CN114093160A - 危险驾驶检测装置、***、方法及存储介质 - Google Patents

危险驾驶检测装置、***、方法及存储介质 Download PDF

Info

Publication number
CN114093160A
CN114093160A CN202110805249.XA CN202110805249A CN114093160A CN 114093160 A CN114093160 A CN 114093160A CN 202110805249 A CN202110805249 A CN 202110805249A CN 114093160 A CN114093160 A CN 114093160A
Authority
CN
China
Prior art keywords
dangerous driving
vehicle
detection
driving
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110805249.XA
Other languages
English (en)
Inventor
上田健挥
立花亮介
川端伸一朗
北川敬
大桥宗史
安田利弘
嶽本哲生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of CN114093160A publication Critical patent/CN114093160A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H04N23/54—Mounting of pick-up tubes, electronic image sensors, deviation or focusing coils
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/57—Mechanical or electrical details of cameras or camera modules specially adapted for being embedded in other devices
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Multimedia (AREA)
  • Chemical & Material Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Traffic Control Systems (AREA)

Abstract

目的在于提供与基于每个对象物的环境危险度和相对于对象物的与驾驶员的目视行动对应的权重系数来运算驾驶行动危险度的情况相比能够更恰当地评价实际的驾驶员的危险驾驶的危险驾驶检测装置、***、方法及存储介质。危险驾驶数据收集服务器(12)取得表示由设置于车辆的拍摄部拍摄到的拍摄图像的图像信息及表示车辆的状态的车辆信息(100、102)，基于图像信息及车辆信息来检测分别不同的种类的危险驾驶(104～112)，基于多个种类的危险驾驶的检测结果来导出驾驶员的危险驾驶的危险度(114)。

Description

危险驾驶检测装置、***、方法及存储介质
技术领域
本公开涉及检测驾驶员的危险驾驶的危险驾驶检测装置、危险驾驶检测***、危险驾驶检测方法及存储介质。
背景技术
在日本专利第5179686号公报中公开了运算并输出驾驶行动危险度的驾驶行动危险度运算装置。驾驶行动危险度运算装置关于车辆周围的环境的对象物，检测相对于车辆的行进方向的朝向、速度及相对于车辆的相对的位置，针对每个对象物运算环境危险度，检测驾驶员的目视行动，基于每个对象物的环境危险度和基于驾驶员的目视行动而针对每个对象物决定的与相对于对象物的驾驶员的目视行动对应的权重系数来运算驾驶行动危险度。
在日本专利第5179686号公报中，虽然基于每个对象物的环境危险度和与驾驶员的目视行动对应的权重系数来运算驾驶行动危险度，但只算出1个种类的驾驶行动危险度。因此，作为驾驶员的危险驾驶，只能检测相对于一部分危险驾驶的危险度，为了评价实际的驾驶员的危险驾驶，存在改善的余地。
发明内容
本公开提供与基于每个对象物的环境危险度和与相对于对象物的驾驶员的目视行动对应的权重系数来运算驾驶行动危险度的情况相比能够更恰当地评价实际的驾驶员的危险驾驶的危险驾驶检测装置、危险驾驶检测***、危险驾驶检测方法及存储介质。
本公开的第一方案是一种危险驾驶检测装置，其中，包含：取得部，取得表示由设置于车辆的拍摄部拍摄到的拍摄图像的图像信息及表示所述车辆的状态的车辆信息；多个检测部，基于由所述取得部取得的所述图像信息及所述车辆信息来检测分别不同的种类的危险驾驶；及导出部，基于所述多个检测部的检测结果来导出驾驶员的危险驾驶的危险度。
根据第一方案的危险驾驶检测装置，在取得部中，取得表示由设置于车辆的拍摄部拍摄到的拍摄图像的图像信息及表示车辆的状态的车辆信息。例如，作为图像信息，取得拍摄了车辆周边而得到的动态图像的图像信息。另外，作为车辆信息的一例，取得位置信息、车速、加速度、转向角、加速器开度、距车辆周边的障碍物的距离、路径等车辆信息。
在多个检测部中，基于由取得部取得的图像信息及车辆信息来检测分别不同的种类的危险驾驶。
然后，在导出部中，基于多个检测部的检测结果来导出驾驶员的危险驾驶的危险度。由此，能够根据多方面地检测到的危险驾驶来导出驾驶员的危险驾驶的危险度，因此与基于每个对象物的环境危险度和与相对于对象物的驾驶员的目视行动对应的权重系数来运算驾驶行动危险度的情况相比，能够更恰当地评价实际的驾驶员的危险驾驶。
需要说明的是，可以是，所述多个检测部的各自基于所述图像信息及所述车辆信息来确定行驶场景，检测与确定出的所述行驶场景对应的危险驾驶。由此，能够包含行驶时的状况而检测危险驾驶。
另外，可以是，所述检测部将用于检测危险驾驶的检测阈值变更为根据所述行驶场景预先确定的检测阈值来检测危险驾驶。由此，能够实现与行驶时的状况相符的危险驾驶的检测。
另外，可以是，所述行驶场景包含道路类别、天气、时间段及行驶地点的事故发生率中的至少1个行驶场景。由此，能够实现与道路类别、天气、时间段及行驶地点的事故发生率中的至少1个行驶场景相符的危险驾驶的检测。
另外，可以是，所述取得部进一步进行以下处理：进行所述图像信息和所述车辆信息的时刻对准而使所述图像信息和所述车辆信息同步。由此，能够使图像信息和车辆信息对应而检测危险驾驶。
本公开的第二方案是一种危险驾驶检测***，包含：上述危险驾驶检测装置；及车辆，具备所述拍摄部及检测所述车辆信息的车辆信息检测部。
本公开的第三方案是一种危险驾驶检测方法，包括以下步骤：取得表示由设置于车辆的拍摄部拍摄到的拍摄图像的图像信息及表示所述车辆的状态的车辆信息，基于所述取得的所述图像信息及所述车辆信息来检测分别不同的种类的危险驾驶，基于所述检测结果来导出驾驶员的危险驾驶的危险度。
本公开的第四方案是一种非暂时性存储介质，存储有使计算机执行危险驾驶检测处理的程序，其中，危险驾驶检测处理包括以下步骤：取得表示由设置于车辆的拍摄部拍摄到的拍摄图像的图像信息及表示所述车辆的状态的车辆信息，基于所述取得的所述图像信息及所述车辆信息来检测分别不同的种类的危险驾驶，基于所述检测结果来导出驾驶员的危险驾驶的危险度。
如以上说明这样，根据本公开，能够提供与基于与相对于对象物的驾驶员的目视行动对应的权重系数来运算驾驶行动危险度的情况相比能够更恰当地评价实际的驾驶员的危险驾驶的危险驾驶检测装置、危险驾驶检测***、危险驾驶检测方法及存储介质。
附图说明
图1是示出本实施方式的危险驾驶检测***的概略结构的图。
图2是示出本实施方式的危险驾驶检测***中的车载器及危险驾驶数据收集服务器的功能结构的功能框图。
图3是示出控制部及中央处理部的结构的框图。
图4是用于说明与行驶场景对应的加权、阈值变更的例子的图。
图5是示出在本实施方式的危险驾驶检测***中由危险驾驶数据收集服务器进行的处理的流程的一例的流程图。
图6是示出本实施方式的危险驾驶检测***中的车载器及危险驾驶数据收集服务器的功能结构的变形例的功能框图。
具体实施方式
以下，参照附图来详细说明本公开的实施方式的一例。图1是示出本实施方式的危险驾驶检测***的概略结构的图。
在本实施方式的危险驾驶检测***10中，搭载于车辆14的车载器16和作为危险驾驶检测装置的危险驾驶数据收集服务器12经由通信网络18而连接。在本实施方式的危险驾驶检测***10中，将通过多个车载器16的拍摄而得到的图像信息及表示各车辆的状态的车辆信息向危险驾驶数据收集服务器12发送，危险驾驶数据收集服务器12蓄积图像信息及车辆信息。然后，危险驾驶数据收集服务器12进行基于蓄积的图像信息及车辆信息来检测危险驾驶的处理。在本实施方式中，作为检测的危险驾驶的一例，检测急加速及急减速中的至少一方的危险驾驶、车间距离不保持的危险驾驶、行人妨碍的危险驾驶及超速的危险驾驶等危险驾驶。
图2是示出本实施方式的危险驾驶检测***10中的车载器16及危险驾驶数据收集服务器12的功能结构的功能框图。
车载器16具备控制部20、车辆信息检测部22、拍摄部24、通信部26及显示部28。
车辆信息检测部22检测与车辆14相关的车辆信息。作为车辆信息的一例，例如，检测车辆14的位置信息、车速、加速度、转向角、加速器开度、距车辆周边的障害物的距离、路径等车辆信息。具体而言，车辆信息检测部22能够应用取得表示车辆14的周边环境为何种状况的信息的多种传感器、装置。作为传感器、装置的一例，可举出车速传感器及加速度传感器等搭载于车辆14的传感器、GNSS(Global Navigation Satellite System：全球导航卫星***)装置、车载通信机、导航***及雷达装置等。GNSS装置从多个GNSS卫星接收GNSS信号而测定本车辆14的位置。GNSS装置随着能够接收的GNSS信号的数量变多而测位的精度提高。车载通信机是经由通信部26而进行与其他的车辆14之间的车车间通信及与路侧机之间的路车间通信中的至少一方的通信装置。导航***包含存储地图信息的地图信息存储部，基于从GNSS装置得到的位置信息和存储于地图信息存储部的地图信息来进行将本车辆14的位置在地图上显示、对直至目的地为止的路径进行引导的处理。另外，雷达装置包含检测范围互相不同的多个雷达，检测存在于本车辆14的周边的行人、其他车辆14等物体，取得检测到的物体与本车辆14的相对位置及相对速度。另外，雷达装置内置有对周边的物体的探知结果进行处理的处理装置。该处理装置基于最近的多次探知结果中包含的与各个物体的相对位置、相对速度的变化等而将噪声、护栏等路侧物等从监视对象排除，将行人、其他车辆14等作为监视对象物体而追踪监视。并且，雷达装置输出与各个监视对象物体的相对位置、相对速度等信息。
在本实施方式中，拍摄部24搭载于车辆而拍摄车辆的前方等车辆周边，生成表示动态图像的拍摄图像的图像数据。作为拍摄部24，例如能够应用行车记录仪等的相机。需要说明的是，拍摄部24也可以进一步拍摄车辆14的侧方及后方中的至少一方的车辆周边。另外，拍摄部24也可以进一步拍摄车室内。
通信部26经由通信网络18而与危险驾驶数据收集服务器12确立通信，进行通过拍摄部24的拍摄而得到的图像信息、由车辆信息检测部22检测到的车辆信息等信息的收发。
显示部28通过显示信息而向乘员提供各种信息。在本实施方式中，显示从危险驾驶数据收集服务器12提供的信息等。
如图3所示，控制部20由包含CPU(Central Processing Unit：中央处理单元)20A、ROM(Read Only Memory：只读存储器)20B、RAM(Random Access Memory：随机存取存储器)20C、存储器20D、接口(I/F)20E及总线20F等的一般的微型计算机构成。另外，控制部20进行将表示由拍摄部24拍摄到的图像的图像信息及在图像的拍摄时由车辆信息检测部22检测到的车辆信息向危险驾驶数据收集服务器12上传的控制等。
另一方面，危险驾驶数据收集服务器12具备中央处理部30、中央通信部36及DB(数据库)38。
如图3所示，中央处理部30由包含CPU30A、ROM30B及RAM30C、存储器30D、接口(I/F)30E及总线30F等的一般的微型计算机构成。中央处理部30具备信息汇集部40、急加速·急减速检测部42、车间距离不保持检测部44、行人妨碍检测部46、超速检测部48及危险驾驶检测汇集部50的功能。需要说明的是，中央处理部30的各功能通过CPU30A执行存储于ROM30B等的程序而实现。另外，信息汇集部40对应于取得部的一例，急加速·急减速检测部42、车间距离不保持检测部44、行人妨碍检测部46及超速检测部48对应于多个检测部的一例。另外，危险驾驶检测汇集部50对应于导出部的一例。
信息汇集部40从DB38取得车速、加速度、位置信息等车辆信息及作为由拍摄部24拍摄到的图像信息的动画帧，进行车辆信息和动画帧的时刻对准等而使车辆信息和动画帧同步从而汇集信息。需要说明的是，以下，有时将汇集后的信息称作汇集信息。
急加速·急减速检测部42基于由信息汇集部40汇集后的汇集信息来检测急加速及急减速中的至少一方的危险驾驶。例如，基于图像信息及车辆信息来检测是否车速或加速度符合预先确定的危险驾驶且车辆周边的状况是与危险驾驶对应的状况，从而检测急加速及急减速中的至少一方的危险驾驶。或者，也可以仅使用车辆信息来检测符合预先确定的危险驾驶的车速及加速度。
车间距离不保持检测部44基于由信息汇集部40汇集后的汇集信息来检测车间距离为预先确定的距离以内的车间距离不保持的危险驾驶。例如，基于图像信息及车辆信息来检测前方的车辆且检测距前方的车辆的距离为预先确定的距离以内，从而检测车间距离不保持的危险驾驶。
行人妨碍检测部46基于由信息汇集部40汇集后的汇集信息来检测妨碍行人的危险驾驶。例如，基于图像信息及车辆信息而在前方检测人行横道及满足预先确定的条件的行人，检测是否不停车或慢行而通过，从而检测行人妨碍的危险驾驶。关于满足预先确定的条件的行人，例如检测正在横穿人行横道的行人、人行横道附近的行人或正要横穿人行横道的行人。
超速检测部48基于由信息汇集部40汇集后的汇集信息来检测超速的危险驾驶。例如，基于图像信息及车辆信息，通过图像识别来识别标识并根据识别到的标识的限制速度来检测预先确定的速度以上的车速，从而检测超速的危险驾驶。或者，也可以根据位置信息来判断是普通道路还是高速道路并对各道路上的预先确定的车速以上进行检测。
危险驾驶检测汇集部50汇集由急加速·急减速检测部42、车间距离不保持检测部44、行人妨碍检测部46及超速检测部48的各自检测到的危险驾驶，综合地判断危险驾驶。例如，在检测各危险驾驶时，可以将危险度在0～1的范围内运算，算出各危险驾驶的危险度的平均并将平均值为预先确定的阈值以上综合地判断为危险驾驶。或者，也可以将各危险驾驶的检出的有无以0(无检出)、1(检出)来检测并将检测结果的合计作为综合的危险度而导出。或者，在检测各危险驾驶时，也可以导出各危险驾驶的得分，算出得分的合计并将预先确定的阈值以上综合地判断为危险驾驶。或者，也可以关于各危险驾驶的检测，将无检出检测为0，将有检出检测为1，将各危险驾驶的检测结果相加，将1以上或预先确定的阈值以上判断为危险驾驶。
另外，在本实施方式中，在检测4个种类的各危险驾驶时，根据汇集信息来确定行驶场景，根据行驶场景而变更危险驾驶的检测阈值、加权，检测与行驶场景对应的危险驾驶。
图4是用于说明与行驶场景对应的加权、阈值变更的例子的图。例如，如图4所示，如道路类别、天气、时间段、事故发生率等这样对行驶场景进行分类。道路类别分类成普通道路或高速道路，例如，在高速道路上行驶时，增加“车间距离不保持”的判定的权重，提高危险度。天气分类成晴、阴、雨或雪，例如，在正在下雨的情况下，增加“超速”的判定的加权，提高危险度。时间段分类成上午、下午或夜间，降低夜间、雾等视野不良时的“行人妨碍”的检测阈值(例如，将车速的阈值从20km/h以下降到10km/h等)，使得容易检出。关于事故发生率，例如，基于相同行驶地点处的过去的事故发生率来变更各危险驾驶的检测阈值，使得容易检出。需要说明的是，在组合了图4的项目的行驶场景的情况下，也可以进一步提高加权。例如，在天气是雨且时间段是夜间的情况下，也可以加重危险驾驶的加权或者降低用于危险驾驶的判定的阈值而使得容易检出。
中央通信部36经由通信网络18而与车载器16确立通信，进行图像信息、车辆信息等信息的收发。
DB38从车载器16接收图像信息及车辆信息，将接收到的图像信息及车辆信息的每一个建立对应并蓄积。
在如上述这样构成的危险驾驶检测***10中，由车载器16的拍摄部24拍摄到的图像信息与车辆信息一起向危险驾驶数据收集服务器12发送并向DB38蓄积。
危险驾驶数据收集服务器12进行基于蓄积于DB38的图像信息及车辆信息来检测危险驾驶的处理。并且，危险驾驶数据收集服务器12提供将危险驾驶的检测结果向驾驶员反馈的服务等各种服务。
接着，对由如上述这样构成的本实施方式的危险驾驶检测***10的危险驾驶数据收集服务器12进行的具体的处理进行说明。图5是示出在本实施方式的危险驾驶检测***10中由危险驾驶数据收集服务器12进行的处理的流程的一例的流程图。需要说明的是，图5的处理例如每隔预先确定的期间或者每当从车载器16发送并保存于DB38的车辆信息及图像信息成为预先确定的数据量以上时开始。具体而言，通过CPU30A执行存储于ROM30B等的程序，使中央处理部30的各部如以下这样动作。
在步骤100中，信息汇集部40从DB38取得车辆信息，移向步骤102。
在步骤102中，信息汇集部40从DB38读入动画帧，移向步骤104。
在步骤104中，信息汇集部40进行车辆信息和动画帧的时刻对准等而使车辆信息和动画帧同步从而汇集信息，移向步骤106。
在步骤106中，急加速·急减速检测部42基于由信息汇集部40汇集后的汇集信息来检测符合急加速及急减速的危险驾驶中的至少一方的急加速·急减速的危险驾驶，移向步骤108。在检测急加速·急减速的危险驾驶时，检测与行驶场景对应的危险驾驶。
在步骤108中，车间距离不保持检测部44基于由信息汇集部40汇集后的汇集信息来检测车间距离为预先确定的距离以内的车间距离不保持的危险驾驶，移向步骤110。关于车间距离不保持的危险驾驶，也检测与行驶场景对应的危险驾驶。
在步骤110中，行人妨碍检测部46基于由信息汇集部40汇集后的汇集信息来检测妨碍行人的行人妨碍的危险驾驶，移向步骤112。关于行人妨碍的危险驾驶，也检测与行驶场景对应的危险驾驶。
在步骤112中，超速检测部48基于由信息汇集部40汇集后的汇集信息来检测超速的危险驾驶，移向步骤114。关于超速的危险驾驶，也检测与行驶场景对应的危险驾驶。需要说明的是，步骤106～112的处理顺序不限于此，也可以以其他顺序来处理。
在步骤114中，危险驾驶检测汇集部50汇集由急加速·急减速检测部42、车间距离不保持检测部44、行人妨碍检测部46及超速检测部48的各自检测到的危险驾驶，导出用于综合地判断危险驾驶的危险度，移向步骤116。例如，在检测各危险驾驶时，将危险度在0～1的范围内运算各危险驾驶的危险度，将各危险驾驶的危险度的平均作为综合的危险度而导出。或者，将各危险驾驶的检出的有无以0(无检出)、1(检出)来检测并将检测结果的合计作为综合的危险度而导出。或者，在检测各危险驾驶时，导出各危险驾驶的得分，将得分的合计作为综合的危险度而算出。
在步骤116中，危险驾驶检测汇集部50综合地判定是否检测到危险驾驶。该判定例如通过判定导出的危险度是否为预先确定的阈值以上而综合地判定是否检测到危险驾驶。在该判定为肯定的情况下移向步骤118，在否定的情况下移向步骤120。
在步骤118中，输出检测结果。在步骤120中，信息汇集部40判定是否存在下一动画帧。即，判定是否还残留有保存于DB38的动画帧。在该判定为肯定的情况下，返回步骤100而重复进行上述的处理，在判定为否定时结束一系列处理。
这样，在本实施方式中，通过检测急加速·急减速、车间距离不保持、行人妨碍及超速这多个种类的危险驾驶并综合地导出危险驾驶的危险度，能够根据多方面地检测到的危险驾驶来导出驾驶员的危险驾驶的危险度。因此，与基于每个对象物的环境危险度和与相对于对象物的驾驶员的目视行动对应的权重系数来运算驾驶行动危险度的情况相比，能够更恰当地评价实际的驾驶员的危险驾驶。
另外，在本实施方式中，由于检测与行驶场景对应的危险驾驶，所以能够包含行驶时的状况而检测危险驾驶。
需要说明的是，在上述的实施方式中，说明了将检测危险驾驶的处理在危险驾驶数据收集服务器12侧进行的例子，但不限于此。例如，也可以设为以下方式：如图6所示，将图2的中央处理部30的功能设置于车载器16侧的控制部20，控制部20执行图5的处理。即，也可以将信息汇集部40、急加速·急减速检测部42、车间距离不保持检测部44、行人妨碍检测部46、超速检测部48及危险驾驶检测汇集部50的功能设置于控制部20。在该情况下，信息汇集部40从车辆信息检测部22取得车速、加速度、位置信息等车辆信息，从拍摄部24取得动画帧。或者，也可以设为将这些功能设置于其他的外部服务器等的方式。
另外，在上述的实施方式中，作为多个种类的危险驾驶，以急加速·急减速、车间距离不保持、行人妨碍及超速这4个种类的危险驾驶为一例进行了说明，但不限于此。例如，也可以是4个种类中的2个种类，还可以是3个种类。或者，也可以包含4个种类以外的其他的危险驾驶。作为其他的危险驾驶的一例，例如可举出不暂时停止、闯红灯、路怒驾驶、危险的逼车、强行加塞、变道或左右转弯时不打转向灯、夜间不开灯、逆行、前进道路妨碍(超车道等)、停车超出停车位、占用残疾人用车位、路边停车、漫不经心的驾驶、疲劳驾驶、分心驾驶等。
另外，上述的各实施方式中的由危险驾驶数据收集服务器12进行的处理设为通过由CPU30A执行程序而进行的软件处理进行了说明，但不限于此。例如，也可以设为利用GPU(Graphics Processing Unit：图形处理单元)、ASIC(Application Specific IntegratedCircuit：专用集成电路)及FPGA(Field-Programmable Gate Array：现场可编程门阵列)等具有为了执行特定的处理而专用地设计的电路结构的处理器即专用电路等硬件来进行的处理。可以利用这些各种处理器中的1个来执行，也可以利用同种或异种的2个以上的处理器的组合(例如，多个FPGA及CPU与FPGA的组合等)来执行。另外，这些各种处理器的硬件的构造更具体而言是组合半导体元件等电路元件而得到的电路。或者，也可以设为组合了软件及硬件双方的处理。另外，在设为了软件的处理的情况下，也可以将程序存储于CD-ROM(Compact Disk Read Only Memory：光盘只读存储器)、DVD-ROM(Digital Versatile DiskRead Only Memory：数字通用光盘只读存储器)及USB(Universal Serial Bus：通用串行总线)存储器等各种存储介质并使其流通。
而且，本公开不限定于上述，除了上述以外，当然能够在不脱离其主旨的范围内各种变形而实施。

Claims (8)

1.一种危险驾驶检测装置，包含：
取得部，取得表示由设置于车辆的拍摄部拍摄到的拍摄图像的图像信息及表示所述车辆的状态的车辆信息；
多个检测部，基于由所述取得部取得的所述图像信息及所述车辆信息来检测分别不同的种类的危险驾驶；及
导出部，基于所述多个检测部的检测结果来导出驾驶员的危险驾驶的危险度。
2.根据权利要求1所述的危险驾驶检测装置，
所述多个检测部的各自基于所述图像信息及所述车辆信息来确定行驶场景，检测与确定出的所述行驶场景对应的危险驾驶。
3.根据权利要求2所述的危险驾驶检测装置，
所述检测部将用于检测危险驾驶的检测阈值变更为根据所述行驶场景而预先确定的检测阈值来检测危险驾驶。
4.根据权利要求2或3所述的危险驾驶检测装置，
所述行驶场景包含道路类别、天气、时间段及行驶地点的事故发生率中的至少1个行驶场景。
5.根据权利要求1～4中任一项所述的危险驾驶检测装置，
所述取得部进一步进行以下处理：进行所述图像信息和所述车辆信息的时刻对准而使所述图像信息和所述车辆信息同步。
6.一种危险驾驶检测***，包含：
权利要求1～5中任一项所述的危险驾驶检测装置；及
车辆，具备所述拍摄部及检测所述车辆信息的车辆信息检测部。
7.一种危险驾驶检测方法，包括以下步骤：
取得表示由设置于车辆的拍摄部拍摄到的拍摄图像的图像信息及表示所述车辆的状态的车辆信息，
基于所述取得的所述图像信息及所述车辆信息来检测分别不同的种类的危险驾驶，
基于所述检测结果来导出驾驶员的危险驾驶的危险度。
8.一种存储介质，存储有使计算机执行危险驾驶检测处理的程序，
所述危险驾驶检测处理包括以下步骤：
取得表示由设置于车辆的拍摄部拍摄到的拍摄图像的图像信息及表示所述车辆的状态的车辆信息，
基于所述取得的所述图像信息及所述车辆信息来检测分别不同的种类的危险驾驶，
基于所述检测结果来导出驾驶员的危险驾驶的危险度。
CN202110805249.XA 2020-07-31 2021-07-16 危险驾驶检测装置、***、方法及存储介质 Pending CN114093160A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020-131223 2020-07-31
JP2020131223A JP7276276B2 (ja) 2020-07-31 2020-07-31 危険運転検出装置、危険運転検出システム、及び危険運転検出プログラム

Publications (1)

Publication Number Publication Date
CN114093160A true CN114093160A (zh) 2022-02-25

Family

ID=80003386

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110805249.XA Pending CN114093160A (zh) 2020-07-31 2021-07-16 危险驾驶检测装置、***、方法及存储介质

Country Status (3)

Country Link
US (1) US20220036730A1 (zh)
JP (1) JP7276276B2 (zh)
CN (1) CN114093160A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024057357A1 (ja) * 2022-09-12 2024-03-21 日本電気株式会社 運転支援装置、運転支援方法及び記録媒体

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003099899A (ja) * 2001-09-25 2003-04-04 Toyota Central Res & Dev Lab Inc 運転行動危険度演算装置
JP2015022499A (ja) * 2013-07-18 2015-02-02 株式会社オートネットワーク技術研究所 運転特徴判定システム
JP2018173862A (ja) * 2017-03-31 2018-11-08 アイシン・エィ・ダブリュ株式会社 走行支援装置及びコンピュータプログラム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6480143B2 (ja) * 2014-10-09 2019-03-06 株式会社日立製作所 運転特性診断装置、運転特性診断システム、運転特性診断方法
KR101630727B1 (ko) * 2014-12-16 2016-06-17 현대자동차주식회사 경보 방법 및 이를 위한 시스템
JP6361984B2 (ja) * 2016-02-22 2018-07-25 パナソニックＩｐマネジメント株式会社 安全運転支援装置、および、制御方法
JP6838391B2 (ja) * 2016-12-22 2021-03-03 三菱自動車工業株式会社 危険度推定装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003099899A (ja) * 2001-09-25 2003-04-04 Toyota Central Res & Dev Lab Inc 運転行動危険度演算装置
JP2015022499A (ja) * 2013-07-18 2015-02-02 株式会社オートネットワーク技術研究所 運転特徴判定システム
JP2018173862A (ja) * 2017-03-31 2018-11-08 アイシン・エィ・ダブリュ株式会社 走行支援装置及びコンピュータプログラム

Also Published As

Publication number Publication date
US20220036730A1 (en) 2022-02-03
JP2022027305A (ja) 2022-02-10
JP7276276B2 (ja) 2023-05-18

Similar Documents

Publication Publication Date Title
US11993290B2 (en) Predicting and responding to cut in vehicles and altruistic responses
US10166934B2 (en) Capturing driving risk based on vehicle state and automatic detection of a state of a location
US10832571B2 (en) Safety driving assistant system, server, vehicle and program
US7672764B2 (en) System and method for recording physical response
JP7499256B2 (ja) ドライバの挙動を分類するためのシステムおよび方法
CN110400478A (zh) 一种路况通知方法及装置
US11914041B2 (en) Detection device and detection system
KR102197449B1 (ko) 구간단속지점 내에서 연계적 일정구간별 단속을 수행하는 단속시스템
CN113147733A (zh) 雨雾沙尘天气汽车智能限速***及方法
KR102323692B1 (ko) Adas를 이용한 운전자 평가 방법 및 장치
US20230120095A1 (en) Obstacle information management device, obstacle information management method, and device for vehicle
EP3909036A1 (en) Control system for a vehicle
JP7464454B2 (ja) 車両制御装置及び車両制御方法
CN114093160A (zh) 危险驾驶检测装置、***、方法及存储介质
JP7359099B2 (ja) 移動体妨害検出装置、移動体妨害検出システム、及び移動体妨害検出プログラム
JP7347390B2 (ja) 運転評価装置、運転評価システム、及び運転評価プログラム
US20220101025A1 (en) Temporary stop detection device, temporary stop detection system, and recording medium
JP7468633B2 (ja) 状態推定方法、状態推定装置、及びプログラム
JP2022016027A (ja) 車両制御装置
US20240078904A1 (en) Support target intersection extraction system and vehicle support device
US20220230287A1 (en) Information processing device, information processing system, information processing method, and non-transitory storage medium
JP2024031048A (ja) 車両制御装置、車両制御方法及び車両制御用コンピュータプログラム
CN117601858A (zh) 车辆防追尾避让方法、设备及***
CN116923432A (zh) 驾驶辅助***和方法
CN117922568A (zh) 跟车时距动态控制方法、控制装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20220225