JP2009009495A - 車両用運転支援装置および車両用運転支援装置を備える車両 - Google Patents

Abstract

【課題】運転の不安定な状態を精度よく検出する車両用運転支援装置を提供する。
【解決手段】タイムウィンドウＴｗ１に取得された過去の操舵角予測誤差データから長時間の操舵角予測誤差分布を算出し、タイムウィンドウＴｗ２に取得された直近の操舵角予測誤差データから現在の操舵角予測誤差分布を算出する。これら２つの分布から相対エントロピーを算出し、算出した相対エントロピーが所定値よりも大きい場合は、現在の運転操作が不安定な状態であると判断して警報を出力する。
【選択図】図３

Description

本発明は、運転者の操作を判定する車両用運転支援装置に関する。

従来から、運転操作の不安定な状態を検出して警報を行う車両用運転操作監視装置が知られている（例えば特許文献１参照）。この装置は、ステアリング操作の滑らかさから運転者の不安定度を算出する手法として、ステアリングエントロピー法を用いている。ステアリングエントロピー法は、運転者が運転以外の負荷により運転に集中していない有負荷状態では、操舵操作が行われない時間が通常状態（無負荷で覚醒した状態）での運転時よりも長くなって大きな舵角の誤差が蓄積され、運転に注意が戻ったときの修正操舵量が大きくなるという特性に着目したものである。特許文献１の装置は、ステアリングエントロピー法によって算出した舵角エントロピー値に基づいて運転者の不安定度を検出する。

特開平１１−２２７４９１号公報 特開平８−２４９６００号公報 特開２００２−１５４３４５号公報

上述した特許文献１に記載の装置は、個人差に対応した舵角エントロピー値を算出するために、通常状態における操舵角予測誤差の分布幅（α値）を基準状態として求める必要があった。ただし、この基準状態は特定の走行条件で一義的に決定されたものであり、走行日や時刻、場所（道路状態）などの条件による交通環境の違いによっては、運転者負荷を正確に表すエントロピー値が得られず、運転者の状態を正確に検出することが難しい場合があった。

本発明による車両用運転支援装置は、車両挙動、車両周囲環境、および運転者の運転操作量の少なくとも一つ（以降、走行状態データと呼ぶ）を検出する走行状態検出手段と、走行状態検出手段で検出された走行状態データに基づいて複数の走行状態分布を算出する走行状態分布算出手段と、走行状態分布算出手段で算出された複数の走行状態分布の間の相違量を算出する分布相違量算出手段と、分布相違量算出手段で算出された相違量の大きさから、不安定運転状態を判定する不安定運転状態検出手段とを備える。
本発明による車両用運転支援方法は、車両挙動、車両周囲環境、および運転者の運転操作量の少なくとも一つ（以降、走行状態データと呼ぶ）を取得し、取得された走行状態データに基づいて複数の走行状態分布を算出し、算出された複数の走行状態分布の間の相違量を算出し、算出された相違量の大きさから、不安定運転状態を判定する。
本発明による車両は、車両挙動、車両周囲環境、および運転者の運転操作量の少なくとも一つ（以降、走行状態データと呼ぶ）を検出する走行状態検出手段と、走行状態検出手段で検出された走行状態データに基づいて複数の走行状態分布を算出する走行状態分布算出手段と、走行状態分布算出手段で算出された複数の走行状態分布の間の相違量を算出する分布相違量算出手段と、分布相違量算出手段で算出された相違量の大きさから、不安定運転状態を判定する不安定運転状態検出手段とを有する車両用運転支援装置を備える。

本発明によれば、交通環境の違いによらず不安定な状態を精度よく検出することができる。

《第１の実施の形態》
本発明の第１の実施の形態による車両用運転支援装置について説明する。図１に、第１の実施の形態による車両用運転支援装置１の構成を示すシステム図を示し、図２に、図１の車両用運転支援装置１を搭載した車両の構成図を示す。

まず、車両用運転支援装置１の構成を説明する。
舵角センサ５は、例えばステアリングコラムもしくはステアリングホイール（不図示）付近に取り付けられた角度センサであり、ステアリングシャフトの回転からドライバの転舵による操舵角を検出する。検出した操舵角は、コントローラ１００に出力される。

前方カメラ１５は、フロントウィンドウ上部に取り付けられた小型のＣＣＤカメラ、またはＣＭＯＳカメラ等であり、前方道路の状況を画像として検出する。コントローラ１００は、前方カメラ１５からの画像信号に画像処理を施し、自車両前方領域に存在するレーンマーカ等を検出する。なお、前方カメラ１５による検知領域は車両の前後方向中心線に対して水平方向に±３０deg程度であり、この領域に含まれる前方道路風景が画像として取り込まれる。

車速センサ３０は、車輪の回転数や変速機の出力側の回転数を計測することにより自車両の車速を検出し、検出した自車速をコントローラ１００に出力する。

ナビゲーションシステム５０は、ＧＰＳ受信機、地図データベース、および表示モニタ等を備えており、経路探索および経路案内等を行うシステムである。ナビゲーションシステム５０は、ＧＰＳ受信機から得られる自車両の現在位置と地図データベースに格納された道路情報に基づいて、自車両が走行する道路の種別や道路幅員等の情報を取得することができる。

コントローラ１００は、ＣＰＵと、ＲＯＭおよびＲＡＭ等のＣＰＵ周辺部品とから構成される電子制御ユニットであり、車両用運転支援装置１全体の制御を行う。コントローラ１００は、舵角センサ５、前方カメラ１５、車速センサ３０、ナビゲーションシステム５０等から入力される信号に基づいて運転者の運転特性を分析し、運転者の運転操作の乱雑さ、すなわちなめらかでない度合を判定する。そして、運転操作のなめらかでない度合に応じて警報を出力して運転者の注意を喚起する。コントローラ１００における具体的な制御内容は、後述する。

警報装置１５０は、コントローラ１００からの制御信号に応じて警報を出力する。警報装置１５０は、例えば、ブザー音や音声により運転者への情報提供を行うスピーカと、画像やテキストの表示により情報提供を行う表示ユニットとを備える。表示ユニットは、例えばナビゲーションシステム５０の表示モニタを用いて表示を行うこともできる。

次に、第１の実施の形態による車両用運転支援装置１の動作を説明する。まず、その概要を説明する。
車両用運転支援装置１のコントローラ１００は、自車両の走行状態と運転者の運転操作に基づいて、運転者の運転操作のなめらかでない度合を判定し、その判定結果に応じて運転者への警報を行う。具体的には、運転者がステアリング操作を行う際の操舵角信号に基づいて、運転者の現在の運転操作が普段の運転操作と比べてどう違うか、すなわち普段の運転操作と比べて不安定な状態であるかを判定する。そして、普段の運転操作と比べて不安定な状態であると判定されると、警報を与えて運転者の注意を喚起する。

第１の実施の形態では、運転操作のなめらかでない乱雑さを表す値として、相対エントロピー（Relative Entropy）を算出する。一般的に、運転者の注意が運転に集中していない状態では、操舵が行われない時間が運転に集中した正常運転時よりも長くなり、大きな操舵角の誤差が蓄積される。したがって、運転者の注意が運転に戻ったときの修正操舵量が大きくなる。そこで、この特性を利用して相対エントロピーＲＨｐを算出する。具体的には、過去あるいは現在よりも前の長時間に蓄積された操舵誤差分布と、短時間計測された現在の運転者の操舵誤差分布をそれぞれ算出する。そして、長時間の操舵誤差分布を比較基準として用いて、長時間の操舵誤差分布と短時間の操作誤差分布とから相対エントロピーＲＨｐを算出する。

すなわち、相対エントロピーＲＨｐは、２つの操舵誤差分布の相違量(距離)を表す物理量であり、２つの操舵誤差分布の違いの度合、すなわち２つの操舵誤差分布がどれくらい離れているかを表す。算出した相対エントロピーＲＨｐの値を判定することにより、過去の長時間の走行状態に対して現在の直近の走行状態の安定性を評価する。

第１の実施の形態による車両用運転支援装置１の動作を、図３を用いて詳細に説明する。図３は、第１の実施の形態のコントローラ１００における運転支援制御処理の処理手順のフローチャートである。本処理内容は、一定間隔、例えば５０msec毎に連続的に行われる。

ステップＳ１０１０では、相対エントロピーＲＨｐを算出可能な走行場面であるか否かを判断するために、自車両が走行している走行場面の推定（検出）を行う。ここでは、自車速Ｖが所定範囲（例えば４０〜１２０km/h）内にある場合に、相対エントロピーＲＨｐを算出可能な走行場面とする。すなわち、操舵角信号を用いた効果的な相対エントロピーＲＨｐの算出を行うために、車速が極端に遅い場合および極端に速い場合を算出可能な走行場面から除外する。

ステップＳ１０２０では、車速センサ３０で検出される現在の自車速Ｖが所定範囲内にあるか否かを判定する。自車速Ｖが所定範囲内にあり、相対エントロピーＲＨｐを算出可能な走行場面であると判定されると、相対エントロピーＲＨｐの算出を行うためにステップＳ１０３０へ進む。一方、自車速Ｖが所定範囲内にない場合は、この処理を終了する。

ステップＳ１０３０では、運転者の運転操作の不安定な状態を検出するための検出対象となる運転者の運転操作量として、舵角センサ５で検出される現在の操舵角信号θを読み込む。ステップＳ１０３１では、読み込んだ操舵角θの値から、操舵角予測誤差θｅを算出する。

ここで、図４に、相対エントロピーＲＨｐを算出するために用いる特殊記号とその名称を示す。操舵角円滑値θn-tildeは、量子化ノイズの影響を低減した操舵角である。操舵角の推定値θn-hatは、ステアリングが滑らかに操作されたと仮定してサンプリング時点における操舵角を推定した値である。操舵角推定値θn-hatは、以下の（式１）に示すように、操舵角円滑値θn-tildeに対して二次のテイラー展開を施して得られる。

（式１）において、ｔｎは操舵角θｎのサンプリング時刻である。

操舵角円滑値θn-tildeは、量子化ノイズの影響を低減するために、３個の隣接操舵角θｎの平均値として以下の（式２）から算出される。

（式２）において、ｌは、操舵角円滑値θn-tildeの算出時間間隔を１５０msec、すなわち手動操作において人間が断続的に操作可能な最小時間間隔とした場合に、１５０msec内に含まれる操舵角θｎのサンプル数を表す。

操舵角θｎのサンプリング間隔をＴｓとすると、サンプル数ｌは、以下の（式３）で表される。
ｌ＝round（０．１５／Ｔｓ） ・・・（式３）
（式３）において、ｋ＝１，２，３の値をとり、（ｋ＊１）により１５０msec間隔の操舵角とそれに隣接する合計３個の操舵角θｎに基づいて、円滑値θn-tildeを求めることができる。したがって、このような円滑値θn-tildeに基づいて算出される推定値θn-hatは、実質的に１５０msec間隔で得られた操舵角θにより算出されたことになる。

サンプリング時点における操舵角予測誤差θｅは、ステアリング操作が滑らかに行われたと仮定した場合の操舵角推定値θn-hatと実際の操舵角θｎとの差として、以下の（式４）から算出できる。

ただし、操舵角予測誤差θｅは、人間が断続的に操作可能な最小時間間隔、１５０msecごとの操舵角θｎに対してのみ算出するものとする。

以下に、操舵角予測誤差θｅの具体的な算出方法を説明する。なお、操舵角信号θのサンプリング間隔Ｔｓは、例えば５０msecとする。まず、１５０msec間隔の隣接する３個の操舵角θｎを用いて、上記（式２）から３個の操舵角円滑値θn-tildeを算出する。３個の操舵角円滑値θn-tildeは、以下の（式５）で表される。

つぎに、算出した３個の操舵角円滑値θn-tildeを用いて、上記（式１）から操舵角の推定値θn-hatを算出する。推定値θｎ-hatは、以下の（式６）で表される。

そして、算出した操舵角推定値θn-hatと実際の操舵角信号θｎとを用いて、上記（式４）から操舵誤差θｅを算出する。

つづくステップＳ１０４０では、現時点までに算出され、コントローラ１００のメモリ内に蓄積されていた所定時間Ｔ秒間の操舵角予測誤差θｅのデータを、ステップＳ１０３１で算出した操舵角予測誤差θｅの現在値を加えて更新する。すなわち、蓄積されている操舵角予測誤差θｅのデータのうち最も古いＴ秒前のデータを捨てて、代わりに最新の操舵角予測誤差θｅのデータとして、ステップＳ１０３１で算出した現在値を入力する。これにより、現在値からＴ秒前までの操舵角予測誤差θｅのデータが蓄積されることになる。なお、所定時間Ｔは、現在の運転操作の不安定な状態を判定するための比較基準となる長時間の誤差分布を算出するために十分な長期間のデータを蓄えられるように、例えばＴ＝３６００秒（＝１時間）程度に設定する。

ステップＳ１０５０では、操舵予測誤差分布の比較基準となる、過去あるいは長時間の操舵角予測誤差分布１を算出する。ここでは、図５に示すように、例えばＴ秒前のデータから１８０秒分のデータを使って過去の操舵角予測誤差分布を算出する。具体的には、蓄積された過去の操舵角予測誤差θｅを、９つの予測誤差区分ｂ１〜ｂ９に分類し、各区分ｂｉに含まれる操舵角予測誤差θｅの度数の全度数に対する確率ｐｉ（＝ｐ１〜ｐ９）を求める。そして、算出した過去の分布を操舵予測誤差分布の比較基準として利用する。なお、予測誤差区分ｂｉの範囲は、全区分ｂ１〜ｂ９で一定となるように予め設定しておく。

長時間の操舵角予測誤差分布を算出する場合は、Ｔ秒前から現在までの３６００秒分の全てのデータを用いる。具体的には、蓄積された長時間の操舵角予測誤差θｅを、９つの予測誤差区分ｂ１〜ｂ９に分類し、各区分ｂｉに含まれる操舵角予測誤差θｅの度数の全度数に対する確率ｐｉ（＝ｐ１〜ｐ９）を求める。算出した過去の分布（または長時間の分布）を比較基準となる過去(または長時間)の操舵角予測誤差分布１とする。

ステップＳ１０５１では、現在の操舵角予測誤差分布２を算出する。ここでは、図５に示すように現在から直近の１８０秒分のデータを使って現在の操舵角予測誤差分布２を算出する。具体的には、直近の１８０秒分の操舵角予測誤差θｅのデータを、９つの予測誤差区分ｂ１〜ｂ９に分類し、各区分ｂｉに含まれる操舵角予測誤差θｅの度数の全度数に対する確率ｑｉ（＝ｑ１〜ｑ９）を求める。

ステップＳ１０７０では、過去（または長時間）の操舵角予測誤差分布１および現在の操舵角予測誤差分布２を用いて、相対エントロピーＲＨｐを求める。図６に示すように相対エントロピーＲＨｐは、比較基準である過去（または長時間）の操舵角予測誤差分布１に対する現在の操舵角予測誤差分布２の相違量(距離)である。相対エントロピーＲＨｐは、以下の算出式（式７）から算出することができる。

相対エントロピーＲＨｐは、過去（または長時間）の操舵角予測誤差分布１の確率ｐｉと現在の操舵角予測誤差分布２の確率ｑｉが等しい場合にＲＨｐ＝０となり、これらの確率ｐｉとｑｉがずれるほどＲＨｐの値が大きくなる。

ステップＳ１０８０では、ステップＳ１０７０で算出した相対エントロピーＲＨｐの値を、予め設定した所定値と比較する。ここで、所定値は、運転者の現在の運転操作が不安定な状態であり注意を喚起する必要があるか否かを判断するためのしきい値であり、予め適切な値を設定しておく。相対エントロピーＲＨｐが所定値よりも大きい場合は、ステップＳ１０９０へ進み、所定値以下の場合はこの処理を終了する。

ステップＳ１０９０では、運転者の注意を喚起するために警報を出力する。そこで、コントローラ１００は、警報装置１５０へ制御信号を送り、警報音や表示等により運転操作が不安定な状態であることを運転者に報知する。これにより、今回の処理を終了する。

なお、過去（または長時間）の操舵角予測誤差分布１および現在の操舵角予測誤差分布２を算出するための予測誤差区分ｂｉの範囲を、操舵誤差分布のあいまいさ（不確実性）を表すステアリングエントロピー値Ｈｐを算出する際に用いるα値に基づいて設定することもできる。ここで、α値は、操舵角の時系列データに基づいて一定時間内の操舵誤差、すなわちステアリングが滑らかに操作されたと仮定した場合の操舵角の推定値と実際の操舵角との差を求め、操舵誤差の分布（ばらつき）を測定して９０パーセントタイル値（操舵誤差の９０％が含まれる分布の範囲）を算出したものである。

そこで、過去あるいは長時間の操舵角誤差分布に基づいてα値を算出し、算出したα値から、過去（または長時間）の操舵角予測誤差分布１および現在の操舵角予測誤差分布２について同じ予測誤差区分ｂｉの範囲を設定する。図７に、α値を用いて設定される各区分ｂｉの操舵角予測誤差θｅの範囲を示す。

このように、以上説明した第１の実施の形態においては、以下のような作用効果を奏することができる。
（１）車両用運転支援装置１は、走行状態データとして、車両挙動、車両周囲環境、および運転者の運転操作量の少なくとも一つを検出し、走行状態データに基づいて複数の走行状態分布を算出する。そして、算出された複数の走行状態分布の間の相違量を算出し、相違量の大きさから不安定運転状態を判定する。これにより、交通環境の違いによらず不安定な走行状態を精度よく検出することが可能となる。すなわち、交通環境の違いによらず、個人の普段の特性に適応して、不安定な状態を精度よく検出することができる。
（２）複数の走行状態分布として、時間的範囲の異なる複数の走行状態分布を算出する。例えば、過去の走行状態データを含む走行状態分布と、直近の走行状態データからなる走行状態分布とを算出し、過去の走行状態分布を基準として直近の走行状態分布の相違量を直接算出することにより、基準となるデータも連続的に更新しつつ、直近の状態の安定性を評価することが可能となる。このように、交通環境の違いによらず不安定な走行状態を精度よく検出することが可能となる。
（３）走行状態データとして操舵角予測誤差を取得するので、運転者の操舵操作に関する不安定運転状態を判定することができる。
（４）複数の走行状態分布の間の相違量として相対エントロピーを算出することにより、複数の分布間の形状の違いを把握して、基準の走行状態分布に対して比較対象の走行状態分布がどれくらい離れているかを判断することができる。

《第２の実施の形態》
以下に、本発明の第２の実施の形態による車両用運転支援装置について説明する。第２の実施の形態による車両用運転支援装置の基本構成は、図１に示した第１の実施の形態と同様である。ここでは、上述した第１の実施の形態との相違点を主に説明する。

第２の実施の形態による車両用運転支援装置１では、上述した第１の実施の形態と同様に、操舵角信号θを用いて相対エントロピーＲＨｐを算出することにより運転操作の不安定な状態を検出する。そして、運転操作が不安定な状態であると判定されると、警報を出力して運転者の注意を喚起する。

ここで、相対エントロピーＲＨｐを求める際には、操舵角の推定誤差が９分割された基準分布のどの区分に属するかを判定し、各区分の確率を計算する必要がある。上述した第１の実施の形態では、相対エントロピーＲＨｐを算出するために必要な大量の操舵角θのデータをメモリに蓄積していた。第２の実施の形態では、直近の操舵角θのデータを一時的に保存する必要がある場合でも、少量のメモリで各区分の確率の計算が可能となるように、再帰的（Recursive）に各区分の確率を計算する。

また、自車両が安定して走行している状態でも、操舵角予測誤差θｅのばらつきは自車速Ｖが大きいほど大きくなる傾向がある。したがって、第２の実施の形態では、このばらつきの影響を補正するために、自車速Ｖに応じて操舵角予測誤差分布の区分ｂｉの範囲を補正する。

さらに、運転操作の不安定な状態をより確実に判定するために、相対エントロピーＲＨｐに加えて、過去（または長時間）の操舵角予測誤差分布１と現在の操舵角予測誤差分布２のそれぞれについて、操舵誤差分布のあいまいさ（不確実性）を表すステアリングエントロピー値Ｈｐを算出する。ステアリングエントロピー値Ｈｐは、ステアリング操作が滑らかで安定している場合は小さくなり、ガクガクと不安定な場合は大きくなる。以降では、ステアリングエントロピー値Ｈｐを、相対エントロピーＲＨｐに対して絶対エントロピーと呼ぶ。

以下に、第２の実施の形態による車両用運転支援装置１の動作を、図８を用いて説明する。図８は、第２の実施の形態のコントローラ１００における運転支援制御処理の処理手順のフローチャートである。本処理内容は、一定間隔、例えば５０msec毎に連続的に行われる。ステップＳ２０１０〜Ｓ２０３１での処理は、図３のフローチャートのステップＳ１０１０〜Ｓ１０３１での処理と同様であるので、説明を省略する。

ステップＳ２０４１では、操舵角予測誤差分布の区分ｂｉの範囲を決定するために用いる自車両の走行状態を表す物理量として、車速センサ３０で検出される現在の自車速Ｖを読み込む。ステップＳ２０４２では、ステップＳ２０４１で読み込んだ自車速Ｖに応じて、操舵角予測誤差分布の区分ｂｉの幅の位置と大きさを設定する。すなわち、図９に示すように、自車両が安定して走行している状態でも、操舵角予測誤差θｅのばらつきは自車速Ｖが大きいほど大きくなる傾向がある。そこで、車速によるばらつきの影響を補正するために、各区分ｂｉの範囲を、以下の(式８)のように変更する。
区分ｂｉの範囲： ｛Kbi_LEFT×Ｖ，Kbi_RIGHT×Ｖ｝ ・・・(式８)

ここで、Kbi_LEFT，Kbi_RIGHTは、区分ｂ１〜ｂ９のそれぞれの左端と右端を定義する値である。すなわち、区分ｂｉの右端を定義するKbi_RIGHTは、区分ｂｉ＋１の左端を定義するKbi+1_LEFTと等しくなる。これらのKbi_LEFT，Kbi_RIGHTは、所定値として予め適切な値を設定しておく。（式８）により、自車速Ｖに比例して、各区分ｂｉの範囲の大きさと位置が変化することになる。

また、Kbi_LEFT，Kbi_RIGHTの値は、車両の特性や運転者の特性によって異なることが予想されるため、別プログラムで車速域ごとに同定された操舵角予測誤差θｅのばらつき（標準偏差）の大きさの近似式を用いて補正されている。すなわち、操舵角予測誤差θｅのばらつきから運転者の特性を学習し、Kbi_LEFT，Kbi_RIGHTの値を補正する。図９に、安定した走行状態における車速に対する操舵角予測誤差θｅの標準偏差の一例を示す。図９に示す直線で表される近似式を用いて、Kbi_LEFT，Kbi_RIGHTの補正を行う。Kbi_LEFT，Kbi_RIGHTの補正方法について、図１０のフローチャートを用いて説明する。

まず、ステップＳ２４０１で、自車両走行中に算出される操舵角予測誤差θｅのデータを、車速１０km/hおき、±５km/hの範囲内で別々に、例えばコントローラ１００内のメモリに蓄積する。ステップＳ２４０２では、過去に蓄えられた操舵角予測誤差θｅを用いて、各範囲内の操舵角予測誤差θｅの標準偏差を算出する。図９にプロットされた各点は、車速の各範囲ごとに算出された操舵角予測誤差θｅの標準偏差の一例を示す。なお、図９に示す例は、２０km/hおきにプロットされている。

ステップＳ２４０３では、図９に示すような点列から、最小二乗法にて原点を通る直線を近似し、その傾きを算出する。ステップＳ２４０４では、ステップＳ２４０３で算出した車速に対する標準偏差のグラフの傾きの大きさに比例するように、Kbi_LEFT，Kbi_RIGHTの補正を行う。ここでは、予め、標準偏差の傾きの所定値に対するKbi_LEFT，Kbi_RIGHTの標準値を決めておく。そして、予め設定したKbi_LEFT，Kbi_RIGHTの標準値を車速に対する標準偏差のグラフの傾きの大きさに比例するように補正する。

このように、自車速Ｖに応じた運転者の操舵角予測誤差θｅのばらつきを学習して補正したKbi_LEFT，Kbi_RIGHTの値を、車速に対する操舵角予測誤差θｅの依存性を考慮して自車速Ｖに応じて変更することにより、操舵角予測誤差分布の区分ｂｉの範囲を設定する。

続くステップＳ２０４３では、操舵角予測誤差分布計算用の時間ウィンドウの値Ｔｗ１，Ｔｗ２を設定する。なお、ここでは比較基準として長時間の操舵角予測誤差分布を用いる（図５参照）。そこで、長時間の操舵角予測誤差１用のタイムウィンドウＴｗ１は、運転者の普段の運転操作を表す普段の分布を算出するために、基本的にＴｗ１＝３６００秒とする。ただし、操舵角予測誤差θｅのデータを蓄積している途中で運転者が変わった場合等に対応するため、データ蓄積がリセットされてからの経過時間も加味して、３６００秒とリセットされてからの経過時間のいずれか短いほうをタイムウィンドウＴｗ１として設定する。

一方、現在の操舵角予測誤差分布２用のタイムウィンドウＴｗ２は、運転者の現在の運転操作を表す直近の分布を算出するために、基本的にＴｗ２＝１８０秒とする。ただし、操舵角予測誤差θｅの計測開始直後の応答性を向上させるために、今回の走行についての計測開始から１８０秒に達しない状況では、計測開始からの経過時間を、そのままタイムウィンドウＴｗ２として設定する。これにより、現在の操舵角予測誤差分布２の計算の応答性が向上し、計測開始から短時間で運転者の運転操作の判定が可能となる。

ステップＳ２０５０では、操舵予測誤差分布の比較基準となる長時間の操舵角予測誤差分布１を再帰計算により算出する。ここでは、タイムウィンドウＴｗ１をステップＳ２０４３で設定した値（例えば３６００秒とリセットされてからの経過時間のいずれか短いほう）に設定し、タイムウィンドウＴｗ１内の操舵角予測誤差θｅのデータを用いて長時間の操舵角予測誤差分布１を算出する。

具体的には、ステップＳ２０３１で算出した操舵角予測誤差θｅを、ステップＳ２０４２で算出した９区分ｂ１〜ｂ９に分類し、各区分ｂｉに含まれる操舵角予測誤差θｅの度数の全度数に対する確率ｐｉ（ｐ１〜ｐ９）を再帰的に求める。操舵角予測誤差θｅが配分される区分の判定と、各区分ｂｉの確率ｐｉを再帰的に求める方法を、図１１のフローチャートを用いて説明する。

まず、ステップＳ２５０１では、操舵角予測誤差の区分を示すｉに１を設定する。ステップＳ２５０２では、ｉが９よりも大きいか否かを判定する。ｉ＞９の場合は、９区分のそれぞれの確率ｐｉの算出が終了していると判断して、この処理を終了する。ｉ≦９の場合は、各区分ｂｉにおける確率ｐｉを算出するために、ステップＳ２５０３へ進む。

ステップＳ２５０３では、ステップＳ２０３１で算出した操舵角予測誤差θｅがターゲットの区分ｂｉに該当するか否かを判定する。操舵角予測誤差θｅが区分ｂｉに該当する場合は、ステップＳ２５０４へ進む。ステップＳ２５０４では、以下の（式９）から区分ｂｉに含まれる操舵角予測誤差θｅの確率ｐｉ（ｎ）を算出する。ここで、タイムウィンドウＴｗ１内のデータ個数をＮとする。
pi（n）＝｛pi(n−1)＋1／N｝÷（1＋1／N） ・・・(式９)

一方、操舵角予測誤差θｅが区分ｂｉに該当しない場合は、ステップＳ２５０５へ進み、その区分ｂｉに含まれる操舵角予測誤差θｅの確率ｐｉ（ｎ）を、以下の（式１０）から算出する。
pi（n）＝｛pi（n−1）｝÷（1＋1／N） ・・・（式１０）

ステップＳ２５０６では、ｉとして（ｉ＋１）をセットする。その後、ステップＳ２５０２へ戻り、全９区分の確率ｐｉを算出するまで、ステップＳ２５０３〜Ｓ２５０６の処理を繰り返す。

このように、ステップＳ２０５０で各区分ｂｉに含まれる操舵角予測誤差θｅの確率ｐｉを再帰的に算出した後、ステップＳ２０５１へ進む。ステップＳ２０５１では、現在の操舵角予測誤差分布２を再帰計算により算出する。ここでは、タイムウィンドウＴｗ２をステップＳ２０４３で設定した値（例えば１８０秒と計測開始からの経過時間のいずれか短いほう）に設定し、タイムウィンドウＴｗ２内の操舵角予測誤差θｅのデータを用いて現在の直近の操舵角予測誤差分布２を算出する。

具体的には、ステップＳ２０３１で算出した操舵角予測誤差θｅを、ステップＳ２０４２で算出した９区分ｂ１〜ｂ９に分類し、各区分ｂｉに含まれる操舵角予測誤差θｅの度数の全度数に対する確率ｑｉ（ｑ１〜ｑ９）を再帰的に求める。確率ｑｉの再帰的に求める方法は、上述した長時間の操舵角予測誤差分布１における算出方法と同様である。

ステップＳ２０７０では、長時間の操舵角予測誤差分布１および現在の操舵角予測誤差分布２を用いて、上述した（式７）から相対エントロピーＲＨｐを求める。

ステップＳ２０７１では、長時間の操舵角予測誤差分布１および現在の操舵角予測誤差分布２を用いて、それぞれの絶対エントロピーＨｐ１，Ｈｐ２を算出する。長時間の操舵角予測誤差分布１の絶対エントロピーＨｐ１は、ステップＳ２０５０で算出した確率ｐｉを用いて、以下の（式１１）から求められる。

現在の操舵角予測誤差分布２の絶対エントロピーＨｐ２は、ステップＳ２０５１で算出した確率ｑｉを用いて、以下の（式１２）から求められる。

絶対エントロピーＨｐ１，Ｈｐ２は、操舵角予測誤差θｅの分布の峻険度を表す。絶対エントロピーＨｐ１，Ｈｐ２が小さいほど操舵角予測誤差θｅの分布の峻険度が大きく、操舵角予測誤差θｅの分布が一定の範囲に収まっている。すなわち、ステアリング操作が滑らかに行われ、運転が安定な状態にあることを示す。反対に、絶対エントロピーＨｐ１，Ｈｐ２が大きいほど操舵角予測誤差θｅの分布の峻険度が小さく、操舵角予測誤差θｅの分布がばらついている。すなわち、ステアリング操作がガクガクしており、運転が不安定な状態にあることを示す。

ステップＳ２０８０では、ステップＳ２０７０で算出した相対エントロピーＲＨｐの値を、予め設定した所定値と比較する。ここで、所定値は、運転者の現在の運転操作が不安定な状態であり注意を喚起する必要があるか否かを判断するためのしきい値であり、予め適切な値を設定しておく。相対エントロピーＲＨｐが所定値よりも大きい場合は、ステップＳ２０８１へ進み、所定値以下の場合はこの処理を終了する。

ステップＳ２０８１では、ステップＳ２０７１で算出した絶対エントロピーＨｐ１，Ｈｐ２の差（Ｈｐ２−Ｈｐ１）を予め設定した所定値と比較する。ここで、所定値は、現在の操舵角予測誤差分布２の絶対エントロピーＨｐ２が、長時間の操舵角予測誤差分布１の絶対エントロピーＨｐ１よりも大きいか(Ｈｐ２＞Ｈｐ１であるか)、すなわち、現在のステアリング操作が普段よりも不安定になっているかを判定するためのしきい値であり、基本的にはゼロに設定できる。ただし、判定結果を安定させるため、所定値を小さい正の値（例えば０．０５）に設定する。

差（Ｈｐ２−Ｈｐ１）が所定値よりも大きいと判定されると、ステップＳ２０９０へ進み、所定値以下であると判定されると、この処理を終了する。ステップＳ２０９０では、運転者の注意を喚起するために警報を出力する。そこで、コントローラ１００は、警報装置１５０へ制御信号を送り、警報音や表示等により運転操作が不安定な状態であることを運転者に報知する。これにより、今回の処理を終了する。

このように、以上説明した第２の実施の形態においては、上述した第１の実施の形態による効果に加えて以下のような作用効果を奏することができる。
（１）車両用運転支援装置１は、さらに、複数の走行状態分布のそれぞれの乱雑度合を算出し、複数の走行状態分布の間の相違量の大きさに加えて、複数の走行状態分布のそれぞれの乱雑さの大小関係に基づいて、不安定運転状態を判定する。これにより、不安定な走行状態をより精度よく検出することが可能となる。
（２）所定の時間的範囲に相当する走行状態分布を再帰的に算出することにより、メモリ量を少なくし、連続計算が可能となる。また、時間的範囲の大きさによらずメモリ量が一定となり、計測対象とする時間的範囲を自由に設定できる。
（３）自車両の走行場面を推定し、推定された走行場面に応じて時間的範囲を修正する。例えば、運転者が交代するなどして判定がリセットされ、走行状態分布の算出に適した走行場面が所定の時間的範囲に満たない場合は、時間的範囲をリセットされてからの経過時間に一致させる。これにより、走行状態分布計算の応答性が向上し、走行状態データの計測開始から短時間で不安定運転状態の判定が可能となる。
（４）コントローラ１００は、走行状態データを所定数の区分に分割することにより走行状態分布を算出し、検出される走行状態データに応じて、区分ごとの幅を修正する。これにより、不安定な運転状態をより精度よく検出することができる。
（５）区分ごとの幅を修正するための走行状態データとして車速を用いる。操舵角予測誤差θｅのばらつきは、自車速Ｖが大きいほど大きくなる傾向があるため、自車速Ｖを用いて区分ごとの幅を修正することにより、自車速Ｖによるばらつきへの影響を補正することが可能となる。また、操舵角予測誤差θｅのデータを自車速Ｖに応じて修正することも可能である。
（６）コントローラ１００は、区分ごとの幅の修正量を学習し、学習された修正量に応じて区分ごとの幅を修正する。これにより、運転者個人ごとの特性に応じて区分ごとの幅を修正することが可能となる。

《第３の実施の形態》
以下に、本発明の第３の実施の形態による車両用運転支援装置について説明する。図１２に、第３の実施の形態による車両用運転支援装置３の構成を示すシステム図を示す。第３の実施の形態においては、上述した第１および第２の実施の形態と同様の機能を有する箇所には同一の符号を付して説明を省略する。ここでは、第２の実施の形態との相違点を主に説明する。

第３の実施の形態による車両用運転支援装置３は、運転者の運転操作量の代わりに、自車両の走行状態を検出して運転者の不安定な状態を検出する。そこで、図１２に示すように、舵角センサ５の代わりにヨーレートセンサ１０を備えている。ヨーレートセンサ１０は、車両のヨーレートを検出し、コントローラ１１０に出力する。コントローラ１１０は、操舵角予測誤差θｅの代わりに自車両に発生するヨーレートを用いて相対エントロピーＲＨｐおよび絶対エントロピーＨｐ１，Ｈｐ２を算出することにより、運転操作の不安定な状態を検出する。そして、運転操作が不安定な状態であると判定されると、警報を出力して運転者の注意を喚起する。

以下に、第３の実施の形態による車両用運転支援装置３の動作を、図１３を用いて説明する。図１３は、第３の実施の形態のコントローラ１１０における運転支援制御処理の処理手順のフローチャートである。本処理内容は、一定間隔、例えば５０msec毎に連続的に行われる。

ステップＳ３０１０では、相対エントロピーＲＨｐを算出可能な走行場面であるか否かを判断するために、自車両が走行している走行場面の推定（検出）を行う。ここでは、自車速Ｖが所定範囲（例えば４０〜１２０km/h）内にある場合に、相対エントロピーＲＨｐおよび絶対エントロピーＨｐ１，Ｈｐ２を算出可能な走行場面とする。すなわち、ヨーレートを用いた効果的なエントロピーの算出を行うために、車速が極端に遅い場合および極端に速い場合を算出可能な走行場面から除外する。

ステップＳ３０２０では、車速センサ３０で検出される現在の自車速Ｖが所定範囲内にあるか否かを判定する。自車速Ｖが所定範囲内にあり、相対エントロピーＲＨｐおよび絶対エントロピーＨｐ１，Ｈｐ２を算出可能な走行場面であると判定されると、ステップＳ３０３０へ進む。一方、自車速Ｖが所定範囲内にない場合は、この処理を終了する。

ステップＳ３０３０では、運転者の運転操作の不安定な状態を検出するための検出対象となる自車両の走行状態として、ヨーレートセンサ１０で検出される現在の自車両のヨーレートφを読み込む。ステップＳ３０３１では、読み込んだヨーレートφの値から、ヨーレート特定成分φｓを算出する。

自車両が道路に沿って走行する場合、道路曲率によって自車両が旋回すると、自車両がふらついていなくても定常的なヨーレートが生じる。そこで、各種道路形状に対応するため、ヨーレートセンサ１０で検出されたヨーレートφの値から道路に沿って走行する際に生じるヨーレートの定常成分を減じた値を、自車両のふらつきを表すヨーレート特定成分φｓとして算出する。

具体的には、ナビゲーションシステム５０から自車両が走行する道路の形状を検出し、道路曲率ρ（旋回半径Ｒの逆数）を算出する。自車速Ｖで曲率ρの道路を走行した場合、自車両の旋回によって生じるヨーレートの定常成分はρ×Ｖ（＝Ｖ／Ｒ）で表される。ヨーレート特定成分φｓは、ヨーレートセンサ１０で検出される自車両に実際に発生しているヨーレートφから、定常成分を減じた値である。すなわち、自車両が道路に沿って走行する分以外の、走行中にふらつく分に相当するヨーレートの値であり、以下の（式１３）から算出できる。
φｓ＝φ−ρ×Ｖ ・・・（式１３）

ステップＳ３０４１以降の処理は、基本的には上述した第２の実施の形態と同様である。すなわち、ステップＳ３０４１では、車速センサ３０で検出される現在の自車速Ｖを読み込む。ステップＳ３０４２では、ステップＳ３０４１で読み込んだ自車速Ｖに応じて、ヨーレート分布の区分ｂｉの幅の位置と大きさを設定する。ステップＳ３０４３では、ヨーレート分布計算用の時間ウィンドウの値Ｔｗ１，Ｔｗ２を設定する。タイムウィンドウＴｗ１は、例えば３６００秒、タイムウィンドウＴｗ２は、例えば１８０秒とする。

ステップＳ３０５０では、ヨーレート分布の比較基準となる長時間のヨーレート分布１を再帰計算により算出する。ステップＳ３０５１では、現在のヨーレート分布２を再帰計算により算出する。ステップＳ３０７０では、長時間のヨーレート分布１および現在のヨーレート分布２を用いて、上述した（式７）から相対エントロピーＲＨｐを求める。ステップＳ３０７１では、長時間のヨーレート分布１および現在のヨーレート分布２を用いて、上述した（式１１）（式１２）からそれぞれの絶対エントロピーＨｐ１，Ｈｐ２を算出する。

ステップＳ３０８０では、ステップＳ３０７０で算出した相対エントロピーＲＨｐの値を、予め設定した所定値と比較する。相対エントロピーＲＨｐが所定値よりも大きい場合は、ステップＳ３０８１へ進み、所定値以下の場合はこの処理を終了する。ステップＳ３０８１では、ステップＳ３０７１で算出した絶対エントロピーＨｐ１，Ｈｐ２の差（Ｈｐ２−Ｈｐ１）を予め設定した所定値と比較する。差（Ｈｐ２−Ｈｐ１）が所定値よりも大きいと判定されると、ステップＳ３０９０へ進み、所定値以下であると判定されると、この処理を終了する。ステップＳ３０９０では、運転者の注意を喚起するために警報を出力する。これにより、今回の処理を終了する。

このように、以上説明した第３の実施の形態においては、上述した第１および第２の実施の形態による効果に加えて以下のような作用効果を奏することができる。
走行状態データとして、自車両に発生するヨーレートφを検出することにより、運転者の横方向の運転に関する不安定な状態を判定することができる。

《第４の実施の形態》
以下に、本発明の第４の実施の形態による車両用運転支援装置について説明する。第４の実施の形態による車両用運転支援装置の基本的な構成は、図１に示した第１の実施の形態と同様である。ここでは、上述した第２の実施の形態との相違点を主に説明する。

第４の実施の形態による車両用運転支援装置１は、運転者の運転操作量の代わりに、自車両の走行状態を検出して運転者の不安定な状態を検出する。したがって、舵角センサ５は省略することができる。第４の実施の形態においてコントローラ１００は、操舵角予測誤差θｅの代わりに自車両が走行する道路における自車両の車線内横位置を用いて相対エントロピーＲＨｐおよび絶対エントロピーＨｐ１，Ｈｐ２を算出することにより、運転操作の不安定な状態を検出する。そして、運転操作が不安定な状態であると判定されると、警報を出力して運転者の注意を喚起する。

以下に、第４の実施の形態による車両用運転支援装置１の動作を、図１４を用いて説明する。図１４は、第４の実施の形態のコントローラ１００における運転支援制御処理の処理手順のフローチャートである。本処理内容は、一定間隔、例えば５０msec毎に連続的に行われる。

ステップＳ４０１０では、相対エントロピーＲＨｐを算出可能な走行場面であるか否かを判断するために、自車両が走行している走行場面の推定（検出）を行う。ここでは、自車速Ｖが所定範囲（例えば４０〜１２０km/h）内にあり、前方カメラ１５が自車両が走行する道路の白線を確実に検出している場合に、相対エントロピーＲＨｐおよび絶対エントロピーＨｐ１，Ｈｐ２を算出可能な走行場面とする。

ステップＳ４０２０では、車速センサ３０で検出される現在の自車速Ｖが所定範囲内にあるか否か、また、前方カメラ１５により白線が確実に検出されているか否かを判定する。自車速Ｖが所定範囲内にあり白線がきちんと検出されている場合は、相対エントロピーＲＨｐおよび絶対エントロピーＨｐ１，Ｈｐ２を算出可能な走行場面であると判定して、ステップＳ３０３０へ進む。一方、ステップＳ４０２０が否定判定されると、この処理を終了する。

ステップＳ４０３０では、運転者の運転操作の不安定な状態を検出するための検出対象となる自車両の走行状態として、前方カメラ１５で検出される自車両の車線内横位置δを読み込む。例えば、コントローラ１００は、前方カメラ１５の撮像画像に画像処理を施して自車両が走行する道路の白線を検出し、車線中心から自車両中心までの横方向距離を車線内横位置δとして検出する。車線内横位置δは、自車両が車線中心にいるときに０となり、白線上で最大値となる。

ステップＳ４０４１では、車速センサ３０で検出される現在の自車速Ｖを読み込む。ステップＳ４０４２では、ステップＳ４０４１で読み込んだ自車速Ｖとナビゲーションシステム５０から得られる道路形状に応じて、車線内横位置分布の区分ｂｉの幅の位置と大きさを設定する。具体的には、図１５に示すように各区分ｂｉ（ｂ１〜ｂ９）の幅の大きさおよび位置を設定する。自車速Ｖが大きくなるほど、白線に近い区分を車線中心に近い区分に対して相対的に広くする。また、カーブ内側の区分を外側の区分に対して相対的に広くする。なお、車線内横位置δが左側の白線を越える領域を区分ｂ１、車線内横位置δが右側の白線を越える領域を区分ｂ９とする。

ステップＳ４０４３では、車線内横位置分布計算用の時間ウィンドウの値Ｔｗ１，Ｔｗ２を設定する。タイムウィンドウＴｗ１は、例えば３６００秒、タイムウィンドウＴｗ２は、例えば１８０秒とする。

ステップＳ４０５０では、車線内横位置分布の比較基準となる長時間の車線内横位置分布１を再帰計算により算出する。ステップＳ４０５１では、現在の車線内横位置分布２を再帰計算により算出する。ステップＳ４０６０では、区分ｂｉごとの重みＷｉを設定する。区分ｂ１〜ｂ９の重みＷ１〜Ｗ９は、例えば、Ｗ１＝１．０、Ｗ２＝０．７５、Ｗ３＝０．５、Ｗ４＝０．２５、Ｗ５＝０．０、Ｗ６＝０．２５、Ｗ７＝０．５０、Ｗ８＝０．７５、Ｗ９＝１．０とする。

ステップＳ４０７０では、長時間の車線内横位置分布１と現在の車線内横位置分布２、および各区分ｂｉの重みＷｉを用いて、以下の（式１４）から相対エントロピーＲＨｐを求める。

ステップＳ４０７１では、長時間の車線内横位置分布１および現在の車線内横位置分布２を用いて、以下の（式１５）（式１６）からそれぞれの絶対エントロピーＨｐ１，Ｈｐ２を算出する。

ステップＳ４０８０では、ステップＳ４０７０で算出した相対エントロピーＲＨｐの値を、予め設定した所定値と比較する。相対エントロピーＲＨｐが所定値よりも大きい場合は、ステップＳ４０８１へ進み、所定値以下の場合はこの処理を終了する。ステップＳ４０８１では、ステップＳ４０７１で算出した絶対エントロピーＨｐ１，Ｈｐ２の差（Ｈｐ２−Ｈｐ１）を予め設定した所定値と比較する。差（Ｈｐ２−Ｈｐ１）が所定値よりも大きいと判定されると、ステップＳ４０９０へ進み、所定値以下であると判定されると、この処理を終了する。ステップＳ４０９０では、運転者の注意を喚起するために警報を出力する。これにより、今回の処理を終了する。

このように、以上説明した第４の実施の形態においては、上述した第１から第３の実施の形態による効果に加えて以下のような作用効果を奏することができる。
（１）走行状態データを所定数の区分に分割することにより走行状態分布を算出し、区分ごとに重みをつけて複数の走行状態分布の間の相違量を算出する。これにより、走行時の不安定な運転状態をより精度よく判定することができる。例えば、
（２）走行状態データとして自車両の車線内横位置を検出することにより、運転者の横方向の運転に関する不安定な状態を判定することができる。車線内横位置のデータを用いる場合、白線に近い区分の重みを大きくすることで、より精度よい判定を行うことができる。また、高速になるほど白線付近の区分を相対的に広くしたり、カーブ内側の区分を相対的に広くなるように区分を適宜設定することで、走行状態分布を算出可能とする走行場面を限定しすぎることなく、種々の走行状況で得られた走行状態データを用いることができる。

《第５の実施の形態》
以下に、本発明の第５の実施の形態による車両用運転支援装置について説明する。図１６に、第５の実施の形態による車両用運転支援装置５の構成を示すシステム図を示す。図１６において、上述した第１〜第４の実施の形態と同様の機能を有する箇所には同一の符号を付して説明を省略する。ここでは、上述した第２の実施の形態との相違点を主に説明する。

第５の実施の形態による車両用運転支援装置５は、操舵角予測誤差θｅの代わりに、運転者によるアクセルペダル操作およびブレーキペダル操作を検出して運転者の不安定な状態を検出する。そこで、図１６に示すように、舵角センサ５の代わりにアクセルペダルストロークセンサ１１およびブレーキペダルストロークセンサ１３を備えている。アクセルペダルストロークセンサ１１は、運転者がアクセルペダルを踏み込み操作する際の操作量を検出し、コントローラ１２０へ出力する。ブレーキペダルストロークセンサ１２は、運転者がブレーキペダルを踏み込み操作する際の操作量を検出し、コントローラ１２０へ出力する。車両用運転支援装置５は、さらに自車両が走行する道路の勾配を検出する道路勾配センサ１３を備えている。

コントローラ１２０は、操舵角予測誤差θｅの代わりにアクセルペダル操作量およびブレーキペダル操作量を用いて相対エントロピーＲＨｐおよび絶対エントロピーＨｐ１，Ｈｐ２を算出することにより、運転操作の不安定な状態を検出する。そして、運転操作が不安定な状態であると判定されると、警報を出力して運転者の注意を喚起する。

以下に、第５の実施の形態による車両用運転支援装置５の動作を、図１７を用いて説明する。図１７は、第５の実施の形態のコントローラ１２０における運転支援制御処理の処理手順のフローチャートである。本処理内容は、一定間隔、例えば５０msec毎に連続的に行われる。

ステップＳ５０１０では、相対エントロピーＲＨｐを算出可能な走行場面であるか否かを判断するために、自車両が走行している走行場面の推定（検出）を行う。ここでは、自車速Ｖが所定範囲（例えば４０〜１２０km/h）内にある場合に、相対エントロピーＲＨｐおよび絶対エントロピーＨｐ１，Ｈｐ２を算出可能な走行場面とする。

ステップＳ５０２０では、車速センサ３０で検出される現在の自車速Ｖが所定範囲内にあるか否かを判定する。自車速Ｖが所定範囲内にあり、相対エントロピーＲＨｐおよび絶対エントロピーＨｐ１，Ｈｐ２を算出可能な走行場面であると判定されると、ステップＳ５０３０へ進む。一方、自車速Ｖが所定範囲内にない場合は、この処理を終了する。

ステップＳ５０３０では、運転者の運転操作の不安定な状態を検出するための検出対象となる自車両の走行状態として、アクセルペダルストロークセンサ１１で検出されるアクセルペダル操作量ＳＡと、ブレーキペダルストロークセンサ１２で検出されるブレーキペダル操作量ＳＢを読み込む。アクセルペダルストロークセンサ１１およびブレーキペダルストロークセンサ１２の出力は、ペダルが解放された状態を０．０、最大限に踏み込まれた状態を１．０（１００％）として、０．０〜１．０の範囲内で示される。

ステップＳ５０３１では、読み込んだアクセルペダル操作量ＳＡとブレーキペダル操作量ＳＢの符号を変えて足し合わせ、以下の（式１７）で表される加減速制御量αを算出する。
α＝ＳＡ＋（−１）・ＳＢ ・・・（式１７）
加減速制御量αは、アクセルペダルが踏み込まれる加速時には正の値（０．０〜１．０）、ブレーキペダルが踏み込まれる減速時には負の値（０．０〜−１．０）を示す。

ステップＳ５０３２では、道路勾配センサ１３で検出される自車両が走行する道路の勾配を読み込み、道路勾配により加減速制御量αを補正する。上り坂を走行する場合、車速を一定に保つだけでもアクセルペダルを踏み込む必要があるため、加減速制御量αは平坦な道路を定速で走行する場合に比べて大きな値となる。したがって、上り道路勾配が大きくなるほど大きくなるような補正値を算出し、加減速制御量αから補正値を減じることで、加減速制御量αの補正を行う。

また、下り坂を走行する場合、車速を一定に保つだけでもブレーキペダルを踏み込む必要があるため、加減速制御量αは平坦な道路を定速で走行する場合に比べて小さな値（マイナス）となる。したがって、下り道路勾配が大きくなるほど大きくなるような補正値を算出し、加減速制御量αに補正ちを加えることで、加減速制御量αの補正を行う。道路勾配に対する補正値の関係は、車両特性を考慮して、上り坂の道路勾配および下り坂の道路勾配がそれぞれ大きくなるほど補正値が大きくなるような特性とする。

ステップＳ５０４３では、アクセルペダル／ブレーキペダル操作に基づく加減速制御量αの分布計算用の時間ウィンドウの値Ｔｗ１，Ｔｗ２を設定する。タイムウィンドウＴｗ１は、例えば３６００秒、タイムウィンドウＴｗ２は、例えば１８０秒とする。

ステップＳ５０５０では、加減速制御量α分布の比較基準となる長時間の加減速制御量α分布１を再帰計算により算出する。ステップＳ５０５１では、現在の加減速制御量α分布２を再帰計算により算出する。なお、ステップＳ５０３２で道路勾配に基づいて補正した加減速制御量αを用いて各分布１，２を算出する。ステップＳ５０７０では、長時間の加減速制御量α分布１および現在の加減速制御量α分布２を用いて、上述した（式７）から相対エントロピーＲＨｐを求める。ステップＳ５０７１では、長時間の加減速制御量α分布１および現在の加減速制御量α分布２を用いて、上述した（式１１）（式１２）からそれぞれの絶対エントロピーＨｐ１，Ｈｐ２を算出する。

ステップＳ５０８０では、ステップＳ５０７０で算出した相対エントロピーＲＨｐの値を、予め設定した所定値と比較する。相対エントロピーＲＨｐが所定値よりも大きい場合は、ステップＳ５０８１へ進み、所定値以下の場合はこの処理を終了する。ステップＳ５０８１では、ステップＳ５０７１で算出した絶対エントロピーＨｐ１，Ｈｐ２の差（Ｈｐ２−Ｈｐ１）を予め設定した所定値と比較する。差（Ｈｐ２−Ｈｐ１）が所定値よりも大きいと判定されると、ステップＳ５０９０へ進み、所定値以下であると判定されると、この処理を終了する。ステップＳ５０９０では、運転者の注意を喚起するために警報を出力する。これにより、今回の処理を終了する。

このように、以上説明した第５の実施の形態においては、上述した第１から第４の実施の形態による効果に加えて以下のような作用効果を奏することができる。
走行状態データとしてアクセルペダル操作量ＳＡおよびブレーキペダル操作量ＳＢを検出することにより、運転者の前後方向の運転に関する不安定な状態を検出することができる。

《第６の実施の形態》
以下に、本発明の第６の実施の形態による車両用運転支援装置について説明する。図１８に、第６の実施の形態による車両用運転支援装置６の構成を示すシステム図を示す。図１８において、上述した第１〜第６の実施の形態と同様の機能を有する箇所には同一の符号を付して説明を省略する。ここでは、上述した第２の実施の形態との相違点を主に説明する。

第６の実施の形態による車両用運転支援装置６は、操舵角予測誤差θｅの代わりに、自車両と先行車との車間時間Ｔｈを検出して運転者の不安定な状態を検出する。そこで、図１８に示すように舵角センサ５の代わりにレーザレーダ１４を備えている。レーザレーダ１４は、車両の前方グリル部もしくはバンパ部等に取り付けられ、水平方向に赤外光パルスを照射して車両前方領域を走査する。レーザレーダ１４は、前方にある複数の反射物（通常、前方車の後端）で反射された赤外光パルスの反射波を計測し、反射波の到達時間より、複数の前方車までの車間距離とその存在方向を検出する。検出した車間距離及び存在方向はコントローラ５０へ出力される。レーザレーダ１０によりスキャンされる前方の領域は、自車正面に対して±６deg程度であり、この範囲内に存在する前方物体が検出される。レーザレーダ１４は、検出した前方物体、例えば先行車までの車間距離Ｄをコントローラ１３０へ出力する。

コントローラ１３０は、自車両と先行車との車間時間Ｔｈを算出し、車間時間Ｔｈを用いて相対エントロピーＲＨｐおよび絶対エントロピーＨｐ１，Ｈｐ２を算出することにより、運転操作の不安定な状態を検出する。そして、運転操作が不安定な状態であると判定されると、警報を出力して運転者の注意を喚起する。

以下に、第６の実施の形態による車両用運転支援装置１の動作を、図１９を用いて説明する。図１９は、第６の実施の形態のコントローラ１３０における運転支援制御処理の処理手順のフローチャートである。本処理内容は、一定間隔、例えば５０msec毎に連続的に行われる。

ステップＳ６０１０では、相対エントロピーＲＨｐを算出可能な走行場面であるか否かを判断するために、自車両が走行している走行場面の推定（検出）を行う。ここでは、自車速Ｖが所定範囲（例えば４０〜１２０km/h）内にあるとともに、先行車に安定して追従している場合に、相対エントロピーＲＨｐおよび絶対エントロピーＨｐ１，Ｈｐ２を算出可能な走行場面とする。ここでは、例えば自車両と先行車との車間時間Ｔｈが所定範囲（０〜３秒）内である状態を、安定した追従状態とする。

ステップＳ６０２０では、車速センサ３０で検出される現在の自車速Ｖが所定範囲内にあるか否か、また、車間時間Ｔｈが所定範囲内にあるか否かを判定する。自車速Ｖが所定範囲内で安定して先行車に追従している場合は、相対エントロピーＲＨｐおよび絶対エントロピーＨｐ１，Ｈｐ２を算出可能な走行場面であると判定して、ステップＳ６０３０へ進む。一方、ステップＳ６０２０が否定判定されると、この処理を終了する。なお、安定した追従状態を判定するための車間時間Ｔｈは、後述する（式１８）を用いて算出することができる。

ステップＳ６０３０では、運転者の運転操作の不安定な状態を検出するための検出対象となる自車両の走行状態として、自車両と先行車との車間時間Ｔｈを取得する。車間時間Ｔｈは、先行車の現在位置に自車両が到達するまでの時間を示す物理量であり、自車速Ｖおよび自車両と先行車との車間距離Ｄを用いて、以下の（式１８）から算出される。
ＴＨＷ＝Ｄ／Ｖ ・・・（式１８）

ステップＳ６０４３では、車間時間分布計算用の時間ウィンドウの値Ｔｗ１，Ｔｗ２を設定する。タイムウィンドウＴｗ１は、例えば３６００秒とリセットされてからの経過時間のいずれか短いほう、タイムウィンドウＴｗ２は、例えば例えば１８０秒と計測開始からの経過時間のいずれか短いほうとする。

ステップＳ６０５０では、タイムウィンドウＴｗ１内の車間時間Ｔｈのデータを用いて、車間時間分布の比較基準となる長時間の車間時間分布１を再帰計算により算出する。ここでは、例えば車間時間Ｔｈを０〜３秒まで０．２秒刻みで１５個の区分ｂｉ（ｂ１〜ｂ１５）に分割し、各区分ｂｉに含まれる車間時間Ｔｈの度数の全度数に対する確率ｐｉ（ｐ１〜ｐ１５）を再帰的に求める。

ステップＳ６０５１では、タイムウィンドウＴｗ２内の車間時間Ｔｈのデータを用いて、現在の車間時間分布２を再帰計算により算出する。長時間の車間時間分布１と同様に、例えば車間時間Ｔｈを０〜３秒まで０．２秒刻みで１５個の区分ｂｉ（ｂ１〜ｂ１５）に分割し、各区分ｂｉに含まれる車間時間Ｔｈの度数の全度数に対する確率ｐｉ（ｐ１〜ｐ１５）を再帰的に求める。

ステップＳ６０６０では、長時間の車間時間分布１から以下の（式１９）を用いて累積度数分布ＣＤＦを算出する。

ステップＳ６０６１では、区分ｂｉごとの重みＷｉを設定する。具体的には、車間時間Ｔｈが小さく自車両と先行車との接近度合が高い領域を重要視して重みを大きくし、車間時間Ｔｈが大きい領域の重みを小さくする。そこで、例えば現在の車間時間Ｔｈが所定値（例えば１秒）以下の領域の区分の重みＷｉを１とし、中間領域（例えば１〜２秒）の区分の重みＷｉを０．５とし、車間時間が大きい領域（例えば２秒超）の区分の重みＷｉを０．２５と設定する。これにより、車間時間Ｔｈの領域ごとに重要度を変更することができる。

ステップＳ６０７０では、長時間の車間時間分布１と現在の車間時間分布２、および各区分ｂｉの重みＷｉを用いて、以下の（式２０）から相対エントロピーＲＨｐを求める。

（式２０）から算出される相対エントロピーＲＨｐは、長時間の車間時間分布１から算出される累積度数分布ＣＤＦｉと現在の車間時間分布２の相対エントロピーを表している。累積度数分布ＣＤＦｉは、その車間時間Ｔｈ以下でその運転者が走行している割合を示すものである。したがって、（式２０）を用いることで、短い車間時間領域を重視した重みＷｉに加えて、その運転者の普段の運転状況を加味した重みを設定して相対エントロピーＲＨを算出することができる。

ステップＳ６０７１では、長時間の車間時間分布１および現在の車間時間分布２を用いて、以下の（式２１）（式２２）からそれぞれの絶対エントロピーＨｐ１，Ｈｐ２を算出する。

ステップＳ６０８０では、ステップＳ６０７０で算出した相対エントロピーＲＨｐの値を、予め設定した所定値と比較する。相対エントロピーＲＨｐが所定値よりも大きい場合は、ステップＳ６０８１へ進み、所定値以下の場合はこの処理を終了する。ステップＳ６０８１では、ステップＳ６０７１で算出した絶対エントロピーＨｐ１，Ｈｐ２の差（Ｈｐ２−Ｈｐ１）を予め設定した所定値と比較する。差（Ｈｐ２−Ｈｐ１）が所定値よりも大きいと判定されると、ステップＳ６０９０へ進み、所定値以下であると判定されると、この処理を終了する。ステップＳ６０９０では、運転者の注意を喚起するために警報を出力する。これにより、今回の処理を終了する。

このように、以上説明した第６の実施の形態においては、上述した第１から第５の実施の形態による効果に加えて以下のような作用効果を奏することができる。
（１）算出した走行状態分布から、走行状態累積度数分布を算出し、区分ごとの重みとして走行状態累積度数分布を用いる。累積度数分布ＣＤＦｉを用いると、個々の運転者の運転状態の違いにより適合することができるとともに、一つの区分のみに走行状態データが集中した場合に、その集中位置がずれた影響を受けにくくなり、ノイズに強い演算を行うことができる。
（２）走行状態データとして、自車両と前方障害物との車間時間Ｔｈを取得するので、運転者の前後方向の運転に関する不安定な状態を検出することができる。なお、車間時間Ｔｈの代わりに自車両と前方障害物との車間距離Ｄを用いて走行状態分布を算出することもできる。

《第７の実施の形態》
以下に、本発明の第７の実施の形態による車両用運転支援装置について説明する。第７の実施の形態による車両用運転支援装置の基本的な構成は、図１８に示した第６の実施の形態と同様である。ここでは、上述した第６の実施の形態との相違点を主に説明する。

第７の実施の形態による車両用運転支援装置６は、車間時間Ｔｈの代わりに、自車速Ｖを用いて運転者の不安定な状態を検出する。第７の実施の形態においてコントローラ１３０は、自車速Ｖを用いて相対エントロピーＲＨｐおよび絶対エントロピーＨｐ１，Ｈｐ２を算出することにより、運転操作の不安定な状態を検出する。そして、運転操作が不安定な状態であると判定されると、警報を出力して運転者の注意を喚起する。

以下に、第７の実施の形態による車両用運転支援装置６の動作を、図２０を用いて説明する。図２０は、第７の実施の形態のコントローラ１３０における運転支援制御処理の処理手順のフローチャートである。本処理内容は、一定間隔、例えば５０msec毎に連続的に行われる。

ステップＳ７０１０では、相対エントロピーＲＨｐを算出可能な走行場面であるか否かを判断するために、自車両が走行している走行場面の推定（検出）を行う。ここでは、自車速Ｖが所定範囲（例えば４０〜１２０km/h）内にあるとともに、自車両前方の障害物が検出されていない場合に、相対エントロピーＲＨｐおよび絶対エントロピーＨｐ１，Ｈｐ２を算出可能な走行場面とする。

ステップＳ７０２０では、車速センサ３０で検出される現在の自車速Ｖが所定範囲内にあるか否か、また、レーザレーダ１４によって前方障害物が検出されていないか否かを判定する。自車速Ｖが所定範囲内で先行車が存在しない場合は、相対エントロピーＲＨｐおよび絶対エントロピーＨｐ１，Ｈｐ２を算出可能な走行場面であると判定して、ステップＳ７０３０へ進む。一方、ステップＳ７０２０が否定判定されると、この処理を終了する。

ステップＳ７０３０では、運転者の運転操作の不安定な状態を検出するための検出対象となる自車両の走行状態として、車速センサ３０で検出される自車速Ｖを読み込む。ステップＳ７０３１では、ナビゲーションシステム５０から、自車両が現在走行中の道路の制限車速を読み込む。コントローラ１３０は、走行中の道路の制限車速に基づいて適切な推奨車速を設定する。

ステップＳ７０４３では、車間時間分布計算用の時間ウィンドウの値Ｔｗ１，Ｔｗ２を設定する。タイムウィンドウＴｗ１は、例えば３６００秒とリセットされてからの経過時間のいずれか短いほう、タイムウィンドウＴｗ２は、例えば例えば１８０秒と計測開始からの経過時間のいずれか短いほうとする。

ステップＳ７０５０では、タイムウィンドウＴｗ１内の自車速Ｖのデータを用いて、車速分布の比較基準となる長時間の車速分布１を再帰計算により算出する。ステップＳ７０５１では、タイムウィンドウＴｗ２内の車速Ｖのデータを用いて、現在の車速分布２を再帰計算により算出する。

ステップＳ７０６０では、区分ｂｉごとの重みＷｉを設定する。具体的には、ステップＳ７０３１で設定した現在走行中の制限車速に基づく推奨車速からの逸脱度合に応じて重みの大きさを設定することができる。例えば、推奨車速を６０km/hとすると、自車速Ｖが６０km/h未満の領域における重みＷｉを０とし、６０km/h以上で大きくなるほど１に近づくように重みＷｉを設定する。

ステップＳ７０６１では、長時間の車速分布１から上述した（式１９）を用いて累積度数分布ＣＤＦを算出する。ステップＳ７０７０では、長時間の車速分布１、具体的には累積度数分布ＣＤＦと現在の車速分布２、および各区分ｂｉの重みＷｉを用いて、上述した（式２０）から相対エントロピーＲＨｐを求める。

ステップＳ６０７１では、長時間の車間時間分布１および現在の車間時間分布２を用いて、上述した（式２１）（式２２）からそれぞれの絶対エントロピーＨｐ１，Ｈｐ２を算出する。

ステップＳ７０８０では、ステップＳ７０７０で算出した相対エントロピーＲＨｐの値を、予め設定した所定値と比較する。相対エントロピーＲＨｐが所定値よりも大きい場合は、ステップＳ７０８１へ進み、所定値以下の場合はこの処理を終了する。ステップＳ７０８１では、ステップＳ７０７１で算出した絶対エントロピーＨｐ１，Ｈｐ２の差（Ｈｐ２−Ｈｐ１）を予め設定した所定値と比較する。差（Ｈｐ２−Ｈｐ１）が所定値よりも大きいと判定されると、ステップＳ７０９０へ進み、所定値以下であると判定されると、この処理を終了する。ステップＳ７０９０では、運転者の注意を喚起するために警報を出力する。これにより、今回の処理を終了する。

このように、以上説明した第７の実施の形態においては、上述した第１から第６の実施の形態による効果に加えて以下のような作用効果を奏することができる。
走行状態データとして、自車速Ｖを検出することにより、運転者の前後方向の運転に関する不安定な状態を検出することができる。

上述した第３および第４の実施の形態において、走行状態データとして検出したヨーレートφおよび車線内横位置δを、自車速Ｖに応じて修正することもできる。第２の実施の形態で説明した操舵角予測誤差θｅと同様に、横方向の運転に関するヨーレートφおよび車線内横位置δのばらつきも車速Ｖに影響を受けるので、これを考慮して走行状態データを修正することにより、運転の不安定な状態をより精度よく検出することが可能となる。

以上説明した第１から第７の実施の形態において、舵角センサ５、ヨーレートセンサ１０、アクセルペダルストロークセンサ１１、ブレーキペダルストロークセンサ１２、道路勾配センサ１３、レーザレーダ１４、前方カメラ１５、車速センサ３０、およびナビゲーションシステム５０は、走行状態検出手段として機能することができ、コントローラ１００，１１０，１２０，１３０は、走行状態分布算出手段、分布相違量算出手段、不安定運転状態検出手段、乱雑さ算出手段、走行場面推定手段、および走行状態累積度数分布算出手段として機能することができる。走行状態検出手段は、上述した各センサやシステムには限定されず、別の手段により走行状態データを検出するように構成することもできる。なお、以上の説明はあくまで一例であり、発明を解釈する際、上記の実施形態の記載事項と特許請求の範囲の記載事項の対応関係になんら限定も拘束もされない。

本発明の第１の実施の形態による車両用運転支援装置のシステム図。 図１に示した車両用運転支援装置を搭載した車両の構成図。 第１の実施の形態における運転支援制御プログラムの処理手順を示すフローチャート。 相対エントロピー算出に利用する記号を説明する図。 操舵角予測誤差データから過去もしくは長時間の分布および直近の分布を算出する方法を説明する図。 相対エントロピーの算出方法を説明する図。 操舵角予測誤差の区分を示す図。 第２の実施の形態における運転支援制御プログラムの処理手順を示すフローチャート。 車速と操舵角予測誤差のばらつきとの関係を示す図。 車速に応じた操舵角予測誤差の区分の範囲を設定する方法を説明するフローチャート。 操舵角予測誤差データを用いて区分の確率を再帰的に方法を説明するフローチャート。 本発明の第３の実施の形態による車両用運転支援装置のシステム図。 第３の実施の形態における運転支援制御プログラムの処理手順を示すフローチャート。 第４の実施の形態における運転支援制御プログラムの処理手順を示すフローチャート。 車線内横位置の区分の幅を走行状態に応じて変更する方法を説明する図。 本発明の第５の実施の形態による車両用運転支援装置のシステム図。 第５の実施の形態における運転支援制御プログラムの処理手順を示すフローチャート。 本発明の第６の実施の形態による車両用運転支援装置のシステム図。 第６の実施の形態における運転支援制御プログラムの処理手順を示すフローチャート。 第７の実施の形態における運転支援制御プログラムの処理手順を示すフローチャート。

符号の説明

５：舵角センサ、１０：ヨーレートセンサ、１１:アクセルペダルストロークセンサ、１２：ブレーキペダルストロークセンサ、１３：道路勾配センサ、１４：レーザレーダ、１５：前方カメラ、３０：車速センサ、５０：ナビゲーションシステム、１００，１１０，１２０，１３０：コントローラ、１５０：警報装置

Claims (20)

1. 車両挙動、車両周囲環境、および運転者の運転操作量の少なくとも一つ（以降、走行状態データと呼ぶ）を検出する走行状態検出手段と、
   前記走行状態検出手段で検出された走行状態データに基づいて複数の走行状態分布を算出する走行状態分布算出手段と、
   前記走行状態分布算出手段で算出された前記複数の走行状態分布の間の相違量を算出する分布相違量算出手段と、
   前記分布相違量算出手段で算出された前記相違量の大きさから、不安定運転状態を判定する不安定運転状態検出手段とを備えることを特徴とする車両用運転支援装置。
2. 請求項１に記載の車両用運転支援装置において、
   前記走行状態分布算出手段は、前記複数の走行状態分布として、時間的範囲の異なる複数の走行状態分布を算出することを特徴とする車両用運転支援装置。
3. 請求項１または請求項２に記載の車両用運転支援装置において、
   前記複数の走行状態分布のそれぞれの乱雑度合を算出する乱雑さ算出手段をさらに備え、
   前記不安定運転状態検出手段は、前記複数の走行状態分布の間の前記相違量の大きさに加えて、前記乱雑さ算出手段で算出された前記複数の走行状態分布のそれぞれの乱雑さの大小関係に基づいて、前記不安定運転状態を判定することを特徴とする車両用運転支援装置。
4. 請求項１に記載の車両用運転支援装置において、
   前記走行状態分布算出手段は、所定の時間的範囲に相当する走行状態分布を再帰的に算出することを特徴とする車両用運転支援装置。
5. 請求項４に記載の車両用運転支援装置において、
   自車両の走行場面を推定する走行場面推定手段と、
   前記走行場面推定手段で推定された走行場面に応じて、前記走行状態分布算出手段で用いる前記時間的範囲を修正する時間範囲修正手段とをさらに備えることを特徴とする車両用運転支援装置。
6. 請求項１に記載の車両用運転支援装置において、
   前記走行状態分布算出手段は、前記走行状態データを所定数の区分に分割することにより前記走行状態分布を算出し、
   前記分布相違量算出手段は、前記区分ごとに重みをつけて前記複数の走行状態分布の間の前記相違量を算出することを特徴とする車両用運転支援装置。
7. 請求項６に記載の車両用運転支援装置において、
   前記走行状態分布算出手段で算出される走行状態分布から、走行状態累積度数分布を算出する走行状態累積度数分布算出手段をさらに備え、
   前記分布相違量算出手段は、前記区分ごとの重みとして、前記走行状態累積度数分布算出手段で算出された前記走行状態累積度数分布を用いることを特徴とする車両用運転支援装置。
8. 請求項１に記載の車両用運転支援装置において、
   前記走行状態分布算出手段は、前記走行状態データを所定数の区分に分割することにより前記走行状態分布を算出し、
   前記走行状態検出手段で検出される前記走行状態データに応じて、前記区分ごとの幅を修正する区分幅修正手段をさらに備えることを特徴とする車両用運転支援装置。
9. 請求項８に記載の車両用運転支援装置において、
   前記区分幅修正手段は、前記区分ごとの幅を修正するための前記走行状態データとして、車速を用いることを特徴とする車両用運転支援装置。
10. 請求項９に記載の車両用運転支援装置において、
    前記区分幅修正手段における前記区分ごとの幅の修正量を学習する区分幅修正量学習手段をさらに備え、
    前記区分幅修正手段は、前記区分幅修正量学習手段で学習された前記修正量に応じて前記区分ごとの幅を修正することを特徴とする車両用運転支援装置。
11. 請求項１から請求項１０のいずれか１項に記載の車両用運転支援装置において、
    前記走行状態検出手段は、前記走行状態データとして操舵角予測誤差を取得することを特徴とする車両用運転支援装置。
12. 請求項１から請求項１０のいずれか１項に記載の車両用運転支援装置において、
    前記走行状態検出手段は、前記走行状態データとしてアクセルペダル操作量およびブレーキペダル操作量を検出することを特徴とする車両用運転支援装置。
13. 請求項１から請求項１０のいずれか１項に記載の車両用運転支援装置において、
    前記走行状態検出手段は、前記走行状態データとして自車両に発生するヨーレートを検出することを特徴とする車両用運転支援装置。
14. 請求項１から請求項１０のいずれか１項に記載の車両用運転支援装置において、
    前記走行状態検出手段は、前記走行状態データとして自車両の車線内横位置を検出することを特徴とする車両用運転支援装置。
15. 請求項１から請求項１０のいずれか１項に記載の車両用運転支援装置において、
    前記走行状態検出手段は、前記走行状態データとして自車両と前方障害物との車間時間を取得することを特徴とする車両用運転支援装置。
16. 請求項１から請求項１０のいずれか１項に記載の車両用運転支援装置において、
    前記走行状態検出手段は、前記走行状態データとして自車速を検出することを特徴とする車両用運転支援装置。
17. 請求項１１、請求項１３、および請求項１４のいずれか１項に記載の車両用運転支援装置において、
    前記走行状態データを自車速に応じて修正する走行状態データ修正手段をさらに備えることを特徴とする車両用運転支援装置。
18. 請求項１から請求項１７のいずれか１項に記載の車両用運転支援装置において、
    前記分布相違量算出手段は、前記複数の走行状態分布の間の前記相違量として相対エントロピーを算出することを特徴とする車両用運転支援装置。
19. 車両挙動、車両周囲環境、および運転者の運転操作量の少なくとも一つ（以降、走行状態データと呼ぶ）を取得し、
    取得された走行状態データに基づいて複数の走行状態分布を算出し、
    算出された前記複数の走行状態分布の間の相違量を算出し、
    算出された前記相違量の大きさから、不安定運転状態を判定することを特徴とする車両用運転支援方法。
20. 車両挙動、車両周囲環境、および運転者の運転操作量の少なくとも一つ（以降、走行状態データと呼ぶ）を検出する走行状態検出手段と、
    前記走行状態検出手段で検出された走行状態データに基づいて複数の走行状態分布を算出する走行状態分布算出手段と、
    前記走行状態分布算出手段で算出された前記複数の走行状態分布の間の相違量を算出する分布相違量算出手段と、
    前記分布相違量算出手段で算出された前記相違量の大きさから、不安定運転状態を判定する不安定運転状態検出手段とを有する車両用運転支援装置を備えることを特徴とする車両。

Images