车辆驾驶辅助系统和配备有驾驶辅助系统的车辆的制作方法

专利名称：车辆驾驶辅助系统和配备有驾驶辅助系统的车辆的制作方法
技术领域：
本发明涉及辅助驾驶者对行驶中的车辆进行操作的车辆驾驶辅助系统。
背景技术：
传统的车辆驾驶辅助系统学习当车辆接近前车时在减速开始时刻的接触时间，并 且基于学习到的时间值发出警报(例如参见专利文献1)。该系统根据减速操作开始时刻的 接触时间估计驾驶者的预计时间，并且当该预计时间之后的车间距离的预计值小于警报距 离时发出警报。 专利文献1 :日本公开专利出版物No. H7-159525
专利文献2 :日本公开专利出版物No. 2005-7118
发明内容
本发明要解决的技术问题 上述传统系统基于减速操作开始时刻的接触时间检测驾驶者的驾驶特性，并且当
检测到非安全状态时发出警报。然而，存在如下问题如果因为驾驶者之间的差异(个人间
差异)或每个驾驶者自身的差异(个人内差异)而产生的噪声导致不能确保检测可靠，则
驾驶者对警报的信任度会降低。 解决技术问题所采用的技术方案 根据本发明的车辆驾驶辅助系统包括行驶状态检测装置，其检测车辆的行驶状
态；驾驶操作检测装置，其检测驾驶者进行的驾驶操作；驾驶诊断装置，其基于所述行驶状
态检测装置所检测到的行驶状态和所述驾驶操作检测装置所检测到的驾驶操作来计算用
于驾驶诊断的指标，并且根据计算出的指标诊断驾驶者的驾驶操作；信息设定装置，其根据
评价准则评价所述驾驶诊断装置的驾驶诊断结果，从而设定向驾驶者提供的信息内容；以
及信息提供装置，其利用所述信息设定装置设定的内容向驾驶者提供信息。
根据本发明的车辆驾驶辅助方法包括检测车辆的行驶状态；检测驾驶者进行的
驾驶操作；基于已经检测到的行驶状态和驾驶操作来计算用于驾驶诊断的指标，并且根据
计算出的指标诊断驾驶者的驾驶操作；根据评价准则评价驾驶诊断结果，从而设定向驾驶
者提供的信息内容；以及利用设定的内容向驾驶者提供信息。 本发明的有益效果 根据本发明，因为根据评价准则评价驾驶诊断结果从而设定信息提供内容，因此 可以准确地向驾驶者提供信任度高的信息。


图1是示出根据本发明第一实施例的车辆驾驶辅助系统的控制图。
图2是示出图1所示车辆驾驶辅助系统如何布置在汽车上的示意图。
图3是示出第一实施例中的驾驶辅助控制程序的处理流程的流程图。
图4是数据结构的示意图。 图5是示出驾驶者操作诊断处理的流程的流程图。 图6(a)-(d)是偏离度的计算方法的示意图。 图7(a)和(b)是使用接触时间TTC的偏离度计算方法的示意图。 图8是视觉信息表达的一个实例的示意图。 图9是视觉信息表达的另一个实例的示意图。 图10是示出根据本发明第二实施例的车辆驾驶辅助系统的控制图。 图11是示出第二实施例中的驾驶辅助控制程序的处理流程的流程图。 图12是示出车道偏离时间的变化曲线的一个实例的示意图。 图13是示出车道偏离时间的频率分布的一个实例的示意图。 图14是示出车道偏离时间的一个变型实例的示意图。 图15是示出驾驶者操作诊断处理的流程的流程图。 图16是示出第三实施例中的驾驶辅助控制程序的处理流程的流程图。 图17是示出驾驶者操作诊断处理的流程的流程图。 图18是视觉信息表达的一个实例的示意图。 图19是视觉信息表达的另一个实例的示意图。 图20(a)和(b)是使用限速的偏离度计算方法的示意图。 图21是示出根据本发明第四实施例的车辆驾驶辅助系统的控制图。 图22是示出图21所示车辆驾驶辅助系统如何布置在汽车上的示意图。 图23是示出第四实施例中的驾驶辅助控制程序的处理流程的流程图。 图24是交通道路数据库的示意图。 图25是数据结构的示意图。 图26是示出驾驶者操作诊断处理的流程的流程图。 图27 (a)和(b)是车间时距THW的分布和正态分布的示意图。 图28(a)-(d)是偏离度的计算方法的示意图。 图29(a)和(b)是"此刻"相对于"今天"的偏离度的计算方法的示意图。 图30是视觉信息表达的一个实例的示意图。 图31是视觉信息表达的另一个实例的示意图。 图32是示出第五实施例中的驾驶辅助控制程序的处理流程的流程图。 图33是第五实施例的数据结构的示意图。 图34是示出驾驶者操作诊断处理的流程的流程图。 图35是视觉信息表达的一个实例的示意图。 图36是示出第六实施例中的驾驶辅助控制程序的处理流程的流程图。 图37是示出驾驶者操作诊断处理的流程的流程图。 图38是数据仓的设定方法的示意图。 图39(a)和(b)是待放入数据仓的初始值的设定方法的示意图。 图40是使用最频值的偏离度计算方法的示意图。 图41是示出根据本发明第七实施例的车辆驾驶辅助系统的控制图。 图42是示出第七实施例中的驾驶辅助控制程序的处理流程的流程图。
图43是示出驾驶者操作诊断处理的流程的流程图。图44是视觉信息表达的一个实例的示意图。图45是视觉信息表达的另一个实例的示意图。图46是示出第八实施例中的驾驶辅助控制程序的处理流程的流程图。图47是示出驾驶者操作诊断处理的流程的流程图。图48是示出第九实施例中的驾驶辅助控制程序的处理流程的流程图。图49是示出驾驶者操作诊断处理的流程的流程图。图50是示出根据本发明第十实施例的车辆驾驶辅助系统的控制图。图51是示出第十实施例中的驾驶辅助控制程序的处理流程的流程图。图52是示出计算转向角熵所用的符号的示意图。图53是示出转向角熵的计算处理的流程的流程图。图54是示出转向角数据仓的示意图。图55示出长时间段转向角熵计算结果的分类的一个实例。图56示出长时间段转向角熵分类与待通知的内容之间的关系的一个实例。图57是示出第十实施例的变型1中的驾驶辅助控制程序的处理流程的流程图。图58是示出第十实施例的变型1中的驾驶辅助控制程序的处理流程的流程图。图59是示出基准状态的a值的计算处理程序的流程图。图60示出转向误差的分类的示意图。图61示出转向误差的频率分布示意图。图62示出中等时间段转向角熵计算结果的分类的一个实例。图63示出中等时间段转向角熵分类与待通知的内容之间的关系的一个实例。图64示出以前的中等时间段转向角熵与测量的中等时间段转向角熵的比较结果
的分类的一个实例。 图65示出以前的中等时间段转向角熵和测量的中等时间段转向角熵的比较结果 的分类与待通知的内容之间的关系的一个实例。图66示出转向角熵误差分布a值的计算结果的分类的一个实例。图67示出转向角误差分布a值的分类与待通知的内容之间的关系的一个实例。图68是示出第十实施例的变型2中的驾驶辅助控制程序的处理流程的流程图。图69示出短时间段转向角熵计算结果的分类的一个实例。图70示出短时间段转向角熵分类与待通知的内容之间的关系的一个实例。图71是示出第十一实施例中的转向角熵的计算处理的流程的流程图。图72是示出利用转向角估计误差数据递归地计算分类概率的方法的流程图。图73是示出基准状态的a值的计算处理程序的流程图。图74是示出利用转向角估计误差数据递归地计算分类概率的方法的流程图。图75是示出根据本发明第十二实施例的车辆驾驶辅助系统的控制图。图76是示出第十二实施例中的驾驶辅助控制程序的处理流程的流程图。图77是示出加速踏板位置熵的计算处理程序的流程图。图78示出长时间段加速踏板位置熵计算结果的分类的一个实例。图79示出长时间段加速踏板位置熵分类与待通知的内容之间的关系的一个实例。 图80是示出第十二实施例的变型1中的驾驶辅助控制程序的处理流程的流程图。 图81是示出第十二实施例的变型1中的驾驶辅助控制程序的处理流程的流程图。 图82是示出基准状态的a即值的计算方法的流程图。 图83示出中等时间段加速踏板位置熵计算结果的分类的一个实例。 图84示出中等时间段加速踏板位置熵分类与待通知的内容之间的关系的一个实例。 图85示出以前的中等时间段加速踏板位置熵与测量的中等时间段加速踏板位置熵的比较结果的分类的一个实例。 图86示出以前的中等时间段加速踏板位置熵和测量的中等时间段加速踏板位置
熵的比较结果的分类与待通知的内容之间的关系的一个实例。 图87示出加速踏板位置误差分布a值的计算结果的分类的一个实例。 图88示出加速踏板位置误差分布a值的分类与待通知的内容之间的关系的一个实例。 图89是示出第十二实施例的变型2中的驾驶辅助控制程序的处理流程的流程图。 图90示出短时间段加速踏板位置熵计算结果的分类的一个实例。 图91示出短时间段加速踏板位置熵分类与待通知的内容之间的关系的一个实例。 图92是示出根据本发明第十三实施例的车辆驾驶辅助系统的控制图。 图93是示出各个指标与驾驶诊断的检测对象之间的关系的示意 图。 图94是示出第十三实施例中的驾驶辅助控制程序的处理流程的流程图。 附图标记的说明 5:转向角传感器 10 :激光雷达 15:前方照相机 30:车速传感器 35:加速度传感器 50:导航系统 55:加速踏板行程传感器 60 :制动踏板行程传感器 65:转向信号开关 100， 200， 250， 300， 350， 400， 500 :控制器 130:扬声器 180 :显示单元
具体实施例方式
第一实施例 现在将说明根据本发明第一实施例的车辆驾驶辅助系统。图1是示出根据第一实
8施例的车辆驾驶辅助系统4的控制图。图2是示出车辆驾驶辅助系统4如何布置在汽车上的示意图。 首先，现在说明车辆驾驶辅助系统4的结构。 安装在车辆的前格栅、保险杠等部件上的激光雷达10水平地照射红外光脉冲，从而扫描车辆前方区域。激光雷达10测量被前方的多个障碍物(通常为前车的后部)反射回来的红外光脉冲的反射辐射，并且根据反射辐射的到达时间检测与该多个障碍物之间的车间距离或间距以及相对速度。将检测到的车间距离和相对速度输出到控制器300。激光雷达10所扫描的车辆前方区域是与车辆纵向中心线平行的轴线两侧大约士6度的范围，并且检测到该范围内存在的物体。 车速传感器30测量车轮转数或变速器输出侧的转数从而检测车速，并且将检测到的车速输出到控制器300。 导航系统50是执行路线搜索、辅助路线选择等功能的系统，包括GPS (全球定位系统)接收器、地图数据库、显示监视器等。根据经由GPS接收器获得的车辆当前位置和存储在地图数据库中的道路信息，导航系统50获得与车辆所行驶的道路的等级、宽度等有关的信息。 加速踏板行程传感器55检测例如已经通过连杆机构转变为伺服电机的旋转角度的加速踏板的行程量(加速踏板操作量)，并且将加速踏板操作量输出到控制器300。制动踏板行程传感器60检测驾驶者对制动踏板的踩下量(制动踏板操作量)。制动踏板行程传感器60将检测到的制动踏板操作量输出到控制器300。转向信号开关65检测驾驶者是否已经操作了转向信号杆，并且将检测信号输出到控制器300。 控制器300是由CPU以及诸如ROM和RAM等CPU外围部件构成的电子控制单元，控制整个车辆驾驶辅助系统4。根据从激光雷达10、车速传感器30、导航系统50、加速踏板行程传感器55、制动踏板行程传感器60、转向信号开关65等接收到的信号，控制器300分析驾驶者的驾驶特性并且执行驾驶诊断。然后，控制器300根据驾驶诊断结果向驾驶者提供信息。提供给驾驶者的信息包括向驾驶者发出的警报、对驾驶操作的改进建议等。后面将详细描述控制器300的控制内容。 扬声器130用于响应来自控制器300的信号而以蜂鸣音或语音向驾驶者提供信息。显示单元180用于响应来自控制器300的信号而显示警报或对驾驶操作的改进建议。例如，导航系统50的显示监视器、组合仪表等可以用作显示单元180。 接下来将说明根据第一实施例的车辆驾驶辅助系统4的操作，首先描述该系统的概况。 控制器300根据车辆的行驶状态和驾驶者的驾驶操作执行驾驶者的驾驶诊断，并且响应驾驶诊断结果向驾驶者发出警报并且建议驾驶者改进驾驶操作。更具体地说，控制器300检测在车辆正跟随前车的状态下当驾驶者将其脚抬离加速踏板时的驾驶特性，并且利用检测到的驾驶特性作为指标执行驾驶诊断。然后，如果驾驶诊断结果表明驾驶者正处于比其通常的驾驶更危险的驾驶状态，即，如果驾驶者的驾驶操作偏向更危险状态，则控制器300向驾驶者发出警报，从而在驾驶者的驾驶操作进入高度危险状态之前通知驾驶者。另一方面，如果驾驶诊断结果表明驾驶者的驾驶操作比公众标准好，则控制器300向驾驶者提供信息从而鼓励更安全的驾驶或者建议进行改进。
9
这样，第一实施例中的车辆驾驶辅助系统4包括三个功能即，通过驾驶诊断检测驾驶者的驾驶操作的功能、响应检测结果向驾驶者发出警报的功能、以及响应检测结果向驾驶者提供改进建议的功能。因此，车辆驾驶辅助系统4允许和鼓励驾驶者客观地了解自己的驾驶特性，并且根据驾驶特性向驾驶者提供建议，从而使驾驶者可以学习到降低危险的驾驶方法。在第一实施例中，特别是执行与驾驶者的纵向驾驶操作有关的驾驶诊断。
下面参考图3详细说明根据第一实施例的车辆驾驶辅助系统4的操作。图3是示出第一实施例中的控制器300执行的驾驶辅助控制程序的处理流程的流程图。该处理以恒定间隔连续执行，例如每50毫秒执行一次。 首先，在步骤S100中检测车辆行驶状态。这里，控制器300获得由车速传感器30检测到的车速V、由激光雷达10检测到的本车与前车之间的车间距离D和相对车速Vr，作为车辆行驶状态。在步骤S102中检测驾驶者的操作状态。这里，控制器300获得由加速踏板行程传感器55检测到的加速踏板操作量、由制动踏板行程传感器60检测到的制动踏板操作量、以及转向信号开关65检测到的转向信号杆被操作与否，作为驾驶者的操作状态。
在步骤S104中，为了确定后面描述的车辆交通场景，控制器300计算本车与前车之间的接触时间TTC和车间时距THW。接触时间TTC是表示本车与前车之间的当前接近度的物理量。接触时间TTC表示如果保持当前行驶状态，即如果本车的车速V和相对车速Vr恒定的话，在车间距离D变为零并且本车与前车彼此接触之前的秒数。接触时间TTC由下式(1)表达。 TTC = D/Vr(式1) 车间时距THW是表示当本车跟随前车时前车的预计进一步车速变化对接触时间TTC的影响程度，即在假定相对速度Vr变化的情况下的影响程度的物理量。车间时距THW是车间距离D除以本车的车速V得到的商，表示在本车到达前车的当前位置所需的时间。车间时距THW由下式(2)表达。
丽二D/V(式2) 在步骤S106中，判断是否已经执行了加速踏板释放操作。例如，如果控制器300检测到在步骤S 102中检测的当前加速踏板操作量基本上为零并且加速踏板从被踩下状态释放，则控制流程转入步骤SllO。如果加速踏板被踩下，则控制器300终止处理。要注意的是，在下面的描述中，将已经被踩下的加速踏板释放的操作将称为加速踏板释放操作，并且释放加速踏板的时刻将称为加速踏板释放时刻。 在步骤SllO中，确定车辆交通场景。通过对车辆行驶状态和驾驶者操作状态施加限制条件，可以提高驾驶诊断的准确性，并且在响应驾驶诊断结果向驾驶者提供信息时，为了减小驾驶者的不适感，确定车辆交通场景，从而仅仅在特定的交通场景中执行驾驶诊断。更具体地说，仅仅在如下交通场景中执行驾驶诊断即，在本车稳定地跟随同一前车的状态下释放加速踏板。
稳定跟随的交通场景的条件的实例如下 (a)本车跟随同一前车(例如，当前车间距离与前次测量的车间距离之间的差值小于4米)； (b)本车没有快速接近(例如，接触时间TTC大于10秒)； (c)车间时距THW等于或小于预定值(例如，车间时距THW小于4秒)；
(d)驾驶者没有进行制动操作(例如，制动踏板操作量基本上为零)； (e)驾驶者没有操作转向信号杆(例如，没有从转向信号开关65接收到0N信号)； (f)上述状态(a)至(e)保持(例如，保持5秒或更长时间)。
当条件(a)至(f)都满足时，控制器300确定车辆交通场景为跟随交通场景，并且控制器300的控制流程转入步骤S112，以执行驾驶诊断。另一方面，在条件(a)至(f)中的任一条没有满足的情况下，控制器300确定车辆交通场景不对应于特定交通场景，不执行驾驶诊断，并且终止处理。要注意的是，控制器300确定车辆交通场景是否为跟随交通场景的条件不限于上述条件(a)至(f)。另外，可以用其它检测手段检测是否进行了制动操作、以及是否进行了转向信号杆操作。 在步骤S112中，控制器300确定行驶位置。更具体地说，控制器300基于数据库将指标数目标记到导航系统50的地图信息中所描述的链段ID。链段ID是分配给将节点连接在一起的链段的ID，节点是车道属性发生变化的属性变化点。每个链段具有道路种类、链段长度(节点之间的距离)等数据。在步骤S114中，控制器300记录当前时间。
在步骤SI 16中，控制器300基于步骤SI 12和SI 14中的标记结果存储用于执行驾驶者驾驶诊断的数据。这里，例如当前时间，即车辆在该链段中行驶的时间、行驶距离、该链段中的驾驶特性指标、在该链段中行驶的次数等写入到每个链段ID的结构中，从而生成交通道路数据库。在第一实施例中，使用释放加速踏板时的接触时间TTC作为表示驾驶者驾驶特性的物理量。在驾驶诊断处理中将详细说明驾驶特性和驾驶特性指标的计算方法。
在接下来的步骤S120中，使用在步骤S116中存储的数据执行驾驶者驾驶诊断。驾驶诊断是基于在本车稳定跟随前车的状态下释放加速踏板时的驾驶者驾驶特性来执行的。本车稳定跟随前车时的驾驶特性例如包括本车和前车的车间时距THW、车间时距THW的倒数、本车和前车的接触时间TTC、车间距离、车间距离的倒数等。在第一实施例中，以释放加速踏板时的接触时间TTC为例进行说明。 要注意的是，可以从执行加速踏板释放操作的时刻前后的车间距离D和相对车速Vr的数据中利用纵向滤波器来稳定地计算释放加速踏板时的接触时间TTC。
图4示出车辆驾驶辅助系统4的数据结构。层A表示相对较短时间段"此刻"的数据量，"此亥IJ"表示驾驶者当前的操作状态。层B表示"今日"的数据量，"今日"表示驾驶者今日的操作状态并且比"此刻"更长。层C表示"通常"的数据量，"通常"表示驾驶者通常的操作状态并且比"今日"更长，即表示个人特性。层D表示"公众"的驾驶特性的数据量，"公众"的驾驶特性用于将每个驾驶者的操作与一般驾驶者的操作进行比较并且用于诊断每个驾驶者的操作。 层越靠下则数据量越大。各个层中所包含的数据的数目对应于在计算"此刻"、"今日"和"通常"的车间时距THW的平均值时所用的样本的数目。图4所示的数据结构是通过改变样本数目来实现的。通过下面描述的实时计算来不断地更新各个层中所包含的数据的值。 在驾驶诊断处理中，控制器300使用层A至层D中各层的数据来检测不同时间跨度上的驾驶者操作，即"此刻"、"今日"和"通常"的驾驶者操作。下面将参考图5详细说明在步骤S120中执行的驾驶诊断处理。
在步骤S122中，计算"此刻"的驾驶者的驾驶特性值，从而执行驾驶者"此刻"的 驾驶诊断。控制器300计算在定义"此刻"的预定时间段内加速踏板释放时刻的接触时间 TTC的平均值Mean_X (n)和标准差Stdev_X (n)，作为驾驶者的驾驶特性值。这里，定义"此 刻"的预定时间段为例如60秒，并且利用在步骤S_110中确定的稳定跟随行驶场景中在加 速踏板释放时刻检测到的从过去到现在的60秒的数据来计算接触时间TTC的平均值Mean— x(n)和标准差Stdev_x (n)。平均值Mean—x(n)和标准差Stdev_x (n)利用下面的参数来计 算。 x(n):本次获得的数据，即在步骤S106中计算出的加速踏板释放时刻的接触时间 TTC K :在预定时间段内计算出的TTC的数据数目
Mjn):本次计算的预定时间段内的TTC的总和
M2(n):本次计算的预定时间段内的TTC的平方和
Mjn-l):前次计算的预定时间段内的TTC的总和
M2(n_l):前次计算的预定时间段内的TTC的平方和
Mean_X (n):本次数据的平均值，即TTC的平均值
Var_x(n):本次数据的方差，即TTC的方差
Stdev_x (n):本次数据的标准差，即TTC的标准差 这里，通过预定时间段乘以每秒的采样数目得到的乘积来确定数据数目K。例如，
当"此刻"的预定时间为60秒并且采样数目为5Hz时，数据数目K = 300。 利用这些参数分别通过下式(3)和(4)来计算总和M工(n)和平方和M2 (n)。Mjn) = Mi(n-l)+x(n),(n-l)/K (式3)M2 (n) = M2 (n-1) + (x (n)) 2_M2 (n_l) /K (式4) 分别利用下式(5) 、 (6)和(7)来计算"此刻"的加速踏板释放时刻的接触时间TTC
的平均值Mean_x (n)、方差Var_x (n)和标准差Stdev_x (n)。 Mean_x (n) = M丄(n) /K (式5)Var_x (n) = M2 (n) /K_ (M丄(n)) 2/K2 (式6) Stdev_x (n) = V (Var_x (n))(式7) 在步骤S124中，为了执行驾驶者"今日"的驾驶诊断，控制器300计算"今日"的 驾驶者的跟随特性值，即，在定义"今日"的预定时间段内加速踏板释放时刻的接触时间TTC 的平均值Mean—x (n)和标准差Stdev_X (n)。这里，定义"今日"的预定时间段为例如360秒， 并且利用在步骤S110中确定的稳定跟随行驶场景中在加速踏板释放时刻检测到的从过去 到现在的360秒的数据来计算加速踏板释放时刻的接触时间TTC的平均值Mean—x(n)和标 准差Stdev_x (n)。 更具体地说，与"此刻"的情况一样，利用式(5)和(7)来计算平均值Mean_x (n)和 标准差Stdev—x(n)。这里，数据数目K = 1800，其中"今日"的预定时间为360秒并且采样 数目为5Hz。 在步骤S 126中，为了执行驾驶者"通常"的驾驶诊断，控制器300计算"通常"的 驾驶者的跟随特性值，即，在定义"通常"的预定时间段内加速踏板释放时刻的接触时间TTC 的平均值Mean_x (n)和标准差Stdev_x (n)。这里，定义"通常"的预定时间段为例如2160秒，并且利用在步骤S110中确定的稳定跟随行驶场景中在加速踏板释放时刻检测到的从 过去到现在的2160秒的数据来计算加速踏板释放时刻的接触时间TTC的平均值Mean—x (n) 和标准差Stdev_x (n)。 更具体地说，与"此刻"的情况一样，利用式(5)和(7)来计算平均值Mean_x (n)和 标准差Stdev—x(n)。这里，数据数目K = 10800，其中"通常"的预定时间为2160秒并且采 样数目为5Hz。 在接下来的步骤S128的处理中，利用在步骤S122、 S124和S126中计算出的驾驶 特性值执行驾驶者驾驶诊断。这里，将基于不同时间跨度上获得的数据的驾驶者驾驶特性 分别进行比较，从而基于两个驾驶特性的偏离程度来诊断驾驶者的驾驶操作。换句话说，在 如图4所示的数据结构中，将上层(例如层A)与下层(例如层B)进行比较以执行驾驶诊 断。 首先，在步骤S128中，控制器300计算表示"此刻"的驾驶者的跟随特性相对于"今 日"的驾驶者的跟随特性的偏离程度的偏离度。这里，"此刻"相对于"今日"的偏离度表示 "今日"的加速踏板释放时刻的接触时间TTC的分布与"此刻"的加速踏板释放时刻的接触 时间TTC的分布之间的差异。为了计算"此刻"相对于"今日"的偏离度，使用"今日"的加 速踏板释放时刻的接触时间TTC的分布作为表示长时间段行为分布的基准分布，并且使用 "此刻"的加速踏板释放时刻的接触时间TTC的分布作为表示短时间段行为分布的比较对象 分布。 可以采用如下方法作为偏离度的计算方法在长时间段(例如"今日")行为分布 的"平均值-标准差"的位置(称为比较值x^)来比较短时间段(例如"此刻")和长时间 段(例如"今日")的分布函数。 为了计算偏离度，在假定加速踏板释放时刻的接触时间TTC为正态分布的情况下 使用在步骤S122和S124中计算出的加速踏板释放时刻的接触时间TTC的平均值Mean— x(n)和标准差Stdev_X(n)来计算概率密度函数。 如图6(a)和(b)所示，控制器300计算偏离度Distdiff，该偏离度Distdiff表示在 基于预定值(比较值Xstd)设定的比较对象的区域中，比较对象的短时间段正态分布相对于 基准长时间段正态分布的偏离程度。更具体地说，在接触时间TTC短于比较值xstd的区域 中比较分布与基准分布之间的差异(图6(a)中画阴影线区域的面积和图6(b)中箭头的长 度)对应于偏离度Distdiff。图6(c)和(d)所示的计算方法将在后面描述。
图7(a)和(b)示出基于通过公共道路上的实际实验获得的结果计算出的概率密 度分布和累积分布。在图7(a)中，以正态分布近似的加速踏板释放时刻的接触时间TTC的 概率密度分布利用"此刻"的平均值Mean—x(n)和标准差Stdev_X (n)以点划线示出，以正态 分布近似的加速踏板释放时刻的接触时间TTC的概率密度分布利用"今日"的平均值Mean— x(n)和标准差Stdev—x(n)以实线示出。在图7(b)中，"此刻"的累积分布以点划线示出， "今日"的累积分布以实线示出。在图7(a)和(b)中，"此刻"的加速踏板释放时刻的接触 时间TTC的平均值Mean_x (n) = 1. 22，标准差Stdev_x (n) = 0. 80 ;"今日"的加速踏板释 放时刻的接触时间TTC的平均值Mean—x(n) = 1. 63，标准差Stdev_x (n) = 1.00。
首先，利用基准分布的平均值Mean—std和标准差Stdev—std通过下式(8)来计算 比较值xstd。
xstd = Mean_std_Stdev_std(式8) 比较值x^是表示将基准分布和比较分布进行比较的点处接触时间TTC的值，所 述点对应于图7(a)和(b)中虚线所示的位置。 接下来，计算基准分布的比较值x^处的累积分布的值。利用下式(9)计算正态 分布的概率密度函数f(x)，其中平均值由P表示，标准差由o表示(参考图7(a))。
<formula>formula see original document page 14</formula>
对利用式(9)计算出的概率密度函数f (x)积分以得到如下式(10)表示的累积分 布函数F(x)(参考图7(b))。
<formula>formula see original document page 14</formula>
<formula>formula see original document page 14</formula>
利用下式(11)计算比较值x, 表示，基准分布的标准差由os<formula>formula see original document page 14</formula>
中累积分布的概率Fs 表示。
<formula>formula see original document page 14</formula>
Jx)，其中基准分布的平均值
<formula>formula see original document page 14</formula>
接下来，计算比较分布的比较值x^中累积分布的值。利用下式(12)计算比较值 xstd中累积分布的概率F。。 (x)，其中比较分布的平均值由P 。。 表示，比较分布的标准差由表示。
<formula>formula see original document page 14</formula>
利用下式(14)计算基准的累积分布的概率F^(x)与比较对象的累积分布的概率 F。。mD (x)之间的差异，作为"此刻"相对于"今日"的偏离度Distdiff 。
FcomD(x)-Fstd(x)(式13) 这表明，随着偏离度Distdiff朝正方向增大，"此刻"的驾驶者的操作偏向接触时间 TTC比"今日"的接触时间TTC短的方向，S卩，偏向危险方向。这表明，随着偏离度Distdiff朝 负方向增大，"此刻"的驾驶者的操作偏向接触时间TTC比"今日"的接触时间TTC长的方 向，即，偏向危险程度低的方向。当驾驶者始终处于具有相同跟随特性的操作状态时，偏离 度Dist做f变为零。 在步骤S128中，控制器300还计算"此刻"相对于"通常"的偏离度Distdiff。在该 情况下，使用"通常"的加速踏板释放时刻的接触时间TTC的分布作为表示长时间段行为分 布的基准分布，并且使用"此刻"的加速踏板释放时刻的接触时间TTC的分布作为表示短时 间段行为分布的比较对象分布。于是，使用"通常"的累积分布的概率F^(x)和"此亥lj"的
累积分布的概率F。，(x)通过上述式(13)来计算"此刻"相对于"通常"的偏离度Distdiff。
这样，在步骤S 128中，控制器300计算"此刻"相对于"今日"的偏离度Distdiff 以及"此刻"相对于"通常"的偏离度Distdiff，然后控制流程转入步骤S130。在步骤S130 中，与在步骤S128中执行的处理情况相同，控制器300计算"今日"相对于"通常"的偏离度 Distdiff。要注意的是，在这里使用"通常"的加速踏板释放时刻的接触时间TTC的分布作为 表示长时间段行为分布的基准分布，并且使用"今日"的加速踏板释放时刻的接触时间TTC 的分布作为表示短时间段行为分布的比较对象分布。 在步骤S 132中，与在步骤S 128中执行的处理情况相同，控制器300计算"通常" 相对于"公众"的偏离度Distdiff。要注意的是，在这里使用"公众"的加速踏板释放时刻的 接触时间TTC的分布作为表示长时间段行为分布的基准分布，并且使用"通常"的加速踏板 释放时刻的接触时间TTC的分布作为表示短时间段行为分布的比较对象分布。预先设定合 适的值作为"公众"的驾驶特性值的固定值，即作为加速踏板释放时刻的接触时间TTC的平 均值和标准差的固定值。 这样，在利用多个不同时间跨度上获得的数据在步骤S120中执行驾驶者驾驶诊 断之后，控制流程转入步骤S140。要注意的是，为了简单起见，"此刻"相对于"通常"的偏离 度Distdiff将表示为Dist_la，"此刻"相对于"今日"的偏离度Distdiff将表示为Dist_lb， "今日"相对于"通常"的偏离度Distdiff将表示为Dist_2，"通常"相对于"公众"的偏离度 Distdiff将表示为Dist_3。 在步骤S140中，控制器300基于步骤S120中的驾驶诊断结果确定是否执行警报 表达处理。这里，控制器300判断在步骤S128中计算出的"此刻"相对于"通常"的偏离度 Dist la、"此刻"相对于"今日"的偏离度Distjb以及在步骤S 130中计算出的"今日"相 对于"通常"的偏离度Dist 2是否大于表达警报的阈值(例如0.30)。当偏离度DistJa、 或Distjb、或Dist_2大于阈值时，控制流程转入步骤S150，从而控制器300向驾驶者表达 警报。在表达警报之后，控制器300终止处理。 例如，在"今日"相对于"通常"的偏离度Dist—2大于阈值的情况下，与蜂鸣音一起 从扬声器130发出语音"您有靠前车太近的倾向"。语音信息内容设定为通知驾驶者其当前 的车间距离小于通常车间距离，或者鼓励驾驶者保持车间距离大于通常车间距离。要注意 的是，实际的语音信息不限于此。当"此刻"相对于"通常"的偏离度Dist_la或"此刻"相 对于"今日"的偏离度Distjb大于阈值时，也可以发出预先设定的合适的语音信息。
如果在步骤S140中作出否定判断并且没有表达警报，则控制流程转入步骤S160， 并且控制器300基于步骤S120中的驾驶诊断结果判断是否执行指示表达处理。这里，控制 器300判断在步骤S132中计算出的"通常"相对于"公众"的偏离度Dist_3是否小于用于 判断是否表达指示(改进建议)的阈值(例如O. 07)。用于判断是否表达指示的阈值是预先 适当地设定的值，该值位于同一驾驶者的偏离度基本上始终落入的范围内。上述值"O. 07" 是基于利用真实车辆和15个测试对象进行实验的结果来设定的。根据实验结果，针对每个 测试对象计算出的偏离度始终等于或小于0. 07。 如果Dist_3小于阈值，则控制流程转入步骤S170，并且控制器300向驾驶者表达 指示(改进建议)。在表达指示之后，控制器300终止处理。 例如，控制器300输出赞扬驾驶者的驾驶操作的显示和语音，作为指示表达内容。 例如，将"通常"的偏离度Dist_3转换为分数并显示出来。更具体地说，在显示单元180上显示通过将偏离度Dist_3的符号颠倒并加50得到的值作为驾驶者的通常驾驶操作的分 数。换句话说，倾向于高危险驾驶的驾驶者得到50分或更低，而安全驾驶的驾驶者得到50 分或更高。要注意的是，该分数是在1至100的范围内表达的，如果通过转换偏离度Dist—3 而得到的分数大于100，则显示驾驶者的分数为100分；如果通过转换偏离度Dist_3而得 到的分数小于O，则显示驾驶者的分数为0分。 如图8所示，在显示单元180上示意性地显示公众的车间距离的分布，从而使驾驶 者知道驾驶者"通常"的车间距离与公众的车间距离之间的比较。图8示出驾驶者的车间 距离比公众的车间距离的平均值大两级，从而向驾驶者提供驾驶者具有比公众更倾向于安 全的驾驶特性的视觉信息。 另外，通过从扬声器130发出的语音，控制器300使驾驶者知道驾驶者通常的车间 距离比公众的车间距离大，因此驾驶者是安全地进行跟随行驶的优秀驾驶者。例如，可以发 出语音"您正在小心驾驶，继续保持"。于是，控制器300输出显示和语音以便使驾驶者知道 驾驶者的跟随驾驶特性优于公众驾驶者的跟随驾驶特性，并且鼓励驾驶者保持良好的驾驶 操作，或者改进其操作。 要注意的是，尽管显示和语音的上述实例包括驾驶者所熟悉的"车间距离"的表 述，但是显示和语音可以包括"车间时距"的表述。只要显示和语音将驾驶者的操作特性有 效地传达给驾驶者，从而向驾驶者发出警报以防止驾驶操作处于危险状态和建议进一步改 进操作，显示和语音的内容不限于上述实例。 在图9中示出基于驾驶诊断结果进行显示的另一个实例。在图9中，纵轴表示相 对于公众驾驶特性的驾驶者的个人特性，横轴表示相对于驾驶者通常驾驶特性的驾驶者的 当前状态。这里，如前所述，从跟随行驶起的加速踏板释放时刻的接触时间TTC可以作为驾 驶特性。当在步骤S130中计算出的"今日"相对于"通常"的偏离度大时，标记点M向右移 动，即朝向高危险方向移动。当在步骤S132中计算出的"通常"相对于"公众"的偏离度大 时，标记点M向上移动，即朝向高危险方向移动。 这样，在图9所示的显示实例中，基于"公众"的驾驶诊断结果、以及"通常"的诊断 结果，即基于驾驶者个人特性的驾驶诊断结果在由两条轴线构成的二维图上绘制出来。要 注意的是，横轴可以表示"此刻"相对于"今日"或"此刻"相对于"通常"的偏离度。另外， 纵轴和横轴可以彼此交换地显示。 此外，如图9所示，二维图可以分割成各自具有不同颜色的多个区块，从而驾驶者 可以容易地得知驾驶者的驾驶特性绘制在哪里。例如，图9中的右上区块可以显示为暗色， 例如暗红色，左下区块可以显示为浅色，例如浅蓝色，其间使用色彩层次。
在上述第一实施例中可以实现如下操作和有益效果。 (1)车辆驾驶辅助系统4基于车辆的行驶状态和驾驶者的驾驶操作计算用于驾驶 诊断的指标，并且根据计算出的指标诊断驾驶者的驾驶操作。另外，车辆驾驶辅助系统4根 据评价准则评价驾驶诊断结果，从而设定信息提供内容并利用设定的内容向驾驶者提供信 息。这使得能够向驾驶者提供提高驾驶者信任度的驾驶诊断结果。 (2)通过根据至少两个评价准则评价驾驶诊断结果并设定信息提供内容，可以设 定令驾驶者高度信任的信息提供内容。
(3)车辆驾驶辅助系统4使用单个指标来执行驾驶诊断，并且将使用单个指标的
16驾驶诊断与至少两个评价准则值进行比较，从而设定信息提供内容。这使得可以设定令驾 驶者高度信任的信息提供内容。 (4)从基于一般驾驶者的评价准则值、基于驾驶者通常的操作状态的评价准则值、 以及基于驾驶者今日的操作状态的评价准则值中设定至少两个评价准则值。这样，因为基 于公众驾驶者或驾驶者自身评价驾驶诊断结果，车辆驾驶辅助系统4可以设定令驾驶者高
度信任的信息提供内容。 (5)因为当驾驶诊断结果低于预定评价准则值时设定警报作为信息提供内容，车 辆驾驶辅助系统4可以向驾驶者发出警报以防止操作处于危险状态。
(6)因为当驾驶诊断结果超出预定评价准则值时设定操作改进建议作为信息提供
内容，车辆驾驶辅助系统4可以鼓励驾驶者保持良好的驾驶操作，或者改进其操作。
(7)根据两个评价准则评价驾驶诊断结果，并且响应评价结果设定警报或操作改
进建议作为信息提供内容。因此，车辆驾驶辅助系统4可以向驾驶者发出警报以防止操作
处于危险状态，或者鼓励驾驶者保持良好的驾驶操作或适当改进其操作。在该情况下，当驾
驶诊断结果低于第一评价准则值时设定警报，当驾驶诊断结果超出第二评价准则值时设定
操作改进建议。 (8)检测驾驶者的危险认识特性作为用于驾驶诊断的指标。更具体地说，车辆驾驶 辅助系统4计算当加速踏板被释放时本车与前车的接触时间TTC。因为接触时间TTC表示 当本车的车速V和相对车速Vr恒定时本车与前车彼此接触之前的时间长度，因此利用接触 时间TTC作为表示当本车跟随前车时的驾驶者特性的指标，在跟随行驶场景中执行准确的 驾驶诊断。 第一实施例的变型 现在说明偏离度Distdiff的另一种计算方法。这里，以正态分布来近似长时间段 (例如"今日")的行为分布和短时间段(例如"此刻")的行为分布，从而计算两个正态分 布不重叠的区域的面积大小作为偏离度Distdiff 。 更具体地说，如图6(c)和(d)所示，计算在接触时间TTC短于基准分布和比较分 布的交点a的区域中比较分布与基准分布之间的差异，S卩比较分布偏离基准分布的区域 面积，作为偏离度Distdiff。 将基准分布的平均值P std和标准差o std以及比较分布的平均值P 。。mp和标准差 o ，p代入式(10)，基准分布的概率密度函数f^(x)和比较分布的概率密度函数f。。mp(x)分 别由下式(14)和(15)表示。
<formula>formula see original document page 17</formula> 计算式(14)和(15)的联立方程，分布的频率在两个点a和|3 (a < |3 )处一致。 为了得到在接触时间TTC短于交点a的区域中两个正态分布不重叠的区域的面积大小，将交点a代入计算基准分布的累积分布函数所用的上式(11)和计算比较分布的累积分布函
数所用的上式(12)中。然后，从交点a处比较分布的累积分布的概率F，p(a)中减去基
准分布的累积分布的概率Fstd( a )。 利用下式(16)计算偏离度Distdiff。 _Distdiff = Fc卿(a )-Fstd(a )(式16) 要注意的是，利用下式(17)计算两个正态分布不重叠的面积DiSt。OT。
_Distc。rr = 1—Distdiff (式17)
第二实施例 现在将说明根据本发明第二实施例的车辆驾驶辅助系统。图IO是示出根据第二 实施例的车辆驾驶辅助系统5的结构的控制图。在第二实施例中，与上述第一实施例中的 单元具有相同功能的单元将被分配相同的附图标记，并且省略其说明。因此，下面将主要说 明与第一实施例的不同点。 如图10所示，车辆驾驶辅助系统5包括转向角传感器5、激光雷达10、前方照相机 15、车速传感器30、导航系统50、制动踏板行程传感器60、转向信号开关65、控制器350、扬 声器130以及显示单元180。 转向角传感器5是安装在例如转向柱或方向盘(未示出)附近的角度传感器，利 用转向轴的旋转检测驾驶者进行转向的转向角。检测到的转向角被输出到控制器350。
前方照相机15是安装在前车窗顶部的小型CCD照相机、CMOS照相机等，检测前方 的交通状况作为图像。控制器350对从前方照相机15接收到的图像信号进行图像处理，并 且检测车辆前方区域中的车道标线等。要注意的是，前方照相机15检测的区域为相对于车 辆纵向中心线水平地大约士30度的范围，该区域中所包含的前方道路风景被拍摄为图像。
控制器350是由CPU以及诸如ROM和RAM等CPU外围部件构成的电子控制单元， 控制整个车辆驾驶辅助系统5。根据从转向角传感器5、激光雷达10、前方照相机15、车速 传感器30、导航系统50、制动踏板行程传感器60、转向信号开关65等接收到的信号，控制 器350分析驾驶者的驾驶特性并且执行驾驶诊断。然后，控制器350根据驾驶诊断结果向 驾驶者提供信息。提供给驾驶者的信息包括向驾驶者发出的警报、对驾驶操作的改进建议 等。后面将详细描述控制器350的控制内容。 控制器350根据车辆的行驶状态和驾驶者的驾驶操作执行驾驶者的驾驶诊断，并 且响应驾驶诊断结果向驾驶者发出警报并且建议驾驶者改进驾驶操作。更具体地说，控制 器350检测车辆偏离其所行驶的行车车道之前的时间(车道偏离时间)作为驾驶者的驾驶 特性，并且利用检测到的驾驶特性作为指标执行驾驶诊断。换句话说，执行与驾驶者的侧向 驾驶操作有关的驾驶诊断。 现在将参考图11详细说明根据第二实施例的车辆驾驶辅助系统4的操作。图11 是示出第二实施例中的控制器350执行的驾驶辅助控制程序的处理流程的流程图。该处理 以恒定间隔连续执行，例如每50毫秒执行一次。 首先，在步骤S200中检测车辆行驶状态。这里，控制器350获得由车速传感器30 检测到的车速V、由激光雷达10检测到的本车与前车之间的车间距离D和相对车速Vr，作 为车辆行驶状态。另外，控制器350对前方照相机15拍摄的车辆前方区域的图像进行图像 处理，并且检测车辆的行驶车道。
在步骤S202中，控制器350检测驾驶者的操作状态。这里，控制器350获得由制 动踏板行程传感器60检测到的制动踏板操作量、以及转向信号开关65检测到的转向信号 杆被操作与否，作为驾驶者的操作状态。另外，控制器350获得由转向角传感器5检测到的 转向角9 。 在步骤S204中，控制器350计算车道偏离时间TLC，该车道偏离时间TLC在后面 描述的驾驶诊断中用作驾驶者的车辆侧向驾驶特性。车道偏离时间TLC是表示辆偏离其所 行驶的行车车道之前的时间的物理量，并且利用从车辆当前位置到车道标线的侧向距离DL 和本车的车速V通过下式(18)计算。
TLC = DL/V(式18) 在步骤S206中，判断是否已经执行了转向调节操作。更具体地说，如果从已经以 基本上恒定的转向角保持的转向操作状态以大于或等于预定值的转向角进行了转向操作，
则控制器350判定已经进行了转向调节。这里，根据道路宽度、车道数目等预先设定用于判 断是否已经进行了转向调节的阈值。当判断是否已经进行转向调节时，控制器350根据由 导航系统50和前方照相机15获得的行驶车道的宽度和数目来选择阈值。如果控制器350 判定已经进行了转向调节，则控制流程转入步骤S210 ;如果没有进行任何转向调节，则控 制器350终止处理。 在步骤S210中，确定车辆交通场景。通过对车辆行驶状态和驾驶者操作状态施加 限制条件，可以提高驾驶诊断的准确性，并且在响应驾驶诊断结果向驾驶者提供信息时，为 了减小驾驶者的不适感，确定车辆交通场景，从而仅仅在特定的交通场景中执行驾驶诊断。 更具体地说，仅仅在如下交通场景中执行驾驶诊断即，在本车稳定行驶的状态下进行了转 向调节。 稳定行驶状态的条件的实例如下 (a)驾驶者没有进行制动操作(例如，制动踏板操作量基本上为零)； (b)驾驶者没有操作转向信号杆(例如，没有从转向信号开关65接收到0N信
号)； (c)车速几乎没有波动(例如，车速V的变化量等于或小于± 10km/h);
(d)上述状态(a)至(c)保持(例如，保持5秒或更长时间)。
当条件(a)至(d)都满足时，控制器350确定车辆处于稳定行驶状态，并且控制流 程转入步骤S212，以便控制器350执行驾驶诊断。另一方面，在条件(a)至(d)中的任一条 没有满足的情况下，控制器350确定车辆交通场景不对应于特定交通场景，不执行驾驶诊 断，并且终止处理。要注意的是，控制器350确定车辆是否处于稳定行驶状态的条件不限于 上述条件(a)至(d)。另外，可以用其它检测手段检测是否进行了制动操作、以及是否进行 了转向信号杆操作。 在步骤S212中，确定行驶位置。在步骤S214中，记录当前时间。在步骤S216中，
控制器350基于步骤S212和S214中的标记结果存储用于执行驾驶者驾驶诊断的数据。这
里，例如当前时间，即车辆在链段中行驶的时间、行驶距离、链段中的驾驶特性指标、在链段
中行驶的次数等写入到每个链段ID的结构中，从而生成交通道路数据库。 在第二实施例中，使用执行转向调节时的车道偏离时间TLC作为表示驾驶者驾驶
特性的物理量。更具体地说，使用在车辆偏离转向方向上存在的车道标线之前的时间。在驾驶诊断处理中将详细说明驾驶特性和驾驶特性指标的计算方法。 在接下来的步骤S220中，使用在步骤S216中存储的数据执行驾驶者驾驶诊断。驾 驶诊断是基于在稳定行驶状态下执行转向调节时的驾驶者驾驶特性来执行的。在这里，以 使用驾驶者执行转向调节时的车道偏离时间TLC作为转向调节时的驾驶特性的情况为例 进行说明。 图12示出车道偏离时间TLC的时间变化的一个实例。图13示出车道偏离时间 TLC的频率分布的一个实例。如图13所示，当车辆处于稳定行驶状态时，车道偏离时间TLC 的分布通常在2. 0秒时到达顶峰。图14示出转向调节时的车道偏离时间TLC的一个变型 实例。如图14所示，当驾驶者处于放松驾驶操作状态时，因为转向调节会延迟，因此车道 偏离时间TLC倾向于变短，另一方面，当驾驶者处于谨慎驾驶操作状态时，因为转向调节迅 速，因此车道偏离时间TLC倾向于变长。 在驾驶诊断处理中，控制器350使用层A至层D中各层的数据来确定不同时间跨 度上的驾驶者操作，即"此刻"、"今日"和"通常"的驾驶者操作。下面将参考图15详细说 明在步骤S220中执行的驾驶诊断处理。 在步骤S222中，计算"此刻"的驾驶者的驾驶特性值，从而执行驾驶者"此刻"的驾 驶诊断。控制器350计算在定义"此刻"的预定时间段内转向调节时的车道偏离时间TLC的 平均值Mean_X (n)和标准差Stdev_X (n)，作为驾驶者的驾驶特性值。这里，定义"此刻"的 预定时间段为例如60秒，并且利用在步骤S210中确定的稳定交通场景中在转向调节时检 测到的从过去到现在的60秒的数据来计算车道偏离时间TLC的平均值Mean—x(n)和标准 差Stdev—x(n)。与第一实施例中的情况一样，分别利用式(5)和式(7)来计算平均值Mean— x (n)和标准差Stdev_x (n)。 在步骤S224中，为了执行驾驶者"今日"的驾驶诊断，控制器350计算"今日"的驾 驶者的跟随特性值，即，在定义"今日"的预定时间段内转向调节时的车道偏离时间TLC的 平均值Mean_X (n)和标准差Stdev_X (n)。这里，定义"今日"的预定时间段为例如360秒，并 且利用在步骤S210中确定的稳定行驶状态中在转向调节时检测到的从过去到现在的360 秒的数据来计算车道偏离时间TLC的平均值Mean—x(n)和标准差Stdev_X(n)。
更具体地说，与"此刻"的情况一样，利用式(5)和(7)来计算平均值Mean_x (n)和 标准差Stdev—x(n)。这里，数据数目K = 1800，其中"今日"的预定时间为360秒并且采样 数目为5Hz。 在步骤S226中，为了执行驾驶者"通常"的驾驶诊断，控制器350计算"通常"的 驾驶者的跟随特性值，即，在定义"通常"的预定时间段内转向调节时的车道偏离时间TLC 的平均值Mean_x (n)和标准差Stdev_x (n)。这里，定义"通常"的预定时间段为例如2160 秒，并且利用在步骤S210中确定的稳定交通场景中在转向调节时检测到的从过去到现在 的2160秒的数据来计算车道偏离时间TLC的平均值Mean_X(n)和标准差Stdev_X(n)。
更具体地说，与"此刻"的情况一样，利用式(5)和(7)来计算平均值Mean—x(n)和 标准差Stdev—x(n)。这里，数据数目K = 10800，其中"通常"的预定时间为2160秒并且采 样数目为5Hz。 在接下来的步骤S228的处理中，利用在步骤S222、 S224和S226中计算出的驾驶 特性值执行驾驶者驾驶诊断。这里，将基于不同时间跨度上获得的数据的驾驶者驾驶特性分别进行比较，从而基于两个驾驶特性的偏离程度来诊断驾驶者的驾驶操作。换句话说，在 如图4所示的数据结构中，将上层(例如层A)与下层(例如层B)进行比较以执行驾驶诊 断。 首先，在步骤S228中，控制器350计算表示"此刻"的驾驶者的驾驶特性相对于"今 日"的驾驶者的驾驶特性的偏离程度的偏离度。这里，"此刻"相对于"今日"的偏离度表示 "今日"的转向调节时的车道偏离时间TLC的分布与"此亥lj"的转向调节时的车道偏离时间 TLC的分布之间的差异。为了计算"此刻"相对于"今日"的偏离度，使用"今日"的转向调 节时的车道偏离时间TLC的分布作为表示长时间段行为分布的基准分布，并且使用"此刻" 的转向调节时的车道偏离时间TLC的分布作为表示短时间段行为分布的比较对象分布。
这里，与第一实施例的情况一样，使用上述式(13)或式(16)来计算偏离度 Distdiff。另外，计算"此刻"相对于"通常"的偏离度Distdiff。在该情况下，使用"通常"的 转向调节时的车道偏离时间TLC的分布作为表示长时间段行为分布的基准分布，并且使用 "此刻"的转向调节时的车道偏离时间TLC的分布作为表示短时间段行为分布的比较对象分 布。于是，使用"通常"的累积分布的概率F^(x)和"此亥lj"的累积分布的概率F。。mp(x)通 过上述式(13)或式(16)来计算"此刻"相对于"通常"的偏离度Distdiff。
这样，在步骤S228中，计算出"此刻"相对于"今日"的偏离度Distdiff以及"此刻" 相对于"通常"的偏离度Distdiff，然后控制流程转入步骤S230。在步骤S230中，与在步骤 S228中执行的处理情况相同，计算"今日"相对于"通常"的偏离度Distdiff。要注意的是， 在这里使用"通常"的转向调节时的车道偏离时间TLC的分布作为表示长时间段行为分布 的基准分布，并且使用"今日"的转向调节时的车道偏离时间TLC的分布作为表示短时间段 行为分布的比较对象分布。 在步骤S232中，与在步骤S228中执行的处理情况相同，计算"通常"相对于"公 众"的偏离度Distdiff。要注意的是，在这里使用"公众"的转向调节时的车道偏离时间TLC 的分布作为表示长时间段行为分布的基准分布，并且使用"通常"的转向调节时的车道偏离 时间TLC的分布作为表示短时间段行为分布的比较对象分布。预先设定合适的值作为"公 众"的驾驶特性值的固定值，即作为转向调节时的车道偏离时间TLC的平均值和标准差的固 定值。 这样，在利用多个不同时间跨度上获得的数据在步骤S220中执行驾驶者驾驶诊 断之后，控制流程转入步骤S240。要注意的是，为了简单起见，"此刻"相对于"通常"的偏离 度Distdiff将表示为Dist_la，"此刻"相对于"今日"的偏离度Distdiff将表示为Dist_lb， "今日"相对于"通常"的偏离度Distdiff将表示为Dist_2，"通常"相对于"公众"的偏离度 Distdiff将表示为Dist_3。 在步骤S240中，控制器350基于步骤S220中的驾驶诊断结果确定是否执行警报 表达处理。这里，控制器350判断在步骤S228中计算出的"此刻"相对于"通常"的偏离度 Distja、"此刻"相对于"今日"的偏离度Dist_lb以及在步骤S230中计算出的"今日"相 对于"通常"的偏离度Dist—2是否大于用于判断是否表达警报的阈值(例如0.30)。当偏 离度Distja、或Distjb、或Dist_2大于阈值时，控制流程转入步骤S250，并且控制器350 向驾驶者表达警报。在表达警报之后，控制器350终止处理。 例如，在"今日"相对于"通常"的偏离度Dist—2大于阈值的情况下，与蜂鸣音一
21起从扬声器130发出语音"注意偏离车道"。语音信息内容设定为通知驾驶者其当前在开始 转向调节方面存在延迟，或者鼓励驾驶者保持稳定转向操作。要注意的是，实际的语音信息 不限于此。当"此刻"相对于"通常"的偏离度Dist la或"此刻"相对于"今日"的偏离度 Distjb大于阈值时，也可以发出预先设定的合适的语音信息。 如果在步骤S240中作出否定判断并且没有表达警报，则控制流程转入步骤S260， 并且控制器350基于步骤S220中的驾驶诊断结果判断是否执行指示表达处理。这里，判 断在步骤S232中计算出的"通常"相对于"公众"的偏离度Dist 3是否小于用于判断是否 表达指示(改进建议)的阈值(例如0.07)。用于判断是否表达指示(改进建议)的阈值 是预先适当地设定的值，该值位于同一驾驶者的偏离度基本上始终落入的范围内。上述值 "0. 07"是基于利用真实车辆和15个测试对象进行实验的结果来设定的。根据实验结果，针 对每个测试对象计算出的偏离度始终等于或小于0. 07。 如果Dist—3小于阈值，则控制流程转入步骤S270，并且控制器350向驾驶者表达 指示(改进建议)。在表达指示之后，控制器350终止处理。 例如，控制器350输出赞扬驾驶者的驾驶操作的显示和语音，作为指示表达内容。 例如，将"通常"的偏离度Dist_3转换为分数并显示出来。更具体地说，在显示单元180上 显示通过将偏离度Dist_3的符号颠倒并加50得到的值作为驾驶者的通常驾驶操作的分 数。换句话说，在转向操作方面存在一定延迟的驾驶者得到50分或更低，而进行快速稳定 的转向操作的优秀驾驶者得到50分或更高。要注意的是，该分数是在1至100的范围内表 达的，如果通过转换偏离度Dist—3而得到的分数大于IOO，则显示的分数为100分；如果通 过转换偏离度Dist_3而得到的分数小于O，则显示的分数为0分。 要注意的是，可以以语音建议改进。这样，输出显示和语音以便使驾驶者知道驾
驶者的跟随驾驶特性优于公众驾驶者的跟随驾驶特性，并且鼓励驾驶者保持良好的驾驶操
作，或者改进其操作。另外，可以使用如图9所示的二维图显示驾驶诊断结果。 这样，在上述第二实施例中，除了根据第一实施例的有益效果之外，还可以获得如
下操作和有益效果。 检测驾驶者的危险认识特性作为用于驾驶诊断的指标。更具体地说，车辆驾驶辅 助系统5计算当执行转向调节时车辆偏离行驶车道之前的车道偏离时间TLC。因为车道偏 离时间TLC表示从车辆到达车道边界并且偏离自己的车道起的时间长度，因此利用车道偏 离时间TLC作为表示驾驶者特性的指标，从而根据驾驶者是处于放松驾驶操作状态还是处 于谨慎驾驶操作状态来准确地执行驾驶诊断。
第三实施例 现在将说明根据本发明第三实施例的车辆驾驶辅助系统。根据第三实施例的车辆 驾驶辅助系统的基本结构与图l所示第一实施例的车辆驾驶辅助系统的基本结构相同。因 此，下面将主要说明与第一实施例的不同点。 在第三实施例中，在车辆进行稳定单独行驶的状态下检测驾驶特性，并且利用检 测到的驾驶特性作为指标执行驾驶诊断。 现在将参考图16详细说明根据第三实施例的车辆驾驶辅助系统4的操作。图16 是示出第三实施例中的控制器300执行的驾驶辅助控制程序的处理流程的流程图。该处理 以恒定间隔连续执行，例如每50毫秒执行一次。
22
首先，在步骤S300中检测车辆行驶状态。这里，控制器300获得由车速传感器30 检测到的车速V以及由激光雷达10检测到的前车存在与否作为车辆行驶状态。在步骤S305 中，检测驾驶者的操作状态。这里，控制器300获得由加速踏板行程传感器55检测到的加 速踏板操作量、由制动踏板行程传感器60检测到的制动踏板操作量、以及转向信号开关65 检测到的转向信号杆被操作与否，作为驾驶者的操作状态。 在步骤S306中，控制器300获得车辆所行驶的道路的状态。更具体地说，控制器 300从导航系统50获得诸如车辆所行驶的道路的道路类型(高标准高速路或公路)以及车 辆当前所行驶的道路的限速等信息，作为表示交通道路状态的参数。 在步骤S310中，确定车辆交通场景。通过对车辆行驶状态和驾驶者操作状态施加
限制条件，可以提高驾驶诊断的准确性，并且在响应驾驶诊断结果向驾驶者提供信息时，为
了减小驾驶者的不适感，确定车辆交通场景，从而仅仅在特定的交通场景中执行驾驶诊断。
更具体地说，仅仅在本车稳定地处于单独行驶状态的交通场景中执行驾驶诊断。 稳定单独行驶状态的条件的实例如下 (a)在激光雷达10的检测区域中不存在前车； (b)车辆正沿着相同类型的道路行驶； (c)车辆在相同的限速下行驶； (d)驾驶者没有进行大的加速踏板操作和制动踏板操作(例如操作量小于全操作 量的30% ); (e)驾驶者没有操作转向信号杆(例如，没有从转向信号开关65接收到0N信 号)； (f)上述状态(a)至(e)保持(例如，保持5秒或更长时间)。 当条件(a)至(f)都满足时，控制器300确定车辆处于稳定单独行驶状态，并且控
制流程转入步骤S312，以便控制器300执行驾驶诊断。另一方面，在条件(a)至(f)中的任
一条没有满足的情况下，控制器300确定车辆交通场景不对应于特定交通场景，不执行驾
驶诊断，并且终止处理。要注意的是，控制器300确定车辆是否处于稳定单独行驶状态的条
件不限于上述条件(a)至(f)。另外，可以用其它检测手段检测是否进行了制动操作、以及
是否进行了转向信号杆操作。 在步骤S312中，确定行驶位置。在步骤S314中，记录当前时间。在步骤S316中，
控制器300基于步骤S312和S314中的标记结果存储用于执行驾驶者驾驶诊断的数据。这
里，例如当前时间，即车辆在链段中行驶的时间、行驶距离、链段中的驾驶特性指标、在链段
中行驶的次数等写入到每个链段ID的结构中，从而生成交通道路数据库。在第三实施例
中，使用单独行驶时检测到的车速V作为表示驾驶者驾驶特性的物理量。 在接下来的步骤S320中，使用在步骤S316中存储的数据执行驾驶者驾驶诊断。驾
驶诊断是基于稳定单独行驶状态下的车速特性来执行的。在驾驶诊断处理中，使用图4中
所示数据结构的层A至层D中各层的数据来确定不同时间跨度上的驾驶者操作，S卩"此刻"、
"今日"和"通常"的驾驶者操作。下面将参考图17的流程图详细说明在步骤S320中执行
的驾驶诊断处理。 在步骤S322中，计算"此刻"的驾驶者的单独行驶车速特性值，从而执行驾驶者 "此刻"的驾驶诊断。控制器300计算在定义"此刻"的预定时间段内车速V的平均值Mean—x(n)和标准差Stdev—x(n)，作为驾驶者的车速特性值。这里，定义"此刻"的预定时间段为例如60秒，并且利用在步骤S310中确定的稳定单独行驶状态中检测到的从过去到现在的60秒的数据来计算车速V的平均值Mean_X (n)和标准差Stdev_X (n)。与第七实施例中的情况一样，分别利用式(5)和式(7)来计算平均值Mean—x(n)和标准差StdeV_X(n)。
在步骤S324中，为了执行驾驶者"今日"的驾驶诊断，控制器300计算"今日"的驾驶者的单独行驶车速特性值，即，在定义"今日"的预定时间段内车速V的平均值Mean—x (n)和标准差Stdev_X (n)。这里，定义"今日"的预定时间段为例如360秒，并且利用在步骤S310中确定的稳定单独行驶状态中检测到的从过去到现在的360秒的数据来计算车速V的平均值Mean_x (n)和标准差Stdev_x (n)。 更具体地说，与"此刻"的情况一样，利用式(5)和(7)来计算平均值Mean_x (n)和标准差Stdev—x(n)。这里，数据数目K = 1800，其中"今日"的预定时间为360秒并且采样数目为5Hz。 在步骤S326中，为了执行驾驶者"通常"的驾驶诊断，控制器300计算"通常"的驾驶者的单独行驶车速特性值，即，在定义"通常"的预定时间段内车速V的平均值Mearux(n)和标准差Stdev_X(n)。这里，定义"通常"的预定时间段为例如2160秒，并且利用在步骤S310中确定的稳定单独行驶状态中检测到的从过去到现在的2160秒的数据来计算车速V的平均值Mean_x (n)和标准差Stdev_x (n)。 更具体地说，与"此刻"的情况一样，利用式(5)和(7)来计算平均值Mean_x (n)和标准差Stdev—x(n)。这里，数据数目K = 10800，其中"通常"的预定时间为2160秒并且采样数目为5Hz。 在接下来的步骤S328的处理中，利用在步骤S322、 S324和S326中计算出的驾驶特性值执行驾驶者驾驶诊断。这里，将基于不同时间跨度上获得的数据的驾驶者驾驶特性分别进行比较，从而基于两个驾驶特性的偏离程度来诊断驾驶者的驾驶操作。换句话说，在如图4所示的数据结构中，将上层(例如层A)与下层(例如层B)进行比较以执行驾驶诊断。 首先，在步骤S328中，控制器300计算表示"此刻"的驾驶者的驾驶特性相对于"今日"的驾驶者的驾驶特性的偏离程度的偏离度。这里，"此刻"相对于"今日"的偏离度表示"今日"的车速V的分布与"此刻"的车速V的分布之间的差异。为了计算"此刻"相对于"今日"的偏离度，使用"今日"的车速V的分布作为表示长时间段行为分布的基准分布，并且使用"此刻"的车速V的分布作为表示短时间段行为分布的比较对象分布。这里，与第一实施例的情况一样，使用上述式(13)或式(16)来计算偏离度Distdiff。
这样，在步骤S328中计算出"此刻"相对于"今日"的偏离度Distdiff以及"此刻"相对于"通常"的偏离度Distdiff之后，控制流程转入步骤S330。在步骤S330中，与在步骤S328中执行的处理情况相同，计算"今日"相对于"通常"的偏离度Distdiff。要注意的是，在这里使用"通常"的车速V的分布作为表示长时间段行为分布的基准分布，并且使用"今日"的车速V的分布作为表示短时间段行为分布的比较对象分布。 在接下来的步骤S332中，与在步骤S328中执行的处理情况相同，计算"通常"相对于"公众"的偏离度Distdiff。要注意的是，在这里使用"公众"的车速V的分布作为表示长时间段行为分布的基准分布，并且使用"通常"的车速V的分布作为表示短时间段行为分布的比较对象分布。预先设定合适的值作为"公众"的单独行驶车速特性值的固定值，即作为单独行驶时的车速V的平均值和标准差的固定值。 在步骤S333中，将过去检测到的"今日"的单独行驶车速特性与本次(此次)检测到的单独行驶车速特性进行比较，从而计算"本次"相对于"过去"的偏离度Distdiff。更具体地说，使用在最近时间段(例如昨天)检测到的车速V的分布作为表示长时间段行为分布的基准分布，并且使用本次检测到的"今日"的车速V的分布作为表示短时间段行为分布的比较对象分布，并且使用上述式(13)或式(16)来计算偏离度Distdiff。
这样，在利用多个不同时间跨度上获得的数据在步骤S320中执行驾驶者驾驶诊断之后，控制流程转入步骤S340。要注意的是，为了简单起见，"此刻"相对于"今日"的偏离度Distdiff将表示为Dist_l，"今日"相对于"通常"的偏离度Distdiff将表示为Dist_2，"通常"相对于"公众"的偏离度Distdiff将表示为Dist_3，"本次今日"相对于"过去今日"的偏离度Distdiff将表示为Dist_4。 在步骤S340中，控制器300基于步骤S320中的驾驶诊断结果确定是否执行警报表达处理。这里，控制器300判断在步骤S328中计算出的"此刻"相对于"今日"的偏离度DistJ、在步骤S330中计算出的"今日"相对于"通常"的偏离度Dist_2、以及在步骤S333中计算出的"本次今日"相对于"过去今日"的偏离度Dist—4是否大于用于判断是否执行警报表达的阈值(例如O. 30)。当偏离度Distj、或Dist—2、或Dist—4大于阈值时，控制流程转入步骤S350，并且控制器300向驾驶者执行警报表达。在执行警报表达之后，控制器300终止处理。 图18示出以视觉信息表达警报的显示的一个实例。该显示使得能够将今日的单独行驶车速的趋势(获得的中等时间段的数据结果)与通常的单独行驶车速的趋势(获得的长时间段的数据结果)进行比较。图18示出今日的车速趋向于高于通常的车速。
在以声音信息执行警报表达的情况下，根据偏离度从扬声器130输出声音信息。例如，在"今日"相对于"通常"的偏离度Dist_2大于阈值的情况下，输出语音"行驶车速高于通常"。在"此刻"相对于"今日"的偏离度Dist_l大于阈值的情况下，输出语音"行驶车速高"。在"本次今日"相对于"过去今日"的偏离度Dist—4大于阈值的情况下，输出语音"行驶车速高于过去"。 如果在步骤S340中作出否定判断并且没有表达警报，则控制流程转入步骤S360，并且控制器300基于步骤S320中的驾驶诊断结果判断是否执行指示表达处理。这里，判断在步骤S332中计算出的"通常"相对于"公众"的偏离度Dist_3是否小于用于判断是否表达指示(改进建议)的阈值(例如0. 07)。 如果Dist_3小于阈值，则控制流程转入步骤S370，并且控制器300向驾驶者表达指示(改进建议)。在表达指示之后，控制器300终止处理。图19示出以视觉信息表达指示的显示的一个实例。该显示使得能够将驾驶者通常的单独行驶车速特性与公众的单独行驶车速特性进行比较。图19示出驾驶者的车速特性低于公众的车速特性。另外，可以将"通常"的偏离度Dist_3转换为分数并显示出来。更具体地说，在显示单元180上显示通过将偏离度Dist_3的符号颠倒并加50得到的值作为驾驶者的通常驾驶操作的分数。
在以声音信息执行指示表达的情况下，例如可以输出语音"分析结果表明您的车速低于公众的车速"，从而通知驾驶者其倾向于习惯地以低的车速行驶并且赞扬驾驶者的驾驶操作。另外，可以使用如图9所示的二维图显示驾驶诊断结果。 这样，在上述第三实施例中，除了根据第一实施例和第二实施例的有益效果之外， 还可以获得如下操作和有益效果。 检测驾驶者的安全意识和操作偏好特性作为用于驾驶诊断的指标。更具体地说， 因为控制器300使用单独行驶时的车速V，因此可以在如下交通场景中执行准确的驾驶诊 断即，当不存在前车时可以根据驾驶者自己的意志设定车速。
第三实施例的变型 现在说明偏离度Distdiff的另一种计算方法。这里，计算基准分布与比较对象分布 之间在"限速"位置处的差异作为偏离度Distdiff。更具体地说，如图20(a)和(b)所示，计 算在车速V低于限速Vlmt的区域中比较分布与基准分布之间的差异作为偏离度Distdiff 。
利用下式(19)计算限速Vlmt中的累积分布的概率F^(x)，其中基准分布的平均
值由i^td表示，基准分布的标准差由c^td表示。
<formula>formula see original document page 26</formula>
接下来，控制器300计算比较分布的限速Vlmt中的累积分布的值。利用下式(20) 计算限速Vlmt中的累积分布的概率F，p(x)，其中比较分布的平均值由P 。。mp表示，比较分 布的标准差由0。，表示。
<formula>formula see original document page 26</formula>(iv(式20) 利用下式(21)计算基准累积分布的概率F^(v^)与比较对象的累积分布的概率 F。，(vlmt)之间的差异作为偏离度Distdiff。
<formula>formula see original document page 26</formula>式21)
第四实施例 现在将说明根据本发明第四实施例的车辆驾驶辅助系统。图21是示出根据本发 明第四实施例的车辆驾驶辅助系统1的结构的控制图。图22是示出车辆驾驶辅助系统1 如何布置在汽车上的示意图。 首先，现在说明车辆驾驶辅助系统1的结构。 安装在车辆的前格栅、保险杠等部件上的激光雷达10水平地照射红外光脉冲，从 而扫描车辆前方区域。激光雷达10测量被前方的多个障碍物(通常为前车的后部)反射 回来的红外光脉冲的反射辐射，并且根据反射辐射的到达时间检测与该多个障碍物之间的
车间距离或间距以及相对速度。将检测到的车间距离和相对速度输出到控制器ioo。激光
雷达10所扫描的车辆前方区域是与车辆纵向中心线平行的轴线两侧大约士6度的范围，并 且检测到该范围内存在的物体。 车速传感器30测量车轮转数或变速器输出侧的转数从而检测车速，并且将检测 到的车速输出到控制器100。
导航系统50是执行路线搜索、辅助路线选择等功能的系统，包括GPS (全球定位系 统)接收器、地图数据库、显示监视器等。根据经由GPS接收器获得的车辆当前位置和存储 在地图数据库中的道路信息，导航系统50获得与车辆所行驶的道路的等级、宽度等有关的 信息。 制动踏板行程传感器60检测驾驶者对制动踏板的踩下量(制动踏板操作量)。制 动踏板行程传感器60将检测到的制动踏板操作量输出到控制器100。转向信号开关65检 测驾驶者是否已经操作了转向信号杆，并且将检测信号输出到控制器100。
控制器100是由CPU以及诸如R0M和RAM等CPU外围部件构成的电子控制单元， 并且控制整个车辆驾驶辅助系统1。根据从激光雷达10、车速传感器30、制动踏板行程传感 器60、转向信号开关65等接收到的信号，控制器100分析驾驶者的驾驶特性并且执行驾驶 诊断。然后，控制器100根据驾驶诊断结果向驾驶者提供信息。提供给驾驶者的信息包括 向驾驶者发出的警报、对驾驶操作的改进建议等。后面将详细描述控制器100的控制内容。
扬声器130用于响应来自控制器100的信号而以蜂鸣音或语音向驾驶者提供信 息。显示单元180用于响应来自控制器100的信号而显示警报或对驾驶操作的改进建议。 例如，导航系统50的显示监视器、组合仪表等可以用作显示单元180。 接下来将说明根据第四实施例的车辆驾驶辅助系统1的操作，首先描述该系统的 概况。 控制器100根据车辆的行驶状态和驾驶者的驾驶操作执行驾驶者的驾驶诊断，并 且响应驾驶诊断结果向驾驶者发出警报并且建议驾驶者改进驾驶操作。更具体地说，控制 器100检测在车辆正跟随前车的状态下的驾驶特性，并且利用检测到的驾驶特性作为指标 执行驾驶诊断。然后，如果驾驶诊断结果表明驾驶者正处于比其通常的驾驶更危险的驾驶 状态，即，如果驾驶者的驾驶操作偏向更危险状态，则控制器100向驾驶者发出警报，从而 在驾驶者的驾驶操作进入高度危险状态之前通知驾驶者。另一方面，如果驾驶诊断结果表 明驾驶者的驾驶操作比公众驾驶操作的标准好，则控制器100向驾驶者提供信息从而鼓励 更安全的驾驶或者建议进行改进。 这样，第四实施例中的车辆驾驶辅助系统1包括三个功能即，通过驾驶诊断检测 驾驶者的驾驶操作的功能、响应检测结果向驾驶者发出警报的功能、以及响应检测结果向 驾驶者提供改进建议的功能。因此，车辆驾驶辅助系统1允许和鼓励驾驶者客观地了解自 己的驾驶特性，并且根据驾驶特性向驾驶者提供建议，从而使驾驶者可以学习到降低危险 的驾驶方法。 下面参考图23详细说明根据第四实施例的车辆驾驶辅助系统1的操作。图23是 示出第四实施例中的控制器100执行的驾驶辅助控制程序的处理流程的流程图。该处理以 恒定间隔连续执行，例如每5毫秒执行一次。 首先，在步骤S400中检测车辆行驶状态。这里，控制器100获得由车速传感器30 检测到的车速V、由激光雷达10检测到的本车与前车之间的车间距离D和相对车速Vr，作 为车辆行驶状态。在步骤S405中检测驾驶者的操作状态。这里，控制器100获得由制动踏 板行程传感器60检测到的制动踏板操作量、以及转向信号开关65检测到的转向信号杆被 操作与否，作为驾驶者的操作状态。 在步骤S407中，为了确定后面描述的车辆交通场景，控制器IOO计算本车与前车之间的接触时间TTC和车间时距THW。接触时间TTC是表示本车与前车之间的当前接近度 的物理量。接触时间TTC表示如果保持当前行驶状态，即如果本车的车速V和相对车速Vr 恒定的话，在车间距离D变为零并且本车与前车彼此接触之前的秒数。接触时间TTC由下 式(22)表达。 TTC = D/Vr (式22) 车间时距THW是表示当本车跟随前车时前车的预计进一步车速变化对接触时间 TTC的影响程度，即在假定相对速度Vr变化的情况下的影响程度的物理量。车间时距THW 是车间距离D除以本车的车速V得到的商，表示在本车到达前车的当前位置所需的时间。车 间时距THW由下式(23)表达。
THW = D/V (式23) 在步骤S410中，确定车辆交通场景。通过对车辆行驶状态和驾驶者操作状态施加 限制条件，可以提高驾驶诊断的准确性，并且在响应驾驶诊断结果向驾驶者提高信息时，为 了减小驾驶者的不适感，确定车辆交通场景，从而仅仅在特定的交通场景中执行驾驶诊断。 更具体地说，仅仅在本车稳定地跟随同一前车的交通场景中执行驾驶诊断。
稳定跟随的交通场景的条件的实例如下 (a)本车跟随同一前车(例如，当前车间距离与前次测量的车间距离之间的差值 小于4米)； (b)本车没有快速接近(例如，接触时间TTC大于10秒)； (c)车间时距THW等于或小于预定值(例如，车间时距THW小于4秒)； (d)驾驶者没有进行制动操作(例如，制动踏板操作量基本上为零)； (e)驾驶者没有操作转向信号杆(例如，没有从转向信号开关65接收到0N信
号)； (f)上述状态(a)至(e)保持(例如，保持5秒或更长时间)。
当条件(a)至(f)都满足时，控制器100确定车辆交通场景为稳定跟随行驶场景， 并且控制器100的控制流程转入步骤S412，以执行驾驶诊断。另一方面，在条件(a)至(f) 中的任一条没有满足的情况下，控制器100确定车辆交通场景不对应于特定交通场景，不 执行驾驶诊断，并且终止处理。要注意的是，控制器ioo确定车辆交通场景是否为稳定跟随 交通场景的条件不限于上述条件(a)至(f)。另外，可以用其它检测手段检测是否进行了制 动操作、以及是否操作了转向信号杆。 在步骤S412中，控制器100确定行驶位置。更具体地说，控制器100基于数据库
将指标数目标记到导航系统50的地图信息中所描述的链段ID。链段ID是分配给将节点连
接在一起的链段的ID，节点是车道属性发生变化的属性变化点。每个链段具有道路种类、链
段长度(节点之间的距离)等数据。在步骤S414中，控制器100记录当前时间。 在步骤S416中，控制器100基于步骤S412和S414中的标记结果存储用于执行驾
驶者驾驶诊断的数据。这里，例如，如图24所示，当前时间，即车辆在该链段中行驶的时间、
行驶距离、该链段中的跟随特性指标、在该链段中行驶的次数等写入到每个链段ID的结构
中，从而生成交通道路数据库。在第四实施例中，使用车间时距THW作为表示驾驶者跟随特
性的物理量。在驾驶诊断处理中将详细说明跟随特性和跟随特性指标的计算方法。 在接下来的步骤S420中，使用在步骤S416中存储的数据执行驾驶者驾驶诊断。驾驶诊断是基于在本车稳定跟随前车的交通场景下的驾驶者驾驶特性来执行的。本车稳定 跟随前车时的驾驶特性例如包括本车和前车的车间时距THW、车间时距THW的倒数、车间距 离、车间距离的倒数等。在第四实施例中，以使用车间时距THW的情况为例进行说明。
图25示出车辆驾驶辅助系统1的数据结构。层A表示相对较短时间段"此亥lj"的 数据量，"此亥IJ"表示驾驶者当前的操作状态。层B表示"今日"的数据量，"今日"表示驾驶 者今日的操作状态并且比"此刻"更长。层C表示"通常"的数据量，"通常"表示驾驶者通 常的操作状态并且比"今日"更长，即表示个人特性。层D表示"公众"的驾驶特性的数据 量，"公众"的驾驶特性用于将每个驾驶者的操作与一般驾驶者的操作进行比较并且用于诊 断每个驾驶者的操作。 层越靠下则数据量越大。各个层中所包含的数据的数目对应于在计算"此刻"、"今 日"和"通常"的车间时距THW的平均值时所用的样本的数目。图25所示的数据结构是通 过改变样本数目来实现的。通过下面描述的实时计算来不断地更新各个层中所包含的数据 的值。 在驾驶诊断处理中，控制器100使用层A至层D中各层的数据来检测不同时间跨 度上的驾驶者操作，即"此刻"、"今日"和"通常"的驾驶者操作。下面将参考图26详细说 明在步骤S420中执行的驾驶诊断处理。 在步骤S422中，计算"此亥lj"的驾驶者的跟随特性值，从而执行驾驶者"此亥lj"的驾 驶诊断。控制器100计算在定义"此刻"的预定时间段内车间时距THW的平均值Mean—x(n) 和标准差StdeV_X(n)，作为驾驶者的跟随特性值。这里，定义"此刻"的预定时间段为例如 60秒，并且利用在步骤S410中确定的稳定跟随行驶场景中检测到的从过去到现在的60秒 的数据来计算车间时距THW的平均值Mean_x (n)和标准差Stdev_x (n)。平均值Mean_x (n) 和标准差StdeV_X(n)利用下面的参数来计算。 x(n):本次获得的数据，即在步骤S407中计算出的车间时距THW K :在预定时间段内计算出的THW的数据数目 Mjn):本次计算的预定时间段内的THW的总和 M2(n):本次计算的预定时间段内的THW的平方和 1^ (n-1):前次计算的预定时间段内的THW的总和 M2(n-1):前次计算的预定时间段内的THW的平方和 Mean_x (n):本次数据的平均值，即THW的平均值 Var_x(n):本次数据的方差，即THW的方差 Stdev_x (n):本次数据的标准差，即THW的标准差 这里，通过预定时间段乘以每秒的采样数目得到的乘积来确定数据数目K。例如，
当"此刻"的预定时间为60秒并且采样数目为5Hz时，数据数目K = 300。 利用这些参数分别通过下式(24)和(25)来计算总和M: (n)和平方和M2 (n)。 M丄(n) = M丄(n_ 1) +x (n), (n_ 1) /K(式24) M2 (n) = M2 (n_l) + (x (n)) 2_M2 (n_l) /K (式25) 分别利用下式(26) 、 (27)和(28)来计算"此亥lj"的车间时距THW的平均值Mean_ x (n)、方差Var_x (n)和标准差Stdev_x (n)。
Mean_x (n) =(n) /K(式26)
Var_x (n) = M2 (n) /K_ (]^ (n)) 2/K2 (式27)
Stdev_x (n) = V (Var_x (n))(式28) 在步骤S424中，为了执行驾驶者"今日"的驾驶诊断，控制器IOO计算"今日"的驾 驶者的跟随特性值，即，在定义"今日"的预定时间段内车间时距THW的平均值Mean—x (n)和 标准差Stdev_X (n)。这里，定义"今日"的预定时间段为例如360秒，并且利用在步骤S410 中确定的稳定跟随行驶场景中检测到的从过去到现在的360秒的数据来计算车间时距THW 的平均值Mean_x (n)和标准差Stdev_x (n)。 更具体地说，与"此刻"的情况一样，利用式(26)和(28)来计算平均值Mean_x (n) 和标准差Stdev—x(n)。这里，数据数目K = 1800，其中"今日"的预定时间为360秒并且采 样数目为5Hz。 在步骤S426中，为了执行驾驶者"通常"的驾驶诊断，控制器100计算"通常"的 驾驶者的跟随特性值，即，在定义"通常"的预定时间段内车间时距THW的平均值Mearux(n) 和标准差Stdev—x(n)。这里，定义"通常"的预定时间段为例如2160秒，并且利用在步骤 S410中确定的稳定跟随行驶场景中检测到的从过去到现在的2160秒的数据来计算车间时 距THW的平均值Mean_x (n)和标准差Stdev_x (n)。 更具体地说，与"此刻"的情况一样，利用式(26)和(28)来计算平均值Mean_x (n) 和标准差Stdev_x (n)。这里，数据数目K = 10800，其中"通常"的预定时间为2160秒并且 采样数目为5Hz 。 在接下来的步骤S428的处理中，利用在步骤S422、 S424和S426中计算出的跟随 特性值执行驾驶者驾驶诊断。这里，将基于不同时间跨度上获得的数据的驾驶者跟随特性 分别进行比较，从而基于两个跟随特性的偏离程度来诊断驾驶者的驾驶操作。换句话说，在 如图25所示的数据结构中，将上层(例如层A)与下层(例如层B)进行比较以执行驾驶诊 断。 首先，在步骤S428中，控制器100计算表示"此刻"的驾驶者的跟随特性相对于"今 日"的驾驶者的跟随特性的偏离程度的偏离度。这里，"此刻"相对于"今日"的偏离度表示 "今日"的车间时距THW的分布与"此刻"的车间时距THW的分布之间的差异。为了计算"此 亥lj"相对于"今日"的偏离度，使用"今日"的车间时距THW的分布作为表示长时间段行为分 布的基准分布，并且使用"此刻"的车间时距THW的分布作为表示短时间段行为分布的比较 对象分布。 可以采用如下方法作为偏离度的计算方法在长时间段(例如"今日")行为分布 的"平均值-标准差"的位置(称为比较值x^)来比较短时间段(例如"此刻")和长时间 段(例如"今日")的分布函数。 为了计算偏离度，在假定车间时距THW为正态分布的情况下使用在步骤S422和 S424中计算出的车间时距THW的平均值Mean—x(n)和标准差Stdev_X(n)来计算概率密度 函数。图27(a)示出实际计算的车间时距THW的频率分布和以正态分布近似的车间时距 THW的概率密度分布(以实线表示)。图27(b)示出它们的累积分布。如图27(a)和(b) 所示，在假定车间时距THW为正态分布的情况下的分布与实际分布非常一致。
如图28(a)和(b)所示，控制器100计算偏离度Distdiff ，该偏离度Distdiff表示在 基于预定值(比较值Xstd)设定的比较对象的区域中，比较对象的短时间段正态分布相对于基准长时间段正态分布的偏离程度。更具体地说，在车间时距THW短于比较值xstd的区域 中比较分布与基准分布之间的差异(图28(a)中画阴影线区域的面积和图28(b)中箭头的 长度)对应于偏离度Distdiff。图28(c)和(d)所示的计算方法将在后面描述。
图29(a)和(b)示出基于通过公共道路上的实际实验获得的结果计算出的概率密 度分布和累积分布。在图29(a)中，以正态分布近似的车间时距THW的概率密度分布利用 "此刻"的平均值Mean—x(n)和标准差Stdev_X(n)以点划线示出，以正态分布近似的车间 时距THW的概率密度分布利用"今日"的平均值Mean_X (n)和标准差Stdev_X (n)以实线示 出。在图29(b)中，"此刻"的累积分布以点划线示出，"今日"的累积分布以实线示出。在图 29(a)禾P (b)中，"此刻"的车间时距THW的平均值Mean—x(n) = 1. 22，标准差Stdev_x (n) =0. 80 ;"今日"的车间时距THW的平均值Mean_x (n) = 1. 63，标准差Stdev—x(n) = 1. 00。
首先，利用基准分布的平均值Mean_X (n)和标准差Stdev_X (n)通过下式(29)来 计算比较值xstd。 xstd = Mean_std_Stdev_std (式29) 比较值xstd是表示将基准分布和比较分布进行比较的点处车间时距THW的值，所 述点对应于图28(a)和(b)中虚线所示的位置。 接下来，计算基准分布的比较值x^处的累积分布的值。利用下式(30)计算正态 分布的概率密度函数f(x)，其中平均值由P表示，标准差由o表示(参考图28(a))。
-(式3Q)
1
'c、 对利用式(30)计算出的概率密度函数f (x)积分以得到如下式(31)表示的累积 分布函数F(x)(参照图28(a))。
(>叫
1
由yst
利用下式(32)计算比较值Xstd中累积分布的概率Fs 表示，基准分布的标准差由c^td表示。
Jx)，其中基准分布的平均值 尸
,、W
1
e、
(式32)
接下来，计算比较分布的比较值xs
血
中累积分布的值:
xstd中累积分布的概率F。。 (x)，其中比较分布的平均值由y
利用下式(33)计算比较值 表示，比较分布的标准差由表示。
e、
2《
CO,H/T
(式33) 利用下式(34)计算基准的累积分布的概率F^(x)与比较对象的累积分布的概率
31F。。mp (x)之间的差异，作为"此刻"相对于"今日"的偏离度Distdiff 。
Distdiff = Fcomp(X)-Fstd(x)(式34) 这表明，随着偏离度Distdiff朝正方向增大，"此亥lJ"的驾驶者的操作偏向车间时距 THW比"今日"的车间时距THW短的方向，S卩，偏向危险方向。这表明，随着偏离度Distdiff朝 负方向增大，"此刻"的驾驶者的操作偏向车间时距THW比"今日"的车间时距THW长的方 向，即，偏向危险程度低的方向。当驾驶者始终处于具有相同跟随特性的操作状态时，偏离 度Dist做f变为零。 在步骤S428中，控制器100还计算"此刻"相对于"通常"的偏离度Distdiff。在该 情况下，使用"通常"的车间时距THW的分布作为表示长时间段行为分布的基准分布，并且 使用"此刻"的车间时距THW的分布作为表示短时间段行为分布的比较对象分布。于是，使 用"通常"的累积分布的概率F^(x)和"此亥lj"的累积分布的概率F，p(x)通过上述式(34) 来计算"此刻"相对于"通常"的偏离度Distdiff 。 这样，在步骤S428中，控制器100计算"此刻"相对于"今日"的偏离度Distdiff以 及"此刻"相对于"通常"的偏离度Distdiff，然后控制流程转入步骤S430。在步骤S430中， 与在步骤S428中执行的处理情况相同，控制器100计算"今日"相对于"通常"的偏离度 Distdiff。要注意的是，在这里使用"通常"的车间时距THW的分布作为表示长时间段行为分 布的基准分布，并且使用"今日"的车间时距THW的分布作为表示短时间段行为分布的比较 对象分布。 在步骤S432中，与在步骤S428中执行的处理情况相同，控制器100计算"通常"相 对于"公众"的偏离度Distdiff。要注意的是，在这里使用"公众"的车间时距THW的分布作 为表示长时间段行为分布的基准分布，并且使用"通常"的车间时距THW的分布作为表示短 时间段行为分布的比较对象分布。预先设定合适的值作为"公众"的跟随特性值的固定值， 即作为车间时距THW的平均值和标准差的固定值。 这样，在利用多个不同时间跨度上获得的数据在步骤S420中执行驾驶者驾驶诊 断之后，控制流程转入步骤S440。要注意的是，为了简单起见，"此刻"相对于"通常"的偏离 度Distdiff将表示为Dist_la，"此刻"相对于"今日"的偏离度Distdiff将表示为Dist_lb， "今日"相对于"通常"的偏离度Distdiff将表示为Dist_2，"通常"相对于"公众"的偏离度 Distdiff将表示为Dist_3。 在步骤S440中，控制器100基于步骤S420中的驾驶诊断结果确定是否执行警报 表达处理。这里，控制器100判断在步骤S428中计算出的"此刻"相对于"通常"的偏离度 Distja、"此刻"相对于"今日"的偏离度Dist_lb以及在步骤S430中计算出的"今日"相 对于"通常"的偏离度Dist_2是否大于用于判断是否表达警报的阈值(例如0. 30)。当偏 离度Distja、或Distjb、或Dist_2大于阈值时，控制流程转入步骤S450，从而控制器100 向驾驶者表达警报。在表达警报之后，控制器IOO终止处理。 例如，在"今日"相对于"通常"的偏离度Dist—2大于阈值的情况下，与蜂鸣音一起 从扬声器130发出语音"您今天的车间距离比您通常情况的车间距离小，请安全驾驶"。语 音信息内容设定为通知驾驶者其当前的车间距离小于通常车间距离，或者鼓励驾驶者保持 车间距离大于当前车间距离。例如，当"此刻"相对于"通常"的偏离度Dist_la大于阈值 时，与蜂鸣音一起从扬声器130发出语音"您很着急吗？请安全驾驶"。要注意的是，实际的
32语音信息不限于此。当"此刻"相对于"今日"的偏离度Distjb大于阈值时，也可以发出 预先设定的合适的语音信息。 如果在步骤S440中作出否定判断并且没有表达警报，则控制流程转入步骤S460， 并且控制器100基于步骤S420中的驾驶诊断结果判断是否执行指示表达处理。这里，控制 器100判断在步骤S432中计算出的"通常"相对于"公众"的偏离度Dist_3是否小于用于 判断是否表达指示(改进建议)的阈值(例如O. 07)。用于判断是否表达指示的阈值是预先 适当地设定的值，该值位于同一驾驶者的偏离度基本上始终落入的范围内。上述值"O. 07" 是基于利用真实车辆和15个测试对象进行实验的结果来设定的。根据实验结果，针对每个 测试对象计算出的偏离度始终等于或小于0. 07。 如果Dist_3小于阈值，则控制流程转入步骤S470，并且控制器100向驾驶者表达 指示。在表达指示之后，控制器100终止处理。 例如，控制器100输出赞扬驾驶者的驾驶操作的显示和语音，作为指示表达内容。 例如，将"通常"的偏离度Dist_3转换为分数并显示出来。更具体地说，在显示单元180上 显示通过将偏离度Dist_3的符号颠倒并加50得到的值作为驾驶者的通常驾驶操作的分 数。换句话说，倾向于高危险驾驶的驾驶者得到50分或更低，而安全驾驶的驾驶者得到50 分或更高。要注意的是，该分数是在1至100的范围内表达的，如果通过转换偏离度Dist—3 而得到的分数大于IOO，则显示驾驶者的分数为100分；如果通过转换偏离度Dist—3而得 到的分数小于O，则显示驾驶者的分数为0分。 如图30所示，在显示单元180上示意性地显示公众的车间距离的分布，从而使驾 驶者知道驾驶者"通常"的车间距离与公众的车间距离之间的比较。图30示出驾驶者的车 间距离比公众的车间距离的平均值大两级，从而向驾驶者提供驾驶者具有比公众更倾向于 安全的跟随特性的视觉信息。 另外，通过从扬声器130发出的语音，控制器100使驾驶者知道驾驶者通常的车间 距离比公众的车间距离大，因此驾驶者是安全地进行跟随行驶的优秀驾驶者。例如，可以发 出语音"您正在小心驾驶，继续保持"。于是，控制器ioo输出显示和语音以便使驾驶者知道 驾驶者的跟随驾驶特性优于公众驾驶者的跟随驾驶特性，并且鼓励驾驶者保持良好的驾驶 操作，或者改进其操作。 要注意的是，尽管显示和语音的上述实例包括驾驶者所熟悉的"车间距离"的表 述，但是显示和语音可以包括"车间时距"的表述。只要显示和语音将驾驶者的操作特性有 效地传达给驾驶者，从而向驾驶者发出警报以防止驾驶操作处于危险状态和建议进一步改 进操作，显示和语音的内容不限于上述实例。 在图31中示出基于驾驶诊断结果进行显示的另一个实例。在图31中，纵轴表示 相对于公众跟随特性的驾驶者的个人特性，横轴表示相对于驾驶者通常跟随特性的驾驶者 的当前状态。这里，如前所述，可以使用车间时距THW和车间距离作为跟随特性。当在步骤 S430中计算出的"今日"相对于"通常"的偏离度大时，标记点M向右移动，即朝向高危险方 向移动。当在步骤S432中计算出的"通常"相对于"公众"的偏离度大时，标记点M向上移 动，即朝向高危险方向移动。 这样，在图31所示的显示实例中，基于"公众"的驾驶诊断结果、以及"通常"的诊 断结果，即基于驾驶者个人特性的驾驶诊断结果在由两条轴线构成的二维图上绘制出来。
33要注意的是，横轴可以表示"此刻"相对于"今日"或"此刻"相对于"通常"的偏离度。另 外，纵轴和横轴可以彼此交换地显示。 此外，如图31所示，二维图可以分割成各自具有不同颜色的多个区块，从而驾驶 者可以容易地得知驾驶者的跟随特性绘制在哪里。例如，图31中的右上区块可以显示为暗 色，例如暗红色，左下区块可以显示为浅色，例如浅蓝色，其间使用色彩层次。
这样，在上述第四实施例中，除了根据第一实施例至第三实施例的有益效果之外， 还可以获得如下操作和有益效果。 检测驾驶者的安全意识和操作偏好特性作为用于驾驶诊断的指标。更具体地说， 计算本车跟随前车时的车间时距THW和车间距离。因为车间时距THW表示在本车到达前车 的当前位置之前的时间，因此利用车间时距THW作为表示本车跟随前车时驾驶者的特性的 指标，可以在跟随行驶场景中确保准确的驾驶诊断。
第四实施例的变型 现在说明偏离度Distdiff的另一种计算方法。这里，分别以正态分布来近似长时间 段(例如"今日")的行为分布和短时间段(例如"此刻")的行为分布，从而计算两个正态 分布不重叠的区域的面积大小作为偏离度Distdiff 。 更具体地说，如图28(c)和(d)所示，计算在车间时距THW短于基准分布和比较分 布的交点a的区域中比较分布与基准分布之间的差异，S卩比较分布偏离基准分布的区域 面积，作为偏离度Distdiff。 将基准分布的平均值P std和标准差o std以及比较分布的平均值P 。。mp和标准差 o ，p代入式(30)，基准分布的概率密度函数f^(x)和比较分布的概率密度函数f。。mp(x)分 别由下式(35)和(36)表示。
、2 、 LW =
(式35)
〔2o"咖,/ )(式36) 计算式(35)和(36)的联立方程，分布的频率在两个点a和|3 (a < |3 )处一致。
为了得到在车间时距THW短于交点a的区域中两个正态分布不重叠的区域的面积大小，将
交点a代入计算基准分布的累积分布函数所用的上式(32)和计算比较分布的累积分布函
数所用的上式(33)中。然后，从交点a处比较分布的累积分布的F。。mp(a)中减去基准分
布的累积分布的Fstd(a)。 利用下式(37)计算偏离度Distdiff。 _Distdiff = Fc卿(a )-Fstd(a )(式37) 要注意的是，利用下式(38)计算两个正态分布不重叠的面积Dist，r。
-Distc。rr = 1—Distdiff (式38) 这样，可以通过比较具有不同时间范围的多个数据的分布并且计算偏离度，即这 些分布重叠的面积来执行驾驶诊断。
34
第五实施例 现在将说明根据本发明第五实施例的车辆驾驶辅助系统。根据本发明第五实施例 的车辆驾驶辅助系统的基本结构与图21所示第四实施例的车辆驾驶辅助系统的基本结构 相同。因此，下面将主要说明与上述第四实施例的不同点。 根据第五实施例的车辆驾驶辅助系统1通过如下方式来执行驾驶者驾驶诊断 即，在诸如一 日的时间和场所等行驶状态一致的情况下将过去行驶数据与现在行驶数据进 行比较。 现在将参考图32详细说明根据第五实施例的车辆驾驶辅助系统1的操作。图32 是示出第五实施例中的控制器100执行的驾驶辅助控制程序的处理流程的流程图。该处理 以恒定间隔连续执行，例如每50毫秒执行一次。 首先，在步骤S500中，控制器100获得由车速传感器30检测到的车速V、由激光雷 达10检测到的本车与前车之间的车间距离D和相对车速Vr，作为车辆行驶状态。在步骤 S502中，控制器100获得由制动踏板行程传感器60检测到的制动踏板操作量、以及转向信 号开关65检测到的转向信号杆被操作与否，作为驾驶者的操作状态。在步骤S503中，为了 确定后面描述的车辆交通场景，控制器100计算本车与前车之间的接触时间TTC和车间时 距丽。 在步骤S504中，控制器100确定行驶位置。在步骤S506中，控制器100记录当前 时间。然后，在步骤S508中，控制器100基于步骤S504和S506中的标记结果存储用于执 行驾驶者驾驶诊断的数据。在数据储存之前的处理与第四实施例基本相同。然而，控制器 100在判断行驶历史之后确定交通场景。 在接下来的步骤S510中，控制器100判断在步骤S508中所生成的交通道路数据 库中是否存在车辆现在正在行驶的道路的数据库。换句话说，控制器100判断车辆是否已 经行驶过车辆现在正在行驶的道路，因此是否已经存储有与对应于车辆当前位置的空间位 置和范围一致的过去数据。如果存在这样的数据库，则控制流程转入步骤S515，如果不存在 这样的数据库，则控制器100终止处理。 在步骤S515中，确定车辆交通场景。当上述条件(a)至(f)都满足时，控制器100 确定车辆交通场景为稳定跟随行驶场景，并且控制器100的控制流程转入步骤S520，以执 行驾驶诊断。另一方面，在条件(a)至(f)中的任一条没有满足的情况下，控制器100确定 车辆交通场景不对应于特定交通场景，不执行驾驶诊断，并且终止处理。
在接下来的步骤S520中，使用在步骤S508中存储的数据执行驾驶者驾驶诊断。驾 驶诊断是基于在相同行驶状态，即相同空间位置和范围中本车稳定跟随前车的交通场景下 的驾驶者驾驶特性来执行的。本车稳定跟随前车时的驾驶特性例如包括本车和前车的车间 时距THW、车间时距THW的倒数、车间距离、车间距离的倒数等。在第五实施例中，以使用车 间时距THW的情况为例进行说明。 图33示出第五实施例中的车辆驾驶辅助系统1的数据结构。层A表示相对较短 时间段"此亥lj"的数据量，"此刻"表示驾驶者当前的操作状态。层B表示"今日"的数据量， "今日"表示驾驶者今日的操作状态并且比"此刻"更长。层C表示"通常"的数据量，"通 常"表示驾驶者通常的操作状态并且比"今日"更长，即表示个人特性。层D表示"公众"的 驾驶特性的数据量，"公众"的驾驶特性用于将每个驾驶者的操作与一般驾驶者的操作进行
35比较并且用于诊断每个驾驶者的操作。 层越靠下则数据量越大。各个层中所包含的数据的数目对应于在计算"此刻"、"今 日"和"通常"的车间时距THW的平均值时所用的样本的数目。图33所示的数据结构是通
过改变样本数目来实现的。通过在第四实施例中描述的实时计算来不断地更新各个层中所
包含的数据的值。 在第五实施例中，存储沿着相同道路的过去行驶跟随特性的数据，并且控制器100 将前次行驶数据、或过去行驶的全部数据与本次数据进行比较，从而确定"此刻"和"今日" 的驾驶者驾驶操作。下面参考图34详细说明在步骤S520中执行的驾驶诊断处理。
在步骤S522中，为了执行驾驶者"此刻"的驾驶诊断，控制器100利用上述式(26) 和(28)计算"此刻"的驾驶者的跟随特性值，即，在定义"此刻"的预定时间段内车间时距 THW的平均值Mean_X (n)和标准差Stdev_X (n)。在步骤S 524中，为了执行驾驶者"今日" 的驾驶诊断，控制器100利用上述式(26)和(28)计算"今日"的驾驶者的跟随特性值，即， 在定义"今日"的预定时间段内车间时距THW的平均值Mean_X (n)和标准差Stdev_X (n)。
在步骤S526中，控制器100读取作为用于将现在的跟随特性与过去的跟随特性进 行比较的基准的过去数据。这里，从数据库中读取在沿着相同道路的前次行驶中的跟随特 性值的数据，更具体地说，即车间时距THW的平均值Mean_X (n)和标准差Stdev_X (n)。
在接下来的步骤S528和S530的处理中，利用在步骤S522和S524中计算出的跟 随特性值执行驾驶者驾驶诊断。这里，将现在的驾驶者跟随特性值与基于沿着相同道路的 前次行驶中获得的数据的驾驶者跟随特性值进行比较，从而控制器100基于上述跟随特性 的偏离程度来诊断驾驶者的驾驶操作。换句话说，在如图33所示的数据结构中，例如将本 次的层A与前次的层A进行比较以执行驾驶诊断。 首先，在步骤S528中，控制器100计算表示本次的"此刻"的驾驶者的跟随特性相 对于前次行驶的"此刻"的驾驶者的跟随特性的偏离程度的偏离度。这里，本次的"此刻"相 对于前次行驶的"此刻"的偏离度表示前次行驶的"此刻"的车间时距THW的分布与本次的 "此刻"的车间时距THW的分布之间的差异。使用前次行驶的"此刻"的车间时距THW的分 布作为基准分布，并且使用本次的"此刻"的车间时距THW的分布作为比较对象分布。
更具体地说，控制器100利用在第四实施例中说明的如图28(a)和(b)中所示的 计算方法或如图28(c)和(d)中所示的计算方法通过上述式(34)或(37)来计算本次的 "此刻"相对于前次行驶的"此亥lj"的偏离度Distdiff 。 在步骤S530中，控制器100计算表示本次的"今日"相对于前次行驶的"今日"的 偏离度Distdiff 。要注意的是，这里，使用沿着相同道路的前次行驶的"今日"的车间时距THW 的分布作为基准分布，并且使用本次的"今日"的车间时距THW的分布作为比较对象分布。
这样，在控制器100利用沿着相同道路的过去的行驶数据与本次的行驶数据执行 驾驶者驾驶诊断之后，控制流程转入步骤S540。要注意的是，为了简单起见，本次的"此刻" 相对于前次行驶的"此刻"的偏离度Distdiff将表示为Dist_10，本次的"今日"相对于前次 行驶的"今日"的偏离度Dist附f将表示为Dist_20。 在步骤S540中，控制器100基于步骤S520中的驾驶诊断结果确定是否执行警报 表达处理。这里，控制器100判断在步骤S528中计算出的本次的"此刻"相对于前次行驶 的"此刻"的偏离度DistJO、或在步骤S530中计算出的本次的"今日"相对于前次行驶的
36"今日"的偏离度Dist—20是否大于表达警报的阈值(例如0.30)。当偏离度DistJO、或 Dist—20大于阈值时，控制流程转入步骤S550，从而控制器100向驾驶者表达警报。在表达 警报之后，控制器100终止处理。 例如，在本次的"今日"相对于前次行驶的"今日"的偏离度Dist 20大于阈值的情 况下，与蜂鸣音一起从扬声器130发出语音"您今天的车间距离比您通常情况的车间距离 小，请安全驾驶"。语音信息内容设定为通知驾驶者其当前的车间距离小于前次车间距离， 或者鼓励驾驶者保持车间距离大于当前车间距离。要注意的是，语音信息内容可以随情况 而变化，即，本次的"今日"相对于前次的"今日"的偏离度Dist—20大于阈值的情况、本次 的"此刻"相对于前次的"此刻"的偏离度Dist_10大于阈值的情况、以及偏离度Dist_10和 Dist_20均大于阈值的情况。 另外，如图35所示，可以在显示单元180上向驾驶者显示当前车间距离的趋势作 为视觉信息。在图35所示的实例中，示意性显示基准分布(例如前次行驶的车间距离的分 布、公众的车间距离的分布等)，从而使驾驶者知道驾驶者本次的车间距离与公众的车间距 离之间的比较。图35示出驾驶者的车间距离比基准分布的平均值小两级，从而向驾驶者提 供驾驶者现在的车间距离小的视觉信息。 如果在步骤S540中作出否定判断并且没有表达警报，则控制流程转入步骤S560， 并且控制器100基于步骤S520中的驾驶诊断结果判断是否执行指示表达处理。这里，控制 器100判断在步骤S528中计算出的本次的"此刻"相对于前次的"此刻"的偏离度Dist_10、 或在步骤S530中计算出的本次的"今日"相对于前次的"今日"的偏离度Dist_20是否为 负值。 如果DistJO或Dist—20为负值并且本次的驾驶者驾驶操作相对于前次而言已经 有所改进，则控制流程转入步骤S570，并且控制器100向驾驶者表达指示。在表达指示之 后，控制器100终止处理。例如，控制器100输出赞扬驾驶者的驾驶操作的显示和语音，作 为指示表达内容。例如，发出语音"您正在小心驾驶，继续保持"。 要注意的是，尽管显示和语音的上述实例包括驾驶者所熟悉的"车间距离"的表 述，但是显示和语音可以包括"车间时距"的表述。此外，可以构造成输出与第四实施例中 相同的显示和语音。 在第五实施例中，控制器100在车辆沿着相同道路行驶的情况下执行驾驶者驾驶
诊断。换句话说，控制器ioo对行驶状态判断在驾驶者的驾驶操作方面空间范围是否一致。
控制器100可以对行驶状态判断在驾驶者的驾驶操作方面时间范围，例如行驶的时间段等 是否一致。此外，控制器IOO可以对行驶状态判断驾驶操作的空间范围和时间范围是否一 致，例如该车辆是否正在相同时间段沿着相同道路行驶。 这样，在第五实施例中，检测驾驶者的安全意识和操作偏好特性作为用于驾驶诊 断的指标。更具体地说，计算本车跟随前车时的车间时距THW和车间距离。因为车间时距 THW表示在本车到达前车的当前位置之前的时间，因此利用车间时距THW作为表示本车跟 随前车时驾驶者的特性的指标，可以在跟随行驶场景中确保准确的驾驶诊断。
第五实施例的变型 可以使用当车辆在过去沿着相同道路行驶时计算/存储的多项数据作为过去跟 随特性，过去的跟随特性用作与现在的跟随特性进行比较的基准。更具体地说，读取并使用存储在数据库中的沿着相同道路行驶的所有过去的跟随特性值的数据。 当处理多项跟随特性值的数据时，用它们的代表值代替这些数据。例如，如果使用 车间时距THW的平均值Mean_X (n)和标准差Stdev_X (n)作为跟随特性值，使用加法原理计 算其代表值。例如，在使用在过去获得的两对数据的情况下，Nji^， 0l2)和N2(i^， 。22)的 代表值是Nji^+i^， c^2+o/)，其中分布由N表示，平均值由表示，标准差由o表示。
第六实施例 现在将说明根据本发明第六实施例的车辆驾驶辅助系统。根据本发明第六实施例 的车辆驾驶辅助系统的基本结构与图21所示第四实施例的车辆驾驶辅助系统的基本结构 相同。因此，下面将主要说明与上述第四实施例的不同点。 与根据第四实施例的车辆驾驶辅助系统的情况一样，根据第六实施例的车辆驾驶 辅助系统1计算本车跟随前车时的驾驶者的跟随特性作为概率密度函数。控制器100通过 计算表示在不同时间跨度上获得的多个概率密度分布中的差异的偏离度Distdiff来执行驾
驶诊断。这里，在第六实施例中，控制器ioo使用在本车跟随前车时的车辆行驶状态的数据
和驾驶者操作状态的数据来递归地计算表示跟随特性的概率密度函数。 现在将参考图36详细说明根据第六实施例的车辆驾驶辅助系统1的操作。图36
是示出第六实施例中的控制器100执行的驾驶辅助控制处理的流程的流程图。该处理以恒
定间隔连续执行，例如每50毫秒执行一次。因为在步骤S600至S616中执行的处理与在图
3所示流程图的步骤S400和S416中执行的处理相同，因此省略其说明。 在步骤S620中，使用在步骤S616中存储的数据执行驾驶者驾驶诊断。驾驶诊断
是基于在本车稳定跟随前车的交通场景下的驾驶者驾驶特性来执行的。本车稳定跟随前车
时的驾驶特性例如包括本车和前车的车间时距THW、车间时距THW的倒数、车间距离、车间
距离的倒数等。在第六实施例中，以使用车间时距THW的情况为例进行说明。 车辆驾驶辅助系统1的数据结构与图25所示的第四实施例的车辆驾驶辅助系统
的数据结构相同。层A表示相对较短时间段"此刻"的数据量，"此刻"表示驾驶者当前的操
作状态。层B表示"今日"的数据量，"今日"表示驾驶者今日的操作状态并且比"此刻"更
长。层C表示"通常"的数据量，"通常"表示驾驶者通常的操作状态并且比"今日"更长，即
表示个人特性。层D表示"公众"的驾驶特性的数据量，"公众"的驾驶特性用于将每个驾驶
者的操作与一般驾驶者的操作进行比较并且用于诊断每个驾驶者的操作。 层越靠下则数据量越大。各个层中所包含的数据的数目对应于在计算"此刻"、"今
日"和"通常"的车间时距THW的平均值时所用的样本的数目。图25所示的数据结构是通
过改变样本数目来实现的。通过下面描述的实时计算来不断地更新各个层中所包含的数据的值。 在驾驶诊断处理中，控制器100使用层A至层D中各层的数据来检测不同时间跨 度上的驾驶者操作，即"此刻"、"今日"和"通常"的驾驶者操作。下面将参考图37详细说 明在步骤S620中执行的驾驶诊断处理。 在步骤S622中，控制器100计算"此刻"的驾驶者的跟随特性值，从而执行驾驶者 "此刻"的驾驶诊断。控制器100计算在定义"此刻"的预定时间段内车间时距THW的分布 作为驾驶者的跟随特性值。这里，定义"此刻"的预定时间段(时间窗)为例如60秒，并且 利用在步骤S610中确定的稳定跟随行驶场景中检测到的从过去到现在的60秒的数据来计算车间时距THW的分布。 更具体地说，为了计算车间时距THW的分布，控制器100递归地计算在定义"此刻"
的预定时间段内车间时距THW的概率密度。为此，首先，如图38所示，准备多个数据仓来放
置车间时距THW的数据。共总准备21个数据仓(阵列)，从THW = 0. 2到THW = 4以0. 2的
间隔设定每个数据仓。在图38所示的实例中，设定将从O. 0到0. 1的THW数据放入最左边的
数据仓THWO. 0 (Bin_l)，将从0. 1到0. 3的THW数据放入左边第二个数据仓THWO. 2 (Bin_2)。 接下来，将预定值放入从Bin_l至Bin_21的每个数据仓中作为初始值。 预定值设定为使放入所有数据仓的预定值的总和等于1。例如，如图39(a)所示，
预定值可以设定为将相同的值(1/21)放入从BinJ至Bin—21的每个数据仓中(=1/数
据仓的总数目)。但是，在车间时距THW表现出在中间具有某一值的钟形分布的情况下，如
图39(b)所示，优选地指定前次计算的分布作为预定值。换句话说，将前次计算的分布的概
率密度指定为从BinJ至Bin—21的每个数据仓的初始值。这使得能够更准确地计算分布。
要注意的是，在39(a)和(b)中，横轴表示车间时距THW，纵轴表示概率密度。 如上所述，定义"此刻"的预定时间段(时间窗)为例如60秒。在设定的时间窗
中的数据的数目由N表示。 接下来，实时计算概率密度。 每次获得车间时距THW的新数据时，控制器100判断新车间时距THW对应于哪个
数据仓。在放入新数据的数据仓与未放入新数据的数据仓之间的概率密度的计算方法存在
差异。使用下式(39)计算放入新数据的数据仓的概率密度Bin—x(n)。 Bin_x (n) = {Bin_x (n_l) +綱+ (1+1/N)(式39) 使用下式(40)计算未放入新数据的数据仓的概率密度Bin_X(n)。 Bin_x (n) = {Bin_x (n_l)} + (1+1/N)(式40) 这样，实时计算"此刻"的车间时距THW的概率密度，从而得到与实际分布非常一 致的车间时距THW的分布。图40示出车间时距THW的分布的一个实例。图40中示出的分 布的最频值出现在Bin_5处。要注意的是，为了简单起见，图中只示出从Bin_l至Bin_10 共10个数据仓。 在步骤S624中，为了执行驾驶者"今日"的驾驶诊断，控制器100计算"今日"的 驾驶者的跟随特性值，即，在定义"今日"的预定时间段(时间窗)内车间时距THW的分布。 这里，定义"今日"的预定时间段(时间窗)为例如360秒，并且与上述"此刻"的情况一样， 利用在步骤S610中确定的稳定跟随行驶场景中检测到的从过去到现在的360秒的数据来 计算车间时距THW的分布。 在步骤S626中，为了执行驾驶者"通常"的驾驶诊断，控制器100计算"通常"的驾 驶者的跟随特性值，即，在定义"通常"的预定时间段(时间窗)内车间时距THW的分布。这 里，定义"通常"的预定时间段(时间窗)为例如2160秒，并且与上述"此亥lj"的情况一样， 控制器100利用在步骤S610中确定的稳定跟随行驶场景中检测到的从过去到现在的2160 秒的数据来计算车间时距THW的分布。 在接下来的步骤S628的处理中，将在步骤S622、 S624和S626中计算出的基于在 不同时间跨度上获得的数据的驾驶者跟随特性分布进行比较，从而控制器100基于两个跟 随特性的偏离程度来诊断驾驶者的驾驶操作。换句话说，在如图25所示的数据结构中，将上层(例如层A)与下层(例如层B)进行比较以执行驾驶诊断。 首先，在步骤S628中，控制器100计算表示"此刻"的驾驶者的跟随特性相对于"今 日"的驾驶者的跟随特性的偏离程度的偏离度。这里，"此刻"相对于"今日"的偏离度表示 "今日"的车间时距THW的分布与"此亥lj"的车间时距THW的分布之间的差异。
分别计算作为基准分布的"今日"的车间时距THW的分布的最频值和作为比较对 象分布的"此刻"的车间时距THW的分布的最频值。然后，控制器100计算在车间时距THW 比车间时距THW的每个最频值短的一侧，即在更危险方向上分布的车间时距THW的概率。分 布利用下式(41)和(42)计算更危险侧的基准分布的概率F^与比较分布的概率F。。mp。
阔& =(式41) F 二^ 〖X)(式42) 利用下式(43)计算"此刻"相对于"今日"的偏离度Distdiff 。
Distdiff = F,-Fstd (式43) 这表明，随着偏离度Distdiff朝正方向增大，"此亥lJ"的驾驶者的操作偏向车间时距 THW比"今日"的车间时距THW短的方向，S卩，偏向危险方向。这表明，随着偏离度Distdiff朝 负方向增大，"此刻"的驾驶者的操作偏向车间时距THW比"今日"的车间时距THW长的方 向，即，偏向危险程度低的方向。当驾驶者始终处于具有相同跟随特性的操作状态时，偏离 度Dist做f变为零。 在步骤S628中，控制器100还计算"此刻"相对于"通常"的偏离度Distdiff。在该 情况下，使用"通常"的车间时距THW的分布作为表示长时间段行为分布的基准分布，并且 使用"此刻"的车间时距THW的分布作为表示短时间段行为分布的比较对象分布。于是，控 制器100使用更危险侧的"通常"的概率Fstd和"此刻"的概率F。。mp通过上述式(43)来计 算"此刻"相对于"通常"的偏离度Distdiff 。 这样，在步骤S628中，控制器100计算"此刻"相对于"今日"的偏离度Dist做f，然 后控制流程转入步骤S630。在步骤S630中，与在步骤S628中执行的处理情况相同，控制 器100计算"今日"相对于"通常"的偏离度Distdiff。要注意的是，在这里使用"通常"的车 间时距THW的分布作为基准分布，并且使用"今日"的车间时距THW的分布作为比较对象分 布。 在步骤S632中，与在步骤S628中执行的处理情况相同，控制器100计算"通常"相 对于"公众"的偏离度Distdiff。要注意的是，在这里使用"公众"的车间时距THW的分布作 为基准分布，并且使用"通常"的车间时距THW的分布作为比较对象分布。预先设定合适的 值作为"公众"的跟随特性值的固定值，即比最频值更危险的一侧的概率Fstd的固定值。
这样，在利用多个不同时间跨度上获得的数据在步骤S620中执行驾驶者驾驶诊
40断之后，控制流程转入步骤S640。要注意的是，为了简单起见，"此刻"相对于"通常"的偏离 度Distdiff将表示为Dist_la，"此刻"相对于"今日"的偏离度Distdiff将表示为Dist_lb， "今日"相对于"通常"的偏离度Distdiff将表示为Dist_2，"通常"相对于"公众"的偏离度 Distdiff将表示为Dist_3。 在步骤S640中，控制器100基于步骤S620中的驾驶诊断结果确定是否执行警报 表达处理。这里，控制器100判断在步骤S628中计算出的"此刻"相对于"通常"的偏离度 Distja、"此刻"相对于"今日"的偏离度Dist_lb以及在步骤S630中计算出的"今日"相 对于"通常"的偏离度Dist—2是否大于用于判断是否表达警报的阈值(例如0.30)。当偏 离度Distja、或Distjb、或Dist_2大于阈值时，控制流程转入步骤S650，从而控制器100 向驾驶者表达警报。向驾驶者表达的警报内容与上述第四实施例中的相同。在表达警报之 后，控制器IOO终止处理。 如果在步骤S640中作出否定判断并且没有表达警报，则控制流程转入步骤S660， 并且控制器100基于步骤S620中的驾驶诊断结果判断是否执行指示表达处理。这里，控制 器100判断在步骤S632中计算出的"通常"相对于"公众"的偏离度Dist 3是否小于表达 指示(改进建议)的阈值(例如0. 07)。表达指示(改进建议)的阈值是预先适当地设定 的值，该值位于同一驾驶者的偏离度基本上始终落入的范围内。 如果Dist_3小于阈值，则控制流程转入步骤S670，并且控制器100向驾驶者表达 指示。向驾驶者表达的指示内容与上述第一实施例中的相同。在表达指示之后，控制器ioo 终止处理。 这样，在上述第六实施例中，检测驾驶者的安全意识和操作偏好特性作为用于驾 驶诊断的指标。更具体地说，计算本车跟随前车时本车与前车的车间时距THW。因为车间时 距THW表示在本车到达前车的当前位置之前的时间，因此利用车间时距THW作为表示本车 跟随前车时驾驶者的特性的指标，可以在跟随行驶场景中确保准确的驾驶诊断。
第七实施例 现在将说明根据本发明第七实施例的车辆驾驶辅助系统。图41是示出根据本发 明第七实施例的车辆驾驶辅助系统6的结构的控制图。在图41中，与图1所示第一实施例 中的单元具有相同功能的单元将被分配相同的附图标记，并且省略其说明。因此，下面将主
要说明与第一实施例的不同点。 根据第七实施例的车辆驾驶辅助系统6包括激光雷达10、前方照相机15、车速传 感器30、加速度传感器35、导航系统50、加速踏板行程传感器55、控制器400、扬声器130以 及显示单元180等。 前方照相机15是安装在前车窗顶部的小型CCD照相机、CMOS照相机等，检测前方 的交通状况作为图像。控制器400对从前方照相机15接收到的图像信号进行图像处理，并 且检测车辆前方区域中的车道标线等。要注意的是，前方照相机15检测的区域为相对于车 辆纵向中心线水平地大约士30度的范围，该区域中所包含的前方道路风景被拍摄为图像。 加速度传感器35为检测车辆纵向加速度并且将检测到的纵向加速度输出到控制器400的 传感器。 在第七实施例中，控制器400检测车辆起动时的驾驶特性并且利用检测到的驾驶 特性作为指标执行驾驶诊断。
现在将参考图42详细说明根据第七实施例的车辆驾驶辅助系统6的操作。图42 是示出第七实施例中的控制器400执行的驾驶辅助控制处理的流程的流程图。该处理以恒 定间隔连续执行，例如每5毫秒执行一次。 首先，在步骤S700中检测车辆行驶状态。这里，控制器400获得由车速传感器30 检测到的车速V、由激光雷达10检测到的前车存在与否、以及由加速度传感器35检测到的 纵向加速度xg，作为车辆行驶状态。将纵向加速度xg除以9.8m/s2来计算G值。另外，对 纵向加速度xg进行时间微分来计算加加速度值。纵向加速度xg和加加速度值是表示在车 辆起动时的乘坐质量和不适感的主要指标。 在步骤S705中，检测驾驶者的操作状态。这里，控制器400获得由加速踏板行程 传感器55检测到的加速踏板操作量作为驾驶者的操作状态。另外，对加速踏板操作量进行 时间微分来计算加速踏板操作速度。 在步骤S706中，获得车辆现在所处的道路状态。更具体地说，控制器400利用由
导航系统50和前方照相机15得到的图像获得车辆现在所处的道路形状。 在步骤S710中，确定车辆交通场景。通过对车辆行驶状态和驾驶者操作状态施加
限制条件，可以提高驾驶诊断的准确性，并且在响应驾驶诊断结果向驾驶者提高信息时，为
了减小驾驶者的不适感，确定车辆交通场景，从而仅仅在特定的交通场景中执行驾驶诊断。
更具体地说，仅仅在本车从停止状态起动进入前方无障碍物状态的交通场景中执行驾驶诊断。 单独起动的交通场景的条件的实例如下
(a)在激光雷达10的检测区域中不存在前车；
(b)车辆现在所处的道路基本上是直道(R > 800m); (c)车辆刚刚从停止状态起动(车速为Okm/h)(例如起动后10秒以内)。
当条件(a)至(c)都满足时，控制器400确定车辆交通场景为车辆单独起动的单 独起动交通场景，并且控制器400的控制流程转入步骤S712，以便控制器400执行驾驶诊 断。另一方面，在条件(a)至(c)中的任一条没有满足的情况下，控制器400确定车辆交通 场景不对应于特定交通场景，不执行驾驶诊断，并且终止处理。 在步骤S712中，确定行驶位置。在步骤S714中，记录当前时间。在步骤S715中， 控制器400计算车辆从停止状态起动之后10秒以内的起动加速特性指标。起动加速特性 指标例如包括纵向加速度xg、G值、加加速度值、加速踏板操作量、加速踏板操作速度等。这 里，以使用纵向加速度xg的情况为例进行说明。 在步骤S716中，控制器400基于步骤S712和S714中的标记结果存储用于执行驾 驶者驾驶诊断的数据。这里，例如，当前时间，即车辆在该链段中行驶的时间、行驶距离、该 链段中的起动加速特性指标、在该链段中行驶的次数等写入到每个链段ID的结构中，从而 生成交通道路数据库。 在接下来的步骤S720中，使用在步骤S716中存储的数据执行驾驶者驾驶诊断。驾 驶诊断是基于在单独起动交通场景下的加速特性来执行的。在驾驶诊断处理中，使用图4 所示数据结构的层A至层D中各层的数据来确定不同时间跨度上的驾驶者操作，S卩"此刻"、 "今日"和"通常"的驾驶者操作。下面将参考图43详细说明在步骤S720中执行的驾驶诊 断处理。
在步骤S722中，计算"此刻"的驾驶者的加速特性值，从而执行驾驶者"此刻"的 驾驶诊断。控制器400计算在定义"此刻"的预定时间段内纵向加速度xg的平均值Mean— x(n)和标准差Stdev—x(n)，作为驾驶者的加速特性值。这里，定义"此刻"的预定时间段为 例如最近的3次起动，并且利用在最近的3次起动中检测到的数据(数据数目1( = 3)来计 算纵向加速度xg的平均值Mean_x (n)和标准差Stdev_X (n)。与第一实施例中的情况一样， 分别利用式(5)和式(7)来计算平均值Mean—x(n)和标准差Stdev_X(n)。
在步骤S724中，为了执行驾驶者"今日"的驾驶诊断，控制器400计算"今日"的驾 驶者的加速特性值，即，在定义"今日"的预定时间段内纵向加速度xg的平均值Mean—x(n) 和标准差StdeV_X(n)。这里，定义"今日"的预定时间段为例如最近的18次起动，并且利 用在最近的18次起动中检测到的数据(数据数目1(= 18)来计算纵向加速度xg的平均值 Mean_x (n)和标准差Stdev_x (n)。 在步骤S726中，为了执行驾驶者"通常"的驾驶诊断，控制器400计算"通常"的驾 驶者的加速特性值，即，在定义"通常"的预定时间段内纵向加速度xg的平均值Mean—x(n) 和标准差Stdev_X (n)。这里，定义"通常"的预定时间段为例如最近的108次起动，并且利 用在最近的108次起动中检测到的数据(数据数目1(= 108)来计算纵向加速度xg的平均 值Mean_x (n)和标准差Stdev_x (n)。 更具体地说，与"此刻"的情况一样，利用式(5)和(7)来计算平均值Mean_x (n)和 标准差Stdev_x (n)。 在接下来的步骤S728的处理中，利用在步骤S722、 S724和S726中计算出的加速 特性值执行驾驶者驾驶诊断。这里，将基于不同时间跨度上获得的数据的驾驶者驾驶特性 分别进行比较，从而基于两个驾驶特性的偏离程度来诊断驾驶者的驾驶操作。换句话说，在 如图4所示的数据结构中，将上层(例如层A)与下层(例如层B)进行比较以执行驾驶诊 断。 首先，在步骤S728中，控制器400计算表示"此亥『的驾驶者的驾驶特性相对于"今 日"的驾驶者的驾驶特性的偏离程度的偏离度。这里，"此刻"相对于"今日"的偏离度表示 "今日"的纵向加速度xg的分布与"此亥IJ"的纵向加速度xg的分布之间的差异。为了计算 "此刻"相对于"今日"的偏离度，使用"今日"的纵向加速度xg的分布作为表示长时间段行 为分布的基准分布，并且使用"此刻"的纵向加速度xg的分布作为表示短时间段行为分布 的比较对象分布。这里，与第一实施例的情况一样，使用上述式(13)或式(16)来计算偏离 度Dist做f。 这样，在步骤S728中，控制器400计算"此刻"相对于"今日"的偏离度Distdiff以 及"此刻"相对于"通常"的偏离度Distdiff，然后控制流程转入步骤S730。在步骤S730中， 与在步骤S728中执行的处理情况相同，控制器400计算"今日"相对于"通常"的偏离度 Distdiff。要注意的是，在这里使用"通常"的纵向加速度xg的分布作为表示长时间段行为 分布的基准分布，并且使用"今日"的纵向加速度xg的分布作为表示短时间段行为分布的 比较对象分布。 在步骤S732中，与在步骤S728中执行的处理情况相同，计算"通常"相对于"公众" 的偏离度Distdiff。要注意的是，在这里使用"公众"的纵向加速度xg的分布作为表示长时 间段行为分布的基准分布，并且使用"通常"的纵向加速度xg的分布作为表示短时间段行为分布的比较对象分布。预先设定合适的值作为"公众"的加速特性值的固定值，即作为单 独起动时的纵向加速度xg的平均值和标准差的固定值。 在步骤S733中，将过去检测到的"今日"的起动加速特性与本次检测到的"今日" 的起动加速特性进行比较来计算"此刻"相对于"过去"的偏离度Distdiff。更具体地说，使 用在最近时间段(例如昨天)检测到的"今日"的加速度xg的分布作为表示长时间段行为 分布的基准分布，使用本次检测到的"今日"的加速度xg的分布作为表示短时间段行为分 布的比较对象分布，并且使用上述式(13)或式(16)来计算偏离度Distdiff。
这样，在利用多个不同时间跨度上获得的数据在步骤S720中执行驾驶者驾驶诊 断之后，控制流程转入步骤S740。要注意的是，为了简单起见，"此刻"相对于"今日"的偏 离度Distdiff将表示为Dist_l，"今日"相对于"通常"的偏离度Distdiff将表示为Dist_2， "通常"相对于"公众"的偏离度Distdiff将表示为Dist_3，"本次今日"相对于"过去今日" 的偏离度Distdiff将表示为Dist_4。 在步骤S740中，控制器400基于步骤S720中的驾驶诊断结果确定是否执行警报 表达处理。这里，控制器400判断在步骤S728中计算出的"此刻"相对于"今日"的偏离度 Dist_l，在步骤S730中计算出的"今日"相对于"通常"的偏离度Dist_2，或者在步骤S733 中计算出的"本次今日"相对于"过去今日"的偏离度Dist_4是否大于用于判断是否表达 警报的阈值(例如O. 30)。当偏离度DistJ、或Dist—2、或Dist—4大于阈值时，控制流程转 入步骤S750，从而控制器400向驾驶者表达警报。在表达警报之后，控制器400终止处理。
图44示出以视觉信息表达警报的显示的一个实例。该显示使得能够将今日的起 动加速度的趋势(获得的中等时间段的数据结果)与通常的起动加速度的趋势(获得的长 时间段的数据结果)进行比较。图44示出今日的加速度趋向于高于通常的加速度。
在以声音信息执行警报表达的情况下，根据偏离度从扬声器130输出声音信息。 例如，在"今日"相对于"通常"的偏离度Dist_2大于阈值的情况下，输出语音"起动加速度 高于通常"。在"此刻"相对于"今日"的偏离度Dist_l大于阈值的情况下，输出语音"起动 加速度高"。在"本次今日"相对于"过去今日"的偏离度Dist—4大于阈值的情况下，输出语 音"起动加速度高于过去"。 如果在步骤S740中作出否定判断并且没有表达警报，则控制流程转入步骤S760， 并且控制器400基于步骤S720中的驾驶诊断结果判断是否执行指示表达处理。这里，判断 在步骤S732中计算出的"通常"相对于"公众"的偏离度Dist_3是否小于用于判断是否表 达指示(改进建议)的阈值(例如0. 07)。 如果Dist_3小于阈值，则控制流程转入步骤S770，并且控制器400向驾驶者表达 指示(改进建议)。在表达指示之后，控制器400终止处理。图45示出以视觉信息表达指 示的显示的一个实例。该显示使得能够将驾驶者通常的起动加速度与公众的起动加速度进 行比较。图45示出驾驶者的起动加速度低于公众的起动加速度。另外，可以将"通常"的 偏离度Dist_3转换为分数并显示出来。更具体地说，在显示单元180上显示通过将偏离度 Dist_3的符号颠倒并加50得到的值作为驾驶者的通常驾驶操作的分数。
在以声音信息执行指示表达的情况下，例如可以输出语音"分析结果表明您的起 动加速度低于公众的起动加速度"，从而通知驾驶者其倾向于习惯地以低的车速起动并且 赞扬驾驶者的驾驶操作。另外，可以使用如图9所示的二维图显示驾驶诊断结果。
这样，在上述第七实施例中，除了根据第一实施例至第六实施例的有益效果之外， 还可以获得如下操作和有益效果。 检测驾驶者的安全意识和操作偏好特性作为用于驾驶诊断的指标。更具体地说， 因为控制器400使用车辆起动时的纵向加速度xg的最大值，因此可以在不存在前车的情况 下在车辆起动时执行准确的驾驶诊断。
第八实施例 现在将说明根据本发明第八实施例的车辆驾驶辅助系统。根据第八实施例的车辆 驾驶辅助系统的基本结构与图l所示第一实施例的车辆驾驶辅助系统的基本结构相同。因 此，下面将主要说明与第一实施例的不同点。要注意的是，在第八实施例的车辆驾驶辅助系 统中可以不使用加速踏板行程传感器55。 在第八实施例中，在车辆正跟随前车的状态下当驾驶者踩下制动踏板时检测驾驶 特性，并且利用检测到的驾驶特性作为指标执行驾驶诊断。 现在将参考图46详细说明根据第八实施例的车辆驾驶辅助系统4的操作。图46 是示出第八实施例中的控制器300执行的驾驶辅助控制处理的流程的流程图。该处理以恒 定间隔连续执行，例如每50毫秒执行一次。 首先，在步骤S800中检测车辆行驶状态。这里，控制器300获得由车速传感器30 检测到的车速V、由激光雷达10检测到的本车与前车之间的车间距离D和相对车速Vr，作 为车辆行驶状态。在步骤S802中，检测驾驶者的操作状态。这里，控制器300获得由制动 踏板行程传感器60检测到的制动踏板操作量、以及由转向信号开关65检测到的转向信号 杆被操作与否，作为驾驶者的操作状态。在步骤S804中，为了确定后面描述的车辆交通场 景，使用上述式(1)和(2)来计算本车与前车之间的接触时间TTC和车间时距THW。
在步骤S806中，判断是否踩下了制动踏板。例如，在制动踏板操作量大于零的情 况下，控制器300判断踩下了制动踏板。如果制动踏板被踩下，则控制流程转入步骤S810， 如果制动踏板未被踩下，则控制器300终止处理。要注意的是，在下面的描述中，对于制动 踏板被踩下的状态将称为制动操作时刻。 在步骤S810中，确定车辆交通场景。通过对车辆行驶状态和驾驶者操作状态施加 限制条件，可以提高驾驶诊断的准确性，并且在响应驾驶诊断结果向驾驶者提供信息时，为 了减小驾驶者的不适感，确定车辆交通场景，从而仅仅在特定的交通场景中执行驾驶诊断。 更具体地说，仅仅在如下交通场景中执行驾驶诊断即，在本车稳定地跟随同一前车的状态 下驾驶者正在操作制动踏板。 稳定跟随的行驶场景的条件的实例如下 (a)本车跟随同一前车(例如，当前车间距离与前次测量的车间距离之间的差值 小于4米)； (b)本车没有快速接近(例如，接触时间TTC大于10秒)； (c)车间时距THW小于预定值(例如，车间时距THW小于4秒); (d)驾驶者没有进行操作转向信号杆操作(例如，没有从转向信号开关65接收到
ON信号)； (e)上述状态(a)至(d)保持(例如，保持5秒或更长时间)。 当条件(a)至(e)都满足时，控制器300确定车辆的交通场景为稳定跟随行驶场景，并且控制流程转入步骤S812，以便控制器300执行驾驶诊断。另一方面，在条件(a)至 (e)中的任一条没有满足的情况下，控制器300确定车辆交通场景不对应于特定交通场景， 不执行驾驶诊断，并且终止处理。要注意的是，控制器300确定车辆是否处于稳定跟随行驶 场景的条件不限于上述条件(a)至(e)。另外，可以用其它检测手段检测是否进行了制动操 作、以及是否进行了转向信号杆操作。 在步骤S812中，确定行驶位置。在步骤S814中，记录当前时间。在步骤S816中， 控制器300基于步骤S812和S814中的标记结果存储用于执行驾驶者驾驶诊断的数据。这 里，例如当前时间，即车辆在链段中行驶的时间、行驶距离、链段中的驾驶特性指标、在链段 中行驶的次数等写入到每个链段ID的结构中，从而生成交通道路数据库。在第八实施例 中，使用制动操作时计算的接触时间TTC的最小值(最小接触时间)作为表示驾驶者驾驶 特性的物理量。 在接下来的步骤S820中，使用在步骤S816中存储的数据执行驾驶者驾驶诊断。驾 驶诊断是基于在稳定跟随行驶状态下驾驶者踩下制动踏板时的驾驶者驾驶特性来执行的。 制动操作时的驾驶特性例如包括本车和前车的车间时距THW、车间时距THW的倒数1/THW、 车间距离D、车间距离的倒数等。在第八实施例中，以使用驾驶者踩下制动踏板时的最小接 触时间TTC的情况为例进行说明。 在驾驶诊断处理中，使用图4中所示数据结构的层A至层D中各层的数据来确定 不同时间跨度上的驾驶者操作，即"此刻"、"今日"和"通常"的驾驶者操作。下面将参考图 47的流程图详细说明在步骤S820中执行的驾驶诊断处理。 在步骤S822中，计算"此刻"的驾驶者的驾驶特性值，从而执行驾驶者"此刻"的驾 驶诊断。控制器300计算在定义"此刻"的预定时间段内的制动操作时的最小接触时间TTC 的平均值Mean_X (n)和标准差Stdev_X (n)，作为驾驶者的驾驶特性值。这里，定义"此刻" 的预定时间段为例如60秒，并且利用在步骤S810中确定的稳定跟随行驶状态中制动操作 时检测到的从过去到现在的60秒的数据来计算最小接触时间TTC的平均值Mean—x(n)和 标准差Stdev—x(n)。与第七实施例中的情况一样，分别利用式(5)和式(7)来计算平均值 Mean_x (n)和标准差Stdev_x (n)。 在步骤S824中，为了执行驾驶者"今日"的驾驶诊断，控制器300计算"今日"的 驾驶者的驾驶特性值，即，在定义"今日"的预定时间段内的制动操作时的最小接触时间TTC 的平均值Mean—x (n)和标准差Stdev_X (n)。这里，定义"今日"的预定时间段为例如360秒， 并且利用在步骤S810中确定的稳定跟随行驶状态中制动操作时检测到的从过去到现在的 360秒的数据来计算最小接触时间TTC的平均值Mean—x(n)和标准差Stdev_X(n)。
更具体地说，与"此刻"的情况一样，利用式(5)和(7)来计算平均值Mean_x (n)和 标准差Stdev—x(n)。这里，数据数目K = 1800，其中"今日"的预定时间为360秒并且采样 数目为5Hz。 在步骤S826中，为了执行驾驶者"通常"的驾驶诊断，控制器300计算"通常"的 驾驶者的驾驶特性值，即，在定义"通常"的预定时间段内的制动操作时的最小接触时间TTC 的平均值Mean_x (n)和标准差Stdev_x(n)。这里，定义"通常"的预定时间段为例如2160 秒，并且利用在步骤S810中确定的稳定跟随行驶场景中制动操作时检测到的从过去到现 在的2160秒的数据来计算最小接触时间TTC的平均值Mean—x(n)和标准差Stdev_X(n)。
更具体地说，与"此刻"的情况一样，利用式(5)和(7)来计算平均值Mean_x (n)和 标准差Stdev—x(n)。这里，数据数目K = 10800，其中"通常"的预定时间为2160秒并且采 样数目为5Hz。 在接下来的步骤S828的处理中，利用在步骤S822、 S824和S826中计算出的驾驶 特性值执行驾驶者驾驶诊断。这里，将基于不同时间跨度上获得的数据的驾驶者驾驶特性 分别进行比较，从而基于两个驾驶特性的偏离程度来诊断驾驶者的驾驶操作。换句话说，在 如图4所示的数据结构中，将上层(例如层A)与下层(例如层B)进行比较以执行驾驶诊 断。 首先，在步骤S828中，控制器300计算表示"此刻"的驾驶者的驾驶特性相对于"今 日"的驾驶者的驾驶特性的偏离程度的偏离度。这里，"此刻"相对于"今日"的偏离度表示 "今日"的制动操作时的最小接触时间TTC的分布与"此亥lj"的制动操作时的最小接触时间 TTC的分布之间的差异。为了计算"此刻"相对于"今日"的偏离度，使用"今日"的制动操 作时的最小接触时间TTC的分布作为表示长时间段行为分布的基准分布，并且使用"此刻" 的制动操作时的最小接触时间TTC的分布作为表示短时间段行为分布的比较对象分布。
这里，与第一实施例的情况一样，使用上述式(13)或式(16)来计算偏离度 Distdiff。此外，还计算"此刻"相对于"通常"的偏离度Distdiff。在该情况下，使用"通常" 的制动操作时的最小接触时间TTC的分布作为表示长时间段行为分布的基准分布，并且使 用"此亥lj"的制动操作时的最小接触时间TTC的分布作为表示短时间段行为分布的比较对 象分布。于是，使用"通常"的累积分布的概率Fstd(x)禾P"此刻"的累积分布的概率F。。mp(x) 通过上述式(13)或式(16)来计算"此刻"相对于"通常"的偏离度Distdiff。
这样，在步骤S828中计算出"此刻"相对于"今日"的偏离度Distdiff以及"此刻" 相对于"通常"的偏离度Distdiff之后，控制流程转入步骤S830。在步骤S830中，与在步骤 S828中执行的处理情况相同，计算"今日"相对于"通常"的偏离度Distdiff。要注意的是， 在这里使用"通常"的制动操作时的最小接触时间TTC的分布作为表示长时间段行为分布 的基准分布，并且使用"今日"的制动操作时的最小接触时间TTC的分布作为表示短时间段 行为分布的比较对象分布。 在接下来的步骤S832中，与在步骤S828中执行的处理情况相同，计算"通常"相 对于"公众"的偏离度Distdiff。要注意的是，在这里使用"公众"的制动操作时的最小接触 时间TTC的分布作为表示长时间段行为分布的基准分布，并且使用"通常"的制动操作时的 最小接触时间TTC的分布作为表示短时间段行为分布的比较对象分布。预先设定合适的值 作为"公众"的驾驶特性值的固定值，即作为制动操作时的最小接触时间TTC的平均值和标 准差的固定值。 这样，在利用多个不同时间跨度上获得的数据在步骤S820中执行驾驶者驾驶诊 断之后，控制流程转入步骤S840。要注意的是，为了简单起见，"此刻"相对于"通常"的偏离 度Distdiff将表示为Dist_la，"此刻"相对于"今日"的偏离度Distdiff将表示为Dist_lb， "今日"相对于"通常"的偏离度Distdiff将表示为Dist_2，"通常"相对于"公众"的偏离度 Distdiff将表示为Dist_3。 在步骤S840中，控制器300基于步骤S820中的驾驶诊断结果确定是否执行警报 表达处理。这里，控制器300判断在步骤S828中计算出的"此刻"相对于"通常"的偏离度Distja、或"此刻"相对于"今日"的偏离度Distjb、或在步骤S830中计算出的"今日"相 对于"通常"的偏离度Dist_2是否大于用于判断是否执行警报表达的阈值(例如0. 30)。 当偏离度DistJa、或DistJb、或Dist—2大于阈值时，控制流程转入步骤S850，并且控制器 300向驾驶者执行警报表达。在执行警报表达之后，控制器300终止处理。
例如，在"今日"相对于"通常"的偏离度Dist—2大于阈值的情况下，与蜂鸣音一起 从扬声器130发出语音"您的制动操作存在一定的延迟"。语音信息内容设定为通知驾驶者 其当前在制动踏板操作方面存在延迟，或者鼓励驾驶者加快制动操作。要注意的是，实际的 语音信息不限于此。当"此刻"相对于"通常"的偏离度Dist_la或"此刻"相对于"今日" 的偏离度Dist_lb大于阈值时，也可以发出预先设定的合适的语音信息。
如果在步骤S840中作出否定判断并且没有表达警报，则控制流程转入步骤S860， 并且控制器300基于步骤S820中的驾驶诊断结果判断是否执行指示表达处理。这里，判断 在步骤S832中计算出的"通常"相对于"公众"的偏离度Dist_3是否小于用于判断是否表 达指示(改进建议)的阈值(例如0. 07)。 如果Dist_3小于阈值，则控制流程转入步骤S870，并且控制器300向驾驶者表达 指示。在表达指示之后，控制器300终止处理。例如，控制器350输出赞扬驾驶者的驾驶操 作的显示和语音，作为指示表达内容。例如，将"通常"的偏离度Dist_3转换为分数并显示 出来。更具体地说，在显示单元180上显示通过将偏离度Dist_3的符号颠倒并加50得到 的值作为驾驶者的通常驾驶操作的分数。换句话说，在制动操作方面存在一定延迟的驾驶 者得到50分或更低，而进行快速稳定的制动操作的优秀驾驶者得到50分或更高。要注意 的是，该分数是在1至100的范围内表达的，如果通过转换偏离度Dist—3而得到的分数大 于IOO，则显示的分数为100分；如果通过转换偏离度Dist—3而得到的分数小于O，则向驾 驶者显示的分数为O分。 要注意的是，可以以语音建议改进。这样，控制器300输出显示和语音以便使驾驶 者知道驾驶者的跟随驾驶特性优于公众驾驶者的跟随驾驶特性，并且鼓励驾驶者保持良好 的驾驶操作，或者改进其操作。另外，可以使用如图9所示的二维图显示驾驶诊断结果。
这样，在上述第八实施例中，除了根据第一实施例至第七实施例的有益效果之外， 还可以获得如下操作和有益效果。 检测驾驶者的危险容许度作为用于驾驶诊断的指标。更具体地说，控制器300使 用制动操作时本车与前车之间的接触时间TTC的最小值。接触时间TTC表示当本车的车速 V和相对车速Vr恒定时本车与前车彼此接触之前的时间长度。通过计算出在本车跟随前车 的状态下驾驶者执行制动操作的情况下接触时间TTC减小的程度，并且使用其作为驾驶者 特性的指标，可以对在跟随行驶场景中执行制动操作的情况执行准确的驾驶诊断。
第九实施例 现在将说明根据本发明第九实施例的车辆驾驶辅助系统。根据第九实施例的车辆 驾驶辅助系统的基本结构与图l所示第一实施例的车辆驾驶辅助系统的基本结构相同。因 此，下面将主要说明与第一实施例的不同点。要注意的是，在第九实施例的车辆驾驶辅助系 统中可以不使用加速踏板行程传感器55。 在第九实施例中，检测车辆超越前车时的驾驶特性，并且利用检测到的驾驶特性 作为指标执行驾驶诊断。
48
现在将参考图48详细说明根据第九实施例的车辆驾驶辅助系统4的操作。图48 是示出第九实施例中的控制器300执行的驾驶辅助控制处理的流程的流程图。该处理以恒 定间隔连续执行，例如每50毫秒执行一次。 首先，在步骤S900中检测车辆行驶状态。这里，控制器300获得由车速传感器30 检测到的车速V、由激光雷达10检测到的本车与前车之间的车间距离D和相对车速Vr，作 为车辆行驶状态。另外，从导航系统50获得车辆行驶的道路的信息。在步骤S902中，检测 驾驶者的操作状态。这里，控制器300获得由制动踏板行程传感器60检测到的制动踏板操 作量、以及由转向信号开关65检测到的转向信号杆被操作与否，作为驾驶者的操作状态。 在步骤S904中，为了确定后面描述的车辆交通场景，使用上述式(1)和(2)来计算本车与 前车之间的接触时间TTC和车间时距THW。 在步骤S906中，判断车辆是否正在执行超车操作。更具体地说，当车辆正沿着每 个方向具有两个或更多个车道的道路行驶时，判断车辆是否处于如下状态转向信号杆被 操作，并且车辆正在加速并超越前方障碍物。例如，基于从导航系统50获得的道路信息检 测到车辆正沿着每个方向具有两个或更多个车道的道路行驶，并且在转向信号杆被操作的 情况下，控制器300判定车辆正在执行超车操作。如果车辆正在执行超车操作，则控制流程 转入步骤S910，如果车辆没有进行超车，则控制器300终止处理。 在步骤S910中，确定车辆交通场景。通过对车辆行驶状态和驾驶者操作状态施加 限制条件，可以提高驾驶诊断的准确性，并且在响应驾驶诊断结果向驾驶者提供信息时，为 了减小驾驶者的不适感，确定车辆交通场景，从而仅仅在特定的交通场景中执行驾驶诊断。 更具体地说，仅仅在如下交通场景中执行驾驶诊断即，在本车稳定地跟随同一前车的状态 下执行超车操作。 稳定跟随的行驶场景的条件的实例如下 (a)本车跟随同一前车(例如，当前车间距离与前次测量的车间距离之间的差值 小于4米)； (b)本车没有快速接近(例如，接触时间TTC大于10秒)； (c)车间时距THW小于预定值(例如，车间时距THW小于4秒); (d)驾驶者没有执行制动操作(例如，制动踏板操作量基本上为零)； (e)上述状态(a)至(d)保持(例如，保持5秒或更长时间)。 当条件(a)至(e)都满足时，控制器300确定车辆的交通场景为稳定跟随行驶场
景，并且控制流程转入步骤S912，以便控制器300执行驾驶诊断。另一方面，在条件(a)至
(e)中的任一条没有满足的情况下，控制器300确定车辆交通场景不对应于特定交通场景，
不执行驾驶诊断，并且终止处理。要注意的是，控制器300确定车辆是否处于稳定跟随行驶
场景的条件不限于上述条件(a)至(e)。另外，可以用其它检测手段检测是否进行了制动操
作、以及是否进行了转向信号杆操作。 在步骤S912中，确定行驶位置。在步骤S914中，记录当前时间。在步骤S916中， 控制器300基于步骤S912和S914中的标记结果存储用于执行驾驶者驾驶诊断的数据。这 里，例如当前时间，即车辆在链段中行驶的时间、行驶距离、链段中的驾驶特性指标、在链段 中行驶的次数等写入到每个链段ID的结构中，从而生成交通道路数据库。在第九实施例 中，使用执行超车操作时检测到的车间距离D的最小值(最小车间距离)作为表示驾驶者
49驾驶特性的物理量。 在接下来的步骤S920中，使用在步骤S916中存储的数据执行驾驶者驾驶诊断。驾 驶诊断是基于在稳定跟随行驶状态下驾驶者超越前车时的驾驶者驾驶特性来执行的。超车 时的驾驶特性例如包括本车和前车的车间时距THW、车间时距THW的倒数1/THW、车间距离 D、车间距离的倒数等。这里，以使用驾驶者超越前车时的最小车间距离D的情况为例进行 说明。更具体地说，控制器300使用本车与本车在变换车道之前所行驶的车道中存在的前 车之间的车间距离。要注意的是，控制器300可以使用本车与本车在变换车道之后所行驶 的车道中存在的前车之间的车间距离。 在驾驶诊断处理中，使用图4中所示数据结构的层A至层D中各层的数据来确定 不同时间跨度上的驾驶者操作，即"此刻"、"今日"和"通常"的驾驶者操作。下面将参考图 49的流程图详细说明在步骤S920中执行的驾驶诊断处理。 在步骤S922中，计算"此刻"的驾驶者的驾驶特性值，从而执行驾驶者"此刻"的驾 驶诊断。控制器300计算在定义"此刻"的预定时间段内的超车时的最小车间距离D的平均 值Mean_x (n)和标准差Stdev_X (n)，作为驾驶者的驾驶特性值。这里，定义"此刻"的预定 时间段为例如60秒，并且利用在步骤S910中确定的稳定跟随行驶状态中超车时检测到的 从过去到现在的60秒的数据来计算最小车间距离D的平均值Mean—x(n)和标准差Stdev_ x(n)。与第一实施例中的情况一样，分别利用式(5)和式(7)来计算平均值Mean—x(n)和 标准差Stdev_x (n)。 在步骤S924中，为了执行驾驶者"今日"的驾驶诊断，控制器300计算"今日"的 驾驶者的驾驶特性值，即，在定义"今日"的预定时间段内的超车时的最小车间距离D的平 均值Mean_X (n)和标准差Stdev_X (n)。这里，定义"今日"的预定时间段为例如360秒，并 且利用在步骤S910中确定的稳定跟随行驶状态中超车时检测到的从过去到现在的360秒 的数据来计算最小车间距离D的平均值Mean—x(n)和标准差Stdev_X(n)。
更具体地说，与"此刻"的情况一样，利用式(5)和(7)来计算平均值Mean_x (n)和 标准差Stdev—x(n)。这里，数据数目K = 1800，其中"今日"的预定时间为360秒并且采样 数目为5Hz。 在步骤S926中，为了执行驾驶者"通常"的驾驶诊断，控制器300计算"通常"的 驾驶者的驾驶特性值，即，在定义"通常"的预定时间段内的超车时的最小车间距离D的平 均值Mean_x (n)和标准差Stdev_x (n)。这里，定义"通常"的预定时间段为例如2160秒，并 且利用在步骤S910中确定的稳定跟随行驶场景中超车时检测到的从过去到现在的2160秒 的数据来计算最小车间距离D的平均值Mean—x(n)和标准差Stdev_X(n)。
更具体地说，与"此刻"的情况一样，利用式(5)和(7)来计算平均值Mean_x (n)和 标准差Stdev—x(n)。这里，数据数目K = 10800，其中"通常"的预定时间为2160秒并且采 样数目为5Hz。 在接下来的步骤S928的处理中，利用在步骤S922、 S924和S926中计算出的驾驶 特性值执行驾驶者驾驶诊断。这里，将基于不同时间跨度上获得的数据的驾驶者驾驶特性 分别进行比较，从而基于两个驾驶特性的偏离程度来诊断驾驶者的驾驶操作。换句话说，在 如图4所示的数据结构中，将上层(例如层A)与下层(例如层B)进行比较以执行驾驶诊 断。
首先，在步骤S928中，控制器300计算表示"此刻"的驾驶者的驾驶特性相对于"今 日"的驾驶者的驾驶特性的偏离程度的偏离度。这里，"此刻"相对于"今日"的偏离度表示 "今日"的超车时的最小车间距离D的分布与"此亥lj"的超车时的最小车间距离D的分布之 间的差异。为了计算"此刻"相对于"今日"的偏离度，使用"今日"的超车时的最小车间距 离D的分布作为表示长时间段行为分布的基准分布，并且使用"此刻"的超车时的最小车间 距离D的分布作为表示短时间段行为分布的比较对象分布。 这里，与第一实施例的情况一样，使用上述式(13)或式(16)来计算偏离度 Distdiff。此外，还计算"此刻"相对于"通常"的偏离度Distdiff。在该情况下，使用"通常"的 超车时的最小车间距离D的分布作为表示长时间段行为分布的基准分布，并且使用"此刻" 的超车时的最小车间距离D的分布作为表示短时间段行为分布的比较对象分布。于是，使 用"通常"的累积分布的概率F^(x)和"此亥lj"的累积分布的概率F，p(x)通过上述式(13) 或式(16)来计算"此刻"相对于"通常"的偏离度Distdiff。 这样，在步骤S928中计算出"此刻"相对于"今日"的偏离度Distdiff以及"此刻" 相对于"通常"的偏离度Distdiff之后，控制流程转入步骤S930。在步骤S930中，与在步骤 S928中执行的处理情况相同，计算"今日"相对于"通常"的偏离度Distdiff。要注意的是， 在这里使用"通常"的超车时的最小车间距离D的分布作为表示长时间段行为分布的基准 分布，并且使用"今日"的超车时的最小车间距离D的分布作为表示短时间段行为分布的比 较对象分布。 在接下来的步骤S932中，与在步骤S928中执行的处理情况相同，计算"通常"相 对于"公众"的偏离度Distdiff。要注意的是，在这里使用"公众"的超车时的最小车间距离 D的分布作为表示长时间段行为分布的基准分布，并且使用"通常"的超车时的最小车间距 离D的分布作为表示短时间段行为分布的比较对象分布。预先设定合适的值作为"公众"的 驾驶特性值的固定值，即作为超车时的最小车间距离D的平均值和标准差的固定值。
这样，在利用多个不同时间跨度上获得的数据在步骤S920中执行驾驶者驾驶诊 断之后，控制流程转入步骤S940。要注意的是，为了简单起见，"此刻"相对于"通常"的偏离 度Distdiff将表示为Dist—la，"此刻"相对于"今日"的偏离度Distdiff将表示为Dist—lb， "今日"相对于"通常"的偏离度Distdiff将表示为Dist_2，"通常"相对于"公众"的偏离度 Distdiff将表示为Dist_3。 在步骤S940中，控制器300基于步骤S920中的驾驶诊断结果确定是否执行警报 表达处理。这里，判断在步骤S928中计算出的"此刻"相对于"通常"的偏离度DistJa、 或"此刻"相对于"今日"的偏离度Distjb、或在步骤S930中计算出的"今日"相对于"通 常"的偏离度Dist_2是否大于用于判断是否执行警报表达的阈值(例如0. 30)。当偏离度 Distja、或Distjb、或Dist—2大于阈值时，控制流程转入步骤S950，并且控制器300向驾 驶者执行警报表达。在执行警报表达之后，控制器300终止处理。 例如，在"今日"相对于"通常"的偏离度Dist—2大于阈值的情况下，与蜂鸣音一 起从扬声器130发出语音"您倾向于在超车时太靠近前车"。语音信息内容设定为通知驾 驶者其倾向于在超车时太靠近前车，并且鼓励驾驶者使车辆的车间距大于超车时的车间距 离。要注意的是，实际的语音信息不限于此。当"此刻"相对于"通常"的偏离度Distja或 "此亥『相对于"今日"的偏离度Distjb大于阈值时，也可以发出预先设定的合适的语音信息。 如果在步骤S940中作出否定判断并且没有表达警报，则控制流程转入步骤S960， 并且控制器300基于步骤S920中的驾驶诊断结果判断是否执行指示表达处理。这里，判断 在步骤S932中计算出的"通常"相对于"公众"的偏离度Dist_3是否小于用于判断是否表 达指示(改进建议)的阈值(例如0. 07)。 如果Dist_3小于阈值，则控制流程转入步骤S970，并且控制器300向驾驶者表达 指示。在表达指示之后，控制器300终止处理。例如，控制器300输出赞扬驾驶者的驾驶操 作的显示和语音，作为指示表达内容。例如，将"通常"的偏离度Dist_3转换为分数并显示 出来。更具体地说，在显示单元180上显示通过将偏离度Dist_3的符号颠倒并加50得到 的值作为驾驶者的通常驾驶操作的分数。换句话说，倾向于在超车时太靠近前车的驾驶者 得到50分或更低，而执行安全超车操作的优秀驾驶者得到50分或更高。要注意的是，该分 数是在1至100的范围内表达的，如果通过转换偏离度Dist—3而得到的分数大于100，则 显示的分数为100分；如果通过转换偏离度Dist—3而得到的分数小于O，则显示的分数为O 分。 要注意的是，可以以语音建议改进。这样，控制器300输出显示和语音以便使驾驶 者知道驾驶者的跟随驾驶特性优于公众驾驶者的跟随驾驶特性，并且鼓励驾驶者保持良好 的驾驶操作，或者改进其操作。另外，可以使用如图9所示的二维图显示驾驶诊断结果。
这样，在上述第九实施例中，除了根据第一实施例至第八实施例的有益效果之外， 还可以获得如下操作和有益效果。 检测驾驶者的危险容许度作为用于驾驶诊断的指标。更具体地说，控制器300使 用超车时本车与前车之间的车间距离D的最小值。控制器300使用当驾驶者操作转向信号 杆并且企图超越前车时本车与前车的接近程度作为表示驾驶者特性的指标。这允许在超车 场景中准确地执行驾驶诊断。
第十实施例 现在将说明根据本发明第十实施例的车辆驾驶辅助系统。图50是示出根据第十
实施例的车辆驾驶辅助系统2的控制图。 首先，现在说明车辆驾驶辅助系统2的结构。 转向角传感器5是安装在例如转向柱或方向盘(未示出)附近的角度传感器，利 用转向轴的旋转检测驾驶者进行转向的转向角。检测到的转向角被输出到控制器200。
前方照相机15是安装在前车窗顶部的小型CCD照相机、CMOS照相机等，检测前方 的交通状况作为图像。控制器200对从前方照相机15接收到的图像信号进行图像处理，并 且检测车辆前方区域中的车道标线等。要注意的是，前方照相机15检测的区域为相对于车 辆纵向中心线水平地大约士30度的范围，该区域中所包含的前方道路风景被拍摄为图像。
车速传感器30测量车轮转数或变速器输出侧的转数从而检测车速，并且将检测 到的车速输出到控制器200。 导航系统50是执行路线搜索、辅助路线选择等功能的系统，包括GPS接收器、地图 数据库、显示监视器等。根据经由GPS接收器获得的车辆当前位置和存储在地图数据库中 的道路信息，导航系统50获得与车辆所行驶的道路的等级、宽度等有关的信息。
控制器200是由CPU以及诸如ROM和RAM等CPU外围部件构成的电子控制单元，控制整个车辆驾驶辅助系统2。根据从转向角传感器5、前方照相机15、车速传感器30、导 航系统50等接收到的信号，控制器200分析驾驶者的驾驶特性并且执行驾驶诊断。然后， 控制器200根据驾驶诊断结果向驾驶者提供信息。提供给驾驶者的信息包括向驾驶者发出 的警报、对驾驶操作的改进建议等。后面将详细描述控制器200的控制内容。
扬声器130用于响应来自控制器200的信号而以蜂鸣音或语音向驾驶者提供信 息。显示单元180用于响应来自控制器200的信号而显示警报或对驾驶操作的改进建议。 例如，导航系统50的显示监视器、组合仪表等可以用作显示单元180。 接下来将说明根据第十实施例的车辆驾驶辅助系统2的操作，首先描述该系统的 概况。 车辆驾驶辅助系统2的控制器200根据车辆的行驶状态和驾驶者的驾驶操作执行
驾驶者的驾驶诊断，并且响应驾驶诊断结果向驾驶者发出警报并且建议驾驶者改进驾驶操
作。更具体地说，控制器200使用转向角信号来检测驾驶操作的不稳定状态并且执行驾驶
者的驾驶诊断。在第十实施例中，利用转向熵法检测驾驶操作的不稳定状态，该方法是利用
转向操作(转向角)的平滑度来计算驾驶者的驾驶操作的不稳定度的方法。 然后，如果驾驶诊断结果表明驾驶者正处于比其通常的驾驶更危险的驾驶状态，
即，如果驾驶者的驾驶操作偏向更危险状态，则控制器200向驾驶者发出警报，从而在驾驶
者的驾驶操作进入高度危险状态之前通知驾驶者。另一方面，如果驾驶诊断结果表明驾驶
者的驾驶操作比公众标准好，则控制器200向驾驶者提供信息从而鼓励更安全的驾驶或者
建议进行改进。 这样，第十实施例中的车辆驾驶辅助系统2包括三个功能即，通过驾驶诊断检测 驾驶者的驾驶操作的功能、响应检测结果向驾驶者发出警报的功能、以及响应检测结果向 驾驶者提供改进建议的功能。因此，车辆驾驶辅助系统2允许和鼓励驾驶者客观地了解自 己的驾驶特性，并且根据驾驶特性向驾驶者提供建议，从而使驾驶者可以学习到降低危险 的驾驶方法。 下面将说明转向熵法。 —般来说，当驾驶者没有集中注意力进行操作时，驾驶者没有进行转向的时间段 会比驾驶者集中注意力进行操作的正常操作过程中没有进行转向的时间段长，并且会累积 大的转向角误差。因此，当驾驶者再次将注意力集中在操作上时，转向调节量变大。转向熵 法关注于该特性并且使用a值作为特性值、以及参考a值计算的转向角熵Hp。通过将作 为基准的转向角熵与基于测量的转向角计算的转向角熵进行比较，检测相对于基准的驾驶 操作的不稳定状态。 要注意的是，a值是通过如下方式计算的结果的90% (包含转向误差的90%的 分布的范围)B卩，获得基于转向角的时间序列数据的给定时间段内的转向误差，即在假定 平滑地执行转向的情况下的转向角的估计值与实际转向角之间的差异，并且测量转向误差 的分布(变化)。 转向熵值，即Hp值表示转向误差分布的模糊度(不确定度)。与a值类似，当稳 定且平滑地执行转向时，Hp值变小，当生涩且不稳定地执行转向时，通过a值来修正Hp值， 并且可以使用Hp值作为不受驾驶者的技术或习惯影响的驾驶不稳定度。
在第十实施例中，将利用一般驾驶者群体的转向误差分布计算出的转向熵用作基利用测量的驾驶者的转向误差分布来计算转向角熵，并且通过检测驾驶者基 本具有的驾驶操作的不稳定状态来执行驾驶诊断。 要注意的是，因为转向误差受道路笔直度和驾驶者的负荷状态的影响，需要在驾 驶者处于无负荷状态时测量基准转向误差分布。因此，在第十实施例中，为了实现受这些 因素的影响的可能性更低，利用在沿着实质上为直道的笔直道路上行驶时获得的转向角数 据，并且基于在长时间段内测量的转向角数据来获得转向误差分布。 下面参考图51详细说明根据第十实施例的车辆驾驶辅助系统2的操作。图51是 示出第十实施例中的控制器200执行的驾驶辅助控制处理的流程的流程图。该处理以恒定 间隔连续执行，例如每50毫秒执行一次。 首先，在步骤S1011中，控制器200读取由转向角传感器5检测到的转向角信号 9 。在步骤S1013中，控制器200读取车辆行驶的道路的道路曲率信号P 。这里，可以利用 例如在导航系统50的道路地图数据库中所包含的道路曲率数据或道路笔直度信息来得到 车辆行驶的道路的道路曲率信号P。作为选择，可以根据通过对前方照相机15拍摄的车 辆前方图像进行图像处理而检测到的车道标线来计算道路曲率。在步骤S 1015中，控制器 200读取由车速传感器30检测到的车辆的车速信号V。 在接下来的步骤S 1017和S1019中，判断是否计算转向角熵。更具体地说，在步 骤S1017中，判断在步骤S1013中读取的道路曲率信号P是否小于用于判断车辆是否沿 着直道行驶的道路曲率预定值Po。当道路曲率信号P小于或等于预定值Po时，控制器 200判定车辆正沿着直道行驶，并且控制流程转入步骤S1019。当P > Po时，控制器200 终止处理。 在步骤S 1019中，判断在步骤S1015中读取的车速信号V是否大于预定值Vo。预 定值Vo是用于判断车辆是否正沿着除了具有很多障碍物的城市道路等之外的道路以稳定 车速行驶的阈值，例如Vo = 60km/h。当车速信号V大于预定值Vo时，控制流程转入步骤S 1021。当车速信号V小于或等于预定值Vo时，控制器200终止处理。 在步骤S 1021中，判断在道路曲率信号P小于或等于预定值Po并且车速信号V 大于预定值Vo的情况下测量的转向角信号e的样本数目n是否大于预定值Nl。这里，预定 值N1是用于判断是否已经得到受驾驶者的负荷状态影响的可能性低的数目足够的长时间 段数据的阈值，例如Nl = 100， 000。要注意的是，预测在大约3周的行驶期间获得100， 000 个数据。当样本数目n大于预定值Nl时，控制流程转入步骤S1023。当样本数目n小于或 等于预定值N1时，控制器200终止处理。 在步骤S 1023中，利用在长时间段内测量的转向角信号e计算转向角熵Hpl(下 文中称为长时间段转向角熵)。长时间段转向角熵Hpl是表示驾驶者基本具有的驾驶操作 的不稳定状态的值，并且是驾驶者的通常的不稳定度。 图52示出用于计算转向角熵的专用符号及其名称。转向角平滑值9n-tilde是 受量子化噪声影响小的转向角。转向角估计值9n-hat是通过在假定已经平滑执行转向的 情况下估计采样时的转向角而得到的值。如下式(44)所示，转向角估计值9n-hat是通过 关于转向角平滑值9 n-tilde进行二阶泰勒展开而得到的。
54<formula>formula see original document page 55</formula>(式44) 在式(44)中，tn表示转向角9 n的采样时间。 为了减小量子化噪声的影响，利用下式(45)计算转向角平滑值9n-tilde为三个 相邻转向角9n的平均值。 T<formula>formula see original document page 55</formula> 在式(45)中，在假定以150毫秒(即，人可以间断地手动操作的最小时间间隔) 的时间间隔计算转向角平滑值9 n-tilde的情况下，1表示在150毫秒中所包含的转向角 9n的样本数目。 当转向角9n的采样间隔由Ts表示时，由下式(46)表示样本数目1。
1 = round (0. 15/Ts)(式46) 在式(45)中，基于总共三个转向角9n，即以150毫秒为间隔的相邻三个转向角在 假定值k二 1，2，3的情况下通过(k*l)来计算转向角平滑值9n-tilde。因此，根据这样的 平滑值9n-tilde，计算出的估计值9n-hat是利用以实质上150毫秒间隔获得的转向角 9n计算的。 利用下式(47)计算采样时的转向误差作为在假定已经平滑执行转向的情况下的 转向角估计值9 n-hat与实际转向角e n之间的差异。
A 要注意的是，转向误差en是仅仅对每150毫秒(即，人可以间断地操作的最小时 间间隔)的转向角9n来计算的。 参考这些术语，下面将利用图53的流程图说明长时间段转向角熵Hpl的计算处理。 在步骤S1031中，控制器200收集在上述道路曲率和车速的条件下以采样间隔Ts 测量的n个转向角信号9n的时间序列数据。采样间隔Ts为例如50毫秒。
在步骤S 1032中，利用以150毫秒为间隔的相邻三个转向角9 n通过上述式(45) 计算三个转向角平滑值9n-tilde。这三个转向角平滑值9n-tilde由下式(48)表示。
<formula>formula see original document page 55</formula>
<formula>formula see original document page 55</formula>
在步骤S1033中，利用在步骤S1032中计算出的三个转向角平滑值9n-tilde通过上述式(44)计算转向角估计值9n-hat。估计值e n_hat由下式(49)表示< 1+7>
71 +丄 2
H — _2 e"—2—^J一3 =+
~ ~ 、1
(式49) 在步骤S1034中，利用在步骤S 1033中计算出的转向角估计值9n-hat和实际转 向角信号9n通过上述式(47)计算转向误差en。 在步骤S 1035中，如图54所示，将在步骤S 1034中计算出的转向误差en关于基 准状态下的a值(=ao)划分为9类，bl至b9，并且计算每一类bi中包含的转向误差en 的频率相对于全部频率的概率Pi。这里，基准状态的a值(=ao)是基于一般驾驶者群 体(公众驾驶者)的转向角信号来预先设定的，并且存储在控制器200的存储器中。然后， 当控制器200执行图51所示的程序时设定类bi。 在接下来的步骤S 1036中，利用在步骤S 1035中计算出的概率Pi通过下式(50) 计算长时间段转向角熵Hp 1。 i/尸-t(—《l0g9《)(式50) 要注意的是，长时间段转向角熵Hpl中的"p"表示转向角熵遵循概率分布P = {Pi}。 长时间段转向角熵Hpl值是通过以9为底的对数来计算的，因此当转向误差en均
等地包含在每一类bi中时，Hpl值为l，并且长时间段转向角熵Hpl值表示转向误差en的
分布的陡度。要注意的是，因为这些类设定为使得全部频率的90X都落入转向误差en的分
布的中间三个类(即b4至b6)上，因此在基准状态下的Hpl值将不是1。 当长时间段转向角熵Hpl值小时，转向误差en的分布的陡度大，并且转向误差en
的分布位于在某一范围内。也就是说，这表明，平滑地执行转向并且操作处于稳定状态。另
一方面，当长时间段转向角熵Hpl值大时，转向误差en的分布的陡度小，并且转向误差en
的分布是变化的。也就是说，这表明，生涩地执行转向并且操作处于不稳定状态。 这样，在步骤S 1023中计算出长时间段转向角熵Hpl之后，控制流程转入步骤S
1025。在步骤S 1025中，控制器200根据长时间段转向角熵Hpl向驾驶者表达警报或指示
(改进建议)。当长时间段转向角熵Hpl变大时，与一般驾驶者群体(公众)的平均转向角
熵相比，驾驶操作的不稳定度变大。 因此，例如如图55所示，将长时间段转向角熵Hpl的大小划分为5级(SSS、SS、SM、 SL和SLL)，并且控制器200使驾驶者知道计算出的长时间段转向角熵Hpl的大小的级别。
56要注意的是，适当地设定5级，从而使一般驾驶者群体(公众)的平均转向角熵落入图55 所示分类的中间级SM。 图56示出根据长时间段转向角熵Hpl的分类结果进行通知的内容的一个实例。在 长时间段转向角熵Hpl被分类到SLL级的情况下，控制器200在显示单元180的显示监视 器上显示传达消息"操作不稳定度大"的文字。在长时间段转向角熵Hpl被分类到SL级的 情况下，控制器200显示传达消息"操作不稳定度稍大"的文字。在长时间段转向角熵Hpl 被分类到SM级的情况下，这对应于一般驾驶者群体的平均转向角熵，控制器200在显示单 元180的显示监视器上显示传达消息"操作不稳定度中等"的文字。在长时间段转向角熵 Hpl被分类到SS级的情况下，控制器200在显示单元180的显示监视器上显示传达消息"操 作不稳定度稍小"的文字。在长时间段转向角熵Hpl被分类到SSS级的情况下，控制器200 在显示单元180的显示监视器上显示传达消息"操作不稳定度小"的文字。要注意的是，可 以通过扬声器130发出的语音将图56所示的通知内容提供给驾驶者。
这样，在上述第十实施例中，除了根据第一实施例至第九实施例的有益效果之外， 还可以获得如下操作和有益效果。 检测驾驶者对驾驶操作的控制表现作为用于驾驶诊断的指标。更具体地说，利用 转向角计算表示驾驶者的转向操作的不稳定度的转向角熵Hp。这使得能够关于车辆的水平 驾驶操作准确地执行驾驶诊断。
第十实施例的变型1 这里，将利用在长时间段内测量的驾驶者的转向角误差分布计算出的长时间段转 向角熵Hpl指定为基准状态。然后，通过利用在中等时间段内测量的驾驶者的转向误差分 布计算转向角熵Hpl，并且通过检测与驾驶者基本具有的驾驶操作的不稳定状态的偏离来 执行驾驶诊断。 现在将参考图57和58详细说明根据第十实施例的变型1的车辆驾驶辅助系统2 的操作。图57和58是示出第十实施例的变型1中的控制器200执行的驾驶辅助控制处理 的流程的流程图。该处理以恒定间隔连续执行，例如每50毫秒执行一次。由于在步骤S1041 至S1053中执行的处理与在图51所示的步骤SlOll至S1023中执行的处理相同，因此将省 略其说明。然而，在步骤S1051中判定采样数目n小于或等于预定值Nl的情况下，控制器 200不终止处理，而是控制流程转入图58所示的步骤S1057。 在步骤S1053中控制器200计算出表示基准状态的长时间段转向角熵Hpl之后， 控制器200在步骤S1055中计算用于计算中等时间段转向角熵的a值。这里，利用在长时 间段内测量的驾驶者的转向角信号9计算驾驶者个人的a值(下文中称为al值)。下 面将参考图59所示的流程图说明该处理。 在步骤S1081中，控制器200收集在上述道路曲率和车速的条件下以采样间隔Ts 测量的n个转向角信号9n的时间序列数据。采样间隔Ts为例如50毫秒。在步骤S 1082 中，利用上述式(45)，利用以150毫秒为间隔的相邻三个转向角9n计算三个转向角平滑值 9 n-tilde。 在步骤S 1083中，利用在步骤S 1082中计算出的三个转向角平滑值9 n-tilde 通过上述式(44)计算转向角估计值9n-hat。在步骤S1084中，利用在步骤S 1083中计算 出的转向角估计值9n-hat和实际转向角信号9n通过上述式(47)计算转向误差en。
在接下来的步骤S1085中，计数每预定转向误差的转向误差en的频率。考虑转向角传感器5的分辨率来确定预定转向误差。这里，例如如图60所示，将转向误差en以每O.OOlrad为间隔进行分类。图61示出转向误差en的频率分布的一个实例。在步骤S 1086中，将表示转向误差的类的i指定为0。 在步骤S1087中，判断当转向误差en = 0. OOOrad时的频率TO. 000的概率P相对于全部转向误差的全部频率是否大于或等于90%。如果频率TO.OOO的概率P大于或等于90%，则控制流程转入步骤S 1090。在该情况下，由于i = 0，因此a 1 = 0. OOOrad。如果在步骤S 1087中作出否定判断，则控制流程转入步骤S 1088。在步骤S 1088中，i增加l，从而设定为(i+l)。 在步骤S 1089中，判断作为转向误差的扩展类的从-O. 001rad到+0. OOlrad的转向误差的频率(TO. 000+TO. 001+T-0. 001)的概率P相对于全部转向误差的全部频率是否大于或等于90%。如果概率P大于或等于90X，则控制流程转入步骤S1090。在该情况下，由于i = 1，因此a 1 = 0. 001。如果在步骤S 1089中作出否定判断，则控制流程返回到步骤S 1088。将i再次增加1并重复在步骤S 1089中进行判断的过程。 这样，在步骤S 1055中计算出a 1值之后，控制流程转入图58所示的步骤S1057。在步骤S 1057中，判断在道路曲率信号P小于或等于预定值Po并且车速V大于预定值Vo的情况下测量的转向角信号e的样本数目n是否大于预定值N2。这里，预定值N2是用于判断是否已经得到数目足够的中等时间段(例如大约l天的行驶)数据的阈值，该中等时间段数据用于判断是否偏离驾驶者的通常驾驶操作，例如N2 = 7200。当样本数目n大于预定值N2时，控制流程转入步骤S 1059。当样本数目n小于或等于预定值N2时，控制器200终止处理。 在步骤S 1059中，利用在中等时间段内测量的转向角信号e计算中等时间段转向角熵Hp2。中等时间段转向角熵Hp2是以长时间段内测量的转向角信号e作为基准状态利用在中等时间段内测量的转向角信号9计算出来的值。中等时间段转向角熵Hp2是表示与驾驶者基本具有的驾驶操作的不稳定状态的偏离(差异)的值。中等时间段转向角熵Hp2的计算方法与参考图53说明的长时间段转向角熵Hpl的计算方法相同。然而，使用在步骤S 1055中计算的驾驶者个人的al值作为a值。 在步骤S 1061中，控制器200计算在步骤S1053中计算出的长时间段转向角熵Hpl与在步骤S 1059中计算出的中等时间段转向角熵Hp2之间的差值AHp2( = Hp2-Hp1)。然后，使用计算出的差值AHp2判断驾驶操作不稳定状态。可以认为，当中等时间段转向角熵Hp2大于长时间段转向角熵Hpl时，驾驶操作的不稳定度已经大于驾驶者基本具有的操作不稳定度。因此，例如，如果转向角熵的差值AHp2大于预定值TH2，则控制器200判定驾驶操作处于不稳定状态，控制流程转入步骤S1063。 在步骤S1063中，通知驾驶者其驾驶操作处于不稳定状态。这里，例如如图62所示，在转向角熵的差值AHp2大于或等于预定值TH2的区域中，根据转向角熵的差值AHp2的大小将转向角熵的差值AHp2划分为2级(D2P和D2PP)。然后，控制器200使驾驶者知道与在步骤S 1061中计算出的转向角熵的差值AHp2对应的级别。 图63示出根据转向角熵的差值AHp2的分类结果进行通知的内容的一个实例。在转向角熵的差值AHp2被分类到比预定值TH2L( > TH2)大的D2PP级的情况下，控制器200在显示单元180的显示监视器上显示传达消息"操作不稳定度大于通常情况"的文字。在转向角熵的差值AHp2被分类到比预定值TH2大的D2P级的情况下，控制器200显示传达消息"操作不稳定度稍大于通常情况"的文字。要注意的是，可以通过扬声器130发出的语音将图63所示的通知内容提供给驾驶者。 如果在步骤S1061中作出否定判断，则控制器200跳过步骤S1063中的不稳定状态的通知处理。这样，在检测到偏离通常驾驶操作的不稳定状态并且将该偏离通知驾驶者之后，在接下来的步骤S1065中，控制器200基于过去和现在的中等时间段转向角熵的比较结果使驾驶者知道中等时间段中的驾驶操作不稳定度的变化。更具体地说，控制器200将过去计算的中等时间段转向角熵(下文中称为Hp2p)与最近的中等时间段转向角熵Hp2进行比较，从而检测中等时间段中的驾驶操作不稳定度的变化，并且将该变化通知驾驶者。
首先，在步骤S1065中，控制器200计算已存储的关于同一驾驶者的过去计算的中等时间段转向角熵Hp2p与在步骤S1059中计算出的最近的中等时间段转向角熵Hp2之间的差值AHp2p。然后，使用计算出的差值AHp2判断驾驶操作不稳定的变化。可以认为，当最近的中等时间段转向角熵Hp2小于过去的中等时间段转向角熵Hp2p时，S卩，当差值AHp2
的符号为负并且值较大时，驾驶操作的不稳定度与过去相比已经朝减小方向变化。因此，例如，如果转向角熵的差值AHp2p小于预定值TH2P，则控制器200判定驾驶操作不稳定度已经减小，控制流程转入步骤S1067。 在步骤S1067中，控制器200通知驾驶者其驾驶操作的不稳定度已经变小并且转向操作已经变得更平滑(操作改进建议)。这里，例如如图64所示，在转向角熵的差值AHp2p小于预定值TH2P的区域中，根据转向角熵的差值AHp2p的大小将转向角熵的差值A Hp2p划分为2级(D2PM和D2P匪)。然后，控制器200使驾驶者知道与在步骤S 1065中计算出的转向角熵的差值AHp2p对应的级别。 图65示出根据转向角熵的差值AHp2p的分类结果进行通知的内容的一个实例。在转向角熵的差值A Hp2p被分类到比预定值TH2P小的D2PM级的情况下，控制器200在显示单元180的显示监视器上显示传达消息"操作不稳定度稍小于从前"的文字。在转向角熵的差值AHp2p被分类到比预定值TH2PL( < TH2P)小的D2P匪级的情况下，控制器200显示传达消息"操作不稳定度小于从前"的文字。要注意的是，可以通过扬声器130发出的语音将图65所示的通知内容提供给驾驶者。 如果在步骤S1065中作出否定判断，则控制器200跳过步骤S1067中的操作改进建议处理，并且控制流程转入步骤S1069。在步骤S1069中，将在步骤S1059中计算出的中等时间段转向角熵Hp2设定给过去的中等时间段转向角熵Hp2p，准备接下来的处理。
在接下来的步骤S1071中，控制器200使用基于驾驶者的长时间段转向角信号e计算出的驾驶者个人的al值来向驾驶者提供操作改进建议。如上所述，al值是基于驾驶者的长时间段转向角信号数据计算出的转向误差分布中的计算结果的90%。因此，al值是表示驾驶者的长时间段的转向误差的分布的指数。 在步骤S1071中，将在步骤S1055中计算出的a 1值与预定值TH a 1进行比较。如果驾驶者的长时间段a 1值小于预定值THa 1，则驾驶者的驾驶操作的不稳定度是小的。然后，如果a 1值小于预定值THa l，则控制流程转入步骤S1073。 在步骤S 1073中，控制器200使驾驶者知道驾驶者的驾驶操作的不稳定度是小的
59并且转向操作平滑(操作改进建议)。这里，例如如图66所示，在a 1值小于预定值THa 1的区域中，根据al值的大小将al值划分为2级(alS和a 1SS)。然后，控制器200使驾驶者知道与在步骤S 1055中计算出的al值对应的级别。 图67示出根据a 1值的分类结果进行通知的内容的一个实例。在a 1值被分类到比预定值THa 1小的a IS级的情况下，控制器200在显示单元180的显示监视器上显示传达消息"操作不稳定度稍小"的文字。在a 1值被分类到比预定值THa IS( < THa 1)小的alSS级的情况下，控制器200显示传达消息"操作不稳定度小"的文字。要注意的是，可以通过扬声器130发出的语音将图67所示的通知内容提供给驾驶者。
这样，控制器200终止处理，要注意的是，如果在步骤S1071中作出否定判断，则控制器200跳过步骤S1073中的操作改进建议处理并终止处理。
第十实施例的变型2 这里，将利用在长时间段内测量的驾驶者的转向角误差分布计算出的长时间段转向角熵Hpl指定为基准状态。然后，通过利用在短时间段内测量的驾驶者的转向误差分布计算转向角熵，并且通过检测与驾驶者基本具有的驾驶操作的不稳定状态的短期偏离来执行驾驶诊断。 现在将参考图68详细说明根据第十实施例的变型2的车辆驾驶辅助系统2的操作。图68是示出第十实施例的变型2中的控制器200执行的驾驶辅助控制处理的流程的流程图。该处理以恒定间隔连续执行，例如每50毫秒执行一次。由于在步骤S1111至S1125中执行的处理与在图57所示的步骤S 1041至S 1055中执行的处理相同，因此将省略其说明。 在步骤S1125中计算出a 1值之后，控制流程转入步骤S1127。在步骤S1127中，判断在道路曲率信号P小于或等于预定值Po并且车速V大于预定值Vo的情况下测量的转向角信号9的样本数目n是否大于预定值N3。这里，预定值N3是用于判断是否已经得到数目足够的短时间段(例如大约5分钟的行驶)数据的阈值，该短时间段数据用于判断是否偏离驾驶者的通常驾驶操作，例如N3二 1200。当样本数目n大于预定值N3时，控制流程转入步骤S1129。当样本数目n小于或等于预定值N3时，控制器200终止处理。
在步骤S1129中，利用在短时间段内测量的转向角信号e计算短时间段转向角熵Hp3。短时间段转向角熵Hp3是以长时间段内测量的转向角信号e作为基准状态利用在短时间段内测量的转向角信号9计算出来的值。短时间段转向角熵Hp3是表示与驾驶者基本具有的驾驶操作的不稳定状态的短期偏离(差异)的值。短时间段转向角熵Hp3的计算方法与参考图53的流程图说明的长时间段转向角熵Hpl的计算方法相同。然而，使用在步骤S1125中计算的驾驶者个人的a 1值作为a值。 在步骤S1131中，控制器200计算在步骤S1123中计算出的长时间段转向角熵Hpl与在步骤S1129中计算出的短时间段转向角熵Hp3之间的差值AHp3( = Hp3-Hpl)。然后，使用计算出的差值AHp3判断驾驶操作不稳定状态。可以认为，当短时间段转向角熵Hp3大于长时间段转向角熵Hpl时，现在的驾驶操作的不稳定度已经大于驾驶者基本具有的操作不稳定度。因此，例如，如果转向角熵的差值AHp3大于预定值TH3，则控制器200判定驾驶操作处于不稳定状态，控制流程转入步骤S1133。 在步骤S1133中，通知驾驶者其驾驶操作处于不稳定状态。这里，例如如图69所示，在转向角熵的差值AHp3大于或等于预定值TH3的区域中，根据转向角熵的差值AHp3的大小将转向角熵的差值AHp3划分为2级(D3P和D3PP)。然后，控制器200使驾驶者知道与在步骤S1131中计算出的转向角熵的差值AHp3对应的级别。 图70示出根据转向角熵的差值AHp3的分类结果进行通知的内容的一个实例。在转向角熵的差值AHp3被分类到比预定值TH3LOTH3)大的D3PP级的情况下，控制器200在显示单元180的显示监视器上显示传达消息"操作不稳定度大"的文字。在转向角熵的差值A Hp3被分类到比预定值TH3大的D3P级的情况下，控制器200显示传达消息"操作不稳定度稍大"的文字。要注意的是，可以通过扬声器130发出的语音将图70所示的通知内容提供给驾驶者。 这样，控制器200终止处理，要注意的是，如果在步骤S1131中作出否定判断，则控制器200跳过步骤S 1133中的不稳定状态通知处理并终止处理。
第^^一实施例 现在将说明根据本发明第十一实施例的车辆驾驶辅助系统。根据第十一实施例的车辆驾驶辅助系统的基本结构与图50所示第十实施例的车辆驾驶辅助系统的基本结构相同。因此，下面将主要说明与第十实施例的不同点。 在根据本发明第十一实施例的车辆驾驶辅助系统2中，与上面第十实施例一样，利用转向角信号计算转向角熵，从而检测驾驶操作的不稳定状态并且执行驾驶者驾驶诊断。然后，如果驾驶诊断结果表明驾驶者正处于比其通常的驾驶更危险的驾驶状态，即，如果驾驶者的驾驶操作偏向更危险状态，则控制器200向驾驶者发出警报，从而在驾驶者的驾驶操作进入高度危险状态之前通知驾驶者。另一方面，如果驾驶诊断结果表明驾驶者的驾驶操作比公众标准好，则控制器200向驾驶者提供信息从而鼓励更安全的驾驶或者建议进行改进。 这里，为了计算转向角熵，需要判断转向角估计误差属于划分为9类的基准分布中的哪一类并且计算每一类的概率。另外，为了计算a值(上述al)，需要计算转向误差的频率分布。由于对样本数目的全部数据进行这些处理，因此需要预先准备与数据数目一样多的缓冲存储器。 因此，在第十一实施例中，递归地计算每一类的概率，从而即使需要临时存储最近
的长时间段转向角数据，也可以利用少量的存储器来计算每一类的概率。 现在将参考图71的流程图说明在第i^一实施例的车辆驾驶辅助系统2中长时间
段转向角熵Hp l的计算处理的流程。在第十实施例中说明的图51所示的流程图的步骤
S 1023中执行该处理。由于在步骤S1231至S 1234中执行的处理与在图53所示的步骤
S1031至S1034中执行的处理相同，因此将省略其说明。 在步骤S 1235中，如图54所示，将在步骤S 1234中计算出的转向误差en相对于基准状态下的a值(=a o)划分为9类，b 1至b9，并且递归地计算每一类bi中包含的转向误差en的频率相对于全部频率的概率Pi。这里，基准状态的a值(=ao)是基于一般驾驶者群体(公众驾驶者)的转向角信号来预先设定的，并且存储在控制器200的存储器中。下面参考图72的流程图说明如何判断转向误差en所归入的类以及递归地计算每一类bi的概率Pi的方法。 首先，在步骤S1241中，将l分配给表示转向误差的类的i。在步骤S1242中，控制器200判断i是否大于9。如果i > 9，则控制器200判定9类中的每一类的概率Pi的计 算已经完成，并且终止处理。如果i《9，则控制流程转入步骤S1243从而计算每一类的概 率Pi。 在步骤S 1243中，控制器200判断在步骤S 1234中计算出的转向误差en是否落 入目标类bi 。如果转向误差en落入目标类bi，则控制流程转入步骤S 1244，利用下式(51) 计算包含在类bi中的转向误差en的概率Pi (n)，其中数据数目由N表示。
Pi (n) = {Pi (n-1) +1/N} + (1+1/N)(式51) 另一方面，如果转向误差en没有落入目标类bi，则控制流程转入步骤S 1245，利 用下式(52)计算包含在类bi中的转向误差en的概率Pi(n)。
Pi (n) = {Pi (n-1)} + (1+1/N)(式52) 在步骤S 1246中，设定(i+1)作为i。然后，控制流程返回到步骤S 1242，并且重 复步骤S 1243至S 1246的处理直到计算出全部9类的概率Pi。 然后，如果在步骤S1235中递归地计算出每一类bi中包含的转向误差en的概率 Pi，则控制流程转入步骤S1236。在步骤S1236中，利用在步骤S 1235中计算出的概率Pi 计算长时间段转向角熵Hpl。这终止长时间段转向角熵Hpl的计算处理。
接下来，下面将说明递归地执行频率计算以计算在第十实施例的变型1中说明的 a 1值的方法。现在将参考图73的流程图说明在第十一实施例的车辆驾驶辅助系统2中 a 1值的计算处理的流程。在第十实施例的变型1中说明的图57所示的流程图的步骤S 1055中执行该处理。由于在步骤S 1251至S 1254中执行的处理与在图59所示的步骤 S1081至S1084中执行的处理相同，因此将省略其说明。 在步骤S 1255中，递归地计算每预定转向误差的转向误差en的频率。下面参考 图74的流程图来说明该处理。 首先，在步骤S1271中，将1分配给表示转向误差的频率分布的类的i。在步骤 S1272中，控制器200判断T是否大于全部类的数目Tn。全部类的数目Tn为例如40，每一 类以0. 001为间隔来设定。如T > Tn，则控制器200判定全部类中的频率计算已经完成，并 且终止处理。如果T《Tn，则控制流程转入步骤S1273从而计算每一类的频率Ti (n)。
在步骤S 1273中，控制器200判断在步骤S 1254中计算出的转向误差en是否 落入目标类Ti。如果转向误差en落入目标类Ti，则控制流程转入步骤S 1274。在步骤S 1274中，利用下式(53)计算包含在类Ti中的转向误差en的频率Ti (n)，其中数据数目由 N表示。Ti (n) = {Ti (n_l) +綱+ (l+l/N)(式53) 另一方面，如果转向误差en没有落入目标类Ti，则控制流程转入步骤S1275，利用 下式(54)计算包含在类Ti中的转向误差en的频率Ti (n)。
Ti (n) = {Ti (n_l)} + (1+1/N)(式54) 在步骤S 1276中，设定(i+l)作为i。然后，控制流程返回到步骤S1272，并且重 复步骤S1273至S1276的处理直到计算出全部类Tn的频率Ti。 然后，在步骤S1255中递归地计算出频率分布之后，控制流程转入步骤S1256。在 步骤S 1256中，与上述在第十实施例的变型1类似，利用在步骤S 1255中计算出的频率分 布计算a 1值。
62
如上所述，通过递归地计算转向角熵Hp，可以减少存储数据所需的存储器量，并且 因为减少了计算步骤的数目，可以简化计算处理。另外，允许实时地计算转向角熵Hp。
第十二实施例 现在将说明根据本发明第十二实施例的车辆驾驶辅助系统。图75是示出根据第 十二实施例的车辆驾驶辅助系统3的结构的控制图。在第十二实施例中，与上述第十实施 例中的单元具有相同功能的单元将被分配相同的附图标记，并且省略其说明。因此，下面将 主要说明与上述第四实施例的不同点。 如图10所示，车辆驾驶辅助系统3包括激光雷达10、前方照相机15、车速传感器 30、加速度传感器35、导航系统50、加速踏板位置传感器55、控制器250、扬声器130以及显 示单元180。 安装在车辆的前格栅、保险杠等部件上的激光雷达10水平地照射红外光脉冲，从 而扫描车辆前方区域。激光雷达10测量被前方的多个障碍物(通常为前车的后部)反射 回来的红外光脉冲的反射辐射，并且根据反射辐射的到达时间检测与该多个障碍物之间的 车间距离或间距以及相对速度。将检测到的车间距离和相对速度输出到控制器250。激光 雷达10所扫描的车辆前方区域是与车辆纵向中心线平行的轴线两侧大约士6度的范围，并 且检测到该范围内存在的物体。 加速度传感器35为检测车辆纵向加速度并且将检测到的纵向加速度输出到控制 器250的传感器。加速踏板位置传感器55是检测加速踏板(未示出)的踩下量(加速踏 板位置)的传感器。加速踏板位置传感器55检测例如已经通过连杆机构转变为伺服电机 的旋转角度的加速踏板的位置，并且将加速踏板位置输出到控制器250。
控制器250是由CPU以及诸如ROM和RAM等CPU外围部件构成的电子控制单元，控 制整个车辆驾驶辅助系统3。根据从激光雷达10、前方照相机15、车速传感器30、加速度传 感器35、导航系统50、加速踏板位置传感器55等接收到的信号，控制器250分析驾驶者的 驾驶特性并且执行驾驶诊断。然后，控制器250根据驾驶诊断结果向驾驶者提供信息。提 供给驾驶者的信息包括向驾驶者发出的警报、对驾驶操作的改进建议等。后面将详细描述 控制器250的控制内容。 接下来将说明根据第十二实施例的车辆驾驶辅助系统3的操作，首先描述该系统 的概况。 车辆驾驶辅助系统3的控制器250根据车辆的行驶状态和驾驶者的驾驶操作执行 驾驶者的驾驶诊断，并且响应驾驶诊断结果向驾驶者发出警报并且建议驾驶者改进驾驶操 作。更具体地说，控制器250使用加速踏板位置信号来检测驾驶操作的不稳定状态并且执 行驾驶者的驾驶诊断。在第十二实施例中，将在上述第十实施例和第十一实施例中使用的 转向熵法应用于加速踏板位置，从而检测驾驶操作的不稳定状态。尽管转向熵法是关于车 辆的侧向控制使用转向角的方法，但是在第十二实施例中，利用关于车辆的纵向控制的加 速踏板位置信号检测车辆的驾驶操作的不稳定状态。 然后，如果驾驶诊断结果表明驾驶者正处于比其通常的驾驶更危险的驾驶状态， 即，如果驾驶者的驾驶操作偏向更危险状态，则控制器250向驾驶者发出警报，从而在驾驶 者的驾驶操作进入高度危险状态之前通知驾驶者。另一方面，如果驾驶诊断结果表明驾驶 者的驾驶操作比公众标准好，则控制器250向驾驶者提供信息从而鼓励更安全的驾驶或者
63建议进行改进。 在第十二实施例中使用的a值(下文中称为a即值)是通过如下方式计算的结 果的90% (包含加速踏板位置误差的90%的分布的范围)S卩，获得基于加速踏板位置的 时间序列数据的给定时间段内的加速踏板位置误差，即在假定加速踏板被平滑地操作的情 况下的加速踏板位置的估计值与实际加速踏板位置之间的差异，并且测量加速踏板位置误 差的分布(变化)。 加速踏板位置熵值(下文中称为Hp_ap值)表示加速踏板位置误差分布的模糊度 (不确定度)。与a ap值类似，当稳定且平滑地操作加速踏板时，Hp_ap值变小，当生涩且 不稳定地操作加速踏板时，通过a ap值来修正Hp_ap值，并且可以使用Hp_ap值作为不受 驾驶者的技术或习惯影响的驾驶不稳定度。 在第十二实施例中，将利用一般驾驶者群体的加速踏板位置误差分布计算出的加 速踏板位置熵用作基准状态。然后，利用测量的驾驶者的加速踏板位置误差分布来计算加 速踏板位置熵，并且通过检测驾驶者基本具有的驾驶操作的不稳定状态来执行驾驶诊断。
要注意的是，因为加速踏板位置受道路笔直度、本车与前车之间的关系、以及驾驶 者的负荷状态等因素的影响，需要在驾驶者处于无负荷状态时测量基准加速踏板位置分 布。因此，在第十二实施例中，为了实现受这些因素的影响的可能性更低，利用在沿着实质 上为直道的笔直道路上以恒定速度行驶的场景中获得的加速踏板位置数据，并且基于在长 时间段内测量的加速踏板位置数据来获得加速踏板位置分布。 下面参考图76详细说明根据第十二实施例的车辆驾驶辅助系统3的操作。图76 是示出第十二实施例中的控制器250执行的驾驶辅助控制处理的流程的流程图。该处理以 恒定间隔连续执行，例如每50毫秒执行一次。 首先，在步骤S1331中，控制器250读取由加速踏板位置传感器55检测到的加速 踏板位置信号d即。在步骤S1333中，控制器250读取车辆行驶的道路的道路曲率信号P。 在步骤S 1335中，控制器250读取由车速传感器30检测到的车辆的车速信号V即。在步骤 S1337中，控制器250读取由激光雷达10检测到的本车与前方障碍物(更具体地说，前车) 之间的车间距离dd和相对车速vr。在步骤S1337中，控制器250读取由加速度传感器35 检测到的车辆的纵向加速度xg。 在接下来的步骤S1341至S1349中，判断是否计算加速踏板位置熵。更具体地说， 在步骤S 1341中，判断在步骤S 1333中读取的道路曲率信号P是否小于用于判断车辆是 否沿着直道行驶的道路曲率预定值Papo。当道路曲率信号P小于或等于预定值P即o时， 控制器250判定车辆正沿着直道行驶，并且控制流程转入步骤S1343。当P > P即o时，控 制器250终止处理。 在步骤S 1343中，判断在步骤S 1335中读取的车速信号V即是否大于预定值 V即o。预定值V即o是用于判断车辆是否正沿着诸如高速路等车辆可以以恒定速度行驶的 道路行驶的阈值，例如V即o = 60km/h。当车速信号V即大于预定值V即o时，控制流程转入 步骤S1345。当车速信号V即小于或等于预定值V即o时，控制器250终止处理。
在步骤S 1345中，首先，利用在步骤S1337中读取的车间距离dd和相对车速vr 计算本车与前车之间的接触时间ttc。接触时间ttc表示当本车的车速V即和相对车速vr 恒定时在本车与前车彼此接触之前的时间长度。利用下式(55)计算接触时间ttc。
64
ttc = dd/vr (式55) 然后，将利用式(55)计算的接触时间ttc与预定值ttc即o进行比较。预定值 ttc即o是用于判断车辆是否在保持接触时间ttc充足的情况下跟随前车的阈值。如果车速 信号接触时间ttc大于预定值ttc即o并且本车正跟随前车，则控制流程转入步骤S1347。 如果ttc《ttc即o，则控制器250终止处理。 在步骤S1347中，将在步骤S1339中检测到的纵向加速度xg与预定值xg—apo进行 比较。预定值xg—即o是用于判断车辆是否正以大致恒定的速度行驶的阈值。如果xg〈xg— 即o并且控制器250判定车辆正以大致恒定的速度行驶，则控制流程转入步骤S1349。如果 xg > xg_apo时，则控制器250终止处理。 在步骤S1349中，将在步骤S1331中检测到的加速踏板位置dap与预定值d即o进 行比较。预定值d即o是用于判断驾驶者是否正在踩下加速踏板的阈值。如果dap > d即o并 且控制器250判定驾驶者正在操作加速踏板，则控制流程转入步骤S1351。如果d即《d即o 时，则控制器250终止处理。 在步骤S1351中，判断在上述条件下测量的加速踏板位置信号d即的样本数目n 是否大于预定值N即1。这里，预定值N即1是用于判断是否已经得到受驾驶者的负荷状态影 响的可能性低的数目足够的长时间段数据的阈值，例如N即1 = 100， 000。要注意的是，预测 在大约3周的行驶期间获得100， 000个数据。当样本数目n大于预定值N即l时，控制流程 转入步骤S1353。当样本数目n小于或等于预定值N即l时，控制器200终止处理。
在步骤S 1353中，利用在长时间段内测量的加速踏板位置信号dap计算加速踏板 位置熵地_即1 (下文中称为长时间段加速踏板位置熵)。长时间段加速踏板位置熵地_即1 是表示驾驶者基本具有的驾驶操作的不稳定状态的值，并且是驾驶者的通常的不稳定度。 要注意的是，长时间段加速踏板位置熵地_即1的计算方法与上述转向角熵Hp的计算方法 基本相同。然而，在下面的说明中，加速踏板位置平滑值由d即n-tilde表示，加速踏板位置 估计值由d即n-hat表示，并且加速踏板位置误差由e—即n表示。 下面将参考图77的流程图说明长时间段加速踏板位置熵地_即1的计算处理。在 步骤S1361中，控制器250收集在上述条件下以采样间隔Ts测量的n个加速踏板位置信号 dapn的时间序列数据。采样间隔Ts为例如50毫秒。 在步骤S1362中，利用以150毫秒为间隔的相邻三个加速踏板位置d即n通过上述 式(45)计算三个加速踏板位置平滑值d即n-tilde。在步骤S1363中，利用在步骤S1362中 计算出的三个加速踏板位置平滑值d即n-tilde通过上述式(44)计算加速踏板位置估计值 d即n-hat。在步骤S1364中，利用在步骤S 1363中计算出的加速踏板位置估计值d即n-hat 和实际加速踏板位置信号d即n通过上述式(47)计算加速踏板位置误差e_apn。
在步骤S1365中，如图54所示，将在步骤S1364中计算出的加速踏板位置误差e_ 即n关于基准状态下的a值(=a 0_即)划分为9类，bl至b9，并且计算每一类bi中包 含的加速踏板位置误差e—即n的频率相对于全部频率的概率Pi。这里，基准状态的a值 (=ao_ap)是基于一般驾驶者群体(公众驾驶者)的加速踏板位置信号来预先设定的，并 且存储在控制器250的存储器中。然后，当控制器250执行图76所示的程序时设定类bi。
在接下来的步骤S1366中，利用在步骤S 1365中计算出的概率Pi通过上式(50) 计算长时间段加速踏板位置熵地_即1。
当长时间段加速踏板位置熵Hp—即1值小时，加速踏板位置误差e—即n的分布的陡 度大，并且加速踏板位置误差e_apn的分布位于在某一范围内。也就是说，这表明，加速踏 板被平滑地操作并且操作处于稳定状态。另一方面，当长时间段加速踏板位置熵Hp_apl值 大时，加速踏板位置误差e—即n的分布的陡度小，并且加速踏板位置误差e—即n的分布是变 化的。也就是说，这表明，生涩地执行加速踏板操作并且操作处于不稳定状态。
这样，在步骤S1353中计算出长时间段加速踏板位置熵地_即1之后，控制流程转 入步骤S1355。在步骤S1355中，控制器250根据长时间段加速踏板位置熵Hp_apl向驾驶 者表达警报或指示(改进建议)。当长时间段加速踏板位置熵地_即1变大时，与一般驾驶 者群体(公众)的平均加速踏板位置熵相比，驾驶操作的不稳定度变大。
因此，例如如图78所示，将长时间段加速踏板位置熵Hp_apl的大小划分为5级 (SSS、 SS、 SM、 SL和SLL)，并且控制器250使驾驶者知道计算出的长时间段加速踏板位置熵 地_即1的大小的级别。要注意的是，适当地设定5级，从而使一般驾驶者群体(公众)的平 均加速踏板位置熵落入图78所示分类的中间级SM。 图79示出根据长时间段加速踏板位置熵Hp—即l的分类结果进行通知的内容的一 个实例。在长时间段加速踏板位置熵Hp—即1被分类到SLL级的情况下，控制器250在显示 单元180的显示监视器上显示传达消息"操作不稳定度大"的文字。在长时间段加速踏板 位置熵Hp_apl被分类到SL级的情况下，控制器250显示传达消息"操作不稳定度稍大"的 文字。在长时间段加速踏板位置熵Hp_apl被分类到SM级的情况下，这对应于一般驾驶者 群体的平均加速踏板位置熵，控制器250在显示单元180的显示监视器上显示传达消息"操 作不稳定度中等"的文字。在长时间段加速踏板位置熵Hp—即l被分类到SS级的情况下，控 制器250在显示单元180的显示监视器上显示传达消息"操作不稳定度稍小"的文字。在 长时间段加速踏板位置熵Hp_apl被分类到SSS级的情况下，控制器250在显示单元180的 显示监视器上显示传达消息"操作不稳定度小"的文字。要注意的是，可以通过扬声器130 发出的语音将图79所示的通知内容提供给驾驶者。 这样，在上述第十二实施例中，除了根据上述第一实施例至第十一实施例的有益 效果之外，还可以获得如下操作和有益效果。 检测驾驶者对驾驶操作的控制表现作为用于驾驶诊断的指标。更具体地说，利用 加速踏板操作量计算表示驾驶者对加速踏板操作的不稳定度的加速踏板位置熵Hp_ap。这 使得能够关于车辆的纵向驾驶操作准确地执行驾驶诊断。
第十二实施例的变型l 这里，将利用在长时间段内测量的驾驶者的加速踏板位置误差分布计算出的长时 间段加速踏板位置熵Hp—即l指定为基准状态。然后，通过利用在中等时间段内测量的驾驶 者的加速踏板位置误差分布计算加速踏板位置熵，并且通过检测与驾驶者基本具有的驾驶 操作的不稳定状态的偏离来执行驾驶诊断。 现在将参考图80和81详细说明根据第十二实施例的变型1的车辆驾驶辅助系统 3的操作。图80和81是示出第十二实施例的变型1中的控制器250执行的驾驶辅助控制 处理的流程的流程图。该处理以恒定间隔连续执行，例如每50毫秒执行一次。由于在步骤 S1371至S1393中执行的处理与在图76所示的步骤S1331至S1353中执行的处理相同，因 此将省略其说明。然而，在步骤S1391中判定采样数目n小于或等于预定值N即l的情况下，控制器250不终止处理，而是控制流程转入图81所示的步骤S1397。
在步骤S 1393中控制器250计算出表示基准状态的长时间段加速踏板位置熵地_ 即1之后，控制器250在步骤S1395中计算用于计算中等时间段加速踏板位置熵的a值。 这里，利用在长时间段内测量的驾驶者的加速踏板位置d即计算驾驶者个人的a值(下文 中称为a即l值)。下面将参考图82所示的流程图说明该处理。 在步骤S 1421中，控制器250收集在上述道路曲率和车速的条件下以采样间隔 Ts测量的n个加速踏板位置d即n的时间序列数据。采样间隔Ts为例如50毫秒。在步骤 S1422中，利用以150毫秒为间隔的相邻三个加速踏板位置d即n通过上述式(45)计算三个 加速踏板位置平滑值d即n-tilde。 在步骤S1423中，利用在步骤S1422中计算出的三个加速踏板位置平滑值 d即n-tilde通过上述式(44)计算加速踏板位置估计值d即n-hat。在步骤S1424中，利用 在步骤S1423中计算出的加速踏板位置估计值d即n-hat和实际加速踏板位置d即n通过上 述式(47)计算加速踏板位置误差e_apn。 在接下来的步骤S1425中，计数每预定加速踏板位置误差的加速踏板位置误差e_ apn的频率。考虑加速踏板位置传感器55的分辨率来确定预定加速踏板位置误差。这里， 例如如用于计算转向误差分布的图60的表所示，将加速踏板位置误差e_apn以每O. 001为 间隔进行分类。在步骤S1426中，将表示加速踏板位置误差的类的i_ap指定为0。
在步骤S1427中，判断当加速踏板位置误差e—即n = 0. 000时的频率T即O. 000 的概率P即相对于全部加速踏板位置误差的全部频率是否大于或等于90X。如果频率 T即O. 000的概率P大于或等于90% ，则控制流程转入步骤S1430。在该情况下，由于i_ap = 0，因此a即l = 0. 000。如果在步骤S 1427中作出否定判断，则控制流程转入步骤S1428。 在步骤S1428中，i—即增加l，从而设定为(i—即+l)。 在步骤S1429中，判断作为加速踏板位置误差的扩展类S1429的从-0. 001到 +0.001的加速踏板位置误差的频率(T即O. 000+TapO. 001+T即-0. 001)的概率P相对于全 部加速踏板位置误差的全部频率是否大于或等于90 % 。如果概率P大于或等于90 % ，则控 制流程转入步骤S 1430。在该情况下，由于1_即=1，因此a即l = 0. 001。如果在步骤 S 1429中作出否定判断，则控制流程返回到步骤S142S。将i_ap再次增加1并重复在步骤 S1429中进行判断的过程。 这样，在步骤S1395中计算出a即J值之后，控制流程转入图81所示的步骤 S1397。在步骤S1397中，判断在上述条件下测量的加速踏板位置d即的样本数目n是否大 于预定值N即2。这里，预定值N即2是用于判断是否已经得到数目足够的中等时间段(例如 大约l天的行驶)数据的阈值，该中等时间段数据用于判断是否偏离驾驶者的通常驾驶操 作，例如N即2 = 7200。当样本数目n大于预定值N即2时，控制流程转入步骤S1399。当样 本数目n小于或等于预定值N即2时，控制器250终止处理。 在步骤S 1399中，利用在中等时间段内测量的加速踏板位置信号d即计算中等时 间段加速踏板位置熵地_即2。中等时间段加速踏板位置熵地_即2是以长时间段内测量的 加速踏板位置信号d即的中等时间段加速踏板位置熵地_即1作为基准状态利用在中等时 间段内测量的加速踏板位置信号d即计算出来的值。中等时间段加速踏板位置熵地_即2 是表示与驾驶者基本具有的驾驶操作的不稳定状态的偏离(差异)的值。中等时间段加速踏板位置熵地_即2的计算方法与参考图77说明的长时间段加速踏板位置熵地_即1的计 算方法相同。然而，使用在步骤S1395中计算的驾驶者个人的a即l值作为a值。
在步骤S1401中，控制器250计算在步骤S1393中计算出的长时间段加速踏板位 置熵Hp—即1与在步骤S 1399中计算出的中等时间段加速踏板位置熵Hp—即2之间的差值 A地_即2 (=地_即2_地_即1)。然后，使用计算出的差值A地_即2判断驾驶操作不稳定状 态。可以认为，当中等时间段加速踏板位置熵地_即2大于长时间段加速踏板位置熵地_即1 时，驾驶操作的不稳定度已经大于驾驶者基本具有的操作不稳定度。因此，例如，如果加速 踏板位置熵的差值A地_即2大于预定值TH即2，则控制器250判定驾驶操作处于不稳定状 态，控制流程转入步骤S1403。 在步骤S1403中，通知驾驶者其驾驶操作处于不稳定状态。这里，例如如图83所 示，在加速踏板位置熵的差值AHp—即2大于或等于预定值TH即2的区域中，根据加速踏板 位置熵的差值AHp—即2的大小将加速踏板位置熵的差值AHp—即2划分为2级(D2P即和 D2PP即)。然后，控制器250使驾驶者知道与在步骤S1401中计算出的加速踏板位置熵的差 值AHp—ap2对应的级别。 图84示出根据加速踏板位置熵的差值AHp—即2的分类结果进行通知的内容的一 个实例。在加速踏板位置熵的差值AHp—即2被分类到比预定值TH即2L( > TH即2)大的 D2PP即级的情况下，控制器250在显示单元180的显示监视器上显示传达消息"操作不稳 定度大于通常情况"的文字。在加速踏板位置熵的差值AHp—即2被分类到比预定值TH即2 大的D2P即级的情况下，控制器250显示传达消息"操作不稳定度稍大于通常情况"的文字。 要注意的是，可以通过扬声器130发出的语音将图84所示的通知内容提供给驾驶者。
如果在步骤S1401中作出否定判断，则控制器250跳过步骤S1403中的不稳定状 态的通知处理。这样，在检测到偏离通常驾驶操作的不稳定状态并且将该偏离通知驾驶者 之后，在接下来的步骤S1405中，控制器250基于过去和现在的中等时间段加速踏板位置熵 的比较结果使驾驶者知道中等时间段中的驾驶操作不稳定度的变化。更具体地说，控制器 250将过去计算的中等时间段加速踏板位置熵(下文中称为Hp—即2p)与最近的中等时间段 加速踏板位置熵地_即2进行比较，从而检测中等时间段中的驾驶操作不稳定度的变化，并 且将该变化通知驾驶者。 首先，在步骤S1405中，控制器250计算已存储的关于同一驾驶者的过去计算的中 等时间段加速踏板位置熵Hp—即2p与在步骤S1399中计算出的最近的中等时间段加速踏板 位置熵Hp—即2之间的差值AHp—即2p。然后，使用计算出的差值AHp—即2p判断驾驶操作 不稳定的变化。可以认为，当最近的中等时间段加速踏板位置熵地_即2小于过去的中等时 间段加速踏板位置熵Hp—即2p时，S卩，当差值AHp—即2p的符号为负并且值较大时，驾驶操 作的不稳定度与过去相比已经朝减小方向变化。因此，例如，如果加速踏板位置熵的差值 A Hp_ap2p小于预定值TH即2P，则控制器250判定驾驶操作不稳定度已经减小，控制流程转 入步骤S1407。 在步骤S1407中，控制器250通知驾驶者其驾驶操作的不稳定度已经变小并且加 速踏板位置操作已经变得更平滑(操作改进建议)。这里，例如如图85所示，在加速踏板 位置熵的差值AHp—即2p小于预定值TH即2P的区域中，根据加速踏板位置熵的差值AHp_ ap2p的大小将加速踏板位置熵的差值AHp—即2p划分为2级(D2PM即和D2P匪即)。然后，
68控制器250使驾驶者知道与在步骤S1405中计算出的加速踏板位置熵的差值A Hp_ap2p对 应的级别。 图86示出根据加速踏板位置熵的差值AHp—即2p的分类结果进行通知的内容的 一个实例。在加速踏板位置熵的差值AHp—即2p被分类到比预定值TH即2P小的D2PM即级 的情况下，控制器250在显示单元180的显示监视器上显示传达消息"操作不稳定度稍小于 从前"的文字。在加速踏板位置熵的差值AHp—即2p被分类到比预定值TH即2PL( < TH即2P) 小的D2P匪即级的情况下，控制器250显示传达消息"操作不稳定度小于从前"的文字。要 注意的是，可以通过扬声器130发出的语音将图86所示的通知内容提供给驾驶者。
如果在步骤S1405中作出否定判断，则控制器250跳过步骤S1407中的操作改进 建议处理，并且控制流程转入步骤S1409。在步骤S1409中，将在步骤S1399中计算出的中 等时间段加速踏板位置熵地_即2设定给过去的中等时间段加速踏板位置熵Hp—即2p，准备 接下来的处理。 在接下来的步骤S1411中，控制器250使用基于驾驶者的长时间段加速踏板位置 信号d即计算出的驾驶者个人的a即l值来向驾驶者提供操作改进建议。如上所述，a即l 值是基于驾驶者的长时间段加速踏板位置信号数据计算出的加速踏板位置误差分布中的 计算结果的90%。因此，a即l值是表示驾驶者的长时间段的加速踏板位置误差的分布的 指数。 在步骤S1411中，将在步骤S1430中计算出的a即l值与预定值THa即l进行比 较。如果驾驶者的长时间段aapl值小于预定值THa即l，则驾驶者的驾驶操作的不稳定度 是小的。然后，如果aapl值小于预定值THa即l，则控制流程转入步骤S1413。
在步骤S1413中，控制器250使驾驶者知道驾驶者的驾驶操作的不稳定度是小的 并且加速踏板位置操作平滑(操作改进建议)。这里，例如如图87所示，在a即l值小于预 定值THa即l的区域中，根据a即l值的大小将a即l值划分为2级(a 1即S禾口 a 1即SS)。 然后，控制器250使驾驶者知道与在步骤S1430中计算出的a即l值对应的级别。
图88示出根据a即l值的分类结果进行通知的内容的一个实例。在a即l值 被分类到比预定值THa即l小的a 1即S级的情况下，控制器250在显示单元180的显 示监视器上显示传达消息"操作不稳定度稍小"的文字。在a即l值被分类到比预定值 THa即1S( < THa即l)小的a 1即SS级的情况下，控制器250显示传达消息"操作不稳定 度小"的文字。要注意的是，可以通过扬声器130发出的语音将图88所示的通知内容提供 给驾驶者。 这样，控制器250终止处理，要注意的是，如果在步骤S1411中作出否定判断，则控 制器250跳过步骤S1413中的操作改进建议处理并终止处理。
第十二实施例的变型2 这里，将利用在长时间段内测量的驾驶者的加速踏板位置误差分布计算出的长时 间段加速踏板位置熵Hp—即l指定为基准状态。然后，通过利用在短时间段内测量的驾驶者 的加速踏板位置误差分布计算加速踏板位置熵，并且通过检测与驾驶者基本具有的驾驶操 作的不稳定状态的短期偏离来执行驾驶诊断。 现在将参考图89详细说明根据第十二实施例的变型2的车辆驾驶辅助系统3的 操作。图89是示出第十二实施例的变型2中的控制器250执行的驾驶辅助控制处理的流
69程的流程图。该处理以恒定间隔连续执行，例如每50毫秒执行一次。由于在步骤S1441至 S1465中执行的处理与在图80所示的步骤S1371至S1395中执行的处理相同，因此将省略 其说明。 在步骤S 1465中计算出a apl值之后，控制流程转入步骤S 1467。在步骤S 1467 中，判断在上述条件下测量的加速踏板位置信号d即的样本数目n是否大于预定值N即3。 这里，预定值N即3是用于判断是否已经得到数目足够的短时间段(例如大约5分钟的行 驶)数据的阈值，该短时间段数据用于判断是否偏离驾驶者的通常驾驶操作，例如N即3 = 1200。当样本数目n大于预定值N即3时，控制流程转入步骤S1469。当样本数目n小于或 等于预定值N即3时，控制器250终止处理。 在步骤S1469中，利用在短时间段内测量的加速踏板位置信号d即计算短时间段 加速踏板位置熵地_即3。短时间段加速踏板位置熵地_即3是以使用长时间段内测量的加 速踏板位置信号d即的加速踏板位置误差分布作为基准状态，利用在短时间段内测量的加 速踏板位置信号d即计算出来的值。短时间段加速踏板位置熵地_即3是表示与驾驶者基 本具有的驾驶操作的不稳定状态的短期偏离(差异)的值。短时间段加速踏板位置熵地_ ap3的计算方法与参考图77说明的长时间段加速踏板位置熵地_即1的计算方法相同。然 而，使用在步骤S1465中计算的驾驶者个人的a即l值作为a值。 在步骤S1471中，控制器250计算在步骤S1463中计算出的长时间段加速踏板 位置熵Hp_apl与在步骤S1469中计算出的短时间段加速踏板位置熵地_即3之间的差值 A地_即3 (=地_即3_地_即1)。然后，使用计算出的差值A地_即3判断驾驶操作不稳定状 态。可以认为，当短时间段加速踏板位置熵地_即3大于长时间段加速踏板位置熵地_即1 时，现在的驾驶操作的不稳定度已经大于驾驶者基本具有的操作不稳定度。因此，例如，如 果加速踏板位置熵的差值A地_邻3大于预定值TH即3，则控制器250判定驾驶操作处于不 稳定状态，控制流程转入步骤S1473。 在步骤S1473中，通知驾驶者其驾驶操作处于不稳定状态。这里，例如如图90所 示，在加速踏板位置熵的差值AHp—即3大于或等于预定值TH即3的区域中，根据加速踏板 位置熵的差值AHp—即3的大小将加速踏板位置熵的差值AHp—即3划分为2级(D3P即和 D3PP即)。然后，控制器250使驾驶者知道与在步骤S1471中计算出的加速踏板位置熵的差 值AHp—ap3对应的级别。 图91示出根据加速踏板位置熵的差值AHp—即3的分类结果进行通知的内容的一 个实例。在加速踏板位置熵的差值AHp—即3被分类到比预定值TH即3L( > TH即3)大的 D3PP即级的情况下，控制器250在显示单元180的显示监视器上显示传达消息"操作不稳 定度大"的文字。在加速踏板位置熵的差值AHp—即3被分类到比预定值TH即3大的D3P即 级的情况下，控制器250显示传达消息"操作不稳定度稍大"的文字。要注意的是，可以通 过扬声器130发出的语音将图91所示的通知内容提供给驾驶者。 这样，控制器250终止处理，要注意的是，如果在步骤S1471中作出否定判断，则控 制器250跳过步骤S1473中的不稳定状态通知处理并终止处理。
第十三实施例 现在将说明根据本发明第十三实施例的车辆驾驶辅助系统。图92是示出根据本 发明第十三实施例的车辆驾驶辅助系统7的结构的控制图。在图92中，与上述第一实施例至第十二实施例中的单元具有相同功能的单元将被分配相同的附图标记，并且省略其说 明。因此，下面将主要说明与第一实施例至第十二实施例的不同点。 如图92所示，车辆驾驶辅助系统7包括转向角传感器5、激光雷达10、前方照相机
15、车速传感器30、加速度传感器35、导航系统50、加速踏板行程传感器55、制动踏板行程
传感器60、转向信号开关65、控制器500、扬声器130以及显示单元180。 根据从转向角传感器5、激光雷达10、前方照相机15、车速传感器30、加速度传感
器35、导航系统50、加速踏板行程传感器55、制动踏板行程传感器60、转向信号开关65等
接收到的信号，车辆驾驶辅助系统7分析驾驶者的驾驶特性并且综合地检测驾驶者的认
识、判断和操作从而执行驾驶诊断。 更具体地说，如图93所示，检测驾驶者的危险认识特性、驾驶者的安全意识和操 作偏好特性、驾驶者的危险容许度、以及驾驶者对驾驶操作的控制表现，作为用于驾驶诊断 的指标，并且通过这些指标对检测结果进行综合的判断，从而执行驾驶诊断。然后，根据驾 驶诊断结果，向驾驶者提供信息，例如向驾驶者发出的警报、对驾驶操作的改进建议等。
下面参考图94详细说明根据第十三实施例的车辆驾驶辅助系统7的操作。图94 是示出第十三实施例中的控制器500执行的驾驶辅助控制处理的流程的流程图。该处理以 恒定间隔连续执行，例如每50毫秒执行一次。 首先，在步骤S1510中检测车辆行驶状态。这里，控制器500获得由车速传感器 30检测到的车速V、由激光雷达10检测到的本车与前车之间的车间距离D和相对车速Vr、 以及从前方照相机15拍摄的图像获得的与车道标线的距离等，作为车辆行驶状态。在步骤 S1520中检测驾驶者的操作状态。这里，控制器500获得由加速踏板行程传感器55检测到 的加速踏板操作量、由制动踏板行程传感器60检测到的制动踏板操作量、转向信号开关65 检测到的转向信号杆被操作与否、以及由转向角传感器5检测到的转向角，作为驾驶者的 操作状态。 在步骤S1530中，基于在步骤S1510中获得的车辆行驶状态和在步骤S1520中获 得的驾驶者的操作状态，计算用于执行驾驶诊断的各个指标。如图93所示，控制器500计 算加速踏板释放时刻的接触时间TTC的分布、执行转向调节时的车道偏离时间TLC的分布、 单独行驶时的车速分布、跟随行驶场景中的车间时距THW的分布、起动时的最大加速度、制 动时的最小接触时间TTC的分布、超车时的最小车间距离、转向平滑度(转向角熵)、以及加 速踏板操作的稳定度(加速踏板位置熵)，作为各个指标。这些指标分别表示驾驶者的驾驶 过程中的认识、判断和操作。 加速踏板释放时刻的接触时间TTC的分布是表示驾驶者的危险认识特性的数据， 并且如第一实施例中所述，可以基于本车与前车之间的车间距离D来计算。执行转向调节 时的车道偏离时间TLC的分布也是表示驾驶者的危险认识特性的数据，并且如第二实施例 中所述，可以基于车辆的车道侧向位置来计算。 单独行驶时的车速分布是表示驾驶者的安全意识和操作偏好特性的数据，并且如 第三实施例中所述，可以基于车速V来计算。跟随行驶场景中的车间时距THW的分布也是 表示驾驶者的安全意识和操作偏好特性的数据，并且如第四实施例至第六实施例中所述， 可以基于本车与前车之间的车间距离D来计算。起动时的最大加速度也是表示驾驶者的安 全意识和操作偏好特性的数据，并且如第七实施例中所述，可以基于车辆的加速度和减速度来计算。 制动时的最小接触时间TTC的分布是表示驾驶者的危险容许度的数据，并且如第 八实施例中所述，可以基于本车与前车之间的车间距离D来计算。超车时的最小车间距离 也是表示驾驶者的危险容许度的数据，并且如第九实施例中所述，可以基于本车与前车之 间的车间距离D来计算。 转向平滑度(转向角熵)是表示驾驶者对驾驶操作的控制表现的数据，并且如第 十实施例和第十一实施例中所述，可以基于转向角来计算。加速踏板操作的稳定度(加速 踏板位置熵)也是表示驾驶者对驾驶操作的控制表现的数据，并且如第十二实施例中所 述，可以基于加速踏板操作量来计算。 在步骤SI540中，存储在步骤SI530中计算出的各个指标。 在步骤S1600中，利用在步骤S1530中计算出的各个指标综合地执行驾驶者驾驶 诊断。首先，如第一实施例和第十二实施例中所述，对于各个指标，将当前分布(作为比较 对象的"此刻"或"今日"的数据分布)与通常分布(作为基准的"通常"的数据分布)进行 比较。然后，通过将相对于通常状态偏向更危险侧的分布指定为负，并且将相对于通常状态 偏向危险更低侧的分布指定为正，计算出偏离度。当指标的分布与通常分布完全一致时将 偏离度指定为零，从而在偏离度位于±10的范围内将偏离度计分。 另外，通过以预定方式为各个指标分配权重系数并计算权重系数与各个偏离度的 分数的乘积的总和，来计算综合指标。要注意的是，对于各个指标均等地设定权重系数。然 而，可以考虑各个指标对实际车辆行为的影响程度来分别地设定各个指标的权重系数。在 该情况下，对于与判断相关的指标(单独行驶时的车速分布、跟随行驶场景中的车间时距 THW的分布、起动时的最大加速度、制动时的最小接触时间TTC的分布、超车时的最小车间 距离)，其权重系数要大于那些与认识相关的指标(加速踏板释放时刻的接触时间TTC的分 布和执行转向调节时的车道偏离时间TLC的分布)。此外，对于与操作相关的指标(转向平 滑度和加速踏板操作的稳定度)，其权重系数要大于那些与认识相关的指标和与判断相关 的指标。 最后，将权重系数与各个分数的乘积除以可能的最高分数，并且乘以IO来正规 化，从而综合指标落入±10的范围内。 在步骤S1610中，将在步骤S1600中计算出的综合指标的分数与第一预定值进行 比较，来判断是否执行警报表达处理。用于判断是否表达警报的第一预定值为例如_3点。 在综合指标的分数小于或等于第一预定值的情况下，在步骤S1610中作出肯定判断，并且 控制流程转入步骤S1620。在步骤S1620中，从扬声器130输出警报声来通知驾驶者其驾驶 操作总体地偏向更危险状态。更具体地说，以蜂鸣音或语音执行警报表达，从而将操作特性 有效地传达给驾驶者以防止操作处于危险状态。 在步骤S1630中，控制器500从全部的各个指标中选择一个分数最低的指标，并且 在显示单元180的显示屏幕上显示选择的指标作为待改进点。这使得驾驶者注意其在操作 过程中特别要关注的该待改进点。 如果在步骤S1610中作出否定判断，则控制流程转入步骤S1710，从而将在步骤 S1600中计算出的综合指标的分数与第二预定值进行比较。用于判断是否表达改进建议 的第二预定值为例如+3点。在综合指标的分数大于或等于第二预定值的情况下，在步骤
72S1710中作出肯定判断，并且控制流程转入步骤S1720。在综合指标的分数大于或等于第二
预定值的情况下，这表明驾驶者的驾驶诊断的结果是好的，即，驾驶者正进行稳定、良好的
操作状。因此，在步骤S1720中，在显示单元180的显示屏幕上显示综合指标的分数以及例
如"您的驾驶合适"的消息。要注意的是，在步骤S1710中作出否定判断的情况下，不执行
改进建议表达。这样，控制器500终止处理。 在上述第十三实施例中可以实现如下操作和有益效果。 (1)车辆驾驶辅助系统7综合检测驾驶者的认识、判断和操作作为用于驾驶诊断 的指标。这使得车辆驾驶辅助系统7能够综合地判断驾驶者是否正在进行良好的操作以执 行准确的驾驶诊断。 (2)车辆驾驶辅助系统7使用关于如下几项作出综合判断的指标作为用于驾驶诊 断的指标(a)当本车正接近前车时的加速踏板释放时刻的接近度(例如，接触时间TTC) 的分布、或当本车接近车道边界时的执行转向调节时的与车道边界的接近度(例如，车道 偏离时间TLC)的分布，(b)在不存在前车的状态下的车速V的分布、当车辆正跟随前车时的 本车与前车之间的车间时距THW的分布、或者车辆在从停止状态起动时的加速度的分布， (c)当本车正接近前车时的制动操作时的本车与前车的接近度(接触时间TTC)的分布、或 在从跟随状态超越前车时的最小车间距离D的分布，以及(d)转向操作的平滑度(转向角 熵)、或加速踏板操作的稳定度(加速踏板位置熵)。这使得车辆驾驶辅助系统7能够综合 地判断驾驶者是否正在进行良好的操作。 要注意的是，在上述第一实施例至第十三实施例中，系统构造成在执行驾驶诊断 之后，根据驾驶诊断结果执行警报表达处理或改进建议处理。然而，本发明的车辆驾驶辅助 系统不限于此，该车辆驾驶辅助系统可以构造成仅仅利用行驶状态和驾驶操作执行驾驶诊 断。在该情况下，例如，该系统可以构造成仅仅当驾驶者期望时才表达驾驶诊断结果，或者 将驾驶诊断结果发送给收集数据的基站。 在上述第一实施例至第十三实施例中，激光雷达10、前方照相机15、车速传感器 30、加速度传感器35和导航系统50可以用作行驶状态检测装置；转向角传感器5、加速踏 板行程传感器55、制动踏板行程传感器60和转向信号开关65可以用作驾驶操作检测装置； 控制器100、200、250、300、350、400和500可以用作驾驶诊断装置和信息设定装置；扬声器 130和显示单元180可以用作信息提供装置。要注意的是，行驶状态检测装置和驾驶操作 检测装置不限于此，例如，可以使用其它类型的雷达代替激光雷达10。此外，系统可以构造 成，可以将扬声器130或显示单元180用作信息提供装置。要注意的是，上述说明是示例性 的，本发明不受上述实施例和权利要求书之间的对应关系的限制或约束。
权利要求
一种车辆驾驶辅助系统，其特征在于，所述车辆驾驶辅助系统包括行驶状态检测装置，其检测车辆的行驶状态；驾驶操作检测装置，其检测驾驶者进行的驾驶操作；驾驶诊断装置，其基于所述行驶状态检测装置所检测到的行驶状态和所述驾驶操作检测装置所检测到的驾驶操作来计算用于驾驶诊断的指标，并且根据计算出的指标诊断驾驶者的驾驶操作；信息设定装置，其根据评价准则评价所述驾驶诊断装置的驾驶诊断结果，从而设定向驾驶者提供的信息提供内容；以及信息提供装置，其利用所述信息设定装置设定的内容向驾驶者提供信息。
2. 根据权利要求1所述的车辆驾驶辅助系统，其特征在于，所述信息设定装置根据至少两个评价准则评价所述驾驶诊断结果并且设定信息提供 内容。
3. 根据权利要求2所述的车辆驾驶辅助系统，其特征在于， 所述驾驶诊断装置利用单个指标来执行所述驾驶诊断；并且所述信息设定装置设定关于所述单个指标的至少两个评价准则值，并且将使用所述单 个指标的的驾驶诊断结果与所述至少两个评价准则值进行比较，从而设定所述信息提供内容。
4. 根据权利要求3所述的车辆驾驶辅助系统，其特征在于，所述信息设定装置从基于一般驾驶者的评价准则值、基于驾驶者通常的操作状态的 评价准则值、以及基于驾驶者今日的操作状态的评价准则值中设定所述至少两个评价准则值。
5. 根据权利要求1所述的车辆驾驶辅助系统，其特征在于，当所述驾驶诊断结果低于预定评价准则值时，所述信息设定装置设定警报作为所述信 息提供内容。
6. 根据权利要求1所述的车辆驾驶辅助系统，其特征在于，当所述驾驶诊断结果超出预定评价准则值时，所述信息设定装置设定操作改进建议作 为所述信息提供内容。
7. 根据权利要求2至4中任一项所述的车辆驾驶辅助系统，其特征在于， 所述信息设定装置根据两个评价准则评价所述驾驶诊断结果，并且根据评价结果设定警报或操作改进建议作为所述信息提供内容。
8. 根据权利要求7所述的车辆驾驶辅助系统，其特征在于，所述信息设定装置在所述驾驶诊断结果低于第一评价准则值时设定警报，并且在所述 驾驶诊断结果超出第二评价准则值时设定操作改进建议。
9. 根据权利要求1至8中任一项所述的车辆驾驶辅助系统，其特征在于， 所述驾驶诊断装置检测驾驶者的危险认识特性作为所述用于驾驶诊断的指标。
10. 根据权利要求9所述的车辆驾驶辅助系统，其特征在于，所述驾驶诊断装置检测如下两个分布中之一作为所述驾驶者的危险认识特性，所述两 个分布包括当所述车辆正接近前车时的加速踏板释放时刻的接近度的分布、以及所述车 辆接近车道边界时的执行转向调节时的与所述车道边界的接近度的分布。
11. 根据权利要求1至8中任一项所述的车辆驾驶辅助系统，其特征在于， 所述驾驶诊断装置检测驾驶者的安全意识和操作偏好特性作为所述用于驾驶诊断的指标。
12. 根据权利要求11所述的车辆驾驶辅助系统，其特征在于，所述驾驶诊断装置检测如下三个分布中之一作为所述驾驶者的安全意识和操作偏好特性，所述三个分布包括在不存在前车的状态下的所述车辆的速度的分布、当所述车辆正 跟随前车时的所述车辆与所述前车之间的车间时距的分布、以及所述车辆在从停止状态起 动时的加速度的分布。
13. 根据权利要求1至8中任一项所述的车辆驾驶辅助系统，其特征在于， 所述驾驶诊断装置检测驾驶者的危险容许度作为所述用于驾驶诊断的指标。
14. 根据权利要求13所述的车辆驾驶辅助系统，其特征在于，所述驾驶诊断装置检测如下两个分布中之一作为所述驾驶者的危险容许度，所述两个 分布包括当所述车辆正接近前车时的制动操作时的所述车辆与所述前车之间的接近度的 分布、以及在从跟随状态超越所述前车时的最小车间距离的分布。
15. 根据权利要求1至8中任一项所述的车辆驾驶辅助系统，其特征在于， 所述驾驶诊断装置检测驾驶者对驾驶操作的控制表现作为所述用于驾驶诊断的指标。
16. 根据权利要求15所述的车辆驾驶辅助系统，其特征在于，所述驾驶诊断装置检测转向操作的平滑度和加速踏板操作的平滑度中之一作为所述 驾驶者对驾驶操作的控制表现。
17. 根据权利要求1至8中任一项所述的车辆驾驶辅助系统，其特征在于， 所述驾驶诊断装置综合地检测驾驶者的认识、判断和操作的特性，作为所述用于驾驶诊断的指标。
18. 根据权利要求17所述的车辆驾驶辅助系统，其特征在于，所述驾驶诊断装置使用关于如下几项作出综合判断的指标作为所述用于驾驶诊断的 指标(a)当所述车辆正接近前车时的加速踏板释放时刻的接近度的分布、或所述车辆接 近车道边界时的执行转向调节时的与所述车道边界的接近度的分布，(b)在不存在前车的 状态下的所述车辆的速度的分布、或当所述车辆正跟随前车时的所述车辆与所述前车之间 的车间时距的分布、或所述车辆在从停止状态起动时的加速度的分布，(c)当所述车辆正接 近前车时的制动操作时的所述车辆与所述前车之间的接近度的分布、或在从跟随状态超越 所述前车时的最小车间距离的分布，以及(d)转向操作的平滑度、或加速踏板操作的平滑 度。
19. 一种车辆驾驶辅助方法，其特征在于，所述车辆驾驶辅助方法包括 检测车辆的行驶状态；检测驾驶者进行的驾驶操作；基于已经检测到的行驶状态和驾驶操作来计算用于驾驶诊断的指标，并且根据计算出 的指标诊断驾驶者的驾驶操作；根据评价准则评价驾驶诊断结果，从而设定向驾驶者提供的信息内容；以及 利用设定的内容向驾驶者提供信息。
20. —种车辆，其特征在于，所述车辆包括根据权利要求1至18中任一项所述的车辆驾驶辅助系统。
全文摘要
本发明公开一种车辆驾驶辅助系统和配备有驾驶辅助系统的车辆。所述车辆驾驶辅助系统包括行驶状态检测装置，其检测车辆的行驶状态；驾驶操作检测装置，其检测驾驶者进行的驾驶操作；驾驶诊断装置，其基于所述行驶状态检测装置所检测到的行驶状态和所述驾驶操作检测装置所检测到的驾驶操作来计算用于驾驶诊断的指标，并且根据计算出的指标诊断驾驶者的驾驶操作；信息设定装置，其根据评价准则评价所述驾驶诊断装置的驾驶诊断结果，从而设定向驾驶者提供的信息提供内容；以及信息提供装置，其利用所述信息设定装置设定的内容向驾驶者提供信息。
文档编号G08B21/00GK101754887SQ20078005385
公开日2010年6月23日 申请日期2007年7月24日 优先权日2007年7月24日
发明者久家伸友, 小森贤二, 山村智弘, 近藤崇之, 高江康彦 申请人:日产自动车株式会社