JP2022149751A - Vehicle driving support device - Google Patents

Abstract

To provide a vehicle driving support device that can perform alarming for calling for attention to a driver at a proper timing, without causing the driver to feel cumbersome.SOLUTION: A running ECU 26 estimates an optimal seated posture of a superior driver with respect to a running environment shown by a photographed image, using an estimation model A and an estimation model B which are preset by machine learning; estimates a seated posture of a target driver with respect to a distribution of seating face pressure sensed by a seat pressure sensor 36, using the estimation model A; calculates superiority of the seated posture of the target driver with respect to the running environment of an own vehicle 1 on the basis of a result of comparison of the optimal seated posture of the superior driver with the seated posture of the target driver; and determines whether alarming for calling for attention to the running environment should be executed, on the basis of the superiority.SELECTED DRAWING: Figure 12

Description

本発明は、予め設定された走行リスクを有する道路を走行している場合に、ドライバに注意喚起を促す警報を行うことが可能な運転支援を行う車両の運転支援装置に関する。 TECHNICAL FIELD The present invention relates to a driving assistance device for a vehicle that provides driving assistance capable of issuing an alarm to alert a driver when the vehicle is traveling on a road having a preset driving risk.

近年、自動車等の車両においては、ドライバの運転操作の負担を軽減するとともに、安全性の向上を実現することを目的として、ドライバの運転操作を支援するための運転支援装置が実用化されている。この種の運転支援装置では、ドライバによる主体的な運転操作を前提として操舵支援制御や加減速制御を行う運転支援モードや、ドライバの運転操作を必要とすることなく車両を走行せせるための運転支援モード（所謂、自動運転モード）についての各種技術が開発されている（例えば、特許文献１参照）。 In recent years, in vehicles such as automobiles, driving assistance devices for assisting the driver's driving operation have been put to practical use with the aim of reducing the burden of the driver's driving operation and improving safety. . This type of driving assistance system has a driving assistance mode in which steering assistance control and acceleration/deceleration control are performed on the premise that the driver will perform a proactive driving operation, and a driving assistance mode that allows the vehicle to run without requiring the driver's driving operation. Various techniques for modes (so-called automatic operation modes) have been developed (see, for example, Patent Literature 1).

各運転支援モードにおける運転支援制御は、基本的には、追従車間距離制御（ＡＣＣ：Adaptive Cruise Control）機能と車線中央維持制御（ＡＬＫＣ：Active Lane Keep Centering）制御機能等とを備えることによって実現される。そして、このような運転支援制御により、先行車との車間を維持しつつ走行車線に沿って車両を自動走行させることができる。 The driving support control in each driving support mode is basically realized by providing an adaptive cruise control (ACC) function and an active lane keeping centering (ALKC) control function. be. With such driving support control, the vehicle can be automatically driven along the driving lane while maintaining the distance from the preceding vehicle.

また、運転支援装置においては、自車両の前方に車両や歩行者等の障害物を認識したとき、当該障害物に対する緊急ブレーキ（ＡＥＢ（衝突被害軽減ブレーキ）：Autonomous Emergency Braking）制御を行い、自車両と障害物との相対速度が零になるまで減速を行う技術が実用化されている。さらに、運転支援装置においては、緊急ブレーキ制御では障害物との衝突を回避できないと判断したとき、当該障害物との衝突を回避するための緊急操舵制御を行う技術が実用化されている。 In addition, when the driving support device recognizes an obstacle such as a vehicle or a pedestrian in front of the vehicle, it performs emergency braking (AEB: Autonomous Emergency Braking) control against the obstacle, A technique of decelerating the vehicle until the relative velocity between the vehicle and the obstacle becomes zero has been put into practical use. Furthermore, in driving support systems, when it is determined that a collision with an obstacle cannot be avoided by emergency brake control, a technique of performing emergency steering control to avoid collision with the obstacle has been put into practical use.

このような運転支援装置では、ドライバの意思に基づく安全性を確保するため、ドライバの操作介入によるオーバーライドによって、運転モードを所定の走行制御モードから手動運転モードへと切り替えることが可能となっている。すなわち、運転支援装置では、所定の運転支援モードが実行中であっても、例えば、歩行者の急な飛び出し発生時等の緊急時にドライバによる所定の運転操作が行われると、運転モードが手動運転モードに切り替えることにより、ドライバの運転操作を優先させることが可能となっている。そして、このようなオーバーライドにより、運転支援装置では、緊急ブレーキ制御や緊急操舵制御の実行を待つことなく、ドライバ主導の操作介入により、緊急時における障害物との衝突回避等を行うことができる。 In order to ensure safety based on the driver's intentions, such a driving support device is capable of switching the driving mode from a predetermined driving control mode to a manual driving mode by means of an override by the driver's operation intervention. . That is, in the driving support device, even when a predetermined driving support mode is being executed, if the driver performs a predetermined driving operation in an emergency such as when a pedestrian suddenly runs out, the driving mode is changed to manual driving. By switching to the mode, it is possible to give priority to the driving operation of the driver. With such an override, the driving support device can avoid a collision with an obstacle in an emergency by operating intervention led by the driver without waiting for execution of emergency brake control or emergency steering control.

特開２０１９－１７２１１３号公報JP 2019-172113 A

しかしながら、ドライバの運転支援制御に対する依存度が高い場合、緊急時にドライバが咄嗟の操作介入を行うことが困難となる虞がある。これに対し、運転支援制御中であっても、例えば、予め設定された走行リスクを有する道路（例えば、渋滞路、狭路、或いは、前方に交差点が存在する道路等）を自車両が走行している場合には、ドライバに注意喚起を促す警報を発することも可能である。しかしながら、このような警報を一律に行うと、運転支援制御中も常に周辺の走行環境に注意を払っているドライバにとっては煩わしい。 However, if the driver's dependence on driving support control is high, it may be difficult for the driver to intervene in an emergency. On the other hand, even during the driving support control, for example, if the own vehicle travels on a road having a preset travel risk (for example, a traffic jam, a narrow road, or a road with an intersection ahead), If so, it is possible to issue an alarm to alert the driver. However, if such a warning is issued uniformly, it is troublesome for the driver who always pays attention to the surrounding driving environment even during driving support control.

本発明は上記事情に鑑みてなされたもので、ドライバに対する注意喚起のための警告を、煩わしさを感じさせることなく、適切なタイミングで行うことができる車両の運転支援装置を提供することを目的とする。 SUMMARY OF THE INVENTION It is an object of the present invention to provide a driving support system for a vehicle capable of issuing a warning to the driver at an appropriate timing without making the driver feel annoyed. and

本発明の一態様による車両の運転支援装置は、車外の走行環境の撮像画像を取得する撮像手段と、機械学習によって予め設定された第１の推定モデルに基づき、前記撮像画像が示す前記走行環境に対する優良ドライバの最適着座姿勢を推定する最適着座姿勢推定手段と、ドライバが着座した運転席の座面圧力分布を検出する圧力検出手段と、機械学習によって予め設定された第２の推定モデルに基づき、前記座面圧力分布に対するドライバの着座姿勢を推定する着座姿勢推定手段と、前記最適着座姿勢と前記着座姿勢との比較に基づいて前記走行環境に対する前記着座姿勢の優良度を算出する優良度算出手段と、前記優良度に基づいて前記走行環境に対する注意喚起のための警告の実行判定を行う警告実行判定手段と、を備えたものである。 A driving assistance device for a vehicle according to one aspect of the present invention includes imaging means for acquiring a captured image of a driving environment outside the vehicle; Optimal seating posture estimating means for estimating the optimal seating posture of a good driver for, pressure detecting means for detecting the seat surface pressure distribution of the driver's seat where the driver is seated, and a second estimation model preset by machine learning based on seating posture estimation means for estimating the seating posture of the driver with respect to the seat surface pressure distribution; means, and a warning execution determination means for determining execution of a warning for calling attention to the driving environment based on the quality.

本発明の車両の運転支援装置によれば、ドライバに対する注意喚起のための警告を、煩わしさを感じさせることなく、適切なタイミングで行うことができる。 According to the vehicle driving support device of the present invention, it is possible to issue a warning to the driver at an appropriate timing without making the driver feel annoyed.

運転支援装置の全体構成図Overall configuration diagram of driving support device 車両に搭載した運転支援装置の概略構成図Schematic diagram of the driving support device installed in the vehicle 適切な着座姿勢の一例を示す説明図Explanatory diagram showing an example of a proper sitting posture 不適切な着座姿勢の一例を示す説明図Explanatory diagram showing an example of inappropriate sitting posture 走行リスクが高い走行環境での撮像画像の一例を示す説明図Explanatory diagram showing an example of a captured image in a high-risk driving environment 座面圧力分布の一例を示す説明図Explanatory drawing showing an example of seat surface pressure distribution 着座姿勢パターンを示す説明図Explanatory diagram showing seating posture patterns 座面圧力分布から着座姿勢を推定するための推定モデルの設定方法を示す説明図Explanatory diagram showing how to set an estimation model for estimating seating posture from seat pressure distribution 走行環境パターン画像に関連付けられた最適座面圧力分布のデータベースを示す説明図Explanatory diagram showing a database of optimal seat pressure distributions associated with driving environment pattern images 撮像画像から走行環境を推定するための推定モデルの設定方法を示す説明図Explanatory diagram showing how to set an estimation model for estimating the driving environment from captured images. 優良ドライバと対象ドライバの着座姿勢を比較するまでの手順を示す説明図Explanatory diagram showing the procedure for comparing the seating postures of a good driver and a target driver 警告制御ルーチンを示すフローチャートFlowchart showing warning control routine 優良ドライバが対象ドライバと同じ着座姿勢を取る確率を算出するためのマップA map for calculating the probability that a good driver will take the same sitting posture as the target driver 対象ドライバの着座姿勢の優良度を算出するためのマップMap for calculating the degree of superiority of the seating posture of the target driver 変形例に係り、走行環境毎の一致確率分布を示す図表Chart showing matching probability distribution for each driving environment according to the modified example 同上、優良度判定閾値設定用のマップSame as above, map for setting quality judgment threshold

以下、図面を参照して本発明の形態を説明する。図面は本発明の一実施形態に係り、図１は走行制御システムの全体構成図である。図１，２に示すように、車両（自車両）１に搭載される本実施形態の運転支援装置１０は、車外の走行環境を認識するためのユニットとして、カメラユニット１１と、ロケータユニット１２と、を有する。また、運転支援装置１０は、エンジン制御ユニット（以下、「Ｅ／Ｇ＿ＥＣＵ」と称す）２２と、パワーステアリング制御ユニット（以下、「ＰＳ＿ＥＣＵ」と称す）２３と、ブレーキ制御ユニット（以下、「ＢＫ＿ＥＣＵ」と称す）２４と、警報制御ユニット（以下、「警報＿ＥＣＵ」と称す）２５と、走行制御ユニット（以下、「走行＿ＥＣＵ」と称す）２６と、を有する。これら各制御ユニット２２～２６は、カメラユニット１１及びロケータユニット１２と共に、ＣＡＮ（Controller Area Network）等の車内通信回線を介して接続されている。 Hereinafter, embodiments of the present invention will be described with reference to the drawings. The drawings relate to one embodiment of the present invention, and FIG. 1 is an overall configuration diagram of a travel control system. As shown in FIGS. 1 and 2, a driving assistance device 10 of the present embodiment mounted on a vehicle (self-vehicle) 1 includes a camera unit 11 and a locator unit 12 as units for recognizing the driving environment outside the vehicle. , has The driving support device 10 also includes an engine control unit (hereinafter referred to as "E/G_ECU") 22, a power steering control unit (hereinafter referred to as "PS_ECU") 23, and a brake control unit (hereinafter referred to as "BK_ECU"). ) 24 , an alarm control unit (hereinafter referred to as “alarm_ECU”) 25 , and a travel control unit (hereinafter referred to as “travel_ECU”) 26 . These control units 22 to 26 are connected together with the camera unit 11 and the locator unit 12 via an in-vehicle communication line such as CAN (Controller Area Network).

カメラユニット１１は、例えば、車室内前部の上部中央に固定されている。このカメラユニット１１は、撮像手段であるメインカメラ１１ａおよびサブカメラ１１ｂからなる車載カメラ（ステレオカメラ）と、画像処理ユニット（ＩＰＵ）１１ｃと、第１の走行環境認識部１１ｄと、を有している。 The camera unit 11 is fixed, for example, at the upper center of the front part of the vehicle interior. The camera unit 11 has an in-vehicle camera (stereo camera) composed of a main camera 11a and a sub camera 11b as imaging means, an image processing unit (IPU) 11c, and a first driving environment recognition section 11d. there is

メインカメラ１１ａ及びサブカメラ１１ｂは、例えば、自車両１の前方の実空間（走行環境）をセンシングする自律センサである。これらメインカメラ１１ａ及びサブカメラ１１ｂは、例えば、車幅方向中央を挟んで左右対称な位置に配置され、自車両１の前方領域の走行環境画像を異なる視点からステレオ撮像する。 The main camera 11a and the sub-camera 11b are, for example, autonomous sensors that sense the real space (driving environment) in front of the vehicle 1 . The main camera 11a and the sub-camera 11b are arranged, for example, at symmetrical positions with respect to the center in the vehicle width direction, and stereoscopically capture images of the driving environment in front of the vehicle 1 from different viewpoints.

ＩＰＵ１１ｃは、両カメラ１１ａ，１１ｂで撮像した自車両１の前方走行環境画像情報を所定に画像処理し、対応する対象の位置のズレ量から求めた距離情報を含む前方走行環境画像情報（距離画像情報）を生成する。 The IPU 11c performs predetermined image processing on the forward driving environment image information of the own vehicle 1 captured by both cameras 11a and 11b, and generates forward driving environment image information (distance image information).

第１の走行環境認識部１１ｄは、ＩＰＵ１１ｃから受信した距離画像情報などに基づき、自車両１の周辺の道路を区画する車線区画線を求める。 The first driving environment recognition unit 11d obtains lane markings that divide the road around the own vehicle 1 based on the distance image information received from the IPU 11c.

また、第１の走行環境認識部１１ｄは、自車両１が走行する走行路（自車走行レーン）の左右を区画する区画線の道路曲率[１/ｍ]、および左右区画線間の幅（車線幅）を求める。この道路曲率、および車線幅の求め方は種々知られているが、例えば、第１の走行環境認識部１１ｄは、道路曲率を前方走行環境画像情報に基づき輝度差による二値化処理にて、左右の区画線を認識し、最小二乗法による曲線近似式などにて左右区画線の曲率を所定区間毎に求める。 The first driving environment recognition unit 11d also determines the road curvature [1/m] of the lane markings that divide the left and right of the lane on which the vehicle 1 travels (own vehicle driving lane), and the width between the left and right lane markings ( lane width). Various methods of obtaining the road curvature and the lane width are known. The left and right lane markings are recognized, and the curvature of the left and right lane markings is obtained for each predetermined section using a curve approximation formula based on the method of least squares.

また、第１の走行環境認識部１１ｄは、距離画像情報に対して所定のパターンマッチングなどを行い、道路に沿って存在するガードレール、縁石、および、自車両１の周辺の道路上に存在する歩行者、二輪車、二輪車以外の車両等の立体物の認識を行う。ここで、第１の走行環境認識部１１ｄにおける立体物の認識では、例えば、立体物の種別、立体物までの距離、立体物の速度、立体物と自車両１との相対速度などの認識が行われる。 Further, the first driving environment recognition unit 11d performs predetermined pattern matching or the like on the distance image information, and detects guardrails and curbs existing along the road, and pedestrians existing on the road around the vehicle 1. Three-dimensional objects such as people, motorcycles, and vehicles other than motorcycles are recognized. Here, in the recognition of three-dimensional objects in the first driving environment recognition unit 11d, for example, the type of three-dimensional object, the distance to the three-dimensional object, the speed of the three-dimensional object, the relative speed between the three-dimensional object and the host vehicle 1, and the like are recognized. done.

ロケータユニット１２は、道路地図上の自車位置を推定するものであり、自車位置を推定するロケータ演算部１３を有している。このロケータ演算部１３の入力側には、自車両１の前後加速度を検出する加速度センサ１４、前後左右各車輪の回転速度を検出する車輪速センサ１５、自車両の角速度または角加速度を検出するジャイロセンサ１６、複数の測位衛星から発信される測位信号を受信するＧＮＳＳ受信機１７など、自車両１の位置（自車位置）を推定するに際して必要とするセンサ類が接続されている。 The locator unit 12 is for estimating the position of the vehicle on the road map, and has a locator calculator 13 for estimating the position of the vehicle. On the input side of the locator calculation unit 13, an acceleration sensor 14 for detecting the longitudinal acceleration of the vehicle 1, a wheel speed sensor 15 for detecting the rotational speed of each of the front, rear, left and right wheels, and a gyro for detecting the angular velocity or angular acceleration of the vehicle. Sensors necessary for estimating the position of the vehicle 1 (vehicle position), such as a sensor 16 and a GNSS receiver 17 that receives positioning signals transmitted from a plurality of positioning satellites, are connected.

また、ロケータ演算部１３には、高精度道路地図データベース１８が接続されている。高精度道路地図データベース１８は、ＨＤＤなどの大容量記憶媒体であり、高精度な道路地図情報（ダイナミックマップ）が記憶されている。 A high-precision road map database 18 is also connected to the locator calculation unit 13 . The high-precision road map database 18 is a large-capacity storage medium such as an HDD, and stores high-precision road map information (dynamic map).

ロケータ演算部１３は、地図情報取得部１３ａと、第２の走行環境認識部１３ｂと、を備えている。 The locator calculation unit 13 includes a map information acquisition unit 13a and a second driving environment recognition unit 13b.

地図情報取得部１３ａは、例えばドライバが自動運転に際してセットした目的地に基づき、現在地から目的地までのルート地図情報を高精度道路地図データベース１８に格納されている地図情報から取得する。 The map information acquisition unit 13a acquires route map information from the current location to the destination from the map information stored in the high-precision road map database 18, for example, based on the destination set by the driver during automatic driving.

また、地図情報取得部１３ａは、取得したルート地図情報（ルート地図上の車線データ）を第２の走行環境認識部１３ｂへ送信する。第２の走行環境認識部１３ｂは、ＧＮＳＳ受信機１７で受信した測位信号に基づいて取得した自車両１の位置座標をルート地図情報上にマップマッチングして、道路地図上の自車位置を推定する。 The map information acquisition unit 13a also transmits the acquired route map information (lane data on the route map) to the second driving environment recognition unit 13b. The second driving environment recognition unit 13b performs map matching on the route map information for the position coordinates of the own vehicle 1 acquired based on the positioning signal received by the GNSS receiver 17, and estimates the own vehicle position on the road map. do.

また、第２の走行環境認識部１３ｂは、トンネル内走行などのようにＧＮＳＳ受信機１７の感度低下により測位衛星からの有効な測位信号を受信することができない環境において、車輪速センサ１５で検出した車輪速に基づき求めた車速、ジャイロセンサ１６で検出した角速度、及び前後加速度センサ１４で検出した前後加速度に基づいて自車位置を推定する自律航法に切換えて、道路地図上の自車位置を推定する。 Further, the second driving environment recognition unit 13b detects with the wheel speed sensor 15 in an environment in which the GNSS receiver 17 cannot receive effective positioning signals from the positioning satellites due to a decrease in the sensitivity of the GNSS receiver 17, such as driving in a tunnel. The vehicle position is estimated based on the vehicle speed obtained based on the calculated wheel speed, the angular velocity detected by the gyro sensor 16, and the longitudinal acceleration detected by the longitudinal acceleration sensor 14. presume.

さらに、第２の走行環境認識部１３ｂは、推定した自車位置を中心とする設定範囲の道路地図情報を、第２の走行環境情報として認識する。この第２の走行環境情報には、例えば、自車走行路（走行車線）を区画する左右の車線区画線、走行車線中央の道路曲率、道路種別等の各種情報が含まれる。 Further, the second driving environment recognition unit 13b recognizes the road map information of the set range centered on the estimated vehicle position as the second driving environment information. The second driving environment information includes, for example, left and right lane markings that divide the vehicle's driving path (driving lane), road curvature at the center of the driving lane, and various types of road type.

Ｅ／Ｇ＿ＥＣＵ２２の出力側には、スロットルアクチュエータ２７が接続されている。このスロットルアクチュエータ２７は、エンジンのスロットルボディに設けられている電子制御スロットルのスロットル弁を開閉動作させるものであり、Ｅ／Ｇ＿ＥＣＵ２２からの駆動信号によりスロットル弁を開閉動作させて吸入空気流量を調整することで、所望のエンジン出力を発生させる。 A throttle actuator 27 is connected to the output side of the E/G_ECU 22 . The throttle actuator 27 opens and closes a throttle valve of an electronically controlled throttle provided in the throttle body of the engine, and adjusts the intake air flow rate by opening and closing the throttle valve according to a drive signal from the E/G_ECU 22. By doing so, a desired engine output is generated.

ＰＳ＿ＥＣＵ２３の出力側には、電動パワステモータ２８が接続されている。この電動パワステモータ２８は、ステアリング機構にモータの回転力で操舵トルクを付与するものであり、自動運転では、ＰＳ＿ＥＣＵ２３からの駆動信号により電動パワステモータ２８を制御動作させることで、現在の走行車線の走行を維持させる車線中央維持制御、および自車両１を隣接車線へ移動させる車線変更制御（追越制御などのための車線変更制御）が実行される。 An electric power steering motor 28 is connected to the output side of the PS_ECU 23 . The electric power steering motor 28 applies a steering torque to the steering mechanism by the rotational force of the motor. Lane center keeping control for keeping the vehicle running, and lane change control for moving host vehicle 1 to an adjacent lane (lane change control for overtaking control, etc.) are executed.

ＢＫ＿ＥＣＵ２４の出力側には、ブレーキアクチュエータ２９が接続されている。このブレーキアクチュエータ２９は、各車輪に設けられているブレーキホイールシリンダに対して供給するブレーキ油圧を調整するもので、ＢＫ＿ＥＣＵ２４からの駆動信号によりブレーキアクチュエータ２９が駆動されると、ブレーキホイールシリンダにより各車輪に対してブレーキ力が発生し、強制的に減速される。 A brake actuator 29 is connected to the output side of the BK_ECU 24 . The brake actuator 29 adjusts the brake hydraulic pressure supplied to the brake wheel cylinder provided for each wheel. A braking force is generated against the vehicle, forcing deceleration.

警報＿ＥＣＵ２５の出力側には、警報装置３０が接続されている。この警報装置３０は、例えば、スピーカ及びディスプレイを備えて構成されている。そして、警報装置３０は、警報＿ＥＣＵ２５からの駆動信号によりスピーカやディスプレイを動作させることで、音声や表示によってドライバに対する各種の警報を行う。 An alarm device 30 is connected to the output side of the alarm_ECU 25 . This alarm device 30 is configured with, for example, a speaker and a display. The alarm device 30 operates a speaker and a display according to a drive signal from the alarm_ECU 25 to give various alarms to the driver by means of sound and display.

走行＿ＥＣＵ２６は、カメラユニット１１の第１の走行環境認識部１１ｄで認識した第１の走行環境情報、及び、ロケータユニット１２の第２の走行環境認識部１３ｂで認識した第２の走行環境情報などを読み込む。 The driving_ECU 26 receives the first driving environment information recognized by the first driving environment recognition section 11d of the camera unit 11, the second driving environment information recognized by the second driving environment recognition section 13b of the locator unit 12, and the like. load.

また、走行＿ＥＣＵ２６の入力側には、モード切換スイッチ３１、操舵トルクセンサ３２、ブレーキセンサ３３、アクセルセンサ３４、ヨーレートセンサ３５、圧力検出手段としてのシート圧力センサ３６、ドライバモニタリングシステム（ＤＭＳ）３７等の各種のスイッチ類及びセンサ類が接続されている。 Further, on the input side of the travel_ECU 26 are a mode changeover switch 31, a steering torque sensor 32, a brake sensor 33, an accelerator sensor 34, a yaw rate sensor 35, a seat pressure sensor 36 as pressure detection means, a driver monitoring system (DMS) 37, and the like. various switches and sensors are connected.

モード切換スイッチ３１は、ドライバが運転支援制御のオン／オフ切換等を行うためのスイッチである。操舵トルクセンサ３２は、ドライバによる運転操作量としての操舵トルクを検出する。ブレーキセンサ３３は、ドライバによる運転操作量としてのブレーキペダルの踏込量を検出する。アクセルセンサ３４は、ドライバによる運転操作量としてのアクセルペダルの踏込量を検出する。ヨーレートセンサ３５は、自車両１に作用するヨーレートを検出する。シート圧力センサ３６は、例えば、複数の圧電素子等がマトリクス状に二次元配列された圧電素子群によって構成され、運転席の座面に沿って配置されている（図３，４参照）。このシート圧力センサ３６は、ドライバが着座した運転席の座面圧力分布（例えば、図６参照）を検出する。ＤＭＳ３７は、例えば、運転席に着座したドライバに対向する位置（例えば、ダッシュボード上）に配置されたカメラ等を有して構成されている。このＤＭＳ３７は、例えば、周知の顔認証技術によりドライバを認識するとともに、ドライバの表情や上半身の運転姿勢等を認識する。 The mode changeover switch 31 is a switch for the driver to switch on/off the driving support control. The steering torque sensor 32 detects steering torque as a driving operation amount by the driver. The brake sensor 33 detects the amount of depression of the brake pedal as the amount of driving operation by the driver. The accelerator sensor 34 detects the depression amount of the accelerator pedal as the driving operation amount by the driver. A yaw rate sensor 35 detects a yaw rate acting on the vehicle 1 . The seat pressure sensor 36 is composed of, for example, a piezoelectric element group in which a plurality of piezoelectric elements or the like are two-dimensionally arranged in a matrix, and is arranged along the seat surface of the driver's seat (see FIGS. 3 and 4). The seat pressure sensor 36 detects the seat surface pressure distribution of the driver's seat (see FIG. 6, for example). The DMS 37 includes, for example, a camera or the like arranged at a position facing the driver sitting in the driver's seat (for example, on the dashboard). The DMS 37 recognizes the driver by, for example, a well-known face recognition technique, and also recognizes the driver's facial expression, upper body driving posture, and the like.

走行＿ＥＣＵ２６には、運転モードとして、手動運転モードと、運転支援制御のためのモードである第１の運転支援モード及び第２の運転支援モードと、退避モードと、が設定されている。 The driving_ECU 26 is set with a manual driving mode, a first driving support mode and a second driving support mode, which are modes for driving support control, and an evacuation mode, as the driving modes.

ここで、手動運転モードとは、ドライバによる保舵を必要とする運転モードであり、例えば、ドライバによるステアリング操作、アクセル操作およびブレーキ操作などの運転操作に従って、自車両１を走行させる運転モードである。 Here, the manual driving mode is a driving mode that requires the steering to be held by the driver. For example, it is a driving mode in which the host vehicle 1 travels according to driving operations such as steering operation, accelerator operation, and brake operation by the driver. .

また、第１の運転支援モードも同様に、ドライバによる保舵を必要とする運転モードである。すなわち、第１の運転支援モードは、ドライバによる運転操作を反映しつつ、主として、先行車追従制御（ＡＣＣ：Adaptive Cruise Control）と、車線中央維持（ＡＬＫＣ：Active Lane Keep Centering）制御および車線逸脱（Active Lane Keep Bouncing）制御と、を適宜組み合わせて行う運転モードである。すなわち、第１の運転支援モードは、例えば、Ｅ／Ｇ＿ＥＣＵ２２、ＰＳ＿ＥＣＵ２３、ＢＫ＿ＥＣＵ２４、警報＿ＥＣＵ２５などの制御を通じて、自車両１を目標走行経路に沿って走行させる、いわば半自動運転モードである。 Similarly, the first driving support mode is also a driving mode that requires the steering to be held by the driver. That is, while reflecting the driving operation by the driver, the first driving assistance mode mainly includes adaptive cruise control (ACC), active lane keep centering (ALKC) control, and lane departure ( Active Lane Keep Bouncing) control is appropriately combined. That is, the first driving support mode is a so-called semi-automatic driving mode in which the vehicle 1 is caused to travel along the target travel route through the control of the E/G_ECU 22, PS_ECU 23, BK_ECU 24, and alarm_ECU 25, for example.

また、第２の走行制御モードは、ドライバによる保舵、アクセル操作およびブレーキ操作を必要とすることなく、主として、先行車追従制御と、車線中央維持制御および車線逸脱抑制制御とを適宜組み合わせて行う運転モードである。すなわち、第２の運転支援モードは、例えば、Ｅ／Ｇ＿ＥＣＵ２２、ＰＳ＿ＥＣＵ２３、ＢＫ＿ＥＣＵ２４などの制御を通じて、自車両１を目標ルート（ルート地図情報）に従って走行させる自動運転モードである。 In addition, the second cruise control mode does not require the driver to hold the steering wheel, operate the accelerator, or operate the brake, and mainly performs an appropriate combination of preceding vehicle follow-up control, lane center keeping control, and lane departure suppression control. Driving mode. That is, the second driving support mode is an automatic driving mode in which the vehicle 1 is caused to travel according to the target route (route map information) through control of the E/G_ECU 22, PS_ECU 23, BK_ECU 24, and the like.

退避モードは、例えば、第２の走行制御モードによる走行中に、当該モードによる走行が継続不能となり、且つ、ドライバに運転操作を引き継ぐことができなかった場合（すなわち、手動運転モード、または、第１の走行制御モードに遷移できなかった場合）に、自車両１を路側帯などに自動的に停止させるためのモードである。 The evacuation mode is, for example, when traveling in the second traveling control mode cannot be continued and the driving operation cannot be handed over to the driver (that is, the manual driving mode or the second traveling control mode). 1), the vehicle 1 is automatically stopped on the side of the road or the like.

さらに、走行＿ＥＣＵ２６は、上述の各運転モードにおいて、自車両１と衝突する可能性の高い歩行者や車両等の障害物に対し、適宜、緊急ブレーキ（ＡＥＢ（Autonomous Emergency Braking）：衝突被害軽減ブレーキ）制御を行う。なお、この緊急ブレーキ制御は、基本的には、第１の走行環境情報に基づいて行われる割り込み制御である。 Furthermore, in each driving mode described above, the traveling_ECU 26 appropriately applies emergency braking (AEB: collision damage mitigation braking) to obstacles such as pedestrians and vehicles that are likely to collide with the own vehicle 1. ) control. Note that this emergency brake control is basically interrupt control performed based on the first driving environment information.

すなわち、走行＿ＥＣＵ２６は、自車両１と衝突する可能性の高い障害物を認識したとき、障害物に対して自車両１を停止させるための目標停止位置を設定する。この目標停止位置は、障害物から予め設定された距離（例えば、３０ｃｍ）だけ自車両１側の位置に設定される。また、走行＿ＥＣＵ２６は、障害物に対する衝突予測時間ＴＴＣ（：Time To Collision）を算出する。この衝突予測時間ＴＴＣとしては、例えば、自車両１と障害物との相対距離（より具体的には、自車両１から目標停止位置までの距離）を、自車両１と障害物との相対速度で除算した値が算出される。そして、走行＿ＥＣＵ２６は、算出した衝突予測時間ＴＴＣが設定閾値以下となったとき、当該障害物に対する緊急ブレーキを作動させる。 That is, when the traveling_ECU 26 recognizes an obstacle that is highly likely to collide with the own vehicle 1, it sets a target stop position for stopping the own vehicle 1 with respect to the obstacle. This target stop position is set at a position on the host vehicle 1 side by a preset distance (for example, 30 cm) from the obstacle. The travel_ECU 26 also calculates a collision prediction time TTC (Time To Collision) with respect to an obstacle. As the collision prediction time TTC, for example, the relative distance between the own vehicle 1 and the obstacle (more specifically, the distance from the own vehicle 1 to the target stop position), the relative speed between the own vehicle 1 and the obstacle The value is calculated by dividing by Then, when the calculated collision prediction time TTC becomes equal to or less than the set threshold value, the traveling_ECU 26 operates the emergency brake against the obstacle.

ここで、衝突予測時間ＴＴＣに対する閾値は、例えば、自車速及び自車両１と障害物とのラップ率等に基づいて、予め設定されたマップ等を参照して設定される。この閾値として、走行＿ＥＣＵ２６は、例えば、一次ブレーキ制御用の閾値と二次ブレーキ制御用の閾値の２種類の閾値を設定する。 Here, the threshold value for the collision prediction time TTC is set by referring to a preset map or the like based on, for example, the own vehicle speed and the overlap ratio between the own vehicle 1 and the obstacle. As the thresholds, the travel_ECU 26 sets, for example, two types of thresholds, a threshold for primary brake control and a threshold for secondary brake control.

一次ブレーキ制御は、ドライバに対して障害物との衝突回避操作を促すための警報ブレーキ制御であり、比較的小さい減速度ａ０を用いて自車両１を減速させる緩ブレーキ制御である。二次ブレーキ制御は、一次ブレーキ制御に対してドライバが適切な衝突回避操作を行わなかった場合に行われる本ブレーキ制御であり、一次ブレーキ制御よりも大きな減速度ａｐを用いて障害物との相対速度が「０」となるまで自車両１を減速させる強ブレーキ制御である。 The primary brake control is warning brake control for prompting the driver to avoid a collision with an obstacle, and is gentle brake control for decelerating the vehicle 1 using a relatively small deceleration a0. The secondary brake control is the main brake control that is performed when the driver does not perform an appropriate collision avoidance operation in response to the primary brake control. This is a strong brake control that decelerates the own vehicle 1 until the speed becomes "0".

また、走行＿ＥＣＵ２６は、緊急ブレーキ制御では障害物との衝突を回避することが困難であると判定した場合に、緊急操舵（ＡＥＳ（Autonomous Emergency Steering）：自動操舵回避）制御を行う。本実施形態において、この緊急操舵制御は、二次ブレーキ制御と並行して適宜行われる。 Further, when the travel_ECU 26 determines that it is difficult to avoid a collision with an obstacle by emergency brake control, it performs emergency steering (AES (Autonomous Emergency Steering): automatic steering avoidance) control. In this embodiment, this emergency steering control is appropriately performed in parallel with the secondary brake control.

この緊急操舵制御において、走行＿ＥＣＵ２６は、二次ブレーキ制御を開始してから相対速度Ｖｒｅｌが「０」になるまでの予測走行距離を算出する。そして、走行＿ＥＣＵ２６は、予測走行距離が相対距離以上となっているとき、二次ブレーキ制御では障害物との衝突を回避できないと判断し、緊急操舵制御の介入を許可する。緊急操舵制御の介入を許可すると、走行＿ＥＣＵ２６は、例えは、障害物とのラップ率が「０」となる横位置に所定のマージンを加えた位置を目標横位置として設定する。そして、走行＿ＥＣＵ２６は、例えば、二次ブレーキ制御のモデルから算出された推定車速を用いて目標軌跡を生成し、目標横位置に対する操舵の切り増し制御及び切り戻し制御を行う。 In this emergency steering control, the travel_ECU 26 calculates a predicted traveling distance from when the secondary brake control is started until the relative speed Vrel becomes "0". Then, when the predicted travel distance is equal to or greater than the relative distance, the travel_ECU 26 determines that the collision with the obstacle cannot be avoided by the secondary brake control, and permits the intervention of the emergency steering control. When the intervention of the emergency steering control is permitted, the travel_ECU 26 sets, for example, a position obtained by adding a predetermined margin to the lateral position where the overlap ratio with the obstacle is "0" as the target lateral position. Then, the travel_ECU 26 generates a target trajectory using, for example, an estimated vehicle speed calculated from a secondary brake control model, and performs steering increase control and steering return control with respect to the target lateral position.

なお、緊急ブレーキ制御や緊急操舵制御等の緊急回避制御が行われている間、走行＿ＥＣＵ２６は、警報＿ＥＣＵ２５を通じて、所定の警報を行う。 Note that while emergency avoidance control such as emergency brake control and emergency steering control is being performed, the travel_ECU 26 issues a predetermined warning via the warning_ECU 25 .

ところで、走行＿ＥＣＵ２６は、上述の手動運転モード、第１の運転支援モード、或いは、第２の運転支援モードを、モード切換スイッチ３１に対するドライバの操作状況等に基づいて選択的に切り替えることが可能となっている。 By the way, the traveling_ECU 26 can selectively switch between the above-described manual driving mode, the first driving assistance mode, or the second driving assistance mode based on the driver's operation status of the mode changeover switch 31. It's becoming

また、走行＿ＥＣＵ２６は、第１の運転支援モード、第２の運転支援モード、或いは、退避モードの実行中にドライバによって所定以上の運転操作が行われたとき、オーバーライドによって、運転モードを手動運転モードへと移行させることが可能となっている。そして、このようなオーバーライドによる手動運転モードへの切り替えを可能とすることにより、例えば、歩行者の急な飛び出し等の緊急時における障害物との衝突回避を、ドライバ主導の運転操作によって実現することが可能となっている。すなわち、運転支援装置１０による緊急回避制御の実行前或いは実行中であっても、ドライバが緊急時と判断した場合には、オーバーライドにより、ドライバ自らの意思による緊急回避操作を行うことが可能となっている。 Further, when the driver performs a driving operation exceeding a predetermined level during execution of the first driving assistance mode, the second driving assistance mode, or the evacuation mode, the traveling_ECU 26 switches the driving mode to the manual driving mode by means of an override. It is possible to move to By making it possible to switch to the manual driving mode by means of such an override, for example, collision avoidance with an obstacle in an emergency such as a sudden jumping out of a pedestrian can be realized by driving operation led by the driver. is possible. That is, even before or during the execution of the emergency avoidance control by the driving support device 10, if the driver determines that there is an emergency, the override allows the driver to perform an emergency avoidance operation of his or her own will. ing.

このような緊急時におけるドライバ主導の運転操作を的確に実現させるため、走行＿ＥＣＵ２６は、警告機能を有する。すなわち、ドライバが運転支援制御を過信している場合、ドライバの着座姿勢は、手動運転時の着座姿勢に比べて、走行リスクに対する即応性が乏しい着座姿勢となる傾向にある。例えば、運転支援制御を過信したドライバは、重心を背もたれ側に移動させた着座姿勢や、ブレーキペダルから大きく離れた位置に足を移動させた着座姿勢等を取る等して、リスク感知能力の低下や、ブレーキ操作及び操舵に対する応答性の低下を招く傾向にある。そこで、走行＿ＥＣＵ２６は、自車両１が走行リスクの高い道路を走行している場合に、必要に応じて、ドライバに対する注意喚起のための警告を行う。 The travel_ECU 26 has a warning function in order to appropriately implement the driver-led driving operation in such an emergency. That is, when the driver is overconfident in the driving support control, the driver's seating posture tends to be less responsive to driving risks than the seating posture during manual driving. For example, a driver who is overconfident in driving support control may adopt a sitting posture in which the center of gravity is moved toward the backrest, or a sitting posture in which the foot is moved far away from the brake pedal. In addition, it tends to cause a decrease in responsiveness to brake operation and steering. Therefore, when the own vehicle 1 is traveling on a road with a high driving risk, the driving_ECU 26 issues a warning to the driver as necessary.

ここで、走行リスクが高い道路としては、例えば、道幅が狭い道路、前方に横断歩道が存在する道路、或いは、対向車線側が渋滞している道路等のように、歩行者や他車両等の急な飛び出しが発生する可能性が高い各種道路が想定される。 Here, roads with a high driving risk include, for example, narrow roads, roads with crosswalks in front, or roads with congested traffic on the opposite lane side, such as pedestrians and other vehicles. Various roads with a high possibility of jumping out are assumed.

このような警告機能を実現するため、走行＿ＥＣＵ２６の記録媒体２６ａ（ＨＤＤ等の記録媒体）には、例えば、図７に示すように、運転席に着座したドライバが取り得る複数種類（例えば、３２種類）の着座姿勢パターンが予め設定されて格納されている。 In order to realize such a warning function, the recording medium 26a (recording medium such as an HDD) of the traveling_ECU 26 stores, for example, a plurality of types (for example, 32 type) are preset and stored.

また、走行＿ＥＣＵ２６の記録媒体２６ａには、例えば、図９に示すように、複数種類（ｎ種類）の走行環境パターン画像と、各走行環境パターン画像に関連付けられた最適座面圧力分布と、の関係が予めデータベース化されて格納されている。 Further, in the recording medium 26a of the driving_ECU 26, for example, as shown in FIG. 9, a plurality of types (n types) of driving environment pattern images and optimum seat surface pressure distribution associated with each driving environment pattern image are stored. Relationships are stored in a database in advance.

ここで、各走行環境パターン画像とは、例えば、所定の走行リスクが想定される代表的な走行環境を示す画像である。また、最適座面圧力分布とは、予め実験やシミュレーション等に基づいて設定されるものであり、例えば、各走行環境パターン画像に示された走行環境において、運転席に着座した優良ドライバ（例えば、テストドライバ等の熟練ドライバ）が車両１を走行させたときの座面圧力分布を示すものである。 Here, each driving environment pattern image is, for example, an image representing a typical driving environment in which a predetermined driving risk is assumed. The optimum seat pressure distribution is set in advance based on experiments, simulations, etc. 1 shows the seat surface pressure distribution when a skilled driver such as a test driver drives the vehicle 1. FIG.

また、走行＿ＥＣＵ２６の記録媒体２６ａには、例えば、座面圧力分布に基づいてドライバの着座姿勢を推定するための推定モデルＡと、車外の撮像画像（例えば、メインカメラ１１ａによる撮像画像：図５参照）に基づいて自車両１の走行環境を推定するための推定モデルＢと、が予め設定されて格納されている。 In addition, in the recording medium 26a of the travel_ECU 26, for example, an estimation model A for estimating the seating posture of the driver based on the seat surface pressure distribution, and an image captured outside the vehicle (for example, an image captured by the main camera 11a: FIG. 5 ), and an estimation model B for estimating the driving environment of the own vehicle 1 based on the above are preset and stored.

推定モデルＡは、例えば、座面圧力分布に基づいて、複数種類の着座姿勢パターン（図７参照）の中から何れか１つを選択することにより、ドライバの着座姿勢を推定する。すなわち、推定モデルＡによるドライバの着座姿勢の推定は、座面圧力分布を、予め設定された着座姿勢パターンの何れかに対応付ける（分類する）ことにより、実現される。 The estimation model A estimates the seating posture of the driver by selecting one of a plurality of seating posture patterns (see FIG. 7), for example, based on the seat surface pressure distribution. That is, the estimation of the seating posture of the driver by the estimation model A is realized by associating (classifying) the seating surface pressure distribution with one of the preset seating posture patterns.

この推定モデルＡは、例えば、図８に示すように、入力層５１Ａと、中間層５２Ａと、出力層５３Ａと、を備えたニューラルネットワークによって構成されている。入力層５１Ａは、例えば、シート圧力センサ３６を構成する圧電素子に対応する数の入力ユニットを有している。中間層５２Ａは、複数のノードを含む。出力層５３Ａは、例えば、着座姿勢バターンの数（例えば、３２パターン）に対応する数の出力ユニットを有している。そして、推定モデルＡは、座面圧力分布と着座姿勢とを関連付けた大量の教師データをニューラルネットワークに与えて、中間層５２Ａの複数のノード間の接続及び係数などの値を機械学習させることにより、生成されている。 For example, as shown in FIG. 8, this estimation model A is configured by a neural network including an input layer 51A, an intermediate layer 52A, and an output layer 53A. The input layer 51A has, for example, the number of input units corresponding to the piezoelectric elements forming the seat pressure sensor 36 . Middle layer 52A includes a plurality of nodes. The output layer 53A has, for example, the number of output units corresponding to the number of seating posture patterns (for example, 32 patterns). Then, the estimation model A provides a neural network with a large amount of training data that associates the seating surface pressure distribution and the seating posture, and machine-learns the values such as the connections and coefficients between the nodes of the intermediate layer 52A. , has been generated.

推定モデルＢは、メインカメラ１１ａによる撮像画像に基づいて、複数種類の走行環境パターン（図９参照）或いは「該当なし」の中から何れか１つを選択することにより、自車両１の走行環境を推定する。すなわち、推定モデルＢによる走行環境の推定は、車外の撮像画像を、予め設定された走行環境パターン或いは「該当なし」の何れかに対応付ける（分類する）ことにより、実現される。なお、本実施形態において、「該当なし」は、撮像画像に示された走行環境の走行リスクが所定未満の場合（走行リスクが低い場合）に選択されるものである。 Based on the image captured by the main camera 11a, the estimation model B selects one of a plurality of types of driving environment patterns (see FIG. 9) or "not applicable" to determine the driving environment of the vehicle 1. to estimate That is, the estimation of the driving environment by the estimation model B is realized by associating (classifying) the captured image of the outside of the vehicle with either a preset driving environment pattern or "not applicable". In the present embodiment, "not applicable" is selected when the driving risk of the driving environment shown in the captured image is less than a predetermined value (when the driving risk is low).

この推定モデルＢは、例えば、図１０に示すように、入力層５１Ｂと、中間層５２Ｂと、出力層５３Ｂと、を備えたニューラルネットワークによって構成されている。入力層５１Ｂは、例えば、撮像画像を構成する各画素に対応する数の入力ユニットを有している。中間層５２Ｂは、複数のノードを含む。出力層５３Ｂは、例えば、走行環境パターン画像の数（ｎ）と１つの「該当なし」に対応する数（ｎ＋１）の出力ユニットを有している。そして、推定モデルＢは、撮像画像と走行環境パターン画像とを関連付けた大量の教師データをニューラルネットワークに与えて、中間層５２Ｂの複数のノード間の接続及び係数などの値を機械学習させることにより、生成されている。 For example, as shown in FIG. 10, this estimation model B is configured by a neural network including an input layer 51B, an intermediate layer 52B, and an output layer 53B. The input layer 51B has, for example, the number of input units corresponding to each pixel forming the captured image. Middle layer 52B includes a plurality of nodes. The output layer 53B has, for example, the number (n+1) of output units corresponding to the number (n) of driving environment pattern images and one "not applicable". Then, the estimation model B gives a large amount of training data that associates the captured image and the driving environment pattern image to the neural network, and machine-learns the values such as the connections between the nodes of the intermediate layer 52B and the coefficients. , has been generated.

走行＿ＥＣＵ２６は、例えば、メインカメラ１１ａによる撮像画像（例えば、図５参照）が示す自車前方の車外の走行環境に対し、優良ドライバが取り得る最適着座姿勢を推定する。すなわち、走行＿ＥＣＵ２６は、推定モデルＢを用いて、メインカメラ１１ａによる撮像画像を、予め設定された走行環境パターン画像のうちの何れか（或いは、「該当なし」）に分類する。そして、走行＿ＥＣＵ２６は、記録媒体２６ａに格納されたデータベースに基づき、走行環境パターン画像に対応する最適座面圧力分布を抽出する。さらに、走行＿ＥＣＵ２６は、推定モデルＡを用いて、最適座面圧力分布に対応する着座姿勢パターンを抽出することにより、最適着座姿勢を推定する（図１１の上段参照）。 The travel_ECU 26, for example, estimates the optimum seating posture that a good driver can take with respect to the outside travel environment in front of the own vehicle indicated by the image captured by the main camera 11a (see, for example, FIG. 5). That is, the driving_ECU 26 uses the estimation model B to classify the image captured by the main camera 11a into one of the preset driving environment pattern images (or "not applicable"). Then, the travel_ECU 26 extracts the optimum seat surface pressure distribution corresponding to the travel environment pattern image based on the database stored in the recording medium 26a. Further, the travel_ECU 26 estimates the optimum seating posture by extracting the seating posture pattern corresponding to the optimum seating surface pressure distribution using the estimation model A (see the upper part of FIG. 11).

また、走行＿ＥＣＵ２６は、シート圧力センサ３６において検出された座面圧力分布（例えば、図６参照）に基づいて、運転席に着座している実際のドライバ（以下、対象ドライバとも称する）の着座姿勢を推定する。すなわち、走行＿ＥＣＵ２６は、推定モデルＡを用いて、シート圧力センサ３６において検出された座面圧力分布に対応する着座姿勢パターンを抽出することにより、ドライバの着座姿勢を推定する（図１１の下段参照）。 The driving_ECU 26 also calculates the seating posture of the actual driver (hereinafter also referred to as the target driver) sitting in the driver's seat based on the seat surface pressure distribution (see, for example, FIG. 6) detected by the seat pressure sensor 36. to estimate That is, the travel_ECU 26 estimates the seating posture of the driver by extracting a seating posture pattern corresponding to the seating surface pressure distribution detected by the seat pressure sensor 36 using the estimation model A (see the lower part of FIG. 11). ).

また、走行＿ＥＣＵ２６は、優良ドライバの最適着座姿勢と対象ドライバの着座姿勢との比較に基づいて、現在自車両１が走行する車外の走行環境に対する対象ドライバの着座姿勢の優良度を算出する。そして、走行＿ＥＣＵ２６は、算出した着座姿勢の優良度に基づいて、走行環境に対する注意喚起のための警告の実行判定を行う。 Also, the travel_ECU 26 calculates the superiority of the seating posture of the target driver with respect to the driving environment outside the vehicle in which the vehicle 1 is currently traveling, based on the comparison between the optimal seating posture of the superior driver and the seating posture of the target driver. Then, the traveling_ECU 26 determines whether to issue a warning to draw attention to the traveling environment based on the calculated degree of superiority of the seating posture.

このように、本実施形態において、走行＿ＥＣＵ２６は、最適着座姿勢推定手段、着座姿勢推定手段、優良度算出手段、及び、警告実行判定手段としての機能を実現する。また、本実施形態において、推定モデルＡ及び推定モデルＢは第１の推定モデルとしての機能を実現し、推定モデルＡは第２の推定モデルとしての機能を実現する。 As described above, in the present embodiment, the travel_ECU 26 realizes the functions of optimal seating posture estimation means, seating posture estimation means, quality calculation means, and warning execution determination means. Moreover, in the present embodiment, the estimation model A and the estimation model B implement the function as the first estimation model, and the estimation model A implements the function as the second estimation model.

次に、走行＿ＥＣＵ２６において実行される走行環境に対する警告制御について、図１２に示す警告制御ルーチンのフローチャートに従って説明する。このルーチンは、設定時間毎に繰り返し実行されるものである。 Next, the warning control for the driving environment executed by the driving_ECU 26 will be described with reference to the flowchart of the warning control routine shown in FIG. This routine is repeatedly executed at set time intervals.

ルーチンがスタートすると、走行＿ＥＣＵ２６は、ステップＳ１０１において、カメラユニット１１から入力される撮像画像に基づいて、現在の走行環境に対する優良ドライバの最適座面圧力分布を推定する。 When the routine starts, the travel_ECU 26 estimates the optimal seat pressure distribution of a good driver for the current travel environment based on the captured image input from the camera unit 11 in step S101.

すなわち、走行＿ＥＣＵ２６は、記録媒体２６ａに記録されている推定モデルＢを用い、メインカメラ１１ａによる撮像画像に対し、所定以上の一致率にて最も類似する走行環境パターン画像の選択を行う。そして、走行＿ＥＣＵ２６は、記録媒体２６ａに記録されているデータベースから、現在の走行環境パターン画像に対応付けられた最適座面圧力分布を読み出すことにより、優良ドライバの最適座面圧力分布を推定する。但し、撮像画像に対し、所定以上の一致率で類似する走行環境パターン画像が存在しない場合、走行＿ＥＣＵ２６は、「該当なし」を選択する。この場合、走行＿ＥＣＵ２６は、最適座面圧力分布を読み出すことなく、そのままステップＳ１０２に進む。 That is, the travel_ECU 26 uses the estimated model B recorded in the recording medium 26a to select the travel environment pattern image that is most similar to the image captured by the main camera 11a with a matching rate of a predetermined or higher. Then, the travel_ECU 26 estimates the optimum seat pressure distribution of a good driver by reading the optimum seat pressure distribution associated with the current driving environment pattern image from the database recorded in the recording medium 26a. However, if there is no driving environment pattern image similar to the captured image with a matching rate equal to or greater than a predetermined value, the driving_ECU 26 selects "not applicable". In this case, the traveling_ECU 26 directly proceeds to step S102 without reading the optimum seat surface pressure distribution.

続くステップＳ１０２において、走行＿ＥＣＵ２６は、現在、撮像画像に対応する最適座面圧力分布が推定されているか否か（すなわち、撮像画像が走行環境パターン画像の何れかに分類されているか否か）を調べる。 In subsequent step S102, the travel_ECU 26 determines whether or not the optimal seat surface pressure distribution corresponding to the captured image is currently estimated (that is, whether or not the captured image is classified into any of the driving environment pattern images). investigate.

そして、ステップＳ１０２において、最適座面圧力分布が推定されていないと判定した場合（すなわち、撮像画像が「該当なし」に分類されている場合）、走行＿ＥＣＵ２６は、そのままルーチンを抜ける。 Then, when it is determined in step S102 that the optimum seat surface pressure distribution has not been estimated (that is, when the captured image is classified as "not applicable"), the travel_ECU 26 exits the routine as it is.

一方、ステップＳ１０２において、最適座面圧力分布が推定されていると判定した場合、走行＿ＥＣＵ２６は、ステップＳ１０３に進み、現在の走行環境に対する優良ドライバの着座姿勢を推定する。 On the other hand, if it is determined in step S102 that the optimal seat surface pressure distribution has been estimated, the driving_ECU 26 proceeds to step S103 to estimate the seating posture of a good driver for the current driving environment.

すなわち、走行＿ＥＣＵ２６は、記録媒体２６ａに記録されている推定モデルＡを用い、最適着座圧力分布に基づいて、予め設定された着座姿勢パターンのうちの何れか１つを選択することにより、優良ドライバの着座姿勢を推定する。 That is, the travel_ECU 26 uses the estimated model A recorded in the recording medium 26a, selects one of the preset seating posture patterns based on the optimum seating pressure distribution, and determines whether the driver is a good driver. Estimate the sitting posture of

続くステップＳ１０４において、走行＿ＥＣＵ２６は、シート圧力センサ３６から対象ドライバの着座圧力分布を読み込む。 In subsequent step S104, the traveling_ECU 26 reads the seating pressure distribution of the target driver from the seat pressure sensor 36. FIG.

続くステップＳ１０５において、走行＿ＥＣＵ２６は、記録媒体２６ａに記録されている推定モデルＡを用い、対象ドライバの着座圧力分布に基づいて、予め設定された着座姿勢パターンのうちの何れか１つを選択することにより、対象ドライバの着座姿勢を推定する。 In subsequent step S105, the travel_ECU 26 selects one of the preset seating posture patterns based on the seating pressure distribution of the target driver using the estimated model A recorded in the recording medium 26a. Thus, the seating posture of the target driver is estimated.

続くステップＳ１０６において、走行＿ＥＣＵ２６は、現在の走行環境に対する優良ドライバの着座姿勢と対象ドライバの着座姿勢の比較により、対象ドライバの着座姿勢の優良度を算出する。 In subsequent step S106, the travel_ECU 26 calculates the degree of excellence of the seating posture of the subject driver by comparing the seating posture of the superior driver and the seating posture of the subject driver with respect to the current driving environment.

具体的に説明すると、走行＿ＥＣＵ２６の記録媒体２６ａには、例えば、現在の走行環境において優良ドライバが対象ドライバと同じ着座姿勢を取る確率（以下、一致確率と称す）を算出するための一致確率算出用マップ（図１３参照）、及び、対象ドライバの着座姿勢の優良度を算出するための優良度算出用マップ（図１４参照）が、予め設定され格納されている。 Specifically, in the recording medium 26a of the driving_ECU 26, for example, matching probability calculation data for calculating the probability (hereinafter referred to as matching probability) of a good driver taking the same sitting posture as the target driver in the current driving environment. 13), and a superiority degree calculation map (see FIG. 14) for calculating the superiority degree of the seating posture of the target driver are set and stored in advance.

ここで、一致確率算出用マップは、例えば、各着座姿勢パターンの類否状態等を総合的に勘案して、予め実験やシミュレーション等に基づいて設定されるものである。例えば、図７に示す１３番目の着座姿勢と１５番目の着座姿勢とは所定に類似しているため、１３番目の着座姿勢から１５番目の着座姿勢への移行は容易である。従って、例えば、優良ドライバの着座姿勢が図７に示す１３番目の着座姿勢であり、対象ドライバの着座姿勢が図７に示す１５番目の着座姿勢である場合、比較的高い一致確率（例えば、７０％程度の一致確率）算出される。逆に、例えば、図７に示す１３番目の着座姿勢と２０番目の着座姿勢とは類似していないため、１３番目の着座姿勢から２０番目の着座姿勢への移行は容易でない。従って、例えば、優良ドライバの着座姿勢が図７に示す１３番目の着座姿勢であり、対象ドライバの着座姿勢が図７に示す２０番目の着座姿勢である場合、比較的低い一致確率（例えば、２０％程度の一致確率）が算出される。 Here, the match probability calculation map is set in advance based on experiments, simulations, or the like, taking into overall consideration the similarity of each seating posture pattern, for example. For example, since the 13th sitting posture and the 15th sitting posture shown in FIG. 7 are similar to each other, it is easy to shift from the 13th sitting posture to the 15th sitting posture. Therefore, for example, when the seating posture of the good driver is the 13th sitting posture shown in FIG. 7 and the seating posture of the target driver is the 15th sitting posture shown in FIG. % match probability) is calculated. Conversely, for example, since the 13th sitting posture and the 20th sitting posture shown in FIG. 7 are not similar, it is not easy to shift from the 13th sitting posture to the 20th sitting posture. Therefore, for example, when the sitting posture of the good driver is the 13th sitting posture shown in FIG. 7 and the seating posture of the target driver is the 20th sitting posture shown in FIG. % match probability) is calculated.

また、優良度算出用マップは、例えば、対象ドライバの着座姿勢が優良ドライバの着座姿勢に類似しているほど（すなわち、一致確率が高いほど）優良度が高くなるとの前提のもと、各走行環境パターンとの関係等を総合的に勘案して、予め実験やシミュレーション等に基づいて設定されるものである。 In addition, the map for calculating the degree of excellence is based on the premise that the degree of excellence increases as the seating posture of the target driver is similar to the seating posture of the excellent driver (that is, the higher the probability of matching). It is set in advance based on experiments, simulations, etc., taking into account the relationship with environmental patterns and the like comprehensively.

すなわち、例えば、自車両１が走行する走行環境が狭路である場合と前方に交差点が存在する道路である場合とでは、対象ドライバに要求されるリスク感知能力や緊急時の応答速度等が異なる。従って、例えば、対象ドライバに要求されるリスク感知能力や緊急時の応答速度等が低い走行環境では、対象ドライバの着座姿勢が優良ドライバの着座姿勢とさほど類似していなくても（すなわち、一致確率がさほど高くなくても）、対象ドライバは的確なタイミングにてオーバーライドを行うことができるため、一致確率がさほど高くない場合にも優良度を高く設定することができる。逆に、例えば、対象ドライバに要求されるリスク感知能力や緊急時の応答速度等が高い走行環境では、対象ドライバの着座姿勢が優良ドライバの着座姿勢に類似しているほど（すなわち、一致確率が高いほど）、対象ドライバは的確なタイミングにてオーバーライドを行うことができるため、一致確率がさほど高くない場合に優良度を高く設定することができない。そこで、このような観点に鑑み、優良度算出用マップでは、走行環境毎に、一致確率に対する優良度が設定されている。 That is, for example, depending on whether the driving environment in which the vehicle 1 is traveling is a narrow road or a road with an intersection in front, the risk sensing ability, emergency response speed, etc. required of the target driver are different. . Therefore, for example, in a driving environment in which the risk sensing ability required of the target driver and the response speed in an emergency are low, even if the seating posture of the target driver is not very similar to the seating posture of the excellent driver (that is, the matching probability is not so high), the target driver can override at an appropriate timing, so even if the match probability is not so high, the goodness can be set high. Conversely, for example, in a driving environment in which the target driver is required to have a high risk sensing ability and emergency response speed, the more similar the seating posture of the target driver is to the seating posture of a good driver (that is, the higher the matching probability is The higher the value, the more the target driver can perform the override at an accurate timing, so if the matching probability is not so high, the superiority cannot be set high. Therefore, in view of such a point of view, in the map for calculating the degree of merit, the degree of merit with respect to the matching probability is set for each driving environment.

より具体的に説明すると、図１４に例示する走行環境１は、対象ドライバに要求されるリスク感知能力や緊急時の応答速度等が高い走行環境であり、例えば、一致確率「１０％」に対し、優良度「１」が設定されている。逆に、図１４に例示する走行環境２は、対象ドライバに要求されるリスク感知能力や緊急時の応答速度等が低い走行環境であり、例えば、一致率「１０％」に対し、優良度「７」が設定されている。このように、本実施形態の優良度算出用マップでは、同じ一致確率であっても、走行環境毎に個別の優良度が設定されている。 More specifically, the driving environment 1 illustrated in FIG. 14 is a driving environment in which the target driver is required to have a high risk sensing capability and an emergency response speed. , and the quality level "1" is set. Conversely, the driving environment 2 illustrated in FIG. 14 is a driving environment in which the risk sensing ability required of the target driver and the response speed in an emergency are low. 7” is set. As described above, in the merit calculation map of the present embodiment, the merit is set individually for each driving environment even if the match probability is the same.

なお、各走行環境において対象ドライバに要求されるリスク感知能力や緊急時の応答速度等の高低は、例えば、予め設定された所定の走行環境を基準として、実験やシミュレーション等に基づいて設定されるものである。また、各走行環境に対する優良度は、一致確率が「１００％」である場合に最も高い優良度「１０」が設定され、一致確率が低くなるにつれて優良度が適宜減少するよう、実験やシミュレーション等に基づいて設定されるものである。 The levels of the risk sensing ability and emergency response speed required of the target driver in each driving environment are set based on experiments, simulations, etc., based on a predetermined driving environment, for example. It is. In addition, as for the superiority level for each driving environment, the highest superiority level "10" is set when the matching probability is "100%", and experiments and simulations are performed so that the superiority level decreases appropriately as the matching probability decreases. It is set based on

これらのマップを参照して、走行＿ＥＣＵ２６は、対象ドライバの着座姿勢の優良度を算出する。すなわち、走行＿ＥＣＵ２６は、現在の走行環境に対して推定した優良ドライバの着座姿勢と対象ドライバの着座姿勢とに基づき、一致確率算出用マップを参照して、優良ドライバが対象ドライバと同じ着座姿勢を取る一致確率を算出する。そして、走行＿ＥＣＵ２６は、走行環境と一致確率とに基づいて、対象ドライバの着座姿勢の優良度を算出する。 By referring to these maps, the traveling_ECU 26 calculates the merit of the seating posture of the target driver. That is, the driving_ECU 26 refers to the matching probability calculation map based on the seating posture of the superior driver and the seating posture of the target driver estimated for the current driving environment, and the superior driver assumes the same seating posture as the target driver. Calculate the match probability to take. Then, the travel_ECU 26 calculates the superiority of the seating posture of the target driver based on the travel environment and the match probability.

続くステップＳ１０７において、走行＿ＥＣＵ２６は、ステップＳ１０６において算出した優良度に基づき、対象ドライバに対する注意喚起のための警告の要否及び警報タイミングを算出する。 In the subsequent step S107, the travel_ECU 26 calculates the necessity of warning and the timing of the warning to call attention to the target driver based on the degree of superiority calculated in step S106.

すなわち、走行＿ＥＣＵ２６は、優良度が予め設定された閾値以上であるとき警告が不要であると判定し、優良度が閾値未満であるとき警告が必要であると判定する。また、警告が必要であると判定した場合において、走行＿ＥＣＵ２６は、優良度に応じた警告タイミングを算出する。すなわち、走行＿ＥＣＵ２６は、優良度が高いほど警告を行うまでの待機時間が長く、優良度が低いほど警告を行うまでの待機時間が短くなるよう、警告タイミングを設定する。 That is, the travel_ECU 26 determines that a warning is unnecessary when the degree of excellence is equal to or greater than a preset threshold, and determines that a warning is necessary when the degree of excellence is less than the threshold. Further, when it is determined that a warning is necessary, the travel_ECU 26 calculates a warning timing according to the quality. That is, the travel_ECU 26 sets the warning timing so that the higher the quality, the longer the waiting time until the warning is issued, and the lower the quality, the shorter the waiting time until the warning is issued.

続くステップＳ１０８において、走行＿ＥＣＵ２６は、対象ドライバに対する警告が必要であると判定されているか否かを調べる。 In subsequent step S108, the travel_ECU 26 checks whether or not it has been determined that a warning to the target driver is required.

そして、対象ドライバに対する警告が必要ないと判定されている場合、走行＿ＥＣＵ２６は、ステップＳ１０８から、そのままルーチンを抜ける。 Then, when it is determined that the warning to the target driver is not necessary, the traveling_ECU 26 exits the routine from step S108.

一方、対象ドライバに対する警告が必要であると判定されている場合、走行＿ＥＣＵ２６は、ステップＳ１０８からステップＳ１０９に進み、現在、警告タイミングであるか否かを調べる。 On the other hand, if it is determined that a warning to the target driver is necessary, the traveling_ECU 26 proceeds from step S108 to step S109 and checks whether or not it is now warning timing.

そして、ステップＳ１０９において、現在、警報タイミングでないと判定した場合、走行＿ＥＣＵ２６は、そのまま待機する。 Then, in step S109, when it is determined that it is not the warning timing now, the traveling_ECU 26 stands by as it is.

一方、ステップＳ１０９において、現在、警報タイミングであると判定した場合、走行＿ＥＣＵ２６は、ステップＳ１１０に進み、警報＿ＥＣＵ２５を通じて、対象ドライバに対する警告を行った後、ルーチンを抜ける。 On the other hand, if it is determined in step S109 that it is now the warning timing, the travel_ECU 26 proceeds to step S110, issues a warning to the target driver via the warning_ECU 25, and exits the routine.

すなわち、走行＿ＥＣＵ２６は、例えば、歩行者や他車両の飛び出し等の走行リスクに対し、対象ドライバが運転支援制御を過信することなく、リスク感知能力を高めるとともに、緊急時にはブレーキ操作や操舵を即時に行えるように、対象ドライバの着座姿勢を正すための警告を行う。このような警告は、例えば、警報装置３０の図示しないディスプレイ等に最適着座姿勢を画像表示することにより、或いは、警報装置３０の図示しないスピーカ等を通じた音声出力等によって最適着座姿勢を示唆することにより、実現される。 In other words, the driving_ECU 26 increases the risk sensing ability of the target driver without overconfidence in the driving support control against driving risks such as pedestrians or other vehicles jumping out, and immediately performs braking and steering in an emergency. A warning is given to correct the seating posture of the target driver so that he/she can do so. Such a warning may be, for example, by displaying an image of the optimum sitting posture on a display (not shown) of the alarm device 30, or suggesting the optimum sitting posture by outputting sound through a speaker (not shown) of the alarm device 30, or the like. It is realized by

このような実施形態によれば、走行＿ＥＣＵ２６は、機械学習によって予め設定された推定モデルＡ及び推定モデルＢを用いて、撮像画像が示す走行環境に対する優良ドライバの最適着座姿勢を推定するとともに、推定モデルＡを用いて、シート圧力センサ３６によって検出した座面圧力分布に対する対象ドライバの着座姿勢を推定し、優良ドライバの最適着座姿勢と対象ドライバの着座姿勢との比較に基づいて自車両１の走行環境に対する対象ドライバの着座姿勢の優良度を算出し、優良度に基づいて走行環境に対する注意喚起のための警告の実行判定を行うことにより、ドライバに対する注意喚起のための警告を、煩わしさを感じさせることなく、適切なタイミングで行うことができる。 According to this embodiment, the travel_ECU 26 uses the estimation model A and the estimation model B preset by machine learning to estimate the optimal seating posture of a good driver for the driving environment indicated by the captured image, and estimates Model A is used to estimate the seating posture of the subject driver with respect to the seat surface pressure distribution detected by the seat pressure sensor 36, and based on the comparison between the optimal seating posture of the excellent driver and the seating posture of the subject driver, the vehicle 1 travels. By calculating the degree of superiority of the seating posture of the target driver with respect to the environment and determining whether to issue a warning to call attention to the driving environment based on the degree of superiority, it is possible to reduce the annoyance of giving the warning to the driver. can be done at the right time without

すなわち、ドライバの着座姿勢の推定は、ドライバの座面圧力分布に基づき、機械学習によって予め設定された推定モデルＡを用いて行うものであるため、ドライバの足元を撮像するカメラ等を追加することなく、ドライバの上半身のみならず下半身を含めた総合的な着座姿勢を的確に推定することができる。 That is, since the estimation of the driver's seating posture is performed using the estimation model A preset by machine learning based on the driver's seat surface pressure distribution, it is necessary to add a camera or the like that captures the driver's feet. Therefore, it is possible to accurately estimate the comprehensive seating posture including not only the upper body of the driver but also the lower body.

従って、例えば、図４に示すように、ドライバがブレーキペダルから大きく離れた位置に足を移動させた不適切な着座姿勢を取っていたとしても、着座姿勢を適切な着座姿勢（例えば、図３参照）に正すための注意喚起を的確に行うことができる。そして、このような注意喚起により、例えば、緊急時におけるブレーキ操作に対するドライバの応答性を回復させることができ、運転支援制御中であっても、オーバーライドにより、ドライバ自らの意思による緊急回避操作（例えば、緊急ブレーキ操作等）を速やかに実現することができる。 Therefore, for example, as shown in FIG. 4, even if the driver is in an inappropriate sitting posture in which the foot is moved far away from the brake pedal, the seating posture may be adjusted to an appropriate seating posture (for example, FIG. 3). (See reference). Such alerting can restore the driver's responsiveness to brake operation in an emergency, and even during driving support control, the driver's own intentional emergency avoidance operation (for example, , emergency brake operation, etc.) can be realized quickly.

また、このような警告は、優良ドライバの最適着座姿勢と対象ドライバの着座姿勢との比較に基づいて算出した優良度に基づいて行うものであり、優良度に応じて、警告実行の可否や警告タイミングの判断を行うことにより、ドライバに煩わしさを感じさせることなく適切なタイミングにて警告を行うことができる。 In addition, such a warning is performed based on the degree of excellence calculated based on the comparison between the optimal seating posture of the excellent driver and the seating posture of the target driver. By judging the timing, the warning can be issued at an appropriate timing without bothering the driver.

ここで、上述の実施形態において、カメラユニット１１の第１の走行環境認識部１１ｄ、ロケータユニット１２、Ｅ／Ｇ＿ＥＣＵ２２、ＰＳ＿ＥＣＵ２３、ＢＫ＿ＥＣＵ２４、警報＿ＥＣＵ２５、走行＿ＥＣＵ２６等は、ＣＰＵ，ＲＡＭ，ＲＯＭ、不揮発性記憶部等を備える周知のマイクロコンピュータ、及びその周辺機器で構成されており、ＲＯＭにはＣＰＵで実行するプログラムやデータテーブル等の固定データ等が予め記憶されている。なお、プロセッサの全部若しくは一部の機能は、論理回路あるいはアナログ回路で構成してもよく、また各種プログラムの処理を、ＦＰＧＡなどの電子回路により実現するようにしてもよい。 Here, in the above-described embodiment, the first driving environment recognizing section 11d of the camera unit 11, the locator unit 12, the E/G_ECU 22, the PS_ECU 23, the BK_ECU 24, the alarm_ECU 25, the driving_ECU 26, etc. are composed of a CPU, a RAM, a ROM, and a nonvolatile memory. It is composed of a well-known microcomputer having a storage unit and its peripheral devices, and the ROM stores in advance programs to be executed by the CPU and fixed data such as data tables. All or part of the functions of the processor may be configured by logic circuits or analog circuits, and processing of various programs may be realized by electronic circuits such as FPGA.

次に、本実施形態の変形例について説明する。この変形例は、対象ドライバの着座姿勢を統計的に判断することにより、各走行環境における対象ドライバの優良度を判断するものである。すなわち、本変形例は、同様の走行環境におけるドライバの着座姿勢が常に同じとは限らないことに着目し、対象ドライバの苦手な走行環境を統計的に判断して警告制御を行うものである。 Next, a modified example of this embodiment will be described. In this modified example, the degree of excellence of the target driver in each driving environment is determined by statistically determining the seating posture of the target driver. That is, this modification focuses on the fact that the seating posture of a driver in a similar driving environment is not always the same, and performs warning control by statistically judging the driving environment that the target driver is not good at.

このため、走行＿ＥＣＵ２６は、上述のステップＳ１０６において、例えば、以下の処理を行う。 For this reason, the travel_ECU 26 performs, for example, the following processing in step S106 described above.

すなわち、走行＿ＥＣＵ２６は、現在の走行環境における優良ドライバの着座姿勢と対象ドライバの着座姿勢の一致確率を算出すると、現在の走行環境について、予め設定された期間内（例えば、過去の直近の設定時間内）における一致確率の度数の分布情報を更新する（例えば、図１５参照）。なお、図１５では、例えば、走行環境１において、一致確率「１０％」の度数が「３」、一致確率「２０％」の度数が３、…、一致確率「９０％」の度数が「３」、一致確率「１００％」の度数が「３」であることを示している。また、例えば、走行環境２において、一致確率「１０％」の度数が「１」、一致確率「２０％」の度数が「２」、…、一致確率「９０％」の度数が「１０」、一致確率「１００％」の度数が「９」であることを示している。 That is, when the driving_ECU 26 calculates the matching probability between the seating posture of the excellent driver and the seating posture of the target driver in the current driving environment, the driving_ECU 26 determines that the current driving environment is within a preset period (for example, the most recent set time in the past). inside) is updated (for example, see FIG. 15). In FIG. 15, for example, in the driving environment 1, the frequency of matching probability “10%” is “3”, the frequency of matching probability “20%” is 3, . ”, and that the frequency of the match probability “100%” is “3”. Further, for example, in the driving environment 2, the frequency of matching probability “10%” is “1”, the frequency of matching probability “20%” is “2”, . This indicates that the frequency of matching probability "100%" is "9".

そして、走行＿ＥＣＵ２６は、現在の走行環境における対象ドライバの着座姿勢に対する評価値として、例えば、一致確率の平均値を算出する。なお、着座姿勢に対する評価値としては、一致確率毎に所定の重み付けをした加重平均値を用いることも可能である。なお、図１５では、例えば、走行環境１における評価値が「５５％」であることを示している。また、例えば、走行環境２における評価値が「８０％」であることを示している。 Then, the travel_ECU 26 calculates, for example, the average value of the matching probabilities as an evaluation value for the seating posture of the target driver in the current travel environment. As the evaluation value for the sitting posture, it is also possible to use a weighted average value in which predetermined weighting is applied to each matching probability. Note that FIG. 15 shows, for example, that the evaluation value in the driving environment 1 is "55%". Also, for example, it indicates that the evaluation value in the driving environment 2 is "80%".

さらに、走行＿ＥＣＵ２６は、予め設定された優良度判定閾値設定用のマップを参照し、現在の走行環境に対する評価値に基づいて、対象ドライバの優良度を算出する。 Further, the driving_ECU 26 refers to a preset map for setting a threshold value for determining the superiority, and calculates the superiority of the target driver based on the evaluation value for the current driving environment.

ここで、例えば、図１６に示すように、優良度判定閾値設定用のマップには、走行環境毎に異なる閾値が設定されている。図１６に示すマップには、現在の走行環境に対する対象ドライバの優良度を、例えば、３段階に分類するための閾値として第１，第２の閾値が設定されている。第１の閾値は、優良度「低」と優良度「中」とを区分するための閾値である。第２の閾値は、優良度「中」と優良度「高」とを区分するための閾値である。これらの閾値は、実験やシミュレーション等に基づいて、走行環境毎に異なる値に設定されている。なお、これらの閾値は、さらに多段階（例えば、上述の実施形態で示した１０段階）に設定することも可能である。 Here, for example, as shown in FIG. 16, different thresholds are set for each driving environment in the map for setting the quality determination thresholds. In the map shown in FIG. 16, first and second thresholds are set as thresholds for classifying the degree of excellence of the target driver with respect to the current driving environment into, for example, three stages. The first threshold is a threshold for distinguishing between "low" quality and "middle" quality. The second threshold is a threshold for distinguishing between "middle" quality and "high" quality. These thresholds are set to different values for each driving environment based on experiments, simulations, and the like. Note that these thresholds can be set in multiple stages (for example, 10 stages shown in the above-described embodiment).

例えば、図１５，１６に示す走行環境１及び走行環境ｎは、対象ドライバに要求されるリスク感知能力や緊急時の応答速度等が相対的に高い高リスクな走行環境である。このような走行環境に対し、対象ドライバの着座姿勢の優良度を判定するための第１，第２の閾値は、相対的に高い値が設定されている。逆に、例えば、図１５，１６に示す走行環境２及び走行環境（ｎ－１）は、対象ドライバに要求されるリスク感知能力や緊急時の応答速度等が相対的に低い低リスクな走行環境である。このような走行環境に対し、対象ドライバの着座姿勢の優良度を判定するための第１，第２の閾値は、相対的に低い値が設定されている。 For example, the driving environment 1 and the driving environment n shown in FIGS. 15 and 16 are high-risk driving environments in which the risk sensing ability and emergency response speed required of the target driver are relatively high. Relatively high values are set for the first and second threshold values for determining the superiority of the seating posture of the target driver in such a driving environment. On the contrary, for example, the driving environment 2 and the driving environment (n-1) shown in FIGS. is. Relatively low values are set for the first and second threshold values for determining the degree of excellence of the seating posture of the target driver in such a driving environment.

従って、例えば、自車両１が図１５，１６に示す走行環境１を走行中である場合において、現在算出されている評価値は第１の閾値未満であるため、対象ドライバの着座姿勢の優良度は「低」となる。また、例えば、自車両１が図１５，１６に示す走行環境２を走行中である場合において、現在算出されている評価値は第２の閾値以上であるため、対象ドライバの着座姿勢の優良度は「高」となる。また、例えば、自車両１が図１５，１６に示す走行環境（ｎ－１）を走行中である場合において、現在算出されている評価値は第１の閾値以上かつ第２の閾値未満であるため、対象ドライバの着座姿勢の優良度は「中」となる。また、例えば、自車両１が図１５，１６に示す走行環境ｎを走行中である場合において、現在算出されている評価値は第１の閾値未満であるため、対象ドライバの着座姿勢の優良度は「低」となる。このように、同じ評価値であっても、走行環境によって対象ドライバの着座姿勢の優良度は異なる場合がある。 Therefore, for example, when the own vehicle 1 is traveling in the driving environment 1 shown in FIGS. becomes "low". Further, for example, when the own vehicle 1 is traveling in the driving environment 2 shown in FIGS. becomes "high". Further, for example, when the own vehicle 1 is traveling in the traveling environment (n-1) shown in FIGS. 15 and 16, the currently calculated evaluation value is equal to or greater than the first threshold and less than the second threshold. Therefore, the degree of excellence of the seating posture of the target driver is "medium". Further, for example, when the own vehicle 1 is traveling in the driving environment n shown in FIGS. becomes "low". As described above, even with the same evaluation value, the seating posture of the target driver may differ depending on the driving environment.

そして、このような優良度が設定された本変形例では、ステップＳ１０８において、例えば、優良度が「高」である場合に警告が不要と判断され、優良度が「中」或いは「低」である場合に警告が必要であると判断される。 Then, in this modified example in which the quality is set as described above, in step S108, for example, when the quality is "high", it is determined that a warning is unnecessary, and when the quality is "medium" or "low", A warning is determined to be necessary in some cases.

また、ステップＳ１０９において、優良度が「中」である場合には、優良度が「低」である場合よりも警報タイミングが遅くなる。 Further, in step S109, when the quality is "medium", the warning timing is later than when the quality is "low".

このような変形例によれば、上述の実施形態と同様の効果に加え、対象ドライバの着座姿勢を所定期間かけて評価した上で警告を行うので、より適切な警告を実現できるという効果を奏する。 According to this modified example, in addition to the same effect as the above-described embodiment, since the warning is given after evaluating the seating posture of the target driver over a predetermined period, there is an effect that a more appropriate warning can be realized. .

以上の実施の形態及び変形例に記載した発明は、その形態に限ることなく、その他、実施段階ではその要旨を逸脱しない範囲で種々の変形を実施し得ることが可能である。 The invention described in the above embodiments and modifications is not limited to the form thereof, and various modifications can be made at the stage of implementation without departing from the gist of the invention.

例えば、走行＿ＥＣＵ２６は、推定モデルＡを用いて座面圧力分布から推定したドライバの着座姿勢の上半身を、ＤＭＳ３７において認識したドライバの上半身の姿勢に基づいて補正することも可能である。 For example, the travel_ECU 26 can correct the upper body of the driver's seating posture estimated from the seat surface pressure distribution using the estimation model A, based on the upper body posture of the driver recognized by the DMS 37 .

また、上述の着座姿勢に対する警告は、基本的には、運転支援制御を過信しているドライバに対して有効なものであるが、例えば、手動運転モード等による運転中のドライバの着座姿勢を、運転支援の一環として警告することも可能である。 In addition, the above-described warning about the seating posture is basically effective for drivers who overestimate the driving support control. It is also possible to warn as part of driving assistance.

１ … 車両（自車両）
１０ … 運転支援装置
１１ … カメラユニット
１１ａ … メインカメラ
１１ｂ … サブカメラ
１１ｃ … ＩＰＵ
１１ｄ … 第１の走行環境認識部
１２ … ロケータユニット
１３ … ロケータ演算部
１３ａ … 地図情報取得部
１３ｂ … 第２の走行環境認識部
１４ … 加速度センサ
１４ … 前後加速度センサ
１５ … 車輪速センサ
１６ … ジャイロセンサ
１７ … ＧＮＳＳ受信機
１８ … 高精度道路地図データベース
２２ … Ｅ／Ｇ＿ＥＣＵ
２３ … ＰＳ＿ＥＣＵ
２４ … ＢＫ＿ＥＣＵ
２５ … 警報＿ＥＣＵ
２６ … 走行＿ＥＣＵ
２６ａ … 記録媒体
２７ … スロットルアクチュエータ
２８ … 電動パワステモータ
２９ … ブレーキアクチュエータ
３０ … 警報装置
３１ … モード切換スイッチ
３２ … 操舵トルクセンサ
３３ … ブレーキセンサ
３４ … アクセルセンサ
３５ … ヨーレートセンサ
３６ … シート圧力センサ
３７ … ドライバモニタリングシステム 1 … vehicle (own vehicle)
10... Driving support device 11... Camera unit 11a... Main camera 11b... Sub camera 11c... IPU
11d ... first driving environment recognition unit 12 ... locator unit 13 ... locator calculation unit 13a ... map information acquisition unit 13b ... second driving environment recognition unit 14 ... acceleration sensor 14 ... longitudinal acceleration sensor 15 ... wheel speed sensor 16 ... gyro Sensor 17... GNSS receiver 18... High precision road map database 22... E/G_ECU
23 … PS_ECU
24 … BK_ECU
25 ... Alarm_ECU
26 ... Driving_ECU
26a... Recording medium 27... Throttle actuator 28... Electric power steering motor 29... Brake actuator 30... Alarm device 31... Mode switch 32... Steering torque sensor 33... Brake sensor 34... Accelerator sensor 35... Yaw rate sensor 36... Seat pressure sensor 37... driver monitoring system

Claims (5)

車外の走行環境の撮像画像を取得する撮像手段と、
機械学習によって予め設定された第１の推定モデルを用いて、前記撮像画像が示す前記走行環境に対する優良ドライバの最適着座姿勢を推定する最適着座姿勢推定手段と、
ドライバが着座した運転席の座面圧力分布を検出する圧力検出手段と、
機械学習によって予め設定された第２の推定モデルを用いて、前記座面圧力分布に基づくドライバの着座姿勢を推定する着座姿勢推定手段と、
前記最適着座姿勢と前記着座姿勢との比較に基づいて前記走行環境に対する前記着座姿勢の優良度を算出する優良度算出手段と、
前記優良度に基づいて前記走行環境に対する注意喚起のための警告の実行判定を行う警告実行判定手段と、を備えたことを特徴とする車両の運転支援装置。 an imaging means for acquiring a captured image of the driving environment outside the vehicle;
optimal seating posture estimating means for estimating an optimal seating posture of a good driver for the driving environment indicated by the captured image using a first estimation model preset by machine learning;
pressure detection means for detecting the seat surface pressure distribution of the driver's seat on which the driver is seated;
seating posture estimation means for estimating a seating posture of a driver based on the seat surface pressure distribution using a second estimation model preset by machine learning;
a superiority calculation means for calculating the superiority of the seating posture with respect to the driving environment based on a comparison between the optimum seating posture and the seating posture;
and warning execution determination means for determining execution of a warning for calling attention to the driving environment based on the quality. 前記第１の推定モデルは、前記撮像画像に対応する前記優良ドライバの最適座面圧力分布を推定する推定モデルと、前記最適座面圧力分布に基づいて前記最適着座姿勢を推定する推定モデルと、を含むことを特徴とする請求項１に記載の車両の運転支援装置。 The first estimation model includes an estimation model for estimating the optimal seat pressure distribution of the good driver corresponding to the captured image, an estimation model for estimating the optimal seating posture based on the optimal seat pressure distribution, and 2. The driving support device for a vehicle according to claim 1, comprising: 前記優良度算出手段は、前記最適着座姿勢と前記着座姿勢との一致確率、及び、前記走行環境に基づいて前記優良度を算出することを特徴とする請求項１または請求項２に記載の車両の運転支援装置。 3. The vehicle according to claim 1, wherein said goodness degree calculation means calculates said goodness degree based on a matching probability between said optimum seating posture and said sitting posture, and said running environment. driving assistance device. 前記警告実行判定手段は、前記優良度が予め設定された閾値以上であるとき前記警告を実行しないことを特徴とする請求項１乃至請求項３の何れか１項に記載の車両の運転支援装置。 4. The driving support device for a vehicle according to claim 1, wherein the warning execution determination means does not execute the warning when the quality is equal to or greater than a preset threshold value. . 前記警告実行判定手段は、前記優良度が低くなるほど前記警告の実行タイミングを早めることを特徴とする請求項１乃至請求項４の何れか１項に記載の車両の運転支援装置。 5. The driving support system for a vehicle according to claim 1, wherein the warning execution determination means advances the execution timing of the warning as the quality level decreases.

Images