JP4797948B2 - 運転行動推定方法および装置 - Google Patents

Description

本発明は、運転者の運転行動を推定する運転行動推定方法および装置に関する。

従来、レーンキープアシストやＡＣＣ（Adaptive Cruise Control）等の運転支援システムが知られている。こうした運転支援システムにおいては、運転者の運転行動に対して適切な支援が行われないと、支援自体が運転者にとって負荷となってしまうことも考えられる。このため、運転者の運転行動を的確に推定してその運転行動に応じた支援を行うことが重要となる。そこで、運転者の運転行動を推定する運転行動推定装置が提案されている。

例えば、特許文献１に記載の運転行動推定装置では、一般に音声認識に使われている隠れマルコフモデルを用いた統計学的手法によって運転者による運転行動の推定を行っている。具体的には、この運転行動推定装置は、認識対象となる運転行動（右左折や直進等の行動）に対応するモデルを複数備えている。このモデルは、アクセルの踏み込み量、ブレーキの踏み込み量、速度、加速度等によって表される運転データが入力されることでモデルに対応する運転行動の出現確率を出力するものであり、推定対象となる運転行動を行った場合の運転データに基づき作成されている。そして、このモデルに実際の運転データを入力することで各モデルに対応する運転行動の出現確率を算出し、最も高い出現確率のモデルに対応する運転行動が運転者が実際に行う運転行動であると推定する。このような隠れマルコフモデルを用いた運転行動推定装置では、様々な運転者の運転行動特性に対応可能とするために、複数の運転データに基づき作成されたモデルによって運転行動のパターンの認識を行うが、実際の運転データに近いものによってモデルの作成が行われていなければ、運転行動推定装置による運転行動の推定結果と実際に運転者が行う運転行動の結果とが異なる場合があり、運転行動の推定精度が低下する。このため、各運転者にそれぞれ対応するようにモデルを作成し、運転行動の推定を行う必要がある。

そこで、特許文献２に記載の運転行動推定装置は、自車両の運転者に対応した運転データを記憶する記憶装置を備えており、この記憶装置に記憶された運転データに基づき隠れマルコフモデルに用いられるモデルを作成することで、自車両の運転者に対応したモデルの学習を行っている。
特開平１１−９９８４９号公報 特開２００２−３３１８５０号公報

しかしながら、上記特許文献２に記載の構成では、運転者に対応する運転行動を示す運転データのみによってモデルの学習を行うことから、同じ運転者によって同一の運転行動が行われた場合であっても運転データに個人内差が生じ、実際に行う運転行動と推定された運転行動とが一致しない場合がある。このため、モデルの学習結果が運動行動の推定精度の向上に結びつくとは限らないという問題があった。

本発明は、こうした問題に鑑みなされたものであり、運動行動の推定精度の高い運転行動推定方法および装置を提供することを目的とする。

上記目的を達成するためになされた請求項１に記載の運転行動推定方法は、まず第１ステップにおいて、自車両の現在位置を表す位置情報を取得するとともに、第２ステップにおいて、自車両の走行経路を表す経路情報を取得する。続く第３ステップにおいて、第１ステップにて取得された位置情報と、第２ステップにて取得された経路情報とに基づき、経路情報に含まれる対象ポイントまでの距離を求める。また第４ステップにおいて、自車両の速度情報と、自車両の走行状態に影響を与える運転者の車両操作に関わる操作情報とからなる運転データを取得する。

更に第５ステップにおいて、第３ステップにて求められた距離が予め設定された許容値以下である場合に、第４ステップにて取得された運転データの履歴と、予め対象ポイント前の一定期間の間に収集された一連（Ｎ１個：Ｎ１は正整数）の運転データ又は運転データに相当する疑似運転データからなる蓄積データを蓄積データ群とし、蓄積データ群間で互いに近似したもの同士を同一クラスタに分類して、その分類されたクラスタ毎に、同じタイミングで取得された蓄積データの平均値を算出することで、一連（Ｎ１個）の平均蓄積データからなる平均データ群を生成し、更に、生成された平均データ群のそれぞれについて、平均データ群の中から連続したＮ２（Ｎ２はＮ１より小さい正整数）個の平均蓄積データからなる部分データ群を、その先頭となる平均蓄積データの位置を、予め設定されたシフト期間ずつシフトさせながら切り出した複数のテンプレートとの相違度合いを示す値に、このテンプレート毎の重み係数を乗じて得られる値である指標データを、全てのテンプレートについて算出し、さらに、指標データの最小値を代表指標データとし、テンプレートのうち代表指標データの算出に使われたテンプレートを代表テンプレートとし、過去の代表指標データの最大値により代表指標データを正規化した値を類似度とし、その類似度が予め設定されている判定基準を上回るテンプレートが存在する場合に、対象ポイントでの運転者の運転行動がそのテンプレートの示す運転行動と同じ運転行動になると推定する。

その後、第６ステップにおいて、対象ポイントで実際に行われた運転者の運転行動を認識する。そして第７ステップにおいて、第５ステップによる推定結果と第６ステップによる認識結果とを比較し、推定結果と認識結果とが一致している場合に、推定結果に用いられた代表テンプレートの重み係数を更新する。

つまり、本発明の運転行動推定方法は、第５ステップによる推定結果と第６ステップによる認識結果とが一致するようにテンプレートについての重み係数を更新することで、運転者の運転傾向に関する学習を行う。

このように構成された請求項１に記載の運転行動推定方法によれば、実際の運転行動が反映されるように学習が行われることにより、第５ステップによる推定精度を向上させることができる。

次に請求項２に記載の運転行動推定装置では、位置情報取得手段が、自車両の現在位置を表す位置情報を取得するとともに、経路情報取得手段が、自車両の走行経路を表す経路情報を取得する。そして距離算出手段が、位置情報取得手段により取得された位置情報と、経路情報取得手段により取得された経路情報とに基づき、経路情報に含まれる対象ポイントまでの距離を求める。なお、位置情報取得手段、経路情報取得手段、距離算出手段としては、例えば、周知のカーナビゲーションシステムの構成を利用することが可能である。また、対象ポイントとしては、例えば、走行経路における直進するか曲がるかの選択が可能な地点（交差点等の分岐点）や、走行経路における一時停止すべき地点（交差点や踏切等）が考えられる。

また運転行動推定装置では、運転データ取得手段が、自車両の速度情報と、自車両の走行状態に影響を与える運転者の車両操作に関わる操作情報とからなる運転データを取得する。更に、予め対象ポイント前の一定期間の間に収集された一連（Ｎ１個：Ｎ１は正整数）の運転データ又は運転データに相当する疑似運転データからなる蓄積データを蓄積データ群とし、蓄積データ群間で互いに近似したもの同士を同一クラスタに分類して、その分類されたクラスタ毎に、同じタイミングで取得された蓄積データの平均値を算出することで、一連（Ｎ１個）の平均蓄積データからなる平均データ群を生成し、更に、生成された平均データ群のそれぞれについて、平均データ群の中から連続したＮ２（Ｎ２はＮ１より小さい正整数）個の平均蓄積データからなる部分データ群を、その先頭となる平均蓄積データの位置を、予め設定されたシフト期間ずつシフトさせながら切り出した複数のテンプレートを記憶するテンプレート記憶手段と、複数のテンプレート毎の重み係数を記憶する重み記憶手段とを備え、運転行動推定手段が、距離算出手段にて求められた距離が予め設定された許容値以下である場合に、運転データ取得手段にて取得された運転データの履歴と、テンプレート記憶手段に記憶されているテンプレートとの相違度合いを示す値に、重み記憶手段に記憶されている重み係数を乗じて得られる値である指標データを、全てのテンプレートについて算出し、指標データの最小値を代表指標データとし、テンプレートのうち代表指標データの算出に使われたテンプレートを代表テンプレートとし、過去の代表指標データの最大値により代表指標データを正規化した値を類似度とし、その類似度が予め設定されている判定基準を上回るテンプレートが存在する場合に、対象ポイントでの運転者の運転行動がそのテンプレートの示す運転行動と同じ運転行動になると推定する。なお、運転行動推定手段は、速度情報と操作情報とからなる運転データの履歴に基づいて運転者の運転行動を推定しているため、運転者が対象ポイントの手前で実行すべき具体的な行動（例えば経路の分岐点で曲がる場合のターンシグナルの操作）を起こす前に、運転者の運転行動を推定することも可能となる。

更に運転行動推定装置では、運転行動認識手段が、対象ポイントで実際に行われた運転
者の運転行動を認識する。そして第１重み更新手段が、運転行動推定手段による推定結果と運転行動認識手段による認識結果とを比較し、推定結果と認識結果とが一致している場合に、推定結果に用いられた代表テンプレートの重み係数を更新する。

つまり、請求項２に記載の運転行動推定装置は、請求項１に記載の運転行動推定方法を実現する装置であり、従って請求項１に記載の運転行動推定方法と同様の効果を得ることができる。

また、請求項２に記載の運転行動推定装置において、第１重み更新手段は、請求項３に記載のように、運転行動推定手段が運転行動を推定した時点における対象ポイント距離までの距離に応じて推定結果に用いられた代表テンプレートの重み係数を更新するようするとよい。

このように構成された運転行動推定装置によれば、自車両が対象ポイントに到達するまでに正しい推定を早く行うほど、その正しい推定に用いられたテンプレートの信頼性を高めることができる。このため、対象ポイントでの運転行動を早期に推定する場合の推定精度を高めることができ、推定時間の向上を図ることができる。

そして、請求項３に記載の運転行動推定装置において、重み係数を更新するために、請求項４に記載のように、第１重み更新手段は、報酬を重み係数に与えることにより、推定結果に用いられた代表テンプレートの重み係数を更新し、報酬は、対象ポイント距離が長いほど等比級数的に大きくなるように設定されるようにするとよい。

また、請求項２〜請求項４の何れかに記載の運転行動推定装置において、請求項５に記載のように、第１重み更新手段は、自車両が対象ポイントを通過する毎に、推定結果に用いられた代表テンプレートの重み係数を更新するようにするとよい。

このように構成された運転行動推定装置によれば、対象ポイントでの学習結果を、次の対象ポイントでの推定結果に直ちに反映させることができる。
また、請求項２〜請求項５の何れかに記載の運転行動推定装置において、請求項６に記載のように、運転行動推定手段による推定結果と運転行動認識手段による認識結果とを比較し、推定結果と認識結果とが不一致である場合に、推定結果に用いられた代表テンプレートの重み係数を、類似度と判定基準との差分に応じて更新する第２重み更新手段を備えるようにするとよい。

このように構成された運転行動推定装置によれば、推定結果と認識結果とが一致している場合だけはなく、推定結果と認識結果とが不一致である場合にも、テンプレートについての重み係数を更新することで、運転者の運転傾向に関する学習を行うため、推定精度を更に向上させることができる。

また、請求項６に記載の運転行動推定装置において、請求項７に記載のように、第２重み更新手段は、自車両が対象ポイントを通過する毎に、重み係数を更新するようにするとよい。

このように構成された運転行動推定装置によれば、対象ポイントでの学習結果を、次の対象ポイントでの推定結果に直ちに反映させることができる。
また、請求項２〜請求項７の何れかに記載の運転行動推定装置において、請求項８に記載のように、自車両の運転者を識別する運転者識別手段を備え、重み記憶手段は、運転者識別手段で識別される運転者毎に、運転者に対応する重み係数を記憶し、運転行動推定手段は、重み記憶手段に記憶されている重み係数のうち、運転者識別手段によって識別された運転者に対応するものに基づいて運転行動を推定するようにするとよい。

このように構成された運転行動推定装置によれば、複数の運転者によって車両が利用される場合であっても、各運転者の車両操作の傾向に応じた運転行動の推定を行うことができる。

なお、テンプレートは、複数の運転者について収集した蓄積データによって作成されていてもよいし、特定の運転者について収集した蓄積データによって作成されていてもよい。前者の場合、全ての運転者に対して共通に適用可能なテンプレートとすることができ、また、後者の場合、特定の運転者の行動を非常に高精度に推定することが可能なテンプレートとすることができる。

また、テンプレートを、予め設定された天候の種類毎又は予め設定された時間帯毎に用意し、運転行動推定手段が、外部から取得した天候又は時間帯を特定する情報に基づいて、使用するテンプレートを切り換えるように構成してもよい。即ち、運転者の行動や運転データは、道路の状態や周囲の明るさ等の環境的な要因によって変化するため、これら環境的な要因との対応関係を有する天候や時間帯等に基づいてテンプレートの切り換えを行うことにより、より高精度に運転者の行動を推定することができる。

ところで、対象ポイントは、具体的には、走行経路の分岐点が考えられる。そこで、請求項２〜請求項８の何れかに記載の運転行動推定装置において、請求項９に記載のように、運転行動推定手段は、運転行動として分岐点で曲がるか否かを推定するようにすることが考えられる。

また、請求項２〜請求項９の何れかに記載の運転行動推定装置において、自車両の走行状態とは、具体的には、車両の加減速が考えられる。この場合、操作情報としては、例えば、請求項１０に記載のように、アクセルペダル及びブレーキペダルに関するものを用いればよい。但し、自車両の走行状態は車両の加減速に限ったものではなく、例えば車両の向きなども考えられ、その場合の操作情報としては、例えばステアリングに関するもの（ステアリング操作量等）を用いればよい。

また、請求項２〜請求項１０の何れかに記載の運転行動推定装置において、請求項１１に記載のように、運転行動推定手段による推定結果と、対象ポイントで運転者の採るべき行動とが不一致である場合に、推定結果と採るべき行動とが不一致である旨を示す音声を出力する音声出力手段を備えるようにするとよい。

このように構成された運転行動推定装置によれば、対象ポイントに到達する前に、対象ポイントで運転者の採るべき行動を運転者に認識させることができ、採るべき行動とは異なる行動を運転者が行ってしまうことを抑制できる。

また、請求項２〜請求項１１の何れかに記載の運転行動推定装置において、請求項１２に記載のように、運転行動推定手段による推定結果と、対象ポイントで運転者の採るべき行動とが不一致である場合に、推定結果と採るべき行動とが不一致である旨を表示する表示手段を備えるようにするとよい。

このように構成された運転行動推定装置によれば、請求項１１に記載の運転行動推定装置と同様に、採るべき行動とは異なる行動を運転者が行ってしまうことを抑制できる。

以下に本発明の実施形態を図面と共に説明する。
図１は、本実施形態のナビゲーション装置１０の構成、及びナビゲーション装置１０が接続された車内ＬＡＮ２５の概略構成を示すブロック図である。

図１に示すように、ナビゲーション装置１０は、車両に搭載され、車内ＬＡＮ２５を介してエンジンＥＣＵ２２，ブレーキＥＣＵ２３，ステアリングＥＣＵ２４をはじめとする各種ＥＣＵや車載機器と接続されている。

このうち、エンジンＥＣＵ２２は、少なくとも、運転者のアクセルペダルの踏込量に応じたアクセル開度を検出するアクセル開度センサからの検出信号に基づいて、エンジンの回転を制御するように構成されている。また、ブレーキＥＣＵ２３は、少なくとも、運転者のブレーキペダル操作に応じてブレーキ油を圧送するマスタシリンダの油圧からブレーキ操作量を検出するマスタシリンダ圧センサや、車速を検出する車速センサからの検出信号に基づいて、ＡＢＳ制御やトラクション制御等を実行するように構成されている。また、ステアリングＥＣＵ２４は、少なくとも、ドライバのステアリング操作時における前輪の操舵角を検出するステア角センサからの検出信号に基づいて、操舵輪の舵角変更時のアシスト力を発生させるパワーステアリング制御を実行するように構成されている。

そして、これらＥＣＵ２２〜２４等にて検出される各種車両情報（アクセル開度，ブレーキ操作量，車速など）は、車内ＬＡＮ２５を介して相互に任意に送受信できるようにされている。

次に、ナビゲーション装置１０は車両に搭載され、車両の現在位置を検出する位置検出器１１と、ユーザーからの各種指示を入力するための操作スイッチ群１２と、操作スイッチ群１２と同様に各種指示を入力可能であってナビゲーション装置１０とは別体となったリモートコントロール端末（以下、「リモコン」と称す）１３ａと、リモコン１３ａからの信号を入力するリモコンセンサ１３ｂと、パケット通信網に接続して外部と通信を行う外部通信機１４と、地図データや各種の情報を記録した地図記憶媒体から地図データ等を入力する地図データ入力器１５と、地図や各種情報の表示を行うための表示部１６と、各種のガイド音声等を出力するための音声出力部１７と、ユーザーが発話した音声に基づく電気信号を出力するマイクロフォン１８と、車内ＬＡＮ２５を介して他の装置と各種車両情報等をやりとりする車内ＬＡＮ通信部２１と、上述した位置検出器１１，操作スイッチ群１２，リモコンセンサ１３ｂ，地図データ入力器１５，マイクロフォン１８，近距離通信部２０，車内ＬＡＮ通信部２１からの入力に応じて各種処理を実行し、表示部１６，音声出力部１７，車内ＬＡＮ通信部２１を制御する制御部１９とを備えている。

このうち、位置検出器１１は、ＧＰＳ（Global Positioning System）用の人工衛星からの電波を図示しないＧＰＳアンテナを介して受信してその受信信号を出力するＧＰＳ受信機１１ａと、車両に加えられる回転運動の大きさを検出するジャイロスコープ１１ｂと、車両の前後方向の加速度等から走行した距離を検出するための距離センサ１１ｃと、地磁気から進行方位を検出するための地磁気センサ１１ｄとを備えている。そして、これら各センサ等１１ａ〜１１ｄからの出力信号に基づいて制御部１９が、車両の位置，方位，速度等を算出する。

なお、ＧＰＳ受信機１１ａからの出力信号に基づいて現在位置を求める方式は様々な方式があるが、単独測位方式、相対測位方式（Ｄ−ＧＰＳ方式，干渉測位方式）の何れであってもよい。特に干渉測位方式のうちのＲＴＫ−ＧＰＳ（Real Time Kinematics Global Positioning System）方式を利用するようになっているとよい。

操作スイッチ群１２は、表示部１６の表示面と一体に構成されたタッチパネル及び表示部１６の周囲に設けられたメカニカルなキースイッチ等から構成される。尚、タッチパネルと表示部１６とは積層一体化されており、タッチパネルには、感圧方式，電磁誘導方式，静電容量方式，あるいはこれらを組み合わせた方式など各種の方式があるが、その何れを用いてもよい。

外部通信機１４は、外部のパケット通信網を介してＧＰＳの基準基地局とデータの送受信を行う（ＲＴＫ−ＧＰＳ方式の測位の際）ように構成される。
地図データ入力器１５は、図示しない地図記憶媒体に記憶された各種データを入力するための装置である。地図記憶媒体には、地図データ（ノードデータ、リンクデータ、コストデータ、道路データ、地形データ、マークデータ、交差点データ、施設のデータ等）、対象用の音声データ、音声認識データ等が記憶されている。このようなデータを記憶する記憶媒体の種類としては、ＣＤ−ＲＯＭやＤＶＤ−ＲＯＭの他、ハードディスクやメモリカード等の記憶媒体を用いても良い。

表示部１６は、カラー表示装置であり、液晶ディスプレイ，有機ＥＬディスプレイ，ＣＲＴなどがあるが、その何れを用いてもよい。表示部１６の表示画面には、地図データ入力器１５より入力された地図データに基づく地図画像が表示され、この地図画像に重ねて位置検出器１１にて検出した車両の現在位置を示すマーク、目的地までの誘導経路、名称、目印、各種施設のマーク等の付加データも表示される。

音声出力部１７は、地図データ入力器１５より入力した施設のガイドや各種対象の音声を出力する。
マイクロフォン１８は、利用者が音声を入力（発話）するとその入力した音声に基づく電気信号（音声信号）を制御部１９に出力するものである。このマイクロフォン１８を介して入力される音声コマンドによって、ナビゲーション装置１０の操作が可能なように構成されている。

近距離通信部２０は、車両を運転する運転者が所有する携帯電話機ＰＨとの間で、ＲＦ−ＩＤやＢｌｕｅｔｏｏｔｈ（登録商標）等の無線通信技術により通信を行うものである。この近距離通信部２０は、携帯電話機ＰＨに記憶されている運転者の識別に用いられる運転者識別情報を、無線を介して取得する。

車内ＬＡＮ通信部２１は、車内ＬＡＮ２５を介して車内ＬＡＮ２５に接続された様々な機器（エンジンＥＣＵ２１等）と通信を行う。
制御部１９は、ＣＰＵ，ＲＯＭ，ＲＡＭ，Ｉ／Ｏ及びこれらの構成を接続するバスラインなどからなる周知のマイクロコンピュータを中心に構成されており、ＲＯＭ及びＲＡＭに記憶されたプログラムに基づいて各種処理を実行する。

ここで、図２は、制御部１９が実行する処理の概要を示す機能ブロック図である。
図２に示すように、制御部１９は、位置検出器１１からの検出信号及び外部通信機１４を介して得られるＧＰＳ基準基地局からのデータからなる位置検出データに基づいて、車両の現在位置を示す位置情報を求める位置算出部３０と、地図データ入力器１５に格納された地図データ、操作スイッチ群１２やリモコン１３ａの操作、またはマイクロフォン１８からの音声コマンド等に従って、目的地の設定や、現在位置から目的地までの最適な経路の設定などを行う経路設定部３１と、位置算出部３０にて算出された位置情報、経路設定部３１にて設定された経路に従って、経路中に設定される直近の対象ポイント（本実施形態では交差点）までの距離を算出する距離算出部３２と、運転者の運転操作の傾向を表す複数のテンプレート重み係数α_t（ｒ_i）（後述）と各運転者とをそれぞれ対応させて制御部１９のＲＡＭに記憶するパラメータ記憶部３３と、近距離通信部２０で取得した運転者に対応するテンプレート重み係数α_t（ｒ_i）をパラメータ記憶部３３から取得するパラメータ選択部３４とを備えている。

また、車内ＬＡＮ通信部２１を介してＥＣＵ２２〜２４等から取得するアクセル開度，ブレーキ操作量，車速等といった運転者の運転操作が反映される車両情報及びパラメータ選択部３４によって選択されたテンプレート重み係数α_t（ｒ_i）に基づき運転者の行動を推定する運転行動推定部３５と、位置算出部３０にて算出された交差点通過前及び通過後の位置情報に基づき対象ポイントでの運転者の運転行動を認識する運転行動認識部３６とを備えている。

さらに、車内ＬＡＮ通信部２１を介してアクセル開度Ａ（ｔ），ブレーキ操作量Ｂ（ｔ），車速Ｖ（ｔ）を要素とする運転データＤＵ（ｔ）＝｛Ａ（ｔ），Ｂ（ｔ），Ｖ（ｔ）｝の読み込みを行い、さらに、位置算出部３０によって取得された位置情報の読み込みを行い、これら運転データＤＵ（ｔ）及び位置情報を制御部１９のＲＡＭに記憶させるドライビングレコーダ部３７とを備えている。

さらに、運転行動推定部３５による推定結果と運転行動認識部３６による認識結果との比較結果に基づき、運転者の運転操作の傾向に関する学習を行うためにテンプレート重み係数α_t（ｒ_i）の更新を行う運転行動適応部３８を備えている。

さらに、制御部１９は、位置算出部３０にて算出された位置情報（現在位置）に基づき、地図データ入力器１５を介して読み込んだ現在位置付近の地図を、現在位置を示すマークや、経路設定部３１にて設定された経路と共に表示部１６に表示する表示処理部３９と、経路設定部３１からの経路情報や運転行動推定部３５での推定結果を表す推定結果フラグＦに従って、経路情報に含まれた対象ポイントに関するガイダンスを音声出力部１７を介して音声により実行する音声ガイダンス実行部４０とを備えている。

そして、制御部１９を構成するＲＯＭには、運転行動推定部３５にて運転者の行動を推定する際に使用される行動パターンテンプレート（以下、単にテンプレートともいう）が記憶されている。

この行動パターンテンプレートの作成手順を図３及び図４に示すフローチャート、及び図５に示す説明図を用いて説明する。なお、行動パターンテンプレートは、ナビゲーション装置１０外部のコンピュータ上で実行される処理によって作成される。

図３に示すように、行動モデル作成手順が開始されると、まず、Ｓ１１０で、車両の状態を表す各種車両情報を予め設定されたサンプリング間隔Ｓでサンプリングしたデータが蓄積されたデータベースから、予め指定された複数の車両情報（本実施形態では、アクセル開度Ａ，ブレーキ操作量Ｂ，車速Ｖ）で表される運転データをロードする。

なお、データベースに蓄積された運転データは、実車を用いた測定により収集されたものであってもよいし、ドライビングシミュレータを用いて収集されたものであってもよい。そして、交差点前の所定期間Ｔｐの間に取得されたＴｐ／Ｓ個の運転データを交差点前運転データＵＧ群とし、右折または左折をした全ての交差点についての交差点前運転データ群ＵＧをロードし、しかも、このような交差点前運転データ群ＵＧを１００人分ロードするものとする。

続いてＳ１２０では、このようにしてロードされた全ての運転データの各要素Ａ，Ｂ，Ｖを、いずれも０〜１の値を持つように正規化する。
続いて、Ｓ１３０では、交差点前運転データ群ＵＧをクラスタリング手法を用いて分類する。

具体的には、交差点前運動データ群ＵＧ間の距離を定義し、この距離が互いに近いもの同士を同一クラスタに分類する。なお、このようなクラスタリング手法は周知のものであり、例えばＫ−ｍｅａｎｓ法を用いることができるが、これに限るものではない。

続いてＳ１４０では、Ｓ１３０での分類結果に従って、図５中の左側に示すように、分類されたＭ個のクラスタ（ｍ＝１〜Ｍ）毎に、交差点前運転データ群ＵＧの平均値を算出し、行動モデル作成手順を終了する。

以下、クラスタｍの交差点前運転データ群ＵＧの平均値を平均データ群ＵＧ^m 、と呼び、（１）式で表すものとする。但し、（１）式におけるＵ^m （ｉ）は、平均データ群ＵＧ^m を構成するｉ（ｉ＝１〜Ｔｐ／Ｓ）番目の平均運転データであり、（２）式で表すものとする。また、（２）式におけるＡ^m （ｉ）は、同じクラスタｍに含まれる全ての交差点前運転データ群ＵＧから、ｉ番目の運転データのアクセル開度Ａを抽出して求めたアクセル開度Ａの平均値であり、Ｂ^m （ｉ），Ｖ^m （ｉ）も同様にして求めたブレーキ操作量Ｂ及び車速Ｖの平均値である。

ＵＧ^m ＝｛Ｕ^m （１），Ｕ^m （２），…，Ｕ^m （Ｔｐ／Ｓ）｝ （１）
Ｕ^m （ｉ）＝｛Ａ^m （ｉ），Ｂ^m （ｉ），Ｖ^m （ｉ）｝ （２）
その後、図４に示すように、テンプレート作成手順が開始されると、Ｓ１５０で、行動モデル作成手順で求めたＭ個の平均データ群ＵＧ^m のそれぞれについて、平均データ群ＵＧ^m から連続するＴｗ／Ｓ個の平均運転データＵ^m （ｉ）を、Ｔｆ／Ｓ個ずつずらしながら切り出したＲ（＝（Ｔｐ−Ｔｗ）／Ｔｆ＋１）個のグループを、行動パターンテンプレートＴ^mr（ｒ＝１〜Ｒ）として切り出して、テンプレート作成手順を終了する。

但し、行動パターンテンプレートＴ^mrは（３）式で表され、この（３）式におけるＵ^mr（ｊ）は、ｊ＝１〜Ｔｗ／Ｓとして、（４）式で定義された平均運転データである。また、Ｕ^mr（ｊ）は（５）式で表され、この（５）式におけるＡ^mr（ｊ），Ｂ^mr（ｊ），Ｖ^mr（ｊ）は、（４）式と同様に定義されたアクセル開度，ブレーキ操作量，車速の平均値である。

Ｔ^mr＝｛Ｕ^mr（１），Ｕ^mr（２），…，Ｕ^mr（Ｔｗ／Ｓ）｝ （３）
Ｕ^mr（ｊ）＝Ｕ^m （ｊ＋（ｒ−１）×Ｔｆ／Ｓ） （４）
Ｕ^mr（ｊ）＝｛Ａ^mr（ｊ），Ｂ^mr（ｊ），Ｖ^mr（ｊ）｝ （５）
つまり、行動パターンテンプレートＴ^mrは、各クラスタｍ毎にＲ個生成され、全体としてはＭ×Ｒ個生成されることになる。

なお、本実施形態では、Ｓ＝０．５秒，Ｔｐ＝１０秒，Ｔｗ＝５秒，Ｔｆ＝１秒であり、Ｔｐ／Ｓ＝２０個，Ｔｗ／Ｓ＝１０個，Ｔｆ／Ｓ＝２個，Ｒ＝６個である。また、クラスタ数Ｍは、Ｓ１３０での処理結果によって異なるが、５〜７個程度であり、従って、行動パターンテンプレートＴ^mrは、３０〜４０個程度の規模となる。

次に、ナビゲーション装置１０の制御部１９が実行するナビゲーション処理について説明する。
但し、位置算出部３０、経路設定部３１、距離算出部３２、ドライビングレコーダ部３７、表示処理部３９の処理は、周知の処理であるため説明を省略し、本発明の主要部に関わるパラメータ選択部３４、運転行動推定部３５、運転行動認識部３６、運転行動適応部３８の処理を、図６，７，９に示すフローチャートを用いて説明する。

なお、図６に示す処理は、経路設定部３１にて目的地までの経路設定が行われた場合に実行される。
本処理が起動すると、まず、Ｓ１０１０で、近距離通信部２０によって運転者の識別情報の取得を行う。

続いて、Ｓ１０２０では、パラメータ選択部３４に相当するテンプレート重み係数α_t（ｒ_i）の読み込み処理を行い、Ｓ１０１０で取得した識別情報の表す運転者に対応するテンプレート重み係数α_t（ｒ_i）を取得する。ここで、α_t（ｒ_i）は離散時刻ｔでのテンプレートｒ_i（ｉはテンプレート番号）の信頼性を表すものであり、運転者による運転操作の傾向を表す指標となる。なお、Ｓ１０１０で認識した運転者に対応するテンプレート重み係数α_t（ｒ_i）がパラメータ記憶部３３に記憶されていない場合には、パラメータ記憶部３３に記憶されている複数のテンプレート重み係数α_t（ｒ_i）の平均値を、Ｓ１０１０で認識された運転者のテンプレート重み係数α_t（ｒ_i）の初期値とし、運転者と対応づけてパラメータ記憶部３３に記憶する。

続いて、Ｓ１０３０では、交差点（以下、この交差点を「対象交差点」と称す。）までの距離Ｃｄを距離算出部３２から取得し、その距離Ｃｄが予め設定された判定開始距離（本実施形態では３００ｍ）以下であるか否かを判定する。そして、距離Ｃｄが判定開始距離より大きければ、同ステップを繰り返すことで待機し、一方、距離Ｃｄが判定開始距離以下であれば、対象交差点に十分に接近したものとして、Ｓ１０４０へ移行する。

Ｓ１０４０では、ドライビングレコーダ部３７に相当する運転行動データ記憶処理を開始する。続いて、Ｓ１０５０では、運転行動推定部３５に相当する運転行動推定処理を実行し、Ｓ１０６０で、運転行動推定処理での推定結果を制御部１９のＲＡＭに記憶する。

続いて、Ｓ１０７０では、対象交差点がナビゲーション装置１０の指示する案内ポイントであるか否かを判定する。そして、案内ポイントでないと判定した場合には、Ｓ１１００へ移行する。一方、案内ポイントであると判定した場合には、Ｓ１０８０へ移行し、ナビゲーション装置１０で推奨している行動（以下、ナビ推奨行動と称す。）と、Ｓ１０６０の処理で記憶された推定結果とが異なるか否かを判定する。

そして、ナビ推奨行動と推定結果とが異なっていない場合には、Ｓ１１００へ移行する。一方、ナビ推奨行動と推定結果とが異なっている場合には、Ｓ１０９０へ移行する。
Ｓ１０９０では、音声ガイダンス実行部４０に相当する警告処理を実行する。続いて、Ｓ１１００では、対象交差点までの距離Ｃｄを距離算出部３２から取得して、その距離Ｃｄに基づいて、対象交差点を通過したか否かを判定する。そして、対象交差点を未だ通過していなければ、Ｓ１０５０に戻って、上記Ｓ１０５０〜Ｓ１０９０の処理を繰り返し実行し、一方、対象交差点を既に通過していれば、Ｓ１１１０へ移行する。

Ｓ１１１０では、運転行動認識部３６に相当する運転行動認識処理を実行する。
続いて、Ｓ１１２０では、Ｓ１０４０で実行された運転行動データ記憶処理を終了する。つまり、ドライビングレコーダ部３７によって、制御部１９のＲＡＭには、対象交差点までの距離Ｃｄ間の運転データＤＵｍ（ｔ）及び位置情報が記憶される。

続いて、Ｓ１１３０では、Ｓ１０６０の処理で記憶された推定結果と、Ｓ１１１０の運転行動認識処理での認識結果とを比較し、Ｓ１１４０へ移行する。
Ｓ１１４０では、運転行動適応部３８に相当する重み更新処理を実行する。続いて、Ｓ１１５０では、運転が終了したか否かを判定する。そして、運転が終了していなければ、Ｓ１０３０に戻って、上記Ｓ１０３０〜Ｓ１１４０の処理を繰り返し実行し、一方、運転が終了していれば、ナビゲーション処理を終了する。

次に、Ｓ１０５０にて実行される運転行動推定処理の詳細を、図７に示すフローチャートを用いて説明する。
この運転行動推定処理が開始されると、まず、Ｓ１２１０で、車内ＬＡＮ通信部２１を介してアクセル開度Ａ（ｔ），ブレーキ操作量Ｂ（ｔ），車速Ｖ（ｔ）を要素とする運転データＤＵ（ｔ）＝｛Ａ（ｔ），Ｂ（ｔ），Ｖ（ｔ）｝の読み込みを行う。

続いて、Ｓ１２２０では、Ｓ１２１０で読み込まれた運転データＤＵ（ｔ）の、各要素Ａ（ｔ），Ｂ（ｔ），Ｖ（ｔ）を、いずれも０〜１の値をとるように正規化する。
なお、ｔは、データをサンプリングした時刻を表し、運転データＤＵ（ｔ）は、上述したサンプリング間隔Ｓ（＝０．５秒）毎に読み込まれるものとする。

続いて、Ｓ１２３０では、この正規化された運転データＤＵ（ｔ）を含む、過去Ｔｗ（＝５秒）間分の運転データＤＵ（ｔ），ＤＵ（ｔ−Ｓ），…，ＤＵ（ｔ−Ｔｗ）が、制御部１９を構成するＲＡＭに保存されるように、ＲＡＭの保存データを更新する。なお、以下では、このＲＡＭに保存されたＴｗ秒間分（Ｔｗ／Ｓ個）の運転データを運転データ群ＭＧとして（６）式にて表し、運転データ群ＭＧに属する各運転データＭＵ（ｊ）を（７）式にて表す。但し、ｊ＝１〜Ｔｗ／Ｓであり、ｊ＝１が最古のデータ、ｊ＝Ｔｗ／Ｓが最新のデータを表す。即ち、ＤＵ（ｔ−Ｔｗ）＝ＭＵ（１），…，ＤＵ（ｔ）＝ＭＵ（Ｔｗ／Ｓ）であるものとする。

ＭＧ＝｛ＭＵ（１），ＭＵ（２），…，ＭＵ（Ｔｗ／Ｓ）｝ （６）
ＭＵ（ｊ）＝｛Ａ（ｊ），Ｂ（ｊ），Ｖ（ｊ）｝ （７）
続いて、Ｓ１２４０では、運転データ群ＭＧと、制御部１９のＲＯＭに格納された行動パターンテンプレートＴ^mrとに基づいて、時刻ｔにおける類似度Ｒ（ｔ）を算出し、制御部１９のＲＡＭに記憶する。

具体的には、まず、（８）式により、行動パターンテンプレートＴ^mrのそれぞれについて、運転データ群ＭＧとの距離を表す指標データＲ^mrを算出する。

そして、これら行動パターンテンプレートＴ^mr毎に算出した指標データＲ^mrのうち、その値が最も小さいもの（即ち、運転データ群ＭＧに最も類似した行動パターンテンプレートとの距離）を、時刻ｔにおける代表指標データＲＥ（ｔ）として抽出する（（９）式参照）と共に、このようにして算出した過去の代表指標データの中で最大のものを、基準指標データＲＫ（ｔ）として抽出する（（１０）式参照）。更に、代表指標データＲＥ（ｔ）を、基準指標データＲＫ（ｔ）用いて正規化（（１１）式参照）したものを類似度Ｒ（ｔ）とする。

続いて、Ｓ１２５０では、図８に示すように、距離算出部３２から取得した交差点までの距離Ｃｄを入力として、距離Ｃｄが一定距離（本実施形態では１００ｍ）以下の場合は１を出力し、距離Ｃｄが一定距離より大きい場合は、距離Ｃｄが大きいほど値が小さくなる１より小さな値を出力するメンバシップ関数を用いて、メンバシップ値Ｍｓを求める。

続いて、Ｓ１２６０では、更に、このメンバシップ値Ｍｓを先のＳ１２４０にて求めた類似度Ｒ（ｔ）に乗じることにより、確信度Ｋ（＝Ｒ（ｔ）×Ｍｓ）を算出する。
続いて、Ｓ１２７０では、Ｓ１２６０で算出した確信度Ｋが予め設定された判定閾値ＴＨ（本実施形態では０．５）以上であるか否かを判定する。

そして、Ｓ１２７０で確信度Ｋが判定閾値ＴＨ以上であると判定した場合には、Ｓ１２８０へ移行し、運転者は交差点で曲がろうとしていると推定して、推定結果フラグＦを１に設定する。その後、本運転行動推定処理を終了する。

一方、Ｓ１２７０で、確信度Ｋが判定閾値ＴＨ未満であると判定した場合には、Ｓ１２９０へ移行し、運転者は直進しようとしていると推定して、推定結果フラグＦを０に設定する。その後、運転行動推定処理を終了する。

次に、ナビゲーション処理（図６）におけるＳ１１１０にて実行される運転行動認識処理の詳細を、図９に示すフローチャートを用いて説明する。
この運転行動認識処理が開始されると、まず、Ｓ１３１０で、ドライビングレコーダ部３７によって記憶された対象交差点までの距離Ｃｄ間の自車両の位置情報の履歴から、対象交差点を通過する前の自車両の位置情報（例えば対象交差点の通過時点の２秒前での自車両の位置情報）を取得する。

続いて、Ｓ１３２０では、位置算出部３０によって対象交差点を通過した後の自車両の位置情報（例えば対象交差点の通過時点の２秒後での自車両の位置情報）を取得する。
続いて、Ｓ１３３０では、Ｓ１３１０で取得した対象交差点通過前の自車両の位置情報と、Ｓ１３２０で取得した対象交差点通過後の自車両の位置情報とに基づき、対象交差点で運転者が行った運転行動を認識する運転行動判定処理を行う。尚、この運転行動判定処理としては、例えば、交差点通過前の位置情報に対して、交差点通過後の位置情報が、交差点に到達するまでの経路の道路幅（１０ｍ）よりも逸れた位置を示すものである場合に、自車両が交差点で曲がったと判定する処理が考えられる。

続いて、Ｓ１３４０では、Ｓ１３３０の運転行動判定処理で曲がったと認識されたか否かを判定する。
そして、Ｓ１３４０で、曲がったと認識されたと判定した場合には、Ｓ１３５０へ移行し、認識結果フラグＦｎを１に設定する。その後、運転行動認識処理を終了する。

一方、Ｓ１３４０で、曲がったと認識されなかった（直進したと認識された）と判定した場合には、Ｓ１３６０へ移行し、認識結果フラグＦｎを０に設定する。その後、運転行動認識処理を終了する。

次に、ナビゲーション処理（図６）におけるＳ１１４０にて実行される重み更新処理について図１０に示すフローチャートを用いて説明する。
この重み更新処理が開始されると、まず、Ｓ１４０１で、運転者の運転操作の傾向に関する学習の回数を示すカウンタＬを初期値に設定する（Ｌ＝１）。

続いて、Ｓ１４０２では、推定結果フラグＦ＝１かつ認識結果フラグＦｎ＝１であるか否かの判定を行う。つまり、運転行動推定処理で曲がると推定された（Ｆ＝１）後に運転行動認識処理で曲がったと認識された（Ｆｎ＝１）か否かを判定する。

そして、Ｓ１４０２でＦ＝１かつＦｎ＝１であると判定した場合には、Ｓ１４０３へ移行し、制御部１９のＲＡＭに記憶された対象交差点までの類似度群Ｒｍ（本実施形態では７秒間のデータ）を取得する。

続いて、Ｓ１４０４では、類似度群（類似度算出に使われたテンプレートのＩＤも保存）Ｒｍの末尾、即ち対象交差点に差し掛かった時刻を基点にして、類似度群Ｒｍに対応したテンプレートについてのテンプレート重み係数α_t（ｒ_i）に報酬Ｒｗを伝播させることによってテンプレート重み係数α_t（ｒ_i）を更新する。

具体的には、まず、交差点に差し掛かった時刻を基点に報酬Ｒｗを渡し、過去（７秒間）に遡って曲がると予測したテンプレートに報酬Ｒｗを伝播させる評価関数ｅｖｌ（ｒ_i，ｔ）を求める（（１２）式、（１３）式）。

ここで、（１２）式及び（１３）式のＧＲ（ｒ_i，ｎ_t）は、ｎ_tサンプリング前にテンプレートｒ_iが得た報酬を示す値である。ｎ_tは交差点前のサンプリングでの時間系列を示す指標であり、ｎ_t＝０が交差点に差し掛かった時刻を示し、値が大きくなるほど過去に遡る。

（１３）式に示すように、ＧＲ（ｒ_i，ｎ_t）は、曲がると推定したテンプレートｒ_iに対して、報酬Ｒｗを初項、１より大きい値γを公比、ｎ_tを変数とした等比級数で表される報酬を返すとともに、曲がると推定しなかったテンプレートｒ_iに対して「０」の報酬を返す。つまり、早くて正しい推定が行われたテンプレートｒ_iに対して多く分配されるように報酬を伝播させている。

そして、（１２）式に示すように、テンプレートｒ_iについて伝播された報酬を合計して、テンプレートｒ_iが推定に使われた回数Ｎ（ｒ_i）によって平均化することで、評価関数ｅｖｌ（ｒ_i，ｔ）を求める。

そして、テンプレート重み係数α_t（ｒ_i）のパラメータであり各テンプレートの強度を表すＷ_t（ｒ_i）を、評価関数ｅｖｌ（ｒ_i，ｔ）に基づき更新する。例えば、Ｗ_t（ｒ_i）からＷ_t+1（ｒ_i）への更新は（１４）式のように、Ｗ_t（ｒ_i）にｅｖｌ（ｒ_i，ｔ）を減算することにより求められる。そして、強度Ｗ（ｒ_i）からテンプレート重み係数α_t（ｒ_i）への変換は、（１５）式に示すように、Ｓｏｆｔ−ｍａｘ関数を用いて正規化することで行っている。なお、Ｓｏｆｔ−ｍａｘ関数は、正規化のための関数であり、運転パターンテンプレート全体のバランスをとるものである。また、（１５）式において、βは正の定数であり、β→０となる場合に、全てのα_t（ｒ_i）は等値となり、β→∞のとき最大のα_t（ｒ_i）は１に近づくという特徴を持つ。その後、重み更新処理を終了する。

一方、Ｓ１４０２で、Ｆ＝１かつＦｎ＝１でないと判定した場合には、Ｓ１４０６へ移行し、推定結果フラグＦ＝１かつ認識結果フラグＦｎ＝０であるか否かの判定を行う。つまり、運転行動推定処理で曲がると推定された（Ｆ＝１）にも関わらず運転行動認識処理で直進したと認識された（Ｆｎ＝０）か否かを判定する。

そして、Ｓ１４０６で、Ｆ＝１かつＦｎ＝０であると判定した場合には、Ｓ１４０７へ移行し、ドライビングレコーダ部３７によって制御部１９のＲＡＭに記憶された対象交差点までの運転行動データＤＵｍ（ｔ）を取得し、Ｓ１２２０（図７）と同様に、運転行動データＤＵｍ（ｔ）の各要素を正規化する。

続いて、Ｓ１４０８では、Ｓ１２３０と同様に、Ｓ１４０７で正規化された運転行動データＤＵｍ（ｔ）を含む過去Ｔｗ（＝５秒）間分の運転データに基づき運転データ群ＭＧｍを算出し、制御部１９のＲＡＭにＭＧｍを記憶し更新する。

続いて、Ｓ１４０９では、Ｓ１２４０（図７）と同様に、Ｓ１４０８で更新した運転データ群ＭＧｍと行動パターンテンプレートＴ^mrとによって、時刻ｔにおける類似度Ｒ（ｔ）を再度算出する。

続いて、Ｓ１４１０では、類似度Ｒ（ｔ）が判定閾値ＴＨ（＝０．５）未満であるか否かを判定する。
そして、Ｓ１４１０で、類似度Ｒ（ｔ）が判定閾値ＴＨ未満であると判定した場合には、Ｓ１４１２へ移行する。つまり、時刻ｔにおけるテンプレート重み係数α_t（ｒ_i）は、適切な値であると認識する。

一方、Ｓ１４１０で、類似度Ｒ（ｔ）が判定閾値ＴＨ以上であると判定した場合には、Ｓ１４１１へ移行し、テンプレート重み係数α_t（ｒ_i）の更新処理を行う。ここで、α_t（ｒ_i）の更新処理は、Ｓ１４０９で算出した類似度Ｒ（ｔ）と上述した判定閾値ＴＨ（本実施形態では０．５）との差を求め、その差の累積値を正規化したものを新たにα_t（ｒ_i）として設定することで行われる（（１６）式〜（１８）式参照）。

具体的には、まず、類似度Ｒ（ｔ）と上述した判定閾値ＴＨとの差を表す評価関数ｅｖｌ（ｒ_i，ｔ）を求める（（１６）式）。

そして、テンプレート重み係数α_t（ｒ_i）のパラメータであり各テンプレートの強度を表すＷ_t（ｒ_i）を、評価関数ｅｖｌ（ｒ_i，ｔ）に基づき更新する。例えば、Ｗ_t（ｒ_i）からＷ_t+1（ｒ_i）への更新量は（１７）式のように、Ｗ_t（ｒ_i）にｅｖｌ（ｒ_i，ｔ）を加算することにより求められる。このため、Ｗ_t（ｒ_i）は、類似度Ｒ（ｔ）と判定閾値ＴＨとの差の累積値によって表されたものである。そして、強度Ｗ（ｒ_i）からテンプレート重み係数α_t（ｒ_i）への変換は、（１８）式に示すように、Ｓｏｆｔ−ｍａｘ関数を用いて正規化することで行っている。その後、Ｓ１４１２へ移行する。

Ｓ１４１２では、Ｓ１４０７で用いた運転行動データＤＵｍ（ｔ）が対象交差点を通過した時点のもの（つまり対象交差点までにドライビングレコーダ部３７によって記憶された一連の運転データＤＵｍ（ｔ）において一番最後に記憶された運転データ）であるか否かを判定する。

そして、Ｓ１４１２で、運転行動データＤＵｍ（ｔ）が対象交差点を通過した時点のものでないと判定した場合には、次の運転データＤＵｍ（ｔ）を対象としてＳ１４０８へ戻る。つまり、過去交差点を通過するまでの運転行動データＤＵｍ（ｔ）を対象にＳ１４０８〜Ｓ１４１１までの処理を繰り返す。

一方、Ｓ１４１２で、運転行動データＤＵｍ（ｔ）が対象交差点を通過した時点のものであると判定した場合には、Ｓ１４１３へ移行する。
Ｓ１４１３では、カウンタＬが学習回数ＬＴ（＝５）に達したか否かを判定する。

そして、Ｓ１４１３で、カウンタＬが学習回数ＬＴに達していないと判定した場合には、Ｓ１４１４へ移行し、カウンタＬに１を加えて（Ｌ＝Ｌ＋１）、Ｓ１４０７へ戻る。
一方、Ｓ１４１３で、カウンタＬが学習回数ＬＴに達したと判定した場合（つまり、テンプレート重み係数α_t（ｒ_i）の更新処理が５回繰り返された場合）には、重み更新処理を終了する。

次に、ナビゲーション処理（図６）におけるＳ１０９０にて実行される警告処理について図１１に示すフローチャートを用いて説明する。
この警告処理が開始されると、まず、Ｓ１５１０で、経路設定部３１にて設定された経路を参照して、対象交差点で曲がるべきか否かを判定する。

そして、Ｓ１５１０で、対象交差点で曲がるべきと判定した場合には、Ｓ１５２０へ移行し、推定結果フラグＦが１に設定されているか否か、即ち運転者は交差点で曲がろうとしているか否かを判定する。

そして、推定結果フラグＦが１に設定されていると判定した場合には、警告処理を終了する。
一方、Ｓ１５２０で、推定結果フラグＦが１に設定されていないと判定した場合には、Ｓ１５３０へ移行し、交差点までの距離Ｃｄが、先のＳ１２２０にて正規化された車速Ｖを入力として関数ｆ(Ｖ)を用いて算出される必要距離Ｄneed＝ｆ(Ｖ)より小さいか否かを判定する。

なお、関数ｆ(Ｖ)は、図１２に示すように、車速Ｖが大きいほど、必要距離Ｄneedも大きくなり、しかも、最初の音声ガイダンスが、運転者にとって余裕を持って従うことができるようなタイミングで開始されるように設定されている。

そして、Ｓ１５３０で、交差点までの距離Ｃｄが必要距離Ｄneedより小さい場合（図中ｄ１参照）は、Ｓ１５４０へ移行し、対象交差点では曲がるべきであること（或いは直進すべきではないこと）を案内する音声ガイダンスを実行し、その後、警告処理を終了する。一方、Ｓ１５３０で、交差点までの距離Ｃｄが必要距離Ｄneed以上である場合（図中ｄ２参照）は、音声ガイダンスを実行するには未だ早過ぎるものとして、音声ガイダンスを実行することなく、そのまま警告処理を終了する。

また、Ｓ１５１０で、対象交差点で曲がるべきではないと判定した場合には、Ｓ１５５０へ移行し、推定結果フラグＦが１に設定されているか否か、即ち運転者は交差点で曲がろうとしているか否かを判定する。

そして、Ｓ１５５０で、推定結果フラグＦが１に設定されていると判定した場合には、Ｓ１５６０へ移行し、対象交差点では曲がるべきではないこと（或いは直進すべきこと）を案内する音声ガイダンスを実行し、その後、警告処理を終了する。一方、Ｓ１５５０で、推定結果フラグＦが１に設定されていないと判定した場合には、音声ガイダンスを実行することなく、そのまま警告処理を終了する。

このように構成されたナビゲーション装置１０では、位置算出部３０により、自車両の現在位置を示す位置情報が算出されるとともに、経路設定部３１により、現在位置から目的地までの最適な経路が設定される。そして距離算出部３２により、位置検出器１１にて算出された位置情報と、経路設定部３１にて設定された経路とに基づき、経路中に設定される直近の対象ポイントまでの距離が算出される。

また、車内ＬＡＮ通信部２１を介してアクセル開度Ａ（ｔ），ブレーキ操作量Ｂ（ｔ），車速Ｖ（ｔ）を要素とする運転データＤＵ（ｔ）＝｛Ａ（ｔ），Ｂ（ｔ），Ｖ（ｔ）｝が読み込まれる。更に、制御部１９のＲＯＭにテンプレートが記憶されるとともに、制御部１９のＲＡＭにテンプレート重み係数α_t（ｒ_i）が記憶されており、対象ポイントまでの距離が判定開始距離（本実施形態では３００ｍ）以下である場合に（Ｓ１０３０）、運転データＤＵ（ｔ）とテンプレートＴ^mrとテンプレート重み係数α_t（ｒ_i）とに基づいて、運転行動推定部３５にて、対象ポイントでの運転者の運転行動を推定する（Ｓ１０５０）。

更に、運転行動認識部３６にて、対象ポイントで実際に行われた運転者の運転行動を認識する（Ｓ１１１０）。そして、運転行動推定部３５での推定結果と運転行動認識部３６での認識結果とを比較し（Ｓ１１３０）、推定結果と認識結果とが一致している場合に、運転行動適応部３８にて、一致している推定結果で用いられたテンプレートについてのテンプレート重み係数α_t（ｒ_i）を、このテンプレートを用いて運転行動を推定する場合における信頼性を高めるように更新する（Ｓ１１４０，Ｓ１４０４）。

つまり、推定結果と認識結果とが一致するように、テンプレート重み係数α_t（ｒ_i）を更新することで、運転者の運転傾向に関する学習を行う。
したがって、実際の運転行動が反映されるように学習が行われることにより、運転行動推定処理（Ｓ１０５０）による推定精度を向上させることができる。

また、運転行動推定処理（Ｓ１０５０）により運転行動を推定した時点における対象ポイント距離が長いほど信頼性が高まるようにテンプレート重み係数α_t（ｒ_i）を更新する（Ｓ１４０４）。これにより、自車両が対象ポイントに到達するまでに正しい推定を早く行うほど、その正しい推定に用いられたテンプレートの信頼性を高めることができる。このため、対象ポイントでの運転行動を早期に推定する場合の推定精度を高めることができ、推定時間の向上を図ることができる。

また、自車両が対象ポイントを通過する毎にテンプレート重み係数α_t（ｒ_i）を更新する（Ｓ１１００，Ｓ１１４０）。これにより、対象ポイントでの学習結果を、次の対象ポイントでの推定結果に直ちに反映させることができる。

また、運転行動推定部３５での推定結果と運転行動認識部３６での認識結果とを比較し（Ｓ１１３０）、推定結果と認識結果とが不一致である場合に、運転行動適応部３８にて、この推定結果で用いられたテンプレートについてのテンプレート重み係数α_t（ｒ_i）を、このテンプレートを用いて運転行動を推定する場合における信頼性を低めるように更新する（Ｓ１１４０，Ｓ１４１１）。これにより、推定結果と認識結果とが一致している場合だけはなく、推定結果と認識結果が不一致である場合にも、テンプレート重み係数α_t（ｒ_i）を更新することで、運転者の運転傾向に関する学習を行うため、推定精度を更に向上させることができる。

また、類似度Ｒ（ｔ）にメンバシップ値Ｍｓを乗じた値（確信度Ｋ）が判定閾値ＴＨを上回るテンプレートが存在する場合に、対象ポイントでの運転者の運転行動がそのテンプレートの示す運転行動と同じ運転行動になると推定し（Ｓ１２７０）、類似度Ｒ（ｔ）と判定閾値ＴＨとの差分に基づいて、テンプレート重み係数α_t（ｒ_i）を更新する（Ｓ１４１１）。これにより、運転データＤＵ（ｔ）がテンプレートＴ^mrと類似しているか否かを定量的に判断することが可能となり、安定した推定結果を得ることができる。更に、テンプレート重み係数α_t（ｒ_i）を判定閾値ＴＨと類似度Ｒ（ｔ）との差に応じて変化させることが可能となり、推定結果と認識結果とを一致させる方向にテンプレート重み係数α_t（ｒ_i）を効率よく更新することができる。

また、近距離通信部２０によって運転者の識別情報を取得し（Ｓ１０１０）、この識別情報の表す運転者に対応するテンプレート重み係数α_t（ｒ_i）を取得する（Ｓ１０２０）。これにより、複数の運転者によって車両が利用される場合であっても、各運転者の車両操作の傾向に応じた運転行動の推定を行うことができる。

また、テンプレートＴ^mrは、時系列のパターンである行動モデル（平均データ群ＵＧ^m）を、予め設定されたシフト期間ずつシフトさせながら切り出したものである（Ｓ１５０）。これにより、特徴的な変化パターンが平均より早いタイミングで発生したり、逆に平均より遅いタイミングで発生したりしたとしても、これを確実に捉えることができ、運転者の行動を精度良く推定することができる。

また、運転行動推定処理（Ｓ１０５０）による推定結果と、対象ポイントで運転者の採るべき行動とが不一致である場合に（Ｓ１５１０，Ｓ１５２０，Ｓ１５５０）、推定結果と採るべき行動とが不一致である旨を示す音声を出力する（Ｓ１５４０，１５６０）。これにより、対象ポイントに到達する前に、対象ポイントで運転者の採るべき行動を運転者に認識させることができ、採るべき行動とは異なる行動を運転者が行ってしまうことを抑制できる。

以上説明した実施形態において、ナビゲーション装置１０は本発明における運転行動推定装置、位置検出器１１及び外部通信機１４は本発明における位置情報取得手段、地図データ入力器１５は本発明における経路情報取得手段、距離算出部３２は本発明における距離算出手段、車内ＬＡＮ通信部２１は本発明における運転データ取得手段、制御部１９のＲＡＭは本発明におけるテンプレート記憶手段及び重み記憶手段、Ｓ１０５０の処理は本発明における運転行動推定手段、Ｓ１１１０の処理は本発明における運転行動認識手段、Ｓ１４０４の処理は本発明における第１重み更新手段、判定開始距離は本発明における許容値、テンプレート重み係数α_t（ｒ_i）は本発明における重み係数である。

また、Ｓ１４１１の処理は本発明における第２重み更新手段、判定閾値ＴＨは本発明における判定基準、Ｓ１０１０の処理は本発明における運転者識別手段、Ｓ１５４０及びＳ１５６０の処理は本発明における音声出力手段である。

以上、本発明の一実施例について説明したが、本発明は上記実施例に限定されるものではなく、本発明の技術的範囲に属する限り種々の形態を採ることができる。
例えば上記実施形態では、音声ガイダンスを実行する案内ポイントの例として交差点を用いて説明したが、高速道路のランプなど、経路が分岐する分岐点であれば、交差点に限るものではない。

また上記実施形態では、音声により警告を行っているが（Ｓ１０９０）、本発明の表示手段として、表示部に画像を表示することにより警告を行うようにしてもよい。
また上記実施形態では、運転者の行動の推定に用いる車両情報として、アクセル開度Ａ，ブレーキ操作量Ｂ，車速Ｖを用いたが、車速Ｖ以外の情報については、自車両の走行状態に影響を与える運転者の車両操作に関わる操作情報であれば、これら以外のものであってもよく、また、その個数も３個に限るものではなく、２個以下または４個以上であってもよい。

また上記実施形態では、運転者に対応するテンプレート重み係数α_t（ｒ_i）がパラメータ記憶部３３に記憶されていない場合には、パラメータ記憶部３３に記憶されている複数のテンプレート重み係数α_t（ｒ_i）の平均値を初期値とするようにしているが（Ｓ１０２０）、これに限ったものではなく、予め設定された既定値とするようにしてもよい。

ナビゲーション装置１０の構成、及びナビゲーション装置１０が接続された車内ＬＡＮの概略構成を示すブロック図である。 制御部１９が実行する処理の概要を示す機能ブロック図である。 行動モデル作成手順を示すフローチャートである。 テンプレート作成手順を示すフローチャートである。 行動パターンテンプレートＴ^mrの構成を示す説明図である。 ナビゲーション処理を示すフローチャートである。 運転行動推定処理を示すフローチャートである。 確信度の算出に使用するメンバシップ値の概要を示すグラフである。 運転行動認識処理を示すフローチャートである。 重み更新処理を示すフローチャートである。 警告処理を示すフローチャートである。 音声ガイダンスの実行条件を示すグラフである。

符号の説明

１０…ナビゲーション装置、１１…位置検出器、１２…操作スイッチ群、１３ａ…リモコン、１３ｂ…リモコンセンサ、１４…外部通信機、１５…地図データ入力器、１６…表示部、１７…音声出力部、１８…マイクロフォン、１９…制御部、２０…近距離通信部、２１…車内ＬＡＮ通信部、２２…エンジンＥＣＵ、２３…ブレーキＥＣＵ、２４…ステアリングＥＣＵ、２５…車内ＬＡＮ、３０…位置算出部、３１…経路設定部、３２…距離算出部、３３…パラメータ記憶部、３４…パラメータ選択部、３５…運転行動推定部、３６…運転行動認識部、３７…ドライビングレコーダ部、３８…運転行動適応部、３９…表示処理部、４０…音声ガイダンス実行部

Claims (12)

1. 自車両の現在位置を表す位置情報を取得する第１ステップと、
   自車両の走行経路を表す経路情報を取得する第２ステップと、
   前記第１ステップにて取得された前記位置情報と、前記第２ステップにて取得された前記経路情報とに基づき、前記経路情報に含まれる対象ポイントまでの距離を求める第３ステップと、
   自車両の速度情報と、自車両の走行状態に影響を与える運転者の車両操作に関わる操作情報とからなる運転データを取得する第４ステップと、
   前記第３ステップにて求められた距離が予め設定された許容値以下である場合に、前記第４ステップにて取得された運転データの履歴と、予め前記対象ポイント前の一定期間の間に収集された一連（Ｎ１個：Ｎ１は正整数）の前記運転データ又は前記運転データに相当する疑似運転データからなる蓄積データを蓄積データ群とし、前記蓄積データ群間で互いに近似したもの同士を同一クラスタに分類して、その分類されたクラスタ毎に、同じタイミングで取得された蓄積データの平均値を算出することで、一連（Ｎ１個）の平均蓄積データからなる平均データ群を生成し、更に、生成された前記平均データ群のそれぞれについて、前記平均データ群の中から連続したＮ２（Ｎ２はＮ１より小さい正整数）個の平均蓄積データからなる部分データ群を、その先頭となる平均蓄積データの位置を、予め設定されたシフト期間ずつシフトさせながら切り出した複数のテンプレートとの相違度合いを示す値に、該テンプレート毎の重み係数を乗じて得られる値である指標データを、全ての前記テンプレートについて算出し、さらに、前記指標データの最小値を代表指標データとし、前記テンプレートのうち前記代表指標データの算出に使われた前記テンプレートを代表テンプレートとし、過去の前記代表指標データの最大値により前記代表指標データを正規化した値を類似度とし、その類似度が予め設定されている判定基準を上回るテンプレートが存在する場合に、前記対象ポイントでの運転者の運転行動がそのテンプレートの示す運転行動と同じ運転行動になると推定する第５ステップと、
   前記第５ステップによる推定結果と前記第６ステップによる認識結果とを比較し、前記推定結果と前記認識結果とが一致している場合に、前記推定結果に用いられた前記代表テンプレートの前記重み係数を更新する第７ステップと
   からなることを特徴とする運転行動推定方法。
2. 自車両の現在位置を表す位置情報を取得する位置情報取得手段と、
   自車両の走行経路を表す経路情報を取得する経路情報取得手段と、
   前記位置情報取得手段により取得された位置情報と、前記経路情報取得手段により取得された前記経路情報とに基づき、前記経路情報に含まれる対象ポイントまでの距離を求める距離算出手段と、
   自車両の速度情報と、自車両の走行状態に影響を与える運転者の車両操作に関わる操作情報とからなる運転データを取得する運転データ取得手段と、
   予め前記対象ポイント前の一定期間の間に収集された一連（Ｎ１個：Ｎ１は正整数）の前記運転データ又は前記運転データに相当する疑似運転データからなる蓄積データを蓄積データ群とし、前記蓄積データ群間で互いに近似したもの同士を同一クラスタに分類して、その分類されたクラスタ毎に、同じタイミングで取得された蓄積データの平均値を算出することで、一連（Ｎ１個）の平均蓄積データからなる平均データ群を生成し、更に、生成された前記平均データ群のそれぞれについて、前記平均データ群の中から連続したＮ２（Ｎ２はＮ１より小さい正整数）個の平均蓄積データからなる部分データ群を、その先頭となる平均蓄積データの位置を、予め設定されたシフト期間ずつシフトさせながら切り出した複数のテンプレートを記憶するテンプレート記憶手段と、
   前記複数のテンプレート毎の重み係数を記憶する重み記憶手段と、
   前記距離算出手段にて求められた距離が予め設定された許容値以下である場合に、前記運転データ取得手段にて取得された運転データの履歴と、前記テンプレート記憶手段に記憶されているテンプレートとの相違度合いを示す値に、前記重み記憶手段に記憶されている重み係数を乗じて得られる値である指標データを、全ての前記テンプレートについて算出し、前記指標データの最小値を代表指標データとし、前記テンプレートのうち前記代表指標データの算出に使われた前記テンプレートを代表テンプレートとし、過去の前記代表指標データの最大値により前記代表指標データを正規化した値を類似度とし、その類似度が予め設定されている判定基準を上回るテンプレートが存在する場合に、前記対象ポイントでの運転者の運転行動がそのテンプレートの示す運転行動と同じ運転行動になると推定する運転行動推定手段と、
   前記対象ポイントで実際に行われた運転者の運転行動を認識する運転行動認識手段と、
   前記運転行動推定手段による推定結果と前記運転行動認識手段による認識結果とを比較し、前記推定結果と前記認識結果とが一致している場合に、前記推定結果に用いられた前記代表テンプレートの前記重み係数を更新する第１重み更新手段と
   を備えることを特徴とする運転行動推定装置。
3. 前記第１重み更新手段は、
   前記運転行動推定手段が前記運転行動を推定した時点における前記対象ポイントまでの距離に応じて前記推定結果に用いられた前記代表テンプレートの前記重み係数を更新する
   ことを特徴とする請求項２に記載の運転行動推定装置。
4. 前記第１重み更新手段は、
   報酬を前記重み係数に与えることにより、前記推定結果に用いられた前記代表テンプレートの前記重み係数を更新し、
   前記報酬は、前記対象ポイント距離が長いほど等比級数的に大きくなるように設定される
   ことを特徴とする請求項３に記載の運転行動推定装置。
5. 前記第１重み更新手段は、
   自車両が前記対象ポイントを通過する毎に、前記推定結果に用いられた前記代表テンプレートの前記重み係数を更新する
   ことを特徴とする請求項２〜請求項４の何れかに記載の運転行動推定装置。
6. 前記運転行動推定手段による推定結果と前記運転行動認識手段による認識結果とを比較し、前記推定結果と前記認識結果とが不一致である場合に、前記推定結果に用いられた前記代表テンプレートの前記重み係数を、前記類似度と前記判定基準との差分に応じて更新する第２重み更新手段を備える
   ことを特徴とする請求項２〜請求項５の何れかに記載の運転行動推定装置。
7. 前記第２重み更新手段は、
   自車両が前記対象ポイントを通過する毎に、前記重み係数を更新する
   ことを特徴とする請求項６に記載の運転行動推定装置。
8. 自車両の運転者を識別する運転者識別手段を備え、
   前記重み記憶手段は、前記運転者識別手段で識別される運転者毎に、該運転者に対応する前記重み係数を記憶し、
   前記運転行動推定手段は、前記重み記憶手段に記憶されている前記重み係数のうち、前記運転者識別手段によって識別された運転者に対応するものに基づいて前記運転行動を推定する
   ことを特徴とする請求項２〜請求項７の何れかに記載の運転行動推定装置。
9. 前記対象ポイントには、少なくとも走行経路の分岐点が含まれており、
   前記運転行動推定手段は、前記運転行動として前記分岐点で曲がるか否かを推定する
   ことを特徴とする請求項２〜請求項８の何れかに記載の運転行動推定装置。
10. 前記操作情報は、アクセルペダル及びブレーキペダルに関するものであることを特徴とする請求項２〜請求項９の何れかに記載の運転行動推定装置。
11. 前記運転行動推定手段による推定結果と、前記対象ポイントで運転者の採るべき行動とが不一致である場合に、前記推定結果と前記採るべき行動とが不一致である旨を示す音声を出力する音声出力手段を備える
    ことを特徴とする請求項２〜請求項１０の何れかに記載の運転行動推定装置。
12. 前記運転行動推定手段による推定結果と、前記対象ポイントで運転者の採るべき行動とが不一致である場合に、前記推定結果と前記採るべき行動とが不一致である旨を表示する表示手段を備える
    ことを特徴とする請求項２〜請求項１１の何れかに記載の運転行動推定装置。

Images