JP2011065527A - 運転評価システム、車載機及び情報処理センター - Google Patents

運転評価システム、車載機及び情報処理センター Download PDF

Info

Publication number
JP2011065527A
JP2011065527A JP2009217030A JP2009217030A JP2011065527A JP 2011065527 A JP2011065527 A JP 2011065527A JP 2009217030 A JP2009217030 A JP 2009217030A JP 2009217030 A JP2009217030 A JP 2009217030A JP 2011065527 A JP2011065527 A JP 2011065527A
Authority
JP
Japan
Prior art keywords
vehicle
driving
evaluation
driver
driven
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
JP2009217030A
Other languages
English (en)
Inventor
Hiroaki Sekiyama
博昭 関山
Toshiyuki Nanba
利行 難波
Shojiro Takeuchi
彰次郎 竹内
Keisuke Okamoto
圭介 岡本
Yoshihiro Oe
義博 大栄
Yoshihiro Suda
義大 須田
Yoichi Sato
洋一 佐藤
Daisuke Yamaguchi
大助 山口
Shiro Kumano
史朗 熊野
Takashi Ichihara
隆司 市原
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
Foundation for the Promotion of Industrial Science
Original Assignee
Toyota Motor Corp
Foundation for the Promotion of Industrial Science
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, Foundation for the Promotion of Industrial Science filed Critical Toyota Motor Corp
Priority to JP2009217030A priority Critical patent/JP2011065527A/ja
Priority to US13/496,777 priority patent/US20120232741A1/en
Priority to DE112010003678T priority patent/DE112010003678T5/de
Priority to PCT/JP2010/061040 priority patent/WO2011033840A1/ja
Priority to CN2010800414878A priority patent/CN102549628A/zh
Publication of JP2011065527A publication Critical patent/JP2011065527A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • 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
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • 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
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/16—Control of vehicles or other craft
    • G09B19/167—Control of land vehicles
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes
    • G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
    • G09B9/04—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles
    • G09B9/052—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of land vehicles characterised by provision for recording or measuring trainee's performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Traffic Control Systems (AREA)
  • Time Recorders, Dirve Recorders, Access Control (AREA)

Abstract

【課題】より実情に合った運転の評価を行なうことが可能な運転評価システム、車載機及び情報処理センターを提供する。
【解決手段】エコ運転確率密度推定部２３１及びエコ運転意識事前学習部２４１が、自車両が運転される状況それぞれに対する自車両のドライバーの運転の評価基準を、運転の評価のたびに再設定する。このため、一律に運転を評価する基準を設定する場合に比べて、運転の評価基準を評価時の実情に合わせて設定することが可能となる。また、エコ運転可能度・熟練度推定部１６１及びエコ運転意識度推定部１７１が、エコ運転確率密度推定部２３１及びエコ運転意識事前学習部２４１が再設定した評価基準によって、自車両のドライバーの運転を評価する。このため、より実情に合った運転の評価を行なうことが可能となる。
【選択図】図１

Description

本発明は、運転評価システム、車載機及び情報処理センターに関し、特には、車両が運転される状況それぞれに対する車両のドライバーの運転を評価するための運転評価システム、車載機及び情報処理センターに関する。
車両のドライバーの運転を評価し、ドライバーの安全運転や低燃費運転（以下、エコ運転と呼ぶことがある）に対する意識を高めるための技術が提案されている。例えば、特許文献１には、車両の運転状況を検出して記録し、記録した車両の運転状況に基づいて運転者の安全運転行為を判定し、その判定結果に基づいて運転者の安全運転度を評価し、評価結果の安全運転度を記録する装置が開示されている。
特開２００２−２２５５８６号公報
ところで、上記のような技術においては、ドライバーの運転を評価する基準は、一般道路、高速道路、市街路、登坂路及び渋滞路といったそれぞれの運転状況において、一定の基準が設定されている。例えば、安全運転を評価する基準として、一般道路よりも高速道路では、車速の基準値が速く設定される。また、エコ運転を評価する基準として、一般道路よりも渋滞路では、燃費やアクセル操作量の基準値が高く設定される。そして、このような基準値は、通常、一般の車両が通行する道路又はテストコース等の幾つかの模擬コースを測定用の車両が走行し、その走行時に測定されたデータにより決定されている。
しかしながら、上記のように、車両が運転される状況それぞれについて、一律に運転を評価する基準を設定した場合、実際の車両の走行においては、ドライバーが安全運転やエコ運転を意識した運転をしようとしても、困難な場合がある。現実には、同じ場所や同じ時刻であっても、速度などの自車両の状況や、渋滞のような周辺車両の影響により、安全運転やエコ運転を行う困難さは多様に変動する。そのため、装置やシステムにより決定された運転の評価結果と、ドライバーの運転に対する努力や意識とは、乖離が生じる。そのため、上記の技術のように、一律に運転を評価する基準を設定した場合には、運転の評価がドライバーの努力に合致していないため、ドライバーが違和感を覚える恐れがある。このような場合、最終的には、ドライバーが装置やシステムに不信感を抱き、装置やシステムを継続的に利用するに至らない。このようなことは、複数のドライバーが長期にわたって取り組む必要があるエコ運転において特に問題となる。
本発明は、このような実情に考慮してなされたものであり、その目的は、より実情に合った運転の評価を行なうことが可能な運転評価システム、車載機及び情報処理センターを提供することにある。
本発明は、一の車両が運転される状況それぞれに対する一の車両のドライバーの運転の評価基準を、運転の評価のたびに再設定する評価基準再設定ユニットと、評価基準再設定ユニットが再設定した評価基準によって、一の車両のドライバーの運転を評価する評価ユニットとを備えた運転評価システムである。
この構成によれば、評価基準再設定ユニットが、一の車両が運転される状況、すなわち、道路線形や勾配などの走行路の状態、速度などの自車両の状態及び渋滞等の周辺車両の状況それぞれに対する一の車両のドライバーの運転の評価基準を、運転の評価のたびに再設定する。このため、一律に運転を評価する基準を設定する場合に比べて、運転の評価基準を評価時の実情に合わせて設定することが可能となる。また、評価ユニットが、評価基準再設定ユニットが再設定した評価基準によって、一の車両のドライバーの運転を評価する。このため、より実情に合った運転の評価を行なうことが可能となる。
この場合、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する運転の評価値の確率分布を推定し、評価ユニットは、一の車両が運転された状況における評価値の確率分布と、一の車両が運転された状況における一の車両の実際の運転の評価値とに基づいて、一の車両のドライバーの運転を評価することが好適である。
この構成によれば、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する運転の評価値の確率分布を推定する。このため、統計的に当該状況における運転の困難さを定量化することができる。また、評価ユニットは、一の車両が運転された状況における評価値の確率分布と、一の車両が運転された状況における一の車両の実際の運転の評価値とに基づいて、一の車両のドライバーの運転を評価するため、統計に基づいて定量的に、より実情に合った運転の評価を行なうことが可能となる。
この場合、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する不特定多数の車両、及び一の車両が運転される状況それぞれに対する一の車両と同一車種の不特定多数の車両の少なくともいずれかの運転の評価値の確率分布を推定することが好適である。
この構成によれば、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する不特定多数の車両、及び一の車両が運転される状況それぞれに対する一の車両と同一車種の不特定多数の車両の少なくともいずれかの運転の評価値の確率分布を推定する。このため、運転の評価基準を、不特定多数の車両の運転の統計に基づいて、当該状況における運転の困難さをより実情に合うように定量化することができる。
また、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する運転の評価値の確率分布に係る確率密度関数をカーネル密度推定により推定することが好適である。
あるいは、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する運転の評価値の確率分布に係る確率密度関数を混合正規分布による近似により推定することが好適である。
この構成によれば、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する運転の評価値の確率分布に係る確率密度関数を混合正規分布による近似により推定する。混合正規分布は、標本数を減らすことができる。このため、確率密度関数を推定する計算時間を短縮することが可能となる。
また、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する運転操作から、一の車両が運転される状況それぞれに対する一の車両のドライバーの意識状態を推定し、評価ユニットは、一の車両が運転された状況における推定された一の車両のドライバーの意識状態と、一の車両が運転された状況における実際の一の車両のドライバーの運転操作とに基づいて、一の車両のドライバーの運転を評価することが好適である。
この構成によれば、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する運転操作から、一の車両が運転される状況それぞれに対する一の車両のドライバーの意識状態を推定する。このため、当該状況におけるドライバーの意識状態を適切に推定することができる。また、評価ユニットは、一の車両が運転された状況における推定された一の車両のドライバーの意識状態と、一の車両が運転された状況における実際の一の車両のドライバーの運転操作とに基づいて、一の車両のドライバーの運転を評価する。このため、ドライバーの意識状態と実際に行なわれた運転操作との関係においてドライバーの運転を評価することができ、ドライバーの運転に対する意識も含めた運転の評価を行なうことが可能となる。
この場合、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する一の車両のドライバーの運転操作の統計から、一の車両が運転される状況それぞれに対する一の車両のドライバーの意識状態を推定することが好適である。
この構成によれば、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する一の車両のドライバーの運転操作の統計から、一の車両が運転される状況それぞれに対する一の車両のドライバーの意識状態を推定する。このため、一の車両のドライバー自身について、高い精度で意識状態を推定することが可能となる。
あるいは、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する不特定多数の車両のドライバーの運転操作の統計から、一の車両が運転される状況それぞれに対する一の車両のドライバーの意識状態を推定することが好適である。
この構成によれば、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する不特定多数の車両のドライバーの運転操作の統計から、一の車両が運転される状況それぞれに対する一の車両のドライバーの意識状態を推定する。このため、一の車両のドライバー自身について蓄積されたデータが少ない場合でも、ただちに一の車両のドライバーの意識状態を推定することが可能となる。
また、評価基準再設定ユニットは、一の車両のドライバーの意識状態を動的ベイジアンネットワークにより推定することが好適である。
この構成によれば、評価基準再設定ユニットは、一の車両のドライバーの意識状態を動的ベイジアンネットワークにより推定する。このため、ドライバーの意識状態に対する運転操作の因果関係を定量的に推定することが可能となる。
あるいは、評価基準再設定ユニットは、一の車両のドライバーの意識状態をサポートベクターマシンにより推定することが好適である。
この構成によれば、評価基準再設定ユニットは、一の車両のドライバーの意識状態をサポートベクターマシンにより推定する。このため、推定のために蓄積されたデータが少ない場合でも、ドライバーの意識状態を推定することが可能となる。
また、一の車両が運転される状況は、一の車両の運転される時間及び場所の少なくともいずれかを含むことが好適である。
この構成によれば、一の車両が運転される状況は、一の車両の運転される時間及び場所の少なくともいずれかを含む。このため、車両が運転される時間又は場所に対するドライバーの運転を評価することができる。
また、評価ユニットは、一の車両のドライバーの運転が低燃費を達成した度合を評価することが好適である。
上記本発明の運転評価システムは、より実情に合った運転の評価を行なうことが可能であるため、ドライバーがシステムに対し違和感を抱き難く、当該システムの利用を継続し易い。そのため、長期間の取り組みが重要となるエコ運転を評価する際に特に効力を発揮する。
一方、本発明は、自車両が運転される状況それぞれに対して、運転の評価のたびに再設定された自車両のドライバーの運転の評価基準によって、自車両のドライバーの運転を評価する評価ユニットを備えた車載機である。
この場合、自車両のドライバーの運転の評価基準は、自車両が運転される状況それぞれに対して推定された運転の評価値の確率分布であり、評価ユニットは、自車両が運転された状況における評価値の確率分布と、自車両が運転された状況における自車両の実際の運転の評価値とに基づいて、自車両のドライバーの運転を評価することが好適である。
この場合、自車両のドライバーの運転の評価基準は、自車両が運転される状況それぞれに対して推定された不特定多数の車両、及び自車両が運転される状況それぞれに対する自車両と同一車種の不特定多数の車両の少なくともいずれかの運転の評価値の確率分布であることが好適である。
また、自車両のドライバーの運転の評価基準は、自車両が運転される状況それぞれに対して、運転の評価値の確率分布に係る確率密度関数をカーネル密度推定により推定されたものであることが好適である。
あるいは、自車両のドライバーの運転の評価基準は、自車両が運転される状況それぞれに対して、運転の評価値の確率分布に係る確率密度関数を混合正規分布による近似により推定されたものであることが好適である。
また、自車両のドライバーの運転の評価基準は、自車両が運転される状況それぞれに対する運転操作から推定された自車両が運転される状況それぞれに対する自車両のドライバーの意識状態であり、評価ユニットは、自車両が運転された状況における推定された自車両のドライバーの意識状態と、自車両が運転された状況における実際の自車両のドライバーの運転操作とに基づいて、自車両のドライバーの運転を評価することが好適である。
この場合、自車両のドライバーの運転の評価基準は、自車両が運転される状況それぞれに対する自車両のドライバーの運転操作の統計から推定された自車両が運転される状況それぞれに対する自車両のドライバーの意識状態であることが好適である。
あるいは、自車両のドライバーの運転の評価基準は、自車両が運転される状況それぞれに対する不特定多数の車両のドライバーの運転操作の統計から推定された自車両が運転される状況それぞれに対する自車両のドライバーの意識状態であることが好適である。
また、自車両のドライバーの意識状態は動的ベイジアンネットワークにより推定されたものであることが好適である。
あるいは、自車両のドライバーの意識状態はサポートベクターマシンにより推定されたものであることが好適である。
また、自車両が運転される状況は、自車両の運転される時間及び場所の少なくともいずれかを含むことが好適である。
また、評価ユニットは、自車両のドライバーの運転が低燃費を達成した度合を評価することが好適である。
一方、本発明は、一の車両のドライバーの運転を評価するための評価基準を設定する情報処理センターであって、一の車両が運転される状況それぞれに対する一の車両のドライバーの運転の評価基準を、運転の評価のたびに再設定する評価基準再設定ユニットを備えた情報処理センターである。
この場合、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する運転の評価値の確率分布を推定することが好適である。
この場合、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する不特定多数の車両、及び一の車両が運転される状況それぞれに対する一の車両と同一車種の不特定多数の車両の少なくともいずれかの運転の評価値の確率分布を推定することが好適である。
また、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する運転の評価値の確率分布に係る確率密度関数をカーネル密度推定により推定することが好適である。
あるいは、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する運転の評価値の確率分布に係る確率密度関数を混合正規分布による近似により推定することが好適である。
また、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する運転操作から、一の車両が運転される状況それぞれに対する一の車両のドライバーの意識状態を推定することが好適である。
この場合、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する一の車両のドライバーの運転操作の統計から、一の車両が運転される状況それぞれに対する一の車両のドライバーの意識状態を推定することが好適である。
あるいは、評価基準再設定ユニットは、評価基準として、一の車両が運転される状況それぞれに対する不特定多数の車両のドライバーの運転操作の統計から、一の車両が運転される状況それぞれに対する一の車両のドライバーの意識状態を推定することが好適である。
また、評価基準再設定ユニットは、一の車両のドライバーの意識状態を動的ベイジアンネットワークにより推定することが好適である。
あるいは、評価基準再設定ユニットは、一の車両のドライバーの意識状態をサポートベクターマシンにより推定することが好適である。
また、一の車両が運転される状況は、一の車両の運転される時間及び場所の少なくともいずれかを含むことが好適である。
また、評価基準は、一の車両のドライバーの運転が低燃費を達成した度合を評価するためのものであることが好適である。
本発明の運転評価システム、車載機及び情報処理センターによれば、より実情に合った運転の評価を行なうことが可能となる。
実施形態に係る運転診断システムの構成を示すブロック図である。 実施形態に係る運転診断システムの動作を示すシーケンス図である。 図２のエコ運転確率密度の推定処理の手順を示すフロー図である。 燃費ｍ、観測変数Ｚ及び確率密度ｐの関係を示すグラフ図である。 燃費ｍ、ある時刻ｔにおける観測変数Ｚｔに対する確率密度ｐの確率密度関数を示すグラフ図である。 図２のエコ運転意識事前学習の手順を示すフロー図である。 エコ運転意識ｘと運転操作ｚとに関する状態遷移図である。 １つのエコ運転意識ｘに対する運転操作ｚを示す状態遷移図である。 運転操作ｘｉの統計量と確率との関係を示すグラフ図である。 ＳＶＭを用いたエコ運転意識事前学習を示すフロー図である。 観測変数データｘ１，ｘ２についてのエコ運転意識のサンプルデータを示すグラフ図である。 図１２のグラフにおけるエコ運転意識のクラス分け関数を示す図である。 図２の熟練度推定の手順を示すフロー図である。 現在の燃費ｍｔに対するエコ運転可能度を示すグラフ図である。 エコ運転可能度及び熟練度の表示例を示す図である。 動的ベイジアンネットワークを用いた図２のエコ運転意識度の推定の手順を示すフロー図である。 観測変数である運転操作ｚから意識状態ｘの事後確率を算出する手法に関する状態遷移図である。 ＳＶＭを用いたエコ運転意識度の推定の手順を示すフロー図である。 図１３のクラス分け関数を用いたエコ運転意識の有無の判定を示すグラフ図である。
以下、図面を参照して、本発明に係る運転評価システムについて説明する。
図１に示すように、本実施形態の運転評価システム１０は、車載システム１００と情報処理センター２００とを備える。本実施形態の運転評価システムは、自車両のドライバーのエコ運転の達成度や、エコ運転に対する意識を評価するためのシステムである。具体的には、本実施形態では、自車両のドライバーに対して、ドライバーのエコ運転可能度、熟練度及びエコ運転意識度が表示され、これらの指標に基づくアドバイスが自車両のドライバーに与えられる。
エコ運転可能度とは、ある運転の状況のときに、ドライバー個人や不特定多数のドライバーから得られた学習サンプルに比べ、自車両のドライバーが燃費等の運転の評価値を改善できる度合を示す指標である。エコ運転可能度が小さいときは、ドライバーに対して、現状のままの運転を促すアドバイスが与えられる。一方、エコ運転可能度が大きいときは、ドライバーに対して、エコ運転をより実現するようなアドバイスが与えられる。
熟練度とは、ある運転の状況のときに、ドライバー個人や不特定多数のドライバーから得られた学習サンプルに比べ、ドライバーがどのくらいエコ運転に長けているかを表す指標である。熟練度が低いときは、ドライバーに対して、エコ運転の水準が未熟である旨のアドバイスが与えられる。一方、熟練度が高いときは、ドライバーに対して、エコ運転の水準が高い旨のアドバイスが与えられる。
エコ運転意識度とは、ある運転の状況のときに、ドライバー個人や不特定多数のドライバーから得られた学習サンプルに比べ、自車両のドライバーがエコ運転を意識して運転操作を行っているか否かの度合を示す指標である。エコ運転意識度が低いときは、ドライバーに対して、エコ運転を意識させるようなアドバイスが与えられる。一方、エコ運転意識度が高いときは、ドライバーに対して、さらにエコ運転意識度を高めるように、より的確なアドバイスが与えられる。
車載システム１００は、各々の車両に搭載される車載機である。車載システム１００は、アクセル開度センサ１１１、燃料噴出量センサ１１２、ブレーキセンサ１１３、車速センサ１１４、エンジン回転数センサ１１５、Ｇセンサ１１６、ＧＰＳ（Global Positioning System）１１７、車間距離計測装置１１８及びＶＩＣＳ（Vehicle Information and Communication System）１１９等のセンサ類を有する。アクセル開度センサ１１１は、自車両のアクセル開度を検出するセンサである。燃料噴出量センサ１１２は、シリンダー内への燃料噴射量を検出するセンサである。ブレーキセンサ１１３は、自車両のブレーキペダル操作量や、ホイールへの制動力を検出するセンサである。車速センサ１１４は、ホイールの車軸の回転速度から自車両の車速を検出するセンサである。エンジン回転数センサ１１５は、自車両のエンジンの回転数を検出するセンサである。Ｇセンサ１１６は、自車両の加速度や、自車両が走行する道路の勾配を検出するセンサである。ＧＰＳ１１７は、複数のＧＰＳ衛星からの信号をＧＰＳ受信機で受信し、各々の信号の相違から自車両の位置を測位するためのものである。車間距離計測装置１１８は、レーザ光やミリ波を用いて前方の車両や障害物との距離を測定するためのものである。ＶＩＣＳ１１９は、ＦＭ多重放送や道路上の光ビーコン送信機等から受信した交通情報を図形・文字で表示するためのシステムである。なお、その他のセンサ類を用いて、天候や走行時間帯など、ドライバーの運転操作に影響を与えるであろう他の要因を検出するようにしても良い。
車載システム１００は、シーン特定部１２１を有する。アクセル開度センサ１１１〜ＧＰＳ１１７の検出結果は、シーン特定部１２１に送信される。シーン特定部１２１では、ＧＰＳ１１７等で特定した自車両の位置と、不図示の地図情報とを用いることで、自車両の走行路の特定を行なう。また、シーン特定部１２１では、走行路の他の自車両が運転される状況や、車速、アクセル開度等のドライバーの運転操作を特定する。
車載システム１００は、走行データアップロード処理部１３１を有する。シーン特定部１２１で特定された走行路や、自車両が運転される状況や、ドライバーの運転操作に関する情報は、走行データアップロード処理部１３１に送信される。走行データアップロード処理部１３１は、シーン特定部１２１で特定された自車両が運転される状況に関する情報を、情報処理センター２００にアップロードする形式に変換する。
車載システム１００は、通信制御部１４１を有する。走行データアップロード処理部１３１で変換された走行路や、自車両が運転される状況や、ドライバーの運転操作に関する情報は、通信制御部１４１により情報処理センター２００にアップロードされる。また、通信制御部１１４は、情報処理センター２００から、後述するエコ運転確率密度及びエコ運転意識事前学習結果をダウンロードする。
車載システム１００は、エコ運転確率密度・エコ運転意識事前学習結果ＤＢ１５１を有する。エコ運転確率密度・エコ運転意識事前学習結果ＤＢ１５１は、情報処理センター２００からダウンロードされたエコ運転確率密度及びエコ運転意識事前学習結果が記録される。
車載システム１００は、エコ運転可能度・熟練度推定部１６１を有する。エコ運転可能度・熟練度推定部１６１は、エコ運転確率密度・エコ運転意識事前学習結果ＤＢ１５１に記録されたエコ運転確率密度と、アクセル開度センサ１１１等のセンサから検出された自車両のドライバーの運転とを比較し、後述するエコ運転可能度及び熟練度を求める。
車載システム１００は、エコ運転意識度推定部１７１を有する。エコ運転意識度推定部１７１は、エコ運転確率密度・エコ運転意識事前学習結果ＤＢ１５１に記録されたエコ運転意識事前学習結果と、自車両のドライバーの運転操作とから、後述するドライバーのエコ運転意識度の推定を行う。
車載システム１００は、ディスプレイ１８１及びスピーカ１８２を有する。ディスプレイ１８１及びスピーカ１８２は、エコ運転可能度・熟練度推定部１６１が推定したエコ運転可能度及び熟練度、並びにエコ運転意識度推定部１７１が推定したエコ運転意識度を、ドライバーに表示する。
一方、情報処理センター２００は、通信制御部２１１、ユーザ全体走行履歴ＤＢ２２１、エコ運転確率密度推定部２３１、エコ運転意識事前学習部２４１、エコ運転可能度ＤＢ２５１及びエコ運転意識事前学習結果ＤＢ２６１を有する。通信制御部２１１は、自車両やその他の車両に搭載された車載システム１００から、本実施形態の運転評価システム１０のユーザ（登録された会員とすることができる）それぞれの車両が運転される状況やドライバーの運転操作に関する情報を受信する。
ユーザ全体走行履歴ＤＢ２２１は、通信制御部２１１が受信した各ユーザの車両が運転される状況やドライバーの運転操作に関する情報を記録する。エコ運転確率密度推定部２３１は、ユーザ全体走行履歴ＤＢ２２１に記録された各ユーザの車両が運転される状況やドライバーの運転操作に関する情報に基づいて、後述するように、エコ運転に関する燃費等の評価値の確率分布であるエコ運転確率密度を推定する。
エコ運転意識事前学習部２４１は、ユーザ全体走行履歴ＤＢ２２１に記録された各ユーザの車両が運転される状況やドライバーの運転操作に関する情報に基づいて、車載システム１００でのエコ運転意識度の推定に用いるエコ運転意識事前学習結果を算出する。
エコ運転可能度ＤＢ２５１は、エコ運転確率密度推定部２３１が推定したエコ運転確率密度を記録する。エコ運転意識事前学習結果ＤＢ２６１は、エコ運転意識事前学習部２４１が算出したエコ運転事前学習結果を記録する。エコ運転可能度ＤＢ２５１に記録されたエコ運転確率密度及びエコ運転意識事前学習結果ＤＢ２６１に記録されたエコ運転意識事前学習結果は、通信制御部２１１により車載システム１００に送信される。
以下、本実施形態の運転評価システム１０の動作について説明する。まず、図２を参照して、本実施形態の運転評価システム１０の動作の概略について説明する。図２に示すように、車載システム１００のシーン特定部１２１は、ＧＰＳ１１７等で特定した自車両の位置情報あるいは地図情報を用いることで、自車両の走行路の特定を行なう（Ｓ１）。走行路を特定する手法は、ＧＰＳ１１７の位置情報で特定する手法、地図情報における経路ごとに特定する手法、所定の時刻ごと特定する手法、及び距離ごとに特定する手法が考えられる。走行路を特定する手法は、情報処理センター２００にアップロードするデータ量に対する通信の制約や、エコ運転可能度・熟練度の判定やエコ運転意識度推定で用いるデータ量とドライバーへ提示する情報量とにより決定される。
車載システム１００の走行データアップロード処理部１３１は、特定された走行路と、アクセル開度センサ１１１〜ＧＰＳ１１７で取得した自車両が運転される状況やドライバーの運転操作に関する情報とを、情報処理センター２００にアップロードする形式に変換する。変換されたデータは、通信制御部１４１により情報処理センター２００にアップロードされる（Ｓ２）。この場合のアップロードされるデータの形式は、通信の制約や、エコ運転可能度・熟練度の判定やエコ運転意識度推定の処理に依存する。例えば、通信制約がある場合、走行データアップロード処理部１３１は、走行経路ごとのアクセル開度分布や加速度分布のように、アクセル開度センサ１１１〜ＧＰＳ１１７で取得したデータを変換する。しかし、通信の制約等がない場合、アクセル開度センサ１１１〜ＧＰＳ１１７で取得したデータをそのまま情報処理センター２００にアップロードすることも可能である。
情報処理センター２００の通信制御部２１１は、アップロードされたデータを受信し、ユーザ全体走行履歴ＤＢ２２１に記録する（Ｓ３）。このようにして、情報処理センター２００では、自車両の他、不特定多数のユーザから同様のデータの収集を行なう。
情報処理センター２００のエコ運転確率密度推定部２３１は、ユーザ全体走行履歴ＤＢ２２１に記録された情報を基に、エコ運転確率密度を推定する（Ｓ４）。エコ運転確率密度は、後に詳述するように、ある走行経路、ある位置、あるいはある時刻において、１つ、又は複数の加速度、速度、アクセル開度等の観測変数を用いて、不特定多数のドライバーの運転の燃費等の評価値の確率分布を推定することにより行なわれる。但し、一般的に車種ごとに車両特性が変わるため、確率分布の推定は車種ごとに行うことも考えられる。
情報処理センター２００のエコ運転意識事前学習部２４１は、ユーザ全体走行履歴ＤＢ２２１に記録された情報を基に、エコ運転意識事前学習結果を算出する（Ｓ５）。エコ運転意識事前学習結果の算出は、後に詳述するように、ある走行経路、ある位置、あるいはある時刻における特定のあるいは不特定多数のドライバーの運転操作から、当該ドライバーのエコ運転に関する意識を推定することにより行われる。
情報処理センター２００の通信制御部２１１は、エコ運転確率密度推定部２３１が推定したエコ運転確率密度と、エコ運転意識事前学習部２４１が算出したエコ運転意識事前学習結果とを、車載システム１００に送信する処理を行う（Ｓ６）。
車載システム１００の通信制御部１４１は、情報処理センター２００から送信されたある走行経路、ある位置、あるいはある時刻におけるエコ運転確率密度及びエコ運転意識事前学習結果を受信し、エコ運転確率密度・エコ運転意識事前学習結果ＤＢ１５１に記録する（Ｓ７）。
車載システム１００のエコ運転可能度・熟練度推定部１６１は、ある走行経路、ある位置、あるいはある時刻におけるエコ運転確率密度と、当該走行経路等における自車両のドライバーの運転とを比較し、エコ運転可能度及び熟練度を求める（Ｓ８）。なお、ドライバーの運転を評価するための評価値は、情報処理センター２００のエコ運転確率密度推定部２３１におけるエコ運転確率密度の算出方法や、車載システム１００のディスプレイ１８１等によるドライバーへの情報提示の方法によって決まる。通常は、評価値として燃費、アクセル開度、加速度等が用いられる。
車載システム１００のエコ運転意識度推定部１７１は、ある走行経路、ある位置、あるいはある時刻におけるエコ運転意識事前学習結果と、当該走行経路等におけるドライバーの実際の運転操作（アクセル操作やブレーキ操作等）とから、ドライバーのエコ運転意識度の推定を行う（Ｓ９）。
この後は、車載システム１００のディスプレイ１８１やスピーカ１８２は、エコ運転可能度・熟練度推定部１６１により求められたエコ運転可能度及び熟練度をドライバーに対して表示する。車載システム１００のディスプレイ１８１やスピーカ１８２は、エコ運転意識度推定部１７１により求められたエコ運転意識度に従って、ドライバーに対してアドバイスを行なう。
以下、本実施形態の運転評価システム１０の動作の詳細について、特に、図２におけるＳ４のエコ運転確率密度推定、Ｓ５のエコ運転意識事前学習、Ｓ８のエコ運転可能度・熟練度推定、及びＳ９のエコ運転意識度推定について説明する。
（エコ運転確率密度推定）
図２におけるＳ４のエコ運転確率密度推定では、図３に示すように、エコ運転確率密度推定部２３１は、ある場所、ある時刻等の走行履歴情報をユーザ全体走行履歴ＤＢ２２１から取得する（Ｓ４１）。この場合、車載システム１００の側で前回の処理により導出されたエコ運転可能度のデータを情報処理センター２００が受信することによって、走行履歴情報を時刻や車両ごと等にさらに所得することも可能である。
エコ運転確率密度推定部２３１は、観測変数Ｚについて、運転の評価値の確率密度関数を推定する（Ｓ４２）。ここで、観測変数Ｚとは、ユーザ全体走行履歴ＤＢから取得した運転の状況に関する変数である。観測変数Ｚには、道路勾配、道路線形当の静的周囲状況と、前後車両との車間距離、渋滞情報等の動的周囲状況と、ステアリング操作、アクセル開度等の運転行動と、速度、加速度等の車両状況とに分けられる。
エコ運転確率密度推定部２３１は、これらの観測変数Ｚについて、例えば図４に示すような、時刻ｔにおける観測変数ＺがＺ＝Ｚｔである状況において、図５に示すような確率密度関数ｐ（ｍ｜Ｚｔ）を推定する。ただし、図４及び図５の例では、運転の評価値として横軸のパラメータを燃費ｍ（Ｌ／ｋｍ）としているが、加速度、アクセル開度等のパラメータを用いることも可能である。
エコ運転確率密度推定部２３１は、確率密度関数ｐの推定をカーネル密度推定で行う。下式（１）に、ｋ個の多変数の場合の確率密度関数ｐを示す。
Figure 2011065527
一方、エコ運転確率密度推定部２３１は、確率密度関数ｐの推定を、下式（２）で示される混合正規分布近似を用いて行なっても良い。ＥＭ（Exception-Maximization）アルゴリズムを用いた混合正規分布近似によれば、確率密度関数ｐの推定をリアルタイムに行い、計算時間を短縮することが可能となる。下式（２）によれば、一点の確率を求めるためにＮ回の計算が必要である。Ｎ個点の確率は、Ｎ×Ｎである。
Figure 2011065527
下式（３）によれば、一点の確率を求めるためにＭ回の計算が必要である。Ｎ個点の確率は、Ｎ×Ｍである。
Figure 2011065527
初期値μｒ，ωｒが与えられた場合、条件付確率ｐｒ（Ｚ＝ｒ）は下式（４）のようになる。
Figure 2011065527
更新値は下式（５）のようになる。再度、式（４）による計算が繰り返される。
Figure 2011065527
なお、以上の例では、不特定多数のユーザのデータから確率密度関数ｐを推定したが、自車両のドライバー固有のデータに基づいて、確率密度関数ｐを推定しても良い。
（エコ運転意識事前学習）
図２におけるＳ５のエコ運転意識事前学習では、図６に示すように、情報処理センター２００のエコ運転意識事前学習部２４１は、動的ベイジアンネットワークの手法を用いて、自車両のドライバーに固有のエコ運転意識の学習データ、あるいは不特定多数のドライバーのエコ運転意識の学習データを算出する。このような動的ベイジアンネットワークあるいは後述のサポートベクターマシンを用いた学習に使用するデータは、図１及び図２に示すように、実際の道路を走行する車両からフィールドデータとして収集することも可能であるし、テストコース等で試走を行い、収集されたデータから学習することも可能である。
図６に示すように、動的ベイジアンネットワークの手法によるエコ運転意識事前学習において、エコ運転意識事前学習部２４１は、尤度モデルの事前学習を行なう（Ｓ５１）。エコ運転意識事前学習部２４１は、遷移モデルの学習を行なう（Ｓ５２）。エコ運転意識事前学習部２４１は、意識状態の事前確率の学習を行なう（Ｓ５３）。
ここで、図７に示すように、運転操作ｚｔの集合に対する意識状態ｘｔの尤度をｐ（ｚｔ｜ｘｔ）と定義する。運転操作ｚｔとしては、図８に示すように、例えば、アクセル開度ｚ１、ブレーキ踏み込み量ｚ２等として、ある地点の瞬間値又は統計量（標準偏差等）を用いる。ある地点は、車載システム１００のＧＰＳ１１７の情報による当該地点の情報、地図データの道路情報に合わせて補正した後の当該地点の情報、地図データの走行経路の情報、及び任意に決定することができる一定距離等により定義することができる。また、尤度分布は、運転操作ｚｔ間の独立性を仮定して、下式（６）のようにし、図９に示すようなヒストグラムにてモデル化することができる。
Figure 2011065527
また、意識状態ｘの遷移モデルをｐ（ｘｔ｜ｘｔ−１）と定義する。ここでは、１次マルコフ連鎖を仮定する。しかし、より高次のモデルを仮定しても良い。さらに意識状態ｘの事前確率をｐ（ｘ０）と定義する。さらに、以下のように定義する。
ｎ：ｎ番目の走行データ
Ｎ：走行データ数、
τ：対象走行データ中のフレーム番号
Ｔｎ：ｎ番目の走行データ中のフレーム数
ｚｉ，ｎ，τ：ｎ番目の走行データのτ番目のフレームでの運転操作ｉの統計量
ｘｎ，τ：ｎ番目の走行データのτ番目のフレームでのエコ意識状態
δ（Ｃ）：条件Ｃが真なら１、偽なら０を返す関数。
尤度モデルの事前学習は、下式（７）のようにして行なうことができる。
Figure 2011065527
遷移モデルの学習は、下式（８）のようにして行なうことができる。
Figure 2011065527
意識状態ｘの事前確率の学習は、下式（９）のようにして行なうことができる。
Figure 2011065527
一方、エコ運転意識事前学習部２４１は、図１０に示すように、サポートベクターマシン（Support Vector Machine：以下、ＳＶＭと呼ぶことがある）を用いてエコ運転意識事前学習を行っても良い（Ｓ５０１）。図１１に２つの観測変数ｘ１，ｘ２についてのデータが得られている例を示す。ｘ＝［ｘ１ ｘ２］Ｔ、ａ＝［ａ１ ａ２］Ｔ、ξｉを２クラスに分類する関数とデータとの距離として、図１１のデータにソフトマージンＳＶＭの手法を適用すると、図１２に示すようになる。図１２に示すソフトマージンＳＶＭでは、下記の下式（１０）に示す評価関数Ｌが最小となるように、ａ，ｂを求め、エコ意識のＯＮ及びＯＦＦの境界を求める。下式（１０）において、ｌはマージンを破ったデータ数であり、Ｃは、マージンを破るコストの重み（ペナルティーパラメータ、定数）である。ここでＣは定数であり、クラス分けが最適になるように任意に決定される。
Figure 2011065527
以上のエコ運転意識事前学習においては、自車両のドライバー個人のデータのみを用いてドライバー個人に特化したモデルを算出することができる。この場合、当該ドライバーについての認識精度が高くなる利点がある。一方、不特定多数のドライバーのデータを用いて、汎用のモデルを算出することもできる。この場合、未知のドライバーに対しても、直ちに認識を開始可能であるという利点がある。
（エコ運転可能度・熟練度推定）
図２におけるＳ８のエコ運転可能度・熟練度推定では、図１３に示すように、車載システム１００のエコ運転可能度・熟練度推定部１６１は、ある場所及びある時刻のエコ運転可能度をエコ運転確率密度・エコ運転意識事前学習結果ＤＢ１５１から取得する（Ｓ８１）。ここで、ある場所とは、車載システム１００のＧＰＳ１１７の情報による当該地点の情報、地図データの道路情報に合わせて補正した後の当該地点の情報、地図データの走行経路の情報、及び任意に決定することができる一定距離等により定義することができる。また、同様に、ある時刻とは、任意に決定する時間帯により定義することができる。Ｓ８１における処理は、上記のように定義され、図２におけるＳ４のエコ運転確率密度推定で推定された確率密度に関する情報をエコ運転確率密度・エコ運転意識事前学習結果ＤＢ１５１から取得する処理である。
エコ運転可能度・熟練度推定部１６１は、上記のある場所及びある時刻と同じ場所及び時刻におけるアクセル開度センサ１１１〜ＧＰＳ１１７から得られた自車両の情報を計算する（Ｓ８２）。ここで、ユーザである自車両のドライバーに提示する情報が、燃費に基づく熟練度であるなら、燃費の計算を行う。しかし、前後の加速度、アクセル開度、ブレーキ操作量等のエコ運転に関わる操作量に基づいたエコ運転可能度及び熟練度の計算も可能であるため、そのような場合は、それらの情報を計算する。
エコ運転可能度・熟練度推定部１６１は、Ｓ８１で取得したエコ運転確率密度とＳ８２で計算した自車両の情報とを比較し、エコ運転可能度を計算する（Ｓ８３）。ある地点及びある時刻のエコ運転可能度ｃｔは、図１４及び下式（１１）によって求められる。この場合のある場所とは、車載システム１００のＧＰＳ１１７の情報による当該地点の情報、地図データの道路情報に合わせて補正した後の当該地点の情報、地図データの走行経路の情報、及び任意に決定することができる一定距離等により定義することができる。また、同様に、ある時刻とは、任意に決定する時間帯により定義することができる。また、図１４の例では、エコ運転の評価値として燃費［Ｌ／ｋｍ］を利用しているが、加速度、アクセル開度等の他のパラメータを用いることも可能である。
Figure 2011065527
エコ運転可能度・熟練度推定部１６１は、Ｓ８３で求めたエコ運転可能度を利用して熟練度を計算する（Ｓ８４）。この場合の計算方法は、下式（１２）〜（１５）の方法が考えられる。
Figure 2011065527
エコ運転可能度・熟練度推定部１６１は、Ｓ８３及びＳ８４で求めたエコ運転可能度及び熟練度をユーザである自車両のドライバーにディスプレイ１８１等で表示する（Ｓ８５）。ディスプレイ１８１への表示は、例えば図１５に示すようなメータによる表示を模して行なうことができる。また、エコ運転可能度及び熟練度のユーザへの提示は、図１５のような態様に限定されず、文字や音声をディスプレイ１８１やスピーカ１８２より出力することにより行なうことができる。
（エコ運転意識推定）
図２におけるＳ９のエコ運転意識度推定では、図１６に示すように、車載システム１００のエコ運転意識推定部１７１は、動的ベイジアンネットワークの手法を用いて、自車両のドライバーのエコ運転意識を推定する。エコ運転意識推定部１７１は、時刻ｔ＝０での意識状態確率＝事前確率とする（Ｓ９１）。エコ運転意識推定部１７１は、ｔに１を加算する（Ｓ９２）。
エコ運転意識推定部１７１は、現時刻ｔでの各観測変数の統計量を算出する（Ｓ９３）。観測変数には、ある地点の自車両の運転に関する情報である例えば、アクセル開度、ブレーキ踏み込み量等を用いる。ある地点とは、車載システム１００のＧＰＳ１１７の情報による当該地点の情報、地図データの道路情報に合わせて補正した後の当該地点の情報、地図データの走行経路の情報、及び任意に決定することができる一定距離等により定義することができる。現時刻ｔでの各観測変数の統計量は、現時刻ｔでの観測変数ｉの統計量ｚｉ，ｔとした場合に、瞬間値や移動標準偏差などが考えられる。現時刻ｔでの観測変数ｉの観測値をＯｉ，ｔとすると、統計量ｚｉ，ｔの瞬間値及び移動標準偏差は、下式（１６）により算出することができる。
Figure 2011065527
エコ運転意識推定部１７１は、図１７に示すような現時刻ｔでの意識状態の事後確率を算出する（Ｓ９４）。事後確率は、下式（１７）により算出することができる。上述のように、下式（１７）中で、ｐ（ｚｔ｜ｘｔ）は意識状態ｘｔの観測値ｚｔに対する尤度であり、Ｐ（ｘｔ｜ｘｔ−１）は意識状態ｘの遷移モデルである。
Figure 2011065527
エコ運転意識推定部１７１は、エコ意識の有無の判定を行う（Ｓ９５）。エコ意識の有無の判定は、下式（１８）により、算出することができる。エコ運転意識推定部１７１は、推定が終了するまで、Ｓ９２〜Ｓ９５の処理を繰り返す（Ｓ９６）。
Figure 2011065527
一方、エコ運転意識推定部１７１は、図１８に示すように、サポートベクターマシンを用いてエコ運転意識度推定を行っても良い。エコ運転意識推定部１７１は、エコ運転意識推定部１７１は、時刻ｔ＝０での意識状態確率＝事前確率とする（Ｓ９０１）。エコ運転意識推定部１７１は、ｔに１を加算する（Ｓ９０２）。エコ運転意識推定部１７１は、上記の動的ベイジアンネットワークの場合と同様に、現時刻ｔでの各観測変数の統計量を算出する（Ｓ９０３）。
エコ運転意識推定部１７１は、ＳＶＭによりエコ意識の有無を判定する（Ｓ９０４）。エコ意識の有無は、上述の図１２に示すように、情報処理センター２００のエコ運転意識事前学習部２４１がソフトマージンＳＶＭを用いた事前学習結果で求めたエコ意識の有無のクラス分け関数を用いて判定する。図１９は、エコ意識の有無の判定結果を示し、観測変数が２変数でエコ意識有りと判定した例である。図１９中にプロットされた入力データは、Ｓ９０３で求めた観測変数の統計量である。エコ運転意識推定部１７１は、このようにエコ運転意識のクラス分け関数により、入力データがエコ運転意識有りのクラスに分類される場合は、エコ運転意識が有ると判定する。エコ運転意識推定部１７１は、推定が終了するまで、Ｓ９２〜Ｓ９５の処理を繰り返す（Ｓ９０５）。
本実施形態によれば、エコ運転確率密度推定部２３１及びエコ運転意識事前学習部２４１が、自車両が運転される状況それぞれに対する自車両のドライバーの運転の評価基準を、運転の評価のたびに再設定する。このため、一律に運転を評価する基準を設定する場合に比べて、運転の評価基準を評価時の実情に合わせて設定することが可能となる。また、エコ運転可能度・熟練度推定部１６１及びエコ運転意識度推定部１７１が、エコ運転確率密度推定部２３１及びエコ運転意識事前学習部２４１が再設定した評価基準によって、自車両のドライバーの運転を評価する。このため、より実情に合った運転の評価を行なうことが可能となる。
また、本実施形態によれば、エコ運転確率密度推定部２３１は、評価基準として、自車両が運転される状況それぞれに対する運転の評価値の確率分布を推定する。このため、統計的に当該状況における運転の困難さを定量化することができる。また、エコ運転可能度・熟練度推定部１６１は、自車両が運転された状況における評価値の確率分布と、自車両が運転された状況における自車両の実際の運転の評価値とに基づいて、自車両のドライバーの運転を評価するため、統計に基づいて定量的に、より実情に合った運転の評価を行なうことが可能となる。
また、本実施形態によれば、エコ運転確率密度推定部２３１は、評価基準として、自車両が運転される状況それぞれに対する不特定多数の車両の運転の評価値の確率分布を推定する。このため、運転の評価基準を、不特定多数の車両の運転の統計に基づいて、当該状況における運転の困難さをより実情に合うように定量化することができる。
また、本実施形態によれば、エコ運転確率密度推定部２３１は、評価基準として、自車両が運転される状況それぞれに対する運転の評価値の確率分布に係る確率密度関数をカーネル密度推定により推定する。
あるいは本実施形態によれば、エコ運転確率密度推定部２３１は、は、評価基準として、自車両が運転される状況それぞれに対する運転、又は同じ車種の不特定多数のドライバーの運転の評価値の確率分布に係る確率密度関数を混合正規分布による近似により推定する。混合正規分布は、標本数を減らすことができる。このため、確率密度関数を推定する計算時間を短縮することが可能となる。
また、本実施形態によれば、エコ運転意識事前学習部２４１は、評価基準として、自車両が運転される状況それぞれに対する運転操作から、自車両が運転される状況それぞれに対する自車両のドライバーの意識状態を推定する。このため、当該状況におけるドライバーの意識状態を適切に推定することができる。また、エコ運転意識度推定部１７１は、自車両が運転された状況における推定された自車両のドライバーの意識状態と、自車両が運転された状況における実際の自車両のドライバーの運転操作とに基づいて、自車両のドライバーの運転を評価する。このため、ドライバーの意識状態と実際に行なわれた運転操作との関係においてドライバーの運転を評価することができ、ドライバーの運転に対する意識も含めた運転の評価を行なうことが可能となる。
また、本実施形態によれば、エコ運転意識事前学習部２４１は、評価基準として、自車両が運転される状況それぞれに対する自車両のドライバーの運転操作の統計から、自車両が運転される状況それぞれに対する自車両のドライバーの意識状態を推定する。このため、自車両のドライバー自身について、高い精度で意識状態を推定することが可能となる。
あるいは、本実施形態によれば、エコ運転意識事前学習部２４１は、評価基準として、自車両が運転される状況それぞれに対する不特定多数の車両のドライバーの運転操作の統計から、自車両が運転される状況それぞれに対する自車両のドライバーの意識状態を推定する。このため、自車両のドライバー自身について蓄積されたデータが少ない場合でも、ただちに自車両のドライバーの意識状態を推定することが可能となる。
また、本実施形態によれば、エコ運転意識事前学習部２４１は、自車両のドライバーの意識状態を動的ベイジアンネットワークにより推定する。このため、ドライバーの意識状態に対する運転操作の因果関係を定量的に推定することが可能となる。
あるいは、本実施形態によれば、エコ運転意識事前学習部２４１は、自車両のドライバーの意識状態をサポートベクターマシンにより推定する。このため、推定のために蓄積されたデータが少ない場合でも、ドライバーの意識状態を推定することが可能となる。
また、本実施形態によれば、自車両が運転される状況は、自車両の運転される時間及び場所を含む。このため、車両が運転される時間及び場所に対するドライバーの運転を評価することができる。
また、本実施形態の運転評価システム１０、車載システム１００及び情報処理センター２００は、より実情に合った運転の評価を行なうことが可能であるため、ドライバーがシステムに対し違和感を抱き難く、当該システムの利用を継続し易い。そのため、長期間の取り組みが重要となるエコ運転を評価する際に特に効力を発揮する。
尚、本発明は、上記した実施の形態に限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々変更を加え得ることは勿論である。例えば、上記実施形態では、車載システム１００と情報処理センター２００との間のエコ運転確率密度及びエコ運転意識事前学習結果等の情報の交換は、通信制御部１４１，２１１による無線通信により行なわれていたが、本発明では、当該情報の交換を、フロッピーディスク、光磁気ディスク、ＣＤ−Ｒ、フラッシュメモリ、ＵＳＢメモリ、リムーバルハードディスク等のリムーバルメディアを、ドライバーが情報処理センター２００に接続可能な端末に取り付けることによっても行なうことが可能である。
また、上記実施形態において、車載システム１００と情報処理センター２００とがそれぞれ有する構成要素は、車載システム１００と情報処理センター２００とのいずれに備えられていても良い。例えば、車載システム１００には、アクセル開度センサ１１１等のセンサと、ディスプレイ１７１等のドライバーへの表示手段と、通信制御部１４１のみが搭載され、それ以外の構成要素は情報処理センター２００が全て有するようにされていても良い。あるいは、情報処理センター２００を用いず、車載システム１００のみに運転評価システム１０の全ての構成要素が含まれる態様も、本発明の範囲に含まれる。
１０…運転評価システム、１００…車載システム、１１１…アクセル開度センサ、１１２…燃料噴出量センサ、１１３…ブレーキセンサ、１１４…車速センサ、１１５…エンジン回転数センサ、１１６…Ｇセンサ、１１７…ＧＰＳ、１１８…車間距離計測装置、１１９…ＶＩＣＳ、１２１…シーン特定部、１３１…走行データアップロード処理部、１４１…通信制御部、１５１…エコ運転確率密度・エコ運転意識事前学習結果ＤＢ、１６１…エコ運転可濃度・熟練度推定部、１７１…エコ運転意識度推定部、１８１…ディスプレイ、１８２…スピーカ、２００…情報処理センター、２１１…通信制御部、２２１…ユーザ全体走行履歴ＤＢ、２３１…エコ運転確率密度推定部、２４１…エコ運転意識事前学習部、２５１…エコ運転可能度ＤＢ、２６１…エコ運転意識事前学習結果ＤＢ。

Claims (36)

  1. 一の車両が運転される状況それぞれに対する前記一の車両のドライバーの運転の評価基準を、運転の評価のたびに再設定する評価基準再設定ユニットと、
    前記評価基準再設定ユニットが再設定した前記評価基準によって、前記一の車両のドライバーの運転を評価する評価ユニットと、
    を備えた運転評価システム。
  2. 前記評価基準再設定ユニットは、前記評価基準として、前記一の車両が運転される状況それぞれに対する運転の評価値の確率分布を推定し、
    前記評価ユニットは、前記一の車両が運転された状況における前記評価値の前記確率分布と、前記一の車両が運転された状況における前記一の車両の実際の運転の評価値とに基づいて、前記一の車両のドライバーの運転を評価する、請求項１に記載の運転評価システム。
  3. 前記評価基準再設定ユニットは、前記評価基準として、前記一の車両が運転される状況それぞれに対する不特定多数の車両、及び前記一の車両が運転される状況それぞれに対する前記一の車両と同一車種の不特定多数の車両の少なくともいずれかの運転の評価値の確率分布を推定する、請求項２に記載の運転評価システム。
  4. 前記評価基準再設定ユニットは、前記評価基準として、前記一の車両が運転される状況それぞれに対する運転の評価値の確率分布に係る確率密度関数をカーネル密度推定により推定する、請求項２又は３に記載の運転評価システム。
  5. 前記評価基準再設定ユニットは、前記評価基準として、前記一の車両が運転される状況それぞれに対する運転の評価値の確率分布に係る確率密度関数を混合正規分布による近似により推定する、請求項２又は３に記載の運転評価システム。
  6. 前記評価基準再設定ユニットは、前記評価基準として、前記一の車両が運転される状況それぞれに対する運転操作から、前記一の車両が運転される状況それぞれに対する前記一の車両のドライバーの意識状態を推定し、
    前記評価ユニットは、前記一の車両が運転された状況における推定された前記一の車両のドライバーの意識状態と、前記一の車両が運転された状況における実際の前記一の車両のドライバーの運転操作とに基づいて、前記一の車両のドライバーの運転を評価する、請求項１〜５のいずれか１項に記載の運転評価システム。
  7. 前記評価基準再設定ユニットは、前記評価基準として、前記一の車両が運転される状況それぞれに対する前記一の車両のドライバーの運転操作の統計から、前記一の車両が運転される状況それぞれに対する前記一の車両のドライバーの意識状態を推定する、請求項６に記載の運転評価システム。
  8. 前記評価基準再設定ユニットは、前記評価基準として、前記一の車両が運転される状況それぞれに対する不特定多数の車両のドライバーの運転操作の統計から、前記一の車両が運転される状況それぞれに対する前記一の車両のドライバーの意識状態を推定する、請求項６に記載の運転評価システム。
  9. 前記評価基準再設定ユニットは、前記一の車両のドライバーの意識状態を動的ベイジアンネットワークにより推定する、請求項６〜８のいずれか１項に記載の運転評価システム。
  10. 前記評価基準再設定ユニットは、前記一の車両のドライバーの意識状態をサポートベクターマシンにより推定する、請求項６〜８のいずれか１項に記載の運転評価システム。
  11. 前記一の車両が運転される状況は、前記一の車両の運転される時間及び場所の少なくともいずれかを含む、請求項１〜１０のいずれか１項に記載の運転評価システム。
  12. 前記評価ユニットは、前記一の車両のドライバーの運転が低燃費を達成した度合を評価する、請求項１〜１１のいずれか１項に記載の運転評価システム。
  13. 自車両が運転される状況それぞれに対して、運転の評価のたびに再設定された前記自車両のドライバーの運転の評価基準によって、前記自車両のドライバーの運転を評価する評価ユニットを備えた車載機。
  14. 前記自車両のドライバーの運転の評価基準は、前記自車両が運転される状況それぞれに対して推定された運転の評価値の確率分布であり、前記評価ユニットは、前記自車両が運転された状況における前記評価値の前記確率分布と、前記自車両が運転された状況における前記自車両の実際の運転の評価値とに基づいて、前記自車両のドライバーの運転を評価する、請求項１３に記載の車載機。
  15. 前記自車両のドライバーの運転の評価基準は、前記自車両が運転される状況それぞれに対して推定された不特定多数の車両、及び前記自車両が運転される状況それぞれに対する前記自車両と同一車種の不特定多数の車両の少なくともいずれかの運転の評価値の確率分布である、請求項１４に記載の車載機。
  16. 前記自車両のドライバーの運転の評価基準は、前記自車両が運転される状況それぞれに対して、運転の評価値の確率分布に係る確率密度関数をカーネル密度推定により推定されたものである、請求項１４又は１５に記載の車載機。
  17. 前記自車両のドライバーの運転の評価基準は、前記自車両が運転される状況それぞれに対して、運転の評価値の確率分布に係る確率密度関数を混合正規分布による近似により推定されたものである、請求項１４又は１５に記載の車載機。
  18. 前記自車両のドライバーの運転の評価基準は、前記自車両が運転される状況それぞれに対する運転操作から推定された前記自車両が運転される状況それぞれに対する前記自車両のドライバーの意識状態であり、
    前記評価ユニットは、前記自車両が運転された状況における推定された前記自車両のドライバーの意識状態と、前記自車両が運転された状況における実際の前記自車両のドライバーの運転操作とに基づいて、前記自車両のドライバーの運転を評価する、請求項１３〜１７のいずれか１項に記載の車載機。
  19. 前記自車両のドライバーの運転の評価基準は、前記自車両が運転される状況それぞれに対する前記自車両のドライバーの運転操作の統計から推定された前記自車両が運転される状況それぞれに対する前記自車両のドライバーの意識状態である、請求項１８に記載の車載機。
  20. 前記自車両のドライバーの運転の評価基準は、前記自車両が運転される状況それぞれに対する不特定多数の車両のドライバーの運転操作の統計から推定された前記自車両が運転される状況それぞれに対する前記自車両のドライバーの意識状態である、請求項１８に記載の車載機。
  21. 前記自車両のドライバーの意識状態は動的ベイジアンネットワークにより推定されたものである、請求項１８〜２０のいずれか１項に記載の車載機。
  22. 前記自車両のドライバーの意識状態はサポートベクターマシンにより推定されたものである、請求項１８〜２０のいずれか１項に記載の車載機。
  23. 前記自車両が運転される状況は、前記自車両の運転される時間及び場所の少なくともいずれかを含む、請求項１３〜２２のいずれか１項に記載の車載機。
  24. 前記評価ユニットは、前記自車両のドライバーの運転が低燃費を達成した度合を評価する、請求項１３〜２３のいずれか１項に記載の車載機。
  25. 一の車両のドライバーの運転を評価するための評価基準を設定する情報処理センターであって、
    前記一の車両が運転される状況それぞれに対する前記一の車両のドライバーの運転の評価基準を、運転の評価のたびに再設定する評価基準再設定ユニットを備えた情報処理センター。
  26. 前記評価基準再設定ユニットは、前記評価基準として、前記一の車両が運転される状況それぞれに対する運転の評価値の確率分布を推定する、請求項２５に記載の情報処理センター。
  27. 前記評価基準再設定ユニットは、前記評価基準として、前記一の車両が運転される状況それぞれに対する不特定多数の車両、及び前記一の車両が運転される状況それぞれに対する前記一の車両と同一車種の不特定多数の車両の少なくともいずれかの運転の評価値の確率分布を推定する、請求項２６に記載の情報処理センター。
  28. 前記評価基準再設定ユニットは、前記評価基準として、前記一の車両が運転される状況それぞれに対する運転の評価値の確率分布に係る確率密度関数をカーネル密度推定により推定する、請求項２６又は２７に記載の情報処理センター。
  29. 前記評価基準再設定ユニットは、前記評価基準として、前記一の車両が運転される状況それぞれに対する運転の評価値の確率分布に係る確率密度関数を混合正規分布による近似により推定する、請求項２６又は２７に記載の情報処理センター。
  30. 前記評価基準再設定ユニットは、前記評価基準として、前記一の車両が運転される状況それぞれに対する運転操作から、前記一の車両が運転される状況それぞれに対する前記一の車両のドライバーの意識状態を推定する、請求項２５〜２９のいずれか１項に記載の情報処理センター。
  31. 前記評価基準再設定ユニットは、前記評価基準として、前記一の車両が運転される状況それぞれに対する前記一の車両のドライバーの運転操作の統計から、前記一の車両が運転される状況それぞれに対する前記一の車両のドライバーの意識状態を推定する、請求項３０に記載の情報処理センター。
  32. 前記評価基準再設定ユニットは、前記評価基準として、前記一の車両が運転される状況それぞれに対する不特定多数の車両のドライバーの運転操作の統計から、前記一の車両が運転される状況それぞれに対する前記一の車両のドライバーの意識状態を推定する、請求項３０に記載の情報処理センター。
  33. 前記評価基準再設定ユニットは、前記一の車両のドライバーの意識状態を動的ベイジアンネットワークにより推定する、請求項３０〜３２のいずれか１項に記載の情報処理センター。
  34. 前記評価基準再設定ユニットは、前記一の車両のドライバーの意識状態をサポートベクターマシンにより推定する、請求項３０〜３２のいずれか１項に記載の情報処理センター。
  35. 前記一の車両が運転される状況は、前記一の車両の運転される時間及び場所の少なくともいずれかを含む、請求項２５〜３４のいずれか１項に記載の情報処理センター。
  36. 前記評価基準は、前記一の車両のドライバーの運転が低燃費を達成した度合を評価するためのものである、請求項２５〜３５のいずれか１項に記載の情報処理センター。
JP2009217030A 2009-09-18 2009-09-18 運転評価システム、車載機及び情報処理センター Pending JP2011065527A (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2009217030A JP2011065527A (ja) 2009-09-18 2009-09-18 運転評価システム、車載機及び情報処理センター
US13/496,777 US20120232741A1 (en) 2009-09-18 2010-06-29 Driving evaluation system, vehicle-mounted machine, and information processing center
DE112010003678T DE112010003678T5 (de) 2009-09-18 2010-06-29 Fahrbewertungssystem, am fahrzeug montierte maschine und informationsverarbeitungszentrum
PCT/JP2010/061040 WO2011033840A1 (ja) 2009-09-18 2010-06-29 運転評価システム、車載機及び情報処理センター
CN2010800414878A CN102549628A (zh) 2009-09-18 2010-06-29 驾驶评估***、车载机以及信息处理中心

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2009217030A JP2011065527A (ja) 2009-09-18 2009-09-18 運転評価システム、車載機及び情報処理センター

Publications (1)

Publication Number Publication Date
JP2011065527A true JP2011065527A (ja) 2011-03-31

Family

ID=43758453

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2009217030A Pending JP2011065527A (ja) 2009-09-18 2009-09-18 運転評価システム、車載機及び情報処理センター

Country Status (5)

Country Link
US (1) US20120232741A1 (ja)
JP (1) JP2011065527A (ja)
CN (1) CN102549628A (ja)
DE (1) DE112010003678T5 (ja)
WO (1) WO2011033840A1 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012242894A (ja) * 2011-05-16 2012-12-10 Toyota Motor Corp 車両データの解析方法及び車両データの解析システム
WO2013073881A1 (ko) * 2011-11-18 2013-05-23 교통안전공단 에코 드라이브 교육, 평가 및 인증 서비스 시스템 및 방법
WO2013128919A1 (ja) * 2012-02-27 2013-09-06 ヤマハ発動機株式会社 ホストコンピュータ、運転技量判定システム、運転技量判定方法および運転技量判定プログラム
JP2018072924A (ja) * 2016-10-25 2018-05-10 ヤンマー株式会社 運転情報管理システム
WO2020095904A1 (ja) * 2018-11-05 2020-05-14 株式会社デンソー 運行管理装置及び運行管理システム
JP2021002384A (ja) * 2020-09-23 2021-01-07 株式会社オファサポート 運転技能評価システム、方法及びプログラム
WO2024095332A1 (ja) * 2022-10-31 2024-05-10 株式会社Subaru 運転技能評価方法、運転技能評価システム、および記録媒体
WO2024095331A1 (ja) * 2022-10-31 2024-05-10 株式会社Subaru 運転技能評価方法、運転技能評価システム、および記録媒体

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE112011105275T5 (de) * 2011-05-23 2014-05-15 Toyota Jidosha Kabushiki Kaisha Informationsverarbeitungssystem für ein Fahrzeug
JP5386543B2 (ja) * 2011-05-25 2014-01-15 株式会社審調社 運転評価システム、運転評価用プログラム、及び運転評価方法
US9361271B2 (en) 2011-09-27 2016-06-07 Wipro Limited Systems and methods to enable eco-driving
CN103247091B (zh) * 2012-02-07 2016-01-20 厦门金龙联合汽车工业有限公司 一种驾驶评价***及方法
JP5781039B2 (ja) 2012-08-28 2015-09-16 株式会社東芝 機能素子の製造方法および製造装置
CN104139782B (zh) * 2013-05-07 2018-03-23 日电（中国）有限公司 用于配置车辆设备参数的***和方法
KR101509700B1 (ko) * 2013-07-08 2015-04-08 현대자동차 주식회사 운전자 지원 시스템 및 방법
US20150269861A1 (en) * 2014-03-24 2015-09-24 Rebecca Rose Shaw System and Method for Using Pilot Controllable Discretionary Operational Parameters to Reduce Fuel Consumption in Piloted Aircraft
CN104092736A (zh) * 2014-06-25 2014-10-08 国信彩石（北京）科技股份有限公司 车联网设备、服务器和***、评分方法和数据收集方法
DE102014218806A1 (de) * 2014-09-18 2016-03-24 Bayerische Motoren Werke Aktiengesellschaft Verfahren, Vorrichtung, System, Computerprogramm und Computerprogrammprodukt zur Anzeige von Einflussfaktoren von Fahrstreckenabschnitten auf ein Fahrzeug
SG11201706351SA (en) 2015-02-05 2017-09-28 Uber Technologies Inc Programmatically determining location information in connection with a transport service
US10204528B2 (en) 2015-08-05 2019-02-12 Uber Technologies, Inc. Augmenting transport services using driver profiling
CN104978492A (zh) * 2015-07-09 2015-10-14 彩虹无线（北京）新技术有限公司 一种基于车联网数据流的安全驾驶评价方法
US10672198B2 (en) 2016-06-14 2020-06-02 Uber Technologies, Inc. Trip termination determination for on-demand transport
US10129221B1 (en) 2016-07-05 2018-11-13 Uber Technologies, Inc. Transport facilitation system implementing dual content encryption
CN107066787B (zh) * 2016-11-25 2018-11-23 东软集团股份有限公司 车辆行程的评分方法及装置
CN106557663A (zh) * 2016-11-25 2017-04-05 东软集团股份有限公司 驾驶行为评分方法和装置
JP6603197B2 (ja) * 2016-11-29 2019-11-06 株式会社デンソー 連続値最適化問題の非線形最適化プログラム、経路探索プログラム、及び経路探索装置
CN107180219A (zh) * 2017-01-25 2017-09-19 问众智能信息科技（北京）有限公司 基于多模态信息的驾驶危险系数评估方法和装置
US10371542B2 (en) 2017-02-17 2019-08-06 Uber Technologies, Inc. System and methods for performing multivariate optimizations based on location data
US10445950B1 (en) 2017-03-27 2019-10-15 Uber Technologies, Inc. Vehicle monitoring system
US10402771B1 (en) * 2017-03-27 2019-09-03 Uber Technologies, Inc. System and method for evaluating drivers using sensor data from mobile computing devices
CN107993001B (zh) * 2017-11-29 2021-10-22 华勤技术股份有限公司 一种风险评估的可视化方法、装置及存储介质
JP7204739B2 (ja) * 2018-03-30 2023-01-16 ソニーセミコンダクタソリューションズ株式会社 情報処理装置、移動装置、および方法、並びにプログラム
CN109334669B (zh) * 2018-10-17 2020-07-10 湖南仪峰安安网络科技股份有限公司 驾驶员驾驶状态下的体征安全监测方法及数据处理***
JP7277186B2 (ja) * 2019-03-08 2023-05-18 株式会社Subaru 情報処理装置、情報処理システム及び車両の制御装置
US10740634B1 (en) * 2019-05-31 2020-08-11 International Business Machines Corporation Detection of decline in concentration based on anomaly detection
US11494517B2 (en) 2020-02-12 2022-11-08 Uber Technologies, Inc. Computer system and device for controlling use of secure media recordings

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004240828A (ja) * 2003-02-07 2004-08-26 Horiba Ltd 運行管理システム
JP2006243856A (ja) * 2005-03-01 2006-09-14 Hitachi Ltd 運転診断方法およびその装置
JP2007176396A (ja) * 2005-12-28 2007-07-12 Univ Nagoya 運転行動推定装置、運転支援装置、及び車両評価システム
JP2008299787A (ja) * 2007-06-04 2008-12-11 Mitsubishi Electric Corp 車両検知装置
JP2009098900A (ja) * 2007-10-16 2009-05-07 Toyota Motor Corp 脇見状態判定装置
WO2009104255A1 (ja) * 2008-02-20 2009-08-27 パイオニア株式会社 車両の運転評価装置、方法、及びコンピュータプログラム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002225586A (ja) 2001-02-05 2002-08-14 Nissan Motor Co Ltd 車両の安全運転度記録装置
US7389178B2 (en) * 2003-12-11 2008-06-17 Greenroad Driving Technologies Ltd. System and method for vehicle driver behavior analysis and evaluation
JP4682714B2 (ja) * 2005-06-14 2011-05-11 トヨタ自動車株式会社 対話システム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004240828A (ja) * 2003-02-07 2004-08-26 Horiba Ltd 運行管理システム
JP2006243856A (ja) * 2005-03-01 2006-09-14 Hitachi Ltd 運転診断方法およびその装置
JP2007176396A (ja) * 2005-12-28 2007-07-12 Univ Nagoya 運転行動推定装置、運転支援装置、及び車両評価システム
JP2008299787A (ja) * 2007-06-04 2008-12-11 Mitsubishi Electric Corp 車両検知装置
JP2009098900A (ja) * 2007-10-16 2009-05-07 Toyota Motor Corp 脇見状態判定装置
WO2009104255A1 (ja) * 2008-02-20 2009-08-27 パイオニア株式会社 車両の運転評価装置、方法、及びコンピュータプログラム

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012242894A (ja) * 2011-05-16 2012-12-10 Toyota Motor Corp 車両データの解析方法及び車両データの解析システム
WO2013073881A1 (ko) * 2011-11-18 2013-05-23 교통안전공단 에코 드라이브 교육, 평가 및 인증 서비스 시스템 및 방법
KR101365756B1 (ko) 2011-11-18 2014-03-13 대한민국 (관리부서 국토교통부장관) 에코 드라이브 교육, 평가 및 인증 서비스 시스템 및 방법
WO2013128919A1 (ja) * 2012-02-27 2013-09-06 ヤマハ発動機株式会社 ホストコンピュータ、運転技量判定システム、運転技量判定方法および運転技量判定プログラム
JPWO2013128919A1 (ja) * 2012-02-27 2015-07-30 ヤマハ発動機株式会社 ホストコンピュータ、運転技量判定システム、運転技量判定方法および運転技量判定プログラム
JP2018072924A (ja) * 2016-10-25 2018-05-10 ヤンマー株式会社 運転情報管理システム
WO2020095904A1 (ja) * 2018-11-05 2020-05-14 株式会社デンソー 運行管理装置及び運行管理システム
JP2020077037A (ja) * 2018-11-05 2020-05-21 株式会社デンソー 運行管理装置及び運行管理システム
JP2021002384A (ja) * 2020-09-23 2021-01-07 株式会社オファサポート 運転技能評価システム、方法及びプログラム
WO2024095332A1 (ja) * 2022-10-31 2024-05-10 株式会社Subaru 運転技能評価方法、運転技能評価システム、および記録媒体
WO2024095331A1 (ja) * 2022-10-31 2024-05-10 株式会社Subaru 運転技能評価方法、運転技能評価システム、および記録媒体

Also Published As

Publication number Publication date
DE112010003678T5 (de) 2013-01-10
US20120232741A1 (en) 2012-09-13
CN102549628A (zh) 2012-07-04
WO2011033840A1 (ja) 2011-03-24

Similar Documents

Publication Publication Date Title
WO2011033840A1 (ja) 運転評価システム、車載機及び情報処理センター
JP5375805B2 (ja) 運転支援システム及び運転支援管理センター
US8665099B2 (en) Inattentive state determination device and method of determining inattentive state
CN105593640B (zh) 使用分析后的驾驶员行为指标适应车辆个性化
JP5521893B2 (ja) 運転支援システム、車載装置
US8552851B2 (en) Operation state judgement method and system
JP4781104B2 (ja) 運転行動推定装置、及び運転支援装置
EP2701137B1 (en) Information provision device for use in vehicle
JP2014081947A (ja) 情報配信装置
JP2000047569A (ja) 安全運転判定装置
EP2827320B1 (en) Device for determining sensitivity to prediction of unexpected situations
US20210043077A1 (en) Driving behavior evaluation device, driving behavior evaluation method, and storage medium
JP5378002B2 (ja) 車両動作推定装置、車両動作推定方法および車両動作推定プログラム
US20200148225A1 (en) Apparatus and method for determining an attention requirement level of a driver of a vehicle
JP2012128344A (ja) 車載運転認知トレーニング装置
CN114379559A (zh) 一种基于车辆信息采集***的驾驶风险评价特征画像方法
JP2010152497A (ja) 運転特性取得装置及び交通シミュレーションシステム
WO2019225497A1 (ja) 路上走行試験システム、路上走行試験システム用プログラム
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
US20240083441A1 (en) Driving evaluation system, learning device, evaluation result output device, method, and program
JP2019016238A (ja) 運転車両信号から個人特性を特定しやすい道路区間を推定する推定装置、車両端末、プログラム及び方法
JP2012103849A (ja) 情報提供装置
Dülgar et al. Analysis of microstructures in traffic jams on highways based on drone observations
WO2019038987A1 (ja) コンピュータプログラム、走行車線特定装置および走行車線特定システム
JP2013007628A (ja) 情報提供サーバ、車載搭載情報提示装置、及び情報提供方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20120601

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20130806

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20131203