JP7617817B2 - 運転支援装置、監視装置、運転支援方法、およびプログラム - Google Patents

Description

本発明は、運転支援装置、監視装置、運転支援方法、およびプログラムに関する。

従来、目標ヨーレートと実ヨーレート（ヨーレートセンサによって測定されたもの）との差分が大きい場合に、車両挙動が乱れていると判定する装置が知られている（特許文献１）。

国際公開第２０１８／２３０３７６号

上記従来の技術では、実ヨーレート自体が適正なものであるか否かを判定していない。このため、操舵回避の妥当性を適切に判定することができない場合があった。

本発明は、このような事情を考慮してなされたものであり、操舵回避の妥当性を適切に判定することが可能な運転支援装置、運転支援方法、およびプログラムを提供することを目的の一つとする。

この発明に係る運転支援装置、監視装置、運転支援方法、およびプログラムは、以下の構成を採用した。
（１）：この発明の一態様に係る運転支援装置は、移動体の周辺に存在する物体を認識する認識部と、前記移動体と前記認識された物体との接触を操舵により回避するための第１制御を行う第１運転支援部と、前記移動体と前記認識された物体との接触を制動により回避するための第２制御を行う第２運転支援部と、前記移動体に搭載されたヨーレートセンサにより出力されるヨーレートの測定値とは異なる複数種類の情報を少なくとも含む参照情報に基づいて、前記移動体に生じたヨーレートの推定値を導出し、前記測定値と前記推定値との乖離が基準よりも大きい場合に前記第１制御を抑制する管理部と、を備えるものである。

（２）：上記（１）の態様において、前記管理部は、前記参照情報を入力すると前記ヨーレートの推定値を出力するように学習された学習済モデルに、前記移動体において収集された前記参照情報を入力することで、前記推定値を導出するものである。

（３）：上記（２）の態様において、前記管理部は、条件を互いに異ならせて学習された複数の学習済モデルのうち、前記測定値に近い値を出力する一以上の学習済モデルを選択し、前記選択した一以上の学習済モデルの出力に基づいて前記推定値を導出するものである。

（４）：上記（３）の態様において、前記条件は、前記移動体の状態を表す状態条件と、前記移動体が置かれた環境を表す環境条件とのうち少なくとも一方を含むものである。

（５）：上記（１）から（４）のいずれかの態様において、前記参照情報は、前記移動体に搭載された操舵角センサの出力情報、前記移動体に搭載された速度センサの出力情報、および前記移動体の移動制御装置により出力される制御情報のうち少なくとも一部を含むものである。

（６）：上記（１）から（５）のいずれかの態様において、前記参照情報は、複数時点の制御サイクルに跨る時系列情報を含むものである。

（７）：本発明の他の態様に係る監視装置は、移動体に搭載されたヨーレートセンサにより出力されるヨーレートの測定値とは異なる複数種類の情報を少なくとも含む参照情報に基づいて、前記移動体に生じたヨーレートの推定値を導出する導出部と、前記測定値と前記推定値との乖離が基準よりも大きい場合に、所定の情報を出力する比較部と、を備えるものである。

（８）：本発明の他の態様に係る運転支援方法は、コンピュータが、移動体の周辺に存在する物体を認識し、前記移動体と前記認識された物体との接触を操舵により回避するための第１制御を行い、前記移動体と前記認識された物体との接触を制動により回避するための第２制御を行い、前記移動体に搭載されたヨーレートセンサにより出力されるヨーレートの測定値とは異なる複数種類の情報を少なくとも含む参照情報に基づいて、前記移動体に生じたヨーレートの推定値を導出し、前記測定値と前記推定値との乖離が基準よりも大きい場合に前記第１制御を抑制するものである。

（９）：本発明の他の態様に係るプログラムは、コンピュータに、移動体の周辺に存在する物体を認識させ、前記移動体と前記認識された物体との接触を操舵により回避するための第１制御を行わせ、前記移動体と前記認識された物体との接触を制動により回避するための第２制御を行わせ、前記移動体に搭載されたヨーレートセンサにより出力されるヨーレートの測定値とは異なる複数種類の情報を少なくとも含む参照情報に基づいて、前記移動体に生じたヨーレートの推定値を導出させ、前記測定値と前記推定値との乖離が基準よりも大きい場合に前記第１制御を抑制させるものである。

上記（１）～（９）の態様によれば、操舵回避の妥当性を適切に判定することができる。

運転支援装置１００を中心とした構成図である。 第１制御と第２制御が選択的に行われる場面の一例を示す図である。 導出部１５２の処理の内容の一例を示す図である。 管理部１５０により実行される処理の流れの一例を示すフローチャートである。 管理部１５０により実行される処理の流れの他の一例を示すフローチャートである。 学習済モデル１７２（ｉ、ｊ、ｋ）と学習時の環境との関係の一例を示す図である。

以下、図面を参照し、本発明の運転支援装置、監視装置、運転支援方法、およびプログラムの実施形態について説明する。運転支援装置や監視装置は、移動体に搭載される。移動体とは、例えば、四輪車両や二輪車両、マイクロモビリティ、ロボット等の自ら移動するもの、或いは、自ら移動する移動体に載置され、または人によって運ばれることで移動するスマートフォンなどの可搬型装置である。以下の説明において移動体は四輪車両であるものとし、移動体のことを「車両Ｍ」と称して説明を行う。監視装置は、単体で動作するものであってもよいし、運転支援装置に包含されるものであってもよい。以下の説明では、監視装置は、運転支援装置に包含されるものとする。

運転支援装置は、移動体と物体との接触を操舵により回避するための第１制御と、移動体と物体との接触を制動により回避するための第２制御とを選択的に、或いは状況に応じて一方または双方を同時に行う。

「操舵により回避する」とは、例えば、（１）操舵方向を音声や画像等で運転者に伝えて、間接的に物体との接触を回避させること、（２）ＬＫＡＳ（Lane Keeping Assist System）などの名称で知られる車線維持制御で行われているように、ステアリングホイール（操舵操作子）に、物体に向かう方向の操舵に対する操作反力や振動等を与えることで物体との接触を回避させること、（３）運転支援装置が操舵装置に対して自律的な操舵制御を行って物体との接触を回避すること（いわゆる自動運転）のいずれであってもよい。以下の説明では、（１）の手法で第１制御が行われるものとする。

「制動により回避する」とは、例えば、（Ａ）通常時は手動運転を基本とし、物体との接触の可能性がある場合のみ介入制御を行って、制動力をブレーキ装置等に出力させること、（Ｂ）運転支援装置がブレーキ装置等に対して自律的な制動制御を行って物体との接触を回避すること（いわゆる自動運転）のいずれであってもよい。以下の説明では、（Ａ）の手法で第２制御が行われるものとする。

＜第１実施形態＞
以下、第１実施形態について説明する。図１は、運転支援装置１００を中心とした構成図である。車両Ｍには、運転支援装置１００の他、カメラ１０、レーダ装置１２、ＬＩＤＡＲ（Light Detection and Ranging）１４、物体認識装置１６、車両センサ４０、制御装置５０、ＨＭＩ（Human Machine Interface）６０、ブレーキ装置７０等が搭載される。これらの装置や機器は、ＣＡＮ（Controller Area Network）通信線等の多重通信線やシリアル通信線、無線通信網等によって互いに接続される。なお、図１に示す構成はあくまで一例であり、構成の一部が省略されてもよいし、更に別の構成が追加されてもよい。例えば、車両Ｍには、アクセルペダルやブレーキペダル等の運転操作子、エンジンやモータ等の駆動力出力装置、ステアリング装置等の手動運転に必要な構成も搭載されてよいが、これらについては図示および詳細な説明を省略する。

カメラ１０は、例えば、ＣＣＤ（Charge Coupled Device）やＣＭＯＳ（Complementary Metal Oxide Semiconductor）等の固体撮像素子を利用したデジタルカメラである。カメラ１０は、車両Ｍの任意の箇所に取り付けられる。前方を撮像する場合、カメラ１０は、フロントウインドシールド上部やルームミラー裏面等に取り付けられる。カメラ１０は、例えば、周期的に繰り返し車両Ｍの周辺を撮像する。カメラ１０は、ステレオカメラであってもよい。

レーダ装置１２は、車両Ｍの周辺にミリ波などの電波を放射すると共に、物体によって反射された電波（反射波）を検出して少なくとも物体の位置（距離および方位）を検出する。レーダ装置１２は、車両Ｍの任意の箇所に取り付けられる。レーダ装置１２は、ＦＭ－ＣＷ（Frequency Modulated Continuous Wave）方式によって物体の位置および速度を検出してもよい。

ＬＩＤＡＲ１４は、車両Ｍの周辺に光（或いは光に近い波長の電磁波）を照射し、散乱光を測定する。ＬＩＤＡＲ１４は、発光から受光までの時間に基づいて、対象までの距離を検出する。照射される光は、例えば、パルス状のレーザー光である。ＬＩＤＡＲ１４は、車両Ｍの任意の箇所に取り付けられる。

物体認識装置１６は、カメラ１０、レーダ装置１２、およびＬＩＤＡＲ１４のうち一部または全部による検出結果に対してセンサフュージョン処理を行って、物体の位置、種類、速度などを認識する。物体認識装置１６は、認識結果を運転支援装置１００に出力する。物体認識装置１６は、カメラ１０、レーダ装置１２、およびＬＩＤＡＲ１４の検出結果をそのまま運転支援装置１００に出力してよい。また、車両Ｍに物体認識装置１６が搭載されなくてもよい。

車両センサ４０は、少なくとも車両Ｍの鉛直軸回りの角速度を検出するヨーレートセンサ４２を含む。なお、「鉛直軸」とは、ピッチやロールが発生していない場合に鉛直軸となるであろう、車両Ｍの車体に対する相対軸である。ヨーレートセンサ４２は、車両Ｍの上空から見た重心付近に設けられる。

車両センサ４０は、更に、車両Ｍの操舵角（操舵輪の角度でもよいし、ステアリングホイールの操作角度でもよい）を検出する操舵角センサ、車両Ｍの速度を検出する速度センサ、車両Ｍのステアリングホイールに加えられたトルクを検出するステアリングトルクセンサなどを含んでよい。

制御装置５０は、例えば、エンジンやモータ等のエンジンやモータ等の駆動力出力装置を制御する制御装置である。制御装置５０は、駆動力出力装置に与える制御情報（例えば、目標駆動力を示す制御情報）を、運転支援装置１００にも出力する。制御装置５０は、特許請求の範囲における「移動制御装置」の一例である。

ＨＭＩ６０は、車両Ｍの乗員に対して各種情報を提示すると共に、乗員による入力操作を受け付ける。ＨＭＩ６０は、スピーカ、表示装置（ＨＵＤ（Head Up Display）を含む）、ブザー、タッチパネル、スイッチ、キーなどを含む。

ブレーキ装置７０は、ブレーキ制御装置、ブレーキアクチュエータ等を含む。ブレーキアクチュエータは、例えば、電子制御式のブレーキアクチュエータであり、ブレーキペダルの操作量に関わらず制動力を出力できるものであればよい。ブレーキ装置７０は、ブレーキペダルに対してなされた操作量に基づいて車両Ｍの車輪に制動力を出力したり、運転支援装置１００からの指示に応じて自律的に車両Ｍの車輪に制動力を出力したりする。また、ブレーキ装置７０のブレーキ制御装置は、ブレーキアクチュエータに与える制御情報（例えば、目標制動力を示す制御情報）を、運転支援装置１００にも出力する。ブレーキ装置７０は、特許請求の範囲における「移動制御装置」の他の一例であってよい。

運転支援装置１００は、例えば、認識部１１０と、第１運転支援部１２０と、第２運転支援部１３０と、管理部１５０とを備える。管理部１５０は、導出部１５２と、比較部１５４とを備える。これらの構成要素は、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。管理部１５０は、特許請求の範囲における「監視装置」の一例である。図示する構成はあくまで一例であり、管理部１５０が第１運転支援部に包含されてもよい。運転支援装置１００は、更に、記憶部１７０を備える。記憶部１７０は、上記プログラムを格納する記憶媒体であってもよいし、別の記憶媒体であってもよい。記憶部１７０には、学習済モデル１７２が格納される。記憶部１７０は、例えば、ＨＤＤやフラッシュメモリ、ＲＡＭ（Random Access Memory）等である。

認識部１１０は、カメラ１０、レーダ装置１２、およびＬＩＤＡＲ１４から物体認識装置１６を介して入力された情報に基づいて、車両Ｍの周辺にある物体の位置、および速度、加速度等の状態を認識する。物体の位置は、例えば、車両Ｍの代表点（重心や駆動軸中心など）を原点とする、上空から見た仮想平面上の位置として認識され、制御に使用される。物体の位置は、その物体の重心やコーナー等の代表点で表されてもよいし、表現された領域で表されてもよい。物体の「状態」とは、物体の加速度やジャーク、あるいは「行動状態」（例えば車線変更をしている、またはしようとしているか否か）を含んでもよい。

また、認識部１１０は、例えば、車両Ｍが走行している車線（走行車線）を認識する。例えば、認識部１１０は、カメラ１０によって撮像された画像から認識される車両Ｍの周辺の道路区画線の位置に基づいて、走行車線を認識する。なお、認識部１１０は、道路区画線に限らず、道路区画線や路肩、縁石、中央分離帯、ガードレールなどを含む走路境界（道路境界）を認識することで、走行車線を認識してもよい。認識部１１０は、走行車線を認識する際に、走行車線に対する車両Ｍの位置や姿勢を認識する。認識部１１０は、例えば、車両Ｍの基準点の車線中央からの乖離、および車両Ｍの進行方向の車線中央を連ねた線に対してなす角度を、走行車線に対する車両Ｍの相対位置および姿勢として認識してもよい。これに代えて、認識部１１０は、走行車線のいずれかの側端部（道路区画線または道路境界）に対する車両Ｍの基準点の位置などを、走行車線に対する車両Ｍの相対位置として認識してもよい。

第１運転支援部１２０は、車両Ｍと、認識部１１０により認識された物体との接触を操舵により回避するための第１制御を行う。第１運転支援部１２０は、第１制御として、物体との接触を回避可能な目標軌道を生成し、目標軌道に沿った操舵角となるまで「ハンドルを右に（左に）切って下さい」といった内容の音声をスピーカに出力させて運転者の運転操作を誘導する。また、第１運転支援部１２０は、同様の誘導を、例えばＨＵＤに方向を示す画像を表示させることで行ってもよい。第１運転支援部１２０は、誘導を開始した後、所定時間経過または所定距離走行するまでに目標軌道に沿った操舵角とならない場合、第１制御を停止することを決定し、その旨を示す情報を第２運転支援部１３０に伝える。なお、物体との接触を回避可能な目標軌道は、自車線（現在、車両Ｍが存在する車線）内で収まる場合もあるし、他車線への車線変更を伴う場合もある。後者の場合、第１制御を継続する条件は、前者に比べて厳しく設定されてよい。

第２運転支援部１３０は、車両Ｍと、認識部１１０により認識された物体との接触を制動により回避するための第２制御を行う。第２運転支援部１３０は、第２制御として、車両Ｍが操舵により接触を回避することが困難である物体に対してある程度の余裕距離をもって停止するための目標停止位置を決定し、例えば、減速度一定を前提に計算した減速度と車両Ｍの速度とに基づいて制動力（ブレーキトルク）を決定し、決定した制動力をブレーキ装置７０に出力させる。なお、第２運転支援部１３０は、エンジンブレーキやモータの回生ブレーキも合わせて利用してよい。第２運転支援部１３０は、第１制御を停止する旨の情報が得られた場合に第２制御を開始してもよいし、第１運転支援部１２０の動作状態とは無関係に第２制御を実行してもよい。後者の場合、第２運転支援部１３０は、車両Ｍの予想進路と物体との重なり量（ラップ量）、ＴＴＣ（Time To Collision）等の指標に基づいて、「車両Ｍが操舵により接触を回避することが困難である物体」であるか否かを判断する。また、第１制御によって物体の横を通過可能な場合であっても、念のため自律減速制御が併せて行われてもよい。

図２は、第１制御と第２制御が選択的に行われる場面の一例を示す図である。図中、ＯＢは物体（ここでは駐車車両）、Ｋは「物体との接触を回避可能な目標軌道」である。図示するように、車両Ｍの運転者が誘導に従わず右方向への操舵を行わなかった場合、第２運転支援部１３０は車両Ｍを自動停止させる。

管理部１５０は、ヨーレートセンサ４２などの計測手段に異常が生じているか否かを判定し、異常が生じていると判定した場合に、第１制御を抑制する。「第１制御を抑制する」とは、第１制御を停止させることを意味してもよいし、異常が生じていると判定されたことが複数回連続して生じた場合に第１制御を停止させる、或いは他車線への車線変更を伴う第１制御のみ停止するなどを意味してもよい。以下の説明では、「第１制御を抑制する」とは、第１制御を停止させることを意味するものとする。

管理部１５０の導出部１５２は、ヨーレートセンサ４２により出力されるヨーレートの測定値Ｙｒとは異なる複数種類の情報を少なくとも含む参照情報に基づいて、車両Ｍに生じたヨーレートの推定値Ｙｒ＊を導出する。参照情報は、例えば、操舵角センサの出力情報θ、速度センサの出力情報Ｖ、および制御装置５０またはブレーキ装置７０により出力される制御情報のうち少なくとも一部を含む。また、参照情報は、搭乗人数（推定値でもよいし、車室内カメラ等で検知された値でもよい）やエネルギー残量などの車両Ｍが運搬する重量に関する情報を含んでもよい。更に、参照情報は、複数時点の制御サイクルに跨る時系列情報を含んでもよい。制御サイクルとは、管理部１５０が繰り返し処理を行う際の基準となる時間的単位である。

図３は、導出部１５２の処理の内容の一例を示す図である。例えば、導出部１５２は、操舵角センサの出力情報θ（ｋ）,θ（ｋ－１）,…θ（ｋ－ｎ）と、速度センサの出力情報Ｖ（ｋ）,Ｖ（ｋ－１）,…,Ｖ（ｋ－ｍ）と、制御情報とを含む参照情報を学習済モデル１７２に入力することで、ヨーレートの推定値Ｙｒ＊を導出する。θは操舵角であり、Ｖは速度である。（ｋ）は今回の制御サイクルで収集した値であることを示し、（ｋ－１）は一つ前の制御サイクルで収集した値であることを示し、（ｋ－ｎ）はｎ回前の制御サイクルで収集した値であることを示し、（ｋ－ｍ）はｍ回前の制御サイクルで収集した値であることを示す。制御情報についても同様に、複数時点の制御サイクルに跨る時系列情報であってもよい。なお時系列情報を学習済モデル１７２に入力しない場合、学習済モデル１７２はＲＮＮ（Recurrent Neural Network）などの再帰的なモデルであることが好ましい。

学習済モデル１７２は、例えば、ＤＮＮ（Deep Neural Network）、ＲＢＦＮ（Radial Basis Function Network）、その他のネットワーク型のモデルである。学習済モデル１７２は、参照情報を入力するとヨーレートの推定値Ｙｒ＊を出力するように学習されたものである。この学習の過程においては、例えば、車両Ｍと同じ車種の実験車両において収集された参照情報が学習データ、実験車両に搭載され、正常状態にあることが確認されているヨーレートセンサによる測定値が教師データとして使用される。

比較部１５４は、ヨーレートセンサ４２の測定値Ｙｒと、導出部１５２が導出したヨーレートの推定値Ｙｒ＊との乖離が基準よりも大きい場合に第１制御を抑制する。「乖離が基準よりも大きい」とは、例えば、差分の絶対値が閾値よりも大きいことを意味する。

図４は、管理部１５０により実行される処理の流れの一例を示すフローチャートである。本フローチャートの処理は、制御サイクルごとに繰り返し実行される。

まず、管理部１５０は、参照情報とヨーレートセンサ４２の測定値Ｙｒとを取得する（ステップＳ２００）。参照情報は時系列情報として記憶部１７０に格納され、以降の処理に利用される。次に、導出部１５２が、今回あるいは前回以前の制御サイクルで取得された参照情報を学習済モデル１７２に入力することで、ヨーレートの推定値Ｙｒ＊を導出する（ステップＳ２０２）。次に、比較部１５４は、ヨーレートセンサ４２の測定値Ｙｒと、導出部１５２が導出したヨーレートの推定値Ｙｒ＊との乖離が基準よりも大きいか否かを判定する（ステップＳ２０４）。ヨーレートセンサ４２の測定値Ｙｒとヨーレートの推定値Ｙｒ＊との乖離が基準よりも大きい場合、比較部１５４は、第１制御を抑制するように少なくとも第１運転支援部１２０に通知する（ステップＳ２０６）。

管理部１５０は、図４に示すフローチャートの処理を、単に制御サイクルごとに繰り返してもよいが、ヨーレートセンサ４２の測定値Ｙｒとヨーレートの推定値Ｙｒ＊との乖離が基準よりも大きいと判定された履歴に基づいて、判定処理の頻度等を調整してもよい。

図５は、管理部１５０により実行される処理の流れの他の一例を示すフローチャートである。本フローチャートの処理は、図４のフローチャートの処理と並行して繰り返し実行される。

まず、管理部１５０は、図４のステップＳ２０４の処理において、ヨーレートセンサ４２の測定値Ｙｒと、導出部１５２が導出したヨーレートの推定値Ｙｒ＊との乖離が基準よりも大きいと判定されたか否かを判定する（ステップＳ３００）。

ヨーレートセンサ４２の測定値Ｙｒと、導出部１５２が導出したヨーレートの推定値Ｙｒ＊との乖離が基準よりも大きいと判定された場合、管理部１５０は、判定結果が前回と同じであるか否かを判定する（ステップＳ３０２）。判定結果が前回と同じであると判定した場合、管理部１５０は、第１カウンタをカウントアップする（例えば１インクリメントする）（ステップＳ３０４）。次に、管理部１５０は、第１カウンタの値が第１基準値Ｃ１以上であるか否かを判定する（ステップＳ３０６）。第１基準値Ｃ１は、例えば、数回～数十回程度の値である。第１カウンタの値が第１基準値Ｃ１以上であると判定した場合、管理部１５０は、第１制御を停止させ、図４のステップＳ２００～Ｓ２０４の判定処理の頻度（判定頻度）を低下させ、第２カウンタの値をリセットする（ゼロにする）（ステップＳ３０８）。例えば、管理部１５０は、通常時には数［ｍｓ］ごとに判定処理が行われるのに対して、数［ｓｅｃ］～数［ｍｉｎ］ごとまで判定頻度を低下させる。この状態において、ヨーレートセンサ４２の測定値Ｙｒと、導出部１５２が導出したヨーレートの推定値Ｙｒ＊との乖離について判定処理は行われるものの、判定結果に関わらず第１制御は行われない。これは、複数回連続して乖離が大きかったため、ヨーレートセンサ４２あるいは関連する機器に故障等が発生している確率が高いと推定されるからである。

更に、管理部１５０は、第１カウンタの値が第１基準値Ｃ１よりも大きい第２基準値Ｃ２以上であるか否かを判定する（ステップＳ３１０）。第１カウンタの値が第２基準値Ｃ２以上であると判定した場合、管理部１５０は、ヨーレートセンサ４２あるいは関連する機器の修理を促す情報を、ＨＭＩ６０に出力させる（ステップＳ３１２）。

ヨーレートセンサ４２の測定値Ｙｒと、導出部１５２が導出したヨーレートの推定値Ｙｒ＊との乖離が基準以下であると判定された場合、管理部１５０は、判定結果が前回と同じであるか否かを判定する（ステップＳ３１４）。判定結果が前回と同じであると判定した場合、管理部１５０は、第２カウンタをカウントアップする（例えば１インクリメントする）（ステップＳ３１６）。次に、管理部１５０は、第２カウンタの値が第３基準値Ｃ３以上であるか否かを判定する（ステップＳ３１８）。第２カウンタの値が第３基準値Ｃ３以上であると判定した場合、管理部１５０は、ステップＳ３０８の処理によって第１制御が停止中、且つ判定頻度が低下中であるか否かを判定する（ステップＳ３２０）。ステップＳ３２０の処理において肯定的な判定結果が得られた場合、管理部１５０は、第１制御を復帰させ、判定頻度を元に戻す（ステップＳ３２２）。そして、管理部１５０は、第１カウンタおよび第２カウンタの値をリセットする（ステップＳ３２４）。係る処理によって、ある程度の時間、路面の状態が悪い道路を車両Ｍが走行する間は一時的に第１制御を休止状態とし、その後、道路の状態が通常状態になったことが十分に確認されてから第１制御を復帰させることができる。

ステップＳ３０２またはＳ３１４で前回と同じ判定結果でないと判定された場合、ステップＳ３２４の処理が行われる。また、ステップＳ３２０で否定的な判定結果が得られた場合、管理部１５０は、本フローチャートの１サイクルの処理を終了する。

以上説明した第１実施形態によれば、車両Ｍに搭載されたヨーレートセンサ４２により出力されるヨーレートの測定値Ｙｒとは異なる複数種類の情報を少なくとも含む参照情報に基づいて、車両Ｍに生じたヨーレートの推定値Ｙｒ＊を導出し、測定値と推定値との乖離が基準よりも大きい場合に第１制御を抑制するため、操舵回避の妥当性を適切に判定して車両制御を行うことができる。

＜第２実施形態＞
以下、第２実施形態について説明する。第１実施形態では、学習済モデル１７２として一つのモデルを使用するものとしたが、第２実施形態では、条件を互いに異ならせて学習された複数の学習済モデルを使用する。

第２実施形態において使用される学習済モデルを、学習済モデル１７２（ｉ、ｊ、ｋ）と表記する。パラメータｉ、ｊ、ｋのそれぞれは、学習済モデルが学習された際の条件のそれぞれを示すものであり、上限数が設けられた自然数である。以下の説明では、条件が３つであるものとするが、条件の数は如何なる数であってもよい。

条件は、車両Ｍの状態を表す状態条件と、車両Ｍが置かれた環境を表す環境条件とのうち少なくとも一方を含む。状態条件は、例えば、タイヤの空気圧、累積走行距離などを含む。タイヤの空気圧は操舵操作に対する旋回感度に直接影響し、累積走行距離はサスペンションの疲労を招くことで間接的に旋回度合いに影響するからである。環境条件は、例えば、路面状態を含む。降雨、非舗装路、凍結などによって路面状態が悪化する（路面μが低下する）と、操舵角に対する旋回度合いが変化するからである。

図６は、学習済モデル１７２（ｉ、ｊ、ｋ）と学習時の環境との関係の一例を示す図である。図示するように、学習済モデル１７２（１、１、１）は、条件を（タイヤの空気圧：高、累積走行距離：短、路面μ：高）として学習されたものであり、学習済モデル１７２（２、１、１）は、条件を（タイヤの空気圧：中、累積走行距離：短、路面μ：高）として学習されたものであり、以下同様に全てのパラメータの組み合わせについての学習済モデル１７２（ｉ、ｊ、ｋ）が用意されている。

第２実施形態の管理部１５０では、ヨーレートセンサ４２の測定値Ｙｒに近い値を出力する一以上の学習済モデル１７２（ｉ、ｊ、ｋ）を選択し、選択した一以上の学習済モデル１７２（ｉ、ｊ、ｋ）の出力に基づいて推定値を導出する。具体的に、第２実施形態の管理部１５０では、前回以前の処理結果に基づいてヨーレートセンサ４２の測定値Ｙｒに近い値を出力することが判っている少数の学習済モデル１７２（ｉ、ｊ、ｋ）を選択して推定値を導出し、判定に用いてもよいし、学習済モデル１７２（ｉ、ｊ、ｋ）のうち一部または全部を用いてそれぞれヨーレートの推定値Ｙｒ＊を導出し、それらの中からヨーレートセンサ４２の測定値Ｙｒに近い値を選択し、判定に用いてもよい。

一例として、管理部１５０は、複数の条件で構成される空間を定義し、例えば、隣接する条件までの切り替えを許容し、それ以上の条件の切り替えが必要な場合は異常と判定する。例えば、前回の処理において学習済モデル１７２（２、２、２）が選択されている場合、管理部１５０は、学習済モデル１７２（１、２、２）、（３、２、２）、（２、１、２）、（２、３、２）、（２、２、１）、（２、２、３）への切り替えは許容し、許容した学習済モデル１７２（ｉ、ｊ、ｋ）のいずれかを用いて導出部１５２が導出したヨーレートの推定値Ｙｒ＊と、ヨーレートセンサ４２の測定値Ｙｒとの乖離が基準以下である場合、「乖離が基準以下である」と判定し、そうでない場合、「乖離が基準よりも大きい」と判定してもよい。

上記の説明では、いずれか一つの学習済モデル１７２（ｉ、ｊ、ｋ）を選択し、選択した学習済モデル１７２（ｉ、ｊ、ｋ）が導出したヨーレートの推定値Ｙｒ＊と、ヨーレートセンサ４２の測定値Ｙｒとの乖離について判定を行うものとしたが、管理部１５０は、いずれか複数の学習済モデル１７２（ｉ、ｊ、ｋ）が導出したヨーレートの推定値Ｙｒ＊（１）、Ｙｒ＊（２）、Ｙｒ＊（３）、…の加重和をヨーレートの推定値Ｙｒ＊としてもよい。この場合、切替が許容される学習済モデル１７２（ｉ、ｊ、ｋ）の範囲は、例えば、加重和の重みによって示される重心位置からの距離に基づいて決定されてよい。

以上説明した第２実施形態によれば、第１実施形態と同様の効果を奏するのに加えて、車両Ｍの経年変化に応じた適切な学習済モデル１７２（ｉ、ｊ、ｋ）を使用して操舵回避の妥当性を適切に判定し、それに応じて車両制御を行うことができる。

上記説明した実施形態は、以下のように表現することができる。
プログラムを記憶した記憶装置と、
ハードウェアプロセッサと、を備え、
前記ハードウェアプロセッサが前記記憶装置に記憶されたプログラムを実行することにより、
移動体の周辺に存在する物体を認識し、
前記移動体と前記認識された物体との接触を操舵により回避するための第１制御を行い、
前記移動体と前記認識された物体との接触を制動により回避するための第２制御を行い、
前記移動体に搭載されたヨーレートセンサにより出力されるヨーレートの測定値とは異なる複数種類の情報を少なくとも含む参照情報に基づいて、前記移動体に生じたヨーレートの推定値を導出し、前記測定値と前記推定値との乖離が基準よりも大きい場合に前記第１制御を抑制する、
ように構成されている、運転支援装置。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１００ 運転支援装置
１１０ 認識部
１２０ 第１運転支援部
１３０ 第２運転支援部
１５０ 管理部（監視装置）
１５２ 導出部
１５４ 比較部
１７０ 記憶部
１７２ 学習済モデル

Claims (7)

1. 移動体の周辺に存在する物体を認識する認識部と、
   前記移動体と前記認識された物体との接触を操舵により回避するための第１制御を行う第１運転支援部と、
   前記移動体と前記認識された物体との接触を制動により回避するための第２制御を行う第２運転支援部と、
   前記移動体に搭載されたヨーレートセンサにより出力されるヨーレートの測定値とは異なる複数種類の情報を少なくとも含む参照情報に基づいて、前記移動体に生じたヨーレートの推定値を導出し、前記測定値と前記推定値との乖離が基準よりも大きい場合に前記第１制御を抑制する管理部と、を備え、
   前記管理部は、前記参照情報を入力すると前記推定値を出力するように学習された学習済モデルとして、条件を互いに異ならせて学習された複数の学習済モデルのうち、前記測定値に近い値を出力する一以上の学習済モデルを選択し、前記選択した一以上の学習済モデルに、前記移動体において収集された前記参照情報を入力したときの前記選択した一以上の学習済モデルの出力に基づいて前記推定値を導出する、
   運転支援装置。
2. 前記条件は、前記移動体の状態を表す状態条件と、前記移動体が置かれた環境を表す環境条件とのうち少なくとも一方を含む、
   請求項１記載の運転支援装置。
3. 前記参照情報は、前記移動体に搭載された操舵角センサの出力情報、前記移動体に搭載された速度センサの出力情報、および前記移動体の移動制御装置により出力される制御情報のうち少なくとも一部を含む、
   請求項１または２に記載の運転支援装置。
4. 前記参照情報は、複数時点の制御サイクルに跨る時系列情報を含む、
   請求項１から３のうちいずれか１項記載の運転支援装置。
5. 前記測定値と前記推定値との乖離が基準よりも大きい場合に、所定の情報を出力する比較部をさらに備える、
   請求項１から４のうちいずれか１項記載の運転支援装置。
6. コンピュータが、
   移動体の周辺に存在する物体を認識し、
   前記移動体と前記認識された物体との接触を操舵により回避するための第１制御を行い、
   前記移動体と前記認識された物体との接触を制動により回避するための第２制御を行い、
   前記移動体に搭載されたヨーレートセンサにより出力されるヨーレートの測定値とは異なる複数種類の情報を少なくとも含む参照情報に基づいて、前記移動体に生じたヨーレートの推定値を導出し、
   前記測定値と前記推定値との乖離が基準よりも大きい場合に前記第１制御を抑制し、
   前記コンピュータが、
   前記参照情報を入力すると推定値を出力するように学習された学習済モデルとして、条件を互いに異ならせて学習された複数の学習済モデルのうち、前記測定値に近い値を出力する一以上の学習済モデルを選択し、前記選択した一以上の学習済モデルに、前記移動体において収集された前記参照情報を入力したときの前記選択した一以上の学習済モデルの出力に基づいて前記推定値を導出する、
   運転支援方法。
7. コンピュータに、
   移動体の周辺に存在する物体を認識させ、
   前記移動体と前記認識された物体との接触を操舵により回避するための第１制御を行わせ、
   前記移動体と前記認識された物体との接触を制動により回避するための第２制御を行わせ、
   前記移動体に搭載されたヨーレートセンサにより出力されるヨーレートの測定値とは異なる複数種類の情報を少なくとも含む参照情報に基づいて、前記移動体に生じたヨーレートの推定値を導出させ、
   前記測定値と前記推定値との乖離が基準よりも大きい場合に前記第１制御を抑制させ、
   前記コンピュータに、
   前記参照情報を入力すると推定値を出力するように学習された学習済モデルとして、条件を互いに異ならせて学習された複数の学習済モデルのうち、前記測定値に近い値を出力する一以上の学習済モデルを選択し、前記選択した一以上の学習済モデルに、前記移動体において収集された前記参照情報を入力したときの前記選択した一以上の学習済モデルの出力に基づいて前記推定値を導出させる、
   プログラム。

Images