WO2023188275A1 - 運転能力判定システムおよび運転能力判定方法 - Google Patents
運転能力判定システムおよび運転能力判定方法 Download PDFInfo
- Publication number
- WO2023188275A1 WO2023188275A1 PCT/JP2022/016528 JP2022016528W WO2023188275A1 WO 2023188275 A1 WO2023188275 A1 WO 2023188275A1 JP 2022016528 W JP2022016528 W JP 2022016528W WO 2023188275 A1 WO2023188275 A1 WO 2023188275A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- driving
- driving data
- evaluation value
- vehicle
- driver
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 8
- 238000011156 evaluation Methods 0.000 claims abstract description 59
- 230000004913 activation Effects 0.000 claims description 7
- 230000003920 cognitive function Effects 0.000 description 22
- 230000001149 cognitive effect Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 8
- 238000013075 data extraction Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000008451 emotion Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000019771 cognition Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000003933 intellectual function Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
Definitions
- the present invention relates to a driving ability determination system and a driving ability determination method for determining the driving ability of a vehicle driver.
- Patent Document 1 a device that measures a driver's safe driving ability is conventionally known (for example, see Patent Document 1).
- the driver is intermittently given a load by voice output to disperse his/her attention, and the steering entropy value representing the steering shake is calculated in the loaded state and the no-load state, respectively.
- the driver's safe driving ability is evaluated based on the difference in blur evaluation values calculated between the loaded state and the no-load state.
- a driving ability determination system that is one aspect of the present invention includes an information acquisition unit that acquires time-series driving data of a vehicle, and a driving ability evaluation system that evaluates steering characteristics of a vehicle driver based on the driving data acquired by the information acquisition unit.
- an evaluation value calculation unit that calculates an evaluation value to represent, and an event occurrence that determines whether or not a predetermined event that causes a predetermined load to act on the driver of the vehicle has occurred, based on the driving data acquired by the information acquisition unit.
- a determination unit is provided.
- the evaluation value calculation unit converts the driving data acquired by the information acquisition unit after the time when the event occurrence determination unit determines that a predetermined event has occurred out of the driving data acquired by the information acquisition unit into specific driving data. The evaluation value is calculated based on the specified specific driving data.
- a driving ability determination method that is another aspect of the present invention includes an information acquisition step of acquiring time-series driving data of a vehicle, and a steering characteristic of a vehicle driver based on the driving data acquired in the information acquisition step. an evaluation value calculation step that calculates an evaluation value representing and an occurrence determination step. In the evaluation value calculation step, out of the driving data acquired in the information acquisition step, driving data acquired in the information acquisition step after the time when it is determined that a predetermined event has occurred in the event occurrence determination step is used as specific driving data. The evaluation value is calculated based on the specified specific driving data.
- driving ability can be determined without interfering with driving.
- FIG. 3 is a diagram for explaining traveling sections and operating loads.
- FIG. 1 is a block diagram showing an example of the configuration of main parts of a driving ability determination system according to an embodiment of the present invention.
- FIG. 3 is a diagram for explaining changes in the steering angle of a vehicle.
- FIG. 6 is a diagram illustrating a degree display of the degree of steering shake.
- 3 is a flowchart illustrating an example of a process executed by the arithmetic unit in FIG. 2.
- a driving ability determination system determines the driving ability of a vehicle driver.
- a driver's driving behavior is composed of three elements: recognition, judgment, and operation.
- recognition the ability of "cognitive function” which is a person's intellectual function related to recognition and judgment, gradually declines with age.
- cognitive function declines, it becomes difficult to drive a vehicle safely.
- the driver's driving ability related to cognitive function is determined based on driving data when driving the vehicle, and the driver and his or her family can support safe driving by understanding trends in cognitive function decline.
- FIG. 1 is a diagram for explaining travel sections and operating loads.
- the driving load placed on the driver due to driving behavior changes depending on the different driving sections, such as the shape of the road.
- the driving load increases when the vehicle is traveling on an S-curve or crank road, or while parking in a parking space. That is, in a driving section where the driver is required to perform a lot of steering per distance of movement of the vehicle, and where the trajectory of the vehicle has a complicated shape, the operational load due to the driving operation becomes large.
- the driving skills of the driver greatly affect the stability of driving.
- Travel data for the right turn section can be distinguished from other travel data based on information on the steering angle of the steering wheel.
- the cognitive load may increase. For example, when some information is reported in the car while driving, when a situation occurs where the vehicle's safety equipment is activated, or when a situation occurs that requires sudden braking or a horn, the cognitive load increases. Therefore, in this embodiment, by handling driving data when a predetermined event occurs separately from other driving data, the driving ability determination system is implemented as follows so that driving ability related to cognitive function can be appropriately determined. Configure.
- FIG. 2 is a block diagram showing an example of the main configuration of the driving ability determination system (hereinafter referred to as system) 10.
- the system 10 includes a computer having an arithmetic unit 11 such as a CPU, a storage unit 12 such as a ROM or RAM, and its peripheral circuits.
- the calculation unit 11 has an information acquisition unit 13, a driving data extraction unit 14, an event occurrence determination unit 15, an evaluation value calculation unit 16, a cognitive function evaluation unit 17, and an information output unit 18 as functional components.
- the storage unit 12 stores information such as programs executed by the calculation unit 11 and setting values.
- the system 10 may be configured as an in-vehicle device mounted on a vehicle, or may be configured as a server device provided outside the vehicle.
- the information acquisition unit 13 acquires time-series driving data of the vehicle for each driver registered in advance. For example, travel data measured in a pre-registered vehicle that each driver drives on a daily basis is acquired.
- the driving data includes time-series information on the steering angle of the steering wheel, as well as information on the lighting of warning lights and indicator lights, information on the operation of safety devices such as stability control devices and anti-lock braking systems, and information on the operation of the horn. , information on vehicle deceleration, etc.
- Information regarding the activation of warnings and functions by advanced driving support systems such as lane departure warning may also be included.
- the information may also include information on the presence or absence of notification output via a speaker or display in the car, and the presence or absence of audio input at a predetermined volume or higher from nearby vehicles' horns, emergency vehicles, street warning cars, etc. via a microphone in the car. Further, the driver's face image and its image processing results taken by the in-vehicle camera, and the external world image and its image processing results taken by the outside camera may be included.
- the driving data is transmitted to the system 10 at predetermined intervals, for example, via a TCU (telematics control unit) mounted on the vehicle.
- the information acquisition unit 13 acquires travel data transmitted from pre-registered vehicles as time-series travel data for each pre-registered driver. Time-series driving data for each driver acquired by the information acquisition unit 13 is stored in the storage unit 12.
- the travel data extraction unit 14 extracts first travel data when the vehicle travels in a no-load section or a low-load section (no-load/low-load section) based on the time-series travel data acquired by the information acquisition section 13. At the same time, second travel data when traveling in the right turn section is extracted. More specifically, the traveling section is determined for each unit time based on the time change of the steering angle, and the traveling data of the period in which it is determined that the vehicle is traveling in the no-load/low-load section is used as the first traveling data. Extract as. Furthermore, travel data for a period in which it is determined that the vehicle is traveling in a right-turn section is extracted as second travel data.
- the event occurrence determination unit 15 determines a predetermined level of cognitive load that increases the cognitive load for each unit time based on the travel data acquired by the information acquisition unit 13, more specifically, the first travel data extracted by the travel data extraction unit 14. Determine whether or not the event has occurred.
- the predetermined event may be a sudden event that occurs while the vehicle is running and is relatively difficult for the driver to foresee.
- the event occurrence determination unit 15 determines whether the warning light or indicator light is lit, for example, based on the lighting information of the warning light or indicator light. Further, it is determined whether the safety device has been activated based on the activation information of the safety device, and it is determined whether the horn has been activated based on the activation information of the horn. Furthermore, based on the deceleration information, it is determined whether the deceleration of the vehicle has increased to a predetermined value or more, that is, whether the vehicle has been suddenly braked. It also determines whether a warning or function has been activated by the advanced driving support system, a notification output within the vehicle, or an audio input at a predetermined volume or higher (for example, a horn sound from a nearby vehicle) has occurred.
- the event occurrence determination unit 15 determines whether there are traffic participants within a predetermined distance from the vehicle and whether the driver is It may be determined whether the person's line of sight is facing the traffic participant.
- the driver's emotion is estimated by applying the driver's facial expression to one of the human emotion patterns based on the image from the in-vehicle camera and its image processing results, and whether the estimated emotion is surprise or not. It may be determined whether
- the evaluation value calculation unit 16 calculates an ⁇ value (first evaluation value) representing the driver's steering characteristics based on the first driving data extracted by the driving data extraction unit 14.
- FIG. 3 is a diagram for explaining changes in the steering angle ⁇ of the vehicle.
- the vehicle is being driven stably, steering is performed smoothly without wobbling, and fluctuations in the steering angle ⁇ are small.
- driving is unstable, the steering becomes unstable and the fluctuation in the steering angle ⁇ increases.
- the predicted steering angle ⁇ p(n) is an estimated value assuming that the steering is performed smoothly, so if the actual steering is performed smoothly, it will match the actual steering angle ⁇ (n) and will be different from the actual steering angle.
- FIG. 4 is a diagram illustrating a frequency display of the degree of steering shake, and shows an example of a frequency display of the prediction error e(n).
- the evaluation value calculation unit 16 calculates the predicted steering angle ⁇ p(n) and the predicted error e(n) at each time point n based on the first driving data, and then calculates the predicted error e(n) as shown by the solid line in FIG. Calculate the 90th percentile value ( ⁇ value) in the frequency distribution of n).
- the smoother the steering and the smaller the steering shake the sharper the frequency distribution of the prediction error e(n) will be centered around "0°" where there is no steering shake, and the smaller the ⁇ value will be.
- the more the steering shake occurs the broader the frequency distribution of the prediction error e(n) becomes, and the ⁇ value becomes larger.
- the driver's steering deflection under normal conditions is expressed.
- the ⁇ value can be calculated appropriately.
- the evaluation value calculation unit 16 calculates the prediction error e(n), which is the degree of blur, without excluding the travel data from the time when it is determined that the predetermined event has occurred until the time when a predetermined time has elapsed from the first travel data.
- the ⁇ value may be calculated after being corrected so as to be small. That is, since it is a special situation in which the cognitive load is abnormally increased after a predetermined event occurs, the driving data during that time may be corrected and used.
- the predetermined time may be a fixed time (for example, about 30 seconds), or may be changed depending on the content of the event that has occurred. Furthermore, if a notification accompanied by vibration of the steering wheel is given, the driving data during the period in which the notification is given may be excluded.
- the evaluation value calculation unit 16 calculates an Hp value (second evaluation value) representing the characteristics of the driver's steering when the cognitive load increases, based on the calculated ⁇ value and the second driving data. .
- the predicted error e(n) as shown by the broken line in FIG. is divided into nine ranges P1 to P9 based on the ⁇ value.
- Hp value a steering entropy value
- the Hp value represents the smoothness of the steering; the smaller the steering shake is and the sharper the frequency distribution of the prediction error e(n) is, the smaller the value becomes. I see, this is a large value.
- the evaluation value calculation unit 16 calculates the Hp value based on the driving data from the time when it is determined that the predetermined event has occurred to the point in time when a predetermined time has elapsed from among the first driving data. good.
- driving data during right-turn sections by using driving data after the occurrence of an event that places a psychological load on the driver, it is possible to detect the driver's steering fluctuation when the cognitive load is higher than in normal conditions.
- the expressed Hp value can be appropriately calculated.
- the evaluation value calculation unit 16 corrects the driving data from the time when it is determined that the predetermined event has occurred until the time when a predetermined time has elapsed so that the prediction error e(n), which is the degree of blur, is reduced, and then calculates the Hp A value may also be calculated.
- the evaluation value calculation unit 16 may calculate the Hp value after excluding the driving data from the time when it is determined that the predetermined event has occurred to the time when a predetermined period of time has elapsed from the second driving data.
- the cognitive function evaluation unit 17 evaluates the driver's cognitive function based on the Hp value calculated by the evaluation value calculation unit 16. That is, by continuously monitoring the Hp value, which represents steering blur when the cognitive load increases, it is possible to evaluate the tendency for the driver's cognitive function to decline. For example, if the Hp value, which is calculated periodically (for example, monthly) based on daily driving data, tends to increase, it is evaluated that the cognitive function tends to decline.
- the information output unit 18 transmits the evaluation results by the cognitive function evaluation unit 17 to user terminals such as the driver himself or his family. For example, a notification can be sent to a pre-registered email address. In this case, the notification can be used by the driver and his or her family to consider returning the driver's license or replacing the vehicle with a vehicle with enhanced driving support functions. Since objective information based on driving data is provided, it is easier for drivers to accept the current state of their own cognitive functions and to consider appropriate measures at an early stage.
- FIG. 5 is a flowchart illustrating an example of processing executed by the calculation unit 11 of the system 10.
- the processing shown in this flowchart is executed periodically, for example.
- step S1 all time-series travel data stored in the storage unit 12 is read out.
- step S2 the travel section for each unit time is determined.
- step S3 from all the travel data read out in step S1, first travel data for the period determined to be a no-load/low-load section in step S2 and second travel data for the period determined to be a right-turn section. and are extracted respectively.
- step S4 it is determined whether a predetermined event has occurred every unit time based on the first travel data extracted in step S3.
- step S5 an ⁇ value is calculated based on the first travel data extracted in step S4.
- step S6 the second driving data extracted in step S3, the driving data from the time when it was determined that the predetermined event occurred in step S4 to the time when a predetermined period of time has elapsed, and the ⁇ value calculated in step S5
- the Hp value is calculated based on.
- the latest Hp value calculated in step S6 is stored and accumulated in the storage unit 12.
- step S7 the latest Hp value stored in the storage unit 12 is compared with the past Hp value to determine the driving ability related to the driver's cognitive function.
- step S8 the evaluation result in step S7 is sent to the pre-registered e-mail address, and the process ends.
- ⁇ value and Hp value are indicators for determining a driver's driving ability, based only on daily driving data, so it is possible to determine the driving ability without hindering driving. It is possible (steps S1 to S6). Further, by using the driving data when the cognitive load is high, it is possible to accurately determine the driving ability related to the cognitive function (steps S2 to S6). In addition, the driver's cognitive function is automatically evaluated based only on daily driving data, and the evaluation results are notified to the driver and his or her family, reducing the burden of watching over the elderly driving the vehicle and family members who live far away. (Steps S1 to S8).
- the system 10 includes an information acquisition unit 13 that acquires time-series driving data of the vehicle, and an evaluation value calculation unit 16 that calculates an evaluation value of driving ability representing steering characteristics of the driver based on the driving data. and an event occurrence determination unit 15 that determines whether a predetermined event that increases cognitive load has occurred based on driving data (FIG. 2).
- the evaluation value calculation unit 16 specifies, from among the driving data, driving data after the time when it is determined that a predetermined event has occurred as specific driving data, and evaluates the driving ability based on the specified specific driving data. Calculate the value.
- the ⁇ value and Hp value which are indicators for determining the driver's driving ability, can be calculated based on daily driving data, so the driving ability can be determined without hindering driving.
- driving data after the occurrence of a predetermined event is treated separately from other driving data, so that the driving ability related to cognitive function can be appropriately determined. For example, by using driving data when the cognitive load is high to calculate the Hp value, driving data can be used effectively, and the driver's steering shake when the cognitive load is high compared to normal conditions. It is possible to appropriately calculate the Hp value representing .
- the evaluation value calculation unit 16 identifies driving data from the time when it is determined that a predetermined event has occurred until a predetermined period of time has elapsed as specific driving data.
- the cognitive load increases over a certain period of time, so by handling the driving data during that period separately from other driving data, cognitive function can be improved. Such driving ability can be appropriately determined.
- the evaluation value calculation unit 16 calculates an ⁇ value representing the driver's steering characteristics based on the first driving data, and uses the calculated ⁇ value and specific driving data included in the first driving data or Based on the specific travel data included in the second travel data, an Hp value representing the steering characteristics of the driver when a predetermined load is applied to the driver is calculated.
- an Hp value representing the steering characteristics of the driver when a predetermined load is applied to the driver is calculated.
- the evaluation value calculation unit 16 calculates the weight for the ⁇ value of the specific driving data included in the first driving data based on the driving data excluding the specific driving data from the first driving data, or The ⁇ value is calculated based on the travel data that has been corrected to be lower than the weight for the ⁇ value of one travel data. In other words, assuming that after a predetermined event occurs, it is a special situation in which the cognitive load is abnormally high, the driving data during that time is corrected so that the prediction error e(n), which is the degree of blur, is reduced. Used to calculate ⁇ value. This allows the ⁇ value to be calculated appropriately.
- Predetermined events include the activation of a warning device that notifies the driver, the activation of a safety device installed in the vehicle, an increase in the deceleration of the vehicle to a predetermined value or more, and the sounding of a horn in the vicinity of the vehicle. Either.
- a warning device that notifies the driver
- the activation of a safety device installed in the vehicle an increase in the deceleration of the vehicle to a predetermined value or more
- the sounding of a horn in the vicinity of the vehicle Either.
- a warning device that notifies the driver
- the activation of a safety device installed in the vehicle an increase in the deceleration of the vehicle to a predetermined value or more
- the sounding of a horn in the vicinity of the vehicle Either.
- a situation that causes the vehicle's safety devices to activate, or if a situation occurs that causes sudden braking or the horn to sound, it can cause a psychological burden on the driver. This increases the cognitive load.
- the traveling data extraction unit 14 extracts the first traveling data and the second traveling data by determining the traveling section for each unit time based on the temporal change in the steering angle.
- the data extraction unit is not limited to this type.
- the travel section may be determined for each unit time based on temporal changes in the vehicle's location information, or the travel section may be specified based on the location information and map information.
- the ⁇ value is calculated based on the first traveling data when traveling in the no-load/low-load section as shown in FIG. 1, and the Hp value is calculated based on the second traveling data when traveling in the right-turn section.
- the first section and the second section are not limited to such sections.
- the first section and the second section may have a relationship such that the second section has a higher cognitive load than the first section.
- the first section is the no-load/low-load section excluding the second section. You can also use it as
- the present invention can also be used as a driving ability determination method. That is, the driving ability determination method includes an information acquisition step S1 of acquiring time-series driving data of the vehicle, and an evaluation value calculation step of calculating an evaluation value of driving ability representing steering characteristics of the driver based on the driving data. S5, S6, and an event occurrence determination step S4 that determines whether a predetermined event that increases cognitive load has occurred based on driving data (FIG. 5).
- the evaluation value calculation step S6 among the driving data driving data after the time when it is determined that a predetermined event has occurred is specified as specific driving data, and the driving ability is evaluated based on the specified specific driving data. Calculate the value.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
運転能力判定システム(10)は、車両の時系列の走行データを取得する情報取得部(13)と、走行データに基づいて、車両の運転者の操舵の特性を表す評価値を算出する評価値算出部(16)と、走行データに基づいて、車両の運転者に所定の負荷が作用する所定の事象が発生したか否かを判定する事象発生判定部(15)と、を備える。評価値算出部(16)は、走行データのうち、所定の事象が発生したと判定された時点よりも後に取得された走行データを特定走行データとして特定し、特定走行データに基づいて評価値を算出する。
Description
本発明は、車両の運転者の運転能力を判定する運転能力判定システムおよび運転能力判定方法に関する。
この種の装置として、従来、運転者の安全運転能力を測定するようにした装置が知られている(例えば特許文献1参照)。この特許文献1記載の装置では、運転者に対し間欠的に音声出力による負荷を与えて注意力を分散させ、負荷状態と無負荷状態とで操舵のぶれを表すステアリングエントロピー値をそれぞれ算出し、負荷状態と無負荷状態とで算出されたぶれ評価値の差に基づいて運転者の安全運転能力を評価する。
しかしながら、上記特許文献1記載の装置では、運転者の安全運転能力を評価するために運転者に負荷を与える必要があるため、運転の支障になる。
本発明の一態様である運転能力判定システムは、車両の時系列の走行データを取得する情報取得部と、情報取得部により取得された走行データに基づいて、車両の運転者の操舵の特性を表す評価値を算出する評価値算出部と、情報取得部により取得された走行データに基づいて、車両の運転者に所定の負荷が作用する所定の事象が発生したか否かを判定する事象発生判定部と、を備える。評価値算出部は、情報取得部により取得された走行データのうち、事象発生判定部により所定の事象が発生したと判定された時点よりも後に情報取得部により取得された走行データを特定走行データとして特定し、特定された特定走行データに基づいて評価値を算出する。
本発明の別の態様である運転能力判定方法は、車両の時系列の走行データを取得する情報取得ステップと、情報取得ステップで取得された走行データに基づいて、車両の運転者の操舵の特性を表す評価値を算出する評価値算出ステップと、情報取得ステップで取得された走行データに基づいて、車両の運転者に所定の負荷が作用する所定の事象が発生したか否かを判定する事象発生判定ステップと、を含む。評価値算出ステップでは、情報取得ステップで取得された走行データのうち、事象発生判定ステップで所定の事象が発生したと判定された時点よりも後に情報取得ステップで取得された走行データを特定走行データとして特定し、特定された特定走行データに基づいて評価値を算出する。
本発明によれば、運転に支障をきたすことなく運転能力を判定することができる。
以下、図1~図5を参照して本発明の実施形態について説明する。本発明の実施形態に係る運転能力判定システムは、車両の運転者の運転能力を判定する。一般に、運転者の運転行動は、認知、判断、および操作の3要素で構成される。これらの要素のうちの認知、判断に関わる人の知的機能である「認知機能」に係る能力は、加齢に伴って徐々に低下することが知られている。認知機能が低下すると、車両を安全に運転することが難しくなる。運転者が車両を運転したときの走行データに基づいて認知機能に係る運転能力を判定し、運転者自身やその家族が認知機能の低下傾向を把握することで安全運転を支援できる。
図1は、走行区間と運転負荷ついて説明するための図である。図1に示すように、運転行動によって運転者にかかる運転負荷は、道路形状などの異なる走行区間に応じて変化する。例えば、S字カーブやクランク路の走行中、駐車スペースでの駐車中などは運転負荷が大きくなる。すなわち、車両の移動量あたりに運転者に要求される操舵が多く、車両の走行軌跡が複雑な形状となるような走行区間では、運転操作による操作負荷が大きくなる。この場合、操舵の頻度が高いことに加え、アクセルやブレーキの操作と連携してステアリングを操作する必要があり、車両感覚も要求されるなど、高い運転技能が必要となる。このような走行区間(高負荷区間)では、運転者の運転技能が運転の安定性に大きく影響する。
一方、直線路の走行中などは運転負荷がほとんどかからない。すなわち、車両の移動量あたりに運転者に要求される操舵がほとんどなく、車両の走行軌跡が極めて単純な形状となる走行区間では、運転操作による操作負荷がほとんどなくなる。このような走行区間(無負荷区間)では、運転者の運転技能が運転の安定性にほとんど影響しない。
カーブ路の走行中、複数車線の道路での車線変更中、交差点での右左折中などは、これらの中間の運転負荷となる。このような走行区間(低負荷区間)でも、運転者の運転技能は運転の安定性にそれほど影響しない。
ただし、低負荷区間であっても、交差点において対向車線を越えて車両の進行方向を変更する旋回動作(車両の左側通行が採用されている国や地域では右折、右側通行が採用されている国や地域では左折。以下では、単に「右折」と称する。)を行うときは、運転者が車両の目標軌跡を認識するにあたり、前方の対向車線の状況を把握しつつ、右折した先の走行車線の状況を把握する必要が生じるため、前方の対向車線と右折した先の走行車線との間での視線移動が発生する。このような右折区間では、運転者の心的活動が増え、運転負荷、特に認知に係る認知負荷が高くなるため、運転者の認知機能の状態が運転の安定性に影響する。
このような右折区間の走行データを他の区間と識別可能な態様で取得し、その走行データに基づいて運転の安定性を評価することで、運転者の認知機能に係る運転能力を判定することができる。右折区間の走行データは、ステアリングホイールの操舵角の情報に基づいて他の走行データと識別することができる。
しかしながら、右折区間以外の低負荷区間あるいは無負荷区間であっても、運転者に心理的な負荷を与える所定の事象が発生した場合には、認知負荷が高まることがある。例えば、運転中に車内で何らかの情報が報知された場合、車両の安全装置が作動するような事態、急制動や警笛が必要となるような事態が発生した場合には、認知負荷が高まる。そこで本実施形態では、所定の事象が発生したときの走行データを他の走行データと区別して取り扱うことで、認知機能に係る運転能力を適切に判定できるよう、以下のように運転能力判定システムを構成する。
図2は、運転能力判定システム(以下、システム)10の要部構成の一例を示すブロック図である。図2に示すように、システム10は、CPUなどの演算部11、ROM,RAMなどの記憶部12、およびその周辺回路などを有するコンピュータを含んで構成される。演算部11は、機能的構成として、情報取得部13と、走行データ抽出部14と、事象発生判定部15と、評価値算出部16と、認知機能評価部17と、情報出力部18とを有する。記憶部12には、演算部11が実行するプログラムや設定値などの情報が記憶される。システム10は、車両に搭載された車載装置として構成されてもよく、車両の外部に設けられたサーバ装置などとして構成されてもよい。
情報取得部13は、予め登録された運転者ごとに、車両の時系列の走行データを取得する。例えば、各運転者が日常的に運転する予め登録された車両で測定された走行データを取得する。走行データには、ステアリングホイールの操舵角の時系列情報が含まれるほか、警告灯や表示灯の点灯情報、横滑り防止装置やアンチロック・ブレーキ・システム等の安全装置の作動情報、警笛の作動情報、車両の減速度の情報などが含まれる。車線逸脱警告など先進運転支援システムによる警告や機能の作動に関する情報が含まれてもよい。また、車内のスピーカやディスプレイを介した報知出力の有無、車内のマイクを介した周辺車両の警笛、緊急車両、街宣車等による所定音量以上の音声入力の有無の情報が含まれてもよい。また、車内カメラによる運転者の顔画像やその画像処理結果、車外カメラによる外界画像やその画像処理結果が含まれてもよい。
走行データは、車両に搭載されたTCU(テレマティクス制御装置)を介して、例えば所定周期でシステム10に送信される。情報取得部13は、予め登録された車両から送信された走行データを、予め登録された運転者ごとの時系列の走行データとして取得する。情報取得部13により取得された運転者ごとの時系列の走行データは、記憶部12に記憶される。
走行データ抽出部14は、情報取得部13により取得された時系列の走行データに基づいて、車両が無負荷区間または低負荷区間(無負荷・低負荷区間)を走行したときの第1走行データを抽出するとともに、右折区間を走行したときの第2走行データを抽出する。より具体的には、操舵角の時間変化に基づいて単位時間ごとの走行区間を判定し、車両が無負荷・低負荷区間を走行中であると判定された期間の走行データを第1走行データとして抽出する。また、車両が右折区間を走行中であると判定された期間の走行データを第2走行データとして抽出する。
事象発生判定部15は、情報取得部13により取得された走行データ、より具体的には走行データ抽出部14により抽出された第1走行データに基づいて、単位時間ごとに、認知負荷を高める所定の事象が発生したか否かを判定する。ここで所定の事象とは、車両の走行中に生じる運転者の予見が比較的困難な突発的な事象であってよい。
事象発生判定部15は、例えば、警告灯や表示灯の点灯情報に基づいて、警告灯または表示灯が点灯したか否かを判定する。また、安全装置の作動情報に基づいて安全装置が作動したか否かを判定し、警笛の作動情報に基づいて警笛が作動したか否かを判定する。また、減速度の情報に基づいて、車両の減速度が所定値以上に増加したか否か、すなわち車両が急制動されたか否かを判定する。また、先進運転支援システムによる警告や機能の作動、車内における報知出力や所定音量以上の音声入力(例えば周辺車両からのクラクション音など)が発生したか否かを判定する。
事象発生判定部15は、これらに加えて、あるいはこれらに代えて、車内カメラや車外カメラからの画像およびその画像処理結果に基づいて、車両から所定距離以内に交通参加者がおり、かつ、運転者の視線方向がその交通参加者に向いているか否かを判定してもよい。また、車内カメラからの画像およびその画像処理結果に基づいて、運転者の表情を人間の感情パターンのいずれかに当てはめることにより運転者の感情を推定し、推定された感情が驚きであるか否かを判定してもよい。
評価値算出部16は、走行データ抽出部14により抽出された第1走行データに基づいて運転者の操舵の特性を表すα値(第1評価値)を算出する。
図3は、車両の操舵角θの変動について説明するための図である。車両の運転が安定した状態では、操舵がぶれることなく滑らかに行われ、操舵角θの変動が小さくなる。一方、運転が不安定な状態では、操舵がぶれ、操舵角θの変動が大きくなる。
より具体的には、図3に示すように、特定の時点nの直前の時点n-3,n-2,n-1の実際の操舵角θ(n-3),θ(n-2),θ(n-1)に基づいて、時点(n-1)を中心とする2次テイラー展開により時点nの予測操舵角θp(n)を算出する。予測操舵角θp(n)は、操舵が滑らかに行われたと仮定した推定値であるため、実際の操舵が滑らかに行われた場合は、実際の操舵角θ(n)に一致し、実際の操舵がぶれた場合は、ぶれの程度に応じて実際の操舵角θ(n)から乖離する。このような、ぶれの程度は、下式(i)により算出される予測誤差e(n)として表すことができる。
e(n)=θ(n)-θp(n) ・・・(i)
e(n)=θ(n)-θp(n) ・・・(i)
図4は、操舵のぶれの程度の度数表示を例示する図であり、予測誤差e(n)の度数表示の一例を示す。評価値算出部16は、第1走行データに基づいて、各時点nの予測操舵角θp(n)および予測誤差e(n)を算出した後、図4に実線で示すような予測誤差e(n)の度数分布における90パーセンタイル値(α値)を算出する。操舵が滑らかで操舵のぶれが少ないほど、予測誤差e(n)の度数分布が、操舵のぶれがない“0°”を中心としたシャープな形状となり、α値が小さくなる。一方、操舵のぶれが多いほど、予測誤差e(n)の度数分布がブロードな形状となり、α値が大きくなる。
操舵が多く、操舵のぶれに対する運転技能の影響が大きい高負荷区間を除外した無負荷・低負荷区間の第1走行データを利用することで、通常の状態での運転者の操舵のぶれを表すα値を適切に算出することができる。
評価値算出部16は、所定の事象が発生したと判定された時点から所定時間経過時点までの走行データを、第1走行データから除外することなく、ぶれの程度である予測誤差e(n)が小さくなるように補正した上でα値を算出してもよい。すなわち、所定の事象が発生した後は認知負荷が異常に高まった特殊な状況であるため、その間の走行データを補正して利用してもよい。所定時間は、一定の時間(例えば30秒程度)としてもよく、発生した事象の内容に応じて変更してもよい。また、ステアリングホイールの振動を伴う報知が行われた場合には、報知が行われている間の走行データを除外してもよい。
さらに評価値算出部16は、算出されたα値と、第2走行データとに基づいて、認知負荷が高まったときの運転者の操舵の特性を表すHp値(第2評価値)を算出する。
より具体的には、第2走行データに基づいて、各時点nの予測操舵角θp(n)および予測誤差e(n)を算出した後、図4に破線で示すような予測誤差e(n)の度数分布をα値に基づいて9つの範囲P1~P9に分ける。すなわち、8つの基準値-5α,-2.5α,-α,-0.5α,0.5α,α,2.5α,5αに基づいて、9つの範囲P1(~-5α),P2(-5α~-2.5α),P3(-2.5α~-α),P4(-α~-0.5α),P5(-0.5α~0.5α),P6(0.5α~α),P7(α~2.5α),P8(2.5α~5α),P9(5α~)に分ける。そして、各範囲P1~P9の割合p1~p9に基づいて、下式(ii)によりステアリングエントロピー値(Hp値)を算出する。
Hp=-Σpi・log9pi ・・・(ii)
Hp=-Σpi・log9pi ・・・(ii)
Hp値は、操舵の滑らかさを表し、操舵のぶれが少なく予測誤差e(n)の度数分布がシャープになるほど小さい値となり、操舵のぶれが多く予測誤差e(n)の度数分布がブロードになるほど大きい値となる。視線移動が多く操舵のぶれに対する認知機能の影響が大きい右折区間の走行データを利用することで、通常の状態に比して認知負荷が高まったときの運転者の操舵のぶれを表すHp値を適切に算出することができる。
評価値算出部16は、第2走行データに加え、第1走行データのうち所定の事象が発生したと判定された時点から所定時間経過時点までの走行データに基づいてHp値を算出してもよい。右折区間の走行データに加え、運転者に心理的負荷を与える事象の発生後の走行データを利用することで、通常の状態に比して認知負荷が高まったときの運転者の操舵のぶれを表すHp値を適切に算出することができる。
評価値算出部16は、所定の事象が発生したと判定された時点から所定時間経過時点までの走行データを、ぶれの程度である予測誤差e(n)が小さくなるように補正した上でHp値を算出してもよい。評価値算出部16は、所定の事象が発生したと判定された時点から所定時間経過時点までの走行データを第2走行データから除外した上でHp値を算出してもよい。
認知機能評価部17は、評価値算出部16により算出されたHp値に基づいて運転者の認知機能を評価する。すなわち、認知負荷が高まったときの操舵のぶれを表すHp値を継続的に監視することで、その運転者の認知機能の低下傾向を評価することができる。例えば、日常的な運転の走行データに基づいて定期的に(例えば、毎月)算出されるHp値が増加傾向にある場合は、認知機能が低下傾向にあると評価する。
情報出力部18は、認知機能評価部17による評価結果を運転者本人や家族などのユーザ端末に送信する。例えば、予め登録されたメールアドレス宛てに通知を送信することができる。この場合、通知をきっかけに、運転者本人や家族などが運転免許の返納や運転支援機能が充実した車両への代替えなどを検討することができる。走行データに基づく客観的な情報が提供されるため、運転者本人にとって自身の認知機能の現状を受け入れやすく、早期に適切な対応を検討することができる。
図5は、システム10の演算部11により実行される処理の一例を示すフローチャートである。このフローチャートに示す処理は、例えば定期的に実行される。先ずステップS1で、記憶部12に記憶された時系列の全走行データを読み出す。次いでステップS2で、単位時間ごとの走行区間を判定する。次いでステップS3で、ステップS1で読み出された全走行データから、ステップS2で無負荷・低負荷区間と判定された期間の第1走行データと、右折区間と判定された期間の第2走行データとを、それぞれ抽出する。次いでステップS4で、ステップS3で抽出された第1走行データに基づいて、単位時間ごとに所定の事象が発生したか否かを判定する。
次いでステップS5で、ステップS4で抽出された第1走行データに基づいてα値を算出する。次いでステップS6で、ステップS3で抽出された第2走行データと、ステップS4で所定の事象が発生したと判定された時点から所定時間経過時点までの走行データと、ステップS5で算出されたα値とに基づいてHp値を算出する。ステップS6で算出された最新のHp値は、記憶部12に記憶され、蓄積される。次いでステップS7で、記憶部12に記憶された最新のHp値を過去のHp値と比較し、運転者の認知機能に係る運転能力を判定する。次いでステップS8で、ステップS7の評価結果を事前に登録されたメールアドレス宛てに送信し、処理を終了する。
このように、日常的な走行データのみに基づいて運転者の運転能力を判定するための指標となるα値およびHp値を算出できるため、運転に支障をきたすことなく運転能力を判定することができる(ステップS1~S6)。また、認知負荷が高まったときの走行データを利用することで、認知機能に係る運転能力を精度よく判定することができる(ステップS2~S6)。また、日常的な走行データのみに基づいて運転者の認知機能が自動的に評価され、評価結果が本人や家族に通知されるため、車両を運転する高齢者と離れて暮らす家族の見守り負担を軽減することができる(ステップS1~S8)。
本実施形態によれば以下のような作用効果を奏することができる。
(1)システム10は、車両の時系列の走行データを取得する情報取得部13と、走行データに基づいて、運転者の操舵の特性を表す運転能力の評価値を算出する評価値算出部16と、走行データに基づいて認知負荷を高める所定の事象が発生したか否かを判定する事象発生判定部15と、を備える(図2)。
(1)システム10は、車両の時系列の走行データを取得する情報取得部13と、走行データに基づいて、運転者の操舵の特性を表す運転能力の評価値を算出する評価値算出部16と、走行データに基づいて認知負荷を高める所定の事象が発生したか否かを判定する事象発生判定部15と、を備える(図2)。
評価値算出部16は、走行データのうち、所定の事象が発生したと判定された時点よりも後の走行データを特定走行データとして特定し、特定された特定走行データに基づいて運転能力の評価値を算出する。これにより、日常的な走行データに基づいて運転者の運転能力を判定するための指標となるα値およびHp値を算出できるため、運転に支障をきたすことなく運転能力を判定することができる。
また、走行データのうち所定の事象の発生後の走行データについては、他の走行データと区別して取り扱うことで、認知機能に係る運転能力を適切に判定することができる。例えば、認知負荷が高まったときの走行データとしてHp値の算出に利用することで、走行データを有効活用するとともに、通常の状態に比して認知負荷が高まったときの運転者の操舵のぶれを表すHp値を適切に算出することができる。
(2)評価値算出部16は、所定の事象が発生したと判定された時点から所定時間経過時点までの走行データを特定走行データとして特定する。すなわち、運転者に心理的な負荷を与える所定の事象が発生した場合は、その後、一定期間にわたって認知負荷が高まるため、その間の走行データを他の走行データと区別して取り扱うことで、認知機能に係る運転能力を適切に判定することができる。
(3)評価値算出部16は、第1走行データに基づいて運転者の操舵の特性を表すα値を算出するとともに、算出されたα値と、第1走行データに含まれる特定走行データまたは第2走行データに含まれる特定走行データと、に基づいて、運転者に所定の負荷が作用したときの運転者の操舵の特性を表すHp値を算出する。すなわち、所定の事象が発生した後は認知負荷が高まるため、その間の走行データをHp値の算出に利用することで、走行データを有効活用できるとともに、認知負荷が高まったときの運転者の操舵のぶれを表すHp値を適切に算出することができる。
(4)評価値算出部16は、第1走行データから特定走行データを除外した走行データに基づいて、または、第1走行データに含まれる特定走行データのα値に対する重みを、それ以外の第1走行データのα値に対する重みよりも下げるように補正された走行データに基づいてα値を算出する。すなわち、所定の事象が発生した後は認知負荷が異常に高まった特殊な状況であるとして、その間の走行データを、ぶれの程度である予測誤差e(n)が小さくなるように補正した上でα値の算出に利用する。これによりα値を適切に算出することができる。
(5)所定の事象は、運転者に情報を報知する報知装置の作動、車両に設けられた安全装置の作動、車両の減速度の所定値以上への増加、および車両周辺における警笛の発生のいずれかである。すなわち、運転中に車内で何らかの情報が報知された場合、車両の安全装置が作動するような事態、急制動や警笛が発生するような事態が発生した場合には、運転者に心理的な負荷がかかり、認知負荷が高まる。このような所定の事象が発生したときの走行データを他の走行データと区別して取り扱うことで、認知機能に係る運転能力を適切に判定することができる。
上記実施形態では、走行データ抽出部14が操舵角の時間変化に基づいて単位時間ごとの走行区間を判定することで第1走行データ、第2走行データをそれぞれ抽出する例を説明したが、走行データ抽出部は、このようなものに限らない。例えば、車両の位置情報の時間変化に基づいて単位時間ごとの走行区間を判定してもよく、位置情報と地図情報とに基づいて走行区間を特定してもよい。
上記実施形態では、図1等で無負荷・低負荷区間を走行したときの第1走行データに基づいてα値を算出し、右折区間を走行したときの第2走行データに基づいてHp値を算出する例を説明したが、第1区間および第2区間は、このような区間に限らない。第1区間および第2区間は、第2区間が第1区間よりも認知負荷が高まるような関係であればよく、例えば、無負荷・低負荷区間のうち第2区間を除く区間を第1区間としてもよい。
以上では、本発明を運転能力判定システムとして説明したが、本発明は、運転能力判定方法として用いることもできる。すなわち、運転能力判定方法は、車両の時系列の走行データを取得する情報取得ステップS1と、走行データに基づいて、運転者の操舵の特性を表す運転能力の評価値を算出する評価値算出ステップS5,S6と、走行データに基づいて認知負荷を高める所定の事象が発生したか否かを判定する事象発生判定ステップS4と、を含む(図5)。評価値算出ステップS6では、走行データのうち、所定の事象が発生したと判定された時点よりも後の走行データを特定走行データとして特定し、特定された特定走行データに基づいて運転能力の評価値を算出する。
以上の説明はあくまで一例であり、本発明の特徴を損なわない限り、上述した実施形態および変形例により本発明が限定されるものではない。上記実施形態と変形例の1つまたは複数を任意に組み合わせることも可能であり、変形例同士を組み合わせることも可能である。
10 運転能力判定システム(システム)、11 演算部、12 記憶部、13 情報取得部、14 走行データ抽出部、15 事象発生判定部、16 評価値算出部、17 認知機能評価部、18 情報出力部
Claims (6)
- 車両の時系列の走行データを取得する情報取得部と、
前記情報取得部により取得された走行データに基づいて、前記車両の運転者の操舵の特性を表す評価値を算出する評価値算出部と、
前記情報取得部により取得された走行データに基づいて、前記車両の運転者に前記所定の負荷が作用する所定の事象が発生したか否かを判定する事象発生判定部と、を備え、
前記評価値算出部は、前記情報取得部により取得された走行データのうち、前記事象発生判定部により前記所定の事象が発生したと判定された時点よりも後に前記情報取得部により取得された走行データを特定走行データとして特定し、特定された特定走行データに基づいて前記評価値を算出することを特徴とする運転能力判定システム。 - 請求項1に記載の運転能力判定システムにおいて、
前記評価値算出部は、前記事象発生判定部により前記所定の事象が発生したと判定された時点から所定時間経過時点までの走行データを前記特定走行データとして特定することを特徴とする運転能力判定システム。 - 請求項1または2に記載の運転能力判定システムにおいて、
前記評価値算出部は、前記情報取得部により取得された第1走行データに基づいて前記車両の運転者の操舵の特性を表す第1評価値を算出するとともに、算出された前記第1評価値と、前記第1走行データに含まれる前記特定走行データまたは前記情報取得部により取得された第2走行データに含まれる前記特定走行データと、に基づいて、前記車両の運転者に所定の負荷が作用したときの運転者の操舵の特性を表す第2評価値を算出することを特徴とする運転能力判定システム。 - 請求項3に記載の運転能力判定システムにおいて、
前記評価値算出部は、前記第1走行データから前記特定走行データを除外した走行データに基づいて、または、前記第1走行データに含まれる前記特定走行データの前記第1評価値に対する重みを、それ以外の前記第1走行データの前記第1評価値に対する重みよりも下げるように補正された走行データに基づいて、前記第1評価値を算出することを特徴とする運転能力判定システム。 - 請求項1~4のいずれか1項に記載の運転能力判定システムにおいて、
前記所定の事象は、運転者に情報を報知する報知装置の作動、前記車両に設けられた安全装置の作動、前記車両の減速度の所定値以上への増加、および前記車両周辺における警笛の発生のいずれかであることを特徴とする運転能力判定システム。 - 車両の時系列の走行データを取得する情報取得ステップと、
前記情報取得ステップで取得された走行データに基づいて、前記車両の運転者の操舵の特性を表す評価値を算出する評価値算出ステップと、
前記情報取得ステップで取得された走行データに基づいて、前記車両の運転者に前記所定の負荷が作用する所定の事象が発生したか否かを判定する事象発生判定ステップと、を含み、
前記評価値算出ステップでは、前記情報取得ステップで取得された走行データのうち、前記事象発生判定ステップで前記所定の事象が発生したと判定された時点よりも後に前記情報取得ステップで取得された走行データを特定走行データとして特定し、特定された特定走行データに基づいて前記評価値を算出することを特徴とする運転能力判定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2022/016528 WO2023188275A1 (ja) | 2022-03-31 | 2022-03-31 | 運転能力判定システムおよび運転能力判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2022/016528 WO2023188275A1 (ja) | 2022-03-31 | 2022-03-31 | 運転能力判定システムおよび運転能力判定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2023188275A1 true WO2023188275A1 (ja) | 2023-10-05 |
Family
ID=88199889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2022/016528 WO2023188275A1 (ja) | 2022-03-31 | 2022-03-31 | 運転能力判定システムおよび運転能力判定方法 |
Country Status (1)
Country | Link |
---|---|
WO (1) | WO2023188275A1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004338625A (ja) * | 2003-05-16 | 2004-12-02 | Nissan Motor Co Ltd | 運転技量監視装置 |
JP2014174848A (ja) * | 2013-03-11 | 2014-09-22 | Kochi Univ Of Technology | 自動車安全運転能力測定システム |
-
2022
- 2022-03-31 WO PCT/JP2022/016528 patent/WO2023188275A1/ja unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004338625A (ja) * | 2003-05-16 | 2004-12-02 | Nissan Motor Co Ltd | 運転技量監視装置 |
JP2014174848A (ja) * | 2013-03-11 | 2014-09-22 | Kochi Univ Of Technology | 自動車安全運転能力測定システム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11511752B2 (en) | Method and system for risk based driving mode switching in hybrid driving | |
US11609566B2 (en) | Method and system for driving mode switching based on self-aware capability parameters in hybrid driving | |
US11590890B2 (en) | Method and system for augmented alerting based on driver's state in hybrid driving | |
JP2020091790A (ja) | 自動運転システム | |
EP2767450A1 (en) | Lane departure warning system and a method for a lane departure warning system | |
JP2018041328A (ja) | 車両用情報提示装置 | |
WO2022201962A1 (ja) | 運転特性判定装置、運転特性判定方法及び運転特性判定プログラム | |
JP2013041524A (ja) | 運転支援制御装置 | |
JP2020113183A (ja) | 自動運転システム | |
WO2019122967A1 (en) | Method and system for risk based driving mode switching in hybrid driving | |
WO2023188275A1 (ja) | 運転能力判定システムおよび運転能力判定方法 | |
WO2023188276A1 (ja) | 運転能力判定システムおよび運転能力判定方法 | |
US20230316923A1 (en) | Traffic safety support system | |
US20230326345A1 (en) | Traffic safety support system | |
WO2023188273A1 (ja) | 運転能力判定システムおよび運転能力判定方法 | |
Gray | of the Human Factors and | |
WO2022176136A1 (ja) | 情報処理装置、出力制御方法及び出力制御プログラム | |
WO2022208954A1 (ja) | 運転能力判定システムおよび運転能力判定方法 | |
US20230316898A1 (en) | Traffic safety support system and learning method executable by the same | |
JP2024049024A (ja) | 運転能力判定システムおよび運転能力判定方法 | |
JP2024049023A (ja) | 運転能力判定システムおよび運転能力判定方法 | |
JP2023151656A (ja) | 交通安全支援システム | |
JP2023151647A (ja) | 交通安全支援システム | |
JP2024049025A (ja) | 運転能力判定システムおよび運転能力判定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 22935418 Country of ref document: EP Kind code of ref document: A1 |