JP2002331850A - 運転行動意図検出装置 - Google Patents

Abstract

(57)【要約】 【課題】運転者の行動意図を確実に検出することができ
る検出性能の優れた運転行動意図検出装置を提供する。 【解決手段】ＣＣＤカメラ２１と赤外線照射器２３とに
よるデータから、画像処理ユニット２５で視線方向デー
タＥ（θｕ，θｖ）を算出する。電子制御ユニット３１
では、視線方向データＥ（θｕ，θｖ）から視線方向頻
度分布Ｆを算出する。運転操作量入力部４３，車両挙動
データ入力部４５および環境情報データ入力部からは、
それぞれ運転操作量、車両挙動データおよび環境情報が
電子制御ユニット３１に入力される。また、かくれマル
コフモデルを用いて、運転行動モデルλｉのパラメータ
を推定し、これを運転行動パラメータ格納部４１に記憶
させる。計測された観測データと、運転行動モデルλｉ
のパラメータとに基づいて、運転行動意図の推定を行
う。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、運転者の視線行動
を用いて運転行動意図を検出する運転行動意図検出装置
に関する。

【０００２】

【従来の技術】車両を運転する運転者の視線行動を用い
て運転行動意図を認識する装置として、特開平９−０２
０１５７号公報によるものが開示されている。この運転
行動意図検出装置は、視線方向の頻度分布パターンを作
成し、これを覚醒度が低下したときの分布パターンと比
較することによって、運転者の覚醒度低下を検出するも
のである。また、特開平８−１７８７１２号公報に開示
されている運転行動意図検出装置においては、視線検出
範囲を複数の領域に分割し、かつ分割領域における視線
の検出頻度をカウントして比較することにより、漫然運
転か否かを判定する。

【０００３】

【発明が解決しようとする課題】しかしながら、上述し
たような従来装置では、特定の領域での視線の停留頻度
または領域間の停留頻度の比率から漫然運転かどうかを
判定しているため、集中的に特定の方向に注意を配分し
て運転している場合と漫然運転とを認識することが困難
である。例えば、運転に集中した状態で先行車に追従し
ている場合、運転者の注意は集中的に前方へ配分され、
漫然運転でなくても前方への視線の停留頻度は高くな
り、漫然運転をしていると判断してしまう。また、交通
量が少なく、側方や後方にあまり注意を配分しなくても
充分安全に走行できるような交通環境においても、前方
への視線の停留頻度は高くなる。したがって、前方方向
への視線停留頻度分布からだけでは、集中して運転して
いる場合と漫然運転とを認識することは困難である、と
いう問題点があった。

【０００４】本発明は、運転者の行動意図を確実に検出
することができる検出性能の優れた運転行動意図検出装
置を提供することを目的とする。

【０００５】

【課題を解決するための手段】一実施の形態を示す以下
の図に対応づけて本発明を説明する。 （１）図１において、請求項１に記載された運転行動意
図検出装置は、車両固定投影平面における運転者の視線
方向を検出する視線方向検出手段１と、視線方向検出手
段１で検出された視線方向の、所定時間範囲の視線方向
データを用いて、複数に分割された領域間での視線方向
の遷移頻度に関する分布を算出する視線方向頻度分布算
出手段３と、視線方向頻度分布算出手段３で算出された
視線方向頻度分布に基づいて運転行動意図を推定する運
転行動意図推定手段１１とを有することにより上述した
目的を達成する。 （２）図１より、請求項２の発明は、請求項１の運転行
動意図検出装置において、視線方向頻度分布算出手段３
で算出される視線方向頻度分布は、領域間での視線方向
の遷移頻度に加えて、同一の領域における視線方向の停
留頻度も加味して算出することを特徴とする。 （３）図１より、請求項３の発明は、請求項１または請
求項２に記載の運転行動意図検出装置において、運転行
動意図推定手段１１における運転行動意図の推定は、検
出対象とする複数の運転行動パターンでの、運転者の視
線方向頻度分布に関する統計的特徴に基づいて行うこと
を特徴とする。 （４）図１より、請求項４の発明は、請求項１から請求
項３のいずれかに記載の運転行動意図検出装置におい
て、運転行動意図推定手段１１における運転行動意図の
推定は、かくれマルコフモデルを用いてあらかじめ算出
した、検出対象とする複数の運転行動パターンに関する
パラメータと、視線方向頻度分布とに基づいて行うこと
を特徴とする。 （５）図１５より、請求項５の発明は、請求項４の運転
行動意図検出装置において、かくれマルコフモデルを用
いて算出したパラメータを変更するパラメータ変更手段
４をさらに有し、運転行動意図推定手段１１における運
転行動意図の推定は、パラメータ変更手段４で変更され
たパラメータと視線方向頻度分布とに基づいて行うこと
を特徴とする。 （６）図１より、請求項６の発明は、請求項１から請求
項５のいずれかに記載の運転行動意図検出装置におい
て、運転行動意図推定手段１１で推定される運転行動意
図は、わき見運転、漫然運転、車線変更、制動開始、通
常運転の少なくともいずれかであることを特徴とする。 （７）図１により、請求項７の発明は、請求項１から請
求項６のいずれかに記載の運転行動意図検出装置におい
て、先行車への接近度合または隣接車線の車両との距離
等の自車両周囲の環境情報を計測する環境情報計測手段
５と、自車両の横方向または前後方向の加速度あるいは
ヨーレート等の自車両挙動データを計測する自車両挙動
データ計測手段７と、アクセルペダル操作量やブレーキ
ペダル操作量、操舵角等の運転操作量を計測する運転操
作量計測手段９とのうち少なくともいずれかを有し、少
なくとも前記環境情報計測手段５が設けられたときは環
境情報計測手段５で計測された環境情報を、少なくとも
自車両挙動データ計測手段７が設けられたときは自車両
挙動データ計測手段７で計測された自車両挙動データ
を、少なくとも運転操作量計測手段９が設けられたとき
は運転操作量計測手段９で計測された運転操作量を、視
線方向頻度分布とともに用いて運転行動意図推定手段１
１における運転行動意図の推定を行うことを特徴とす
る。 （８）図７および図８より、請求項８の発明は、請求項
１から請求項７のいずれかに記載の運転行動意図検出装
置において、撮像素子２３１を用いて撮像された自車両
前方画像に二値化等の画像処理を行って検出される走行
車線マーカ間における自車両の横方向偏位量を算出する
自車両横偏位量算出手段２０１と、車室内に設置され、
警報を発生する警報発生手段２０５とを有し、自車両横
偏位量算出手段２０１で算出された横方向偏位量が所定
値以上の場合において、運転行動意図推定手段１１で、
運転者の意図が車線変更であると推定されない場合に
は、警報発生手段２０５による警報の発生を行うことを
特徴とする。 （９）図７および図８より、請求項９の発明は、請求項
８の運転行動意図検出装置において、運転者のステアリ
ング操舵量を検出する操舵量検出手段２０７と、自車両
横偏位量算出手段２０１で算出された車線内の自車両横
偏位量と操舵量検出手段２０７で検出される操舵量とに
応じて、モータ出力指令値を算出して出力するモータ制
御手段２０９と、モータ制御手段２０９から出力される
モータ出力指令値に応じた操舵トルクを操舵装置に選択
的に付加する操舵トルク付与手段２１１とをさらに有
し、算出された横方向偏位量が所定値以上の場合におい
て、運転行動意図推定手段１１で、運転者の意図が車線
変更であると推定されない場合には、警報発生手段２０
５による警報の発生または操舵トルク付与手段２１１に
よる操舵出力を行うことを特徴とする。 （１０）図１１より、請求項１０の発明は、請求項１か
ら請求項７のいずれかに記載の運転行動意図検出装置に
おいて、自車線前方を走行する先行車への接近度合を計
測する先行車接近度合計測手段３０１と、車室内に設置
され、警報を発生する警報発生手段３０５とを有し、計
測された先行車接近度合が所定値以上であって、運転行
動意図推定手段１１で、運転者の意図が制動開始である
と推定されない場合には、警報発生手段２０５による警
報の発生を行うことを特徴とする。 （１１）図１１より、請求項１１の発明は、請求項８ま
たは請求項９に記載の運転行動意図検出装置において、
自車線前方を走行する先行車への接近度合を計測する先
行車接近度合計測手段３０１をさらに有し、計測された
先行車接近度合が所定値以上であって、運転行動意図推
定手段１１で、運転者の意図が制動開始であると推定さ
れない場合には、警報発生手段３０５による警報の発生
を行うことを特徴とする。

【０００６】なお、本発明の構成を説明する、上記課題
を解決するための手段の項では、本発明をわかりやすく
説明するために実施の形態の図を用いたが、これにより
本発明が実施の形態に限定されるものではない。

【０００７】

【発明の効果】本発明によれば、以下のような効果を奏
することができる。 （１）請求項１の発明によれば、運転者の視線方向を検
出する視線方向検出手段と、複数に分割された領域間で
の視線方向の遷移頻度に関する分布を算出する視線方向
遷移頻度算出手段とを有し、算出された視線方向頻度分
布に基づいて運転行動意図を推定するので、漫然状態で
あるかを含めた運転者の運転行動意図を確実に検出する
ことができる。 （２）請求項２の発明によれば、視線方向遷移頻度算出
手段で算出される視線方向頻度分布は、領域間での視線
方向の遷移頻度に加えて同一の領域における視線方向の
停留頻度も加味して算出するので、漫然状態であるかを
含めた運転者の運転行動意図を確実に検出することがで
きる。 （３）請求項３の発明によれば、検出対象とする複数の
運転行動パターンでの、運転者の視線方向頻度分布に関
する統計的特徴に基づいて運転行動意図の推定を行うの
で、漫然状態であるかを含めた運転者の運転行動意図を
確実に検出することができる。 （４）請求項４の発明によれば、時系列データのパター
ン認識に優れたかくれマルコフモデルを用いてあらかじ
め算出した、検出対象とする運転行動パターンに関する
パラメータと、視線方向頻度分布とに基づいて運転行動
意図の推定を行うので、より確実な運転行動意図の検出
が可能である。 （５）請求項５の発明によれば、かくれマルコフモデル
を用いて算出した運転行動パターンに関するパラメータ
を変更するので、個々の運転者に対応した運転行動意図
検出装置を提供することができる。 （６）請求項６の発明によれば、検出対象とする運転行
動意図は、わき見運転、漫然運転、車線変更、制動開
始、通常運転の少なくともいずれかであるので、運転者
のさまざまな運転状況に対応した運転行動意図の検出が
可能である。 （７）請求項７の発明によれば、自車両周辺の環境情報
と自車両挙動データと運転操作量のうち少なくともいず
れか、および視線方向頻度分布とに基づいて運転行動意
図の推定を行うので、車両走行状況に対応した検出精度
の高い運転行動意図検出装置を提供することができる。 （８）請求項８および請求項９の発明によれば、走行車
線マーカ間における自車両の横方向偏位量と、操舵量を
検出し、横方向偏位量が所定値以上の場合において、車
線変更の意図が検出されない場合には、警報の発生また
は操舵トルク付与を行う運転支援機能をさらに備えてい
るので、上述したような効果に加えて、自車両が車線逸
脱しそうな状況において、運転者の行動意図に対応した
的確な運転支援機能を提供することができる。 （９）請求項１０および請求項１１の発明によれば、先
行車への接近度合を検出し、検出された先行車接近度合
が所定値以上で制動開始の意図が検出されない場合に
は、警報を発生させ、先行車への接近を確実に運転者に
知らせることができる。

【０００８】

【発明の実施の形態】《第１の実施の形態》本発明によ
る運転行動意図検出装置の第１の実施の形態の概略構成
を図１に示す。この運転行動意図検出装置は、視線方向
検出手段１、視線方向頻度分布算出手段３、環境情報計
測手段５、車両挙動データ計測手段７、運転操作量計測
手段９、運転行動意図推定手段１１とから構成される。

【０００９】図２に、この運転行動意図検出装置の機能
構成のブロック図を示す。運転者の眼球を含む顔画像を
撮像するＣＣＤカメラ２１と、赤外線光を運転者顔面に
照射する赤外線照射器２３は、車室内運転者前方のメー
タクラスタ等に固定設置される（図１７）。ＣＣＤカメ
ラ２１によって撮像された画像データおよび赤外線照射
器２３によるデータは画像処理ユニット２５へ入力さ
れ、瞳孔中心・角膜反射点検出部２７で、運転者の瞳孔
中心および角膜反射点を検出する。

【００１０】これらの検出結果を用いて、視線方向検出
部２９で視線方向Ｅ（θｕ，θｖ）を求める。この視線
方向Ｅ（θｕ，θｖ）は、基準アイポイントＰ０を原点
とする角度系座標値で表される。算出方法については後
述する。

【００１１】検出された視線方向データＥ（θｕ，θ
ｖ）は、電子制御ユニット３１へ送信される。視線方向
領域判定部３３では、受信した視線方向データＥ（θ
ｕ，θｖ）が複数に分割された領域Ｄのどれに存在する
かを判定する。領域Ｄを設定するには、図３に示すよう
に、車両固定投影平面を複数の矩形領域に分割する方法
や、図４に示すように、ミラーやメータなど特定の領域
を定義する方法がある。

【００１２】図４のように領域Ｄを設定すると、抽出し
たい領域が隣接していない場合があるが、設定領域外に
視線方向Ｅ（θｕ，θｖ）が存在する場合には、運転者
の視線が領域間を遷移していると取り扱う。領域間の遷
移は、視線方向データＥ（θｕ，θｖ）を一定時間視線
方向頻度分布算出手段３内のバッファに保持し、直近の
抽出領域内に存在するデータと最新の抽出領域内に存在
するデータとから検出される。

【００１３】設定領域Ｄの車両固定投影面上の範囲は、
視線方向領域マップ格納部３５に記憶される。この範囲
は、領域Ｄの要素であるｎ個の領域ｄｉ｛Ｄ∋ｄｉ；ｉ
＝１，…，ｎ｝の角度データによるマップとして設定さ
れている。例えば、図４中の領域ｄ１を設定するために
必要な４点は、ｄ１＿ｐ１（ｄ１＿ｐ１＿ｕ，ｄ１＿ｐ
１＿ｖ）、ｄ１＿ｐ２（ｄ１＿ｐ２＿ｕ，ｄ１＿ｐ２＿
ｖ）、ｄ１＿ｐ３（ｄ１＿ｐ３＿ｕ，ｄ１＿ｐ３＿
ｖ）、ｄ１＿ｐ４（ｄ１＿ｐ４＿ｕ，ｄ１＿ｐ４＿ｖ）
のように表される。これらのデータは、電子制御ユニッ
ト３１起動時にロードされ、視線方向領域マップＤｍと
してメモリ上に常駐する。

【００１４】視線方向領域判定部３３で該当領域ｄｉを
判定された視線方向データＥは、視線方向頻度分布行列
の要素ｅ（ｄｉｊ）として扱われる。ここで、ｄｉｊは
視線方向領域ｊから視線方向領域ｉへの遷移を示す。視
線方向頻度分布算出部３７では、視線方向データｅ（ｄ
ｉｊ）から，視線方向頻度分布Ｆを算出する。

【００１５】運転行動意図推定部３９には、視線方向頻
度分布算出部３７から視線方向頻度分布Ｆ、運転操作量
入力部４３から運転操作量、車両挙動データ入力部４５
から車両挙動データおよび環境情報データ入力部４７か
ら環境情報がそれぞれ入力される。これらの観測データ
の任意の組み合わせを用いて、運転行動意図の推定を行
う。認識対象とする運転行動パターンとして、例えばわ
き見、漫然運転（意図は車線維持だが、意図を遂行する
ことが困難と推測される状態）、車線変更、制動開始、
通常の車線維持が設定される。

【００１６】それぞれの運転行動パターンに関する観測
データの時系列変化パターンの統計的特徴を運転行動モ
デルλｉ｛ｉ＝１，．．．，ｋ｝として学習しておき、
観測ベクトルＯが運転行動モデルλｉから出力されたと
する尤度Ｐ（Ｏ｜λｉ）を、事後確率として算出する。
算出された尤度Ｐが最も高い運転行動パターンが運転者
の運転行動意図であるとして認識される。あらかじめ学
習された運転行動モデルλｉに関するパラメータは、運
転行動パラメータ格納部４１に記憶され、電子制御ユニ
ット３１起動時に読み出される。推定結果は、推定運転
行動意図出力部４９に出力される。

【００１７】ここで、瞳孔中心・角膜反射点検出部２７
で、運転者の視線方向Ｅ（θｕ，θｖ）を算出する方法
を説明する。検出された瞳孔中心および角膜反射点の２
点の画像上の座標位置関係から、視線方向として、車両
前方方向を向いたときの２次元の車両固定投影面角度座
標系における水平方向角度θｕ、および垂直方向角度θ
ｖを算出する。ここで、図３に示すように、車両固定投
影面角度座標系は、基準アイポイントＰ０を原点とし、
ｘ軸を水平方向角度θｕ、ｙ軸を垂直方向角度θｖとす
る。

【００１８】上記角膜反射法および画像処理による視線
計測手法では、角膜上に生じる反射点を利用することに
よって頭部移動の補正を行うことができる。この手法
は、「Ｂｅｈａｖｉｏｒ Ｒｅｓｅａｒｃｈ Ｍｅｔｈ
ｏｄｓ＆Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ １９７５，
３９７−４２９，Ｓｕｒｖｅｙ ｏｆ ｅｙｅ ｍｏｖ
ｅｍｅｎｔ ｒｅｃｏｒｄｉｎｇ ｍｅｔｈｏｄｓ」等
に開示されている手法を用いる。車両固定投影面距離座
標系における基準アイポイントＰ０と頭部移動補正後の
アイポイントＰ１を考慮した、水平方向距離ＬＰｕと垂
直方向距離ＬＰｖとから、運転者の視線方向Ｅ（θｕ，
θｖ）は以下の（式１）で示される。

【数１】 θｕ＝Ｋｕ×ＬＰｕ θｖ＝Ｋｖ×ＬＰｖ （式１） ここで，Ｋｕ、Ｋｖは車両固定投影面距離座標系を角度
座標系へ変換するための、水平方向距離ＬＰｕ、垂直方
向距離ＬＰｖにそれぞれかかる係数である。

【００１９】つぎに、運転行動意図推定部３９において
運転行動意図を推定するために用いる観測ベクトルＯに
ついて説明する。観測ベクトルＯは、前述した観測デー
タ、すなわち、視線方向頻度分布Ｆ、運転操作量、車両
挙動データおよび環境情報から算出される。視線方向頻
度分布Ｆとして、直前の所定時間区間長の時間窓ＴＷ１
における、視線方向領域ｄｉ間の遷移、あるいは領域ｄ
ｉ間の遷移と同一領域ｄｉにおける停留に関する頻度、
または総フレーム数における存在割合に関する分布を用
いる。この分布Ｆは、分割する領域数をｎ個とすると、
ｎ×ｎの視線方向頻度分布行列として表現できる。行列
の要素ｅ（ｄｉｊ）において、ｉ＝ｊは停留、ｉ≠ｊは
遷移を示す。

【００２０】運転操作量としては、アクセルペダル開度
センサで計測されるアクセルペダル開度（アクセルペダ
ル操作量）、踏力計で計測されるブレーキ踏力（ブレー
キペダル操作量）、操舵角センサで計測される操舵角等
を用いる。車両挙動データとしては、車速センサで計測
される自車速度、加速度センサで計測される前後方向・
横方向の加速度、レイトジャイロで計測されるヨーレイ
ト等を用いる。また、環境情報としては、隣接車線の車
両への距離や、車両前方に設置したレーザレーダやミリ
波レーダで計測された車間距離、車間時間（車間距離／
自車速度）、ＴＴＣ（車間距離／相対車速）またはＴＴ
Ｃの逆数（ＴＴＣ^-1）などの先行車接近度合を使用する
ことができる。

【００２１】そして、これらの観測データの時系列デー
タに基づいて観測ベクトルＯを算出する。この観測ベク
トルＯは、分割された視線方向領域ｄｉがｎ個、環境情
報がｂｎ＿ｅｎｖ種類、車両挙動データがｂｎ＿ｖｅｈ
種類、運転操作量がｂｎ＿ｏｐｅ種類とすると、最大ｎ
×ｎ＋ｂｎ＿ｅｎｖ＋ｂｎ＿ｖｅｈ＋ｂｎ＿ｏｐｅ次元
の正規化ベクトルとして表現される。

【００２２】以下、運転行動意図推定部３９における運
転行動意図の推定について説明する。本発明による運転
行動意図検出装置においては、認識対象とする運転行動
パターンでの、視線方向頻度分布Ｆなどの観測データに
関する統計的特徴に基づいて運転行動意図の推定を行
う。例えば、時系列データのパターン認識手法に優れる
かくれマルコフモデルを使用することができる。かくれ
マルコフモデルを用いて認識を行うためには、まず認識
対象とする運転行動パターンのモデルλｉ≡(πｉ，Ａ
ｉ，Ｂｉ)のパラメータを学習しておく必要がある。こ
こで、πｉは初期存在確率，Ａｉは状態間遷移確率，Ｂ
ｉは出力確率をそれぞれ示す。図５は、かくれマルコフ
モデルの構造を示し、ひとつの運転行動モデルλｉを表
す状態Ｓ１〜Ｓ３が、時間の推移に伴って変位していく
様子を示している。

【００２３】かくれマルコフモデルのパラメータ推定に
は、一般的にＢａｕｍ−Ｗｅｌｃｈアルゴリズムが用い
られる。なお、Ｂａｕｍ−Ｗｅｌｃｈアルゴリズム、お
よび後述するＦｏｒｗａｒｄ−Ｂａｃｋｗａｒｄアルゴ
リズムは、例えば文献『Ｘ．Ｄ．Ｈｕａｎｇ，Ｙ．Ａｒ
ｉｋｉ ａｎｄ Ｍ．Ａ．Ｊａｃｋ． ＨｉｄｄｅｎＭ
ａｒｋｏｖ Ｍｏｄｅｌｓ ｆｏｒ Ｓｐｅｅｃｈ Ｒ
ｅｃｏｇｎｉｔｉｏｎ．Ｅｄｉｎｂｕｒｇｈ Ｕｎｉｖ
ｅｒｓｉｔｙ Ｐｒｅｓｓ，Ｅｄｉｎｂｕｒｇｈ １９
９０』で開示された手法を適用している。

【００２４】かくれマルコフモデルのパラメータの推定
は、事前にコンピュータを用いてオフラインで実施す
る。まず、モデル設計として、認識対象とする運転行動
パターンのカテゴリ、観測ベクトルＯとして用いるデー
タ種類の設定、モデル状態数および状態間遷移の定義、
観測ベクトル出力確率を得るための確率密度分布に関す
るモデル構造を決定する。例えば、認識対象とする運転
行動パターンのカテゴリは、わき見，漫然運転，車線変
更，制動開始，通常の車線維持（通常運転）の５種類を
設定する。モデル構造は、図５に示す後ろ向き状態間遷
移および状態間スキップのない状態数３のＬｅｆｔ−ｔ
ｏ−Ｆｏｒｗａｒｄ型、観測ベクトル出力確率分布は単
一ガウス分布とする。

【００２５】さらに、観測ベクトルＯとして用いるデー
タ種類は、視線方向頻度分布Ｆ、環境情報、車両挙動デ
ータ、運転操作量を使用する。例えば図４に示した正面
前方ｄ１，隣接車線ｄ２，ルームミラーｄ３，左ドアミ
ラーｄ４，右ドアミラーｄ５，メータクラスタｄ６，セ
ンタークラスタｄ７の７種類の視認対象領域での注視・
遷移頻度分布行列の各要素４７次元を設定する。さらに
先行車への接近度合ＴＴＣ^-1、前後加速度、横加速度、
ヨーレイト、操舵角、アクセルレート、ブレーキ踏力を
加え、データ種類は合計５６次元を設定する。

【００２６】認識対象とする各運転行動パターンに関す
る観測データは、該当シーンごとに実験走行を行い、別
途用意しておく。これらのデータをパラメータ推定用コ
ンピュータにロードし、コンピュータ上でＢａｕｍ−Ｗ
ｅｌｃｈアルゴリズムを実装した開発プログラムを用い
て推定を行う。かくれマルコフモデルλｉのパラメータ
である、初期存在確率π、状態間遷移確率Ａｉ、出力確
率Ｂｉを各認識対象パターンに対して、それぞれの学習
係数μが収束するまで推定を繰り返す。Ｂａｕｍ−Ｗｅ
ｌｃｈアルゴリズムによる、かくれマルコフモデルλｉ
のパラメータの推定が完了すると、推定されたパラメー
タは運転行動パラメータ格納部４１に記憶される。

【００２７】運転行動意図推定部３９で、入力された観
測データから観測ベクトルＯを算出し、これと学習され
たかくれマルコフモデルλｉのパラメータとに基づいて
運転行動意図を推定する。まず、前述した５種類の運転
行動パターンｉ（ｉ＝１，．．．，ｋ：ｋ＝５）のそれ
ぞれについて、観測ベクトルＯが運転行動モデルλｉか
ら出力されたとする事後確率（尤度）Ｐｉ（Ｏ｜λｉ）
を算出する。この算出方法としては、かくれマルコフモ
デルの一般的な出力確率算出アルゴリズムであるＦｏｒ
ｗａｒｄ−Ｂａｃｋｗａｒｄアルゴリズム等を使用す
る。そして、Ｎ−ｂｅｓｔ法により、算出された尤度が
最も高い運転行動パターンｉを推定結果として採用す
る。つまり、漫然運転のモデルから観測ベクトルＯが出
力されたとする事後確率Ｐが最も高い場合は、漫然運転
の運転行動パターンが推定結果として採用される。同様
にして、通常の車線維持のモデルから出力されたとする
事後確率Ｐが最も高い場合は、通常の車線維持の運転行
動パターンが推定結果となる。

【００２８】以上説明した手法で運転行動意図を推定す
るための、電子処理ユニット３１における制御処理手順
を、図６のフローチャートに示す。この制御処理は、所
定のメインプログラムに対する所定時間（例えば１００
ｍｓｅｃ）毎のタイマ割り込み処理として実行する。

【００２９】ステップＳ１０１で、視線方向領域マップ
格納部３５に記憶された視線方向領域マップデータＤｍ
をロードする。ステップＳ１０３では、尤度算出用にあ
らかじめ学習された運転行動モデルλｉのパラメータを
運転行動パラメータ格納部４１からロードする。ステッ
プＳ１０５で、画像処理ユニット２５において算出され
た視線方向データＥを入力する。ステップＳ１０７で
は、入力された視線方向データＥが、複数に分割された
視線方向領域Ｄの要素のどこに存在するか、つまり、視
線方向データＥの該当領域ｄｉを判定する。

【００３０】つづくステップＳ１０９で、所定時間区間
長ＴＷＬ１における視線方向頻度分布Ｆを算出する。ス
テップＳ１１１では、運転行動意図の推定に使用する、
環境情報、車両挙動データ、運転操作量などの所定時間
区間長ＴＷＬ２のデータを入力する。ステップＳ１１３
では、ステップ１０９およびステップＳ１１１で入力さ
れた観測データの時系列データに基づいて観測ベクトル
Ｏを算出する。

【００３１】ステップＳ１１５で、運転行動モデルλｉ
のパラメータを用いて、算出された観測ベクトルＯがそ
れぞれの運転行動モデルλｉから出力されたとする事後
確率（尤度）Ｐｉ（Ｏ｜λｉ）を算出する。ステップＳ
１１７では、算出された尤度Ｐｉ（Ｏ｜λｉ）が最も高
い運転行動パターンｉを推定する。ステップＳ１１９
で，推定された運転行動パターンｉ（ＭａｘＰｉ（Ｏ｜
λｉ））を、推定結果として推定運動行動意図出力部４
９に出力し、この処理を終了する。

【００３２】以上述べたように，第１の実施の形態によ
る運転行動意図検出装置では、運転者の視線方向Ｅ（θ
ｕ，θｖ）を検出し、その視線方向が存在する該当領域
ｄｉを判定した。また、視線方向Ｅの領域ｄｉにおける
停留頻度や領域間遷移に関する頻度分布を算出し、これ
と先行車接近度合などの観測データとに基づいて構成さ
れる複数の時系列変動パターンのモデル表現と認識とが
可能な確率統計的手法を用いて、運転行動意図を検出す
るようにした。その結果、注視頻度や運転操作量などの
個々のパラメータの要約統計量では判別が困難であった
通常運転と漫然状態の判別、推定を行うことができ、運
転者の行動意図を確実に検出することができる。また、
かくれマルコフモデルを使用したので、時系列データの
パターン認識に優れた運転行動意図の推定が可能となっ
た。

【００３３】《第２の実施の形態》本発明による運転行
動意図検出装置の第２の実施の形態においては、自車両
の走行車線内の横方向偏位量を算出し、これと第１の実
施の形態における運転行動意図の推定結果との両者を考
慮して運転者の状況に応じた適切な運転支援機能を提供
する。

【００３４】図７に、第２の実施の形態の概略構成を示
す。第１の実施の形態に対して、自車両横偏位量算出手
段２０１，横方向運転支援判断手段２０３，警報発生手
段２０５，操舵量検出手段２０７，モータ制御手段２０
９および操舵トルク付与手段２１１を追加したものであ
る。ここでは、第１の実施の形態との相違点を主に説明
する。

【００３５】図８に、第２の実施の形態の機能構成を示
す。図２に示す第１の実施の形態に対して、前方風景撮
影用ＣＣＤカメラ２３１（撮像素子），横偏位量算出部
２３５を有する前方風景撮影ＣＣＤカメラ用画像処理ユ
ニット２３３，横方向運転支援判断部２３７，スピーカ
２３９，ステアリングコントローラ２４１およびステア
リング２４３を追加したものである。横方向運転支援判
断部２３７は電子制御ユニット３１上に実装される。

【００３６】前方風景撮影用ＣＣＤカメラ２３１は、図
１６に示すように車室内フロントウィンドウ上部等に設
置され、自車両前方風景を撮像する。撮像された画像
は、前方風景撮影ＣＣＤカメラ用画像処理ユニット２３
３に送信される。画像処理ユニット２３３では、この画
像に二値化等の処理を行って走行中の車線両端のレーン
マーカを検出するとともに、横偏位量算出部２３５で、
走行中の車線内中央から横方向への偏位量ｘｄｉｖを算
出する。車線内横偏位量ｘｄｉｖ、操舵角センサ７１で
計測されたステアリング２４３の操舵角（操舵量）に基
づいて，ステアリングコントローラ２４１は、目標操舵
角が得られるように目標操舵力指令値を計算してモータ
７３を駆動させ、スピーカ３２９（警報発生手段）は，
警報音を発生させる。

【００３７】走行車線内の横方向偏位量ｘｄｉｖに応じ
て、操舵系に組み込んだモータを介して操舵トルクを付
与しての、運転者の運転を支援する技術に関しては、例
えば特開平７−１０４８５０号公報の技術を適用してい
る。

【００３８】第２の実施の形態おける、電子制御ユニッ
ト３１での制御処理手順を図９および図１０のフローチ
ャートを用いて説明する。図９中のステップＳ１０１〜
Ｓ１１９は、図６に示した第１の実施の形態の処理手順
と同一である。ステップＳ２５１以降は第２の実施の形
態独自の処理であり、推定された運転行動意図に基づい
て横方向に関する運転をアシストするかどうかを判断す
る処理手順を示している。

【００３９】ステップＳ２５１で車線内の自車両横方向
偏位量ｘｄｉｖを入力する。ステップＳ２５３では、ス
テップＳ１１９で出力された運転行動意図の推定結果に
基づき、推定結果がわき見または漫然運転のいずれかで
あるかを判定する。ステップＳ２５３が肯定判定される
と、図１０（ａ）に示したステップＳ２５５へ進む。ス
テップＳ２５５では、横方向偏位量ｘｄｉｖの絶対値｜
ｘｄｉｖ｜と、あらかじめ定めたしきい値ｘｄｉｖ１ａ
の絶対値｜ｘｄｉｖ１ａ｜とを比較する。ここで、横方
向偏位量の絶対値｜ｘｄｉｖ｜と、しきい値の絶対値｜
ｘｄｉｖ１ａ｜を用いているため、自車両が走行中の車
線中央から右側および左側のどちらに偏位した場合でも
対応できる。

【００４０】ステップＳ２５５で、横方向偏位量の絶対
値｜ｘｄｉｖ｜がしきい値の絶対値｜ｘｄｉｖ１ａ｜よ
りも大きいと肯定判定され、自車両が車線端に接近して
いる場合には，ステップＳ２５７へ進む。ステップＳ２
５７では、車線逸脱を防止するため、モータ７３による
ステアリング２４３への操舵トルク付与を行い、運転者
への操舵アシストを実行する。一方、ステップＳ２５５
で、横方向偏位量の絶対値｜ｘｄｉｖ｜がしきい値の絶
対値｜ｘｄｉｖ１ａ｜よりも小さいと判定されると、ス
テップＳ２５９へ進む。

【００４１】ステップＳ２５９では、横方向偏位量ｘｄ
ｉｖの絶対値｜ｘｄｉｖ｜と、あらかじめ定めたしきい
値ｘｄｉｖ２ａの絶対値｜ｘｄｉｖ２ａ｜とを比較す
る。ステップＳ２５９で横方向偏位量の絶対値｜ｘｄｉ
ｖ｜がしきい値の絶対値｜ｘｄｉｖ２ａ｜よりも大き
く、車線逸脱する可能性があると判断されると、ステッ
プＳ２６１へ進み、車線逸脱警報を発令する。一方、ス
テップＳ２５９で横方向偏位量の絶対値｜ｘｄｉｖ｜が
しきい値の絶対値｜ｘｄｉｖ２ａ｜よりも小さいと判定
されると、直近時間での車両の車線逸脱の可能性は比較
的小さいと判断して、ステップＳ２６３へ進んでわき見
・漫然運転警報を発令する。

【００４２】一方、ステップＳ２５３で、推定結果がわ
き見でも漫然運転でもないと否定判定されると、ステッ
プＳ２６５へ進む。ここで推定結果が車線維持と判定さ
れた場合には、図１０（ｂ）に示したステップＳ２６７
へ進み、横方向偏位量ｘｄｉｖの絶対値｜ｘｄｉｖ｜
と、あらかじめ定めたしきい値ｘｄｉｖ１ｂの絶対値｜
ｘｄｉｖ１ｂ｜とを比較する。ステップＳ２６７で、横
方向偏位量の絶対値｜ｘｄｉｖ｜がしきい値の絶対値｜
ｘｄｉｖ１ｂ｜よりも大きいと肯定判定されると、ステ
ップＳ２６９へ進み、運転者への操舵アシストを実行す
る。一方、横方向偏位量の絶対値｜ｘｄｉｖ｜がしきい
値の絶対値｜ｘｄｉｖ１ｂ｜よりも小さいと判定される
と、ステップＳ２７１へ進み車線逸脱警報を発令する。
ステップＳ２５３とステップＳ２６５がともに否定判定
されると、自発的な車線変更の意図があると判断し、運
転支援機能の提供は行わない。

【００４３】以上説明したように、第２の実施の形態で
は、運転行動意図の推定結果と車線内の横方向偏位量ｘ
ｄｉｖとに基づいて運転者への運転支援機能を提供する
ので、自車両が車線を逸脱する可能性が高いかどうかを
確実に判断し、それに対応した運転支援機能を提供する
ことができる。

【００４４】《第３の実施の形態》本発明における運転
行動意図検出装置の第３の実施の形態について説明す
る。第３の実施の形態においては、先行車への接近度合
を算出し、これと第１の実施の形態における運転行動意
図の推定結果との両者を考慮して、運転者の状況に応じ
た適切な運転支援機能を提供する。

【００４５】図１１に、第３の実施の形態の概略構成を
示す。第１の実施の形態に対して、先行車への接近度合
算出手段３０１，前後方向運転支援判断手段３０３，警
報発生手段３０５を追加したものである。ここでは、第
１の実施の形態との相違点を主に説明する。

【００４６】図１２に、第３の実施の形態の機能構成を
示す。レーダ３１１は、例えばレーザレーダやミリ波レ
ーダを使用して先行車までの車間距離、相対車速を計測
する。車速センサ３１３は、自車両の車速を計測する。
これらの検出結果は、先行車接近度合算出用処理ユニッ
ト３１５の先行車接近度合算出部３１７に入力され、先
行車接近度合ｄｐが算出される。先行車接近度合として
は、例えば車間時間、ＴＴＣ（車間時間／相対車速）ま
たはＴＴＣの逆数（ＴＴＣ^-1）のいずれかを用いること
ができる。

【００４７】第３の実施の形態おける、電子制御ユニッ
ト３１での制御処理手順を図１３および図１４のフロー
チャートを用いて説明する。図１３中のステップＳ１０
１〜Ｓ１１９は、図５に示した第１の実施の形態の処理
手順と同一である。ステップＳ３５１以降は第３の実施
の形態独自の処理であり、推定された運転行動意図に基
づいて前後方向に関する運転をアシストするかどうかを
判断する処理手順を示している。

【００４８】ステップＳ３５１で先行車への接近度合ｄ
ｐ、例えばＴＴＣ^-1を入力する。ステップＳ３５３で
は、ステップＳ１１９で出力された運転行動意図の推定
結果に基づき、推定結果がわき見または漫然運転のいず
れかであるかを判定する。ステップＳ３５３が肯定判定
されると、図１４（ａ）に示したステップＳ３５５へ進
む。ステップＳ３５５では、先行車への接近度合ｄｐ
と、あらかじめ定めたしきい値ｄｐ１ａとを比較する。
ここで、先行車への接近度合ｄｐがしきい値ｄｐ１ａよ
りも大きいと肯定判定されると、ステップＳ３５７へ進
み、運転者に先行車への接近を回避するための動作が必
要であることを知らせる接近警報を発令する。

【００４９】一方、ステップＳ３５５で、先行車への接
近度合ｄｐがしきい値ｄｐ１ａよりも小さいと判定され
ると、ステップＳ３５９へ進む。ここで、先行車への接
近度合ｄｐがあらかじめ定めたしきい値ｄｐ２ａよりも
大きい、つまり、先行車への接近度合ｄｐがしきい値ｄ
ｐ２ａ以上、しきい値ｄｐ１ａ以下と判定されると、ス
テップＳ３６１へ進む。そして、運転者に前方への注意
が必要であることを知らせる、わき見・漫然運転警報を
発令する。ステップＳ３５９が否定判定された場合に
は、運転者への運転アシストは行わない。

【００５０】一方、ステップＳ３５３が否定判定され、
ステップＳ３６３で推定結果が車線維持であると判定さ
れると、図１４（ｂ）に示したステップＳ３６５へ進
む。ステップＳ３６５では、先行車への接近度合ｄｐと
あらかじめ定めたしきい値ｄｐ１ｂとを比較する。ここ
で、先行車への接近度合ｄｐがしきい値ｄｐ１ｂよりも
大きいと肯定判定されると、ステップＳ３６７へ進み、
運転者に先行車への接近警報を与える。また、ステップ
Ｓ３６５が否定判定されると、運転者への運転アシスト
は行わない。ステップＳ３５３とステップＳ３６３とが
いずれも否定判定されると、運転者に自発的な車線変更
の意図があると判断して、運転支援機能の提供は行わな
い。

【００５１】以上説明したように、第３の実施の形態で
は、運転行動意図の推定結果と先行車への接近度合ｄｐ
とに基づいて運転者への運転支援機能を提供するので、
自車両が先行車へ接近しているかどうかを確実に判断
し、それに対応した運転支援機能を提供することができ
る。また、運転行動意図の推定結果が制動開始でない場
合に、運転支援機能を提供することができる。

【００５２】《第４の実施の形態》上記第１〜第３の実
施の形態における運転行動意図検出装置では、運転行動
を推定するときの運転行動モデルλｉのパラメータを、
事前にコンピュータを用いて算出した。第４の実施の形
態では、運転行動モデルλｉのパラメータを個々の運転
者の特徴に応じて変更することのできる運転行動意図検
出装置について説明する。

【００５３】図１５に、第４の実施の形態の概略構成を
示す。視線方向頻度分布算出手段３，環境情報計測手段
５，車両挙動データ計測手段７および運転操作量計測手
段９で得られた観測データは、運転行動意図推定手段１
１だけでなく、データ蓄積手段２にも送信される。所定
量以上のデータが蓄積されると、観測データはパラメー
タ変更手段４に送られる。ここで、かくれマルコフモデ
ルのパラメータの推定を行う。パラメータ変更手段４で
推定されたパラメータは、運転行動意図推定手段１１に
入力され、運転行動モデルλｉのパラメータを更新す
る。更新された運転行動モデルλｉのパラメータに基づ
いて、観測ベクトルＯがモデルλｉから出力されたとす
る事後確率Ｐｉ（Ｏ｜λｉ）を算出し、運転行動意図の
推定を行う。

【００５４】なお、データ蓄積手段２とパラメータ変更
手段４のうち、パラメータ変更手段を省略することもで
きる。ある所定量蓄積された観測データはディーラーな
どへ持ち込まれ、コンピュータ上で運転行動モデルλｉ
のパラメータを推定し、更新してもよい。

【００５５】また、データ蓄積手段２とパラメータ変更
手段４ともに省略することもできる。この場合は、視線
方向頻度分布算出手段３，環境情報計測手段５，車両挙
動データ計測手段７および運転操作量計測手段９で得ら
れた観測データを車外のある場所へリアルタイムで通信
し、これらを蓄積させる。所定量の観測データが蓄積さ
れると、運転行動モデルλｉのパラメータを推定する。
推定されたパラメータは、リアルタイムで運転行動意図
検出装置に通信され、運転行動モデルλｉのパラメータ
を更新してもよいし、例えばエンジンをスタートさせた
ときに通信され、パラメータを更新してもよい。両者と
も、推定された運転行動モデルλｉのパラメータを運転
者の特徴に応じて変更する点は上記第４の実施の形態と
同様である。

【００５６】以上述べたように、第４の実施の形態で
は、所定量蓄積された観測データから運転行動モデルλ
ｉのパラメータを推定し、さらに更新するようにしたの
で、運転者の運転行動の特徴に対応した運転行動意図検
出装置を提供することができる。また、運転行動モデル
λｉのパラメータの推定を車外で行うようにすれば、運
転行動モデルλｉのパラメータ推定用のコンピュータを
省略することができ、コストを抑えることができる。

【００５７】以上の第１から第４の実施の形態では、観
測データとして、視線方向頻度分布のほかに、運転操作
量と、車両挙動データと、環境情報とを用いたが、少な
くとも視線方向頻度分布を用いていれば、任意の組み合
わせの観測データを用いることができる。

【図面の簡単な説明】

【図１】 本発明による運転行動意図検出装置の第１の
実施の形態における概略構成を示すブロック図

【図２】 第１の実施の形態における機能構成を示すブ
ロック図

【図３】 複数個の矩形状に分割された視線方向領域の
例を示す図

【図４】 複数個の特定の車両部位を対象にした視線方
向領域の例を示す図

【図５】 かくれマルコフモデルの構造を示す図

【図６】 第１の実施の形態の電子制御ユニット３１に
おける制御処理を示すフローチャート

【図７】 第２の実施の形態における概略構成を示すブ
ロック図

【図８】 第２の実施の形態における機能構成を示すブ
ロック図

【図９】 第２の実施の形態の電子制御ユニット３１に
おける制御処理を示すフローチャート

【図１０】（ａ），（ｂ） 第２の実施の形態の電子制
御ユニット３１における制御処理を示すフローチャート

【図１１】 第３の実施の形態における概略構成を示す
ブロック図

【図１２】 第３の実施の形態における機能構成を示す
ブロック図

【図１３】 第３の実施の形態の電子制御ユニット３１
における制御処理を示すフローチャート

【図１４】（ａ），（ｂ） 第３の実施の形態の電子制
御ユニット３１における制御処理を示すフローチャート

【図１５】 第４の実施の形態における概略構成を示す
ブロック図

【図１６】 本発明における運転行動意図検出装置を備
えた車両外観を示す図

【図１７】 本発明における運転行動意図検出装置を備
えた車両の運転席周辺を示す図

【符号の説明】

２１：ＣＣＤカメラ ２３：赤外線照射器 ３１：電子制御ユニット ７１：操舵角センサ ７３：電動モータ ７５：電磁クラッチ ７７：ステアリングギアボックス ２３１：前方風景撮影用ＣＣＤカメラユニット ２３３：前方風景撮影ＣＣＤカメラ用画像処理ユニット ２３９：スピーカ ２４１：ステアリングコントローラ ２４３：ステアリングホイール

Claims (11)

【特許請求の範囲】
1. 【請求項１】車両固定投影平面における運転者の視線方
   向を検出する視線方向検出手段と、 前記視線方向検出手段で検出された視線方向の、所定時
   間範囲の視線方向データを用いて、複数に分割された領
   域間での前記視線方向の遷移頻度に関する分布を算出す
   る視線方向頻度分布算出手段と、 前記視線方向頻度分布算出手段で算出された視線方向頻
   度分布に基づいて運転行動意図を推定する運転行動意図
   推定手段とを有することを特徴とする運転行動意図検出
   装置。
2. 【請求項２】請求項１に記載の運転行動意図検出装置に
   おいて、 前記視線方向頻度分布算出手段で算出される視線方向頻
   度分布は、前記領域間での前記視線方向の遷移頻度に加
   えて、同一の領域における前記視線方向の停留頻度も加
   味して算出することを特徴とする運転行動意図検出装
   置。
3. 【請求項３】請求項１または請求項２に記載の運転行動
   意図検出装置において、 前記運転行動意図推定手段における運転行動意図の推定
   は、検出対象とする複数の運転行動パターンでの、運転
   者の視線方向頻度分布に関する統計的特徴に基づいて行
   うことを特徴とする運転行動意図検出装置。
4. 【請求項４】請求項１から請求項３のいずれかに記載の
   運転行動意図検出装置において、 前記運転行動意図推定手段における運転行動意図の推定
   は、かくれマルコフモデルを用いてあらかじめ算出し
   た、検出対象とする複数の運転行動パターンに関するパ
   ラメータと、前記視線方向頻度分布とに基づいて行うこ
   とを特徴とする運転行動意図検出装置。
5. 【請求項５】請求項４に記載の運転行動意図検出装置に
   おいて、 前記かくれマルコフモデルを用いて算出したパラメータ
   を変更するパラメータ変更手段をさらに有し、 前記運転行動意図推定手段における運転行動意図の推定
   は、前記パラメータ変更手段で変更されたパラメータと
   前記視線方向頻度分布とに基づいて行うことを特徴とす
   る運転行動意図検出装置。
6. 【請求項６】請求項１から請求項５のいずれかに記載の
   運転行動意図検出装置において、 前記運転行動意図推定手段で推定される運転行動意図
   は、わき見運転、漫然運転、車線変更、制動開始、通常
   運転の少なくともいずれかであることを特徴とする運転
   行動意図検出装置。
7. 【請求項７】請求項１から請求項６のいずれかに記載の
   運転行動意図検出装置において、 先行車への接近度合または隣接車線の車両との距離等の
   自車両周囲の環境情報を計測する環境情報計測手段と、 自車両の横方向または前後方向の加速度あるいはヨーレ
   ート等の自車両挙動データを計測する自車両挙動データ
   計測手段と、 アクセルペダル操作量やブレーキペダル操作量、操舵角
   等の運転操作量を計測する運転操作量計測手段とのうち
   少なくともいずれかを有し、 少なくとも前記環境情報計測手段が設けられたときは前
   記環境情報計測手段で計測された環境情報を、少なくと
   も前記自車両挙動データ計測手段が設けられたときは前
   記自車両挙動データ計測手段で計測された自車両挙動デ
   ータを、少なくとも前記運転操作量計測手段が設けられ
   たときは前記運転操作量計測手段で計測された運転操作
   量を、前記視線方向頻度分布とともに用いて前記運転行
   動意図推定手段における運転行動意図の推定を行うこと
   を特徴とする運転行動意図検出装置。
8. 【請求項８】請求項１から請求項７のいずれかに記載の
   運転行動意図検出装置において、 撮像素子を用いて撮像された自車両前方画像に二値化等
   の画像処理を行って検出される走行車線マーカ間におけ
   る自車両の横方向偏位量を算出する自車両横偏位量算出
   手段と、 車室内に設置され、警報を発生する警報発生手段とを有
   し、 前記自車両横偏位量算出手段で算出された横方向偏位量
   が所定値以上の場合において、前記運転行動意図推定手
   段で、運転者の意図が車線変更であると推定されない場
   合には、前記警報発生手段による警報の発生を行うこと
   を特徴とする運転行動意図検出装置。
9. 【請求項９】請求項８に記載の運転行動意図検出装置に
   おいて、 運転者のステアリング操舵量を検出する操舵量検出手段
   と、 前記自車両横偏位量算出手段で算出された車線内の自車
   両横偏位量と、前記操舵量検出手段で検出される操舵量
   とに応じて、モータ出力指令値を算出して出力するモー
   タ制御手段と、 前記モータ制御手段から出力されるモータ出力指令値に
   応じた操舵トルクを操舵装置に選択的に付加する操舵ト
   ルク付与手段とをさらに有し、 前記算出された横方向偏位量が所定値以上の場合におい
   て、前記運転行動意図推定手段で、運転者の意図が車線
   変更であると推定されない場合には、前記警報発生手段
   による警報の発生または操舵トルク付与手段による操舵
   出力を行うことを特徴とする運転行動意図検出装置。
10. 【請求項１０】請求項１から請求項７のいずれかに記載
    の運転行動意図検出装置において、 自車線前方を走行する先行車への接近度合を計測する先
    行車接近度合計測手段と、 車室内に設置され、警報を発生する警報発生手段とを有
    し、 前記計測された先行車接近度合が所定値以上であって、
    前記運転行動意図推定手段で、運転者の意図が制動開始
    であると推定されない場合には、前記警報発生手段によ
    る警報の発生を行うことを特徴とする運転行動意図検出
    装置。
11. 【請求項１１】請求項８または請求項９に記載の運転行
    動意図検出装置において、 自車線前方を走行する先行車への接近度合を計測する先
    行車接近度合計測手段をさらに有し、 前記計測された先行車接近度合が所定値以上であって、
    前記運転行動意図推定手段で、運転者の意図が制動開始
    であると推定されない場合には、前記警報発生手段によ
    る警報の発生を行うことを特徴とする運転行動意図検出
    装置。