驾驶评价系统、驾驶评价方法、程序以及介质与流程

本发明涉及评价驾驶员对车辆的驾驶技能的驾驶评价系统、驾驶评价方法、程序以及介质。

背景技术：

在专利文献1中示出了一种实时评价驾驶员对车辆的驾驶技能的驾驶评价系统。在专利文献1的驾驶评价系统中，基于将车辆的前后加速度和横向加速度合成而得到的合成加速度与根据车速设定的阈值的比较，来实时评价驾驶员对车辆的驾驶技能。

【在先技术文献】

【专利文献】

【专利文献1】

日本特开2014-80087号公报

技术实现要素：

发明要解决的课题

像这样，在以往的驾驶评价系统中，大多着眼于车辆的加速度来评价驾驶技能。因此，在以往的驾驶评价系统中，尽管能够使加速度应该成为稳定的时期的加速度的变动反映于驾驶技能的评价，却难以评价加速度的过渡期间、即从规定的加速度到到达作为目标的加速度为止的期间的驾驶技能的巧拙。虽然驾驶技能高的驾驶员能够使车辆的加速度平滑地变化至作为目标的加速度，但是，在使用车辆的加速度来评价驾驶技能的以往的驾驶评价系统中，无法合适地评价这样的加速度的过渡期间的驾驶技能的巧拙。

本发明的目的在于，提供一种能够评价加速度的过渡期间的驾驶技能的巧拙的驾驶评价系统、驾驶评价方法、程序以及介质。

用于解决课题的方案

(1)本发明的驾驶评价系统评价驾驶员对车辆的驾驶技能，其特征在于，所述驾驶评价系统具备：数据取得机构，其取得规定的行驶场景下的包含加速度的时间序列数据的行驶数据；以及评价机构，其基于所述行驶数据来算出加速度的二阶时间微分即加加加速度的时间序列数据，并且，基于所述行驶数据的收录期间中的加速度的过渡期间即评价对象期间的加加加速度的时间序列数据来评价所述行驶场景下的驾驶技能。

(2)在该情况下，优选的是，所述评价机构具备第一评价机构，所述第一评价机构基于在所述评价对象期间内加加加速度跨过值0地变化的次数来评价驾驶技能。

(3)在该情况下，优选的是，所述行驶数据包括前后加速度的时间序列数据和横向加速度的时间序列数据，在所述行驶场景为减速场景或加速场景的情况下，所述第一评价机构将从所述行驶数据的开始时期到前后加速度的绝对值成为最大的时期的期间作为所述评价对象期间，在所述行驶场景为转弯场景的情况下，所述第一评价机构将从前后加速度的绝对值成为最大的时期到横向加速度的绝对值成为最大的时期的期间作为所述评价对象期间。

(4)在该情况下，优选的是，所述评价机构具备第二评价机构，所述第二评价机构基于所述评价对象期间内的加加加速度的绝对值的最大值来评价驾驶技能。

(5)在该情况下，优选的是，驾驶评价系统还具备加速度预测模型，当输入所述评价对象期间内的加加加速度的绝对值的最大值时，所述加速度预测模型输出该评价对象期间内的加速度的绝对值的最大值的预测值，所述第二评价机构基于所述评价对象期间内的加速度的绝对值的最大值与使用所述加速度预测模型算出的预测值的偏离度来评价驾驶技能。

(6)在该情况下，优选的是，所述行驶数据包括前后加速度的时间序列数据和横向加速度的时间序列数据，在所述行驶场景为减速场景的情况下，所述第二评价机构将从所述行驶数据的开始时期到前后加速度的绝对值成为最大的时期的第一期间和从该第一期间的末期到所述行驶数据的结束时期的第二期间作为所述评价对象期间，并针对所述第一期间及所述第二期间中的各期间评价驾驶技能，在所述行驶场景为加速场景的情况下，所述第二评价机构将所述第一期间作为所述评价对象期间，在所述行驶场景为转弯场景的情况下，所述第二评价机构将从前后加速度的绝对值成为最大的时期到横向加速度的绝对值成为最大的时期的期间作为所述评价对象期间。

(7)本发明的驾驶评价方法是(1)所记载的驾驶评价系统执行的方法，其特征在于，所述驾驶评价方法包括：数据取得步骤，由所述数据取得机构取得规定的行驶场景下的包含加速度的时间序列数据的行驶数据；以及评价步骤，由所述评价机构基于所述行驶数据来算出加速度的二阶时间微分即加加加速度的时间序列数据，并且，基于所述行驶数据的收录期间中的加速度的过渡期间即评价对象期间的加加加速度的时间序列数据来评价所述行驶场景下的驾驶技能。

(8)本发明的程序的特征在于，使计算机执行(7)所记载的驾驶评价方法的各步骤。

(9)本发明的介质的特征在于，存储(8)所记载的程序。

发明效果

(1)以时间对距离进行微分而获得的物理量是速度，以时间对速度进行微分而获得的物理量是加速度，以时间对加速度进行微分而获得的物理量是加加速度，以时间对加加速度进行微分而获得的物理量是加加加速度。因此，可以说，这5个物理量中的加加速度是尤其适于评价加速度稳定时的加速度的微小的变动的物理量，加加加速度是尤其适于评价加速度过渡期间的加速度的微小的变动的物理量。于是，本发明的驾驶评价系统通过数据取得机构取得规定的行驶场景下的包含加速度的时间序列数据的行驶数据，通过评价机构基于行驶数据来算出加加加速度的时间序列数据，并且，基于行驶数据的收录期间中的加速度的过渡期间即评价对象期间的加加加速度的时间序列数据来评价行驶场景下的驾驶技能。由此，对于行驶场景下的加速度的过渡期间的驾驶技能的巧拙，能够使用适于评价它的物理量即加加加速度来进行评价。

(2)加加加速度通过对加速度施以二阶时间微分而获得。因此，若过渡期间的加速度的变化不稳定，则可以认为，该期间的加加加速度跨过值0地振动。于是，第一评价机构通过基于在评价对象期间内加加加速度跨过值0地变化的次数来评价驾驶技能，能够评价加速度的过渡期间的加速的连接的好坏。

(3)在行驶场景为减速场景或加速场景的情况下，第一评价机构将从行驶数据的开始时期到前后加速度的绝对值成为最大的时期的期间作为评价对象期间，在行驶场景为转弯场景的情况下，第一评价机构将从前后加速度的绝对值成为最大的时期到横向加速度的绝对值成为最大的时期的期间作为评价对象期间。根据本发明，通过根据行驶场景的种类而变更由第一评价机构使用加加加速度进行评价的评价对象期间，能够针对每个行驶场景合适地评价驾驶技能。

(4)第二评价机构通过基于评价对象期间内的加加加速度的绝对值的最大值来评价驾驶技能，能够细致地评价行驶场景下的驾驶技能。

(5)第二评价机构基于评价对象期间内的加速度的绝对值的最大值与通过向加速度预测模型输入评价对象期间内的加加加速度的绝对值的最大值而获得的加速度的预测值的偏离度来评价驾驶技能。由此，能够进一步细致地评价行驶场景下的驾驶技能。

(6)在行驶场景为减速场景的情况下，第二评价机构将从行驶数据的开始时期到前后加速度的绝对值成为最大的第一期间和从该第一期间的末期到行驶数据的结束时期的第二期间作为评价对象期间，并针对该第一期间及第二期间中的各期间评价驾驶技能，在行驶场景为加速场景的情况下，第二评价机构将第一期间作为评价对象期间，在行驶场景为转弯场景的情况下，第二评价机构将从前后加速度的绝对值成为最大的时期到横向加速度的绝对值成为最大的时期的期间作为评价对象期间。根据本发明，通过根据行驶场景的种类而变更由第二评价机构使用加加加速度进行评价的评价对象期间，能够针对每个行驶场景合适地评价驾驶技能。

附图说明

图1是示出搭载有本发明的一实施方式的驾驶评价系统的车辆的构成的图。

图2是示出由场景提取机构提取的评价对象数据的一例的图。

图3是示出由转弯时数据取得机构取得的转弯时数据的一例的图。

图4是将驾驶技能评价机构对各行驶场景的驾驶技能的评价方法汇总而得到的图。

图5a是示出减速场景下的前后加速度、横向加速度以及加加速度矢量的值的时间序列数据的一例的图(驾驶员为专家驾驶员的情况)。

图5b是示出减速场景下的前后加速度、横向加速度以及加加速度矢量的值的时间序列数据的一例的图(驾驶员为普通驾驶员的情况)。

图6a是示出由转弯时数据取得机构取得的转弯时数据的一例的图。

图6b是将取得了图6a的转弯时数据时的实际的车辆v的行驶轨迹描点于道路图上而得到的图。

图7a是示出转弯时数据所包含的前后加速度及横向加速度的时间序列数据等的图(驾驶员为专家驾驶员的情况)。

图7b是示出转弯时数据所包含的前后加速度及横向加速度的时间序列数据等的图(驾驶员为普通驾驶员的情况)。

图8a是将图7a的转弯时数据所包含的加速度矢量描点于以前后加速度为纵轴并以横向加速度为横轴的二维平面上而得到的图。

图8b是将图7b的转弯时数据所包含的加速度矢量描点于以前后加速度为纵轴并以横向加速度为横轴的二维平面上而得到的图。

图9是示出加加加速度评价机构的构成的图。

图10a是示出减速场景的加加加速度数据所包含的前后加加加速度及横向加加加速度的时间序列数据的一例的图(驾驶员为专家驾驶员的情况)。

图10b是示出减速场景的加加加速度数据所包含的前后加加加速度及横向加加加速度的时间序列数据的一例的图(驾驶员为普通驾驶员的情况)。

图11a是示出转弯场景的加加加速度数据所包含的前后加加加速度及横向加加加速度的时间序列数据的一例的图(驾驶员为专家驾驶员的情况)。

图11b是示出转弯场景的加加加速度数据所包含的前后加加加速度及横向加加加速度的时间序列数据的一例的图(驾驶员为普通驾驶员的情况)。

图12是示出在驾驶评价系统中评价驾驶员的驾驶技能的具体的步骤的流程图。

附图标记说明：

v...车辆

1...驾驶评价系统

2...前后加速度传感器

3...横向加速度传感器

5...ecu(计算机)

51...数据取得机构

51b...转弯时数据取得机构

51c...减速时数据取得机构

51d...加速时数据取得机构

52...驾驶技能评价机构

53...加速度/加加速度评价机构

54...转弯场景评价机构

55...减速场景评价机构

56...加速场景评价机构

57...加加加速度评价机构(评价机构)

571...加加加速度数据算出机构

572...第一加加加速度评价机构

573...第二加加加速度评价机构

574a，574b，574c...合计机构

58a，58b，58c...综合评价机构

6...显示器。

具体实施方式

以下，参照附图对本发明的一实施方式进行说明。

图1是示出搭载有本实施方式的驾驶评价系统1的车辆v的构成的图。

驾驶评价系统1具备检测沿着车辆v的行进方向的前后加速度的前后加速度传感器2、检测沿着车辆v的车宽方向的横向加速度的横向加速度传感器3、基于这些加速度传感器2、3的检测信号来评价驾驶员对车辆v的驾驶技能的ecu(electroniccontrolunit)5、以及以驾驶员等能够目视确认的形态显示该ecu5对驾驶技能的评价结果的显示器6。

前后加速度传感器2安装于车辆v的车身，检测沿着车辆v的行进方向的前后加速度，将与检测值相应的信号向ecu5发送。前后加速度传感器2例如使用单轴的且以其检测轴与行进方向平行的方式安装于车身的加速度传感器。需要说明的是，以下，对前后加速度传感器2的检测值在车辆v的减速时成为正而在车辆v的加速时成为负的情况进行说明，但是，本发明不限定于此。

横向加速度传感器3安装于车辆v的车身，检测沿着与行进方向垂直的车宽方向的横向加速度，将与检测值相应的信号向ecu5发送。横向加速度传感器3例如使用单轴的且以其检测轴与车宽方向平行的方式安装于车身的加速度传感器。需要说明的是，以下，对横向加速度传感器3的检测值在车辆v的左转弯时成为正而在车辆v的右转弯时成为负的情况进行说明，但是，本发明不限定于此。

ecu5是由cpu、rom、ram、数据总线以及输入输出接口等构成的车载计算机。ecu5按照保存于rom的程序，在cpu中执行各种运算处理，由此，作为以下说明的数据取得机构51及驾驶技能评价机构52发挥功能。

数据取得机构51使用在车辆v的行驶期间从前后加速度传感器2及横向加速度传感器3发送的检测信号，生成行驶中的前后加速度及横向加速度的时间序列数据。更具体而言，数据取得机构51具备滤波器51f、场景提取机构51a、转弯时数据取得机构51b、减速时数据取得机构51c以及加速时数据取得机构51d，通过使用它们来生成时间序列数据。

滤波器51f对前后加速度传感器2的检测值及横向加速度传感器3的检测值实施用于去除高频率的噪声的滤波处理，将获得的滤波值向场景提取机构51a发送。在此，滤波处理中，具体而言，例如使用加权移动平均处理。需要说明的是，以下，将经过滤波器51f获得的前后加速度传感器2的检测值的滤波值记为xg，将经过滤波器51f获得的横向加速度传感器3的检测值的滤波值记为yg。

场景提取机构51a从在车辆v的行驶期间经由滤波器51f从前后加速度传感器2及横向加速度传感器3获得的前后加速度及横向加速度的时间序列数据中，提取在驾驶评价系统1中作为评价对象的时间序列数据，作为评价对象数据。更具体而言，场景提取机构51a通过使用前后加速度的值xg和横向加速度的值yg，按照下述式(1)，在各时刻算出以前后加速度及横向加速度为分量的加速度矢量的值vg，通过使用该加速度矢量的值vg来提取评价对象数据。

vg＝(xg²+yg²)^1/2(1)

图2是示出由场景提取机构51a提取的评价对象数据的一例的图。需要说明的是，图2中示出前后加速度的值xg及横向加速度的值yg的绝对值abs(yg)。需要说明的是，加速度矢量的值vg与前后加速度的值xg几乎重复，所以，在图2中省略图示。

场景提取机构51a从自前后加速度传感器2及横向加速度传感器3发送的前后加速度及横向加速度的时间序列数据，提取全部满足下述的3个条件(a)、(b)、(c)的时间序列数据，作为评价对象数据。在场景提取机构51a中，生成满足以下这样的条件的时间序列数据来作为评价对象数据，由此，能够从自前后加速度传感器2及横向加速度传感器3发送的许多数据中，仅提取等价于驾驶技能的评价的数据。

(a)加速度矢量的值vg为规定的第一提取阈值(例如，0.6[m/s²])以上。

(b)表示评价对象数据的长度的数据收录时间为5秒以上且15秒以内。

(c)加速度矢量的值vg的平均值ave(vg)为规定的第二提取阈值(例如，1[m/s²])以上。

在数据取得机构51中，将由场景提取机构51a提取的评价对象数据分为转弯场景、减速场景以及加速场景这3种，按每个场景生成时间序列数据。

转弯时数据取得机构51b从由场景提取机构51a提取出的评价对象数据中取得满足规定的条件的评价对象数据，作为转弯场景下的包含前后加速度及横向加速度的时间序列数据的转弯时数据。

图3是示出由转弯时数据取得机构51b取得的转弯时数据的一例的图。转弯时数据取得机构51b算出由场景提取机构51a提取出的评价对象数据所包含的横向加速度的值yg的绝对值abs(yg)的最大值max(abs(yg))，在该最大值max(abs(yg))为规定的转弯判定阈值(例如，1[m/s²])以上的情况下，取得该评价对象数据，作为转弯时数据。

因此，本实施方式中的转弯场景，指的是加速度矢量的值vg为第一提取阈值以上的状态持续5秒以上且15秒以内，且加速度矢量的平均值ave(vg)为第二提取阈值以上，且横向加速度的最大值max(abs(yg))为转弯判定阈值以上的区间。

减速时数据取得机构51c取得从由场景提取机构51a提取出的评价对象数据中除掉了转弯时数据后的评价对象数据中的、满足规定的条件的评价对象数据，作为减速场景下的包含前后加速度及横向加速度的时间序列数据的减速时数据。更具体而言，减速时数据取得机构51c算出除掉了转弯时数据后的评价对象数据所包含的前后加速度的值xg的平均值ave(xg)，在该平均值ave(xg)比0[m/s²]大的情况下，取得该评价对象数据，作为减速时数据。

因此，本实施方式中的减速场景是相对于转弯场景而言另外的行驶场景，指的是加速度矢量的值vg为第一提取阈值以上的状态持续5秒以上且15秒以内，且加速度矢量的平均值ave(vg)为第二提取阈值以上，且前后加速度的平均值ave(xg)比0大的区间。

加速时数据取得机构51d取得从由场景提取机构51a提取出的评价对象数据中除掉了转弯时数据及减速时数据后的评价对象数据，作为加速场景下的包含前后加速度及横向加速度的时间序列数据的加速时数据。

因此，本实施方式中的加速场景是相对于转弯场景而言另外的行驶场景，指的是加速度矢量的值vg为第一提取阈值以上的状态持续5秒以上且15秒以内，且加速度矢量的平均值ave(vg)为第二提取阈值以上，且前后加速度的平均值ave(xg)为0以下的区间。

驾驶技能评价机构52基于如上述那样由数据取得机构51取得的评价对象数据(转弯时数据、减速时数据以及加速时数据)，评价各行驶场景下的驾驶技能。

图4是将驾驶技能评价机构52对各行驶场景的驾驶技能的评价方法汇总而得到的图。驾驶技能评价机构52利用驾驶评价值pd评价减速场景下的驾驶技能，利用驾驶评价值pa评价加速场景下的驾驶技能，利用驾驶评价值pt评价转弯场景下的驾驶技能。如图4所示，驾驶技能评价机构52通过将各行驶场景下的驾驶技能以10以下的正的实数进行了数值化得到的驾驶评价值pd、pa、pt来进行评价。需要说明的是，这些驾驶评价值意味着该值越大则驾驶技能的评价越高。

更具体而言，驾驶技能评价机构52具备：加速度/加加速度评价机构53，其主要基于加速度及加加速度来评价各行驶场景下的驾驶技能；加加加速度评价机构57，其主要基于加速度及加加加速度来进行评价各行驶场景下的驾驶技能；以及综合评价机构58a、58b、58c，其将这些基于加速度/加加速度评价机构53的评价和基于加加加速度评价机构57的评价综合来算出各行驶场景的驾驶评价值pt、pd、pa。如图4所示，加速度/加加速度评价机构53通过将各行驶场景下的驾驶技能以10以下的正的实数进行了数值化得到的基本评价值pdb、pab、ptb和将转弯场景下的驾驶技能以将0作为最大值的负的实数进行了数值化得到的减分评价值ptd1、ptd2，来进行评价。另外，加加加速度评价机构57通过将各行驶场景下的驾驶技能以将0作为最大值的负的实数进行了数值化得到的加加加速度评价值pds、pas、pts来进行评价。以下，对基于加速度/加加速度评价机构53、加加加速度评价机构57以及综合评价机构58a、58b、58c的具体的评价步骤进行说明。

返回图1，加速度/加加速度评价机构53具备：转弯场景评价机构54，其主要基于加速度及加加速度来评价转弯场景下的驾驶技能；减速场景评价机构55，其主要基于加速度及加加速度来评价减速场景下的驾驶技能；以及加速场景评价机构56，其主要基于加速度及加加速度来评价加速场景下的驾驶技能。以下，对基于各评价机构54、55、56的具体的评价步骤进行说明。

减速场景评价机构55基于由减速时数据取得机构51c取得的减速时数据，在10分法下算出将根据该减速时数据确定的减速场景下的驾驶员的驾驶技能数值化得到的基本评价值pdb。更具体而言，减速场景评价机构55通过使用根据减速时数据获得的加速度矢量的值vg的时间序列数据、或者下述式(2)所示的加加速度矢量的值vj的时间序列数据来算出减速场景的基本评价值pdb。在此，加加速度矢量指的是以前后加加速度及横向加加速度为分量的矢量。关于加加速度矢量的值vj的时间序列数据，对减速时数据所包含的前后加速度的值xg及横向加速度的值yg分别实施时间微分而算出前后加加速度的运算值xj及横向加加速度的运算值yj，利用使用了这些运算值xj、yj的下述式(2)而能够算出。

vj＝(xj²+yj²)^1/2(2)

图5a及图5b分别是示出减速场景下的前后加速度的值xg、横向加速度的值yg以及加加速度矢量的值vj的时间序列数据的一例的图。更具体而言，图5a示出驾驶员为专家驾驶员的情况下的时间序列数据的一例，图5b示出驾驶员为普通驾驶员的情况下的时间序列数据的一例。

在作为目标的时间的期间内使车速从规定的速度减速至作为目标的速度的减速场景下，一般优选的是，制动踏板的踩踏量成为恒定。专家驾驶员能够在车辆的减速期间不使制动踏板的踩踏量大幅变动地，在作为目标的时间的期间内按照计划向作为目标的速度减速，所以，如图5a所示，在减速场景下，前后加速度的值xg、加速度矢量的值vg成为恒定的时间长。因此，加加速度矢量的值vj如图5a所示在减速开始时成为凸状，但是，之后在0的附近成为恒定。

相对于此，普通驾驶员无法在作为目标的时间的期间内按照计划减速，存在在减速末期加大力度踩踏制动踏板的情况。因此，如图5b所示，在减速场景下前后加速度的值xg成为恒定的时间与基于专家驾驶员的时间相比短。因此，加加速度矢量的值vj如图5b所示远离0而推移。

根据以上，可以说，使用根据减速时数据获得的加速度矢量的值vg或加加速度矢量的值vj来评价减速场景下的驾驶员的驾驶技能是合适的。

此外，驾驶技能的评价值优选与是高速驾驶时还是低速驾驶时无关，根据驾驶员的驾驶技能而尽量唯一地确定。相对于此，加速度矢量的值vg、加加速度矢量的值vj存在即便是同一驾驶员，也会根据是高速驾驶时还是低速驾驶时而变化的情况。例如，在高速驾驶时，与低速驾驶时相比，加速度矢量的值vg、加加速度矢量的值vj的变动具有变大的倾向。于是，减速场景评价机构55基于加速度矢量的值vg与减速时数据的收录时间内的加速度矢量的值的最大值max(vg)的比、或者加加速度矢量的值vj与减速时数据的收录时间内的加加速度矢量的值的最大值max(vj)的比来算出驾驶评价值pd。以下，对使用了加速度矢量的比的评价步骤和使用了加加速度矢量的比的评价步骤，依次进行说明。

在使用加速度矢量的比来进行评价的情况下，减速场景评价机构55将减速时数据的收录时间分割为n点(n为2以上的整数)，取得各时刻下的加速度矢量的值vg(i)(i为1～n的整数)，进而算出减速时数据的收录时间内的加速度矢量的值vg的最大值max(vg)。另外，减速场景评价机构55算出各时刻下的加速度矢量的值vg(i)与最大值max(vg)的比(vg(i)/max(vg))，进而算出这些比的平均值(vg(1)+vg(2)+...+vg(n))/max(vg)/n。如以上那样算出的平均值具有加速度矢量的值vg的变动越小则其越接近值1而加速度矢量的值vg的变动越大则其越接近值0的倾向。于是，减速场景评价机构55将对该平均值乘以值10而得到的值作为基本评价值pdb。由此，能够利用10分法算出基本评价值pdb。

另外，在使用加加速度矢量的比来进行评价的情况下，减速场景评价机构55将减速时数据的收录时间分割为m点(m为2以上的整数)，取得各时刻下的加加速度矢量的值vg(j)(j为1～m的整数)，进而算出减速时数据的收录时间内的加加速度矢量的值vj的最大值max(vj)。另外，减速场景评价机构55算出各时刻下的加加速度矢量的值vj(j)与最大值max(vj)的比(vj(j)/max(vj))，进而算出这些比的平均值(vj(1)+vj(2)+...+vj(m))/max(vj)/m。如以上那样算出的平均值具有各时刻下的加加速度矢量的值vj(j)越接近0则其越接近0、且各时刻下的加加速度矢量的值vj(j)越远离值0而大幅变动则其越比0大的倾向。于是，减速场景评价机构55对如以上那样算出的平均值实施规定的标准化处理，来算出减速场景的基本评价值pdb。在此，标准化处理指的是，以上述平均值越接近0则基本评价值pdb越接近作为最高分的10、且平均值越大则基本评价值pdb越小的方式将平均值变换为基本评价值pdb的处理。

加速场景评价机构56基于由加速时数据取得机构51d取得的加速时数据，在10分法下算出将根据该加速时数据确定的加速场景下的驾驶员的驾驶技能数值化得到的基本评价值pab。需要说明的是，加速场景与减速场景在前后加速度的值的符号相反这一点上不同，能够基本上与减速场景同样地，通过使用加速度矢量的值vg或加加速度矢量的值vj，在10分法下算出基本评价值pab。因此，以下，关于在加速场景评价机构56中算出基本评价值pab的具体的步骤省略说明。

转弯场景评价机构54基于由转弯时数据取得机构51b取得的转弯时数据，算出将根据该转弯时数据确定的转弯场景下的驾驶员的驾驶技能数值化得到的评价值ptb、ptd1、ptd2。

图6a是示出由转弯时数据取得机构51b取得的转弯时数据的一例的图。图6b是将取得了图6a的转弯时数据时的实际的车辆v的行驶轨迹描点于道路图上而得到的图。需要说明的是，图6a中，除了转弯时数据所包含的前后加速度的值xg及横向加速度的值yg的时间序列数据之外，还示出使用这些值xg、yg算出的加速度矢量的值vg及加加速度矢量的值vj的时间序列数据。

如图6a所示，一般，在车辆的转弯时，驾驶员在时刻t0～t1附近的期间通过踩踏制动踏板而使车辆v减速，从前后加速度成为最大的时刻t1的附近通过开始转向操作而使车辆v转弯，之后，在横向加速度的绝对值成为最大的时刻t2的附近通过开始油门踏板的踩踏而使车辆v加速。图6b中，以白圆q1示出时刻t1下的车辆v的位置，以白圆q2示出时刻t2下的车辆v的位置。

转弯场景评价机构54通过对表示在图6a的时刻t1附近开始转向的操作时的加速度的稳定度的减速稳定度、表示在图6a的时刻t2附近结束转弯并转为加速时的加速度的稳定度的横向加速度效率度、以及表示在这些时刻t1～时刻t2之间实现的从前后方向朝向横向进行的加速度的连接的稳定度的加速连接度进行综合评价，来评价转弯场景下的驾驶技能。

更具体而言，转弯场景评价机构54具备：基本评价值算出机构54a，其算出将加速连接度以10以下的正的实数进行了数值化得到的基本评价值ptb；第一减分评价值算出机构54b，其算出将减速稳定度以将0作为最大值并将大约-1作为最小值的负的实数进行了数值化得到的第一减分评价值ptd1；第二减分评价值算出机构54c，其算出将横向加速度效率度以将0作为最大值并将大约-1作为最小值的负的实数进行了数值化得到的第二减分评价值ptd2；以及合计机构54d，其通过将这些评价值ptb、ptd1、ptd2合计而以10以下的正的实数将转弯场景下的驾驶员的驾驶技能数值化。

如图4所示，转弯场景评价机构54在10分法下评价加速连接度，在减分法下评价减速稳定度及横向加速度效率度。另外，基本评价值ptb可取的值为大约0～10，比第一减分评价值ptd1及第二减分评价值ptd2可取的值(大约-1～0)大。即，转弯场景评价机构54对加速连接度、减速稳定度以及横向加速度效率度中的特别容易根据驾驶技能的巧拙而产生差异的加速连接度，赋予比减速稳定度及横向加速度效率度大的权重来评价转弯场景下的驾驶技能。以下，对在各评价值算出机构54a、54b、54c中算出评价值ptb、ptd1、ptd2的具体的步骤进行说明。

首先，一边参照图7a及图7b以及图8a及图8b，一边对在基本评价值算出机构54a中算出基本评价值ptb的步骤进行说明。

图7a及图7b是示出转弯时数据所包含的前后加速度的值xg及横向加速度的值yg的时间序列数据和基于这些值xg、yg算出的加速度矢量的值vg以及加加速度矢量的值vj的时间序列数据的图。更具体而言，图7a示出驾驶员为专家驾驶员的情况下的转弯时数据的一例，图7b示出驾驶员为普通驾驶员的情况下的转弯时数据的一例。

图8a及图8b是分别将以图7a及图7b的转弯时数据所包含的前后加速度的值xg及横向加速度的值yg为分量的加速度矢量描点于以前后加速度为纵轴并以横向加速度为横轴的二维平面上而得到的图。

转弯场景下的加速度矢量以图8a及图8b所示的点r1→点r2→点r3→点r4的顺序推移。需要说明的是，图8a及图8b中的点r1、点r2、点r3以及点r4分别相当于图7a及图7b中的时刻t11、时刻t12、时刻t13以及时刻t14。即，图8a及图8b中的点r2相当于在转弯场景下前后加速度的值xg成为最大的时刻t2，点r3相当于在转弯场景下横向加速度的值yg的绝对值abs(yg)成为最大的时刻t3。

如这些图8a及图8b所示，转弯场景下的加速度矢量的轨迹的形状与驾驶员的驾驶技能的巧拙无关而大致整体成为大致三角形形状。在此，将图8a与图8b进行比较可知，驾驶员的驾驶技能的巧拙呈现于从前后加速度的值xg成为最大的点r2到横向加速度的绝对值abs(yg)成为最大的点r3的加速度矢量的轨迹的形状。即，基于专家驾驶员的加速度矢量从点r2到点r3的轨迹从原点o向外侧呈凸状，更具体而言，接近将点r2作为与长轴的交点并将点r3作为与短轴的交点的椭圆弧l。相对于此，如在图8b中以细线的箭头所示，基于普通驾驶员的加速度矢量从点r2到点r3的轨迹朝向原点o成为凹状。即，基于普通驾驶员的加速度矢量的轨迹从将点r2作为与长轴的交点并将点r3作为与短轴的交点的椭圆弧l偏离。根据以上，表示从前后加速度成为最大的点r2到横向加速度的绝对值成为最大的点r3的加速度的连接的稳定度的加速连接度可以说能够通过从点r2到点r3的加速度矢量的轨迹的形状与椭圆弧l的形状的比较来进行评价。即，可以说，从点r2到点r3的加速度矢量的轨迹越接近椭圆弧l，则转弯场景下的驾驶技能越高。

于是，基本评价值算出机构54a将转弯时数据中的前后加速度的值xg成为最大的点r2作为起点，将横向加速度的值yg的绝对值成为最大的点r3作为终点，基于从该起点到终点的加速度矢量的时间序列数据的轨迹的形状与规定的基准轨迹的形状的比较来算出基本评价值ptb。在此，基准轨迹更具体而言采用将起点作为与长轴及短轴中的任一轴的交点并将终点作为与另一轴的交点的椭圆弧l。基本评价值算出机构54a从转弯时数据中取得起点及终点的坐标值，通过使用该坐标值而导出表示椭圆弧l的椭圆式，并且，通过基于已知的算法将该椭圆式与从起点到终点的加速度矢量的轨迹的接近程度以大约0～大约10之间的实数进行数值化来算出基本评价值ptb。即，加速度矢量的轨迹越接近上述椭圆式，则基本评价值算出机构54a使基本评价值ptb为越大的值。

接着，对在第一减分评价值算出机构54b中算出第一减分评价值ptd1的步骤进行说明。如图6a所示，在时刻t1附近前后加速度成为最大而开始转向的操作时，优选前后加速度及横向加速度均为恒定。即，减速稳定度可以说能够通过时刻t1的附近的加加速度矢量的值vj来进行评价。

于是，第一减分评价值算出机构54b通过使用转弯时数据来算出加加速度矢量的值vj的时间序列数据，并且，算出前后加速度的值xg成为最大的时刻t1的附近的加加速度矢量的值vj的最小值min(vj)，基于该加加速度矢量的最小值min(vj)来算出第一减分评价值ptd1。更具体而言，第一减分评价值算出机构54b以在加加速度矢量的最小值min(vj)为0时第一减分评价值ptd1成为0、且加加速度矢量的最小值min(vj)越远离0则第一减分评价值ptd1越远离0而变小的方式，算出第一减分评价值ptd1。由此，算出将0作为最大值并将大约-1作为最小值的负值的第一减分评价值ptd1。

接着，对在第二减分评价值算出机构54c中算出第二减分评价值ptd2的步骤进行说明。如图6a所示，在时刻t2附近横向加速度的绝对值abs(yg)成为最大而转为加速时，优选前后加速度接近0。即，横向加速度效率度可以说能够通过时刻t2下的前后加速度的绝对值abs(xg)来进行评价。

于是，第二减分评价值算出机构54c通过使用转弯时数据来算出横向加速度的绝对值abs(yg)成为最大的终点处的前后加速度的绝对值abs(xg)，基于该前后加速度的绝对值abs(xg)来算出第二减分评价值ptd2。更具体而言，第二减分评价值算出机构54c以在前后加速度的绝对值abs(xg)为0时第二减分评价值ptd2成为0、且前后加速度的绝对值abs(xg)越远离0则第二减分评价值ptd2越远离0而变小的方式，算出第二减分评价值ptd2。由此，算出将0作为最大值并将大约-1作为最小值的负值的第二减分评价值ptd2。

接着，一边参照图9，一边对在加加加速度评价机构57中使用加速度、加加加速度来评价驾驶员的驾驶技能的步骤进行说明。

图9是示出加加加速度评价机构57的构成的图。加加加速度评价机构57基于由数据取得机构51取得的各行驶场景的行驶数据(转弯时数据、减速时数据以及加速时数据)来算出加加加速度的时间序列数据，并且，基于各行驶数据的收录期间中的加速度的过渡期间即评价对象期间的加加加速度的时间序列数据来评价各行驶场景下的驾驶技能。更具体而言，加加加速度评价机构57算出以0以下的实数将各行驶场景下的驾驶技能数值化得到的加加加速度评价值pts、pds、pas。即，加加加速度评价机构57如图4所示，利用减分法来评价驾驶技能。加加加速度评价机构57算出转弯场景下的驾驶技能作为加加加速度评价值pts，算出减速场景下的驾驶技能作为加加加速度评价值pds，算出加速场景下的驾驶技能作为加加加速度评价值pas。

更具体而言，加加加速度评价机构57具备：加加加速度数据算出机构571，其通过使用由数据取得机构51取得的各行驶场景的行驶数据(转弯时数据、减速时数据以及加速时数据)，来算出各行驶场景下的加加加速度的时间序列数据即加加加速度数据；第一加加加速度评价机构572，其基于加加加速度跨过值0地变化的次数来算出各行驶场景下的评价值pts1、pds1、pas1；第二加加加速度评价机构573，其基于加加加速度的绝对值的最大值来算出各行驶场景下的评价值pts2、pds2、pds3、pas2；以及合计机构574a、574b、574c，其通过将这些评价值pts1、pds1、pas1与评价值pts2、pds2、pds3、pas2分别合计，来算出各行驶场景下的加加加速度评价值pts、pds、pas。

加加加速度数据算出机构571通过对由数据取得机构51取得的各行驶场景的行驶数据所包含的前后加速度及横向加速度的时间序列数据施以二阶时间微分，来算出前后加加加速度及横向加加加速度的时间序列数据即加加加速度数据。以下，将由加加加速度数据算出机构571算出的前后加加加速度的值记为xs，将横向加加加速度的值记为ys。

以下，一边参照图10a及图10b以及图11a及图11b，一边对第一加加加速度评价机构572及第二加加加速度评价机构573中的具体的评价步骤进行说明。

图10a及图10b是示出减速场景的加加加速度数据所包含的前后加加加速度的值xs及横向加加加速度的值ys的绝对值abs(ys)的时间序列数据的一例的图。另外，图11a及图11b是示出转弯场景的加加加速度数据所包含的前后加加加速度的值xs及横向加加加速度的值ys的时间序列数据的一例的图。需要说明的是，在这些图10a及图10b以及图11a及图11b中，为了参考，将前后加速度的值xg、横向加速度的绝对值abs(yg)以及加加速度矢量的值vj的时间序列数据重叠而进行图示。另外，图10a及图11a示出驾驶员为专家驾驶员的情况下的时间序列数据的一例，图10b及图11b示出驾驶员为普通驾驶员的情况下的时间序列数据的一例。

第一加加加速度评价机构572根据行驶场景的种类而设定由加加加速度数据算出机构571针对每个行驶场景算出的加加加速度数据的收录期间中的加速度的过渡期间即评价对象期间，并且，基于在该评价对象期间内加加加速度跨过值0地变化的次数来评价驾驶技能。需要说明的是，以下，将第一加加加速度评价机构572中的驾驶评价也称作smooth(平滑)评价。

第一加加加速度评价机构572根据行驶场景的种类而如以下这样设定进行这样的smooth评价的评价对象期间。首先，第一加加加速度评价机构572如图10a所示，在行驶场景为减速场景或加速场景的情况下，将从行驶数据的开始时期(在图10a的例子中为时刻t1)到前后加速度的绝对值abs(xg)成为最大的时期(在图10a的例子中为时刻t2)的期间作为smooth评价的评价对象期间。另外，第一加加加速度评价机构572如图11a所示，在行驶场景为转弯场景的情况下，将从前后加速度的绝对值abs(xg)成为最大的时期(在图11a的例子中为时刻t1)到横向加速度的绝对值abs(yg)成为最大的时期(在图11a的例子中为时刻t2)的期间作为smooth评价的评价对象期间。

第一加加加速度评价机构572在如以上那样根据行驶场景的种类而设定了评价对象期间之后，如以下这样算出各行驶场景下的评价值pts1、pds1、pas1。

第一加加加速度评价机构572在行驶场景为减速场景的情况下，算出在评价对象期间内前后加加加速度的值xs跨过值0地变化的次数即跨零次数，以该跨零次数越大则使评价值pds1为越小的值的方式，算出评价值pds1。更具体而言，第一加加加速度评价机构572在跨零次数为0或1的情况下，将评价值pds1设为0。另外，第一加加加速度评价机构572在跨零次数为2以上的情况下，通过将从跨零次数减去值1而得到的值除以值10来算出评价值pds1。

需要说明的是，在图10a的例子中，跨零次数为1，所以，评价值pds1为0。另外，在图10b的例子中，跨零次数为8，所以，评价值pds1为-0.7。如图10b所示，普通驾驶员具有在减速场景下，过于仔细地操作制动踏板，结果到作为目标的加速度为止花费长时间的倾向，所以，具有跨零次数比专家驾驶员多的倾向。根据基于第一加加加速度评价机构572的smooth评价，能够合适地评价减速场景的加速度的过渡期间的驾驶技能的巧拙。

第一加加加速度评价机构572在行驶场景为加速场景的情况下也同样，算出在评价对象期间内前后加加加速度的值xs跨过值0地变化的次数即跨零次数，以该跨零次数越大则使评价值pas1为越小的值的方式，算出评价值pas1。更具体而言，第一加加加速度评价机构572在跨零次数为0或1的情况下，将评价值pas1设为0。另外，第一加加加速度评价机构572在跨零次数为2以上的情况下，通过将从跨零次数减去值1而得到的值除以值10来算出评价值pas1。

另外，第一加加加速度评价机构572在行驶场景为转弯场景的情况下，算出在评价对象期间内横向加加加速度的值ys跨过值0地变化的次数即跨零次数，以该跨零次数越大则使评价值pts1为越小的值的方式，算出评价值pts1。更具体而言，第一加加加速度评价机构572在跨零次数为0或1的情况下，将评价值pts1设为0。另外，第一加加加速度评价机构572在跨零次数为2以上的情况下，通过将从跨零次数减去值1而得到的值除以值10来算出评价值pts1。

需要说明的是，在图11a的例子中，跨零次数为0，所以，评价值pts1为0。另外，在图11b的例子中，跨零次数为6，所以，评价值pts1为-0.5。像这样，根据基于第一加加加速度评价机构572的smooth评价，即便在行驶场景为转弯场景的情况下，也能够合适地评价加速度的过渡期间的驾驶员的驾驶技能的巧拙。

第二加加加速度评价机构573根据行驶场景的种类而设定由加加加速度数据算出机构571针对每个行驶场景算出的加加加速度数据的收录期间中的加速度的过渡期间即评价对象期间，并且，基于该评价对象期间内的加加加速度的绝对值的最大值来评价驾驶技能。需要说明的是，以下，将第二加加加速度评价机构573中的驾驶评价也称作mild(温和)评价或release(松缓)评价。需要说明的是，关于这些mild评价与release评价的不同，在后说明。

第二加加加速度评价机构573根据行驶场景的种类而如以下这样设定进行这样的mild评价及release评价的评价对象期间。首先，第二加加加速度评价机构573如图10a所示在行驶场景为减速场景的情况下，将从行驶数据的开始时期(在图10a的例子中为时刻t1)到前后加速度的绝对值abs(xg)成为最大的时期(在图10a的例子中为时刻t2)的期间作为mild评价的评价对象期间，进而，将从该mild评价的评价对象期间的末期(在图10a的例子中为时刻t2)到行驶数据的结束时期(在图10a的例子中为时刻t3)的期间作为release评价的评价对象期间。即，在行驶场景为减速场景的情况下，mild评价的评价对象期间与smooth评价的评价对象期间相同。另外，mild评价与release评价虽然评价算法相同，但评价对象期间不同。在行驶场景为减速场景的情况下，加速度的过渡期间表现为开始减速时(开始踩踏制动踏板时)和结束减速时(松开制动踏板的踩踏时)这2个。于是，第二加加加速度评价机构573在行驶场景为减速场景的情况下，设定2个评价对象期间。

第二加加加速度评价机构573在行驶场景为加速场景的情况下，将从行驶数据的开始时期到前后加速度的绝对值abs(xg)成为最大的时期的期间作为mild评价的评价对象期间。即，在行驶场景为加速场景的情况下，mild评价的评价对象期间与smooth评价的评价对象期间相同。另外，第二加加加速度评价机构573在行驶场景为加速场景的情况下，不进行release评价。

另外，第二加加加速度评价机构573如图11a所示，在行驶场景为减速场景的情况下，将从前后加速度的绝对值abs(xg)成为最大的时期(在图11a的例子中为时刻t1)到横向加速度的绝对值abs(yg)成为最大的时期(在图11a的例子中为时刻t2)的期间作为mild评价的评价对象期间。即，在行驶场景为转弯场景的情况下，mild评价的评价对象期间与smooth评价的评价对象期间相同。另外，第二加加加速度评价机构573在行驶场景为减速场景的情况下，不进行release评价。如以上那样，第二加加加速度评价机构573仅在行驶场景为减速场景的情况下，进行releath评价。

第二加加加速度评价机构573在如以上那样根据行驶场景的种类而设定了评价对象期间之后，如以下这样算出各行驶场景下的评价值pts2、pds2、pds3、pas2。更具体而言，第二加加加速度评价机构573具备针对每个行驶场景设定的加速度预测模型，通过使用这些加速度预测模型和评价对象期间内的加加加速度的绝对值的最大值，来算出评价值pts2、pds2、pds3、pas2。

在此，加速度预测模型指的是，当输入评价对象期间内的加加加速度的绝对值的最大值和该评价对象期间内的最大车速时，输出评价对象期间内的加速度的绝对值的最大值的数理模型。作为这样的加速度预测模型，第二加加加速度评价机构573具备制动开时预测模型、制动关时预测模型、油门开时预测模型、转弯时预测模型。

制动开时预测模型指的是，当输入减速场景下的mild评价的评价对象期间内的前后加加加速度的绝对值的最大值和该评价对象期间内的最大车速时，输出该评价对象期间内的前后加速度的绝对值的最大值的预测值的数理模型。作为这样的数理模型，例如使用通过使用多个基于上述的第一加加加速度评价机构572的smooth评价为高评价的行驶数据(具体而言，评价值为0的)而构建的线性回归模型。由于在评价对象期间内的前后加加加速度的绝对值的最大值、最大车速以及前后加速度的绝对值的最大值之间存在相关关系，所以，通过预先进行试验而能够构建这样的线性回归模型。

制动关时预测模型指的是，当输入减速场景下的release评价的评价对象期间内的前后加加加速度的绝对值的最大值和该评价对象期间内的最大车速时，输出该评价对象期间内的前后加速度的绝对值的最大值的预测值的数理模型。作为这样的数理模型，使用通过与制动开时预测模型同样的步骤而构建的线性回归模型。

油门开时预测模型指的是，当输入加速场景下的mild评价的评价对象期间内的前后加加加速度的绝对值的最大值和该评价对象期间内的最大车速时，输出该评价对象期间内的前后加速度的绝对值的最大值的预测值的数理模型。作为这样的数理模型，使用通过与制动开时预测模型同样的步骤而构建的线性回归模型。

转弯时预测模型指的是，当输入转弯场景下的mild评价的评价对象期间内的横向加加加速度的绝对值的最大值和该评价对象期间内的最大车速时，输出该评价对象期间内的横向加速度的绝对值的最大值的预测值的数理模型。作为这样的数理模型，使用通过与制动开时预测模型同样的步骤而构建的线性回归模型。

第二加加加速度评价机构573在行驶场景为减速场景的情况下，首先，如图10a所示，算出mild评价的评价对象期间内的前后加加加速度的绝对值abs(xs)的最大值max1(abs(xs))和release评价的评价对象期间内的前后加加加速度的绝对值abs(xs)的最大值max2(abs(xs))。另外，第二加加加速度评价机构573通过将最大值max1(abs(xs))和mild评价的评价对象期间内的最大车速向制动开时预测模型输入，来算出该评价对象期间内的前后加速度的绝对值的预测值，通过算出该评价对象期间内的前后加速度的绝对值的最大值max(abs(xg))与该预测值的偏离度来算出评价值pds2。更具体而言，第二加加加速度评价机构573通过从前后加速度的绝对值的最大值max(abs(xg))减去预测值来算出偏离度，在该偏离度为0以上的情况下将值0作为评价值pds2，在偏离度不足0的情况下将该负值的偏离度作为评价值pds2(mild评价)。

接着，第二加加加速度评价机构573通过将最大值max2(abs(xs))和release评价的评价对象期间内的最大车速向制动关时预测模型输入，来算出该评价对象期间内的前后加速度的绝对值的预测值，通过算出该评价对象期间内的前后加速度的绝对值的最大值max(abs(xg))与该预测值的偏离度来算出评价值pds3。更具体而言，第二加加加速度评价机构573通过从前后加速度的绝对值的最大值max(abs(xg))减去预测值来算出偏离度，在该偏离度为0以上的情况下将值0作为评价值pds3，在偏离度不足0的情况下将该负值的偏离度作为评价值pds3(release评价)。

第二加加加速度评价机构573在行驶场景为加速场景的情况下，首先，算出mild评价的评价对象期间内的前后加加加速度的绝对值abs(xs)的最大值max(abs(xs))。另外，第二加加加速度评价机构573通过将最大值max(abs(xs))和mild评价的评价对象期间内的最大车速向油门开时预测模型输入，来算出该评价对象期间内的前后加速度的绝对值的预测值，通过算出该评价对象期间内的前后加速度的绝对值的最大值与该预测值的偏离度来算出加速场景下的加加加速度评价值pas2(mild评价)。更具体而言，第二加加加速度评价机构573通过从前后加速度的绝对值的最大值减去预测值而算出偏离度，在该偏离度为0以上的情况下将值0作为加加加速度评价值pas2，在偏离度不足0的情况下将该负值的偏离度作为评价值pas2。

另外，第二加加加速度评价机构573在行驶场景为转弯场景的情况下，首先，如图11a所示，算出mild评价的评价对象期间内的横向加加加速度的绝对值abs(ys)的最大值max(abs(ys))。另外，第二加加加速度评价机构573通过将最大值max(abs(ys))和mild评价的评价对象期间内的最大车速向转弯时预测模型输入，来算出该评价对象期间内的横向加速度的绝对值的预测值，通过算出该评价对象期间内的横向加速度的绝对值的最大值max(abs(yg))与该预测值的偏离度来算出转弯场景下的加加加速度评价值pts2(mild评价)。更具体而言，第二加加加速度评价机构573通过从前后加速度的绝对值的最大值max(abs(yg))减去预测值来算出偏离度，在该偏离度为0以上的情况下将值0作为加加加速度评价值pts2，在偏离度不足0的情况下将该负值的偏离度作为加加加速度评价值pts2。

合计机构574a通过将由第一加加加速度评价机构572算出的评价值pts1与由第二加加加速度评价机构573算出的评价值pts2合计来算出加加加速度评价值pts。合计机构574b、575b通过将由第一加加加速度评价机构572算出的评价值pds1与由第二加加加速度评价机构573算出的评价值pds2、pds3合计来算出加加加速度评价值pds。合计机构574c通过将由第一加加加速度评价机构572算出的评价值pas1与由第二加加加速度评价机构573算出的评价值pas2合计来算出加加加速度评价值pas。

返回图1，综合评价机构58a、58b、58c通过使用由加速度/加加速度评价机构53算出的各行驶场景的基本评价值ptb、pdb、pab及转弯场景下的减分评价值ptd1，ptd2和由加加加速度评价机构57算出的各行驶场景的加加加速度评价值pts、pds、pas来算出各行驶场景下的驾驶评价值pt、pd、pa。更具体而言，综合评价机构58a通过将基本评价值ptb、第一减分评价值ptd1、第二减分评价值ptd2以及加加加速度评价值pts合计来算出转弯场景下的驾驶评价值pt，综合评价机构58b通过将基本评价值pdb与加加加速度评价值pds合计来算出减速场景下的驾驶评价值pd，综合评价机构58c通过将基本评价值pab与加加加速度评价值pas合计来算出加速场景下的驾驶评价值pa，使显示器6显示各评价值。

图12是示出在驾驶评价系统1中评价驾驶员的驾驶技能的具体的步骤的流程图。图12所示的处理既可以在车辆v的行驶期间实时进行，也可以在车辆v的行驶后进行。

首先，在s1中，数据取得机构51取得转弯时数据、减速时数据以及加速时数据。更具体而言，场景提取机构51a从在车辆v的行驶期间经由滤波器51f从前后加速度传感器2及横向加速度传感器3获得的前后加速度及横向加速度的时间序列数据中，提取满足上述条件(a)、(b)、(c)的时间序列数据，作为评价对象数据。转弯时数据取得机构51b从该评价对象数据中，取得转弯场景下的包含前后加速度及横向加速度的时间序列数据的转弯时数据。减速时数据取得机构51c从除掉了转弯时数据的评价对象数据中，取得减速场景下的包含前后加速度及横向加速度的时间序列数据的减速时数据。另外，加速时数据取得机构51d通过从评价对象数据中除掉转弯时数据及减速时数据，来取得加速场景下的包含前后加速度及横向加速度的时间序列数据的加速时数据。

接着，在s2中，转弯场景评价机构54基于在s1中取得的转弯时数据，算出将转弯场景下的驾驶员的驾驶技能数值化得到的评价值ptb、ptd1、ptd2。更具体而言，基本评价值算出机构54a基于转弯时数据中的从前后加速度成为最大的起点到横向加速度的绝对值成为最大的终点的加速度矢量的时间序列数据的轨迹的形状与基准轨迹的形状的比较来算出基本评价值ptb。第一减分评价值算出机构54b通过使用转弯时数据来算出前后加速度成为最大的时刻的附近的加加速度矢量的最小值，基于该加加速度矢量的最小值来算出第一减分评价值ptd1。第二减分评价值算出机构54c通过使用转弯时数据来算出横向加速度的绝对值成为最大的终点处的前后加速度的绝对值，基于该前后加速度的绝对值来算出第二减分评价值ptd2。另外，合计机构54d将这些评价值ptb、ptd1、ptd2合计。

接着，在s3中，减速场景评价机构55基于在s1中取得的减速时数据来算出将减速场景下的驾驶员的驾驶技能数值化得到的基本评价值pdb。更具体而言，减速场景评价机构55通过使用减速时数据的收录时间内的加加速度矢量的平均值与最大值来算出基本评价值pdb。

接着，在s4中，加速场景评价机构56基于在s1中取得的加速时数据来算出将加速场景下的驾驶员的驾驶技能数值化得到的基本评价值pab。更具体而言，加速场景评价机构56通过使用加速时数据的收录时间内的加加速度矢量的平均值与最大值来算出基本评价值pab。

接着，在s5中，加加加速度评价机构57基于由数据取得机构51取得的各行驶场景的行驶数据，针对每个行驶场景算出加加加速度评价值pts、pds、pas。更具体而言，加加加速度数据算出机构571通过对由数据取得机构51取得的各行驶场景的行驶数据所包含的前后加速度及横向加速度的时间序列数据施以二阶时间微分，来算出前后加加加速度及横向加加加速度的时间序列数据即加加加速度数据。

第一加加加速度评价机构572针对每个行驶场景设定评价对象期间，并且，基于该评价对象期间的加加加速度数据来进行smooth评价，针对每个行驶场景算出评价值pts1、pds1、pas1。另外，第二加加加速度评价机构573针对每个行驶场景设定评价对象期间，并且，基于该评价对象期间的加加加速度数据来进行mild评价及release评价，针对每个行驶场景算出评价值pts2、pds2、pds3、pas2。另外，合计机构574a、574b、575b、574c通过将这些评价值pts1、pds1、pas1与评价值pts2、pds2、pds3、pas2分别合计来算出各行驶场景下的加加加速度评价值pts、pds、pas。

接着，在s6中，综合评价机构58a、58b、58c通过将如以上那样算出的基本评价值ptb、pdb、pab、减分评价值ptd1、ptd2以及加加加速度评价值pts、pds、pas分别合计，来针对每个行驶场景算出驾驶评价值pt、pd、pa。

接着，在s7中，ecu5将驾驶评价值pt、pd、pa显示于显示器6。

以上，对本发明的一实施方式进行了说明，但是，本发明不限定于此。例如在上述实施方式中，对将搭载于车辆v的前后加速度传感器2、横向加速度传感器3、ecu5以及显示器6组合而构成了驾驶评价系统1的情况进行了说明，但是，本发明不限定于此。驾驶评价系统也可以由具备前后加速度传感器、横向加速度传感器、计算机以及显示器的智能手机那样的便携终端构成。