特開 2024-102705 車両制御システム、車両制御装置、車両制御方法、及び車両制御プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024102705

(43)【公開日】2024-07-31

(54)【発明の名称】車両制御システム、車両制御装置、車両制御方法、及び車両制御プログラム

(51)【国際特許分類】

   G06Q 50/10 20120101AFI20240724BHJP

【ＦＩ】

G06Q50/10

【審査請求】未請求

【請求項の数】5

【出願形態】ＯＬ

(21)【出願番号】P 2023006776

(22)【出願日】2023-01-19

(71)【出願人】

【識別番号】000003207

【氏名又は名称】トヨタ自動車株式会社

(71)【出願人】

【識別番号】000003609

【氏名又は名称】株式会社豊田中央研究所

(74)【代理人】

【識別番号】110001519

【氏名又は名称】弁理士法人太陽国際特許事務所

(72)【発明者】

【氏名】小島 理敬

(72)【発明者】

【氏名】藤本 雅大

(72)【発明者】

【氏名】澤山 純也

(72)【発明者】

【氏名】森田 俊樹

(72)【発明者】

【氏名】清水 雄大

(72)【発明者】

【氏名】外園 健司

(72)【発明者】

【氏名】吉田 昌平

(72)【発明者】

【氏名】牧野 達哉

(72)【発明者】

【氏名】羽田 昌敏

【テーマコード（参考）】

5L049

5L050

【Ｆターム（参考）】

5L049CC11

5L050CC11

(57)【要約】

【課題】本人が気付かない嗜好まで反映してリアルタイムに車両の制御が可能な車両制御システム、車両制御装置、車両制御方法、及び車両制御プログラムを提供することを目的とする。
【解決手段】取得部５０が、車両情報と、該車両情報に同期した生体情報を取得し、ＤＢ４２に蓄積する。構築部４４が、ＤＢ４２に蓄積された車両情報及び生体情報を用いてビックデータ解析を行うことにより、乗員の状態を予測する状態予測モデルを機械学習により構築し、車両制御を決定する制御関数を導出する。予測部５２が、状態予測モデルと、取得部５０が取得した車両情報及び生体情報を用いて乗員の状態を予測する。制御部５４は、予測した乗員の状態に対応して車両をセッティングする制御関数を取得し、制御関数に従って車両の制御項目を決定し、決定した制御項目を変更して車両の制御を行う。
【選択図】図３

【特許請求の範囲】

【請求項1】

複数の車両の車両情報と、該車両情報の検出タイミングに検出した乗員の生体情報とを用いて機械学習を行うことにより、乗員の状態を予測する状態予測モデルを構築する構築部と、
対象者の前記車両情報及び前記生体情報を取得する取得部と、
前記取得部によって取得した前記対象者の前記車両情報及び前記生体情報、並びに、前記構築部によって構築された前記状態予測モデルに基づいて、前記対象者の状態を予測する予測部と、
前記予測部によって予測された前記対象者の状態に応じて車両を制御する制御部と、
を含む車両制御システム。

【請求項2】

前記構築部は、前記車両情報及び前記生体情報を取得するたびに前記状態予測モデルを更新する請求項１に記載の車両制御システム。

【請求項3】

対象者が乗車した車両の車両情報及び生体情報を取得する取得部と、
前記取得部によって取得した前記対象者の前記車両情報及び前記生体情報を、複数の車両の車両情報と該車両情報の検出タイミングに検出した乗員の生体情報とを用いて機械学習を行うことにより構築された状態予測モデルに入力して、前記対象者の状態を予測する予測部と、
前記予測部によって予測された前記対象者の状態に応じて車両を制御する制御部と、
を含む車両制御装置。

【請求項4】

コンピュータが、
複数の車両の車両情報と、該車両情報の検出タイミングに検出した乗員の生体情報とを用いて機械学習を行うことにより、乗員の状態を予測する状態予測モデルを構築し、
対象者の前記車両情報及び前記生体情報を取得し、
取得した前記対象者の前記車両情報及び前記生体情報、並びに、前記状態予測モデルに基づいて、前記対象者の状態を予測し、
予測した前記対象者の状態に応じて車両を制御する車両制御方法。

【請求項5】

コンピュータに、
複数の車両の車両情報と、該車両情報の検出タイミングに検出した乗員の生体情報とを用いて機械学習を行うことにより、乗員の状態を予測する状態予測モデルを構築し、
対象者の前記車両情報及び前記生体情報を取得し、
取得した前記対象者の前記車両情報及び前記生体情報、並びに、前記状態予測モデルに基づいて、前記対象者の状態を予測し、
予測した前記対象者の状態に応じて車両を制御する処理を実行させるための車両制御プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、車両制御システム、車両制御装置、車両制御方法、及び車両制御プログラムに関する。

【背景技術】

【0002】

特許文献１には、利用者が運転する度にその嗜好データを生成すると共にサーバに蓄積することで、シェアカーの利用開始にあたり、利用者個人の嗜好に合った運転制御、車室空間環境制御、ナビ等を行うように設定し、徐々に個人の嗜好により適するようになるカーシェアリングシステムが開示されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】国際公開第２０２０／０３９９９４号

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許得文献１の技術では、嗜好を反映するのが、次回の乗車時となり、リアルタイムの制御ができない。また、本人以外の嗜好を考慮していないため、本人が気付かない嗜好までは反映されないため、改善の余地がある。

【0005】

本発明は、上記事実を考慮して成されたもので、本人が気付かない嗜好まで反映してリアルタイムに車両の制御が可能な車両制御システム、車両制御装置、車両制御方法、及び車両制御プログラムを提供することを目的とする。

【課題を解決するための手段】

【0006】

第１態様に係る車両制御システムは、複数の車両の車両情報と、該車両情報の検出タイミングに検出した乗員の生体情報とを用いて機械学習を行うことにより、乗員の状態を予測する状態予測モデルを構築する構築部と、対象者の前記車両情報及び前記生体情報を取得する取得部と、前記取得部によって取得した前記対象者の前記車両情報及び前記生体情報、並びに、前記構築部によって構築された前記状態予測モデルに基づいて、前記対象者の状態を予測する予測部と、前記予測部によって予測された前記対象者の状態に応じて車両を制御する制御部と、を含む。

【0007】

第１態様によれば、複数の車両の車両情報及び生体情報を用いて機械学習した状態予測モデルを用いて予測した乗員の状態に応じて車両を制御するので、本人が気付かない嗜好まで反映してリアルタイムに車両の制御が可能となる。

【0008】

第２態様に係る車両制御システムは、第１態様に係る車両制御システムにおいて、前記構築部は、前記車両情報及び前記生体情報を取得するたびに前記状態予測モデルを更新する。

【0009】

第２態様によれば、状態予測モデルの予測精度を向上し、最新の状態予測モデルを用いて車両を制御することができる。

【0010】

第３態様に係る車両制御装置は、対象者が乗車した車両の車両情報及び生体情報を取得する取得部と、前記取得部によって取得した前記対象者の前記車両情報及び前記生体情報を、複数の車両の車両情報と該車両情報の検出タイミングに検出した乗員の生体情報とを用いて機械学習を行うことにより構築された状態予測モデルに入力して、前記対象者の状態を予測する予測部と、前記予測部によって予測された前記対象者の状態に応じて車両を制御する制御部と、を含む。

【0011】

第３態様によれば、本人が気付かない嗜好まで反映してリアルタイムに車両の制御が可能な車両制御装置を提供できる。

【0012】

第４態様に係る車両制御方法は、コンピュータが、複数の車両の車両情報と、該車両情報の検出タイミングに検出した乗員の生体情報とを用いて機械学習を行うことにより、乗員の状態を予測する状態予測モデルを構築し、対象者の前記車両情報及び前記生体情報を取得し、取得した前記対象者の前記車両情報及び前記生体情報、並びに、前記状態予測モデルに基づいて、前記対象者の状態を予測し、予測した前記対象者の状態に応じて車両を制御する。

【0013】

第４態様によれば、本人が気付かない嗜好まで反映してリアルタイムに車両の制御が可能な車両制御方法を提供できる。

【0014】

第５態様に係る車両制御プログラムは、コンピュータに、複数の車両の車両情報と、該車両情報の検出タイミングに検出した乗員の生体情報とを用いて機械学習を行うことにより、乗員の状態を予測する状態予測モデルを構築し、対象者の前記車両情報及び前記生体情報を取得し、取得した前記対象者の前記車両情報及び前記生体情報、並びに、前記状態予測モデルに基づいて、前記対象者の状態を予測し、予測した前記対象者の状態に応じて車両を制御する処理を実行させる。

【0015】

第５態様によれば、本人が気付かない嗜好まで反映してリアルタイムに車両の制御が可能な車両制御プログラムを提供できる。

【発明の効果】

【0016】

以上説明したように本発明によれば、本人が気付かない嗜好まで反映してリアルタイムに車両の制御が可能な車両制御システム、車両制御装置、車両制御方法、及び車両制御プログラムを提供できる。

【図面の簡単な説明】

【0017】

【図1】本実施形態に係る車両制御システムの概略構成を示す図である。

【図2】本実施形態に係る車両制御システムの構成例を示すブロック図である。

【図3】本実施形態に係る車両制御システムの機能構成を示す機能ブロック図である。

【図4】本実施形態に係る車両制御システムの車載器で行われる処理の流れの一例を示すフローチャートである。

【図5】本実施形態に係る車両制御システムのサーバで行われる処理の流れの一例を示すフローチャートである。

【図6】本実施形態に係る車両制御システムで行われる具体的な制御例を示す図である。

【発明を実施するための形態】

【0018】

以下、図面を参照して本発明の実施の形態の一例を詳細に説明する。図１は、本実施形態に係る車両制御システムの概略構成を示す図である。また、図２は、本実施形態に係る車両制御システムの構成例を示すブロック図である。

【0019】

本実施形態に係る車両制御システム１０は、図１に示すように、車両に搭載された車載器１２と、サーバ１４とがネットワーク１６に接続された、所謂サーバネットワークシステムとされている。なお、図１では、車載器１２は２つのみを示すが、２つに限るではなく、３以上の車載器１２がネットワーク１６に接続されている。

【0020】

車載器１２は、図２に示すように、ＣＰＵ(Central Processing Unit）１８Ａ、ＲＯＭ（Read Only Memory）１８Ｂ、ＲＡＭ（Random Access Memory）１８Ｃ、及びＩ／Ｏ（入出力インターフェース）１８Ｄがバス１８Ｅに接続されたコンピュータで構成された車両制御装置の一例としての制御部１８を備えている。

【0021】

ＲＯＭ１８Ｂには、車両を制御するための車両制御プログラム等の各種プログラムが記憶されている。ＲＯＭ１８Ｂに記憶されたプログラムをＲＡＭ１８Ｃに展開してＣＰＵ１８Ａが実行することにより、車両の制御が行われる。

【0022】

Ｉ／Ｏ１８Ｄには、車両情報検出部２０、生体情報検出部２２、ストレージ２４、及び通信制御部３４が接続されている。なお、Ｉ／Ｏ１８Ｄと各部の接続はＣＡＮ（Controller Area Network）等の車内ネットワークを介して接続される形態でもよい。

【0023】

車両情報検出部２０は、車両に搭載された各種センサの検出結果を車両情報として検出する。車両情報検出部２０の一例としては、６分力計、車両ＥＣＵ、ＥＤＲ（Event Data Recorder）、ＧＰＳ（Global Positioning System）受信機、ドライブレコーダ等が適用される。６分力計は、例えば、車両用シートやフロア、ステアリング等に設けられて直交３分力及びそのまわりの３モーメントに分解してそれぞれに作用する力を検出する。車両ＥＣＵは、車速センサ、加速度センサ、３軸（ロール、ピッチ、ヨーの３軸）ジャイロセンサ、アクセル開度センサ、舵角センサ等の各種センサの検出結果に基づいて車両の走行に関する制御（例えば、エンジン制御等）や空調制御などを行う。本実施形態では、車両ＥＣＵに入力される各種センサ（例えば、車速センサ、アクセル開度センサ、加速度センサ等）の検出結果を車両情報として検出する。ＥＤＲは、衝突前後の運転者の操作状態や車両の挙動を記録し、本実施形態では、操作状態や車両の挙動等の検出結果を車両情報として検出する。ＧＰＳ受信機は、ＧＰＳ衛星から時刻情報を含むＧＰＳ信号を受信し、本実施形態では、複数のＧＰＳ信号に基づいて測位した自車位置を車両情報として検出する。ドライブレコーダは、車室内外を撮影し、事故前後の撮影画像を記録し、本実施形態では、撮影画像を車両情報として検出する。

【0024】

生体情報検出部２２は、乗員の脳波、心電、筋電、顔表情、体姿勢、動的変化等を生体情報として検出する。生体情報検出部２２の一例としては、カメラ、心拍センサ、筋電センサ、脳波計等が適用される。すなわち、カメラの撮影画像により顔表情、体姿勢、動的変化等を検出する。また、７心拍センサにより心電を検出し、筋電センサにより筋電を検出し、脳波計により脳波を検出する。なお、身体個人情報（例えば、身長、体重、体型、性別等）は、上記センサから導出可能である。

【0025】

ストレージ２４には、車両情報検出部２０の検出結果、及び生体情報検出部２２の検出結果が一時的に記憶される。

【0026】

通信制御部３４は、例えば、携帯電話回線網等を利用した無線通信により、ネットワーク１６と通信を行うことで、サーバ１４との通信を行う。

【0027】

一方、サーバ１４は、ＣＰＵ４０Ａ、ＲＯＭ４０Ｂ、ＲＡＭ４０Ｃ、及びＩ／Ｏ（入出力インターフェース）４０Ｄがバス４０Ｅに接続されたコンピュータで構成されたサーバ制御部４０を備えている。

【0028】

サーバ１４側のＲＯＭ４０Ｂには、各種プログラムが記憶されており、ＲＯＭ４０Ｂに記憶されたプログラムをＲＡＭ４０Ｃに展開してＣＰＵ４０Ａが実行することにより、各種制御を行う。

【0029】

Ｉ／Ｏ４０Ｄには、データベース（ＤＢ）４２、及び通信制御部３８が接続されている。

【0030】

ＤＢ４２には、複数の車両から送信された、車両情報検出部２０及び生体情報検出部２２のそれぞれの検出結果が蓄積される。多くの様々の運転者と車両の同乗者の生体情報及び車両情報を蓄積することで、ビックデータ解析が可能となる。

【0031】

通信制御部３８は、携帯電話回線網等を利用した無線通信により、ネットワーク１６と通信を行うことで、ネットワーク１６に接続された車載器１２との通信を行う。

【0032】

続いて、本実施形態に係る車両制御システム１０の機能構成について説明する。図３は、本実施形態に係る車両制御システム１０の機能構成を示す機能ブロック図である。

【0033】

車載器１２の制御部１８は、ＣＰＵ１８ＡがＲＯＭ１８Ｂに記憶されたプログラムを実行することにより、取得部５０、予測部５２、及び制御部５４として機能する。

【0034】

取得部５０は、車両情報検出部２０が検出した車両情報と、生体情報検出部２２が検出した生体情報とを取得し、サーバ１４に送信する。サーバ１４に送信する際には、車両情報の検出タイミングと、生体情報の検出タイミングとを同期させて、同一のタイミングで検出した車両情報と生体情報を対応付けてサーバ１４のＤＢ４２に送信する。

【0035】

予測部５２は、サーバ１４の構築部４４によって構築された、乗員の状態を予測する状態予測モデルをサーバ１４から取得し、取得した状態予測モデルと、取得部５０が取得した車両情報及び生体情報を用いて乗員の状態を予測する。例えば、乗員の状態の一例として、運転レベル、身体状態、心理状態、及び嗜好の少なくとも１つの乗員の状態を予測する。

【0036】

制御部５４は、予測した乗員の状態に対応して車両をセッティングする制御関数をサーバ１４から取得し、取得した制御関数に従って車両の制御項目を決定する。すなわち、制御関数は乗員の状態に対応するので、乗員の状態に応じて車両の制御項目が決定される。また、制御部５４は、決定した制御項目を変更して車両の制御を行う。すなわち、本実施形態では、生体情報と同期された車両情報のビックデータから、対象者の運転レベル、身体情報、心理状態、及び嗜好の少なくとも１つの乗員の状態を推定して車両制御を行う。車両のセッティング値は本人も気付いていない嗜好を、生体情報のビックデータから推定する。これにより、対象者には設定の難しい車両セッティングを運転中にリアルタイムで自動変更できるので、乗員状態に合わせた車両の制御が可能となり、その人にあった安心安全な心地いい快適な状態を実現できる。また、生体情報と車両情報とから異常を検知し、リアルタイムな危険回避制御も可能となる。

【0037】

一方、サーバ１４のサーバ制御部４０は、ＣＰＵ４０ＡがＲＯＭ４０Ｂに記憶されたプログラムを実行することにより、構築部４４として機能する。

【0038】

構築部４４は、ＤＢ４２に蓄積された車両情報及び生体情報を用いてビックデータ解析を行うことにより、乗員の状態を予測する状態予測モデルを機械学習により構築し、車両制御を決定する制御関数を導出する。状態予測モデルと制御関数は、車両情報及び生体情報を取得するたびに更新してＤＢ４２に格納する。例えば、運転レベル、身体状態、心理状態、及び嗜好の少なくとも１つの乗員の状態を予測する予測モデル式等の状態予測モデルを機械学習により構築する。状態予測モデルの構築は、分類器等の周知の機械学習によって構築する。例えば、心理状態、嗜好を予測する部分は、既存技術として、カメラの撮影画像から検出した表情と筋電センサの検出結果を組み合わせた感情推定技術を適用できる。一例としては、Microsoft社のクラウドサービスが提供する「Ｆａｃｅ ＡＰＩ」等の技術を適用できる。

【0039】

続いて、上述のように構成された本実施形態に係る車両制御システム１０の各部で行われる具体的な処理について説明する。

【0040】

まず、車載器１２側で行われる具体的な処理について説明する。図４は、本実施形態に係る車両制御システム１０の車載器１２で行われる処理の流れの一例を示すフローチャートである。なお、図４の処理は、例えば、図示しないイグニッションスイッチがオンされた場合に開始し、終了後に予め定めた時間間隔で開始する。

【0041】

ステップ１００では、ＣＰＵ１８Ａが、車両情報及び生体情報を取得してステップ１０２へ移行する。すなわち、取得部５０が、車両情報検出部２０が検出した車両情報と、該車両情報に同期した生体情報検出部２２が検出した生体情報を取得する。

【0042】

ステップ１０２では、ＣＰＵ１８Ａが、サーバ１４に車両情報及び生体情報を送信してステップ１０４へ移行する。すなわち、取得部５０が取得した、車両情報と生体情報をサーバ１４に送信してＤＢ４２に格納する。

【0043】

ステップ１０４では、ＣＰＵ１８Ａが、状態予測モデルの取得要求をサーバ１４に行ってステップ１０６へ移行する。すなわち、予測部５２が、サーバ１４の構築部４４によって構築された状態予測モデルの取得要求をサーバ１４に行う。

【0044】

ステップ１０６では、ＣＰＵ１８Ａが、状態予測モデルをサーバ１４から受信したか否かを判定する。該判定が肯定されるまで待機してステップ１０８へ移行する。

【0045】

ステップ１０８では、ＣＰＵ１８Ａが、乗員の状態予測を行ってステップ１１０へ移行する。すなわち、予測部５２が、車両情報及び生体情報を状態予測モデルに入力することにより乗員の状態を予測する。

【0046】

ステップ１１０では、ＣＰＵ１８Ａが、制御関数の取得要求をサーバ１４に対して行ってステップ１１２へ移行する。すなわち、制御部５４が、予測した乗員の状態に対応する制御関数の取得要求をサーバ１４に行う。

【0047】

ステップ１１２では、ＣＰＵ１８Ａが、制御関数をサーバ１４から受信したか否かを判定する。該判定が肯定されるまで待機してステップ１１４へ移行する。

【0048】

ステップ１１４では、ＣＰＵ１８Ａが、車両のセッティングを決定してステップ１１６へ移行する。すなわち、制御部５４が、取得した制御関数に従って車両の制御項目を決定する。

【0049】

ステップ１１６では、ＣＰＵ１８Ａが、車両のセッティングを変更して一連の処理を終了する。すなわち、制御部５４が、制御部５４によって決定した制御項目を変更して車両の制御を行うことで、乗員の状態に合わせて車両の制御を行うので、本人が気付かない嗜好まで反映してリアルタイムに車両の制御が可能となる。

【0050】

次に、サーバ１４側で行われる具体的な処理について説明する。図５は、本実施形態に係る車両制御システム１０のサーバ１４で行われる処理の流れの一例を示すフローチャートである。なお、図５の処理は、例えば、車載器１２からサーバ１４に情報が送信された場合に開始する。

【0051】

ステップ２００では、ＣＰＵ４０Ａが、車両情報及び生体情報を車載器１２から受信したか否かを判定する。該判定は、上述のステップ１０２によって車載器１２から車両情報及び生体情報が送信されたか否かを判定する。該判定が、肯定された場合にはステップ２０２へ移行し、否定された場合にはステップ２０６へ移行する。

【0052】

ステップ２０２では、ＣＰＵ４０Ａが、車両情報及び生体情報をＤＢ４２に格納してステップ２０４へ移行する。

【0053】

ステップ２０４では、ＣＰＵ４０Ａが、状態予測モデル及び制御関数を更新してステップ２０６へ移行する。すなわち、構築部４４が、ＤＢ４２に新たに格納された車両情報及び生体情報を用いて、乗員の状態を予測する状態予測モデルを機械学習により再学習して更新すると共に、制御関数を更新する。

【0054】

ステップ２０６では、ＣＰＵ４０Ａが、状態予測モデルが車載器１２から要求されたか否かを判定する。該判定が肯定された場合にはステップ２０８へ移行し、否定された場合にはステップ２１０へ移行する。

【0055】

ステップ２０８では、ＣＰＵ４０Ａが、ＤＢ４２に格納された状態予測モデルを要求元の車載器１２に返信してステップ２１０へ移行する。これにより、上述のステップ１０６の判定が肯定される。

【0056】

ステップ２１０では、ＣＰＵ４０Ａが、制御関数が車載器１２から要求されたか否かを判定する。該判定が肯定された場合にはステップ２１２へ移行し、否定された場合には一連の処理を終了する。

【0057】

ステップ２１２では、ＣＰＵ４０Ａが、車載器１２から要求された制御関数をＤＢ４２から読み出して要求元の車載器１２に返信して一連の処理を終了する。すなわち、状態予測モデルによって予測した乗員の状態に対応する制御関数をＤＢ４２から読み出して返信する。これにより、上述のステップ１１２の判定が肯定される。

【0058】

続いて、このように処理を行うことによって実現可能な具体的な制御例について説明する。図６は、本実施形態に係る車両制御システム１０で行われる具体的な制御例を示す図である。

【0059】

例１は、眩しい場面であり、一例としてカメラによる計測、すなわち、カメラによって撮影した乗員の撮影画像からターゲットとして目、瞼を検出し、判定対象を瞬き回数や時間として状態予測モデルを用いて眩しい場面を予測する。そして、目が眩しい場面が予測された場合に、サンバイザー稼働、フィルム色変化、カーテンを閉める等の制御を行う。

【0060】

例２では、乗り心地が悪い場面であり、一例としてカメラや心拍センサによる計測を行う。カメラによる計測としては撮影画像からターゲットとして乗員の頭部を検出し、判定対象を頭部の加速度や振動として状態予測モデルを用いて乗り心地が悪い場面を予測する。そして、乗り心地が悪い場面が予測された場合に、減速や、加速度変化、シート剛性の変化等の制御を行う。

【0061】

例３では、気分が悪い場面であり、一例としてカメラ、心拍センサ、温度センサによる計測を行い、撮影画像からターゲットとして乗員の顔や体を検出し、判定対象を表情や体温とし、状態予測モデル用いて気分が悪い場面を予測する。そして、気分が悪い場面が予測された場合に、窓を開ける、エアコンをオンする、リラックス音楽をオンする、アロマを発生する等の制御を行う。

【0062】

例４では、機嫌が悪い場面であり、一例として、カメラ、温度センサによる計測を行い、撮影画像からターゲットとして乗員の顔や体を検出し、判定対象を表情や体温として状態予測モデルを用いて機嫌が悪い場面を予測する。そして、機嫌が悪い場面が予測された場合に、音楽をかける、道路脇で停止する等の制御を行う。

【0063】

例５では、体がこわばった場面であり、一例として、カメラ、心拍センサ、筋電センサによる計測を行い、撮影画像からターゲットとして乗員の顔や体を検出し、判定対象を表情、筋肉の動きとして状態予測モデルを用いて体がこわばった場面を予測する。そして、体がこわばった場面が予測された場合に、マッサージ機能をオンする等の制御を行う。

【0064】

例６では、カーブを走行時の場面であり、一例として、シート面圧、６分力計による計測を行い、ターゲットを体とし、判定対象を体の動きとして状態予測モデルを用いてカーブを走行時の場面を予測する。そして、カーブを走行時の場面が予測された場合に、シートサイドサポート角度や、シート剛性を変化する等の制御を行う。

【0065】

上記例１～６では、乗員として運転者を対象としたが、例７、８のように、運転者以外の乗員を対象として乗員の状態を予測して車両を制御してもよい。

【0066】

例７では、同乗者が眠っている場面であり、一例として、カメラによる計測を行い、ターゲットとして、目、瞼、姿勢、心拍を検出し、判定対象を脳活動として状態予測モデルを用いて同乗者が眠っている場面を予測する。そして、同乗者が眠っている場面が予測された場合に、リクライニングする、後席のカーテンを閉める等の制御を行う。

【0067】

例８では、後席の子供がぐずっている場面であり、一例として、カメラによる計測を行い、ターゲットとして、姿勢、筋電を検出し、判定対象をイラつき度として状態予測モデルを用いて後席の子供がぐずっている場面を予測する。そして、後席の子供がぐずっている場面が予測された場合に、後席モニタでお気に入り動画を再生する、リラックス音楽を再生する等の制御を行う。

【0068】

なお、上記の実施形態では、車両側の車載器１２において、乗員の状態の予測や、制御項目の決定等を行うものとして説明したが、これに限るものではなく、サーバ１４側で乗員の状態の予測や、制御項目の決定等を行う形態としてもよい。或いは、通信状態が良好な場合はサーバ１４側で行い、通信状態が悪い場合は車載器１２側で行ってもよい。

【0069】

また、上記の実施形態では、生体情報と車両情報のビックデータによる乗員の状態予測からリアルタイムで車両制御を行う例を説明したが、これに限るものではない。例えば、生体情報と機械制御情報を同時に取得し、ビックデータによる嗜好推定から、リアルタイムで環境制御を行う仕組みに利用してもよい。例えば、工場の作業者をカメラとセンサでモニタリングしたデータと、作業環境（例えば、空調、照度等）の機械制御情報を同時に取得し、データベースに蓄積することで、リアルタイムに作業者の感情に合った作業環境制御にすることができる。或いは、オフィス環境において、カメラによる人のモニタリングしたデータと、オフィス環境（例えば、空調、照度等）の機械制御情報を同時に取得し、データベースに蓄積することで、リアルタイムにリラックスする環境制御にすることが可能となる。

【0070】

また、上記の各実施形態における車両制御システム１０の各部で行われる処理は、プログラムを実行することにより行われるソフトウエア処理として説明したが、これに限るものではない。例えば、ＧＰＵ（Graphics Processing Unit）、ＡＳＩＣ（Application Specific Integrated Circuit）、及びＦＰＧＡ（Field-Programmable Gate Array）等のハードウエアで行う処理としてもよい。或いは、ソフトウエア及びハードウエアの双方を組み合わせた処理としてもよい。また、ソフトウエアの処理とした場合には、プログラムを各種記憶媒体に記憶して流通させるようにしてもよい。

【0071】

さらに、本発明は、上記に限定されるものでなく、上記以外にも、その主旨を逸脱しない範囲内において種々変形して実施可能であることは勿論である。

【符号の説明】

【0072】

１０ 車両制御システム
１２ 車載器
１４ サーバ
１８ 制御部（車両制御装置）
２０ 車両情報検出部
２２ 生体情報検出部
４０ サーバ制御部
４２ ＤＢ
４４ 構築部
５０ 取得部
５２ 予測部
５４ 制御部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】