PROBLEM TO BE SOLVED: To provide a device for predicting drowsiness of a driver such as a vehicle, more accurately and in consideration of the fact that the driver's physiological state is affected by changes in the driving operation of the driver, Allow prediction of drowsiness before it actually gets higher. A device of the present invention is applied to a physiological state feature quantity that is sequentially calculated from time-series data of a physiological state of a driver in a feature quantity collection time range and a vehicle or the like that changes according to a driving operation of the driver. The driver's drowsiness level reaches a predetermined level within a predicted time range after a predetermined time has elapsed from the feature quantity collection time range in the feature quantity state determined by the vehicle motion feature quantity sequentially calculated from the motion state. It is predicted that drowsiness will occur after a lapse of a predetermined time when a different characteristic amount state occurs. The means for predicting the occurrence of drowsiness is prepared by machine learning using previously prepared time-series data of physiological state feature quantities and vehicle motion feature quantities labeled with sleepiness levels as supervised learning data. [Selection diagram]【課題】 車両等の運転者の眠気発生を予測する装置に於いて、運転者の運転操作の変化によって運転者の生理状態が影響されることも考慮して、より精度よく、眠気の程度が実際に高くなる前に、眠気発生の予測を可能にすること。【解決手段】 本発明の装置は、特徴量収集時間域に於ける運転者の生理状態の時系列データから逐次的に算出される生理状態特徴量と運転者の運転操作により変化する車両等の運動状態から逐次的に算出される車両運動特徴量とにより決定される特徴量状態が、特徴量収集時間域から所定時間経過後の予測時間域内にて運転者の眠気レベルが所定レベルに到達することとなる特徴量状態となったときに、所定時間経過後に眠気が発生する、との予測をする。眠気発生を予測する手段は、教師付き学習データとして眠気レベルがラベル付けされた生理状態特徴量及び車両運動特徴量の予め調製された時系列のデータを用いて機械学習により調製される。【選択図】 図７
