特許ウォッチ

公開番号2024142606
公報種別公開特許公報(A)
公開日2024-10-11
出願番号2023054815
出願日2023-03-30
発明の名称ドライバ異常予兆検出方法、装置及びプログラム
出願人マツダ株式会社
代理人個人,個人,個人,個人,個人
主分類B60K 28/06 20060101AFI20241003BHJP(車両一般)
要約【課題】高応答性及び高信頼性を両立してドライバの異常予兆を検出することが可能な、ドライバ異常予兆検出方法、装置及びプログラムを提供する。
【解決手段】ドライバ異常予兆検出方法は、ドライバの拍動間隔の時系列データを取得する工程Cと、平均値を0にシフトした拍動間隔の時系列データを算出する工程Dと、平均値を0にシフトした拍動間隔の積分時系列データを算出する工程Eと、トレンド成分を除去した積分時系列データを算出する工程Fと、トレンド成分を除去した積分時系列データにおける時刻Uの値と時刻U-Sの値との差を、粗視化した拍動間隔として算出する工程Gと、標準化した粗視化拍動間隔を算出する工程Hと、所定時間の標準化した粗視化拍動間隔の時系列データにおいて、0を中心とする所定範囲内に標準化した粗視化拍動間隔が入る確率が所定の異常予兆閾値より大きい場合に、ドライバの異常の予兆を検出したと判定する工程Kとを有する。
【選択図】図7
特許請求の範囲【請求項１】
車両を運転するドライバの異常の予兆を検出するドライバ異常予兆検出方法であって、
拍動検出装置が、前記ドライバの拍動を検出する工程Ａと、
プロセッサが、前記拍動検出装置により検出された拍動に基づき、前記ドライバの拍動間隔を推定する工程Ｂと、
前記プロセッサが、前記拍動の最新の検出時刻Ｕより所定時間２×Ｓ前から時刻Ｕまでの前記ドライバの拍動間隔の時系列データを取得する工程Ｃと、
前記プロセッサが、前記拍動間隔の時系列データから前記拍動間隔の平均値を減算することにより、平均値を０にシフトした前記拍動間隔の時系列データを算出する工程Ｄと、
前記プロセッサが、前記平均値を０にシフトした前記拍動間隔の時系列データにおける時刻Ｕ－２×Ｓから時刻ｉまでの区間積分を、ｉ＝Ｕ－２×Ｓからｉ＝Ｕまで順次求めることにより、前記平均値を０にシフトした前記拍動間隔の積分時系列データを算出する工程Ｅと、
前記プロセッサが、前記積分時系列データのトレンド成分を算出し、前記積分時系列データから前記トレンド成分を減算することにより、前記トレンド成分を除去した積分時系列データを算出する工程Ｆと、
前記プロセッサが、前記トレンド成分を除去した積分時系列データにおける時刻Ｕの値と時刻Ｕ－Ｓの値との差を、粗視化した拍動間隔として算出する工程Ｇと、
前記プロセッサが、前記粗視化した拍動間隔を、前記粗視化した拍動間隔の標準偏差で除することにより、標準化した粗視化拍動間隔を算出する工程Ｈと、
前記プロセッサが、所定時間の前記標準化した粗視化拍動間隔の時系列データを取得する工程Ｉと、
前記プロセッサが、前記標準化した粗視化拍動間隔の時系列データにおいて、０を中心とする所定範囲内に前記標準化した粗視化拍動間隔が入る確率を算出する工程Ｊと、
前記プロセッサが、前記確率が所定の異常予兆閾値より大きい場合に、前記ドライバの異常の予兆を検出したと判定する工程Ｋと、
を有する、ドライバ異常予兆検出方法。
続きを表示（約 2,200 文字）【請求項２】
前記０を中心とする所定範囲は、自律神経系に異常のある被験者群から取得された標準化した粗視化拍動間隔の出現確率分布のピークが、自律神経系が正常な被験者群から取得された標準化した粗視化拍動間隔の出現確率分布のピークよりも高く突出する中央領域に含まれている、
請求項１に記載のドライバ異常予兆検出方法。
【請求項３】
前記異常予兆閾値は、前記自律神経系が正常な被験者群から取得された標準化した粗視化拍動間隔の出現確率分布を、前記０を中心とする所定範囲で積分した値より大きく、前記自律神経系に異常のある被験者群から取得された標準化した粗視化拍動間隔の出現確率分布を、前記０を中心とする所定範囲で積分した値より小さい、
請求項２に記載のドライバ異常予兆検出方法。
【請求項４】
前記工程Ｃ、前記工程Ｄ、前記工程Ｅ、前記工程Ｆ、前記工程Ｇ、前記工程Ｈ、前記工程Ｉ、前記工程Ｊ、及び前記工程Ｋは、前記工程Ｂにおいて前記拍動間隔が推定される度に実行される、
請求項１から３の何れか１項に記載のドライバ異常予兆検出方法。
【請求項５】
車両を運転するドライバの異常の予兆を検出するドライバ異常予兆検出装置であって、
前記ドライバの拍動を検出する拍動検出装置と、
プログラムを格納するメモリと、
前記プログラムを実行するプロセッサと、を有し、
前記プロセッサは、
前記拍動検出装置により検出された拍動に基づき、前記ドライバの拍動間隔を推定し、
前記拍動の最新の検出時刻Ｕより所定時間２×Ｓ前から時刻Ｕまでの前記ドライバの拍動間隔の時系列データを取得し、
前記拍動間隔の時系列データから前記拍動間隔の平均値を減算することにより、平均値を０にシフトした前記拍動間隔の時系列データを算出し、
前記平均値を０にシフトした前記拍動間隔の時系列データにおける時刻Ｕ－２×Ｓから時刻ｉまでの区間積分を、ｉ＝Ｕ－２×Ｓからｉ＝Ｕまで順次求めることにより、前記平均値を０にシフトした前記拍動間隔の積分時系列データを算出し、
前記積分時系列データのトレンド成分を算出し、前記積分時系列データから前記トレンド成分を減算することにより、前記トレンド成分を除去した積分時系列データを算出し、
前記トレンド成分を除去した積分時系列データにおける時刻Ｕの値と時刻Ｕ－Ｓの値との差を、粗視化した拍動間隔として算出し、
前記粗視化した拍動間隔を、前記粗視化した拍動間隔の標準偏差で除することにより、標準化した粗視化拍動間隔を算出し、
所定時間の前記標準化した粗視化拍動間隔の時系列データを取得し、
前記標準化した粗視化拍動間隔の時系列データにおいて、０を中心とする所定範囲内に前記標準化した粗視化拍動間隔が入る確率を算出し、
前記確率が所定の異常予兆閾値より大きい場合に、前記ドライバの異常の予兆を検出したと判定する、
ように構成されている、
ドライバ異常予兆検出装置。
【請求項６】
前記拍動検出装置は、前記ドライバの体表面を撮影するドライバカメラである、
請求項５に記載のドライバ異常予兆検出装置。
【請求項７】
車両を運転するドライバの異常の予兆を検出するためのドライバ異常予兆検出プログラムであって、
拍動検出装置に、前記ドライバの拍動を検出する工程Ａを実行させ、
プロセッサに、
前記拍動検出装置により検出された拍動に基づき、前記ドライバの拍動間隔を推定する工程Ｂと、
前記拍動の最新の検出時刻Ｕより所定時間２×Ｓ前から時刻Ｕまでの前記ドライバの拍動間隔の時系列データを取得する工程Ｃと、
前記拍動間隔の時系列データから前記拍動間隔の平均値を減算することにより、平均値を０にシフトした前記拍動間隔の時系列データを算出する工程Ｄと、
前記平均値を０にシフトした前記拍動間隔の時系列データにおける時刻Ｕ－２×Ｓから時刻ｉまでの区間積分を、ｉ＝Ｕ－２×Ｓからｉ＝Ｕまで順次求めることにより、前記平均値を０にシフトした前記拍動間隔の積分時系列データを算出する工程Ｅと、
前記積分時系列データのトレンド成分を算出し、前記積分時系列データから前記トレンド成分を減算することにより、前記トレンド成分を除去した積分時系列データを算出する工程Ｆと、
前記トレンド成分を除去した積分時系列データにおける時刻Ｕの値と時刻Ｕ－Ｓの値との差を、粗視化した拍動間隔として算出する工程Ｇと、
前記粗視化した拍動間隔を、前記粗視化した拍動間隔の標準偏差で除することにより、標準化した粗視化拍動間隔を算出する工程Ｈと、
所定時間の前記標準化した粗視化拍動間隔の時系列データを取得する工程Ｉと、
前記標準化した粗視化拍動間隔の時系列データにおいて、０を中心とする所定範囲内に前記標準化した粗視化拍動間隔が入る確率を算出する工程Ｊと、
前記確率が所定の異常予兆閾値より大きい場合に、前記ドライバの異常の予兆を検出したと判定する工程Ｋと、
を実行させる、
ドライバ異常予兆検出プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、車両を運転するドライバの異常の予兆を検出するドライバ異常予兆検出方法、装置及びプログラムに関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
従来、ドライバの運転行動の変化に基づきドライバの異常の予兆を検出する技術が知られている。しかしながら、運転行動の変化からドライバの異常予兆を検出するためには少なくとも数分程度の時間にわたって運転行動の変化を監視しなければならず、ドライバの運転能力が短時間で喪失するケース（例えば、てんかん、心臓発作、脳卒中など）には対応できない。
【０００３】
そこで、ドライバの運転能力を低下させるような生体機能の変化を検出することにより、運転行動の変化が現れるよりも早くドライバの異常予兆を判断することが検討されている。例えば、交感神経系及び副交感神経系から構成される自律神経系は、人間の意識とは無関係に不随意の生体機能を調整しており、何らかの疾患に起因して自律神経系に異常が生じると、自律神経系の制御を受ける生体機能、例えば循環、発汗、瞳孔等にその影響が現れる。したがって、それらの生体機能の状態を表す生体情報、例えば心拍、発汗量、瞳孔径等の変化を測定することにより、自律神経系の異常を検出し、ドライバの異常予兆の推定に利用することができると考えられる。
【０００４】
特に心拍は、生体情報の中でも非接触で測定可能であることや車両に搭載されている車内カメラをセンサとして活用できること等の観点から、ドライバの心拍に基づき自律神経系の異常を検出することが検討されている。
【０００５】
ドライバに限定しなければ、心拍データを用いて生体の異常を検出する技術も従来検討されている。例えば、心電図データを時間領域で解析した心拍変動指標（ＳＤＮＮ等）及び周波数領域で解析した心拍変動指標（ＨＦ、ＬＦ、ＬＦ／ＨＦ等）を用いててんかん性発作の兆候を検知する技術が提案されている（例えば、特許文献１参照）。また、周波数領域で解析した心拍変動指標として、ＶＬＦ帯域やＵＬＦ帯域の生体信号を用いて体調の急変を判定する技術や（例えば、特許文献２参照）、心拍変動信号のゆらぎを非線形解析して心臓の状態を検知する技術も提案されている（例えば、特許文献３参照）。
【０００６】
また、非線形解析による他の心拍変動指標として、確率密度分布（ＰＤＦ）の非ガウス性のパラメータλ（非ガウス指標）を用いることも提案されている（例えば、非特許文献１参照）。この手法では、２４時間連続記録したホルター心電図を用いて慢性心不全患者の心拍変動の確率密度関数及びその非ガウス指標λを求めている。データ取得後の観察期間中における生存者と非生存者に対して、取得データから得られた非ガウス指標λに有意な差が生じたことが報告されている。
【先行技術文献】
【特許文献】
【０００７】
特開２０１５－１１２４２３号公報
特開２０２０－１３０２６４号公報
特開２０１０－１８４０４１号公報
【非特許文献】
【０００８】
清野健，「間欠性ゆらぎの非ガウス統計とその心拍変動解析への応用」，精密工学会誌，Ｖｏｌ．７７，Ｎｏ．２，２０１１，１５３－１５７頁
【発明の概要】
【発明が解決しようとする課題】
【０００９】
しかしながら、特許文献１に記載されているような従来の方法では、応答性は良いが、ノイズに弱いという問題がある。すなわち、比較的短時間の心拍データに基づき異常の判定は可能であるが、信頼性は低い。また、特許文献２に記載されているような従来の方法では、ＶＬＦ帯域やＵＬＦ帯域の生体信号を得るためにより長いデータが必要となるので、応答性が悪いという問題がある。さらに、特許文献３に記載されているような従来の方法では、短時間スケールを用いた場合には結果が安定せず信頼性が低くなり、信頼性を高めるには長時間スケールを用いるか、短時間スケールのデータを長期にわたって複数回取得しなければならず、いずれにしても時間がかかってしまうという問題がある。また、非特許文献１に記載されているような従来の方法では、例えば２４時間など長時間のデータを取得することが必要なため、やはり応答性が悪いという問題がある。
【００１０】
したがって、高応答性及び高信頼性の両立が要求されるドライバの異常予兆の検出に対して、上述したような従来技術を用いることは困難である。
（【００１１】以降は省略されています）

関連特許