JP6865896B1 - 不安要因特定装置、プログラム及び不安要因特定方法 - Google Patents

Abstract

車両の搭乗者が不安を感じたことを検出する不安検出部として機能する感情認識部（１４０）と、不安が検出された際に、搭乗者の状態を検出することにより得られた搭乗者状態データ、車両の状態を検出することにより得られた車両状態データ及び車両が走行する状態を検出することで得られた走行状態データの少なくとも一つを用いて、予め定められた複数の要因から、搭乗者が前記不安を感じている一つの要因を特定する不安要因特定部（１４５）とを備える。

Description

本開示は、不安要因特定装置、プログラム及び不安要因特定方法に関する。

近年、車両の走行に関する情報を収集して、車両の状況を判断し、運転者への情報提供又は車両の動作制御を行うことで、車両の運転を支援する装置が提供されている。

例えば、特許文献１には、運転状況、気象状況及び運転者の生体状態から、運転者の心理状態を判断して、判断された心理状態に応じて、運転者への通知及び車両の制御を行う車両制御装置が開示されている。

特開２００８−６５７０４号公報

車両の運転者は、車両の周囲の様々な状況に応じて、車両を運転しなければならず、車両を運転する際に、大きなストレスを感じる。
従来の車両制御装置は、運転者の心理状態に応じて、運転者への通知及び車両の制御を行っているが、運転者を含む車両の搭乗者の不安の要因を特定するような処理は行っていない。

そこで、本開示の一又は複数の態様は、搭乗者の不安の要因を特定できるようにすることを目的とする。

本開示の一態様に係る不安要因特定装置は、車両の搭乗者が不安を感じたことを検出する不安検出部と、前記不安が検出された際に、前記搭乗者の状態を検出することにより得られた搭乗者状態データ、前記車両の状態を検出することにより得られた車両状態データ及び前記車両が走行する状態を検出することで得られた走行状態データの少なくとも一つを用いて、予め定められた複数の要因から、前記搭乗者に前記不安を与えている一つの要因を特定する不安要因特定部と、前記一つの要因が正しいか否かを前記搭乗者に確認する確認部と、前記搭乗者が前記一つの要因が正しいと確認した場合に、前記一つの要因に対する対策を決定する対策決定部と、前記対策を実行する対策実行部と、を備えることを特徴とする。

本開示の一態様に係るプログラムは、コンピュータを、車両の搭乗者が不安を感じたことを検出する不安検出部、前記不安が検出された際に、前記搭乗者の状態を検出することにより得られた搭乗者状態データ、前記車両の状態を検出することにより得られた車両状態データ及び前記車両が走行する状態を検出することで得られた走行状態データの少なくとも一つを用いて、予め定められた複数の要因から、前記搭乗者に前記不安を与えている一つの要因を特定する不安要因特定部、前記一つの要因が正しいか否かを前記搭乗者に確認する確認部、前記搭乗者が前記一つの要因が正しいと確認した場合に、前記一つの要因に対する対策を決定する対策決定部、及び前記対策を実行する対策実行部、として機能させることを特徴とする。

本開示の一態様に係る不安要因特定方法は、車両の搭乗者が不安を感じたことを検出し、前記不安が検出された際に、前記搭乗者の状態を検出することにより得られた搭乗者状態データ、前記車両の状態を検出することにより得られた車両状態データ及び前記車両が走行する状態を検出することで得られた走行状態データの少なくとも一つを用いて、予め定められた複数の要因から、前記搭乗者に前記不安を与えている一つの要因を特定し、前記一つの要因が正しいか否かを前記搭乗者に確認し、前記搭乗者が前記一つの要因が正しいと確認した場合に、前記一つの要因に対する対策を決定し、前記対策を実行することを特徴とする。

本開示の一又は複数の態様によれば、搭乗者の不安の要因を特定することができる。

実施の形態１〜３に係る不安要因特定装置の構成を概略的に示すブロック図である。 （Ａ）〜（Ｃ）は、搭乗者状態データ、車両状態データ及び走行状態データの一例を示す概略図である。 実施の形態１における対策テーブルの一例を示す概略図である。 実施の形態１〜４に係る不安要因特定装置のハードウェア構成例を示すブロック図である。 実施の形態１における不安要因特定部の動作を示すフローチャートである。 実施の形態１における車外状況判定処理を示す第１のフローチャートである。 実施の形態１における車外状況判定処理を示す第２のフローチャートである。 実施の形態１における車内状況判定処理を示す第１のフローチャートである。 実施の形態１における車内状況判定処理を示す第２のフローチャートである。 （Ａ）〜（Ｃ）は、学習データの例を示す概略図である。 （Ａ）及び（Ｂ）は、機械学習による要因の特定を説明するための概略図である。 実施の形態３における対策テーブルの一例を示す概略図である。 実施の形態３における不安要因特定部の動作を示すフローチャートである。 実施の形態３における驚きを含む不安要因の特定処理を示すフローチャートである。 実施の形態３における驚きを含む車外状況判定処理を示す第１のフローチャートである。 実施の形態３における驚きを含む車外状況判定処理を示す第２のフローチャートである。 実施の形態３における驚きを含む車内状況判定処理を示す第１のフローチャートである。 実施の形態３における驚きを含む車内状況判定処理を示す第２のフローチャートである。 実施の形態３における恐れを含む不安要因の特定処理を示すフローチャートである。 実施の形態３における恐れを含む車外状況判定処理を示す第１のフローチャートである。 実施の形態３における恐れを含む車外状況判定処理を示す第２のフローチャートである。 実施の形態３における恐れを含む車内状況判定処理を示す第１のフローチャートである。 実施の形態３における恐れを含む車内状況判定処理を示す第２のフローチャートである。 実施の形態３におけるその他の不安要因の特定処理を示すフローチャートである。 実施の形態３におけるその他車外状況判定処理を示す第１のフローチャートである。 実施の形態３におけるその他車外状況判定処理を示す第２のフローチャートである。 実施の形態４に係る不安要因特定装置の構成を概略的に示すブロック図である。 実施の形態５及び６に係る不安要因特定システムの構成を概略的に示すブロック図である。 実施の形態５に係る不安要因特定装置の構成を概略的に示すブロック図である。 実施の形態５及び６におけるクラウドサーバの構成を概略的に示すブロック図である。 実施の形態５及び６における不安要因特定装置及びクラウドサーバのハードウェア構成例を示すブロック図である。 実施の形態６に係る不安要因特定装置の構成を概略的に示すブロック図である。

実施の形態１．
図１は、実施の形態１に係る不安要因特定装置１００の構成を概略的に示すブロック図である。
不安要因特定装置１００は、搭乗者状態センシング部１１０と、車両状態センシング部１２０と、走行状態センシング部１３０と、感情認識部１４０と、搭乗者状態管理部１４１と、車両状態管理部１４２と、走行状態管理部１４３と、記憶部１４４と、不安要因特定部１４５と、対策決定部１４６と、対策実行部１４７とを備える。

搭乗者状態センシング部１１０は、運転者を含む搭乗者の状態を検出して、その検出結果を搭乗者検出結果として感情認識部１４０及び搭乗者状態管理部１４１に与える。
搭乗者状態センシング部１１０は、例えば、搭乗者の覚醒度、視線方向及び感情を特定することのできる搭乗者状態検出結果である搭乗者検出結果を搭乗者状態管理部１４１に与える。

例えば、搭乗者状態センシング部１１０は、ＤＭＳ（Ｄｒｉｖｅｒ Ｍｏｎｉｔｏｒｉｎｇ Ｓｙｓｔｅｍ）１１１を含む。
ＤＭＳ１１１は、搭乗者の画像及び音声を取得して、搭乗者の状態を監視するシステムであり、搭乗者の画像を取得する撮像装置としての車内カメラ、搭乗者の音声を取得する音声取得装置としてのマイクロフォン（以下、マイク）等を含む。

車両状態センシング部１２０は、車両の状態を検出して、その検出結果である車両検出結果を車両状態管理部１４２に与える。
車両状態センシング部１２０は、例えば、車両の速度、加速度、ブレーキ、アクセル、ステアリング角度、クラクション、警告有無、警告種別、ナビ状態及びインパネ状態を特定することのできる車両状態検出結果を車両状態管理部１４２に与える。

例えば、車両状態センシング部１２０は、ＣＡＮ（Ｃｏｎｔｒｏｌｌｅｒ Ａｒｅａ Ｎｅｔｗｏｒｋ）１２１、ナビシステム１２２及びマイク１２３を含む。
ＣＡＮ１２１は、車両の速度、加速度、ブレーキ、アクセル、ステアリング角度、クラクション、警告有無、警告種別及びインパネ状態の状態を転送するためのシステムである。
ナビシステム１２２は、車両の位置を計測して、目的地への経路案内を行なう機能である。
マイク１２３は、車両の周囲の音を取得する音声取得装置である。

走行状態センシング部１３０は、車両の周囲の走行状態を検出して、その検出結果である走行状態検出結果を走行状態管理部１４３に与える。
走行状態センシング部１３０は、例えば、天候及び車両の周囲の物体を特定することのできる走行状態検出結果を走行状態管理部１４３に与える。

例えば、走行状態センシング部１３０は、カメラ１３１、接近センサ１３２及びライダー（Ｌｉｇｈｇｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）１３３を含む。
カメラ１３１は、車両の周囲の映像を撮像する撮像装置である。カメラ１３１は、少なくとも車両の前方の映像を撮像する。
接近センサ１３２は、車両から予め定められた範囲に物体があることを検出するセンサである。
ライダー１３３は、光を使って、車両の周囲の物体と、その距離とを計測する装置である。

感情認識部１４０は、搭乗者状態センシング部１１０からの搭乗者検出結果により、搭乗者の感情を認識する。
例えば、感情認識部１４０は、ＤＭＳ１１１で取得される搭乗者の顔の画像、声のトーン、又は、その両方等から、公知の技術を用いて、搭乗者の感情を認識すればよい。
特に、感情認識部１４０は、搭乗者状態センシング部１１０からの搭乗者検出結果により、搭乗者が不安を感じたか否かを検出する。このため、感情認識部１４０は、搭乗者が不安を感じたことを検出する不安検出部として機能する。

搭乗者状態管理部１４１は、搭乗者状態センシング部１１０からの搭乗者検出結果により、搭乗者の覚醒度、視線方向及び感情といった搭乗者状態を特定し、特定された搭乗者状態を示す搭乗者状態データを記憶部１４４に記憶させる。

車両状態管理部１４２は、車両状態センシング部１２０からの車両状態検出結果により、車両の速度、加速度、ブレーキ、アクセル、ステアリング角度、クラクション、警告有無、警告種別、ナビ状態及びインパネ状態といった車両状態を特定し、特定された車両状態を示す車両状態データを記憶部１４４に記憶させる。

走行状態管理部１４３は、走行状態センシング部１３０からの走行状態検出結果により、天候及び車両の周囲の物体といった走行状態を特定し、特定された走行状態を示す走行状態データを記憶部１４４に記憶させる。
例えば、悪天候の場合には、走行状態センシング部１３０に含まれているカメラ１３１、接近センサ１３２又はライダー１３３等の各種センサの性能が低下するため、走行状態管理部１４３は、これら各種センサの性能が低下した場合に、悪天候と判断して、その判断結果を走行状態データに格納する。

記憶部１４４は、不安要因特定装置１００での処理に必要なデータを記憶する。
例えば、記憶部１４４は、感情認識部１４０が生成した感情認識データと、搭乗者状態管理部１４１が生成した搭乗者状態データと、車両状態管理部１４２が生成した車両状態データと、走行状態管理部１４３が生成した走行状態データと、対策テーブルと、インストルメントパネル（以下、インパネ）、サイドミラー又はバックミラー等の車内の部品の位置を示す部品位置データとを記憶する。

図２（Ａ）〜（Ｃ）は、記憶部１４４が記憶する搭乗者状態データ、車両状態データ及び走行状態データの一例を示す概略図である。
図２（Ａ）に示されているように、搭乗者状態データは、覚醒度を示す検出データと、視線方向を示す検出データと、感情を示す検出データとを含む。
覚醒度は、搭乗者の意識がはっきりしている度合いである。
視線方向は、搭乗者の視線方向である。搭乗者の視線方向は、例えば、予め定められたｘ軸、ｙ軸及びｚ軸の直交する予め定められた三つの軸に対する角度で示されるものとする。
感情は、搭乗者の感情である。ここでは、感情は、「ｎｅｕｔｒａｌ」、「怒り」、「恐れ」、「驚き」、「悲しみ」、「嫌悪」及び「幸せ（喜び）」の度合いを示す。

図２（Ｂ）に示されているように、車両状態データは、速度を示す検出データと、加速度を示す検出データと、ブレーキを示す検出データと、アクセルを示す検出データと、ステアリング角度を示す検出データと、クラクションを示す検出データと、警告有無を示す検出データと、警告種別を示す検出データと、ナビ状態を示す検出データと、インパネ状態を示す検出データとを含む。
速度は、車両の速度である。
加速度は、車両の加速度である。
ブレーキは、運転者が車両のブレーキを操作している強度である。
アクセルは、運転者が車両のアクセルを操作している強度である。
ステアリング角度は、運転者が車両のステアリングを操作している角度である。
クラクションは、クラクションの有無である。
警告有無は、車両に警告があるか否かである。
警告種別は、車両に警告がある場合に、その警告の種別である。
ナビ状態は、車両に搭載されているナビゲーションで取得されている情報である。
インパネ状態は、車両のインパネに表示されている情報である。

図２（Ｃ）に示されているように、走行状態データは、天候を示す検出データと、物体を示す検出データとを含む。
天候は、車両の周囲の天候である。
物体ｉ（ｉは１以上の整数）は、車両の周囲で検出された物体ｉの種別、大きさ、出現時間、距離、方向及び相対速度により特定される。これらは、例えば、カメラ１３１からの画像、接近センサ１３２からの検出信号及びライダー１３３からの検出信号の少なくとも何れか一つから、公知の技術を用いて取得されるものとする。なお、物体ｉの検出データについては、車両の周囲で検出された数ｉだけ、走行状態データとして格納されるものとする。

搭乗者状態データ、車両状態データ及び走行状態データの各々に含まれている検出データは、不安の要因を示すことができるものとする。

図３は、実施の形態１における対策テーブルの一例を示す概略図である。
図３に示されている対策テーブル１６０は、要因列１６０ａと、対応処理列１６０ｂと、パラメータ列１６０ｃとを有する。
要因列１６０ａは、搭乗者が感じる不安の要因を示す。
対応処理列１６０ｂは、搭乗者が感じる不安に対する対応処理を示す。
パラメータ列１６０ｃは、搭乗者が感じる不安に対して対応する際に、車両の自動運転においてパラメータを調整する値を示す。パラメータ列１６０ｃに格納されている値は、車両が自動運転に対応している場合に使用される値である。
以上のように、本実施の形態では、対策として少なくとも対応処理があり、場合により対策にパラメータが含まれる。

図１に戻り、不安要因特定部１４５は、記憶部１４４に記憶されている感情認識データを参照することで、搭乗者が不安を感じた場合に、記憶部１４４に記憶されている搭乗者状態データ、車両状態データ及び走行状態データの少なくとも一つを用いて、予め定められた複数の要因から、搭乗者に不安を与えている一つの要因を特定する。
実施の形態１では、後述するように、搭乗者状態データ、車両状態データ及び走行状態データに含まれている複数の検出データの各々で示される要因が、搭乗者に不安を与えているか否かを判断する順番が予め定められており、その順番に従って、搭乗者の不安の要因が特定される。

対策決定部１４６は、記憶部１４４に記憶されている対策テーブルを参照することで、不安要因特定部１４５が特定した要因に対する対策を決定する。
対策実行部１４７は、対策決定部１４６が決定した対策を実行する。

図４は、不安要因特定装置１００のハードウェア構成例を示すブロック図である。
不安要因特定装置１００は、搭乗者センサ１７０と、車外センサ１７１と、車両制御機器１７２と、入力装置１７３と、表示装置１７４と、記憶装置１７５と、演算装置１７６とを備える。
また、不安要因特定装置１００は、図１を用いて説明したＣＡＮ１２１と、ナビシステム１２２と、マイク１２３と、カメラ１３１とを備える。
言い換えると、不安要因特定装置１００は、コンピュータにより実現することができる。

搭乗者センサ１７０は、運転者を含む搭乗者の状態を検出する。搭乗者は、車両に乗っている人である。なお、搭乗者センサ１７０は、ＤＭＳ１１１に含まれる。
車外センサ１７１は、車両の外部の状況を検出する。車外センサ１７１には、接近センサ１３２が含まれる。

車両制御機器１７２は、車両の制御を行う。車両制御機器１７２は、対策実行部１４７としての機能を実行する。
入力装置１７３は、車両のユーザからの入力を受け付ける。入力装置１７３は、不安要因特定装置１００の入力部である装置入力部としての機能を実行する。
表示装置１７４は、各種画面画像を表示する。表示装置１７４は、不安要因特定装置１００の表示部である装置表示部としての機能を実行する。

記憶装置１７５は、不安要因特定装置１００で必要とされるプログラム及びデータを記憶する。記憶装置１７５は、記憶部１４４としての機能を実行する。
演算装置１７６は、不安要因特定装置１００を制御する。演算装置１７６は、感情認識部１４０、搭乗者状態管理部１４１、車両状態管理部１４２、走行状態管理部１４３、不安要因特定部１４５及び対策決定部１４６としての機能を実行する。

図５は、実施の形態１における不安要因特定部１４５の動作を示すフローチャートである。
まず、不安要因特定部１４５は、搭乗者が覚醒状態であるか否かを判断する（Ｓ１０）。例えば、不安要因特定部１４５は、記憶部１４４に記憶されている搭乗者状態データの「覚醒度」が予め定められた閾値よりも高い場合に、搭乗者が覚醒状態であると判断する。そして、搭乗者が覚醒状態ではない場合（Ｓ１０でＮｏ）には、処理はステップＳ１１に進み、搭乗者が覚醒状態である場合（Ｓ１０でＹｅｓ）には、処理はステップＳ１２に進む。

搭乗者が覚醒状態ではない場合、例えば、寝ている場合等、意識がはっきりしていない場合には、感情を誤認識する可能性がある。そこで、ステップＳ１１では、感情認識部１４０で判断された不安に誤認識の可能性があるため、不安要因特定部１４５は、不安の要因がないと判断する。

ステップＳ１２では、不安要因特定部１４５は、異常音があるか否かを判断する。例えば、不安要因特定部１４５は、記憶部１４４に記憶されている車両状態データの「クラクション」がクラクションの鳴動を示す場合、又は、記憶部１４４に記憶されている「警告有無」が警告有りを示し、「警告種別」が警告音を発する警告の種別であることを示す場合には、異常音があると判断する。異常音がある場合（Ｓ１３でＹｅｓ）には、処理はステップＳ１３に進み、異常音がない場合（Ｓ１３でＮｏ）には、処理はステップＳ１４に進む。
ステップＳ１３では、不安要因特定部１４５は、異常音を不安の要因と特定する。

ステップＳ１４では、不安要因特定部１４５は、直前に急操作があったか否かを判断する。例えば、不安要因特定部１４５は、記憶部１４４に記憶されている車両状態データの「ステアリング角度」を監視することにより、現在までの予め定められた期間内に、予め定められた角度以上のステアリング操作がある場合に、直前に急操作があったと判断する。直前に急操作があった場合（ステップＳ１４でＹｅｓ）には、処理はステップＳ１５に進み、直前に急操作がなかった場合（ステップＳ１４でＮｏ）には、処理はステップＳ１６に進む。
ステップＳ１５では、不安要因特定部１４５は、急操作を不安の要因と特定する。

ステップＳ１６では、不安要因特定部１４５は、搭乗者の視線方向が車外であるか否かを判断する。例えば、不安要因特定部１４５は、記憶部１４４に記憶されている搭乗者状態データの「視線方向」を確認することで、搭乗者の視線方向が車外であるか否かを判断する。搭乗者の視線方向が車外である場合（ステップＳ１６でＹｅｓ）には、処理はステップＳ１７に進み、搭乗者の視線方向が車内である場合（ステップＳ１６でＮｏ）には、処理はステップＳ１８に進む。

ステップＳ１７では、不安要因特定部１４５は、車両の外部の状況を判定して、不安の要因を特定する車外状況判定処理を行う。この処理については、図６及び図７を用いて、詳細に説明する。

ステップＳ１８では、不安要因特定部１４５は、車両の内部の状況を判定して、不安の要因を特定する車内状況判定処理を行う。この処理については、図８及び図９を用いて、詳細に説明する。

図６及び図７は、実施の形態１における車外状況判定処理を示すフローチャートである。
まず、不安要因特定部１４５は、搭乗者の視線方向に、予め定められた物体である対象物体があるか否かを判断する（Ｓ２０）。例えば、不安要因特定部１４５は、記憶部１４４に記憶されている走行状態データの「物体ｉ」の中に、搭乗者の視線方向を含む予め定められた方向範囲内に、予め定められた物体がある場合に、搭乗者の視線方向に対象物体があると判断する。対象物体がある場合（ステップＳ２０でＹｅｓ）には、処理はステップＳ２１に進み、対象物体がない場合（ステップＳ２０でＮｏ）には、処理は図７のステップＳ２８に進む。

ステップＳ２１では、不安要因特定部１４５は、対象物体の相対速度Ｓ１が予め定められた速度Ｘ１よりも速いか否かを判断する。対象物体の相対速度Ｓ１は、記憶部１４４に記憶されている走行状態データにおいて、対象物体に対応する「物体ｉ」の「速度」である。対象物体の相対速度Ｓ１が予め定められた速度Ｘ１よりも速い場合（Ｓ２１でＹｅｓ）には、処理はステップＳ２２に進み、対象物体の相対速度Ｓ１が予め定められた速度Ｘ１以下である場合（Ｓ２１でＮｏ）には、処理はステップＳ２３に進む。
ステップＳ２２では、不安要因特定部１４５は、他車速度を不安の要因と特定する。

ステップＳ２３では、不安要因特定部１４５は、対象物体の出現時間Ｔが予め定められた時間Ｙよりも短いか否かを判断する。対象物体の出現時間Ｔは、記憶部１４４に記憶されている走行状態データにおいて、対象物体に対応する「物体ｉ」の「出現時間」である。対象物体の出現時間Ｔが予め定められた時間Ｙよりも短い場合（Ｓ２３でＹｅｓ）には、処理はステップＳ２４に進み、対象物体の出現時間Ｔが予め定められた時間Ｙ以上である場合（Ｓ２３でＮｏ）には、処理はステップＳ２５に進む。
ステップＳ２４では、不安要因特定部１４５は、飛び出しを不安の要因と特定する。

ステップＳ２５では、不安要因特定部１４５は、対象物体との距離Ｄが予め定められた距離Ｚよりも短いか否かを判断する。対象物体との距離Ｄは、記憶部１４４に記憶されている走行状態データにおいて、対象物体に対応する「物体ｉ」の「距離」である。対象物体との距離Ｄが予め定められた距離Ｚよりも短い場合（Ｓ２５でＹｅｓ）には、処理はステップＳ２６に進み、対象物体との距離Ｄが予め定められた距離Ｚ以上である場合（Ｓ２５でＮｏ）には、処理はステップＳ２７に進む。
ステップＳ２６では、不安要因特定部１４５は、車間距離を不安の要因と特定する。
一方、ステップＳ２７では、不安要因特定部１４５は、不安の要因が不明であるため、不安の要因がないと判断する。

また、ステップＳ２０において、対象物体がない場合（ステップＳ２０でＮｏ）には、処理は、図７のステップＳ２８に進む。
ステップＳ２８では、不安要因特定部１４５は、自車両の速度Ｓ２が予め定められた速度Ｘ２よりも速いか否かを判断する。自車両の速度Ｓ２は、記憶部１４４に記憶されている車両状態データの「速度」である。自車両の速度Ｓ２が予め定められた速度Ｘ２よりも速い場合（ステップＳ２８でＹｅｓ）には、処理はステップＳ２９に進み、自車両の速度Ｓ２が予め定められた速度Ｘ２以下である場合（ステップＳ２８でＮｏ）には、処理はステップＳ３０に進む。
ステップＳ２９では、不安要因特定部１４５は、自車速度を不安の要因と特定する。

ステップＳ３０では、不安要因特定部１４５は、悪天候であるか否かを判断する。不安要因特定部１４５は、例えば、記憶部１４４に記憶されている走行状態データの「天候」を参照することで、悪天候であるか否かを判断すればよい。悪天候である場合（ステップＳ２８でＹｅｓ）には、処理はステップＳ３１に進み、悪天候ではない場合（ステップＳ２８でＮｏ）には、処理はステップＳ３２に進む。

ステップＳ３１では、不安要因特定部１４５は、悪天候を不安の要因と特定する。
一方、ステップＳ３２では、不安要因特定部１４５は、不安の要因が不明であるため、不安の要因がないと判断する。

図８及び図９は、実施の形態１における車内状況判定処理を示すフローチャートである。
まず、不安要因特定部１４５は、搭乗者の視線方向にサイドミラー又はバックミラーがあるか否かを判断する（Ｓ４０）。例えば、不安要因特定部１４５は、記憶部１４４に記憶されている部品位置データを参照することで、搭乗者の視線方向を含む予め定められた方向範囲にサイドミラー又はバックミラーがある場合には、搭乗者の視線方向にサイドミラー又はバックミラーがあると判断する。搭乗者の視線方向にサイドミラー又はバックミラーがない場合（ステップＳ４０でＮｏ）には、処理はステップＳ４１に進み、搭乗者の視線方向にサイドミラー又はバックミラーがある場合（ステップＳ４０でＹｅｓ）には、処理は図９のステップＳ４５に進む。

ステップＳ４１では、不安要因特定部１４５は、搭乗者の視線方向に、ナビシステム１２２のディスプレイ又はインパネなどの車内表示機器があるか否かを判断する。例えば、不安要因特定部１４５は、記憶部１４４に記憶されている部品位置データを参照することで、搭乗者の視線方向を含む予め定められた方向範囲に車内表示機器がある場合には、搭乗者の視線方向に車内表示機器があると判断する。搭乗者の視線方向に車内表示機器がある場合（ステップＳ４１でＹｅｓ）には、処理はステップＳ４２に進み、搭乗者の視線方向に車内表示機器がない場合（ステップＳ４１でＮｏ）には、処理はステップＳ４４に進む。

ステップＳ４２では、不安要因特定部１４５は、車内表示機器において直前に表示された内容が特定の内容であるか否かを判断する。例えば、不安要因特定部１４５は、記憶部１４４に記憶されている車両状態データの「警告有無」、「警告種別」、「ナビ状態」及び「インパネ状態」を監視することにより、現在までの予め定められた期間内に、予め定められた内容の表示が行われた場合に、直前に表示された内容が特定の内容であると判断する。直前に表示された内容が特定の内容である場合（ステップＳ４２でＹｅｓ）には、処理はステップＳ４３に進み、直前に表示された内容が特定の内容ではない場合（ステップＳ４２でＮｏ）には、処理はステップＳ４４に進む。

ステップＳ４３では、不安要因特定部１４５は、直前に表示された特定の内容を不安の要因と特定する。
一方、ステップＳ４４では、不安要因特定部１４５は、不安の要因が不明であるため、不安の要因がないと判断する。

ステップＳ４０において、視線方向にサイドミラー又はバックミラーがある場合（ステップＳ４０でＹｅｓ）には、処理は図９のステップＳ４５に進む。
ステップＳ４５では、不安要因特定部１４５は、搭乗者の視線方向にあるサイドミラー又はバックミラーに、予め定められた物体である対象物体が写っているか否かを判断する。例えば、不安要因特定部１４５は、記憶部１４４に記憶されている走行状態データの「物体ｉ」の中に、搭乗者の視線方向にあるサイドミラー又はバックミラーからの予め定められた方向範囲内に、予め定められた物体がある場合に、搭乗者の視線方向にあるサイドミラー又はバックミラーに対象物体が写っていると判断する。搭乗者の視線方向にあるサイドミラー又はバックミラーに対象物体が写っている場合（ステップＳ４５でＹｅｓ）には、処理はステップＳ４６に進み、搭乗者の視線方向にあるサイドミラー又はバックミラーに対象物体がない場合（ステップＳ４５でＮｏ）には、処理はステップＳ５２に進む。

ステップＳ４６では、不安要因特定部１４５は、対象物体の相対速度Ｓ１が予め定められた速度Ｘ１よりも速いか否かを判断する。ここでの処理は、図６におけるステップＳ２１での処理と同様である。対象物体の相対速度Ｓ１が予め定められた速度Ｘ１よりも速い場合（Ｓ４６でＹｅｓ）には、処理はステップＳ４７に進み、対象物体の相対速度Ｓ１が予め定められた速度Ｘ１以下である場合（Ｓ４６でＮｏ）には、処理はステップＳ４８に進む。
ステップＳ４７では、不安要因特定部１４５は、他車速度を不安の要因と特定する。

ステップＳ４８では、不安要因特定部１４５は、対象物体の出現時間Ｔが予め定められた時間Ｙよりも短いか否かを判断する。ここでの処理は、図６におけるステップＳ２３での処理と同様である。対象物体の出現時間Ｔが予め定められた時間Ｙよりも短い場合（Ｓ４８でＹｅｓ）には、処理はステップＳ４９に進み、対象物体の出現時間Ｔが予め定められた時間Ｙ以上である場合（Ｓ４８でＮｏ）には、処理はステップＳ５０に進む。
ステップＳ４９では、不安要因特定部１４５は、飛び出しを不安の要因と特定する。

ステップＳ５０では、不安要因特定部１４５は、対象物体との距離Ｄが予め定められた距離Ｚよりも短いか否かを判断する。ここでの処理は、図６におけるステップＳ２５と同様である。対象物体との距離Ｄが予め定められた距離Ｚよりも短い場合（Ｓ５０でＹｅｓ）には、処理はステップＳ５１に進み、対象物体との距離Ｄが予め定められた距離Ｚ以上である場合（Ｓ５０でＮｏ）には、処理はステップＳ５２に進む。
ステップＳ５１では、不安要因特定部１４５は、車間距離を不安の要因と特定する。
一方、ステップＳ５２では、不安要因特定部１４５は、不安の要因が不明であるため、不安の要因がないと判断する。

以上のように、実施の形態１によれば、搭乗者が不安を感じた場合に、その不安の要因を特定し、その要因に対して対策を行うことができるようになる。

実施の形態２．
図１に示されているように、実施の形態２に係る不安要因特定装置２００は、搭乗者状態センシング部１１０と、車両状態センシング部１２０と、走行状態センシング部１３０と、感情認識部１４０と、搭乗者状態管理部１４１と、車両状態管理部１４２と、走行状態管理部１４３と、記憶部２４４と、不安要因特定部２４５と、対策決定部１４６と、対策実行部１４７とを備える。

実施の形態２に係る不安要因特定装置２００の搭乗者状態センシング部１１０、車両状態センシング部１２０、走行状態センシング部１３０、感情認識部１４０、搭乗者状態管理部１４１、車両状態管理部１４２、走行状態管理部１４３、対策決定部１４６及び対策実行部１４７は、実施の形態１に係る不安要因特定装置１００の搭乗者状態センシング部１１０、車両状態センシング部１２０、走行状態センシング部１３０、感情認識部１４０、搭乗者状態管理部１４１、車両状態管理部１４２、走行状態管理部１４３、対策決定部１４６及び対策実行部１４７と同様である。

記憶部２４４は、不安要因特定装置２００での処理に必要なデータを記憶する。
実施の形態２における記憶部２４４は、実施の形態１における記憶部１４４に記憶されているデータと同様のデータにおける履歴を記憶するほか、不安要因特定部２４５での機械学習による不安要因の特定に必要な学習結果データを記憶する。

不安要因特定部２４５は、記憶部２４４に記憶されている感情認識データを参照することで、搭乗者が不安を感じた場合に、記憶部２４４に記憶されている搭乗者状態データ、車両状態データ及び走行状態データの履歴、並びに、学習結果データを用いて、不安の要因を特定する。

不安要因特定部２４５は、例えば、ＲａｎｄｏｍＦｏｒｅｓｔ等の機械学習により、不安の要因を特定する。
具体的には、事前の学習段階において、搭乗者が不安を感じた時点で、その要因をインタビュー等により聴取することで、搭乗者状態データ、車両状態データ及び走行状態データの履歴から、どの検出データで示される値を時系列に並べた時系列データが不安の要因となっているかを示す学習データを生成しておく。図１０（Ａ）〜（Ｃ）では、実線で示されている時系列データが不安の要因となっているものとする。言い換えると、学習データでは、時系列データに要因がラベル付けされている。これらの学習データを用いて、予め機械学習により学習が行われる。

そして、不安要因特定部２４５は、運用段階において、感情認識部１４０が搭乗者の不安を認識した時点で、搭乗者状態データ、車両状態データ及び走行状態データの履歴が図１１（Ａ）であった場合に、学習した結果である学習結果データを用いることで、図１１（Ｂ）において実線で示されているように、不安の要因となっている時系列データを特定する。

不安要因特定部２４５は、以上のようにして特定された時系列データに対応付けられている要因を、搭乗者の不安の要因と特定する。
例えば、特定された時系列データが、左右の加速度の検出データである場合、不安要因特定部２４５は、前方の車両が近づいたために、搭乗者が急ハンドルを切ったと推定し、不安の要因を車間距離であると判断する。

以上のように、実施の形態２によれば、機械学習により、搭乗者の不安の要因を高精度に特定することができる。

実施の形態３．
図１に示されているように、実施の形態３に係る不安要因特定装置３００は、搭乗者状態センシング部１１０と、車両状態センシング部１２０と、走行状態センシング部１３０と、感情認識部１４０と、搭乗者状態管理部１４１と、車両状態管理部１４２と、走行状態管理部１４３と、記憶部３４４と、不安要因特定部３４５と、対策決定部３４６と、対策実行部１４７とを備える。

実施の形態３に係る不安要因特定装置３００の搭乗者状態センシング部１１０、車両状態センシング部１２０、走行状態センシング部１３０、感情認識部１４０、搭乗者状態管理部１４１、車両状態管理部１４２、走行状態管理部１４３及び対策実行部１４７は、実施の形態１に係る不安要因特定装置１００の搭乗者状態センシング部１１０、車両状態センシング部１２０、走行状態センシング部１３０、感情認識部１４０、搭乗者状態管理部１４１、車両状態管理部１４２、走行状態管理部１４３及び対策実行部１４７と同様である。

記憶部３４４は、不安要因特定装置３００での処理に必要なデータを記憶する。
例えば、記憶部３４４は、感情認識データ、搭乗者状態データ、車両状態データ、走行状態データ、対策テーブル及び部品位置データを記憶する。
実施の形態３における感情認識データ、搭乗者状態データ、車両状態データ、走行状態データ及び部品位置データは、実施の形態１における感情認識データ、搭乗者状態データ、車両状態データ、走行状態データ及び部品位置データと同様である。

図１２は、実施の形態３における対策テーブルの一例を示す概略図である。
図１２に示されている対策テーブル３６０は、要因列３６０ａと、主感情分類列３６０ｄと、対応処理列３６０ｂと、パラメータ列３６０ｃとを有する。
要因列３６０ａは、搭乗者が感じる不安の要因を示す。
主感情分類列３６０ｄは、搭乗者が感じた「驚き」及び「恐れ」の感情の度合い内、高い方の感情である主感情分類を示す。言い換えると、主感情分類は、搭乗者の感情の内、予め定められた方法で選択された感情である。
対応処理列３６０ｂは、搭乗者が感じる不安及び主感情分類に対する対応処理を示す。
パラメータ列３６０ｃは、搭乗者が感じる不安及び主感情分類に対して対応する際に、車両の自動運転においてパラメータを調整する値を示す。パラメータ列３６０ｃに格納されている値は、車両が自動運転に対応している場合に使用される値である。

図１に戻り、不安要因特定部３４５は、記憶部３４４に記憶されている感情認識データを参照することで、搭乗者が不安を感じた場合に、記憶部３４４に記憶されている搭乗者状態データ、車両状態データ及び走行状態データを用いて、不安の要因を特定する。
実施の形態３においては、不安要因特定部３４５は、搭乗者の感情の分類に従って、不安の要因を特定する順番を変える。

対策決定部３４６は、記憶部１４４に記憶されている対策テーブルを参照することで、不安要因特定部１４５が特定した要因と、搭乗者の主感情との組み合わせに対応する対策を決定する。

図１３は、実施の形態３における不安要因特定部３４５の動作を示すフローチャートである。
まず、不安要因特定部３４５は、搭乗者が覚醒状態であるか否かを判断する（Ｓ６０）。ここでの処理は、図５のステップＳ１０での処理と同様である。搭乗者が覚醒状態ではない場合（Ｓ６０でＮｏ）には、処理はステップＳ６１に進み、搭乗者が覚醒状態である場合（Ｓ６０でＹｅｓ）には、処理はステップＳ６２に進む。
ステップＳ６１では、不安要因特定部３４５は、不安の要因がないと判断する。

ステップＳ６２では、不安要因特定部３４５は、搭乗者の感情分類が驚きであるか否かを判断する。例えば、不安要因特定部３４５は、記憶部３４４に記憶されている運転状態データに含まれている「感情」である「ｎｅｕｔｒａｌ」、「怒り」、「恐れ」、「驚き」、「悲しみ」、「嫌悪」及び「幸せ（喜び）」の度合いの内、最も高い度合いとなっているものを搭乗者の感情分類として特定する。そして、搭乗者の感情分類が驚きである場合（ステップＳ６２でＹｅｓ）には、処理はステップＳ６３に進み、搭乗者の感情分類が驚きではない場合（ステップＳ６２でＮｏ）には、処理はステップＳ６４に進む。

ステップＳ６３では、不安要因特定部３４５は、驚きを含む不安要因の特定処理を実行する。ここでの処理については、図１４〜図１８を用いて説明する。

ステップＳ６４では、不安要因特定部３４５は、搭乗者の感情分類が恐れであるか否かを判断する。そして、搭乗者の感情分類が恐れである場合（ステップＳ６４でＹｅｓ）には、処理はステップＳ６５に進み、搭乗者の感情分類が恐れではない場合（ステップＳ６４でＮｏ）には、処理はステップＳ６６に進む。

ステップＳ６５では、不安要因特定部３４５は、恐れを含む不安要因の特定処理を実行する。ここでの処理については、図１９〜図２３を用いて説明する。
ステップＳ６６では、不安要因特定部３４５は、その他の不安要因の特定処理を実行する。ここでの処理については、図２４〜図２６を用いて説明する。

図１４〜図１８は、驚きを含む不安要因の特定処理を示すフローチャートである。
まず、図１４から説明を行う。
不安要因特定部３４５は、異常音があるか否かを判断する（Ｓ７０）。ここでの処理は、図５のステップＳ１０の処理と同様である。異常音がある場合（Ｓ７０でＹｅｓ）には、処理はステップＳ７１に進み、異常音がない場合（Ｓ７０でＮｏ）には、処理はステップＳ７２に進む。
ステップＳ７１では、不安要因特定部３４５は、異常音を不安の要因と特定する。

ステップＳ７２では、不安要因特定部３４５は、直前に急操作があったか否かを判断する。ここでの処理は、図５のステップＳ１４での処理と同様である。直前に急操作があった場合（ステップＳ７２でＹｅｓ）には、処理はステップＳ７３に進み、直前に急操作がなかった場合（ステップＳ７２でＮｏ）には、処理はステップＳ７４に進む。
ステップＳ７３では、不安要因特定部３４５は、急操作を不安の要因と特定する。

ステップＳ７４では、不安要因特定部３４５は、搭乗者の視線方向が車外であるか否かを判断する。ここでの処理は、図５のステップＳ１６での処理と同様である。搭乗者の視線方向が車外である場合（ステップＳ７４でＹｅｓ）には、処理はステップＳ７５に進み、搭乗者の視線方向が車内である場合（ステップＳ７４でＮｏ）には、処理はステップＳ７６に進む。

ステップＳ７５では、不安要因特定部３４５は、車両の外部の状況を判定して、驚きを含んでいる状態での不安の要因を特定する驚きを含む車外状況判定処理を行う。この処理については、図１５及び図１６を用いて、詳細に説明する。

ステップＳ７６では、不安要因特定部３４５は、車両の内部の状況を判定して、驚きを含んでいる状態での不安の要因を特定する驚きを含む車内状況判定処理を行う。この処理については、図１７及び図１８を用いて、詳細に説明する。

図１５及び図１６は、実施の形態３における驚きを含む車外状況判定処理を示すフローチャートである。
まず、不安要因特定部３４５は、搭乗者の視線方向に対象物体があるか否かを判断する（Ｓ８０）。ここでの処理は、図６のステップＳ２０での処理と同様である。対象物体がある場合（ステップＳ８０でＹｅｓ）には、処理はステップＳ８１に進み、対象物体がない場合（ステップＳ８０でＮｏ）には、処理は図１６のステップＳ８８に進む。

ステップＳ８１では、不安要因特定部３４５は、対象物体の出現時間Ｔが予め定められた時間Ｙよりも短いか否かを判断する。ここでの処理は、図６のステップＳ２３での処理と同様である。対象物体の出現時間Ｔが予め定められた時間Ｙよりも短い場合（Ｓ８１でＹｅｓ）には、処理はステップＳ８２に進み、対象物体の出現時間Ｔが予め定められた時間Ｙ以上である場合（Ｓ８１でＮｏ）には、処理はステップＳ８３に進む。
ステップＳ８２では、不安要因特定部３４５は、飛び出しを不安の要因と特定する。

ステップＳ８３では、不安要因特定部３４５は、対象物体の相対速度Ｓ１が予め定められた速度Ｘ１よりも速いか否かを判断する。ここでの処理は、図６のステップＳ２１での処理と同様である。対象物体の相対速度Ｓ１が予め定められた速度Ｘ１よりも速い場合（Ｓ８３でＹｅｓ）には、処理はステップＳ８４に進み、対象物体の相対速度Ｓ１が予め定められた速度Ｘ１以下である場合（Ｓ８３でＮｏ）には、処理はステップＳ８５に進む。
ステップＳ８４では、不安要因特定部３４５は、他車速度を不安の要因と特定する。

ステップＳ８５では、不安要因特定部３４５は、対象物体との距離Ｄが予め定められた距離Ｚよりも短いか否かを判断する。ここでの処理は、図６のステップＳ２５での処理と同様である。対象物体との距離Ｄが予め定められた距離Ｚよりも短い場合（Ｓ８５でＹｅｓ）には、処理はステップＳ８６に進み、対象物体との距離Ｄが予め定められた距離Ｚ以上である場合（Ｓ８５でＮｏ）には、処理はステップＳ８７に進む。
ステップＳ８６では、不安要因特定部３４５は、車間距離を不安の要因と特定する。
一方、ステップＳ８７では、不安要因特定部３４５は、不安の要因が不明であるため、不安の要因がないと判断する。

また、ステップＳ８０において、対象物体がない場合（ステップＳ８０でＮｏ）には、処理は、図１６のステップＳ８８に進む。
ステップＳ８８では、不安要因特定部３４５は、悪天候であるか否かを判断する。ここでの処理は、図７のステップＳ３０での処理と同様である。悪天候である場合（ステップＳ８８でＹｅｓ）には、処理はステップＳ８９に進み、悪天候ではない場合（ステップＳ８８でＮｏ）には、処理はステップＳ９０に進む。
ステップＳ８９では、不安要因特定部３４５は、悪天候を不安の要因と特定する。

ステップＳ９０では、不安要因特定部３４５は、自車両の速度Ｓ２が予め定められた速度Ｘ２よりも速いか否かを判断する。ここでの処理は、図７のステップＳ２８での処理と同様である。自車両の速度Ｓ２が予め定められた速度Ｘ２よりも速い場合（ステップＳ９０でＹｅｓ）には、処理はステップＳ９１に進み、自車両の速度Ｓ２が予め定められた速度Ｘ２以下である場合（ステップＳ９０でＮｏ）には、処理はステップＳ９２に進む。

ステップＳ９１では、不安要因特定部３４５は、自車速度を不安の要因と特定する。
一方、ステップＳ９２では、不安要因特定部３４５は、不安の要因が不明であるため、不安の要因がないと判断する。

図１７及び図１８は、実施の形態３における驚きを含む車内状況判定処理を示すフローチャートである。
まず、不安要因特定部３４５は、搭乗者の視線方向にサイドミラー又はバックミラーがあるか否かを判断する（Ｓ１００）。ここでの処理は、図８におけるステップＳ４０での処理と同様である。搭乗者の視線方向にサイドミラー又はバックミラーがない場合（ステップＳ１００でＮｏ）には、処理はステップＳ１０１に進み、搭乗者の視線方向にサイドミラー又はバックミラーがある場合（ステップＳ１００でＹｅｓ）には、処理は図１８のステップＳ１０５に進む。

ステップＳ１０１では、不安要因特定部３４５は、搭乗者の視線方向に車内表示機器があるか否かを判断する。ここでの処理は、図８におけるステップＳ４１での処理と同様である。搭乗者の視線方向に車内表示機器がある場合（ステップＳ１０１でＹｅｓ）には、処理はステップＳ１０２に進み、搭乗者の視線方向に車内表示機器がない場合（ステップＳ１０１でＮｏ）には、処理はステップＳ１０４に進む。

ステップＳ１０２では、不安要因特定部３４５は、車内表示機器において直前に表示された内容が特定の内容であるか否かを判断する。ここでの処理は、図８におけるステップＳ４２での処理と同様である。直前に表示された内容が特定の内容である場合（ステップＳ１０２でＹｅｓ）には、処理はステップＳ１０３に進み、直前に表示された内容が特定の内容ではない場合（ステップＳ１０２でＮｏ）には、処理はステップＳ１０４に進む。

ステップＳ１０３では、不安要因特定部３４５は、直前に表示された特定の内容を不安の要因と特定する。
一方、ステップＳ１０４では、不安要因特定部３４５は、不安の要因が不明であるため、不安の要因がないと判断する。

ステップＳ１００において、視線方向にサイドミラー又はバックミラーがある場合（ステップＳ１００でＹｅｓ）には、処理は図１８のステップＳ１０５に進む。
ステップＳ１０５では、不安要因特定部３４５は、搭乗者の視線方向にあるサイドミラー又はバックミラーに、予め定められた物体である対象物体が写っているか否かを判断する。ここでの処理は、図９におけるステップＳ４５での処理と同様である。搭乗者の視線方向にあるサイドミラー又はバックミラーに対象物体が写っている場合（ステップＳ１０５でＹｅｓ）には、処理はステップＳ１０６に進み、搭乗者の視線方向にあるサイドミラー又はバックミラーに対象物体がない場合（ステップＳ１０５でＮｏ）には、処理はステップＳ１１２に進む。

ステップＳ１０６では、不安要因特定部３４５は、対象物体の出現時間Ｔが予め定められた時間Ｙよりも短いか否かを判断する。ここでの処理は、図６におけるステップＳ２３での処理と同様である。対象物体の出現時間Ｔが予め定められた時間Ｙよりも短い場合（Ｓ１０６でＹｅｓ）には、処理はステップＳ１０７に進み、対象物体の出現時間Ｔが予め定められた時間Ｙ以上である場合（Ｓ１０６でＮｏ）には、処理はステップＳ１０８に進む。
ステップＳ１０７では、不安要因特定部３４５は、飛び出しを不安の要因と特定する。

ステップＳ１０８では、不安要因特定部３４５は、対象物体の相対速度Ｓ１が予め定められた速度Ｘ１よりも速いか否かを判断する。ここでの処理は、図６におけるステップＳ２１での処理と同様である。対象物体の相対速度Ｓ１が予め定められた速度Ｘ１よりも速い場合（Ｓ１０８でＹｅｓ）には、処理はステップＳ１０９に進み、対象物体の相対速度Ｓ１が予め定められた速度Ｘ１以下である場合（Ｓ１０８でＮｏ）には、処理はステップＳ１１０に進む。
ステップＳ１０９では、不安要因特定部３４５は、他車速度を不安の要因と特定する。

ステップＳ１１０では、不安要因特定部３４５は、対象物体との距離Ｄが予め定められた距離Ｚよりも短いか否かを判断する。ここでの処理は、図６におけるステップＳ２５と同様である。対象物体との距離Ｄが予め定められた距離Ｚよりも短い場合（Ｓ１１０でＹｅｓ）には、処理はステップＳ１１１に進み、対象物体との距離Ｄが予め定められた距離Ｚ以上である場合（Ｓ１１０でＮｏ）には、処理はステップＳ１１２に進む。
ステップＳ１１１では、不安要因特定部３４５は、車間距離を不安の要因と特定する。
一方、ステップＳ１１２では、不安要因特定部３４５は、不安の要因が不明であるため、不安の要因がないと判断する。

図１９〜図２３は、恐れを含む不安要因の特定処理を示すフローチャートである。
まず、図１９から説明を行う。
不安要因特定部３４５は、異常音があるか否かを判断する（Ｓ１２０）。ここでの処理は、図５のステップＳ１０の処理と同様である。異常音がある場合（Ｓ１２０でＹｅｓ）には、処理はステップＳ１２１に進み、異常音がない場合（Ｓ１２０でＮｏ）には、処理はステップＳ１２２に進む。
ステップＳ１２１では、不安要因特定部３４５は、異常音を不安の要因と特定する。

ステップＳ１２２では、不安要因特定部３４５は、搭乗者の視線方向が車外であるか否かを判断する。ここでの処理は、図５のステップＳ１６での処理と同様である。搭乗者の視線方向が車外である場合（ステップＳ１２２でＹｅｓ）には、処理はステップＳ１２３に進み、搭乗者の視線方向が車内である場合（ステップＳ１２２でＮｏ）には、処理はステップＳ１２４に進む。

ステップＳ１２３では、不安要因特定部３４５は、車両の外部の状況を判定して、恐れを含んでいる状態での不安の要因を特定する驚きを含む車外状況判定処理を行う。この処理については、図２０及び図２１を用いて、詳細に説明する。

ステップＳ１２４では、不安要因特定部３４５は、車両の内部の状況を判定して、恐れを含んでいる状態での不安の要因を特定する驚きを含む車内状況判定処理を行う。この処理については、図２２及び図２３を用いて、詳細に説明する。

図２０及び図２１は、実施の形態３における恐れを含む車外状況判定処理を示すフローチャートである。
まず、不安要因特定部３４５は、搭乗者の視線方向に対象物体があるか否かを判断する（Ｓ１３０）。ここでの処理は、図６のステップＳ２０での処理と同様である。対象物体がある場合（ステップＳ１３０でＹｅｓ）には、処理はステップＳ１３１に進み、対象物体がない場合（ステップＳ１３０でＮｏ）には、処理は図２１のステップＳ１３８に進む。

ステップＳ１３１では、不安要因特定部３４５は、対象物体の相対速度Ｓ１が予め定められた速度Ｘ１よりも速いか否かを判断する。ここでの処理は、図６のステップＳ２１での処理と同様である。対象物体の相対速度Ｓ１が予め定められた速度Ｘ１よりも速い場合（Ｓ１３１でＹｅｓ）には、処理はステップＳ１３２に進み、対象物体の相対速度Ｓ１が予め定められた速度Ｘ１以下である場合（Ｓ１３１でＮｏ）には、処理はステップＳ１３３に進む。
ステップＳ１３２では、不安要因特定部３４５は、他車速度を不安の要因と特定する。

ステップＳ１３３では、不安要因特定部３４５は、対象物体との距離Ｄが予め定められた距離Ｚよりも短いか否かを判断する。ここでの処理は、図６のステップＳ２５での処理と同様である。対象物体との距離Ｄが予め定められた距離Ｚよりも短い場合（Ｓ１３３でＹｅｓ）には、処理はステップＳ１３４に進み、対象物体との距離Ｄが予め定められた距離Ｚ以上である場合（Ｓ１３３でＮｏ）には、処理はステップＳ１３５に進む。
ステップＳ１３４では、不安要因特定部３４５は、車間距離を不安の要因と特定する。

ステップＳ１３５では、不安要因特定部３４５は、対象物体の出現時間Ｔが予め定められた時間Ｙよりも短いか否かを判断する。ここでの処理は、図６のステップＳ２３での処理と同様である。対象物体の出現時間Ｔが予め定められた時間Ｙよりも短い場合（Ｓ１３５でＹｅｓ）には、処理はステップＳ１３６に進み、対象物体の出現時間Ｔが予め定められた時間Ｙ以上である場合（Ｓ１３５でＮｏ）には、処理はステップＳ１３７に進む。
ステップＳ１３６では、不安要因特定部３４５は、飛び出しを不安の要因と特定する。
一方、ステップＳ１３７では、不安要因特定部３４５は、不安の要因が不明であるため、不安の要因がないと判断する。

また、ステップＳ１３０において、対象物体がない場合（ステップＳ１３０でＮｏ）には、処理は、図２１のステップＳ１３８に進む。
ステップＳ１３８では、不安要因特定部３４５は、自車両の速度Ｓ２が予め定められた速度Ｘ２よりも速いか否かを判断する。ここでの処理は、図７のステップＳ２８での処理と同様である。自車両の速度Ｓ２が予め定められた速度Ｘ２よりも速い場合（ステップＳ１３８でＹｅｓ）には、処理はステップＳ１３９に進み、自車両の速度Ｓ２が予め定められた速度Ｘ２以下である場合（ステップＳ１３８でＮｏ）には、処理はステップＳ１４０に進む。
ステップＳ１３９では、不安要因特定部３４５は、自車速度を不安の要因と特定する。

ステップＳ１４０では、不安要因特定部３４５は、悪天候であるか否かを判断する。ここでの処理は、図７のステップＳ３０での処理と同様である。悪天候である場合（ステップＳ１４０でＹｅｓ）には、処理はステップＳ１４１に進み、悪天候ではない場合（ステップＳ１４０でＮｏ）には、処理はステップＳ１４２に進む。
ステップＳ１４１では、不安要因特定部３４５は、悪天候を不安の要因と特定する。

ステップＳ１４２では、不安要因特定部３４５は、直前に急操作があったか否かを判断する。ここでの処理は、図５のステップＳ１４での処理と同様である。直前に急操作があった場合（ステップＳ１４２でＹｅｓ）には、処理はステップＳ１４３に進み、直前に急操作がなかった場合（ステップＳ１４２でＮｏ）には、処理はステップＳ１４４に進む。
ステップＳ１４３では、不安要因特定部３４５は、急操作を不安の要因と特定する。
一方、ステップＳ１４４では、不安要因特定部３４５は、不安の要因が不明であるため、不安の要因がないと判断する。

図２２及び図２３は、実施の形態３における恐れを含む車内状況判定処理を示すフローチャートである。
まず、不安要因特定部３４５は、搭乗者の視線方向にサイドミラー又はバックミラーがあるか否かを判断する（Ｓ１５０）。ここでの処理は、図８におけるステップＳ４０での処理と同様である。搭乗者の視線方向にサイドミラー又はバックミラーがない場合（ステップＳ１５０でＮｏ）には、処理はステップＳ１５１に進み、搭乗者の視線方向にサイドミラー又はバックミラーがある場合（ステップＳ１５０でＹｅｓ）には、処理は図２３のステップＳ１５５に進む。

ステップＳ１５１では、不安要因特定部３４５は、搭乗者の視線方向に車内表示機器があるか否かを判断する。ここでの処理は、図８におけるステップＳ４１での処理と同様である。搭乗者の視線方向に車内表示機器がある場合（ステップＳ１５１でＹｅｓ）には、処理はステップＳ１５２に進み、搭乗者の視線方向に車内表示機器がない場合（ステップＳ１５１でＮｏ）には、処理はステップＳ１５４に進む。

ステップＳ１５２では、不安要因特定部３４５は、車内表示機器において直前に表示された内容が特定の内容であるか否かを判断する。ここでの処理は、図８におけるステップＳ４２での処理と同様である。直前に表示された内容が特定の内容である場合（ステップＳ１５２でＹｅｓ）には、処理はステップＳ１５３に進み、直前に表示された内容が特定の内容ではない場合（ステップＳ１５２でＮｏ）には、処理はステップＳ１５４に進む。

ステップＳ１５３では、不安要因特定部３４５は、直前に表示された特定の内容を不安の要因と特定する。
一方、ステップＳ１５４では、不安要因特定部３４５は、不安の要因が不明であるため、不安の要因がないと判断する。

ステップＳ１５０において、視線方向にサイドミラー又はバックミラーがある場合（ステップＳ１５０でＹｅｓ）には、処理は図２３のステップＳ１５５に進む。
ステップＳ１５５では、不安要因特定部３４５は、搭乗者の視線方向にあるサイドミラー又はバックミラーに、予め定められた物体である対象物体が写っているか否かを判断する。ここでの処理は、図９におけるステップＳ４５での処理と同様である。搭乗者の視線方向にあるサイドミラー又はバックミラーに対象物体が写っている場合（ステップＳ１５５でＹｅｓ）には、処理はステップＳ１５６に進み、搭乗者の視線方向にあるサイドミラー又はバックミラーに対象物体がない場合（ステップＳ１５５でＮｏ）には、処理はステップＳ１６２に進む。

ステップＳ１５６では、不安要因特定部３４５は、対象物体の相対速度Ｓ１が予め定められた速度Ｘ１よりも速いか否かを判断する。ここでの処理は、図６におけるステップＳ２１での処理と同様である。対象物体の相対速度Ｓ１が予め定められた速度Ｘ１よりも速い場合（Ｓ１５６でＹｅｓ）には、処理はステップＳ１５７に進み、対象物体の相対速度Ｓ１が予め定められた速度Ｘ１以下である場合（Ｓ１５６でＮｏ）には、処理はステップＳ１５８に進む。
ステップＳ１５７では、不安要因特定部３４５は、他車速度を不安の要因と特定する。

ステップＳ１５８では、不安要因特定部３４５は、対象物体との距離Ｄが予め定められた距離Ｚよりも短いか否かを判断する。ここでの処理は、図６におけるステップＳ２５と同様である。対象物体との距離Ｄが予め定められた距離Ｚよりも短い場合（Ｓ１５８でＹｅｓ）には、処理はステップＳ１５９に進み、対象物体との距離Ｄが予め定められた距離Ｚ以上である場合（Ｓ１５８でＮｏ）には、処理はステップＳ１６０に進む。
ステップＳ１５９では、不安要因特定部３４５は、車間距離を不安の要因と特定する。

ステップＳ１６０では、不安要因特定部３４５は、対象物体の出現時間Ｔが予め定められた時間Ｙよりも短いか否かを判断する。ここでの処理は、図６におけるステップＳ２３での処理と同様である。対象物体の出現時間Ｔが予め定められた時間Ｙよりも短い場合（Ｓ１６０でＹｅｓ）には、処理はステップＳ１６１に進み、対象物体の出現時間Ｔが予め定められた時間Ｙ以上である場合（Ｓ１６０でＮｏ）には、処理はステップＳ１６２に進む。
ステップＳ１６１では、不安要因特定部３４５は、飛び出しを不安の要因と特定する。
一方、ステップＳ１６２では、不安要因特定部３４５は、不安の要因が不明であるため、不安の要因がないと判断する。

図２４〜図２６は、その他の不安要因の特定処理を示すフローチャートである。
まず、図２４から説明を行う。
不安要因特定部３４５は、異常音があるか否かを判断する（Ｓ１７０）。ここでの処理は、図５のステップＳ１０の処理と同様である。異常音がある場合（Ｓ１７０でＹｅｓ）には、処理はステップＳ１７１に進み、異常音がない場合（Ｓ１７０でＮｏ）には、処理はステップＳ１７２に進む。
ステップＳ１７１では、不安要因特定部３４５は、異常音を不安の要因と特定する。

ステップＳ１７２では、不安要因特定部３４５は、搭乗者の視線方向が車外であるか否かを判断する。ここでの処理は、図５のステップＳ１６での処理と同様である。搭乗者の視線方向が車外である場合（ステップＳ１７２でＹｅｓ）には、処理はステップＳ１７３に進み、搭乗者の視線方向が車内である場合（ステップＳ１７２でＮｏ）には、処理はステップＳ１７４に進む。

ステップＳ１７３では、不安要因特定部３４５は、車両の外部の状況を判定して、その他の状況における不安の要因を特定するその他車外状況判定処理を行う。この処理については、図２５及び図２６を用いて、詳細に説明する。

ステップＳ１７４では、不安要因特定部３４５は、車両の内部の状況を判定して、その他の状況における不安の要因を特定するその他車内状況判定処理を行う。この処理については、図２２及び図２３を用いて説明した恐れを含む車外状況判定処理と同様である。

図２５及び図２６は、実施の形態３におけるその他車外状況判定処理を示すフローチャートである。
まず、不安要因特定部３４５は、搭乗者の視線方向に対象物体があるか否かを判断する（Ｓ１８０）。ここでの処理は、図６のステップＳ２０での処理と同様である。対象物体がある場合（ステップＳ１８０でＹｅｓ）には、処理はステップＳ１８１に進み、対象物体がない場合（ステップＳ１８０でＮｏ）には、処理は図２６のステップＳ１８８に進む。

ステップＳ１８１では、不安要因特定部３４５は、対象物体の相対速度Ｓ１が予め定められた速度Ｘ１よりも速いか否かを判断する。ここでの処理は、図６のステップＳ２１での処理と同様である。対象物体の相対速度Ｓ１が予め定められた速度Ｘ１よりも速い場合（Ｓ１８１でＹｅｓ）には、処理はステップＳ１８２に進み、対象物体の相対速度Ｓ１が予め定められた速度Ｘ１以下である場合（Ｓ１８１でＮｏ）には、処理はステップＳ１８３に進む。
ステップＳ１８２では、不安要因特定部３４５は、他車速度を不安の要因と特定する。

ステップＳ１８３では、不安要因特定部３４５は、対象物体の出現時間Ｔが予め定められた時間Ｙよりも短いか否かを判断する。ここでの処理は、図６のステップＳ２３での処理と同様である。対象物体の出現時間Ｔが予め定められた時間Ｙよりも短い場合（Ｓ１８３でＹｅｓ）には、処理はステップＳ１８４に進み、対象物体の出現時間Ｔが予め定められた時間Ｙ以上である場合（Ｓ１８３でＮｏ）には、処理はステップＳ１８５に進む。
ステップＳ１８４では、不安要因特定部３４５は、飛び出しを不安の要因と特定する。

ステップＳ１８５では、不安要因特定部３４５は、対象物体との距離Ｄが予め定められた距離Ｚよりも短いか否かを判断する。ここでの処理は、図６のステップＳ２５での処理と同様である。対象物体との距離Ｄが予め定められた距離Ｚよりも短い場合（Ｓ１８５でＹｅｓ）には、処理はステップＳ１８６に進み、対象物体との距離Ｄが予め定められた距離Ｚ以上である場合（Ｓ１８５でＮｏ）には、処理はステップＳ１８７に進む。
ステップＳ１８６では、不安要因特定部３４５は、車間距離を不安の要因と特定する。
一方、ステップＳ１８７では、不安要因特定部３４５は、不安の要因が不明であるため、不安の要因がないと判断する。

また、ステップＳ１８０において、対象物体がない場合（ステップＳ１８０でＮｏ）には、処理は、図２６のステップＳ１８８に進む。
ステップＳ１８８では、不安要因特定部３４５は、悪天候であるか否かを判断する。ここでの処理は、図７のステップＳ３０での処理と同様である。悪天候である場合（ステップＳ１８８でＹｅｓ）には、処理はステップＳ１８９に進み、悪天候ではない場合（ステップＳ１８８でＮｏ）には、処理はステップＳ１９０に進む。
ステップＳ１８９では、不安要因特定部３４５は、悪天候を不安の要因と特定する。

ステップＳ１９０では、不安要因特定部３４５は、自車両の速度Ｓ２が予め定められた速度Ｘ２よりも速いか否かを判断する。ここでの処理は、図７のステップＳ２８での処理と同様である。自車両の速度Ｓ２が予め定められた速度Ｘ２よりも速い場合（ステップＳ１９０でＹｅｓ）には、処理はステップＳ１９１に進み、自車両の速度Ｓ２が予め定められた速度Ｘ２以下である場合（ステップＳ１９０でＮｏ）には、処理はステップＳ１９２に進む。
ステップＳ１９１では、不安要因特定部３４５は、自車速度を不安の要因と特定する。

ステップＳ１９２では、不安要因特定部３４５は、直前に急操作があったか否かを判断する。ここでの処理は、図５のステップＳ１４での処理と同様である。直前に急操作があった場合（ステップＳ１９２でＹｅｓ）には、処理はステップＳ１９３に進み、直前に急操作がなかった場合（ステップＳ１９２でＮｏ）には、処理はステップＳ１９４に進む。
ステップＳ１９３では、不安要因特定部３４５は、急操作を不安の要因と特定する。
一方、ステップＳ１９４では、不安要因特定部３４５は、不安の要因が不明であるため、不安の要因がないと判断する。

以上のように、実施の形態３によれば、搭乗者の感情に応じて、不安の要因を高精度に特定することができる。

実施の形態４．
図２７は、実施の形態４に係る不安要因特定装置４００の構成を概略的に示すブロック図である。
不安要因特定装置４００は、搭乗者状態センシング部１１０と、車両状態センシング部１２０と、走行状態センシング部１３０と、感情認識部１４０と、搭乗者状態管理部１４１と、車両状態管理部１４２と、走行状態管理部１４３と、記憶部１４４と、不安要因特定部１４５と、対策決定部４４６と、対策実行部１４７と、確認部４４８とを備える。

実施の形態４に係る不安要因特定装置４００の搭乗者状態センシング部１１０、車両状態センシング部１２０、走行状態センシング部１３０、感情認識部１４０、搭乗者状態管理部１４１、車両状態管理部１４２、走行状態管理部１４３、記憶部１４４、不安要因特定部１４５及び対策実行部１４７は、実施の形態１に係る不安要因特定装置１００の搭乗者状態センシング部１１０、車両状態センシング部１２０、走行状態センシング部１３０、感情認識部１４０、搭乗者状態管理部１４１、車両状態管理部１４２、走行状態管理部１４３、記憶部１４４、不安要因特定部１４５及び対策実行部１４７と同様である。
但し、不安要因特定部１４５は、特定された要因を確認部４４８に通知する。

確認部４４８は、不安要因特定部１４５から受け取った要因が正しいか否か、搭乗者に確認する。例えば、確認部４４８は、表示部として機能する表示装置１７４にその要因を表示させて、入力部として機能する入力装置１７３を介して、搭乗者からその要因が正しいか否かの回答を得る。

そして、確認部４４８は、搭乗者からその要因が正しいとの回答が得られた場合に、その要因を対策決定部４４６に通知する。
一方、確認部４４８は、搭乗者からその要因が正しくないとの回答が得られた場合には、その要因を対策決定部４４６に通知することなく、削除する。

対策決定部４４６は、確認部４４８から要因を通知された場合に、記憶部１４４に記憶されている対策テーブルを参照することで、確認部４４８において確認された要因に対応する対策を決定する。

以上のように、実施の形態４によれば、搭乗者に不安の要因を直接確認することができるため、不安の要因を確定することができ、その要因に対して、対策を実行することができる。

なお、以上に記載された実施の形態４では、実施の形態１に確認部４４８を追加しているが、実施の形態４は、このような例に限定されない。例えば、実施の形態２又は３に確認部４４８が追加されてもよい。

実施の形態５．
図２８は、実施の形態５に係る不安要因特定システム５０１の構成を概略的に示すブロック図である。
不安要因特定システム５０１は、不安要因特定装置５００と、クラウドサーバ５８０とを備える。不安要因特定装置５００と、クラウドサーバ５８０とは、インターネット等のネットワーク５０２に接続されている。

図２９は、実施の形態５に係る不安要因特定装置５００の構成を概略的に示すブロック図である。
不安要因特定装置５００は、搭乗者状態センシング部１１０と、車両状態センシング部１２０と、走行状態センシング部１３０と、感情認識部１４０と、搭乗者状態管理部１４１と、車両状態管理部１４２と、走行状態管理部１４３と、記憶部１４４と、不安要因特定部１４５と、対策決定部１４６と、対策実行部１４７と、ログデータ記憶部５４９と、アップロード部５５０と、更新部５５１とを備える。

実施の形態５に係る不安要因特定装置５００の搭乗者状態センシング部１１０、車両状態センシング部１２０、走行状態センシング部１３０、感情認識部１４０、搭乗者状態管理部１４１、車両状態管理部１４２、走行状態管理部１４３、記憶部１４４、不安要因特定部１４５、対策決定部１４６及び対策実行部１４７は、実施の形態１に係る不安要因特定装置１００の搭乗者状態センシング部１１０、車両状態センシング部１２０、走行状態センシング部１３０、感情認識部１４０、搭乗者状態管理部１４１、車両状態管理部１４２、走行状態管理部１４３、記憶部１４４、不安要因特定部１４５、対策決定部１４６及び対策実行部１４７と同様である。
但し、対策決定部１４６は、特定された要因と、その要因に対応する対策とを示す対策データをログデータ記憶部５４９に記憶させる。

ログデータ記憶部５４９は、対策決定部１４６から与えられる対策データを、その対策データが取得された時間を示す時間情報とともにログデータとして記憶する。
アップロード部５５０は、定期的に、ログデータ記憶部５４９に記憶されているログデータを、後述する装置通信部を介して、クラウドサーバ５８０にアップロードする。ここでは、通信量を減らすため、アップロード部５５０は、前回アップロードしたログデータとの差分である差分データを、アップロードすればよい。

更新部５５１は、後述する装置通信部を介して、クラウドサーバ５８０から、対策テーブルを更新するための更新データを取得する。
そして、更新部５５１は、更新データに従って、記憶部１４４に記憶されている対策テーブルを更新する。

図３０は、実施の形態５におけるクラウドサーバ５８０の構成を概略的に示すブロック図である。
クラウドサーバ５８０は、データ取得部５８１と、記憶部５８２と、更新処理部５８３とを備える。

データ取得部５８１は、後述するサーバ通信部を介して、不安要因特定装置５００からログデータを取得する。ここでは、ログデータの差分である差分データが取得される。そして、データ取得部５８１は、取得されたデータを記憶部５８２に記憶させる。

記憶部５８２は、クラウドサーバ５８０での処理に必要なデータを記憶する。
例えば、記憶部５８２は、データ取得部５８１で取得されたログデータを記憶する。

更新処理部５８３は、記憶部５８２に記憶されているログデータを解析し、不安要因特定装置５００の対策テーブルを更新する必要があると判断した場合に、その対策テーブルを更新するための更新データを生成する。

例えば、更新処理部５８３は、ログデータにおいて、ある要因が、予め定められた期間に、予め定められた数含まれている場合には、対策テーブルを更新する必要があると判断する。この場合、更新処理部５８３は、その要因を更新対象として特定する。言い換えると、予め定められた期間に、予め定められた回数、同じ要因により搭乗者が不安を感じている場合に、その要因に対応する対策を更新する必要があると判断される。
そして、更新処理部５８３は、搭乗者が不安を感じる頻度を減らすように、更新対象として特定された要因の対策を更新するための更新データを生成する。

具体的には、更新処理部５８３には、要因毎に、その対策を更新する方法が予め定められており、その方法に従って、更新処理部５８３は、更新データを生成すればよい。例えば、更新対象となった要因が「車間距離」である場合、更新処理部５８３は、車間距離を空けるためのパラメータの値を増加させればよい。

なお、更新処理部５８３は、例えば、更新対象となった要因を、後述する表示部であるサーバ表示部に表示させ、後述する入力部であるサーバ入力部を介して、オペレータから、変更する対策の入力を受け付けてもよい。

そして、更新処理部５８３は、生成された更新データを後述するサーバ通信部を介して、不安要因特定装置５００に送る。

図３１は、実施の形態５における不安要因特定装置５００及びクラウドサーバ５８０のハードウェア構成例を示すブロック図である。
不安要因特定装置５００は、搭乗者センサ１７０と、車外センサ１７１と、車両制御機器１７２と、入力装置１７３と、表示装置１７４と、記憶装置１７５と、演算装置１７６と、通信装置５７７とを備える。

実施の形態５における不安要因特定装置５００の搭乗者センサ１７０、車外センサ１７１、車両制御機器１７２、入力装置１７３、表示装置１７４、記憶装置１７５及び演算装置１７６は、実施の形態１における不安要因特定装置５００の搭乗者センサ１７０、車外センサ１７１、車両制御機器１７２、入力装置１７３、表示装置１７４、記憶装置１７５及び演算装置１７６と同様である。

なお、実施の形態５では、記憶装置１７５は、ログデータ記憶部５４９としての機能も実行する。
また、実施の形態５では、演算装置１７６は、アップロード部５５０及び更新部５５１としての機能も実行する。

通信装置５７７は、ネットワーク５０２との通信を行う通信インターフェースである。通信装置５７７は、装置通信部としての機能を実行する。

クラウドサーバ５８０は、通信装置５９０と、入力装置５９１と、表示装置５９２と、記憶装置５９３と、演算装置５９４とを備える。
言い換えると、クラウドサーバ５８０は、コンピュータにより実現することができる。

通信装置５９０は、ネットワーク５０２との通信を行う通信インターフェースである。通信装置５９０は、サーバ通信部としての機能を実行する。
入力装置５９１は、オペレータからの入力を受け付ける。入力装置５９１は、サーバ入力部としての機能を実行する。
表示装置５９２は、各種画面画像を表示する。表示装置５９２は、サーバ表示部としての機能を実行する。
記憶装置５９３は、クラウドサーバ５８０で必要とされるプログラム及びデータを記憶する。記憶装置５９３は、記憶部５８２としての機能を実行する。
演算装置５９４は、クラウドサーバ５８０を制御する。演算装置５９４は、更新処理部５８３としての機能を実行する。

以上のように、実施の形態５によれば、運転車が不安を感じている頻度に応じて、その対策を更新し、その不安が生ずる回数を減らすことができる。

なお、以上に記載された実施の形態５では、実施の形態１の不安要因特定装置１００にログデータ記憶部５４９、アップロード部５５０及び更新部５５１を追加しているが、実施の形態５は、このような例に限定されない。例えば、実施の形態２又は３に係る不安要因特定装置２００、３００に、ログデータ記憶部５４９、アップロード部５５０及び更新部５５１が追加されてもよい。

実施の形態３に係る不安要因特定装置３００に、ログデータ記憶部５４９、アップロード部５５０及び更新部５５１が追加された場合、搭乗者が感じる不安の要因及び搭乗者が感じる主感情分類に対する対策を示す対策データをログデータ記憶部５４９に記憶させればよい。クラウドサーバ５８０は、搭乗者が感じる不安の要因及び搭乗者が感じる主感情分類の組み合わせに対する対策を更新する更新データを生成すればよい。

実施の形態６．
図２８に示されているように、実施の形態６に係る不安要因特定システム６０１は、不安要因特定装置６００と、クラウドサーバ６８０とを備える。

図３２は、実施の形態６に係る不安要因特定装置６００の構成を概略的に示すブロック図である。
不安要因特定装置６００は、搭乗者状態センシング部１１０と、車両状態センシング部１２０と、走行状態センシング部１３０と、感情認識部１４０と、搭乗者状態管理部１４１と、車両状態管理部１４２と、走行状態管理部１４３と、記憶部２４４と、不安要因特定部２４５と、対策決定部６４６と、対策実行部１４７と、確認部６４８と、ログデータ記憶部６４９と、アップロード部６５０と、更新部６５１とを備える。

実施の形態６に係る不安要因特定装置６００の搭乗者状態センシング部１１０、車両状態センシング部１２０、走行状態センシング部１３０、感情認識部１４０、搭乗者状態管理部１４１、車両状態管理部１４２、走行状態管理部１４３及び対策実行部１４７は、実施の形態１に係る不安要因特定装置１００の搭乗者状態センシング部１１０、車両状態センシング部１２０、走行状態センシング部１３０、感情認識部１４０、搭乗者状態管理部１４１、車両状態管理部１４２、走行状態管理部１４３及び対策実行部１４７と同様である。

実施の形態６に係る不安要因特定装置６００の記憶部２４４及び不安要因特定部２４５は、実施の形態２に係る不安要因特定装置２００の記憶部２４４及び不安要因特定部２４５と同様である。

確認部６４８は、不安の要因を搭乗者に確認する。例えば、確認部６４８は、表示部として機能する表示装置１７４に不安の要因のリストを表示させて、入力部として機能する入力装置１７３を介して、そのリストから不安の要因の選択を受ける。
そして、確認部６４８は、搭乗者からの回答と、不安要因特定部２４５で特定された要因とを対策決定部６４６に通知する。

対策決定部６４６は、搭乗者からの回答と、不安要因特定部２４５で特定された要因とが一致する場合に、記憶部２４４に記憶されている対策テーブルを参照することで、確認部６４８において確認された要因に対応する対策を決定する。

そして、対策決定部６４６は、搭乗者からの回答と、不安要因特定部２４５で特定された要因とが一致する場合には、その要因と、対策とを示す対策データをログデータ記憶部６４９に記憶させる。
また、対策決定部６４６は、搭乗者からの回答と、記憶部２４４に記憶されている搭乗者状態データ、車両状態データ及び走行状態データの履歴の内、不安要因特定部２４５での特定で使用された期間のデータとを、学習用データとして、ログデータ記憶部６４９に記憶させる。

ログデータ記憶部６４９は、対策決定部６４６から与えられる対策データを、その対策データが取得された時間を示す時間情報とともにログデータとして記憶する。
また、ログデータ記憶部６４９は、対策決定部６４６から与えられる学習用データを記憶する。

アップロード部６５０は、定期的に、ログデータ記憶部５４９に記憶されているログデータ及び学習用データを、後述する装置通信部を介して、クラウドサーバ５８０にアップロードする。ここでは、通信量を減らすため、アップロード部６５０は、前回アップロードしたログデータとの差分である差分データを、アップロードすればよい。

更新部６５１は、後述する装置通信部を介して、クラウドサーバ６８０から、対策テーブルを更新するための更新データ、及び、機械学習処理を更新するための更新学習結果データを取得する。
そして、更新部６５１は、更新データに従って、記憶部１４４に記憶されている対策テーブルを更新し、更新学習結果データを用いて、記憶部１４４に記憶されている学習結果データを更新する。

図３０に示されているように、実施の形態６におけるクラウドサーバ６８０は、データ取得部６８１と、記憶部６８２と、更新処理部６８３とを備える。

データ取得部６８１は、サーバ通信部を介して、不安要因特定装置６００からログデータ及び学習用データを取得する。ここでは、ログデータの差分である差分データが取得される。そして、データ取得部６８１は、取得されたデータを記憶部６８２に記憶させる。

記憶部６８２は、クラウドサーバ６８０での処理に必要なデータを記憶する。
例えば、記憶部６８２は、データ取得部６８１で取得されたログデータ及び学習用データを記憶する。

更新処理部６８３は、記憶部６８２に記憶されているログデータを解析し、不安要因特定装置６００の対策テーブルを更新する必要があると判断した場合に、その対策テーブルを更新するための更新データを生成する。ここでの処理は、実施の形態５における更新処理部５８３と同様である。

また、更新処理部６８３は、記憶部６８２に記憶されている学習用データを解析し、搭乗者から回答された不安の要因に対応する時系列データを生成し、その時系列データに回答された要因をラベル付けすることで、学習データを生成する。そして、更新処理部６８３は、生成された学習データを利用して機械学習を行う。学習の結果、更新学習結果データが生成される。

そして、更新処理部６８３は、生成された更新データ及び更新学習結果データをサーバ通信部を介して、不安要因特定装置６００に送る。

以上のように、実施の形態６によれば、運転車が不安を感じている頻度に応じて、対応処理及びパラメータの少なくとも何れか一方を更新し、その不安が生ずる回数を減らすことができるとともに、機械学習の運用フェーズにおいても学習結果データを更新することができるため、不安の要因の特定精度を高めることができる。

以上に記載された実施の形態では、走行状態データに天候が含まれているが、実施の形態は、このような例に限定されない。例えば、ナビシステム１２２が、インターネット通信等により、エリア毎の天気予報を取得することができる。このため、車両状態管理部１４２が、ナビシステム１２２が取得した天気予報により、悪天候を判断し、その判断結果を車両状態データに含めてもよい。

また、車両のワイパーの速度からも、悪天候か否かを判断することができる。このため、車両状態管理部１４２は、ＣＡＮ１２１を介して、ワイパーの速度を取得することで、悪天候を判断し、その判断結果を車両状態データに含めてもよい。

なお、以上に記載した実施の形態１〜６では、例えば、運転者のように１人の搭乗者について、その不安の要因を特定しているが、実施の形態１〜６は、このような例に限定されない。車両に複数の人が東上している場合には、その複数の人の各々について、実施の形態１〜６に記載されている処理を実行することで、その複数の人の各々の不安を特定することができる。

１００，２００，３００，４００，５００，６００ 不安要因特定装置、 ５０１，６０１ 不安要因特定システム、 １１０ 搭乗者状態センシング部、 １１１ ＤＭＳ、 １２０ 車両状態センシング部、 １２１ ＣＡＮ、 １２２ ナビシステム、 １２３ マイク、 １３０ 走行状態センシング部、 １３１ カメラ、 １３２ 接近センサ、 １３３ ライダー、 １４０ 感情認識部、 １４１ 搭乗者状態管理部、 １４２ 車両状態管理部、 １４３ 走行状態管理部、 １４４，２４４，３４４ 記憶部、 １４５，２４５，３４５ 不安要因特定部、 １４６，３４６，４４６，６４６ 対策決定部、 １４７ 対策実行部、 ４４８，６４８ 確認部、 ５４９，６４９ ログデータ記憶部、 ５５０，６５０ アップロード部、 ５５１，６５１ 更新部、 ５８０，６８０ クラウドサーバ、 ５８１，６８１ データ取得部、 ５８２，６８２ 記憶部、 ５８３，６８３ 更新処理部。

Claims (11)

1. 車両の搭乗者が不安を感じたことを検出する不安検出部と、
   前記不安が検出された際に、前記搭乗者の状態を検出することにより得られた搭乗者状態データ、前記車両の状態を検出することにより得られた車両状態データ及び前記車両が走行する状態を検出することで得られた走行状態データの少なくとも一つを用いて、予め定められた複数の要因から、前記搭乗者に前記不安を与えている一つの要因を特定する不安要因特定部と、
   前記一つの要因が正しいか否かを前記搭乗者に確認する確認部と、
   前記搭乗者が前記一つの要因が正しいと確認した場合に、前記一つの要因に対する対策を決定する対策決定部と、
   前記対策を実行する対策実行部と、を備えること
   を特徴とする不安要因特定装置。
2. 前記対策決定部は、前記搭乗者の感情と、前記特定された一つの要因との組み合わせにより、前記対策を決定すること
   を特徴とする請求項１に記載の不安要因特定装置。
3. 前記搭乗者状態データ、前記車両状態データ及び前記走行状態データの各々は、各々が前記複数の要因の何れかを示すことのできる複数の検出データを含んでおり、
   前記複数の検出データの各々で示される要因が、前記搭乗者に前記不安を与えているか否かを判断する順番が予め定められており、
   前記不安要因特定部は、前記順番に従って、前記複数の検出データの何れかから前記一つの要因を特定すること
   を特徴とする請求項１又は２に記載の不安要因特定装置。
4. 前記搭乗者の感情を分類した感情分類に応じて、前記順番が異なること
   を特徴とする請求項３に記載の不安要因特定装置。
5. 前記搭乗者状態データ、前記車両状態データ及び前記走行状態データの各々は、複数の検出データを含んでおり、
   前記不安要因特定部は、前記複数の検出データの各々で示される値を時系列に並べた時系列データに、前記複数の要因の何れかをラベル付けした学習データを用いて学習された学習結果データを用いて、前記一つの要因を特定すること
   を特徴とする請求項１又は２に記載の不安要因特定装置。
6. 前記不安が検出された際に、前記搭乗者に前記不安の要因を確認する確認部と、
   前記複数の検出データの何れかで示される値を時系列に並べた時系列データに、前記確認された要因をラベル付けしたデータを、前記学習データに追加して学習を行うことで、前記学習結果データを更新する更新部と、をさらに備えること
   を特徴とする請求項５に記載の不安要因特定装置。
7. ネットワークに接続されたサーバと通信を行う通信部と、
   前記複数の検出データと、前記確認された要因とを、前記通信部を介して、前記サーバにアップロードするアップロード部と、をさらに備え、
   前記更新部は、前記サーバにおいて生成された、前記複数の時系列データから選択された一つの時系列データに前記確認された要因をラベル付けした学習データを用いて学習された更新学習結果データを、前記通信部を介して、前記サーバから受け取り、前記更新学習結果データを用いて、前記学習結果データを更新すること
   を特徴とする請求項６に記載の不安要因特定装置。
8. 予め定められた期間に、予め定められた回数、同じ要因が前記一つの要因として特定された場合に、前記一つの要因に対する前記対策を更新する更新部をさらに備えること
   を特徴とする請求項１又は２に記載の不安要因特定装置。
9. 前記一つの要因と、前記一つの要因に対応する前記対策と、時間を示す時間情報とを対応付けたログデータを記憶するログデータ記憶部と、
   ネットワークに接続されたサーバと通信を行う通信部と、
   前記ログデータを、前記通信部を介して、前記サーバにアップロードするアップロード部と、をさらに備え、
   前記更新部は、前記サーバで生成された、前記対策を更新するための更新データを、前記通信部を介して、前記サーバから受け取ることで、前記対策を更新すること
   を特徴とする請求項８に記載の不安要因特定装置。
10. コンピュータを、
    車両の搭乗者が不安を感じたことを検出する不安検出部、
    前記不安が検出された際に、前記搭乗者の状態を検出することにより得られた搭乗者状態データ、前記車両の状態を検出することにより得られた車両状態データ及び前記車両が走行する状態を検出することで得られた走行状態データの少なくとも一つを用いて、予め定められた複数の要因から、前記搭乗者に前記不安を与えている一つの要因を特定する不安要因特定部、
    前記一つの要因が正しいか否かを前記搭乗者に確認する確認部、
    前記搭乗者が前記一つの要因が正しいと確認した場合に、前記一つの要因に対する対策を決定する対策決定部、及び
    前記対策を実行する対策実行部、として機能させること
    を特徴とするプログラム。
11. 車両の搭乗者が不安を感じたことを検出し、
    前記不安が検出された際に、前記搭乗者の状態を検出することにより得られた搭乗者状態データ、前記車両の状態を検出することにより得られた車両状態データ及び前記車両が走行する状態を検出することで得られた走行状態データの少なくとも一つを用いて、予め定められた複数の要因から、前記搭乗者に前記不安を与えている一つの要因を特定し、
    前記一つの要因が正しいか否かを前記搭乗者に確認し、
    前記搭乗者が前記一つの要因が正しいと確認した場合に、前記一つの要因に対する対策を決定し、
    前記対策を実行すること
    を特徴とする不安要因特定方法。

Images