JP5411284B2 - 実際の軌道を進行している車両の横方向のずれを、推定された仮想道路に基づいて決定し、横方向のずれに基づき運転者の横方向制御能力を決定するための方法、システム及びコンピュータプログラム製品 - Google Patents

Description

本発明は、道路データを決定するための方法及びシステムに関する。

車両が走行している道路に関する知識は、実際の軌道が正常な範囲にあるかどうか、又は、理想上の軌道と実際の軌道との間の横方向のずれ若しくは横方向のずれのパターンが運転者の横方向制御能力の低下を示し得るかどうかを決定するための基準（根拠）である。

理想上の軌道とは、実際の道路上で、運転者の最適な横方向制御能力（すなわち、運転者が車線を維持し又は望ましい経路を進行する能力）下で車両が進行すべきであった経路を意味する。実際の軌道とは、車両が実際に進行した経路を意味する。

横方向制御能力の低下が、運転者の不注意（例えば、眠気、注意散漫及び／又は作業負荷により生じる）を示す場合がある。従って、現行の技術から知られる複数の方法及びシステムにおいて、実際の軌道と実際の道路の車線との間の横方向のずれが、運転者の不注意を評価するための測定値として用いられる。

例えば、特許文献１は、車両が走行している道路を、道路の左側レーンマーカ又は右側レーンマーカを画像化するＣＣＤカメラを用いることにより決定することを提示している。車線内の車両位置が、車両の中央から左側レーンマーカまでの横方向距離及び道路幅から算出されることができる。カメラの代わりに、道路下に埋設された磁気ネイルに基づく道路−車両通信システムを用いることもでき、また、ＧＰＳに基づくナビゲーションシステムを、横方向変位（横変位）を検出するために用いることができる。さらに、ステアリング角度から横方向変位を検出することが可能であるため、横方向変位検出部がステアリング角度センサを用いることができる。さらに、ヨーレート又は横方向加速度（横加速度）を検出することにより横方向変位が推定され得る。車両の横方向の揺れ又は揺らぎが測定され、変位量のデータが、周波数成分を得るために記憶される。このシステムは、運転者が不注意であるかどうかを横方向変位の周波数に基づいて決定することができる。

特許文献２は、運転者の覚醒状態を検出するために周波数に基づく方法を用いることにより、運転者の覚醒状態の正確な推定が常に可能ではないという問題について述べている。例えば、山間の、異なる屈曲方向にて連続的なカーブを有するハイウェイにて、通常のレベルの覚醒状態にある運転者は、ステアリングホイールを比較的小さいステアリング角度で左右に回転させることにより車を運転する。このような場合のステアリングホイールの回転は、ふらつきの決定のために用いられる低周波数成分として抽出され易く、これが誤決定を生じさせることがある。従って、この文献に記載されている方法は、複数のカーブを有する道路に関して言及するために、道路形状に基づいた(road-shape-based)補正値を用いる。この道路形状に基づいた補正値は、レーントラッキング（車線追跡）センサの出力から導出される（レーントラッキングセンサは、車両の走行方向にて車両の前方に位置する左側レーンマーキング及び右側レーンマーキングを、車両上に配置されたＣＣＤ（固体撮像装置）を用いた立体カメラ又は単レンズカメラにより得られる画像に基づいて認識する）。車線内での変位に関する正確なデータを得るために、車線認識結果補正装置が、道路上に配置されたレーンマーキングのタイプを、認識された車線幅に基づいて、予め設定された複数のレーンマーキングのタイプの１つとして特定する。車線幅は、レーントラッキングセンサにより認識される左側レーンマーキングの位置と右側レーンマーキングの位置との差から得られる。車線認識補正装置は、さらに、車両の運転方向に対して垂直な方向における車両の変位（横方向変位）を、このようにして特定されたレーンマーキングのタイプに基づいて検出する。

道路に対する車両の位置を決定するための上記の例示的な方法の全てにおいて、「レーントラッカ」(“lane tracker”)（車線追跡）センサが用いられる。このセンサは、車両の道路上又は車線内での実際の位置を、そして、選択的には前方道路の形状も測定することができ、こうして、車線境界又は道路自体が理想上の軌道を画定する。レーントラッカは多数の様々な技術に基づくことができ、最も一般的な技術は前方監視カメラセンサである。車線位置を測定するために車両に取り付けられたカメラセンサは以前より市販されており、車線境界が意図的でなく交差された場合に運転者に警告すること（「車線逸脱警告(“lane departure warning”)」）を目的としている。

幾つかの場合において、運転者に横方向制御能力の低下を知らせるための時間スケールは、例えば車線逸脱警告、衝突警告又はその他のタイムクリティカルな（スピード重視の）システムのための時間スケールと同程度に最小化される必要はない。特に、運転者の不注意が検出されなければならない場合、時間スケールは、数秒又は１秒未満といった短時間ではなく、数１０秒又は数分までも拡大されることができる。このような拡大が可能な理由は、運転者の不注意、例えば眠気がゆっくりとしたプロセスであり、数秒ではなく、むしろ、数１０秒又は数分の範囲内でも変化するからである。これは、運転者の状態に関する結論を、検出された実際の軌道に基づいて導く機会をもたらし、例えば、車両の実際の位置を検出するセンサから収集された過去のデータを用いることが可能である。

このようなシステム及び方法が、例えば、特許文献３に記載されている。このシステム及び方法において、道路に沿った車両の実際の軌道、及び道路自体は、車両環境のデータ代表値（すなわち、道路に対する車両の横方向位置）、並びに、適切な車両状態パラメータ（例えば、車両速度及びヨーレート）により決定され、道路又は車線は、好ましくはレーントラッキングシステムにより観察される。この公知のシステム及び方法は、車両の力学特性に関する、以前の時点で収集された情報（例えばヨーレート）に基づいて、運転者が意図した経路の推定値（すなわち、以前の時点で運転者が進行しようとしたと見られる経路）を計算し、この意図された経路を、観察された実際の車線と比較する。実際の道路の形状寸法と、運転者が以前の時点で意図した経路との間の偏差が、運転者の不注意を示すものと見なされる。車両環境のデータ代表値を決定するために、車線位置システム、例えば、カメラ（例えば、前方監視単眼カメラ）が用いられる。

この公知のシステムの主な欠点は、車両の環境を決定するためのセンサ（特には、車線に対する車両の位置を決定するためのカメラ）が、ロバスト性及び信頼性において限界を有することである。例えば、センサデータが不正確であり、又は全く利用不可能なことが時々生じ得る。これは、センサ自体の技術的限界による場合もあり、また、外的な問題（例えば道路の摩耗により、或いは、例えば水又は雪がマーキングを覆っているためにレーンマーキングが見え難く、又は全く見えないこと）による場合もある。さらに、レーントラッカセンサを用いることによりシステム全体のコストが増大するであろう。なぜなら、カメラのコスト、及び、カメラ画像の処理の実行に必要なコンピュータハードウェアのコストが追加される必要があるからである。

さらに、車両の横方向位置情報ではなく、幾つかの先行技術において用いられているように、ステアリングホイール角度の測定値又は車両ヨーレートの測定値を、運転者の眠気、不注意などの判定のために用いることは困難である。なぜなら、個々の運転者の挙動、及び／又は、環境による影響（例えば横風の作用）が、ステアリングホイール角度及びヨーレート信号に多くの差異を生じ、これが判定の妨げになることがあるからである。

米国特許第６，３３５，６８９号明細書 米国特許第７，０８４，７７３号明細書 欧州特許出願公開第１６７２３８９号明細書

Andreas Eidehall、Fredrik Gustafssonによる論文"Obtaining reference road geometry parameters form recorded sensor data"（「記録されたセンサデータからの道路形状寸法の基準パラメータの取得」）の２５６頁〜２６０頁

従って、本発明の目的は、道路データを決定するための、より正確でロバストな、且つ費用効率的な方法及びシステムを提供することにある。

この目的は、請求項１及び１０に記載の方法、請求項１４及び１６に記載のシステム、並びに、請求項１７及び１８に記載のコンピュータプログラムにより達成される。

本発明は、実際の道路の形状寸法を、実際の道路のレーンマーキング又はその他の表示物をカメラセンサなどを用いて検出する代わりに、道路の形状寸法値が、車両が走行している実際の経路に基づいて推定され、これにより、道路設計実施、及び／又は道路に対する典型的な物理的制約の情報が用いられるという発想に基づいている。すなわち、実際の道路の形状をレーントラッカシステムを用いて観察又は検出する代わりに仮想道路が決定され、この仮想道路が、レーントラッカシステムと基本的に同一の、しかし所定の時間遅延を有するデータを提供する。そして、仮想道路は、車両の実際の経路が通常の範囲内にあるか否かを決定するための基準として機能することができる。

この方法は可能である。なぜなら、道路は特定の境界条件に従って設計されるからである。すなわち、道路の形状寸法は、例えば、特定の最大曲率により制限され、これらの最大曲率は、一般に、道路のタイプに依存する（例えば、ハイウェイは山道の最大曲率よりも低い最大曲率を有する）。道路のコースを設計するためのこれらの境界条件は既知の事実であり、従って、本発明の計算モデルにて考慮される。さらに、最大曲率値の単純閾値に加えて、道路のカーブの距離に関する変化も、一般に、明確なモデルに従っている。例えば、ヨーロッパにおいては、道路のコースを設計するために、いわゆるクロソイドモデルが用いられ、従って、このようなモデルを、好ましくは仮想道路を画成するために用いることができる。

道路の形状寸法値の推定自体は、センサシステム（特にはトラッキングシステム及びナビゲーションシステム）の性能を有効に用いるための現行技術から知られる。これらのシステムにおいて、センサデータの出力が基準データと比較されることが必要である。基準データは、例えば、ＧＰＳシステムからのデータを用いることにより得られるが、ＧＰＳの測定がわずかにより正確な場合が多い。新しい方法が、２００６年６月１３日〜１５日に日本国の東京で開催されたインテリジェントビークルシンポジウム(Intelligent Vehicle Symposium)にて発表された非特許文献１にて提示されている。この非特許文献１において、非特許文献１の著者は、推定された道路形状寸法値を基準データとして用いることを提案し、また、適切な数学的アルゴリズムが推定の基準として用いられる場合には、得られた結果を、トラッキングシステム及びナビゲーションシステムのための基準データとして用いることができると述べている。開示されたモデルベースの道路形状寸法の推定が、車線における車両の横方向位置を推定することも可能であるとしても、このパラメータは、その他のパラメータの精度を高めるために視覚システム（すなわちカメラ）により測定される。

本発明によれば、幾つかの場合には、運転者に横方向制御能力の低下を知らせ又は警告するための時間スケールが、例えば車線逸脱警告、側方衝突警告又はその他のタイムクリティカルな（スピード重視の）システムのための時間スケールと同程度には最小化される必要がないことがさらに考慮されている。これは、本発明の仮想道路方法を、ゆっくりと変化する横方向制御能力の基準としても用いることを可能にする。従って、本文中に開示される本発明の方法及びシステムが、運転者へのタイムクリティカルな警告のために用いられることを意図されていないことが明確に留意されるべきである。

横方向制御能力の低下が、ゆっくりと進行する運転者の不注意（例えば、眠気、及び／若しくは、何らかの注意散漫、並びに／又は作業負荷タイプの不注意）による場合、時間スケールは、数秒又は１秒未満などの時間ではなく、数１０秒又は数分にまでも拡大されることができる。これが、異なる方法（すなわち、仮想道路を決定する方法）を用いる機会をもたらし、これにより、技術的に複雑でコスト高なセンサからのセンサデータの代わりに、車両の実際の軌道を決定するためのデータを提供することにも適した、よりロバストなセンサからのデータを用いることができる。例えば、車両速度センサ及びヨーレートセンサ、又は、ヨーレートセンサのみを用いることができるが、その他のデータ、例えば、車両位置加速度及び／又はヨー角を組み込むこともでき、それにより、比較的単純な運動モデルが用いられる。ヨーレートセンサを用いる代わりに、車両のヨーレートをステアリングホイール角度センサにより決定することもできる。

実際の軌道を決定するために、センサデータＳを用いることが適切であることが分かった。センサデータＳは、好ましくは、センサ測定データの時系列であり、少なくとも、車両速度データ及び車両ヨーレートデータを含むことができる。さらに、センサデータは、車両位置データ、車両ヨー角データ、及び／若しくは、長手方向／横方向加速度データ、並びに／又は、他の任意の慣性センサのデータを含むことができる。

好ましい実施形態において、仮想道路の決定は、モデルベースの信号処理方法により実行される。この方法は、例えば、パラメトリック曲線（例えば３次スプライン）を決定された実際の軌道にフィッティングする（例えば、加重又は非加重最小二乗法による）方法である。これは、収集された信号のノイズ低減、平均化作用をもたらす。そしてこれは、ステアリングホイール角度又は車両のヨーレートの測定値（個々の運転者の挙動及び環境による影響により大きく変化する）を用いることが、仮想道路の決定の結果の質を低下させないことを意味する。さらに、走行速度に基づく情報、及び／又は、地図データからの道路タイプに関する情報を、パラメトリック曲線のフィッティングのために計算に組み込むことができる。

そしてまた、或いは、車両の位置又はロードマップデータに関するＧＰＳデータを、仮想道路自体の決定のために計算に組み込むこともできる。これが特に好ましい状況の１つは、車両が走行している道路の形状寸法が道路設計の標準モデルに適合しない場合である。さらに、さらなる情報、例えば、個々の運転者の挙動を考慮することもできる。

別の好ましい実施形態において、実際の軌道及び仮想道路は、モデルベースの信号処理方法（又は、より一般的には、統計的信号処理方法）を用いて決定される。実際の軌道及び仮想道路を、実際の軌道に関する状態ベクトルａ_ｋ、仮想道路に関する状態ベクトルｖｒ_ｋ（少なくとも位置及び／又はヘディングを含む）により示すことができる。さらなる状態パラメータ（例えば、位置及びヘディングの微分値を含む）も含まれることができる。測定値及び状態ベクトルは、線形の及び／又は線形化されたフィルタリングアルゴリズム（線形処理を用いる場合には、例えばカルマンフィルタベースのトラッキング）と、測定モデルと／又は、非線形モデル（例えば自転車運動モデル）のための拡張カルマンフィルタ及び／又はアンセンテッドカルマンフィルタのトラッキングフレームワークとにて用いられることができる。

また、モンテカルロ法（例えば粒子フィルタ）も、仮想道路を決定するために適切であり得る。詳細には、モンテカルロ法をベースとした推定を用いることが好ましい。なぜなら、実際の軌道も状態ベクトルに含まれることができ、また、運転者により行われる生じ得る操作が、可能な仮説として、関連する確率と共に含まれることができるからである。

結果が即時に提供される必要はないため、道路の形状寸法又は仮想道路のそれぞれ、又は上記のパラメータ推定戦略を因果的方法に限定することは必要でない。

仮想道路は、実際の道路の形状寸法を推定したものと見なされることができるため、偏差、すなわち実際の軌道と仮想道路との間の横方向のずれが、運転者の運転能力又は運転成果を判断するために用いられ得る。従って、横方向のずれを、運転者が運転者の車両の望ましい経路のどの程度近くを維持しようとしているかを示す推定値と見なすことができる。従って、運転者の横方向制御能力に関する結論を、実際の軌道の、仮想道路からの横方向のずれの量及び／又は形状から導くことが可能である。しかし、いずれの運転者においても、運転者の注意及び努力が安全な範囲にある状況でさえも、幾らかの量の横方向の揺れが車線にて一般的に生じるであろうことに留意されたい。この主な理由は、人間の運転者が、通常、所与の軌道からの所定の逸脱範囲内のずれは許容され得ると見なすことである。

仮想道路を実際の軌道から（特には、道路の形状寸法データを推定することより）決定することにより、本発明は、運転者の挙動（例えば、カーブの真直走行若しくはカーブ無視、車線変更又は追い越し）により発生される当然の車線位置変化に対しては、感度がより低い。

以上に述べたように、幾つかの運転者支援システム（例えば、眠気の検出及び警告システム）が、長い時間スケールで機能するため、本発明の方法及び本発明のシステムは、これらの運転者支援システムにて用いられて、横方向のずれ（例えば、運転者の眠気、不注意、注意散漫、又は運転者の努力不足により生じる）をロバストで費用効率的に検出することを可能にする。これは、既存のセンサ又は標準装備のセンサ（例えば、ヨーレート又はステアリングホイール角度センサ及び速度センサ）を用いることができ、従って、既存の車両モデル又は車両プラットフォームに、本発明の方法及びシステムを、車両のハードウェア設定に影響を全く又は部分的にしか与えずに搭載することができるというさらなる利点を有する。ステアリングホイール角度又は車両のヨーレートの測定値が、運転者の挙動及び環境による影響による変動を含んでも、これらのデータは、本発明の方法及びシステムにて、結果の質を低下せずに用いられることができる。なぜなら、仮想道路の算出がこれらの因子を計算に組み込むことができるからである。

さらなる有利な実施形態において、長い時間スケールで機能する運転者支援システムは、さらにＨＭＩ（ヒューマンマシンインタフェース）(Human machine interface)を含み、これは、（ｉ）本発明によるシステムと車両の運転者との、運転者支援システム（例えば眠気検出システム）への入力などを介しての相互作用、及び／又は（ｉｉ）運転者の挙動プロファイルを記憶するためのメモリを設けることを可能にする。これは、システムが学習可能で、従って、個々の運転者又は個々の運転挙動に適合されることができるという利点を有する。さらに、運転者は、さらなる道路データを手動で提供することが（例えば、運転者が走行している道路が、例えばハイウェイであることを明確に示すことにより）できる。

本発明のさらなる利点及び好ましい実施形態は、特許請求の範囲、詳細な説明、及び／又は図面にて定義される。

以下に、本発明を、好ましい実施形態を用いて記載する。記載される実施形態は例示的に過ぎず、本発明の範囲をこれらの実施形態に限定するために用いられるものではない。

本発明の方法の好ましい実施形態を示すフロー図である。 実際の軌道と仮想道路との間の横方向のずれを決定するための計算原理を示す概略図である。 実際の軌道の、仮想道路からの横方向のずれを示す概略図である。 本発明による実験的に導出された実際の軌道及び仮想道路のデータを、現行技術により公知のレーントラッカセンサから収集されたデータと比較した図である。

図１は、本発明の好ましい実施形態を示す。図１にて参照番号２により示されている円が、車両の実際の軌道Ａを決定するための適切なデータＳを提供する少なくとも１つのセンサを示している。記号Ｓ、Ａ、ＶＲ及びｄの意味を以下に説明する。ボックス４、６、８及び１０が計算ユニットの計算ステップを示し、計算ステップ４において実際の軌道ＡがセンサデータＳから決定される。次のステップ６において、仮想道路ＶＲが実際の軌道Ａから決定される。実際の軌道Ａと仮想道路ＶＲとの間の偏差又は横方向のずれが計算ステップ８にて決定される。ボックス１０は計算ステップを示し、計算ステップ１０において、検出されたセンサデータＳ、決定された実際の軌道Ａ、及び、推定された仮想道路ＶＲに基づいて信頼値が決定される。以下に、図１及び概略的に説明した上記のステップを、さらに詳細に説明する。

以上に説明したように、センサ又は複数のセンサのネットワークがセンサデータＳを提供する。これらのセンサは、例えば、車両のヨーレートセンサ及び車両の速度センサであってよい。しかし、他のデータ（例えば、車両位置、加速度及び／又はヨー角）が組み込まれることもできる。これらのデータは、好ましくは、Ｓ_ｋ＝（Ｓ_１，Ｓ_２，…Ｓ_ｋ）により示される、いわゆるセンサ測定データマトリクスに含まれる。Ｓ_ｋは、測定データベクトルＳ_ｊ（１≦ｊ≦ｋ）の時系列を含み、Ｓ_１は、時点ｔ_１にて得られる全てのセンサデータであり、Ｓ_２は、時点ｔ_２にて得られる全てのセンサデータであり、その他の時点で得られるセンサデータも同様である。下付文字ｋは、システムの現在の（最新の）時刻であり、時点ｔ_ｋに対応している。システムにおける時間が、システムの時間単位Ｔ_ｓのステップとして測定されるため、時点ｔ_ｋを、ｔ_ｋ＝ｋ×Ｔ_ｓと表記することもできる。式中、Ｔ_ｓはシステムのサンプル速度を示す。サンプル速度は、センサにより測定されたデータが読み出されて、さらなる処理のために一時的に記憶される速度を意味する。従って、Ｔ_ｓを、計算システムの時間単位と見なすこともできる。

好ましくは、車両は、（水平方向）車両位置ｘ(ｔ)、ｙ(ｔ)、ヨー角データψ(ｔ)から決定される車両のヘディング、車両のヨーレートω(ｔ)、及び車両速度ｖ(ｔ)に関するデータを提供するためのセンサを備える。従って、測定ベクトルは、量［ｘ，ｙ，ψ，ｖ，ω］を有し、これらの量から実際の軌道Ａを算出することができる（実際の軌道は、センサデータとして、車両の状態ベクトルａ_１，ａ_２，…ａ_ｋを含むマトリクスＡ_ｋ＝（ａ_１，ａ_２，…ａ_ｋ）の形態を有する）。車両の垂直方向位置ｚ(ｔ)を計算に組み込んで状態ベクトルに含むことも可能である。特に、車両が坂道を上下移動する場合、車両の垂直方向位置ｚ(ｔ)が変化し、また、横方向移動も異なり得る。垂直方向位置ｚ(ｔ)の情報を計算に組み込むことにより、横方向移動源の誤解釈の可能性をさらに低減することができる。

センサデータマトリクスＳ_ｋ＝（Ｓ_１，Ｓ_２，…Ｓ_ｋ）は、システムの起動時より（例えば、車両のイグニションをオンにしたときから）提供され続けた全てのセンサデータを含み、実際の軌道（すなわち、車両が進行した実際の経路）を計算ユニット４（図１）により算出するための入力として機能する。こうして、センサデータから、実際の軌道の状態マトリクスＡ_ｋ=（ａ_１，ａ_２，…ａ_ｋ）が生成される。

センサデータマトリクスＳ_ｋと同様に、実際の軌道のマトリクスＡ_ｋ＝（ａ_１，ａ_２，…ａ_ｋ）も、車両状態ａ_ｊ（１≦ｊ≦ｋ）の時系列を含み、これは、実際の軌道の対応するデータ、例えば車両位置及びヘディング（例えばヨー角ψから導出される）、並びに、さらなるパラメータ（例えば、車両位置及びヘディングの第１の微分値）を含む。実際の軌道のマトリクスは、車両運動モデルの選択に依存したその他の状態の時系列データも含む。計算ステップ４は、本発明のシステムの個々の装置にて実行されることができ、又は、本発明の方法に基づいたプログラムコードを有するコンピュータプログラムを実行させるように適合された既存の搭載コンピュータの一部であってもよい。

上記の説明において、マトリクスＳ_ｋ及びＡ_ｋが、システムの動作開始時からの全てのセンサデータ及び実際の軌道のデータを示すことを述べてきた。実際には、メモリの限界により、このデータの新しい部分のみが実際にシステムに（好ましくは、ファイフォ（先入れ先出し）（“ＦＩＦＯ”）式で）記憶され得る。この場合、予め決められた時間ステップの順番よりも古いデータはシステムにより廃棄され得る。

連続した２つの測定ベクトルの決定の間の時間間隔Ｔ_ｓ（すなわち、車両状態の時系列の長さ）は、調節可能であっても、或いは、予め設定された一定の値を有してもよい。有利には、時間間隔は調節可能であり、それにより、本発明のシステムは様々な運転挙動及び状況に適応可能である。

実際の軌道マトリクスＡ_ｋ=（ａ_１，ａ_２，…ａ_ｋ）は、ａ_１を車両の初期状態ベクトルであるように初期化し（初期位置及びヘディングは任意に選択され得る）、次いで、例えば、必要とされる量を算出するための以下の１組の式（運動モデル）を用いることにより決定されることができる。

式中、Δ_{ｔｋ−１，ｋ}は、連続した２つの測定点ｋ−１とｋとの間の時間であり、この時間は、先に述べたＴ_ｓと、必然的にではないが、しばしば等しい。

本発明の別の実施形態において、アルゴリズムは、よりロバストな軌道決定を達成するために、線形の又は線形化されたフィルタリングアルゴリズム（例えばカルマンフィルタベースのトラッキング）を含む。この実施形態において、量［ｘ，ｙ，ψ，ｖ，ω，ａ］（ａは、運転方向に沿った長手方向加速度）を有する状態ベクトルが、フィルタを有するモデル、例えば、単純化された自転車モデル、及び／又は、アンセンテッドカルマンフィルタのトラッキングフレームワークを用いて実際の車両軌道を示すのに非常に適していることが分かった。

第３の実施形態において、非線形最適化方法が用いられ、この方法において、車両の実際の軌道Ａが、例えばモンテカルロ法（粒子フィルタなど）を用いて算出される。これは、道路を、例えばより低速（詳細には、例えば７０ｋｍ／時未満）で適切に示す固有のモデルがない状況に対処することに特に適している。同様に、車線変更操作又は追い越しなどの操作が、モデル化されてトラッキングに含まれることができる。類似の作用が、上記のような線形又は線形化されたフィルタのための多重仮説フレームワークから得られると考えられ得る。

仮想道路ＶＲの決定が、図１の計算ステップ６にて行われる。計算ステップ６も本発明のシステムの個々の装置にて実行されることができるが、例えば、既存の搭載コンピュータが計算を実行することも可能である。或いは、この決定は、実際の軌道の決定を行うユニットと同一の計算ユニットにて実行されることができるが、別個の計算ユニットを用いることも可能である。

仮想道路ＶＲを決定するために、道路の形状寸法が、決定された実際の軌道Ａに基づいて推定される。しかし、仮想道路の計算を、本発明の出力を用いる用途の特定の条件を考慮することにより適合させることも可能である。例えば、好ましい実施形態において、本発明のシステム及び方法の出力が、運転者支援システム及び燃料消費効率システムの両方のための入力として用いられる。この場合、運転者支援システムのための入力を生成する仮想道路の計算が、この運転者支援システムに関するパラメータ（例えば、運転者の個々の操舵動作）を計算に組み込むことができる。仮想道路の計算が、燃料消費効率システムのための入力を生成する場合、仮想道路の計算は、例えば、道路のタイプ（すなわち、ハイウェイ、山道など）を考慮することができる。さらに、本発明は、意図的でない運動（例えば、運転者の不注意により生じることがあり、また、外部環境条件、例えば、横風、道路上の氷／雪／水などにより生じることもある）を計算に含めることもできる。

仮想道路ＶＲは、道路であるかのようにパラメータ化されることができるため、仮想道路を、仮想道路の状態ベクトルｖｒ_ｊ（１≦ｊ≦ｋ）の時系列を含むマトリクスＶＲ_ｋ=（ｖｒ_１，ｖｒ_２，…ｖｒ_ｋ）と見なすこともできる。

実際の軌道を、リアルタイムでの充分な精度を有して決定することができる場合においても、仮想道路ＶＲを、実際の軌道での時点と同一の時点にて決定することはできない。なぜなら、本発明のシステムは、道路の形状寸法値を推定し、その値から仮想道路ＶＲを導出するための、車両の実際の軌道に関するサンプル化された十分な情報を得るために、所定の（好ましくは、予め決められた）時間、待たなければならないからである。例えば、車両が、しばらくの間真直なラインに沿って走行しており、そしてヨーレートが検出された場合、システムは、このヨーレートが道路のカーブにより生じているのか、それとも、運転者が車線にて一時的にふらついているのかを判断できない。しかし、システムは、検出されたセンサデータに基づいて、車両の実際の軌道を決定することができる。しかし、仮想道路を決定するためには、システムは、実際の軌道が時間の経過によりどのように変化するかに関するさらなる情報を必要とする。従って、システムは、道路の形状寸法の推定又は仮想道路の計算が信頼性を有すると見なされることができる前に、所定の時間（例えば、数秒）、又は、上記の表記を用いれば、時間単位Ｔ_ｓの倍数ｍ×Ｔ_ｓで表される所定の時間遅れを待たなければならず、従って、仮想道路マトリクスＶＲ_ｋの第１のｋ−ｍ要素のみが、本発明のシステムにより用いられ、且つ／又は、出力される。従って、実際の軌道マトリクスＡ_ｋと仮想道路マトリクスＶＲ_ｋ−ｍとは、遅れｍ×Ｔ_ｓだけ時間が異なる。この遅れｍ×Ｔ_ｓは、一定の時間（ｍ＝定数）であっても、又は、好ましくは、可変時間（例えば、車両速度に依存する）であってもよい。これは、実際の軌道マトリクスＡ_ｋ=（ａ_１，ａ_２，…ａ_ｋ）が実際に仮想道路マトリクスＶＲ_ｋ−ｍ＝（ｖｒ_１，ｖｒ_２，…ｖｒ_ｋ−ｍ）を決定することを意味する。しかし、これは、本発明のシステム及び方法が、レーントラッカセンサと基本的に同一の情報を提供し、それがレーントラッカセンサよりも遅れた時点で行われるだけであることも意味する。

車両の状態ベクトルａ_ｊ、仮想道路の状態ベクトルｖｒ_ｊは、各々、同一のタイプのデータを含むことができる（しかし、前記データに限定されない）。先に説明したように、少なくとも「位置」パラメータ（例えばデカルト座標系におけるｘ、ｙ）、及び「ヘディング」パラメータが存在しなければならないが、これらの量の微分値も存在し得る。これは特に車両の状態ベクトルに関して存在し得る。なぜなら、多くの運動モデルがこれらの微分値を用いるからである。

仮想道路の計算の精度をより高めるために、さらに、例えば、ＧＰＳセンサから、又は、車両の環境を検出するレーダセンサから得られるデータを用いることができる。

本発明の一実施形態において、アルゴリズムが、３次スプラインのシーケンスの、実際の軌道マトリクスＡ_ｋへのフィッティングを、例えば、最小二乗法により実行し、得られたスプラインのシーケンスを、仮想道路マトリクスＶＲ_ｋ−ｍのための道路の状態ベクトルとして用いる。３次スプライン以外のパラメトリック曲線を用いることも適切な選択肢である。ここで、パラメトリック曲線、可能なパラメータ値の選択、及び、個々のスプライン間の距離の選択が、好ましくは、道路設計の情報に基づいて行われることができる。

例えば、１つの好ましい実施形態において、３次スプラインは、車両が例えば７０ｋｍ／時で走行している場合に例えば、約２０秒の間隔を有する。速度及び／又は用いられるアルゴリズムモデルに従って、測定間の時間を、例示的に選択された２０秒間よりも長くすることができ（例えば、約３０秒〜５０秒の範囲）、又は、より短くすることができる（例えば、約５秒〜１５秒の範囲）。

さらに、本発明の別の実施形態において、アルゴリズムは、道路設計に用いられる実際のモデル、例えばクロソイドモデル（このモデルのパラメータ化がヨーロッパの道路に適用される）に関する情報を、仮想道路ＶＲの計算のために組み込むことができる。

さらに、本発明の別の実施形態において、モデルの不確定性の統計的記述がフィルタリングフレームワークにて用いられる。これにより、加重最小二乗法を行うことができ、例えば、カルマンフィルタ、若しくは拡張カルマンフィルタ、又はアンセンテッドカルマンフィルタを用いることが可能になる。

別の好ましい実施形態において、実際の軌道Ａ_ｋの計算とは独立にパラメトリック曲線を実際の軌道マトリクスＡ_ｋにフィッティングさせる代わりに、仮想道路マトリクスＶＲ_ｋ−ｍを実際の軌道マトリクスＡ_ｋと共に計算することが可能である。これは、例えば、対応する仮想道路の状態ベクトルｖｒ_１，ｖｒ_２，…ｖｒ_ｋ−ｍを、結合された状態マトリクスＭ_ｋ＝（ａ_１，ａ_２，…ａ_ｋ，ｖｒ_１，ｖｒ_２，…ｖｒ_ｋ−ｍ）に含み、そして、同一のモデルベースのフィルタリング技術及び非因果的フィルタリング技術を用いることにより行われる。一例は、軌道の決定のための、上述のモンテカルロ法をベースとした実施形態であり、この実施形態において、さらに、運転者の操作が、可能な仮説として、関連する確率と共に含まれることができる。

さらに、運転者の様々な操作又は様々な道路特性を示し且つ検出するために、カルマンフィルタのバンク（例えば、ＩＭＭ（インタラクティブ多重モデル）フレームワーク又は静的多重モデルフレームワーク）を用いることも可能である。このようなフィルタバンクを、それぞれ実際の軌道又は仮想道路を決定するために用いることも可能である。

本発明の全ての実施形態において、意図的に行われた操作を検出及び認識することが、それらの操作がどのように検出及び認識されるかに関係なく好ましい。より詳細には、車両が単一車線を進行しているときに、通常の注意深い運転中に生じる横方向移動とは異なる車両の横方向移動を運転者が意図的に行う場合、このような操作が検出されることが好ましい。このような操作の例の２つが、車線変更及び追い越しである。このような操作は、急速に行われた場合、望ましい経路からの意図的でない逸脱としてシステムに解釈され得る横方向移動を含み得る（何故なら、結果として生じる実際の軌道が、典型的な道路のカーブよりも大きく曲がったカーブを有するからである）。従って、これらの意図された操作を検出及び認識し、それにより、例えば、対応するデータ部分を破棄し、又は、対応する低信頼度をシステム出力にて報告することが有利である。しかし、このような意図された動作が滑らかに行われた場合、結果として生じる横方向移動は、単一車線進行中の通常の注意深い運転中に生じる横方向移動と類似であり得る。この場合、この操作を検出する必要はない。むしろ、本発明の利点は、実際の車線位置情報（例えば、レーントラッカカメラから得られる）を用いる既知の方法と比較して、車両が滑らかに車線変更をしている場合においても仮想道路が計算されることができることである。

先に述べたように、幾つかの好ましい実施形態において、実際の軌道及び仮想道路が計算されると同時に、モデルベースのフィルタリング及び非因果的フィルタリング技術を用いて操作が検出される。他の実施形態において、他の検出方法（例えば、ルールベースの方法）が用いられ得る。以下に示す表１は、意図的な操作、例えば車線変更及び追い越しのためのさらなる検出の可能性を示す。

本発明の幾つかの実施形態は、ロードマップデータベースと組み合せられ得るＧＰＳ装置（図示せず）から得られる車両位置データも含み得る。この車両位置データを、仮想道路ＶＲの計算ステップ６の実行中に（すなわち、仮想道路を推定するために）用いることもできる。好ましい実施形態においてレーダデータも利用可能であろうから、これらのレーダデータも、仮想道路ＶＲを算出するために用いることができる。

図１に示されている計算ステップ８において、横方向のずれｄが決定される。横方向のずれｄの決定は、実際の軌道と仮想道路とを互いに関連付けることにより行われる。

好ましい実施形態において、横方向のずれは、時点ｔ_ｊにおける実際の軌道の状態ベクトルａ_ｊと仮想道路の状態ベクトルｖｒ_ｊとの間の横方向距離ｄ_ｊとして定義される。これは、ｄ_ｊがａ_ｊとｖｒ_ｊとの間の「符号付き横方向距離」(“signed lateral distance”)として、すなわち、正の値、負の値、又はゼロ値を有するスカラーとして算出されることを意味する。このスカラーの絶対値は、ベクトルａ_ｊの位置とベクトルｖｒ_ｊの位置との間の距離であり、ａ_ｊがｖｒ_ｊの一方の側（例えば、ｖｒ_ｊのヘディングに対してｖｒ_ｊの右側）を示すとき、ｄ_ｊの符号は正である。そして、ａ_ｊがｖｒ_ｊの他方の側を示すとき、ｄ_ｊの符号は負である。横方向の距離ｄ_ｊは、例えばスカラー積Δ×ｎとしてコンピュータにより算出されることができ、Δは、ａ_ｊの位置とｖｒ_ｊの位置との間の距離であり、ｎは、ｖｒ_ｊのヘディングと比較して水平面にて時計回りに９０度回転された、ｖｒ_ｊのヘディングの正規化された（すなわち、ノルム値を有するようにスケーリングされた）ベクトルである。

図２は、推定された仮想道路マトリクスＶＲ_ｋ−ｍ ＝（ｖｒ_１，ｖｒ_２，…ｖｒ_ｋ−ｍ）を概略的に示し、この図において、例示的に時点ｔ_ｉ＝ｉ×Ｔ_Ｓ、及びｔ_ｊ＝ｊ_ｉ×Ｔ_Ｓにて、ａ_ｉ、ｖｒ_ｉ、ｄ_ｉとａ_ｊ、ｖｒ_ｊ、ｄ_ｊとの関係が示されている。図に見られるように、図２は、時点ｔ_ｉ及び時点ｔ_ｊにおける２つの横方向のずれｄ_ｉ及びｄ_ｊを示す。時点ｔ_ｉにて、ａ_ｉはｖｒ_ｉの右側にあり、正の値の横方向距離ｄ_ｉを生じ、時点ｔ_ｊにて、ａ_ｊはｖｒ_ｊの左側にあり、負の値の横方向距離ｄ_ｊを生じている。

実際の軌道と仮想道路との関係を算出する代わりに、実際の軌道及び仮想道路に関するデータを直接出力することも可能である。或いは、実際の軌道及び仮想道路に関するデータを、算出された横方向のずれの他にさらに出力することも可能である。どのような種類のデータが出力として用いられるかは、本発明のシステムの出力を入力として用いる、さらなるシステムの要求条件により決定されることができる。横方向のずれが出力のみである場合、本発明のシステムを、その出力が所定の時間遅れて与えられるレーントラッカカメラと見なすこともできる。概して、本発明のシステムの出力の、最新時点でのデータは（そして、実際の軌道のデータも）、時点（ｋ−ｍ）×Ｔ_ｓにおけるデータに常に対応すると述べられよう。その理由は、図３から理解される。

図３は、実際の軌道マトリクスＡ_ｋ及び仮想道路マトリクスＶＲ_ｋ−ｍと横方向のずれｄとの関係を概略的に示す。先に説明したように、本発明の方法は、仮想道路マトリクスＶＲ_ｋ−ｍを算出するために所定の時間遅れを用いることにより機能する。従って、本発明のシステムは、時点ｋ×Ｔ_ｓにおいて、車両の状態ベクトルａ_１…ａ_ｋを含む実際の軌道マトリクスＡ_ｋを算出する。本発明のシステムは、これらのベクトルに基づいて、時点（ｋ−ｍ）×Ｔ_ｓに関して仮想道路マトリクスＶＲ_ｋ−ｍを算出する。これは、時点（ｋ−ｍ）×Ｔ_ｓにおいて、仮想道路の推定により結果が示される（すなわち、車両が、例えば図３に概略的に示されているように道路のカーブを走行していることが示される）ことを意味する。図３の実線１２及び１４は、それぞれ、仮想道路の右の縁部及び左の縁部とみなされる。従って、仮想道路ベクトルにより仮想道路の車線の中央が定義されることも理解されよう。

先に述べたように、仮想道路は、実際の道路を推定したものと見なされるため、仮想道路を、実際の道路を進行するための最適経路を推定するために用いることができる。そして、横方向のずれｄを、運転者が最適経路のどの程度近くを維持しようとしているかを示す測定値と見なすことができる。さらなるステップにおいて、横方向のずれは、運転者が、自分が意図する経路を進行しているかどうか、又は、車両が運転者の不注意によりふらついているかどうかを決定するための基準としても用いられることができる。

注意深い運転者は、当然、仮想道路の非常に近くを進行するであろう。それにより生じる横方向のずれ又は偏差ｄは非常に小さい。生じる偏差は、特には、気象条件（横風）、及び／又は運転者により行われる、仮想道路に沿って道路を進行するための、ステアリングホイールを補助としたわずかな駆動修正により生じ得る。一方、何らかの障害を有する、又は不注意な運転者は、横方向偏差ｄ及び横方向速度偏差の、より大きくより極端な変化を発生させる。ここで問題となるのは、実際の距離の値ではなく、所定時間にわたり測定される横方向距離制御の総合的なパターンである。

図１に示されているさらなる計算ステップ１０において、システムの計算のための１以上の信頼値が決定される。この計算ステップ１０からの出力は、システムのその他の出力パラメータ（先に説明したように、Ｓ、Ａ、ＶＲ及びｄの全て又は部分集合を含み得る）により生じる信頼推定値である。信頼推定値は、例えば、出力量の各々に対して別々に、例えば、各々に関してゼロと１との間の信頼値の形態で、又は、例えば、システムの１以上の又は全ての出力パラメータに基づいた単一の全体信頼値として与えられ得る。信頼推定値の計算は、センサデータの品質を、センサ自体から報告されたものと見なすこと、及び／又は、実際のセンサ出力の特性（例えば、センサの誤動作がルールベースの方法などを用いて検出され得る）から推定されたものと見なすことを含む。信頼推定値の計算は、さらに、先に述べたような検出された操作を考慮に入れることを含み得る。なぜなら、所定の操作（例えば、突然の車線変更）中には、仮想道路ＶＲが、実際の道路を進行するための運転者の好ましい最適な経路を真に反映しない場合があるからである。従って、このような場合、推定される横方向の偏差ｄの信頼値も低くなる。信頼推定値の計算にて考慮され得る別の課題は、道路設計の標準モデルに従わない道路の形状寸法の検出である。このような道路の形状寸法は、さらなる情報（典型的に、ＧＰＳ及び／又は地図データに基づく）を用いて検討されることができる。

図４は、本発明による実験的に導出された実際の軌道及び算出した仮想道路のデータを、現行技術により公知のレーントラッカセンサから収集されたデータと比較した図である。この図において、データは、道路の２次元鳥瞰図（すなわち、道路より上から見られた図）として、メートルをｘ軸及びｙ軸の単位として用いて示されている。

図４のグラフ２０は、慣用のレーントラッカシステムにより見られるような道路を示し、参照番号２２は、検出された右側のレーンマーキングに対応し、参照番号２４により示されているラインは、左側のレーンマーキングに対応している。

図４のグラフ２６は、本発明のシステム及び方法により決定された実際の軌道Ａを示す。実際の軌道は、車両位置及び車両ヘディングにより決定される。先に説明したように、本発明のシステムは、実際の軌道のデータと、道路の既知の物理的な制約とに基づいて仮想道路ＶＲを決定する。仮想道路の状態ベクトルにより画定される仮想道路の中央がグラフ２８により示されている。道路が１以上の車線を含む場合、仮想道路は、単一車線の中央に対応する。

グラフ２０とグラフ２６とを比較すると、レーントラッカセンサにより検出される実際の道路のコースと仮想道路のコースとが非常に類似していることが示される。また、本発明のシステム及び方法が、仮想道路の決定が、既知のレーントラッカシステムで生じるような測定の失敗又は不確実性（図４に、円３０、円３２及び円３４により示す）により影響されないという利点を有することも理解されよう。これらの測定の失敗又は不確実性は、レーントラッカセンサが、時々、レーンマーキングの検出に失敗し（例えば参照番号３４を参照）、又は、タールマカダム舗装道路の端部をレーンマーキングと認識する（例えば、参照番号３０及び参照番号３２を参照）という事実による。これとは対照的に、本発明のシステムにより決定される仮想道路は、実際の道路の形状に正確に従っている。

公知のレーントラッカと、本発明の方法により得られるデータとを比較すると以下のことが分かる。すなわち、慣用のレーントラッカシステムを本発明の方法及びシステムに替えることは、技術的に可能なだけでなく、車両が走行している道路の道路データを決定するときに、より長い（約数分又は数秒の）時間スケールをミリ秒の代わりに用いることができるならば、より良好でロバストな結果をもたらす。

２ センサ
４ 計算ステップ
６ 計算ステップ
８ 計算ステップ
Ｓ 変数
Ａ 実際の軌道
ＶＲ 仮想道路
１０ 計算ステップ
１２ 仮想道路の右の縁部
１４ 仮想道路の左の縁部
２０ 道路
２２ 右側のレーンマーキング
２４ 左側のレーンマーキング
２６ 実際の軌道
２８ 仮想道路の中央
３０ レーントラッカシステム測定の失敗

Claims (17)

1. 実際の軌道（Ａ）を進行している車両の横方向のずれ（ｄ）を、推定された仮想道路（ＶＲ）に基づいて決定し、前記横方向のずれ（ｄ）に基づき運転者の横方向制御能力を決定するための方法であって、前記実際の軌道（Ａ）及び前記仮想道路（ＶＲ）が、複数のステップにより決定される方法であり、前記複数のステップは、
   前記車両の前記実際の軌道（Ａ）を決定するために適した変数（Ｓ）を測定するステップと、
   前記測定された変数（Ｓ）から前記実際の軌道（Ａ）を決定するステップと、
   前記決定された実際の軌道（Ａ）に基づいて道路の形状寸法値を推定するステップと、
   前記推定された道路の形状寸法値及び実際の軌道（Ａ）に基づいて、前記車両が辿っている前記仮想道路（ＶＲ）を決定するステップとからなる方法。
2. さらに、前記横方向のずれ（ｄ）が予め決められた範囲内にあるかどうかを決定するステップを含む請求項１に記載の方法。
3. 前記横方向のずれ（ｄ）の前記予め決められた範囲を決定するために、運転者による意図的な追い越し及び／又は車線変更などの生じ得る操作、及び／又は、少なくとも１人の運転者の個々の運転挙動に関する情報が用いられ、前記運転挙動が、好ましくは前記運転者のプロファイルの一部としてデータベースに記憶され、且つ／又は、このような意図的な操作及び／又は運転者の個々の運転挙動に起因する前記横方向のずれ（ｄ）の量及び／又は形状が分析される請求項２に記載の方法。
4. 前記決定された横方向のずれ（ｄ）、実際の軌道（Ａ）及び仮想道路（ＶＲ）データの少なくとも１つにより決定される前記運転者の横方向制御能力が、運転者の不注意を評価するための基準として用いられる請求項１乃至３のいずれか一項に記載の方法。
5. 道路の形状寸法値を推定するために、且つ／又は前記仮想道路（ＶＲ）を決定するために、道路の設計実行及び／又は道路に対する典型的な物理的制約の情報が用いられる請求項１乃至４のいずれか一項に記載の方法。
6. 推定される道路の形状寸法値が、パラメトリック曲線などのモデルに含まれ、前記パラメトリック曲線が、好ましくは、道路の形状寸法をモデル化するのに適した３次スプライン、及び／若しくはクロソイド、並びに／又は、３次スプラインとクロソイドとの組合せである請求項１乃至５のいずれかに記載の方法。
7. 前記実際の軌道（Ａ）を決定するための前記測定された変数（Ｓ）が、検出された車両データ、特には、車両速度データ、及び／又は、車両ヨーレートデータ、及び／又は、車両位置データ、及び／又は、車両加速度データ、及び／又は、車両ヨー角データを含む請求項１乃至６のいずれかに記載の方法。
8. 前記実際の軌道（Ａ）の決定が、線形及び／又は非線形フィルタリングアルゴリズムを前記測定された変数（Ｓ）に適用することにより実行される請求項１乃至７のいずれかに記載の方法。
9. 前記仮想道路（ＶＲ）の決定が、前記モデルを前記実際の軌道にフィッティングすることにより行われ、前記フィッティングが、好ましくは、加重又は非加重最小二乗最適化により行われ、且つ／又は、前記フィッティングが、線形及び／又は非線形フィルタリングアルゴリズムを前記実際の軌道（Ａ）に適用することにより行われる請求項６に記載の方法。
10. 前記フィルタリングアルゴリズムが、単一の仮説フィルタ、好ましくは最小平均二乗誤差推定量、及び／又は、線形及び／又は線形化されたフィルタ、特には、カルマンフィルタ若しくは拡張カルマンフィルタ又はアンセンテッドカルマンフィルタを含むフィルタリングアルゴリズムであるか、若しくは、複数の仮説、例えばカルマンフィルタのバンク、特には、拡張カルマンフィルタ及び／又はアンセンテッドカルマンフィルタのバンクを処理することができるフィルタリングアルゴリズムであるか、又は、モンテカルロ法、特には粒子フィルタである請求項８又は９に記載の方法。
11. 前記仮想道路（ＶＲ）の前記決定が、前記実際の軌道（Ａ）の前記決定と共同に行われる請求項１乃至１０のいずれかに記載の方法。
12. 前記仮想道路（ＶＲ）を決定するために、さらなる道路情報、特には、前記車両位置のＧＰＳデータ及び／又はロードマップデータが計算に組み込まれ、且つ／又は、少なくとも１人の運転者の個々の運転挙動に関する情報が計算に組み込まれ、前記運転挙動が、好ましくは、前記運転者のプロファイルの一部としてデータベースに記憶される請求項１乃至１１のいずれかに記載の方法。
13. 実際の軌道（Ａ）を進行する車両の仮想道路（ＶＲ）上での横方向のずれ（ｄ）を決定し、前記横方向のずれ（ｄ）に基づき運転者の横方向制御能力を決定するためのシステムであって、前記実際の軌道（Ａ）及び前記仮想道路（ＶＲ）を、請求項１乃至１２のいずれか一項に記載の方法のステップに従って計算するための計算ユニットを備えたシステム。
14. 車両速度データを検出するためのセンサ、特には速度計、並びに／又は、車両のヨーレートデータを検出するためのセンサ、並びに／又は、車両位置データ及び／若しくはロードマップデータを提供するＧＰＳ装置、並びに／又は、運転者の操作を検出するための手段、特には、追い越し及び／又は車線変更を検出するためのターンインジケータの起動、並びに／又は、追い越しを検出するために加速度プロファイルを決定するためのデバイス若しくは装置を備えた請求項１３に記載のシステム。
15. 請求項１乃至１２のいずれか一項に記載の方法に従って運転者の横方向制御能力を決定するための請求項１３乃至１４のいずれか一項に記載のシステムを備えた、運転者の不注意を検出するためのシステム。
16. 請求項１乃至１２のいずれか一項に記載の方法を実行するように、又は請求項１乃至１２のいずれか一項に記載の方法にて用いられるように適合されたソフトウェアコードを含むコンピュータプログラム製品であって、前記プログラムがプログラミング可能なマイクロコンピュータにて実行され、且つ／又は、前記コンピュータプログラムが、好ましくは、インターネットに接続されたコンピュータ上で実行されるときにサポートユニット又は前記サポートユニットのコンポーネントの１つにダウンロードされるように適合されているコンピュータプログラム製品。
17. コンピュータ上で請求項１乃至１２のいずれか一項に記載の方法で用いられるためのソフトウェアコードを含む、コンピュータ可読媒体に格納されたコンピュータプログラム製品。

Images