JP7280945B2 - パーソナリティ分析方法、パーソナリティ分析装置、パーソナリティデータを用いる情報処理方法及びパーソナリティデータを用いる情報処理装置 - Google Patents

パーソナリティ分析方法、パーソナリティ分析装置、パーソナリティデータを用いる情報処理方法及びパーソナリティデータを用いる情報処理装置 Download PDF

Info

Publication number
JP7280945B2
JP7280945B2 JP2021512191A JP2021512191A JP7280945B2 JP 7280945 B2 JP7280945 B2 JP 7280945B2 JP 2021512191 A JP2021512191 A JP 2021512191A JP 2021512191 A JP2021512191 A JP 2021512191A JP 7280945 B2 JP7280945 B2 JP 7280945B2
Authority
JP
Japan
Prior art keywords
data
personality
lean vehicle
analysis
conversion
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2021512191A
Other languages
English (en)
Other versions
JPWO2020204104A1 (ja
Inventor
圭祐 森島
謙作 磯部
浩 中尾
佑輔 梅澤
裕章 木邨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yamaha Motor Co Ltd
Original Assignee
Yamaha Motor Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yamaha Motor Co Ltd filed Critical Yamaha Motor Co Ltd
Publication of JPWO2020204104A1 publication Critical patent/JPWO2020204104A1/ja
Application granted granted Critical
Publication of JP7280945B2 publication Critical patent/JP7280945B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Traffic Control Systems (AREA)

Description

本発明は、分析対象者のパーソナリティを分析するパーソナリティ分析方法、パーソナリティ分析装置、パーソナリティデータを用いる情報処理方法及びパーソナリティデータを用いる情報処理装置に関する。
顧客のパーソナリティを用いて情報処理（ｄａｔａ ｐｒｏｃｅｓｓｉｎｇ）を行う情報処理装置が知られている。顧客のパーソナリティを用いて情報処理を行う構成として、例えば、特許文献１～４に開示されている構成が知られている。
特許文献１には、ユーザが選択した製品コンテンツに基づいて、ユーザの関心レベルを決定し、その関心レベルに応じてユーザへのプレゼントを推奨するギフトアドバイス方法が開示されている。
特許文献２には、オンラインのマッチングシステムが開示されている。具体的には、このマッチングシステムでは、各参加者に対して参加者プロファイルの番号を決定し、参加者は、その番号に応じたオンライン会議に出席する。このオンライン会議では、参加者から他の参加者に関するフィードバックを受信することにより、そのオンライン会議の参加者間で双方向の一致があるかどうかの判定が行われる。
特許文献３には、個人のリスクのレベルを決定するためのシステムが開示されている。具体的には、このシステムでは、眼球関連情報などの個人情報を処理して、個人に関する認知情報を生成し、該認知情報を利用して個人のリスクのレベルを判断する。前記認知情報は、個人のリスクのレベルを決定するために、個人の基準認知情報と比較される。
特許文献４には、ユーザに提供される広告を選択及びカスタマイズするためのシステムが開示されている。具体的には、このシステムでは、仮想ゲーム環境内でのユーザの対話を監視し、その対話内容に基づいて間接的にユーザ特性を決定する。前記システムは、ユーザ特性から生成されるユーザプロファイルに基づいて選択した広告をユーザ向けにカスタマイズして、仮想ゲーム環境においてユーザに表示する。
また、ユーザのパーソナリティを用いて情報処理を行う情報処理システムにおいて、ユーザに対する質問回答形式で前記パーソナリティデータを取得する構成も知られている。このように、ユーザに対する質問回答形式でパーソナリティデータを取得する構成として、例えば、特許文献５，６に開示されている構成が知られている。
特許文献５には、経済的なパーソナリティを評価するための方法が開示されている。具体的には、この方法では、ユーザに経済的なパーソナリティを評価するアンケートを行う。そして、前記方法では、アンケート結果に基づいて、ユーザの投資関連の姿勢を評価し、多次元の経済個人情報を生成する。前記方法では、前記多次元の経済個人情報からユーザのリスクプロファイルを構築する。
特許文献６には、人間の行動を考慮してリスクを測定及び管理する方法が開示されている。この方法では、客観的かつ主観的なデータを使用して、組織内のオペレーショナルリスク、信用リスク及び／または市場リスクを測定及び管理する。具体的には、この方法では、心理測定及び／または他の人格評価ツールが、選択された人に適用され、その結果は、測定及び管理システムにおいて主観的データとして、客観的データと共に蓄積される。
米国特許公開２０１８／０１３０１１５号公報 国際公開２０１６／００００６９号公報 米国特許公開２０１５／００２５９１７号公報 米国特許第９１５２９８４号公報 米国特許公開２０１１／０２５１９７８号公報 米国特許公開２００５／０２７８２４５号公報
ところで、上述のようにユーザのパーソナリティを用いて情報処理を行う場合、より精度良く情報処理を行うために、ユーザの恣意性が少ない本質的なパーソナリティのデータが望まれる。
上述の特許文献４，５のような質問回答形式で得た結果からユーザのパーソナリティを求める場合、恣意性が少ない本質的なパーソナリティを得ようとすると、表現が異なる質問の数を増やしたり、質問の中に虚偽発見尺度（ライスケール）に関する質問を追加したりする必要がある。よって、ユーザに対する質問数が増えるため、システムで処理するデータの種類が非常に多くなる。
このように、システムで処理するデータの種類が非常に多くなると、前記システムのハードウェアの負荷が高くなる。よって、前記システムで必要とするハードウェアリソースが増えるため、システムのハードウェアリソースの設計に制約が生じる。よって、システムのハードウェアリソースの設計自由度が低下する。
本発明は、ハードウェアリソースの設計自由度を高めつつ、パーソナリティデータを取得できるパーソナリティ分析方法を提供することを目的とする。
本発明者らは、リーン車両の走行データを分析する中で、リーン車両の走行データとリーンしない車両の走行データとが大きく異なることに気がついた。前記リーン車両は、右旋回時に右に傾斜し、左旋回時に左に傾斜する車両である。
リーン車両は、リーンしない車両よりも車体の大きさが小さい。すなわち、リーン車両は、リーンしない車両よりも車体の前後方向及び／または左右方向の大きさが小さい。また、リーン車両のステアリングの回転操作量は、３６０度より小さいため、リーン車両は、リーンしない車両に比べて、ステアリングの回転操作量が少ない。さらに、リーン車両は、リーンしない車両と異なり、ライダーがアクティブに操作できるライダーアクティブな車両である。よって、リーン車両の運転は、リーンしない車両の運転と異なる。このようにリーンしない車両とは運転が異なるリーン車両の走行データは、リーンしない車両、すなわち例えば４輪車の走行データとは大きく異なる。
本発明者らは、リーン車両の走行状況についてさらに詳細に検討したところ、リーンしない車両に比べて、リーン車両はライダーの意思による走行の自由度が非常に高いことに気がついた。
そのため、運転者がリーン車両を運転している際には、運転者がリーンしない車両を運転している場合よりも、運転者の判断回数及び判断の選択肢が多い傾向にある。
また、運転者は、リーン車両を運転している際には、リーンしない車両を運転している場合に比べて、外部からのストレスにより晒されやすい。さらに、リーン車両を運転している運転者に加わる外部からのストレスは、非常に多様である。
このように、運転者がリーン車両を運転している際には、運転者の判断回数及び判断の選択肢が多く且つ外部からストレスに晒されやすい状況であるため、リーン車両の走行データには運転者のパーソナリティが強く現れやすい。また、リーン車両は、リーンしない車両に比べて機動性及び利便性が高いため、リーン車両の利用目的が多様であり、利用頻度が多くなる傾向がある。そのため、リーン車両の走行データには運転者のパーソナリティが強く現れやすい。すなわち、本発明者らは、運転者が運転したリーン車両の走行データが、運転者の恣意性が少なく且つ運転者の本質的なパーソナリティをより反映していることに気付いた。
そこで、本発明者らは、リーン車両の走行データを用いて、恣意性が少ない本質的なパーソナリティを分析する手法を思いついた。パーソナリティの分析にリーン車両の走行データを用いることで、システムで処理するデータの種類を低減でき、パーソナリティを分析するシステムのハードウェアの負荷を低減できる。また、システムで必要とするハードウェアリソースを低減できるため、パーソナリティを分析するシステムのハードウェアリソースの設計の自由度を高めることできる。ハードウェアリソースの設計自由度を高めつつ、パーソナリティデータを取得できるパーソナリティ分析方法を創出した。
なお、４輪車の運転者の特性傾向を推定する技術は知られている（例えば特開２０１４－４６８２０号公報）。この特開２０１４－４６８２０号公報（以下、文献１という）には、周囲状況を示す情報に基づいて４輪車が走行するシーンを推定し、４輪車の車両情報に基づいて運転者の運転行動を検出し、前記推定されたシーンにおいて運転者がとった運転行動に基づき、特性傾向ラベルとの相関に基づいて運転者の特性を推定する運転者特性推定装置が開示されている。
しかしながら、前記文献１には、運転者の運転行動特性として、特性傾向ラベルや情動反応に関する記載があるだけで、本発明のようにリーン車両の走行データを用いて運転者のパーソナリティを分析する点については何ら開示も示唆もされていない。なお、本発明におけるパーソナリティは、個人の心理状態、性格、気質等によって決まる。このようなパーソナリティは、前記文献１には何ら開示も示唆もされていない。
すなわち、前記文献１に開示されている４輪車では、運転者が車両を運転する際の選択肢が少ないので、運転者の意思による運転の自由度が低い。そのため、４輪車では、車両の走行データに運転者のパーソナリティが現れにくい。よって、４輪車を対象としている前記文献１の構成では、運転者のパーソナリティではなく、運転者が車両を運転する際の傾向（運転傾向）に関する３つの項目（他者配慮型、自己志向型、非共感型）及び感情等の情動反応の情報を得るのが限界である。
これに対し、既述のように、本発明のようなリーン車両では、運転者がリーン車両を運転している際は、運転者の選択肢が多いため運転者の意思による運転の自由度が高く、且つ、外部からストレスに晒されやすい状況である。そのため、リーン車両の走行データには、リーン車両を運転する運転者の素のパーソナリティが強く現れやすい。よって、本発明のようにリーン車両の走行データを用いることにより、運転者のパーソナリティを分析することができる。
このように、４輪車のようにリーンしない車両の走行データなどの車両情報からは、前記文献１に開示されるように運転者の運転傾向や感情等の情動反応を推定するのが限界であり、リーンしない車両の走行データから、本発明のように個人の心理状態、性格、気質等によって決まるパーソナリティを分析できないことは明白である。
なお、運転者の感情等の情動反応は、状況に応じて、都度、変化するものであり、本発明のようなパーソナリティとは大きく異なる。よって、リーン車両の運転者の感情を推定する感情推定装置として、例えば国際公開２０１８／０９２４３６号公報（以下、文献２という）などが知られているが、この文献２に開示されている感情は、本発明のパーソナリティとは全く概念が異なる。したがって、前記文献２の感情推定装置は、本発明のパーソナリティ分析装置とは構成が大きく相違している。よって、前記文献１と前記文献２とを組み合わせても、本発明の構成には容易に想到できない。
本発明の一実施形態に係るパーソナリティ分析方法は、心理状態、性格、気質等によって決まるパーソナリティを示すパーソナリティデータと右旋回時に右に傾斜し且つ左旋回時に左に傾斜するリーン車両の走行データであるリーン車両走行データとを関連付けて生成されたパーソナリティ変換データを取得するパーソナリティ変換データ取得工程と、右旋回時に右に傾斜し且つ左旋回時に左に傾斜する分析用のリーン車両の走行データに関連する分析用のリーン車両走行データを取得する分析用リーン車両走行データ取得工程と、前記取得したパーソナリティ変換データを用いて、前記取得した分析用のリーン車両走行データを前記分析対象者のパーソナリティに関連する変換パーソナリティデータに変換するパーソナリティデータ変換工程と、前記変換された変換パーソナリティデータを用いて、出力するための出力用のパーソナリティデータを生成する出力用パーソナリティデータ生成工程と、前記生成された出力用のパーソナリティデータを出力するパーソナリティデータ出力工程と、を有する。前記パーソナリティ変換データ取得工程では、複数の運転者がデータ変換用のリーン車両を運転する時にそれぞれ得られる走行データに関連するデータ変換用のリーン車両走行データに基づいて、前記パーソナリティを示すパーソナリティデータとリーン車両の走行データであるリーン車両走行データとを関連付けて前記パーソナリティ変換データを生成する。前記分析用リーン車両走行データ取得工程では、前記分析用のリーン車両走行データとして、分析対象者が前記分析用のリーン車両を運転する時に得られる前記分析用のリーン車両の走行データに関連するデータを取得する。パーソナリティ分析方法は、右旋回時に右方向に傾斜し且つ左旋回時に左方向に傾斜する分析用のリーン車両を運転する分析対象者のパーソナリティを分析する。
運転者は、リーン車両を運転する際に、多くの選択肢の中から、多くの判断を行うとともに、外部からのストレスに晒されやすい。よって、運転者が運転するリーン車両の走行データであるリーン車両走行データには、恣意性が少なく本質的な運転者のパーソナリティが強く現れやすい。
よって、リーン車両を運転する運転者を、パーソナリティを分析する分析対象者とすることで、分析対象者のパーソナリティを取得できる。パーソナリティの分析にリーン車両の走行データを用いることで、パーソナリティを分析する装置で処理するデータの種類を低減でき、前記装置のハードウェアの負荷を低減できる。また、前記装置で必要とするハードウェアリソースを低減できるため、前記装置のハードウェアリソースの設計の自由度を高めることできる。
したがって、ハードウェアリソースの設計自由度を高めつつ、パーソナリティデータを取得できる。
他の観点によれば、本発明のパーソナリティ分析方法は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、前記複数の運転者が前記データ変換用のリーン車両を傾斜状態で運転する時にそれぞれ得られる走行データに関連するデータを含む。前記分析用のリーン車両走行データは、前記分析対象者が前記分析用のリーン車両を傾斜状態で運転する時に得られる走行データに関連するデータを含む。
これにより、運転者のパーソナリティがより顕著に現われやすい、リーン車両の傾斜状態における走行データを用いて、分析対象者のパーソナリティを分析することができる。よって、運転者である分析対象者のパーソナリティをより精度良く分析することができる。
他の観点によれば、本発明のパーソナリティ分析方法は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、前記運転者による前記データ変換用のリーン車両に対する運転の変化が反映されていないデータより、前記運転者による前記データ変換用のリーン車両に対する運転の変化が反映されているデータを多く含む。前記分析用のリーン車両走行データは、前記分析対象者による前記分析用のリーン車両に対する運転の変化が反映されていないデータより、前記分析対象者による前記分析用のリーン車両に対する運転の変化が反映されているデータを多く含む。
この構成により、運転者が運転するリーン車両の走行データであるリーン車両走行データには、運転者が判断した後のリーン車両の運転の変化が反映されている。よって、運転者が運転するリーン車両の走行データであるリーン車両走行データには、恣意性が少なく本質的な運転者のパーソナリティがより強く現れやすい。
よって、運転者である分析対象者のパーソナリティをより精度良く分析することができる。また、データの種類を特定したリーン車両走行データを用いることで、パーソナリティを分析する装置で処理するデータの種類を低減でき、前記装置のハードウェアの負荷をより低減できる。また、前記装置で必要とするハードウェアリソースを低減できるため、前記装置のハードウェアリソースの設計の自由度をより高めることできる。
したがって、ハードウェアリソースの設計自由度をより高めつつ、より精度の高いパーソナリティデータを取得できる。
他の観点によれば、本発明のパーソナリティ分析方法は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、前記運転者による前記データ変換用のリーン車両への運転入力に関連するデータ変換用のリーン車両運転入力データ、前記データ変換用のリーン車両の挙動に関連するデータ変換用のリーン車両挙動データ及び前記データ変換用のリーン車両の位置に関連するデータ変換用のリーン車両位置データのうちの少なくとも一つを含む。前記分析用のリーン車両走行データは、前記分析対象者による前記分析用のリーン車両への運転入力に関連する分析用のリーン車両運転入力データ、前記分析用のリーン車両の挙動に関連する分析用のリーン車両挙動データ及び前記分析用のリーン車両の位置に関連する分析用のリーン車両位置データのうちの少なくとも一つを含む。
これにより、分析対象者のパーソナリティに関連するパーソナリティデータに変換する際に用いられるリーン車両走行データは、運転者である分析対象者のパーソナリティをより反映するデータを含む。
すなわち、運転者によるリーン車両への運転入力に関するリーン車両運転入力データ及びリーン車両の挙動に関するリーン車両挙動データは、例えば、運転者の環境刺激及びストレスに対する敏感さ、不安及び緊張の強さなどに関係する。また、リーン車両の位置に関するリーン車両位置データは、運転者の精神状態及び性格などのパーソナリティに関係する。
この構成により、前記リーン車両走行データを用いて、運転者である分析対象者のパーソナリティをより精度良く分析することができる。また、データの種類を特定したリーン車両走行データを用いることで、パーソナリティを分析する装置で処理するデータの種類を低減でき、前記装置のハードウェアの負荷をより低減できる。また、前記装置で必要とするハードウェアリソースを低減できるため、前記装置のハードウェアリソースの設計の自由度をより高めることできる。
したがって、ハードウェアリソースの設計自由度をより高めつつ、より精度の高いパーソナリティデータを取得できる。
他の観点によれば、本発明のパーソナリティ分析方法は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、更に前記データ変換用のリーン車両が走行する走行環境に関連するデータ変換用のリーン車両走行環境データを含む。前記分析用のリーン車両走行データは、更に前記分析用のリーン車両が走行する走行環境に関連する分析用のリーン車両走行環境データを含む。
これにより、分析対象者のパーソナリティに関連するパーソナリティデータに変換する際に用いられるリーン車両走行データは、運転者である分析対象者のパーソナリティをより反映するデータを含む。
リーン車両走行環境データは、例えば、マップデータを含む。マップデータは、例えば、道路状況に関する情報、信号、設備などの道路交通環境に関する情報、道路の走行に関する規制情報などと関連付けられていてもよい。リーン車両走行環境データは、前記リーン車両運転入力データ、前記リーン車両挙動データ及び前記リーン車両位置データとともに、分析対象者の性格などのパーソナリティの分析に用いることができる。
この構成により、前記リーン車両走行データを用いて、運転者である分析対象者のパーソナリティをより精度良く分析することができる。また、データの種類を特定したリーン車両走行データを用いることで、パーソナリティを分析する装置で処理するデータの種類を低減でき、前記装置のハードウェアの負荷をより低減できる。また、前記装置で必要とするハードウェアリソースを低減できるため、前記装置のハードウェアリソースの設計の自由度をより高めることできる。
したがって、ハードウェアリソースの設計自由度をより高めつつ、より精度の高いパーソナリティデータを取得できる。
他の観点によれば、本発明のパーソナリティ分析方法は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、前記データ変換用のリーン車両が公道以外を走行した時のデータより、前記データ変換用のリーン車両が公道を走行した時のデータを多く含む。前記分析用のリーン車両走行データは、前記分析用のリーン車両が公道以外を走行した時のデータより、前記分析用のリーン車両が公道を走行した時のデータを多く含む。
公道を走行中の運転者がリーン車両を運転している際には、運転者の判断回数がより多く、判断の選択肢が多く且つ外部からストレスに晒されやすい状況であるため、リーン車両の走行データには運転者のパーソナリティがより強く現れやすい。また、リーン車両は、リーンしない車両に比べて機動性及び利便性が高いため、リーン車両の利用目的が多様になり、利用頻度が多くなる傾向がある。そのため、公道を走行するリーン車両の走行データには運転者のパーソナリティがより強く現れやすい。すなわち、公道を走行するリーン車両の走行データは、運転者の恣意性が少なく且つ運転者の本質的なパーソナリティをより反映する。
この構成により、前記リーン車両走行データを用いて、運転者である分析対象者のパーソナリティをより精度良く分析することができる。また、データの種類を特定したリーン車両走行データを用いることで、パーソナリティを分析する装置で処理するデータの種類を低減でき、前記装置のハードウェアの負荷をより低減できる。また、前記装置で必要とするハードウェアリソースを低減できるため、前記装置のハードウェアリソースの設計の自由度をより高めることできる。
したがって、ハードウェアリソースの設計自由度をより高めつつ、より精度の高いパーソナリティデータを取得できる。
他の観点によれば、本発明のパーソナリティ分析方法は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、前記データ変換用のリーン車両の周囲の車両によって運転者の判断の選択肢が制限を受けるが複数残されている状態でのデータを含む。前記分析用のリーン車両走行データは、前記分析用のリーン車両の周囲の車両によって分析対象者の判断の選択肢が制限を受けるが複数残されている状態でのデータを含む。
この構成により、運転者の判断の選択肢が制限を受けるが複数残されている状態でのリーン車両走行データは、運転者の判断の選択肢が残されていない状態でのリーン車両走行データに比べて、運転者のパーソナリティをより明確に反映している。よって、運転者の判断の選択肢が制限を受けるが複数残されている状態でのリーン車両走行データを用いて、運転者である分析対象者のパーソナリティをより精度良く分析することができる。また、データの種類を特定したリーン車両走行データを用いることで、パーソナリティを分析する装置で処理するデータの種類を低減でき、前記装置のハードウェアの負荷をより低減できる。また、前記装置で必要とするハードウェアリソースを低減できるため、前記装置のハードウェアリソースの設計の自由度をより高めることできる。
したがって、ハードウェアリソースの設計自由度をより高めつつ、より精度の高いパーソナリティデータを取得できる。
他の観点によれば、本発明のパーソナリティ分析方法は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、同乗者及び物の少なくとも一方を搭載した状態のデータを含む。前記分析用のリーン車両走行データは、同乗者及び物の少なくとも一方を搭載した状態のデータを含む。
同乗者及び物の少なくとも一方を搭載した状態のリーン車両は、同乗者及び物の少なくとも一方を搭載していない状態より運転者の判断の選択肢が制限を受けやすい。そのため、同乗者及び物の少なくとも一方を搭載した状態のデータを含むリーン車両走行データを用いて、運転者である分析対象者のパーソナリティをより精度良く分析することができる。また、データの種類を特定したリーン車両走行データを用いることで、パーソナリティを分析する装置で処理するデータの種類を低減でき、前記装置のハードウェアの負荷をより低減できる。また、前記装置で必要とするハードウェアリソースを低減できるため、前記装置のハードウェアリソースの設計の自由度をより高めることできる。
したがって、ハードウェアリソースの設計自由度をより高めつつ、より精度の高いパーソナリティデータを取得できる。
他の観点によれば、本発明のパーソナリティ分析方法は、以下の構成を含むことが好ましい。前記変換された変換パーソナリティデータを記憶する。前記記憶された複数の変換パーソナリティデータを用いて、前記出力用のパーソナリティデータを生成する。
複数の変換パーソナリティデータを用いることで、リーン車両の運転者である分析対象者のパーソナリティをより精度良く分析することができる。
したがって、ハードウェアリソースの設計自由度を高めつつ、より精度の高いパーソナリティデータを取得できる。
他の観点によれば、本発明のパーソナリティ分析方法は、以下の構成を含むことが好ましい。前記出力用のパーソナリティデータは、更なる情報処理に用いられる情報処理用パーソナリティデータとして生成される。
これにより、分析対象者が運転するリーン車両のリーン車両走行データを用いてパーソナリティ分析方法により得られたパーソナリティデータを、更なる情報処理装置で用いることができる。
したがって、ハードウェアリソースの設計自由度を高めつつ、更なる情報処理に用いることができるパーソナリティデータを取得できる。
本発明の一実施形態に係るパーソナリティ分析装置は、心理状態、性格、気質等によって決まるパーソナリティを示すパーソナリティデータと右旋回時に右に傾斜し且つ左旋回時に左に傾斜するリーン車両の走行データであるリーン車両走行データとを関連付けて生成されたパーソナリティ変換データを取得するパーソナリティ変換データ取得部と、右旋回時に右に傾斜し且つ左旋回時に左に傾斜する分析用のリーン車両の走行データに関連する分析用のリーン車両走行データを取得する分析用リーン車両走行データ取得部と、前記取得したパーソナリティ変換データを用いて、前記取得した分析用のリーン車両走行データを前記分析対象者のパーソナリティに関連する変換パーソナリティデータに変換するパーソナリティデータ変換部と、前記変換された変換パーソナリティデータを用いて、出力するための出力用のパーソナリティデータを生成する出力用パーソナリティデータ生成部と、前記生成された出力用のパーソナリティデータを出力するデータ出力部と、を備える。前記パーソナリティ変換データ取得部は、複数の運転者がデータ変換用のリーン車両を運転する時にそれぞれ得られる走行データに関連するデータ変換用のリーン車両走行データに基づいて、前記パーソナリティを示すパーソナリティデータとリーン車両の走行データであるリーン車両走行データとを関連付けて前記パーソナリティ変換データを生成する。前記分析用リーン車両走行データ取得部は、前記分析用のリーン車両走行データとして、分析対象者が前記分析用のリーン車両を運転する時に得られる前記分析用のリーン車両の走行データに関連するデータを取得する。パーソナリティ分析装置は、右旋回時に右に傾斜し且つ左旋回時に左に傾斜する分析用のリーン車両を運転する分析対象者のパーソナリティを分析する。
他の観点によれば、本発明のパーソナリティ分析装置は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、前記複数の運転者が前記データ変換用のリーン車両を傾斜状態で運転する時にそれぞれ得られる走行データに関連するデータを含む。前記分析用のリーン車両走行データは、前記分析対象者が前記分析用のリーン車両を傾斜状態で運転する時に得られる走行データに関連するデータを含む。
他の観点によれば、本発明のパーソナリティ分析装置は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、前記運転者による前記データ変換用のリーン車両に対する運転の変化が反映されていないデータより、前記運転者による前記データ変換用のリーン車両に対する運転の変化が反映されているデータを多く含む。前記分析用のリーン車両走行データは、前記分析対象者による前記分析用のリーン車両に対する運転の変化が反映されていないデータより、前記分析対象者による前記分析用のリーン車両に対する運転の変化が反映されているデータを多く含む。
他の観点によれば、本発明のパーソナリティ分析装置は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、前記運転者による前記データ変換用のリーン車両への運転入力に関連するデータ変換用のリーン車両運転入力データ、前記データ変換用のリーン車両の挙動に関連するデータ変換用のリーン車両挙動データ及び前記データ変換用のリーン車両の位置に関連するデータ変換用のリーン車両位置データのうちの少なくとも一つを含む。前記分析用のリーン車両走行データは、前記分析対象者による前記分析用のリーン車両への運転入力に関連する分析用のリーン車両運転入力データ、前記分析用のリーン車両の挙動に関連する分析用のリーン車両挙動データ及び前記分析用のリーン車両の位置に関連する分析用のリーン車両位置データのうち少なくとも一つを含む。
他の観点によれば、本発明のパーソナリティ分析装置は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、更に前記データ変換用のリーン車両が走行する走行環境に関連するデータ変換用のリーン車両走行環境データを含む。前記分析用のリーン車両走行データは、更に前記分析用のリーン車両が走行する走行環境に関連する分析用のリーン車両走行環境データを含む。
他の観点によれば、本発明のパーソナリティ分析装置は、以下の構成を含むことが好ましい。前記出力用のパーソナリティデータは、更なる情報処理に用いられる情報処理用パーソナリティデータとして生成される。
本発明の一実施形態に係る情報処理方法は、上述のパーソナリティ分析方法で情報処理用パーソナリティデータとして生成された出力用のパーソナリティデータを用いる情報処理方法である。この情報処理方法は、前記出力パーソナリティデータを取得する。前記情報処理方法は、前記出力パーソナリティデータとは異なる第１データを取得する。前記情報処理方法は、前記出力用のパーソナリティデータ及び前記第１データを用いて、前記出力用のパーソナリティデータ及び前記第１データと異なる第２データを生成する。前記情報処理方法は、前記第２データを出力する。
パーソナリティデータを用いる情報処理方法は、背景技術に記載した特許文献に記載されているような情報処理方法を含む。ただし、背景技術に記載した特許文献に記載されているような情報処理方法に限定されることは無い。パーソナリティデータを用いる情報処理方法であればよい。例えば、前記第１データ及び前記第２データは、金融、保険、販売、広告などのビジネスで用いられる、金融、保険、市場、商品、サービス、環境または顧客に関連するデータであってもよい。
これにより、恣意性が少なく本質的な運転者のパーソナリティを含むリーン車両走行データを用いて出力されたパーソナリティデータ及び出力されたパーソナリティデータとは異なる第１データを用いて、取得したパーソナリティデータ及び取得した第１データと異なる第２データを生成し、出力する。このため、より精度の高い第２データを生成し、出力できる。
したがって、パーソナリティデータを用いる情報処理方法を実行するハードウェアリソースの設計自由度を高めつつ、パーソナリティデータを用いてより精度の高い第２データを生成し、出力できる。
本発明の一実施形態に係る情報処理装置は、上述のパーソナリティ分析装置で前記情報処理用パーソナリティデータとして生成された前記出力用のパーソナリティデータを用いる情報処理装置である。この情報処理装置は、前記出力用のパーソナリティデータを取得する出力用のパーソナリティデータ取得部と、前記出力用のパーソナリティデータとは異なる第１データを取得する第１データ取得部と、前記出力用のパーソナリティデータ及び前記第１データを用いて、前記出力用のパーソナリティデータ及び前記第１データと異なる第２データを生成する第２データ生成部と、前記第２データを出力する第２データ出力部と、を備える。
本明細書で使用される専門用語は、特定の実施例のみを定義する目的で利用されるのであって、前記専門用語によって発明を制限する意図はない。
本明細書で使用される「及び／または」は、一つまたは複数の関連して列挙された構成物のすべての組み合わせを含む。
本明細書において、「含む、備える（including）」「含む、備える（comprising）」または「有する（having）」及びそれらの変形の使用は、記載された特徴、工程、要素、成分、及び/または、それらの等価物の存在を特定するが、ステップ、動作、要素、コンポーネント、及び/または、それらのグループのうちの一つまたは複数を含むことができる。
本明細書において、「取り付けられた」、「接続された」、「結合された」、及び/または、それらの等価物は、広義の意味で使用され、“直接的及び間接的な”取り付け、接続及び結合の両方を包含する。さらに、「接続された」及び「結合された」は、物理的または機械的な接続または結合に限定されず、直接的または間接的な接続または結合を含むことができる。
他に定義されない限り、本明細書で使用される全ての用語（技術用語及び科学用語を含む）は、本発明が属する技術分野の当業者によって一般的に理解される意味と同じ意味を有する。
一般的に使用される辞書に定義された用語は、関連する技術及び本開示の文脈における意味と一致する意味を有すると解釈されるべきであり、本明細書で明示的に定義されていない限り、理想的または過度に形式的な意味で解釈されることはない。
本発明の説明においては、いくつもの技術及び工程が開示されていると理解される。これらの各々は、個別の利益を有し、他に開示された技術の一つ以上、または、場合によっては全てと共に使用することもできる。
したがって、明確にするために、本発明の説明では、不要に個々のステップの可能な組み合わせをすべて繰り返すことを控える。しかしながら、本明細書及び特許請求の範囲は、そのような組み合わせがすべて本発明の範囲内であることを理解して読まれるべきである。
本明細書では、本発明に係るパーソナリティ分析方法、パーソナリティ分析装置、パーソナリティデータを用いる情報処理方法及びパーソナリティデータを用いる情報処理装置の実施形態について説明する。
以下の説明では、本発明の完全な理解を提供するために多数の具体的な例を述べる。しかしながら、当業者は、これらの具体的な例がなくても本発明を実施できることが明らかである。
よって、以下の開示は、本発明の例示として考慮されるべきであり、本発明を以下の図面または説明によって示される特定の実施形態に限定することを意図するものではない。
［リーン車両］
本明細書において、リーン車両とは、傾斜姿勢で旋回する車両である。具体的には、リーン車両は、車両の左右方向において、左に旋回する際に左方向に傾斜し、右に旋回する際に右方向に傾斜する車両である。リーン車両は、一人乗りの車両であってもよいし、複数人が乗車可能な車両であってもよい。なお、リーン車両は、２輪車だけでなく、３輪車または４輪車など、傾斜姿勢で旋回する全ての車両を含む。
［パーソナリティ］
本明細書において、パーソナリティとは、個人の心理状態、性格、気質等によって決まる個性を意味する。具体的には、前記パーソナリティには、神経症傾向、外向性、経験への開放性、協調性、誠実性の５つの要素を含んでもよい。また、前記パーソナリティには、内閉性、同調性、粘着性、顕示性、過敏性、過信性などの性格６類型を含んでもよい。さらに、前記パーソナリティは、新奇***求、報酬依存、損害回避及び固執の気質と、自己志向、協調及び自己超越の性格とを含んでいてもよい。
上述以外にも、前記パーソナリティには、個人の個性に関するパラメータであれば、どのようなパラメータを含んでいてもよい。
［リーン車両走行データ］
本明細書において、リーン車両走行データとは、リーン車両の走行に関連するデータである。具体的には、前記リーン車両走行データは、運転者によるリーン車両への運転入力に関連するリーン車両運転入力データ、リーン車両の挙動に関連するリーン車両挙動データ、リーン車両の走行位置に関連するリーン車両位置データ、及び、リーン車両が走行する走行環境に関連するリーン車両走行環境データなどの少なくとも一つのデータを含む。また、前記リーン車両走行データは、リーン車両運転入力データ、リーン車両挙動データ、リーン車両位置データ、及び、リーン車両走行環境データなどが加工された加工データを含んでいてもよい。前記リーン車両走行データは、リーン車両運転入力データ、リーン車両挙動データ、リーン車両位置データ、及び、リーン車両走行環境データなどと他のデータとを用いて加工された加工データを含んでいてもよい。
［リーン車両運転入力データ］
本明細書において、リーン車両運転入力データは、運転者がリーン車両を運転する際に行う運転者の操作入力に関連するデータである。具体的には、前記リーン車両運転入力データは、アクセル操作、ブレーキ操作、操舵または運転者の姿勢変化による重心位置の変更などに関連するデータを含んでいてもよい。また、具体的には、前記リーン車両運転入力データは、ホーンスイッチ、ウィンカースイッチ、照明スイッチなどの各種スイッチの操作等に関連するデータを含んでいてもよい。前記リーン車両運転入力データは、運転者による運転入力に関連するデータであるため、運転者の判断の結果をより反映している。リーン車両では、運転者による操作の種類が多く、運転時に運転者の選択の自由度も高いため、運転者のパーソナリティが強く反映される傾向がある。また、前記リーン車両運転入力データは、センサなどから取得したデータが加工された加工データを含んでいてもよい。前記リーン車両運転入力データは、センサなどから取得したデータと他のデータとを用いて加工された加工データを含んでいてもよい。
［リーン車両挙動データ］
本明細書において、リーン車両挙動データとは、リーン車両が運転者によって運転される際に、運転者の運転入力によって生じるリーン車両の挙動に関連するデータである。具体的には、前記リーン車両挙動データは、例えば、分析対象者である運転者がリーン車両を運転した際に変化するリーン車両の加速度、速度、角度を含む。すなわち、前記リーン車両挙動データは、分析対象者である運転者がアクセル操作またはブレーキ操作を行ってリーン車両の加減速を行った場合、リーン車両の操舵または重心位置の変更を含む姿勢変化を行った場合などに生じるリーン車両の挙動を現すデータである。
また、前記リーン車両挙動データは、上述のように、リーン車両の加速度、速度、角度に関するデータだけでなく、運転者がリーン車両に対して行うスイッチ操作等によってリーン車両で生じる動作を含んでもよい。すなわち、前記リーン車両挙動データは、ホーンスイッチ及びウィンカースイッチ、照明スイッチなどの各種スイッチの操作等によってリーン車両に生じる動作に関連するデータを含む。前記リーン車両挙動データは、運転者の運転入力の結果が強く反映される。そのため、前記リーン車両挙動データにも、運転者のパーソナリティが強く反映される傾向がある。また、前記リーン車両挙動データは、センサなどから取得したデータが加工された加工データを含んでいてもよい。前記リーン車両挙動データは、センサなどから取得したデータと他のデータとを用いて加工された加工データを含んでいてもよい。
［リーン車両位置データ］
本明細書において、リーン車両位置データは、リーン車両の走行位置に関連するデータである。例えば、前記リーン車両位置データは、ＧＰＳ、通信携帯端末の通信基地局の情報に基づいて検出することができる。なお、前記リーン車両位置データは、種々の測位技術、ＳＬＡＭなどで算出することができる。前記リーン車両位置データは、運転者のパーソナリティが強く反映されている運転者の運転入力の結果が強く反映される。そのため、前記リーン車両位置データにも、運転者のパーソナリティが強く反映される傾向がある。また、前記リーン車両位置データは、センサなどから取得したデータが加工された加工データを含んでいてもよい。前記リーン車両位置データは、センサなどから取得したデータと他のデータとを用いて加工された加工データを含んでいてもよい。
［リーン車両走行環境データ］
本明細書において、リーン車両走行環境データは、例えば、マップデータを含む。マップデータは、例えば、道路状況に関する情報、信号、設備などの道路交通環境に関する情報、道路の走行に関する規制情報などと関連付けられていてもよい。また、マップデータは、天気、気温または湿度などの環境データなどと関連付けられていてもよい。前記リーン車両走行環境データは、前記リーン車両運転入力データ、前記リーン車両挙動データ及び前記リーン車両位置データとともに、分析対象者の性格などのパーソナリティの分析に用いることができる。
前記道路状況に関する情報は、渋滞が頻発する、路上駐車車両が多い等、混雑する環境下にある道路（地域）に関する情報を含む。この情報は、時間帯と組み合わせることによって、より情報の精度が上がる。また、前記道路状況に関する情報は、スコールがあると冠水し易い道路に関する情報を含む。
前記リーン車両走行環境データは、運転者が受ける外部からのストレスの一例であると考えられる。前記リーン車両走行環境データは、運転者の判断に影響を与える。前記リーン車両走行環境データは、運転者の運転に影響を与える。そのため、前記リーン車両走行環境データを用いることで、リーン車両の走行データには運転者のパーソナリティがより強く現れやすくなる。また、前記リーン車両走行環境データを用いることで、リーン車両の利用目的及び利用頻度が影響を受けるため、リーン車両の走行データには運転者のパーソナリティが強く現れやすい。
前記リーン車両走行環境データは、種々の手段から取得することができる。前記リーン車両走行環境データを取得する手段は、特定の手段に限定されることはない。例えば、前記リーン車両走行環境データを取得する手段は、リーン車両に搭載した外部環境認識装置である。より具体的には、前記リーン車両走行環境データを取得する手段は、カメラ、レーダーなどである。また、例えば、前記リーン車両走行環境データを取得する手段は、通信装置である。より具体的には、前記リーン車両走行環境データを取得する手段は、車車間通信装置、路車間通信装置である。前記リーン車両走行環境データは、例えば、インターネットを介して入手することもできる。
［公道］
本明細書において、公道とは、シミュレーション及びサーキットの走行路ではなく、一般車両が通行可能な公共用の道路である。前記公道には、一般車両が通行可能な私道も含まれる。
［ＡよりＢを多く含む］
本明細書において、「ＡよりＢを多く含む」とは、Ａを全く含んでいなくてもよい。「ＡよりＢを多く含む」とは、Ａを一部含んでいてもよい。
例えば、運転者によるデータ変換用のリーン車両に対する運転の変化が反映されていないデータより運転者によるデータ変換用のリーン車両に対する運転の変化が反映されているデータを多く含むとは、運転者によるデータ変換用のリーン車両に対する運転の変化が反映されていないデータを全く含んでいなくてもよい。例えば、運転者によるデータ変換用のリーン車両に対する運転の変化が反映されていないデータより運転者によるデータ変換用のリーン車両に対する運転の変化が反映されているデータを多く含むとは、運転者によるデータ変換用のリーン車両に対する運転の変化が反映されていないデータを一部含んでいてもよい。
例えば、分析対象者による分析用のリーン車両に対する運転の変化が反映されていないデータより分析対象者による分析用のリーン車両に対する運転の変化が反映されているデータを多く含むとは、分析対象者による分析用のリーン車両に対する運転の変化が反映されていないデータを全く含んでいなくてもよい。例えば、分析対象者による分析用のリーン車両に対する運転の変化が反映されていないデータより分析対象者による分析用のリーン車両に対する運転の変化が反映されているデータを多く含むとは、分析対象者による分析用のリーン車両に対する運転の変化が反映されていないデータを一部含んでいてもよい。
例えば、データ変換用のリーン車両が公道以外を走行した時のデータよりデータ変換用のリーン車両が公道を走行した時のデータを多く含むとは、データ変換用のリーン車両が公道以外を走行した時のデータを全く含んでいなくてもよい。例えば、データ変換用のリーン車両が公道以外を走行した時のデータよりデータ変換用のリーン車両が公道を走行した時のデータを多く含むとは、データ変換用のリーン車両が公道以外を走行した時のデータを一部含んでいてもよい。
例えば、分析用のリーン車両が公道以外を走行した時のデータより分析用のリーン車両が公道を走行した時のデータを多く含むとは、分析用のリーン車両が公道以外を走行した時のデータを全く含んでいなくてもよい。例えば、分析用のリーン車両が公道以外を走行した時のデータより分析用のリーン車両が公道を走行した時のデータを多く含むとは、分析用のリーン車両が公道以外を走行した時のデータを一部含んでいてもよい。
本発明の一実施形態によれば、ハードウェアリソースの設計自由度を高めつつ、パーソナリティデータを取得できるパーソナリティ分析方法を提供することができる。
図１は、本発明の実施形態１に係るパーソナリティ分析装置の概略構成を示す図である。 図２は、パーソナリティ分析装置の動作の一例を示すフローチャートである。 図３は、実施形態２に係るパーソナリティ分析システムの概略構成を示す図である。 図４は、情報処理装置の動作の一例を示すフローチャートである。
以下で、各実施形態について、図面を参照しながら説明する。なお、各図中の構成部材の寸法は、実際の構成部材の寸法及び各構成部材の寸法比率等を忠実に表したものではない。
＜実施形態１＞
（パーソナリティ分析装置）
図１に、本発明の実施形態に係るパーソナリティ分析装置１の概略構成を示す。パーソナリティ分析装置１は、分析対象者のパーソナリティを分析する装置である。本実施形態のパーソナリティ分析装置１は、分析対象者がリーン車両Ｘを運転した際に得られるリーン車両Ｘ（分析用のリーン車両）のリーン車両走行データ（分析用のリーン車両走行データ）を用いて、分析対象者のパーソナリティを分析し、その分析結果を出力する。
本実施形態におけるパーソナリティの分析とは、分析対象者の心理状態、性格、気質等によって決まる個性の分析を意味する。このパーソナリティは、分析対象者が運転者としてリーン車両Ｘを運転する際に得られるリーン車両Ｘのリーン車両走行データを、後述するパーソナリティデータ変換部３０によって変換することにより得られる変換パーソナリティデータに含まれる。すなわち、この変換パーソナリティデータは、前記分析対象者のパーソナリティに関連するデータを含む。
本実施形態におけるリーン車両走行データは、リーン車両の走行に関連するデータである。前記リーン車両走行データは、運転者がリーン車両を運転した際に得られるリーン車両の走行に関連するデータのうち、前記運転者のパーソナリティが現れるようなデータを意味する。
具体的には、前記リーン車両走行データは、運転者によるリーン車両への運転入力に関連するリーン車両運転入力データ、リーン車両の挙動に関連するリーン車両挙動データ、リーン車両の走行位置に関連するリーン車両位置データ、及び、リーン車両が走行する走行環境に関連するリーン車両走行環境データなどを含む。なお、前記リーン車両走行データは、前記リーン車両運転入力データ、前記リーン車両挙動データ、前記リーン車両位置データ及びリーン車両走行環境データ以外のデータを含んでいてもよい。また、前記リーン車両走行データは、前記リーン車両運転入力データ、前記リーン車両挙動データ、前記リーン車両位置データ及びリーン車両走行環境データのうち、一つまたは複数のデータのみを含んでいてもよい。
例えば、リーン車両が分析用のリーン車両であるリーン車両Ｘの場合、前記リーン車両走行データは分析用のリーン車両走行データであり、前記リーン車両運転入力データは分析用のリーン車両運転入力データであり、前記リーン車両挙動データは分析用のリーン車両挙動データであり、前記リーン車両位置データは分析用のリーン車両位置データであり、前記リーン車両走行環境データは、分析用のリーン車両走行環境データである。
例えば、リーン車両がデータ変換用のリーン車両であるリーン車両の場合、前記リーン車両走行データはデータ変換用のリーン車両走行データであり、前記リーン車両運転入力データはデータ変換用のリーン車両運転入力データであり、前記リーン車両挙動データはデータ変換用のリーン車両挙動データであり、前記リーン車両位置データはデータ変換用のリーン車両位置データであり、前記リーン車両走行環境データは、データ変換用のリーン車両走行環境データである。
なお、前記リーン車両走行データは、リーン車両運転入力データ、リーン車両挙動データ、リーン車両位置データ、及び、リーン車両走行環境データなどが加工された加工データを含んでいてもよい。また、前記リーン車両走行データは、リーン車両運転入力データ、リーン車両挙動データ、リーン車両位置データ、及び、リーン車両走行環境データなどと他のデータとを用いて加工された加工データを含んでいてもよい。
前記リーン車両運転入力データは、運転者がリーン車両を運転する際に行う運転者の操作入力に関連するデータである。具体的には、前記リーン車両運転入力データは、アクセル操作、ブレーキ操作、操舵または運転者の姿勢変化による重心位置の変更などに関連するデータを含んでもよい。また、具体的には、前記リーン車両運転入力データは、ホーンスイッチ、ウィンカースイッチ、照明スイッチなどの各種スイッチの操作等を含んでもよい。前記リーン車両運転入力データは、運転者による運転入力に関連するデータであるため、運転者の判断の結果をより反映している。リーン車両では、運転者による操作の種類が多く、運転時に運転者の選択の自由度も高いため、運転者のパーソナリティが強く反映される傾向がある。また、前記リーン車両運転入力データは、センサなどから取得したデータが加工された加工データを含んでいてもよい。前記リーン車両運転入力データは、センサなどから取得したデータと他のデータとを用いて加工された加工データを含んでいてもよい。
前記リーン車両挙動データは、リーン車両が運転者によって運転される際に、運転者の操作入力によって生じるリーン車両の挙動に関連するデータである。具体的には、前記リーン車両挙動データは、例えば、運転者が運転した際に変化するリーン車両の加速度、速度、角度を含む。すなわち、前記リーン車両挙動データは、運転者がアクセル操作またはブレーキ操作を行ってリーン車両の加減速を行った場合、リーン車両の操舵または重心位置の変更を含む姿勢変化を行った場合などに生じるリーン車両の挙動を現すデータである。
前記リーン車両挙動データは、上述のように、リーン車両の加速度、速度、角度に関するデータだけでなく、運転者がリーン車両に対して行うスイッチ操作等によってリーン車両で生じる動作を含んでもよい。すなわち、前記リーン車両挙動データは、ホーンスイッチ及びウィンカースイッチ、照明スイッチなどの各種スイッチの操作等によってリーン車両に生じる動作に関連するデータを含む。前記リーン車両挙動データは、運転者の運転入力の結果が強く反映される。そのため、前記リーン車両挙動データにも、運転者のパーソナリティが強く反映される傾向がある。また、前記リーン車両挙動データは、センサなどから取得したデータが加工された加工データを含んでいてもよい。前記リーン車両挙動データは、センサなどから取得したデータと他のデータとを用いて加工された加工データを含んでいてもよい。
前記リーン車両位置データは、リーン車両の走行位置に関連するデータである。例えば、前記リーン車両位置データは、ＧＰＳ、通信携帯端末の通信基地局の情報等に基づいて検出することができる。なお、前記リーン車両位置データは、種々の測位技術、ＳＬＡＭなどで算出することができる。前記リーン車両位置データは、運転者のパーソナリティが強く反映されている運転者の運転入力の結果が強く反映される。そのため、前記リーン車両位置データにも、運転者のパーソナリティが強く反映される傾向がある。また、前記リーン車両位置データは、センサなどから取得したデータが加工された加工データを含んでいてもよい。前記リーン車両位置データは、センサなどから取得したデータと他のデータとを用いて加工された加工データを含んでいてもよい。
前記リーン車両走行環境データは、例えば、マップデータを含む。このマップデータは、例えば、道路状況に関する情報、信号、設備などの道路交通環境に関する情報、道路の走行に関する規制情報などと関連付けられていてもよい。また、前記マップデータは、天気、気温または湿度などの環境データなどと関連付けられていてもよい。前記リーン車両走行環境データは、前記リーン車両運転入力データ、前記リーン車両挙動データ及び前記リーン車両位置データとともに、分析対象者の性格などのパーソナリティの分析に用いることができる。
前記道路状況に関する情報は、渋滞が頻発する、路上駐車車両が多い等、混雑する環境下にある道路（地域）に関する情報を含む。この情報は、時間帯と組み合わせることによって、より情報の精度が上がる。また、前記道路状況に関する情報は、スコールがあると冠水し易い道路に関する情報を含む。
前記リーン車両走行環境データは、運転者が受ける外部からのストレスの一例であると考えられる。前記リーン車両走行環境データは、運転者の判断に影響を与える。前記リーン車両走行環境データは、運転者の運転に影響を与える。そのため、前記リーン車両走行環境データを用いることで、リーン車両の走行データには運転者のパーソナリティがより強く現れやすくなる。また、前記リーン車両走行環境データを用いることで、リーン車両の利用目的及び利用頻度が影響を受けるため、リーン車両の走行データには運転者のパーソナリティが強く現れやすい。
パーソナリティ分析装置１は、パーソナリティ変換データ取得部１０と、分析用リーン車両走行データ取得部２０と、パーソナリティデータ変換部３０と、出力用パーソナリティデータ生成部４０と、データ出力部５０と、データ記憶部６０とを備える。本実施形態では、パーソナリティ分析装置１は、例えば、分析対象者が所有する携帯端末である。なお、パーソナリティ分析装置１は、通信を介してデータを取得して、演算処理を行う演算処理装置であってもよい。
分析用リーン車両走行データ取得部２０は、分析対象者である運転者がリーン車両Ｘを運転した際のリーン車両走行データ（分析用のリーン車両走行データ）を取得する。
分析用リーン車両走行データ取得部２０は、分析対象者がリーン車両Ｘを運転した際に、リーン車両Ｘのリーン車両走行データに含まれるデータ、すなわち、分析用のリーン車両運転入力データ、分析用のリーン車両挙動データ、分析用のリーン車両位置データ及び分析用のリーン車両走行環境データなどを取得する。
分析用リーン車両走行データ取得部２０は、例えば、リーン車両Ｘに対する分析対象者の運転を操作信号として取得することによって、前記分析用のリーン車両運転入力データを取得してもよい。具体的には、分析用リーン車両走行データ取得部２０は、リーン車両Ｘにおける運転者の運転入力に関連するデータ、すなわち、アクセル操作、ブレーキ操作、操舵または運転者の姿勢変化による重心位置の変更などに関連するデータ、ホーンスイッチ、ウィンカースイッチ、照明スイッチなどの各種スイッチの操作等に関連するデータなどを取得してもよい。これらのデータは、リーン車両Ｘから送信される。
分析用リーン車両走行データ取得部２０は、例えば、分析対象者である運転者がリーン車両Ｘを運転した際に変化するリーン車両Ｘの加速度、速度、角度を含むデータを、分析用のリーン車両挙動データとして取得してもよい。分析用リーン車両走行データ取得部２０は、例えばジャイロセンサなどによって、前記分析用のリーン車両挙動データを取得する。前記分析用のリーン車両挙動データは、分析対象者である運転者がアクセル操作またはブレーキ操作を行ってリーン車両Ｘの加減速を行った場合、リーン車両Ｘの操舵または重心位置の変更を含む姿勢変化を行った場合などに生じるリーン車両Ｘの挙動を現すデータである。
また、分析用リーン車両走行データ取得部２０は、分析対象者である運転者がリーン車両Ｘに対して行うスイッチ操作等によってリーン車両Ｘで生じる動作を、前記リーン車両挙動データとして取得してもよい。すなわち、分析用リーン車両走行データ取得部２０は、ホーンスイッチ及びウィンカースイッチ、照明スイッチなどの各種スイッチの操作等によってリーン車両Ｘに生じる動作に関連するデータを前記分析用のリーン車両挙動データとして取得してもよい。これらのデータは、リーン車両Ｘから、パーソナリティ分析装置１に送信される。
分析用リーン車両走行データ取得部２０は、例えば、ＧＰＳ、通信携帯端末の通信基地局の情報に基づいて、リーン車両Ｘの走行位置に関連する分析用のリーン車両位置データを取得してもよい。なお、前記分析用のリーン車両位置データは、種々の測位技術、ＳＬＡＭなどで算出することができる。
分析用リーン車両走行データ取得部２０は、例えばマップデータから、前記分析用のリーン車両走行環境データを取得してもよい。このマップデータは、例えば、道路状況に関する情報、信号、設備などの道路交通環境に関する情報、道路の走行に関する規制情報などと関連付けられていてもよい。また、前記マップデータは、天気、気温または湿度などの環境データなどと関連付けられていてもよい。前記マップデータは、道路情報及び道路交通環境に関する情報（信号等の道路に対する付随情報）と道路の走行に関わる規則情報が関連づけられた情報を含んでいてもよい。
分析用リーン車両走行データ取得部２０は、例えばリーン車両Ｘに搭載した外部環境認識装置によって、前記分析用のリーン車両走行環境データを取得してもよい。より具体的には、分析用リーン車両走行データ取得部２０は、カメラまたはレーダーなどから、前記分析用のリーン車両走行環境データを取得してもよい。また、分析用リーン車両走行データ取得部２０は、例えば、通信装置によって、前記分析用のリーン車両走行環境データを取得してもよい。より具体的には、分析用リーン車両走行データ取得部２０は、車車間通信装置、路車間通信装置によって、前記分析用のリーン車両走行環境データを取得してもよい。分析用リーン車両走行データ取得部２０は、例えば、インターネットを介して前記分析用のリーン車両走行環境データを取得してもよい。このように、前記分析用のリーン車両走行環境データは、種々の手段から取得することができる。前記分析用のリーン車両走行環境データを取得する手段は、ある手段に限定されることはない。
パーソナリティ変換データ取得部１０は、上述の分析対象者のリーン車両走行データをパーソナリティデータに変換するパーソナリティ変換データを取得する。
前記パーソナリティ変換データは、複数の運転者がリーン車両をそれぞれ運転した際に得られるリーン車両走行データと、それらの運転者のパーソナリティデータとが関連付けられたデータである。すなわち、前記パーソナリティ変換データは、リーン車両走行データから、それに適したパーソナリティデータを得るために、リーン車両走行データとパーソナリティデータとを対応付けたデータである。
前記パーソナリティ変換データは、例えば、パーソナリティ分析で用いられる特性論または類型論に基づく考え方を利用して、複数の運転者がリーン車両（データ変換用のリーン車両）をそれぞれ運転した際に得られるデータ変換用のリーン車両走行データに基づいて生成される。本実施形態では、前記データ変換用のリーン車両走行データは、前記パーソナリティ変換データを生成するために用いられるデータである点以外は、上述の分析用のリーン車両走行データと同様のデータである。なお、前記データ変換用のリーン車両走行データは、上述の分析用のリーン車両走行データと異なる種類のデータを含んでいてもよい。
本実施形態では、前記パーソナリティ変換データは、パーソナリティの特性論であるビッグファイブ理論を利用して生成される。このビッグファイブ理論では、人間が持つ様々な性格を、５つの要素の組み合わせで表現する。前記ビッグファイブ理論は、文化差及び民族差を越えた普遍性を有する理論である。
具体的には、前記パーソナリティ変換データは、前記ビッグファイブ理論における、神経症傾向、外向性、経験への開放性、協調性、誠実性の５つの要素に対して、リーン車両走行データを組み合わせたデータである。
前記神経症傾向は、環境刺激及びストレッサーに対する敏感さ、不安及び緊張の強さを表す。前記神経症傾向は、例えば、リーン車両Ｘの走行環境ごとの走行のばらつきの大きさと関連性を有する。リーン車両Ｘの走行環境の違いによってリーン車両Ｘの走行に大きな違いが見られない運転者は、神経症傾向が弱く、リーン車両Ｘの走行環境の違いによってリーン車両Ｘの走行に大きな違いが見られる運転者は、神経症傾向が強い。
例えば、渋滞がよく発生する走行位置と渋滞があまり発生しない走行位置とでリーン車両Ｘの車体挙動に大きな変化がない場合には、運転者は環境の影響をあまり受けていない、つまり運転者の神経症傾向は弱いと判断される。一方、リーン車両Ｘの車体挙動に大きな変化がある場合には、運転者が環境の影響を受けている、つまり運転者の神経症傾向が強いと判断される。
すなわち、リーン車両Ｘの走行環境を特定し、異なる走行環境下での車体挙動のパラメータの違いまたはばらつき(例えば標準偏差など)に基づいて、運転者の神経症傾向を判断することができる。
前記走行環境は、例えば、「市街地と郊外(地域)」、「一般道と高速道路(道路種別)」、「昼と夜(時刻)」、「晴れと雨(天候)」、「ドライとウエット(路面)」などを含む。前記走行環境は、走行位置データ、時刻データ、気象データ、路面検出データなどを用いて、特定される。
前記神経症傾向は、例えば、前記リーン車両走行データのうち、リーン車両Ｘのリーン車両運転入力データ、リーン車両走行環境データ、リーン車両位置データ及びリーン車両挙動データを用いて、把握することができる。
前記外向性は、外交性、活動性、積極性を表す。前記外向性は、例えば、一定期間内のリーン車両Ｘの走行距離と関連性を有する。例えば、リーン車両Ｘの走行距離が長いほど運転者の外向性が高く、リーン車両Ｘの走行距離が短いほど外向性が低いと判断される。よって、前記外向性は、例えば、前記リーン車両走行データのうち、リーン車両Ｘのリーン車両位置データを用いて、把握することができる。
前記経験への開放性は、知的好奇心の強さ、想像力、新しいものへの親和性を表す。前記経験への開放性は、例えば、一定期間内にリーン車両Ｘで訪れた新規地点数と関連性を有する。例えば、一定期間内にリーン車両Ｘで訪れた新規地点数が多いほど、運転者の経験への開放性が高いと判断され、前記新規地点数が少ないほど、運転者の経験への開放性が低いと判断される。なお、訪れる地点をその種類毎に区別し、一定期間内に新たな種類の地点をリーン車両Ｘで訪れた回数が多いほど、運転者の経験への開放性が高いと判断してもよい。また、一定期間内にリーン車両Ｘで訪れた新規地点数が同じでも、訪れた地点の種類が多いほうが、運転者の経験への開放性が高いと判断してもよい。
前記経験への開放性は、例えば、前記リーン車両走行データのうち、リーン車両Ｘのリーン車両位置データ及びマップデータを含むリーン車両走行環境データを用いて、把握することができる。
前記協調性は、利他性、共感性、優しさなどを表す。前記協調性は、例えば、密集状態における周囲との協調度合いと関連性を有する。よって、前記協調性は、例えば、前記リーン車両走行データのうち、リーン車両位置データを用いて、把握することができる。
特に、前記協調性は、密集状態の群において、平均挙動に対する乖離度合いとより強い関連性を有する。よって、前記協調性は、密集状態の群における他のリーン車両の走行位置データも用いることにより、より精度良く把握することができる。
なお、リーン車両Ｘが他のリーン車両とともに密集状態である場合には、リーン車両Ｘの走行位置に関連するリーン車両位置データだけではなく、密集状態である他のリーン車両の走行位置に関連するリーン車両位置データも把握して、密集状態であるリーン車両の群におけるリーン車両Ｘの走行位置の乖離度合いを算出してもよい。このようにリーン車両Ｘの走行位置の乖離度合いを算出した場合には、例えば、走行位置の乖離度合いが大きいほど運転者の協調性が低いと判断され、前記乖離度合いが小さいほど運転者の協調性が高いと判断される。
前記誠実性は、自己統制力、達成への意思、まじめさ、責任感の強さを表す。前記誠実性は、例えば、交通規則遵守の度合い、及び、リーン車両Ｘの走行のばらつきの少なさと関連性を有する。前記交通規則遵守の度合いは、マップデータに収録されている走行位置に応じた規制情報と、リーン車両Ｘの挙動とに基づいて判断される。交通規則を遵守しない走行は、例えば、速度が４０Ｋｍ／ｈで規制されている道路を６０ｋｍ／ｈで走行したり、車両の一時停止が義務付けられている地点で一時停止をしなかったりする場合などを含む。
上述のような走行規則を守らずに走行する頻度が高いほど、運転者の誠実性が低いと判断され、走行規則を守らずに走行する頻度が低いほど、運転者の誠実性が高いと判断される。
また、前記走行のばらつきの場合には、リーン車両Ｘの走行環境が分類及び特定され、該走行環境内でのリーン車両Ｘの車体挙動のパラメータの違いまたはばらつき（例えば標準偏差など)に基づいて、運転者の誠実性が判断される。誠実性の高いライダーは、自己統制力が高く、まじめであることから、遵法走行を行うとともに、突発的な行動を起こさないと考えられる。
前記誠実性は、例えば、前記リーン車両走行データのうち、リーン車両Ｘのリーン車両位置データ、マップデータを含むリーン車両走行環境データ及びリーン車両挙動データを用いて、把握することができる。
なお、前記パーソナリティ変換データは、Ｃｌｏｎｉｎｇｅｒの気質と性格の7次元モデル（木島ら，季刊 精神科診断学（日本評論社） 第７巻第３号 別刷，ｐ３７９－３９９）、運転者行動と性格データ（詫摩武俊，ＩＡＴＳＳ ｒｅｖｉｅｗ Ｖｏｌ．２ Ｎｏ．３，Ｓｅｐｔｅｍｂｅｒ １９７６，ｐ１８３－１９０）、ドライバ個人特性の評価指標（石橋ら，マツダ技報、Ｎｏ．２２（２００４），ｐ１５５－１６０）などを利用して、生成してもよい。“Ｃｌｏｎｉｎｇｅｒの気質と性格の7次元モデル”は、例えば、メンタルヘルス関係の研究所のＨＰ（ｈｔｔｐｓ：／／ｗｗｗ．ｉｎｓｔｉｔｕｔｅ－ｏｆ－ｍｅｎｔａｌ－ｈｅａｌｔｈ．ｊｐ／ｔｈｅｓｉｓ／ｐｄｆ／ｔｈｅｓｉｓ－０６／ｔｈｅｓｉｓ－０６－０４．ｐｄｆ）等に掲載されている。
例えば、Ｃｌｏｎｉｎｇｅｒの気質と性格の7次元モデルでは、気質を、新奇***求、報酬依存、損害回避及び固執により表現し、性格を、自己志向、協調及び自己超越により表現している。運転者行動と性格データでは、性格を、内閉性、同調性、粘着性、顕示性、過敏性、過信性の６類型に分類している。また、ドライバ個人特性の評価指標では、運転スタイルを、運転スキルへの自信、運転に対する消極性、せっかちな運転傾向、几帳面な運転傾向、信号に対する事前準備的な運転、ステイタスシンボルとしての車、不安定な精神状態での運転及び心配性的傾向により表現している。
前記パーソナリティ変換データは、予め生成されてデータ記憶部６０に格納されたデータであってもよいし、パーソナリティ変換データ取得部１０で生成されるデータであってもよい。パーソナリティ変換データ取得部１０は、前記パーソナリティ変換データを、取得したリーン車両走行データ及びパーソナリティを用いて、更新してもよい。
パーソナリティデータ変換部３０は、上述のパーソナリティ変換データを用いて、分析用リーン車両走行データ取得部２０で取得された分析用のリーン車両走行データを、変換パーソナリティデータに変換する。このとき、パーソナリティデータ変換部３０は、例えば、既述した、神経症傾向、外向性、経験への開放性、協調性、誠実性の５つの要素について、分析対象者である運転者のレベル付けを行う。このレベル付けは、上述の各要素に関して、連続値で表現されてもよいし、閾値によって分けられた複数の段階で表現されてもよい。また、パーソナリティデータ変換部３０は、上述の各要素でレベル付けした結果を用いて、複数の類型に分類し、その分類結果を変換パーソナリティデータとしてもよい。
出力用パーソナリティデータ生成部４０は、パーソナリティデータ変換部３０によって変換された変換パーソナリティデータを用いて、出力用のパーソナリティデータを生成する。この出力用のパーソナリティデータは、パーソナリティ分析装置１から出力されるデータである。前記出力用のパーソナリティデータは、前記変換パーソナリティデータと同じデータであってもよいし、前記変換パーソナリティデータを用いて、パーソナリティ分析装置１の出力データとして要求されるデータに変換されたデータであってもよい。
また、出力用パーソナリティデータ生成部４０は、前記変換パーソナリティデータを情報処理して、出力用のパーソナリティデータを生成してもよい。例えば、出力用パーソナリティデータ生成部４０は、データ記憶部６０に前記変換パーソナリティデータを記憶し、データ記憶部６０に記憶されている変換パーソナリティデータの中から抽出された変換パーソナリティデータを用いて、出力用のパーソナリティデータを生成してもよい。具体的には、例えば、出力用パーソナリティデータ生成部４０は、データ記憶部６０に記憶されている一定期間内の変換パーソナリティデータから、出力用のパーソナリティデータを生成してもよい。
データ出力部５０は、出力用パーソナリティデータ生成部４０で生成された出力用のパーソナリティデータを、パーソナリティ分析装置１の外部に出力する。
以上の構成により、パーソナリティ分析装置１によって、分析対象者が運転するリーン車両Ｘのリーン車両走行データを用いて、分析対象者のパーソナリティを分析し、その分析結果を出力用のパーソナリティデータとして出力することができる。
（パーソナリティ分析方法）
次に、図２を用いて、上述の構成を有するパーソナリティ分析装置１によって行われるパーソナリティ分析方法を説明する。図２は、パーソナリティ分析装置１の動作の一例、すなわちパーソナリティ分析方法の一例を示すフローである。
まず、分析用リーン車両走行データ取得部２０が、リーン車両Ｘの分析用のリーン車両走行データを取得する（ステップＳＡ１）。この分析用のリーン車両走行データには、例えば、分析用のリーン車両運転入力データ、分析用のリーン車両挙動データ、分析用のリーン車両位置データ及び分析用のリーン車両走行環境データなどが含まれる。
なお、前記分析用のリーン車両走行データは、分析用のリーン車両運転入力データ、分析用のリーン車両挙動データ、分析用のリーン車両位置データ及び分析用のリーン車両走行環境データ以外のデータを含んでいてもよい。また、前記分析用のリーン車両走行データは、前記分析用のリーン車両運転入力データ、前記分析用のリーン車両挙動データ、前記分析用のリーン車両位置データ及び前記分析用のリーン車両走行環境データのうち、一つまたは複数のデータのみを含んでいてもよい。
次に、パーソナリティデータ変換部３０は、取得したリーン車両Ｘの分析用のリーン車両走行データを、パーソナリティ変換データによって、変換パーソナリティデータに変換する（ステップＳＡ２）。このパーソナリティ変換データは、複数の運転者がリーン車両をそれぞれ運転した際に得られるリーン車両走行データと、パーソナリティデータとが関連付けられたデータである。本実施形態では、前記パーソナリティ変換データは、ビッグファイブ理論を用いて、複数の運転者がリーン車両をそれぞれ運転した際に得られるデータ変換用のリーン車両走行データに基づいて生成されたデータである。
出力用パーソナリティデータ生成部４０は、前記変換された変換パーソナリティデータを用いて、出力用のパーソナリティデータを生成する（ステップＳＡ３）。
データ出力部５０は、生成されたパーソナリティデータを出力する（ステップＳＡ４）。その後、このフローを終了する（エンド）。
以上の構成により、従来のような質問回答形式ではなく、運転者の恣意性が少なく且つ運転者の本質的なパーソナリティをより反映したリーン車両走行データを用いて、運転者である分析対象者のパーソナリティデータを取得することができる。このようにリーン車両走行データを用いることにより、分析対象者に対して非常に多くの質問を行う必要がある従来の質問回答形式によるパーソナリティ分析方法に比べて、パーソナリティ分析システムで処理するデータの量を減らすことができる。
すなわち、パーソナリティの分析にリーン車両の走行データを用いることで、システムで処理するデータの種類を低減でき、パーソナリティ分析装置１のハードウェアの負荷を低減できる。また、パーソナリティ分析装置１で必要とするハードウェアリソースを低減できるため、パーソナリティ分析装置１のハードウェアリソースの設計の自由度を高めることできる。
したがって、ハードウェアリソースの設計自由度を高めつつ、パーソナリティデータを取得することができる。
本実施形態は、分析対象者のパーソナリティを分析するパーソナリティ分析方法の一例である。本実施形態のパーソナリティ分析方法は、以下の工程を含んでいる。
本実施形態のパーソナリティ分析方法では、パーソナリティを示すパーソナリティデータとリーン車両の走行データであるリーン車両走行データとを関連付けるパーソナリティ変換データを取得する。このパーソナリティ変換データは、複数の運転者がリーン車両を運転する時にそれぞれ得られるリーン車両の走行データに関連するデータ変換用のリーン車両走行データに基づいて生成される。
なお、前記データ変換用のリーン車両走行データは、複数の運転者によるリーン車両走行データを意味する。また、前記リーン車両は、右旋回時に右に傾斜し且つ左旋回時に左に傾斜する車両である。データ変換用のリーン車両は、前記データ変換用のリーン車両走行データの対象となる複数の運転者が運転するリーン車両を意味する。
例えば、前記データ変換用のリーン車両走行データは、前記データ変換用のリーン車両に設けられた各種センサで取得してもよい。また、前記データ変換用のリーン車両走行データは、前記データ変換用のリーン車両に容易に着脱可能に設けられた各種センサで取得してもよい。前記データ変換用のリーン車両走行データは、前記データ変換用のリーン車両にデータ収集のために一時的に設けられた各種センサで取得してもよい。
パーソナリティ分析方法では、分析対象者がリーン車両Ｘを運転する時に得られるリーン車両Ｘの走行データに関連する分析用のリーン車両走行データを取得する。
なお、分析用のリーン車両走行データは、前記分析対象者が運転するリーン車両Ｘのリーン車両走行データを意味する。分析用のリーン車両は、分析用のリーン車両走行データを取得する対象である、前記分析対象者が運転するリーン車両Ｘを意味する。
前記分析対象者は、前記複数の運転者に含まれていてもよい。前記分析対象者は、前記複数の運転者に含まれていなくてもよい。前記分析用のリーン車両は、前記データ変換用のリーン車両に含まれていてもよい。前記分析用のリーン車両は、前記データ変換用のリーン車両に含まれていなくてもよい。前記分析用のリーン車両走行データは、前記データ変換用のリーン車両走行データに含まれていてもよい。前記分析用のリーン車両走行データは、前記データ変換用のリーン車両走行データに含まれていなくてもよい。
例えば、前記分析用のリーン車両走行データは、前記分析用のリーン車両に設けられた各種センサによって取得されてもよい。また、前記分析用のリーン車両走行データは、前記分析用のリーン車両に容易に着脱可能に設けられた各種センサによって取得されてもよい。前記分析用のリーン車両走行データは、前記分析用のリーン車両にデータ収集のために一時的に設けられた各種センサによって取得されてもよい。
なお、前記分析用のリーン車両走行データを収集するための各種センサは、前記データ変換用のリーン車両走行データを収集するための各種センサより検出精度が低くてよい。
なお、前記分析用のリーン車両走行データを収集するための各種センサは、前記データ変換用のリーン車両走行データを収集するための各種センサと同じでもよい。
なお、前記分析用のリーン車両走行データに含まれるデータの種類は、前記データ変換用のリーン車両走行データに含まれるデータの種類よりも少なくてよい。前記分析用のリーン車両走行データに含まれるデータの種類は、前記データ変換用のリーン車両走行データに含まれるデータの種類と同じでもよい。
パーソナリティ分析装置１は、前記取得した分析用のリーン車両走行データを、前記取得したパーソナリティ変換データを用いて、分析対象者のパーソナリティに関連する変換パーソナリティデータに変換する。
パーソナリティ分析装置１は、前記変換された変換パーソナリティデータを用いて、出力するための出力用のパーソナリティデータを生成する。
パーソナリティ分析装置１は、前記生成された出力用のパーソナリティデータを出力する。
他の観点によれば、前記パーソナリティ分析方法は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、運転者による前記データ変換用のリーン車両に対する運転の変化が反映されていないデータより運転者による前記データ変換用のリーン車両に対する運転の変化が反映されているデータを多く含む。前記分析用のリーン車両走行データは、分析対象者による前記分析用のリーン車両に対する運転の変化が反映されていないデータより分析対象者による前記分析用のリーン車両に対する運転の変化が反映されているデータを多く含む。
リーン車両の運転者は、状況を認識し、判断して運転を行う。この時、判断の前後で運転者が運転を変化させる場合と運転を変化させない場合とが存在する。リーン車両では、運転のバリエーションが多く、且つ、運転者の判断の選択肢が多いため、この運転者が運転を変化させるシーンのバリエーションが非常に多い。そこで、このリーン車両の運転者が運転を変化させるシーンに着目すると、運転者によるリーン車両に対する運転の変化が反映されているデータを多く含むリーン車両走行データには、恣意性が少なく本質的な運転者のパーソナリティがより強く現れやすい。
リーン車両走行データを、運転者によるリーン車両に対する運転の変化が反映されていないデータと、運転者によるリーン車両に対する運転の変化が反映されているデータとに分離する方法には、以下の方法が存在する。
例えば、リーン車両走行データの中から、運転者によるリーン車両に対する運転の変化を直接的に見て、分離することができる。
例えば、リーン車両走行データの中から、直接的に、運転者によるリーン車両に対する運転の変化による結果が現れるリーン車両の挙動を見て、分離することができる。
例えば、リーン車両走行データの中から、運転者によるリーン車両に対する運転の変化による結果が現れるリーン車両の位置を見て、分離することができる。
例えば、リーン車両走行データの中から、運転者によるリーン車両に対する運転を変化させる頻度が高い場所を走行していることを示すリーン車両の位置を見て、分離することができる。
具体的には、リーン車両の位置データとリーン車両の走行環境データ（例えば、マップデータ）とを用いて分離することができる。より具体的には、郊外の走行データと街中の走行データとで分離してもよい。郊外の走行データを運転者によるリーン車両に対する運転の変化が反映されていないデータとし、街中の走行データを運転者によるリーン車両に対する運転の変化が反映されているデータとしてもよい。
他の観点によれば、前記パーソナリティ分析方法は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、運転者による前記データ変換用のリーン車両への運転入力に関連するデータ変換用のリーン車両運転入力データ、データ変換用のリーン車両の挙動に関連するデータ変換用のリーン車両挙動データ及びデータ変換用のリーン車両の位置に関連するデータ変換用のリーン車両位置データのうちの少なくとも一つを含む。前記分析用のリーン車両走行データは、分析対象者による前記分析用のリーン車両への運転入力に関連する分析用のリーン車両運転入力データ、前記分析用のリーン車両の挙動に関連する分析用のリーン車両挙動データ及び前記分析用のリーン車両の位置に関連する分析用のリーン車両位置データのうちの少なくとも一つを含む。
リーン車両運転入力データは、運転者による運転入力に関連するデータであるため、運転者の判断の結果をより反映している。リーン車両では、運転者による操作の種類が多く、運転時に運転者の選択の自由度も高いため、運転者のパーソナリティが強く反映される傾向がある。
リーン車両挙動データは、運転者のパーソナリティが強く反映されている運転者の運転入力の結果が強く反映される。そのため、リーン車両挙動データにも、運転者のパーソナリティが強く反映される傾向がある。
リーン車両位置データは、運転者のパーソナリティが強く反映されている運転者の運転入力の結果が強く反映される。そのため、リーン車両位置データにも、運転者のパーソナリティが強く反映される傾向がある。
これにより、分析対象者のパーソナリティに関連するパーソナリティデータに変換する際に用いられるリーン車両走行データは、運転者である分析対象者のパーソナリティをより反映するデータを含む。
他の観点によれば、前記パーソナリティ分析方法は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、更に前記データ変換用のリーン車両が走行する走行環境に関連するデータ変換用のリーン車両走行環境データを含む。前記分析用のリーン車両走行データは、更に前記分析用のリーン車両が走行する走行環境に関連する分析用のリーン車両走行環境データを含む。
走行環境データは、運転者が受ける外部からのストレスの一例であると考えられる。走行環境データは、運転者の判断に影響を与える。走行環境データは、運転者の運転に影響を与える。そのため、走行環境データを用いることで、リーン車両の走行データには運転者のパーソナリティがより強く現れやすくなる。また、走行環境データを用いることで、リーン車両の利用目的及び利用頻度が影響を受けるため、リーン車両の走行データには運転者のパーソナリティが強く現れやすい。
これにより、分析対象者のパーソナリティに関連するパーソナリティデータに変換する際に用いられるリーン車両走行データは、運転者である分析対象者のパーソナリティをより反映するデータを含む。
リーン車両走行環境データは、例えば、マップデータを含む。マップデータは、例えば、道路状況に関する情報、信号、設備などの道路交通環境に関する情報、道路の走行に関する規制情報などと関連付けられていてもよい。リーン車両走行環境データは、前記リーン車両運転入力データ、前記リーン車両挙動データ及び前記リーン車両位置データとともに、分析対象者の性格などのパーソナリティの分析に用いることができる。
他の観点によれば、前記パーソナリティ分析方法は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、前記データ変換用のリーン車両が公道以外を走行した時のデータより前記データ変換用のリーン車両が公道を走行した時のデータを多く含む。前記分析用のリーン車両走行データは、前記分析用のリーン車両が公道以外を走行した時のデータより前記分析用のリーン車両が公道を走行した時のデータを多く含む。
公道を走行中の運転者がリーン車両を運転している際には、運転者の判断回数がより多く、判断の選択肢が多く且つ外部からストレスに晒されやすい状況である。そのため、リーン車両の走行データには、運転者のパーソナリティがより強く現れやすい。また、リーン車両は、リーンしない車両に比べて機動性及び利便性が高いため、リーン車両の利用目的が多様になり、利用頻度が多くなる傾向がある。そのため、公道を走行するリーン車両の走行データには運転者のパーソナリティがより強く現れやすい。すなわち、公道を走行するリーン車両の走行データは、運転者の恣意性が少なく且つ運転者の本質的なパーソナリティをより反映する。例えば、公道を走行しているデータか否かは、リーン車両位置データ及びリーン車両走行環境データから判別してもよい。
他の観点によれば、前記パーソナリティ分析方法は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、前記データ変換用のリーン車両の周囲の車両によって運転者の判断の選択肢が制限を受けるが複数残されている状態でのデータを含む。前記分析用のリーン車両走行データは、前記分析用のリーン車両の周囲の車両によって分析対象者の判断の選択肢が制限を受けるが複数残されている状態でのデータを含む。
例えば、リーン車両の周囲の車両によって運転者の判断の選択肢が制限を受けるが複数残されている状態は、リーン車両位置データ及びリーン車両走行環境データから判別してもよい。より具体的には、リーン車両が走行している日付、時間、場所で状態を推定してもよい。市街地を走行している時のリーン車両走行データであれば、リーン車両の周囲の車両によって運転者の判断の選択肢が制限を受けるが複数残されている状態でのデータを含む。また、リーン車両の実際の周囲の状況に関するデータを取得して、状態を推定してもよい。複数の状態を推定する方法を組み合わせてもよい。
なお、リーン車両の周囲の車両によって運転者の判断の選択肢が制限を受けるが複数残されている状態とは、リーン車両を含む複数の車両の集団の中で、前記リーン車両の運転者が運転の判断を行う際に、選択肢が限られているものの複数の選択肢が残されているときの前記リーン車両の走行状態を意味する。
他の観点によれば、前記パーソナリティ分析方法は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、同乗者及び物の少なくとも一方を搭載した状態のデータを含む。前記分析用のリーン車両走行データは、同乗者及び物の少なくとも一方を搭載した状態のデータを含む。
例えば、同乗者及び物の少なくとも一方を搭載した状態か否かは、各種センサから判別してもよい。また、運転者による申告に基づいて判別してもよい。
他の観点によれば、前記パーソナリティ分析方法は、以下の構成を含むことが好ましい。前記パーソナリティ分析方法では、前記変換された変換パーソナリティデータ記憶する。前記パーソナリティ分析方法では、前記記憶された複数の変換パーソナリティデータを用いて、前記出力用のパーソナリティデータを生成する。なお、記憶とは、ストレージのための記憶だけでなく、結果の一時的な記憶も含む。例えば、ストレージに記憶された変換パーソナリティデータと一時メモリに記憶された変換パーソナリティデータとを用いてもよい。これらを用いて、ストレージに記憶されている変換パーソナリティデータを更新してもよい。これらを用いて、新たな変換パーソナリティデータを生成してもよい。これらを用いて、統計処理を行なってもよい。これらを用いて、ストレージに記憶されている変換パーソナリティデータを更新してもよい。
上述のように複数の変換パーソナリティデータを用いることで、例えば、統計的に処理することができ、リーン車両の運転者である分析対象者のパーソナリティをより精度良く分析することができる。より具体的には、古い変換パーソナリティデータ及び新しい変換パーソナリティデータを用いて、リーン車両Ｘの運転者である分析対象者のパーソナリティをより精度良く分析することができる。
本実施形態は、分析対象者のパーソナリティを分析するパーソナリティ分析装置の一例である。本実施形態のパーソナリティ分析装置は、以下の構成を含んでいる。
本実施形態に係るパーソナリティ分析装置は、心理状態、性格、気質等によって決まるパーソナリティを示すパーソナリティデータと右旋回時に右に傾斜し且つ左旋回時に左に傾斜するリーン車両の走行データであるリーン車両走行データとを関連付けて生成されたパーソナリティ変換データを取得するパーソナリティ変換データ取得部と、右旋回時に右に傾斜し且つ左旋回時に左に傾斜する分析用のリーン車両の走行データに関連する分析用のリーン車両走行データを取得する分析用リーン車両走行データ取得部と、前記取得したパーソナリティ変換データを用いて、前記取得した分析用のリーン車両走行データを前記分析対象者のパーソナリティに関連する変換パーソナリティデータに変換するパーソナリティデータ変換部と、前記変換された変換パーソナリティデータを用いて、出力するための出力用のパーソナリティデータを生成する出力用パーソナリティデータ生成部と、前記生成された出力用のパーソナリティデータを出力するデータ出力部と、を備える。
前記パーソナリティ変換データ取得部は、複数の運転者がデータ変換用のリーン車両を運転する時にそれぞれ得られる走行データに関連するデータ変換用のリーン車両走行データに基づいて、前記パーソナリティを示すパーソナリティデータとリーン車両の走行データであるリーン車両走行データとを関連付けて前記パーソナリティ変換データを生成する。
前記分析用リーン車両走行データ取得部は、前記分析用のリーン車両走行データとして、分析対象者が前記分析用のリーン車両を運転する時に得られる前記分析用のリーン車両の走行データに関連するデータを取得する。
パーソナリティ分析装置は、右旋回時に右に傾斜し且つ左旋回時に左に傾斜する分析用のリーン車両を運転する分析対象者のパーソナリティを分析する。
他の観点によれば、前記パーソナリティ分析装置は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、前記複数の運転者が前記データ変換用のリーン車両を傾斜状態で運転する時にそれぞれ得られる走行データに関連するデータを含む。前記分析用のリーン車両走行データは、前記分析対象者が前記分析用のリーン車両を傾斜状態で運転する時に得られる走行データに関連するデータを含む。
これにより、運転者のパーソナリティがより顕著に現われやすい、リーン車両の傾斜状態における走行データを用いて、分析対象者のパーソナリティを分析することができる。よって、運転者である分析対象者のパーソナリティをより精度良く分析することができる。
他の観点によれば、前記パーソナリティ分析装置は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、前記運転者による前記データ変換用のリーン車両に対する運転の変化が反映されていないデータより前記運転者による前記データ変換用のリーン車両に対する運転の変化が反映されているデータを多く含む。前記分析用のリーン車両走行データは、前記分析対象者による前記分析用のリーン車両に対する運転の変化が反映されていないデータより前記分析対象者による前記分析用のリーン車両に対する運転の変化が反映されているデータを多く含む。
他の観点によれば、前記パーソナリティ分析装置は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、前記運転者による前記データ変換用のリーン車両への運転入力に関連するデータ変換用のリーン車両運転入力データ、前記データ変換用のリーン車両の挙動に関連するデータ変換用のリーン車両挙動データ及び前記データ変換用のリーン車両の位置に関連するデータ変換用のリーン車両位置データのうちの少なくとも一つを含む。前記分析用のリーン車両走行データは、前記分析対象者による前記分析用のリーン車両への運転入力に関連する分析用のリーン車両運転入力データ、前記分析用のリーン車両の挙動に関連する分析用のリーン車両挙動データ及び前記分析用のリーン車両の位置に関連する分析用のリーン車両位置データのうち少なくとも一つを含む。
他の観点によれば、前記パーソナリティ分析装置は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、更に前記データ変換用のリーン車両が走行する走行環境に関連するデータ変換用のリーン車両走行環境データを含む。前記分析用のリーン車両走行データは、更に前記分析用のリーン車両が走行する走行環境に関連する分析用のリーン車両走行環境データを含む。
他の観点によれば、前記パーソナリティ分析装置は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、前記データ変換用のリーン車両が公道以外を走行した時のデータより前記データ変換用のリーン車両が公道を走行した時のデータを多く含む。前記分析用のリーン車両走行データは、前記分析用のリーン車両が公道以外を走行した時のデータより前記分析用のリーン車両が公道を走行した時のデータを多く含む。
他の観点によれば、前記パーソナリティ分析装置は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、前記データ変換用のリーン車両の周囲の車両によって運転者の判断の選択肢が制限を受けるが複数残されている状態でのデータを含む。前記分析用のリーン車両走行データは、前記分析用のリーン車両の周囲の車両によって分析対象者の判断の選択肢が制限を受けるが複数残されている状態でのデータを含む。
他の観点によれば、前記パーソナリティ分析装置は、以下の構成を含むことが好ましい。前記データ変換用のリーン車両走行データは、同乗者及び物の少なくとも一方を搭載した状態のデータを含む。前記分析用のリーン車両走行データは、同乗者及び物の少なくとも一方を搭載した状態のデータを含む。
＜実施形態２＞
図３に、実施形態１のパーソナリティ分析装置１を含むパーソナリティ分析システム１００の一例を示す。以下で、実施形態１の構成と同様については同一の符号を付して説明を省略し、実施形態１と異なる構成についてのみ説明する。
パーソナリティ分析システム１００は、パーソナリティ分析装置１と、パーソナリティ変換データを生成するパーソナリティ変換データ生成装置１０１とを備える。
パーソナリティ変換データ生成装置１０１は、例えば、パーソナリティ分析装置１と通信可能で且つプロセッサを有する情報処理演算装置である。なお、パーソナリティ分析装置１がプロセッサを有する情報処理演算装置である場合、パーソナリティ変換データ生成装置１０１は、パーソナリティ分析装置１と同じ情報処理演算装置であってもよい。
パーソナリティ変換データ生成装置１０１は、リーン車両走行データ及びパーソナリティデータを取得し、前記リーン車両走行データと前記パーソナリティデータとが関連付けられたパーソナリティ変換データを生成する。
詳しくは、パーソナリティ変換データ生成装置１０１は、データ記憶部１１１と、パーソナリティ変換データ生成部１１２とを有する。なお、特に図示しないが、パーソナリティ変換データ生成装置１０１は、リーン車両走行データ及びパーソナリティデータを取得する取得部を有する。また、特に図示しないが、パーソナリティ変換データ生成装置１０１は、生成したパーソナリティ変換データを出力する出力部を有する。
データ記憶部１１１は、リーン車両走行データ、パーソナリティデータ及びパーソナリティ変換データを格納する。具体的には、データ記憶部１１１には、複数の運転者がリーン車両Ｙ（データ変換用のリーン車両）を運転するときにそれぞれ得られるデータ変換用のリーン車両走行データが格納される。また、データ記憶部１１１には、後述するパーソナリティ変換データ生成部１１２で生成されたパーソナリティ変換データが格納される。
なお、データ記憶部１１１には、パーソナリティデータが入力によって格納されてもよいし、パーソナリティデータが予め格納されていてもよい。
前記データ変換用のリーン車両走行データは、例えば、データ変換用のリーン車両運転入力データ、データ変換用のリーン車両挙動データ、データ変換用のリーン車両位置データ及びデータ変換用のリーン車両走行環境データなどを含む。
パーソナリティ変換データ生成部１１２は、データ記憶部１１１に格納されているデータ変換用のリーン車両走行データに基づいて、リーン車両走行データとパーソナリティデータとが関連付けられたパーソナリティ変換データを生成する。パーソナリティ変換データ生成部１１２で生成されたパーソナリティ変換データは、データ記憶部１１１に格納される。
データ記憶部１１１に格納されているパーソナリティ変換データは、パーソナリティ分析装置１で、リーン車両Ｘ（分析用のリーン車両）のリーン車両走行データ（分析用のリーン車両走行データ）を変換パーソナリティデータに変換する際に用いられる。パーソナリティ分析装置１においてリーン車両走行データを変換パーソナリティデータに変換する方法は、実施形態１と同様であるため、詳しい説明を省略する。
パーソナリティ分析装置１は、前記変換パーソナリティデータを用いて出力用のパーソナリティデータを生成し、該出力用のパーソナリティデータを出力する。パーソナリティ分析装置１の構成は、実施形態１と同様であるため、パーソナリティ分析装置１の詳しい説明を省略する。
パーソナリティ分析装置１から出力された出力用のパーソナリティデータは、例えば、情報処理装置１０２に入力されてもよい。この場合、前記出力用のパーソナリティデータは、パーソナリティ分析装置１において、情報処理装置１０２で情報処理に用いられる情報処理用パーソナリティデータとして生成される。
情報処理装置１０２は、例えば、金融、保険、販売、広告などのビジネスで用いられる金融、保険、市場、商品、サービス、環境または顧客に関連するデータの処理を行う装置であってもよい。パーソナリティ分析装置１が情報処理演算装置である場合、情報処理装置１０２は、パーソナリティ分析装置１と同じ装置であってもよい。情報処理装置１０２は、パーソナリティ変換データ生成装置１０１と同じ情報処理演算装置であってもよい。
情報処理装置１０２は、例えば、出力用パーソナリティデータ取得部１２１と、第１データ取得部１２２と、第２データ生成部１２３と、第２データ出力部１２４と、データ記憶部１２５とを有する。
出力用パーソナリティデータ取得部１２１は、パーソナリティ分析装置１から出力される前記出力用のパーソナリティデータを取得する。
第１データ取得部１２２は、前記出力用のパーソナリティデータとは異なる第１データを取得する。この第１データは、情報処理装置１０２において情報処理対象のデータである。前記第１データは、例えば、金融、保険、販売、広告などのビジネスで用いられる金融、保険、市場、商品、サービス、環境または顧客に関連するデータである。前記第１データは、データ記憶部１２５に格納されている。
第２データ生成部１２３は、前記出力用のパーソナリティデータ及び前記第１データを用いて、前記出力用のパーソナリティデータ及び前記第１データとは異なる第２データを生成する。この第２データも、前記第１データと同様、例えば、金融、保険、販売、広告などのビジネスで用いられる金融、保険、市場、商品、サービス、環境または顧客に関連するデータである。
第２データ出力部１２４は、第２データ生成部１２３で生成された第２データを出力する。
（パーソナリティデータを用いる情報処理方法）
次に、上述の構成を有する情報処理装置１０２によって、出力用のパーソナリティデータを用いて情報処理を行う情報処理方法について、図４に示すフローチャートを用いて説明する。図４は、情報処理装置１０２による情報処理の動作を示すフローチャートである。
図４に示すように、まず、情報処理装置１０２の出力用パーソナリティデータ取得部１２１が、パーソナリティ分析装置１から出力された出力用のパーソナリティデータを取得する（ステップＳＢ１）。
次に、情報処理装置１０２の第１データ取得部１２２が、データ記憶部１２５に格納されている第１データを取得する（ステップＳＢ２）。この第１データは、前記出力用のパーソナリティデータとは異なるデータである。
その後、情報処理装置１０２の第２データ生成部１２３が、前記取得した出力用のパーソナリティデータ及び前記取得した第１データを用いて、第２データを生成する（ステップＳＢ３）。この第２データは、前記出力用のパーソナリティデータ及び前記第１データとは異なるデータである。
続いて、情報処理装置１０２の第２データ出力部１２４が、前記生成された第２データを出力する（ステップＳＢ４）。
このようにパーソナリティ分析装置１から出力された出力用のパーソナリティデータは、例えば、金融または保険などの分野において、情報処理装置で信用リスクまたは信用スコアを演算処理する際に、利用することができる。すなわち、リーン車両走行データを用いて得られたパーソナリティデータを、金融、保険、販売及び広告などの分野における情報処理装置の演算処理に利用することができる。
具体的には、金融または保険などの分野において、情報処理装置は、出力された出力用のパーソナリティデータを取得し、その取得された出力用のパーソナリティデータを用いて、演算処理により信用リスクまたは信用スコアを出力することができる。
金融または保険などの分野において、情報処理方法は、パーソナリティ分析装置１から出力された出力用のパーソナリティデータを取得する工程と、その取得された出力用のパーソナリティデータを用いて信用リスクに関する信用リスクデータまたは信用スコアに関する信用スコアデータを出力する工程とを含んでいてもよい。
金融または保険などの分野において、情報処理装置は、パーソナリティ分析装置１から出力された出力用のパーソナリティデータを取得するパーナリティデータ取得部と、その取得されたパーソナリティデータを用いて、信用リスクに関する信用リスクデータを出力する信用リスク出力部または信用スコアに関する信用スコアデータを出力する信用スコア出力部とを含んでいてもよい。
上述の情報処理方法及び情報処理装置において、出力された信用リスクが低い場合または信用スコアが高い場合には、例えば、分析対象者が融資を受けやすくしたり、分析対象者が融資を受ける場合には金利優遇したり、または分析対象者が保険料の優遇等を受けたりできるようにしてもよい。
さらに、上述のようにパーソナリティ分析装置１から出力された出力用のパーソナリティデータは、例えば、販売または広告などの分野において情報処理装置で演算処理する際に、分析対象者に推奨する際に考慮するパラメータとして利用することができる。販売または広告などの分野において、情報処理装置で演算処理を行うことによって、分析対象者のパーソナリティデータに応じて該分析対象者に商品またはサービスを勧めてもよい。
具体的には、販売または広告などの分野において、情報処理装置は、パーソナリティ分析装置１から出力された出力用のパーソナリティデータを取得し、その取得された出力用のパーソナリティデータを用いて、演算処理により分析対象者に勧める商品またはサービスを出力することができる。
販売または広告などの分野において情報処理装置は、パーソナリティ分析装置１から出力された出力用のパーソナリティデータを取得するパーナリティデータ取得部と、その取得された出力用のパーソナリティデータを用いて、分析対象者に勧める商品に関する商品関連データを出力する商品関連データ出力部またはサービスに関するサービス関連データを出力するサービス関連データ出力部とを含んでいてもよい。
販売または広告などの分野において、情報処理方法は、パーソナリティ分析装置１から出力されたパーソナリティデータを取得する工程と、その取得されたパーソナリティデータを用いて分析対象者に勧める商品に関する商品関連データまたはサービスに関するサービス関連データを出力する工程とを含んでいてもよい。
上述の各実施形態におけるパーソナリティ分析方法は、分析対象者のパーソナリティを分析するパーソナリティ分析方法の一例である。
なお、本発明のパーソナリティ分析方法は、以下の構成を含むことが好ましい。出力用のパーソナリティデータは、更なる情報処理に用いられる情報処理用パーソナリティデータとして生成される。
例えば、前記更なる情報処理としては、金融、保険、販売、広告などのビジネスで用いられる金融、保険、市場、商品、サービス、環境または顧客に関連するデータの処理であってもよい。
他の観点によれば、本発明のパーソナリティ分析方法で出力されたパーソナリティデータは、以下のパーソナリティデータを用いる情報処理方法に用いることが好ましい。この情報処理方法では、前記出力された出力用のパーソナリティデータを取得する。前記情報処理方法では、前記出力用のパーソナリティデータとは異なる第１データを取得する。前記情報処理方法では、前記出力用のパーソナリティデータ及び前記取得した第１データを用いて、前記出力用のパーソナリティデータ及び前記取得した第１データと異なる第２データを生成する。前記情報処理方法では、前記生成した第２データを出力する。
パーソナリティデータを用いる情報処理方法は、背景技術に記載した特許文献に記載されているような情報処理方法を含む。ただし、背景技術に記載した特許文献に記載されているような情報処理方法に限定されることは無い。前記情報処理方法は、パーソナリティデータを用いる情報処理方法であればどのような情報処理方法であってもよい。例えば、前記第１データ及び前記第２データは、金融、保険、販売、広告などのビジネスで用いられる金融、保険、市場、商品、サービス、環境または顧客に関連するデータであってもよい。
本実施形態の構成により、パーソナリティ分析装置１及びそれを用いたパーソナリティ分析方法によって、情報処理装置１０２で利用可能なパーソナリティのデータを取得できる。また、実施形態１で説明したように、パーソナリティの分析にリーン車両の走行データを用いることで、システムで処理するデータの種類を低減でき、パーソナリティ分析装置１のハードウェアの負荷を低減できる。
したがって、ハードウェアリソースの設計自由度を高めつつ、情報処理装置で利用可能なパーソナリティデータを取得することができる。
なお、本発明のパーソナリティ分析装置は、以下の構成を含むことが好ましい。前記出力用のパーソナリティデータは、更なる情報処理に用いられる情報処理用パーソナリティデータとして生成される。
他の観点によれば、本発明のパーソナリティ分析装置で出力されたパーソナリティデータは、以下のパーソナリティデータを用いる情報処理装置に用いることが好ましい。この情報処理装置は、前記出力用のパーソナリティデータを取得する出力用パーソナリティデータ取得部と、前記出力用のパーソナリティデータとは異なる第１データを取得する第１データ取得部と、前記出力用のパーソナリティデータ及び前記第１データを用いて、前記出力用のパーソナリティデータ及び前記第１データと異なる第２データを生成する第２データ生成部と、前記第２データを出力する第２データ出力部と、を備える。
なお、前記各実施形態では、リーン車両走行データを用いて、パーソナリティ変換データを生成しているが、リーン車両走行データだけでなく、リーン車両走行データ以外のデータも用いて、パーソナリティ変換データを生成してもよい。
また、前記各実施形態では、リーン車両走行データを分析用リーン車両走行データとして取得し、パーソナリティ変換データを用いて、前記分析用リーン車両走行データを分析対象者のパーソナリティに関連する変換パーソナリティデータに変換している。しかしながら、リーン車両走行データ以外のデータも分析用に取得して、そのデータ及びリーン車両走行データを、パーソナリティ変換データを用いて変換パーソナリティデータに変換してもよい。
また、出力用のパーソナリティデータを、リーン車両走行データ以外のデータと組み合わせて、利用してもよい。
このように、前記各実施形態で説明した各データを、リーン車両走行データ以外のデータと組み合わせてもよい。
本発明は、分析対象者のパーソナリティを分析するパーソナリティ分析方法、パーソナリティ分析装置に利用可能であるとともに、これらの方法及び装置で得られたパーソナリティデータを用いる情報処理方法及び情報処理装置にも利用可能である。
１ パーソナリティ分析装置
１０ パーソナリティ変換データ取得部
２０ 分析用リーン車両走行データ取得部
３０ パーソナリティデータ変換部
４０ 出力用パーソナリティデータ生成部
５０ データ出力部
６０、１１１、１２５ データ記憶部
１００ パーソナリティ分析システム
１０１ パーソナリティ変換データ生成装置
１１２ パーソナリティ変換データ生成部
１０２ 情報処理装置
１２１ 出力用パーソナリティデータ取得部
１２２ 第１データ取得部
１２３ 第２データ生成部
１２４ 第２データ出力部
Ｘ リーン車両（分析用のリーン車両）
Ｙ リーン車両（データ変換用のリーン車両）

Claims (18)

  1. パーソナリティ分析装置によってそれぞれ実行される、
    少なくとも心理状態、性格または気質によって決まるパーソナリティを示すパーソナリティデータと、右旋回時に右に傾斜し且つ左旋回時に左に傾斜するリーン車両の走行データであるリーン車両走行データとを関連付けて生成されたパーソナリティ変換データを取得するパーソナリティ変換データ取得工程と、
    右旋回時に右に傾斜し且つ左旋回時に左に傾斜する分析用のリーン車両の走行データに関連する分析用のリーン車両走行データを取得する分析用リーン車両走行データ取得工程と、
    前記取得したパーソナリティ変換データを用いて、前記取得した分析用のリーン車両走行データを分析対象者のパーソナリティに関連する変換パーソナリティデータに変換するパーソナリティデータ変換工程と、
    前記変換された変換パーソナリティデータを用いて、出力するための出力用のパーソナリティデータを生成する出力用パーソナリティデータ生成工程と、
    前記生成された出力用のパーソナリティデータを出力するパーソナリティデータ出力工程と、
    を有し、
    前記パーソナリティ変換データ取得工程では、複数の運転者がデータ変換用のリーン車両を運転する時にそれぞれ得られる走行データに関連するデータ変換用のリーン車両走行データに基づいて、前記パーソナリティを示すパーソナリティデータとリーン車両の走行データであるリーン車両走行データとを関連付けて前記パーソナリティ変換データを生成し、
    前記分析用リーン車両走行データ取得工程では、前記分析用のリーン車両走行データとして、分析対象者が前記分析用のリーン車両を運転する時に得られる前記分析用のリーン車両の走行データに関連するデータを取得し、
    前記分析用のリーン車両を運転する前記分析対象者のパーソナリティを分析する、
    パーソナリティ分析方法。
  2. 請求項１に記載のパーソナリティ分析方法において、
    前記データ変換用のリーン車両走行データは、前記複数の運転者が前記データ変換用のリーン車両を傾斜状態で運転する時にそれぞれ得られる走行データに関連するデータを含み、
    前記分析用のリーン車両走行データは、前記分析対象者が前記分析用のリーン車両を傾斜状態で運転する時に得られる走行データに関連するデータを含む、
    パーソナリティ分析方法。
  3. 請求項１または２に記載のパーソナリティ分析方法において、
    前記データ変換用のリーン車両走行データは、前記運転者による前記データ変換用のリーン車両に対する運転の変化が反映されていないデータより、前記運転者による前記データ変換用のリーン車両に対する運転の変化が反映されているデータを多く含み、
    前記分析用のリーン車両走行データは、前記分析対象者による前記分析用のリーン車両に対する運転の変化が反映されていないデータより、前記分析対象者による前記分析用のリーン車両に対する運転の変化が反映されているデータを多く含む、パーソナリティ分析方法。
  4. 請求項１から３のいずれか一つに記載のパーソナリティ分析方法において、
    前記データ変換用のリーン車両走行データは、前記運転者による前記データ変換用のリーン車両への運転入力に関連するデータ変換用のリーン車両運転入力データ、前記データ変換用のリーン車両の挙動に関連するデータ変換用のリーン車両挙動データ及び前記データ変換用のリーン車両の位置に関連するデータ変換用のリーン車両位置データのうちの少なくとも一つを含み、
    前記分析用のリーン車両走行データは、前記分析対象者による前記分析用のリーン車両への運転入力に関連する分析用のリーン車両運転入力データ、前記分析用のリーン車両の挙動に関連する分析用のリーン車両挙動データ及び前記分析用のリーン車両の位置に関連する分析用のリーン車両位置データのうち少なくとも一つを含む、パーソナリティ分析方法。
  5. 請求項１から４のいずれか一つに記載のパーソナリティ分析方法において、
    前記データ変換用のリーン車両走行データは、更に前記データ変換用のリーン車両が走行する走行環境に関連するデータ変換用のリーン車両走行環境データを含み、
    前記分析用のリーン車両走行データは、更に前記分析用のリーン車両が走行する走行環境に関連する分析用のリーン車両走行環境データを含む、パーソナリティ分析方法。
  6. 請求項１から５のいずれか一つに記載のパーソナリティ分析方法において、
    前記データ変換用のリーン車両走行データは、前記データ変換用のリーン車両が公道以外を走行した時のデータより、前記データ変換用のリーン車両が公道を走行した時のデータを多く含み、
    前記分析用のリーン車両走行データは、前記分析用のリーン車両が公道以外を走行した時のデータより、前記分析用のリーン車両が公道を走行した時のデータを多く含む、パーソナリティ分析方法。
  7. 請求項１から６のいずれか一つに記載のパーソナリティ分析方法において、
    前記データ変換用のリーン車両走行データは、前記データ変換用のリーン車両の周囲の車両によって、運転者が運転の判断を行う際の選択肢が、制限を受けるが複数残されている状態でのデータを含み、
    前記分析用のリーン車両走行データは、前記分析用のリーン車両の周囲の車両によって、分析対象者が運転の判断を行う際の選択肢が、制限を受けるが複数残されている状態でのデータを含む、パーソナリティ分析方法。
  8. 請求項１から７のいずれか一つに記載のパーソナリティ分析方法において、
    前記データ変換用のリーン車両走行データは、同乗者及び物の少なくとも一方を搭載した状態のデータを含み、
    前記分析用のリーン車両走行データは、同乗者及び物の少なくとも一方を搭載した状態のデータを含む、パーソナリティ分析方法。
  9. 請求項１から８のいずれか一つに記載のパーソナリティ分析方法において、
    前記パーソナリティ分析装置が、
    前記変換された変換パーソナリティデータを記憶し、
    前記記憶された複数の変換パーソナリティデータを用いて、前記出力用のパーソナリティデータを生成する、パーソナリティ分析方法。
  10. 請求項１から９のいずれか一つに記載のパーソナリティ分析方法において、
    前記出力用のパーソナリティデータは、更なる情報処理に用いられる情報処理用パーソナリティデータとして生成される、パーソナリティ分析方法。
  11. 少なくとも心理状態、性格または気質によって決まるパーソナリティを示すパーソナリティデータと、右旋回時に右に傾斜し且つ左旋回時に左に傾斜するリーン車両の走行データであるリーン車両走行データとを関連付けて生成されたパーソナリティ変換データを取得するパーソナリティ変換データ取得部と、
    右旋回時に右に傾斜し且つ左旋回時に左に傾斜する分析用のリーン車両の走行データに関連する分析用のリーン車両走行データを取得する分析用リーン車両走行データ取得部と、
    前記取得したパーソナリティ変換データを用いて、前記取得した分析用のリーン車両走行データを分析対象者のパーソナリティに関連する変換パーソナリティデータに変換するパーソナリティデータ変換部と、
    前記変換された変換パーソナリティデータを用いて、出力するための出力用のパーソナリティデータを生成する出力用パーソナリティデータ生成部と、
    前記生成された出力用のパーソナリティデータを出力するデータ出力部と、
    を備え、
    前記パーソナリティ変換データ取得部は、複数の運転者がデータ変換用のリーン車両を運転する時にそれぞれ得られる走行データに関連するデータ変換用のリーン車両走行データに基づいて、前記パーソナリティを示すパーソナリティデータとリーン車両の走行データであるリーン車両走行データとを関連付けて前記パーソナリティ変換データを生成し、
    前記分析用リーン車両走行データ取得部は、前記分析用のリーン車両走行データとして、分析対象者が前記分析用のリーン車両を運転する時に得られる前記分析用のリーン車両の走行データに関連するデータを取得し、
    前記分析用のリーン車両を運転する前記分析対象者のパーソナリティを分析する、
    パーソナリティ分析装置。
  12. 請求項１１に記載のパーソナリティ分析装置において、
    前記データ変換用のリーン車両走行データは、前記複数の運転者が前記データ変換用のリーン車両を傾斜状態で運転する時にそれぞれ得られる走行データに関連するデータを含み、
    前記分析用のリーン車両走行データは、前記分析対象者が前記分析用のリーン車両を傾斜状態で運転する時に得られる走行データに関連するデータを含む、
    パーソナリティ分析装置。
  13. 請求項１１または１２に記載のパーソナリティ分析装置において、
    前記データ変換用のリーン車両走行データは、前記運転者による前記データ変換用のリーン車両に対する運転の変化が反映されていないデータより、前記運転者による前記データ変換用のリーン車両に対する運転の変化が反映されているデータを多く含み、
    前記分析用のリーン車両走行データは、前記分析対象者による前記分析用のリーン車両に対する運転の変化が反映されていないデータより、前記分析対象者による前記分析用のリーン車両に対する運転の変化が反映されているデータを多く含む、パーソナリティ分析装置。
  14. 請求項１１から１３のいずれか一つに記載のパーソナリティ分析装置において、
    前記データ変換用のリーン車両走行データは、前記運転者による前記データ変換用のリーン車両への運転入力に関連するデータ変換用のリーン車両運転入力データ、前記データ変換用のリーン車両の挙動に関連するデータ変換用のリーン車両挙動データ及び前記データ変換用のリーン車両の位置に関連するデータ変換用のリーン車両位置データのうちの少なくとも一つを含み、
    前記分析用のリーン車両走行データは、前記分析対象者による前記分析用のリーン車両への運転入力に関連する分析用のリーン車両運転入力データ、前記分析用のリーン車両の挙動に関連する分析用のリーン車両挙動データ及び前記分析用のリーン車両の位置に関連する分析用のリーン車両位置データのうち少なくとも一つを含む、パーソナリティ分析装置。
  15. 請求項１１から１４のいずれか一つに記載のパーソナリティ分析装置において、
    前記データ変換用のリーン車両走行データは、更に前記データ変換用のリーン車両が走行する走行環境に関連するデータ変換用のリーン車両走行環境データを含み、
    前記分析用のリーン車両走行データは、更に前記分析用のリーン車両が走行する走行環境に関連する分析用のリーン車両走行環境データを含む、パーソナリティ分析装置。
  16. 請求項１１から１５のいずれか一つに記載のパーソナリティ分析装置において、
    前記出力用のパーソナリティデータは、更なる情報処理に用いられる情報処理用パーソナリティデータとして生成される、パーソナリティ分析装置。
  17. 請求項１０に記載のパーソナリティ分析方法で前記情報処理用パーソナリティデータとして生成された前記出力用のパーソナリティデータを用いる情報処理方法であって、
    情報処理装置が、
    前記出力用のパーソナリティデータを取得し、
    前記出力用のパーソナリティデータとは異なる第１データを取得し、
    前記出力用のパーソナリティデータ及び前記第１データを用いて、前記出力用のパーソナリティデータ及び前記第１データと異なる第２データを生成し、
    前記第２データを出力する、パーソナリティデータを用いる情報処理方法。
  18. 請求項１６に記載のパーソナリティ分析装置で前記情報処理用パーソナリティデータとして生成された前記出力用のパーソナリティデータを用いる情報処理装置であって、
    前記出力用のパーソナリティデータを取得する出力用パーソナリティデータ取得部と、
    前記出力用のパーソナリティデータとは異なる第１データを取得する第１データ取得部と、
    前記出力用のパーソナリティデータ及び前記第１データを用いて、前記出力用のパーソナリティデータ及び前記第１データと異なる第２データを生成する第２データ生成部と、
    前記第２データを出力する第２データ出力部と、
    を備える、パーソナリティデータを用いる情報処理装置。
JP2021512191A 2019-04-01 2020-04-01 パーソナリティ分析方法、パーソナリティ分析装置、パーソナリティデータを用いる情報処理方法及びパーソナリティデータを用いる情報処理装置 Active JP7280945B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
PCT/JP2019/014557 WO2020202450A1 (ja) 2019-04-01 2019-04-01 パーソナリティ分析方法、パーソナリティ分析装置、パーソナリティデータを用いる情報処理方法及びパーソナリティデータを用いる情報処理装置
JPPCT/JP2019/014557 2019-04-01
PCT/JP2020/015102 WO2020204104A1 (ja) 2019-04-01 2020-04-01 パーソナリティ分析方法、パーソナリティ分析装置、パーソナリティデータを用いる情報処理方法及びパーソナリティデータを用いる情報処理装置

Publications (2)

Publication Number Publication Date
JPWO2020204104A1 JPWO2020204104A1 (ja) 2020-10-08
JP7280945B2 true JP7280945B2 (ja) 2023-05-24

Family

ID=72666204

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021512191A Active JP7280945B2 (ja) 2019-04-01 2020-04-01 パーソナリティ分析方法、パーソナリティ分析装置、パーソナリティデータを用いる情報処理方法及びパーソナリティデータを用いる情報処理装置

Country Status (3)

Country Link
JP (1) JP7280945B2 (ja)
TW (1) TWI807180B (ja)
WO (2) WO2020202450A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018096688A1 (ja) 2016-11-28 2018-05-31 本田技研工業株式会社 運転支援装置、運転支援システム、プログラム及び運転支援装置の制御方法
JP2018124791A (ja) 2017-01-31 2018-08-09 本田技研工業株式会社 情報提供システム
JP2018169705A (ja) 2017-03-29 2018-11-01 マツダ株式会社 車両運転支援システム及び車両運転支援方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014046820A (ja) * 2012-08-31 2014-03-17 Nissan Motor Co Ltd 運転者特性推定装置
JP6012643B2 (ja) * 2014-01-31 2016-10-25 三菱電機株式会社 車両用運転支援装置、サーバ、車両運転支援システム、および、車両用運転支援プログラム
JP6379510B2 (ja) * 2014-02-18 2018-08-29 日産自動車株式会社 運転診断装置および保険料算定方法
EP3525141B1 (en) * 2016-11-16 2021-03-24 Honda Motor Co., Ltd. Emotion inference device and emotion inference system
TWI646490B (zh) * 2017-09-01 2019-01-01 元智大學 基於多核學習的駕駛風險評估方法及其處理裝置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018096688A1 (ja) 2016-11-28 2018-05-31 本田技研工業株式会社 運転支援装置、運転支援システム、プログラム及び運転支援装置の制御方法
JP2018124791A (ja) 2017-01-31 2018-08-09 本田技研工業株式会社 情報提供システム
JP2018169705A (ja) 2017-03-29 2018-11-01 マツダ株式会社 車両運転支援システム及び車両運転支援方法

Also Published As

Publication number Publication date
WO2020202450A1 (ja) 2020-10-08
JPWO2020204104A1 (ja) 2020-10-08
TW202038175A (zh) 2020-10-16
WO2020204104A1 (ja) 2020-10-08
TWI807180B (zh) 2023-07-01

Similar Documents

Publication Publication Date Title
Mantouka et al. Smartphone sensing for understanding driving behavior: Current practice and challenges
Lois et al. The relationship between instrumental, symbolic and affective factors as predictors of car use: A structural equation modeling approach
Mayeur et al. The effect of the driving activity on target detection as a function of the visibility level: Implications for road lighting
EP3211540A1 (en) Information presentation device, method, and computer program product
Shirazi et al. Detection of intoxicated drivers using online system identification of steering behavior
CN106663260B (zh) 信息提示装置、方法以及程序
Manawadu et al. Estimating driver workload with systematically varying traffic complexity using machine learning: Experimental design
Ceccacci et al. A preliminary investigation towards the application of facial expression analysis to enable an emotion-aware car interface
Abdulwahid et al. A comprehensive review on the behaviour of motorcyclists: Motivations, issues, challenges, substantial analysis and recommendations
WO2020204099A1 (ja) 顧客の価値観分析方法、顧客の価値観分析装置、価値観データを用いる情報処理方法及び価値観データを用いる情報処理装置
Tement et al. Assessment and profiling of driving style and skills
Ferenchak Longitudinal bicyclist, driver, and pedestrian perceptions of autonomous vehicle communication strategies
Monselise et al. Identifying important risk factors associated with vehicle injuries using driving behavior data and predictive analytics
Källhammer et al. Assessing contextual factors that influence acceptance of pedestrian alerts by a night vision system
JP7280945B2 (ja) パーソナリティ分析方法、パーソナリティ分析装置、パーソナリティデータを用いる情報処理方法及びパーソナリティデータを用いる情報処理装置
Zhao et al. Hidden Markov model of lane-changing-based car-following behavior on freeways using naturalistic driving data
Neef et al. On optimizing driving patterns of autonomous cargo bikes as a function of distance and speed—A psychological study
JP2004341719A (ja) 客観的顧客満足度評価システム及びその方法
Tonguç et al. Improvement of the visual warning system for various driving and road conditions in road transportation
OA20516A (en) Personality analyzing method, personality analyzing device, data processing method employing personality data, and data processing device employing personality data
TWI640446B (zh) 基於模糊優化集合架構的駕駛輔助方法及其裝置與系統
Song et al. A Study on the Driver-Vehicle Interaction System in Autonomous Vehicles Considering Driver’s Attention Status
Chateau et al. Exploring empathetic and cognitive interfaces for autonomous vehicles
Kamaludin et al. Validation of Malaysian Driving Style Self-Assessment with Observational Road Study
Yan Developing a model-based lane change decision aid system by integrating driver uncertainty

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211001

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211001

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20221115

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230112

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230418

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230512

R150 Certificate of patent or registration of utility model

Ref document number: 7280945

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150