CN104508719A - 驾驶辅助***以及驾驶辅助方法 - Google Patents

Abstract

具有：驾驶信息获取部(1)，其将驾驶员的操作量以及车辆动作、驾驶员的状态、车辆周围的环境信息中的某些作为驾驶信息而获取；车辆位置信息获取部(2)，其获取车辆的位置信息；统计信息生成部(3)，其将驾驶信息作为时序模式进行统计处理，生成统计信息；地图信息生成部(4)，其将获取到驾驶信息时的车辆的位置信息和统计信息相关联而生成地图信息；地图信息更新部(71)，其将已有的地图信息更新为所生成的地图信息；地图信息参照部(5)，其基于车辆的位置信息，参照并读取地图信息；驾驶辅助部(6)，其基于所读取的地图信息进行驾驶辅助。

Description

驾驶辅助***以及驾驶辅助方法

技术领域

本发明涉及一种对车辆的驾驶进行辅助的驾驶辅助***以及驾驶辅助方法。

背景技术

当前，作为将拍摄装置等搭载于车辆并一边行驶一边收集交通环境的信息的技术，例如存在下述的专利文献1所记载的地图信息收集装置。

该地图信息收集装置将由搭载于车辆上的拍摄装置获取的车辆周边图像所包含的信息通过进行图像识别处理而收集。另外，该地图信息收集装置在相同的场所的图像信息被识别多次的情况下，以统计方式进行学习处理，从而抑制识别位置的误差的影响。

上述的地图信息收集装置在通过图像识别获取信息而在相同的场所多次识别同样的图像信息的情况下，以统计方式进行学习处理。因而，无法将本车辆、周围的其他车辆的移动这样的随着时间变化的动态的交通环境信息作为地图信息而以统计方式进行制作。

因此，本发明是鉴于上述的情况而提出的，其目的在于，提供一种为了获取随着时间发生变化的信息而能够提供驾驶辅助的驾驶辅助***以及驾驶辅助方法。

专利文献1：日本特开2008－250687号公报(日本特许第4569837号)

发明内容

本发明为了解决上述的课题，获取驾驶信息，将该驾驶信息作为时序模式进行统计处理而得到统计信息，将该统计信息与获取到该驾驶信息时的车辆的位置信息相关联而生成地图信息并更新地图信息。在进行驾驶辅助时，基于车辆的位置信息，参照并读取地图信息，基于所读取的地图信息进行驾驶辅助。

附图说明

图1是表示作为本发明的第1实施方式示出的驾驶辅助***的结构的框图。

图2是在作为本发明的第1实施方式示出的驾驶辅助***中说明颜色特征量、网纹特征量的图。

图3是在作为本发明的第1实施方式示出的驾驶辅助***中说明物体形状特征量的图。

图4是在作为本发明的第1实施方式示出的驾驶辅助***中驾驶信息表示周围影像的情况的时序化处理的流程图。

图5是在作为本发明的第1实施方式示出的驾驶辅助***中表示生成统计信息并更新地图信息的处理的流程图。

图6是对在作为本发明的第1实施方式示出的驾驶辅助***中的时序的驾驶信息的分节化进行说明的图。

图7是对在作为本发明的第1实施方式示出的驾驶辅助***中将分节化后的驾驶信息分级地分类进行说明的图，(a)表示一个驾驶信息、(b)表示另一个驾驶信息。

图8是表示在作为本发明的第1实施方式示出的驾驶辅助***中生成并存储地图信息的处理的流程图。

图9是表示在作为本发明的第1实施方式示出的驾驶辅助***中按照区间生成统计信息的处理的流程图。

图10是在作为本发明的第1实施方式示出的驾驶辅助***中包含预测驾驶信息的处理的流程图。

图11是表示在作为本发明的第2实施方式示出的驾驶辅助***中追加综合模式生成单元后的结构的框图。

图12是表示在作为本发明的第2实施方式示出的驾驶辅助***中在生成地图信息时生成综合模式的处理的流程图。

图13是对在作为本发明的第2实施方式示出的驾驶辅助***中生成综合模式的处理进行说明的图。

图14是在作为本发明的第3实施方式示出的驾驶辅助***中表示相互进行通信的对象的框图。

图15是在作为本发明的第3实施方式示出的驾驶辅助***中表示车载设备包含通信单元的结构的框图。

图16是在作为本发明的第4实施方式示出的驾驶辅助***中追加对驾驶信息赋予属性的结构后的框图。

图17是表示在作为本发明的第4实施方式示出的驾驶辅助***中按照驾驶信息的属性生成统计信息的处理的流程图。

具体实施方式

以下，参照附图说明本发明的实施方式。

[第1实施方式]

作为本发明的第1实施方式示出的驾驶辅助***例如如图1所示地构成。图1所示，该驾驶辅助***包括驾驶信息获取部1、车辆位置信息获取部2、统计信息生成部3、地图信息生成部4、地图信息参照部5、驾驶辅助部6、以及地图信息存储部7。

此外，驾驶辅助***的一部分实际上由ROM、RAM、CPU等构成，但将该CPU按照存储在ROM中的驾驶辅助用的程序进行处理而能够实现的功能作为程序模块而进行说明。

驾驶信息获取部1具有驾驶员状态信息获取部11、车辆周围信息获取部12、车辆信息获取部13中的一个即可。驾驶员状态信息获取部11检测驾驶员的状态。车辆周围信息获取部12获取车辆周围的环境信息。车辆信息获取部13作为车辆信息而检测驾驶员的操作量以及车辆动作。驾驶员状态信息获取部11将获取到的驾驶信息向车辆位置信息获取部2、统计信息生成部3以及驾驶辅助部6供给。

车辆位置信息获取部2获取车辆的位置信息。该车辆位置信息获取部2由例如GPS天线以及GPS用的运算设备等构成。车辆位置信息获取部2也可以基于从驾驶信息获取部1获取到的作为驾驶信息的车辆的举动运算车辆的位置信息。车辆位置信息获取部2将获取到的车辆的位置信息向驾驶辅助部6、地图信息生成部4以及地图信息参照部5供给。

统计信息生成部3将从驾驶信息获取部1供给来的驾驶信息作为时序模式进行统计处理，生成统计信息。

地图信息生成部4将获取到从车辆位置信息获取部2获得的驾驶信息时的车辆的位置信息、和由统计信息生成部3生成的统计信息相关联而生成地图信息。即，地图信息生成部4将由统计信息生成部3基于位置信息生成的统计信息作为地图信息。

在地图信息存储部7中作为数据库而存储有道路地图数据。地图信息存储部7具有能够写入从地图信息生成部4发送的地图信息的地图信息更新部71。地图信息更新部71将已有的地图信息更新为由地图信息生成部4生成的地图信息。

地图信息参照部5基于由车辆位置信息获取部2获取到的位置信息参照并读取在地图信息存储部7中存储有的地图信息。由此，地图信息参照部5将储存于地图信息存储部7的数据中的与在当前的车辆位置处存储有的驾驶相关的统计信息提取出来。

驾驶辅助部6基于由地图信息参照部5获得的统计信息(地图信息)进行驾驶辅助。另外，驾驶辅助部6不仅基于地图信息进行驾驶辅助，而且也可以基于由驾驶信息获取部1获得的实时的驾驶信息进行驾驶辅助。该驾驶辅助包括向驾驶员提供对驾驶有用的信息。另外，驾驶辅助部6也可以基于统计信息以及驾驶信息进行车辆的控制。

下面，说明在上述的驾驶辅助***中由驾驶信息获取部1以及车辆位置信息获取部2进行的信息获取处理的详细内容。

车辆位置信息获取部2利用车载的导航***、搭载于驾驶员所持有的移动电话等的GPS(Global Positioning System)的信号。车辆位置信息获取部2作为位置信息除了由GPS获取经纬度、高度等以外，也可以将车载导航***等所持有的地图信息作为位置信息。作为公知的导航***用地图，已知有将如下编号作为地图信息而具有的地图：例如在地图上划分成恒定间隔的网状的分区的编号、将道路表现为链环时的链环编号、将交叉点和分合地点表现为链环彼此之间的连接点即节点的节点编号等。也可以是，车辆位置信息获取部2在利用车载GPS检测到车辆位置的经纬度之后，将该地图信息和车辆位置进行匹配，并将匹配后的网编号、链环编号、节点编号作为位置信息添加至经纬度。

驾驶员状态信息获取部11作为驾驶员的状态而检测面部的动作。驾驶员状态信息获取部11利用例如设置于驾驶席前方的拍摄装置获取包括驾驶员的头部在内的影像，将该影像信息输入至面部动作检测装置。作为面部动作检测装置，利用公知的识别方法即可。例如能够利用日本特开2005－196567所示的技术。利用该面部朝向检测装置，驾驶员状态信息获取部11获取头部的姿势角。另外，也可以是，驾驶员状态信息获取部11除了基于头部的姿势角以外，还基于拍摄到的影像，检测驾驶员的视线及眨眼、口的动作及表情、触摸面部及头部的手的动作等，并作为驾驶员的状态信息加以利用。进而，也可以是，驾驶员状态信息获取部11作为驾驶员的身体的动作而使用座位座面·背面·侧靠背等的体压分布值。进而，也可以是，驾驶员状态信息获取部11作为驾驶员的生物信号而利用血压、呼吸、心率、发汗、肌电位等、或者利用通过脑血流等进行简易地测量的脑活动量。也可以是，驾驶员状态信息获取部11将生物信息、视线、表情、体温等多个测量值组合并使用公知的计算技术，将睡意及焦躁、清醒程度、紧张程度、放松程度作为表示驾驶员的状态的信息进行计算并获取。

车辆周围信息获取部12作为车辆周围的环境信息而获取至本车辆周围的物体为止的距离、物体形状等的观测值。因此，车辆周围信息获取部12利用例如车道保持***、车间维持控制***等的传感器即激光传感器、微波雷达、超声波传感器这样的测距传感器。另外，也可以是，车辆位置信息获取部2使用摄像机等拍摄装置的动画、静画，检测描绘在路面上的白线、停止线、人行横道、表示前进道路的箭头等的位置、车道内的本车辆的横向位置及前方车道的曲率、信号机及道路标识、行人及自行车、在周围行驶的车辆等驾驶员在驾车时应该注意的对象，将这些检测值、检测对象的形状及颜色、与本车辆的相对距离(位置)等作为车辆周围的环境信息进行获取。另外，也可以是，车辆位置信息获取部2如果能够如后述基于传感器值、图像而将拥堵的车流中、人群中、闲散的道路、住宅街道较窄的生活道路这样的与驾驶相关联的场所的气氛进行时序数据化，则作为车辆周围的环境信息获取。

车辆信息获取部13获取驾驶员的操作量、车辆动作的信息。车辆信息获取部13获取例如转向角、加速器开度、制动器操作量、方向指示器开关信号、雨刷器开关信号、车速、前后加速度、上下加速度、左右加速度、偏航率、侧倾角速度、纵摆角速度等。车辆信息获取部13既可以从传感器、操作设备获取直接信号，也可以获取流向车辆CAN这样的车载网络的信号。关于车辆动作的检测，例如车体偏航率由设于车体的偏航率传感器检测是最直观的方法。但是除了直接检测车辆偏航率以外，也可以检测例如转向角和车辆的速度，基于其结果推定车辆偏航率。在推定车辆偏航率的情况下，取代偏航率传感器而设有转向角传感器和车速传感器。如上所述，也可以是，车辆信息获取部13不直接检测车辆信息，而是获取作为基于运算的推定值的车辆信息。

另外，由驾驶信息获取部1以及车辆位置信息获取部2获取的信息除了如流向车辆CAN的信息那样标配于车辆的传感器设备的信息以外，也可以利用车辆的利用者后来车载的传感器设备的信息。也可以是，如在驾驶员状态信息获取部11中测量上述的驾驶员的生物信号的传感器设备等那样，例如将搭载已有的GPS、陀螺仪传感器的导航***、车载摄像机、具有加速度传感器、GPS的移动电话等可移动设备、已有的行驶记录仪等设置于车辆中，利用这些设备所搭载的传感器的输出信息。

在由驾驶信息获取部1获取的驾驶信息中包括车速、转向角、车间距离这样的1维信息。驾驶信息中除了1维信息之外，还包括多维时序信息。例如，驾驶信息包括照相机图像、如微波雷达那样以“面”进行测量的信息。进而，驾驶信息中包括利用如激光雷达那样的扫描型传感器以“线(点列)”进行测量的信息。进而，驾驶信息中包括像设置于车辆四角的超声波传感器、如肌电位那样将多个作为一套处理并与使“多个点”相互关联而测量的信息。进而，照相机图像等在构成画面的1个像素中也含有如下的表示内容不同的多个信息，即：颜色、亮度、浓度这样的信息，网纹信息、轮廓(边缘)等物体形状特征的信息息。

本实施方式的驾驶辅助***具有如下特征：将上述的多个1维时序信息、多维时序信息作为在相同的交通环境下在相同的地点且在相同的时间获取到的信息，在保持各信息间的关联性的状态下进行统计处理。

图2以及图3是由驾驶信息获取部1获取的信息为以“面”拍摄车外的照相机影像100的情况下作为静画截取影像，从各个静画中提取特征量101而进行时序化的处理的图像图。在提取颜色的特征量、网纹特征量的情况下，如图2所示，驾驶信息获取部1针对将照相机影像100分割的各单元格计算特征量101，沿着时间轴将各单元格的特征量的时间变化作为时序数据。关于颜色的特征量，也可以作为颜色空间而利用RGB颜色空间、CIE－XYZ颜色空间、L＊a＊b＊颜色空间等公知的颜色空间。另外，作为颜色的特征量，也可以针对各单元格利用颜色柱状图、颜色空间中的颜色分布的统计量即色距(平均、分散、共分散、非对称性等)等。

另外，驾驶信息获取部1能够计算图像整体的特征量。并且，也可以是，驾驶信息获取部1在将图像分割成单元格并计算出各区域的特征量的基础上，着眼于区域并利用网纹特征量。作为网纹特征量，利用记述规则的网纹的构造特征(基于形态学运算的量、相邻图表等的量)、以图像亮度的统计性分布记述的统计特征(傅里叶·功率谱、浓度共生矩阵、马尔科夫随机场、分形模型、Gabor变换、Wavelet变换等各种多重析像度特征量等)这样的公知的识别方法即可。驾驶信息获取部1对图像整体的颜色特征量、网纹特征量进行计算，作为时序数据加以利用。由此，能够将交通环境为由人、自行车、其他车辆混杂的状态、为空的状态、墙壁或障碍物迫近的较窄的道路或山道、相同的景色持续的高速道路等信息获取地点中的交通环境(气氛)的时间变化作为时序数据以统计方式蓄积·利用。

并且，驾驶信息获取部1也可以如图3所示地检测物体形状的特征量102。驾驶信息获取部1检测行驶车道内的本车辆的横向位置、前方车道的曲率、停止线及人行横道等路面表示、信号机及道路标识、行人及自行车、在周围行驶的其他车辆等驾驶员驾车时应该注意的对象。并且，驾驶信息获取部1检测与检测对象的相对距离(位置关系)及其形状、颜色等。驾驶信息获取部1将驾驶员驾车时应该注意的对象的形状、颜色等作为物体形状的特征量102加以获取。

驾驶信息获取部1也可以将在检测对象的过程中求得的物体形状的特征量102的变化、对象的动作(位置的时间变化)作为时序数据加以利用。特定对象的检测、形状特征量的检测方法利用公知的识别方法即可。例如作为大域形状特征量而利用区域特征量(Zemikemoment、2D Angular Radial Transformation(ART)等)、轮廓特征量(Fourier Descriptor、Curvature Scale Space、Edge DirectionHistogram等)，作为局部特征量而利用(Color)SIFT、旋转图像(SpinImages)、Video Google这样的特征量、Bag-of-features方法等，检测特定的对象物、形状特征量即可。

驾驶信息获取部1通过如图4所示的处理将获取到的驾驶信息变换成时序数据。

首先，在步骤S1中，驾驶信息获取部1以及车辆位置信息获取部2将获取驾驶信息时的车辆的位置信息和驾驶信息一起获取。

在接下来的步骤S2中，驾驶信息获取部1将获取到的驾驶信息时序数据化。对于CAN信号等不需要在获取时刻进行时序化的处理的信息，也可以跳过步骤S2而进入步骤S3。在上述的影像等为驾驶信息的情况下，驾驶信息获取部1根据驾驶信息计算特征量等，将计算信息的时间变化作为时序数据。

下一步骤S3中，将在步骤S2中获得的各特征量的时序数据的集合和车辆位置信息相关联。

在接下来的步骤S4中，驾驶信息获取部1将在步骤S3中与车辆的位置信息相关联的作为多维时序数据的驾驶信息向统计信息生成部3发送。

在作为车辆周围信息获取部12而使用对车外进行拍摄的照相机影像的情况下，在步骤S1中，由驾驶信息获取部1将车辆周围的影像与拍摄时的车辆的位置信息一起获取。

在接下来的步骤S2中，驾驶信息获取部1从获取到的影像提取特征量。在影像中包括各种各样的信息，因此，例如每隔恒定的采样时间作为静画而截取影像，利用上述的公知的图像识别方法提取特征量。驾驶信息获取部1将针对提取出的各特征量的时间变化作为时序数据。

在接下来的步骤S3中，将获得的各特征量的时序数据的集合和影像的拍摄位置信息(车辆位置信息)相关联。

在接下来的步骤S4中，驾驶信息获取部1将与影像的位置信息相关联的各特征量的集合作为多维的时序数据向统计信息生成部3发送。

在此，以驾驶信息为拍摄车外的照相机影像的一个例子进行了说明，但并不限定于此。也可以是，对于其他多维的时序数据，不仅将针对各维的观测值作为时序数据，而且根据多个维的观测值对一个时序数据进行计算、或者提取特征量等并将其时间变化作为时序数据加以利用。在利用了例如在车间维持控制***等中利用的扫描型测距传感器的激光雷达的情况下，除了针对所观测的各扫描角度的距离数据之外，也可以将根据激光雷达观测值利用公知的识别方法所计算的其他车辆的相对位置数据作为时序数据加以利用。

下面，说明由统计信息生成部3进行的统计状态的生成处理、以及由地图信息生成部4以及地图信息更新部71进行的地图信息的更新处理。

统计信息的生成处理以及地图信息的更新处理例如能够利用图5所示的处理实现。

首先，在步骤S11中，统计信息生成部3获取由驾驶信息获取部1进行时序处理并与车辆位置信息相关联的驾驶信息。

在接下来的步骤S12中，统计信息生成部3针对在步骤S11中获取到的驾驶信息的时序数据，将变化较大的时刻作为时序模式的边界而进行分节化。

在接下来的步骤S13中，统计信息生成部3从作为数据库的地图信息存储部7中读取作为地图信息而已存储的驾驶信息的时序模式。

在接下来的步骤S14中，统计信息生成部3对与在步骤S13中分节化的驾驶信息的时序模式似然度较高地类似的时序模式是否已存储在地图信息存储部7中进行判断。在类似的时序模式已存在于地图信息存储部7中的情况下，将驾驶信息向地图信息生成部4供给，处理进入步骤S15。另一方面，在不存在与分节化的驾驶信息的时序模式似然度较高地类似的时序模式的情况下，处理进入步骤S17。

在步骤S15中，统计信息生成部3、地图信息更新部71添加新获取到的驾驶信息并进行统计处理，更新已存储于地图信息存储部7中的时序模式。

另一方面，在步骤S17中，统计信息生成部3基于新获取到的驾驶信息和其他所存储的驾驶信息的时序模式而进行统计处理。由此，统计信息生成部3生成新的驾驶信息的时序模式。

在步骤S16中，统计信息生成部3将更新后或者新生成的驾驶信息的时序模式作为统计信息而向地图信息生成部4发送。

图6是将多维的驾驶信息的时序数据分节化的图像图。统计信息生成部3无论获取到的时序数据的维数如何，均在维持数据A、B、C、D、E之间的关系性的状态下汇总处理，将其变化较大的时刻作为时序模式的边界进行分节化。在图6的一个例子中，在t1～t2、t2～t3、t4～t5、t6～t7、t8以后，将驾驶信息的时序数据A、B、C、D、E进行区分而进行分节化。

图7是作为根据驾驶信息计算时序模式的方法的一个例子，将分节化的时序的驾驶信息(segment)利用分层聚类方法进行逐级分类的情况的木构造的图像图。时序模式也可以将分节化的各时序的驾驶信息如(a)、(b)所示地针对各级进行统计处理，作为各级的统计上的时序模式求出。另外，也可以从分级中选择一个代表性的分节化的时序的驾驶信息作为时序模式。

发明人迄今为止发现了如下方法，即，从连续多维的时序观测数据中将构成该数据的模式提取的方法，和基于模式的时序观测数据的识别(密码化·抽象化)方法、从模式生成(推定)时序数据的方法，并作为采用这些识别·生成方法而用于进行***的控制的1个手段，提出了例如日本特许第4027838号。

在本实施方式的统计信息生成部3以及地图信息生成部4中，也可以将该方法作为模式的提取·识别方法加以利用。作为从已分节化的时序数据的模式提取方法，采用称为隐马尔可夫模型(HMM)的概率统计模型。此外，在本实施方式中，在使用了神经网络、遗传算法的方法中也可以采用使用了利用阈值、特征平面而识别的线性判别函数的方法。也可以采用公知的模式识别方法、数据集合的聚类方法。也可以利用有教师、无教师的机械学***均，离差平方和法(ward法)这样的公知的分层聚类方法。

下面，参照图8的流程图，说明由地图信息生成部4以及地图信息存储部7执行的处理的内容。

在步骤S21中，地图信息生成部4获取由驾驶信息获取部1获取到的驾驶信息、获取到该驾驶信息的车辆的位置信息、时序模式(驾驶模式信息)。

在步骤S22中，地图信息生成部4将在步骤S21中获取到的驾驶信息变换为时序的模式，以时序记述驾驶信息。

在步骤S23中，地图信息生成部4在步骤S22中以时间轴记述的驾驶信息的列中，对从时间上靠前的驾驶信息的模式向时间上靠后的驾驶信息的模式的转移概率进行计算。

在步骤S24中，地图信息生成部4将在步骤S23中求出的转移概率和驾驶信息的时序模式一起与地图空间上的位置相关联而作为地图信息，并将其存储在地图信息存储部7中。

将地图信息与统计处理后的驾驶信息的时序模式和位置信息相关联地存储。因此，将由车辆位置信息获取部2获得的车辆位置信息和由地图信息参照部5获得的作为统计信息的驾驶信息的时序模式这两个信息组合起来。由此，能够作为统计上的时序模式而知道在地图空间上的特定的区间·地点中，车辆动作、驾驶操作、驾驶员的状态、交通环境等以什么方式时间变化。

另外，将进行了统计处理的驾驶信息的时序模式作为地图信息进行处理。由此，无需将由驾驶信息获取部1获取到的全部数据原封不动地记录。因此，能够节约地图信息存储部7的记录数据容量，能够高效地储存信息。

并且，将某一时序模式向其他时序模式的时间上、空间上的转移作为转移概率求出，作为地图信息与时序模式相关联地存储。因此，能够基于所观测的驾驶信息、位置信息判别转移的概率较高的驾驶信息的时序模式。

图9是表示由统计信息生成部3、地图信息更新部71执行的按照区间生成统计信息的处理的内容的流程图。

在此，图5中，在步骤S11中获取进行时序处理并与位置信息相关联的驾驶信息，将在步骤S12中获取到的时序的驾驶信息分节化，在步骤S13以及其之后进行时序模式化的处理。在进行时序模式化的处理时，与驾驶信息的获取场所无关系，基于所有的已分节化的驾驶信息进行时序模式的提取。之后，如利用图8说明的那样，在地图信息生成部4中，将时序的驾驶信息与转移概率一起与地图空间上的位置相关联而作为地图信息。与地图上的信息获取到的区间无关系地汇总计算时序模式，从而能够抑制时序模式的数量等而对数量进行控制，能够节约运算量、数据容量。

相对于此，图9的处理如下所述：将在步骤S11获取到的时序的驾驶信息由统计信息生成部3在步骤S41中按照地图上的每个区间进行分割。分割的区间也可以按照道路上的恒定距离区分开。另外，也可以根据道路划分、道路种类等行走线性区分开。进而，既可以按照导航用的地图所具有的链环、网格区分开，也可以图经纬度、恒定范围的区域区分开。

统计信息生成部3在步骤S12中将按照区间分割开的驾驶信息分节化之后，进入步骤S42。在步骤S42以及其之后的步骤中，地图信息生成部4不以世界中的全部的时序模式为对象，而以每个区间读取时序模式，进行更新、生成新的时序模式的处理。

步骤S43中，统计信息生成部3将按照区间计算并已在地图空间上相关联的针对每个区间的时序模式向地图信息生成部4发送。

如上所述，将驾驶信息按照获取到的地图上的区间分割，基于所分割出的驾驶信息按照区间计算驾驶信息的时序模式。由此，能够提取该区间特有的驾驶信息的时序模式。

此外，对驾驶信息进行统计处理而计算时序模式并进行更新的定时，也可以是随着收集驾驶信息而逐步更新的定时、或者以恒定周期更新的定时、已收录的驾驶信息蓄积恒定量的时刻进行更新的定时、或者驾驶员任意地设定的定时。另外，计算时序模式并用于更新的驾驶信息既可以从收录开始时至最新的信息为止在全部的驾驶信息中进行统计处理，也可以在恒定期间收录到的驾驶信息中进行统计处理。

进而，作为第1实施方式示出的驾驶辅助***也可以如图10所示，由地图信息参照部5以及驾驶辅助部6预测下一个信息提供或驾驶操作。

首先，在步骤S61中，地图信息参照部5基于在车辆位置信息获取部2中获得的车辆位置信息，从储存在地图信息存储部7的数据中将存储在该位置的与驾驶相关的统计信息提取出来。

在接下来的步骤S62中，地图信息参照部5获得当前位置处的驾驶信息的时序模式。

在接下来的步骤S63中，地图信息参照部5根据在步骤S62中获得的驾驶信息的时序模式概率地预测接下来转移的驾驶信息的时序模式。

在接下来的步骤S64中，地图信息参照部5利用在步骤S63中概率地预测出的接下来转移的统计上的驾驶信息的时序模式和由驾驶信息获取部1获得的实时的信息这两个信息而向驾驶员进行信息提供、操作辅助等驾驶辅助。

如上所述，驾驶辅助***通过利用由驾驶信息获取部1实时观测的驾驶信息和由地图信息参照部5获得的统计信息，而能够将当前的驾驶状态置换为时序模式进行记述。并且，能够基于该时序模式的转移概率，判别在时间上接下来转移的概率较高的驾驶信息的时序模式。由此，能够对车辆接下来遭遇的交通环境的驾驶信息作为时序模式概率性地进行预测。

另一方面，利用由车辆位置信息获取部2实时观测的车辆位置信息和由地图信息参照部5获得的统计信息。由此，能够获取与当前的车辆所存在的场所相关联的驾驶信息的时序模式。由此，对当前的车辆所存在的场所平常是怎样的交通环境进行信息提供，能够进行驾驶辅助。

进而，还能够对在空间上相邻的场所·区间平常是怎样的交通环境进行信息提供，并进行驾驶辅助。并且，能够基于与当前的车辆所存在的场所相关联的时序模式的转移概率，判别在时间上接下来转移的概率较高的时序模式。还能够对平常经过了该场所的车辆接下来遭遇的交通环境的驾驶信息概率性地进行预测。

驾驶辅助部6在事先设定与驾驶信息的时序模式相对应的声音信息、视觉信息、操作信息。驾驶辅助部6为了能够向驾驶员提供而包括扬声器等声音输出装置或者监视器等视觉信息提示装置、或者能够对方向盘、加速器、制动器的操作量、操作力进行控制输出的电源辅助装置。驾驶辅助部6也可以根据前述的所预测的时序模式生成用于安全的驾驶操作量，利用驾驶辅助单元对驾驶员提示操作量。并且，驾驶辅助部6也可以事先提示能够对复杂的交通环境有思想准备的信息。并且，驾驶辅助部6也能够进行为了更轻松地行驶的路径变更的信息、前进道路变更的定时的提示、操作量的支援等这样的驾驶辅助。

如上所述，作为第1实施方式示出的驾驶辅助***将驾驶信息作为时序模式进行统计处理，与车辆位置信息相关联地生成地图信息，更新已有的地图信息。根据该驾驶辅助***，能够将统计处理后的驾驶信息的时序模式与位置信息相关联后用作地图信息，因此，能够记述·存储地图上的区间·地点处的车辆动作、驾驶操作、驾驶员的状态、交通环境等的动态的时间变化。因此，根据驾驶辅助***，关于通过本车辆、周围的其他车辆移动而时间变化的动态的交通环境，能够向驾驶员提供信息或进行操作辅助等驾驶辅助。

驾驶辅助***作为地图信息而利用存储的时序模式，从而能够获取与当前的车辆所存在的场所相关联的时序模式。由此，驾驶辅助***能够提供车辆所存在的场所平常是怎样的交通环境这样的信息。

在例如获得行驶轨迹未滞留在车道内的时序模式的情况下，知道在车道间交叉的车辆较多。因此，驾驶辅助***能够向驾驶员提供“注意进行车道变更的车辆”的信息。作为在空间上的下一区间的时序模式，如果知道在车道间交叉的车辆较多，则能够向驾驶员提供“注意前面进行车道变更的车辆”的信息。在作为驾驶员的状态而获得较多的面部的动作、视线朝向旁边的模式的情况下，通过与车速等车辆信息的时序模式相配合，能够向驾驶员提供“注意漫不经心的驾驶”、“注意追尾”这样的信息。并且，通过基于血压、心率、表情而将驾驶员的焦躁状态、紧张状态、睡意程度作为时序模式而获得，能够提供“保持车距”、“驾驶疲劳了。小憩一下吧”这样的信息。

驾驶辅助***不仅能够将上述的信息提供作为声音信息、向显示器的视觉信息加以提供，而且能够通过作为驾驶操作量而控制踏板操作量等，也能够将驾驶员的驾驶向安全侧引导·支援。并且，驾驶辅助***也能够根据车辆信息获得从停止、停止状态发动时的加减速度、临时停止交叉点的停止位置、移动方式、相对于限制速度的巡航速度、相对于道路线形的转向操纵量这样的时序模式，从而作为向驾驶员的驾驶操作量辅助、自动驾驶车辆的控制目标值加以利用。

另外，根据驾驶辅助***，将驾驶信息按照获取到该信息的地图上的每个区间进行分割，基于分割出的信息按照各区间计算时序模式。由此，驾驶辅助***能够提取该区间特有的驾驶信息的时序模式。

进而，另外，根据该驾驶辅助***，与地图上的区间无关地计算驾驶信息的时序模式，对该时序模式是否相当于预先设定的多个时序模式中的哪个时序模式进行判别。由此，与按照场所计算各自的驾驶信息的时序模式的情况相比，能够抑制时序模式的数量，能够节约运算量、数据容量。

[第2实施方式]

接下来，说明第2实施方式涉及的驾驶辅助***。此外，对与上述的第1实施方式相同的部分，通过标注同一标号，而省略其详细的说明。

作为第2实施方式示出的驾驶辅助***，例如如图11所示地构成。该驾驶辅助***与作为第1实施方式示出的驾驶辅助***不同点在于，在地图信息生成部4中设有综合模式生成部41。

在该驾驶辅助***中，驾驶信息获取部1获取驾驶员的操作量以及车辆动作、驾驶员的状态、车辆周围的环境信息中的多个信息。综合模式生成部41将使用由驾驶信息获取部1获取到的各驾驶信息计算的各时序模式作为在相同的交通环境下获取到的时序模式而相关联。

综合模式生成部41例如进行图12所示的处理。说明例如由驾驶信息获取部1获取车辆信息、驾驶员状态信息、车辆周围信息的情况下的综合模式生成部41的处理。

在步骤S31、步骤S33、步骤S35中，驾驶信息获取部1以及车辆位置信息获取部2同时将车辆信息、驾驶员状态信息、车辆周围信息的各驾驶信息与位置信息一起获取。

在步骤S32、步骤S34、步骤S36中，驾驶信息获取部1分别针对车辆信息、驾驶员状态信息、车辆周围信息变换为时序模式，将各信息以驾驶模式的时序记述。

在此，车辆信息、驾驶员状态信息、车辆周围信息分别是在相同地点、相同瞬间且在相同的交通环境下获取到的驾驶信息，各信息间本来就具有关联性。信息间的关联性是指，不是相同种类的信息中的以时间上的转移概率表示的关联性，而是在相同地点、在相同瞬间且在相同的交通环境下获取的不同种类的驾驶信息之间所存在的关联性(因果性、相关关系)。

在接下来的步骤S37中，如图13所示，综合模式生成部41能够表现不同的驾驶信息的模式之间的关联性(因果性、相关关系)。图13是用于说明由综合模式生成部41进行的处理流程的图像图。此外，图13的说明随后论述。此时，综合模式生成部41在各分节点处计算带条件的概率。

在接下来的步骤S38中，综合模式生成部41将在步骤S37中计算出的带条件的概率和各驾驶信息的时序模式一起设为集合，与地图上的位置相关联并存储在地图信息存储部7中。

以获取车辆信息和车辆周围信息的情况为一个例子，对利用统计模型表现不同的驾驶信息的时序模式之间的关联性(因果性、相关关系)的方法进行说明。如果由驾驶信息获取部1针对车辆信息、车辆周围信息变换为时序模式并将各信息以时序模式记述，则如图13所示分节点的位置不同。将各分节点处的车辆信息和车辆周围信息的转移记述为带条件的概率，表现不同的驾驶信息的时序模式之间的关联性。

在某一分节点处，根据车辆信息的时序模式λi和车辆周围信息的时序模式ωj的状态，将向车辆信息的时序模式λk和车辆周围信息的时序模式ωl的状态转移的概率表现为P(λk、ωl|λi、ωj)。该转移概率能够如下式1所示地求出。

[式1]

P(λ_k，ω_l|λ_i，ω_j)＝n(λ_i，ω_j，λ_k，ω_l)/n(λ_i，ω_j)   (式１）

在此，n(λi、ωj)是车辆信息的时序模式和车辆周围信息的时序模式的组群(λi、ωj)出现在数据中的次数。n(λi、ωj、λk、ωl)表示从时序模式的组群(λi、ωj)向(λk、ωl)转移的次数。

综合模式生成部41根据时序模式的组群(λi、ωj)的交通环境的状态，求出概率P(λk、ωl|λi、ωj)成为最大的(λk、ωl)，从而能够推定车辆信息、车辆周围信息。这类似于驾驶员基于经验根据感觉到的车辆信息、车辆周围信息预测未来的交通环境的状态。因而，驾驶辅助***能够提示驾驶员容易认知的信息。

在当前的车辆信息为λ[k]、车辆周围信息为ω[k]时，下一车辆信息、车辆周围信息的预测能够如下式2所示地求出。

[式2]

$\left(\widehat{\mathrm{\λ}}\right[k+1],\widehat{\mathrm{\ω}}[k+1\left]\right)=\underset{(\mathrm{\λ},\mathrm{\ω})}{\arg \max }P(\mathrm{\λ},\mathrm{\ω}|\mathrm{\λ}\left[k\right],\mathrm{\ω}\left[k\right])$ （式２）

如上所述，根据作为第2实施方式示出的驾驶辅助***，将采用各驾驶信息所计算的各时序模式作为在相同的交通环境下获取到的时序模式相关联。即、将与基于在相同的交通环境下收集到的驾驶信息的两个以上的时序模式相关联后存储。

由此，根据驾驶辅助***，能够在保持了与交通环境相对应的驾驶操作、交通环境和驾驶员的状态这样的信息间的关系性的状态下蓄积信息。通过将不同的种类的驾驶信息的时序模式以带条件的概率相关联，从而在一部分的驾驶信息无法观测的情况下，也能够基于能够观测的驾驶信息，预测时间上的下一状态、推定相关联的驾驶信息、预测在相同的交通环境下应该同时发生但无法观测的驾驶信息，能够对驾驶员进行驾驶辅助。

[第3实施方式]

接下来，说明第3实施方式涉及的驾驶辅助***。此外，对于与上述的实施方式相同的部分，通过标注同一标号，省略其详细的说明。

作为第3实施方式示出的驾驶辅助***例如由图14所示的网络***实现。

图14所示的驾驶辅助***具有在本车辆车载设备201与车外的各种设备之间收发信息的通信功能。该通信功能能够与基站202、基础设备203、其他车辆车载设备204、可移动设备205进行通信。该通信功能例如借助如移动体通信服务的数据包通信、无线LAN那样的无线通信并经由电话线路、网络线路收发信息。此外，也可以是，使驾驶辅助***的结构要素之间无线化，例如将基站202作为车外的数据中心而具备，不是仅由本车辆车载设备201进行所有的运算处理，而是与基站202分担。

如图15所示，该驾驶辅助***示出了将本车辆车载设备201和基站202用通信线路相连的结构。相对于第1实施方式中的驾驶辅助***，该驾驶辅助***包括本车辆车载设备201所具备的通信部201a、临时存储部201b、基站202所具有的通信部202a。

该驾驶辅助***通过与本车辆车载设备201和数据服务器等车外的运算设备相连，无需仅由车载设备进行所有的运算处理，而能够考虑通信负荷、运算量，最佳地进行运算处理的分担。

此外，与本车辆车载设备201和车外收发信息的通信部201a并不是必须始终能够通信。也可以是，例如以恒定间隔进行通信、或仅在通信线路的状况为良好时通信、或在车速为零的怠速时通信、或在电动汽车的充电过程中通信、或在开始行驶时、行驶结束后进行通信连接、或仅在驾驶员许可通信时通信。进而，也可以在通信线路不通的期间是将所收录的驾驶信息蓄积起来，在通信连接时分割或者一并收发信息。

因此，通信部201a并不是一定需要进行如移动体通信服务的数据包通信、无线LAN那样的无线通信，也可以在停车时利用有线进行信息的收发。

另外，在本车辆车载设备201中搭载可装卸的存储介质，在行驶过程中将驾驶信息蓄积在存储介质中。并且，车辆的所有者也可以装卸存储介质，而以手动进行驾驶信息的安装、地图信息的卸载。

另外，通信部201a、202a也可以利用由在ETC等中利用的路侧机DSRC(定点通信：5.8GHZ窄频带通信(Dedicated Short RangeCommunication))、VICS(注册商标)(道路交通信息通信***：Vehicle Information and Communication System)、FM多重放送、数字放送、电波信标、光信标等由作为基础设备203所装备的通信设备进行的信息配送。

另外，也可以是，通信部201a进行设置在路上的交通环境的拍摄装置(交通监视照相机)、传感器的信息的交换，而作为由驾驶信息获取部1获取的信息。例如能够从设置在路上的传感器获取无法在移动体中收集的定点观测到的交通信息等。

并且，通信部201a不限于路车之间的信息的交换，也可以与其他车辆车载设备204进行车车之间的信息通信。进而，通信部201a也可以与行人及骑自行车的人所持有的可移动设备205进行人车之间的信息的收发。通过获取本车辆以外的其他车辆的行驶数据，能够从车载传感器的数量丰富的车辆向车载传感器的数量较少的车辆提供所获取的驾驶信息，或者将同一环境下的相对的位置关系等包含于信息中。

由此，能够以更丰富的信息记述交通环境，或者也能够制作成本车辆没有行驶过的场所的信息、比本车辆的行驶范围更宽的范围的地图信息。另外，通过在车车之间进行信息交换，能够知道对方的驾驶模式，其结果，能够变更自我的驾驶行动，或者影响其他车辆而使交通环境好转。

进而，通信部201a与行人或骑自行车的人所持有的可移动设备205进行人车之间的信息的收发。由此，能够将车辆以外的移动体的存在、动作作为信息加以利用、或者能够在行人、自行车侧和车辆侧收发各自的模式信息，由此，能够预测对方的动作、基于预测避免事故、危险。

此外，在图14中，仅图示作为车辆的搭载本车辆车载设备201的车辆和搭载其他车辆车载设备204的车辆这2辆车，但在本实施方式中，未图示的其他车辆也能够经由通信路径而与基站(数据中心)202进行信息的发送或者接收，其数量不受限制。同样地，基础设备203、可移动设备205都仅图示一个，但未图示的其他设备也经由通信路径与多个设备、车辆进行信息的收发，其数量不受限制。

如上所述，根据作为第3实施方式示出的驾驶辅助***，具有与车辆外的通信装置进行信息的收发的通信部201a，能够将由驾驶信息获取部1并利用通信部201a获取到的信息作为驾驶信息而利用。由此，驾驶辅助***能够由本车辆车载设备201获取其他车辆的行驶数据，能够制作成并利用还没有行驶过的场所等大范围的地图信息。

另外，驾驶辅助***能够收集在路上设置的交通环境的拍摄装置、传感器的信息。并且，驾驶辅助***能够通过使本车辆车载设备201与服务器环境等车外的运算设备进行通信，从而无需由本车辆车载设备201进行所有的运算处理，能够考虑通信负荷、运算量而最佳地分担处理。

[第4实施方式]

接下来，说明第4实施方式涉及的驾驶辅助***。此外，通过对与上述的实施方式相同的部分标注同一标号，省略其详细的说明。

例如，如图16所示，作为第4实施方式示出的驾驶辅助***相对于上述的实施方式的驾驶辅助***，具有属性赋予部8。属性赋予部8对由驾驶信息获取部1获取到的驾驶信息赋予属性。并且，统计信息生成部3按照由属性赋予部8赋予的属性，将驾驶信息作为时序模式而进行统计处理。

属性赋予部8所赋予的属性是对获取驾驶信息时的状况进行分类的信息。属性是例如与时间有关的属性(日期、时刻、时间段、星期、月、三个月、季节等)、与行驶环境有关的属性(拥堵、人群、巡航、被迫停止、住宅街道、校区、山里等)、与车的使用用途有关的属性(通勤、商务、休闲、长距离旅行等)、与车的乘客有关的属性(1人、多人、家庭、高龄、驾驶初学者等)。属性赋予部8既可以在获取驾驶信息时自动地对驾驶信息赋予属性，也可以与驾驶员的开关操作相对应地对驾驶信息赋予属性。

该驾驶辅助***进行例如图17所示的处理，对赋予了属性的驾驶信息进行统计处理。

驾驶辅助***的统计信息生成部3将在步骤S11中获取的已赋予了属性的时序的驾驶信息在步骤S51中按照属性进行分类。统计信息生成部3将按照属性进行分类的驾驶信息在步骤S12中分节化。

之后，统计信息生成部3在步骤S52中与属性一起读取作为地图信息存储的时序模式。在之后的步骤S14、步骤S15、步骤S17中，与属性无关系地与上述的实施方式同样地进行时序模式的更新或新的时序模式的生成。

在下一步骤S53中，对计算出的时序模式与在运算处理前已被赋予的属性一起赋予新的属性信息，向地图信息生成部4发送。

如上所述，根据作为第4实施方式示出的驾驶辅助***，对驾驶信息赋予属性，按照该属性将驾驶信息作为时序模式进行统计处理，因此，能够按照属性获取在时间上变化的信息并为了驾驶辅助而提供。例如，即使是地图上的相同场所，也能够按照作为属性的时间段、按照季节、按照星期、按照天气更细致地记述交通环境的状态发生变化的场所的特征，能够按照形成交通环境的属性记述该场所的特征。

因此，例如，能够按照与驾驶员有关的驾驶技巧等提取驾驶信息的时序模式，能够进行与驾驶技巧相对应的信息提供、操作辅助这样的驾驶辅助。另外，例如能够获取“星期一到星期五的早晨的时间段拥堵”这样的根据时间段而发生变化的交通环境的信息，向驾驶员提供该信息。由此，在与平时不同的时间段通行的情况下，即使是初次通行的场所，驾驶员也能够事先选择回避路线。

此外，上述的实施方式是本发明的一个例子。因此，本发明并不限定于上述的实施方式，即使不是该实施方式，只要在不脱离本发明涉及的技术的思想的范围内，当然能够与设计等相对应地进行各种变更。

将日本特愿2012－158314号(申请日：2012年7月17日)的全部内容引用于此。

工业实用性

根据本发明，将统计处理后的驾驶信息的时序模式与位置信息相关联后作为地图信息而使用，因此，能够存储动态的驾驶信息的时间变化，针对动态的环境，能够进行驾驶辅助。

标号的说明

1    驾驶信息获取部

2    车辆位置信息获取部

3    统计信息生成部

4    地图信息生成部

5    地图信息参照部

6    驾驶辅助部

7    地图信息存储部

8    属性赋予部

11   驾驶员状态信息获取部

12   车辆周围信息获取部

13   车辆信息获取部

41   综合模式生成部

71   地图信息更新部

201  本车辆车载设备

201a 通信部

201b 临时存储部

202  基站

202a 通信部

203  基础设备

204  其他车辆车载设备

205  可移动设备

Claims (7)

1.一种驾驶辅助***，其特征在于，具有：

驾驶信息获取单元，其将驾驶员的操作量以及车辆动作、驾驶员的状态、车辆周围的环境信息中的某些作为驾驶信息而获取；

车辆位置信息获取单元，其获取车辆的位置信息；

统计信息生成单元，其将所述驾驶信息作为时序模式进行统计处理，生成统计信息；

地图信息生成单元，其将获取到所述驾驶信息时的车辆的位置信息和所述统计信息相关联而生成地图信息；

地图更新单元，其将已有的地图信息更新为由所述地图信息生成单元生成的地图信息；

地图信息参照单元，其基于由所述车辆位置信息获取单元获取到的位置信息，参照并读取所述地图信息；

驾驶辅助单元，其基于由所述地图信息参照单元读取的地图信息进行驾驶辅助。

2.根据权利要求1所述的驾驶辅助***，其特征在于，

所述驾驶信息获取单元获取驾驶员的操作量以及车辆动作、驾驶员的状态、车辆周围的环境信息中的多个信息，

该驾驶辅助***具有综合模式生成单元，该综合模式生成单元将使用由所述驾驶信息获取单元获取到的各驾驶信息而计算的各时序模式，作为在相同的环境下获取到的时序模式而相关联。

3.根据权利要求1或2所述的驾驶辅助***，其特征在于，

该驾驶辅助***具有与车辆外的通信装置收发信息的通信单元，

所述驾驶信息获取单元将由所述通信单元获取到的信息作为驾驶信息而利用。

4.根据权利要求1至3中任一项所述的驾驶辅助***，其特征在于，

所述统计信息生成单元按照地图上的各个区间将所述驾驶信息分割，使用按照各个区间被分割的驾驶信息，计算按照各个区间的时序模式。

5.根据权利要求1至3中任一项所述的驾驶辅助***，其特征在于，

所述统计信息生成单元与地图上的区间无关地计算所述驾驶信息的时序模式，

该驾驶辅助***具有模式判别单元，该模式判别单元判别由所述统计信息生成单元计算出的时序模式相当于预先设定的多个时序模式中的哪个时序模式，

所述地图信息生成单元将由所述模式判别单元判别出的时序模式和所述驾驶信息相关联而生成地图信息。

6.根据权利要求1至5中任一项所述的驾驶辅助***，其特征在于，

该驾驶辅助***具有属性赋予单元，该属性赋予单元对由所述驾驶信息获取单元获取到的驾驶信息赋予属性，

所述统计信息生成单元按照由所述属性赋予单元赋予的各个属性，将所述驾驶信息作为时序模式进行统计处理。

7.一种驾驶辅助方法，其特征在于，

将驾驶员的操作量以及车辆动作、驾驶员的状态、车辆周围的环境信息中的某些作为驾驶信息而获取，并且，获取车辆的位置信息；

将所述驾驶信息作为时序模式进行统计处理，生成统计信息；

将获取到所述驾驶信息时的车辆的位置信息和所述统计信息相关联而生成地图信息；

将已有的地图信息更新为所述生成的地图信息；

基于所述获取到的车辆的位置信息，参照并读取所述地图信息；

基于所述读取的地图信息进行驾驶辅助。