JP6773210B2 - 走行支援方法及び運転制御装置 - Google Patents

Description

本発明は、運転者による手動運転と自動運転とを切り替え可能な車両において、運転者の手動運転中の走行データを学習する走行支援方法及びその学習結果を自動運転の走行特性に適用する運転制御装置に関する。

従来では、運転者の違和感を抑制した自動運転を可能にするために、手動運転中の運転者による運転操作を学習する運転制御装置として、特許文献１が開示されている。特許文献１に開示された運転制御装置では、車線数や天候等の環境項目を設定し、手動運転時には環境項目から運転環境を特定し、運転環境と対応付けて運転者の運転操作を学習していた。

特開２０１５−８９８０１号公報

しかしながら、一般道の交差点で車両が停止する場合の制動距離は、同じ環境条件であっても走行データにばらつきが大きいので、運転者の感覚を捉えた制動距離を精度よく学習することができないという問題点があった。

そこで、本発明は、上述した実情に鑑みて提案されたものであり、運転者の感覚を捉えた制動距離を精度よく学習することのできる走行支援方法及び運転制御装置を提供することを目的とする。

上述した課題を解決するために、本発明の一態様に係る走行支援方法及び運転制御装置は、運転者の手動運転中における交差点で停止する場合の制動距離を学習し、車両の前方の先行車が不在のときの制動距離を優先して学習する。

本発明によれば、運転者の感覚を捉えた制動距離を精度よく学習することができる。

図１は、本発明の一実施形態に係る運転制御装置を含む運転制御システムの構成を示すブロック図である。 図２は、本発明の一実施形態に係る運転制御装置による走行特性学習処理の処理手順を示すフローチャートである。 図３は、本発明の一実施形態に係る走行特性学習処理で入力されるデータの一例を示す図である。 図４は、車両が交差点で停止する場合の減速開始速度と制動距離を説明するための図である。 図５は、本発明の一実施形態に係る走行特性学習処理で実行される重回帰分析の係数を説明するための図である。 図６は、先行車が不在のときの減速開始速度と制動距離との間の関係を示したデータの一例を示す図である。 図７は、先行車が不在のときだけではなくすべて場合の減速開始速度と制動距離との間の関係を示したデータの一例を示す図である。 図８は、平均減速度が一定となるように制動を開始するタイプの運転者の場合の減速開始速度と制動距離との間の関係を示したデータの一例を示す図である。 図９は、ＴＴＩ（Time to intersection）が一定となるように制動を開始するタイプの運転者の場合の減速開始速度と制動距離との間の関係を示したデータの一例を示す図である。 図１０は、本発明の一実施形態に係る走行特性学習処理による慎重度の判定方法を説明するための図である。 図１１は、本発明の一実施形態に係る走行特性学習処理による慎重度の判定方法を説明するための図である。 図１２は、本発明の一実施形態に係る走行特性学習処理による几帳面度の判定方法を説明するための図である。 図１３は、本発明の一実施形態に係る運転制御装置による自動運転制御処理の処理手順を示すフローチャートである。

以下、本発明を適用した一実施形態について図面を参照して説明する。

［運転制御システムの構成］
図１は、本実施形態に係る運転制御装置を含む運転制御システムの構成を示すブロック図である。図１に示すように、本実施形態に係る運転制御システム１００は、運転制御装置１と、走行状態検出部３と、走行環境検出部５と、運転切替スイッチ７と、制御状態呈示部９とを備えている。さらに、運転制御システム１００は、車両に搭載されたアクチュエータ１１に接続されている。

運転制御装置１は、運転者による手動運転と自動運転とを切り替え可能な車両において、運転者の手動運転中の走行データを学習し、この学習結果を自動運転の走行特性に適用する処理を実行するコントローラである。特に、運転制御装置１は、車両の前方を走行する先行車が不在のときの走行データを優先して使用して、車両が交差点で停止する場合の制動距離を学習する走行特性学習処理を実行する。この走行特性学習処理では、手動運転中の走行データの中から先行車が不在のときの走行データを選別し、選別された先行車不在時の走行データを使用して学習する。すなわち、先行車が不在のときの走行データのみを使用して学習する。ここで、運転制御装置１は、学習用データ記憶部２１と、走行特性学習部２３と、自動運転制御実行部２５とを備えている。

また、本実施形態では、運転制御装置１を車両に搭載した場合について説明するが、車両に通信装置を設置し、運転制御装置１の一部を外部サーバに設置して走行特性学習処理を実行させてもよい。運転制御装置１を車両に搭載した場合には、車両を所有または使用する運転者の走行特性を学習することができる。そして、所定期間（例えば、最新１ヶ月間）の走行データを記憶しておき、その運転者が所有または使用する車両の自動運転に反映させることができる。一方、外部サーバに設置した場合には、運転者自身の長期間の走行データを用いて学習することができるので、より安定した学習結果を算出することができる。また、学習が完了していないときには、他の運転者の走行データを活用して、その地域の平均的な運転者の走行特性を自動運転に反映させることができる。

走行状態検出部３は、車速や加速度、先行車の有無、現在位置、方向指示器の表示状態、ヘッドライトの点灯状態、ワイパーの作動状態等の車両の走行状態を示す走行データを検出する。例えば、ＣＡＮ（Controller Area Network）のような車載ネットワークやナビゲーション装置、レーザレーダ、カメラ等である。特に、走行状態検出部３は、車両の減速開始と停止を検出するためのデータとして、車両のブレーキペダル及びアクセルペダルの操作量と車両の速度及び減速度を検出する。

走行環境検出部５は、車両が走行する道路の車線数、制限速度、道路勾配、道路曲率、車両前方の信号機の表示状態、車両前方の交差点までの距離、車両前方の交差点の予定進路、一時停止規制の有無等の車両が走行している環境を表す環境情報を検出する。例えば、車両に搭載されたカメラやレーザレーダ、ナビゲーション装置である。尚、車両前方の信号機の表示状態や一時停止規制の有無は路車間通信を利用して検出してもよい。また、車両前方の交差点の予定進路はナビゲーション装置や方向指示器の表示状態等から取得する。さらに、車両周囲の照度、気温、天候状態を照度センサ、外気温センサ、ワイパースイッチからそれぞれ取得する。ただし、照度はヘッドライトのスイッチから取得してもよい。

運転切替スイッチ７は、車両に搭載され、車両の乗員が操作することによって自動運転と手動運転の切り替えを行うスイッチである。例えば、車両のステアリングに設置されたスイッチである。

制御状態呈示部９は、現在の制御状態が手動運転であるか自動運転であるかをメータ表示部やナビゲーション装置の表示画面、ヘッドアップディスプレイ等に表示する。また、自動運転の開始、終了を伝える報知音も出力し、走行特性の学習が終了したか否かも呈示する。

アクチュエータ１１は、運転制御装置１からの実行指令を受信して、車両のアクセルやブレーキ、ステアリング等の各部を駆動する。

次に、運転制御装置１を構成する各部について説明する。学習用データ記憶部２１は、走行状態検出部３及び走行環境検出部５から車両の走行状態に関する走行データや車両周囲の走行環境に関する環境情報を取得し、走行特性学習処理に必要なデータを記憶する。特に、学習用データ記憶部２１は、手動運転中に交差点で停止する場合の制動距離の学習に使用する先行車が不在のときの走行データを記憶する。このとき、学習用データ記憶部２１は、先行車不在時の走行データを車両の走行状態や走行環境と関連付けて記憶する。記憶する走行データとしては、先行車が不在のときに車両が交差点で停止する場合の減速開始速度や先行車が不在のときに車両が交差点で停止する場合の制動距離等のデータである。この他に、車両のブレーキペダル及びアクセルペダルの操作量や車両の速度及び減速度、交差点の停止線までの距離等のデータを記憶する。また、環境情報についても記憶する。環境情報としては、車両が走行する道路の車線数、道路曲率、制限速度、道路勾配、一時停止規制の有無または信号機の表示状態、方向指示器の表示状態、車両の周辺の天候、気温または照度等である。

走行特性学習部２３は、学習用データ記憶部２１で記憶された走行データを読み出し、走行状態及び走行環境からの影響度合いを考慮して、車両の走行特性を学習する。特に、車両の前方を走行する先行車が不在のときの走行データを優先して使用して、車両の走行特性のうち交差点で停止する場合の制動距離を学習する。このとき、走行特性学習部２３は、手動運転中の走行データの中から先行車が不在のときの走行データを選別し、選別された先行車不在時の走行データを使用して学習する。すなわち、先行車が不在のときの走行データのみを使用して、車両が交差点で停止する場合の制動距離を学習する。また、走行特性学習部２３は、車両が走行している環境の環境情報を考慮して学習し、車両のトリップ毎に学習する。さらに、交差点で停止する場合の制動距離の学習結果に基づいて、運転者の運転スタイルを判定してもよい。こうして算出された学習結果は、走行特性学習部２３に随時記憶される。

自動運転制御実行部２５は、自動運転区間になった場合や運転者が運転切替スイッチ７により自動運転を選択した場合に、自動運転制御を実行する。このとき、自動運転制御実行部２５は、走行特性学習部２３で学習した学習結果を自動運転の走行特性に適用する。特に、交差点で停止する場合の制動距離の学習結果を自動運転時の制動距離に適用する。

尚、運転制御装置１は、マイクロコンピュータ、マイクロプロセッサ、ＣＰＵを含む汎用の電子回路とメモリ等の周辺機器から構成されている。そして、特定のプログラムを実行することにより、上述した学習用データ記憶部２１、走行特性学習部２３、自動運転制御実行部２５として動作する。このような運転制御装置１の各機能は、１または複数の処理回路によって実装することができる。処理回路は、例えば電気回路を含む処理装置等のプログラムされた処理装置を含み、また実施形態に記載された機能を実行するようにアレンジされた特定用途向け集積回路（ＡＳＩＣ）や従来型の回路部品のような装置も含んでいる。

［走行特性学習処理の手順］
次に、本実施形態に係る運転制御装置１による走行特性学習処理の手順を図２のフローチャートを参照して説明する。図２に示す走行特性学習処理は、車両のイグニッションがオンされると開始する。

図２に示すように、まずステップＳ１０１において、学習用データ記憶部２１は、運転切替スイッチ７の状態により車両が手動運転であるか否かを判定する。車両が手動運転である場合にはステップＳ１０３に進み、自動運転である場合には走行特性学習処理を終了して自動運転制御を実行する。

ステップＳ１０３において、学習用データ記憶部２１は、走行状態検出部３及び走行環境検出部５から車両の走行状態に関する走行データと車両周囲の走行環境に関する環境情報を検出する。検出される走行データとしては、車速、操舵角、加速度、減速度、先行車との車間距離、先行車との相対速度、現在位置、前方交差点の予定進路、ブレーキペダル及びアクセルペダルの操作量、ヘッドライトの点灯状態、ワイパーの作動状態等を検出する。また、環境情報としては、車両が走行する道路の車線数、道路曲率、制限速度、道路勾配、一時停止規制の有無または信号機の表示状態、車両から交差点の停止線までの距離、車両の方向指示器の表示状態、車両周辺の天候、気温または照度等を検出する。

ステップＳ１０５において、学習用データ記憶部２１は、車両の前方を走行する先行車が不在であるか否かを判定する。先行車が不在であるか否かの判定方法としては、先行車が未検出である場合の他に、先行車が検出されている場合でも車両と先行車との間の車間距離が所定値（例えば５０ｍ）以上である場合に、先行車が不在であると判定してもよい。そして、先行車が不在であると判定された場合にはステップＳ１０７に進み、先行車が不在ではないと判定された場合にはステップＳ１０３に戻る。

ステップＳ１０７において、学習用データ記憶部２１は、車両の現在の走行状態が除外要因に合致するか否かを判定する。除外要因とは、走行特性の学習に使用するデータを取得することが適当ではない場合を特定したものである。除外要因としては、（Ａ）車両が交差点で停止する場合に最大減速度が所定値（例えば０．３Ｇ）以上であること、（Ｂ）車両が交差点で停止する場合に減速開始速度が所定値（例えば１０ｋｍ／ｈ）以下であること、の２つがある。学習用データ記憶部２１は、これらの除外要因に合致しない場合にはステップＳ１０９に進み、合致する場合にはステップＳ１０３へ戻る。

このように、除外要因（Ａ）を適用することにより、意図しない急ブレーキをかけた場合のデータを除外することができ、除外要因（Ｂ）を適用することにより、クリープでの発進後のような極めて低速のデータを除外することができる。したがって、これらの除外要因（Ａ）、（Ｂ）を設定することにより、通常の減速状態にあるときの走行データを取得することができる。尚、これらの除外要因は必ず適用しなければならないものではなく、状況に応じて適用しない場合があってもよい。

ステップＳ１０９において、学習用データ記憶部２１は、ステップＳ１０３で検出されてステップＳ１０５、１０７の処理で選別された走行データと環境情報を学習用データとして記憶する。尚、本実施形態では、予めデータを選別した後に記憶する場合について説明したが、手動運転中のデータを一度すべて記憶してから、上述したステップＳ１０５、１０７の処理を実施して選別してもよい。

ここで、学習用データ記憶部２１によって記憶される学習用データの一例を図３に示す。図３に示すように、学習用データには、制動距離Ｄｂ、減速開始速度Ｖｂ、ｘ１〜ｘ６のデータが記録されている。制動距離Ｄｂは先行車が不在のときに車両が交差点で停止する場合の制動距離であり、図４に示すように減速を開始した時点ｔ１から速度が０になるまでの走行距離である。また、減速開始速度Ｖｂは、先行車が不在のときに車両が交差点で停止する場合の減速開始速度である。図４に示すように、減速開始は、ブレーキの開始によってブレーキスイッチがオンされてから車両の加速度が−０．１Ｇ以下（減速度が０．１Ｇ以上）となった時点ｔ１であり、そのときの速度を減速開始速度Ｖｂとしている。このように減速開始を加速度が所定値以下となった時点ｔ１に設定することで、空走距離を除外して運転者の意図による減速開始のタイミングを抽出することができる。また、加速度は加速度センサの出力値をフィルタリングして求めてもよいし、速度の微分値で求めてもよい。さらに、速度をシグモイド関数やロジスティック関数などで近似して、速度の変曲点を減速開始点としてもよい。

また、ｘ１〜ｘ６は環境情報に基づいて設定されたデータであり、図５に示す設定方法にしたがって０または１の値が設定される。例えば、ｘ１は、図３に示す制動距離Ｄｂと減速開始速度Ｖｂのデータを取得したときに、車両が走行している道路の曲率が所定値以上である場合に１が設定され、曲率が所定値未満である場合に０が設定される。また、道路曲率の代わりに制限速度であってもよい。例えば、車両が走行している道路の制限速度が所定値（４０または５０ｋｍ／ｈ）以上である場合には１が設定され、制限速度が所定値未満である場合には０を設定する。

さらに、ｘ２は、車両が下り坂を走行している場合には１、それ以外（平坦路と上り坂）の場合には０が設定され、ｘ３は、車両前方の信号機が赤信号の場合には１、それ以外の場合（青信号または信号機なし）には０が設定される。ただし、赤信号に黄信号を含めてもよい。また、ｘ４は、夜間である場合には１、それ以外である場合には０が設定される。夜間であるか否かの判定は、ヘッドライトの点灯状態によって判定すればよい。さらに、ｘ５は、車両周囲の天候が悪天候である場合には１、悪天候でない場合には０が設定される。悪天候であるか否かの判定方法としては、車両のワイパーがＯＦＦまたは間欠に設定されている場合には悪天候ではないと判定し、ＯＮの場合には悪天候であると判定する。このとき気温や照度等の条件を追加してもよい。気温は、外気温センサでマイナスである場合には１、プラスである場合には０と設定する。これにより、路面凍結による特性の違いに対応することができる。照度は、照度センサで明るい場合には１、暗い場合には０と設定すればよい。照度センサではなくヘッドライトの点灯の有無によって設定してもよい。また、ｘ６は、車両の右左折のために方向指示器がＯＮの場合には１、ＯＦＦである場合には０が設定される。

尚、図５では、０か１の２段階に分類する場合について記載したが、３段階やそれ以上の多段階に分類してもよい。このように図３に示す学習用データでは、制動距離Ｄｂと減速開始速度Ｖｂの走行データに、ｘ１〜ｘ６の環境情報が関連付けられている。したがって、本実施形態では、制動距離Ｄｂと減速開始速度Ｖｂの走行データを使用して走行特性を学習し、さらに車両が走行している環境と制動距離を対応させて走行特性を学習する。

また、学習用データとして記憶されるデータは、上述したステップＳ１０５、１０７の処理で選別されているので、データのばらつきが抑制されている。図６は、先行車不在時における減速開始速度と制動距離との間の関係を示したデータの一例を示している。一方、図７は、ステップＳ１０５の処理を実施しなかった場合、すなわち先行車不在時だけではなく先行車がいる場合も含めた減速開始速度と制動距離との間の関係を示したデータの一例を示している。図７から分かるように、先行車不在時に限定しない場合には、運転者が先行車の減速に依存してしまうので、データが広くばらついてしまう。そのため、減速開始速度と制動距離の関係を学習しても学習精度を向上させることはできない。これに対して、先行車不在時に限定した場合では、運転者が先行車に依存することなく制動するので、図６に示すようにデータのばらつきが抑制されている。これにより、先行車不在時に限定した場合では運転者の感覚を捉えた制動距離を精度よく学習することができ、学習精度を向上させることができる。

ステップＳ１１１において、学習用データ記憶部２１は、所定量の学習用データを記憶できたか否かを判定し、所定量に満たない場合にはステップＳ１０３に戻り、所定量以上蓄積できた場合にはステップＳ１１３に進む。

ステップＳ１１３において、走行特性学習部２３は、車両の走行特性を学習する。特に、車両の前方を走行する先行車が不在のときの走行データを使用して、走行特性のうち車両が交差点で停止する場合の制動距離を学習する。制動距離の学習では、例えば、図３で示したようなデータセットを用いて、以下の式（１）に示す重回帰モデルを作成して学習する。
［数１］
Ｄｂ＝（c0＋c1x1＋c2x2＋c3x3＋c4x4＋c5x5＋c6x6）Ｖｂ^２＋ｄＶｂ （１）
式（１）において、Ｖｂは減速開始速度、Ｄｂはモデルから計算された制動距離である。ｘ１〜ｘ６は環境要因であり、ｃ０〜ｃ６、ｄは学習によって得られた係数である。このように式（１）に示す重回帰モデルは、環境要因によって車両が交差点で停止する場合の制動距離が変動することを示している。

また、式（１）の重回帰モデルは、減速開始行動の異なるタイプにも対応している。以下に示すように、式（１）は式（２）のように表すことができ、式（１）と式（２）から式（３）のように表すことができる。
［数２］
Ｄｂ＝Ｖｂ^２／２ａ＋dＶｂ （２）
［数３］
ａ＝１／２（c0＋c1x1＋c2x2＋c3x3＋c4x4＋c5x5＋c6x6） （３）
式（２）、（３）において、ａは平均減速度（ｍ/ｓ^２）、式（１）、（２）において、ｄはＴＴＩ（Time to intersection：制動開始時の速度でそのまま進むと仮定した場合の交差点までの到達時間）を示す。

また、運転者によって減速開始行動のタイプが異なり、例えば、図８に示すように速度によらず平均減速度がほぼ一定となるように制動を開始するタイプと、図９に示すようにＴＴＩがほぼ一定となるように（すなわち、速度が高いほど減速度が高くなるように）制動を開始するタイプが存在する。前者のタイプは式（１）においてＶｂ^２の係数が大きく、後者のタイプはＶｂの係数が大きい。また、前者のタイプは後者のタイプに比べて、平均減速度が小さく、制動距離が長い傾向である。図８と図９は極端な例を示したが、この中間の行動をとる運転者も存在する。式（１）の重回帰モデルはＶｂ^２とＶｂの係数で、環境要因と個人の減速行動のタイプの違いに対応できるモデルとなっている。

式（１）の係数のうち、図５に示すように、ｃ０、ｄは、個人別に設定される基準値である。ｃ０はｘ１〜ｘ６の値が０である場合の減速度の平均値であり、ｄはＴＴＩへの依存度合い（すなわち、速度に応じた減速度の変更度合い）である。ｄは、ＴＴＩへの依存度が高いほど１に近い値となる。

走行特性学習部２３は、図３に示すような学習用データを用いて重回帰分析を行い、式（１）のｃ０〜ｃ６の係数を算出する。ここで使用する学習用データは、図６に示すような先行車不在時の走行データだけなので、ばらつきが抑制されており、その結果として式（１）から算出される交差点停止時の制動距離Ｄｂは図６の２次曲線Ｆとなる。このように本実施形態では、先行車不在時の走行データのみを使用して交差点で停止する場合の制動距離を２次曲線で学習するので、運転者の感覚を捉えた制動距離を精度よく学習することができる。

また、式（１）に示すように、本実施形態では、ｃ１ｘ１〜ｃ６ｘ６の項によって車両が走行している環境の環境情報を考慮して学習することができる。すなわち、環境情報に基づいて制動距離を補正することができる。また、ｃ１ｘ１〜ｃ６ｘ６の項は、本実施形態ではＶｂ^２の係数としているが、Ｖｂの係数としてもよい。

尚、学習用データは複数のトリップのデータを使用してもよいし、１トリップのデータだけを使用してもよい。１トリップだけでは環境要因のデータが揃わない場合には、環境要因の係数については複数のトリップの学習用データを用いて算出し、基準となるｃ０の係数についてはトリップ内の学習用データを用いて算出してもよい。この場合、その日のトリップが他のトリップと比べて、慎重傾向である場合や急ぎ傾向である場合でも違和感のない学習結果を提供することができる。

また、制動距離は、トリップ毎に異なる特性を持つことがある。例えば、同乗者が存在するときや積載物があるときは、同乗者や積載物などへの配慮から慎重運転となり、減速度を抑えて制動距離を長くすることがある。また、目的地に急いでいるときはアグレッシブな運転傾向となり、高い減速度を許容するため制動距離が短くなることがある。このように運転するときの気分や条件で許容する減速度と制動距離が異なる場合がある。そこで、トリップ毎に重回帰分析を行うことによって、そのトリップ毎の制動距離の特性を得ることができる。さらに、トリップ毎に学習した制動距離の特性で、自動運転時の制動距離の制御を行うことによって、そのトリップにおける運転者の気分や条件に合った自動運転制御を提供することができる。

ここで、車両が走行している道路がカーブしている場合には、式（１）のｘ１が１となるので、式（１）の制動距離Ｄｂは、カーブしていない場合より大きな値となる。したがって、車両が走行している道路がカーブしている場合には、カーブしていない場合より、制動距離Ｄｂは長くなるように補正される。また、道路がカーブしている場合の代わりに、制限速度が高い場合を用いてもよいので、車両が走行している道路の制限速度が所定値以上である場合には、制限速度が所定値より低い場合より、制動距離Ｄｂは長くなるように補正される。

同様に、車両が下り坂を走行している場合には、式（１）のｘ２が１となるので、式（１）の制動距離Ｄｂは、上り坂を走行している場合より大きな値となる。したがって、車両が下り坂を走行している場合には、上り坂を走行している場合より、制動距離Ｄｂは長くなるように補正される。

また、車両の前方の信号機が赤信号である場合には、式（１）のｘ３が１となるので、式（１）の制動距離Ｄｂは、赤信号以外の場合より大きな値となる。したがって、車両の前方の信号機が赤信号である場合には、赤信号以外の場合より、制動距離Ｄｂは長くなるように補正される。

さらに、車両が夜間を走行している場合には、式（１）のｘ４が１となるので、式（１）の制動距離Ｄｂは、夜間でない場合より大きな値となる。したがって、車両が夜間を走行している場合には、夜間でない場合より、制動距離Ｄｂは長くなるように補正される。

また、車両の周辺の天候が悪天候である場合には、式（１）のｘ５が１となるので、式（１）の制動距離Ｄｂは、悪天候でない場合より大きな値となる。したがって、車両の周辺が悪天候である場合には、悪天候でない場合より、制動距離Ｄｂは長くなるように補正される。

さらに、方向指示器がＯＮで車両が右左折する場合には、式（１）のｘ６が１となるので、式（１）の制動距離Ｄｂは、方向指示器がＯＦＦで右左折しない場合より大きな値となる。したがって、車両が右左折する場合には、右左折しない場合より、制動距離Ｄｂは長くなるように補正されるようにしてもよい。

上述したような走行特性の学習の他に、走行特性学習部２３は、制動距離の学習結果に基づいて、運転者の運転スタイルを判定してもよい。制動距離の特性は、運転者個人の運転スタイルと一致する傾向を示す場合がある。例えば、式（１）におけるＶｂ^２の係数ｃ０は運転者の慎重度を反映しており、図１０に示すようにｃ０の値が高いほど慎重度が高くなる。すなわち、ｃ０が高い（慎重度が高い）運転者は平均減速度が低く、制動距離が長いため、交差点において早めに減速を開始し、慎重であると判定することができる。図１０は、係数ｃ０が大きいほど、慎重度が大きくなることを示している。

また、ｃ０が高いほどＶｂの係数ｄは小さくなる傾向があるため、図１１に示すようにｄの値が小さいほど、慎重度が高いと判定してもよい。また、図１２に示すように重回帰モデルの決定係数Ｒ^２を用いて、運転者の几帳面度を判定することもできる。決定係数は、重回帰モデルの当てはまり度合いを示す値で１に近いほど、データのばらつきが少なく、モデルによく当てはまること示す。すなわち、決定係数が高いほど、制動距離がいつも一定であると考えられ、運転者が几帳面であると判定することができる。このようにして判定された個人の運転スタイルは、運転者自身に提供してもよいし、外部サーバを活用して他の運転者との比較を行い、全体の中でどの程度の几帳面傾向かを判定して、運転者または管理者に情報提供してもよい。

ステップＳ１１５において、走行特性学習部２３は、算出した式（１）のｃ０〜ｃ６の係数を学習結果として記憶し、本実施形態に係る走行特性学習処理を終了する。

［自動運転制御処理の手順］
次に、本実施形態に係る運転制御装置１による自動運転制御処理の手順を図１３のフローチャートを参照して説明する。

図１３に示すように、ステップＳ２０１において、自動運転制御実行部２５は、図２に示す走行特性学習処理によって、交差点で停止する場合の制動距離の学習が完了しているか否かを判定する。学習が完了している場合にはステップＳ２０３に進み、学習が完了していない場合にはステップＳ２１１に進む。

まず、制動距離の学習が完了している場合について説明する。ステップＳ２０３において、自動運転制御実行部２５は、走行状態検出部３及び走行環境検出部５から車両の走行状態に関する走行データと車両周囲の走行環境に関する環境情報を検出する。

ステップＳ２０５において、自動運転制御実行部２５は、学習結果に基づいて交差点で停止する場合の制動距離を設定する。具体的には、学習結果であるｃ０〜ｃ６の係数を式（１）、（２）に設定し、検出した減速開始速度を式（１）に入力することによって、交差点で停止する場合の制動距離Ｄｂを算出する。そして、自動運転制御実行部２５は、算出した制動距離Ｄｂを自動運転に適用する制動距離として設定する。すなわち、制動距離の学習結果を自動運転時の制動距離に適用する。

ステップＳ２０７において、自動運転制御実行部２５は、設定された制動距離を用いて自動運転制御を実行する。具体的に、自動運転制御実行部２５は、制御実行指令をアクチュエータ１１に送信して、自動運転に必要なアクセルやブレーキ、ステアリング等の操作を実行する。

ステップＳ２０９において、自動運転制御実行部２５は、自動運転が終了したか否かを判定し、終了していない場合にはステップＳ２０３に戻って自動運転を継続する。一方、自動運転が手動運転に切り替わって自動運転が終了している場合には、本実施形態に係る自動運転制御処理を終了する。

次に、制動距離の学習が完了していない場合について説明する。ステップＳ２１１において、自動運転制御実行部２５は、走行状態検出部３及び走行環境検出部５から車両の走行状態に関する走行データと車両周囲の走行環境に関する環境情報を検出する。

ステップＳ２１３において、自動運転制御実行部２５は、交差点で停止する場合の制動距離として予め設定された所定値を設定する。この所定値は、一般的な制動距離の値や平均値を使用すればよい。

ステップＳ２１５において、自動運転制御実行部２５は、設定された制動距離を用いて自動運転制御を実行する。具体的に、自動運転制御実行部２５は、制御実行指令をアクチュエータ１１に送信して、自動運転に必要なアクセルやブレーキ、ステアリング等の操作を実行する。

ステップＳ２１７において、自動運転制御実行部２５は、自動運転が終了したか否かを判定し、終了していない場合にはステップＳ２１１に戻って自動運転を継続する。一方、自動運転が手動運転に切り替わって自動運転が終了している場合には、本実施形態に係る自動運転制御処理を終了する。

［実施形態の効果］
以上詳細に説明したように、本実施形態に係る走行支援方法では、運転者による手動運転と自動運転とを切り替え可能な車両において、車両の前方の先行車が不在のときの制動距離を優先して学習する。これにより、先行車の減速に依存してしまう状況で制動距離を学習することがなくなり、運転者の感覚を捉えた制動距離を精度よく学習することができる。

また、本実施形態に係る走行支援方法では、車両の前方の先行車が不在のときの制動距離のみを学習する。これにより、先行車の減速に依存してしまう状況を排除して制動距離を学習することができ、運転者の感覚を捉えた制動距離を精度よく学習することができる。

さらに、本実施形態に係る走行支援方法では、先行車が不在のときに車両が交差点で停止する場合の減速開始速度と、先行車が不在のときに車両が交差点で停止する場合の制動距離とを使用して学習する。これにより、先行車の減速に依存してしまう状況の走行データを使用することがなくなり、運転者の感覚を捉えた制動距離を精度よく学習することができる。

また、本実施形態に係る走行支援方法では、先行車が不在のときに車両が交差点で停止する場合の減速開始速度と、先行車が不在のときに車両が交差点で停止する場合の制動距離との関係を２次曲線でモデル化する。これにより、減速開始速度と制動距離との関係を正確に把握することができ、運転者の感覚を捉えた制動距離を精度よく学習することができる。

また、本実施形態に係る走行支援方法では、ブレーキペダルの操作、アクセルペダルの操作、車両の減速度のうちの少なくとも１つから車両の減速開始を検出する。これにより、運転者が減速を開始したときの走行データを確実に取得することができる。特に、ブレーキペダルが操作されているときは明確な減速操作であるため、最もばらつきの少ない走行データを取得することができる。また、アクセルペダルが操作されていないときの走行データを取得すれば、減速準備行動のデータまで含めて取得することができる。さらに、減速度が所定値以上となった場合に減速開始と判定すれば、あらゆる場面での減速操作を検出することができる。

さらに、本実施形態に係る走行支援方法では、車両の速度が所定値以下となる場合に車両の停止を検出する。これにより、車両の停止を確実に検出し、制動距離を精度よく学習することができる。

また、本実施形態に係る走行支援方法では、車両の減速開始から交差点の停止線までの距離を制動距離とする。これにより、車両が実際に停止した位置に左右されずに制動距離を求めることができる。

さらに、本実施形態に係る走行支援方法では、先行車が未検出である場合と、車両と先行車との間の車間距離が所定値以上である場合に、先行車が不在であると判断する。これにより、先行車が不在のときの走行データを確実に取得することができる。

また、本実施形態に係る走行支援方法では、車両が交差点で停止するときに最大減速度が所定値以上となる制動距離を使用しない。これにより、意図しない急ブレーキをかけた場合の走行データを除外できるので、安定した状態のときの走行データを使用して精度よく学習することができる。

さらに、本実施形態に係る走行支援方法では、車両が交差点で停止するときに減速開始速度が所定値以下となる制動距離を使用しない。これにより、クリープでの発進後のような極めて低速の走行データを除外できるので、安定した状態のときの走行データを使用して精度よく学習することができる。

また、本実施形態に係る走行支援方法では、車両が走行している環境と制動距離を対応させて学習する。交差点で停止するときの制動距離は、環境条件によって異なる特性を有する。したがって、車両が走行している環境を考慮した重回帰分析を行うことによって、環境条件を反映させた制動距離の学習を行うことができる。

さらに、本実施形態に係る走行支援方法では、車両が走行している環境として、車両が走行する道路の車線数、道路曲率、制限速度、道路勾配、一時停止規制の有無または信号機の表示状態を用いる。また、車両の方向指示器の表示状態、車両の周辺の天候、気温または照度を用いる。これにより、異なる環境条件を個別具体的に反映させて制動距離を学習することができる。

また、本実施形態に係る走行支援方法では、学習結果を自動運転の走行特性に適用する場合において、車両が下り坂を走行しているか否かを判定し、車両が下り坂を走行している場合には、上り坂を走行している場合より、制動距離が長くなるように走行特性を設定する。これにより、制動が困難な下り坂で安全性を向上させることができるので、運転者に安心感を与えることができる。

さらに、本実施形態に係る走行支援方法では、学習結果を自動運転の走行特性に適用する場合において、車両が右左折するか否かを判定し、車両が右左折する場合には、右左折しない場合より、制動距離が長くなるように走行特性を設定する。これにより、右左折する場合に安全性を向上させることができるので、運転者に安心感を与えることができる。

また、本実施形態に係る走行支援方法では、学習結果を自動運転の走行特性に適用する場合において、車両の前方の信号機が赤信号であるか否かを判定し、車両の前方の信号機が赤信号である場合には、赤信号以外の場合より、制動距離が長くなるように走行特性を設定する。これにより、停止する必要がある赤信号のときに安全性を向上させることができるので、運転者に安心感を与えることができる。

さらに、本実施形態に係る走行支援方法では、学習結果を自動運転の走行特性に適用する場合において、車両が走行している道路がカーブしているか否かを判定し、車両が走行している道路がカーブしている場合には、カーブしていない場合より、制動距離が長くなるように走行特性を設定する。これにより、カーブしていて見通しの悪い道路で安全性を向上させることができるので、運転者に安心感を与えることができる。

また、本実施形態に係る走行支援方法では、学習結果を自動運転の走行特性に適用する場合において、車両が夜間を走行しているか否かを判定し、車両が夜間を走行している場合には、夜間でない場合より、制動距離が長くなるように走行特性を設定する。これにより、暗くて視界の悪い夜間に安全性を向上させることができるので、運転者に安心感を与えることができる。

さらに、本実施形態に係る走行支援方法では、学習結果を自動運転の走行特性に適用する場合において、車両の周辺の天候が悪天候であるか否かを判定し、車両の周辺の天候が悪天候である場合には、悪天候でない場合より、制動距離が長くなるように走行特性を設定する。これにより、車両周辺が悪天候のときに安全性を向上させることができるので、運転者に安心感を与えることができる。

また、本実施形態に係る走行支援方法では、学習結果を自動運転の走行特性に適用する場合において、車両が走行している道路の制限速度が所定値以上であるか否かを判定し、車両が走行している道路の制限速度が所定値以上である場合には、制限速度が所定値より低い場合より、制動距離が長くなるように走行特性を設定する。これにより、車速が高くなる道路で安全性を向上させることができるので、運転者に安心感を与えることができる。

さらに、本実施形態に係る走行支援方法では、制動距離の学習結果に基づいて、運転者の運転スタイルを判定する。これにより、運転者の定性的な傾向を知ることができるので、手動運転のときに参考にすることで安全性を向上させることができる。

また、本実施形態に係る走行支援方法では、車両の外部に外部サーバを備え、この外部サーバで制動距離を学習する。これにより、車両における処理負荷を軽減することができる。

さらに、本実施形態に係る走行支援方法では、制動距離の学習結果を、車両の自動運転時の制動距離に適用する。これにより、先行車が不在のときの走行データを使用して学習した制動距離を自動運転に適用できるので、運転者の感覚を捉えた自動運転を提供することができる。

なお、上述の実施形態は本発明の一例である。このため、本発明は、上述の実施形態に限定されることはなく、この実施形態以外の形態であっても、本発明に係る技術的思想を逸脱しない範囲であれば、設計などに応じて種々の変更が可能であることは勿論である。

１ 運転制御装置
３ 走行状態検出部
５ 走行環境検出部
７ 運転切替スイッチ
９ 制御状態呈示部
１１ アクチュエータ
２１ 学習用データ記憶部
２３ 走行特性学習部
２５ 自動運転制御実行部
１００ 運転制御システム

Claims (24)

1. 運転者による手動運転と自動運転とを切り替え可能な車両において、運転者の手動運転中における交差点で停止する場合の制動距離を学習し、この学習結果を交差点で停止する場合の自動運転の走行特性に適用する運転制御装置の走行支援方法であって、
   前記車両の前方の先行車が不在か否か判定し、
   不在と判定した場合に、前記車両の前方の先行車が不在のときの制動距離を学習することを特徴とする走行支援方法。
2. 前記車両の前方の先行車を検出し、前記車両と前記先行車との間の車間距離が所定値以上である場合に、制動距離を学習することを特徴とする請求項１に記載の走行支援方法。
3. 前記車両の前方の先行車が不在のときの制動距離のみを学習することを特徴とする請求項１に記載の走行支援方法。
4. 前記車両の前方の先行車が不在のときに前記車両が交差点で停止する場合の減速開始速度と、前記車両の前方の先行車が不在のときに前記車両が交差点で停止する場合の制動距離とを使用して学習することを特徴とする請求項１に記載の走行支援方法。
5. 前記車両の前方の先行車が不在のときに前記車両が交差点で停止する場合の減速開始速度と、前記車両の前方の先行車が不在のときに前記車両が交差点で停止する場合の制動距離との関係を学習することを特徴とする請求項１または２に記載の走行支援方法。
6. ブレーキペダルの操作、アクセルペダルの操作、前記車両の減速度のうちの少なくとも１つから前記車両の減速開始を検出することを特徴とする請求項１〜５のいずれか１項に記載の走行支援方法。
7. 前記車両の速度が所定値以下となる場合に前記車両の停止を検出することを特徴とする請求項１〜６のいずれか１項に記載の走行支援方法。
8. 前記車両の減速開始から交差点の停止線までの距離を、前記制動距離とすることを特徴とする請求項１〜７のいずれか１項に記載の走行支援方法。
9. 前記車両の前方の先行車が未検出である場合と、前記車両と先行車との間の車間距離が所定値以上である場合に、先行車が不在であると判断することを特徴とする請求項１〜８のいずれか１項に記載の走行支援方法。
10. 前記車両が交差点で停止するときに最大減速度が所定値以上となる制動距離を使用しないことを特徴とする請求項１〜９のいずれか１項に記載の走行支援方法。
11. 前記車両が交差点で停止するときに減速開始速度が所定値以下となる制動距離を使用しないことを特徴とする請求項１〜１０のいずれか１項に記載の走行支援方法。
12. 前記車両が走行している環境と前記制動距離を対応させて学習することを特徴とする請求項１〜１１のいずれか１項に記載の走行支援方法。
13. 前記車両が走行している環境は、前記車両が走行する道路の車線数、道路曲率、制限速度、道路勾配、一時停止規制の有無または信号機の表示状態、前記車両の方向指示器の表示状態、前記車両の周辺の天候、気温または照度のうちの少なくとも１つであることを特徴とする請求項１２に記載の走行支援方法。
14. 前記学習結果を自動運転の走行特性に適用する場合において、
    前記車両が下り坂を走行しているか否かを判定し、
    前記車両が下り坂を走行している場合には、上り坂を走行している場合より、前記制動距離が長くなるように走行特性を設定することを特徴とする請求項１〜１３のいずれか１項に記載の走行支援方法。
15. 前記学習結果を自動運転の走行特性に適用する場合において、
    前記車両が右左折するか否かを判定し、
    前記車両が右左折する場合には、右左折しない場合より、前記制動距離が長くなるように走行特性を設定することを特徴とする請求項１〜１４のいずれか１項に記載の走行支援方法。
16. 前記学習結果を自動運転の走行特性に適用する場合において、
    前記車両の前方の信号機が赤信号であるか否かを判定し、
    前記車両の前方の信号機が赤信号である場合には、赤信号以外の場合より、前記制動距離が長くなるように走行特性を設定することを特徴とする請求項１〜１５のいずれか１項に記載の走行支援方法。
17. 前記学習結果を自動運転の走行特性に適用する場合において、
    前記車両が走行している道路がカーブしているか否かを判定し、
    前記車両が走行している道路がカーブしている場合には、カーブしていない場合より、前記制動距離が長くなるように走行特性を設定することを特徴とする請求項１〜１６のいずれか１項に記載の走行支援方法。
18. 前記学習結果を自動運転の走行特性に適用する場合において、
    前記車両が夜間を走行しているか否かを判定し、
    前記車両が夜間を走行している場合には、夜間でない場合より、前記制動距離が長くなるように走行特性を設定することを特徴とする請求項１〜１７のいずれか１項に記載の走行支援方法。
19. 前記学習結果を自動運転の走行特性に適用する場合において、
    前記車両の周辺の天候が悪天候であるか否かを判定し、
    前記車両の周辺の天候が悪天候である場合には、悪天候でない場合より、前記制動距離が長くなるように走行特性を設定することを特徴とする請求項１〜１８のいずれか１項に記載の走行支援方法。
20. 前記学習結果を自動運転の走行特性に適用する場合において、
    前記車両が走行している道路の制限速度が所定値以上であるか否かを判定し、
    前記車両が走行している道路の制限速度が所定値以上である場合には、前記制限速度が所定値より低い場合より、前記制動距離が長くなるように走行特性を設定することを特徴とする請求項１〜１９のいずれか１項に記載の走行支援方法。
21. 前記制動距離の学習結果に基づいて、運転者の運転スタイルを判定することを特徴とする請求項１〜２０のいずれか１項に記載の走行支援方法。
22. 前記車両の外部に外部サーバを備え、前記外部サーバで前記制動距離を学習することを特徴とする請求項１〜２１のいずれか１項に記載の走行支援方法。
23. 前記制動距離の学習結果を、前記車両の自動運転時の制動距離に適用することを特徴とする請求項１〜２２のいずれか１項に記載の走行支援方法。
24. 運転者による手動運転と自動運転とを切り替え可能な車両において、運転者の手動運転中における交差点で停止する場合の制動距離を学習し、この学習結果を交差点で停止する場合の自動運転の走行特性に適用する運転制御装置であって、
    前記車両の前方の先行車が不在か否か判定し、
    不在と判定した場合に、前記車両の前方の先行車が不在のときの制動距離を学習することを特徴とする運転制御装置。

Images