JP2019093896A - 情報処理装置、分類方法およびコンピュータ・プログラム - Google Patents

Abstract

【課題】 ドライバの運転特性の精度の高い分類を実施することができる情報処理装置等を提供する。【解決手段】 情報処理装置は、複数の指標の各々に関する重みを用いる所定の目的関数に基づき、走行環境に対する車両の操作を決定する、複数のドライバモデルの、前記重みに基づいて、当該複数のドライバモデルをグループ分けすることにより、少なくとも１つのグループを生成する生成手段と、対象ドライバモデルが属する前記グループを判別し、判別結果を出力する判別手段とを備える。【選択図】 図１

Description

本開示は、車両を走行させるドライバモデルを分類する情報処理装置、分類方法およびコンピュータ・プログラムに関する。

車両を走行させるドライバモデルを評価し、運転特性を検出する装置が提案されている。

例えば、特許文献１には、車両に装備されたセンサに基づき、ドライバの運転特性を評価する装置が開示されている。この装置では、走行中のドライバのモデルを同定し、そのモデルと、以前に同定した同一ドライバのモデルとを比較することにより特性評価している。この装置では、操縦目標値と動作実測値との誤差を入力とし、操作量を出力としてドライバのモデルを同定している。

また、特許文献２には、正常状態における運転状態の評価基準となる、より精度の高いドライバモデルを作成するドライバモデル作成装置が開示されている。この装置では、ドライバの生体情報を検出することで、ドライバの平常状態か否かを認識する。そして、この装置は、ドライバの運転中に運転状態のデータを収集し、その運転状態データのうち、ドライバが平常状態で運転している部分を抽出してドライバモデルを作成する。

また、特許文献３には、モデル化に必要なパラメータ設定が自動的にできる下水処理プロセスシミュレータが開示されている。このシミュレータでは、データ蓄積装置に蓄積している分析データと、シミュレーション結果蓄積装置に蓄積しているデータとの比較を行うと共に、所定の式に基づいて、シミュレーション結果の評価を行う。

ここで、ドライバの運転特性を分類することが要求されている。一方で、上述のように、ドライバモデルを生成する技術が提案されている。そこで、生成されたドライバモデルでドライバの運転特性を分類することが考えられる。

特許第５１５８６７７号公報 特開２００７−２７２８３４号公報 特開２０００−１６７５８５号公報

一般に、ドライバの運転嗜好や癖を評価する指標には、車速、加減速、燃費など、複数の指標が存在する。これに対して、上述した特許文献１乃至特許文献３には、複数の指標を考慮してドライバモデルを評価することは開示されていない。したがって、生成されたドライバモデルの精度が高くないため、分類に適用したとしても、分類の精度も高くないという課題がある。

本発明は、上記課題を鑑みてなされたものであり、ドライバの運転特性の精度の高い分類を実施することができる情報処理装置等を提供することを主要な目的とする。

本発明の一態様に係る情報処理装置は、複数の指標の各々に関する重みを用いる所定の目的関数に基づき、走行環境に対する車両の操作を決定する、複数のドライバモデルの、前記重みに基づいて、当該複数のドライバモデルをグループ分けすることにより、少なくとも１つのグループを生成する生成手段と、対象ドライバモデルが属する前記グループを判別し、判別結果を出力する判別手段とを備える。

本発明の一態様に係る分類方法は、複数の指標の各々に関する重みを用いる所定の目的関数に基づき、走行環境に対する車両の操作を決定する、複数のドライバモデルの、前記重みに基づいて、当該複数のドライバモデルをグループ分けすることにより、少なくとも１つのグループを生成し、対象ドライバモデルが属する前記グループを判別し、判別結果を出力する。

本発明の一態様に係るコンピュータ・プログラムは、複数の指標の各々に関する重みを用いる所定の目的関数に基づき、走行環境に対する車両の操作を決定する、複数のドライバモデルの、前記重みに基づいて、当該複数のドライバモデルをグループ分けすることにより、少なくとも１つのグループを生成する処理と、対象ドライバモデルが属する前記グループを判別し、判別結果を出力する処理とを、コンピュータに実行させる。

本発明によれば、ドライバの運転特性の精度の高い分類を実施することができるという効果が得られる。

本発明の第１の実施形態に係る情報処理装置の構成を示すブロック図である。 本発明の第２の実施形態に係る情報処理装置の構成を示すブロック図である。 本発明の第２の実施形態に係る情報処理装置の実走行データの一例を示す図である。 本発明の第２の実施形態に係る情報処理装置のシミュレーション走行データ記憶部に記憶されたシミュレーション走行データの一例を示す図である。 本発明の第２の実施形態に係る情報処理装置の動作を示すフローチャートである。 本発明の第２の実施形態に係る情報処理装置の評価部により求められた実走行データの評価値の一例を示す図である。 本発明の第２の実施形態に係る情報処理装置の評価部により求められたシミュレーション走行データの評価値の一例を示す図である。 本発明の第２の実施形態に係る情報処理装置の評価部によるシミュレーション走行データと実走行データとの比較結果の一例を示す図である。 本発明の第２の実施形態に係る情報処理装置の評価部によるシミュレーション走行データと実走行データとの比較結果の他の例を示す図である。 本発明の第３の実施形態に係る情報処理装置の構成を示すブロック図である。 本発明の第３の実施形態に係る情報処理装置の動作を示すフローチャートである。 本発明の第３の実施形態に係る情報処理装置の評価部によるシミュレーション走行データと実走行データとの比較結果の一例を示す図である。 本発明の第４の実施形態に係る車両の構成を示すブロック図である。 本発明の第５の実施形態に係る車両と情報処理装置の構成を示すブロック図である。 本発明の第６の実施形態に係る情報処理装置の構成を示すブロック図である。 本発明の第６の実施形態に係る情報処理装置の動作を示すフローチャートである。 本発明の第６の実施形態に係る情報処理装置の個別ドライバモデル記憶部に格納された個別ドライバモデルの例を示す図である。 本発明の第６の実施形態に係る情報処理装置の分類部の構成を示すブロック図である。 本発明の第６の実施形態に係る情報処理装置により生成されたグループの代表ドライバモデルの一例を示す図である。 本発明の第６の実施形態に係る情報処理装置の表示部に表示されるドライバ支援画面の一例を示す図である。 本発明の第６の実施形態に係る情報処理装置の表示部に表示されるドライバ支援画面の他の例を示す図である。 本発明の第６の実施形態に係る情報処理装置の表示部に表示されるドライバ支援画面の他の例を示す図である。 各実施形態に示した装置を実現するハードウエア構成の一例を示す図である。

以下、本発明の実施形態について図面を参照して詳細に説明する。

第１の実施形態
図１は、本発明の第１の実施形態に係る情報処理装置１００の構成を示すブロック図である。図１に示すように、情報処理装置１００は、生成部１１０および判別部１２０を備える。

生成部１１０は、複数の指標の各々に関する重みを用いる所定の目的関数に基づき、走行環境に対する車両の操作を決定する、複数のドライバモデルの、重みに基づいて、当該複数のドライバモデルをグループ分けすることにより、少なくとも１つのグループを生成する。

判別部１２０は、対象ドライバモデルが属するグループを判別し、判別結果を出力する。

なお、生成部１１０および判別部１２０は、それぞれ一例として、以降の実施形態において説明するグループ生成部６３１およびグループ判別部により実現される。

上記構成を採用することにより、本第１の実施形態によれば、ドライバの運転特性の精度の高い分類を実施することができるという効果が得られる。

第２の実施形態
図２は、本発明の第２の実施形態に係る情報処理装置２００の構成を示すブロック図である。図２に示すように、情報処理装置２００は、実走行データ記憶部２１０、実走行データ取得部２１１、走行環境データ記憶部２２０、車両走行シミュレータ２３０、シミュレーション走行データ記憶部２４０、シミュレーション走行データ取得部２４１、評価部２５０および表示部２６０を備える。車両走行シミュレータ２３０は、制御部２３１およびドライバモデル２３２を備える。ドライバモデル２３２は、重みパラメータ２３３を含む。

情報処理装置２００の各構成要素の概要について説明する。

実走行データ記憶部２１０は、ドライバによる車両の走行により得られた情報、例えば、車両の位置、方向、速度等を含む実走行データを記憶する。実走行データ取得部２１１は、上記実走行データを取得して、実走行データ記憶部２１０に記憶する。図３は、実走行データの一例を示す図である。図３に示すように、実走行データは、例えば、所定時間ごとの時刻に対応する、車両の位置、向、速度、加速度、操作、燃料消費量をそれぞれ示す情報を含んでもよい。操作には、アクセル、ブレーキ、ハンドルの各操作の値が含まれてもよい。

実走行データは、ドライバが実際の道路で車両を走行した際の上記情報であってもよいし、そのドライバによる車両の走行を再現するシミュレータ内で走行した際の上記情報であってもよい。

走行環境データ記憶部２２０は、実走行データ記憶部２１０に記憶されている実走行データを得た際の、走行路情報、環境情報および他物体情報を記憶する。走行路情報には、走行路の形状、道幅、路面状況等に関する情報が含まれる。環境情報には、走行路に関わる照明、天候、風等に関する情報が含まれる。他物体情報には、走行路およびその周辺に存在する他の物体の形状、位置、速度、加速度、表示器等に関する情報が含まれる。走行環境データ記憶部２２０には、所定の時間毎の、それぞれの上記情報が記憶されてもよい。走行環境データは、実走行データ取得部２１１により取得されて走行環境データ記憶部２２０に記憶されてもよい。

車両走行シミュレータ２３０は、制御部２３１において、走行環境データ記憶部２２０に記憶される走行環境データを読み出し、ドライバモデル２３２を用いて、ドライバの操作を模擬して車両を操作すると共に、その車両の走行に関する各種情報を出力する。

ドライバモデル２３２は、走行環境データに基づいて、すなわち、走行環境に合わせて、アクセル、ブレーキ、ハンドルなどの車両走行のための操作を決定するアルゴリズムである。重みパラメータ２３３は、ドライバモデル２３２が操作を決定するときに、ドライバの運転嗜好を反映させるために用いられるパラメータである。ドライバモデル２３２は、所定の目的関数を含み、その目的関数を最適化することによって重みパラメータ２３３が決定される。これにより、決定される操作に、ドライバの運転嗜好が反映される。

ドライバの運転嗜好を反映させる評価指標として、例えば、速度、燃費、乗り心地を用いる場合、目的関数は、例えば以下の式（１）で表すことができる。
目的関数＝（Ｗ１＊ＶＳ）＋（Ｗ２＊ＶＦ）＋（Ｗ３＊ＶＡ） ・・・（１）
ここで、ＶＳは速度評価指標、ＶＦは燃費評価指標、ＶＡは乗り心地評価指標を、それぞれ示す変数である。また、Ｗ１、Ｗ２およびＷ３は、それぞれ速度評価指標ＶＳ、燃費評価指標ＶＦおよび乗り心地評価指標ＶＡの重みパラメータ２３３であり、以下の式（２）を満たすとする。
Ｗ１＋Ｗ２＋Ｗ３＝１ ・・・（２）
制御部２３１は、走行環境データを入力し、ドライバモデル２３２を用いて、目的関数を最適化するような（例えば最小となるような）、車両の操作を所定の時間毎に決定する。そして、制御部２３１は、決定した操作で、仮想的に車両を制御する。

シミュレーション走行データ取得部２４１は、上記制御に基づいて仮想的に操作された車両の、所定時間毎の位置、方向、速度などの情報を示すシミュレーション走行データを取得する。シミュレーション走行データ記憶部２４０は、シミュレーション走行データ取得部２４１により取得されたシミュレーション走行データを記憶する。

図４は、シミュレーション走行データ記憶部２４０に記憶されたシミュレーション走行データの一例を示す図である。図４に示すように、シミュレーション走行データは、図３に示す実走行データと同様の項目の情報を含む。

評価部２５０は、実走行データ記憶部２１０に記憶された実走行データと、シミュレーション走行データ記憶部２４０に記憶されたシミュレーション走行データとを比較する機能を有する。

図５は、第２の実施形態に係る情報処理装置２００の動作を示すフローチャートである。図５を参照して、情報処理装置２００の動作について説明する。なお、実走行データ記憶部２１０には、図３に示した実走行データが記憶されているとする。また、走行環境データ記憶部２２０には、上記実走行データが取得された環境に関する走行環境データが記憶されているとする。

車両走行シミュレータ２３０は、制御部２３１において、走行環境データ記憶部２２０に記憶されている走行環境データを読み出し、ドライバモデル２３２を用いて、車両走行のシミュレーションを実行する（ステップＳ２０１）。このとき、制御部２３１は、ドライバモデル２３２を用いて、その目的関数を最適化するように、アクセル、ブレーキ、ハンドルなどの車両の操作を所定の時間毎に決定する。そして、制御部２３１は、決定した操作で、仮想的に車両を制御する。

制御部２３１は、上述のようにドライバモデル２３２を用いて決定した操作で仮想的に車両を操作した際の、所定時間毎の車両の位置、方向、速度などを含むシミュレーション走行データを生成し、そのシミュレーション走行データを、シミュレーション走行データ記憶部２４０に格納する（ステップＳ２０２）。ここでは、図４に示すシミュレーション走行データが、シミュレーション走行データ記憶部２４０に格納されたとする。

続いて、評価部２５０は、上述のようにシミュレーション走行データ記憶部２４０に格納されたシミュレーション走行データと、実走行データ記憶部２１０に記憶されている実走行データについて、評価指標に関する評価値を求める（ステップＳ２０３）。評価指標は、予め定められており、ここでは、例えば、速度、燃費、乗り心地が評価指標として定められているとする。

図６は、評価部２５０により求められた、実走行データの評価値の一例を示す図である。図６に示すように、図３に示した実走行データに含まれる時刻ごとの、速度、燃費、乗り心地の各評価値が求められている。

速度の評価値は、例えば、実走行データに含まれる「速度」の値から取得される。例えば、時刻Ｔ_１における速度の評価値ＶＳ_１は、以下の式（３）に示すように、時刻Ｔ_１の速度Ｓ_１と目標速度ＶＴＳ_１から求められてもよい。
時刻Ｔ_１における速度の評価値ＶＳ_１＝速度Ｓ_１−目標速度ＶＴＳ_１ ・・・（３）
目標速度ＶＴＳ_１は、道路状況に応じて予め与えられてもよい。例えば、制限速度などを地図情報に基づいて与えられてもよい。

燃費の評価値は、例えば、実走行データに含まれる「燃料残量」と「位置」の各値から算出される。例えば、時刻Ｔ_１における燃費の評価値ＶＦ_１は、以下の式（４）により求められてもよい。
時刻Ｔ_１における燃費の評価値ＶＦ_１＝
（燃料残量Ｆ_１−燃料残量Ｆ_２）÷（位置Ｌ_２−位置Ｌ_１） ・・・（４）
乗り心地の評価値は、例えば、実走行データに含まれる「加速度」の値から取得される。例えば、時刻Ｔ_１における乗り心地の評価値ＶＡ_１は、以下の式（５）に示すように、時刻Ｔ_１の加速度Ａ_１であってもよい。
時刻Ｔ_１における加速度の評価値ＶＡ_１＝加速度Ａ_１ ・・・（５）
乗り心地は、加速度の微分値から求められてもよい。図７は、評価部２５０により求められた、シミュレーション走行データの評価値の一例を示す図である。図７では、図６に示す実走行データの評価値と同様に、速度、燃費、乗り心地の各評価値が、図４に示したシミュレーション走行データから取得されていることを示す。

評価部２５０は、上述のように求めた各評価値に基づくシミュレーション走行データと実走行データとの比較結果を、表示部２６０に表示する（ステップＳ２０４）。図８（ａ）、（ｂ）および（ｃ）は、シミュレーション走行データと実走行データとの比較結果を、表示部２６０に表示した一例を示す図である。図８（ａ）、（ｂ）および（ｃ）は、それぞれ、評価指標を、速度、燃費および乗り心地とした場合の、シミュレーション走行データと実走行データとの比較結果を示す。

図８（ａ）、（ｂ）および（ｃ）は、横軸（Ｘ軸）を「時刻」、縦軸（Ｙ軸）を「評価値」としたＸ−Ｙ座標上に、シミュレーション走行データと実走行データの、時刻に対する各評価値をそれぞれプロットした結果を示す。シミュレーション走行データの評価値を点線で、実走行データの評価値を実線で、それぞれ示しているとする。

速度を評価指標とした場合のシミュレーション走行データと実走行データの各評価値は、図８（ａ）に示すように、かい離の程度が比較的小さい。よって、ドライバモデルは、速度に関してドライバの嗜好をよく反映していると考えられる。評価部２５０は、ドライバモデルがよく反映していると考えられる評価指標（ここでは速度）を、評価の結果として表示してもよい。

ここで、かい離の程度は、実走行データの評価値に対するシミュレーション走行データの評価値の、時間平均誤差率であってもよい。この時間平均誤差率が、所定値より小さい場合、ドライバモデルは、その評価指標に関してドライバの嗜好をよく反映していると判定され、所定値以上の場合は、ドライバの嗜好をあまり反映していないと判定されてもよい。

燃費を評価指標とした場合のシミュレーション走行データと実走行データは、図８（ｂ）に示すように、かい離の程度が比較的大きい。よって、ドライバモデルは、燃費に関してドライバの嗜好をあまり反映していないと考えられる。評価部２５０は、ドライバモデルがあまり反映していないと考えられる評価指標（ここでは燃費）を、評価の結果として表示してもよい。

さらに、乗り心地を評価指標とした場合のシミュレーション走行データと実走行データは、図８（ｃ）に示すように、かい離の程度が比較的小さい。よって、ドライバモデルは、乗り心地に関してドライバの嗜好をよく反映していると考えられる。

なお、評価部２５０は、シミュレーション走行データと実走行データの各評価値を、それぞれ正規化した値を用いた比較結果を表示してもよい。正規化を行うことにより、評価部２５０は、各評価値の絶対値の大小の影響を受けない比較結果を表示することができる。また、評価部２５０は、シミュレーション走行データと実走行データの各評価値のそれぞれの時間平均値を用いた比較結果を表示してもよい。時間平均値を用いた比較結果を表示することにより、走行データの瞬間的な変化を除去して評価することができる。

図９は、評価部２５０によるシミュレーション走行データと実走行データの各評価値の比較結果の他の例を示す図である。図９に示すように、評価部２５０は、実走行データの評価値に対する、シミュレーション走行データの評価値の一致度（一致する割合）を示してもよい。

図９では、評価指標である速度、燃費、乗り心地にそれぞれに関する、実走行データの評価値に対する、シミュレーション走行データの評価値の一致度を示している。一致度は、例えば、シミュレーション走行データと実走行データの各評価値のそれぞれの時間平均値の一致度であってもよい。また、評価部２５０は、評価指標である速度、燃費、乗り心地にそれぞれに関する上記一致度の平均値を算出し、算出した結果を総合評価として表示してもよい。

以上のように、本第２の実施形態によれば、情報処理装置２００は、ドライバによる車両の走行により得られた実走行データと、車両走行シミュレータ２３０によりドライバモデル２３２を用いて得られたシミュレーション走行データを取得する。評価部２５０は、それらの各評価値を、複数の評価指標に基づいて比較すると共に、比較の結果を表示するので、複数の評価指標を考慮した評価が可能になるという効果が得られる。

第３の実施形態
図１０は、本発明の第３の実施形態に係る情報処理装置３００の構成を示すブロック図である。図１０に示すように、第３の実施形態に係る情報処理装置３００は、上記第２の実施形態に係る情報処理装置２００に加えて、調整部２７０を備える。

調整部２７０は、評価部２５０による比較結果に基づいて、車両走行シミュレータ２３０のドライバモデル２３２に含まれる重みパラメータ２３３を調整する機能を有する。

重みパラメータ２３３は、第２の実施形態で説明したように、ドライバの運転嗜好を反映させた車両の走行を行うように車両の操作を決定するための重み情報であり、上述した式（１）のように表すことができる。

上記第２の実施形態において説明したように、ある評価指標に関し、実走行データの評価値に対する、シミュレーション走行データの評価値のかい離が、所定値以上の場合、その評価指標に関して、ドライバモデルは、ドライバの運転嗜好をあまり反映していないと考えられる。そこで、本第３の実施形態では、ドライバモデルがあまり反映していないと考えられるドライバの運転嗜好を、ドライバモデルに、より反映させるように、重みパラメータを調整することについて説明する。

図１１は、第３の実施形態に係る情報処理装置３００の動作を示すフローチャートである。図１１において、ステップＳ２０１乃至Ｓ２０４は、第２の実施形態の図５における同一符号の処理とそれぞれ同様の処理であるため、それらの説明を省略し、本実施形態では、ステップＳ２０５乃至Ｓ２１０について説明する。

調整部２７０は、ステップＳ２０４における比較結果に基づいて、評価指標ごとの、実走行データの評価値に対する、シミュレーション走行データの評価値のかい離の程度であるかい離度（差異）を計算する（ステップＳ２０５）。かい離度には、例えば、実走行データの評価値に対する、シミュレーション走行データの評価値の、時間平均誤差率を用いてもよい。

ここで、各評価指標、すなわち、速度、燃費および乗り心地に関する、実走行データの評価値に対する、シミュレーション走行データの評価値のかい離度を、それぞれ、Ｅ１、Ｅ２およびＥ３とする。

また、式（１）における重みパラメータＷ１、Ｗ２、Ｗ３に対する調整後の重みパラメータを、それぞれＷ１’、Ｗ２’、Ｗ３’とする。

調整部２７０は、上記かい離度に基づいて、重みパラメータＷ１’、Ｗ２’、Ｗ３’を計算する（ステップＳ２０６）。調整部２７０は、例えば、以下の式（６）、（７）を満たすように、重みパラメータＷ１’、Ｗ２’、Ｗ３’を計算する。
Ｗｎ’＝Ｗｎ＊（１＋Ｅｎ）＊Ｃ（ｎ＝１，２，３） ・・・（６）
Ｗ１’＋Ｗ２’＋Ｗ３’＝１ ・・・（７）
ただし、Ｃは、ｎ＝１，２，３それぞれに関するＷｎ＊（１＋Ｅｎ）の合計値を分母とし、１を分子とする定数である。

調整部２７０は、計算した重みパラメータＷ１’、Ｗ２’、Ｗ３’を、ドライバモデル２３２の重みパラメータ２３３に反映させる（ステップＳ２０７）。このとき、ドライバモデル２３２の目的関数は、以下の式（１）’に示す式になる。
目的関数＝（Ｗ１’＊ＶＳ）＋（Ｗ２’＊ＶＦ）＋（Ｗ３’＊ＶＡ） ・・・（１）’
式（６）で示されるように、上記かい離度が大きいほど、重みパラメータの値は大きく設定される。これにより、調整後の重みパラメータ２３３を用いたドライバモデル２３２は、かい離度の大きい評価指標をより重視して操作を決定するアルゴリズムとなる。なお、式（６）は一例であり、Ｅｎの代わりにＥｎ^２を用いるなどかい離度の大きいパラメータの調整幅を大きくしてもよいし、Ｅｎを最大値の範囲内におさめることで過度に調整幅が大きくなりすぎないようにしてもよい。

車両走行シミュレータ２３０は、制御部２３１において、走行環境データを読み出し、ドライバモデル２３２を用いて、上記のように調整された（更新された）重みパラメータ２３３を用いた目的関数を最適化するように、車両のアクセル、ブレーキ、ハンドルなどの操作を、所定の時間毎に決定する。

制御部２３１は、上記のように決定された操作で、仮想的に車両を制御する。制御部２３１は、上述のように調整された重みパラメータ２３３を用いた調整後のシミュレーション走行データを生成する。制御部２３１は、生成したシミュレーション走行データを、シミュレーション走行データ記憶部２４０に格納する（ステップＳ２０８）。

続いて、評価部２５０は、上述のようにシミュレーション走行データ記憶部２４０に格納された調整後のシミュレーション走行データと、実走行データ記憶部２１０に記憶されている実走行データについて、上述した評価指標に関する評価値を、上記ステップＳ２０３と同様に求める（ステップＳ２０９）。

続いて、評価部２５０は、上述のように求めた各評価値に基づくシミュレーション走行データと実走行データとの比較結果を、表示部２６０に表示する（ステップＳ２１０）。図１２（ａ）、（ｂ）および（ｃ）は、シミュレーション走行データと実走行データとの比較結果を、表示部２６０に表示した一例を示す図である。図１２（ａ）、（ｂ）および（ｃ）は、それぞれ、評価指標を、速度、燃費および乗り心地とした場合の、シミュレーション走行データと実走行データとの比較結果を示す。

図１１（ｂ）に示すように、燃費に関するシミュレーション走行データは、図８（ｂ）に示した結果よりも、実走行データとのかい離度が小さくなっている。このように、シミュレーション走行データと、実走行データの各評価値のかい離度に基づいて、重みパラメータを調整することにより、よりドライバの運転嗜好に沿ったドライバモデル２３２を生成することができる。

以上のように、本第３の実施形態によれば、評価部２５０は、シミュレーション走行データと実走行データとを、複数の評価指標に基づいて比較し、かい離度が大きい評価指標を重視するように、ドライバモデル２３２における重みパラメータ２３３を調整する。この構成を採用することにより、本第３の実施形態によれば、複数の評価指標のバランスを考慮したドライバモデルを生成できるという効果が得られる。

第４の実施形態
図１３は、本発明の第４の実施形態に係る車両４００の構成を示すブロック図である。図１３に示すように、第４の実施形態に係る車両４００は、上記第３の実施形態に係る情報処理装置３００と、センサ群４１０とを備える。

センサ群４１０は、走行中の車両に関する情報、例えば、車両の位置、方向、速度、加速度を取得する１または複数のセンサを含む。情報処理装置３００の実走行データ取得部２１１は、センサ群４１０が取得した走行中の車両に関する情報を、実走行データとして取得すると共に、シミュレーション走行データ記憶部２４０に記憶する。

情報処理装置３００は、第３の実施形態で説明した動作と同様に、上記のように記憶された実走行データと、車両走行シミュレータ２３０により生成されたシミュレーション走行データとを、複数の評価指標に基づいて比較する。そして、調整部２７０は、かい離度の大きい評価指標をより重視するように、重みパラメータ２３３を調整する。

以上のように、本第４の実施形態によれば、車両４００に、情報処理装置３００とセンサ群４１０とを搭載し、情報処理装置３００は、センサ群４１０により取得された実走行データに基づいて、重みパラメータ２３３を調整する。

この構成を採用することにより、本第４の実施形態によれば、車両４００に当初搭載された車両走行シミュレータ２３０のドライバモデル２３２が、平均的な挙動を表現するドライバモデルであったとしても、以下の効果が得られる。すなわち、センサ群４１０が車両４００の情報を取得すると共に、情報処理装置３００がその情報に基づいてドライバの嗜好を反映させたドライバモデルを生成するので、そのドライバモデルにより複数の評価指標のバランスを考慮して走行を制御することができるという効果が得られる。

第５の実施形態
図１４は、本発明の第５の実施形態に係る車両５００と、情報処理装置５１０の構成を示すブロック図である。図１４に示すように、第５の実施形態に係る車両５００は、第４の実施形態において説明したセンサ群４１０と、通信部５２０とを備える。また、第５の実施形態に係る情報処理装置５１０は、第３の実施形態において説明した情報処理装置３００の構成に加えて、通信部５３０を備える。

情報処理装置５１０は、車両５００の外部に設置されている。車両５００と、情報処理装置５１０は、通信部５２０、通信部５３０を介して、互いに通信する。

情報処理装置５１０は、車両５００のセンサ群４１０が取得した走行中の車両に関する情報、例えば、車両の位置、方向、速度、加速度を、通信部５３０を介して取得すると共に、取得した情報を実走行データとして、実走行データ記憶部２１０に記憶する。情報処理装置５１０は、記憶された実走行データに基づいて、第３の実施形態で説明したように、重みパラメータ２３３を調整し、調整後の重みパラメータ２３３を含むドライバモデル２３２を、車両５００に送信する。

以上のように、本第５の実施形態によれば、車両５００は、センサ群４１０と通信部５２０とを備え、情報処理装置５１０は、センサ群４１０により取得された情報を受信する通信部５３０を備える。情報処理装置５１０は、受信した情報に基づいて、重みパラメータ２３３を調整し、調整後の重みパラメータ２３３を含むドライバモデル２３２を、車両５００に送信する。

この構成を採用することにより、本第５の実施形態によれば、情報処理装置５１０に当初搭載された車両走行シミュレータ２３０のドライバモデル２３２が、平均的な挙動を表現するドライバモデルであったとしても、以下の効果が得られる。すなわち、センサ群４１０が車両５００の情報を取得すると共に、情報処理装置５１０がその情報に基づいてドライバの嗜好を反映させたドライバモデルを生成して車両５００に送信するので、車両５００は、そのドライバモデルにより複数の評価指標のバランスを考慮して走行を制御することができるという効果が得られる。

また、ドライバが運転する車両が異なる場合でも、そのドライバの嗜好を反映させたドライバモデルを車両の外部から受け取ることにより、そのドライバの嗜好を反映させるように走行を制御することができるという効果が得られる。

なお、本実施形態では、車両５００は、情報処理装置５１０と、通信部５２０、５３０を経由して情報の送受信を行うことを説明したが、これに限定されず、メモリカード等の可搬な記憶媒体を用いて情報のやり取りを行ってもよい。

第６の実施形態
図１５は、本発明の第６の実施形態に係る情報処理装置６００の機能ブロック図である。図１５に示すように、第６の実施形態に係る情報処理装置６００は、第３の実施形態において図１０を参照して説明した情報処理装置３００の調整部２７０に代えて、調整部６１０を備え、さらに、個別ドライバモデル記憶部６２０および分類部６３０を備える構成を有する。

調整部６１０は、第３の実施形態において説明した調整部２７０の機能に加えて、所定のタイミングまで、重みパラメータの値の調整を繰り返す機能を有する。すなわち、調整部６１０は、調整した重みパラメータを、車両走行のシミュレーションにフィードバックし、ドライバの運転嗜好に沿うように、重みパラメータの値を調整する機能を有する。

ここで、調整部６１０によって調整された重みパラメータの値を用いるドライバモデルを、以降、「個別ドライバモデル」と称する。個別ドライバモデルは、各種走行環境の下で、各ドライバの運転嗜好に沿うように生成されたドライバモデルである。

図１５の個別ドライバモデル記憶部６２０は、個別ドライバモデルを格納する機能を有する。分類部６３０は、個別ドライバモデル記憶部６２０に格納された個別ドライバモデルについて、ドライバの運転嗜好の類似度に基づいて分類を行う機能を有する。

本第６の実施形態では、個別ドライバモデルを生成し、生成した個別ドライバモデルに対して、ドライバの運転嗜好の類似度に基づいて分類を行うと共に、分類結果を、各種用途に適用することについて説明する。

図１５において、図１０と同一符号を付した構成要素は、第３の実施形態において説明した構成要素と同様の機能を有する。ただし、本第６の実施形態では、実走行データ記憶部２１０には、複数のドライバに関する複数の実走行データが格納されているとする。また、走行環境データ記憶部２２０には、それら複数の実走行データが得られた際の、走行路情報、環境情報および他物体情報等が格納されているとする。実走行データ記憶部２１０に格納される実走行データと、走行環境データ記憶部２２０に格納される走行環境データは、互いに関連付けられているとする。

なお、実走行データ記憶部２１０には、複数のドライバに関する複数の実走行データに限らず、１のドライバに関する、異なる走行環境での複数の実走行データが格納されていてもよい。

個別ドライバモデルの生成について説明する。

調整部６１０は、かい離度計算部６１１、調整判定部６１２および重み計算部６１３を備える。

かい離度計算部６１１は、上記第３の実施形態で説明した、評価指標ごとの、実走行データの評価値に対する、シミュレーション走行データの評価値のかい離度の計算を行う。調整判定部６１２は、かい離度計算部６１１により算出されたかい離度に基づいて、所定の基準により、重みパラメータの値の調整の要否の判定を行う。重み計算部６１３は、調整判定部６１２が調整要と判定した場合、上記第３の実施形態で説明したように、かい離度が大きい評価指標を重視するように重みパラメータの値の調整（計算）を行う。

図１６は、第６の実施形態に係る情報処理装置６００の動作を示すフローチャートである。図１６において、ステップＳ２０１乃至Ｓ２０７は、第３の実施形態の図１１における同一符号の処理とそれぞれ同様の処理であり、本第６の実施形態では、新たにステップＳ３００、Ｓ３０１が追加されている。図１６を参照して、情報処理装置６００の動作について説明する。なお、図１６には、情報処理装置６００の分類部６３０の動作は含まれない。また、図１６において、図１１の同一符号の処理については、その詳細な説明を省略する。

図１６のステップＳ２０５は、調整部６１０のかい離度計算部６１１により行われる。すなわち、かい離度計算部６１１は、ステップＳ２０４における比較結果に基づいて、評価指標ごとの、実走行データの評価値に対する、シミュレーション走行データの評価値のかい離度を計算する。

続いて、調整判定部６１２は、かい離度計算部６１１により算出されたかい離度に基づいて、所定の基準により、重みパラメータの値の調整の要否を判定する（ステップＳ３００）。調整判定部６１２は、例えば、各評価指標に関するかい離度の各々の閾値を予め設定しておき、すべてのかい離度がそれぞれの閾値よりも小さい場合は「調整不要」、それ以外の場合は「調整要」と判定してもよい。ただし、判定の基準は、これに限定されない。

調整判定部６１２は、「調整不要」と判定した場合（ステップＳ３００においてＮｏ）、その時点の重みパラメータの値を用いるドライバモデルを、個別ドライバモデルとして、個別ドライバモデル記憶部６２０に格納する（ステップＳ３０１）。

一方、調整判定部６１２は、「調整要」と判定した場合（ステップＳ３００においてＹｅｓ）、重み計算部６１３に、重みパラメータの値の計算を指示する。重み計算部６１３は、上記指示に応じて、かい離度が大きい評価指標を重視するように重みパラメータの値を計算する（ステップＳ２０６）。

続いて、重み計算部６１３は、計算した調整後の重みパラメータの値を、車両走行シミュレータ２３０のドライバモデル２３２に反映させる（ステップＳ２０７）。

以降、処理はステップＳ２０１に戻り、ステップＳ３００において、調整判定部６１２により「調整不要」と判定されるまで、ステップＳ２０１乃至ステップＳ２０７が繰り返される。

ステップＳ３００において、調整判定部６１２は、「調整不要」と判定すると、上述したように、その時点の重みパラメータの値を用いるドライバモデルを個別ドライバモデルとして、個別ドライバモデル記憶部６２０に格納する（ステップＳ３０１）。

以上の図１６に示す動作を、情報処理装置６００は、実走行データ記憶部２１０に格納された、各種走行環境でのそれぞれの実走行データに対して実行する。

図１７は、上述の動作の結果、個別ドライバモデル記憶部６２０に格納された個別ドライバモデル６２１の例を示す図である。図１７に示すように、個別ドライバモデル６２１は、ドライバＩＤ（ＩＤｅｎｔｉｆｉｃａｔｉｏｎ）、走行環境および重み（個別値）を含む。

ドライバＩＤは、個別ドライバモデルの生成に用いた実走行データを得たドライバの識別情報である。走行環境は、個別ドライバモデルの生成に用いた実走行データを得た際の環境を示す。ここでは、例として、「走行路」と「天気」が、走行環境として指定されていることを示す。

重み（個別値）は、上述のように調整部６１０によって「調整不要」と判定されるまで調整された重みパラメータの値を示す。第３の実施形態において説明した重みパラメータＷ１、Ｗ２、Ｗ３にそれぞれ対応する重み（個別値）を、それぞれＷ１ｉ、Ｗ２ｉ、Ｗ３ｉと表記する。

図１７では、例えば、ドライバＩＤ＝「００１」のドライバに関し、走行路の種別が「市街地」、天気の種別が「晴れ」という走行環境で上述のように重みパラメータの値を調整しながらドライバモデルを用いた車両走行のシミュレーションを実行した結果、重みＷ１ｉ＝「０．２」、Ｗ２ｉ＝「０．４」、Ｗ３ｉ＝「０．４」が得られたことを示す。

図１７の他の個別ドライバモデル６２１も、同様に得られたモデルである。

次に、図１７のように得られた個別ドライバモデル６２１について、情報処理装置６００が備える分類部６３０により、重みの類似度に基づいて分類を行うことについて、説明する。

図１８は、情報処理装置６００が備える分類部６３０の構成を示すブロック図である。図１８に示すように、分類部６３０は、グループ生成部６３１、対象ドライバモデル取得部６３２、グループ判別部６３３およびグループ記憶部６３４を備える。

分類部６３０は、上述した個別ドライバモデル記憶部６２０に複数の個別ドライバモデル６２１が記憶された後、所定のタイミングで、個別ドライバモデル６２１の分類を実施する。例えば、分類部６３０は、閾値以上の数の個別ドライバモデル６２１が個別ドライバモデル記憶部６２０に記憶されたタイミングで、分類を実施してもよいし、ユーザからの指示に応じて分類を実施してもよい。ここで、分類には、個別ドライバモデル記憶部６２０に記憶された個別ドライバモデル６２１をグループ分けすることと、新たに生成された個別ドライバモデル６２１がいずれのグループに属するかを判別することを含む。

分類部６３０の各構成要素について具体的に説明する。

グループ生成部６３１は、図１５に示した個別ドライバモデル記憶部６２０から個別ドライバモデル６２１を取得すると共に、取得した個別ドライバモデル６２１を、重みの類似度に基づいて、グループ分けする。具体的には、グループ生成部６３１は、重み（個別値）Ｗ１ｉ、Ｗ２ｉ、Ｗ３ｉの類似度に基づいて、取得した個別ドライバモデル６２１をグループ分けすることにより、少なくとも１つのグループを生成する。個別ドライバモデル６２１は、生成されたグループのいずれかに属する。

グループ生成部６３１は、例えば、ｋ−ｍｅａｎｓなどの既存の手法を用いて、重みの類似度に基づいて、個別ドライバモデル６２１をグループ分けしてもよい。これにより、重みの値が近い、すなわち、運転嗜好が近いドライバの各個別ドライバモデル６２１が、同じグループに属することとなる。

グループ分けの手法は、ｋ−ｍｅａｎｓ手法に限定されず、対象となるデータの類似度に基づいて、少なくとも１つのグループを生成できる手法であればよい。

一般に、ｋ−ｍｅａｎｓ手法を用いてグループ分けを行うと、グループ分けしたデータの値の代表値が得られる。ここでは、複数の個別ドライバモデル６２１のそれぞれの重み（個別値）Ｗ１ｉ、Ｗ２ｉ、Ｗ３ｉに基づいてｋ−ｍｅａｎｓ手法によりグループ分けすると、重みＷ１ｉ、Ｗ２ｉ、Ｗ３ｉそれぞれの代表値が得られる。グループ生成部６３１は、この代表値を、生成した各グループのドライバモデルの重みとして用いてもよい。この重みの代表値を用いるドライバモデルを、「代表ドライバモデル」と称する。また、重み（個別値）Ｗ１ｉ、Ｗ２ｉ、Ｗ３ｉの代表値を、それぞれ重み（代表値）Ｗ１ｒ、Ｗ２ｒ、Ｗ３ｒと表記する。

図１９は、複数の個別ドライバモデル６２１をもとにグループ生成部６３１により生成されたグループの代表ドライバモデルの一例を示す図である。上述したように、重み（代表値）Ｗ１ｒ、Ｗ２ｒ、Ｗ３ｒは、それぞれのグループに属する個別ドライバモデル６２１の重み（個別値）から得られる代表値である。

なお、グループ生成部６３１は、ｋ−ｍｅａｎｓ以外の手法を用いて分類する場合も、平均値などの代表値を算出し、算出した値をそれぞれのグループの重みに使用すればよい。また、代表ドライバモデルの重みに、代表値を使用することに限定されない。例えば、同じグループに属する個別ドライバモデル６２１のうちのいずれかに用いられている重み（個別値）Ｗ１ｉ、Ｗ２ｉ、Ｗ３ｉを、そのグループの代表ドライバモデルの重みとして使用してもよい。

ここで、グループ生成部６３１は、個別ドライバモデル６２１のグループ分けにおいて、重み（個別値）に加えて、「走行路」、「天気」などの走行環境の種別も用いてもよい。この場合、これらの走行環境の種別、例えば「市街地」、「郊外」等を、カテゴリ値に置き換えて、分類手法を適用してもよい。

具体的には、グループ生成部６３１は、例えば「走行路」について、「市街地」を「１」、「郊外」を「２」等に置き換え、「天気」について、「晴れ」を「１」、「曇り」を「２」等に置き換えたうえで、ｋ−ｍｅａｎｓ手法を適用してもよい。

このとき、グループ生成部６３１は、各走行環境について必要数の閾値を予め設定しておき、それら閾値と、各走行環境のカテゴリ値の各々の代表値とを比較して、グループの走行環境の種別を決定してもよい。例えば、「天気」に関する閾値として、「１．５」が設定されたとする。このとき、グループ生成部６３１は、グループの走行環境の種別を、「天気」の代表値が「１．５」未満であれば「晴れ」、「１．５」であれば「晴れ／曇り」、「１．５」より大きければ「曇り」、としてもよい。

以上のように、グループ生成部６３１は、相互に運転嗜好の近い個別ドライバモデルのグループを生成する。グループ生成部６３１は、生成したグループの代表ドライバモデルを、グループ記憶部６３４に格納する。

次に、分類部６３０により、情報処理装置６００が新たに生成した個別ドライバモデル６２１がいずれのグループに属するかを判別する機能について説明する。この機能は、例えば、上述のグループが生成された後、ユーザからの指示に応じて実行されてもよい。

具体的には、分類部６３０は、以下の動作を行う。すなわち、図１８に示した対象ドライバモデル取得部６３２は、情報処理装置６００により新たに生成された個別ドライバモデル（以降、「対象ドライバモデル」とも称する）を取得する。グループ判別部６３３は、取得された対象ドライバモデルが、いずれのグループに属するかを判別する。グループの判別方法は特に限定されない。

例えば、グループ判別部６３３は、対象ドライバモデルの重み（個別値）Ｗ１ｉ、Ｗ２ｉ、Ｗ３ｉと、各グループの代表ドライバモデルの重み（代表値）Ｗ１ｒ、Ｗ２ｒ、Ｗ３ｒとをそれぞれ比較し、重み（個別値）Ｗ１ｉ、Ｗ２ｉ、Ｗ３ｉとの距離が最も近い重み（代表値）Ｗ１ｒ、Ｗ２ｒ、Ｗ３ｒをもつ代表ドライバモデルのグループを、対象ドライバモデルが属するグループと判別してもよい。

出力部６３５は、グループ判別部６３３により判別されたグループを、情報処理装置６００の表示部２６０に表示してもよい。図２０は、出力部６３５により表示部２６０に表示されるドライバ支援画面６４０の一例を示す図である。

ここで、上述のグループ判別部６３３は、対象ドライバモデル取得部６３２により対象ドライバモデルが取得された後、ユーザによりドライバ支援画面６４０に含まれるグループ判別ボタン６４１が押下されたことに応じて、グループの判別を行ってもよい。

出力部６３５は、グループ判別部６３３により判別された結果を、表示部２６０に表示する。図２０に示すように、出力部６３５は、例えば、「あなたの運転は、“グループＡ”に含まれます」など、対象ドライバモデルが属すると判別されたグループＩＤを表示してもよい。

出力部６３５は、上述のような判別結果に限らず、対象ドライバモデルが属するグループに関する各種情報を表示部２６０に表示してもよい。すなわち、出力部６３５は、各グループの代表ドライバモデルの重みに応じた運転嗜好に関する情報を予め保持しておくことで、対象ドライバモデルの運転嗜好に沿った情報を表示することができる。

例えば、出力部６３５は、グループごとに、その代表ドライバモデルの重みに応じた運転嗜好（運転特性）を表す情報、例えば、「運転が荒い」、「運転が慎重」などの情報を保持しておく。そして、出力部６３５は、対象ドライバモデルが属するグループＩＤと共に、それらの運転特性を表す情報を、表示部２６０に表示してもよい。

また、出力部６３５は、優良な代表ドライバモデルを予め決定しておき、対象ドライバモデルと優良な代表ドライバモデルとの比較の結果を表示部２６０に表示してもよい。

その他、上記分類結果は、各種用途に利用することができる。以降、分類結果の用途について説明する。

分類結果は、自動車保険料の設定に利用することができる。すなわち、出力部６３５は、グループごとに、その代表ドライバモデルの重みに応じた、自動車保険料等を決定するための保険情報を予め保持しておく。そして、出力部６３５は、対象ドライバモデルが属するグループの保険情報に基づいて、そのグループに適した自動車保険料を算出して表示部２６０に表示する。

図２１は、出力部６３５により表示部２６０に表示されたドライバ支援画面６４０の他の例を示す図である。図２１に示すように、出力部６３５は、例えば、対象ドライバモデルが属するグループ名と、そのグループに適用される自動車保険料とを、表示部２６０に表示してもよい。

上記のように、分類結果を自動車保険料の設定に利用することにより、例えば、代表ドライバモデルの重みに応じた事故発生率を算出し、事故発生率が相対的に高いグループの保険料を相対的に高くするといった設定ができる。

分類結果は、また、商品購入の推薦に利用することができる。すなわち、出力部６３５は、グループごとに、その代表ドライバモデルの重みに応じた、車両や車両制御オプションを決定するための車両情報を予め保持しておく。そして、出力部６３５は、対象ドライバモデルが属するグループの車両情報に基づいて、そのグループに適した推薦商品（車種、ブレーキアシスト等）を決定し、表示部２６０に表示する。

図２２は、出力部６３５により表示部２６０に表示されたドライバ支援画面６４０の他の例を示す図である。図２２に示すように、出力部６３５は、例えば、対象ドライバモデルが属するグループ名と、そのグループに適した推薦商品とを、表示部２６０に表示してもよい。

情報処理装置６００は、また、図１３に示したように車両に搭載されてもよい。この場合、分類結果は、運転経路の探索に利用することができる。すなわち、出力部６３５は、グループごとに、その代表ドライバモデルの重みに応じた、運転経路の情報（経路情報）を予め保持しておく。例えば、出力部６３５は、重みに応じて、「渋滞したとしても近いルートを走りたい」、「渋滞をできる限り避けて走りたい」などといった運転特性を、グループと関連付けて保持しておく。そして、出力部６３５は、当該車両のドライバの個別ドライバモデルが属するグループの運転特性に適した運転経路を探索し、車両の表示器に表示する。

また、分類結果は、道路案内に利用されてもよい。すなわち、出力部６３５は、グループごとに、その代表ドライバモデルの重みに応じた、道路案内の情報を予め保持しておく。例えば、出力部６３５は、渋滞に関する嗜好とグループとを関連付けて保持しておく。そして、出力部６３５は、対象ドライバモデルが属するグループの嗜好に応じて、車両の表示器に、渋滞が少ないルート、あるいは、混み合ったルートを表示する。

また、分類結果は、運転支援に利用されてもよい。すなわち、出力部６３５は、グループごとに、その代表ドライバモデルの重みに応じた、運転支援の情報を予め保持する。出力部６３５は、車両のドライバの個別ドライバモデルが属するグループに適した運転支援を決定し、車両の操作に反映する。出力部６３５は、例えば、アクセルの踏み加減を、グループのドライバモデルに従うように操作してもよいし、あるいは、従わずより安全な運転をするように操作してもよい。

また、分類結果は、警告表示に利用されてもよい。すなわち、出力部６３５は、グループごとに、その代表ドライバモデルの重みに応じた、警告情報を予め保持しておく。そして、出力部６３５は、対象ドライバモデルが属するグループに関連付けられた警告情報を、車両の表示器に表示してもよい。出力部６３５は、例えば、事故率が相対的に高いと考えられるグループに、予め警告情報を関連付けて保持しておき、車両のドライバの個別ドライバモデルがそのグループに属すると判定されたときに、車両の表示器に、安全運転を促す警告を表示してもよい。

例えば、あるドライバに関して日ごとに個別ドライバモデルを生成、分類しておき、ある日の運転に関する個別ドライバモデルが、通常と異なるグループに分類されると判定された場合、出力部６３５は、車両の表示器に警告を表示してもよい。あるいは、このような場合、出力部６３５は、車両に対して、アクセルの踏み込みに制限をかける指示を出してもよい。

出力部６３５は、また、上述のように得られた情報を、通信可能な管理装置等に送信してもよい。例えば、営業車両に搭載された情報処理装置６００から、その営業車両のドライバの個別ドライバモデルに関して上述のように得たられた情報を、営業センターの管理装置に送信してもよい。

以上のように、本第６の実施形態によれば、情報処理装置６００は、調整部６１０において、重みの値を調整しながら車両走行のシミュレーションを行うことで、ドライバの実走行に近い個別ドライバモデルを生成する。そして、分類部６３０は、生成された複数の個別ドライバモデルから、ドライバモデルの重みの類似度に基づいて少なくとも１つのグループを生成すると共に、新たに生成された個別ドライバモデルがいずれのグループに属するかを判別する。

上記構成を採用することにより、本第６の実施形態によれば、複数の指標を考慮して生成されたドライバモデルの分類を行うことができるので、ドライバの運転特性の精度の高い分類を実施することができるという効果が得られる。また、このように精度の高い分類の結果に基づいてドライバに情報を提供するので、ドライバの運転特性により適した情報を提供できるという効果が得られる。

なお、図１等に示した情報処理装置の各部は、それぞれ、図２３に例示するハードウエア資源において実現される。すなわち、図２３に示す構成は、プロセッサ１１、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１２、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１３、外部接続インタフェース１４、記録装置１５および各構成要素を接続するバス１６を備える。

上述した各実施形態では、図２３に示すプロセッサ１１が実行する一例として、情報処理装置に対して、上述した機能を実現可能なコンピュータ・プログラムを供給した後、そのコンピュータ・プログラムを、プロセッサ１１がＲＡＭ１２に読み出して実行することによって実現する場合について説明した。しかしながら、図１等に示した情報処理装置の各ブロックに示す機能は、一部または全部を、ハードウエアとして実現してもよい。

係る供給されたコンピュータ・プログラムは、読み書き可能なメモリ（一時記憶媒体）またはハードディスク装置等のコンピュータ読み取り可能な記憶デバイスに格納すればよい。そして、このような場合において、本発明は、係るコンピュータ・プログラムを表すコード或いは係るコンピュータ・プログラムを格納した記憶媒体によって構成されると捉えることができる。

以上、上述した実施形態を参照して本発明を説明した。しかしながら、本発明は、上述した実施形態には限定されない。即ち、本発明は、本発明のスコープ内において、種々の上記開示要素の多様な組み合わせ乃至選択など、当業者が理解し得る様々な態様を適用することができる。

１１ プロセッサ
１２ ＲＡＭ
１３ ＲＯＭ
１４ 外部接続インタフェース
１５ 記録装置
１６ バス
１００、２００、３００、５１０、６００ 情報処理装置
１１０ 生成部
１２０ 判別部
２１０ 実走行データ記憶部
２１１ 実走行データ取得部
２２０ 走行環境データ記憶部
２３０ 車両走行シミュレータ
２３１ 制御部
２３２ ドライバモデル
２３３ 重みパラメータ
２４０ シミュレーション走行データ記憶部
２４１ シミュレーション走行データ取得部
２５０ 評価部
２６０ 表示部
２７０ 調整部
４００ 車両
４１０ センサ群
５００ 車両
５２０、５３０ 通信部
６１０ 調整部
６１１ かい離度計算部
６１２ 調整判定部
６１３ 計算部
６２０ 個別ドライバモデル記憶部
６２１ 個別ドライバモデル
６３０ 分類部
６３１ グループ生成部
６３２ 対象ドライバモデル取得部
６３３ グループ判別部
６３４ グループ記憶部
６３５ 出力部
６４０ ドライバ支援画面
６４１ グループ判別ボタン

Claims (10)

1. 複数の指標の各々に関する重みを用いる所定の目的関数に基づき、走行環境に対する車両の操作を決定する、複数のドライバモデルの、前記重みに基づいて、当該複数のドライバモデルをグループ分けすることにより、少なくとも１つのグループを生成する生成手段と、
   対象ドライバモデルが属する前記グループを判別し、判別結果を出力する判別手段と
   を備えた情報処理装置。
2. 前記生成手段は、前記グループを、前記重みの類似度に基づいて、生成する
   請求項１に記載の情報処理装置。
3. 前記生成手段は、前記生成したグループに属する前記ドライバモデルに用いられる、前記重みに基づいて、当該グループの重みの代表値を算出し、
   前記判別手段は、前記対象ドライバモデルに用いられる重みと、前記算出した重みの代表値との距離に基づいて、前記対象ドライバモデルが属するグループを判別する
   請求項１または２に記載の情報処理装置。
4. 前記グループに関連付けられた所定の情報を保持し、当該所定の情報に基づいて、前記判別手段により判別された前記対象ドライバモデルが属するグループに関連付けられた前記所定の情報を出力する出力手段
   をさらに備えた請求項１ないし３のいずれか１項に記載の情報処理装置。
5. 前記所定の情報は、保険料を決定するための保険情報であり、
   前記出力手段は、前記保険情報に基づいて、前記判別手段により判別された前記対象ドライバモデルが属するグループの保険料を出力する
   を請求項４に記載の情報処理装置。
6. 前記所定の情報は、走行の経路を示す経路情報であり、
   前記出力手段は、前記経路情報に基づいて、前記判別手段により判別された前記対象ドライバモデルが属するグループに関連付けられた前記経路情報を出力する
   を請求項４に記載の情報処理装置。
7. 前記所定の情報は、ドライバへの警告を示す警告情報であり、
   前記出力手段は、前記警告情報に基づいて、前記判別手段により判別された前記対象ドライバモデルが属するグループに関連付けられた前記警告情報を出力する
   を請求項４に記載の情報処理装置。
8. さらに、
   ドライバによる車両の走行により得られた走行データである実走行データの前記複数の指標の値と、前記走行に関する前記走行環境を表す走行環境データと、前記ドライバモデルとを用いて、前記ドライバによる前記車両の走行を模擬するシミュレータから得られた走行データであるシミュレーション走行データの前記複数の指標の値との差異に基づき、前記複数の指標の各々に関する重みを調整する調整手段とを備え、
   前記生成手段は、前記調整手段により重みが調整された前記複数のドライバモデルをグループ分けすることにより、少なくとも１つのグループを生成し、
   前記判別手段は、前記調整手段により重みが調整された前記対象ドライバモデルが属する前記グループを判別し、判別結果を出力する
   請求項１乃至７のいずれか１項に記載の情報処理装置。
9. 複数の指標の各々に関する重みを用いる所定の目的関数に基づき、走行環境に対する車両の操作を決定する、複数のドライバモデルの、前記重みに基づいて、当該複数のドライバモデルをグループ分けすることにより、少なくとも１つのグループを生成し、
   対象ドライバモデルが属する前記グループを判別し、判別結果を出力する
   分類方法。
10. 複数の指標の各々に関する重みを用いる所定の目的関数に基づき、走行環境に対する車両の操作を決定する、複数のドライバモデルの、前記重みに基づいて、当該複数のドライバモデルをグループ分けすることにより、少なくとも１つのグループを生成する処理と、
    対象ドライバモデルが属する前記グループを判別し、判別結果を出力する処理と
    を、コンピュータに実行させるコンピュータ・プログラム。

Images