驾驶动作辅助设备和驾驶动作辅助方法

摘要

一种驾驶动作辅助设备，包括：学习部，其对驾驶员的驾驶行为模式学习预定时间；非稳态程度计算部，其计算表示当前驾驶行为模式相对于所述学习部学习到的驾驶行为模式有多大区别的非稳态程度；学习进度计算部，其计算所述学习部的学习进度；以及通知部，其当所述非稳态程度计算部所计算出的非稳态程度超过阈值时，根据所述学习进度计算部计算出的学习进度，向驾驶员通知用于促成所述学习部学习到的驾驶行为模式的动作辅助信息。随着所述学习进度计算部计算出的学习进度越高，所述通知部提供的动作辅助信息的内容越详细。

说明书

技术领域

本发明涉及一种根据车辆的行驶状态向驾驶员提供动作辅助信息的驾驶动作辅助设备和/或方法。

背景技术

已经提出以下一种技术：预先学习根据驾驶员而不同的个性的通常驾驶行为模式，由此通过判断当前驾驶行为模式是否不同于通常驾驶行为模式来输出所需的动作辅助信息(参见专利文献1)。

专利文献1：日本特开2005-301832号公报

发明内容

然而，在专利文献1所公开的在先技术中，在学习通常驾驶行为模式的过程中，判断当前驾驶行为模式是否不同于通常驾驶行为模式的精度低。此时，有可能由于不适当的动作辅助信息而给驾驶员带来不适感。

本发明的目的是，即使在学习驾驶员的驾驶行为模式的过程中，也能够向驾驶员提供适当的动作辅助信息。

在根据本发明的驾驶动作辅助设备的一个方面中，预先对驾驶员的驾驶行为模式学习预定时间；通过将当前驾驶行为模式与所学习到的驾驶行为模式进行比较，计算表示当前驾驶行为模式相对于所学习到的驾驶行为模式有多大区别的非稳态程度；当所计算出的非稳态程度超过阈值时，向驾驶员通知用于促成所学习到的驾驶行为模式的动作辅助信息；以及在学习驾驶员的驾驶行为模式的过程中，根据驾驶行为模式的学习进度来改变所述动作辅助信息。

附图说明

图1是根据本发明的示意结构图。

图2是示出根据本发明的示意结构的框图。

图3是示出第一实施例中的动作辅助处理的流程图。

图4是示出车辆间时间(inter-vehicle time)的频率分布的图。

图5示出用于计算学习进度PL的对应关系。

图6示出用于计算学习进度PL的对应关系。

图7示出用于设置信息提供级别的表。

图8是与车辆间时间有关的动作辅助信息的一个示例。

图9是与转向操作有关的动作辅助信息的一个示例。

图10是示出第二实施例中的动作辅助处理的流程图。

图11示出用于计算阈值Sfo的对应关系。

图12示出用于计算阈值Sso的对应关系。

图13是示出第三实施例中的动作辅助处理的流程图。

图14示出用于计算预定值Lo的对应关系。

图15是示出第四实施例中的系统结构的框图。

图16是示出第四实施例中的动作辅助处理的流程图。

图17示出用于设置环境标志的表。

图18示出用于设置环境标志的表。

图19示出用于设置环境标志的表。

图20示出用于计算学习进度PL的对应关系。

图21示出用于计算学习进度PL的对应关系。

图22是示出第五实施例中的动作辅助处理的流程图。

图23示出用于计算阈值Sfo的对应关系。

图24示出用于计算阈值Sso的对应关系。

图25是示出第六实施例中的动作辅助处理的流程图。

图26示出用于计算预定值Lo的对应关系。

图27是示出第七实施例中的动作辅助处理的流程图。

图28示出用于计算预定值C1和C2的对应关系。

图29是示出第八实施例中的系统结构的框图。

图30是示出第八实施例中的动作辅助处理的流程图。

具体实施方式

以下将参考附图来解释根据本发明的实施例。

第一实施例

结构

图1是示出根据本发明的驾驶动作辅助设备的示意结构的图。图2是该驾驶动作辅助设备的框图。激光雷达10设置于本车的前护栅、保险杠等。激光雷达10用于通过利用水平方向上的红外光脉冲照射本车的前方区域(即，位于本车前面的区域)来扫描该前方区域。激光雷达10测量红外光脉冲的反射波。该反射波是由存在于本车的前方区域中的多个反射物反射(通常，由前车的后端反射)该红外光脉冲而产生的。根据该反射波的到达时间，激光雷达10检测本车和多个障碍物(反射物，通常为前车的后端)之间的车辆间距离D和相对速度Vr。将所检测到的车辆间距离D和相对速度Vr输出至控制器40。激光雷达10扫描的前方区域为例如在本车前方与笔直延伸的虚拟线成约±6度的范围。也就是说，检测存在于该范围内的任何前方物体。

车速传感器20通过测量车轮的转速或变速器的输出侧的转速来检测本车的速度V。将检测到的车速V输出至控制器40。转向角传感器30检测方向盘的转向角θ。将所检测到的转向角θ输出至控制器40。控制器40包括CPU以及诸如ROM和RAM等的CPU外围组件。控制器40通过基于所输入的各种信号分析驾驶员的驾驶特性来进行驾驶诊断。然后，控制器40基于诊断结果向驾驶员提供动作(操纵)辅助信息。该动作辅助信息是例如警报(警告)和/或通知，并且通过显示单元50和扬声器60将该动作辅助信息提供给驾驶员。例如，使用导航系统的显示监视器或组合仪表(仪表组)作为显示单元50。

接着，将参考图3的流程图来解释控制器40中以预定时间间隔(例如，50毫秒)执行的动作辅助处理。首先，在步骤S1中，控制器(控制器40)读取各种数据。在下一步骤S2中，控制器按以下公式(1)来计算本车和前车(即，前面的车辆)之间的车辆间时间(车头时距)THW。车辆间时间THW被定义为通过将车辆间距离D除以车速V所获得的值。因此，车辆间时间THW表示本车到达前车的当前位置所需的时间。

THW＝D/V            ……(1)

在下一步骤S3中，控制器计算车辆间时间THW的频率分布。然后，控制器计算车辆间时间THW在彼此不同的两个预定持续时间(两个时间长度)TL1和TL2各自内的累积频率分布。为了消除相对速度Vr由于本车和前车中的任一个加速等而大幅变化的状态，在相对速度Vr处于例如±5km/h的范围内并且车辆间时间THW处于例如4秒以下的范围内的条件下，执行用于累积频率分布的采样。预定持续时间TL1是掌握(学习)驾驶员的通常驾驶行为模式所需的时间长度。例如，将预定持续时间TL1设置为2160秒。预定持续时间TL2是掌握最近的驾驶行为模式所需的时间长度。例如，将预定持续时间TL2设置为60秒。

在每次获得新的车辆间时间THW的数据时分别更新这两个频率分布(即，每当测量出新的车辆间时间THW的数据时，分别更新这两个频率分布)。例如，将0秒～4秒的整个区间(块)分割成(划分成)各自的宽度均等于0.2秒的小区间(块)m1～m20。当获得新的数据时更新各个小区间的频率值tp1～tp20。首先，通过以下公式(2)来计算新的数据所在的小区间mi(即，与新的数据相对应的小区间mi)的频率tpi。

tpi＝(tpi+1/Nt)÷(1+1/Nt)        ……(2)

其中，Nt表示总采样数。

此外，通过以下公式(3)来计算新的数据所不在的小区间mi(即，不与新的数据相对应的小区间mi)的频率tpi。

tpi＝tpi÷(1+1/Nt)        ……(3)

将普通驾驶员(average driver)的频率分布数据设置为初始值。也就是说，对于车辆间时间THW使用平均值等于1.4秒的程度并且偏差等于0.5秒的程度的正态分布。

在下一步骤S4中，控制器基于车辆间时间THW的两个频率分布计算非稳态程度DDf。非稳态程度DDf表示当前驾驶行为模式与通常驾驶行为模式(正常驾驶行为模式)的差异程度。也就是说，非稳态程度DDf表示当前驾驶行为模式与通常行为相比较有多大区别。首先，如图4所示，控制器计算预定持续时间TL1的累积频率S1和预定持续时间TL2的累积频率S2。将累积频率S1和累积频率S2各自定义为当车辆间时间THW低于或等于预定值Lo时的频率值。然后，如以下公式(4)所示，控制器计算累积频率S1和累积频率S2之间的差作为非稳态程度DDf。如通过公式(4)所理解的，车辆间时间THW低于或等于预定值Lo时的累积频率S2越大，非稳态程度DDf越大。

DDf＝S2-S1            ……(4)

在下一步骤S5中，假定平滑地进行转向操作，则控制器基于指示更接近于当前时间的转向角的变化状态来估计当前转向角。然后，控制器计算该估计值和当前转向操作的检测值之间的差，即计算估计误差。在下一步骤S6中，控制器针对两个不同的预定持续时间TL1和TL2，分别计算估计误差的频率分布。例如，通过根据新的估计误差的大小为小区间m1～m9之一分别分配新的估计误差来计算小区间m1～m9的频率，从而形成该频率分布。通过分割整个区间得出区间m1～m9。通过使用普通驾驶员的平均值来设置用于定义各区间的宽度的值α。

在每次获得新的估计误差的数据时更新频率分布(即，每当测量出新的估计误差的数据时更新频率分布)。首先，通过以下公式(5)来计算新的数据所在的小区间mi(即，与新的数据相对应的小区间mi)的频率pi。

pi＝(pi+1/Np)÷(1+1/Np)        ……(5)

其中，Np表示总采样数。

此外，通过以下公式(6)来计算新的数据所不在的小区间mi(即，不与新的数据相对应的小区间mi)的频率tpi。

pi＝pi÷(1+1/Np)        ……(6)

在下一步骤S7中，控制器基于估计误差的两个频率分布计算转向熵(steering entropy)RHp。转向熵RHp是可通过量化转向操作的不稳定性而获得的值。将转向熵RHp定义为表示当前驾驶行为模式与通常驾驶行为模式(正常驾驶行为)的差异程度的非稳态程度DDs。也就是说，非稳态程度DDs表示当前驾驶行为模式与通常行为相比较有多大区别。首先，如以下公式(7)所示计算转向熵RHp。

RHp＝∑qi·log₉(qi/pi)        ……(7)

其中，pi表示预定持续时间TL1内的估计误差的分布，并且qi表示预定持续时间TL2内的估计误差的分布。将普通驾驶员的估计误差分布数据设置为两个频率分布的初始值。然后，如以下公式(8)所示，将转向熵RHp看作为非稳态程度DDs。

DDs＝RHp                    ……(8)

在下一步骤S8中，控制器利用以下三种方法①～③中的任一方法，计算根据驾驶员而不同的驾驶行为模式的学习进度(学习百分比)PL。

①根据数据获取率pm计算学习进度PL

首先，如以下公式(9)所示，控制器基于总采样数和已经作为驾驶员的驾驶行为模式获取的数据(测量数据)量，计算数据获取率(百分比)pm。该总采样数是在掌握通常驾驶行为模式所需的预定持续时间TL1内要测量的采样数。在本实施例中，从驾驶员获取的数据表示上述的车辆间时间THW的频率分布或估计误差的频率分布，也即驾驶员的驾驶行为模式。

pm＝m/(TL1×sr)                ……(9)

其中，sr表示采样频率。

然后，参考图5的对应关系，控制器根据数据获取率pm计算驾驶行为模式的学习进度PL。图5的对应关系的横轴为数据获取率pm，并且纵轴为学习进度PL。在图5的对应关系中，学习进度PL被设置成：数据获取率pm越大，学习进度PL越大。

②根据时间经过率pt计算学习进度PL

首先，如以下公式(10)所示，控制器基于掌握通常驾驶行为模式所需的预定持续时间TL1，并且基于从开始获取与驾驶员的驾驶行为模式有关的数据的时间点起所经过的经过时间mt，来计算时间经过率(百分比)pt。

pt＝mt/TL1                ……(10)

然后，参考图6的对应关系，控制器根据时间经过率pt计算驾驶行为模式的学习进度PL。图6的对应关系的横轴为时间经过率pt，并且纵轴为学习进度PL。在图6的对应关系中，学习进度PL被设置成：时间经过率pt越大，学习进度PL越大。

③将以上方法①和以上方法②组合

例如，控制器计算方法①和②的结果的平均值，或者选择方法①和②的结果中较低的结果。可选地，控制器可以对方法①和②的结果分配权重，并且对加权后的结果求和。

在下一步骤S9中，控制器判断非稳态程度DDf是否大于预定阈值Sfo。此外，控制器判断非稳态程度DDs是否大于预定阈值Sso。如果该判断的结果满足DDf≤Sfo且DDs≤Sso这两个关系，则控制器判断为照常生成当前驾驶行为模式，即当前驾驶行为模式接近通常驾驶行为模式。然后，程序返回至预定的主流程。另一方面，如果步骤S9的判断结果满足DDf＞Sfo的关系或者满足DDs＞Sso的关系，则控制器判断为当前驾驶行为模式与平时大不相同，即当前驾驶行为模式与通常驾驶行为模式相比较区别很大。然后，程序进入步骤S10。

在步骤S10中，参考图7的表，控制器根据学习进度PL设置信息提供级别。当向驾驶员提供动作辅助信息时使用该信息提供级别。在图7的表中，当学习进度PL在0和预定值C1之间(0≤PL＜C1)时，将信息提供级别设置为L0。此外，当学习进度PL在预定值C1和预定值C2之间(C1≤PL＜C2)时，将信息提供级别设置为L1。此外，当学习进度PL在预定值C2和1之间(C2≤PL＜1)时，将信息提供级别设置为L2。此外，当学习进度PL等于1(PL＝1)时，将信息提供级别设置为L3。也就是说，在图7的表中，学习进度PL越大，信息提供级别越高。

在下一步骤S11中，控制器根据步骤S6的判断结果和信息提供级别确定动作辅助信息。然后，控制器通过显示单元50和扬声器60向驾驶员提供(输出)该动作辅助信息。然后，程序返回至预定的主流程。首先，如果步骤S9的判断结果满足DDf＞Sfo的关系，则控制器提供针对车辆间时间THW的动作辅助信息。因此，参考图8的表，控制器根据信息提供级别确定动作辅助信息。根据图8的表，当信息提供级别等于L0时，不提供任何信息。当信息提供级别等于L1时，向驾驶员通知(告知)注意内容。此时，例如，向驾驶员显示“注意前车”，或者向驾驶员发出“注意前车”的声音。当信息提供级别等于L2时，向驾驶员通知与本车的行驶状态有关的事实。此时，例如，向驾驶员显示“车辆间时间比通常短”，或者向驾驶员发出“车辆间时间比通常短”的声音。当信息提供级别等于L3时，在向驾驶员通知与本车的行驶状态有关的事实的同时还提醒驾驶员小心。此时，例如，向驾驶员显示“车辆间时间比通常短。小心驾驶”，或者向驾驶员发出“车辆间时间比通常短。小心驾驶”的声音。

此外，如果步骤S9的判断结果满足DDs＞Sso的关系，则控制器提供针对转向操作的动作辅助信息。因此，参考图9的表，控制器根据信息提供级别确定动作辅助信息。根据图9的表，当信息提供级别等于L0时，不提供任何信息。当信息提供级别等于L1时，向驾驶员通知注意内容。此时，例如，向驾驶员显示“注意摇晃”，或者向驾驶员发出“注意摇晃”的声音。当信息提供级别等于L2时，向驾驶员通知与本车的行驶状态有关的事实。此时，例如，向驾驶员显示“转向操作比通常毛糙”，或者向驾驶员发出“转向操作比通常毛糙”的声音。当信息提供级别等于L3时，在向驾驶员通知与本车的行驶状态有关的事实的同时还提醒驾驶员小心。此时，例如，向驾驶员显示“转向操作比通常毛糙。小心驾驶”，或者向驾驶员发出“转向操作比通常毛糙。小心驾驶”的声音。

实施

首先，预先学习驾驶员的通常驾驶行为模式。通过使用该通常驾驶行为模式，在当前驾驶行为模式不同于该通常驾驶行为模式时，给予驾驶员所需的动作辅助信息。在本实施例中，使用车辆间时间THW的频率分布作为驾驶员的驾驶行为模式。也就是说，学习与本车和前车之间的车辆间距离和相对速度有关的习惯，换言之，学习相对于前车保持距离并且接近前车的方式，作为车辆间时间THW的频率分布(步骤S2和S3)。此外，在本实施例中，学习与转向操作有关的习惯，换言之，学习转向操作的平滑性，作为估计误差的频率分布(步骤S5和S6)。基于在具有特定长度水平的预定持续时间TL1内所测量的采样数据来掌握通常驾驶行为模式。另一方面，基于在作为最近的短时间长度的预定持续时间TL2内所测量的采样数据来掌握当前驾驶行为模式。

然后，为了判断当前驾驶行为模式与通常行为相比较有多大区别，通过使用以上公式(4)，基于车辆间时间THW的频率分布来计算非稳态程度DDf(步骤S4)。此外，通过使用以上的公式(7)和(8)，基于估计误差的频率分布来计算非稳态程度DDs(步骤S7)。如果非稳态程度DDf超过阈值Sfo(步骤S9的判断为“是”)，则判断为与相对于前车的车辆间距离和相对于前车的相对速度有关的当前驾驶行为模式不同于通常驾驶行为模式。由此，提供用于提醒注意前车的动作辅助信息(步骤S11)。此外，如果非稳态程度DDs超过阈值Sso(步骤S9的判断为“是”)，则判断为与转向操作有关的当前驾驶行为模式不同于通常驾驶行为模式。由此，提供用于提醒注意转向操作的动作辅助信息(步骤S11)。

由于学习驾驶行为模式的过程中数据量不充分，因此不得不使用普通驾驶员的数据(初始值)来弥补该数据量不足。因此，非稳态程度DDf和非稳态程度DDs的判断精度有可能变低，从而使得可能由于不适当的动作辅助信息而给驾驶员带来不适感。因此，在本实施例中，基于数据获取率pm和时间经过率pt中的至少一个来计算驾驶行为模式的学习进度PL(步骤S8)，并且根据学习进度PL将信息提供级别设置为L0～L3中的一个。由此，动作辅助信息的提供内容是变化的(步骤S10)。也就是说，由于学习进度PL越低，提供不适当的动作辅助信息的可能性越高，因此，当学习进度PL越低时，越多地抑制动作辅助信息的提供内容。

首先，当信息提供级别等于L0时，学习进度PL处于其最低状态，即控制器处于紧挨在学习开始之后的状态。因此，限制动作辅助信息的提供。当信息提供级别等于L1时，学习进度PL仍不足。因此，仅提供诸如“注意前车”和“注意摇晃”等的注意内容。当信息提供级别等于L2时，学习进度PL已有所提高。因此，提供诸如“车辆间时间比通常短”和“转向操作比通常毛糙”等的与车辆的行驶状态有关的具体事实。当信息提供级别等于L3时，学习进度PL处于其最高状态，即控制器已经大致完成了学习。因此，在提供与车辆的行驶状态有关的具体事实的同时还提醒小心，例如，“车辆间时间比通常短。小心驾驶”和“转向操作比通常毛糙。小心驾驶”。因而，动作辅助信息的内容根据学习进度PL而变化。因此，即使处于正在学习驾驶行为模式的过程中，也可以给予驾驶员适当的动作辅助信息。

其它应用例

在第一实施例中，学习与相对于前车的车辆间距离和相对速度有关的习惯，并且还学习与转向操作有关的习惯。然而，根据本发明的结构不限于此。根据本发明，可以采用这两个习惯中的任一习惯。此外，在第一实施例中，已经解释了动作辅助信息的一个例子。然而，根据本发明的结构不限于此。根据本发明的教导，可以将动作辅助信息的内容改变为其它内容。

有益效果

通过以上的解释，步骤S2、S3、S5和S6的处理与根据本发明的“学习部或学习部件”相对应。此外，步骤S4和S7的处理与“非稳态程度计算部或部件”相对应。步骤S8的处理与“学习进度计算部或部件”相对应。步骤S9～S11的处理与“通知部或部件”相对应。

(1)第一实施例中的驾驶动作辅助设备包括：学习部，其对驾驶员的驾驶行为模式学习预定持续时间；非稳态程度计算部，其通过将当前驾驶行为模式和所述学习部学习到的驾驶行为模式进行比较来计算非稳态程度，其中，所述非稳态程度表示所述当前驾驶行为模式相对于所述学习部学习到的驾驶行为模式有多大区别；学习进度计算部，其计算所述学习部的学习进度；以及通知部，其当所述非稳态程度计算部计算出的非稳态程度超过阈值时，根据所述学习进度计算部计算出的学习进度向所述驾驶员通知用于促成所述学习部学习到的驾驶行为模式的动作辅助信息。由此，当所述学习部处于正在学习驾驶员的驾驶行为模式的过程中时，动作辅助信息根据驾驶行为模式的学习进度而变化。因此，可以向驾驶员提供精确的动作辅助信息。

(2)在根据第一实施例的驾驶动作辅助设备中，所述学习进度计算部根据所述学习部已获取到的作为驾驶员的驾驶行为模式的数据的量来计算所述学习部的学习进度。因此，可以容易且精确地计算学习进度。

(3)在根据第一实施例的驾驶动作辅助设备中，所述学习进度计算部根据从所述学习部开始获取作为驾驶员的驾驶行为模式的数据的时间点起经过的时间来计算所述学习部的学习进度。因此，可以容易且精确地计算学习进度。

(4)在根据第一实施例的驾驶动作辅助设备中，所述通知部根据所述学习进度计算部计算出的学习进度来改变所述动作辅助信息的内容。因此，可以防止向驾驶员通知不适当的动作辅助信息。

(5)在根据第一实施例的驾驶动作辅助设备中，随着所述学习进度计算部计算出的学习进度越高，所述通知部提供的所述动作辅助信息的内容越详细。因此，可以防止向驾驶员通知不适当的动作辅助信息。

(6)在根据第一实施例的驾驶动作辅助方法中，预先对驾驶员的驾驶行为模式学习预定持续时间；通过将当前驾驶行为模式与所学习到的驾驶行为模式进行比较来计算非稳态程度，其中，所述非稳态程度表示所述当前驾驶行为模式相对于所学习到的驾驶行为模式有多大区别；当所计算出的非稳态程度超过阈值时，向所述驾驶员通知用于将驾驶员引导至所学习到的驾驶行为模式的动作辅助信息；以及在学习驾驶员的驾驶行为模式的过程中，根据学习进度来改变所述动作辅助信息。因此，由于在学习驾驶员的驾驶行为模式的过程中根据驾驶行为模式的学习进度来改变动作辅助信息，因此可以给予驾驶员适当的动作辅助信息。

第二实施例

结构

在根据本发明的第二实施例中，根据学习进度PL改变阈值Sfo和阈值Sso。在第二实施例中执行图10的动作辅助处理。在图10的处理中，在以上所述的第一实施例中的流程图的步骤S8和步骤S9之间添加并且插入新的步骤S21。在第二实施例中的步骤S21中，控制器根据学习进度PL计算阈值Sfo和Sso。首先，参考图11的对应关系，控制器根据学习进度PL计算阈值Sfo。在图11的对应关系中，阈值Sfo被设置成：学习进度PL越低，阈值Sfo越大。接着，参考图12的对应关系，控制器根据学习进度PL计算阈值Sso。在图12的对应关系中，阈值Sso被设置成：学习进度PL越低，阈值Sso越大。

实施

在第二实施例中，阈值Sfo和阈值Sso均随着学习进度PL越低而越小(步骤S21)。因此，学习进度PL越低，非稳态程度DDf越难以超过阈值Sfo。此外，学习进度PL越低，非稳态程度DDs越难以超过阈值Sso。因此，当学习进度PL较低时，抑制动作辅助信息的提供。由此，可以防止向驾驶员通知不适当的动作辅助信息。根据第二实施例的其它实施和效果与第一实施例的实施和效果相同。

有益效果

根据以上的解释，步骤S21的处理与“第一改变部或部件”相对应。

(1)根据第二实施例的驾驶动作辅助设备还包括：第一改变部，所述第一改变部改变所述阈值和所述非稳态程度中的至少一个，从而使得随着所述学习进度计算部计算出的学习进度越低，所述非稳态程度越难以超过所述阈值。由此，当学习进度低时，抑制动作辅助信息的提供。因此，可以防止向驾驶员通知不适当的动作辅助信息。

(2)在根据第二实施例的驾驶动作辅助设备中，随着所述学习进度计算部计算出的学习进度越低，所述第一改变部越大程度地增大所述阈值。由此，当学习进度低时，抑制动作辅助信息的提供。因此，可以防止向驾驶员通知不适当的动作辅助信息。

第三实施例

结构

在根据本发明的第三实施例中，根据学习进度PL改变预定值Lo。在第三实施例中执行图13的动作辅助处理。在图13的处理中，在以上所述的第一实施例中的流程图的步骤S8和步骤S9之间添加并插入新的步骤S31和S32。在第三实施例中的步骤S31中，参考图14的对应关系，控制器根据学习进度PL计算预定值Lo。在图14的对应关系中，预定值Lo被设置成：学习进度PL越低，预定值Lo越小。在步骤S32中，控制器利用在步骤S31中设置的预定值Lo，再次进行步骤S4的处理。也就是说，在步骤S32中，控制器通过使用在步骤S31中设置的预定值Lo来修正非稳态程度DDf。

实施

在第三实施例中，学习进度PL越低，预定值Lo越小(步骤S31)。因此，学习进度PL越低，累积频率S1和累积频率S2之间的差越小(参见图4)，以减小非稳态程度DDf(步骤S32)。也就是说，学习进度PL越低，非稳态程度DDf越难以超过预定阈值Sfo。因此，当学习进度PL较低时，抑制动作辅助信息的提供。由此，可以防止向驾驶员通知不适当的动作辅助信息。根据第三实施例的其它实施和效果与第一实施例的实施和效果相同。

其它应用例

在第三实施例中，通过根据学习进度PL改变预定值Lo来校正非稳态程度DDf。然而，根据本发明的结构不限于此。可以通过将非稳态程度DDf乘以校正因数k来直接校正非稳态程度DDf。在这种情况下，学习进度PL越低，所给予的校正因数k从1开始变得越小。

有益效果

根据以上的解释，步骤S31和S32的处理与“第一改变部或部件”相对应。

(1)根据第三实施例的驾驶动作辅助设备还包括：第一改变部，所述第一改变部改变所述阈值和所述非稳态程度中的至少一个，从而使得随着所述学习进度计算部计算出的学习进度越低，所述非稳态程度越难以超过所述阈值。由此，当学习进度低时，抑制动作辅助信息的提供。因此，可以防止向驾驶员通知不适当的动作辅助信息。

(2)在根据第三实施例的驾驶动作辅助设备中，随着所述学习进度计算部计算出的学习进度越低，所述第一改变部越大程度地减小所述非稳态程度。由此，当学习进度低时，抑制动作辅助信息的提供。因此，可以防止向驾驶员通知不适当的动作辅助信息。

第四实施例

结构

在根据本发明的第四实施例中，检测本车周围的行驶环境，然后根据所检测到的行驶环境校正学习进度PL。图15是示出第四实施例中的系统结构的图。在第四实施例中，向第一实施例的系统结构添加灯开关70、刮擦器开关80和导航系统90。导航系统90通过FM多路复用广播或无线电/光学信标从道路交通信息通信系统(在日本为VICS：车辆信息和通信系统(Vehicle Information and Communication System))接收车辆的附近区域的交通信息。

图16是示出第四实施例中的动作辅助处理的图。在第四实施例中，在以上所述的第一实施例中的流程图的步骤S8和步骤S9之间添加并插入新的步骤S41和S42。在步骤S41中，根据当前行驶环境设置环境标志F。首先，控制器根据灯开关70的工作状态检测车辆周围的亮度(光度)。如图17所示，如果灯开关70处于OFF(关闭)状态，则控制器判断为车辆周围的亮度属于标准环境，从而将环境标志F重置为0(F＝0)。另一方面，如果灯开关70处于ON(打开)状态，则控制器判断为车辆周围的亮度不属于标准环境，从而将环境标志F设置为1(F＝1)。

此外，控制器根据刮擦器开关80的工作状态检测车辆周围的天气状态。如图18所示，如果刮擦器开关80处于OFF状态，则控制器判断为天气状态属于标准环境，从而将环境标志F重置为0(F＝0)。另一方面，如果刮擦器开关80处于ON状态，则控制器判断为天气状态不属于标准环境，从而将环境标志F设置为1(F＝1)。此外，控制器根据交通信息检测车辆周围的交通量。如图19所示，如果交通量低，则控制器判断为交通量属于标准环境，从而将环境标志F重置为0(F＝0)。另一方面，如果交通量高，则控制器判断为交通量不属于标准环境，从而将环境标志F设置为1(F＝1)。

在下一步骤S42中，控制器根据环境标志F校正学习进度PL。在根据数据获取率pm计算学习进度PL的情况下，参考图20的对应关系，控制器根据环境标志F校正学习进度PL。在图20的对应关系中，数据获取率pm越高，学习进度PL越大。同样在该对应关系中，当环境标志F等于1时获得的学习进度PL的值比当环境标志F等于0时获得的学习进度PL的值小。另一方面，在根据时间经过率pt计算学习进度PL的情况下，参考图21的对应关系，控制器根据环境标志F校正学习进度PL。在图21的对应关系中，时间经过率pt越高，学习进度PL越大。同样在该对应关系中，当环境标志F等于1时获得的学习进度PL的值比当环境标志F等于0时获得的学习进度PL的值小。

实施

在第四实施例中，检测当前行驶环境(步骤S41)，然后，如果所检测到的行驶环境不同于预定标准环境，则使学习进度PL变小(步骤S42)。因此，信息提供级别被降低，以使动作辅助信息的提供内容适度。也就是说，由于在行驶环境为诸如夜晚、恶劣天气和交通堵塞等的不正常(不标准)状态时，驾驶员的驾驶行为模式不同于通常驾驶行为模式的倾向高，因此，抑制不必要的动作辅助信息的通知。由此，可以防止驾驶员具有不适感。根据第四实施例的其它实施和效果与第一实施例的实施和效果相同。

其它应用例

在第四实施例中，根据灯开关70的工作状态检测车辆周围的亮度。然而，根据本发明的结构不限于此。可以利用用于感测车辆外面的亮度的光接收传感器来检测车辆周围的亮度。此外，在第四实施例中，根据刮擦器开关80的工作状态检测车辆周围的天气状态。然而，根据本发明的结构不限于此。可以利用雨(雨滴)传感器来检测车辆周围的天气状态。可选地，可以根据雾灯的工作状态和除雾器(除霜器)的工作状态等检测车辆周围的天气状态。由于与车头灯相比，雾灯的光的到达范围更广并因此对对面的车辆和行人的可见度较高，因此，在因雾等引起的低视野范围(低可见度)下使用雾灯。除雾器通过从空调向窗玻璃吹干暖空气来蒸发窗玻璃内表面的雾和露，或者通过使电流通过布在窗玻璃中的电阻丝以使玻璃变暖来熔化粘附至窗玻璃外部的霜和冰。此外，在第四实施例中，检测亮度、天气状态和交通量作为车辆的周围区域的行驶环境。然而，根据本发明的结构不限于此。可以检测亮度、天气状态和交通量中的至少一个。

有益效果

根据以上的解释，步骤S41的处理与“判断部或部件”相对应，并且步骤S42的处理与“第二改变部或部件”相对应。

(1)根据第四实施例的驾驶动作辅助设备还包括：判断部，其检测车辆周围的当前行驶环境，并且判断所检测到的当前行驶环境是否不同于预定标准环境；以及第二改变部，其在所述判断部判断为所述当前行驶环境不同于所述预定标准环境时，减小所述学习进度计算部计算出的学习进度。因此，当行驶环境不正常时，抑制不必要的动作辅助信息的提供。因此，可以防止驾驶员具有不适感。

(2)在根据第四实施例的驾驶动作辅助设备中，所述判断部检测车辆周围的当前亮度，并且当所检测到的当前亮度比预定标准状态低时判断为所述当前行驶环境不同于所述预定标准环境。因此，可以基于是白天还是夜间来适当地判断当前行驶环境是否不同于预定标准环境。

(3)在根据第四实施例的驾驶动作辅助设备中，所述判断部检测车辆周围的当前天气状态，并且当所检测到的当前天气状态比其预定标准状态差时判断为所述当前行驶环境不同于所述预定标准环境。因此，可以基于是好天气还是坏天气来适当地判断当前行驶环境是否不同于预定标准环境。

(4)在根据第四实施例的驾驶动作辅助设备中，所述判断部检测车辆周围的当前交通量，并且当所检测到的当前交通量比其预定标准状态高时判断为所述当前行驶环境不同于所述预定标准环境。因此，可以基于是高交通量还是低交通量来适当地判断当前行驶环境是否不同于预定标准环境。

第五实施例

结构

在根据本发明的第五实施例中，检测车辆周围的行驶环境，并且根据所检测到的行驶环境改变阈值Sfo和Sso。在第五实施例中执行图22的动作辅助处理。在图22的处理中，以上所述的第四实施例中的步骤S42的处理已经变为新的步骤S51。在步骤S51中，根据学习进度PL和环境标志F计算阈值Sfo和Sso。

首先，参考图23的对应关系，控制器根据学习进度PL和环境标志F计算阈值Sfo。在图23的对应关系中，学习进度PL越低，阈值Sfo越大。同样在该对应关系中，当环境标志F等于1时获得的阈值Sfo的值比当环境标志F等于0时获得的阈值Sfo的值大。接着，参考图24的对应关系，控制器根据学习进度PL和环境标志F计算阈值Sso。在图24的对应关系中，学习进度PL越低，阈值Sso越大。同样在该对应关系中，当环境标志F等于1时获得的阈值Sso的值比当环境标志F等于0时获得的阈值Sso的值大。

实施

在第五实施例中，检测当前行驶环境(步骤S41)，然后，如果所检测到的行驶环境不同于预定标准环境，则使阈值Sfo和Sso变大(步骤S51)。由此，使得非稳态程度DDf难以超过阈值Sfo，并且同样，使得非稳态程度DDs难以超过阈值Sso。也就是说，由于当行驶环境为诸如夜晚、恶劣天气和交通堵塞等的不正常(不标准)状态时，驾驶员的驾驶行为模式不同于通常驾驶行为模式的倾向高，因此抑制不必要的动作辅助信息的通知。由此，可以防止驾驶员具有不适感。根据第五实施例的其它实施和效果与第四实施例的实施和效果相同。

有益效果

根据以上的解释，步骤S41的处理与“判断部或部件”相对应，并且步骤S51的处理与“第三改变部或部件”相对应。

(1)根据第五实施例的驾驶动作辅助设备还包括：判断部，其检测车辆周围的当前行驶环境，并且判断所检测到的当前行驶环境是否不同于预定标准环境；以及第三改变部，其在所述判断部判断为所述当前行驶环境不同于所述预定标准环境时，改变所述阈值和所述非稳态程度中的至少一个，从而使得所述非稳态程度难以超过所述阈值。因此，当行驶环境处于不正常状态时，抑制不必要的动作辅助信息的提供。因此，可以防止驾驶员具有不适感。

第六实施例

结构

在根据本发明的第六实施例中，检测车辆周围的行驶环境，并且根据所检测到的行驶环境改变预定值Lo。在第六实施例中执行图25的动作辅助处理。在图25的处理中，以上所述的第四实施例中的步骤S42的处理已经变为新的步骤S61和S62。在步骤S61中，参考图26的对应关系，控制器根据学习进度PL和环境标志F计算预定值Lo。在图26的对应关系中，学习进度PL越低，预定值Lo越小。同样在该对应关系中，当环境标志F等于1时获得的预定值Lo的值比当环境标志F等于0时获得的预定值Lo的值小。在步骤S62中，控制器通过使用在步骤S61中设置的预定值Lo来校正非稳态程度DDf，即再次进行步骤S4的处理。

实施

在第六实施例中，检测当前行驶环境(步骤S41)，然后，如果所检测到的行驶环境不同于预定标准环境，则使预定值Lo变小(步骤S61)。由此，累积频率S1和累积频率S2之间的差变小(参见图4)，以使得非稳态程度DDf变小(步骤S62)。由此，使得非稳态程度DDf难以超过阈值Sfo。也就是说，由于当行驶环境为诸如夜晚、恶劣天气和交通堵塞等的不正常状态时，驾驶员的驾驶行为模式不同于通常驾驶行为模式的倾向高，因此抑制不必要的动作辅助信息的通知。因此，可以防止驾驶员具有不适感。根据第六实施例的其它实施和效果与第四实施例的实施和效果相同。

有益效果

根据以上的解释，步骤S41的处理与“判断部或部件”相对应，并且步骤S61和S62的处理与“第三改变部或部件”相对应。

(1)根据第六实施例的驾驶动作辅助设备还包括：判断部，其检测车辆周围的当前行驶环境，并且判断所检测到的当前行驶环境是否不同于预定标准环境；以及第三改变部，其在所述判断部判断为所述当前行驶环境不同于所述预定标准环境时，改变所述阈值和所述非稳态程度中的至少一个，从而使得所述非稳态程度难以超过所述阈值。因此，当行驶环境不是处于正常状态时，抑制不必要的动作辅助信息的提供。因此，可以防止驾驶员具有不适感。

第七实施例

结构

在根据本发明的第七实施例中，检测车辆周围的行驶环境，并且根据检测到的行驶环境改变动作辅助信息的提供内容。在第七实施例中执行图27的动作辅助处理。在图27的处理中，以上所述的第四实施例中的步骤S42的处理已经变为新的步骤S71。在步骤S71中，参考图28的对应关系，控制器根据环境标志F计算预定值C1和C2。在步骤S10中使用预定值C1和C2。如图28的对应关系所示，当环境标志F等于0(F＝0)时，预定值C1和C2不变(维持预定值C1和C2)，另一方面，当环境标志F等于1(F＝1)时，预定值C1和C2分别变为预定值C1’和C2’。预定值C1’和C2’分别比预定值C1和C2大。

实施

在第七实施例中，检测当前行驶环境(步骤S41)，然后，如果所检测到的行驶环境不同于预定标准环境，则使预定值C1和C2变大(步骤S71)。由此，使得信息提供级别变小，以使动作辅助信息的提供内容适度。也就是说，由于当行驶环境为诸如夜晚、恶劣天气和交通堵塞等的不正常状态时，驾驶员的驾驶行为模式不同于通常驾驶行为模式的倾向高，因此抑制不必要的动作辅助信息的通知。由此，可以防止驾驶员具有不适感。根据第七实施例的其它实施和效果与第四实施例的实施和效果相同。

有益效果

根据以上的解释，步骤S41的处理与“判断部或部件”相对应，并且步骤S71和S10的处理与“通知部或部件”相对应。

(1)根据第七实施例的驾驶动作辅助设备还包括判断部，所述判断部检测车辆周围的当前行驶环境并且判断所检测到的当前行驶环境是否不同于预定标准环境。此外，在所述判断部判断为所述当前行驶环境不同于所述预定标准环境时，所述通知部抑制动作辅助信息的提供。因此，当行驶环境处于不正常状态时，抑制不必要的动作辅助信息的提供。因此，可以防止驾驶员具有不适感。

第八实施例

结构

在根据本发明的第八实施例中，针对各个驾驶员单独计算学习进度，并且向各个驾驶员提供基于所计算出的学习进度的动作辅助信息。图29是第八实施例中的系统结构的框图。在图29的框图中，向以上所述的第一实施例的系统结构添加驾驶员选择开关100。例如，在仪表板中设置驾驶员选择开关100。当驾驶员选择分配给他本人的开关来计算他的频率分布和学习进度时，控制器40设置已经选择该开关的驾驶员的数据。图30是示出第八实施例中的动作辅助处理的流程图。在图30的流程图中，以上所述的第一实施例中的步骤S3的处理已经变为新的步骤S82，第一实施例中的步骤S4的处理已经变为新的步骤S83，第一实施例中的步骤S6的处理已经变为新的步骤S84，第一实施例中的步骤S7的处理已经变为新的步骤S85，第一实施例中的步骤S8的处理已经变为新的步骤S86，并且第一实施例中的步骤S9的处理已经变为新的步骤S87。此外，在图30的流程图中，向第一实施例的流程图添加用于执行驾驶员判断的步骤S81。在图30的流程图中，di表示分配至总数为n的候选驾驶员中已经选择并设定的驾驶员的编号(di：d1、…、di、…、dn)。首先，在步骤S81中，控制器判断出(识别出)驾驶员di。在步骤S82中，控制器更新所判断出的驾驶员di的车辆间时间频率分布Df(di)。在步骤S83中，控制器计算所判断出的驾驶员di的车辆间时间的非稳态程度DDf(di)。在步骤S84中，控制器更新所判断出的驾驶员di的转向角的估计误差频率分布Ds(di)。在步骤S85中，控制器计算所判断出的驾驶员di的转向角估计误差的非稳态程度DDs(di)。在步骤S86中，控制器更新驾驶员di的学习进度PL(di)。在步骤S87中，控制器判断针对驾驶员di所计算出的非稳态程度DDf(di)和非稳态程度DDs(di)中的至少一个是否大于判断阈值。然后，在步骤S10和S11中，控制器执行动作辅助。当该驾驶员完成车辆的驾驶时，或者当利用驾驶员选择开关100设置其它驾驶员替换掉驾驶员di时，将在这些步骤中计算出的数据Df(di)、DDf(di)、Ds(di)和DDs(di)保存并存储在存储器中。然后，当下次选择同一驾驶员di时，再次设置所存储的数据Df(di)、DDf(di)、Ds(di)和DDs(di)。

实施

在第八实施例中，针对所识别出的各个驾驶员单独更新频率分布(步骤S81和S83)。然后，计算非稳态程度(步骤S82和S84)，并且计算学习进度(步骤S85)。因此，在驾驶频率彼此不同(车辆使用频率不同)的多个驾驶员共用动作辅助设备(共用车辆)的情况下，针对多个驾驶员中的每个驾驶员单独进行动作辅助处理。因此，例如，当一个驾驶员在另一驾驶员已经提高了学习进度之后首次使用动作辅助设备时，可以抑制不必要的动作辅助信息的提供，从而防止该驾驶员具有不适感。此外，由于存储并保持先前驾驶时的学习进度，因此，如果驾驶行为模式在下次驾驶开始之后立刻变得不同于通常驾驶行为模式，则在较早的阶段执行动作辅助。

有益效果

根据以上的解释，步骤S81的处理与“驾驶员判断部或部件”相对应，并且步骤S87和S10的处理与“通知部或部件”相对应。

根据第八实施例的驾驶动作辅助设备还包括用于判断当前正在驾驶车辆的驾驶员的部件。此外，所述通知部根据针对判断出的当前驾驶员所获得的学习进度来提供动作辅助信息。因此，即使当前正在驾驶车辆的人与已获得与该人的学习进度不同的学习进度的另一人交换位置(即，即使驾驶员改变)，也抑制不必要的动作辅助信息的提供，从而使得可以防止驾驶员具有不适感。

其它应用例

在第八实施例中，代替上述的驾驶员选择开关，可以使用包含个人识别信息的远程进入钥匙(无钥匙进入系统)和用于维持各驾驶员预设的座椅位置和方向盘位置的自动驾驶位置系统的驾驶员设置编号信息等，作为用于判断(识别)驾驶员的部件。