JP5744780B2 - 漫然状態判定装置 - Google Patents

Description

本発明は、車両の運転者などの被験者の状態が漫然状態か否かを判定する漫然状態判定装置に関する。

従来、車両の運転者の眠気を判定する発明の提案がある（例えば特許文献１参照）。例えば、特許文献１の発明では、心拍周期の時系列データに対してフーリエ変換等の周波数解析を行って心拍揺らぎの特徴を抽出し、その心拍揺らぎの特徴に基づいて運転者の居眠り状態を検出している。

特開２００８−３５９６４号公報

ところで、車両の運転者の状態を判定する場合に、事故予防のためには、眠気が生じている状態（居眠り状態）だけでなく、眠気が生じる前段階のボーっとしている状態（漫然状態）も判定できたほうが好ましい。しかし、従来では、漫然状態の判定を対象とした発明の提案はなされていない。

また、特許文献１の発明で用いるフーリエ変換を利用した周波数解析は、被験者の体動や車両振動等のノイズに弱いという問題点もある。つまり、ノイズが重畳したデータにフーリエ変換を施すと、そのノイズの大きさによっては、得られるスペクトルパワーのデータが大きく変わってくる（精度が悪くなる）。特許文献１の発明では、ノイズに弱い周波数解析を利用して眠気を判定しているので、ノイズによっては被験者の状態の判定精度が悪くなってしまう。

本発明は、上記事情に鑑みてなされたものであり、居眠り状態だけでなく漫然状態も判定でき、なおかつノイズに強い漫然状態の判定を行うことができる漫然状態判定装置を提供することを課題とする。

上記課題を解決するために、本発明の漫然状態判定装置は、被験者の状態が平常状態と漫然状態とで重畳される揺らぎ成分が変化する、前記被験者の生理特徴値の時系列データを取得する取得手段と、
前記時系列データを構成するデータ点の中から、両隣りのデータ点における生理特徴値よりも大きい生理特徴値を示したデータ点であるピーク及び両隣りのデータ点における生理特徴値よりも小さい生理特徴値を示したデータ点であるトラフを検出する第１検出手段と、
前記被験者の状態が漫然状態か否かを判定する判定時点を基準として過去の予め定められた時間幅の時間区間である判定区間における前記時系列データから前記第１検出手段が検出した前記ピーク及び前記トラフの個数である第１個数を計数する第１計数手段と、
前記第１計数手段が計数した前記第１個数に基づいて前記判定時点における前記被験者の状態が漫然状態か否かを判定する第１判定手段と、
を備えることを特徴とする。

本発明者は、被験者の種々の生理特徴値のうち、被験者の状態が平常状態と漫然状態とで重畳される揺らぎ成分が変化する生理特徴値があるという知見を得ている。本発明はその生理特徴値の時系列データを利用して、被験者の漫然状態を判定する発明である。すなわち、本発明は、被験者の状態が平常状態と漫然状態とで重畳される揺らぎ成分が変化する、被験者の生理特徴値の時系列データを取得する。その取得した時系列データには被験者の状態に応じた揺らぎ成分が重畳されているので、時系列データにはところどころに揺らぎ成分が反映された部分（反映部）が現れる。そして、本発明では、検出手段が時系列データから反映部を検出し、計数手段が判定区間における反映部の個数を計数しているので、重畳された揺らぎ成分に応じた値、つまり被験者の状態に応じた値（反映部の個数）を得ることができる。よって、その反映部の個数を見ることで、被験者の状態が漫然状態か否かを判定できる。また、時系列データにノイズが重畳したとしても、計数される反映部の個数はノイズの大小によって影響を受けにくい。これに対して、フーリエ変換で特徴量を得る従来の方法では、ノイズが大きいと、得られる特徴量（スペクトルパワー）にそのノイズの周波数成分が強く寄与してしまう。よって、本発明は、周波数解析を利用して特徴量を得る従来の方法に比べて、ノイズに強い漫然状態の判定を行うことができる。

平常状態時における心拍周期の時系列データである。 交感神経優位時における心拍周期の時系列データである。 呼吸数減少時における心拍周期の時系列データである。 副交感神経優位時における心拍周期の時系列データである。 呼吸数増加時における心拍周期の時系列データである。 漫然状態判定システム１のブロック図である。 心電センサ２１の設置位置を説明する図である。 ＣＰＵ１１が実行する処理のフローチャートである。 心電信号の模式図である。 運転者の状態が平常状態のときの時系列データを例示した図である。 運転者の状態が漫然状態のときの時系列データを例示した図である。 ＴＰの時系列データを例示した図である。 ＲＲＩの時系列データに低周波揺らぎの傾向と高周波揺らぎの傾向の両方が現れていることを示した図である。 図１３の時系列データから曲線１１２を除去した後の時系列データである。 上凸部６１の拡大図である。 下凸部６２の拡大図である。 漫然状態を判定する第２の方法が反映された、ＣＰＵ１１が実行する処理のフローチャートである。 基準時系列データ５０の模式図である。 部分データ５１の１つを例示した図である。 基準区間のΔＲＲＩ５秒加算値Ｙ０の分布を示した概念図である。 現時点を基準として過去１０秒間の時系列データ７１を例示した図である。

以下、本発明に係る漫然状態判定装置の実施形態を図面を参照しながら説明する。本実施形態では、車両の運転者を漫然状態の判定対象としている。本発明は、運転者の状態が平常状態と漫然状態とで、心拍周期の時系列データの揺らぎ成分が変化するという知見に基づいて、運転者の漫然状態を判定している。そこで、先ず、その知見について説明する。ここで、図１〜図５は、生体（人間）の種々の状態における心拍周期の時系列データの模式図を示している。詳細には、図１は平常状態時、図２は交感神経優位時、図３は呼吸数減少時、図４は副交感神経優位時、図５は呼吸数増加時における心拍周期の時系列データを示している。なお、図１〜図５では、心拍周期として、心電信号のＲ波の間隔ＲＲＩを用いている。また、図１〜図５間で横軸、縦軸が同じとなっている。

図１〜図５に示すように、生体の状態がどの状態であっても、ＲＲＩの増加と減少が交互に繰り返される現象（揺らぎ）が生じている。その揺らぎの特徴は、生体の状態に応じて異なっている。具体的には、図２の、生体を活動する方向に作用させる交感神経が優位の時では、図１のデータに比べて、ＲＲＩが時間をかけてゆっくりと（長い周期で）、かつ大きく変動している。つまり、交感神経優位時では、ＲＲＩの時系列データには、低周波の揺らぎ成分（低周波揺らぎ）、かつ変動幅が大きい揺らぎ成分が重畳される。また、図３に示すように、呼吸数が減少した場合も、図１のデータに比べて、ＲＲＩが時間をかけてゆっくり変動するようになる。つまり、平常状態から呼吸数が減少した場合も、ＲＲＩの時系列データには低周波揺らぎが重畳される。なお、低周波揺らぎの周波数は０．０４Ｈｚ〜０．１５Ｈｚ程度とされている。

反対に、図４の、生体を休息する側に作用させる副交感神経が優位の時や、図５の呼吸数が増加した時では、図１のデータに比べて、ＲＲＩが短い周期で変動するようになる。つまり、図４、図５のＲＲＩの時系列データには高周波の揺らぎ成分（高周波揺らぎ）が重畳される。なお、高周波揺らぎの周波数は０．１５Ｈｚ〜０．４Ｈｚ程度とされている。

そして、本発明者らは、被験者に実際に車両を運転してもらってそのときの運転者のＲＲＩの時系列データを計測するとともに、運転者に自身の状態を主観評価してもらうという実験を行った。その実験の結果、運転者の状態が漫然状態のときでは、図２や図３に近いデータが得られるという知見を得た。つまり、漫然状態（運転者がボーッとしている状態）のときでは、ＲＲＩの時系列データに低周波揺らぎが重畳されるという知見を得た。これは、運転者が漫然状態のときでは、事故の危険が高まることから、その危険を回避させるために本能的に体を平常状態に戻そうとして、交感神経が働くためと考えられる。また、呼吸数に関して、運転者が漫然状態のときでは、睡眠時と同様の現象、つまり、呼吸数が減少するという現象が運転者に起こっているためと考えられる。

また、被験者に、ドライブシミュレータで運転を模擬してもらって上記と同様の実験を行ったところ、上記の実際の運転時のときとは反対に、被験者が漫然状態のときであっても図４のように高周波揺らぎが重畳されたデータが得られたことがあった。これは、運転模擬中に漫然状態になったとしても事故の危険が無いことから、実際の運転時に比べて交感神経が働かないためと考えられる。以上より、被験者が漫然状態のときにはＲＲＩの時系列データに低周波揺らぎが重畳されるという現象は、実際に車両を運転している運転者を被験者としたときに顕著に表れる現象である。

本発明は、ＲＲＩの時系列データに、図２や図３の低周波揺らぎが重畳しているか否かを検出することで、運転者の状態が漫然状態か否かを判定している。そして、本発明では、低周波揺らぎの検出方法に特徴があり、具体的には、ＲＲＩの時系列データのピーク及びトラフ（ＴＰ）の個数に基づいて低周波揺らぎを検出している。なお、ピークとは、時系列データを構成するデータ点のうち、両隣りのデータ点におけるＲＲＩよりも大きいＲＲＩを示したデータ点を言う。図１〜図３では、ピークを符号１０１で示している。また、トラフとは、時系列データを構成するデータ点のうち、両隣りのデータ点におけるＲＲＩよりも小さいＲＲＩを示したデータ点を言う。図１〜図３では、トラフを符号１０２で示している。図１〜図３に示すように、同一時間幅の時間区間で比較すると、漫然状態のとき（低周波揺らぎが生じているとき）のＴＰの個数（ピーク１０１及びトラフ１０２の個数）は、平常状態のときのＴＰの個数よりも少なくなる。本発明は、ＴＰの個数が、平常状態のときから少なくなっていることに基づいて、運転者の漫然状態を判定している。以下、本実施形態を詳細に説明する。

図６は、車両１００に搭載された漫然状態判定システム１のブロック図を示している。漫然状態判定システム１は、本発明の「漫然状態判定装置」としての判定装置１０と、その判定装置１０に接続された、心電センサ２１、加速度センサ２２、車速センサ２３、ナビゲーション装置２４及び告知装置２５とを備えている。心電センサ２１は、運転者の心電信号（図９参照）を計測するセンサであり、図７に示すように、運転者Ｐの体が接触する部分に設けられた一対の電極２１１、２１２から構成されている。図７の例では、運転者Ｐの手が接触するステアリンホイール３に一方の電極２１１が設けられ、運転者Ｐの尻が接触する運転席２のクッション部（厳密にはクッションカバーの裏側）に他方の電極２１２が設けられている。これによって、運転者Ｐの両手がステアリングホイール３に接触していなくても（片手だけ接触していれば）、運転者Ｐの心電信号を計測できる。なお、心電センサの一対の電極の一方をステアリングホイール３の右側に、他方をステアリングホイール３の左側に設けても良い。この場合には、運転者Ｐの両手がステアリングホイール３に接触しているときに、運転者Ｐの心電信号を計測できる。心電センサ２１で計測された心電信号は判定装置１０に入力されるようになっている。

加速度センサ２２は車両１００の加速度を計測するセンサである。車速センサ２３は車両１００の速度を計測するセンサである。ナビゲーション装置２４は、車両１００の現在位置を検出する位置検出部２４１（ＧＰＳ信号を受信するＧＰＳ受信機、車速センサ、ジャイロセンサなど）と、道路地図データを記憶する地図データ記憶部２４２とを備えている。ナビゲーション装置２４は、設定された目的地までの経路を、地図データ記憶部２４２に記憶された道路地図データに基づいて探索し、探索した経路に沿って走行するように案内する装置である。また、道路地図データには、高速道路、一般道路等の道路種別を特定する道路種別情報が付されており、ナビゲーション装置２４は、位置検出部２４１が検出した現在地と道路種別情報とに基づいて、車両１００が現在どの種別の道路を走行しているのかを特定できるようになっている。

告知装置２５は、運転者が漫然状態のときに漫然状態であることを運転者に告知する装置であり、具体的には例えば音によって告知するスピーカであったり、表示によって告知するディスプレイであったりする。

判定装置１０は、運転者の状態が漫然状態か否かを判定する装置である。その判定装置１０は、各種処理を実行するＣＰＵ１１及び各種情報を記憶するＲＯＭ、ＲＡＭ等のメモリ１２などから構成されている。そして、ＣＰＵ１１は、メモリ１２に記憶されたプログラムにしたがって、運転者の状態が漫然状態か否かを判定する処理を実行する。以下、ＣＰＵ１１が実行する処理を詳細に説明する。ここで、図８は、ＣＰＵ１１が実行する処理のフローチャートを示している。この図８の処理は、例えば車両１００のエンジンが始動されて、ＣＰＵ１１への電源供給が開始されたときに開始し、エンジン停止されるまで繰り返し実行される。

先ず、心電センサ２１が計測した、運転者の心電信号を取得する（Ｓ１１）。図９は、Ｓ１１で取得する心電信号の模式図を示している。なお、図９では、横軸は時間、縦軸は心電位を示している。次いで、一定時間毎に（本実施形態では１秒毎）、Ｓ１１で取得した心電信号から各時点のＲＲＩ（隣り合うＲ波とＲ波の間隔、図９参照）を算出して、ＲＲＩの時系列データを取得する（Ｓ１２）。図１０、図１１は、Ｓ１２で取得される時系列データを例示した図である。なお、図１０は、運転者の状態が平常状態のときの時系列データを示している。また、図１１は、運転者の状態が漫然状態のときの時系列データを示している。図１０、図１１の時系列データを構成するデータ点（黒丸の点）の間隔は１秒間隔となっている。なお、取得したＲＲＩの時系列データは、後に参照できるようにメモリ１２に記憶しておく。

次いで、Ｓ１２で取得した時系列データを構成するデータ点の中からＴＰ（ピーク及びトラフ）を検出する（Ｓ１３）。具体的には、時系列データを構成するデータ点の中から、連続する３つのデータ点ａ、ｂ、ｃに着目し、真ん中のデータ点ｂのＲＲＩが、両隣りのデータ点ａ、ｃのＲＲＩよりも大きい場合に、そのデータ点ｂはピークであると判定する。また、データ点ｂのＲＲＩが、データ点ａ、ｃのＲＲＩよりも小さい場合に、そのデータ点ｂはトラフであると判定する。図１０、図１１には、Ｓ１３で検出したピーク１０１（実線の丸で囲まれたデータ点）及びトラフ１０２（点線の丸で囲まれたデータ点）を示している。

次いで、Ｓ１３で検出したＴＰの時系列データを算出する（Ｓ１４）。詳細には、ＲＲＩの時系列データのどの時点のデータ点がＴＰであるのかを示した時系列データを算出する（Ｓ１４）。ここで、図１２は、Ｓ１４で算出するＴＰの時系列データを例示している。図１２では、横軸が時間（ＲＲＩの時系列データと同じ時間軸）を示し、縦軸の「０」が、ＲＲＩのデータ点はＴＰではないことを示し、「１」がＲＲＩのデータ点はＴＰであることを示している。なお、算出したＴＰの時系列データはメモリ１２に蓄積しておく。

次いで、ナビゲーション装置２４に問い合わせて、車両１００が高速道路に進入したか否かを判断する（Ｓ１５）。このように判断しているのは、本実施形態では、運転者が漫然状態か否かの判定を、高速道路走行時に限定しているためである。なお、車両の加減速が激しいときには、交感神経が働いて、平常状態であってもＲＲＩの時系列データに低周波揺らぎが重畳する可能性がある。高速走行時には、信号停止による車両の加減速が少ないので、漫然状態か否かを特に精度良く判定できる。そのため、本実施形態では、漫然状態か否かの判定を高速道路走行時に限定している。

Ｓ１５において、車両１００が高速道路に進入していない場合には（Ｓ１５：Ｎｏ）、Ｓ１１の処理に戻る。つまり、高速道路に進入していなくても、Ｓ１１〜Ｓ１４の処理が継続して実行される。一方、車両１００が高速道路に進入した場合には（Ｓ１５：Ｙｅｓ）、Ｓ１６に進む。なお、Ｓ１６以降の処理の実行時でも、Ｓ１１〜Ｓ１４の処理が実行されて、高速道路走行中のＲＲＩの時系列データやＴＰの時系列データの取得が行われる。

Ｓ１６では、車両１００が高速道路に進入後、現時点を基準として過去３分間の走行が安定しているか否かを判断する（Ｓ１６）。具体的には、加速度センサ２２が計測した、過去３分間の車両１００の加速度が所定値以下であるか否かを判断する（Ｓ１６）。なお、その所定値は、車両１００が定速走行をしているとみなせる小さい値に設定される。つまり、Ｓ１６では、過去３分間の走行が、急加速、急減速が少ない定速走行か否かを判断する。なお、Ｓ１６では、車両１００の加速度に加えて、又は加速度に代えて、車速センサ２３による車速に基づいて、定速走行か否かを判断しても良い。この場合には、過去３分間の車速が例えば所定の速度範囲（例えば「８０ｋｍ／ｈ〜１００ｋｍ／ｈ」の範囲）に含まれているか否かを判断することで、定速走行か否かを判断する。Ｓ１６の判断を行っているのは、加減速によるＲＲＩの変動（揺らぎ成分の変動）が少ない、運転者の状態が平常状態と推定される時間区間（基準区間）を決定するためである。別の言い方をすると、インターチェンジから本線に合流直後の加速度が大きい時間区間を基準区間から除外するためである。また、高速道路進入して初期の段階ほど、運転者は平常状態と推定されるので、Ｓ１６では、例えば高速道路進入後、所定時間（例えば１０分）経過するまでの時間区間のうちの「過去３分間」の走行が安定しているか否かを判断する。

過去３分間の走行が安定するまでＳ１６の判断を行い、走行が安定した場合には（Ｓ１６：Ｙｅｓ）、Ｓ１７に進む。Ｓ１７では、Ｓ１６で走行が安定したと判断した３分間の時間区間を基準区間として決定する（Ｓ１７）。なお、その基準区間のＲＲＩの時系列データは、図１０の平常状態における時系列データと同様の時系列データとされる。そして、その基準区間に対してＳ１４で算出したＴＰの時系列データ（図１２参照）に基づいて、基準区間のＴＰの個数Ｘ０を算出する（Ｓ１７）。具体的には、図１２において、基準区間の３分間における「１」の個数を計数する。なお、Ｓ１７で算出した個数Ｘ０は、運転者が平常状態におけるＴＰの個数であると言える。

次いで、Ｓ１７で算出した個数Ｘ０に基づいて、運転者の状態が平常状態と漫然状態とを区分するＴＰの閾値Ｘｔｈ（本発明の「第１閾値」に相当）を設定する（Ｓ１８）。具体的には、平常状態であってもＴＰの個数はある程度変動することに鑑みて、頻繁に漫然状態であると判定してしまうのを防止するために、個数Ｘ０よりも小さい値に閾値Ｘｔｈを設定する。より具体的には、例えば個数Ｘ０に所定の割合（例えば８０％）を乗算することで、閾値Ｘｔｈを設定する。

Ｓ１８で閾値Ｘｔｈを設定したことを条件として、運転者の状態か漫然状態か否かの判定が開始される。具体的には、Ｓ１８の処理後の走行において、現時点を基準として過去３分間の時間区間（判定区間）に対してＳ１４で算出したＴＰの時系列データに基づいて、判定区間のＴＰの個数Ｘ（本発明の「第１個数」に相当）を算出する（Ｓ１９）。次いで、個数Ｘが閾値Ｘｔｈより小さいか否かを判断する（Ｓ２０）。個数Ｘが閾値Ｘｔｈより小さい場合には（Ｓ２０：Ｙｅｓ）、図１１に示すように、ＲＲＩの時系列データに低周波の大きな揺らぎが重畳したために、ＴＰの個数Ｘが少なくなっていると考えられる。この場合、上記知見に基づいて、現時点における運転者の状態が漫然状態であると判定する（Ｓ２１）。そして、告知装置２５で漫然状態であることを運転者に告知する（Ｓ２１）。これによって、居眠り状態になる前に運転者に漫然状態であることを認識させることができ、その結果、例えば運転者に休息するきっかけを与えることができる。Ｓ２１の処理の後、Ｓ２２に進む。

Ｓ２０において、個数Ｘが閾値Ｘｔｈより大きい場合には（Ｓ２０：Ｎｏ）、運転者の状態が漫然状態ではない（平常状態）と考えられるので、Ｓ２１の処理を行わないで、Ｓ２２に進む。

Ｓ２２では、ナビゲーション装置２４に問い合わせて、車両１００が高速道路から降りたか否かを判断する（Ｓ２２）。高速道路をまだ降りていない場合には（Ｓ２２：Ｎｏ）、Ｓ１９の処理に戻る。つまり、高速道路を走行している間は、Ｓ１９〜Ｓ２２の処理が繰り返し実行されて、各時点で、運転者の状態が漫然状態か否かが判断される。一方、車両１００が高速道路から降りた場合には（Ｓ２２：Ｙｅｓ）、図８のフローチャートの処理を終了する。なお、この場合には、図８のＳ１１から再び処理が開始されて、車両１００が走行している間は、ＲＲＩの時系列データの取得（Ｓ１２）、ＴＰの検出（Ｓ１３）、ＴＰの時系列データの算出（Ｓ１４）が継続される。

以上が、ＴＰの個数に基づいて運転者の状態が漫然状態か否かを判定する方法の説明である。

ところで、本発明者は、上記実験の過程で、運転者が漫然状態のときのＲＲＩの時系列データに、図２の傾向（低周波揺らぎの重畳）に加えて、例外的に、図４の副交感神経優位時の傾向（高周波揺らぎの重畳）も現れる場合があるという知見も得ている。ここで、図１３は、この例外的な場合におけるＲＲＩの時系列データの模式図を示している。図１３に示すように、運転者が漫然状態のときには、低周波揺らぎの曲線１１１に、高周波揺らぎの曲線１１２が重畳された時系列データが例外的に現れる場合がある。この場合、曲線１１２に基づくＴＰが影響して、運転者が漫然状態であるにもかかわらず、ＴＰの個数が平常状態からあまり変化しない可能性がある。一方、曲線１１２の影響を取り除くために、ＲＲＩの時系列データに対して、高周波揺らぎの周波数成分を除去するフィルタリング処理を実行し、その除去後の時系列データのＴＰの個数に基づいて、漫然状態の判定を行う対応が考えられる。しかし、この場合には、基準区間の時系列データ（平常状態の時系列データ）からも高周波成分が取り除かれる結果、基準区間の時系列データと漫然状態のときの時系列データとの差が小さくなってしまう。そこで、本実施形態では、この例外的な場合でも確実に漫然状態を判定するために、上記のＴＰの個数に基づいて漫然状態を判定する方法とは別の方法（第２の方法）でも、運転者の漫然状態を判定している。

第２の方法による判定の考え方を説明すると、図１１に示すように、運転者が漫然状態のときには、低周波揺らぎの中でも特に大きな揺らぎ（図１１の符号１１３の部分。以下、大揺らぎ部分と言う）が頻繁に発生する。そこで、第２の方法では、大揺らぎ部分自体を検出するようにし、一定の時間区間（判定区間）で何回大揺らぎを検出したかに基づいて、運転者の漫然状態を判定している。具体的には、図１３に示すように、漫然状態であっても高周波揺らぎが重畳する場合があることを想定して、第２の方法では、先ず、ＲＲＩの時系列データから、高周波揺らぎに相当する周波数成分（図１３の曲線１１２）を除去する。図１４は、図１３の時系列データから曲線１１２を除去した後の時系列データ（曲線１１１）を示している。

次に、図１４の曲線１１１における、ＲＲＩが大きくなる方向に凸状を示した上凸部６１と、ＲＲＩが小さくなる方向に凸状を示した下凸部６２とを検出する。ここで、図１５は上凸部６１の拡大図であり、図１６は下凸部６２の拡大図である。図１５、図１６に示すように、上凸部６１、下凸部６２は、一定の時間幅（本実施形態では１０秒間。本発明における「第１時間幅」に相当）に亘って凸状を示した部分とされる。これによって、上凸部６１、下凸部６２が、周期が長い揺らぎ（低周波揺らぎ）を反映した部分であるとみなすことができる。なお、上凸部６１、下凸部６２の時間幅（１０秒間）は、高周波揺らぎ（０．１５〜０．４Ｈｚ程度）の周期（２．５秒〜６．７秒程度）よりも長く定められる。また、上凸部６１、下凸部６２は、それらＲＲＩの変化量Ｙ１、Ｙ２（図１５、図１６参照）が基準区間（平常状態）におけるＲＲＩの変化量よりも大きい部分とされる。これによって、上凸部６１、下凸部６２が、ＲＲＩの変化が大きい揺らぎを反映した部分であるとみなすことができる。このように、上凸部６１、下凸部６２は大揺らぎ部分（低周波で大きな揺らぎ部分）であるとみなすことができるので、第２の方法では、その上凸部６１、下凸部６２の個数に基づいて、漫然状態を判定している。以下、上凸部６１、下凸部６２の検出の詳細を含む、第２の方法による判定の詳細を説明する。

図１７は、第２の方法が反映された、判定装置１０（ＣＰＵ１１）が実行する処理のフローチャートを示している。なお、図１７の処理は、図８の処理と並列に実行される。なお、図１７の処理において、Ｓ３１の処理は図８のＳ１１と同じであり、Ｓ３２の処理は図８のＳ１２と同じであり、Ｓ３４の処理は図８のＳ１５と同じであり、Ｓ３５の処理は図８のＳ１６と同じであり、Ｓ４７の処理は図８のＳ２１と同じであり、Ｓ４８の処理は図８のＳ２２と同じである。

先ず、運転者の心電信号を取得して（Ｓ３１）、その心電信号に基づいてＲＲＩの時系列データを算出する（Ｓ３２）。次いで、上記したように、図１３の例外を想定し、以降の処理で精度良く大揺らぎ部分を検出できるようにするために、Ｓ３２で算出したＲＲＩの時系列データに対して移動平均を行う（Ｓ３３）。このとき、低周波揺らぎ（０．０４〜０．１５Ｈｚ程度）以上の周波数成分が除去されるように、移動平均を行う。次いで、車両１００が高速道路に進入したか否かを判断する（Ｓ３４）。高速道路に進入するまでは（Ｓ３４：Ｎｏ）、Ｓ３１〜Ｓ３３の処理が繰り返し実行される。

車両１００が高速道路に進入した場合には（Ｓ３４：Ｙｅｓ）、基準区間を決定するために、過去３分間の走行が安定しているか否かを判断する（Ｓ３５）。過去３分間の走行が安定している場合には（Ｓ３５：Ｙｅｓ）、その３分間の時間区間を基準区間として決定する（Ｓ３６）。そして、Ｓ３６〜Ｓ３８で、基準区間におけるＲＲＩの時系列データに基づいて、検出対象とする大揺らぎ部分におけるＲＲＩの変化量の閾値（以下、変化量閾値という）を算出する。ここで、図１８は、基準区間に対するＳ３１〜Ｓ３３の処理で得られたＲＲＩの時系列データ５０（以下、基準時系列データと言う）の模式図を示している。上記変化量閾値を算出するために、先ず、図１８に示すように、基準時系列データ５０を５秒きざみ（本発明における「第２時間幅」に相当）で複数の部分データ５１に分割する（Ｓ３６）。図１９は、Ｓ３６で得られた複数の部分データ５１のうちの１つを例示している。本実施形態では、ＲＲＩの時系列データのデータ間隔を１秒間隔としているので、図１９に示すように、部分データ５１は６つのデータ点ｚ１〜ｚ６から構成される。なお、各データ点ｚ１〜ｚ６は、ｚ１からｚ６の順に時間が新しいデータ点とされる。

続くＳ３７では、各部分データ５１のΔＲＲＩ５秒加算値Ｙ０を算出する（Ｓ３７）。具体的には、先ず、データ点ｚ１、ｚ２、ｚ３、ｚ４、ｚ５、ｚ６に対して、隣り合う２つのデータ点間でＲＲＩの変化量ΔＲＲＩを算出する（Ｓ３７）。つまり、データ点ｚにおけるＲＲＩをＲＲＩ（ｚ）で表すと、Ｓ３７では、
ΔＲＲＩ（１）＝ＲＲＩ（ｚ２）−ＲＲＩ（ｚ１）と、
ΔＲＲＩ（２）＝ＲＲＩ（ｚ３）−ＲＲＩ（ｚ２）と、
ΔＲＲＩ（３）＝ＲＲＩ（ｚ４）−ＲＲＩ（ｚ３）と、
ΔＲＲＩ（４）＝ＲＲＩ（ｚ５）−ＲＲＩ（ｚ４）と、
ΔＲＲＩ（５）＝ＲＲＩ（ｚ６）−ＲＲＩ（ｚ５）とを算出する。そして、それら変化量ΔＲＲＩ（１）〜ΔＲＲＩ（５）を加算することで、ΔＲＲＩ５秒加算値Ｙ０（本発明の「基準変化量」に相当）を算出する（Ｓ３７）。なお、Ｓ３７では、各々の部分データ５１に対して、ΔＲＲＩ５秒加算値Ｙ０を算出する。

次いで、Ｓ３７で算出した各々のΔＲＲＩ５秒加算値Ｙ０に基づいて、基準区間におけるΔＲＲＩ５秒加算値Ｙ０の標準偏差σを算出する（Ｓ３８）。そして、この標準偏差σを上記変化量閾値（大揺らぎ部分の５秒間における変化量の閾値）とする。図２０に示すように、各々のΔＲＲＩ５秒加算値Ｙ０は、中心（平均）がゼロの正規分布で分布していると考えられるので、Ｓ３８では、ΔＲＲＩ５秒加算値Ｙ０の平均値（ゼロ）よりもプラス側に大きな値（＋σ）、マイナス側に大きな値（−σ）を変化量閾値としていることになる。

Ｓ３８で標準偏差σを算出したことを条件として、運転者の状態か漫然状態か否かの判定が開始される。具体的には、メモリ１２に記憶されたＲＲＩの時系列データから、現時点を基準として過去１０秒間の時系列データ（本発明における「第１時間幅データ」に相当）を抽出する（Ｓ３９）。図２１は、Ｓ３９で抽出した時系列データ７１を例示している。図２１に示すように、時系列データ７１は１１個のデータ点ｖ１〜ｖ１１から構成されている。なお、データ点ｖ１〜ｖ１１はデータ点ｖ１からデータ点ｖ１１の順に時間が新しいデータ点とされ、データ点ｖ１１が現時点のデータ点とされる。

次いで、データ点ｖ１〜ｖ１１に対して、隣り合う２つのデータ点間でＲＲＩの変化量ΔＲＲＩを算出する（Ｓ４０）。つまり、データ点ｖにおけるＲＲＩをＲＲＩ（ｖ）で表すと、Ｓ４０では、
ΔＲＲＩ（１）＝ＲＲＩ（ｖ２）−ＲＲＩ（ｖ１）と、
ΔＲＲＩ（２）＝ＲＲＩ（ｖ３）−ＲＲＩ（ｖ２）と、
ΔＲＲＩ（３）＝ＲＲＩ（ｖ４）−ＲＲＩ（ｖ３）と、
ΔＲＲＩ（４）＝ＲＲＩ（ｖ５）−ＲＲＩ（ｖ４）と、
ΔＲＲＩ（５）＝ＲＲＩ（ｖ６）−ＲＲＩ（ｖ５）と、
ΔＲＲＩ（６）＝ＲＲＩ（ｖ７）−ＲＲＩ（ｖ６）と、
ΔＲＲＩ（７）＝ＲＲＩ（ｖ８）−ＲＲＩ（ｖ７）と、
ΔＲＲＩ（８）＝ＲＲＩ（ｖ９）−ＲＲＩ（ｖ８）と、
ΔＲＲＩ（９）＝ＲＲＩ（ｖ１０）−ＲＲＩ（ｖ９）と、
ΔＲＲＩ（１０）＝ＲＲＩ（ｖ１１）−ＲＲＩ（ｖ１０）とを算出する。

次いで、前半５秒間のデータ点ｖ１〜ｖ６における変化量ΔＲＲＩ（１）〜ΔＲＲＩ（５）を加算した加算値Ｙ１と、後半５秒間のデータ点ｖ６〜ｖ１１における変化量ΔＲＲＩ（６）〜ΔＲＲＩ（１０）を加算した加算値Ｙ２とを算出する（Ｓ４１）。なお、図２１に示すように、加算値Ｙ１は、データ点ｖ６のＲＲＩとデータ点ｖ１のＲＲＩの差分に相当し、加算値Ｙ２は、データ点ｖ１１のＲＲＩとデータ点ｖ６のＲＲＩの差分に相当する。

次いで、Ｓ４０で算出した変化量ΔＲＲＩと、Ｓ４１で算出した加算値Ｙ１、Ｙ２とに基づいて、Ｓ３９で抽出した時系列データの部分が、図１５の上凸部６１の条件を満たしているかを判断する（Ｓ４２）。具体的には、次の（ａ１）〜（ａ４）の条件を全て満たしているか否かを判断する。
（ａ１）：前半５秒間の変化量ΔＲＲＩ（１）〜ΔＲＲＩ（５）が全て０より大きい
（ａ２）：加算値Ｙ１がＳ３８で算出した上側の標準偏差σ（＋σ）を上回っている
（ａ３）：後半５秒間の変化量ΔＲＲＩ（６）〜ΔＲＲＩ（１０）が全て０より小さい
（ａ４）：加算値Ｙ１がＳ３８で算出した下側の標準偏差σ（−σ）を下回っている

（ａ１）の条件は、図１５において、前半５秒間のＲＲＩの曲線６１１が時間の経過にともなって単調増加していることを示した条件である。（ａ２）の条件は、曲線６１１の変化量Ｙ１が、図２０の＋σより大きい区間８１に入る、プラス側に大きい変化量であることを示した条件である。（ａ３）の条件は、図１５において、後半５秒間のＲＲＩの曲線６１２が時間の経過にともなって単調減少していること示した条件である。（ａ４）の条件は、曲線６１２の変化量Ｙ２が、図２０の−σより小さい区間８２に入る、マイナス側に大きい変化量であることを示した条件である。

（ａ１）〜（ａ４）の条件を全て満たす場合には（Ｓ４２：Ｙｅｓ）、Ｓ３９で抽出した時系列データの部分は図１５の上凸部６１であると判定する（Ｓ４４）。この場合、低周波の大きな揺らぎが生じていることになる。

一方、（ａ１）〜（ａ４）の条件の１つでも満たさない場合には（Ｓ４２：Ｎｏ）、Ｓ４３に進む。Ｓ４３では、Ｓ３９で抽出した時系列データの部分が、図１６の下凸部６２の条件を満たしているかを判断する（Ｓ４３）。具体的には、次の（ｂ１）〜（ｂ４）の条件を全て満たしているか否かを判断する。
（ｂ１）：前半５秒間の変化量ΔＲＲＩ（１）〜ΔＲＲＩ（５）が全て０より小さい
（ｂ２）：加算値Ｙ１がＳ３８で算出した下側の標準偏差σ（−σ）を下回っている
（ｂ３）：後半５秒間の変化量ΔＲＲＩ（６）〜ΔＲＲＩ（１０）が全て０より大きい
（ｂ４）：加算値Ｙ１がＳ３８で算出した上側の標準偏差σ（＋σ）を上回っている

（ｂ１）の条件は、図１６において、前半５秒間のＲＲＩの曲線６２１が時間の経過にともなって単調減少していることを示した条件である。（ｂ２）の条件は、曲線６２１の変化量Ｙ１が、図２０の区間８２に入る、マイナス側に大きい変化量であることを示した条件である。（ｂ３）の条件は、図１６において、後半５秒間のＲＲＩの曲線６２２が時間の経過にともなって単調増加していることを示した条件である。（ｂ４）の条件は、曲線６２２の変化量Ｙ２が、図２０の区間８１に入る、プラス側に大きい変化量であることを示した条件である。

（ｂ１）〜（ｂ４）の条件を全て満たす場合には（Ｓ４３：Ｙｅｓ）、Ｓ３９で抽出した時系列データの部分は図１６の下凸部６２であると判定する（Ｓ４４）。この場合、低周波の大きな揺らぎが生じていることになる。一方、（ｂ１）〜（ｂ４）の条件の１つでも満たさない場合には（Ｓ４３：Ｎｏ）、抽出した時系列データの部分が上凸部６１でも下凸部６２でもないとして、Ｓ３９の処理に戻る。この場合には、前回のＳ３９の処理から所定時間経過後（本実施形態では１秒経過後）の時点を基準として過去１０秒間のＲＲＩの時系列データを抽出する（Ｓ３９）。そして、上記のＳ４０〜Ｓ４４の処理を実行して、抽出した今回の時系列データの部分が上凸部６１又は下凸部６２であるか否か、つまり、大きな揺らぎが生じているか否かを判断する。

Ｓ４４において、大きな揺らぎ（上凸部６１、下凸部６２）が生じていると判定したときには、どの時間で大きな揺らぎが生じていたかを示した情報をメモリ１２に記憶する（Ｓ４４）。次いで、Ｓ４４でメモリ１２に記憶した情報に基づいて、現時点を基準として過去３分間（判定区間）の大きな揺らぎの検出回数Ｗ（判定区間に含まれる大揺らぎ部分の個数）を算出する（Ｓ４５）。なお、検出回数Ｗが本発明における「第２個数」に相当する。次いで、検出回数Ｗが予めメモリ１２に記憶された閾値Ｗｔｈ（本発明における「第２閾値」に相当）を超えたか否かを判断する（Ｓ４６）。なお、運転者が漫然状態と主観評価したときの、過去３分間で生じる大きな揺らぎの回数を実験で収集し、その収集した回数に基づいて閾値Ｗｔｈを決定すれば良い。閾値Ｗｔｈは例えば８回とされる。

検出回数Ｗが閾値Ｗｔｈを超えた場合には、ＲＲＩの時系列データに、低周波の大きな揺らぎが頻繁に発生しているとして、運転者の状態が漫然状態であると判定する（Ｓ４７）。そして、告知装置２５で漫然状態であることを運転者に告知する（Ｓ４７）。その後、Ｓ４８に進む。

Ｓ４６において、検出回数Ｗが閾値Ｗｔｈより小さい場合には（Ｓ４６：Ｎｏ）、運転者の状態が漫然状態ではない（平常状態）と考えられるので、Ｓ４７の処理を行わないで、Ｓ４８に進む。

Ｓ４８では、車両１００が高速道路から降りたか否かを判断する（Ｓ４８）。高速道路をまだ降りていない場合には（Ｓ４８：Ｎｏ）、Ｓ３９の処理に戻る。つまり、高速道路を走行している間は、Ｓ３９〜Ｓ４８の処理が繰り返し実行されて、各時点で、運転者の状態が漫然状態か否かが判断される。一方、車両１００が高速道路から降りた場合には（Ｓ４８：Ｙｅｓ）、図１７のフローチャートの処理を終了する。なお、この場合には、図１７のＳ３１から再び処理が開始される。

以上説明したように、本実施形態では、ＴＰの個数に基づく漫然状態の判定に加えて、大揺らぎ部分の検出回数に基づく漫然状態の判定も行っているので、一方の判定で仮に漫然状態を捕捉できなかったとしても他方の判定で漫然状態を捕捉できる。よって、運転者の漫然状態を精度良く判定できる。また、揺らぎ成分の特徴（ＴＰ、大揺らぎ部分）を検出するために、フーリエ変換等の周波数解析を用いていないので、ノイズの存在下でも精度良く漫然状態を判定できる。また、過去３分間の短い時間区間（判定区間）のデータで漫然状態を判定できる。また、漫然状態か否かを判定するための閾値を、今回の走行時における基準区間のデータから設定しているので、今回の走行時における運転者の体調（体調によってＲＲＩが変動する）や時間帯（朝、昼、夜の時間帯によってＲＲＩが変動する）等が反映された正確な閾値を設定できる。

なお、本発明に係る漫然状態判定装置は上記実施形態に限定されるものではなく、特許請求の範囲の記載を逸脱しない限度で種々の変更が可能である。例えば、心拍周期（ＲＲＩ）の時系列データに代えて、脈拍周期の時系列データに基づいて漫然状態を判定しても良い。心拍と脈拍は類似の性質を有するので、脈拍周期の時系列データによっても漫然状態を判定できる。脈拍で判定する場合には、心電センサに代えて脈拍信号を計測する脈拍センサを設け、その脈拍センサからの脈拍信号に基づいて、脈拍周期の時系列データを取得すれば良い。また、基準区間、判定区間の長さは３分間でなくても良く、１分間、５分間、１０分間等、必要に応じた時間幅を採用することができる。

また、運転者の状態が平常状態と推定される時間区間であれば、どの時間区間を基準区間としても良い。具体的には、例えば高速道路進入してから時間があまり経過していない、なおかつ、進入直後の時間区間を除いた予め定められた時間区間（例えば高速道路進入後の４分〜７分の３分間）を基準区間としても良い。これによって、高速道路進入直後の走行が安定していない（加減速が大きい）と推定される時間区間（高速道路進入後〜４分間）を基準区間としてしまうのを防止でき、車両が定速走行していると推定される時間区間（高速道路進入後の４分〜７分の３分間）を基準区間とすることができる。また、高速道路以外に、信号停止による車両の加減速が少ない国道、県道などの幹線道路の走行を対象として漫然状態を判定しても良い。

また、図１５の上凸部６１、図１６の下凸部６２の時間幅は１０秒間でなくても良く、高周波揺らぎの周期より長く、低周波の揺らぎであることを特定できるのであればどの時間幅（例えば１５秒など）であっても良い。また、上記実施形態では、基準区間のΔＲＲＩ５秒加算値Ｙ０の±σの間に入らない部分を大揺らぎ部分としていたが、±２σ、±３σの間に入らない部分を大揺らぎ部分としても良い。これによって、より大きな揺らぎを検出できる。また、ＴＰの個数に基づく漫然状態の判定と、大揺らぎ部分の検出回数に基づく漫然状態の判定の一方だけを行っても良い。

なお、上記実施形態において、図８のＳ１１及びＳ１２の処理、図１７のＳ３１及びＳ３２の処理を実行するＣＰＵ１１が本発明の「取得手段」に相当する。図８のＳ１３の処理の実行するＣＰＵ１１が本発明の「第１検出手段」に相当する。図８のＳ１９の処理を実行するＣＰＵ１１が本発明の「第１計数手段」に相当する。図８のＳ２０の処理を実行するＣＰＵ１１が本発明の「第１判定手段」に相当する。図８のＳ１８の処理を実行するＣＰＵ１１が本発明の「閾値設定手段」に相当する。図８のＳ１５及びＳ１６の処理、図１７のＳ３４及びＳ３５の処理を実行するＣＰＵ１１が本発明の「区間決定手段」に相当する。図８のＳ１６の処理、図１７のＳ３５の処理を実行するＣＰＵ１１が本発明の「区間判断手段」に相当する。図８のＳ１７の処理を実行するＣＰＵ１１が本発明の「基準数計数手段」に相当する。ＣＰＵ１１が本発明の「情報取得手段」に相当する。

図１７のＳ３６、Ｓ３７の処理を実行するＣＰＵ１１が本発明の「第１算出手段」に相当する。図１７のＳ３８の処理を実行するＣＰＵ１１が本発明の「第２算出手段」に相当する。図１７のＳ３９〜Ｓ４４の処理を実行するＣＰＵ１１が本発明の「第２検出手段」に相当する。図１７のＳ４５の処理を実行するＣＰＵ１１が本発明の「第２計数手段」に相当する。図１７のＳ４６の処理を実行するＣＰＵ１１が本発明の「第２判定手段」に相当する。図１７のＳ３３の処理を実行するＣＰＵ１１が本発明の「除去手段」に相当する。図１７のＳ４２の処理を実行するＣＰＵ１１が本発明の「上凸部判定手段」に相当する。図１７のＳ４３の処理を実行するＣＰＵ１１が本発明の「下凸部判定手段」に相当する。

１ 漫然状態判定システム
１０ 判定装置
１１ ＣＰＵ
２１ 心電センサ
１０１ ピーク
１０２ トラフ
６１ 上凸部
６２ 下凸部

Claims (10)

1. 被験者の状態が平常状態と漫然状態とで重畳される揺らぎ成分が変化する、前記被験者の生理特徴値の時系列データを取得する取得手段（Ｓ１１、Ｓ１２、Ｓ３１、Ｓ３２）と、
   前記時系列データを構成するデータ点の中から、両隣りのデータ点における生理特徴値よりも大きい生理特徴値を示したデータ点であるピーク（１０１）及び両隣りのデータ点における生理特徴値よりも小さい生理特徴値を示したデータ点であるトラフ（１０２）を検出する第１検出手段（Ｓ１３）と、
   前記被験者の状態が漫然状態か否かを判定する判定時点を基準として過去の予め定められた時間幅の時間区間である判定区間における前記時系列データから前記第１検出手段が検出した前記ピーク及び前記トラフの個数である第１個数を計数する第１計数手段（Ｓ１９）と、
   前記第１計数手段が計数した前記第１個数に基づいて前記判定時点における前記被験者の状態が漫然状態か否かを判定する第１判定手段（Ｓ２０）と、
   を備えることを特徴とする漫然状態判定装置（１０）。
2. 前記生理特徴値は、心拍又は脈拍に関する特徴値であることを特徴とする請求項１に記載の漫然状態判定装置。
3. 前記被験者の状態が平常状態か漫然状態かを区分する前記第１個数の閾値である第１閾値を設定する閾値設定手段（Ｓ１８）を備え、
   前記第１判定手段は、前記第１個数が前記第１閾値より小さいときに前記判定時点における前記被験者の状態が漫然状態であると判定することを特徴とする請求項１又は２に記載の漫然状態判定装置。
4. 前記判定区間と同じ長さの時間区間であって前記被験者の状態が平常状態と推定される時間区間を基準区間として決定する区間決定手段（Ｓ１５、Ｓ１６）と、
   その区間決定手段が決定した前記基準区間における前記時系列データから前記第１検出手段が検出した前記ピーク及び前記トラフの個数を基準数として計数する基準数計数手段（Ｓ１７）と、を備え、
   前記閾値設定手段は、前記基準数計数手段が計数した前記基準数に基づいて前記第１閾値を設定することを特徴とする請求項３に記載の漫然状態判定装置。
5. 前記判定区間と同じ長さの時間区間であって前記被験者の状態が平常状態と推定される時間区間を基準区間として決定する区間決定手段（Ｓ３４、Ｓ３５）と、
   前記区間決定手段が決定した前記基準区間の前記時系列データである基準時系列データを予め定められた時間幅きざみで複数の部分データ（５１）に分割して、各部分データごとに、前記部分データにおける前記生理特徴値の変化量である基準変化量を算出する第１算出手段（Ｓ３６、Ｓ３７）と、
   その第１算出手段が算出した各々の前記基準変化量に基づいて、前記生理特徴値の変化量の閾値である変化量閾値を算出する第２算出手段（Ｓ３８）と、
   前記基準時系列データを除く前記時系列データから、前記第２算出手段が算出した前記変化量閾値より大きい前記生理特徴値の変化量を有した部分を大揺らぎ部分（６１、６２）として検出する第２検出手段（Ｓ３９〜Ｓ４４）と、
   前記判定区間における前記時系列データから前記第２検出手段が検出した前記大揺らぎ部分の個数である第２個数を計数する第２計数手段（Ｓ４５）と、
   前記第２計数手段が計数した前記第２個数が予め定められた第２閾値より大きいときに前記判定時点における前記被験者の状態が漫然状態であると判定する第２判定手段（Ｓ４６）とを備えることを特徴とする請求項１に記載の漫然状態判定装置。
6. 交感神経が優位のときに前記時系列データに重畳される周波数帯の揺らぎ成分である低周波揺らぎよりも高い周波数帯の揺らぎ成分である高周波揺らぎを前記時系列データから除去する除去手段（Ｓ３３）を備え、
   前記第１算出手段は、前記除去手段による前記高周波揺らぎの除去後の前記基準時系列データに基づいて前記基準変化量を算出し、
   前記第２検出手段は、前記除去手段による前記高周波揺らぎの除去後の前記時系列データから前記大揺らぎ部分を検出することを特徴とする請求項５に記載の漫然状態判定装置。
7. 前記第２検出手段は、前記生理特徴値が大きくなる方向に凸状を示した前記時系列データの部分である上凸部（６１）又は前記生理特徴値が小さくなる方向に凸状を示した前記時系列データの部分である下凸部（６２）であって、前記高周波揺らぎの周期より大きい予め定められた第１時間幅を有し、かつ、前記変化量閾値よりも大きい前記生理特徴値の変化量を有した前記上凸部（６１）又は前記下凸部（６２）を前記大揺らぎ部分として検出することを特徴とする請求項６に記載の漫然状態判定装置。
8. 前記第１算出手段は、前記基準時系列データを、前記第１時間幅の半分の第２時間幅きざみで前記部分データに分割し、
   前記第２算出手段は、前記第２時間幅に対する各々の前記基準変化量に基づいて、前記大揺らぎ部分の、前記第２時間幅に対する前記生理特徴値の変化量の閾値を前記変化量閾値として算出し、
   前記第２検出手段は、過去の前記第１時間幅分の前記時系列データである第１時間幅データに着目して、その第１時間幅データの前半の時間区間の前記生理特徴値である前半生理特徴値が時間の経過にともなって単調増加し、かつ前記第１時間幅データの後半の時間区間の前記生理特徴値である後半生理特徴値が時間の経過にともなって単調減少し、かつ前記前半生理特徴値の変化量及び前記後半生理特徴値の変化量が共に前記変化量閾値より大きくなっている場合に、前記第１時間幅データを構成する部分を前記上凸部と判定する上凸部判定手段（Ｓ４２）と、
   前記前半生理特徴値が時間の経過にともなって単調減少し、かつ前記後半生理特徴値が時間の経過にともなって単調増加し、かつ前記前半生理特徴値の変化量及び前記後半生理特徴値の変化量が共に前記変化量閾値より大きくなっている場合に、前記第１時間幅データを構成する部分を前記下凸部と判定する下凸部判定手段（Ｓ４３）と、を含むことを特徴とする請求項７に記載の漫然状態判定装置。
9. 前記第２算出手段は、前記第２時間幅に対する各々の前記基準変化量に基づいて前記基準変化量の標準偏差を前記変化量閾値として算出することを特徴とする請求項８に記載の漫然状態判定装置。
10. 前記被験者は車両（１００）の運転者であり、
    前記車両の加速度又は車速の少なくとも一方の情報を取得する情報取得手段（１１）を備え、
    前記区間決定手段は、前記情報取得手段が取得した前記情報に基づいて、前記車両が定速走行となっている時間区間を判断する区間判断手段（Ｓ１６、Ｓ３５）を含み、その区間判断手段が判断した時間区間の中から前記基準区間を決定することを特徴とする請求項４〜９のいずれか１項に記載の漫然状態判定装置。

Images