の環境情報）を含めた関数で指定してもよい。
【０１３１】
次に、図１８に示す第３の実施形態のドライバ状態判定システム３０の動作を、図２１のフローチャートを参照して説明する。図２１に示すフローチャートでは、ドライバ状態を判定するための判定器を構築する「学習フェーズ」と、構築した判定器を用いてドライバ状態を判定する「判定フェーズ」を示す。
【０１３２】
本実施形態のドライバ状態判定システム３０は、第１の実施形態のドライバ状態判定システム１０と同様に動作するが、ドライバ状態判定手段６００が、重要度記憶手段１０００が記憶している重み付けルールに基づいて、特徴量生成手段３００が生成した特徴量の判定結果に重み付けを行う点で、第１の実施形態と異なる。
【０１３３】
図２１の学習フェーズを示すステップＳ１〜ステップＳ８と、判定フェーズ中のステップＳ１０１からステップＳ１０５の動作は第１の実施形態と同じであるため、図１０と同一符号を付し、その説明を省略する。
【０１３４】
図２１において、ステップＳ１０５に続くステップＳ３０１において、図１８のドライバ状態判定手段６００は、重要度記憶手段１０００が記憶している重み付けルールの中から、特徴量生成手段３００が生成した特徴量の運転行動に対応する重み付けルールを取得する。
【０１３５】
続いて、ドライバ状態判定手段６００は、ステップＳ１０５で判定したドライバ状態に対して、ステップＳ３０１で取得した重み付けルールを適用し、判定結果に重み付けを行う。その際、ドライバ状態判定手段６００は、ステップＳ３０１で取得した重み付けルールに従って、判定結果に重み付けを行う（ステップＳ３０２）。
【０１３６】
次に、第３の実施形態のドライバ状態判定システム３０の動作を、具体例を用いつつ更に詳細に説明する。
【０１３７】
本実施形態では、停止行動における図２０に示す特徴量２００１に対して、図２１のステップＳ１０５で、図２０に示すドライバ状態２００２のように判定されたとものとする。また、重要度記憶手段１０００が、図１９に示す重み付けルールを記憶しているものとする。
【０１３８】
図２１のステップＳ３０１で、図１８に示すドライバ状態判定手段６００は、停止行動に対する重み付けルールとして「停止まで５０〜１００ｍは、２.０，停止まで０〜５０ｍは１.０」を取得する。つまり、停止まで５０〜１００ｍ区間では、１回の判定結果について２回判定されたものとカウントし、一方停止まで０〜５０ｍ区間では、１回の判定結果について１回判定されたものとしてカウントする。
【０１３９】
続いて、図２１のステップＳ３０２で、ドライバ状態判定手段６００は、上記の重み付けルールに基づいて判定結果を求める。具体的には図２０の２００４のように求め、ドライバ状態として「ゆとり状態１６，通常状態４」を求める。
【０１４０】
次に、本実施形態のドライバ状態判定システム３０の効果について説明する。本実施形態のドライバ状態判定システム３０では、運転行動において、ドライバの状態が最も現れやすい時間や距離などに重み付けを行い、ドライバ状態を判定するため、運転行動に対して、精度良くドライバ状態を判定できる。
【０１４１】
（第４の実施形態）
次に、本発明になるドライバ状態判定システムの第４の実施形態について説明する。図２２は、本発明になるドライバ状態判定システムの第４の実施形態のブロック図を示す。同図中、図１と同一構成部分には同一符号を付し、その説明を省略する。図２２に示す本実施形態のドライバ状態判定システム４０は、図１に示した第１の実施形態のドライバ状態判定システム１０と比較すると、運転行動取得手段８００とドライバ状態判定手段６００との間に判定信頼度設定手段１１００が追加されている点で異なる。
【０１４２】
第１の実施形態のドライバ状態判定システム１０では、運転行動を検出すると必ずドライバ状態の判定処理を行っていた。しかし、自動車の周辺の状況によっては、ドライバ状態の特徴が現れない可能性があると考えられる。例えば、ゆとり運転の場合、晴れた日の広い道路での運転よりも、雨の日の狭い道路での運転のほうがドライバの特徴がでにくいと考えられる。つまり、周辺の状況によっては判定結果の信頼度が低い場合があり得る。ここで、「周辺の状況」とは、環境情報として得られる天候や道路の種類などを示す。
【０１４３】
そこで、本実施形態のドライバ状態判定システム４０は、周辺の状況に応じて判定結果に信頼度を付与し、判定結果の利用可否を決定したり、提示方法、利用方法を変更したりするものである。
【０１４４】
図２２において、判定信頼度設定手段１１００は、データ計測手段１００が計測した環境情報に対して、判定信頼度を設定する。また、判定信頼度設定手段１１００は、データ計測手段１００が計測した環境情報に対して判定信頼度を決定するための信頼度設定ルールを保持している。
【０１４５】
図２３は、判定信頼度設定手段１１００が保持する上記の信頼度設定ルールの例を示す。図２３に示すように、信頼度設定ルールは、周辺状況として、天候が晴れ、道幅が広い道路を走っている場合には、判定信頼度を１.０とする。また、信頼度設定ルールは、天候が晴れ、道幅が狭い道路を走っている場合には、判定信頼度を０.７とし、天候が雨、道幅が広い道路を走っている場合には判定信頼度を０．６と、天候が雨、道幅が狭い道路を走っている場合には判定信頼度を０.３とする。このように、信頼度設定ルールは、信頼度を周囲状況に応じた運転のし易さに対応した値に設定するルールである。
【０１４６】
従って、図２２に示すデータ計測手段１００が環境情報として、例えば「天候が雨，道幅が狭い」を計測した場合は、判定信頼度設定手段１１００はこの計測環境情報を受け、図２３に示した信頼度設定ルールに従い、「０.３」の値の判定信頼度をドライバ状態判定手段６００に供給する。
【０１４７】
図２２に示すドライバ状態判定手段６００は、判定信頼度の値に応じて、判定方法を変更する。例えば、判定信頼度が閾値以下であれば、判定処理を行わず、「判定不可能」である旨をドライバ状態提示手段７００に供給する。あるいは、ドライバ状態判定手段６００は、第１の実施形態と同様に、判定器記憶手段５００が選択した判定器を用いて、特徴量生成手段３００が抽出した特徴量に対するドライバ状態を判定し、判定結果に判定信頼度を乗じた値を判定結果として、ドライバ状態提示手段７００に供給する。あるいは、ドライバ状態判定手段６００は、判定結果と判定信頼度との組をドライバ状態提示手段７００に供給する。
【０１４８】
なお、本実施形態では、判定信頼度を１つの値で表したが、特徴量の各データ毎に判定信頼度を取得してもよい。この場合は、特徴量の各データに判定信頼度を取得することで、一部環境情報が異なるデータがある場合などでも、詳細に判定信頼度を付与できる。
【０１４９】
次に、図２２に示す本実施形態のドライバ状態判定システム４０の動作を、図２４のフローチャートを参照して説明する。図２４に示すフローチャートでは、ドライバ状態を判定するための判定器を構築する「学習フェーズ」と、構築した判定器を用いてドライバ状態を判定する「判定フェーズ」を示す。
【０１５０】
本実施形態のドライバ状態判定システム４０は、第１の実施形態のドライバ状態判定システム１０と同様に動作するが、判定信頼度設定手段１１００が判定信頼度を設定し、ドライバ状態判定手段６００が、判定信頼度設定手段１１００が設定した判定信頼度を用いてドライバ状態を判定する点で、第１の実施形態と異なる。
【０１５１】
図２４の学習フェーズを示すステップＳ１〜ステップＳ８と、判定フェーズ中のステップＳ１０１からステップＳ１０４の動作は第１の実施形態と同じであるため、図１０と同一符号を付し、その説明を省略する。
【０１５２】
図２４において、ステップＳ１０４に続くステップＳ４０１では、判定信頼度設定手段１１００は、データ計測手段１００が計測した環境情報に対し、信頼度設定ルールを用いて、判定信頼度を設定する。
【０１５３】
続いて、図２２に示すドライバ状態判定手段６００は、判定信頼度の値に応じて、判定方法を変更して、ドライバ状態を判定する（ステップＳ４０２）。例えば、図２２に示すドライバ状態判定手段６００は、判定信頼度設定手段１１００からの判定信頼度が閾値以下であれば、判定処理を行わず、「判定不可能」である旨の情報をドライバ状態提示手段７００に供給する。あるいは、図２２に示すドライバ状態判定手段６００は、第１の実施形態と同様に、判定器記憶手段５００が選択した判定器を用いて、特徴量生成手段３００が抽出した特徴量に対するドライバ状態を判定し、判定結果に判定信頼度を乗じた値を判定結果として、ドライバ状態提示手段７００に供給してもよい。
【０１５４】
図２２に示すドライバ状態提示手段７００は、ドライバ状態判定手段６００から上記のドライバ状態の判定情報を受けてそれを提示する（図２４のステップＳ１０６）。
【０１５５】
次に、第４の実施形態のドライバ状態判定システム４０の動作を、具体例を用いつつ更に詳細に説明する。
【０１５６】
ここでは、一例として判定信頼度設定手段１１００が図２５に示す信頼度設定ルール２５０５を保持しているものとする。また、特徴量生成手段３００が、図２５に示す特徴量２５０１を生成したものとする。
【０１５７】
この場合、図２４のステップＳ４０１では、判定信頼度設定手段１１００が、データ計測手段１００が計測した環境情報に対し、図２５に示した信頼度設定ルール２５０５を用いて、判定信頼度を設定する。
【０１５８】
続いて、図２４のステップＳ４０２では、図２２に示すドライバ状態判定手段６００は、判定信頼度設定手段１１００により設定された図２５に示す判定信頼度２５０５を入力として受け、図２５に示すように特徴量の各データ２５０１に信頼度２５０３を付与する。図２５に示す特徴量の各データ２５０１は「晴れ，一般道」であるため、図２５に示すように、判定信頼度２５０５に基づき付与される信頼度２５０３は「０.７」となる。
【０１５９】
更に、上記のステップＳ４０２では、図２２に示すドライバ状態判定手段６００は、第１の実施形態と同様に、判定器記憶手段５００が選択した判定器を用いて、特徴量生成手段３００が抽出した特徴量に対するドライバ状態を判定する。これにより得られる判定結果は、図２５にドライバ状態（暫定）２５０２として示される。
【０１６０】
更に、上記のステップＳ４０２では、図２２に示すドライバ状態判定手段６００は、ドライバ状態（暫定）２５０２のゆとり状態、通常状態の数をそれぞれカウントし、そのカウント値に信頼度２５０３を乗じた値を算出し、図２５に２５０４で示すドライバ状態を得る。ここでは、図２５に示すように、ゆとり状態の数「１０」に信頼度２５０３の値「０.７」を乗じた値「７」と、通常状態の数「３」に信頼度２５０３の値「０.７」を乗じた値「２.１」とをドライバ状態２５０４とする。そして、図２２に示すドライバ状態判定手段６００は、算出したドライバ状態２５０４をドライバ状態提示手段７００に供給する。
【０１６１】
次に、本実施形態のドライバ状態判定システム４０の効果について説明する。本実施形態のドライバ状態判定システム４０では、ドライバ状態の判定結果に信頼度を付与することにより、判定が困難であったり、判定精度があまり高くないことを示すことができる。そのため、本実施形態のドライバ状態判定システム４０では、ドライバに誤ったドライバ状態を示す割合が下がり、信頼度の低い誤判定結果であれば、ドライバは間違いを納得できたりするなど、ドライバのドライバ状態判定結果に対する信頼性が向上する。
【０１６２】
（第５の実施形態）
次に、本発明になるドライバ状態判定システムの第５の実施形態について説明する。図２６は、本発明になるドライバ状態判定システムの第５の実施形態のブロック図を示す。同図中、図１と同一構成部分には同一符号を付し、その説明を省略する。図２６に示す本実施形態のドライバ状態判定システム５０は、図１に示した第１の実施形態のドライバ状態判定システム１０と比較すると、判定器類似度計算手段１２００と判定器統合手段１３００とが追加されている点で異なる。
【０１６３】
また、本実施形態では、このドライバ状態判定システム５０を複数のドライバが利用するものとし、判定器記憶手段５００はドライバと運転行動に関連付けて複数の判定器を保持する。更に、本実施形態では、判定器記憶手段５００は、複数の判定器とそれぞれ関連付けて、判定器を構築するのに用いた特徴量も記憶するものとする。
【０１６４】
図２８は、本実施形態における判定器記憶手段５００が記憶する判定器等を示す。図２８の２８０２に示すように、例えば、ドライバＸの停止行動の判定器はＡ、右折行動の判定器はＣである。また、ドライバＹの停止行動の判定器はＢである。
【０１６５】
しかし、ドライバ状態判定システム５０を車載器に搭載した場合を考えると、記憶容量に制限があり、多くの判定器を保持することは困難である。例えば、図２８の２８０２に示すドライバと運転行動に対応した判定器の場合、判定器記憶手段５００は、同じ停止行動に対して複数のドライバＸ及びＹの判定器Ａ及びＢを記憶している。
【０１６６】
そこで、本実施形態では、後述するように、判定器記憶手段５００が記憶している判定器のうち、類似する判定器を探し、それらを統合することで、使用する記憶容量を削減する。具体的には、判定器類似度計算手段１２００が、判定器同士の類似度を求め、判定器統合手段１３００が類似度に基づいて、判定器同士を統合する。
【０１６７】
判定器類似度計算手段１２００は、判定器記憶手段５００が記憶する任意の判定器を２つ選択し、一方の判定器を用いて、他方の判定器の構築に使用した特徴量を再判定し、判定結果が正しいか判定する。同様に、もう一方の組み合わせでも再判定を行い、両判定正解率の積を類似度とする。
【０１６８】
この類似度の計算方法について図２７と共に更に詳細に説明する。図２６に示す判定器記憶手段５００が記憶しているドライバＸ、Ｙの停止行動に関する判定器Ａ、Ｂについて、それぞれの判定器を構築するために特徴量Ａ−１からＡ−５、特徴量Ｂ−１からＢ−５（図２７の２７０１、２７０２）が用いられたものとする。ただし、判定器を構築するのに使用した特徴量は、判定器に関する情報として判定器記憶手段５００が記憶しているものとする。
【０１６９】
ここで、判定器Ｂを用いて上記の特徴量Ａ−１〜Ａ−５のドライバ状態を判定して図２７に２７０３で示す判定結果を得、判定器Ａを用いて上記の特徴量Ｂ−１〜Ｂ−５のドライバ状態を判定して図２７に２７０４に示す判定結果を得たものとする。判定結果２７０３及び２７０４それぞれの正解率は、図２７に示すようにいずれも４／５であるので、類似度は０.６４（＝（４／５）・（４／５）＝１６／２５）と算出される。
【０１７０】
判定器統合手段１３００は、判定器類似度計算手段１２００が計算した類似度に基づいて、判定器の統合処理を行う。例えば、類似度が閾値以上の判定器組の一方の名称をもう一方に変更し、名称を変更した判定器を削除する。
【０１７１】
この判定器の統合処理について、図２８を用いて具体的に説明する。図２８の２８０１が判定器類似度計算手段１２００が計算した類似度であるとする。ここでは、判定器Ａと判定器Ｂとの間の類似度が「０.９」、判定器Ａと判定器Ｃとの間の類似度が「０.２」、判定器Ｂと判定器Ｃとの間の類似度が「０.５」である。ここで、類似度統合手段１３００が、閾値「０.８」以上の類似度をもつ判定器組みを統合するものとすると、類似度統合手段１３００は、類似度計算結果２８０１に基づき、判定器Ｂを削除し、判定器Ａに統合する。この結果、図２８の２８０２に示すドライバと運転行動に対する判定器は、判定器Ｂが判定器Ａに変更される。
【０１７２】
なお、本実施形態では、判定器の類似度に、判定器を学習する際に用いた特徴量を他の判定器を用いて判定した判定結果の正解率を用いたが、他の値を用いてもよい。例えば、ＳＶＭを用いた判定器であれば、２つの判定器のサポートベクタ同士のｃｏｓ類似度や、分割平面の近さを用いて類似度を求めることも考えられる。
【０１７３】
また、本実施形態では、類似する判定器のうち一方を削除することで判定器を統合したが、他の方法を用いてもよい。例えば、それぞれの判定器を構築するのに用いた特徴量をすべて用いて再度判定器を構築し直し、両判定器を置き換えることも考えられる。
【０１７４】
また、類似度を計算し、統合処理を行う対象として、異なるドライバ間、同じ運転行動に関する判定器とは限らず、同じドライバ間や、異なる運転行動に関する判定器に対して行うことも考えられる。
【０１７５】
次に、図２６に示す本実施形態のドライバ状態判定システム５０の要部の動作を、図２９のフローチャートを参照して説明する。図２９に示すフローチャートは、前記した判定器の学習フェーズ及び判定フェーズとは別に動作する統合フェーズのフローチャートを示す。
【０１７６】
図２６において、類似度計算手段１２００は、判定器記憶手段５００が記憶している判定器を２つ取得する（ステップＳ５０１）。続いて、類似度計算手段１２００は、ステップＳ５０１で取得した２つの判定器同士の類似度を求める（ステップＳ５０２）。続いて、類似度計算手段１２００が、判定器記憶手段５００が記憶している判定器のすべての組み合わせについて類似度を求めたかどうか判定する（ステップＳ５０３）。判定器のすべての組み合わせについて類似度を求めていない場合は、ステップＳ５０１に戻る。このようにして、判定器記憶手段５００が記憶している判定器のすべての組み合わせについて類似度を求めるまで、ステップＳ５０１〜Ｓ５０３の処理を繰り返す。
【０１７７】
ステップＳ５０３で類似度計算手段１２００が、判定器記憶手段５００が記憶している判定器のすべての組み合わせについて類似度を求めたと判定された場合は、判定器統合手段１３００は、ステップＳ５０３までに類似度計算手段１２００が求めた判定器同士の類似度を用いて、統合対象となる判定器を選択する（ステップＳ５０４）。
【０１７８】
ステップＳ５０４では、例えば、類似度順にソートし、上位から予め決まった件数、あるいは割合の判定器を統合対象となる判定器として選択する。あるいは、予め決められた閾値以上の類似度を持つ判定器組を選択する。あるいは、類似度の分布から、平均値あるいは中央値などの統計的指標をもとに閾値を決定し、閾値以上、あるいは以下の類似度を持つ判定器組を選択する。
【０１７９】
そして、判定器統合手段１３００は、ステップＳ５０４で選択した判定器組を統合し、判定器記憶手段５００に記憶している運転行動と判定器に関する項目を修正する（ステップＳ５０５）。
【０１８０】
次に、本実施形態のドライバ状態判定システム５０の効果について説明する。本実施形態のドライバ状態判定システム５０では、類似する判定器を検索し、類似する判定器を統合するようにしているため、判定器を記憶するための記憶手段５００の記憶容量を節約できる。また、本実施形態のドライバ状態判定システム５０では、サーバで大量のドライバの判定器を記憶したり、車載器のように記憶容量に制限のある端末で複数のドライバ、運転行動に対する判定器を記憶したりすることが可能になる。
【０１８１】
（第６の実施形態）
次に、本発明になるドライバ状態判定システムの第６の実施形態について説明する。図３０は、本発明になるドライバ状態判定システムの第６の実施形態のブロック図を示す。同図中、図１と同一構成部分には同一符号を付し、その説明を省略する。図３０に示す本実施形態のドライバ状態判定システム６０は、図１に示した第１の実施形態のドライバ状態判定システム１０と比較すると、ドライバ情報記憶手段１４００と類似ドライバ検索手段１５００と判定器複製手段１６００とが追加されている点で異なる。
【０１８２】
本実施形態のドライバ状態判定システム６０は、ドライバ同士の類似度を求め、類似するドライバのうち、一方の判定器が判定器記憶手段５００にない場合は、もう一方のドライバの判定器を複製し、判定器記憶手段５００に登録するようにしたものである。
【０１８３】
図３０において、ドライバ情報記憶手段１４００は、ドライバ情報を記憶する。図３１の３１０１は、ドライバ情報記憶手段１４００が記憶するドライバ情報の例を示す。図３１に示すドライバ情報３１０１は、各ドライバの性別、年齢、運転歴、住所、平均運転速度などから構成されている。例えば、ドライバＸは、女性であり、年齢４０歳、運転歴２０年、住所は緯度３５.０度、経度１３５.０度、平均運転速度は４０ｋｍ／ｈであることを示す。また、ドライバＹは、男性であり、年齢５０歳、運転歴２０年、住所は緯度３５.１度、経度１３５.１度、平均運転速度は５５ｋｍ／ｈであることを示す。更に、ドライバＺは、男性であり、年齢３０歳、運転歴５年、住所は緯度３４.０度、経度１３４.０度、平均運転速度は３５ｋｍ／ｈであることを示す。
【０１８４】
類似ドライバ検索手段１５００は、ドライバ情報記憶手段１４００が記憶しているドライバ情報３１０１の中から、本実施形態を現在利用しているドライバのドライバ情報に類似するドライバ情報を検索する。例えば、ドライバ情報をベクトルで記述し、ドライバ情報時間のｃｏｓ類似度や相関係数を用いて類似度を測る。そして、類似度が最も高いドライバを選択する。
【０１８５】
一例として、図３１のドライバ情報３１０１のドライバＸとドライバＹとの間の類似度（ｃｏｓ類似度）を求めると、０.９９４（＝（０×１＋４０×５０＋２０×２０＋３５.０×３５.１＋１３５.０×１３５.１＋４０×５５）／ｓｑｒｔ（０×０＋４０×４０＋２０×２０＋３５.０×３５.０＋１３５.０×１３５.０＋４０×４０）／ｓｑｒｔ（１×１＋５０×５０＋２０×２０＋３５.１×３５.１＋１３５.１×１３５.１＋５５×５５））である。同様に、図３１の３１０２に示すように、ドライバＹとドライＺとの間の類似度は０.９８２、ドライバＺとドライバＸとの間の類似度は０.９９３のように求まる。
【０１８６】
なお、上記の説明ではベクトル同士の類似度を用いたが他の類似度の計算方法も考えられる。例えば、ベクトルの各項目を正規化してからｃｏｓ類似度や相関係数を求めたり、ベクトル同士の各項目を正規化してからｃｏｓ類似度や相関係数を求めたり、ベクトル同士のユークリッド距離を類似度とする場合なども考えられる。更には、システム運用者が選択した任意の項目から構成されるベクトルを用いて類似度計算をすることも考えられる。
【０１８７】
図３０の判定器複製手段１６００は、判定器記憶手段５００が記憶している類似ドライバそれぞれの判定器を調べ、同じ運転行動に対して判定器が存在するか調べる。例えば、判定器記憶手段５００が、図３１に３１０３で示すように、判定器をドライバと運転行動と対応付けて記憶しているものとする。
【０１８８】
ここで、類似ドライバ検索手段１５００が、ドライバＸとＹが類似ドライバとして検出すると、ドライバＸ、Ｙそれぞれの運転行動−判定器のペアを調べる。図３１に３１０３で示す記憶情報の場合、ドライバＸについては停止行動と右折行動に関する判定器があるが、ドライバＹについては停止行動に関する判定器しかない。そこで、判定器複製手段１６００は、ドライバＸの右折行動に関する判定器Ｃを複製し、それを図３１に３１０４で示すように、ドライバＹの右折行動に関する判定器として判定器記憶手段５００に登録する。
【０１８９】
ただし、この場合、判定器Ｃをもう一つ作るのではなく、リレーショナルデータベースなどにおけるインデックスのみを共有するといった方法も考えられる。また、判定器学習手段４００が判定器を構築するのに用いた特徴量の数を判定器と関連付けて判定器記憶手段５００に記憶しておき、判定器複製手段１６００が類似ドライバ間のある運転行動において、特徴量の数が十分大きいときに、判定器を複製するなどが考えられる（例えば、特徴量を多く使っている判定器を複製して、特徴量が少ない判定器を複製した判定器に置き換える。）。更には、判定器を構築した日時を判定器と関連付けて判定器記憶手段５００に記憶しておき、判定器複製手段１６００は、類似ドライバ間の任意の運転行動において、学習日時の差が十分大きいときに複製するなど考えられる（例えば、新しい判定器を複製して、古い判定器を複製した判定器に置き換える。）。
【０１９０】
次に、図３０に示す本実施形態のドライバ状態判定システム６０の要部の動作を、図３２のフローチャートを参照して説明する。図３２に示すフローチャートは、前記した判定器の学習フェーズ及び判定フェーズとは別に動作する複製フェーズのフローチャートを示す。
【０１９１】
図３０において、類似ドライバ検索手段１５００は、まず現在のドライバ名を取得する（ステップＳ６０１）。続いて、類似ドライバ検索手段１５００は、ドライバ情報記憶手段１４００が記憶するドライバ情報を用いて、ステップＳ６０１で取得したドライバと他のドライバとの類似度を前述した方法で求める（ステップＳ６０２）。続いて、類似ドライバ検索手段１５００は、ステップＳ６０１で取得したドライバとドライバ情報記憶手段１４００が記憶する他のすべてのドライバとの間の類似度を求めたかを判定し（ステップＳ６０３）、他のすべてのドライバとの間の類似度を求めるまでステップＳ６０２及びＳ６０３を繰り返す。
【０１９２】
類似ドライバ検索手段１５００は、ステップＳ６０１で取得したドライバと他のすべてのドライバとの間の類似度を求めた場合は、ステップＳ６０２で求めた類似度のうち、最も高い類似度をもつドライバを選択する（ステップＳ６０４）。続いて、判定器複製手段１６００は、ステップＳ６０１で選択したドライバの判定器と、ステップＳ６０４で選択した最も高い類似度をもつドライバの判定器とを判定器記憶手段５００から検索し、それぞれ同じ運転行動−判定器のペアを記憶しているか調べる（ステップＳ６０５）。
【０１９３】
もし、ある運転行動−判定器のペアが一方のドライバにあるが、他方のドライバにない場合は、判定器複製手段１６００は、ステップＳ６０５で不足が確認された運転行動−判定器ペアを複製し、それを他方のドライバの運転行動−判定器ペアとして判定器記憶手段５００に追加登録する（ステップＳ６０６）。なお、ステップＳ６０５で選択したドライバとの間で運転行動−判定器のペアの不足がないと判定された場合は、判定器複製手段１６００は、複製を行うことなく処理を終了する。
【０１９４】
次に、本実施形態のドライバ状態判定システム６０の効果について説明する。本実施形態のドライバ状態判定システム６０では、類似するドライバ同士で、一方のドライバではまだ学習していない判定器を、他方のドライバから流用することができる。そのため、ドライバ状態判定システム６０を使用し始めたばかりでまだ判定器を構築できていない、あるいは特徴量が少なく、精度の良い判定器を構築できていないドライバに対し、既に学習してある判定器を提供でき、当該ドライバに対して精度の良いドライバ状態の判定ができる。
【０１９５】
（第７の実施形態）
次に、本発明になるドライバ状態判定システムの第７の実施形態について説明する。図３４は、本発明になるドライバ状態判定システムの第７の実施形態のブロック図を示す。同図中、図１と同一構成部分には同一符号を付し、その説明を省略する。図３４に示す本実施形態のドライバ状態判定システム７０は、図１に示した第１の実施形態のドライバ状態判定システム１０と比較すると、判定器取得手段１７００と判定器転送手段１８００とが追加されている点で異なる。
【０１９６】
図３４において、判定器取得手段１７００は、他のドライバ状態判定システムの判定器、あるいはシステムの管理者が作成した判定器を取得する。例えば、他のドライバ状態判定システムに、インターネットを経由して接続し、各システムの判定器記憶手段５００が記憶している判定器をダウンロードする。その際、各判定器記憶手段は図７の７０１〜７０３に示したように、判定器と運転行動やドライバ状態、ドライバなどと関連付けて記憶しているため、それら判定器に関連付いた情報を同時に収集する。
【０１９７】
また、図３４の判定器転送手段１８００は、判定器取得手段１７００が取得した判定器及び関連情報を判定器記憶手段５００に転送する。このときすべてを転送してもよいし、一部を選択的に転送してもよい。例えば、ドライバに転送候補となる判定器及び関連情報の一覧を提示、選択させ、選択された判定器及び関連情報のみ転送する。あるいは、作成日時の新しい判定器及び関連情報の上位数件のみ転送するようにしてもよい。
【０１９８】
次に、図３４に示す本実施形態のドライバ状態判定システム７０の要部の動作を、図３５のフローチャートを参照して説明する。図３５に示すフローチャートは、前記した判定器の学習フェーズ及び判定フェーズとは別に動作する複製フェーズのフローチャートを示す。
【０１９９】
図３４において、判定器取得手段１７００は、他のドライバ状態判定システムの判定器や管理者が作成した判定器を取得する（ステップＳ７０１）。その際、判定器に関連付いた情報も同時に収集する。次に、判定器転送手段１８００は、ステップＳ７０１で取得された判定器及び関連情報を判定器取得手段１７００から受け、それを判定器記憶手段５００に転送する（ステップＳ７０２）。その際、取得されたすべての判定器及び関連情報を転送してもよいし、選択的に転送してもよい。
【０２００】
次に、本実施形態のドライバ状態判定システム７０の効果について説明する。本実施形態のドライバ状態判定システム７０は、他のドライバの判定器を流用したり、システムの管理者が作成した判定器を利用できる。そのため、ドライバ状態判定システム７０を使用し始めたばかりでまだ判定器を構築できていない、あるいは特徴量が少なく、精度の良い判定器を構築できていないドライバに対し、既に学習してある判定器を提供できたり、システム運用者によりリファインされた判定器を利用することで、精度の良い判定を行える。
【０２０１】
（第８の実施形態）
次に、本発明になるドライバ状態判定システムの第８の実施形態について説明する。図３６は、本発明になるドライバ状態判定システムの第８の実施形態のブロック図を示す。同図中、図１と同一構成部分には同一符号を付し、その説明を省略する。図３６に示す本実施形態のドライバ状態判定システム８０は、図１に示した第１の実施形態のドライバ状態判定システム１０と比較すると、判定器記憶手段５００とドライバ状態判定手段６００との間に判定器選択手段１９００が追加されている点で異なる。
【０２０２】
第１の実施形態のドライバ状態判定システム１０ではドライバ状態判定手段６００は、運転行動手段８００が取得した運転行動に対応する判定器を用いて、ドライバ状態を判定した。これに対し、本実施形態のドライバ状態判定システム８０のドライバ状態判定手段６００は、ドライバが任意に選択した判定器を用いてドライバ状態を判定する。
【０２０３】
判定器選択手段１９００は、判定器記憶手段５００が記憶する判定器、運転行動及びドライバ状態などが関連付けられた情報を判定器記憶手段５００から取得し、ドライバに判定器の選択を促す画面を表示する。そして、その画面から任意に判定器を選択すると、判定器選択手段１９００は、その選択された判定器をドライバ状態判定手段６００に供給する。
【０２０４】
図３７は、ドライバに判定器の選択を促す画面の一例を示す。図３７に示す画面は、停止行動においてゆとり・通常状態を判定するための判定器、停止行動においてゆとり・疲労状態を判定するための判定器、右折行動においてゆとり・通常状態を判定するための判定器などを選択できる画面を示す。この画面からドライバが例えば、停止行動−ゆとり・通常状態を判定するための判定器を選択すると、判定器選択手段１９００は、ドライバ状態判定手段６００に選択したその判定器を供給する。ドライバ状態判定手段６００は、供給された判定器を用いて、第１の実施形態と同様にドライバ状態を判定する。
【０２０５】
なお、判定器の一覧を提示する際、現在の運転行動にのみ関連した判定器を提示したり、作成日時順、文字順などで提示したりする。
【０２０６】
次に、図３６に示す第８の実施形態のドライバ状態判定システム８０の動作を、図３８のフローチャートを参照して説明する。図３８に示すフローチャートでは、ドライバ状態を判定するための判定器を構築する「学習フェーズ」と、構築した判定器を用いてドライバ状態を判定する「判定フェーズ」を示す。
【０２０７】
本実施形態のドライバ状態判定システム８０は、第１の実施形態のドライバ状態判定システム１０と同様に動作するが、判定器の一覧をドライバに提示し、ドライバが選択した判定器を用いてドライバ状態を判定する点で、第１の実施形態とは異なる。
【０２０８】
図３８の学習フェーズを示すステップＳ１〜ステップＳ８と、判定フェーズ中のステップＳ１０１からステップＳ１０３、ステップＳ１０５〜Ｓ１０６の動作は第１の実施形態と同じであるため、図１０と同一符号を付し、その説明を省略する。
【０２０９】
図３８において、ステップＳ１０３に続くステップＳ８０１において、図３６に示す判定器選択手段１９００が、判定器記憶手段５００から記憶されている判定器、運転行動及び状態などを関連付けた情報を取得し、ドライバに判定器の一覧として提示する。これにより、ドライバは提示された判定器一覧の中から任意の一の判定器を選択すると（ステップＳ８０２）、判定器選択手段１９００は、その選択された判定器をドライバ状態判定手段６００に送信する（ステップＳ８０３）。そして、ドライバ状態判定手段６００は、上記の選択された判定器を用いてドライバ状態を判定する（ステップＳ１０５）。
【０２１０】
次に、本実施形態のドライバ状態判定システム８０の効果について説明する。本実施形態のドライバ状態判定システム８０では、ドライバが自ら判定器を選択し、ドライバ状態を判定できるため、ドライバが任意の状態を判定したり、他人のモデルで状態を判定するなど、現在保持している判定器の判定傾向を調べたり、興味ある状態の判定を行える。
【０２１１】
（第９の実施形態）
次に、本発明になるドライバ状態判定システムの第９の実施形態について説明する。図３９は、本発明になるドライバ状態判定システムの第９の実施形態のブロック図を示す。同図中、図１と同一構成部分には同一符号を付し、その説明を省略する。図３９に示す本実施形態のドライバ状態判定システム９０は、図１に示した第１の実施形態のドライバ状態判定システム１０と比較すると、状態設定手段２００と判定器学習手段４００が除かれており、それにより特徴量生成手段３３０と判定器記憶手段５３０が第１の実施形態と異なる。
【０２１２】
判定器を構築し、判定器の追加削除を行わない場合や、外部から判定器を取得するだけの利用形態では、状態設定手段２００及び判定器学習手段４００は不要である。例えば、ドライバ状態判定システムを販売する際に、販売店側で判定器を構築し、ドライバには判定器の追加、削除をさせない場合には、判定器の構築処理は不要である。あるいは、判定器の構築機能を有さず、判定器をメモリカードなどの媒体で配布・入手する形態の場合も、判定器の構築処理は不要である。
【０２１３】
そこで、本実施形態のドライバ状態判定システム９０は、図３９のブロック図に示すように、図１の構成から状態設定手段２００と判定器学習手段４００とを削除した構成である。本実施形態のドライバ状態判定システム９０は、第１の実施形態のドライバ状態判定システム１０と同様に動作するが、判定器を学習しない点で、第１の実施形態とは異なる。
【０２１４】
図４０は、本実施形態のドライバ状態判定システム９０の動作説明用フローチャートを示す。同図中、図１０と同一処理ステップには同一符号を付し、その説明を省略する。本実施形態のドライバ状態判定システム９０では、判定器を学習しないため、図４０に示すように、ドライバ状態判定システム９０は図４０のフローチャートに示すように、ドライバ状態を判定するための判定器を構築する「学習フェーズ」は存在せず、構築した判定器を用いてドライバ状態を判定する「判定フェーズ」のみからなる。
【０２１５】
本実施形態では、図４０のステップＳ９０１で、図３９の特徴量生成手段３３０は、データ計測手段１００で計測された車両情報及び環境情報のみから、運転行動取得手段８００で取得された運転行動に応じた特徴量生成方法によって特徴量を生成する。
【０２１６】
続いて、図４０のステップＳ９０２で、図３９の判定器記憶手段５３０は、例えば販売店側で構築された判定器、あるいはメモリカードなどの媒体からダウンロード（配布）された判定器を取得する。それ以外の動作は第１の実施形態のドライバ状態判定システム１０の判定フェーズと同様である。
【０２１７】
次に、本実施形態のドライバ状態判定システム９０の効果について説明する。本実施形態のドライバ状態判定システム９０は、判定器の構築処理を有さないため、予め登録された判定器以外を利用できないようにしたり、許可された判定器のみしか利用できないようにするなど、システムの運用に合わせて判定器変更の制限をドライバに課すことができる。すなわち、本実施形態のドライバ状態判定システム９０によれば、サービス提供者が検査し、適切な判定を行えることを確認した判定器を配布している場合に、判定器変更の制限を課すことで、故意にドライバにより判定器を変更されることによる判定器の性能低下を防ぐことができる。更に、本実施形態のドライバ状態判定システム９０によれば、運転行動に対して適切なドライバ状態を付与せず学習するなど、不適切な学習による判定器の性能低下も防ぐことができる。
【０２１８】
なお、本発明は以上の実施形態に限定されるものではなく、例えば、第１〜第９実施形態のドライバ状態判定システム１０〜９０の各動作を、一台の自動車内に設置されたコンピュータにより実行させるドライバ状態判定用プログラムも包含するものである。なお、上記のコンピュータには、各車から車両情報や環境情報が無線ＬＡＮや携帯電話を通じて転送されるサーバや、各車で車両情報や環境情報から特徴量を生成するクライアントや、各車から特徴量が転送されるサーバも含まれる。
【０２１９】
図４１は、クライアントとサーバとからなるドライバ状態判定システムの一実施形態のブロック図を示す。同図において、クライアントＣＬ１は自車内に設置されており、データ計測手段１５０、状態設定手段２５０、特徴量生成手段３５０、ドライバ状態提示手段７５０及び運転行動取得手段８５０とから構成されている。ここで、データ計測手段１５０、状態設定手段２５０、特徴量生成手段３５０、ドライバ状態提示手段７５０及び運転行動取得手段８５０は、図１の実施形態のデータ計測手段１００、状態設定手段２００、特徴量生成手段３００、ドライバ状態提示手段７００及び運転行動取得手段８００と構成及び動作が同じであるので、その説明は省略する。
【０２２０】
また、図４１において、サーバＳＶ１は判定器学習手段４５０、判定器記憶手段５５０及びドライバ状態判定手段６５０から構成される。ここで、判定器学習手段４５０、判定器記憶手段５５０及びドライバ状態判定手段６５０は、図１の判定器学習手段４００、判定器記憶手段５００及びドライバ状態判定手段６００と構成及び動作が同じであるので、その説明は省略する。
【０２２１】
本実施形態では、自車内に設置されたクライアントＣＬ１が車両情報を計測し、運転行動の判定及び特徴量生成を行い、特徴量をサーバＳＶ１へ送信し、サーバＳＶ１にて受信した特徴量に基づいてドライバ状態を判定する構成である。
【０２２２】
図４２は、クライアントとサーバとからなるドライバ状態判定システムの他の実施形態のブロック図を示す。同図において、クライアントＣＬ２は自車内に設置されており、データ計測手段１５０、状態設定手段２５０及びドライバ状態提示手段７５０から構成されている。ここで、データ計測手段１５０、状態設定手段２５０及びドライバ状態提示手段７５０は、図１のデータ計測手段１００、状態設定手段２００及びドライバ状態提示手段７００と構成及び動作が同じであるので、その説明は省略する。
【０２２３】
また、図４２において、サーバＳＶ２は特徴量生成手段３５５、判定器学習手段４５０、判定器記憶手段５５０、ドライバ状態判定手段６５０及び運転行動取得手段８５５から構成される。ここで、特徴量生成手段３５５、判定器学習手段４５０、判定器記憶手段５５０、ドライバ状態判定手段６５０及び運転行動取得手段８５５は、図１の特徴量生成手段３００、判定器学習手段４００、判定器記憶手段５００、ドライバ状態判定手段６００及び運転行動取得手段８００と構成及び動作が同じであるので、その説明は省略する。
【０２２４】
本実施形態では、自車内に設置されたクライアントＣＬ２が車両情報を計測してサーバＳＶ２へ送信し、サーバＳＶ２がクライアントＣＬ２からの車両情報に基づいて、運転行動の判定及び特徴量生成を行い、ドライバ状態を判定する構成である。
【０２２５】
なお、図４１、図４２では、図１のドライバ状態判定システム１０の構成と同様の構成を示しているが、他の実施形態のドライバ状態判定システム２０〜９０の構成と同様の構成を図４１、図４２のサーバやクライアントに適用することができることは勿論である。
【０２２６】
また、本発明には、上記の実施形態のドライバ状態判定システム１０〜９０のいずれかが搭載され、ドライバ状態を常に判定し続け、判定したドライバ状態をドライバに提示する構成のドライバ状態表示装置付き自動車も含まれる。このドライバ状態表示装置付き自動車によれば、ドライバにゆとり状態であるか否かを提示することで、ドライバ自身の運転状態の把握を促し、よりゆとりを持った安全運転を心がけるように誘導することができる。
【産業上の利用可能性】
【０２２７】
本発明によれば、自動車などの車両を運転する運転行動を学習し、ドライバに適応したサービス、アプリケーションを提供するシステムといった用途に適用できる。
【符号の説明】
【０２２８】
１０、２０、３０、４０、５０、６０、７０、８０、９０ ドライバ状態判定システム
１００、１５０ データ計測手段
２００、２５０ 状態設定手段
３００、３３０、３５０、３５５ 特徴量生成手段
４００、４５０ 判定器学習手段
５００、５３０、５５０ 判定器記憶手段
６００、６５０ ドライバ状態判定手段
７００、７５０ ドライバ状態提示手段
８００、８５０、８５５ 運転行動取得手段
９００ 判定結果蓄積手段
１０００ 重要度記憶手段
１１００ 判定信頼度設定手段
１２００ 判定器類似度計算手段
１３００ 判定器統合手段
１４００ ドライバ情報記憶手段
１５００ 類似ドライバ検索手段
１６００ 判定器複製手段
１７００ 判定器取得手段
１８００ 判定器転送手段
１９００ 判定器選択手段
【技術分野】
【０００１】
本発明はドライバ状態判定システム、判定方法及び判定用プログラムに係り、特に自動車を運転しているドライバ状態を判定できるドライバ状態判定システム、判定方法及び判定用プログラムに関する。
【背景技術】
【０００２】
ドライバの状態に応じてドライバの運転の支援内容を変化させる運転支援装置が開発されている。この運転支援装置では、例えば、危険な運転をしているドライバには、注意すべき警告情報を早めに提示したり、平常通りの運転をしているドライバには、警告情報を控えめ（小さい文字で表示、画面の端に表示など）に提示したりする。このように、運転支援装置は、ドライバの状態に合わせて情報を提示することで、安全運転に必要な情報を適切なタイミングで提示できる。更には、ドライバにとって不要な情報が提示されないため、画一的な情報提示に比べ、鬱陶しいと感じる頻度が下がり、情報の受容性が向上する。
【０００３】
特許文献１には、運転支援装置の一例が開示されている。この特許文献１記載の運転支援装置では、心電図や心拍などの生体情報からドライバの平常状態を検出し、平常状態時の車両情報（アクセル、ブレーキ、車速、車間距離など）を用いて、ドライバモデルを作成する。
【０００４】
そして、現在の車両情報とドライバモデルとを比較し、平常状態での運動行動からの逸脱を検出すると、注意喚起や警告等をドライバに対して行う。具体的には、ドライバモデルとして、ある車両情報を他の車両情報から予測する確率モデルを作成する（例：ブレーキ踏み込み量＝ｆ（アクセル、車速、車間距離…））。そして、特許文献１記載の運転支援装置は、現在の車両情報から特定の車両情報を予測し、予測値と実測値が異なる場合に平常状態から逸脱していると判定する。
【０００５】
また、特許文献２には、運転支援装置の他の例が開示されている。この特許文献２記載の運転支援装置では、過去に追従走行した際の運動行動と、周辺の環境、交通量とを関連づけて記憶しておき、同様の環境、交通量の際に、似たような追従走行を自動的に行う。
【０００６】
具体的には、追従走行において、スロットルオフ時の速度、車間距離の相関関係を分類して記憶しておき、個々の分類（直線の式で表現される）をドライバの状態と捉える。そして、特許文献２記載の運転支援装置は、分類されたドライバ状態と道路環境や交通量とマッピングしておき、同様の環境、交通量において、そのドライバの追従状態に近いドライバ状態を探し、そのドライバ状態の運転行動に合うように自動運転を行わせる。更には、特許文献２記載の運転支援装置は、運転中のドライバの状態の変化を捉え、その変化の頻度などから運転の疲労度や技量を判定する。
【先行技術文献】
【特許文献】
【０００７】
【特許文献１】特開２００７−２７２８３４号公報
【特許文献２】特開２００８−０１８８７２号公報
【発明の概要】
【発明が解決しようとする課題】
【０００８】
しかしながら、上記の特許文献１及び２記載の運転支援装置は、以下の問題点がある。
【０００９】
第１の問題点は、個々の運転行動によっては、必ずしも精度の良いドライバ状態判定結果を得ることができないことである。その理由は、運転行動（停止や発進など）によってドライバ状態の判定に寄与する運転行動の特徴を表す特徴量（ブレーキの踏み込み量、アクセル踏み込み量、速度やそれらを基にした統計量）が異なり、個々の運転行動に対してドライバモデルを用意する必要があると考えられる。しかし、上記の特許文献１及び２記載の運転支援装置では、運転行動全体に対し、同じドライバモデルを用いてドライバ状態を判定しているためである。
【００１０】
第２の問題点は、複数のドライバ状態を判定することができないということである。特許文献１記載の運転支援装置では、車両情報からドライバが平常状態の運転かどうかのみを判定するだけであり、平常状態以外の状態（例えば、ゆとり状態、危険状態、注意散漫状態）のいずれであるかが分からない。また、特許文献２記載の運転支援装置では、車両情報からどのドライバモデル（速度と車間距離の関係）に合致するかは分かるが、どのようなドライバ状態であるかは分からない。
【００１１】
本発明は以上の点に鑑みなされたもので、運転行動の種類毎にドライバの状態を精度良く適切に判定できるドライバ状態判定システム、判定方法及び判定用プログラムを提供することを目的とする。
【課題を解決するための手段】
【００１２】
上記の目的を達成するため、本発明のドライバ状態判定システムは、ドライバが運転する自動車の各部の状態を表す車両情報と、自動車の周辺の状況を表す環境情報とを取得する情報取得手段と、車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、ドライバの運転行動を判定し取得する運転行動取得手段と、運転行動取得手段により取得された運転行動毎に、ドライバの状態と車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習手段と、判定器学習手段が構築した判定器の中から、運転行動取得手段により取得された運転行動に対応した判定器を取得し、取得したその判定器に基づいて、ドライバ状態を判定するドライバ状態判定手段とを有することを特徴とする。
【００１３】
また、上記の目的を達成するため、本発明のドライバ状態判定方法は、ドライバ状態を判定するための判定器を構築する学習フェーズの処理を行った後、判定器を用いてドライバ状態を判定する判定フェーズの処理を行う判定方法であって、
上記学習フェーズは、ドライバが運転する自動車の各部の状態を表す車両情報と、自動車の周辺の状況を表す環境情報とを取得する第１の情報取得ステップと、第１の情報取得ステップで取得された車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、ドライバの運転行動を判定し取得する第１の運転行動取得ステップと、第１の運転行動取得ステップにより取得された運転行動毎に、ドライバの状態と車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習ステップとを含み、上記判定フェーズは、ドライバが運転する自動車の各部の状態を表す車両情報と、自動車の周辺の状況を表す環境情報とを取得する第２の情報取得ステップと、第２の情報取得ステップで取得された車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、ドライバの運転行動を判定し取得する第２の運転行動取得ステップと、判定器学習ステップにより構築された判定器の中から、第２の運転行動取得ステップにより取得された運転行動に対応した判定器を取得し、取得したその判定器に基づいて、ドライバ状態を判定するドライバ状態判定ステップとを含むことを特徴とする。
【００１４】
更に、上記の目的を達成するため、本発明のドライバ状態判定用プログラムは、ドライバ状態を判定するための判定器を構築する学習フェーズの処理を行った後、判定器を用いてドライバ状態を判定する判定フェーズの処理を、コンピュータにより実行させるドライバ状態判定用プログラムであって、ドライバが運転する自動車の各部の状態を表す車両情報と、自動車の周辺の状況を表す環境情報とを取得する第１の情報取得ステップと、第１の情報取得ステップで取得された車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、ドライバの運転行動を判定し取得する第１の運転行動取得ステップと、第１の運転行動取得ステップにより取得された運転行動毎に、ドライバの状態と車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習ステップとを含む学習フェーズをコンピュータに実行させ、続いて、ドライバが運転する自動車の各部の状態を表す車両情報と、自動車の周辺の状況を表す環境情報とを取得する第２の情報取得ステップと、第２の情報取得ステップで取得された車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、ドライバの運転行動を判定し取得する第２の運転行動取得ステップと、判定器学習ステップにより構築された判定器の中から、第２の運転行動取得ステップにより取得された運転行動に対応した判定器を取得し、取得したその判定器に基づいて、ドライバ状態を判定するドライバ状態判定ステップとを含む判定フェーズをコンピュータに実行させることを特徴とする。
【発明の効果】
【００１５】
本発明によれば、運転行動の種類毎にドライバの状態を精度良く適切に判定することができる。
【図面の簡単な説明】
【００１６】
【図１】本発明のドライバ状態判定システムの第１の実施形態のブロック図である。
【図２】図１中の状態設定手段によるドライバ状態の取得及び設定の一例を説明する図である。
【図３】図１中のデータ計測手段で計測した車両情報及び環境情報の一例を示す図である。
【図４】図１中の運転行動取得手段が保持する運転行動判定ルールと特徴量生成手段による特徴量生成方法の一例を示す図である。
【図５】図１中の特徴量生成手段が生成する特徴量の一例を示す図である。
【図６】図１中の判定器学習手段がＳＶＭで判定器を構築する場合に用いる特徴量の一例と特徴空間を示す図である。
【図７】図１中の判定記憶手段の記憶データの各例を示す図である。
【図８】図１のドライバ状態判定手段により、ドライバ状態のラベルを付与する方法の一例を説明する図である。
【図９】図１中のドライバ状態提示手段による提示方法の各例を示す図である。
【図１０】本発明のドライバ状態判定システムの第１の実施形態の動作説明用フローチャートである。
【図１１】図１中のデータ計測手段で計測した車両情報及び環境情報の一例を示す図である。
【図１２】図１中の特徴量生成手段が生成する特徴量の一例を示す図である。
【図１３】図１の実施の形態の具体例を説明する車両情報及び環境情報の一例とドライバ状態の判定結果の一例を示す図である。
【図１４】本発明のドライバ状態判定システムの第２の実施形態のブロック図である。
【図１５】図１４中の判定結果蓄積手段が蓄積する運転行動と判定結果との組の各例を示す図である。
【図１６】本発明のドライバ状態判定システムの第２の実施形態の動作説明用フローチャートである。
【図１７】図１４中のドライバ状態提示手段によるドライバ状態の提示方法の各例を示す図である。
【図１８】本発明のドライバ状態判定システムの第３の実施形態のブロック図である。
【図１９】運転行動に対応した重み付けルールの例を示す図である。
【図２０】図１８中のドライバ状態判定手段の判定処理の一例を説明する図である。
【図２１】本発明のドライバ状態判定システムの第３の実施形態の動作説明用フローチャートである。
【図２２】本発明のドライバ状態判定システムの第４の実施形態のブロック図である。
【図２３】図２２中の信頼度設定手段の信頼度設定ルールの一例を示す図である。
【図２４】本発明のドライバ状態判定システムの第４の実施形態の動作説明用フローチャートである。
【図２５】図２２中のドライバ状態判定手段の判定処理動作の一例を説明する図である。
【図２６】本発明のドライバ状態判定システムの第５の実施形態のブロック図である。
【図２７】図２６中の判定器類似度計算手段及び判定器統合手段の処理の一例を説明する図である。
【図２８】図２６中の判定器類似度計算手段の処理動作の一例を説明する図である。
【図２９】本発明のドライバ状態判定システムの第５の実施形態の要部の動作説明用フローチャートである。
【図３０】本発明のドライバ状態判定システムの第６の実施形態のブロック図である。
【図３１】図３０中のドライバ情報記憶手段が記憶するドライバ情報の一例と、類似ドライバ検索手段及び判定器複製手段の処理の一例を示す図である。
【図３２】本発明のドライバ状態判定システムの第６の実施形態の要部の動作説明用フローチャートである。
【図３３】本発明のドライバ状態判定システムにおける特徴量生成手段が有する特徴量生成方法の一例を示す図である。
【図３４】本発明のドライバ状態判定システムの第７の実施形態のブロック図である。
【図３５】本発明のドライバ状態判定システムの第７の実施形態の要部の動作説明用フローチャートである。
【図３６】本発明のドライバ状態判定システムの第８の実施形態のブロック図である。
【図３７】図３６中の判定器選択手段が提示する画面の一例を示す図である。
【図３８】本発明のドライバ状態判定システムの第８の実施形態の動作説明用フローチャートである。
【図３９】本発明のドライバ状態判定システムの第９の実施形態のブロック図である。
【図４０】本発明のドライバ状態判定システムの第９の実施形態の動作説明用フローチャートである。
【図４１】本発明のクライアントとサーバとからなるドライバ状態判定システムの一実施形態のブロック図である。
【図４２】本発明のクライアントとサーバとからなるドライバ状態判定システムの他の実施形態のブロック図である。
【発明を実施するための形態】
【００１７】
以下、本発明の各実施形態を図面を参照して詳細に説明する。以下説明する本発明のドライバ状態判定システム、判定方法及び判定用プログラムは、判定したドライバ状態に基づいて、運転支援装置による運転を支援するためのシステム、判定方法及び判定用プログラムである。
【００１８】
（第１の実施形態）
図１は、本発明になるドライバ状態判定システムの第１の実施形態のブロック図を示す。本実施形態のドライバ状態判定システム１０は、データ計測手段１００と、状態設定手段２００と、特徴量生成手段３００と、判定器学習手段４００と、判定器記憶手段５００と、ドライバ状態判定手段６００と、ドライバ状態提示手段７００と、運転行動取得手段８００とを備える。
【００１９】
はじめに、本発明で取り扱う車両情報、環境情報、ドライバ状態について説明する。
【００２０】
「車両情報」とは、ドライバ状態の判定対象のドライバが運転する自動車（以下、これを自車という）の各部の状態を表す情報であり、自車の各部に備え付けられたセンサで取得する情報である。具体的には、速度計により計測した速度、加速度センサにより計測した加速度、ブレーキペダルやアクセルペダルの踏み込み量、ミリ波レーダなどにより計測した先行車や後続車との車間距離、全地球測位システム（ＧＰＳ:Global Positioning System）で計測した自車の現在位置などを指す。本明細書では、車両情報は走行中、常に計測されているものとし、ドライバ状態判定システムは、いつでも取得可能であるとする。
【００２１】
「環境情報」とは、自車周辺の状況を表す情報である。例えば、自車が走行している道路の種類（一方通行、幹線道路、スクールゾーンなど）、車線数、勾配、周辺の天候、渋滞状況を表す。本明細書では、ドライバ状態判定システムは、インターネットやＶＩＣＳ（Vehicle Information and Communication System）などにアクセスし、地図データや気象情報を入手することで、環境情報をいつでも取得可能であるとする。
【００２２】
「ドライバの状態」とは、ドライバの体の調子や心理的な状態を表すパラメータであり、例えば「ゆとり」、「焦り」、「漫然」、「眠い」、「疲労」などがある。本発明では、ドライバに問い合わせることでドライバの状態を取得したり、心電や心拍、血圧などの生体センサから得られる生体情報を基にドライバの状態を取得したりする。
【００２３】
また、「ドライバ状態」とは、本発明により自動的に判定されるドライバの状態を表すパラメータであり、ドライバから直接又は間接に取得される上記「ドライバの状態」とは異なる。
【００２４】
次に、図１に示した第１の実施形態のドライバ状態判定システム１０の各構成要素について説明する。本実施形態のドライバ状態判定システム１０は、運転中、常にドライバの運転行動を監視し、任意の運転行動を行った場合、その運転行動の特徴を基にドライバ状態を判定するドライバ状態判定システムである。
【００２５】
ドライバ状態判定システム１０の動作は、ドライバの状態と車両情報・環境情報の関係を学習し、車両情報・環境情報に対してドライバ状態を判定するための判定器を構築する学習フェーズと、構築した判定器を用いてドライバ状態を判定する判定フェーズとの２つのフェーズから構成される。ただし、学習フェーズと判定フェーズに実行順があるわけではなく、並行して行ったり、一度学習し、数回判定した後、再度学習するなど、実行回数にも制限があるわけではない。
【００２６】
まず、学習フェーズについて説明する。図１において、状態設定手段２００は、ドライバの心理や体調などのドライバの状態を取得し、設定する。ドライバの状態は、心電や心拍、血圧などを計測する生体センサを用いてドライバから直接に取得して設定してもよいし、ドライバに問い合わせて間接に取得して設定してもよい。
【００２７】
ドライバに問い合わせて取得して設定する場合は、例えば、図２に示すように、車内のカーナビゲーションシステム上でドライバの心理状態や体調などの複数の候補を列挙して表示し、ドライバに選択させる。ドライバが「ゆとり」を選択すると、状態設定手段２００は、ドライバの状態として「ゆとり」を取得して設定する。
【００２８】
データ計測手段１００は、自車の車両情報と環境情報とを時々刻々と計測し、バッファに蓄積する。図３は、データ計測手段１００が計測した車両情報と環境情報の一例を示す。図３では、計測した車両情報３０２と環境情報３０３とが走行時間順に時系列に並んでいる。
【００２９】
図３において、車両情報３０２は、走行時間、走行距離、自車の速度、ブレーキ踏み込み量、先行車との距離を表している。環境情報３０３は、現在走行している道路が一般道であるか高速道であるか、天候が晴れであるか雨であるかを示している。
【００３０】
上記の車両情報３０２及び環境情報３０３について、具体的にデータ３０４を用いて説明する。データ３０４は、走行開始から９秒後のデータであり、速度が５０.４５ｋｍ／ｈで、ブレーキ踏み込み量が０.４７、先行車との距離が１２.２３、一般道であり（高速道ではない）、晴れている（雨は降っていない）ことを示している。
【００３１】
なお、図３は一例であり、他のドライバ状態や車両情報、環境情報あるいは、それらを用いて加工した情報を特徴量として用いてもよい。例えば、車両情報として「アクセル踏み込み量」や「ステアリング回転量」を用いたり、環境情報として「道路勾配」や「砂利道」などを用いてもよい。
【００３２】
図１の運転行動取得手段８００は、データ計測手段１００が蓄積している車両情報を監視し、運転行動判定ルールに基づき、ドライバが行った運転行動が何であったかを判定する。
【００３３】
図４の４０１は、上記の運転行動判定ルールの一例を示す。図４の運転行動ルール４０１は、停止行動、右折行動、発進行動などの複数種類の運転行動のそれぞれを判定するために定められたルールである。例えば、停止行動の場合、図４の４０１に示すように、「交差点手前１００ｍの時点で３０ｋｍ／ｈ以上」、「交差点手前１００ｍ以降加速しない」、「交差点で停止する」という３つの条件から構成され、これらの条件を満たした場合、ドライバが行った運転が「停止行動」であったと判定する。また、運転行動取得手段８００は、図４の４０１に示した複数の運転行動判定ルールを保持している。
【００３４】
図１の特徴量生成手段３００は、データ計測手段１００が計測した車両情報、環境情報と、状態設定手段２００が設定したドライバの状態と、運転行動取得手段８００が取得したドライバの運転行動とから、判定器を学習するために用いる特徴量を生成する。
【００３５】
特徴量生成手段３００は、運転行動に応じた特徴量生成方法を保持しており、運転行動に応じて特徴量を生成する。具体的には、特徴量生成方法は、特徴量を生成するプログラム、あるいはモジュール、あるいはプログラム関数で実装され、運転行動と紐付けている。
【００３６】
図４の４０２は、上記の特徴量生成方法の一例を示す。図４の特徴量生成方法４０２は、停止行動、右折行動、発進行動などの複数種類の運転行動のそれぞれの特徴量を生成するために定められた方法を示す。例えば、停止行動に対して、「（１）停止位置の１００ｍ手前から、停止位置までの車両情報、環境情報を抽出し、（２）走行時間を停止までの時間に変換し、（３）車両情報同士の相関係数を求め、（４）ドライバ状態を付与する」という特徴量生成方法が関連付けられている。
【００３７】
特徴量生成手段３００は、運転行動取得手段８００が取得したドライバの運転行動が停止行動で、状態設定手段２００が設定したドライバ状態がゆとり状態である場合において、データ計測手段１００が計測した図３に示した車両情報３０２及び環境情報３０３から図５のような特徴量を生成する。
【００３８】
図５に示す特徴量は、停止までの一連の計測データ及び、特徴量生成方法に基づいて生成した値を示している。具体的には、図５に示す特徴量は、ドライバ状態５０１、車両情報５０２、環境情報５０３から構成されている。車両情報５０２は、停止までの時間、交差点までの距離、速度、ブレーキ踏み込み量、先行車との距離、速度とブレーキ踏み込み量との相関係数、速度と先行車との距離の相関係数、ブレーキ踏み込み量と先行車との距離の相関係数の各情報から構成されている。また、環境情報５０３は、一般道かどうか、高速道かどうか、晴れかどうか、雨かどうかの各情報から構成されている。
【００３９】
例えば、図５に示すデータ５０４の場合、ドライバ状態がゆとり（１）であり、停止までの時間は１０秒、交差点までの距離は１００ｍ、速度は３０ｋｍ／ｈ、ブレーキ踏み込み量は０.４７、先行車との距離は５０ｍ、速度とブレーキ踏み込み量との相関係数は−０.５２、速度と先行車との距離の相関係数は０.６８、ブレーキ踏み込み量と先行車との距離の相関係数は−０.０７、一般道を走っており、天候は晴れであることを示している。
【００４０】
ここで、特徴量生成手段３００は、特徴量生成方法を複数保持しており、複数の運転行動に対して特徴量をできる。図４に示すように、例えば、発進行動や右折行動に対する特徴量生成方法を保持している。
【００４１】
なお、図４の例では、車両情報同士の演算などにより特徴量を求める特徴量生成方法４０２が記載されているが、他の特徴量生成方法も考えられる。例えば、車両情報の各項目を用いた主成分分析を行い、上位いくつかの主成分を車両情報として用いたり、フーリエ変換やウェーブレット変換などによって周波数成分を抽出し、周波数成分を特徴量としたりするようにしてもよい。
【００４２】
図１の判定器学習手段４００は、特徴量生成手段３００が生成した特徴量の各データを記憶しておき、あるいは一定数以上の特徴量のデータを記憶すると、それらの特徴量のデータを用いてドライバの状態と車両情報・環境情報の関係を学習し、車両情報・環境情報に対してドライバ状態を判定するための判定器を構築する。ここで、特徴量の各データとは、図５の５０４のように、特徴量の各行単位の複数のデータから構成される。また、判定器は、運動行動毎に構築される。学習方式としては、ＳＶＭ（Support Vector Machine）やニューラルネットワーク、回帰分析などを用いる。
【００４３】
図６は、判定器学習手段４００がＳＶＭで判定器を構築する場合に用いる特徴量の一例を示す。図６に示す特徴量６０１は、各データに、ゆとり、通常というドライバ状態が付与されている。ここで、特徴量の各データ（行毎）をベクトル表現し、特徴量の全ベクトルで構成される多次元空間（特徴空間）に配置する。特徴空間の模式図を図６に特徴空間６０２として示す。
【００４４】
例えば、図６に示す特徴量のあるデータ６１０は、特徴空間６０２の６１１に配置される。判定器学習手段４００は、ＳＶＭによって、「ゆとり」と「通常」状態を分類する分割超平面を求めることで、特徴空間６０２の超平面６０３を判定器として求める。超平面６０３を判定器として用いることで、別の特徴量の各データが、超平面６０３のいずれ側の領域に特徴量が分布するかが分かる。図６に示す例では、超平面６０３の左側の領域に分布する特徴量がドライバがゆとり状態であり、右側の領域に分布する特徴量が通常状態であることを判定できる。
【００４５】
判定器記憶手段５００は、判定器学習手段４００が学習した判定器を運転行動と関連付けて記憶する。判定器記憶手段５００は、例えば、図７の７０１に示すように、運転行動と判定器のパラメータを関連づけて記憶する。ＳＶＭを用いた場合は、判定器のパラメータとして、超平面を表す関数、あるいは超平面を構成するサポートベクタ、ニューラルネットワークを用いた場合は、ノード数やノードの重みなどが考えられる。
【００４６】
図７の７０１では、運動行動と判定器を関連づけて記憶しているが、判定器記憶手段５００は、判定器だけでなく、判定器の学習に用いた特徴量も記憶しておくことも考えられる。
【００４７】
また、図７の７０２に示すように、判定器記憶手段５００は、判定器で判定できる状態も判定器と運転行動に関連付けて記憶することも考えられる。あるいは、図７の７０３に示すように、判定器で判定できる状態とドライバを判定器と運転行動に関連付けて記憶することも考えられる。
【００４８】
次に、本実施形態の判定フェーズについて説明する。判定フェーズでは、学習フェーズで構築した判定器を用いて、ドライバ状態を判定する。判定フェーズは、学習フェーズと異なり、状態設定手段２００は機能せず、ドライバの状態は設定されない。
【００４９】
図１に示すデータ計測手段１００は、判定フェーズでは学習フェーズと同様、自車の車両情報と環境情報とを時々刻々と計測し、バッファに蓄積する。
【００５０】
運転行動取得手段８００は、判定フェーズでは学習フェーズと同様、運転行動判定ルールに基づき、ドライバが行った運転行動が何であったかを判定する。
【００５１】
特徴量生成手段３００は、判定フェーズでは学習フェーズと同様、データ計測手段１００が計測した車両情報及び環境情報を用いて、運転行動取得手段８００が取得した運転行動に応じて特徴量を生成する。また、特徴量生成手段３００は、運転行動に応じた特徴量生成方法を保持しており、運転行動に応じて特徴量を生成する。
【００５２】
判定器記憶手段５００は、運転行動に対応する判定器を選択する。判定器記憶手段５００は、学習フェーズで説明したように、図７の７０２に示すように、１つの運動行動に対し、複数の判定器が関連付いている場合も考えられる。その場合は、複数の判定器それぞれで判定処理を行う。ただし、本実施形態では１つの判定処理のみを行う場合について説明する。
【００５３】
図１のドライバ状態判定手段６００は、運転行動取得手段８００で判定した運転行動に対応した判定器を、判定器記憶手段５００を検索して取得し、取得したその判定器に基づいて、特徴量生成手段３００が生成した特徴量に対するドライバ状態を判定する。具体的には、ドライバ状態判定手段６００は、特徴量を構成する各データを逐次判定し、各データにドライバ状態のラベルを付与する。
【００５４】
このドライバ状態判定手段６００により、ドライバ状態のラベルを付与する方法について、図８の特徴量８０１を例に説明する。特徴量８０１は、運転行動取得手段８００が運転行動を検出し、特徴量生成手段３００が停止行動に対して生成したものとする。また、判定器記憶手段５００が、停止行動に対応する判定器として図６の超平面６０３を記憶しているものとする。
【００５５】
ここで、ドライバ状態判定手段６００は、図８の特徴量８０１の各データ（行）毎に超平面のいずれの領域にいるか調べる。この例では、図８のドライバ状態８０２を得たとする。図８に示すドライバ状態８０２は、「１」はゆとり状態、「２」は通常状態であることを示す。このドライバ状態８０２より、ドライバ状態判定手段６００は、特徴量８０１のドライバ状態は、ゆとり状態の数が１０、通常状態の数が３であることから、「ゆとり１０，通常３」であると判定する。
【００５６】
ドライバ状態判定手段６００は、このようにして判定したドライバ状態「ゆとり１０，通常３」をそのままドライバ状態提示手段７００に送信する。なお、ドライバ状態判定手段６００からドライバ状態提示手段７００に送信する情報は、上記の例に限定されるものではなく、例えば、判定結果が多かったゆとり状態のみでもよいし、「ゆとり７７％」あるいは「ゆとり７７％，通常２３％」のように割合で表現した情報でもよい。
【００５７】
ドライバ状態提示手段７００は、ドライバ状態判定手段６００が判定したドライバ状態を、ドライバ状態判定手段６００から入力として受けてドライバに提示する。この提示方法は、例えば、図９（Ａ）に示す数値とグラフからなる表示でもよいし、同図（Ｂ）に示すようなメータ表示でもよい。図９（Ａ）、（Ｂ）では、ゆとりの割合が７７％（＝（１０／１３）×１００）であることを示している。このように、ドライバ状態提示手段７００は、ドライバに対してドライバ状態をプログレスバーやメータ表示にして視覚的に分かりやすく表示する。
【００５８】
なお、ドライバ状態提示手段７００によるドライバ状態の提示方法としては、上記以外に、カーナビゲーションシステムやダッシュボード、速度メータの背景色をドライバ状態に合わせて変更したり、フロントガラスにドライバ状態を表す文字や数字を投影したり、カーナビゲーションシステム内でＣＧ（Computer Graphics）で作成したキャラクタの動きを変更したりするなどが考えられる。
【００５９】
例えば、特定のドライバ状態（例えばゆとり状態）が偏っている場合には、キャラクタが笑顔になるが、他のドライバ状態（例えば危険状態）に偏っている場合には、キャラクタが怒ったりする。更には、カーナビゲーションシステムで表示するヒヤリハット警告や道路情報提示（”右折レーンあり”）の出し方を調整することが考えられる。例えば、ゆとり状態と判定された場合は、しばらくの間は、ヒヤリハット情報を提示しなかったり、警告音を出さないようにするなどが考えられる。
【００６０】
なお、本実施形態では、２つのドライバ状態を認識する例を用いて説明したが、判定器学習手段４００において、よく知られたクラスタリング手法やmulti-class svmなどを用いることで３つ以上の複数のドライバ状態を認識することが可能になる。
【００６１】
また、判定器学習手段４００において、one-class svmを用いることで、ドライバの状態が特定の状態かを判定できる。具体的には、普段のドライバ状態（通常状態）での特徴量を生成し、one-class svmで学習しておく。そして、他の特徴量をドライバ状態判定手段６００で判定することで、普段のドライバ状態と同じかどうかを判定できる。
【００６２】
また本実施形態では、特徴量の各データの判定結果として必ずドライバの状態を示していたが、判定できない場合は、判定できない旨を示すことも考えられる。具体的には、あるデータの判定結果として「−１」が付与されたデータは判定できないとして、ドライバの状態を求める際に利用しないということが考えられる。
【００６３】
更には、判定対象の特徴量において、判定できなかったデータが、特定の個数あった場合は、ドライバの状態として「判定不能」とし、判定結果を示さない、あるいは判定できなかった旨の情報をドライバに提示することも考えられる。
【００６４】
次に、ドライバ状態判定システム１０の物理的な構成について説明する。
【００６５】
ドライバ状態提示手段７００は、ディスプレイなどの情報表示装置を備えたコンピュータ上で動作するソフトウェアで実装すればよい。例えば、車載機器上のソフトウェアで実装された場合は、カーナビゲーションシステム上で、ドライバ状態に関する情報を表示することが考えられる。
【００６６】
状態設定手段２００は、心電計や心拍計、血圧計などのセンサに接続され、ドライバの状態を計測できるコンピュータか、ディスプレイなどの情報表示装置とタッチパネルやキーボードといった入力装置を備えたコンピュータ上で動作するソフトウェアで実装すればよい。
【００６７】
運転行動取得手段８００とデータ計測手段１００は、自動車の情報を得るためのセンサに接続されたり、地図情報を保持したり、インターネットに接続できたりするコンピュータ上で動作するソフトウェアで実装すればよく、例えば、カーナビゲーションシステム上で動作するソフトウェアが考えられる。
【００６８】
特徴量生成手段３００、判定器学習手段４００、及びドライバ状態判定手段６００は、カーナビゲーションシステム上やパーソナルコンピュータやサーバ型のコンピュータ上で動作するソフトウェアで実装すればよい。
【００６９】
判定器記憶手段５００は、運動行動と判定器を実装するモデルのパラメータを対応付けて記憶するデータベースであり、カーナビゲーションシステム上やパーソナルコンピュータやサーバ型のコンピュータ上に、広く知られているデータベースソフトウェアで実装すればよい。
【００７０】
ただし、本実施形態では、システム内の各手段について、特定の物理的な構成を前提としている訳ではない。
【００７１】
次に、図１に示した本実施形態のドライバ状態判定システム１０の動作について、図１０のフローチャートを参照して説明する。図１０に示すフローチャートでは、ドライバ状態を判定するための判定器を構築する「学習フェーズ」と、構築した判定器を用いてドライバ状態を判定する「判定フェーズ」を示す。
【００７２】
まず、学習フェーズについて説明する。状態設定手段２００は、ドライバ状態を設定する（ステップＳ１）。データ計測手段１００は、自車の車両情報と環境情報とを時々刻々計測し、記憶する（ステップＳ２）。運転行動取得手段８００は、運転行動判定ルールに基づき、ドライバの運転行動を取得する（ステップＳ３）。特徴量生成手段３００は、ステップＳ１で設定したドライバの状態と、ステップＳ２で計測した車両情報及び環境情報を用いて、ステップＳ３で取得した運転行動に応じた特徴量生成方法によって、ドライバ状態を判定するための判定器の構築に用いる特徴量を生成する（ステップＳ４）。
【００７３】
判定器学習手段４００は、ステップＳ４で生成した特徴量を蓄積する（ステップＳ５）。続いて、判定器学習手段４００が蓄積している特徴量の数、あるいはデータの数が、予め設定された閾値以上であるかどうかを判定する（ステップＳ６）。判定器学習手段４００が蓄積している特徴量の数、あるいはデータの数が、予め設定された閾値よりも少ない場合は（ステップＳ６がＮＯ）、以降の処理は行わずステップＳ１に戻る。
【００７４】
判定器学習手段４００が蓄積している特徴量の数、あるいはデータの数が、予め設定された閾値以上である場合は（ステップＳ６がＹＥＳ）、蓄積した特徴量を用いて、ドライバの状態と車両情報・環境情報の関係を学習し、車両情報・環境情報に対してドライバ状態を判定するための判定器を構築（学習）する（ステップＳ７）。
【００７５】
そして、判定器記憶手段５００は、ステップＳ７で学習した判定器のパラメータを、運転行動と関連付けて記憶する（ステップＳ８）。
【００７６】
次に、判定フェーズについて説明する。データ計測手段１００は、学習フェーズと同様、自車の車両情報と環境情報とを計測し、データ計測手段１００内のバッファに蓄積する（ステップＳ１０１）。続いて、運転行動取得手段８００は、学習フェーズと同様、運転行動判定ルールに基づき、運転行動を取得する（ステップＳ１０２）。
【００７７】
続いて、特徴量生成手段３００は、学習フェーズと同様、ステップＳ１０１で計測した車両情報及び環境情報から、ステップＳ１０２で取得した運転行動に応じた特徴量生成方法によって特徴量を生成する（ステップＳ１０３）。続いて、判定器記憶手段５００は、ステップＳ１０２で取得した運転行動に対応する判定器を取得する（ステップＳ１０４）。
【００７８】
ドライバ状態判定手段６００は、ステップＳ１０４で判定器記憶手段５００が取得した判定器を用いて、ステップＳ１０３で特徴量生成手段３００が生成した特徴量に対するドライバ状態を判定する（ステップＳ１０５）。そして、ドライバ状態提示手段７００は、ステップＳ１０５でドライバ状態判定手段６００が判定したドライバ状態をドライバに提示する（ステップＳ１０６）。
【００７９】
次に、本実施形態のドライバ状態判定システム１０の動作を、具体例を用いつつ詳細に説明する。
【００８０】
ドライバ状態判定システム１０は、文字列やボタンなどを表示できる画面、マウス、キーボード等を備えたカーナビゲーションシステムで構成されているものとし、自動車に搭載されているものとする。また、ドライバ状態判定システム１０は、自動車の各センサに接続されており、車速やブレーキ踏み込み量などの車両情報を入手したり、インターネットやＶＩＣＳ、あるいは自身の地図情報などから、環境情報を取得できるものとする。また、判定器記憶手段５００は、データベースプログラム上で動作しているものとする。
【００８１】
ここでは、交差点での停止行動において、ドライバの状態としてゆとり状態と通常状態を判定する例について説明する。つまり、ある交差点での停止行動において、ゆとり状態、通常状態それぞれに対応した特徴量から判定器を構築し、他の交差点での停止行動における特徴量に対するドライバ状態を判定する例について図１０のフローチャートを併せ参照して説明する。
【００８２】
図１０のステップＳ１で、状態設定手段２００は図２の画面を提示し、ドライバが「ゆとり」を選択したものとし、ドライバの状態として「ゆとり」を取得する。続くステップＳ２で、データ計測手段１００が図１１に１１０１で示す車両情報及び環境情報を計測したとする。
【００８３】
次のステップＳ３では、運転行動取得手段８００が運転行動を取得する。ここでは、運転行動取得手段８００が図４の運転行動判定ルール４０１を保持しているものとする（なお、運転行動判定ルール４０１中の停止行動における「交差点」は以下の説明では「停止位置」であるものとする。）。図１１の１１０１に示した計測された車両情報及び環境情報を見ると、図４の運転行動判定ルール４０１中の停止行動に関する運転行動判定ルールが合致する。具体的には、図１１の１１０１に示した計測された車両情報では、走行時間の経過につれて減速していき、最終的に走行距離２００ｍの位置で速度０ｋｍ／ｈの停止状態に到ることが示されている。また、その停止位置の手前１００ｍの走行距離１００ｍの位置では速度が３０ｋｍ／ｈ以上であり、それ以降常に減速状態にある。従って、これは上記の停止行動に関する運転行動判定ルール４０１に合致したものとし、運転行動取得手段８００が運転行動を停止行動と判定する。
【００８４】
続いて、ステップＳ４で、特徴量生成手段３００が、図１１に示す車両情報及び環境情報１１０１などを用いて、図１２に示す特徴量１２０１を生成する。ここでは、特徴量生成手段３００が、図３３の３３０１に示す特徴量生成方法を保持しているものとする。特徴量生成手段３００は、この図３３に示す停止行動に関連する特徴量生成方法３３０１を用いて、図１１に示す車両情報及び環境情報１１０１中の走行時間と走行距離とから、停止までの時間、停止までの距離という値を計算し、他の車両情報、環境情報及びドライバの状態と合わせ特徴量とするものとする。これにより、特徴量生成手段３００は、図１２に示す特徴量１２０１を生成する。図１２に示す特徴量１２０１は、ドライバ状態が「１」であり、これはドライバ状態がゆとり状態であることを表す。
【００８５】
次に、ステップＳ５において、判定器学習手段４００は、ステップＳ４で生成した特徴量１２０１を蓄積する。ここで、判定器学習手段４００が蓄積する特徴量の閾値を「２」とすると、ステップＳ６において、判定器学習手段４００が蓄積する特徴量の数はこの段階では「１」であり、閾値よりも小さいため、以降の処理は行わない。
【００８６】
続いて、別の交差点において、通常状態において、同様に停止行動を行い、特徴量を生成する処理について説明する。
【００８７】
図１０のステップＳ１において、ドライバが提示されたドライバの状態の複数の候補の中から通常状態を選択したものとすると、状態設定手段２００が通常状態を設定する。図１０のステップＳ２からステップＳ５までの処理は上記の場合と同様に行われる。ただし、今回は、データ計測手段１００が図１１の１１０２に示す車両情報及び環境情報を計測し（ステップＳ２）、特徴量生成手段３００が図１２の特徴量１２０２を生成したものとする（ステップＳ４）。
【００８８】
この結果、ステップＳ６において、判定器学習手段４００が蓄積する特徴量の数（積算値）は「２」となり、閾値「２」以上になるため、ステップＳ７に処理を移す。ステップＳ７では、判定器学習手段４００が、ＳＶＭを用いて分割平面を求める。具体的には、図１２の特徴量１２０１の各データと特徴量１２０２の各データを個々にベクトル表現し、特徴空間に配置する。そして、ドライバの状態を２分する（ゆとり：１，通常：２）分割平面を求める。
【００８９】
続くステップＳ８では、判定器記憶手段５００が、ステップＳ７で求めた停止行動のドライバ状態を判定する分割平面を、図７の７０１に示すように（図７ではモデル１）記憶する。これにより、学習フェーズは終了する。
【００９０】
次に、別の交差点で、ドライバの状態が不明な状態での停止行動に対し、ドライバ状態を判定する本実施形態の判定フェーズの処理について説明する。
【００９１】
図１０のステップＳ１０１は、データ計測手段１００が、図１３の１３０１に示す車両情報及び環境情報を計測したものとする。続くステップＳ１０２では、運転行動取得手段８００が運転行動を取得する。ここでは、計測された図１３の車両情報及び環境情報１３０１は、走行距離１１００ｍでの停止位置の手前１００ｍの走行距離１０００ｍの位置では速度が３０ｋｍ／ｈ以上であり、それ以降常に減速状態にあるので、図４の運転行動判定ルール４０１の停止行動に合致することから、運転行動取得手段８００は、運転行動として「停止行動」を取得する。
【００９２】
ここでは、図１０のステップＳ１０３において、特徴量生成手段３００が、図１３に示した車両情報及び環境情報１３０１を用いて、走行時間、走行距離から、停止までの時間、停止までの距離という値を計算し、他の車両情報、環境情報及びドライバの状態と合わせ図１３の１３０２に示す特徴量を生成する。
【００９３】
続くステップＳ１０４では、ドライバ状態判定手段６００が、停止行動に対して判定器記憶手段５００が記憶している分割平面のパラメータである図７の７０１を取得し、分割平面を再構築する。続くステップＳ１０５では、ドライバ状態判定手段６００が、ステップＳ１０４で取得した分割平面に対し、ステップＳ１０３で生成した図１３に示す特徴量の各データ１３０２が、ゆとり状態、通常状態のいずれに分類されるか逐次判定する。ここでは、ドライバ状態は、図１３の１３０３に示すように判定されたとものとする。つまり、図１３に示すドライバ状態１３０３からゆとり状態が全部で１０回、通常状態が３回という結果が得られる。
【００９４】
続くステップＳ１０６では、ドライバ状態提示手段７００が、ステップＳ１０５でドライバ状態判定手段６００が判定した判定結果（図１３のドライバ状態１３０３）を図９（Ａ）又は（Ｂ）に示すようにドライバに提示する。この例は、メータがゆとり側にふれており、かつ、その割合が７７％であることを示している。
【００９５】
次に、本実施形態のドライバ状態判定システム１０の効果について説明する。
【００９６】
本実施形態のドライバ状態判定システム１０では、運転行動に応じて特徴量を生成し、判定器を構築している。そのため、ドライバの運転全体で捉えるよりも精度良くドライバの状態と車両情報・環境情報の関係を学習でき、車両情報・環境情報に対してドライバ状態を判定するための判定器を構築できる。
【００９７】
また、本実施形態のドライバ状態判定システム１０では、運転行動毎に特徴量を生成し、判定処理を行っているため、精度良くドライバ状態を判定できる。更には、特徴量の各データ毎に判定しているため、判定器あるいは特徴量の誤差やノイズの影響を受けにくいという特長がある。
【００９８】
（第２の実施形態）
次に、本発明になるドライバ状態判定システムの第２の実施形態について説明する。図１４は、本発明になるドライバ状態判定システムの第２の実施形態のブロック図を示す。同図中、図１と同一構成部分には同一符号を付し、その説明を省略する。図１４に示す本実施形態のドライバ状態判定システム２０は、図１に示した第１の実施形態のドライバ状態判定システム１０と比較すると、ドライバ状態判定手段６００とドライバ状態提示手段７００との間に判定結果蓄積手段９００が追加されている点で異なる。
【００９９】
第１の実施形態のドライバ状態判定システム１０では、ドライバ状態判定手段６００が判定した結果をそのままドライバ状態提示手段７００が提示していた。ここで、実際の運転環境を考えると、ドライバは同じ状態で走行していても、外的な要因のために一時的に状態を乱される場合がある。例えば、突然割り込みされたり、歩行者が飛び出してきた場合、一時的にドライバの状態が変化してしまう。その結果、例えば「ゆとり」状態を維持していたとしても、一時的な事象のために「危険」状態と判定してしまう。
【０１００】
更に第１の実施形態のドライバ状態判定システム１０では、運転行動取得手段８００が次の運転行動を取得するまでは、ドライバの状態が変わらないため、以後「ゆとり」状態であっても、ドライバ状態提示手段７００により「危険」状態と表示され続けることで、ドライバにとって納得性が低い情報提示になってしまう。
【０１０１】
そこで、本実施形態の判定結果蓄積手段９００は、過去の判定結果を記憶しておき、その過去の判定結果を現在の判定結果と比較して得た比較結果に基づいて、提示すべき判定状態を決定する。判定結果蓄積手段９００は、運転行動取得手段８００が取得した運転行動と、それに対する判定結果との組を記憶すると共に、記憶している過去の運転行動と判定結果との組と、ドライバ状態判定手段６００からの現在の判定結果とから、現在の判定結果が適切かどうかを判定し（状態遷移の有無を判定し）、適切であればそのまま、そうでなければ現在の判定結果を修正し、ドライバ状態提示手段７００に送信する。
【０１０２】
図１５は、判定結果蓄積手段９００が蓄積する運転行動と判定結果との組の各例を示す。判定結果蓄積手段９００は、同じ運転行動において２回以上連続して同じ状態が判定された場合に、状態が遷移したと判定する場合について説明する。
【０１０３】
ここで、ドライバ状態判定手段６００は、過去に３回停止行動でゆとり状態と判定し、１回発進行動でゆとり状態と判定したものとすると、判定結果蓄積手段９００は、それぞれの運転行動と判定結果とを対応付けて図１５に１５０１で示すデータを蓄積している。
【０１０４】
この状態において、次にドライバ状態判定手段６００が停止行動に対して通常状態と判定した場合について説明する。ここで、過去に３回停止行動で連続してゆとり状態と判定されているため、今回の判定は間違い、あるいは何らかの外乱によるものであると考える。
【０１０５】
そして、判定結果蓄積手段９００は、図１５に１５０２で示すように、今回の停止行動と通常状態という組を追加記憶するが、上記のように今回の判定は間違い、あるいは何らかの外乱によるものであると判断して、ドライバ状態提示手段７００には、ゆとり状態を送信する。
【０１０６】
もし、次の判定においても、ドライバ状態判定手段６００が、ドライバ状態が通常状態であると判定した場合は、判定結果蓄積手段９００は、図１５に１５０３で示すように、今回も停止行動と通常状態という組を追加記憶するが、２回ゆとり状態が連続するので、今度はドライバ状態がゆとり状態から通常状態に遷移したと判断し、ドライバ状態提示手段７００には、通常状態を送信する。
【０１０７】
このように、本実施形態では、ドライバの状態が間違いかどうかを判定する指標として、同じ運転行動とドライバ状態の組が連続して判定される回数を用いているが、ドライバ状態の連続性を判定する他の指標として、環境情報も用いてもよい。この場合は、例えば、２つの判定結果に関連する特徴量の環境情報同士の相関係数やベクトル間のコサイン値を用いるｃｏｓ類似度によって環境情報の類似度を求め、類似する環境情報で、運転行動とドライバ状態の組が連続して判定されている場合は、次に違うドライバ状態が判定されても、ドライバ状態は遷移していないものとする。
【０１０８】
また、本実施形態では、判定結果蓄積手段９００は、修正した判定結果のみをドライバ状態提示手段７００に送信したが、修正前の判定結果も送信してもよい。この場合は、ドライバ状態提示手段７００は、図１７に１７０２で示すように、ゆとり状態と通常状態とを比較しながら両結果を提示したり、図１７に１７０３で示すように、判定不能、あるいは判定が困難であることを示す文字を提示してもよい。あるいは、ドライバ判定状態提示手段７００が、「もしかして“ゆとり”がなくなりました？」や「“ゆとり”が少なくなってきました」のように、状態が変化しつつある可能性があることを提示することも考えられる。
【０１０９】
次に、図１４に示した本実施形態のドライバ状態判定システム２０の動作について、図１６のフローチャートを参照して説明する。図１６に示すフローチャートでは、ドライバ状態を判定するための判定器を構築する「学習フェーズ」と、構築した判定器を用いてドライバ状態を判定する「判定フェーズ」を示す。
【０１１０】
本実施形態のドライバ状態判定システム２０は、第１の実施形態のドライバ状態判定システム１０と同様に動作するが、状態判定手段６００が判定した結果を記憶し、判定結果が正しいかどうかを判定し、間違えている場合は判定結果を修正する点で、第１の実施形態のドライバ状態判定システム１０と動作が異なる。
【０１１１】
図１６の学習フェーズを示すステップＳ１〜ステップＳ８と、判定フェーズ中のステップＳ１０１からステップＳ１０５の動作は第１の実施形態と同じであるため、図１０と同一符号を付し、その説明を省略する。
【０１１２】
図１６において、ステップＳ１０５に続くステップＳ２０１において、判定結果蓄積手段９００は、運転行動取得手段８００が取得した運転行動と、ドライバ状態判定手段６００が判定器記憶手段５００からの判定器を用いて、特徴量生成手段３００が生成した特徴量に対するドライバ状態をステップＳ１０５で判定して得たドライバ状態とを取得し、それらの組を判定結果として蓄積する。
【０１１３】
続いて、判定結果蓄積手段９００は、既に蓄積している過去の判定結果と、この度新たに蓄積する現在の判定結果とを比較し、現在の判定結果が誤判定かどうかを判定する（ステップＳ２０２）。判定結果蓄積手段９００は、現在の判定結果が過去の判定結果と予め定めた回数（例えば、２回）連続して同じであれば、誤判定でないと判断して、その現在の判定結果をドライバ状態提示手段７００に供給して、その判定結果を提示させる（ステップＳ１０６）。
【０１１４】
一方、判定結果蓄積手段９００は、現在の判定結果が過去の判定結果と上記の予め定めた回数連続して同じでないときは、誤判定であると判断して、その現在の判定結果を修正する（ステップＳ２０３）。その修正方法は、例えば前述したように、現在の判定結果に対して上記の予め定めた回数前の過去の判定結果を採用する方法である。ドライバ状態提示手段７００は、判定結果蓄積手段９００から上記の修正結果を受けて修正した判定結果を提示する（ステップＳ１０６）。
【０１１５】
次に、第２の実施形態のドライバ状態判定システム２０の動作を、具体例を用いつつ更に詳細に説明する。
【０１１６】
本実施の形態では図１６のステップＳ１０５において、ドライバ状態判定手段６００が停止行動に対しドライバ状態が「通常状態」であると判定した場合について説明する。更には、図１５に示すように、過去に４回ドライバ状態を判定しており、停止行動において３回ゆとり状態と判定し、発進行動において１回ゆとり状態と判定していたものとする。
【０１１７】
図１６のステップＳ２０１では、判定結果蓄積手段９００は、図１５に１５０１で示すように過去に蓄積された判定結果に加えて、ステップＳ１０５で判定した現在の判定結果を図１５に１５０２で示すように蓄積する。続く図１６のステップＳ２０２では、判定結果蓄積手段９００は、過去の判定結果１５０１と現在の判定結果１５０２とを比較し、ステップＳ１０５で判定した判定結果が正しいかどうか判定する。
【０１１８】
本実施の形態では、同じ運転行動において２回以上連続して同じ状態が判定された場合に、状態が遷移したと判定するものとすると、判定結果蓄積手段９００は、ステップＳ１０５で判定した判定結果１５０２の「停止行動，通常状態」は誤りであると判定する。そのため、図１６のステップＳ２０３において、判定結果蓄積手段９００は、判定結果を「通常状態」から「ゆとり状態」に修正する。
【０１１９】
図１６のステップＳ１０６では、図１６のステップＳ２０３で修正された判定結果を判定結果蓄積手段９００から供給されたドライバ状態提示手段７００が、例えば図１７に１７０１で示すように提示する。
【０１２０】
次に、本実施形態のドライバ状態判定システム２０の効果について説明する。本実施形態のドライバ状態判定システム２０では、過去の判定結果を用いて、現在の判定結果が外乱により誤ったかどうか判定しているため、環境や周辺車両等の影響による一時的な判定結果の変化を吸収でき、安定してドライバ状態を判定できる。
【０１２１】
（第３の実施形態）
次に、本発明になるドライバ状態判定システムの第３の実施形態について説明する。図１８は、本発明になるドライバ状態判定システムの第３の実施形態のブロック図を示す。同図中、図１と同一構成部分には同一符号を付し、その説明を省略する。図１８に示す本実施形態のドライバ状態判定システム３０は、図１に示した第１の実施形態のドライバ状態判定システム１０と比較すると、運転行動取得手段８００とドライバ状態判定手段６００との間に重要度記憶手段１０００が追加されている点で異なる。
【０１２２】
第１の実施形態のドライバ状態判定システム１０では、ドライバ状態判定手段６００は、特徴量生成手段３００が生成した特徴量の各データに対するドライバ状態を逐次判定していた。
【０１２３】
しかし、ドライバ状態の特徴は、運転行動中に一様に現れないと考えられる。例えば、停止行動においては、停止行動開始を表すアクセルを外すタイミングや、ブレーキを踏み始めるタイミングにドライバ状態の特徴が現れると考えられる。一方で、停止間際では、どのようなドライバ状態であっても似たような車両操作を行うと考えられる。
【０１２４】
そこで、本実施形態のドライバ状態判定システム３０は、特徴量の各データに対するドライバ状態を逐次判定する際に、運転行動に応じて各データの判定結果に重み付けを行い、ドライバ状態をより正確に判定しようとするものである。
【０１２５】
重要度記憶手段１０００は、運転行動と、その運転行動に対応した重み付けルールとを対応付けて記憶する。図１９は、運転行動に対応した重み付けルールの例を示す。図１９に示す重み付けルールでは、例えば、停止行動において、停止まで５０〜１００ｍの特徴量の判定結果に対しては２.０の重み付けを行い、停止まで０〜５０ｍの特徴量の判定結果に対しては１.０の重み付けを行う。
【０１２６】
具体的には、特徴量の停止まで５０〜１００ｍの範囲にあるドライバ状態のデータが「ゆとり状態」と判定された場合、１データあたり２データ「ゆとり状態」と判定されたものと同等に扱う。一方、停止まで０〜５０ｍの範囲にあるドライバ状態のデータについては、重み付けは１.０とするため、第１の実施形態と同様、各データの判定結果をそのまま利用する。
【０１２７】
ドライバ状態判定手段６００は、重要度記憶手段１０００が選択した重み付けルールに従い、特徴量生成手段３００が生成した特徴量に対してドライバ状態を判定する。
【０１２８】
ここで、図２０の停止行動における特徴量を用いてドライバ状態判定手段６００によるドライバ状態の判定処理を説明する。図２０に示す特徴量２００１に対して、ドライバ状態判定手段６００は、第１の実施形態と同様にドライバ状態を判定し、その判定結果が図２０に示すドライバ状態（暫定）２００２であるとする。
【０１２９】
ここで、ドライバ状態判定手段６００は、図１９に示した重み付けルールから、図２０に２００３で示す重み付けを取得する。そして、ドライバ状態判定手段６００は、図２０に示すドライバ状態（暫定）２００２と重み付け２００３とから、ゆとり状態、通常状態のドライバ状態の判定結果を図２０に２００４で示すように求める。例えば、通常状態の場合、図２０に示すように重み付けが２のデータが１つ、重み付けが１のデータが２つであるため、通常状態は４（＝２＋１＋１）とする。また、ゆとり状態の場合、図２０に示すように重み付けが２のデータが６つ、重み付けが１のデータが４つであるため、ゆとり状態は１６（＝２×６＋１×４）とする。
【０１３０】
なお、本実施形態では、重み付けルールを停止まで、あるいは発進からの距離区間で指定したが、他のパラメータ（例えば、時間や特定の環境情報）を含めた関数で指定してもよい。
【０１３１】
次に、図１８に示す第３の実施形態のドライバ状態判定システム３０の動作を、図２１のフローチャートを参照して説明する。図２１に示すフローチャートでは、ドライバ状態を判定するための判定器を構築する「学習フェーズ」と、構築した判定器を用いてドライバ状態を判定する「判定フェーズ」を示す。
【０１３２】
本実施形態のドライバ状態判定システム３０は、第１の実施形態のドライバ状態判定システム１０と同様に動作するが、ドライバ状態判定手段６００が、重要度記憶手段１０００が記憶している重み付けルールに基づいて、特徴量生成手段３００が生成した特徴量の判定結果に重み付けを行う点で、第１の実施形態と異なる。
【０１３３】
図２１の学習フェーズを示すステップＳ１〜ステップＳ８と、判定フェーズ中のステップＳ１０１からステップＳ１０５の動作は第１の実施形態と同じであるため、図１０と同一符号を付し、その説明を省略する。
【０１３４】
図２１において、ステップＳ１０５に続くステップＳ３０１において、図１８のドライバ状態判定手段６００は、重要度記憶手段１０００が記憶している重み付けルールの中から、特徴量生成手段３００が生成した特徴量の運転行動に対応する重み付けルールを取得する。
【０１３５】
続いて、ドライバ状態判定手段６００は、ステップＳ１０５で判定したドライバ状態に対して、ステップＳ３０１で取得した重み付けルールを適用し、判定結果に重み付けを行う。その際、ドライバ状態判定手段６００は、ステップＳ３０１で取得した重み付けルールに従って、判定結果に重み付けを行う（ステップＳ３０２）。
【０１３６】
次に、第３の実施形態のドライバ状態判定システム３０の動作を、具体例を用いつつ更に詳細に説明する。
【０１３７】
本実施形態では、停止行動における図２０に示す特徴量２００１に対して、図２１のステップＳ１０５で、図２０に示すドライバ状態２００２のように判定されたとものとする。また、重要度記憶手段１０００が、図１９に示す重み付けルールを記憶しているものとする。
【０１３８】
図２１のステップＳ３０１で、図１８に示すドライバ状態判定手段６００は、停止行動に対する重み付けルールとして「停止まで５０〜１００ｍは、２.０，停止まで０〜５０ｍは１.０」を取得する。つまり、停止まで５０〜１００ｍ区間では、１回の判定結果について２回判定されたものとカウントし、一方停止まで０〜５０ｍ区間では、１回の判定結果について１回判定されたものとしてカウントする。
【０１３９】
続いて、図２１のステップＳ３０２で、ドライバ状態判定手段６００は、上記の重み付けルールに基づいて判定結果を求める。具体的には図２０の２００４のように求め、ドライバ状態として「ゆとり状態１６，通常状態４」を求める。
【０１４０】
次に、本実施形態のドライバ状態判定システム３０の効果について説明する。本実施形態のドライバ状態判定システム３０では、運転行動において、ドライバの状態が最も現れやすい時間や距離などに重み付けを行い、ドライバ状態を判定するため、運転行動に対して、精度良くドライバ状態を判定できる。
【０１４１】
（第４の実施形態）
次に、本発明になるドライバ状態判定システムの第４の実施形態について説明する。図２２は、本発明になるドライバ状態判定システムの第４の実施形態のブロック図を示す。同図中、図１と同一構成部分には同一符号を付し、その説明を省略する。図２２に示す本実施形態のドライバ状態判定システム４０は、図１に示した第１の実施形態のドライバ状態判定システム１０と比較すると、運転行動取得手段８００とドライバ状態判定手段６００との間に判定信頼度設定手段１１００が追加されている点で異なる。
【０１４２】
第１の実施形態のドライバ状態判定システム１０では、運転行動を検出すると必ずドライバ状態の判定処理を行っていた。しかし、自動車の周辺の状況によっては、ドライバ状態の特徴が現れない可能性があると考えられる。例えば、ゆとり運転の場合、晴れた日の広い道路での運転よりも、雨の日の狭い道路での運転のほうがドライバの特徴がでにくいと考えられる。つまり、周辺の状況によっては判定結果の信頼度が低い場合があり得る。ここで、「周辺の状況」とは、環境情報として得られる天候や道路の種類などを示す。
【０１４３】
そこで、本実施形態のドライバ状態判定システム４０は、周辺の状況に応じて判定結果に信頼度を付与し、判定結果の利用可否を決定したり、提示方法、利用方法を変更したりするものである。
【０１４４】
図２２において、判定信頼度設定手段１１００は、データ計測手段１００が計測した環境情報に対して、判定信頼度を設定する。また、判定信頼度設定手段１１００は、データ計測手段１００が計測した環境情報に対して判定信頼度を決定するための信頼度設定ルールを保持している。
【０１４５】
図２３は、判定信頼度設定手段１１００が保持する上記の信頼度設定ルールの例を示す。図２３に示すように、信頼度設定ルールは、周辺状況として、天候が晴れ、道幅が広い道路を走っている場合には、判定信頼度を１.０とする。また、信頼度設定ルールは、天候が晴れ、道幅が狭い道路を走っている場合には、判定信頼度を０.７とし、天候が雨、道幅が広い道路を走っている場合には判定信頼度を０．６と、天候が雨、道幅が狭い道路を走っている場合には判定信頼度を０.３とする。このように、信頼度設定ルールは、信頼度を周囲状況に応じた運転のし易さに対応した値に設定するルールである。
【０１４６】
従って、図２２に示すデータ計測手段１００が環境情報として、例えば「天候が雨，道幅が狭い」を計測した場合は、判定信頼度設定手段１１００はこの計測環境情報を受け、図２３に示した信頼度設定ルールに従い、「０.３」の値の判定信頼度をドライバ状態判定手段６００に供給する。
【０１４７】
図２２に示すドライバ状態判定手段６００は、判定信頼度の値に応じて、判定方法を変更する。例えば、判定信頼度が閾値以下であれば、判定処理を行わず、「判定不可能」である旨をドライバ状態提示手段７００に供給する。あるいは、ドライバ状態判定手段６００は、第１の実施形態と同様に、判定器記憶手段５００が選択した判定器を用いて、特徴量生成手段３００が抽出した特徴量に対するドライバ状態を判定し、判定結果に判定信頼度を乗じた値を判定結果として、ドライバ状態提示手段７００に供給する。あるいは、ドライバ状態判定手段６００は、判定結果と判定信頼度との組をドライバ状態提示手段７００に供給する。
【０１４８】
なお、本実施形態では、判定信頼度を１つの値で表したが、特徴量の各データ毎に判定信頼度を取得してもよい。この場合は、特徴量の各データに判定信頼度を取得することで、一部環境情報が異なるデータがある場合などでも、詳細に判定信頼度を付与できる。
【０１４９】
次に、図２２に示す本実施形態のドライバ状態判定システム４０の動作を、図２４のフローチャートを参照して説明する。図２４に示すフローチャートでは、ドライバ状態を判定するための判定器を構築する「学習フェーズ」と、構築した判定器を用いてドライバ状態を判定する「判定フェーズ」を示す。
【０１５０】
本実施形態のドライバ状態判定システム４０は、第１の実施形態のドライバ状態判定システム１０と同様に動作するが、判定信頼度設定手段１１００が判定信頼度を設定し、ドライバ状態判定手段６００が、判定信頼度設定手段１１００が設定した判定信頼度を用いてドライバ状態を判定する点で、第１の実施形態と異なる。
【０１５１】
図２４の学習フェーズを示すステップＳ１〜ステップＳ８と、判定フェーズ中のステップＳ１０１からステップＳ１０４の動作は第１の実施形態と同じであるため、図１０と同一符号を付し、その説明を省略する。
【０１５２】
図２４において、ステップＳ１０４に続くステップＳ４０１では、判定信頼度設定手段１１００は、データ計測手段１００が計測した環境情報に対し、信頼度設定ルールを用いて、判定信頼度を設定する。
【０１５３】
続いて、図２２に示すドライバ状態判定手段６００は、判定信頼度の値に応じて、判定方法を変更して、ドライバ状態を判定する（ステップＳ４０２）。例えば、図２２に示すドライバ状態判定手段６００は、判定信頼度設定手段１１００からの判定信頼度が閾値以下であれば、判定処理を行わず、「判定不可能」である旨の情報をドライバ状態提示手段７００に供給する。あるいは、図２２に示すドライバ状態判定手段６００は、第１の実施形態と同様に、判定器記憶手段５００が選択した判定器を用いて、特徴量生成手段３００が抽出した特徴量に対するドライバ状態を判定し、判定結果に判定信頼度を乗じた値を判定結果として、ドライバ状態提示手段７００に供給してもよい。
【０１５４】
図２２に示すドライバ状態提示手段７００は、ドライバ状態判定手段６００から上記のドライバ状態の判定情報を受けてそれを提示する（図２４のステップＳ１０６）。
【０１５５】
次に、第４の実施形態のドライバ状態判定システム４０の動作を、具体例を用いつつ更に詳細に説明する。
【０１５６】
ここでは、一例として判定信頼度設定手段１１００が図２５に示す信頼度設定ルール２５０５を保持しているものとする。また、特徴量生成手段３００が、図２５に示す特徴量２５０１を生成したものとする。
【０１５７】
この場合、図２４のステップＳ４０１では、判定信頼度設定手段１１００が、データ計測手段１００が計測した環境情報に対し、図２５に示した信頼度設定ルール２５０５を用いて、判定信頼度を設定する。
【０１５８】
続いて、図２４のステップＳ４０２では、図２２に示すドライバ状態判定手段６００は、判定信頼度設定手段１１００により設定された図２５に示す判定信頼度２５０５を入力として受け、図２５に示すように特徴量の各データ２５０１に信頼度２５０３を付与する。図２５に示す特徴量の各データ２５０１は「晴れ，一般道」であるため、図２５に示すように、判定信頼度２５０５に基づき付与される信頼度２５０３は「０.７」となる。
【０１５９】
更に、上記のステップＳ４０２では、図２２に示すドライバ状態判定手段６００は、第１の実施形態と同様に、判定器記憶手段５００が選択した判定器を用いて、特徴量生成手段３００が抽出した特徴量に対するドライバ状態を判定する。これにより得られる判定結果は、図２５にドライバ状態（暫定）２５０２として示される。
【０１６０】
更に、上記のステップＳ４０２では、図２２に示すドライバ状態判定手段６００は、ドライバ状態（暫定）２５０２のゆとり状態、通常状態の数をそれぞれカウントし、そのカウント値に信頼度２５０３を乗じた値を算出し、図２５に２５０４で示すドライバ状態を得る。ここでは、図２５に示すように、ゆとり状態の数「１０」に信頼度２５０３の値「０.７」を乗じた値「７」と、通常状態の数「３」に信頼度２５０３の値「０.７」を乗じた値「２.１」とをドライバ状態２５０４とする。そして、図２２に示すドライバ状態判定手段６００は、算出したドライバ状態２５０４をドライバ状態提示手段７００に供給する。
【０１６１】
次に、本実施形態のドライバ状態判定システム４０の効果について説明する。本実施形態のドライバ状態判定システム４０では、ドライバ状態の判定結果に信頼度を付与することにより、判定が困難であったり、判定精度があまり高くないことを示すことができる。そのため、本実施形態のドライバ状態判定システム４０では、ドライバに誤ったドライバ状態を示す割合が下がり、信頼度の低い誤判定結果であれば、ドライバは間違いを納得できたりするなど、ドライバのドライバ状態判定結果に対する信頼性が向上する。
【０１６２】
（第５の実施形態）
次に、本発明になるドライバ状態判定システムの第５の実施形態について説明する。図２６は、本発明になるドライバ状態判定システムの第５の実施形態のブロック図を示す。同図中、図１と同一構成部分には同一符号を付し、その説明を省略する。図２６に示す本実施形態のドライバ状態判定システム５０は、図１に示した第１の実施形態のドライバ状態判定システム１０と比較すると、判定器類似度計算手段１２００と判定器統合手段１３００とが追加されている点で異なる。
【０１６３】
また、本実施形態では、このドライバ状態判定システム５０を複数のドライバが利用するものとし、判定器記憶手段５００はドライバと運転行動に関連付けて複数の判定器を保持する。更に、本実施形態では、判定器記憶手段５００は、複数の判定器とそれぞれ関連付けて、判定器を構築するのに用いた特徴量も記憶するものとする。
【０１６４】
図２８は、本実施形態における判定器記憶手段５００が記憶する判定器等を示す。図２８の２８０２に示すように、例えば、ドライバＸの停止行動の判定器はＡ、右折行動の判定器はＣである。また、ドライバＹの停止行動の判定器はＢである。
【０１６５】
しかし、ドライバ状態判定システム５０を車載器に搭載した場合を考えると、記憶容量に制限があり、多くの判定器を保持することは困難である。例えば、図２８の２８０２に示すドライバと運転行動に対応した判定器の場合、判定器記憶手段５００は、同じ停止行動に対して複数のドライバＸ及びＹの判定器Ａ及びＢを記憶している。
【０１６６】
そこで、本実施形態では、後述するように、判定器記憶手段５００が記憶している判定器のうち、類似する判定器を探し、それらを統合することで、使用する記憶容量を削減する。具体的には、判定器類似度計算手段１２００が、判定器同士の類似度を求め、判定器統合手段１３００が類似度に基づいて、判定器同士を統合する。
【０１６７】
判定器類似度計算手段１２００は、判定器記憶手段５００が記憶する任意の判定器を２つ選択し、一方の判定器を用いて、他方の判定器の構築に使用した特徴量を再判定し、判定結果が正しいか判定する。同様に、もう一方の組み合わせでも再判定を行い、両判定正解率の積を類似度とする。
【０１６８】
この類似度の計算方法について図２７と共に更に詳細に説明する。図２６に示す判定器記憶手段５００が記憶しているドライバＸ、Ｙの停止行動に関する判定器Ａ、Ｂについて、それぞれの判定器を構築するために特徴量Ａ−１からＡ−５、特徴量Ｂ−１からＢ−５（図２７の２７０１、２７０２）が用いられたものとする。ただし、判定器を構築するのに使用した特徴量は、判定器に関する情報として判定器記憶手段５００が記憶しているものとする。
【０１６９】
ここで、判定器Ｂを用いて上記の特徴量Ａ−１〜Ａ−５のドライバ状態を判定して図２７に２７０３で示す判定結果を得、判定器Ａを用いて上記の特徴量Ｂ−１〜Ｂ−５のドライバ状態を判定して図２７に２７０４に示す判定結果を得たものとする。判定結果２７０３及び２７０４それぞれの正解率は、図２７に示すようにいずれも４／５であるので、類似度は０.６４（＝（４／５）・（４／５）＝１６／２５）と算出される。
【０１７０】
判定器統合手段１３００は、判定器類似度計算手段１２００が計算した類似度に基づいて、判定器の統合処理を行う。例えば、類似度が閾値以上の判定器組の一方の名称をもう一方に変更し、名称を変更した判定器を削除する。
【０１７１】
この判定器の統合処理について、図２８を用いて具体的に説明する。図２８の２８０１が判定器類似度計算手段１２００が計算した類似度であるとする。ここでは、判定器Ａと判定器Ｂとの間の類似度が「０.９」、判定器Ａと判定器Ｃとの間の類似度が「０.２」、判定器Ｂと判定器Ｃとの間の類似度が「０.５」である。ここで、類似度統合手段１３００が、閾値「０.８」以上の類似度をもつ判定器組みを統合するものとすると、類似度統合手段１３００は、類似度計算結果２８０１に基づき、判定器Ｂを削除し、判定器Ａに統合する。この結果、図２８の２８０２に示すドライバと運転行動に対する判定器は、判定器Ｂが判定器Ａに変更される。
【０１７２】
なお、本実施形態では、判定器の類似度に、判定器を学習する際に用いた特徴量を他の判定器を用いて判定した判定結果の正解率を用いたが、他の値を用いてもよい。例えば、ＳＶＭを用いた判定器であれば、２つの判定器のサポートベクタ同士のｃｏｓ類似度や、分割平面の近さを用いて類似度を求めることも考えられる。
【０１７３】
また、本実施形態では、類似する判定器のうち一方を削除することで判定器を統合したが、他の方法を用いてもよい。例えば、それぞれの判定器を構築するのに用いた特徴量をすべて用いて再度判定器を構築し直し、両判定器を置き換えることも考えられる。
【０１７４】
また、類似度を計算し、統合処理を行う対象として、異なるドライバ間、同じ運転行動に関する判定器とは限らず、同じドライバ間や、異なる運転行動に関する判定器に対して行うことも考えられる。
【０１７５】
次に、図２６に示す本実施形態のドライバ状態判定システム５０の要部の動作を、図２９のフローチャートを参照して説明する。図２９に示すフローチャートは、前記した判定器の学習フェーズ及び判定フェーズとは別に動作する統合フェーズのフローチャートを示す。
【０１７６】
図２６において、類似度計算手段１２００は、判定器記憶手段５００が記憶している判定器を２つ取得する（ステップＳ５０１）。続いて、類似度計算手段１２００は、ステップＳ５０１で取得した２つの判定器同士の類似度を求める（ステップＳ５０２）。続いて、類似度計算手段１２００が、判定器記憶手段５００が記憶している判定器のすべての組み合わせについて類似度を求めたかどうか判定する（ステップＳ５０３）。判定器のすべての組み合わせについて類似度を求めていない場合は、ステップＳ５０１に戻る。このようにして、判定器記憶手段５００が記憶している判定器のすべての組み合わせについて類似度を求めるまで、ステップＳ５０１〜Ｓ５０３の処理を繰り返す。
【０１７７】
ステップＳ５０３で類似度計算手段１２００が、判定器記憶手段５００が記憶している判定器のすべての組み合わせについて類似度を求めたと判定された場合は、判定器統合手段１３００は、ステップＳ５０３までに類似度計算手段１２００が求めた判定器同士の類似度を用いて、統合対象となる判定器を選択する（ステップＳ５０４）。
【０１７８】
ステップＳ５０４では、例えば、類似度順にソートし、上位から予め決まった件数、あるいは割合の判定器を統合対象となる判定器として選択する。あるいは、予め決められた閾値以上の類似度を持つ判定器組を選択する。あるいは、類似度の分布から、平均値あるいは中央値などの統計的指標をもとに閾値を決定し、閾値以上、あるいは以下の類似度を持つ判定器組を選択する。
【０１７９】
そして、判定器統合手段１３００は、ステップＳ５０４で選択した判定器組を統合し、判定器記憶手段５００に記憶している運転行動と判定器に関する項目を修正する（ステップＳ５０５）。
【０１８０】
次に、本実施形態のドライバ状態判定システム５０の効果について説明する。本実施形態のドライバ状態判定システム５０では、類似する判定器を検索し、類似する判定器を統合するようにしているため、判定器を記憶するための記憶手段５００の記憶容量を節約できる。また、本実施形態のドライバ状態判定システム５０では、サーバで大量のドライバの判定器を記憶したり、車載器のように記憶容量に制限のある端末で複数のドライバ、運転行動に対する判定器を記憶したりすることが可能になる。
【０１８１】
（第６の実施形態）
次に、本発明になるドライバ状態判定システムの第６の実施形態について説明する。図３０は、本発明になるドライバ状態判定システムの第６の実施形態のブロック図を示す。同図中、図１と同一構成部分には同一符号を付し、その説明を省略する。図３０に示す本実施形態のドライバ状態判定システム６０は、図１に示した第１の実施形態のドライバ状態判定システム１０と比較すると、ドライバ情報記憶手段１４００と類似ドライバ検索手段１５００と判定器複製手段１６００とが追加されている点で異なる。
【０１８２】
本実施形態のドライバ状態判定システム６０は、ドライバ同士の類似度を求め、類似するドライバのうち、一方の判定器が判定器記憶手段５００にない場合は、もう一方のドライバの判定器を複製し、判定器記憶手段５００に登録するようにしたものである。
【０１８３】
図３０において、ドライバ情報記憶手段１４００は、ドライバ情報を記憶する。図３１の３１０１は、ドライバ情報記憶手段１４００が記憶するドライバ情報の例を示す。図３１に示すドライバ情報３１０１は、各ドライバの性別、年齢、運転歴、住所、平均運転速度などから構成されている。例えば、ドライバＸは、女性であり、年齢４０歳、運転歴２０年、住所は緯度３５.０度、経度１３５.０度、平均運転速度は４０ｋｍ／ｈであることを示す。また、ドライバＹは、男性であり、年齢５０歳、運転歴２０年、住所は緯度３５.１度、経度１３５.１度、平均運転速度は５５ｋｍ／ｈであることを示す。更に、ドライバＺは、男性であり、年齢３０歳、運転歴５年、住所は緯度３４.０度、経度１３４.０度、平均運転速度は３５ｋｍ／ｈであることを示す。
【０１８４】
類似ドライバ検索手段１５００は、ドライバ情報記憶手段１４００が記憶しているドライバ情報３１０１の中から、本実施形態を現在利用しているドライバのドライバ情報に類似するドライバ情報を検索する。例えば、ドライバ情報をベクトルで記述し、ドライバ情報時間のｃｏｓ類似度や相関係数を用いて類似度を測る。そして、類似度が最も高いドライバを選択する。
【０１８５】
一例として、図３１のドライバ情報３１０１のドライバＸとドライバＹとの間の類似度（ｃｏｓ類似度）を求めると、０.９９４（＝（０×１＋４０×５０＋２０×２０＋３５.０×３５.１＋１３５.０×１３５.１＋４０×５５）／ｓｑｒｔ（０×０＋４０×４０＋２０×２０＋３５.０×３５.０＋１３５.０×１３５.０＋４０×４０）／ｓｑｒｔ（１×１＋５０×５０＋２０×２０＋３５.１×３５.１＋１３５.１×１３５.１＋５５×５５））である。同様に、図３１の３１０２に示すように、ドライバＹとドライＺとの間の類似度は０.９８２、ドライバＺとドライバＸとの間の類似度は０.９９３のように求まる。
【０１８６】
なお、上記の説明ではベクトル同士の類似度を用いたが他の類似度の計算方法も考えられる。例えば、ベクトルの各項目を正規化してからｃｏｓ類似度や相関係数を求めたり、ベクトル同士の各項目を正規化してからｃｏｓ類似度や相関係数を求めたり、ベクトル同士のユークリッド距離を類似度とする場合なども考えられる。更には、システム運用者が選択した任意の項目から構成されるベクトルを用いて類似度計算をすることも考えられる。
【０１８７】
図３０の判定器複製手段１６００は、判定器記憶手段５００が記憶している類似ドライバそれぞれの判定器を調べ、同じ運転行動に対して判定器が存在するか調べる。例えば、判定器記憶手段５００が、図３１に３１０３で示すように、判定器をドライバと運転行動と対応付けて記憶しているものとする。
【０１８８】
ここで、類似ドライバ検索手段１５００が、ドライバＸとＹが類似ドライバとして検出すると、ドライバＸ、Ｙそれぞれの運転行動−判定器のペアを調べる。図３１に３１０３で示す記憶情報の場合、ドライバＸについては停止行動と右折行動に関する判定器があるが、ドライバＹについては停止行動に関する判定器しかない。そこで、判定器複製手段１６００は、ドライバＸの右折行動に関する判定器Ｃを複製し、それを図３１に３１０４で示すように、ドライバＹの右折行動に関する判定器として判定器記憶手段５００に登録する。
【０１８９】
ただし、この場合、判定器Ｃをもう一つ作るのではなく、リレーショナルデータベースなどにおけるインデックスのみを共有するといった方法も考えられる。また、判定器学習手段４００が判定器を構築するのに用いた特徴量の数を判定器と関連付けて判定器記憶手段５００に記憶しておき、判定器複製手段１６００が類似ドライバ間のある運転行動において、特徴量の数が十分大きいときに、判定器を複製するなどが考えられる（例えば、特徴量を多く使っている判定器を複製して、特徴量が少ない判定器を複製した判定器に置き換える。）。更には、判定器を構築した日時を判定器と関連付けて判定器記憶手段５００に記憶しておき、判定器複製手段１６００は、類似ドライバ間の任意の運転行動において、学習日時の差が十分大きいときに複製するなど考えられる（例えば、新しい判定器を複製して、古い判定器を複製した判定器に置き換える。）。
【０１９０】
次に、図３０に示す本実施形態のドライバ状態判定システム６０の要部の動作を、図３２のフローチャートを参照して説明する。図３２に示すフローチャートは、前記した判定器の学習フェーズ及び判定フェーズとは別に動作する複製フェーズのフローチャートを示す。
【０１９１】
図３０において、類似ドライバ検索手段１５００は、まず現在のドライバ名を取得する（ステップＳ６０１）。続いて、類似ドライバ検索手段１５００は、ドライバ情報記憶手段１４００が記憶するドライバ情報を用いて、ステップＳ６０１で取得したドライバと他のドライバとの類似度を前述した方法で求める（ステップＳ６０２）。続いて、類似ドライバ検索手段１５００は、ステップＳ６０１で取得したドライバとドライバ情報記憶手段１４００が記憶する他のすべてのドライバとの間の類似度を求めたかを判定し（ステップＳ６０３）、他のすべてのドライバとの間の類似度を求めるまでステップＳ６０２及びＳ６０３を繰り返す。
【０１９２】
類似ドライバ検索手段１５００は、ステップＳ６０１で取得したドライバと他のすべてのドライバとの間の類似度を求めた場合は、ステップＳ６０２で求めた類似度のうち、最も高い類似度をもつドライバを選択する（ステップＳ６０４）。続いて、判定器複製手段１６００は、ステップＳ６０１で選択したドライバの判定器と、ステップＳ６０４で選択した最も高い類似度をもつドライバの判定器とを判定器記憶手段５００から検索し、それぞれ同じ運転行動−判定器のペアを記憶しているか調べる（ステップＳ６０５）。
【０１９３】
もし、ある運転行動−判定器のペアが一方のドライバにあるが、他方のドライバにない場合は、判定器複製手段１６００は、ステップＳ６０５で不足が確認された運転行動−判定器ペアを複製し、それを他方のドライバの運転行動−判定器ペアとして判定器記憶手段５００に追加登録する（ステップＳ６０６）。なお、ステップＳ６０５で選択したドライバとの間で運転行動−判定器のペアの不足がないと判定された場合は、判定器複製手段１６００は、複製を行うことなく処理を終了する。
【０１９４】
次に、本実施形態のドライバ状態判定システム６０の効果について説明する。本実施形態のドライバ状態判定システム６０では、類似するドライバ同士で、一方のドライバではまだ学習していない判定器を、他方のドライバから流用することができる。そのため、ドライバ状態判定システム６０を使用し始めたばかりでまだ判定器を構築できていない、あるいは特徴量が少なく、精度の良い判定器を構築できていないドライバに対し、既に学習してある判定器を提供でき、当該ドライバに対して精度の良いドライバ状態の判定ができる。
【０１９５】
（第７の実施形態）
次に、本発明になるドライバ状態判定システムの第７の実施形態について説明する。図３４は、本発明になるドライバ状態判定システムの第７の実施形態のブロック図を示す。同図中、図１と同一構成部分には同一符号を付し、その説明を省略する。図３４に示す本実施形態のドライバ状態判定システム７０は、図１に示した第１の実施形態のドライバ状態判定システム１０と比較すると、判定器取得手段１７００と判定器転送手段１８００とが追加されている点で異なる。
【０１９６】
図３４において、判定器取得手段１７００は、他のドライバ状態判定システムの判定器、あるいはシステムの管理者が作成した判定器を取得する。例えば、他のドライバ状態判定システムに、インターネットを経由して接続し、各システムの判定器記憶手段５００が記憶している判定器をダウンロードする。その際、各判定器記憶手段は図７の７０１〜７０３に示したように、判定器と運転行動やドライバ状態、ドライバなどと関連付けて記憶しているため、それら判定器に関連付いた情報を同時に収集する。
【０１９７】
また、図３４の判定器転送手段１８００は、判定器取得手段１７００が取得した判定器及び関連情報を判定器記憶手段５００に転送する。このときすべてを転送してもよいし、一部を選択的に転送してもよい。例えば、ドライバに転送候補となる判定器及び関連情報の一覧を提示、選択させ、選択された判定器及び関連情報のみ転送する。あるいは、作成日時の新しい判定器及び関連情報の上位数件のみ転送するようにしてもよい。
【０１９８】
次に、図３４に示す本実施形態のドライバ状態判定システム７０の要部の動作を、図３５のフローチャートを参照して説明する。図３５に示すフローチャートは、前記した判定器の学習フェーズ及び判定フェーズとは別に動作する複製フェーズのフローチャートを示す。
【０１９９】
図３４において、判定器取得手段１７００は、他のドライバ状態判定システムの判定器や管理者が作成した判定器を取得する（ステップＳ７０１）。その際、判定器に関連付いた情報も同時に収集する。次に、判定器転送手段１８００は、ステップＳ７０１で取得された判定器及び関連情報を判定器取得手段１７００から受け、それを判定器記憶手段５００に転送する（ステップＳ７０２）。その際、取得されたすべての判定器及び関連情報を転送してもよいし、選択的に転送してもよい。
【０２００】
次に、本実施形態のドライバ状態判定システム７０の効果について説明する。本実施形態のドライバ状態判定システム７０は、他のドライバの判定器を流用したり、システムの管理者が作成した判定器を利用できる。そのため、ドライバ状態判定システム７０を使用し始めたばかりでまだ判定器を構築できていない、あるいは特徴量が少なく、精度の良い判定器を構築できていないドライバに対し、既に学習してある判定器を提供できたり、システム運用者によりリファインされた判定器を利用することで、精度の良い判定を行える。
【０２０１】
（第８の実施形態）
次に、本発明になるドライバ状態判定システムの第８の実施形態について説明する。図３６は、本発明になるドライバ状態判定システムの第８の実施形態のブロック図を示す。同図中、図１と同一構成部分には同一符号を付し、その説明を省略する。図３６に示す本実施形態のドライバ状態判定システム８０は、図１に示した第１の実施形態のドライバ状態判定システム１０と比較すると、判定器記憶手段５００とドライバ状態判定手段６００との間に判定器選択手段１９００が追加されている点で異なる。
【０２０２】
第１の実施形態のドライバ状態判定システム１０ではドライバ状態判定手段６００は、運転行動手段８００が取得した運転行動に対応する判定器を用いて、ドライバ状態を判定した。これに対し、本実施形態のドライバ状態判定システム８０のドライバ状態判定手段６００は、ドライバが任意に選択した判定器を用いてドライバ状態を判定する。
【０２０３】
判定器選択手段１９００は、判定器記憶手段５００が記憶する判定器、運転行動及びドライバ状態などが関連付けられた情報を判定器記憶手段５００から取得し、ドライバに判定器の選択を促す画面を表示する。そして、その画面から任意に判定器を選択すると、判定器選択手段１９００は、その選択された判定器をドライバ状態判定手段６００に供給する。
【０２０４】
図３７は、ドライバに判定器の選択を促す画面の一例を示す。図３７に示す画面は、停止行動においてゆとり・通常状態を判定するための判定器、停止行動においてゆとり・疲労状態を判定するための判定器、右折行動においてゆとり・通常状態を判定するための判定器などを選択できる画面を示す。この画面からドライバが例えば、停止行動−ゆとり・通常状態を判定するための判定器を選択すると、判定器選択手段１９００は、ドライバ状態判定手段６００に選択したその判定器を供給する。ドライバ状態判定手段６００は、供給された判定器を用いて、第１の実施形態と同様にドライバ状態を判定する。
【０２０５】
なお、判定器の一覧を提示する際、現在の運転行動にのみ関連した判定器を提示したり、作成日時順、文字順などで提示したりする。
【０２０６】
次に、図３６に示す第８の実施形態のドライバ状態判定システム８０の動作を、図３８のフローチャートを参照して説明する。図３８に示すフローチャートでは、ドライバ状態を判定するための判定器を構築する「学習フェーズ」と、構築した判定器を用いてドライバ状態を判定する「判定フェーズ」を示す。
【０２０７】
本実施形態のドライバ状態判定システム８０は、第１の実施形態のドライバ状態判定システム１０と同様に動作するが、判定器の一覧をドライバに提示し、ドライバが選択した判定器を用いてドライバ状態を判定する点で、第１の実施形態とは異なる。
【０２０８】
図３８の学習フェーズを示すステップＳ１〜ステップＳ８と、判定フェーズ中のステップＳ１０１からステップＳ１０３、ステップＳ１０５〜Ｓ１０６の動作は第１の実施形態と同じであるため、図１０と同一符号を付し、その説明を省略する。
【０２０９】
図３８において、ステップＳ１０３に続くステップＳ８０１において、図３６に示す判定器選択手段１９００が、判定器記憶手段５００から記憶されている判定器、運転行動及び状態などを関連付けた情報を取得し、ドライバに判定器の一覧として提示する。これにより、ドライバは提示された判定器一覧の中から任意の一の判定器を選択すると（ステップＳ８０２）、判定器選択手段１９００は、その選択された判定器をドライバ状態判定手段６００に送信する（ステップＳ８０３）。そして、ドライバ状態判定手段６００は、上記の選択された判定器を用いてドライバ状態を判定する（ステップＳ１０５）。
【０２１０】
次に、本実施形態のドライバ状態判定システム８０の効果について説明する。本実施形態のドライバ状態判定システム８０では、ドライバが自ら判定器を選択し、ドライバ状態を判定できるため、ドライバが任意の状態を判定したり、他人のモデルで状態を判定するなど、現在保持している判定器の判定傾向を調べたり、興味ある状態の判定を行える。
【０２１１】
（第９の実施形態）
次に、本発明になるドライバ状態判定システムの第９の実施形態について説明する。図３９は、本発明になるドライバ状態判定システムの第９の実施形態のブロック図を示す。同図中、図１と同一構成部分には同一符号を付し、その説明を省略する。図３９に示す本実施形態のドライバ状態判定システム９０は、図１に示した第１の実施形態のドライバ状態判定システム１０と比較すると、状態設定手段２００と判定器学習手段４００が除かれており、それにより特徴量生成手段３３０と判定器記憶手段５３０が第１の実施形態と異なる。
【０２１２】
判定器を構築し、判定器の追加削除を行わない場合や、外部から判定器を取得するだけの利用形態では、状態設定手段２００及び判定器学習手段４００は不要である。例えば、ドライバ状態判定システムを販売する際に、販売店側で判定器を構築し、ドライバには判定器の追加、削除をさせない場合には、判定器の構築処理は不要である。あるいは、判定器の構築機能を有さず、判定器をメモリカードなどの媒体で配布・入手する形態の場合も、判定器の構築処理は不要である。
【０２１３】
そこで、本実施形態のドライバ状態判定システム９０は、図３９のブロック図に示すように、図１の構成から状態設定手段２００と判定器学習手段４００とを削除した構成である。本実施形態のドライバ状態判定システム９０は、第１の実施形態のドライバ状態判定システム１０と同様に動作するが、判定器を学習しない点で、第１の実施形態とは異なる。
【０２１４】
図４０は、本実施形態のドライバ状態判定システム９０の動作説明用フローチャートを示す。同図中、図１０と同一処理ステップには同一符号を付し、その説明を省略する。本実施形態のドライバ状態判定システム９０では、判定器を学習しないため、図４０に示すように、ドライバ状態判定システム９０は図４０のフローチャートに示すように、ドライバ状態を判定するための判定器を構築する「学習フェーズ」は存在せず、構築した判定器を用いてドライバ状態を判定する「判定フェーズ」のみからなる。
【０２１５】
本実施形態では、図４０のステップＳ９０１で、図３９の特徴量生成手段３３０は、データ計測手段１００で計測された車両情報及び環境情報のみから、運転行動取得手段８００で取得された運転行動に応じた特徴量生成方法によって特徴量を生成する。
【０２１６】
続いて、図４０のステップＳ９０２で、図３９の判定器記憶手段５３０は、例えば販売店側で構築された判定器、あるいはメモリカードなどの媒体からダウンロード（配布）された判定器を取得する。それ以外の動作は第１の実施形態のドライバ状態判定システム１０の判定フェーズと同様である。
【０２１７】
次に、本実施形態のドライバ状態判定システム９０の効果について説明する。本実施形態のドライバ状態判定システム９０は、判定器の構築処理を有さないため、予め登録された判定器以外を利用できないようにしたり、許可された判定器のみしか利用できないようにするなど、システムの運用に合わせて判定器変更の制限をドライバに課すことができる。すなわち、本実施形態のドライバ状態判定システム９０によれば、サービス提供者が検査し、適切な判定を行えることを確認した判定器を配布している場合に、判定器変更の制限を課すことで、故意にドライバにより判定器を変更されることによる判定器の性能低下を防ぐことができる。更に、本実施形態のドライバ状態判定システム９０によれば、運転行動に対して適切なドライバ状態を付与せず学習するなど、不適切な学習による判定器の性能低下も防ぐことができる。
【０２１８】
なお、本発明は以上の実施形態に限定されるものではなく、例えば、第１〜第９実施形態のドライバ状態判定システム１０〜９０の各動作を、一台の自動車内に設置されたコンピュータにより実行させるドライバ状態判定用プログラムも包含するものである。なお、上記のコンピュータには、各車から車両情報や環境情報が無線ＬＡＮや携帯電話を通じて転送されるサーバや、各車で車両情報や環境情報から特徴量を生成するクライアントや、各車から特徴量が転送されるサーバも含まれる。
【０２１９】
図４１は、クライアントとサーバとからなるドライバ状態判定システムの一実施形態のブロック図を示す。同図において、クライアントＣＬ１は自車内に設置されており、データ計測手段１５０、状態設定手段２５０、特徴量生成手段３５０、ドライバ状態提示手段７５０及び運転行動取得手段８５０とから構成されている。ここで、データ計測手段１５０、状態設定手段２５０、特徴量生成手段３５０、ドライバ状態提示手段７５０及び運転行動取得手段８５０は、図１の実施形態のデータ計測手段１００、状態設定手段２００、特徴量生成手段３００、ドライバ状態提示手段７００及び運転行動取得手段８００と構成及び動作が同じであるので、その説明は省略する。
【０２２０】
また、図４１において、サーバＳＶ１は判定器学習手段４５０、判定器記憶手段５５０及びドライバ状態判定手段６５０から構成される。ここで、判定器学習手段４５０、判定器記憶手段５５０及びドライバ状態判定手段６５０は、図１の判定器学習手段４００、判定器記憶手段５００及びドライバ状態判定手段６００と構成及び動作が同じであるので、その説明は省略する。
【０２２１】
本実施形態では、自車内に設置されたクライアントＣＬ１が車両情報を計測し、運転行動の判定及び特徴量生成を行い、特徴量をサーバＳＶ１へ送信し、サーバＳＶ１にて受信した特徴量に基づいてドライバ状態を判定する構成である。
【０２２２】
図４２は、クライアントとサーバとからなるドライバ状態判定システムの他の実施形態のブロック図を示す。同図において、クライアントＣＬ２は自車内に設置されており、データ計測手段１５０、状態設定手段２５０及びドライバ状態提示手段７５０から構成されている。ここで、データ計測手段１５０、状態設定手段２５０及びドライバ状態提示手段７５０は、図１のデータ計測手段１００、状態設定手段２００及びドライバ状態提示手段７００と構成及び動作が同じであるので、その説明は省略する。
【０２２３】
また、図４２において、サーバＳＶ２は特徴量生成手段３５５、判定器学習手段４５０、判定器記憶手段５５０、ドライバ状態判定手段６５０及び運転行動取得手段８５５から構成される。ここで、特徴量生成手段３５５、判定器学習手段４５０、判定器記憶手段５５０、ドライバ状態判定手段６５０及び運転行動取得手段８５５は、図１の特徴量生成手段３００、判定器学習手段４００、判定器記憶手段５００、ドライバ状態判定手段６００及び運転行動取得手段８００と構成及び動作が同じであるので、その説明は省略する。
【０２２４】
本実施形態では、自車内に設置されたクライアントＣＬ２が車両情報を計測してサーバＳＶ２へ送信し、サーバＳＶ２がクライアントＣＬ２からの車両情報に基づいて、運転行動の判定及び特徴量生成を行い、ドライバ状態を判定する構成である。
【０２２５】
なお、図４１、図４２では、図１のドライバ状態判定システム１０の構成と同様の構成を示しているが、他の実施形態のドライバ状態判定システム２０〜９０の構成と同様の構成を図４１、図４２のサーバやクライアントに適用することができることは勿論である。
【０２２６】
また、本発明には、上記の実施形態のドライバ状態判定システム１０〜９０のいずれかが搭載され、ドライバ状態を常に判定し続け、判定したドライバ状態をドライバに提示する構成のドライバ状態表示装置付き自動車も含まれる。このドライバ状態表示装置付き自動車によれば、ドライバにゆとり状態であるか否かを提示することで、ドライバ自身の運転状態の把握を促し、よりゆとりを持った安全運転を心がけるように誘導することができる。
【産業上の利用可能性】
【０２２７】
本発明によれば、自動車などの車両を運転する運転行動を学習し、ドライバに適応したサービス、アプリケーションを提供するシステムといった用途に適用できる。
【符号の説明】
【０２２８】
１０、２０、３０、４０、５０、６０、７０、８０、９０ ドライバ状態判定システム
１００、１５０ データ計測手段
２００、２５０ 状態設定手段
３００、３３０、３５０、３５５ 特徴量生成手段
４００、４５０ 判定器学習手段
５００、５３０、５５０ 判定器記憶手段
６００、６５０ ドライバ状態判定手段
７００、７５０ ドライバ状態提示手段
８００、８５０、８５５ 運転行動取得手段
９００ 判定結果蓄積手段
１０００ 重要度記憶手段
１１００ 判定信頼度設定手段
１２００ 判定器類似度計算手段
１３００ 判定器統合手段
１４００ ドライバ情報記憶手段
１５００ 類似ドライバ検索手段
１６００ 判定器複製手段
１７００ 判定器取得手段
１８００ 判定器転送手段
１９００ 判定器選択手段
【特許請求の範囲】
【請求項１】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する情報取得手段と、
前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する運転行動取得手段と、
前記運転行動取得手段により取得された前記運転行動毎に、前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習手段と、
前記判定器学習手段が構築した前記判定器の中から、前記運転行動取得手段により取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、ドライバ状態を判定するドライバ状態判定手段と
を有することを特徴とするドライバ状態判定システム。
【請求項２】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する情報取得手段と、
前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する運転行動取得手段と、
前記ドライバの生体的又は心理的な状態を設定する状態設定手段と、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記車両情報及び環境情報と前記運転行動取得手段により取得された前記運転行動と前記状態設定手段により設定された前記状態とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する特徴量生成手段と、
前記運転行動取得手段により取得された前記運転行動毎に、前記特徴量のデータを用いて前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習手段と、
前記判定器学習手段が構築した前記判定器の中から、前記運転行動取得手段により取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、前記特徴量生成手段が生成した前記特徴量に対するドライバ状態を判定するドライバ状態判定手段と
を有することを特徴とするドライバ状態判定システム。
【請求項３】
前記運転行動取得手段が取得した運転行動と、それに対する前記ドライバ状態判定手段の判定結果との組を記憶すると共に、記憶している過去の前記運転行動と判定結果との組と、前記ドライバ状態判定手段からの現在の判定結果とから、前記現在の判定結果が適切となるように修正する判定結果蓄積手段を更に有することを特徴する請求項１又は２記載のドライバ状態判定システム。
【請求項４】
前記運転行動と、その運転行動に対応した重み付けルールとを対応付けて記憶する重要度記憶手段を更に有し、
前記ドライバ状態判定手段は、前記運転行動取得手段で取得された運転行動に応じて前記重要度記憶手段から選択した前記重み付けルールに従い、前記特徴量生成手段が生成した特徴量に対してドライバ状態を判定することを特徴とする請求項２記載のドライバ状態判定システム。
【請求項５】
前記情報取得手段により取得された前記環境情報に応じて、予め保持された信頼度設定ルールに従って判定信頼度を設定する判定信頼度設定手段を更に有し、前記ドライバ状態判定手段は、前記判定信頼度の値に応じて、判定方法を変更することを特徴とする請求項１又は２記載のドライバ状態判定システム。
【請求項６】
前記判定器学習手段が構築した前記判定器を、前記運転行動取得手段が取得した前記運転行動と関連付けて記憶する判定器記憶手段を更に有することを特徴とする請求項１乃至５のうちいずれか一項記載のドライバ状態判定システム。
【請求項７】
前記判定器記憶手段が記憶している複数の判定器において、それらの判定器同士の類似度を求める判定器類似度計算手段と、
前記類似度に応じた前記判定器の組を１つ又は複数選択し、選択した判定器の組を１つの判定器に統合し、前記判定器記憶手段に記憶されている選択した前記判定器の組を、統合した前記判定器に修正する判定器統合手段と
を更に有することを特徴とする請求項６記載のドライバ状態判定システム。
【請求項８】
複数のドライバに関するドライバ情報を用いて、判定対象のドライバの類似度を求め、そのうち最も高い類似度のドライバを選択する類似ドライバ検索手段と、
前記判定器記憶手段がドライバと対応付けて記憶している前記判定器のうち、前記類似ドライバ検索手段で選択された類似ドライバの判定器が存在するかを調べ、存在するときは、その類似ドライバの判定器を、判定対象のドライバの判定器として前記判定器記憶手段に複製記憶する判定器複製手段と
を更に有することを特徴とする請求項６記載のドライバ状態判定システム。
【請求項９】
前記判定器学習手段で構築される前記判定器と同様に、ドライバ状態を判定するための第２の判定器を関連情報と共に外部から取得する判定器取得手段と、
前記判定器取得手段が取得した前記第２の判定器及び関連情報を前記判定器記憶手段に転送する判定器転送手段と
を更に有することを特徴とする請求項６記載のドライバ状態判定システム。
【請求項１０】
前記判定器記憶手段が記憶する前記判定器、前記運転行動及び前記ドライバの状態などが関連付けられた情報を取得し、前記ドライバに判定器の選択を促す画面を表示し、表示された前記判定器の中から選択された判定器を前記ドライバ状態判定手段に供給する判定器選択手段を更に有し、
前記ドライバ状態判定手段は、前記判定器選択手段から供給された前記判定器を用いてドライバ状態を判定することを特徴とする請求項６記載のドライバ状態判定システム。
【請求項１１】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する情報取得手段と、
前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する運転行動取得手段と、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記車両情報及び環境情報と前記運転行動取得手段により取得された前記運転行動とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する特徴量生成手段と、
予め用意されたドライバ状態を判定するための判定器の中から、前記運転行動取得手段により取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、前記特徴量生成手段が生成した前記特徴量に対するドライバ状態を判定するドライバ状態判定手段と
を有することを特徴とするドライバ状態判定システム。
【請求項１２】
最終的に得られたドライバ状態の判定結果を、前記ドライバに提示するドライバ状態提示手段を有することを特徴とする請求項１乃至１１のうちいずれか一項記載のドライバ状態判定システム。
【請求項１３】
ドライバ状態を判定するための判定器を構築する学習フェーズの処理を行った後、前記判定器を用いてドライバ状態を判定する判定フェーズの処理を行う判定方法であって、
前記学習フェーズは、
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する第１の情報取得ステップと、
前記第１の情報取得ステップで取得された前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する第１の運転行動取得ステップと、
前記第１の運転行動取得ステップにより取得された前記運転行動毎に、前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習ステップと
を含み、前記判定フェーズは、
前記ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する第２の情報取得ステップと、
前記第２の情報取得ステップで取得された前記車両情報及び環境情報から、前記予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する第２の運転行動取得ステップと、
前記判定器学習ステップにより構築された前記判定器の中から、前記第２の運転行動取得ステップにより取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、ドライバ状態を判定するドライバ状態判定ステップと
を含むことを特徴とするドライバ状態判定方法。
【請求項１４】
ドライバ状態を判定するための判定器を構築する学習フェーズの処理を行った後、前記判定器を用いてドライバ状態を判定する判定フェーズの処理を行う判定方法であって、
前記学習フェーズは、
前記ドライバの生体的又は心理的な状態を設定する状態設定ステップと、
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する第１の情報取得ステップと、
前記第１の情報取得ステップで取得された前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する第１の運転行動取得ステップと、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記第１の情報取得ステップにより取得された前記車両情報及び環境情報と前記第１の運転行動取得ステップにより取得された前記運転行動と前記状態設定ステップにより設定された前記状態とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する第１の特徴量生成ステップと、
前記第１の運転行動取得ステップにより取得された前記運転行動毎に、前記第１の特徴量生成ステップにより生成された前記特徴量を用いて前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習ステップと
を含み、前記判定フェーズは、
前記ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する第２の情報取得ステップと、
前記第２の情報取得ステップで取得された前記車両情報及び環境情報から、前記予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する第２の運転行動取得ステップと、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記第２の情報取得ステップにより取得された前記車両情報及び環境情報と前記第２の運転行動取得ステップにより取得された前記運転行動とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する第２の特徴量生成ステップと、
前記判定器学習ステップが構築した前記判定器の中から、前記第２の運転行動取得ステップにより取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、前記第２の特徴量生成ステップにより生成された前記特徴量に対するドライバ状態を判定するドライバ状態判定ステップと
を含むことを特徴とするドライバ状態判定方法。
【請求項１５】
前記第２の運転行動取得ステップにより取得された前記運転行動と、それに対する前記ドライバ状態判定ステップの判定結果との組を記憶すると共に、記憶している過去の前記運転行動と判定結果との組と、前記ドライバ状態判定ステップで得られた現在の判定結果とから、前記現在の判定結果が適切となるように修正する判定結果蓄積ステップを前記判定フェーズに含むことを特徴する請求項１３又は１４記載のドライバ状態判定方法。
【請求項１６】
前記第２の運転行動取得ステップにより取得された前記運転行動と、その運転行動に対応した重み付けルールとを対応付けて記憶手段に記憶する重要度記憶ステップを更に含み、
前記ドライバ状態判定ステップは、前記第２の運転行動取得ステップにより取得された前記運転行動に応じて前記記憶手段から選択した前記重み付けルールに従い、前記第２の特徴量生成ステップが生成した特徴量に対してドライバ状態を判定することを特徴とする請求項１４記載のドライバ状態判定方法。
【請求項１７】
前記第２の運転行動取得ステップにより取得された前記環境情報に応じて、予め保持された信頼度設定ルールに従って判定信頼度を設定する判定信頼度設定ステップを更に含み、前記ドライバ状態判定ステップは、前記判定信頼度の値に応じて、判定方法を変更することを特徴とする請求項１３又は１４記載のドライバ状態判定方法。
【請求項１８】
前記判定器学習ステップが構築した前記判定器を、前記第１の運転行動取得手段が取得した前記運転行動と関連付けて判定器記憶手段に記憶する判定器記憶ステップを更に含むことを特徴とする請求項１３乃至１７のうちいずれか一項記載のドライバ状態判定方法。
【請求項１９】
前記判定器記憶手段が記憶している複数の判定器において、それらの判定器同士の類似度を求める判定器類似度計算ステップと、
前記類似度に応じた前記判定器の組を１つ又は複数選択し、選択した判定器の組を１つの判定器に統合し、前記判定器記憶手段に記憶されている選択した前記判定器の組を、統合した前記判定器に修正する判定器統合ステップと
を更に含むことを特徴とする請求項１８記載のドライバ状態判定方法。
【請求項２０】
複数のドライバに関するドライバ情報を用いて、判定対象のドライバの類似度を求め、そのうち最も高い類似度のドライバを選択する類似ドライバ検索ステップと、
前記判定器記憶手段がドライバと対応付けて記憶している前記判定器のうち、前記類似ドライバ検索ステップで選択された類似ドライバの判定器が存在するかを調べ、存在するときは、その類似ドライバの判定器を、判定対象のドライバの判定器として前記判定器記憶手段に複製記憶する判定器複製ステップと
を更に含むことを特徴とする請求項１８記載のドライバ状態判定方法。
【請求項２１】
前記判定器学習ステップで構築される前記判定器と同様に、ドライバ状態を判定するための第２の判定器を関連情報と共に外部から取得する判定器取得ステップと、
前記判定器取得ステップが取得した前記第２の判定器及び関連情報を前記判定器記憶手段に転送する判定器転送ステップと
を更に含むことを特徴とする請求項１８記載のドライバ状態判定方法。
【請求項２２】
前記判定器記憶手段が記憶する前記判定器、前記運転行動及び前記ドライバの状態などが関連付けられた情報を取得し、前記ドライバに判定器の選択を促す画面を表示し、表示された前記判定器の中から選択された判定器を前記ドライバ状態判定ステップに供給する判定器選択ステップを更に含み、
前記ドライバ状態判定ステップは、前記判定器選択ステップから供給された前記判定器を用いてドライバ状態を判定することを特徴とする請求項１８記載のドライバ状態判定方法。
【請求項２３】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する情報取得ステップと、
前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する運転行動取得ステップと、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記車両情報及び環境情報と前記運転行動取得ステップにより取得された前記運転行動とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する特徴量生成ステップと、
予め用意されたドライバ状態を判定するための判定器の中から、前記運転行動取得ステップにより取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、前記特徴量生成ステップが生成した前記特徴量に対するドライバ状態を判定するドライバ状態判定ステップと
を含むことを特徴とするドライバ状態判定方法。
【請求項２４】
最終的に得られたドライバ状態の判定結果を、前記ドライバに提示するドライバ状態提示ステップを含むことを特徴とする請求項１３乃至２３のうちいずれか一項記載のドライバ状態判定方法。
【請求項２５】
ドライバ状態を判定するための判定器を構築する学習フェーズの処理を行った後、前記判定器を用いてドライバ状態を判定する判定フェーズの処理を、コンピュータにより実行させるドライバ状態判定用プログラムであって、
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する第１の情報取得ステップと、
前記第１の情報取得ステップで取得された前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する第１の運転行動取得ステップと、
前記第１の運転行動取得ステップにより取得された前記運転行動毎に、前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習ステップと
を含む前記学習フェーズを前記コンピュータに実行させ、続いて、
前記ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する第２の情報取得ステップと、
前記第２の情報取得ステップで取得された前記車両情報及び環境情報から、前記予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する第２の運転行動取得ステップと、
前記判定器学習ステップにより構築された前記判定器の中から、前記第２の運転行動取得ステップにより取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、ドライバ状態を判定するドライバ状態判定ステップと
を含む前記判定フェーズを前記コンピュータに実行させることを特徴とするドライバ状態判定用プログラム。
【請求項２６】
ドライバ状態を判定するための判定器を構築する学習フェーズの処理を行った後、前記判定器を用いてドライバ状態を判定する判定フェーズの処理を、コンピュータにより実行させるドライバ状態判定用プログラムであって、
前記ドライバの生体的又は心理的な状態を設定する状態設定ステップと、
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する第１の情報取得ステップと、
前記第１の情報取得ステップで取得された前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する第１の運転行動取得ステップと、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記第１の情報取得ステップにより取得された前記車両情報及び環境情報と前記第１の運転行動取得ステップにより取得された前記運転行動と前記状態設定ステップにより設定された前記状態とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する第１の特徴量生成ステップと、
前記第１の運転行動取得ステップにより取得された前記運転行動毎に、前記第１の特徴量生成ステップにより生成された前記特徴量を用いて前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習ステップと
を含む前記学習フェーズを前記コンピュータに実行させ、続いて、
前記ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する第２の情報取得ステップと、
前記第２の情報取得ステップで取得された前記車両情報及び環境情報から、前記予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する第２の運転行動取得ステップと、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記第２の情報取得ステップにより取得された前記車両情報及び環境情報と前記第２の運転行動取得ステップにより取得された前記運転行動とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する第２の特徴量生成ステップと、
前記判定器学習ステップが構築した前記判定器の中から、前記第２の運転行動取得ステップにより取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、前記第２の特徴量生成ステップにより生成された前記特徴量に対するドライバ状態を判定するドライバ状態判定ステップと
を含む前記判定フェーズを前記コンピュータに実行させることを特徴とするドライバ状態判定用プログラム。
【請求項２７】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する情報取得ステップと、
前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する運転行動取得ステップと、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記車両情報及び環境情報と前記運転行動取得ステップにより取得された前記運転行動とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する特徴量生成ステップと、
予め用意されたドライバ状態を判定するための判定器の中から、前記運転行動取得ステップにより取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、前記特徴量生成ステップが生成した前記特徴量に対するドライバ状態を判定するドライバ状態判定ステップと
をコンピュータにより実行させることを特徴とするドライバ状態判定用プログラム。
【請求項２８】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とから、予め定めた運転行動判定ルールに基づき取得された、前記ドライバの運転行動を、前記自動車から受信し、前記運転行動毎に、前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習手段と、
前記判定器学習手段が構築した前記判定器の中から、受信した前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、ドライバ状態を判定するドライバ状態判定手段と
を備えることを特徴とするサーバ。
【請求項２９】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報を、前記自動車から受信し、受信したその車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する運転行動取得手段と、
前記運転行動取得手段により取得された前記運転行動毎に、前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習手段と、
前記判定器学習手段が構築した前記判定器の中から、前記運転行動取得手段により取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、ドライバ状態を判定するドライバ状態判定手段と
を備えることを特徴とするサーバ。
【請求項３０】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報と、前記ドライバの生体的又は心理的なドライバの状態とを、前記自動車から受信し、受信したその車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する運転行動取得手段と、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記車両情報及び環境情報と前記運転行動取得手段により取得された前記運転行動と、受信した前記ドライバの状態とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する特徴量生成手段と、
前記運転行動取得手段により取得された前記運転行動毎に、前記特徴量のデータを用いて前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習手段と、
前記判定器学習手段が構築した前記判定器の中から、前記運転行動取得手段により取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、前記特徴量生成手段が生成した前記特徴量に対するドライバ状態を判定するドライバ状態判定手段と
を備えることを特徴とするサーバ。
【請求項３１】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得してサーバへ送信する情報取得手段と、
前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得してその運転行動を前記サーバへ送信する運転行動取得手段と
を備え、前記自動車に搭載されており、前記サーバによりドライバ状態を判定させることを特徴とするクライアント。
【請求項３２】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得してサーバへ送信する情報取得手段と、
前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得してその運転行動を前記サーバへ送信する運転行動取得手段と、
前記ドライバの生体的又は心理的な状態を設定する状態設定手段と、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記車両情報及び環境情報と前記運転行動取得手段により取得された前記運転行動と前記状態設定手段により設定された前記状態とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成して前記サーバへ送信する特徴量生成手段と
を備え、前記自動車に搭載されており、前記サーバによりドライバ状態を判定させることを特徴とするクライアント。
【請求項３３】
請求項１乃至１２のうちいずれか一項記載のドライバ状態判定システムが搭載されていることを特徴とする自動車。
【請求項１】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する情報取得手段と、
前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する運転行動取得手段と、
前記運転行動取得手段により取得された前記運転行動毎に、前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習手段と、
前記判定器学習手段が構築した前記判定器の中から、前記運転行動取得手段により取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、ドライバ状態を判定するドライバ状態判定手段と
を有することを特徴とするドライバ状態判定システム。
【請求項２】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する情報取得手段と、
前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する運転行動取得手段と、
前記ドライバの生体的又は心理的な状態を設定する状態設定手段と、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記車両情報及び環境情報と前記運転行動取得手段により取得された前記運転行動と前記状態設定手段により設定された前記状態とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する特徴量生成手段と、
前記運転行動取得手段により取得された前記運転行動毎に、前記特徴量のデータを用いて前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習手段と、
前記判定器学習手段が構築した前記判定器の中から、前記運転行動取得手段により取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、前記特徴量生成手段が生成した前記特徴量に対するドライバ状態を判定するドライバ状態判定手段と
を有することを特徴とするドライバ状態判定システム。
【請求項３】
前記運転行動取得手段が取得した運転行動と、それに対する前記ドライバ状態判定手段の判定結果との組を記憶すると共に、記憶している過去の前記運転行動と判定結果との組と、前記ドライバ状態判定手段からの現在の判定結果とから、前記現在の判定結果が適切となるように修正する判定結果蓄積手段を更に有することを特徴する請求項１又は２記載のドライバ状態判定システム。
【請求項４】
前記運転行動と、その運転行動に対応した重み付けルールとを対応付けて記憶する重要度記憶手段を更に有し、
前記ドライバ状態判定手段は、前記運転行動取得手段で取得された運転行動に応じて前記重要度記憶手段から選択した前記重み付けルールに従い、前記特徴量生成手段が生成した特徴量に対してドライバ状態を判定することを特徴とする請求項２記載のドライバ状態判定システム。
【請求項５】
前記情報取得手段により取得された前記環境情報に応じて、予め保持された信頼度設定ルールに従って判定信頼度を設定する判定信頼度設定手段を更に有し、前記ドライバ状態判定手段は、前記判定信頼度の値に応じて、判定方法を変更することを特徴とする請求項１又は２記載のドライバ状態判定システム。
【請求項６】
前記判定器学習手段が構築した前記判定器を、前記運転行動取得手段が取得した前記運転行動と関連付けて記憶する判定器記憶手段を更に有することを特徴とする請求項１乃至５のうちいずれか一項記載のドライバ状態判定システム。
【請求項７】
前記判定器記憶手段が記憶している複数の判定器において、それらの判定器同士の類似度を求める判定器類似度計算手段と、
前記類似度に応じた前記判定器の組を１つ又は複数選択し、選択した判定器の組を１つの判定器に統合し、前記判定器記憶手段に記憶されている選択した前記判定器の組を、統合した前記判定器に修正する判定器統合手段と
を更に有することを特徴とする請求項６記載のドライバ状態判定システム。
【請求項８】
複数のドライバに関するドライバ情報を用いて、判定対象のドライバの類似度を求め、そのうち最も高い類似度のドライバを選択する類似ドライバ検索手段と、
前記判定器記憶手段がドライバと対応付けて記憶している前記判定器のうち、前記類似ドライバ検索手段で選択された類似ドライバの判定器が存在するかを調べ、存在するときは、その類似ドライバの判定器を、判定対象のドライバの判定器として前記判定器記憶手段に複製記憶する判定器複製手段と
を更に有することを特徴とする請求項６記載のドライバ状態判定システム。
【請求項９】
前記判定器学習手段で構築される前記判定器と同様に、ドライバ状態を判定するための第２の判定器を関連情報と共に外部から取得する判定器取得手段と、
前記判定器取得手段が取得した前記第２の判定器及び関連情報を前記判定器記憶手段に転送する判定器転送手段と
を更に有することを特徴とする請求項６記載のドライバ状態判定システム。
【請求項１０】
前記判定器記憶手段が記憶する前記判定器、前記運転行動及び前記ドライバの状態などが関連付けられた情報を取得し、前記ドライバに判定器の選択を促す画面を表示し、表示された前記判定器の中から選択された判定器を前記ドライバ状態判定手段に供給する判定器選択手段を更に有し、
前記ドライバ状態判定手段は、前記判定器選択手段から供給された前記判定器を用いてドライバ状態を判定することを特徴とする請求項６記載のドライバ状態判定システム。
【請求項１１】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する情報取得手段と、
前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する運転行動取得手段と、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記車両情報及び環境情報と前記運転行動取得手段により取得された前記運転行動とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する特徴量生成手段と、
予め用意されたドライバ状態を判定するための判定器の中から、前記運転行動取得手段により取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、前記特徴量生成手段が生成した前記特徴量に対するドライバ状態を判定するドライバ状態判定手段と
を有することを特徴とするドライバ状態判定システム。
【請求項１２】
最終的に得られたドライバ状態の判定結果を、前記ドライバに提示するドライバ状態提示手段を有することを特徴とする請求項１乃至１１のうちいずれか一項記載のドライバ状態判定システム。
【請求項１３】
ドライバ状態を判定するための判定器を構築する学習フェーズの処理を行った後、前記判定器を用いてドライバ状態を判定する判定フェーズの処理を行う判定方法であって、
前記学習フェーズは、
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する第１の情報取得ステップと、
前記第１の情報取得ステップで取得された前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する第１の運転行動取得ステップと、
前記第１の運転行動取得ステップにより取得された前記運転行動毎に、前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習ステップと
を含み、前記判定フェーズは、
前記ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する第２の情報取得ステップと、
前記第２の情報取得ステップで取得された前記車両情報及び環境情報から、前記予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する第２の運転行動取得ステップと、
前記判定器学習ステップにより構築された前記判定器の中から、前記第２の運転行動取得ステップにより取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、ドライバ状態を判定するドライバ状態判定ステップと
を含むことを特徴とするドライバ状態判定方法。
【請求項１４】
ドライバ状態を判定するための判定器を構築する学習フェーズの処理を行った後、前記判定器を用いてドライバ状態を判定する判定フェーズの処理を行う判定方法であって、
前記学習フェーズは、
前記ドライバの生体的又は心理的な状態を設定する状態設定ステップと、
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する第１の情報取得ステップと、
前記第１の情報取得ステップで取得された前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する第１の運転行動取得ステップと、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記第１の情報取得ステップにより取得された前記車両情報及び環境情報と前記第１の運転行動取得ステップにより取得された前記運転行動と前記状態設定ステップにより設定された前記状態とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する第１の特徴量生成ステップと、
前記第１の運転行動取得ステップにより取得された前記運転行動毎に、前記第１の特徴量生成ステップにより生成された前記特徴量を用いて前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習ステップと
を含み、前記判定フェーズは、
前記ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する第２の情報取得ステップと、
前記第２の情報取得ステップで取得された前記車両情報及び環境情報から、前記予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する第２の運転行動取得ステップと、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記第２の情報取得ステップにより取得された前記車両情報及び環境情報と前記第２の運転行動取得ステップにより取得された前記運転行動とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する第２の特徴量生成ステップと、
前記判定器学習ステップが構築した前記判定器の中から、前記第２の運転行動取得ステップにより取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、前記第２の特徴量生成ステップにより生成された前記特徴量に対するドライバ状態を判定するドライバ状態判定ステップと
を含むことを特徴とするドライバ状態判定方法。
【請求項１５】
前記第２の運転行動取得ステップにより取得された前記運転行動と、それに対する前記ドライバ状態判定ステップの判定結果との組を記憶すると共に、記憶している過去の前記運転行動と判定結果との組と、前記ドライバ状態判定ステップで得られた現在の判定結果とから、前記現在の判定結果が適切となるように修正する判定結果蓄積ステップを前記判定フェーズに含むことを特徴する請求項１３又は１４記載のドライバ状態判定方法。
【請求項１６】
前記第２の運転行動取得ステップにより取得された前記運転行動と、その運転行動に対応した重み付けルールとを対応付けて記憶手段に記憶する重要度記憶ステップを更に含み、
前記ドライバ状態判定ステップは、前記第２の運転行動取得ステップにより取得された前記運転行動に応じて前記記憶手段から選択した前記重み付けルールに従い、前記第２の特徴量生成ステップが生成した特徴量に対してドライバ状態を判定することを特徴とする請求項１４記載のドライバ状態判定方法。
【請求項１７】
前記第２の運転行動取得ステップにより取得された前記環境情報に応じて、予め保持された信頼度設定ルールに従って判定信頼度を設定する判定信頼度設定ステップを更に含み、前記ドライバ状態判定ステップは、前記判定信頼度の値に応じて、判定方法を変更することを特徴とする請求項１３又は１４記載のドライバ状態判定方法。
【請求項１８】
前記判定器学習ステップが構築した前記判定器を、前記第１の運転行動取得手段が取得した前記運転行動と関連付けて判定器記憶手段に記憶する判定器記憶ステップを更に含むことを特徴とする請求項１３乃至１７のうちいずれか一項記載のドライバ状態判定方法。
【請求項１９】
前記判定器記憶手段が記憶している複数の判定器において、それらの判定器同士の類似度を求める判定器類似度計算ステップと、
前記類似度に応じた前記判定器の組を１つ又は複数選択し、選択した判定器の組を１つの判定器に統合し、前記判定器記憶手段に記憶されている選択した前記判定器の組を、統合した前記判定器に修正する判定器統合ステップと
を更に含むことを特徴とする請求項１８記載のドライバ状態判定方法。
【請求項２０】
複数のドライバに関するドライバ情報を用いて、判定対象のドライバの類似度を求め、そのうち最も高い類似度のドライバを選択する類似ドライバ検索ステップと、
前記判定器記憶手段がドライバと対応付けて記憶している前記判定器のうち、前記類似ドライバ検索ステップで選択された類似ドライバの判定器が存在するかを調べ、存在するときは、その類似ドライバの判定器を、判定対象のドライバの判定器として前記判定器記憶手段に複製記憶する判定器複製ステップと
を更に含むことを特徴とする請求項１８記載のドライバ状態判定方法。
【請求項２１】
前記判定器学習ステップで構築される前記判定器と同様に、ドライバ状態を判定するための第２の判定器を関連情報と共に外部から取得する判定器取得ステップと、
前記判定器取得ステップが取得した前記第２の判定器及び関連情報を前記判定器記憶手段に転送する判定器転送ステップと
を更に含むことを特徴とする請求項１８記載のドライバ状態判定方法。
【請求項２２】
前記判定器記憶手段が記憶する前記判定器、前記運転行動及び前記ドライバの状態などが関連付けられた情報を取得し、前記ドライバに判定器の選択を促す画面を表示し、表示された前記判定器の中から選択された判定器を前記ドライバ状態判定ステップに供給する判定器選択ステップを更に含み、
前記ドライバ状態判定ステップは、前記判定器選択ステップから供給された前記判定器を用いてドライバ状態を判定することを特徴とする請求項１８記載のドライバ状態判定方法。
【請求項２３】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する情報取得ステップと、
前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する運転行動取得ステップと、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記車両情報及び環境情報と前記運転行動取得ステップにより取得された前記運転行動とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する特徴量生成ステップと、
予め用意されたドライバ状態を判定するための判定器の中から、前記運転行動取得ステップにより取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、前記特徴量生成ステップが生成した前記特徴量に対するドライバ状態を判定するドライバ状態判定ステップと
を含むことを特徴とするドライバ状態判定方法。
【請求項２４】
最終的に得られたドライバ状態の判定結果を、前記ドライバに提示するドライバ状態提示ステップを含むことを特徴とする請求項１３乃至２３のうちいずれか一項記載のドライバ状態判定方法。
【請求項２５】
ドライバ状態を判定するための判定器を構築する学習フェーズの処理を行った後、前記判定器を用いてドライバ状態を判定する判定フェーズの処理を、コンピュータにより実行させるドライバ状態判定用プログラムであって、
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する第１の情報取得ステップと、
前記第１の情報取得ステップで取得された前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する第１の運転行動取得ステップと、
前記第１の運転行動取得ステップにより取得された前記運転行動毎に、前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習ステップと
を含む前記学習フェーズを前記コンピュータに実行させ、続いて、
前記ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する第２の情報取得ステップと、
前記第２の情報取得ステップで取得された前記車両情報及び環境情報から、前記予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する第２の運転行動取得ステップと、
前記判定器学習ステップにより構築された前記判定器の中から、前記第２の運転行動取得ステップにより取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、ドライバ状態を判定するドライバ状態判定ステップと
を含む前記判定フェーズを前記コンピュータに実行させることを特徴とするドライバ状態判定用プログラム。
【請求項２６】
ドライバ状態を判定するための判定器を構築する学習フェーズの処理を行った後、前記判定器を用いてドライバ状態を判定する判定フェーズの処理を、コンピュータにより実行させるドライバ状態判定用プログラムであって、
前記ドライバの生体的又は心理的な状態を設定する状態設定ステップと、
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する第１の情報取得ステップと、
前記第１の情報取得ステップで取得された前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する第１の運転行動取得ステップと、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記第１の情報取得ステップにより取得された前記車両情報及び環境情報と前記第１の運転行動取得ステップにより取得された前記運転行動と前記状態設定ステップにより設定された前記状態とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する第１の特徴量生成ステップと、
前記第１の運転行動取得ステップにより取得された前記運転行動毎に、前記第１の特徴量生成ステップにより生成された前記特徴量を用いて前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習ステップと
を含む前記学習フェーズを前記コンピュータに実行させ、続いて、
前記ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する第２の情報取得ステップと、
前記第２の情報取得ステップで取得された前記車両情報及び環境情報から、前記予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する第２の運転行動取得ステップと、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記第２の情報取得ステップにより取得された前記車両情報及び環境情報と前記第２の運転行動取得ステップにより取得された前記運転行動とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する第２の特徴量生成ステップと、
前記判定器学習ステップが構築した前記判定器の中から、前記第２の運転行動取得ステップにより取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、前記第２の特徴量生成ステップにより生成された前記特徴量に対するドライバ状態を判定するドライバ状態判定ステップと
を含む前記判定フェーズを前記コンピュータに実行させることを特徴とするドライバ状態判定用プログラム。
【請求項２７】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得する情報取得ステップと、
前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する運転行動取得ステップと、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記車両情報及び環境情報と前記運転行動取得ステップにより取得された前記運転行動とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する特徴量生成ステップと、
予め用意されたドライバ状態を判定するための判定器の中から、前記運転行動取得ステップにより取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、前記特徴量生成ステップが生成した前記特徴量に対するドライバ状態を判定するドライバ状態判定ステップと
をコンピュータにより実行させることを特徴とするドライバ状態判定用プログラム。
【請求項２８】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とから、予め定めた運転行動判定ルールに基づき取得された、前記ドライバの運転行動を、前記自動車から受信し、前記運転行動毎に、前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習手段と、
前記判定器学習手段が構築した前記判定器の中から、受信した前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、ドライバ状態を判定するドライバ状態判定手段と
を備えることを特徴とするサーバ。
【請求項２９】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報を、前記自動車から受信し、受信したその車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する運転行動取得手段と、
前記運転行動取得手段により取得された前記運転行動毎に、前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習手段と、
前記判定器学習手段が構築した前記判定器の中から、前記運転行動取得手段により取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、ドライバ状態を判定するドライバ状態判定手段と
を備えることを特徴とするサーバ。
【請求項３０】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報と、前記ドライバの生体的又は心理的なドライバの状態とを、前記自動車から受信し、受信したその車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得する運転行動取得手段と、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記車両情報及び環境情報と前記運転行動取得手段により取得された前記運転行動と、受信した前記ドライバの状態とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成する特徴量生成手段と、
前記運転行動取得手段により取得された前記運転行動毎に、前記特徴量のデータを用いて前記ドライバの状態と前記車両情報及び環境情報との関係を学習し、ドライバ状態を判定するための判定器を構築する判定器学習手段と、
前記判定器学習手段が構築した前記判定器の中から、前記運転行動取得手段により取得された前記運転行動に対応した判定器を取得し、取得したその判定器に基づいて、前記特徴量生成手段が生成した前記特徴量に対するドライバ状態を判定するドライバ状態判定手段と
を備えることを特徴とするサーバ。
【請求項３１】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得してサーバへ送信する情報取得手段と、
前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得してその運転行動を前記サーバへ送信する運転行動取得手段と
を備え、前記自動車に搭載されており、前記サーバによりドライバ状態を判定させることを特徴とするクライアント。
【請求項３２】
ドライバが運転する自動車の各部の状態を表す車両情報と、前記自動車の周辺の状況を表す環境情報とを取得してサーバへ送信する情報取得手段と、
前記車両情報及び環境情報から、予め定めた運転行動判定ルールに基づき、前記ドライバの運転行動を判定し取得してその運転行動を前記サーバへ送信する運転行動取得手段と、
前記ドライバの生体的又は心理的な状態を設定する状態設定手段と、
予め設定された運転行動に応じた特徴量生成方法を使用して、前記車両情報及び環境情報と前記運転行動取得手段により取得された前記運転行動と前記状態設定手段により設定された前記状態とに基づいて、複数種類の運転行動のそれぞれの特徴量を生成して前記サーバへ送信する特徴量生成手段と
を備え、前記自動車に搭載されており、前記サーバによりドライバ状態を判定させることを特徴とするクライアント。
【請求項３３】
請求項１乃至１２のうちいずれか一項記載のドライバ状態判定システムが搭載されていることを特徴とする自動車。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【図３４】
【図３５】
【図３６】
【図３７】
【図３８】
【図３９】
【図４０】
【図４１】
【図４２】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【図３４】
【図３５】
【図３６】
【図３７】
【図３８】
【図３９】
【図４０】
【図４１】
【図４２】
【公開番号】特開２０１０−２５６９４３（Ｐ２０１０−２５６９４３Ａ）
【公開日】平成２２年１１月１１日（２０１０．１１．１１）
【国際特許分類】
【出願番号】特願２００９−１０２５６５（Ｐ２００９−１０２５６５）
【出願日】平成２１年４月２１日（２００９．４．２１）
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＶＩＣＳ
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【Ｆターム（参考）】
【公開日】平成２２年１１月１１日（２０１０．１１．１１）
【国際特許分類】
【出願日】平成２１年４月２１日（２００９．４．２１）
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＶＩＣＳ
【出願人】（０００００４２３７）日本電気株式会社 (19,353)
【Ｆターム（参考）】
[ Back to top ]