JP2008217113A

JP2008217113A - Accident occurrence prediction simulation device, method and program, and security system evaluation device and accident alarm device

Info

Publication number: JP2008217113A
Application number: JP2007050059A
Authority: JP
Inventors: Hiroko Mori; 博子森; Tetsuo Kurahashi; 哲郎倉橋; Hironobu Kitaoka; 広宣北岡; Tatsuya Iwase; 竜也岩瀬; Minoru Inamori; 稔稲森; Takashi Machida; 貴史町田; Masumi Obana; 麻純小花; Kazuya Sasaki; 和也佐々木; Masaaki Uechi; 正昭上地; Takashi Yonekawa; 隆米川
Original assignee: Toyota Motor Corp; Toyota Central R&D Labs Inc
Current assignee: Toyota Motor Corp; Toyota Central R&D Labs Inc
Priority date: 2007-02-28
Filing date: 2007-02-28
Publication date: 2008-09-18
Anticipated expiration: 2027-02-28
Also published as: JP4814816B2

Abstract

<P>PROBLEM TO BE SOLVED: To perform the simulation of a traffic accident by making an accident occur based on the accident factor of a real accident. <P>SOLUTION: An error induction event generation part 22 acquires an environment or circumstances from a road environment preparation part 21, and acquires driver attributes from a driver model part 24. The error induction event generation part 22 extracts an "external/internal phenomenon" and "basic generation frequency" corresponding to the acquired environment, circumstances and driver attributes by referring to an error induction event database 13, and decides whether or not an error induction event is generated by using the extracted information. When the error induction event is generated, an error induction event and its duration are determined. An event-classified driver capability setting part 23 extracts the event (external/internal event) corresponding to an error induction event from a driver capability database, and sets driver capability based on the event, and controls the driver model part 24. The driver model part 24 controls the behavior of a vehicle based on the driver capability. <P>COPYRIGHT: (C)2008,JPO&INPIT

Description

本発明は、交通事故の発生を予測するための事故発生予測シミュレーション装置、方法及びプログラム並びにそれを用いた安全システム評価装置及び事故警報装置に関する。 The present invention relates to an accident occurrence prediction simulation apparatus, method and program for predicting the occurrence of a traffic accident, and a safety system evaluation apparatus and an accident warning apparatus using the same.

従来、安全システムの性能評価や事故低減効果を評価するため、交通事故をシミュレーションする技術が提案されている（非特許文献１及び２を参照。）。非特許文献１及び２の技術は、シミュレーション結果の事故内容及び件数が実事故に対応するように、確率的にランダムにドライバを選択し、交通事故を発生している。よって、事故内容や件数は実事故と対応しているものの、事故に至る要因は実事故に合わせて詳細に設定して事故を発生しているわけではない。
柚原直弘、“交通事故シミュレーションシステム”、社団法人自動車技術会、ＧＩＡダイアログ講演資料集２００５年夏季大会、Ｐ２７−３８，２００５秋山孝正、“交通安全対策評価のための交差点交通シミュレーションの構築”、社団法人交通工学研究会、第２６回交通工学研究発表会論文報告集、ｐ１０１−１０４、２００６ Conventionally, a technique for simulating a traffic accident has been proposed in order to evaluate the performance evaluation of the safety system and the accident reduction effect (see Non-Patent Documents 1 and 2). The techniques of Non-Patent Documents 1 and 2 generate a traffic accident by randomly selecting a driver so that the accident contents and the number of the simulation results correspond to the actual accident. Therefore, although the content and number of accidents correspond to actual accidents, the factors leading to the accident are not set in detail according to the actual accident and the accident does not occur.
Naohiro Sugawara, “Traffic Accident Simulation System”, Japan Society for Automotive Engineers, GIA Dialogue Lecture Collection 2005 Summer Meeting, P27-38, 2005 Takamasa Akiyama, “Construction of intersection traffic simulation for evaluation of traffic safety measures”, Traffic Engineering Research Group, Proceedings of the 26th Traffic Engineering Research Conference, p101-104, 2006

交通事故シミュレーションシステムを用いて、安全システムの性能評価や事故低減効果を評価するためには、事故を誘発したドライバ行動が再現された状況において、どう安全システムが働くか効果を示すかを評価する必要がある。 In order to evaluate the safety system performance evaluation and the accident reduction effect using the traffic accident simulation system, evaluate how the safety system works in the situation where the driver behavior that induced the accident is reproduced There is a need.

しかしながら、従来の交通事故シミュレーションシステムは、事故内容及び件数のみは実事故と合っているものの、事故要因がきちんと実事故に基づいて設定されているわけではないため、安全システムの検討が十分にできない問題があった。 However, although the conventional traffic accident simulation system only matches the actual accident with the content and number of accidents, the accident factors are not set based on the actual accident, so the safety system cannot be fully examined. There was a problem.

本発明は、上述した課題を解決するために提案されたものであり、実事故の事故要因に基づいて事故を発生しながら交通事故をシミュレーションできる事故発生予測シミュレーション装置、方法及びプログラム並びにそれを用いた安全システム評価装置及び事故警報装置を提供することを目的とする。 The present invention has been proposed in order to solve the above-described problems. An accident occurrence prediction simulation apparatus, method and program capable of simulating a traffic accident while generating an accident based on the accident factor of an actual accident, and the use thereof are provided. The purpose is to provide a safety system evaluation device and an accident warning device.

本発明の事故発生予測シミュレーション装置は、ドライバ属性及び事故環境毎に事故誘発要因となる事象の発生頻度を表す事故誘発要因情報を記憶する記憶手段と、前記記憶手段に記憶された事故誘発要因情報に基づいて、事故誘発要因となる事象を発生する事象発生手段と、前記事象発生手段により発生された事象に基づいて、模擬車両の挙動を制御する挙動制御手段と、を備えている。 An accident occurrence prediction simulation apparatus according to the present invention includes a storage unit that stores accident induction factor information indicating an occurrence frequency of an event that becomes an accident induction factor for each driver attribute and accident environment, and accident induction factor information stored in the storage unit And a behavior control means for controlling the behavior of the simulation vehicle based on the event generated by the event generation means.

本発明の事故発生予測シミュレーション方法は、ドライバ属性及び事故環境毎に事故誘発要因となる事象の発生頻度を表す事故誘発要因情報に基づいて、事故誘発要因となる事象を発生し、前記発生された事象に基づいて、模擬車両の挙動を制御する。 The accident occurrence prediction simulation method of the present invention generates an event that causes an accident based on the accident attribute information that represents the frequency of occurrence of an event that causes an accident for each driver attribute and accident environment. Based on the event, the behavior of the simulated vehicle is controlled.

本発明の事故発生予測シミュレーションプログラムは、コンピュータに、ドライバ属性及び事故環境毎に事故誘発要因となる事象の発生頻度を表す事故誘発要因情報に基づいて、事故誘発要因となる事象を発生させ、前記発生された事象に基づいて、模擬車両の挙動を制御させる。 The accident occurrence prediction simulation program of the present invention causes a computer to generate an event that causes an accident based on accident induction factor information that represents an occurrence frequency of an event that causes an accident for each driver attribute and accident environment, Based on the generated event, the behavior of the simulated vehicle is controlled.

したがって、上記発明によれば、ドライバ属性及び事故環境毎に事故誘発要因となる事象の発生頻度を表す事故誘発要因情報に基づいて事故誘発要因となる事象を発生させることにより、実際のドライバの環境に近い状況で事故を発生させ、高精度に交通事故予測をシミュレーションすることができる。 Therefore, according to the above-described invention, the actual driver environment is generated by generating the event that causes the accident based on the accident trigger factor information that represents the frequency of occurrence of the event that causes the accident for each driver attribute and accident environment. Accidents can occur in situations close to, and traffic accident predictions can be simulated with high accuracy.

本発明は、実際のドライバの環境に近い状況で事故を発生させ、高精度に交通事故予測をシミュレーションすることができる。 The present invention can generate an accident in a situation close to the actual driver's environment, and can simulate a traffic accident prediction with high accuracy.

以下、本発明の好ましい実施の形態について図面を参照しながら詳細に説明する。 Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the drawings.

［第１の実施形態］
図１は、本発明の第１の実施形態に係る事故発生予測シミュレーション装置の構成を示すブロック図である。シミュレーション装置は、例えばネットワークに接続されたコンピュータにより実現される。 [First Embodiment]
FIG. 1 is a block diagram showing a configuration of an accident occurrence prediction simulation apparatus according to the first embodiment of the present invention. The simulation apparatus is realized by a computer connected to a network, for example.

事故発生予測シミュレーション装置は、実事故データベース１１と、実事故解析部１２と、エラー誘発イベントデータベース１３と、走行環境データベース１４と、ドライバデータベース１５と、交通シミュレーション部２０と、シミュレーション結果データベース３０と、を備えている。 The accident occurrence prediction simulation apparatus includes an actual accident database 11, an actual accident analysis unit 12, an error induction event database 13, a traveling environment database 14, a driver database 15, a traffic simulation unit 20, a simulation result database 30, It has.

実事故データベース１１は、加害者属性、事故要因、事故環境・状況を記憶している。なお、これらのデータは、ネットワークを介してリアルタイムで入力されたものでもよいし、オペレータにより入力されたものでもよい。 The actual accident database 11 stores perpetrator attributes, accident factors, and accident environment / situation. These data may be input in real time via a network, or may be input by an operator.

図２は、実事故データベース１１の一例を示す図である。実事故データベース１１は、事故内容として、大分類の事故件数（例えば「直進車両の認知ミスによる右直事故件数」）、中分類の事故件数（例えば「居眠りによる追突事故件数」）、小分類の事故件数（例えば「脇見による追突件数」）を記憶している。小分類については、加害者の年齢、性別、運転経験、事故誘発要因（助手席同乗者との会話、探し物、携帯電話操作など）、事故発生時の天気、明暗、交差点規模、場所（交差点内、交差点直前など）、状況（停止、先行車両に追従、加速など）などに分けられている。 FIG. 2 is a diagram illustrating an example of the actual accident database 11. The actual accident database 11 includes, as accident details, the number of accidents of a large classification (for example, “the number of right-handed accidents due to a recognition error of a straight-ahead vehicle”), the number of middle-class accidents (for example, “the number of rear-end collisions due to falling asleep”), The number of accidents (for example, “the number of rear-end collisions due to a side look”) is stored. As for the minor classifications, the age, sex, driving experience, accident-causing factors (conversations with passengers on the front passenger seat, looking for items, cell phone operations, etc.), weather at the time of the accident, light and darkness, intersection size, location (intersection) And just before the intersection), the situation (stopping, following the preceding vehicle, acceleration, etc.).

実事故解析部１２は、実事故データベース１１の内容を解析し、ドライバ属性及び事故環境（事故状況）毎にエラー誘発イベントの頻度を計算し、その計算結果をエラー誘発イベントデータベース１３に記憶させる。具体的には次の計算が行われる。 The actual accident analysis unit 12 analyzes the contents of the actual accident database 11, calculates the frequency of the error induction event for each driver attribute and accident environment (accident situation), and stores the calculation result in the error induction event database 13. Specifically, the following calculation is performed.

ここで、各パラメータを次のようにおく。
ｉ：エラー誘発イベントコード
ｊ：ドライバ属性コード
ｋ：環境・状況コード
Ｈ_ｅ（ｉ，ｊ，ｋ）：ドライバ属性コードｊかつ環境・状況コードｋで
発生するエラー誘発イベントコードｉの発生頻度
ＡＣ_ｅ（ｉ，ｊ，ｋ）：ドライバ属性コードｊかつ環境・状況コードｋかつ
エラー誘発イベントコードｉが原因で発生した
実際の年間重大事故件数
ＤＲＨ（ｉ，ｊ，ｋ）：ドライバ属性コードｊの人が環境・状況コードｋの場面を
走行する年間総時間
（事故調査によて聴取し算定可能。例えば１週間に走行する時間及びルートを聴取して環境・状況コード別の走行時間を算定）
本実施形態では、次の２つの算定方法を定義する。 Here, each parameter is set as follows.
i: Error triggering event code j: Driver attribute code k: Environment / situation code H _e (i, j, k): Frequency of occurrence of error triggering event code i generated by driver attribute code j and environment / situation code k AC _e (I, j, k): Number of actual annual serious accidents caused by driver attribute code j, environment / situation code k, and error-induced event code i DRH (i, j, k): Person with driver attribute code j The total annual time of driving in the scene of the environment / situation code k (can be calculated by listening through accident investigation. For example, by listening to the driving time and route per week and calculating the travel time by environment / situation code)
In the present embodiment, the following two calculation methods are defined.

＜算定方法１＞
実事故件数とハインリッヒの法則を使用した設定（例えば、重大事故１：軽微な事故２９：ヒヤリハット３００とする。）
Ｈ_ｅ（ｉ，ｊ，ｋ）＝α×（ＡＣ_ｅ（ｉ，ｊ，ｋ）／ＤＲＨ（ｉ，ｊ，ｋ））
但し、α＝３２９／１＝３２９とする。 <Calculation method 1>
Setting using the actual number of accidents and Heinrich's law (for example, serious accident 1: minor accident 29: near-miss 300)
H _e (i, j, k) = α × (AC _e (i, j, k) / DRH (i, j, k))
However, α = 329/1 = 329.

＜算定方法２＞
複数ドライバの日常運転における運転操作状況映像及び車両周囲状況映像の運転記録を取得し、エラー誘発イベントコードの頻度を実験的に算定する方法
Ｈ_ｅ（ｉ，ｊ，ｋ）＝Ｎ^ｅ（ｉ，ｊ，ｋ）／Ｘ
ここで、
Ｎ_ｅ（ｉ，ｊ，ｋ）：運転記録映像からドライバ属性コードｊのドライバが環境・状況コードｋを走行したＸ時間に行ったエラー誘発イベントコードｉの回数
である。 <Calculation method 2>
Method of obtaining driving records of driving operation situation images and vehicle surrounding situation images in daily driving of a plurality of drivers and experimentally calculating the frequency of error-induced event codes H _e (i, j, k) = N ^e (i, j, k) / X
here,
N _e (i, j, k): This is the number of error-inducing event codes i performed during the X hours when the driver having the driver attribute code j travels the environment / situation code k from the driving record video.

例えば、図２より、ドライバ属性コードｊ、環境・状況コードｋが、「助手席同乗者との会話」という事象による事故合計件数を２０件とし、さらに、ドライバ属性コードｊが、環境・状況コードｋを走行する年間総時間を２１９時間とする。このとき、実事故解析部１２は、次のようにして、発生頻度Ｈ（ｉ，ｊ，ｋ）を計算する。 For example, from FIG. 2, the driver attribute code j and the environment / situation code k are 20 accidents due to the event “conversation with passengers on the passenger seat”, and the driver attribute code j is the environment / situation code. The total annual time for running k is 219 hours. At this time, the actual accident analysis unit 12 calculates the occurrence frequency H (i, j, k) as follows.

発生頻度Ｈ（ｉ，ｊ，ｋ）＝３２９×２０／２１９＝３０回／時間
そして、「助手席同乗者との会話」に関する発生頻度Ｈ（ｉ，ｊ，ｋ）は、次のエラー誘発イベントデータベース１３に記憶される。 Occurrence frequency H (i, j, k) = 329 × 20/219 = 30 times / hour The occurrence frequency H (i, j, k) related to “conversation with passenger on passenger seat” is the next error-inducing event Stored in the database 13.

図３は、エラー誘発イベントデータベース１３の一例を示す図である。ドライバ属性として、年齢、性別、運転頻度は必須項目であるが、運転経験、運転状態はあれば好ましい。また、環境・状況として、交差点規模、天候、明暗が必須項目であるが、信号・標識の有無、時刻、路面状態、場所、状況などがあると好ましい。 FIG. 3 is a diagram illustrating an example of the error inducing event database 13. As driver attributes, age, sex, and driving frequency are essential items, but driving experience and driving state are preferable. In addition, as the environment / situation, the size of the intersection, the weather, and the light and dark are essential items, but it is preferable that there are signals / signs, time, road surface condition, location, and situation.

さらに、エラー誘発イベント（外的／内的事象）として、助手席同乗者との会話、後部席同乗者との会話、車内配置物（手荷物等の）落下等、昆虫の飛翔等、探し物、携帯電話操作などがある。基本発生頻度は、１時間当たり発生する回数を示す。したがって、エラー誘発イベントデータベース１３を参照し、ドライバ属性及び環境・状況が決まれば、どのような事象がどの程度発生するかが分かるようになっている。 In addition, error-triggered events (external / internal events) include conversations with passengers on the passenger seat, conversations with passengers on the rear seats, falling items in the vehicle (such as baggage), flying insects, etc. There are cell phone operations. The basic occurrence frequency indicates the number of occurrences per hour. Therefore, by referring to the error inducing event database 13 and determining the driver attributes and the environment / situation, it is possible to know what kind of event occurs to what extent.

走行環境データベース１４は、道路地図、信号、建物、天気、走行時の明暗などの走行環境情報を記憶している。 The travel environment database 14 stores travel environment information such as road maps, signals, buildings, weather, and brightness during travel.

ドライバデータベース１５は、各々の車両を運転するドライバ属性を記憶している。具体的には、ドライバデータベース１５は、ドライバ毎に、出発地／目的地、出発時刻、経路、年齢、性別、運転スキル、法遵守傾向などを記憶している。そして、各ドライバ属性は、ドライバモデル部２４で使用される。 The driver database 15 stores driver attributes for driving each vehicle. Specifically, the driver database 15 stores departure / destination, departure time, route, age, gender, driving skill, legal compliance tendency, and the like for each driver. Each driver attribute is used in the driver model unit 24.

交通シミュレーション部２０は、走行環境データベース１４及びドライバデータベース１５の各データに基づいて、交通流を再現する。さらに、交通シミュレーション部２０は、エラー誘発イベントを発生させることにより、事故発生の影響を受けた交通流を表現し、事故件数及び事故状況をシミュレーション結果データベース３０に出力する。 The traffic simulation unit 20 reproduces the traffic flow based on each data of the traveling environment database 14 and the driver database 15. Further, the traffic simulation unit 20 expresses the traffic flow affected by the occurrence of the accident by generating an error-inducing event, and outputs the number of accidents and the situation of the accident to the simulation result database 30.

ここで、交通シミュレーション部２０は、道路環境作成部２１、エラー誘発イベント発生部２２、イベント別ドライバ能力設定部２３、ドライバモデル部２４、交通状況管理部２５、表示部２６を備えている。 Here, the traffic simulation unit 20 includes a road environment creation unit 21, an error-induced event generation unit 22, an event-specific driver capability setting unit 23, a driver model unit 24, a traffic condition management unit 25, and a display unit 26.

道路環境作成部２１は、走行環境データベース１４のデータに基づいて、車両の走行軌跡（道路）を作成し、建物を配置する。更に、道路環境作成部２１は、交通状況管理部２５から出力された各車両の位置情報、速度情報に従って、各車両を道路空間上に配置する。 The road environment creation unit 21 creates a travel locus (road) of the vehicle based on the data in the travel environment database 14 and arranges buildings. Furthermore, the road environment creation unit 21 arranges each vehicle on the road space according to the position information and speed information of each vehicle output from the traffic condition management unit 25.

エラー誘発イベント発生部２２は、エラー誘発イベントデータベース１３を参照して、ドライバ属性及び走行環境・状況に応じて、エラー誘発イベントを発生するかを判断する。エラー誘発イベント発生部２２は、エラー誘発イベントを発生すると、その行動の内容及び継続時間を決定し、ドライバモデル部２４へ出力する。 The error inducing event generation unit 22 refers to the error inducing event database 13 and determines whether to generate an error inducing event according to the driver attribute and the driving environment / situation. When an error induction event occurs, the error induction event generation unit 22 determines the content and duration of the action and outputs it to the driver model unit 24.

イベント別ドライバ能力設定部２３は、エラー誘発イベント別にドライバの運転行動に必要な様々な能力のレベルを定義したデータベースを有する。イベント別ドライバ能力設定部２３は、そのデータベースの値を用いて、ドライバモデル部２４のドライバの運転行動における能力、具体的には能力低下を設定する。設定されたドライバの運転行動の能力は、エラー誘発イベント発生部２２で決定された継続時間だけ継続する。 The event-specific driver ability setting unit 23 has a database in which various ability levels necessary for the driving behavior of the driver are defined for each error-induced event. The event-specific driver ability setting unit 23 uses the value of the database to set the ability of the driver model part 24 in the driving behavior of the driver, specifically, ability reduction. The set driving ability of the driver continues for the duration determined by the error inducing event generator 22.

図４は、イベント別ドライバ能力設定部２３が有するドライバ能力データベースを示す図である。事故誘発要因を示す「外的／内的事象」として、助手席同乗者との会話、後部席同乗者との会話、車内配置物（手荷物等）の落下等、運転者把持中物体、昆虫の飛翔、探し物等がある。 FIG. 4 is a diagram illustrating a driver capability database included in the event-specific driver capability setting unit 23. “External / internal events” that indicate the cause of the accident include conversations with passengers in the passenger seat, conversations with passengers in the rear seats, falling objects (baggage etc.) in the vehicle, etc. There are flying and looking things.

「外的／内的事象」毎に、計測誤差レベル、視距離、視野角、サーチレベルが設定されている。例えば、後部席同乗者との会話では、計測誤差レベル、視距離、視野角、サーチレベルはそれぞれ“５”である。これに対して、助手席同乗者との会話では、計測誤差レベルは“５”であるが、視距離、視野角、サーチレベルはそれぞれ“４”である。これらの値は、ドライバモデル部２４における「認識処理」を低下させる。なお、「判断処理」、「操作処理」も低下することがある。 For each “external / internal event”, a measurement error level, a viewing distance, a viewing angle, and a search level are set. For example, in a conversation with a rear seat passenger, the measurement error level, viewing distance, viewing angle, and search level are each “5”. On the other hand, in the conversation with the passenger on the passenger seat, the measurement error level is “5”, but the viewing distance, the viewing angle, and the search level are each “4”. These values lower the “recognition process” in the driver model unit 24. Note that “judgment processing” and “operation processing” may also decrease.

ドライバモデル部２４は、一人のドライバが走行する車両を模擬表示するため計算を行うものであり、走行環境および周辺車両の状況に基づき、各ドライバ属性応じた認識、判断、操作の過程を経て、希望行動（希望速度、加減速度等）を決定する。更に、ドライバモデル部２２は、車両及びドライバ属性に基づいて、移動量を計算する。またドライバモデル部２４は、ドライバ属性及び走行環境・状況に応じたエラー誘発イベント発生部２２からのエラー誘発行動の命令を受ける。 The driver model unit 24 performs calculation to simulate and display a vehicle on which a single driver travels. Based on the driving environment and the situation of surrounding vehicles, the driver model unit 24 undergoes recognition, determination, and operation processes according to each driver attribute. Determine the desired behavior (desired speed, acceleration / deceleration, etc.). Further, the driver model unit 22 calculates the movement amount based on the vehicle and the driver attribute. In addition, the driver model unit 24 receives an error inducing action command from the error inducing event generating unit 22 according to the driver attributes and the driving environment / situation.

交通状況管理部２５は、計算ステップ毎の個々の車両の位置、速度、加減速度を管理したり、道路上を走行する車両の発生、消滅も管理したりする。表示部２６は、道路環境作成部２１で作成された道路環境及び走行車両の状態を交通流シミュレーションとして表示する。シミュレーション結果データベース３０は、交通シミュレーション部２０でシミュレーションされたときの事故件数、事故状況などを記憶する。 The traffic condition management unit 25 manages the position, speed, acceleration / deceleration of individual vehicles for each calculation step, and manages the generation and disappearance of vehicles traveling on the road. The display unit 26 displays the road environment and the state of the traveling vehicle created by the road environment creation unit 21 as a traffic flow simulation. The simulation result database 30 stores the number of accidents, accident situations, and the like when simulated by the traffic simulation unit 20.

以上のように構成された事故発生予測シミュレーション装置はエラー誘発イベントルーチンを実行することにより、エラーを誘発して、交通事故を発生させる。図５は、エラー誘発イベントルーチンを示すフローチャートである。 The accident occurrence prediction simulation apparatus configured as described above executes an error induction event routine to induce an error and generate a traffic accident. FIG. 5 is a flowchart showing an error inducing event routine.

ステップＳ１では、エラー誘発イベント発生部２２は、道路環境作成部２１から環境・状況を取得して、ステップＳ２に進む。 In step S1, the error inducing event generating unit 22 acquires the environment / situation from the road environment creating unit 21, and proceeds to step S2.

ステップＳ２では、エラー誘発イベント発生部２２は、シミュレーションの対象となる模擬車両（ドライバモデル部２４）からドライバ属性を取得して、ステップＳ３に進む。 In step S2, the error inducing event generation unit 22 acquires driver attributes from the simulation vehicle (driver model unit 24) to be simulated, and proceeds to step S3.

ステップＳ３では、エラー誘発イベント発生部２２は、エラー誘発イベントデータベース１３を参照して、取得した環境・状況及びドライバ属性に対応する「外的／内的事象」及び「基本発生頻度」を抽出し、抽出した情報を用いてエラー誘発イベントが発生するか否かを判定する。そして、エラー誘発イベントが発生したときはステップＳ４に進み、発生しないときは本ルーチンを終了する。 In step S <b> 3, the error inducing event generation unit 22 refers to the error inducing event database 13 and extracts “external / internal event” and “basic occurrence frequency” corresponding to the acquired environment / situation and driver attributes. Then, it is determined whether or not an error inducing event occurs using the extracted information. When an error inducing event occurs, the process proceeds to step S4, and when it does not occur, this routine ends.

ステップＳ４では、エラー誘発イベント発生部２２は、エラー誘発イベント及びその継続時間を決定して、ステップＳ５に進む。例えば、継続時間は次のようにして求められる。 In step S4, the error inducing event generating unit 22 determines an error inducing event and its duration, and proceeds to step S5. For example, the duration is obtained as follows.

複数ドライバの日常運転における運転操作状況映像および車両周囲状況映像の運転記録を取得し、エラー誘発イベントの継続時間を実験的に求める。この継続時間の頻度分布を回帰直線により近似し、継続時間の確率分布を求める。最後にこの確率分布に従う乱数発生を行い継続時間Ｔ_ｅ（ｉ）を算出する。 Driving records of driving operation situation images and vehicle surrounding situation images in daily driving of a plurality of drivers are acquired, and the duration of the error-induced event is obtained experimentally. This frequency distribution of duration is approximated by a regression line to obtain a probability distribution of duration. Finally, random number generation according to this probability distribution is performed to calculate the duration T _e (i).

なお、ｉ：エラー誘発イベントコード、Ｔ_ｅ（ｉ）：エラー誘発イベントコードｉの継続時間である。また、ドライバ属性コード、環境・状況コード別に実験的に取得したデータから算定してもよい。 Note that i: error-inducing event code, T _e (i): duration of error-inducing event code i. Alternatively, it may be calculated from data obtained experimentally for each driver attribute code and environment / situation code.

ステップＳ５では、イベント別ドライバ能力設定部２３は、ドライバ能力データベースから、ステップＳ４で決定されたエラー誘発イベントに対応するイベント（外的／内的事象）を抽出し、そのイベントに基づいて「計測誤差レベル」、「視距離」、「視野角」、「サーチレベル」を設定して、ドライバモデル部２４を制御する。 In step S5, the event-specific driver capability setting unit 23 extracts an event (external / internal event) corresponding to the error-inducing event determined in step S4 from the driver capability database. The driver model unit 24 is controlled by setting “error level”, “viewing distance”, “viewing angle”, and “search level”.

図６は、ドライバモデル部２４における車両挙動制御ルーチンを示すフローチャートである。 FIG. 6 is a flowchart showing a vehicle behavior control routine in the driver model unit 24.

ステップＳ１１では、ドライバモデル部２４は、注意対象規範を列挙する処理を実行して、ステップＳ１２に進む。具体的には、注意対象規範とは、先行車、信号、対向車（対向車が複数あるときは、対向車Ａ、Ｂ、Ｃ、・・・）、横断歩行者などをいう。 In step S11, the driver model unit 24 executes a process of enumerating the attention target norms, and proceeds to step S12. Specifically, the caution target norm refers to a preceding vehicle, a signal, an oncoming vehicle (when there are multiple oncoming vehicles, oncoming vehicles A, B, C,...), A crossing pedestrian, and the like.

ステップＳ１２では、ドライバモデル部２４は、有効視野範囲、視線配分レート、視線方向等に基づいて、認識対象物を選択して、ステップＳ１３に進む。 In step S12, the driver model unit 24 selects a recognition target based on the effective visual field range, the line-of-sight distribution rate, the line-of-sight direction, and the like, and proceeds to step S13.

図７は、注意対象規範列挙処理及び認識対象物選択処理を説明する図である。同図に示すように、有効視野範囲は、視力、照度、意識水準、年齢等のパラメータを用いた関数ｆ（視力、照度、意識水準、年齢、・・・）により決定される。視線配分レートは、右折、意識水準、錯綜地点等のパラメータを用いた関数ｆ（右折、意識水準、錯綜地点・・・）により決定される。視線方向は、視線配分レート、注意状態等のパラメータを用いて関数ｆ（視線配分レート、注意状態・・・）により決定される。その結果、本実施形態では、認識対象物として、先行車、信号（赤、青、黄色などの信号状態）、対向車Ａ、Ｂ、Ｃ、横断歩行者が選択される。 FIG. 7 is a diagram for explaining the attention object norm enumeration process and the recognition object selection process. As shown in the figure, the effective visual field range is determined by a function f (visual acuity, illuminance, consciousness level, age,...) Using parameters such as visual acuity, illuminance, consciousness level, and age. The line-of-sight distribution rate is determined by a function f (right turn, consciousness level, complicated point,...) Using parameters such as right turn, consciousness level, and complicated point. The line-of-sight direction is determined by a function f (line-of-sight distribution rate, attention state...) Using parameters such as the line-of-sight distribution rate and attention state. As a result, in the present embodiment, a preceding vehicle, a signal (a signal state such as red, blue, and yellow), an oncoming vehicle A, B, C, and a crossing pedestrian are selected as recognition objects.

なお、有効視野範囲、視線配分レート、視線方向は、イベント別ドライバ能力設定部２３で設定されたドライバ能力に応じて変更される。このため、例えば、対向車Ａ、横断歩行者などが見落とされることがある。 The effective visual field range, the line-of-sight distribution rate, and the line-of-sight direction are changed according to the driver ability set by the event-specific driver ability setting unit 23. For this reason, for example, the oncoming vehicle A, a crossing pedestrian, etc. may be overlooked.

ステップＳ１３では、ドライバモデル部２４は、認識対象毎に、取るべき挙動を判断する。例えば、ドライバモデル部２４は、先行車の関数ｆ（先行車の速度、距離、相対速度）に基づいて自車両の行動を決定し、信号の関数ｆ（信号の現示色）に基づいて自車両の行動を決定する。さらに、ドライバモデル部２４は、対向車Ａ，Ｂ，Ｃの各々の関数ｆ（対向車の速度、距離、相対速度）に基づいてそれぞれ自車両の行動を決定し、横断歩行者の関数ｆ（歩行者の速度、距離、相対速度）に基づいて自車両の行動を決定する。そして、ドライバモデル部２４は、総合判断として、すべての条件を満たす行動を選択して、ステップＳ１４に進む。 In step S13, the driver model unit 24 determines the behavior to be taken for each recognition target. For example, the driver model unit 24 determines the behavior of the host vehicle based on the function f (the speed, distance, and relative speed of the preceding vehicle) of the preceding vehicle, and determines the driver model unit 24 based on the function f (the signal display color) of the signal. Determine vehicle behavior. Further, the driver model unit 24 determines the behavior of the own vehicle based on the function f (the speed, distance, and relative speed of the oncoming vehicle) of each of the oncoming vehicles A, B, and C, and the function f ( The behavior of the host vehicle is determined based on the pedestrian's speed, distance, and relative speed. Then, the driver model unit 24 selects an action that satisfies all the conditions as a comprehensive determination, and proceeds to step S14.

上述した各関数ｆのパラメータは、イベント別ドライバ能力設定部２３で設定されたドライバ能力に応じて変更されることがある。このため、自車両の行動が誤って決定されることがある。 The parameter of each function f described above may be changed according to the driver capability set by the event-specific driver capability setting unit 23. For this reason, the action of the own vehicle may be determined erroneously.

ステップＳ１４では、ドライバモデル部２４は、ドライバ属性によって定まる操作スキルに基づいて、反応時間、ペダル操作量などの運転操作を決定して、ステップＳ１５に進む。なお、反応時間、ペダル操作量等の運転操作は、イベント別ドライバ能力設定部２３で設定されたドライバ能力に応じて変更されることがある。 In step S14, the driver model unit 24 determines a driving operation such as a reaction time and a pedal operation amount based on the operation skill determined by the driver attribute, and proceeds to step S15. The driving operation such as the reaction time and the pedal operation amount may be changed according to the driver ability set by the event-specific driver ability setting unit 23.

ステップＳ１５では、ドライバモデル部２４は、ステップＳ１４で決定された運転操作に基づいて、模擬車両の挙動、位置座標を更新して、本ルーチンを終了する。 In step S15, the driver model unit 24 updates the behavior and position coordinates of the simulated vehicle based on the driving operation determined in step S14, and ends this routine.

図８は、正常時とエラー誘発イベント発生時における認識処理、判断処理、操作処理、挙動演算処理を比較する図である。正常時では、ドライバモデル部２４は、先行車の速度をＶ_ｎと認識すると、減速することを判断し、ブレーキ操作を行い、その結果、先行車に追従する。一方、エラー誘発イベント発生時では、ドライバモデル部２４は、先行車の速度を（ｖ_ｎ＋α）と誤って認識してしまうと（計測誤差レベル大）、加速することを判断し、アクセル操作を行い、その結果、先行車に衝突してしまう。 FIG. 8 is a diagram for comparing recognition processing, determination processing, operation processing, and behavior calculation processing when normal and when an error-induced event occurs. In normal, the driver model 24, when the speed of the preceding vehicle is recognized as V _n, determines that the deceleration, performs brake operation, as a result, to follow the preceding vehicle. On the other hand, when an error-induced event occurs, if the driver model unit 24 erroneously recognizes the speed of the preceding vehicle (v _n + α) (measurement error level is large), the driver model unit 24 determines that the vehicle will accelerate, As a result, it collides with the preceding vehicle.

以上のように、第１の実施形態に係る事故発生予測シミュレーション装置は、実事故データに基づいてドライバ属性及び環境・状況に応じて事故誘発要因となるイベントを発生させて、交通事故をシミュレーションする。この結果、ドライバの環境に実際に近づいて事故の発生を予測することができる。 As described above, the accident occurrence prediction simulation apparatus according to the first embodiment simulates a traffic accident by generating an event that causes an accident according to the driver attribute and the environment / situation based on the actual accident data. . As a result, it is possible to predict the occurrence of an accident by actually approaching the driver's environment.

なお、事故発生予測シミュレーション装置は、ドライバモデル部２４に安全システムモデル部を備えることにより、安全システムを評価することができる。例えば、安全システムモデル部が、赤外線を用いて歩行者や自転車乗員等の障害物を検出する障害物検出装置の場合、夜間におけるドライバの「認識処理」能力を上げることができる。また、安全システムモデル部が、ブレーキアシスト装置の場合、ドライバの「操作処理」能力を向上させることができる。 The accident occurrence prediction simulation apparatus can evaluate the safety system by providing the driver model unit 24 with the safety system model unit. For example, when the safety system model unit is an obstacle detection device that detects an obstacle such as a pedestrian or a bicycle occupant using infrared rays, the “recognition processing” ability of the driver at night can be improved. Further, when the safety system model unit is a brake assist device, the “operation processing” ability of the driver can be improved.

すなわち、安全システムモデル部は、ドライバモデル部２４の「認識処理」、「判断処理」、「操作処理」の少なくとも１つの能力を上げる。この結果、エラー誘発イベントが発生しても、交通事故の発生が少なくなり、シミュレーション結果データベース３０に蓄積される事故件数が減少する。よって、安全システムモデル部がある場合とない場合とで事故件数を比較することにより、安全システムがどの程度交通事故を減少させているかを評価することができる。 That is, the safety system model unit improves at least one ability of the “recognition process”, “determination process”, and “operation process” of the driver model unit 24. As a result, even if an error induction event occurs, the occurrence of traffic accidents is reduced, and the number of accidents accumulated in the simulation result database 30 is reduced. Therefore, by comparing the number of accidents with and without the safety system model part, it is possible to evaluate how much the safety system reduces traffic accidents.

［第２の実施形態］
つぎに、本発明の第２の実施形態について説明する。第２の実施形態に係る事故警報装置は、実際の車両に搭載され、第１の実施形態で説明した事故発生予測シミュレーション装置の構成を含んでいる。 [Second Embodiment]
Next, a second embodiment of the present invention will be described. The accident alarm device according to the second embodiment is mounted on an actual vehicle and includes the configuration of the accident occurrence prediction simulation device described in the first embodiment.

なお、エラー誘発イベントデータベース１３は、予め記憶装置に蓄積しても良いし、通信端末を介して外部から受信してもよい。走行環境データベース１４のデータは、ナビゲーションシステムに予め搭載されているデータや、通信端末を用いて外部から受信したデータを使用する。また、ドライバデータベースのデータは、車車間通信、通信センターにより送信されたデータを使用すればよい。 The error inducing event database 13 may be stored in advance in a storage device or may be received from the outside via a communication terminal. As the data of the traveling environment database 14, data pre-installed in the navigation system or data received from the outside using a communication terminal is used. The driver database data may be data transmitted from the inter-vehicle communication or the communication center.

この結果、ドライバモデル部２４は自車両をシミュレーションすると共に、他のドライバモデル部２４は自車両周辺で走行している車両をシミュレーションする。ここでは、各ドライバモデル部２４は、現在時刻より所定時間後（例えば１０秒後）の各車両の挙動をシミュレーションする。そして、事故が発生すると、その事故の様子が表示部２６に表され、運転者に警報が発せられる。 As a result, the driver model unit 24 simulates the host vehicle, and the other driver model unit 24 simulates the vehicle traveling around the host vehicle. Here, each driver model unit 24 simulates the behavior of each vehicle after a predetermined time (for example, 10 seconds) after the current time. When an accident occurs, the state of the accident is displayed on the display unit 26 and a warning is issued to the driver.

以上のように、第２の実施形態に係る事故警報装置は、自車両及び周辺車両の所定時間後の挙動をシミュレーションして、事故が発生した場合は自車両のドライバに警報を発すると共に、その様子を提示することにより、実際の事故を未然に防止することができる。 As described above, the accident warning device according to the second embodiment simulates the behavior of the own vehicle and the surrounding vehicles after a predetermined time, and issues an alarm to the driver of the own vehicle when an accident occurs. By presenting the situation, it is possible to prevent an actual accident.

なお、本発明は、上述した実施の形態に限定されるものではなく、特許請求の範囲に記載された範囲内で設計上の変更をされたものにも適用可能であるのは勿論である。 Note that the present invention is not limited to the above-described embodiment, and it is needless to say that the present invention can also be applied to a design modified within the scope of the claims.

本発明の第１の実施形態に係る事故発生予測シミュレーション装置の構成を示すブロック図である。It is a block diagram which shows the structure of the accident occurrence prediction simulation apparatus which concerns on the 1st Embodiment of this invention. 実事故データベース１１の一例を示す図である。It is a figure which shows an example of the actual accident database. エラー誘発イベントデータベース１３の一例を示す図である。It is a figure which shows an example of the error induction event database. イベント別ドライバ能力設定部２３が有するドライバ能力データベースを示す図である。It is a figure which shows the driver capability database which the driver capability setting part 23 classified by event has. エラー誘発イベントルーチンを示すフローチャートである。It is a flowchart which shows an error induction event routine. ドライバモデル部２４における車両挙動制御ルーチンを示すフローチャートである。4 is a flowchart showing a vehicle behavior control routine in a driver model unit 24. 注意対象規範列挙処理及び認識対象物選択処理を説明する図である。It is a figure explaining attention object norm enumeration processing and recognition target object selection processing. 正常時とエラー誘発イベント発生時における認識処理、判断処理、操作処理、挙動演算処理を比較する図である。It is a figure which compares the recognition process, the judgment process, the operation process, and the behavior calculation process at the time of normal time and an error induction event occurrence.

符号の説明Explanation of symbols

１１実事故データベース
１２実事故解析部
１３エラー誘発イベントデータベース
１４走行環境データベース
１５ドライバデータベース
２０交通シミュレーション部
２１道路環境作成部
２２エラー誘発イベント発生部
２３イベント別ドライバ能力設定部
２４ドライバモデル部
２５交通状況管理部
２６表示部
３０シミュレーション結果データベース 11 Actual accident database 12 Actual accident analysis unit 13 Error induction event database 14 Driving environment database 15 Driver database 20 Traffic simulation unit 21 Road environment creation unit 22 Error induction event generation unit 23 Event-specific driver capability setting unit 24 Driver model unit 25 Traffic situation Management unit 26 Display unit 30 Simulation result database

Claims

ドライバ属性及び事故環境毎に事故誘発要因となる事象の発生頻度を表す事故誘発要因情報を記憶する記憶手段と、
前記記憶手段に記憶された事故誘発要因情報に基づいて、事故誘発要因となる事象を発生する事象発生手段と、
前記事象発生手段により発生された事象に基づいて、模擬車両の挙動を制御する挙動制御手段と、
を備えた事故発生予測シミュレーション装置。 Storage means for storing accident-causing factor information indicating the frequency of occurrence of an event that becomes an accident-causing factor for each driver attribute and accident environment;
Event generating means for generating an event that becomes an accident inducing factor based on the accident inducing factor information stored in the storage means;
Behavior control means for controlling the behavior of the simulated vehicle based on the event generated by the event generation means;
Accident prediction simulation device equipped with.

前記事象発生手段により発生された事象により、ドライバの認識、判断、操作の少なくとも１つの能力を設定するドライバ能力設定手段を更に備え、
前記挙動制御手段は、前記ドライバ能力設定手段により設定された能力に基づいて、模擬車両の挙動を制御する
請求項１に記載の事故発生予測シミュレーション装置 A driver capability setting unit configured to set at least one capability of driver recognition, determination, and operation according to an event generated by the event generation unit;
The accident occurrence prediction simulation apparatus according to claim 1, wherein the behavior control unit controls the behavior of the simulation vehicle based on the capability set by the driver capability setting unit.

実事故情報に基づいて、ドライバ属性及び事故環境毎に前記事故誘発要因情報を生成する事故誘発要因情報生成手段を更に備えた
請求項１または請求項２に記載の事故発生予測シミュレーション装置。 The accident occurrence prediction simulation apparatus according to claim 1 or 2, further comprising accident inducing factor information generating means for generating the accident inducing factor information for each driver attribute and accident environment based on actual accident information.

ドライバ属性及び事故環境毎に事故誘発要因となる事象の発生頻度を表す事故誘発要因情報に基づいて、事故誘発要因となる事象を発生し、
前記発生された事象に基づいて、模擬車両の挙動を制御する
事故発生予測シミュレーション方法。 Based on accident trigger factor information indicating the frequency of occurrence of an event that causes an accident for each driver attribute and accident environment, an event that causes an accident is generated.
An accident occurrence prediction simulation method for controlling the behavior of a simulated vehicle based on the generated event.

コンピュータに、
ドライバ属性及び事故環境毎に事故誘発要因となる事象の発生頻度を表す事故誘発要因情報に基づいて、事故誘発要因となる事象を発生させ、
前記発生された事象に基づいて、模擬車両の挙動を制御させる
事故発生予測シミュレーションプログラム。 On the computer,
Based on accident trigger factor information that represents the frequency of occurrence of an event that causes an accident for each driver attribute and accident environment, an event that causes an accident is generated.
An accident occurrence prediction simulation program for controlling the behavior of a simulated vehicle based on the generated event.

ドライバ属性及び事故環境毎に事故誘発要因となる事象の発生頻度を表す事故誘発要因情報を記憶する記憶手段と、
前記記憶手段に記憶された事故誘発要因情報に基づいて、事故誘発要因となる事象を発生する事象発生手段と、
前記事象発生手段により発生された事象と、模擬車両の安全システムの有無によるドライバ能力と、に基づいて、模擬車両の挙動を制御する挙動制御手段と、
を備えた安全システム評価装置。 Storage means for storing accident-causing factor information indicating the frequency of occurrence of an event that becomes an accident-causing factor for each driver attribute and accident environment;
Event generating means for generating an event that becomes an accident inducing factor based on the accident inducing factor information stored in the storage means;
Behavior control means for controlling the behavior of the simulated vehicle based on the event generated by the event generating means and the driver ability based on the presence or absence of the safety system of the simulated vehicle;
Safety system evaluation device with

ドライバ属性及び事故環境毎に事故誘発要因となる事象の発生頻度を表す事故誘発要因情報を記憶する記憶手段と、
前記記憶手段に記憶された事故誘発要因情報に基づいて、事故誘発要因となる事象を発生する事象発生手段と、
前記事象発生手段により発生された事象に基づいて、現在時刻より所定時間後における自車両及び周辺車両それぞれを示す複数の模擬車両の挙動を制御する挙動制御手段と、
前記挙動制御手段により制御された模擬車両の少なくとも１つが事故を発生したときに警報を発生する警報発生手段と、
を備えた事故警報装置。 Storage means for storing accident-causing factor information indicating the frequency of occurrence of an event that becomes an accident-causing factor for each driver attribute and accident environment;
Event generating means for generating an event that becomes an accident inducing factor based on the accident inducing factor information stored in the storage means;
Based on the event generated by the event generating means, behavior control means for controlling the behavior of a plurality of simulated vehicles indicating the own vehicle and surrounding vehicles after a predetermined time from the current time,
Alarm generating means for generating an alarm when at least one of the simulated vehicles controlled by the behavior control means generates an accident;
Accident alarm device equipped with.