驾驶辅助装置、车辆、不当驾驶探测系统以及服务器装置的制作方法

本公开涉及一种驾驶辅助装置、车辆、不当驾驶探测系统以及服务器装置。

背景技术：

在专利文献1中公开了如下技术：作为自动驾驶汽车的第一车辆在道路上行驶的过程中接受一个以上的传感器信息，基于这些传感器信息来确定对第一车辆进行攻击性的驾驶行为的第二车辆，该一个以上的传感器信息表示在第一车辆的附近行驶着的其它多个车辆各自的驾驶特性。

现有技术文献

专利文献

专利文献1：美国专利申请公开第2014/0236414号说明书

技术实现要素：

发明要解决的问题

在具体地推进自动驾驶汽车(av：autonomousvehicle)的运用时，考虑到自动驾驶汽车会遇到不当驾驶(例如，其它车辆的恶意靠近、其它车辆故意闯入前方等的车道变更)。作为现有技术的针对不当驾驶的对策，例如考虑到通过搭载于车辆的行车记录仪记录行驶中的影像来作为证据等的应对措施。

可是，当考虑发生上述的针对自动驾驶汽车的不当驾驶的可能性时，如果以往的对策不能有效发挥作用，则在实现自动驾驶汽车的运用和普及方面会成为较大的障碍，推测仅通过以往的对策是不足够的。在上述的专利文献1中，公开了在确定出第二车辆的攻击性的驾驶行为后，以使第一车辆避开第二车辆的方式控制驾驶。但是，认为即使使用专利文献1的技术也能够暂时地摆脱不当驾驶，但难以有效地抑制第二车辆进行的攻击性的驾驶行为本身。

另外，通过自动驾驶汽车具体地具备有效对抗不当驾驶的装置，从而能够期待自动驾驶汽车遭遇事故的概率降低，因此例如还能够期待能够减少汽车保险费等商业上的拓展。另外，在推测会大量利用自动驾驶汽车的车辆调度业务(例如出租车的车辆调度)等中，也不能否定竞争公司的出租车通过不当驾驶来干扰乘车的可能性，推测针对不当驾驶的监管不限于对单纯的故意犯罪的监管，在研究揽客盈利性、业务可行性方面也成为重要的课题。

本公开是鉴于上述以往的情况而提出的，其目的在于提供如下一种驾驶辅助装置、车辆、不当驾驶探测系统以及服务器装置：在自动驾驶中高效地判定是否对本车辆进行了异常靠近等不当驾驶，生成与进行了该不当驾驶的其它车辆有关的信息来作为证据，并将该信息登记或更新到规定的数据库中，从而有效地促进对于不当驾驶的执行的抑制。

用于解决问题的方案

本公开提供一种驾驶辅助装置，具备：探测部，其基于从车辆具备的传感器获得的传感器信息来判定自动驾驶中的路径有无变更，并将按照其判定结果执行自动驾驶的指示输出到车辆控制部；以及不当驾驶探测部，其使用与自动驾驶中的所述车辆周边的一辆以上的其它车辆有关的信息和包含所述车辆所在的地点的地区信息中的至少一者，向外部的数据库查询所述其它车辆中有无进行过不当驾驶的不当驾驶车辆，基于来自所述数据库的查询结果来探测有无发生所述其它车辆的不当驾驶，其中，在发生了所述不当驾驶的情况下，所述不当驾驶探测部生成不当驾驶车辆信息，并向所述数据库请求进行所述不当驾驶车辆信息的登记或更新，所述不当驾驶车辆信息包含进行了该不当驾驶的不当驾驶车辆的id信息以及所述不当驾驶车辆和所述车辆各自的行驶轨迹信息。

另外，本公开提供一种车辆，搭载有驾驶辅助装置，其中，所述驾驶辅助装置具备：探测部，其基于从所述车辆具备的传感器获得的传感器信息来判定自动驾驶中的路径有无变更，并将按照其判定结果执行自动驾驶的指示输出到车辆控制部；以及不当驾驶探测部，其使用与自动驾驶中的所述车辆周边的一辆以上的其它车辆有关的信息和包含所述车辆所在的地点的地区信息中的至少一者，向外部的数据库查询所述其它车辆中有无进行过不当驾驶的不当驾驶车辆，基于来自所述数据库的查询结果来探测有无发生所述其它车辆的不当驾驶，在发生了所述不当驾驶的情况下，所述不当驾驶探测部生成不当驾驶车辆信息，并向所述数据库请求进行所述不当驾驶车辆信息的登记或更新，所述不当驾驶车辆信息包含进行了该不当驾驶的不当驾驶车辆的id信息以及所述不当驾驶车辆和所述车辆各自的行驶轨迹信息。

另外，本公开提供一种不当驾驶探测系统，在所述不当驾驶探测系统中，服务器装置与车辆以能够通信的方式进行连接，所述服务器装置能够访问数据库，所述数据库用于保持与进行过不当驾驶的不当驾驶车辆有关的信息，其中，所述车辆基于从所述车辆具备的传感器获得的传感器信息来判定自动驾驶中的路径有无变更，并将按照其判定结果执行自动驾驶的指示输出到车辆控制部，所述车辆使用与自动驾驶中的所述车辆周边的一辆以上的其它车辆有关的信息和包含所述车辆所在的地点的地区信息中的至少一者，向所述服务器装置查询所述其它车辆中有无进行过不当驾驶的不当驾驶车辆，所述服务器装置响应于来自所述车辆的查询，访问所述数据库，接受与来自所述车辆的查询相应的查询结果，并将该查询结果发送到所述车辆，所述车辆基于从所述服务器装置发送的查询结果，来探测有无发生所述其它车辆的不当驾驶，在发生了所述不当驾驶的情况下，所述车辆生成不当驾驶车辆信息，并向所述服务器装置请求进行所述不当驾驶车辆信息的登记或更新，所述不当驾驶车辆信息包含进行了该不当驾驶的不当驾驶车辆的id信息以及所述不当驾驶车辆和所述车辆各自的行驶轨迹信息。

另外，本公开提供一种服务器装置，与数据库以能够访问该数据库的方式进行连接，所述数据库用于保持与进行过不当驾驶的不当驾驶车辆有关的信息，所述服务器装置具备：通信部，其接收查询请求，所述查询请求包括与自动驾驶中的车辆周边的一辆以上的其它车辆有关的信息和包含所述车辆所在的地点的地区信息中的至少一者，并且所述查询请求用于查询所述其它车辆中有无进行过不当驾驶的不当驾驶车辆；以及处理器，其基于所接收到的所述查询请求中包括的与所述其它车辆有关的信息和所述地区信息，经由所述通信部访问所述数据库来进行包括所述其它车辆中有无进行过不当驾驶的不当驾驶车辆的查询，并将来自所述数据库的查询结果经由所述通信部发送到所述车辆，其中，所述处理器接受在由所述车辆探测到发生了所述其它车辆的不当驾驶的情况下由所述车辆生成的不当驾驶车辆信息后在所述数据库中进行登记或更新，所述不当驾驶车辆信息包含进行了所述不当驾驶的不当驾驶车辆的id信息以及所述不当驾驶车辆和所述车辆各自的行驶轨迹信息。

此外，以上的构成要素的任意组合、将本公开的表现形式在方法、装置、系统、记录介质、计算机程序等之间变换得到的方式作为本公开的方式也是有效的。

发明的效果

根据本公开，能够在自动驾驶中高效地判定是否对本车辆进行了异常靠近等不当驾驶，生成与进行了该不当驾驶的其它车辆有关的信息来作为证据，并在规定的数据库中进行登记或更新，因此能够有效地促进对于不当驾驶的执行的抑制。

附图说明

图1是示出包括搭载实施方式1所涉及的驾驶辅助装置的车辆的不当驾驶探测系统的系统结构例的框图。

图2是示出不当驾驶数据库中保持的不当驾驶表的数据结构例的图。

图3是示出搭载于实施方式1所涉及的驾驶辅助装置的探测装置的动作过程的一例的流程图。

图4是示出搭载于实施方式1所涉及的驾驶辅助装置的不当驾驶探测装置的动作过程的一例的流程图。

图5是示出第三方终端的动作过程的一例的流程图。

图6是示出云服务器的动作过程的一例的流程图。

图7是示出外部机构终端的动作过程的一例的流程图。

图8是示出包括搭载实施方式2所涉及的驾驶辅助装置的车辆的不当驾驶探测系统的系统结构例的框图。

图9是示出搭载于实施方式2所涉及的驾驶辅助装置的探测装置的动作过程的一例的流程图。

图10是示出搭载于实施方式2所涉及的驾驶辅助装置的不当驾驶探测装置的动作过程的一例的流程图。

图11是示出包括搭载第一变形例所涉及的驾驶辅助装置的车辆的不当驾驶探测系统的系统结构例的框图。

图12是示出包括搭载第二变形例所涉及的驾驶辅助装置的车辆的不当驾驶探测系统的系统结构例的框图。

图13是示出包括搭载第三变形例所涉及的驾驶辅助装置的车辆的不当驾驶探测系统的系统结构例的框图。

具体实施方式

下面，适当地参照附图来详细地说明具体公开了本公开所涉及的驾驶辅助装置、车辆、不当驾驶探测系统以及服务器装置的各实施方式。其中，有时省略不必要的详细说明。例如，有时省略对已经熟知的事项的详细说明、对实质上相同的结构的重复说明。这是为了避免下面的说明过于冗长，并使本领域技术人员容易理解。此外，附图和下面的说明是为了使本领域技术人员充分地理解本公开而提供的，并非意图通过这些附图和下面的说明来限定权利要求书中记载的主题。

(实施方式1)

在实施方式1中，搭载驾驶辅助装置10的车辆1(下面有时称为“本车辆”)在自动驾驶中接受与在本车辆的周边行驶着的一辆以上的其它车辆有关的信息(参照后述)和本车辆的地区信息。车辆1使用与周边的其它车辆有关的信息和本车辆的地区信息，向云服务器20查询周边的其它车辆中有无过去进行过不当驾驶的不当驾驶车辆。车辆1基于来自云服务器20的查询结果(参照后述)，来探测有无发生本车辆周边的其它车辆的不当驾驶，在发生了不当驾驶的情况下，生成不当驾驶车辆信息，该不当驾驶车辆信息包含进行了该不当驾驶的不当驾驶车辆的id信息(参照后述)以及不当驾驶车辆和本车辆各自的行驶轨迹信息。车辆1向云服务器20请求进行所生成的不当驾驶车辆信息的登记或更新。

在下面的说明中，不当驾驶为其它车辆故意对车辆1进行的恶意或伴有危险的恶性的驾驶，例如为其它车辆的异常靠近、闯入到前方等的车道变更、在前方突然急刹车、自后方的尾随驾驶等行为。此外，不当驾驶并不限定于这些行为，可以还包含由车辆以外的障碍物(例如人)进行的恶性的行为(不当行为)。

图1是示出包括搭载实施方式1所涉及的驾驶辅助装置10的车辆1的不当驾驶探测系统100的系统结构例的框图。不当驾驶探测系统100构成为包括车辆1、云服务器20、不当驾驶数据库30、第三方终端40以及外部机构终端50。车辆1与云服务器20经由网络(省略图示)以能够彼此通信的方式连接。网络例如为因特网或无线lan(localareanetwork：局域网)等无线通信网。

不当驾驶数据库30、第三方终端40、外部机构终端50分别经由云服务器20以能够通信的方式进行连接。也就是说，不当驾驶数据库30与云服务器20、第三方终端40与云服务器20、外部机构终端50与云服务器20分别经由网络(省略图示)以能够彼此通信的方式进行连接。网络例如同样为因特网或无线lan等无线通信网。

车辆1构成为包括多个传感器s1、存储器m1、dm(dynamicmap：动态地图)信息数据库11、驾驶辅助装置10、车辆控制装置13以及致动器14。车辆1是自动驾驶水平为1以上的车辆，在下面的说明中，假定自动驾驶水平为3的车辆以易于理解说明。多个传感器s1、存储器m1、dm信息数据库11、驾驶辅助装置10、车辆控制装置13以及致动器14例如经由can(controllerareanetwork：控制器域网)等车载网络以能够彼此进行数据或信息的输入和输出的方式进行连接。

车辆1搭载用于控制车辆1的自动驾驶的驾驶辅助装置10。驾驶辅助装置10例如使用单个或多个ecu(electroniccontrolunit：电子控制单元)构成。驾驶辅助装置10包括探测装置12、不当驾驶探测装置15以及通信装置16。此外，通信装置16也可以设为不包括在驾驶辅助装置10中的结构。

驾驶辅助装置10按照存储器m1中存储的程序和数据进行动作。具体地说，驾驶辅助装置10生成前往由驾驶员等对hmi(humanmachineinterface：人机接口，省略图示)进行操作而指定的目的地的路径，并基于多个传感器s1各自按照该路径探测出的输出值(下面称为“传感器信息”)，来对按照所生成的路径执行的自动驾驶进行辅助。

驾驶辅助装置10在按照直至目的地的路径的自动驾驶中，向车辆控制装置13输出用于对车辆1内的各种控制对象设备(例如方向盘、加速踏板、制动器、方向指示器等)的工作进行控制的控制指示。车辆1的自动驾驶包含在即将与障碍物(例如其它车辆、摩托车等二轮车、行人、护栏、电线杆、公路杆、店铺等设施等。下面同样。)碰撞之前使制动器工作来使车辆1停止的功能。另外，车辆1的自动驾驶包含以与在车辆1的前方行驶的其它车辆之间保持一定间隔的状态追随该其它车辆的功能。另外，车辆1的自动驾驶包含以不超出白线(也就是说，车道)的方式控制车辆1的方向盘的功能，但是上述的各功能是自动驾驶的一例，并不限定于这些功能。

多个传感器s1各自探测车辆1的周边的状况，将其探测结果的信息(也就是说，上述的传感器信息)输出到驾驶辅助装置10。作为传感器信息的一例的行驶信息为车辆1的行进方向、车速。另外，行驶信息可以还包含在车辆1的周边行驶着的一辆以上的其它车辆的行驶信息(例如，车辆1与其它车辆之间的距离、从车辆1观看的其它车辆的存在方向)。各个传感器s1例如可以包括摄像机、环景摄像机、雷达、多个激光测距仪。此外，传感器并不限定于摄像机、环景摄像机、雷达、多个激光测距仪中的任一个，例如还可以包括陀螺仪传感器、加速度传感器、地磁传感器、倾斜传感器、气温传感器、气压传感器、湿度传感器、照度传感器。

作为传感器的一例的摄像机具有ccd(chargecoupleddevice：电荷耦合器件)或cmos(complementarymetaloxidesemiconductor：互补金属氧化物半导体)等摄像元件。摄像机例如设置于车辆1的车身前部的中央，用于将前方中央的范围作为探测范围进行拍摄。具体地说，摄像机探测在车辆1的前方存在的障碍物(例如其它车辆、二轮车、自行车、行人。以下是同样的。)等。摄像机能够执行利用摄像图像的数据的图像处理。摄像机能够通过图像处理来探测以车辆1的位置为基准的障碍物的位置和行进方向。

作为传感器的一例的环景摄像机使用分别设置于车辆1的车身前方、车身后方以及车身侧方的多台(例如在车身前方有2台、在车身后方有2台、在车身侧方有2台总共6台)摄像机构成。环景摄像机探测车辆1附近的行人、白线、相邻车道的其它车辆等。

作为传感器的一例的雷达使用分别设置于车辆1的车身前方和车身后方的多台(例如2台)雷达构成。此外，雷达也可以只设置于车辆1的车身前方。雷达例如使用毫米波雷达、声纳雷达、激光雷达(lidar：lightdetectionandranging(光探测与测距)、laserimagingdetectionandranging(激光成像探测与测距))构成。雷达在有限的角度范围内扫描并照射超声波或毫米波等电磁波，接收其反射光来探测照射的开始时间点与反射光的接收时间点的时间差，由此探测本车辆与障碍物的距离，进一步探测从本车辆观看的障碍物的方向。

作为传感器的一例的激光测距仪分别设置于车辆1的车身前方右侧、车身前方左侧、车身侧方右侧、车身侧方左侧、车身后方右侧、车身后方左侧。激光测距仪分别探测存在于车辆1的前方右侧、前方左侧、侧方右侧、侧方左侧、后方右侧、后方左侧的障碍物(参照上述)等。具体地说，激光测距仪分别在一定的广角的角度范围内扫描并照射激光，接收其反射光来探测照射的开始时间点与反射光的接收时间点的时间差，由此探测车辆1与障碍物的距离，进一步探测从车辆1观看的障碍物的方向。

作为传感器的一例的gps接收机接收从多个gps(globalpositioningsystem：全球定位系统)卫星发送的表示时刻和各gps卫星的位置(也就是说，三维坐标)的多个信号，基于该接收到的多个信号来计算gps接收机的位置(也就是说，车辆1的当前位置)。gps接收机将车辆1的当前位置的信息(下面称为“本车位置信息”)分别输出到驾驶辅助装置10的探测装置12和不当驾驶探测装置15。

存储器m1例如使用ram(randomaccessmemory：随机存取存储器)和rom(readonlymemory：只读存储器)构成，暂时地保持驾驶辅助装置10和车辆控制装置13执行动作所需要的程序、数据以及在动作中生成的数据或信息。ram例如为在驾驶辅助装置10和车辆控制装置13动作时使用的工作存储器(workmemory)。rom预先存储并保持例如用于控制驾驶辅助装置10和车辆控制装置13的程序和数据。

dm信息数据库11例如使用hdd(harddiskdrive：硬盘驱动器)或ssd(solidstatedrive：固态硬盘)构成，保持车辆1实现自动驾驶所需要的动态的道路构造信息即动态地图。在探测装置12和不当驾驶探测装置15中接受该动态地图的数据。dm信息数据库11可以接受从动态地图提供服务器(省略图示)定期提供的动态地图的数据来进行更新。此外，在附图中，为了方便而将dm信息数据库简记为“dm信息db”。

在此，动态地图例如是指在静态的高精度的三维地图数据中组合道路的拥堵信息、因事故或道路施工而引起的通行限制等产生了动态变更的位置的信息而成的数字地图数据。车辆1使用能够从dm信息数据库11读出的动态地图的数据，能够基于搭载于车辆1的多个传感器s1(例如毫米波雷达、超声波传感器、光学式摄像机等)的传感器信息一边准确地估计车辆1的周边信息一边进行自动驾驶。

作为探测部的一例的探测装置12接受多个传感器s1各自探测到的传感器信息和由作为传感器s1的一例的gps接收机计算出的车辆1的本车位置信息。另外，探测装置12从dm信息数据库11接受车辆1进行自动驾驶所需要的动态地图的数据。探测装置12使用接受的这些各种信息和数据，来生成车辆1通过直至目的地为止的自动驾驶行驶时的路径，将按照该路径执行自动驾驶的指示输出到车辆控制装置13。

另外，探测装置12在从不当驾驶探测装置15接受了不当行为提醒信息(参照后述)的情况下，探测在车辆1的周边是否存在满足不当行为提醒信息的其它车辆。探测装置12在探测到在车辆1的周边存在满足不当行为提醒信息的其它车辆的情况下，根据不当行为提醒信息中包含的不当驾驶模式和频度的信息来生成不当行为车辆避开路线，使车辆控制装置13执行远离不当驾驶车辆一定程度的距离那样的自动驾驶。此外，参照图3在后面记述探测装置12的动作的详细内容。

作为不当驾驶探测部的一例的不当驾驶探测装置15接受多个传感器s1各自探测到的传感器信息、以及由作为传感器s1的一例的gps接收机计算出的车辆1的本车位置信息。另外，不当驾驶探测装置15从dm信息数据库11接受车辆1进行自动驾驶所需要的动态地图的数据。不当驾驶探测装置15基于多个传感器s1各自探测到的传感器信息、本车位置信息以及动态地图的数据，来在自动驾驶中识别与在车辆1的周边行驶着的一辆以上的其它车辆有关的信息(例如后述的车辆id信息)和本车辆的地区信息。地区信息为包含车辆1(本车辆)所在的地点的广范围的地区的信息。

不当驾驶探测装置15使用与周边的其它车辆有关的信息(例如后述的车辆id信息)和本车辆的地区信息，经由通信装置16向云服务器20查询周边的其它车辆中有无过去进行过不当驾驶的不当驾驶车辆。不当驾驶探测装置15基于来自云服务器20的查询结果(例如从后述的不当驾驶数据库30获得的不当驾驶车辆信息)和从传感器s1获得的传感器信息，来探测有无发生本车辆周边的其它车辆的不当驾驶。

在发生了本车辆周边的其它车辆的不当驾驶(也就是说，遭受了不当驾驶)的情况下，不当驾驶探测装置15生成不当驾驶车辆信息(参照后述)，该不当驾驶车辆信息包含进行了该不当驾驶的不当驾驶车辆的id信息(也就是说，从不当驾驶数据库30获得的不当驾驶车辆信息中包含的车辆id信息)以及不当驾驶车辆和本车辆各自的行驶轨迹信息(参照后述)。不当驾驶探测装置15经由通信装置16来向云服务器20请求进行所生成的不当驾驶车辆信息的登记或更新。此外，参照图4在后面记述不当驾驶探测装置15的动作的详细内容。

通信装置16具有作为与云服务器20之间的通信接口的作用，使用与云服务器20之间能够进行无线通信的通信电路构成。通信装置16将包含从不当驾驶探测装置15传送的车辆id信息和本车辆的地区信息的查询请求发送到云服务器20。通信装置16将来自云服务器20的查询结果(也就是说，从后述的不当驾驶数据库30获得的不当驾驶车辆信息)传送到不当驾驶探测装置15。

另外，通信装置16向云服务器20发送不当驾驶车辆信息的登记或更新的请求，该不当驾驶车辆信息包含由不当驾驶探测装置15生成的不当驾驶车辆信息(参照后述)。

作为车辆控制部的一例的车辆控制装置13基于从探测装置12输出的自动驾驶的执行指示，来计算例如车辆1的加速器油门开度、车辆1的制动力、方向盘转角、信号灯的明灭定时等用于控制自动驾驶所需要的控制对象设备的控制值。车辆控制装置13按照计算出的该控制值来让致动器14使搭载于车辆1的控制对象设备工作。控制值例如是按照由驾驶辅助装置10中包括的探测装置12生成的路径行驶而计算的。路径是由探测装置12计算并生成的，被输入到车辆控制装置13。车辆控制装置13将计算出的控制值传递到用于驱动各个控制对象设备(例如方向盘、加速踏板、制动器、方向指示器)的致动器14(也就是说，方向盘致动器、加速踏板致动器、制动器致动器、信号灯明灭控制器)。

控制对象设备是配备于车辆1内的设备，在车辆1的自动驾驶中，受车辆控制部13控制而工作。控制对象设备受致动器14控制而工作。

方向盘致动器与配置于车辆1内的方向盘连接，按照从车辆控制装置13输入的针对方向盘(省略图示)的控制信号，来对自动驾驶中的方向盘的工作(换言之为车辆1的行进方向的维持或变更)进行控制。

加速踏板致动器与配置于车辆1内的加速踏板连接，按照从车辆控制装置13输入的针对加速踏板(省略图示)的控制信号，来对自动驾驶中的加速踏板的工作(换言之为车辆1的车速的维持或增减)进行控制。

制动器致动器与配置于车辆1内的制动装置(也就是说制动器)连接，按照从车辆控制装置13输入的针对制动器(省略图示)的控制信号，来对自动驾驶中的制动器的工作(换言之为对车辆1的行进进行的制动的维持或变更)进行控制。

信号灯明灭控制器与配置于车辆1内的方向指示器的明灭装置(下面简记为“信号灯”)连接，按照从车辆控制装置13输入的针对信号灯(省略图示)的控制信号，来对自动驾驶中的信号灯的工作(换言之为用于通知车辆1左转或右转的信号灯的明灭)进行控制。

作为服务器装置的一例的云服务器20例如为由不当驾驶探测系统100的系统管理者构建的服务器装置，构成为至少包括通信接口21、存储器22以及处理器23。通信接口21、存储器22以及处理器23经由内部总线以能够彼此进行数据或信息的输入和输出的方式进行连接。

作为通信部的一例的通信接口21使用能够与经由网络(省略图示)连接的外部装置(例如车辆1、不当驾驶数据库30、第三方终端40、外部机构终端50)之间进行数据或信息的通信的通信电路构成。通信接口21接收从上述的外部装置发送的数据或信息并输出到存储器22、处理器23，或者将从处理器23输入的数据或信息发送到外部装置(参照上述)。此外，在附图中，为了方便而将通信接口简记为“通信i/f”。

存储器22例如使用ram和rom构成，暂时地保持云服务器20执行动作所需要的程序、数据、以及在动作中生成的数据或信息。ram例如为在云服务器20动作时使用的工作存储器。rom例如预先存储并保持用于控制云服务器20的程序和数据。

处理器23例如使用cpu(centralprocessingunit：中央处理单元)、mpu(microprocessingunit：微处理单元)、dsp(digitalsignalprocessor：数字信号处理器)或fpga(field-programmablegatearray：现场可编程门阵列)构成。处理器23作为云服务器20的控制部发挥功能，进行用于整体上综合控制云服务器20的各部的动作的控制处理、与云服务器20的各部之间的数据的输入和输出处理、数据的运算(计算)处理以及数据的存储处理。处理器23按照存储器22中存储的程序和数据进行动作。处理器23基于从车辆1发送的包含车辆id信息和本车辆的地区信息的查询请求来访问不当驾驶数据库30(参照图2)，生成车辆1周边的其它车辆中是否存在过去进行过不当驾驶的其它车辆的查询结果的数据或信息。处理器23将作为不当驾驶数据库30的查询结果而获得的不当驾驶车辆信息(参照后述)经由通信接口21发送(响应)到车辆1。此外，参照图6在后面记述云服务器20的动作的详细内容。

作为外部的数据库的一例的不当驾驶数据库30是用于保持不当驾驶表tbl1的数据库(参照图2)，该不当驾驶表tbl1是通过将过去进行过不当驾驶的不当驾驶车辆的特征信息与能够识别该不当驾驶车辆的车辆id信息进行对应而得到的。在此，作为id信息的一例的车辆id信息为能够识别车辆的信息，具体地说为车辆识别号码(no.)信息、车辆的特征信息(例如车型、车颜色的信息)、驾驶员(驾驶者)的特征信息(例如驾驶员的脸部、姿容的信息)。不当驾驶数据库30以还能够从云服务器20、第三方终端40、外部机构终端50中的任一个进行访问的方式进行连接。换言之，不当驾驶数据库30中保持的不当驾驶表tbl1的内容被广泛地公开。此外，不当驾驶数据库30也可以设置于云服务器20内。另外，在附图中，为了方便而将不当驾驶数据库简记为“不当驾驶db”。

图2是示出不当驾驶数据库30中保持的不当驾驶表tbl1的数据构造例的图。如图2所示，不当驾驶表tbl1将保持地区信息(也就是说，发生了不当驾驶的地区信息)、不当驾驶模式、频度、不当驾驶车辆和车辆1(本车辆)的行驶轨迹数据以及不当驾驶车辆的拍有号码的照片数据与一辆不当驾驶车辆的识别信息即车辆id信息(参照上述)相对应地进行保持。

不当驾驶模式表示根据车辆id信息确定的不当驾驶车辆进行的不当驾驶的种类，例如上述的异常靠近、闯入前方等的车道变更、在前方突然急刹车、自后方的尾随驾驶等。

频度表示根据车辆id信息确定的不当驾驶车辆进行的不当驾驶的频度。

不当驾驶车辆和车辆1(本车辆)的行驶轨迹数据为表示包含探测到不当驾驶车辆针对车辆1进行了不当驾驶的时间点的规定期间的不当驾驶车辆和车辆1各自的行驶路径的轨迹的数据。另外，不当驾驶车辆和车辆1(本车辆)的行驶轨迹数据也可以为包含不当驾驶车辆针对车辆1进行了不当驾驶的时间点的规定期间的影像数据。

不当驾驶车辆的拍有号码的照片数据为针对车辆1进行了不当驾驶的其它车辆(也就是说，不当驾驶车辆)的号码牌被车辆1的传感器s1(例如摄像机)拍摄到的摄像图像(也就是说，照片)的数据。

第三方终端40例如为配置于管理机构或交通安全协会等第三方机构的建筑物内的计算机(例如pc(personalcomputer：个人计算机))，能够访问各个云服务器20和不当驾驶数据库30。在图1中，第三方终端40的配置数量为一个，但是可以针对各上述第三方机构进行配置。第三方终端40访问不当驾驶数据库30来定期地获取对应的地区信息(也就是说，第三方机构所在的地域)的不当驾驶车辆信息，判定根据不当驾驶车辆信息确定的不当驾驶车辆的不当驾驶的频度是否为阈值以上。此外，参照图5在后面记述第三方终端40的动作的详细内容。

外部机构终端50例如为配置于警察局或汽车保险公司等外部机构的建筑物内的计算机(例如pc)，能够访问各个云服务器20和不当驾驶数据库30。在图1中，外部机构终端50的配置数量为一个，但是可以针对各上述外部机构进行配置。外部机构终端50当从自动驾驶运行营业者(例如在出租车、公共汽车、拼车(carsharing)的服务中使用车辆1那样的自动驾驶汽车的营业者)的终端(省略图示)接收到希望制裁的不当驾驶车辆的车辆id信息时，基于该车辆id信息，从不当驾驶数据库30获取符合的不当驾驶车辆信息。外部机构终端50在获取到的不当驾驶车辆信息满足规定的制裁执行条件的情况下，促使(例如弹出显示规定的消息)外部机构(参照上述)的工作人员执行规定的制裁措施。此外，参照图7在后面记述外部机构终端50的动作的详细内容。

接着，参照图3来说明实施方式1所涉及的驾驶辅助装置10的探测装置12的动作过程。图3是示出搭载于实施方式1所涉及的驾驶辅助装置10的探测装置12的动作过程的一例的流程图。作为图3的说明的前提，车辆1处于前往由驾驶员等用户进行操作而指定的目的地的自动驾驶中。

在图3中，探测装置12始终从多个传感器s1接收传感器信息(st1)。在由不当驾驶探测装置15探测到在自动驾驶中的车辆1(本车辆)的周边行驶着的一辆以上的其它车辆中的某一辆其它车辆为过去进行过不当驾驶的不当驾驶车辆的情况下，探测装置12从不当驾驶探测装置15接收不当行为提醒信息(st2)。不当行为提醒信息是当在自动驾驶中的车辆1(本车辆)的周边行驶着的一辆以上的其它车辆中的某一辆其它车辆为过去进行过不当驾驶的不当驾驶车辆的情况下、表示该不当驾驶车辆的特征的信息。具体地说，不当行为提醒信息包含车辆id信息、不当驾驶模式的信息、频度的信息、根据车辆id信息确定的车辆(也就是说，其它车辆)的位置信息。由此，探测装置12通过接受来自不当驾驶探测装置15的不当行为提醒信息，能够接收到在车辆1的周围存在过去进行过不当驾驶的不当驾驶车辆的意思的提醒。

此外，在由不当驾驶探测装置15探测到在车辆1(本车辆)的周边行驶着的一辆以上的其它车辆均不是过去进行过不当驾驶的不当驾驶车辆的情况下，可以省略步骤st2的处理。

探测装置12基于来自多个传感器s1的传感器信息和来自dm信息数据库11的动态地图的数据，来判定有无针对正在以自动驾驶方式行驶的车辆1的危险(例如，其它车辆以车辆1与其它车辆会发生碰撞的程度侵入到了该车辆1的行驶区域内)(st3)。

探测装置12在判定为存在针对正在以自动驾驶方式行驶的车辆1的危险的情况下(st4：“是”)，生成用于避开与周边的其它车辆之间的危险的路径(危险避开路径)(st5)。探测装置12将在步骤st5中生成的危险避开路径的信息输出到车辆控制装置13(st6)，使车辆控制装置13执行按照该危险避开路径的自动驾驶。在步骤st6之后，探测装置12的处理返回到步骤st1。

另一方面，探测装置12在判定为没有针对正在以自动驾驶方式行驶的车辆1的危险的情况下(st4：“否”)，基于来自多个传感器s1的传感器信息，来判定在周边是否存在满足在步骤st2中接受的不当行为提醒信息的其它车辆(st7)。

探测装置12在判定为在周边存在满足不当行为提醒信息的其它车辆的情况下(st7：“是”)，根据不当行为提醒信息中包含的不当驾驶模式和频度中的至少不当驾驶模式，来生成用于避开周边的其它车辆的路径(不当行为车辆避开路径)(st8)。由此，探测装置12能够主动地避开车辆1(本车辆)周边的其它车辆(也就是说，过去进行过不当驾驶的不当驾驶车辆)来实现车辆1的基于安全的自动驾驶的行驶。

例如在作为不当驾驶模式而存在周边的其它车辆进行过异常靠近的情况下，探测装置12能够生成进行车道变更的意思的不当行为车辆避开路径。另外，例如在作为不当驾驶模式而存在周边的其它车辆进行过急刹车的情况下，探测装置12能够生成将与该其它车辆的车间距离确保为一定距离的意思的不当行为车辆避开路径。另外，例如在作为不当驾驶模式而存在周边的其它车辆进行过尾随驾驶的情况下，探测装置12能够生成进行减速、路边停车、路径变更等让路的意思的不当行为车辆避开路径。

此外，在不当行为提醒信息中包含的频度比规定的阈值高的情况下，探测装置12还能够生成相比于上述的不当行为车辆避开路径而更积极地且事先进行避开措施的不当行为车辆避开路径。例如，在作为不当驾驶模式而存在周边的其它车辆高频度地进行过异常靠近的情况下，探测装置12能够生成进行车道变更以立即离开的意思的不当行为车辆避开路径。另外，例如在作为不当驾驶模式而存在周边的其它车辆高频度地进行过急刹车的情况下，探测装置12能够生成将与该其它车辆的车间距离确保为分开更远的一定距离的意思的不当行为车辆避开路径。另外，例如在作为不当驾驶模式而存在周边的其它车辆高频度地进行过尾随驾驶的情况下，探测装置12能够生成迅速地进行减速、路边停车、路径变更等让路的意思的不当行为车辆避开路径。

此外，探测装置12可以只在判定为车辆1(本车辆)周边的其它车辆(具体地说，为根据在步骤st2中接收到的不当驾驶信息确定的其它车辆)的不当驾驶的频度(例如目前为止的不当驾驶的执行次数的总计)为规定值(例如3)以上的情况下，生成用于避开该对应的其它车辆的路径(不当行为车辆避开路径)(st8)。在此，由于将不当驾驶车辆信息(参照图2)向不当驾驶数据库30中的登记是按照以传感器信息为主体的信息自动进行的，因此将规定值设为3以上是为了排除例如其它车辆的驾驶员并非故意进行不当驾驶而是鉴于交通状况等最终导致了不当驾驶的情况来降低不当行为提醒信息的误识别性。由此，探测装置12能够提前且容易地选定车辆1(本车辆)周边的其它车辆中的进行不当驾驶的可能性高的其它车辆(也就是说，过去进行过规定值以上的次数的不当驾驶的其它车辆)，从而能够辅助实现车辆1(本车辆)的更安全的自动驾驶。

另外，探测装置12可以只在判定为车辆1(本车辆)周边的其它车辆(具体地说，为根据在步骤st2中接收到的不当驾驶信息确定的其它车辆)的不当驾驶的频度(例如目前为止的不当驾驶的执行次数的总计)为规定值(例如3)以上的情况下，在考虑该对应的其它车辆的不当驾驶模式的内容的基础上生成用于避开其它车辆的路径(不当行为车辆避开路径)(st8)。在此，将规定值设为3以上的理由与上述的理由相同。由此，探测装置12能够提前且容易地选定车辆1(本车辆)周边的其它车辆中的、进行不当驾驶的可能性高的其它车辆(也就是说，过去进行过规定值以上的次数的不当驾驶的其它车辆)，并且能够以能够摆脱该其它车辆过去进行过的不当驾驶模式的不当驾驶的方式来辅助实现车辆1(本车辆)的更安全的自动驾驶。

另一方面，探测装置12在判定为在周边不存在满足不当行为提醒信息的其它车辆的情况下(st7：“否”)，使车辆控制装置13执行利用当前设定的路径的自动驾驶的执行(st9)。

接着，参照图4来说明实施方式1所涉及的驾驶辅助装置10的不当驾驶探测装置15的动作过程。图4是示出搭载于实施方式1所涉及的驾驶辅助装置10的不当驾驶探测装置15的动作过程的一例的流程图。作为图4的说明的前提，车辆1处于前往由驾驶员等用户进行操作而指定的目的地的自动驾驶中。

在图4中，不当驾驶探测装置15始终或定期地从多个传感器s1接收传感器信息(st11)。不当驾驶探测装置15使用通过步骤st11获得的传感器信息，来生成车辆1(本车辆)周边的一辆以上的其它车辆各自的车辆id信息(参照上述)，并且基于车辆1(本车辆)的位置信息生成地区信息(st12)。例如，如果车辆1的位置信息为“aa市bb区cc街”，则不当驾驶探测装置15生成为包含该“cc街”的广范围的“aa市”的地区信息。不当驾驶探测装置15根据车辆1的位置信息，生成广范围的地区信息，并在向云服务器20发送的查询请求中使用该地区信息。由此，云服务器20能够迅速地进行只对车辆1行驶的当前地区进行的查询。

不当驾驶探测装置15向云服务器20查询车辆1(本车辆)周边的一辆以上的其它车辆中是否存在过去进行过不当驾驶的不当驾驶车辆，因此生成包含通过步骤st12生成的车辆id信息和地区信息的查询请求。不当驾驶探测装置15将所生成的查询请求经由通信装置16发送到云服务器20(st13)。

云服务器20响应于由不当驾驶探测装置15生成的查询请求，检索不当驾驶数据库30，来判定是否有满足车辆id信息的其它车辆在该查询请求中包含的地区信息中在过去进行过不当驾驶。云服务器20将不当驾驶数据库30的检索结果(也就是说，查询结果)发送到车辆1。查询结果例如包含图2所示的不当驾驶数据库30中的符合的车辆id信息以及与该车辆id信息对应的各种信息(例如不当驾驶模式和频度的信息)。

不当驾驶探测装置15经由通信装置16接受从云服务器20发送的不当驾驶数据库30的查询结果(st14)。不当驾驶探测装置15基于不当驾驶数据库30的查询结果，来判定通过步骤st12生成的车辆id信息是否被登记在不当驾驶数据库30中(换言之，车辆1周边的其它车辆是否在过去进行过不当驾驶)(st15)。由此，不当驾驶探测装置15能够考虑不当驾驶数据库30的查询结果(例如不当驾驶模式和频度的信息)来容易地预测例如进行减速、异常靠近等不当驾驶的类型，因此能够迅速地判定有无不当驾驶的发生。

不当驾驶探测装置15在判定为车辆id信息被登记在不当驾驶数据库30中的情况下(st15：“是”)，使用对象车辆(也就是说，在不当驾驶数据库30中登记有车辆id信息的在车辆1的周边行驶着的其它车辆)的位置信息(换言之，车辆1的位置信息)，来生成不当行为提醒信息(参照上述)(st16)。不当驾驶探测装置15将所生成的不当行为提醒信息发送到探测装置12(st16)。

不当驾驶探测装置15在步骤st16之后，基于不当驾驶数据库30的查询结果中包含的不当驾驶模式和频度的各信息以及通过步骤st11获得的传感器信息，来判定车辆1(本车辆)周边的一辆以上的其它车辆的不当驾驶的发生状况(换言之，有无发生不当驾驶)(st17)。由此，不当驾驶探测装置15能够在考虑不当驾驶模式和频度的信息的基础上，一边监视周边的一辆以上的其它车辆一边迅速地判定是否会发生该其它车辆的不当驾驶。

另一方面，不当驾驶探测装置15在判定为车辆id信息没有被登记在不当驾驶数据库30中的情况下(st15：“否”)，基于通过步骤st11获得的传感器信息，来判定车辆1(本车辆)周边的一辆以上的其它车辆(也就是说，过去没有进行过不当驾驶的其它车辆)的不当驾驶的发生状况(换言之，有无发生不当驾驶)(st18)。此外，在步骤st17或步骤st18之后，在没有发生车辆1周边的一辆以上的其它车辆的不当驾驶的情况下(st19：“否”)，不当驾驶探测装置15的处理返回到步骤st11。

另一方面，不当驾驶探测装置15在步骤st17或步骤st18之后判定为发生了车辆1(本车辆)周边的一辆以上的其它车辆的不当驾驶的情况下(st19：“是”)，生成与进行了该不当驾驶的其它车辆对应的不当驾驶车辆信息(st20)。在步骤st20中生成的不当驾驶车辆信息例如包含发生了不当驾驶的地区信息、不当驾驶模式的信息、表示不当驾驶车辆(也就是说，针对车辆1进行了不当驾驶的其它车辆)和车辆1(本车辆)各自的行驶轨迹的数据、以及不当驾驶车辆的号码牌被拍摄到的照片数据(也就是说，摄像图像数据)。该不当驾驶车辆信息例如被利用为在警察局或汽车保险公司等外部机构(参照上述)判断是否进行制裁时使用的证据信息。

不当驾驶探测装置15生成登记请求(st21)，并将该登记请求经由通信装置16发送到云服务器20，该登记请求包含在步骤st20中生成的不当驾驶车辆信息和进行了该不当驾驶的不当驾驶车辆的车辆id信息。由此，云服务器20按照从车辆1发送的登记请求，将该登记请求中包含的车辆id信息以及与车辆id信息对应的不当驾驶车辆信息新登记或更新到不当驾驶数据库30中。在步骤st21的处理之后，不当驾驶探测装置15的处理返回到步骤st11。

接着，参照图5来说明实施方式1所涉及的第三方终端40的动作过程。图5是示出第三方终端40的动作过程的一例的流程图。图5所示的处理被定期地执行。

在图5中，第三方终端40经由云服务器20访问不当驾驶数据库30，从不当驾驶数据库30获取从前次访问时起进行了登记或更新的不当驾驶车辆信息(st31)。如上所述，由于按各地域配置第三方机构，因此第三方终端40能够从登记有庞大的数据或信息的不当驾驶数据库30简单地获取具有包含符合的地区或地域来作为地区信息的不当驾驶车辆信息。

第三方终端40针对在步骤st41中获取到的一个以上的不当驾驶车辆信息中的各信息，单独地判定不当驾驶车辆信息中包含的频度(也就是说，不当驾驶的发生频度)是否为规定的阈值以上(st32)。在各不当驾驶车辆信息中包含的频度(也就是说，不当驾驶的发生频度)不超过规定的阈值的情况下(st32：“否”)，第三方终端40的处理结束。

另一方面，第三方终端40在判定为各不当驾驶车辆信息中包含的频度为规定的阈值以上的情况下(st32：“是”)，经由云服务器20访问不当驾驶数据库30来进行获取，并将该获取到的符合的不当驾驶车辆信息中的除了个人信息以外的信息作为提醒信息公开在第三方机构的主页(省略图示)等中(st33)。因而，通过第三方机构的主页来广泛地公开不当驾驶多发的地区的信息和在该地区的不当驾驶的模式、进行不当驾驶的车辆的特征，使不特定数量的驾驶员等都能知道。由此，能够期待有效地实现不当驾驶的抑制。例如，在具有不当驾驶的发生频度超过预先规定的阈值(例如次数)的不当驾驶车辆信息的情况下，第三方终端40在与第三方终端40对应的第三方机构的主页中以不特定数量的pc等能够访问的方式公开该不当驾驶车辆信息中的除了属于个人信息的信息(具体地说，为图2所示的不当驾驶车辆和本车辆的行驶轨迹数据、不当驾驶车辆的拍有号码的照片数据)以外的信息。由此，通过第三方终端40在向公众广泛公开的第三方机构的主页等中公开要提醒的不当驾驶车辆的特征性信息，能够期待有效地实现不当驾驶的抑制。

此外，在后述的实施方式、变形例中也同样地执行图5所示的第三方终端40的处理。

接着，参照图6来说明实施方式1所涉及的云服务器20的动作过程。图6是示出云服务器20的动作过程的一例的流程图。

在图6中，云服务器20从车辆1接收包含车辆id信息和地区信息的查询请求(st41)。云服务器20响应于由不当驾驶探测装置15生成的查询请求，检索不当驾驶数据库30，来判定是否存在与该查询请求相匹配的登记信息(也就是说，是否有满足车辆id信息的其它车辆在查询请求所包含的地区信息中在过去进行过不当驾驶)(st42)。云服务器20由于在来自车辆1的查询请求中包含地区信息，因此能够从登记有庞大的数据或信息的不当驾驶数据库30简单地检索具有符合的地区信息的不当驾驶车辆信息并能够获取检索结果。

云服务器20将不当驾驶数据库30的检索结果(也就是说，查询结果)发送到车辆1(st43)。查询结果例如包含图2所示的不当驾驶数据库30中的符合的车辆id信息以及与该车辆id信息相对应的各种信息(例如，不当驾驶模式和频度的信息)。

接着，参照图7来说明实施方式1所涉及的外部机构终端50的动作过程。图7是示出外部机构终端50的动作过程的一例的流程图。

在图7中，外部机构终端50接收从配置于自动驾驶运行营业者(例如在出租车、公共汽车、拼车等服务中使用如车辆1那样的自动驾驶汽车的营业者)的单位内的pc等终端(省略图示)发送的、希望制裁的不当驾驶车辆的车辆id信息(st51)。外部机构终端50基于在步骤st51中接收到的车辆id信息，经由云服务器20访问不当驾驶数据库30，来从不当驾驶数据库30获取与该车辆id信息对应的不当驾驶车辆信息(st52)。

外部机构终端50保持各外部机构所特有的制裁执行条件(例如用于认定为通过不当驾驶模式和频度的组合来定义的恶性的不当驾驶的惯犯的条件信息)，判定通过步骤st52获取到的不当驾驶车辆信息是否满足上述的制裁执行条件(st53)。在判定为通过步骤st52获取到的不当驾驶车辆信息不满足上述的制裁执行条件的情况下(st53：“否”)，外部机构终端50的处理进入步骤st56。

另一方面，外部机构终端50在判定为通过步骤st52获取到的不当驾驶车辆信息满足上述的制裁执行条件的情况下(st53：“是”)，生成制裁证据数据(st54)。在步骤st54中生成的制裁证据数据例如包含表示发生了不当驾驶的日期时间和场所、频度、不当驾驶车辆和车辆1(本车辆)各自的行驶轨迹的数据、以及不当驾驶车辆的拍摄有号码牌的照片数据(也就是说，摄像图像数据)。外部机构终端50在步骤st54中生成了制裁证据数据之后，促使外部机构的工作人员执行如下所示的规定的制裁处理(st55)。

例如，在外部机构为警察局的情况下，警察针对不当驾驶车辆的所有人即驾驶员实施监管。另外，例如在外部机构为汽车保险公司的情况下，汽车保险公司的工作人员向不当驾驶车辆的所有人即驾驶员索取规定的保险金。像这样，外部机构终端50在步骤st54中生成制裁证据数据，因此能够促使警察或工作人员等顺利地执行利用制裁证据数据的有效的制裁措施。

外部机构终端50基于在步骤st55中执行的制裁的处理结果来生成制裁实施状况的数据，并将该数据发送到自动驾驶运行营业者的终端(省略图示)(st56)。此外，外部机构终端50在不存在满足制裁执行条件的数据的情况下，生成表示该意思的制裁实施状况的数据，并将该数据发送到自动驾驶运行营业者的终端(省略图示)(st56)。

根据以上内容，实施方式1所涉及的驾驶辅助装置10或车辆1具备探测装置12，所述探测装置12基于车辆1具备的多个传感器s1的传感器信息，来判定自动驾驶中的路径有无变更，将按照其判定结果执行自动驾驶的指示输出到车辆控制装置13。驾驶辅助装置10或车辆1具备不当驾驶探测装置15，所述不当驾驶探测装置15使用与自动驾驶中的车辆1周边的一辆以上的其它车辆有关的信息以及车辆1的地区信息，向不当驾驶数据库30查询其它车辆中有无进行过不当驾驶的不当驾驶车辆，基于来自不当驾驶数据库30的查询结果来探测有无发生其它车辆的不当驾驶测。在发生了不当驾驶的情况下，驾驶辅助装置10或车辆1生成不当驾驶车辆信息，并向不当驾驶数据库30请求进行不当驾驶车辆信息的登记或更新，该不当驾驶车辆信息包含进行了该不当驾驶的不当驾驶车辆的id信息以及不当驾驶车辆和车辆1各自的行驶轨迹信息。

由此，车辆1能够在自动驾驶中高效地判定在车辆1(本车辆)的周边行驶着的一辆以上的其它车辆中的各车辆是否对车辆1进行了异常靠近等不当驾驶。另外，车辆1生成与进行了该不当驾驶的其它车辆有关的信息来作为制裁用的证据数据，并新登记或更新到向公众广泛公开的不当驾驶数据库30中，因此能够有效地促进对于其它车辆的不当驾驶的执行的抑制。

另外，来自不当驾驶数据库30的查询结果包含过去进行过不当驾驶的其它车辆的不当驾驶的模式和频度的信息。不当驾驶探测装置15基于不当驾驶的模式和频度的信息来探测有无发生其它车辆的不当驾驶。由此，车辆1能够考虑不当驾驶数据库30的查询结果(例如，不当驾驶模式和频度的信息)来容易地预测例如进行减速、异常靠近等不当驾驶的类型，因此能够迅速地判定有无不当驾驶的发生。

另外，不当驾驶探测装置15使用来自不当驾驶数据库30的查询结果，生成表示不当驾驶车辆的特征的不当行为提醒信息，并发送到探测装置12。探测装置12在探测到满足不当行为提醒信息的至少一辆其它车辆的情况下，生成与不当行为提醒信息相应的不当行为避开路径并输出到车辆控制装置13。由此，车辆1能够主动地避开车辆1(本车辆)周边的其它车辆(也就是说，过去进行过不当驾驶的不当驾驶车辆)，来实现车辆1的基于安全的自动驾驶的行驶。

另外，不当行为提醒信息具有不当驾驶模式的信息。探测装置12生成与不当驾驶的模式相应的不当行为避开路径。由此，车辆1能够考虑正行驶于车辆1周边的其它车辆过去进行的不当驾驶的类型，来生成即使进行了该过去进行过的不当驾驶也能够避免碰撞的路径，因此能够安全地继续进行自动驾驶。

另外，不当行为提醒信息具有不当驾驶模式和不当驾驶的频度的信息。探测装置12生成与不当驾驶模式和不当驾驶的频度相应的不当行为避开路径。由此，车辆1能够考虑正行驶于车辆1周边的其它车辆过去进行的不当驾驶的类型及其频度这两方，来生成即使高频度地进行该过去进行过的不当驾驶也能够更早地避免碰撞那样的路径，因此能够安全地继续进行自动驾驶。

另外，不当驾驶探测装置15接受来自多个传感器s1的传感器信息中包含的其它车辆的识别编号信息(例如，车辆识别号码信息)、其它车辆和驾驶者的特征信息来作为与其它车辆有关的信息。由此，车辆1能够在自动驾驶中始终接受最新的传感器信息，使用该信息能够容易地进行不当驾驶数据库30的检索，因此能够执行高精度的有无不当驾驶的探测。

另外，实施方式1所涉及的云服务器20与不当驾驶数据库30以能够访问该不当驾驶数据库30的方式进行连接，该不当驾驶数据库30用于保持与过去进行过不当驾驶的不当驾驶车辆有关的信息(也就是说，不当驾驶车辆信息)。云服务器20接收查询请求，该查询请求包含与自动驾驶中的车辆1周边的一辆以上的其它车辆有关的信息以及车辆1的地区信息，该查询请求用于查询其它车辆中有无进行过不当驾驶的不当驾驶车辆。云服务器20基于接收到的查询请求中包含的与其它车辆有关的信息和车辆1的地区信息，经由通信接口21访问不当驾驶数据库30来进行包含其它车辆中有无进行过不当驾驶的不当驾驶车辆的查询，并将来自该不当驾驶数据库30的查询结果经由通信接口21发送到车辆1。云服务器20接受在由车辆1探测到发生了其它车辆的不当驾驶的情况下由车辆1生成的不当驾驶车辆信息，并在不当驾驶数据库30中进行该不当驾驶车辆信息的登记或更新，该不当驾驶车辆信息包含进行了不当驾驶的不当驾驶车辆的id信息以及不当驾驶车辆和车辆1各自的行驶轨迹信息。

由此，云服务器20能够从车辆1获取不当驾驶车辆信息来作为进行了不当驾驶的证据，该不当驾驶车辆信息包含与针对自动驾驶中的车辆1进行了异常靠近等不当驾驶的其它车辆有关的信息。因而，云服务器20能够将作为证据生成的不当驾驶车辆信息登记或更新到向公众广泛公开的不当驾驶数据库30中，因此能够有效地促进对于不当驾驶的执行的抑制。

(实施方式2)

在实施方式2中，车辆1的不当驾驶探测装置15与实施方式1的不同之处在于在有无不当驾驶的探测中使用的数据或信息。具体地说，不当驾驶探测装置15对来自多个传感器s1的传感器信息、来自dm信息数据库11的动态地图的数据均不输入。不当驾驶探测装置15输入来自探测装置12的危险判定用信息(参照后述)，使用该危险判定用信息来探测有无发生不当驾驶(参照图8)。

图8是示出包括搭载实施方式2所涉及的驾驶辅助装置10的车辆1的不当驾驶探测系统100的系统结构例的框图。实施方式2所涉及的不当驾驶探测系统100的结构与实施方式1所涉及的不当驾驶探测系统100的结构相同，因此对进行相同处理的结构标注相同的标记并简化或省略说明，对不同的内容进行说明。

如图8所示，实施方式2所涉及的不当驾驶探测装置15从探测装置12接受危险判定用信息。危险判定用信息是为了在实施方式2所涉及的不当驾驶探测装置15中探测正行驶于自动驾驶中的车辆1周边的一辆的其它车辆是否进行了不当驾驶而使用的。具体地说，危险判定用信息为障碍物信息、其它车举动信息、本车位置信息、本车行驶区域信息、道路构造信息以及车辆识别号码(no.)信息。

障碍物信息为障碍物(例如其它车辆、人物、护栏等构造物)的位置信息，例如是由探测装置12基于来自多个传感器s1的传感器信息获得的，以下相同。

其它车举动信息为表示障碍物(例如其它车辆、人物、护栏等构造物)中包含的一辆以上的其它车辆各自的最近的行驶轨迹的信息，例如是由探测装置12基于来自多个传感器s1的传感器信息获得的，以下相同。

作为位置信息的一例的本车位置信息为自动驾驶中的车辆1的当前位置的信息，例如是由探测装置12基于来自多个传感器s1的传感器信息获得的，以下相同。

作为行驶区域信息的一例的本车行驶区域信息包含自动驾驶中的车辆1的当前位置，是车辆1正行驶的道路的表示超过车宽的规定范围的区域的信息，例如是由探测装置12基于来自多个传感器s1的传感器信息获得的，以下相同。

道路构造信息是表示自动驾驶中的车辆1正行驶的道路的构造的信息，例如是由探测装置12基于来自dm信息数据库11的动态地图的数据获得的，以下相同。

车辆识别号码信息为能够识别其它车辆的编号信息，例如是由探测装置12基于来自多个传感器s1的传感器信息获得的，以下相同。

接着，参照图9来说明实施方式2所涉及的驾驶辅助装置10的探测装置12的动作过程。图9是示出搭载于实施方式2所涉及的驾驶辅助装置10的探测装置的动作过程的一例的流程图。作为图9的说明的前提，车辆1处于前往由驾驶员等用户进行操作而指定的目的地的自动驾驶中。

在图9的说明中，对与图3所示的实施方式1的对应的探测装置12的处理相同的处理标注相同的步骤编号，并简化或省略说明，对不同的内容进行说明。

在图9中，在步骤st1之后，探测装置12使用通过步骤st1获得的来自多个传感器s1的传感器信息来生成上述的危险判定用信息(st61)，将所生成的该危险判定用信息发送到不当驾驶探测装置15(st62)。步骤st62以后的处理与图3的步骤st1以后的处理相同，因此省略说明。

接着，参照图9来说明实施方式2所涉及的驾驶辅助装置10的探测装置12的动作过程。图10是示出搭载于实施方式2所涉及的驾驶辅助装置10的不当驾驶探测装置15的动作过程的一例的流程图。作为图10的说明的前提，车辆1处于前往由驾驶员等用户进行操作而指定的目的地的自动驾驶中。

在图10的说明中，对与图4所示的实施方式1的对应的不当驾驶探测装置15的处理相同的处理标注相同的步骤编号，并简略或省略说明，对不同的内容进行说明。

在图10中，不当驾驶探测装置15始终或定期地接收从探测装置12发送的危险判定用信息(st71)。不当驾驶探测装置15基于通过步骤st71获得的危险判定用信息中包含的本车位置信息来生成地区信息(st72)。例如，如果车辆1的位置信息为“aa市bb区cc街”，则不当驾驶探测装置15生成为包含该“cc街”的广范围的“aa市”的地区信息。不当驾驶探测装置15根据车辆1的位置信息生成广范围的地区信息，在向云服务器20发送的查询请求中使用该地区信息。由此，云服务器20能够迅速地进行只对车辆1行驶的当前地区进行的查询。

不当驾驶探测装置15向云服务器20查询车辆1周边的一辆以上的其它车辆中是否存在过去进行过不当驾驶的不当驾驶车辆，因此生成包含在步骤st71中接收到的危险判定用信息所包含的车辆识别号码信息和通过步骤st72生成的地区信息的查询请求。不当驾驶探测装置15将所生成的查询请求经由通信装置16发送到云服务器20(st73)。

云服务器20响应于由不当驾驶探测装置15生成的查询请求，检索不当驾驶数据库30来判定是否有满足车辆id信息(具体地说，为车辆识别号码信息)的其它车辆在该查询请求所包含的地区信息中在过去进行过不当驾驶。云服务器20将不当驾驶数据库30的检索结果(也就是说，查询结果)发送到车辆1。查询结果例如包含图2所示的不当驾驶数据库30中的符合的车辆id信息中包含的车辆识别号码信息以及与该车辆识别号码信息相对应的各种信息(例如不当驾驶模式和频度的信息)。

不当驾驶探测装置15经由通信装置16接受从云服务器20发送的不当驾驶数据库30的查询结果(st14)。不当驾驶探测装置15基于不当驾驶数据库30的查询结果，来判定通过步骤st71接收到的车辆识别号码信息是否被登记在不当驾驶数据库30中(换言之，车辆1周边的其它车辆是否在过去进行过不当驾驶)(st15)。在判定为车辆识别号码信息没有被登记在不当驾驶数据库30中的情况下(st15：“否”)，不当驾驶探测装置15的处理进入步骤st75。

另一方面，不当驾驶探测装置15在判定为车辆id信息被登记在不当驾驶数据库30中的情况下(st15：“是”)，使用在步骤st71中接收到的障碍物信息(也就是说，正行驶于车辆1周边的其它车辆的位置信息)来生成不当行为提醒信息(参照上述)(st74)。不当驾驶探测装置15将所生成的不当行为提醒信息发送到探测装置12(st74)。

不当驾驶探测装置15在步骤st74之后，基于在步骤st71中接收到的危险判定用信息来判定车辆1(本车辆)周边的一辆以上的其它车辆的不当驾驶的发生状况(换言之，有无发生不当驾驶)(st75)。在未发生车辆1周边的一辆以上的其它车辆的不当驾驶的情况下(st19：“否”)，不当驾驶探测装置15的处理返回到步骤st71。

不当驾驶探测装置15当在步骤st75之后判定为发生了车辆1(本车辆)周边的一辆以上的其它车辆的不当驾驶的情况下(st19：“是”)，生成与进行了该不当驾驶的其它车辆对应的不当驾驶车辆信息(st76)。在步骤st76中生成的不当驾驶车辆信息例如包含发生了不当驾驶的地区信息、不当驾驶模式的信息、表示不当驾驶车辆(也就是说，针对车辆1进行了不当驾驶的其它车辆)和车辆1(本车辆)各自的行驶轨迹的数据。例如，该不当驾驶车辆信息被利用为在警察局或汽车保险公司等外部机构(参照上述)判断是否进行制裁时使用的证据信息。步骤st76以后的处理与图4的步骤st20以后的处理相同，因此省略说明。

根据以上内容，在实施方式2所涉及的不当驾驶探测系统100中，车辆1的不当驾驶探测装置15接受从探测装置12发送的障碍物信息、其它车举动信息、其它车辆的识别编号信息(例如车辆识别号码信息)来作为与其它车辆有关的信息。另外，不当驾驶探测装置15接受从探测装置12发送的车辆1的本车行驶区域信息、车辆1的本车位置信息、道路构造信息。这些障碍物信息、其它车举动信息、本车位置信息、本车行驶区域信息、道路构造信息以及车辆识别号码信息为危险判定用信息。由此，与实施方式1相比，在不当驾驶探测装置15探测有无不当驾驶时，车辆1不使用来自多个传感器s1的传感器信息，而使用信息量比传感器信息少的危险判定用信息，因此能够降低探测有无不当驾驶时的处理负荷。

(第一变形例)

在第一变形例中，车辆1的不当驾驶探测装置15在不当驾驶的有无的探测中使用的数据或信息与实施方式1、实施方式2不同。具体地说，不当驾驶探测装置15不输入来自dm信息数据库11的动态地图的数据。不当驾驶探测装置15输入来自探测装置12的危险判定用信息(参照后述)和来自多个传感器s1的传感器信息，使用输入的这些各种信息来探测有无发生不当驾驶(参照图11)。

图11是示出包括搭载第一变形例所涉及的驾驶辅助装置10的车辆1的不当驾驶探测系统100的系统结构例的框图。第一变形例所涉及的不当驾驶探测系统100的结构与实施方式1所涉及的不当驾驶探测系统100的结构相同，因此对进行相同处理的结构标注相同的标记，并简化或省略说明，对不同的内容进行说明。

如图11所示，第一变形例所涉及的不当驾驶探测装置15从探测装置12接受危险判定用信息。第一变形例所涉及的危险判定用信息是为了在第一变形例所涉及的不当驾驶探测装置15中探测正行驶于自动驾驶中的车辆1的周边的一辆其它车辆是否进行了不当驾驶而使用的。具体地说，危险判定用信息为障碍物信息、其它车举动信息、本车位置信息、本车行驶区域信息以及道路构造信息。也就是说，与实施方式2所涉及的危险判定用信号不同，不包含车辆识别号码(no.)信息。这是因为，来自多个传感器s1的传感器信息被输入到不当驾驶探测装置15，因此探测装置12无需向不当驾驶探测装置15发送车辆识别号码(no.)信息。

关于第一变形例所涉及的车辆1的探测装置12和不当驾驶探测装置15的动作过程，虽然对不当驾驶探测装置15输入的信息不同，但探测装置12的动作是分别将图3和图9所示的动作过程进行组合的动作，不当驾驶探测装置15的动作是分别将图4和图10所示的动作过程进行组合的动作，因此省略说明。

根据以上内容，在第一变形例所涉及的不当驾驶探测系统100中，车辆1的不当驾驶探测装置15接受从探测装置12发送的障碍物信息、其它车举动信息来作为与其它车辆有关的信息。另外，不当驾驶探测装置15接受从探测装置12发送的车辆的本车行驶区域信息、车辆的本车位置信息、道路构造信息。这些障碍物信息、其它车举动信息、本车位置信息、本车行驶区域信息以及道路构造信息为危险判定用信息。由此，与实施方式1相比，在不当驾驶探测装置15探测有无不当驾驶时，车辆1使用来自探测装置12的危险判定用信息，因此能够降低探测有无不当驾驶时的处理负荷。

(第二变形例)

在第二变形例中，在车辆1的不当驾驶探测装置15进行的有无不当驾驶的探测中使用的数据或信息与实施方式1、实施方式2不同。具体地说，不当驾驶探测装置15不输入来自dm信息数据库11的动态地图的数据。不当驾驶探测装置15输入来自探测装置12的危险判定用信息(参照后述)和来自多个传感器s1的传感器信息，使用输入的这些各种信息来探测有无发生不当驾驶(参照图12)。

图12是示出包括搭载第二变形例所涉及的驾驶辅助装置10的车辆1的不当驾驶探测系统100的系统结构例的框图。第二变形例所涉及的不当驾驶探测系统100的结构与实施方式1所涉及的不当驾驶探测系统100的结构相同，因此对进行相同处理的结构标注相同的标记，并简化或省略说明，对不同的内容进行说明。

如图12所示，第二变形例所涉及的不当驾驶探测装置15从探测装置12接受危险判定用信息。第二变形例所涉及的危险判定用信息被用作用于在第二变形例所涉及的不当驾驶探测装置15中开始探测正行驶于自动驾驶中的车辆1周边的一辆其它车辆是否进行了不当驾驶的探测处理的触发信息。具体地说，危险判定用信息为行驶区域侵入信息、本车位置信息。行驶区域侵入信息为表示周边的其它车辆侵入到了距车辆1(本车辆)规定距离以内的意思的信息。规定距离例如是与在其它车辆进行了不当驾驶(例如进行了急刹车)时能够避免碰撞的距离相比分开得更远一些的距离。

关于第二变形例所涉及的车辆1的探测装置12和不当驾驶探测装置15的动作过程，虽然对不当驾驶探测装置15输入的信息不同，但探测装置12的动作是分别将图3和图9所示的动作过程进行组合的动作，不当驾驶探测装置15的动作是分别将图4和图10所示的动作过程进行组合的动作，因此省略说明。不当驾驶探测装置15当接受到从探测装置12发送的危险判定用信息时，开始进行有无发生不当驾驶的状况判定。

根据以上内容，在第二变形例所涉及的不当驾驶探测系统100中，车辆1的不当驾驶探测装置15接受从多个传感器s1发送的包含其它车辆的车辆识别号码信息的传感器信息，接受从探测装置12发送的其它车辆侵入车辆1的行驶区域的侵入信息(也就是说，行驶区域侵入信息)、本车位置信息。由此，与实施方式1相比，在不当驾驶探测装置15探测有无不当驾驶时，车辆1即使输入来自多个传感器s1的传感器信息，也在接受到行驶区域侵入信息的时间点才开始探测不当驾驶的有无，因此能够将探测有无不当驾驶时的处理负荷。

(第三变形例)

在第三变形例中，在车辆1的不当驾驶探测装置15进行的有无不当驾驶的探测中使用的数据或信息与实施方式1、实施方式2不同。具体地说，不当驾驶探测装置15不输入来自多个传感器s1的传感器信息、来自dm信息数据库11的动态地图的数据。不当驾驶探测装置15输入来自探测装置12的危险判定用信息(参照后述)，使用所输入的该危险判定用信息来探测有无发生不当驾驶(参照图13)。

图13是示出包括搭载第三变形例所涉及的驾驶辅助装置10的车辆1的不当驾驶探测系统100的系统结构例的框图。第三变形例所涉及的不当驾驶探测系统100的结构与实施方式1所涉及的不当驾驶探测系统100的结构相同，因此对进行相同处理的结构标注相同的标记，并简化或省略说明，对不同的内容进行说明。

如图13所示，第三变形例所涉及的不当驾驶探测装置15从探测装置12接受危险判定用信息。第三变形例所涉及的危险判定用信息是为了在第三变形例所涉及的不当驾驶探测装置15中探测正行驶于自动驾驶中的车辆1周边的一辆其它车辆是否进行了不当驾驶而使用的。具体地说，危险判定用信息为行驶区域侵入信息、本车位置信息以及车辆识别号码(no.)信息。

关于第三变形例所涉及的车辆1的探测装置12和不当驾驶探测装置15的动作过程，虽然对不当驾驶探测装置15输入的信息不同，但探测装置12的动作是按照图9所示的动作过程进行的，不当驾驶探测装置15的动作是按照图10所示的动作过程进行的，因此省略说明。

根据以上内容，在第三变形例所涉及的不当驾驶探测系统100中，车辆1的不当驾驶探测装置15接受从探测装置12发送的其它车辆侵入车辆1的行驶区域的侵入信息(也就是说，行驶区域侵入信息)、本车位置信息、其它车辆的识别编号信息。这些行驶区域侵入信息、本车位置信息以及车辆识别号码(no.)信息为危险判定用信息。由此，与实施方式1相比，在不当驾驶探测装置15探测有无不当驾驶时，车辆1不输入来自多个传感器s1的传感器信息，而基于行驶区域侵入信息来探测有无不当驾驶，因此能够进一步降低探测有无不当驾驶时的处理负荷。

以上参照附图来对各种实施方式进行了说明，但是本公开并不限定于所述的例子，这是不言而喻的。只要是本领域技术人员就能够在权利要求书所记载的范畴内想到各种变更例、修正例、置换例、附加例、删除例、均等例是显而易见的，并能够了解这些当然也属于本公开的技术范围。另外，在不脱离发明的宗旨的范围内，可以将上述的各种实施方式中的各构成要素任意地组合。

此外，在上述的各实施方式中，说明了在从车辆1经由云服务器20向不当驾驶数据库30进行查询时，使用包含车辆id信息和车辆1的地区信息的查询请求，但是也可以使用车辆id信息和车辆1的地区信息中的至少一方进行查询。

此外，本申请是基于2018年3月30日申请的日本专利申请(特愿2018-070018)的申请，并将其内容以参照的方式引用在本申请中。

产业上的可利用性

本公开作为如下的驾驶辅助装置、车辆、不当驾驶探测系统以及服务器装置是有用的：在自动驾驶中高效地判定是否针对本车辆进行了异常靠近等不当驾驶，生成与进行了该不当驾驶的其它车辆有关的信息来作为证据，并在规定的数据库中进行登记或更新，有效地促进对于不当驾驶的执行的抑制。

附图标记说明

1：车辆；10：驾驶辅助装置；11：dm信息数据库；12：探测装置；13：车辆控制装置；14：致动器；15：不当驾驶探测装置；16：通信装置；20：云服务器；21：通信接口；22、m1：存储器；23：处理器；30：不当驾驶数据库；40：第三方终端；50：外部机构终端；100：不当驾驶探测系统；s1：传感器。