JP7741648B2 - 運行管理補助システムおよび運行管理補助方法 - Google Patents

Description

本発明は、運行管理を補助する運行管理補助システムおよび運行管理補助方法に関する。

近年、物流トラックや夜行バス等の長距離を走行する業務用車両において運転士の疲労が引き起こす交通事故が社会的に問題視されている。このような交通事故を未然に防ぐため、生体センサから得られる生体データを用いて運転中の運転士の健康状態をモニタリングする技術の適用が進んでいる。

特に、心拍間隔から一定の短い時間幅で時間周波数領域解析を適用して自律神経機能（Ａｕｔｏｎｏｍｉｃ ｎｅｕｒａｌ ｆｕｎｃｔｉｏｎ：ＡＮＦ）を推定し、推定されたＡＮＦを解析して運転士の健康状態や疲労度、さらに、それらが要因となって生じる事故のリスクを推定し、運転者またはその管理者に推定結果をフィードバックする技術開発が進んでいる。現在は、安静時や運転時のように、ある一定の条件が持続している場面を前提として生体データを計測したり解析したりする技術が多く開発されている。

たとえば、下記特許文献１は、ユーザの状態を検出し、その検出結果から、ユーザが最も望む形態で車載装置の動作を自律的に制御する自動車用ユーザもてなしシステムを開示する。この自動車用ユーザもてなしシステムは、もてなし動作部の動作内容がユーザ生体特性情報の内容に応じて変化し、ひいては、自動車利用に際してのユーザへサービス（もてなし）効果を、ユーザの精神状態あるいは体調に応じさらなる適正化を図ることができる。具体的には、機能抽出マトリックスから特定される機能に対する動作制御時の基準参照情報が抽出され、この基準参照情報に別途取得されたユーザ生体特性情報に反映される体調ないし精神状態を加味して、選択された機能の動作内容の適正化を図ることができる。

特開２００８－１２６８１８号公報

特許文献１の技術を、事故リスクを推定しフィードバックする場面に適用したとする。たとえば、シーンが「運転中」、ユーザの体調・精神状態が「眠気」と推定され、かつ運転中におけるもてなし目的に「居眠り防止（安全性向上）」が含まれているような状況を想定する。この場合、考えられる事故のうち「居眠り運転」の発生リスクについては低減可能である。

しかし、業務用車両の運転者が遭遇する事故の要因は、運転者の生体状態に限っても「眠気」の他に「集中力の低下」や「興奮」、「過緊張」など様々な生体状態が存在する。また、事故の種類も「わき見運転」「急ぎ運転」など多岐にわたる。さらに、複数の生体要因が影響して事故や危険な場面を引き起すことも多い。したがって、各生体要因と事故の因果関係を明確化することは困難である。そのため、特許文献１の技術において、ただ目的や推定する体調・精神状態の項目を詳細に設定しても、事故リスクの推定とフィードバックを実現することは困難である。

本発明は、複数の異なる場面に対応した事故リスク推定を実現することを目的とする。

本願において開示される発明の一側面となる運行管理補助システムは、プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する運行管理補助システムであって、前記プロセッサは、運転者の生体に関する生体計測データと前記運転者の業務状態に関する業務状態データとを関連付けた関連付けデータの第１集合と、前記運転者の運転の危険性を示す危険判定結果の第２集合と、にアクセス可能であり、前記運転者の業務状態は、荷積、荷卸、待機および休憩のうちの少なくとも１つを含み、前記プロセッサは、前記第１集合から前記運転者の特定の業務状態に関する関連付けデータ群を業務状態別に取得し、前記第２集合から前記運転者の前記特定の業務状態における特定の危険判定結果群を取得する第１取得処理と、前記第１取得処理によって取得された、前記特定の業務状態に関する関連付けデータ群と、前記特定の業務状態における特定の危険判定結果群と、を用いて、前記特定の業務状態における前記運転者の事故リスクを推定する推定モデルを前記特定の業務状態別に生成して、第３集合に保存する生成処理と、を実行することを特徴とする。

本発明の代表的な実施の形態によれば、複数の異なる場面に対応した事故リスク推定を実現することができる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。

図１は、運行管理補助システムのシステム構成例を示す説明図である。 図２は、運行管理補助システムのハードウェア構成例を示すブロック図である。 図３は、運行管理補助システムにおける生体計測データの取得から事故リスクを推定し結果を提示するまでの一連の処理のフローチャートである。 図４は、生体計測データの構成例を示す説明図である。 図５は、業務状態データの構成例を示す説明図である。 図６は、危険判定ＤＢの構成例を示す説明図である。 図７は、生体計測－業務状態ＤＢまたは生体計測－業務状態データの取得処理手順例を示すフローチャートである。 図８は、心拍変動の例を示すグラフである。 図９は、ＲＲの時間変化を示すグラフである。 図１０は、ＲＲの時間変化の周波数スペクトル例を示すグラフである。 図１１は、生体計測データと業務状態データから生体計測―業務状態データを取得する処理例を示す説明図である。 図１２は、取得された生体計測－業務状態データの構成例を示す説明図である。 図１３は、図３に示した事故リスクを推定するモデルを生成または更新する処理（ステップＳ１０３）の詳細な処理手順例を示すフローチャートである。 図１４は、業務状態ラベルごとに区分されたデータを用いた推定モデルの訓練例を示す説明図である。 図１５は、図３に示した事故リスク推定プログラムによる事故リスク推定処理（ステップＳ１０４）の詳細な処理手順例を示すフローチャートである。 図１６は、図３に示した推定結果表示処理（ステップＳ１０５）の詳細な処理手順例を示すフローチャートである。 図１７は、事故リスク推定処理（ステップＳ１０４）の一例を示す説明図である。 図１８は、推定結果が「危険である」またはそれに準ずる状況であった場合に、推定結果を提示する処理（ステップＳ１０５）により提示されるフィードバックの例を示す説明図である。 図１９は、生体計測データを取得した日の業務終了後、またはその翌日以降に、運転者や管理者が過去の事故リスクの推移を参照できるようなフィードバックの例を示す説明図である

以下、図面を参照しながら本発明の実施例について説明する。

＜システム構成例＞
図１は、運行管理補助システムのシステム構成例を示す説明図である。運行管理補助システム１は、車両Ｖ、運行管理補助装置２、運転データ収集装置１５、予測結果表示端末３１、生体計測データ収集装置３２、および業務状態データ収集装置３３のうち、少なくとも運行管理補助装置２を含む。車両Ｖ、運行管理補助装置２、運転データ収集装置１５、予測結果表示端末３１、生体計測データ収集装置３２、および業務状態データ収集装置３３は、それぞれネットワーク１００を介して通信可能である。

車両Ｖは、位置センサ１１、車間距離センサ１２、速度計１３、加速度センサ１４、および運転データ収集装置１５を含む。位置センサ１１、車間距離センサ１２、速度計１３、および加速度センサ１４は、車両Ｖに搭載されたセンサデバイス（車載センサ）の一例である。位置センサ１１は、全球測位衛星システム（ＧＮＳＳ：（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ））により車両の現在位置を測位する。車間距離センサ１２は、前を走行する車両との車間距離を検出する。速度計１３は、車両Ｖの走行速度を検出する。加速度センサ１４は、車両Ｖの加速度を検出する。

運転データ収集装置１５は、車両Ｖに搭載されており、車両Ｖの車載センサの計測データを取得し、運行管理補助装置２に送信する。なお、運転データ収集装置１５は、車両Ｖ外に設置され、ネットワーク１００を介して、上述した車載センサからのデータを受信してもよい。

予測結果表示端末３１は、運行管理補助装置２による、運転中に事故に遭遇するリスク（以下、事故リスク）の推定結果を表示する。事故リスクの推定方法および予測結果の表示画像等についての詳細は後述する。

生体計測データ収集装置３２は、生体計測器から運転者の計測データを取得し、運行管理補助装置２に送信する。図１の例において使用される生体計測器は、たとえば、心拍計３４、体温計３５および血圧計３６を含む。運転者または管理者は、たとえば、１日の業務開始前、運転業務中、運転以外の業務中、業務終了後に、生体計測器を使用して当該運転者の生体データを計測する。

業務状態データ収集装置３３は、業務状態データとして、運転者が実際に行った業務内容を、日付時刻と対応づけて取得し運行管理補助装置２に送信する。運転者は、たとえば、１日の業務が終了した後で、その日の業務内容を業務状態データ収集装置３３に入力してもよい。

または、業務状態データ収集装置３３が、運転データ収集装置１５が取得した運転データから運転者の業務状態の流れを推定して業務状態データとしてもよい。または、業務状態データ収集装置３３が、生体計測データ収集装置３２から、運転者の加速度や位置情報、業務中の様子を捉えた映像などの運転者の行動データを収集して、収集した行動データから各業務状態とその流れを推定して業務状態データとしてもよい。

荷積み３３１、荷卸し３３２、および休憩３３３は、たとえば、車両Ｖの運転席に設置された入力手段であり、運転者が操作するボタンである。車両Ｖの停止中に荷積み３３１、荷卸し３３２、および休憩３３３のいずれかが押下されると、業務状態データ収集装置３３は、押下した状態を示すデータを収集する。なお、ここでボタン押下時刻を含む時間情報を取得しても良い。また、車両Ｖの走行中では、業務状態データ収集装置３３は、車両Ｖが走行中であることを示すデータを収集する。

運行管理補助装置２は、処理を行う複数のプログラムおよび複数のプログラムが処理するデータを保持する。運行管理補助装置２が実行するプログラムは、危険判定プログラム２１１、推定モデル訓練プログラム２１２、生体計測－業務状態ラベル関連付けプログラム２１３、事故リスク推定プログラム２１４、推定結果提示プログラム２１５を含む。

運行管理補助装置２が保持するデータは、生体計測データ２２１、業務状態データ２２２、車載センサデータ２２３、生体計測－業務状態データ２２４、事故リスク推定モデル２２５、および訓練データ２３を含む。訓練データ２３は、具体的には、たとえば、生体計測－業務状態ＤＢ２３１、危険判定ＤＢ２３２を含む。

生体計測データ２２１は、運転者の計測された生体データである。生体計測データ２２１は、たとえば、運転業務を含む作業中に計測された生体データ、待機や休憩など作業を行わない状況で計測された生体データ、または、これらの一部または全部の組合せを含む。

業務状態データ２２２は、運転者が労働中に経験した具体的な業務の状態を示すデータである。業務には、具体的には、たとえば、運転、荷積、荷卸、待機、休憩などが挙げられる。また、業務は、運転、荷積、荷卸などの業務は、走行した道路の種類、走行した地域、または運搬した物品の種類などによってさらに細かく区別されてもよい。

生体計測－業務状態データ２２４は、生体計測－業務状態ラベル関連付けプログラム２１３によって、生体計測データ２２１と業務状態データ２２２とから生成されるデータである。生体計測－業務状態データ２２４は、同一運転者の同一日において、生体データの各値が計測された時刻に運転者が何の業務を行っていたかが把握可能なデータである。具体的には、たとえば、生体計測－業務状態データ２２４は、各時点における生体計測データ２２１と業務状態データ２２２とが関連付けられたデータである。

車載センサデータ２２３は、危険判定プログラム２１１に用いられるデータである。車載センサデータ２２３は、運転データ収集装置１５から受信した運転操作や車両挙動、または位置情報などに関するデータである。

事故リスク推定モデル２２５は、事故リスク推定プログラム２１４によって、生体計測－業務状態データ２２４を用いて、運転者が事故に遭遇する事故リスクを推定するためのモデルである。事故リスク推定モデル２２５は、生体計測－業務状態データ２２４内の業務状態ラベル５０２の種類別に存在する。さらに、事故リスク推定モデル２２５は、業務状態ラベル５０２の種類別に時間帯ごとに存在してもよい。

訓練データ２３は、推定モデル訓練プログラム２１２に用いられるデータである。訓練データ２３内の生体計測－業務状態ＤＢ２３１は、過去に取得された生体計測－業務状態データ２２４を含む。危険判定ＤＢ２３２は、危険判定プログラム２１１と車載センサデータ２２３とにより取得されるデータを含む。このデータは、過去の生体計測－業務状態データ２２４が計測された場面の運転が危険と判定されたか否かを示す。

危険判定プログラム２１１は、運転者の運転が危険であるか否かを判定するためのプログラムである。危険判定プログラム２１１による危険か否かの判定は、任意の技術を利用でき、その基準は設計に依存する。危険と判定される運転の例は、急ブレーキ、急発進、法定速度に対して速すぎる車速、狭すぎる車間距離等を含む。

危険判定プログラム２１１は、車載センサデータ２２３（車載センサの計測データ）から、様々な危険運転操作を判定する。たとえば、急ブレーキや急発進であるか否かは、加速度センサ１４の検出データから判定され、狭すぎる車間距離であるか否かは、車間距離センサ１２の検出データから判定される。車両Ｖが法定速度を遵守したか否かは、位置センサ１１の検出データ、地図情報（不図示）および速度計１３の検出データから判定される。

危険判定ＤＢ２３２内の危険判定データは、生体計測－業務状態データ２２４の各計測時点と同一時点における危険度を示したデータでもよいし、生体計測－業務状態データ２２４の計測時点から数分～数十分後の一時点または複数時点における危険度を示したデータでもよい。

危険判定プログラム２１１は、運転データ収集装置１５から送信された車載センサデータ２２３を分析して、各場面が危険か否かを判定する。生体計測－業務状態ラベル関連付けプログラム２１３は、生体計測データ収集装置３２から送信された生体計測データ２２１と業務状態データ収集装置３３から送信された業務状態データ２２２とを対応付けて、生体計測－業務状態データ２２４を生成する。生体計測－業務状態データ２２４の詳細は後述する。

事故リスク推定プログラム２１４は、生体計測－業務状態データ２２４から、その場面の事故リスクを推定する。推定結果提示プログラム２１５は、予測された運転者の事故リスクとそれに付随する情報を提示する。推定モデル訓練プログラム２１２は、生体計測－業務状態データ２２４と危険判定プログラム２１１による危険判定データとを用いて、生体計測－業務状態データ２２４の業務状態ごとに推定モデルを訓練する。

＜運行管理補助装置２のハードウェア構成例＞
図２は、運行管理補助装置２のハードウェア構成例を示すブロック図である。運行管理補助装置２は、プロセッサ４１、メモリ４２、補助記憶装置４３、出力装置４４、入力装置４５、および通信インタフェース（Ｉ／Ｆ）４６を含む。上記構成要素は、バス４７によって互いに接続されている。メモリ４２、補助記憶装置４３またはこれらの組合せは記憶デバイスであり、図１に示すプログラムおよびデータを格納する。

メモリ４２は、たとえば、半導体メモリから構成され、主に実行中のプログラムやデータを保持するために利用される。プロセッサ４１は、メモリ４２に格納されているプログラムに従って、様々な処理を実行する。プロセッサ４１がプログラムに従って動作することで、様々な機能部が実現される。補助記憶装置４３は、たとえば、ハードディスクドライブやソリッドステートドライブなどの大容量の記憶装置から構成され、プログラムやデータを長期間保持するために利用される。

プロセッサ４１は、単一の処理ユニットまたは複数の処理ユニットで構成することができ、単一または複数の演算ユニット、または複数の処理コアを含むことができる。プロセッサ４１は、１または複数の中央処理装置、マイクロプロセッサ、マイクロ計算機、マイクロコントローラ、デジタル信号プロセッサ、ステートマシン、ロジック回路、グラフィック処理装置、チップオンシステム、および／または制御指示に基づき信号を操作する任意の装置として実装可能である。

補助記憶装置４３に格納されたプログラムおよびデータが、起動時または必要時にメモリ４２にロードされ、プログラムをプロセッサ４１が実行することにより、運行管理補助装置２の各種処理が実行される。したがって、以下において運行管理補助装置２により実行される処理は、プロセッサ４１またはプログラムによる処理である。

入力装置４５は、ユーザが運行管理補助装置２に指示や情報などを入力するためのハードウェアデバイスである。出力装置４４は、入出力用の各種画像を提示するハードウェアデバイスであり、たとえば、表示デバイスまたは印刷デバイスである。通信Ｉ／Ｆ４６は、ネットワーク１００との接続のためのインタフェースである。入力装置４５および出力装置４４は省略されてもよく、運行管理補助装置２は、ネットワーク１００を介して、端末からアクセスされてもよい。

運行管理補助装置２の機能は、１以上のプロセッサと、非一時的な記憶媒体を含む１以上の記憶装置と、を有する１以上の計算機からなる計算機システムで実装可能である。複数の計算機は、ネットワーク１００を介して通信可能である。たとえば、運行管理補助装置２の複数の機能の一部が一つの計算機に実装され、他の一部が他の計算機に実装されてもよい。

運転データ収集装置１５、予測結果表示端末３１、生体計測データ収集装置３２および業務状態データ収集装置３３は、それぞれ、運行管理補助装置２と同様の計算機構成を有することができる。上記装置における複数の装置の機能が一つの装置に実装されていてもよく、たとえば、運行管理補助装置２、予測結果表示端末３１、生体計測データ収集装置３２は、一つの装置に統合されていてもよい。

＜運行管理補助装置２が実行する処理例＞
図３は、運行管理補助装置２における生体計測データ２２１の取得から事故リスクを推定し結果を提示するまでの一連の処理のフローチャートである。はじめに、運行管理補助装置２は、生体計測－業務状態ラベル関連付けプログラム２１３により、各種生体データを取得して、生体計測データ２２１を生成する（ステップＳ１０１）。

つぎに、運行管理補助装置２は、生体計測－業務状態ラベル関連付けプログラム２１３により、生体計測データ２２１について、推定モデルに入力するためのデータ変換、抽出、および整形を行い、業務状態データ２２２と関連付けて、生体計測－業務状態ＤＢ２３１を生成または更新する（ステップＳ１０２）。

つぎに、運行管理補助装置２は、推定精度向上のため、推定モデル訓練プログラム２１２により、生体計測データ２２１に関連付けられた業務状態データ２２２ごとに推定モデルを生成する（ステップＳ１０３）。

その後、運行管理補助装置２は、事故リスク推定プログラム２１４により、生体計測データ２２１に関連付けられた業務状態データ２２２ごとの推定モデル群から、運転者の状態を示す生体計測－業務状態データ２２４に対応する推定モデルを選択し、選択した推定モデルで事故リスク２４１を推定する（ステップＳ１０４）。

最後に、運行管理補助装置２は、推定結果提示プログラム２１５により、推定結果（事故リスク２４１）と業務状態の推移を運転者またはその管理者に向けて表示したり発報したりする（ステップＳ１０５）。以下、これらの処理の詳細と、処理に用いられるデータについて詳細に説明する。

＜データ構成例＞
図４は、生体計測データ２２１の構成例を示す説明図である。本実施例では、生体データとして心拍間隔（ＲＲ）、生体計測データ２２１の指標として自律神経機能（ＡＮＦ）指標を用いることとする。生体計測データ２２１は、フィールドとして、ユーザＩＤ４０１、日時４０２、ＡＮＦ指標４０３、および体温４０４を含む。ＡＮＦ指標４０３は、たとえば、自律神経Ｔｏｔａｌ Ｐｏｗｅｒ４３１と自律神経ＬＦ／ＨＦ４３２とを含む。

ユーザＩＤ４０１は、ユーザである運転者それぞれを一意に特定する識別情報である。 日時４０２は、一定の時間幅で取得された生体計測データ２２１の計測開始時点である。ここで、日時４０２は計測終了時点、または複数の計測時点の中央値といった、計測開始時点以外に計測時間帯を表す基準となる他の１時点、または複数時点の組合せで表現されてもよい。

自律神経Ｔｏｔａｌ Ｐｏｗｅｒ４３１は、心電変動パラメータの一つであるＴｏｔａｌ Ｐｏｗｅｒ（ＴＰ）を示す。Ｔｏｔａｌ Ｐｏｗｅｒは、心電変動の特定周波数帯のパワースペクトルのトータルパワーであり、疲労に関係する。自律神経ＬＦ／ＨＦ４３２は、心電変動パラメータの一つである特定周波数帯における低周波数帯（ＬＦ）と高周波数帯（ＨＦ）のパワーの比率である。ＬＦ／ＨＦは、交感神経と副交感神経の全体のバランスを示す値である。

この他のＡＮＦ指標４０３として、心拍数または心拍のＲＲ間隔を用いた時間領域パラメータ、周波数領域パラメータ、非線形パラメータが考えられる。心拍数またはＲＲを用いた時間領域パラメータには、たとえば、２分などの一定時間に計測されたＲＲ間隔の平均（Ｍｅａｎ）と標準偏差（ＳＤＮＮ）、変動係数（ＣＶＲＲ）、連続して隣接するＲＲ間隔の差の２乗の平均値の平方根（ＲＭＳＳＤ）、連続して隣接するＲＲ間隔の差が５０ｍｓを超える総数（ＮＮ５０）などが考えられる。

心拍数またはＲＲを用いた周波数領域パラメータには、Ｔｏｔａｌ ＰｏｗｅｒとＬＦ／ＨＦのほかに、超低周波数帯のパワースペクトルであるＶＬＦ、ＬＦ、ＨＦ、またはそれぞれの偏差値、または各変動成分のＣＶＲＲ値であるＣＣＶＶＬＦ、ＣＣＶＬＦ、ＣＣＶＨＦ等が考えられる。心拍数またはＲＲを用いた非線形パラメータには、たとえば、ある時点のＲＲを横軸、次時点のＲＲを縦軸にとるポアンカレプロットにおける縦軸の標準偏差ＳＤ１、横軸の標準偏差ＳＤ２、仮想楕円の面積などが考えられる。体温４０４は、運転者の体温の測定値である。

図５は、業務状態データ２２２の構成例を示す説明図である。業務状態データ２２２は、フィールドとして、ユーザＩＤ４０１、業務状態ラベル５０２、開始日時５０３、終了日時５０４を含む。業務状態ラベル５０２は、運転者が労働中に何の業務に従事していたかを示す業務状態を特定するラベルである。業務状態ラベル５０２で特定される業務状態の具体的な例として、「運転」、「荷積」、「荷卸」、「待機」、「休憩」等が挙げられる。また、「運転（一般道）」、「運転（高速道路）」、「運転（関東）」のように、走行した道路の種類や走行した地域の地名などを付随してより細かい内容を格納してもよい。また、「道路混雑情報」、「天候情報」、「日照情報」などのように、走行した状況を付随してより細かい内容を格納してもよい。開始日時５０３、終了日時５０４は、それぞれ同一行の業務状態ラベル５０２を開始した日付時刻、終了した日付時刻を示す。

図６は、危険判定ＤＢ２３２の構成例を示す説明図である。危険判定ＤＢ２３２は、フィールドとして、ユーザＩＤ４０１、開始日時６０２、終了日時６０３、危険判定結果６０４を含む。開始日時６０２および終了日時６０３は、それぞれ対象データについて危険判定を開始する日付時刻と終了する日付時刻を示す。危険判定結果６０４は、危険判定プログラム２１１により開始日時６０２と終了日時６０３との間の期間が危険な場面であったかを推定した結果を示す。具体的には、たとえば、危険な度合いを表現した数値、または「危険」「危険でない」等の文字列が格納される。危険判定結果６０４の形式については、危険判定プログラム２１１の出力結果の形式に対応して決定される。

＜生体計測－業務状態ＤＢ２３１または生体計測－業務状態データ２２４の取得処理＞
図７は、生体計測－業務状態ラベル関連付けプログラム２１３による生体計測－業務状態ＤＢ２３１または生体計測－業務状態データ２２４の取得処理手順例を示すフローチャートである。図７は、図３に示したステップＳ１０２の詳細な処理手順例を示す。生体計測－業務状態ラベル関連付けプログラム２１３は、推定モデルを生成したり更新したりするための訓練に用いられる生体計測－業務状態ＤＢ２３１を生成する場合と、推定モデルを適用して事故リスクを推定する際に用いられる生体計測－業務状態データ２２４を生成する場合の両方で実行される。

訓練に用いられる訓練データ２３は、過去の運転者から取得したデータであり、生体計測－業務状態ＤＢ２３１は、運行管理補助装置２の運用開始前に得られた生体計測データ２２１、業務状態データ２２２から生成される。また、訓練データ２３は、安全運行システムの運用開始後に得られる生体計測データ２２１、業務状態データ２２２から、数か月～数年単位で定期的に抽出されたデータを追加するなどの更新がなされてもよい。その場合、追加分の生体計測データ２２１、業務状態データ２２２に対応した危険判定ＤＢ２３２も併せて格納されることが必要である。

さらに、追加分の生体計測データ２２１、業務状態データ２２２、および危険判定ＤＢ２３２（以下、追加データ）は、ネットワーク１００を通じて運行管理補助装置２の外部で利用されてもよい。この場合、システム開発者により訓練データ２３に追加データを追加してよいか否か、または追加データから除外する条件の検討が行われ、検討結果にしたがって、追加データが訓練データ２３に追加される。

本実施例では、生体データをＲＲとする。まず、生体データ取得処理（ステップＳ１７１）では、生体計測データ収集装置３２が、運転者のＲＲを測定し、運行管理補助装置２に送信する。具体的には、たとえば、生体計測データ収集装置３２は、心拍計３４により運転者の心電（心拍）を測定する。生体計測データ収集装置３２は、心拍計３４の測定結果において、ＲＲを検出する。ＲＲは、特定種類のピークの間の間隔を示す。

図８は、心拍変動の例を示すグラフである。図８のグラフの横軸は時間、縦軸は電位を示す。

図９は、ＲＲの時間変化を示すグラフである。図７に戻って、つぎに、生体計測データ取得処理（ステップＳ１７２）では、生体計測データ収集装置３２が、ＲＲからＡＮＦ指標４０３を生体計測データ２２１として算出する。ここでは一例として、自律神経Ｔｏｔａｌ Ｐｏｗｅｒ４３１と自律神経ＬＦ／ＨＦ４３２とを算出する処理について説明する。

図１０は、ＲＲの時間変化の周波数スペクトル例を示すグラフである。図１０のグラフの横軸は周波数であり、縦軸はＲＲのスペクトルパワー密度である。生体計測データ収集装置３２は、周波数領域からＬＦおよびＨＦを算出し、それらの和をＴＰ、ＬＦをＨＦで除算した結果をＬＦ／ＨＦとして算出する。生体計測データ収集装置３２は、このように算出したＡＮＦ指標４０３を生体計測データ２２１として、体温、血圧等の他の計測機から取得したデータとともに運行管理補助装置２に送信する。

つぎに、生体計測データ２２１を条件によって抽出する処理（ステップＳ１７３）と、生体計測－業務状態データ２２４または生体計測－業務状態ＤＢ２３１を取得する処理（ステップＳ１７４）によってデータが加工される例について説明する。

図１１は、生体計測データ２２１と業務状態データ２２２から生体計測－業務状態データ２２４を取得する処理例を示す説明図である。生体計測データ２２１を条件によって抽出する処理（ステップＳ１７３）では、運行管理補助装置２は、受信した生体計測データ２２１を２分間などの一定の時間幅に分割する。生体計測データ２２１を一定の時間幅に揃えるのは、本実施例が扱う生体計測データ２２１内のＡＮＦ指標４０３が、ＲＲの経時的な変化を表す指標から算出されるためである。一定の時間幅は、一般に３０秒から５分前後であることが多い。

つぎに、運行管理補助装置２は、分割された生体計測データ２２１それぞれに対して、不整脈や計測ミス、体動ノイズ等の解析に不正なデータが含まれる割合を、生体計測データ２２１の分散、パーセンタイル等の基本統計量を用いて算出し、一定の閾値を下回る分割された生体計測データ２２１のみを抽出して、抽出済み生体計測データ７０１とする。

つぎに、生体計測－業務状態データ２２４を取得する処理（ステップＳ１７４）では、運行管理補助装置２は、抽出済み生体計測データ７０１に対応する時間帯の業務状態を、業務状態データ収集装置３３から受信した業務状態データ２２２から参照し、抽出済み生体計測データ７０１に計測時点の業務状態をラベル付けし、生体計測－業務状態データ２２４または生体計測－業務状態ＤＢ２３１として取得する。

図１２は、取得された生体計測－業務状態データ２２４の構成例を示す説明図である。また、生体計測データ２２１の日時４０２とそれに対応する業務状態データ２２２の開始日時５０３および終了日時５０４は、一定の範囲内で時刻のずれが存在していてもよい。生体計測データ２２１のラベル付けが目的であるため、運行管理補助装置２は、抽出済み生体計測データ７０１に含まれる日時４０２が示す計測時刻内に、複数の業務状態ラベル５０２が存在する場合、あるルールに従って抽出済み生体計測データ７０１に対応する業務状態ラベル５０２をいずれか１つに決定する。

このルールには、たとえば、「ある時間帯の１つの生体計測データ２２１と対応する業務状態データ２２２において、より長時間記録されている方の業務状態ラベル５０２を採用する」などが考えられる。また、業務状態ラベル５０２に欠損が存在する場合、不適なデータとして生体計測－業務状態データ２２４から除外する処理などが考えられる。

図１３は、推定モデル訓練プログラム２１２による図３に示した事故リスクを推定するモデルを生成または更新する処理（ステップＳ１０３）の詳細な処理手順例を示すフローチャートである。図１４は、業務状態ラベル５０２ごとに区分されたデータを用いた推定モデルの訓練例を示す説明図である。運行管理補助装置２は、生体計測－業務状態ＤＢ２３１から生体計測－業務状態データ２２４を取得し（ステップＳ１３１）、生体計測－業務状態データ２２４から業務状態ラベル５０２を選択する（ステップＳ１３２）。

運行管理補助装置２は、選択した業務状態ラベル５０２に対応する事故リスク推定モデル２２５を選択し（ステップＳ２２５）、選択した事故リスク推定モデル２２５を、訓練データ２３を用いて、生体計測－業務状態ＤＢ２３１の業務状態ラベル５０２ごとに訓練し（ステップＳ１３４）、訓練した事故リスク推定モデル２２５を保存する（ステップＳ１３５）。

推定モデル訓練プログラム２１２では基本的に、事前収集された訓練データ２３を用いて、運行管理補助装置２の運用開始前に実行されることを想定しているが、運行管理補助装置２の運用開始後も、訓練データ２３が更新された場合、推定モデル訓練プログラム２１２を再度実行することで、事故リスク推定モデルを更新することができる。さらに、更新前の事故リスク推定モデル２２５に格納されている係数やパラメータは、更新によって上書きされる前にバックアップとしてシステム内部または外部に記録されてもよい。

図１５は、図３に示した事故リスク推定プログラム２１４による事故リスク推定処理（ステップＳ１０４）の詳細な処理手順例を示すフローチャートである。図１６は、図３に示した推定結果表示処理（ステップＳ１０５）の詳細な処理手順例を示すフローチャートである。推定結果表示処理（ステップＳ１０５）では、運行管理補助装置２は、推定された事故リスク２４１と、それに対応した生体計測－業務状態データ２２４と、業務状態ラベル５０２と、発報や表示する内容が紐づけられた提示内容辞書２４３と、を用いて、推定結果やそれに付随する情報を生成し、運転者またはその管理者へ提示する。以下、ステップＳ１０４およびＳ１０５について詳細に説明する。

事故リスク推定処理（ステップＳ１０４）は、運転者が業務状態ラベル５０２を含むいずれかの業務に従事または出勤している場合に実行される。

図１７は、事故リスク推定処理（ステップＳ１０４）の一例を示す説明図である。運行管理補助装置２は、生体計測データ収集装置３２および業務状態データ収集装置３３からリアルタイムに、または数秒から数十分の遅延を伴って継続的に受信する生体計測データ２２１と、業務状態データ２２２と、を取得する。

また、運行管理補助装置２は、生体計測－業務状態ラベル関連付けプログラム２１３により生成される生体計測－業務状態データ２２４を取得し（ステップＳ１５１）、生体計測－業務状態データ２２４の業務状態ラベル５０２を選択し（ステップＳ１５２）、選択した業務状態ラベル５０２それぞれに適した事故リスク推定モデル２２５を選択して（ステップＳ１５２）、事故リスク推定を行う（ステップＳ１３４）。

推定結果として、生体計測－業務状態データ２２４に含まれる日時４０２の時間帯が危険な場面であるか否かが出力される。推定結果は、「危険である」「危険でない」などの２値ラベルでもよいし、「危険度」等のように表現される、事故が発生する確率やその深刻度等に相当する連続値でもよい。

図１８は、推定結果が「危険である」またはそれに準ずる状況であった場合に、推定結果を提示する処理（ステップＳ１０５）により提示されるフィードバックの例を示す説明図である。車両Ｖに搭載されたスピーカやその他の注意喚起装置１６０１が、事故リスクが高い生体計測データ２２１を検知したことを発報する。

また、発報の際に、推定モデルに入力された生体計測－業務状態データ２２４を参照し、生体計測データ２２１や業務状態ラベル５０２から眠気や蓄積疲労、興奮などの状態を推定可能である場合は、車両Ｖに搭載されたスピーカやその他の注意喚起装置１６０１は、運転者１６０２がその状態に陥っていないかを確認する呼びかけ１６０３を発してもよい。また、車両Ｖに搭載されたスピーカやその他の注意喚起装置１６０１は、業務状態ラベル５０２ごとに対応した、その業務を行っている状況で実施可能な行動を促す呼びかけ１６０４を発してもよい。

図１９は、生体計測データ２２１を取得した日の業務終了後、またはその翌日以降に、運転者や管理者が過去の事故リスクの推移を参照できるようなフィードバックの例を示す説明図である。出力装置４４のフィードバック画面１７０１から、経時的な事故リスクと業務状態の推移１７０２を同時に確認することが可能である。さらに、事故リスクが高く危険であると記録された過去の場面に対して、当時の生体計測データ２２１と業務状態ラベル５０２から、どのような状況であったか、または危険であると判定された要因の候補を示す文字列１７０３が表示されてもよい。

このように、上述した実施例の運行管理補助装置２によれば、たとえば、運転中を含む複数の業務状態が不規則に混在する計測条件下であっても、業務中の運転者から計測した生体データを用いて、多様な業務場面に対応した事故リスク推定を行うことができる。なお、本発明は物流トラックや夜行バス等の長距離を走行する業務用車両の運転者に限定されず、近距離のバスやタクシー、鉄道や航空機にも適用可能である。

なお、上述した実施例では、運行管理補助システム１が図３に示したステップＳ１０１～Ｓ１０５の処理を実行したが、運行管理補助システム１は、ステップＳ１０１～Ｓ１０３までの学習（推定モデルの生成）のみを実行し、外部システムがステップＳ１０４，Ｓ１０５の事故リスク推定のみを実行してもよい。また、外部システムがステップＳ１０１～Ｓ１０３までの学習（推定モデルの生成）のみを実行し、運行管理補助システム１がステップＳ１０４，Ｓ１０５の事故リスク推定のみを実行してもよい。

なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例および同等の構成が含まれる。たとえば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加、削除、または置換をしてもよい。

また、前述した各構成、機能、処理部、処理手段等は、それらの一部または全部を、たとえば集積回路で設計する等により、ハードウェアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウェアで実現してもよい。

各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置、または、ＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）カード、ＳＤカード、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）の記録媒体に格納することができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。

１ 運行管理補助システム
２ 運行管理補助装置
１５ 運転データ収集装置
２３ 訓練データ
３１ 予測結果表示端末
３２ 生体計測データ収集装置
３３ 業務状態データ収集装置
２２１ 生体計測データ
２２２ 業務状態データ
２２４ 生体計測／業務状態データ
２２５ 事故リスク推定モデル
５０２ 業務状態ラベル
６０４ 危険判定結果
１６０１ 注意喚起装置

Claims (15)

1. プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する運行管理補助システムであって、
   前記プロセッサは、運転者の生体に関する生体計測データと前記運転者の業務状態に関する業務状態データとを関連付けた関連付けデータの第１集合と、前記運転者の運転の危険性を示す危険判定結果の第２集合と、にアクセス可能であり、
   前記運転者の業務状態は、荷積、荷卸、待機および休憩のうちの少なくとも１つを含み、
   前記プロセッサは、
   前記第１集合から前記運転者の特定の業務状態に関する関連付けデータ群を業務状態別に取得し、前記第２集合から前記運転者の前記特定の業務状態における特定の危険判定結果群を取得する第１取得処理と、
   前記第１取得処理によって取得された、前記特定の業務状態に関する関連付けデータ群と、前記特定の業務状態における特定の危険判定結果群と、を用いて、前記特定の業務状態における前記運転者の事故リスクを推定する推定モデルを前記特定の業務状態別に生成して、第３集合に保存する生成処理と、
   を実行することを特徴とする運行管理補助システム。
2. 請求項１に記載の運行管理補助システムであって、
   前記生体計測データは、前記運転者の心拍に基づくデータである、
   ことを特徴とする運行管理補助システム。
3. 請求項２に記載の運行管理補助システムであって、
   前記運転者の心拍に基づくデータは、前記運転者の自律神経機能に関するデータである、
   ことを特徴とする運行管理補助システム。
4. 請求項１に記載の運行管理補助システムであって、
   前記関連付けデータは、同一運転者の同一時間帯における前記生体計測データおよび前記業務状態データを関連付けたデータである、
   ことを特徴とする運行管理補助システム。
5. 請求項１に記載の運行管理補助システムであって、
   前記プロセッサは、
   前記生体計測データと、同一運転者の同一時間帯における前記業務状態データの前記業務状態と、を関連付けて、前記第１集合に保存する関連付け処理を実行し、
   前記第１取得処理では、前記プロセッサは、前記関連付け処理によって関連付けされた関連付けデータが保存されている前記第１集合から、前記運転者の特定の業務状態に関する関連付けデータ群を取得する、
   ことを特徴とする運行管理補助システム。
6. 請求項５に記載の運行管理補助システムであって、
   前記関連付け処理では、前記プロセッサは、前記生体計測データを時分割し、時分割された生体計測データ群の各々について、同一運転者の同一時間帯における前記業務状態データの前記業務状態を関連付けて、前記第１集合に保存する、
   ことを特徴とする運行管理補助システム。
7. 請求項６に記載の運行管理補助システムであって、
   前記プロセッサは、
   時分割された生体計測データ群の中から、前記関連付け処理の対象外となる挙動を示す不正データを検出する検出処理を実行し、
   前記関連付け処理では、前記プロセッサは、前記検出処理によって検出された不正データについては関連付けしない、
   ことを特徴とする運行管理補助システム。
8. 請求項７に記載の運行管理補助システムであって、
   前記検出処理では、前記プロセッサは、前記生体計測データが心拍に基づくデータである場合、心拍間隔で時分割された生体計測データ群の中から、前記不正データを検出する、
   ことを特徴とする運行管理補助システム。
9. 請求項７に記載の運行管理補助システムであって、
   前記検出処理では、前記プロセッサは、前記時分割された生体計測データ群の中から、体動ノイズに基づく挙動を示す不正データを検出する、
   ことを特徴とする運行管理補助システム。
10. 請求項５に記載の運行管理補助システムであって、
    前記プロセッサは、
    前記運転者の行動、前記運転者の行動を記録した記録データ、および、前記運転者が運転した車両の挙動のうち少なくとも１つに基づいて、前記業務状態データを設定する設定処理を実行し、
    前記関連付け処理では、前記プロセッサは、前記生体計測データと、前記設定処理によって設定された同一運転者の同一時間帯における前記業務状態データの前記業務状態と、を関連付けて、前記第１集合に保存する、
    ことを特徴とする運行管理補助システム。
11. 請求項１に記載の運行管理補助システムであって、
    前記プロセッサは、
    予測対象の関連付けデータを取得する第２取得処理と、
    前記第２取得処理によって取得された前記予測対象の関連付けデータに含まれる業務状態と同一業務状態についての推定モデルを、前記第３集合から選択する選択処理と、
    前記選択処理によって選択された推定モデルに、前記予測対象の関連付けデータを入力することにより、前記予測対象についての事故リスクを推定する推定処理と、
    前記推定処理による推定結果を出力する出力処理と、
    を実行することを特徴とする運行管理補助システム。
12. 請求項１１に記載の運行管理補助システムであって、
    前記出力処理では、前記プロセッサは、前記推定結果を前記運転者に注意喚起する情報を出力する、
    ことを特徴とする運行管理補助システム。
13. 請求項１１に記載の運行管理補助システムであって、
    前記出力処理では、前記プロセッサは、前記推定結果として、前記予測対象についての事故リスクと、前記予測対象の関連付けデータに含まれている前記業務状態と、の推移を表示可能に出力する、
    ことを特徴とする運行管理補助システム。
14. プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する運行管理補助システムであって、
    前記プロセッサは、運転者の生体に関する生体計測データと前記運転者の業務状態に関する業務状態データとを関連付けた関連付けデータと、前記運転者の運転の危険性を示す危険判定結果と、によって業務状態別に学習された、前記運転者の事故リスクを推定する業務状態別の推定モデル群にアクセス可能であり、
    前記運転者の業務状態は、荷積、荷卸、待機および休憩のうちの少なくとも１つを含み、
    前記プロセッサは、
    予測対象についての関連付けデータを取得する取得処理と、
    前記取得処理によって取得された前記予測対象についての関連付けデータに含まれる業務状態と同一業務状態についての推定モデルを、前記推定モデル群から選択する選択処理と、
    前記選択処理によって選択された推定モデルに、前記予測対象についての関連付けデータを入力することにより、前記予測対象についての事故リスクを推定する推定処理と、
    前記推定処理による推定結果を出力する出力処理と、
    を実行することを特徴とする運行管理補助システム。
15. プログラムを実行するプロセッサと、前記プログラムを記憶する記憶デバイスと、を有する運行管理補助システムによる運行管理補助方法であって、
    前記プロセッサは、運転者の生体に関する生体計測データと前記運転者の業務状態に関する業務状態データとを関連付けた関連付けデータの第１集合と、前記運転者の運転の危険性を示す危険判定結果の第２集合と、にアクセス可能であり、
    前記運転者の業務状態は、荷積、荷卸、待機および休憩のうちの少なくとも１つを含み、
    前記プロセッサは、
    前記第１集合から前記運転者の特定の業務状態に関する関連付けデータ群を業務状態別に取得し、前記第２集合から前記運転者の前記特定の業務状態における特定の危険判定結果群を取得する取得処理と、
    前記取得処理によって取得された、前記特定の業務状態に関する関連付けデータ群と、前記特定の業務状態における特定の危険判定結果群と、を用いて、前記特定の業務状態における前記運転者の事故リスクを推定する推定モデルを生成して、第３集合に保存する生成処理と、
    を実行することを特徴とする運行管理補助方法。