JP2011516881A - 目的地への車両の運転計画を修正するための方法およびシステム - Google Patents

Abstract

所望の目的地への運転前および／または運転中に車両の運転計画、特に、そのような計画の運転／休憩スケジュールを修正する方法およびシステムは、（ａ）前記ドライバの機敏さのレベルの発現を予測する（１４）段階と、（ｂ）前記予測された発現が、所定のスレショルド・レベル以下になり、そのような時点を高リスク段階として分類し注釈付けする段階（５０）と、（ｃ）前記高リスク段階を、前記運転計画または運転／休憩スケジュールと比較し（５１）、前記目的地または次の計画された停車場所もしくは休憩場所に達する前に高リスク段階（ｔｘ）が生じるかどうかを判定する（５２）段階と、（ｄ１）前記目的地または次の計画された停車場所もしくは休憩場所に達する前に高リスク段階（ｔｘ）が生じる場合に、修正された運転計画または運転／休憩スケジュールを、停車または休憩が前記次の高リスク段階前または高リスク段階時に行われるように計算する（２２）段階とを含む。
【選択図】図５

Description

本発明は、運転計画、特に、所望の目的地への運転前および／または運転中に車両のそのような運転計画の運転／休憩スケジュールを修正するための方法およびシステムに関する。

運転を計画し、停車し休憩する安全な場所を適時に見つけることは、特に職業ドライバにとってはコストの高い作業になる可能性があり、その理由は、一方で時間通りの配達が要求され、他方で所定の運転／休憩スケジュールや他の安全運転問題を考慮しなければならないからである。この問題は、詳細には、自分の土地の境界の外で運転するドライバによって認識される。停車するのに安全な場所を見つける問題は、特に、トラックドライバが、法律によってまたは例えば眠気のような機能障害による個人の機敏さ欠如によって停車することを強制されるが、停車するのに便利または安全な場所を見つけることができないという事実により、あまり最適でない場所に停車することを回避するために重要である。

近年、運転時の眠気に対処するための多数の車内対応策が開発されてきた。これに関連した研究開発活動が、最新のセンサおよび技術を進歩させ、また眠気と運転の理解を高めてきた。しかしながら、多くの場合、そのような監視装置の実際の操作と関連した技術的問題が圧倒的であり、その結果システムの性能が低下する。

Folkard & Akerstedt’s "A three-process model of the regulation of alertness-sleepiness" in R.J.Broughton & R.D.Ogilvie (Eds.): Sleep, Arousal and Performance (pp.13-26), Boston: Birkhauser, 1992

本発明の基礎となる目的は、特にドライバの機敏さまたは機能障害レベルのような車両のドライバの状態のレベルの個々の発現を考慮する際に、少なくとも１台の車両の所望の目的地への運転計画（特に、そのような計画の運転／休憩スケジュール）を、運転の安全性が実質的に影響を受けないように修正するための方法およびシステムを提供する。

本発明の基礎となる別の目的は、前記ドライバ状態レベルを現在および／または将来の変化に対して柔軟に適応させることができるように運転計画（特に、そのような計画の運転／休憩スケジュール）を修正する方法およびシステムを提供することである。

目的は、請求項１による方法によって解決される。

所望の目的地への運転前および／または運転中に車両の運転計画（特に、そのような計画の運転／休憩スケジュール）を修正するための本発明による方法が、
（ａ）ドライバ状態監視装置、人間の状態の既知の数学的モデル、既知の統計的モデル、および既知のルールベース・モデルのうちの少なくとも１つによって、ドライバの健康状態または機能障害に関する所定の環境変数およびデータに基づいて、車両のドライバの状態のレベルの発現を予測するか、前のそのような予測を更新し、予測された発現を記憶域に記憶する段階と、
（ｂ）予測されたドライバ状態のレベルの発現が、所定のスレショルド・レベル以下なる時点を決定し、それらの時点を高リスク段階として分類または注釈付けする段階と、
（ｃ）高リスク段階を運転計画または運転／休憩スケジュールと比較し、高リスク段階が、目的地または次の計画された停車場所もしくは休憩場所に達する前に生じるかどうかを判定する段階と、
（ｄ１）目的地または次の計画された停車場所もしくは休憩場所に達する前に高リスク段階が生じる場合に、停車または休憩が次の高リスク段階前または高リスク段階時に行われるように、修正された運転計画または運転／休憩スケジュールを計算する段階とを含む。

さらに、目的は、請求項１４に記載のシステムによって達成される。

本発明は、長距離に亘って移動している１台または複数台のトラック、バスまたは他の（商用）車両の運転を、例えばそのような車両のドライバの疲労、眠気、または別の機能障害状態による機敏さの低下によって少なくとも部分的に引き起こされる事故を回避するように管理するのに有利に適用可能である。

本発明によって、車両が所望の時間期間内だけでなく規定の運転／休憩スケジュール、速度制限および／またはドライバの実際の状態または車両を安全に運転する能力に関する規則を考慮して所望の目的地に達するように、所望の目的地への運転を管理することができる。

従属クレームは、請求項１と請求項１４による解決策の例示的で有利な実施形態と改善をそれぞれ開示する。

本発明のさらなる詳細、機能および利点は、以下の図面と関連した本発明の例示的な好ましい実施形態の以下の説明から明らかになるであろう。

車両の運転を確立または準備するために実行される本発明による方法の第１の実施形態のフローチャートである。 車両の運転を確立または準備するために実行される本発明による方法の第２の実施形態のフローチャートである。 車両の運転中に実行される本発明による方法の第３の実施形態のフローチャートである。 車両の運転中に実行される本発明による方法の第４の実施形態のフローチャートである。 時間の経過により推定機敏さの発現の概略的なグラフである。 本発明によるシステムの概略ブロック図である。

一般に、本発明による方法およびシステムは、運転を計画または最適化するために、ドライバの状態のレベルの予測された発現（development）に関する情報（発現は、特に、現在時間で始まり将来に及ぶ）が使用されるように、車両の運転を確立または計画しかつ／またはそのような計画を所望の目的地への車両の運転中に適応させるために提供される。

ドライバの状態は、特に、ドライバの機敏さ、眠気または別の機能障害である。特に、最適化は、ドライバが休憩しようと考えた時点とドライバが運転しようと考えた時点で行われ、特に、目的地の所望の到着時間および／または例えば既定の運転／休憩スケジュールおよび／もしくは速度制限などに関する規則を考える際に、機敏さが高いときに運転が行われ、機敏レベルが低く危険が大きいときに休憩が行われるように適切な停車場所、経路選択、および運転の計画方法に関する具体的な提案が提供される。

ドライバ状態のレベル（特に、機敏さのレベル）の発現の予測は、事前に決定された時間間隔および／または例えば運転中に生じかつ予測されなかったがドライバ状態監視装置によって検出されたドライバ状態の実際の低下したレベルなどのような運転中の特定のイベントによって決定された時間間隔で、運転中に繰り返し更新されることが好ましい。後者の場合、方法の実行の開始だけでなく、そのような実行の繰り返し頻度を、そのようなイベントによって決定することができる。例えば、ドライバ状態監視装置によって、ドライバの機敏さの現在のレベルがかなり低下していることが検出された場合は、繰り返し頻度が適切に高められ、その逆の場合も同様である。

ドライバが、規定の運転／休憩スケジュール（例えば職業ドライバのように）と所定の目的地を有する場合、システムは、そのスケジュールを、システムによって行われたドライバ状態のレベルの発現の予測に基づいて自動的に適応させ、運転／休憩スケジュールまたは納期と速度制限などの他の制約が少なくとも可能な限り維持されるようにすることができる。

さらに、上記のドライバ状態を保有車両オペレータ（fleet operator）などの第三者に提供することができ、その結果、オペレータは、自分の保有車両管理のため、すなわち保有車両のうちの他の車両の運転の計画のために１つまたは複数のドライバの状態を考慮することができる。

ドライバ状態の発現の予測は、後で例として述べるように、既知の数学的モデル、統計的モデルおよびルールベース・モデルのうちの少なくとも１つによって実行することができる。

車両がドライバ状態監視装置を装備している場合、この予測は、ドライバ状態監視装置によって実行されるときに、現在の客観的に測定されたドライバ状態（特に、機敏さレベル、眠気レベルおよび／または別の機能障害レベル）に関する情報を使用することによって改善することができる。これと反対に、ドライバ状態監視装置によって行われる測定は、後述するモデルのうちの少なくとも１つによって行われる予測によって改善することができる。

これらの両方の可能性は、特に注意散漫や眠気のようなドライバの機能障害に対処するために使用される、いわゆるアクティブ・セーフティ・システムにも有効である。これらの既知のシステムは、一般に、眠気（または、注意散漫や他の機能障害）を検出するためにドライバまたはドライバの運転挙動を監視するセンサを使用する。

上記のドライバ状態とは別に、（特に、運転／休憩スケジュールの）運転計画の計画または最適化は、どの情報がシステムに利用可能であるかによって、例えばナビゲーション・システムによって提供される地図や経路計画などの情報、例えば保有車両管理システムによって提供されるような運転の所望の最終期限や所定の目的地などに関する情報、または要求された運転／休憩スケジュールなどに関する情報のようなバックグラウンドおよびコンテキスト情報を使用することにより行うことできる。その結果、そのような情報は、有効なものとして使用されるが、本発明による方法の基本機能には不要である。情報は、本発明によるシステムをより高性能化するために使用することができ、可能ならば、情報の内容を適用して、ドライバ状態のレベルの測定された存在および／または予測された発現を考慮することができる。

例えば、ナビゲーション・システムを使用すると、ドライバが目的地または次の計画された停車場所または休憩場所に到達出来ない場合に、ドライバの状態レベルが所定のスレショルド・レベルを下まわる前に、ドライバが停車するのに実際（安全）な場所を自動的に見つけ提案し、さらにそのような場所への経路案内をドライバに提供することができる。さらに、所定の目的地、計画された運転継続時間、および計画された所望の目的地まで運転距離合計などの計画された運転に関する情報を考慮することができる。

さらに、運転／休憩スケジュールを常時監視する際にドライバを支援しまたナビゲートするときにドライバを支援する例えば経路計画装置、運転スケジューリング装置、運転／休憩スケジューリング装置、または保有車両管理装置などのような多数の他の車両内システムまたは運転支援装置が存在し、これらのシステムおよび装置は、本発明による方法およびシステムに適用または使用することができる。

より詳細には、例えば上記ドライバ状態のうちの少なくとも１つのドライバ状態のレベルの発現に関する情報を使用して、確立された経路が、停車の計画および／または経路中のコースの選択に関して最適化されるように、そのような運転支援装置のうちの１つまたは複数の運転支援装置の内容および／または出力を適応させ、それにより、所望の目的地の所望または所定の到着時間を維持することができる。この適応は、例えば運転支援装置によって推奨された特定の場所で停車するために、例えば経路または経路の代替区分に沿った関連車両またはトラックに適切な停車場所のデータベースを含むナビゲーション・システムに基づいて、確立されたルートをどのように変更するかの提案に関する表示上の情報の形でドライバに提示されることが好ましい。

その結果、本発明によるシステムは、ドライバ状態のレベルが所定のスレショルド・レベルを下回る前にドライバが目的地または次の計画された停車もしくは休憩場所に達することができない場合に、ドライバが運転計画、特に運転／休憩スケジュールを計画し、適応させ、最適化するのを支援する情報と提案を適時に提供することによって、エキスパート・システムとしてドライバに働きかけ、その結果、眠気に負けるリスクが最小になるか、少なくとも減少する。

上記を要約すると、車両のドライバは、目的地への運転を計画し、案内しかつ／または適応するのを支援することができるシステムが提供される。これは、例えば、車両を安全かつ適正に運転するために機敏さの欠如（例えば、眠気）や他の能力障害を最小にするかまたは少なくとも減少させるために、特に機敏さまたは眠気の予測モデルを有する車両の経路計画／保有車両管理システム（主要な商業輸送業務で一般的）を、最適な運転スケジュールと停止するための適切（すなわち、安全かつ適時）な場所を提案することによって運転のスケジューリングを動的に修正するエキスパート・システムに組み込むことによって達成される。

システムは、また、行われた予測を使用して、高まった眠気や他のドライバ機能障害のリスクをドライバ（または、第三者）に通知する。この情報は、ドライバが運転中に眠くなるか違う機能障害となる可能性が高いことをシステムが予測した場合には、運転の開始前にドライバ（または、第三者）に提示されてもよい。さらに、眠くなる将来のリスクに関する予測が、運転中常に提示されてもよい。

本発明による方法およびシステムの１つの基本的な概念は、運転、特に運転のスケジューリングと計画を最適化するために、例えば、機敏さの数学的モデル（そのようなモデルの例は、非特許文献１）を、車両の保有車両管理、ナビゲーション、運転休憩スケジューリングおよび経路計画システムと統合することである。このモデルは、ドライバの現在の機敏さレベルの評価も含む。しかしながら、他の既知の機敏さモデルも適用することができる。

これは、納期、速度制限、規定された休憩時間などを課す外部要求を考慮しながら、ドライバが、機敏さレベルが高いときに運転し、機敏さレベルが低いときに休憩するように運転を計画するのを支援するように（安全な）停車のタイミングと位置を提案する（全地球測位情報とナビゲーション・システムの使用により）ことを必然的に伴う。ドライバが予定外の停車を行うとき、本発明による方法およびシステムは、運転／休憩スケジュールと経路計画を動的に修正することができる。

この基本概念は、必要に応じて、予測の精度を高めドライバの連続的状態を監視する手段として、実時間のドライバ状態または眠気監視装置によって記録された対象の眠気測定値を追加することによって拡張することができる。さらにまた、眠気モデルによって評価されたようなドライバが眠る可能性を考慮することによって、ドライバ状態または眠気監視装置によって実行された検出を改善することができる。

以下では、図１乃至図４を参照して、本発明による方法の第１から第４の例示的な実施形態が説明される。図１と図２にそれぞれ示されたような第１と第２の実施形態のいずれかは、運転が開始される前に車両の運転を始動するか、準備するか、計画するために実行される。図３と図４にそれぞれ示されたような第３と第４の実施形態のいずれかは、車両の運転中に実行される。第１と第２の実施形態は、第３または第４の実施形態と組み合わせることができ、その結果、第１と第２の実施形態のいずれかが、運転を計画または始動するために実行され、第３と第４の実施形態のいずれかは、その後の所望の目的地への車両の運転中に実行される。図１乃至図４による方法は、以上と以下の開示に基づいて、必要に応じて、追加段階によって修正することができる。

図１に示されたような第１の実施形態による方法は、以下のように実行される。ドライバが自分の車両に入ったとき、方法が開始され、ドライバは、段階１１で、例えばドライバＩＤカードによって自分の個人データをシステムに入力する。さらに、以下の実施形態では、ドライバの機敏さレベルの形のドライバ状態のレベルの発現を予測するために、ドライバは、起床時間、前夜の睡眠時間、睡眠品質（いずれか、なし、またはそれらの間の品質スコア）、他の生命状況情報のようなドライバの物理的状態または健康状態と関連したデータなどの妥当なデータを更に入力するようにシステムから要求される。追加または代替として、これらのデータの一部分またはすべては、任意選択の第２のステップ１２で、同一ドライバがこの方法を前に実行したときのドライバのデータが記憶された第１の記憶域３９から取り出されてもよい。さらに、ドライバによって、所望の目的地に向けた車両の所定の運転または経路計画が、第２の記憶域１５に記憶され、そのような計画の運転／休憩スケジュールが、第３の記憶域１６に記憶される。

これらのデータと、例えば第４の記憶域１９に記憶されたおよび時刻のような特定の環境変数に基づいて、第３のステップ１４で、システムは、ドライバの機敏さレベルの発現の予測を、前述のような時間の関数として計算し、この発現を第５の記憶域２０に記憶する。

図５は、予測または評価された機敏さレベルＥ［％］の発現のそのような曲線Ａを、現在時間ｔ＝０から始まり将来に至る時間ｔ［分］の関数として概略的に示す。機敏さレベルは、例示的にパーセントで表され、１００パーセントは、最大可能な機敏さレベルと仮定され、０パーセントは、例えばドライバが眠っているときなど、機敏さレベルが全くないかゼロである。さらに、図５の点線の水平線Ｂは、例えば最大機敏さレベルの４０パーセントの事前設定された機敏さスレショルド・レベルを示す。

この機敏さスレショルド・レベルＢは、すべてのドライバに固定式に事前設定されてもよく、特定のドライバに関して、例えばそのドライバの年齢、経験、健康または他の状態により個々に事前設定されてもよい。スレショルド・レベルＢは、ドライバの機敏さレベルがこのスレショルド・レベルより低い場合（図５の領域Ｃ）に、そのドライバが、安全なドライバと見なすことができないほど低い機敏さレベルを有すると仮定されるように事前設定される。

図１のフローチャートに戻ると、第４のステップ５０で、予測された機敏さレベルＡが機敏さスレショルド・レベルＢを下回った時間が判定され（図５を参照）、これらの時間が、高リスク段階（high risk instances）ｔｘとして注釈される。図５の例では、予測機敏さレベルＡがスレショルド・レベルＢを下回ったことを示す２つのそのような段階または時間ｔｘ１およびｔｘ２がある。

第５のステップ５１で、高リスク段階ｔｘが、計画された運転計画または運転／休憩スケジュールと比較される。この目的のため、複数の記憶域のうちの少なくとも１つの記憶域から特定のデータが読み出され、例えば、第２の記憶域１５から運転または経路計画が読み出され、第３の記憶域１６から運転／休憩スケジュールが読み出され、第６の記憶域１７からＧＰＳデータが読み出され、第７の記憶域１８から保有車両管理システムに関するデータが読み出される。

これらのデータに基づいて、第６のステップ５２で、現在の運転／休憩スケジュールに従って目的地または次の計画された停車場所または休憩場所に達する前に生じる任意の高リスク段階ｔｘがあるかどうかが判定される。

目的地または次の計画された停車場所に達する推定時間までそのような高リスク段階がない場合（図１の第６のステップ５２の「Ｎ」）、方法は、第７のステップ５３に進み、ドライバは、現在の機敏さ欠如のリスクが低いか全くないことに関して通知され、方法は終了し、ドライバは運転を開始することができる。

しかしながら、第６のステップ５２で、目的地または次の計画された停車場所に達する時間までに高リスク段階ｔｘが生じると判定された場合（図１の第６のステップ５２で「Ｙ」）、方法は、第８のステップ２２に進み、修正された運転（または、経路）計画または運転／休憩スケジュールが、次の計画された停車または休憩が、予測された次の高リスク段階ｔｘまでに行われるように計算される。この目的のために、この場合も、複数の記憶域のうちの少なくとも１つの記憶域から特定のデータが読み出され、例えば、第２の記憶域１５から（前の）運転または経路計画が読み出され、第３の記憶域１６から（前の）運転／休憩スケジュールが読み出され、第６の記憶域１７からＧＰＳデータが読み出され、第７の記憶域１８から保有車両管理システムに関するデータが読み出される。さらに、そのような修正された運転計画または運転／休憩スケジュールを計算するための最適化ルールを、第８の記憶域２１から読み出すことができる。

その後、第９のステップ２３で、ドライバに、運転計画／休憩スケジュールの提案された修正が通知され、ドライバは、第１０のステップ２４で、これらの変更を確認するように要求される。

ドライバが、修正を確認する場合は（図１の第１０のステップ２４の「Ｙ」）、更新されたデータが、第１１のステップ２５により、運転または経路計画を含む第２の記憶域１５と運転／休憩スケジュールを含む第３の記憶域１６に送られ、第１２のステップ２６により、ＧＰＳデータを含む第６の記憶域１７に送られ、第１３のステップ２７により、保有車両管理システムに関するデータを含む第７の記憶域１８に送られる。さらに、これに従って、他の関係者（保有車両オペレータまたは運転の最終目的地にいる受取人）に通知することができる。次に、方法は終了し、ドライバは運転を開始することができる。

第１０のステップ２４により、ドライバが、修正を確認しない場合（図１の第１０のステップ２４の「Ｎ」）、方法は、上記のステップ２５乃至２７を行わずに終了されるが、ドライバは運転を開始することができる。

図２は、この場合も運転が開始される前に車両の運転を始動するか、準備するか、または計画するために実行される本発明による方法の第２の実施形態を示す。

図１に示されたような第１の実施形態に関して前述したステップは、この第２の実施形態でも同様に実行されるが、第２の実施形態は、追加ステップによって、ドライバが有する機敏さレベルが低過ぎてそのドライバを安全ドライバと見なすことができないというリスクのより詳細な評価を行うように修正される。

図１と図２のフローチャートの比較により分かるように、このような追加ステップは、第８のステップ２２と第９のステップ２３の間に挿入され、一方他のステップは変更されないままである。その結果、以下では追加ステップについてのみ説明され、他のステップに関しては、前述の図１と関連説明を参照されたい。

この第２の実施形態では、第７のステップ５３による評価に「リスクが少ないか全くない」の評価の他に、予測された機敏さレベル（図５の曲線Ａ）が機敏さスレショルド・レベル（曲線Ｂ）を下回る時間段階ｔｘで「中程度リスク」と「高リスク」が区別される。これにより、特に、機敏さレベルの急激な低下を捕らえることができる。このために、図５に示されかつ方法が実行される現在時間（ｔ＝０）から始まるクリティカル時間期間（Ｔ_critical）が、事前設定される。

クリティカル時間期間（Ｔ_critical）は、すべてのドライバに固定値または一定値（例えば、５分）として事前設定される一定の継続時間を有することが好ましい。

クリティカル時間期間（Ｔ_critical）の決定は、２つの考察に基づく。一方では、機敏さレベルの発現が、上記のモデルに基づいて評価され予測される場合でも、実際の機敏さレベルが実際にこのレベルを有することは保証できない。他方では、例えば一定の機敏さレベルを維持するための環境からドライバへの対応する刺激が消えるか、または例えば、発生数または頻度、継続時間および／または強度が減少した場合に、機敏さレベルが急速に低下する可能性があり、その理由は、これによりドライバが急速に眠くなるからである。

これらの両方の問題により、機敏さレベルがいつ急速に低下するかをこの方法が決定できることが重要になる。その結果、（予測された機敏さレベルＡが機敏さスレショルド・レベルＢを下回る）すべてのクリティカル時間段階ｔｘに関して、この段階ｔｘがドライバの機敏さレベルの低い「高リスク」を引き起こすか「中程度リスク」を引き起こすかが評価される。これは、次のクリティカル時間段階ｔｘが、クリティカル時間期間Ｔ_critical（時間フレーム）内に生じるかどうかを判定することによって実現される。クリティカル時間期間Ｔ_critical内に生じる場合は「高リスク」として分類され、生じない場合は「中程度リスク」として分類される。

当然ながら、機敏さスレショルド・レベルＢを適切に低くすることによって類似の機能を（少なくともある程度）実現することができる。予測された機敏さレベルＡが、そのような低くしたスレショルド・レベルＢを下回る場合は、「高リスク」と分類される。機敏さスレショルド・レベルＢがもっと高い値に設定され、予測された機敏さレベルＡが、そのような高いスレショルド・レベルＢを下回る場合は、「中程度リスク」と分類されることになるであろう。

図２に戻ると、第８のステップ２２で修正された運転計画または運転／休憩スケジュールを計算した後で、第１４のステップ５４が行われ、クリティカル時間期間Ｔ_criticalの終了前に高リスク段階ｔｘのどれかが生じるかどうかが判定される。

高リスク段階ｔｘが生じない場合（図２の第１４のステップ５４の「Ｎ」）は、第１５のステップ５５で、ドライバに、機敏さの低下した「中程度リスク」があることが通知され、方法は、図１に関して前に説明したように第９のステップ２３に進む。

高リスク段階ｔｘ（図２の第１４のステップ５４の「Ｙ」）が、実際に、クリティカル時間期間Ｔ_criticalの終了前に生じる場合（このケースは、図５ではリスク段階ｔｘ１の形で示される）は、第１６のステップ５６で、ドライバに、機敏さの低下した「高リスク」があることが通知され、方法は、同様に第９のステップ２３に進む。

図３は、車両の運転中に行われる本発明による方法の第３の実施形態のフローチャートを示す。以下では、運転の開始前に方法の第１または第２の実施形態が既に実行されており、それにより、方法の第３の実施形態を実行するための特定のデータが利用可能であると想定する。しかしながら、これは必須条件ではなく、第１または第２の実施形態が前に実行されない場合、この方法の第３の実施形態は、これに応じて、後述するように方法の第１と第２の実施形態に関連したステップを削除または修正することによって修正されなければならない。

方法は、第１のステップ３０で始まり、ドライバ状態監視装置が関連車両に取り付けられている場合は、その装置によって、ドライバの現在の機能障害、眠気または機敏さレベルが測定される。

機敏さレベルの発現が、第１から第４の実施形態のうちの１つの実施形態による方法の前の実行中に予測された場合は、第２のステップ３１で、機敏さレベルのこの前の予測された発現が、第１の記憶域２０から取り出される（図３の矢印Ｃ）。

次に、第３のステップ３２で、機敏さレベルの更新された発現が、第１の代替として、取得された前に予測されたそのような発現に基づいて予測され、利用可能な場合は、第１のステップ３０により測定された（現在の）機能障害レベルに基づいて、ならびに上記の機敏さモデルとドライバによってなされた特定の入力に基づいて予測される（本発明の第１の実施形態に関して前に述べたように）。この目的のために、例えば第２の記憶域１９に記憶された時刻や運転時間のような他のデータと特定の環境変数も使用される。

第２の代替として、機敏さレベルの前の予測された発現がない場合は、第３のステップ３２で、機敏さレベルの発現が、更新される代わりに、この場合も、入手可能な場合は第１のステップ３０により測定された（現在の）機能障害レベルに基づいて、また上記の機敏さモデルと前述したようなドライバによって行われる特定の入力に基づいて、全く新しく予測される。

さらに、第３のステップ３２により、予測された（更新されたか新しい）機敏さレベルの発現は、第１の記憶域２０に記憶され、適用可能な場合は、上記の得られた（前の）発現を上書きし、その結果、矢印Ｃで示したように、方法の次の実行中に新しい発現を得ることができる。

最後に、第３のステップ３２により、ドライバ状態監視装置によって行われた測定が、前述のように、予測された（更新されるか新しい）機敏さレベルの発現によって調整または標準化される（この予測が現在時間も含む場合）。これは、図３に点線矢印によって示される。

次に、第４のステップ６１で、現在時間（ｔ＝０）（すなわち、発現の最初）に予測されたような機敏さレベルの発現が、ドライバに表示される。

次に、第５のステップ６２で、予測された機敏さレベルＡが機敏さスレショルド・レベルＢを下回った時間が判定され、そのような時間は、高リスク段階ｔｘとして解釈される。

第６のステップ６３で、高リスク段階ｔｘが、計画された運転計画または運転／休憩スケジュールと比較される。この目的のために、特定のデータが、この場合も、複数の記憶域のうちの少なくとも１つから読み出され、例えば、第３の記憶域１５から運転または経路計画が読み出され、第４の記憶域１６から運転／休憩スケジュールが読み出され、第５の記憶域１７からＧＰＳデータが読み出され、第６の記憶域１８から保有車両管理システムに関するデータが読み出される。

この比較に基づいて、第７のステップ６４で、現在の運転計画に従って目的地または次の計画された停車場所もしくは休憩場所に達する前に高リスク段階ｔｘが生じるかどうかが判定される。

目的地または次の計画された停車場所に達する推定時間までそのような高リスク段階がない場合（図３の第７のステップ６４の「Ｎ」）、方法は、第８のステップ６５に進み、機敏さの欠如のリスクが現在低いか全くないことがドライバに通知され、方法は、点Ｂへの後方ジャンプによって開始まで繰り返すことができる。

しかしながら、第７のステップ６４で、目的地または次の計画された停車場所に達する前に高リスク段階ｔｘが生じると判定された場合（図３の第７のステップ６４の「Ｙ」）、方法は、第９のステップ６６に進み、次の適切な立ち寄り場所や他のタイミングを含む修正された運転（または、経路）計画または運転／休憩スケジュールが計算される。この目的のために、この場合も、特定のデータが、複数の記憶域のうちの少なくとも１つから読み出され、例えば、第３の記憶域１５から（前の）運転または経路計画が読み出され、第４の記憶域１６から（前の）運転／休憩スケジュールが読み出され、第５の記憶域１７からＧＰＳデータが読み出され、第６の記憶域１８から保有車両管理システムに関するデータが読み出される。さらに、そのような修正された運転計画または運転／休憩スケジュールを計算するための最適化ルールを、第７の記憶域２１から読み出すことができる。

その後、第１０のステップ４２で、運転計画／休憩スケジュールの提案された修正がドライバに通知され、ドライバは、第１１のステップ４３で、そのような修正を確認することを要求される。

ドライバが修正を確認した場合（図３の第１１のステップ４３の「Ｙ」）は、これに応じて更新されたデータが、第１２のステップ４４により、運転（または、経路）計画を含む第３の記憶域１５と運転／休憩スケジュールを含む第４の記憶域１６に送られ、第１３のステップ４５により、ＧＰＳデータを含む第５の記憶域１７に送られ、第１４のステップ４６により、保有車両管理システムに関するデータを含む第６の記憶域１８に送られる。さらに、これに応じて、他の関係者（保有車両オペレータまたは運転の最終目的地の受取人として）にも同様に通知することができる。次に、この方法は、点Ｂへの後方ジャンプにより開始まで繰り返すことができる。

ドライバが、第１１のステップ４３で要求されたときに修正を確認しない場合（図３の第１１のステップ４３の「Ｎ」）、この方法は、同様に、点Ｂへの後方ジャンプにより開始まで繰り返すことができる。

図４は、この場合も車両の運転中に実行されるために提供される本発明による方法の第４の実施形態のフローチャートを示す。

図１と図２を参照して前述したような方法の第１と第２の実施形態と同様に、図３に示されたような第３の実施形態に関して前述した段階は、この第４の実施形態にも同様に実行され、またこの点で、上記の図３の説明が参照される。しかしながら、第４の実施形態は、機敏さレベルが低すぎてドライバを安全ドライバと見なすことができないというリスクをより詳しく評価するために、追加ステップによって修正される。

図３と図４のフローチャートの比較によって分かるように、これらの追加ステップは、第９のステップ６６と第１０のステップ４２の間に挿入され、一方他のステップは変更されないままである。その結果、以下では追加ステップだけが説明され、他のステップに関しては、上記の図３と関連説明が参照される。

この第４の実施形態では、第８のステップ６５による「リスクが低いか全くない」の評価の加えて、予測された機敏さレベル（図５の曲線Ａ）が機敏さスレショルド・レベル（図５の曲線Ｂ）を下回る時間段階ｔｘで「中程度リスク」と「高リスク」が区別される。これにより、特に、この場合も、機敏さレベルの急速な低下を捕捉することができる。この目的のために、この場合も、図５に示されかつ方法が実行される現在時間（ｔ＝０）から始まるクリティカル時間期間（Ｔ_critical）が使用される。

クリティカル時間期間（Ｔ_critical）は、すべてのドライバに固定値または一定値として事前設定される一定の継続時間（例えば、５分）を有し、前述のような問題を考慮して決定されることが好ましい。

図４によれば、修正された運転計画または運転／休憩スケジュールを第９のステップ６６によって計算した後で、第１５のステップ６７が実行され、クリティカル時間期間Ｔ_criticalの終了前に高リスク段階ｔｘがどれか生じるかどうかが判定される。

高リスク段階ｔｘが生じない場合（図４の第１５のステップ６７の「Ｎ」）、ドライバに、第１６のステップ６８で、機敏さの低下した「中程度リスク」があることが通知され、方法は、図３に関して前述したように第１０のステップ４２に進む。

しかしながら、高リスク段階ｔｘが、実際に、クリティカル時間期間Ｔ_criticalの終了前に生じる場合（図４の第１５のステップ６７で「Ｙ」）（この事例は、図５ではリスク段階ｔｘ１の形で示されている）は、第１７のステップ６９で、次の適切な立ち寄り場所が決定される。このために、地図および経路情報、ナビゲーション・データおよび他の情報が、前述の記憶域１５乃至１８から取得される（前述のように）。

次に、ドライバに、第１８のステップ７０で、機敏さの低下した「高リスク」があることが通知され、次の適切な立ち寄り場所までの決定ルートがドライバに提示される。

必要に応じて、第１９のステップ３７で、クルーズ・コントロールを切ることができる。すなわち、ドライバが現在機能障害があると考えられる状況では、車両がクルーズ・コントロール・モードの状態でドライバが居眠りするリスクを少なくするために、自動クルーズ・コントロールが切られる。

次に、方法は、第３の実施形態および図３と関連して前述したような第１０のステップ４２に進む。

第３または第４の実施形態による方法は、運転中に繰り返し行われることが好ましく、その結果、機敏さ発現の予測が、例えば１０Ｈｚ、２秒ごと、５分ごと、または同様に好ましくは１乃至５分ごとに繰り返し更新される。さらに、方法の実行は、予測されていなかったが運転中に生じ、ドライバ状態監視装置によって検出されたような運転中の特定のイベントによって開始されてもよい。

一般に、運転計画または運転／休憩スケジュールの上記の修正は、経路の修正、立ち寄り場所の修正、他のタイミングの修正のうちの少なくとも１つを含み、これらの修正は、前述の記憶域１５乃至１９から読み出されたデータと、ドライバが眠くなるか違う状況の機敏さの欠如を経験すると予想される予測時間の考慮とに基づいて計算され、その結果、ドライバは、機敏さが機敏さスレショルド・レベルを超えると予想されるときに運転し、機敏さが機敏さスレショルド・レベルを下回ると予想されるときに休憩するようになる。

図６は、本発明によるシステム１０の好ましい実施形態のアーキテクチャを、システム１０への入力とシステム１０からの出力の形で特定の構成要素とモデルと共に概略的に示す。車両のドライバは、例えばドライバＩＤカードおよび／または手動入力によって前述のように自動的および／または手動でシステム１０に第１の入力１を生成することができる。例えば、運転／休憩モデルによる第２の入力２、ドライバ挙動モデル（例えば、昼食の休憩を取ろうとするときにドライバが通常停車を予定するときのモデルでもよい）による第３の入力３、および／または上記でより詳しく説明された機敏さモデルによる第４の入力４のような、上記の数学的モデルによってさらに他の入力が生成される。さらに、第４の入力４に適応するために、機敏さモデルにも送られるコンテキスト変数によって第５の入力５を生成することができる。

さらに、（必要に応じて）１つまたは複数のドライバ状態監視装置によって第６の入力６を生成することができ、また（必要に応じて）１つまたは複数の連続車両データ監視装置によって第７の入力７を生成することができる。

本発明によるシステム１０は、例えばドライバにフィードバックを提供するために、例えば表示装置のようなヒューマンマシン・インタフェース（「ＨＭＩ」）を操作するための第１の出力８と、運転／休憩スケジュールの管理、経路計画の管理、安全な立ち寄り場所の提案、対応策の実施、ＡＤＡＳ（「高度運転支援システム」）および／またはＩＶＩＳ（「車両内情報システム」）の適応、例えば保有車両管理システムなどの外部オペレータのような第三者への通知などのうちの少なくとも１つをするための第２の出力９とを生成する。

入力１乃至７と出力８，９をシステム１０の経路計画および／または保有車両管理に組み込むことにより、ドライバは、一方で、運転をより適切に管理できるようになり、他方で、ＨＭＩ出力８によりドライバにとって透明になる方法で、予測された機敏さレベルの低下を考慮するように運転（停車場所のスケジューリングなど）の計画を最適化できるようになる。保有車両管理システムのオペレータは、前述のように運転の計画とケジューリングを管理することもできる。さらに、保有車両オペレータは、自分のすべてのドライバの機敏さ／リスクに関する情報を常に利用することができる。

さらに、ドライバが自分の運転計画をより適切に管理しかつ眠気に負けないことを可能にするために、運転前、運転中および運転後にドライバに情報を提供しかつ／またはドライバから情報を受け取ることができる。システム１０が、最適化ルールまたは最適化因子に関して運転の計画をどのように最適化すべきかに影響を及ぼす重要な情報、例えば、ドライバ、ドライバの睡眠履歴、運転スケジュールに課される制約、運転環境などが収集される。これらのパラメータは、集合的にコンテキスト変数と呼ばれる。

上記の最適化ルールまたは因子は、例えば、機敏さが低いときに運転を最少にし、納期を維持し、運転時間を最大にし、運転休憩スケジュール・ルールを維持し、計画経路上のすべての区分の速度制限を維持するように決定される。

上記のコンテキスト変数は、例えば、
１）例えば、経路計画、安全または非安全停車場、中間地点までの距離および継続時間、個々の道路区分の衝突事故統計などのような地図および／またはナビゲーション情報
２）例えば期限、運転／休憩スケジュール、計画停車のような統計的および動的制約、
３）年齢や性別のようなドライバ情報、
４）例えば前の作業履歴、前の睡眠、前の睡眠品質、起床時間、交替勤務時間、投薬、病気のようなドライバ・コンテキスト情報、
５）例えば実際の一日のうちの時間、一年のうちの時間、運転時間、運転距離のような環境変数である。

システム１０は、その決定を利用可能な情報に基づくように設計されており、言及されたコンテキスト変数のうちのいずれかの利用可能性に依存しない。より詳細には、上記の機敏さモデルは、主に、運転中の個々のドライバの実際の状態と関係なしに、すなわち運転中のさらに他の入力なしに、将来の機敏さレベルに関する予測を行うことができる。これらのモデルの性能は、当然ながら、運転中にドライバの現在の実際の状態に関する情報をさらに検討または使用することによって改善することができる。実際の測定された現在の状態が、モデルによる推定よりも早期の休憩を必要とする場合、運転計画は、実際の測定された状態に従って修正されなければならない。一方、次の推奨される休憩を計算するためにより安全なシナリオを常に得るようにするために、実際の状態が、モデルによる予測よりも長い期間の運転を可能にするような場合でも、運転計画は、モデルの推定に従うべきである。

単純な形では、可能性の高い休憩が、以下のようにモデル化されてもよく、運転が朝から夕方まで行われる場合は、ドライバは、少なくとも３つの立ち寄り場所（朝食、昼食および午後休憩）をとり、その場合、昼食は、午前１１時から午後１時頃に摂られる可能性が最も高く、継続時間が最も長いことが予想される。システム１０は、休憩のタイミングを変更するようにドライバに提案する場合もあるが、休憩をする順序を修正しない可能性が最も高い。例えば食物摂取後の集中的消化段階または生物時計によって昼食１時間後で機敏さの大きな低下が予想される場合は、別の短い休暇の追加が、システム１０によってドライバに提案されて、ナビゲーション・システムで停車するのに適切な場所が示唆され表示される。

更に、システム１０は、推定された現在の機敏さレベルと予測される将来の機敏さレベルの知識を使用して、安全性を高めるために、車両内対策を実施してもよく、例えばＡＤＡＳシステムやＩＶＩＳシステムなどの車両ベース・システムを適応させてもよい。これは、ドライバの機敏さが低下したと推測されたときにクルーズ・コントロールを切ることを必然的に伴う場合がある（しかし、これに制限されない）。

一般に、前述した本発明の実施形態に対する修正が、添付の特許請求の範囲によって定義されたような本発明の範囲を逸脱することなく可能であることに注意されたい。

例えば、眠気の代わりに（または、眠気に加えて）、ドライバの他の状態（例えば、アルコールの酔いまたは薬剤若しくは病気による機能障害）を、それらの将来の発現に関して測定し、評価しかつ／または予測することができ、また眠気に関して前述したように使用されてもよい。

特定の状況を考慮すると、本発明の原理は、船、ボート若しくは列車の運転または飛行機の操縦と関連して使用することもできる。

さらに、本発明を説明し請求するために使用される「including」、「comprising」、「incorporating」、「consisting of」、「have」、「is」などの表現は、非排他的に解釈され、すなわち、明示的に述べられていない項目、構成要素または要素も存在することができる。

最後に、添付の特許請求の範囲のかっこ内に入れられた数字は、請求項の理解を支援するものであり、そのような請求項によって請求された内容を決して制限するように解釈されるべきでない。

Claims (16)

1. 所望の目的地への運転前および／または運転中に車両の運転計画、特に、そのような計画の運転／休憩スケジュールを修正する方法であって、
   （ａ）ドライバ状態監視装置、人間の状態の既知の数学的モデル、既知の統計的モデル、既知のルールベース・モデルのうちの少なくとも１つによって、所定の環境変数および前記ドライバの健康状態または機能障害に関するデータに基づいて、前記車両の前記ドライバの状態のレベルの発現を予測するか（１４）前のそのような予測を更新し（３２）、前記予測された発現を記憶域に記憶する段階と、
   （ｂ）前記ドライバ状態（Ａ）のレベルの前記予測された発現が、所定のスレショルド・レベル（Ｂ）以下になる時点を決定し（５０；６２）、そのような時点を高リスク段階（ｔｘ）として分類し注釈付けする段階と、
   （ｃ）前記高リスク段階（ｔｘ）を、前記運転計画または運転／休憩スケジュールと比較し（５１；６３）、前記目的地または次の計画された停車場所もしくは休憩場所に達する前に高リスク段階（ｔｘ）が生じるかどうかを判定する（５２；６４）段階と、
   （ｄ１）前記目的地または次の計画された停車場所もしくは休憩場所に達する前に高リスク段階（ｔｘ）が生じる場合に、修正された運転計画または運転／休憩スケジュールを、停車または休憩が前記次の高リスク段階前または高リスク段階時に行われるように計算する（２２；６６）段階とを含む方法。
2. 前記ドライバ状態（Ａ）が、前記ドライバの機敏さのレベルである、請求項１に記載の方法。
3. （ｅ）段階（ｄ１）の後で、方法の実行時から始まる事前設定されたクリティカル時間期間（Ｔ_critical）の終了前に高リスク段階（ｔｘ）が生じるかどうかを判定する（５４；６７）段階と、
   （ｆ）前記クリティカル時間期間（Ｔ_critical）の前記終了前に高リスク段階が生じない場合に、前記高リスク段階を中程度リスク例（５５；６８）として再分類または再注釈付けする段階とを含む、請求項１に記載の方法。
4. （ｇ）段階（ｅ）により、高リスク段階（ｔｘ）が、前記クリティカル時間期間（Ｔ_critical）の終了前に生じる場合に、地図と経路情報データに基づいて前記車両の前記運転の次の適切な立ち寄り場所を決定する（６９）段階を含む、請求項３に記載の方法。
5. （ｄ２）段階（ｄ１）の実行後に前記修正された運転計画または運転／休憩スケジュールを前記ドライバに通知し（２３；４２）、前記ドライバから前記修正の確認を要求する（２４；４３）段階と、
   （ｄ３）前記ドライバが前記修正を確認した場合に、前記方法を次に実行するために前記修正された運転計画または運転／休憩スケジュールを記憶域に記憶する（２５；４４）段階とを含む、請求項１に記載の方法。
6. 前記運転を開始する前に実行される、請求項１に記載の方法。
7. 前記車両の運転中に所定の繰り返し頻度で繰り返し実行される、請求項１に記載の方法。
8. 前記方法の前記実行および／または前記実行の前記繰り返し頻度はそれぞれ、ドライバ状態監視装置によって検出された前記ドライバ状態（Ａ）の実際に低下したレベルのような前記運転中に生じるイベントに応じて開始され制御される、請求項１に記載の方法。
9. 前記修正された運転計画または運転／休憩スケジュールが、事前設定された運転計画と、ナビゲーション・データと、および前記実際の時刻、前記運転時間および前記運転距離のような環境変数のうちの少なくとも１つに基づいて決定される、請求項１に記載の方法。
10. 前記スレショルド・レベル（Ｂ）が、一定の事前設定されたレベルであるか、前記方法の前記最初に前記ドライバによって入力され得る、請求項１に記載の方法。
11. 前記クリティカル時間期間（Ｔ_critical）が、一定の事前設定された期間か、前記方法の前記最初にドライバにより入力され得る、請求項３に記載の方法。
12. プログラム可能なマイクロプロセッサ手段上でプログラムが実行されたときに請求項１乃至１１のいずれかひとつに記載の方法のステップを実行するためのコンピュータ・プログラム・コードを含むコンピュータ・プログラム。
13. プログラム可能なマイクロプロセッサ手段の内部記憶装置にロードされたときに請求項１乃至１１のいずれかひとつに記載の方法のステップを実行するように適応されたコンピュータ・プログラム・コード手段を含む、コンピュータ使用可能な媒体上に記憶されたコンピュータ・プログラム製品。
14. 請求項１２または１３に記載のコンピュータ・プログラムを有するマイクロプロセッサを含む、所望の目的地への運転前または運転中に車両の運転計画、特にそのような計画の運転／休憩スケジュールを修正するためのシステム。
15. ドライバから入力データを受け取るための第１の入力（１）と、所望の目的地への運転／休憩スケジュールを含む運転計画を受け取るための第２の入力（２）と、ドライバ挙動モデルを受け取るための第３の入力（３）と、前記ドライバの機敏さの数学的モデル、統計的モデルまたはルールベース・モデルを受け取るための第４の入力（４）と、例えば地図またはナビゲーション情報およびデータ、統計的および動的制約、ドライバ情報、ドライバ・コンテキスト情報および環境変数のようなコンテキスト変数を受け取るための第５の入力（５）と、１つまたは複数のドライバ状態監視装置からデータを受け取るための第６の入力（６）と、１つまたは複数の車両監視装置からデータを受け取るための第７の入力（７）とのうちの少なくとも１つを含む、請求項１４に記載のシステム。
16. 例えば前記ドライバへの表示のようなヒューマンマシン・インタフェースを動作させるための第１の出力（８）と、運転／休憩スケジュールの管理、経路計画の管理、安全な立ち寄り場所の提案、対応策の実施、ならびにＡＤＡＳ（高度運転支援システム）および／またはＩＶＩＳ（車両内情報システム）の適応のうちの少なくとも１つをするための第２の出力（９）の少なくとも１つを含む、請求項１４に記載のシステム。

Images